Questo rapporto di ricerca verte sulla descrizione del progetto di un modello matematico per la comprensione dei meccanismi stocastici che danno origine a una serie temporale osservata e la previsione dei valori futuri. L'analisi delle serie temporali implica lo sviluppo di modelli che catturino o descrivano al meglio una serie temporale osservata al fine di comprendere le cause sottostanti. Questo campo di studio cerca il " perché " dietro un set di dati di serie temporali. Ciò comporta spesso l'elaborazione di ipotesi sulla forma dei dati e la scomposizione delle serie temporali in componenti costitutive. La qualità di un modello descrittivo è determinata da quanto bene descrive tutti i dati disponibili e dall'interpretazione che fornisce per informare meglio il dominio del problema. La previsione implica l'adattamento dei modelli ai dati storici e il loro utilizzo per prevedere le osservazioni future. Nei primi capitoli, si fornisce una breve presentazione teorica degli argomenti trattati e degli strumenti utilizzati. Successivamente, si passa alla descrizione vera e propria del modello e alla sua implementazione. Infine, attraverso i dati statistici ottenuti dalle simulazioni, si valuteranno i risultati. E' stato deciso di studiare le serie temporali dei dati reali relativi ai contagi dell'epidemia da COVID-19. Il primo focolaio dell'epidemia virale denominata COVID-19 si è attivato in Cina, a partire dalla fine del 2019, e ha causato una pandemia con effetti devastanti sulla salute pubblica, la vita sociale e l'economia. La pandemia ha stimolato un elevatissimo impegno per determinare strategie di controllo efficaci.
Progettazione di un modello matematico per la comprensione dei meccanismi stocastici che danno origine a una serie temporale osservata e la previsione dei valori futuri.
Gaetano Guarino
2022
Abstract
Questo rapporto di ricerca verte sulla descrizione del progetto di un modello matematico per la comprensione dei meccanismi stocastici che danno origine a una serie temporale osservata e la previsione dei valori futuri. L'analisi delle serie temporali implica lo sviluppo di modelli che catturino o descrivano al meglio una serie temporale osservata al fine di comprendere le cause sottostanti. Questo campo di studio cerca il " perché " dietro un set di dati di serie temporali. Ciò comporta spesso l'elaborazione di ipotesi sulla forma dei dati e la scomposizione delle serie temporali in componenti costitutive. La qualità di un modello descrittivo è determinata da quanto bene descrive tutti i dati disponibili e dall'interpretazione che fornisce per informare meglio il dominio del problema. La previsione implica l'adattamento dei modelli ai dati storici e il loro utilizzo per prevedere le osservazioni future. Nei primi capitoli, si fornisce una breve presentazione teorica degli argomenti trattati e degli strumenti utilizzati. Successivamente, si passa alla descrizione vera e propria del modello e alla sua implementazione. Infine, attraverso i dati statistici ottenuti dalle simulazioni, si valuteranno i risultati. E' stato deciso di studiare le serie temporali dei dati reali relativi ai contagi dell'epidemia da COVID-19. Il primo focolaio dell'epidemia virale denominata COVID-19 si è attivato in Cina, a partire dalla fine del 2019, e ha causato una pandemia con effetti devastanti sulla salute pubblica, la vita sociale e l'economia. La pandemia ha stimolato un elevatissimo impegno per determinare strategie di controllo efficaci.File | Dimensione | Formato | |
---|---|---|---|
prod_473066-doc_192733.pdf
solo utenti autorizzati
Descrizione: Rapporto di ricerca sulla progettazione di un modello basato su agenti per la previsione di serie temporali
Dimensione
973.05 kB
Formato
Adobe PDF
|
973.05 kB | Adobe PDF | Visualizza/Apri Richiedi una copia |
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.