Sei sulla pagina 1di 44

••

Analisi delle serie storiche ~I

_ Presentazione

In questo capitolo affrontiamo lo studio delle serie storiche che, pur non ri-
chieste esplicitamente dal Programma ministeriale, offrono un'applicazione in- .•.
teressante della perequazione e della regressione lineare.
In molte scienze, come economia, demografia, biologia, riveste notevole im-
portanza lo studio dell'evolversi, nel tempo, di certe caratteristiche di una po-
polazione statistica.
Molti sono i problemi che si presentano a economisti, politici, fisici ecc.; ad
esempio ci si domanda:

- Quanta energia elettrica occorrerà nel prossimo anno? Quanta ne occorrerà


fra 10 anni?
- A quanto ammonterà la popolazione dell'Europa del 2025?
- Quanti operai extracomunitari occorreranno nei prossimi anni?
- A quanto ammonterà il deficit della bilancia dei pagamenti in Italia fra un an-
no? E fra due anni?
'- Quanti medici, operatori sanitari, occorreranno fra 5, lO anni?

Si tratta di operare delle previsioni, non nel senso magico che può avere la pa-
rola, ma, sulla base dei dati rilevati in passato, analizzando la tendenza dei fe-
nomeni, si tratta di valutare come i fenomeni stessi si manifesteranno in futuro
e in base a queste valutazioni prendere decisioni di maggiore o minore impor-
tanza che potranno determinare vantaggi o perdite per l'economia nazionale e
internazionale e quindi per la collettività.
A questo scopo interessa esaminare i fenomeni da un punto di vista statistico.
Per effettuare tale studio, si rileva la caratteristica in esame per un certo perio-
do di tempo (solitamente a intervalli regolari) e la successione delle osserva-
zioni, riferite ai vari tempi, forma una serie storica.
Sono esempi di serie storiche: le vendite di un prodotto nei diversi mesi dell'anno,
il prodotto interno lordo (PIL) di uno Stato in un certo numero di anni, le tempera-
ture minime (o massime) in una data località nei diversi giorni per un dato numero
di anni, il consumo nazionale di energia elettrica in un certo numero di anni ecc.

215
Analisi delle serie storiche

In generale, la caratteristica in esame non rimane costante nel tempo, ma pre-


senta delle variazioni dovute a cause che possono agire temporaneamente o in
modo continuativo e possono essere previste o accidentali.
L'analisi e il confronto di varie serie storiche, possono, in economia, meglio
evidenziare legami e relazioni fra fenomeni e permettono di fare previsioni.
Lo studio di una serie storica inizia dall'individuazione del trend, ossia della
tendenza di fondo del fenomeno che può essere crescente, decrescente o co-
stante nel tempo, pur fra varie oscillazioni che possono mascherare tale ten-
denza. Successivamente si cerca di evidenziare e misurare, mediante opportuni
indici, detti indici di stagionalità, l'influsso che i diversi periodi dell'anno pos-
sono o no avere sul fenomeno. Lo studio della serie storica di un fenomeno
economico si completa con l'individuazione di cicli congiunturali che possono
determinare oscillazioni costituite da periodi di sviluppo alternati a periodi di
recessione,
Inoltre fattori casuali possono determinare delle piccole modificazioni a una se-
rie storica senza influire sull'andamento generale.

Grafici di serie storiche

Nell' esame di una serie storica si deve, come prima cosa, tracciare il grafico
delle osservazioni rilevate rispetto al tempo.
Si usano grafici sul piano carte siano in scala naturale o in scala semilogaritmi-
ca, assumendo il primo valore rilevato come tempo zero, oppure come tempo l.
Una rappresentazione grafica è in scala semilogaritmica se si riportano sull'as-
se delle ordinate i logaritmi dei valori rilevati, e la si usa quando il campo di
variazione è così vasto che non può essere rappresentato mediante la scala na-
turale.
Presentiamo i grafici di alcune serie storiche che saranno analizzate successi-
vamente.

Esempi

1. Tab. 1 - Vendita in Italia di benzina senza piombo (in migliaia di ton-


nellate). (ISTAT, Italia in cifre 2001, pago 8)

Benzina
Anni
venduta
1992 2.457
1993 3.960
1994 5.693
1995 7.060
1996 7.958
1997 8.885
1998 10.141
1999 10.991

216
[
Analisi delle serie storiche

Da questa tabella si ricava il seguente grafico:

10.000

i 8.000
;.=•• 6.000
9
E 4.000

2.000

1992 1993 1994 1995 1996 1997 1998 1999 t


anni

Il grafico evidenzia una tendenza crescente del fenomeno.


2. Tab. 2 - Data la seguente tabella della produzione di automobili Lancia
negli anni 1978-1998 (ANFIA, Automobile in cifre 2000, Pago 44):

N. N. N.
Anni Anni Anni
Autovetture Autovetture Autovetture
1978 52.462 1985 127.322 1992 96.517
1979 60.459 1986 139.728 1993 83.875
1980 110.756 1987 164.567 1994 89.223
1981 78.257 1988 132.626 1995 103.383
1982 68.162 1989 158.552 1996 139.294
1983 104.896 1990 168.702 1997 178.674
1984 102.658 1991 130.625 1998 172.725

Il grafico relativo è il seguente:


y
200.000

150.000

o 1 234 5 6 7 8 9101112131415161718192021 t ~
1978 anni 1998 ~

217
".~ Analisi delle serie storiche
"':,10

Dal grafico si rileva una tendenza di fondo crescente, pur con ampie
oscillazioni dovute ai cicli congiunturali. =

3. Tab. 3 - Presenze di clienti (italiani e stranieri) negli esercizi ricettivi nei


mesi degli anni 1997 - 1998 - 1999 - 2000 (in migliaia)(elaborato
da dati ISTAT) =

Mesi 1997 1998 1999 2000

Gennaio 11.280 11.745 12.388 12.267


Febbraio 12.507 12.659 12.822 12.915
Marzo 16.370 13.565 14.636 14.965
Aprile 15.458 17.594 17.387 19.602
=
Maggio 22.537 21.731 23.898 22.271
Giugno 30.535 33.382 34.454 39.472
Luglio 51.733 52.395 56.033 60.104
Agosto 66.698 68.296 68.791 72.956
Settembre 30.925 32.394 33.871 36.362
Ottobre 15.997 16.345 17.230 18.087
Novembre 8.529 8.913 9.373 10.073
Dicembre 9.706 9.927 9.903 11.351

Si ottiene il seguente grafico:

y
80.000

70.000

60.000

50.000

40.000

30.000

20.000

10.000

o
----- ----.--'
1
1997
12
1998
24
-'
mesi
----,
.
1999
36
-' ---... --'
2000
48 t ~

Dal grafico appare una tendenza di fondo lentamente crescente, men--


tre sono notevoli i minimi nel mese di novembre e i massimi nel mese
di agosto.

218
Analisi delle serie storiche

4. Tab. 4 - Tabella della rilevazione degli analfabeti in Italia per 100 abitanti
dello stesso sesso (dai CensimentI)

Censimenti M F
1901 42,5 54,4
1911 32,6 42,4
1921 24,4 30,4
1931 17,4 24,2
1951 10,5 15,2
1961 6,6 10,0
1971 4,0 6,3
1981 2,0 3,6
1991 1,6 2,6

Si ha il seguente grafico:

_ percentuale
- analfabeti
50

40

30

20

10

•..
.•.. •.. •.. •.. •.. •.. •.. •.. •.• t
•i.. c:n
.•.. •.. ~•.. J•..
~ •.. .•..li •..Si ~•.. •..li
~

Le due serie storiche evidenziano una tendenza decrescente senza alcu-


na oscillazione.
(Non essendo stato fatto il censimento nel 1941 a causa della guerra in
corso, i due valori che lo comprendono sono stati collegati da segmenti
tratteggiati) .

..,~ I movimenti delle serie storiche

Alcuni Autori hanno trovato un' analogia fra il grafico di una serie storica e la
traiettoria di una particella materiale: come una particella sotto razione di for-
ze fisiche descrive una traiettoria, così un fenomeno economico è soggetto a

219
Analisi delle serie storiche

movimenti dovuti a forze economiche, sociali ecc.


È tradizione analizzare le serie storiche distinguendo i seguenti movimenti:

a) movimento tendenziale o trend (detto anche movimento profondo o secola-


re), che si manifesta, pur fra oscillazioni più o meno regolari, con un anda-
mento crescente, o decrescente, o costante;

b) movimento ciclico, che imprime al fenomeno delle oscillazioni periodiche o


non periodiche, dovute ai cosiddetti cicli economici, che, in genere, hanno
durata pluriennale e sono costituiti da quattro fasi: prosperità, recessione,
crisi e ripresa. Tali movimenti sono anche detti, per il loro significato eco-
nomico, movimenti congiunturali;

c) movimento stagionale, che provoca variazioni che si manifestano negli stes-


si mesi in anni successivi (ad esempio, l'incremento delle vendite nei perio-
di prenatalizi, l'aumento dei matrimoni in certi periodi dell'anno ecc.).
Per evidenziare tale movimento occorre che i dati della serie storica siano sta-
ti rilevati per frazioni di anno, come mesi, bimestri, trimestri. Si parla anche di
movimento settimanale, se le variazioni avvengono di settimana in settimana;

d) movimento casuale o accidentale, che provoca delle piccole oscillazioni do-


vute a eventi casuali, come scioperi, elezioni ecc.

Più raramente può presentarsi un movimento di carattere occasiona/e, talvolta


molto intenso, dovuto a eventi bellici, importanti innovazioni tecnologiche, cri-
si politiche ecc.
Se tale movimento si smorza rapidamente e non produce variazioni al trend, si
esclude quel dato statistico o lo si sostituisce con un dato fittizio ottenuto me-
diante interpolazione; se, invece, il trend rimane molto modificato, si consiglia
di spezzare la serie in due parti e di analizzare separatamente le due parti, che
vengono anche dette periodi osservazionali,
In una serie storica con rilevazioni per anni, possono essere presenti: il movi-
mento tendenziale, il movimento ciclico e il movimento accidentale, mentre in
una serie nella quale le rilevazioni sono state effettuate, oltre che per anni, an-
che per frazioni di anno, possono essere presenti tutti i quattro movimenti: ten-
denziale, ciclico, stagionale e accidentale.
In certe serie un movimento è più accentuato degli altri tanto che tali serie
sembrano essere sottoposte a quel solo movimento, ma, in generale, sono pre-
senti tutti i movimenti, con maggiore o minore intensità.
Ad esempio, nelle serie date dalla Tab. I e dalla Tab. 4 del par. I, prevale il
movimento tendenziale, nella Tab. 3 prevale il movimento stagionale, mentre
nella Tab. 2 si evidenziano i tre movimenti: tendenziale, ciclico, casuale. Ogni
valore della serie storica è il risultato della composizione dei quattro preceden-
ti movimenti, per analizzare i quali e, se possibile, risalire alle cause che li ge-
nerano e quindi trarre previsioni per il futuro, è utile esaminarli separatamente.
Si indicano le varie componenti nel modo seguente:

220
Analisi delle serie storiche

UI = componente del movimento tendenziale;


SI = componente del movimento stagionale;
CI =
componente del movimento ciclico;
EI = componente del movimento accidentale.

Si opera una decomposizione della serie storica nelle sue componenti. Vi sono
vari modelli per operare la decomposizione; fra essi i più semplici sono:

- il modello di tipo additivo:

(1)

nel quale si pone l'ipotesi che il risultato sia la somma dei valori delle com-
ponenti dei movimenti;

- il modello di tipo moltiplicativo:

(2)

nel quale si pone l'ipotesi che il risultato sia il prodotto della componente del
trend per degli indici che fanno crescere o diminuire il valore del trend.

Nella trattazione che segue faremo riferimento al modello moltiplicativo. Il


modello (1) di tipo additivo presuppone che i quattro movimenti siano indi-
pendenti fra loro e questa ipotesi è considerata piuttosto restrittiva.
In generale si preferisce il modello (2) di tipo moltiplicativo poiché nella pra-
tica i movimenti si influenzano; ad esempio, il movimento stagionale non agi-
sce con un aumento o una diminuzione costante negli stessi periodi dei vari an-
ni, ma, generalmente, l'aumento o la diminuzione sono proporzionali alle altre
componenti.
Poiché ogni modello matematico che deve rappresentare una realtà molto com-
plessa richiede delle ipotesi, la scelta del modello è legata al tipo di serie sto-
rica che si deve analizzare.
In econometria, individuate le cause che possono influenzare un certo feno-
meno, si passa successivamente allo studio della regressione e della correlazio-
ne fra queste cause e il fenomeno stesso.

~l Il movimento tendenziale o trend

Una serie storica presenta quasi sempre un trend, o crescente o decrescente. Se


il trend è costante (e, in questo caso, alcuni Autori dicono che non esiste il
"trend), la serie storica è detta stazionaria.
Pochi sono i fenomeni che posseggono un movimento tendenziale costante per
lunghi periodi di tempo. La trattatistica indica, ad esempio, come fenomeni che
posseggono un movimento tendenziale costante, l'indice di mascolinità alla na-

221
Analisi delle serie storiche

scita (ossia il rapporto fra nascite di maschi e di femmine) e l'indice di nuzia-


lità (ossia il numero dei matrimoni su 1.000 persone), ma, come è noto, in que-
sti ultimi anni l'indice di nuzialità ha subito una rilevante diminuzione.
In generale, il trend è generato da cause profonde, che agiscono per un lungo
periodo di tempo. Un test rapido per individuare l'esistenza del trend e la sua
direzione, è il segno delle differenze fra ogni dato rilevato e il dato precedente:
YI - YI-I' 1..-
.,!., .

Se il numero di tali differenze positive supera il/numero di quelle negative, il


trend è crescente: viceversa, se il numero delle differenze positive è minore del
numero delle differenze negative, si ha una serie storica decrescente.
Per determinare il trend esistono vari metodi, fra i quali i più utilizzati sono:

- metodo dei minimi quadrati;


- metodo delle medie mobili.

a) Metodo dei minimi quadrati


Il metodo dei minimi quadrati permette di determinare una funzione analitica
che esprime l'andamento di fondo del fenomeno.
Si opera prima una perequazione grafica e si sceglie la funzione che si ritiene
più adatta, quindi si determinano i parametri con il metodo dei minimi quadra-
ti. Le funzioni più semplici usate per perequare una serie storica sono:

- la funzione lineare Y a + bt; =


- la funzione esponenziale y = a . b' (o anche Y = a . e=),

Sono pure utilizzate la funzione quadratica y = a + bt + ct-, la funzione logi-

stica V
o
= a
I +b'e-c'
e la funzione di potenza Y = a . t».

Se è possibile, si cerca di perequare con una funzione lineare. Il calcolo dei


parametri è già stato eseguito al cap. 3; è sufficiente sostituire nelle formule la
variabile t alla x e si ricava per le (6) del cap. 3:

b = n'"L.. t v· -
1. 1 '" t '" y.
~ I ~ l
a=y-bt (3)
nIt? - (It;f
Si possono pure applicare le formule (8) del cap. 3.

Esempi

1. Perequiamo la serie storica della Tab. 1 del par. 1 mediante una retta. _

Posto t = 1. 2. .... 8, utilizzando le relazioni (3) si ottiene la seguente -


equazione della retta perequatrice:

y = 1.203.774 . t + 1.726,143

222
Analisi delle serie storiche

e il grafico è:

y
1‫סס‬00
..
~.
~
~:a
~'ii
~a
8000

6000

~E 4000

2000

o 1 2 3 4 5 6 7 8
(1992) (1999)

_ La retta rappresenta abbastanza bene l'andamento del fenomeno essen-


do /2 = 0,0452 e 8 = 0,9865
L'equazione della retta indica che mediamente ogni anno le vendite di
- benzina senza piombo hanno avuto un incremento di 1.203,774 migliaia
di tonnellate.
Si può extrapolare la serie per calcolare le vendite previste per tre anni
- successivi; precisamente, ponendo:

t= 9 si ricava: 9 = 12.560,11 per l'anno 2000


t = 10 si ricava: 9 = 13.763,88 per l'anno 2001
t = 11 si ricava: 9= 14.967,66 per l'anno 2002

- Quindi si può stimare il fenomeno per un intervallo di tempo successivo


_ purché l'andamento mantenga la tendenza del passato.

Se è possibile, come già è stato detto, si cerca di perequare con una funzione
lineare, ma per certi fenomeni l'accrescimento della y è in progressione geo-
metrica e allora è preferibile una curva esponenziale.
t

~:

= 2. Tab. 5 - Data la seguente tabella sulla capitalizzazione


Borsa italiana (in ML di euro) (da www.borsaitalia.it):
azionaria della

perequare con la funzione esponenziale e con la funzione polinomiale


di 2° grado.

Posto t= 1 l'anno 1991, t= 2 l'anno 1992, ..... , t= 10 l'anno 2000, rap- =


presentiamo graficamente i dati:

223
Analisi delle serie storiche

y
800000 •
700000
e 60‫סס‬00
il 500000
i 400000
300000
20‫סס‬00
100000 •

o 1 2 3 4 5 6 7 8 9 10 t
(1991 ) (2000)

Interpoliamo con la funzione esponenziale:

y= a· b1

Prendendo i logaritmi decimali di ambo i membri:

Log Y = Log a + t· Log b

si ricava, utilizzando le formule che danno i parametri della retta inter-


polante:

Log ~= 4,768288 + 0,110826 t

e l'equazione della curva esponenzia/e risulta:

y = 58.652,8 + l,290704t

La funzione esponenziale, essendo /2 = 0,1894, offre un modesto ac-


costamento, ma essendo ~ = 0,9518, il modello è accettabile.

Interpoliamo con la funzione polinomiale di 2° grado. Con i consueti __


calcoli si determina l'equazione della parabola interpo/ante:

y= 13.737t2 -71.227t+ 182.706

Essendo /2 = 0,1144 la parabola presenta un migliore accostamento.


La retta interpo/ante, che ha equazione:

y = 7.982,2t - 119.513

con /2 = 0,3324 e ~ = 0,8233 non è accettabile.


La migliore curva interpolante è la parabola, come si rileva anche dal _.
grafico.

224
Analisi delle serie storiche

b) Perequazione con medie mobili


Il metodo della perequazione con medie mobili consiste, come abbiamo già
detto (cfr. cap. 3), nel sostituire, ai dati grezzi, i valori calcolati con medie sem-
plici, o ponderate, di 3, 5, 7, ... termini ottenendo, in questo modo, delle serie
con valori più livellati. Il numero dei termini non è fisso, ma viene scelto esa-
minando la serie in modo da eliminare, o almeno da ridurre, le oscillazioni do-
vute ai movimenti ciclici, stagionali e casuali.
Questo metodo presenta degli svantaggi rispetto a quello dei minimi quadrati in
quanto si perdono alcuni dati iniziali e finali; inoltre, pur rendendo più regola-
ri i valori, si possono introdurre delle distorsioni, poiché se l'andamento dei va-
lori rilevati segue una linea con la concavità verso l'alto, i valori perequati so-
no superiori ai valori reali, viceversa, se l'andamento dei valori rilevati segue
una linea con la concavità verso il basso, i valori perequati sono inferiori ai va-
lori reali; solo se l'andamento tendenziale è lineare la perequazione rispecchia
l'andamento del fenomeno.
Un tipo particolare di perequazione con medie mobili, utilizzata in caso di se-
rie con dati mensili per eliminare la stagionalità, viene detta perequazione con
media mobile centrata di 12 mesi.
Per effettuare tale perequazione con un numero pari di termini occorre proce-
dere nel seguente modo:

1) Si calcolano le medie mobili di 12 mesi, che non possono essere assegnate a


nessun valore grezzo, ma cadono fra il sesto e il settimo termine di ogni grup-
po di 12 termini.
2) Si procede a una seconda perequazione con medie mobili di 2 termini e così
si possono assegnare i valori perequati ai valori grezzi.

Si può evitare questa doppia perequazione procedendo a una perequazione con


medie mobili ponderate.
Indicando con y •• Y2, ... , Y12, YI3, ..• , i valori della serie, con la prima perequa-
zione si calcola:

YI + Y2 + ... + YI2 da assegnare fra Y e Y


12 6 7

Y2 + Y3 + ... + YI3 da assegnare fra Y e Y


12 7 8

la successiva media dà il valore di Y7 :


A

Y7
=.!.l2 YI + Y2 + ... + YI2 + Y2 + Y3 + ... + YI3 )
12 12
=
= YI + 2Y2 + 2Y3 + ... + 2YI2 + YI3
24
valore che è equivalente a una perequazione con medie mobili di 13 termini in

225
I••",.~
4
·:Analisi delle serie storiche

cui si assegni peso l al primo e al tredicesimo termine e peso 2 agli altri undi-
ci termini.
Questo procedimento può essere riassunto nella seguente formula, utilizzabile
per il calcolo con un elaboratore:
A Yk-6 + 2Yk-5 + '" + 2Yk + ... + 2Yk+5 + Yk+6
Yk = 24 (4)
(k =7,8, ... ,n-6)

Con questa perequazione risultano mancanti i primi 6 e gli ultimi 6 valori del-
la serie.
La perequazione con media mobile centrata di 12 mesi elimina sia il movi-
mento stagionale (in quanto vengono livellati i dati dei 12 mesi), sia il movi-
mento accidentale (poiché nella maggior parte dei casi le variazioni prodotte
dal movimeno accidentale hanno una distribuzione normale di media zero e so-
no perciò annullate con il calcolo delle medie mobili).

- Esempi

3. Perequare la serie storica della Tab. 2 del paragrafo 1, sia mediante la_
retta perequatrice, sia mediante una perequazione per medie mobili.

Tabella 2 bis - Produzione di automobili Lancia negli anni 1978-1998.

Valori perequati Valori perequati


Anni t Dati rilevati
con la retta con medie mobili
1978 1 52.462 81.862,5 -
1979 2 60.459 85.407,0 -
1980 3 110.756 88.951,5 74.019,2
1981 4 78.257 92.496,0 84.506
1982 5 68.162 96.041,5 92.945,8
1983 6 104.896 99.585,0 96.259
1984 7 102.658 103.130,5 108.553,2
1985 8 127.322 106.674,0 127.834,2
1986 9 139.728 110.219,5 133.380,2
1987 10 164.567 113.764,0 144.559
1988 11 132.626 117.308,5 152.835
1989 12 158.552 120.853,0 151.014,4
1990 13 168.702 124.397,5 137.404,4
1991 14 130.625 127.942,0 127.654,2
1992 15 96.517 131.487,5 113.788,4
1993 16 83.875 135.031,0 100.724,6
1994 17 89.223 138.576,5 102.458,4
1995 18 103.383 142.120,0 118.889,8
1996 19 139.294 145.665,5 136.660,2
1997 20 178.674 149.210,0 -
1998 21 172.727 152.754,5 -

226
____ -_-------:c_ ~~

Analisi delle serie storiche

Con il metodo dei minimi quadrati, posto t = 1 per l'anno 1978, ... ,
t = 21 per l'anno 1998, si determina l'equazione della retta perequa-
trice:

y = 3.544,5·t + 78.318

Per perequare la serie con medie mobili si dovrebbe perequare


con un numero di termini tale da eliminare il movimento ciclico,
che per questa serie è molto lungo. Scegliamo la perequazione
con medie mobili di 5 termini in modo da livellare un po' i valori,
però il movimento ciclico non viene eliminato completamente, co-
me si avverte anche dalla rappresentazione grafica che segue, in
cui sono riportati i valori rilevati, i valori perequati con la retta e i
valori perequati con medie mobili.

Rappresentiamo graficamente i dati rilevati, la retta interpolante e i va-


lori perequati con medie mobili di 5 termini:

retta
perequatrice
15‫סס‬00 \
-
e~
i
~100000
la
- ~
C

5‫סס‬00

o 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 t ~
anni ~

4. Applichiamo sia il metodo dei minimi quadrati, sia quello delle medie
mobili di 12 mesi per perequare la serie riportata in Tab. 3 del para- -
grafo 1, che ha trend un po' crescente.
-

Posto t = 1 il mese di gennaio 1997, t = 2 il mese di febbraio 1997, ... ,


-

227
Analisi delle serie storiche

t = 48 il mese di dicembre 2000, interpolando con il metodo dei mini-


mi quadrati si ottiene la retta perequatrice:

y = 22.593,92 + 126,168 . t
che, come si vede nel grafico della pagina seguente nel periodo di
tempo considerato, è poco inclinata rispetto all'asse delle ascisse.
--

Con il metodo delle medie mobili di 12 termini si ottiene la serie dei --


valori perequati.
Applicando la (4) si ricava:

• 11.280+ 2·12.507 + ... + 2·9.706 + 11.745


~= ~ =
= 24.375,63 valore perequato di luglio 1997

• 12.507 + 2 . 16.370 + ... + 2 . 11.745 + 12.659


~= ~ =
= 24.401,33 valore perequato di agosto 1997

ecc.

Si ottiene la seguente tabella:

Tab. 3 bis - Tabella dei valori perequati con media mobile centrata di
12 mesi

Mesi 1997 1998 1999 2000


Gennaio - 24.587,08 25.472,83 26.560,71
Febbraio 24.681,25 25.645,04 26.903,88
Marzo 24.809,04 25.727,21 27.181,21
Aprile 24.884,75 25.825,63 27.320,71
Maggio 24.915,25 25.881,67 27.385,58
Giugno 24.940,46 25.899,83 27.475,08
Luglio 24.375,63 24.976,46 25.893,79
Agosto 24.401,33 25.010,04 25.892,63
Settembre 24.290,79 25.061,46 25.910,21
Ottobre 24.262,92 25.097,46 26.016,21
Novembre 24.318,33 25.179,13 26.040,71
Dicembre 24.422,13 25.295,33 26.182,00

Nel grafico seguente sono rappresentate la curva dei dati grezzi, la .'
retta interpolante e la serie dei valori perequati con medie mobili di 12
mesi
Analisi delle serie storiche

y
7‫סס‬00

60000

!
.!
5‫סס‬00

"ij 40000
I
I 3‫סס‬00
e 2‫סס‬00
Q.

10000

--------- ----_.•.--
o
---•._---- ----_.--'
1
--
1997
12
1998
24

me.
I 1999
36
2000

Si vede chiaramente che la serie ottenuta mediante perequazione con


medie mobili centrate di 12 termini ha eliminato le oscillazioni stagio-
nali e indica un andamento tendenziale crescente, come è anche evi-
denziato dalla retta perequatrice.

Sorge la domanda: «Quale dei due metodi descritti è più utile?».


La risposta non è unica; infatti in tutte le teorie se esistesse un metodo miglio-
re di qualunque altro per ogni tipo di applicazione, questi altri sarebbero presto
dimenticati e si presenterebbe solo il metodo migliore.
Anche nel nostro studio si può dire che la scelta del metodo dipende dallo sco-
po della ricerca.
Se si desidera ottenere una funzione analitica e per mezzo di essa fare delle
previsioni, il metodo dei minimi quadrati è senz'altro preferibile, anche perché
con i moderni strumenti di calcolo non si ha più, come avveniva in passato,
una limitazione dovuta alla elaborazione di molti dati.
Se, invece, interessa ricavare una serie più regolare (senza ricerca di funzioni),
si utilizza la perequazione per medie mobili che attualmente ha minore appli-
cazione in caso di serie rilevate per anni; tuttavia per l'analisi della componen-
te stagionale è necessaria una perequazione per medie mobili di 12 termini se i
dati sono rilevati per mesi, di 6 termini se i dati sono rilevati per bimestri, di 4
termini se i dati sono rilevati per trimestri.
È bene, però, notare che sono stati introdotti altri metodi per effettuare previ-
sioni differenziate a seconda che le previsioni siano a breve termine (da pochi
mesi a 2-3 anni), a lungo termine (oltre 3 anni fino a 15 anni nella pianifica-
zione industriale e fino a 20 anni nella macroeconomia).

11II:1 Il movimento stagionale

Se in una serie storica i dati sono stati rilevati per mesi, può essere utile cono-
scere l' influenza del fattore stagionalità.

229
Analisi delle serie storiche

In modo analogo si procede se i dati sono rilevati per bimestri o per trimestri,
che, con il mese, sono le periodicità più frequenti.
Vi sono diversi metodi per valutare un indice di stagionalità e fra essi ne indi-
chiamo due:

- il metodo della serie ideale di 12 mesi;


- il metodo del/a media mobile di 12 mesi.

Naturalmente, applicando metodi diversi, i risultati ottenuti sono differenti; il


ricercatore sceglierà il metodo in relazione al tipo di serie storica che sta stu-
diando e allo scopo per il quale calcola la stagionalità.

a) Il metodo della serie ideale di 12 mesi può essere applicato in modo cor-
retto per serie stazionarie, ossia con trend costante o detrendizzate, ma, per la
sua semplicità, viene talvolta applicato anche se non è stato eliminato il trend,
purché esso non sia molto forte.
Per applicare il metodo si procede così:

I) Si calcola, per ogni mese, la media mensile, dopo aver trasformato le inten-
sità di ogni mese riferendole a 30 giorni; si ottengono le 12 medie mensili.
che indichiamo:
i=n

LYg;
i=1 .
-- per gennaio;
n
i=n

LYti
~ per febbraio; ecc.
n

(dove n è il numero degli anni considerati)

2) Si calcola la media generale di tutte le medie mensili.

3) L'indice di stagionalità si ottiene facendo il rapporto fra ognuna delle me-


die mensili con la media generale, eventualmente moltiplicando il rapporto
per 100, per darlo come percentuale; quindi, detto I" l'indice di stagionali-
tà, si ha:

l. = media mensile . 100


\ media generale

Tale indice viene utilizzato per il modello moltiplicativo.


Nel caso di modello addittivo, si valuta la stagionalità assoluta data dalla diffe-
renza fra le medie mensili e la media generale.

230
Analisi delle serie storiche

Esempio
=
1. Applichiamo il metodo alla Tab. 3 del par. 1. Si parte dai dati grezzi e
si riferiscono i dati a mesi di 30 giorni (è sufficiente moltiplicare i dati
grezzi per 30 e dividere per 28, 29 o 31, secondo il numero dei giorni
del mese preso in esame). Ad esempio si calcolano i valori (arroton-
dati a 10-2):

per gennaio 1997: 11~80 . 30 = 10.916,13


per febbraio 1997: 12.507 . 30 = 13.400,36
28
ecc.
Si ottiene la seguente tabella:

Medie Indici di =
1997 1998 1999 2000
~Mesi mensili staa, (in%)
Gennaio 10.916,13 11.366,13 11.988,39 11.871,29 11.535,48 45,76
Febbraio 13.400,36 13.563,21 13.737,86 13.360,34 13.515,44 53,61
Marzo 15.841,94 13.127,42 14.163,87 14.482,26 14.403,87 57,13
Aprile 15.458 17.594 17.387 19.602 17.510,25 69,45
Maggio 21.810 21.030 23.127,10 21.552,58 21.879,92 86,79
Giugno 30.535 33.832 34.454 39.472 34.573,25 137,14
Luglio 50.064,19 50.704,84 54.225,48 58.165,16 53.289,92 211,38
Agosto 64.546,45 66.092,90 66.571,94 70.602,58 66.953,47 265,57
Settembre 30.925 32.394 33.871 36.362 33.388,00 132,43
Ottobre 15.480,97 15.817,74 16.674,19 17.503,55 16.369,11 64,93
Novembre 8..529 8.913 9.373 10.073 9.222,00 36,58
Dicembre 9.392,90 9.606,77 9.583,55 10.984,84 9.892,02 39,24

M d' I 11.535,48+13.515,44+ ... +9.892,02 2521106


e la genera e = 12 = . ,

Si calcolano ora gli indici di stagionalità per il modello moltiplicativo:

I = 11.535,48 = O 4576 per gennaio


1 25.211,06 '
I = 13.515,44 = O 5361 per febbraio
2 25.211,06 '

ecc.
I valori moltiplicati per 100 sono riportati nell'ultima colonna della tabella.
Si noti che per effetto della stagionalità, ad esempio, il numero di pre- -
senze di clienti in gennaio risulta 5010 il 45,76% della media, in giugno
invece risulta il 137,14% della media, in agosto il 265,57% della media, -
in novembre il 35,58% della media.
-
Analisi delle serie storiche
-----------

b) Il metodo della media mobile è più generale del precedente e serve per
ogni tipo di serie storica.
Per applicare il metodo si segue questo procedimento: ~

l) Si esegue una perequazione con medie mobili centrate di 12 mesi e si eli-


minano, così, i movimenti stagionale e accidentale e si evidenziano il trend
e l'eventuale movimento ciclico. i.

2) Si divide ogni dato grezzo per il corrispondente valore perequato (esclu- -?


y
si ovviamente quelli mancanti) e i rapporti ottenuti talvolta vengono espres-
si in percentuale.
3) Per ogni mese si calcola la media dei rapporti dei vari anni: questi valori
medi (unitari o in percentuale) sono gli indici di stagionalità.

Esaminiamo il fondamento logico di questo metodo, con riferimento al model-j •.


lo moltiplicativo. '
Dividendo i valori dei dati grezzi y per i valori dei dati perequati con medie
mobili di 12 mesi (che comprendono la componente UI del trend e la comPO-1
nente ciclica CI), il quoziente risulta il prodotto fra la componente stagionale SI
e la componente accidentale Et. ~'
.
La media dei rapporti ottenuti al punto 3 elimina, in generale, la componen-
te accidentale EI poiché, come abbiamo già detto, e, è considerata variabile
casuale a distribuzione normale di media zero (le piccole oscillazioni del .•
movimento accidentale sono più frequenti, mentre le grandi oscillazioni so- '.-
no rare).

=
- Esempio = .
= c-

2. Nella Tab. 3 bis del precedente paragrafo si sono calcolati i valori pe-
requati y con media mobile centrata di 12 mesi.
Calcoliamo ora i rapporti ~ (esclusi i primi 6 e gli ultimi 6 perché non
y
i
~ ,~'
=~
~
~
~i
-7.

~ ~~.
hanno valori perequati). ~;;
~:
Si hanno i seguenti valori: I·~~
~-

51.733 = 2,1223 da assegnare a luglio 1997


24.375,63
66.698 = 2,7334 da assegnare ad agosto 1997
24.401,33

ecc.
Si ottiene la seguente Tabella:

232
Analisi delle serie storiche
._---- ._------

Tab. 3 ter - Tabella dei rapporti ~ e degli indici di stagionalità (unitari


e in percentuale) Y

Indici Indici di
Mesi 1997 1998 1999 2000
di stag. staa, (in%)
Gennaio - 0,4777 0,4863 0,4618 0,4753 47,53
Febbraio - 0,5129 0,5000 0,4800 0,4976 49,76
Marzo - 0,5468 0,5689 0,5506 0,5554 55,54
Aprile - 0,7070 0,6732 0,7175 0,6992 69,92
Maggio - 0,8722 0,9234 0,8132 0,8696 86,96
Giugno - 1,3565 1,3303 1,4366 1,3745 137,45
luglio 2,1223 2,0978 2,1640 - 2,1280 212,80
Agosto 2,7334 2,7304 2,6568 - 2,7070 270,70
Settembre 1,2731_ 1,2926 1,3072 - 1,2910 129,10
Ottobre 0,6593 0,6513 0,6623 - 0,6576 65,76
Novembre 0,3507 0,3540 0,3599 - 0,3549 35,49
Dicembre 0,3974 0,3924 0,3782 - 0,3894 38,94

Per il calcolo degli indici di stagionalità riportati nell'ultima colonna è


sufficiente calcolare la media di ogni mese e moltiplicare i valori otte-
nuti per 100 se si vuole esprimere in percentuale.
Si ha:

/1 = 0,4777 + 0,4863 + 0,4618 = O 4753 per gennaio


3 '
'2 = 0,5129 + 0,5000 + 0,4800 = 0,4976 per febbraio
3

ecc.
Questi valori sono un po' diversi da quelli ottenuti con il metodo pre-
cedente.

Osserviamo ancora che la somma di tutti gli l, (espressi in percentuale) do-


vrebbe essere eguale a 1.200; pertanto se questo non avviene si procede a una
correzione. Gli indici di stagionalità corretti si ottengono dividendo gli indici

trovati per il rapporto L I.


1.200
e si hanno così gli indici corretti. Questo proce-

dimento è molto semplice; esistono procedimenti di correzione più complessi


che però esulano dai limiti del nostro studio.
Per la serie sopra studiata la somma degli indici è 1.199,95 e perciò non oc-
corre calcolare gli indici corretti.

Osservazione. La trattazione del calcolo degli indici di stagionalità è stata fatta


per serie storiche con dati rilevati per mesi. Per le serie storiche con dati rilevati
per bimestri, trimestri ecc., si procede in modo analogo con entrambi i metodi.

233

n
Analisi delle serie storiche

Il movimento ciclico e il movimento accidentale

Data una serie storica, si procede a una prima perequazione per la ricerca del
trend e, nel caso del modello moltiplicativo da noi sempre utilizzato, il quo-
ziente fra il dato grezzo e il dato perequato elimina il trend.
Successivamente (o anche partendo dei dati grezzi), si calcolano gli indici di
stagionalità (se i dati sono rilevati per mesi) e facendo i quozienti fra i dati de-
trendizzati e gli indici di stagionalità si ottiene una serie destagionalizzata che
comprende il movimento ciclico e il movimento accidentale, detti, nel com-
plesso, movimento ciclico lordo del quale conviene fare il grafico. La presenza
del movimento ciclico lordo è evidenziata nel grafico dalle oscillazioni perio-
diche o non periodiche che si susseguono a intervalli pluriennali. Dopo aver
eliminato mediante una perequazione per medie mobili il movimento acciden-
tale, si ha un grafico più chiaro del movimento ciclico netto. Il grafico mostra
le fasi del movimento congiunturale e si prendono soprattutto in considerazio-
ne i valori minimi che corrispondono ai punti di crisi; inoltre la distanza (tem-
porale) fra due minimi successivi permette di valutare il periodo del ciclo, se
esiste.
Se interessa analizzare la componente del movimento accidentale, è sufficiente
dividere i valori del movimento ciclico lordo per i valori del movimento cici-
clo netto (esclusi, ovviamente, quelli non perequati).
Se nel movimento ciclico si evidenzia una periodicità, si determina un in-
dice con procedimenti analoghi a quelli utilizzati per gli indici di stagiona-
lità.

Esempio

1. Prendiamo in considerazione la Tab. 2 del paragrafo 1 (del fenomeno


da essa rappresentato abbiamo calcolato il trend al paragrafo 3).
Dividiamo i valori grezzi per i valori perequati con la retta; si ottiene il
movimento ciclico lordo.
Si ricava:

52.462 = 0,6409 valore per il 1978


81.862,5
60.459 = 0,7079 valore per il 1979
85.470,0

ecc.
Dai dati del movimento ciclico lordo, mediante perequazione con me- ._
die mobili di 5 termini, eliminiamo il movimento accidentale e ottenia-
mo il movimento ciclico netto.
I valori del movimento accidentale sono ricavati mediante il rapporto fra i
valori del movimento ciclico lordo e i valori del movimento ciclilco netto.

234
Analisi delle serie storiche

I valori (arrotondati a 1~) sono riportati nella seguente tabella:

Movimento Movimento Movimento


Anni
ciclico lordo ciclico netto accidentale
1978 0,6409 - -
1979 0,7079 - -
-
1980 1,2451 0,8299 1,5003
1981 0,8461 0,9124 0,9273
1982 0,7097 0,9699 0,7317
1983 1,0533 0,9596 1,0977
1984 0,9954 1,0440 0,9535
1985 1,1936 1,1913 1,0019
1986 1,2677 1,2068 1,0505
1987 1,4466 1,2701 1,1390
1988 1,1306 1,3026 0,8679
1989 1,3120 1,2533 1,0468
1990 1,3562 1,1107 1,2209
1991 1,0210 1,0089 1,0120
1992 0,7341 0,8752 0,8387
1993 0,6212 0,7495 0,8288
1994 0,6439 0,7366 0,8742
1995 0,7274 0,8292 0,8772
1996 0,9563 0,9312 1,0270
1997 1,1975 - -
1998 1,1308 - -

I movimenti ciclici lordo e netto si rappresentano nel grafico seguente:

y
1,4
1,2
:2
13 1
"u
:;;
c: 0,8
Q)
E
"; 0,6

.i.
O
E 0,4

0,2 cìcììco lordo

° 1 2 3 4 5 6 7 8 9 lO 11 12 13 14 15 16 17 1819 20 21 t
anni
-

235
Analisi delle serie storiche

Con l'eliminazione del movimento accidentale si evidenzia meglio il


movimento ciclico. Si rileva il punto di minimo nell'anno 1994, minimo -
che rappresenta anche il punto di svolta della congiuntura.
-

Dopo avere individuato i punti di minimo e di massimo e quindi l'eventuale


periodo del ciclo, si può perequare mediante funzioni goniometriche e determi-
nare i parametri con il metodo dei minimi quadrati, ma questo esorbita dai li-
miti di questo Corso.

Criteri operativi

Nei paragrafi precedenti sono stati analizzati i movimenti delle serie storiche e
si sono indicati alcuni metodi da applicare secondo la natura della serie storica
oggetto di studio.
Vogliamo ora riassumere i procedimenti che permettono di analizzare le serie
storiche distinguendo i due casi: i dati della serie sono stati rilevati per anni,
oppure, i dati sono stati rilevati mensilmente per un certo numero di anni.

a) Se la serie presenta i dati rilevati per anni, si determinano:


il movimento tendenziale mediante una perequazione analitica con il metodo
dei minimi quadrati o una perequazione con medie mobili;
il movimento ciclico lordo che si ricava dividendo i dati grezzi per i valori
perequati con perequazione analitica, per passare, poi, al movimento ciclico
netto mediante una perequazione per medie mobili di 3 o di 5 termini.
Rappresentando graficamente i valori ottenuti, si possono rilevare i minimi
che indicano la congiuntura.
Questo movimento potrebbe essere meglio analizzato mediante funzioni go-
niometriche;
- il movimento accidentale che produce piccole oscillazioni nel movimento ci-
elica e che si ricava dividendo i dati del movimento cielico lordo per i dati
del movimento ciclico netto.
Per meglio visualizzare tali movimenti, diamo i tre seguenti schemi:
y y y

.... ......'
....
..
..........

solo il trend movimenti tendenziale movimenti tendenziale


e ciclico ciclico e accidentale

236
Analisi delle serie storiche

il primo rappresenta una serie con solo il trend (lineare);


il secondo rappresenta una serie con movimenti tendenziale e ciclico;
il terzo rappresenta una serie con movimenti tendenziale, ciclico e accidentale.

b) Se la serie presenta i dati rilevati mensilmente (oppure bimestralmente, tri-


mestralmente ecc.) per un certo numero di anni, si determinano:
- il movimento tendenziale, come detto per il caso precedente;
- il movimento stagionale con il metodo:
• «della serie ideale di 12 mesi», se la serie è stazionaria o è stato da essa eli-
minato il trend;
• «della media mobile», se il trend non è stato precedentemente eliminato;
- il movimento ciclico: dopo avere eliminato il movimento tendenziale e il mo-
vimento stagionale si ha il movimento ciclico lordo, che, mediante perequa-
zione per medie mobili, dà il movimento ciclico netto. Con la rappresenta-
zione grafica si mettono in evidenza le fasi della congiuntura, in particolare
interessano i minimi che rappresentano i punti di svolta della fase di reces-
sione;
- il movimento accidentale: si ottiene dividendo i dati percentuali del movi-
mento ciclico lordo per i dati del movimento ciclico netto; il movimento ac-
cidentale indica variazioni casuali del fenomeno considerato.
Nei seguenti schemi i movimenti vengono visualizzati successivamente:

y y

trend lineare t movimento tendenziale e ciclico t

y y

movimenti tendenziale, ciclico t movimenti tendenziale, ciclico,


e stagionale stagionale e accidentale

237
Analisi delle serie storiche

lIIIIIfj Autocorrelazlone

Le serie storiche sono state studiate con altri procedimenti oltre quelli esami-
nati in precedenza. Per valutare l'esistenza di legami fra i valori Yi di una serie
storica e quindi per analizzare la sua struttura interna, si determinano nuovi in-
dici detti di autocorrelazione.
Act'esempio, le vendite in un periodo possono essere influenzate dalle vendite
di periodi precedenti, così pure i consumi in un dato anno possono essere di-
pendenti da quelli degli anni precedenti.
Il calcolo degli indici di autocorrelazione può essere effettuato o direttamente
sui dati rilevati Yi' o sui valori, detti anche residui, del movimento accidentale,
cioè dopo l'eliminazione del trend, del ciclo e dell'eventuale stagionalità.
Qui vediamo l'applicazione ai valori grezzi Yi'
Si definiscono anzitutto le autocovarianze della seria delle Yi mediante la rela-
zione:
n-k
L(Yi - Y)(Yk+i - y)
C
k
= ...:..i=...:.I _

Le C, misurano i legami lineari fra i valori Yi e Yi+k cioè fra elementi della se-
rie distanti k intervalli di tempo.
Per k = O il valore Co coincide con la varianza della variabile statistica Y.
Se tutte le autocovarianze sono nulle non esiste legame lineare fra i valori Yi
della serie; se, invece, le autocovarianze non sono tutte nulle, esiste un legame
più o meno intenso. l
.,~
;.~

Poiché i valori C dipendono dalle unità di misura e sono difficilmente inter- -l


pretabili, si introducono gli indici r. che sono numeri senza dimensioni (in ana- ~
.1
logia al coefficiente di correlazione lineare r di Bravais - Pearson) e sono detti Ì,
coeflicienti di autocorrelazione: 1
-1
n-t A
I (Yi - Y)(Yk+i - y)
'J
l
rk = -C, = i=1
"':""':'--n -----
.:~
~
Co I(Yi - y)2 ,]
i=1 ·:·1
',·1

.1
~~
Si può dimostrare che risulta: - l ~ r, ~ l. ...r,
~'j
Questi coefficienti misurano l'intensità dei legami lineari fra i valori della se- i
rie distanti k intervalli di tempo. ~
Teoricamente si possono calcolare i coefficienti di autocorrelazione per ogni va- :i.
lore di k compreso fra 1 e n - l, ma al crescere di k i valori diventano meno si-
gnificativi. Gli statistici consigliano di calcolare r, per valori di k non supe-
riori a n
3

238
Analisi delle serie storiche

Calcolati gli r, si costruisce il grafico delle autocorrelazioni, detto correlo-


gramma, riportando su un diagramma cartesiano le coppie (k, rk).
Dal correlogramma si hanno alcune indicazioni: se esiste un forte trend il cor-
relogramma decresce verso lo zero, se vi è una forte stagionalità il correlo-
gramma ha un andamento sinusoidale, se, invece, nella serie esistono scarso
trend e scarsa stagionalità i valori di r, sono prossimi a zero.

Esempio

1. Data la seguente tabella:


Tab. 6 - Stranieri entrati in Italia in aereo (in migliaia) (ANFIA, Auto- _
mobile in cifre 2000, pago 329):
Anni 1983 1984 1985 1986 1987 1988 1989 1990
N. ingressi 4.841 4.857 4.839 4.348 4.900 5.091 6.165 6.849

Anni 1991 1992 1993 1994 1995 1996 1997


N. ingressi 6.187 6.799 7.153 8.181 8.500 8.821 9.692

determinare i coefficienti di autocorrelazione fino a k = 5 e tracciare il


correlogramma.
Calcoliamo il valore medio dei dati rilevati:

y = 6.481,53
Nella Tabella seguente riportiamo i valori grezzi (y) e gli scarti dal va-
lore medio (y - y) (arrotondati ai centesimi):

Anni y y-y
1983 4.841 - 1.640,53
1984 4.857 - 1.624,53
1985 4.839 - 1.642,53
1986 4.348 - 2.133,53
1987 4.900 - 1.581,53
1988 5.091 - 1.390,53
1989 6.165 - 316,53
1990 6.849 367,47
1991 6.187 - 294,53
1992 6.799 317,47
= 1993 7.153 671,47
1994 8.181 1.699,47
= 1995 8.500 2.018,47
1996 8.821 2.339,47
1997 9.692 3.210,47
Totali 97.223

239
Analisi delle serie storiche

Calcoliamo i coefficienti di autocorrelazione:

'0= 1
14

L.i.l (Yi - 9)(Yi+l - 9)


'I = -'--'---:1-;:-5 ---- =

I(Yi - 9)2
i.l
= (-1.640,53)·(-1.624,53)+(-1.624,53)·(-1.642,53)+ ... + 2.339,47 ·3.210,47 =07765
(-1.640,53)2 +(-1.624,53)2 + ... +(3.210,47)2 '
13

I (Yi - 9)(Yi+2 - 9)
'2 = i.l = (-1.640,53)·(-1.642,53)+ ... +2.018,47·3.210,47 =0,5926
f (Yi - 9)2 (-1.640,53)2 + ... + (3.210,47)2
;'1

Analogamente si ricava:
; f6 = -0,1088

-
-
Dall'esame degli fk si vede che esiste una buona autocorrelazione po- -
sitiva fra i valori che differiscono di un anno, poiché f1 = 0,7765, ossia
gli arrivi di stranieri in aereo di ogni anno sono influenzati in senso po-
sitivo dagli arrivi dell'anno precedente, una discreta autocorrelazione
positiva fra i valori che differiscono di due anni e così pure per quelli
che differiscono di tre anni; gli altri- valori sono poco significativi.
Si costruisce così il correlogramma: - !

rK
1

0,8
-
0,6
-
0,4
-
0,2
- - I ••
1 2 4 5 k
-0,2 ° 3 -6

Dal grafico si nota che i coefficienti di autocorrelazione decrescono ra- _.


pidamente e questo sta a indicare un buon trend.

240
Analisi delle serie storiche

__ :1 Cenno sulle tecniche di previsione

Come già è stato detto, l'analisi delle serie storiche è utile per prevedere il
comportamento di un fenomeno in futuro.
Nel caso di previsioni a lungo termine si dovrà determinare il trend, eliminan-
do le componenti stagionali e cicliche.
Per l'analisi del breve termine interessa soprattutto la componente stagionale e
si devono eliminare il trend e il ciclo.
Le cause del movimento tendenziale sono proprie del fenomeno, sono legate al-
la «sua ragione di essere»; quelle del movimento stagionale sono di ordine na-
turale, mentre quelle dei movimenti ciclici o congiunturali sono dovute, molto
spesso, a errori degli operatori economici, anche se possono, talvolta, essere
conseguenza di fenomeni più generali.
Si sono successivamente sviluppate alcune tecniche di previsione e qui accen-
niamo alla previsione secondo l'analisi classica.
Bisogna tenere presente che i dati ottenuti con i metodi matematici devono es-
sere interpretati dagli specialisti dei diversi settori e costituiscono una buona
base per le decisioni operative.
Nell' analisi classica tradizionale la serie storica si scompone nelle sue compo-
nenti secondo un modello di tipo additivo o moltiplicativo (o secondo un altro
tipo) e si determinano il trend, il movimento stagionale e il movimento ciclico.
\
Per effettuare una previsione occorre ricomporre le varie componenti per valu-
tare il valore di y. Per quanto concerne la componente ciclica, quando si evi-
denzia una periodicità si determina un indice, come si è fatto per la compo- l
nente stagionale; altrimenti la componente ciclica e la componente accidentale
(ossia il movimento ciclico lordo) permettono di ricavare utili indicazioni sui
possibili errori di previsione.
l
Quindi, determinate le componenti si potrà calcolare con il modello (2) il va-
lore previsto di y.
Vediamo nei seguenti esempi come si procede in pratica.

-
-

-
Esempi

1. Data la seguente serie storica:


I
Tab. 7 - Consumo di benzina auto (in migliaia di tonnellate) (ANFIA,
Automobile in cifre 2000, pago 211)

Anni Consumo benzina Anni Consumo benzina


1987 12.059 1993 16.474
1988 12.258 1994 16.937
1989 12.720 1995 17.481
1990 13.483 1996 17.675
1991 14.667 1997 17.705
1992 15.810 1998 17.982
J
l !

241 1 ft
i!! l
"
~ Analisi delle serie_st_on_·c_h._e _

dopo aver rappresentato graficamente i dati rilevati, determinare il


trend, il movimento ciclico lordo e fare la previsione del consumo di
benzina per gli anni 1999, 2000, 2001, 2002 indicando il possibile er-
rore.

Rappresentiamo graficamente i valori rilevati assumendo t = 1 per l'an-


no 1987.

=
=
y

S
.s
'i 18000
..
c
c
o 16000
=a
=
=

.s 14000 =
.s
Q
E 12000

o 1 2 3 4 5 6 7 8 9 10 11 12 t
(1987) anni (1998)

Ipotizziamo un andamento lineare. Si ricava, con il metodo dei minimi


quadrati, la retta che rappresenta il trend:

y = 616,52t + 11.430 8;;:: 0,9439

Dividendo i dati grezzi per i valori perequati otteniamo il movimento ci-


elica lordo.
I dati grezzi, i valori perequati e i valori del movimento ciclico lordo so-
no riportati nella seguente Tabella:

Anni Valori rilevati Valori perequati Mov. cielico lordo

i.
1987 12.059 12.046,52 1,0010
1988 12.258 12.663,04 0,9680
1989 12.720 13.279,56 0,9579
1990 13.483 13.896,08 0,9703
1991 14.667 14.512,60 1,0106 I;~
=
3'),j
<

1992 15.810 15.129,12 1,0450 ~ j


1993
1994
1995
16.474
16.937
17.481
15.745,64
16.362,16
16.978,68
1,0463
1,0351
1,0296
I:~
~~
1996
1997
17.675
17.705
17.595,20
18.211,72
1,0045
0,9722
I~
~ ~ ..
1998 17.982 18.828,24 0,9551 ~-~

~
242

J
Analisi delle serie storiche

Dall'esame della colonna del movimento ciclico lordo si può rilevare


che il movimento ciclico netto e il movimento accidentale hanno agito
sul trend producendo una variazione al massimo del 4,63% (anno
1993).
Nell'ipotesi che il fenomeno continui ad avere lo stesso andamento, al-
la fine del 1998 si potevano fare le seguenti previsioni con un errore
poSsibile massimeS del 4,63%:

per l'anno 1999 (t = 13) :y = 19.444,76


per l'anno 2000 (t = 14) :y = 20.061,28
per l'anno 2001 (t = 15) :y = 20.667,80
per l'anno 2002 (t = 16) :y = 21.294,32

Notiamo che le previsioni hanno significato nel breve periodo e quindi


avrebbe scarsa affidabilità una previsione, ad esempio, per gli anni
2.010, 1.015, ecc., in quanto per le mutate condizioni e per le possibi-
li innovazioni tecnologiche il fenomeno potrebbe manifestarsi con an- -
damento del tutto diverso.

2. Data la seguente serie storica:


Tab. 8 - Prime iscrizioni di veicoli trasporto merci nuovi di fabbrica nei
mesi degli anni 1998 - 2001 (ACI, Annuario statistico 2001, tab. Il.6):

Mesi 1998 1999 2000 2001


Gennaio 15.210 13.915 16.837 23.558
Febbraio 13.297 13.632 18.769 20.295
Marzo 16.699 19.267 21.380 22.009
Aprile 17.393 17.409 19.037 20.677
Maggio 16.663 18.130 23.868 23.139
Giugno 18.795 18.328 20.582 20.259
Luglio 18.413 21.781 20.952 24.638
Agosto 13.804 13.991 15.228 17.211
Settembre 14.753 18.516 23.726 20.618
Ottobre 14.562 15.151 20.961 19.695
Novembre 15.795 19.387 25.580 21.057
Dicembre 22.300 23.696 23.058 21.989

determinare l'equazione della retta che rappresenta il movimento ten- _


denziale, gli indici di stagionalità, il movimento ciclico lordo e fare pre-
visioni per le vendite nell'anno 2002 indicando anche il possibile errore. _
-

Posto t = 1 il mese di gennaio 1998, t = 2 il mese di febbraio 1998, _


=
....., t 48 il mese di dicembre 2001, con il metodo dei minimi quadrati _
si determina l'equazione della retta che rappresenta il trend: -
-

y= 151,15t+ 15.360

Calcoliamo gli indici di stagionalità con il metodo della media mobile di


12 mesi.

243
~ Analisi delle serie storiche
--- -------------------

I valori perequati con il metodo della media mobile centrata di 12 ter-


mini sono riportati nella seguente Tabella:

Mesi 1998 1999 2000 2001


Gennaio - 16.832,67 19.381,71 21.773,75
Febbraio - 16.980,79 19.398,71 22.009,96
Marzo - 17.145,38 19.667,33 21.963,08
Aprile - 1,?326,71 20.126,50 21.780,83
Maggio - 17.500,92 20.626,63 21.539,63
Giugno - 17.708,75 20.858,08 21.306,63
Luglio 16.419,71 17.888,67 21.111,54 -
Agosto 16.379,71 18.224,46 21.455,17 -
Settembre 16.500,67 18.526,54 21.544,96 -
Ottobre 16.608,33 18.682,42 21.639,50 -
Novembre 16.670,13 18.989,33 21.677,46 -
Dicembre 16.711,79 19.322,33 21.633,63 -

Detrendizziamo la serie dividendo i valori rilevati per i valori perequati


con media mobile centrata di 12 termini e calcoliamo quindi gli indici di
stagionalità con il metodo della media mobile.
La seguente Tabella riporta gli indici di stagionalità corretti (non in per-
centuale) arrotondati a meno di 1Q-4:

Tabella degli Indici di stagionalltà

Mesi Ind. Stag Mesi Ind. Stag.


Gennaio 0,9283 Luglio 1,1136
Febbraio 0,9000 Agosto 0,7756
Marzo 1,0739 Settembre 1,0010
Aprile 0,9693 Ottobre 0,8879
Maggio 1,0921 Novembre 1,0524
Giugno 0,9936 Dicembre 1,2122

Per calcolare i valori del movimento ciclico lordo occorre detrendizza-


re e destagionalizzare la serie dei dati rilevati ottenendo cosl il prodot-
to c,· E, poiché, secondo il modello moltiplicativo, risulta _Y- = c, . E,.
u.:s,
Prendendo come valori perequati del movimento tendenziale i valori
che si ottengono dalla retta trovata, si ricava:

15.210
15.511,15. 0,9283' = 1 0563 va Iore d e Ila componente di'e movimento
ciclico lordo gennaio 1998

13.297 = 0,9433 valore della componente del movimento


15.662,30 . 0,90 ciclico lordo febbraio 1998
ecc.

244
Analisi delle serie storiche

Scheda di verifica dell'apprendimento


Segnare COIZ una crocetta fa risposta esatta fra quelle proposte
I. Lo studio di una serie storica consiste nel:
a) determinare l'indice di correlazione
b) determinare il valor medio e la varianza
c) individuare la tendenza di fondo
d) adattare una distribuzione di variabile casuale teorica ai dati
2. I grafici più idonei a rappresentare una serie storica sono:
a) gli istogrammi b) i diagrammi a tre dimensioni
c) i settori circolari d) i diagrammi cartesiani
3. Per movimento ciclico si intende il movimento che:
a) imprime al fenomeno oscillazioni periodiche o non periodiche
b) si manifesta con un andamento crescente, decrescente o costante
c) provoca variazioni che si manifestano negli stessi mesi in anni successivi
d) provoca piccole oscillazioni dovute a eventi casuali
4. Una serie storica è crescente se, calcolando le differenze Vi - Vi-I:
a) il numero delle differenze positive è minore del numero' delle differenze negative
b) il numero delle differenze negative è maggiore del numero delle differenze po-
sitive
c) il numero delle differenze positive è maggiore del numero delle differenze ne-
gative
d) il numero delle differenze negative è uguale al numero delle differenze positive
5. La perequazione con medie mobili rispecchia meglio l'andamento del fenomeno se
il trend risulta:
a) lineare b) parabolico
c) esponenziale d) cicIico
6. La perequazione con medie centrate di 12 mesi elimina il movimento:
a) stagionale e accidentale b) stagionale
c) accidentale d) ciclico
7. L'indice di stagionalità determinato con il metodo della serie ideale di 12 mesi si
ottiene:
a) sottraendo ogni media mensile dalla precedente
b) calcolando la varianza delle medie mensili
c) dividendo ogni media mensile per la precedente
d) dividendo ogni media mensile per la media generale
8. Nell'analisi del movimento ciclico, la distanza temporale fra due valori minimi
successivi serve a:
a) tracciare la retta del trend
b) valutare il periodo del ciclo se esiste
c) determinare l'indice di stagionalità
d) valutare il movimento accidentale
9. Il movimento ciclico netto si ottiene:
a) dividendo i dati grezzi per i dati teorici
b) perequando con medie mobili i dati ottenuti dividendo i dati grezzi per i dati
teorici
c) con una perequazione analitica con il metodo dei minimi quadrati
d) rappresentando graficamente i dati grezzi e quelli teorici
lO. I coefficienti di autocorrelazione:
a) oscillano fra -1 e +1
b) oscillano fra O e + l
c) assumono valori uguali alla somma delle differenze fra i dati
d) dipendono dalla retta dei minimi quadrati

246
a..
LABORATORIO a ~

Programma Serie.Pas

Il programma permette di effettuare diversi tipi di perequazidni su serie di dati ed


è composto dalle seguenti procedure:
1. INPur, che abilita l'utente a inserire n termini mediante visualizzazioni succes-
sive;
2. MEDIA_POND, che pondera i valori di una serie temporale prendendone 12 alla
volta;
3. che pondera una serie trovando la media mobile dei suoi valori
MEDIA_DISPARI,
raggruppati in un numero dispari di termini;
4. MEDIA_PARI, che mediante doppia perequazione, prendendo un numero pari di
termini di una serie, ne calcola la media mobile centrata.
In output visualizza i valori calcolati della nuova serie.
Nella prima maschera video viene richiesto se si tratta di medie mobili a 12 ter-
mini, per cui, se si risponde Y, il programma richiama la procedura MEDIA_POND,
altrimenti richiede il numero dei termini della perequazione (dopo l'input) e con-
trolla se si tratta di un numero pari o dispari, in modo da poter richiamare la pro-
cedura MEDIA_PARI o MEDIA_DISPARI.
Si riportano nel seguito tre esempi applicativi del programma, per fornire un pa-
norama completo dei vari problemi che può risolvere.
Nel primo esempio viene perequata con il metodo delle medie mobili a 12 termi-
ni una serie storica simile a quella della Tab. n. 3 del par. 1; introdotti i 48 dati re-
lativi ai vari mesi dei quattro anni considerati (ogni colonna riporta, mese per me-
se, i dati relativi a uno stesso anno), il programma fornisce nella seconda ma-
schera video i valori perequati. Si osservi come, con tale metodo, si perdono i
primi e gli ultimi 6 termini. Nel secondo esempio viene perequata una serie sto-
rica simile a quella della Tab. n. 2 del par. 1, utilizzando il metodo delle medie
mobili di 5 termini. In questo caso si perdono i primi e gli ultimi due termini.
Nel terzo esempio viene effettuata una perequazione con medie mobili di 4 ter-
mini; essendo il numero dei termini pari, vengono forniti, nella seconda masche-
ra video, i risultati della prima perequazione e nella terza maschera video i risul-
tati della perequazione con medie mobili centrate di 4 termini (perequazione fi-
nale).

247
lABORATORIO
prograM serie;.

type.
variab=array [1 .. 100) of rea l ;
coor~·array(1. .1"1 of reali,
mediy=array [1 .. 100) of rea l ;
var .
sign:string[1) ;
varind:variabi, . .
k,j,i,s,t,w,c,n,kk,npt,comodo,resto,pointx,nloop:integeri
interv J,st!,p, quoz, save, !lave1 , vary: real;
answer:char;
mctt •• : boolean ì'
md:mediy;
Rldf1n :mediy i,
or1:coord;
mxy.Mxx,Mnx,Mny,ly,lx,xold,yold,x,y:realj
flag:boolean;
procedur;a •..input (cUlI: int8.ger: j i :integltN,·" . , "
var or1: coord) ;
{dove' di,. ~ N. dati dà iiiserir~i"
i = contatore di chiamata alla procedura
..•.. .. 01'1' "'array dovei dati .saranno memorizzati}
type
CO!D=array[1 .. 12]of real,;,
var
l,s,lun,Ur,inix,iniy,nextx,nextY:integerj'
ordin:com;
begin ,.
lun:=(dim+4)*B
lal' :=1'·8;,' "
if i=1 then inix: =8
else inix :8=lar* (i-1) i

iniy:=5*B;
draw(inix~niy,ilt:Lx+lllJ',iniy, 15) ;:.rr·' l':'" ',o .!
draw(inix,iniy,inix,iniy+lun,15);
dràw{~l.1fj,J;.nj,Y.+l'ln, j,nill+llir,1piy, 15,)i, "0

draw(inix+lar,iniy+lun,inix+lar,iniy,15);
draw( in1x, in1y+2",. inix+ lar, iniy+24, .15) j
gotoxy(round(inix/8)+2,round(iniy/8)+2);
wdte(, ORDIM't-'); . ,,.. '." ....
nextx:=(inix div 8)+2;
fol''. r:!i!j1;:,tb:~:di. "de;,.-;,'q':·'ft' ~",';"j:;·~:o""·n.'k " .~.':I· ':,"':l: ..,':'Iq ":;,
be~~n
riéxty:"(i!(~y .di~ ,8)f1'+3;,~o~ ,
gotoxy(nextx,nexty+1);read(ordin[1);
go:toxy(nextx',nex.ty+1 ).;wr.lte.(ordin(t) :7:1);0.
end;
{' Se • i •• 'l .• ,.i. dati inseriti qa operatore occuperanno le. prime
Max 12 locazioni dell'array • or1 •
se: " i ~.~"",,1.- Il.cond'',MiJx 12 .•• e co.i' vii.},'"

s:s(i-1)*12;'
for i:=1 to dim do
begifÌ.. ;. :!-'", " . .
Ò • ,', . . ',
or1[1+s]:=ordin[s);
endj' .. 'Ò, • (' '

endj
'. -3
PROCEDURE MEDIA_POND;

{CALCOLA DI UNA SERIE STORICA STAZIONARIA LA MEDIA MOBILE A 12 TERMINI}


I
I.
BEGIN
{ controllo se 11 valore inserito e' lIIultiplo di 12
ed almeno = 24 }
I

248
---:--:---

LABORATORIO _
quoz:= n div 12j
resto:= n mod 12.;
i1 quoz > 4 then
begin
write('ERRORE: HALT , TROPPI TERMINI (MA)( 48)')j
halt;
endj
if (quoz > 1 ) and (resto 0) then
begin

","x' :·=7
j
Mxx: n-6;
mdtwe:=true;
clrscr;
hire8j
hirescolor (15) ;
gotoxy(ll,l)j
WRITELN ('PEREQUAZIONE CON MEDIE MOBILI CENTRATE DI 12 TERMINI');
write(' 'l;
writeln(' 'l;
pointx:=l;
i :=1;
gotoxy(l,4);
wri te ( 'VALORE MEDIA' );
for k:= 7 to n-6 do
begin
{SEMPLIFICAZIONE DELLA FORMULA DEL CALCOLO DI UNA MEDIA MOBILE
CON TERMINI PARI}
md(k):=or1(k-6]+2*or1[k-5]+2*or1[k-4];
md[k]:=md[k)+2*or1[k-3)+2*or1[k-2)+2*or1[k-1)+2*or1[k);
md(k):=md[k]+2*or1(k+1]+2*or1[k+2];
md[k):=md[k]+2*or1[k+3]+2*or1[k+4]+2*or1[k+5]+or1[k+6);
md[k) :=md[k) /24;
gotoxy(pointx+1,wherey+2);
write(k,' O') j
gotoxy(pointx+7,wherey);
write(md[k):7:1)j
i:=i+1;
i1 i=11 then
begin
i:=lj
pointx:=pointx+17;
gotoxy(pointx,4)jwrite('VALORE MEDIA'):
end;

end;
REPEAT UNTIL KEYPRESSED;
end
else
beg1n
wri te ('ERRORE HALT MINIMO NUMERO TERMINI 24') ;
ha1t;
end;
END;
PROCEDURE MEDIA_DISPARI;
{ CALCOLA LA MEDIA MOBILE DI UNA SERIE PRENDENDONE UN NUMERO
DISPARI DI TERMINI }
BEGIN
clrscr;
hire8j
hirescolor(15) :
gotoxy(ll,l) j

249
LABORATORIO
s:= 0j
vary:=0. j
i:= (k div 2) +1; { IL PRIMO PUNTO DELLA NUOVA
SERIE = N. TERMINI /2 + 1 }

t:= n-i+1 j ULTIMO PUNTO }


Mnx:= L;
Mxx:= t;

gotoxy ( 10, 1 ) j
writeln(' PEREQUAZIONE CON MEDIE MOBILI DI ',K,' TERMINI');
pointx:=lj
nloop:=1;

gotoxy (10,2) j
writeln(' (caso di un numero di termini dispari)');
write(
writeln('
''"';''7"--------------:,..,------------'
');
)j

gotoxy(1,5)jwrite('VALORE MEDIA')j

repeat {FAI LA 1: DEI PRIMI K DATI DELL' ARRAY ORl }

for j:= k downto 1 do


begin
vary:=vary+orl[k-j+1+s)j
endj
{ PASSO AL DATO SUCCESSIVO DELL' ARRAY DI INPUT ORl }
s:=s+l j
{ IL PUNTO CENTRALE DEI K TERMINI DELL' ARRAY ORl
E' UN PUNTO DELLA SERIE PEREQUATA }
md[i):=vary/kj

gotoxy(pointx+l,wherey+2)jwrite(i, 'O')j
gotoxy(pointx+7,wherey)j
write(md[i):7:1);

nloop:=nloop+l;
if nloop=10 then
begin
nloop:=l
pointx:=pointx+17j
gotoxy(pointx,5)jwrite('VALORE MEDIA');
end;

vary:=0;
i:i+1 j
unti! ì.=t+t ; {RIPETI IL LOOP FINCHE' NON E' ANDATO IN
SOMMATORIA L'ULTIMO PUNTO DELL'ARRAY}

ENDj

PROCEDURE MEDIA_PARI;

{PER PEREQUARE UNA SERIE PRENDENDONE K TERMINI PARI, ALLA VOLTA,


VISTO CHE NON ESISTE IL VALORE CENTRALE, BISOGNA PEREQUARE DUE VOLTE}

BEGIN

clrscrj
hiresj
hirescolor(15) j
s:=0j
vary:=0. j
i:=l j
pointx:=lj
nloop:=1;
gotoxy ( 10, 1) j

250

r
lABORATORIO
wr1 teln ( 'output: PEREQUAZIONECON MEDIE MOBILI DI " K,' TERMINI');

gotOily(1',2);
writeln ( , 1
A perequaz~One ) ');
wr1tct("..,.'.,....;- -:-,..... __ ~ _'_ _ __....:_....;');
writeln( ' ') j

gotoxy(1 ,5) ;write( 'VALORE MEDIA') j

{PRIMA PEREaU~IONE}

r-epeat

for j:= k downto 1 do


beg1n
vary:= vary+or1[k-j+1+s);

end;
8:=8+1;

md(1):=vary/k;

gotoxy(po1ntx+1,wherey+2);wr1te(i,"');
gotoxy(pointx+7,wherey);
wr1te(md(1]:7:1);

nloop:=nloop+1;
if nloop=10 then
beg1n
nloop:=1;
pointx:=pointx+17;
gotoxy(pointx,5);write('VAlORE MEDIA');
end;

vary:=-0_ ;
i:=i+1;
save:=i;
save1:=k-j+s;
{ ESCI QUANDOHAI PEREQUATOl ' ULTIMO PUNTO}
until save1 =n;
REPEAT UNTIL KEVPRESSED;

{SECONDA.PEREOOAZIONEl
Mnx:=k/2+1;
Mxx:=n-Mnx+1;
SI PRENDANO• t • TERMINI ALLA VOLTA DEllA SERIE " md "
PER COSTflUIRE LA NUOVASERIE • mdfin '}
t:=k div 2;
w: "'t+t,; f puntat.ore del primo punto}
s:=0;
vary:='. ;

ClRSCR. '.
HIRES;
HIR~SCOlOR(15) ;
GOTOXV ( 10, 1 ) ;
poin~ic :_:01 ;~
nloop:=1;
writeln('output'fPEREQUAZIONE CON MEDIE CENTRATEDI ',K,' TERMINI');
gotoxy(10,2) ;
writeln(' ' (perequazione finale)');
write(' ');
writeln(' ');

gotoxy(1,5);write('VALORE MEDIA');

repeat

for j := t downto 1 do

251
LABORATORIO
begin
vary:=vary+md[t-j+1+S)j
endj
s: =s+l j
save1 :=t-j+1+Sj

{ MEDIA MOBILE FINALE}


mdfin[w]:=vary/tj

gotoxy(pointx+1,wherey+2)jwrite(w, '.')j
gotoxy(pointx+7,wherey)j
write(mdfin[w):7:1)j

nloop:=nloop+1j
if nloop=10 then
begin
nloop:=lj
pointx:=pointx+17;
gotoxy(pointx,5)jwrite('VALORE MEDIA');
end;

vary:=0. ;
w:=w+1j
until save1 savej
endj

{ MAIN }
BEGIN
{ INIZIALIZZA GLI ARRAY}

for j: = 1 to 100 do
begin
varind[j):=0j
md[ il: = 0. j
mdfin[ i) :=0. j
or1[i):=0.j
endj
n:=0j

mdtwe:=falsej
clrscrj
hires;
hirescolor ( 15) j

gotoxy(22,1)j
write('PEREQUAZIONE CON MEDIE MOBILI');
gotoxy(1,3),write('CON MEDIE PONDERATEA 12 TERMINI? (Y/N) ')j
read (answer) j

gotoxy(1,4)jwrite('N.ro DATI: ')j


read(n)j

if (n-12) > 0 then {TEST SE BISOGNA CHIAMARE PIU' VOLTE LA


PROCEDURA' INPUT " = f(N.dati da inserire)}
begin
quoz:=n div 12;
kk:=12;
resto:=n mod 12j
comodo: = resto j
for i:= 1 to trunc(quoz) do
begin
input(kk,i,or1)j

end;
if resto <> 0 then
begin

252
..
. f;;..,,-_i:,~,",,-:J.;.o, <.':.(:"'(~: -"~.:;":::.:.

Esempio 1

.,;. . , POnO.IIOHI CON1011 MOBILI


CONlIIir POII.II r lftIMINI,' <,1ft» ~ i:,>' : '
", JIO DATI : 48 ..'; ; . /;

ODIN. ODI". ODI". ODlIt.


.
li
~".
349ft·
322 .. I 31311.1
34818.1 34325.1 ;
38855.1
(~

33176'1 3357'.1 33783.1 3JU~' .,


.34M'. 33141.1 34285.' .

I
'I
f!
34147.1 32841.1 32515.1 . i'i
il
29411.1 28638.1 28175.1 ..', ~
:j
28872.1 28411.1 27832.1 ·2· .t ;;1
261•. 1 24755.1 24541.1 2$Uf~ ;, l
31211.1
32164.1
3142'.1 31151.1
33195.' 331'13.1 nlf~'~.', "-.-

.'
-, .
li
-I
31342.' 326•. 32664.' 33129.' I,
28 t, 219t. ' 3
l· 28426.' ;. ':.-.; .. -'
,;
I-I
~:
H
FI
ili
~.!
253 n:i
~!,.1
PDlQUAZIOItI CON mll MOBILI CDtTIlATE Il 12 TERNI"I

VALORI lIDI A VALORI mIA VALORI mIA UALORI mIA


7' 31415,1 11' 31145,1 27' 38997,9 37' 38957,9
S' 31361.3 lS' 31127.8 2S' 38941.2 38' 38971,5
9' 31337,8 19' 31137,5 29' 38937,8 39' 38968,7
Il' 31279,2 21' 31898,1 31' 38977,2 41' 31794,2
11' 31153,' 21' 3118',6 31' 31.,6 41' 31663,1
12' 31811.6 22' 31143.' 32' 31159.2 42' 31689,S
13' 3182'.6 23' 311'7,4 33' 311189,3
14' 38945,3 24' 31141,1 34' 31146,2
15' 3189•.' 25' 311192.4 35' 38988.2
l" 311949,7 26' 31859,4 3" 38958,5

Esempio 2

PIRIQUAZIOHI CON mll MOBILI


CON mll POJIIMII • 11 TOtI"1 ? (YIN) "
H,I'O IATI : 21

ODI". ODJIt.

491755,' 14491
6347. '1128 .:.
n'1ft:. h.~ ~:
886297.' 121Jl1t.
1114975, 119442f~
1162246. 1397139.
1167614, 1531488.
121792'.
uu~n:'~.
1471394.
1888416,

IftSDISCI 11I11I0 DII TIIIII"I: 5

254
~RAnJUO _
/

}' PDnUAZIOII COlImllllOlUI DI 5 TIII,.


(ClSG di un nUMI,. di tt~ini displPl)

VALORI miA VALORI MEDIA


3' 758927.4 12' 1399665.4
4' 863511.4 13' 1337136.1
5' 969179.4 14' 1287754.4
6' 1112261.4 15' 1237511.1
7' 1189812.2 16' 1186574.8
8' 1185271.6 17' 1219841.6
,. 1269182.4 18' 1385748.8
Il' 1338812.1 19' 1429'19.8
11' 1387189.2

Esempio 3

PERlQUAZIONlCON-NIIII MOBILI
CON NIDIE PONDERATI A 12 TERMINI ? (Y/H) N
H. JIO DATI : 16

ODIN. ODIN.
294.5 513.2
331.7 - 585.5
353.9 539.1
395.1 478.8
446.8
513.5
514.1
546.4
598.2
543.1
467.'
585.1 INSERISCINUMERO DEI TERNI "I: 4

255
LABORATORIO
",f. ': ... ! ':.' .. ~.

output: PEIEQUAZIONE COM MEDIE NOBILI DI 4 TERMINI


( lA pePfquazione )

UALORI NOIA UALORI MDIA


Il 343.5 181 514.9
21 381.6 111 495.4
31 424.8 121 513.2
41 464.8 131 586.4
5' 582.7
61 538.5
7' 548.6
81 537.8
9' 526.7

output: PERIQUAZIONE CON MEDIE CENTRATE DI 4 TERMINI


(perequazione Cinale)

UALORE MIDIA UALORE MEDIA


31 362.6 121 588.2
4' 483.2 13' 584.3
SI 444.8 14' 589.8
'I 4S3.S
71 528.6
SI 543.6
9' 542.8
181 531.9
11' 515.8

256
257
LABORATORIO
1-o.-+,-_,-7A,---=-L._~_ _~ _JL.. ~__.. __F_ ..._._G.. __._l __ -.t!_._
1 La tabella selluente riporta la serle stOriCI dell'andamento den'lndlce MIB
2 e Il totale dellllscambi nella Borsa italiana (In milioni di euro)
3 (da: Internet [www.borsaltalla.It) )
4
5
6
7
Anni Indice MIB Scambi
8
9 1981 2.935 6497
10 1982 2.521 2.018
11 1983 2.852 3083
12 1984 3417 3.728
13 1985 6.783 13.671
14 1986 11.122 34.585
15 1987 7.560 21.858
16 1988 9.169 21485
17 1989 10.684 28001
18 1990 8007 26.805
19 1991 7.830 16.363
20 1992 6.916 18160
21 1993 9.500 54.173
22 1994 9.813 98.861
23 1995 9.138 72.895
24 1996 10.332 81.228
25 1997 16.341 174.991
26 1998 23035 424.163
27 1999 28.169 507425
28 2000 29.681 669.135
29 2001 22.232 658.042
30
31
32 Indice di correlllZione line,re • 0.9238238
33
34
35
36 Andamento Indice Mia e scambi
37
38 3~OOO ,..-------------------r 100‫סס‬00
39 ;00000
40 800000
41 70‫סס‬00
42
43
44
2‫סס‬00 I!OOOOO
60‫סס‬00 Ir=:::::J Indice MIB
I : Scambi
I
«1000O
45 300000
46 20‫סס‬00
47 100000
48 o
49
50
51
52
53
54

258
a
LABORATORIO

indice••••••••
3\1.000 ,......:.::.:..:::...---------------...;.;..-=:~~
30.000 l-----------------0Ii'-+----1
211.000 l----------------.:---~---1
20.000 l----------------:::: •••••...•
-==----1
15.000 ~----..,;--------_::::;;;;iI •••• -------1 -=-.•...
10.000 l------::-'L..:.J~I;I :IIJi;::_;;: ...••...••...•...• -------___j
•••.•

- - -
5.000 l--:r-::-:O.-::lll ••• :.-~=--~..:...::E....------------1

,..
y= 70.47Br· 279558x + 3E+OB
3\1.000
•••••••••••• .
R'-07984 -
•.....~--
30.000
211.000
..-'.
.
20.000
~
15.000
.•.. .-r:...•.. -
• • •...•.
10.000
5.000
~
••••••• lG110 ,_
lueo 2000
GrIflco2· ••.••••••

r= 29842x· 80.000.000
sc.mIIIln mIIonIli ••• R'= o 5635
UIllIIXI


••• -•
-.=-..••••... ~

·DlODO .~-- ...•...•...•...•...•......

- Grlflco ~oIhI
- 3lOO ~Ps

y = 3935.8"· 2E+07x + 2E+1D


sc.mIIIln mIIonIli •••
R'=OB49

.ODO
...Y
•.A

•..........•..•..,., ~ ......
~

-
DlIIXI

~ ~
·DlODO
.jKI
- 3lOO ~I-

--.---.-r----.---j-.-.
___ J. .... .
---T------j------·
._ .___ _' ~. .
.. -T---·-,
.__. ,'_. '_"
--:---------i ---
.J. , _ ," _._ •••• ~_____ ._