Introdução. Incerteza: o básico. Perfil do tomador de risco: Teoria da Probabilidade. Prof: Sabino da Silva Porto Júnior

Documentos relacionados
DECISÃO SOB INCERTEZA

Curso de especialização em Finanças e Economia Disciplina: Incerteza e Risco Prof: Sabino da Silva Porto Júnior Sabino@ppge.ufrgs.

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

Cap. 5. Testes de Hipóteses

MEDIDAS DE DISPERSÃO:

Construção e Análise de Gráficos

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Prof. Janete Pereira Amador 1

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

Distribuições de Probabilidades

Avaliação da qualidade do ajuste

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas

7 Análise de covariância (ANCOVA)

Relatório 2ª Atividade Formativa UC ECS

Estatística - exestatmeddisper.doc 25/02/09

1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade

Econometria: 3 - Regressão Múltipla

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares

Capitulo 1 Resolução de Exercícios

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

Tópicos Extras 2ª parte. Análise de Correlação e Regressão

Difusão entre Dois Compartimentos

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

Forma padrão do modelo de Programação Linear

ÍNDICE DE THEIL Referência Obrigatória: Hoffman cap 4 pags 99 a 116 e cap 3 pgs (seção 3.4).

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

Ordenação: Introdução e métodos elementares. Algoritmos e Estruturas de Dados II

Capítulo V - Interpolação Polinomial

Bruno Hott Algoritmos e Estruturas de Dados I DECSI UFOP. Aula 10: Ordenação

MEDIDAS DE TENDÊNCIA CENTRAL I

ESTATÍSTICA APLICADA À ZOOTECNIA

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.

Cursos de Licenciatura em Ensino de Matemática e de EGI. Teoria de Probabilidade

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Confiabilidade Estrutural

1. Conceito de variável aleatória Podemos estudar, por exemplo, algumas características dos alunos do Curso de estatística.

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

de uma variável em função da outra, por exemplo: Quantas vendas da Marca Philips na região Norte? Quantos homens são fumantes?

Nas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das

Atividades Práticas Supervisionadas (APS)

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

Oitava Lista de Exercícios

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

50 Logo, Número de erros de impressão

CEDEPLAR - UFMG Nivelamento em Estatística 2013 Prof a Sueli Moro. Variáveis aleatórias

Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios

? Isso é, d i= ( x i. . Percebeu que

DISTRIBUIÇÃO HIPERGEOMÉTRICA

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola

Controle Estatístico de Qualidade. Capítulo 6 (montgomery)

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Parte 3 - Regressão linear simples

MÉTODO DOS MÍNIMOS QUADRADOS

Material Teórico - Módulo de MATEMÁTICA FINANCEIRA. Financiamentos. Primeiro Ano do Ensino Médio

5 Critérios para Análise dos Resultados

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto

Matemática Financeira

Perguntas Freqüentes - Bandeiras

3 Experimento com Mistura com Respostas Não-Normais

2 Procedimentos para Ajuste e Tratamento Estatístico de Dados Experimentais

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.

8 Programação linear 78

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

Estatística. 2 - Estatística Descritiva

Apostila de Introdução Aos Métodos Numéricos

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano

AULA Espaços Vectoriais Estruturas Algébricas.

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

Números Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo.

Dados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens

Métodos iterativos. Capítulo O Método de Jacobi

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP

Estudo do intervalo de confiança da regressão inversa utilizando o software R

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS

Física IV Poli Engenharia Elétrica: 8ª Aula (28/08/2014)

Exercícios - Sequências de Números Reais (Solução) Prof Carlos Alberto S Soares

Análise Exploratória de Dados

IND 1115 Inferência Estatística Aula 9

Estatística Básica - Continuação

Sumário. Mecânica. Sistemas de partículas

AULA Produto interno em espaços vectoriais reais ou complexos Produto Interno. Norma. Distância.

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

Escolha do Consumidor sob condições de Risco e de Incerteza

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

Transcrição:

Icerteza: o básco Prof: Sabo da Slva Porto Júor Sabo@ppge.ufrgs.br Itrodução Até agora: coseqüêcas das escolhas dos cosumdores são cohecdas com certeza. Nova suposção: cosumdores e produtores tem apeas uma déa aproxmada dos resultados possíves e atrbuem probabldades para dsttos ceáros possíves. DECISÃO SOB INCERTEZA Probabldades (objetva e subjetva): permtem aalsar decsão sob certeza. Aplcações: Mercado de seguros ampla-se o cojuto de commodtes. Lelões, stuações evolvedo terações estratégcas (ação e reação) Perfl do tomador de rsco: A decsão por correr mas rsco e maxmzar gahos (títulos a bolsa de valores) ou correr meos rsco e mmzar os gahos depede do perfl do tomador de rsco e de suas preferêcas pessoas. A teora da Utldade esperada possblta ao tomador de decsão corporar ao processo decsóro suas preferêcas em relação ao rsco: aversão, eutraldade ou propesão ao rsco e outros fatores subjetvos. Para cada tomador de decsão uma fução de utldade Teora da Probabldade Mudo com certeza: Ação resultado certo = ocorre com certeza Agora: Mudo com certeza: Ação resultado certo = dferetes resultados possíves Se for possível atrbur probabldade postva para esses resultados certos é possível aalsar decsão de rsco de forma semelhate a aalse de decsões em jogos de azar. 3 4

Teora da Probabldade Probabldade objetva: observável va expermeto Ex: moeda ão-vcada arremessada mutas vezes (000 a 0000 vezes) Moeda justa: p(ca)=p(co)= 50%. Obtém-se, portato, uma dstrbução de probabldades sobre resultados que é objetva e sso permte fazer prevsões. 5 Teora da Probabldade Moeda Justa: Cara com probabldade ½ Coroa com probabldade ½ Dado justo: poto pr /6 potos pr /6 3 potos pr /6 4 potos pr /6 5 potos pr /6 6 potos pr /6 6 Teora da Probabldade Probabldade subjetva: experêca; formação/pesqus (formações a pror); creça. Ex: decdr etre dos atvos; decdr etre dos empregos; decdr etre tratametos médcos alteratvos. Palpte do Gerete do baco: Um Atvo para R$ 6 por ação com pr /3 e ada com pr zero. Outro Atvo paga R$ 3 com pr ½ e R$ com pr ½ Outro Gerete: tera outro cojuto de palptes. 7 O que devemos saber sobre probabldades?. Somam. Valor esperado 3. Varâca 4. Idepedêca 8

O que devemos saber sobre probabldades?. Probabldades somam : Moeda: ½ + ½ = Dado: /6 + /6 + /6 + /6 + /6 + /6 = Atvos: /3 + /3 = Evetos são mutuamete exclusvos Exaurem todos os resultados possíves Apeas um eveto ocorrerá O que devemos saber sobre probabldades?. Valor esperado: valor médo dos resultados possíves. Num jogo jogado mutas vezes esse resultado é o esperado. Multplca-se cada resultado por sua probabldade e somam-se os produtos Aposta justa: o preço pago para partcpar do jogo (gamble) é gual ao valor esperado do jogo. 9 0 E[A ] = valor esperado do Atvo Se os atvos custam R$, etão, a aposta é justa: E [ A ] = (6) + (0) = 3 3 E [ A ] = (3) + () = Proposção: o valor esperado de um resultado certo (pr = ) é o própro valor do resultado. 3. Varâca: jogos dferetes com o mesmo valor esperado podem dferr a dspersão em relação a meda Varâca = é a soma da dfereça ao quadrado etre os resultados possíves e o valor esperado da lotera, cada uma, multplcada por suas respectvas probabldades. 3

Varâca: dspersão méda dos resultados em relação à méda. Var[ A ] = ( 6 ) + ( 0 ) 3 3 6 8 Var[ A ] = + = 8 3 3 Var[ A ] = (3 ) + ( ) =, 0 4. Idepedêca Cada vez que o jogo é jogado a dstrbução de probabldades dos resultados é a mesma do jogo sedo uma úca vez. Resultados possíves são depedetes: A ocorrêca de um eveto ão tem fluêca sobre a probabldade de ocorrêca de outro eveto. Toda vez que uma moeda justa é arremessada, a probabldade de ocorrer cara cotua sedo de ½ ão mportado quatas coroas teha ocorrdo ate etão. 3 4 Proposção: Se dos evetos são depedetes etão a probabldade de que ambos ocorram jutos é a multplcação de ambas as probabldades. Probabldade de obter cara e cara em dos arremessos sucessvos é: Pr(ca, ca) = (/)(/) = ¼ Pr(ca, co)= ¼ Pr(co, ca)= ¼ Pr(co, co)= ¼ 5 3 Arremessos: há 8 seqüêcas gualmete prováves Pr(ca, ca, ca)= (/)(/)(/)= (/8) -Arremessos: Há seqüêcas gualmete prováves cada uma ocorredo com probabldade (/). Suposção: cada ação -resultados depedetes e dferetes. x = valor do - ésmo resultado p = probabld ade do - ésmo resultado ocorrerá. 6 4

Propredades da probabldade Resumo das propredades:. p =, 0 =. pr ( x, x ) = ( p )( p ); =. j j 3. E [ x ] = = p x = x 4. Var [] x = p ( x x ) = Fução Utldade Esperada ou Fucao Utldade de vo Neuma- Morgester. Lvro: Theory of Games ad Ecoomc Behavour Autores: Joh(y) Vo Neuma e Oskar Morgester (944; 947) 7 8 Escolha o jogo: Você deve pagar R$ 00 para jogar um dos segutes jogos, qual você escolhera? Jogo : Você recebe de volta R$00. Jogo : arremessa-se uma Moeda justa e: Se sar Cara, você gaha R$ 00. Se sar Coroa, você gaha R$ 0. Qual jogo, você escolhera? Jogo 3: Arremesso de um dado Justo que paga os segutes prêmos: Se sar, você gaha R$ 400 Se sar, você gaha R$ 70 Se sar 3, você gaha R$ 55 Se sar 4, você gaha R$ 5 Se sar 5, você gaha R$ 40 Se sar 6, você gaha R$ 0 9 0 5

Usado o crtéro do Valor Esperado: Todos os jogos têm valor esperado dêtco e gual a R$ 00. Nova questão: você escolhera gualmete todos os jogos ou você é dferete aos três jogos? Vamos calcular a varâca dos jogos: Jogo : varâca zero Jogo : Var( jogo) = ( 00 00) + (0 00) = 0. 000 Jogo 3: Var( jogo3) = 6 ( 300 + 30 + 45 + 75 + 60 + 90 ) = 8. 375 Portato, você podera optar pelo jogo que é o que apreseta a meor varâca. Paradoxo de São Petersburgo Dael Beroull (738) Matemátco suíço do século XVIII. Fo Itroduzdo pelo seu prmo Ncolaus Beroull em 73. Hstora do jogo: uma moeda justa é arremessada até que cara aparece pela prmera vez. O payoff do jogador depede do umero de arremessos ates de cara aparecer pela prmera vez. Payoffs do jogo Se cara aparece a a tetatva: R$ (p=/) Se cara aparece a a tetatva: R$ 4 (p=/4) Se cara aparece a 3a tetatva: R$ 8 (p=/8) Se cara aparece a 4a tetatva: R$ 6 (p=/6) ----------------------------------------------------------- Se cara aparece a -ésma tetatva: R$ (p=/ ) 3 4 6

Valor Esperado desse Jogo: VE ( jogo ) = + 4 + 8 +... 4 8 = VE ( jogo ) = VE ( jogo ) = + + + + +... = Paradoxo: guém pagara uma quatdade fta para jogar esse jogo proposto, mesmo esperado gahar uma fortua. Alás, poucos pagaram pouco mas do que algus reas para jogar esse jogo. Motvos: a varâca também é fta. E mutos preferem meos certeza a mas certeza. 5 Motvação para Utldade Esperada: Paradoxo de São Petersburgo: sugere que precsamos de outro coceto além do valor esperado para tomar decsão um ambete evolvedo Icerteza e Rsco. Usamos a Utldade Esperada (EU): que se costtu uma represetação das preferêcas sob certeza em termos de valor esperado de um cojuto de utldades sobre os resultados ou coseqüêcas possíves de uma ação ou escolha. A fução utldade assoca aos prêmos moetáros valores de uma quatdade abstrata chamada utldade de modo a represetar o comportameto do tomador de decsão em relação ao rsco. 6 Utldade Esperada Utldade Esperada- Axomas báscos (suposções) Lear em Probabldades (p ) U vn M = EU = = { } pu ( x ) Passos ecessáros: (opcoal) a. Defr um cojuto de suposções razoáves que o ídce de Utldade Esperada deve satsfazer. b. Costrur um Ídce de Utldade Esperada. 7. Completeza e Trastvdade. Cosequecalsta ou reducosta 3. Cotudade 4. Substtutbldade 5. Mootocdade 6. Idepedêca 8 7

Utldade Esperada- Axomas báscos (suposções). Preferêcas sobre resultados possíves são completas, reflexvas e trastvas. Supor rak de resultados:. X = por resultado Subscrto dca ordem de. X = melhor resultado preferêca. Loteras compostas podem ser reduzdas a loteras smples x~. A lotera composta tem a mesma probabldade fal sobre resultados que a lotera smples. 9 Exemplo de Lotera composta: reducosmo Prmero jogo (gamble): Regras ou hstóra do jogo: Arremesse uma moeda: se CARA aparece, você deve arremessar outra moeda, se CARA aparece ovamete você gaha R$,00. Se aparece COROA você gaha R$ 0,75. Se aparece coroa o prmero arremesso: você deve jogar um dado. Seu prêmo agora é R$ 0,0 por poto o dado, ou seja, você gaha: R$ 0,0 Poto; R$ 0,0 Potos; (...); R$ 0,60 6 Potos. 30 Fgura ou represetação gráfca do jogo Game : Pr (ca)= Pr(co)= 0,5 P(ca,ca)= (/)(/) = (¼) chace de obter R$,00 P(ca,co)=(/)(/) = (/4) chace do obter R$ 0,75 Game : Coroa a prmera rodada: P(co, )= (/)(/6) = (/) chace de obter R$ 0,0 P(co, )= (/)(/6) = (/) chace de obter R$ 0,0 P(co, 3)= (/)(/6) = (/) chace de obter R$ 0,30 P(co, 4)= (/)(/6) = (/) chace de obter R$ 0,40 P(co, 5)= (/)(/6) = (/) chace de obter R$ 0,50 P(co, 6)= (/)(/6) = (/) chace de obter R$ 0,60 Nova Lotera: reduzda Fgura do jogo: Lotera composta 3 3 8

Oferece: R$,00 com pr =/4 R$ 0,75 com pr= ¼ R$ 0,60 com pr= / R$ 0,50 com pr= / R$ 0,40 com pr= / R$ 0,30 com pr= / R$ 0,0 com pr= / R$ 0,0 com pr= / Lotera reduzda lotera reduzda roda da fortua Grar a RODA DA FORTUNA: gaha o prêmo assocado com a quatdade mostrada ode o potero para. Pedaços de pzza Probabldade da Lotera smples. Axoma : dz que o cosumdor é dferete etre jogar o prmero ou segudo jogo. Os dos jogos propcam a mesma utldade. 33 34 Fgura do Segudo jogo: roda da fortua Utldade Esperada: axomas báscos 3. Axoma da cotudade: para cada resultado x etre x ex o cosumdor pode atrbur uma probabldade p, tal que ele é dferete etre obter x com certeza e jogar uma lotera (que evolve obter x com probabldade p e x com probabldade (-p )). Vamos chama-la de lotera x~ Lotera reduzda Notação : x~ = lotera x = ( x, ) = resultados possíves da lotera. x p = probabldade de sar o resultado x (- p ) = probabldade de obter o resultado x 35 36 9

Utldade Esperada: axomas báscos 4. Axoma da Substtutbldade: a lotera x~ sempre pode ser substtuída por seu Equvalete certo (EC) x em qualquer outra lotera, pos o cosumdor é dferete etre eles. 5. Preferêcas sobre loteras são trastvas 6. Axoma da mootocdade: se duas loteras têm alteratvas dêtcas, cada uma dferdo em probabldades, etão a lotera que dá maor probabldade para a alteratva mas preferda é preferda à outra lotera. [ px + p) x ] [ p x + ( p ) x ] sse p p ( Idvíduo racoal: escolhe a alteratva de rsco que maxmza utldade esperada Proposção: se preferêcas sobre loteras satsfazem os axomas () a (6) etão podemos assalar úmeros U(x ) assocados com x, tal que se compararmos loteras L e L que oferecem probabldade (p...p ) e (p...p ) de obter os mesmos resultados, L será preferível a L sse: pu ( x ) > pu ( x ) = = 37 38 Iterpretações: I. A ordem de classfcação o rakg de Utldades Esperadas, reflete a ordem o rakg de classfcação sobre Loteras. O Ídce de Utldade de vn-m II. Idvduo racoal: Maxmza Utldade esperada ao escolher alteratvas que evolvem rsco ou certeza. : 39 40 0

Forma de costrução ) Costrua o Rakg de todos os resultados possíves: x x x3... x x Atrbua, ao resultado meos-preferdo, valor utldade zero: u(x )= 0; Atrbua, ao resultado mas-preferdo, valor utldade um: u(x )= ; Atrbua, a todos os resultados termedáros possíves x um valor utldade p : Resumo: Forma de costrução U ( x ) 0 U ( x ) U ( x ) p Ode: x = é um Equvalete Certo de uma lotera que gera o premo x com probabldade p e x com probabldade p. Equvalete Certo: é a quatdade de dhero pela qual o dvduo é dferete etre a lotera e a quatdade certa. 4 4 Reforçado: x é o Equvalete Certo (EC) de uma lotera evolvedo x com probabldade p e x com probabldade (-p ). Esse ídce de utldade equvale a tomar valores esperados das utldades de x e x usado as probabldades p e (-p ) assocadas com a lotera para a qual x é o EC: U ( x ) = pu ( x) + ( p ) U ( x ) = p + 0 = p () 43 Esse ídce de utldade descrto em () e () é úco em trasformações leares ou afs: Uma trasformação lear preserva o EC. Cosdere U(x ), etão: V ( x ) = c + du ( x ) (3) Substtu do () em (3) : V ( x ) = c + d.0 = c V ( x ) = c + d. = c + d (4) De (4) a Utldade Esperada de x, dad o p : V ( x ) = p ( c + d ) + ( p ) c = c + dp (5) O valor de V(x ) é o mesmo da utldade trasformada de x. Portato, (5) mostra que quado avalamos a utldade esperada de x va trasformação leares das utldades de x e x obtemos de volta a utldade trasformada de x e sso sgfca que trasformações leares preservam o EC. 44

Axoma da Idepedêca: Comportameto em relação ao rsco Axoma da Idepedêca :a relaçãode preferêcas o espaço de loteras smplessatsfaz o axoma da Idepedêca se para três loterasdsttas L, L' e L"pertecete ao espaço de Loteras,e tomado-se a dstrbução de Probabldades sobre resultados p [0,], temos que : se L L', etão, p L + (- p )L" p L' + ( p ) L". Em palavras: Se combarmos cada uma das duas loteras L e L com uma tercera lotera L, etão a ordem das duas msturas resultates ão depede (depedêca) da tercera lotera utlzada L. Ou seja, a ordem de preferêcas etre loteras L e L Comportameto dos dvíduos, que são defdos pela forma da UE:. Rsk averse: para uma rqueza costate um resultado certo é sempre preferível a uma lotera com o mesmo valor esperado, mas com alguma varâca postva. Rsk eutro: o dvduo dferete etre o resultado certo e a lotera de mesmo valor esperado. 3. Rsk lover: dvduo prefere a lotera ao resultado certo. ão se altera. 45 46 Aversão ao rsco 3 resultados possíves ações que podem ser tomadas e que redem os resultados com probabldades dferetes Resultado : R$ 50 U(50) = 30 Resultado : R$ 00 U(00) = 80 Resultado 3: R$ 50 U(50) = 0 (6) Ação A: rede R$ 00 e tem uma EU de 80: E{U(ação A)}= ().U(00)= 80. (7) Ação B: rede R$ 50 com pr. ½ e rede R$ 50 com pr. ½. 47 { ( ação B) } E U = U (50) + U (50) { ( ação B) } = (30 + 0) = 70 { ( ação B) } < E{ U ( ação A) } (8) E U E U Mesmo cada ação rededo um payoff esperado de R$ 00, a Utldade Esperada da ação B é meor que a Utldade Esperada da ação A. Isso ocorre porque a fução Utldade desse dvduo é côcava. Questão: qual a forma R$ 00 U(00) = 80 fucoal da fução Utldade R$ 50 U(50) = 30 de Beroull? Dca: é uma fução Côcava R$ 50 U(50) = 0 48

Idvduo Avesso ao Rsco: Fução Utldade U(x) côcava. $50 $00 $50 A EU do gamble 50/50 em [00+50] e [00-50] está o poto médo da combação lear da utldade de R$ 50 e R$ 50. Essa EU = 70, é meor do que recebe R$ 00 com certeza, EU = 80. Proposção: dvíduos que tem fução utldade côcava são avessos ao rsco. 49 Aversão ao rsco: Este dvduo, que é avesso ao rsco, estara dsposto a pagar a quatdade γ para evtar o rsco: Com um payoff de [00- γ] o dvíduo obtém uma U(00- γ)= 70 e ão tem que tomar qualquer rsco. Defmos: γ = prêmo de rsco: é a quatdade que um dvduo avesso ao rsco está dsposto a pagar para ão correr rscos. [00- γ]= Equvalete certo 50 Attudes em relação ao rsco: Rsk Averse U (x) E{U(x)\ U Utldade margal dmu com aumeto da reda x a x x + a x ã x x 4- a x-a x x + a x Rsk Neutro Rsk Averse Rsk Lover 5 Prefere uma reda certa de 0 a uma lotera que oferece 0 com probabldade ½ e 30 com probabldade de ½. 5 3

Rsk Lover A lotera propca mas utldade que o resultado certo (0). 0,5 53 4