Demand and Sales Forecasting

Obiettivi: 

Nozioni per gestire un archivio di dati storici, effettuando operazioni di selezione, trasformazione, aggregazione, ecc.

​

Tecniche presentate: 

Analisi preliminare della serie storica, mediante rappresentazioni grafiche e studio delle autocorrelazioni.

​

Esercitazioni:

​Sono previste esercitazioni per ciascuno degli argomenti trattati.

​

Prerequisiti: 

E' propedeutica la frequenza al corso INTRO o avere una conoscenza intermedia di Statistics for Data Analysis.

​

Argomenti:

La regressione Lineare

• Richiami di regressione lineare semplice

• la regressione lineare multipla

  • La verifica d'ipotesi sui parametri

  • la selezione automatica delle variabili

  • Analisi dei residui

  • La multicollinearità

  • Utilizzo del modello per la previsione e la simulazione

• Introduzione al modello lineare generalizzato

  • L'analisi della varianza

  • I modelli ad effetti misti

  • L'analisi della varianza multivariata e le misure ripetute

 

Introduzione all'analisi delle serie storiche

Definizione di serie storica

Cos'è una buona previsione

Schema concettuale di un sistema di previsione

Scelta di un modello

Applicazioni di forecasting analysis

• Le operazioni utili e caratteristiche di Statistics for Data Analysis

• I modelli di regressione e loro applicazioni

 

I modelli econometrici: econometria e regressione

L'approccio decompositivo

• Modello moltiplicativo e additivo nel trattamento delle componenti stagionali

 

I livellamenti esponenziali

• Previsione con i livellamenti

 

I processi Stocastici

• I modelli ARIMA

  • Costruzione di un  modello arima stagionale

• L'intervention analysis: elementi relativi ai modelli ARIMA

  • Previsione e simulazione con i modelli ARIMA utilizzando variabili di dummy

  • Trattazione di break strutturali con i modelli ARIMA

• I modelli ARMAX: uso delle covariate

• Modelli multivariati: modelli VAR standard

 

Performance dei modelli di previsione, cenni sulla simulazione e previsione automatica.