1. A PARADOXON LEÍRÁSA

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "1. A PARADOXON LEÍRÁSA"

Átírás

1 Szolnoki Tudományos Közlemények XIV. Szolnok, Libor Józsefné dr 1 A SZENTPÉTERVÁRI PARADOXON ÉS GAZDASÁGI VONATKOZÁSAI Előadásomban az ún. Szentpétervári Paradoxont szeretném bemutatni a nem-matematikusok számára is. A paradoxon feloldására több, érdekes megoldás született, melyek kidolgozása során az eredmények alkalmazási köre egyre szélesedett. A paradoxon létrejöttének és fejlődésének történeti ismertetése után munkámban a gazdasági vonatkozásairól szeretnék szólni, különös tekintettel a tőzsdei vizsgálatokkal való szoros kapcsolatról. Ez külön jelentőséggel bír napjainkban, amikor is a gazdasági válság még itt érződik mindennapjainkban. Egyéb gazdasági, sőt pszichológiai vonatkozása is van a témának, mely szintén sokak számára érdekes lehet. THE ST. PETERSBURG PARADOX AND ECONOMIC ASPECTS OF IT This work reviews some aspects of the history of the St. Petersburg paradox and some related games for the nonmathematicians either. The paradox and the given solutions are very interesting and useful for the economic field also. First I would like to show the history and the development of it, then we will see, that the run-up in stock prices in the late 1990s and the subsequent declines in 2000 could have been avoided by an analysis and application of the St. Petersburg paradox. There are some other applications of the paradox, for example in the field of psychology. 1. A PARADOXON LEÍRÁSA Maga a paradoxon egy játékból, illetve annak vizsgálatából született. A játék a következő: két játékos - nevezzük őket Péternek és Pálnak (aki a bankár szerepét játsza) az alábbiakban állapodnak meg. Péter elkezd dobálni egy pénzérmét. Ha első dobásra fej jön ki, akkor kap Páltól 2 forintot (vagy dukátot, vagy dollárt, vagy eurót, kinek mi tetszik). Ha csak a második dobásra kap fejet, akkor 4 forintot kap, ha a harmadik dobásnál lesz először fej, akkor 8 forintot és így tovább. Vagyis ha az első fej a k-dik dobásra jön ki, akkor 2 k forintot kap Páltól. Mivel Pál nem jótékonysági intézmény, így Péternek valamekkora részvételi díjat kell fizetnie a játékért. A kérdés az, hogy mekkora legyen ez a beszálló tőke Péter részéről, hogy a játék igazságos legyen? Igazságos játékon azt értjük, hogy az egyik játékos sem gazdagodhat a másik rovására. (Átlagos nyereménye, illetve a másik játékos átlagos vesztesége 0 kell, hogy legyen.) Foglaljuk az adatokat táblázatba, ahol x i jelöli azt a 1 Szolnoki Főiskola, Üzleti fakultás, Gazdaságelemzési Módszertani Tanszék, főiskolai docens, liborne@szolf.hu A cikket lektorálta: Dr. Madaras Lászlóné Szolnoki Főiskola, tanszékvezető, főiskolai tanár, PhD.

2 nyereményt, melyet Péter akkor kap, ha az i. dobásnál lesz először fej, illetve p i ezen eseménynek a valószínűségét: x i k p i 1/2 (1/2) 2 (1/2) 3 (1/2) 4 (1/2) 5 (1/2) k Hiszen szabályos érmét tekintve 0.5 annak a valószínűsége, hogy fejet dobunk. Ha csak a második dobásra kapunk fejet, az úgy lehet, hogy elsőre írást dobunk (0.5 valószínűséggel) és utána fejet, szintén 0,5 valószínűséggel. Mivel a két dobás (esemény) egymástól független, így ezen esemény valószínűsége 0,5x0,5 = (1/2) 2. Hasonlóan ha például azt az általános esetet nézzük, hogy a k. dobásra kapunk először fejet, az azt jelenti, hogy előtte (k-1)-szer írást dobunk ( (1/2) k-1 valószínűséggel) és utána fejet ½ valószínűséggel. Tehát az eseményünk valószínűsége (1/2) k-1 x (1/2) = (1/2) k. És ez így megy tovább a végtelenségig. Ez így teljesen rendben is van, hiszen ( 1 k=1 2 )k = 1 (a végtelen mértani sor összegképlete alapján), ami egyébként azt jelenti, hogy a játék véges számú lépésben véget fog érni majdnem biztosan (1 valószínűséggel). Vagyis Péter nyereménye majdnem biztosan véges lesz. Pálnak (a bankárnak) azonban az a véleménye, hogy Péternek végtelen nagy összeget kell befizetnie, hiszen végtelen nagy a várható nyereményösszege is. Ez is igaz, hiszen ha a nyeremények várható értékét nézzük, akkor a következő adódik: E(X) = i=1 x i p i = k ( 1 2 )k + = 1 = i=1 (1) Péter azonban úgy gondolja, hogy ez azért túlzás lenne, hiszen tetszőleges x 2 esetén annak a valószínűsége, hogy a nyereménye legfeljebb x lesz: P(X x) = 1 [log 2 x] = 2 k (1 2 )k = 1 ( 1 2 )[log 2x] k: 2 k x k=1 (2) Ahol [a] jelenti az a szám egészrészét, vagyis: [a] = max {b Z, b a}. Ez alapján felírhatjuk a nyeremények eloszlásfüggvényét: F x = P X x = 0 ha x < [log 2x] ha x 2 (3) Így mivel, P X > x = 2 [log 2x] így a nyeremény csak kis eséllyel fog túllépni az x 2 összegnél csak egy kicsivel is nagyobb összeget. Például egy 40 forintnál nagyobb nyeremény valószínűsége: P(X > 40) = 1/32 0,03125, egy sokkal nagyobb, mondjuk forintnál nagyobb nyeremény valószínűsége 0,00006 körüli érték. Így aztán még egy elég nagy véges összeget is félve kockáztatna Péter, nem még végtelen nagyot.(arról nem is beszélve, hogy nyilván nincs is végtelen sok forintja.) Ahogyan Nicolaus Bernoulli augusztus 27.-én unokaöccsének Danielnek írta: még a féleszű ember is eladná a játékhoz való jogát 40 dukátért. Ez tehát a nagy dilemma, mely évszázadokon át foglalkoztatta nemcsak a matematika tudósait, hanem később közgazdászokat, pszichológusokat és egyéb más tudományterület művelőit. 2

3 2. A PARADOXON TÖRTÉNETI ALAKULÁSA, MEGOLDÁSAI Amint már az előző fejezetből is kiderült a híres Bernoulli családnak nagy szerepe volt a paradoxon felismerésében, megoldáskeresésben és ezek másokkal való megismertetésében. A kezdetek azonban korábbra nyúlnak vissza. A tudománytörténészek úgy tartják, hogy a valószínűségszámítás Blaise Pascal és Pierre de Fermat híres levelezésével született meg 1654-ben, melyben szerencsejátékok tárgyalása során a tudományos alapokat is sikerült lefektetni. Ezekre, illetve ezek kiegészítéseire épült Huygens appendixe, mely az első nyomtatott munka volt ebben a tárgykörben. (1657-ben latin, 1660-ban holland nyelven jelent meg.) A tárgy e kezdeti korszakában a várható érték sokkal nagyobb jelentőségű fogalom volt, mint a legfeljebb intuitív szinten jelen levő valószínűség fogalma. Kontextustól függően az aequitas szó jelenthetett egyenlőséget, igazságosságot vagy részrehajlás nélküli részesedést is. Ahogyan a korabeli klasszikus matematikai kérdéseket általában a fizikai problémák motiválták, úgy a valószínűségszámítással kapcsolatos kérdéseknek is alapvetően hétköznapi emberi oldala volt. A tárgy fejlődésében a következő nagy lépés a Bernoulliakhoz fűződik. Jacob és öccse Johannes az egymástól való tanulás során egymás riválisáivá is váltak. Jacob Ars Conjectandi című könyve csak halála után 8 évvel, 1713-ban jelent meg, nem kis részben Johannes ellenállása miatt. Kettőjük között született Nicolaus testvérük, aki festőművész volt, és az ő fia (szintén Nicolaus), a közös unokaöccs adta ki a könyvet. Ez a Nicolaus Bernoulli az, - aki matematika, jogi és filozófia professzor is - akinek a nevéhez a paradoxon felvetése fűződik. Először de Montmort-nak írott leveleiben ír a paradoxonról, azonban a címzett nem igazán foglalkozott a kérdéssel (talán meg sem értette igazán a problémát). Ezután Cramer kapcsolódik be a kutatásba. Az eredeti problémát átfogalmazza kockadobásról érmedobásra, így tulajdonképpen a paradoxon jelenlegi megfogalmazása tőle származik. Majd két ötlettel áll elő. Az egyik szerint nagy k esetén a 2 k forint nyújtotta örömtől nem okoz sokkal nagyobb örömet az ettől nagyobb nyeremény sem. Véleménye szerint k = 24 esetén a nyeremény 2 24 = forint már olyan nagy, hogy ennél nagyobb összeg egy jóérzékű embernek ugyanannyi örömet okoz. Így tehát a játék értéke 25 forint. A másik ötletében is szerepel, hogy az összeg növekedésével nem egyenesen arányos az okozott örömérzet. Ő négyzetgyökös összefüggést feltételezett, vagyis egy x összeg örömértéke egyenlő az x négyzetgyökével. Másrészt a játék értékének olyan összegnek kell lenni, amelynek elvesztésével okozott fájdalom ugyanannyi, mint az elnyerésével szerzett öröm morális várható értéke. Az így meghatározott összeg a játékba való belépéshez 5,8 vagy kerekítve 6 forint lenne. Ezek az ötletek nem tetszettek Nicolaus Bernoullinak, így írt Szentpétervárra unokaöccsének, Danielnek, aki Johannesnek volt a fia. Levelezéseik után Daniel a szentpétervári akadémiára benyújtott dolgozatában (a Commentarii es kötetében) a Crameréhez hasonló megoldást ad, melyhez megjegyzésként hozzáteszi Nicolaus kritikáit is. (Sokan tévesen innen eredeztetik a paradoxon nevét, melyre később visszatérünk. Egyébként sem jelent meg egyetlen olyan probléma sem, mely a nevét a probléma közlésének helyéről kapta volna.) Daniel Bernoulli, továbbfejlesztve Cramer gondolatait, bevezeti a utilitas, 3

4 hasznosság fogalmát, mellyel a közgazdaságtan és a pszichológia is elkezd foglalkozni. Véleménye szerint egy x összeg dx-szel való növekedése csak du = b dx/x hasznosság (örömérzet) növekedéssel jár, ahol b>0 valamilyen konstans. (Minél több pénze van a játékosnak, annál kisebb egy kis növekedés feletti öröme.) Így ha a játékosnak eredetileg forintja van, egy x nyeremény morális haszna (hasznossága) u(x) = b ln([ +x]/ )). Így Péter morálisan várható haszna nem E(X) =, hanem M(X) = E(u(X)) = be(ln([ +x]/ )), amiből számítások után azt kapjuk, hogy ha x( ) jelöli az eredeti tőke, morális értékének játékból hozzáadódó növekedését: ln (α+2 k ) k=1 k=1 α. (4) 2 k x( ) = (α + 2 k ) 2 k α = 2 Néhány kezdőtőke-nagyságra így például az alábbi értékek adódnak: Ha a kezdőtőke = 0, akkor 4 forint, míg például 1000 forint kezdőtőke esetén is csak 11 forint a játék díja. Így a matematikai problémát pszichológiai és gazdasági síkra vitte, felvetve, hogy az ottani magatartásokban szintén törvények uralkodnak, melyek esetleg különböznek a matematikában megfogalmazottaktól. Hasonló megoldást ad Euler is, de mivel nem akart a Bernoulliak ügyeibe beavatkozni, - hiszen Daniel apja tanította és Daniel szerezte neki a szentpétervári munkát - azt nem hozta nyilvánosságra. Halála után 81 évvel jelent meg erről szóló dolgozata. Nicolausnak nem tetszett ez a féle megközelítés, amint írja, a morális várhatóság nem az egyenlőségnek és igazságosságnak megfelelően értékeli ki minden játékos esélyét egyaránt. Szerinte mindenki számára egyformán k forintot kell, hogy érjen a játék. De mekkora legyen ez a k? Elfogadhatóbbnak tartja, ha azt mondjuk, hogy nagy k esetén már olyan kicsi a hozzá tartozó valószínűség, hogy gyakorlatilag 0-nak tekinthető. De ki mondja meg, hogy mekkora ez a kis valószínűség, amitől már nem foglalkozunk vele? Tippelgethetünk, javasolgathatunk, mondhatjuk, hogy pl. a k = 200-hoz akkora pénzösszeg és olyan kicsi valószínűség tartozik, ami már szinte elképzelhetetlen, de ez nem tűnik igazán egzakt megoldásnak. Ezek után a kérdés csak a francia forradalom idején, 1754-ben került újra elő d Alembert Fej vagy írás című művében. Hosszú ideig és legalább hat alkalommal tárgyalja a problémát. Mivel Daniel Bernoullival finoman szólva nem voltak jó viszonyban, a paradoxonról írott munkáiban egyetlen Bernoulli nevet sem említ. A problémát először elég körülményesen: probleme propose dans le Tome V des Memoires de l academie de Petersbourg néven említi, majd a továbbiakban elhagy egy-egy szót, míg végül kialakul a probleme de Petersbourg elnevezés. Többek érdeklődését is felkeltik munkái, de érdemleges eredmény nem születik. Lagrange-nak írott levelében sajnálattal vallja be, hogy a pétervári probléma megoldása számomra a jelenleg ismert fogalomkörben lehetetlennek tűnik. 4

5 A megoldások legfőbb hibáit az okozta, hogy a valószínűség matematikai törvényeit megpróbálták egyedi véletlen eseményekre alkalmazni. A törvényekből arra akartak következtetni, hogy mi fog történni legközelebb, egy teljesen konkrét egyedi esetben. A nagy számok törvényének intuitív jelentése nem volt jelen az emberek gondolkodásában. Egyedül a francia de Condorcet márki az, aki ráérez erre a problémára. Szerinte Péternek végtelen sok játékot kellene játszania ahhoz, hogy végtelen várható értéke realizálódjon. A probléma maga nem értelmes, hanem hasonnemű még értelmes kérdések limesze. Amikor n játékot játszunk, a válaszunk függni fog n-től, így a kérdés az, hogy milyen n-re lehet a két játékos egyenlőségét elérni. Ez volt az egyedüli jó vonal, kortársai mégis figyelmen kívül hagyták. A következő matematikus, aki érdemben foglalkozott a kérdéssel, Buffon. Ő az első, aki leírja, hogy a játékot ténylegesen lejátszatta egy gyerekkel 2048-szor. Ekkor Péter összes nyereménye forint volt, vagyis egy játékra átlagosan 20104/2048 = 9,82 vagyis körülbelül 10 forint jutott. Ez szerinte érvényes és jó, hiszen nagyszámú kísérleten alapul és matematikailag is alátámasztható. A 2048 játék során észlelt eredményeket mutatja az 1. táblázat: 5

6 Hányadik dobásra lesz az első fej? (k) A fenti eset gyakorisága A nyeremény (2 k ) táblázat: Szentpétervári játék lejátszása 2048-szor Az adatainkat kördiagramon szemlélve is jól látszik, hogy annak a bekövetkezése, hogy csak a sokadik dobásra kapunk először fejet, egyre kevésbé várható. A fenti (1.) táblázat adatait mutatja az 1. ábra kördiagramja: Szentpétervári játék lejátszása 2048-szor ábra: 2048 játéknál hányszor volt első, második, kilencedik dobásra fej először Buffon matematikai levezetésével arra a következtetésre jutott, hogy n játékért nlog 2 n forint jár, vagyis, ha n játékot játszunk, játékonként log 2 n díjat kell fizetnünk. Eszerint a 2048 játék játszásakor log = 11 forint fizetendő játékonként, ami a kísérletével 1/11 pontossággal megegyezik. Saját maga észreveszi, hogy ha játékot játszunk, akkor az összeg már 20 körülire jön ki, de mivel ennyi játék lejátszása kb. 30 évig tartana, így ezzel már a realitás szintjén nem kell foglalkozni. Szerinte tehát 10 forint az az ár, melyet játékonként fizetni kell, ha igazságosak akarunk lenni. Laplace a paradoxon megoldásához nem jutott közelebb, de eredményei, melyet például A valószínűségek analitikus elmélete című művében közölt, nagy technikai előrelépést jelentettek. Számottevő, új eredmény sokáig nem születik, a már meglévő eredményeket 6

7 próbálják fejlesztgetni, bizonyítani. A Bernoulli-féle utilitási vonal (főleg Laplace népszerűsítő munkájának köszönhetően) két ágra szakad. Az egyik Fechner, a kísérleti pszichológia megalapítója nevéhez fűződik. Felállította az ún. Weber-Fechner féle empirikus törvényt, mely szerint az S stimulus által kiváltott R reakció nagysága R = C lns, ahol C a vizsgált érzékeléstől függő pozitív konstans. A másik vonal az elméleti közgazdaságtan területén hozott új eredményeket. Menger vizsgálatai az u(x) hasznosság-függvényre vonatkozóan hiszen belátta, hogy az u(x) = C lnx nem jó vezették el Neumann Jánost a hasznosság axiomatizálásáig, mely a modern közgazdaságelmélet egyik pilléréhez vezetett. Számos kísérlet születik az u(x) ésszerű megválasztására. Nagyon sok népszerű-tudományos mű is megjelenik, boncolgatva a paradoxont különböző oldalairól. Ahogy Samuelson írja: A szentpétervári paradoxon megbecsülésnek örvendő sarok a kultúrált analitikus elme memóriabankjában. A következő nagy áttörést Feller 1945-ös eredményei jelentették. Legyen X 1, X 2, Péter nyereményei az első, második, pétervári játékban, mindegyik eloszlásfüggvénye az (3) beli formulával adott, és legyen S n = X 1 + X X n Péter össznyereménye az n játék során. Az X várható értékének végességét feltételezve, azt kapnánk, hogy egy játékért E(X), így n játékért ne(x) forintot kell adni. Vagyis az egy játékra eső S n /n átlagos nyeremény E(X) körül van, így S n /n E(X) majdnem biztosan. Ha még X szórása is véges, akkor a centrális határeloszlás tétel miatt: P(S n ne(x) > 0) 1 / 2 P(S n ne(x) < 0) (5) vagyis nagy n esetén az esetek kb. felében az egyik játékos, míg a másik felében a másik nyer és a nyeremények is körülbelül szimmetrikusan oszlanának el. De éppen az a probléma 1713 óta, hogy a várható érték sem véges. Feller belátja, hogy S n /nlog 2 n sztochasztikusan tart 1- hez, amiből következik, hogy n játékért nlog 2 n összeg a méltányos. Ezen tétel és Feller dolgozata alapján Steinhaus teszi meg a következő nagy lépést. Ahogyan írja: a paradoxon feloldásához nem egy egyedi játékot, hanem játékok egy sorozatát kell nézni. Egy determinisztikus sorozattal próbálja imitálni Péter véletlen nyereményeit. Vegyünk először 2-eseknek és üres helyeknek egy alternáló sorozatát: 2 _ 2 _ 2 _ 2 _ 2 _ 2 _ 2 _ 2 _ 2 _ 2 _ 2 _ 2 _ 2 _ 2 _ 2 _ Most írjunk az első, majd minden második üres helyre 4-est: _ _ _ _ _ _ _ 2 4 Majd hasonlóan írjunk 8-asokat, aztán 16-osokat és így tovább: Felírva ezen sorozat n-edik empirikus eloszlásfüggvényét, kiderül, hogy ez igen gyorsan (egyenletesen) tart a szentpétervári eloszlásfüggvényhez. Vagyis Steinhaus szerint a játék akkor lesz igazságos, ha az egyes játszmákért a fenti sorozat elemei szerinti összegeket fizetjük. Ez azt jelenti, hogy ha F n (x) jelöli a legfeljebb x nagyságú befizetések relatív 7

8 gyakoriságait, akkor F n (x) annak a valószínűségéhez konvergál, hogy Pál (a bank) legfeljebb x nagyságú összeget fizet ki. Csörgő Sándor, a korán elhunyt szegedi matematikus és lelkes csapata dolgozott tovább a kérdésen sikerrel. Az alábbi tételeket sikerült bebizonyítaniuk: S n lim inf = 1 és lim n n log 2 n n sup S n = majdnem biztosan. n log 2 n Ez azt jelenti, hogy Péter halmozott nyereményeinek S n sorozata determinisztikus sorozatokkal nem egyensúlyozható ki úgy, hogy véges pozitív határértéket kapjunk majdnem biztosan. Ennek oka az időnként (nagyon kis valószínűséggel, de mégis) előforduló nagyon nagy nyeremény. Valamint látható, hogy Feller tételének sztochasztikus határértéke az egy valószínűséggel létező torlódási pontok közül a legkisebb, a legnagyobb pedig végtelenné válik. A kérdés az, mit tudunk mondani S n eloszlásáról. Határeloszlása nincs, illetve nagyon sok van. Ezek vizsgálata már meghaladja jelen munka kereteit, de összegzésül az alábbiak mondhatók el. Az E(S n (m)) várható értékekre igen szép aszimptotikus formulákat lehet adni, tehát a probléma klasszikus értelemben is megoldható. Megjegyezzük, hogy n játéknál átlagosan log 2 n forint játékonként még akkor is kevés, ha Péter lemond a legnagyobb nyereményéről, de már túl sok, ha a legnagyobb kettőről mond le. 3. A PARADOXON KAPCSOLATA A KÖZGAZDASÁGTANNAL ÉS EGYÉB TUDOMÁNYOKKAL Amint már említettem, szinte valamennyi mai mikroökonómiai hasznosságfogalom előfutárának Daniel Bernoulli 1738-as tanulmánya tekinthető. Ő a már említett paradoxonból kiindulva jutott el a hasznosság következő formulájához: U = k ln(x/c) ahol k egy pozitív konstans, c pedig a létezéshez minimálisan szükséges vagyon nagysága. Bernoulli paradoxonnal kapcsolatos munkája két alapgondolatot tartalmazott. Az egyik szerint az egyén vagyonának fokozatos, azonos összegű növelésével egyre kisebb mértékben javul az illető jóléti helyzete. Ezt az összefüggést ma a csökkenő határhaszon törvénye elnevezéssel illetjük. A másik gondolat, mely a Neumann-Morgenstern féle hasznossági függvény alapötletével rokon, arra vonatkozott, hogy bizonytalan vagyoni körülmények között az egyén várható helyzetét nem a várható vagyonhoz tartozó egyéni értékelés, hanem az egyes vagyoni helyzetekhez tartozó egyéni értékelések várható nagysága határozza meg. Bernoulli ezen felfedezései a közgazdászok számára több mint 100 évig ismeretlenek maradtak, feltehetően annak matematikai jellege miatt. Bernoulli hasznossággal kapcsolatos elképzeléseit röviden úgy fogalmazhatjuk meg, hogy egyrészt egy nagyobb tőke esetén már nem okoz akkora örömet ugyanazon összeg megnyerése, mint kisebb alaptőke esetén, másrészt egy adott összeg elvesztése okozta bosszúság nagyobb, mint ugyanakkora összeg megszerzése feletti öröm. Ezt a pszichológusok kockázatkerülő magatartásunkkal magyarázzák. A paradoxonnal szoros kapcsolatban áll az ún. martingál (halmozási) stratégia, melyben mindmáig sok szerencsejátékos hisz (és megy is tönkre). Itt is a bank ellen játszunk egy olyan játékot, melyben 50-50% az esélye a nyerésnek és a vesztésnek is. Ha az első játszmában 8

9 veszítünk, megkétszerezzük a tétünket. Ha a másodikban is veszítünk, akkor újra megkétszerezzük, és így tovább, amíg ki nem jön a tippünk és nyerünk. Ha a legelső tétünk A forint és az első n-1 játszmában nem nyertünk, de az n.-ben már igen, akkor összesen kifizettünk A( n-1 ) = A(2 n 1) forintot, míg a nyeremény összege A2 n. Így tehát összesen A forint nyereségre tettünk szert. Minthogy 1 valószínűséggel valamikor csak bejön a tippünk, ez a stratégia biztosnak látszik, azonban ez itt is csak a látszat. Hiszen egyrészt mielőtt bármit is nyernénk, már rég elveszítettük az összes pénzünket. Ha meg korlátlan sok pénzünk van, akkor ahhoz képest elenyésző az A forintnyi nyereség. Nem utolsó sorban a kaszinók is ismerik ezt a stratégiát, ezért maximalizálják a tétek nagyságát (tehát akármeddig nem folytatható ez a stratégia) és bár ez a maximumösszeg csillagászatinak tűnik, mégis teljesen hatástalanná teszi a martingál stratégiát. A pétervári paradoxon volt az alapja több olyan gazdasági, pénzügyi ötletnek is, mely szinte minden esetben csődbe, sokszor tragédiába fulladt. Gondoljunk csak egy gazdasági társaság nagyarányú növekedésére, melynek olyan ragyogó kilátásai vannak, hogy szinte végtelennek tűnnek. Még ha abszurd módon fel is tesszük, hogy képesek vagyunk időben korlátlanul előre jelezni egy vállalat bevételeit, mennyit érhet e vállalat részvénye? Talán végtelen összeget? Voltak pillanatok, amikor profi befektetők ilyen őrült álmokat kergettek. az 1960-as évek végén, 70-es évek elején számos komoly befektetési menedzsert annyira megszédített általában a növekedés, de különösen az ún. Nifty-Fifty módjára növekvő részvények eszméje, hogy készek voltak bármi árat fizetni, hogy birtokába jussanak például a Xerox, a Coca-Cola vagy az IBM részvényeinek decemberében a Polaroid az 1972-es évi nyereségének 96-szorosáért, a McDonald s 80-szorosáért adta el részvényeit. A valóságban azonban a szédítő nyereség, melynek határa látszólag a csillagos ég volt, a valóságban jóval kisebbnek bizonyult, mint a várt végtelenül nagy összeg. A közelmúlt gazdasági válságának is egyik oka ilyen, hasonló tényezőkre vezethető vissza. Ahogyan Székely Gábor és Richards írja [7] ben, az 1990-es évek végén a high-tech részvényárai példátlan módon emelkedtek elején viszont az árak hanyatlása hatalmas veszteségekkel járt a befektetők számára. Ezek elkerülhetőek lettek volna, a Szentpétervári paradoxon eredményeinek alkalmazásával, elemzésével. Nézzük ezt egy kicsit részletesebben: Képzeljük el, hogy Pál D forintot fizet Péternek, ha az első dobásra kap fejet, D(1+g) forintot, ha a második dobásra lesz az első fej, D(1+g) 2 forintot, ha harmadszorra lesz az első fej, és így tovább. Valamint tegyük fel, hogy a fejdobás valószínűsége 1/(1+i), ekkor természetesen az írás valószínűsége i/(1+i), ahol i > 0. Ebben az esetben, ha a k. dobásra lesz az első fej, akkor a Pál által kifizetett teljes összeg: k 2 j=0 (6) g D 1 + g j = D 1+g k 1 1 A kifizetés várható értéke pedig a következő formulával adódik: i k=1 D(1 + g) j, ami az előző (6) formula felhasználásával a következő (1+i) k k 2 j =0 eredményt szolgáltatja: 9

10 D(1+g) k 1 D, ha g < i, = i g k=1 (7) (1+i) k, ha g i. Ha most i jelenti a kamatlábat, g pedig a cég növekedési arányát, akkor a következőket mondhatjuk el: egy D forinttal kezdődő és állandó g arányú növekedéssel emelt összeg, mely i-vel van diszkontálva, a fenti összegeket adja. Az 1990-es évek végéről elmondható, hogy az i nagyon kicsi volt, a g pedig magas a már említett high-tech vállalatoknál. Vagyis az i jóval kisebb volt, mint g, úgy hogy i/g közelítőleg 0 volt. A befektetők mohón vásárolták a részvényeket (a végtelen nyereség reményében), melyben nagy szerepe volt Durand cikkének egy elemzésében megjelent megjegyzésnek, mely szerint: eddig még sosem láttuk, hogy egyes részvények végtelen haszonnal járnának, de miért ne lehetne ez? Ennyi is elég volt, hogy nagyon sokan túlértékeljék a vállalatok várt nyereségeit és a vége ugyanaz lett, mint az 1950-es években, sok befektető csődbe jutott. Mark Twain szavai talán megfontolásra intenek mindannyiunkat. A Pudd nhead Wilson s Calendar-ban szerepel az alábbi idézete: Október. Ez az egyik olyan hónap, amikor különösen veszélyes a tőzsdével foglalkozni. A többi ilyen a Július, Január, Szeptember, Április, November, Május, Március, Június, December, Augusztus és Február. Győrfi László és Kevei Péter a paradoxont továbbfejleszti, nemcsak egy, hanem többkomponensű szentpétervári portfólió játékot vizsgál [5]-ben. Érdekes módon a jól ismert Legyen Ön is milliomos! televíziós játéknak is a Szentpétervári paradoxon egy változata adta az alapgondolatát. Számos más példát is említhetnénk még, a tárház szinte kimeríthetetlen. Amint látjuk, a sokat elhangzott kérdésre: Minek kell matekot tanulni, mire tudom majd használni? az élet minden területe szolgáltatja a választ. Hiszen nemcsak a fizikai, természettudományos kérdésekre találhatjuk meg a válaszokat a matematika segítségével, hanem amint látjuk olyan területet lenne nehéz találni, ahol nincs szükség matematikai tudásra. FELHASZNÁLT IRODALOM [1] BERDE Éva PETRÓ Katalin: A különféle hasznosságfogalmak szerepe a közgazdaságtanban (Közgazdasági Szemle, XLII. évf sz o.) [2] BERNSTEIN, Peter L.: Against the Gods (Panem Wiley 1996.) [3] CSÖRGŐ Sándor: A szentpétervári paradoxon (Polygon V. kötet 1. szám 1995.) [4] CSÖRGŐ Sándor SIMONS, Gordon: Pooling strategies for St Petersburg gamblers (Bernoulli 12 (6), 2006, ) [5] GYŐRFI László KEVEI Péter: St. Petersburg Portfolio Games (ALT 2009, LNAI 5809, pp.83-96, 2009.) [6] SZÉKELY J. Gábor: Paradoxonok a véletlen matematikájában (Typotex, 2004.) [7] SZÉKELY J. Gábor RICHARDS, Donald St. P.: The St. Petersburg Paradox and the Crash of High-Tech Stoks in 2000 (The American Statistician, August 2004, Vol.58.No.3.) 10

Szakdolgozat. Miskolci Egyetem. A szentpétervári paradoxon. Készítette: Botos Imre 3. Évfolyam, Programtervező Informatikus Szak

Szakdolgozat. Miskolci Egyetem. A szentpétervári paradoxon. Készítette: Botos Imre 3. Évfolyam, Programtervező Informatikus Szak Szakdolgozat Miskolci Egyetem A szentpétervári paradoxon Készítette: Botos Imre 3. Évfolyam, Programtervező Informatikus Szak Témavezető: Dr. Karácsony Zsolt egyetemi docens Miskolc, 2013 Miskolci Egyetem

Részletesebben

Valószínűségszámítás összefoglaló

Valószínűségszámítás összefoglaló Statisztikai módszerek BMEGEVGAT Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 3 III. VÉLETLEN VEKTOROK 1. A KÉTDIMENZIÓs VÉLETLEN VEKTOR Definíció: Az leképezést (kétdimenziós) véletlen vektornak nevezzük, ha Definíció:

Részletesebben

Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév

Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév 1. A várható érték és a szórás transzformációja 1. Ha egy valószínűségi változóhoz hozzáadunk ötöt, mínusz ötöt, egy b konstanst,

Részletesebben

1000 forintos adósságunkat, de csak 600 forintunk van. Egyetlen lehetőségünk, hogy a

1000 forintos adósságunkat, de csak 600 forintunk van. Egyetlen lehetőségünk, hogy a A merész játékok stratégiája A következő problémával foglalkozunk: Tegyük fel, hogy feltétlenül ki kell fizetnünk 000 forintos adósságunkat, de csak 600 forintunk van. Egyetlen lehetőségünk, hogy a még

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,

Részletesebben

1. Lineáris differenciaegyenletek

1. Lineáris differenciaegyenletek Lineáris differenciaegyenletek Tekintsük az alábbi egyenletet: f(n) af(n ) + bf(n + ), (K < n < N) f(k) d, f(n) d Keressük a megoldást f(n) α n alakban Így kajuk a következőket: α n aα n + bα n+ α a +

Részletesebben

Sorozatok I. Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma)

Sorozatok I. Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Sorozatok I. DEFINÍCIÓ: (Számsorozat) A számsorozat olyan függvény, amelynek értelmezési tartománya a pozitív egész számok halmaza, értékkészlete a valós számok egy részhalmaza. Jelölés: (a n ), {a n }.

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen

Részletesebben

A sorozat fogalma. függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet. az értékkészlet a komplex számok halmaza, akkor komplex

A sorozat fogalma. függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet. az értékkészlet a komplex számok halmaza, akkor komplex A sorozat fogalma Definíció. A természetes számok N halmazán értelmezett függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet a valós számok halmaza, valós számsorozatról beszélünk, mígha az

Részletesebben

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás Matematikai alapok és valószínőségszámítás Valószínőségi eloszlások Binomiális eloszlás Bevezetés A tudományos életben megfigyeléseket teszünk, kísérleteket végzünk. Ezek többféle különbözı eredményre

Részletesebben

Példa a report dokumentumosztály használatára

Példa a report dokumentumosztály használatára Példa a report dokumentumosztály használatára Szerző neve évszám Tartalomjegyzék 1. Valószínűségszámítás 5 1.1. Események matematikai modellezése.............. 5 1.2. A valószínűség matematikai modellezése............

Részletesebben

Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Sorozatok II.

Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Sorozatok II. Sorozatok II. DEFINÍCIÓ: (Mértani sorozat) Az (a n ) valós számsorozatot mértani sorozatnak nevezzük, ha van olyan valós szám, amellyel a sorozat bármely tagját megszorozva a következő tagot kapjuk. Jelöléssel:

Részletesebben

1. tétel. Valószínűségszámítás vizsga Frissült: 2013. január 19. Valószínűségi mező, véletlen tömegjelenség.

1. tétel. Valószínűségszámítás vizsga Frissült: 2013. január 19. Valószínűségi mező, véletlen tömegjelenség. 1. tétel Valószínűségszámítás vizsga Frissült: 2013. január 19. Valószínűségi mező, véletlen tömegjelenség. A valószínűségszámítás tárgya: véletlen tömegjelenségek vizsgálata. véletlen: a kísérlet kimenetelét

Részletesebben

Mesterséges Intelligencia MI

Mesterséges Intelligencia MI Mesterséges Intelligencia MI Racionalitás: a hasznosság és a döntés Dobrowiecki Tadeusz Eredics Péter, és mások BME I.E. 437, 463-28-99 dobrowiecki@mit.bme.hu, http://www.mit.bme.hu/general/staff/tade

Részletesebben

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus. Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza

Részletesebben

Beruházási és finanszírozási döntések

Beruházási és finanszírozási döntések Beruházási és finanszírozási döntések Dr. Farkas Szilveszter PhD, egyetemi docens BGF, PSZK, Pénzügy Intézeti Tanszék farkas.szilveszter@pszfb.bgf.hu, http://dr.farkasszilveszter.hu Tematika és tananyag

Részletesebben

1.2.1 A gazdasági rendszer A gazdaság erőforrásai (termelési tényezők)

1.2.1 A gazdasági rendszer A gazdaság erőforrásai (termelési tényezők) Galbács Péter, Szemlér Tamás szerkesztésében Mikroökonómia TARTALOM Előszó 1. fejezet: Bevezetés 1.1 A közgazdaságtan tárgya, fogalma 1.1.1 A közgazdaságtan helye a tudományok rendszerében 1.1.2 A közgazdaságtan

Részletesebben

BME Nyílt Nap november 21.

BME Nyílt Nap november 21. Valószínűségszámítás, statisztika és valóság Néhány egyszerű példa Kói Tamás Budapesti Műszaki és Gazdaságtudományi Egyetem koitomi@math.bme.hu BME Nyílt Nap 2014. november 21. Matematikai modell Matematikai

Részletesebben

1. előadás. Lineáris algebra numerikus módszerei. Hibaszámítás Számábrázolás Kerekítés, levágás Klasszikus hibaanalízis Abszolút hiba Relatív hiba

1. előadás. Lineáris algebra numerikus módszerei. Hibaszámítás Számábrázolás Kerekítés, levágás Klasszikus hibaanalízis Abszolút hiba Relatív hiba Hibaforrások Hiba A feladatok megoldása során különféle hibaforrásokkal találkozunk: Modellhiba, amikor a valóságnak egy közelítését használjuk a feladat matematikai alakjának felírásához. (Pl. egy fizikai

Részletesebben

HÁZI DOLGOZAT. Érmefeldobások eredményei és statisztikája. ELTE-TTK Kémia BSc Tantárgy: Kémia felzárkóztató (A kémia alapjai)

HÁZI DOLGOZAT. Érmefeldobások eredményei és statisztikája. ELTE-TTK Kémia BSc Tantárgy: Kémia felzárkóztató (A kémia alapjai) ELTE-TTK Kémia BSc Tantárgy: Kémia felzárkóztató (A kémia alapjai) HÁZI DOLGOZAT Érmefeldobások eredményei és statisztikája Készítette: Babinszki Bence EHA-kód: BABSAET.ELTE E-mail cím: Törölve A jelentés

Részletesebben

Készítette: Fegyverneki Sándor

Készítette: Fegyverneki Sándor VALÓSZÍNŰSÉGSZÁMÍTÁS Összefoglaló segédlet Készítette: Fegyverneki Sándor Miskolci Egyetem, 2001. i JELÖLÉSEK: N a természetes számok halmaza (pozitív egészek) R a valós számok halmaza R 2 {(x, y) x, y

Részletesebben

Változatos Véletlen Árazási Problémák. Bihary Zsolt AtomCsill 2014

Változatos Véletlen Árazási Problémák. Bihary Zsolt AtomCsill 2014 Változatos Véletlen Árazási Problémák Bihary Zsolt AtomCsill 2014 Fizikus a befektetési bankban Remek társaság Releváns matematikai műveltség Számítástechnikai affinitás Intuitív gondolkodás Modellezési

Részletesebben

Poncelet egy tételéről

Poncelet egy tételéről 1 Poncelet egy tételéről Már régebben találkoztunk az [ 1 ] műben egy problémával, mostanában pedig a [ 2 ] műben a megoldásával. A probléma lényege: határozzuk meg a egyenletben szereplő α, β együtthatókat,

Részletesebben

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem agy számok törvényei Statisztikai mintavétel Várható érték becslése Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem A mérés mint statisztikai mintavétel A méréssel az eloszlásfüggvénnyel

Részletesebben

Számsorozatok (1) First Prev Next Last Go Back Full Screen Close Quit

Számsorozatok (1) First Prev Next Last Go Back Full Screen Close Quit Számsorozatok (1) First Prev Next Last Go Back Full Screen Close Quit 1. Valós számsorozaton valós számok meghatározott sorrendű végtelen listáját értjük. A hangsúly az egymásután következés rendjén van.

Részletesebben

Néhány kockadobással kapcsolatos feladat 1 P 6

Néhány kockadobással kapcsolatos feladat 1 P 6 Néhány kockadobással kapcsolatos feladat Feldobunk egy kockát. Az eseménytér: ; 2; ; ; ; Az összes esetek száma:. Feldobunk egy kockát. Mi a valószínűsége, hogy hatost dobunk? A kedvező esetek száma: (hatost

Részletesebben

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk Valószínűségszámítás 8. feladatsor 2015. november 26. 1. Bizonyítsuk be, hogy az alábbi folyamatok mindegyike martingál. a S n, Sn 2 n, Y n = t n 1+ 1 t 2 Sn, t Fn = σ S 1,..., S n, 0 < t < 1 rögzített,

Részletesebben

Csődvalószínűségek becslése a biztosításban

Csődvalószínűségek becslése a biztosításban Csődvalószínűségek becslése a biztosításban Diplomamunka Írta: Deák Barbara Matematikus szak Témavezető: Arató Miklós, egyetemi docens Valószínűségelméleti és Statisztika Tanszék Eötvös Loránd Tudományegyetem,

Részletesebben

4. A negatív binomiális eloszlás

4. A negatív binomiális eloszlás 1 / 7 2011.03.17. 14:27 Virtuális laboratóriumok > 10. Bernoulli kísérletek > 1 2 3 4 5 6 4. Alapelmélet Tételezzük fel, hogy a véletlen kísérletünk, amit végrehajtunk Bernoulli kísérleteknek egy X = (X

Részletesebben

Valószínűségszámítás és statisztika

Valószínűségszámítás és statisztika Valószínűségszámítás és statisztika Programtervező informatikus szak esti képzés Varga László Valószínűségelméleti és Statisztika Tanszék Matematikai Intézet Természettudományi Kar Eötvös Loránd Tudományegyetem

Részletesebben

Következik, hogy B-nek minden prímosztója 4k + 1 alakú, de akkor B maga is 4k + 1 alakú, s ez ellentmondás.

Következik, hogy B-nek minden prímosztója 4k + 1 alakú, de akkor B maga is 4k + 1 alakú, s ez ellentmondás. Prímszámok A (pozitív) prímszámok sorozata a következő: 2, 3, 5, 7, 11, 13, 17, 19,... 1. Tétel. Végtelen sok prímszám van. Első bizonyítás. (Euklidész) Tegyük fel, hogy állításunk nem igaz, tehát véges

Részletesebben

Közlemény. Biostatisztika és informatika alapjai. Alapsokaság és minta

Közlemény. Biostatisztika és informatika alapjai. Alapsokaság és minta Közlemény Biostatisztika és informatika alajai. előadás: Az orvostudományban előforduló nevezetes eloszlások 6. szetember 9. Veres Dániel Statisztika és Informatika tankönyv (Herényi Levente) már kaható

Részletesebben

f(x) vagy f(x) a (x x 0 )-t használjuk. lim melyekre Mivel itt ɛ > 0 tetszőlegesen kicsi, így a a = 0, a = a, ami ellentmondás, bizonyítva

f(x) vagy f(x) a (x x 0 )-t használjuk. lim melyekre Mivel itt ɛ > 0 tetszőlegesen kicsi, így a a = 0, a = a, ami ellentmondás, bizonyítva 6. FÜGGVÉNYEK HATÁRÉRTÉKE ÉS FOLYTONOSSÁGA 6.1 Függvény határértéke Egy D R halmaz torlódási pontjainak halmazát D -vel fogjuk jelölni. Definíció. Legyen f : D R R és legyen x 0 D (a D halmaz torlódási

Részletesebben

2. A ξ valószín ségi változó eloszlásfüggvénye a következ : x 4 81 F (x) = x 4 ha 3 < x 0 különben

2. A ξ valószín ségi változó eloszlásfüggvénye a következ : x 4 81 F (x) = x 4 ha 3 < x 0 különben 1 feladatsor 1 Egy dobozban 20 fehér golyó van Egy szabályos dobókockával dobunk, majd a következ t tesszük: ha a dobott szám 1,2 vagy 3, akkor tíz golyót cserélünk ki pirosra; ha a dobott szám 4 vagy

Részletesebben

Játékelmélet. előadás jegyzet. Kátai-Urbán Kamilla. Tudnivalók Honlap: http://www.math.u-szeged.hu/~katai Vizsga: írásbeli.

Játékelmélet. előadás jegyzet. Kátai-Urbán Kamilla. Tudnivalók Honlap: http://www.math.u-szeged.hu/~katai Vizsga: írásbeli. Játékelmélet Kátai-Urbán Kamilla Tudnivalók Honlap: http://www.math.u-szeged.hu/~katai Vizsga: írásbeli Irodalom előadás jegyzet J. D. Williams: Játékelmélet Filep László: Játékelmélet 1. Előadás Történeti

Részletesebben

Arany Dániel Matematikai Tanulóverseny 2014/2015-ös tanév első (iskolai) forduló Haladók II. kategória

Arany Dániel Matematikai Tanulóverseny 2014/2015-ös tanév első (iskolai) forduló Haladók II. kategória Bolyai János Matematikai Társulat Arany Dániel Matematikai Tanulóverseny 01/01-ös tanév első iskolai) forduló Haladók II. kategória Megoldások és javítási útmutató 1. Adott az alábbi két egyenletrendszer:

Részletesebben

Diplomamunka. Miskolci Egyetem. Leghosszabb szériák vizsgálata. Készítette: Selling István Mérnök Informatikus MSc jelölt

Diplomamunka. Miskolci Egyetem. Leghosszabb szériák vizsgálata. Készítette: Selling István Mérnök Informatikus MSc jelölt Diplomamunka Miskolci Egyetem Leghosszabb szériák vizsgálata Készítette: Selling István Mérnök Informatikus MSc jelölt Témavezető: Dr. Karácsony Zsolt egyetemi docens Miskolc, 2013 Miskolci Egyetem Gépészmérnöki

Részletesebben

ismertetem, hogy milyen probléma vizsgálatában jelent meg ez az eredmény. A kérdés a következő: Mikor mondhatjuk azt, hogy bizonyos események közül

ismertetem, hogy milyen probléma vizsgálatában jelent meg ez az eredmény. A kérdés a következő: Mikor mondhatjuk azt, hogy bizonyos események közül A Borel Cantelli lemma és annak általánosítása. A valószínűségszámítás egyik fontos eredménye a Borel Cantelli lemma. Először informálisan ismertetem, hogy milyen probléma vizsgálatában jelent meg ez az

Részletesebben

VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA

VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA A VALÓSZÍNŰSÉGI SZEMLÉLET ALAPOZÁSA 1-6. OSZTÁLY A biztos, a lehetetlen és a lehet, de nem biztos események megkülünböztetése Valószínűségi játékok, kísérletek események

Részletesebben

minden x D esetén, akkor x 0 -at a függvény maximumhelyének mondjuk, f(x 0 )-at pedig az (abszolút) maximumértékének.

minden x D esetén, akkor x 0 -at a függvény maximumhelyének mondjuk, f(x 0 )-at pedig az (abszolút) maximumértékének. Függvények határértéke és folytonossága Egy f: D R R függvényt korlátosnak nevezünk, ha a függvényértékek halmaza korlátos. Ha f(x) f(x 0 ) teljesül minden x D esetén, akkor x 0 -at a függvény maximumhelyének

Részletesebben

TANTÁRGYI PROGRAM Matematikai alapok 2. útmutató

TANTÁRGYI PROGRAM Matematikai alapok 2. útmutató BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok 2. útmutató 2015/2016. tanév I. félév Tantárgyi program Tantárgy megnevezése Tantárgy jellege/típusa:

Részletesebben

Valószínűségi változók. Várható érték és szórás

Valószínűségi változók. Várható érték és szórás Matematikai statisztika gyakorlat Valószínűségi változók. Várható érték és szórás Valószínűségi változók 2016. március 7-11. 1 / 13 Valószínűségi változók Legyen a (Ω, A, P) valószínűségi mező. Egy X :

Részletesebben

A maximum likelihood becslésről

A maximum likelihood becslésről A maximum likelihood becslésről Definíció Parametrikus becsléssel foglalkozunk. Adott egy modell, mellyel elképzeléseink szerint jól leírható a meghatározni kívánt rendszer. (A modell típusának és rendszámának

Részletesebben

Próbaérettségi 2004 MATEMATIKA. PRÓBAÉRETTSÉGI 2004. május EMELT SZINT. 240 perc

Próbaérettségi 2004 MATEMATIKA. PRÓBAÉRETTSÉGI 2004. május EMELT SZINT. 240 perc PRÓBAÉRETTSÉGI 2004. május MATEMATIKA EMELT SZINT 240 perc A feladatok megoldására 240 perc fordítható, az idő leteltével a munkát be kell fejeznie. A feladatok megoldási sorrendje tetszőleges. A II. részben

Részletesebben

BIOMATEMATIKA ELŐADÁS

BIOMATEMATIKA ELŐADÁS BIOMATEMATIKA ELŐADÁS 7. Bevezetés a valószínűségszámításba Debreceni Egyetem, 2015 Dr. Bérczes Attila, Bertók Csanád A diasor tartalma 1 Bevezetés 2 Definíciók, tulajdonságok Példák Valószínűségi mező

Részletesebben

Döntési rendszerek I.

Döntési rendszerek I. Döntési rendszerek I. SZTE Informatikai Intézet Számítógépes Optimalizálás Tanszék Készítette: London András 7. Gyakorlat Alapfogalmak A terület alapfogalmai megtalálhatók Pluhár András Döntési rendszerek

Részletesebben

A Riemann-Siegel zeta függvény kiugró értékeinek keresése. A matematikai egyik legnehezebb problémája, avagy a prímszámok misztériuma

A Riemann-Siegel zeta függvény kiugró értékeinek keresése. A matematikai egyik legnehezebb problémája, avagy a prímszámok misztériuma A Riemann-Siegel zeta függvény kiugró értékeinek keresése A matematikai egyik legnehezebb problémája, avagy a prímszámok misztériuma 2013 A probléma fontossága és hatása a hétköznapi életre A prímszámok

Részletesebben

Leképezések. Leképezések tulajdonságai. Számosságok.

Leképezések. Leképezések tulajdonságai. Számosságok. Leképezések Leképezések tulajdonságai. Számosságok. 1. Leképezések tulajdonságai A továbbiakban legyen A és B két tetszőleges halmaz. Idézzünk fel néhány definíciót. 1. Definíció (Emlékeztető). Relációknak

Részletesebben

Teknős Kereskedési Szabályok. Michael W. Covel. Trend FollowingTM 2014. Minden jog fenntartva! A fordítást a szerző engedélye alapján végezte:

Teknős Kereskedési Szabályok. Michael W. Covel. Trend FollowingTM 2014. Minden jog fenntartva! A fordítást a szerző engedélye alapján végezte: Teknős Kereskedési Szabályok Michael W. Covel Trend FollowingTM 2014. Minden jog fenntartva! A fordítást a szerző engedélye alapján végezte: Csizmadia Tamás csizmadia.tamas@outlook.com További információk

Részletesebben

LegalUp! Bajzik András: Mielőtt céget alapítanál

LegalUp! Bajzik András: Mielőtt céget alapítanál LegalUp! Bajzik András: Mielőtt céget alapítanál Készen állsz a startupper életre, így első lépésként mi mást tennél, mint céget alapítasz. Logikus, nem? Talán meglepő, de nem mindig van ez így. Számos

Részletesebben

TANTÁRGYI PROGRAM Matematikai alapok II. útmutató

TANTÁRGYI PROGRAM Matematikai alapok II. útmutató BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok II. útmutató 2013/2014. tanév II. félév Tantárgyi program Tantárgy megnevezése Tantárgy jellege/típusa:

Részletesebben

Elméleti összefoglaló a Valószín ségszámítás kurzushoz

Elméleti összefoglaló a Valószín ségszámítás kurzushoz Elméleti összefoglaló a Valószín ségszámítás kurzushoz Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet kimeneteleinek

Részletesebben

Nyerni jó. 7.-8. évfolyam

Nyerni jó. 7.-8. évfolyam Boronkay György Műszaki Középiskola és Gimnázium 2600 Vác, Németh László u. 4-6. : 27-317 - 077 /fax: 27-315 - 093 WEB: http://boronkay.vac.hu e-mail: boronkay@vac.hu Levelező Matematika Szakkör Nyerni

Részletesebben

Társadalmi és gazdasági hálózatok modellezése

Társadalmi és gazdasági hálózatok modellezése Társadalmi és gazdasági hálózatok modellezése 9. el adás Bevezetés az ökonozikába El adó: London András 2015. november 2. Motiváció Komplex rendszerek modellezése statisztikus mechanika és elméleti zika

Részletesebben

Sorozatok. 5. előadás. Farkas István. DE ATC Gazdaságelemzési és Statisztikai Tanszék. Sorozatok p. 1/2

Sorozatok. 5. előadás. Farkas István. DE ATC Gazdaságelemzési és Statisztikai Tanszék. Sorozatok p. 1/2 Sorozatok 5. előadás Farkas István DE ATC Gazdaságelemzési és Statisztikai Tanszék Sorozatok p. 1/2 A sorozat definíciója Definíció. A természetes számok halmazán értelmezett valós értékű a: N R függvényt

Részletesebben

Publikációk. Libor Józsefné dr.

Publikációk. Libor Józsefné dr. Publikációk Libor Józsefné dr. Referált publikációk/ Refereed publications 1, Libor Józsefné, Tómács Tibor: Rényi-Hajek inequality and its applications. ( Annales Mathematicae et Informaticae, 33. Eger,

Részletesebben

Közgazdasági elméletek. Dr. Karajz Sándor Gazdaságelméleti Intézet

Közgazdasági elméletek. Dr. Karajz Sándor Gazdaságelméleti Intézet Közgazdasági elméletek Dr. Karajz Sándor Gazdaságelméleti 3. Előadás A karakterisztikai elmélet Bizonytalan körülmények közötti választás A karakterisztikai elmélet Hagyományos modell a fogyasztó különböző

Részletesebben

Taylor-polinomok. 1. Alapfeladatok. 2015. április 11. 1. Feladat: Írjuk fel az f(x) = e 2x függvény másodfokú Maclaurinpolinomját!

Taylor-polinomok. 1. Alapfeladatok. 2015. április 11. 1. Feladat: Írjuk fel az f(x) = e 2x függvény másodfokú Maclaurinpolinomját! Taylor-polinomok 205. április.. Alapfeladatok. Feladat: Írjuk fel az fx) = e 2x függvény másodfokú Maclaurinpolinomját! Megoldás: A feladatot kétféle úton is megoldjuk. Az els megoldásban induljunk el

Részletesebben

A biomatematika alapjai és a kapcsolódó feladatok megoldása számítógép segítségével Abonyi-Tóth Zsolt, 2005-2006 készült Harnos Andrea, Reiczigel Jenő zoológus előadásainak valamint Fodor János és Solymosi

Részletesebben

x, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:

x, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Valószínűségi változó általános fogalma: A : R leképezést valószínűségi változónak nevezzük, ha : ( ) x, x R, x rögzített esetén esemény.

Részletesebben

Beruházási és finanszírozási döntések (levelező, 2. konzultáció)

Beruházási és finanszírozási döntések (levelező, 2. konzultáció) Beruházási és finanszírozási döntések (levelező, 2. konzultáció) Dr. habil. Farkas Szilveszter PhD, főiskolai tanár, tanszékvezető BGE, PSZK, Pénzügy Intézeti Tanszék farkas.szilveszter@uni-bge.hu, http://dr.farkasszilveszter.hu

Részletesebben

Zalaegerszegi Intézet 8900 Zalaegerszeg, Gasparich u. 18/a, Pf. 67. Telefonközpont: (06-92) 509-900 Fax: (06-92) 509-930

Zalaegerszegi Intézet 8900 Zalaegerszeg, Gasparich u. 18/a, Pf. 67. Telefonközpont: (06-92) 509-900 Fax: (06-92) 509-930 Zalaegerszegi Intézet 8900 Zalaegerszeg, Gasparich u. 18/a, Pf. 67. Telefonközpont: (06-92) 509-900 Fax: (06-92) 509-930 FELHASZNÁLÁSI FELTÉTELEK (felhasználási engedély) Ez a dokumentum a Budapesti Gazdasági

Részletesebben

Számelméleti alapfogalmak

Számelméleti alapfogalmak 1 Számelméleti alapfogalmak 1 Definíció Az a IN szám osztója a b IN számnak ha létezik c IN melyre a c = b Jelölése: a b 2 Példa a 0 bármely a számra teljesül, mivel c = 0 univerzálisan megfelel: a 0 =

Részletesebben

Mátrixjátékok tiszta nyeregponttal

Mátrixjátékok tiszta nyeregponttal 1 Mátrixjátékok tiszta nyeregponttal 1. Példa. Két játékos Aladár és Bendegúz rendelkeznek egy-egy tetraéderrel, melyek lapjaira rendre az 1, 2, 3, 4 számokat írták. Egy megadott jelre egyszerre felmutatják

Részletesebben

Gazdasági matematika II. vizsgadolgozat megoldása A csoport

Gazdasági matematika II. vizsgadolgozat megoldása A csoport Gazdasági matematika II. vizsgadolgozat megoldása A csoport Definiálja az alábbi fogalmakat!. Egy eseménynek egy másik eseményre vonatkozó feltételes valószínűsége. ( pont) Az A esemény feltételes valószínűsége

Részletesebben

Centrális határeloszlás-tétel

Centrális határeloszlás-tétel 13. fejezet Centrális határeloszlás-tétel A valószínűségszámítás legfontosabb állításai azok, amelyek független valószínűségi változók normalizált összegeire vonatkoznak. A legfontosabb ilyen tételek a

Részletesebben

JÁTÉKELMÉLETI MAGYARÁZAT A KÖZJÓSZÁGOK LÉTREJÖTTÉNEK ELMARADÁSÁRA

JÁTÉKELMÉLETI MAGYARÁZAT A KÖZJÓSZÁGOK LÉTREJÖTTÉNEK ELMARADÁSÁRA Szociológiai Szemle 2005/1, 23 40. JÁTÉKELMÉLETI MAGYARÁZAT A KÖZJÓSZÁGOK LÉTREJÖTTÉNEK ELMARADÁSÁRA MÉSZÁROS József Budapesti Mûszaki és Gazdaságtudományi, Egyetem Szociológia és Kommunikáció Tanszék

Részletesebben

2. Logika gyakorlat Függvények és a teljes indukció

2. Logika gyakorlat Függvények és a teljes indukció 2. Logika gyakorlat Függvények és a teljes indukció Folláth János Debreceni Egyetem - Informatika Kar 2012/13. I. félév Áttekintés 1 Függvények Relációk Halmazok 2 Természetes számok Formulák Definíció

Részletesebben

Szeminárium-Rekurziók

Szeminárium-Rekurziók 1 Szeminárium-Rekurziók 1.1. A sorozat fogalma Számsorozatot kapunk, ha pozitív egész számok mindegyikéhez egyértelműen hozzárendelünk egy valós számot. Tehát a számsorozat olyan függvény, amelynek az

Részletesebben

Az ész természetéhez tartozik, hogy a dolgokat nem mint véletleneket, hanem mint szükségszerűeket szemléli (Spinoza: Etika, II. rész, 44.

Az ész természetéhez tartozik, hogy a dolgokat nem mint véletleneket, hanem mint szükségszerűeket szemléli (Spinoza: Etika, II. rész, 44. Dr. Vincze Szilvia Az ész természetéhez tartozik, hogy a dolgokat nem mint véletleneket, hanem mint szükségszerűeket szemléli (Spinoza: Etika, II. rész, 44. tétel) Környezetünkben sok olyan jelenséget

Részletesebben

KOVÁCS BÉLA, MATEMATIKA II.

KOVÁCS BÉLA, MATEMATIKA II. KOVÁCS BÉLA, MATEmATIkA II 3 III NUmERIkUS SOROk 1 Alapvető DEFInÍCIÓ ÉS TÉTELEk Végtelen sor Az (1) kifejezést végtelen sornak nevezzük Az számok a végtelen sor tagjai Az, sorozat az (1) végtelen sor

Részletesebben

Gazdasági Információs Rendszerek

Gazdasági Információs Rendszerek Gazdasági Információs Rendszerek 1. előadás Bánhelyi Balázs Alkalmazott Informatika Tanszék, Szegedi Tudományegyetem 2009 A pénz időértéke Mit jelent a pénz időértéke? Egy forint (dollár, euró, stb.) ma

Részletesebben

Idő és tér. Idő és tér. Tartalom. Megjegyzés

Idő és tér. Idő és tér. Tartalom. Megjegyzés Tartalom Az idő és tér fogalma és legfontosabb sajátosságaik. Megjegyzés Ez egy rövid, de meglehetősen elvont téma. Annyiból érdekes, hogy tér és idő a világunk legalapvetőbb jellemzői, és mindannyian

Részletesebben

IFJÚSÁG-NEVELÉS. Nevelés, gondolkodás, matematika

IFJÚSÁG-NEVELÉS. Nevelés, gondolkodás, matematika IFJÚSÁG-NEVELÉS Nevelés, gondolkodás, matematika Érdeklődéssel olvastam a Korunk 1970. novemberi számában Édouard Labin cikkét: Miért érthetetlen a matematika? Egyetértek a cikk megállapításaival, a vázolt

Részletesebben

Fraktálok. Löwy Dániel Hints Miklós

Fraktálok. Löwy Dániel Hints Miklós alkalmazott erjedéses folyamat sajátságait. Továbbá nemcsak az alkoholnak az emberi szervezetre gyakorolt hatását tudjuk megfigyelni (például a szomszéd dülöngélését és kurjongatását), hanem az alkoholnak

Részletesebben

Tananyag: Kiss Béla - Krebsz Anna: Lineáris algebra, többváltozós függvények, valószínűségszámítás,

Tananyag: Kiss Béla - Krebsz Anna: Lineáris algebra, többváltozós függvények, valószínűségszámítás, // KURZUS: Matematika II. MODUL: Valószínűség-számítás 21. lecke: A feltételes valószínűség, események függetlensége Tananyag: Kiss Béla - Krebsz Anna: Lineáris algebra, többváltozós függvények, valószínűségszámítás,

Részletesebben

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók Matematikai alapok és valószínőségszámítás Középértékek és szóródási mutatók Középértékek A leíró statisztikák talán leggyakrabban használt csoportját a középértékek jelentik. Legkönnyebben mint az adathalmaz

Részletesebben

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1 Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában

Részletesebben

Biomatematika 2 Orvosi biometria

Biomatematika 2 Orvosi biometria Biomatematika 2 Orvosi biometria 2017.02.13. Populáció és minta jellemző adatai Hibaszámítás Valószínűség 1 Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza)

Részletesebben

Vállalkozási finanszírozás kollokvium

Vállalkozási finanszírozás kollokvium Harsányi János Főiskola Gazdaságtudományok tanszék Vállalkozási finanszírozás kollokvium E Név: soport: Tagozat: Elért pont: Érdemjegy: Javította: 43 50 pont jeles 35 42 pont jó 27 34 pont közepes 19 26

Részletesebben

Matematika A3 Valószínűségszámítás, 5. gyakorlat 2013/14. tavaszi félév

Matematika A3 Valószínűségszámítás, 5. gyakorlat 2013/14. tavaszi félév Matematika A3 Valószínűségszámítás, 5. gyakorlat 013/14. tavaszi félév 1. Folytonos eloszlások Eloszlásfüggvény és sűrűségfüggvény Egy valószínűségi változó, illetve egy eloszlás eloszlásfüggvényének egy

Részletesebben

Szerencsejátékok. Elméleti háttér

Szerencsejátékok. Elméleti háttér Szerencsejátékok A következőekben a Szerencsejáték Zrt. által adott játékokat szeretném megvizsgálni. Kiszámolom az egyes lehetőségeknek a valószínűségét, illetve azt, hogy mennyi szelvényt kell ahhoz

Részletesebben

További forgalomirányítási és szervezési játékok. 1. Nematomi forgalomirányítási játék

További forgalomirányítási és szervezési játékok. 1. Nematomi forgalomirányítási játék További forgalomirányítási és szervezési játékok 1. Nematomi forgalomirányítási játék A forgalomirányítási játékban adott egy hálózat, ami egy irányított G = (V, E) gráf. A gráfban megengedjük, hogy két

Részletesebben

Vállalkozási finanszírozás kollokvium

Vállalkozási finanszírozás kollokvium Harsányi János Főiskola Gazdaságtudományok tanszék Vállalkozási finanszírozás kollokvium Név: soport: Tagozat: Elért pont: Érdemjegy: Javította: 47 55 pont jeles 38 46 pont jó 29 37 pont közepes 20 28

Részletesebben

Ramsey-féle problémák

Ramsey-féle problémák FEJEZET 8 Ramsey-féle problémák "Az intelligens eljárást az jellemzi, hogy még a látszólag megközelíthetetlen célhoz is utat nyit, megfelelő segédproblémát talál ki és először azt oldja meg." Pólya György:

Részletesebben

AuditPrime Audit intelligence

AuditPrime Audit intelligence AuditPrime Audit intelligence Szakértői szoftver a könyvelés ellenőrzéséhez www.justisec.hu Minden rendben. Tartalom Előzmények... 3 A szoftver bemutatása... 3 A könyvelési adatok átvétele... 3 A technológia...

Részletesebben

Kamatos kamat II. Írta: dr. Majoros Mária

Kamatos kamat II. Írta: dr. Majoros Mária Oktassunk vagy buktassunk Majoros Mária 28. április Írta: dr. Majoros Mária A számítógépek tömeges elterjedése és az internet megváltoztatták az ismeretszerzés formáit. Az iskolai oktatás mindig rendelkezett

Részletesebben

( 1) i 2 i. megbízhatóságú a levont következtetése? A matematikai statisztika eszközeivel értékelje a kapott eredményeket!

( 1) i 2 i. megbízhatóságú a levont következtetése? A matematikai statisztika eszközeivel értékelje a kapott eredményeket! 1. Név:......................... Egy szabályos pénzérmét feldobunk, ha az els½o FEJ az i-edik dobásra jön, akkor a játékos nyereménye ( 1) i i forint. Vizsgálja szimulációval a játékot, különböz½o induló

Részletesebben

0,424 0,576. f) P (X 2 = 3) g) P (X 3 = 1) h) P (X 4 = 1 vagy 2 X 2 = 2) i) P (X 7 = 3, X 4 = 1, X 2 = 2 X 0 = 2) j) P (X 7 = 3, X 4 = 1, X 2 = 2)

0,424 0,576. f) P (X 2 = 3) g) P (X 3 = 1) h) P (X 4 = 1 vagy 2 X 2 = 2) i) P (X 7 = 3, X 4 = 1, X 2 = 2 X 0 = 2) j) P (X 7 = 3, X 4 = 1, X 2 = 2) Legyen adott a P átmenetvalószín ség mátrix és a ϕ 0 kezdeti eloszlás Kérdés, hogy miként lehetne meghatározni az egyes állapotokban való tartózkodás valószín ségét az n-edik lépés múlva Deniáljuk az n-lépéses

Részletesebben

Diszkréten mintavételezett függvények

Diszkréten mintavételezett függvények Diszkréten mintavételezett függvények A függvény (jel) értéke csak rögzített pontokban ismert, de köztes pontokban is meg akarjuk becsülni időben mintavételezett jel pixelekből álló műholdkép rácson futtatott

Részletesebben

3 + 1 SZEMPONT. gy jó coach többek között arról ismerszik meg, hogy mielőtt a hogyannal

3 + 1 SZEMPONT. gy jó coach többek között arról ismerszik meg, hogy mielőtt a hogyannal 24 SÁNDOR Jenő 3 + 1 SZEMPONT A COACH-KÉPZÉS KIVÁLASZTÁSÁHOZ Először is lépjünk egyet hátra: mi a coaching? E gy jó coach többek között arról ismerszik meg, hogy mielőtt a hogyannal foglalkozna, világos

Részletesebben

Marx György: Gyorsuló idő Rényi Alfréd: Ars Mathematica Székely Gábor: Paradoxonok Tusnády Gábor: Sztochasztika

Marx György: Gyorsuló idő Rényi Alfréd: Ars Mathematica Székely Gábor: Paradoxonok Tusnády Gábor: Sztochasztika Játék a végtelennel MAGYAR TUDÓSOK Marx György: Gyorsuló idő Rényi Alfréd: Ars Mathematica Székely Gábor: Paradoxonok Tusnády Gábor: Sztochasztika Péter Rózsa Játék a végtelennel Matematika kívülállóknak

Részletesebben

ÉLETKEZDÉSI TERV GAZDAG NAGYBÁCSITÓL ÍZELÍTŐ. Készítette:

ÉLETKEZDÉSI TERV GAZDAG NAGYBÁCSITÓL ÍZELÍTŐ. Készítette: ÉLETKEZDÉSI TERV GAZDAG NAGYBÁCSITÓL ÍZELÍTŐ Készítette: A Magánpénzügyi Akadémia - vagyonteremtés önerőből - A Magánpénzügyi Akadémia küldetése: közérthetővé tenni a pénzügyeket, ezzel az évtized végére

Részletesebben

Tartalom. Speciális pénzáramlások. Feladatmegoldás, jelenértékszámítások 2010.10.19. 8. hét. Speciális pénzáramlások. Örökjáradék:

Tartalom. Speciális pénzáramlások. Feladatmegoldás, jelenértékszámítások 2010.10.19. 8. hét. Speciális pénzáramlások. Örökjáradék: Feladatmegoldás, jelenértékszámítások 8. hét 2010.10.26. 1 Tartalom Speciális pénzáramlások Örökjáradék: Olyan végtelen számú tagból álló pénzáramlás, amelynek minden eleme megegyezik. Növekvő örökjáradék:

Részletesebben

Diverzifikáció Markowitz-modell MAD modell CAPM modell 2017/ Szegedi Tudományegyetem Informatikai Intézet

Diverzifikáció Markowitz-modell MAD modell CAPM modell 2017/ Szegedi Tudományegyetem Informatikai Intézet Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 11. Előadás Portfólió probléma Portfólió probléma Portfólió probléma Adott részvények (kötvények,tevékenységek,

Részletesebben

Vállalkozási finanszírozás kollokvium

Vállalkozási finanszírozás kollokvium Harsányi János Főiskola Gazdaságtudományok tanszék Vállalkozási finanszírozás kollokvium Név: soport: Tagozat: Elért pont: Érdemjegy: Javította: 47 55 pont jeles 38 46 pont jó 29 37 pont közepes 20 28

Részletesebben

Modern matematikai paradoxonok

Modern matematikai paradoxonok Modern matematikai paradoxonok Juhász Péter ELTE Matematikai Intézet Számítógéptudományi Tanszék 2013. január 21. Juhász Péter (ELTE) Modern paradoxonok 2013. január 21. 1 / 36 Jelentés Mit jelent a paradoxon

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 2 II. A valószínűségi VÁLTOZÓ És JELLEMZÉsE 1. Valószínűségi VÁLTOZÓ Definíció: Az leképezést valószínűségi változónak nevezzük, ha

Részletesebben

A klasszikus közgazdaságtanon innen és túl, avagy az érem másik oldala

A klasszikus közgazdaságtanon innen és túl, avagy az érem másik oldala Mikroökon konómia A klasszikus közgazdaságtanon innen és túl, avagy az érem másik oldala 2011.09.12. - A gazdasági gi szereplőkkel, egyéni döntéshozókkal foglalkozik - Általánosítható viselkedési si jellemzőit

Részletesebben