Applicazione alla Finanza dei metodi di EDP-Modello di Black-Scholes
|
|
- Floriana Grilli
- 6 anni fa
- Visualizzazioni
Transcript
1 Applicazione alla Finanza dei metodi di EDP-Modello di Black-Scholes Docente:Alessandra Cutrì
2 Descrizione del Modello - Opzioni OPZIONE è il più semplice strumento derivato: E un contratto che da la possibilità (ma non l obbligo) a chi lo detiene di acquistare (o vendere) una certa quantità di un titolo sottostante ad una data futura ed ad un prezzo prefissati: un bene sottostante di prezzo S (dipendente dal tempo) un prezzo di esercizio K (strike price) una data T (scadenza) o tempo di maturità Opzione Europea: il diritto può essere esercitato solo alla scadenza T Opzione Americana: il diritto può essere esercitato in un qualsiasi momento fino alla scadenza T Opzione Call: Diritto di acquistare Opzione Put: Diritto di vendere
3 Call Europea con Strike K e maturità T Consideriamo un Opzione Europea Call: il diritto di acquisto può essere esercitato solo alla scadenza T. Supponiamo che il bene sottostante alla scadenza T abbia un prezzo S T Al tempo T ci sono due possibilità: S T > K: il valore finale dell opzione (pay-off) corrispondente al ricavo che si ottiene esercitando l opzione (cioè acquistando il bene al prezzo K e rivendendolo al prezzo di mercato S T ) è pari a S T K S T < K: non conviene esercitare l opzione ed il pay-off è nullo In definitiva il pay-off di una Call europea è pari a (S T K) + = max{s T K, 0} Analogamente il pay-off di una Put Europea è pari a (K S T ) + = max{k S T, 0}
4 Quanto costa l Opzione? Modello di Prezzatura delle OPZIONI di Black Scholes (per cui ricevettero il Nobel per l economia): formule esplicite per il prezzo di opzioni di tipo Europeo. Ipotesi fondamentali: Efficienza del mercato: (1965-Eugene Fama) Il mercato è capace di rispondere immediatamente a qualsiasi nuova informazione sul bene sottostante in modo tale che la storia passata del bene sia interamente riflessa nel prezzo corrente dello stesso (Il passato è nel prezzo!) La variazione di prezzo di un bene segue un Processo Markowiano Assenza di arbitraggio: Non ci sono possibilità di fare profitti senza rischio ( variabilità sul rendimento finale) istantanei. OSS: L ipotesi di Efficienza di mercato è molto controversa in economia. Si sta sviluppando una nuova teoria introdotta da Peters nel 1994 basata su un ipotesi di mercato stabile o mercato frattale che si adatti meglio all evidenza empirica.
5 Variazione del prezzo del bene sottostante Costo di un Opzione Europea dipende dalla variazione di prezzo del bene sottostante: Efficienza del mercato La variazione di prezzo S del bene sottostante segue un Processo Markowiano (L andamento di S viene descritto da un equazione differenziale stocastica) Oss:non è interessante valutare le variazioni assolute del prezzo del bene (una variazione di prezzo di 2 euro su un bene che costava 100 euro è molto meno interessante rispetto alla stessa variazione su un bene che costava 4 euro) Oss: Importante è il RETURN (o rendimento): rapporto tra la variazione assoluta del prezzo ed il suo valore originale: ds S
6 Modello evolutivo del prezzo S del sottostante ds S = ds drift S Il return si compone di due parti: + ds stock S parte deterministica: ds drift S = µdt assimilabile al Return di denaro investito senza rischio in banca e caratterizzato dal parametro di drift µ che corrisponde al tasso medio di crescita del prezzo del bene (andamento medio del titolo) parte stocastica: ds Stock S = σdb tiene conto delle fluttuazioni del titolo dovute alla risposta del prezzo del titolo alle informazioni esogene. σ:volatilità: Misura le oscillazioni del prezzo del bene rispetto al trend e rappresenta la misura della suscettibilità del prezzo del bene alle informazioni esogene (deviazione standard dal return) db:processo di Wiener Moto Browniano
7 Moto Browniano geometrico Dunque il prezzo S del bene sottostante è soluzione di questa equazione differenziale stocastica: (Moto Browniano geometrico) ds = µsdt + σsdb OSS: Il modello per ds è un astrazione matematica in quanto segue un evoluzione continua nel tempo (dipende dall ipotesi di efficienza del mercato) in quanto nella realtà i prezzi dei beni sono quotati ad intervalli di tempo discreti ma questo produrrebbe una quantità enorme di dati che diverrebbe ingestibile
8 Poiché il valore dell opzione dipende dal prezzo del bene sottostante, per valutare tale valore è necessario studiare il comportamento di una V (S, t) quando S evolve nel tempo secondo l equazione differenziale stocastica ds = µsdt + σsdb Come si fa? Utilizzando la Formula di Ito che mette in relazione le piccole perturbazioni di una funzione di variabile aleatoria con le piccole fluttuazioni della variabile aleatoria stessa.
9 Richiamo:Moto Browniano Processo Stocastico: {X t } t R + è una famiglia dipendente da un parametro t di variabili aleatorie definite su uno spazio di probabilità (Ω, F, P) Moto Browniano 1 dim: {B t } t R + è un processo stocastico che soddisfa le proprietà: 1 B 0 = 0 quasi certamente 2 per ogni 0 s t, B t B s è una v.a. indipendente da B s (proprietà di Markow o senza memoria che implica che per ogni t > 0 e 0 t 0 < t 1 < < t n < t si ha P{B t Z B t0 = b 0, B t1 = b 1,..., B tn = b n } = P{B t Z B tn = b n } 3 per ogni 0 s t, B t B s ha una distribuzione di probabilità Gaussiana con media µ = 0 e varianza σ 2 = t s in particolare P{B t I } = I G(ω, t)dω con G(ω, t) = 1 e ω2 2t 2πt
10 Se indichiamo con B t = B t+ t B t con t > 0, E( B t ) = 0 E(( B t ) 2 ) = t per t 0 si ha db dtn (0, 1) = N (0, dt) (oss: E(X ) = Ω XdP) Il moto Browniano si può ottenere come limite di una passeggiata aleatoria simmetrica su un ipotetico asse x
11 Media e varianza di ds E(dS) = E(µSdt + σsdb) = µsdt in media il valore di S a (t + dt) è maggiore o minore (dipende dal segno di µ) per una quantità pari a µsdt Var(dS) = E(dS 2 ) (E(dS)) 2 = E(µSdt + σsdb) 2 ) (νsdt) 2 = E(µ 2 S 2 dt 2 + σ 2 S 2 (db) 2 + 2µS 2 dtdb) µ 2 S 2 dt 2 = σ 2 S 2 E((dB) 2 ) + 2µS 2 dte(db) = σ 2 S 2 E((dB) 2 ) = σ 2 S 2 dt (oss: Var(X ) = X E(X ) 2 L 2 (Ω,P) = Ω X E(X ) 2 dp)
12 Processo di Ito Def: Sia {B t } un Browniano 1 dim. Si definisce processo di Ito un processo stocastico {X (t)} sempre su (Ω, F, P) che soddisfa dx (t) = a(x (t), t)dt + b(x (t), t)db(t) X (0) = x 0 oss: Se b = 0 si ha un processo deterministico soluzione dell eq. diff. X (t) = a(x (t), t) oss: S è un processo di Ito con a(x, t) = µt e b(x, t) = σx se g(x, t) è regolare, possiamo sviluppare con Taylor ed ottenere g(x (t), t) = g(x (0), 0)+g t dt+g x dx [g xx(dx ) 2 +2g xt dxdt+g tt (dt) 2 ]+ il differenziale di g si ottiene prendendo le parti lineari in dt e dx. I termini del tipo dxdt e (dt) 2 sono di ordine superiore ma il (dx ) 2 = [adt + bdb] 2 = a 2 (dt) 2 + 2abdtdB + b 2 (db) 2 ma b 2 (db) 2 b 2 dt quindi dg = [g t + ag x b2 g xx ]dt + bg x db OSS: L operatore L = t + a x b2 2 xx è associato all eq.differenziale stocastica
13 Applicazione calcolo di Ito al pay-off V (S, t) Applichiamo il differenziale di Ito alla funzione pay-off calcolata al variare dell istante temporale t [0, T ] V (S, t) segue l evoluzione del prezzo S secondo la DSE del Moto Browniano geometrico quindi ds = µsdt + ΣSdB dv = [V t + µsv S σ2 S 2 V SS ]dt + σsv S db Il modello di Black-Scholes si basa sulla possibilità di rendere deterministica la variazione dv cioè eliminare il termine σsv S db. Come è possibile? Costruendo un portafoglio auto-finanziante privo di rischio e che consiste di V e di opportune quantità del bene sottostante S (si usa assenza di arbitraggio)
14 Ipotesi di modello BS per calcolo di V Le Ipotesi del modello BS sono S evolve secondo ds = µsdt + σsdb tasso di interesse privo di rischio r e la volatilità σ sono costanti e NOTE ( 1E al tempo zero frutta e rt E al tempo T ) non ci sono costi di transazione dividendi nulli (poi vediamo come si generalizzano) E possibile la vendita o l accquisto in ogni istante di una qualsiasi quantità di bene No ARBITRAGGIO:cioè ogni investimento istantaneo senza rischio DEVE avere rendimento r Portafoglio autofinanziante
15 Come si rende deterministico dv? Si costruisce un portafoglio Π privo di rischio che consiste dell opzione V e di una quantità di sottostante. Per assenza di arbitraggio Π deve crescere al tasso di interesse r: essendo dπ = rπdt Π = V S dove quantità di sottostante che si suppone costante nell intervallo (t, t + dt) uguale al valore che aveva in t. La variazione di Π in (t, t + dt) è dπ = dv ds = [V t +µsv S σ2 S 2 V SS ]dt [µsdt+σsdb]+σsv S db Se scegliamo in modo che σsv S db σsdb = 0 cioè = V S (t, S) in (t, t + dt) abbiamo (per l assenza di arbitraggio) dπ = [V t σ2 S 2 V SS ]dt = r(v SV S )dt
16 Equazione di Black-Scoles otteniamo l EDP di Black-Scholes (senza pagamento dividendi): V t σ2 S 2 V SS rv rsv S = 0 Oss: non compare più il coefficiente µ (tasso di crescita medio del prezzo del sottostante) Se esercitiamo un opzione europea su un sottostante che colorred paga dividendi in tempo continuo (per esempio costituito da quote azionarie di diverse imprese che pagano dividendi in periodi differenti dell anno questa ipotesi è accettabile), nell intervallo (t, t + dt) l ammontare del diviedndo pagato è δsdt con δ: tasso istantaneo di dividendo Flusso di dividendi decremento del prezzo S in dt uguale al tasso pagato dal dividendo (per assenza di arbitraggio) altrimenti comprando il titolo al tempo t e rivendendolo subito dopo aver ricevuto il dividendo si otterrebbe un guadagno pari a δsdt senza rischio
17 Equazione di Black-Scoles con flusso di dividendi Tale modifica porta alla modifica nell eq. BS seguente: V t σ2 S 2 V SS rv (r δ)sv S = 0 E un EDP a coefficienti variabili abbiamo la condizione di Cauchy al tempo T (equazione Backward): V (S T, T ) = (S T K) + attraverso opportune trasformazioni arriveremo all equazione del calore di cui conosciamo la soluzione in forma esplicita e poi ritrasformando otterremo la soluzione V (S, t) in forma esplicita (tutto con metodi analitici)
18 Dall eq. di BS all equazione del calore Vogliamo risolvere con metodi analitici l eq. di Black-Scholes V t σ2 S 2 V SS rv (r δ)sv S = 0 (1) definita su D V := {(S, t) t.c.s > 0, 0 t T } Trasformazione di coordinate (S, t) (x, τ) ed un cambiamento di incognita V (S, t) u(x, τ) in modo che u soddisfi l equazione del calore u τ = u xx x R 0 τ σ2 2 T Si risolve come sappiamo l eq. del calore e si torna indietro ottenendo la soluzione esplicita V (S, t)
19 Primo passo: trasformare (1) in una EDP a coefficienti costanti Poniamo: S = Ke x x = log S K x R t = T 2τ σ 2 τ = σ2 σ2 (T t) 0 τ 2 2 T Consideriamo prima la funzione ausiliaria: v(x, τ) := 1 K V (S, t) = 1 K V (Kex, T 2τ σ 2 ) e vediamo l equazione soddisfatta da v(x, τ)
20 Poiché V (S, t) = Kv(x, τ) abbiamo: V t = Kv τ τ t = Kv τ ) ( σ2 2 x V S = Kv x S = Kv K 1 x S k = K S v x V SS = ( K S S v x(x, τ) ) = K v S 2 x + K S S (v x(x, τ)) = = K v S 2 x + K S v xx x S = K v S 2 x + K K 1 S S K v xx = = K v S 2 x + K v S 2 xx Quindi V (S, t) soddisfa (1) v(x, τ) soddisfa: cioè σ2 2 Kv τ σ2 S 2 ( K S 2 v x + K S 2 v xx) + (r δ)kv x rkv = 0 ( ) 2(r δ) v τ = v xx + σ 2 1 v x 2r σ 2 v
21 Chiamando p := 2(r δ) σ 2 ( ) 2(r δ) v τ = v xx + σ 2 1 v x 2r σ 2 v e ι := 2δ σ 2 otteniamo v τ = v xx + (p 1) v x (p + ι)v (2) Per arrivare all equazione del calore, chiamiamo γ := 1 2 (p 1) e β := 1 (p + 1) = γ OSS: β 2 = γ 2 + p. Infatti: 1 4 (p + 1)2 = 1 4 (p 1)2 + p Infine definiamo la nuova incognita u: v(x, τ) = e γx (β2 +ι)τ u(x, τ) Verifichiamo che se v soddisfa (2) allora soddisfa l eq. del calore. u(x, τ) = e γx+(β2 +ι)τ v(x, τ)
22 v(x, τ) = e γx (β2 +ι)τ u(x, τ) Quindi v τ = e γx (β2 +ι)τ u τ (β 2 + ι)e γx (β2 +ι)τ u = e γx (β2 +ι)τ [u τ (β 2 + ι)u] v x = e γx (β2 +ι)τ [ γu + u x ] v xx = e γx (β2 +ι)τ [γ 2 u 2γu x + u xx ] Sostituendo in (2) e γx (β2 +ι)τ [u τ (β 2 + ι)u γ 2 u + 2γu x u xx (p 1)( γu + u x ) +(p + ι)u] = 0
23 Cioè [u τ (β 2 + ι)u γ 2 u + 2γu x u xx (p 1)( γu + u x ) +(p + ι)u] = 0 che implica, essendo γ := 1 2 (p 1) e β2 = γ 2 + ι, che il coefficiente che moltiplica u sia nullo; infatti: (β 2 +ι)+γ 2 γ(p 1) p ι = 2γ 2 +p γp+γ p = γ[2γ p+1] = 0 quindi u soddisfa u τ (x, τ) = u xx (x, τ) x R, 0 τ σ2 2 T
24 Equazione del calore Equazione del calore unidimensionale u τ (x, τ) = u xx (x, τ) x R, 0 τ σ2 2 T con condizione iniziale u(x, 0) = u 0 (x) x R ha per soluzione u(x, τ) = G(x, τ) u 0 (x) dove G(x, τ) = 1 e x2 4τ 4πτ = Φ0, 2τ (x) cioè la densità di probabilità di una distribuzione Normale di Media zero e Varianza 2τ.
25 Qual è la condizione iniziale u 0? Chi è u 0 (x)? τ = σ2 2 (T t) τ = 0 corrisponde a t = T quindi la condizione iniziale per u corrisponde alla condizione al tempo T per V che è nota! u(x, 0) = e γx v(x, 0) = 1 K eγx V (S, T ) = 1 K eγx V (Ke x, T ) ma V (S, T ) è il valore dell opzione Europea call (o put) al tempo di maturità, quindi V call (S, T ) = (S T K) + V put (S, T ) = (K S T ) + Valutiamo l opzione Call (la Put è analoga). Sia u c (x, 0) il dato iniziale relativo all opzione Call; abbiamo: u c (x, 0) = 1 K eγx V call (Ke x, T ) = 1 K eγx (Ke x K) + = (e (γ+1)x e γx ) + = max{e βx e γx ; 0} (β = γ + 1)
26 Formula esplicita per u call (x, τ) Si ha quindi u call (x, τ) = G(x, τ) u c (x, 0) = 1 4πτ e x2 4τ uc (x, 0) u call (x, τ) = 1 4πτ R e (x y)2 4τ max{e βy e γy ; 0}dy Essendo β = γ + 1 ne segue che per y 0 l integrando si annulla e dunque u call (x, τ) = 1 + 4πτ 0 e (x y)2 4τ (e βy e γy )dy := I β I γ
27 dove I α : = 1 4πτ + 0 e (x y) 2 = exα+τα2 4πτ + 4τ +αy dy = 1 0 e [(x+2τα) y] 2 ) 4τ Ponendo η = x+2τα 2τ, si ha dy + 4πτ 0 e (x 2 2y(x+2τα)+y 2 ) 4τ dy I α = exα+τα2 2π x+2τα 2τ e η2 2 dη Usando la funzione di ripartizione di una normale standard di media zero e varianza uno: Φ(ξ) = ξ e η2 2 dη 2π I α = e xα+τα2 Φ( x + 2τα 2τ )
28 Quindi u call (x, τ) = I β I γ = e xβ+τβ2 Φ( x + 2τβ ) e xγ+τγ2 Φ( x + 2τγ ) 2τ 2τ Tutto va scritto in termini di V c (S, t). A tal proposito poniamo d 1 := x + 2τβ 2τ d 2 := x + 2τγ 2τ Poiché x = log S K e τ = σ2 2 (T t) si ha d 1 = log S K + σ2 (T t) 1 2 (p + 1) σ T t = log S K + ( σ2 2 d 2 = log S K + σ2 (T t) 1 2 (p 1) σ = log S K T t OSS: d 2 = d 1 σ T t + r δ)(t t) σ T t σ2 + ( 2 + r δ)(t t) σ T t
29 Formula esplicita per V call (S, t) Essendo V (S, t) = Kv(x, τ) = Ke γx (β2 +ι)τ u(x, τ), abbiamo V c (S, t) = Ke γx (β2 +ι)τ {e βx+β2τ Φ(d 1 ) e γx+γ2τ Φ(d 2 )} = Ke (β γ)x ιτ Φ(d 1 ) Ke (γ2 β 2 ι)τ Φ(d 2 ) ma β γ = 1, ιτ = 2 δτ = δ(t t), β 2 = γ 2 + p, p + ι = 2r σ 2 σ 2 quindi Ke (β γ)x ιτ δ(t t) = Se e Analogamente Ke (γ2 β 2 ι)τ r(t t) = Ke V call (S, t) = Se δ(t t) Φ(d 1 ) Ke r(t t) Φ(d 2 ) V put (S, t) = Ke r(t t) Φ( d 2 ) Se δ(t t) Φ( d 1 )
30 Chi è la per l opzione Call? Poiché = S (V call(s, t)) = e δ(t t) Φ(d 1 ) > 0 Si ha inoltre che V S è crescente in S quindi la funzione V call (S, t) è una funzione convessa in S per ogni t Analogamente per le opzioni Put
Esercizi su equazioni differenziali stocastiche e teorema di Girsanov (con soluzioni)
Esercizi su equazioni differenziali stocastiche e teorema di Girsanov con soluzioni). Moto Browniano geometrico Per r, σ >, si consideri l EDS lineare con coeff. costanti: dx t rx t dt + σx t db t, X x
DettagliVALUTAZIONE DEGLI STRUMENTI DERIVATI
CONFINDUSTRIA- Genova VALUTAZIONE DEGLI STRUMENTI DERIVATI Simone Ligato Genova, 15 Febbraio 2017 1 COSA SONO I DERIVATI Strumenti finanziari il cui valore dipende interamente dall asset sottostante; IFRS
DettagliLa diffusione e il moto Browniano
La diffusione e il moto Browniano 0. La diffusione La prima legge di Fick afferma che: ϕ = DA dx (0..) dove D è il coefficiente di diffusione con [D] = m2 s, ϕ è la corrente di massa con [ϕ] = N s dove
DettagliMATEMATICA 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
DettagliSpazio di probabilità
Spazio di probabilità Uno spazio di probabilità è una terna (Ω, A, P), dove Ω è un insieme qualunque (in genere pensato come l insieme dei risultati possibili di un esperimento casuale), A è detta σ-algebra,
DettagliDerivazione Numerica
Derivazione Numerica I metodi alle differenze finite sono basati sull approssimazione numerica di derivate parziali. Per questo consideriamo come problema iniziale quello di approssimare le derivate di
DettagliModello Black-Scholes
Modello Black-Scholes R. Marfé Indice 1 Il modello Black Scholes 1.1 Formule di valutazione per le opzioni standard......... 3 1. Implementazione in VBA..................... 6 1 1 Il modello Black Scholes
DettagliTECNICA DEI PRODOTTI FINANZIARI E ASSICURATIVI Corso di laurea magistrale in Economia e Finanza Prova scritta d esame 13 gennaio 2017.
COGNOME e NOME NUMERO di MATRICOLA TECNICA DEI PRODOTTI FINANZIARI E ASSICURATIVI Corso di laurea magistrale in Economia e Finanza Prova scritta d esame 13 gennaio 2017. 1. Dopo aver illustrato le caratteristiche
DettagliMetodi Stocastici per la Finanza
Metodi Stocastici per la Finanza Tiziano Vargiolu vargiolu@math.unipd.it 1 1 Università degli Studi di Padova Anno Accademico 2013-2014 Lezione 4 Indice 1 Convergenza in legge di processi stocastici 2
DettagliTrasformata di Fourier e applicazioni
Trasformata di Fourier e applicazioni Docente:Alessandra Cutrì Trasformata di Fourier della funzione gaussiana Esempio: Calcoliamo la trasformata di Fourier di f (x) = e x 2 x n f (x) L 1 (R) per ogni
DettagliRischi 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
DettagliLE OPZIONI: GLI ELEMENTI DI. Gino Gandolfi SDA BOCCONI
LE OPZIONI: GLI ELEMENTI DI VALUTAZIONE Gino Gandolfi SDA BOCCONI I LIMITI DI PREZZO DELLE OPZIONI Sostanzialmente, una call americana od europea dà al possessore ad acquistare l attività sottostante ad
DettagliASPETTI INTRODUTTIVI DI PRICING
1 ASPETTI INTRODUTTIVI DI PRICING L opzione europea (o vanilla) è una scommessa sul valore del sottostante ad una scadenza determinata T La call è una scommessa sul rialzo al di sopra di K La put è una
DettagliLa finanza quantitativa e i sistemi complessi
La finanza quantitativa e i sistemi complessi Fulvio Baldovin Dip. Fisica, Sezione INFN e CNISM, Università di Padova Attilio Stella, Enzo Orlandini, Francesco Camana Dip. Fisica, Sezione INFN e CNISM,
DettagliTeorie non finanziarie dell investimento
Teorie non finanziarie dell investimento Investimento, Informazione e Razionalità A. M. Variato Saggi di Teoria e Politica Economica, Giuffrè, 2004 Daniela Maggioni Tatiana Conti 1 Teorie non finanziarie
DettagliEsercizi su formula di Itô
Esercizi su formula di Itô 1. Scrivere il differenziale stocastico dei seguenti processi: (i) X t = B t (ii) X t = t + e B t (iii) X t = B 3 t 3tB t (iv) X t = 1 + t + e B t (v) X t = [B 1 (t)] + [B (t)]
DettagliUNIVERSITÁ 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
DettagliCalcolo delle Probabilità 2
Prova d esame di Calcolo delle Probabilità 2 Maggio 2006 Sia X una variabile aleatoria distribuita secondo la densità seguente ke x 1 x < 0 f X (x) = 1/2 0 x 1. 1. Determinare il valore del parametro reale
DettagliCorso 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
DettagliSIMULAZIONE - 29 APRILE QUESITI
www.matefilia.it SIMULAZIONE - 29 APRILE 206 - QUESITI Q Determinare il volume del solido generato dalla rotazione attorno alla retta di equazione y= della regione di piano delimitata dalla curva di equazione
Dettagliparametri della cinematica
Cinematica del punto Consideriamo il moto di una particella: per particella si intende sia un corpo puntiforme (ad es. un elettrone), sia un qualunque corpo esteso che si muove come una particella, ovvero
DettagliCRESCITA DI POPOLAZIONI. Consideriamo una popolazione di esseri viventi e indichiamo con n(t) il numero di individui della popolazione al tempo t:
CRESCITA DI POPOLAZIONI Consideriamo una popolazione di esseri viventi e indichiamo con n(t) il numero di individui della popolazione al tempo t: n : R N Questa è una funzione costante a tratti, cioè una
DettagliPrecorso di Matematica
UNIVERSITÀ DEGLI STUDI ROMA TRE FACOLTA DI ARCHITETTURA Precorso di Matematica Anna Scaramuzza Anno Accademico 2005-2006 4-10 Ottobre 2005 INDICE 1. ALGEBRA................................. 3 1.1 Equazioni
DettagliTeoria dei Segnali Trasmissione binaria casuale; somma di processi stocastici
eoria dei Segnali rasmissione binaria casuale; somma di processi stocastici Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it eoria dei Segnali rasmissione
DettagliInflazione, disoccupazione e moneta
Macroeconomia (Clamm) - a.a. 2011/2012 Contenuto Curva di Phillips e aspettative 1 Curva di Phillips e aspettative 2 3 4 Curva di Phillips Offerta aggregata: con: P t livello generale dei prezzi; P e t
DettagliData 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,
DettagliVariabili 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
DettagliIl 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
DettagliIL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA
Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale
Dettagli= 1. Dall equazione 8.4. z = z = 4 3
Esercizio 8.1 L equazione 8. definisce che il prezzo di vendita del prodotto è dato dal prodotto tra mark-up e costo marginale nel caso del duopolio. Nel caso dell esercizio, possiamo agevolmente calcolare
Dettaglif df(p 0 ) lim = 0 f(x, y) dxdy =
CORSO I LAUREA IN INGEGNERIA EILE - UNIVERSIÀ LA SAPIENZA, ROMA CORSO I ANALISI MAEMAICA 2 (LEERE M - Z) - a. a. 2007/ 08 FORMULARIO SINEICO I ANALISI MAEMAICA 2 Coordinate polari x = ρ cos(θ) y = ρ sin(θ),
DettagliMODELLIZZAZIONE DEI TASSI DI INTERESSE
MODELLIZZAZIONE DEI TASSI DI INTERESSE Derivati su obbligazioni e simili (1) Per determinare un prezzo ai derivati che hanno come sottostante una obbligazione o simili vi è bisogno di avere un modello
DettagliScheda n.3: densità gaussiana e Beta
Scheda n.3: densità gaussiana e Beta October 10, 2008 1 Definizioni generali Chiamiamo densità di probabilità (pdf ) ogni funzione integrabile f (x) definita per x R tale che i) f (x) 0 per ogni x R ii)
DettagliEsercitazioni di Matematica
Università degli Studi di Udine Anno Accademico 009/00 Facoltà di Agraria Corsi di Laurea in VIT e STAL Esercitazioni di Matematica novembre 009 Trovare le soluzioni della seguente disequazione: x + +
DettagliTEMI D ESAME DI ANALISI MATEMATICA I
TEMI D ESAME DI ANALISI MATEMATICA I Corso di laurea quadriennale) in Fisica a.a. 003/04 Prova scritta del 3 aprile 003 ] Siano a, c parametri reali. Studiare l esistenza e, in caso affermativo, calcolare
DettagliStock markets (mercati azionari) : le borse nella nozione comune del termine, ad esempio, New York, Londra,Tokyo, Milano etc
MERCATI FINANZIARI e Opzioni Introduzione Stock markets (mercati azionari) : le borse nella nozione comune del termine, ad esempio, New York, Londra,Tokyo, Milano etc Bond markets (mercati obbligazionari)
DettagliFunzioni implicite - Esercizi svolti
Funzioni implicite - Esercizi svolti Esercizio. È data la funzione di due variabili F (x, y) = y(e y + x) log x. Verificare che esiste un intorno I in R del punto di ascissa x 0 = sul quale è definita
DettagliFondamenti di Automatica
Fondamenti di Automatica Introduzione e modellistica dei sistemi Introduzione allo studio dei sistemi Modellistica dei sistemi dinamici elettrici Modellistica dei sistemi dinamici meccanici Modellistica
DettagliCalcolo delle Probabilità e Statistica, Ingegneria Civile e A&T e Informatica I prova finale a.a. 2016/17
Calcolo delle Probabilità e Statistica, Ingegneria Civile e A&T e Informatica I prova finale aa 6/ Punteggi: : 3 + 6; : + + + ; 3: + Una scatola contiene monete; 8 di queste sono equilibrate, mentre le
DettagliI PIANI DI STOCK OPTION COME STRUMENTO DI INCENTIVAZIONE PER I DIPENDENTI
UNIVERSIA DEGLI SUDI DI CAGLIARI FACOLA DI ECONOMIA CORSO DI LAUREA IN ECONOMIA E GESIONE AZIENDALE I PIANI DI SOCK OPION COME SRUMENO DI INCENIVAZIONE PER I DIPENDENI Relatore: Prof. Masala Giovanni B.
Dettagli7. Forze elastiche. Nella figura 1 il periodo è T = 2s e corrisponde ad un moto unidimensionale limitato tra i valori x = 0 ed x = 1.
1 Moti periodici 7. Forze elastiche Un caso particolare di moto accelerato è un moto periodico. In figura 1 è riportato un esempio di moto periodico unidimensionale. Un moto periodico si ripete identicamente
DettagliCALENDARIO BOREALE 1 EUROPA 2015 QUESITO 1
www.matefilia.it Indirizzi: LI0, EA0 SCIENTIFICO; LI0 - SCIENTIFICO - OPZIONE SCIENZE APPLICATE CALENDARIO BOREALE EUROPA 05 QUESITO La funzione f(x) è continua per x [ 4; 4] il suo grafico è la spezzata
Dettagli( t) NR( t) NR( t) ( t)
prof Valerio CURCIO Simulazione del prezzo del petrolio 1 1. Processi stocastici stazionari e non stazionari dall analisi del prezzo del petrolio Quello che vogliamo fare in questo articolo è un analisi
DettagliApprossimazione di Stirling
Approssimazione di Stirling Marcello Colozzo - http://www.extrabyte.info 1 Rappresentazione integrale della funzione gamma Ricordiamo il teorema: Teorema 1 Sia ψ (t) la funzione complessa della variabile
DettagliVerso l integrale stocastico
Verso l integrale stocastico Una versione più corretta di è la sua forma integrale ds(t) = σs(t)dx(t) + µs(t)dt S(t) = S() + σs(u)db(u) + µs(u)du Ricordando che S è un processo che descrive la dinamica
DettagliLEZIONI DI ANALISI MATEMATICA I. Equazioni Differenziali Ordinarie. Sergio Lancelotti
LEZIONI DI ANALISI MATEMATICA I Equazioni Differenziali Ordinarie Sergio Lancelotti Anno Accademico 2006-2007 2 Equazioni differenziali ordinarie 1 Equazioni differenziali ordinarie di ordine n.................
DettagliANALISI DELLE SERIE STORICHE
ANALISI DELLE SERIE STORICHE De Iaco S. s.deiaco@economia.unile.it UNIVERSITÀ del SALENTO DIP.TO DI SCIENZE ECONOMICHE E MATEMATICO-STATISTICHE FACOLTÀ DI ECONOMIA 24 settembre 2012 Indice 1 Funzione di
DettagliCALENDARIO BOREALE 2 AMERICHE 2015 QUESITO 1
www.matefilia.it Indirizzi: LI0, EA0 SCIENTIFICO; LI0 - SCIENTIFICO - OPZIONE SCIENZE APPLICATE CALENDARIO BOREALE AMERICHE 0 QUESITO Determinare il volume del solido generato dalla rotazione attorno alla
DettagliI teoremi della funzione inversa e della funzione implicita
I teoremi della funzione inversa e della funzione implicita Appunti per il corso di Analisi Matematica 4 G. Mauceri Indice 1 Il teorema della funzione inversa 1 Il teorema della funzione implicita 3 1
DettagliScrivere la funzione di payoff alla scadenza e disegnarne il grafico.
Cognome, nome e n. matricola METODI E MODELLI QUANTITATIVI PER LE SCELTA FINANZIARIE Corso di laurea magistrale in sviluppo economico e dell impresa Prova scritta d esame TREVISO 25 I 2017. 1) Si consideri
Dettagli1 Portofoglio autofinanziante
1 Portofoglio autofinanziante Supponiamo che l evoluzione del titolo A 1 sia S 1 t) e l evoluzione del titolo A sia S t). Supponiamo che al tempo 0 io abbia una somma X0) che voglio investire parte in
DettagliX (o equivalentemente rispetto a X n ) è la
Esercizi di Calcolo delle Probabilità della 5 a settimana (Corso di Laurea in Matematica, Università degli Studi di Padova). Esercizio 1. Siano (X n ) n i.i.d. di Bernoulli di parametro p e definiamo per
DettagliEquazioni differenziali. f(x, u, u,...,u (n) )=0,
Lezione Equazioni differenziali Un equazione differenziale è una relazione del tipo f(x, u, u,...,u (n) )=, che tiene conto del valori di una funzione (incognita) u e delle sue derivate fino ad un certo
DettagliCAPITOLO 1 LA FUNZIONE DI PRODUZIONE E LA CRESCITA ECONOMICA
CAPITOLO 1 LA FUZIOE DI PRODUZIOE E LA CRESCITA ECOOMICA 11 La funzione di produzione Data una funzione di produzione in cui la quantità prodotta () dipende dalla quantità di capitale () e di lavoro ()
DettagliSoluzioni dei problemi della maturità scientifica A.S. 2012/2013
Soluzioni dei problemi della maturità scientifica A.S. / Nicola Gigli Sun-Ra Mosconi June, Problema. Il teorema fondamentale del calcolo integrale garantisce che Quindi f (x) = cos x +. f (π) = cos π +
DettagliAppunti della lezione sulla Equazione Differenziale delle Onde
Appunti della lezione sulla Equazione Differenziale delle Onde ultima revisione: 21 giugno 2017 In tutti i casi analizzati precedentemente si osserva che le onde obbediscono alla stessa Equazione Differenziale
DettagliProbabilità e Statistica Esercizi
Corso di PIANIFICAZIONE DEI TRASPORTI 1 ing. Antonio Comi Marzo 2006 Probabilità e Statistica Esercizi 1 Variabile aleatoria X(E): funzione che associa ad un evento E dello spazio delle prove un numero
DettagliDIFFERENZIAZIONE. Sia f una funzione reale di variabile reale con dominio un intervallo. Se f è derivabile in un punto x 0, allora: f(x) f(x 0 ) lim
DIFFERENZIAZIONE 1 Regola della catena Sia f una funzione reale di variabile reale con dominio un intervallo. Se f è derivabile in un punto x 0, allora: f(x) f(x 0 ) lim = f (x 0 ). x x 0 x x 0 Questa
DettagliLe derivate parziali
Sia f(x, y) una funzione definita in un insieme aperto A R 2 e sia P 0 = x 0, y 0 un punto di A. Essendo A un aperto, esiste un intorno I(P 0, δ) A. Preso un punto P(x, y) I(P 0, δ), P P 0, possiamo definire
Dettagli2zdz (z 2 + 1)(2z 2 5z + 2)
Esercizio. alcolare l integrale complesso 2zdz (z 2 + )(2z 2 5z + 2) usando il teorema dei residui e dove è la circonferenza avente centro nell origine e raggio 2 positivamente orientata. Svolgimento.
DettagliIntroduzione al Metodo agli Elementi Finiti (FEM) (x, y) Γ Tale formulazione viene detta Formulazione forte del problema.
Introduzione al Metodo agli Elementi Finiti (FEM) Consideriamo come problema test l equazione di Poisson 2 u x 2 + 2 u = f(x, y) u = f y2 definita su un dominio Ω R 2 avente come frontiera la curva Γ,
DettagliAnnamaria Mazzia. Corso di Metodi Numerici per l Ingegneria dispense e altro materiale su
Soluzione di un sistema non lineare con la Regula Falsi generalizzata per la determinazione degli angoli conico di taglio ed elicoidale di taglio di una cremagliera Annamaria Mazzia Dipartimento di Metodi
Dettagli1 Equazioni Differenziali
Equazioni Differenziali Un equazione differenziale è un equazione che esprime un legame tra una variabile indipendente x (o t, quando ci riferiamo al tempo) una variabile dipendente y o incognita che sta
DettagliMatematica Applicata L-A Definizioni e teoremi
Definizioni e teoremi Settembre - Dicembre 2008 Definizioni e teoremi di statistica tratte dalle lezioni del corso di Matematica Applicata L- A alla facoltà di Ingegneria Elettronica e delle Telecomunicazioni
DettagliVolatilità implicita. P(t) = S(t)Φ(d 1 ) e r(t t) K Φ(d 2 ) con. d 1 = d 2 + σ T t. d 2 =
Volatilità implicita Abbiamo visto come sia possibile calcolare la volatilità di un titolo attraverso la serie dei log-return. In teoria però la volatilità di un sottostante può essere determinata dal
Dettaglia) Il denominatore dev essere diverso da zero. Studiamo il trinomio x 2 5x + 6. Si ha: x 1,2 = 5 ± se x ], 2[ ]3, + [;
ESERCIZIO - Data la funzione f (x) + x2 2x x 2 5x + 6, si chiede di: a) calcolare il dominio di f ; (2 punti) b) studiare la positività e le intersezioni con gli assi; (3 punti) c) stabilire se f ha asintoti
DettagliPulse Amplitude Modulation (PAM) 2 Scelta delle risposte impulsive dei filtri in trasmissione e ricezione
Pulse Amplitude Modulation (PAM 1 Definizione La trasmissione di una sequenza di numeri {a k } mediante un onda PAM consiste nel generare, a partire dalla sequenza {a k } il segnale a tempo continuo u(t
DettagliRisoluzione di sistemi lineari sparsi e di grandi dimensioni
Risoluzione di sistemi lineari sparsi e di grandi dimensioni Un sistema lineare Ax = b con A R n n, b R n, è sparso quando il numero di elementi della matrice A diversi da zero è αn, con n α. Una caratteristica
DettagliProva Scritta di Probabilità e Statistica Cognome: Laurea in Matematica. 10 settembre 2012 Matricola: Nome:
Prova Scritta di Probabilità e Statistica Cognome: Laurea in Matematica Nome: 10 settembre 2012 Matricola: ESERCIZIO 1. Facendo uso solamente della definizione di spazio di probabilità, dell additività
DettagliIntroduzione alle opzioni
PROGRAMMA 1) Nozioni di base di finanza aziendale 2) Opzioni 3) Valutazione delle aziende 4) Finanziamento tramite debiti 5) Risk management Introduzione alle opzioni 6) Temi speciali di finanza aziendale
DettagliIl Principio di Indeterminazione di Heisenberg
Il Principio di Indeterminazione di Heisenberg Il Principio di Indeterminazione di Heisenberg è uno dei fondamenti della meccanica quantistica, e stabilisce che non è possibile ottenere nello stesso tempo
DettagliDISUGUAGLIANZA PUNTUALE DI DOOB
Alma Mater Studiorum Università di Bologna SCUOLA DI SCIENZE Corso di Laurea in Matematica DISUGUAGLIANZA PUNTUALE DI DOOB Tesi di Laurea in Finanza Matematica Relatore: Chiar.mo Prof. ANDREA PASCUCCI
Dettagli1. Funzioni implicite
1. Funzioni implicite 1.1 Il caso scalare Sia X R 2 e sia f : X R. Una funzione y : (a, b) R si dice definita implicitamente dall equazione f(x, y) = 0 in (a, b) quando: 1. (x, y(x)) X x (a, b); 2. f(x,
Dettagli0 se y c 1 (y)) se c < y < d. 1 se y d
Capitolo. Parte IX Exercise.. Sia X una variabile aleatoria reale assolutamente continua e sia (a,b) un intervallo aperto (limitato o illimitato) di R, tale che P(X (a,b)) =. Sia ϕ : (a,b) R una funzione
DettagliModelli matematici ambientali a.a. 2015/16 Introduzione alle equazioni differenziali
Modelli matematici ambientali a.a. 2015/16 Introduzione alle equazioni differenziali Argomenti trattati Introduzione ai modelli Equazioni differenziali del primo ordine Metodi risolutivi:integrazione diretta
Dettagli1. Considerando valido il CAPM si procede a calcolare il beta, β, di Cadbury. Per definizione. = cor( r M, r C ) σ H σ M
Corso di Laurea: Numero di Matricola: Esame del 14 giugno 2012 Tempo consentito: 120 minuti Professor Paolo Vitale Anno Accademico 2011-12 UDA, Facoltà d Economia Domanda 1 [6 punti]. 1. Considerando valido
DettagliUNIVERSITÀ DEGLI STUDI DI FERRARA. Corso di Laurea Triennale in Matematica. Il modello di Black e Scholes
UNIVERSITÀ DEGLI STUDI DI FERRARA Corso di Laurea Triennale in Matematica Il modello di Black e Scholes Relatore: Prof. Michele Miranda Laureando: Marco Castagnoli Secondo Relatore: Prof. Alessandra Borrelli
DettagliVariabili aleatorie continue: la normale. Giovanni M. Marchetti Statistica Capitolo 6 Corso di Laurea in Economia
Variabili aleatorie continue: la normale Giovanni M. Marchetti Statistica Capitolo 6 Corso di Laurea in Economia 2015-16 1 / 40 Distinzione Le variabili aleatorie possono essere 1 discrete 2 continue 2
DettagliEquazioni differenziali
Equazioni differenziali Antonino Polimeno Università degli Studi di Padova Equazioni differenziali - 1 Un equazione differenziale è un equazione la cui soluzione è costituita da una funzione incognita
DettagliDispense di Matematica Finanziaria, a.a
1/ 29, a.a. 2016-2017 Prof. Aggr. MEMOTEF, Sapienza Università di Roma 1/ 29 Le opzioni come strumento finanziario elementare I 2/ 29 Tra i contratti (o prodotti finanziari) derivati, ossia il cui valore
DettagliNote sulle Catene di Markov
Note sulle Catene di Markov ELAUT Prof. Giuseppe C. Calafiore Sommario Queste note contengono un estratto schematico ridotto di parte del materiale relativo alle Catene di Markov a tempo continuo e a tempo
DettagliAnalisi Matematica II (Prof. Paolo Marcellini)
Analisi Matematica II (Prof. Paolo Marcellini) Università degli Studi di Firenze Corso di laurea in Matematica Esercitazioni del 04/03/014 e 06/03/014 Michela Eleuteri 1 eleuteri@math.unifi.it web.math.unifi.it/users/eleuteri
DettagliAnalisi Matematica II - INGEGNERIA Gestionale - B 20 luglio 2017 Cognome: Nome: Matricola:
Analisi Matematica II - INGEGNERIA Gestionale - B luglio 7 Cognome: Nome: Matricola: IMPORTANTE: Giustificare tutte le affermazioni e riportare i calcoli essenziali Esercizio [8 punti] Data la matrice
DettagliContenuti delle lezioni:
Contenuti delle lezioni: 1. Introduzione ed esempi di Equazioni alle Derivate Parziali; 2. Classificazione delle Equazioni alle Derivate Parziali (PDE) 3. Derivazione numerica 4. Metodi numerici alle differenze
DettagliEQUAZIONI DIFFERENZIALI Esercizi svolti. y = xy. y(2) = 1.
EQUAZIONI DIFFERENZIALI Esercizi svolti 1. Determinare la soluzione dell equazione differenziale (x 2 + 1)y + y 2 =. y + x tan y = 2. Risolvere il problema di Cauchy y() = 1 2 π. 3. Risolvere il problema
DettagliIndici di posizione e dispersione per distribuzioni di variabili aleatorie
Indici di posizione e dispersione per distribuzioni di variabili aleatorie 12 maggio 2017 Consideriamo i principali indici statistici che caratterizzano una distribuzione: indici di posizione, che forniscono
DettagliMatematica II. Risolvere o integrare una e.d. significa trovarne tutte le soluzione, che costituiscono il cosidetto integrale generale.
Definizione Si dice equazione differenziale di ordine n nella funzione incognita y = y (x) una relazione fra y, le sue derivate y,..., y (n), e la variabila indipendente x Risolvere o integrare una e.d.
DettagliLeggi di capitalizzazione e di attualizzazione
Sommario Alcuni appunti di supporto al corso di Matematica Finanziaria (L-Z) Facoltà di Economia & Management- Università di Ferrara Sommario Parte I: Funzioni di capitalizzazione Parte II: Capitalizzazione
DettagliArgomento 2 IIparte Funzioni elementari e disequazioni
Argomento IIparte Funzioni elementari e disequazioni Applicazioni alla risoluzione di disequazioni Disequazioni di I grado Per la risoluzione delle disequazioni di primo grado per via algebrica, si veda
DettagliTeoria generale delle coniche 1 / 19
Teoria generale delle coniche 1 / 19 Caso a 12 0 2 / 19 Prima di passare all aspetto puramente analitico conviene visualizzare la situazione geometrica esaminando la seguente figura, che rappresenta un
DettagliEquazione di Laplace
Equazione di Laplace. La funzione di Green Sia, indicati con x e y due punti di R 3 E(x, y) = x y Consideriamo la rappresentazione integrale di u(x) C 2 (), anche rinunciando all ipotesi che sia armonica
DettagliDEDUZIONE DEL TEOREMA DELL'ENERGIA CINETICA DELL EQUAZIONE SIMBOLICA DELLA DINAMICA
DEDUZIONE DEL TEOREMA DELL'ENERGIA CINETICA DELL EQUAZIONE SIMBOLICA DELLA DINAMICA Sia dato un sistema con vincoli lisci, bilaterali e FISSI. Ricaviamo, dall equazione simbolica della dinamica, il teorema
DettagliVariabili aleatorie continue
Variabili aleatorie continue Per descrivere la distribuzione di una variabile aleatoria continua, non si può più assegnare una probabilità positiva ad ogni valore possibile. Si assume allora di poter specificare
DettagliEsercizi sulla soluzione dell equazione delle onde con il metodo della serie di Fourier
Esercizi sulla soluzione dell equazione delle onde con il metodo della serie di Fourier Corso di Fisica Matematica 2, a.a. 2013-2014 Dipartimento di Matematica, Università di Milano 13 Novembre 2013 1
DettagliIntroduzione all Option Pricing
Introduzione all Option Pricing Arturo Leccadito Corso di Matematica Finanziaria 3 Anno Accademico 2008 2009 1 Il Modello Binomiale Si supponga che oggi (epoca 0) sia disponibile un titolo azionario il
DettagliESERCIZI MATEMATICA GENERALE - Canale III
ESERCIZI MATEMATICA GENERALE - Canale III Vettori Prof. A. Fabretti 1 A.A. 009/010 1 Dati in R i vettori v = (1,,, u = (,, 1 e w = (,, calcolare: a la combinazione lineare u + v + 4 w b il prodotto scalare
DettagliEsercizi geometria analitica nello spazio. Corso di Laurea in Informatica. Docente: Andrea Loi. Correzione
Esercizi geometria analitica nello spazio Corso di Laurea in Informatica Docente: Andrea Loi Correzione 1. Denotiamo con P 1, P 13, P 3, P 1, P, P 3, P i simmetrici di un punto P rispetto ai piani coordinati
DettagliStabilità e retroazione
0.0. 4.1 1 iagramma Stabilità e retroazione Stabilità dei sistemi dinamici lineari: Un sistema G(s) è asintoticamente stabile se tutti i suoi poli sono a parte reale negativa. Un sistema G(s) è stabile
Dettagliy 3y + 2y = 1 + x x 2.
Università degli Studi della Basilicata Corsi di Laurea in Chimica / Scienze Geologiche Matematica II A. A. 03-04 (dott.ssa Vita Leonessa) Esercizi svolti: Equazioni differenziali ordinarie. Risolvere
DettagliAnalisi Vettoriale A.A Soluzioni del foglio 5. y = y 2, dy y 2 = x
Analisi Vettoriale A.A. 2006-2007 - Soluzioni del foglio 5 5. Esercizio Assegnato il problema di Cauchy y = y 2, y(0) = k determinare per ogni k la soluzione y(x), determinare il suo insieme di esistenza,
Dettagli