Giochi non cooperativi

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Giochi non cooperativi"

Transcript

1 Indice 1 Giochi non cooperativi 5 11 Teoria delle decisioni 5 12 Decisioni sotto stretta incertezza 8 13 Decisioni intertemporali Preferenze e funzioni di utilità Equilibri di Nash Giochi in forma estesa I Giochi in forma estesa II Raffinamenti degli equilibri di Nash Esempi di giochi con strategie dominate Evasione fiscale (Li-Calzi) Giochi con potenziale Giochi di contrattazione Corsa agli sportelli (gioco a due stadi) Dilemma del prigioniero ripetuto n volte Giochi ripetuti e automi finiti 87 2 Evolutionary Game Theory da Weibul Elementi della Teoria dei Giochi non cooperativi Criteri di stabilità evolutiva Dinamica del replicatore 115 3

2

3 Capitolo 1 Giochi non cooperativi 11 Teoria delle decisioni Esempio 11 Roulette russa Due persone della stessa età e della stessa salute hanno ciascuna una rivoltella Il primo tizio ha 3 proiettili nel tamburo della pistola a 6 colpi Il secondo tizio ha 1 proiettile nel tamburo della pistola a 6 colpi Ciascuno sta per ruotare il tamburo, puntare la pistola alla propria testa e premere il grilletto Questo è tutto ciò che sai Puoi togliere 1 solo proiettile da una delle pistole prima che essi premano il grilletto Da quale pistola toglieresti il proiettile? Cerchiamo di schematizzare il problema: ci sono 2 azioni: AZIONE 1: prendere 1 proiettile da quella che ne ha 3 AZIONE 2: prendere 1 proiettile da quella che ne ha 1 5

4 Vediamo di schematizzare con le probabilità dei possibili esiti: 0 MORTI 1 MORTO 2 MORTI AZIONE 1 20/36 14/36 2/36 AZIONE 2 1/2 1/2 0 Consideriamo una funzione perdita o misura di utilità negativa v(0) = 0 v(1) = l 0 < l < 1 v(2) = 1 Se non amo il rischio: la perdita attesa dal azione 1 (lotteria L 1 ) sarà minore della perdita attesa dall azione 2 (lotteria L 2 ) L 1 : MORTI 20/36 14/36 2/36 PROBABILITÀ L 2 : MORTI 1/2 1/2 0 PROBABILITÀ 6

5 Se non amo il rischio: εv(l 2 ) < εv(l 1 ) cioè v(0) v(1) v(2) 0 < v(0) + v(1) v(2) 2 36 v(1) 1 2 l 1 2 < v(1) v(2) 2 36 < l l > 1 l > 1 2 quale interpretazione possiamo dare? Naturalmente preferiamo l azione che limita il possibile numero di morti Rischiare 2 morti è più di due volte brutto che rischiarne uno 2l > 1, 2l < 1, v(2) > 2v(1) e questo è in accordo con ciò che la gente pensa usualmente In generale un singolo incidente che comporta più morti è considerato peggiore di più incidenti separati che conducono allo stesso numero di morti Questo problema si può confrontare con un altro reale a cui si trovano di fronte i medici: le risorse mediche sono limitate e non è possibile trattare tutti i pazienti che hanno bisogno di cure Consideriamo ad esempio un cardiologo che può curare solo 1 di 2 pazienti: 7

6 senza trattamento il I ha 1 2 probabilità di morire subito 1 2 probabilità di diventare vecchio con il trattamento il I ha 1 3 probabilità di morire per il II paziente: senza trattamento il II ha 1 6 probabilità di morire con il trattamento il II guararà cosa sceglierà il medico? Il problema è esattamente quelo di prima 12 Decisioni sotto stretta incertezza Possiamo dividere i problemi decisionali in 3 classi: 1 DECISIONI CON CERTEZZA 2 DECISIONI CON RISCHIO 3 DECISIONI CON STRETTA INCERTEZZA Raccontiamo un esempio dovuto a Savage (1972): Tua moglie ha appena rotto 5 uova buone in un tegame quando tu arrivi per fare l omelette Esiste un sesto uovo non rotto davanti al tegame, può essere usato per l omelette o per qualche cos altro Devi decidere cosa fare con questo, cioè hai 3 possibili azioni: 8

7 1 ROMPERLO NEL TEGAME CHE CONTIENE GLI ALTRI 5 2 ROMPERLO IN UN PIATTO PER ISPEZIONARLO 3 BUTTARLO VIA SENZA ISPEZIONARLO Dipendendo dallo stato delle uova, queste 3 azioni avranno delle conseguenze STATI BUONO: ϑ 1 CATTIVO: ϑ 2 ROMPERE OMELETTE DI NESSUNA OMELETTE NEL TEGAME 6 UOVA E 6 UOVA BUONE α 1 x 11 DISTRUTTE x 12 ROMPERE OMELETTE DI OMELETTE DI NEL PIATTO 6 UOVA + 5 UOVA α 2 1 PIATTO DA E 1 PIATTO DA LAVARE LAVARE x 21 x 22 BUTTARE OMELETTE DI OMELETTE DI VIA 5 UOVA E 1 5 UOVA α 3 BUON UOVO x 32 DISTRUTTO x 31 Le conseguenze x ij non sono numeri ma si può sempre associare un valore che misura x ij cioè intendiamo per misura del valore > preferenza del decisore v(x ij ) > v(x kl ) x ij > x kl I problemi decisionali sono stati classificati in accordo alle conoscenze del 9

8 decisore sugli stati della natura Le decisioni sotto stretta incertezza sono quelle per cui il decisore non può dire nulla circa il vero stato della natura Non solo egli è ignorante del vero stato, ma non può quantificare la sua incertezza in alcun modo Egli può solo dire che ciascun ϑ j descrive un possibile stato del mondo e ϑ 1, ϑ 2,, ϑ n è una lista esaustiva delle possibilità Come sceglie un decisore sotto stretta incertezza? Vediamo alcuni criteri: 1 WALD S MAX-MIN RETURN (1950) Con l azione a i la peggior conseguenza possibile per il decisore è: s i = min v ij j = 1,, n È chiamato livello di sicurezza di a i Se interpretiamo v ij come un valore finanziario, s i può essere interpretato notando che a i garantisce al decisore un ritorno di almeno s i Il criterio del max-min ritorno suggerito suggerito da WALD è: scegliere l azione a k : è un criterio molto pessimista s k = max {min (v ij )} i j 2 HURCHIWICZ-INDICE DI OTTIMISMO/PESSIMISMO Definiamo il livello di ottimismo di a i come σ i = max v ij j = 1,, n cioè il valore della miglior conseguenza che a i può dare Il criterio del max-min ritorno è m m n σ k = max {σ i } = max {max (v ij )} i = 1 i = 1 j = 1 10

9 Questo è una critica al criterio pessimista di WALD: perché è più razionale essere pessimisti che ottimisti? Un vecchio proverbio dice: IT IS BETTER TO BE SAFE THAN SORRY Il criterio di WALD è più prudente ma NOTHING VENTURED, NO- THING GAINED HURCHIWICZ (1951) suggerì che poche persone sono così pessimiste o così ottimiste come questi estremi possono portare, suggerì così una strada di mezzo: sostenne che un decisore dovrebbe scegliere le azioni in accordo ad una media pesata dei livelli di sicurezza e di ottimismo αs i + (1 α)σ i con 0 α 1 α è l indice di ottimismo/pessimismo HURCHIWICZ raccomanda per la regola di decisione di scegliere n a k : αs k + (1 α)σ k = max {αs i + (1 α)σ i } i = 1 3 SAVAGE MIN-MAX REGRET Savage (1951) osservò che nell usare i valori v ij per guidare una scelta, il decisore confronta il valore della conseguenza di un azione sotto uno stato di natura con i valori di tutte le altre conseguenze qualunque sia lo stato di natura Savage definisce il RIMPIANTO di una conseguenza come: m r ij = max {v ij } v ij i = 1 cioè è la differenza tra il valore che risulta dalla miglior azione dato ϑ j e il valore che risulta da a i sempre in ϑ j (stato del mondo) Ad ogni azione si deve assegnare l indice n ρ i = max {r ij } = massimo rimpianto che deriva dall azione a i j = 1 11

10 Allora si deve scegliere un azione che minimizza ρ i cioè scegliere a k : m m n ρ k = min {ρ i } = min {max (r ij )} i = 1 i = 1 j = 1 4 LAPLACE (1825) osservò che non sapere nulla circa gli stati della natura è lo stesso che tutti gli stati hanno uguale probabilità Se è scelta l azione a i e tutti gli stati hanno uguale probabilità, allora il decisore ha valore atteso da queste conseguenze incerte: ( ) n 1 v ij n j=1 e dovrebbe cercare di massimizzare il suo valore atteso di questa scelta cioè scegliere a k : n m { n 1 v n kj = max 1 v n ij j = 1 i = 1 j = 1 } 12

11 T ABLE 1 : ESEMP IO DI MILNOR ϑ 1 ϑ 2 ϑ 3 ϑ 4 s i σ i j ( 1 n )v ij a /4 a a a T ABLE 2 : RIMP IANT I P ER L ESEMP IO DI MILNOR ϑ 1 ϑ 2 ϑ 3 ϑ 4 ρ i a a a a Esempio per il calcolo: r 22 = max{2, 1, 4, 3} 1 = 4 1 = 3 13

12 - CRITERIO DI LAPLACE: a 1 - CRITERIO DI WALD: a 2 - CRITERIO DI HURCHIWICZ: assegna gli indici 2(1 α), 1, 4(1 α), 3(1 α) rispettivamente ad a 1, a 2, a 3, a 4 In quanto αs k + (1 α)σ k = max{αs i + (1 α)σ i } 0 α < 1 4(1 α) > 2(1 α) 4(1 α) > 3(1 α) se α < 3/4 4(1 α) > 1 così il criterio di Hurchiwicz sceglie a 3 per α < 3/4 - CRITERIO DI SAVAGE: a 4 Ogni criterio sceglie un azione differente SONO TUTTI BUONI CRITERI? 13 Decisioni intertemporali Molti problemi decisionali hanno a che vedere con progetti in cui i costi e i benefici crescono con un certo numero di anni Consideriamo solo casi in cui i costi e i benefici sono interamente monetari Vediamo ad esempio il flusso di cassa (CASH-FLOW) dato nei 6 progetti della tavola seguente: 14

13 ANNI A B C D E F 0-10 M -10 M -10 M -1 M -16 M -16 M 1 +5 M +5 M +2 M +05 M +16 M +32 M 2 +5 M +5 M +8 M +05 M +5 M +192 M M +5 M +05 M M +5 M +05 M 0 0 Consideriamo solo 2 tipi di decisione: 1) ACCETTARE O RIFIUTARE 2) CLASSIFICARE Nel caso 1) ciascun progetto è considerato indipendente da tutti gli altri Nel caso 2) tutti i progetti sono confrontati e classificati con l intenzione di adottare un singolo progetto: il più favorevole È importante includere un progetto nullo che rappresenta lo status quo In questo contesto studieremo solo le decisioni di tipo 2) ( classificare ) Discutiamo qui 4 regole decisionali, regole che aiutano il decisore a classificare i progetti che coinvolgono costi e benefici temporali La regola più semplice è confrontare progetti tenuto conto del tempo in cui chiudono in pareggio cioè tenendo conto del periodo di rimborso Questo viene chiamato PAYBACK-METHOD (o METODO DI RIMBOR- SO) Lo indicheremo con PM Il progetto A ha un periodo di rimborso di 2 anni, così anche B, C, D 15

14 Il progetto E ha un periodo di rimborso di 1 anno Il progetto F ha un periodo di rimborso di 2 anni Questo metodo considera il progetto E il più favorevole, ma non distingue tra i progetti A, B, C, D e F Questo metodo contiene un certo numero di errori, vediamone alcuni: i) In nessun conto è tenuto il profitto totale dopo il rimborso (confronta A e B) ii) In nessun conto è tenuta la misura dell investimento (confronta B e D) iii) In nessun conto è tenuta la distribuzione di entrata e uscita (reddito e spesa) confronta B e C iv) Il periodo di rimborso non è chiaramente definito se il progetto coinvolge investimenti di più anni ESEMPIO: INVESTIMENTI -10 M + 10 M +4 M -4 M +4 M ANNI Qual è il periodo di rimborso? 1 anno oppure 3 anni? Due parole in favore del metodo di rimborso (PM): 1 È molto semplice da capire e usare 2 Minimizzando il periodo di rimborso si minimizza il rischio, infatti, essendo il futuro incerto, un decisore dovrebbe minimizzare il tempo in cui un investimento è in sospeso Un altro metodo più opportuno di valutare lo scorrere del tempo è suggerito dal metodo ARR (=ACCOUNTING RATE OF RETURN = STIMA DELLA VELOCITÀ DEL GUADAGNO) ARR = PROFITTO MEDIO ANNO DI 1 PROGETTO SPESA DEL CAPITALE 100% 16

15 Allora indicando ARR(A) per calcolare ARR del progetto A, si ottiene: ARR(A) = ( )/ % = 0% ( )/4 ARR(B) = 100% = 25% 10 ( )/4 ARR(C) = 100% = 25% 10 ( )/4 ARR(D) = 100% = 25% 1 ( )/2 ARR(E) = 100% = 156% 16 ( )/2 ARR(F) = 100% = 20% 16 Con questo metodo l ordine di preferenza dei progetti è il seguente: B, C, D sono i migliori poi F, E, A Diversamente dal metodo di rimborso PM il criterio ARR tiene conto del profitto necessario dopo che un progetto chiude in pareggio (esempio B è meglio di A) Inoltre è sempre ben definito Tuttavia: i) non è presa in considerazione la misura dell investimento (confronta B e D); ii) non è presa in considerazione la distribuzione dei beni in entrata e in uscita (confronta B e C) Né il metodo PM né il metodo ARR coinvolgono fattori di sconto La maggior parte di noi preferirebbe avere 100 euro ora piuttosto che 100 euro tra un anno cioè in termini economici manifestiamo preferenze temporali sui consumi in periodi differenti Supponiamo che 1 euro ora sia equivalente a (1+r) euro r>0 in un anno allora 1 euro ricevuta in n anni è peggio di (1/(1 + r)) n euro ricevute ora 17

16 Usiamo questa idea per valutare la bontà di un progetto mediante il metodo: NPV=NET PRESENT VALUE=VALORE ATTUALE NETTO Allora calcoliamo NPV(A), NPV(B), ecc NPV(A) = 10M r M + 5 (1 + r) 2 M NPV(B) = 10M r M + 5 (1 + r) 2 M + 5 (1 + r) 3 M + 5 (1 + r) 4 M NPV(C) = 10M r M + 8 (1 + r) 2 M + 5 (1 + r) 3 M + 5 (1 + r) 4 M NPV(D) = 1M r M + 05 (1 + r) 2 M + 05 (1 + r) 3 M + 05 (1 + r) 4 M NPV(E) = 16M r M + 5 (1 + r) 2 M NPV(F) = 16M r M (1 + r) 2 M In generale r è noto come TASSO DI SCONTO (=DISCOUNT RATE) Ci sono varie controvesie circa il valore numerico da assegnare ad r ma qui non ne parleremo, per il nostro problema assumeremo Quindi: r = 01 NPV(A) = 1322M NPV(B) = 5850M NPV(C) = 5601M NPV(D) = 0585M NPV(E) = 2678M NPV(F) = 2777M Con questo metodo i progetti sono così ordinati come ordine di preferenze: 18

17 1 B 2 C 3 F 4 E 5 D 6 A Questo criterio non è soggetto a nessuna delle quattro critiche che erano state fatte per PM Tuttavia ci chiediamo: il metodo NPV tiene conto del fattore r di sconto in maniera corretta? r è lo stesso ogni anno? Stabilire un valore appropriato al fattore di sconto per un particolare problema è sempre una questione controversa Un metodo che supera, almeno in parte, questo problema è il criterio decisionale IRR=INTERNAL RATE OF RETURN = TASSO DI PROFITTO INTERNO IRR è definito essere il valore di r tale che NPV di un progetto è zero Per trovare IRR(A) dobbiamo risolvere 10M + 5M (1 + r) + 5M (1 + r) = 0 2 Pongo x = 1/(1 + r) e dividendo per 5M si ha: ed essendo x = 1/(1 + r) > 0 si ha 2 + x + x 2 = 0 x = 1 o x = r = 1 r = 0 19

18 Allora IRR(A) = 0% In modo analogo si calcola IRR degli altri 5 progetti: IRR(A) = 0% IRR(B) = 35% IRR(C) = 32% IRR(D) = 35% IRR(E) = 25% IRR(F) = 20% Allora i progetti migliori sono B e D e i rimanenti nell ordine: C, E, F, A Osserviamo che IRR diversamente da NPV tiene conto della misura dell investimento (confronta B e D) NPV classifica F sopra E IRR classifica E sopra F Si potrebbe discutere ancora a lungo su questa diversa classificazione (per approfondimenti cfr S French) ma fermiamoci qui: nessun metodo è completamente soddisfacente NPV sembra essere quello con meno inconvenienti ma potremmo discutere a lungo sulla sua applicabilità 14 Preferenze e funzioni di utilità Il modo più primitivo per descrivere delle preferenze è una relazione definita su un insieme Ω di esiti Affinché la relazione sia un PREORDINE TOTALE è necessario che: a b oppure b a a b e b c = a c a, b, c Ω (TOTALITÀ) (TRANSITIVITÀ) (segue la RIFLESSIVITÀ considerando b = a nella formula della totalità) 20

19 La transitività è una richiesta razionale La totalità ci assicura che un individuo può sempre esprimere una preferenza tra due esiti Perché una persona razionale deve avere preferenze transitive? (ved es money-pump ) La relazione di indifferenza è definita da: La relazione di stretta preferenza da: a b e b a a b a b e non a b a < b Il problema della decisione consiste nel trovare l esito ω (ω S Ω) che il decisore preferisce (Notiamo che tale ω potrebbe non esistere, ad esempio se S è infinito Esiste il numero più grande nell intervallo (0,1)? Nel nostro contesto evitiamo simili casi) In molte situazioni può essere difficile esprimere le preferenze allora le funzioni di utilità sono l espediente matematico per semplificare la situazione Una funzione u : Ω R è una funzione di utilità che rappresenta la relazione di preferenza se e solo se u(a) u(b) a b allora il problema di trovare il miglior ω S si riduce al più facile problema di trovare un valore di ω S per cui u(ω) = max u(s) s S 21

20 PARADOSSO DI S PIETROBURGO Consideriamo la lotteria illustrata in figura PREMIO $2 $4 $8 $16 $2 k SUCCESSIONE DI H TH TTH TTTH T TH MONETE ( PROBABILITÀ k 1 2) T = toss H = head (croce) (testa) Si può realizzare lanciando una moneta ripetutamente finché non mostra testa (H) La tabella va interpretata così: leggendo la 1 a colonna: leggendo la 2 a colonna: ecc vinco $2 se viene testa (H) al 1 o lancio e ciò può avvenire con probabilità 1 2 vinco $4 se viene testa (H) al 2 o lancio e ciò può avvenire con probabilità 1 4 Se la moneta mostra testa (H) al k-simo lancio vinco $2 k Quanto sareste disposti a pagare per partecipare a questa lotteria? Supponiamo che ciascun lancio della moneta sia indipendente, le probabilità sono calcolate come indicato in tabella Vediamo come esempio il caso k = 4 cioè la probabilità che esca testa al 4 lancio: 22

21 prob(ttth) = prob(t) prob(t) prob(t) prob(t) = Il valore atteso in dollari nella lotteria di S Pietroburgo è allora: ε(l) = 2 prob(h) + 4 prob(th) + 8 prob(tth) + = ( ) 4 1 = = = + il che significa che il valore atteso in dollari della lotteria è infinito Sareste quindi disposti a spendere il vostro intero patrimonio per comprare un biglietto per partecipare alla lotteria? Poca gente farebbe così soprattutto dopo aver notato che la probabilità di concludere con più di 8$ è solo 1 8 Non è sufficiente scegliere una lotteria che mi dà il più alto valore atteso in dollari per dire di aver fatto una scelta razionale, una teoria che dicesse ciò è insufficiente Quindi: per valutare un investimento richiesto, il guadagno atteso non è il criterio che la gente adotta, il criterio è L UTILITÀ ATTESA 15 Equilibri di Nash Definizione 12 GIOCO NON COOPERATIVO Un gioco non cooperativo a 2 giocatori è una quaterna Γ = (X, Y, f, g) dove X, Y sono gli insiemi delle strategie dei due giocatori, f, g sono le funzioni di utilità dei due giocatori f, g : X Y R Definizione 13 EQUILIBRIO DI NASH Diremo che una coppia di strategie (x, y) X Y è un equilibrio di Nash se f(x, y) f(x, y) x X g(x, y) g(x, y) y Y Riprendiamo alcuni esempi già noti in lezioni precedenti: 23

22 Esempio 14 MORRA CINESE II I S C F S C F S = sasso C = carta F = forbice non esistono equilibri di Nash Esempio 15 DILEMMA DEL PRIGIONIERO II I C NC C NC Due persone sono accusate di aver commesso un grave crimine 24

23 se ambedue confessano subiscono la pena di 8 anni di galera se non confessano non ci sono prove sufficienti a stabilire chi ha commesso il crimine, ma il giudice li condanna per un reato minore: 1 anno di galera se uno confessa la partecipazione di entrambi, per una legge speciale, è libero e l altro è condannato a 10 anni di galera La matrice associata è quella in figura C è un solo equilibrio di Nash (NE):(CC) (cioè entrambi confessano), ma il risultato è insoddisfacente per entrambi perché così faranno 8 anni di galera Se entrambi si mettessero d accordo di non confessare, farebbero meno anni di galera, ma l accordo è instabile perché se uno sa che l altro non confessa allora gli conviene confessare così sarà libero: è un dilemma L equilibrio di Nash è l unica soluzione accettabile però è poco soddisfacente Esempio 16 BATTAGLIA DEI SESSI II I L R T B esistono due equilibri di Nash: (T,L) e (BR) Esempio 17 GIOCO A 3 GIOCATORI Questo gioco coinvolge 3 giocatori: ciascun giocatore può prendere 1 oppure 2 monete nella sua mano 25

24 Se ogni giocatore ha un numero differente di monete dagli altri giocatori allora egli ottiene un payoff uguale al numero delle monete che ha in mano e gli altri non ottengono niente Chiamiamo I, II III i tre giocatori Spazio delle strategie del giocatore I: X = {1, 2} dove 1 indica una moneta e 2 indica due monete Y = {1, 2} (spazio delle strategie del giocatore II) Z = {1, 2} (spazio delle strategie del giocatore III) II I j=1 j=2 i= i= k = 1 II I j=1 j=2 i= i= gli equilibri di Nash sono: k = 2 (2, 1, 1), (1, 2, 1), (2, 2, 1) (1, 1, 2), (1, 2, 2), (2, 1, 2) 26

25 ESERCIZI PROPOSTI 1) Stabilire se esistono equilibri di Nash in strategie pure nel seguente gioco a 2 giocatori II I C D A B ) stessa domanda nel seguente gioco a 3 giocatori dove X = {U, D}, Y = {L, R}, Z = {A, B, C} A II I L R U D B II I L R U D

26 C II I L R U D ESTENSIONE MISTA DI UN GIOCO Sia dato un gioco (che per semplicità di notazione supporremo a 2 giocatori e per evitare difficoltà tecniche supporremo A I e A II, spazi delle strategie dei due giocatori, finiti) G = ({I, II}, A I, A II, u I, u II ) dicesi ESTENSIONE MISTA DI G il gioco G così definito G = ({I, II}, (A I ), (A II ), u I, u II) dove (A i ) è lo spazio delle distribuzioni di probabilità su A i Cioè se ad esempio A I = {x 1,, x m } A II = {y 1,, y n } allora (A I ) = {p R m, p h 0 h e m h=1 p h = 1} e (A II ) = {q R n, q k 0 k e n k=1 q k = 1} Risulta u i cioè: l estensione di u i da A I A II a (A I ) ( A II ) per bilinearità u i (p, q) = m h=1 k=1 n p h q k u i (x h, y k ) è importante il fatto che: L ESTENSIONE MISTA DI UN GIOCO FINITO HA SEMPRE UN EQUILIBRIO DI NASH (TEOREMA DI NASH 1950) (a volte si dice: ogni gioco finito ha equilibrio in strategie miste) 28

27 ESEMPIO Vediamo nell esempio della BATTAGLIA DEI SESSI di calcolare gli equilibri in strategie miste: q 1-q p p p, q [0, 1] Calcoliamo l utilità attesa del giocatore I u I (p, q) = 3pq + 0 p(1 q) + 0 (1 p)q + 1 (1 p)(1 q) = fissata q, consideriamo 3pq + 1 q p + pq = 4pq + 1 p q u I (p, q) = 4pq + 1 p q = p(4q 1) + 1 q u I (p,q) p = 4q 1 > 0 q > 1 4 argmax u I = 1 p = 0 q = 1 4 argmax u I = [0, 1] p < 0 q < 1 4 argmax u I = 0 p si ottiene così il seguente grafico 29

28 q q= p questo è il grafico della miglior risposta del giocatore I fissata la strategia del II; la indico con R I (q) Calcoliamo ora l utilità attesa del giocatore II u II (p, q) = 1 pq+0 p(1 q)+0 (1 p)q+3(1 p)(1 q) = pq+3(1 p)(1 q) = = pq + 3(1 q p + pq) = pq + 3 3q 3p + 3pq = 4pq 3p 3q + 3 u II (p, q) = (4p 3)q + 3(1 p) cerco q che rende massima u II (p, ) u II (p,q) q = 4p 3 > 0 p > 3 4 argmax u II(p, ) = 1 q = 0 p = 3 4 argmax u II(p, ) = [0, 1] q < 0 p < 3 4 argmax u II(p, ) = 0 q si ottiene così il grafico di R II (p) (cioè la miglior risposta del giocatore II fissata la strategia del giocatore I) 30

29 q 1 0 p= p da cui sovrapponendo i due grafici ridotti otteniamo i due equilibri di Nash in strategie miste e cioè (p, q) = (0, 0) (1, 1) ( ) 3 4, 1 4 (u I (0, 0), u II (0, 0)) = (1, 3) equilibrio in strategie pure (u I (1, 1), u II (1, 1)) = (3, 1) equilibrio in strategie pure ( ( )) ( ) 3 (u I ), 4, 1 3 u II 4 4, 1 3 = 4 4, 3 4 e questo è un nuovo equilibrio che trovo in strategie miste ESERCIZIO PROPOSTO: Provate a calcolare gli equilibri in strategie miste per il dilemma del prigioniero Definizione 18 Un gioco G a due giocatori dicesi a somma zero se u I (x, y) + u II (x, y) = 0 x X, y Y 31

30 ESERCIZIO: Si determinino gli equilibri di Nash in strategie miste del gioco a somma zero rappresentato dalla matrice: S D A 1 3 B 4 2 SOLUZIONE ESERCIZIO: X = {S, D} spazio delle strategie del I giocatore Y = {A, B} spazio delle strategie del II giocatore Questo gioco non ha equilibri in strategie pure ma per il Teorema di Nash sappiamo che ha almeno un equilibrio in strategie miste Calcoliamo l utilità attesa da I: u I (p, q) = pq 1 + p(1 q)3 + (1 p)q 4 + (1 p)(1 q) 2 = = p(1 4q) + 2(q + 1) u I (p, q) = p(1 4q) + 2(q + 1) u I (p,q) p = 1 4q > 0 q < 1 4 argmax u I = 1 p = 0 q = 1 4 argmax u I = [0, 1] p < 0 q > 1 4 argmax u I = 0 p 32

31 q q= p u II (p, q) = pq( 1) + p(1 q)( 3) + (1 p)q( 4) + (1 p)(1 q)( 2) = = 4pq p 2q 2 u II (p, q) = 2q(2p 1) (p + 2) u II (p,q) q = 2(2p 1) > 0 p > 1 2 argmax u II = 1 q = 0 p = 1 2 argmax u II = [0, 1] q < 0 p < 1 2 argmax u II = 0 q 33

32 q 1 0 p= p Si ottiene così un equilibrio in strategie miste dato da (p, q) = ( 1 2, 1 4 ) ( ( )) ( ) 1 (u I ), 2, 1 1 u II 4 2, 1 5 = 4 2, Giochi in forma estesa I Un qualunque gioco può essere rappresentato sia in forma normale che in forma estesa? Le due forme sono equivalenti? Per rispondere a queste domande classifichiamo i giochi che abbiamo incontrato in 4 classi: GIOCO STATICO è un gioco in cui i giocatori scelgono contemporaneamente le azioni GIOCO A INFORMAZIONE COMPLETA è un gioco in cui la funzione dei payoff di ogni giocatore è nota ad ogni giocatore (cioè è conoscenza comune) GIOCO DINAMICO è un gioco in cui i giocatori scelgono le azioni in modo sequenziale (il 2 osserva cosa fa il 1 e poi decide ) GIOCO A INFORMAZIONE PERFETTA è un gioco in cui in corrispondenza ad ogni mossa, il giocatore cui spetta muovere è a conoscenza dell intera 34

33 storia fino a quel momento o anche se ogni insieme di informazione contiene un solo nodo Osservazione 19 Un gioco statico può essere pensato come un gioco dinamico ad informazione imperfetta La rappresentazione in forma estesa di un gioco specifica: 1 i giocatori che prendono parte al gioco 2 quando i giocatori hanno diritto alla mossa 3 cosa possono fare i giocatori in ogni circostanza in cui hanno diritto a una mossa 4 cosa conosce ogni giocatore quando gli spetta muovere 5 i payoff ricevuti da ciascun giocatore in corrispondenza ad ogni combinazione di mosse che può essere scelta dai giocatori Esempio 110 Gioco a informazione completa e perfetta: I L R II II L R L R (3,1) (1,2) (2,1) (0,0) F ig1 35

34 1 il giocatore I sceglie un azione a 1 dall insieme ammissibile A 1 = {L, R} 2 il giocatore II osserva a 1 e poi sceglie un azione a 2 dall insieme A 2 = {L, R } 3 i payoff sono u 1 (a 1, a 2 ), u 2 (a 1, a 2 ) e sono indicati nell albero del gioco Questo albero del gioco comincia da un NODO DECISIONALE in cui I decide tra L oppure R, se il giocatore I sceglie L, viene raggiunto un nodo decisionale dal giocatore II che può scegliere tra L e R Analogamente se I sceglie R In seguito ad ogni scelta del giocatore II si giunge ad un nodo terminale (cioè il gioco finisce) e i payoff indicati sono ricevuti dai giocatori Vogliamo ora rappresentare il gioco in forma normale (o strategica) Nel gioco della Fig 1, il giocatore II ha due azioni e 4 strategie perché ci sono 2 diverse circostanze (cioè aver osservato il giocatore I e scegliere L oppure aver osservato il giocatore I e scegliere R) in cui II può trovarsi: ricordo che la STRATEGIA per un giocatore è un piano completo di azione cioè specifica un azione ammissibile del giocatore per ciascuna circostanza in cui il giocatore può essere chiamato ad agire Ritornando alla Fig 1, cerchiamo di stabilire le strategie del giocatore II: Strategia 1: se il giocatore I gioca L allora II gioca L, se il giocatore I gioca R allora II gioca L ; questa strategia è indicata con (L L ) Strategia 2: se il giocatore I gioca L allora II gioca L, se il giocatore I gioca R allora II gioca R (L R ) Strategia 3: se il giocatore I gioca L allora II gioca R, se il giocatore I gioca R allora II gioca L (R L ) Strategia 4: se il giocatore I gioca L allora II gioca R, se il giocatore I gioca R allora II gioca R (R R ) Anche il giocatore I ha 2 azioni ma solo due strategie: giocare L oppure 36

35 R (perché ha la prima mossa del gioco) quindi A 1 = {L, R} Il gioco in forma estesa della Fig 1 ha la seguente rappresentazione strategica: II I L L L R R L R R L R Fig2 Definizione 111 Un insieme d informazione (o insieme informativo) di un giocatore è un insieme di nodi decisionali che soddisfano le seguenti condizioni: i) in corrispondenza di ogni nodo dell insieme di informazione, il giocatore ha diritto alla mossa ii) quando lo svolgimento del gioco raggiunge un nodo dell insieme di informazione, il giocatore a cui spetta la mossa non sa quale nodo dell insieme di informazione è stato (oppure non è stato) raggiunto 37

36 ESEMPIO 1 I S D II II l r L R vince I pari vince I vince II Se tutti gli insiemi di informazione sono singleton abbiamo un gioco a INFORMAZIONE PERFETTA II I l L rl lr rr S D

37 ESEMPIO 2 I S D II II l r L R Le strategie di I sono: S, D, le strategie di II sono: ll,lr, rl, rr, dove ll indica che: II gioca l se I gioca S II gioca L se I gioca D lr indica che: II gioca l se I gioca S II gioca R se I gioca D 39

38 II I l L lr rl rr S D Infatti se I gioca S e II gioca ll l utilità attesa dal giocatore I è: e l utilità attesa di II è: Se I gioca S e II gioca rl eccetera εu I = = 3 2 εu II = = 3 2 εu I = = 13 3 εu II = = 1 40

39 ESERCIZIO Come si rappresenta il dilemma del prigioniero con un gioco in forma estesa? Risoluzione: I NC C II II NC C NC C ( 1, 1) ( 10,0) (0, 10) ( 8, 8) (confronta Esempio 15) Ricordo che un gioco statico può essere pensato come un gioco dinamico a informazione imperfetta 41

40 QUIZ È una buona rappresentazione di un gioco in forma estesa? I S D A B II (1,2) (2,1) (1,3) (0,1) (4,5) E la seguente? II L R I S D S D (1, 1) ( 1,1) (1, 1) ( 1,1) 42

41 TEST Che interpretazione puoi dare al seguente albero? I D A (1,2) II B (2,1) (1,0) (0,1) 43

42 QUIZ (QUIZ-MASTER) In un popolare quiz televisivo ai concorrenti è data l opportunità di scegliere una fra tre porte Una porta nasconde un premio, le altre non hanno niente La concorrente non ha motivo di pensare che una particolare porta sia privilegiata rispetto ad un altra Il conduttore del gioco (=quiz-master) sa quale porta nasconde il premio Dopo che la concorrente ha scelto provvisoriamente una porta, egli (il quizmaster) deve aprire una delle altre porte La concorrente ha allora l opportunità di cambiare idea circa la porta da scegliere Supponiamo che la concorrente desideri rendere massima la probabilità di ottenere il premio e che il quiz-master desideri renderla minima a) Descrivi una strategia ottimale del quiz-master e supponi che d ora in poi egli giochi in accordo con questa strategia b) Disegna l albero del gioco DOMANDE DI P ROBABILIT À c) Se la concorrente non cambia mai la sua scelta iniziale spiega perché la sua probabilità di vincere prima che il quiz-master apra la porta è 1 3 Perché la sua probabilità di vincere rimane 1 anche dopo che il quizmaster ha aperto la porta? 3 Perché una persona ingenua pensa che quest ultima sia 1? 2 d) Se la concorrente cambia sempre la sua scelta dopo che il quiz-master ha aperto una porta spiega perché la sua probabilità di vincere è 2 3 Supponi che il quiz-master e la concorrente giocano al meglio Perché una persona ingenua pensa che la probabilità sia 1 2? 44

Teoria dei giochi Gioco Interdipendenza strategica

Teoria dei giochi Gioco Interdipendenza strategica Teoria dei giochi Gioco Interdipendenza strategica soggetti decisionali autonomi con obiettivi (almeno parzialmente) contrapposti guadagno di ognuno dipende dalle scelte sue e degli altri Giocatori razionali

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

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

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

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

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

Esistenza di funzioni continue non differenziabili in alcun punto

Esistenza di funzioni continue non differenziabili in alcun punto UNIVERSITÀ DEGLI STUDI DI CAGLIARI FACOLTÀ DI SCIENZE MATEMATICHE, FISICHE E NATURALI CORSO DI LAUREA IN MATEMATICA Esistenza di funzioni continue non differenziabili in alcun punto Relatore Prof. Andrea

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

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

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

Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera

Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera L. De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo di sostituirsi

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

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

Esercizi su lineare indipendenza e generatori

Esercizi su lineare indipendenza e generatori Esercizi su lineare indipendenza e generatori Per tutto il seguito, se non specificato esplicitamente K indicherà un campo e V uno spazio vettoriale su K Cose da ricordare Definizione Dei vettori v,,v

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

Matematica B - a.a 2006/07 p. 1

Matematica B - a.a 2006/07 p. 1 Matematica B - a.a 2006/07 p. 1 Definizione 1. Un sistema lineare di m equazioni in n incognite, in forma normale, è del tipo a 11 x 1 + + a 1n x n = b 1 a 21 x 1 + + a 2n x n = b 2 (1) = a m1 x 1 + +

Dettagli

METODI ITERATIVI PER SISTEMI LINEARI

METODI ITERATIVI PER SISTEMI LINEARI METODI ITERATIVI PER SISTEMI LINEARI LUCIA GASTALDI 1. Metodi iterativi classici Sia A R n n una matrice non singolare e sia b R n. Consideriamo il sistema (1) Ax = b. Un metodo iterativo per la soluzione

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

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

Lezione XII: La differenziazione del prodotto

Lezione XII: La differenziazione del prodotto Lezione XII: La differenziazione del prodotto Ci sono mercati che per la natura del loro prodotto, la numerosità dei soggetti coinvolti su entrambi i lati del mercato (e in particolare, la bassa concentrazione

Dettagli

APPLICAZIONI LINEARI

APPLICAZIONI LINEARI APPLICAZIONI LINEARI 1. Esercizi Esercizio 1. Date le seguenti applicazioni lineari (1) f : R 2 R 3 definita da f(x, y) = (x 2y, x + y, x + y); (2) g : R 3 R 2 definita da g(x, y, z) = (x + y, x y); (3)

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

Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora:

Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora: Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora: G.C.D.( a d, b d ) = 1 Sono state introdotte a lezione due definizioni importanti che ricordiamo: Definizione

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

Parte 3. Rango e teorema di Rouché-Capelli

Parte 3. Rango e teorema di Rouché-Capelli Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici

Dettagli

10 1 Gli obiettivi dell OMC 2 I sussidi alle esportazioni agricole in un Paese piccolo 3 I sussidi alle esportazioni agricole in un Paese grande 4

10 1 Gli obiettivi dell OMC 2 I sussidi alle esportazioni agricole in un Paese piccolo 3 I sussidi alle esportazioni agricole in un Paese grande 4 I SUSSIDI ALLE ESPORTAZIONI NELL AGRICOLTURA E NEI SETTORI AD ALTA TECNOLOGIA 10 1 Gli obiettivi dell OMC 2 I sussidi alle esportazioni agricole in un Paese piccolo 3 I sussidi alle esportazioni agricole

Dettagli

Quando A e B coincidono una coppia ordinata é determinata anche dalla loro posizione.

Quando A e B coincidono una coppia ordinata é determinata anche dalla loro posizione. Grafi ed Alberi Pag. /26 Grafi ed Alberi In questo capitolo richiameremo i principali concetti di due ADT che ricorreranno puntualmente nel corso della nostra trattazione: i grafi e gli alberi. Naturale

Dettagli

γ (t), e lim γ (t) cioè esistono la tangente destra e sinistra negli estremi t j e t j+1.

γ (t), e lim γ (t) cioè esistono la tangente destra e sinistra negli estremi t j e t j+1. Capitolo 6 Integrali curvilinei In questo capitolo definiamo i concetti di integrali di campi scalari o vettoriali lungo curve. Abbiamo bisogno di precisare le curve e gli insiemi che verranno presi in

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

Esercizi per il corso di Algoritmi e Strutture Dati

Esercizi per il corso di Algoritmi e Strutture Dati 1 Esercizi per il corso di Algoritmi e Strutture Dati Esercizi sulla Tecnica Divide et Impera N.B. Tutti gli algoritmi vanno scritti in pseudocodice (non in Java, né in C++, etc. ). Di tutti gli algoritmi

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

Analisi Costi e Benefici Laura Vici laura.vici@unibo.it LEZIONE 5

Analisi Costi e Benefici Laura Vici laura.vici@unibo.it LEZIONE 5 Analisi Costi e Benefici Laura Vici laura.vici@unibo.it LEZIONE 5 Rimini, 26 aprile 2006 1 The Inter temporal Effects of International Trade Valore in $ del consumo di beni oggi G D F H 1/(1+r) G Valore

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

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

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

Dimensione di uno Spazio vettoriale

Dimensione di uno Spazio vettoriale Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione

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

Appunti di Logica Matematica

Appunti di Logica Matematica Appunti di Logica Matematica Francesco Bottacin 1 Logica Proposizionale Una proposizione è un affermazione che esprime un valore di verità, cioè una affermazione che è VERA oppure FALSA. Ad esempio: 5

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

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

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

+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento:

+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento: Capitolo 3 Serie 3. Definizione Sia { } una successione di numeri reali. Ci proponiamo di dare significato, quando possibile, alla somma a + a 2 +... + +... di tutti i termini della successione. Questa

Dettagli

Funzioni di più variabili. Ottimizzazione libera e vincolata

Funzioni di più variabili. Ottimizzazione libera e vincolata libera e vincolata Generalità. Limiti e continuità per funzioni di 2 o Piano tangente. Derivate successive Formula di Taylor libera vincolata Lo ordinario è in corrispondenza biunivoca con i vettori di

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

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

IL PROBLEMA DELLO SHORTEST SPANNING TREE

IL PROBLEMA DELLO SHORTEST SPANNING TREE IL PROBLEMA DELLO SHORTEST SPANNING TREE n. 1 - Formulazione del problema Consideriamo il seguente problema: Abbiamo un certo numero di città a cui deve essere fornito un servizio, quale può essere l energia

Dettagli

INTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito.

INTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito. INTEGRALI DEFINITI Sia nel campo scientifico che in quello tecnico si presentano spesso situazioni per affrontare le quali è necessario ricorrere al calcolo dell integrale definito. Vi sono infatti svariati

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

Seconda Prova di Ricerca Operativa. Cognome Nome Numero Matricola A 1/12 A 2/12

Seconda Prova di Ricerca Operativa. Cognome Nome Numero Matricola A 1/12 A 2/12 A / A / Seconda Prova di Ricerca Operativa Cognome Nome Numero Matricola Nota: LA RISOLUZIONE CORRETTA DEGLI ESERCIZI CONTRADDISTINTI DA UN ASTERISCO È CONDIZIONE NECESSARIA PER IL RAGGIUNGIMENTO DELLA

Dettagli

Università di Pavia - Facoltà di Economia

Università di Pavia - Facoltà di Economia 0 Università di Pavia - Facoltà di Economia Il calcolo imprenditoriale per la trasformazione «finanziaria» Michela Pellicelli Le imprese possono essere considerate trasformatori finanziari in quanto: a)

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

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

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

1. Limite finito di una funzione in un punto

1. Limite finito di una funzione in un punto . Limite finito di una funzione in un punto Consideriamo la funzione: f ( ) = il cui dominio risulta essere R {}, e quindi il valore di f ( ) non è calcolabile in =. Quest affermazione tuttavia non esaurisce

Dettagli

Economia monetaria e creditizia. Slide 3

Economia monetaria e creditizia. Slide 3 Economia monetaria e creditizia Slide 3 Ancora sul CDS Vincolo prestatore Vincolo debitore rendimenti rendimenti-costi (rendimenti-costi)/2 Ancora sul CDS dove fissare il limite? l investitore conosce

Dettagli

LEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v 3 + + a 1,n 1 v n 1 + a 1,n v n = w 1

LEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v 3 + + a 1,n 1 v n 1 + a 1,n v n = w 1 LEZIONE 14 141 Dimensione di uno spazio vettoriale Abbiamo visto come l esistenza di una base in uno spazio vettoriale V su k = R, C, permetta di sostituire a V, che può essere complicato da trattare,

Dettagli

Da una a più variabili: derivate

Da una a più variabili: derivate Da una a più variabili: derivate ( ) 5 gennaio 2011 Scopo di questo articolo è di evidenziare le analogie e le differenze, relativamente al calcolo differenziale, fra le funzioni di una variabile reale

Dettagli

Rango: Rouchè-Capelli, dimensione e basi di spazi vettoriali.

Rango: Rouchè-Capelli, dimensione e basi di spazi vettoriali. CAPITOLO 7 Rango: Rouchè-Capelli, dimensione e basi di spazi vettoriali. Esercizio 7.1. Determinare il rango delle seguenti matrici al variare del parametro t R. 1 4 2 1 4 2 A 1 = 0 t+1 1 A 2 = 0 t+1 1

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

1 Numeri Complessi, Formula di Eulero, Decomposizioni Notevoli,... ecc.

1 Numeri Complessi, Formula di Eulero, Decomposizioni Notevoli,... ecc. Classi Numeriche 1 1 Numeri Complessi, Formula di Eulero, Decomposizioni Notevoli,... ecc. In questo breve capitolo richiamiamo le definizioni delle classi numeriche fondamentali, già note al lettore,

Dettagli

Indice generale. Modulo 1 Algebra 2

Indice generale. Modulo 1 Algebra 2 Indice generale Modulo 1 Algebra 2 Capitolo 1 Scomposizione in fattori. Equazioni di grado superiore al primo 1.1 La scomposizione in fattori 2 1.2 Raccoglimento a fattor comune 3 1.3 Raccoglimenti successivi

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

IL GIOCO DEL 15. OVVERO: 1000$ PER SPOSTARE DUE BLOCCHETTI

IL GIOCO DEL 15. OVVERO: 1000$ PER SPOSTARE DUE BLOCCHETTI IL GIOCO DEL. OVVERO: 000$ PER SPOSTARE DUE BLOCCHETTI EMANUELE DELUCCHI, GIOVANNI GAIFFI, LUDOVICO PERNAZZA Molti fra i lettori si saranno divertiti a giocare al gioco del, uno dei più celebri fra i giochi

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

Lezione 10: Il problema del consumatore: Preferenze e scelta ottimale

Lezione 10: Il problema del consumatore: Preferenze e scelta ottimale Corso di Scienza Economica (Economia Politica) prof. G. Di Bartolomeo Lezione 10: Il problema del consumatore: Preferenze e scelta ottimale Facoltà di Scienze della Comunicazione Università di Teramo Scelta

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

Esponenziali elogaritmi

Esponenziali elogaritmi Esponenziali elogaritmi Potenze ad esponente reale Ricordiamo che per un qualsiasi numero razionale m n prendere n>0) si pone a m n = n a m (in cui si può sempre a patto che a sia un numero reale positivo.

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

Problema n. 1: CURVA NORD

Problema n. 1: CURVA NORD Problema n. 1: CURVA NORD Sei il responsabile della gestione del settore Curva Nord dell impianto sportivo della tua città e devi organizzare tutti i servizi relativi all ingresso e all uscita degli spettatori,

Dettagli

Decisioni di finanziamento e mercati finanziari efficienti BMAS Capitolo 12

Decisioni di finanziamento e mercati finanziari efficienti BMAS Capitolo 12 Finanza Aziendale Decisioni di finanziamento e mercati finanziari efficienti BMAS Capitolo 12 Copyright 2003 - The McGraw-Hill Companies, srl 1 Argomenti Decisioni di finanziamento e VAN Informazioni e

Dettagli

IV-1 Funzioni reali di più variabili

IV-1 Funzioni reali di più variabili IV- FUNZIONI REALI DI PIÙ VARIABILI INSIEMI IN R N IV- Funzioni reali di più variabili Indice Insiemi in R n. Simmetrie degli insiemi............................................ 4 2 Funzioni da R n a R

Dettagli

19. Inclusioni tra spazi L p.

19. Inclusioni tra spazi L p. 19. Inclusioni tra spazi L p. Nel n. 15.1 abbiamo provato (Teorema 15.1.1) che, se la misura µ è finita, allora tra i corispondenti spazi L p (µ) si hanno le seguenti inclusioni: ( ) p, r ]0, + [ : p

Dettagli

Appunti sulle disequazioni

Appunti sulle disequazioni Premessa Istituto d Istruzione Superiore A. Tilgher Ercolano (Na) Appunti sulle disequazioni Questa breve trattazione non vuole costituire una guida completa ed esauriente sull argomento, ma vuole fornire

Dettagli

Ricerca non informata in uno spazio di stati

Ricerca non informata in uno spazio di stati Università di Bergamo Facoltà di Ingegneria Intelligenza Artificiale Paolo Salvaneschi A5_2 V2.4 Ricerca non informata in uno spazio di stati Il contenuto del documento è liberamente utilizzabile dagli

Dettagli

Il problema del massimo flusso. Preflow-push e augmenting path: un approccio unificante

Il problema del massimo flusso. Preflow-push e augmenting path: un approccio unificante Introduzione Il problema del massimo flusso. Preflow-push e augmenting path: un approccio unificante Il problema del massimo flusso è uno dei fondamentali problemi nell ottimizzazione su rete. Esso è presente

Dettagli

Compito di SISTEMI E MODELLI. 19 Febbraio 2015

Compito di SISTEMI E MODELLI. 19 Febbraio 2015 Compito di SISTEMI E MODELLI 9 Febbraio 5 Non é ammessa la consultazione di libri o quaderni. Le risposte vanno giustificate. Saranno rilevanti per la valutazione anche l ordine e la chiarezza di esposizione.

Dettagli

Esercizi Capitolo 5 - Alberi

Esercizi Capitolo 5 - Alberi Esercizi Capitolo 5 - Alberi Alberto Montresor 19 Agosto, 2014 Alcuni degli esercizi che seguono sono associati alle rispettive soluzioni. Se il vostro lettore PDF lo consente, è possibile saltare alle

Dettagli

LEZIONE 17. B : kn k m.

LEZIONE 17. B : kn k m. LEZIONE 17 17.1. Isomorfismi tra spazi vettoriali finitamente generati. Applichiamo quanto visto nella lezione precedente ad isomorfismi fra spazi vettoriali di dimensione finita. Proposizione 17.1.1.

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

METODO DEI MINIMI QUADRATI. Quest articolo discende soprattutto dai lavori di Deming, Press et al. (Numerical Recipes) e Jefferys.

METODO DEI MINIMI QUADRATI. Quest articolo discende soprattutto dai lavori di Deming, Press et al. (Numerical Recipes) e Jefferys. METODO DEI MINIMI QUADRATI GIUSEPPE GIUDICE Sommario Il metodo dei minimi quadrati è trattato in tutti i testi di statistica e di elaborazione dei dati sperimentali, ma non sempre col rigore necessario

Dettagli

GEOMETRIA I Corso di Geometria I (seconda parte)

GEOMETRIA I Corso di Geometria I (seconda parte) Corso di Geometria I (seconda parte) anno acc. 2009/2010 Cambiamento del sistema di riferimento in E 3 Consideriamo in E 3 due sistemi di riferimento ortonormali R e R, ed un punto P (x, y, z) in R. Lo

Dettagli

Q84 A1073 K92 J65 VALENTINO DOMINI

Q84 A1073 K92 J65 VALENTINO DOMINI VALENTINO DOMINI L attacco iniziale, prima azione di affrancamento della coppia controgiocante, è un privilegio e una responsabilità: molti contratti vengono battuti o realizzati proprio in rapporto a

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

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

Rappresentazione dei numeri in un calcolatore

Rappresentazione dei numeri in un calcolatore Corso di Calcolatori Elettronici I A.A. 2010-2011 Rappresentazione dei numeri in un calcolatore Lezione 2 Università degli Studi di Napoli Federico II Facoltà di Ingegneria Rappresentazione dei numeri

Dettagli

Dipendenza dai dati iniziali

Dipendenza dai dati iniziali Dipendenza dai dati iniziali Dopo aver studiato il problema dell esistenza e unicità delle soluzioni dei problemi di Cauchy, il passo successivo è vedere come le traiettorie di queste ultime dipendono

Dettagli

(accuratezza) ovvero (esattezza)

(accuratezza) ovvero (esattezza) Capitolo n 2 2.1 - Misure ed errori In un analisi chimica si misurano dei valori chimico-fisici di svariate grandezze; tuttavia ogni misura comporta sempre una incertezza, dovuta alla presenza non eliminabile

Dettagli

4. Strutture algebriche. Relazioni

4. Strutture algebriche. Relazioni Relazioni Sia R una relazione definita su un insieme A (cioè R A A). R si dice riflessiva se a A : ara R si dice simmetrica se a, b A : arb = bra R si dice antisimmetrica se a, b A : arb bra = a = b R

Dettagli

Lezione 13- I due teoremi fondamentali dell economia del benessere e il second best

Lezione 13- I due teoremi fondamentali dell economia del benessere e il second best Lezione 13- I due teoremi fondamentali dell economia del benessere e il second best La mano invisibile e i due teoremi fondamentali dell economia del benessere Nel 1776 Adam Smith nella Ricchezza delle

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

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

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

Before the Wind By Torsten Landsvogt For 2-4 players, age 10+ Phalanx Games, 2007

Before the Wind By Torsten Landsvogt For 2-4 players, age 10+ Phalanx Games, 2007 Before the Wind By Torsten Landsvogt For 2-4 players, age 10+ Phalanx Games, 2007 IMPAGINAZIONE DELLE REGOLE 1.0 Introduzione 2.0 Contenuto del gioco 3.0 Preparazione 4.0 Come si gioca 5.0 Fine del gioco

Dettagli

COSTI DI TRANSIZIONE (Switching costs)

COSTI DI TRANSIZIONE (Switching costs) COSTI DI TRANSIZIONE (Switching costs) Spesso la tecnologia dell informazione assume la forma di un sistema, ovvero un insieme di componenti che hanno valore quando funzionano insieme. Per esempio, hardware

Dettagli

AA 2006-07 LA RICORSIONE

AA 2006-07 LA RICORSIONE PROGRAMMAZIONE AA 2006-07 LA RICORSIONE AA 2006-07 Prof.ssa A. Lanza - DIB 1/18 LA RICORSIONE Il concetto di ricorsione nasce dalla matematica Una funzione matematica è definita ricorsivamente quando nella

Dettagli

NUMERI RAZIONALI E REALI

NUMERI RAZIONALI E REALI NUMERI RAZIONALI E REALI CARLANGELO LIVERANI. Numeri Razionali Tutti sanno che i numeri razionali sono numeri del tio q con N e q N. Purtuttavia molte frazioni ossono corrisondere allo stesso numero, er

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

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

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