FUNZIONI DI UTILITA HARA (Hyperbolic Absolute Risk Aversion)

Размер: px
Начинать показ со страницы:

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

Транскрипт

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

Подробнее

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

Подробнее

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

Подробнее

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

Подробнее

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

Подробнее

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

Подробнее

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

Подробнее

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioni di Statistica Variabili casuali Prof. Livia De Giovanni [email protected] 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 =

Подробнее

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

Подробнее

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

Подробнее

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.

Подробнее

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

Подробнее

ESERCITAZIONE: ESPONENZIALI E LOGARITMI

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

Подробнее

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

Подробнее

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.

Подробнее

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

Подробнее

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

Подробнее

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

Подробнее

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

Подробнее

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.

Подробнее

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,

Подробнее

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.

Подробнее

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:

Подробнее

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

Подробнее

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

Подробнее

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

Подробнее

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

Подробнее

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

Подробнее

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

Подробнее

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 )

Подробнее

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

Подробнее

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

Подробнее

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

Подробнее

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 ([email protected]) Dipartimento di Economia e Management Università di Pisa A.A. 2014/2015 INFORMAZIONI GENERALI:

Подробнее

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

Подробнее

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

Подробнее

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

Подробнее

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

Подробнее

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

Подробнее

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

Подробнее

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

Подробнее

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

Подробнее

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

Подробнее

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

Подробнее

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

Подробнее