ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008

Samankaltaiset tiedostot
ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus Mitkä todennäköisyystulkinnat sopivat seuraaviin väitteisiin?

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus 4

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus 3

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

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

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus 5 (Koetentti)

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

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2016 Harjoitusten 4 ja 5 ratkaisuehdotuksia

ORMS 2020 Päätöksenteko epävarmuuden vallitessa. Tommi Sottinen

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008

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

Päätöksentekomenetelmät

Todennäköisyyslaskenta I, kesä 2017 Helsingin yliopisto/avoin Yliopisto Harjoitus 1, ratkaisuehdotukset

Päätöksentekomenetelmät

Mat Sovellettu todennäköisyyslasku A

x 4 e 2x dx Γ(r) = x r 1 e x dx (1)

A Lausekkeen 1,1 3 arvo on 1,13 3,3 1,331 B Tilavuus 0,5 m 3 on sama kuin 50 l 500 l l C Luvuista 2 3, 6 7

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

T Luonnollisen kielen tilastollinen käsittely Vastaukset 3, ti , 8:30-10:00 Kollokaatiot, Versio 1.1

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

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

= 3 = 1. Induktioaskel. Induktio-oletus: Tehtävän summakaava pätee jollakin luonnollisella luvulla n 1. Induktioväite: n+1

Juuri 10 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty

Luento 9. June 2, Luento 9

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy Jatkossa ratkaisuehdotukset ovat tyypillisesti paljon lakonisempia.

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

D ( ) E( ) E( ) 2.917

1. Tässä tehtävässä päätellään kaksilapsisen perheen lapsiin liittyviä todennäköisyyksiä.

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

Nollasummapelit ja bayesilaiset pelit

9 Yhteenlaskusääntö ja komplementtitapahtuma

Luento 5: Peliteoriaa

Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Verkot ja todennäköisyyslaskenta

Otanta ilman takaisinpanoa

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

Turun seitsemäsluokkalaisten matematiikkakilpailu Ratkaisuita

4. laskuharjoituskierros, vko 7, ratkaisut

MS-C2105 Optimoinnin perusteet Malliratkaisut 5

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008

Yksikkökate tarkoittaa katetuottoa yhden tuotteen kohdalla. Tämä voidaan määrittää vain jos myytäviä tuotteita on vain yksi.

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

1. Kuusisivuista noppaa heitetään, kunnes saadaan silmäluku 5 tai 6. Olkoon X niiden heittojen lukumäärä, joilla tuli 1, 2, 3 tai 4.

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)

Johdatus todennäköisyyslaskentaan Todennäköisyyslaskenta ja puudiagrammit. TKK (c) Ilkka Mellin (2005) 1

Osa 1: Todennäköisyys ja sen laskusäännöt. Kokonaistodennäköisyyden ja Bayesin kaavat

Varma tapahtuma, Yhdiste, Yhdistetty tapahtuma, Yhteenlaskusääntö

Mat Sovellettu todennäköisyyslasku A

Todennäköisyyslaskenta ja puudiagrammit. Todennäköisyyslaskenta ja puudiagrammit. Todennäköisyyslaskenta ja puudiagrammit: Esitiedot

A-Osio. Ei saa käyttää laskinta, maksimissaan tunti aikaa. Valitse seuraavista kolmesta tehtävästä kaksi, joihin vastaat:

Matematiikan tukikurssi, kurssikerta 5


4 LUKUJONOT JA SUMMAT

1. a. Ratkaise yhtälö 8 x 5 4 x + 2 x+2 = 0 b. Määrää joku toisen asteen epäyhtälö, jonka ratkaisu on 2 x 1.

Liite 2: Verkot ja todennäköisyyslaskenta. Todennäköisyyslaskenta ja puudiagrammit

Matematiikan tukikurssi

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

Ratkaisu: a) Koroton takaisinmaksuaika on 9000 = 7,5 vuotta b) Kun vuosituotot pysyvät vakiona, korollinen takaisinmaksuaika määräytyy

Mat Sovellettu todennäköisyyslasku A

Matemaattinen Analyysi

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.

a) Mitkä seuraavista ovat samassa ekvivalenssiluokassa kuin (3, 8), eli kuuluvat joukkoon

Äärellisten mallien teoria

Ilkka Mellin Todennäköisyyslaskenta. Osa 3: Todennäköisyysjakaumia. Diskreettejä jakaumia. TKK (c) Ilkka Mellin (2007) 1

Matematiikan mestariluokka, syksy

Positiivitermisten sarjojen suppeneminen

MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ

OTATKO RISKIN? peli. Heitä noppaa 3 kertaa. Tavoitteena on saada

Todennäköisyys (englanniksi probability)

Reaalifunktioista 1 / 17. Reaalifunktioista

Matematiikan peruskurssi 2

MS-A0104 Differentiaali- ja integraalilaskenta 1 (ELEC2) MS-A0106 Differentiaali- ja integraalilaskenta 1 (ENG2)

&idx=2&uilang=fi&lang=fi&lvv=2015

1. Mikä on lukujen 10, 9, 8,..., 9, 10 summa? 2. Mikä on lukujen 10, 9, 8,..., 9, 10 tulo? =?

T Luonnollisten kielten tilastollinen käsittely

1. laskuharjoituskierros, vko 4, ratkaisut

3. Kongruenssit. 3.1 Jakojäännös ja kongruenssi

Anna jokaisen kohdan vastaus kolmen merkitsevän numeron tarkkuudella muodossa

Mat Sovellettu todennäköisyyslasku. Aiheet: Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Avainsanat:

Matematiikan tukikurssi, kurssikerta 3

10 y 2 3 x D 100; D D a: Vastaavasti sadalla kilometrillä kulutettavan polttoaineen E10 energiasisältö on x a C 10

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

1.1. RATIONAALILUVUN NELIÖ

Kenguru Student (lukion 2. ja 3. vuosi) sivu 1 / 6

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

Tehtävänanto oli ratkaista seuraavat määrätyt integraalit: b) 0 e x + 1

a) Sievennä lauseke 1+x , kun x 0jax 1. b) Aseta luvut 2, 5 suuruusjärjestykseen ja perustele vastauksesi. 3 3 ja

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 5: Taylor-polynomi ja sarja

(x, y) 2. heiton tulos y

Todennäköisyyslaskenta - tehtävät

A ja B pelaavat sarjan pelejä. Sarjan voittaja on se, joka ensin voittaa n peliä.

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

&idx=2&uilang=fi&lang=fi&lvv=2015

Miten hyvin mallit kuvaavat todellisuutta? Tarvitaan havaintoja.

Konsensusongelma hajautetuissa järjestelmissä. Niko Välimäki Hajautetut algoritmit -seminaari

Testaa taitosi Piirrä yksikköympyrään kaksi erisuurta kulmaa, joiden a) sini on 0,75 b) kosini on

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

Reaalioptioden käsitteen esittely yksinkertaisen esimerkin avulla

Sovellettu todennäköisyyslaskenta B

Moraalinen uhkapeli: perusmalli ja optimaalinen sopimus

Transkriptio:

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008 Haroitus 2 Ratkaisuehdotuksia 1. Työpaikalla ärestetään huumetesti. Testi on 99% varma. Toisin sanoen vain 1% huumeenkäyttäistä ää palastumatta a vain 1% niistä, otka eivät käytä huumeita antavat väärän positiivisen. Oletamme, että arviolta noin yksi kymmenestä tuhannesta ihmisestä käyttää huumeita. Työntekiä Pekka menee huumetestiin a saa positiivisen tuloksen. Mikä on todennäköisyys, että Pekka on huumeidenkäyttää? Ratkaisuehdotus: Olkoot A Pekka on huumeidenkäyttää, E huumetestistä tuli positiivinen tulos Pekalle. Kysytty todennäköisyys on P(A E). Tyypillinen aatusvirhe tässä ongelmassa on vastata todennäköisyydellä P(E A) 99%. Tätä ei kuitenkaan kysytty! Todennäköisyys P(A E) voidaan laskea käyttämällä Bayesin kaavaa (1) P(A E) P(A)P(E A) P(E) 0,0001 0,99 P(E) 0,000099. P(E) Jotta kaavaa (1) voitaisiin käyttää tulee meidän määrätä todennäköisyys P(E). Kokonaistodennäköisyyden kaavan noalla P(E) P(E A) + P(E A c ) P(A)P(E A) + P(A c )P(E A c ) 0,0001 0,99 + 0,9999 0,01 0,010098. Sioittamalla tämä kaavaan (1) saamme P(A E) 0,0098039 0,1%. Siispä vaikka testi on 99% varma, niin Pekka mitä luultavimmin ei ole huumeidenkäyttää! Syy pieneen todennäköisyyteen olla huumeidenkäyttää positiivisella testituloksella on huumeidenkäyttäien pieni osuus populaatiosta. Siten suurin osa positiivistista testituloksista (yli 99%) on vääriä positiivisia. 1

2. Pekka a Jukka päättävät pelata perantai-illan ratoksi venäläistä rulettia. Yhteisen sopimuksen mukaan Pekka aloittaa, eli Pekka vetää liipaisimesta ensin. Rulettia pelataan kunnes peli päättyy luonnollisella traagisella tavallaan. Onko peli reilu, kun (a) rullaa pyöräytetään ennen okaista liipaisimenvetoa, (b) rullaa pyöräytetään ainoastaan ennen ensimmäistä liipaisimenvetoa? Ratkaisuehdotus: Kohdassa (a) pitää aatella loputonta laukausten saraa, sillä peli voi kestää periaatteessa loputtomasti. Olkoot A Pekka häviää a A n Pekka häviää kierroksella nro n. Tällöin P(A) P(A n ). Ratkaistaan sitten todennäköisyys P(A n ). Selvästi P(A 1 ) 1/6. Entä P(A 2 )? Olkoon n1 B n Jukka häviää kierroksella nro n. Nyt A 2 sattuu, os ensiksi sattuu A c 1, sitten sattuu Bc 1, a sitten sattuu A 2. Siten P(A 2 ) P(A c 1 B c 1 A 2 ) Samalla tavalla näemme, että P(A c 1)P(B c 1 A c 1)P(A 2 A c 1 B c 1) 5/6 5/6 1/6. P(A 3 ) P(A c 1 B c 1 A c 2 B c 2 A 3 ) P(A c 1)P(B c 1 A c 1)P(A c 2 A c 1 B c 1) P(B c 2 A c 1 B c 1 A c 2)P(A 3 A c 1 B c 1 A c 2 B c 2) 5/6 5/6 5/6 5/6 1/6. Jatkamalla samalla tavalla näemme yleisen kuvion: P(A n ) (5/6) 2(n 1) 1/6. 2

Siten käyttämällä geometrisen saran laskusääntöa saamme P(A) P(A n ) Siten peli ei ole reilu. n1 (5/6) 2(n 1) 1/6 n1 1/6 1/6 (5/6) 2n n0 (25/36) n n0 1/6 1/(1 25/36) 1/6 36/11 6/11 > 1/2. Kohdassa (b) kannattaa aatella kuutta laukausta (enempää ei tarvita pelin loppuunsaattamiseksi). Mikäli luoti on pesässä laukauksella 1, 3, tai 5, kuolee Pekka. Mikäli luoti on pesässä laukauksella 2, 4 tai 6 kuolee Jukka. Koska luoti on rullan pyöräyttämisen älkeen pesässä yhtä hyvin millä tahansaa laukauksista 1, 2, 3, 4, 5 tai 6, peli on reilu. 3. Kuusi avioparia osallistuu parinvaihtopippaloihin, ossa uudet parit arvotaan umpimähkään. Mikä on todennäköisyys, että vähintään yksi arvottu pari on aviopari? Entä os osallistuvia parea on 60? Entä os osallistuvia parea on 600? Entä os osallistuvia parea on 6.000.000? Ratkaisuehdotus: Tarkastelemme yleistä tapausta, ossa on n avioparia. Olkoon a A k Aviopari nro k paritetaan pippaloissa, A Jokin aviopari paritetaan pippaloissa. Selvästi A A 1 A 2 A n, oten P(A) P(A 1 A 2 A n ). Ongelma on nyt, että tapahtumat A k eivät ole erillisiä, oten emme voi käyttää kaavaa n P(A 1 A 2 A n ) P(A k ). 3 k1

Sen siaan käytämme inkluusio/eksluusiokaavaa P(A 1 A 2 A n ) n n P(A i ) i1 i 1 <i 2 1 P(A i1 A i2 ) + + +( 1) n 1 P(A 1 A 2 A n ). Seuraavaksi tulee määrätä todennäköisyydet n i 1 <i 2 <i 3 1 P(A i1 A i2 A ik ) P(A i1 A i2 A i3 ) kaikille i 1 < i 2 < < i k a k n. Toistoaattelulla näemme, että P(A i1 A i2 A ik ) 1 n 1 n 1 1 n k + 1. Siten summattavat termit inkluusio/ekskluusiokaavan summissa ovat kaikki samoa summan sisällä. Koska k:nnessa summassa on ( ) n n! k (n k)! huomaamme että inkluusio/ekskluusiokaavan k:nnen termin arvo on ( 1) k 1 n! (n k)! 1 n 1 n 1 1 n k + 1 ( 1)k 1. Siispä (2) P(A) n ( 1) k 1. k1 Tulos ei sinänsä tästä sievene paloakaan, mutta huomaamme eksponenttifunktion läsnäolon: e x x k. k0 4

Koska eksponenttifunktion saraesitys suppenee nopeasti, niin P(A) n ( 1) k 1 k1 n ( 1) k k1 ( n ) ( 1) k 1 k0 ( ) ( 1) k 1 k0 ( e 1 1 ) 1 e 1 63,212%. Tämä tarkoittaa, että arvio kysytyille todennäköisyyksille on 1 e 1 63,212% oka ikisellä n, a tämä arvio on sitä parempi mitä suurempi n on. Tarkat arvot saadaan tietysti sarasta (2): n 6 : 63,194%, n 60 : 63,212%, n 600 : 63,212%, n 6.000.000 : 63,212%. 4. Sadistinen milonääri taroaa arpalippua (ilmaiseksi). (a) Arpalippua on 10.000 kappaletta. Arpalipuista 9.999 on sellaisia, että sadistinen milonääri antaa lipun haltialle 1.000 euroa, mutta yksi lipuista on sellainen, että lipun haltia outuu kokemaan tuskallisen kuoleman sadistisen milonäärin käsissä (kidutus kestää kaksi tuntia). (b) Sadistinen milonääri muuttaa panoksia: arpalippua on 1000 kappaletta, oista 1 ohtaa tuskalliseen kidutuskuolemaan kuten kohdassa (a), mutta 999 arpalippua antaa haltialleen 10.000 euroa. (c) Sadistisen milonäärin panokset vaan kovenee: nyt on aossa 100 arpalippua, oista 1 ohtaa tuskalliseen kidutuskuolemaan kuten kohdassa (a), mutta 99 arpalippua antaa haltialleen 100.000 euroa. (d) Nyt sadistisella milonäärillä on tosi kovat panokset: aossa on vain 10 arpalippua, oista 1 ohtaa tuskalliseen kidutuskuolemaan kuten kohdassa (a), mutta loput 9 arpalippua antaa haltialleen 1.000.000 euroa. 5

Antti Ahnas haluaa voittaa 1.000.000 euroa. Mihinkä sadistisen mionäärin arpaaisista (a), (b), (c) tai (d) kannattaa Antti Ahnaan osallistua? Ratkaisuehdotus: Ratkaisu riippuu oleellisesti siitä palautetaanko arpalippu arpalaariin noston älkeen (otanta takaisinpanolla) vai ei (otanta ilman takaisinpanoa). Kysytty todennäköisyys on todennäköisyys voittaa 1.000.000C (a säilyä hengissä). Otanta takaisinpanolla: 1 Arpaaisissa (a) Antti Ahnas outuu nostamaan 1.000 arpaa. Jokaisella nostolla kidustuskuoleman todennäköisyys on 1/10.000. Siten todennäköisyys selvitä a voittaa 1.000.000C on (9.999/10.000) 1.000 90,483% Arpaaisissa (b) nostetaan 100 arpaa, a kysytty todennäköisyys on (999/1.000) 100 90,479%. Arpaaisissa (c) nostetaan 10 arpaa, a kysytty todennäköisyys on (99/100) 10 90,438%. Arpaaisissa (d) kysytty todennäköisyys on 90%. Siten Antti Anhas valitsee arpaaiset (a), mutta huomaa toki, että arpaaisissa ei ole paloakaan eroa hänen kannaltaan. Otanta ilman takaisinpanoa: 2 Arpaaisissa (a) nostetaan 1.000 arpaa ilman takaisinpanoa. Tämä tarkoittaa, että perusoukkona on kaikki 1.000 arvan nostot 10.000 arvan oukosta. Näitä on ( ) 10.000 (tosi iso luku, ota emme onneksi oudu laskemaan) 1.000 kappaletta. Mahdollisia tapoa nostaa 1.000 arpaa ilman, että tappoarpa nostetaan on ( ) 9.999 (tosi iso luku, ota emme onneksi oudu laskemaan) 1.000 kappaletta. Siten todennäköisyys saada 1.000.000C arpaaisissa (a) il- 1 Tämä kohta liittyy oleellisesti binomiakaumaan. 2 Ratkaisemme tämän kohdan vaikealla, mutta systemaattisella tavalla käyttämällä hypergeometrista akaumaa. Helpompi tapa olisi käyttää riippuvia toistokokeita. Vielä helpompi tapa olisi huomata, että arpaaiset ovat itse asiassa ekvivalentit. 6

man takaisinpanoa on ( ) 9.999 / ( ) 10.000 1.000 1.000 9.999! / 10.000! 8.999! 1.000! 9.000! 1.000! 9.999! 9.000! 1.000! 8.999! 1.000! 10.000! 9.999! 8.999! 9.000! 10.000! 9.999! 10.000! 9.000! 8.999! 9.999! 10.000 9.999! 1 10.000 9.000 90%. 9.000 8.999! 8.999! Samalla tavalla voidaan laskea tai yllä olevasta laskusta nähdä että arpaaisissa (b), (c) a (d) kysytyt todennäköisyydet ovat myös 90%. Siten Antti Ahnas on indifferentti arpaaisten suhteen. 5. Leipuri Pulla myy pullia pikkiriikkisen pienessä Kumputien Leipomossa. Leipuri Pulla paistaa pullat aamulla a myy ne lounastauolla viereisen Ministeriön Erikoisosaston virkamiehille. Pullat pilaantuvat nopeasti: eilisiä pullia ei voi tänään enää myydä. Pullan paistaminen maksaa leipuri Pullalle 0,20C pullalta, a hän myy niitä 1,00C kappalehintaan. Leipuri Pulla tietää, että pullia myydään 0:sta 10:een lounastaukoa kohti. Itse asiassa hän arvioi, että p 0 0,01, p 1 0,02, p 2 0,03, p 3 0,04, p 4 0,10, p 5 0,60, p 6 0,10, p 7 0,04, p 8 0,03, p 9 0,02, p 10 0,01, missä p, 0,..., 10, on todennäkösyys myydä pullaa. Kuinka monta pullaa tulee leipuri Pullan valmistaa lounastaukoa varten, os hän on (a) optimisti (Maximax), (b) pessimisti (Maximin)? Ratkaisuedotus: Aluksi on hyvä huomata, että sekä Maximax- että Maximin-säännöt ovat ei-stokastisia. Siten todennäköisyydet p ovat irrelevanttea. Seuraavaksi määräämme palkkio- eli päätösmatriisin R [r i ]. Leipuri Pullan ärkevät pullanpaistomäärät ovat A {0, 1,..., 10}. Jos kaikki pullat myydään (i ), niin leipuri Pullan voitto on 1,00 i 0,20 i 0,80 i. 7

Jos taas pullia ää myymättä (i > ), niin leipuri Pullan voitto on 1,00 0,20 i. Palkkiomatriisi R, eli tuotot eri pullanpaistomäärillä a pullanmyyntimäärillä, on 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,20 0,80 0,80 0,80 0,80 0,80 0,80 0,80 0,80 0,80 0,80 0,40 0,60 1,60 1,60 1,60 1,60 1,60 1,60 1,60 1,60 1,60 0,60 0,40 1,40 2,40 2,40 2,40 2,40 2,40 2,40 2,40 2,40 0,80 0,20 1,20 2,20 3,20 3,20 3,20 3,20 3,20 3,20 3,20 1,00 0,00 1,00 2,00 3,00 4,00 4,00 4,00 4,00 4,00 4,00. 1,20 0,20 0,80 1,80 2,80 3,80 4,80 4,80 4,80 4,80 4,80 1,40 0,40 0,60 1,60 2,60 3,60 4,60 5,60 5,60 5,60 5,60 1,60 0,60 0,40 1,40 2,40 3,40 4,40 5,40 6,40 6,40 6,40 1,80 0,80 0,20 1,20 2,20 3,20 4,20 5,20 6,20 7,20 7,20 2,00 1,00 0,00 1,00 2,00 3,00 4,00 5,00 6,00 7,00 8,00 Optimisti: Leipuri Pulla toivoo parasta a arvostaa tilat a 0,..., a 10 seuraavasti: Optimistin valinta: a 10. V (a 0 ) max a 0 0,00, V (a 1 ) max a 1 0,80, V (a 2 ) max a 2 1,60, V (a 3 ) max a 3 2,40, V (a 4 ) max a 4 3,20, V (a 5 ) max a 5 4,00, V (a 6 ) max a 6 4,80, V (a 7 ) max a 7 5,60, V (a 8 ) max a 8 6,40, V (a 9 ) max a 9 7,20, V (a 10 ) max a 10, 8,00. Pessimisti: Leipuri Pulla pelkää pahinta a arvostaa tilat a 0,..., a 10 seu- 8

raavasti: Pessimistin valinta: a 0. V (a 0 ) min a 0 0,00, V (a 1 ) min a 1 0,20, V (a 2 ) min a 2 1,40, V (a 3 ) min a 3 1,60, V (a 4 ) min a 4 0,80, V (a 5 ) min a 5 1,00, V (a 6 ) min a 6 1,20, V (a 7 ) min a 7 1,40, V (a 8 ) min a 8 1,60, V (a 9 ) min a 9 1,80, V (a 10 ) min a 10, 2,00. 9