Skip to content

Smoothers e Gam per l'analisi delle serie storiche

Tra gli strumenti utilizzati nelle applicazioni statistiche un ruolo di fondamentale importanza è sempre stato riconosciuto al modello di regressione lineare grazie alla sua semplicità di interpretazione. Negli ultimi anni, a seguito della notevole evoluzione dei computer, in termini di velocità e di prestazione, è stato possibile affiancare al tradizionale modello lineare nuovi metodi che potenzialmente permettono di trarre maggiori informazioni dall’insieme di dati a disposizione dell’analista.
Uno di questi metodi è il modello additivo, una generalizzazione del modello di regressione lineare. Il principio su cui esso si basa è sostituire la classica funzione lineare di una covariata con una funzione di Smooth non specificata. L’additività del modello consiste in una somma di tali funzioni, inoltre è possibile definire lo stesso non parametrico, in quanto non impone rigide forme parametriche su di esse ma ne fornisce una stima in modo iterativo attraverso l’uso di uno scatterplot smoother.
Nel 1984 Hastie e Tibshirani hanno esteso l’idea di base del modello additivo ai modelli lineari generalizzati, creando quelli che nella moderna statistica computazionale sono conosciuti come Modelli Additivi Generalizzati (GAM).
In questa trattazione è stato realizzato una sorta di viaggio nel tempo per ripercorrere alcune delle tappe più importanti dello sviluppo degli smoothers e dei GAM in statistica. Il percorso didattico seguito ha avuto come punto di partenza una descrizione dei diversi metodi di analisi noti. La regressione lineare, la base della scienza statistica, è stata illustrata nei suoi tratti più salienti per passare poi all’introduzione delle tecniche di regressione non parametrica.
Nei modelli non parametrici un ruolo di fondamentale importanza è svolto dagli smoothers. La letteratura statistica è ricca di contenuti in merito a questi stimatori. Tuttavia, quelli maggiormente conosciuti e indagati restano il bin smoother, definito anche regressogramma, il running mean, o simmetric nearest neighborhood, il running median, smoothing splines, lowess e kernel smoothers. Ognuno di questi smoothers è stato oggetto di specifica trattazione per una completa comprensione del metodo di base, e per porre l’accento su vantaggi e svantaggi di ciascuna tecnica.
Una posizione di privilegio, nel contesto storico di riferimento, è comunque detenuta dai modelli additivi introdotti da Stone. Questi modelli presentano il duplice pregio di evitare il problema della dimensionalità (ogni termine additivo è, infatti, stimato da una funzione di smooth) e della semplicità interpretativa, ogni stima dei termini individuali spiega come la variabile dipendente cambia al variare della variabile indipendente.
Questa prima parte si conclude con l’illustrazione dei GAM e dell’algoritmo di Backfitting, attraverso il quale si giunge alla stima delle funzioni di smooth inserite nei GAM.
La seconda parte è un’analisi storica in senso stretto. La ricerca bibliografica ha avuto come oggetto articoli tratti da riviste specializzate e scritti da studiosi di rilievo nel campo della statistica applicata e computazionale. Gli argomenti analizzati seguono un ordine cronologico e sono divisi per contenuto in tre sezioni.
Nella prima sezione sono riportati studi e conclusioni cui sono giunti autori come Mallows, che si è occupato di alcune teorie relative a smoothers non lineari (1980); Gebski, che ha valutato l’uso dello splicing per smoothers non lineari (1985); Breiman e Peters (1992) che attraverso un confronto tra smoothers automatici valutano i vantaggi dello smoothers DKS, di cui essi sono i responsabili delle modifiche dell’idea di base per l’incorporazione nella nuova versione di ACE; Fan e Gijbells (1992), che discutono la possibilità concreta di giungere ad una scelta ottimale di un bandwidth variabile anche per smoothers lineari.
Nel seconda sezione, invece, sono contenuti diversi articoli tra cui quello di Hastie e Tibshirani che nel 1989 hanno pubblicato, nella rivista Annals of Statistics, uno studio su smoothers lineari e modelli additivi (debitamente riportati anche i commenti finali di altri autori su questo studio, tra cui Cox, Eubank e Speckman, Gasser e Golub); l’articolo di Kauerman e Opsomer (2000) sulla stima di probabilità locale nel modello additivo e quello di Walker e Write (2001), che usano i modelli additivi per verificare la variazione di variabili significative di processi relativi al campo dell’ingegneria.

CONSULTA INTEGRALMENTE QUESTA TESI

La consultazione è esclusivamente in formato digitale .PDF

Acquista
Mostra/Nascondi contenuto.
Universita� degli studi di Napoli �Federico II� Facolta� di Economia Diploma di laurea in Statistica e Informatica per la Gestione delle Imprese niversita� degli studi di apoli �Federico II� Facolta� di Econo ia iplo a di laurea in Statistica e Infor atica per la estione delle I prese Tesi di laurea in Metodi Statistici di Previsione etodi Statistici di revisione

CONSULTA INTEGRALMENTE QUESTA TESI

La consultazione è esclusivamente in formato digitale .PDF

Acquista
Il miglior software antiplagio

L'unico servizio antiplagio competitivo nel prezzo che garantisce l'aiuto della nostra redazione nel controllo dei risultati.
Analisi sicura e anonima al 100%!
Ottieni un Certificato Antiplagio dopo la valutazione.

Informazioni tesi

  Autore: Marco Duconte
  Tipo: Tesi di Laurea
  Anno: 2001-02
  Università: Università degli Studi di Napoli
  Facoltà: Economia
  Corso: Statistica e Informatica per l'azienda
  Relatore: Francesco Mola
  Lingua: Italiano
  Num. pagine: 346

FAQ

Per consultare la tesi è necessario essere registrati e acquistare la consultazione integrale del file, al costo di 29,89€.
Il pagamento può essere effettuato tramite carta di credito/carta prepagata, PayPal, bonifico bancario.
Confermato il pagamento si potrà consultare i file esclusivamente in formato .PDF accedendo alla propria Home Personale. Si potrà quindi procedere a salvare o stampare il file.
Maggiori informazioni
Ingiustamente snobbata durante le ricerche bibliografiche, una tesi di laurea si rivela decisamente utile:
  • perché affronta un singolo argomento in modo sintetico e specifico come altri testi non fanno;
  • perché è un lavoro originale che si basa su una ricerca bibliografica accurata;
  • perché, a differenza di altri materiali che puoi reperire online, una tesi di laurea è stata verificata da un docente universitario e dalla commissione in sede d'esame. La nostra redazione inoltre controlla prima della pubblicazione la completezza dei materiali e, dal 2009, anche l'originalità della tesi attraverso il software antiplagio Compilatio.net.
  • L'utilizzo della consultazione integrale della tesi da parte dell'Utente che ne acquista il diritto è da considerarsi esclusivamente privato.
  • Nel caso in cui l’utente che consulta la tesi volesse citarne alcune parti, dovrà inserire correttamente la fonte, come si cita un qualsiasi altro testo di riferimento bibliografico.
  • L'Utente è l'unico ed esclusivo responsabile del materiale di cui acquista il diritto alla consultazione. Si impegna a non divulgare a mezzo stampa, editoria in genere, televisione, radio, Internet e/o qualsiasi altro mezzo divulgativo esistente o che venisse inventato, il contenuto della tesi che consulta o stralci della medesima. Verrà perseguito legalmente nel caso di riproduzione totale e/o parziale su qualsiasi mezzo e/o su qualsiasi supporto, nel caso di divulgazione nonché nel caso di ricavo economico derivante dallo sfruttamento del diritto acquisito.
L'obiettivo di Tesionline è quello di rendere accessibile a una platea il più possibile vasta il patrimonio di cultura e conoscenza contenuto nelle tesi.
Per raggiungerlo, è fondamentale superare la barriera rappresentata dalla lingua. Ecco perché cerchiamo persone disponibili ad effettuare la traduzione delle tesi pubblicate nel nostro sito.

Scopri come funziona »

DUBBI? Contattaci

Contatta la redazione a
[email protected]

Ci trovi su Skype (redazione_tesi)
dalle 9:00 alle 13:00

Oppure vieni a trovarci su

Parole chiave

modelli additivi
serie storiche
smoothers
regressione lineare
statistica economica
statistica computazionale
regressione non parametrica
analisi delle serie storiche

Tesi correlate


Non hai trovato quello che cercavi?


Abbiamo più di 45.000 Tesi di Laurea: cerca nel nostro database

Oppure consulta la sezione dedicata ad appunti universitari selezionati e pubblicati dalla nostra redazione

Ottimizza la tua ricerca:

  • individua con precisione le parole chiave specifiche della tua ricerca
  • elimina i termini non significativi (aggettivi, articoli, avverbi...)
  • se non hai risultati amplia la ricerca con termini via via più generici (ad esempio da "anziano oncologico" a "paziente oncologico")
  • utilizza la ricerca avanzata
  • utilizza gli operatori booleani (and, or, "")

Idee per la tesi?

Scopri le migliori tesi scelte da noi sugli argomenti recenti


Come si scrive una tesi di laurea?


A quale cattedra chiedere la tesi? Quale sarà il docente più disponibile? Quale l'argomento più interessante per me? ...e quale quello più interessante per il mondo del lavoro?

Scarica gratuitamente la nostra guida "Come si scrive una tesi di laurea" e iscriviti alla newsletter per ricevere consigli e materiale utile.


La tesi l'ho già scritta,
ora cosa ne faccio?


La tua tesi ti ha aiutato ad ottenere quel sudato titolo di studio, ma può darti molto di più: ti differenzia dai tuoi colleghi universitari, mostra i tuoi interessi ed è un lavoro di ricerca unico, che può essere utile anche ad altri.

Il nostro consiglio è di non sprecare tutto questo lavoro:

È ora di pubblicare la tesi