%% ESAME METODI QUANTITATIVI PER I MERCATI FINANZIARI  09/01/2026

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%% DURATA: 45 minuti
%%% Il file Matlab (script), formato m oppure mlx,
%%% va salvato con il vostro nome e cognome (senza spazi e accenti) 
%%%  e va caricato nella pagina che viene comunicata.
%%% La votazione finale terrà conto della qualità del codice e della
%%% sua chiara presentazione.
%%% Il codice creato con AI comporta penalizzazione.  Allo studente può
%%% essere richiesto di sostenere l'orale qualore le funzioni utilizzate
%%% non siano mai state impiegate durante il corso.
%%% Indicare il nickaname GitHub 
%%% Indicare l'eventuale vittoria alle competizioni tramite gli Issue
%%% Indicare la segnalazione di refusi nel libro di testo
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%% Osservazione: è necessario avere installato FSDA versione almeno 8.7.10.5

% Caricare in memoria il contenuto del file adm.mat
% Nella tabella dipendenti le prime 30 righe si riferiscono ai residenti 
% nella provincia X e le ultime trenta righe ai residenti nella provincia Y.
% Le altre righe si riferiscono ai residenti nella provincia Z.
% Costruire il violinplot per la variabile Wage suddiviso per provincia di
% appartenenza (punti 8)


load adm.mat

% Creo la variabile classificatoria
n=height(dipendenti);
Provincia=strings(n,1);
Provincia(1:n)="Z";
Provincia(1:30) = "X"; 
Provincia(n-29:n) = "Y"; 

% Costruzione del boxplot per la variabile Wage suddiviso per regione
violinplot(categorical(Provincia),dipendenti.Wage);
title('Violinplot di Wage per provincia');
xlabel('Provincia');
ylabel('Wage');

% Commentare il grafico  che si ottiene (punti 4)
% Avvertenza: il commento non deve essere generico ma deve essere riferito al grafico che
% si ottiene (punti 4)
% La distribuzione dei salari è omogenea 
% tra le diverse regioni.
% Dal grafico emerge che la distribuzione di valori Z è leggermente più
% concentrata nella parte centrale.
% La distribuzione di X è su un range di valori leggermente più ampio.


% Caricare la table smoke dal file smoke.mat. Costruire la tabella di contingenza tra le
% due variabili "profession" (sulle righe) e "smoke_frequency" (sulle
% colonne). La variabile profession è qualitativa ed indica il tipo di
% professione. La variabile smoke_frequency è qualitativa e si riferisce
% all'attitudine verso il fumo. Denominare la tabella di contingenza con le
% prime 4 lettere del proprio cognome (senza accenti) (punti 4)
% 
load smoke
% Costruzione tabella di contingenza
RIAN=pivot(smoke,"Rows","profession","Columns","smoke_frequency", ...
    "RowLabelPlacement","rownames");

% Calcolare l'indice Hyx e l'indice tauyx (punti 4).
%
% Commentare il valore dell'indice H.
% I commenti generici non sono ammessi (punti 4)
%
% Costuire il grafico che mostra il contributo di ogni singola cella della
% tabella di contingenza al valore dell'indice Chi2 e commentarlo (punti 6)

% v. pagina 385
out=corrNominal(RIAN,'plots',1);
% Calcolo dell'indice Chi2, H e tauyx
chi2Stat = out.Chi2;
Hyx = out.Hyx;
tauyx = out.tauyx;

% Commentare il valore di Hyx
% L'intervallo di confidenza di H non contiene 
% il valore 0. Il valore è significativo anche se molto basso.
% Per il commento v. p. 384
% La conoscenza della professione lavorativa riduce del 3.18%  circa l'eterogeneità
% della previsione dell'attitudine verso il fumo.

% Le due celle che contribuiscono di più al valore dell'indice Chi2 sono
% relative a Senior-Employees-None (il colore è blu di conseguenza questa
% combinazione nel campione osservato è molto più frequente di quella
% attesa nell'ipotesi di indipendenza tra le due variabili) e
% Junior-Managers-None (il colore è rosso di conseguenza questa
% combinazione nel campione osservato è molto meno frequente di quella
% attesa). Queste due celle contribuiscono per un ammontare oltre il 50 per
% cento del valore dell'indice Chi2