Prospect Theory. Il modello.
|
|
- Sabrina Giordano
- 5 anni fa
- Visualizzazioni
Transcript
1 Prospect Theory. Il modello. andrea 3 marzo 2010
2 1 Obiettivo 2 Editing 3 Valutazione 4 Valore degli esiti 5 Pesi di decisione 6 Discussione
3 Obiettivo Cerchiamo un modello descrittivo del comportamento decisionale delle persone reali.
4 Obiettivo Cerchiamo un modello descrittivo del comportamento decisionale delle persone reali. Conserviamo il piú possibile del modello classico.
5 Obiettivo Cerchiamo un modello descrittivo del comportamento decisionale delle persone reali. Conserviamo il piú possibile del modello classico. Il modello deve predire le tendenze osservate negli esperimenti.
6 Che cosa vogliamo? Tendenze osservate negli esperimenti Dagli esperimenti abbiamo ricavato queste informazioni: i riscontri incrociati mostrano che le preferenze manifestate dagli intervistati sono incoerenti secondo la teoria dell utilità prevista; nelle lotterie positive, gli intervistati rivelano avversione al rischio, preferendo una vincita piú bassa, ma sicura, ad una piú alta, ma soltanto probabile (effetto della certezza); nelle lotterie negative, le preferenze sono speculari (effetto di riflessione): gli intervistati ricercano il rischio, preferendo una perdita maggiore, ma soltanto probabile, ad una sicura perdita minore;
7 Che cosa vogliamo? Tendenze osservate negli esperimenti la concavità di U non basta a spiegare il comportamento degli intervistati di fronte al rischio (assicurazione probabilistica); la rappresentazione del problema è fondamentale: sembra che le caratteristiche comuni a due opzioni siano trascurate (effetto di isolamento); gli esiti delle lotterie sono avvertiti come vincite o perdite, e non come stati finali di ricchezza (quindi U è una funzione di vincite e perdite); le persone reali sembrano piú sensibili alle perdite che alle vincite: avversione alla perdita.
8 Oggi cerchiamo un modello nuovo, che tenga conto di tutto ciò!
9 Due fasi Il modello proposto da Kahneman e Tverksy [KT79] si chiama Prospect Theory. Secondo questo modello: Importante Il processo decisionale si articola in due fasi:
10 Due fasi Il modello proposto da Kahneman e Tverksy [KT79] si chiama Prospect Theory. Secondo questo modello: Importante Il processo decisionale si articola in due fasi: a) una fase di rielaborazione (editing)
11 Due fasi Il modello proposto da Kahneman e Tverksy [KT79] si chiama Prospect Theory. Secondo questo modello: Importante Il processo decisionale si articola in due fasi: a) una fase di rielaborazione (editing) b) una fase di valutazione
12 Nei problemi degli esperimenti... a) All agente sono proposte due lotterie A e B.
13 Nei problemi degli esperimenti... a) All agente sono proposte due lotterie A e B. b) L agente svolge alcune operazioni preliminari su A e B, per semplificarne la valutazione (editing). I risultati sono le lotterie A, B.
14 Nei problemi degli esperimenti... a) All agente sono proposte due lotterie A e B. b) L agente svolge alcune operazioni preliminari su A e B, per semplificarne la valutazione (editing). I risultati sono le lotterie A, B. c) L agente valuta A e B e sceglie.
15 Fase di editing Inizio Leggi A, B Rielabora A A B B Valuta: A B? No Scegli A Sí Scegli B Fine
16 Fase di valutazione Inizio Leggi A, B Rielabora A A B B Valuta: A B? No Scegli A Sí Scegli B Fine
17 Analisi preliminare delle lotterie Alcune operazioni Un elenco delle operazioni piú importanti (ma non sono svolte tutte ogni volta!):
18 Analisi preliminare delle lotterie Alcune operazioni Un elenco delle operazioni piú importanti (ma non sono svolte tutte ogni volta!): codifica: gli esiti sono registrati come perdite o vincite rispetto a un punto di riferimento fissato
19 Analisi preliminare delle lotterie Alcune operazioni Un elenco delle operazioni piú importanti (ma non sono svolte tutte ogni volta!): codifica: gli esiti sono registrati come perdite o vincite rispetto a un punto di riferimento fissato (per fissare il punto di riferimento, è rilevante la formulazione del problema framing);
20 Analisi preliminare delle lotterie Alcune operazioni Un elenco delle operazioni piú importanti (ma non sono svolte tutte ogni volta!): codifica: gli esiti sono registrati come perdite o vincite rispetto a un punto di riferimento fissato (per fissare il punto di riferimento, è rilevante la formulazione del problema framing); combinazione: le probabilità di esiti identici sono sommate, e.g. diventa (200, 0.25; 200, 0.25; 0, 0.50) (200, 0.50; 0, 0.50);
21 Analisi preliminare delle lotterie Alcune operazioni estrazione: si estrae la componente sicura della lotteria, che viene valutata a parte, e.g. diventa (300, 0.80; 200, 0.20) (200, 1) + (100, 0.80; 0, 0.20);
22 Analisi preliminare delle lotterie Alcune operazioni estrazione: si estrae la componente sicura della lotteria, che viene valutata a parte, e.g. diventa (300, 0.80; 200, 0.20) (200, 1) + (100, 0.80; 0, 0.20); isolamento: le componenti comuni alle lotterie sono cancellate, e.g. la scelta fra (200, 0.20; 100, 0.50; 50, 0.30) (200, 0.20; 150, 0.50; 100, 0.30) diventa la scelta tra (100, 0.50; (150, 0.50; 100, 0.30); 50, 0.30) e
23 Analisi preliminare delle lotterie Alcune operazioni semplificazione: i numeri sono arrotondati (in particolare, gli esiti estremamente improbabili sono trascurati);
24 Analisi preliminare delle lotterie Alcune operazioni semplificazione: i numeri sono arrotondati (in particolare, gli esiti estremamente improbabili sono trascurati); individuazione delle alternative dominate, che vengono subito scartate.
25 Effetti dell editing Le lotterie che le persone valutano non sono piú quelle offerte dai problemi.
26 Effetti dell editing Le lotterie che le persone valutano non sono piú quelle offerte dai problemi. Il problema viene rappresentato diversamente, a seconda dell ordine delle operazioni preliminari sulle lotterie.
27 Effetti dell editing Le lotterie che le persone valutano non sono piú quelle offerte dai problemi. Il problema viene rappresentato diversamente, a seconda dell ordine delle operazioni preliminari sulle lotterie. Le operazioni preliminari sulle lotterie giustificano alcune anomalie (e.g., isolamento).
28 Ricapitoliamo Inizio Leggi A, B - codifica - combinazione - estrazione - isolamento - semplificazione - scarto delle opzioni dominate A B? Sí No Scegli A Scegli B Fine Le operazioni di editing (codifica, combinazione, ecc.) trasformano A in A e B in B.
29 Valutazione delle lotterie Idea Manteniamo il piú possibile del modello classico: il valore V di una lotteria (x 1, p 1 ;... ; x n, p n ) è una funzione lineare dei valori soggettivi degli esiti x i, ciascuno pesato per un peso di decisione π(p i ). Per definire V, usiamo pertanto due funzioni: a) una funzione di valore degli esiti v : {x 1,..., x n } R b) una funzione che pesa le probabilità. π : {p 1,..., p n } R
30 Valutazione delle lotterie Nota bene La scelta fra due lotterie rimane vincolata a un criterio di massimizzazione: infatti se e solo se (x 1, p 1 ;... ; x n, p n ) (y 1, q 1 ;... ; y m, q m ) V (x 1, p 1 ;... ; x n, p n ) V (y 1, q 1 ;... ; y m, q m )
31 Osservazioni generali Il peso di decisione π(p) dipende unicamente dalla probabilità p (a differenza di [TK92]).
32 Osservazioni generali Il peso di decisione π(p) dipende unicamente dalla probabilità p (a differenza di [TK92]). La funzione π non è una funzione di probabilità; in generale, π(p) + π(1 p) 1.
33 Osservazioni generali Il peso di decisione π(p) dipende unicamente dalla probabilità p (a differenza di [TK92]). La funzione π non è una funzione di probabilità; in generale, π(p) + π(1 p) 1. π(p) rappresenta l impatto della probabilità p nella valutazione della decisione (peso di decisione).
34 Osservazioni generali Il peso di decisione π(p) dipende unicamente dalla probabilità p (a differenza di [TK92]). La funzione π non è una funzione di probabilità; in generale, π(p) + π(1 p) 1. π(p) rappresenta l impatto della probabilità p nella valutazione della decisione (peso di decisione). v è una funzione sugli esiti di una lotteria (vincite o perdite), che assegna ad ogni esito il suo valore soggettivo.
35 Osservazioni generali Il peso di decisione π(p) dipende unicamente dalla probabilità p (a differenza di [TK92]). La funzione π non è una funzione di probabilità; in generale, π(p) + π(1 p) 1. π(p) rappresenta l impatto della probabilità p nella valutazione della decisione (peso di decisione). v è una funzione sugli esiti di una lotteria (vincite o perdite), che assegna ad ogni esito il suo valore soggettivo. Prendiamo come zero nella scala dei valori il punto di riferimento rispetto a cui gli esiti sono vincite o perdite: v(0) = 0.
36 Avvertenza D ora in poi, consideriamo solo lotterie monetarie semplici, con al piú due esiti non nulli: (x, p; y, q), con p + q 1. Cioè, consideriamo solo le lotterie del tipo: x con probabilità p y con probabilità q 0 con probabilità 1 p q
37 Distinguiamo i due casi: a) lotterie miste, in cui non ci sono solo vincite nette o perdite nette (p + q < 1 o xy < 0); b) lotterie in cui ci sono o solo vincite nette, o solo perdite nette (p + q = 1 e xy > 0).
38 Lotterie miste (non solo vincite o perdite nette) Valore della lotteria Il valore di una lotteria mista (x, p; y, q) è V (x, p; y, q) = v(x) π(p) + v(y) π(q), cioè la somma dei valori soggettivi degli esiti, ciascuno pesato per il peso di decisione della sua probabilità.
39 Lotterie miste (non solo vincite o perdite nette) Valore della lotteria Il valore di una lotteria mista (x, p; y, q) è V (x, p; y, q) = v(x) π(p) + v(y) π(q), cioè la somma dei valori soggettivi degli esiti, ciascuno pesato per il peso di decisione della sua probabilità. È il modello dell utilità prevista generalizzato!
40 Lotterie con solo vincite nette (o perdite nette) Valore della lotteria Il valore di una lotteria strettamente positiva o strettamente negativa (x, p; y, q), con y < x, è: V (x, p; y, q) = v(y) + ( v(x) v(y) ) π(p), cioè il valore soggettivo della vincita (o perdita) sicura, piú il valore della lotteria rischiosa (x y, p; 0, q).
41 Lotterie con solo vincite nette (o perdite nette) Valore della lotteria Il valore di una lotteria strettamente positiva o strettamente negativa (x, p; y, q), con y < x, è: V (x, p; y, q) = v(y) + ( v(x) v(y) ) π(p), cioè il valore soggettivo della vincita (o perdita) sicura, piú il valore della lotteria rischiosa (x y, p; 0, q). La componente sicura della lotteria è estratta nella fase di editing ( effetto di isolamento), e il valore della lotteria rischiosa è calcolato a parte.
42 Ricapitoliamo Inizio Leggi A, B - codifica - combinazione - estrazione - isolamento - semplificazione - scarto delle opzioni dominate V (A ) V (B )? Sí No Scegli A Scegli B Fine Le operazioni di editing (codifica, combinazione, ecc.) trasformano A in A e B in B.
43 Osservazioni
44 Osservazioni Le due equazioni V (x, p; y, q) = v(x) π(p) + v(y) π(q) (1) V (x, p; y, q) = v(y) + ( v(x) v(y) ) π(p) (2) hanno una forma molto simile a quella dell utilità prevista, V (x, p; y, q) = U(x) p + U(y) q.
45 Osservazioni Le due equazioni V (x, p; y, q) = v(x) π(p) + v(y) π(q) (1) V (x, p; y, q) = v(y) + ( v(x) v(y) ) π(p) (2) hanno una forma molto simile a quella dell utilità prevista, V (x, p; y, q) = U(x) p + U(y) q. Prima differenza: il valore v degli esiti è una funzione di vincite e perdite, non di stati finali di ricchezza (com è U).
46 Osservazioni Le due equazioni V (x, p; y, q) = v(x) π(p) + v(y) π(q) (1) V (x, p; y, q) = v(y) + ( v(x) v(y) ) π(p) (2) hanno una forma molto simile a quella dell utilità prevista, V (x, p; y, q) = U(x) p + U(y) q. Prima differenza: il valore v degli esiti è una funzione di vincite e perdite, non di stati finali di ricchezza (com è U). Seconda differenza: i valori degli esiti x i non sono pesati per le probabilità p i, ma per dei pesi di decisione π(p i ), che non sono probabilità.
47 Osservazioni Le due equazioni V (x, p; y, q) = v(x) π(p) + v(y) π(q) (1) V (x, p; y, q) = v(y) + ( v(x) v(y) ) π(p) (2) hanno una forma molto simile a quella dell utilità prevista, V (x, p; y, q) = U(x) p + U(y) q. Prima differenza: il valore v degli esiti è una funzione di vincite e perdite, non di stati finali di ricchezza (com è U). Seconda differenza: i valori degli esiti x i non sono pesati per le probabilità p i, ma per dei pesi di decisione π(p i ), che non sono probabilità. Da ciò seguono scelte normativamente inaccettabili! Lo standard normativo rimane il modello dell utilità prevista.
48 Cambiamenti di ricchezza Dagli esperimenti Le persone valutano i cambiamenti di ricchezza (vincite o perdite), non gli stati finali di ricchezza.
49 Cambiamenti di ricchezza Dagli esperimenti Le persone valutano i cambiamenti di ricchezza (vincite o perdite), non gli stati finali di ricchezza. La sensibilità ai mutamenti, piuttosto che agli stati finali, è una caratteristica di molti meccanismi percettivi (e.g., la temperatura al tatto).
50 Cambiamenti di ricchezza Dagli esperimenti Le persone valutano i cambiamenti di ricchezza (vincite o perdite), non gli stati finali di ricchezza. La sensibilità ai mutamenti, piuttosto che agli stati finali, è una caratteristica di molti meccanismi percettivi (e.g., la temperatura al tatto). La posizione iniziale altera il valore delle vincite e delle perdite: per ogni posizione iniziale, una funzione v diversa.
51 Tre fatti
52 Tre fatti a) La concavità di U non spiega il comportamento osservato negli esperimenti ( assicurazione probabilistica).
53 Tre fatti a) La concavità di U non spiega il comportamento osservato negli esperimenti ( assicurazione probabilistica). b) Ma il valore di una vincita sicura di xp + y(1 p) è superiore al valore della lotteria (x, p; y, 1 p), che ha la stessa vincita prevista: V (xp + y(1 p), 1) > V (x, p; y, 1 p) ( effetto della certezza, avversione al rischio).
54 Tre fatti a) La concavità di U non spiega il comportamento osservato negli esperimenti ( assicurazione probabilistica). b) Ma il valore di una vincita sicura di xp + y(1 p) è superiore al valore della lotteria (x, p; y, 1 p), che ha la stessa vincita prevista: V (xp + y(1 p), 1) > V (x, p; y, 1 p) ( effetto della certezza, avversione al rischio). c) Viceversa per le perdite: V (xp + y(1 p), 1) < V (x, p; y, 1 p) ( effetto di riflessione, ricerca del rischio).
55 Attenzione Stavolta, ciò non dice ancora nulla sulla forma di v. Ma: nella percezione, succede che la risposta psicologica sia una funzione concava dell ampiezza dello stimolo (la sensibilità diminuisce, con l ampiezza dello stimolo); le persone sentono piú differenza tra vincere 100 e vincere 200, che tra vincere 1100 e vincere 1200; le persone sentono piú differenza tra perdere 100 e perdere 200, che tra perdere 1100 e perdere 1200.
56 Convessità e concavità di v Nuova ipotesi La funzione di valore v è una funzione:
57 Convessità e concavità di v Nuova ipotesi La funzione di valore v è una funzione: a) dei cambiamenti di ricchezza (vincite o perdite),
58 Convessità e concavità di v Nuova ipotesi La funzione di valore v è una funzione: a) dei cambiamenti di ricchezza (vincite o perdite), b) crescente (v > 0),
59 Convessità e concavità di v Nuova ipotesi La funzione di valore v è una funzione: a) dei cambiamenti di ricchezza (vincite o perdite), b) crescente (v > 0), c) convessa sulle perdite (v (x) > 0 per x < 0),
60 Convessità e concavità di v Nuova ipotesi La funzione di valore v è una funzione: a) dei cambiamenti di ricchezza (vincite o perdite), b) crescente (v > 0), c) convessa sulle perdite (v (x) > 0 per x < 0), d) con un punto di flesso per x = 0, e
61 Convessità e concavità di v Nuova ipotesi La funzione di valore v è una funzione: a) dei cambiamenti di ricchezza (vincite o perdite), b) crescente (v > 0), c) convessa sulle perdite (v (x) > 0 per x < 0), d) con un punto di flesso per x = 0, e e) concava sulle vincite (v (x) < 0 per x > 0).
62 Confronta con l ipotesi classica Ipotesi classica La funzione di utilità U è una funzione: a) degli stati finali di ricchezza, b) crescente (U > 0), e c) (ovunque) concava (U < 0).
63 L utilità U (classica) Figura: da
64 La funzione di valore v Figura: [KT79, 279]. La curva è convessa sulle perdite e concava sulle vincite.
65 Un esperimento per verificare quest ipotesi: Problema 13 Scegli fra: A = (6000, 0.25; 0, 0.75) B = (4000, 0.25; 2000, 0.25; 0, 0.50) Problema 13 Scegli fra: C = ( 6000, 0.25; 0, 0.75) D = ( 4000, 0.25; 2000, 0.25; 0, 0.50)
66 Un esperimento per verificare quest ipotesi: Problema 13 Scegli fra: A = (6000, 0.25; 0, 0.75) 18% B = (4000, 0.25; 2000, 0.25; 0, 0.50) 82% Problema 13 Scegli fra: C = ( 6000, 0.25; 0, 0.75) 70% D = ( 4000, 0.25; 2000, 0.25; 0, 0.50) 30%
67 Ricordiamo che V (x, p; y, q) = v(x) π(p) + v(y) π(q) per le lotterie miste. Perciò:
68 Ricordiamo che V (x, p; y, q) = v(x) π(p) + v(y) π(q) per le lotterie miste. Perciò: v(6000) π(0.25) < v(4000) π(0.25) + v(2000) π(0.25)
69 Ricordiamo che V (x, p; y, q) = v(x) π(p) + v(y) π(q) per le lotterie miste. Perciò: v(6000) π(0.25) < v(4000) π(0.25) + v(2000) π(0.25) cioè v(6000) < v(4000) + v(2000), in accordo con la concavità di v sulle vincite;
70 Ricordiamo che V (x, p; y, q) = v(x) π(p) + v(y) π(q) per le lotterie miste. Perciò: v(6000) π(0.25) < v(4000) π(0.25) + v(2000) π(0.25) cioè v(6000) < v(4000) + v(2000), in accordo con la concavità di v sulle vincite; v( 6000) π(0.25) > v( 4000) π(0.25) + v( 2000) π(0.25)
71 Ricordiamo che V (x, p; y, q) = v(x) π(p) + v(y) π(q) per le lotterie miste. Perciò: v(6000) π(0.25) < v(4000) π(0.25) + v(2000) π(0.25) cioè v(6000) < v(4000) + v(2000), in accordo con la concavità di v sulle vincite; v( 6000) π(0.25) > v( 4000) π(0.25) + v( 2000) π(0.25) cioè v( 6000) > v( 4000) + v( 2000), in accordo con la convessità di v sulle perdite.
72 Avversione alla perdita Fatto Le persone reali sono piú sensibili alle perdite che alle vincite. Il dispiacere per una perdita è maggiore del piacere per una vincita! Perciò ipotizziamo che la funzione v sia asimmetrica:
73 Avversione alla perdita Fatto Le persone reali sono piú sensibili alle perdite che alle vincite. Il dispiacere per una perdita è maggiore del piacere per una vincita! Perciò ipotizziamo che la funzione v sia asimmetrica: Ipotesi La pendenza della curva di v è maggiore per le perdite che per le vincite, ossia v (x) > v ( x) se x < 0.
74 La funzione di valore v Figura: [KT79, 279]. La curva è asimmetrica rispetto all origine.
75 La funzione di utilità di Markowitz Figura: [Mar52, 154]
76 In sintesi La funzione di valore v La funzione di valore v è una funzione: a) dei cambiamenti di ricchezza (vincite e perdite); b) convessa per le perdite, concava per le vincite; c) piú pendente sulle perdite che sulle vincite.
77 Non probabilità! I pesi di decisione I pesi di decisione
78 Non probabilità! I pesi di decisione I pesi di decisione a) sono rivelati dalle scelte (come le probabilità soggettive di de Finetti); ma
79 Non probabilità! I pesi di decisione I pesi di decisione a) sono rivelati dalle scelte (come le probabilità soggettive di de Finetti); ma b) non sono probabilità, e
80 Non probabilità! I pesi di decisione I pesi di decisione a) sono rivelati dalle scelte (come le probabilità soggettive di de Finetti); ma b) non sono probabilità, e c) non rappresentano gradi di convinzione [KT79, 280].
81 Caratteristiche di π π è una funzione delle probabilità p.
82 Caratteristiche di π π è una funzione delle probabilità p. π è crescente: se q < p, allora π(q) < π(p).
83 Caratteristiche di π π è una funzione delle probabilità p. π è crescente: se q < p, allora π(q) < π(p). π(0) = 0 (= gli esiti che dipendono da eventi impossibili sono trascurati).
84 Caratteristiche di π π è una funzione delle probabilità p. π è crescente: se q < p, allora π(q) < π(p). π(0) = 0 (= gli esiti che dipendono da eventi impossibili sono trascurati). π(1) = 1 (= i pesi sono normalizzati).
85 Sopravvalutazione delle probabilità molto piccole La fortuna dei biglietti del lotto e dei premi di assicurazione manifesta l attrattiva delle grosse vincite molto improbabili l avversione per le grosse perdite molto improbabili. Ad esempio, (5, 1) (5000, 0.01; 0, 0.99) e ( 5000, 0.01; 0, 0.99) ( 5, 1) per almeno il 55% degli intervistati.
86 Sopravvalutazione delle probabilità molto piccole La fortuna dei biglietti del lotto e dei premi di assicurazione manifesta l attrattiva delle grosse vincite molto improbabili l avversione per le grosse perdite molto improbabili. Ad esempio, (5, 1) (5000, 0.01; 0, 0.99) e ( 5000, 0.01; 0, 0.99) ( 5, 1) per almeno il 55% degli intervistati. Ipotesi Le probabilità piccole sono sopravvalutate nelle decisioni, i.e. se p è sufficientemente piccolo. π(p) > p
87 Subcertainty e subproportionality Subcertainty Per ogni p (0, 1), π(p) + π(1 p) < 1. Ciò spiega il paradosso di Allais e l effetto della certezza. Moralmente: le preferenze delle persone reali sono meno sensibili ai cambiamenti di probabilità di quanto non preveda il modello classico.
88 Subcertainty e subproportionality Subproportionality Per p, q, r (0, 1), π(p) π(q) π(pr) π(qr). L ipotesi dell altra volta, che (x, p; 0, 1 p) (y, pq; 0, 1 pq) implicasse (x, pr; 0, 1 pr) (y, pqr; 0, 1 pqr), è una conseguenza!
89 La funzione π Figura: [KT79, 283]. Il comportamento della funzione è irregolare in prossimità degli estremi (effetto della certezza).
90 Avvertenza Questa forma dei pesi di decisione π(p i ), dati da una funzione (non lineare) delle probabilità p i, è abbandonata negli sviluppi successivi di Prospect Theory [TK92].
91 Vincite rischiose Il modello proposto si accorda con certi atteggiamenti verso il rischio:
92 Vincite rischiose Il modello proposto si accorda con certi atteggiamenti verso il rischio: avversione al rischio sulle vincite con probabilità non piccole (= dove π è una funzione quasi lineare della probabilità), per via della concavità di v;
93 Vincite rischiose Il modello proposto si accorda con certi atteggiamenti verso il rischio: avversione al rischio sulle vincite con probabilità non piccole (= dove π è una funzione quasi lineare della probabilità), per via della concavità di v; ricerca del rischio sulle vincite con probabilità molto piccole, per via della sopravvalutazione delle probabilità molto piccole.
94 Perdite rischiose E (simmetricamente):
95 Perdite rischiose E (simmetricamente): ricerca del rischio sulle perdite con probabilità non piccole (= dove π è una funzione quasi lineare della probabilità), per via della convessità di v;
96 Perdite rischiose E (simmetricamente): ricerca del rischio sulle perdite con probabilità non piccole (= dove π è una funzione quasi lineare della probabilità), per via della convessità di v; avversione al rischio sulle perdite con probabilità molto piccole, per via della sopravvalutazione delle probabilità molto piccole.
97 Ricordate l effetto di riflessione? P.3 (4000,0.80) (3000,1) P.3 ( 4000,0.80) ( 3000,1) 20% 80% 92% 8% P.4 (4000,0.20) (3000,0.25) P.4 ( 4000,0.20) ( 3000,0.25) 65% 35% 42% 58% P.7 (3000,0.90) (6000,0.45) P.7 ( 3000,0.90) ( 6000,0.45) 86% 14% 8% 92% P.8 (3000,0.002) (6000,0,001) P.8 ( 3000,0.002) ( 6000,0.001) 27% 73% 70% 30%
98 Il punto di riferimento Osservazione Un idea centrale del modello proposto è che gli esiti siano valutati come vincite o perdite
99 Il punto di riferimento Osservazione Un idea centrale del modello proposto è che gli esiti siano valutati come vincite o perdite relativamente a un punto di riferimento
100 Il punto di riferimento Osservazione Un idea centrale del modello proposto è che gli esiti siano valutati come vincite o perdite relativamente a un punto di riferimento Il punto di riferimento può essere:
101 Il punto di riferimento Osservazione Un idea centrale del modello proposto è che gli esiti siano valutati come vincite o perdite relativamente a un punto di riferimento Il punto di riferimento può essere: lo status quo;
102 Il punto di riferimento Osservazione Un idea centrale del modello proposto è che gli esiti siano valutati come vincite o perdite relativamente a un punto di riferimento Il punto di riferimento può essere: lo status quo; lo stato atteso, cioè il livello a cui si aspira.
103 Il punto di riferimento Osservazione Un idea centrale del modello proposto è che gli esiti siano valutati come vincite o perdite relativamente a un punto di riferimento Il punto di riferimento può essere: lo status quo; lo stato atteso, cioè il livello a cui si aspira. La rappresentazione (= codifica) degli esiti di una lotteria come vincite o come perdite altera radicalmente la valutazione del problema.
104 Il punto di riferimento Osservazione Un idea centrale del modello proposto è che gli esiti siano valutati come vincite o perdite relativamente a un punto di riferimento Il punto di riferimento può essere: lo status quo; lo stato atteso, cioè il livello a cui si aspira. La rappresentazione (= codifica) degli esiti di una lotteria come vincite o come perdite altera radicalmente la valutazione del problema. Perciò sono importanti i cambiamenti di punto di riferimento: ad esempio, se V (x, p; y, 1 p) = 0, allora V (x z, p; y z, 1 p) > V ( z, 1) (aumenta la ricerca del rischio).
105 Estensioni La teoria dev essere estesa per trattare lotterie con piú di due esiti non nulli. Abbiamo usato soltanto esiti monetari! La teoria tratta di decisioni in condizioni di rischio: e per l incertezza?
106 In conclusione Che cos abbiamo fatto? Abbiamo constatato sperimentalmente l insufficienza del modello dell utilità prevista come modello descrittivo dei comportamenti decisionali in condizioni di rischio.
107 In conclusione Che cos abbiamo fatto? Abbiamo constatato sperimentalmente l insufficienza del modello dell utilità prevista come modello descrittivo dei comportamenti decisionali in condizioni di rischio. I dati sperimentali hanno dato anche indicazioni su come modificare il modello: non abbiamo registrato errori asistematici, ma biases fondamentali e largamente diffusi!
108 In conclusione Che cos abbiamo fatto? Abbiamo constatato sperimentalmente l insufficienza del modello dell utilità prevista come modello descrittivo dei comportamenti decisionali in condizioni di rischio. I dati sperimentali hanno dato anche indicazioni su come modificare il modello: non abbiamo registrato errori asistematici, ma biases fondamentali e largamente diffusi! Kahneman e Tversky propongono un modello descrittivo alternativo, in due fasi.
109 In conclusione Che cos abbiamo fatto? Abbiamo constatato sperimentalmente l insufficienza del modello dell utilità prevista come modello descrittivo dei comportamenti decisionali in condizioni di rischio. I dati sperimentali hanno dato anche indicazioni su come modificare il modello: non abbiamo registrato errori asistematici, ma biases fondamentali e largamente diffusi! Kahneman e Tversky propongono un modello descrittivo alternativo, in due fasi. Nella prima fase, le persone svolgono alcune operazioni sulle lotterie, utili ad una rappresentazione piú semplice del problema. Queste operazioni alterano il problema.
110 In conclusione Che cos abbiamo fatto? Nella seconda fase, le persone valutano le lotterie, adottando un criterio di massimizzazione, simile all utilità prevista.
111 In conclusione Che cos abbiamo fatto? Nella seconda fase, le persone valutano le lotterie, adottando un criterio di massimizzazione, simile all utilità prevista. A differenza che nel modello dell utilità prevista, però, gli esiti non sono stati finali di ricchezza, ma vincite o perdite.
112 In conclusione Che cos abbiamo fatto? Nella seconda fase, le persone valutano le lotterie, adottando un criterio di massimizzazione, simile all utilità prevista. A differenza che nel modello dell utilità prevista, però, gli esiti non sono stati finali di ricchezza, ma vincite o perdite. Le proprietà della funzione di valore degli esiti spiegano alcuni dati osservati (avversione al rischio sulle vincite, ricerca del rischio sulle perdite, avversione alla perdita).
113 In conclusione Che cos abbiamo fatto? Nella seconda fase, le persone valutano le lotterie, adottando un criterio di massimizzazione, simile all utilità prevista. A differenza che nel modello dell utilità prevista, però, gli esiti non sono stati finali di ricchezza, ma vincite o perdite. Le proprietà della funzione di valore degli esiti spiegano alcuni dati osservati (avversione al rischio sulle vincite, ricerca del rischio sulle perdite, avversione alla perdita). Gli esiti sono pesati non con delle probabilità, ma con dei pesi di decisione che dipendono dalle probabilità.
114 In conclusione Che cos abbiamo fatto? Il modello proposto rende ragione dei dati sperimentali raccolti; d altra parte, si accorda con / predice comportamenti normativamente inaccettabili (e.g., violazioni dell invarianza). Lo teniamo come modello descrittivo.
115 Daniel Kahneman and Amos Tversky. Prospect Theory: An Analysis of Decision under Risk. Econometrica, 47(2): , Harry Markowitz. The Utility of Wealth. The Journal of Political Economy, 60(2): , Amos Tversky and Daniel Kahneman. Advances in prospect theory: Cumulative representation of uncertainty. Journal of Risk and Uncertainty, 5(4): , ottobre 1992.
Teoria delle decisioni
A. A. 2017-2018 Teoria delle decisioni introduzione expected utility prof. ing. Antonio Comi Department of Enterprise Engineering Tor Vergata University of Rome Teoria delle decisioni razionali Teoria
DettagliPremio al rischio e equivalente di certezza
Premio al rischio e equivalente di certezza In accordo con la teoria tradizionale assumiamo che gli individui siano avversi al rischio, quindi un rischio a media zero riduce il livello di appagamento di
DettagliTeoria delle decisioni
A. A. 2015-2016 Teoria delle decisioni introduzione expected utility non expected utility prof. ing. Antonio Comi Department of Enterprise Engineering Tor Vergata University of Rome Teoria delle decisioni
DettagliEsonero di Microeconomia 06/04/17 VERSIONE A
Esonero di Microeconomia 06/04/17 VERSIONE A Testo domanda 1 (fino a 12 punti): Considerate le seguenti funzioni di domanda e di offerta: Q =450 20P Q = 40P 150 a. determinare il prezzo e la domanda di
DettagliMODELLI MATEMATICI PER I SISTEMI DI INFORMAZIONE ALL UTENZA: introduzione ai processi di scelta discreta in condizioni di rischio
Corso di TRASPORTI E TERRITORIO e TEORIA E TECNICA DELLA CIRCOLAZIONE MODELLI MATEMATICI PER I SISTEMI DI INFORMAZIONE ALL UTENZA: introduzione ai processi di scelta discreta in condizioni di rischio DOCENTI
DettagliIndice. Scelta in condizioni di incertezza. Lotterie monetarie. Lotterie monetarie. Corso di Microeconomia progredito. Parte III
Indice Scelta in condizioni di incertezza Corso di Microeconomia progredito 1 Lotterie monetarie 2 Avversione al rischio Parte III 3 Applicazioni 4 Misura dell avversione al rischio Corso di Microeconomia
DettagliIstituzioni di Economia Laurea Triennale in Ingegneria Gestionale Lezione 5 Preferenze e utilità
UNIVERSITÀ DEGLI STUDI DI BERGAMO Laurea Triennale in Ingegneria Gestionale Lezione 5 Preferenze e utilità Prof. Gianmaria Martini Razionalità in economia Postulato comportamentale: Un agente sceglie sempre
DettagliLa Finanza Comportamentale
La Finanza Comportamentale Come l interazione tra psicologia ed economia influenza le decisioni degli investitori Corso di Finanza Docente: Roberta Sabatino Luca Saggini 1 La Finanza Comportamentale Può
DettagliEconomia delle decisioni
Economia delle decisioni Esempi introduttivi Massimizzazione dell utilità attesa Evidenza sperimentale Cumulative Esempi riconsiderati Argomentidella lezione 1 Esempi introduttivi L effetto di fine giornata
DettagliUtilità attesa. Appunti per il corso di Economia dei mercati monetari e finanziari A.A. 2002/2003. Eduardo Rossi Università di Pavia
Utilità attesa Appunti per il corso di Economia dei mercati monetari e finanziari A.A. 2002/2003 Eduardo Rossi Università di Pavia 1 Elementi di teoria della probabilità Esperimento casuale: L esito non
DettagliMarketing - Corso progredito Consumer Behavior
Corso Progredito - Corso progredito Consumer Behavior Quinta unità didattica Decision making e valutazioni post-acquisto 1 VALUTAZIONE E SCELTA Le procedure di comparazione Euristiche e valutazioni analitiche
DettagliAppunti di Analisi Economica
Appunti di Analisi Economica 2013-2014 Psicologia ed economia Alessandro Vaglio Università degli Studi di Bergamo Marzo 2014 Alessandro Vaglio (Institute) Appunti di Analisi Economica 2013-2014 Marzo 2014
DettagliAppunti di Analisi Economica (V)
Appunti di Analisi Economica 2013-2014 (V) Scelta in condizioni di incertezza Alessandro Vaglio Università degli Studi di Bergamo Marzo 2014 Alessandro Vaglio (Institute) Appunti di Analisi Economica 2013-2014
DettagliFondamenti di Business Analytics M classi M2/M3 Michele Impedovo anno accademico
Fondamenti di Business Analytics 20486 M classi M2/M3 Michele Impedovo anno accademico 2016-2017 Lezione 5 L'avversione al rischio Il certo equivalente Le funzioni di utilità L'utilità con TreePlan Oltre
DettagliAPPUNTI. oppure o ancora. se e allora. , esiste un tale che
APPUNTI Impostazione Assiomatica 1) Completezza e coerenza. oppure o ancora. se e allora 2) Monotonicità se e solo se 3) Continuità, esiste un tale che 4) Indipendenza 5) Riduzione è la probabilità totale
DettagliUNIVERSITA DEGLI STUDI DI PADOVA
UNIVERSITA DEGLI STUDI DI PADOVA DIPARTIMENTO DI SCIENZE ECONOMICHE ED AZIENDALI M.FANNO CORSO DI LAUREA IN ECONOMIA E MANAGEMENT PROVA FINALE DALLA TEORIA DELL UTILITA ATTESA ALLA TEORIA DEL PROSPETTO:
DettagliEfficienza dei mercati e finanza comportamentale
Università degli Studi di Cagliari Dipartimento di Scienze economiche e aziendali Efficienza dei mercati e finanza comportamentale Efficienza, razionalità, bias distorsivi Economia dei Mercati Monetari
DettagliCapitolo 2. La teoria normativa della politica economica
Capitolo 2 La teoria normativa della politica economica La teoria normativa della politica economica Anche se non è possibile definire scienza in senso stretto, l economica cerca di seguire in metodo scientifico.
DettagliMATEMATICA PER LO STUDIO DELLE INTERAZIONI STRATEGICHE: TEORIA DEI GIOCHI. Anna TORRE
MATEMATICA PER LO STUDIO DELLE INTERAZIONI STRATEGICHE: TEORIA DEI GIOCHI Anna TORRE Dipartimento di Matematica, Università di Pavia, Via Ferrata 1, 27100, Pavia, Italy. E-mail: anna.torre@unipv.it 1 SOLUZIONI:
DettagliIndice della lezione. Incertezza e rischio: sinonimi? Le Ipotesi della Capital Market Theory UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA
UNIVERSIT DEGLI STUDI DI PRM FCOLT DI ECONOMI Indice della lezione Corso di Pianificazione Finanziaria Introduzione al rischio Rischio e rendimento per titoli singoli La Teoria di Portafoglio di Markowitz
DettagliLaboratorio di dinamiche socio-economiche
Dipartimento di Matematica Università di Ferrara giacomo.albi@unife.it www.giacomoalbi.com 8 marzo 2012 Seconda parte: Econofisica La probabilità e la statistica come strumento di analisi. Apparenti paradossi
DettagliIndice della lezione. Incertezza e rischio: sinonimi? UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA
UNIVERSIT DEGLI STUDI DI PRM FCOLT DI ECONOMI Corso di Corporate anking a.a. 2010 2011 (Professor Eugenio Pavarani) Introduzione al rischio CPITOLO 9 1 Indice della lezione Rischio e rendimento per titoli
DettagliAVVERSIONE ALLE PERDITE
AVVERSIONE ALLE PERDITE Uscite Ricevete Vi Avete Fabrizio Ghisellini * per una passeggiata e trovate per terra una banconota da 50 euro. Tornati a casa, vi accorgete di averla persa. Secondo l economia
DettagliCapitolo 6 Economia dell informazione e scelta in condizioni di incertezza
Capitolo 6 Economia dell informazione e scelta in condizioni di incertezza COSA ABBIAMO FATTO FINORA Concetti introduttivi della microeconomia Teoria della scelta razionale del consumatore in condizioni
DettagliAPPLICAZIONI FINANZIARIE DELLA TEORIA DEL PROSPETTO
Corso di Laurea Magistrale in Economia e Finanza Tesi di Laurea APPLICAZIONI FINANZIARIE DELLA TEORIA DEL PROSPETTO Relatore Ch. Prof. Paolo Pianca Laureanda Roberta Fanotto Matricola 857186 Anno Accademico
DettagliTeoria e tecniche dei test. Concetti di base
Teoria e tecniche dei test Lezione 2 2013/14 ALCUNE NOZIONI STATITICHE DI BASE Concetti di base Campione e popolazione (1) La popolazione è l insieme di individui o oggetti che si vogliono studiare. Questi
DettagliVariazioni dei tassi di interesse
Variazioni dei tassi di interesse Determinanti della domanda di attività Un attività è un bene che incorpora un valore. Posto di fronte alla questione se comprare e conservare un attività, o se acquistare
DettagliCapitolo 6 Economia dell informazione e scelta in condizioni di incertezza
Capitolo 6 Economia dell informazione e scelta in condizioni di incertezza SCELTA IN CONDIZIONI DI INCERTEZZA La maggior parte delle scelte viene effettuata in condizioni di incertezza, non consociamo
DettagliLa teoria del consumo
La teoria del consumo Il surplus del consumatore e la domanda di mercato. Mario Sportelli Dipartimento di Matematica Università degli Studi di Bari Via E. Orabona, 4 I-70125 Bari (Italy) (Tel.: +39 (0)99
DettagliProbabilità classica. Distribuzioni e leggi di probabilità. Probabilità frequentista. Probabilità soggettiva
Probabilità classica Distribuzioni e leggi di probabilità La probabilità di un evento casuale è il rapporto tra il numero dei casi favorevoli ed il numero dei casi possibili, purchè siano tutti equiprobabili.
DettagliEconomia delle decisioni
Economia delle decisioni Effetti di dotazione Argomentidella lezione Effetti di dotazione ( Endowment effects ): Asimmetrie di scambio Disparità tra misure del valore Reference-dependent theory 2 1 Effetti
DettagliRICETTIVITÀ TURISTICA a.a. 2008/09
RICETTIVITÀ TURISTICA a.a. 2008/09 PROF. FRANCESCO MARANGON Dipartimento di Scienze Economiche Come è descritto in microeconomia il problema di scelta del Secondo l ottica consequenzialista la scelta tra
DettagliEsercitazione 26 Febbraio 2009
Esercitazione 26 Febbraio 2009 Economia Monetaria (6058) Classe 14 5 marzo 2009 1 Esercizio (a) Considerate il modello della domanda di moneta per investimento della ricchezza. Supponete in particolare
DettagliCAPITOLO 19. L avversione al rischio e l utilità attesa
CAPITOLO 19 L avversione al rischio e l utilità attesa In che modo gli individui reagiscono all incertezza Il modello dell utilità attesa Osservazioni conclusive D. Kreps, Microeconomia per manager 1 RIASSUNTO
DettagliLezione 3. La probabilità soggettiva
Lezione 3 La probabilità soggettiva Le due nozioni oggettive di probabilità Definizione classica: La probabilità di un evento E è il rapporto tra il numero dei casi favorevoli e il numero dei casi possibili,
DettagliUniversity of Messina, Italy
ERRORI CASUALI NELL ANALISI CHIMICA 1 Errori casuali Gli errori casuali si incontrano tutte le volte che un sistema di misura viene usato al massimo della sua sensibilità. In queste circostanze i risultati
DettagliEconomia delle Decisioni A.A ESERCITAZIONE 4. Reference-dependent theory
Economia delle Decisioni A.A. 2017 2018 ESERCITAZIONE 4 Reference-dependent theory Esercizio 1 Davide ha una dotazione iniziale di una tazza e 100. La sua utilità è una funzione del numero di tazze in
DettagliIndice della lezione
UNIVERSIT DEGLI STUDI DI PRM FCOLT DI ECONOMI Corso di Corporate anking and Finance a.a. 2012 2013 (Professor Eugenio Pavarani) Introduzione al rischio PF CPITOLO 9 1 Indice della lezione Rischio e rendimento
DettagliDECISIONI. Le decisioni possono differire per: complessità. importanza
Immagina di dover acquistare un automobile. Dopo esserti documentato restringi la tua scelta rispetto ai seguenti tre modelli: Asteroid, Brival e Comet. Per ognuno di questi modelli sono riportate le prestazioni
DettagliPARTE PRIMA. Versione A - Prof. Peragine
PARTE PRIMA Versione A - Prof. Peragine ESERCIZIO 1 Un mercato perfettamente concorrenziale è caratterizzato da una domanda di mercato: P=20-2Q e un offerta di mercato: P=2+4Q. Individuate: A. Prezzo e
DettagliEconomia e Politica Monetaria. la struttura a termine e di rischio dei tassi d interesse
Economia e Politica Monetaria la struttura a termine e di rischio dei tassi d interesse Tasso di rendimento Cedola più guadagno (perdita) in conto capitale RET = C P + ΔP P C/P = guadagno in conto interessi
DettagliModelli probabilistici variabili casuali
Modelli probabilistici variabili casuali Le variabili casuali costituiscono il legame tra il calcolo della probabilità e gli strumenti di statistica descrittiva visti fino ad ora. Idea: pensiamo al ripetersi
DettagliUTILITÀ. I filosofi utilitaristi inglesi della fine 800 usavano il concetto di UTILITA per misurare il benessere di un individuo
UTILITÀ I filosofi utilitaristi inglesi della fine 800 usavano il concetto di UTILITA per misurare il benessere di un individuo Questo presenta molti problemi: Come misurare l utilità in termini assoluti
DettagliLezione n. 1 (a cura di Irene Tibidò)
Lezione n. 1 (a cura di Irene Tibidò) Richiami di statistica Variabile aleatoria (casuale) Dato uno spazio campionario Ω che contiene tutti i possibili esiti di un esperimento casuale, la variabile aleatoria
Dettagli8.1. Esercizio. Determinare massimo e minimo delle seguenti funzioni nei corrispondenti intervalli: 2 x 4 x in [0, 1]; e x2 in [ 2, 2]
ANALISI Soluzione esercizi 25 novembre 2011 8.1. Esercizio. Determinare massimo e minimo delle seguenti funzioni nei corrispondenti intervalli: 2 x 4 x in [0, 1]; e x2 in [ 2, 2] cos x cos x in [ 2π, 2π];
DettagliEconomia delle Decisioni A.A SIMULAZIONE D ESAME. 7 giugno 2018
Cognome e nome: Numero di matricola: PARTE I Economia delle Decisioni A.A. 2017 2018 SIMULAZIONE D ESAME 7 giugno 2018 Svolgere entrambi gli esercizi contenuti in questa parte del testo d esame. Ogni esercizio
DettagliV.C. RETTANGOLARE o UNIFORME
V.C. RETTANGOLARE o UNIFORME La v.c. continua RETTANGOLARE o UNIFORME descrive il modello probabilistico dell equiprobabilità. [ a b] X, con densità di probabilità associata: P( x) 1 b a con P(x) costante.
DettagliProblemi pratici teorici-sperimentali
Problemi pratici teorici-sperimentali 1. Se viene fatta una sola misura come si estrae la deviazione standard? Risposta: per convenzione si prende come deviazione standard la metà della sensibilità dello
DettagliTemi di <Nome Insegnamento> Unità Didattica xx <Titolo Unità Didattica>
Mx-UD0x: diapositiva #1 Mx-UD0x: diapositiva #2 Mx-UD0x: diapositiva #3 Unità 2: Le scelte di investimento del consumatore I criteri di scelta dell ACB Richiami alla
DettagliAnalisi delle Istituzioni Politiche Lez. 2 Scelta individuale
Analisi delle Istituzioni Politiche Lez. 2 Scelta individuale 1 Scelta razionale e utilità Sapere stabilire un ordinamento di preferenza completo e transitivo equivale ad assegnare un numero/indice a ogni
DettagliIn questo esempio, come in tutti gli altri, chiamiamo l individuo 1 giocatore di riga, perché deve scegliere di collocarsi in una delle due righe
Teoria dei Giochi La teoria dei giochi è la scienza matematica che studia e analizza le decisioni individuali di più soggetti che mirano al massimo guadagno personale dalla scelta che essi prendono. Le
DettagliCorso di Matematica Applicata A.A
Corso di Matematica Applicata A.A. 2012-2013 Lotterie (II parte) Prof.ssa Bice Cavallo Criterio media- varianza Una misura di rischio insito in una lotteria non viene evidenziato dal solo criterio basato
DettagliCapitolo 24: Il Modello dell Utilità Attesa
Capitolo 24: Il Modello dell Utilità Attesa 24.1: Introduzione Il modello dell Utilità Attesa descrive le preferenze individuali sottostanti il comportamento del consumatore in condizioni di rischio. Alla
DettagliMetodi Decisionali Multicriterio
Metodi Decisionali Multicriterio Decisore Si hanno individuano due proprietà di un decisore: -intelligenza possiede capacità logiche per individuare senza errori la scelta che gli assicura il miglior risultato
DettagliL elasticità e le sue applicazioni in economia Introduzione
L elasticità e le sue applicazioni in economia Introduzione Fino ad ora l analisi su domanda, offerta ed equilibrio di mercato è stata di tipo qualitativo. Se vogliamo avere una misura quantitativa degli
Dettagli22 maggio Esercizio Avversione al rischio: la derivata seconda della funzione di utilità è negativa:
ESERCITAZIONE 7 22 maggio 2014. Esercizio 1 1.1. Avversione al rischio: la derivata seconda della funzione di utilità è negativa: < 0 Nel nostro caso:. Da cui: > 0 < 0 Perciò: l utilità è crescente rispetto
DettagliUniversità di Pisa MODELLI DI RAZIONALITÀ LIMITATA: UN PUNTO DI VISTA EPISTEMOLOGICO
Università di Pisa FACOLTÀ DI LETTERE E FILOSOFIA Corso di Laurea Specialistica in Filosofia e Forme del Sapere MODELLI DI RAZIONALITÀ LIMITATA: UN PUNTO DI VISTA EPISTEMOLOGICO Tesi di Laurea in Filosofia
DettagliDecisioni in condizioni di incertezza
Decisioni in condizioni di incertezza Nadia Burani Università di Bologna A.A. 2017/18 Nadia Burani (Università di Bologna) Incertezza A.A. 2017/18 1 / 38 In sintesi Le lotterie l ordinamento di preferenza
DettagliElementi di Economia Elasticità
Elementi di Economia Elasticità D o t t. s s a M i c h e l a M a r t i n o i a m i c h e l a. m a r t i n o i a @ u n i m i b. i t C o r s o d i l a u r e a i n S c i e n z e d e l T u r i s m o e C o
DettagliUniversity of Messina, Italy
ERRORI CASUALI ELL AALISI CHIMICA Errori casuali Gli errori casuali si incontrano tutte le volte che un sistema di misura viene usato al massimo della sua sensibilità. In queste circostanze i risultati
DettagliMicroeconomia - Problem set 3 - soluzione
Microeconomia - Problem set 3 - soluzione (Prof. Paolo Giordani - TA: Pierluigi Murro) 30 Aprile 2015 Esercizio 1. Si consideri un agente con un capitale iniziale pari a 100 cui viene proposta la seguente
Dettaglimodelli di decisione per la gestione lezione 1
modelli di decisione per la gestione lezione 1 oggi informazioni generali concetti introduttivi per il corso docente Alessandro Rossi Dipartimento di Economia e Management ufficio 129 0461.28(2101) alessandro.rossi@unitn.it
DettagliStudio del segno delle derivate. Lezione 11 del 6/12/2018
Studio del segno delle derivate Lezione 11 del 6/12/2018 Segno della derivata prima Data una funzione f(x) derivabile in un intervallo I, allora se f x > 0 x I allora la funzione f(x) è strettamente crescente
DettagliEsplorazione dei dati
Esplorazione dei dati Introduzione L analisi esplorativa dei dati evidenzia, tramite grafici ed indicatori sintetici, le caratteristiche di ciascun attributo presente in un dataset. Il processo di esplorazione
DettagliFunzioni elementari: funzioni potenza
Funzioni elementari: funzioni potenza Lezione per Studenti di Agraria Università di Bologna (Università di Bologna) Funzioni elementari: funzioni potenza 1 / 36 Funzioni lineari Come abbiamo già visto,
DettagliOfferta di prodotti agricoli ed incertezza il processo produttivo in agricoltura si caratterizza per una stocasticità
Offerta di prodotti agricoli ed incertezza il processo produttivo in agricoltura si caratterizza per una stocasticità maggiore di quella che si osserva in altri settori questa particolare stocasticità
DettagliL elasticità e le sue applicazioni in economia Introduzione
L elasticità e le sue applicazioni in economia Introduzione Fino ad ora l analisi su domanda, offerta ed equilibrio di mercato è stata di tipo qualitativo. Per avere una misura quantitativa degli effetti
DettagliCenni di TEORIA DELL UTILITA
Prof. Rocco Roberto Cerchiara TECNICA DANNI Cenni di TEORIA DELL UTILITA Prof. Cerchiara Rocco Roberto Materiale e Riferimenti 1. Capitolo del testo Tecnica attuariale delle assicurazioni contro i Danni
DettagliParte I Identificazione di modelli dinamici. 6: Teoria della stima e caratteristiche degli stimatori. Parte I 6, 1
Parte I 6, 1 Parte I Identificazione di modelli dinamici 6: Teoria della stima e caratteristiche degli stimatori Generalita` Parte I 6, 2 In generale abbiamo: dove sono i dati osservati e` la quantita`
DettagliOPERAZIONI CON GLI EVENTI
LA PROBABILITA GLI EVENTI Definiamo come evento il verificarsi di un avvenimento, situazione o fenomeno; in quest ottica potremmo intuitivamente definire la probabilità come l indice di verosimiglianza
Dettagli00:00:11. Processi Decisionali
00:00:11 Processi Decisionali Herbert Simon (premio Nobel in Economia, 1978) to manage (gestire) è sinonimo di to decide (decidere) Cosa serve, per prendere una buona decisione? Eppure.. 00:03:57 00:05:14
DettagliDifferenze tra metodi di estrazione
Lezione 11 Argomenti della lezione: L analisi fattoriale: il processo di estrazione dei fattori Metodi di estrazione dei fattori Metodi per stabilire il numero di fattori Metodi di Estrazione dei Fattori
DettagliPROBABILITÀ - SCHEDA N. 3 VARIABILI ALEATORIE CONTINUE E SIMULAZIONE
PROBABILITÀ - SCHEDA N. 3 VARIABILI ALEATORIE CONTINUE E SIMULAZIONE (da un idea di M. Impedovo Variabili aleatorie continue e simulazione Progetto Alice n. 15, ) 1. La simulazione Nelle schede precedenti
DettagliSommario. Prefazione... xi
Sommario Prefazione... xi Introduzione: alcune idee fondamentali...1 1 Relazioni...1 2 Funzioni...2 3 Ordinamenti...3 4 Estremo inferiore ed estremo superiore...4 5 Massimi e minimi di funzioni...5 Capitolo
DettagliMicroeconomia Finanziaria
Sara Savastano Università di Roma Tor Vergata DEF a.a. 2014-2015 1 Teoria Microeconomica: Analisi del comportamento degli individui, degli agenti, e l aggregazione delle loro azioni in un contesto istituzionale
DettagliGrandezze e Misure.
Grandezze e Misure www.fisicaxscuola.altervista.org Grandezze e Misure Introduzione Il Metodo Sperimentale Unità di Misura Grandezze Fondamentali e Derivate Massa e Densità Strumenti di misura Misure dirette
DettagliPOTENZA CON ESPONENTE REALE
Facoltà di Medicina e Chirurgia Corso Zero di Matematica Gruppi: MC-MF / PS-MF V Lezione ESPONENZIALI E LOGARITMI Dr. E. Modica erasmo@galois.it POTENZA CON ESPONENTE REALE Definizione: Dati un numero
DettagliCalcolo differenziale 2: Massimi e minimi. Studio di una funzione. (M.S.Bernabei & H. Thaler)
Calcolo differenziale 2: Massimi e minimi. Studio di una funzione. (M.S.Bernabei & H. Thaler) Studio di una funzione Funzioni crescenti e decrescenti Una funzione f é crescente nell intervallo (a, b) se
DettagliISTITUTO TECNICO ECONOMICO WALTHER CLASSE IA A.S PROGRAMMA DI MATEMATICA. Prof.ssa Iuzzolino Assunta
CLASSE IA TEORIA DEGLI INSIEMI Insiemi e loro rappresentazione Sottoinsiemi di un insieme e insieme complementare Le operazioni di unione ed intersezione tra insiemi Insiemi uguali GLI INSIEMI NUMERICI
DettagliRichiami essenziali dei modelli di utilità scontata e attesa
Richiami essenziali dei modelli di utilità scontata e attesa Utilità scontata (US) attiene alla scelta/allocazione tra oggi e domani (i.e. risparmio ottimo). Elemento psicologico: propensione alla parsimonia.
DettagliIl supporto della Behavioral Finance per le scelte d'investimento del domani.
Corso di Laurea Magistrale in Sviluppo Economico e dell Impresa curriculum in Imprenditorialità e Finanza Tesi di Laurea Il supporto della Behavioral Finance per le scelte d'investimento del domani. Relatore
DettagliEconomia, Corso di Laurea Magistrale in Ing. Elettrotecnica, A.A Prof. R. Sestini
Economia, Corso di Laurea Magistrale in Ing. Elettrotecnica, A.A. 2013-2014. Prof. R. Sestini SCHEMA DELLE LEZIONI DELLA SECONDA SETTIMANA Si consideri che: gli individui non possono consumare un infinito
DettagliECONOMIA E POLITICA FINANZIARIA LA TEORIA DELLE SCELTE DI PORTAFOGLIO. Prof. Massimo Arnone
ECONOMIA E POLITICA FINANZIARIA LA TEORIA DELLE SCELTE DI PORTAFOGLIO Prof. Massimo Arnone massimo.arnone@uniroma1.it Anno Accademico 2017-2018 ARGOMENTI Teorie della domanda di moneta che spiegano come
DettagliCapitolo 10 Costi. Robert H. Frank Microeconomia - 4 a Edizione Copyright The McGraw-Hill Companies, srl
Capitolo 10 Costi I COSTI NEL LUNGO PERIODO Nel lungo periodo non esistono costi fissi Il problema dell impresa è quello di scegliere la combinazione ottimale di input in relazione all output che si intende
DettagliLe preferenze del consumatore e il concetto di utilita
Università degli Studi di Napoli Federico II Corso di studi CLEA Anno accademico 2012/13 Le preferenze del consumatore e il concetto di utilita Ornella Wanda Maietta maietta@unina.it Sommario 1. Rappresentazione
DettagliRIASSUNTO ARGOMENTI LEZIONI STRUMENTI PER L ANALISI DEI DATI-LM DIP. DI ECONOMIA E MANAGEMENT - UNIV. DI FERRARA A.A. 2018/19
RIASSUNTO ARGOMENTI LEZIONI STRUMENTI PER L ANALISI DEI DATI-LM DIP. DI ECONOMIA E MANAGEMENT - UNIV. DI FERRARA A.A. 2018/19 25/09/2018 ore 12.00-14.00 Presentazione del corso. Funzioni ad output reale
DettagliMATEMATICA. a.a. 2014/15
MATEMATICA a.a. 2014/15 3. DERIVATE E STUDIO DI FUNZIONE (II parte): Massimi, minimi e derivata prima. Flessi e derivata seconda. Schema per lo studio qualitativo completo di una funzione y=f(x) Crescenza
DettagliIl Gioco dell'evasione Fiscale
Il Gioco dell'evasione Fiscale Laureando Matteo Galliani Relatore Raffaele Mosca Il ruolo della Teoria Dei Giochi Un gioco è una situazione in cui: 1)ogni individuo può scegliere un certo comportamento
DettagliPropagazione delle varianze, conosciuta come propagazione degli errori.
Propagazione delle varianze, conosciuta come propagazione degli errori. Siano x 1, x 2, x n n variabili casuali e poniamo,, ) = y ( ) Supponiamo inoltre nota la matrice delle covarianze delle x e vogliamo
DettagliTeoria dei Giochi. Anna Torre
Teoria dei Giochi Anna Torre Almo Collegio Borromeo 8 marzo 2010 email: anna.torre@unipv.it sito web del corso:www-dimat.unipv.it/atorre/borromeo2010.html Finora siamo partiti dalla forma estesa per descriverne
DettagliI modelli probabilistici
e I modelli probabilistici Finora abbiamo visto che esistono modelli probabilistici che possiamo utilizzare per prevedere gli esiti di esperimenti aleatori. Naturalmente la previsione è di tipo probabilistico:
DettagliCenni di ottimizzazione dinamica
Cenni di ottimizzazione dinamica Testi di riferimento: K. Dixit Optimization in Economic Theory. Second Edition, 1990, Oxford: Oxford University Press. A. C. Chiang Elements of Dynamic Optimization, 1992,
DettagliPROBABILITA. Sono esempi di fenomeni la cui realizzazione non è certa a priori e vengono per questo detti eventi aleatori (dal latino alea, dado)
L esito della prossima estrazione del lotto L esito del lancio di una moneta o di un dado Il sesso di un nascituro, così come il suo peso alla nascita o la sua altezza.. Il tempo di attesa ad uno sportello
DettagliNOME:... MATRICOLA:... Corso di Laurea in Fisica, A.A. 2008/2009 Calcolo 1, Esame scritto del f(x) = cos
NOME:... MATRICOLA:.... Corso di Laurea in Fisica, A.A. 008/009 Calcolo, Esame scritto del 06.0.009 Consideriamo la funzione fx cos + x. a Determinare il dominio massimale di f. b Trovare tutti gli asintoti
DettagliNote sulle funzioni convesse/concave
Note sulle funzioni convesse/concave 4th December 2008 1 Definizioni e proprietà delle funzioni convesse/concave. Definizione 1.1 Un insieme A IR n è detto convesso se per ogni x 1 e x 2 punti di A, il
DettagliPolinomio di Taylor del secondo ordine per funzioni di due variabili
Esercitazioni del 15 aprile 2013 Polinomio di Taylor del secondo ordine per funzioni di due variabili Sia f : A R 2 R una funzione di classe C 2. Fissato un p unto (x 0, y 0 A consideriamo il seguente
DettagliLA DISTRIBUZIONE NORMALE o DI GAUSS
p. 1/2 LA DISTRIBUZIONE NORMALE o DI GAUSS Osservando gli istogrammi delle misure e degli scarti, nel caso di osservazioni ripetute in identiche condizioni Gli istogrammi sono campanulari e simmetrici,
Dettagli( ) ( ) ( e la probabilità che si verifichi un evento compreso tra c e b a < c < b sarà data da:
e la probabilità che si verifichi un evento compreso tra c e b a < c < b sarà data da: p ( ) ( c < X < b) f ( x) LA VC NORMALE O GAUSSIANA Una vc si dice normale o gaussiana (da Gauss che la propose come
Dettagli