Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa. 2007-2008 Sistemi di Supporto alle Decisioni I Lezione 2 Chiara Mocenni Corso di laurea L1.

Slides:



Advertisements
Presentazioni simili
Elementi di calcolo delle probabilità
Advertisements

La probabilità nei giochi
Concetti base della finanza
può essere scaricato dalla mia web page:
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Sistemi di Supporto alle Decisioni I Lezione 6 Chiara Mocenni Corso di laurea L1.
2. Introduzione alla probabilità
Chiara Mocenni – Analisi delle Decisioni a.a Analisi delle Decisioni Probabilita condizionate e Teorema di Bayes Chiara Mocenni.
DECISIONI IN CONDIZIONI DI RISCHIO
Variabili aleatorie discrete e continue
Matematica I: Calcolo differenziale, Algebra lineare, Probabilità e statistica Giovanni Naldi, Lorenzo Pareschi, Giacomo Aletti Copyright © The.
Corsi Abilitanti Speciali Classe 59A III semestre - 3
1 2. Introduzione alla probabilità Definizioni preliminari: Prova: è un esperimento il cui esito è aleatorio Spazio degli eventi elementari : è linsieme.
Definizioni Chiamiamo esperimento aleatorio ogni fenomeno del mondo reale alle cui manifestazioni può essere associata una situazione di incertezza. Esempi:
Chiara Mocenni – Analisi delle Decisioni – a.a Analisi delle Decisioni Atteggiamenti rispetto al rischio Chiara Mocenni.
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Sistemi di Supporto alle Decisioni I Lezione 3 Chiara Mocenni Corso di laurea L1.
Analisi delle Decisioni Esistenza della funzione di utilita’
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Sistemi di Supporto alle Decisioni I Lezione 7 Chiara Mocenni Corso di laurea L1.
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Sistemi di Supporto alle Decisioni I Lezione 1 Chiara Mocenni Corso di laurea L1.
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Sistemi di Supporto alle Decisioni I Lezione 3 Chiara Mocenni Corso di laurea L1.
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Sistemi di Supporto alle Decisioni I Dynamic Programming Chiara Mocenni Corso di.
Chiara Mocenni – Analisi delle Decisioni a.a Analisi delle Decisioni Preferenze, decisioni e incertezza Chiara Mocenni.
Chiara Mocenni – Analisi delle Decisioni – a.a Analisi delle Decisioni Decisioni sequenziali Chiara Mocenni.
Analisi delle Decisioni Funzioni di utilita’ e lotterie
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Sistemi di Supporto alle Decisioni I Lezione 2 Chiara Mocenni Corso di laurea L1.
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Sistemi di Supporto alle Decisioni I Lezione 4 Chiara Mocenni Corso di laurea L1.
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Sistemi di Supporto alle Decisioni I Scelte di consumo Chiara Mocenni Corso di laurea.
Chiara Mocenni – Analisi delle Decisioni a.a Analisi delle Decisioni Conoscenza incerta e probabilita Chiara Mocenni.
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Sistemi di Supporto alle Decisioni I Lezione 5 Chiara Mocenni Corso di laurea L1.
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Esercizi e test Chiara Mocenni.
Metodi Probabilistici, Statistici e Processi Stocastici Università Carlo Cattaneo Emanuele Borgonovo Metodi Probailistici, Statistici e Processi Stocastici.
Basi di Dati - 3 Dati su più tabelle. Informatica 1 SCICOM - a.a. 2010/11 2 Separare i dati su più tabelle Quando è necessario? – Empiricamente, quando.
L 16 Progetto delle alternative Andrea Castelletti Modellistica e Controllo dei Sistemi Ambientali.
TEORIA RAPPRESENTAZIONALE DELLA MISURA
DISTIBUZIONE BINOMIALE
Corso di biomatematica Lezione 2: Probabilità e distribuzioni di probabilità Davide Grandi.
Razionalità Limitata e Scelta Collettiva
CAPITOLO 20 Lutilità attesa come strumento decisionale normativo Una giustificazione della procedura del modello dellutilità attesa Quale tipo di comportamento.
CAPITOLO 19 L’avversione al rischio e l’utilità attesa
LA PROBABILITA’.
LEZIONE 7 FALLIMENTI DI MERCATO: ASIMMETRIE INFORMATIVE E
Corso di Matematica Discreta cont. 2
PROBABILITÀ La probabilità è un giudizio che si assegna ad un evento e che si esprime mediante un numero compreso tra 0 e 1 1 Evento con molta probabilità.
Basi di Dati - 3 Dati su più tabelle Informatica 1 (SAM) - a.a. 2010/11.
Intelligenza Artificiale
PORRE E RISOLVEREPROBLEMI PORRE E RISOLVERE PROBLEMI il testo e i dati Vai avanti.
Calcolo delle Probabilità
Le distribuzioni campionarie
QUALCHE LUCIDO DI RIPASSO… 1. Esperimento casuale ( e. aleatorio) risultato Esperimento condotto sotto leffetto del caso: non è possibile prevederne il.
Calcolo delle probabilità Nacci Spagnuolo Audino Calcolo delle probabilità
Divertirsi con la matematica: Curiosità e stranezze del mondo dei numeri Di Peter M. Higgins Questo libro ha lo scopo di far comprendere alcuni aspetti.
Costruire una tabella pivot che riepiloghi il totale del fatturato di ogni agente per categorie di vendita, mese per mese. Per inserire una tabella pivot.
è … lo studio delle caratteristiche di regolarità dei fenomeni casuali
R. Soncini Sessa, MODSS, L21 Accettare la casualità Rodolfo Soncini Sessa MODSS Copyright 2004 © Rodolfo Soncini Sessa.
Test basati su due campioni Test Chi - quadro
Intervallo di Confidenza Prof. Ing. Carla Raffaelli A.A:
La variabile casuale (v.c.) è un modello matematico in grado di interpretare gli esperimenti casuali. Infatti gli eventi elementari  che compongono lo.
Intervalli di confidenza
PROBABILITÀ Corsi Abilitanti Speciali Classe 59A III semestre - 2.
Corso di Laurea in Scienze e tecniche psicologiche
Cenni alla valutazione delle operazione finanziarie
Analisi matematica Introduzione ai limiti
L’effetto delle asimmetrie informative sul mercato del credito Fausto Panunzi.
La probabilità matematica
Le percentuali Sconti, interessi e giochi d’azzardo.
METODI E TECNOLOGIE PER L’INSEGNAMENTO DELLA MATEMATICA Lezione n°17.
1 VARIABILI CASUALI. 2 definizione Una variabile casuale è una variabile che assume determinati valori in modo casuale (non deterministico). Esempi l’esito.
1 TEORIA DELLA PROBABILITÁ. 2 Cenni storici i primi approcci alla teoria della probabilità sono della metà del XVII secolo (Pascal, Fermat, Bernoulli)
Probabilità Definizione di probabilità La definizione di probabilità si basa sul concetto di evento, ovvero sul fatto che un determinato esperimento può.
Un evento è un fatto che può accadere o non accadere. Se esso avviene con certezza si dice evento certo, mentre se non può mai accadere si dice evento.
Teoria dei Sistemi di Trasporto Tematica 4: Elementi minimi di teoria della probabilità.
Transcript della presentazione:

Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Sistemi di Supporto alle Decisioni I Lezione 2 Chiara Mocenni Corso di laurea L1 in Ingegneria Gestionale e L2 in Ingegneria Informatica III ciclo

Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Il processo di scelta razionale Il soggetto deve essere in grado di: Determinare linsieme di scelta (le azioni); Una relazione che lega le azioni alle conseguenze; Ordinare tutte le conseguenze possibili; Selezionare lazione migliore

Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Contesti (1/3) 1. Scelta in condizioni di certezza: ad ogni azione e associata una ed una sola conseguenza. Nellambito del processo di scelta razionale questo problema diventa banale una volta che il decisore abbia definito linsieme delle scelte ed ordinato tutte le possibili conseguenze.

Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Contesti (2/3) 2. Scelta in condizioni di incertezza: ad ogni azione sono associate piu conseguenze, in base ad una distribuzione di probabilita data. Lincertezza e esogena. –Se la probabilita e oggettiva ->> SCELTA IN CONDIZIONI DI RISCHIO –Se la probabilita e soggettiva ->>SCELTA IN CONDIZIONI DI INCERTEZZA

Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Scelte in condizioni di incertezza PROBLEMA. Prendere una decisione in cui le conseguenze sono incerte e tale incertezza è quantificabile in modo non ambiguo. Lincertezza dipende dalla presenza di più di uno stato di natura. Si assume che le probabilità con cui i vari stati si verificano sia nota.

Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Contesti (3/3) 3. Scelta in condizioni di interazione strategica: ad ogni azione sono associate piu conseguenze, ma ora cio dipende dalle scelte effettuate da altri soggetti razionali. Lincertezza non e esogena.

Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Il processo di scelta razionale Principio della massima utilita attesa: Il decisore razionale massimizza la propria utilita attesa (oggettiva o soggettiva).

Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Le basi della teoria dellutilita Se restringiamo lattenzione alle sole azioni che influenzano la quantita di denaro vediamo che gli agenti mostrano una preferenza monotona per il denaro. Ma non siamo ancora in grado di confrontare lotterie anche se queste coinvolgono quantita di denaro.

Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Esempio (1/3) Supponiamo che abbiate trionfato sugli avversari in un gioco televisivo. Il presentatore vi offre una scelta: prendere il milione di euro che avete vinto o puntare tutto sul lancio di una moneta: se esce testa perdete tutto, se esce croce vincete 3 milioni di euro. >>> Accettate? E che cosa dovrebbe fare un decisore razionale?

Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Il valore atteso dellazzardo (L1) e 0.5(0)+0.5( )= , Mentre il valore atteso del premio originale (L) e Supponiamo che k sia la vostra ricchezza corrente e che S n sia lo stato in cui la ricchezza e n. Esempio (2/3)

Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa E(L)=U(S k ) E(L1)=0.5U(S k )+0.5U(S k ) Se ad esempio U(S k )=5; U(S k )=10; U(S k )=8 Caso1. E(L1)=7.5 >>RIFIUTATE Caso2. In banca avete >>> I benefici del 501-esimo milione saranno piu o meno gli stessi del 503- esimo >>>POTETE ACCETTARE Esempio (3/3)

Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Confronto tra lotterie il valore atteso di una lotteria non può essere preso a criterio universale (valido per tutti i decisori)

Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Cè da chiedersi cosa rappresenta il valore atteso di una lotteria in questo contesto. Infatti, si noti che stiamo qui parlando di una situazione in cui la decisione (tra L e L1) deve essere presa una tantum. Diverso sarebbe il discorso se si dovesse scegliere L o L1 sapendo di doverla poi giocare un numero molto elevato di volte. Infatti, ripetendo indefinitamente un processo aleatorio, potremmo prendere il valore atteso come stima del guadagno medio a ogni ripetizione.

Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa LA FUNZIONE UTILITA Il valore dellutilità, in generale, non è il semplice guadagno in termini monetari, ma dipende da vari fattori, tra cui la predisposizione del decisore. Infatti per ogni singolo decisore dovremo definire una (diversa) funzione di utilità i cui valori attesi rappresentano le sue preferenze specifiche. Assumeremo però che tali preferenze siano consistenti con certi assiomi di razionalità.

Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa LOTTERIE DEF. Una lotteria è una scelta il cui risultato è determinato da semplici meccanismi di fortuna. Si assume inoltre che il numero dei risultati (premi) sia finito. Sia linsieme dei possibili risultati, comprendente anche il premio nullo, cioè la perdita.

Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Assunzioni sulle conseguenze Le conseguenze devono essere: mutuamente esclusive (al piu se ne verifica una); esaustive (almeno una si verifica necessariamente).

Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Confronto tra lotterie Si consideri linsieme R dei possibili risultati certi x 1 x 2 … x r Una generica lotteria L può rappresentarsi come L =

Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Osservazioni r indica linsieme dei possibili risultati, e può essere anche un numero molto alto. Anche se il nostro universo di situazioni comprende r elementi, una lotteria può avere come possibili risultati un sottoinsieme molto piccolo di essi (molti dei p i nellespressione di L possono essere uguali a 0). Indicheremo sempre con x 1 e x r rispettivamente il risultato più desiderabile e meno desiderabile, rispettivamente, nellambito dellinsieme di situazioni in cui ha senso il nostro problema decisionale.

Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Confronto tra lotterie Un risultato certo x i è equivalente a una particolare lotteria: x i ~ Si vuole definire un ente matematico in grado di rappresentare le preferenze di un decisore, anche relativamente a diverse lotterie

Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Associamo a ogni risultato certo un valore u( ) che ne indica il gradimento, ossia tale che u(x 1 ) u(x 2 ) … u(x r ) Usando queste utilità elementari, è possibile far corrispondere a qualsiasi lotteria un valore di utilità

Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Osservazioni Supponiamo di associare (in che modo, lo vedremo più tardi) a ciascuno degli r risultati certi, un numero che ne esprime il livello di gradimento. Per ora, diciamo solo che questi numeri sono tali per cui a un risultato più gradito corrisponde un valore più alto. Questi numeri rappresentano delle utilità elementari, che come ora vedremo – sotto determinate condizioni -- ci consentiranno di esprimere in modo quantitativo il livello di gradimento di un decisore nei confronti di qualsiasi lotteria.

Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Utilità (attesa) di una lotteria L U[L] = p 1 u(x 1 ) + p 2 u(x 2 ) + … + p r u(x r ) Si considerino due lotterie L,M L = M =

Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Osservazioni Lespressione precedente prende il nome di utilità attesa di una lotteria L. Come si vede, questa è una quantità soggettiva, in quanto dipende dai valori di utilità che il decisore ha attribuito agli r risultati certi. Inserendo i valori di probabilità che definiscono ciascuna lotteria, si può calcolare lutilità attesa di qualsiasi lotteria per un particolare decisore.

Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Utilità (attesa) di una lotteria L Vogliamo individuare una funzione u( ) dei risultati tale che: L M se e solo se

Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Decisioni in condizioni di incertezza PROBLEMA. Prendere una decisione in cui le conseguenze sono incerte e tale incertezza è quantificabile in modo non ambiguo. Lincertezza dipende dalla presenza di più di uno stato di natura. Si assume che le probabilità con cui i vari stati si verificano sia nota. Cominceremo ad affrontare il problema delle lotterie.

Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Riassumendo… Vogliamo individuare una funzione u che permetta di: I)definire un ordinamento nellinsieme dei risultati X di una lotteria; II)scegliere tra lotterie in base alla regola dellutilità attesa. u è definita su un insieme A che contiene linsieme dei premi X e linsieme delle lotterie L, ma vedremo che contiene anche altri tipi di lotterie, quindi:

Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa L A X u: A R