Teoria delle Decisioni. Lezioni 1 e 2 a.a J. Mortera, Università Roma Tre

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Teoria delle Decisioni. Lezioni 1 e 2 a.a. 2006 2007. J. Mortera, Università Roma Tre mortera@uniroma3.it"

Transcript

1 Teoria delle Decisioni Lezioni 1 e 2 a.a J. Mortera, Università Roma Tre

2 Decisioni in Condizioni di Incertezza Sia singoli individui che gruppi di individui (società, governi, aziende, sindacati ecc.) si trovano spesso in situazioni in cui debbono scegliere tra diverse azioni. Per esempio, il governo deve decidere tra diverse politiche economiche (regimi pensionistici). Decisioni personali, di imprenditori, politici... Producono CONSEGUENZE che possono coinvolgere altre persone o cose.

3 Si deve distinguere tra problemi di decisione per: singole unità (anche l intero corpo elettorale puo essere considerata una singola unità ) più unità in condizioni di conflitto (teoria dei giochi) Si propongono delle linee guida per decisori che consentono di SUDDIVIDERE COMPLESSI problemi decisionali in SOTTOPROBLEMI PIU SEMPLICI. Questi vengono analizzati e ricombinati per fornire la soluzione al problema più ampio. Si cerchera di individuare le CONDIZIONI DI COERENZA da rispettare in ogni processo decisionale.

4 Non sarà uno studio DESCRITTIVO ma NORMATIVO o PRESCRITTIVO Come prima cosa si deve costruire un elenco delle decisioni e/o azioni possibili. Quest elenco deve essere ESAUSTIVO e ESCLUSIVO. Una decisione deve essere presa e al massimo una di esse PUO essere presa. Le decisioni sono prese in condizioni di INCERTEZZA. Esempio: n. di articoli da ordinare nel nostro negozio. Dipende dalla domanda futura di diversi articoli, che NON E NOTA!!

5 Decisioni possibili L elenco delle decisioni possibili deve essere esaustiva ed esclusiva. Indichiamo l insieme (il vettore) delle decisioni possibili con: δ = (δ 1, δ 2,, δ m ) con insieme degli eventi incerti : θ = (θ 1, θ 2,, θ n ), dove il numero di eventi n non è neccessariamente uguale al numero di decisioni m. Il problema è di scegliere un singolo δ i, i = 1,, m senza sapere quale evento θ i si verifica.

6 RICHIAMI DI CALCOLO DELLE PROBABILITÀ Sia dato un evento A, ci si chiede: Cosa è la probabilità di un evento A? Cosa significa che P (A) = 1/6. Ci sono due interpretazioni della probabilità : l impostazione soggetivista l impostazione frequentista IMPOSTAZIONE SOGGETTIVA (B. de Finetti) La probabilità di un evento il grado di fiducia di un individuo nel verificarsi di un evento.

7 Ne consegue: non esistono probabiltà incognite individui diversi possono avere probabilità diverse sul verificarsi dell evento A. La probabilità di A per te rappresenta il tuo stato di informazione su A. La modalità operativa per quantificare la valutazione soggettiva della probabilità è basata sullo schema delle scomesse.

8 Quantificazione delle Probabilità Come assegnare/elicitare le probabilità? A. Criterio della Scommessa: Valutazioni di probabilità di un individuo vengono basate su scommesse ipotetiche. La tua probabilità di A è p se sei indifferente tra: a) ricevere p con certezza; b) scommettere e ricevere { 1 se A 0 se Ā La probabilità è quindi il prezzo equo di un evento incerto.

9 Il guadagno (aleatorio) è dato da { 1 p se A g = p se Ā B. Criterio della Penalizzazione: Sceglierai la tua probabilità di A, P (A) = p, sapendo che subirai una penalizzazione pari a: { (1 p) 2 se A p 2 se Ā (si tornerà in seguito sulle funzoni di perdita) (1)

10 Coerenza La scelta di p sia in 1) che in 2) deve essere coerente, cioè non deve produrre nè una vincita certa nè una perdita certa. Esercizio 1 Seguendo il principio di coerenza dimostrare che: a) p(a) 0 b) P (Ω) = 1 c) P (A B) = P (A) + P (B), per A B = *** esempio di Savage ***

11 Impostazione Frequentista ( Oggettiva ) La probabilità è definita come il limite delle frequenza osservate in un gran numero di prove ripetute dello stesso evento ( nelle medesime condizioni). Nè consegue che: i) P (A) è incognita perchè non si ripeterà mai infinite volte un esperimento (non è osservabile) ii) Solo eventi ai quali è possibile pensare di effettuare infinite prove ripetute sono probabilizzabili i) esiste una probabilità vera generalmente incognita che si cerca di stimare. ii) solo risultati di misure ripetute, estrazioni casuali, ecc. sono probabilizzabili.

12 In questa impostazione come possiamo assegnare la probabilità ad eventi come 1. La Roma vincerà la prossima partita 2. Il tasso di inflazione nel prossimo trimestre scenderà sotto il 2%

13 Assiomatizzazione La probabilità è una funzione di insieme definita sulla classe A di eventi e assume valori reali in [0, 1]. P : A [0, 1] Assiomi 1. A è un algebra di sottoinsiemi di Ω 2. 0 P (A) 1, A A 3. P (Ω) = 1, P ( ) = 0 4. P ( n i=1 A i) = n i=1 P (A i), se A i A j =, i j L assioma 1. significa che utilizzando le operazioni, e c (Ā) (unione, intersezione e complemento tra insiemi

14 (eventi)) su un numero finito di s.i. di A si ottengono ancora elementi di A. (Diremo anche che P d insieme) Assiomi aggiuntivi una misura di A, funzione additiva 1 A è una σ algebra di s.i. di A. (cioè contiene anche l unioni numerabili di propri elementi) 4 P ( i=1 A i) = i=1 P (A i), se A i A j =, i j Spazio di probabilità (Ω, A, P )

15 Richiami: probabilità condizionata P (A B) = P (A B)/P (B) se P (B) > 0 (2) Dipendenza e Indipendenza Stocastica Dati due eventi A ed B possono sussistere le seguenti relazioni a) P (A) < P (A B) (associazione positiva) b) P (A) > P (A B) (associazione negativa) c) P (A) = P (A B) e scriveremo A B Inoltre dalla (2) si ha che A B implica P (A B) = P (A)P (B)

16 Si dice che due eventi sono stocasticamente indipendenti se P (A B) = P (A)P (B) Inoltre l indipendenza è una proprietà simmetrica se A B allora B A. Esercizio 2. Dimostrare: Se A B allora A B, B Ā e Ā B. Diremo che n eventi E 1, E 2,, E n sono mutauamente indipendenti tra loro se susiste l independenza a due a due, a tre a tre,...ecc., cioè P (E 1 E k ) = P (E 1 ) P (E k ) per k = 2, 3, n (e per qualsiasi ordine dei fattori).

17 Indipendenza Condizionata Attenzione il concetto di indipendenza A B non si deve confondere con quello di indipendenza condizionata (condizionale) A B C P (A B C) = P (A C)P (B C) Esercizio 3: Monty Hall west/javahtml/letsmakeadeal

18 Teorema di Bayes Sia {H 1,, H k } una partizione di Ω. Per qualunque evento A Ω con P (A) > 0 si ha: P (H i A) = P (H i )P (A H i ) k j=1 P (H j)p (A H j ). Nel caso più semplice la partizione di Ω è H H e si ha P (H A) = P (H)P (A H) P (A) dove P (A) = P (A H)P (H) + P (A H)P ( H).

19 Esempio: Test Elisa per HIV+ T -Test positivo, T -Test negativo, M-malato P (T M) = 0.99 P ( T M) = 0.9 Popolazione USA 300 millioni e circa un millione sono HIV+ quindi P (M) =? Ora, se un individuo risulta positivo al test che probabilità ha di essere HIV+? Dobbiamo calcolare la probabilità a posteriori P (M T )? Applicando il teorema di Bayes abbiamo: P (M T ) = P (M)P (T M) P (T )

20 dove P (T ) = P (T M)P (M) + P (T M)P ( M) quindi P (M T ) = e P (M T ) =. Si è quindi passati da una probabilità a priori di essere HIV+ pari a P (M) = ad una probabilità a posteriori di essere HIV+ P (M T ) (condizionata all informazione di essere risultato positivo al test) pari a.

21 Esercizio 4. NSA (National Security Agency) ha un programma illegale di spionaggio domestico (DSP). La NSA valuta che se sei un terrorista DSP porta alla tua cattura (spesso violenta!) con alta probabilità pari a ; mentre se non sei un terrorista la probabilità di essere catturato è pari all 1%. Vi sembra che DSP è un programma efficace? Risulta che in un anno tra gli 31,000 sospettati catturati con DSP soltanto 0.32% erano realmente terroristi. Spiegare l accaduto? Il programma di spionaggio domestico vi sembra una strategia buona?

22 Esercizio 5. Pippo vuole investire in certe azioni e pensa che la probabilità con cui saliranno (S) nel prossimo mese è pari a P (S) = 0.6. Pippo deve decidere se consultare l agente di cambio Paperone. Paperone, dopo un compenso, puo consigliare di comperare C o non comperare C e Pippo valuta l affidabilità di Paperone come segue: P (C S) = 0.8 e P (C S) = 0.3. Basandovi sulla probabilità a posteriori che le azioni salgono quando Paperone consiglia di comperare e quando consiglia di non comperare (P (S C) e P (S C)) date un consiglio a Pippo.

23 ODDS-Ragione di scommessa Nell esempio 5., P (S) = 0.6 e quindi P ( S) = 1 P (S) = 0.4 e potremo dire che le azioni sono date 6:4, cioè con odds (a priori) a favore di S pari a O(S) = P (S)/(1 P (S)) = P (S)/P ( S) =. Inoltre, gli odds a favore di S a posteriori sono dati da O(S C) = P (S C) P ( S C). Possiamo dunque, riscrivere il teorema di Bayes in termini di odds come P (S C) P (S) P (C S) = P ( S C) P ( S) P (C S) ossia O(S C) = O(S) P (C S) P (C S), dove l ultimo termine è il rapporto di verosimiglianza (Likelihood ratio) Odds a Posteriori = Odds a Priori LR

24 La Scomessa Olandese- Dutch book Ricordiamo che P (A) + P (Ā) = 1. Supponiamo che agite in modo incoerente ed assegnate a P (A) = 0.2 ed a P (Ā) = 0.7. Questo significa che la ragione di scommessa (1 P (A)) (odds) contro A sono 4 : 1, poichè P (A) = 0.8/0.2), cioè per voi è equo pagare 4x a chi ne scommette x. Il vostro guadagno è : { 4x se A x se Ā Analogamente gli odds contro Ā sono di 3 : 7 quindi il vostro guadagno è : { 3/7y y se Ā se A

25 Calcolate il vostro guadagno/perdita complessiva con x = 2 e y = 7 Euro. Una combinazioni di scommesse che da una perdita certa viene detta scommessa olandese (Dutch book)

26 Paradosso di Simpson Esempio: 40 aziende adottano una nuova strategia di marketing M e 40 non l adottano M. Si registra se hanno incrementato le vendite I oppure no Ī. La tabella seguente indica i risultati per le 80 aziende: I Ī totale % incremento M % M % Mentre se esamino separatamente le tabelle per le aziende dell Italia Centrale C: I Ī totale % incremento M % M %

27 e quella delle aziende dell Italia Settentrionale, C: I Ī totale % incremento M % M % Dalla prima tabella si deduce che P (I M) = 0.5 e P (I M) = 0.4. Mentre risulta che: P (I M, C) = 0.6 e P (I M, C) = 0.7, P (I M, C) = 0.2 e P (I M, C) = 0.3 ma poichè dal teorema delle probabilità totali: P (I M) = P (I M, C)P (C M) + P (I M, C)P ( C M)

28 si ha dove P (C M) = p e inoltre 0.5 = 0.6p + 0.2(1 p) P (I M) = P (I M, C)P (C M) + P (I M, C)P ( C M) e pern P (C M) = r si ha: 0.40 = 0.7r + 0.3(1 r). Nel nostro esempio p = 30/40 = 0.75 e molto diverso da r = 0.25 e quindi l incremento di vendite nelle aziende che hanno aderito alla strategia di marketing risulta superiore quando queste vengono aggregate, mentre se condizioniamo alla zona geografica C e C la proporzione si roverscia. Se p e q fossero circa uguali la composizione sarebbe stata la stessa e il paradosso non sarebbe sorto.

29 Esempio Famoso: Florida murderers Le Sentenze in 4863 casi di assassinio in Florida dal Sentenza Assassino Morte Altro % Morte Nero % Bianco % Vi è una percentuale di condannati a morte leggermente più alta per i condannati bianchi rispetto a quelli neri.

30 Se controlliamo il colore della vittima Sentenza Vittima Assassino Morte Altro % Morte Nero Nero % Bianco % Bianco Nero % Bianco % Ora condizionatamente al colore della vittima le cose sono molto diverse. Da notare in particolare che tra 111 bianchi che hanno amazzato una vittima nera nessuno è stato condannato a morte! Condizionatamente al colore della vittima, colore dell assassino e sentenza SONO stocasticamente dipendenti.

31 Ammissione a Berkeley Dipartimento Sesso Ammesso? Si No % ammessi I Maschio % Femmina % II Maschio % Femmina % III Maschio % Femmina % IV Maschio % Femmina % V Maschio % Femmina % VI Maschio % Femmina % Per le tre variabili A: Ammesso?, S: Sesso, and D: Dipartmento è interessante vedere se vi è indipendenza tra due variabli mantenendo fissa una. Per esempio, l ammissione è indipende dal sesso per ogni dipartimento separatamente A S D? Graphicamente possiamo rappresentarlo come

32

33 Indipendenza marginale Consideriamo la tabella marginale Sesso Ammesso? Si No % Maschio % Femmina % Notate che nella tabella marginale le ammissioni sono molto più basse per le femmine. Se invece consideriamo i dipartimenti separatamente vi è una differenza solo per il dipartmento I, ed inoltre le ammissioni sono più alte per le femmine.! Cioè non è vero che A S.

34 Paradosso di Simpson Le due condizioni S A, S A D sono diverse e sono entrambe valide solo nel caso in cui una delle variabili è completamente indipendente da entrambe le altre due, cioè S (A, D) oppure (S, D) A. Questo fatto è noto come paradosso di Yule-Simpson.

TEORIA DELLE DECISIONI. DOCENTE: JULIA MORTERA mortera@uniroma3.it

TEORIA DELLE DECISIONI. DOCENTE: JULIA MORTERA mortera@uniroma3.it TEORIA DELLE DECISIONI DOCENTE: JULIA MORTERA mortera@uniroma3.it 1 Decisioni in Condizioni di Incertezza Sia singoli individui che gruppi di individui (società, governi, aziende, sindacati ecc. si trovano

Dettagli

PROBABILITA. Sono esempi di fenomeni la cui realizzazione non è certa a priori e vengono per questo detti eventi aleatori (dal latino alea, dado)

PROBABILITA. Sono esempi di fenomeni la cui realizzazione non è certa a priori e vengono per questo detti eventi aleatori (dal latino alea, dado) L esito della prossima estrazione del lotto L esito del lancio di una moneta o di un dado Il sesso di un nascituro, così come il suo peso alla nascita o la sua altezza.. Il tempo di attesa ad uno sportello

Dettagli

Calcolo delle probabilità

Calcolo delle probabilità Calcolo delle probabilità Il calcolo delle probabilità ha avuto origine nel Seicento in riferimento a questioni legate al gioco d azzardo e alle scommesse. Oggi trova tante applicazioni in ambiti anche

Dettagli

Statistica 1. Esercitazioni. Dott. Luigi Augugliaro 1. Università di Palermo

Statistica 1. Esercitazioni. Dott. Luigi Augugliaro 1. Università di Palermo Statistica 1 Esercitazioni Dott. 1 1 Dipartimento di Scienze Statistiche e Matematiche S. Vianelli, Università di Palermo ricevimento: lunedì ore 15-17 mercoledì ore 15-17 e-mail: luigi.augugliaro@unipa.it

Dettagli

Calcolo delle Probabilità A.A. 2013/2014 Corso di Studi in Statistica per l Analisi dei dati Università degli Studi di Palermo

Calcolo delle Probabilità A.A. 2013/2014 Corso di Studi in Statistica per l Analisi dei dati Università degli Studi di Palermo Calcolo delle Probabilità A.A. 2013/2014 Corso di Studi in Statistica per l Analisi dei dati Università degli Studi di Palermo docente Giuseppe Sanfilippo http://www.unipa.it/sanfilippo giuseppe.sanfilippo@unipa.it

Dettagli

Caso e probabilità. Il caso. Il caso. Scommesse e probabilità Fenomeni aleatori Probabilità

Caso e probabilità. Il caso. Il caso. Scommesse e probabilità Fenomeni aleatori Probabilità Introduzione Il caso Il caso commesse e probabilità Il caso i chiama evento casuale quello che si verifica in una situazione in cui gli eventi possibili sono più d uno, ma non si sa a priori quale si verificherà.

Dettagli

Caso e probabilità. Il caso. Il caso. Scommesse e probabilità Fenomeni aleatori Probabilità Variabili aleatorie

Caso e probabilità. Il caso. Il caso. Scommesse e probabilità Fenomeni aleatori Probabilità Variabili aleatorie Introduzione Il caso Il caso commesse e probabilità Il caso i chiama evento casuale quello che si verifica in una situazione in cui gli eventi possibili sono più d uno, ma non si sa a priori quale si verificherà.

Dettagli

Teoria della probabilità: eventi, proprietà additiva e moltiplicativa. L incertezza

Teoria della probabilità: eventi, proprietà additiva e moltiplicativa. L incertezza La probabilità Teoria della probabilità: eventi, proprietà additiva e moltiplicativa L incertezza Nella maggior parte delle situazioni la nostra condizione è caratterizzata dallincertezza Incertezza relativa

Dettagli

La probabilità frequentista e la legge dei grandi numeri

La probabilità frequentista e la legge dei grandi numeri La probabilità frequentista e la legge dei grandi numeri La definizione di probabilità che abbiamo finora considerato è anche nota come probabilità a priori poiché permette di prevedere l'esito di un evento

Dettagli

Calcolo delle probabilità

Calcolo delle probabilità Calcolo delle probabilità Laboratorio di Bioinformatica Corso A aa 2005-2006 Statistica Dai risultati di un esperimento si determinano alcune caratteristiche della popolazione Calcolo delle probabilità

Dettagli

Appunti: elementi di Probabilità

Appunti: elementi di Probabilità Università di Udine, Facoltà di Scienze della Formazione Corso di Laurea in Scienze e Tecnologie Multimediali Corso di Matematica e Statistica (Giorgio T. Bagni) Appunti: elementi di Probabilità. LA PROBABILITÀ..

Dettagli

Laboratorio di dinamiche socio-economiche

Laboratorio di dinamiche socio-economiche Dipartimento di Matematica Università di Ferrara giacomo.albi@unife.it www.giacomoalbi.com 21 febbraio 2012 Seconda parte: Econofisica La probabilità e la statistica come strumento di analisi. Apparenti

Dettagli

TEORIA DELLA PROBABILITÀ I

TEORIA DELLA PROBABILITÀ I TEORIA DELLA PROBABILITÀ I Dipartimento di Matematica ITIS V.Volterra San Donà di Piave Versione [2015-16] Indice 1 Probabilità 1 1.1 Introduzione............................................ 1 1.2 Eventi...............................................

Dettagli

IL CALCOLO DELLE PROBABILITA

IL CALCOLO DELLE PROBABILITA IL CALCOLO DELLE PROBABILITA 0. Origini Il concetto di probabilità sembra che fosse del tutto ignoto agli antichi malgrado si sia voluto trovare qualche cenno di ragionamento in cui esso è implicitamente

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

La probabilità nella vita quotidiana

La probabilità nella vita quotidiana La probabilità nella vita quotidiana Introduzione elementare ai modelli probabilistici Bruno Betrò bruno.betro@mi.imati.cnr.it CNR - IMATI San Pellegrino, 6/9/2011 p. 1/31 La probabilità fa parte della

Dettagli

Calcolo delle probabilità

Calcolo delle probabilità Calcolo delle probabilità Il problema di Monty Hill nel film 21 Elementare!! Statistiche, cambio di variabili. 1 Il coefficiente di correlazione tra Indicee Stipendio vale 0,94. E possibile asserire che

Dettagli

LA PROVA STATISTICA NEL PROCESSO PENALE

LA PROVA STATISTICA NEL PROCESSO PENALE Benito V. Frosini Università Cattolica del Sacro Cuore LA PROVA STATISTICA NEL PROCESSO PENALE Roma, 26 gennaio 2013 1. Processo civile e processo penale 1.1. Riguardo alla valutazione delle prove statistiche,

Dettagli

Calcolo delle Probabilità

Calcolo delle Probabilità à 1. Introduzione Calcolo delle Probabilità Il Calcolo delle Probabilità nasce dagli studi matematici sui giochi d azzardo. Il Calcolo delle Probabilità è lo strumento che permette all uomo di assumere

Dettagli

Appunti di Probabilità

Appunti di Probabilità Appunti di Probabilità Bruno Betrò CNR-IMATI, Sezione di Milano bruno.betro@mi.imati.cnr.it www.mi.imati.cnr.it/ bruno Testi di riferimento: Dall Aglio G., Calcolo delle Probabilità, Zanichelli Scozzafava

Dettagli

Corso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali Note A.A. 2009-10 C. Meneghini

Corso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali Note A.A. 2009-10 C. Meneghini Corso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali Note A.A. 2009-10 C. Meneghini 1 Elementi di calcolo delle probabilitá, teorema di Bayes e applicazioni 1.1 Definizione di probabilitá

Dettagli

PARTE PRIMA PROBABILITA

PARTE PRIMA PROBABILITA i PARTE PRIMA PROBABILITA CAPITOLO I - Gli assiomi della probabilità 1.1 Introduzione........................................................... pag. 1 1.2 Definizione assiomatica di probabilità.......................................

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

La teoria dell utilità attesa

La 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.

Dettagli

Matematica Applicata. Probabilità e statistica

Matematica Applicata. Probabilità e statistica Matematica Applicata Probabilità e statistica Fenomeni casuali Fenomeni che si verificano in modi non prevedibili a priori 1. Lancio di una moneta: non sono in grado di prevedere con certezza se il risultato

Dettagli

Il calcolo delle probabilità

Il calcolo delle probabilità Il calcolo delle probabilità Cenni storici Come in molti altri casi, anche l'individuazione di una data precisa per la collocazione della nascita della teoria della probabilità non ha soluzione univoca.

Dettagli

Decisioni in condizioni di rischio. Roberto Cordone

Decisioni in condizioni di rischio. Roberto Cordone Decisioni in condizioni di rischio Roberto Cordone Decisioni in condizioni di rischio Rispetto ai problemi in condizioni di ignoranza, oltre all insieme Ω dei possibili scenari, è nota una funzione di

Dettagli

Introduzione alla probabilità

Introduzione alla probabilità Introduzione alla probabilità Luca Mari, versione 2.3.15 Contenuti La generazione combinatoria di campioni...1 L algebra dei campioni...4 Il calcolo delle frequenze relative dei campioni...5 Indipendenza

Dettagli

Statistica e Modelli Stocastici

Statistica e Modelli Stocastici Statistica e Modelli Stocastici Modulo n.1 - Statistica Prof. Alessandro Fassò alessandro.fasso@unibg.it CdL: Ing.Informatica aa 2011/12 Parte 1a - Probabilità generale p.1 Introduzione Decisioni in condizioni

Dettagli

DECISIONI E PROBABILITÀ SOGGETTIVA

DECISIONI E PROBABILITÀ SOGGETTIVA Andrea ELLERO DECISIONI E PROBABILITÀ SOGGETTIVA Appunti per il corso di METODI MATEMATICI PER L ECONOMIA DELL ARTE A.A. 2005-2006 2 Queste pagine raccolgono alcune lezioni del corso di METODI MATEMATICI

Dettagli

1 Probabilità. 1.1 Primi esercizi di probabilità con l uso del calcolo combinatorio

1 Probabilità. 1.1 Primi esercizi di probabilità con l uso del calcolo combinatorio Indice 1 Probabilità 1 1.1 Primi esercizi di probabilità con l uso del calcolo combinatorio.. 1 1.2 Probabilità condizionata, indipendenza e teorema di Bayes.... 2 1 Probabilità 1.1 Primi esercizi di probabilità

Dettagli

1 Breve introduzione alla probabilità elementare: approccio intuitivo

1 Breve introduzione alla probabilità elementare: approccio intuitivo Breve introduzione alla probabilità elementare: approccio intuitivo. È usuale che in molte situazioni che si presentano concretamente ci sia a priori incertezza su ciò che accadrà nel futuro: il calcolo

Dettagli

MODULI DI LINEAMENTI DI MATEMATICA

MODULI DI LINEAMENTI DI MATEMATICA R. MANFREDI - E. FABBRI - C. GRASSI TRIENNIO licei scientifici MODULI DI LINEAMENTI DI MATEMATICA per il triennio della scuola secondaria di secondo grado L CALCOLO DELLE PROBABILITÀ E ELEMENTI DI STATISTICA

Dettagli

L avversione al rischio e l utilità attesa

L 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

Dettagli

Corso di ELEMENTI DI STATISTICA Alcuni problemi di probabilità, con soluzioni

Corso di ELEMENTI DI STATISTICA Alcuni problemi di probabilità, con soluzioni Corso di ELEMENTI DI STATISTICA Alcuni problemi di probabilità, con soluzioni Si tratta di problemi elementari, formulati nel linguaggio ordinario Quindi, per ogni problema la suluzione proposta è sempre

Dettagli

Concetti introduttivi

Concetti introduttivi Indice 1 Concetti introduttivi 3 1.1 Studi sperimentali e studi osservazionali..................... 3 1.2 Concetti iniziali: indipendenza fra eventi..................... 6 1.3 Indipendenza fra variabili

Dettagli

Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 7 - Pag. 1. Capitolo 7. Probabilità, verosimiglianze e teorema di Bayes.

Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 7 - Pag. 1. Capitolo 7. Probabilità, verosimiglianze e teorema di Bayes. Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 7 - Pag. 1 Capitolo 7. Probabilità, verosimiglianze e teorema di Bayes. Probabilità, verosimiglianza e teorema di Bayes Se A e B sono

Dettagli

INTRODUZIONE ALLA PROBABILITA

INTRODUZIONE ALLA PROBABILITA INTRODUZIONE ALLA PROBABILITA Legacy Edition Copyright 25 ottobre 2012 Luca La Rocca luca.larocca@unimore.it UNIVERSITÀ DEGLI STUDI DI MODENA E REGGIO EMILIA Indice 2 Prologo Eventi Probabilità Epilogo

Dettagli

Metodi statistici per le ricerche di mercato

Metodi statistici per le ricerche di mercato Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2013-2014 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per

Dettagli

CAPITOLO 12. Calcolo delle Probabilità. 12.1 Introduzione al Calcolo delle Probabilità

CAPITOLO 12. Calcolo delle Probabilità. 12.1 Introduzione al Calcolo delle Probabilità CAPITOLO 12 Calcolo delle Probabilità 12.1 Introduzione al Calcolo delle Probabilità Una storia d amore Luca abita a Lecco, Bianca a Brindisi. Lui è innamorato perso. Anche lei ama lui, ma, ultimamente,

Dettagli

Definizione 1.1 Un evento è un fatto fisico o concettuale descritto da un enunciato che ammette due soli valori logici: VERO (V) o FALSO (F).

Definizione 1.1 Un evento è un fatto fisico o concettuale descritto da un enunciato che ammette due soli valori logici: VERO (V) o FALSO (F). Capitolo 1 Basi del calcolo delle probabilità 11 Eventi Per avviare la nostra discussione dobbiamo preliminarmente delimitare il campo dei fatti (o delle situazioni o delle asserzioni) nel quale si possa

Dettagli

ESERCITAZIONE 1. 15 novembre 2012

ESERCITAZIONE 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

Dettagli

Introduzione alla probabilità

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

Dettagli

Applicazioni di Matematiche e Statistica

Applicazioni di Matematiche e Statistica Università degli Studi di Firenze Dipartimento di Matematica Ulisse Dini Appunti del corso Applicazioni di Matematiche e Statistica Luigi Barletti Dipartimento di Matematica Ulisse Dini Università degli

Dettagli

PROBABILITÀ E DECISIONI IN MEDICINA: I TEST DIAGNOSTICI

PROBABILITÀ E DECISIONI IN MEDICINA: I TEST DIAGNOSTICI Università degli Studi di Padova CICLO DI LEZIONI SCIENZE DI BASE PER I DOTTORATI DI RICERCA DELL AREA MEDICA Anno accademico 2005-06 Temi di Statistica ed Epidemiologia PROBABILITÀ E DECISIONI IN MEDICINA:

Dettagli

ESERCIZI. x + 3 x 2 1. a) y = 4x2 + 3x 2x + 2 ; b) y = 6x2 x 1. (x + 2) 2 c) y =

ESERCIZI. x + 3 x 2 1. a) y = 4x2 + 3x 2x + 2 ; b) y = 6x2 x 1. (x + 2) 2 c) y = ESERCIZI Testi (1) Un urna contiene 20 palline di cui 8 rosse 3 bianche e 9 nere; calcolare la probabilità che: (a) tutte e tre siano rosse; (b) tutte e tre bianche; (c) 2 rosse e una nera; (d) almeno

Dettagli

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

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

Dettagli

Decisioni in condizioni di incertezza

Decisioni in condizioni di incertezza Decisioni in condizioni di incertezza Paolo Arcaini Roberto Cordone Programmazione in condizioni di incertezza La programmazione in condizioni di incertezza affronta problemi di decisione nei quali occorre

Dettagli

UNA STORIA PROBABILE di Francesca D Iapico

UNA STORIA PROBABILE di Francesca D Iapico UNA STORIA PROBABILE di Francesca D Iapico Si mostrano qui alcune delle tappe attraverso le quali si è compiuto il cammino che ha portato al calcolo delle probabilità come lo usiamo oggi Un racconto pensato

Dettagli

ANALISI DI CORRELAZIONE

ANALISI DI CORRELAZIONE ANALISI DI CORRELAZIONE Esempio: Dati raccolti da n = 129 studenti di Pavia (A.A. 21/2) Altezza (cm) Peso (Kg) Voto Algebra e Geometria Voto Fisica I Valutare la correlazione delle seguenti coppie: Peso

Dettagli

Probabilità condizionata e indipendenza stocastica

Probabilità condizionata e indipendenza stocastica Capitolo 3 Probabilità condizionata e indipendenza stocastica 3.1 Considerazioniintroduttive Abbiamo trattato, finora, soltanto di probabilità di eventi che possono risultare Veri o Falsi. Tuttavia, il

Dettagli

Capitolo 6 Economia dell informazione e scelta in condizioni di incertezza

Capitolo 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,

Dettagli

Problema pratico: Test statistico = regola di decisione

Problema pratico: Test statistico = regola di decisione La verifica delle ipotesi statistiche Problema pratico: Quale, tra diverse situazioni possibili, riferite alla popolazione, è quella meglio sostenuta dalle evidenze empiriche? Coerenza del risultato campionario

Dettagli

Questioni di storia del Pensiero Scientifico

Questioni di storia del Pensiero Scientifico Pontificia Università Lateranense Questioni di storia del Pensiero Scientifico Il Novecento della storia della scienza Facoltà di Filosofia - Corso 50647 M-ST0/05- Storia delle scienze e delle tecniche

Dettagli

Viene lanciata una moneta. Se esce testa vinco 100 euro, se esce croce non vinco niente. Quale è il valore della mia vincita?

Viene lanciata una moneta. Se esce testa vinco 100 euro, se esce croce non vinco niente. Quale è il valore della mia vincita? Viene lanciata una moneta. Se esce testa vinco 00 euro, se esce croce non vinco niente. Quale è il valore della mia vincita? Osserviamo che il valore della vincita dipende dal risultato dell esperimento

Dettagli

Analfabetismo statistico

Analfabetismo statistico Analfabetismo statistico e decisioni informate Matteo Paris Dipartimento di Fisica Università di Milano matteo.paris@fisica.unimi.it http://qinf.fisica.unimi.it/ paris Analfabetismo statistico e decisione

Dettagli

Teoria del Prospetto: avversione alle perdita, framing e status quo

Teoria del Prospetto: avversione alle perdita, framing e status quo - DPSS - Università degli Studi di Padova http://decision.psy.unipd.it/ Teoria del Prospetto: avversione alle perdita, framing e status quo Corso di Psicologia del Rischio e della Decisione Facoltà di

Dettagli

La decisione. Claudia Casadio Logica e Psicologia del Pensiero Laurea Triennale - Indirizzo Gruppi A.A. 2004-05. Contents First Last Prev Next

La decisione. Claudia Casadio Logica e Psicologia del Pensiero Laurea Triennale - Indirizzo Gruppi A.A. 2004-05. Contents First Last Prev Next La decisione Claudia Casadio Logica e Psicologia del Pensiero Laurea Triennale - Indirizzo Gruppi A.A. 2004-05 Contents 1 Dimensioni della decisione................................... 3 2 Modalità della

Dettagli

Elementi di calcolo delle probabilità

Elementi di calcolo delle probabilità Elementi di calcolo delle probabilità Definizione di probabilità A) Qui davanti a me ho un urna contenente 2 palline bianche e 998 nere. Mi metto una benda sugli occhi, scuoto ripetutamente l urna ed estraggo

Dettagli

ELEMENTI DI LOGICA PROBABILISTICA 29

ELEMENTI DI LOGICA PROBABILISTICA 29 ELEMENTI DI LOGICA PROBABILISTICA 29 3.1. Lo schema delle scommesse di de Finetti. La nostra analisi della logica probabilistica si è fino a qui basata su due assunzioni. La prima è che la logica dei gradi

Dettagli

Introduzione al calcolo delle probabilità: concetti e risultati preliminari

Introduzione al calcolo delle probabilità: concetti e risultati preliminari Capitolo 1 Introduzione al calcolo delle probabilità: concetti e risultati preliminari 1.1 Il ragionamento probabilistico Il ragionamento probabilistico è un tipo di ragionamento di tipo induttivo, anzichè

Dettagli

Il campionamento. risultati ottenuti sul campione sono generalizzabili alla popolazione da cui è stato estratto

Il campionamento. risultati ottenuti sul campione sono generalizzabili alla popolazione da cui è stato estratto Il campionamento Il campionamento Insieme delle operazioni che consistono nella selezione, nelle intenzioni rappresentativa, degli appartenenti ad una popolazione, allo scopo di studiare una porzione della

Dettagli

(concetto classico di probabilità)

(concetto classico di probabilità) Probabilità matematica (concetto classico di probabilità) Teoria ed esempi Introduzione Il calcolo delle probabilità è la parte della matematica che si occupa di prevedere, sulla base di regole e leggi

Dettagli

Richiami di microeconomia

Richiami di microeconomia Capitolo 5 Richiami di microeconomia 5. Le preferenze e l utilità Nell analisi microeconomica si può decidere di descrivere ogni soggetto attraverso una funzione di utilità oppure attraverso le sue preferenze.

Dettagli

UNIVERSITÀ DEGLI STUDI DI FERRARA

UNIVERSITÀ DEGLI STUDI DI FERRARA UNIVERSITÀ DEGLI STUDI DI FERRARA Anno Accademico 2012/2013 REGISTRO DELL ATTIVITÀ DIDATTICA Docente: ANDREOTTI MIRCO Titolo del corso: MATEMATICA ED ELEMENTI DI STATISTICA Corso: CORSO UFFICIALE Corso

Dettagli

E LE M E N T I D I P R O B A B I L I T A

E LE M E N T I D I P R O B A B I L I T A L M T I D I P R O B A B I L I T A CI STORICI Il calcolo delle probabilità si è andato sviluppando piuttosto di recente, intorno al 500 e per lungo tempo solo come una branca della matematica Solo dal secolo

Dettagli

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2015/2016. 1. Esercizi: lezione 03/11/2015

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2015/2016. 1. Esercizi: lezione 03/11/2015 ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2015/2016 1. Esercizi: lezione 03/11/2015 Piani di ammortamento Esercizio 1. Un finanziamento pari a 100000e viene rimborsato

Dettagli

LEZIONE 6. Il modello keynesiano

LEZIONE 6. Il modello keynesiano LEZIONE 6 IL MODELLO REDDITO SPESA Il modello keynesiano La GD segna l origine della teoria macroeconomica moderna Il modello classico e i relativi precetti di politica economica si dimostrano incapaci

Dettagli

PROBABILITA CONDIZIONALE

PROBABILITA CONDIZIONALE Riferendoci al lancio di un dado, indichiamo con A l evento esce un punteggio inferiore a 4 A ={1, 2, 3} B l evento esce un punteggio dispari B = {1, 3, 5} Non avendo motivo per ritenere il dado truccato,

Dettagli

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6 CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Riepilogo: Postulati del calcolo della probabilità (Kolmogorov): Dato un evento A Ω, dove è lo spazio degli

Dettagli

Testa o croce: quando conviene scegliere a caso

Testa o croce: quando conviene scegliere a caso Testa o croce: quando conviene scegliere a caso Fabio Fagnani fabio.fagnani@polito.it http://calvino.polito.it/ fagnani/ Dipartimento di Matematica Politecnico di Torino p. Quale ricerca? p. Quale ricerca?

Dettagli

Capitolo 6 Economia dell informazione e scelta in condizioni di incertezza

Capitolo 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,

Dettagli

Problemi e formula di Bayes. Daniela Valen), Treccani Scuola

Problemi e formula di Bayes. Daniela Valen), Treccani Scuola Problemi e formula di Bayes Daniela Valen), Treccani Scuola 1 Problemi antichi 1. Lancio una volta un dado A 1 : Esce 6 P( A 1 ) = 1 6 B 1 : NON esce 6 2. Lancio più volte un dado P( B 1 ) = 5 6 Sapere

Dettagli

7. LA PROBABILITA' Dice foto di Matsuyuki http://www.flickr.com/photos/matsuyuki/201651074/

7. LA PROBABILITA' Dice foto di Matsuyuki http://www.flickr.com/photos/matsuyuki/201651074/ MATEMATICA C 3 -ALGEBRA 2 7. LA PROBABILITA' Dice foto di Matsuyuki http://www.flickr.com/photos/matsuyuki/201651074/ 1. Gli eventi...2 2. Definizioni di probabilità...5 3. Probabilità dell'evento complementare...14

Dettagli

Corso di Calcolo delle Probabilità e Statistica. Esercizi su variabili aleatorie discrete

Corso di Calcolo delle Probabilità e Statistica. Esercizi su variabili aleatorie discrete Corso di Calcolo delle Probabilità e Statistica Esercizi su variabili aleatorie discrete Es.1 Da un urna con 10 pallina bianche e 15 palline nere, si eseguono estrazioni con reimbussolamento fino all estrazione

Dettagli

Probabilita e Processi Stocastici

Probabilita e Processi Stocastici Dipartimento di Fisica Corso di Laurea Magistrale in Fisica Insegnamento di Metodi Probabilistici della Fisica Nicola Cufaro Petroni Lezioni di Probabilita e Processi Stocastici anno accademico 2015/16

Dettagli

MATEMATICA C3 -ALGEBRA 2 7. LA PROBABILITA'

MATEMATICA C3 -ALGEBRA 2 7. LA PROBABILITA' MATEMATICA C3 -ALGEBRA 2 7. LA PROBABILITA' Indice Dice foto di Matsuyuki http://www.flickr.com/photos/matsuyuki/201651074/ 1. Gli eventi...174 2. Definizioni di probabilità...177 3. Probabilità dell'evento

Dettagli

((e ita e itb )h(t)/it)dt. z k p(dz) + r n (t),

((e ita e itb )h(t)/it)dt. z k p(dz) + r n (t), SINTESI. Una classe importante di problemi probabilistici e statistici é quella della stima di caratteristiche relative ad un certo processo aleatorio. Esistono svariate tecniche di stima dei parametri

Dettagli

Capitolo 7 TEST DELLE IPOTESI

Capitolo 7 TEST DELLE IPOTESI B. Chiandotto F. Cipollini Versione 3 Cap. 7 Capitolo 7 TEST DELLE IPOTESI In questo capitolo si affronta il problema della verifica d ipotesi statistiche limitando la trattazione alla cosiddetta teoria

Dettagli

Macroeconomia, Esercitazione 2. 1 Esercizi. 1.1 Moneta/1. 1.2 Moneta/2. 1.3 Moneta/3. A cura di Giuseppe Gori (giuseppe.gori@unibo.

Macroeconomia, Esercitazione 2. 1 Esercizi. 1.1 Moneta/1. 1.2 Moneta/2. 1.3 Moneta/3. A cura di Giuseppe Gori (giuseppe.gori@unibo. acroeconomia, Esercitazione 2. A cura di Giuseppe Gori (giuseppe.gori@unibo.it) 1 Esercizi. 1.1 oneta/1 Sapendo che il PIL reale nel 2008 è pari a 50.000 euro e nel 2009 a 60.000 euro, che dal 2008 al

Dettagli

Richiami di teoria della probabilitá e Modelli Grafici

Richiami di teoria della probabilitá e Modelli Grafici Modelli di computazione affettiva e comportamentale Data: 23 Aprile 2010 Richiami di teoria della probabilitá e Modelli Grafici Docente: Prof. Giuseppe Boccignone Scriba: Matteo Battistini 1 Richiami di

Dettagli

VERIFICA DELLE IPOTESI

VERIFICA DELLE IPOTESI VERIFICA DELLE IPOTESI Introduzione Livelli di significatività Verifica di ipotesi sulla media di una popolazione normale Verifica di ipotesi sulla varianza di una popolazione normale Verifica di ipotesi

Dettagli

Concetti di base sulla Teoria delle Probabilità e sulle Reti bayesiane

Concetti di base sulla Teoria delle Probabilità e sulle Reti bayesiane Concetti di base sulla Teoria delle Probabilità e sulle Reti bayesiane Mariagrazia Semenza IA: Probabilità e Reti bayesiane - 1 Concetti preliminari A cosa si applica la teoria delle probabilità? All incertezza,

Dettagli

Economia, Corso di Laurea Magistrale in Ing. Elettrotecnica, A.A. 2013-2014. Prof. R. Sestini SCHEMA DELLE LEZIONI DELLA QUARTA SETTIMANA

Economia, Corso di Laurea Magistrale in Ing. Elettrotecnica, A.A. 2013-2014. Prof. R. Sestini SCHEMA DELLE LEZIONI DELLA QUARTA SETTIMANA Economia, Corso di Laurea Magistrale in Ing. Elettrotecnica, A.A. 2013-2014. Prof. R. Sestini SCHEMA DELLE LEZIONI DELLA QUARTA SETTIMANA SURPLUS del CONSUMATORE E utile poter disporre di una misura monetaria

Dettagli

Titolo. Corso di Laurea magistrale in Economia e Finanza. Tesi di Laurea

Titolo. Corso di Laurea magistrale in Economia e Finanza. Tesi di Laurea Corso di Laurea magistrale in Economia e Finanza Tesi di Laurea Titolo Modelli della capital growth e dalla growth security nella gestione di portafoglio. Relatore Ch. Prof. Marco Corazza Laureando Alessio

Dettagli

PROBABILITA MISURARE L INCERTEZZA Lanciamo due dadi, facciamo la somma dei punteggi ottenuti. Su quale numero mi conviene scommettere?

PROBABILITA MISURARE L INCERTEZZA Lanciamo due dadi, facciamo la somma dei punteggi ottenuti. Su quale numero mi conviene scommettere? Lanciamo due dadi, facciamo la somma dei punteggi ottenuti. Su quale numero mi conviene scommettere? Abbiamo visto nella lezione precedente che lo spazio degli eventi più idoneo a rappresentare l esperimento

Dettagli

I Modelli della Ricerca Operativa

I Modelli della Ricerca Operativa Capitolo 1 I Modelli della Ricerca Operativa 1.1 L approccio modellistico Il termine modello è di solito usato per indicare una costruzione artificiale realizzata per evidenziare proprietà specifiche di

Dettagli

Calcolo delle P robabilitá. Esercizi svolti e quesiti per il CdS in Economia e Finanza

Calcolo delle P robabilitá. Esercizi svolti e quesiti per il CdS in Economia e Finanza Calcolo delle P robabilitá Esercizi svolti e quesiti per il CdS in Economia e Finanza Giuseppe Sanfilippo Dipartimento di Scienze Statistiche e Matematiche S. Vianelli Università degli Studi di Palermo

Dettagli

Lezioni di CPS. Fabrizio Caselli

Lezioni di CPS. Fabrizio Caselli Lezioni di CPS Fabrizio Caselli Contents Chapter. Statistica descrittiva 5. Popolazione, campione e caratteri 5 2. Classi e istogrammi 6 3. Indici di posizione o centralità e di dispersione 6 4. Correlazione

Dettagli

CENNI DI CALCOLO COMBINATORIO E DELLE PROBABILITÀ Appunti delle lezioni del Prof. Giuseppe Puggioni a cura di M. Marras e B.

CENNI DI CALCOLO COMBINATORIO E DELLE PROBABILITÀ Appunti delle lezioni del Prof. Giuseppe Puggioni a cura di M. Marras e B. CENNI DI CALCOLO COMBINATORIO E DELLE PROBABILITÀ Appunti delle lezioni del Prof. Giuseppe Puggioni a cura di M. Marras e B. Pettinelli CALCOLO COMBINATORIO Disposizioni semplici Dati n elementi ( a 1,

Dettagli

OSSERVAZIONI TEORICHE Lezione n. 4

OSSERVAZIONI TEORICHE Lezione n. 4 OSSERVAZIONI TEORICHE Lezione n. 4 Finalità: Sistematizzare concetti e definizioni. Verificare l apprendimento. Metodo: Lettura delle OSSERVAZIONI e risoluzione della scheda di verifica delle conoscenze

Dettagli

La scelta in condizioni di incertezza

La 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

Dettagli

Studia lo scambio di importi monetari aleatori, dunque di operazioni che comportano un RISCHIO FINANZIARIO.

Studia lo scambio di importi monetari aleatori, dunque di operazioni che comportano un RISCHIO FINANZIARIO. TEORIA MATEMATICA DEL PORTAFOGLIO FINANZIARIO ELEMENTI DI TEORIA DELL UTILITÀ Studia lo scambio di importi monetari aleatori, dunque di operazioni che comportano un RISCHIO FINANZIARIO. es. Generica operazione

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

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

Economia Pubblica Rischio e Incertezza

Economia Pubblica Rischio e Incertezza Economia Pubblica Rischio e Incertezza Giuseppe De Feo Università degli Studi di Pavia email: giuseppe.defeo@unipv.it Secondo Semestre 2011-12 Seconda parte del corso di Economia Pubblica I problemi dell

Dettagli

Calcolo delle probabilitá: esercizi svolti fino all 8 febbraio

Calcolo delle probabilitá: esercizi svolti fino all 8 febbraio Calcolo delle probabilitá: esercizi svolti fino all 8 febbraio Alessandro Sicco sicco@dm.unito.it Lezione 1. Calcolo combinatorio, formula delle probabilitá totali, formula di Bayes Esercizio 1.1. 7 bambini

Dettagli

Calcolo delle probabilità. 3. La probabiltà nella concezione frequentista. 4. La probabiltà nella concezione soggettiva

Calcolo delle probabilità. 3. La probabiltà nella concezione frequentista. 4. La probabiltà nella concezione soggettiva Calcolo delle probabilità. Gli eventi - definizioni propedeutiche 2. La probabiltà nella concezione classica. La probabiltà nella concezione frequentista 4. La probabiltà nella concezione soggettiva. La

Dettagli

PIP - ISTRUZIONI PER LA COMPILAZIONE DEL MODULO INTEGRATIVO PER L ANNO 2008

PIP - ISTRUZIONI PER LA COMPILAZIONE DEL MODULO INTEGRATIVO PER L ANNO 2008 PIP - ISTRUZIONI PER LA COMPILAZIONE DEL MODULO INTEGRATIVO PER L ANNO 2008 Definizioni - PIP: piani individuali pensionistici di tipo assicurativo attuati mediante contratti di assicurazione sulla vita;

Dettagli