Capitolo 1 CRITERI DI VALUTAZIONE IN CONDIZIONI DI INCERTEZZA

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Capitolo 1 CRITERI DI VALUTAZIONE IN CONDIZIONI DI INCERTEZZA"

Transcript

1 Capitolo 1 CRITERI DI VALUTAZIONE IN CONDIZIONI DI INCERTEZZA 1.1 Introduzione Fino ad ora abbiamo esaminato prevalentemente criteri di valutazione e scelte di investimenti nell ipotesi di operare in condizione di certezza, ossia nel caso in cui siano note, o supposte tali, le caratteristiche delle operazioni di investimento. In tali casi si è implicitamente assunto che un operatore agisca sempre come individuo razionale, per individuo razionale si intende, a parità di altre condizioni, colui che preferisce tanto a poco, volto alla massimizzazione della sua soddisfazione (misurata con una certa funzione di utilità) derivante da una specifica situazione. In generale, una funzione di utilità rappresenta un: indicatore del benessere che un individuo trae da una certa situazione; un modo di descrivere le preferenze dell individuo. Per esempio, nel caso che l individuo sia un consumatore che misura la sua soddisfazione in base alle quantità q = (q 1,,q n ) di ogni possibile paniere di consumi, si userà una funzione di utilitàu q, ossiau(q 1,,q n ), in modo tale da associare un numero ad ogni realizzazione q nell insieme delle opportunità (o dominio, o regione di ammissibilità), che indichiamo con D. q 1,q 2 D, si dirà che: Ad esempio un investimento in titoli di stato è considerato un investimento certo in quanto si conosce a priori il rendimento lordo finale. Tuttavia abbiamo visto che anche tali investimenti non sono del tutto esenti da rischi, ad esempio se il tasso di inflazione durante l orizzonte dell investimento cambia, il rendimento netto dell investimento cambia anch esso.

2 2 Criteri di Valutazione in Condizioni di Incertezza q 1 è preferito aq 2 u q 1 >u q 2 (in simboliq 1 q 2 ) q 1 è indifferente aq 2 u q 1 =u q 2 (in simboliq 1 q 2 ). Si osserva anche che in generale non è importante il valore assoluto della funzioneu, in quanto il suo uso (o scopo, o obiettivo) è quello di ordinare delle preferenze, sono quindi le curve di livello della funzione di utilità che caratterizzano in modo univoco le preferenze, dando un ordinamento fra tutte le possibili scelte, e non i valori diusu tali curve (che possono anche cambiare). Si ritiene, quindi, che una funzione di utilità sia determinata a meno di una trasformazione monotona crescente. Ossia seu q è una funzione di utilità e h(x) una funzione monotona, strettamente crescente, allora u(q)=(h u) q =h u q (1.1) è una funzione di utilità equivalente adu q, nel senso che determina le stesse preferenze, infatti q 1 q 2 u q 1 u q 2 h u q 1 h u q 2 ossia u(q 1 ) u(q 2 ) u q 1 u q 2 Le ipotesi che vengono solitamente fatte sulla funzione u sono: i u= u q i >0 u concava (1.2) Nel caso di due beni, le(1.2) implicano curve di livello convesse e decrescenti del tipo riportato in fig. 5.1.

3 Introduzione 3 q2 Figura 5.1. Curvedi livello della u q :u(q 1,q 2 )=k(costante). k 1 <k 2 <k 3. q1 u q =k du= 1 udq udq 2 =0 dq 2 dq 1 = 1u 2 u <0 Per un investitore che basa il suo criterio di scelta sulla quantità di denaro, o ricchezza x che percepisce in un fissato intervallo di tempo (che assumiamo unitario), avremo cheu(x) è una funzione monotona crescente dix, del tipo riportato nelle figure 5.2 e 5.3. U(x) Figura 5.2. Utilità della ricchezza x. Figura 5.3. Utilità della ricchezza x. x

4 4 Criteri di Valutazione in Condizioni di Incertezza Come misura della ricchezza si può assumere, per esempio, il rendimento di una certa attività finanziaria: 1 (1+i(0,1))=r(0,1) 0 1 x=r(0,1) Ad esempio, una funzione di utilità spesso utilizzata è la funzione di utilità quadratica u(r)=u(x)=ax(1 bx); a,b>0 (1.3) considerata per0<x< 1 2b, in modo da garantireu (x) 0, così che u (x)=a(1 2bx)>0 per la quale si ha u (x)= 2ab<0 (u è il ramo crescente di una parabola concava). Invece di assumere come indicatore della ricchezza il rendimento r(0, 1) potremmo decidere di assumere il tasso effettivo di rendimento i(0, 1) e considerare, al posto di una funzione di utilità del denarou(r), una funzioneu(i). Per e- sempio, nel caso della funzione quadratica, possiamo effettuare il cambiamento di variabilex=1+i ed ottenere u(i) = u(x(i))=a(1+i)(1 b(1+i)) = a (1 b)+(1 2b)i bi 2 (1.4) con il vincolox=1+i< 1 2b che diventai< 1 2b 1. La u è una funzione equivalente ad u e rappresenta gli stessi ordinamenti, essendo sempre una funzione monotona crescente e concava, è solo cambiata la variabile indipendente assunta come rappresentativa della ricchezza. O ancora, visto che l eliminazione di una costante non cambia l ordinamento, eliminando dalla(1.4) il terminea(1 b) otteniamo u(i)=ai(1 2b bi) per i< 1 2b 1

5 Criterio del Valor Medio 5 che rappresenta sempre la medesima funzione di preferenza (fig. 5.4.). U(x) Figura 5.4. Funzione di utilità concava. Se un investitore dovesse decidere in quale titolo di puro sconto investire il suo denaro oggi, t = 0, fra quanti sono disponibili e scadenti in t = 1, usare il criterio della massima utilità porta ad una medesima scelta quando l utilità è una funzione monotona crescente. Ossia, massimizzare il rendimento, o il tasso di rendimento, o altro, è lo stesso, in quanto se la funzione di utilitàudipende da una sola variabile indipendente, x, ed è monotona crescente, allora l utilità massima si ha in corrispondenza del massimo valore assunto dalla variabile indipendente x. Ad esempio, consideriamo il titolo A k che presenta un tasso di rendimento i k, l investitore sceglierà di investire tutto il suo capitale nel titolo A j, avente i j =max{i 1,,i n }. Osserviamo ancora che se l investitore sceglie fra diversi tipi di investimenti in base alcriteriodelrea o del valore attuale, si riferisce sostanzialmente al medesimo criterio, in quanto assumiamo implicitamente che a maggior valore attuale corrisponda una maggior utilità. 1.2 Criterio del Valor Medio Introduciamo ora elementi di incertezza, supponendo che gli investitori sappiano attribuire specifiche probabilità al verificarsi degli eventi. Ad esempio, nel caso dei titoli azionari, sappiamo assegnare le probabilità con cui si veri-

6 6 Criteri di Valutazione in Condizioni di Incertezza ficano certi rendimenti. Nei casi più semplici, ciò si può fare basandosi sulle serie storiche passate e assumendo i valori equiprobabili. Abbiamo già visto nel caso di titoli obbligazionari che una possibile tecnica per arrivare alla condizione di incertezza consiste nel sostituire una variabile casuale, o variabile aleatoria (spesso abbreviata con v.c. oppure v.a.), x, che assume le determinazionix k con probabilitàp k, perk=1,...,n ( k p k=1), con il suo valor atteso n E(X)= x k p k. (1.5) Questo è ilcriterio del valor atteso o delvalore medio. Ossia si assume che il valore da attribuire ad una variabile causalex (X={x k,p k })sia uguale al suo valor attesoe(x). Tuttavia il criterio del valor atteso non è molto adatto per valutare il rendimento dell investimento considerato. Un esempio che mette in evidenza i limiti di tale criterio è il paradosso di S. Pietroburgo, formulato da Bernoulli più di duecento anni fa. Lo stesso autore, Bernuolli, presentò anche una tecnica alternativa che risolveva gli incovenienti evidenziati. Ricordiamo che sex è una variabile casuale con realizzazioni{x k,p k } k = 1,...,n, il valor medio E(X) = n k=1 x kp k non è in genere una delle possibili realizzazioni. Per esempio, consideriamo la v.c. uscite nel lancio di un dado che assumano le possibili realizzazioni x k = k per k = 1,,6 ciascuna con probabilitàp k = 1. Il valor atteso è quindi 6 k=1 E(X)= n k=1 k 1 6 = 21 6 =3.5 che non è una realizzazione possibile. Tuttavia il significato di E(X) è importante in senso statistico, ossia, se l esperimento viene ripetuto un gran numero di volte allora la media aritmetica dei valori ottenuti (cioè le uscite, o realizzazioni, negli esperimenti) tende al valore atteso E(X). Il valore atteso è anche il valore utilizzato nella teoria dei giochi per calcolare il prezzo equo per la parteciapzione ad un gioco, o lotteria. Per esempio, qual è il valore da attribuire alla partecipazione di una lotteria nella quale si abbia la possibilità di vincerex 1 =$.10 milioni con probabilità p 1 = 1 = ex =$.0 con probabilitàp 2 =1 p 1? Si hae(x)=p 1 x 1 +0=1000.

7 Paradosso di S. Pietroburgo 7 Se la partecipazione al gioco, ov.c. X, ha prezzo fissox 0, il gioco viene detto equo se E(G)=E(X) x 0 =0 ossia se offre una speranza matematica di guadagno complessivo nulla (come si ha in un gioco in cui mediamente si paga quanto si vince). Lav.c. guadagno G ha le uscite(x k x 0 ) con le stesse probabilitàp k e quindi E(G)= k (x k x 0 )p k =E(X) x 0 Il gioco viene detto vantaggioso (risp. svantaggioso) se risulta E(G)>0 (risp. <0) ossia E(X)>x 0 (risp. <0) per cui il prezzo(x 0 ) che paghiamo per la partecipazione al gioco è inferiore (risp. superiore) al suo valor atteso E(X), valor medio delle vincite. 1.3 Paradosso di S. Pietroburgo L esempio formulato da Bernoulli evidenzia i limiti associati all utilizzo del criterio del valor atteso. Consideriamo il gioco che consiste nel fissare una posta inizialem 1elanciare una moneta: i partecipanti accettano di ricevere la posta pagata se esce Testa (T) al primo lancio, di ricevere 2 volte la posta (2M) se escet per la prima volta al secondo lancio, 4 volte la posta se escet al terzo lancio e così via in modo che per ogni lancio aggiuntivo la posta venga raddoppiata fino a che non escet. Assumendo le uscite T e C del lancio di moneta equiprobabili, abbiamo le

8 8 Criteri di Valutazione in Condizioni di Incertezza seguenti realizzazioni di guadagno, con relative probabilità: Lancio in cui esce Probabilità Testa la 1 volta Risultato Risultato Premio k p k x k 1 T p 1 = 1 x 2 1 =1M 2 CT p 2 = 1= x 2 =2M 3 CCT p 3 = 1 8 = 1 x =4M 4 CCCT p 4 = 1 = 1 x =8M.... n C...CT p n = 1 x 2 n n =2 n 1 M ed il valor medio di questav.c. è E(X)= 2 k 1 M 1 2 =M 1 = (1.6) k 2 k=1 In base al criterio del massimo rendimento atteso il valor medio di questo gioco costituirebbe il prezzo massimo che un partecipante sarebbe disposto a pagare per partecipare al gioco. Quindi un individuo sarebbe disposto a pagare qualsiasi sommax 0 pur di partecipare al gioco (essendo sempree(x)>x 0 ), cioè considera il gioco sempre vantaggioso, il che è contro il buon senso (basti pensare a quanto ciascuno di noi sarebbe disposto a pagare per partecipare ad un gioco del genere). Il criterio allora non sembra essere applicabile ai comportamenti realmente osservabili. 1.4 Criterio dell utilità attesa(massimizzazione dell utilità attesa) La teoria dell utilità attesa sembra ovviare alle mancanze del criterio precedente. Già lo stesso Bernoulli osservava che gli individui valutano le grandezze finanziarie, o monetarie, non direttamente e oggettivamente, ma mediando il loro valore tramite il grado di utilità che essi, in modo del tutto soggettivo, attribuiscono al possesso di tale somma. Usando questa impostazione assumiamo che ogni operatore agisca associando alle grandezze finanziarie un valore che ne misuri il grado di soddisfazione, o di desiderabilità individuale. Ogni individuo dispone quindi di una personale funzione di utilità u(x) x u(x), x R + k=1

9 Criterio dell utilità attesa (massimizzazione dell utilità attesa) 9 Per esempio, il paradosso di S. Pietroburgo, venne risolto da Bernoulli ipotizzando che l utilità associata al denaro fosse rappresentata da una funzione logaritmica del tipo u(x)=aln x b a>0, b>0 ossia u(x) è l utilità associata all ammontare x di denaro. Consideriamo, per fissare le idee,a=b=1. Al posto dellav.c.{x k,p k } l individuo considera allora lav.c. U =U(X)={u(x k ),p k }={ln(x k ),p k } e le attribuisce il valore atteso, detto utilità attesa: E(U) = k=1 ln 2 k 1 M 1 2 k = ln 2 k ln(m) 1 k 2 k k k k 1 1 = ln2 +lnm 2 k 2 k k=1 k=1 =1 =1 = ln2+lnm = ln(2m) = u(2m) chiamiamo equivalente certo della v.c. x la quantità x c = 2M la cui utilità u(x c ) è uguale all utilità attesae(u(x))=e(u) ossia E(U(X))=u(x c ) (1.7) k 1 Dimostriamo che le serie k=1 2 e 1 k k=1 sono convergenti. Postoq= 1 2 k 2 k=1 qk è la serie geometrica di primo termineq= 1 e ragioneq= 1, quindi 2 2 convergente con somma S= q 1 1 q = =1 (1.8)

10 10 Criteri di Valutazione in Condizioni di Incertezza Per la serie k=1 qk (k 1) calcoliamo la somma parziales n e poi facciamo il limite pern S n = q 2 + q 3 +q 3 + q 4 +q 4 +q 4 + q n +q n +q n + +q n n 1 volte = q 2 1+q+ +q n 2 +q 3 1+q+ +q n 3 + +q n S = lim S n =q 2 1 n 1 q 1 = q 2 +q q = = q 2 1 q (1+q+ ) q q 1 q = q 2 (1 q) 2 +q q e perq= 1 si has=1. 2 Riassumiamo quindi in cosa consiste il criterio dell utilità attesa. Supponiamo che ogni individuo disponga di una funzione di utilità a valori reali, che rappresenti le scelte o preferenze individuali. Se x rappresenta il valore del capitale, u(x) rappresenta l utilità che ad esso associa l operatore. Si assume generalmente che u(x) sia una funzione monotona crescente: x 1 <x 2 u(x 1 )<u(x 2 ) (1.9) e, supponendo che la funzione u(x) sia derivabile, tale condizione la possiamo ottenere richiedendo che la derivata prima (o utilità marginale) sia positiva u (x)>0 [ (1.9)]

11 Criterio dell utilità attesa (massimizzazione dell utilità attesa) 11 Assumiamo, quindi, che ogni operatore misuri le grandezze finanziarie attraverso la soddisfazione che ne deriva. Se deve valutare unav.c. X ={x k,p k } l utilità che ne deriva all operatore è a sua volta unav.c.u(x)={u(x k ),p k } e chiamiamo utilità attesa (l utilità che l operatore associa al possesso della v.c.x), il valore atteso dellav.c. U(X): U =E(U)=E(U(X))= k u(x k )p k (1.10) Osserviamo che nel caso particolare che X consista di due sole possibili uscite (x 1,p 1 ) e(x 2,p 2 ) conp 2 =1 p 1 allora si ha E(X) = x 1 p 1 +x 2 (1 p 1 ) (1.11) E(U) = u 1 p 1 +u 2 (1 p 1 ) (1.12) conu 1 =u(x 1 ),u 2 =u(x 2 ). Ilpunto(E(X),E(U))appartieneintal casoalla retta congiungente i punti (x 1,u 1 ), (x 2,u 2 ) (indipendentemente dalla forma della funzioneu(x)). Si veda la fig.5.5 e la fig.5.6 Figura 5.5. Figura 5.6. In generale, quando X è una variabile casuale con più di due realizzazioni, il puntob=(e(x),e(u)), che può considerarsi il baricentro della distribuzione{x k,p k } con pesip k, è un punto appartenente alla regione delimitata da segmenti di retta congiungenti i punti(x k,u(x k )) appartenenti al grafico della funzioneu(x) e dalla corda congiungente i punti del grafico di ascissa

12 12 Criteri di Valutazione in Condizioni di Incertezza x min ex max (rispettivamente minimo e massimodell insieme{x k,k=1,...,n}) si veda le figg e 5.8. Figura 5.7. Figura 5.8. Si osserva poi che essendo u(x) una funzione crescente, e quindi invertibile, esiste un unico valorex c tale cheu(x c )=E(U), ossia x c =u 1 (E(U)) (1.13) etalevalorex c vienedetto,equivalentecerto dellav.c.x, inquantorappresenta la somma (certa) il cui livello di soddisfazione è pari a quello che si ha con la v.c. (o somma incerta) X. Il criterio generale di comportamento per l individuo razionale sarà quello di scegliere, fra diverse alternative, quella che procura maggiore utilità, usando la funzione di utilità direttamente, u(x), per valori certi x, ossia per investimenti certi o non rischiosi, ed usando l utilità attesa E(U(X)) per investimenti incerti, o rischiosi, rappresentati da una variabile casuale X. Fra due investimenti rischiosi, l opportunità X sarà preferita ad un altra Y se e solo se l utilità attesa dix è maggiore dell utilità attesa diy (fissata la funzione di utilità u): E(U(X))>E(U(Y)) Tipici investimenti certi, considerati non rischiosi, sono i titoli senza cedole, mentre quelli incerti (considerati rischiosi) sono i titoli con cedole. Infatti,

13 Avversione/Propensione al rischio 13 il ritiro di cedole (che sono generalmente al tasso variabile, ossia cedole non costanti) e conseguenti reinvestimenti fa si che il rendimento effettivo globale (per l intero orizzonte temporale) dipenderà da come saranno i tassi vigenti alle scadenze che intervengono nel titolo e oggi potremo solo stimare le loro possibili uscite con determinate probabilità. 1.5 Avversione/Propensione al rischio Il confronto che possiamo effettuare nel caso di due titoli molto semplici, uno non rischioso ed uno rischioso, ci porta a qualificare il comportamento degli operatori in termini della loro funzione di utilità u(x). Per esempio, supponiamo che un investitore debba scegliere, a parità di impiego di capitale iniziale, frauninvestimentocertoa, checonsistenelricavarex A =$.110 afineperiodo, ed un investimento incertob, che consiste nella variabile aleatoriax B che ha comepossibiliricavix B,1 =105conp 1 = 1 2 ex B,2=115conp 2 = 1 2. Calcolando il valore medio dell investimento B otteniamo: E(X B )= =110 (E(X B)=x A ) In base al criterio del valor medio, i due investimenti sono quindi indifferenti. In realtà è plausibile che i due investimenti non siano del tutto equivalenti per gli investitori. È ragionevole pensare che un investitore avverso al rischio preferirà l investimento certo A (a parità di valor medio non rischierà acquistando il titolob, temendo che possa verificarsi l esitox B,1 ). Mentre se l investitore è propenso al rischio allora preferirà l investimento B (a parità del valormedio sperache si realizzi l eventualitàx B,2 ). Le scelte così formulate non avvengono sulla base del criterio del valor medio ma tengono conto anche delle preferenze degli investitori. Tali scelte si ottengono, usando il criterio dell utilità attesa, assumendo che un investitore avverso (rispettivamente propenso) al rischio abbia una funzione di utilità u(x) concava (rispettivamente convessa). Infatti, assumiamo che un investitore abbia una funzione di utilità u(x) concava (condizioni sufficienti affinchè ciò si verifichi sonou (x)>0eu (x)<0), allora risulta necessariamente (si veda la fig.5.9 e la 5.7) che l equivalente certo x c è minore del valore attesoe(x), ossiax c <E(X)=x A, e quindi, per la monotonia diu(x), x c <E(X)=x A E(U)=u(x c )<u(x A ) (1.14)

14 14 Criteri di Valutazione in Condizioni di Incertezza l utilità attesae(u)=u(x c ) è minore di (e quindi non preferita a)u(x A ) e l operatore opta per l investimento certo, che realizza x A (ossia si comporta come un investitore avverso al rischio). Mentre se un operatore ha una funzione di utilitàu(x) convessa (e condizioni sufficienti affinchè ciò si verifichi sonou (x)>0eu (x)>0) allora (si veda la figura 5.10 e la 5.8) si ha necessariamente l equivalente certox c maggiore del valore medioe(x)=x A quindi l utilità attesae(u)=u(x c ) è maggiore di (e quindi preferita a)u(x A ), x c >E(X)=x A E(U)=u(x c )>u(x A ) (1.15) e l operatore opta per l investimemto aleatorio (che gli procura maggiore utilità attesa) e si comporta quindi come un operatore propenso al rischio. Figura 5.9. Utilità per investitore avverso al rischio

15 Avversione/Propensione al rischio 15 Figura Utilità per investitore propenso al rischio Si può notare che per un investitore avente una funzione di utilità affine (u =0) si ha che l utilità attesae(u) è uguale all utilità calcolata nel valore attesoe(x), ossiae(u)=u(e) e l equivalente certox c coincide con il valore medioe(x). Figura 5.11 Utilità per investitore neutro al rischio x c =E(x) (1.16) In tal caso, il criterio del valor medio ed il criterio dell utilità attesa forniscono quindi la medesima soluzione, e se consideriamo l investitore nell esempio precedente si può dire che l investitore è indifferente o neutrale al

16 16 Criteri di Valutazione in Condizioni di Incertezza rischio, in quanto le due opportunità (titolo certo e titolo incerto) sono per lui equivalenti. La condizione data sopra (u(x) affine) è caratterizzante della neutralità, in quanto vale anche il viceversa, come mostra il seguente Teorema 5.1. Relazione tra criterio del valore medio e criterio dell utilità attesa. L utilità attesa è uguale all utilità del valore medio (che è sinonimo di operatore neutrale) se e solo se la funzione di utilitàu(x) è affine E(U(X)) = u(e(x)) (1.17) u(x) = ax+b (1.18) Da questo teorema segue che il criterio del valor medio può essere considerato come un caso particolare del criterio dell utilità attesa. Dimostrazione. Osserviamo che è E(X)= k x k p k (1.19) E(U)= k u(x k )p k (1.20) e risulta u(e(x)) = E(U) u x k p k k = k u(x k )p k e l uguaglianza qui sopra corrisponde alla definizione di u(x) lineare se i pesi p k sono coefficienti generici, se invece i pesip k sommano a 1, come nel nostro caso, allora l uguaglianza è caratterizzante delle funzioni affini, ossia è vera se e solo se u(x)=ax+b (1.21)

17 Avversione/Propensione al rischio 17 Infatti, considerandou(x)=ax+b si ha: u xk p k = a x k p k +b k = k (ax k )p k +b k p k = k (ax k +b)p k = k u(x k )p k Il viceversa è vero per definizione. Quanto visto sopra motiva la seguente: Definizione: Si dice che un individuo (investitore, decisore,...) è avverso al rischio se vale E(U(X))<u(E(X)) v.c. X (1.22) (ossia se preferisce sempre il valore atteso di una lotteria alla lotteria stessa). Teorema 5.2. Condizione per avversione al rischio. Seu (x)<0 x= l investitore è avverso al rischio. Dimostrazione. u (x) < 0 è condizione sufficiente per la stretta concavità della funzione di utilitàu(x) ed essendo il puntob =(E(X),E(U)) un punto della regione di piano compresa fra il grafico diu(x) e la corda, come mostrato in fig.5.7, si ha che l equivalente certox c soddisfa: x c <E(X) e u(x c )=E(u)<u(E(X)) In questi casi (per colui che stima con una tale funzione di utilità,u <0) le somme incerte (con equivalente certox c <E(X)) valgono meno del loro valore atteso (E(U)<u(E(X))). L incertezza è quindi considerata un elemento negativo, per cui è naturale definire tale individuo come avverso al rischio.

18 18 Criteri di Valutazione in Condizioni di Incertezza Definiamo premio per il rischio la quantità =x c E(X) (1.23) che risulta negativa nel caso di investitori avversi al rischio. Analoghe definizioni e proprietà per la propensione e l indifferenza al rischio. Per un investitore con funzione di utilità convessa (u >0) si avrà propensione al rischio in quanto l equivalente certo x c è maggiore del valor medio E(X) x c >E(X) (1.24) e l utilità attesa E(U) è maggiore dell utilità attribuita al valor medio ed il premioperil rischio risulta ora positivo (fig. 5.8). E(U)>u(E(X)) (1.25) =x c E(X)>0 (1.26) Funzioni di utilità equivalenti nella propensione/avversione al rischio. Si noti che in questi casi, in cui si vuol sostituire un equivalente certo a somme incerte, e si fa esplicito riferimento ai valori della funzione di utilità (e non solo all ordinamento delle preferenze da questa indotto) non possiamo ritenere equivalenti funzioni di utilità (ordinale) che sono determinate a meno di trasformazioni monotone crescenti generiche, perchè, pur non cambiando la monotonia, può cambiare la convessità della funzione di utilità. Infatti, se consideriamoh(x) monotona crescente(assumiamo per esempio,h (x)>0) e la funzione compostau=h(u), si ha u =h (u)u >0 u =h (u)(u ) 2 +h (u)u 0 chepuòesserepositivaonegativa(nelcasoincuih eu abbianosegniopposti). Quindi la funzione u, pur essendo monotona crescente, può cambiare il tipo di convessità.

19 Avversione/Propensione al rischio 19 Nel caso in cui la funzione di utilità sia affine, u(x) = ax+b, (ossia con u (x)=0) se consideriamo per esempioh(x)=αx 2 conα>0 otteniamo u=h(u)=α(ax+b) 2 = αa 2 x 2 +2abαx+αb 2 e quindi u(x) è un utilità quadratica con u > 0, ossia convessa. Questo porterebbe a non poter qualificare l operatore come indifferente o propenso al rischio. E chiaro che si vorrebbero ottenere funzioni di utilità equivalenti che fornissero lo stesso tipo di avversione/propensione al rischio. Dovremo allora considerare la funzione di utilità cosiddetta cardinale (e non più ordinale), determinata a meno di una trasformazione affine crescente, ossia a meno di una funzioneh(x) del tipo h(x)=αx+β conα>0 (1.27) con(h (x)=α>0 eh (x)=0). Osserviamo infatti che in questo caso è equivalente, per selezionare le preferenze, considerare una funzione di utilità u(x) oppure la funzione di utilità che si ottiene da essa mediante una trasformazione affine crescente, ossia con u(x)=h(u(x)) essendoh(x) definita sopra. Infatti, siax ={x k,p k }, la variabile aleatoria che si intende valutare, avente valore medioe(x)= k x kp k, e consideriamo le variabili casuali associate alle funzioni di utilitàu(x) eu(x), sianou e U rispettivamente, per le quali è U = {u(x k ),p k }, E(U)= k U = {u(x k ),p k }, E U = k u(x k )p k u(x k )p k Mostriamo ora che due funzioni di utilità equivalenti u(x) e u(x) determinano le stesse preferenze, ossia hanno le stesse caratteristiche in termini di avversione/propensione al rischio, in quanto risulta E(U) < u(e(x)) E U < u(e(x))

20 20 Criteri di Valutazione in Condizioni di Incertezza Infatti, per definizione di u abbiamo u(e(x))=h(u(e(x))) (1.28) mentre E U = k h(u(x k ))p k = k = k (αu(x k )+β)p k αu(x k )p k +β = α u(x k )p k +β k = αe(u)+β (1.29) = h(e(u)) (1.30) E, quindi E(U) < u(e(x)) (1.31) h(e(u)) < h(u(e(x))) (1.32) E U < u(e(x)) (1.33) dove la prima implicazione si ha per la monotonia dihnella(1.27), la seconda per le uguaglianze nelle(1.28) e(1.30). Visto che è la derivata seconda che qualifica la propensione o avversione al rischio, si può ritenere che la sua entità qualifichi il grado di propensione o avversione. Ossia, quanto più sono incurvate le funzione di utilità, tanto è maggiore la differenza frae(u) eu(e) e quindi maggiore è il grado di avversione o propensione al rischio. L uso diretto delle derivate seconde u (x), o delle curvature geometriche di u(x), non sono misure appropriate di avversione al rischio perchè non sono invarianti per trasformazioni affini di u(x), e

21 Avversione/Propensione al rischio 21 quindi qualificherebbero con diversi gradi di avversione due funzioni di utilità equivalenti (che si ottengono l una dall altra con una trasformazione affine). Vengono introdotti allora altri indicatori del grado di avversione, locali (che dipendono dal punto in cui si valutano). Per esempio, una misura dell influenza del fattore rischio sulle preferenze individuali (associata ad una funzione di utilità u(x)) può farsi attraverso la funzione (introdotta da Arrow-Pratt) indice assoluto di avversione al rischio : r(x)= u (x) u (x) (1.34) oppure con la funzione indice relativo di avversione : ρ(x)=xr(x)= x u (x) u (x) (1.35) Con la misura di avversione al rischio r(x) definita sopra, funzioni di utilità equivalenti hanno la medesima funzione di rischiosità. Infatti, consideriamou(x)=h(u(x)) conh(x)=αx+β allora, essendo si ha u = h (u(x)) u (x)=αu (x) u = αu (x) r u (x)= u (x) u (x) = u (x) u (x) =r u(x) (1.36) Ricordando che èu (x)>0 per ogni funzione di utilità avremo che r(x)>0 u (x)<0 (avversione al rischio) r(x)<0 u (x)>0 (propensione al rischio) r(x)=0 u (x)=0 (indifferenza, utilità affine). La funzione reciproca di r(x), λ(x)= 1 r(x) = u (x) u (x)

22 22 Criteri di Valutazione in Condizioni di Incertezza viene assunta come indice di tolleranza al rischio. Si puo provare che l equivalente certox c di unav.a. X={x k,p k } conx k I k per un individuo avverso al rischio è tanto minore quanto maggiore è la sua avversione al rischio. Ossia, considerando le funzioni di utilitàu 1 edu 2 e gli equivalenti certi di X siano x c,1 =u 1 1 (E(U 1 )), x c,2 =u 1 2 (E(U 2 )) si ha ossia x c,1 <x c,2 u 1 (x) u 1(x) u 2 (x) u 2(x) r 1 (x) r 2 (x) x I 1.6 Alcuni esempi di funzioni di utilità 1. Utilità logaritmica (o di Bernoulli) x u(x) = aln b oppure, equivalentemente, a>0, b>0 = alnx alnb (1.37) u(x)=alnx+β (essendou(x)=u(x)+(alnb+β), affine au(x) e ottenuta mediante la trasformazioneh(y)=y+(alnb+β)). Si ha u (x) = a x >0 e, quindi u (x) = a x 2 <0 r(x)= 1 x (1.38) (funzione monotona descrescente di x).

23 Alcuni esempi di funzioni di utilità Utilità quadratica u(x) = ax bx 2 (1.39) u (x) = a 2bx >0 per x< a 2b (si puo definireu(x)= a2 4b perx a 2b ) u (x) = 2b<0 2b r(x) = a 2bx = 1 a 2b x Figura 5.12 Esempio di utilità quadratica. 3. Utilità esponenziale u(x)=a(1 exp( bx)) a>0,b>0 (1.40) u (x) = abe bx >0 u (x) = ab 2 e bx <0 r(x)=b

24 24 Criteri di Valutazione in Condizioni di Incertezza 4. Funzione potenza u(x) = x 1 α 0<α<1 (1.41) per esempio perα= 1 2 : u(x)= x u (x) = (1 α)x 1 α 1 =(1 α)x α >0 u (x) = (1 α)( α)x α 1 <0 r(x)= α x Esempio 1. Un individuo dotato di funzione di utilità u(x) = lnx deve decidere se optare per un investimentoaob, dove A) è un investimento certo che procurax A =$.1,100 int=1; B) è un investimento incerto che gli procura, int=1: $.1200 con p 1 =1/4 $.1300 con p 2 =1/4 $.1000 con p 3 =1/2 Si ha: mentre u(x A )=ln(1100)=7.003 E(U)= 1 4 ln(1200)+1 4 ln(1300)+1 2 ln(1000)=7.0189>u(x A). Quindi l individuo (avverso al rischio) sceglie l investimento B. L equivalente certo di B è: x c =u 1 (7.0189)=e = Essendo E(X B )= il premio per il rischio è =x c E(X B )= =1125

25 Criterio media-varianza (M-V) 25 Il criterio dell utilità attesa rappresenta, come si è detto, un tentativo di superamento del criterio del valor medio, che può portare anche a scelte opposte. Fra due grandezze aleatorie, non sempre quella avente maggior valor medio è anche quella avente maggior utilità attesa. Per esempio, sia u(x) la funzione di utilità di un individuo avverso al rischio. Tra un investimento aleatorio X={x k,p k } ed un altroy ={y j,q j } può aversie(x)>e(y) e tuttavia come si mostra in figura E(U(X))<E(U(Y)) Figura Confronto fra due investimenti aleatori x ed y. In alternativa al criterio dell utilità attesa sono stati proposti altri criteri che migliorano il criterio del valor medio senza entrare in contrasto con esso, il più famoso ed utilizzato negli ultimi 50 anni è il criterio Media Varianza (M-V) che vedremo di seguito. 1.7 Criterio media-varianza(m-v) Il criterio di scelta fra grandezze aleatorie che ora descriviamo nasce dal tentativo di valutare una v.c. X, nell ambito delle operazioni finanziarie, non solo sulla base del valore attesoe(x) di questa, ma anche tenendo conto di una valutazione del rischio dell operazione.

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

Scelta sotto incertezza

Scelta sotto incertezza Scelta sotto incertezza 1. Introduzione Nei capitoli 1 e 2 della microeconomia standard si studia la scelta dei consumatori e dei produttori, che hanno un informazione perfetta sulle circostanze che caratterizzano

Dettagli

Convessità e derivabilità

Convessità e derivabilità Convessità e derivabilità Definizione 1 (convessità per funzioni derivabili) Sia f : (a, b) R derivabile su (a, b). Diremo che f è convessa o concava su (a, b) se per ogni 0 (a,b) il grafico di f sta tutto

Dettagli

QUADERNI DI DIDATTICA

QUADERNI DI DIDATTICA Department of Applied Mathematics, University of Venice QUADERNI DI DIDATTICA Tatiana Bassetto, Marco Corazza, Riccardo Gusso, Martina Nardon Esercizi sulle funzioni di più variabili reali con applicazioni

Dettagli

Introduzione alla Teoria degli Errori

Introduzione alla Teoria degli Errori Introduzione alla Teoria degli Errori 1 Gli errori di misura sono inevitabili Una misura non ha significato se non viene accompagnata da una ragionevole stima dell errore ( Una scienza si dice esatta non

Dettagli

Funzione reale di variabile reale

Funzione reale di variabile reale Funzione reale di variabile reale Siano A e B due sottoinsiemi non vuoti di. Si chiama funzione reale di variabile reale, di A in B, una qualsiasi legge che faccia corrispondere, a ogni elemento A x A

Dettagli

Funzioni di più variabili. Ottimizzazione libera e vincolata

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

Dettagli

La scelta razionale del consumatore (Frank - Capitolo 3)

La scelta razionale del consumatore (Frank - Capitolo 3) La scelta razionale del consumatore (Frank - Capitolo 3) L'INSIEME OPPORTUNITÁ E IL VINCOLO DI BILANCIO Un paniere di beni rappresenta una combinazione di beni o servizi Il vincolo di bilancio o retta

Dettagli

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE 1. EQUAZIONI Definizione: un equazione è un uguaglianza tra due espressioni letterali (cioè in cui compaiono numeri, lettere

Dettagli

Numeri reali. Funzioni e loro grafici

Numeri reali. Funzioni e loro grafici Argomento Numeri reali. Funzioni e loro grafici Parte B - Funzioni e loro grafici Funzioni reali di variabile reale Definizioni. Supponiamo che A sia un sottoinsieme di R e che esista una legge che ad

Dettagli

VARIABILI ALEATORIE CONTINUE

VARIABILI ALEATORIE CONTINUE VARIABILI ALEATORIE CONTINUE Se X è una variabile aleatoria continua, la probabilità che X assuma un certo valore x fissato è in generale zero, quindi non ha senso definire una distribuzione di probabilità

Dettagli

Esponenziali elogaritmi

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

Dettagli

Se si insiste non si vince

Se si insiste non si vince Se si insiste non si vince Livello scolare: 2 biennio Abilità interessate Valutare la probabilità in diversi contesti problematici. Distinguere tra eventi indipendenti e non. Valutare criticamente le informazioni

Dettagli

ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE

ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE Sia I un intervallo di R e siano a = inf(i) R { } e b = sup(i) R {+ }; i punti di I diversi dagli estremi a e b, ( e quindi appartenenti all intervallo aperto

Dettagli

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

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

Dettagli

Corso di Matematica finanziaria

Corso di Matematica finanziaria Corso di Matematica finanziaria modulo "Fondamenti della valutazione finanziaria" Eserciziario di Matematica finanziaria Università degli studi Roma Tre 2 Esercizi dal corso di Matematica finanziaria,

Dettagli

METODI ITERATIVI PER SISTEMI LINEARI

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

Dettagli

Accuratezza di uno strumento

Accuratezza di uno strumento Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente

Dettagli

EQUAZIONI non LINEARI

EQUAZIONI non LINEARI EQUAZIONI non LINEARI Francesca Pelosi Dipartimento di Matematica, Università di Roma Tor Vergata CALCOLO NUMERICO e PROGRAMMAZIONE http://www.mat.uniroma2.it/ pelosi/ EQUAZIONI non LINEARI p.1/44 EQUAZIONI

Dettagli

(accuratezza) ovvero (esattezza)

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

Dettagli

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI statistica, Università Cattaneo-Liuc, AA 006-007, lezione del 08.05.07 IDICE (lezione 08.05.07 PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore

Dettagli

STUDIO DI UNA FUNZIONE

STUDIO DI UNA FUNZIONE STUDIO DI UNA FUNZIONE OBIETTIVO: Data l equazione Y = f(x) di una funzione a variabili reali (X R e Y R), studiare l andamento del suo grafico. PROCEDIMENTO 1. STUDIO DEL DOMINIO (CAMPO DI ESISTENZA)

Dettagli

Funzioni in più variabili

Funzioni in più variabili Funzioni in più variabili Corso di Analisi 1 di Andrea Centomo 27 gennaio 2011 Indichiamo con R n, n 1, l insieme delle n-uple ordinate di numeri reali R n4{(x 1, x 2,,x n ), x i R, i =1,,n}. Dato X R

Dettagli

SIMULAZIONE DI PROVA D ESAME CORSO DI ORDINAMENTO

SIMULAZIONE DI PROVA D ESAME CORSO DI ORDINAMENTO SIMULAZINE DI PRVA D ESAME CRS DI RDINAMENT Risolvi uno dei due problemi e 5 dei quesiti del questionario. PRBLEMA Considera la famiglia di funzioni k ln f k () se k se e la funzione g() ln se. se. Determina

Dettagli

CURVE DI LIVELLO. Per avere informazioni sull andamento di una funzione f : D IR n IR può essere utile considerare i suoi insiemi di livello.

CURVE DI LIVELLO. Per avere informazioni sull andamento di una funzione f : D IR n IR può essere utile considerare i suoi insiemi di livello. CURVE DI LIVELLO Per avere informazioni sull andamento di una funzione f : D IR n IR può essere utile considerare i suoi insiemi di livello. Definizione. Si chiama insieme di livello k della funzione f

Dettagli

FUNZIONI CONVESSE. + e x 0

FUNZIONI CONVESSE. + e x 0 FUNZIONI CONVESSE Sia I un intervallo aperto di R (limitato o illimitato) e sia f(x) una funzione definita in I. Dato x 0 I, la retta r passante per il punto P 0 (x 0, f(x 0 )) di equazione y = f(x 0 )

Dettagli

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1 FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA PER L AMBIENTE ED IL TERRITORIO CORSO DI STATISTICA E CALCOLO DELLE PROBABILITA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N ARGOMENTO: CALCOLO DELLE PROBABILITA

Dettagli

1 Valore atteso o media

1 Valore atteso o media 1 Valore atteso o media Definizione 1.1. Sia X una v.a., si chiama valore atteso (o media o speranza matematica) il numero, che indicheremo con E[X] o con µ X, definito come E[X] = i x i f(x i ) se X è

Dettagli

Verica di Matematica su dominio e segno di una funzione [COMPITO 1]

Verica di Matematica su dominio e segno di una funzione [COMPITO 1] Verica di Matematica su dominio e segno di una funzione [COMPITO 1] Esercizio 1. Determinare il dominio delle seguenti funzioni: 1. y = 16 x ;. y = e 1 x +4 + x + x + 1; 3. y = 10 x x 3 4x +3x; 4. y =

Dettagli

Capitolo 9: PROPAGAZIONE DEGLI ERRORI

Capitolo 9: PROPAGAZIONE DEGLI ERRORI Capitolo 9: PROPAGAZIOE DEGLI ERRORI 9.1 Propagazione degli errori massimi ella maggior parte dei casi le grandezze fisiche vengono misurate per via indiretta. Il valore della grandezza viene cioè dedotto

Dettagli

RELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della

RELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della RELAZIONE TRA VARIABILI QUANTITATIVE Lezione 7 a Accade spesso nella ricerca in campo biomedico, così come in altri campi della scienza, di voler studiare come il variare di una o più variabili (variabili

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

1. Intorni di un punto. Punti di accumulazione.

1. Intorni di un punto. Punti di accumulazione. 1. Intorni di un punto. Punti di accumulazione. 1.1. Intorni circolari. Assumiamo come distanza di due numeri reali x e y il numero non negativo x y (che, come sappiamo, esprime la distanza tra i punti

Dettagli

Se x* e punto di minimo (locale) per la funzione nell insieme Ω, Ω = { x / g i (x) 0 i I, h j (x)= 0 j J } lo e anche per F(x) = f o (x) + c x x 2

Se x* e punto di minimo (locale) per la funzione nell insieme Ω, Ω = { x / g i (x) 0 i I, h j (x)= 0 j J } lo e anche per F(x) = f o (x) + c x x 2 NLP -OPT 1 CONDIZION DI OTTIMO [ Come ricavare le condizioni di ottimo. ] Si suppone x* sia punto di ottimo (minimo) per il problema min f o (x) con vincoli g i (x) 0 i I h j (x) = 0 j J la condizione

Dettagli

Applicazioni dell'analisi in più variabili a problemi di economia

Applicazioni dell'analisi in più variabili a problemi di economia Applicazioni dell'analisi in più variabili a problemi di economia La diversità tra gli agenti economici è alla base della nascita dell attività economica e, in generale, lo scambio di beni e servizi ha

Dettagli

Indice generale. Modulo 1 Algebra 2

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

Dettagli

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

IV-1 Funzioni reali di più variabili

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

Dettagli

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Se a e b sono numeri interi, si dice che a divide b, in simboli: a b, se e solo se esiste c Z tale che b = ac. Si può subito notare che:

Dettagli

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE variabile casuale (rv): regola che associa un numero ad ogni evento di uno spazio E. variabile casuale di Bernoulli: rv che può assumere solo due valori (e.g.,

Dettagli

LE TRASFORMAZIONI GEOMETRICHE NEL PIANO

LE TRASFORMAZIONI GEOMETRICHE NEL PIANO LE TRASFORMAZIONI GEOMETRICHE NEL PIANO Una trasformazione geometrica è una funzione che fa corrispondere a ogni punto del piano un altro punto del piano stesso Si può pensare come MOVIMENTO di punti e

Dettagli

Problema n. 1: CURVA NORD

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

Dettagli

Elementi di Statistica

Elementi di Statistica Elementi di Statistica Contenuti Contenuti di Statistica nel corso di Data Base Elementi di statistica descrittiva: media, moda, mediana, indici di dispersione Introduzione alle variabili casuali e alle

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2004

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2004 ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 004 Il candidato risolva uno dei due problemi e 5 dei 10 quesiti in cui si articola il questionario. PROBLEMA 1 Sia f la funzione definita da: f

Dettagli

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile Problemi connessi all utilizzo di un numero di bit limitato Abbiamo visto quali sono i vantaggi dell utilizzo della rappresentazione in complemento alla base: corrispondenza biunivoca fra rappresentazione

Dettagli

ELASTICITÀ. Sarebbe conveniente per il produttore aumentare ulteriormente il prezzo nella stessa misura del caso

ELASTICITÀ. Sarebbe conveniente per il produttore aumentare ulteriormente il prezzo nella stessa misura del caso Esercizio 1 Data la funzione di domanda: ELASTICITÀ Dire se partendo da un livello di prezzo p 1 = 1.5, al produttore converrà aumentare il prezzo fino al livello p 2 = 2. Sarebbe conveniente per il produttore

Dettagli

LA FUNZIONE ESPONENZIALE E IL LOGARITMO

LA FUNZIONE ESPONENZIALE E IL LOGARITMO LA FUNZIONE ESPONENZIALE E IL LOGARITMO APPUNTI PER IL CORSO DI ANALISI MATEMATICA I G. MAUCERI Indice 1. Introduzione 1 2. La funzione esponenziale 2 3. Il numero e di Nepero 9 4. L irrazionalità di e

Dettagli

ALGEBRA I: NUMERI INTERI, DIVISIBILITÀ E IL TEOREMA FONDAMENTALE DELL ARITMETICA

ALGEBRA I: NUMERI INTERI, DIVISIBILITÀ E IL TEOREMA FONDAMENTALE DELL ARITMETICA ALGEBRA I: NUMERI INTERI, DIVISIBILITÀ E IL TEOREMA FONDAMENTALE DELL ARITMETICA 1. RICHIAMI SULLE PROPRIETÀ DEI NUMERI NATURALI Ho mostrato in un altra dispensa come ricavare a partire dagli assiomi di

Dettagli

DERIVATE DELLE FUNZIONI. esercizi proposti dal Prof. Gianluigi Trivia

DERIVATE DELLE FUNZIONI. esercizi proposti dal Prof. Gianluigi Trivia DERIVATE DELLE FUNZIONI esercizi proposti dal Prof. Gianluigi Trivia Incremento della variabile indipendente e della funzione. Se, sono due valori della variabile indipendente, y f ) e y f ) le corrispondenti

Dettagli

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i DISTRIBUZIONE di PROBABILITA Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che uò assumere i valori: ; ;, n al verificarsi degli eventi incomatibili e comlementari: E ; E ;..;

Dettagli

Sulla monotonia delle funzioni reali di una variabile reale

Sulla monotonia delle funzioni reali di una variabile reale Liceo G. B. Vico - Napoli Sulla monotonia delle funzioni reali di una variabile reale Prof. Giuseppe Caputo Premetto due teoremi come prerequisiti necessari per la comprensione di quanto verrà esposto

Dettagli

Nota su Crescita e Convergenza

Nota su Crescita e Convergenza Nota su Crescita e Convergenza S. Modica 28 Ottobre 2007 Nella prima sezione si considerano crescita lineare ed esponenziale e le loro proprietà elementari. Nella seconda sezione si spiega la misura di

Dettagli

LE FUNZIONI MATEMATICHE

LE FUNZIONI MATEMATICHE ALGEBRA LE FUNZIONI MATEMATICHE E IL PIANO CARTESIANO PREREQUISITI l l l l l conoscere il concetto di insieme conoscere il concetto di relazione disporre i dati in una tabella rappresentare i dati mediante

Dettagli

La variabile casuale Binomiale

La variabile casuale Binomiale La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola

Dettagli

Calcolo differenziale Test di autovalutazione

Calcolo differenziale Test di autovalutazione Test di autovalutazione 1. Sia f : R R iniettiva, derivabile e tale che f(1) = 3, f (1) = 2, f (3) = 5. Allora (a) (f 1 ) (3) = 1 5 (b) (f 1 ) (3) = 1 2 (c) (f 1 ) (1) = 1 2 (d) (f 1 ) (1) = 1 3 2. Sia

Dettagli

Equazioni differenziali ordinarie

Equazioni differenziali ordinarie Capitolo 2 Equazioni differenziali ordinarie 2.1 Formulazione del problema In questa sezione formuleremo matematicamente il problema delle equazioni differenziali ordinarie e faremo alcune osservazioni

Dettagli

Equilibrio economico generale e benessere

Equilibrio economico generale e benessere Scambio Equilibrio economico generale e benessere Equilibrio economico generale e benessere (KR 12 + NS 8) Dipartimento di Economia Politica Università di Milano Bicocca Outline Scambio 1 Scambio 2 3 4

Dettagli

Equilibrio generale ed efficienza dei mercati (Frank, Capitolo 15)

Equilibrio generale ed efficienza dei mercati (Frank, Capitolo 15) Equilibrio generale ed efficienza dei mercati (Frank, Capitolo 15) EQUILIBRIO ECONOMICO GENERALE Esistono molteplici relazioni tra mercati Per comprendere il funzionamento dell economia è quindi indispensabile

Dettagli

Il principio di induzione e i numeri naturali.

Il principio di induzione e i numeri naturali. Il principio di induzione e i numeri naturali. Il principio di induzione è un potente strumento di dimostrazione, al quale si ricorre ogni volta che si debba dimostrare una proprietà in un numero infinito

Dettagli

Parte 2. Determinante e matrice inversa

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

Dettagli

1 Definizione: lunghezza di una curva.

1 Definizione: lunghezza di una curva. Abstract Qui viene affrontato lo studio delle curve nel piano e nello spazio, con particolare interesse verso due invarianti: la curvatura e la torsione Il primo ci dice quanto la curva si allontana dall

Dettagli

Appunti sulle disequazioni

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

Dettagli

Compito di SISTEMI E MODELLI. 19 Febbraio 2015

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

Dettagli

APPUNTI DI MATEMATICA LE DISEQUAZIONI NON LINEARI

APPUNTI DI MATEMATICA LE DISEQUAZIONI NON LINEARI APPUNTI DI MATEMATICA LE DISEQUAZIONI NON LINEARI Le disequazioni fratte Le disequazioni di secondo grado I sistemi di disequazioni Alessandro Bocconi Indice 1 Le disequazioni non lineari 2 1.1 Introduzione.........................................

Dettagli

Esercizio 1. Svolgimento

Esercizio 1. Svolgimento Esercizio 1 Vengono lanciate contemporaneamente 6 monete. Si calcoli: a) la probabilità che si presentino esattamente 2 testa ; b) la probabilità di ottenere almeno 4 testa ; c) la probabilità che l evento

Dettagli

F U N Z I O N I. E LORO RAPPRESENTAZIONE GRAFICA di Carmine De Fusco 1 (ANCHE CON IL PROGRAMMA PER PC "DERIVE")

F U N Z I O N I. E LORO RAPPRESENTAZIONE GRAFICA di Carmine De Fusco 1 (ANCHE CON IL PROGRAMMA PER PC DERIVE) F U N Z I O N I E LORO RAPPRESENTAZIONE GRAFICA di Carmine De Fusco 1 (ANCHE CON IL PROGRAMMA PER PC "DERIVE") I N D I C E Funzioni...pag. 2 Funzioni del tipo = Kx... 4 Funzioni crescenti e decrescenti...10

Dettagli

Il concetto di valore medio in generale

Il concetto di valore medio in generale Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo

Dettagli

PROGRAMMAZIONE LINEARE IN DUE VARIABILI

PROGRAMMAZIONE LINEARE IN DUE VARIABILI 1 PROGRAMMAZIONE LINEARE IN DUE VARIABILI La ricerca operativa nata durante la seconda guerra mondiale ed utilizzata in ambito militare, oggi viene applicata all industria, nel settore pubblico e nell

Dettagli

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme 1. L insieme R. Per lo svolgimento del corso risulta particolarmente utile considerare l insieme R = R {, + }, detto anche retta reale estesa, che si ottiene aggiungendo all insieme dei numeri reali R

Dettagli

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Probabilità Probabilità Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Se tutti gli eventi fossero ugualmente possibili, la probabilità p(e)

Dettagli

CS. Cinematica dei sistemi

CS. Cinematica dei sistemi CS. Cinematica dei sistemi Dopo aver esaminato la cinematica del punto e del corpo rigido, che sono gli schemi più semplificati con cui si possa rappresentare un corpo, ci occupiamo ora dei sistemi vincolati.

Dettagli

TECNICHE DI SIMULAZIONE

TECNICHE DI SIMULAZIONE TECNICHE DI SIMULAZIONE MODELLI STATISTICI NELLA SIMULAZIONE Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione

Dettagli

COME MASSIMIZZARE UNA FUNZIONE DI UTILITÀ

COME MASSIMIZZARE UNA FUNZIONE DI UTILITÀ icroeconomia Douglas Bernheim, ichael Whinston Copyright 009 The cgraw-hill Companies srl COE ASSIIZZARE UNA FUNZIONE DI UTILITÀ Supponiamo che il reddito mensile di Elena sia pari a Y e sia interamente

Dettagli

Capitolo 7. F. Barigozzi Microeconomia CLEC 1

Capitolo 7. F. Barigozzi Microeconomia CLEC 1 Capitolo 7 Continuiamo ad acquisire gli strumenti che ci permetteranno di studiare la scelta ottimale dell impresa. In questo capitolo vengono trattati i costi dell impresa. Usando la funzione di produzione

Dettagli

La distribuzione Normale. La distribuzione Normale

La distribuzione Normale. La distribuzione Normale La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una

Dettagli

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

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

Dettagli

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

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

Dettagli

Ing. Alessandro Pochì

Ing. Alessandro Pochì Lo studio di unzione Ing. Alessandro Pochì Appunti di analisi Matematica per la Classe VD (a.s. 011/01) Schema generale per lo studio di una unzione Premessa Per Studio unzione si intende, generalmente,

Dettagli

Appunti sul corso di Complementi di Matematica - prof. B.Bacchelli. 03 - Equazioni differenziali lineari omogenee a coefficienti costanti.

Appunti sul corso di Complementi di Matematica - prof. B.Bacchelli. 03 - Equazioni differenziali lineari omogenee a coefficienti costanti. Appunti sul corso di Complementi di Matematica - prof. B.Bacchelli 03 - Equazioni differenziali lineari omogenee a coefficienti costanti. Def. Si dice equazione differenziale lineare del secondo ordine

Dettagli

ESAME DI STATO 2002 SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO

ESAME DI STATO 2002 SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO ARCHIMEDE 4/ 97 ESAME DI STATO SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO Il candidato risolva uno dei due problemi e 5 dei quesiti in cui si articola il questionario. PROBLEMA In un

Dettagli

a. 10 4 b. 10-15 c. 10 25 d. 10-4 a. 4,375 10-7 b. 3,625 10-6 c. 4,375 10 2 d. nessuno dei precedenti valori a. 10-5 b. 10 +5 c. 10 +15 d.

a. 10 4 b. 10-15 c. 10 25 d. 10-4 a. 4,375 10-7 b. 3,625 10-6 c. 4,375 10 2 d. nessuno dei precedenti valori a. 10-5 b. 10 +5 c. 10 +15 d. 1) Il valore di 5 10 20 è: a. 10 4 b. 10-15 c. 10 25 d. 10-4 2) Il valore del rapporto (2,8 10-4 ) / (6,4 10 2 ) è: a. 4,375 10-7 b. 3,625 10-6 c. 4,375 10 2 d. nessuno dei precedenti valori 3) La quantità

Dettagli

A i è un aperto in E. i=1

A i è un aperto in E. i=1 Proposizione 1. A è aperto se e solo se A c è chiuso. Dimostrazione. = : se x o A c, allora x o A = A o e quindi esiste r > 0 tale che B(x o, r) A; allora x o non può essere di accumulazione per A c. Dunque

Dettagli

Parte 3. Rango e teorema di Rouché-Capelli

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

Dettagli

Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia?

Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia? Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia? Danilo Pelusi 1 Gianpiero Centorame 2 Sunto: Il seguente articolo illustra le possibili analogie e differenze tra il calcolo delle

Dettagli

esame di stato 2013 seconda prova scritta per il liceo scientifico di ordinamento

esame di stato 2013 seconda prova scritta per il liceo scientifico di ordinamento Archimede esame di stato seconda prova scritta per il liceo scientifico di ordinamento ARTICOLO Il candidato risolva uno dei due problemi e risponda a 5 quesiti del questionario. PROBLEMA La funzione f

Dettagli

Flusso a costo minimo e simplesso su reti

Flusso a costo minimo e simplesso su reti Flusso a costo minimo e simplesso su reti La particolare struttura di alcuni problemi di PL può essere talvolta utilizzata per la progettazione di tecniche risolutive molto più efficienti dell algoritmo

Dettagli

Anello commutativo. Un anello è commutativo se il prodotto è commutativo.

Anello commutativo. Un anello è commutativo se il prodotto è commutativo. Anello. Un anello (A, +, ) è un insieme A con due operazioni + e, dette somma e prodotto, tali che (A, +) è un gruppo abeliano, (A, ) è un monoide, e valgono le proprietà di distributività (a destra e

Dettagli

Stima 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

Dettagli

Studio grafico-analitico delle funzioni reali a variabile reale

Studio grafico-analitico delle funzioni reali a variabile reale Studio grafico-analitico delle funzioni reali a variabile reale Sequenza dei passi Classificazione In pratica Classifica il tipo di funzione: Funzione razionale: intera / fratta Funzione irrazionale: intera

Dettagli

Funzione del benessere sociale e trade-off equità ed efficienza

Funzione del benessere sociale e trade-off equità ed efficienza Funzione del benessere sociale e trade-off equità ed efficienza Economia Pubblica lezione 3 1 Esistono infinite allocazioni Pareto-efficienti: Frontiera del Benessere (FB) o grande frontiera dell utilità

Dettagli

VC-dimension: Esempio

VC-dimension: Esempio VC-dimension: Esempio Quale è la VC-dimension di. y b = 0 f() = 1 f() = 1 iperpiano 20? VC-dimension: Esempio Quale è la VC-dimension di? banale. Vediamo cosa succede con 2 punti: 21 VC-dimension: Esempio

Dettagli

Energia e Lavoro. In pratica, si determina la dipendenza dallo spazio invece che dal tempo

Energia e Lavoro. In pratica, si determina la dipendenza dallo spazio invece che dal tempo Energia e Lavoro Finora abbiamo descritto il moto dei corpi (puntiformi) usando le leggi di Newton, tramite le forze; abbiamo scritto l equazione del moto, determinato spostamento e velocità in funzione

Dettagli

i tassi di interesse per i prestiti sono gli stessi che per i depositi;

i tassi di interesse per i prestiti sono gli stessi che per i depositi; Capitolo 3 Prodotti derivati: forward, futures ed opzioni Per poter affrontare lo studio dei prodotti derivati occorre fare delle ipotesi sul mercato finanziario che permettono di semplificare dal punto

Dettagli

TERMODINAMICA DI UNA REAZIONE DI CELLA

TERMODINAMICA DI UNA REAZIONE DI CELLA TERMODINAMICA DI UNA REAZIONE DI CELLA INTRODUZIONE Lo scopo dell esperienza è ricavare le grandezze termodinamiche per la reazione che avviene in una cella galvanica, attraverso misure di f.e.m. effettuate

Dettagli

1 Medie. la loro media aritmetica è il numero x dato dalla formula: x = x 1 + x 2 +... + x n

1 Medie. la loro media aritmetica è il numero x dato dalla formula: x = x 1 + x 2 +... + x n 1 Medie La statistica consta di un insieme di metodi atti a elaborare e a sintetizzare i dati relativi alle caratteristiche di una fissata popolazione, rilevati mediante osservazioni o esperimenti. Col

Dettagli

Capitale raccomandato

Capitale raccomandato Aggiornato in data 1/9/212 Advanced 1-212 Capitale raccomandato da 43.8 a 6.298 Descrizioni e specifiche: 1. E' una combinazione composta da 3 Trading System automatici 2. Viene consigliata per diversificare

Dettagli

Note integrative ed Esercizi consigliati

Note integrative ed Esercizi consigliati - a.a. 2006-07 Corso di Laurea Specialistica in Ingegneria Civile (CIS) Note integrative ed consigliati Laura Poggiolini e Gianna Stefani Indice 0 1 Convergenza uniforme 1 2 Convergenza totale 5 1 Numeri

Dettagli

ELEMENTI DI GEOMETRIA ANALITICA: LA RETTA.

ELEMENTI DI GEOMETRIA ANALITICA: LA RETTA. ELEMENTI DI GEOMETRIA ANALITICA: LA RETTA. Prerequisiti I radicali Risoluzione di sistemi di equazioni di primo e secondo grado. Classificazione e dominio delle funzioni algebriche Obiettivi minimi Saper

Dettagli

FORWARD RATE AGREEMENT

FORWARD RATE AGREEMENT FORWARD RATE AGREEMENT FLAVIO ANGELINI. Definizioni In generale, un contratto a termine o forward permette una compravendita di una certa quantità di un bene differita a una data futura a un prezzo fissato

Dettagli

Geometria nel piano complesso

Geometria nel piano complesso Geometria nel piano complesso Giorgio Ottaviani Contents Un introduzione formale del piano complesso 2 Il teorema di Napoleone 5 L inversione circolare 6 4 Le trasformazioni di Möbius 7 5 Il birapporto

Dettagli