Decisioni in condizioni di rischio. Roberto Cordone

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Decisioni in condizioni di rischio. Roberto Cordone"

Transcript

1 Decisioni in condizioni di rischio Roberto Cordone

2 Decisioni in condizioni di rischio Rispetto ai problemi in condizioni di ignoranza, oltre all insieme Ω dei possibili scenari, è nota una funzione di probabilità per i sottoinsiemi di scenari possibili (ovvero eventi). Come nel caso delle decisioni in condizioni di ignoranza, molti approcci consistono nel ricondurre il problema all ottimizzazione di una funzione ausiliaria u (x). Le prime indagini, compiute nel Seicento, proponevano il criterio del valore atteso, cioè di assumere come funzione ausiliaria da massimizzare il valore atteso dell impatto: u (x) = E [f (x, ω)] Infatti, l impatto associato ad ogni soluzione è una variabile aleatoria, dato che dipende dallo scenario ω. Il suo valore atteso è nel caso discreto: u (x) = E [f (x, ω)] = ω Ωπ ω f (x, ω) nel caso continuo: u (x) = E [f (x, ω)] = Ω π (ω)f (x, ω) dω Esempio Si consideri il seguente problema di decisione in condizioni di rischio: sono possibili quattro alternative e quattro scenari; le tabelle seguenti riportano le utilità associate ad ogni coppia alternativa-scenario e la probabilità che ciascuno scenario si realizzi. f (x, ω) ω 1 ω 2 ω 3 ω 4 x x x x ω 1 ω 2 ω 3 ω 4 p (ω) Se applichiamo il criterio del valore atteso, dobbiamo calcolare il valore atteso u (x) = E [f (x, ω)] per ciascun alternativa x. u (x 1 ) = = 3.25 u (x 2 ) = = 2.10 u (x 3 ) = = 2.05 u (x 4 ) = =

3 che porta a scegliere l alternativa x 4, più precisamente ordinando le alternative come segue: x 4, x 1, x 2, x 3. Studio di sensitività Le probabilità dei singoli scenari sono spesso stimate a partire da modelli, e quindi non sono note con assoluta perfezione. È spesso conveniente, quindi, valutare la dipendenza della soluzione dalle probabilità degli scenari, per capire se un eventuale errore può tradursi in una scelta sbagliata, e di quanto. Si tratta di individuare nello spazio delle probabilità { p ω : ω Ω p ω = 1, p ω 0, ω Ω } le regioni nelle quali ciascuna alternativa risulta ottima. Se l alternativa scelta in base alle probabilità stimate cade ben dentro la regione in cui rimane ottima, possiamo stare abbastanza tranquilli. Altrimenti, bisognerebbe prendere in considerazione per analisi ulteriori le altre soluzioni. 1 Non è detto che si debba studiare l intero spazio delle probabilità: è anche possibile analizzare la sensitività rispetto a una delle probabilità, tenendo le altre reciprocamente fisse (cioè modificandone la somma, ma conservando i loro rapporti). Ad esempio, valutiamo la sensitività dell esempio precedente rispetto alla probabilità dello scenario ω 3. Se p (ω 3 ) = α e le probabilità degli altri scenari conservano la loro dimensione reciproca, esse diventano p (ω 2 ) p (ω 1 ) = = 5 4 p (ω 2 ) = 5 p (ω 4 ) p (ω 1 ) = = 1 4 p (ω 1) p (ω 4 ) = p (ω 1) p (ω 1 ) + p (ω 2 ) + p (ω 4 ) = 1 α p (ω 1 ) + p (ω 2 ) + p (ω 4 ) = 1 α p (ω 1 ) p (ω 1) p (ω 1) = 1 α p (ω 1 ) = 4 (1 α) 10 p (ω 1 ) = 4 (1 α) 10 p (ω 2 ) = 5 (1 α) 10 p (ω 4 ) = 1 (1 α) 10 Ora possiamo applicare il criterio del valore atteso in modo parametrico, e osservare le prestazioni delle tre alternative al variare di α: u α (x 1 ) = (1 α) 1 + (1 α) 3 + α 4 + (1 α) 6 = α u α (x 2 ) = (1 α) 2 + (1 α) 2 + α 2 + (1 α) 4 = α u α (x 3 ) = (1 α) 3 + (1 α) 2 + α 1 + (1 α) 9 = α u α (x 4 ) = (1 α) 6 + (1 α) 6 + α 1 + (1 α) 3 = α A OCCHIO, SE LA GIOCANO x 1 (per bassi valori di α) e x 4 (per alti valori di α), mentre x 2 è dominata da x 1 (non rigorosamente, ma solo al variare di α). Probabilmente, x 3 non vince mai, ma questo è da verificare. 1 L ampiezza del supporto (probabilistico) di un alternativa potrebbe essere un buon criterio di robustezza per una decisione in condizioni di ignoranza 2

4 Svantaggi del criterio del valore atteso Si confrontino le seguenti 4 soluzioni: 1. lanciare un dado e guadagnare con certezza 100 euro 2. lanciare un dado e guadagnare 200 euro se escono 4, 5 o 6, nulla altrimenti 3. lanciare un dado e guadagnare 600 euro se esce 6, nulla se escono gli altri numeri 4. lanciare un dado e guadagnare 200 euro se escono 2, 3, 4, 5 o 6, perdere 400 euro se esce 1 Secondo il criterio del valore atteso, le quattro soluzioni sono indifferenti. Eppure, quasi nessun decisore le considererebbe tali. Questo mostra che il valore atteso non modella correttamente la relazione di preferenza del decisore dal punto di vista descrittivo. Anche dal punto di vista normativo, non sembra molto desiderabile che le quattro situazioni siano considerate indifferenti. Esempio: la scommessa di Pascal Un famosissimo esempio di applicazione del criterio del valore atteso è la scommessa di Pascal, che egli intendeva come argomento per dimostrare l esistenza di Dio, o meglio per sostenere la razionalità della fede. L argomento, notissimo, afferma quanto segue: ogni individuo deve scegliere se credere oppure no (possiamo modellare questa situazione con due alternative, x 1 e x 2 ). Inoltre, Dio esiste oppure non esiste (cioè vi sono due scenari ω 1 e ω 2 ). Se l individuo crede e Dio esiste, egli guadagna il paradiso, che possiamo vedere come un impatto a altissimo (al limite, infinito). I tre impatti associati al credere in un Dio che non esiste (e quindi perdere tempo, occasioni di godimento, ma anche vivere onestamente e serenamente, dice Pascal), al non credere in un Dio che esiste (e quindi essere forse punito) e non credere in un Dio che non esiste vengono indicati rispettivamente con b, c e d, e sono tutti valori piccoli in confronto ad a. f (x, ω) Dio Dio Credo a = + b Non credo c d Indichiamo con α la probabilità (incognita) che Dio esista. Il criterio del valore atteso indica come utilità del credere e del non credere: { u (x 1 ) = aα + b (1 α) + u (x 2 ) = cα + d (1 α) ( ) cα + (d b)(1 α) 1 Se a = c + (d b) α α 1, il criterio del valore atteso suggerisce l utilità di credere. Anche con una probabilità α molto piccola, una ricompensa a infinita suggerisce la razionalità della fede. Obiezioni all argomento furono avanzate immediatamente, oltre che sul piano della serietà etica, anche sul piano della validità matematica. Si attaccò il fatto che le opzioni fossero due (vi sono molti modi di credere e non credere, e molte cose in cui credere e non credere), che il concetto di probabilità in questa situazione non avesse senso (non si possono fare esperimenti casuali e vedere se al termine Dio esiste o no), ecc... Uno dei punti deboli dell argomento è il criterio del valore atteso. 3

5 Il paradosso di San Pietroburgo Nel 1730, Daniel Bernouilli propose il seguente problema. Si supponga di dover decidere se sborsare o no una cifra P per partecipare al seguente gioco d azzardo: si lancia una moneta finché non esce croce; se la prima croce esce dopo k teste (k 0), si vincono 2 k euro. Per quali valori di P conviene partecipare al gioco e per quali non conviene? Il problema consente due alternative: giocare o non giocare. Il guadagno associato alla prima è 2 k P, se k è il numero di teste che precedono la prima croce. Vi sono infiniti scenari possibili, corrispondenti a tutti gli esiti del gioco, ovvero al numero di teste consecutive. Il valore atteso del guadagno è quindi: E [v] = P + 2 k 2k = P + 1 = + k=0 k=0 Il guadagno associato alla seconda alternativa è sempre nullo. Quindi giocare è conveniente qualunque sia la cifra P. ovvero si sarebbe disposti a pagare qualsiasi cifra per partecipare al gioco. Non è chi non veda, però, che le due alternative non sono affatto equivalenti. Entra in gioco un potentissimo fattore che viene detto propensione al rischio e che dipende dall entità delle somme in gioco, dal reddito del giocatore, dal suo umore corrente, ecc... Teoria dell utilità stocastica La teoria dell utilità stocastica si propone di evitare le difficoltà del criterio del valore atteso. L idea è assumere che il decisore sia in grado di stabilire una relazione di preferenza Π fra coppie di impatti in F, anche quando gli impatti sono variabili aleatorie. Lotteria è una coppia di funzioni (f (ω),π (ω)) dove f (ω) : Ω F rappresenta l impatto di una fissata alternativa x ed è una variabile aleatoria, mentre π (ω) : Ω [0; 1] è la probabilità di ciascuno scenario in Ω (nel caso discreto), o la densità di probabilità (nel caso continuo). In particolare, indichiamo con (f 1, α, f 2 ) una lotteria a due scenari, con impatto f 1 nel primo scenario e f 2 nel secondo, e probabilità pari ad α per il primo scenario, 1 α per il secondo. È possibile definire anche lotterie composte i cui esiti non siano impatti deterministici, ma altre lotterie. Il criterio del valore atteso suggerirebbe di scegliere fra due lotterie sempre quella con il massimo valore atteso dell impatto: u f,π (x) = E [f (x, ω)] = ω Ωπ (ω)f (x, ω) ma il paradosso di San Pietroburgo e parecchi studi psicologici mostrano che non si tratta di un criterio corretto dal punto di vista descrittivo, e suggeriscono che non lo sia da quello normativo. La teoria dell utilità stocastica definisce gli assiomi che una relazione razionale di preferenza fra lotterie dovrebbe rispettare. Quindi, dimostra che solo una ben determinata famiglia di relazioni soddisfa tali assiomi. 1. la relazione di preferenza fra lotterie Π è un ordine debole (riflessiva, transitiva e completa); 2. monotonia: lotterie che assegnano probabilità più alte agli impatti migliori sono preferite; se f 1 f 2 (f 1, α, f 2 ) (f 1, β, f 2 ) α β 4

6 3. continuità (proprietà archimedea): variando in modo continuo le probabilità, variano in modo continuo le preferenze: f 1 f 2 f 3 α [0; 1] : f 2 (f 1, α, f 3 ) 4. indipendenza (o sostituzione): se due lotterie coincidono in parte, la preferenza dipende solo dalle parti diverse: f 1 f 2 (f 1, α, f 3 ) (f 2, α, f 3 ) α [0; 1] 5. riduzione: nelle lotterie composte, ai fini della scelta contano le probabilità totali degli impatti finali, e non il modo in cui le probabilità si formano. Utilità stocastica La relazione di preferenza Π è di ordine debole in quanto è possibile costruire una funzione u f,π (x) di utilità stocastica tale che una lotteria è meglio di un altra se e solo se ha utilità maggiore. Si tratta di costruire questa funzione a partire da f (x, ω) e π (ω), in modo tale da rispettare i cinque assiomi. Tale funzione non è unica. Infatti, si può dimostrare che due funzioni utilità u (x) e u (x) sono strategicamente equivalenti, cioè danno luogo allo stesso ordinamento su ogni lotteria se e solo se sono legate da una trasformazione lineare u = au + b con a > 0. Quindi, tutte le funzioni strategicamente equivalenti danno luogo alla stessa funzione normalizzata. Von Neumann e Morgenstern propongono di procedere come segue. Anzi tutto, assegnano valori di utilità 1 e 0 all impatto ottimo f max e pessimo f min. Quindi, costruiscono i valori di utilità dei singoli impatti sfruttando l assioma di continuità: ogni impatto f intermedio equivale infatti a una lotteria (f max, α, f min ) fra i risultati estremi, per un opportuno valore di α. Tale valore è unico per l assioma di monotonia: a valori strettamente più alti e più bassi, infatti, corrispondono impatti strettamente migliori e peggiori. Ogni impatto si può interpretare come una lotteria degenere (con un solo esito possibile) u f,1. Ora si devono assegnare valori di utilità a lotterie generiche (f ω, π ω ). Per l assioma di sostituzione, ogni impatto f può essere sostituito da una lotteria fra gli impatti estremi, con probabilità pari alla sua utilità stocastica α f = u f,1. Ciò determina una lotteria composta a due fasi: la prima fase fornisce non l impatto, ma un biglietto per partecipare alla seconda fase, nella quale sono possibili solo gli impatti estremi. L assioma di riduzione consente di ignorare le fasi intermedie e concentrarsi sugli impatti finali con le relative probabilità. Queste vengono fornite dai teoremi della probabilità totale e di quella composta: basta sommare per ciascuno scenario il prodotto della sua probabilità π ω per la sua utilità α f(ω). A questo punto, l intera lotteria è sostituita da una lotteria fra gli impatti estremi: ( f max, ) π (ω)u (f (x, ω)),f min ω Ω la cui utilità è pari alla probabilità di f max per l utilità di f max, e coincide col valore atteso dell utilità dell impatto: u f,π (x) = E [u (f (x, ω))] = ω Ωπ (ω)u(f (x, ω)) Una volta costruita la funzione di utilità, se ne ricava una relazione di preferenza affermando che lotterie con utilità superiore sono preferibili. Questo garantisce che la preferenza fra lotterie sia un ordine debole e garantisce anche l assioma di 5

7 monotonia, perché fra due lotterie con gli stessi impatti è preferita quella che fornisce l impatto migliore con probabilità più alta. Concludendo, la teoria dell utilità stocastica dimostra che definire come utilità di una lotteria il valore atteso dell utilità del suo esito consente di rispettare tutti gli assiomi. Avversione e propensione al rischio L ordinamento fra lotterie ottenuto con il criterio del valore atteso equivale a quello ottenuto normalizzando l impatto fra f min e f max e in generale è molto diverso da quello suggerito dall utilità stocastica. Questo perché il valore atteso dell impatto (anche se normalizzato) può differire molto dal valore atteso dell utilità dell impatto. Riportando su un diagramma (vedi Figura?? l andamento dell impatto normalizzato e dell utilità stocastica al variare dell impatto f, si ottengono due funzioni che crescono monotonicamente da 0 (in f min ) a 1 (in f max ). Si parla di: decisore avverso al rischio quando l utilità domina l impatto normalizzato: disporre con certezza di f è preferibile a giocare una lotteria fra f min e f max con valore atteso pari a f. Questo avviene quando la funzione di utilità è concava: u (αf max + (1 α)f min ) > αu (f max ) + (1 α)u(f min ) decisore propenso al rischio quando l utilità è inferiore all impatto normalizzato: è preferibile giocare una lotteria fra f min e f max con valore atteso pari a f piuttosto che avere f con certezza. Questo avviene quando la funzione di utilità è convessa: u (πf max + (1 π)f min ) < πu (f max ) + (1 π) u (f min ) Un decisore che non sia né avverso né propenso al rischio è neutrale rispetto al rischio e la sua relazione di preferenza coincide con il criterio del valore atteso. FIGURA DA FARE Figura 1: Profili di rischio di tre decisori: avverso al rischio (a), propenso al rischio (b) e neutrale rispetto al rischio (c) In generale, possono esservi decisori avversi al rischio per alcuni valori di impatto e propensi per altri: ad esempio, un decisore può considerare gratificante giocare piccole somme anche se il valore atteso della vincita è negativo, ma non voler giocare grandi somme anche quando potrebbe aspettarsi di vincere qualcosa. Un modo equivalente di descrivere il profilo di rischio di un decisore è è fissare un valore di utilità stocastica α e determinare l impatto corrispondente. Si dice equivalente certo di una lotteria l impatto sicuro che le equivale esattamente. per un decisore avverso al rischio ogni lotteria ha equivalente certo inferiore al valore atteso; per un decisore propenso al rischio ogni lotteria ha equivalente certo superiore al valore atteso. Solo per decisori neutrali al rischio, l equivalente certo coincide con il valore atteso. La teoria dell utilità stocastica ordina le lotterie per valori crescenti di equivalente certo. Si dice premio di rischio di una lotteria la differenza fra equivalente certo e valore atteso. 6

8 Esempio Supponiamo che l impatto di una decisione possa variare nell intervallo f [0; 1000] e che la funzione di utilità stocastica del decisore sia α (f) = Si debba scegliere fra una vincita sicura da 250 euro e una lotteria che fornisce 810 euro con probabilità pari al 10%, 360 euro con probabilità pari al 50% e 160 euro con probabilità pari al 40%. Quale alternativa si sceglierà? 250 L utilità della vincita sicura è u (f) = = 0.5. Quella della lotteria è 1000 π ω u (f (ω)) = 0.1 u (810)+0.5 u (360)+0.4 u (160) = = 0.55 ω Ω La seconda alternativa è preferibile. L equivalente certo della seconda lotteria è il valore f che avrebbe la stessa utilità della lotteria: f u (f) = = 0.55 f = Il premio di rischio è = 52.5, negativo, e quindi il decisore è avverso al rischio. Estensione al caso a molti attributi Quanto detto sopra si estende facilmente al caso in cui il problema ha molti attributi. Si tratta di ragionare definendo l impatto f come la funzione di utilità a molti attributi. In condizioni di rischio, non si può usare direttamente il suo valore, ma bisogna modularlo per tener conto dell atteggiamento del decisore verso la probabilità di ciascun valore. 7

TEORIA DELL UTILITÀ E DECISION PROCESS

TEORIA DELL UTILITÀ E DECISION PROCESS TEORIA DELL UTILITÀ E DECISION PROCESS 1 UTILITÀ Classicamente sinonimo di Desiderabilità Fisher (1930):... uno degli elementi che contribuiscono ad identificare la natura economica di un bene e sorge

Dettagli

Scelta sotto incertezza

Scelta sotto incertezza Scelta sotto incertezza 1. Introduzione Nei capitoli 1 e 2 della microeconomia standard si studia la scelta dei consumatori e dei produttori, che hanno un informazione perfetta sulle circostanze che caratterizzano

Dettagli

Calcolo delle Probabilità

Calcolo delle Probabilità Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosidette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello

Dettagli

TELECOMUNICAZIONI (TLC) Generico sistema di telecomunicazione (TLC) Trasduttore. Attuatore CENNI DI TEORIA (MATEMATICA) DELL INFORMAZIONE

TELECOMUNICAZIONI (TLC) Generico sistema di telecomunicazione (TLC) Trasduttore. Attuatore CENNI DI TEORIA (MATEMATICA) DELL INFORMAZIONE TELECOMUNICAZIONI (TLC) Tele (lontano) Comunicare (inviare informazioni) Comunicare a distanza Generico sistema di telecomunicazione (TLC) Segnale non elettrico Segnale elettrico TRASMESSO s x (t) Sorgente

Dettagli

Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia?

Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia? Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia? Danilo Pelusi 1 Gianpiero Centorame 2 Sunto: Il seguente articolo illustra le possibili analogie e differenze tra il calcolo delle

Dettagli

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i DISTRIBUZIONE di PROBABILITA Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che uò assumere i valori: ; ;, n al verificarsi degli eventi incomatibili e comlementari: E ; E ;..;

Dettagli

Lezioni di Matematica 1 - I modulo

Lezioni di Matematica 1 - I modulo Lezioni di Matematica 1 - I modulo Luciano Battaia 16 ottobre 2008 Luciano Battaia - http://www.batmath.it Matematica 1 - I modulo. Lezione del 16/10/2008 1 / 13 L introduzione dei numeri reali si può

Dettagli

Introduzione alla Teoria dei Giochi

Introduzione alla Teoria dei Giochi Introduzione alla Teoria dei Giochi A. Agnetis Questi appunti presentano alcuni concetti introduttivi fondamentali di Teoria dei Giochi. Si tratta di appunti pensati per studenti di Ingegneria Gestionale

Dettagli

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI statistica, Università Cattaneo-Liuc, AA 006-007, lezione del 08.05.07 IDICE (lezione 08.05.07 PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore

Dettagli

Introduzione alla probabilità

Introduzione alla probabilità Introduzione alla probabilità CAPITOLO TEORIA Il dilemma di Monty Hall In un popolare show televisivo americano il presentatore mostra al concorrente tre porte chiuse. Dietro a una di esse si cela il premio

Dettagli

Introduzione alla Teoria degli Errori

Introduzione alla Teoria degli Errori Introduzione alla Teoria degli Errori 1 Gli errori di misura sono inevitabili Una misura non ha significato se non viene accompagnata da una ragionevole stima dell errore ( Una scienza si dice esatta non

Dettagli

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1 FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA PER L AMBIENTE ED IL TERRITORIO CORSO DI STATISTICA E CALCOLO DELLE PROBABILITA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N ARGOMENTO: CALCOLO DELLE PROBABILITA

Dettagli

Modelli Binomiali per la valutazione di opzioni

Modelli Binomiali per la valutazione di opzioni Modelli Binomiali per la valutazione di opzioni Rosa Maria Mininni a.a. 2014-2015 1 Introduzione ai modelli binomiali La valutazione degli strumenti finanziari derivati e, in particolare, la valutazione

Dettagli

Esempi introduttivi Variabili casuali Eventi casuali e probabilità

Esempi introduttivi Variabili casuali Eventi casuali e probabilità Esempi introduttivi Esempio tipico di problema della meccanica razionale: traiettoria di un proiettile. Esempio tipico di problema idraulico: altezza d'acqua corrispondente a una portata assegnata. Come

Dettagli

10. Insiemi non misurabili secondo Lebesgue.

10. Insiemi non misurabili secondo Lebesgue. 10. Insiemi non misurabili secondo Lebesgue. Lo scopo principale di questo capitolo è quello di far vedere che esistono sottoinsiemi di R h che non sono misurabili secondo Lebesgue. La costruzione di insiemi

Dettagli

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Probabilità Probabilità Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Se tutti gli eventi fossero ugualmente possibili, la probabilità p(e)

Dettagli

Numeri reali. Funzioni e loro grafici

Numeri reali. Funzioni e loro grafici Argomento Numeri reali. Funzioni e loro grafici Parte B - Funzioni e loro grafici Funzioni reali di variabile reale Definizioni. Supponiamo che A sia un sottoinsieme di R e che esista una legge che ad

Dettagli

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Se a e b sono numeri interi, si dice che a divide b, in simboli: a b, se e solo se esiste c Z tale che b = ac. Si può subito notare che:

Dettagli

Nel triangolo disegnato a lato, qual è la misura, in gradi e primi sessagesimali, di α?

Nel triangolo disegnato a lato, qual è la misura, in gradi e primi sessagesimali, di α? QUESITO 1 Nel triangolo disegnato a lato, qual è la misura, in gradi e primi sessagesimali, di α? Applicando il Teorema dei seni si può determinare il valore di senza indeterminazione, in quanto dalla

Dettagli

Lo schema di Bernoulli (o delle prove indipendenti): un esempio di modello probabilistico applicabile a diversi contesti

Lo schema di Bernoulli (o delle prove indipendenti): un esempio di modello probabilistico applicabile a diversi contesti Lo schema di Bernoulli (o delle prove indipendenti): un esempio di modello probabilistico applicabile a diversi contesti Rita Giuliano (Pisa) 0. Introduzione. È ormai acquisizione comune il fatto che uno

Dettagli

EQUAZIONI non LINEARI

EQUAZIONI non LINEARI EQUAZIONI non LINEARI Francesca Pelosi Dipartimento di Matematica, Università di Roma Tor Vergata CALCOLO NUMERICO e PROGRAMMAZIONE http://www.mat.uniroma2.it/ pelosi/ EQUAZIONI non LINEARI p.1/44 EQUAZIONI

Dettagli

Esercizi di consolidamento di probabilità e calcolo combinatorio parte 1

Esercizi di consolidamento di probabilità e calcolo combinatorio parte 1 Esercizi di consolidamento di probabilità e calcolo combinatorio parte 1 1. Si lancia una moneta 2 volte: qual è la probabilità che esca TESTA 0 volte? 1 volta? 2 volte? 2. Si lancia una moneta 3 volte:

Dettagli

Capitolo 8 - Introduzione alla probabilità

Capitolo 8 - Introduzione alla probabilità Appunti di Teoria dei Segnali Capitolo 8 - Introduzione alla probabilità Concetti preliminari di probabilità... Introduzione alla probabilità... Deinizione di spazio degli eventi... Deinizione di evento...

Dettagli

Applicazioni dell'analisi in più variabili a problemi di economia

Applicazioni dell'analisi in più variabili a problemi di economia Applicazioni dell'analisi in più variabili a problemi di economia La diversità tra gli agenti economici è alla base della nascita dell attività economica e, in generale, lo scambio di beni e servizi ha

Dettagli

La distribuzione Normale. La distribuzione Normale

La distribuzione Normale. La distribuzione Normale La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una

Dettagli

ELASTICITÀ. Sarebbe conveniente per il produttore aumentare ulteriormente il prezzo nella stessa misura del caso

ELASTICITÀ. Sarebbe conveniente per il produttore aumentare ulteriormente il prezzo nella stessa misura del caso Esercizio 1 Data la funzione di domanda: ELASTICITÀ Dire se partendo da un livello di prezzo p 1 = 1.5, al produttore converrà aumentare il prezzo fino al livello p 2 = 2. Sarebbe conveniente per il produttore

Dettagli

LA FUNZIONE ESPONENZIALE E IL LOGARITMO

LA FUNZIONE ESPONENZIALE E IL LOGARITMO LA FUNZIONE ESPONENZIALE E IL LOGARITMO APPUNTI PER IL CORSO DI ANALISI MATEMATICA I G. MAUCERI Indice 1. Introduzione 1 2. La funzione esponenziale 2 3. Il numero e di Nepero 9 4. L irrazionalità di e

Dettagli

Convessità e derivabilità

Convessità e derivabilità Convessità e derivabilità Definizione 1 (convessità per funzioni derivabili) Sia f : (a, b) R derivabile su (a, b). Diremo che f è convessa o concava su (a, b) se per ogni 0 (a,b) il grafico di f sta tutto

Dettagli

Se si insiste non si vince

Se si insiste non si vince Se si insiste non si vince Livello scolare: 2 biennio Abilità interessate Valutare la probabilità in diversi contesti problematici. Distinguere tra eventi indipendenti e non. Valutare criticamente le informazioni

Dettagli

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile Problemi connessi all utilizzo di un numero di bit limitato Abbiamo visto quali sono i vantaggi dell utilizzo della rappresentazione in complemento alla base: corrispondenza biunivoca fra rappresentazione

Dettagli

CURVE DI LIVELLO. Per avere informazioni sull andamento di una funzione f : D IR n IR può essere utile considerare i suoi insiemi di livello.

CURVE DI LIVELLO. Per avere informazioni sull andamento di una funzione f : D IR n IR può essere utile considerare i suoi insiemi di livello. CURVE DI LIVELLO Per avere informazioni sull andamento di una funzione f : D IR n IR può essere utile considerare i suoi insiemi di livello. Definizione. Si chiama insieme di livello k della funzione f

Dettagli

DI D AGRA R MM M I M A BLOCC C H C I TEORI R A E D D E SERC R I C ZI 1 1

DI D AGRA R MM M I M A BLOCC C H C I TEORI R A E D D E SERC R I C ZI 1 1 DIAGRAMMI A BLOCCHI TEORIA ED ESERCIZI 1 1 Il linguaggio dei diagrammi a blocchi è un possibile formalismo per la descrizione di algoritmi Il diagramma a blocchi, o flowchart, è una rappresentazione grafica

Dettagli

Esercizio 1. Svolgimento

Esercizio 1. Svolgimento Esercizio 1 Vengono lanciate contemporaneamente 6 monete. Si calcoli: a) la probabilità che si presentino esattamente 2 testa ; b) la probabilità di ottenere almeno 4 testa ; c) la probabilità che l evento

Dettagli

1 Il criterio Paretiano e la "Nuova economia del Benessere"

1 Il criterio Paretiano e la Nuova economia del Benessere 1 Il criterio Paretiano e la "Nuova economia del Benessere" 1.1 L aggregazione di preferenze ordinali inconfrontabili e il criterio di Pareto L aggregazione delle preferenze individuali è problematica

Dettagli

ALGEBRA I: CARDINALITÀ DI INSIEMI

ALGEBRA I: CARDINALITÀ DI INSIEMI ALGEBRA I: CARDINALITÀ DI INSIEMI 1. CONFRONTO DI CARDINALITÀ E chiaro a tutti che esistono insiemi finiti cioè con un numero finito di elementi) ed insiemi infiniti. E anche chiaro che ogni insieme infinito

Dettagli

Il concetto di valore medio in generale

Il concetto di valore medio in generale Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo

Dettagli

1 Valore atteso o media

1 Valore atteso o media 1 Valore atteso o media Definizione 1.1. Sia X una v.a., si chiama valore atteso (o media o speranza matematica) il numero, che indicheremo con E[X] o con µ X, definito come E[X] = i x i f(x i ) se X è

Dettagli

Flusso a costo minimo e simplesso su reti

Flusso a costo minimo e simplesso su reti Flusso a costo minimo e simplesso su reti La particolare struttura di alcuni problemi di PL può essere talvolta utilizzata per la progettazione di tecniche risolutive molto più efficienti dell algoritmo

Dettagli

La ricerca operativa

La ricerca operativa S.S.I.S. PUGLIA Anno Accademico 2003/2004 Laboratorio di didattica della matematica per l economia e la finanza La ricerca operativa Prof. Palmira Ronchi (palmira.ronchi@ssis.uniba.it) Gli esercizi presenti

Dettagli

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme 1. L insieme R. Per lo svolgimento del corso risulta particolarmente utile considerare l insieme R = R {, + }, detto anche retta reale estesa, che si ottiene aggiungendo all insieme dei numeri reali R

Dettagli

Sulla monotonia delle funzioni reali di una variabile reale

Sulla monotonia delle funzioni reali di una variabile reale Liceo G. B. Vico - Napoli Sulla monotonia delle funzioni reali di una variabile reale Prof. Giuseppe Caputo Premetto due teoremi come prerequisiti necessari per la comprensione di quanto verrà esposto

Dettagli

Capitolo 9: PROPAGAZIONE DEGLI ERRORI

Capitolo 9: PROPAGAZIONE DEGLI ERRORI Capitolo 9: PROPAGAZIOE DEGLI ERRORI 9.1 Propagazione degli errori massimi ella maggior parte dei casi le grandezze fisiche vengono misurate per via indiretta. Il valore della grandezza viene cioè dedotto

Dettagli

4 Quarta lezione: Spazi di Banach e funzionali lineari. Spazio duale

4 Quarta lezione: Spazi di Banach e funzionali lineari. Spazio duale 4 Quarta lezione: Spazi di Banach e funzionali lineari. Spazio duale Spazi Metrici Ricordiamo che uno spazio metrico è una coppia (X, d) dove X è un insieme e d : X X [0, + [ è una funzione, detta metrica,

Dettagli

Percorsi di matematica per il ripasso e il recupero

Percorsi di matematica per il ripasso e il recupero Giacomo Pagina Giovanna Patri Percorsi di matematica per il ripasso e il recupero 1 per la Scuola secondaria di secondo grado UNITÀ CMPIONE Edizioni del Quadrifoglio à t i n U 1 Insiemi La teoria degli

Dettagli

Corso di Matematica e Statistica 4 Calcolo combinatorio e probabilità. Le disposizioni semplici di n elementi di classe k

Corso di Matematica e Statistica 4 Calcolo combinatorio e probabilità. Le disposizioni semplici di n elementi di classe k Pordenone Corso di Matematica e Statistica 4 Calcolo combinatorio e probabilità UNIVERSITAS STUDIORUM UTINENSIS Giorgio T. Bagni Facoltà di Scienze della Formazione Dipartimento di Matematica e Informatica

Dettagli

Analisi statistica di dati biomedici Analysis of biologicalsignals

Analisi statistica di dati biomedici Analysis of biologicalsignals Analisi statistica di dati biomedici Analysis of biologicalsignals II Parte Verifica delle ipotesi (a) Agostino Accardo (accardo@units.it) Master in Ingegneria Clinica LM in Neuroscienze 2013-2014 e segg.

Dettagli

Capitolo 1 CRITERI DI VALUTAZIONE IN CONDIZIONI DI INCERTEZZA

Capitolo 1 CRITERI DI VALUTAZIONE IN CONDIZIONI DI INCERTEZZA Capitolo 1 CRITERI DI VALUTAZIONE IN CONDIZIONI DI INCERTEZZA 1.1 Introduzione Fino ad ora abbiamo esaminato prevalentemente criteri di valutazione e scelte di investimenti nell ipotesi di operare in condizione

Dettagli

I beni pubblici come causa del fallimento del mercato. Definizioni e caratteristiche

I beni pubblici come causa del fallimento del mercato. Definizioni e caratteristiche I beni pubblici come causa del fallimento del mercato. Definizioni e caratteristiche (versione provvisoria) Marisa Faggini Università di Salerno mfaggini@unisa.it I beni pubblici rappresentano un esempio

Dettagli

Ancora sull indipendenza. Se A e B sono indipendenti allora lo sono anche

Ancora sull indipendenza. Se A e B sono indipendenti allora lo sono anche Ancora sull indipendenza Se A e B sono indipendenti allora lo sono anche A e B Ā e B Ā e B Sfruttiamo le leggi di De Morgan Leggi di De Morgan A B = Ā B A B = Ā B P (Ā B) = P (A B) = 1 P (A B) = 1 (P (A)

Dettagli

Accuratezza di uno strumento

Accuratezza di uno strumento Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente

Dettagli

Stima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una

Dettagli

Equilibrio economico generale e benessere

Equilibrio economico generale e benessere Scambio Equilibrio economico generale e benessere Equilibrio economico generale e benessere (KR 12 + NS 8) Dipartimento di Economia Politica Università di Milano Bicocca Outline Scambio 1 Scambio 2 3 4

Dettagli

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE 1 DIPENDENZA E INDIPENDENZA LINEARE Se ho alcuni vettori v 1, v 2,, v n in uno spazio vettoriale V, il sottospazio 1 W = v 1,, v n di V da loro generato è

Dettagli

CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1

CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1 1.1 Che cos è un algoritmo CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1 Gli algoritmi sono metodi per la soluzione di problemi. Possiamo caratterizzare un problema mediante i dati di cui si dispone all inizio

Dettagli

Aste a valore privato, comune e affiliato

Aste a valore privato, comune e affiliato Aste a valore privato, comune e affiliato Siano: V i = il valore di mercato che il bidder i assegna al bene v i = la valutazione soggettiva del bene, da parte dell i-esimo bidder In un asta a valore privato,

Dettagli

STRUMENTI DI ANALISI E DI INTERPRETAZIONE DEI PROBLEMI: LE TECNICHE DI PROBLEM SOLVING

STRUMENTI DI ANALISI E DI INTERPRETAZIONE DEI PROBLEMI: LE TECNICHE DI PROBLEM SOLVING STRUMENTI DI ANALISI E DI INTERPRETAZIONE DEI PROBLEMI: LE TECNICHE DI PROBLEM SOLVING Gianna Maria Agnelli Psicologa Clinica e Psicoterapeuta Clinica del Lavoro "Luigi Devoto Fondazione IRCCS Ospedale

Dettagli

La scelta razionale del consumatore (Frank - Capitolo 3)

La scelta razionale del consumatore (Frank - Capitolo 3) La scelta razionale del consumatore (Frank - Capitolo 3) L'INSIEME OPPORTUNITÁ E IL VINCOLO DI BILANCIO Un paniere di beni rappresenta una combinazione di beni o servizi Il vincolo di bilancio o retta

Dettagli

FORWARD RATE AGREEMENT

FORWARD RATE AGREEMENT FORWARD RATE AGREEMENT FLAVIO ANGELINI. Definizioni In generale, un contratto a termine o forward permette una compravendita di una certa quantità di un bene differita a una data futura a un prezzo fissato

Dettagli

APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI

APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI Indice 1 Le frazioni algebriche 1.1 Il minimo comune multiplo e il Massimo Comun Divisore fra polinomi........ 1. Le frazioni algebriche....................................

Dettagli

8. Qual è la probabilità di estrarre da un mazzo di 40 carte napoletane una figura?

8. Qual è la probabilità di estrarre da un mazzo di 40 carte napoletane una figura? www.matematicamente.it Probabilità 1 Calcolo delle probabilità Cognome e nome: Classe Data 1. Quali affermazioni sono vere? A. Un evento impossibile ha probabilità 1 B. Un vento certo ha probabilità 0

Dettagli

OGNI SPAZIO VETTORIALE HA BASE

OGNI SPAZIO VETTORIALE HA BASE 1 Mimmo Arezzo OGNI SPAZIO VETTORIALE HA BASE CONVERSAZIONE CON ALCUNI STUDENTI DI FISICA 19 DICEMBRE 2006 2 1 Preliminari Definizione 1.0.1 Un ordinamento parziale (o una relazione d ordine parziale)

Dettagli

I numeri reali. Note per il corso di Analisi Matematica 1. G. Mauceri. a.a. 2003-04

I numeri reali. Note per il corso di Analisi Matematica 1. G. Mauceri. a.a. 2003-04 I numeri reali Note per il corso di Analisi Matematica 1 G. Mauceri a.a. 2003-04 2 I numeri reali Contents 1 Introduzione 3 2 Gli assiomi di campo 3 3 Gli assiomi dell ordine 4 4 Valore assoluto 5 5 I

Dettagli

APPUNTI DI MATEMATICA GLI INSIEMI NUMERICI

APPUNTI DI MATEMATICA GLI INSIEMI NUMERICI APPUNTI DI MATEMATICA GLI INSIEMI NUMERICI I numeri naturali I numeri interi I numeri razionali Teoria degli insiemi (cenni) ALESSANDRO BOCCONI Indice 1 L insieme N dei numeri naturali 4 1.1 Introduzione.........................................

Dettagli

La variabile casuale Binomiale

La variabile casuale Binomiale La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola

Dettagli

COOPERAZIONE INTERNAZIONALE E INTERDIPENDENZA ECONOMICA

COOPERAZIONE INTERNAZIONALE E INTERDIPENDENZA ECONOMICA Coop intern - 1 COOPERAZIONE INTERNAZIONALE E INTERDIPENDENZA ECONOMICA VARIE ACCEZIONI DEL TERMINE COOPERAZIONE INTERNAZIONALE CONSULTAZIONE TRA STATI COORDINAMENTO STRETTO DELLE POLITICHE COORDINAMENTO:

Dettagli

Gli uni e gli altri. Strategie in contesti di massa

Gli uni e gli altri. Strategie in contesti di massa Gli uni e gli altri. Strategie in contesti di massa Alessio Porretta Universita di Roma Tor Vergata Gli elementi tipici di un gioco: -un numero di agenti (o giocatori): 1,..., N -Un insieme di strategie

Dettagli

Elementi di Statistica

Elementi di Statistica Elementi di Statistica Contenuti Contenuti di Statistica nel corso di Data Base Elementi di statistica descrittiva: media, moda, mediana, indici di dispersione Introduzione alle variabili casuali e alle

Dettagli

MATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni.

MATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni. MATEMATICA. Sistemi lineari in due equazioni due incognite. Date due equazioni lineari nelle due incognite x, y come ad esempio { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un

Dettagli

ALGEBRA I: NUMERI INTERI, DIVISIBILITÀ E IL TEOREMA FONDAMENTALE DELL ARITMETICA

ALGEBRA I: NUMERI INTERI, DIVISIBILITÀ E IL TEOREMA FONDAMENTALE DELL ARITMETICA ALGEBRA I: NUMERI INTERI, DIVISIBILITÀ E IL TEOREMA FONDAMENTALE DELL ARITMETICA 1. RICHIAMI SULLE PROPRIETÀ DEI NUMERI NATURALI Ho mostrato in un altra dispensa come ricavare a partire dagli assiomi di

Dettagli

ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE

ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE Sia I un intervallo di R e siano a = inf(i) R { } e b = sup(i) R {+ }; i punti di I diversi dagli estremi a e b, ( e quindi appartenenti all intervallo aperto

Dettagli

VC-dimension: Esempio

VC-dimension: Esempio VC-dimension: Esempio Quale è la VC-dimension di. y b = 0 f() = 1 f() = 1 iperpiano 20? VC-dimension: Esempio Quale è la VC-dimension di? banale. Vediamo cosa succede con 2 punti: 21 VC-dimension: Esempio

Dettagli

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE 1. EQUAZIONI Definizione: un equazione è un uguaglianza tra due espressioni letterali (cioè in cui compaiono numeri, lettere

Dettagli

STUDIO DI UNA FUNZIONE

STUDIO DI UNA FUNZIONE STUDIO DI UNA FUNZIONE OBIETTIVO: Data l equazione Y = f(x) di una funzione a variabili reali (X R e Y R), studiare l andamento del suo grafico. PROCEDIMENTO 1. STUDIO DEL DOMINIO (CAMPO DI ESISTENZA)

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioni di Statistica Test d ipotesi sul valor medio e test χ 2 di adattamento Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si supponga che il diametro degli anelli metallici prodotti

Dettagli

FUNZIONI CONVESSE. + e x 0

FUNZIONI CONVESSE. + e x 0 FUNZIONI CONVESSE Sia I un intervallo aperto di R (limitato o illimitato) e sia f(x) una funzione definita in I. Dato x 0 I, la retta r passante per il punto P 0 (x 0, f(x 0 )) di equazione y = f(x 0 )

Dettagli

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco ANALISI DI SITUAZIONE - LIVELLO COGNITIVO La classe ha dimostrato fin dal primo momento grande attenzione e interesse verso gli

Dettagli

Quando troncare uno sviluppo in serie di Taylor

Quando troncare uno sviluppo in serie di Taylor Quando troncare uno sviluppo in serie di Taylor Marco Robutti October 13, 2014 Lo sviluppo in serie di Taylor di una funzione è uno strumento matematico davvero molto utile, e viene spesso utilizzato in

Dettagli

risparmio, dove lo metto ora? le risposte alle domande che i risparmiatori si pongono sul mondo dei fondi

risparmio, dove lo metto ora? le risposte alle domande che i risparmiatori si pongono sul mondo dei fondi il risparmio, dove lo ora? metto le risposte alle domande che i risparmiatori si pongono sul mondo dei fondi Vademecum del risparmiatore le principali domande emerse da una recente ricerca di mercato 1

Dettagli

Corso di Matematica finanziaria

Corso di Matematica finanziaria Corso di Matematica finanziaria modulo "Fondamenti della valutazione finanziaria" Eserciziario di Matematica finanziaria Università degli studi Roma Tre 2 Esercizi dal corso di Matematica finanziaria,

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO 2006 Indirizzo Scientifico Tecnologico Progetto Brocca

ESAME DI STATO DI LICEO SCIENTIFICO 2006 Indirizzo Scientifico Tecnologico Progetto Brocca ESAME DI STATO DI LICEO SCIENTIFICO 2006 Indirizzo Scientifico Tecnologico Progetto Brocca Trascrizione del testo e redazione delle soluzioni di Paolo Cavallo. La prova Il candidato svolga una relazione

Dettagli

Guido Candela, Paolo Figini - Economia del turismo, 2ª edizione

Guido Candela, Paolo Figini - Economia del turismo, 2ª edizione 8.2.4 La gestione finanziaria La gestione finanziaria non dev essere confusa con la contabilità: quest ultima, infatti, ha come contenuto proprio le rilevazioni contabili e il reperimento dei dati finanziari,

Dettagli

COME MASSIMIZZARE UNA FUNZIONE DI UTILITÀ

COME MASSIMIZZARE UNA FUNZIONE DI UTILITÀ icroeconomia Douglas Bernheim, ichael Whinston Copyright 009 The cgraw-hill Companies srl COE ASSIIZZARE UNA FUNZIONE DI UTILITÀ Supponiamo che il reddito mensile di Elena sia pari a Y e sia interamente

Dettagli

1. Intorni di un punto. Punti di accumulazione.

1. Intorni di un punto. Punti di accumulazione. 1. Intorni di un punto. Punti di accumulazione. 1.1. Intorni circolari. Assumiamo come distanza di due numeri reali x e y il numero non negativo x y (che, come sappiamo, esprime la distanza tra i punti

Dettagli

Funzione reale di variabile reale

Funzione reale di variabile reale Funzione reale di variabile reale Siano A e B due sottoinsiemi non vuoti di. Si chiama funzione reale di variabile reale, di A in B, una qualsiasi legge che faccia corrispondere, a ogni elemento A x A

Dettagli

Codifica dei numeri negativi

Codifica dei numeri negativi E. Calabrese: Fondamenti di Informatica Rappresentazione numerica-1 Rappresentazione in complemento a 2 Codifica dei numeri negativi Per rappresentare numeri interi negativi si usa la cosiddetta rappresentazione

Dettagli

Consideriamo due polinomi

Consideriamo due polinomi Capitolo 3 Il luogo delle radici Consideriamo due polinomi N(z) = (z z 1 )(z z 2 )... (z z m ) D(z) = (z p 1 )(z p 2 )... (z p n ) della variabile complessa z con m < n. Nelle problematiche connesse al

Dettagli

2 Formulazione dello shortest path come problema di flusso

2 Formulazione dello shortest path come problema di flusso Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10 Lecture 20: 28 Maggio 2010 Cycle Monotonicity Docente: Vincenzo Auletta Note redatte da: Annibale Panichella Abstract In questa lezione

Dettagli

Funzioni in più variabili

Funzioni in più variabili Funzioni in più variabili Corso di Analisi 1 di Andrea Centomo 27 gennaio 2011 Indichiamo con R n, n 1, l insieme delle n-uple ordinate di numeri reali R n4{(x 1, x 2,,x n ), x i R, i =1,,n}. Dato X R

Dettagli

La Bella Addormentata e altre illusioni probabilistiche. volcic@unical.it

La Bella Addormentata e altre illusioni probabilistiche. volcic@unical.it La Bella Addormentata e altre illusioni probabilistiche Aljoša Volčič volcic@unical.it Firenze, 25 novembre 2009 1 Che cosa è la probabilità? La probabilità di un evento A è la misura del grado di fiducia

Dettagli

Economia del Lavoro 2010

Economia del Lavoro 2010 Economia del Lavoro 2010 Capitolo 1-3 Offerta di lavoro -Le preferenze del lavoratore 1 Offerta di lavoro Le preferenze del lavoratore Il comportamento dell offerta di lavoro è analizzato dagli economisti

Dettagli

I CRITERI DI VALUTAZIONE DELLE POSTE DI BILANCIO: una breve disamina sul fair value

I CRITERI DI VALUTAZIONE DELLE POSTE DI BILANCIO: una breve disamina sul fair value I CRITERI DI VALUTAZIONE DELLE POSTE DI BILANCIO: una breve disamina sul fair value A cura Alessio D'Oca Premessa Nell ambito dei principi che orientano la valutazione del bilancio delle società uno dei

Dettagli

UTILIZZO DEI METODI MULTICRITERI O MULTIOBIETTIVI NELL OFFERTA ECONOMICAMENTE PIÙ VANTAGGIOSA. Filippo Romano 1

UTILIZZO DEI METODI MULTICRITERI O MULTIOBIETTIVI NELL OFFERTA ECONOMICAMENTE PIÙ VANTAGGIOSA. Filippo Romano 1 UTILIZZO DEI METODI MULTICRITERI O MULTIOBIETTIVI NELL OFFERTA ECONOMICAMENTE PIÙ VANTAGGIOSA Filippo Romano 1 1. Introduzione 2. Analisi Multicriteri o Multiobiettivi 2.1 Formule per l attribuzione del

Dettagli

LA RICERCA DI DIO. Il vero aspirante cerca la conoscenza diretta delle realtà spirituali

LA RICERCA DI DIO. Il vero aspirante cerca la conoscenza diretta delle realtà spirituali LA RICERCA DI DIO Gradi della fede in Dio La maggior parte delle persone non sospetta nemmeno la reale esistenza di Dio, e naturalmente non s interessa molto a Dio. Ce ne sono altre che, sotto l influsso

Dettagli

razionali Figura 1. Rappresentazione degli insiemi numerici Numeri reali algebrici trascendenti frazionari decimali finiti

razionali Figura 1. Rappresentazione degli insiemi numerici Numeri reali algebrici trascendenti frazionari decimali finiti 4. Insiemi numerici 4.1 Insiemi numerici Insieme dei numeri naturali = {0,1,,3,,} Insieme dei numeri interi relativi = {..., 3,, 1,0, + 1, +, + 3, } Insieme dei numeri razionali n 1 1 1 1 = : n, m \{0}

Dettagli

Se fossi donna... Se fossi donna... Se fossi donna... Se fossi donna... Se fossi donna...

Se fossi donna... Se fossi donna... Se fossi donna... Se fossi donna... Se fossi donna... Se fossi donna molto probabilmente avrei un comportamento diverso. Il mio andamento scolastico non è dei migliori forse a causa dei miei interessi (calcio,videogiochi, wrestling ) e forse mi applicherei

Dettagli

Calcolo combinatorio

Calcolo combinatorio Probabilità e Statistica Esercitazioni a.a. 2009/2010 C.d.L.S.: Ingegneria Civile-Architettonico, Ingegneria Civile-Strutturistico Calcolo combinatorio Ines Campa e Marco Longhi Probabilità e Statistica

Dettagli

PROGRAMMAZIONE LINEARE IN DUE VARIABILI

PROGRAMMAZIONE LINEARE IN DUE VARIABILI 1 PROGRAMMAZIONE LINEARE IN DUE VARIABILI La ricerca operativa nata durante la seconda guerra mondiale ed utilizzata in ambito militare, oggi viene applicata all industria, nel settore pubblico e nell

Dettagli

A i è un aperto in E. i=1

A i è un aperto in E. i=1 Proposizione 1. A è aperto se e solo se A c è chiuso. Dimostrazione. = : se x o A c, allora x o A = A o e quindi esiste r > 0 tale che B(x o, r) A; allora x o non può essere di accumulazione per A c. Dunque

Dettagli

Teoria degli insiemi

Teoria degli insiemi Teoria degli insiemi pag 1 Easy Matematica di dolfo Scimone Teoria degli insiemi Il concetto di insieme si assume come primitivo, cioè non riconducibile a concetti precedentemente definiti. Sinonimi di

Dettagli