MODELLI MATEMATICI PER I SISTEMI DI INFORMAZIONE ALL UTENZA: introduzione ai processi di scelta discreta in condizioni di incertezza

Documenti analoghi
MODELLI MATEMATICI PER I SISTEMI DI INFORMAZIONE ALL UTENZA: introduzione ai processi di scelta discreta in condizioni di rischio

MODELLI MATEMATICI PER I SISTEMI DI INFORMAZIONE ALL UTENZA: Fuzzy Utility Theory

MODELLI MATEMATICI PER I SISTEMI DI INFORMAZIONE ALL UTENZA: introduzione ai modelli dell ingegneria dei trasporti

Teoria delle decisioni introduzione

DEFINIZIONI. CORSA connessione spazio-temporale data da una sequenza di fermate con determinati orari di partenza/arrivo.

Introduzione al corso

Calibrazione dei modelli di utilità aleatoria ed esempi di modelli di scelta del percorso

Calibrazione dei modelli di utilità aleatoria Modelli di scelta del percorso

Single-rate three-color marker (srtcm)

Domanda merci interregionale

Introduzione al corso

Modelli matematici per le reti di trasporto:

introduzione al corso di sistemi operativi a.a maurizio pizzonia

Calibrazione dei modelli di utilità aleatoria ed esempi di modelli di scelta del percorso

INTRODUZIONE AL CORSO

Modelli di offerta di trasporto. ing. Pierluigi Coppola Dipartimento di Ingegneria dell Impresa Università di Roma Tor Vergata

Teoria delle decisioni

Rilevazione Opinioni studenti in aula 2018/2019

Corso di LOGISTICA TERRITORIALE. Time Series: Example. Agostino Nuzzolo Antonio Comi

Introduzione alla Teoria dei Giochi

Finite Model Theory / Descriptive Complexity: bin

Random Utility Models

Modelli di scelta del percorso Modelli di assegnazione

UNIVERSITÀ DEGLI STUDI DI TORINO

Constant Propagation. A More Complex Semilattice A Nondistributive Framework

REGISTRATION GUIDE TO RESHELL SOFTWARE

U Corso di italiano, Lezione Ventisei

Accesso Mul*plo - modelli

REGISTRATION. Area Ricerca

College Algebra. Logarithms: Denitions and Domains. Dr. Nguyen November 9, Department of Mathematics UK

Change Notice/ Avviso di modifica ACLS Instructor Manual/Supporto Vitale Cardiovascolare Avanzato (ACLS) Manuale per l istruttore

How to register online for exams (Appelli) Version updated on 23/10/2017

Teoria delle decisioni

Matematica. Imparare le moltiplicazioni per multipli di 10 e 100. Risposte. Nome:

WELCOME UNIPA REGISTRATION:

Graphs: Cycles. Tecniche di Programmazione A.A. 2012/2013

Progettazione Fisica

AVVISO n Luglio 2003 Idem

Customer Centric/Inquiry/E-bill. Tanya Enzminger

Quadrature. Emma Perracchione. Corso di Calcolo Numerico per Ingegneria Meccanica - Matr. PARI (Univ. PD)

Teoria delle decisioni

Two-rate three-color marker (trtcm)

DEA CAPITAL S.P.A.: OPERAZIONI SU AZIONI PROPRIE

Esercizio 1 : HTTP. Soluzione Esercizio 1 : HTTP

MANUALE DI ISTRUZIONI MOVIMENTO VD51 Cronografo con secondi e minuti

A.A. 2006/2007 Laurea di Ingegneria Informatica. Fondamenti di C++ Horstmann Capitolo 3: Oggetti Revisione Prof. M. Angelaccio

HALF YEARLY EXAMINATIONS CLUSTERING FEBRUARY FORM 3 (1st year) ITALIAN TIME: 6 min ORAL EXAMINATION EXAMINER S PAPER (GROUPS A & B)

Pimsleur Italian 11. Listen to this conversation

WELCOME. Go to the link of the official University of Palermo web site Click on the box on the right side Login unico

Domanda merci interregionale Scelta della Modalità di Trasporto

AVVISO n Maggio 2016 MOT. Mittente del comunicato : BORSA ITALIANA. Societa' oggetto dell'avviso

Proposta di comunicazione CONSOB sui criteri per il controllo del Prospetto

Stringhe. Prof. Lorenzo Porcelli

Uno studio sperimentale sui comportamenti di scelta modale

THE FUTURE OF WORK: A MATTER OF SUSTAINABILITY

UNIVERSITÀ DEGLI STUDI DI TORINO

Esclusione dei valori meno probabili Il criterio di Chauvenet

CAPITOLO 2 DEFINIZIONE DELLA DIAGNOSI

Modelli di scelta del percorso (cenni)

Come dimensionare una catena fleyer. How to dimension a fleyer chain. Selezione. Selection. Table b

Gas Ideale: Legge di Charles. V t =V 0 (1+αT)

LA SACRA BIBBIA: OSSIA L'ANTICO E IL NUOVO TESTAMENTO VERSIONE RIVEDUTA BY GIOVANNI LUZZI

MANUALE DI ISTRUZIONI Calibro Ronda 3540D IT. 1

I CAMBIAMENTI PROTOTESTO-METATESTO, UN MODELLO CON ESEMPI BASATI SULLA TRADUZIONE DELLA BIBBIA (ITALIAN EDITION) BY BRUNO OSIMO

DEA CAPITAL S.P.A.: OPERAZIONI SU AZIONI PROPRIE

DEA CAPITAL S.P.A.: OPERAZIONI SU AZIONI PROPRIE

DEA CAPITAL S.P.A.: OPERAZIONI SU AZIONI PROPRIE

Il Present Simple nella forma interrogativa. Ausiliare do/does + soggetto + verbo principale (all infinito senza to ) + ulteriori determinazioni +?

SUPPLIER TECHNICAL DRAWING MANAGEMEMENT GESTIONE DEI DISEGNI TECNICI DA PARTE DEL FORNITORE 1. INTRODUZIONE 1. INTRODUCTION 2. DOCUMENTI APPLICABILI

MODELLI DI ASSEGNAZIONE

DEA CAPITAL S.P.A.: OPERAZIONI SU AZIONI PROPRIE

Prof. Ing. Umberto Crisalli Dipartimento di Ingegneria dell Impresa

Introduzione al corso

DEA CAPITAL S.P.A.: OPERAZIONI SU AZIONI PROPRIE

Psicologia Sociale e di Comunità

Quando mi collego ad alcuni servizi hosting ricevo un messaggio relativo al certificato di protezione del sito SSL, come mai?

UNIVERSITÀ DEGLI STUDI DI TORINO. Guidelines to ONLINE exams registration Version 02 updated on

La questione dei Multiple Comparisons

VERB TENSES:USE PRESENT SIMPLE PRESENT CONTINUOUS FUTURE-BE GOING TO FUTURE -WILL PAST SIMPLE PAST CONTINUOUS PRESENT PERFECT

Corso di laurea triennale in Informatica Turno A

DEA CAPITAL S.P.A.: OPERAZIONI SU AZIONI PROPRIE

Il concetto di varietà e la nascita della teoria degli insiemi RIEMANN ( )

U Corso di italiano, Lezione Sedici

Gestione dei rischi e finanza internazionale

I SISTEMI AVANZATI D INFORMAZIONE ALL UTENZA (ATIS)

Fisica Computazionale

Exam of ELECTRONIC SYSTEMS June 15 th, 2012 Prof. Marco Sampietro

Installazione di DraftSight Enterprise

Gestione dei rischi e finanza internazionale

ERRORI GENERATI DAL BIOS IN FASE DI AVVIO. Di Abe Wayer

Probability Distributions T O P I C # 1

Basic English Grammar. long forms short forms long forms short forms

Italians, European economic policies and the Euro

Session Description Protocol

M-LOCK Serratura magnetica per porte in vetro a battente. M-LOCK Magnetic lock for glass swing doors

Criteri di valutazione della prova scritta e orale per l esame di ammissione al Dottorato di Ricerca in Tecnologie Avanzate in Chirurgia (XXXV ciclo)

Transcript:

Corso di TRASPORTI E TERRITORIO e TEORIA E TECNICA DELLA CIRCOLAZIONE MODELLI MATEMATICI PER I SISTEMI DI INFORMAZIONE ALL UTENZA: introduzione ai processi di scelta discreta in condizioni di incertezza DOCENTI Agostino Nuzzolo (nuzzolo@ing.uniroma2.it) Antonio Comi (comi@ing.uniroma2.it) Pierluigi Coppola (coppola@ing.uniroma2.it) Umberto Crisalli (crisalli@ing.uniroma2.it) 1

Decisione in condizioni di incertezza Quando i valori degli attributi (es. tempo di viaggio) delle alternative e le relative probabilità non sono date, ma il decisore usa valori e probabilità soggettive, diciamo che la scelta dell alternativa avviene in condizioni di incertezza Per trattare le decisioni in condizioni di incertezza, ci possiamo servire: - della Subjective Expected Utility (SEU) - dell approccio del «pensiero veloce» con la Quick Subjective Utility o in alternativa la Fuzzy Utility 2

Decisioni in condizioni di incertezza: Subjective Expected Utility (SEU) Ipotesi: Il generico decisore i considera le alternative disponibili; A ciascuna alternativa k associa una utilità attesa soggettiva (subjective expected utility, SEU i k), che è funzione degli attributi X i kj percepiti dal decisore, che caratterizzano l alternativa k, e delle relative probabilità soggettive p i kj; dove X i kj è il valore per l utente i del j-esimo attributo X dell alternativa k; i n i i i i k j 1 kj kj kj kj SEU p (X ) U (X ) p i kj (X i kj) è la probabilità soggettiva che si verifichi il valore X i kj (L utente non conosce a priori quali valori si realizzeranno per tutti o alcuni attributi, ma non usa probabilità oggettive bensì quelle soggettive che dipendono dalla propria esperienza) Sceglie la alternativa di massima Subjective Expected Utility, SEU i k 3

Probabilità soggettiva degli attributi previsti Esempio della funzione di densità del tempo di viaggio oggettiva (continua) e della legge di probabilità soggettiva (discreta) 4

Classificazione degli attributi Gli attributi delle alternative si possono classificare (come nell esempio di scelta della corsa di autobus che segue) in: - costanti - correnti - previsti I previsti, in assenza di informazione esterna, derivano dalle esperienze precedenti, il cui ricordo è il risultato di processi mentali. 5

Esempio di scelta di una corsa r r vehicle arrival time Dis r r When a run r of line l arrives at time r, user chooses to board r if the utility Y r of run r is greater than utility Y r of each run r which has not yet passed, that is: Y r Y r r r with r > r If user does not choose run r, the choice is reconsidered when the next run arrives and so on.

Esempio di utilità per la scelta della corsa Y β TB β TC β CFB β NT β CFW β TP r TB r TC r CFB r NT r CFW r TP r Y β TW β TB β TC β NT β CFB β CFW r ' TW r ' TB r ' TC r ' NT r ' CFB r ' CFW r ' where TW r = waiting time of the next run r TB r,tb r = on-board times TC r,tc r = transfer times NT r,nt r = number of transfers CFB r,cfb r = route on-board comfort (function of on-board crowding degree in the following links, up to egress stop) CFW r,cfw r = boarding comfort at stops, when users have not yet boarded (function of run crowding degree at stop) TP r = time already spent at stop (considering user Dis and run r arrival times at stop)

Classificazione degli attributi di una corsa di trasporto pubblico current attributes X c directly evaluated by user: forecast attributes experiences: = waiting time; = time already spent at stop c = boarding comfort (function of crowding degree) CFW r c TW r c TP r fo TB r fo TC r fo CFW r' X t fo, that are defined by users on the basis of their previous = on-board time = transfer time = boarding comfort (function of crowding degree) constant attributes X q, that do not change with and t: NT r = number of transfers

Processi di scelta con pensiero veloce La valutazione degli attributi previsti associati alle alternative, e dunque della utilità derivante, può essere il risultato di due tipi di processi mentali (Kahneman, 2012): - pensiero lento, con attenta analisi dei fattori, come nel caso delle probabilità soggettive - pensiero veloce, senza sufficiente ponderazione Esempio Lunghezza di due segmenti (esempio 1) Esempio Costo mazza e palla baseball (esempio 2) 9

Risposte in funzione del tipo di pensiero Esempio 1 A B 10

Risposte in funzione del tipo di pensiero Esempio 1 Quale è il segmento più lungo? 11

Risposte in funzione del tipo di pensiero Esempio 1 Quale è il segmento più lungo? Pensiero veloce: A (maggioranza di risposte) Pensiero lento: uguali 12

Risposte in funzione del tipo di pensiero Esempio 2 Il prezzo di una mazza ed una palla da baseball è $ 1,10 La mazza costa $ 1,00 in più della palla Quanto costa la palla? 13

Risposte in funzione del tipo di pensiero Esempio 2 Pensiero veloce: la palla costa 0,10 (maggioranza) Pensiero lento: la palla costa 0,05 (eq. I grado) palla + mazza = 1,10 mazza = palla + 1,00 palla + palla + 1,00 = 1,10 palla = 0,05 14

Euristica della disponibilità (Kahneman) Con il pensiero veloce, viene usato un processo mentale ( euristica della disponibilità) che richiama all utente eventi passati. Nel nostro caso i valori degli attributi (o eventualmente l utilità finale) realizzatisi nei viaggi precedenti sui percorsi alternativi. In genere sono ricordati più facilmente gli eventi più vicini e quelli che hanno avuto più impatto, come nel caso di ritardo che ha fatto saltare un incontro molto importante. Inoltre, atteggiamenti pessimistici tendono a richiamare i valori più sfavorevoli e viceversa per quelli ottimistici. 15

Pensiero veloce: learning process Di solito le alternative di percorso sono state già usate dall utente. Al generico attributo X del percorso k il decisore i associa un valore previsto percepito X i k che per il giorno t può essere scritto come (learning process): X a X a X... a X dove i,t i,t 1 i,t 2 i,t n k 1 1 k 2 2 k n n k X i, t-j k è il valore di X sperimentato al giorno (t-j) 0 i 1 ; i=1,..,n i = 1 ; i i+1 i valori di tengono conto del decadimento della memoria con il tempo, a tiene conto dei fattori di bias derivanti dal processo mentale associato (Euristica della disponibilità) 16

Comportamento di scelta con processo di pensiero veloce Quick Subjective Utility (QSU) Ipotesi: Il generico decisore i considera le alternative disponibili; Il decisore ha sperimentato gli attributi delle alternative disponibili; A ciascuna alternativa k associa una utilità prevista soggettiva veloce (quick subjective utility, QSU i k), che è funzione degli attributi X i,t kj percepiti dal decisore per il giorno t, che caratterizzano l alternativa k; dove QSU U ( X ) i i i,t k k k X i,t k è il vettore degli attributi dell alternativa k previsti dall utente i al giorno t; Sceglie la alternativa di massima Quick Subjective Utility, QSU i k 17

Comportamento di scelta con processo di pensiero veloce Fuzzy Utility (FU) Come si vedrà nella prossima lezione, se gli attributi previsti sono costituiti da numeri fuzzy e dunque anche l utilità percepita è un numero fuzzy, il comportamento di scelta viene detto di «massimizzazione della fuzzy utility». 18