Analisi Decisionale. (Decision Analysis) Caratteristiche:
|
|
- Giacinto Mario Ruggiero
- 8 anni fa
- Visualizzazioni
Transcript
1 Analisi Decisionale 1 Analisi Decisionale (Decision Analysis) Metodologia che si applica quando un decisore può scegliere tra varie azioni future il cui esito dipende da fattori esterni che non possono essere previsti esattamente Trivellazioni Petrolifere: dove e come effettuarle? incertezza sulle dimensioni dei giacimenti Marketing: campagne promozionali incertezza sulla risposta dei clienti Ricerca e Sviluppo: opportunità di investire in ricerca e/o sviluppare prodotti innovativi il costo della ricerca potrebbe superare gli ulteriori guadagni Finanza: scelta del portafogli azionario incertezza sul valore futuro delle azioni (e dei derivati...) Gare di appalto: definizione dell offerta la cifra richiesta potrebbe essere troppo bassa per coprire costi ancora incerti, oppure troppo alta per vincere Caratteristiche: singolo decisore condizioni di informazione incompleta (incertezza o rischio)
2 Analisi Decisionale 2 Esempio: introduzione di un nuovo prodotto; 4 possibili modelli: A,B,C,D 3 possibili livelli di domanda: Basso, Medio, Alto Profitti stimati Livello della Domanda Modello Basso Medio Alto A B C D In generale: Stati di Natura Azioni S 1 S 2... S n D 1 a 11 a a 1n D 2 a 21 a a 2n D m a m1 a m2... a mn a ij : payoff (ritorno atteso) dalla decisione D i se si verifica lo stato di natura S j Una decisione D i domina una decisione D k se a ij a kj, j = 1,...,n; la decisione dominata D k viene scartata Esempio: la decisione D è dominata dalla decisione C.
3 Analisi Decisionale 3 Criteri che Non Utilizzano Probabilità MAXMIN (o del pessimismo) Si sceglie la decisione che massimizza il minimo payoff m i = min j=1,...,n {a ij} minimo payoff della decisione D i si sceglie D k : m k = max{m i } i Livello della Domanda Modello Basso Medio Alto m i A B C m k MAXMAX (o dell ottimismo) Si sceglie la decisione che massimizza il massimo payoff M i = max j=1,...,n {a ij} massimo payoff della decisione D i si sceglie D k : M k = max{m i } i Livello della Domanda Modello Basso Medio Alto M i A M k B C
4 Analisi Decisionale 4 MINMAX REGRET Si sceglie la decisione che minimizza la massima perdita di opportunità La perdita di opportunità della decisione D i se si avvera lo stato S j è: R i = max j=1,...,n r ij r ij = max h {a hj} a ij massima perdita della decisione D i si sceglie D k : R k = min i {R i } Livello della Domanda Modello Basso Medio Alto A B C Tabella delle perdite di opportunità r ij Livello della Domanda Modello Basso Medio Alto R i A B R k C
5 Analisi Decisionale 5 MAXMIN Inadeguatezza dei criteri Decisioni Stati di natura D D D MAXMAX Decisioni Stati di natura D D D MINMAX REGRET Decisioni Stati di natura D D D Tabella delle perdite di opportunità Decisioni Stati di natura R i D D D
6 Analisi Decisionale 6 Criterio di Hurwicz Compromesso tra criteri di ottimismo e pessimismo Si sceglie la decisione che massimizza una combinazione convessa del massimo e del minimo Si introduce un parametro α [0, 1]: coefficiente di pessimismo Per ogni decisione D i si calcola il valore: h i (α) = αmin{a ij } + (1 α)max{a ij } j j si sceglie D k (α) : h k (α) = max{h i (α)} i Livello della Domanda Modello Basso Medio Alto h i (0.5) h i (0.8) A B C Si pone il problema della scelta di α tipicamente si assume un atteggiamento pessimista, cioè un α prossimo a 1 si può compiere una analisi di sensitività della alternativa ottima al variare di α Nota: l analisi di sensitività può portare ad escludere alcune alternative; ciò accade, nell esempio, per la decisione B, dato che D k (α) B per ogni α [0,1].
7 Analisi Decisionale 7 Minore inadeguatezza del criterio di Hurwicz Stato di natura Azioni S 1 S 2 S 3 M i m i R i h i (0.5) D D D D D Il metodo ha comunque difetti: considera solo i casi estremi (payoff massimi e minimi) potrebbe escludere alternative più stabili (meno sensibili allo stato di natura) a vantaggio di alternative più dispersive (ad esempio, scegliere A invece di B o C)
8 Analisi Decisionale 8 Criteri che Utilizzano Probabilità Stati di Natura S 1 S 2... S n Azioni p 1 p 2... p n p j = probabilità di S j D 1 a 11 a a 1n D 2 a 21 a a 2n D m a m1 a m2... a mn Osservazione: in generale, lo stato di natura non è aleatorio: le p j riflettono le aspettative del decisore date le informazioni parziali disponibili Valore monetario atteso Expected Monetary Value (EMV) Si sceglie la decisione che massimizza il payoff medio EV i = n j=1 a ij p j valore atteso della decisione D i si sceglie D k : EV k = max{ev i } i Livello della Domanda Basso Medio Alto Modello EV i A EV k B C
9 Analisi Decisionale 9 Valore atteso della perdita di opportunità (regret) Expected Opportunity Loss (EOL) Si sceglie la decisione che minimizza la perdita media ER i = n j=1 r ij p j valore atteso del regret della D i si sceglie D k : ER k = min i {ER i } Livello della Domanda Basso Medio Alto Modello ER i A ER k B C Si dimostra che EMV e EOL sono criteri equivalenti a j = max h=1,...,m {a hj} payoff della decisione ottima per lo stato S j P = n j=1 a jp j costante dipendente solo dai dati del problema EOL = min{er i } = min i i = min i = n n j=1 n j=1 r ij p j = min i a jp j n j=1 n j=1 a ij p j (a j a ij )p j a jp j +min{ EV i } j=1 i = P max i {EV i } = P EMV Nell esempio: P = =
10 Analisi Decisionale 10 Valore dell Informazione Perfetta Expected Value of Perfect Information (EVPI) Quanto saremmo disposti a spendere per sapere con certezza lo stato di natura futuro? il costo dell informazione non deve superare il vantaggio economico che ne deriva senza informazione utilizziamo EMV Attenzione: possiamo conoscere, non scegliere lo stato di natura! Siamo chiaroveggenti (o spie) non maghi (o corruttori) per noi, ogni stato S j ha probabilità p j di essere quello futuro se lo stato futuro è S j il nostro payoff è a j = max h=1,...,m {a hj } P = n j=1 a jp j : payoff atteso se decidiamo di acquisire l informazione perfetta (costante del problema) Dunque per acquisire l informazione perfetta saremo disposti a spendere al massimo EVPI = P EMV Notare che EVPI = EOL: intuitivamente, il valore atteso della informazione perfetta coincide con la perdita attesa di opportunità in assenza di informazione perfetta
11 Analisi Decisionale 11 Utilizzo di Informazione Campionaria In pratica, acquisire l informazione perfetta è impossibile, o comunque troppo costoso Si opta allora per l acquisizione di informazione campionaria statisticamente correlata all informazione perfetta Come l informazione perfetta, anche l informazione campionaria ha un suo valore atteso, calcolabile a priori Metodologia 1. si sceglie un evento verificabile ( test ) il cui esito dipende dallo stato di natura (analisi geologiche, ricerche di mercato, esperimenti in laboratorio, consulenze...) 2. si assumono come disponibili: il costo dell informazione (costo di esecuzione del test ) la relazione statistica tra stato di natura e esito del test (una tabella Q di probabilità condizionali) 3. si calcola il valore atteso dell informazione 4. se il valore della informazione è superiore al suo costo: (a) si acquisice l informazione ( esito del test) (b) sulla base dell esito si aggiornano le probabilità p j (la nuova informazione cambia le nostre aspettative) (c) si applica il criterio EMV con le nuove probabilità
12 Analisi Decisionale 12 Premessa: metodologia Bayesiana Supponiamo di avere uno spazio di probabilità discreto P e due variabili aleatorie (o eventi ) definite su P: y := {y 1,y 2,...,y l }, x := {x 1,x 2,...,x n }; in sostanza, x e y sono due partizioni dell insieme P Possiamo definire la probabilità condizionale e quella congiunta: Pr(y i x j ): prob. di y = y i dato che x = x j Pr(y i x j ): prob. di y = y i e x = x j (condizionale) (congiunta) Il Teorema di Bayes stabilisce che per ogni y i e x j : Pr(y i x j ) = Pr(y i x j ) Pr(x j ) o meglio Pr(y i x j ) = Pr(y i x j ) Pr(x j ) e inoltre, dal momento che x e y sono partizioni di P: Pr(y i ) = n j=1 Pr(y i x j ); Pr(x j ) = l i=1 Pr(y i x j ) Date le probabilità Pr(y i x j ) per ogni y i e x j, e Pr(x j ) per ogni x j, possiamo allora calcolare: Passo 1: le probabilità Pr(y i x j ) = Pr(y i x j ) Pr(x j ) Passo 2: le probabilità Pr(y i ) = n j=1 Pr(y i x j ) Passo 3: le probabilità Pr(x j y i ) = Pr(y i x j ) Pr(y i )
13 Analisi Decisionale 13 Gestione dell informazione campionaria Si assume nota la tabella Q: Stati di Natura Esiti S 1 S 2... S n E 1 q 11 q q 1n E 2 q 21 q q 2n E l q l1 q l2... q ln q ij = Pr(E i S j ): probabilità che il test E abbia esito E i dato che lo stato di natura è S j Da Q e da p = {p 1,...,p n } si derivano, applicando la metodologia Bayesiana, le altre probabilità: (i) per ogni coppia i,j (esito E i e stato S j ) si ottiene q c ij := Pr(E i S j ) := Pr(E i S j ) Pr(S j ) := q ij p j (ii) per ogni esito E i, 1 i l si ottiene p e i := Pr(E i ) := n j=1 Pr(E i S j ) := n (iii) per ogni coppia i,j (esito E i e stato S j ) si ottiene Pr(S j E i ) := Pr(E i S j ) Pr(E i ) := qc ij p e i qij c j=1 Aggiornamento delle probabilità: per ogni stato S j si sostituisce p j con Pr(S j θ), dove θ {E 1,...,E l } è l esito fornito dal test
14 Analisi Decisionale 14 Esempio: supponiamo che una ricerca di mercato possa fornire indicazioni circa il livello di domanda più probabile Ovviamente, la ricerca di mercato non è infallibile; a partire da dati storici su ricerche analoghe possiamo calcolare la tabella Q Stati di Natura Esito Basso Medio Alto Basso M edio Alto q ij = Pr(Esito i Stato j ) Nota: somme di colonna 1 A partire da Q e p otteniamo la matrice Q c delle probabilità congiunte e la probabilità p e i di ciascun esito i Stati di Natura Esito Basso Medio Alto p e Basso M edio Alto q c ij = Pr(Esito i Stato j ) Nota: la somma delle probabilità congiunte è 1 Infine otteniamo le probabilità condizionali Pr(S j E i ) Stati di Natura Esito Basso Medio Alto Basso M edio Alto Nota: somme di riga 1
15 Analisi Decisionale 15 Metodo EMVper l esito θ = Basso Livello della Domanda Basso Medio Alto Modello EV i A B C EMV Basso Metodo EMVper l esito θ = Medio Livello della Domanda Basso Medio Alto Modello EV i A EMV Medio B C Metodo EMVper l esito θ = Alto Livello della Domanda Basso Medio Alto Modello EV i A EMV Alto B C
16 Analisi Decisionale 16 Valore atteso dell informazione campionaria (EVSI) Quanto saremmo disposti a spendere per l informazione campionaria? EVSI: differenza tra il valore atteso della decisione ottima con informazione campionaria e senza L esito θ del test non è noto a priori: la probabilità Pr(E i ) che sia θ = E i viene calcolata al passo (ii) Sia EMV i il valore atteso nel caso in cui l esito del test sia θ = E i : EMV i si calcola usando Pr(S j E i ) invece di Pr(S j ) Allora il ritorno monetario atteso con l analisi di mercato è: Nell esempio: S = l i=1 Pr(E i ) EMV i S = = dunque EVSI = S EMV = = Efficienza dell informazione campionaria EVSI EVPI =
17 Analisi Decisionale 17 Alberi di decisione Metodologia che utilizza una rappresentazione grafica delle decisioni e degli stati di natura nodo quadrato punto in cui si deve effettuare una decisone nodo circolare punto da cui si dipartono possibili stati di natura a sinistra c è la radice che è associata al risultato del calcolo all estrema destra ci sono le foglie associate ai payoff Il calcolo procede da destra a sinistra Modelli Livello domanda Payoff EMV= Modello A E A = Modello B E B = Modello C E C = Bassa (0.1) Media (0.5) Alta (0.4) Bassa (0.1) Media (0.5) Alta (0.4) Bassa (0.1) Media (0.5) Alta (0.4)
18 Analisi Decisionale 18 Costo ricerca EMV= ( ) EMV= Ricerca di mercato Nessuna ricerca Basso (0.25) M edio (0.25) Alto (0.50) EMV EMV EMV EMV Modello A E A = Modello B E B = Modello C E C = Modello A E A = Modello B E B = Modello C E C = Modello A E A = Modello B E B = Modello C E C = Modello A E A = Modello B E B = Modello C E C = Bassa (0.24) Media (0.60) Alta (0.16) Bassa (0.24) Media (0.60) Alta (0.16) Bassa (0.24) Media (0.60) Alta (0.16) Bassa (0.08) Media (0.60) Alta (0.32) Bassa (0.08) Media (0.60) Alta (0.32) Bassa (0.08) Media (0.60) Alta (0.32) Bassa (0.04) Media (0.40) Alta (0.56) Bassa (0.04) Media (0.40) Alta (0.56) Bassa (0.04) Media (0.40) Alta (0.56) Bassa (0.1) Media (0.5) Alta (0.4) Bassa (0.1) Media (0.5) Alta (0.4) Bassa (0.1) Media (0.5) Alta (0.4)
19 Analisi Decisionale 19 Esempio: software house con maggioranza dei pacchetti in DOS, che possono essere trasferiti su UNIX con una spesa pari a 20M Probabile evoluzione del mercato Cresce UNIX Stazionario Cresce DOS Ricavi attesi con e senza trasferimento in UNIX Cresce UNIX Stazionario Cresce DOS Con trasformazione UNIX 170M 100M 80M Senza trasformazione 70M 100M 150M Se non si effettua il trasferimento, e cresce la domanda per DOS, si ipotizza di sviluppare nuovi programmi, con un investimento di 50M, e con una probabilità di successo pari al 60%; in caso di successo si avrà un guadagno aggiuntivo di 70M EMV: 101M EMV: 117M Trasformazione in UNIX: -20M Nessuna trasformazione EMV: 101M Cresce UNIX (0.3) Stazionario (0.5) Cresce DOS (0.2) Cresce UNIX (0.3) 170M 100M 80M 70M Stazionario (0.5) 100M Successo (0.6) Nuovi Prodotti -50M Cresce DOS EMV: Fallimento (0.2) 192M (0.4) EMV: 150M Prodotti standard 220M 150M 150M
20 Analisi Decisionale 20 Alberi decisionali e valore dell informazione Sappiamo che il valore dell informazione perfetta è definito come EVPI = P EMV Costruiamo un albero decisionale per calcolare il valore P : la radice è un nodo evento corrispondente allo stato di natura (cioè, nel nostro esempio, al livello della domanda) per ogni possibile esito (livello) aggiungiamo una replica dell albero del problema originale queste repliche sono in realtà sfrondate, perché il nodo evento relativo alla domanda ha un solo esito possibile domanda modelli domanda payoff P = Bassa (0.1) a 1= Media (0.5) a 2= Alta (0.4) a 3= Modello A Modello B Modello C Modello A Modello B Modello C Modello A Modello B Modello C Bassa Bassa Bassa Media Media Media Alta Alta Alta In questo albero, ogni decisione avviene conoscendo lo stato di natura Il valore atteso calcolato per l albero è P
21 Analisi Decisionale 21 Il valore dell informazione campionaria è EVSI = S EMV; l albero che calcola S è il seguente S = Basso (0.25) M edio (0.25) Alto (0.50) EMV EMV EMV Modello A E A = Modello B E B = Modello C E C = Modello A E A = Modello B E B = Modello C E C = Modello A E A = Modello B E B = Modello C E C = Bassa (0.24) Media (0.60) Alta (0.16) Bassa (0.24) Media (0.60) Alta (0.16) Bassa (0.24) Media (0.60) Alta (0.16) Bassa (0.08) Media (0.60) Alta (0.32) Bassa (0.08) Media (0.60) Alta (0.32) Bassa (0.08) Media (0.60) Alta (0.32) Bassa (0.04) Media (0.40) Alta (0.56) Bassa (0.04) Media (0.40) Alta (0.56) Bassa (0.04) Media (0.40) Alta (0.56) Notare che in ciascun sottoalbero tutte le probabilità sono aggiornate utilizzando la metodologia Bayesiana
22 Analisi Decisionale 22 Il metodo può essere usato per calcolare il valore di qualunque informazione (test o stato di natura) la radice è un nodo evento corrispondente alla informazione di cui si vuole calcolare il valore per ogni possibile esito si aggiunge una replica dell albero del problema originale tutte queste repliche sono: sfrondate, per i nodi evento con un solo esito possibile Bayesianamente aggiornate nelle probabilità Inoltre, il metodo si può iterare, per calcolare il valore di qualunque combinazione di informazioni info 1 info 2... Esito 1... Esito l Esito 1... Esito m Esito 1... Esito m Esito 1... Esito m Ovviamente, occorre fare molta attenzione all aggiornamento Bayesiano delle probabilità!
23 Analisi Decisionale 23 Funzioni di Utilità Valore attribuito soggettivamente dal decisore ai payoff, riflette implicitamente la sua attitudine al rischio Scelta tra due investimenti: BOT a tasso fisso e azioni Andamento del Mercato Rialzo Stazionario Ribasso Probabilità BOT Azioni E BOT = E Azioni = = Il criterio EMV suggerisce di acquistare azioni, ma se l investitore non ha buone disponibilità finanziarie (e il paese non è a rischio default ) sceglie i BOT Suponiamo che l investitore attribuisca ai payoff della tabella le seguenti utilità (normalizzate in [0, 1]): payoff utilità payoff minimo a min payoff massimo a max
24 Analisi Decisionale 24 Alla tabella dei payoff si sostituisce una tabella di utilità: Andamento del Mercato Rialzo Stazionario Ribasso Probabilità E i BOT Azioni Applicando il metodo EMV a questa tabella, la scelta cade sui BOT Il grafico dei valori di utilità suggerisce l esistenza di una funzione di utilità definita nell intervallo [ 1.000, 2.500] come può essere definita questa funzione? c è la relazione tra l andamento di questa funzione e la predisposizione al rischio del decisore?
25 Analisi Decisionale 25 Funzioni di utilità normalizzate Assumiamo che i valori di utilità siano definiti dalla funzione con U(a min ) = 0 e U(a max ) = 1 U : [a min,a max ] [0,1] U deve essere continua e crescente nell intervallo chiuso e limitato [a min,a max ], dunque esiste la funzione inversa Proprietà fondamentali U 1 : [0,1] [a min,a max ] U(a) è l utilità che il decisore attribuisce al fatto di ricevere il payoff a con certezza: cioè a è un payoff certo, non il payoff atteso (EMV) da un evento aleatorio U 1 (u) è il payoff certo corrispondente all utilità u; questo payoff è univocamente definito, anche se u può essere l utilità associata ad un evento aleatorio (es.: utilità attesa dalle azioni) Per U 1 (u) si parla di equivalente certo (certainty equivalent, o CE) dell utilità u; nel seguito useremo quindi U 1 (u) o CE(u) con lo stesso significato
26 Analisi Decisionale 26 Utilità di eventi aleatori: lotterie Siano dati m payoff a 1,a 2,...,a m, e su di essi una distribuzione di probabilità p 1,p 2,...,p m Questi valori definiscono una lotteria, in cui si vince uno degli m payoff, ciascuno con la relativa probabilità Data la funzione di utilità U, ogni payoff a i ha utilità u i = U(a i ) Alla lotteria L possiamo associare due valori: il payoff atteso (in sostanza l EMV): ā = m l utilità attesa: ū = m i=1 p i u i i=1 p i a i Assunzione: ū è l utilità che il decisore attribuisce al ricavo aleatorio rappresentato dalla lotteria Il certainty equivalent CE(ū) rappresenta quindi il payoff certo che il decisore considera equivalente alla lotteria Confrontando i valori CE(ū) e ā possiamo dedurre quale sia l attitudine al rischio del decisore rappresentato da U Osservazione: gli m punti (a i,u i ), 1 i m, appartengono alla curva definita da U; il punto (ā,ū) = m p i (a i,u i ) appartiene all inviluppo convesso dei punti (a i,u i ) i=1
27 Analisi Decisionale 27 Decisori avversi al rischio Supponiamo che la funzione di utilità U abbia un andamento concavo (derivata prima decrescente) 1.00 ū 0 CE(ū) ā Il punto (ā,ū) si trova sotto la curva, quindi CE(ū) < ā Il decisore considera la lotteria equivalente ad un payoff certo CE(ū) minore del payoff atteso ā Si tratta dunque di un decisore che considera negativamente le situazioni di aleatorietà, cioè di un decisore avverso al rischio (risk averse: RA) Proprietà: funzioni di utilità concave denotano avversione al rischio (risk aversion)
28 Analisi Decisionale 28 Decisori propensi al rischio Supponiamo che la funzione di utilità U abbia un andamento convesso (derivata prima crescente) 1 ū 0 ā CE(ū) Il punto (ā,ū) si trova sopra la curva, quindi CE(ū) > ā Il decisore considera la lotteria equivalente ad un payoff certo CE(ū) maggiore del payoff atteso ā Si tratta dunque di un decisore che considera positivamente le situazioni di aleatorietà, cioè di un decisore propenso al rischio (risk seeking: RS) Proprietà: funzioni di utilità convesse denotano propensione al rischio (risk seeking)
29 Analisi Decisionale 29 Decisori indifferenti al rischio Supponiamo che la funzione di utilità U sia lineare 1 ū 0 ā = CE(ū) Il punto (ā,ū) appartiene alla curva, quindi CE(ū) = ā Il decisore considera la lotteria equivalente ad un payoff certo CE(ū) uguale al payoff atteso ā Si tratta dunque di un decisore che non considera rilevante la aleatorietà, cioè di un decisore indifferente al rischio (risk neutral: RN) Proprietà: funzioni di utilità lineari denotano indifferenza al rischio (risk neutrality)
30 Analisi Decisionale 30 Curve di utilità e percezione del rischio Intuitivamente, data una lotteria, la differenza CE(ū) ā sarà tanto più piccola quanto più la curva U è piatta, fino ad annullarsi se U è lineare Possiamo concludere quanto segue: un andamento (concavo o convesso) molto marcato denoterà una forte percezione del rischio, e una conseguente forte reazione ad esso (avversione o propensione, rispettivamente) un andamento poco marcato (quasi lineare) denoterà invece una scarsa percezione del rischio In parole povere: maggiore è la curvatura di U, maggiore è la percezione del rischio da parte del decisore In pratica, determinare la funzione di utilità vera di un decisore è impossibile; si può procedere in due modi: approssimare U per punti, e poi interpolare utilizzare alcune curve parametriche standard, scegliendo i parametri in modo da rispecchiare l atteggiamento del decisore Una volta scelta una funzione di utilità, si possono applicare gli strumenti che abbiamo visto (in particolare gli alberi decisionali) manipolando direttamente le utilità invece dei payoff
31 Analisi Decisionale 31 Un metodo di approssimazione per punti Utilizziamo una lotteria L(p) molto semplice: si vince a max con probabilità p e a min con probabilità (1 p) Chiaramente, l utilità della lotteria è ū = p 1+(1 p) 0 = p Dato un payoff a i [a min,a max ] la sua utilità si individua rispondendo iterativamente alla domanda: preferisci la lotteria L(p) o quadagnare a i con certezza? per opportuni valori di p, sino a trovare il punto di indifferenza Esempio: dati a min = 1000 e a max = 2500, e posto a i = 500 dom.: preferisci L(0.5) o a i con certezza? (ā = 750) risp.: a i con certezza dom.: preferisci L(0.75) o a i con certezza? (ā = 1450) risp.: la lotteria L(0, 75) dom.: preferisci L(0.6) o a i con certezza? (ā = 1100) risp.: è indifferente l utilità di a i = 500 è 0.6 Nota: esistono in realtà molti altri metodi, anche assai più sofisticati, per approssimare per punti le funzioni di utilità L interpolazione per punti ha più che altro un interesse teorico, in pratica si utilizzano opportune curve parametriche
Analisi Decisionale. (Decision Analysis) Caratteristiche:
Analisi Decisionale 1 Analisi Decisionale (Decision Analysis) Metodologia che si applica quando un decisore può scegliere tra varie azioni future il cui esito dipende da fattori esterni che non possono
DettagliLe scelte del consumatore in condizione di incertezza (cap.5)
Le scelte del consumatore in condizione di incertezza (cap.5) Che cos è il rischio? Come possiamo indicare le preferenze del consumatore riguardo al rischio? C è chi acquista assicurazione (non ama il
DettagliScelte in condizioni di rischio e incertezza
CAPITOLO 5 Scelte in condizioni di rischio e incertezza Esercizio 5.1. Tizio ha risparmiato nel corso dell anno 500 euro; può investirli in obbligazioni che rendono, in modo certo, il 10% oppure in azioni
DettagliScelte in condizione di incertezza
Scelte in condizione di incertezza Tutti i problemi di decisione che abbiamo considerato finora erano caratterizzati dal fatto che ogni possibile scelta dei decisori portava a un esito certo. In questo
DettagliCapitolo 13: L offerta dell impresa e il surplus del produttore
Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:
DettagliEsercizi di Ricerca Operativa II
Esercizi di Ricerca Operativa II Raffaele Pesenti January 12, 06 Domande su utilità 1. Determinare quale è l utilità che un giocatore di roulette assegna a 100,00 Euro, nel momento che gioca tale cifra
DettagliOttimizzazione Multi Obiettivo
Ottimizzazione Multi Obiettivo 1 Ottimizzazione Multi Obiettivo I problemi affrontati fino ad ora erano caratterizzati da una unica (e ben definita) funzione obiettivo. I problemi di ottimizzazione reali
DettagliLa scelta in condizioni di incertezza
La scelta in condizioni di incertezza 1 Stati di natura e utilità attesa. L approccio delle preferenza per gli stati Il problema posto dall incertezza riformulato (state-preference approach). L individuo
DettagliCapitolo 25: Lo scambio nel mercato delle assicurazioni
Capitolo 25: Lo scambio nel mercato delle assicurazioni 25.1: Introduzione In questo capitolo la teoria economica discussa nei capitoli 23 e 24 viene applicata all analisi dello scambio del rischio nel
DettagliE naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
DettagliCapitolo 25: Lo scambio nel mercato delle assicurazioni
Capitolo 25: Lo scambio nel mercato delle assicurazioni 25.1: Introduzione In questo capitolo la teoria economica discussa nei capitoli 23 e 24 viene applicata all analisi dello scambio del rischio nel
DettagliCapitolo 4: Ottimizzazione non lineare non vincolata parte II. E. Amaldi DEIB, Politecnico di Milano
Capitolo 4: Ottimizzazione non lineare non vincolata parte II E. Amaldi DEIB, Politecnico di Milano 4.3 Algoritmi iterativi e convergenza Programma non lineare (PNL): min f(x) s.v. g i (x) 0 1 i m x S
DettagliEconomia Applicata ai sistemi produttivi. 06.05.05 Lezione II Maria Luisa Venuta 1
Economia Applicata ai sistemi produttivi 06.05.05 Lezione II Maria Luisa Venuta 1 Schema della lezione di oggi Argomento della lezione: il comportamento del consumatore. Gli economisti assumono che il
Dettagli2 + (σ2 - ρσ 1 ) 2 > 0 [da -1 ρ 1] b = (σ 2. 2 - ρσ1 σ 2 ) = (σ 1
1 PORTAFOGLIO Portafoglio Markowitz (2 titoli) (rischiosi) due titoli rendimento/varianza ( μ 1, σ 1 ), ( μ 2, σ 2 ) Si suppone μ 1 > μ 2, σ 1 > σ 2 portafoglio con pesi w 1, w 2 w 1 = w, w 2 = 1- w 1
DettagliAi fini economici i costi di un impresa sono distinti principalmente in due gruppi: costi fissi e costi variabili. Vale ovviamente la relazione:
1 Lastoriadiun impresa Il Signor Isacco, che ormai conosciamo per il suo consumo di caviale, decide di intraprendere l attività di produttore di caviale! (Vuole essere sicuro della qualità del caviale
DettagliCapitolo 6 Economia dell informazione e scelta in condizioni di incertezza
Capitolo 6 Economia dell informazione e scelta in condizioni di incertezza ECONOMIA DELL INFORMAZIONE L informazione è un fattore importante nel processo decisionale di consumatori e imprese Nella realtà,
DettagliIl modello binomiale ad un periodo
Opzioni Un opzione dà al suo possessore il diritto (ma non l obbligo) di fare qualcosa. Un opzione call (put) europea su un azione che non paga dividendi dà al possessore il diritto di comprare (vendere)
Dettaglilezione 18 AA 2015-2016 Paolo Brunori
AA 2015-2016 Paolo Brunori Previsioni - spesso come economisti siamo interessati a prevedere quale sarà il valore di una certa variabile nel futuro - quando osserviamo una variabile nel tempo possiamo
DettagliCapitolo 26: Il mercato del lavoro
Capitolo 26: Il mercato del lavoro 26.1: Introduzione In questo capitolo applichiamo l analisi della domanda e dell offerta ad un mercato che riveste particolare importanza: il mercato del lavoro. Utilizziamo
DettagliLa 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~ Copyright Ripetizionando - All rights reserved ~ http://ripetizionando.wordpress.com STUDIO DI FUNZIONE
STUDIO DI FUNZIONE Passaggi fondamentali Per effettuare uno studio di funzione completo, che non lascia quindi margine a una quasi sicuramente errata inventiva, sono necessari i seguenti 7 passaggi: 1.
DettagliIndice. 1 La disoccupazione ---------------------------------------------------------------------------------------- 3. 2 di 6
INEGNAMENO DI EONOMIA OLIIA LEZIONE VIII IL EORE DELL OUAZIONE ROF. ALDO VAOLA Economia olitica Indice 1 La disoccupazione ----------------------------------------------------------------------------------------
DettagliEsercitazione 23 maggio 2016
Esercitazione 5 maggio 016 Esercitazione 3 maggio 016 In questa esercitazione, nei primi tre esercizi, analizzeremo il problema del moral hazard nel mercato. In questo caso prenderemo in considerazione
DettagliUn modello matematico di investimento ottimale
Un modello matematico di investimento ottimale Tiziano Vargiolu 1 1 Università degli Studi di Padova Liceo Scientifico Benedetti Venezia, giovedì 30 marzo 2011 Outline 1 Preliminari di calcolo delle probabilità
DettagliIl mercato di monopolio
Il monopolio Il mercato di monopolio Il monopolio è una struttura di mercato caratterizzata da 1. Un unico venditore di un prodotto non sostituibile. Non ci sono altre imprese che possano competere con
DettagliDipartimento di Economia Aziendale e Studi Giusprivatistici. Università degli Studi di Bari Aldo Moro. Corso di Macroeconomia 2014
Dipartimento di Economia Aziendale e Studi Giusprivatistici Università degli Studi di Bari Aldo Moro Corso di Macroeconomia 2014 1. Assumete che = 10% e = 1. Usando la definizione di inflazione attesa
DettagliTest d ipotesi. Statistica e biometria. D. Bertacchi. Test d ipotesi
In molte situazioni una raccolta di dati (=esiti di esperimenti aleatori) viene fatta per prendere delle decisioni sulla base di quei dati. Ad esempio sperimentazioni su un nuovo farmaco per decidere se
DettagliUn investimento è un operazione che dà luogo a costi immediati in vista di ricavi attesi.
Scelta di un progetto di investimento Un investimento è un operazione che dà luogo a costi immediati in vista di ricavi attesi. La sua utilità economica è valutata sulla base del confronto tra le risorse
Dettaglif(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da
Data una funzione reale f di variabile reale x, definita su un sottoinsieme proprio D f di R (con questo voglio dire che il dominio di f è un sottoinsieme di R che non coincide con tutto R), ci si chiede
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliPer poter affrontare il problema abbiamo bisogno di parlare di probabilità (almeno in maniera intuitiva). Analizziamo alcune situazioni concrete.
Parliamo di probabilità. Supponiamo di avere un sacchetto con dentro una pallina rossa; posso aggiungere tante palline bianche quante voglio, per ogni pallina bianca che aggiungo devo pagare però un prezzo
DettagliCapitolo 4 Probabilità
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 4 Probabilità Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara Docenti: Dott.
DettagliBasi di matematica per il corso di micro
Basi di matematica per il corso di micro Microeconomia (anno accademico 2006-2007) Lezione del 21 Marzo 2007 Marianna Belloc 1 Le funzioni 1.1 Definizione Una funzione è una regola che descrive una relazione
DettagliTecniche di analisi multivariata
Tecniche di analisi multivariata Metodi che fanno riferimento ad un modello distributivo assunto per le osservazioni e alla base degli sviluppi inferenziali - tecniche collegate allo studio della dipendenza
DettagliLa condivisione del rischio e la sua ripartizione su ampia scala
La condivisione del rischio e la sua ripartizione su ampia scala 1 ARGOMENTI DI QUESTA LEZIONE Questa lezione propone esplora due problemi fondamentali: Se esiste un rischio in una transazione chi lo deve
DettagliESERCITAZIONE 1. 15 novembre 2012
ESERCITAZIONE 1 Economia dell Informazione e dei Mercati Finanziari C.d.L. in Economia degli Intermediari e dei Mercati Finanziari (8 C.F.U.) C.d.L. in Statistica per le decisioni finanziarie ed attuariali
DettagliLE FUNZIONI A DUE VARIABILI
Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre
DettagliIl modello generale di commercio internazionale
Capitolo 6 Il modello generale di commercio internazionale [a.a. 2015/16 ] adattamento italiano di Novella Bottini (ulteriore adattamento di Giovanni Anania, Margherita Scoppola e Francesco Aiello) 6-1
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliLA MASSIMIZZAZIONE DEL PROFITTO ATTRAVERSO LA FISSAZIONE DEL PREZZO IN FUNZIONE DELLE QUANTITÀ
LA MASSIMIZZAZIONE DEL PROFITTO ATTRAVERSO LA FISSAZIONE DEL PREZZO IN FUNZIONE DELLE QUANTITÀ In questa Appendice mostreremo come trovare la tariffa in due parti che massimizza i profitti di Clearvoice,
Dettaglirisulta (x) = 1 se x < 0.
Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente
DettagliCalcolo del Valore Attuale Netto (VAN)
Calcolo del Valore Attuale Netto (VAN) Il calcolo del valore attuale netto (VAN) serve per determinare la redditività di un investimento. Si tratta di utilizzare un procedimento che può consentirci di
Dettagli1. Sia dato un poliedro. Dire quali delle seguenti affermazioni sono corrette.
. Sia dato un poliedro. (a) Un vettore x R n è un vertice di P se soddisfa alla seguenti condizioni: x P e comunque presi due punti distinti x, x 2 P tali che x x e x x 2 si ha x = ( β)x + βx 2 con β [0,
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliCapitolo 23: Scelta in condizioni di incertezza
Capitolo 23: Scelta in condizioni di incertezza 23.1: Introduzione In questo capitolo studiamo la scelta ottima del consumatore in condizioni di incertezza, vale a dire in situazioni tali che il consumatore
Dettagli1. PRIME PROPRIETÀ 2
RELAZIONI 1. Prime proprietà Il significato comune del concetto di relazione è facilmente intuibile: due elementi sono in relazione se c è un legame tra loro descritto da una certa proprietà; ad esempio,
DettagliCAPITOLO 10 I SINDACATI
CAPITOLO 10 I SINDACATI 10-1. Fate l ipotesi che la curva di domanda di lavoro di una impresa sia data da: 20 0,01 E, dove è il salario orario e E il livello di occupazione. Ipotizzate inoltre che la funzione
DettagliIl rischio di un portafoglio
Come si combinano in un portafoglio i rischi di 2 titoli? dipende dai pesi e dal valore delle covarianze covarianza a a ρ a b ρ a b ρ b b ρ coefficiente di correlazione = cov / ² p = a² ² + b² ² + 2 a
DettagliIl modello IS-LM. Determiniamo le condizioni per cui il mercato dei beni è in equilibrio.
Il modello IS-LM In questa lezione: Definiamo l equilibrio economico generale. Determiniamo le condizioni per cui il mercato dei beni è in equilibrio. Costruiamo la curva IS e la curva LM e ne determiniamo
DettagliEsercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)
Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso
DettagliLa Programmazione Lineare
4 La Programmazione Lineare 4.1 INTERPRETAZIONE GEOMETRICA DI UN PROBLEMA DI PROGRAMMAZIONE LINEARE Esercizio 4.1.1 Fornire una rappresentazione geometrica e risolvere graficamente i seguenti problemi
DettagliMetodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Metodi statistici per l economia (Prof. Capitanio) Slide n. 9 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 TEST D IPOTESI Partiamo da un esempio presente sul libro di testo.
DettagliLE SUCCESSIONI 1. COS E UNA SUCCESSIONE
LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe
DettagliSTRATEGIA DI TRADING. Turning Points
STRATEGIA DI TRADING Turning Points ANALISI E OBIETTIVI DA RAGGIUNGERE Studiare l andamento dei prezzi dei mercati finanziari con una certa previsione su tendenze future Analisi Tecnica: studio dell andamento
DettagliEdited by Foxit PDF Editor Copyright (c) by Foxit Software Company, 2004 For Evaluation Only.
In un mercato del lavoro competitivo esistono due tipi di lavoratori, quelli con alta produttività L A, che producono per 30 $ l'ora, e quelli con bassa produttività, L B, che producono per 5 $ l'ora.
DettagliUn modello matematico di investimento ottimale
Un modello matematico di investimento ottimale Tiziano Vargiolu 1 1 Università degli Studi di Padova Liceo Scientifico Benedetti Venezia, giovedì 30 marzo 2011 Outline 1 Investimento per un singolo agente
DettagliMassimizzazione del Profitto e offerta concorrenziale. G. Pignataro Microeconomia SPOSI
Massimizzazione del Profitto e offerta concorrenziale 1 Mercati perfettamente concorrenziali 1. Price taking Poiché ogni impresa vende una porzione relativamente piccola della produzione complessiva del
DettagliTeoria dei Giochi. Anna Torre
Teoria dei Giochi Anna Torre Almo Collegio Borromeo 14 marzo 2013 email: anna.torre@unipv.it sito web del corso:www-dimat.unipv.it/atorre/borromeo2013.html IL PARI O DISPARI I II S T S (-1, 1) (1, -1)
DettagliStatistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi.
Iniziamo con definizione (capiremo fra poco la sua utilità): DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è funzione che ha come dominio Ω e come codominio R. In formule:
DettagliInferenza statistica. Statistica medica 1
Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella
DettagliMODELLO DI RISCHIO: STIGLITZ E WEISS (1981)
MODELLO DI RISCHIO: STIGLITZ E WEISS (1981) Presentazione a cura di Isabella Natoli Modello di Stiglitz e Weiss (1981) Tasso d interesse svolge una duplice funzione in condizioni che implicano il razionamento
DettagliEsercizi sulle variabili aleatorie Corso di Probabilità e Inferenza Statistica, anno 2007-2008, Prof. Mortera
Esercizi sulle variabili aleatorie Corso di Probabilità e Inferenza Statistica, anno 2007-2008, Prof. Mortera 1. Avete risparmiato 10 dollari che volete investire per un anno in azioni e/o buoni del tesoro
DettagliELASTICITÀ. 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
DettagliAnno 4 Grafico di funzione
Anno 4 Grafico di funzione Introduzione In questa lezione impareremo a disegnare il grafico di una funzione reale. Per fare ciò è necessario studiare alcune caratteristiche salienti della funzione che
DettagliScelta intertemporale: Consumo vs. risparmio
Scelta intertemporale: Consumo vs. risparmio Fino a questo punto abbiamo considerato solo modelli statici, cioè modelli che non hanno una dimensione temporale. In realtà i consumatori devono scegliere
DettagliCAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI
VERO FALSO CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI 1. V F Un ipotesi statistica è un assunzione sulle caratteristiche di una o più variabili in una o più popolazioni 2. V F L ipotesi nulla unita
DettagliREGOLAZIONE (E TASSAZIONE OTTIMALE) DI UN MONOPOLIO CON PIÙ LINEE DI PRODUZIONE
REGOLAZIONE (E TASSAZIONE OTTIMALE) DI UN MONOPOLIO CON PIÙ LINEE DI PRODUZIONE Nella Sezione 16.5 abbiamo visto come un regolatore che voglia fissare il prezzo del monopolista in modo da minimizzare la
DettagliGli input sono detti anche fattori di produzione: terra, capitale, lavoro, materie prime.
LA TECNOLOGIA Studio del comportamento dell impresa, soggetto a vincoli quando si compiono scelte. La tecnologia rientra tra vincoli naturali e si traduce nel fatto che solo alcuni modi di trasformare
DettagliScelta di portafoglio
Scelta di portafoglio Appunti per il corso di conomia dei mercati monetari e finanziari A.A. 2002/2003 duardo Rossi Università di Pavia 1 Scelta di portafoglio Individuo avverso al rischio con funzione
DettagliIl Capital asset pricing model è un modello di equilibrio dei mercati, individua una relazione tra rischio e rendimento, si fonda sulle seguenti
Il Capital asset pricing model è un modello di equilibrio dei mercati, individua una relazione tra rischio e rendimento, si fonda sulle seguenti ipotesi: Gli investitori sono avversi al rischio; Gli investitori
DettagliEsercitazione n.2 Inferenza su medie
Esercitazione n.2 Esercizio L ufficio del personale di una grande società intende stimare le spese mediche familiari dei suoi impiegati per valutare la possibilità di attuare un programma di assicurazione
DettagliOttimizzazione nella gestione dei progetti Capitolo 4: la gestione dei costi (Programmazione multimodale): formulazioni
Ottimizzazione nella gestione dei progetti Capitolo 4: la gestione dei costi (Programmazione multimodale): formulazioni CARLO MANNINO Università di Roma La Sapienza Dipartimento di Informatica e Sistemistica
DettagliEquilibrio bayesiano perfetto. Giochi di segnalazione
Equilibrio bayesiano perfetto. Giochi di segnalazione Appunti a cura di Stefano Moretti, Silvia VILLA e Fioravante PATRONE versione del 26 maggio 2006 Indice 1 Equilibrio bayesiano perfetto 2 2 Giochi
DettagliEsercizi test ipotesi. Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010
Esercizi test ipotesi Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Verifica delle ipotesi - Esempio quelli di Striscia la Notizia" effettuano controlli casuali per vedere se le pompe
DettagliRicerca Operativa A.A. 2007/2008. 10. Dualità in Programmazione Lineare
Ricerca Operativa A.A. 2007/2008 10. Dualità in Programmazione Lineare Luigi De Giovanni - Ricerca Operativa - 10. Dualità in Programmazione Lineare 10.1 Soluzione di un problema di PL: punti di vista
Dettagli4. Si consideri un economia chiusa in cui: Y = C + I + G, C = 90 + 0,8YD, G = 1000, T= 0,5Y, I = 900 500r, P=1,
Esercitazione 8 Domande 1. Si consideri un economia per cui il coefficiente di liquidità sia pari a Cl = 5%, mentre il coefficiente di riserva è Cr = 3%. a) Si calcoli il moltiplicatore monetario. b) Se
DettagliLa teoria dell utilità attesa
La teoria dell utilità attesa 1 La teoria dell utilità attesa In un contesto di certezza esiste un legame biunivoco tra azioni e conseguenze: ad ogni azione corrisponde una e una sola conseguenza, e viceversa.
DettagliTest statistici di verifica di ipotesi
Test e verifica di ipotesi Test e verifica di ipotesi Il test delle ipotesi consente di verificare se, e quanto, una determinata ipotesi (di carattere biologico, medico, economico,...) è supportata dall
DettagliIl modello generale di commercio internazionale
Capitolo 6 Il modello generale di commercio internazionale [a.a. 2013/14] adattamento italiano di Novella Bottini (ulteriore adattamento di Giovanni Anania) 6-1 Struttura della presentazione Domanda e
DettagliLezione 14. Risparmio e investimento. Leonardo Bargigli
Lezione 14. Risparmio e investimento Leonardo Bargigli Risparmio e investimento nella contabilità nazionale Ripartiamo dalla definizione di PIL in termini di spesa finale Y = C + I + G + NX Consideriamo
DettagliCapitolo 22: Lo scambio nel mercato dei capitali
Capitolo 22: Lo scambio nel mercato dei capitali 22.1: Introduzione In questo capitolo analizziamo lo scambio nel mercato dei capitali, dove si incontrano la domanda di prestito e l offerta di credito.
DettagliCRITERI DI CONVERGENZA PER LE SERIE. lim a n = 0. (1) s n+1 = s n + a n+1. (2) CRITERI PER LE SERIE A TERMINI NON NEGATIVI
Il criterio più semplice è il seguente. CRITERI DI CONVERGENZA PER LE SERIE Teorema(condizione necessaria per la convergenza). Sia a 0, a 1, a 2,... una successione di numeri reali. Se la serie a k è convergente,
DettagliRaccolta degli Scritti d Esame di ANALISI MATEMATICA U.D. 1 assegnati nei Corsi di Laurea di Fisica, Fisica Applicata, Matematica
DIPARTIMENTO DI MATEMATICA Università degli Studi di Trento Via Sommarive - Povo (TRENTO) Raccolta degli Scritti d Esame di ANALISI MATEMATICA U.D. 1 assegnati nei Corsi di Laurea di Fisica, Fisica Applicata,
DettagliIl modello generale di commercio internazionale
Capitolo 6 Il modello generale di commercio internazionale adattamento italiano di Novella Bottini 1 Struttura della presentazione Domanda e offerta relative Benessere e ragioni di scambio Effetti della
DettagliComputational Game Theory
Computational Game Theory Vincenzo Bonifaci 24 maggio 2012 5 Regret Minimization Consideriamo uno scenario in cui un agente deve selezionare, più volte nel tempo, una decisione tra un insieme di N disponibili:
DettagliRICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007
RICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007 Rispondere alle seguenti domande marcando a penna la lettera corrispondente alla risposta ritenuta corretta (una sola tra quelle riportate). Se
DettagliEsercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test
STATISTICA (2) ESERCITAZIONE 6 05.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test Il preside della scuola elementare XYZ sospetta che
DettagliDomande a scelta multipla 1
Domande a scelta multipla Domande a scelta multipla 1 Rispondete alle domande seguenti, scegliendo tra le alternative proposte. Cercate di consultare i suggerimenti solo in caso di difficoltà. Dopo l elenco
DettagliMICROECONOMIA La teoria del consumo: Alcuni Arricchimenti. Enrico Saltari Università di Roma La Sapienza
MICROECONOMIA La teoria del consumo: Alcuni Arricchimenti Enrico Saltari Università di Roma La Sapienza 1 Dotazioni iniziali Il consumatore dispone ora non di un dato reddito monetario ma di un ammontare
DettagliProbabilità discreta
Probabilità discreta Daniele A. Gewurz 1 Che probabilità c è che succeda...? Una delle applicazioni della combinatoria è nel calcolo di probabilità discrete. Quando abbiamo a che fare con un fenomeno che
DettagliMatematica generale CTF
Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione
DettagliL avversione al rischio e l utilità attesa
L avversione al rischio e l utilità attesa Kreps: "Microeconomia per manager" 1 ARGOMENTI DI QUESTA LEZIONE In questa lezione introdurremo il modello dell utilità attesa, che descrive le scelte individuali
DettagliESERCITAZIONE MATEMATICA FINANZIARIA OPZIONI. Matematica finanziaria Dott. Andrea Erdas Anno Accademico 2011/2012
ESERCITAZIONE MATEMATICA FINANZIARIA 1 OPZIONI 2 LE OPZIONI Le opzioni sono contratti che forniscono al detentore il diritto di acquistare o vendere una certa quantità del bene sottostante a una certa
Dettagliu 1 u k che rappresenta formalmente la somma degli infiniti numeri (14.1), ordinati al crescere del loro indice. I numeri u k
Capitolo 4 Serie numeriche 4. Serie convergenti, divergenti, indeterminate Data una successione di numeri reali si chiama serie ad essa relativa il simbolo u +... + u +... u, u 2,..., u,..., (4.) oppure
DettagliFallimenti del mercato: Il monopolio
Corso di Scienza Economica (Economia Politica) prof. G. Di Bartolomeo Fallimenti del mercato: Il monopolio Facoltà di Scienze della Comunicazione Università di Teramo Concorrenza imperfetta La concorrenza
DettagliSPC e distribuzione normale con Access
SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,
DettagliINTRODUZIONE ALLA MICROECONOMIA [F O] / Prova finale 14 Gennaio 2005. Nome.. Cognome. Matricola. Corso di laurea: CLEMI CLEA CLSES
INTRODUZIONE ALLA MICROECONOMIA [F O] / Prova finale 14 Gennaio 2005 A Nome.. Cognome. Matricola. Corso di laurea: CLEMI CLEA CLSES Istruzioni: rispondete alle domande segnando con una crocetta la lettera
DettagliEntropia. Motivazione. ? Quant è l informazione portata dalla sequenza? Abbiamo una sequenza S di N simboli (campioni audio, pixel, caratteri,...
Entropia Motivazione Abbiamo una sequenza S di N simboli (campioni audio, pixel, caratteri,... ) s,s 2,s 3,... ognuno dei quali appartiene ad un alfabeto A di M elementi.? Quant è l informazione portata
DettagliEsercitazione relativa al capitolo 14 I MONOPOLI E LA CONCORRENZA IMPERFETTA
Esercitazione relativa al capitolo 14 I MONOPOLI E LA CONCORRENZA IMPERFETTA Esistono quattro principali tipi di strutture di mercato: concorrenza perfetta, monopolio, concorrenza monopolistica e oligopolio.
DettagliAllegato 4 - Esempio di analisi aziende multisito (clusterizzazione o metodo alternativo)
Allegato 4 - Esempio di analisi aziende multisito (clusterizzazione o metodo alternativo) LINEE GUIDA per la conduzione della diagnosi energetica nel settore cartario IMPRESE MULTISITO SOGGETTE ALL OBBLIGO
Dettagli