MIKROTEORIA, HARJOITUS 3 KYSYNTÄ YLI AJAN JA EPÄVARMUUDEN VALLITESSA, OSTAJANA JA MYYJÄNÄ, SEKÄ TYÖN TARJONTA
|
|
- Maria Haavisto
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 MIKROTEORI, HRJOITUS 3 KYSYNTÄ YLI JN J EPÄVRMUUEN VLLITESS, OSTJN J MYYJÄNÄ, SEKÄ TYÖN TRJONT Voistojen eistämässä kylässä kasvatetaan ainoana elinkeinona vehnää Sadot vaihtelevat vosittain, siten, että hyvä ja hono satovosi seaavat aina toisiaan Voden sato on 000 kiloa ja voden sato on 50 kiloa Kn satoa vaastoidaan, syövät otat siitä aina 5% Ratkaise, mikä viljan klts maksimoi kyläläisten hyödyn Piiä myös kva Paljonko viljaa otat syövät? Entä kn kylä avat maailmanmakkinoille? Hyötyfnktio: U (, ) djettiajoite, jossa -0,5, ω 000 ja ω 50: ω + ω + Ω + + Itse asiassa tässä on toinenkin ajoite lainaaminen ei ole mahdollista joten 000 (polveikas aj) Emme ota sitä mkaan Lagangen fnktioon, mtta vamistamme, että klts ei ylitä 000 kiloa Lagangen fnktio: L + Ω Ω 0 + Jakamalla ja ehdon polittain saamme +, jolloin 0, 75 3 ehdosta 0, ,75 0,75 ja 0, U Rotat syövät: 0,5(000 00) 00 Yhteydet paanevat: Usi bdjettiajoite: ,, 3,3
2 Nyt optimiehto: +,, jolloin bdjettiajoitteesta: 3,3 58,8 ja, 58,8 5 U 58, Ω Elät vain kaksi peiodia Ensimmäisellä peiodilla ansaitset eoa Toisella peiodilla olet eläkkeellä ja elät säästöillä Hyötyfnktiosi on motoa U(, ) Kohtaamasi koko, jolla voit ottaa tai antaa lainaa, on 0 % Jos kokotaso kohoaa, kinka käy peiodin kltkselle (kasvaako, pieneneekö vai säilyykö samana)? Kinka käy peiodin kltksen koon nostessa? Entä jos eon tlosi tlisivatkin peiodilla ( peidiodin tlo 0), kinka koon nos vaikttaisi peiodin kltkseesi? Hyötyfnktio: U (, ) djettiajoite, jossa,, ω ja ω 0: ω + ω + ω + + Lagangen fnktio: L + ω
3 ω + 0 Jakamalla ja ehdon polittain saamme +, jolloin ( + ) 3 ehdosta ( + ) ω + ω ω ja ( + ) ( + ) 7500 U ,5 milj Kompaatiivinen statiikka: 0 eli koolla ei vaiktsta eli peiodin klts säilyy samana ω > 0 eli koon nostessa peiodin klts kasvaa Kn kaikki tlot toisella peiodilla, bdjettiajoite ω ω + ω ja 3 ehdosta ( + ) ω ω 77,7 ( ) ω ja ( + ) ( + ) 5000 ( + ) U 77, ,8 milj Kompaatiivinen statiikka: ω < 0 eli koon nos johtaa peiodin kltksen laskn 4 + ( ) 0 eli koon nostessa peiodin klts säilyy samana 3 Klttajan täytyy ensin valita jompikmpi seaavista apajaisista: pajaiset tottavat 4000 todennäköisyydellä 0, ja 0 todennäköisyydellä 0,8 pajaiset tottavat 3000 todennäköisyydellä 0,5 ja 0 todennäköisyydellä 0,75 Sen jälkeen klttajan täytyy valita jompikmpi seaavista apajaisista: pajaiset tottavat 4000 todennäköisyydellä 0,8 ja 0 todennäköisyydellä 0, pajaiset tottavat 3000 todennäköisyydellä Oletetaan, että klttajan odotett hyöty on VNM-motoa a Oletetaan, että hyötyfnktio on motoa x) x / Onko klttaja iskin kaihtaja vai iskin akastaja? Mitkä valinnat hän tekee yo tilanteissa? valinta: pajainen :
4 Hyöty vaallisden odotsavosta: E U px + p x 0, ,80 ( )) ( 750) 750 7, 38 E U px + p x 0, ,750 E[ U ( p x + p x ) 0, ,80) ( 800) 800 8, 8 ( )) Odotett hyöty: [ ( )], 5 pajainen : Odotett hyöty: [ ( )] 3, 9 Koska E [ U ( )] > ( )], klttaja valitsee apajaisen valinta: pajainen : ( )) 300) 300 5, 57 Odotett hyöty: [ U ( )] p x + p x 0, ,0 50, E pajainen : ( )) 3000) , 77 Odotett hyöty: [ U ( )] p x , 77 E Koska [ U ( )] E U ( ) [ E > ], klttaja valitsee apajaisen Klttaja on iskin kaihtaja, koska E )) E[ U ( )] ( tai 0 (konkaavi) b Oletetaan, että hyötyfnktio on motoa x) x Onko klttaja iskin kaihtaja vai iskin akastaja? Mitkä valinnat hän tekee yo tilanteissa? valinta: pajainen : Hyöty vaallisden odotsavosta: )) px + p x ) 800) 800 0,4milj Odotett hyöty: E[ U ( )] px + p x 0, ,80 3,milj pajainen : )) 750) 750 0,55milj Odotett hyöty: E[ U ( )] p x + p x 0, ,750, 5milj Koska E [ U ( )] < E U ( )], klttaja valitsee apajaisen valinta: [ pajainen : )) 300) 300 0,4milj Odotett hyöty: E[ U ( )] p x + p x 0, , 0,8 milj pajainen : E ( )) 3000 ) milj Odotett hyöty: E[ U ( )] p x Koska [ U ( )] E U ( ) [ milj E < ], klttaja valitsee apajaisen Klttaja on iskin akastaja: )) E[ U ( )] ( tai 0 (konveksi) 4 Klttajan käytettävissä oleva aika on 4 tntia ja hänen osaketlonsa ovat 0 eoa/päivä on klts ja R vapaa-aika Kltshyödykkeen hinta on yksi ja klttajan tntipalkka on 0 eoa Seksiko modostvat päivittäinen optimaalinen työaika ja klts? Hyötyfnktio:
5 (, R) R U Olkoon osaketlot M0 ja sin mahdollinen käytettävissä oleva vapaa-aika R 4 Klts voidaan nyt kijoittaa: M + w( R R), missä ( R R) on työntekoon käytetty aika Tästä saadaan bdjettiajoite: + wr M + wr + 0 R Lagangen fnktio: L R R ( ) R 0 R R 30 0R 0 Sijoittamalla R ja 3 ehtoon saamme , jolloin R 8 ja 80 ja työaika 4 8 U Klttajan alkvaalliss on ω 0 ja ω 0 Klttajan hyötyfnktio on kvasilineaainen Olkoon hyödykkeen hinta yksi ja hyödykkeen hinta p Laske klttajan optimi Hyödykkeen hinta nosee siten, että p 3 Laske klttajan si optimi Minkä siset ovat sbstittio-, tavallinen tlo- ja vaalliss-tlovaiktkset? Käytä hyväksesi kvaa ja tietoa hyötyfnktion kvasilineaaisdesta Hyötyfnktio: ( x, x ) x x + 0 djettiajoite, jossa p, ω 0 ja ω 0: p x + x p ω + ω Lagangen fnktio: + 0x + x L x ω ( p ω + p x ) p x x 0 p 5x 0 x 5 p 5 p ω + ω p x x 0 x pω + ω x p Tällöin paametien annetilla avoilla alktilanteessa: x 70 ja x 00 pω + ω 5p p
6 Hinnan nosta (p 3): x 5 ja x Sbstittiovaikts: lkpeäisen optimin katta klkeva den bdjettisoan sntainen soa: p ' x + x 3x + x Sijoittamalla si hinta toiseen Lagange-yhtälöön saadaan x 5 s 85 ja bdjettisoasta tämän avlla 3x x 8, 3 3 s s 85 5 Siten sbstittiovaiktkseksi tlee x x x 70 4, Tavallinen tlovaikts: Vaallisden alkpeäisen avon mkainen den bdjettisoan sntainen soa: p' x + x pω + ω 3x + x Taas toisesta Lagange-yhtälöstä saadaan (tässä näkyy kvasilineaaiss, hyödykkeen kysyntä ei iip tlosta) x 5 n 5, ja 3x x n n s Siten tavalliseksi tlovaiktkseksi saadaan x x x 5 3, Vaallisstlovaikts: Vaallisden den avon mkainen den bdjsoan sntainen soa: p x + x p ' ω + ω 3x + x 300 ' x 5 x 5 m n x x x Optimi: ja Siten Kokonaisvaikts: s n m 5 70 x x + x + x
7 Mekitään pelien tottoja kvaavia satnnaismttjia pelien kijaimilla,, ja Olkoon w henkilön mielivaltainen alkvaalliss Määitellään myös seaavat satnnaismttjat: W + w, W + w, W + w ja W + w a) Henkilön hyödyn absolttisilla avoilla ei ole väliä Voidaan siis valita hyötyfnktio, jolla w)0 Nyt henkilö valitsee hkapelin, jos ja vain jos U ( W ) U ( W ) W 0 0, 0 )) W )) 0,89 0 Tämä on pyydetty ehto 0, , ,0 w) b) Oletetaan, että henkilö valitsi vaihtoehdon Pätee siis, että 0, (0 0, (5 0 Toisaalta W )) 0, 0 + 0,89 w) 0, 0 W )) 0, ,9 w) 0, 50 Sattmalta nämä ovat samat kin kohdan a) epäyhtälöehdossa olevat lvt Tästä seaa siis, että tlee päteä W )) W )) Henkilö siis valitsee hkapelin, jos ja vain jos hän valitsee myös hkapelin Mitkä hkapelit itse valitsisit? ja Katso kijan s Jos klttajan pefeenssejä kvaa mielivaltainen hyötyfnktio v(x), jolla v(w)k, niin samoja pefeenssejä kvaa myös hyötyfnktio x)v(x)-k Tällöin w)v(w)-kk-k0
4. Derivointi useammassa ulottuvuudessa
6 VEKTORIANALYYSI Lento 3 4. Derivointi seammassa lottvdessa Osittaisderivaatta. Kerrataan alksi osittaisderivaatan käsite. Fnktio f f ( r) f ( x, y, z) on kolmen mttjan fnktio, jonka arvo yleensä mtt,
Lisätiedot= + + = 4. Derivointi useammassa ulottuvuudessa
30 VEKTORIANALYYSI Lento 4 4. Derivointi seammassa lottvdessa Osittaisderivaatta. Kerrataan alksi osittaisderivaatan käsite. Fnktio f= f( r) = f( xyz,, ) on kolmen mttjan fnktio, jonka arvo yleensä mtt,
Lisätiedotmin x x2 2 x 1 + x 2 1 = 0 (1) 2x1 1, h = f = 4x 2 2x1 + v = 0 4x 2 + v = 0 min x x3 2 x1 = ± v/3 = ±a x 2 = ± v/3 = ±a, a > 0 0 6x 2
TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-39 Optimointioppi Kimmo Berg 6 harjoitus - ratkaisut min x + x x + x = () x f = 4x, h = x 4x + v = { { x + v = 4x + v = x = v/ x = v/4 () v/ v/4
LisätiedotHarjoitus 7: vastausvihjeet
Taloustieteen matemaattiset menetelmät 31C01100 Kevät 2017 Topi Hokkanen topi.hokkanen@aalto.fi Harjoitus 7: vastausvihjeet 1. (Epäyhtälörajoitteet) Olkoon f (x, y) = 6x + 4y ja g (x, y) = x 2 + y 2 2.
LisätiedotLuku 10 Intertemporaalinen valinta
Y56 Mikotalousteoian jatkokussi Kl 9 5 uku Intetepoaalinen valinta Huo. ee käsittele Vaianin lukua 9. Monet kulutukseen liittyvät päätökset koskevat tulevaisuutta esi. pitkän aikavälin hankinnat ja kulutussuunnitelat.
LisätiedotOptioiden hinnoittelu binomihilassa
Mat-2.3114 Investointiteoria Optioien hinnoittel binomihilassa 26.3.2015 Yksiperioiset optiot 1/3 Olkoon S kohe-eten arvo perioin alssa siten, että perioin päättyessä sen arvo on S toennäköisyyellä p tai
LisätiedotY56 Mikrotaloustieteen jatkokurssi kl 2010: HARJOITUSTEHTÄVÄT 2
Y56 Mikrotaloustieteen jatkokurssi kl 2010: HARJOITUSTEHTÄVÄT 2 Palautus ke 10.2. klo 16 mennessä Piian lokeroon Koetilantie 5, 3. krs tai B-talon vahtimestarien kopin luona olevaan kurssikansioon. En
LisätiedotRahoitusriskit ja johdannaiset Matti Estola. luento 10 Binomipuut ja optioiden hinnoittelu
Rahoitsriskit ja johdannaiset Matti Estola lento 1 Binomipt ja optioiden hinnoittel 1. Optiohintojen mallintaminen Esimerkki. Oletetaan, että osakkeen spot -krssi on $ ja spot -krssilla 3 kk:n kltta on
Lisätiedot1 Rajoitettu optimointi I
Taloustieteen mat.menetelmät 2017 materiaali II-1 1 Rajoitettu optimointi I 1.1 Tarvittavaa osaamista Matriisit ja vektorit, matriisien de niittisyys Derivointi (mm. ketjusääntö, Taylorin kehitelmä) Implisiittifunktiolause
LisätiedotKäyttöarvon kvantitatiivisesta mittaamisesta. Tommi Höynälänmaa 19. marraskuuta 2012
Käyttöarvon kvantitatiivisesta mittaamisesta Tommi Höynälänmaa 19. marraskta 2012 1 1 Yleistä Ajan t mittainen henkilötyöaika keskimääräistyötä (tehokkdeltaan keskimääräistä työtä) saa tavarantotannossa
LisätiedotMIKROTEORIA, HARJOITUS 5 YRITYKSEN VOITON MAKSIMOINTI JA KUSTANNUSTEN MINIMOINTI
MIKROTEORIA, HARJOITUS 5 RITKSEN VOITON MAKSIMOINTI JA KUSTANNUSTEN MINIMOINTI Olkoon ritksen kustannusfunktio c ( F a ritksen rajakustannukset kertovat, paljonko ritksen kustannukset muuttuvan kun tuotantoa
LisätiedotDuaalisuus kokonaislukuoptimoinnissa. Mat , Sovelletun matematiikan tutkijaseminaari, kevät 2008, Janne Karimäki
Duaalisuus kokonaislukuoptimoinnissa Mat-2.4191, Sovelletun matematiikan tutkijaseminaari, kevät 2008, Janne Karimäki Sisältö Duaalisuus binäärisissä optimointitehtävissä Lagrangen duaalisuus Lagrangen
LisätiedotArvo (engl. value) = varmaan attribuutin tulemaan liittyvä arvo. Päätöksentekijä on riskipakoinen, jos hyötyfunktio on konkaavi. a(x) = U (x) U (x)
Arvo (engl. value) = varmaan attribuutin tulemaan liittyvä arvo. Hyöty (engl. utility) = arvo, jonka koemme riskitilanteessa eli, kun teemme päätöksiä epävarmuuden (todennäköisyyksien) vallitessa. Vrt.
Lisätiedot763105P JOHDATUS SUHTEELLISUUSTEORIAAN 1 Ratkaisut 5 Kevät 2016
7635P JOHDATUS SUHTEELLISUUSTEORIAAN Ratkaist 5 Kevät 26. Aberraatio shteellissteoriassa a) Tlkoon valo kten tehtävän kvassa (x, y)-tason x, y > neljänneksestä: x ˆx + y ŷ c cos θ ˆx c sin θ ŷ. () Lorenz
LisätiedotLuento 12: Duaalitehtävä. Tarkennuksia Lagrangen kertoimen tulkintaan. Hajautettu optimointi.
Luento 12: Duaalitehtävä. Tarkennuksia Lagrangen kertoimen tulkintaan. Hajautettu optimointi. Konveksisuus Muista x + αd, α 0, on pisteestä x R n alkava puolisuora, joka on vektorin d suuntainen. Samoin
LisätiedotLuento 9. June 2, Luento 9
June 2, 2016 Otetaan lähtökohdaksi, että sopimuksilla ei voida kattaa kaikkia kontingensseja/maailmantiloja. Yksi kiinnostava tapaus on sellainen, että jotkut kontingenssit ovat havaittavissa sopimusosapuolille,
LisätiedotORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008
ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008 Harjoitus 4 Ratkaisuehdotuksia 1. Olkoon herra K.:n hyötyfunktio u(x) = ln x. (a) Onko herra K. riskinkaihtaja, riskinrakastaja vai riskineutraali?
LisätiedotLuento 5: Peliteoriaa
Luento 5: Peliteoriaa Tässä kappaleessa tutustutaan hieman peliteoriaan. Keskeisiä asioita ovat Nash-tasapaino ja sekastrategia. Cournot n duopolimalli vuodelta 1838 toimii oivallisena havainnollistuksena
LisätiedotTehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.
HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 8 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I Tehtävät -5 perustuvat monisteen kappaleisiin..7 ja tehtävä 6 kappaleeseen.8..
LisätiedotLuku 26 Tuotannontekijämarkkinat. Tuotannontekijämarkkinat ovat tärkeä osa taloutta. Esimerkiksi
1 Luku 26 Tuotannontekijämarkkinat Tuotannontekijämarkkinat ovat tärkeä osa taloutta. Esimerkiksi TYÖMARKKINOIDEN toiminta on keskeisessä asemassa tulonjaon ja työllisyyden suhteen. Myös muut tuotannontekijämarkkinat
LisätiedotI I K UL U UT U T T A T JANTE T O E R O I R A
II KULUTTAJANTEORIA.. Budjettirajoite * Ihmisten kaikkea toimintaa rajoittavat erilaiset rajoitteet. * Mikrotalouden kurssilla tärkein rajoite on raha. * Kuluttaja maksimoi hyötyään, mutta ei kykene toteuttamaan
Lisätiedothavainnollistus, muokkaus ja viimeistely
Tekstin havainnollists, mokkas ja viimeistely Lettavs ja merkintätavat Tiina Airaksinen Kappaleiden jäsentäminen Kappale = asiakokonaiss Testi: Pystytkö keksimään otsikon? Ei yhden virkkeen / yhden sivn
Lisätiedotb 1. b m ) + ( 2b Ax) + (b b)
TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-9 Optimointioppi Kimmo Berg 5 harjoitus - ratkaisut min Ax b (vertaa PNS-tehtävät) a x + + a n x n a) Ax b = a m x + + a mn x n = x a a m }{{}
Lisätiedot1. Etsi seuraavien funktioiden kriittiset pisteet ja tutki niiden laatu: (a.) f(x,y) = 20x 2 +10xy +5y 2 (b.) f(x,y) = 4x 2 2y 2 xy +x+2y +100
HARJOITUS, RATKAISUEHDOTUKSET, YLE 07.. Etsi seuraavien funktioiden kriittiset pisteet ja tutki niiden laatu: (a.) f(x,y) = 0x +0xy +5y (b.) f(x,y) = 4x y xy +x+y +00 (a.) Funktion kriittiset pisteet ratkaisevat
LisätiedotY56 Mikrotaloustieteen jatkokurssi kl 2010: HARJOITUSTEHTÄVÄT 2 Mallivastaus
Y56 Mikrotaloustieteen jatkokurssi kl 00: HRJOITUSTEHTÄVÄT Mallivastaus. Olkoon Kallen ravintolassa söntiä ( ja muuta vaaa-ajan kulutusta ( kuvaava budjettirajoite muotoa. Kalle on valmis vaihtamaan hden
LisätiedotOmakotitalon energiaratkaisu Pieni askel omavaraisuuteen.
Omakotitalon energiaratkais Pieni askel omavaraisteen. www.arime.fi Phdasta energiaa lonnosta Arinko on meidän kakien elämään vattava ehtymätön energianlähde ja se tottaa välillisesti srimman osan ihmisten
LisätiedotNollasummapelit 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
LisätiedotLuku 26 Tuotannontekijämarkkinat. Tuotannontekijämarkkinat ovat tärkeä osa taloutta. Esimerkiksi
1 Luku 26 Tuotannontekijämarkkinat Tuotannontekijämarkkinat ovat tärkeä osa taloutta. Esimerkiksi TYÖMARKKINOIDEN toiminta on keskeisessä asemassa tulonjaon ja työllisyyden suhteen. Myös muut tuotannontekijämarkkinat
LisätiedotMoraalinen uhkapeli: perusmalli ja optimaalinen sopimus
Moraalinen uhkapeli: perusmalli a optimaalinen sopimus Mat-2.4142 Optimointiopin seminaari Mauno Taaamaa 18.02.2008 Esityksen rakenne Johdanto moraalisen uhkapelin käsite) Yksinkertaistettu tapaus a sen
LisätiedotLuento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu
Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu Merkintöjä := vasen puoli määritellään oikean puolen lausekkeella s.e. ehdolla; siten että (engl. subject to, s.t.) on voimassa
LisätiedotMIKROTEORIA, HARJOITUS 6 YRITYKSEN JA TOIMIALAN TARJONTA JA VOITTO TÄYDELLISESSÄ KILPAILUSSA, SEKÄ MONOPOLI
MIKROTEORIA, HARJOITUS 6 YRITYKSEN JA TOIMIALAN TARJONTA JA VOITTO TÄYDELLISESSÄ KILPAILUSSA, SEKÄ MONOPOLI 1a. Täydellisen kilpailun vallitessa yrityksen A tuotteen markkinahinta on 18 ja kokonaiskustannukset
LisätiedotLuento 12: Duaalitehtävä. Tarkennuksia Lagrangen kertoimen tulkintaan. Hajautettu optimointi.
Luento 12: Duaalitehtävä. Tarkennuksia Lagrangen kertoimen tulkintaan. Hajautettu optimointi. Konveksisuus Muista. + αd, α 0, on pisteessä R n alkava puolisuora, joka on vektorin d suuntainen. Samoin 2
LisätiedotSekalaiset tehtävät, 11. syyskuuta 2005, sivu 1 / 13. Tehtäviä
Sekalaiset tehtävät, 11. syyskuuta 005, sivu 1 / 13 Tehtäviä Tehtävä 1. Johda toiseen asteen yhtälön ax + bx + c = 0, a 0 ratkaisukaava. Tehtävä. Määrittele joukon A R pienin yläraja sup A ja suurin alaraja
LisätiedotHyppy Pekingiin 2008 Tapani Keränen (Kihu) ja Juhani Evilä (SUL)
Hyppy Pekingiin 2008 Tapani Keränen (Kih ja Jhani Evilä (SUL Harjoitvoden 2008 aikana totetettiin SUL:n ja Kihn yhteityöprojekti Hyppy Pekingiin 2008. Projektia Kihn vt. biomekaniikan ttkija oli pithyppääjien
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kertausluento 2. välikokeeseen Toisessa välikokeessa on syytä osata ainakin seuraavat asiat:. Potenssisarjojen suppenemissäde, suppenemisväli ja suppenemisjoukko. 2. Derivaatan
LisätiedotLineaarisen ohjelman määritelmä. Joonas Vanninen
Lineaarisen ohjelman määritelmä Joonas Vanninen Sisältö Yleinen optimointitehtävä Kombinatorinen tehtävä Optimointiongelman tapaus Naapurusto Paikallinen ja globaali optimi Konveksi optimointitehtävä Lineaarinen
LisätiedotToispuoleiset raja-arvot
Toispuoleiset raja-arvot Määritelmä Funktiolla f on oikeanpuoleinen raja-arvo a R pisteessä x 0 mikäli kaikilla ɛ > 0 löytyy sellainen δ > 0 että f (x) a < ɛ aina kun x 0 < x < x 0 + δ; ja vasemmanpuoleinen
LisätiedotMiten osoitetaan joukot samoiksi?
Miten osoitetaan joukot samoiksi? Määritelmä 1 Joukot A ja B ovat samat, jos A B ja B A. Tällöin merkitään A = B. Kun todistetaan, että A = B, on päättelyssä kaksi vaihetta: (i) osoitetaan, että A B, ts.
LisätiedotTalousmatematiikan perusteet
kevät 19 / orms.30 Talousmatematiikan perusteet 8. harjoitus, viikko 11 (11.03..03.19) L Ma 12 A2 R0 Ti 14 16 F43 R01 Ma 12 14 F43 L To 08 A2 R02 Ma 16 18 F43 R06 To 12 14 F140 R03 Ti 08 F42 R07 Pe 08
LisätiedotHaitallinen valikoituminen: Kahden tyypin malli
Haitallinen valikoituminen: Kahden tyypin malli Mat-2.4142 Optimointiopin seminaari Mikko Hyvärinen 29.1.2008 Haitallinen valikoituminen kahden tyypin malli Haitallinen valikoituminen tarkoittaa että päämies
LisätiedotMatematiikan tukikurssi: kurssikerta 12
Matematiikan tukikurssi: kurssikerta 2 Tenttiin valmentavia harjoituksia Huomio. Tähän tulee lisää ratkaisuja sitä mukaan kun ehin niitä kirjoittaa. Kurssilla käyään läpi tehtävistä niin monta kuin mahollista.
LisätiedotBM20A5840 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
LisätiedotHY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2017 Harjoitus 1 Ratkaisuehdotuksia
HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 07 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I Osa tämän viikon tehtävistä ovat varsin haastavia, joten ei todellakaan
Lisätiedot58131 Tietorakenteet ja algoritmit (kevät 2014) Uusinta- ja erilliskoe, , vastauksia
58131 Tietorakenteet ja algoritmit (kevät 2014) Uusinta- ja erilliskoe, 10..2014, vastauksia 1. [9 pistettä] (a) Todistetaan 2n 2 + n + 5 = O(n 2 ): Kun n 1 on 2n 2 + n + 5 2n 2 + n 2 +5n 2 = 8n 2. Eli
LisätiedotL a = L l. rv a = Rv l v l = r R v a = v a 1, 5
Tehtävä a) Energia ja rataliikemäärämomentti säilyy. Maa on r = AU päässä auringosta. Mars on auringosta keskimäärin R =, 5AU päässä. Merkitään luotaimen massaa m(vaikka kuten tullaan huomaamaan sitä ei
LisätiedotTehtävä 4 : 2. b a+1 (mod 3)
Tehtävä 4 : 1 Olkoon G sellainen verkko, jonka solmujoukkona on {1,..., 9} ja jonka särmät määräytyvät oheisen kuvan mukaisesti. Merkitään lisäksi kirjaimella A verkon G kaikkien automorfismien joukkoa,
LisätiedotMillaisia ovat finanssipolitiikan kertoimet
Millaisia ovat finanssipolitiikan kertoimet Antti Ripatti Helsingin yliopisto, HECER, Suomen Pankki 20.3.2013 Antti Ripatti (HECER) fipon kerroin 20.3.2013 1 / 1 Johdanto Taustaa Finanssipolitiikkaa ei
LisätiedotInversio-ongelmien laskennallinen peruskurssi Luento 7
Inversio-ongelmien laskennallinen peruskurssi Luento 7 Kevät 2012 1 Tilastolliset inversio-ongelmat Tilastollinen ionversio perustuu seuraaviin periaatteisiin: 1. Kaikki mallissa olevat muuttujat mallinnetaan
LisätiedotUlkomaalaistaustainen ehkäisyneuvolassa. Tuire Saloranta TKL Vantaan perhesuunnittelun vastuulääkäri
Ulkomaalaistastainen ehkäisynevolassa Tire Saloranta TKL Vantaan perhesnnitteln vastlääkäri Ulkomaalaistastaiset Esim. Vantaalla n 14% väestöstä Venäjältä, Virosta, Somaliasta, Irakista, Syyriasta, Kiinasta,
Lisätiedot1. Olkoot f ja g reaalifunktioita. Mitä voidaan sanoa yhdistetystä funktiosta g f, jos a) f tai g on rajoitettu? b) f tai g on jaksollinen?
Matematiikan johdantokurssi, sks 06 Harjoitus 8, ratkaisuista. Olkoot f ja g reaalifunktioita. Mitä voidaan sanoa hdistetstä funktiosta g f, jos a) f tai g on rajoitettu? b) f tai g on jaksollinen? Ratkaisu.
LisätiedotTaloustieteiden tiedekunta Opiskelijavalinta 07.06.2005 1 2 3 4 5 YHT Henkilötunnus
1 2 3 4 5 YHT 1. Selitä lyhyesti, mitä seuraavat käsitteet kohdissa a) e) tarkoittavat ja vastaa kohtaan f) a) Työllisyysaste (2 p) b) Oligopoli (2 p) c) Inferiorinen hyödyke (2 p) d) Kuluttajahintaindeksi
Lisätiedothttps://xlitemprod.pearsoncmg.com/api/v1/print/en-us/econ
06 www4 Page of 5 Student: Date: Instructor: hannele wallenius Course: Kansantaloustieteen perusteet 06 Assignment: 06 www4. Mikä seuraavista alueista vastaa voittoa maksimoivan monopoliyrityksen ylisuuria
LisätiedotMS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 3: Jatkuvuus
MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 3: Jatkuvuus Pekka Alestalo, Jarmo Malinen Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos 19.9.2016 Pekka Alestalo, Jarmo
LisätiedotLyhyen aikavälin hintakilpailu 2/2
Lyhyen aikavälin hintakilpailu 2/2 Ilkka Männistö Esitelmä 10 - Ilkka Männistö Optimointiopin seminaari - Kevät 2003 / 1 Kilpailun aste Markkinahinta ei kerro mitään kilpailun asteesta jos kustannusrakennetta
LisätiedotHarjoitusten 2 ratkaisut
Harjoitusten 2 ratkaisut Taloustieteen perusteet 31A00110 Tea Lönnroth tea.lonnroth(at)aalto.fi Teach a parrot the terms 'supply and demand' and you've got an economist. Thomas Carlyle 2 Tehtävä 1 Tarkastellaan
LisätiedotHaitallinen valikoituminen: yleinen malli ja sen ratkaisu
Haitallinen valikoituminen: yleinen malli ja sen ratkaisu Mat-2.4142 Optimointiopin seminaari Matias Leppisaari 29.1.2008 Esityksen rakenne Yleinen malli Käypyys ja rajoitusehdot Mallin ratkaisu Kotitehtävä
LisätiedotMalliratkaisut Demot
Malliratkaisut Demot 5 10.4.2017 Tehtävä 1 x 2 7 0,7 9,8 6 5 4 x 1 x 2 7 x 1 x 2 1 3 2 x 1 0 4,3 x 1 9 1 0,0 x 2 0 9,0 1 2 3 4 5 6 7 8 9 x 1 Kuva 1: Tehtävän 1 sallittu joukko S Optimointitehtävän sallittu
LisätiedotOsoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.
LINEAARIALGEBRA Harjoituksia 2016 1. Olkoon V = R 2 varustettuna tavallisella yhteenlaskulla. Määritellään reaaliluvulla kertominen seuraavasti: λ (x 1, x 2 ) = (λx 1, 0) (x 1, x 2 ) R 2 ja λ R. Osoita,
LisätiedotDiskreetin matematiikan perusteet Laskuharjoitus 1 / vko 8
Diskreetin matematiikan perusteet Laskuharjoitus 1 / vko 8 Tuntitehtävät 1-2 lasketaan alkuviikon harjoituksissa ja tuntitehtävät 5- loppuviikon harjoituksissa. Kotitehtävät 3-4 tarkastetaan loppuviikon
LisätiedotMatematiikan johdantokurssi, syksy 2017 Harjoitus 8, ratkaisuista
Matematiikan johdantokurssi, sks 07 Harjoitus 8, ratkaisuista. Olkoot f ja g reaalifunktioita. Mitä voidaan sanoa hdistetstä funktiosta g f, jos a) f tai g on rajoitettu? b) f tai g on jaksollinen? Ratkaisu.
LisätiedotFunktiot. funktioita f : A R. Yleensä funktion määrittelyjoukko M f = A on jokin väli, muttei aina.
Funktiot Tässä luvussa käsitellään reaaliakselin osajoukoissa määriteltyjä funktioita f : A R. Yleensä funktion määrittelyjoukko M f = A on jokin väli, muttei aina. Avoin väli: ]a, b[ tai ]a, [ tai ],
LisätiedotS SÄHKÖTEKNIIKKA
S55.103 SÄHKÖTEKNIIKK. välikoe 7.4.1998 Kimmo Silvonen 1. Kva esittää yhdellä diodilla hätäratkaisna tehtyä kokoaaltotasasntaajaa. Sen toiminta ei tietenkään ole kovin ideaalista. Laske diodin ominaiskäyrän
Lisätiedotsaadaan kvanttorien järjestystä vaihtamalla ehto Tarkoittaako tämä ehto mitään järkevää ja jos, niin mitä?
ANALYYSI A, HARJOITUSTEHTÄVIÄ, KEVÄT 208 4 Funktion raja-arvo 4 Määritelmä Funktion raja-arvon määritelmän ehdosta ε > 0: δ > 0: fx) A < ε aina, kun 0 < x a < δ, saadaan kvanttorien järjestystä vaihtamalla
LisätiedotIdentifiointiprosessi
Identifiointiprosessi Koesnnittel, identifiointikoe Mittastlosten / datan esikäsittely Ei-parametriset menetelmät: - transientti-, korrelaatio-, taajs-, Forier- ja spektraalianalyysi => askel-, implssi-
LisätiedotÖljysäiliö maan alla
Kaigasniemen koulu Öljysäiliö maan alla Yläkoulun ketaava ja syventävä matematiikan tehtävä Vesa Maanselkä 009 Ostat talon jossa on öljylämmitys. Takapihalle on kaivettu maahan sylintein muotoinen öljysäiliö
LisätiedotEpäyhtälöt ovat yksi matemaatikon voimakkaimmista
6 Epäyhtälöitä Epäyhtälöt ovat yksi matemaatikon voimakkaimmista työvälineistä. Yhtälö a = b kertoo sen, että kaksi ehkä näennäisesti erilaista asiaa ovat samoja. Epäyhtälö a b saattaa antaa keinon analysoida
LisätiedotMääritelmiä. Nopanheitossa taas ω 1 = saadaan 1, ω 2 = saadaan 2,..., ω 6 = saadaan
Todennäköisyys Todennäköisyys on epävarman matematiikkaa. Matemaattinen todennäköisyys mallintaa satunnaisia ilmiöitä, kuten esimerkiksi nopantai lantinheitto. Todennäköisyyttä voi lähestyä mm. tilastollisesti
LisätiedotTodennäköisyyslaskenta IIa, syyslokakuu 2019 / Hytönen 2. laskuharjoitus, ratkaisuehdotukset
Todennäköisyyslaskenta IIa, syyslokakuu 019 / Hytönen. laskuharjoitus, ratkaisuehdotukset 1. Kurssilla on 0 opiskelijaa, näiden joukossa Jutta, Jyrki, Ilkka ja Alex. Opettaja aikoo valita umpimähkään opiskelijan
LisätiedotTasasähköyhteyden suuntaaj-asema. Ue j0ƒ. p,q
EEC-E89 syksy 06 Ttkitaan alla olevan kvan mkaista heikkoon verkkoon kytkettyä srjännitteistä tasasähköyhteyttä. Tässä tapaksessa syöttävän verkon impedanssi (Theveninin impedanssi, kvassa j on j0,65,
LisätiedotMAATALOUS-METSÄTIETEELLISEN TIEDEKUNNAN VALINTAKOE 2014
MAATALOUS-METSÄTIETEELLISEN TIEDEKUNNAN VALINTAKOE 2014 KOE 2: Ympäristöekonomia KANSANTALOUSTIEDE JA MATEMATIIKKA Sekä A- että B-osasta tulee saada vähintään 10 pistettä. Mikäli A-osan pistemäärä on vähemmän
LisätiedotMittausepävarmuuden arviointi mikrobiologisissa viljelymenetelmissä. 1. Tilastollisesti riippumattomien epävarmuuskomponenttien yhdistäminen
1 Seppo Niemelä, 12.11.2001 Mittasepävarmden arviointi mikrobiologisissa viljelymenetelmissä 1. Tilastollisesti riippmattomien epävarmskomponenttien yhdistäminen Olkoon mitatt kahden riippmattoman lähtösreen
LisätiedotY56 Mikron jatkokurssi kl 2009: HARJOITUSTEHTÄVÄT 2
1 Y56 Mikron jatkokurssi kl 2009: HARJOITUSTEHTÄVÄT 2 Palautus to 5.2. klo 16 mennessä Chiaran lokerolle Koetilantie 5, 3. krs. Tehtävät voidaan palauttaa myös to 5.2. luennon alussa. En ota vastaan myöhään
LisätiedotDiskreetti derivaatta
Diskreetti derivaatta LuK-tutkielma Saara Sadinmaa 43571 Matemaattisten tieteiden koulutusohjelma Oulun yliopisto Syksy 017 Sisältö Johdanto 1 Peruskäsitteitä 3 Ominaisuuksia 4 3 Esimerkkejä 8 4 Potenssifunktioita
LisätiedotBiokasvu Oy. Maatalouden ja teollisuuden sivutuotteiden jatkojalostus ja uusiokäyttö kestävän kehityksen ehdoin
Biokasv Oy Toiminta-ajats: Maataloden ja teollisden sivtotteiden jatkojalosts ja siokäyttö kestävän kehityksen ehdoin 1 Biokasv Oy Totekehitykseen voimakkaasti panostava, laaja-alaisen kokemksen omaava
LisätiedotVoidaan laskea siis ensin keskimääräiset kiinteät kustannukset AFC: 100 000 /10000=10
Harjoitukset 3 Taloustieteen perusteet Ratkaisuehdotukset Kesäyliopisto 2014 1. a) Autonrenkaita valmistavalla yhtiöllä on 100 000 :n kiinteät kustannukset vuodessa. Kun yritys tuottaa 10 000 rengasta,
Lisätiedotk S P[ X µ kσ] 1 k 2.
HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 28 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I Osa tämän viikon tehtävistä ovat varsin haastavia, joten ei todellakaan
LisätiedotVanhoja koetehtäviä. Analyyttinen geometria 2016
Vanhoja koetehtäviä Analyyttinen geometria 016 1. Määritä luvun a arvo, kun piste (,3) on käyrällä a(3x + a) = (y - 1). Suora L kulkee pisteen (5,1) kautta ja on kohtisuorassa suoraa 6x + 7y - 19 = 0 vastaan.
Lisätiedot4. Taajuusalueen suodatus 4.1. Taustaa. 4.2. Perusteita
4. Taajsaleen sodats 4.. Tastaa Forier esitti. 87 idean että laskien yhteen jaksollisia painotettja fnktioita oidaan esittää kinka tahansa monimtkainen jaksollinen fnktio. Ka 4.. esittää tällaista. Jaksolliset
LisätiedotKahdeksansolmuinen levyelementti
Levy8 ja RS hm.. Kahdekanolminen levyelementti akatellaan kvan kahdekanolmita levyelementtiä. q 6 y (,y q 8 ( 8,y 8 8 q 7 q 6 (,y q 5 q q q 7 q q ( 7,y 7 v ( 6,y 6 P 5 ( 5,y 5 q 9 6 q 5 (,y q (,y q q q
LisätiedotHarjoitus 5 ( )
Harjoitus 5 (14.4.2015) Tehtävä 1 Figure 1: Tehtävän 1 sallittu joukko S. Optimointitehtävän sallittu alue S on pisteiden (0, 0), (0, 7), (4, 3), (9, 8) ja (9, 0) määräämä viisikulmio. Kyseinen alue saadaan
LisätiedotJohdatus matemaattiseen päättelyyn
Johdatus matemaattiseen päättelyyn Maarit Järvenpää Oulun yliopisto Matemaattisten tieteiden laitos Syyslukukausi 2015 1 Merkintöjä 2 Todistamisesta 2 3 Joukko-oppia Tässä luvussa tarkastellaan joukko-opin
LisätiedotHarjoitus 5 / viikko 7
DEE-000 Piiianalyysi Hajoitus 5 / viikko 7 5. Laske solmupistemenetelmällä oheisen kuvan esittämän piiin jännite ja vita i. 0k ma k k k i ma Solmupistemenetelmää käytettäessä takasteltavan kytkennän jännitelähteet
LisätiedotMat Sovellettu todennäköisyyslasku A. Diskreetit jakaumat Jatkuvat jakaumat. Avainsanat:
Mat-2.090 Sovellettu todeäköisyyslasku A / Ratkaisut Aiheet: Avaisaat: Diskeetit jakaumat Jatkuvat jakaumat Biomijakauma, Ekspoettijakauma, Jatkuva tasaie jakauma, Ketymäfuktio, Mediaai, Negatiivie biomijakauma,
Lisätiedot1 Rajoittamaton optimointi
Taloustieteen matemaattiset menetelmät 7 materiaali 5 Rajoittamaton optimointi Yhden muuttujan tapaus f R! R Muistutetaan mieleen maksimin määritelmä. Funktiolla f on maksimi pisteessä x jos kaikille y
Lisätiedotw + x + y + z =4, wx + wy + wz + xy + xz + yz =2, wxy + wxz + wyz + xyz = 4, wxyz = 1.
Kotitehtävät, tammikuu 2011 Vaikeampi sarja 1. Ratkaise yhtälöryhmä w + x + y + z =4, wx + wy + wz + xy + xz + yz =2, wxy + wxz + wyz + xyz = 4, wxyz = 1. Ratkaisu. Yhtälöryhmän ratkaisut (w, x, y, z)
LisätiedotHY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 1 Ratkaisuehdotuksia Tehtäväsarja I
HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 1 Ratkaisuehdotuksia Tehtäväsarja I Tehtävä 1 on klassikko. 1. Tässä tehtävässä tapahtumat A ja B eivät välttämättä
Lisätiedot=p(x) + p(y), joten ehto (N1) on voimassa. Jos lisäksi λ on skalaari, niin
FUNKTIONAALIANALYYSI, RATKAISUT 1 KEVÄT 211, (AP) 1. Ovatko seuraavat reaaliarvoiset funktiot p : R 3 R normeja? Ovatko ne seminormeja? ( x = (x 1, x 2, x 3 ) R 3 ) a) p(x) := x 2 1 + x 2 2 + x 2 3, b)
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kertausta 2. välikokeeseen Toisessa välikokeessa on syytä osata ainakin seuraavat asiat: 1. Potenssisarjojen suppenemissäe, suppenemisväli ja suppenemisjoukko. 2. Derivaatan laskeminen
Lisätiedot1. Arvioi kummalla seuraavista hyödykkeistä on hintajoustavampi kysyntä
0 5 Nauris 10 15 20 MIKROTALOUSTIEDE A31C00100 Kevät 2017 HARJOITUKSET II Palautus 24.1.2017 klo 16:15 mennessä suoraan luennoitsijalle (esim. harjoitusten alussa) tai sähköpostitse (riku.buri@aalto.fi).
LisätiedotKokemuksia muutoksesta ja johtamisesta 1980- luvulta tähän päivään. Keijo Mutanen KIM Ventures Oy Joensuu 6.11.2014
Kokemksia mtoksesta ja johtamisesta 1980- lvlta tähän päivään Keijo Mtanen KIM Ventres Oy Joens 6.11.2014 Oma johtamiskokems 1980- lk: VTT, Jyväskylä, Jaoston päällikkö, projektipäällikkö, yksikön varajohtaja,
Lisätiedotd ) m d (I n ) = 2 d n d. Koska tämä pätee kaikilla
MAT21007 Mitta ja integraali Harjoitus 2 viikko 25.3-29.3 2019) Palauta mieleen: monisteen luku 0; Topologia I) avaruuden d euklidinen etäisyys, avoimet kuulat ja joukot. Ohjausta laskuharjoitusten tekoon:
LisätiedotMATP153 Approbatur 1B Ohjaus 2 Keskiviikko torstai
MATP15 Approbatur 1B Ohjaus Keskiviikko 4.11. torstai 5.11.015 1. (Opiskeluteht. 6 s. 0.) Määritä sellainen vakio a, että polynomilla x + (a 1)x 4x a on juurena luku x = 1. Mitkä ovat tällöin muut juuret?.
LisätiedotValikoima, laatu ja mainonta
Valikoima, laatu ja mainonta Sami Niemelä 5.2.2003 Sisältö Tuoteavaruus Käsite ja erottelutapoja Valikoiman muodostaminen Laatu ja laajuus Laatu Tyypit ja ongelmia Mainonta Käytetyt symbolit määrä s laatu
LisätiedotHintadiskriminaatio 2/2
Hintadiskriminaatio 2/2 Matti Hellvist 12.2.2003 Toisen asteen hintadiskrimiaatio eli tuotteiden kohdennus Toisen asteen hintadiskriminaatio toimii tilanteessa, jossa kuluttajat ovat keskenään erilaisia
LisätiedotSisällys. näytesivu. Kirjaimet. Aiheet. Symbolit... 7
Sisällys Symbolit... 7 Kirjaimet A a... 8 I i... 15 U... 21 S s... 34 N n... 42 E e... 47 O o... 54 L l... 60 R r... 65 M m... 77 T t... 84 Ä ä... 104 P p... 109 K k... 119 J j... 124 V v... 127 H h...
LisätiedotDiskreettiaikainen dynaaminen optimointi
Diskreettiaikainen dynaaminen optimointi Usean kauden tapaus 2 kauden yleistys Ääretön loppuaika Optimaalinen pysäytys Optimointiopin seminaari - Syksy 2000 / Ongelma t 0 x 0 t- t T x t- + x t + x T u
LisätiedotRatkaisuehdotukset LH 7 / vko 47
MS-C34 Lineaarialgebra, II/7 Ratkaisuehdotukset LH 7 / vko 47 Tehtävä : Olkoot M R symmetrinen ja positiividefiniitti matriisi (i) Näytä, että m > ja m > (ii) Etsi Eliminaatiomatriisi E R siten, että [
LisätiedotMS-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
Lisätiedot1 Kertaus. Lineaarinen optimointitehtävä on muotoa:
1 Kertaus Lineaarinen optimointitehtävä on muotoa: min c 1 x 1 + c 2 x 2 + + c n x n kun a 11 x 1 + a 12 x 2 + + a 1n x n b 1 a 21 x 1 + a 22 x 2 + + a 2n x n b 2 (11) a m1 x 1 + a m2 x 2 + + a mn x n
Lisätiedot1. Vastaa seuraavaan tehtävään. Tehtävään liittyvä kuva on seuraavalla sivulla
A31C00100 Mikrotaloustiede Kevät 2017 HARJOITUKSET 3 1. Vastaa seuraavaan tehtävään. Tehtävään liittyvä kuva on seuraavalla sivulla (i) Alla olevan kuvan kuluttaja A) on riskinkaihtaja B) on riskineutraali
Lisätiedot