Principi di inferenza per le applicazioni turistiche 6Cfu

Principi di inferenza per le applicazioni turistiche

(6 CFU)

Prof: G. ToniniAnno 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. ToniniAnno 2015/2016

Definizioni Introduttive

1. TURISMO: fenomeno definito da dimensioni (multidimensia 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 é < 24h = escursionismo-> Se é >/ 1anno = 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 territoriofacendo un viaggio (24 h > 1 anno) epernottando 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 enon analizzeremo il fenomeno in termini economici legati ad essa. Spesa turistica, bensì in termini fisicidi arrivi e presenze.

3) ARRIVO: si ha ogni volta che un cliente chiedealloggio in un esercizio ricettivo.(Turista ≠ arrivo → un turista può dare luogo a piùarrivi, poiché magari il suo viaggiocomprende più tappe.)

4) PRESENZA = PERNOTTAMENTOCorrisponde al pernottamento, cioè al numerodelle nottate trascorse da un turista inuna struttura ricettiva.n° presenze = durata viaggio; presenze media presenzearrivi,

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 = 0

n 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

e' la varianza ma è pari a 0

TEMPI DIVERSI: COVARIANZA