= 5, forventet inntekt er 26

Størrelse: px
Begynne med side:

Download "= 5, forventet inntekt er 26"

Transkript

1 Eksempel på optimal risikodeling Hevdet forrige gang at i en kontrakt mellom en risikonøytral og en risikoavers person burde den risikonøytrale bære all risiko Kan illustrere dette i en enkel situasjon, uten noen prinsipal-agent-problemstilling Anta at de to skal dele rettighetene til en framtidig inntekt som kan ha to utfall, 32 eller 72 Sannsynlighet ½ for hvert av utfallene Den ene ønsker så høy forventet inntekt som mulig Den andre ønsker så høy forventet nytte som mulig, med en nyttefunksjon lik kvadratroten av inntekten Ikke klart hva det betyr å få negativ inntekt; derfor ser vi bare på delingsregler der begge får positiv inntekt Kunne dele likt; begge får halvparten, 16 eller Forventet nytte er = 5, forventet inntekt er Mulig å øke forventet nytte for den risikoaverse uten å redusere forventet inntekt for den risikonøytrale: Hvis den risikoaverse får 26 uansett hva utfallet blir, vil forventet nytte bli større enn 5; begrunnelse: Forventet nytte ved å få 25 uansett utfall blir 5; øker dette med 1 uansett utfall, åpenbart bedre Den risikonøytrale får nå = 6 i det dårlige utfallet, = 46 i det gode utfallet; forventet inntekt er uendret lik 26, har ikke tapt på dette Rom for å forbedre for begge: 25½ til risikoavers,... 1

2 Skjult atferd og optimale insentiver Forrige gang: Svært enkle modeller med bare to mulige nivåer for agentens innsats I dag: Agenten kan velge innsatsnivå fritt Velg e som et hvilket som helst positivt tall Mer komplisert for prinsipalen å utforme kontrakten Ikke tilstrekkelig å sørge for det høye innsatsnivået Jo sterkere insentiv, jo høyere vil innsatsnivået bli Samtidig må agenten ha høyere kompensasjon for å bære høy risiko, jfr. deltakerbetingelsen Skal studere en spesifikk modell som gir oss en formel for den optimale kontrakten I dette kurset: Forutsetter ikke matematiske forkunnskaper (ut over første klasse, vgs) Vil derfor bare gi en delvis begrunnelse for løsningen Ufullstendig informasjon, optimal lineær kontrakt Endring fra forrige gang: Antar nå at resultatet z (f.eks. produsert mengd er summen av innsatsen e og ytre faktorer x, summen vil som før avhenge av begge deler Bare resultatet, ikke innsatsen, er verifiserbar Kontrakten kunne gi en komplisert sammenheng mellom z og agentens inntekt, w Forenkler og konsentrerer oss om kontrakter av typen w = α + βz, der α og β er to konstante tall Leter altså etter en optimal lineær kontrakt 2

3 Sannsynlighetsfordeling og forventning En sannsynlighetsfordeling er en beskrivelse av mulige utfall for en usikker (stokastisk) variabel og sannsynlighetene for at de ulike utfallene skal inntreffe Hvis det er uendelig mange mulige utfall (f.eks. alle mulige desimaltall mellom 0 og 1), gir det vanligvis ikke mening å gi hvert enkelt-utfall en positiv sannsynlighet, for da kan summen av sannsynlighetene bli uendelig I stedet: Sannsynlighet for utfall i intervaller, f.eks. intervallet mellom 0 og 0,25, intervallet mellom 0,25 og 0,5, osv. I den økonomiske modellen på forrige side er x (de ytre omstendighetene, støyen) den grunnleggende stokastiske variabelen, mens e ikke er usikker Siden resultatet er z = e + x, vil z også være stokastisk og ha en sannsynlighetsfordeling Siden betalingen er w = α + βz, vil w også være stokastisk og ha en sannsynlighetsfordeling (hvis ikke β = 0) For hver sannsynlighetsfordeling: Kan regne ut forventet verdi, som skrives E( ), f.eks. E(x), E(w) Definerte denne forrige gang: Veid gjennomsnitt av mulige utfall, med sannsynlighetene som vekter Litt mer komplisert når uendelig mange mulige utfall Regneregler: Hvis a og b er stokastiske, mens c er konstant, så er E(a+b) = E(a) + E(b), og E(ca) = ce(a) 3

4 Sannsynlighetsfordeling, forventning og varians Hittil: Har knyttet to tall til en sannsynlighetsfordeling Forventet utfall, også kalt forventning, et slags gjennomsnitt Forventet nytte, basert på at vi også kjenner en nyttefunksjon (i tillegg til sannsynlighetsfordelingen) Nå: Et tredje tall, varians Varians defineres ut fra sannsynlighetsfordelingen, uten å trekke inn noen nyttefunksjon Varians er et mål for usikkerheten, spredningen i utfall Mange tenkelige mål for spredning; kunne f.eks. tenke oss å se på forventet avvik fra forventningen Men dette er per definisjon lik null, siden positive og negative avvik akkurat vil oppveie hverandre når vi regner ut det veide gjennomsnittet E[x E(x)] Kunne tenke oss i stedet å se på forventet absoluttverdi av avvik, E[ x E(x) ]; et mulig mål for spredningen Lettere å regne med forventet avvik opphøyd i annen, E{[x E(x)] 2 }, som er definisjonen av variansen, var(x) For vårt formål nok å huske at dette er et mål for spredningen i en fordeling, der utfall langt fra E(x) teller mer ( fører til høyere varians ) hvis de har høy sannsynlighet Regneregler: Hvis a er stokastisk, mens c er konstant, så er var(c) = 0, var(c+a) = var(a), og var(ca) = c 2 var(a) 4

5 Forventet nytte, forventning varians Forventning og varians er to egenskaper ved mange slags sannsynlighetsfordelinger Ser nå på sannsynlighetsfordeling for inntekt, w Rimelig at folk foretrekker høy forventet inntekt framfor lav Hvis risikoaversjon: Vil foretrekke lav varians i inntekten framfor høy varians Kanskje preferansene bare avhenger av forventning og varians? Men forventet nytte avhenger også av nyttefunksjonen Alle individer har ikke like sterk risikoaversjon GH s. 119, nederst, hevder forventet nytte kan skrives som E(w) ½ r var(w) (Dette er en alternativ antakelse til E ( w), som vi har brukt tidliger (Denne antakelsen, s. 119, hos GH bygger egentlig på noen flere forutsetninger som han ikke nevner) (Nyttig for å forenkle modellen og finne en formel) Her er r en egenskap ved nyttefunksjonen, et tall som viser styrken av risikoaversjonen, koeffisienten for absolutt risikoaversjon Forskjell mellom ulike individers vurdering ligger i r En som er risikonøytral, har r lik null, og bryr seg dermed bare om forventningen, E(w) Jo større r, jo mer fradrag i forventet nytte pga. var(w) 5

6 Formel for optimal lineær kontrakt Trenger enda to forutsetninger for å komme fram til formel for hva slags kontrakt som er best for prinsipalen Forventet bruttoinntekt for prinsipalen er P(, en voksende funksjon av e Kostnaden for agenten ved å yte innsatsen e er C(, en voksende og konveks funksjon av e (En alternativ antakelse til det vi brukte tidligere, der kostnaden målt i nytteenheter var lik Konveks er det motsatte av konkav; betyr at jo større e blir, jo mer koster det å øke e ytterligere Prinsipalen ønsker høyest mulig P( E(w) Agenten ønsker høyest mulig E(w) ½ r var(w) C( Prinsipalen tilbyr først en kontrakt, {α, β} Agenten velger deretter å akseptere eller ikke; hvis aksept velger agenten deretter en innsats, e Begge kjenner sannsynlighetsfordelingen til x, sammenhengen z = e + x, og vet at betalingen vil bli w = α + βz Allerede når prinsipalen utformer kontraktstilbudet, vet prinsipalen at agenten kjenner til alt dette; prinsipalen vet også hva agentens alternative nyttenivå er, dvs. det agenten kan oppnå ved å avvise kontrakten; prinsipalen kjenner også størrelsen på r Prinsipalen kan derfor forutse agentens valg for ulike verdier av kontraktsparametrene {α, β} Dette er grunnlaget for prinsipalens tilbud av kontrakt 6

7 Løsningen for β Skal ikke forklare matematikken i løsningsmetoden Løsningen for parameteren β er følgende formel: β = 1+ r P'( var( x) C''( Her er P '( (den deriverte av P) et mål for hvor bratt P-funksjonen er; tillegget i P ved å øke e med en enhet Her er C ''( (den deriverte av C ') et mål for hvor krum C-funksjonen er; tillegget i C ' ved å øke e med en enhet Optimal β vil være større, jo større telleren er, men mindre, jo større nevneren er; altså: Høyere P '( gjør det gunstig med høyere β Tre forskjellige faktorer opptrer i nevneren: Høyere r, var(x) og/eller C ''( gjør det gunstig med lavere β Forklaringer: Høyere P '( betyr at det er viktigere for prinsipalen å få agenten til å yte mer, siden det har større effekt Høyere r betyr at det er uheldig å la agenten bære mer risiko (via høy β), siden agenten misliker det mer Høyere var(x) betyr at agenten utsettes for mer risiko via β enn om variansen hadde vært lavere C ''( har å gjøre med hvor sterkt agentens valg av e påvirker agentens nytte 7

8 Løsningen for α Prinsipalen velger β ved hjelp av formelen foran Har hittil ikke tatt hensyn til om agenten vil akseptere Den andre kontraktsparameteren, α, velges utelukkende ut fra deltakerbetingelsen Velger α slik at når agenten får vite {α, β}, vil agenten se at e kan velges slik at det så vidt er bedre (målt i forvente nytt å akseptere kontrakten enn å avvise den Siden så vidt er et upresis begrep, vil vi vanligvis være fornøyd med en løsning der deltakerbetingelsen holder nøyaktig, dvs. er oppfylt med likhet, ikke ulikhet Ikke mulig for agenten å velge e på noen annen måte som gir høyere forventet nytte Prinsipalen utnytter fordelen ved å ha første trekk fullt ut 8

9 Mer kompliserte situasjoner: Problem med målbarhet Så langt: Antok resultatet kunne måles Åpenbart ikke alltid enkelt Blant annet vanskeligere å måle kvalitet enn mengde Dessuten dyrt å måle i detalj, overvåke Mer kompliserte situasjoner: Flere dimensjoner Så langt: Antok agentens oppdrag var endimensjonalt Resultatet kunne måles som ett tall, ikke flere Men arbeidstakere har ofte mange oppgaver Og: En enkelt oppgave har ofte flere aspekter, f.eks. mengde og kvalitet Bør hver deloppgave, hvert aspekt, belønnes? Ja, hvis en oppgave måles og belønnes, bør alle andre også måles og belønnes (Beslektet med målbarhetsproblemet ovenfor) Alternativ: Gi opp insentivlønn fullstendig Begrunnelse: Ved å belønne bare noen deloppgaver, mens andre, viktige deloppgaver ikke kan måles eller belønnes, vil alt fokus bli rettet mot de som belønnes Enda sterkere teoretisk resultat: Må belønne hver deloppgave like sterkt (i en viss forstand) Kalles prinsippet om lik kompensasjon Ellers blir fokus vridd mot det som belønnes sterkest, og alle andre deloppgaver kan bli fullstendig neglisjert 9

Modeller med skjult atferd

Modeller med skjult atferd Modeller med skjult atferd I dag og neste gang: Kap. 6 i GH, skjult atferd Ser først på en situasjon med fullstendig informasjon, ikke skjult atferd, for å vise kontrasten i resultatene En prinsipal, en

Detaljer

Litt om forventet nytte og risikoaversjon. Eksempler på økonomisk anvendelse av forventning og varians.

Litt om forventet nytte og risikoaversjon. Eksempler på økonomisk anvendelse av forventning og varians. H. Goldstein Revidert januar 2008 Litt om forventet nytte og risikoaversjon. Eksempler på økonomisk anvendelse av forventning og varians. Dette notatet er ment å illustrere noen begreper fra Løvås, kapittel

Detaljer

Trinn 1: Prinsipalen utformer en kontrakt Trinn 2: Agenten aksepterer kontrakten eller ikke. Trinn 3 (hvis aksept): Agenten velger innsats.

Trinn 1: Prinsipalen utformer en kontrakt Trinn 2: Agenten aksepterer kontrakten eller ikke. Trinn 3 (hvis aksept): Agenten velger innsats. kjulte handlinger Trinn 1: Prinsipalen utformer en kontrakt Trinn 2: Agenten aksepterer kontrakten eller ikke. Trinn 3 (hvis aksept): Agenten velger innsats. pørsmålet er: Hvordan skal kontrakten se ut?

Detaljer

Regneregler for forventning og varians

Regneregler for forventning og varians Regneregler for forventning og varians Det fins regneregler som er til hjelp når du skal finne forventningsverdier og varianser. Vi skal her se nærmere på disse reglene. Vi viser deg også hvordan reglene

Detaljer

Enkel matematikk for økonomer. Del 1 nødvendig bakgrunn. Parenteser og brøker

Enkel matematikk for økonomer. Del 1 nødvendig bakgrunn. Parenteser og brøker Vedlegg Enkel matematikk for økonomer I dette vedlegget går vi gjennom noen grunnleggende regneregler som brukes i boka. Del går gjennom de helt nødvendige matematikk-kunnskapene. Dette må du jobbe med

Detaljer

Teori om preferanser (en person), samfunnsmessig velferd (flere personer) og frikonkurranse

Teori om preferanser (en person), samfunnsmessig velferd (flere personer) og frikonkurranse Teori om preferanser (en person), samfunnsmessig velferd (flere personer) og frikonkurranse Flere grunner til å se på denne teorien tidlig i kurset De neste gangene skal vi bl.a. se på hva slags kontrakter

Detaljer

Oversikt over kap. 19 i Gravelle og Rees. Sett i forhold til resten av pensum:

Oversikt over kap. 19 i Gravelle og Rees. Sett i forhold til resten av pensum: Oversikt over kap. 19 i Gravelle og Rees Først et forbehold: Disse forelesningene er svært kortfattede i forhold til pensum og vil ikke dekke alt. Dere må lese selv! Sett i forhold til resten av pensum:

Detaljer

1 C z I G + + = + + 2) Multiplikasjon av et tall med en parentes foregår ved å multiplisere tallet med alle leddene i parentesen, slik at

1 C z I G + + = + + 2) Multiplikasjon av et tall med en parentes foregår ved å multiplisere tallet med alle leddene i parentesen, slik at Ekstranotat, 7 august 205 Enkel matematikk for økonomer Innhold Enkel matematikk for økonomer... Parenteser og brøker... Funksjoner...3 Tilvekstform (differensialregning)...4 Telleregelen...7 70-regelen...8

Detaljer

Samfunnsøkonomi andre avdeling, mikroøkonomi, Diderik Lund, 12. mars 2002

Samfunnsøkonomi andre avdeling, mikroøkonomi, Diderik Lund, 12. mars 2002 Usikkerhet, disposisjon Denne og neste forelesning: o Et individs beslutninger under usikkerhet o Varian kapittel 11 De to forelesningene deretter: o Markeder under usikkerhet, finansmarkeder o Frikonkurranse;

Detaljer

Enkel matematikk for økonomer 1. Innhold. Parenteser, brøk og potenser. Ekstranotat, februar 2015

Enkel matematikk for økonomer 1. Innhold. Parenteser, brøk og potenser. Ekstranotat, februar 2015 Ekstranotat, februar 205 Enkel matematikk for økonomer Innhold Enkel matematikk for økonomer... Parenteser, brøk og potenser... Funksjoner...4 Tilvekstform (differensialregning)...5 Nyttige tilnærminger...8

Detaljer

Sam ser bort fra faste kostnader, men har en liten kostnad c per kunde. (a) Hvorfor er det rimelig å tro at Sam er risikonøytral?

Sam ser bort fra faste kostnader, men har en liten kostnad c per kunde. (a) Hvorfor er det rimelig å tro at Sam er risikonøytral? I en guidebok for en nasjonalpark står det: It is customary to pay 4 dollars extra if you are able to see a rhinoceros during your twohour safari. Dette skyldes at neshorn er det største og sjeldneste

Detaljer

Oversikt over kap. 20 i Gravelle og Rees

Oversikt over kap. 20 i Gravelle og Rees Oversikt over kap. 20 i Gravelle og Rees Tar opp forskjellige egenskaper ved markeder under usikkerhet. I virkeligheten usikkerhet i mange markeder, bl.a. usikkerhet om kvalitet på varen i et spotmarked,

Detaljer

SØK400 våren 2002, oppgave 8 v/d. Lund

SØK400 våren 2002, oppgave 8 v/d. Lund SØK400 våren 00, oppgave 8 v/d. Lund Dette løsningsforslaget må leses i sammenheng med boka til Macho-Stadler og Pérez- Castrillo, spesielt avsnitt 3A.1. Modellen i oppgaven er et spesialtilfelle (med

Detaljer

Lineære likningssystemer og matriser

Lineære likningssystemer og matriser Kapittel 3 Lineære likningssystemer og matriser I dette kapittelet skal vi sette sammen Kapittel 1 og 2. 3.1 Den utvidede matrisen til et likningssystem Vi starter med et lineært likningssystem med m likninger

Detaljer

statistikk, våren 2011

statistikk, våren 2011 ÅMA110 Sannsynlighetsregning med statistikk, våren 011 Kp. 3 Diskrete tilfeldige variable 1 Diskrete tilfeldige variable, innledning Hva er en tilfeldig variabel (stokastisk variabel)? Diskret tilfeldig

Detaljer

ECON1810 Organisasjon, strategi og ledelse Forelesning ved Diderik Lund 15.03.04

ECON1810 Organisasjon, strategi og ledelse Forelesning ved Diderik Lund 15.03.04 Opsjoner En finansiell opsjon er en type kontrakt med to parter Utstederen (the issuer eller writer) (som kan være en person eller et selskap) påtar seg en forpliktelse Opsjonen gir motparten (som blir

Detaljer

INEC1800 ØKONOMI, FINANS OG REGNSKAP EINAR BELSOM

INEC1800 ØKONOMI, FINANS OG REGNSKAP EINAR BELSOM INEC1800 ØKONOMI, FINANS OG REGNSKAP EINAR BELSOM HØST 2017 FORELESNINGSNOTAT 4 Konsumteori* Dette notatet introduserer grunnleggende konsumteori. Det er den økonomiske teorien om individets adferd. Framstillingen

Detaljer

Poissonprosesser og levetidsfordelinger

Poissonprosesser og levetidsfordelinger Poissonprosesser og levetidsfordelinger Poissonfordeling som grensetilfelle for binomisk fordeling La X være binomisk fordelt med fordeling P (X = x) = ( ) n p x (1 p) n x, for x = 0, 1,... n. (1) x Forventningsverdien

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010. ÅMA110 Sannsynlighetsregning med statistikk, våren 2010

ÅMA110 Sannsynlighetsregning med statistikk, våren 2010. ÅMA110 Sannsynlighetsregning med statistikk, våren 2010 ÅMA Sannsynlighetsregning med statistikk, våren Kp. Diskrete tilfeldige variable ÅMA Sannsynlighetsregning med statistikk, våren Kp. Diskrete tilfeldige variable Diskrete tilfeldige variable, innledning

Detaljer

TMA4245 Statistikk Eksamen desember 2016

TMA4245 Statistikk Eksamen desember 2016 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag TMA4245 Statistikk Eksamen desember 2016 Oppgave 1 En bedrift produserer elektriske komponenter. Komponentene kan ha to typer

Detaljer

Repetisjon i Matematikk 1: Derivasjon 2,

Repetisjon i Matematikk 1: Derivasjon 2, Repetisjon i Matematikk 1: Derivasjon 2, 201. 1 Høgskolen i Gjøvik Avdeling TØL Repetisjonsoppgaver MATEMATIKK 1 REA1141 og REA1141F Derivasjon 2, 201. Oppgave 1 Denne oppgaven har forholdsvis enkle derivasjoner,

Detaljer

Skjulte egenskaper (hidden characteristics)

Skjulte egenskaper (hidden characteristics) Skjulte egenskaper (hidden characteristics) Ny klasse av situasjoner, kap. 7 i Hendrikse (Se bort fra avsnitt 7.5; ikke kjernepensum) Forskjellig fra skjult handling (hidden action) (kap. 6) Men her: Skjulte

Detaljer

TMA4240 Statistikk Høst 2015

TMA4240 Statistikk Høst 2015 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 0, blokk II Løsningsskisse Oppgave Surhetsgrad i ferskvann Eksamen august 00, oppgave av 3 a) En god estimator

Detaljer

Vektorligninger. Kapittel 3. Vektorregning

Vektorligninger. Kapittel 3. Vektorregning Kapittel Vektorligninger I denne uken skal vi bruke enkel vektorregning til å analysere lineære ligningssystemer. Vi skal ha et spesielt fokus på R, for det går an å visualisere; klarer man det, går det

Detaljer

hvordan oppnå god betaling uten for stor innsats? betaling: penger, renommé, annen motivasjon

hvordan oppnå god betaling uten for stor innsats? betaling: penger, renommé, annen motivasjon Kontraktsteori Fullstendige vs. ufullstendige kontrakter forhold som ikke kan beskrives uforutsette hendelser begrenset rasjonalitet? Prinsipal vs. agent Agenten den som utfører oppdraget Prinsipalen den

Detaljer

ECON3610 Samfunnsøkonomisk lønnsomhet og økonomisk politikk Forelesning 2

ECON3610 Samfunnsøkonomisk lønnsomhet og økonomisk politikk Forelesning 2 ECON360 Samfunnsøkonomisk lønnsomhet og økonomisk politikk Forelesning Diderik Lund Økonomisk institutt Universitetet i Oslo 30. august 0 Diderik Lund, Økonomisk inst., UiO () ECON360 Forelesning 30. august

Detaljer

Prinsipal-agent-modeller

Prinsipal-agent-modeller Prinsipal-agent-modeller gent: Person som utfører oppdrag for andre Prinsipal: Den som gir oppdraget Eksempler (oppgave, prinsipal, agent): o Helse, pasient, lege o nvestering, aksjeeier, bedriftsleder

Detaljer

Forelesning 5: Kontinuerlige fordelinger, normalfordelingen. Jo Thori Lind

Forelesning 5: Kontinuerlige fordelinger, normalfordelingen. Jo Thori Lind Forelesning 5: Kontinuerlige fordelinger, normalfordelingen Jo Thori Lind j.t.lind@econ.uio.no Oversikt 1. Kontinuerlige fordelinger 2. Uniform fordeling 3. Normal-fordelingen 1. Kontinuerlige fordelinger

Detaljer

Arbitrasje og finansielle beslutninger. Kapittel 3

Arbitrasje og finansielle beslutninger. Kapittel 3 Arbitrasje og finansielle beslutninger Kapittel 3 Arbitrasje og loven om en pris Konkurranse og verdsetting Holdning til risiko Arbitrasje og konkurranse Arbitrasje er å utnytte prisforskjeller. Nordmenn

Detaljer

Siden vi her har brukt første momentet i fordelingen (EX = EX 1 ) til å konstruere estimatoren kalles denne metoden for momentmetoden.

Siden vi her har brukt første momentet i fordelingen (EX = EX 1 ) til å konstruere estimatoren kalles denne metoden for momentmetoden. Estimeringsmetoder Momentmetoden La X, X 2,..., X n være uavhengige variable som er rektangulært fordelte på intervallet [0, θ]. Vi vet da at forventningsverdiene til hver observasjon og forventningen

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren 2008

ÅMA110 Sannsynlighetsregning med statistikk, våren 2008 ÅMA0 Sannsynlighetsregning med statistikk, våren 008 Kp. Sannsynlighetsregning (sannsynlighetsteori).5 Betinget sannsynlighet Betinget sannsynlighet (kp..5) - innledning Eks.: Et terningkast; {,, 3, 4,

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren Kp. 3 Diskrete tilfeldige variable. Diskrete tilfeldige variable, varians (kp. 3.

ÅMA110 Sannsynlighetsregning med statistikk, våren Kp. 3 Diskrete tilfeldige variable. Diskrete tilfeldige variable, varians (kp. 3. ÅMA Sannsynlighetsregning med statistikk, våren 8 Kp. Diskrete tilfeldige variable Kp. Diskrete tilfeldige variable Har sett på (tidligere: begrep/definisjoner; tilfeldig (stokastisk variabel sannsynlighetsfordeling

Detaljer

ÅMA110 Sannsynlighetsregning med statistikk, våren

ÅMA110 Sannsynlighetsregning med statistikk, våren ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Oppsummering Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 24. april Bjørn H. Auestad Oppsummering våren

Detaljer

Løsningsforslag Eksamen S2, høsten 2017 Laget av Tommy O. Sist oppdatert: 26. november 2017

Løsningsforslag Eksamen S2, høsten 2017 Laget av Tommy O. Sist oppdatert: 26. november 2017 Løsningsforslag Eksamen S, høsten 017 Laget av Tommy O. Sist oppdatert: 6. november 017 Del 1 - uten hjelpemidler Oppgave 1 a) Vi skal derivere f(x) = x 4x 3. Vi bruker regelen samt regelen (x n ) = nx

Detaljer

SØK400 våren 2002, oppgave 9 v/d. Lund

SØK400 våren 2002, oppgave 9 v/d. Lund SØK400 våren 2002, oppgave 9 v/d. Lund Igjen har vi en eksamensoppgave som ligger veldig nær noe som står under Applications i boka, nemlig 4.B4 og oppgave 13 til kapittel 4. Boka bruker toppskrift G der

Detaljer

Eksamensoppgave i TMA4240 Statistikk

Eksamensoppgave i TMA4240 Statistikk Institutt for matematiske fag Eksamensoppgave i TMA4240 Statistikk Faglig kontakt under eksamen: Mette Langaas a, Ingelin Steinsland b, Geir-Arne Fuglstad c Tlf: a 988 47 649, b 926 63 096, c 452 70 806

Detaljer

Risikofordeling i kontrakter sett fra en økonoms ståsted

Risikofordeling i kontrakter sett fra en økonoms ståsted Risikofordeling i kontrakter sett fra en økonoms ståsted Eirik Gaard Kristiansen Professor Institutt for samfunnsøkonomi Historie 60 tallet - Risikodeling Karl Borch (risikodeling av eksogen risiko) Tore

Detaljer

Forelesning 6: Punktestimering, usikkerhet i estimering. Jo Thori Lind

Forelesning 6: Punktestimering, usikkerhet i estimering. Jo Thori Lind Forelesning 6: Punktestimering, usikkerhet i estimering Jo Thori Lind j.t.lind@econ.uio.no Oversikt 1. Trekke utvalg 2. Estimatorer og observatorer som stokastiske variable 3. Egenskapene til en estimator

Detaljer

Kapittel 4.4: Forventning og varians til stokastiske variable

Kapittel 4.4: Forventning og varians til stokastiske variable Kapittel 4.4: Forventning og varians til stokastiske variable Forventning og varians til stokastiske variable Histogrammer for observerte data: Sannsynlighets-histogrammer og tetthetskurver for stokastiske

Detaljer

Veiledning oppgave 3 kap. 2 i Strøm & Vislie (2007) ECON 3610/4610 Samfunnsøkonomisk lønnsomhet og økonomisk politikk

Veiledning oppgave 3 kap. 2 i Strøm & Vislie (2007) ECON 3610/4610 Samfunnsøkonomisk lønnsomhet og økonomisk politikk 1 Jon Vislie; august 27 Veiledning oppgave 3 kap. 2 i Strøm & Vislie (27) ECON 361/461 Samfunnsøkonomisk lønnsomhet og økonomisk politikk Vi betrakter en lukket økonomi der vi ser utelukkende på bruk av

Detaljer

Løsningsforslag Eksamen S2, våren 2017 Laget av Tommy O. Sist oppdatert: 25. mai 2017

Løsningsforslag Eksamen S2, våren 2017 Laget av Tommy O. Sist oppdatert: 25. mai 2017 Løsningsforslag Eksamen S, våren 17 Laget av Tommy O. Sist oppdatert: 5. mai 17 Del 1 - uten hjelpemidler Oppgave 1 a) Vi skal derivere f(x) = x /x = x x 1. Den eneste regelen vi trenger her er (kx n )

Detaljer

Lineære ligningssystemer og gausseliminasjon

Lineære ligningssystemer og gausseliminasjon Kapittel Lineære ligningssystemer og gausseliminasjon Vi skal lære en metode for å finne og beskrive alle løsninger av systemer av m lineære ligninger med n ukjente Oppvarming Her er et eksempel på et

Detaljer

Løsningskisse seminaroppgaver uke 11 ( mars)

Løsningskisse seminaroppgaver uke 11 ( mars) HG Mars 008 Løsningskisse seminaroppgaver uke (0.-4. mars) ECON 0 EKSAMEN 004 VÅR Oppgave En gitt prøve er laget som en flervalgsprøve ( multiple choice test ). Prøven består av tre spørsmål. For hvert

Detaljer

Forelening 1, kapittel 4 Stokastiske variable

Forelening 1, kapittel 4 Stokastiske variable Forelening 1, kapittel 4 Stokastiske variable Eksempel X = "antall kron på kast med to mynter (før de er kastet)" Uniformt utfallsrom {MM, MK, KM, KK}. X = x beskriver hendelsen "antall kron på kast med

Detaljer

FRAM TIL NÅ: Fullkomne marknader (1. velferdsteorem gjeld): Fullstendige betinga kontraktar.

FRAM TIL NÅ: Fullkomne marknader (1. velferdsteorem gjeld): Fullstendige betinga kontraktar. FRAM TIL NÅ: Fullkomne marknader (1. velferdsteorem gjeld): Fullstendige betinga kontraktar. - full rasjonalitet - full informasjon NÅ: Informasjonsasymmetri: Fullstendige kontraktar, men ikkje alle variable

Detaljer

Forelesning 5, kapittel 3. : 3.5: Uavhengige hendelser.

Forelesning 5, kapittel 3. : 3.5: Uavhengige hendelser. Forelesning 5, kapittel 3. : 3.5: Uavhengige hendelser. Kast med to terninger, A er sekser på første terning og B er sekser på andre terning. Sekser på begge terningene er Fra definisjonen av betinget

Detaljer

Betinget sannsynlighet

Betinget sannsynlighet Betinget sannsynlighet Multiplikasjonsloven for sannsynligheter (s. 49 i bok): P( AB ) = P( A B ) P(B) Veldig viktig verktøy for å finne sannsynligheter for snitt. (Bevises ved rett fram manipulering av

Detaljer

Statistikk 1 kapittel 5

Statistikk 1 kapittel 5 Statistikk 1 kapittel 5 Nico Keilman ECON 2130 Vår 2016 Kapittel 5 Sannsynlighetsmodeller I kap. 4 så vi et eksempel med en s.v. X som hadde en uniform sannsynlighetsfordeling: alle verdier av x har like

Detaljer

Indifferenskurver, nyttefunksjon og nyttemaksimering

Indifferenskurver, nyttefunksjon og nyttemaksimering Indifferenskurver, nyttefunksjon og nyttemaksimering Arne Rogde Gramstad Universitetet i Oslo 18. oktober 2013 En indifferenskurve viser alle godekombinasjoner som en konsument er likegyldig (indifferent)

Detaljer

Eksamensoppgaven. side 30

Eksamensoppgaven. side 30 side 30 Eksamensbesvarelsen gjengis av Marius Holm Rennesund side 31 side 32 Eksamensoppgaven side 33 side 34 Eksamensoppgaven side 35 side 36 Eksamensoppgaven side 37 side 38 Eksamensoppgaven Kommentar

Detaljer

Kapittel 5: Tilfeldige variable, forventning og varians.

Kapittel 5: Tilfeldige variable, forventning og varians. Kapittel 5: Tilfeldige variable, forventning og varians. Tilfeldige variable Tilfeldige variable kalles også stokastiske variable. En tilfeldig variabel er en variabel som får sin numeriske verdi bestemt

Detaljer

OPPGAVER TIL SEMINARET I SØK400 MIKROØKONOMISK TEORI, TREDJE AVDELING, VÅREN 2002

OPPGAVER TIL SEMINARET I SØK400 MIKROØKONOMISK TEORI, TREDJE AVDELING, VÅREN 2002 Økonomisk institutt Universitetet i Oslo OPPGAVER TIL SEMINARET I SØK400 MIKROØKONOMISK TEORI, TREDJE AVDELING, VÅREN 2002 Oppgave (Eksamen V-98, oppg. ) Betrakt et individ som maksimerer forventet nytte.

Detaljer

ECON2130 Kommentarer til oblig

ECON2130 Kommentarer til oblig ECON2130 Kommentarer til oblig Her har jeg skrevet ganske utfyllende kommentarer til en del oppgaver som mange slet med. Har noen steder gått en del utover det som det strengt tatt ble spurt om i oppgaven,

Detaljer

Oppsummering matematikkdel ECON 2200

Oppsummering matematikkdel ECON 2200 Oppsummering matematikkdel ECON 2200 Kjell Arne Brekke 7. mai 2008 1 Innledning En rask oppsummering av hele kurset vil ikke kunne dekke alt vi har gjennomgått. Men alt er pensum, selv om det ikke blir

Detaljer

Tilfeldige variabler. MAT0100V Sannsynlighetsregning og kombinatorikk

Tilfeldige variabler. MAT0100V Sannsynlighetsregning og kombinatorikk MAT0100V Sannsynlighetsregning og kombinatorikk Forventning, varians og standardavvik Tilnærming av binomiske sannsynligheter Konfidensintervall Ørnulf Borgan Matematisk institutt Universitetet i Oslo

Detaljer

Systematisk usikkerhet

Systematisk usikkerhet Kvalitetssikring av konseptvalg, samt styringsunderlag og kostnadsoverslag for valgt prosjektalternativ Systematisk usikkerhet Basert på et utkast utarbeidet under ledelse av Dovre International AS Versjon

Detaljer

ØVINGER 2017 Løsninger til oppgaver. Øving 1

ØVINGER 2017 Løsninger til oppgaver. Øving 1 ØVINGER 017 Løsninger til oppgaver Øving 1.1. Frekvenstabell For å lage en frekvenstabell må vi telle antall observasjoner av hvert antall henvendelser. Siden antall henvendelser på en gitt dag alltid

Detaljer

STK1100 våren Forventningsverdi. Forventning, varians og standardavvik

STK1100 våren Forventningsverdi. Forventning, varians og standardavvik STK00 våren 0 Forventning, varians og standardavvik Svarer til avsnitt 3.3 i læreboka Geir Storvik (Ørnulf Borgan) Matematisk institutt Universitetet i Oslo Forventningsverdi Punktsannsynligheten px (

Detaljer

Diskrete sannsynlighetsfordelinger som histogram. Varians. Histogram og kumulativ sannsynlighet. Forventning (gjennomsnitt) (X=antall mynt i tre kast)

Diskrete sannsynlighetsfordelinger som histogram. Varians. Histogram og kumulativ sannsynlighet. Forventning (gjennomsnitt) (X=antall mynt i tre kast) Diskret sannsynlighetsfordeling (kap 1.1-1.6) Oversikt Utfallsrom (sample space) Sannsynlighetsfordeling Forventning (expectation), E(X), populasjonsgjennomsnitt Bruk av figurer og histogram Binomialfordelingen

Detaljer

Forelesningsnotater ECON 2910 VEKST OG UTVIKLING, HØST Litt om endogen vekstteori

Forelesningsnotater ECON 2910 VEKST OG UTVIKLING, HØST Litt om endogen vekstteori 4. oktober 2004 Forelesningsnotater ECON 2910 VEST OG UTVIING, HØST 2004 7. itt om endogen vekstteori I matematiske fremstillinger hvor vi ser på endringer i variable over tid er det vanlig å betegne de

Detaljer

Analysedrypp III: ɛ-δ og alt det der

Analysedrypp III: ɛ-δ og alt det der Analysedrypp III: ɛ-δ og alt det der Mange strever med ɛ-δ-argumenter. Det er flere grunner til dette: Noen har problemer med å forstå den underliggende tankegangen, mens andre sliter med de grunnleggende

Detaljer

TMA4240/TMA4245 Statistikk: Oppsummering kontinuerlige sannsynlighetsfordelinger

TMA4240/TMA4245 Statistikk: Oppsummering kontinuerlige sannsynlighetsfordelinger TMA4240/TMA4245 Statistikk: Oppsummering kontinuerlige sannsynlighetsfordelinger Kontinuerlig uniform fordeling f() = B A, A B. En kontinuerlig størrelse (vekt, lengde, tid), som aldri kan bli mindre enn

Detaljer

TMA4100 Matematikk 1 Høst 2014

TMA4100 Matematikk 1 Høst 2014 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag TMA400 Matematikk Høst 04 Løsningsforslag Øving 04 30 For å vise at f er en injektiv one-to-one funksjon, ser vi på den deriverte,

Detaljer

Statistikk 1 kapittel 5

Statistikk 1 kapittel 5 Statistikk 1 kapittel 5 Nico Keilman ECON 2130 Vår 2017 Kapittel 5 Sannsynlighetsmodeller I kap. 4 så vi et eksempel med en s.v. X som hadde en uniform sannsynlighetsfordeling: alle verdier av x har like

Detaljer

Løsningsforslag Eksamen S2, høsten 2015 Laget av Tommy O. Sist oppdatert: 25. mai 2017

Løsningsforslag Eksamen S2, høsten 2015 Laget av Tommy O. Sist oppdatert: 25. mai 2017 Løsningsforslag Eksamen S2, høsten 215 Laget av Tommy O. Sist oppdatert: 25. mai 217 Del 1 - uten hjelpemidler Oppgave 1 a) Vi skal derivere funksjonen f(x) = x 3 + 2x. Formelen vi må bruke er (x n ) =

Detaljer

ECON1810 Organisasjon, strategi og ledelse

ECON1810 Organisasjon, strategi og ledelse ECON1810 Organisasjon, strategi og ledelse 4. forelesning, vår 2011 Knut Nygaard Prinsipal-agent modellen Kontraktsteori Fullstendige kontrakter Alle mulige fremtidige situasjoner beskrevet i kontrakten

Detaljer

Enkel Keynes-modell for en lukket økonomi uten offentlig sektor

Enkel Keynes-modell for en lukket økonomi uten offentlig sektor Forelesningsnotat nr 3, januar 2009, Steinar Holden Enkel Keynes-modell for en lukket økonomi uten offentlig sektor Notatet er ment som supplement til forelesninger med sikte på å gi en enkel innføring

Detaljer

Løsningsforslag Eksamen S2, våren 2014 Laget av Tommy O. Sist oppdatert: 1. september 2018 Antall sider: 11

Løsningsforslag Eksamen S2, våren 2014 Laget av Tommy O. Sist oppdatert: 1. september 2018 Antall sider: 11 Løsningsforslag Eksamen S, våren 014 Laget av Tommy O. Sist oppdatert: 1. september 018 Antall sider: 11 Finner du matematiske feil, skrivefeil, eller andre typer feil? Dette dokumentet er open-source,

Detaljer

ST0202 Statistikk for samfunnsvitere

ST0202 Statistikk for samfunnsvitere ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag 2 Fra første forelesning: Populasjon Den mengden av individer/objekter som vi ønsker å analysere. Utvalg En delmengde av

Detaljer

Prosjektoppgaver om diusjonsprosesser og diusjonstilnærmelse

Prosjektoppgaver om diusjonsprosesser og diusjonstilnærmelse Prosjektoppgaver om diusjonsprosesser og diusjonstilnærmelse February 22, 2007 I alle oppgavene skal det skrives litt om hva diusjonsprosesser er, hvilke spesielle resultater fra diusjonsteorien man skal

Detaljer

BESLUTNINGER UNDER USIKKERHET

BESLUTNINGER UNDER USIKKERHET 24. april 2002 Aanund Hylland: # BESLUTNINGER UNDER USIKKERHET Standard teori og kritikk av denne 1. Innledning En (individuell) beslutning under usikkerhet kan beskrives på følgende måte: Beslutningstakeren

Detaljer

Statistikk 1 kapittel 5

Statistikk 1 kapittel 5 Statistikk 1 kapittel 5 Nico Keilman ECON 2130 Vår 2015 Kapittel 5 Sannsynlighetsmodeller I kap. 4 så vi et eksempel om en s.v. X som hadde en uniform sannsynlighetsfordeling: alle verdier av x har like

Detaljer

Lineære ligningssystemer og gausseliminasjon

Lineære ligningssystemer og gausseliminasjon Kapittel Lineære ligningssystemer og gausseliminasjon Vi skal lære en metode for å finne og beskrive alle løsninger av systemer av m lineære ligninger med n ukjente. Oppvarming Her er et eksempel på et

Detaljer

TMA4240 Statistikk Høst 2007

TMA4240 Statistikk Høst 2007 TMA4240 Statistikk Høst 2007 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer b4 Løsningsskisse Oppgave 1 Eksamen juni 1999, oppgave 3 av 3 a) µ populasjonsgjennomsnitt,

Detaljer

MA1102 Grunnkurs i analyse II Vår 2019

MA1102 Grunnkurs i analyse II Vår 2019 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag MA1102 Grunnkurs i analyse II Vår 2019 10.2.27 a) Vi skal vise at u + v 2 = u 2 + 2u v + v 2. (1) Som boka nevner på side 581,

Detaljer

Tallfølger er noe av det første vi treffer i matematikken, for eksempel når vi lærer å telle.

Tallfølger er noe av det første vi treffer i matematikken, for eksempel når vi lærer å telle. Kapittel 1 Tallfølger 1, 2, 3, 4, 5, 6, 7, 8,... Det andre temaet i kurset MAT1001 er differenslikninger. I en differenslikning er den ukjente en tallfølge. I dette kapittelet skal vi legge grunnlaget

Detaljer

Fasit for tilleggsoppgaver

Fasit for tilleggsoppgaver Fasit for tilleggsoppgaver Uke 5 Oppgave: Gitt en rekke med observasjoner x i (i = 1,, 3,, n), definerer vi variansen til x i som gjennomsnittlig kvadratavvik fra gjennomsnittet, m.a.o. Var(x i ) = (x

Detaljer

TMA4240 Statistikk Høst 2016

TMA4240 Statistikk Høst 2016 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Anbefalt øving 9 Løsningsskisse Oppgave 1 a) Vi lar her Y være antall fugler som kolliderer med vindmølla i løpet av den gitte

Detaljer

Fra første forelesning:

Fra første forelesning: 2 Fra første forelesning: ST0202 Statistikk for samfunnsvitere Bo Lindqvist Institutt for matematiske fag opulasjon Den mengden av individer/objekter som vi ønsker å analysere. Utvalg En delmengde av populasjonen

Detaljer

Løsningsforslag til eksamen i TMA4245 Statistikk 7. juni 2007

Løsningsforslag til eksamen i TMA4245 Statistikk 7. juni 2007 Løsningsforslag til eksamen i TMA4245 Statistikk 7. juni 2007 Oppgave 1: Pengespill a) For hver deltaker har vi følgende situasjon: Deltakeren får en serie oppgaver. Hver runde har to mulige utfall: Deltakeren

Detaljer

Eksamen i. MAT110 Statistikk 1

Eksamen i. MAT110 Statistikk 1 Avdeling for logistikk Eksamen i MAT110 Statistikk 1 Eksamensdag : Torsdag 28. mai 2015 Tid : 09:00 13:00 (4 timer) Faglærer/telefonnummer : Molde: Per Kristian Rekdal / 924 97 051 Kristiansund: Terje

Detaljer

TMA4245 Statistikk Eksamen desember 2016

TMA4245 Statistikk Eksamen desember 2016 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag TMA4245 Statistikk Eksamen desember 2016 Oppgave 1 Ei bedrift produserer elektriske komponentar. Komponentane kan ha to typar

Detaljer

Noen regneregler som brukes i Keynes-modeller

Noen regneregler som brukes i Keynes-modeller Forelesningsnotat nr 5, august 2009, Steinar Holden Noen regneregler som brukes i Keynes-modeller Først litt repetisjon ) Vi kan sette en felles faktor utenfor en parentes: Y ty = Y(-t) der det siste uttrykket

Detaljer

To-dimensjonale kontinuerlige fordelinger

To-dimensjonale kontinuerlige fordelinger To-dimensjonale kontinuerlige fordelinger Noen resultater for diskrete fordelinger Vi har tidligere definert punktsannsynligheten p(x, y) for en todimensjonal variabel (X, Y ) som p(x, y) = P ({X = x}

Detaljer

Aksjeavkastningsparadoxet

Aksjeavkastningsparadoxet Aksjeavkastningsparadoxet Kjell Arne Brekke October 16, 2001 1 Mer om risikofrie sannsynligheter Vi skal nå tilbake til modellen vi studerte ovenfor, med to tidsperioder og en konsumvare i hver periode.

Detaljer

Eksamensoppgave i Løsningsskisse TMA4240 Statistikk

Eksamensoppgave i Løsningsskisse TMA4240 Statistikk Institutt for matematiske fag Eksamensoppgave i Løsningsskisse TMA440 Statistikk Faglig kontakt under eksamen: Håkon Tjelmeland a, Sara Martino b Tlf: a 48 18 96, b 99 40 33 30 Eksamensdato: 30. november

Detaljer

Statistikk 1 kapittel 4

Statistikk 1 kapittel 4 Statistikk 1 kapittel 4 Nico Keilman ECON 2130 Vår 2017 Kapittel 4 Stokastiske (tilfeldige) variabler Anta 1) Vi kjenner sannsynligheter for ulike utfall knyttet til et forsøk 2) Hvert utfall har en (meningsfull)

Detaljer

TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i <<< >>>.

TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i <<< >>>. 1 ECON213: EKSAMEN 217 VÅR - UTSATT PRØVE TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i

Detaljer

TMA4240 Statistikk H2010

TMA4240 Statistikk H2010 TMA4240 Statistikk H2010 Statistisk inferens: 8.1: Tilfeldig utvalg 9.1-9.3: Estimering Mette Langaas Foreleses uke 40, 2010 2 Utfordring Ved en bedrift produseres en elektrisk komponent. Komponenten må

Detaljer

Utfordring. TMA4240 Statistikk H2010. Mette Langaas. Foreleses uke 40, 2010

Utfordring. TMA4240 Statistikk H2010. Mette Langaas. Foreleses uke 40, 2010 TMA4240 Statistikk H2010 Statistisk inferens: 8.1: Tilfeldig utvalg 9.1-9.3: Estimering Mette Langaas Foreleses uke 40, 2010 2 Utfordring Ved en bedrift produseres en elektrisk komponent. Komponenten må

Detaljer

10.4 Sannsynligheter ved flere i utvalget (kombinatorikk)

10.4 Sannsynligheter ved flere i utvalget (kombinatorikk) 10. er ved flere i utvalget (kombinatorikk) Så langt i framstillingen har vi diskutert den språklige siden, den matematiske tolkningen av sannsynlighetsbegrepet og presentert ulike modeller som kan anvendes

Detaljer

HØGSKOLEN I STAVANGER

HØGSKOLEN I STAVANGER HØGSKOLEN I STAVANGER Avdeling for TEKNISK NATURVITEN- EKSAMEN I: TE199 SANNSYNLIGHETSREGNING MED STATISTIKK SKAPELIGE FAG VARIGHET: 4 TIMER DATO: 5. JUNI 2003 TILLATTE HJELPEMIDLER: KALKULATOR OPPGAVESETTET

Detaljer

Løsningsforslag, eksamen statistikk, juni 2015

Løsningsforslag, eksamen statistikk, juni 2015 Løsningsforslag, eksamen statistikk, juni 0 Oppgave 1 Siden det spørres om tall fra et intervall, som oppgaven viser kan være et reelle, er det tydelig at tallene er tatt fra en kontinuerlig fordeling.

Detaljer

ST0103 Brukerkurs i statistikk Høst 2014

ST0103 Brukerkurs i statistikk Høst 2014 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag ST0103 Brukerkurs i statistikk Høst 2014 Løsningsforslag Øving 1 2.1 Frekvenstabell For å lage en frekvenstabell må vi telle

Detaljer

Eksamen REA3028 Matematikk S2. Nynorsk/Bokmål

Eksamen REA3028 Matematikk S2. Nynorsk/Bokmål Eksamen 6.05.010 REA308 Matematikk S Nynorsk/Bokmål Bokmål Eksamensinformasjon Eksamenstid: Hjelpemidler på del 1: Hjelpemidler på del : Vedlegg: Framgangsmåte: Veiledning om vurderingen: 5 timer: Del

Detaljer

Oppgave 11: Oppgave 12: Oppgave 13: Oppgave 14:

Oppgave 11: Oppgave 12: Oppgave 13: Oppgave 14: Oppgave 11: Ved produksjon på 100 000 enheter pr periode har en bedrift marginalkostnader på 1 000, gjennomsnittskostnader på 2 500, variable kostnader på 200 000 000 og faste kostnader på 50 000 000.

Detaljer

Karine Nyborg, ECON3610/4610, høst 2008 Seminaroppgaver uke 46

Karine Nyborg, ECON3610/4610, høst 2008 Seminaroppgaver uke 46 Karine Nyborg, 05.11.08 ECON3610/4610, høst 2008 Seminaroppgaver uke 46 Oppgave 1. To husholdninger, 1 og 2, søker barnehageplass. Bare en ledig plass er tilgjengelig. Prisen for en plass er 900 kr per

Detaljer

Kap. 10: Løsningsforslag

Kap. 10: Løsningsforslag Kap. 10: Løsningsforslag 1 1.1 Markedets risikopremie (MP ) er definert som MP = (r m r f ). Ifølge oppsummeringen i læreboken (Strøm, 2017, side 199), er markedets risikopremie i området 5.0 8.0 prosent.

Detaljer

Matematisk statistikk og stokastiske prosesser B, høsten 2006 Løsninger til oppgavesett 5, s. 1. Oppgave 1

Matematisk statistikk og stokastiske prosesser B, høsten 2006 Løsninger til oppgavesett 5, s. 1. Oppgave 1 Matematisk statistikk og stokastiske prosesser B, høsten 2006 Løsninger til oppgavesett 5, s AR2-modell: Oppgave X t φ X t φ 2 X t 2 Z t Antas å være kausal slik at X t ψ j Z t j er ukorrelert med Z t+,

Detaljer

a) Forklar hvorfor monopolistens marginalinntekt er lavere enn prisen.

a) Forklar hvorfor monopolistens marginalinntekt er lavere enn prisen. SENSOR-VEILEDNING Oppgave 1 (vekt 25 %) Forklar kort følgende begreper: a) Samfunnsøkonomisk overskudd b) Markedets etterspørselskurve c) Eksterne virkninger a) Samfunnsøkonomisk overskudd for et kvantum

Detaljer