ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus 3



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

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

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus 4

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus 5 (Koetentti)

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008

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

Päätöksentekomenetelmät

Päätöksentekomenetelmät

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

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008

VAASAN YLIOPISTO TALOUSMATEMATIIKKA Päätöksenteko epävarmuuden vallitessa Prof. Ilkka Virtanen I UUSINTATENTTI

4.3. Matemaattinen induktio

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

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

AVL-puut. eräs tapa tasapainottaa binäärihakupuu siten, että korkeus on O(log n) kun puussa on n avainta

Ekvivalenssirelaatio. Määritelmä 2 Joukon A binäärinen relaatio R on ekvivalenssirelaatio, mikäli. Jos R on ekvivalenssirelaatio ja a A, niin joukkoa

Salausmenetelmät LUKUTEORIAA JA ALGORITMEJA. Veikko Keränen, Jouko Teeriaho (RAMK, 2006) 3. Kongruenssit. à 3.4 Kongruenssien laskusääntöjä

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

Induktiota käyttäen voidaan todistaa luonnollisia lukuja koskevia väitteitä, jotka ovat muotoa. väite P(n) on totta kaikille n = 0,1,2,...

Ensimmäinen induktioperiaate

Ensimmäinen induktioperiaate

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

MATEMATIIKAN KOE PITKÄ OPPIMÄÄRÄ

D ( ) E( ) E( ) 2.917

Matematiikan ja tilastotieteen laitos Algebra I - Kesä 2009 Ratkaisuehdoituksia harjoituksiin 8 -Tehtävät sivua Heikki Koivupalo ja Rami Luisto

Olkoon seuraavaksi G 2 sellainen tasan n solmua sisältävä suunnattu verkko,

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

Lineaarialgebra ja matriisilaskenta I, HY Kurssikoe Ratkaisuehdotus. 1. (35 pistettä)

Miten osoitetaan joukot samoiksi?

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

Luonnollisen päättelyn luotettavuus

Matematiikan peruskurssi (MATY020) Harjoitus 7 to

VAASAN YLIOPISTO TALOUSMATEMATIIKKA Päätöksenteko epävarmuuden vallitessa Prof. Ilkka Virtanen II UUSINTATENTTI

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008

sin x cos x cos x = sin x arvoilla x ] π

Matematiikassa väitelauseet ovat usein muotoa: jos P on totta, niin Q on totta.

(a) Kyllä. Jokainen lähtöjoukon alkio kuvautuu täsmälleen yhteen maalijoukon alkioon.

Algebra I, harjoitus 5,

Sovellettu todennäköisyyslaskenta B

Koodausteoria, Kesä 2014

Kaikki kurssin laskuharjoitukset pidetään Exactumin salissa C123. Malliratkaisut tulevat nettiin kurssisivulle.

Mat Sovellettu todennäköisyyslasku A

Mat Sovellettu todennäköisyyslasku A

a ord 13 (a)

Aineistoista. Laadulliset menetelmät: miksi tarpeen? Haastattelut, fokusryhmät, havainnointi, historiantutkimus, miksei videointikin

Johdatus graafiteoriaan

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

Probabilistiset mallit (osa 2) Matemaattisen mallinnuksen kurssi Kevät 2002, luento 10, osa 2 Jorma Merikoski Tampereen yliopisto

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

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

Malliratkaisut Demot

HN = {hn h H, n N} on G:n aliryhmä.

Pinot, jonot, yleisemmin sekvenssit: kokoelma peräkkäisiä alkioita (lineaarinen järjestys) Yleisempi tilanne: alkioiden hierarkia

Johdatus matemaattiseen päättelyyn

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

Matemaattinen Analyysi

6. Toisen ja korkeamman kertaluvun lineaariset

Ratkaisu: Käytetään induktiota propositiolauseen A rakenteen suhteen. Alkuaskel. A = p i jollain i N. Koska v(p i ) = 1 kaikilla i N, saadaan

Matematiikan peruskurssi 2

Johdatus lukuteoriaan Harjoitus 11 syksy 2008 Eemeli Blåsten. Ratkaisuehdotelma

4. laskuharjoituskierros, vko 7, ratkaisut

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

Helsingin, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe klo 10 13

MTTTP5, luento Otossuureita ja niiden jakaumia (jatkuu)

Salausmenetelmät. Veikko Keränen, Jouko Teeriaho (RAMK, 2006)

x 4 e 2x dx Γ(r) = x r 1 e x dx (1)

Johdatus diskreettiin matematiikkaan Harjoitus 2, Osoita että A on hyvin määritelty. Tee tämä osoittamalla

Mat Sovellettu todennäköisyyslasku A

Lineaarinen optimointitehtävä

JOHDATUS LUKUTEORIAAN (syksy 2017) HARJOITUS 3, MALLIRATKAISUT

2 Funktion derivaatta

HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.

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

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

Sovellettu todennäköisyyslaskenta B

Tehtävä 4 : 2. b a+1 (mod 3)

Matemaattinen Analyysi

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

Kesälukio 2000 PK2 Tauluharjoituksia I Mallivastaukset

MATP153 Approbatur 1B Ohjaus 2 Keskiviikko torstai

Vastaoletuksen muodostaminen

Diskreetin matematiikan perusteet Laskuharjoitus 1 / vko 8

Luku 8. Aluekyselyt. 8.1 Summataulukko

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

2017 = = = = = = 26 1

Generoivat funktiot, Poisson- ja eksponenttijakaumat

1. Esitä rekursiivinen määritelmä lukujonolle

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

Matematiikan johdantokurssi, syksy 2016 Harjoitus 11, ratkaisuista

Koodausteoria, Kesä 2014

f(x 1, x 2 ) = x x 1 k 1 k 2 k 1, k 2 x 2 1, 0 1 f(1, 1)h 1 = h = h 2 1, 1 12 f(1, 1)h 1 h 2

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

Matematiikan tukikurssi

Ratkaisu: (b) A = x 0 (R(x 0 ) x 1 ( Q(x 1 ) (S(x 0, x 1 ) S(x 1, x 1 )))).

HY / Matematiikan ja tilastotieteen laitos Johdatus logiikkaan I, syksy 2018 Harjoitus 4 Ratkaisuehdotukset

klo Selvitä vakuutustekniseen vastuuvelkaan liittyvät riskit ja niiltä suojautuminen.

Johdatus diskreettiin matematiikkaan Harjoitus 5, Ratkaise rekursioyhtälö


Transkriptio:

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus 3 Ratkaisuehdotuksia 1. (a) Päätöspuu on matala, jos mitään sattumasolmua ei välittömästi seuraa sattumasolmu eikä mitään päätössolmua välittömästi seuraa päätössolmu. Osoita, että jokainen päätöspuu on ekvivalentti jonkin matalan päätöspuun kanssa. (b) Päätöspuu on binäärinen, jos jokainen solmu (päätös tai sattuma), haarautuu täsmälleen kahdeksi alipuuksi. Osoita, että jokainen päätöspuu on ekvivalentti binäärisen päätöspuun kanssa. (c) Onko jokainen päätöspuu ekvivalentti jonkin päätöspuun kanssa, joka on sekä matala että binäärinen? (d) Esitä esimerkkien 3.1 ja 3.2 päätöspuut matalina päätöspuina. Ratkaisuehdotus: (a) Puu saadaan matalaksi iteroimalla muunnoksia a n1 a n 1 a n ja a n1 ja a n a nk a n ja a nk p 1 p 1 p n 1 p n1 p n p n1 p n p nk p n p nk (b) Puu saadaan binääriseksi iteroimalla (kohtaan (a) verrattuna käänteisiä) muunnoksia a 2 a 2 a n 1 ja a n 1 a n a n 1 tai a n a n 1

p 1 p 2 p 1 p 2 p n 1 p n 1 +p n p n 1 p n p n 1 + p n p n p n 1 +p n (c) Kyllä ja ei: kyllä mikäli dummy -tyyppiset päätökset ja sattumat sallitaan, ei mikäli jokaisen päätösen ja sattuman tulee olla aito. (d) Esimerkki 3.1: Ensimmainen paatos. Onko geologin raportti suotuisa? Porataanko? Onko öljyä On (0,5) Kyllä 4.690 On (0,8) Ei (0,2) 5.890 110 Palkataan geologi 2.590 4.690 Ei (0,5) Ei Kyllä 490 On (0,1) Ei (0,9) 10 5.890 110 2.600 Ei tehda mitaan Porataan suoraan 490 Ei 2.600 On (0,45) Ei (0,55) Esimerkki 3.2 menee samalla tavalla (emme esitä puuta tässä). 10 0 5.900 100 2. Colaco Oy valmistaa kasvisuutejuomia. Colaco harkitsee uuden suklaalla maustetun kasvisuutejuoman, Chocolan, markkinointia. Colacolla on kolme vaihtoehtoa: 1. Teettää markkinointitutkimus Chocolasta, ja sitten joko markkinoida tai olla markkinoimatta Chocolaa, riippuen tutkimuksen tuloksesta. 2. Markkinoida Chocolaa. 3. Olla markkinoimatta Chocolaa. Ilman markkinointitutkimusta Colaco arvioi, että Chocolalla on 55% todennäköisyys menestyä ja 45% todennäköisyys flopata. Jos Chocola menestyy, Colaco saa 300.000C voitot. Jos taas Chocola floppaa, Colaco kärsii 100.000C tappiot. Jos markkinointitukimus antaa suotuisan 2

tuloksen, niin Chocola menestyy markkinoilla 85% todennäköisyydellä. Markkinointitutkimus antaa suotuisan tuloksen 60% todennäköisyydellä. Jos taas markkinointitutkimus antaa epäsuotuisan tuloksen, niin Chocola menestyy 10% todennäköisyydellä. Markkinointitutkimus maksaa 30.000C. Mitä Colacon tulisi tehdä? Ratkaisuehdotus: Alla tilanteeseen liittyvä (riskineutraalisti) täytetty päätöspuu. Palkkiot ovat kiloeuroissa. Suotuisa (0,6) Markkinoidaan 210 Menestys (0,85) Floppi (0,15) 270 130 Teetetään tutk. 114 210 Epäsuot. (0,4) Ei markkinoida Markkinoidaan 90 Menestys (0,1) Floppi (0,9) 30 270 130 120 Ei markkinoida Markkinoidaan suoraan 30 Ei markkinoida 120 Menestys (0,55) Floppi (0,45) 30 0 300 100 Siten Colacon kannattaa markkinoida suoraan. 3. Douppausvalvontakomitean tulee päättää testataanko Narkomaan joukkue. Douppausvalvontakomitealla on käytössä testi, joka on 90% luotettava. Douppausvalvontakomitea arvioi, että keskimäärin 5% kaikista urheilijoista douppaa. Tilanteeseen liittyy kolmenlaisia kuluja: c 1 kulu, jos joukkuetta syytetään väärin douppauksesta, c 2 kulu, jos joukkueen douppausta ei huomata, c 3 kulu yksityisyyden loukkauksesta. (a) Olkoon kulut c 1 10, c 2 5 ja c 3 1. Tuleeko douppausvalvontakomiten testata Narkomaan joukkue? (b) Osoita että jos c 1 > c 2 > c 3, niin Narkomaan joukkuetta ei tule testata. 3

Tarkastelemme tilannetta aluksi yleisesti. Mer- Ratkaisuehdotus: kitään Nyt N joukkue douppaa, T positiivinen testitulos. P(N) 0,05, P(eiN) 0,95, P(T N) 0,9, P(eiT N) 0,1, P(T ein) 0,1, P(eiT ein) 0,9. Siten, kokonaistodennäköisyyden ja Bayesin kaavojen nojalla, P(T ) P(N)P(T N) + P(eiN)P(T ein) 0,05,9 + 0,95,0,1 0,140, P(N T ) P(N)P(T N) P(T ) 0,05 0,9 0,14 0,321, P(N eit ) P(N)P(eiT N) 1 P(T ) 0,05 0,1 1 0,14 0,006. Saamme siis päätöspuun (jossa minimoidaan, ei maksimoida) Positiivinen tulos (0,14) Joukkue douppaa (0,321) c 3 Tutkitaan 0,679c 1 + c 3 Negatiivinen tulos (0,86) 0,006c 2 + c 3 Joukkue ei douppaa (0,679) c1 +c 3 Joukkue douppaa (0,006) c 2 +c 3 Joukkue ei douppaa (0,994) c3 Ei tutkita 0,05c 2 Joukkue douppaa (0,05) Joukkue ei douppaa (0,95) c 2 0 4

(Yllä 0,095c 1 + 0,005c 2 + c 3.) Johtopäätös on, että tutkitaan jos ja vain jos 0,095c 1 + 0,005c 2 + c 3 < 0,05c 2, eli vähän sievennettynä (1) 0,095c 1 + c 3 < 0,045c 2, Väite (b) nähdään nyt välittömästi kaavasta (1), ja kohdan (b) nojalla vastaus kohtaan (a) on: ei testata. 4. (a) Kuinka paljon esimerkin 3.3 sijoittaja K.:n kannattaisi korkeintaan maksaa asiantuntijalle? (b) Kuinka paljon esimerkin 3.1 öljy-yhtiön kannattaisi korkeintaan maksaa oraakkelille, joka kertoo onko paikassa P öljyä vai ei? (c) Kuinka paljon esimerkin 3.2 pankin kannattaisi korkeintaan maksaa asiakastutkimuksesta? (d) Kuinka paljon esimerkin 3.2 pankin kannattaisi korkeintaan maksaa oraakkelille, joka kertoo pystyykö asiakas maksamaan lainansa takaisin vai ei? Ratkaisuehdotus: (a) Vastaus on annettu luentomuistiinpanoissa: 242 euroa. (b) Oraakkelipuun arvo on 0,45 5.900.000 2.655.000 euroa. Alkuperäisen puun arvo on 2.600.000. Siten oraakkelille kannattaa maksaa 2.655.000 2.600.000 55.000 euroa (c) Alipuun Asiakas tutkitaan arvo on 54.272 (hinnalla 500 euroa) ja alipuun Asiakasta ei tutkita arvo on 53.760. Siten asiakastutkimuksesta kannattaa maksaa korkeintaan 54.272 + 500 53.760 1.012 euroa. (d) Oraakkelipuun arvo on 0,04 53.000 + 0,96 56.000 55.880. Siten oraakkeli-informaation arvo on 55.880 53.760 2.120. 5. Omppukone Oy valmistaa liukuhihnalla muistipiirejä kymmenen piirin sarjoissa. Omppukone arvioi, että keskimäärin 80% sarjoista sisältää 10% viallisia piirejä ja 80% sarjoista sisältää 50% viallisia piirejä. Jos hyvä sarja (siis sellainen, jossa on vain 10% viallisia piirejä) lähetetään liukuhihnalla eteenpäin se tulee maksamaan prosessointikuluin.000c. Jos huono sarja (siis sellainen, jossa on 50% viallisia piirejä) lähetetään liukuhihnalla eteenpäin se tulee maksamaan prosessointikuluina 4.000C. Omppukone voi vaihtoehtoisesti korjata sarjan hinnall.000c. Korjattu sarja on automaattisesti hyvä sarja. Lisäksi Omppukone voi halutessaan 100C hinnalla testata täsmälleen yhden piirin sarjasta. 5

(a) Mitä Omppukoneen tulee tehdä? (b) Kuinka paljon Omppukoneen kannattaa korkeintaan maksaa piirin testaamisesta? (c) Kuinka paljon Omppukoneen kannattaa maksaa oraakkelille, joka ilmoittaa jokaisesta sarjasta, onko se hyvä sarja vai huono sarja? Huomautus: Tehtävässä oletetaan, että Omppukone voi testata täsmälleen yhden piirin sarjasta. Tilanne muuttuu paljon mielenkiintoisemmaksi (eli vaikeammaksi), jos Omppukone voi testata niin monta piiriä kuin haluaa, joko samanaikaisesti tai peräkkäin. Innokas opiskelija voi halutessaan ratkaista Omppukoneen ongelman tässä laajennetussa muodossa. Ratkaisuehdotus: Tehtävän annossa on nolo virhe: tämä tehtävä siirtyy (korjattuna) seuraaviin harjoituksiin. 6