Yhteistyötä sisältämätön peliteoria jatkuu

Save this PDF as:
 WORD  PNG  TXT  JPG

Koko: px
Aloita esitys sivulta:

Download "Yhteistyötä sisältämätön peliteoria jatkuu"

Transkriptio

1 Yhteistyötä sisältämätön peliteoria jatkuu Tommi Lehtonen Optimointiopin seminaari - Syksy 2000 / 1

2 Bayesilainen tasapaino Täysi informaatio Vajaa informaatio Staattinen Nash Bayes Dynaaminen Täydellinen Täydellinen Bayes Optimointiopin seminaari - Syksy 2000 / 2

3 Johdanto Staattinen peli: Päätökset samanaikaisia Luonnollinen Nashin tasapainon laajennus vajaan tiedon peleihin Vajaa tieto Ei tietoa etukäteen muiden pelaajien luonteista Optimointiopin seminaari - Syksy 2000 / 3

4 Luonne (1/2) Luonne t peliteoreettisena käsitteenä määrittelee kaiken, mikä on oleellista pelaajan päätöksenteon kannalta (strategia-avaruus, mieltymykset) Päätöstapahtuma pelaajien luonnetta kuvaavan satunnaismuuttujan realisaatio Optimointiopin seminaari - Syksy 2000 / 4

5 Luonne (2/2) Luonteille on a priori jakauma p( t 1,..., t i,... t n ) Tällöin kukin pelaaja voi laskea muiden pelaajien ehdolliset todennäköisyydet (oman luonteen tietäminen voidaan ajatella ensimmäisenä realisaationa) p i ( t i ti ), t i ( t1,..., ti 1, ti+ 1,... tn ) Optimointiopin seminaari - Syksy 2000 / 5

6 Hyötyfunktio Pelaajan hyöty i ( a,..., an, t1,..., t 1 n Hyöty riippuu valitusta strategiasta ja pelaajien luonteista Kukin pelaaja pystyy laskemaan Nashilaiset strategiat eri luonteisille pelaajille { a } j ( t j ) j i ) Optimointiopin seminaari - Syksy 2000 / 6

7 Tasapaino Bayesilainen tasapaino on joukko luonteen suhteen ehdollisia strategioita, jotka maksimoivat odotusarvoa i * * pi ( t i ti ) ( a1 ( t1),..., ai,..., an( tn), t1,..., ti Odotusarvo lasketaan ehdollisena omalle luonteelle,..., t n ) Optimointiopin seminaari - Syksy 2000 / 7

8 Yhteenveto I Staattinen peli, luonteeltaan erilaiset pelaajat, vajaa tieto Yleinen luonteiden jakauma, muiden pelaajien luonteen tn:t hyödyt eri strategioille Omalle luonteelle ehdollinen hyödyn odotusarvoa maksimoiva strategiajoukko a p( t 1,..., t i,... t n ) Ai f { a j ( t j )} j i * { } n i t i ) i a ( = 1 Optimointiopin seminaari - Syksy 2000 / 8

9 Esimerkki Luonne t1 Luonne t2 p2 p1 L R L R U 3,1 2,0 3,0 2,1 D 0,1 4,0 0,0 4,1 Optimointiopin seminaari - Syksy 2000 / 9

10 Odotusarvon laskeminen Pelaajalla 1 vain yksi vaihtoehto luonteelle Pelaajalla 2 molemmilla luonteilla dominoiva strategia -> pelaa sen mukaisesti Luonne tasajakautunut odotusarvo pelaajalla 1 strategialle U: ½(3+2) Strategialle D: ½(0+4) Pelaaja 1 valitsee strategian U Optimointiopin seminaari - Syksy 2000 / 10

11 Täydellinen Bayesilainen tasapaino Täysi informaatio Vajaa informaatio Staattinen Nash Bayes Dynaaminen Täydellinen Täydellinen Bayes Optimointiopin seminaari - Syksy 2000 / 11

12 Johdanto Dynaaminen peli: Päätökset tehdään ajassa edeten, pelaaja kerrallaan Epätäydellinen tieto Ei täydellistä tietoa muiden pelaajien aikaisemmista liikkeistä Optimointiopin seminaari - Syksy 2000 / 12

13 Juoni Pelaaja voi juontaa aikaisemmista liikkeistä omaan päätöksentekoon vaikuttavaa tietoa Bayesilainen päivittäminen aikaisempia liikkeitä koskeviin todennäköisyysjakaumiin Optimointiopin seminaari - Syksy 2000 / 13

14 Pelin kulku 1 L M R 2 3 a i k a Pelaajalla 1 strategiat L, M ja R Pelaaja 2 tietää päätöstilanteessa 1:n valinneen M:n tai R:n, mutta ei tiedä kumman -> epätäydellinen tieto Tällöin pelaaja 2 voi päivittää 1:n valinnan jakaumaa Optimointiopin seminaari - Syksy 2000 / 14

15 Tasapainon elementit Hyödyn odotusarvoa maksimoivat strategiat eri osapeleille 1 Bayesilaiset todennäköisyydet aikaisempien pelaajien liikkeille 1 { } a * 2 2 { a * 2 } Bay p = µ 2 Bay p = 1 µ Optimointiopin seminaari - Syksy 2000 / 15

16 Tasapaino (1/2) Käänteisellä induktiolla voidaan määrittää Bayesilaisista todennäköisyyksistä riippuva optimistrategia Bayesilaisella päivityksellä voidaan laskea todennäköisyydet Tasapaino muodostetaan hyödyn odotusarvoa maksivoivilla strategioilla Optimointiopin seminaari - Syksy 2000 / 16

17 Tasapaino (2/2) * Bay a a ( µ ( a)) 1 Strategiat ovat optimaalisia odotusarvoihin nähden 2 3 Bay µ µ ( a * ( µ )) Todennäköisyydet saadaan mahdollisista strategioista ja havainnoista Määrittäminen perustuu tulemien ja päivittämättömien todennäköisyyksien tuntemiseen Optimointiopin seminaari - Syksy 2000 / 17

18 Yhteenveto II Dynaaminen peli, vajaa tieto, epätäydellinen tieto Hyödyn odotusarvoa maksimoivat strategiat osapeleille, riippuvat ehdoll. tn:stä 1 Käänteisen induktion kautta Bayesilainen päivitetyt todennäköisyydet -> hyötyä maksivoivat strategiat a 2 1 { } a * 2 2 { } a * p =?? Optimointiopin seminaari - Syksy 2000 / 18

19 Käytäntö Tasapainolle ei ole yleistä ratkaisumallia Määritelmän ymmärtäminen mahdollistaa usein pääteltävissä olevan ratkaisun Optimointiopin seminaari - Syksy 2000 / 19

20 Kotitehtävä! Duopolin kilpailu, firmat 1 ja 2 (i=1,2) Yritykset maksimoivat voittoa i q ( t q q ) i i i j q on tuotettu määrä (yrityksen strategia) t on viivallisen kysyntäkäyrän vakion ja yrityksen vakioyksikkökustannuksen erotus (yrityksen luonne) t1 jakauma: p(t1=1) = 1 t2 jakauma. p(t2=3/4) = 0,5 ; p(t2=5/4) = 0,5 Optimointiopin seminaari - Syksy 2000 / 20

21 Kotitehtävä! Yritykset valitsevat tuotetun määrän yhtä aikaa 1. Mitkä ovat tuotantomäärät Bayesilaisessa tasapainossa? 2. Selitä voittofunktion määräytyminen käytännön tilanteen kannalta. Optimointiopin seminaari - Syksy 2000 / 21

Pelien teoriaa: tasapainokäsitteet

Pelien teoriaa: tasapainokäsitteet Pelien teoriaa: tasapainokäsitteet Salanién (2005) ja Gibbonsin (1992) mukaan Mat-2.4142 Optimointiopin seminaari Jukka Luoma 1 Sisältö Staattinen Dynaaminen Staattinen Dynaaminen Pelityyppi Täydellinen

Lisätiedot

Bayesin pelit. Kalle Siukola. MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly

Bayesin pelit. Kalle Siukola. MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly Bayesin pelit Kalle Siukola MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly 12.10.2016 Toistetun pelin esittäminen automaatin avulla Ekstensiivisen muodon puu on tehoton esitystapa, jos peliä

Lisätiedot

Luento 8. June 3, 2014

Luento 8. June 3, 2014 June 3, 2014 Luokka pelejä, joissa pelaajilla on epätäydellistä informaatiota toistensa preferensseistä ja joissa valinnat tehdään samanaikaisesti. Tämä tarkoittaa, että pelaajat eivät tiedä toistensa

Lisätiedot

Yhteistyötä sisältämätön peliteoria

Yhteistyötä sisältämätön peliteoria Yhteistyötä sisältämätön peliteoria jarkko.murtoaro@hut.fi Optimointiopin seminaari Kevät 2003 / 1 Sisältö Johdanto Käsitteistö Työkalut Nashin tasapaino Täydellinen tasapaino Optimointiopin seminaari

Lisätiedot

Nollasummapelit ja bayesilaiset pelit

Nollasummapelit ja bayesilaiset pelit Nollasummapelit ja bayesilaiset pelit Kristian Ovaska HELSINGIN YLIOPISTO Tietojenkäsittelytieteen laitos Seminaari: Peliteoria Helsinki 18. syyskuuta 2006 Sisältö 1 Johdanto 1 2 Nollasummapelit 1 2.1

Lisätiedot

Pohdiskeleva ajattelu ja tasapainotarkennukset

Pohdiskeleva ajattelu ja tasapainotarkennukset Pohdiskeleva ajattelu ja tasapainotarkennukset Sanna Hanhikoski 24.3.2010 Sisältö Pohdiskeleva ajattelu Nashin tasapainotarkennukset Täydellinen tasapaino Täydellinen bayesiläinen tasapaino Vaiheittainen

Lisätiedot

Johdanto peliteoriaan Kirja kpl. 2

Johdanto peliteoriaan Kirja kpl. 2 Aalto-yliopiston TKK Mat-2.4142 K2010 Esitelmä 1 Ilkka Leppänen 1 Johdanto peliteoriaan Kirja kpl. 2 Ilkka Leppänen 20.1.2010 Aalto-yliopiston TKK Mat-2.4142 K2010 Esitelmä 1 Ilkka Leppänen 2 Aiheet Laajennettu

Lisätiedot

Signalointi: autonromujen markkinat

Signalointi: autonromujen markkinat Signalointi: autonromujen markkinat Mat-.414 Optimointiopin seminaari Klaus Mattila 1.0.008 1 Esityksen rakenne Johdanto Autonromujen markkinat: Akerlofin malli Kustannuksellinen signalointi: Spencen malli

Lisätiedot

MS-C2105 Optimoinnin perusteet Malliratkaisut 5

MS-C2105 Optimoinnin perusteet Malliratkaisut 5 MS-C2105 Optimoinnin perusteet Malliratkaisut 5 Ehtamo Demo 1: Arvaa lähimmäksi Jokainen opiskelija arvaa reaaliluvun välillä [0, 100]. Opiskelijat, joka arvaa lähimmäksi yhtä kolmasosaa (1/3) kaikkien

Lisätiedot

Sekastrategia ja Nash-tasapainon määrääminen

Sekastrategia ja Nash-tasapainon määrääminen May 24, 2016 Sekastrategia Monissa peleissä ei ole Nash-tasapainoa puhtaissa strategioissa H T H 1, 1 1, 1 T 1, 1 1, 1 Ratkaisu ongelmaan löytyy siitä, että laajennetaan strategiat käsittämään todennäköisyysjakaumat

Lisätiedot

Hintakilpailu lyhyellä aikavälillä

Hintakilpailu lyhyellä aikavälillä Hintakilpailu lyhyellä aikavälillä Virpi Turkulainen 5.3.2003 Optimointiopin seminaari - Kevät 2003 / 1 Sisältö Johdanto Bertrandin ristiriita ja sen lähestyminen Bertrandin ristiriita Lähestymistavat:

Lisätiedot

SEKASTRATEGIAT PELITEORIASSA

SEKASTRATEGIAT PELITEORIASSA SEKASTRATEGIAT PELITEORIASSA Matti Estola 8. joulukuuta 2013 Sisältö 1 Johdanto 2 2 Ratkaistaan sukupuolten välinen taistelu sekastrategioiden avulla 5 Teksti on suomennettu kirjasta: Gibbons: A Primer

Lisätiedot

Y56 laskuharjoitukset 6

Y56 laskuharjoitukset 6 Y56 Kevät 00 Y56 laskuharjoitukset 6 Palautus joko luennolle/mappiin tai Katjan lokerolle (Koetilantie 5, 3. krs) to.4. klo 6 mennessä (purku luennolla ti 7.4.) Ole hyvä ja vastaa suoraan tähän paperiin.

Lisätiedot

11 Oligopoli ja monopolistinen kilpailu (Mankiw & Taylor, Ch 17)

11 Oligopoli ja monopolistinen kilpailu (Mankiw & Taylor, Ch 17) 11 Oligopoli ja monopolistinen kilpailu (Mankiw & Taylor, Ch 17) Oligopoli on markkinamuoto, jossa markkinoilla on muutamia yrityksiä, jotka uskovat tekemiensä valintojen seurauksien eli voittojen riippuvan

Lisätiedot

PELITEORIAN PERUSTEITA

PELITEORIAN PERUSTEITA PELITEORIAN PERUSTEITA Matti Estola 29. marraskuuta 2013 Sisältö 1 Johdanto 2 2 Peliteoreettisen analyysin vaiheet 2 3 Staattiset pelit täydellisen informaation vallitessa 3 4 Pelin ratkaiseminen 4 4.1

Lisätiedot

Mikrotaloustiede Prof. Marko Terviö Aalto-yliopisto BIZ 31C00100 Assist. Jan Jääskeläinen Syksy 2017

Mikrotaloustiede Prof. Marko Terviö Aalto-yliopisto BIZ 31C00100 Assist. Jan Jääskeläinen Syksy 2017 Mikrotaloustiede Prof. Marko Terviö Aalto-yliopisto BIZ 31C1 Assist. Jan Jääskeläinen Syksy 17 Mallivastaukset 7. 1. Kaupungissa on kaksi suurta taidemuseoa (pelaajat) ja 5 asukasta. Taidemuseoilla on

Lisätiedot

Rationalisoituvuus ja yleinen tieto rationaalisuudesta

Rationalisoituvuus ja yleinen tieto rationaalisuudesta Rationalisoituvuus ja yleinen tieto rationaalisuudesta Keskeiset termit: Rationalizability rationalisoituvuus ratkaisukonsepti peliteoriassa Rationalizable rationalisoituva Rationality rationaalisuus pelaajat

Lisätiedot

Toistetut pelit Elmeri Lähevirta. MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly

Toistetut pelit Elmeri Lähevirta. MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly Toistetut pelit MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly 12.10.2016 Elmeri Lähevirta The document can be stored and made available to the public on the open internet pages of Aalto University.

Lisätiedot

Informaatio ja Strateginen käyttäytyminen

Informaatio ja Strateginen käyttäytyminen Informaatio ja Strateginen käyttäytyminen Nuutti Kuosa 2.4.2003 Sisältö Johdanto Duopoli ja epätietoisuutta kilpailijan kustannuksista Kilpailijan tietämyksen manipulointi Duopoli ja epätietoisuutta kysynnästä

Lisätiedot

Luento 5: Peliteoriaa

Luento 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

Lisätiedot

Luento 5: Peliteoriaa

Luento 5: Peliteoriaa Luento 5: Peliteoriaa Tässä kappaleessa tutustutaan lyhyesti peliteoriaan. Peliteorian ratkaisukäsite on Nashin tasapaino, jonka jo Augustin Cournot esitti duopolimallinsa ratkaisuna v. 1838. Cournot n

Lisätiedot

Osa 12b Oligopoli ja monopolistinen kilpailu (Mankiw & Taylor, Chs 16-17)

Osa 12b Oligopoli ja monopolistinen kilpailu (Mankiw & Taylor, Chs 16-17) Osa 12b Oligopoli ja monopolistinen kilpailu (Mankiw & Taylor, Chs 16-17) Oligopoli on markkinamuoto, jossa markkinoilla on muutamia yrityksiä, jotka uskovat tekemiensä valintojen seurauksien eli voittojen

Lisätiedot

12 Oligopoli ja monopolistinen kilpailu

12 Oligopoli ja monopolistinen kilpailu 12 Oligopoli ja monopolistinen kilpailu (Mankiw & Taylor, 2nd ed., chs 16-17; Taloustieteen oppikirja, s. 87-90) Oligopoli on markkinamuoto, jossa markkinoilla on muutamia yrityksiä, jotka uskovat tekemiensä

Lisätiedot

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat: Mat-.9 Sovellettu todennäköisyyslasku A Mat-.9 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Moniulotteiset jakaumat Diskreetti jakauma, Ehdollinen jakauma, Ehdollinen odotusarvo, Jatkuva

Lisätiedot

INTERVALLIPÄÄTÖSPUUT JANNE GUSTAFSSON 45433E. Mat Optimointiopin seminaari Referaatti

INTERVALLIPÄÄTÖSPUUT JANNE GUSTAFSSON 45433E. Mat Optimointiopin seminaari Referaatti 12.11.1999 INTERVALLIPÄÄTÖSPUUT JANNE GUSTAFSSON 45433E Mat-2.142 Optimointiopin seminaari Referaatti Syksy 1999 1. JOHDANTO Thomas M. Stratin artikkeli Decision Analysis Using Belief Functions käsittelee

Lisätiedot

Luento 7. June 3, 2014

Luento 7. June 3, 2014 June 3, 2014 Peli, jossa on kaksi Nash-tasapainoa. Yksi tasapaino on (1; 2) ja toinen (2; 1); P1:n valinta on ilmoitettu ensin. Ensimmäinen tasapaino ei vaikuta hyvältä; se perustuu epäuskottavaan uhkaukseen.

Lisätiedot

Epätäydellisen tiedon jatkuvat pelit. Mika Viljanen Peliteorian seminaari

Epätäydellisen tiedon jatkuvat pelit. Mika Viljanen Peliteorian seminaari Epätäydellisen tiedon jatkuvat pelit Mika Viljanen Peliteorian seminaari Erityispiirteitä Erityispiirteitä Epätäydellinen tieto aiemmista toiminnoista Erityispiirteitä Epätäydellinen tieto aiemmista toiminnoista

Lisätiedot

Opettaminen ja oppiminen

Opettaminen ja oppiminen Opettaminen ja oppiminen MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly 19.10.2016 Nina Gunell The document can be stored and made available to the public on the open internet pages of Aalto

Lisätiedot

Dynaaminen hintakilpailu ja sanattomat sopimukset

Dynaaminen hintakilpailu ja sanattomat sopimukset Dynaaminen hintakilpailu ja sanattomat sopimukset Pasi Virtanen 12.3.2003 Johdanto Hintakilpailu jossa pelaajat kohtaavat toisensa toistuvasti Pelaajien on otettava hintaa valittaessa huomioon hintasodan

Lisätiedot

Prof. Marko Terviö Assist. Jan Jääskeläinen

Prof. Marko Terviö Assist. Jan Jääskeläinen Mallivastaukset 9. 2. (a) Dominoiva strategia on tarjota oman arvostuksensa verran, eli tässä e 10 miljoonaa. Tarjoamalla yli oman arvostuksen tekisi vain mahdolliseksi sen, että joutuu maksamaan yli oman

Lisätiedot

V ar(m n ) = V ar(x i ).

V ar(m n ) = V ar(x i ). Mat-.3 Stokastiset prosessit Syksy 007 Laskuharjoitustehtävät 6 Poropudas/Kokkala. Olkoon M n = X +... + X n martingaali ja M 0 = 0. Osoita, että V ar(m n ) = n V ar(x i ). i= Huomattavaa on, että muuttujia

Lisätiedot

Tasapaino epätäydellisen tiedon peleissä

Tasapaino epätäydellisen tiedon peleissä hyväksymispäivä arvosana arvostelija Tasapaino epätäydellisen tiedon peleissä Marja Hassinen Helsinki 9..2006 Peliteoria-seminaarin esitelmä HESINGIN YIOPISTO Tietojenkäsittelytieteen laitos Sisältö Johdanto

Lisätiedot

Evolutiivisesti stabiilin strategian oppiminen

Evolutiivisesti stabiilin strategian oppiminen Evolutiivisesti stabiilin strategian oppiminen Janne Laitonen 8.10.2008 Maynard Smith: s. 54-60 Johdanto Käytös voi usein olla opittua perityn sijasta Tyypillistä käytöksen muuttuminen ja riippuvuus aikaisemmista

Lisätiedot

Moniulotteisia todennäköisyysjakaumia

Moniulotteisia todennäköisyysjakaumia Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (007) 1 Moniulotteisia todennäköisyysjakaumia >> Multinomijakauma Kaksiulotteinen

Lisätiedot

Diskreettiaikainen dynaaminen optimointi

Diskreettiaikainen 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

Lisätiedot

Mikrotaloustiede Prof. Marko Terviö Aalto-yliopisto BIZ 31C00100 Assist. Jan Jääskeläinen Syksy 2017

Mikrotaloustiede Prof. Marko Terviö Aalto-yliopisto BIZ 31C00100 Assist. Jan Jääskeläinen Syksy 2017 Mikrotaloustiede Prof. Marko Terviö Aalto-yliopisto BIZ 31C00100 Assist. Jan Jääskeläinen Syksy 017 Mallivastaukset 7. Kaupungissa on kaksi suurta taidemuseoa (pelaajat) ja 500 000 asukasta. Taidemuseoilla

Lisätiedot

Uusien keksintöjen hyödyntäminen

Uusien keksintöjen hyödyntäminen Uusien keksintöjen hyödyntäminen Otso Ojanen 9.4.2003 Optimointiopin seminaari - Kevät 2003 / 1 Sisältö Käyttöönoton viiveet Ulkoisvaikutukset ja standardointi Teknologiaodotusten koordinointimalli Lisensiointi

Lisätiedot

Peliteoria Strategiapelit ja Nashin tasapaino. Sebastian Siikavirta sebastian.siikavirta@helsinki.fi

Peliteoria Strategiapelit ja Nashin tasapaino. Sebastian Siikavirta sebastian.siikavirta@helsinki.fi Peliteoria Strategiapelit ja Nashin tasapaino Sebastian Siikavirta sebastian.siikavirta@helsinki.fi Helsinki 11.09.2006 Peliteoria Tomi Pasanen HELSINGIN YLIOPISTO Tietojenkäsittelytieteen laitos Sisältö

Lisätiedot

Kommunikaatio Visa Linkiö. MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly

Kommunikaatio Visa Linkiö. MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly Kommunikaatio MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly 2.11.2016 Visa Linkiö The document can be stored and made available to the public on the open internet pages of Aalto University.

Lisätiedot

HUUTOKAUPPATEORIAA TTS-Kurssille/Kultti 2012

HUUTOKAUPPATEORIAA TTS-Kurssille/Kultti 2012 HUUTOKAUPPATEORIAA TTS-Kurssille/Kultti 2012 A. Huutokaupat ovat tärkeitä ainakin kolmesta syystä: 1. Valtava määrä taloudellisia transaktioita tapahtuu huutokauppojen välityksellä. Muun muassa Yhdysvaltain

Lisätiedot

3. laskuharjoituskierros, vko 6, ratkaisut

3. laskuharjoituskierros, vko 6, ratkaisut Mat-.9 Sovellettu todennäköisyyslasku, kevät - eliövaara, Palo, Mellin. laskuharjoituskierros, vko 6, ratkaisut D. Uurnassa A on 4 valkoista ja 6 mustaa kuulaa ja uurnassa B on 6 valkoista ja 4 mustaa

Lisätiedot

Sekastrategiat ja intensiiviyhteensopivuus

Sekastrategiat ja intensiiviyhteensopivuus Sekastrategiat ja intensiiviyhteensopivuus Petteri Räty 2010-03-14 God does not play dice with the universe Albert Einstein Agenda Intensiiviyhteensopivuuden käsite Yrittää vastata kysymykseen, mitä sekastrategiat

Lisätiedot

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen MAT-5 Todennäköisyyslaskenta Tentti.. / Kimmo Vattulainen Vastaa jokainen tehtävä eri paperille. Funktiolaskin sallittu.. a) P A). ja P A B).6. Mitä on P A B), kun A ja B ovat riippumattomia b) Satunnaismuuttujan

Lisätiedot

Lisää satunnaisuutta ja mahdollisuus keskeyttää projekti

Lisää satunnaisuutta ja mahdollisuus keskeyttää projekti isää satunnaisuutta ja mahdollisuus keskeyttää projekti Esitelmä 7 - Mika lmoniemi Optimointiopin seminaari - Syksy isää satunnaisuutta Tähän mennessä on käytetty vain yhtä satunnaismuuttujaa tuotteen

Lisätiedot

TALOUSTIETEEN LUENTOJEN TEHTÄVÄT

TALOUSTIETEEN LUENTOJEN TEHTÄVÄT TALOUSTIETEEN LUENTOJEN TEHTÄVÄT 1. Suhteellisen edun periaate 1. Maassa A: 1 maito ~ 3 leipää 1 leipä ~ 0,33 maitoa Maassa B: a. b. 3 maitoa ~ 5 leipää 1 maito ~ 1,67 leipää 1 leipä ~ 0,6 maitoa i. Maalla

Lisätiedot

FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. Luentokuulustelujen esimerkkivastauksia. Pertti Palo. 30.

FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. Luentokuulustelujen esimerkkivastauksia. Pertti Palo. 30. FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa Luentokuulustelujen esimerkkivastauksia Pertti Palo 30. marraskuuta 2012 Saatteeksi Näiden vastausten ei ole tarkoitus olla malleja vaan esimerkkejä.

Lisätiedot

Tilastollisia peruskäsitteitä ja Monte Carlo

Tilastollisia peruskäsitteitä ja Monte Carlo Tilastollisia peruskäsitteitä ja Monte Carlo Hannu Toivonen, Marko Salmenkivi, Inkeri Verkamo Tutkimustiedonhallinnan peruskurssi Tilastollisia peruskäsitteitä ja Monte Carlo 1/13 Kevät 2003 Tilastollisia

Lisätiedot

Luento 5: Peliteoria

Luento 5: Peliteoria Luento 5: Peliteoria Portfolion optimointi Sijoittajan tehtävä Nashin tasapaino Vangin ongelma Nashin neuvotteluratkaisu 1 Portfolion optimointi Varallisuus A sijoitetaan n:ään sijoituskohteeseen (osake,

Lisätiedot

Fuusio vai konkurssi? Hintakilpailun satoa

Fuusio vai konkurssi? Hintakilpailun satoa Fuusio vai konkurssi? Hintakilpailun satoa Pia Kemppainen-Kajola 02.04.2003 Optimointiopin seminaari - Syksy 2000 / 1 Johdanto Yrityskaupat ilmoitetaan kaupparekisteriin. Kauppa kiinnostaa kilpailuviranomaisia,

Lisätiedot

Mikrotaloustiede Prof. Marko Terviö Aalto-yliopisto BIZ 31C00100 Assist. Jan Jääskeläinen Syksy 2017

Mikrotaloustiede Prof. Marko Terviö Aalto-yliopisto BIZ 31C00100 Assist. Jan Jääskeläinen Syksy 2017 Mikrotaloustiede Prof. Marko Terviö Aalto-yliopisto BIZ 31C00100 Assist. Jan Jääskeläinen Syksy 2017 Mallivastaukset 8. 1. Esimerkki 1: Peli on symmetrinen, joten riittää, että tarkastelemme, mikä on tasapaino

Lisätiedot

Peliteorian soveltaminen hajautettujen järjestelmien protokollasuunnittelussa (valmiin työn esittely)

Peliteorian soveltaminen hajautettujen järjestelmien protokollasuunnittelussa (valmiin työn esittely) Peliteorian soveltaminen hajautettujen järjestelmien protokollasuunnittelussa (valmiin työn esittely) Riku Hyytiäinen 23.02.2015 Ohjaaja: Harri Ehtamo Valvoja: Harri Ehtamo Työn saa tallentaa ja julkistaa

Lisätiedot

LAAJENNETUN MUODON RATIONALISOITUVUUS. S ysteemianalyysin. Arno Solin Laboratorio. Aalto-yliopiston Teknillinen korkeakoulu

LAAJENNETUN MUODON RATIONALISOITUVUUS. S ysteemianalyysin. Arno Solin Laboratorio. Aalto-yliopiston Teknillinen korkeakoulu LAAJENNETUN MUODON RATIONALISOITUVUUS 3.3.2010 Pähkinänkuoressa: Laajennetun muodon rationalisoituvuus Laajennetun muodon peli (Extensive Form Game) Laajennetun muodon pelin tasapainokäsitteitä. Tosimaailman

Lisätiedot

Lyhyen aikavälin hintakilpailu 2/2

Lyhyen 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

Lisätiedot

Bayesilainen päätöksenteko / Bayesian decision theory

Bayesilainen päätöksenteko / Bayesian decision theory Bayesilainen päätöksenteko / Bayesian decision theory Todennäköisyysteoria voidaan perustella ilman päätösteoriaa, mutta vasta päätösteorian avulla siitä on oikeasti hyötyä Todennäköisyyteoriassa tavoitteena

Lisätiedot

Peliteoria ja kalatalous YE4

Peliteoria ja kalatalous YE4 Peliteoria ja kalatalous YE4 Kansainväliset kalastussopimukset Tarve kansainväliselle yhteistyölle: Vain kestävillä kansainvälisillä sopimuksilla voidaan taata biologinen ja taloudellinen tehokkuus. Neuvottelujen

Lisätiedot

(b) Tarkista integroimalla, että kyseessä on todella tiheysfunktio.

(b) Tarkista integroimalla, että kyseessä on todella tiheysfunktio. Todennäköisyyslaskenta I, kesä 7 Harjoitus 4 Ratkaisuehdotuksia. Satunnaismuuttujalla X on ns. kaksipuolinen eksponenttijakauma eli Laplacen jakauma: sen tiheysfunktio on fx = e x. a Piirrä tiheysfunktio.

Lisätiedot

Prof. Marko Terviö Assist. Jan Jääskeläinen

Prof. Marko Terviö Assist. Jan Jääskeläinen 1C00100 Mallivastaukset 2. 1. Markkinahinnan aikasarja on esitetty kuvassa 1. Yksittäisten muutosten vaikutukset on kuvattu aikasarjan jälkeen. Hinta 2018 2019 2021 2022 2024 2025 Vuosi Kuva 1: Markkinahinnan

Lisätiedot

Prof. Marko Terviö Assist. Jan Jääskeläinen

Prof. Marko Terviö Assist. Jan Jääskeläinen Mallivastaukset 6. 1. (a) Molemmilla yrityksillä on kaksi mahdollista toimenpidettä, joten pelissä on 2 2 = 4 potentiaalisesti erilaista tulemaa. i. Jos Row Corporation valitsee Mainosta ja Column Industries

Lisätiedot

5/11 6/11 Vaihe 1. 6/10 4/10 6/10 4/10 Vaihe 2. 5/11 6/11 4/11 7/11 6/11 5/11 5/11 6/11 Vaihe 3

5/11 6/11 Vaihe 1. 6/10 4/10 6/10 4/10 Vaihe 2. 5/11 6/11 4/11 7/11 6/11 5/11 5/11 6/11 Vaihe 3 Mat-.9 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Verkot todennäköisyyslaskennassa Satunnaismuuttujat ja todennäköisyysjakaumat Jakaumien tunnusluvut Kertymäfunktio, Momentit, Odotusarvo,

Lisätiedot

Todennäköisyyden ominaisuuksia

Todennäköisyyden ominaisuuksia Todennäköisyyden ominaisuuksia 0 P(A) 1 (1) P(S) = 1 (2) A B = P(A B) = P(A) + P(B) (3) P(A) = 1 P(A) (4) P(A B) = P(A) + P(B) P(A B) (5) Tapahtuman todennäköisyys S = {e 1,..., e N }. N A = A. Kun alkeistapaukset

Lisätiedot

Osa 2: Otokset, otosjakaumat ja estimointi

Osa 2: Otokset, otosjakaumat ja estimointi Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi TKK (c) Ilkka Mellin (2007) 1 Estimointi >> Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 14. syyskuuta 2007 Antti Rasila () TodB 14. syyskuuta 2007 1 / 21 1 Kokonaistodennäköisyys ja Bayesin kaava Otosavaruuden ositus Kokonaistodennäköisyyden

Lisätiedot

Mallipohjainen klusterointi

Mallipohjainen klusterointi Mallipohjainen klusterointi Marko Salmenkivi Johdatus koneoppimiseen, syksy 2008 Luentorunko perjantaille 5.12.2008 Johdattelua mallipohjaiseen klusterointiin, erityisesti gaussisiin sekoitemalleihin Uskottavuusfunktio

Lisätiedot

Voidaan laskea siis ensin keskimääräiset kiinteät kustannukset AFC: 100 000 /10000=10

Voidaan 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,

Lisätiedot

Evolutiivinen stabiilisuus populaation

Evolutiivinen stabiilisuus populaation Antti Toppila sivu 1/20 Optimointiopin seminaari Syksy 2008 Evolutiivinen stabiilisuus populaation määrittämisessä Antti Toppila 24.9.2008 Antti Toppila sivu 2/20 Optimointiopin seminaari Syksy 2008 Sisältö

Lisätiedot

Kysyntä (D): hyötyfunktiot, hinta, tulot X = X(P,m) Tarjonta (S): tuotantofunktiot, hinta, panoshinta y = y(p,w)

Kysyntä (D): hyötyfunktiot, hinta, tulot X = X(P,m) Tarjonta (S): tuotantofunktiot, hinta, panoshinta y = y(p,w) 4. MARKKINOIDEN TASAPAINOTTUMINEN 4.1. Tasapainoperiaate Kysyntä (D): hyötyfunktiot, hinta, tulot X = X(P,m) Tarjonta (S): tuotantofunktiot, hinta, panoshinta y = y(p,w) Markkinat tasapainossa, kun löydetään

Lisätiedot

Peliteoria luento 3. May 27, Peliteoria luento 3

Peliteoria luento 3. May 27, Peliteoria luento 3 May 27, 2015 Dominanssi Mitkä ovat uskottavia tulemia? Ja miksi? Yksi päätösteoreettinen periaate on dominanssi. Kuten lähes kaikkia taloustieteessä kiinnostavia käsitteitä niitä on kahta lajia. Aito ja

Lisätiedot

Esteet, hyppyprosessit ja dynaaminen ohjelmointi

Esteet, hyppyprosessit ja dynaaminen ohjelmointi Esteet, hyppyprosessit ja dynaaminen ohjelmointi Juha Martikainen 4.10.2000 Oppikirjan sivut 83-87 ja 93-98 Optimointiopin seminaari - Syksy 2000 / 1 Esteet (määritelmät) Muistellaan menneitä: Ajelehtiva

Lisätiedot

Haitallinen valikoituminen: Kahden tyypin malli

Haitallinen 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

Lisätiedot

Prof. Marko Terviö Assist. Jan Jääskeläinen

Prof. Marko Terviö Assist. Jan Jääskeläinen Harjoitukset 3. 1. (a) Dismalandissa eri puolueiden arvostukset katusiivoukselle ovat Q A (P ) = 60 6P P A (Q) = 10 Q/6 Q B (P ) = 80 5P P B (Q) = 16 Q/5 Q C (P ) = 50 2P P C (Q) = 25 Q/2 Katusiivous on

Lisätiedot

Päämies-agentti-malli ja mekanismisuunnittelu

Päämies-agentti-malli ja mekanismisuunnittelu Päämies-agentti-malli ja mekanismisuunnittelu Mat-2.4142 Optimointiopin seminaari Ilkka Leppänen 22.1.2008 Esityksen rakenne Johdanto: päämies-agentti-malli ja epäsymmetrinen informaatio Haitallinen valikoituminen

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 18. lokakuuta 2007 Antti Rasila () TodB 18. lokakuuta 2007 1 / 19 1 Tilastollinen aineisto 2 Tilastollinen malli Yksinkertainen satunnaisotos 3 Otostunnusluvut

Lisätiedot

Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi

Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi TKK (c) Ilkka Mellin (2006) 1 Estimointi >> Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin

Lisätiedot

Signalointi: kustannukseton signalointi (halpa puhe)

Signalointi: kustannukseton signalointi (halpa puhe) Signalointi: kustannukseton signalointi (halpa puhe) Mat-2.4142 Optimointiopin seminaari Esa Mononen Stag hunt (1/2) Heimon jäsenet joutuvat yksilöinä päättämään menevätkö he metsästämään vai paneutuvatko

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A050 Todennäköisyyslaskennan ja tilastotieteen peruskurssi B Satunnaismuuttujat ja todennäköisyysjakaumat Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto

Lisätiedot

Prospektiteoria. Systeemianalyysin. Antti Toppila. Esitelmä 4 3. helmikuuta laboratorio Aalto-yliopiston TKK

Prospektiteoria. Systeemianalyysin. Antti Toppila. Esitelmä 4 3. helmikuuta laboratorio Aalto-yliopiston TKK Prospektiteoria Antti Toppila sivu 1/19 Optimointiopin seminaari keväällä 2010 Prospektiteoria Antti Toppila Esitelmä 4 3. helmikuuta 2009 Prospektiteoria Antti Toppila sivu 2/19 Optimointiopin seminaari

Lisätiedot

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

Tilastollinen testaus. Vilkkumaa / Kuusinen 1 Tilastollinen testaus Vilkkumaa / Kuusinen 1 Motivointi Viime luennolla: havainnot generoineen jakauman muoto on usein tunnettu, mutta parametrit tulee estimoida Joskus parametreista on perusteltua esittää

Lisätiedot

Haitallinen valikoituminen: yleinen malli ja sen ratkaisu

Haitallinen 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

Lisätiedot

Projektin arvon määritys

Projektin arvon määritys Projektin arvon määritys Luku 6, s. 175-186 Optimointiopin seminaari - Syksy 2000 / 1 Tehtävä Johdetaan menetelmä projektiin oikeuttavan option määrittämiseksi kohde-etuuden hinnan P perusteella projektin

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

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella:

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella: 8.1 Satunnaismuuttuja Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella: Esim. Nopanheitossa (d6) satunnaismuuttuja X kertoo silmäluvun arvon. a) listaa kaikki satunnaismuuttujan arvot b)

Lisätiedot

I MIKROTALOUSTIEDE LUKU 5 KILPAILUMUODOT

I MIKROTALOUSTIEDE LUKU 5 KILPAILUMUODOT I MIKROTALOUSTIEDE LUKU 5 KILPAILUMUODOT Tehtävä 1! " # $%& ' ( ' % %' ' ) ) * ' + )$$$!," - '$ '' ' )'( % %' ) '%%'$$%$. /" 0 $$ ' )'( % %' +$%$! &" - $ * %%'$$%$$ * '+ ' 1. " - $ ' )'( % %' ' ) ) * '

Lisätiedot

P(X = x T (X ) = t, θ) = p(x = x T (X ) = t) ei riipu tuntemattomasta θ:sta. Silloin uskottavuusfunktio faktorisoituu

P(X = x T (X ) = t, θ) = p(x = x T (X ) = t) ei riipu tuntemattomasta θ:sta. Silloin uskottavuusfunktio faktorisoituu 1. Tyhjentävä tunnusluku (sucient statistics ) Olkoon (P(X = x θ) : θ Θ) todennäköisyysmalli havainnolle X. Datan funktio T (X ) on Tyhjentävä tunnusluku jos ehdollinen todennäköisyys (ehdollinen tiheysfunktio)

Lisätiedot

Johdatus tn-laskentaan perjantai 17.2.2012

Johdatus tn-laskentaan perjantai 17.2.2012 Johdatus tn-laskentaan perjantai 17.2.2012 Kahden diskreetin muuttujan yhteisjakauma On olemassa myös monen muuttujan yhteisjakauma, ja jatkuvien muuttujien yhteisjakauma (jota ei käsitellä tällä kurssilla;

Lisätiedot

Yleinen tietämys ja Nashin tasapaino

Yleinen tietämys ja Nashin tasapaino Yleinen tietämys ja Nashin tasapaino 24.3.2010 Nashin tasapaino Ratkaisumalli kahden tai useamman pelaajan pelille. Yleisesti: Jos jokainen pelaaja on valinnut strategiansa eikä yksikään pelaaja voi hyötyä

Lisätiedot

Luento 3: Bayesiläiset pelit

Luento 3: Bayesiläiset pelit Luento 3: Bayesiläiset pelit Saara Hämäläinen Helsingin yliopisto TA5 Luento 3 2017 1 / 33 Game Theory by Ben Polak (Open Yale) "Nash Equilibrium"(luento 5, kokonaan) "Mixed strategies: definition"(luento

Lisätiedot

Mikrotalousteoria 2, 2008, osa IV

Mikrotalousteoria 2, 2008, osa IV Sisältö Mikrotalousteoria 2, 2008, osa IV 1 Hyvinvoinnin taloustiedettä 2 2 Pareto-kriteeri 2 3 Kaldorin kompensaatiokriteeri 2 4 Peliteoriasta 3 5 Peliteoreettisen analyysin vaiheet 3 6 Staattiset pelit

Lisätiedot

Tilastotieteen kertaus. Vilkkumaa / Kuusinen 1

Tilastotieteen kertaus. Vilkkumaa / Kuusinen 1 Tilastotieteen kertaus Vilkkumaa / Kuusinen 1 Motivointi Reaalimaailman ilmiöihin liittyy tyypillisesti satunnaisuutta ja epävarmuutta Ilmiöihin liittyvien havaintojen ajatellaan usein olevan peräisin

Lisätiedot

3.7 Todennäköisyysjakaumia

3.7 Todennäköisyysjakaumia MAB5: Todennäköisyyden lähtökohdat 4 Luvussa 3 Tunnusluvut perehdyimme jo jakauman käsitteeseen yleensä ja normaalijakaumaan vähän tarkemmin. Lähdetään nyt tutustumaan binomijakaumaan ja otetaan sen jälkeen

Lisätiedot

Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (005) 1 Moniulotteisia todennäköisyysjakaumia Multinomijakauma Kaksiulotteinen normaalijakauma TKK (c) Ilkka

Lisätiedot

9. Tila-avaruusmallit

9. Tila-avaruusmallit 9. Tila-avaruusmallit Aikasarjan stokastinen malli ja aikasarjasta tehdyt havainnot voidaan esittää joustavassa ja monipuolisessa muodossa ns. tila-avaruusmallina. Useat aikasarjat edustavat dynaamisia

Lisätiedot

Mainonta ja laatu tuotteiden erilaistamisessa

Mainonta ja laatu tuotteiden erilaistamisessa Mainonta ja laatu tuotteiden erilaistamisessa Samuel Aulanko Optimointiopin seminaari Kevät 2003 / 1 Sisältö Johdanto Mainonta Tiedollinen ja ohjaileva mainonta Monopolistinen kilpailu Oligopolinen kilpailu

Lisätiedot

Gaussiset prosessit derivaattahavainnoilla regressio-ongelmassa (valmiin työn esittely)

Gaussiset prosessit derivaattahavainnoilla regressio-ongelmassa (valmiin työn esittely) Gaussiset prosessit derivaattahavainnoilla regressio-ongelmassa (valmiin työn esittely) Ohjaaja: TkT Aki Vehtari Valvoja: Prof. Harri Ehtamo Kandidaattiseminaari 21 1.11.21 Esityksen rakenne Tausta Derivaattahavaintojen

Lisätiedot

Luento 9. June 2, Luento 9

Luento 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,

Lisätiedot

Estimointi. Estimointi. Estimointi: Mitä opimme? 2/4. Estimointi: Mitä opimme? 1/4. Estimointi: Mitä opimme? 3/4. Estimointi: Mitä opimme?

Estimointi. Estimointi. Estimointi: Mitä opimme? 2/4. Estimointi: Mitä opimme? 1/4. Estimointi: Mitä opimme? 3/4. Estimointi: Mitä opimme? TKK (c) Ilkka Mellin (2004) 1 Johdatus tilastotieteeseen TKK (c) Ilkka Mellin (2004) 2 Mitä opimme? 1/4 Tilastollisen tutkimuksen tavoitteena on tehdä johtopäätöksiä prosesseista, jotka generoivat reaalimaailman

Lisätiedot

Projektin keskeyttäminen, uudelleen käynnistäminen ja hylkääminen

Projektin keskeyttäminen, uudelleen käynnistäminen ja hylkääminen Projektin keskeyttäminen, uudelleen käynnistäminen ja hylkääminen Optimointiopin seminaari - Syksy 000 / 1 Mallin laajennus Toiminta voidaan väliaikaisesti keskeyttää ja käynnistää uudelleen Keskeyttämisestä

Lisätiedot

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on Mat-2.090 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Otanta Poisson- Jakaumien tunnusluvut Diskreetit jakaumat Binomijakauma, Diskreetti tasainen jakauma, Geometrinen jakauma, Hypergeometrinen

Lisätiedot

Moniulotteiset satunnaismuuttujat ja jakaumat

Moniulotteiset satunnaismuuttujat ja jakaumat Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Moniulotteiset satunnaismuuttujat ja jakaumat KE (2014) 1 Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat >> Kaksiulotteiset

Lisätiedot