Decisioni in condizioni di rischio. Roberto Cordone
|
|
- Aloisia Lupo
- 8 anni fa
- Visualizzazioni
Transcript
1 Decisioni in condizioni di rischio Roberto Cordone
2 Decisioni in condizioni di rischio Rispetto ai problemi in condizioni di ignoranza, oltre all insieme Ω dei possibili scenari, è nota una funzione di probabilità per i sottoinsiemi di scenari possibili (ovvero eventi). Come nel caso delle decisioni in condizioni di ignoranza, molti approcci consistono nel ricondurre il problema all ottimizzazione di una funzione ausiliaria u (x). Le prime indagini, compiute nel Seicento, proponevano il criterio del valore atteso, cioè di assumere come funzione ausiliaria da massimizzare il valore atteso dell impatto: u (x) = E [f (x, ω)] Infatti, l impatto associato ad ogni soluzione è una variabile aleatoria, dato che dipende dallo scenario ω. Il suo valore atteso è nel caso discreto: u (x) = E [f (x, ω)] = ω Ωπ ω f (x, ω) nel caso continuo: u (x) = E [f (x, ω)] = Ω π (ω)f (x, ω) dω Esempio Si consideri il seguente problema di decisione in condizioni di rischio: sono possibili quattro alternative e quattro scenari; le tabelle seguenti riportano le utilità associate ad ogni coppia alternativa-scenario e la probabilità che ciascuno scenario si realizzi. f (x, ω) ω 1 ω 2 ω 3 ω 4 x x x x ω 1 ω 2 ω 3 ω 4 p (ω) Se applichiamo il criterio del valore atteso, dobbiamo calcolare il valore atteso u (x) = E [f (x, ω)] per ciascun alternativa x. u (x 1 ) = = 3.25 u (x 2 ) = = 2.10 u (x 3 ) = = 2.05 u (x 4 ) = =
3 che porta a scegliere l alternativa x 4, più precisamente ordinando le alternative come segue: x 4, x 1, x 2, x 3. Studio di sensitività Le probabilità dei singoli scenari sono spesso stimate a partire da modelli, e quindi non sono note con assoluta perfezione. È spesso conveniente, quindi, valutare la dipendenza della soluzione dalle probabilità degli scenari, per capire se un eventuale errore può tradursi in una scelta sbagliata, e di quanto. Si tratta di individuare nello spazio delle probabilità { p ω : ω Ω p ω = 1, p ω 0, ω Ω } le regioni nelle quali ciascuna alternativa risulta ottima. Se l alternativa scelta in base alle probabilità stimate cade ben dentro la regione in cui rimane ottima, possiamo stare abbastanza tranquilli. Altrimenti, bisognerebbe prendere in considerazione per analisi ulteriori le altre soluzioni. 1 Non è detto che si debba studiare l intero spazio delle probabilità: è anche possibile analizzare la sensitività rispetto a una delle probabilità, tenendo le altre reciprocamente fisse (cioè modificandone la somma, ma conservando i loro rapporti). Ad esempio, valutiamo la sensitività dell esempio precedente rispetto alla probabilità dello scenario ω 3. Se p (ω 3 ) = α e le probabilità degli altri scenari conservano la loro dimensione reciproca, esse diventano p (ω 2 ) p (ω 1 ) = = 5 4 p (ω 2 ) = 5 p (ω 4 ) p (ω 1 ) = = 1 4 p (ω 1) p (ω 4 ) = p (ω 1) p (ω 1 ) + p (ω 2 ) + p (ω 4 ) = 1 α p (ω 1 ) + p (ω 2 ) + p (ω 4 ) = 1 α p (ω 1 ) p (ω 1) p (ω 1) = 1 α p (ω 1 ) = 4 (1 α) 10 p (ω 1 ) = 4 (1 α) 10 p (ω 2 ) = 5 (1 α) 10 p (ω 4 ) = 1 (1 α) 10 Ora possiamo applicare il criterio del valore atteso in modo parametrico, e osservare le prestazioni delle tre alternative al variare di α: u α (x 1 ) = (1 α) 1 + (1 α) 3 + α 4 + (1 α) 6 = α u α (x 2 ) = (1 α) 2 + (1 α) 2 + α 2 + (1 α) 4 = α u α (x 3 ) = (1 α) 3 + (1 α) 2 + α 1 + (1 α) 9 = α u α (x 4 ) = (1 α) 6 + (1 α) 6 + α 1 + (1 α) 3 = α A OCCHIO, SE LA GIOCANO x 1 (per bassi valori di α) e x 4 (per alti valori di α), mentre x 2 è dominata da x 1 (non rigorosamente, ma solo al variare di α). Probabilmente, x 3 non vince mai, ma questo è da verificare. 1 L ampiezza del supporto (probabilistico) di un alternativa potrebbe essere un buon criterio di robustezza per una decisione in condizioni di ignoranza 2
4 Svantaggi del criterio del valore atteso Si confrontino le seguenti 4 soluzioni: 1. lanciare un dado e guadagnare con certezza 100 euro 2. lanciare un dado e guadagnare 200 euro se escono 4, 5 o 6, nulla altrimenti 3. lanciare un dado e guadagnare 600 euro se esce 6, nulla se escono gli altri numeri 4. lanciare un dado e guadagnare 200 euro se escono 2, 3, 4, 5 o 6, perdere 400 euro se esce 1 Secondo il criterio del valore atteso, le quattro soluzioni sono indifferenti. Eppure, quasi nessun decisore le considererebbe tali. Questo mostra che il valore atteso non modella correttamente la relazione di preferenza del decisore dal punto di vista descrittivo. Anche dal punto di vista normativo, non sembra molto desiderabile che le quattro situazioni siano considerate indifferenti. Esempio: la scommessa di Pascal Un famosissimo esempio di applicazione del criterio del valore atteso è la scommessa di Pascal, che egli intendeva come argomento per dimostrare l esistenza di Dio, o meglio per sostenere la razionalità della fede. L argomento, notissimo, afferma quanto segue: ogni individuo deve scegliere se credere oppure no (possiamo modellare questa situazione con due alternative, x 1 e x 2 ). Inoltre, Dio esiste oppure non esiste (cioè vi sono due scenari ω 1 e ω 2 ). Se l individuo crede e Dio esiste, egli guadagna il paradiso, che possiamo vedere come un impatto a altissimo (al limite, infinito). I tre impatti associati al credere in un Dio che non esiste (e quindi perdere tempo, occasioni di godimento, ma anche vivere onestamente e serenamente, dice Pascal), al non credere in un Dio che esiste (e quindi essere forse punito) e non credere in un Dio che non esiste vengono indicati rispettivamente con b, c e d, e sono tutti valori piccoli in confronto ad a. f (x, ω) Dio Dio Credo a = + b Non credo c d Indichiamo con α la probabilità (incognita) che Dio esista. Il criterio del valore atteso indica come utilità del credere e del non credere: { u (x 1 ) = aα + b (1 α) + u (x 2 ) = cα + d (1 α) ( ) cα + (d b)(1 α) 1 Se a = c + (d b) α α 1, il criterio del valore atteso suggerisce l utilità di credere. Anche con una probabilità α molto piccola, una ricompensa a infinita suggerisce la razionalità della fede. Obiezioni all argomento furono avanzate immediatamente, oltre che sul piano della serietà etica, anche sul piano della validità matematica. Si attaccò il fatto che le opzioni fossero due (vi sono molti modi di credere e non credere, e molte cose in cui credere e non credere), che il concetto di probabilità in questa situazione non avesse senso (non si possono fare esperimenti casuali e vedere se al termine Dio esiste o no), ecc... Uno dei punti deboli dell argomento è il criterio del valore atteso. 3
5 Il paradosso di San Pietroburgo Nel 1730, Daniel Bernouilli propose il seguente problema. Si supponga di dover decidere se sborsare o no una cifra P per partecipare al seguente gioco d azzardo: si lancia una moneta finché non esce croce; se la prima croce esce dopo k teste (k 0), si vincono 2 k euro. Per quali valori di P conviene partecipare al gioco e per quali non conviene? Il problema consente due alternative: giocare o non giocare. Il guadagno associato alla prima è 2 k P, se k è il numero di teste che precedono la prima croce. Vi sono infiniti scenari possibili, corrispondenti a tutti gli esiti del gioco, ovvero al numero di teste consecutive. Il valore atteso del guadagno è quindi: E [v] = P + 2 k 2k = P + 1 = + k=0 k=0 Il guadagno associato alla seconda alternativa è sempre nullo. Quindi giocare è conveniente qualunque sia la cifra P. ovvero si sarebbe disposti a pagare qualsiasi cifra per partecipare al gioco. Non è chi non veda, però, che le due alternative non sono affatto equivalenti. Entra in gioco un potentissimo fattore che viene detto propensione al rischio e che dipende dall entità delle somme in gioco, dal reddito del giocatore, dal suo umore corrente, ecc... Teoria dell utilità stocastica La teoria dell utilità stocastica si propone di evitare le difficoltà del criterio del valore atteso. L idea è assumere che il decisore sia in grado di stabilire una relazione di preferenza Π fra coppie di impatti in F, anche quando gli impatti sono variabili aleatorie. Lotteria è una coppia di funzioni (f (ω),π (ω)) dove f (ω) : Ω F rappresenta l impatto di una fissata alternativa x ed è una variabile aleatoria, mentre π (ω) : Ω [0; 1] è la probabilità di ciascuno scenario in Ω (nel caso discreto), o la densità di probabilità (nel caso continuo). In particolare, indichiamo con (f 1, α, f 2 ) una lotteria a due scenari, con impatto f 1 nel primo scenario e f 2 nel secondo, e probabilità pari ad α per il primo scenario, 1 α per il secondo. È possibile definire anche lotterie composte i cui esiti non siano impatti deterministici, ma altre lotterie. Il criterio del valore atteso suggerirebbe di scegliere fra due lotterie sempre quella con il massimo valore atteso dell impatto: u f,π (x) = E [f (x, ω)] = ω Ωπ (ω)f (x, ω) ma il paradosso di San Pietroburgo e parecchi studi psicologici mostrano che non si tratta di un criterio corretto dal punto di vista descrittivo, e suggeriscono che non lo sia da quello normativo. La teoria dell utilità stocastica definisce gli assiomi che una relazione razionale di preferenza fra lotterie dovrebbe rispettare. Quindi, dimostra che solo una ben determinata famiglia di relazioni soddisfa tali assiomi. 1. la relazione di preferenza fra lotterie Π è un ordine debole (riflessiva, transitiva e completa); 2. monotonia: lotterie che assegnano probabilità più alte agli impatti migliori sono preferite; se f 1 f 2 (f 1, α, f 2 ) (f 1, β, f 2 ) α β 4
6 3. continuità (proprietà archimedea): variando in modo continuo le probabilità, variano in modo continuo le preferenze: f 1 f 2 f 3 α [0; 1] : f 2 (f 1, α, f 3 ) 4. indipendenza (o sostituzione): se due lotterie coincidono in parte, la preferenza dipende solo dalle parti diverse: f 1 f 2 (f 1, α, f 3 ) (f 2, α, f 3 ) α [0; 1] 5. riduzione: nelle lotterie composte, ai fini della scelta contano le probabilità totali degli impatti finali, e non il modo in cui le probabilità si formano. Utilità stocastica La relazione di preferenza Π è di ordine debole in quanto è possibile costruire una funzione u f,π (x) di utilità stocastica tale che una lotteria è meglio di un altra se e solo se ha utilità maggiore. Si tratta di costruire questa funzione a partire da f (x, ω) e π (ω), in modo tale da rispettare i cinque assiomi. Tale funzione non è unica. Infatti, si può dimostrare che due funzioni utilità u (x) e u (x) sono strategicamente equivalenti, cioè danno luogo allo stesso ordinamento su ogni lotteria se e solo se sono legate da una trasformazione lineare u = au + b con a > 0. Quindi, tutte le funzioni strategicamente equivalenti danno luogo alla stessa funzione normalizzata. Von Neumann e Morgenstern propongono di procedere come segue. Anzi tutto, assegnano valori di utilità 1 e 0 all impatto ottimo f max e pessimo f min. Quindi, costruiscono i valori di utilità dei singoli impatti sfruttando l assioma di continuità: ogni impatto f intermedio equivale infatti a una lotteria (f max, α, f min ) fra i risultati estremi, per un opportuno valore di α. Tale valore è unico per l assioma di monotonia: a valori strettamente più alti e più bassi, infatti, corrispondono impatti strettamente migliori e peggiori. Ogni impatto si può interpretare come una lotteria degenere (con un solo esito possibile) u f,1. Ora si devono assegnare valori di utilità a lotterie generiche (f ω, π ω ). Per l assioma di sostituzione, ogni impatto f può essere sostituito da una lotteria fra gli impatti estremi, con probabilità pari alla sua utilità stocastica α f = u f,1. Ciò determina una lotteria composta a due fasi: la prima fase fornisce non l impatto, ma un biglietto per partecipare alla seconda fase, nella quale sono possibili solo gli impatti estremi. L assioma di riduzione consente di ignorare le fasi intermedie e concentrarsi sugli impatti finali con le relative probabilità. Queste vengono fornite dai teoremi della probabilità totale e di quella composta: basta sommare per ciascuno scenario il prodotto della sua probabilità π ω per la sua utilità α f(ω). A questo punto, l intera lotteria è sostituita da una lotteria fra gli impatti estremi: ( f max, ) π (ω)u (f (x, ω)),f min ω Ω la cui utilità è pari alla probabilità di f max per l utilità di f max, e coincide col valore atteso dell utilità dell impatto: u f,π (x) = E [u (f (x, ω))] = ω Ωπ (ω)u(f (x, ω)) Una volta costruita la funzione di utilità, se ne ricava una relazione di preferenza affermando che lotterie con utilità superiore sono preferibili. Questo garantisce che la preferenza fra lotterie sia un ordine debole e garantisce anche l assioma di 5
7 monotonia, perché fra due lotterie con gli stessi impatti è preferita quella che fornisce l impatto migliore con probabilità più alta. Concludendo, la teoria dell utilità stocastica dimostra che definire come utilità di una lotteria il valore atteso dell utilità del suo esito consente di rispettare tutti gli assiomi. Avversione e propensione al rischio L ordinamento fra lotterie ottenuto con il criterio del valore atteso equivale a quello ottenuto normalizzando l impatto fra f min e f max e in generale è molto diverso da quello suggerito dall utilità stocastica. Questo perché il valore atteso dell impatto (anche se normalizzato) può differire molto dal valore atteso dell utilità dell impatto. Riportando su un diagramma (vedi Figura?? l andamento dell impatto normalizzato e dell utilità stocastica al variare dell impatto f, si ottengono due funzioni che crescono monotonicamente da 0 (in f min ) a 1 (in f max ). Si parla di: decisore avverso al rischio quando l utilità domina l impatto normalizzato: disporre con certezza di f è preferibile a giocare una lotteria fra f min e f max con valore atteso pari a f. Questo avviene quando la funzione di utilità è concava: u (αf max + (1 α)f min ) > αu (f max ) + (1 α)u(f min ) decisore propenso al rischio quando l utilità è inferiore all impatto normalizzato: è preferibile giocare una lotteria fra f min e f max con valore atteso pari a f piuttosto che avere f con certezza. Questo avviene quando la funzione di utilità è convessa: u (πf max + (1 π)f min ) < πu (f max ) + (1 π) u (f min ) Un decisore che non sia né avverso né propenso al rischio è neutrale rispetto al rischio e la sua relazione di preferenza coincide con il criterio del valore atteso. FIGURA DA FARE Figura 1: Profili di rischio di tre decisori: avverso al rischio (a), propenso al rischio (b) e neutrale rispetto al rischio (c) In generale, possono esservi decisori avversi al rischio per alcuni valori di impatto e propensi per altri: ad esempio, un decisore può considerare gratificante giocare piccole somme anche se il valore atteso della vincita è negativo, ma non voler giocare grandi somme anche quando potrebbe aspettarsi di vincere qualcosa. Un modo equivalente di descrivere il profilo di rischio di un decisore è è fissare un valore di utilità stocastica α e determinare l impatto corrispondente. Si dice equivalente certo di una lotteria l impatto sicuro che le equivale esattamente. per un decisore avverso al rischio ogni lotteria ha equivalente certo inferiore al valore atteso; per un decisore propenso al rischio ogni lotteria ha equivalente certo superiore al valore atteso. Solo per decisori neutrali al rischio, l equivalente certo coincide con il valore atteso. La teoria dell utilità stocastica ordina le lotterie per valori crescenti di equivalente certo. Si dice premio di rischio di una lotteria la differenza fra equivalente certo e valore atteso. 6
8 Esempio Supponiamo che l impatto di una decisione possa variare nell intervallo f [0; 1000] e che la funzione di utilità stocastica del decisore sia α (f) = Si debba scegliere fra una vincita sicura da 250 euro e una lotteria che fornisce 810 euro con probabilità pari al 10%, 360 euro con probabilità pari al 50% e 160 euro con probabilità pari al 40%. Quale alternativa si sceglierà? 250 L utilità della vincita sicura è u (f) = = 0.5. Quella della lotteria è 1000 π ω u (f (ω)) = 0.1 u (810)+0.5 u (360)+0.4 u (160) = = 0.55 ω Ω La seconda alternativa è preferibile. L equivalente certo della seconda lotteria è il valore f che avrebbe la stessa utilità della lotteria: f u (f) = = 0.55 f = Il premio di rischio è = 52.5, negativo, e quindi il decisore è avverso al rischio. Estensione al caso a molti attributi Quanto detto sopra si estende facilmente al caso in cui il problema ha molti attributi. Si tratta di ragionare definendo l impatto f come la funzione di utilità a molti attributi. In condizioni di rischio, non si può usare direttamente il suo valore, ma bisogna modularlo per tener conto dell atteggiamento del decisore verso la probabilità di ciascun valore. 7
Le scelte del consumatore in condizione di incertezza (cap.5)
Le scelte del consumatore in condizione di incertezza (cap.5) Che cos è il rischio? Come possiamo indicare le preferenze del consumatore riguardo al rischio? C è chi acquista assicurazione (non ama il
DettagliLa teoria dell utilità attesa
La teoria dell utilità attesa 1 La teoria dell utilità attesa In un contesto di certezza esiste un legame biunivoco tra azioni e conseguenze: ad ogni azione corrisponde una e una sola conseguenza, e viceversa.
DettagliEsercizi di Ricerca Operativa II
Esercizi di Ricerca Operativa II Raffaele Pesenti January 12, 06 Domande su utilità 1. Determinare quale è l utilità che un giocatore di roulette assegna a 100,00 Euro, nel momento che gioca tale cifra
DettagliCapitolo 6 Economia dell informazione e scelta in condizioni di incertezza
Capitolo 6 Economia dell informazione e scelta in condizioni di incertezza ECONOMIA DELL INFORMAZIONE L informazione è un fattore importante nel processo decisionale di consumatori e imprese Nella realtà,
DettagliTEORIA 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
DettagliCapitolo 25: Lo scambio nel mercato delle assicurazioni
Capitolo 25: Lo scambio nel mercato delle assicurazioni 25.1: Introduzione In questo capitolo la teoria economica discussa nei capitoli 23 e 24 viene applicata all analisi dello scambio del rischio nel
DettagliScelte in condizioni di rischio e incertezza
CAPITOLO 5 Scelte in condizioni di rischio e incertezza Esercizio 5.1. Tizio ha risparmiato nel corso dell anno 500 euro; può investirli in obbligazioni che rendono, in modo certo, il 10% oppure in azioni
DettagliPer poter affrontare il problema abbiamo bisogno di parlare di probabilità (almeno in maniera intuitiva). Analizziamo alcune situazioni concrete.
Parliamo di probabilità. Supponiamo di avere un sacchetto con dentro una pallina rossa; posso aggiungere tante palline bianche quante voglio, per ogni pallina bianca che aggiungo devo pagare però un prezzo
DettagliUniversità di Milano Bicocca. Esercitazione 6 di Matematica per la Finanza. 14 Maggio 2015
Università di Milano Bicocca Esercitazione 6 di Matematica per la Finanza 14 Maggio 2015 Esercizio 1 Un agente presenta una funzione di utilitá u(x) = ln(1 + 6x). Egli dispone di un progetto incerto che
DettagliPROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -
DettagliIl mercato assicurativo: selezione avversa, fallimenti del mercato, menù di contratti, assicurazione obbligatoria
Il mercato assicurativo: selezione avversa, fallimenti del mercato, menù di contratti, assicurazione obbligatoria Esercizio 1 Ci sono 2000 individui ciascuno con funzione di utilità Von Neumann-Morgestern
DettagliScelte in condizione di incertezza
Scelte in condizione di incertezza Tutti i problemi di decisione che abbiamo considerato finora erano caratterizzati dal fatto che ogni possibile scelta dei decisori portava a un esito certo. In questo
DettagliVINCERE AL BLACKJACK
VINCERE AL BLACKJACK Il BlackJack è un gioco di abilità e fortuna in cui il banco non può nulla, deve seguire incondizionatamente le regole del gioco. Il giocatore è invece posto continuamente di fronte
DettagliIl 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
DettagliTeoria dei Giochi non Cooperativi
Politecnico di Milano Descrizione del gioco Egoismo Razionalità 1 L insieme dei giocatori 2 La situazione iniziale 3 Le sue possibili evoluzioni 4 I suoi esiti finali I Giochi della teoria Perché studiare
DettagliProbabilità discreta
Probabilità discreta Daniele A. Gewurz 1 Che probabilità c è che succeda...? Una delle applicazioni della combinatoria è nel calcolo di probabilità discrete. Quando abbiamo a che fare con un fenomeno che
Dettagli1 Giochi a due, con informazione perfetta e somma zero
1 Giochi a due, con informazione perfetta e somma zero Nel gioco del Nim, se semplificato all estremo, ci sono due giocatori I, II e una pila di 6 pedine identiche In ogni turno di gioco I rimuove una
DettagliCalcolo 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
DettagliTasso di interesse e capitalizzazione
Tasso di interesse e capitalizzazione Tasso di interesse = i = somma che devo restituire dopo un anno per aver preso a prestito un euro, in aggiunta alla restituzione dell euro iniziale Quindi: prendo
DettagliCapitolo 13: L offerta dell impresa e il surplus del produttore
Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:
DettagliLE SUCCESSIONI 1. COS E UNA SUCCESSIONE
LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe
DettagliStatistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi.
Iniziamo con definizione (capiremo fra poco la sua utilità): DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è funzione che ha come dominio Ω e come codominio R. In formule:
DettagliLa scelta in condizioni di incertezza
La scelta in condizioni di incertezza 1 Stati di natura e utilità attesa. L approccio delle preferenza per gli stati Il problema posto dall incertezza riformulato (state-preference approach). L individuo
Dettagli1. PRIME PROPRIETÀ 2
RELAZIONI 1. Prime proprietà Il significato comune del concetto di relazione è facilmente intuibile: due elementi sono in relazione se c è un legame tra loro descritto da una certa proprietà; ad esempio,
Dettagli10. Insiemi non misurabili secondo Lebesgue.
10. Insiemi non misurabili secondo Lebesgue. Lo scopo principale di questo capitolo è quello di far vedere che esistono sottoinsiemi di R h che non sono misurabili secondo Lebesgue. La costruzione di insiemi
DettagliViene 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
DettagliCapitolo 25: Lo scambio nel mercato delle assicurazioni
Capitolo 25: Lo scambio nel mercato delle assicurazioni 25.1: Introduzione In questo capitolo la teoria economica discussa nei capitoli 23 e 24 viene applicata all analisi dello scambio del rischio nel
DettagliTest statistici di verifica di ipotesi
Test e verifica di ipotesi Test e verifica di ipotesi Il test delle ipotesi consente di verificare se, e quanto, una determinata ipotesi (di carattere biologico, medico, economico,...) è supportata dall
DettagliUn modello matematico di investimento ottimale
Un modello matematico di investimento ottimale Tiziano Vargiolu 1 1 Università degli Studi di Padova Liceo Scientifico Benedetti Venezia, giovedì 30 marzo 2011 Outline 1 Preliminari di calcolo delle probabilità
Dettagli(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
DettagliEsercitazione 23 maggio 2016
Esercitazione 5 maggio 016 Esercitazione 3 maggio 016 In questa esercitazione, nei primi tre esercizi, analizzeremo il problema del moral hazard nel mercato. In questo caso prenderemo in considerazione
DettagliUn gioco con tre dadi
Un gioco con tre dadi Livello scolare: biennio Abilità interessate Costruire lo spazio degli eventi in casi semplici e determinarne la cardinalità. Valutare la probabilità in diversi contesti problematici.
DettagliTeoria dei Giochi. Anna Torre
Teoria dei Giochi Anna Torre Almo Collegio Borromeo 14 marzo 2013 email: anna.torre@unipv.it sito web del corso:www-dimat.unipv.it/atorre/borromeo2013.html IL PARI O DISPARI I II S T S (-1, 1) (1, -1)
Dettagli( x) ( x) 0. Equazioni irrazionali
Equazioni irrazionali Definizione: si definisce equazione irrazionale un equazione in cui compaiono uno o più radicali contenenti l incognita. Esempio 7 Ricordiamo quanto visto sulle condizioni di esistenza
DettagliLa condivisione del rischio e la sua ripartizione su ampia scala
La condivisione del rischio e la sua ripartizione su ampia scala 1 ARGOMENTI DI QUESTA LEZIONE Questa lezione propone esplora due problemi fondamentali: Se esiste un rischio in una transazione chi lo deve
DettagliAspetti probabilistici del gioco d azzardo
Università degli Studi di Genova Scuola di Scienze Sociali Dipartimento di Economia Perché il banco vince sempre? Aspetti probabilistici del gioco d azzardo Enrico di Bella (edibella@economia.unige.it)
DettagliESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2015/2016. 1. Esercizi: lezione 24/11/2015
ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2015/2016 1. Esercizi: lezione 24/11/2015 Valutazioni di operazioni finanziarie Esercizio 1. Un operazione finanziaria
DettagliCURVE 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
DettagliDimensione di uno Spazio vettoriale
Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione
DettagliFUNZIONI ELEMENTARI - ESERCIZI SVOLTI
FUNZIONI ELEMENTARI - ESERCIZI SVOLTI 1) Determinare il dominio delle seguenti funzioni di variabile reale: (a) f(x) = x 4 (c) f(x) = 4 x x + (b) f(x) = log( x + x) (d) f(x) = 1 4 x 5 x + 6 ) Data la funzione
Dettaglif(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da
Data una funzione reale f di variabile reale x, definita su un sottoinsieme proprio D f di R (con questo voglio dire che il dominio di f è un sottoinsieme di R che non coincide con tutto R), ci si chiede
DettagliPer 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
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
DettagliESERCITAZIONE 1. 15 novembre 2012
ESERCITAZIONE 1 Economia dell Informazione e dei Mercati Finanziari C.d.L. in Economia degli Intermediari e dei Mercati Finanziari (8 C.F.U.) C.d.L. in Statistica per le decisioni finanziarie ed attuariali
DettagliLA MASSIMIZZAZIONE DEL PROFITTO ATTRAVERSO LA FISSAZIONE DEL PREZZO IN FUNZIONE DELLE QUANTITÀ
LA MASSIMIZZAZIONE DEL PROFITTO ATTRAVERSO LA FISSAZIONE DEL PREZZO IN FUNZIONE DELLE QUANTITÀ In questa Appendice mostreremo come trovare la tariffa in due parti che massimizza i profitti di Clearvoice,
DettagliLE FUNZIONI A DUE VARIABILI
Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre
DettagliTeoria dei Giochi. Anna Torre
Teoria dei Giochi Anna Torre Almo Collegio Borromeo 26 marzo 2015 email: anna.torre@unipv.it sito web del corso:www-dimat.unipv.it/atorre/borromeo2015.html COOPERAZIONE Esempio: strategie correlate e problema
Dettagli= variazione diviso valore iniziale, il tutto moltiplicato per 100. \ Esempio: PIL del 2000 = 500; PIL del 2001 = 520:
Fig. 10.bis.1 Variazioni percentuali Variazione percentuale di x dalla data zero alla data uno: x1 x 0 %x = 100% x 0 = variazione diviso valore iniziale, il tutto moltiplicato per 100. \ Esempio: PIL del
DettagliTeoria dei Giochi. Anna Torre
Teoria dei Giochi Anna Torre Almo Collegio Borromeo 9 marzo 2010 email: anna.torre@unipv.it sito web del corso:www-dimat.unipv.it/atorre/borromeo2010.html TEOREMI DI ESISTENZA TEOREMI DI ESISTENZA Teorema
DettagliUna sperimentazione. Probabilità. Una previsione. Calcolo delle probabilità. Nonostante ciò, è possibile dire qualcosa.
Una sperimentazione Probabilità Si sta sperimentando l efficacia di un nuovo farmaco per il morbo di Parkinson. Duemila pazienti partecipano alla sperimentazione: metà di essi vengono trattati con il nuovo
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliCalcolo 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
DettagliTEORIA 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
DettagliEconomia Applicata ai sistemi produttivi. 06.05.05 Lezione II Maria Luisa Venuta 1
Economia Applicata ai sistemi produttivi 06.05.05 Lezione II Maria Luisa Venuta 1 Schema della lezione di oggi Argomento della lezione: il comportamento del consumatore. Gli economisti assumono che il
DettagliIl funzionamento di prezzipazzi, registrazione e meccanismi
Prima di spiegare prezzipazzi come funziona, facciamo il punto per chi non lo conoscesse. Nell ultimo periodo si fa un gran parlare di prezzipazzi ( questo il sito ), sito che offre a prezzi veramente
DettagliE naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
DettagliPaperone e Rockerduck: a cosa serve l antitrust?
Paperone e Rockerduck: a cosa serve l antitrust? Paperone Anna Torre, Rockerduck Ludovico Pernazza 1-14 giugno 01 Università di Pavia, Dipartimento di Matematica Concorrenza Due imprese Pap e Rock operano
DettagliRichiami di teoria della domanda di moneta
Richiami di teoria della domanda di moneta Parte seconda La teoria della preferenza della liquidità di Keynes Keynes distingue tre moventi principali per cui si detiene moneta. Transattivo Precauzionale
DettagliAPPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI
APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI Indice 1 Le frazioni algebriche 1.1 Il minimo comune multiplo e il Massimo Comun Divisore fra polinomi........ 1. Le frazioni algebriche....................................
Dettagli1 Estensione in strategia mista di un gioco
AVVERTENZA: Di seguito trovate alcuni appunti, poco ordinati e poco formali, che uso come traccia durante le lezioni. Non sono assolutamente da considerarsi sostitutivi del materiale didattico. Riferimenti:
Dettaglirisulta (x) = 1 se x < 0.
Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente
DettagliOSSERVAZIONI 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
Dettagli1 Applicazioni Lineari tra Spazi Vettoriali
1 Applicazioni Lineari tra Spazi Vettoriali Definizione 1 (Applicazioni lineari) Si chiama applicazione lineare una applicazione tra uno spazio vettoriale ed uno spazio vettoriale sul campo tale che "!$%!
Dettagli1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
DettagliFunzioni funzione dominio codominio legge argomento variabile indipendente variabile dipendente
Funzioni In matematica, una funzione f da X in Y consiste in: 1. un insieme X detto dominio di f 2. un insieme Y detto codominio di f 3. una legge che ad ogni elemento x in X associa uno ed un solo elemento
DettagliEsercizio 1 Dato il gioco ({1, 2, 3}, v) con v funzione caratteristica tale che:
Teoria dei Giochi, Trento, 2004/05 c Fioravante Patrone 1 Teoria dei Giochi Corso di laurea specialistica: Decisioni economiche, impresa e responsabilità sociale, A.A. 2004/05 Soluzioni degli esercizi
DettagliECONOMIA DEL LAVORO. Lezioni di maggio (testo: BORJAS) L offerta di lavoro
ECONOMIA DEL LAVORO Lezioni di maggio (testo: BORJAS) L offerta di lavoro Offerta di lavoro - Le preferenze del lavoratore Il luogo delle combinazioni di C e L che generano lo stesso livello di U (e.g.
DettagliLimitazioni cognitive e comportamento del consumatore (Frank, Capitolo 8)
Limitazioni cognitive e comportamento del consumatore (Frank, Capitolo 8) RAZIONALITÀ LIMITATA Secondo Herbert Simon, gli individui non sono in grado di comportarsi come i soggetti perfettamente razionali
DettagliESEMPI DI DOMANDE per la prova scritta dell esame di Microeconomia. Una sola delle cinque risposte fornite per ogni domanda è giusta.
ESEMPI DI DOMANDE per la prova scritta dell esame di Microeconomia. Una sola delle cinque risposte fornite per ogni domanda è giusta. TEORIA DEL CONSUMO prima parte (Varian, capp. 1-7) 1. Antonio compra
DettagliEconomia del Lavoro 2010
Economia del Lavoro 2010 Capitolo 1-3 Offerta di lavoro -Le preferenze del lavoratore 1 Offerta di lavoro Le preferenze del lavoratore Il comportamento dell offerta di lavoro è analizzato dagli economisti
DettagliTeoria 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
DettagliLezione 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
DettagliFondamenti e didattica di Matematica Finanziaria
Fondamenti e didattica di Matematica Finanziaria Silvana Stefani Piazza dell Ateneo Nuovo 1-20126 MILANO U6-368 silvana.stefani@unimib.it 1 Unità 9 Contenuti della lezione Operazioni finanziarie, criterio
DettagliCosa dobbiamo già conoscere?
Cosa dobbiamo già conoscere? Insiemistica (operazioni, diagrammi...). Insiemi finiti/numerabili/non numerabili. Perché la probabilità? In molti esperimenti l esito non è noto a priori tuttavia si sa dire
Dettagli2. Leggi finanziarie di capitalizzazione
2. Leggi finanziarie di capitalizzazione Si chiama legge finanziaria di capitalizzazione una funzione atta a definire il montante M(t accumulato al tempo generico t da un capitale C: M(t = F(C, t C t M
Dettagli2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione
Capitolo 2 MATRICI Fra tutte le applicazioni su uno spazio vettoriale interessa esaminare quelle che mantengono la struttura di spazio vettoriale e che, per questo, vengono dette lineari La loro importanza
DettagliCorrispondenze e funzioni
Corrispondenze e funzioni L attività fondamentale della mente umana consiste nello stabilire corrispondenze e relazioni tra oggetti; è anche per questo motivo che il concetto di corrispondenza è uno dei
DettagliComputational Game Theory
Computational Game Theory Vincenzo Bonifaci 24 maggio 2012 5 Regret Minimization Consideriamo uno scenario in cui un agente deve selezionare, più volte nel tempo, una decisione tra un insieme di N disponibili:
DettagliLEZIONE 23. Esempio 23.1.3. Si consideri la matrice (si veda l Esempio 22.2.5) A = 1 2 2 3 3 0
LEZIONE 23 231 Diagonalizzazione di matrici Abbiamo visto nella precedente lezione che, in generale, non è immediato che, data una matrice A k n,n con k = R, C, esista sempre una base costituita da suoi
DettagliRICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007
RICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007 Rispondere alle seguenti domande marcando a penna la lettera corrispondente alla risposta ritenuta corretta (una sola tra quelle riportate). Se
Dettagli~ Copyright Ripetizionando - All rights reserved ~ http://ripetizionando.wordpress.com STUDIO DI FUNZIONE
STUDIO DI FUNZIONE Passaggi fondamentali Per effettuare uno studio di funzione completo, che non lascia quindi margine a una quasi sicuramente errata inventiva, sono necessari i seguenti 7 passaggi: 1.
DettagliRichiami 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.
DettagliMarco Tolotti - Corso di Esercitazioni di Matematica 12 Cfu - A.A. 2010/2011 1
Marco Tolotti - Corso di Esercitazioni di Matematica 1 Cfu - A.A. 010/011 1 Esercitazione 1: 4/09/010 1. Determinare il dominio delle seguenti funzioni: log a) f() = 5 ( 1). b) g() = log 3 (3 6) log 13.
DettagliTransitori del primo ordine
Università di Ferrara Corso di Elettrotecnica Transitori del primo ordine Si consideri il circuito in figura, composto da un generatore ideale di tensione, una resistenza ed una capacità. I tre bipoli
DettagliUn modello matematico di investimento ottimale
Un modello matematico di investimento ottimale Tiziano Vargiolu 1 1 Università degli Studi di Padova Liceo Scientifico Benedetti Venezia, giovedì 30 marzo 2011 Outline 1 Investimento per un singolo agente
DettagliQUANTIZZAZIONE diverse fasi del processo di conversione da analogico a digitale quantizzazione
QUANTIZZAZIONE Di seguito lo schema che illustra le diverse fasi del processo di conversione da analogico a digitale. Dopo aver trattato la fase di campionamento, occupiamoci ora della quantizzazione.
Dettagli1 Probabilità condizionata
1 Probabilità condizionata Accade spesso di voler calcolare delle probabilità quando si è in possesso di informazioni parziali sull esito di un esperimento, o di voler calcolare la probabilità di un evento
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliSiamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo.
DALLE PESATE ALL ARITMETICA FINITA IN BASE 2 Si è trovato, partendo da un problema concreto, che con la base 2, utilizzando alcune potenze della base, operando con solo addizioni, posso ottenere tutti
DettagliSoluzione dell esercizio del 2 Febbraio 2004
Soluzione dell esercizio del 2 Febbraio 2004 1. Casi d uso I casi d uso sono riportati in Figura 1. Figura 1: Diagramma dei casi d uso. E evidenziato un sotto caso di uso. 2. Modello concettuale Osserviamo
DettagliMICROECONOMIA La teoria del consumo: Alcuni Arricchimenti. Enrico Saltari Università di Roma La Sapienza
MICROECONOMIA La teoria del consumo: Alcuni Arricchimenti Enrico Saltari Università di Roma La Sapienza 1 Dotazioni iniziali Il consumatore dispone ora non di un dato reddito monetario ma di un ammontare
DettagliDistribuzioni discrete
Distribuzioni discrete Esercitazione 4 novembre 003 Distribuzione binomiale Si fa un esperimento (o prova): può manifestarsi un certo evento A con probabilità p oppure no (con probabilità q = p). La distribuzione
DettagliPer studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R
Studio di funzione Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R : allo scopo di determinarne le caratteristiche principali.
DettagliEconomia Politica Prof. Paolo Di Giannatale
Università degli Studi di Teramo Corso di Laurea in Scienze del Turismo e dell'organizzazioni delle Manifestazioni Sportive Economia Politica Prof. Paolo Di Giannatale A. A. 2011/2012 1 Le scelte del consumatore
DettagliVC-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
DettagliCalcolo del Valore Attuale Netto (VAN)
Calcolo del Valore Attuale Netto (VAN) Il calcolo del valore attuale netto (VAN) serve per determinare la redditività di un investimento. Si tratta di utilizzare un procedimento che può consentirci di
Dettaglimatematica probabilmente
IS science centre immaginario scientifico Laboratorio dell'immaginario Scientifico - Trieste tel. 040224424 - fax 040224439 - e-mail: lis@lis.trieste.it - www.immaginarioscientifico.it indice Altezze e
DettagliMetodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Metodi statistici per l economia (Prof. Capitanio) Slide n. 9 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 TEST D IPOTESI Partiamo da un esempio presente sul libro di testo.
DettagliUTILIZZATORI A VALLE: COME RENDERE NOTI GLI USI AI FORNITORI
UTILIZZATORI A VALLE: COME RENDERE NOTI GLI USI AI FORNITORI Un utilizzatore a valle di sostanze chimiche dovrebbe informare i propri fornitori riguardo al suo utilizzo delle sostanze (come tali o all
DettagliFUNZIONI / ESERCIZI SVOLTI
ANALISI MATEMATICA I - A.A. 0/0 FUNZIONI / ESERCIZI SVOLTI ESERCIZIO. Data la funzione f () = determinare l insieme f (( +)). Svolgimento. Poiché f (( +)) = { dom f : f () ( +)} = { dom f : f () > } si
Dettagli