Principi di inferenza per le applicazioni turistiche 6Cfu

Principi di inferenza per le applicazioni turistiche

(6 CFU)

Prof: G. Tonini

Anno 2015/2016

Definizioni introduttive

1) Turismo: fenomeno definito da dimensioni (multidimensionalità) def (OMT - organizzazione mondiale del turismo) spaziali, temporali e motivazionali [3 dimensioni coesistenti].

Spostamento sul territorio, che prevede un viaggio e l'alloggio in luoghi diversi da quelli abitualmente frequentati.

Una durata ben delimitata, che deve essere superiore a 24h ed inferiore a 1 anno di almeno un pernottamento.

Principi di inferenza per le applicazioni turistiche

(6 CFU)

Prof: G. Tonini

Anno 2015/2016

Definizioni introduttive

1. Turismo: fenomeno definito da dimensioni (multidimensionalità def OMT, organizzazione mondiale del turismo) spaziali, temporali e motivazionali.

[3 dimensioni coesistenti]

Spostamento sul territorio, che prevede un viaggio e l’alloggio in luoghi diversi da quelli abitualmente frequentati.

Una durata ben delimitata che deve essere superiore a 24h ed inferiore a 1 anno di almeno un pernottamento.

• Se è < 24h = escursionismo
• Se è >/ 1 anno = movimento migratorio (trasferimento residenza)

Un motivo principale che può essere la vacanza, il lavoro o altro, purché lo spostamento non impedisca un trasferimento di residenza.

L'attività lavorativa sia remunerata nel luogo di origine e non nel luogo di destinazione del viaggio.

2) Turista: colui che si sposta sul territorio facendo un viaggio (24 h > 1 anno) e pernottando in luoghi diversi da quelli abitualmente frequentati per motivi di vacanza o di lavoro (non retribuito nel luogo di destinazione).

Ci soffermiamo sulla dimensione temporale:

Componente temporale è della domanda turistica e non analizzeremo il fenomeno in termini economici legati ad essa. Spesa turistica, bensì in termini fisici di arrivi e presenze.

3) Arrivo: si ha ogni volta che un cliente chiede alloggio in un esercizio ricettivo.

(Turista ≠ arrivo → un turista può dare luogo a più arrivi, poiché magari il suo viaggio comprende più tappe.)

4) Presenza = pernottamento

Corrisponde al pernottamento, cioè al numero delle nottate trascorse da un turista in una struttura ricettiva.

n° presenze = durata viaggio; presenze media presenze arrivi.

Serie storiche della domanda turistica

Serie storiche o temporali: sono successioni di valori, ordinati secondo il tempo t cioè per t=1,2,...,n, che riguardano fenomeni o attività o eventi.

t=1 → inizio (primo istante)

t=n → fine (ultimo istante)

Modelli per l'analisi delle serie temporali

Le serie temporali possono essere rappresentate con diversi tipi di modelli. In generale, questi modelli sono classificabili in due grandi categorie:

1. Modelli con errore (con componente residuale)
2. Modelli stocastici (=casuali)

Modelli con errore

I modelli con errore (Error Models) sono espressi da:

x_t = f(o*) + ε_t

dove x_t è la serie osservata al tempo t, tempo che varia di 1 a n (t=1,2,...,n) mentre f(o*) è una funzione deterministica matematica o del tempo t o di variabili esplicative.

Pertanto:

nel primo caso x_t = f(t) + ε_t

nel secondo caso, si ha il modello di regressione multipla x_t = F(z_1t, z_2t, ..., z_mt) + ε_t

dove z_it è la generica variabile esplicativa i per i=1,2,...,m mentre ε_t è l'errore (residuo).

Se abbiamo solo una variabile esplicativa x_t = f(z_t1) + ε_t

27/10/15

3 condizioni per cui:

• E (_t) = 0

Presenta media nulla, E = expectation, valore atteso la costante è pari a zero.

Σ_t=1ⁿ _t = 0

Alcuni valori di _t saranno positivi ed altri negativi, quindi si compensano e danno 0.

E (_t) = Σ_i=1ⁿ _t = 0 = 0 = 0n n

• E (_t²) = σ² = E(_t²)

Abbiamo una varianza costante e finita (non può essere infinito) variabilità misurata con varianza che è un simbolo costante.

Tempi uguali: varianza.

• E (_t _s) = 0     ∀ t ≠ s

Presenta covarianza nulla.

Errori presi in due istanti diversi non hanno dipend. quindi, il risultato non è la varianza ma è pari a 0.

Tempi diversi: covarianza.