KANSANTALOUSTIETEEN ILMIÖIDEN MITTAAMISESTA

Koko: px
Aloita esitys sivulta:

Download "KANSANTALOUSTIETEEN ILMIÖIDEN MITTAAMISESTA"

Transkriptio

1 KANSANTALOUSTIETEEN ILMIÖIDEN MITTAAMISESTA Matti Estola 7. tammikuuta 2013 Jotta kansantaloustiedettä voitaisiin kutsua eksaktiksi (tarkaksi) tieteeksi, seuraavien ehtojen tulisi toteutua. (1) Olisi oltava mittajärjestelmä, jolla taloudessa havaittavat ilmiöt saadaan mitattua. (2) Talouden ilmiöiden selittämisen tulisi perustua teoriaan ihmisten ja ihmisten muodostamien organisaatioiden käyttäytymisestä, jota korjataan tarvittaessa havaintojen perusteella. (3) Olisi oltava yleisesti hyväksytyt mallittamisperiaatteet eri tilanteille. Sekä dynaamiset että staattiset ilmiöt tulisi mallittaa samalla lähestymistavalla, sillä tuntuisi oudolta, jos talousyksiköiden käyttäytymisen muutosta mallitettaisiin eri periaatteella kuin normaalia käyttäytymistä. 4) Formaali teoreettinen mallittaminen tulisi tehdä vain sellaisten muuttujien avulla, jotka ovat joko suoraan tai epäsuorasti mitattavissa. (5) Jonkin tilanteen mallittamisessa tehdyt yksinkertaistukset tulisi perustella ja raportoida mallittamisen yhteydessä. (6) Makrotason ilmiöiden mallittaminen tulisi perustua joko talousyksiköiden mikrotason käyttäytymiseen tai taloudessa vallitseviin makrotaloudellisiin riippuvuuksiin (tarkemmin kirjan osassa III). (7) Makrotason suureiden mittayksiköt tulisi pystyä määrittelemään. Esimerkiksi fysiikassa kaasujen makrofysikaalisten ilmiöiden tutkimisessa yksittäisten molekyylien käyttäytymiseen perustuva mallittaminen on todettu liian monimutkaiseksi. Tästä syystä kaasujen käyttäytymistä mallitetaan molekyylien keskimääräisen käyttäytymisen perusteella, mikä tuottaa riittävän tarkkoja ennusteita. Kaasujen käyttäytymisen makroteoreettisissa yhtälöissä 1

2 esiintyy myös suureita kuten lämpötila, joita mikrotasolla ei voida edes mitata. Mikrotasolla lämpötilan nousu havaitaan molekyylien lämpöliikkeen lisääntymisenä. Myös kansantaloustieteessä makrotason ilmiöitä voidaan ajatella mallitettavan eri periaatteilla kuin mikrotason käyttäytymistä. Näihin asioihin palataan kirjan osassa III, missä tarkastellaan makrotaloustiedettä. Yllä esitetyt formaalin tieteen vaatimukset pyritään tässä oppikirjassa täyttämään. Aloittakaamme talouden mittajärjestelmästä. 1 Kansantaloustieteen mittajärjestelmä Kansantaloustieteen mittajärjestelmän vertailukohteena on mekaniikan metrinen mittajärjestelmä, jonka perusdimensiot (-suureet) ovat [pituus], [massa] ja [aika] (muuttujan dimensiota merkitään hakasuluilla), ja niiden mittayksiköt ovat metri (m), kilogramma (kg) ja sekunti (s). Kaikki mekaniikan ilmiöt voidaan mitata näiden perusdimensioiden sekä niistä muodostettujen johdettujen dimensioiden avulla. Johdetut dimensiot ovat perusdimensioiden potenssituloja, eli muodostetut niistä joko kerto- tai jakolaskun avulla. Esimerkiksi nopeus on johdettu dimensio, joka saadaan perusdimensioiden [pituus] ja [aika] potenssitulona: [nopeus] = [pituus]/[aika] = [pituus aika 1 ]. Tämä nähdään myös nopeuden mittayksiköstä (m/s) = (ms 1 ). Tilavuus puolestaan on pituus-dimensiosta potenssitulona muodostettu johdettu dimensio [tilavuus] = [pituus 3 ], jonka mittayksikkö metrisessä järjestelmässä on (m 3 ). Yksi erikoistapaus johdetuista dimensioista on dimensioton suure, joka saadaan kahden samandimensioisen suureen suhdelukuna; esim. [pituus]/[pituus] = [pituus/pituus] = [1]. Määritelmä: Dimensiollisia tai dimensiottomia lukuja kutsutaan yhdessä skalaareiksi. Suuri osa kansantaloudessa havaittavista ilmiöistä voidaan kvantifioida (mitata) seuraavia dimensioita käyttäen: määrä [R], arvo [M] ja aika [T ]. Nämä merkinnät tulevat termeistä real dimension, monetary dimension ja time dimension. Ihmisten käyttäytymiseen vaikuttaa lisäksi heidän subjektiivisesti tuntemansa mielihyvä eli tyytyväisyyden tila, jota kansantaloustieteessä on perinteisesti nimitetty hyödyksi. Tätä tyytyväisyyden astetta voidaan pitää omana perusdimensionaan, jota merkitään [S]:llä termin satisfaction dimension mukaan. Tässä esitetty merkintätapa noudattaa Frits de Jongin (1967) näille dimensioille käyttämiä symboleja. Näitä voidaan pitää kansantalouden mittajärjestelmän perus- eli primääreinä dimensioina, ja niiden muodostamat potenssitulot ovat talouden johdettuja, eli sekundaarisia, dimensioita. Myöhemmin tulemme kuitenkin havaitse- 2

3 maan, että mielihyvä -dimensiota tarvitaan ainoastaan apusuureena kansantalouden ilmiöiden mittaamisessa ja mallittamisessa. Dimensioanalyysissa tarkastellaan mittayksiköllisten suureiden algebrallisia operaatioita. Sen mukaan dimensionaalisilla suureilla voidaan kertoa ja jakaa reaalilukujen tapaan siten, että suureiden numeeriset arvot kerrotaan ja jaetaan kerto- ja jakolaskusääntöjen mukaan. Olennaista tällöin on se, että kahden dimensionaalisen suureen tulon (osamäärän) dimensio (mittayksikkö) poikkeaa yleensä molempien tulon (osamäärän) tekijöiden dimensioista (mittayksiköistä). Yhteenlasku ja vähentäminen on sallittua vain kahden samandimensioisen suureen tapauksessa, ja laskun tuloksena saadaan samaa dimensiota oleva suure. Jonkin dimensionaalisen suureen kertominen dimensiottomalla (tai paljaalla) luvulla muuttaa suureen numeerista arvoa mutta ei dimensiota (katso tämän osion loppuosan esimerkit). Näitä asioita käsitellään tarkemmin esimerkiksi de Jongin kirjassa (1967). Määritelmä: Dimensionaaliseksi vakioksi kutsutaan sellaista dimensionaalista suuretta, jolla on kiinteä numeerinen arvo. Esimerkki. Fysiikassa dimensionaalisia vakioita ovat esimerkiksi Newtonin gravitaatiovakio (m 3 kg 1 s 2 ) sekä valon nopeus (ms 1 ). Fysikaalisessa kemiassa dimensionaalisia vakioita ovat esimerkiksi Avogadron ja Faradayn vakiot: (mol 1 ) ja (Cmol 1 ). Kansantaloustieteessä dimensionaalisia vakioita ovat mm. kiinteän valuuttakurssijärjestelmän mukaiset vaihtokurssit esim. Suomen markan ja USA:n dollarin välinen vaihtokurssi 4.51 (F IM/U SD) sekä tuotantoteoriassa esiintyvät teknologiavakiot. Huomautus! Rahayksiköistä puhuttaessa merkitsemme jatkossa Suomen markkaa ja USA:n dollaria lyhenteillä (mk) ja ($), jotka ovat vakiintuneita merkintätapoja. Valuutoista ja valuuttojen vaihtokursseista puhuttaessa käytämme taas valuuttojen virallisia lyhenteitä (F IM) ja (U SD). Tunnetuimpien valuuttojen viralliset lyhenteet on taulukoitu luvun 15 lopussa olevassa liitteessä. Määritelmä Kahden valuutan tapauksessa puhutaan niiden välisestä vaihtokurssista. Myöhemmin luvussa 15 tarkastelemme Suomen markan valuuttakurssi-indeksiä, joka mittaa markan vaihtosuhdetta useista valuutoista muodostettuun valuuttakoriin. Tällöin puhutaan Suomen markan valuuttakurssista. Kansantaloustieteessä dimensionaalisia vakioita tarvitaan fysiikan tapaan dimensionaalisesti hyvin määriteltyjen yhtälöiden muodostamisessa. Yleisessä funktiomuodossa esitetyt teoriat voidaan yksinkertaistaa dimensionaalisten vakioiden avulla siten, että päästään käyttämään mahdollisimman yksin- 3

4 kertaisia tarkkoja funktiomuotoja (esim. polynomimuotoisia). Tarkkojen funktiomuotojen sisältämien suureiden dimensionaalisuus vaatii sellaisten dimensionaalisten vakioiden määrittämisen, jotka tekevät funktioista dimensioiden suhteen hyvin määriteltyjä. Tätä vaihetta kutsutaan mallin parametrisoinniksi, eli sellaisten dimensionaalisten vakioiden määrittämiseksi, joiden numeeriset arvot määrätään havaintojen perusteella (liite; luku 5 osio 4). Teoriatasolla yhtälöt kirjoitetaan siten, että niissä esiintyviä dimensionaalisia vakioita merkitään kirjaimin a, b, c, a 1, a 2,... Dimensionaalisten vakioiden dimensiot ja mittayksiköt määrätään teoriatasolla, kun taas niiden numeeriset arvot määrätään havaintojen perusteella. Kansantaloustieteen dimensionaalisilla vakioilla ei kuitenkaan ole fysiikan ja kemian vakioiden kaltaista universaalisuutta, sillä mikään taloudessa mitattu dimensionaalinen suure ei pitkällä aikavälillä pysy kiinteänä. Kansantaloustieteen empiirinen analyysi ei myöskään tarkkuudeltaan vastaa fysiikan laboratorio-olosuhteita. Eri aineistoilla tehdyt analyysit tuottavat yleensä toisistaan poikkeavia numeerisia arvoja samoille vakioille. Yllä esitetystä puutteista huolimatta dimensionaalisten vakioiden huomioiminen teoriatasolla on tärkeää siitä syystä, että niiden mittayksiköt saadaan oikein määriteltyä. Mittayksiköt auttavat meitä havaintojen perusteella määrättyjen vakioiden numeeristen arvojen tulkinnassa. Tässä kirjassa esitettyjä teoreettisia yhtälöitä tutkiessaan lukija voi aina korvata dimensionaaliset vakiot joillakin numeroarvoilla, jos kokee sen helpottavan asian ymmärtämistä. Teoriat pyritään yleensä kirjoittamaan sellaisessa muodossa, että dimensionaalisten vakioiden numeeriset arvot ovat positiivisia. Esimerkkejä dimensionaalisista laskutoimituksista. 5 (kg) + 3 (kg) = 8 (kg), (mk/vrk) = 1000 (mk/vrk), 2 (mk/kg) 100 (kg/kpl) 8 (kpl/kk) = 1600 (mk/kk), 100 (mk/kk) 20 (mk/kg) = 5 (kg/kk), 100 (mk/kk) 12 (kk/v) = 1200 (mk/v), 1200 (mk/v) 4 (v) = 4800 (mk), 200 (mk) 10 (mk) = 20, 10 (mk/kk) + 5 (mk/kpl) 4 (kpl/kk) = 30 (mk/kk), x (kg/kpl) y (mk/kg) = xy (mk/kpl) Kaikki yllä esitetyt yhtälöt ovat homogeenisia dimensioiden suhteen, eli dimensiohomogeenisia. Jos esimerkiksi viimeisen yhtälön molemmat puolet ker- 4

5 rotaan jollakin nollasta eroavalla suureella jolla on mittayksikkö (kpl/mk), yhtälö muuttuu mittayksiköttömäksi. 1.1 Määrän mittaaminen Kansantaloustieteessä määrä -dimension mittayksikköinä voidaan pitää kaikkia niitä fysikaalisia mittayksiköitä, joita hyödykemäärien mittaamisessa käytetään. Näitä ovat kilogramma (kg), metri (m), neliömetri (m 2 ), kuutiometri (m 3 ), litra (l), lukumäärä (kpl) jne. sekä kaikki näiden kymmenpotenssit, eli gramma (g), kilometri (km) jne. Koska samandimensioisia suureita tulee voida laskea yhteen, määrää mittaavien suureiden yhteenlaskettavuus vaatii sen, että on olemassa kiinteät muunnossäännöt eri määräyksikköjen välillä. Hyödykemääriä voidaan laskea yhteen näiden muunnossääntöjen avulla esimerkiksi seuraavasti. Esimerkki. Oletetaan että 0.5 litran riisipaketin sisältö painaa 0.6 kiloa; 1 (l) riisiä painaa siis 1.2 (kg). Jos nyt yhden kilon riisimäärään lisätään yksi litra riisiä, saatu riisimäärä voidaan esittää joko 1 (kg) + 1 (l) 1.2 (kg/l) = 2.2 (kg) tai 1 (l) + 1 (kg) / 1.2 (kg/l) = 1.83 (l) riisiä. Edellä mainittujen muunnossääntöjen tulee toteuttaa seuraava ehto: kun jokin hyödykemäärä mitataan metri-, kilo- tai kuutiotavarana, eri mittayksiköissä mitattujen samansuuruisten hyödykemäärien hintojen tulee olla samat. Edellä esitetyn perusteella 1.2 (kg) riisiä maksaa yhtä paljon kuin 1 (l) riisiä. Olkoon riisin litrahinta 5 (mk/l). Tällöin riisin kilohinnaksi saadaan 5 (mk/l) = 5 (mk) / 1.2 (kg) = 5/1.2 (mk/kg) = 4.17 (mk/kg). Eri hyödykkeiden kilo-, metri- ja kuutiohinnat tulee määritellä siten, että niiden avulla tietty hyödykemäärä voidaan hinnoitella identtisesti mitä tahansa määräyksikköä käyttäen. 1.2 Arvon mittaaminen Arvon mittayksikkönä voidaan pitää tarkasteltavan kansantalouden rahayksikköä, eli Suomen tapauksessa Suomen markkaa (mk). Jonkin hyödykkeen arvon mittaaminen ei kuitenkaan koskaan ole objektiivista, sillä se vaihtelee eri ihmisillä heidän arvostustensa ja varallisuutensa mukaan. Näistä ongelmista huolimatta (katso esim. Estola (1995)) jokaisen hyödykkeen arvo voidaan määritellä markkinamekanismin avulla suurimman maksuhalukkuuden mukaan. Määritelmä: Jonkin hyödykkeen rahamääräinen arvo on siihen kohdistuvan maksuhalukkuusvälin suurin arvo. 5

6 Maksuhalukkuusvälillä tarkoitetaan suurimman ja pienimmän ostotarjouksen rajaamaa ostotarjousten joukkoa. Jos hyödykkeen omistaja haluaa muuttaa hyödykkeensä rahaksi, hyödykkeen arvo vastaa huutokauppatilanteen korkeinta ostotarjousta. Määritelmä toimii järkevästi myös negatiivisille arvoille eli jätteiden arvoa määriteltäessä. Omistaja, joka haluaa päästä eroon jätteestään mahdollisimman halvalla, valitsee kaikkein edullisimman osto tarjouksen. Tämä vastaa jätteen ostajien maksuhalukkuusvälin suurinta arvoa, eli negatiivisella puolella lähimpänä nollaa olevaa arvoa. 1.3 Ajan mittaaminen Kansantaloustieteessä aikaa voidaan mitata usealla yksiköllä: tunti (h), vuorokausi (vrk = 24h), työpäivä; esim. (pv = 8h), viikko (vk = 7vrk), kuukausi (kk = 4vk), vuosi (v = 52vk) jne. Koska eri kalenterikuukausien päivien lukumäärä vaihtelee, kuukaudella tarkoitetaan jatkossa neljän viikon (eli 28 vuorokauden) pituista ajanjaksoa, jotta se olisi tarkka mittayksikkö ajanjakson pituudelle. Vuodella tarkoitetaan puolestaan 52 viikon pituista ajanjaksoa, jolloin yksi vuosi ei vastaa 12 kuukautta. Syy useisiin ajan mittayksiköihin on se, että esimerkiksi työpanoksen vuosittaista käyttöä voidaan mitata vuoden aikana tehtyjen työtuntien määrällä. Työpanoksen käyttö on siis johdettu suure, jonka mittayksikkö voi esimerkiksi olla (h/v) = (hv 1 ). Jos mittayksikössä (h/v) vuosi muunnetaan tunneiksi (tai tunti vuoden murto-osaksi), työpanoksen mittasuureeksi saadaan dimensioton suure, joka mittaa työtuntien osuutta vuoden koko tuntimäärästä. Mittayksikkö (h/v) työpanokselle on kuitenkin jälkimmäistä selvempi, joten sitä käytetään jatkossa. 1.4 Mielihyvän (tyytyväisyyden) eli hyödyn mittaaminen Ihmisten kokeman tyytyväisyyden tason mittaaminen on huomattavasti vaikeampaa kuin muiden kansantaloustieteen perussuureiden, sillä se vaatisi periaatteessa ihmisen aivojen sähkökemiallisten reaktioiden kvantifioimista. Hymyn leveys ei liene riittävän tarkka mittari ko. suureelle. Ihmisten kulutuskäyttäytymistä mallitettaessa olennaista on kuitenkin se, että ihminen kokee saavansa tyydytystä eri hyödykkeiden kuluttamisesta, ja pystyy vertailemaan erilaisten hyödykekombinaatioiden (-yhdistelmien) kuluttamisesta saamaansa mielihyvää tämän subjektiivisen tuntemuksensa perusteella. Oletus eri hyödykkeiden kuluttamisen tuottaman mielihyvän vertailtavuudesta on välttämätön edellytys rationaaliselle kulutuskäyttäytymiselle. 6

7 Kuluttajan valintateoriassa osoitamme myöhemmin, että tiettyjen oletusten ollessa voimassa kuluttaja pystyy järjestämään kulutettavana olevat hyödykekombinaatiot paremmuusjärjestykseen. Toisin sanoen kaikkien mahdollisten hyödykekombinaatioiden muodostama joukko on järjestysrelaatiollinen mielihyväasteikon suhteen (liite; luku 11 osio 2.2). Jotta kuluttaja voisi verrata eri hyödykkeiden kuluttamisesta saamaansa mielihyvää, kaikkien hyödykkeiden kuluttamisesta saatavan mielihyvän tulisi olla samaa lajia. Kuluttajien tarpeita voidaan kuitenkin luokitella useilla tavoilla: fysiologiset, sosiaaliset, tunne-elämän tarpeet jne. Nälän tunteen poistaminen syömällä tuottaa ihmisille varmasti erilaatuista mielihyvää kuin teatterinäytännön seuraaminen. On siis perusteltua ajatella, että on olemassa erilaisia mielihyvälajeja, joita ihminen kokee eri hyödykkeitä kuluttaessaan. Määritelmä: Jonkin epätyhjän joukon osituksella tarkoitetaan joukon jakamista osajoukkoihin seuraavasti: 1) osajoukot eivät leikkaa toisiaan, 2) joukon jokainen alkio kuuluu johonkin osajoukkoon ja 3) joukko voidaan esittää näiden osajoukkojen yhdisteenä. Yksi ratkaisu yllä kuvattuun mielihyvän vertailtavuus -ongelmaan on seuraava: kuluttajan oletetaan osittavan kaikkien kulutettavana olevien hyödykkeiden muodostaman joukon erillisiin osajoukkoihin siten, että niiden sisältämät hyödykkeet ovat homogeenisia (samanlaisia) niiden tuottaman mielihyvälajin suhteen. Tietyn osajoukon sisältävistä hyödykkeistä saatavaa mielihyvää voidaan siten suoraan verrata toisiinsa. Tällä tavalla määriteltyjen osajoukkojen lukumäärä vaihtelee yksilökohtaisesti sen mukaan, miten tarkasti kyseinen henkilö erottelee erilaatuisia mielihyvälajeja. Erilaiset mielihyvälajit voidaan edelleen järjestää tärkeysjärjestykseen, ja päättää miten suuri osuus tarkasteltavan ajanjakson budjetista kullekin lajille annetaan. Kutakuinkin tällä tavalla ihmiset käytännössä toimivat. Fysiologisilla tarpeilla on selvä prioriteettiasema tarpeiden hierarkiassa, ja muiden tarpeiden tyydyttäminen on mielekästä vasta sen jälkeen, kun niiden tyydytys on saavuttanut tietyn minimitason. Nälkäinen ihminen ei saa tyydytettyä nälän tunnettaan seuraamalla teatterinäytäntöä, eikä kykene nauttimaan näytelmästä. Jos taas joku haluaa rentoutua työpäivän jälkeen, elokuvissakäynnin tuottama mielihyvä edustaa tällöin samaa mielihyvälajia kuin ravintolassa tai tansseissa käynti. Näitä punnitaankin usein vaihtoehtoisina ajankäyttötapoina. Jonkinlainen vaihdettavuus eri mielihyvälajien välillä on kuitenkin olemassa, sillä havaintojen perusteella ihmiset kykenevät korvaamaan esimerkiksi tunne-elämän tarpeitaan muiden henkisten tarpeiden tyydyttämisellä. Halu saada toisten ihmisten arvostusta voidaan myös (ainakin osittain) tyydyttää status-hyödykkeiden hankinnoilla, mikä lienee ainoa syy niiden olemassaoloon. 7

8 Näiden esimerkkien perusteella voidaan ajatella, että jokainen ihminen luo itselleen oman subjektiivisen arvostusjärjestelmänsä, jossa hän määrittelee tietyt vaihtosuhteet erilaisten mielihyvälajien välille. Nämä vaihtosuhteet riippuvat henkilön vallitsevasta tarpeidentyydytystasosta, sillä sama ihminen nälkäisenä ja kylläisenä määrittelee varmasti erisuuren vaihtosuhteen lisäruuan syömisen ja teatterinäytännön seuraamisen välille. Tässä esitetyn analysoinnin tarkoitus oli kuvata varsin karkealla tasolla sitä prosessia, mikä ihmisen aivoissa tapahtuu hänen vertaillessaan eri hyödykkeiden kuluttamisesta saamaansa mielihyvää. Koska rahatalouksissa hyödykkeiden hinnat ilmaistaan rahamääräisinä, rationaalinen kuluttajan valintakäyttäytyminen vaatii hyödykekombinaatioiden järjestysrelaatiollisuus -ominaisuuden lisäksi sen, että kuluttaja pystyy muuntamaan sekä raha- että mielihyväasteikolliset suureet yhteismitallisiksi. Rahamääräisinä suureina hyödykkeiden hinnat ovat jatkuvia suureita, joten kuluttajan tulee pystyä määrittelemään jatkuva yksikäsitteinen vastaavuus yksiköissä (mk) mitatuille rahamääräisille suureille sekä joissakin yksiköissä mitatuille mielihyvämäärille. Kuluttajan kokemaa mielihyvää (tyytyväisyyttä) on kansantaloustieteessä perinteisesti kutsutty hyödyksi, mitä nimitystä tässäkin kirjassa käytetään jatkossa perinteiden vuoksi. Kuluttajan valintateoriassa on kyetty osoittamaan, että silloin kun kuluttaja kykenee asettamaan erilaiset hyödykekombinaatiot paremmuusjärjestykseen, sellainen argumenttiensa suhteen jatkuva skalaariarvoinen funktio (liite; luku 5 osio 1) voidaan määritellä, joka kuvaa kuluttajan preferenssijärjestyksen ( prefer = pitää parempana) yksikäsitteisesti. Näin muodostettua funktiota kutsutaan kuluttajan hyötyfunktioksi. Yllä määritelty kuluttajan hyötyfunktio ei kuitenkaan ole yksikäsitteinen; mikä tahansa sen positiivinen muunnos esim. hyötyfunktion kertominen positiivisella luvulla tai korottaminen potenssiin kuvaa saman preferenssijärjestyksen. Jokainen saman preferenssijärjestyksen kuvaava hyötyfunktio määrittelee yhden jatkuvan yksikäsitteisen vastaavuuden hyötyfunktion arvojen ja rahamääräisten suureiden välille. Tämä vastaavuus määritellään kuluttajan valintateoriassa luvussa 4. Hyödyn mittaamisessa hyötyfunktion valinnalla ei ole muuta vaikutusta kuin se, että tietty hyötyfunktio määrittelee yhden tietyn vastaavuuden rahamääräisten suureiden ja hyötymäärien välille. Voidaan siis ajatella, että jokainen saman preferenssijärjestyksen kuvaava hyötyfunktio määrittelee kuluttajan hyödylle yhden tietyn funktion arvojen ilmaiseman mittayksikön. Kuluttajan hyötytason absoluuttisilla arvoilla ei kuitenkaan ole merkitystä kuluttajan valintaa mallitettaessa, sillä kuluttajan optimitilanteen läheisyydessä jokainen tietyn kuluttajan saman preferenssijärjestyksen ilmaisema jatkuva hyötyfunktio määrittelee eri hyödykkeille yksikäsitteiset mak- 8

9 suhalukkuudet. Jos kuluttaja kykenee järjestämään tarjolla olevat hyödykekombinaatiot paremmuusjärjestykseen niiden kuluttamisesta saamansa mielihyvän perusteella, ja pystyy ilmaisemaan maksuhalukkuutensa niistä, rationaalinen kuluttajan valintakäyttäytyminen voidaan pelkistää vertailuksi hyödykkeiden hintojen ja kuluttajan niihin kohdistaman maksuhalukkuuden välillä. Tämä vastaa karkealla tasolla ihmisten päivittäistä ostokäyttäytymistä. Vaikka kuluttajan subjektiivinen mielihyvä on rationaalisen valintakäyttäytymisen perusta, hyödyn tasoa ei kuitenkaan tarvitse mitata kuluttajan valintatilannetta mallitettaessa, vaan sitä mitataan epäsuorasti maksuhalukkuuden perusteella. Kuluttajan kokema hyöty on siten ainoastaan apusuure hänen maksuhalukkuutensa määrittämisessä, mistä syystä edellä esitetyillä hyödyn mittausongelmilla ei ole merkitystä kuluttajan valintakäyttäytymistä mallitettaessa. Näihin asioihin palataan luvussa 4. Tässä esitetyn perusteella mielihyvän (tyytyväisyyden) eli hyödyn mittaaminen ei ole objektiivista, vaan se riippuu sekä kuluttajan subjektiivisista arvostuksista että hänen preferenssejään kuvaavan hyötyfunktion valinnasta. Tämä epätäsmällisyys vastaa edellä esitettyä epätäsmällisyyttä hyödykkeiden arvojen mittaamisessa, ja se johtuu samasta syystä; kuluttajat kokevat saavansa mielihyvää erilaisista asioista. Samalla tavalla kuin ihmisten maksuhalukkuus vaihtelee tietyn hyödykkeen suhteen, vaihtelee myös yhden henkilön maksuhalukkuus eri hyödykkeistä hänen tulojensa, varallisuutensa sekä vallitsevan tarpeidentyydytystasonsa myötä. Nämä tekijät tekevät hyödyn objektiivisen mittaamisen mahdottomaksi. Tietty mittayksikkö hyödylle on kuitenkin tarpeellinen siitä syystä, että sen avulla voidaan kirjoittaa sellaisia dimensioiden suhteen hyvin määriteltyjä yhtälöitä, joissa hyödyn tasoa kuvaava funktio esiintyy. Näillä perusteluilla mielihyvän (hyödyn) mittayksikköä merkitään jatkossa (ut):llä (utility = hyöty), mikä on mittayksikkö ihmisen aivoissaan tuntemalle mielihyvän asteelle. Jatkossa kuluttajan hyötytasoa mitataan yhden sellaisen jatkuvan funktion arvoilla, joka määrittelee kuluttajan preferenssijärjestyksen yksikäsitteisesti. Hyötyfunktion arvojen mittayksikkö on siis (ut). 1.5 Jonkin suureen muutoksen mittaamisesta Suureita on periaatteessa kahdenlaisia; jatkuvia ja diskreettejä. Diskreetti suure on sillä tavalla epäjatkuva, että sen arvo muuttuu joko hyppäyksin tai tietyin arvovälein. Yksi syy näihin hyppyihin on se, että suure voi saada ainoastaan tiettyjä arvoja; esimerkiksi kokonaislukuja 1, 2, 3,... Esimerkki tällaisesta suureesta on valmistuneiden hyödykkeiden lukumäärä. Toinen yleinen epäjatkuvuuden syy on se, että suureiden arvoja mitataan ainoastaan 9

10 tietyiltä ajanjaksoilta tai tietyin aikavälein. Esimerkkejä näistä ovat yrityksen päivätuotannon määrä sekä aamuisin mitattu ulkoilman lämpötila. Päivätuotannon määrän kuvaaja on porrasfunktio koordinaatistossa (x, y), missä vaaka-akselilla x mitataan aikaa ja pystyakselilla y mitataan päivätuotannon määrää. Portaan korkeus vastaa päivätuotannon määrää ja leveys vaaka-akselille valitun asteikon määrittämää yhden päivän pituutta. Aamuisin mitattu ulkoilman lämpötila kuvautuu puolestaan koordinaatistoon (aika, lämpötila) erillisten pisteiden joukoksi, jossa päivän välein saadaan yksi mittaustulos. Kuviossa 2.1 on esitettynä suureen x(t) mitattuja arvoja eri ajanhetkillä t 0, t 1, jne. Merkintä t tulee sanasta time eli aika ja alaindeksit 0 ja 1 viittaavat tiettyyn ajanhetkeen. Ensimmäinen kuvio esittää ajan suhteen jatkuvaa suuretta ja muut ovat ajan suhteen diskreettejä. Jatkuvan suureen kuvaaja on yhtenäinen viiva, kun taas diskreetin suureen kuvaaja on joko porrasfunktio tai erillisten pisteiden muodostama joukko. Kuvio 2.1. Yksi jatkuva ja kaksi diskreettiä suuretta Esimerkki. Jatkuvia suureita ovat esimerkiksi aika, auringonpaiste (silloin kun paistaa), selluloosan tai minkä tahansa muun massan tuotanto kun tuotantoprosessi on käynnissä jne. Diskreettejä suureita ovat puolestaan arpanopan silmämäärä usean heiton sarjassa, päivän aikana valmistuneiden autojen lukumäärä esimerkiksi viikon pituisen tarkastelujakson aikana, työntekijän kuukausitulot vuoden pituisen tarkastelujakson aikana, tietyn maan vuotuinen bruttokansantuote luvulla jne. Ajan suhteen jatkuvista suureista saadaan aina muodostettua diskreetti suure siten, että aika ositetaan diskreetiksi suureeksi (tunneiksi, vuorokausiksi, viikoiksi jne.), miltä jaksoilta suureen arvot mitataan. Toinen tapa muuntaa jatkuva suure diskreetiksi on se, että suureen arvojoukko ositetaan sellaisiksi arvoväleiksi, joissa suureen arvo on vakio. Massanvalmistusta voidaan esimerkiksi mitata siten, että määriä mitataan vain täysinä kiloina. Kaikki määrät Q (kg), 1 Q < 2, vastaavat tällöin yhtä kiloa, määrät 2 Q < 3 vastaavat kahta kiloa jne. Matematiikassa ja tilastotieteessä on kehitetty useita menetelmiä, joiden avulla päinvastainen muunnos diskreetin suureen muuntaminen jatkuvaksi voidaan tehdä. Näiden menetelmien tarkka käsittely sivuutetaan tässä kirjassa, mutta niiden periaatetta tarkastellaan seuraavissa kahdessa esimerkissä. Esimerkki. Oletetaan että tietyn yrityksen tuotantoa mitataan valmistuneiden hyödykkeiden lukumäärällä: 1, 2, 3,... Olkoon päivän aikana on valmistunut kolme hyödykettä. Yrityksen tuotantonopeus voidaan tällöin il- 10

11 maista seuraavasti: 3 (kpl/vrk). Tämä diskreetti vuorokausinopeus voidaan muuntaa ajan mittayksiköiden muunnoksilla seuraavasti: 3 (kpl/vrk) = 3 (kpl/24h) = 3 24 (kpl/h) = 3 24 (kpl/60min) = (kpl/min) = (kpl/60sek) = (kpl/sek) jne. Kun ajan ositusta tihennetään riittävästi, diskreettiä tuotantonopeutta vastaava hetkellinen tuotantonopeus (tarkemmin myöhemmin) saadaan määritettyä. Käänteisillä ajan mittayksiköiden muunnoksilla hetkellinen tuotantonopeus voidaan muuntaa vuorokausinopeudeksi. On syytä huomata, että tällä tavalla johdettu hetkellinen tuotantonopeus ei vastaa jonkun tietyn hetken todellista hetkellistä nopeutta, vaan sitä keskimääräistä hetkellistä nopeutta, joka vastaa vuorokausinopeutta 3 (kpl/vrk). Esimerkki. Oletetaan nyt, että yrityksen tietyn hyödykkeen tuotannosta aiheutuvat viikottaiset tuotantokustannukset ovat 1000 (mk/vk). Viikon aikana yrityksessä on saatu valmiiksi kaksi soutuvenettä. Yrityksen yhden veneen valmistuskustannukset ovat tällöin 1000 (mk/vk)/2 (kpl/vk) = 500 (mk/kpl). Tällä tavalla mitattuja diskreettejä yksikkökustannuksia voidaan muuntaa seuraavasti. 500 (mk/kpl) = (mk/kpl) = (mk/(1/10)kpl) = 50 (mk/0.1kpl) = (mk/0.1kpl) = 0.5 (mk/(0.1/100)kpl) 100 = 0.5 (mk/0.001kpl) jne. Soutuveneen yhden tuhannesosan valmistaminen maksaa siis 50 penniä. Tällä tavalla muuntamalla yksikkökustannuksista saadaan johdettua keskimääräisiä yksikkökustannuksia vastaavat marginaaliset yksikkökustannukset eli rajakustannukset, joita tarkastelemme luvussa 5. Käänteisesti muuntaen marginaalisista yksikkökustannuksista saadaan kokonaisen veneen valmistuskustannukset. Yllä olevissa esimerkeissä mitatut diskreetit suureet muunnettiin sellaisiksi marginaalisiksi suureiksi, jotka vastaavat mitattuja suureita. Marginaalisten suureiden käytön mielekkyys perustuu kuitenkin siihen, että ne mitataan jonkin suhteellisen lyhyen ajanjakson tai pienen funktion argumentin (esimerkiksi tuotantokustannukset ovat tuotantonopeuden funktio) perusteella. Marginaalisen mittaustuloksen perusteella voidaan sitten arvioida joko pitemmän aikavälin tai suuremman argumentin muutoksen vaikutuksia. Marginaaliset suureet poikkeavat yleensä keskimääräisistä suureista. Esimerkiksi palkansaajan keskimääräinen tulovero vuoden aikana saattaa olla 11

12 35 % samanaikaisesti kuin hänen marginaaliveronsa on 50 % progressiivisen tuloveron takia. Ylitöiden rahallista kannattavuutta ei siten tule arvioida keskimääräisen vaan marginaalisen veroasteen perusteella. Seuraavan soutuveneen valmistuskustannukset poikkevat myös erilaisista syistä (työntekijöiden oppiminen, ylityökorvaukset jne ) vallitsevan kuukauden aikana valmistuneiden veneiden keskimääräisistä valmistuskustannuksista. Seuraavan soutuveneen valmistamisen kannattavuutta tulee siten arvioida marginaalisten kustannusten eikä aiemmin toteutuneiden keskimääräisten yksikkökustannusten perusteella. Tässä esitetyistä syistä johtuen marginaaliset suureet ovat tarpeellisia käsitteitä taloustieteellisessä analyysissa. Oletetaan nyt, että aika on ositettu tasavälisiin t = t 1 t 0 :n pituisiin jaksoihin, missä t 0, t 1 ovat kaksi ajan hetkeä ja jakson t pituus voi olla yksi sekunti, tunti, vuorokausi, viikko tai mikä tahansa muu aikaväli, kolme päivää, neljä viikkoa jne. Suureissa tapahtuvia muutoksia merkitään jatkossa :lla (delta). Yhteys jatkuvan ja diskreetin ajan välillä voidaan nyt esittää seuraavasti. Diskreetti aika muunnetaan jatkuvaksi siten, että aikavälien pituudet pienennetään nollamittaisiksi, eli asetetaan lim t 0. Tällä tavalla syntyvät nollamittaiset aikavälit vastaavat ajanhetkiä, ja jatkuva aika muodostetaan ketjuttamalla peräkkäiset ajanhetket. Merkitään nyt x:llä jotakin suuretta ja tarkastellaan sen ajassa tapahtuvan muutoksen mittaamista. Suureet x(t 0 + t) x(t 0 ) = x(t 0 +t 1 t 0 ) x(t 0 ) = x(t 1 ) x(t 0 ) ja x(t 0 + t) x(t 0 ) x(t 0 ) mittaavat x:n absoluuttista ja suhteellista muutosta jakson t aikana. Näillä suureilla on se ero, että edellisellä on sama mittayksikkö kuin x:llä kun taas jälkimmäinen on dimensioton suure eli paljas luku, sillä siinä osoittajan ja nimittäjän mittayksiköt supistuvat pois. Määritelmä: Suureen x keskimääräinen (kasvu)nopeus jakson t aikana on v x = x(t 0 + t) x(t 0 ) = x(t 1) x(t 0 ), t t 1 t 0 missä merkintä v tulee sanasta velocity eli nopeus ja viiva suureen yläpuolella viittaa keskiarvoon. Fysiikassa kappaleen nopeus ja vauhti erotellaan siten, että vauhti on nopeuden itseisarvo. Vauhti on siis ei-negatiivinen skalaarisuure. Nopeus sen sijaan voi olla positiivinen, negatiivinen tai vektorisuure (nopeusvektori). Negatiivinen nopeus merkitsee kulkemista koordinaatistossa positiiviseksi määriteltyä suuntaa vastaan. 12

13 Suureen x kasvunopeuden mittayksikkö riippuu siitä, missä yksiköissä x:ää ja t 1 t 0 = t:tä mitataan. Hetkellinen kasvunopeus saadaan keskimääräisen kasvunopeuden raja-arvona ajanjakson pituuden lähestyessä nollaa, x(t 0 + t) x(t 0 ) v x = lim t 0 t x = lim t 0 t = dx dt = x (t 0 ), t=t0 ja sillä on sama mittayksikkö kuin keskimääräisellä kasvunopeudellakin, sillä raja-arvon ottaminen ei muuta suureen mittayksikköä. Suureen x kasvunopeus (aikaderivaatta) dx/dt mittaa x:n muutoksen dx suuruutta ajan muuttuessa marginaalisesti dt. Koska reaalimaailmassa aika muuttuu ainoastaan positiiviseen suuntaan, t 1 t 0 = t > 0 eli t 1 > t 0, x:n kasvunopeuden positiivisuus merkitsee suureen x kasvua ajan myötä, sillä x(t 0 + t) x(t 0 ) > 0 x(t 0 + t) > x(t 0 ) ja päinvastoin. Esimerkki. Jos x:n mittayksikkö on (mk) ja t:n (kk), v x :n ja v x :n mittayksiköt ovat (mk/kk). Jos taas x:n mittayksikkö on (kg) ja t:n (v), v x :n ja v x :n mittayksiköt ovat (kg/v). Jonkin suureen keskimääräisen ja hetkellisen kasvunopeuden (tai lyhyesti nopeuden) ero on siinä, miten pitkän ajanjakson aikana tapahtunutta muutosta tarkastellaan. Vaikka hetkellinen nopeus mitataankin periaatteessa äärimmäisen lyhyen ajanjakson aikana, suure v x voidaan silti ilmaista esimerkiksi mittayksiköissä (kg/kk). Tilanne vastaa fysiikassa mitattavaa hetkellistä nopeutta, jota esimerkiksi auton nopeusmittari mittaa yksiköissä (km/h). Esimerkki. Mitatkoon suure x tietyn yrityksen tuotantomäärää yksiköissä (kg). Jos x:n hetkellinen nopeus v x (t 0 ) = x (t 0 ) (kg/kk) hetkellä t 0 säilyy vakiona yhden kuukauden ajan, kuukauden kuluttua mittaushetkestä tuotantoa on valmistunut v x (kg/kk) 1 (kk) = v x (kg). Oletetaan nyt, että suure x mittaa pankkitilillä olevan talletuksen määrää jolle pankki maksaa korkoa. Seuraavassa esimerkissä näemme, miten tilillä olevan talletuksen määrä vaikuttaa talletuksen kasvunopeuteen. Määritelmä: Prosenttia (eli yhtä sadasosaa) merkitään seuraavasti: 1 (%) = 1 (1/100) = 1/100. Prosentti ei ole aikaisemmin määrittelemämme dimensio eikä mittayksikkö; se on ainoastaan yhden sadasosan merkintätapa. Esimerkki. Olkoon pankin talletuksille maksama vuosittainen korko 4 (%/v). Tällöin talletuksen 100 (mk) kasvunopeus vuoden aikana on 4 (mk/v), talletuksen 1000 (mk) kasvunopeus on 40 (mk/v) jne. 13

14 Yllä esitetyn syyn vuoksi talletuksen kasvun voimakkuutta on käytännöllistä mitata sellaisella tavalla, että talletuksen määrä ei vaikuta sen kasvun voimakkuuden mittaamiseen. Tämä voidaan tehdä suhteuttamalla talletuksen muutos talletuksen määrään; näin laskettuja suureita kutsutaan kasvuasteiksi. Suureen x kasvuaste voidaan määritellä seuraavalla kahdella tavalla x(t 0 + t) x(t 0 ) t x(t 0 ) = 1 t x(t 0 + t) x(t 0 ) x(t 0 ) tai x (t 0 ) x(t 0 ). Näistä edellinen on keskimääräinen kasvuaste jakson t aikana ja jälkimmäinen on hetkellinen kasvuaste hetkellä t 0. Minkä tahansa suureen kasvuaste mittaa sen kasvun voimakkuutta yksiköissä (1/ t). Esimerkki. Olkoon suureen x mittayksikkö (kpl) ja mitattakoon aikaa tunneissa (h). Tällöin x:n kasvuasteen mittayksikkö on (1/h). Jos taas x:n mittayksikkö on (mk) ja ajan (kk), x:n kasvuasteen mittayksikkö on (1/kk). Esimerkki. Edellä olleessa esimerkissä korkotuotot 4 (mk/v) ja 40 (mk/v) vastaavat kasvunopeuksia. Jos ne suhteutetaan talletusten määriin, talletusten kasvuasteiksi saadaan: 4/100 ((mk/v)/mk) = 0.04 (1/v) ja 40/1000 ((mk/v)/mk) = 0.04 (1/v). Molempien kasvuasteet ovat siten 0.04 (1/v) eli 4 (%/v). Eri suureiden yhtä pitkältä ajanjaksolta mitatut kasvuasteet ovat vertailukelpoisia suureita, joista voidaan suoraan päätellä, onko toisen kasvu ollut toista voimakkaampaa. Suureiden kasvuasteita verrattaessa on syytä tarkistaa, että ne ovat mitatut yhtä pitkiltä ajanjaksoilta. Tämän alustuksen jälkeen voimme esittää neljä mahdollista tapaa mitata suureen x muutosta ajanjakson t aikana: absoluuttinen muutos x(t 0 + t) x(t 0 ), suhteellinen muutos x(t 0 + t) x(t 0 ) x(t 0 ), kasvunopeus x(t 0 + t) x(t 0 ) t, kasvuaste 1 t x(t 0+ t) x(t 0 ) x(t 0 ). Näiden suureiden jatkuva-aikaiset vastineet saadaan niiden raja-arvoina aikavälin t pituuden lähestyessä nollaa. Ne on esitetty alla olevassa taulukossa. Suureen x hetkellistä absoluuttista muutosta dx kutsutaan myös suureen differentiaaliksi; hetkellistä kasvunopeutta dx/dt taas kutsutaan x:n 14

15 aikaderivaataksi. Suureen aikaderivaatta on siten kahden differentiaalin suhdeluku. Muutoksen suuruutta mittaavilla hetkellisillä suureilla on samat mittayksiköt kuin niiden diskreeteillä vastineillakin. Näihin asioihin palataan tämän luvun osioissa 2.2 ja 2.3 sekä kirjan liiteosassa. hetkellinen absoluuttinen muutos lim t 0 [x(t 0 + t) x(t 0 )] = dx t=t0, [ ] hetkellinen suhteellinen muutos lim x(t0 + t) x(t 0 ) t 0 x(t 0 = dx ) x t=t 0, [ ] hetkellinen kasvunopeus lim x(t0 + t) x(t 0 ) t 0 = dx t dt t=t 0, [ ] 1 hetkellinen kasvuaste lim t 0 x(t 0+ t) x(t 0 ) t x(t 0 = dx/dt ) x t=t 0. Tilastoissa kasvuasteet esitetään usein kasvuprosentteina. Kasvuprosentti eroaa kasvuasteesta ainoastaan siten, että kasvuaste mittaa kasvun voimakkuutta ykkösen osina kun taas kasvuprosentti mittaa kasvun voimakkuutta sadan osina. Kasvuprosentteina esitetyt luvut on jossain määrin selkeämpiä kuin kasvuasteet, vaikka ne ilmaisevatkin saman asian. Korkolaskennassa korot ilmaistaan yleensä kasvuprosentteina tietyn ajanjakson aikana; taloudessa mitattavat korot ovat rahamääräisten suureiden (talletusten, velkojen) kasvuprosentteja. Kasvuprosenttia 10 (%/v) (10 sadasosaa vuodessa) vastaa kasvuaste 0.1 (1/v) (0.1 ykkösen osaa vuodessa), kasvuprosenttia 15 (%/kk) (15 sadasosaa kuukaudessa) vastaa 0.15 (1/kk) jne. Yleisesti ottaen prosenttilukuja käytetään kolmella tavalla. Ensimmäinen tapa on kuvata jonkin tekijän prosentuaalista osuutta tietystä kokonaisuudesta; esimerkiksi verojen osuus bruttopalkasta. Toinen tapa on kuvata jonkin suureen muutosta prosenttiosuutena suureen arvosta ja kolmas tapa on edellä esitetty kasvuprosentti. Nämä kolme tapaa on esitetty alla olevassa taulukossa. Ensimmäinen esittää x 1 :n prosenttiosuuden kokonaisuudesta n i=1 x i = x 1 + x 2 + +x n, toinen x:n suhteellisen muutoksen prosentteina ja kolmas on x:n kasvuprosentti. prosenttiosuus 100 x 1 n i=1 x i (%), prosenttimuutos 100 x(t 0+ t) x(t 0 ) x(t 0 ) (%), 100 kasvuprosentti x(t 0+ t) x(t 0 ) t x(t 0 ) (%/ t). 15

16 Taulukosta havaitaan se, että prosenttiosuus ja prosenttimuutos ovat dimensiottomia suureita eli paljaita lukuja, kun taas kasvuprosentin mittayksikkö on (%/ t) = ((1/100)/ t) = 1/100 (1/ t). Nämä erot on syytä muistaa silloin, kun kirjoitetaan sellaisia dimensionaalisia yhtälöitä, joissa kasvuprosentteja tai -asteita esiintyy. 1.6 Esimerkkejä kansantaloudessa mitatuista ilmiöistä Esimerkki 1. Kymmenen tonnia kartonkipaperia on tuotettu Paperi Oy:n tehtaalla kahden vuorokauden aikana. Tämän tuotantonopeuden dimensio on [RT 1 ], mikä saadaan näiden perusdimensioiden potenssitulona. Ilmiön mittayksikkö on (tn/vrk), ja se voidaan kvantifioida seuraavasti: 10 (tn) / 2 (vrk) = 5 (tn/vrk). Esimerkki 2. Edellisen esimerkin tuotanto on myyty hintaan 1 (mk/kg) Sanomalehti Oy:lle. Tässä yksikköhinnan mittayksikkö on annettu ja sen dimensio on [M]/[R] = [MR 1 ]. Yksikköhinta on johdettu suure, joka saadaan perusdimensioiden [arvo] ja [määrä] potenssitulona. Esimerkki 3. Paperi Oy:n tehtaan tuotannon arvo (tai pikemminkin tuotantonopeuden arvo) voidaan laskea seuraavasti: 5 (tn/vrk) 1 (mk/kg) = 5 (1000kg/vrk) 1 (mk/kg) = 5000 (kg/vrk) (mk/kg) = 5000 (mk/vrk). Tuotannon arvon dimensio [MT 1 ] on perusdimensioista [M] ja [T ] saatu johdettu dimensio. Esimerkki 4. Pankin maksama korkotuotto voidaan kvantifioida seuraavasti. Merkitään jotakin markkamäärää rahaa hetkellä t x(t):llä. Hetkellä t 0 rahamäärä x(t 0 ) talletetaan pankkiin kasvamaan korkoa. Talletus nostetaan korkoineen pankista hetkellä t 1 (> t 0 ), ja pankista saatavaa markkamäärää merkitään x(t 1 ):llä. Markkamääräinen korkotuotto aikaväliltä t = t 1 t 0 on tällöin x = x(t 0 + t) x(t 0 ). Korko voidaan ilmaista talletuksen kasvunopeutena seuraavasti x(t 0 + t) x(t 0 ) t = x(t 1) x(t 0 ) t 1 t 0. Jos aikaa mitataan vuorokausissa, talletuksen kasvunopeuden mittayksikkö on (mk/vrk); jos taas aikaa mitataan kuukausissa, kasvunopeuden mittayksikkö on (mk/kk) jne. Yleisin koron ilmaisutapa on esittää se talletuksen kasvuasteena tai -prosenttina, 1 x(t 1) x(t 0 ) t 1 t 0 x(t 0 ) (1/ t) tai 100 x(t 1) x(t 0 ) t 1 t 0 x(t 0 ) (%/ t), 16

17 missä korkotuotto jaksolta t 1 t 0 on suhteutettu sijoitettuun päömaan. Jos aikaa mitataan vuorokausissa, koron mittayksikkö on (1/vrk) tai (%/vrk); jos taas aikaa mitataan vuosissa, koron mittayksikkö on (1/v) tai (%/v). Tässä kirjassa noudatetaan tässä osiossa esitettyä mittajärjestelmää, vaikka kaikkia kansantalouden ilmiöitä ei sen avulla kyetäkään kvantifioimaan. 17

KANSANTALOUSTIETEEN ILMIÖIDEN MITTAAMISESTA

KANSANTALOUSTIETEEN ILMIÖIDEN MITTAAMISESTA KANSANTALOUSTIETEEN ILMIÖIDEN MITTAAMISESTA Matti Estola 4. lokakuuta 2013 Sisältö 1 Eksaktin tieteen vaatimukset 2 2 Kansantaloustieteen mittajärjestelmä 2 2.1 Määrän mittaaminen.......................

Lisätiedot

Nopeus, kiihtyvyys ja liikemäärä Vektorit

Nopeus, kiihtyvyys ja liikemäärä Vektorit Nopeus, kiihtyvyys ja liikemäärä Vektorit Luento 2 https://geom.mathstat.helsinki.fi/moodle/course/view.php?id=360 Luennon tavoitteet: Vektorit tutuiksi Koordinaatiston valinta Vauhdin ja nopeuden ero

Lisätiedot

1.1 Funktion määritelmä

1.1 Funktion määritelmä 1.1 Funktion määritelmä Tämän kappaleen otsikoksi valittu funktio on hyvä esimerkki matemaattisesta käsitteestä, johon usein jopa tietämättämme törmäämme arkielämässä. Tutkiessamme erilaisia Jos joukkojen

Lisätiedot

Mat-2.3114 Investointiteoria Laskuharjoitus 3/2008, Ratkaisut 05.02.2008

Mat-2.3114 Investointiteoria Laskuharjoitus 3/2008, Ratkaisut 05.02.2008 Korko riippuu usein laina-ajan pituudesta ja pitkille talletuksille maksetaan korkeampaa korkoa. Spot-korko s t on se korko, joka kertyy lainatulle pääomalle hetkeen t (=kokonaisluku) mennessä. Spot-korot

Lisätiedot

4 Kysyntä, tarjonta ja markkinatasapaino (Mankiw & Taylor, 2 nd ed., chs 4-5)

4 Kysyntä, tarjonta ja markkinatasapaino (Mankiw & Taylor, 2 nd ed., chs 4-5) 4 Kysyntä, tarjonta ja markkinatasapaino (Mankiw & Taylor, 2 nd ed., chs 4-5) Opimme tässä ja seuraavissa luennoissa että markkinat ovat hyvä tapa koordinoida taloudellista toimintaa (mikä on yksi taloustieteen

Lisätiedot

1 Tieteellinen esitystapa, yksiköt ja dimensiot

1 Tieteellinen esitystapa, yksiköt ja dimensiot 1 Tieteellinen esitystapa, yksiköt ja dimensiot 1.1 Tieteellinen esitystapa Maan ja auringon välinen etäisyys on 1 AU. AU on astronomical unit, joka määritelmänsä mukaan on maan ja auringon välinen keskimääräinen

Lisätiedot

LIITE 1 VIRHEEN ARVIOINNISTA

LIITE 1 VIRHEEN ARVIOINNISTA 1 LIITE 1 VIRHEEN ARVIOINNISTA Mihin tarvitset virheen arviointia? Mittaustulokset ovat aina todellisten luonnonvakioiden ja tutkimuskohdetta kuvaavien suureiden likiarvoja, vaikka mittauslaite olisi miten

Lisätiedot

LIITE 1 VIRHEEN ARVIOINNISTA

LIITE 1 VIRHEEN ARVIOINNISTA Oulun yliopisto Fysiikan opetuslaboratorio Fysiikan laboratoriotyöt 1 1 LIITE 1 VIRHEEN RVIOINNIST Mihin tarvitset virheen arviointia? Mittaustuloksiin sisältyy aina virhettä, vaikka mittauslaite olisi

Lisätiedot

Mittaustarkkuus ja likiarvolaskennan säännöt

Mittaustarkkuus ja likiarvolaskennan säännöt Mittaustarkkuus ja likiarvolaskennan säännöt Mittaustulokset ovat aina likiarvoja, joilla on tietty tarkkuus Kokeellisissa luonnontieteissä käsitellään usein mittaustuloksia. Mittaustulokset ovat aina

Lisätiedot

MONISTE 2 Kirjoittanut Elina Katainen

MONISTE 2 Kirjoittanut Elina Katainen MONISTE 2 Kirjoittanut Elina Katainen TILASTOLLISTEN MUUTTUJIEN TYYPIT 1 Mitta-asteikot Tilastolliset muuttujat voidaan jakaa kahteen päätyyppiin: kategorisiin ja numeerisiin muuttujiin. Tämän lisäksi

Lisätiedot

FUNKTIONAALIANALYYSIN PERUSKURSSI 1. 0. Johdanto

FUNKTIONAALIANALYYSIN PERUSKURSSI 1. 0. Johdanto FUNKTIONAALIANALYYSIN PERUSKURSSI 1. Johdanto Funktionaalianalyysissa tutkitaan muun muassa ääretönulotteisten vektoriavaruuksien, ja erityisesti täydellisten normiavaruuksien eli Banach avaruuksien ominaisuuksia.

Lisätiedot

1 Tieteellinen esitystapa, yksiköt ja dimensiot

1 Tieteellinen esitystapa, yksiköt ja dimensiot 1 Tieteellinen esitystapa, yksiköt ja dimensiot 1.1 Tieteellinen esitystapa Maan ja auringon välinen etäisyys on 1 AU. AU on astronomical unit, joka määritelmänsä mukaan on maan ja auringon välinen keskimääräinen

Lisätiedot

LIITE 1 VIRHEEN ARVIOINNISTA

LIITE 1 VIRHEEN ARVIOINNISTA 1 Mihin tarvitset virheen arviointia? Mittaustuloksiin sisältyy aina virhettä, vaikka mittauslaite olisi miten uudenaikainen tai kallis tahansa ja mittaaja olisi alansa huippututkija Tästä johtuen mittaustuloksista

Lisätiedot

MAY1 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 12.4.2016 Julkaiseminen sallittu vain koulun suljetussa verkossa.

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

Lisätiedot

6.8 Erityisfunktioiden sovelluksia

6.8 Erityisfunktioiden sovelluksia 6.8 Erityisfunktioiden sovelluksia Tässä luvussa esitellään muutama esimerkki, joissa käytetään hyväksi eksponentti-, logaritmi- sekä trigonometrisia funktioita. Ensimmäinen esimerkki juontaa juurensa

Lisätiedot

TYÖPANOS TUOTANNONTEKIJÄNÄ

TYÖPANOS TUOTANNONTEKIJÄNÄ TYÖPANOS TUOTANNONTEKIJÄNÄ Matti Estola 12. marraskuuta 2013 Sisältö 1 Johdanto 2 2 Yksittäisen yrityksen työpanoskysyntä 2 3 *Newtonilainen teoria työpanoskäytölle 6 4 Yksittäisen työntekijän työpanostarjonta

Lisätiedot

5. Numeerisesta derivoinnista

5. Numeerisesta derivoinnista Funktion derivaatta ilmaisee riippumattoman muuttujan muutosnopeuden riippuvan muuttujan suteen. Esimerkiksi paikan derivaatta ajan suteen (paikan ensimmäinen aikaderivaatta) on nopeus, joka ilmaistaan

Lisätiedot

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme KJR-C1001 Statiikka ja dynamiikka Luento 15.3.2016 Susanna Hurme Päivän aihe: Translaatioliikkeen kinematiikka: asema, nopeus ja kiihtyvyys (Kirjan luvut 12.1-12.5, 16.1 ja 16.2) Osaamistavoitteet Ymmärtää

Lisätiedot

2 Yhtälöitä ja epäyhtälöitä

2 Yhtälöitä ja epäyhtälöitä 2 Yhtälöitä ja epäyhtälöitä 2.1 Ensimmäisen asteen yhtälö ja epäyhtälö Muuttujan x ensimmäisen asteen yhtälöksi sanotaan yhtälöä, joka voidaan kirjoittaa muotoon ax + b = 0, missä vakiot a ja b ovat reaalilukuja

Lisätiedot

Kansainvälinen rahatalous Matti Estola. Termiinikurssit ja swapit valuuttariskien hallinnassa

Kansainvälinen rahatalous Matti Estola. Termiinikurssit ja swapit valuuttariskien hallinnassa Kansainvälinen rahatalous Matti Estola ermiinikurssit ja swapit valuuttariskien hallinnassa 1. Valuuttariskien suojauskeinot Rahoitusalan yritykset tekevät asiakkailleen valuuttojen välisiä termiinisopimuksia

Lisätiedot

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0202 Syksy 2015 1

Lisätiedot

PRELIMINÄÄRIKOE. Lyhyt Matematiikka 3.2.2015

PRELIMINÄÄRIKOE. Lyhyt Matematiikka 3.2.2015 PRELIMINÄÄRIKOE Lyhyt Matematiikka..015 Vastaa enintään kymmeneen tehtävään. Kaikki tehtävät arvostellaan asteikolla 0-6 pistettä. 1. a) Sievennä x( x ) ( x x). b) Ratkaise yhtälö 5( x 4) 5 ( x 4). 1 c)

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 4 Jatkuvuus Jatkuvan funktion määritelmä Tarkastellaan funktiota f x) jossakin tietyssä pisteessä x 0. Tämä funktio on tässä pisteessä joko jatkuva tai epäjatkuva. Jatkuvuuden

Lisätiedot

Y ja

Y ja 1 Funktiot ja raja-arvot Y100 27.10.2008 ja 29.10.2008 Aki Hagelin aki.hagelin@helsinki.fi Department of Psychology / Cognitive Science University of Helsinki 2 Funktiot (Lue Häsä & Kortesharju sivut 4-9)

Lisätiedot

MATEMATIIKKA 5 VIIKKOTUNTIA

MATEMATIIKKA 5 VIIKKOTUNTIA EB-TUTKINTO 2010 MATEMATIIKKA 5 VIIKKOTUNTIA PÄIVÄMÄÄRÄ: 4. kesäkuuta 2010 KOKEEN KESTO: 4 tuntia (240 minuuttia) SALLITUT APUVÄLINEET: Eurooppa-koulun antama taulukkovihkonen Funktiolaskin, joka ei saa

Lisätiedot

1.3 Kappaleen tasaisesta liikkeestä

1.3 Kappaleen tasaisesta liikkeestä Arkikielen sana vauhti (speed) tarkoittaa fysiikassa nopeuden (velocity) suuruutta (magnitude of velocity). Kun nopeus on fysiikassa vektorisuure, niin vauhti taas on vain luku skalaari johon liittyy yksikkö.

Lisätiedot

9. Vektorit. 9.1 Skalaarit ja vektorit. 9.2 Vektorit tasossa

9. Vektorit. 9.1 Skalaarit ja vektorit. 9.2 Vektorit tasossa 9. Vektorit 9.1 Skalaarit ja vektorit Skalaari on koon tai määrän mitta. Tyypillinen esimerkki skalaarista on massa. Lukumäärä on toinen hyvä esimerkki skalaarista. Vektorilla on taas suuruus ja suunta.

Lisätiedot

Reaaliluvut 1/7 Sisältö ESITIEDOT:

Reaaliluvut 1/7 Sisältö ESITIEDOT: Reaaliluvut 1/7 Sisältö Reaalilukujoukko Reaalilukujoukkoa voidaan luonnollisimmin ajatella lukusuorana, molemmissa suunnissa äärettömyyteen ulottuvana suorana, jonka pisteet ja reaaliluvut vastaavat toisiaan:

Lisätiedot

Differentiaali- ja integraalilaskenta

Differentiaali- ja integraalilaskenta Differentiaali- ja integraalilaskenta Opiskelijan nimi: DIFFERENTIAALILASKENTA 1. Raja-arvon käsite, derivaatta raja-arvona 1.1 Raja-arvo pisteessä 1.2 Derivaatan määritelmä 1.3 Derivaatta raja-arvona

Lisätiedot

Vektorit. Kertausta 12.3.2013 Seppo Lustig (Lähde: avoinoppikirja.fi)

Vektorit. Kertausta 12.3.2013 Seppo Lustig (Lähde: avoinoppikirja.fi) Vektorit Kertausta 12.3.2013 Seppo Lustig (Lähde: avoinoppikirja.fi) Sisällys Vektorit Nimeäminen Vektorien kertolasku Vektorien yhteenlasku Suuntasopimus Esimerkki: laivan nopeus Vektorit Vektoreilla

Lisätiedot

Joukot. Georg Cantor ( )

Joukot. Georg Cantor ( ) Joukot Matematiikassa on pyrkimys määritellä monimutkaiset asiat täsmällisesti yksinkertaisempien asioiden avulla. Tarvitaan jokin lähtökohta, muutama yleisesti hyväksytty ja ymmärretty käsite, joista

Lisätiedot

5.3 Ensimmäisen asteen polynomifunktio

5.3 Ensimmäisen asteen polynomifunktio Yllä olevat polynomit P ( x) = 2 x + 1 ja Q ( x) = 2x 1 ovat esimerkkejä 1. asteen polynomifunktioista: muuttujan korkein potenssi on yksi. Yleisessä 1. asteen polynomifunktioissa on lisäksi vakiotermi;

Lisätiedot

LAUSEKKEET JA NIIDEN MUUNTAMINEN

LAUSEKKEET JA NIIDEN MUUNTAMINEN LAUSEKKEET JA NIIDEN MUUNTAMINEN 1 LUKULAUSEKKEITA Ratkaise seuraava tehtävä: Retkeilijät ajoivat kahden tunnin ajan polkupyörällä maantietä pitkin 16 km/h nopeudella, ja sitten vielä kävelivät metsäpolkua

Lisätiedot

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 4: Ketjusäännöt ja lineaarinen approksimointi

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 4: Ketjusäännöt ja lineaarinen approksimointi MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 4: Ketjusäännöt ja lineaarinen approksimointi Jarmo Malinen Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto Kevät 2016 1 Perustuu

Lisätiedot

Mittaaminen menettely (sääntö), jolla tilastoyksikköön liitetään tiettyä ominaisuutta kuvaava luku, mittaluku.

Mittaaminen menettely (sääntö), jolla tilastoyksikköön liitetään tiettyä ominaisuutta kuvaava luku, mittaluku. 1/11 4 MITTAAMINEN Mittaaminen menettely (sääntö), jolla tilastoyksikköön liitetään tiettyä ominaisuutta kuvaava luku, mittaluku. Mittausvirhettä johtuen mittarin tarkkuudesta tai häiriötekijöistä Mittarin

Lisätiedot

Luento 10: Työ, energia ja teho. Johdanto Työ ja kineettinen energia Teho

Luento 10: Työ, energia ja teho. Johdanto Työ ja kineettinen energia Teho Luento 10: Työ, energia ja teho Johdanto Työ ja kineettinen energia Teho 1 / 23 Luennon sisältö Johdanto Työ ja kineettinen energia Teho 2 / 23 Johdanto Energia suure, joka voidaan muuttaa muodosta toiseen,

Lisätiedot

Fysiikan perusteet. Liikkeet. Antti Haarto 22.05.2012. www.turkuamk.fi

Fysiikan perusteet. Liikkeet. Antti Haarto 22.05.2012. www.turkuamk.fi Fysiikan perusteet Liikkeet Antti Haarto.5.1 Suureita Aika: tunnus t, yksikkö: sekunti s Paikka: tunnus x, y, r, ; yksikkö: metri m Paikka on ektorisuure Suoraiiaisessa liikkeessä kappaleen paikka (asema)

Lisätiedot

Rahoitusriskit ja johdannaiset Matti Estola. luento 7 Swap sopimuksista lisää

Rahoitusriskit ja johdannaiset Matti Estola. luento 7 Swap sopimuksista lisää Rahoitusriskit ja johdannaiset Matti Estola luento 7 Swap sopimuksista lisää 1. Pankki swapin välittäjänä Yleensä 2 eri-rahoitusalan yritystä eivät tee swap sopimusta keskenään vaan pankin tai yleensäkin

Lisätiedot

a) 3500000 (1, 0735) 8 6172831, 68. b) Korkojaksoa vastaava nettokorkokanta on

a) 3500000 (1, 0735) 8 6172831, 68. b) Korkojaksoa vastaava nettokorkokanta on Kotitehtävät 4 Ratkaisuehdotukset. 1. Kuinka suureksi 3500000 euroa kasvaa 8 vuodessa, kun lähdevero on 30% ja vuotuinen korkokanta on 10, 5%, kun korko lisätään a) kerran vuodessa b) kuukausittain c)

Lisätiedot

1 Rationaalifunktio , a) Sijoitetaan nopeus 50 km/h vaihtoaikaa kuvaavan funktion lausekkeeseen.

1 Rationaalifunktio , a) Sijoitetaan nopeus 50 km/h vaihtoaikaa kuvaavan funktion lausekkeeseen. Juuri 6 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 5.7.06 Rationaalifunktio. a) Sijoitetaan nopeus 50 km/h vaihtoaikaa kuvaavan funktion lausekkeeseen. f (50) 50 8 50 4 8 50 500 400 4 400

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 8 1 Suunnattu derivaatta Aluksi tarkastelemme vektoreita, koska ymmärrys vektoreista helpottaa alla olevien asioiden omaksumista. Kun liikutaan tasossa eli avaruudessa

Lisätiedot

Tekijä MAA2 Polynomifunktiot ja -yhtälöt = Vastaus a)

Tekijä MAA2 Polynomifunktiot ja -yhtälöt = Vastaus a) K1 a) Tekijä MAA Polynomifunktiot ja -yhtälöt 6.8.016 ( + + ) + ( ) = + + + = + + + = + 4 b) 4 4 ( 5 + ) ( 5 + 1) = 5 + + 5 + 1 4 = + + + 4 = + 5 5 1 1 Vastaus a) 4 + b) 4 + 1 K a) f ( ) = + 1 f () = +

Lisätiedot

Koontitehtäviä luvuista 1 9

Koontitehtäviä luvuista 1 9 11 Koontitehtäviä luvuista 1 9 1. a) 3 + ( 8) + = 3 8 + = 3 b) x x 10 = 0 a =, b = 1, c = 10 ( 1) ( 1) 4 ( 10) 1 81 1 9 x 4 4 1 9 1 9 x,5 tai x 4 4 c) (5a) (a + 1) = 5a a 1 = 4a 1. a) Pythagoraan lause:

Lisätiedot

Injektio. Funktiota sanotaan injektioksi, mikäli lähtöjoukon eri alkiot kuvautuvat maalijoukon eri alkioille. Esim.

Injektio. Funktiota sanotaan injektioksi, mikäli lähtöjoukon eri alkiot kuvautuvat maalijoukon eri alkioille. Esim. Injektio Funktiota sanotaan injektioksi, mikäli lähtöjoukon eri alkiot kuvautuvat maalijoukon eri alkioille. Esim. Funktio f on siis injektio mikäli ehdosta f (x 1 ) = f (x 2 ) seuraa, että x 1 = x 2.

Lisätiedot

PELITEORIAN TALOUSTIETEELLISIÄ SOVELLUKSIA

PELITEORIAN TALOUSTIETEELLISIÄ SOVELLUKSIA PELITEORIAN TALOUSTIETEELLISIÄ SOVELLUKSIA Matti Estola 29 marraskuuta 2013 Sisältö 1 Cournot'in duopolimalli 2 2 Pelin Nash -tasapainon tulkinta 3 3 Cournot'in mallin graanen ratkaisu 4 4 Bertrandin duopolimalli

Lisätiedot

1 Raja-arvo. 1.1 Raja-arvon määritelmä. Raja-arvo 1

1 Raja-arvo. 1.1 Raja-arvon määritelmä. Raja-arvo 1 Raja-arvo Raja-arvo Raja-arvo kuvaa funktion f arvon f() kättätmistä, kun vaihtelee. Joillakin funktioilla f() muuttuu vain vähän, kun muuttuu vähän. Toisilla funktioilla taas f() hppää tai vaihtelee arvaamattomasti,

Lisätiedot

Luento 2: Liikkeen kuvausta

Luento 2: Liikkeen kuvausta Luento 2: Liikkeen kuvausta Suoraviivainen liike integrointi Kinematiikkaa yhdessä dimensiossa Luennon sisältö Suoraviivainen liike integrointi Kinematiikkaa yhdessä dimensiossa Liikkeen ratkaisu kiihtyvyydestä

Lisätiedot

4 Kysyntä, tarjonta ja markkinatasapaino

4 Kysyntä, tarjonta ja markkinatasapaino 4 Kysyntä, tarjonta ja markkinatasapaino (Taloustieteen oppikirja, luku 4) Opimme tässä ja seuraavissa luennoissa että markkinat ovat hyvä tapa koordinoida taloudellista toimintaa (mikä on yksi taloustieteen

Lisätiedot

Erityinen suhteellisuusteoria (Harris luku 2)

Erityinen suhteellisuusteoria (Harris luku 2) Erityinen suhteellisuusteoria (Harris luku 2) Yliopistonlehtori, TkT Sami Kujala Mikro- ja nanotekniikan laitos Kevät 2016 Ajan ja pituuden suhteellisuus Relativistinen työ ja kokonaisenergia SMG-aaltojen

Lisätiedot

Pyramidi 9 Trigonometriset funktiot ja lukujonot 15.4.2011 HK1-1. Dsin3 x. 3cos3x. Dsinx. u( x) sinx ja u ( x) cosx. Dsin. Dsin

Pyramidi 9 Trigonometriset funktiot ja lukujonot 15.4.2011 HK1-1. Dsin3 x. 3cos3x. Dsinx. u( x) sinx ja u ( x) cosx. Dsin. Dsin Pyramidi 9 Trigonometriset funktiot ja lukujonot 5.4.0 HK- a) Dsin3 us ( ) cos3 3 us( ) s( ) 3cos3 s( ) 3 ja s( ) 3 u( ) sin ja u( ) cos b) Dsin 3 3 Dsin us ( ) s( ) sin ja s( ) cos 3 u( ) ja u( ) 3 3sin

Lisätiedot

ELEC-A3110 Mekaniikka (5 op)

ELEC-A3110 Mekaniikka (5 op) ELEC-A3110 Mekaniikka (5 op) Yliopistonlehtori, tkt Sami Kujala Mikro- ja nanotekniikan laitos Syksy 2016 1 / 21 Luento 2: Kertausta ja johdantoa Suoraviivainen liike Jumppaa Harjoituksia ja oivalluksia

Lisätiedot

KANSANTALOUSTIETEEN PÄÄSYKOE : Mallivastaukset

KANSANTALOUSTIETEEN PÄÄSYKOE : Mallivastaukset KANSANTALOUSTIETEEN PÄÄSYKOE.6.016: Mallivastaukset Sivunumerot mallivastauksissa viittaavat pääsykoekirjan [Matti Pohjola, Taloustieteen oppikirja, 014] sivuihin. (1) (a) Julkisten menojen kerroin (suljetun

Lisätiedot

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 1: Parametrisoidut käyrät ja kaarenpituus

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 1: Parametrisoidut käyrät ja kaarenpituus MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 1: Parametrisoidut käyrät ja kaarenpituus Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0202 Syksy 2015 1 / 18

Lisätiedot

f(x) f(y) x y f f(x) f(y) (x) = lim

f(x) f(y) x y f f(x) f(y) (x) = lim Y1 (Matematiikka I) Haastavampia lisätehtäviä Syksy 1 1. Funktio h määritellään seuraavasti. Kuvan astiaan lasketaan vettä tasaisella nopeudella 1 l/min. Astia on muodoltaan katkaistu suora ympyräkartio,

Lisätiedot

Muutoksen arviointi differentiaalin avulla

Muutoksen arviointi differentiaalin avulla Muutoksen arviointi differentiaalin avulla y y = f (x) y = f (x + x) f (x) dy y dy = f (x) x x x x x + x Luento 7 1 of 15 Matematiikan ja tilastotieteen laitos Turun yliopisto Muutoksen arviointi differentiaalin

Lisätiedot

Liikkeet. Haarto & Karhunen. www.turkuamk.fi

Liikkeet. Haarto & Karhunen. www.turkuamk.fi Liikkeet Haarto & Karhunen Suureita Aika: tunnus t, yksikkö: sekunti = s Paikka: tunnus x, y, r, ; yksikkö: metri = m Paikka on ektorisuure Suoraiiaisessa liikkeessä kappaleen paikka (asema) oidaan ilmoittaa

Lisätiedot

1 Määrittelyjä ja aputuloksia

1 Määrittelyjä ja aputuloksia 1 Määrittelyjä ja aputuloksia 1.1 Supremum ja infimum Aluksi kerrataan pienimmän ylärajan (supremum) ja suurimman alarajan (infimum) perusominaisuuksia ja esitetään muutamia myöhemmissä todistuksissa tarvittavia

Lisätiedot

ENY-C2001 Termodynamiikka ja lämmönsiirto TERVETULOA!

ENY-C2001 Termodynamiikka ja lämmönsiirto TERVETULOA! ENY-C2001 Termodynamiikka ja lämmönsiirto TERVETULOA! Luento 14.9.2015 / T. Paloposki / v. 03 Tämän päivän ohjelma: Aineen tilan kuvaaminen pt-piirroksella ja muilla piirroksilla, faasimuutokset Käsitteitä

Lisätiedot

B. 2 E. en tiedä C. 6. 2 ovat luonnollisia lukuja?

B. 2 E. en tiedä C. 6. 2 ovat luonnollisia lukuja? Nimi Koulutus Ryhmä Jokaisessa tehtävässä on vain yksi vastausvaihtoehto oikein. Laske tehtävät ilman laskinta.. Missä pisteessä suora y = 3x 6 leikkaa x-akselin? A. 3 D. B. E. en tiedä C. 6. Mitkä luvuista,,,

Lisätiedot

3. Kongruenssit. 3.1 Jakojäännös ja kongruenssi

3. Kongruenssit. 3.1 Jakojäännös ja kongruenssi 3. Kongruenssit 3.1 Jakojäännös ja kongruenssi Tässä kappaleessa esitellään kokonaislukujen modulaarinen aritmetiikka (ns. kellotauluaritmetiikka), jossa luvut tyypillisesti korvataan niillä jakojäännöksillä,

Lisätiedot

MATEMATIIKKA 5 VIIKKOTUNTIA

MATEMATIIKKA 5 VIIKKOTUNTIA EB-TUTKINTO 2008 MATEMATIIKKA 5 VIIKKOTUNTIA PÄIVÄMÄÄRÄ: 5. kesäkuuta 2008 (aamupäivä) KOKEEN KESTO: 4 tuntia (240 minuuttia) SALLITUT APUVÄLINEET: Europpa-koulun antama taulukkovihkonen Funktiolaskin,

Lisätiedot

A-osa. Ratkaise kaikki tämän osan tehtävät. Tehtävät arvostellaan pistein 0-6. Taulukkokirjaa saa käyttää apuna, laskinta ei.

A-osa. Ratkaise kaikki tämän osan tehtävät. Tehtävät arvostellaan pistein 0-6. Taulukkokirjaa saa käyttää apuna, laskinta ei. PITKÄ MATEMATIIKKA PRELIMINÄÄRIKOE 7..07 NIMI: A-osa. Ratkaise kaikki tämän osan tehtävät. Tehtävät arvostellaan pistein 0-. Taulukkokirjaa saa käyttää apuna, laskinta ei.. Valitse oikea vaihtoehto ja

Lisätiedot

Osa IX. Z muunnos. Johdanto Diskreetit funktiot

Osa IX. Z muunnos. Johdanto Diskreetit funktiot Osa IX Z muunnos A.Rasila, J.v.Pfaler () Mat-.33 Matematiikan peruskurssi KP3-i 9. lokakuuta 2007 298 / 322 A.Rasila, J.v.Pfaler () Mat-.33 Matematiikan peruskurssi KP3-i 9. lokakuuta 2007 299 / 322 Johdanto

Lisätiedot

ẋ(t) = s x (t) + f x y(t) u x x(t) ẏ(t) = s y (t) + f y x(t) u y y(t),

ẋ(t) = s x (t) + f x y(t) u x x(t) ẏ(t) = s y (t) + f y x(t) u y y(t), Aalto-yliopiston Perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Mat-2.4129 Systeemien Identifiointi 1. harjoituksen ratkaisut 1. Tarkastellaan maita X ja Y. Olkoon näiden varustelutaso

Lisätiedot

3. Laske osittaisintegroinnin avulla seuraavat integraalit

3. Laske osittaisintegroinnin avulla seuraavat integraalit Harjoitus 1 / syksy 2001 1. Laske seuraavat derivaatat 2 a) D ( 5x + 5) x, b) D (-e 2x ), c) D (-ln x) ja d) D (sin 2x + cos x). 2. Laske seuraavat integraalit 2 x 5x 5 dx, a) ( + ) x b) ( e 2 ) dx, c)

Lisätiedot

PÄÄOMAPANOS TUOTANNONTEKIJÄNÄ

PÄÄOMAPANOS TUOTANNONTEKIJÄNÄ PÄÄOMAPANOS TUOTANNONTEKIJÄNÄ Matti Estola 3. marraskuuta 203 Sisältö Johdanto 2 2 Pääomapanosten vuokraaminen 2 2. *Newtonilainen teoria pääomapanosten vuokraamisesta.... 4 3 Pääomahyödykkeiden hankinta

Lisätiedot

Harjoitus 2. 10.9-14.9.2007. Nimi: Op.nro: Tavoite: Gradientin käsitteen sisäistäminen ja omaksuminen.

Harjoitus 2. 10.9-14.9.2007. Nimi: Op.nro: Tavoite: Gradientin käsitteen sisäistäminen ja omaksuminen. SMG-1300 Sähkömagneettiset kentät ja aallot I Harjoitus 2. 10.9-14.9.2007 Nimi: Op.nro: Tavoite: Gradientin käsitteen sisäistäminen ja omaksuminen. Tehtävä 1: Harjoitellaan ensinmäiseksi ymmärtämään lausekkeen

Lisätiedot

Testejä suhdeasteikollisille muuttujille

Testejä suhdeasteikollisille muuttujille Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testejä suhdeasteikollisille muuttujille TKK (c) Ilkka Mellin (007) 1 Testejä suhdeasteikollisille muuttujille >> Testit normaalijakauman

Lisätiedot

KERTAUS KERTAUSTEHTÄVIÄ K1. P( 1) = 3 ( 1) + 2 ( 1) ( 1) 3 = = 4

KERTAUS KERTAUSTEHTÄVIÄ K1. P( 1) = 3 ( 1) + 2 ( 1) ( 1) 3 = = 4 KERTAUS KERTAUSTEHTÄVIÄ K1. P( 1) = 3 ( 1) + ( 1) + 3 ( 1) 3 = 3 + 3 = 4 K. a) x 3x + 7x 5x = 4x + 4x b) 5x 3 (1 x ) = 5x 3 1 + x = 6x 4 c) (x + 3)(x 4) = x 3 4x + 3x 1 = x 3 + 3x 4x 1 Vastaus: a) 4x +

Lisätiedot

Numeeriset menetelmät Pekka Vienonen

Numeeriset menetelmät Pekka Vienonen Numeeriset menetelmät Pekka Vienonen 1. Funktion nollakohta Newtonin menetelmällä 2. Määrätty integraali puolisuunnikassäännöllä 3. Määrätty integraali Simpsonin menetelmällä Newtonin menetelmä Newtonin

Lisätiedot

Alkuaineita luokitellaan atomimassojen perusteella

Alkuaineita luokitellaan atomimassojen perusteella IHMISEN JA ELINYMPÄRISTÖN KEMIAA, KE2 Alkuaineen suhteellinen atomimassa Kertausta: Isotoopin määritelmä: Saman alkuaineen eri atomien ytimissä on sama määrä protoneja (eli sama alkuaine), mutta neutronien

Lisätiedot

Matematiikan tukikurssi, kurssikerta 3

Matematiikan tukikurssi, kurssikerta 3 Matematiikan tukikurssi, kurssikerta 3 1 Epäyhtälöitä Aivan aluksi lienee syytä esittää luvun itseisarvon määritelmä: { x kun x 0 x = x kun x < 0 Siispä esimerkiksi 10 = 10 ja 10 = 10. Seuraavaksi listaus

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 1 1 Matemaattisesta päättelystä Matemaattisen analyysin kurssin (kuten minkä tahansa matematiikan kurssin) seuraamista helpottaa huomattavasti, jos opiskelija ymmärtää

Lisätiedot

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos. MS-A0203 Differentiaali- ja integraalilaskenta 2, kevät 2016

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos. MS-A0203 Differentiaali- ja integraalilaskenta 2, kevät 2016 Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Malinen/Ojalammi MS-A23 Differentiaali- ja integraalilaskenta 2, kevät 216 Laskuharjoitus 2A (Vastaukset) Alkuviikolla

Lisätiedot

KESKEISET SISÄLLÖT Keskeiset sisällöt voivat vaihdella eri vuositasoilla opetusjärjestelyjen mukaan.

KESKEISET SISÄLLÖT Keskeiset sisällöt voivat vaihdella eri vuositasoilla opetusjärjestelyjen mukaan. VUOSILUOKAT 6 9 Vuosiluokkien 6 9 matematiikan opetuksen ydintehtävänä on syventää matemaattisten käsitteiden ymmärtämistä ja tarjota riittävät perusvalmiudet. Perusvalmiuksiin kuuluvat arkipäivän matemaattisten

Lisätiedot

2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2

2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2 HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 208 Harjoitus 4 Ratkaisuehdotuksia Tehtäväsarja I. Satunnaismuuttuja U Exp(2) ja V = U/(3 + U). Laske f V käyttämällä muuttujanvaihtotekniikkaa.

Lisätiedot

MS-A0207 Differentiaali- ja integraalilaskenta 2 Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio.

MS-A0207 Differentiaali- ja integraalilaskenta 2 Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio. MS-A0207 Differentiaali- ja integraalilaskenta 2 Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio. Riikka Korte Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto

Lisätiedot

Pythagoraan polku 16.4.2011

Pythagoraan polku 16.4.2011 Pythagoraan polku 6.4.20. Todista väittämä: Jos tasakylkisen kolmion toista kylkeä jatketaan omalla pituudellaan huipun toiselle puolelle ja jatkeen päätepiste yhdistetään kannan toisen päätepisteen kanssa,

Lisätiedot

Ratkaisuja, Tehtävät

Ratkaisuja, Tehtävät ja, Tehtävät 988-97 988 a) Osoita, että lausekkeiden x 2 + + x 4 + 2x 2 ja x 2 + - x 4 + 2x 2 arvot ovat toistensa käänteislukuja kaikilla x:n arvoilla. b) Auton jarrutusmatka on verrannollinen nopeuden

Lisätiedot

1 Ensimmäisen asteen polynomifunktio

1 Ensimmäisen asteen polynomifunktio Ensimmäisen asteen polynomifunktio ENNAKKOTEHTÄVÄT. a) f(x) = x 4 b) Nollakohdassa funktio f saa arvon nolla eli kuvaaja kohtaa x-akselin. Kuvaajan perusteella funktion nollakohta on x,. c) Funktion f

Lisätiedot

Sivu 1 / 8. A31C00100 Mikrotaloustieteen perusteet: matematiikan tukimoniste. Olli Kauppi

Sivu 1 / 8. A31C00100 Mikrotaloustieteen perusteet: matematiikan tukimoniste. Olli Kauppi Sivu 1 / 8 A31C00100 Mikrotaloustieteen perusteet: matematiikan tukimoniste Olli Kauppi Monisteen ensimmäinen luku käsittelee derivointia hieman yleisemmästä näkökulmasta. Monisteen lopussa on kurssilla

Lisätiedot

Matematiikka vuosiluokat 7 9

Matematiikka vuosiluokat 7 9 Matematiikka vuosiluokat 7 9 Matematiikan opetuksen ydintehtävänä on tarjota oppilaille mahdollisuus hankkia sellaiset matemaattiset taidot, jotka antavat valmiuksia selviytyä jokapäiväisissä toiminnoissa

Lisätiedot

Muunnokset ja mittayksiköt

Muunnokset ja mittayksiköt Muunnokset ja mittayksiköt 1 a Mitä kymmenen potenssia tarkoittavat etuliitteet m, G ja n? b Mikä on massan (mass) mittayksikkö SI-järjestelmässäa? c Mikä on painon (weight) mittayksikkö SI-järjestelmässä?

Lisätiedot

Osa 15 Talouskasvu ja tuottavuus

Osa 15 Talouskasvu ja tuottavuus Osa 15 Talouskasvu ja tuottavuus 1. Elintason kasvu 2. Kasvun mittaamisesta 3. Elintason osatekijät Suomessa 4. Elintason osatekijät OECD-maissa 5. Työn tuottavuuden kasvutekijät Tämä on pääosin Mankiw

Lisätiedot

Opetusmateriaali. Tutkimustehtävien tekeminen

Opetusmateriaali. Tutkimustehtävien tekeminen Opetusmateriaali Tämän opetusmateriaalin tarkoituksena on opettaa kiihtyvyyttä mallintamisen avulla. Toisena tarkoituksena on hyödyntää pikkuautoa ja lego-ukkoa fysiikkaan liittyvän ahdistuksen vähentämiseksi.

Lisätiedot

Funktion derivoituvuus pisteessä

Funktion derivoituvuus pisteessä Esimerkki A Esimerkki A Esimerkki B Esimerkki B Esimerkki C Esimerkki C Esimerkki 4.0 Ratkaisu (/) Ratkaisu (/) Mielikuva: Funktio f on derivoituva x = a, jos sen kuvaaja (xy-tasossa) pisteen (a, f(a))

Lisätiedot

MAB3 - Harjoitustehtävien ratkaisut:

MAB3 - Harjoitustehtävien ratkaisut: MAB - Harjoitustehtävien ratkaisut: Funktio. Piirretään koordinaatistoakselit ja sijoitetaan pisteet:. a) Funktioiden nollakohdat löydetään etsimällä kuvaajien ja - akselin leikkauspisteitä. Funktiolla

Lisätiedot

ELEC-A3110 Mekaniikka (5 op)

ELEC-A3110 Mekaniikka (5 op) Yliopistonlehtori, tkt Sami Kujala Syksy 2016 Luento 2: Kertausta ja johdantoa Suoraviivainen liike Jumppaa Harjoituksia ja oivalluksia Ajankohtaista Presemokyselyn poimintoja Millä odotuksilla aloitat

Lisätiedot

Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2017 Insinöörivalinnan matematiikan koe , Ratkaisut (Sarja A)

Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2017 Insinöörivalinnan matematiikan koe , Ratkaisut (Sarja A) Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 017 Insinöörivalinnan matematiikan koe 30..017, Ratkaisut (Sarja A) 1. a) Lukujen 9, 0, 3 ja x keskiarvo on. Määritä x. (1 p.) b) Mitkä reaaliluvut

Lisätiedot

MAB3 - Harjoitustehtävien ratkaisut:

MAB3 - Harjoitustehtävien ratkaisut: MAB3 - Harjoitustehtävien ratkaisut: 1 Funktio 1.1 Piirretään koordinaatistoakselit ja sijoitetaan pisteet: 1 1. a) Funktioiden nollakohdat löydetään etsimällä kuvaajien ja - akselin leikkauspisteitä.

Lisätiedot

Matemaatiikan tukikurssi

Matemaatiikan tukikurssi Matemaatiikan tukikurssi Kurssikerta 1 1 Funktiot Funktion määritelmä Funktio on sääntö, joka liittää kahden eri joukon alkioita toisiinsa. Ollakseen funktio tämän säännön on liitettävä jokaiseen lähtöjoukon

Lisätiedot

3 TOISEN ASTEEN POLYNOMIFUNKTIO

3 TOISEN ASTEEN POLYNOMIFUNKTIO 3 TOISEN ASTEEN POLYNOMIFUNKTIO POHDITTAVAA 1. Kuvasta voidaan arvioida, että frisbeegolfkiekko käy noin 9 metrin korkeudella ja se lentää noin 40 metrin päähän. Vastaus: Frisbeegolfkiekko käy n. 9 m:n

Lisätiedot

Matematiikan johdantokurssi, syksy 2016 Harjoitus 11, ratkaisuista

Matematiikan johdantokurssi, syksy 2016 Harjoitus 11, ratkaisuista Matematiikan johdantokurssi, syksy 06 Harjoitus, ratkaisuista. Valitse seuraaville säännöille mahdollisimman laajat lähtöjoukot ja sopivat maalijoukot niin, että syntyy kahden muuttujan funktiot (ks. monisteen

Lisätiedot

Matemaattisen analyysin tukikurssi

Matemaattisen analyysin tukikurssi Matemaattisen analyysin tukikurssi 4. Kurssikerta Petrus Mikkola 4.10.2016 Tämän kerran asiat Funktion raja-arvo Raja-arvon määritelmä Toispuolinen raja-arvo Laskutekniikoita Rationaalifunktion esityksen

Lisätiedot

MAA1 päässälaskut. Laske ilman laskinta tälle paperille. Kirjaa myös välivaihe(et).

MAA1 päässälaskut. Laske ilman laskinta tälle paperille. Kirjaa myös välivaihe(et). MAA1 päässälaskut Nimi: Laske ilman laskinta tälle paperille. Kirjaa myös välivaihe(et). 1. 4 (-5) + (-3) (-6) 2. 1 3 2 5 3 2 3. 5 8 6 7 4. 3 2 3 2 : 3 3 5. 1 0 1 1 1 2 1 3 2 2 2 6. 2 3 3 7. 2 1203 8 400

Lisätiedot

Juuri 12 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty

Juuri 12 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Juuri Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 7.5.08 Kertaus K. a) Polynomi P() = + 8 on jaollinen polynomilla Q() =, jos = on polynomin P nollakohta, eli P() = 0. P() = + 8 = 54 08 +

Lisätiedot

jakokulmassa x 4 x 8 x 3x

jakokulmassa x 4 x 8 x 3x Laudatur MAA ratkaisut kertausarjoituksiin. Polynomifunktion nollakodat 6 + 7. Suoritetaan jakolasku jakokulmassa 5 4 + + 4 8 6 6 5 4 + 0 + 0 + 0 + 0+ 6 5 ± 5 5 4 ± 4 4 ± 4 4 ± 4 8 8 ± 8 6 6 + ± 6 Vastaus:

Lisätiedot

Juuri 6 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty

Juuri 6 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Juuri 6 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 14..016 Kertaus K1. a) b) x 18 ( x 9) ( x ) ( x+ ) lim = lim = lim x+ x+ ( x + ) x x x = lim (x 6) = ( ) 6 = 1 x x + 6 ( ) + 6 0 lim = =

Lisätiedot

6 Variaatiolaskennan perusteet

6 Variaatiolaskennan perusteet 6 Variaatiolaskennan perusteet Sivut ss. 22 26 pääosin lähteen [Kirk, Ch. 4, ss. 107 127] pohjalta Variaatiolaskenta keskittyy lokaaliin analyysiin eli funktion lokaalin minimin vastineisiin funktionaaleilla.

Lisätiedot