Riassunto analitico
Questa tesi ha l'obiettivo di comprendere le caratteristiche dei consumatori di auto elettriche attraverso un'analisi dettagliata, suddivisa in tre parti principali. La prima parte offre una panoramica del contesto attuale delle auto elettriche, esplorando le tecnologie associate a questi veicoli e le implicazioni ambientali ed economiche della transizione verso la mobilità elettrica. Viene approfondito lo sviluppo delle auto elettriche, con particolare attenzione alle innovazioni tecniche, alle infrastrutture di ricarica e alle politiche di sostegno. Inoltre, viene analizzato l'impatto ambientale delle auto elettriche rispetto ai veicoli a combustione interna, ed effettuato un confronto tra le auto elettriche e quelle a idrogeno, esaminando i punti di forza e le limitazioni di entrambe le tecnologie.
La seconda parte della tesi si concentra sull'analisi statistica delle relazioni tra le variabili legate ai consumatori di auto elettriche. In questa sezione, sono state applicate diverse tecniche di analisi esplorativa e statistica, tra cui la regressione logistica, l'analisi delle corrispondenze multiple (MCA), l'analisi FAMD, l'analisi delle componenti principali (PCA) e l'analisi dei cluster. Queste metodologie permettono di identificare i profili dei consumatori, comprendere i loro comportamenti d'acquisto e le principali motivazioni che li spingono a scegliere veicoli elettrici.
La terza parte si focalizza sull'apprendimento mediante modelli predittivi di Machine Learning e Deep Learning. In questa sezione, vengono sviluppati e testati vari algoritmi per prevedere le tendenze di mercato e il comportamento dei consumatori. L'analisi si concentra sull'implementazione dei modelli, evidenziando le performance e l'accuratezza delle previsioni, nonché le potenzialità e i limiti dell'utilizzo di queste tecniche avanzate per comprendere il mercato delle auto elettriche.
In conclusione, la tesi fornisce una panoramica completa delle dinamiche del mercato delle auto elettriche e delle caratteristiche dei loro consumatori, utilizzando un approccio integrato che combina analisi statistiche tradizionali e tecniche avanzate di Machine Learning e Deep Learning, per trovare degli spunti per le strategie di marketing e per le politiche di supporto alla diffusione delle auto elettriche.
|
