Zaawansowana mikroekonomia Michaª Krawczyk
|
|
- Jerzy Kucharski
- 6 lat temu
- Przeglądów:
Transkrypt
1 Zaawansowana mikroekonomia Michaª Krawczyk Podzi kowania za materiaªy: Eric Rasmusen, Marcin Malawski, Ariel Rubinstein Na tym kursie b dziemy zajmowali si strategicznymi interakcjami pomi dzy uczestnikami rynku. W zwi zku z tym gªównym narz dziem b dzie teoria gier. reguªy gry: gracze, akcje, wypªaty i informacja. Cel: przewidzie co si stanie Zale»nie od posiadanej informacji, staraj c si zmaksymalizowa wªasn wypªat, gracze wybieraj strategi (dyktuj c akcje) dla caªej gry. Równowaga: sytuacja, w której ka»dy robi to, co jest w jego najlepszym interesie, bior c pod uwag co akurat robi pozostali. Jak u»ywaj c tych poj opisa rynek? 1
2 Przykªadowa historia, któr chcieliby±my przedstawi w postaci gry (Rasmusen) Przedsi biorca ma zadecydowa czy otworzy pralni w mie±cie, w którym jedna ju» jest. Nazwijmy dwie mog ce na tym rynku dziaªa rmy Stara Pralnia" i Nowa Pralnia". Nowa Pralnia nie ma pewno±ci co do przyszªej sytuacji gospodarczej, która mo»e mie wpªyw na popyt na jej usªugi. Musi tak»e bra pod uwag mo»liwe dziaªania Starej Pralni, która mo»e odpowiedzie wojn cenow. Stara Pralnia dziaªa od dawna i przetrwa tak wojn, cho jej zyski znacznie spadn. (Przez chwil zignorujmy to,»e Nowa Pralnia musi te» zadecydowa czy rozpocz wojn cenow czy te» ustali wysokie ceny,»e musi zadecydowa jaki sprz t kupi, ilu zatrudni pracowników itd.). 2
3 Graczami s jednostki podejmuj ce decyzje. Celem ka»dego z graczy jest taki wybór akcji by maksymalizowa u»yteczno± Akcja (lub ruch) gracza i, oznaczana a i, to co± co mo»e w danym momencie wybra. Zbiór dost pnych akcji, A i momencie = {a i }, to wszystkie akcje mo»liwe w danym wektor akcji a = {a i }, (i = 1,..., n) po jednej akcji dla ka»dego z n graczy. Zbiór dost pnych akcji Nowej Pralni: { Wej±, Nie wej± }. Zbiór dost pnych akcji Starej Pralni: ceny {N iskie, W ysokie}. Ka»dy wektor akcji daje wynik, który mo»e przynie± mniejsz lub wi ksz u»yteczno± (wypªata). Zadaniem badacza jest znale¹ rozwi zanie tego typu problemu, to jest przewidzie jak racjonalni gracze post pi Inne zastosowania: rynki, aukcje, spory polityczne, zachowania zwierz t... 3
4 Typy gier, które b dziemy omawia 1. gry w postaci strategicznej z peªn informacj (gry macierzowe, jak papierno»yce-kamie«) 2. gry w postaci strategicznej z niepeªn informacj (gry bayesowskie, jak papier-no»yce-kamie«, w której przeciwnik mo»e chce nam da wygra ; wa»niejsze zastosowanie: jednoczesna aukcja, w której nie wiemy ile przedmiot jest wart dla innych) 3. gry w formie ekstensywnej z peªn informacj (dynamiczne, w postaci drzewa, jak szachy) 4. gry w formie ekstensywnej z niepeªn informacj (w których mo»emy czego± dowiedzie si o innych w trakcie gry) 4
5 Indywidualne podejmowanie decyzji Pewno± vs. Ryzyko vs. Niepewno± Jednostka mo»e podj akcj a z dost pnego zbioru A, co b dzie prowadziªo do konsekwencji c C. W warunkach Pewno±ci, c wynika z a w sposób deterministyczny, f : A C, f(a) jest konsekwencj akcji a. (np. cheeseburger vs. wrap u McDonalda) W warunkach Ryzyka, c jest ª cznie determinowane przez a oraz stan ±wiata ω Ω, z pewnym dobrze okre±lonym rozkªadem prawdopodobie«stwa: f : A Ω C, f(a, ω) jest konsekwencj akcji a w stanie ±wiata ω (np. wybór mi dzy zdrapkami). Niepewno± jest podobna do Ryzyka, ale nie znamy prawdopodobie«stw poszczególnych stanów ±wiata (np. inwestycje) : relacja preferencji na C, rozumiana jako "co najmniej tak samo dobre". Ta relacja ma by : 1. spójna: dla ka»dych konsekwencji c 1, c 2 albo zachodzi c 1 c 2 albo c 2 c 1 (by mo»e obie). Ten warunek oznacza,»e np. zawsze potrasz wybra mi dzy p czkiem a lodami. 2. zwrotna: dla ka»dych c, c c (p czek jest przynajmniej równie dobry co inny p czek) 3. przechodnia: je±li c 1 c 2 i c 2 c 3 to c 1 c 3. (je±li p czek jest przynajmniej tak dobry jak lody, a lody przynajmniej tak dobre jak lizak, to p czek jest przynajmniej tak dobry jak lizak) c 1 c 2 oznacza,»e c 1 jest lepsze ni» c 2 (c 1 c 2 ale c 2 c 1 ). (Poka»,»e jest anty-zwrotna i przechodnia) c 1 c 2 oznacza,»e c 1 i c 2 s jednakowo dobre (c 1 c 2 oraz c 2 c 1 ) (Poka»,»e jest zwrotna i przechodnia) 5
6 W warunkach pewno±ci jest ªatwo: wybieramy to, co najlepsze. 6
7 akcja; stan ±wiata pada nie pada rower mokn jest git samochód u czuj si gªupio Wybór w warunkach niepewno±ci Przykªad: relacja preferencji jest git u czuj si gªupio mokn Co wybra? To zale»y od prawdopodobie«stwa deszczu i siªy preferencji. Ale czasem jest ªatwo wybra. DEFINICJA ( cisªa dominacja) Akcja a jest ±ci±le zdominowana przez b je±li dla ka»dego stanu ±wiata ω zachodzi f(b, ω) f(a, ω). DEFINICJA (Sªaba dominacja) Akcja a jest sªabo zdominowana przez b je±li dla ka»dego stanu ±wiata ω zachodzi f(b, ω) f(a, ω) oraz dla pewnego ω preferencja jest ostra. Zapomnij o opcjach zdominowanych Masz opcj dominuj c? Nie tra czasu na dociekanie jaki jest stan ±wiata! 7
8 Funkcja u»yteczno± reprezentuj ca preferencje Przy pewnych zaªo»eniach doczyc cych ci gªo±ci, preferencje mo»na przedstawi w postaci funkcji u»yteczno±ci. Inaczej mówi c, istnieje funkcja u : C R taka,»e c 1 c 2 wtedy i tylko wtedy gdy u(c 1 ) u(c 2 ) Nie wszystkie rozs dne relacje preferencji mo»na przedstawi w ten sposób (przykªad: preferencje leksykograczne). 8
9 Podejmowanie decyzji w warunkach ryzyka Ka»da akcja przynosi loteri na mo»liwych konsekwencjach L = (c 1, p 1 ; c 2, p 2,... c K, p K ) Eu(L 2 ), (zakªadamy,»e zbiór mo»liwych konsekwencji jest sko«czony) Musimy zdeniowa u»yteczno± loterii, nie tylko wyników. Robimy to w nast puj cy sposób: Dla wszystkich L 1, L 2 mamy L 1 L 2 wtedy i tylko wtedy gdy Eu(L 1 ) gdzie Eu(L), oczekiwana u»yteczno± loterii L, zostaje zdeniowana jako Eu(L) = K k=1 p ku(c k ) u»yteczno± von Neumanna-Morgesterna Ta reprezentacja oparta jest o zestaw aksjomatów Loterie zªo»one to loterie, których mo»liwymi wynikami s loterie. 1. Aksjomat loterii zªo»onych: decydent jest indyferentny pomi dzy loteri zªo»on a loteri prost, w której prawdopodobie«stwa otrzymania poszczególnych wyników s odpowiednimi iloczynami prawdopodobie«stw skªadanych loterii. 2. Aksjomat niezale»no±ci: je±li dwie loterie ró»ni si tylko jednym wynikiem, to ten wynik okre±la, która z loterii jest preferowana: L = (L 1, p 1 ; L 2, p 2 ;... L K, p K ), L = (L 1, p 1 ; L 2, p 2 ;... L K, p K ), To L L wtedy i tylko wtedy L 1 L 1 3. Aksjomat ci gªo±ci: je»eli L 1 L 2 L 3 to istnieje pewna λ (0, 1) taka,»e L 2 (L 1, λ; L 3, 1 λ) 9
10 Ka»da relacja preferencji na loteriach, która speªnia powy»sze aksjomaty mo»e by przedstawiona przy pomocy funkcji u»yteczno±ci vnm. Uwaga: je±li u( ) reprezentuje pewn preferencj na C, to dla ka»dej rosn cej funkcji h tak»e h(u( )) reprezentuje t sam preferencj. Powy»sze NIE jest prawd dla preferencji na loteriach. Natomiast au( )+b dla dowolnych staªych a > 0, b reprezentuje t sam preferencj. 10
11 Gry w postaci normalnej Zbiór graczy: {1, 2,... n} Zbiór akcji dost pnych graczom A i Strategia to plan akcji dla dowolnej historii. W przypadku gier w postaci normalnej strategia akcja. Inaczej b dzie dla (niektórych) dynamicznych. Kombinacja akcji to wektor a = {a i }, (i = 1,..., n) koduj cy wybór akcji przez ka»dego z n graczy. Reguªy gry okre±laj jak wyniki zale» od akcji: f : A 1 A 2 A 3 A n C Gracze maj preferencje zdeniowane na wynikach: 1, n Zwykle zakªadamy f. u»yteczno±ci vnm dla ka»dego z graczy, u i : C R Jednym z graczy mo»e by probabilistyczna Natura, która nie ma»adnych preferencji (gracz 0). 11
12 Przykªad gry w postaci normalnej: gra w cykora (chicken) Gracz 1; Gracz 2 skr ci jecha prosto skr ci 4,4 1,6 jecha prosto 6,1-5,-5 12
13 cisªa i sªaba dominacja w grach w postaci normalnej Niech a i oznacza kombinacj akcji wszystkich graczy prócz i, t.j. a i = (a 1, a 2,... a i 1, a i+1,... a n ). Niech (a i, a i ) oznacza akcje uªo»one we wªa±ciwej kolejno±ci t.j. (a 1, a 2,... a n ). DEFINICJA: Akcja a i A i jest ±ci±le zdominowana przez akcj b i A i je±li dla dowolnego wektora a i mamy u i (a i, b i ) > u i (a i, a i ) DEFINICJA: Akcja a i A i jest sªabo zdominowana przez akcj b i A i je±li dla dowolnego wektora a i mamy u i (a i, b i ) u i (a i, a i ) oraz nierówno± jest ostra dla przynajmniej jednego a i. Znów: nie wybieraj strategii zdominowanej. Nie oczekuj,»e inni tak wybior. 13
14 Rysunek 1: Rozwi» przez iterowane usuwanie strategii zdominowanych Przykªad rozwi zania opartego na (iterowanej) dominacji: Beauty contest. Algorytm Iterowanej Eliminacji Strategii ci±le Zdominowanych 1. Usu«wszystkie strategie ±ci±le zdominowane wszystkich graczy 2. Powtarzaj punkt 1 a» nie znajdziesz»adnej strategii ±ci±le zdominowanej, wtedy koniec Uwaga: Je±li usuwamy je po jednej, w dowolnej kolejno±ci, nie wszystkie naraz, otrzymamy ten samy wynik. Cz sto na ko«cu niektórym graczom zostaje wi cej ni» jedna strategia Inne przykªady: gry w dobra publiczne, niektóre gry w gªosowanie 14
15 Najlepsza odpowied¹ DEFINICJA: Strategia a i jest najlepsz odpowiedzi na strategie a i wtedy i tylko wtedy gdy»adna inna strategia A i nie przynosi i wy»szej wypªaty przeciwko a i, t.j. a i arg max Ai u i (a i, a i ) Uwaga: 1. Zawsze istnieje co najmniej jedna najlepsza odpowied¹ na ka»dy a i ; mo»e by ich wiele 2. Na ró»ne wektory a i, a i cz sto s ró»ne najlepsze odpowiedzi 3. Strategia ±ci±le zdominowana nigdy nie jest najlepsz odpowiedzi. Strategia sªabo zdominowana mo»e tak by. 15
16 Równowaga Nasha DEFINICJA: Wektor strategii a = (a 1, a 2... a n ) jest równowag Nasha je±il dla ka»dego i a i jest najlepsz odopwiedzi na a i. Problemy z równowag Nasha mo»e nie istnie mo»e by wi cej ni» jedna ró»ne równowagi mog prowadzi do ró»nych wyników niektóre równowagi daj dziwne wyniki Niektóre cechy równowagi Nasha nie zawiera strategii ±ci±le zdominowanych nie zostanie wyeliminowana w procesie iterowanej eliminacji strategii ±ci±le zdominowanych mo»e zawiera strategie sªabo zdominowane najlepsze odpowiedzi niekoniecznie prowadz do najlepszych wyników Znajdowanie równowagi Nasha w grach macierzowych: przykªady Przykªad: Cykor Przykªad: Gra na wycie«czenie. Dwóch graczy, jedno dobro, warte v i > 0 dla gracza i. Ka»dy z graczy mo»e w dowolnej chwili zrezygnowa (otrzymuj c 0). Czas gra rol : do chwili gdy pierwszy gracz zrezygnuje, ka»dy z graczy traci 1 zª na jednostk czasu. Ka»dy z graczy otrzymuje poªow gdy zrezygnuj jednocze±nie. Uwaga: to niby gra dynamiczna, ale mo»na j sprowadzi do macierzowej: w którym momencie zrezygnowa przy zaªo»eniu,»e przeciwnik dot d nie zrezygnowaª? 16
17 Przykªad: Gra lokalizacyjna (OR). Ka»da z n osób jednocze±nie decyduje czy wzi udziaª w wyborach, a je±li tak-jak pozycj na politycznym spectrum wybra. Wyborcy rozªo»eni s na odcinku [0; 1] zgodnie z pewn funkcj g sto±ci g. Mamy g(x) > 0 dla wszystkich x [0; 1]. Kandydat otrzymuje gªosy od wyborców, którzy s bli»ej jego pozycji ni» jakiegokolwiek innego kandydata; gdy kilku kandydatów wybiera dokªadnie t sam pozycj, dziel si gªosami po równo. Wybory wygrywa kandydat, który otrzyma najwi cej gªosów. Ka»dy kandydat najbardziej chciaªby by samodzielnym zwyci zc, dalej zwyci zca ex aequo, dalej w ogóle nie wzi udziaªu a przegra to najgorszy mo»liwy wynik. UWAGA: tego samego modelu mo»na u»y do wyboru lokalizacji sklepu itp. Znajd¹ równowage Nasha dla n = 2. Poka»,»e nie ma równowagi dla n = 3. Przykªad: konkurencja Cournota, liniowa odwrotna funkcja popytu, p = a bq, staªy koszt przeci tny c, n rm. Przedstaw funkcje reakcji gracznie dla przypadku n = 2 17
18 Gry ±ci±le konkurencyjne (gry o sumie zerowej) DEFINICJA: Gra ({1; 2}(A i ), ( i )) jest ±ci±le konkurencyjna gdy dla ka»dych akcji a A i b B mamy a 1 b wtedy i tylko wtedy gdy b 2 a. Oznacza to,»e cele graczy s wzajemnie doskonale sprzeczne. Czy mogªoby tak by w grze trzyosobowej? Cz sto wyst puje odrobin nieprecyzyjna nazwa gry o sumie zerowej. Istotnie, mo»na preferencje na mo»liwych wynikach takiej gry przedstawi w postaci funkcji u»yteczno±ci u 1, u 2 takich,»e u 1 + u 2 = 0. Gdy przedstawiamy takie gry w postaci macierzy, wystarczy poda wypªaty pierwszego gracza. PRZYKŠADY 18
19 Wa»ne cechy równowag gier ±ci±le konkurencyjnych Wszystkie równowagi Nasha daj te same wypªaty. Równowagi Nasha s wymienne: je±li (x, y) i (x, y ) s równowagami, to (x, y) i (x, y ) s nimi tak»e. Podniesienie wypªaty gracza i w dla pewnej kombinacji strategii nie mo»e obni»y jego wypªaty równowagowej. Gdy usuniemy jak ± strategi którego± z graczy, jego wypªata równowagowa mo»e si tylko zmniejszy. 19
20 Strategie mieszane To co dotychczas nazywali±my strategiami b dziemy nazywa strategiami czystymi Strategia mieszana zadaje pewien rozkªad prawdopodobie«stwa na akcjach, m(a i ) gdzie m 0 i A i m(a i )da i = 1. Strategie czyste to zdegenerowane strategie mieszane. Skupimy si teraz na grach dwuosobowych. DEFINICJA: Strategia czysta jest najlepsz odpowiedzi na strategi mieszan gdy»adna inna strategia czysta nie przynosi wy»szej oczekiwanej wypªaty. Strategia mieszana jest najlepsz odpowiedzi na inn strategie mieszan gdy wszystkie strategie czyste, które wykorzystuje z dodatnim prawdopodobie«stwem s najlepszymi odpowiedziami. Dwie strategie mieszane, które s nawzajem najlepszymi odpowiedziami tworz równowag Nasha w strategiach mieszanych. [denicja dla n > 2 jest analogiczna]. 20
21 Table: Gra w opiek spoªeczn Biedak pracowa (γ w ) obijacsie (1 γ w ) Zasiªek (θ a ) 3,2 1, 3 Rz d Brak zasiªku (1 θ a ) 1, 1 0,0 Wypªaty (Rz d, Biedak). Strzaªki wskazuj jak podnie± swoj wypªat. Je±li rz d daje Zasiªek z prawdopodobie«stwem θ a, za± biedak wybiera Prac z prawdopodobie«stwem γ w, oczekiwana wypªata rz du wyniesie π rzad = θ a [3γ w + ( 1)(1 γ w )] + [1 θ a ][ 1γ w + 0(1 γ w )] = θ a [3γ w 1 + γ w ] γ w + θ a γ w (1) = θ a [5γ w 1] γ w. Bior c pochodn wzgl dem zmiennych, którymi gracze mog manipulowa otrzymujemy warunki pierwszego rz du. 0 = dπ Rzad dθ a = 5γ w 1 γ w = 0.2. (2) rz du! Uwaga: Otrzymali±my wypªaty biedaka bior c pochodn po wypªatach 21
22 Logika 1. Twierdzimy,»e istnieje optymalna strategia mieszana dla rz du. 2. Je±li biedak wybiera Prac cz ±ciej ni» w 20% przypadków, rz d nigdy nie wybierze Zasiªku. 3. Je±li strategia mieszana ma by optymalna dla rz du, biedak musi wybra Prac z prawdopodobie«stwem równym dokªadnie 20%. 22
23 By otrzyma prawdopodobie«stwo, z jakim rz d wybiera zasiªek: π Biedak = γ w (2θ a + 1[1 θ a ]) + (1 γ w )(3θ a + [0][1 θ a ]) = 2γ w θ a + γ w γ w θ a + 3θ a 3γ w θ a (3) = γ w (2θ a 1) + 3θ a. Warunek pierwszego rz du: dπ Biedak dγ w = (2θ a 1) = 0, θ a = 1/2. (4) 23
24 Równowag w strategiach mieszanych mo»na znale¹ ªatwiej miesza? Je±li jedna ze strategii daje ±rednio wi cej ni» inne, to dlaczego miaªbym Zatem w równowadze w strategiach mieszanych, strategia gracza 1 musi by taka,»e dwie lub wi cej strategie czyste wykorzystywana przez gracza 2 daj dokªadnie t sam wypªat. Krok pierwszy: zgadnij które strategie b d w ogóle wykorzystywane. Krok drugi: policz jakie prawdopodobie«stwa tych strategii spowoduj,»e drugi gracz b dzie indyferentny. Table: Gra w opiek spoªeczn Biedak pracowa (γ w ) obija si (1 γ w ) Zasiªek (θ a ) 3,2 1, 3 Rz d Mamy Brak zasiªku (1 θ a ) 1, 1 0,0 π g (Zasilek) = γ w (3)+(1 γ w )( 1) = π g (Brak z asilku) = γ w ( 1)+(1 γ w )(0) Wi c γ w ( ) = 1, wi c γ w =.2. π p (pracowac) = θ a (2) + (1 θ a )(1) = π p (Obijac s ie) = θ a (3) + (1 θ a )(0) wi c θ a (2 1 3) = 1 i θ a =.5. 24
25 Dyskusja i interpretacja Wystarczy je±li Twoje strategie wydaj si losowe Je±li jeste± indyferentny, to po co miesza (i to z odpowiednimi prawdopodobie«stwami)? Interpretacja 1: Populacja jednakowych graczy, z których ka»dy wybiera czyst strategi (b d c doskonale indyferentnym). Interpretacja 2: mieszanie wynika z nieznanych charakterystyk graczy (Harsanyi, 1973 wrócimy do tej interpretacji). 25
26 Strategie mieszane i istnienie równowagi Typowym powodem, dla którego równowaga w strategiach czystych nie istnieje jest to,»e zbiór strategii nie jest wypukªy (np. jest sko«czony). Wprowadzenie strategii mieszanych uwypukla zbiór strategii. Wypªaty s liniowe wzgl dem prawdopodobie«stw, zatem quasi-wkl sªe i ci gªe. Wobec tego sko«czona gra musi mie równowag w strategiach mieszanych. Glicksberg (1952) pokazaª tak»e,»e gra, w której zbiór strategii czystych ka»dego z graczy jest wypukªym i zwartym podzbiorem przestrzeni Euklidesowej, a funkcje wypªat s ci gªe musi mie równowag w strategiach mieszanych. 26
27 Wró my do dominacji Strategie czyste zdominowane przez strategi mieszan Kolumna Póªnoc Poªudnie Póªnoc 0,0 4,-4 Wiersz P oudnie 4,-4 0,0 Obrona 1,-1 1,-1 adna strategia czysta nie dominuje innej. Jednak dla gracza wierszowego Obrona jest ±ci±le zdominowana przez (0.5 Póªnoc, 0.5 Poªudnie). W równowadze ka»dy z graczy wybierze tak wªa±nie strategi mieszan. Oczekiwana wypªata z tej strategii mieszanej je±li gracz kolumnowy wybiera Póªno z prawdopodobie«stwem N wyniesie 0.5(N)(0) + 0.5(1 N)(4) + 0.5(N)(4) + 0.5(1 N)(0) = 2, (5) Zatem niezale»nie od strategii przyj tej przez gracza kolumnowego, oczekiwana wypªata gracza wierszowego jest wy»sza gdy zastosuje t strategi mieszan ni» gdy wybierze Obron. Wniosek: Wykluczanie z góry strategii mieszanych jest zªym pomysªem. Nale»y je rozwa»a, nawet je±li ostatecznie szukamy tylko równowag w strategiach czystych. 27
28 Konkurencja cenowa z ograniczon informacj o cenach. Przypadek optymalnych, kosztownych poszukiwa«cenowych (Diamond, 1971). D(p). p m N rm, koszt kra«cowy c. Kontinuum konsumentów, ka»dy zgªasza popyt b dzie oznaczaªo cen, jak wyznaczyªby monopolista. Techniczne zaªo»enie: (p c)d(p) jest wkl sªe). Konsumenci znaj tylko rozkªad cen nie wiedz kto jest najta«szy. Mog sprawdzi cen danej rmy, ale to jest kosztowne (trzeba zadzwoni albo pój±, to zajmuje czas, albo za sam wycen si pªaci itd.). Zakªadamy,»e dla danych cen p 1,... p N konsumenci uzyskuj ceny optymalnej liczby rm i kupuj D(p) od najta«szej z nich. Twierdzenie: Je»eli koszt uzyskania informacji o ka»dej rmie wynosi s, gdzie 0 < s < CS(p m ), to w jedynej równowadze Nasha mamy p 1 = p 2 =... p N = pm. (Czyli nawet dla maªego s konkurencja de facto znika!) To,»e to jest równowaga jest oczywiste, bo skoro wszyscy maj te same ceny, to po co szuka dalej? Pytanie czy nie ma innej? Rozwa»my równowag strategiach czystych (p 1, p 2,... p N ). Bez straty ogólno±ci przyjmiemy,»e p 1 jest najni»sza. Je±li p 1 nie jest równe p m, rma 1 mo»e podnie± cen do min{p 1 + s 2D(p 1 ), pm } (6) i nie straci konsumentów (czyli zyska, zatem to nie byªa równowaga). Istotnie, konsumentowi, który sprawdziª cen rmy 1 nie opªaca si szuka dalej, bo jego CS wzro±nie najwy»ej o s/2, a wymagaªoby to poniesienia kosztu s. Zatem najni»sza cena to p m (i oczywi±cie najwy»sza te»). Podobny argument dla ew. rownowag mieszanych. 28
29 Przypadek gdy niektórzy konsumenci s poinformowani Dla uproszczenia pzyjmiemy C = 0; N = 2 oraz D(p) = 0 dla p > 1, D(p) = 1 dla p 1. Sprawdzenie jednej ceny jest darmowe dla wszystkich. Sprawdzenie drugiej jest darmowe dla q konsumentów, którzy zatem wybieraj najta«sz ofert (rozªo» si równo gdy równe ceny). Natomiast dla pozostaªych 1 q sprawdzenie drugiej ceny jest drogie. Kroki: 1.»adna strategia nie jest grana z dodatnim prawdopodobie«stwem (w szczególno±ci nie istnieje równowaga w strategiach czystych). Szukamy mieszanej (dla uproszczenia: symetrycznej) opisywanej przez f. dystrybuanty A(p), czyli A(p) to prawdopodobie«stwo,»e gracz zagra co najwy»ej p. Ka»da czasem wybierana cena musi ±rednio dawa tyle samo. 2. jak ±redni wypªat daje najwy»sza kiedykolwiek wybierana cena? Wobec tego: ile ona wynosi? 3. jak wyrazi ±redni wypªat dla dowolnej innej ceny? ile ona musi wynosi? St d wyznaczymy A(p) i sprawdzimy czy jest przyzwoit dystrybuant. Jaki jest jej no±nik? 29
30 Gry Bayesowskie Jak dot d zakªadali±my,»e reguªy gry s wspóln wiedz wszystkich graczy. W szczególno±ci,»e wszyscy wiedz,»e wszyscy wiedz,»e... wypªaty s takie, jakie s. W praktyce, cz sto nie mamy pewno±ci co do wypªaty (celów, preferencji) innych graczy. Przykªadowo, zapisuj c si na dany przedmiot na studiach nie wiemy czy nauczyciel b dzie czerpa sadystyczn przyjemno± z uwalenia mo»liwie du»ej liczby ludzi. Firmy zasadniczo nie wiedz jakie s preferencje konsumentów i funkcje kosztów konkurencji. Mo»emy my±le o ka»dym z graczy jako reprezentuj cym jeden z mo»liwych typów Natura wybiera typ dla ka»dego z graczy i mo»e wysªa sygnaª, np. ka»dy mo»e zna swój typ, ale nie typy innych. 30
31 DEFINICJA: Gra Bayesowska Gra Bayesowska skªada si z sko«czonego zbioru N (zbiór graczy) sko«czonego zbioru Ω (zbiór stanów ±wiata) i dla ka»dego z graczy i N zbioru A i (zbioru dost pnych dla«akcji) sko«czonego zbioru T i (zbiór sygnaªów, które gracz i mógªby zaobserwowa ) funkcji τ i : Ω T i (funkcji sygnaªu gracza i) miary prawdopodobie«stwa p i na Ω (apriorycznych przekona«(a priori beliefs) gracza i) dla których p i (τ 1 i (t i )) > 0 dla wszystkich t i T i relacji preferencji i na wszystkich miarach prawdopodobie«stwa na A Ω (relacja preferencji gracza i), gdzie A = j N A j. Co to wszystko znaczy? funkcja sygnaªu okre±la kto si czego dowie o alokacji typów ka»dy z graczy a priori przypisuje ka»demu sygnaªowi, który mo»e otrzyma dodatnie prawdopodobie«stwo preferencje zale» od stanu ±wiata (to jest tego jakie typy reprezentuj ja sam, a jakie inni) Równowaga Bayesa-Nasha» da by dla ka»dego sygnaªu, ka»dy gracz wybieraª akcj najlepsz w ±wietle swoich przekona«a posteriori, które wynikaj z przekona«a priori, równowagowych strategii innych i reguªy Bayesa. 31
32 Przykªad: Ranking uniwersytetów W Scholarii jest dziesi szkóª wy»szych. Ciesz ca si zaufaniem organizacja ustala ranking zgodnie z pewnymi obiektywnymi kryteriami (jako± ksztaªcenia, osi gni cia naukowe). Ranking w caªo±ci rzadko jest przytaczany, natomiast ka»da ze szkóª mo»e opublikowa na swojej stronie internetowej itp. które miejsce zajmuje (nie mo»e kªama ). Które szkoªy to zrobi? Mo»emy przyj,»e spoªecze«stwo jest tu dodatkowym graczem, który czasem odwiedza stron której± ze szkóª i formuje przekonanie o jej miejscu w rankingu. Ka»da ze szkóª chciaªaby by postrzegana jako mo»liwie dobra. W równowadze szkoªa z pierwszego miejsca na pewno si tym pochwali, bo to mo»e tylko poprawi jej wizerunek. Zatem o szkole, która nie publikuje swojego miejsca w rankingu wiadomo,»e jest co najwy»ej druga. Zatem drugiej tak»e opªaca si pochwali itd. Je»ei apioryczne przekonania s równomierne (przypisuj danej szkole jednakowe szanse na dowolne miejsce w rankingu), to przekonania a posteriori dotycz ce szkoªy, która nie opublikowaªa, s równomierne na zbiorze tych miejsc w rankingu, dla których w równowadze szkoªa nie decyduje si publikowa. Zatem najwy»ej sklasykowanej z nich jednak opªaca si publikowa, chyba,»e nie publikuje tylko ostatnia. S wi c dwie (równowa»ne) równowagi: wszystkie szkoªy, lub wszystkie poza jedn publikuj. Nawet przedostatnia si tym chwali. 32
33 Przykªad: podziaª ciastka Od ciasta odkrojono dwa zapewne nierówne kawaªki, zgodnie ze znanym rozkªadem prawdopodobie«stwa na mo»liwych rozmiarach. Zostaj one przypisane losowo dwojgu dzieciom. Ka»de z nich zna tylko rozmiar swojego ciastka. Jednocze±nie decyduj czy si zamieni. Zamiana dojdzie do skuktu je±li obie strony zgªosz tak ch. Jak maªe ciasto warto zamieni? 33
34 Przykªad: czy informacja mo»e bole? Informacja mo»e by dla gracza szkodliwa. Spróbujemy tego dowie± konstruuj c dwuosobow gr Bayesowsk maj c nast puj ce cechy: Gracz 1 jest doskonale poinformowany, a gracz 2 nie; Gra ma jedyn równowag Nasha, w której gracz 2 osi ga wy»sz wypªat ni» jego wypªata w jedynej równowadze gry otrzymanej z gry wyj±ciowej przez poinformowanie gracza jakiego typu jest gracz 1. Dwa jednakowo prawdopodobne stany ±wiata: L M R U 1, 2ɛ 1, 0 1, 3ɛ D 2, 2 0, 0 0, 3 stan ω 1 L M R U 1, 2ɛ 1, 3ɛ 1, 0 D 2, 2 0, 3 0, 0 stan ω 2 Je±li tylko gracz 1 jest poinformowany, równowag jest (DD,L), co daje wypªaty (2, 2). Je»eli gracz 2 jest tak»e poinformowany, równowag w stanie ω 1 jest (U, R) a w stanie ω 2 (U, M) 34
35 Przykªad: konkurencja Cournota z nieznanymi kosztami Rozwa»my duopol Cournota z odwrotn funkcj popytu P (Q) = a Q, gdzie Q = q 1 + q 2. Koszty rmy 1 to C 1 (q 1 ) = cq 1. Koszty rmy 2 mog wynosi C 2 (q 2 ) = c L q 2 z prawdopodobie«stwem θ i C 2 (q 2 ) = c H q 2 z prawdopodobie«- stwem 1 θ, gdzie c L < c H. Który z tych dwóch przypadków akurat ma miejsce wie tylko rma 2. Oczywi±cie rma 2 mo»e chcie wybra inny poziom produkcji gdy ma wysokie koszty ni» gdy ma niskie. Istotnie, gdy jej koszty s wysokie, jej problem mo»emy zapisa jako: a gdy s niskie jako: max q 2 [(a q 1 q 2 ) c H ]q 2 max q 2 [(a q 1 q 2 ) c L ]q 2 Gdzie q 1 jest równowagowym wyborem rmy 1. Firma 1 ma nieco trudniejszy problem. Poniewa» nie wie jakiego typu jest rma 2, rozwi zuje problem: max q 1 θ[(a q 1 q 2(c H )) c]q 1 + (1 θ)[(a q 1 q 2(c L )) c]q 1 To daje nam warunki pierwszego rz du: q 2(c H ) = a q 1 (c H ) 2 q 2(c L ) = a q 1 (c L ) 2 q 1 = θ[a q 2(c H ) c] + (1 θ)[a q 2(c L ) c] 2 O ile wszyscy produkuj (tak b dzie je±li koszty nie s zbyt zró»nicowane...), to rozwi zanie jest nast puj ce: q 2(c H ) = a 2c H + c θ 6 (c H c L ), oraz. q 2(c L ) = a 2c L + c 3 θ 6 (c H c L ), q 1 = a 2c + θc H + (1 θ)c L 3 35
36 Porównajmy to z przypadkiem doskonaªej informacji: qi = a 2c i + c j. 3 Zatem w sytuacji niedoskonaªej informacji rma 2 produkuje wi cej ni» by produkowaªa w przypadku doskonaªej informacji gdy jej koszty s wysokie i mniej ni» by produkowaªa gdy jej koszty s niskie. Istotnie, gdy koszty s wysokie, ale rma 1 o tym nie wie, b dzie produkowa troch mniej ni» by produkowaªa wiedz c, zatem zostaje wi cej rynku dla rmy 2 (i analogicznie dla niskich). 36
37 Aukcje Aukcje u»ywane s do sprzedawania dzieª sztuki, pól naftowych, cz stotliwo- ±ci, czoªgów, papierów skarbowych, pluszaków, przejazdów pseudo-taksówkami, starych znaczków pocztowych, autostrad, reklam na googlach i miliona innych rzeczy. W zasadzie przesªanki do skorzystania z mechanizmu aukcji zamiast mechanizmu staªej ceny s takie: dalece nie ma pewno±ci po jakiej cenie co± si sprzeda jest jeden sprzedaj cy i wi cej ni» jeden potencjalny nabywca (lub odwrotnie w przypadku przetargów (procurement auctions) utrudniony jest arbitra» (odsprzeda») kupuj cy s skªonni poczeka na decyzje innych kupuj cych (np. dlatego,»e odbywa si to w sieci, albo dobro jest tak wyj tkowe,»e zainteresowanym chce si dok d± pofatygowa o oznaczonej porze) dobro jest na tyle cenne by warto si byªo bawi Zacznijmy od klasykacji. W aukcji gracze konkuruj o pewne dobro (lub dobra, o tym pó¹niej), które dla ka»dego mo»e mie inn warto± (wycen ). Mo»emy dzieli aukcje ze wzgl du na to jak te wyceny s wzajemnie powi zane (co ma istotny wpªyw na strategie). W aukcji z prywatymi wycenami, gracz nie mo»e si dowiedzie niczego nowego na temat wªasnej wyceny dobra na podstawie wycen innych graczy (cho ta wiedza mo»e zmieni jego strategi licytowania). Specjalny przypadek 1: aukcja z niezale»nymi prywatnymi warto- ±ciami independent private values: warto±ci losowane niezale»nie, tak,»e znajomo± wªasnej wyceny nie pomaga odgadn wyceny innych. Specjalny przypadek 2: wyceny powi zane (aliated private values): przeciwnie, wyceny s skorelowane i mo»na czego± si dowiedzie o wycenach innych na podstawie wªasnej. 37
38 Przeciwnie, w przypadku aukcji ze wspóln wycen (pure common values), wszystie wyceny s jednakowe, ale ka»dy z graczy mo»e mie inne oszacowanie tej wyceny (gdy wszyscy j po prostu znaj, aukcja przestaje by interesuj ca i potrzebna). 38
39 Reguªy aukcji Mo»emy tak»e mówi o ró»nych mechanizmach licytowania (ustalania ceny i zwyci zcy), np.: 1. Rosn ca (angielska, otwarta, ascending, open-outcry); 2. Pierwszej ceny, z u»yciem kopert (First-price sealed-bid ); 3. Drugiej ceny, z u»yciem kopert (aukcja Vickrey'a); 4. Malej ca (holenderska); 5. Wszyscy pªac (All-Pay). 39
40 Aukcja rosn ca Reguªy W ka»dym momencie ka»dy z graczy mo»e publicznie zgªosi now ofert (bid), pod warunkiem,»e przebije aktualnie najwy»sz. Gdy nikt ju» nie chce tego zrobi, dobro otrzymuje ten, kto zªo»yª najwy»sz ofert i wªa±nie tyle pªaci. Strategie Strategi b dzie seria ofert jako funkcja (1) wyceny (2) apriorycznego przekonania o wycenach innych oraz (3) dotychczasowych ofert innych. Wypªaty Zwyci zca otrzymuje swoj wycen pomniejszon o swoj (najwy»sz ) ofert. Pozostali otrzymuj zero. 40
41 Wariacje na temat aukcji rosn cej: 1. najmniejsze dopuszczalne podniesienie oferty (np. 1000$) 2. aukcja zegarowa albo japo«ska (open-exit auction), w której cena ro±nie w sposób ci gªy i ka»dy z graczy decyduje kiedy zrezygnowa z udziaªu. A kto zostanie w kole, na tego b c. 3. Aukcje na Ebay'u i Allegro: uczestnik podaje swoj maksymaln ofert, automat licytuje za niego do tej kwoty. Aukcja ko«czy si o oznaczonej godzienie. 4. Aukcje na Amazonie: jak wy»ej, z tym,»e ka»de przebicie aktualnie najwy»szej oferty przedªu»a aukcj 41
42 Formalizm Gdy gracz i ogªasza,»e jego wycena wynosi ṽ i, (v = value = wycena) a pozostali ogªaszaj ṽ i, Mechanizm okre±la prawdopodobie«stwo otrzymania dobra G oraz opªat t. Gracze: Sprzedawca i (min.) dwóch kupuj cych 1. Natura wybiera indywidualne wyceny v i, zgodnie z pewn ±ci±le rosn c i ci gª dystrybuant F (v) (f(v) oznacza g sto± ) na przedziale [v, v]. 2. Sprzedaj cy ustala mechanizm [G(ṽ i, ṽ i )v i t(ṽ i, ṽ i )]. Gdy gracz i ogªasza,»e jego wycena wynosi ṽ i, a pozostali ogªaszaj ṽ i, to jego prawdopodobie«stwo otrzymania dobra wynosi G a opªata wynosi t. Mechanizm mo»e wskaza,»e sprzedaj cy zachowuje dobro dla siebie. Sprzedaj cy wybiera tak»e procedur, zgodnie z któr gracze podadz ṽ i (równocze±nie, sekwencyjnie itd.). 3. Ka»dy z kupuj cych jednocze±nie decyduje czy wzi udziaª w aukcji 4. Sprzedawca i kupujacy ujawniaj ṽ zgodnie z procedur. 5. Dobro zostaje przyznane i opªaty przekazane zgodnie z mechanizmem. 42
43 Wypªaty Wypªata sprzedaj cego (=przychód=zysk) dana jest jako n π s = t(ṽ i, ṽ i ) (7) i=1 Mechanizm maksymalizuje przychód je±li oczekiwana wypªata sprzedaj cego w równowadze jest mo»liwie najwy»sza. Wypªata kupuj cego i wynosi 0 je±li nie we¹mie udziaªu, a w p.p.: π i (v i ) = G(ṽ i, ṽ i )v i t(ṽ i, ṽ i ) (8) Oznaczmy najwy»sz wycen jako ṽ (1), drug ṽ (2) itd. (remisy zdarzaj si z prawdopoobie«stwem 0, bo dystrybuanta jest ci gªa). Mechanizm nazwiemy efektywnym je±li w równowadze dobro zawsze otrzyma gracz z najwy»sz wycen, czyli G(ṽ (1), ṽ 1 ) = 1 43
44 Aukcja pierwszej ceny Zasady Ka»dy kupuj cy zgªasza jedn ofert, nie znaj c ofert innych. Dobro otrzymuje ten, kto zgªosiª najwy»sz ofert i pªaci tyle, ile zaproponowaª. Strategie Strategia okre±la jak oferta zale»y od wyceny. Wypªaty Wypªata zwyci skiego oferenta to jego wycena pomniejszona o ofert. Pozostali otrzymuj zero. Sprzedaj cy zarabia tyle ile wynosi najwy»sza oferta. 44
45 Aukcja pierwszej ceny z ci gªym rozkªadem wycen Natura niezaleznie losuje wyceny dla n neutralnych wzgl dem ryzyka kupuj cych, zgodnie z ci gª funkcj g sto±ci f(v) > 0 (dystrybuanta F (v)) na przedzale [0, v]. Niech G(b(v)) oznacza prawdopodobie«stwo wygrania dla pewnej oferty b(v) (b = bid =oferta). Wypªata kupuj cego jako funkcja jego wyceny v i funkcji ofert b(v) dana jest wzorem: π(v, b(v)) = G(b(v))[v b(v)]. (9) 45
46 Jak znale¹ równowagowe funkcje ofert? Z równania (9) mamy b(v) = v π(v, b(v)) G(b(v)). (10) niestety b(v) wyst puje po obu stronach :-(. Musimy przepisa π i G jako funkcje tylko v. Zacznijmy od G(b(v)). Je±li funkcje ofert s monotoniczne (wy»sza wycena wy»sza oferta), to kupuj cy z najwyzsz wycen zalicytuje najwy»ej i wygra. Zatem szansa wygrania to szansa,»e ka»dy z n 1 konkurentów ma mniejsz wycen : G(b(v)) = (F (v)) n 1. (11) Teraz we¹my si do π(v, b(v)). Zgodnie z twierdzeniem o obwiedni (envelope theorem) je±li b(v) jest wybrane optymalnie, to pochodna π(v, b(v)) wzgl dem v równa si pochodnej cz stkowej, bo π b = 0: dπ(v,b(v)) dv = π(v,b(v)) b Stosuj c to do równania (9) otrzymujemy dπ(v, b(v)) dv b v + π(v,b(v)) v = π(v,b(v)) v. (12) = G(b(v)). (13) Podstawiaj c z równania (11) dostajemy pochodn π jako funkcj v: dπ(v, b(v)) dv = (F (v)) n 1. (14) Teraz mo»emy scaªkowa wzgl dem wszystkich mo»liwych warto±ci od 0 do v. π(0) bedzie staª caªkowania: π(v, b(v)) = π(0) + v 0 (F (x)) n 1 dx = v 0 (F (x))n 1 dx. (15) Ostatni krok jest prawd, bo kupuj cy o wycenie v = 0 nigdy nie zalicytuje niczego dodatniego, zatem jego wypªata musi wynosi π(0, b(0)) = 0. Wró my teraz do funkcji oferty z równania (10) i podstawmy za G(b(v)) i π(v, b(v)) warto±ci z równa«(11) (15): v 0 b(v) = v (F (x))n 1 dx (F (v)) n 1. (16) 46
47 Rozwa»my F (v) = v/ v, (rozkªad jednostajny). (16) staje si b(v) = v v 0 ( x v ) n 1 dx ( v v ) n 1 = v v x=0 ( ) n 1 ( 1 ) 1 v n x n ( v v ) n 1 (17) = v ( ) n 1 ( 1 ) 1 v n v n 0 ( ) n 1 v v = v v n = ( ) n 1 n v. Šadny wynik mimo»mudnych oblicze«. Mo»na zauwa»y,»e im wi cej uczestników, tym bardziej agresywnie (wy»ej) kupuj cy powinien licytowa. Warto tak»e podkre±li,»e powy»sza strategia nie jest dominuj ca. Je±li inni np. s nieracjonalnie agresywni, my tak»e powinni±my by bardziej agresywni. A co z awersj do ryzyka? 47
48 Aukcje drugiej ceny Reguªy Ka»dy kupuj cy zgªasza jedn ofert, nie znaj c ofert pozostaªych. Oferty zostaj ujawnione, wygrywa ten, kto zªo»yª najwy»sz, pªac c kwot zalicytowan przez drugiego. Strategie Strategia okre±la jak oferta zale»y od wyceny. Wypªata Wypªata zwyci skiego oferenta to jego wycena pomniejszona o drug najwy»sz ofert. Pozostali otrzymuj zero. Sprzedawca zarabia drug najwy»sz ofert. Twierdzimy,»e b(v) = v sªabo dominuje ka»d inn strategi. Przez p oznaczmy najwy»sz spo±ród ofert zªo»onych przez innego kupuj cego ni» i. Rozwa»my trzy przypadki: 1. p < v i [chcemy wygra ] Ka»da oferta b > p (w tym b = v i ) przynosi v i p > 0. Ka»da oferta b < p przynosi 0. b = p przynosi (v i p)/2 < v i p 2. p > v i [nie chcemy wygra ] Ka»da oferta b > p przynosi v i p < 0. Ka»da oferta b < p (w tym b = v i ) przynosi 0. b = p przynosi (v i p)/2 < 0 3. p = v i [wszystko jedno] Zawsze dostaniemy 0. Czy to jedyna równowaga? Nie. Przykªadowo, gdy jest dwóch graczy i ich wyceny mog przyjmowa warto±ci 10 lub 20, to mamy te» tak równowag : b 1 (v = 10) = 10 b 1 (v = 20) = 20 b 2 (v = 10) = 1 b 2 (v = 20) = 11. (18) Ogólnie, ka»da kombinacja strategii, w której jeden z graczy skªada ofert równ lub wy»sz najwy»szej mo»liwej wycenie i ±rednio rzecz bior c zarabia jest równowag. 48
49 Aukcje malej ce (holenderskie) Reguªy Sprzedawca ogªasza cen pocz tkow, któr obni»a w sposób ci gªy, a» kto± go zatrzyma, kupuj c po tej cenie. Strategie Kiedy zatrzyma aukcj, jako funkcja wªasnej wyceny (wi c wbrew pozorom to nie jest gra dynamiczna je±li dowiedzieli±my si czego± nowego, to jest ju» za pó¹no). Wypªaty Zwyci ski oferent otrzymuje swoj wycen pomniejszon o cen, na której zatrzymaª. Pªaci t cen sprzedawcy. Reszta: zero. Aukcje holenderskie s strategicznie ekwiwalentne aukcjom pierwszej ceny, co oznacza,»e istnieje funkcja ró»nowarto±ciowa i na przypisuj ca strategiom w jednej z nich strategie w drugiej, taka,»e odpowiadaj ce sobie kombinacje strategii daj te same wypªaty. Warto zwróci uwag,»e aukcje rosn ce, cho podobne do aukcji drugiej ceny, s ekwiwalentne tylko gdy n = 2. Tzn. je±li gdy czego± si dowiemy, to jest ju» za pó¹no. 49
50 Aukcje wszyscy pªac Reguªy Ka»dy z kupuj cych jednocze±nie zgªasza ofert. Najwy»sza oferta wygrywa. Ka»dy pªaci swoj ofert. Strategie Oferta jako funkcja wyceny. Wypªaty Zwyci zca: jak zawsze. Przegrani: minus oferta. Sprzedawca: suma ofert. Przykªady: konkursy SMS-owe, niektóre aukcje dobroczynne, niektóre formy konkurencji (np. wy±cigi R&D, wy±cigi zbroje«) 50
51 All Pay: przypadek jednakowych wycen Zaªó»my,»e n graczy ma te same wyceny v. Oczywi±cie nie b dzie równowagi w strategiach czystych. Zaªó»my symetryczn równowag. Ka»dy z kupuj cych u»ywa tej samej strategii mieszanej, danej rozkªadem prawdopodobie«stwa z dystrybuant M(b). Powinna by ci gªa (je±li nie jest, czyli je±li jaka± konkretna warto± jest grana z dodatnim prawdopodobie«stwem, to lepiej zwi kszy j sobie o ɛ by unikn remisów). Rozwa»my najni»sz warto± b, któr kiedykolwiek kupuj cy wybiera. Poniewa» nie daje ona szansy wygranej, to musi to by b = 0. Zatem w równowadze π(b) = 0 dla ka»dej czasem wybieranej b. St d (M(b)) n 1 v = b, (19) zatem M(b) = n 1 b v (20) Rozwa»my skrajne oferty. Mamy M(0) = n 1 0 v = 0 i M(v) = n 1 v v = 1, tak jak by powinno jest przyzwoita dystrybuanta: z warto±ciami rosn cymi od 0 do 1. 51
52 All Pay: przypadek wycen losowanych z przedziaªu Zaªó»my teraz,»e ka»dego z n kupuj cych charakteryzuje wycena v wylosowana z rozkªadu o g sto±ci f(v). Przypuszczamy,»e równowaga jest symetryczna, wykorzystuje strategie czyste, oraz,»e funkcja ofert b(v), jest ±ci±le rosn ca. Wykorzystuj c rozumowanie podobne do tego zastosowanego do mechanizmu aukcji pierwszej ceny mo»emy wyznaczy strategie równowagowe dla przypadku wycen o rozkªadzie jednostajnym na [0, 1]: b(v) = n 1 n V n 52
53 Twierdzenie o ekwiwalentno±ci przychodów (RET) Pytanie: który mechanizm jest najlepszy? Okazuje si,»e wszystkie speªniaj ce pewne zaªo»enia s równie dobre. Zaªó»my,»e wszyscy gracze s neutralni wobec ryzyka, a wyceny s prywatne, wylosowane niezale»nie z tego samego rozkªadu zadanego ci gª, ±ci±le rosn c dystrybuant F (v) na [v, v]. Je±li zarówno dla Mechanizmu A 1 jak Mechanizmu A 2 prawd jest,»e: 1. zwyci zc zostaje kupuj cy o najwy»szej wycenie [aukcja jest efektywna] 2. najgorszy typ v = v ma warto± oczekiwan wypªaty równa zero, to w symetrycznej równowadze ka»dego z tych mechanizmów oczekiwane wypªaty sa takie same dla ka»dego typu kupuj cego i dla sprzedaj cego. 53
54 Dowód RET Mo»emy my±le o ofercie jako o sygnale wyceny, która za ni stoi. np. w dwuosobowej aukcji pierwszej ceny z jednostajnymi wycenami na [0, 1] oferta.3 znaczy,»e mamy wycen.6. Rozwa»my kupuj cego o typie (wycenie) v, który wysyªa sygnaª ±wiadcz cy o tym,»e jego wycena to z. W rezultacie ±rednio zapªaci pewne p(z). Chcemy mie prawdomówno± w równowadze, tj. z = v. Z zaªo»enia 1 wynika,»e prawdopodobie«stwo,»e gracz zdob dzie dobro o ile wybierze sygnaª z wynosi F (z) n 1, tj. prawdopodobie«stwo,»e ka»dy z pozostaªych n 1 graczy ma wycen v < z. Oznaczmy to p-stwo przez G(z), z g sto±ci g(z). g(z) jest dobrze okre±lone, bo przyj li±my,»e F (v) jest rosn ca i ci gªa. Oczekiwana wypªata ka»dego kupuj cego typu v jest taka sama, bo ograniczamy si do symetrycznych równowag. Wynosi ona: π(z, v) = G(z)v p(z). (21) Warunek pierwszego rz du wzgl dem wyboru sygnalizowanego typu z (który b dzie speªniony, bo rozwi zanie brzegowe z = 0 lub z = v kªóciªoby si z efektywno±ci z zaªo»enia 1) dany jest wzorem: dπ(z; v) dz = g(z)v dp(z) dz = 0, (22) zatem dp(z) = g(z)v. (23) dz szukamy równowagi z prawdomówno±ci, mo»emy zatem za z podstawi v: dp(v) dv = g(v)v. (24) Nast pnie caªkujemy (24) po wszystkich warto±ciach od 0 do v, dodaj c p(v) jako staª caªkowania : p(v) = p(v) + v v g(x)xdx. (25) Mo»emy skorzysta z (25 by podmieni p(v) w równaniu (21). Po zamianie z na v i podstawieniu p(v) = 0 na mocy zaªo»enia 2, mamy: π(v, v) = G(v)v v v g(x)xdx. (26) Równanie (26) mówi,»e oczekiwana wypªata kupuj cego typu v zale»y wyª cznie od rozkªadu G(v), który z kolei zale»y wyª cznie od rozkªadu F (v), a nie od funkcji p(z) albo innych cech danego mechanizmu aukcyjnego. A skoro wypªaty kupuj cych s takie same, to sprzedaj cego te». Q.E.D. 54
55 Symetryczne równowagi aukcji: rosn cej, pierwszej ceny, drugiej ceny, malej cej i all-pay speªniaj oba warunki równania RET, zatem przynosz takie wypªaty kupuj cym i sprzedaj cemu. 55
56 Uwagi 1. Chocia» rózne mechanizmy aukcji przynosz t sam oczekiwan wypªat, wypªata dla danej, konkretnej realizacji losowych wycen mo»e by ró»na 2. RET dziaªa tylko dla niezale»nych, prywatnych wycen 3. zaªo»eniem RET jest efektywno± aukcji. Cz sto istnieje niefektywny mechanizm, który jednak przynosi wy»szy oczekiwany przychód sprzedaj - cemu Zaªó»my,»e wyceny s jednostajne na [0, 10] i n = 2. ad 1: Rozwa»my konkretne warto±ci, np. v 1 = 8: aukcja pierwszej ceny oka»e si akurat lepsza gdy v 2 < 4 i gorsza w przeciwnym przypadku. ad 2: zaªó»my,»e rozkªady nie s niezale»ne: v 2 = 10 v 1. Aukcja drugiej ceny da sprzedaj cemu drug najwy»sz wycen, p = v (2). Ale reguªa: zwyci zca pªaci 10 minus druga najwy»sza oferta minus epsilon przyniesie sprzedawcy du»o wi cej: najwy»sz wycen minus epsilon. ad 3: niezerowe ceny minimalne mog podnie± przychody kosztem efektywno±ci 56
57 Cena minimalna (reserve price w niektórych aukcjach mo»emy j nazwa wywoªawcz ) Mechanizm mo»e mie cen minimaln r, poni»ej której dobro nie zostanie sprzedane. Zatem G(ṽ (1), ṽ 1 ) = 1, t(ṽ (1), ṽ 1 ) = Max{ṽ (2), r} je»eli ṽ (1) r ale G(ṽ (1), ṽ 1 ) = 0 je»eli ṽ (1) < r. Generalnie im wy»sza cena minimalna, tym ni»sza efektywno±, bo dobro nie zostanie sprzedane gdy ṽ (1) < r. Zacznijmy od najprostszego przypadku n = 1, aukcja drugiej ceny. Generalnie sprzedaj cy zarobi r, o ile kupuj cy zechce tyle zapªaci : E(Π S ) = (1 F (r))r. Im wi ksza cena minimalna, tym wi ksze ryzyko,»e si nie sprzeda. Warunek pierwszego rz du: 1 F (r) f(r)r = 0 Zatem optymalna cena minimalna speªnia warunek: r = 1 F (r). f(r) Przykªadowo, dla rozkªadu jednostajnego na [0, 1] optymalne jest r = 0.5. To generalnie nic nowego pod sªo«cem problem monopolisty. Mo»emy bowiem my±le o 1 F (r) jako ilo±ci q, która zostanie ±rednio rzecz bior c sprzedana. Jak zawsze chcemy mie MR=MC. MR(r) = d dq (rq(r)) = r + q dq/dr = v 1 F (r) = 0 f(r) Gdy n jest wi ksze, to z jednej strony mniejsze ryzyko,»e nikt nie zechce kupi, ale z drugiej strony mniejszy po»ytek, bo i tak musz licytowa ostro by przelicytowa innych. Zatem nie jest oczywiste czy optymalna cena minimalna spada czy ro±nie wraz z n. Po rachunkach, które sobie odpu±cimy, okazuje si,»e 57
58 w ogóle od niej nie zale»y. Intuicja jest taka: ustalmy drug najwy»sz wycen v (2). Pytamy czy warto podnosi r. Otó» to zale»y od warunkowego rozkªadu v (1) pod warunkiem v (2), bo podwy»szanie r jest dobre gdy v (1) jest od niej wy»sze, a sprzedaj cy traci w momencie gdy j przekroczy. Otó» rozkªad v (1) pod warunkiem v (2) nie zale»y od tego ile jeszcze wycen jest poni»ej v (2). Okazuje si nawet,»e optymalna cena minimalna jest taka sama dla aukcji pierwszej i drugiej ceny czyli zawsze speªnia warunek (lub ewentualnie warunek r = 1 F (r). f(r) r = 1 F (r) f(r) + v S. je±li dopu±cimy nie-zerow warto± dobra dla sprzedaj cego). 58
59 Aukcje o wspólnej wycenie i kl twa zwyci zcy Kl twa zwyci zcy: Je±li uczestnicy aukcji o wspólnej wycenie licytuj do poziomu swojego nieoci»onego oszacowania tej wyceny, zwyci zc zostanie ten, kto najbardziej przeszacowaª i osi gnie ujemn wypªat. Wygranie aukcji to zªa wiadomo±. Rozwa»my aukcj drugiej ceny, z dwoma graczami. Je±li gracz 1 wygrywa zªo»ywszy ofert b(ˆv 1 ) opart o jego aprioryczne przekonanie o warto±ci dobra ˆv 1, przekonanie a posteriori jest bardziej pestymistyczne: ṽ 1 = E(V ˆv 1, b(ˆv 2 ) < b(ˆv 1 ),..., b(ˆv n ) < b(ˆv 1 )). (27) Informacja,»e b(ˆv 2 ) < b(ˆv 1 ) to zªa wiadomo±, poniewa» sugeruje,»e v jest niskie. Zatem ṽ 1 < E(V ˆv 1 ) = ˆv 1, (28) Mo»na my±le o wypªacie uczestnika aukcji jako o warunkowej ofercie. Uczestnik aukcji drugiej ceny chciaªby zªo»y ofert [X pod warunkiem przegrania aukcji, ale (X Y ) pod warunkiem jej wygrania], gdzie X jest jego oszacowaniem warto±ci przedmiotu pod warunkiem przegrania aukcji, a (X Y ) jest oszacowaniem pod warunkiem wygrania. Ale jak i taka mam przegra, to co za ró»nica co zalicytuj? wi c powinienem licytowa swoje oszacowanie warto±ci dobra przy zaªo»eniu wygrania aukcji. 59
60 Prosty przypadek aukcji o wspólnej wycenie Pole naftowe skªada si z dwóch cz ±ci. A priori ich wyceny s niezale»nie losowane z rozkªadu jednostajnego na [0, 1]. Gracz 1 zna wycen pierwszej cz ±ci, s 1 a gracz 2 wycen drugiej, s 2. Š czna warto± to ich suma, v = s 1 + s 2. Jak powinni licytowa w aukcji drugiej ceny? s 1 Ex ante, oczekiwana warto± to 1. Zaªó»my teraz,»e gracz 1 obserwuje = 0, 3. Jego skorygowane oszacowanie warto±ci to 0, 8. Czy powinien tak zalicytowa? Nie, bo wygra raczej wtedy, gdy s 2 jest niskie. Rozwa»my symetryczn równowag, z rosn c ofert jako funkcj sygnaªu. W równowadze wygram wtedy i tylko wtedy gdy mam wy»szy sygnaª. Zatem z sygnaªem 0, 3 spodziewam si wygra tylko je±li drugi sygnaª jest jeszcze ni»szy, zatem oczekiwana warto± pola to tylko 0, 45! W równowadze nie opªaca si zmieni oferty nawet odrobin. Kiedy tak b dzie? Jak drugi gracz ma wy»szy sygnaª, to i tak go nie przelicytuj. Jak ma ni»szy, to i tak go przelicytuj. Musz zaªo»y,»e ma dokªadnie taki sam. 60
61 Prosty przypadek aukcji o wspólnej wycenie: rozwi zanie b 1 (s 1 ) = E(v s 1, s 1 ) = 2s 1 i b 2 (s 2 ) = E(v s 2, s 2 ) = 2s 2 jest wi c naszym kandydatem na równowag. Istotnie, gdy s 2 < s 1, to b 2 < b 1, gracz 1 kupuje po cenie 2s 2 < s 1 + s 2 = v i nie»aªuje decyzji. Gracz 2 musiaªby licytowa ponad 2s 1 aby wygra, zapªaciªby 2s 1, czyli wi cej ni» warto± dobra. Analogiczne rozumowanie dla przypadku s 2 > s 1. Zauwa»»e 2s i NIE jest trategi dominuj c w tym przypadku. Je»eli zaobserwuj s 1 = 0, 8 i zalicytuj b 1 = 1, 6, mo»e si zdarzy,»e drugi gracz zaobserwuje s 2 = 0, 2 ale zalicytuje b 2 = 1, 4 (cho nie powinien). Zapªac 1,4 za pole warte 1. 61
62 A co w przypadku n graczy? Znów, zaªó»my,»e v = s 1 +s s n. Czy powinienem zakªada,»e ka»dy ma dokªadnie taki sam sygnaª? NIE. Naªó»my,»e n = 5 i wszyscy tak post puj i»e obserwuj najwy»szy sygnaª, s 1 = 1 Czy powinienem licytowa 5? Drugi najwy»szy sygnaª ±rednio rzecz bior c wyniesie 0.8, wi c oferta 4, czyli zapªac ±rednio 4, cho pole jest warte tylko E(V s 1 = 1) = = 3. Sk d obsuwa? Wystarczy,»e jeden konkurent ma dokªadnie taki sam sygnaª, a pozostali ni»szy, by maªa zmiana b robiªa ró»nic. Zatem kandydatem na równowag jest b i (s i ) = 2s i + (n 2)si 2 = (n+2)si 2. Przykªadowo, gracz obserwuj cy s 1 = 1 ±rednio rzecz bior c zapªaci.8(5+2) 2 = 2.8 za pole warte 3. Ogólniej, dla dowolnego sygnaªu s 1, oczekiwana warto± wyceny pola pod warunkiem tego,»e s 1 jest najwy»szym sygnaªem wynosi s 1 n+1 n 1 (n+2) a oczekiwana zapªata s 1 n 2, czyli mniej. Je±li nawet (najgorszy przypadek), drugi najwy»szy sygnaª jest dokªadnie taki sam jak nasz, ±rednio zarobimy zero. Z tego wynika,»e to faktycznie równowaga. Istotnie, zaªó»my,»e pozostali korzystaj ze strategii b j (s j ) = (n+2)sj 2. Chcemy wiedzie jaka jest maksymalny najwy»szy spo±ród pozostaªych sygnaªów, s (1) i, dla którego gracz i chciaªby wygra aukcj. Oczywi±cie do zapªaty w przypadku wygrania b dzie s (1). Natomiast o ile wygramy w tej sytuacji, to ±rednio dostaniemy i n+2 2 s i + s (1) i + s(1) i n 2 2 = s i + s (1) i n 2. Ró»nica mi dzy przychodem a kosztem wynosi s i s (1) i, czyli chcemy wygra aukcj tylko je±li mamy wy»szy sygnaª ni» najsilniejszy konkurent, czyli musimy imitowa jego strategi, cbdo. Mo»na zauwa»y,»e ta strategia nie tylko nie dominuje sªabo, ale mo»emy jej po»aªowa ex post nawet gdy wszyscy si jej trzymaj. np. dla n = 3 gdy mamy s 1 =.8, s 2 =.7, s 3 =.6, to gracz 1 kupi pole skªadaj c ofert b 1 = 2s 1 + s1 2 = 2. Ale warto± pola wynosi 2.1, wi c dowolny inny gracz mógªby zarobi oferuj c np Skonstruuj przykªad, w którym gracz wygrywaj cy aukcj traci na tym. 2, 62
63 Czy kl twa zwyci zcy naprawd dziaªa? Tabela 1 Powa»ne oferty na aukcjach pól naftowych (Rasmusen) Oshore Santa Barbara Oshore Alaska Louisiana Channel Texas North Slope Tract SS 207 Tract 375 Tract 506 Tract Mo»na zgadywa,»e zwyci zca cz sto przepªaca. 63
64 Przychody w aukcjach o wspólnej wycenie Twierdzenie o ekwiwalentno±ci przychodu nie musi obowi zywa. W szczególno±ci je±li jest wspólny komponent wyceny i sygnaªy s powi zane ( aliated z grubsza: dodatnio skorelowane), to aukcja rosn ca i aukcja drugiej ceny daj wi ksze oczekiwane przychody ni» aukcja pierwszej ceny lub malej ca (te dwie s oczywi±cie ekwiwalentne). Je±li jest wi cej ni» dwóch graczy, to aukcja rosn - ca przynosi wi kszy oczekiwany przychód ni» aukcja drugiej ceny. Intuicja jest taka,»e nadwy»ka zwyci zcy aukcji generalnie wynika z jego prywatnej informacji. Przykªadowo, gdyby najwy»sza wycena byªa znana, mo»na by jej za» da (minus ɛ). Otó» w przypadku aukcji drugiej ceny kwota, któr zapªaci zwyci zca zale»y od informacji jednego innego gracza (via wysoko± drugiej oferty) a w przypadku aukcji rosn cej od informacji wszystkich innych graczy. A poniewa» sygnaªy s powi zane, to info innych mówi co± o info zwyci zcy. Wi c jego renta informacyjna spada. 64
65 Strategie w aukcjach o wspólnej wycenie: przypadek aukcji drugiej ceny i aukcji rosn cej Z niezale»nymi prywatnymi wycenami kupuj cy powinni licytowa zgodnie ze swoj wycen. Jest tak poniewa» 1. Twoja oferta nie ma wpªywu na cen, któr zapªacisz 2. b(v) = v to jedyna strategia, przy której na pewno wygrasz gdy chcesz wygra (bo cena najwy»sza spo±ród pozostaªych ofert jest mniejsza od Twojej wyceny) i przegrasz gdy chcesz przegra (bo jest wy»sza) Ale jak licytowa gdy nie znaszy swej wyceny v, a jej oszacowanie jest inne gdy wygrasz ni» gdy przegrasz? 65
66 Zaªó»my,»e wycena v ma a priori rozkªad nieinformacyjny dowolna warto± jest tak samo prawdopodobna (jak komu± si nie podoba, to mo»e przyj,»e to jednostajny na b. dªugim przedziale). Ka»dy z n graczy obserwuje prywatny sygnaª s i losowany niezale»nie z przedziaªu [v m, v + m], gdzie m jest znan staª. Maksymalna mo»liwa warto± v to s (n) + m. Minimalna mo»liwa warto± to s (1) m. Ka»da w tym przedziale jest jednakowo prawdopodobna, zatem nieobci»onym estymatorem v jest s (n) + s (1). 2 (licz si tylko dwa skrajne sygnaªy. W szczególno±ci ±rednia czy mediana mog by zupeªnie inne). 66
67 Aukcja rosn ca (japo«ska) Równowaga: Je±li nikt jeszcze nie zrezygnowaª, kupuj cy i powinien zrezygnowa gdy cena osi gnie poziom s i. Je±li kto± ju» wcze±niej zrezygnowaª pierwszy przy cenie p (n) kupuj cy i powinien zrezygnowa przy cenie p i = p (n)+s i 2. Wyja±nienie: Czy opªaca si maªe odst pstwo od równowagi? Zawsze s dwie mo»liwo±ci: a) kto± ma wy»szy sygnaª ni» i b) wszyscy pozostali jeszcze w grze maj taki sam sygnaª. (Bo ci, co mieli ni»szy, zrezygnowali ju» wcze±niej). W przypadku a) i tak nie wygramy aukcji. W przypadku b) je±li jeszcze nikt nie zrezygnowaª, czyli wszyscy maj s i, wycen dobra szacujemy na s i, wi c faktycznie trzeba przy tej cenie zrezygnowa. Je±li natomiast niektórzy wcze±niej zrezygnowali, z czego pierwszy przy cenie p (n), a pozostali wszyscy maj s i, to wycen szacujemy na p (n)+s i 2, wi c faktycznie przy tej cenie nale»y zrezygnowa. Jest tak dlatego,»e w równowadze s (n) = p (n) 67
Teoria gier Michaª Krawczyk
Teoria gier Michaª Krawczyk Podzi kowania za materiaªy: Eric Rasmusen, Marcin Malawski, Ariel Rubinstein Na tym kursie b dziemy chcieli u»y matematycznych narz dzi teorii gier do modelowania interakcji
Zaawansowana mikroekonomia: szkice rozwi za«wybranych zada«michaª Krawczyk
Zaawansowana mikroekonomia: szkice rozwi za«wybranych zada«michaª Krawczyk GRY W POSTACI NORMALNEJ 4. W ka»dej z poni»szych dwuosobowych gier wska» strategie sªabo/±ci±le dominuj ce, strategie najbezpieczniejsze,
Relacj binarn okre±lon w zbiorze X nazywamy podzbiór ϱ X X.
Relacje 1 Relacj n-argumentow nazywamy podzbiór ϱ X 1 X 2... X n. Je±li ϱ X Y jest relacj dwuargumentow (binarn ), to zamiast (x, y) ϱ piszemy xϱy. Relacj binarn okre±lon w zbiorze X nazywamy podzbiór
3. (8 punktów) EGZAMIN MAGISTERSKI, Biomatematyka
EGZAMIN MAGISTERSKI, 26.06.2017 Biomatematyka 1. (8 punktów) Rozwój wielko±ci pewnej populacji jest opisany równaniem: dn dt = rn(t) (1 + an(t), b gdzie N(t) jest wielko±ci populacji w chwili t, natomiast
ANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15
ANALIZA NUMERYCZNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Metoda Eulera 3 1.1 zagadnienia brzegowe....................... 3 1.2 Zastosowanie ró»niczki...................... 4 1.3 Output do pliku
Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych.
Wykªad jest prowadzony w oparciu o podr cznik Analiza matematyczna 2. Denicje, twierdzenia, wzory M. Gewerta i Z. Skoczylasa. Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych. Denicja Mówimy,»e funkcja
1 Metody iteracyjne rozwi zywania równania f(x)=0
1 Metody iteracyjne rozwi zywania równania f()=0 1.1 Metoda bisekcji Zaªó»my,»e funkcja f jest ci gªa w [a 0, b 0 ]. Pierwiastek jest w przedziale [a 0, b 0 ] gdy f(a 0 )f(b 0 ) < 0. (1) Ustalmy f(a 0
Metodydowodzenia twierdzeń
1 Metodydowodzenia twierdzeń Przez zdanie rozumiemy dowolne stwierdzenie, które jest albo prawdziwe, albo faªszywe (nie mo»e by ono jednocze±nie prawdziwe i faªszywe). Tradycyjnie b dziemy u»ywali maªych
ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
X WARMI SKO-MAZURSKIE ZAWODY MATEMATYCZNE 18 maja 2012 (szkoªy ponadgimnazjalne)
X WARMI SKO-MAZURSKIE ZAWODY MATEMATYCZNE 18 maja 2012 (szkoªy ponadgimnazjalne) Zadanie 1 Obecnie u»ywane tablice rejestracyjne wydawane s od 1 maja 2000r. Numery rejestracyjne aut s tworzone ze zbioru
1 Granice funkcji wielu zmiennych.
AM WNE 008/009. Odpowiedzi do zada«przygotowawczych do czwartego kolokwium. Granice funkcji wielu zmiennych. Zadanie. Zadanie. Pochodne. (a) 0, Granica nie istnieje, (c) Granica nie istnieje, (d) Granica
Statystyka matematyczna - ZSTA LMO
Statystyka matematyczna - ZSTA LMO Šukasz Smaga Wydziaª Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza w Poznaniu Wykªad 4 Šukasz Smaga (WMI UAM) ZSTA LMO Wykªad 4 1 / 18 Wykªad 4 - zagadnienia
Równania ró»niczkowe I rz du (RRIR) Twierdzenie Picarda. Anna D browska. WFTiMS. 23 marca 2010
WFTiMS 23 marca 2010 Spis tre±ci 1 Denicja 1 (równanie ró»niczkowe pierwszego rz du) Równanie y = f (t, y) (1) nazywamy równaniem ró»niczkowym zwyczajnym pierwszego rz du w postaci normalnej. Uwaga 1 Ogólna
Zadanie 1. (8 punktów) Dana jest nast puj ca macierz: M =
Matematyka w ekonomii i ubezpieczeniach 1. (8 punktów) Dana jest nast puj ca macierz: M = 2 14 2 10 8 0 10 8. a) Znajd¹ rozwi zanie dwuosobowej gry o sumie zero maj cej powy»sz macierz wypªat. b) Przyjmuj
Ekonometria Bayesowska
Ekonometria Bayesowska Wykªad 6: Bayesowskie ª czenie wiedzy (6) Ekonometria Bayesowska 1 / 21 Plan wykªadu 1 Wprowadzenie 2 Oczekiwana wielko± modelu 3 Losowanie próby modeli 4 wiczenia w R (6) Ekonometria
Mikro II: Krzywe kosztów, Poda» rmy i Poda» gaª zi.
Mikro II: Krzywe kosztów, Poda» rmy i Poda» gaª zi. Krzysztof Makarski 22 Krzywe kosztów Wst p Celem jest wyprowadzenie funkcji poda»y i jej wªasno±ci. Funkcj poda»y wyprowadzamy z decyzji maksymalizuj
Informatyka. z przedmiotu RACHUNEK PRAWDOPODOBIE STWA
Informatyka Zbiór przykªadowych prac kontrolnych oraz przykªadowych zada«egzaminacyjnych z przedmiotu RACHUNEK PRAWDOPODOBIE STWA Sprawdzian 1, M09-02 Zadanie 1 (1p) W rzucie dwiema kostkami obliczy prawdopodobie«stwo
Metody dowodzenia twierdze«
Metody dowodzenia twierdze«1 Metoda indukcji matematycznej Je±li T (n) jest form zdaniow okre±lon w zbiorze liczb naturalnych, to prawdziwe jest zdanie (T (0) n N (T (n) T (n + 1))) n N T (n). 2 W przypadku
Ciaªa i wielomiany. 1 Denicja ciaªa. Ciaªa i wielomiany 1
Ciaªa i wielomiany 1 Ciaªa i wielomiany 1 Denicja ciaªa Niech F b dzie zbiorem, i niech + (dodawanie) oraz (mno»enie) b d dziaªaniami na zbiorze F. Denicja. Zbiór F wraz z dziaªaniami + i nazywamy ciaªem,
ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
5. (8 punktów) EGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach
Matematyka w ekonomii i ubezpieczeniach ( Niezale»ne szkody maja rozkªady P (X i = k) = exp( 1)/k!, P (Y i = k) = 4+k ) k (1/3) 5 (/3) k, k = 0, 1,.... Niech S = X 1 +... + X 500 + Y 1 +... + Y 500. Skªadka
XVII Warmi«sko-Mazurskie Zawody Matematyczne
1 XVII Warmi«sko-Mazurskie Zawody Matematyczne Kategoria: klasa VIII szkoªy podstawowej i III gimnazjum Olsztyn, 16 maja 2019r. Zad. 1. Udowodnij,»e dla dowolnych liczb rzeczywistych x, y, z speªniaj cych
Strategia czy intuicja?
Strategia czy intuicja czyli o grach niesko«czonych Instytut Matematyki Uniwersytetu Warszawskiego Grzegorzewice, 29 sierpnia 2009 Denicja gry Najprostszy przypadek: A - zbiór (na ogóª co najwy»ej przeliczalny),
Lab. 02: Algorytm Schrage
Lab. 02: Algorytm Schrage Andrzej Gnatowski 5 kwietnia 2015 1 Opis zadania Celem zadania laboratoryjnego jest zapoznanie si z jednym z przybli»onych algorytmów sªu» cych do szukania rozwi za«znanego z
ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
ZADANIA. Maciej Zakarczemny
ZADANIA Maciej Zakarczemny 2 Spis tre±ci 1 Algebra 5 2 Analiza 7 2.1 Granice iterowane, granica podwójna funkcji dwóch zmiennych....... 7 2.2 Caªki powierzchniowe zorientowane...................... 8 2.2.1
Modele wielorównaniowe. Problem identykacji
Modele wielorównaniowe. Problem identykacji Ekonometria Szeregów Czasowych SGH Identykacja 1 / 43 Plan wykªadu 1 Wprowadzenie 2 Trzy przykªady 3 Przykªady: interpretacja 4 Warunki identykowalno±ci 5 Restrykcje
Numeryczne zadanie wªasne
Rozdziaª 11 Numeryczne zadanie wªasne W tym rozdziale zajmiemy si symetrycznym zadaniem wªasnym, tzn. zadaniem znajdowania warto±ci i/lub wektorów wªasnych dla macierzy symetrycznej A = A T. W zadaniach
Zaawansowana mikroekonomia: zbiorek zada«michaª Krawczyk
Zaawansowana mikroekonomia: zbiorek zada«michaª Krawczyk DECYZJE INDYWIDUALNE 1. Zyski przedsi biorcy zale» od poziomu popytu, którego nie da si przewidziec z pewno±ci. Przedsi biorca szacuje natomiast,»e
Macierze. 1 Podstawowe denicje. 2 Rodzaje macierzy. Denicja
Macierze 1 Podstawowe denicje Macierz wymiaru m n, gdzie m, n N nazywamy tablic liczb rzeczywistych (lub zespolonych) postaci a 11 a 1j a 1n A = A m n = [a ij ] m n = a i1 a ij a in a m1 a mj a mn W macierzy
Ekonometria Bayesowska
Ekonometria Bayesowska Wykªad 9: Metody numeryczne: MCMC Andrzej Torój 1 / 17 Plan wykªadu Wprowadzenie 1 Wprowadzenie 3 / 17 Plan prezentacji Wprowadzenie 1 Wprowadzenie 3 3 / 17 Zastosowanie metod numerycznych
WST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14
WST P DO TEORII INFORMACJI I KODOWANIA Grzegorz Szkibiel Wiosna 203/4 Spis tre±ci Kodowanie i dekodowanie 4. Kodowanie a szyfrowanie..................... 4.2 Podstawowe poj cia........................
Strategie zabezpieczaj ce
04062008 Plan prezentacji Model binarny Model Black Scholesa Bismut- Elworthy -Li formuła Model binarny i opcja call Niech cena akcji w chwili pocz tkowej wynosi S 0 = 21 Zaªó»my,»e ceny akcji po trzech
Zbiory i odwzorowania
Zbiory i odwzorowania 1 Sposoby okre±lania zbiorów 1) Zbiór wszystkich elementów postaci f(t), gdzie t przebiega zbiór T : {f(t); t T }. 2) Zbiór wszystkich elementów x zbioru X speªniaj cych warunek ϕ(x):
Ekonometria - wykªad 8
Ekonometria - wykªad 8 3.1 Specykacja i werykacja modelu liniowego dobór zmiennych obja±niaj cych - cz ± 1 Barbara Jasiulis-Goªdyn 11.04.2014, 25.04.2014 2013/2014 Wprowadzenie Ideologia Y zmienna obja±niana
A = n. 2. Ka»dy podzbiór zbioru sko«czonego jest zbiorem sko«czonym. Dowody tych twierdze«(elementarne, lecz nieco nu» ce) pominiemy.
Logika i teoria mnogo±ci, konspekt wykªad 12 Teoria mocy, cz ± II Def. 12.1 Ka»demu zbiorowi X przyporz dkowujemy oznaczany symbolem X obiekt zwany liczb kardynaln (lub moc zbioru X) w taki sposób,»e ta
Rozkªady i warto± oczekiwana
Rozkªady i warto± oczekiwana Piotr Wilkin Zmienne losowe i rozkªady. Wst p Zmienn losow nazywamy zmienn X przyjmuj c dowolne warto±ci z pewnego zbioru D, która speªnia wªasno± y D P (X = y) = (innymi sªowy
Macierze i Wyznaczniki
Macierze i Wyznaczniki Kilka wzorów i informacji pomocniczych: Denicja 1. Tablic nast puj cej postaci a 11 a 12... a 1n a 21 a 22... a 2n A =... a m1 a m2... a mn nazywamy macierz o m wierszach i n kolumnach,
O pewnym zadaniu olimpijskim
O pewnym zadaniu olimpijskim Michaª Seweryn, V LO w Krakowie opiekun pracy: dr Jacek Dymel Problem pocz tkowy Na drugim etapie LXII Olimpiady Matematycznej pojawiª si nast puj cy problem: Dla ka»dej liczby
Elementy Modelowania Matematycznego Wykªad 11 Modelowanie metodami teorii gier II
Elementy Modelowania Matematycznego Wykªad 11 Modelowanie metodami teorii gier II Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis tre±ci 1 Wst p 2 3 4 5 6 Spis tre±ci 1 Wst p 2 3 4 5 6
Czy funkcja zadana wzorem f(x) = ex e x. 1 + e. = lim. e x + e x lim. lim. 2 dla x = 1 f(x) dla x (0, 1) e e 1 dla x = 1
II KOLOKWIUM Z AM M1 - GRUPA A - 170101r Ka»de zadanie jest po 5 punktów Ostatnie zadanie jest nieobowi zkowe, ale mo»e dostarczy dodatkowe 5 punktów pod warunkiem rozwi zania pozostaªych zada«zadanie
Uczenie Wielowarstwowych Sieci Neuronów o
Plan uczenie neuronu o ci gªej funkcji aktywacji uczenie jednowarstwowej sieci neuronów o ci gªej funkcji aktywacji uczenie sieci wielowarstwowej - metoda propagacji wstecznej neuronu o ci gªej funkcji
Liniowe zadania najmniejszych kwadratów
Rozdziaª 9 Liniowe zadania najmniejszych kwadratów Liniowe zadania najmniejszych kwadratów polega na znalezieniu x R n, który minimalizuje Ax b 2 dla danej macierzy A R m,n i wektora b R m. Zauwa»my,»e
JAO - J zyki, Automaty i Obliczenia - Wykªad 1. JAO - J zyki, Automaty i Obliczenia - Wykªad 1
J zyki formalne i operacje na j zykach J zyki formalne s abstrakcyjnie zbiorami sªów nad alfabetem sko«czonym Σ. J zyk formalny L to opis pewnego problemu decyzyjnego: sªowa to kody instancji (wej±cia)
x y x y x y x + y x y
Algebra logiki 1 W zbiorze {0, 1} okre±lamy dziaªania dwuargumentowe,, +, oraz dziaªanie jednoargumentowe ( ). Dziaªanie x + y nazywamy dodawaniem modulo 2, a dziaªanie x y nazywamy kresk Sheera. x x 0
Ukªady równa«liniowych
dr Krzysztof yjewski Mechatronika; S-I 0 in» 7 listopada 206 Ukªady równa«liniowych Informacje pomocnicze Denicja Ogólna posta ukªadu m równa«liniowych z n niewiadomymi x, x, x n, gdzie m, n N jest nast
Biostatystyka, # 4 /Weterynaria I/
Biostatystyka, # 4 /Weterynaria I/ dr n. mat. Zdzisªaw Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowa«Matematyki i Informatyki ul. Gª boka 28, bud. CIW, p. 221 e-mail: zdzislaw.otachel@up.lublin.pl
EGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach
EGZAMIN MAGISTERSKI, 12.09.2018r Matematyka w ekonomii i ubezpieczeniach Zadanie 1. (8 punktów) O rozkªadzie pewnego ryzyka S wiemy,»e: E[(S 20) + ] = 8 E[S 10 < S 20] = 13 P (S 20) = 3 4 P (S 10) = 1
Elementarna statystyka
Elementarna statystyka Alexander Bendikov 26 marca 2017 Klasyczny model: eksperyment o jednakowo prawdopodobnych wynikach Zaªo»enia: 1 Przestrze«próbek S ma sko«czenie wiele wyników ω 1, ω 2,..., ω n,
det A := a 11, ( 1) 1+j a 1j det A 1j, a 11 a 12 a 21 a 22 Wn. 1 (Wyznacznik macierzy stopnia 2:). = a 11a 22 a 33 +a 12 a 23 a 31 +a 13 a 21 a 32
Wyznacznik Def Wyznacznikiem macierzy kwadratowej nazywamy funkcj, która ka»dej macierzy A = (a ij ) przyporz dkowuje liczb det A zgodnie z nast puj cym schematem indukcyjnym: Dla macierzy A = (a ) stopnia
CAŠKOWANIE METODAMI MONTE CARLO Janusz Adamowski
III. CAŠKOWAIE METODAMI MOTE CARLO Janusz Adamowski 1 1 azwa metody Podstawowym zastosowaniem w zyce metody Monte Carlo (MC) jest opis zªo-»onych ukªadów zycznych o du»ej liczbie stopni swobody. Opis zªo»onych
*** Teoria popytu konsumenta *** I. Pole preferencji konsumenta 1. Przestrze«towarów 2. Relacja preferencji konsumenta 3. Optymalny koszyk towarów
*** Teoria popytu konsumenta *** I. Pole preferencji konsumenta 1. Przestrze«towarów 2. Relacja preferencji konsumenta 3. Optymalny koszyk towarów I.1 Przestrze«towarów Podstawowe poj cia Rynek towarów
WST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14
WST P DO TEORII INFORMACJI I KODOWANIA Grzegorz Szkibiel Wiosna 2013/14 Spis tre±ci 1 Kodowanie i dekodowanie 4 1.1 Kodowanie a szyfrowanie..................... 4 1.2 Podstawowe poj cia........................
1 Bª dy i arytmetyka zmiennopozycyjna
1 Bª dy i arytmetyka zmiennopozycyjna Liczby w pami ci komputera przedstawiamy w ukªadzie dwójkowym w postaci zmiennopozycyjnej Oznacza to,»e s one postaci ±m c, 01 m < 1, c min c c max, (1) gdzie m nazywamy
Zadania. 4 grudnia k=1
Zadania 4 grudnia 205 Zadanie. Poka»,»e dla dowolnych liczb zespolonych z,..., z n istnieje zbiór B {,..., n}, taki,»e n z k π z k. k B Zadanie 2. Jakie warunki musz speªnia ci gi a n i b n, aby istniaªy
Funkcje, wielomiany. Informacje pomocnicze
Funkcje, wielomiany Informacje pomocnicze Przydatne wzory: (a + b) 2 = a 2 + 2ab + b 2 (a b) 2 = a 2 2ab + b 2 (a + b) 3 = a 3 + 3a 2 b + 3ab 2 + b 3 (a b) 3 = a 3 3a 2 b + 3ab 2 b 3 a 2 b 2 = (a + b)(a
i, lub, nie Cegieªki buduj ce wspóªczesne procesory. Piotr Fulma«ski 5 kwietnia 2017
i, lub, nie Cegieªki buduj ce wspóªczesne procesory. Piotr Fulma«ski Uniwersytet Šódzki, Wydziaª Matematyki i Informatyki UŠ piotr@fulmanski.pl http://fulmanski.pl/zajecia/prezentacje/festiwalnauki2017/festiwal_wmii_2017_
11. Gry Macierzowe - Strategie Czyste i Mieszane
11. Gry Macierzowe - Strategie Czyste i Mieszane W grze z doskonałą informacją, gracz nie powinien wybrać akcję w sposób losowy (o ile wypłaty z różnych decyzji nie są sobie równe). Z drugiej strony, gdy
Materiaªy do Repetytorium z matematyki
Materiaªy do Repetytorium z matematyki 0/0 Dziaªania na liczbach wymiernych i niewymiernych wiczenie Obliczy + 4 + 4 5. ( + ) ( 4 + 4 5). ( : ) ( : 4) 4 5 6. 7. { [ 7 4 ( 0 7) ] ( } : 5) : 0 75 ( 8) (
Zadanie 1. Zadanie 2. Zadanie 3. Zadanie 4
Zadanie ODP = exp(, 4 )E W () = exp(, )E l (;+ ) (S()) ODP = exp(, )P (S() > ), gdzie oznacza miar martyngaªow. Przy MBS proces cen akcji ma posta S(t) = S() exp[t(µ, 5σ ) + σw t ], gdzie {W t, t } jest
Ekonometria. wiczenia 1 Regresja liniowa i MNK. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej
Ekonometria wiczenia 1 Regresja liniowa i MNK (1) Ekonometria 1 / 25 Plan wicze«1 Ekonometria czyli...? 2 Obja±niamy ceny wina 3 Zadania z podr cznika (1) Ekonometria 2 / 25 Plan prezentacji 1 Ekonometria
Metody numeryczne i statystyka dla in»ynierów
Kierunek: Automatyka i Robotyka, II rok Wprowadzenie PWSZ Gªogów, 2009 Plan wykªadów Wprowadzenie, podanie zagadnie«, poj cie metody numerycznej i algorytmu numerycznego, obszar zainteresowa«i stosowalno±ci
Uniwersytet Warszawski Organizacja rynku dr Olga Kiuila LEKCJA 12
LEKCJA 12 KOSZTY WEJŚCIA NA RYNEK Inwestując w kapitał trwały zwiększamy pojemność produkcyjną (czyli maksymalną wielkość produkcji) i tym samym możemy próbować wpływać na decyzje konkurencyjnych firm.
Teoria gier matematyki). optymalności decyzji 2 lub więcej Decyzja wpływa na wynik innych graczy strategiami
Teoria gier Teoria gier jest częścią teorii decyzji (czyli gałęzią matematyki). Teoria decyzji - decyzje mogą być podejmowane w warunkach niepewności, ale nie zależą od strategicznych działań innych Teoria
Ekstremalnie fajne równania
Ekstremalnie fajne równania ELEMENTY RACHUNKU WARIACYJNEGO Zaczniemy od ogólnych uwag nt. rachunku wariacyjnego, który jest bardzo przydatnym narz dziem mog cym posªu»y do rozwi zywania wielu problemów
ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
Janusz Adamowski METODY OBLICZENIOWE FIZYKI Zastosowanie eliptycznych równa«ró»niczkowych
Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1 Rozdziaª 9 RÓWNANIA ELIPTYCZNE 9.1 Zastosowanie eliptycznych równa«ró»niczkowych cz stkowych 9.1.1 Problemy z warunkami brzegowymi W przestrzeni dwuwymiarowej
Zadanie 1. Zadanie 2. Zadanie 3
Zadanie R to rata miesi czna, odsetki w k-tej racie to ods k = R( v 8 k ), a spªata kapitaªu wyra»a si wzorem kap k = Rv 8 k, gdzie v = (, 5) /6. Dany jest ukªad nierówno±ci z którego wynika Rv 8 N R(
Biostatystyka, # 5 /Weterynaria I/
Biostatystyka, # 5 /Weterynaria I/ dr n. mat. Zdzisªaw Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowa«Matematyki i Informatyki ul. Gª boka 28, bud. CIW, p. 221 e-mail: zdzislaw.otachel@up.lublin.pl
Programowanie wspóªbie»ne
1 Zadanie 1: Bar Programowanie wspóªbie»ne wiczenia 6 monitory cz. 2 Napisz monitor Bar synchronizuj cy prac barmana obsªuguj cego klientów przy kolistym barze z N stoªkami. Ka»dy klient realizuje nast
Funkcje wielu zmiennych
dr Krzysztof yjewski Analiza matematyczna 2; MatematykaS-I 0 lic 21 maja 2018 Funkcje wielu zmiennych Informacje pomocnicze Denicja 1 Niech funkcja f(, y b dzie okre±lona przynajmniej na otoczeniu punktu
Stacjonarne szeregi czasowe
e-mail:e.kozlovski@pollub.pl Spis tre±ci 1 Denicja 1 Szereg {x t } 1 t N nazywamy ±ci±le stacjonarnym (stacjonarnym w w»szym sensie), je»eli dla dowolnych m, t 1, t 2,..., t m, τ ª czny rozkªad prawdopodobie«stwa
I Rok LOGISTYKI: wykªad 2 Pochodna funkcji. iloraz ró»nicowy x y x
I Rok LOGISTYKI: wykªad 2 Pochodna funkcji Niech f jest okre±lona w Q(x 0, δ) i x Q(x 0, δ). Oznaczenia: x = x x 0 y = y y 0 = f(x 0 + x) f(x 0 ) y x = f(x 0 + x) f(x 0 ) iloraz ró»nicowy x y x = tgβ,
ELEMENTARNA TEORIA LICZB. 1. Podzielno±
ELEMENTARNA TEORIA LICZB IZABELA AGATA MALINOWSKA N = {1, 2,...} 1. Podzielno± Denicja 1.1. Niepusty podzbiór A zbioru liczb naturalnych jest ograniczony, je»eli istnieje taka liczba naturalna n 0,»e m
KLASYCZNE ZDANIA KATEGORYCZNE. ogólne - orzekaj co± o wszystkich desygnatach podmiotu szczegóªowe - orzekaj co± o niektórych desygnatach podmiotu
➏ Filozoa z elementami logiki Na podstawie wykªadów dra Mariusza Urba«skiego Sylogistyka Przypomnij sobie: stosunki mi dzy zakresami nazw KLASYCZNE ZDANIA KATEGORYCZNE Trzy znaczenia sªowa jest trzy rodzaje
Oba zbiory s uporz dkowane liniowo. Badamy funkcj w pobli»u kresów dziedziny. Pewne punkty szczególne (np. zmiana denicji funkcji).
Plan Spis tre±ci 1 Granica 1 1.1 Po co?................................. 1 1.2 Denicje i twierdzenia........................ 4 1.3 Asymptotyka, granice niewªa±ciwe................. 7 2 Asymptoty 8 2.1
Macierze i Wyznaczniki
dr Krzysztof yjewski Mechatronika; S-I.in». 5 pa¹dziernika 6 Macierze i Wyznaczniki Kilka wzorów i informacji pomocniczych: Denicja. Tablic nast puj cej postaci a a... a n a a... a n A =... a m a m...
Informacje pomocnicze
Funkcje wymierne. Równania i nierówno±ci wymierne Denicja. (uªamki proste) Wyra»enia postaci Informacje pomocnicze A gdzie A d e R n N (dx e) n nazywamy uªamkami prostymi pierwszego rodzaju. Wyra»enia
Matematyka 1. Šukasz Dawidowski. Instytut Matematyki, Uniwersytet l ski
Matematyka 1 Šukasz Dawidowski Instytut Matematyki, Uniwersytet l ski Pochodna funkcji Niech a, b R, a < b. Niech f : (a, b) R b dzie funkcj oraz x, x 0 (a, b) b d ró»nymi punktami przedziaªu (a, b). Wyra»enie
1 Poj cia pomocnicze. Przykªad 1. A A d
Poj cia pomocnicze Otoczeniem punktu x nazywamy dowolny zbiór otwarty zawieraj cy punkt x. Najcz ±ciej rozwa»amy otoczenia kuliste, tj. kule o danym promieniu ε i ±rodku x. S siedztwem punktu x nazywamy
Elementy Modelowania Matematycznego Wykªad 1 Prawdopodobie«stwo
Spis tre±ci Elementy Modelowania Matematycznego Wykªad 1 Prawdopodobie«stwo Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis tre±ci Spis tre±ci 1 2 3 4 5 Spis tre±ci Spis tre±ci 1 2 3 4
Metody probablistyczne i statystyka stosowana
Politechnika Wrocªawska - Wydziaª Podstawowych Problemów Techniki - 011 Metody probablistyczne i statystyka stosowana prowadz cy: dr hab. in». Krzysztof Szajowski opracowanie: Tomasz Kusienicki* κ 17801
Wybrane poj cia i twierdzenia z wykªadu z teorii liczb
Wybrane poj cia i twierdzenia z wykªadu z teorii liczb 1. Podzielno± Przedmiotem bada«teorii liczb s wªasno±ci liczb caªkowitych. Zbiór liczb caªkowitych oznacza b dziemy symbolem Z. Zbiór liczb naturalnych
Interpolacja funkcjami sklejanymi
Interpolacja funkcjami sklejanymi Funkcje sklejane: Zaªó»my,»e mamy n + 1 w zªów t 0, t 1,, t n takich,»e t 0 < t 1 < < t n Dla danej liczby caªkowitej, nieujemnej k funkcj sklejan stopnia k nazywamy tak
Ekstremalnie maªe zbiory
Maªe jest pi kne Instytut Matematyki Uniwersytetu Warszawskiego Nadarzyn, 27.08.2011 Zbiory silnie miary zero Przypomnienie Zbiór X [0, 1] jest miary Lebesgue'a zero, gdy dla ka»dego ε > 0 istnieje ci
Szkice rozwi za«zada«z egzaminu 1
Egzamin - szkic rozwi za«sem. zimowy 06/07 AM, Budownictwo, IL PW Szkice rozwi za«zada«z egzaminu. Poda denicj granicy oraz ci gªo±ci funkcji. Def. (Heinego) Liczb g nazywamy granic funkcji f : D R w unkcie
Lekcja 9 - LICZBY LOSOWE, ZMIENNE
Lekcja 9 - LICZBY LOSOWE, ZMIENNE I STAŠE 1 Liczby losowe Czasami spotkamy si z tak sytuacj,»e b dziemy potrzebowa by program za nas wylosowaª jak ± liczb. U»yjemy do tego polecenia: - liczba losowa Sprawd¹my
2010 W. W. Norton & Company, Inc. Oligopol
2010 W. W. Norton & Company, Inc. Oligopol Oligopol Monopol jedna firma na rynku. Duopol dwie firmy na rynku. Oligopol kilka firm na rynku. W szczególności decyzje każdej firmy co do ceny lub ilości produktu
1 Przypomnienie wiadomo±ci ze szkoªy ±redniej. Rozwi zywanie prostych równa«i nierówno±ci
Zebraª do celów edukacyjnych od wykªadowców PK, z ró»nych podr czników Maciej Zakarczemny 1 Przypomnienie wiadomo±ci ze szkoªy ±redniej Rozwi zywanie prostych równa«i nierówno±ci dotycz cych funkcji elementarnych,
ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
Zadania z analizy matematycznej - sem. II Rachunek ró»niczkowy funkcji wielu zmiennych
Zadania z analizy matematycznej - sem II Rachunek ró»niczkowy funkcji wielu zmiennych Denicja (Pochodne cz stkowe dla funkcji trzech zmiennych) Niech D R 3 b dzie obszarem oraz f : D R f = f y z) P 0 =
Oligopol. dobra są homogeniczne Istnieją bariery wejścia na rynek (rynek zamknięty) konsumenci są cenobiorcami firmy posiadają siłę rynkową (P>MC)
Oligopol Jest to rynek, na którym niewielka liczba firm zachowuje się w sposób strategiczny i działają niezależnie od siebie, ale uwzględniają istnienie pozostałych firm. Na decyzję firmy wpływają decyzje
PRZYPOMNIENIE Ka»d przestrze«wektorow V, o wymiarze dim V = n < nad ciaªem F mo»na jednoznacznie odwzorowa na przestrze«f n n-ek uporz dkowanych:
Plan Spis tre±ci 1 Homomorzm 1 1.1 Macierz homomorzmu....................... 2 1.2 Dziaªania............................... 3 2 Ukªady równa«6 3 Zadania 8 1 Homomorzm PRZYPOMNIENIE Ka»d przestrze«wektorow
Zadania z analizy matematycznej - sem. II Ekstrema funkcji wielu zmiennych, twierdzenia o funkcji odwrotnej i funkcji uwikªanej
Zadania z analizy matematycznej - sem. II Ekstrema funkcji wielu zmiennych, twierdzenia o funkcji odwrotnej i funkcji uwikªanej Denicja 1. Niech X = R n b dzie przestrzeni unormowan oraz d(x, y) = x y.
2010 W. W. Norton & Company, Inc. Nadwyżka Konsumenta
2010 W. W. Norton & Company, Inc. Nadwyżka Konsumenta Pieniężny Pomiar Korzyści z Handlu Możesz kupić tyle benzyny ile chcesz, po cenie 2zł za litr. Jaka jest najwyższa cena, jaką zapłacisz za 1 litr benzyny?
Zdzisªaw Dzedzej, Katedra Analizy Nieliniowej pok. 611 Kontakt:
Zdzisªaw Dzedzej, Katedra Analizy Nieliniowej pok. 611 Kontakt: zdzedzej@mif.pg.gda.pl www.mif.pg.gda.pl/homepages/zdzedzej () 5 pa¹dziernika 2016 1 / 1 Literatura podstawowa R. Rudnicki, Wykªady z analizy
Przekroje Dedekinda 1
Przekroje Dedekinda 1 O liczbach wymiernych (tj. zbiorze Q) wiemy,»e: 1. zbiór Q jest uporz dkowany relacj mniejszo±ci < ; 2. zbiór liczb wymiernych jest g sty, tzn.: p, q Q : p < q w : p < w < q 3. 2