Döntéselmélet a közgazdaságtanban

Slides:



Advertisements
Hasonló előadás
4. előadás Összehasonlítás standardizálással és indexszámítással.
Advertisements

A sin függvény grafikonja
I. előadás.
Lekérdezések SQL-ben Relációs algebra A SELECT utasítás
Nem hierarchikus klaszterelemzés az SPSS-ben
Fogalma, összefüggések
Leíró statisztika 4. INDEX-SZÁMÍTÁS 2010-tavasz.
A vállalat pénzügyi modellezése: az ÁKFN struktúra
Tömbök C#-ban.
Rangszám statisztikák
MI 2003/9 - 1 Alakfelismerés alapproblémája: adott objektumok egy halmaza, továbbá osztályok (kategóriák) egy halmaza. Feladatunk: az objektumokat - valamilyen.
MI 2003/ A következőkben más megközelítés: nem közvetlenül az eloszlásokból indulunk ki, hanem a diszkriminancia függvényeket keressük. Legegyszerűbb:
Szennyezőanyagok légköri terjedése
Kalman-féle rendszer definíció
Műveletek mátrixokkal
INFOÉRA Kombinatorikai algoritmusok (Horváth Gyula és Szlávi Péter előadásai felhasználásával) Juhász István-Zsakó László: Informatikai.
Gépi tanulási módszerek
MI 2003/ Alakfelismerés - még egy megközelítés: még kevesebbet tudunk. Csak a mintánk adott, de címkék nélkül. Csoportosítás (klaszterezés, clustering).
Gazdaságelemzési és Statisztikai Tanszék
Gazdaságelemzési és Statisztikai Tanszék
Mátrix függvények Keresőfüggvények
Statisztika Érettségi feladatok
OPERÁCIÓKUTATÁS Kalmár János, 2012 Tartalom A nulla-egy LP megoldása Hátizsák feladat.
Előadó: Prof. Dr. Besenyei Lajos
Matematikai modellek a termelés tervezésében és irányításában
A digitális számítás elmélete
A személyiségpszichológiában használt modellek összefüggései Melyik modell a jó? Van-e közös az egyes megközelítésekben?
PTE PMMK Matematika Tanszék dr. Klincsik Mihály Matematika III. előadások MINB083, MILB083 Gépész és Villamosmérnök szak BSc képzés 2007/2008. őszi félév.
Szabó Attila, Cross-entrópia alkalmazása a megerősítéses tanulásban.
Hasonlóságelemzés COCO használatával a MY-X elemzőben
Lineáris transzformáció sajátértékei és sajátvektorai
Miért hozzuk a döntést, mi a cél?
Kvantitatív módszerek
Microsoft Excel Függvények II.
Az Alakfelismerés és gépi tanulás ELEMEI
3. óra.

A statisztikai próba 1. A munka-hipotézisek (Ha) nem igazolhatók közvetlen úton Ellenhipotézis, null hipotézis felállítása (H0): μ1= μ2, vagy μ1- μ2=0.
A Stratégia értékelése, visszacsatolása
Az értékesítési rendszer
Termékpolitika Termékpiaci műveletek A termék piaci életgörbéje
Kalkuláció.
TÖMBÖK Asszociatív adatszerkezetek Tömbök
Az elemzés és tervezés módszertana
Lineáris programozás.
Lineáris programozás Elemi példa Alapfogalmak Általános vizsg.
Matematikai eszközök a környezeti modellezésben
Valószínűségszámítás
Gazdaságstatisztika 11. előadás.
Alapsokaság (populáció)
Többtényezős ANOVA.
2. Döntéselméleti irányzatok
Készítette: Hanics Anikó. Az algoritmus elve: Kezdetben legyen n db kék fa, azaz a gráf minden csúcsa egy-egy (egy pontból álló) kék fa, és legyen minden.
A KOMPLEX DÖNTÉSI MODELL MATEMATIKAI ÖSSZEFÜGGÉSRENDSZERE Hanyecz Lajos.
I. előadás.
Lineáris algebra.
1 Vektorok, mátrixok.
Táblázatkezelés KÉPLETEK.
Többdimenziós valószínűségi eloszlások
A marketingeszközök különböző piaci helyzetekben alkalmazott, az adott piaci helyzetnek megfeleltetett kombinációja.
MI 2003/8 - 1 Alakfelismerés alapproblémája: adott objektumok egy halmaza, továbbá osztályok (kategóriák) egy halmaza. Feladatunk: az objektumokat - valamilyen.
OPERÁCIÓKUTATÁS TÖBBCÉLÚ PROGRAMOZÁS. Operáció kutatás Több célú programozás A * x  b C T * x = max, ahol x  0. Alap összefüggés: C T 1 * x = max C.
Gépi tanulási módszerek
1 © GfK Hungária | Superbrands 2015 SUPERBRANDS KUTATÁS 2015 GfK Hungária, Consumer Experiences január 28. Alap / Premium kutatási csomagok leírása.
Lineáris programozás Elemi példa Alapfogalmak Általános vizsg.
Miért jönnek Magyarországra más országokból a tanulni vágyók?
Statisztika Érettségi feladatok
Szabályozott és képes termékek/szolgáltatások, folyamatok, rendszerek
Valószínűségi változók együttes eloszlása
Statisztika Érettségi feladatok
Előadás másolata:

Döntéselmélet a közgazdaságtanban Matematikai Statisztika Reguly Ágoston

Döntéselméletek Racionális döntéselmélet - SEU Másik megközelítés Optimalizál Neumann-Morgenstern féle hasznosságfüggvény Ha igaz, hogy x > y, akkor U(x)>U(y) Egyéb feltevések… Másik megközelítés Ayres & Martinás Z függvény, amely állapotokat hasonlít össze Teljesség, reflexivitás, tranzitivitás

Érték≠ár? Ha érték=ár → vissza a marginalistákhoz és a rá épülő általános egyensúlyelméletre (dualitás, axiomatikus feltételek, stb.) Viszont, ha elfogadjuk, hogy az érték≠ár, akkor piackutatás kell végezni Ennek egy speciális esete a Multidimensional Scaling (MDS) és még speciálisabb a WMDS Ha megveszem az árut, akkor nyilván többre értékelem mint az árat!

Jószágok & egységkosár Xi(t+1)=Xi(t)+Ui+Di i=0,…,n Pl: X1 (t+1) – X1 (t) = 1 kg i=1=kenyér Xo(t+1) - Xo (t) = -200 Ft 0=pénz Egységkosár – referenciapont ei,k=ejószágtípus,egységkosár Itt k=kenyér vásárlása pénzért Jószágtípustól függően MDS Kahneman és Tversky – referenciapont

Jószágok változása ΔXi,k=Ikei,k ΔXi,1=I1ei,1=2*[1kg kenyér ; -200ft] Képesek vagyunk az összehasonlításra és a várható legnagyobb nyereséget választjuk Gk=wiUi=wiIkei,k=wkenyér*1kg+wpénz*(-200ft) De! megmaradt a kérdés: Mi alapján választjuk ki a legjobbat – a volument? Visszautalás az értékekre!

Volumenek kiválasztása Fenomenológiai megközelítés Ik=F*L A hajtóerő: Fk=wiei,k Ezt tovább lehet ragozni: Kifejezni a pénzben mért értékeket Kifejezni az árakat Hajtóerő és nem optimalizálás!

Motivációs mátrix 1. I=L*F Az L meghatározása, ha nem egy cselekvés van. I=L*F I= k dimenziós volumen-vektor, ahol Im>0. F= m. dimenziós hajtóerő-vektor, ahol Fk>0 L= kxm-s nemnegatív motivációs mátrix, amely a volumenvektor és a hajtóerővektor között átviteli mátrixot képez Motiváció micsoda? Szekunder módon meghatározható tényező & különböző hajtóerőkből származó nyereség volumenen keresztüli visszacsatoláősa Max Scheler Aluldetermináltság problémája

Motivációs mátrix 2. I=AF+K+μ Faktoranalízis A: k x m-es átviteli mátrix – a különböző termékek egymásra gyakorolt hatása K: az I-vel azonos, tehát k dimenziójú „egyedi faktorok vektora” – a csak szekunder módon meghatározható tényező μ: az I várhatóérték-vektora μ –mit jelent? Van-e értelme forgatni a mátrixot?

Motiváció és értékelések Az értékek „kívülről” jönnek – Di által Valamilyen típusú tanulás? Az adott cselekvés/jószág az újdonság erejével hat: Osztályozási módszerek Pl. klaszteranalízis Tanulási módszerek? EZEK ELSŐSORBAN KÉRDÉSEK!

Köszönöm a figyelmet!