Aloitamme yksinkertaisella leluesimerkillä. Tarkastelemme yhtä osaketta S. Oletamme että tänään, hetkellä t = 0, osakkeen hinta on S 0 = 100=C.

Koko: px
Aloita esitys sivulta:

Download "Aloitamme yksinkertaisella leluesimerkillä. Tarkastelemme yhtä osaketta S. Oletamme että tänään, hetkellä t = 0, osakkeen hinta on S 0 = 100=C."

Transkriptio

1 Luku 1 Johdatteleva esimerkki Herra K. tarjoaa osto-option Aloitamme yksinkertaisella leluesimerkillä. Tarkastelemme yhtä osaketta S. Oletamme että tänään, hetkellä t = 0, osakkeen hinta on S 0 = 100=C. Huomisaamulla, hetkellä t = 1, kohtalon jumalatar Lady Fortuna arpoo satunnaisen alkion joukosta Ω = { alas, ylös } = {0, 1} todennäköisyyksin 90% ja 10%. Hetkellä t = 1 osakkeen S hinta on satunnaismuuttuja ω S 1 (ω). Jos ω = 1, niin osakkeen hinta on 200=C. Jos ω = 0, niin sen hinta on 90=C. Kuvallisesti tilanne on seuraava: S 0 = 100=C S 1 (ω) S 1 (1) = 200=C tn:llä 90% S 1 (0) = 90=C tn:llä 10% Tarkastelemme nyt osakkeeseen S liittyvää osto-optiota (engl. calloption).

2 Luku 1 Johdatteleva esimerkki 3 Herra K. tarjoaa meille sopimusta, joka oikeuttaa meidät ostamaan osakkeen S hetkellä t = 1 tämän päivän hinnalla 100=C. Jos osakkeen hinta on huomenna suurempi kuin tänään, eli S 1 = 200=C, niin voimme käyttää optiomme ja myydä osakkeen välittömästi markkinoilla. Olemme tällöin tehneet voittoa 200=C 100=C = 100=C. Jos taas osakkeen hinta on huomenna 90=C, niin optiomme on arvoton. Yleisesti optiomme arvo hetkellä t = 1 on siis (S 1 100=C) + := max (S 1 100=C, 0=C). Emme siis voi hävitä ottamalla option vastaan. Herra K. sen sijaan voi hävitä. Jos nimittäin S 1 = 200=C, niin herra K:n tappio on 100=C. Siten herra K. ei luonnollisestikaan tarjoa optiosopimusta ilmaiseksi. Kysymys onkin nyt kuinka paljon herra K. voi vaatia sopimuksesta. Tai yhtä hyvin kuinka paljon me olemme valmiita maksamaan tästä ostooptiosta. Uskottavalta tuntuva vastaus tulee niin sanotun odotusarvoperiaatteen nojalla. Koska voitamme 100=C todennäköisyydellä 90% ja 0=C todennäköisyydellä 10%, niin tuntuisi luonnolliselta maksaa sopimuksesta c op = E [ (S 1 100=C) +] = 100=C 90% + 0=C 10% = 90=C. Tarkastelemme nyt tilannetta herra K:n kannalta. Herra K. on myynyt meille osto-option (S 1 100=C) + ja me olemme maksaneet siitä herra K:lle c op = 90=C. Herra K. ottaa nyt pankista lainaa 10=C ja ostaa yhden osakkeen S. Jos hetkellä t = 1 osakkeen hinta on laskenut eli S 1 = 90=C, niin optiomme on arvoton ja herra K. voi myydä osakkeensa hintaan 90=C. Maksettuaan 10=C velkansa pankkiin herra K:lle jää voittoa 90=C 10=C = 80=C. Herra K. on iloinen. Jos taas osakkeen hinta nousee, niin lunastamme optiomme. Herra K. siis luopuu osakkeestaan hinnalla 100=C. Maksettuaan velkansa pankkiin herra K:lle jää voittoa 100=C 10=C = 90=C. Herra K. on iloinen. Tapahtui siis mitä tahansa herra K. on saanut voittoa vähintään 80=C. Herra K. on siis saanut ilman mitään pääomaa täysin riskittömästi voittoa.

3 Luku 1 Johdatteleva esimerkki Huomautus. Tilannetta jossa voi ilman pääomaa saada riskitöntä voittoa kutsutaan arbitraasiksimahdollisuudeksi. Edellisen perusteella on selvää, että odotusarvoperiaatteen antama hinta c op on liian korkea. Erityisesti se ei voi olla osto-option todellinen hinta markkinoilla ainakaan kovin pitkään, sillä lopulta kaikki haluaisivat arbitraasin toivossa myydä osto-optioita eikä kukaan haluasi ostaa niitä. Niinpä kysynnän ja tarjonnan laki laskee osto-option hintaa lopulta. Tarkastelemme nyt tilannetta tasapainoiselta kannalta. Johdamme osto-option (S 1 100=C) + hinnan niin sanotun suojausperiaatteen nojalla. Oletamme, että osto-optiolla on jokin hinta c. Herra K. sijoittaa saamansa pääoman c osakkeeseen S ja jonkin verran hän laittaa pankkiin, tai mahdollisesti ottaa lainaa. Olkoon β pankkitalletuksen lukumäärä ja γ osakkeinen lukumäärä. Koska herra K:n alkupääoma on osto-option myynnistä saatu c, niin c = β=c + γs 0 Hetkellä t = 1 herra K. haluaa suojata (engl. hedge) osto-option. Toisin sanoen hän haluaa, että hänen varallisuutensa hetkellä t = 1 on juuri saman arvoinen kuin osto-optio. Siis (1.2) β=c + γs 1 (ω) = (S 1 (ω) 100=C) +. Koska mahdollisia maailmantiloja on kaksi, 1 ja 0, niin ehto (1.2) redusoituu yhtälöpariksi β=c + γ 200=C = 100=C, β=c + γ 90=C = 0=C. Tämä kahden muuttujan yhtälöpari on helppo ratkaista (ja ratkaisu on tunnetusti yksikäsitteinen). Saamme β = 90 11, γ =

4 Luku 1 Johdatteleva esimerkki 5 Siten siis herra K. pystyy suojaamaan osto-option jos ja vain jos hänen saamansa alkupääoma riittää ostamaan parin (β, γ) eli c c sp := = C =C = 81, 91=C. Edellisen perusteella herra K. suostuu siis myymään osto-option millä tahansa hinnalla c c sp, koska tällöin hänelle ei tule tappiota tulevaisuudessa kävi osakkeen hinnalle mitä tahansa. Toisaalta meidän ei kannata maksaa osto-optiosta enemäpää kuin c sp, koska hinnalla c sp voimme toistaa (engl. replicate) osto-option samalla tavalla kuin herra K. Olemme siis päätyneet siihen, että osto-option (S 1 100=C) + oikea tai tasapuolinen hinta on c sp = 81, 91=C. 1.3 Huomautus. Suojaushinta c sp on täysin riippumaton maailmantilojen 1 = ylös ja 0 = alas, eli tapahtumien {S 1 = 200=C} ja {S 1 = 90=C}, todennäköisyyksistä. 1.4 Huomautus. Tästä eteenpäin emme jaksa kirjoitella =C-merkkejä. Yhden osakkeen ja kahden tilan koroton malli Yleisesti edellä kuvattu kahden tilan ja yhden osakkeen (koroton) malli on seuraava: S 0 > 0 on osakkeen hinta tänään, joka on deterministinen. Huominen hinta S 1 on satunnaismuuttuja todennäköisyysavaruudelta (Ω, F, P), missä Ω = { alas, ylös } = {0, 1}, σ-algebra F sisältää kaikki Ω:n osajoukot ja todennäköisyysmitta P määräytyy luvusta p (0, 1) siten, että P({1}) = p, P({0}) = 1 p.

5 Luku 1 Johdatteleva esimerkki 6 Kuvallisesti osakkeen S kehitys on seuraava S 0 S 1 (ω) S 1 (1) = S 0 (1 + u) tn:llä p S 1 (0) = S 0 (1 + d) tn:llä 1 p, missä d = alas < 0 < u = ylös. Toisin sanoen osakkeen S suhteellinen muutos eli tuotto (engl. return) R 1 := S 1 S 0 := S 1 S 0 S 0 saa arvot d ja u maailmantiloissa alas ja ylös. Seuraava väite antaa yleisen osto-option (S 1 K) +, joka siis antaa oikeuden ostaa osakkeen S huomenna hinnalla K, suojaushinnan tässä mallissa. 1.5 Väite. Olkoon S 0 (1 + d) < K < S 0 (1 + u). Osto-option (S 1 K) + tasapuolinen hinta yhden askeleen ja kahden tilan mallissa on (1.6) c sp = Todistus. Harjoitustehtävä. d ( ) (1 + u)s 0 K. u d 1.7 Huomautus. Mikäli d = u = 0, niin malli on tylsä. Jos taas d > 0 niin malli on hinnoittelun kannalta hassu. Nimittäin tällöin kaavan (1.6) antama hinta on negatiivinen. Syy tähän on se, että nyt mallissa on arbitraasia.

eli optioiden hinnoittelun ja toistamisen taito tai oppi optioiden oikeasta hinnasta Tommi Sottinen

eli optioiden hinnoittelun ja toistamisen taito tai oppi optioiden oikeasta hinnasta Tommi Sottinen Rahoitust=Coria eli optioiden hinnoittelun ja toistamisen taito tai oppi optioiden oikeasta hinnasta Tommi Sottinen tommi.sottinen@helsinki.fi mathstat.helsinki.fi/ tsottine 18. huhtikuuta 26 Sisältö I

Lisätiedot

) + T (r + ) + T (r. ) Ke rt Φ( log( s σ2. (1.1) sφ( log( s σ2 2 E. VALKEILA 2 )

) + T (r + ) + T (r. ) Ke rt Φ( log( s σ2. (1.1) sφ( log( s σ2 2 E. VALKEILA 2 ) 2 E. VALKEILA 1. Johdanto 1.1. Käytännöt. Kurssin kotisivu löytyy osoitteesta http://www.math.hut.fi/teaching/rahoitus/ Kurssi suoritetaan kahdella välikokeella; luennot ja seuraavan viikon harjoitustehtävät

Lisätiedot

Rahoitusriskit ja johdannaiset Matti Estola Luento 5. Termiinihinnan määräytyminen

Rahoitusriskit ja johdannaiset Matti Estola Luento 5. Termiinihinnan määräytyminen Rahoitusriskit ja johdannaist Matti Estola Lunto 5 rmiinihinnan määräytyminn 1. rmiinin ylinn hinnoittlukaava Mrkitään trmiinisopimuksn kohd-tuudn spot hintaa sopimuksn tkopäivänä S :lla, kohd-tuudn trmiinihintaa

Lisätiedot

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus 3

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus 3 ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus 3 Ratkaisuehdotuksia 1. (a) Päätöspuu on matala, jos mitään sattumasolmua ei välittömästi seuraa sattumasolmu eikä mitään päätössolmua

Lisätiedot

OPTIOT Vipua ja suojausta - mutta mitä se maksaa? Remburssi Investment Group 23.5.2000

OPTIOT Vipua ja suojausta - mutta mitä se maksaa? Remburssi Investment Group 23.5.2000 OPTIOT Vipua ja suojausta - mutta mitä se maksaa? Remburssi Investment Group 23.5.2000 MARKKINAKATSAUS AGENDA Lyhyt johdanto optioihin Näkemysesimerkki 1: kuinka tehdä voittoa kurssien laskiessa Näkemysesimerkki

Lisätiedot

Optioiden hinnoittelu binomihilassa

Optioiden 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

Lisätiedot

Rahoitusriskit ja johdannaiset Luentokurssi kevät 2011 Lehtori Matti Estola

Rahoitusriskit ja johdannaiset Luentokurssi kevät 2011 Lehtori Matti Estola Rahoitusriskit ja johdannaiset Luentokurssi kevät 2011 Lehtori Matti Estola Itä-Suomen yliopisto, Yhteiskunta- ja Kauppatieteiden tiedekunta, Oikeustieteiden laitos, kansantaloustiede Luennot 22 t, harjoitukset

Lisätiedot

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus 5 (Koetentti)

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus 5 (Koetentti) ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 200 Harjoitus 5 (Koetentti) Ratkaisuehdotuksia. Öljy-Yhtiö Oy on tehnyt herra K.:n maapalasta ostotarjouksen 200kC. Herra K. voi joko myydä maapalan

Lisätiedot

Arvo (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. 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.

Lisätiedot

Valuuttariskit ja johdannaiset

Valuuttariskit ja johdannaiset Valuuttariskit ja johdannaiset Matti Estola Itä-Suomen yliopisto, Yhteiskunta- ja Kauppatieteiden tiedekunta, Sosiaali- ja terveysjohtamisen laitos, kansantaloustiede Lähde: Hull, Options, Futures, & Other

Lisätiedot

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008. päätöspuiden avulla tarkastellaan vasta seuraavissa harjoituksissa.

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008. päätöspuiden avulla tarkastellaan vasta seuraavissa harjoituksissa. ORMS00 Päätöksenteko epävarmuuden vallitessa Syksy 008 Harjoitus Ratkaisuehdotuksia Nämä harjoitukset liittyvät päätöspuiden rakentamiseen: varsinaista päätöksentekoa päätöspuiden avulla tarkastellaan

Lisätiedot

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008. Tehtävissä 1, 2, ja 3 tarkastelemme seuraavaa tilannetta:

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008. Tehtävissä 1, 2, ja 3 tarkastelemme seuraavaa tilannetta: RMS22 Päätöksenteko epävarmuuden vallitessa Syksy 28 Harjoitus 8 Ratkaisuehdotuksia Tehtävissä 1, 2, ja 3 tarkastelemme seuraavaa tilannetta: Pankki harkitsee myöntääkö 5. euron lainan asiakkaalle 12%

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

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

Rahoitusriskit ja johdannaiset Matti Estola. luento 8 Optioiden hinnoittelusta

Rahoitusriskit ja johdannaiset Matti Estola. luento 8 Optioiden hinnoittelusta Rahoitusriskit ja johdannaiset Matti Estola luento 8 Optioiden hinnoittelusta 1. Optioiden erilaiset kohde-etuudet 1.1. Osakeoptiot Yksi optio antaa yleensä oikeuden ostaa/myydä 1 kpl kohdeetuutena olevia

Lisätiedot

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008

ORMS2020 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?

Lisätiedot

Reaalioptioden käsitteen esittely yksinkertaisen esimerkin avulla

Reaalioptioden käsitteen esittely yksinkertaisen esimerkin avulla Reaalioptioden käsitteen esittely yksinkertaisen esimerkin avulla Optimointiopin seminaari - Syksy 2000 / 1 Esitelmän sisältö Investointien peruuttamattomuuden vaikutus investointipäätökseen Investointimahdollisuuksien

Lisätiedot

Pääsykoe 2001/Ratkaisut Hallinto

Pääsykoe 2001/Ratkaisut Hallinto Pääsykoe 2001/Ratkaisut Hallinto 1. Osio 3/Tosi; Organisaatiokenttää ei mainita (s.35). 2. Osiot 1 ja 2/Epätosia; Puppua. Osio 3/Lähellä oikeata kuvion 2.1 mukaan (s.30). Osio 4/Tosi (sivun 30 tekstin

Lisätiedot

Vastaus: Aikuistenlippuja myytiin 61 kappaletta ja lastenlippuja 117 kappaletta.

Vastaus: Aikuistenlippuja myytiin 61 kappaletta ja lastenlippuja 117 kappaletta. Seuraava esimerkki on yhtälöparin sovellus tyypillisimmillään Lukion ekaluokat suunnittelevat luokkaretkeä Sitä varten tarvitaan tietysti rahaa ja siksi oppilaat järjestävät koko perheen hipat Hippoihin

Lisätiedot

Suojaa ja tuottoa laskevilla markkinoilla. Johannes Ankelo Arvopaperi Aamuseminaari

Suojaa ja tuottoa laskevilla markkinoilla. Johannes Ankelo Arvopaperi Aamuseminaari Suojaa ja tuottoa laskevilla markkinoilla Commerzbank AG Saksan toiseksi suurin pankki Euroopan johtavia strukturoitujen tuotteiden liikkeellelaskijoita Yli 50 erilaista tuotetyyppiä listattuna Saksan

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

Vihaaja. Itsenäinen ajattelija

Vihaaja. Itsenäinen ajattelija Arvometallit 2012 Intoilija Vihaaja Itsenäinen ajattelija Mitä raha oikeastaan on? Käytännössä kaikki raha on VELKAA Keskuspankin tärkein tavoite on määrätä nopeutta, jolla RAHAN ARVO TUHOUTUU Pankki

Lisätiedot

Rahoitusriskit ja johdannaiset Matti Estola. luento 2 Termiini- ja futuurihintojen määräytyminen

Rahoitusriskit ja johdannaiset Matti Estola. luento 2 Termiini- ja futuurihintojen määräytyminen Rahoitusriskit ja johdannaiset Matti Estola luento 2 ermiini- ja futuurihintojen määräytyminen 1. ermiinien hinnoittelusta Esimerkki 1 Olkoon kullan spot -hinta $ 300 unssilta, riskitön korko 5 % vuodessa

Lisätiedot

1. Osoita, että joukon X osajoukoille A ja B on voimassa toinen ns. de Morganin laki (A B) = A B.

1. Osoita, että joukon X osajoukoille A ja B on voimassa toinen ns. de Morganin laki (A B) = A B. HY / Avoin yliopisto Johdatus yliopistomatematiikkaan, kesä 2015 Harjoitus 3 Ratkaisuehdotuksia Tehtäväsarja I Seuraavissa tehtävissä harjoitellaan muun muassa kahden joukon osoittamista samaksi sekä joukon

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

Black ja Scholes ilman Gaussia

Black ja Scholes ilman Gaussia Black ja Scholes ilman Gaussia Tommi Sottinen Vaasan yliopisto SMY:n vuosikokousesitelmä 19.3.2012 1 / 21 Johdanto Tarkastelemme johdannaisten, eli kansankielellä optioiden, hinnoittelua. Kuuluisin hinnoittelumalli

Lisätiedot

Black Scholes-hinnoittelumallin robustisuus ja tyylitellyt tosiseikat

Black Scholes-hinnoittelumallin robustisuus ja tyylitellyt tosiseikat Black Scholes-hinnoittelumallin robustisuus ja tyylitellyt tosiseikat Tommi Sottinen, Helsingin yliopisto Yhteistyössä C. Bender, TU Braunschweig E. Valkeila, Teknillinen korkeakoulu 10. lokakuuta 2006

Lisätiedot

Johdatus lukuteoriaan Harjoitus 2 syksy 2008 Eemeli Blåsten. Ratkaisuehdotelma

Johdatus lukuteoriaan Harjoitus 2 syksy 2008 Eemeli Blåsten. Ratkaisuehdotelma Johdatus lukuteoriaan Harjoitus 2 syksy 2008 Eemeli Blåsten Ratkaisuehdotelma Tehtävä 1 1. Etsi lukujen 4655 ja 12075 suurin yhteinen tekijä ja lausu se kyseisten lukujen lineaarikombinaationa ilman laskimen

Lisätiedot

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5. 2. MS-A4/A6 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 5.9.25 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x + x 2

Lisätiedot

Muodolliset kieliopit

Muodolliset kieliopit Muodolliset kieliopit Luonnollisen kielen lauseenmuodostuksessa esiintyy luonnollisia säännönmukaisuuksia. Esimerkiksi, on jokseenkin mielekästä väittää, että luonnollisen kielen lauseet koostuvat nk.

Lisätiedot

8. Vertailuperiaatteita ja johdannaisia

8. Vertailuperiaatteita ja johdannaisia 8. Vertailuperiaatteita ja johdannaisia 1. Hyötyfunktio Nykyarvo ei mittaa riskiasennetta, joka vaikuttaa valintakäyttäytymiseen (minkä investointivaihtoehdon valitset?). Esim. Kumpi seuraavista vaihtoehdoista

Lisätiedot

Kuvaus eli funktio f joukolta X joukkoon Y tarkoittaa havainnollisesti vastaavuutta, joka liittää joukon X jokaiseen alkioon joukon Y tietyn alkion.

Kuvaus eli funktio f joukolta X joukkoon Y tarkoittaa havainnollisesti vastaavuutta, joka liittää joukon X jokaiseen alkioon joukon Y tietyn alkion. Kuvaus eli funktio f joukolta X joukkoon Y tarkoittaa havainnollisesti vastaavuutta, joka liittää joukon X jokaiseen alkioon joukon Y tietyn alkion. Vastaavuus puolestaan on erikoistapaus relaatiosta.

Lisätiedot

1 + b t (i, j). Olkoon b t (i, j) todennäköisyys, että B t (i, j) = 1. Siis operaation access(j) odotusarvoinen kustannus ajanhetkellä t olisi.

1 + b t (i, j). Olkoon b t (i, j) todennäköisyys, että B t (i, j) = 1. Siis operaation access(j) odotusarvoinen kustannus ajanhetkellä t olisi. Algoritmien DP ja MF vertaileminen tapahtuu suoraviivaisesti kirjoittamalla kummankin leskimääräinen kustannus eksplisiittisesti todennäköisyyksien avulla. Lause T MF ave = 1 + 2 1 i

Lisätiedot

Todellinen prosentti

Todellinen prosentti Todellinen prosentti Kaksi ajankohtaista esimerkkiä talousmatematiikasta ja todellisuudesta Tommi Sottinen Vaasan yliopisto 9. lokakuuta 2010 MAOL ry:n syyspäivät 8.-10.10.2010, Vantaa 1 / 16 Tiivistelmä

Lisätiedot

Hanken Svenska handelshögskolan / Hanken School of Economics www.hanken.fi

Hanken Svenska handelshögskolan / Hanken School of Economics www.hanken.fi Sijoittajan sanastoa Pörssisäätiön sijoituskoulu VERO 2014 Prof. Minna Martikainen Hanken School of Economics, Finland Sijoitusmaailman termistö ja logiikka, omat toimet ja näin luen. SIJOITUSMAAILMAN

Lisätiedot

Tutkimustiedonhallinnan peruskurssi

Tutkimustiedonhallinnan peruskurssi Tutkimustiedonhallinnan peruskurssi Hannu Toivonen, Marko Salmenkivi, Inkeri Verkamo hannu.toivonen, marko.salmenkivi, inkeri.verkamo@cs.helsinki.fi Helsingin yliopisto Hannu Toivonen, Marko Salmenkivi,

Lisätiedot

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0. Vapaus Määritelmä Oletetaan, että v 1, v 2,..., v k R n, missä n {1, 2,... }. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: jos c 1 v 1 + c 2 v 2 +

Lisätiedot

1 Lineaariavaruus eli Vektoriavaruus

1 Lineaariavaruus eli Vektoriavaruus 1 Lineaariavaruus eli Vektoriavaruus 1.1 Määritelmä ja esimerkkejä Olkoon K kunta, jonka nolla-alkio on 0 ja ykkösalkio on 1 sekä V epätyhjä joukko. Oletetaan, että joukossa V on määritelty laskutoimitus

Lisätiedot

Harjoitus 7: vastausvihjeet

Harjoitus 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.

Lisätiedot

Oletetaan, että virhetermit eivät korreloi toistensa eikä faktorin f kanssa. Toisin sanoen

Oletetaan, että virhetermit eivät korreloi toistensa eikä faktorin f kanssa. Toisin sanoen Yhden faktorin malli: n kpl sijoituskohteita, joiden tuotot ovat r i, i =, 2,..., n. Olkoon f satunnaismuuttuja ja oletetaan, että tuotot voidaan selittää yhtälön r i = a i + b i f + e i avulla, missä

Lisätiedot

Malliratkaisut Demot

Malliratkaisut Demot Malliratkaisut Demot 3.2.27 Tehtävä. Valmisohjelmistolla voidaan ratkaista tehtävä min c T x s. t. Ax b x, missä x, c ja b R n ja A R m n. Muunnetaan tehtävä max x + 2x 2 + 3x 3 + x s. t. x + 3x 2 + 2x

Lisätiedot

RBS Warrantit NOKIA DAX. SIP Nordic AB Alexander Tiainen Maaliskuu 2011

RBS Warrantit NOKIA DAX. SIP Nordic AB Alexander Tiainen Maaliskuu 2011 RBS Warrantit DAX NOKIA SIP Nordic AB Alexander Tiainen Maaliskuu 2011 RBS Warrantit Ensimmäiset warrantit Suomen markkinoille Kaksi kohde-etuutta kilpailukykyisillä ehdoilla ; DAX ja NOKIA Hyvät spreadit

Lisätiedot

Vastaus 1. Lasketaan joukkojen alkiot, ja todetaan, että niitä on 3 molemmissa.

Vastaus 1. Lasketaan joukkojen alkiot, ja todetaan, että niitä on 3 molemmissa. Miten perustella, että joukossa A = {a, b, c} on yhtä monta alkiota kuin joukossa B = {d, e, f }? Vastaus 1. Lasketaan joukkojen alkiot, ja todetaan, että niitä on 3 molemmissa. Vastaus 2. Vertaillaan

Lisätiedot

b) Arvonnan, jossa 50 % mahdollisuus saada 15 euroa ja 50 % mahdollisuus saada 5 euroa.

b) Arvonnan, jossa 50 % mahdollisuus saada 15 euroa ja 50 % mahdollisuus saada 5 euroa. 2.9. Epävarmuus ja odotetun hyödyn teoria Testi. Kumman valitset a) 10 euroa varmasti. b) Arvonnan, jossa 50 % mahdollisuus saada 15 euroa ja 50 % mahdollisuus saada 5 euroa. Odotettu arvo 0,5* 15 + 0,5*5

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

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Kertymäfunktio. TKK (c) Ilkka Mellin (2007) 1

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Kertymäfunktio. TKK (c) Ilkka Mellin (2007) 1 Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Kertymäfunktio TKK (c) Ilkka Mellin (2007) 1 Kertymäfunktio >> Kertymäfunktio: Määritelmä Diskreettien jakaumien

Lisätiedot

Matematiikan tukikurssi, kurssikerta 1

Matematiikan tukikurssi, kurssikerta 1 Matematiikan tukikurssi, kurssikerta 1 1 Joukko-oppia Matematiikassa joukko on mikä tahansa kokoelma objekteja. Esimerkiksi joukkoa A, jonka jäseniä ovat numerot 1, 2 ja 5 merkitään A = {1, 2, 5}. Joukon

Lisätiedot

Tässä keskitymme palveluiden kehittämiseen ja niistä viestimiseen jotta osaaminen olisi nähtävissä tuotteena. Aluksi jako neljään.

Tässä keskitymme palveluiden kehittämiseen ja niistä viestimiseen jotta osaaminen olisi nähtävissä tuotteena. Aluksi jako neljään. 28.12.2007 HN Palvelun tuotteistaminen, palvelutuote Miksi on oltava tuote? Jotta olisi jotain myytävää! Voiko osaaminen olla tuote? Tässä keskitymme palveluiden kehittämiseen ja niistä viestimiseen jotta

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

Moraalinen uhkapeli: laajennuksia ja sovelluksia

Moraalinen uhkapeli: laajennuksia ja sovelluksia Moraalinen uhkapeli: laajennuksia ja sovelluksia Sisältö Kysymysten asettelu Monen tehtävän malli Sovellusesimerkki: Vakuutus Sovellusesimerkki: Palkkion määrääminen Johtajan palkitseminen Moraalisen uhkapelin

Lisätiedot

Korkolasku ja diskonttaus, L6

Korkolasku ja diskonttaus, L6 Korkolasku ja diskonttaus, L6 1 Merkinnät Tarkastellaan tilannetta, jossa pääomalle maksetaan korkoa. Tulemme seuraavassa systemaattisesti käyttämään seuraavia merkintöjä K 0 = alkupääoma p = korkoprosentti

Lisätiedot

, tuottoprosentti r = X 1 X 0

, tuottoprosentti r = X 1 X 0 Ostat osakkeen hintaan ja myyt sen vuoden myöhemmin hintaan X 1. Kokonaistuotto on tällöin R = X 1, tuottoprosentti r = X 1 ja pätee R = 1 + r. Lyhyeksimyymisellä tarkoitetaan, että voit myydä osakkeen

Lisätiedot

Sanomme, että kuvaus f : X Y on injektio, jos. x 1 x 2 f (x 1 ) f (x 2 ) eli f (x 1 ) = f (x 2 ) x 1 = x 2.

Sanomme, että kuvaus f : X Y on injektio, jos. x 1 x 2 f (x 1 ) f (x 2 ) eli f (x 1 ) = f (x 2 ) x 1 = x 2. Sanomme, että kuvaus f : X Y on injektio, jos x 1 x 2 f (x 1 ) f (x 2 ) eli f (x 1 ) = f (x 2 ) x 1 = x 2. Siis kuvaus on injektio, jos eri alkiot kuvautuvat eri alkioille eli maalijoukon jokainen alkio

Lisätiedot

2.1. Tehtävänä on osoittaa induktiolla, että kaikille n N pätee n = 1 n(n + 1). (1)

2.1. Tehtävänä on osoittaa induktiolla, että kaikille n N pätee n = 1 n(n + 1). (1) Approbatur 3, demo, ratkaisut Sovitaan, että 0 ei ole luonnollinen luku. Tällöin oletusta n 0 ei tarvitse toistaa alla olevissa ratkaisuissa. Se, pidetäänkö nollaa luonnollisena lukuna vai ei, vaihtelee

Lisätiedot

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008 ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008 Harjoitus 5 Ratkaisuehdotuksia Näissä harjoituksissa viljellään paljon sanaa paradoksi. Sana tulee ymmärtää laajassa mielessä. Suppeassa mielessähän

Lisätiedot

MS-A0004/A0006 Matriisilaskenta

MS-A0004/A0006 Matriisilaskenta 4. MS-A4/A6 Matriisilaskenta 4. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto..25 Tarkastellaan neliömatriiseja. Kun matriisilla kerrotaan vektoria, vektorin

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila Kalvoissa käytetään materiaalia P. Palon vuoden 2005 kurssista. 07.09.2007 Antti Rasila () SovTodB 07.09.2007 07.09.2007 1 / 24 1 Todennäköisyyslaskennan

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

Tietoa hyödykeoptioista

Tietoa hyödykeoptioista Tietoa hyödykeoptioista Tämä esite sisältää tietoa Danske Bankin kautta tehtävistä hyödykeoptiosopimuksista. Hyödykkeet ovat jalostamattomia tuotteita tai puolijalosteita, joita tarvitaan lopputuotteiden

Lisätiedot

SUBSTANTIIVIT 1/6. juttu. joukkue. vaali. kaupunki. syy. alku. kokous. asukas. tapaus. kysymys. lapsi. kauppa. pankki. miljoona. keskiviikko.

SUBSTANTIIVIT 1/6. juttu. joukkue. vaali. kaupunki. syy. alku. kokous. asukas. tapaus. kysymys. lapsi. kauppa. pankki. miljoona. keskiviikko. SUBSTANTIIVIT 1/6 juttu joukkue vaali kaupunki syy alku kokous asukas tapaus kysymys lapsi kauppa pankki miljoona keskiviikko käsi loppu pelaaja voitto pääministeri päivä tutkimus äiti kirja SUBSTANTIIVIT

Lisätiedot

Tuloperiaate. Oletetaan, että eräs valintaprosessi voidaan jakaa peräkkäisiin vaiheisiin, joita on k kappaletta

Tuloperiaate. Oletetaan, että eräs valintaprosessi voidaan jakaa peräkkäisiin vaiheisiin, joita on k kappaletta Tuloperiaate Oletetaan, että eräs valintaprosessi voidaan jakaa peräkkäisiin vaiheisiin, joita on k kappaletta ja 1. vaiheessa valinta voidaan tehdä n 1 tavalla,. vaiheessa valinta voidaan tehdä n tavalla,

Lisätiedot

Kuvaus eli funktio f joukolta X joukkoon Y tarkoittaa havainnollisesti vastaavuutta, joka liittää joukon X jokaiseen alkioon joukon Y tietyn alkion.

Kuvaus eli funktio f joukolta X joukkoon Y tarkoittaa havainnollisesti vastaavuutta, joka liittää joukon X jokaiseen alkioon joukon Y tietyn alkion. Kuvaus eli funktio f joukolta X joukkoon Y tarkoittaa havainnollisesti vastaavuutta, joka liittää joukon X jokaiseen alkioon joukon Y tietyn alkion. Kuvaus eli funktio f joukolta X joukkoon Y tarkoittaa

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

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

P (A)P (B A). P (B) P (A B) = P (A = 0)P (B = 1 A = 0) P (B = 1) P (A = 1)P (B = 1 A = 1) P (B = 1)

P (A)P (B A). P (B) P (A B) = P (A = 0)P (B = 1 A = 0) P (B = 1) P (A = 1)P (B = 1 A = 1) P (B = 1) Harjoitustehtäviä (erä 1) 1 1. Käytetään yksinkertaisesti Bayesin kaavaa: P (A B) = P (A)P (B A). P (B) Tapauksessa B = 1 saadaan P (A = 0 B = 1) = P (A = 1 B = 1) = P (A = 0)P (B = 1 A = 0) P (A = 1)P

Lisätiedot

Solvenssi II:n markkinaehtoinen vastuuvelka

Solvenssi II:n markkinaehtoinen vastuuvelka Solvenssi II:n markkinaehtoinen vastuuvelka Mikä on riskitön korko ja pääoman tuottovaatimus Suomen Aktuaariyhdistys 13.10.2008 Pasi Laaksonen Yleistä Mikäli vastuuvelka on ei-suojattavissa (non-hedgeable)

Lisätiedot

SOPIMUSTEN MERKITYS OMISTAJANVAIHDOKSISSA

SOPIMUSTEN MERKITYS OMISTAJANVAIHDOKSISSA SOPIMUSTEN MERKITYS OMISTAJANVAIHDOKSISSA Sopimustyypit ja niiden valinta Kaksi päävaihtoehtoa ovat liiketoiminnan myynti (liiketoimintakauppa) ja yrityksen itsensä, eli ns. oikeushenkilön, myynti (osuus

Lisätiedot

Nykyarvo ja investoinnit, L14

Nykyarvo ja investoinnit, L14 Nykyarvo ja investoinnit, L14 netto netto 1 Tarkastellaan tulovirtaa, joka kestää n jakson ajana, ja jossa jakson j lopussa kassaan tulee tulo k j. k 1 k 2 k 3 k 4 k 5 k 6... k n netto 0 1 2 3 4 5 6...

Lisätiedot

MS-A0402 Diskreetin matematiikan perusteet

MS-A0402 Diskreetin matematiikan perusteet MS-A040 Diskreetin matematiikan perusteet Osa : Relaatiot ja funktiot Riikka Kangaslampi 017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Relaatiot Relaatio Määritelmä 1 Relaatio joukosta A

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

Q&A. 1) Kuka voi lainata osakkeita?

Q&A. 1) Kuka voi lainata osakkeita? Q&A 1) Kuka voi lainata osakkeita? Kaikki sijoittajat voivat ottaa lainaksi osakkeita, mutta osakkeita voi antaa lainaksi vain sijoittajat, joiden sijoitukset kuuluvat elinkeinoverotuksen piiriin. 2) Mitä

Lisätiedot

Äärellisesti generoitujen Abelin ryhmien peruslause

Äärellisesti generoitujen Abelin ryhmien peruslause Tero Harju (2008/2010) Äärellisesti generoitujen Abelin ryhmien peruslause Merkintä X on joukon koko ( eli #X). Vapaat Abelin ryhmät Tässä kappaleessa käytetään Abelin ryhmille additiivista merkintää.

Lisätiedot

f(n) = Ω(g(n)) jos ja vain jos g(n) = O(f(n))

f(n) = Ω(g(n)) jos ja vain jos g(n) = O(f(n)) Määritelmä: on O(g(n)), jos on olemassa vakioarvot n 0 > 0 ja c > 0 siten, että c g(n) kun n > n 0 O eli iso-o tai ordo ilmaisee asymptoottisen ylärajan resurssivaatimusten kasvun suuruusluokalle Samankaltaisia

Lisätiedot

Johdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Kertymäfunktio TKK (c) Ilkka Mellin (2005) 1 Kertymäfunktio Kertymäfunktio: Määritelmä Diskreettien jakaumien kertymäfunktiot Jatkuvien jakaumien kertymäfunktiot TKK (c)

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

802118P Lineaarialgebra I (4 op)

802118P Lineaarialgebra I (4 op) 802118P Lineaarialgebra I (4 op) Tero Vedenjuoksu Oulun yliopisto Matemaattisten tieteiden laitos 2012 Lineaarialgebra I Yhteystiedot: Tero Vedenjuoksu tero.vedenjuoksu@oulu.fi Työhuone M206 Kurssin kotisivu

Lisätiedot

Korkolasku, L6. Koronkorko. Korko-kaavat. Aiheet. Yksinkertainen korkolasku. Koronkorko. Jatkuva korkolasku. Korko-kaavat

Korkolasku, L6. Koronkorko. Korko-kaavat. Aiheet. Yksinkertainen korkolasku. Koronkorko. Jatkuva korkolasku. Korko-kaavat Korkolasku, L6 1 Merkinnät Tarkastellaan tilannetta, jossa pääomalle maksetaan korkoa. Tulemme seuraavassa systemaattisesti käyttämään seuraavia merkintöjä K 0 = alkupääoma p = korkoprosentti i = p 100

Lisätiedot

Malliratkaisut Demo 1

Malliratkaisut Demo 1 Malliratkaisut Demo 1 1. Merkitään x = kuinka monta viikkoa odotetaan ennen kuin perunat nostetaan. Nyt maksimoitavaksi kohdefunktioksi tulee f(x) = (60 5x)(300 + 50x). Funktio f on alaspäin aukeava paraaeli,

Lisätiedot

ABHELSINKI UNIVERSITY OF TECHNOLOGY

ABHELSINKI UNIVERSITY OF TECHNOLOGY Klassinen todennäköisyys ja kombinatoriikka Klassinen todennäköisyys Olkoon S = {s 1,s 2,...,s n } äärellinen otosavaruus. Oletetaan, että Pr(s i ) = 1, kaikille i = 1, 2,...,n n Tällöin alkeistapahtumat

Lisätiedot

8. Muita stokastisia malleja 8.1 Epölineaariset mallit ARCH ja GARCH

8. Muita stokastisia malleja 8.1 Epölineaariset mallit ARCH ja GARCH 8. Muita stokastisia malleja 8.1 Epölineaariset mallit ARCH ja GARCH Osa aikasarjoista kehittyy hyvin erityyppisesti erilaisissa tilanteissa. Esimerkiksi pörssikurssien epävakaus keskittyy usein lyhyisiin

Lisätiedot

Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos:

Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos: 8 Kanta Tässä luvussa tarkastellaan aliavaruuden virittäjävektoreita, jotka muodostavat lineaarisesti riippumattoman jonon. Merkintöjen helpottamiseksi oletetaan luvussa koko ajan, että W on vektoreiden

Lisätiedot

Shorin algoritmin matematiikkaa Edvard Fagerholm

Shorin algoritmin matematiikkaa Edvard Fagerholm Edvard Fagerholm 1 Määritelmiä Määritelmä 1 Ryhmä G on syklinen, jos a G s.e. G = a. Määritelmä 2 Olkoon G ryhmä. Tällöin alkion a G kertaluku ord(a) on pienin luku n N \ {0}, jolla a n = 1. Jos lukua

Lisätiedot

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus 4

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus 4 ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus 4 Ratkaisuehdotuksia 1. Omppukone Oy valmistaa liukuhihnalla muistipiirejä kymmenen piirin sarjoissa. Omppukone arvioi, että keskimäärin

Lisätiedot

(1) refleksiivinen, (2) symmetrinen ja (3) transitiivinen.

(1) refleksiivinen, (2) symmetrinen ja (3) transitiivinen. Matematiikassa ja muuallakin joudutaan usein tekemisiin sellaisten relaatioiden kanssa, joiden lakina on tietyn ominaisuuden samuus. Tietyn ominaisuuden samuus -relaatio on ekvivalenssi; se on (1) refleksiivinen,

Lisätiedot

3.11.2006. ,ܾ jaü on annettu niin voidaan hakea funktion 0.1 0.2 0.3 0.4

3.11.2006. ,ܾ jaü on annettu niin voidaan hakea funktion 0.1 0.2 0.3 0.4 Ü µ ½ ¾Ü¾µ Ü¾Ê 3.11.2006 1. Satunnaismuuttujan tiheysfunktio on ¼ ļ ܽ ܾ ÜÒµ Ä Ü½ ÜÒµ Ò Ä Ü½ ܾ ÜÒµ ܽ µ ܾ µ ÜÒ µ Ò missä tietenkin vaaditaan, että ¼. Muodosta :n ¾Ä ܽ ÜÒµ Ò ½¾ ܾ Ò ½ ¾Ü¾½µ ½ ¾Ü¾Òµ

Lisätiedot

Pienimmän Neliösumman menetelmä (PNS)

Pienimmän Neliösumman menetelmä (PNS) neliösumman Perusongelman kuvaus 1 Tarkastellaan neljää pitkää aikasarjaa q 1 = (q 11,q 21,...,q 10,1 ) T, q 2 = (q 12,q 22,...,q 10,2 ) T, q 3 = (q 13,q 23,...,q 10,3 ) T, ja p 1 = (p 11,p 21,...,p 10,1

Lisätiedot

=p(x) + p(y), joten ehto (N1) on voimassa. Jos lisäksi λ on skalaari, niin

=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)

Lisätiedot

25.9.2008 klo 9-15. 1. Selvitä vakuutustekniseen vastuuvelkaan liittyvät riskit ja niiltä suojautuminen.

25.9.2008 klo 9-15. 1. Selvitä vakuutustekniseen vastuuvelkaan liittyvät riskit ja niiltä suojautuminen. SHV-tutkinto Vakavaraisuus 25.9.28 klo 9-15 1(5) 1. Selvitä vakuutustekniseen vastuuvelkaan liittyvät riskit ja niiltä suojautuminen. (1p) 2. Henkivakuutusyhtiö Huolekas harjoittaa vapaaehtoista henkivakuutustoimintaa

Lisätiedot

ja λ 2 = 2x 1r 0 x 2 + 2x 1r 0 x 2

ja λ 2 = 2x 1r 0 x 2 + 2x 1r 0 x 2 Johdatus diskreettiin matematiikkaan Harjoitus 4, 7.10.2015 1. Olkoot c 0, c 1 R siten, että polynomilla r 2 c 1 r c 0 on kaksinkertainen juuri. Määritä rekursioyhtälön x n+2 = c 1 x n+1 + c 0 x n, n N,

Lisätiedot

Matematiikassa ja muuallakin joudutaan usein tekemisiin sellaisten relaatioiden kanssa, joiden lakina on tietyn ominaisuuden samuus.

Matematiikassa ja muuallakin joudutaan usein tekemisiin sellaisten relaatioiden kanssa, joiden lakina on tietyn ominaisuuden samuus. Matematiikassa ja muuallakin joudutaan usein tekemisiin sellaisten relaatioiden kanssa, joiden lakina on tietyn ominaisuuden samuus. Matematiikassa ja muuallakin joudutaan usein tekemisiin sellaisten relaatioiden

Lisätiedot

MIKROTEORIA, 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 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

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

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 1 Määrittelyjoukoista Tarkastellaan funktiota, jonka määrittelevä yhtälö on f(x) = x. Jos funktion lähtöjoukoksi määrittelee vaikkapa suljetun välin [0, 1], on funktio

Lisätiedot

5 Lineaariset yhtälöryhmät

5 Lineaariset yhtälöryhmät 5 Lineaariset yhtälöryhmät Edellisen luvun lopun esimerkissä päädyttiin yhtälöryhmään, jonka ratkaisemisesta riippui, kuuluuko tietty vektori eräiden toisten vektorien virittämään aliavaruuteen Tämäntyyppisiä

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

2.3 Juurien laatu. Juurien ja kertoimien väliset yhtälöt. Jako tekijöihin. b b 4ac = 2

2.3 Juurien laatu. Juurien ja kertoimien väliset yhtälöt. Jako tekijöihin. b b 4ac = 2 .3 Juurien laatu. Juurien ja kertoimien väliset yhtälöt. Jako tekijöihin. Toisen asteen yhtälön a + b + c 0 ratkaisukaavassa neliöjuuren alla olevaa lauseketta b b 4ac + a b b 4ac a D b 4 ac sanotaan yhtälön

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

Karteesinen tulo. Olkoot A = {1, 2, 3, 5} ja B = {a, b, c}. Näiden karteesista tuloa A B voidaan havainnollistaa kuvalla 1 / 21

Karteesinen tulo. Olkoot A = {1, 2, 3, 5} ja B = {a, b, c}. Näiden karteesista tuloa A B voidaan havainnollistaa kuvalla 1 / 21 säilyy Olkoot A = {1, 2, 3, 5} ja B = {a, b, c}. Näiden karteesista tuloa A B voidaan havainnollistaa kuvalla c b a 1 2 3 5 1 / 21 säilyy Esimerkkirelaatio R = {(1, b), (3, a), (5, a), (5, c)} c b a 1

Lisätiedot

diskonttaus ja summamerkintä, L6

diskonttaus ja summamerkintä, L6 diskonttaus ja summamerkintä, L6 1 Edellä aina laskettiin kasvanut pääoma alkupääoman ja koron perusteella. Seuraavaksi pohdimme käänteistä ongelmaa: Miten suuri tulee alkupääoman K 0 olla, jotta n jakson

Lisätiedot

Ajatuksia hinnoittelusta. Hinta on silloin oikea, kun asiakas itkee ja ostaa, mutta ostaa kuitenkin.

Ajatuksia hinnoittelusta. Hinta on silloin oikea, kun asiakas itkee ja ostaa, mutta ostaa kuitenkin. Ajatuksia hinnoittelusta Hinta on silloin oikea, kun asiakas itkee ja ostaa, mutta ostaa kuitenkin. Hinnoittelu Yritystoiminnan tavoitteena on aina kannattava liiketoiminta ja asiakastyytyväisyys. Hinta

Lisätiedot