Moto Browniano Geometrico multidimensionale
|
|
- Cristina Rossini
- 4 anni fa
- Visualizzazioni
Transcript
1 Moto Browniano Geometrico multidimensionale Supponiamo di avere n azioni i cui prezzi sono indicati con S 1 (t), S 2 (t),,..., S n (t). Supponiamo che siano disponbili m moti Browniani indipendenti che indichiamo con B 1 (t),..., B m (t) Definiamo inoltre la matrice delle volatilità Σ σ 11 σ 12 σ 1n σ 21 σ 22 σ 2n Σ =... σ m1 σ m2 σ mn Dove le costanti σ ij descrivono le correlazioni tra i log-return delle azioni e α i, i = 1,, n sono delle costanti.
2 Moto Browniano Geometrico multidimensionale La dinamica dei prezzi del titolo i esimo si scrive nella forma n ds i (t) = α i S i (t)dt + S i (t) σ ij db j (t) j=1 oppure ds i (t) = S i (0) exp α i 1 2 m j=1 σ 2 ij + n σ ij B j (t) j=1
3 Moto Browniano Geometrico multidimensionale Il processo multidimensionale (S 1 (t), S 2 (t),..., S n (t)) è chiamato Moto Browniano geometrico multidimensionale e trova applicazione nella prezzatura di opzioni basate su più titoli sottostanti. Ad esempio opzioni che pagano solo quando la differenza tra i valori dei due titoli è positiva, ovvero X = max(s 1 (T ) S 2 (T ), 0) oppure opzioni che pagano quando il massimo delle quotazioni dei titoli coinvolti supera una soglia K X = max (max(s 1 (T ), S 2 (T )) K, 0)
4 Soluzione del modello B&S multidimensionale Il payoff del contingent claim f è dato da X = f (S 1 (T ), S 2 (T ),..., S n (T )) Quando esiste la misura martingala equivalente Q (caso n = m come vederemo) si ricava che P(t) = e r(t t) E Q (X F t ) dove F t è tutta l informazione sino a tempo t, cioè quella generata dagli m = n moti browniani sino al tempo t.
5 Misura martingala Q per B&S multidimensionale Per poter calcolare il payoff P(T ) è opportuno, come per il caso unidimensionale, passare alla misura martingala equivalente. Si deve però assumere che esista l inversa della matrice volatilità Σ, ovvero esiste Σ 1 tale per cui Σ 1 Σ = I. Come abbiamo già segnalato, questo avviene quando m = n Introduciamo il vettore λ = Σ 1 (α r 1) e definiamo il processo M(t) come segue ( M(t) = exp λ B(t) 1 ) 2 λλ t con B(t) = (B 1 (t), B 2 (t),..., B n (t)), 1 = (1, 1,..., 1) e α = (α 1, α 2,..., α n ).
6 Misura martingala Q per B&S multidimensionale La misura martingala equivalente si costruisce come nel caso unidimensionale, ovvero, per ogni A Ω si definisce Q(A) = E1 A M(T ) = P(M(T ) A) allora A è equivalente a P e inoltre W(t) = B(t) + λt è un moto browniano n-dimensionale rispetto a Q.
7 Soluzione del modello B&S multidimensionale Se ci mettiamo sotto la misura Q, le dinamiche dei prezzi dei titoli sottostanti si scrivono come segue ds i (t) = rs i (t)dt + S i (t) n σ ij dw j (t) e i prezzi scontati S d i (t) = e rt S i (t) soddisfano le equazioni Si dimostra anche che ds d i (t) = S d i (t) j=1 n σ ij dw j (t) j=1 E Q [S d i (t) F s ] = S d i (s)
8 Soluzione del modello B&S multidimensionale Abbiamo già detto che il payoff di un contingent claim si ottiene passando al valore atteso sotto Q, ovvero P(t) = e (T t) = E Q [X F t ] = C(t, S 1 (t), S 2 (t),..., S n (t)) con X = f (S 1 (T ), S 2 (T ),..., S n (T )). Ai fini del calcolo del valore atteso attraverso il metodo Monte Carlo, ci conviene passare alla rappresentazione del valore atteso tramite i moti browniani geometrici S t,x i.
9 Soluzione del modello B&S multidimensionale Infatti si può scrivere C(t, x 1, x 2,..., x n ) = e r(t t) E q [f (S t,x 1 1 (T ), S t,x 2 2 (T ),..., S t,xn n (T ))] con S t,x i i (T ) = x i exp r 1 2 n j=1 σ 2 ij (T t) + n σ ij (W j (T ) W j (t)) j=1
10 Soluzione del modello B&S multidimensionale Il portafoglio di copertura H(t) = n ai H (t)s i (t) + b H (t)r(t) i=1 si ottiene ponendo a H i (t) = x i C(t, S 1 (t), S 2 (t),..., S n (t))
11 Soluzione del modello B&S multidimensionale Si supponga di avere un mercato come quello descritto, allora possono accadere due cose il mercato non offre opportunità di arbitraggio se e solo se n m. il mercato è completo se e solo che n m.
12 Esempio di un modello con due titoli Si supponga di avere i seguenti due processi ds 1 (t) = α 1 S 1 (t)dt + S 1 (t)(σ 11 db 1 (t) + σ 12 db 2 (t)) ds 2 (t) = α 2 S 2 (t)dt + S 2 (t)(σ 21 db 1 (t) + σ 22 db 2 (t)) con B 1 (t) e B 2 (t) due moti browniani indipendenti. Definiamo inoltre i rispetti log-return X(t) = ln(s 1 (t)/s 1 (t 1)) Y (t) = ln(s 2 (t)/s 2 (t 1)) Calcoliamo la correlazione tra X(t) e Y (t).
13 Esempio di un modello con due titoli Indichiamo con B i (t) = B i (t) B i (t 1) N(0, 1). Sostituendo S 1 e S 2 nelle espressioni dei log-return si ottiene X(t) = Y (t) = (α 1 12 (σ211 + σ212 ) ) + σ 11 B 1 (t) + σ 12 B 2 (t) (α 2 12 (σ221 + σ222 ) ) + σ 21 B 1 (t) + σ 22 B 2 (t) Poiché B 1 e B 2 sono indipendenti, lo sono anche B 1 e B 2, quindi X(t) e Y (t) sono delle variabili casuali gaussiane
14 Esempio di un modello con due titoli X(t) N Y (t) N ( α 1 1 ) 2 (σ σ2 12 ), σ σ2 12 ( α 2 1 ) 2 (σ σ2 22 ), σ σ2 22 Calcoliamo ora la covarianza (si tenga presente che molti valori attesi si annulleranno per le proprietà del moto browniano) Cov(X(t), Y (t)) =EX(t)Y (t) EX(t)EY (t) =σ 11 σ 21 E( B 1 (t)) 2 + σ 12 σ 22 E( B 2 (t)) 2 + (σ 11 σ 22 + σ 12 σ 21 )E( B 1 (t) B 2 (t)) =σ 11 σ 21 + σ 12 σ 22
15 Esempio di un modello con due titoli Cor(X(t), Y (t)) = Cov(X(t), Y (t)) VarX(t) VarY (t) = σ 11 σ 21 + σ 21 σ 22 σ σ2 12 σ σ2 22 Se poniamo σ 11 = σ 1, σ 21 = σ 2, σ 12 = σ 1 ρ e σ 22 = 0, ovvero scegliamo [ ] [ ] σ11 σ Σ = 12 σ1 ρσ = 1 σ 21 σ 22 σ 2 0 si ottiene
16 Esempio di un modello con due titoli Cor(X(t), Y (t)) = σ 1 σ 2 σ 21 + σ21 ρ2 σ 2 2 = ±1 1 + ρ 2 Questa scrittura alternativa permette operando sul segno di σ 1 σ 2 e sul valore di ρ 2 di modellare semplicemente una struttura di covarianza per i log-returns.
Ciclo di seminari: Metodi Computazionali per la Finanza
Ciclo di seminari: Metodi Computazionali per la Finanza C.d.L.M. Finanza e Assicurazioni a.a. 2018/2019 Lezione 4: Simulazione Moti Browniani e con Monte Carlo Cos è il Metodo Monte Carlo? Dinamica di
DettagliEsercizi su formula di Itô
Esercizi su formula di Itô 1. Scrivere il differenziale stocastico dei seguenti processi: (i) X t = B t (ii) X t = t + e B t (iii) X t = B 3 t 3tB t (iv) X t = 1 + t + e B t (v) X t = [B 1 (t)] + [B (t)]
DettagliMetodi Stocastici per la Finanza
Metodi Stocastici per la Finanza Tiziano Vargiolu vargiolu@math.unipd.it 1 1 Università degli Studi di Padova Anno Accademico 2013-2014 Lezione 4 Indice 1 Convergenza in legge di processi stocastici 2
DettagliZero-coupon bond e tassi di interesse a breve termine
Zero-coupon bond e tassi di interesse a breve termine Definizione. Uno zero-coupon bond con data di maturità T > 0, detto anche T -bond, è un contratto che prevede il pagamento alla scadenza T del suo
DettagliIstituzioni di Probabilità Laurea magistrale in Matematica prova scritta del 2/12/2013
Istituzioni di Probabilità Laurea magistrale in Matematica prova scritta del /1/13 Exercise 1 punti 1 circa Un foglio browniano è un processo gaussiano a valori reali X s, t, indicizzato da s, t in [,
DettagliIII Appello di Processi Stocastici Cognome: Laurea Magistrale in Matematica 2014/15 Nome: 15 Settembre
III Appello di Processi Stocastici Cognome: Laurea Magistrale in Matematica 2014/15 Nome: 15 Settembre 2015 Email: Quando non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliValutazione in tempo continuo (formula di Black e Scholes)
Valutazione in tempo continuo (formula di Black e Scholes) Federico Marchetti (Politecnico di Milano) Dipartimento di Economia e Produzione 5/6/000 1 Calcolo stocastico Ci limitiamo al caso unidimensionale,
DettagliEsercizi su equazioni differenziali stocastiche e teorema di Girsanov (con soluzioni)
Esercizi su equazioni differenziali stocastiche e teorema di Girsanov con soluzioni). Moto Browniano geometrico Per r, σ >, si consideri l EDS lineare con coeff. costanti: dx t rx t dt + σx t db t, X x
DettagliCorsi di Laurea Magistrale in Matematica, A.A Calcolo stocastico e applicazioni (Docente: Bertini) Esercizi settimanali
Settimana 1 Esercizio 1. [Unicità della misura di Wiener] Sia C([0, 1]) l insieme delle funzioni continue sull intervallo [0, 1] con la topologia (metrizzabile) indotta dalla convergenza uniforme. Sia
DettagliIstituzioni di Probabilità Laurea magistrale in Matematica prova scritta del 14/2/2013
Istituzioni di Probabilità Laurea magistrale in Matematica prova scritta del 14/2/213 Exercise 1. punti 9+) Sia X = X t, x)) t,x un processo stocastico a valori reali, avente come parametro la coppia t,
DettagliLa famiglia di distribuzioni normali asimmetriche
Università Roma Tre Facoltà Scienze Matematiche, Fisiche e Naturali Corso di Laurea in Matematica Tesi di Laurea in Matematica La famiglia di distribuzioni normali asimmetriche Alcune proprietà Relatore:
DettagliIstituzioni di Probabilità Laurea magistrale in Matematica a.a. 2013/14 Registro delle lezioni
Istituzioni di Probabilità Laurea magistrale in Matematica a.a. 2013/14 Registro delle lezioni Lezione 1 (25/2). Introduzione al corso. Prime definizioni sui processi stocastici (processo stocastico, distribuzioni
DettagliModello Black-Scholes
Modello Black-Scholes R. Marfé Indice 1 Il modello Black Scholes 1.1 Formule di valutazione per le opzioni standard......... 3 1. Implementazione in VBA..................... 6 1 1 Il modello Black Scholes
Dettagli1 Serie temporali. 1.1 Processi MA
1 Serie temporali Un processo stocastico 1 {X t, t T }, dove T = N o T = Z, si dice stazionario se (X 1,..., X n ) e (X k+1,...,x k+n ) hanno la stessa distribuzione per ogni n 1 e per ogni k T. Un processo
DettagliMetodi Stocastici per la Finanza
Metodi Stocastici per la Finanza Tiziano Vargiolu vargiolu@math.unipd.it 1 1 Università degli Studi di Padova Anno Accademico 2012-2013 Lezione 2 Indice 1 Dal modello alla formula di Black-Scholes 2 Calibrazione
Dettagli1 Portofoglio autofinanziante
1 Portofoglio autofinanziante Supponiamo che l evoluzione del titolo A 1 sia S 1 t) e l evoluzione del titolo A sia S t). Supponiamo che al tempo 0 io abbia una somma X0) che voglio investire parte in
DettagliScheda n. 7: primi elementi sui legami tra più variabili
Scheda n. 7: primi elementi sui legami tra più variabili October 27, 2008 Matrice di covarianza e di correlazione Supponiamo di esaminare n variabili X,..., X n, ad esempio X = reddito medio, X 2 = tasso
DettagliFONDAMENTI DI SISTEMI DINAMICI (prof. Vincenzo LIPPIELLO A.A ) Corso di Laurea in Ingegneria Elettronica e delle Telecomunicazioni - II anno
Voto Cognome/Nome & No. Matricola FONDAMENTI DI SISTEMI DINAMICI prof. Vincenzo LIPPIELLO A.A. 05 06 Corso di Laurea in Ingegneria Elettronica e delle Telecomunicazioni - II anno PROVA DEL 5 FEBBRAIO 06
DettagliMetodi e Modelli dei Mercati Finanziari
Diario delle lezioni di Metodi e Modelli dei Mercati Finanziari a.a. 2018/2019 www.mat.uniroma2.it/~caramell/did 1819/mmmf.htm Parte I: Opzioni Europee e Metodi Monte Carlo Lezioni 1, 2-02/10/2018 Breve
DettagliVerso l integrale stocastico
Verso l integrale stocastico Una versione più corretta di è la sua forma integrale ds(t) = σs(t)dx(t) + µs(t)dt S(t) = S() + σs(u)db(u) + µs(u)du Ricordando che S è un processo che descrive la dinamica
DettagliEsercitazioni di Matematica Finanziaria
Esercitazioni di Matematica Finanziaria Corso di laurea in Economia e Finanza (Mercati Finanziari) 2 Aprile 208 Esercizio. Si considerino due titoli rischiosi con rendimenti attesi e deviazioni standard
DettagliSistemi differenziali 2 2: esercizi svolti. 1 Sistemi lineari Stabilità nei sistemi lineari
Sistemi differenziali : esercizi svolti 1 Sistemi lineari Stabilità nei sistemi lineari 14 1 Sistemi differenziali : esercizi svolti 1 Sistemi lineari Gli esercizi contrassegnati con il simbolo * presentano
DettagliSpazio di probabilità
Spazio di probabilità Uno spazio di probabilità è una terna (Ω, A, P), dove Ω è un insieme qualunque (in genere pensato come l insieme dei risultati possibili di un esperimento casuale), A è detta σ-algebra,
DettagliQuesta viene trasmessa sul canale (wireless o wired). In questo corso, modellizzeremo il canale di trasmissione come un canale Gaussiano bianco
Canale di trasmissione Dati una costellazione M un labeling binario e è possibile associare alle sequenze binarie di informazione u da trasmettere una forma d onda s(t). Questa viene trasmessa sul canale
DettagliISTITUZIONI DI MATEMATICHE II
ISTITUZIONI DI MATEMATIHE II SEONDO ESONERO Esercizio 1. Data la funzione f(x, y) = (x + y )(1 y) i) se ne studi il segno. ii) Si trovino i punti critici di f e se ne studi le natura. iii) Sia D = {(x,
Dettagli9.3 Il metodo dei minimi quadrati in formalismo matriciale
9.3. IL METODO DEI MINIMI QUADRATI IN FORMALISMO MATRICIALE 121 9.3 Il metodo dei minimi quadrati in formalismo matriciale Per applicare il MMQ a funzioni polinomiali, ovvero a dipendenze di una grandezza
DettagliEsercizio: pendoli accoppiati. Soluzione
Esercizio: pendoli accoppiati Si consideri un sistema di due pendoli identici, con punti di sospensione posti alla stessa quota in un piano verticale. I due pendoli sono collegati da una molla di costante
DettagliI Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2016/17
I Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 6/7 Martedì 3 gennaio 7 Cognome: Nome: Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliMetodi Stocastici per la Finanza
Metodi Stocastici per la Finanza Tiziano Vargiolu vargiolu@math.unipd.it 1 1 Università degli Studi di Padova Anno Accademico 2013-2014 Lezione 5 Indice 1 Riduzione della varianza nei metodi Monte Carlo
DettagliVariabili aleatorie n-dim
Sessione Live #6 Settimana dal 6 maggio al giugno 003 Variabili aleatorie n-dim Funzioni di ripartizione e di densità (F.D.R. e f.d.d.) congiunte e marginali, valori medi e momenti misti, funzione generatrice
DettagliPortafoglio a Varianza Minima con 2 titoli
Portafoglio a Varianza Minima con 2 titoli Stiamo valutando la possibilitá di investire 50000 euro per un mese in due titoli azionari, con le seguenti caratteristiche (base mensile): A : r A = 3% σ A =
DettagliIstituzioni di Probabilità - A.A
Istituzioni di Probabilità - A.A. 25-26 Prima prova di verifica intermedia - 29 aprile 25 Esercizio. Sia (X n ) n una successione di v.a. i.i.d. centrate con < X P-q.c., sia λ R ed F una v.a. integrabile
DettagliAnalisi Matematica II Corso di Ingegneria Biomedica Compito del f(x, y) = x sin y
Analisi Matematica II Corso di Ingegneria Biomedica Compito del 4-- - È obbligatorio consegnare tutti i fogli, anche quelli della brutta. - Le risposte senza giustificazione sono considerate nulle. Esercizio.
DettagliSequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di:
Teoria dei Fenomeni Aleatori AA 01/13 Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: N-pla o Sequenza
DettagliF x 1 = x 1 + x 2. 2x 1 x 2 Determinare la matrice C associata a F rispetto alla base canonica (equivalentemente,
Corso di Laurea in Fisica. Geometria 1. a.a. 2006-07. Gruppo B. Prof. P. Piazza Esonero del 1/12/06 con soluzione Esercizio. Spazio vettoriale R 2 con base canonica fissata e coordinate associate (x 1,
DettagliI VETTORI GAUSSIANI E. DI NARDO
I VETTOI GAUSSIANI E. DI NADO. L importanza della distribuzione gaussiana I vettori di v.a. gaussiane sono senza dubbio uno degli strumenti più utili in statistica. Nell analisi multivariata, per esempio,
DettagliAppunti utili per gli esercizi sugli integrali stocastici
Appunti utili per gli esercizi sugli integrali stocastici Michele Gianfelice a.a. / Integrale di Itô Consideriamo lo spazio di probabilità ltrato ; F; ff t g t ; P dove: := C ([; T ] ; R) è lo spazio di
DettagliAnalisi Stocastica Programma del corso 2008/09
Analisi Stocastica Programma del corso 2008/09 [13/01] Introduzione. 0. Preludio (1 ora) [1] Descrizione del corso: obiettivi, prerequisiti, propedeuticità. Un esempio euristico: lavoro di una forza, valore
Dettagli4.6 Il modello di Cox, Ross e Rubinstein
46 Il modello di Cox, Ross e Rubinstein In questo paragrafo studieremo il modello di Cox, Ross e Rubinstein, nel seguito scriveremo brevemente modello CRR, versione discreta del ben più famoso modello
DettagliAnalisi Statistica Multivariata Modulo Modelli Statistici
Analisi Statistica Multivariata Modulo Modelli Statistici Gianna Monti 8 novembre 013 1 Approfondimenti 1 1.1 Esercizi Esercizio 1 Galton e il suo allievo Karl Pearson condussero alcuni studi in merito
DettagliApplicazione alla Finanza dei metodi di EDP-Modello di Black-Scholes
Applicazione alla Finanza dei metodi di EDP-Modello di Black-Scholes Docente:Alessandra Cutrì Descrizione del Modello - Opzioni OPZIONE è il più semplice strumento derivato: E un contratto che da la possibilità
DettagliIl Modello di Markowitz e la frontiera efficiente (1952)
Il Modello di Markowitz e la frontiera efficiente (1952) Introduzione La selezione di portafoglio consiste nella ripartizione di un capitale tra più investimenti di reddito aleatorio Il capitale da ripartire
Dettagli) la sua densità discreta sarà della forma. p X (0) = 1 2, p X(1) = 1 2,
Esercizi settimana 6 Esercizi applicati Esercizio. Siano X e Y due v.a. discrete indipendenti tali che X B(, ) e Y B(, ), n 0. (i) Si calcoli la legge di X + Y ; (ii) Si calcoli la legge di X Y ; (iii)
DettagliCoppie di variabili aleatorie
Coppie di variabili aleatorie 1 Coppie di variabili aleatorie Definizione: Si definisce vettore aleatorio la coppia (,) dove,, sono definite sullo stesso spazio campione : S R, : S R (, ) : S R Esempio:
DettagliMarkov Chains and Markov Chain Monte Carlo (MCMC)
Markov Chains and Markov Chain Monte Carlo (MCMC) Alberto Garfagnini Università degli studi di Padova December 11, 2013 Catene di Markov Discrete dato un valore x t del sistema ad un istante di tempo fissato,
DettagliIstituzioni di Probabilità Laurea magistrale in Matematica 16 Febbraio 2015
Istituzioni di Probabilità Laurea magistrale in Matematica 16 Febbraio 15 sercizio 1. (punti 1 ) ) Basandosi sul noto concetto di integrale di Itô, ogni studente esponga, preliminarmente, una ragionevole
DettagliEsercizi su leggi Gaussiane
Esercizi su leggi Gaussiane. Siano X e Y v.a. indipendenti e con distribuzione normale standard. Trovare le densità di X, X +Y e X, X. Mostrare che queste due variabili aleatorie bidimensionali hanno le
Dettagli1 Trasformazione di vettori e 1-forme per cambiamenti
PRIMA ESERCITAZIONE Trasformazione di vettori e -forme per cambiamenti di coordinate Consideriamo lo spazio di Minkowski in coordinate cartesiane {x } (x,x,x 2,x 3 ). La sua metrica è ds 2 (dx ) 2 +(dx
DettagliCenni alle equazioni integrali
Cenni alle equazioni integrali Elisa Francini e Sergio Vessella 1 Equazioni integrali Le equazioni integrali del primo tipo costituiscono un modello per i problemi inversi lineari. Prendiamole in considerazione
DettagliAnalisi Stocastica Programma del corso 2009/10
Analisi Stocastica Programma del corso 2009/10 [13/01a] Introduzione. 0. Preludio (1 ora) [1] Descrizione del corso: obiettivi, prerequisiti, propedeuticità. Un esempio euristico: lavoro di una forza,
DettagliVariabili Aleatorie Multiple
Variabili Aleatorie Multiple v.a. multiple - Esercizio 1 Consideriamo l estrazione con reimmissione di palline colorate da un urna contenente 5 palline bianche, 15 verdi, e 10 rosse. 1) Calcolare la probabilità
Dettagli0.1 Arco di curva regolare
.1. ARCO DI CURVA REGOLARE 1.1 Arco di curva regolare Se RC(O, i, j, k ) è un riferimento cartesiano fissato per lo spazio euclideo E, e se v (t) = x(t) i + y(t) j + z(t) k è una funzione a valori vettoriali
DettagliCP110 Probabilità: Esonero 2. Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2011-12, II semestre 29 maggio, 2012 CP110 Probabilità: Esonero 2 Testo e soluzione 1. (8 punti) La freccia lanciata da un arco è distribuita uniformemente
DettagliTraiettorie nello spazio degli stati
. Traiettorie nello spazio degli stati Per mostrare i tipici andamenti delle traiettorie nello spazio degli stati in funzione della posizione dei poli del sistema si farà riferimento ad un esempio: un
DettagliFacoltà di Ingegneria Calcolo delle Probabilità e Statistica Ingegneria Civile e A&T e Informatica
Facoltà di Ingegneria Calcolo delle Probabilità e Statistica Ingegneria Civile e A&T e Informatica Prima prova scritta A.A. 8-9 Durata della prova h Punteggi: ) + + ; ) + + + ; ) +. Totale. Esercizio Sia
DettagliEsercizi - Fascicolo V
Esercizi - Fascicolo V Esercizio Sia X una vc uniformenente distribuita nell intervallo ( π, π ), cioè f X (x) = π ( π, π ) (x) Posto Y = cos(x), trovare la distribuzione di Y se y < F Y (y) = P (cos(x)
DettagliCONTROLLO DI ROBOT INDUSTRIALI Laurea Magistrale in Ingegneria Meccatronica
CONTROLLO DI ROBOT INDUSTRIALI Laurea Magistrale in Ingegneria Meccatronica CONTROLLO DI ROBOT INDUSTRIALI ANALISI DEI SISTEMI LTI Ing. Tel. 5 535 e-mail: cristian.secchi@unimore.it http://www.dismi.unimo.it/members/csecchi
DettagliCapitolo VI SISTEMI LINEARI
Capitolo VI SISTEMI LINEARI 1 Concetti fondamentali 11 Definizione Un equazione in n incognite x 1,, x n a coefficienti in R si dice lineare se è della forma: a 1 x 1 + + a n x n = b con a i R e b R Una
DettagliFoglio di Esercizi 5 Meccanica Razionale a.a. 2017/18 Canale A-L (P. Buttà)
Foglio di Esercizi 5 Meccanica Razionale a.a. 017/18 Canale A-L (P. Buttà) Esercizio 1. Su un piano orizzontale sono poste due guide immateriali circolari di centri fissi O 1 e O e uguale raggio r; sia
Dettagli0 se y c 1 (y)) se c < y < d. 1 se y d
Capitolo. Parte IX Exercise.. Sia X una variabile aleatoria reale assolutamente continua e sia (a,b) un intervallo aperto (limitato o illimitato) di R, tale che P(X (a,b)) =. Sia ϕ : (a,b) R una funzione
DettagliLa finanza quantitativa e i sistemi complessi
La finanza quantitativa e i sistemi complessi Fulvio Baldovin Dip. Fisica, Sezione INFN e CNISM, Università di Padova Attilio Stella, Enzo Orlandini, Francesco Camana Dip. Fisica, Sezione INFN e CNISM,
Dettagli25 - Funzioni di più Variabili Introduzione
Università degli Studi di Palermo Facoltà di Economia CdS Statistica per l Analisi dei Dati Appunti del corso di Matematica 25 - Funzioni di più Variabili Introduzione Anno Accademico 2013/2014 M. Tumminello
DettagliMetodi Stocastici per la Finanza
Metodi Stocastici per la Finanza Tiziano Vargiolu vargiolu@math.unipd.it 1 1 Università degli Studi di Padova Anno Accademico 2014-2015 Lezione 5 Indice 1 Errori nella simulazione Monte Carlo di processi
DettagliSequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di:
Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: N-pla o Sequenza di Variabili Aleatorie Sistema di Variabili
Dettagli1 Trasformazione di vettori e 1-forme per cambiamenti
Trasformazione di vettori e -forme per cambiamenti di coordinate Consideriamo lo spazio di Minkowski in coordinate cartesiane {x µ } (x,x,x 2,x 3 ). La sua metrica è ds 2 (dx ) 2 +(dx ) 2 +(dx 2 ) 2 +(dx
DettagliFondamenti di Automatica
Fondamenti di Automatica Proprietà strutturali e leggi di controllo aggiungibilità e controllabilità etroazione statica dallo stato Osservabilità e rilevabilità Stima dello stato e regolatore dinamico
DettagliDistribuzione normale multidimensionale
Capitolo 2 Distribuzione normale multidimensionale La funzione di densità normale undimensionale ha la forma seguente Anderson, 1984 fx ce 1 2 Ax b2 ce 1 2 x bax b La costante di normalizzazione c è data
DettagliCognome: Nome: Matr. (e x 1 x)(1 x) 2/3 x (sin x) a
Es. 1 Es. 2 Es. 3 Es. 4 T. Totale Analisi e Geometria 1 Docente: Gianluca Mola 27/1/29 Ing. Industriale Cognome: Nome: Matr. Nello spazio sottostante gli esercizi devono essere riportati sia i risultati
DettagliII Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2016/17
II Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 6/7 Martedì 4 febbraio 7 Cognome: Nome: Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliProva di Meccanica Analitica I
Prova di Meccanica Analitica I 8 febbraio 7 Esercizio a) Le derivate del potenziale per x > sono date da 8x 3 x se x < V (x) = x ( + x ) se x > Quindi si ha V (x) = per x = x = ± Si ha quindi V (x) = x.
DettagliUniversità di Modena e Reggio Emilia Facoltà di Scienze MM.FF.NN. PROVA DI ALGEBRA LINEARE (esercitazione del 18 gennaio 2011)
Università di Modena e Reggio Emilia Facoltà di Scienze MM.FF.NN. PROVA DI ALGEBRA LINEARE (esercitazione del 18 gennaio 2011) ISTRUZIONI PER LO SVOLGIMENTO. Scrivere cognome, nome, numero di matricola
DettagliProbablità, Statistica e Processi Stocastici
Probablità, Statistica e Processi Stocastici Franco Flandoli, Università di Pisa Programma del corso vettori gaussiani, PCA ed fpca altri metodi di analisi e previsione di serie storiche catene di Markov
DettagliModelli matematici per la valutazione dei derivati: dalla formula CRR alla formula di Black-Scholes
Capitolo 3 Modelli matematici per la valutazione dei derivati: dalla formula CRR alla formula di Black-Scholes Quanto è ragionevole pagare per entrare in un contratto d opzione? Per affrontare questo problema
DettagliTeoria dei Fenomeni Aleatori AA 2012/13. Il Concetto di Distribuzione Condizionata ( )
Il Concetto di Distribuzione Condizionata Se B è un evento, la probabilità di un evento A condizionata a B vale: ponendo: P A B = ( ) P A B P B A = { x} si giunge al concetto di distribuzione condizionata
DettagliSezione Prima Derivate di funzioni elementari: quadro riassuntivo e regole di derivazione. = ( n) lim x
Capitolo USO DELLE DERIVATE IN ECONOMIA Sezione Prima Derivate di funzioni elementari: quadro riassuntivo e regole di derivazione Si definisce derivata della funzione y f() nel punto 0 del suo insieme
Dettagliẋ 1 = 2x 1 + (sen 2 (x 1 ) + 1)x 2 + 2u (1) y = x 1
Alcuni esercizi risolti su: - calcolo dell equilibrio di un sistema lineare e valutazione delle proprietà di stabilità dell equilibrio attraverso linearizzazione - calcolo del movimento dello stato e dell
DettagliStatistical Process Control
Statistical Process Control ESERCIZI II Esercizio 1. Una ditta che produce schermi a cristalli liquidi deve tenere in controllo il numero di pixel non funzionanti. Vengono ispezionati venti schermi alla
DettagliL analisi media-varianza
L analisi media-varianza Pierpaolo Montana Università di Roma I Consideriamo un agente con preferenze di tipo VNM e funzione di utilità quadratica u(x) = x b x. La corrispondente espressione dell utilità
Dettagliappunti per il corso di Analisi Matematica I corso di laurea in Ingegneria Gestionale, a.a autore: Giovanni Alberti
appunti per il corso di Analisi Matematica I corso di laurea in Ingegneria Gestionale, a.a. 2014-15 autore: Giovanni Alberti Equazioni differenziali [versione: 2 gennaio 2015] Richiamo delle nozioni fondamentali
Dettagli3. Elementi di Algebra Lineare.
CALCOLO NUMERICO Francesca Mazzia Dipartimento Interuniversitario di Matematica Università di Bari 3. Elementi di Algebra Lineare. 1 Sistemi lineari Sia A IR m n, x IR n di n Ax = b è un vettore di m componenti.
DettagliValutazione delle opzioni col modello di Black e Scholes
Valutazione delle opzioni col modello di Black e Scholes Rosa Maria Mininni 1 Introduzione L applicazione del moto Browniano all economia é stata innescata principalmente da due cause. Attorno agli anni
DettagliProva scritta di Probabilità e Statistica Appello unico, II sessione, a.a. 2015/ Settembre 2016
Prova scritta di Probabilità e Statistica Appello unico, II sessione, a.a. 205/206 20 Settembre 206 Esercizio. Un dado equilibrato viene lanciato ripetutamente. Indichiamo con X n il risultato dell n-esimo
DettagliSoluzione della prova scritta di Analisi Matematica II del 15 Aprile 2009 (Ingegneria Edile e Architettura)
Soluzione della prova scritta di Analisi Matematica II del 5 Aprile 009 Ingegneria Edile e Architettura x. Calcolare J = ds essendo γ la curva ottenuta intersecando γ + y il cilindro di equazione x + y
DettagliEsercizi di Fondamenti di Automatica
Esercizi di Fondamenti di Automatica Bruno Picasso Esercizio Sia dato il sistema lineare { ẋ(t) = Ax(t), x R n x() = x.. Mostrare che se x è tale che Ax = λx, λ R, allora il corrispondente movimento dello
DettagliTraccia della soluzione degli esercizi del Capitolo 4
Traccia della soluzione degli esercizi del Capitolo 4 Esercizio 6 Sia X una v.c. uniformenente distribuita nell intervallo ( π, π ), cioè f X (x) = π ( π, π ) (x). Posto Y = cos(x), trovare la distribuzione
DettagliCALCOLO DELLE PROBABILITÀ 2 (Laurea Specialistica) 28 giugno Motivare dettagliatamente le risposte su fogli allegati
CALCOLO DELLE PROBABILITÀ 2 (Laurea Specialistica) 28 giugno 2006 Motivare dettagliatamente le risposte su fogli allegati 1.- Sia X un numero aleatorio a valori { α, 0, α}, con α > 0 e P (X = α) = P (X
DettagliTEORIA DEI SISTEMI ANALISI DEI SISTEMI LTI
TEORIA DEI SISTEMI Laurea Specialistica in Ingegneria Meccatronica Laurea Specialistica in Ingegneria Gestionale Indirizzo Gestione Industriale TEORIA DEI SISTEMI ANALISI DEI SISTEMI LTI Ing. Cristian
DettagliApplicazioni eliminazione di Gauss
Applicazioni eliminazione di Gauss. Premessa Nel seguito supporremo sempre di applicare il metodo di eliminazione di Gauss allo scopo di trasformare la matrice del sistema Ax = b in una matrice triangolare
Dettagli01CXGBN Trasmissione numerica
0CXGBN rasmissione numerica parte 3: Spazio dei segnali, rappresentazione vettoriale Lo spazio dei segnali Introduciamo una rappresentazione vettoriale dei segnali della costellazione M Serve a semplificare
DettagliLEZIONE 12. v = α 1 v α n v n =
LEZIONE 12 12.1. Combinazioni lineari. Definizione 12.1.1. Sia V uno spazio vettoriale su k = R, C e v 1,..., v n V vettori fissati. Un vettore v V si dice combinazione lineare di v 1,..., v n se esistono
DettagliEsercitazioni di Statistica Matematica A Lezione 2. Variabili con distribuzione gaussiana
Esercitazioni di Statistica Matematica A Lezione 2 Variabili con distribuzione gaussiana.) Una bilancia difettosa ha un errore sistematico di 0.g ed un errore casuale che si suppone avere la distribuzione
DettagliProcessi Stocastici, anno 2013/14
Processi Stocastici, anno 213/14 Esercitazione 1 Esercizio 1 Siano X e Y due v.a. indipendenti in L 2, con E(X) = µ, V (X) = σ 2, E(Y ) = ν. Si determini il valor medio condizionato E(X + Y X), il valor
Dettaglicon distribuzione gaussiana standard e si ponga
Laurea Triennale in Matematica, Università La Sapienza Corso di Probabilità, AA 6/7 Prova di Esonero Maggio 7 Testi e soluzioni degli esercizi proposti Siano Z, Z, Z variabili aleatorie indipendenti e
DettagliAnalisi Matematica II Corso di Ingegneria Gestionale Compito del f(x, y) = x 2 + y 3 4y. 4 1, y 2 2(1 + }
Analisi Matematica II Corso di Ingegneria Gestionale Compito del 8-09-07 - È obbligatorio consegnare tutti i fogli, anche la brutta e il testo. - Le risposte senza giustificazione sono considerate nulle.
DettagliCP110 Probabilità: Esonero 2. Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 29-2, II semestre 25 maggio, 2 CP Probabilità: Esonero 2 Testo e soluzione . (7 pt) Siano T, T 2 variabili esponenziali indipendenti, di parametri λ =
DettagliEquazioni differenziali
Equazioni differenziali Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utenti.unife.it/lorenzo.pareschi/ lorenzo.pareschi@unife.it Lorenzo Pareschi (Univ.
DettagliMetodi Matematici per la Gestione del Rischio - Esercizi
Metodi Matematici per la Gestione del Rischio - Esercizi. Considerare la seguente funzione di due variabili kxe y+x, per (x, y) [0, ] [0, + ), f(x, y) = 0, altrimenti. Determinare il valore della costante
DettagliVariabili aleatorie discrete. Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia
Variabili aleatorie discrete Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia 2015-16 1 / 45 Variabili aleatorie Una variabile aleatoria è simile a una variabile statistica Una variabile
DettagliIII Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2013/14 Nome: 16 luglio
III Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 013/14 Nome: 16 luglio 014 Email: Quando non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
Dettagli