Nollasummapelit ja bayesilaiset pelit

Koko: px
Aloita esitys sivulta:

Download "Nollasummapelit ja bayesilaiset pelit"

Transkriptio

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

2 Sisältö 1 Johdanto 1 2 Nollasummapelit Määritelmä Nashin tasapaino nollasummapeleissä Esimerkki nollasummapelistä Bayesilaiset pelit Määritelmä Nashin tasapaino ja palautus strategiapeliksi Esimerkki bayesilaisesta pelistä ii

3 1 Johdanto Tarkastelemme kahta pelityyppiä, nollasummapelejä ja bayesilaisia pelejä, sekä Nashin tasapainoa niissä. Nollasummapeli on kahden pelaajan pelityyppi, jossa hyötyfunktioille pätee u 1 + u 2 = 0. Maksimoidessaan oman hyötynsä pelaaja samalla maksimoi toisen pelaajan haitan. Nollasummapeli on erikoistapaus strategiapeleistä, ja Nashin tasapainon tarkasteluun on yleisiä strategiapelejä voimakkaampia keinoja. Bayesilaisessa pelissä pelitilanteeseen liittyy epävarmuutta, jota mallinnetaan todennäköisyyslaskennan keinoin. Bayesilaiset pelit ovat strategiapelien laajennus, mutta Nashin tasapainoa voidaan tutkia palauttamalla peli tavalliseksi strategiapeliksi. Teksti perustuu Osbornen ja Rubinsteinin oppikirjaan [OsR94, s. 2130]. 2 Nollasummapelit 2.1 Määritelmä Nollasummapeli eli aidosti kilpailullinen peli (strictly competitive) on strategiapelityyppi, jossa yhden pelaajan voitosta seuraa toisen pelaajan häviö. Pelaajia on aina kaksi. Strategiapeli N = {1, 2}, (A i ), ( i ) on aidosti kilpailullinen, jos suosituimmuusrelaatioille pätee a 1 b jos ja vain jos b 2 a kaikilla proileilla a, b A = A 1 A 2. Tällöin voidaan määritellä hyötyfunktiot u 1, u 2 : A R siten, että u 1 = u 2 ja siis u 1 + u 2 = 0, mistä tulee termi nollasummapeli. Nollasummapeli ja aidosti kilpailullinen peli eivät tarkkaan ottaen ole samoja asioita, sillä peli voi olla aidosti kilpailullinen vaikka hyötyfunktiot eivät täytä ehtoa u 1 + u 2 = 0. Kuitenkin nollasummaehdon täyttävillä hyötyfunktiolla voidaan mallintaa kaikki aidosti kilpailulliset pelit, joten jatkossa käytetään 1

4 vain hyötyfunktioita, joilla ehto pätee. Kumpikin pelaaja olettaa, että toinen pelaaja pyrkii vahingoittamaan häntä mahdollisimman paljon, sillä toisen pelaajan maksimoidessaan oma hyötynsä hän minimoi toisen hyödyn. Tämän pohjalta voidaan kehittää seuraava taktiikka toiminnon valitsemiseen. Pelaaja 1 valitsee toimintonsa x A 1 olettaen, että pelaaja 2 valitsee toimintonsa y A 2 maksimoiden oman hyötynsä eli minimoiden funktion u 1. Pelaaja 1 siis olettaa saavansa toiminnosta x hyödyn min y A2 u 1 (x, y). Hän valitsee sellaisen toiminnon, jolla mainittu hyöty on mahdollisimman suuri. Pelaaja 2 toimii vastaavasti. Pelaajan 1 toiminto x A 1 on max-minimoija (maxminimizer) pelaajalle 1, jos min y A2 u 1 (x, y) min y A2 u 1 (x, y) kaikille x A 1. Tällöin pelaajan 1 hyöty on vähintään min y A2 u 1 (x, y). Toiminto x siis maksimoi hyötyjen minimin. Tätä merkitään max x min y u 1 (x, y). Lausekkeen voi lukea seuraavasti: ensin pelaaja 1 valitsee toiminnon tavoitteena maksimoida u 1 ja sen jälkeen pelaaja 2 valitsee toiminnon tavoitteena minimoida u 1. Luonnollisesti pelaajat toimivat todellisuudessa samanaikaisesti. Vastaavasti voidaan määritellä min-maximointi, joka ratkaisee ongelman min x max y u 1 (x, y). Käsitteillä on seuraava yhteys: pelaajan 1 max-minimoija u 1 :n suhteen on min-maximoija u 2 :n suhteen. Tämä nähdään lauseesta max x min y u 1 (x, y) = max x min y u 2 (x, y) = max x ( max y u 2 (x, y)) = min x max y u 2 (x, y). 2.2 Nashin tasapaino nollasummapeleissä Nashin tasapaino määritellään nollasummapeleissä samoin kuin muissa strategiapeleissä. Koska nollasummaehto asettaa rajoituksia pelille, on Nashin tasapainon käsittely helpompaa kuin yleisillä strategiapeleillä. Käsitellään ensin tapausta, jossa tiedetään Nashin tasapainon olemassaolo. Olkoon G nollasummapeli, jolla on Nashin tasapaino. Olkoon (x, y ) jokin tasapainotila. Nyt pätevät seuraavat ominaisuudet. 2

5 x on pelaajan 1 max-minimoija ja y on pelaajan 2 max-minimoija. Nashin tasapainon määritelmästä seuraa, että x on paras toiminto pelaajalle 1, jos pelaaja 2 tekee toiminnon y. Siis jokin toiminto x x on huonompi tai korkeintaan yhtä hyvä kuin x. max x min y u 1 (x, y) = min y max x u 1 (x, y) = u 1 (x, y ) ja siis kaikki Nashin tasapainot tuottavat saman hyödyn. Seuraavaksi tarkastellaan, miten Nashin tasapaino voidaan löytää nollasummapelistä. Jos pelille pätee max x min y u 1 (x, y) = min y max x u 1 (x, y) ja x on pelaajan 1 max-minimoija sekä y on pelaajan 2 max-minimoija, niin (x, y ) on Nashin tasapaino. Ehdon voi ilmaista myös muodossa max x min y u 1 (x, y) = max y min x u 2 (x, y). Siis pelillä on Nashin tasapaino, jos molempien pelaajien max-minimointi päätyy samaan tulokseen, esimerkiksi u 1 (x, y ) = 2 ja u 2 (x, y ) = Esimerkki nollasummapelistä Olkoon N = {1, 2}, A 1 = {P, Q} ja A 2 = {R, S}. Hyötyfunktiot u 1, u 2 määritellään kuvan 1 perusteella. Esimerkiksi u 1 (P, S) = 2. Määritetään pelaajien max-minimoijat. Jos pelaaja 1 valitsee toiminnon P, hän saa hyödyn u 1 (P, R) = 1 tai u 1 (P, S) = 2. Jos hän valitsee toiminnon Q, on hyöty -3 tai 0. Siis max x min y u 1 (x, y) = max{ 1, 3} = 1. Pelaajan 1 (ainoa) max-minimoija on P, joka takaa vähintään hyödyn -1. Vastaavasti pelaaja 2 saa hyödyn 1 tai 3 toiminnolla R ja hyödyn -2 tai 0 toiminnolla S. Pelaajan 2 (ainoa) max-minimoija on R ja max y min x u 2 (x, y) = 1. R S P -1, 1 2, -2 Q -3, 3 0, 0 Kuva 1: Nollasummapeli. 3

6 Pelille pätee max x min y u 1 (x, y) = 1 = max y min x u 2 (x, y), joten tiedämme pelillä olevan Nashin tasapaino. Kaikille tasapainotiloille (x, y ) pätee, että x ja y ovat pelaajien max-minimoijia. Esimerkkipelissä on siis yksi Nashin tasapaino (P, R). 3 Bayesilaiset pelit 3.1 Määritelmä Bayesilaiset pelit ovat strategiapelien laajennus, jossa peliin liittyy epävarmuutta. Kuten tavallisessa pelissä, bayesilaisessa pelissä on joukko N pelaajia sekä kullekin pelaajalle joukko toimintoja A i. Epävarmuutta mallinnetaan äärellisellä tila-avaruudella Ω. Maailma voi olla pelien välillä eri tiloissa ω Ω. Ennen kutakin peliä jokin tila ω toteutuu. Pelaajien hyödyt riippuvat maailman tilasta, mutta pelaajat eivät (yleensä) ole tietoisia maailman tarkasta todellisesta tilasta valitessaan toiminnon. He valitsevat toiminnon, jonka hyödyn odotusarvo on suurin. Kullakin pelaajalla on ennakkokäsitys (priori) maailmantilojen todennäköisyyksistä. Tätä mallinnetaan todennäköisyysfunktiolla p i : Ω [0, 1]. Pelaajat saavat ennen toiminnon valitsemista osittaista tietoa maailman tilasta signaalin avulla. Jokaisella pelaajalla on joukko T i signaaleja ja signaalifunktio τ i : Ω T i. Jos maailman tila on ω, saa pelaaja i signaalin τ i (ω). Signaaleja kutsutaan myös tyypeiksi: jos pelaaja i saa signaalin t i T i, pelaaja on tyyppiä t i. Kuhunkin signaaliin t i T i liittyy joukko τ 1 i (t i ), joka ilmaisee, mitkä tilat tuottavat signaalin t i. Saatuaan signaalin t i pelaaja siis tietää, että maailma on jossakin tilassa ω τ 1 i (t i ). Signaalin avulla pelaaja muodostaa tarkennetun posteriori-todennäköisyysjakauman p i (ω τ 1 i (t i )) = p i (ω)/p i (τ 1 i (t i )) maailman tilasta ja valitsee tämän perusteella toiminnon. Mahdottomat tilat ω / τ 1 i (t i ) saavat todennäköisyyden 0. Tavallisesta strategiapelistä poiketen bayesilaisen pelin suosituimmuusrelaa- 4

7 tiot ( i ) eivät ole määritelty joukossa A vaan ns. arvontojen (lottery) joukossa. Arvonta L : A Ω [0, 1] on todennäköisyysjakauma, joka ilmaisee, millä todennäköisyydellä peli päättyy tilaan (a, ω) A Ω. Kun a A, merkitään L a tarkoittamaan niitä arvontoja, jotka liittyvät tyypin t i pelaajaan i. Arvonnan tuottamat todennäköisyydet riippuvat pelaajan i posterioritodennäköisyyksistä. Ajatusta siitä, että pelaaja vertaa arvontoja eikä lopputuloksia, voidaan selventää seuraavalla esimerkillä. Olkoon kaksi peliä, joissa toisessa voittaa 90% todennäköisyydellä 10 euroa ja 10% todennäköisyydellä 0 euroa; toisessa voittaa 50% todennäköisyydellä 10 euroa ja 50% todennäköisyydellä 0 euroa. Rationaalinen pelaaja valitsee ensinmainitun pelin, vaikka ei tiedäkään arvonnan lopputulosta. Bayesilainen peli määritellään siis seitsikkona N, Ω, (A i ), (T i ), (τ i ), (p i ), ( i ). Suosituimmuusrelaatioiden lisäksi voidaan käyttää hyötyfunktioita u i : A Ω R. Hyötyfunktiot voidaan tulkita satunnaismuuttujina avaruudessa A Ω. Pelaajat pyrkivät maksimoimaan satunnaismuuttujan odotusarvon. Kukin arvonta L a : A Ω [0, 1] määrää tällöin satunnaismuuttujan u i odotusarvon. 3.2 Nashin tasapaino ja palautus strategiapeliksi Bayesilaisille peleille voidaan määritellä Nashin tasapaino siitä lähtökohdasta, että kukin pelaaja valitsee parhaan toiminnon perustuen saamaansa signaaliin, käsitykseensä maailman tilasta sekä oletukseensa muiden pelaajien toiminnoista. Formaali määritelmä perustuu siihen, että bayesilainen peli G palautetaan normaaliksi strategiapeliksi G ja tutkitaan Nashin tasapainoa pelissä G. Nashin tasapainoa ei määritellä erikseen maailman eri tiloille ω, vaan se on yhteinen kaikille tiloille. 5

8 Kun bayesilaista peliä pelataan, jokainen pelaaja tietää oman tyyppinsä. Tällöin voisi olettaa, että pelaajan i ei tarvitse välittää muista tyypeistään t i τ i (ω). Kuitenkaan muut pelaajat eivät välttämättä tiedä pelaajan i tyyppiä, vaan voivat olettaa, että pelaaja on tietyllä todennäköisyydellä tyyppiä t i τ i (ω). Tämä puolestaan vaikuttaa muiden pelaajien toimintoihin. Pelaajan i kannattaa siis tarkastella myös tilannetta, jossa hän on jotakin muuta tyyppiä. Peliä G vastaava strategiapeli G määritellään seuraavasti. Pelaajien joukko on {(i, t i ) i N, t i T i }; jokainen pelaaja i pilkotaan useaksi pelaajaksi tyyppien t i perusteella. Pelaajan (i, t i ) toiminnot ovat samat kuin pelaajan i toiminnot pelissä G, siis A (i,ti ) = A i. Suosituimmuusrelaatio i määritellään seuraavasti. Olkoon a, b pro- ileja pelissä G. Niiden avulla määritellään arvonnat L a, L b pelissä G siten, että L a asettaa todennäköisyyden p i (ω)/p i (τ 1 i (t i )) tapahtumalle ((a (j, τ j (ω))) j N, ω), jos ω τ 1 (t i ), ja 0 muuten. Tässä a (j, τ j (ω)) on pelaajan (j, τ j (ω)) toiminto proilissa a. Nyt a i b pelissä G jos ja vain jos L a i L b pelissä G. Jos proili x on Nashin tasapaino pelissä G, niin vastaava arvontaproili (L x ) on Nashin tasapaino pelissä G. 3.3 Esimerkki bayesilaisesta pelistä Olkoon N = {1, 2}, A 1 = {P, Q}, A 2 = {R, S} ja Ω = {ω 1, ω 2, ω 3 }. Pelaajien tyypit ovat T 1 = {t 1, t 1} ja T 2 = {t 2, t 2}. Signaalifunktiot ovat τ 1 (ω 1 ) = τ 1 (ω 2 ) = t 1 ja τ 1 (ω 3 ) = t 1 τ 2 (ω 1 ) = t 2 ja τ 2 (ω 2 ) = τ 2 (ω 3 ) = t 2. 6

9 A Ω u 1 u 2 P, R ω P, R ω P, R ω P, S ω P, S ω P, S ω Q, R ω Q, R ω Q, R ω Q, S ω Q, S ω Q, S ω Kuva 2: Bayesilaisen pelin hyötyfunktiot. Tällöin joukot τ 1 i ovat τ 1 1 (t 1) = {ω 1, ω 2 } ja τ 1 1 (t 1) = {ω 3 } τ 1 2 (t 2) = {ω 1 } ja τ 1 2 (t 2) = {ω 2, ω 3 }. Hyötyfunktiot u 1, u 2 määritellään kuvan 2 perusteella. Esimerkiksi u 1 ((Q, R), ω 2 ) = 2. Pelaajien etukäteisuskomukset maailman tilasta ovat p i (ω j ) = 1/3 kaikilla i, j. Oletetaan, että pelin alussa toteutuu maailman tila ω 1. Pelaaja 1 saa signaalin t 1 ja pelaaja 2 signaalin t 2. Pelaaja 1 uskoo, että todennäköisyydellä 1/2 maailma on tilassa ω 1 ja vastaavalla todennäköisyydellä tilassa ω 2. Pelaaja 2 tietää, että maailma on tilassa ω 1. Tarkastellaan pelaajan 1 arvontoja. Olkoon L = L (P,R), siis toimintoihin (P, 1,t 1 R) liittyvä arvonta. Nyt pätee L((P, R), ω 1 ) = L((P, R), ω 2 ) = 1/2 ja L(, ) = 0 muuten. Tällöin odotusarvo E(u 1 ) = 1/ /2 ( 1) = 0. Vastaavasti kun L = L (Q,R) 1,t 1, on E(u 1 ) = 1/ /2 2 = 1. Siis L (Q,R) 1,t 1 1 L (P,R) 1,t 1. 7

10 Pelaajan 2 arvontoihin ei liity epävarmuutta, joten L (Q,R) 2,t 2. L (P,R) 2,t 2 2 L (P,S) 2,t 2 2 L (Q,S) 2,t 2 2 Lähteet [OsR94] Osborne, M. J. ja Rubinstein, A., A course in game theory. The MIT Press,

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 jatkuu

Yhteistyötä sisältämätön peliteoria jatkuu Yhteistyötä sisältämätön peliteoria jatkuu Tommi Lehtonen Optimointiopin seminaari - Syksy 2000 / 1 Bayesilainen tasapaino Täysi informaatio Vajaa informaatio Staattinen Nash Bayes Dynaaminen Täydellinen

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Strategiapelit ja Nashin tasapaino. Esitta ja : Sebastian Siikavirta

Strategiapelit ja Nashin tasapaino. Esitta ja : Sebastian Siikavirta Strategiapelit ja Nashin tasapaino. Esitta ja : Sebastian Siikavirta Johdantoa peliteoriaan - ka ytetyt termit Peliteoria tutkii pelaajien toimintaa peleissa. Mika on peli? Mika on pelaaja? Peli tarkasti

Lisätiedot

TAMPEREEN YLIOPISTO Pro gradu -tutkielma. Tero Sirkka. Peliteoriaa

TAMPEREEN YLIOPISTO Pro gradu -tutkielma. Tero Sirkka. Peliteoriaa TAMPEREEN YLIOPISTO Pro gradu -tutkielma Tero Sirkka Peliteoriaa Informaatiotieteiden yksikkö Matematiikka Toukokuu 2013 Tampereen yliopisto Informaatiotieteiden yksikkö Sirkka, Tero: Peliteoriaa Pro gradu

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

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

Epätäydellisen tiedon jatkuvat pelit

Epätäydellisen tiedon jatkuvat pelit Epätäydellisen tiedon jatkuvat pelit Mika Viljanen Helsinki 4..2006 Peliteorian seminaari HELSINGIN YLIOPISTO Tietojenkäsittelytieteen laitos Sisältö Johdanto 2 Epätäydellisen tiedon jatkuva peli 2. Jatkuvan

Lisätiedot

Konsensusongelma hajautetuissa järjestelmissä. Niko Välimäki Hajautetut algoritmit -seminaari

Konsensusongelma hajautetuissa järjestelmissä. Niko Välimäki Hajautetut algoritmit -seminaari Konsensusongelma hajautetuissa järjestelmissä Niko Välimäki 30.11.2007 Hajautetut algoritmit -seminaari Konsensusongelma Päätöksen muodostaminen hajautetussa järjestelmässä Prosessien välinen viestintä

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

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

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

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

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

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

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

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

Matematiikan tukikurssi, kurssikerta 2

Matematiikan tukikurssi, kurssikerta 2 Matematiikan tukikurssi kurssikerta 1 Relaatioista Oletetaan kaksi alkiota a ja b. Näistä kumpikin kuuluu johonkin tiettyyn joukkoon mahdollisesti ne kuuluvat eri joukkoihin; merkitään a A ja b B. Voidaan

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

A. Huutokaupat ovat tärkeitä ainakin kolmesta syystä. 1. Valtava määrä taloudellisia transaktioita tapahtuu huutokauppojen välityksellä.

A. Huutokaupat ovat tärkeitä ainakin kolmesta syystä. 1. Valtava määrä taloudellisia transaktioita tapahtuu huutokauppojen välityksellä. HUUTOKAUPOISTA A. Huutokaupat ovat tärkeitä ainakin kolmesta syystä 1. Valtava määrä taloudellisia transaktioita tapahtuu huutokauppojen välityksellä. 2. Huutokauppapelejä voidaan käyttää taloustieteen

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

Luento 6: Monitavoiteoptimointi

Luento 6: Monitavoiteoptimointi Luento 6: Monitavoiteoptimointi Monitavoiteoptimointitehtävässä on useita optimoitavia kohdefunktioita eli ns kriteereitä: f 1,, f m Esimerkiksi opiskelija haluaa oppia mahdollisimman hyvin ja paljon mahdollisimman

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

Pystysuuntainen hallinta 2/2

Pystysuuntainen hallinta 2/2 Pystysuuntainen hallinta 2/2 Noora Veijalainen 19.2.2003 Yleistä Tarkastellaan tilannetta jossa: - Ylävirran tuottajalla on yhä monopoliasema - Alavirran sektorissa vallitsee kilpailu - Tuottaja voi rajoitteillaan

Lisätiedot

Martingaalit ja informaatioprosessit

Martingaalit ja informaatioprosessit 4A Martingaalit ja informaatioprosessit Tämän harjoituksen tavoitteena on tutustua satunnaisvektorin informaation suhteen lasketun ehdollisen odotusarvon käsitteeseen sekä oppia tunnistamaan, milloin annettu

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

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

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

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

Taloustieteen mat.menetelmät 2017 materiaali 1

Taloustieteen mat.menetelmät 2017 materiaali 1 Taloustieteen mat.menetelmät 2017 materiaali 1 1 Taloustiede tutkii niukkojen resurssien kohdentamista kilpaileviin tarkoituksiin mikä on hyvä tapa kohdentaa? miten arvioida tuloksia? mitä niukkuus tarkoittaa?

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

Luento 6: Monitavoitteinen optimointi

Luento 6: Monitavoitteinen optimointi Luento 6: Monitavoitteinen optimointi Monitavoitteisessa optimointitehtävässä on useita optimoitavia kohdefunktioita eli ns kriteereitä: f,,f m Esimerkki ortfolion eli arvopaperijoukon optimoinnissa: f

Lisätiedot

Kvanttimekaniikan tulkinta

Kvanttimekaniikan tulkinta Kvanttimekaniikan tulkinta 20.1.2011 1 Klassisen ja kvanttimekaniikan tilastolliset formuloinnit 1.1 Klassinen mekaniikka Klassisen mekaniikan systeemin tilaa kuvaavat kappaleiden koordinaatit ja liikemäärät

Lisätiedot

Moniulotteisia todennäköisyysjakaumia

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

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

Reaalifunktioista 1 / 17. Reaalifunktioista

Reaalifunktioista 1 / 17. Reaalifunktioista säilyy 1 / 17 säilyy Jos A, B R, niin funktiota f : A B sanotaan (yhden muuttujan) reaalifunktioksi. Tällöin karteesinen tulo A B on (aiempia esimerkkejä luonnollisemmalla tavalla) xy-tason osajoukko,

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

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen MAT-25 Todennäköisyyslaskenta Tentti 12.4.216 / Kimmo Vattulainen Funktiolaskin sallittu. Palauta kaavakokoelma 1. a) Pelaajat A ja B heittävät noppaa vuorotellen ja pelin voittaa se, joka saa ensimmäiseksi

Lisätiedot

Odotusarvo. Odotusarvon ominaisuuksia Satunnaismuuttujien ominaisuuksia 61

Odotusarvo. Odotusarvon ominaisuuksia Satunnaismuuttujien ominaisuuksia 61 3.3. Satunnaismuuttujien ominaisuuksia 61 Odotusarvo Määritelmä 3.5 (Odotusarvo) Olkoon X diskreetti satunnaismuuttuja, jonka arvojoukko on S ja todennäköisyysfunktio f X (x). Silloin X:n odotusarvo on

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

Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia TKK (c) Ilkka Mellin (2005) 1 Normaalijakaumasta johdettuja jakaumia Johdanto χ 2 -jakauma F-jakauma t-jakauma TKK (c) Ilkka Mellin

Lisätiedot

Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu

Luento 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

Lisätiedot

PELITEORIAN TALOUSTIETEELLISIÄ SOVELLUKSIA

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

Lisätiedot

(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

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

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

Tenniksen pistelaskusäännöt, lukio/ammatilliset oppilaitokset

Tenniksen pistelaskusäännöt, lukio/ammatilliset oppilaitokset Tenniksen pistelasku Useimmat meistä ovat joskus katsoneet TV:stä tennisottelua. Katsoja kokee jännitystä voidessaan seurata kuinka pisteden kertyminen johtaa ottelun päättymisen toisen pelaajan voittoon

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

4.0.2 Kuinka hyvä ennuste on?

4.0.2 Kuinka hyvä ennuste on? Luonteva ennuste on käyttää yhtälöä (4.0.1), jolloin estimaattori on muotoa X t = c + φ 1 X t 1 + + φ p X t p ja estimointivirheen varianssi on σ 2. X t }{{} todellinen arvo Xt }{{} esimaattori = ε t Esimerkki

Lisätiedot

Ensimmäinen induktioperiaate

Ensimmäinen induktioperiaate Ensimmäinen induktioperiaate Olkoon P(n) luonnollisilla luvuilla määritelty predikaatti. (P(n) voidaan lukea luvulla n on ominaisuus P.) Todistettava, että P(n) on tosi jokaisella n N. ( Kaikilla luonnollisilla

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

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

Jos nyt on saatu havaintoarvot Ü ½ Ü Ò niin suurimman uskottavuuden

Jos nyt on saatu havaintoarvot Ü ½ Ü Ò niin suurimman uskottavuuden 1.12.2006 1. Satunnaisjakauman tiheysfunktio on Ü µ Üe Ü, kun Ü ja kun Ü. Määritä parametrin estimaattori momenttimenetelmällä ja suurimman uskottavuuden menetelmällä. Ratkaisu: Jotta kyseessä todella

Lisätiedot

VEKTORIANALYYSIN HARJOITUKSET: VIIKKO 4

VEKTORIANALYYSIN HARJOITUKSET: VIIKKO 4 VEKTORIANALYYSIN HARJOITUKSET: VIIKKO 4 Jokaisen tehtävän jälkeen on pieni kommentti tehtävään liittyen Nämä eivät sisällä mitään kovin kriittistä tietoa tehtävään liittyen, joten niistä ei tarvitse välittää

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

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

Ensimmäinen induktioperiaate

Ensimmäinen induktioperiaate 1 Ensimmäinen induktioperiaate Olkoon P(n) luonnollisilla luvuilla määritelty predikaatti. (P(n) voidaan lukea luvulla n on ominaisuus P.) Todistettava, että P(n) on tosi jokaisella n N. ( Kaikilla luonnollisilla

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

Talousmatematiikan perusteet: Luento 11. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla

Talousmatematiikan perusteet: Luento 11. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla Talousmatematiikan perusteet: Luento 11 Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla Esimerkki Esim. Yritys tekee kahta elintarviketeollisuuden käyttämää puolivalmistetta,

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

Normaalijakaumasta johdettuja jakaumia

Normaalijakaumasta johdettuja jakaumia Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Normaalijakaumasta johdettuja jakaumia TKK (c) Ilkka Mellin (2007) 1 Normaalijakaumasta johdettuja jakaumia >> Johdanto χ 2 -jakauma F-jakauma

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

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

Rationaalisen toimijan malli

Rationaalisen toimijan malli Rationaalisen toimijan malli 27.1.2010 Millainen on rationaalinen toimija? Rationaalisesti toimivan henkilön preferenssit oletetaan johdonmukaisiksi Käyttäytymistieteilijät korostavat kuitenkin tilanteita,

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

Informaation arvo. Ohjelmistotekniikan laitos OHJ-2550 Tekoäly, kevät

Informaation arvo. Ohjelmistotekniikan laitos OHJ-2550 Tekoäly, kevät 259 Informaation arvo Öljykenttään myydään porausoikeuksia, palstoja on n kappaletta, mutta vain yhdessä niistä on C euron edestä öljyä Yhden palstan hinta on C/n euroa Seismologi tarjoaa yritykselle tutkimustietoa

Lisätiedot

Funktion raja-arvo ja jatkuvuus Reaali- ja kompleksifunktiot

Funktion raja-arvo ja jatkuvuus Reaali- ja kompleksifunktiot 3. Funktion raja-arvo ja jatkuvuus 3.1. Reaali- ja kompleksifunktiot 43. Olkoon f monotoninen ja rajoitettu välillä ]a,b[. Todista, että raja-arvot lim + f (x) ja lim x b f (x) ovat olemassa. Todista myös,

Lisätiedot

Peliteoria luento 1. May 25, 2015. Peliteoria luento 1

Peliteoria luento 1. May 25, 2015. Peliteoria luento 1 May 25, 2015 Tavoitteet Valmius muotoilla strategisesti ja yhteiskunnallisesti kiinnostavia tilanteita peleinä. Kyky ratkaista yksinkertaisia pelejä. Luentojen rakenne 1 Joitain pelejä ajanvietematematiikasta.

Lisätiedot

Funktiot. funktioita f : A R. Yleensä funktion määrittelyjoukko M f = A on jokin väli, muttei aina.

Funktiot. 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 ],

Lisätiedot

ICS-C2000 Tietojenkäsittelyteoria Kevät 2016

ICS-C2000 Tietojenkäsittelyteoria Kevät 2016 ICS-C2000 Tietojenkäsittelyteoria Kevät 206 Kierros 0, 2. 24. maaliskuuta Huom! Perjantaina 25. maaliskuuta ei ole laskareita (pitkäperjantai), käykää vapaasti valitsemassanne ryhmässä aiemmin viikolla.

Lisätiedot

keskenään isomorfiset? (Perustele!) Ratkaisu. Ovat. Tämän näkee indeksoimalla kärjet kuvan osoittamalla tavalla: a 1 b 3 a 5

keskenään isomorfiset? (Perustele!) Ratkaisu. Ovat. Tämän näkee indeksoimalla kärjet kuvan osoittamalla tavalla: a 1 b 3 a 5 Johdatus diskreettiin matematiikkaan Harjoitus 6, 21.10.2015 1. Ovatko verkot keskenään isomorfiset? (Perustele!) Ratkaisu. Ovat. Tämän näkee indeksoimalla kärjet kuvan osoittamalla tavalla: a 2 b 4 a

Lisätiedot

Vapaus. Määritelmä. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee:

Vapaus. Määritelmä. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: 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

Rationaalisen valinnan teoria

Rationaalisen valinnan teoria Rationaalisen valinnan teoria Rationaalisuuden teoriat 1) Mihin meillä on perusteita uskoa? 2) Mitä meidän pitäisi tehdä? 3) Mitä päämääriä meillä tulisi olla? Näitä kysymyksiä vastaavat uskomusten rationaalisuus,

Lisätiedot

Säännölliset kielet. Sisällys. Säännölliset kielet. Säännölliset operaattorit. Säännölliset kielet

Säännölliset kielet. Sisällys. Säännölliset kielet. Säännölliset operaattorit. Säännölliset kielet TIEA241 Automaatit ja kieliopit, kesä 2013 Antti-Juhani Kaijanaho TIETOTEKNIIKAN LAITOS 24. toukokuuta 2013 Sisällys Formaalit kielet On tapana sanoa, että merkkijonojen joukko on (formaali) kieli. Hieman

Lisätiedot

Johdatus todennäköisyyslaskentaan Kokonaistodennäköisyys ja Bayesin kaava. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Kokonaistodennäköisyys ja Bayesin kaava. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Kokonaistodennäköisyys ja Bayesin kaava TKK (c) Ilkka Mellin (2005) 1 Kokonaistodennäköisyys ja Bayesin kaava Kokonaistodennäköisyys ja Bayesin kaava: Johdanto Kokonaistodennäköisyyden

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

(b) Onko hyvä idea laske pinta-alan odotusarvo lähetmällä oletuksesta, että keppi katkeaa katkaisukohdan odotusarvon kohdalla?

(b) Onko hyvä idea laske pinta-alan odotusarvo lähetmällä oletuksesta, että keppi katkeaa katkaisukohdan odotusarvon kohdalla? 6.10.2006 1. Keppi, jonka pituus on m, taitetaan kahtia täysin satunnaisesti valitusta kohdasta ja muodostetaan kolmio, jonka kateetteina ovat syntyneet palaset. Kolmion pinta-ala on satunnaismuuttuja.

Lisätiedot

Tehtävät. 1. Ratkaistava epäyhtälöt. a) 2(4 x) < 12, b) 5(x 2 4x + 3) < 0, c) 3 2x 4 > 6. 1/10. Sukunimi (painokirjaimin)

Tehtävät. 1. Ratkaistava epäyhtälöt. a) 2(4 x) < 12, b) 5(x 2 4x + 3) < 0, c) 3 2x 4 > 6. 1/10. Sukunimi (painokirjaimin) 1/10 Tehtävä 1 2 3 4 5 6 7 8 9 10 Yhteensä Pisteet (tarkastaja merkitsee) Kokeessa on kymmenen tehtävää, joista jokainen on erillisellä paperilla. Jokaisen tehtävän maksimipistemäärä on 6 pistettä. Ratkaise

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 20. syyskuuta 2007 Antti Rasila () TodB 20. syyskuuta 2007 1 / 17 1 Kolmogorovin aksioomat σ-algebra Tapahtuman todennäköisyys 2 Satunnaismuuttujat Todennäköisyysjakauma

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

Injektio (1/3) Funktio f on injektio, joss. f (x 1 ) = f (x 2 ) x 1 = x 2 x 1, x 2 D(f )

Injektio (1/3) Funktio f on injektio, joss. f (x 1 ) = f (x 2 ) x 1 = x 2 x 1, x 2 D(f ) Injektio (1/3) Määritelmä Funktio f on injektio, joss f (x 1 ) = f (x 2 ) x 1 = x 2 x 1, x 2 D(f ) Seurauksia: Jatkuva injektio on siis aina joko aidosti kasvava tai aidosti vähenevä Injektiolla on enintään

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

Sopimusteoria: Salanie luku 3.2

Sopimusteoria: Salanie luku 3.2 Sopimusteoria: Salanie luku 3.2 Antti Pirjetä Taloustieteiden kvantitatiiviset menetelmät Helsingin kauppakorkeakoulu 12.2.2008 1 Kilpaillut markkinat, yksi tai useampi päämies Agenttien 1 ja 2 tuottamat

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

Tehtävä 4 : 2. b a+1 (mod 3)

Tehtävä 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,

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