diffusione innovazioni_presentation

14
UNIVERSITÀ DEGLI STUDI DI PADOVA CORSO DI LAUREA IN STATISTICA E GESTIONE DELLE IMPRESE Relatore: Prof.ssa Luisa Bisaglia Dipartimento di Scienze Statistiche Co-relatore: Dott.ssa Mariangela Guidolin Dipartimento di Scienze Statistiche Università di Padova Diffusione di innovazioni e tecnologie: i modelli di Bass in un'applicazione al contesto energetico Laureando: Andrea Cappozzo Anno Accademico 2011/2012 1

Upload: andrea-cappozzo

Post on 20-Aug-2015

61 views

Category:

Data & Analytics


1 download

TRANSCRIPT

1

UNIVERSITÀ DEGLI STUDI DI PADOVACORSO DI LAUREA IN STATISTICA E GESTIONE DELLE

IMPRESE

  

Relatore: Prof.ssa Luisa Bisaglia

Dipartimento di Scienze Statistiche

 

Co-relatore: Dott.ssa Mariangela Guidolin

Dipartimento di Scienze Statistiche

Università di Padova

Diffusione di innovazioni e tecnologie: i modelli di Bass in

un'applicazione al contesto energetico

Laureando: Andrea Cappozzo

Anno Accademico 2011/2012

2

INNOVAZIONEUN’IDEA, UNA PRATICA, UN OGGETTO CHE VIENE PERCEPITO COME NUOVO DA UN INDIVIDUO O DA UN’ALTRA UNITÀ DI ADOZIONE.

DIFFUSIONE DI UN’ INNOVAZIONEIL PROCESSO ATTRAVERSO IL QUALE UNA INNOVAZIONE È COMUNICATA ATTRAVERSO DETERMINATI CANALI TRA I MEMBRI DI UN SISTEMA SOCIALE.

3

MODELLO DI BASS IL MODELLO DI BASS DESCRIVE IL CICLO DI VITA DI

UN’INNOVAZIONE, NELLE SUE FASI CARATTERISTICHE DI LANCIO, CRESCITA, MATURITÀ E DECLINO.

I parametri rappresentano: z'(t) adozioni istantanee z(t) numero di adozioni cumulate al tempo t m mercato potenziale raggiungibile, assunto

fisso p parametro di innovazione q parametro di imitazione

4

SOLUZIONE DEL MODELLO DI BASS

Modello di Bass: adozioni cumulate. Il modello descrive una saturazione

Modello di Bass: adozioni istantanee

5

INTRODUZIONE DELLE VARIABILI ESOGENE: MODELLO DI BASS GENERALIZZATO

x(t) è una funzione integrabile in domini limitati e non negativa.

Impulsi esponenziali

Impulsi rettangolari

Impulsi misti

6

METODI DI STIMA

Una stima secondo i minimi quadrati dell’ignoto parametro si ottiene minimizzando la devianza S(θ)

modello non lineare nei parametri a regressori fissi

Sia

Derivando S(θ) rispetto a θ ed eguagliando a 0 si ottiene

cui corrisponde una soluzione θ, ovvero alla condizione di ortogonalità

la matrice jacobiana n x p derivate parziali prime di f rispetto a θ'

7

ENERGIA NUCLEARE

Energia che lega la parte interna dell’atomo, cioè le particelle che compongono il nucleo

Albert Einstein fu il primo a intuire la possibilità di estrarre energia dal nucleo dell’atomo

Per ricavare energia dal nucleo: fissione (rottura) di un nucleo pesante come quello dell’uranio

8

TECNOLOGIA DEI REATTORI NUCLEARI

L'energia nucleare nacque ufficialmente nel 1934 attraverso gli esperimenti di un gruppo di scienziati italiani sotto la guida del fisico Enrico Fermi.

Reattore CP-1 di Chicago, primo reattore nucleare realizzato con reazione a catena controllata ed autosostenuta il 2 dicembre 1942

Primo reattore ad uso civile fu realizzato nel dicembre del 1954 a Obninsk, URSS

La potenza comune delle centrali nucleari passò da meno di 1 GW nel 1960 a 100 GW alla fine degli anni settanta e 300 GW nei tardi anni ottanta, raggiungendo i 366 GW nel 2005

Oggi si contano 435 reattori nucleari attivi, presenti in 31 nazioni di quattro diversi continenti per una potenza complessiva erogata pari a 370 009 GW

62 nuove centrali nucleari sono in costruzione in 14 diversi paesi, tuttavia nella maggior parte dei siti si stanno accumulando notevoli e costosi ritardi.

9

10

ANALISI STATISTICA DEL PROCESSO DI DIFFUSIONE DEI REATTORI

La tecnologia della fissione nucleare per la produzione di energia elettrica è lecitamente interpretabile come un’innovazione a ciclo di vita finito, alla stregua di un nuovo “prodotto” che è stato lanciato nel mercato.

Natura limitata della risorsa impiegata nel processo: l’uranio.

Utilizzo di un modello di Bass standard per modellare inizialmente la serie

11

MODELLO DI BASS STANDARD

Asymptotic 95,0%Asymptotic Confidence Interval

Parameter Estimate Standard Error Lower Upper

m 568,302 2,96133 562,365 574,24

p 0,00233754 0,000139548 0,00205776 0,00261731

q 0,154995 0,00327287 0,148434 0,161557

Estimation Results

R-Squared = 99,8457 percent

Durbin-Watson statistic =

0,259

12

Asymptotic 95,0%Asymptotic Confidence Interval

Parameter Estimate Standard Error Lower Upperm 773,275 33,4304 706,059 840,492p 0,00190371 0,0000759893 0,00175093 0,0020565q 0,145067 0,00447922 0,136061 0,154073c1 -0,718426 0,0216183 -0,761892 -0,674959b1 0,0109504 0,0018061 0,00731904 0,0145819a1 34,3607 0,174114 34,0107 34,7108c2 -0,314615 0,0314482 -0,377846 -0,251384a2 22,5914 0,465722 21,655 23,5278b2 28,8004 0,462517 27,8705 29,7304

R-Squared = 99,982 percent

Durbin-Watson statistic =

1,12

MODELLO DI BASS GENERALIZZATO AD IMPULSI MISTI

Estimation Results

13

AFFINAMENTO DELLA PARTE RESIDUALE CON UN MODELLO ARMA (2,2)

Parameter Estimate Stnd. Error t P-valueAR(1) -0,689078 0,139833 -4,92785 0,000009AR(2) -0,391032 0,143856 -2,71822 0,008897MA(1) -1,38407 0,0324506 -42,6517 0,000000MA(2) -0,951968 0,031986 -29,762 0,000000Mean -0,174603 0,495785 -0,352175 0,726130Constant -0,363194

14

CONCLUSIONI

L’analisi dei dati sembrerebbe mostrare che il nucleare si trova nella fase di declino del suo ciclo di vita

Nel mercato dell’energia nucleare non esistono economie di scala e di esperienza, presenti invece nel mercato delle energie rinnovabili (eolico, solare)

Il nucleare è sempre più costoso, le fonti rinnovabili lo sono sempre meno

Mancanza del dato relativo al 2011, anno dell’incidente di Fukushima

Non è la natura essenziale della tecnologia quello che conta, quanto la sua capacità di adattarsi alle condizioni sociali, politiche ed economiche nel tempo in cui opera.