MIKROTEORIA, HARJOITUS 3 KYSYNTÄ YLI AJAN JA EPÄVARMUUDEN VALLITESSA, OSTAJANA JA MYYJÄNÄ, SEKÄ TYÖN TARJONTA



Samankaltaiset tiedostot
4. Derivointi useammassa ulottuvuudessa

= + + = 4. Derivointi useammassa ulottuvuudessa

min x x2 2 x 1 + x 2 1 = 0 (1) 2x1 1, h = f = 4x 2 2x1 + v = 0 4x 2 + v = 0 min x x3 2 x1 = ± v/3 = ±a x 2 = ± v/3 = ±a, a > 0 0 6x 2

Harjoitus 7: vastausvihjeet

Luku 10 Intertemporaalinen valinta

Optioiden hinnoittelu binomihilassa

Y56 Mikrotaloustieteen jatkokurssi kl 2010: HARJOITUSTEHTÄVÄT 2

Rahoitusriskit ja johdannaiset Matti Estola. luento 10 Binomipuut ja optioiden hinnoittelu

1 Rajoitettu optimointi I

Käyttöarvon kvantitatiivisesta mittaamisesta. Tommi Höynälänmaa 19. marraskuuta 2012

MIKROTEORIA, HARJOITUS 5 YRITYKSEN VOITON MAKSIMOINTI JA KUSTANNUSTEN MINIMOINTI

Duaalisuus kokonaislukuoptimoinnissa. Mat , Sovelletun matematiikan tutkijaseminaari, kevät 2008, Janne Karimäki

Arvo (engl. value) = varmaan attribuutin tulemaan liittyvä arvo. Päätöksentekijä on riskipakoinen, jos hyötyfunktio on konkaavi. a(x) = U (x) U (x)

763105P JOHDATUS SUHTEELLISUUSTEORIAAN 1 Ratkaisut 5 Kevät 2016

Luento 12: Duaalitehtävä. Tarkennuksia Lagrangen kertoimen tulkintaan. Hajautettu optimointi.

Luento 9. June 2, Luento 9

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008

Luento 5: Peliteoriaa

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.

Luku 26 Tuotannontekijämarkkinat. Tuotannontekijämarkkinat ovat tärkeä osa taloutta. Esimerkiksi

I I K UL U UT U T T A T JANTE T O E R O I R A

havainnollistus, muokkaus ja viimeistely

b 1. b m ) + ( 2b Ax) + (b b)

1. Etsi seuraavien funktioiden kriittiset pisteet ja tutki niiden laatu: (a.) f(x,y) = 20x 2 +10xy +5y 2 (b.) f(x,y) = 4x 2 2y 2 xy +x+2y +100

Y56 Mikrotaloustieteen jatkokurssi kl 2010: HARJOITUSTEHTÄVÄT 2 Mallivastaus

Omakotitalon energiaratkaisu Pieni askel omavaraisuuteen.

Nollasummapelit ja bayesilaiset pelit

Luku 26 Tuotannontekijämarkkinat. Tuotannontekijämarkkinat ovat tärkeä osa taloutta. Esimerkiksi

Moraalinen uhkapeli: perusmalli ja optimaalinen sopimus

Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu

MIKROTEORIA, HARJOITUS 6 YRITYKSEN JA TOIMIALAN TARJONTA JA VOITTO TÄYDELLISESSÄ KILPAILUSSA, SEKÄ MONOPOLI

Luento 12: Duaalitehtävä. Tarkennuksia Lagrangen kertoimen tulkintaan. Hajautettu optimointi.

Sekalaiset tehtävät, 11. syyskuuta 2005, sivu 1 / 13. Tehtäviä

Hyppy Pekingiin 2008 Tapani Keränen (Kihu) ja Juhani Evilä (SUL)

Matematiikan tukikurssi

Lineaarisen ohjelman määritelmä. Joonas Vanninen

Toispuoleiset raja-arvot

Miten osoitetaan joukot samoiksi?

Talousmatematiikan perusteet

Haitallinen valikoituminen: Kahden tyypin malli

Matematiikan tukikurssi: kurssikerta 12

BM20A5840 Usean muuttujan funktiot ja sarjat Harjoitus 7, Kevät 2018

HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2017 Harjoitus 1 Ratkaisuehdotuksia

58131 Tietorakenteet ja algoritmit (kevät 2014) Uusinta- ja erilliskoe, , vastauksia

L a = L l. rv a = Rv l v l = r R v a = v a 1, 5

Tehtävä 4 : 2. b a+1 (mod 3)

Millaisia ovat finanssipolitiikan kertoimet

Inversio-ongelmien laskennallinen peruskurssi Luento 7

Ulkomaalaistaustainen ehkäisyneuvolassa. Tuire Saloranta TKL Vantaan perhesuunnittelun vastuulääkäri

1. Olkoot f ja g reaalifunktioita. Mitä voidaan sanoa yhdistetystä funktiosta g f, jos a) f tai g on rajoitettu? b) f tai g on jaksollinen?

Taloustieteiden tiedekunta Opiskelijavalinta YHT Henkilötunnus


MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 3: Jatkuvuus

Lyhyen aikavälin hintakilpailu 2/2

Harjoitusten 2 ratkaisut

Haitallinen valikoituminen: yleinen malli ja sen ratkaisu

Malliratkaisut Demot

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

Diskreetin matematiikan perusteet Laskuharjoitus 1 / vko 8

Matematiikan johdantokurssi, syksy 2017 Harjoitus 8, ratkaisuista

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

S SÄHKÖTEKNIIKKA

saadaan kvanttorien järjestystä vaihtamalla ehto Tarkoittaako tämä ehto mitään järkevää ja jos, niin mitä?

Identifiointiprosessi

Öljysäiliö maan alla

Epäyhtälöt ovat yksi matemaatikon voimakkaimmista

Määritelmiä. Nopanheitossa taas ω 1 = saadaan 1, ω 2 = saadaan 2,..., ω 6 = saadaan

Todennäköisyyslaskenta IIa, syyslokakuu 2019 / Hytönen 2. laskuharjoitus, ratkaisuehdotukset

Tasasähköyhteyden suuntaaj-asema. Ue j0ƒ. p,q

MAATALOUS-METSÄTIETEELLISEN TIEDEKUNNAN VALINTAKOE 2014

Mittausepävarmuuden arviointi mikrobiologisissa viljelymenetelmissä. 1. Tilastollisesti riippumattomien epävarmuuskomponenttien yhdistäminen

Y56 Mikron jatkokurssi kl 2009: HARJOITUSTEHTÄVÄT 2

Diskreetti derivaatta

Biokasvu Oy. Maatalouden ja teollisuuden sivutuotteiden jatkojalostus ja uusiokäyttö kestävän kehityksen ehdoin

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

k S P[ X µ kσ] 1 k 2.

Vanhoja koetehtäviä. Analyyttinen geometria 2016

4. Taajuusalueen suodatus 4.1. Taustaa Perusteita

Kahdeksansolmuinen levyelementti

Harjoitus 5 ( )

Johdatus matemaattiseen päättelyyn

Harjoitus 5 / viikko 7

Mat Sovellettu todennäköisyyslasku A. Diskreetit jakaumat Jatkuvat jakaumat. Avainsanat:

1 Rajoittamaton optimointi

w + x + y + z =4, wx + wy + wz + xy + xz + yz =2, wxy + wxz + wyz + xyz = 4, wxyz = 1.

HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 1 Ratkaisuehdotuksia Tehtäväsarja I

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

Matematiikan tukikurssi

1. Arvioi kummalla seuraavista hyödykkeistä on hintajoustavampi kysyntä

Kokemuksia muutoksesta ja johtamisesta luvulta tähän päivään. Keijo Mutanen KIM Ventures Oy Joensuu

d ) m d (I n ) = 2 d n d. Koska tämä pätee kaikilla

MATP153 Approbatur 1B Ohjaus 2 Keskiviikko torstai

Valikoima, laatu ja mainonta

Hintadiskriminaatio 2/2

Sisällys. näytesivu. Kirjaimet. Aiheet. Symbolit... 7

Diskreettiaikainen dynaaminen optimointi

Ratkaisuehdotukset LH 7 / vko 47

MS-C2105 Optimoinnin perusteet Malliratkaisut 5

1 Kertaus. Lineaarinen optimointitehtävä on muotoa:

1. Vastaa seuraavaan tehtävään. Tehtävään liittyvä kuva on seuraavalla sivulla

Transkriptio:

MIKROTEORI, HRJOITUS 3 KYSYNTÄ YLI JN J EPÄVRMUUEN VLLITESS, OSTJN J MYYJÄNÄ, SEKÄ TYÖN TRJONT Voistojen eistämässä kylässä kasvatetaan ainoana elinkeinona vehnää Sadot vaihtelevat vosittain, siten, että hyvä ja hono satovosi seaavat aina toisiaan Voden sato on 000 kiloa ja voden sato on 50 kiloa Kn satoa vaastoidaan, syövät otat siitä aina 5% Ratkaise, mikä viljan klts maksimoi kyläläisten hyödyn Piiä myös kva Paljonko viljaa otat syövät? Entä kn kylä avat maailmanmakkinoille? Hyötyfnktio: U (, ) djettiajoite, jossa -0,5, ω 000 ja ω 50: ω + ω + Ω + + Itse asiassa tässä on toinenkin ajoite lainaaminen ei ole mahdollista joten 000 (polveikas aj) Emme ota sitä mkaan Lagangen fnktioon, mtta vamistamme, että klts ei ylitä 000 kiloa Lagangen fnktio: L + Ω + 0 0 + + Ω 0 + Jakamalla ja ehdon polittain saamme +, jolloin 0, 75 3 ehdosta 0,75 50 + 000 + 00 00 0,75 0,75 ja 0,7500 450 U 00450 70000 Rotat syövät: 0,5(000 00) 00 Yhteydet paanevat: Usi bdjettiajoite: 50 + 000 +,, 3,3

Nyt optimiehto: +,, jolloin bdjettiajoitteesta: 3,3 58,8 ja, 58,8 5 U 58,85 3554 Ω Elät vain kaksi peiodia Ensimmäisellä peiodilla ansaitset 50000 eoa Toisella peiodilla olet eläkkeellä ja elät säästöillä Hyötyfnktiosi on motoa U(, ) Kohtaamasi koko, jolla voit ottaa tai antaa lainaa, on 0 % Jos kokotaso kohoaa, kinka käy peiodin kltkselle (kasvaako, pieneneekö vai säilyykö samana)? Kinka käy peiodin kltksen koon nostessa? Entä jos 50000 eon tlosi tlisivatkin peiodilla ( peidiodin tlo 0), kinka koon nos vaikttaisi peiodin kltkseesi? Hyötyfnktio: U (, ) djettiajoite, jossa,, ω 50000 ja ω 0: ω + ω + ω + + Lagangen fnktio: L + ω + 0 0 + +

ω + 0 Jakamalla ja ehdon polittain saamme +, jolloin ( + ) 3 ehdosta ( + ) ω + ω 5000 + ω ja ( + ) ( + ) 7500 U 50007500 87,5 milj Kompaatiivinen statiikka: 0 eli koolla ei vaiktsta eli peiodin klts säilyy samana ω > 0 eli koon nostessa peiodin klts kasvaa Kn kaikki tlot toisella peiodilla, bdjettiajoite ω ω + ω + + + ja 3 ehdosta ( + ) ω ω 77,7 ( + + + + ) ω ja ( + ) ( + ) 5000 ( + ) U 77,75000 58,8 milj Kompaatiivinen statiikka: ω < 0 eli koon nos johtaa peiodin kltksen laskn 4 + ( ) 0 eli koon nostessa peiodin klts säilyy samana 3 Klttajan täytyy ensin valita jompikmpi seaavista apajaisista: pajaiset tottavat 4000 todennäköisyydellä 0, ja 0 todennäköisyydellä 0,8 pajaiset tottavat 3000 todennäköisyydellä 0,5 ja 0 todennäköisyydellä 0,75 Sen jälkeen klttajan täytyy valita jompikmpi seaavista apajaisista: pajaiset tottavat 4000 todennäköisyydellä 0,8 ja 0 todennäköisyydellä 0, pajaiset tottavat 3000 todennäköisyydellä Oletetaan, että klttajan odotett hyöty on VNM-motoa a Oletetaan, että hyötyfnktio on motoa x) x / Onko klttaja iskin kaihtaja vai iskin akastaja? Mitkä valinnat hän tekee yo tilanteissa? valinta: pajainen :

Hyöty vaallisden odotsavosta: E U px + p x 0, 4000 + 0,80 ( )) ( 750) 750 7, 38 E U px + p x 0,53000 + 0,750 E[ U ( p x + p x ) 0, 4000 + 0,80) ( 800) 800 8, 8 ( )) Odotett hyöty: [ ( )], 5 pajainen : Odotett hyöty: [ ( )] 3, 9 Koska E [ U ( )] > ( )], klttaja valitsee apajaisen valinta: pajainen : ( )) 300) 300 5, 57 Odotett hyöty: [ U ( )] p x + p x 0,8 4000 + 0,0 50, E pajainen : ( )) 3000) 3000 54, 77 Odotett hyöty: [ U ( )] p x 3000 54, 77 E Koska [ U ( )] E U ( ) [ E > ], klttaja valitsee apajaisen Klttaja on iskin kaihtaja, koska E )) E[ U ( )] ( tai 0 (konkaavi) b Oletetaan, että hyötyfnktio on motoa x) x Onko klttaja iskin kaihtaja vai iskin akastaja? Mitkä valinnat hän tekee yo tilanteissa? valinta: pajainen : Hyöty vaallisden odotsavosta: )) px + p x ) 800) 800 0,4milj Odotett hyöty: E[ U ( )] px + p x 0, 4000 + 0,80 3,milj pajainen : )) 750) 750 0,55milj Odotett hyöty: E[ U ( )] p x + p x 0,53000 + 0,750, 5milj Koska E [ U ( )] < E U ( )], klttaja valitsee apajaisen valinta: [ pajainen : )) 300) 300 0,4milj Odotett hyöty: E[ U ( )] p x + p x 0,8 4000 + 0, 0,8 milj pajainen : E ( )) 3000 ) 3000 9milj Odotett hyöty: E[ U ( )] p x 3000 9 Koska [ U ( )] E U ( ) [ milj E < ], klttaja valitsee apajaisen Klttaja on iskin akastaja: )) E[ U ( )] ( tai 0 (konveksi) 4 Klttajan käytettävissä oleva aika on 4 tntia ja hänen osaketlonsa ovat 0 eoa/päivä on klts ja R vapaa-aika Kltshyödykkeen hinta on yksi ja klttajan tntipalkka on 0 eoa Seksiko modostvat päivittäinen optimaalinen työaika ja klts? Hyötyfnktio:

(, R) R U Olkoon osaketlot M0 ja sin mahdollinen käytettävissä oleva vapaa-aika R 4 Klts voidaan nyt kijoittaa: M + w( R R), missä ( R R) on työntekoon käytetty aika Tästä saadaan bdjettiajoite: + wr M + wr + 0 R 0 + 0 4 30 Lagangen fnktio: L R + 30 0R ( ) R 0 R 0 0 0 R 30 0R 0 Sijoittamalla R ja 3 ehtoon saamme 30 0 0 0 8, jolloin R 8 ja 80 ja työaika 4 8 U 808 340 5 Klttajan alkvaalliss on ω 0 ja ω 0 Klttajan hyötyfnktio on kvasilineaainen Olkoon hyödykkeen hinta yksi ja hyödykkeen hinta p Laske klttajan optimi Hyödykkeen hinta nosee siten, että p 3 Laske klttajan si optimi Minkä siset ovat sbstittio-, tavallinen tlo- ja vaalliss-tlovaiktkset? Käytä hyväksesi kvaa ja tietoa hyötyfnktion kvasilineaaisdesta Hyötyfnktio: ( x, x ) x x + 0 djettiajoite, jossa p, ω 0 ja ω 0: p x + x p ω + ω Lagangen fnktio: + 0x + x L x ω ( p ω + p x ) p x x 0 p 5x 0 x 5 p 5 p ω + ω p x x 0 x pω + ω x p Tällöin paametien annetilla avoilla alktilanteessa: x 70 ja x 00 pω + ω 5p p

70 + 00 70 Hinnan nosta (p 3): x 5 ja x 5 5 + 05 75 Sbstittiovaikts: lkpeäisen optimin katta klkeva den bdjettisoan sntainen soa: p ' x + x 3x + x 3 70 + 00 30 Sijoittamalla si hinta toiseen Lagange-yhtälöön saadaan x 5 s 85 ja bdjettisoasta tämän avlla 3x + 5 30 x 8, 3 3 s s 85 5 Siten sbstittiovaiktkseksi tlee x x x 70 4, 7 3 3 Tavallinen tlovaikts: Vaallisden alkpeäisen avon mkainen den bdjettisoan sntainen soa: p' x + x pω + ω 3x + x 70 + 00 40 Taas toisesta Lagange-yhtälöstä saadaan (tässä näkyy kvasilineaaiss, hyödykkeen kysyntä ei iip tlosta) x 5 n 5, ja 3x 5 40 3 5 + x n n s 85 70 Siten tavalliseksi tlovaiktkseksi saadaan x x x 5 3, 3 3 3 Vaallisstlovaikts: Vaallisden den avon mkainen den bdjsoan sntainen soa: p x + x p ' ω + ω 3x + x 300 ' x 5 x 5 m n x x x 5 5 0 Optimi: ja Siten Kokonaisvaikts: s n m 5 70 x x + x + x + 0 45 3 3

Mekitään pelien tottoja kvaavia satnnaismttjia pelien kijaimilla,, ja Olkoon w henkilön mielivaltainen alkvaalliss Määitellään myös seaavat satnnaismttjat: W + w, W + w, W + w ja W + w a) Henkilön hyödyn absolttisilla avoilla ei ole väliä Voidaan siis valita hyötyfnktio, jolla w)0 Nyt henkilö valitsee hkapelin, jos ja vain jos U ( W ) U ( W ) W 0 0, 0 )) W )) 0,89 0 Tämä on pyydetty ehto 0, 50 + 0, 50 + 0,0 w) b) Oletetaan, että henkilö valitsi vaihtoehdon Pätee siis, että 0, (0 0, (5 0 Toisaalta W )) 0, 0 + 0,89 w) 0, 0 W )) 0, 50 + 0,9 w) 0, 50 Sattmalta nämä ovat samat kin kohdan a) epäyhtälöehdossa olevat lvt Tästä seaa siis, että tlee päteä W )) W )) Henkilö siis valitsee hkapelin, jos ja vain jos hän valitsee myös hkapelin Mitkä hkapelit itse valitsisit? ja Katso kijan s Jos klttajan pefeenssejä kvaa mielivaltainen hyötyfnktio v(x), jolla v(w)k, niin samoja pefeenssejä kvaa myös hyötyfnktio x)v(x)-k Tällöin w)v(w)-kk-k0