Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
𝐹𝑖 = FREQUENZA ASSOLUTA: il numero di volte in cui gli intervistati hanno indicato una
certa classe di consumo 𝑥𝑖 ;
𝑛
𝐹𝑖
𝑓𝑖 = → 𝑓𝑖 = 1 𝑛 = 𝑛𝑢𝑚𝑒𝑟𝑜𝑠𝑖𝑡à 𝑑𝑒𝑙 𝑐𝑎𝑚𝑝𝑖𝑜𝑛𝑒
𝑛
𝑖=1
𝑥ҧ = DOMANDA MEDIA
𝑛
𝑥ҧ = 𝑥𝑖 ∙ 𝑓𝑖
𝑖=1
4
Indagine campionaria
INDAGINE CAMPIONARIA: ESERCIZIO
𝒙𝒊 𝑭𝒊
𝑭𝒊
consumi persone 𝒇𝒊 = 𝒙𝒊 ∙ 𝒇𝒊
(l/anno) intervistate 𝒏
𝑛
𝑙𝑖𝑡𝑟𝑖
𝑥ҧ = 𝑥𝑖 ∙ 𝑓𝑖 ( )
𝑎𝑛𝑛𝑜 ∙ 𝑝𝑒𝑟𝑠𝑜𝑛𝑎
𝑖=1
5
Indagine campionaria
𝜎𝑐 = 𝑥𝑖 − 𝑥ҧ 2 ∙ 𝑓𝑖
𝑖=1
𝑙𝑖𝑡𝑟𝑖
𝜎𝑐 ≅ 6,555
𝑝𝑒𝑟𝑠𝑜𝑛𝑎 ∙ 𝑎𝑛𝑛𝑜
𝜎𝑐 𝜎𝑢
=
𝑛−1 𝑛
𝑙𝑖𝑡𝑟𝑖
𝜎𝑢 ≅ 6,557
𝑝𝑒𝑟𝑠𝑜𝑛𝑎 ∙ 𝑎𝑛𝑛𝑜
6
Indagine campionaria
INDAGINE CAMPIONARIA: ESERCIZIO
In una distribuzione normale, per avere probabilità del 95%, si ha:
𝜎𝑐 𝜎𝑐
𝑃𝑟𝑜𝑏 𝑥ҧ − 2 ∙ ≤ 𝑀 ≤ 𝑥ҧ + 2 ∙ ≅ 95%
𝑛−1 𝑛−1
- DOMANDA TOTALE MINIMA: 9,63 ∙ 40 000 000 ≈ 385 315 000 litri/anno
- DOMANDA TOTALE MASSIMA: 10,18 ∙ 40 000 000 ≈ 407 360 000 litri/anno
7
AGENDA
Determinare la previsione di vendita per domani in cui si avrà una temperatura media
giornaliera di 25°C e calcolare il coefficiente di correlazione, avendo a disposizione i dati
storici dei giorni precedenti.
9
Correlazione lineare
𝑌 = 𝑎 + 𝑏 𝑥 − 𝑥ҧ
σ𝑛𝑖=1 𝑥𝑖
𝑥ҧ =
𝑛
σ𝑛𝑖=1 𝑦𝑖
𝑎= = 𝑦ത
𝑛
σ𝑛𝑖=1 𝑦𝑖 − 𝑦ത 𝑥𝑖 − 𝑥ҧ
𝑏=
σ𝑛𝑖=1 𝑥𝑖 − 𝑥ҧ 2
10
Correlazione lineare
CORRELAZIONE LINEARE: ESERCIZIO
xi - Temperatura (°C) yi - Gelato venduto (kg) (yi-y ̅ ) (xi-x ̅) (yi-y ̅ )(xi-x ̅) (xi-x ̅)^2
15,5 2,1 -2,1 -3,9 8,2 15,2
16,6 3,4 -0,8 -2,8 2,3 7,8
16,9 3,2 -1,0 -2,5 2,5 6,3
17,2 3,8 -0,4 -2,2 0,9 4,8
17,3 4,2 0,0 -2,1 0,0 4,4
21,1 5,1 0,9 1,7 1,5 2,9
22 4,8 0,6 2,6 1,5 6,8
22,5 5,6 1,4 3,1 4,3 9,6
25,5 5,7 1,5 6,1 9,1 37,2
25 ? - - - -
Medie 19,4 4,21 Somma 30,4 95,0
a 𝟑𝟎, 𝟒
𝒃= ≈ 𝟎, 𝟑𝟏𝟗𝟖
𝟗𝟓
11
Correlazione lineare
𝑌𝑖 = 𝑎 + 𝑏 𝑥𝑖 − 𝑥ҧ .
σ𝑛𝑖=1 𝑦𝑖 − 𝑌𝑖
𝑀𝐴𝐷 =
𝑛
con:
𝑌𝑖 : valore della variabile dipendente ottenuto introducendo 𝑥𝑖 nell’equazione della retta di
correlazione;
𝑛 𝑛
12
Correlazione lineare
CORRELAZIONE LINEARE: ESERCIZIO
xi - Temperatura (°C) yi - Gelato venduto (kg) Yi previsione (kg) Errore |yi-Yi| Scarto quadratico (yi-Yi)^2
15,5 2,1 3,0 0,9 0,7
16,6 3,4 3,3 0,1 0,0
16,9 3,2 3,4 0,2 0,0
17,2 3,8 3,5 0,3 0,1
17,3 4,2 3,5 0,7 0,4
21,1 5,1 4,8 0,3 0,1
22 4,8 5,0 0,2 0,1
22,5 5,6 5,2 0,4 0,2
25,5 5,7 6,2 0,5 0,2
25 ? 6,0 - -
TOTALE 3,6 1,9
MAD 0,4
R 0,916
13
AGENDA
15
Estrapolazione
Destagionalizzazione degli indici della produzione industriale
Obiettivo: fare previsioni sulla base dell’andamento passato della produzione
industriale (serie storica).
TENDENZIALE:
a carattere
crescente o CICLICA:
SISTEMATICA: decrescente oscillatoria con
dovuta ad azioni ampiezza e
individuabili e periodo variabili
misurabili nel tempo
COMPONENTI OSCILLATORIA
CASUALE: STAGIONALE:
dovuta a forze oscillatoria con
non determinate periodo costante
nel tempo
16
Estrapolazione
Destagionalizzazione degli indici della produzione industriale
La destagionalizzazione si applica a produzioni industriali caratterizzate da stagionalità (con
andamenti ripetuti con periodo annuale).
2010 2011 2012 2013 2014 2015 2016
140
Mesi
1. Gli indici di produzione industriale di una serie storica vanno resi confrontabili nel tempo.
2. Va estratta la tendenza degli indici sul medio-lungo periodo (trend + ciclo).
3. Gli indici vanno destagionalizzati, ossia va eliminata la componente stagionale che può portare
a previsioni errate.
17
Estrapolazione
Destagionalizzazione degli indici della produzione industriale
Per la destagionalizzazione si sceglie il modello misto: 𝑢𝑡 = indice della produzione storica al mese t
𝑥𝑡 = componente sistematica (tendenziale + ciclica)
MODELLO MISTO 𝑢𝑡 = 𝑥𝑡 ∙ 𝑦𝑡 + 𝑧𝑡 𝑦𝑡 = componente stagionale
𝑧𝑡 = componente casuale
𝑦𝑡 = 𝑦𝑡 (𝜏)
FASE 1: CORREZIONE PRELIMINARE DEGLI INDICI SULLA BASE DEI GIORNI LAVORATIVI
Calcolare la media dei giorni lavorativi (su un anno): 𝑊𝑡 = giorni lavorativi nel mese t
12 𝐺𝑡 = giorni di calendario nel mese t
1 𝑔𝑡 = giorni non lavorativi nel mese t
𝑊𝑚 = 𝑊𝑡 . (sabati e domeniche, feste..)
12
1
Correggere gli indici di produzione sulla base della media dei giorni lavorativi:
𝑊𝑚
𝑢𝑡= 𝑢
𝑊𝑡 𝑔𝑡 𝑢 = indice grezzo al mese t
𝑔𝑡
18
Estrapolazione
ANALISI DELLA SERIE STORICA: DESTAGIONALIZZAZIONE DEGLI
INDICI DELLA PRODUZIONE INDUSTRIALE
19
Estrapolazione
Destagionalizzazione degli indici della produzione industriale
FASE 1: CORREZIONE PRELIMINARE DEGLI INDICI SULLA BASE DEI GIORNI LAVORATIVI
𝑊𝑚 ≅ 21
Dato grezzo (corretto per i giorni lavorativi)
Wm/Wt 2010 2011 2012 2013 2014 2015 2016
Gennaio 1,050 63,0 66,2 67,2 66,2 72,5 75,6 73,5
Febbraio 1,105 74,1 78,5 85,1 80,7 88,4 87,3 92,8
Marzo 0,955 67,8 74,5 76,4 78,3 85,9 86,9 92,6
Aprile 1,000 78,0 81,0 88,0 83,0 84,0 89,0 98,0
Maggio 0,955 83,0 86,9 90,7 90,7 92,6 97,4 103,1
Giugno 1,000 94,0 95,0 95,0 99,0 104,0 108,0 115,0
Luglio 0,955 100,2 103,1 110,7 109,8 115,5 118,4 124,1
Agosto 1,105 116,1 124,9 123,8 123,8 131,5 129,3 130,4
Settembre 1,000 102,0 103,0 108,0 110,0 108,0 122,0 118,0
Ottobre 0,913 92,2 93,1 98,6 98,6 101,3 109,6 107,7
Novembre 0,955 59,2 61,1 67,8 67,8 70,6 78,3 71,6
Dicembre 1,167 67,7 79,3 84,0 79,3 79,3 86,3 86,3
20
Estrapolazione
Destagionalizzazione degli indici della produzione industriale
FASE 2: CALCOLO ED ELIMINAZIONE DELLA COMPONENTE SISTEMATICA → 𝑥𝑡
Calcolare il trend degli indici utilizzando il metodo della media mobile su 12 mesi (periodo delle
fluttuazioni stagionali):
𝑡+6
1
𝑢ത 𝑡,𝑡+1 = 𝑢𝑡 .
12
𝑡−5
𝑢ധ 𝑡 𝑢ത 𝑡,𝑡+1
𝑢ത 𝑡−1,𝑡
21
Estrapolazione
Destagionalizzazione degli indici della produzione industriale
22
Estrapolazione
Destagionalizzazione degli indici della produzione industriale
FASE 2: CALCOLO ED ELIMINAZIONE DELLA COMPONENTE SISTEMATICA → 𝑥𝑡
23
Estrapolazione
Destagionalizzazione degli indici della produzione industriale
Si assume che la componente casuale su un numero elevato di anni k abbia una distribuzione
normale con valore medio nullo e varianza costante. Ciò si traduce in:
𝑘 𝑘
𝑧𝑖,𝑗
j = 1, …, k anni 𝑧𝑖,𝑗 ≅ 0 → ≅ 0.
i= 1, …, 12 mesi 𝑥𝑖,𝑗
𝑗=1 𝑗=1
𝑘 𝑘 𝑘
1 1 1 𝑧𝑖,𝑗
𝑦𝑖,𝑗 = 𝑌𝑖,𝑗 + 𝑧𝑖,𝑗
𝑘 𝑘 𝑘 𝑥𝑖,𝑗
𝑗=1 𝑗=1 𝑗=1
≅𝟎
Calcolo oneroso
24
Estrapolazione
Destagionalizzazione degli indici della produzione industriale
SEMPLIFICAZIONI
1. Utilizzo dei rapporti di stagionalità rettificati 𝑌′𝑖,𝑗 :
1
𝑚𝑗 = 12 σ12
𝑖=1 𝑌𝑖,𝑗 ≅ 1 𝑜 100%
1 12 1 𝑌𝑖,𝑗
σ 𝑌′
12 𝑖=1 𝑖,𝑗
= 12 σ12
𝑖=1 𝑚 = 1
𝑗
𝑌𝑖,𝑗
𝑌′𝑖,𝑗 = 𝑚𝑗
25
Estrapolazione
Destagionalizzazione degli indici della produzione industriale
FASE 3: ELIMINAZIONE DELLA COMPONENTE CASUALE E CALCOLO DELLA
COMPONENTE STAGIONALE → 𝑦𝑡
Y'i,j (%)
Anni Mesi N° mese ut Yi,j (%) m Yi,j/m (%) (Verifica)
Novembre 11 59,2 84,9 84,7 69,9 -
2010
Dicembre 12 67,7 84,9 84,9 79,7 -
Gennaio 13 66,2 85,2 85,1 77,8 77,6
Febbraio 14 78,5 85,9 85,5 91,7 91,6
Marzo 15 74,5 86,0 86,0 86,6 86,5
Aprile 16 81,0 86,1 86,0 94,1 94,0
Maggio 17 86,9 86,2 86,2 100,8 100,6
Giugno 18 95,0 87,2 86,7 109,5 109,4
2011
Luglio 19 103,1 87,3 87,3 118,2 117,9
Agosto 20 124,9 87,8 87,6 142,6 142,4
Settembre 21 103,0 88,0 87,9 117,1 116,9
Ottobre 22 93,1 88,6 88,3 105,5 105,3
Novembre 23 61,1 88,9 88,7 68,8 68,7
Dicembre 24 79,3 88,9 88,9 89,2 100,2 89,1 100,0
Gennaio 25 67,2 89,5 89,2 75,3 74,7
2012 Febbraio 26 85,1 89,5 89,5 95,1 94,3
Marzo 27 76,4 89,9 89,7 85,2 84,5
26
Estrapolazione
Destagionalizzazione degli indici della produzione industriale
SEMPLIFICAZIONI
1
𝑦𝑖,𝑗 = (1 ∙ 𝑌 ′ 𝑖,𝑗−2 + 2 ∙ 𝑌 ′ 𝑖,𝑗−1 + 3 ∙ 𝑌 ′ 𝑖,𝑗 + 2 ∙ 𝑌 ′ 𝑖,𝑗+1 + 1 ∙ 𝑌 ′ 𝑖,𝑗+2 )
1+2+3+2+1
27
Estrapolazione
Destagionalizzazione degli indici della produzione industriale
FASE 3: ELIMINAZIONE DELLA COMPONENTE CASUALE E CALCOLO DELLA
COMPONENTE STAGIONALE → 𝑦𝑡
N° Yi,j Yi,j/m
Anni Mesi ut m (Verifica) y i,j (%)
mese (%) (%)
2012 Dicembre 36 84,0 90,9 90,7 92,6 100,8 91,8 100,0 -
Gennaio 37 66,2 90,8 90,9 72,8 73,5 75,7
Febbraio 38 80,7 90,8 90,8 88,8 89,7 92,0
Marzo 39 78,3 91,0 90,9 86,1 86,9 87,6
Aprile 40 83,0 91,0 91,0 91,2 92,1 92,6
Maggio 41 90,7 91,0 91,0 99,7 100,6 99,6
Giugno 42 99,0 90,6 90,8 109,1 110,1 108,4
2013
Luglio 43 109,8 91,1 90,9 120,8 122,0 120,9
Agosto 44 123,8 91,8 91,4 135,4 136,7 136,7
Settembre 45 110,0 92,4 92,1 119,5 120,6 118,3
Ottobre 46 98,6 92,5 92,4 106,7 107,7 107,4
Novembre 47 67,8 92,6 92,6 73,2 73,9 73,8
Dicembre 48 79,3 93,1 92,8 85,4 99,1 86,3 100,0 86,9
28
Estrapolazione
Destagionalizzazione degli indici della produzione industriale
FASE 4: CALCOLO DEGLI INDICI DESTAGIONALIZZATI
𝑢𝑡
Metodo A 𝑢′𝑡 = → TUTTO NOTO
𝑦𝑡
𝑢𝑡 𝑧𝑡
Calcolo degli indici destagionalizzati 𝑢′𝑡 : 𝑢′𝑡 = = 𝑥𝑡 +
𝑦𝑡 𝑦𝑡
≅ 𝒛𝒕
→ 𝑢′𝑡 ≅ 𝑥𝑡 + 𝑧𝑡
29
Estrapolazione
Destagionalizzazione degli indici della produzione industriale
FASE 4: CALCOLO DEGLI INDICI DESTAGIONALIZZATI
METODO A METODO B
N° Yi,j/m (Verifi y i,j
Anni Mesi ut Yi,j (%) m u't=ut/yt zt=ut-xt yt u't=xt+zt
mese (%) ca) (%)
2012 Dicembre 36 84,0 90,9 90,7 92,6 100,8 91,8 100,0 - - - -
Gennaio 37 66,2 90,8 90,9 72,8 73,5 75,7 87,4 -2,6 88,2
Febbraio 38 80,7 90,8 90,8 88,8 89,7 92,0 87,7 -2,9 87,9
Marzo 39 78,3 91,0 90,9 86,1 86,9 87,6 89,3 -1,4 89,6
Aprile 40 83,0 91,0 91,0 91,2 92,1 92,6 89,6 -1,3 89,7
Maggio 41 90,7 91,0 91,0 99,7 100,6 99,6 91,1 0,1 91,1
Giugno 42 99,0 90,6 90,8 109,1 110,1 108,4 91,3 0,6 91,2
2013
Luglio 43 109,8 91,1 90,9 120,8 122,0 120,9 90,8 -0,1 91,0
Agosto 44 123,8 91,8 91,4 135,4 136,7 136,7 90,6 -1,2 90,6
Settembre 45 110,0 92,4 92,1 119,5 120,6 118,3 93,0 1,1 93,5
Ottobre 46 98,6 92,5 92,4 106,7 107,7 107,4 91,8 -0,7 91,8
Novembre 47 67,8 92,6 92,6 73,2 73,9 73,8 91,8 -0,6 92,1
Dicembre 48 79,3 93,1 92,8 85,4 99,1 86,3 100,0 86,9 91,3 -1,4 91,7
30
Estrapolazione
Destagionalizzazione degli indici della produzione industriale
31
AGENDA
Date le domande effettive dei 12 mesi precedenti di una nuova linea di prodotti, utilizzare il
metodo dello smorzamento esponenziale per formulare la previsione della domanda per il
prossimo mese. Si considerino come valori del coefficiente di smorzamento esponenziale α 0.1,
0.2 e 0.3. Determinare il valore di α più adatto, ossia quello che minimizza l’errore medio
assoluto MAD.
Mese Domanda Dt
mar-16 120
apr-16 131
mag-16 107
giu-16 145
lug-16 141
ago-16 122
set-16 159
ott-16 134
nov-16 98
dic-16 135
gen-17 135
feb-17 119
mar-17 ?
33
Estrapolazione
Smorzamento esponenziale t-1 t t+1
Obiettivo: fare previsioni della domanda futura.
mesi
Funziona bene se la domanda varia di poco. Dt
È adatto per previsioni a breve termine. Pt
Dt: domanda effettivamente riscontrata per il mese t
Pt: previsione per il mese t
n: numero di periodi (mesi) considerati
La previsione al mese 𝑡 è la somma pesata delle domande effettive riscontrate negli n mesi
precedenti, con valori dei pesi che diminuiscono con legge esponenziale, dando maggiore
importanza ai periodi più vicini e minore importanza a quelli più lontani.
Il metodo migliore è quello che minimizza l’errore medio assoluto (MAD – Mean Absolute
Deviation), dato da:
σ𝑡−𝑛
𝑡−1 (𝐷𝑡 − 𝑃𝑡 )
𝑀𝐴𝐷 =
𝑛 34
Estrapolazione
Smorzamento esponenziale
Mese Domanda Dt Pt (α=0,1) err α=0,1 Pt (α=0,2) err α=0,2 Pt (α=0,3) err α=0,3
mar-16 120 - - - - - -
apr-16 131 120 11 120 11 120 11
mag-16 107 121 14 122 15 123 16
giu-16 145 120 25 119 26 118 27
lug-16 141 122 19 124 17 126 15
ago-16 122 124 2 128 6 131 9
set-16 159 124 35 127 32 128 31
ott-16 134 127 7 133 1 137 3
nov-16 98 128 30 133 35 136 38
dic-16 135 125 10 126 9 125 10
gen-17 135 126 9 128 7 128 7
feb-17 119 127 8 129 10 130 11
mar-17 ? 126 127 127
MAD 15,45 15,39 16,20
100
110
120
130
140
150
160
170
80
90
gen-16
feb-16
mar-16
apr-16
mag-16
SMORZAMENTO ESPONENZIALE
giu-16
Domanda Dt
giu-16
lug-16
ago-16
Mesi
Smorz esp 0.2
set-16
Estrapolazione
ott-16
nov-16
Previsione 0.2
nov-16
dic-16
gen-17
feb-17
mar-17
36
Estrapolazione
SMORZAMENTO ESPONENZIALE – ESERCIZIO 2
Date le domande effettive dell’esercizio 1, formulare la previsione della domanda per il prossimo
mese, utilizzando il metodo della media mobile, considerando 3 e 4 periodi, e il metodo della
media pesata, considerando 3 periodi precedenti e come valori dei pesi 50, 30 e 20. Calcolare il
valore di MAD e determinare il criterio migliore per la previsione della domanda, confrontando
tutti quelli utilizzati negli esercizi 1 e 2.
Mese Domanda Dt
mar-16 120
apr-16 131
mag-16 107
giu-16 145
lug-16 141
ago-16 122
set-16 159
ott-16 134
nov-16 98
dic-16 135
gen-17 135
feb-17 119
mar-17 ?
37
Estrapolazione
SMORZAMENTO ESPONENZIALE
Pt
MEDIA MOBILE:
σ𝑡−𝑛
𝑡−1 𝐷𝑡
𝑃𝑡 = .
𝑛
38
Estrapolazione
Smorzamento esponenziale
MEDIA MOBILE:
Media mobile
Mese Domanda Dt 3 mesi err 3 mesi 4 mesi err 4 mesi
mar-16 120 - - - -
apr-16 131 - - - -
mag-16 107 - - - -
giu-16 145 119 26 - -
lug-16 141 128 13 126 15
ago-16 122 131 9 131 9
set-16 159 136 23 129 30
ott-16 134 141 7 142 8
nov-16 98
138 40 139 41
dic-16 135
130 5 128 7
gen-17 135
122 13 132 4
feb-17 119
123 4 126 7
mar-17 ?
130 122
MAD 15.44 13.33
40
Estrapolazione
SMORZAMENTO ESPONENZIALE
170
160
Domanda effettiva
150
140
130 𝑷𝒕
120
110
100
90
80
apr-16
mag-16
feb-16
feb-17
mar-17
mar-16
giu-16
giu-16
lug-16
set-16
ott-16
gen-17
ago-16
dic-16
nov-16
nov-16
Mesi
Domanda Dt Smorz esp 0.2 Med Mob 4 mesi Media mobile pesata
41
Impianti Industriali