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.