Il corso si propone di fornire le competenze necessarie per la raccolta e
l’analisi di dati di carattere socio-econoico-demografico. I risultati delle
analisi hanno lo scopo di informare, controllare e prevedere i complessi
fenomeni socio-economici costituendo un prezioso supporto delle
decisioni in ambito di politica sia economica sia sociale

1 dati della serie storica
1.1 Scopo
1.2 Serie temporali
1.3 linguaggio R
1.4 Grafici, tendenze e variazioni stagionali
1.4.1 Partenza in volo: prenotazioni di passeggeri aerei
1.4.2 Disoccupazione: Maine
1.4.3 Serie temporali multiple: dati relativi a elettricità, birra e cioccolato
1.4.4 Tasso di cambio trimestrale: da GBP a NZ $
1.4.5 Serie di temperature globali
1.5 Decomposizione di serie
1.5.1 Notazione
1.5.2 Modelli
1.5.3 Stima delle tendenze e degli effetti stagionali
1.5.5 Decomposizione in R
1.6 Riepilogo dei comandi utilizzati negli esempi
2 correlazione
2.1 Scopo
2.2 Aspettativa e insieme
2.2.1 Valore atteso
2.2.2 L'insieme e la stazionarietà
2.2.4 Funzione di varianza
2.2.5 Autocorrelazione
2.3 Il correlogramma
2.3.1 Discussione generale
2.3.2 Esempio basato su serie di passeggeri aerei
2.4 Covarianza di somme di variabili casuali
2.5 Riepilogo dei comandi utilizzati negli esempi
3 strategie di previsione
3.1 Scopo
3.4.1 Livellamento esponenziale
4 modelli stocastici di base
4.1 Scopo
4.2 Rumore bianco
4.2.1 Introduzione
4.2.2 Definizione
4.2.3 Simulazione in R
4.2.4 Proprietà del secondo ordine e il correlogramma
4.2.5 Adattamento di un modello di rumore bianco
4.3 Camminate casuali
4.3.1 Introduzione
4.3.2 Definizione
4.3.3 L'operatore di spostamento indietro
4.3.4 Camminata casuale: proprietà del secondo ordine
4.3.5 Derivazione delle proprietà del secondo ordine *
4.3.7 Simulazione
4.5 Modelli autoregressivi
4.5.1 Definizione
4.5.2 Processi AR stazionari e non stazionari
4.5.3 Proprietà del secondo ordine di un modello AR (1)
4.5.5 Correlogramma di un processo AR (1)
4.5.6 autocorrelazione parziale
4.5.7 Simulazione
4.6 Modelli montati
4.6.1 Modello montato su serie simulate
4.6.2 Serie di tassi di cambio: modello AR montato
4.6.3 Serie di temperature globali: modello AR montato
4.7 Riepilogo dei comandi R
5 regressione
5.1 Scopo
5.2 Modelli lineari
5.2.1 Definizione
5.2.2 Stazionarietà
5.2.3 Simulazione
5.3 Modelli montati
5.3.1 Modello adattato ai dati simulati
5.3.2 Modello adattato alle serie di temperature (1970-2005)
5.3.3 Autocorrelazione e stima delle statistiche campionarie *
5.4 Minimi quadrati generalizzati
5.4.1 GLS adatto alle serie simulate
5.4.2 Intervallo di confidenza per l'andamento della temperatura
5.5 Modelli lineari con variabili stagionali
5.5.1 Introduzione
5.5.2 Variabili dell'indicatore stagionale additivo
5.5.3 Esempio: modello stagionale per le serie di temperature
5.6 Modelli stagionali armonici
5.6.1 Simulazione
5.6.2 Adatta alle serie simulate
5.6.3 Modello armonico adattato alle serie di temperature (1970-2005)
5.7 Trasformazioni logaritmiche
5.7.1 Introduzione
5.7.2 Esempio utilizzando la serie di passeggeri aerei
5.8 Modelli non lineari
5.8.1 Introduzione
5.8.2 Esempio di una serie non lineare simulata e adattata
5.9 Previsione dalla regressione
5.9.1 Introduzione
5.9.2 Predizione in R
5.10 Trasformazione inversa e correzione diagonale
5.10.1 Errori residui normali del registro
5.10.2 Fattore di correzione empirica per i mezzi di previsione
5.10.3 Esempio utilizzando i dati del passeggero aereo
5.11 Riepilogo dei comandi R
6 modelli stazionari
6.1 Scopo
6.2 Serie strettamente fisse
6.3 Modelli medi mobili
6.3.1 Processo MA (q): definizione e proprietà
6.3.2 Esempi R: Correlogramma e simulazione
6.4 Modelli MA montati
6.4.1 Modello montato su serie simulate
6.4.2 Serie di tassi di cambio: modello MA montato
6.5 Modelli misti: il processo ARMA
6.5.1 Definizione
6.6 Modelli ARMA: analisi empirica
6.6.1 Simulazione e adattamento
6.6.2 Serie di tassi di cambio
6.6.4 Dati del serbatoio ondoso
6.7 Riepilogo dei comandi R