FUNZIONI DI UTILITA HARA (Hyperbolic Absolute Risk Aversion)

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "FUNZIONI DI UTILITA HARA (Hyperbolic Absolute Risk Aversion)"

Transcript

1 FUNZIONI DI UTILITA HARA (Hyperbolic Absolute Risk Aversion) Le funzioni HARA sono funzioni di utilità GLOBALMENTE AVVERSE AL RISCHIO, in cui il coefficiente di avversione al rischio dipende in modo iperbolico dalla ricchezza. c con Se, allora c decresce al crescere di (vedi Fig. ). Se, allora c cresce al crescere di (vedi Fig. 2). Se, allora c è costante (vedi Fig. 3). Una generica funzione di utilità HARA ha la seguente forma: u con, Per ricavare tale forma si usa il seguente procedimento: Si cerca una funzione di utilità tale che c u, u u ln ln u ln ln Si sceglie u, in modo che ln u ln ln. Si ottiene: ln ln u u Si sceglie u e si ottiene: u Si moltiplica per ricavando: u Esempi di funzioni che appartengono alla famiglia delle funzioni di utilità HARA sono: - L utilità quadratica - L utilità potenza - L utilità esponenziale negativa - L utilità logaritmica

2 UTILITA QUADRATICA Partendo dalla forma generale delle utilità HARA si fissa, u La costante 2 2 si può tralasciare u 2 2 Si divide per ottenendo u 2 2 UTILITA POTENZA Si fissa, u La costante si può tralasciare. Si pone, u UTILITA ESPONENZIALE NEGATIVA Si fissa, c c u c, u u c c ln ln u c Si sceglie u, in modo che ln u ln c e c e c u u c e c c Si sceglie u c Si moltiplica per c u c e c e c UTILITA LOGARITMICA Si fissa c, u

3 u ln ln u ln ln Si sceglie u, in modo che ln u ln ln ln Si sceglie u ln u u u ln ln u ln MISURE DEL RISCHIO Si pensi ad una istituzione che può investire in vari tipi di esposizioni rischiose (es. le compagnie di assicurazione subiscono il c.d. "rischio-polizze", cioè il rischio legato al verificarsi dei danni e dei conseguenti rimborsi, le banche subiscono il rischio di insolvenza dei clienti, gli agenti del mercato subiscono il rischio che il rendimento del portafoglio sia minore del rendimento del titolo certo ecc..). Definiamo: insieme delle posizioni rischiose L variabile aleatoria che rappresenta la singola posizione rischiosa. Pertanto se L si ha una perdita, se L si ha un guadagno. L istituzione (la compagnia di assicurazione, l agente, l autorità di vigilanza ecc..) dà una VALUTAZIONE DELLE ESPOSIZIONI RISCHIOSE attraverso una funzione V : monotona decrescente rispetto a L. Pertanto maggiore è la perdita L, minore sarà il valore V. Precisamente, deve valere: ProbL x ProbL 2 x x VL VL 2 ESPOSIZIONI AMMISSIBILI Sono ammissibili le esposizioni L tali che VL. Per rendere ammissibili le esposizioni in cui VL occorre aggiungere un importo certo (un capitale di garanzia) alla perdita L. Dunque m : è definita da VLmL ml è la MISURA DEL RISCHIO DELL ESPOSIZIONE L (N.B. è un numero, una somma di denaro). L operazione può essere effettuata anche se VL.In questo caso, essendo l operazione L ammissibile, ml sarà un numero negativo.

4 MISURE DEL RISCHIO COERENTI La misura di rischio m : si dice coerente se soddisfa le seguenti proprietà: ) CONSISTENZA mlk ml k Se aumento la perdita di un importo certo, dovrò aumentare della stessa somma anche il capitale di garanzia 2) MONOTONIA ProbL L 2 ml ml 2 Se quasi sicuramente la perdita L è maggiore o uguale di L 2, allora il capitale di garanzia di L dovrà essere maggiore o uguale di quello richiesto per L 2. 3) OMOGENEITA ml ml con 4) SUB-ADDITIVITA ml L 2 ml ml 2 Se diversifico i rischi (es. la banca presta denaro a due clienti anzichè ad uno solo) il capitale di garanzia richiesto sarà minore o uguale della somma dei capitali di garanzia relativi alle singole esposizioni. VAR (VALUE AT RISK) Il VaR è una misura di rischio così definita: VaR L minx/probl x F L Adottando come misura di rischio il VaR si fa sì che la probabilità che l esposizione L ecceda una certa perdita sia minore o uguale di un certo prefissato. Il più piccolo x per cui la disuguaglianza è soddisfatta è il VaR a livello di L. Graficamente il VaR L può essere individuato dal disegno di Fx ProbL x (vedi Fig. 4). Si cerca il valore sull asse delle x corrispondente a sull asse delle ordinate. Se la distribuzione di L non è continua, allora è continua a destra (quando "salta" assume il valore più alto). Se non corrisponde ad un valore di Fx si cerca il più piccolo x per cui PL x Fx, cioè Fx (vedi Fig. 5). Se L è una variabile aleatoria continua, VaR L è la funzione inversa della funzione di distribuzione di L. F L x ProbL x F L VaR L

5 COME SI COSTRUISCE IL VAR Si pensi ad un agente che investe la propria ricchezza, pari a unità, in un titolo rischioso per un periodo di tempo unitario. Il rendimento del titolo rischioso è rappresentato dalla variabile aleatoria R. Alla fine del periodo l agente otterrà R R. L agente vuole che la probabilità di perdere una certa parte del suo capitale sia inferiore ad un certo (es. %). Si definisce la valutazione VL ProbR. Se VL l investimento è ammissibile. Per avere un investimento ammissibile l agente, anzichè investire tutta la ricchezza nel titolo rischioso, ne investe una parte nel titolo rischioso e una parte nel titolo certo con rendimento r. Poniamo: X ricchezza investita nel titolo rischioso. X ricchezza investita nel titolo certo. Il portafoglio, con rendimento R, è pertanto così definito: X, X Se l agente investe la sua ricchezza nel portafoglio,al termine del periodo otterrà: R X R X r R X R X rr Si cerca il più alto X investibile nel titolo rischioso che garantisca VL ProbR maxx /ProbR maxx /ProbX R X rr max X /Prob R X r X Si definisce L R, Y X. Si cerca pertanto il più piccolo Y da investire nel titolo certo. Si definisce z Y r Y. min Y /Prob L Y r Y minz/probl z VaR L IL VAR NON E UNA MISURA DEL RISCHIO COERENTE Il VaR non è una misura di rischio coerente in quanto non soddisfa la sub-additività. CONSISTENZA Il VaR è consistente ml VaR L minx/probl x minx k/problk x k minx/probl x k VaR Lk VaR L k

6 MONOTONIA Il VaR è monotono ProbL L 2 ProbL x ProbL 2 x F x F 2 x x VaR L minx/ F x VaR L 2 minx/ F 2 x VaR L VaR L 2 (vedi Fig. 6) VIOLAZIONE DELLA SUB-ADDITIVITA Nel VaR la sub-additività può essere violata se il portafoglio è costituito da tante esposizioni con bassa probabilità di avere un alta perdita. Esempio. Si consideri una banca che concede prestiti pari a euro al tasso del 5%. La variabile aleatoria L i rappresenta la perdita associata al singolo cliente e si distribuisce come segue: L i con prob.. 5% il cliente è totalmente insolvente 2 con prob. 9. 5% il cliente è parzialmente insolvente con prob. 3% il cliente restituisce solo il capitale 5 con prob. 6% il cliente restituisce anche l interesse VaR.99 L i 2 i VaR.99 L i 2 ProbL......L 3. VaR.99 L......L 3 VaR.99 i L i i VaR.99 L i ADATTAMENTO DEL VAR PER AVERE UNA MISURA DI RISCHIO COERENTE Una misura di rischio coerente è data dall Expected Shortfall, ES L, definito come il valore atteso delle perdite che superano il VaR. ml ES L EL L VaR L

7 L Expected Shortfall è una misura di rischio coerente; il capitale di garanzia ml richiesto sarà maggiore rispetto a quello richiesto dal VaR. Partendo dalla variabile aleatoria L, con distribuzione continua, si considera la variabile aleatoria così definita: L L se L VaR L se L VaR L ES L EL FVaR L Si pone u Fx, x F u, du fxdx EL EL F udu VaR u Ldu VaR L xfxdx PRINCIPI PER IL CALCOLO DEL PREMIO ASSICURATIVO Il premio applicato da una compagnia assicurativa è una misura del rischio associato al cliente assicurato. Per calcolare i premi assicurativi la compagnia può seguire vari principi; di seguito si riportano alcuni fra i principali. ) PRINCIPIO DEL VALORE ATTESO PL EL con 2) PRINCIPIO DELLA VARIANZA PL EL VarL con 3) PRINCIPIO DELLA DEVIAZIONE STANDARD PL EL DSL con 4) PRINCIPIO DELL UTILITA PL EuPL L u con u funzione di utilità crescente e strettamente concava (la compagnia è avversa al rischio)

8 Esempio ux e cx, u e PL Ee cpll E e cpl e cl, e cpl Ee cl e cpl Ee cl, cpl ln Ee cl PL c ln Ee cl M L c Ee cl è la funzione generatrice dei momenti PL c ln M L c

Value at Risk. Value At Risk

Value at Risk. Value At Risk Value at Risk 288 Value At Risk obbiettivo: misurazione dei rischi finanziari al fine del loro controllo rischi: di mercato (tasso, cambio,... ), credito, operativo,... utilizzo: stabilire requisiti di

Dettagli

Indice. Scelta in condizioni di incertezza. Lotterie monetarie. Lotterie monetarie. Corso di Microeconomia progredito. Parte III

Indice. Scelta in condizioni di incertezza. Lotterie monetarie. Lotterie monetarie. Corso di Microeconomia progredito. Parte III Indice Scelta in condizioni di incertezza Corso di Microeconomia progredito 1 Lotterie monetarie 2 Avversione al rischio Parte III 3 Applicazioni 4 Misura dell avversione al rischio Corso di Microeconomia

Dettagli

3 giugno 2019, es.1) Programmazione lineare

3 giugno 2019, es.1) Programmazione lineare giugno 09, es.) Programmazione lineare Discutere il seguente problema di Programmazione lineare: trovare, se esiste, il massimo di p(x, x, x, x 4 ) = 5 x + x + x + 6 x 4 con i vincoli x k 0 ( k 4) e x

Dettagli

( ) le colonne della matrice dei coefficienti, con. , risulta A 3 = A 1 + 4A 2 + 4A 5, A 4 = A 1 + A 2,

( ) le colonne della matrice dei coefficienti, con. , risulta A 3 = A 1 + 4A 2 + 4A 5, A 4 = A 1 + A 2, 1 Elementi di Analisi Matematica e Ricerca Operativa prova del 6 luglio 2016 1) Discutere il seguente problema di Programmazione Lineare: Trovare il massimo di p x 1, x 2, x 3, x 4 # x 2 + 4 x 3 + x 4

Dettagli

Molte scelte effettuate dai consumatori sono caratterizzate dall incertezza.

Molte scelte effettuate dai consumatori sono caratterizzate dall incertezza. numerazione Molte scelte effettuate dai consumatori sono caratterizzate dall incertezza. Utilizzare la teoria del consumatore per descrivere il comportamento del consumatore in queste situazioni 1EAI Strumenti

Dettagli

MATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI)

MATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI) Matematica Finanziaria, a.a. 2011/2012 p. 1/315 UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA MATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI) ANNAMARIA OLIVIERI a.a. 2011/2012

Dettagli

Rischi di mercato. Francesco Menoncin

Rischi di mercato. Francesco Menoncin Rischi di mercato Francesco Menoncin 6-0-0 Sommario Le risposte devono essere C.C.C (Chiare, Concise e Corrette). Il tempo a disposizione è di (due) ore. Esercizi. Su un mercato completo con tre stati

Dettagli

22 maggio Esercizio Avversione al rischio: la derivata seconda della funzione di utilità è negativa:

22 maggio Esercizio Avversione al rischio: la derivata seconda della funzione di utilità è negativa: ESERCITAZIONE 7 22 maggio 2014. Esercizio 1 1.1. Avversione al rischio: la derivata seconda della funzione di utilità è negativa: < 0 Nel nostro caso:. Da cui: > 0 < 0 Perciò: l utilità è crescente rispetto

Dettagli

PREMIO EQUO E PREMIO NETTO. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti

PREMIO EQUO E PREMIO NETTO. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti PREMIO EQUO E PREMIO NETTO Prof. Cerchiara Rocco Roberto Materiale e Riferimenti. Capitolo del testo Tecnica attuariale delle assicurazioni contro i Danni (Daboni 993). Lucidi distribuiti in aula La teoria

Dettagli

Risk Theory ECONOMIA E GESTIONE DEGLI INTERMEDIARI FINANZIARI SET 6. Valter Lazzari a.a. 2017/18

Risk Theory ECONOMIA E GESTIONE DEGLI INTERMEDIARI FINANZIARI SET 6. Valter Lazzari a.a. 2017/18 isk Theory ECONOMIA E GESTIONE DEGLI INTEMEDIAI FINANZIAI SET 6 Valter Lazzari a.a. 2017/18 I temi della lezione ischio Esposizione al rischio Metriche di rischio ischi bancari ISCHIO Definizione di rischio:

Dettagli

6061 Scienza delle Finanze. Il sistema sanitario (1)

6061 Scienza delle Finanze. Il sistema sanitario (1) 6061 Scienza delle Finanze Cleam- Classe 2 Il sistema sanitario (1) Spesa sanitaria totale in % PIL, 2007 Public Private Mexico Korea Poland Czech Republic Hungary Ireland Slovak Republic Finland United

Dettagli

L analisi media-varianza

L analisi media-varianza L analisi media-varianza Pierpaolo Montana Università di Roma I Consideriamo un agente con preferenze di tipo VNM e funzione di utilità quadratica u(x) = x b x. La corrispondente espressione dell utilità

Dettagli

SELEZIONE DI PORTAFOGLI OTTIMI

SELEZIONE DI PORTAFOGLI OTTIMI ROMA TRE UNIVERSITÀ DEGLI STUDI DI ROMA TRE DIPARTIMENTO DI ECONOMIA SELEZIONE DI PORTAFOGLI OTTIMI CON VINCOLO DI SHORTFALL Valentina Guizzi Working paper n. 37 2004 ARACNE I Working Papers del Dipartimento

Dettagli

RICHIAMI DI CALCOLO DELLE PROBABILITÀ

RICHIAMI DI CALCOLO DELLE PROBABILITÀ UNIVERSITA DEL SALENTO INGEGNERIA CIVILE RICHIAMI DI CALCOLO DELLE PROBABILITÀ ing. Marianovella LEONE INTRODUZIONE Per misurare la sicurezza di una struttura, ovvero la sua affidabilità, esistono due

Dettagli

Variabili casuali. - di Massimo Cristallo -

Variabili casuali. - di Massimo Cristallo - Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 16 e 27 maggio 2013 - di Massimo Cristallo - Variabili casuali

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioni di Statistica Variabili casuali Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio Determinare se le funzioni seguenti: 0.0 se x < 0. se x = g(x) = 0.5 se x = 0.7 se x = 3 se x =

Dettagli

1.3. Logaritmi ed esponenziali

1.3. Logaritmi ed esponenziali 1.3. Logaritmi ed esponenziali 1. Rappresentazione sugli assi cartesiani 2. Relazione 3. Definizione di funzione 4. La funzione esponenziale 5. Il logaritmo 6. La funzione logaritma 1-3 1 Rappresentazione

Dettagli

28 giugno 2018, es.1) Programmazione lineare

28 giugno 2018, es.1) Programmazione lineare 8 giugno 018, es.1) Programmazione lineare Discutere il seguente problema di Programmazione lineare: trovare il massimo di p(x 1, x, x, x 4 ) = x 1 + 15 x + 8 x + x 4 con i vincoli x k 0 (1 k ) e x + x

Dettagli

(versione del , modificata da Carlo Zappia su testo di Mauro Caminati)

(versione del , modificata da Carlo Zappia su testo di Mauro Caminati) Ripartizione e allocazione Pareto efficiente del rischio (versione del 20.12.2012, modificata da Carlo Zappia su testo di Mauro Caminati) Dall analisi delle scelte in condizioni di rischio svolta nel capitolo

Dettagli

UNIVERSITÁ DI FOGGIA DIPARTIMENTO DI ECONOMIA CORSO DI MATEMATICA FINANZIARIA A-L PROF. ANDREA DI LIDDO TEMI ASSEGNATI DURANTE LE PROVE SCRITTE DA

UNIVERSITÁ DI FOGGIA DIPARTIMENTO DI ECONOMIA CORSO DI MATEMATICA FINANZIARIA A-L PROF. ANDREA DI LIDDO TEMI ASSEGNATI DURANTE LE PROVE SCRITTE DA UNIVERSITÁ DI FOGGIA DIPARTIMENTO DI ECONOMIA CORSO DI MATEMATICA FINANZIARIA A-L PROF ANDREA DI LIDDO TEMI ASSEGNATI DURANTE LE PROVE SCRITTE DA DICEMBRE 2016 aa 2016-2017-6 GIUGNO 2017 NUMERO DI CFU

Dettagli

Variabili casuali multidimensionali

Variabili casuali multidimensionali Capitolo 1 Variabili casuali multidimensionali Definizione 1.1 Le variabili casuali multidimensionali sono k-ple ordinate di variabili casuali unidimensionali definite sullo stesso spazio di probabilità.

Dettagli

Il teorema di Kuhn-Tucker e applicazioni

Il teorema di Kuhn-Tucker e applicazioni Scienze Matematiche Fisiche e Naturali Tesi di Laurea triennale in Matematica Il teorema di Kuhn-Tucker e applicazioni Relatrice Flavia Lanzara Candidata Arianna Gatta ANNO ACCADEMICO 2007/2008 Introduzione

Dettagli

Una variabile casuale è una variabile che assume determinati valori in modo casuale (non deterministico).

Una variabile casuale è una variabile che assume determinati valori in modo casuale (non deterministico). VARIABILI CASUALI 1 definizione Una variabile casuale è una variabile che assume determinati valori in modo casuale (non deterministico). Esempi l esito di una estrazione del Lotto; il risultato di una

Dettagli

ESERCITAZIONE: ESPONENZIALI E LOGARITMI

ESERCITAZIONE: ESPONENZIALI E LOGARITMI ESERCITAZIONE: ESPONENZIALI E LOGARITMI e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Esercizio 1 In una coltura batterica, il numero di batteri triplica ogni ora. Se all inizio dell osservazione

Dettagli

Il ritorno sull investimento di sicurezza

Il ritorno sull investimento di sicurezza Il ritorno sull investimento di sicurezza Return On Safety Investment ROSI Ing. Gianpaolo Natale Specialista in Sicurezza e Protezione Chi sono? - Appassionato di scienza della sicurezza - Consulente per

Dettagli

01 Test (ottava giornata)

01 Test (ottava giornata) 01 Test (ottava giornata) 1) Il coefficiente di correlazione tra il titolo X e il suo benchmark di riferimento è 0,8. Sapendo che la standard deviation del titolo X è 2%, e che la standard deviation del

Dettagli

La disponibilità ad assicurarsi è quindi condizionata al fatto che: W P W E[ŷ] ρ P E[ŷ] + ρ. u(w)

La disponibilità ad assicurarsi è quindi condizionata al fatto che: W P W E[ŷ] ρ P E[ŷ] + ρ. u(w) Nel caso semplice di una distribuzione binomiale di ŷ (π probabilità del sinistro e I(y = y (copertura completa, il soggetto avverso al rischio è disposto a scambiare la propria posizione rischiosa con

Dettagli

TECNICHE DI SIMULAZIONE

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

Dettagli

LOGARITMI. log = = con >0, 1; >0 = >0, 1, >0. log =1 >0, 1. notebookitalia.altervista.org

LOGARITMI. log = = con >0, 1; >0 = >0, 1, >0. log =1 >0, 1. notebookitalia.altervista.org LOGARITMI Sia un numero reale positivo ed un numero reale, positivo, diverso da 1; si dice logaritmo di in base il valore da attribuire come esponente alla base per ottenere una potenza uguale all argomento.

Dettagli

Matematica di base. Lezioni in Aula D5 ogni Venerdi alle 14:30 BLOG: matematicadibase.wordpress.com

Matematica di base. Lezioni in Aula D5 ogni Venerdi alle 14:30 BLOG: matematicadibase.wordpress.com Matematica di base Lezioni in Aula D5 ogni Venerdi alle 14:30 BLOG: matematicadibase.wordpress.com Calendario 21 Ottobre Aritmetica ed algebra elementare 28 Ottobre Geometria elementare 4 Novembre Insiemi

Dettagli

Capitolo 19: Offerta e domanda di moneta (approfondimento)

Capitolo 19: Offerta e domanda di moneta (approfondimento) MACROECONOMICS N. GREGORY MANKIW MARK P. TAYLOR Capitolo 19: Offerta e domanda di moneta (approfondimento) Prof. Lucia Visconti Parisio Sommario Offerta di moneta In che modo il sistema bancario genera

Dettagli

Statistica. Lezione : 17. Variabili casuali

Statistica. Lezione : 17. Variabili casuali Corsi di Laurea: a.a. 2018-19 Diritto per le Imprese e le istituzioni Scienze Internazionali dello Sviluppo e della Cooperazione Statistica Variabili casuali Lezione : 17 Docente: Alessandra Durio 1 Contenuti

Dettagli

ESERCIZIO 1. a) Calcolare il rendimento atteso del portafoglio:

ESERCIZIO 1. a) Calcolare il rendimento atteso del portafoglio: ESERCIZIO 1 Gastone investe i suoi risparmi in tre titoli (A: Paperone & Co; B: Rockerduck & Co; C: Bassotti & Co) quotati sul mercato di Paperopoli. La composizione percentuale del portafoglio di Gastone

Dettagli

Richiami di Matematica per il corso di Economia Politica

Richiami di Matematica per il corso di Economia Politica Richiami di Matematica per il corso di Economia Politica Mattia Guerini m.guerini@sssup.it 11 Marzo 2015 1 Le funzioni Si definisce funzione, una regola che esprime una relazione univoca tra due insiemi.

Dettagli

Microeconomia a.a. 2017/2018

Microeconomia a.a. 2017/2018 Microeconomia aa 07/08 Corso di Laurea Magistrale in Economia e Politica Economica Nicola Campigotto nicolacampigottouniboit Esercitazione 6 0 novembre 07 Esercizio Si considerino due soli input e

Dettagli

Fondamenti di Business Analytics M classi M2/M3 Michele Impedovo anno accademico

Fondamenti di Business Analytics M classi M2/M3 Michele Impedovo anno accademico Fondamenti di Business Analytics 20486 M classi M2/M3 Michele Impedovo anno accademico 2016-2017 Lezione 5 L'avversione al rischio Il certo equivalente Le funzioni di utilità L'utilità con TreePlan Oltre

Dettagli

SCHEDA DIDATTICA N 7

SCHEDA DIDATTICA N 7 FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA CIVILE CORSO DI IDROLOGIA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N 7 LA DISTRIBUZIONE NORMALE A.A. 01-13 La distribuzione NORMALE Uno dei più importanti

Dettagli

Integrali (M.S. Bernabei & H. Thaler)

Integrali (M.S. Bernabei & H. Thaler) Integrali (M.S. Bernabei & H. Thaler) Integrali. Motivazione Che cos é un integrale? Sia f 0 e limitata b a f ( x) dx area f ( x, y) dxdy volume Definizione di integrale: b a dove f ( x) dx lim n n k b

Dettagli

Variabili aleatorie discrete. Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia

Variabili aleatorie discrete. Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia Variabili aleatorie discrete Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia 2015-16 1 / 45 Variabili aleatorie Una variabile aleatoria è simile a una variabile statistica Una variabile

Dettagli

Rischio, assicurazione e asimmetrie informative. Scienza delle finanze- Lezione 6

Rischio, assicurazione e asimmetrie informative. Scienza delle finanze- Lezione 6 Rischio, assicurazione e asimmetrie informative Scienza delle finanze- Lezione 6 RISCHIO Nei mercati reali non c è perfetta certezza e informazione La presenza di rischio modifica le condizioni di scelta

Dettagli

Definizioni economia applicata all ingegneria

Definizioni economia applicata all ingegneria Definizioni economia applicata all ingegneria October 28 2011 In questo documento assolutamente non ufficiale sono contenute le definizioni date durante le lezioni di economia applicata all ingegneria.

Dettagli

Data un azione, le due opzioni call e put (europee, scadenza t0 ) con prezzo di esercizio X in ogni tempo t < t0 si ha

Data un azione, le due opzioni call e put (europee, scadenza t0 ) con prezzo di esercizio X in ogni tempo t < t0 si ha 0) limitazioni prezzo call Data un azione, le due opzioni call e put (europee, scadenza t0 ) con prezzo di esercizio X in ogni tempo t < t0 si ha γ(t)x + c(t) = A(t) + p(t) con A(t) prezzo dell azione,

Dettagli

Elementi di matematica finanziaria

Elementi di matematica finanziaria Elementi di matematica finanziaria 1. Percentuale Si dice percentuale di una somma di denaro o di un altra grandezza, una parte di questa, calcolata in base ad un tanto per cento, che si chiama tasso percentuale.

Dettagli

Il sistema sanitario

Il sistema sanitario Il sistema sanitario Premessa Sistemi sanitari a confronto Differenze nella dimensione della spesa sanitaria totale e pro-capite Differenze nella composizione della spesa sanitaria tra pubblico e privato

Dettagli

Matematica Esame. Giuseppe Vittucci Marzetti

Matematica Esame. Giuseppe Vittucci Marzetti Matematica Esame Giuseppe Vittucci Marzetti Dipartimento di Sociologia e Ricerca Sociale Università degli Studi di Milano-Bicocca Corso di Laurea in Scienze dell Organizzazione 18 Settembre 2019 Istruzioni:

Dettagli

Variabile casuale Normale

Variabile casuale Normale Variabile casuale Normale La var. casuale Normale (o Gaussiana) è considerata la più importante distribuzione Statistica per le innumerevoli Applicazioni e per le rilevanti proprietà di cui gode L'importanza

Dettagli

1. Dare la definizione di funzione lineare. R: Una funzione lineare di n variabili è una funzione del tipo. c 1 x 1 + c 2 x c n x n,

1. Dare la definizione di funzione lineare. R: Una funzione lineare di n variabili è una funzione del tipo. c 1 x 1 + c 2 x c n x n, VERTICIDIUNPOLIEDRO 31 Esercizi di riepilogo sui Capitoli 1 5 1. Dare la definizione di funzione lineare. R: Una funzione lineare di n variabili è una funzione del tipo dove c 1,c 2,...,c n sono numeri

Dettagli

Il Modello di Markowitz e la frontiera efficiente (1952)

Il Modello di Markowitz e la frontiera efficiente (1952) Il Modello di Markowitz e la frontiera efficiente (1952) Introduzione La selezione di portafoglio consiste nella ripartizione di un capitale tra più investimenti di reddito aleatorio Il capitale da ripartire

Dettagli

P(29 < X < 37) P(27 < X < 39) P(25 < X < 41) P(23 < X < 43) P(21 < X < 45) P(19 < X < 47) P(17 < X < 49)

P(29 < X < 37) P(27 < X < 39) P(25 < X < 41) P(23 < X < 43) P(21 < X < 45) P(19 < X < 47) P(17 < X < 49) ESERCIZIO 1 Si consideri una variabile casuale X con valore atteso pari a 33 e varianza pari a 16. Si calcolino le seguenti probabilità: P(31 < X < 35) P(29 < X < 37) P(27 < X < 39) P(25 < X < 41) P(23

Dettagli

Cenni di TEORIA DELL UTILITA

Cenni di TEORIA DELL UTILITA Prof. Rocco Roberto Cerchiara TECNICA DANNI Cenni di TEORIA DELL UTILITA Prof. Cerchiara Rocco Roberto Materiale e Riferimenti 1. Capitolo del testo Tecnica attuariale delle assicurazioni contro i Danni

Dettagli

02 Test (Settima giornata)

02 Test (Settima giornata) 02 Test (Settima giornata) 1) Si considerino due titoli azionari, A e B, caratterizzati da standard deviation rispettivamente del 3% e del 5%. Il valore massimo della covarianza tra i due titoli può essere

Dettagli

MATEMATICA E STATISTICA CORSO A CORSO DI LAUREA IN SCIENZE BIOLOGICHE MOLECOLARI

MATEMATICA E STATISTICA CORSO A CORSO DI LAUREA IN SCIENZE BIOLOGICHE MOLECOLARI MATEMATICA E STATISTICA CORSO A CORSO DI LAUREA IN SCIENZE BIOLOGICHE MOLECOLARI ESERCITATI CON ME! I ESERCITAZIONE 1) Misure ripetute (materiale secco su vetrino) della lunghezza del diametro maggiore

Dettagli

ELEMENTI DI STATISTICA DESCRITTIVA

ELEMENTI DI STATISTICA DESCRITTIVA Dipartimento di Matematica U. Dini, Università di Firenze Viale Morgagni 67/A, 50134 - Firenze, Italy, vlacci@math.unifi.it November 15, 2015 Terminologia In un esperimento ogni risultato delle caratteristiche

Dettagli

Matematica Esempio esame Unità 10-11

Matematica Esempio esame Unità 10-11 Matematica Esempio esame Unità 10-11 Giuseppe Vittucci Marzetti Dipartimento di Sociologia e Ricerca Sociale Università degli Studi di Milano-Bicocca Corso di Laurea in Scienze dell Organizzazione Dicembre

Dettagli

La valutazione dei rischi. Corso di risk management Prof. Giuseppe D Onza

La valutazione dei rischi. Corso di risk management Prof. Giuseppe D Onza La valutazione dei rischi Corso di risk management Prof. Giuseppe D Onza LA VALUTAZIONE DEI RISCHI E un attività che caratterizza la gestione dei rischi finalizzata ad apprezzare la gravità dei fenomeni

Dettagli

Si noti che la funzione del benessere cresce al crescere dei redditi

Si noti che la funzione del benessere cresce al crescere dei redditi Indici normativi Un diverso approccio alla misura della disuguaglianza è quello definito "normativo". Secondo questo approccio, la scelta dell'indice che misura la diseguaglianza tiene esplicitamente conto

Dettagli

Guida all imposta sui rendimenti e all imposta di bollo

Guida all imposta sui rendimenti e all imposta di bollo Polizze vita Guida all imposta sui rendimenti e all imposta di bollo Materiale confidenziale ad esclusivo uso dell Intermediario. E vietata la riproduzione e la diffusione alla clientela. Informazione

Dettagli

Calcolo differenziale 2: Massimi e minimi. Studio di una funzione. (M.S.Bernabei & H. Thaler)

Calcolo differenziale 2: Massimi e minimi. Studio di una funzione. (M.S.Bernabei & H. Thaler) Calcolo differenziale 2: Massimi e minimi. Studio di una funzione. (M.S.Bernabei & H. Thaler) Studio di una funzione Funzioni crescenti e decrescenti Una funzione f é crescente nell intervallo (a, b) se

Dettagli

APPUNTI. oppure o ancora. se e allora. , esiste un tale che

APPUNTI. oppure o ancora. se e allora. , esiste un tale che APPUNTI Impostazione Assiomatica 1) Completezza e coerenza. oppure o ancora. se e allora 2) Monotonicità se e solo se 3) Continuità, esiste un tale che 4) Indipendenza 5) Riduzione è la probabilità totale

Dettagli

Esercizi sulla Programmazione Lineare. min. cx Ax b x 0

Esercizi sulla Programmazione Lineare. min. cx Ax b x 0 Soluzioni 4.-4. Fondamenti di Ricerca Operativa Prof. E. Amaldi Esercizi sulla Programmazione Lineare 4. Risoluzione grafica e forma standard. Si consideri il problema min x cx Ax b x dove x = (x, x )

Dettagli

01 giugno 2017, es.1) Programmazione lineare

01 giugno 2017, es.1) Programmazione lineare 0 giugno 07, es) Programmazione lineare Discutere il seguente problema di Programmazione lineare: trovare il massimo di p(x, x, x, x 4, x 5 ) = x + 7 x + x + x 4 + 8 x 5 con i vincoli x k 0 ( k 5) e A

Dettagli

PROGRAMMAZIONE LINEARE ESEMPIO INTRODUTTIVO. L azienda usa l officina A e l officina B con le seguenti ORE UNITARIE: A B Testing 30 10

PROGRAMMAZIONE LINEARE ESEMPIO INTRODUTTIVO. L azienda usa l officina A e l officina B con le seguenti ORE UNITARIE: A B Testing 30 10 ESEMPIO INTRODUTTIVO Una azienda metalmeccanica deve produrre 2 tipi di Prodotti (Cuscinetti): Cuscinetto a sfera (P1): Profitto=5000ITL/pezzo Cuscinetto a rulli (P2): Profitto=4000 ITL/pezzo L azienda

Dettagli

Variabili aleatorie. Variabili aleatorie e variabili statistiche

Variabili aleatorie. Variabili aleatorie e variabili statistiche Variabili aleatorie Variabili aleatorie e variabili statistiche Nelle prime lezioni, abbiamo visto il concetto di variabile statistica : Un oggetto o evento del mondo reale veniva associato a una certa

Dettagli

La variabilità. Monia Ranalli. Ranalli M. Variabilità Settimana # 2 1 / 14

La variabilità. Monia Ranalli. Ranalli M. Variabilità Settimana # 2 1 / 14 La variabilità Monia Ranalli Ranalli M. Variabilità Settimana # 2 1 / 14 Sommario Variabilità Definizione Misure di Variabilità Per tutti i caratteri: Entropia Per i carattere quantitativi: Varianza, Scostamento

Dettagli

Microeconomia - Problem set 4 - soluzione

Microeconomia - Problem set 4 - soluzione Microeconomia - Problem set 4 - soluzione (Prof Paolo Giordani - TA: Pierluigi Murro) 2 Maggio 2015 Esercizio 1 Calcolare i prodotti marginali di ciascun fattore produttivo (P M 1, P M 2 ) e il saggio

Dettagli

Microeconomia Esercitazioni a.a. 2018/2019

Microeconomia Esercitazioni a.a. 2018/2019 Microeconomia Esercitazioni a.a. 2018/2019 CDL SPOSI (O-Z) STINT (A-Z) PROF. GIUSEPPE PIGNATARO TUTOR ALESSANDRA PORFIDO 1 Tutor Contatti Alessandra.porfido2@unibo.it Ricevimento Da definire, per il momento

Dettagli

Elementi di Probabilità e Statistica - 052AA - A.A

Elementi di Probabilità e Statistica - 052AA - A.A Elementi di Probabilità e Statistica - 05AA - A.A. 014-015 Prima prova di verifica intermedia - 9 aprile 015 Problema 1. Dati due eventi A, B, su uno spazio probabilizzato (Ω, F, P), diciamo che A è in

Dettagli

Corso di Fondamenti di Telecomunicazioni

Corso di Fondamenti di Telecomunicazioni Corso di Fondamenti di Telecomunicazioni Prof. Mario Barbera [parte ] Variabili aleatorie Esempio: sia dato l esperimento: Scegliere un qualunque giorno non festivo della settimana, per verificare casualmente

Dettagli

( ) ( ) ( e la probabilità che si verifichi un evento compreso tra c e b a < c < b sarà data da:

( ) ( ) ( e la probabilità che si verifichi un evento compreso tra c e b a < c < b sarà data da: e la probabilità che si verifichi un evento compreso tra c e b a < c < b sarà data da: p ( ) ( c < X < b) f ( x) LA VC NORMALE O GAUSSIANA Una vc si dice normale o gaussiana (da Gauss che la propose come

Dettagli

TECNICHE DI MISURAZIONE DEI RISCHI DI MERCATO. VALUE AT RISK VaR. Piatti --- Corso Rischi Bancari: VaR 1

TECNICHE DI MISURAZIONE DEI RISCHI DI MERCATO. VALUE AT RISK VaR. Piatti --- Corso Rischi Bancari: VaR 1 TECNICHE DI MISURAZIONE DEI RISCHI DI MERCATO VALUE AT RISK VaR Piatti --- Corso Rischi Bancari: VaR 1 Limiti delle misure di sensitivity Dipendono dalla fase in cui si trova il mercato non consentono

Dettagli

Slides per il corso di ECONOMIA DEI MERCATI FINANZIARI I modulo

Slides per il corso di ECONOMIA DEI MERCATI FINANZIARI I modulo Slides per il corso di ECONOMIA DEI MERCATI FINANZIARI I modulo Nicola Meccheri (nicola.meccheri@unipi.it) Dipartimento di Economia e Management Università di Pisa A.A. 2014/2015 INFORMAZIONI GENERALI:

Dettagli

Studio di funzione. Studio di funzione: i passi iniziali

Studio di funzione. Studio di funzione: i passi iniziali Studio di funzioni Studio di funzione Si dice che una variabile dipendente y è funzione di una variabile indipendente x quando esiste un legame di natura qualsiasi che ad ogni valore di x faccia corrispondere

Dettagli

a) Determinare il dominio, i limiti agli estremi del dominio e gli eventuali asintoti di f. Determinare inoltre gli zeri di f e studiarne il segno.

a) Determinare il dominio, i limiti agli estremi del dominio e gli eventuali asintoti di f. Determinare inoltre gli zeri di f e studiarne il segno. 1 ESERCIZI CON SOLUZIONE DETTAGLIATA Esercizio 1. Si consideri la funzione f(x) = e x 3e x +. a) Determinare il dominio, i limiti agli estremi del dominio e gli eventuali asintoti di f. Determinare inoltre

Dettagli

Distribuzione esponenziale. f(x) = 0 x < 0

Distribuzione esponenziale. f(x) = 0 x < 0 Distribuzione esponenziale Funzione densità f(x) = λe λx x 0 0 x < 0 Funzione parametrica (λ) 72 Funzione di densità della distribuzione esponenziale 1 0.9 0.8 0.7 λ=1 0.6 f(x) 0.5 0.4 0.3 λ=1/2 0.2 0.1

Dettagli

Alcuni esercizi per Compito prova SOLUZIONI

Alcuni esercizi per Compito prova SOLUZIONI Alcuni esercizi per Compito prova SOLUZIONI 40 studenti del corso A hanno altezza media 175 cm, 35 studenti del corso B hanno altezza media 178 cm. Durante un seminario tutti questi studenti si trovano

Dettagli

Il Tasso Interno di Rendimento: TIR

Il Tasso Interno di Rendimento: TIR Il Tasso Interno di Rendimento: TIR Nella valutazione della profittabilità dei progetti privati si è soliti calcolare il tasso interno di rendimento, che è il tasso di sconto che renderebbe il valore attuale

Dettagli

MATEMATICA CORSO A III APPELLO 13 Settembre 2012

MATEMATICA CORSO A III APPELLO 13 Settembre 2012 MATEMATICA CORSO A III APPELLO 13 Settembre 212 Soluzioni 1. È stato preparato uno sciroppo concentrato al 4% mettendo 3 grammi di zucchero in una certa quantità d acqua. a) Quanto vale la massa dell acqua?

Dettagli

0 altimenti 1 soggetto trova lavoroentro 6 mesi}

0 altimenti 1 soggetto trova lavoroentro 6 mesi} Lezione n. 16 (a cura di Peluso Filomena Francesca) Oltre alle normali variabili risposta che presentano una continuità almeno all'interno di un certo intervallo di valori, esistono variabili risposta

Dettagli

Corso di Statistica. Variabilità ed eterogeneità. Prof.ssa T. Laureti a.a

Corso di Statistica. Variabilità ed eterogeneità. Prof.ssa T. Laureti a.a Corso di Statistica Variabilità ed eterogeneità Prof.ssa T. Laureti a.a. 03-04 Variabilità Il calcolo di una media non esaurisce la descrizione sintetica di un fenomeno osservato in un collettivo Due insiemi

Dettagli

Capitolo 1 Introduzione al corso di Fondamenti di Economia Politica

Capitolo 1 Introduzione al corso di Fondamenti di Economia Politica Capitolo 1 Introduzione al corso di Fondamenti di Economia Politica Cos è l economia? L economia studia il funzionamento di un sistema economico. Sistema economico: è costituito dall insieme dei soggetti

Dettagli

UNITÀ DIDATTICA 2 LE FUNZIONI

UNITÀ DIDATTICA 2 LE FUNZIONI UNITÀ DIDATTICA LE FUNZIONI. Le funzioni Definizione. Siano A e B due sottoinsiemi non vuoti di R. Si chiama funzione di A in B una qualsiasi legge che fa corrispondere a ogni elemento A uno ed un solo

Dettagli

Soluzioni del compito di Istituzioni di Matematiche/Matematica per Chimica F45 e F5X (10/2/11)

Soluzioni del compito di Istituzioni di Matematiche/Matematica per Chimica F45 e F5X (10/2/11) Soluzioni del compito di Istituzioni di Matematiche/Matematica per Chimica F5 e F5X (//). La funzione f(x) = x 3x x + (a) èdefinita purché l argomento della radice sia non negativo cioè perx 3x : quindi

Dettagli

10.1 Successioni. Definizione. Notazione

10.1 Successioni. Definizione. Notazione 10.1 Successioni. Definizione Una funzione f : N! A, di dominio l insieme N dei numeri naturali o l insieme N dei naturali positivi si chiama successione. In particolare, una successione di numeri reali

Dettagli

Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti

Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti Modulo I ESERCITAZIONE Prof. Cerchiara Rocco Roberto Materiale e Riferimenti 1. Lucidi distribuiti in aula 2. Loss Models 1998 First Edition Modulo I 1. Variabili condizionate e Distribuzione di Poisson

Dettagli

Introduzione al modello Uniforme

Introduzione al modello Uniforme Teoria dei Fenomeni Aleatori 1 AA 01/13 Introduzione al modello Uniforme Esempio: conversione Analogico/Digitale Errore di quantizzazione Ampiezza Continua Discreta x t x q t Tempo Discreto Continuo 0

Dettagli

Esercitazione: La distribuzione NORMALE

Esercitazione: La distribuzione NORMALE Esercitazione: La distribuzione NORMALE Uno dei più importanti esempi di distribuzione di probabilità continua è dato dalla distribuzione Normale (curva normale o distribuzione Gaussiana); è una delle

Dettagli

11. Sia g(y) la funzione inversa di f(x) = x 3 + x + 1. Calcolare. 14. Calcolare la somma della serie

11. Sia g(y) la funzione inversa di f(x) = x 3 + x + 1. Calcolare. 14. Calcolare la somma della serie Prova N. parti e : risposte Matematica e Statistica 0 gennaio 0 VARIANTE: 0 risposte: C A C B B B B D A B A C D C D B A C D A Ricordiamo che se Z ha distribuzione normale standard, si ha P (Z >.00) = %,

Dettagli

LE LINEE DI INVESTIMENTO: GESTIONI SEPARATE E FONDI INTERNI

LE LINEE DI INVESTIMENTO: GESTIONI SEPARATE E FONDI INTERNI Modulo di Formazione per Neo Intermediari Assicurativi LE LINEE DI INVESTIMENTO: GESTIONI SEPARATE E FONDI INTERNI VERSIONE Giugno 2010 Le linee di investimento Nelle forme di assicurazione rivalutabili

Dettagli

MATEMATICA E STATISTICA CORSO A III COMPITINO 20 Marzo 2009

MATEMATICA E STATISTICA CORSO A III COMPITINO 20 Marzo 2009 MATEMATICA E STATISTICA CORSO A III COMPITINO Marzo 9 SOLUZIONI. () Sia X una variabile aleatoria binomiale con valor medio uguale a 5/; la varianza di X può valere? Giustificare la risposta. Il valor

Dettagli

Tempo massimo 2 ore. Consegnare solamente la bella copia. 1. Disegnare il graco della funzione: [10 punti]

Tempo massimo 2 ore. Consegnare solamente la bella copia. 1. Disegnare il graco della funzione: [10 punti] Tempo massimo 2 ore. Consegnare solamente la bella copia. Metodi Matematici per l'economia A-K Corso di Laurea in Economia - anno acc. 202/203 7 gennaio 203. Disegnare il graco della funzione: [0 punti]

Dettagli

1. calcolare la funzione dei costi totali di breve periodo

1. calcolare la funzione dei costi totali di breve periodo Domanda 1 Data la funzione di utilità CES U= (x 1 1/3 + x 2 1/3 ) 3, indicando con p 1 il prezzo del bene 1; p 2 il prezzo del bene 2 e I il reddito a) Definire e derivare la domanda Marshalliana b) Derivare

Dettagli

Funzioni elementari. Tutorial di Barberis Paola - agg grafici con GEOGebra - software open source

Funzioni elementari. Tutorial di Barberis Paola - agg grafici con GEOGebra - software open source Funzioni elementari Proporzionalità diretta e inversa Retta, funzione identità e funzione costante Parabola, funzione quadratica e cubica Funzione omografica Funzione esponenziale e logaritmica Funzioni

Dettagli

Analisi delle Istituzioni Politiche Lez. 2 Scelta individuale

Analisi delle Istituzioni Politiche Lez. 2 Scelta individuale Analisi delle Istituzioni Politiche Lez. 2 Scelta individuale 1 Scelta razionale e utilità Sapere stabilire un ordinamento di preferenza completo e transitivo equivale ad assegnare un numero/indice a ogni

Dettagli

Teoria delle decisioni

Teoria delle decisioni A. A. 2017-2018 Teoria delle decisioni introduzione expected utility prof. ing. Antonio Comi Department of Enterprise Engineering Tor Vergata University of Rome Teoria delle decisioni razionali Teoria

Dettagli

Vincenzo Ciancio Armando Ciancio. Metodi matematici per le applicazioni finanaziarie

Vincenzo Ciancio Armando Ciancio. Metodi matematici per le applicazioni finanaziarie A01 73 Vincenzo Ciancio Armando Ciancio Metodi matematici per le applicazioni finanaziarie Copyright MMV ARACNE editrice S.r.l. www.aracneeditrice.it info@aracneeditrice.it via Raffaele Garofalo, 133

Dettagli

Studio di funzione. Studio di funzione: i passi iniziali

Studio di funzione. Studio di funzione: i passi iniziali Studio di funzione Si dice che una variabile dipendente y è funzione di una variabile indipendente quando esiste un legame di natura qualsiasi che ad ogni valore di faccia corrispondere uno e uno solo

Dettagli

Offerta di prodotti agricoli ed incertezza il processo produttivo in agricoltura si caratterizza per una stocasticità

Offerta di prodotti agricoli ed incertezza il processo produttivo in agricoltura si caratterizza per una stocasticità Offerta di prodotti agricoli ed incertezza il processo produttivo in agricoltura si caratterizza per una stocasticità maggiore di quella che si osserva in altri settori questa particolare stocasticità

Dettagli

1. Un capitale C = euro viene investito in t = 0 per 3 anni in capitalizzazione composta ai seguenti tassi:

1. Un capitale C = euro viene investito in t = 0 per 3 anni in capitalizzazione composta ai seguenti tassi: 1. Un capitale C = 15000 euro viene investito in t = 0 per 3 anni in capitalizzazione composta ai seguenti tassi: primo anno: tasso d interesse annuo del 6%; secondo anno: tasso d interesse annuo nominale

Dettagli