Jalkapallovedonlyöntistrategioiden. evaluointi. Aleksi Avela Ohjaaja: Juho Roponen Valvoja: Ahti Salo
|
|
- Aili Mäkinen
- 6 vuotta sitten
- Katselukertoja:
Transkriptio
1 Jalkapallovedonlyöntistrategioiden simulointi ja evaluointi Aleksi Avela Ohjaaja: Juho Roponen Valvoja: Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta osin kaikki oikeudet pidätetään.
2 Työn tausta Yleisin jalkapallovedonlyönnin muoto on 1X2, jossa veikataan päättyykö ottelu kotivoittoon, tasapeliin vai vierasvoittoon Kohteen palautuskerroin on kääntäen verrannollinen sen tapahtuman (ennakoituun) todennäköisyyteen Kohteet on hinnoiteltu epäedullisesti vedonlyöjän kannalta, jolloin vedonlyöntitoimiston tuoton odotusarvo on positiivinen
3 Vedonlyöntimarkkinat Palautuskertoimen implikoima lopputuloksen n todennäköisyys on: Kohteiden palautuskertoimien määrittämiseen vaikuttaa myös asetettujen vetojen jakauma Jos kohteeseen asetetut vedot ovat jakautuneet kertoimien implikoiman todennäköisyysjakauman mukaan, vedonlyöntitoimiston voittoprosentti kohteella on:
4 Vedonlyöntistrategiat Kaksi pääkategoriaa: Joukkueista ja niiden voimasuhteista riippuvat strategiat Joukkueista riippumattomat, eli systemaattista kaavaa toistavat strategiat Martingaali-, eli tuplausstrategia Tuottaa yhden yksikön voiton, kun ensimmäinen panos on yhden yksikön suuruinen ja palautuskerroin on 2,0 Vaihtoehdoksi on esitetty Fibonacci-strategiaa, jossa panoksia kasvatetaan Fibonaccin lukujonon mukaan. Minimipalautuskerroin on 2,618
5 Martingaali- ja Fibonacci-jonojen kahdeksan ensimmäistä termiä
6 Dynaamisen strategian kehittäminen Martingaali- ja Fibonacci-strategia vaativat yhden yksikön voittoon kertoimet 2,0 ja 2,618 Käytännössä kertoimet kuitenkin ovat usein suurempia Panosten kasvatusnopeus on siis tarpeettoman suuri Tämä motivoi mahdollisuuden kehittää strategia, jossa panoksia kasvatetaan vain sillä nopeudella, joka tuottaa aina voiton sattuessa tasan yhden yksikön voiton Kun asetetaan tavoitevoitto yhteen yksikköön, kierrokselle n asetettava panos on:
7 Dynaaminen strategia Kun asetetaan palautuskerroin vakioksi, jota estimoidaan n-kokoisen aineiston (kuvaajassa Serie B, kaudet 2012/ /18) tasapelipalautuskertoimien geometrisella keskiarvolla, voidaan johtaa suhde R, jolla panoksia kasvatetaan:
8 Kokonaisluvuin panostava dynaaminen strategia Vedonlyöntitoimistot antavat asettaa vain kokonaislukupanoksia Jokainen panos tulee pyöristää ylöspäin lähimpään kokonaislukuun Panosten kasvunopeus on suurempi Yksittäinen voitto on suurempi
9 Tutkimuksen tavoitteet Simuloida kolmea edellä esiteltyä strategiaa todellisella historiallisella datalla Vertailla strategioiden riskejä, kassavirtaa ja tuottoastetta eri alkupääomilla Tutkia vedonlyöntimarkkinoiden tehokkuutta aineiston sisällä tasapanostusstrategialla
10 Aineisto ja menetelmät Simulointia varten kehitetty Python-ohjelma Dataa simulointien strategia- ja kausikohtaisista kassavirroista Tunnuslukuja strategioiden toimivuudesta Tutkimuksessa käytetty aineisto: Suomen miesten pääsarjatason Veikkausliigan ottelut sekä putoamiskarsintapelit kausilta
11 Tulokset Aineiston tehokkuus: Tasapanostusstrategian tuottoaste kun alkupääoma = 100
12 Tulokset Strategioiden epästabiilius Tasapelille panostavan martingaalistrategian kassavirta kun alkupääoma = 1 000
13 Tulokset
14 Tulokset Strategioiden epästabiilius Alkupääoman lisääminen ei välttämättä paranna strategioiden toimivuutta, mutta saattaa pienentää riskiä Toisaalta myös panokset kasvavat suuriksi Martingaalistrategian riski on suurin, Fibonaccistrategian riski hieman pienempi Eri panostuskohteilla (H, D, A) ei näytä olevan suoraa vaikutusta strategioiden toimivuuteen tai riskiin Vierasvoitto on kuitenkin yleisimmin huonoin panostuskohde Dynaaminen strategia vaikuttaisi toimivan parhaiten tasapelille panostettaessa
15 Yhteenveto Aineistossa tasapelit epätehokkaasti hinnoiteltu Tämä epätehokkuus ei kuitenkaan näy suoraan strategioiden soveltamisessa tasapeleille Strategioiden riskit ja vaaditut pääomat ovat suuria Dynaamisella pienin riski Aineistossa tasapeleille panostava dynaaminen paras Strategioiden soveltaminen ei ole käytännössä järkevää Dynaaminen malli vaatisi riskin jatkotutkimusta ja strategian kehittämistä, jotta sen soveltamista voitaisiin harkita
16 Tärkeimmät lähteet Archontakis, Fragiskos, and Evan Osborne. "Playing it safe? A Fibonacci strategy for soccer betting." Journal of Sports Economics 8.3 (2007): Demir, Ender, Hakan Danis, and Ugo Rigoni. "Is the soccer betting market efficient? A cross-country investigation using the Fibonacci strategy." Journal of Gambling Business \& Economics 6.2 (2012). Dixon, Mark J., and Peter F. Pope. "The value of statistical forecasts in the UK association football betting market." International journal of forecasting 20.4 (2004): Thaler, Richard H., and William T. Ziemba. "Anomalies: Parimutuel betting markets: Racetracks and lotteries." Journal of Economic perspectives 2.2 (1988): Milliner, Ian, Paul White, and Don J. Webber. "A statistical development of fixed odds betting rules in soccer." Journal of Gambling, Business and Economics 3.1 (2009): Burton G., and Eugene F. Fama. "Efficient capital markets: A review of theory and empirical work." The journal of Finance 25.2 (1970): Osborne, Evan. "Efficient markets? Don t bet on it." Journal of Sports Economics 2.1 (2001):
Vedonlyöntistrategioiden simulointi ja evaluointi
Vedonlyöntistrategioiden simulointi ja evaluointi Aleksi Avela 15.10.2018 Ohjaaja: Juho Roponen Valvoja: Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta osin
Jalkapallovedonlyöntistrategioiden simulointi ja evaluointi
Aalto-yliopisto Perustieteiden korkeakoulu Teknillisen fysiikan ja matematiikan tutkinto-ohjelma Jalkapallovedonlyöntistrategioiden simulointi ja evaluointi Kandidaatintyö 19. maaliskuuta 2019 Aleksi Avela
Ylikerroinstrategiat ja Poissonmallit vedonlyönnissä (aihe-esittely) Jussi Kolehmainen
Ylikerroinstrategiat ja Poissonmallit vedonlyönnissä (aihe-esittely) Jussi Kolehmainen 23.01.2012 Ohjaaja: Jussi Kangaspunta Valvoja: Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla
Peliteorian soveltaminen hajautettujen järjestelmien protokollasuunnittelussa (valmiin työn esittely)
Peliteorian soveltaminen hajautettujen järjestelmien protokollasuunnittelussa (valmiin työn esittely) Riku Hyytiäinen 23.02.2015 Ohjaaja: Harri Ehtamo Valvoja: Harri Ehtamo Työn saa tallentaa ja julkistaa
Monte Carlo -menetelmä optioiden hinnoittelussa (valmiin työn esittely)
Monte Carlo -menetelmä optioiden hinnoittelussa (valmiin työn esittely) 17.09.2015 Ohjaaja: TkT Eeva Vilkkumaa Valvoja: Prof. Harri Ehtamo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla.
Kaksintaistelun approksimatiivinen mallintaminen (valmiin työn esittely)
Kaksintaistelun approksimatiivinen mallintaminen (valmiin työn esittely) Juho Roponen 10.06.2013 Ohjaaja: Esa Lappi Valvoja: Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla.
Lisäinformaation arvo monikriteerisessä projektiportfoliovalinnassa (valmiin työn esittely)
Lisäinformaation arvo monikriteerisessä projektiportfoliovalinnassa (valmiin työn esittely) Jussi Hirvonen 23.03.2015 Ohjaaja: Eeva Vilkkumaa Valvoja: Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston
Kasvuyrityksen tuotekehitysportfolion optimointi (valmiin työn esittely)
Kasvuyrityksen tuotekehitysportfolion optimointi (valmiin työn esittely) Santtu Saijets 16.6.2014 Ohjaaja: Juuso Liesiö Valvoja: Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla.
Menetelmä Markowitzin mallin parametrien estimointiin (valmiin työn esittely)
Menetelmä Markowitzin mallin parametrien estimointiin (valmiin työn esittely) Lauri Nyman 17.9.2015 Ohjaaja: Eeva Vilkkumaa Valvoja: Harri Ehtamo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla
Stokastinen optimointi taktisessa toimitusketjujen riskienhallinnassa (valmiin työn esittely)
Stokastinen optimointi taktisessa toimitusketjujen riskienhallinnassa (valmiin työn esittely) Esitelmöijä Olli Rentola päivämäärä 21.1.2013 Ohjaaja: TkL Anssi Käki Valvoja: Prof. Ahti Salo Työn saa tallentaa
Lineaaristen monitavoiteoptimointitehtävien
Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Jerri Nummenpalo 17.09.2012 Ohjaaja: TkT Juuso Liesiö Valvoja: Prof. Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla.
Tehokkaiden strategioiden identifiointi vakuutusyhtiön taseesta
MS E2177 Operaatiotutkimuksen projektityöseminaari Projektisuunnitelma Tehokkaiden strategioiden identifiointi vakuutusyhtiön taseesta 12.3.2016 Asiakas: Model IT Projektiryhmä: Niko Laakkonen (projektipäällikkö),
Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla
Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla Juho Andelmin 21.1.213 Ohjaaja: TkT Juuso Liesiö Valvoja: Prof. Raimo P. Hämäläinen Työn saa tallentaa ja julkistaa Aalto-yliopiston
Markku Annala VEDONLYÖNNIN OPTIMOINTITYÖKALUN KEHITTÄMINEN
Markku Annala VEDONLYÖNNIN OPTIMOINTITYÖKALUN KEHITTÄMINEN VEDONLYÖNNIN OPTIMOINTITYÖKALUN KEHITTÄMINEN Markku Annala Opinnäytetyö Syksy 2014 Tietotekniikan koulutusohjelma Oulun ammattikorkeakoulu TIIVISTELMÄ
Epätäydellisen preferenssi-informaation huomioon ottavien päätöksenteon tukimenetelmien vertailu (aihe-esittely)
Epätäydellisen preferenssi-informaation huomioon ottavien päätöksenteon tukimenetelmien vertailu (aihe-esittely) Vilma Virasjoki 23.01.2012 Ohjaaja: Jouni Pousi Valvoja: Raimo P. Hämäläinen Työn saa tallentaa
Talousmatematiikan perusteet
kevät 219 / orms.1 Talousmatematiikan perusteet 1. Laske integraalit a 6x 2 + 4x + dx, b 5. harjoitus, viikko 6 x + 1x 1dx, c xx 2 1 2 dx a termi kerrallaan kaavalla ax n dx a n+1 xn+1 +C. 6x 2 + 4x +
Vangin dilemma häiriöisessä ympäristössä Markov-prosessina (valmiin työn esittely) Lasse Lindqvist
Vangin dilemma häiriöisessä ympäristössä Markov-prosessina (valmiin työn esittely) Lasse Lindqvist 21.01.2013 Ohjaaja: Kimmo Berg Valvoja: Harri Ehtamo Työn saa tallentaa ja julkistaa Aalto-yliopiston
Martingaalit ja informaatioprosessit
6A Martingaalit ja informaatioprosessit Tämän harjoituksen tavoitteena on oppia tunnistamaan, milloin satunnaisprosessi on martingaali annetun informaatioprosessin suhteen ja milloin satunnaishetki on
Talousmatematiikan perusteet: Luento 1. Prosenttilaskentaa Korkolaskentaa Lukujonot: aritmeettinen ja geometrinen
Talousmatematiikan perusteet: Luento 1 Prosenttilaskentaa Korkolaskentaa Lukujonot: aritmeettinen ja geometrinen Luennon sisältö Prosenttilaskennan kertausta Korkolaskentaa Käsitteitä Koron lisäys kerran
Osa 2: Otokset, otosjakaumat ja estimointi
Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi TKK (c) Ilkka Mellin (2007) 1 Estimointi >> Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin
Lentotiedustelutietoon perustuva tykistön tulenkäytön optimointi (valmiin työn esittely)
Lentotiedustelutietoon perustuva tykistön tulenkäytön optimointi (valmiin työn esittely) Tuukka Stewen 1.9.2017 Ohjaaja: DI Juho Roponen Valvoja: prof. Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston
Simulation model to compare opportunistic maintenance policies
Simulation model to compare opportunistic maintenance policies Noora Torpo 31.08.18 Ohjaaja/Valvoja: Antti Punkka Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta osin
Osakkeiden tuottojakaumia koskevien markkinaja asiantuntijanäkemysten yhdistely copulafunktioilla
Osakkeiden tuottojakaumia koskevien markkinaja asiantuntijanäkemysten yhdistely copulafunktioilla (valmiin työn esittely) Henri Tuovila 13.01.2014 Ohjaaja: VTM Ville Hemmilä Valvoja: Prof. Ahti Salo Sisältö
Tehtävät. 1. Ratkaistava epäyhtälöt. a) 2(4 x) < 12, b) 5(x 2 4x + 3) < 0, c) 3 2x 4 > 6. 1/10. Sukunimi (painokirjaimin)
1/10 Tehtävä 1 2 3 4 5 6 7 8 9 10 Yhteensä Pisteet (tarkastaja merkitsee) Kokeessa on kymmenen tehtävää, joista jokainen on erillisellä paperilla. Jokaisen tehtävän maksimipistemäärä on 6 pistettä. Ratkaise
Päätösanalyysi Teknologföreningenin kiinteistöuudistuksen tukena (valmiin työn esittely)
Päätösanalyysi Teknologföreningenin kiinteistöuudistuksen tukena (valmiin työn esittely) Sara Melander 1.11.2016 Ohjaaja: DI Malin Östman Valvoja: Prof. Kai Virtanen Työn saa tallentaa ja julkistaa Aalto-yliopiston
12. Korkojohdannaiset
2. Korkojohdannaiset. Lähtökohtia Korkojohdannaiset ovat arvopapereita, joiden tuotto riippuu korkojen kehityksestä. korot liittyvät lähes kaikkiin liiketoimiin korkojohdannaiset ovat tärkeitä. korkojohdannaisilla
Opettaminen ja oppiminen
Opettaminen ja oppiminen MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly 19.10.2016 Nina Gunell The document can be stored and made available to the public on the open internet pages of Aalto
Kustannustehokkaat riskienhallintatoimenpiteet kuljetusverkostossa (Valmiin työn esittely)
Kustannustehokkaat riskienhallintatoimenpiteet kuljetusverkostossa (Valmiin työn esittely) Joonas Lanne 23.2.2015 Ohjaaja: Eeva Vilkkumaa Valvoja: Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston
, c) x = 0 tai x = 2. = x 3. 9 = 2 3, = eli kun x = 5 tai x = 1. Näistä
Pitkä matematiikka 8.9.0, ratkaisut:. a) ( x + x ) = ( + x + x ) 6x + 6x = + 6x + 6x x = x =. b) Jos x > 0, on x = + x x = + x. Tällä ei ole ratkaisua. Jos x 0, on x = + x x = + x x =. c) x = x ( x) =
MS-C2105 Optimoinnin perusteet Malliratkaisut 5
MS-C2105 Optimoinnin perusteet Malliratkaisut 5 Ehtamo Demo 1: Arvaa lähimmäksi Jokainen opiskelija arvaa reaaliluvun välillä [0, 100]. Opiskelijat, joka arvaa lähimmäksi yhtä kolmasosaa (1/3) kaikkien
Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi
Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi TKK (c) Ilkka Mellin (2006) 1 Estimointi >> Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin
Kuinka määritellään 2 3?
Kuinka määritellään 2 3? y Nyt 3 = 1,7320508.... Luvut 3 2 x x 3 2 x 2 1 = 2, 2 1,7 3,2490, 2 1,73 3,3173, 2 1,732 3,3219,... ovat hyvin määriteltyjä koska näihin tarvitaan vain rationaalilukupotenssin
Martingaalit ja informaatioprosessit
4A Martingaalit ja informaatioprosessit Tämän harjoituksen tavoitteena on tutustua satunnaisvektorin informaation suhteen lasketun ehdollisen odotusarvon käsitteeseen sekä oppia tunnistamaan, milloin annettu
Search space traversal using metaheuristics
Search space traversal using metaheuristics Mika Juuti 11.06.2012 Ohjaaja: Ville Mattila Valvoja: Harri Ehtamo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta osin kaikki
Veikkauksen pelaajien pelaaminen suhteessa ulkomaisten vedonlyöntiyhtiöiden todennäköisyysarvioihin
Veikkauksen pelaajien pelaaminen suhteessa ulkomaisten vedonlyöntiyhtiöiden todennäköisyysarvioihin Jussi Vesanen Tilastotieteen pro gradu -tutkielma Jyväskylän yliopisto Matematiikan ja tilastotieteen
5/11 6/11 Vaihe 1. 6/10 4/10 6/10 4/10 Vaihe 2. 5/11 6/11 4/11 7/11 6/11 5/11 5/11 6/11 Vaihe 3
Mat-.9 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Verkot todennäköisyyslaskennassa Satunnaismuuttujat ja todennäköisyysjakaumat Jakaumien tunnusluvut Kertymäfunktio, Momentit, Odotusarvo,
Dynaamiset regressiomallit
MS-C2128 Ennustaminen ja Aikasarja-analyysi, Lauri Viitasaari Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016 Tilastolliset aikasarjat voidaan jakaa kahteen
Tehokkuusanalyysi paikallisten monopolien sääntelyssä:
Tehokkuusanalyysi paikallisten monopolien sääntelyssä: StoNED-menetelmän soveltaminen sähkön jakeluverkkotoiminnan valvonnassa Timo Kuosmanen FORS-seminaari: Julkisten palvelujen resursointi, tehokkuus
7 Yrityksen teoria: tuotanto ja kustannukset (Mankiw & Taylor, Ch 13)
7 Yrityksen teoria: tuotanto ja kustannukset (Mankiw & Taylor, Ch 13) Tavaroiden ja palvelujen tuotanto tapahtuu yrityksissä Yritykset tuntevat niiden valmistukseen tarvittavan teknologian teknologia on
Bayesin pelit. Kalle Siukola. MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly
Bayesin pelit Kalle Siukola MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly 12.10.2016 Toistetun pelin esittäminen automaatin avulla Ekstensiivisen muodon puu on tehoton esitystapa, jos peliä
Distance to Default. Agenda. listaamattomien yritysten analysoinnissa 5.5.2009. Riku Nevalainen HSE 8.5.2009
Distance to Default Riku Nevalainen HSE 8.5.2009 Agenda 1. Distance to default malli osakemarkkinoilla 2. Osakemarkkinoiden informaation hyödyntäminen listaamattomien yritysten analysoinnissa 3. Moody
Estimointi. Estimointi. Estimointi: Mitä opimme? 2/4. Estimointi: Mitä opimme? 1/4. Estimointi: Mitä opimme? 3/4. Estimointi: Mitä opimme?
TKK (c) Ilkka Mellin (2004) 1 Johdatus tilastotieteeseen TKK (c) Ilkka Mellin (2004) 2 Mitä opimme? 1/4 Tilastollisen tutkimuksen tavoitteena on tehdä johtopäätöksiä prosesseista, jotka generoivat reaalimaailman
Talousmatematiikan perusteet: Luento 4. Potenssifunktio Eksponenttifunktio Logaritmifunktio
Talousmatematiikan perusteet: Luento 4 Potenssifunktio Eksponenttifunktio Logaritmifunktio Viime luennolla Funktiolla f: A B kuvataan muuttujan y B riippuvuutta muuttujasta x A A on lähtö- tai määrittelyjoukko
811312A Tietorakenteet ja algoritmit, , Harjoitus 3, Ratkaisu
811312A Tietorakenteet ja algoritmit, 2018-2019, Harjoitus 3, Ratkaisu Harjoituksessa käsitellään algoritmien aikakompleksisuutta. Tehtävä 3.1 Kuvitteelliset algoritmit A ja B lajittelevat syötteenään
3.7 Todennäköisyysjakaumia
MAB5: Todennäköisyyden lähtökohdat 4 Luvussa 3 Tunnusluvut perehdyimme jo jakauman käsitteeseen yleensä ja normaalijakaumaan vähän tarkemmin. Lähdetään nyt tutustumaan binomijakaumaan ja otetaan sen jälkeen
Matematiikan tukikurssi, kurssikerta 5
Matematiikan tukikurssi, kurssikerta 5 1 Jonoista Matematiikassa jono (x n ) on yksinkertaisesti järjestetty, päättymätön sarja numeroita Esimerkiksi (1,, 3, 4, 5 ) on jono Jonon i:ttä jäsentä merkitään
Suojarakenteiden vaikutus maalin selviytymiseen epäsuoran tulen tai täsmäaseen iskussa
Suojarakenteiden vaikutus maalin selviytymiseen epäsuoran tulen tai täsmäaseen iskussa Patrik Lahti 31.08.2018 Ohjaaja: DI Heikki Puustinen Valvoja: Prof. Kai Virtanen Työn saa tallentaa ja julkistaa Aalto-yliopiston
10 Liiketaloudellisia algoritmeja
218 Liiketaloudellisia algoritmeja 10 Liiketaloudellisia algoritmeja Tämä luku sisältää liiketaloudellisia laskelmia. Aiheita voi hyödyntää vaikkapa liiketalouden opetuksessa. 10.1 Investointien kannattavuuden
Aihioiden priorisointi ja portfolioanalyysi ennakoinnissa (valmiin työn esittely)
Aihioiden priorisointi ja portfolioanalyysi ennakoinnissa (valmiin työn esittely) Juha Kännö 23..22 Ohjaajat: TkL Antti Punkka, DI Eeva Vilkkumaa Valvoja: Prof. Ahti Salo Työn saa tallentaa ja julkistaa
MAY1 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 12.4.2016 Julkaiseminen sallittu vain koulun suljetussa verkossa.
KERTAUS Lukujono KERTAUSTEHTÄVIÄ K1. Ratkaisussa annetaan esimerkit mahdollisista säännöistä. a) Jatketaan lukujonoa: 2, 4, 6, 8, 10, 12, 14, 16, Rekursiivinen sääntö on, että lukujonon ensimmäinen jäsen
Experiment on psychophysiological responses in an economic game (valmiin työn esittely) Juulia Happonen
Experiment on psychophysiological responses in an economic game (valmiin työn esittely) Juulia Happonen 13.01.2014 Ohjaaja: DI Ilkka Leppänen Valvoja: Prof. Raimo P. Hämäläinen Työn saa tallentaa ja julkistaa
Algoritmit C++ Kauko Kolehmainen
Algoritmit C++ Kauko Kolehmainen Algoritmit - C++ Kirjoittanut Taitto Kansi Kustantaja Kauko Kolehmainen Kauko Kolehmainen Frank Chaumont Oy Edita Ab IT Press PL 760 00043 EDITA Sähköpostiosoite Internet
Johdatus tilastotieteeseen Estimointi. TKK (c) Ilkka Mellin (2005) 1
Johdatus tilastotieteeseen Estimointi TKK (c) Ilkka Mellin (2005) 1 Estimointi Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin ominaisuudet TKK (c) Ilkka Mellin (2005) 2 Estimointi:
Mat Investointiteoria Laskuharjoitus 4/2008, Ratkaisut
Projektien valintapäätöksiä voidaan pyrkiä tekemään esimerkiksi hyöty-kustannus-suhteen (so. tuottojen nykyarvo per kustannusten nykyarvo) tai nettonykyarvon (so. tuottojen nykyarvo - kustannusten nykyarvo)
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 2A Satunnaismuuttujan odotusarvo Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016,
Talousmatematiikan perusteet
kevät 2019 / orms.1030 Talousmatematiikan perusteet 5. harjoitus, viikko 7 11.02. 15.02.2019 R01 Ma 12 14 F453 R08 Ke 10 12 F453 R02 Ma 16 18 F453 L To 08 10 A202 R03 Ti 08 10 F425 R06 To 12 14 F140 R04
Yhteistyötä sisältämätön peliteoria jatkuu
Yhteistyötä sisältämätön peliteoria jatkuu Tommi Lehtonen Optimointiopin seminaari - Syksy 2000 / 1 Bayesilainen tasapaino Täysi informaatio Vajaa informaatio Staattinen Nash Bayes Dynaaminen Täydellinen
Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla
Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla Juho Andelmin 21.01.2013 Ohjaaja: TkT Juuso Liesiö Valvoja: Prof. Raimo P. Hämäläinen Työn saa tallentaa ja julkistaa Aalto-yliopiston
Joonas Haapala Ohjaaja: DI Heikki Puustinen Valvoja: Prof. Kai Virtanen
Hävittäjälentokoneen reitin suunnittelussa käytettävän dynaamisen ja monitavoitteisen verkko-optimointitehtävän ratkaiseminen A*-algoritmilla (valmiin työn esittely) Joonas Haapala 8.6.2015 Ohjaaja: DI
Tilastollisia peruskäsitteitä ja Monte Carlo
Tilastollisia peruskäsitteitä ja Monte Carlo Hannu Toivonen, Marko Salmenkivi, Inkeri Verkamo Tutkimustiedonhallinnan peruskurssi Tilastollisia peruskäsitteitä ja Monte Carlo 1/13 Kevät 2003 Tilastollisia
BM20A5840 Usean muuttujan funktiot ja sarjat Harjoitus 7, Kevät 2018
BM20A5840 Usean muuttujan funktiot ja sarjat Harjoitus 7, Kevät 2018 Tehtävä 8 on tällä kertaa pakollinen. Aloittakaapa siitä. 1. Kun tässä tehtävässä sanotaan sopii mahdollisimman hyvin, sillä tarkoitetaan
f(n) = Ω(g(n)) jos ja vain jos g(n) = O(f(n))
Määritelmä: on O(g(n)), jos on olemassa vakioarvot n 0 > 0 ja c > 0 siten, että c g(n) kun n > n 0 O eli iso-o tai ordo ilmaisee asymptoottisen ylärajan resurssivaatimusten kasvun suuruusluokalle Samankaltaisia
Optimal Harvesting of Forest Stands
Optimal Harvesting of Forest Stands (Presentation of the Complete Work) 11 April 2011 Instructor: Janne Kettunen Supervisor: Ahti Salo Tausta Ass. Prof. Janne Kettunen käsittelee osana väitöskirjatyötään
3. laskuharjoituskierros, vko 6, ratkaisut
Mat-.9 Sovellettu todennäköisyyslasku, kevät - eliövaara, Palo, Mellin. laskuharjoituskierros, vko 6, ratkaisut D. Uurnassa A on 4 valkoista ja 6 mustaa kuulaa ja uurnassa B on 6 valkoista ja 4 mustaa
Diskreetin satunnaismuuttujan odotusarvo, keskihajonta ja varianssi
TOD.NÄK JA TILASTOT, MAA0 Diskreetin satunnaismuuttujan odotusarvo, keskihajonta ja varianssi Kuten tilastojakaumia voitiin esittää tunnuslukujen (keskiarvo, moodi, mediaani, jne.) avulla, niin vastaavasti
4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on
Mat-2.090 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Otanta Poisson- Jakaumien tunnusluvut Diskreetit jakaumat Binomijakauma, Diskreetti tasainen jakauma, Geometrinen jakauma, Hypergeometrinen
Harjoitus 2: Matlab - Statistical Toolbox
Harjoitus 2: Matlab - Statistical Toolbox Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen tavoitteet Satunnaismuuttujat ja todennäköisyysjakaumat
Nollasummapelit ja bayesilaiset pelit
Nollasummapelit ja bayesilaiset pelit Kristian Ovaska HELSINGIN YLIOPISTO Tietojenkäsittelytieteen laitos Seminaari: Peliteoria Helsinki 18. syyskuuta 2006 Sisältö 1 Johdanto 1 2 Nollasummapelit 1 2.1
Talousmatematiikan perusteet: Luento 2. Lukujonot Sarjat Sovelluksia korkolaskentaan
Talousmatematiikan perusteet: Luento 2 Lukujonot Sarjat Sovelluksia korkolaskentaan Lukujonoista Miten jatkaisit seuraavia lukujonoja? 1, 3, 5, 7, 1, 2, 4, 8, 1, 3, 9, 27, 1, 1, 2, 3, 5, 8, 8.1.2018 2
VEDONLYÖNTI PELIOPAS
VEDONLYÖNTI PELIOPAS PITKÄVETO Tiedätkö kumpi voittaa vai päättyykö peli tasan? NÄIN SE SUJUU Pitkävedossa lyöt vetoa yhdestä tai useammasta pelikohteesta. Pitkävedon kohteet ja kertoimet saat pelimyyjältä,
Sähköisen liiketoiminnan tason mittaaminen pk-yrityksissä (aihe-esittely)
Sähköisen liiketoiminnan tason mittaaminen pk-yrityksissä (aihe-esittely) 24.1.2011 Ohjaaja: DI Tommi Kemppainen Valvoja: Prof. Ahti Salo Työn tausta Asiakas on tilannut ohjelmiston, jolla pkyrittäjät
Valuation of Asian Quanto- Basket Options
Valuation of Asian Quanto- Basket Options (Final Presentation) 21.11.2011 Thesis Instructor and Supervisor: Prof. Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta
SUOMALAISTEN VEDONLYÖJIEN KÄYTTÄYTYMINEN SIJOITTAJIA VAI PELUREITA?
TAMPEREEN YLIOPISTO Taloustieteiden laitos SUOMALAISTEN VEDONLYÖJIEN KÄYTTÄYTYMINEN SIJOITTAJIA VAI PELUREITA? Laskentatoimi Pro gradu -tutkielma Lokakuu 2005 Ohjaaja: Petri Vehmanen Marko Virtanen Mikko
https://www10.uta.fi/opas/opintojakso.htm?rid=6909&i dx=5&uilang=fi&lang=fi&lvv=2014
1 MTTTP3 Tilastollisen päättelyn perusteet 2 Luennot 8.1.2015 ja 13.1.2015 1 Kokonaisuudet johon opintojakso kuuluu https://www10.uta.fi/opas/opintojakso.htm?rid=6909&i dx=5&uilang=fi&lang=fi&lvv=2014
Yksikkökate tarkoittaa katetuottoa yhden tuotteen kohdalla. Tämä voidaan määrittää vain jos myytäviä tuotteita on vain yksi.
KATETUOTTOLASKENTA laskennassa selvitetään onko liiketoiminta kannattavaa. Laskelmat tehdään liiketoiminnasta syntyvien kustannuksien ja tuottojen perusteella erilaisissa tilanteissa. laskennassa käytetään
Huomioita korkeakoulutuksesta ja mahdollisuuksien tasa-arvosta
Taloustieteellisen yhdistyksen lukukausimaksuseminaari, 15.5.2017 Huomioita korkeakoulutuksesta ja mahdollisuuksien tasa-arvosta Hannu Karhunen hannu.a.karhunen@jyu.fi Huomio 1: Korkeakoulutuksen tuotto
Riski ja velkaantuminen
Riski ja velkaantuminen TU-C1030 Laskelmat liiketoiminnan päätösten tukena Luento 28.1.2016 I vaiheen luentokokonaisuus INVESTOINNIN KANNATTAVUUS YRITYKSEN KANNATTAVUUS 1. Vapaa rahavirta (FCF) 2. Rahavirtojen
Epätäydellisen tiedon jatkuvat pelit. Mika Viljanen Peliteorian seminaari
Epätäydellisen tiedon jatkuvat pelit Mika Viljanen Peliteorian seminaari Erityispiirteitä Erityispiirteitä Epätäydellinen tieto aiemmista toiminnoista Erityispiirteitä Epätäydellinen tieto aiemmista toiminnoista
Projektin riskit, mahdollisuudet ja niiden hallinta
Projektin riskit, mahdollisuudet ja niiden hallinta TU-C3010 Projektien suunnittelu ja ohjaus Aalto-yliopisto, Perustieteiden korkeakoulu, Tuotantotalous 9.8.2017 Jere Lehtinen Agenda Teeman jälkeen opiskelija
Polkuriippuvuus trade-off-painotuksessa (valmiin työn esittely)
Polkuriippuvuus trade-off-painotuksessa (valmiin työn esittely) Riikka Siljander 8.9.2014 Ohjaaja: DI Tuomas Lahtinen Valvoja: prof. Raimo Hämäläinen Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla
Minimilatenssiongelman ratkaisualgoritmeja (valmiin työn esittely)
Minimilatenssiongelman ratkaisualgoritmeja (valmiin työn esittely) Antti Salmela 03.03.2014 Ohjaaja: Harri Ehtamo Valvoja: Harri Ehtamo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla.
Vastaus: 10. Kertausharjoituksia. 1. Lukujonot lim = lim n + = = n n. Vastaus: suppenee raja-arvona Vastaus:
. Koska F( ) on jokin funktion f ( ) integraalifunktio, niin a+ a f() t dt F( a+ t) F( a) ( a+ ) b( a b) Vastaus: Kertausharjoituksia. Lukujonot 87. + n + lim lim n n n n Vastaus: suppenee raja-arvona
Kamux Puolivuosikatsaus tammi kesäkuu 2018
Kamux Puolivuosikatsaus tammi kesäkuu 218 23.8.218 Toimitusjohtaja Juha Kalliokoski Talousjohtaja Tapio Arimo Sisältö Puolivuosikatsaus 218 Q2/218 lyhyesti Taloudellinen kehitys Näkymät ja taloudelliset
3 Yleinen toisen asteen yhtälö ja epäyhtälö
Juuri Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 5.8.016 3 Yleinen toisen asteen yhtälö ja epäyhtälö ENNAKKOTEHTÄVÄT 1. a) x + x + 1 = 4 (x + 1) = 4 Luvun x + 1 tulee olla tai, jotta sen
Bachelor level exams by date in Otaniemi
Bachelor level exams by date in Otaniemi 2015-2016 (VT1 means that the place of the exam will be announced later) YOU FIND INFORMATION ABOUT THE PLACE OF THE EXAM IN OTAKAARI 1 U-WING LOBBY (M DOOR) Day
Optimization of Duties in Railway Traffic (valmiin työn esittely)
Optimization of Duties in Railway Traffic (valmiin työn esittely) Teemu Kinnunen 03.03.2014 Ohjaaja: Mikko Alanko Valvoja: Harri Ehtamo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla.
Bachelor level exams by subject in Otaniemi
Bachelor level exams by subject in Otaniemi 2015-2016 (VT1 means that the place of the exam will be announced later) YOU FIND INFORMATION ABOUT THE PLACE OF THE EXAM IN OTAKAARI 1 U-WING LOBBY (M DOOR)
Oletetaan, että virhetermit eivät korreloi toistensa eikä faktorin f kanssa. Toisin sanoen
Yhden faktorin malli: n kpl sijoituskohteita, joiden tuotot ovat r i, i =, 2,..., n. Olkoon f satunnaismuuttuja ja oletetaan, että tuotot voidaan selittää yhtälön r i = a i + b i f + e i avulla, missä
derivaatta pisteessä (YOS11) a) Näytä, että a n+1 > a n, kun n = 1, 2, 3,.
Matematiikka, MAA9. a) Ratkaise yhtälö tan (YOS) Kulma on välillä [, 6]. Ratkaise asteen tarkkuudella seuraavat yhtälöt: b) sin c) cos (YOs). Kulmalle [9,6 ] on voimassa sin = 8 7. Määritä cos ja tan..
Ratkaisu: a) Aritmeettisen jonon mielivaltainen jäsen a j saadaan kaavalla. n = a 1 n + (n 1)n d = 5 500 + 4 = 501500. 2 500 = 5 + 2001 2
Kotitehtäviä 5. Ratkaisuehdotuksia. a) Jono a,..., a 500 on aritmeettinen, a = 5 ja erotusvakio d = 4. Laske jäsenet a, a 8 ja a 00 sekä koko jonon summa. b) Jono b,..., b 0 on geometrinen, b = ja suhdeluku
LIITON ALAINEN RINGETEN KILPAILUTOIMINTA KAUDELLA
LIITON ALAINEN RINGETEN KILPAILUTOIMINTA KAUDELLA 2019 2020 Liiton alaisten ringettesarjojen kilpailutoiminnan kuvaus kaudella 2019-2020. Kilpailun järjestäjä pidättää oikeuden muutoksiin tarvittaessa.
Kamux Osavuosikatsaus tammi maaliskuu Toimitusjohtaja Juha Kalliokoski Väliaikainen talousjohtaja Milla Kärpänen
Kamux Osavuosikatsaus tammi maaliskuu 219 1.5.219 Toimitusjohtaja Juha Kalliokoski Väliaikainen talousjohtaja Milla Kärpänen Sisältö Osavuosikatsaus Q1/219 Q1/219 lyhyesti Taloudellinen kehitys Näkymät
Sovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 30. lokakuuta 2007 Antti Rasila () TodB 30. lokakuuta 2007 1 / 23 1 Otos ja otosjakaumat (jatkoa) Frekvenssi ja suhteellinen frekvenssi Frekvenssien odotusarvo
Jatkuvat satunnaismuuttujat
Jatkuvat satunnaismuuttujat Satunnaismuuttuja on jatkuva jos se voi ainakin periaatteessa saada kaikkia mahdollisia reaalilukuarvoja ainakin tietyltä väliltä. Täytyy ymmärtää, että tällä ei ole mitään
MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 5: Taylor-polynomi ja sarja
MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 5: Taylor-polynomi ja sarja Pekka Alestalo, Jarmo Malinen Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos 26.9.2016 Pekka Alestalo,
Vestan kaudet 2008/
Vestan kaudet 2008/2011-2017 Miten parantaa jääpallojoukkueen menestystä? Mitä on menestys ja miten mitata menestystä? Peli-iloa ja onnistumisen kokemuksia? Voitettuja kaksinkamppailuja? Korkea sijoitus
Ylikerroinstrategiat ja Poisson-jakaumat vedonlyönnissä
Aalto-yliopisto Perustieteiden korkeakoulu Teknillisen fysiikan ja matematiikan tutkinto-ohjelma Ylikerroinstrategiat ja Poisson-jakaumat vedonlyönnissä Kandidaatintyö 22. marraskuuta 212 Jussi Kolehmainen
Tuloverotuksen vaikutus työn tarjontaan
Tuloverotuksen vaikutus työn tarjontaan Tuomas Matikka VATT Valtiovarainvaliokunta, verojaosto 19.2.2016 Tuomas Matikka (VATT) Tuloverotus ja työn tarjonta Verojaosto 1 / 11 Taustaa Esitys perustuu tammikuussa
Tehtävät 1/10. TAMPEREEN YLIOPISTO Informaatiotieteiden tiedekunta Valintakoe Matematiikka ja tilastotiede. Sukunimi (painokirjaimin)
1/10 Tehtävä 1 2 3 4 5 6 7 8 9 10 Yhteensä Pisteet (tarkastaja merkitsee) Kokeessa on kymmenen tehtävää, joista jokainen on erillisellä paperilla. Jokaisen tehtävän maksimipistemäärä on 6 pistettä. Tehtävien