Upload
others
View
2
Download
0
Embed Size (px)
Citation preview
EntscheidungstheorieTeil 3
Thomas Kämpke
Entscheidungstheorie | Teil 3Seite 2
Inhalt
– St. Petersburg „Paradoxon“ (Bernoulli 1732)– Präferenzfunktionen– Mittelpunktsmethode zur Bestimmung von Wertfunktionen über
Intervallen (eindimensional)– Methode der Sicherheitsäquivalente zur Bestimmung von
Nutzenfunktionen über Intervallen (eindimensional)– Risikoeinstellung
!!!
!
!
Entscheidungstheorie | Teil 3Seite 3
St. Petersburg „Paradoxon“ (Bernoulli 1732) (1/1)
Eine Münze mit Kopf und Zahl wird so oft geworfen, bis Kopf erscheint.Wie groß ist die Wahrscheinlichkeit, dass die Münze dreimal geworfen wird?
Wie groß ist die erwartete Auszahlung dieser Lotterie?
ParadoxonNiemand ist bereit, einen hohen Preis für die Teilnahme an der Lotterie zu
zahlen. Daraus kann man schließen, dass der Erwartungswert keingeeignetes deskriptives Modell für Entscheidungen bei Unsicherheitdarstellt.
( )81
21,, 3321 ==KZZp
[ ] ( ) ( ) ( )
!=++++=+"++"+"=
++++=
+KKKK
KKK
21
21
21
212
212
211
,,,,2,22
121
21111
10
kk
kkk KZZZpKZpKpLE
Entscheidungstheorie | Teil 3Seite 4
Präferenzfunktionen (1/29)
Präferenzfunktionen stellen strikte Präferenzordnungen dar, d.h.
Deterministische und stochastische Situationen gleichermassen; zunächst.Deterministisch: f: n → 1.
Was aber, wenn Alternativen in Würfeln vs. nicht Würfeln oder Lotto spielenvs. nicht Lotto spielen besteht? Idee (v. Neumann)
Versuch f(a) als Erwartungswert darzustellen.
( ) ( ) !"# babfafba ,p A<
Entscheidungstheorie | Teil 3Seite 5
Präferenzfunktionen (2/29)
Dazu fasst man die Alternativen als W-Masse oder W-Verteilungen überMenge M auf.
Alternativen a, b,... = P, Q,...
Alternativenmenge A = P
Grundvoraussetzung
P konvex, d.h. mit P1, P2 P ist auch
( ) [ ].1,01 21 !"!#+ $$$ PP P
Entscheidungstheorie | Teil 3Seite 6
Präferenzfunktionen (3/29)
Beispiel
( ) ( )
( ) ( )
31
6,4,2,5,3,1,
031
6,,1,61
22
11
=
=
=
!"
!#$
===
====
%
ii
iXPiP
iiXPiP
X
X K
Entscheidungstheorie | Teil 3Seite 7
Präferenzfunktionen (4/29)
Beispiel für die Konvexkomination von zwei W-Massen( ) ( ) ( )
{ }
181
185
181
185
181
185
6,5,4,3,2,1
6,4,2,5,3,1,
1810
61
31
185
31
32
61
31
32
31
21
=
=
=
!"
!#
$
=+%
=%+%=
+=
M
ii
iPiPiP XXX
Entscheidungstheorie | Teil 3Seite 8
Präferenzfunktionen (5/29)
Für eine konvexe Menge P von W`Massen über M, die alle Einpunktmasse
enthält, gibt es Funktion u: M " mit
genau dann, wenn
1. ≺ ist strikte Präferenzordnung über P2. („Unabhängigkeit von irrelevanten Alternativen“)
3. („Archimedisches Axiom“ oder „Stetigkeit“)
!!"MM
udQudPQP p
( )1,0,, !"!" # und RQP
( ) ( )RQRPQP !!!! "+"+# 11 pp
( )
( ) ( )RPQRáP
RQPRQP
!!"
!"
#+#+
$$%
11
1,0,,,
pp
pp dassso, es gibt mit
P
P
<
Entscheidungstheorie | Teil 3Seite 9
Präferenzfunktionen (6/29)
Die Unabhängig von irrelevanten Alternativen ist erforderlich zurVerträglichkeit mit Integralen!
" „Minimalforderung“
( ) ( ) ( )( )
( )( )
( ) ( )
QP
udQudP
udRudQudRudP
RQud
RPudRQRP
MM
MMMM
M
M
p
p
!
"
#$+#$+!
$+
$+!$+$+
%%
%%%%
%
%
01
11
1
111
&
&&&&
&&
&&&&&&
<
<
< <
<
Entscheidungstheorie | Teil 3Seite 10
Präferenzfunktionen (7/29)
u: Nutzenfunktion (utility function)
Integrale sind Summen, wenn Menge M endlich.
Beispiel{ } ( ) ( )
( ) ( ) ( ) ( ) ( )
( )
( ) ( )
5.17
6100
61
61
61
61
61
1006
154321
6,5,4,3,2,1
6
1
6
1
=
+++++==!
=
=====
==
"#
# "
=
=
iM
M i
iPiuudP
u
uuuuu
iPiuudPM
Entscheidungstheorie | Teil 3Seite 11
Präferenzfunktionen (8/29)
Nutzenfunktionen werden auch als Präferenzfunktionen bezeichnet,obwohl dies nicht ganz korrekt ist:
„Präferenzfunktionen“ sind Integrale bzgl. „Nutzenfunktionen“
Nutzen-nMorgenster Neumann v.
utzenBernoullin
nutzenErwartungs heisst !=M
p udPuE
( ) ( )
( ) ( )
!!
"
"
MM
udQudP
QfPfQP
bfafba
p
p <
<= =
Entscheidungstheorie | Teil 3Seite 12
Präferenzfunktionen (9/29)
Vereinfachtes LottoSpielen oder Nicht-Spielen?
71057.2
6491 !"#
$$%
&''(
)
Spielen999999744.0
64911 !
""#
$%%&
'(
# 106 Gewinn
# 1 Verlust (Einsatz)
Nicht-Spielen
1 # 0 weder Gewinn noch Verlust
Entscheidungstheorie | Teil 3Seite 13
Präferenzfunktionen (10/29)
Erwartungswert
⇒ Nicht-Spielen besser als Spielen gemäß reinem Erwartungswert
( )
928057744.0
999999744.0071942.0
1
6491110
6491 6
!=
!=
!"
#####
$
%
&&&&&
'
(
##$
%&&'
(!+"
##$
%&&'
(=SE
0
01
=
!=NSE
Entscheidungstheorie | Teil 3Seite 14
Präferenzfunktionen (11/29)
Erwartungsnutzen
( ) ( )
( )( )
6.24
999999744.0101056.2
1
6491110
6491
87101011
6
86
!
"##!
"#
$$$$$
%
&
'''''
(
)
$$%
&''(
)"+#
$$%
&''(
)=
"="="
uu
S uuE
( )( )00100 =
=!=u
NS uE
Entscheidungstheorie | Teil 3Seite 15
Präferenzfunktionen (12/29)
Spielen ist „sinnvoller“ als Nicht-Spielen gemäß Erwartungsnutzenz.B. für diese Nutzenfunktion:
Nutzenfunktion verzerrt die Ergebnisse der Zufallsanteile imBewertungsproblem
106
108
-1-1
u(x)
Entscheidungstheorie | Teil 3Seite 16
Präferenzfunktionen (13/29)
Nutzenfunktionen verschiedener Personen können verschieden sein.
Nutzenfunktionen ein und derselben Person in verschiedenenSituationen können verschieden sein. Es gibt kein „richtig“ oder„falsch“.
Erwartungsnutzen ist mächtiger Vorteil, aber nicht beliebig mächtig!
Entscheidungstheorie | Teil 3Seite 17
Präferenzfunktionen (14/29)
Allais Beispiel (Allais“paradoxon“)
6
6
66
6
1004
10503
1051002
101
11.089.0
1.09.0
1.089.001.0
!!
!!
!!!
!
"+"=
"+"=
"+"+"=
=
"
"
P
P
P
P
Entscheidungstheorie | Teil 3Seite 18
Präferenzfunktionen (15/29)
Diese beiden Relationen sind nicht mittels vNM Nutzenfunktion darstellbar!Nutzenfunktion normiert zu u(0) = 0 und u(5*106) = 1, sofern es sie gibt
1Mio.) statt 5Mio. auf man setzt
gewinnen, zu nicht nlichkeit Wahrscheigleicher ungefähr (bei
gewinnen) zu nicht nlichkeit Wahrschiemit ein, Risiko
das nicht man geht Mio. 1 von Gewinn sicherem (bei
43
21
1001
PP
PP
f
f
Entscheidungstheorie | Teil 3Seite 19
Präferenzfunktionen (16/29)
⇒ keine Darstellung mittels Erwartungsnutzen!
( ) ( ){ ( ) ( )
( ) ( )
( ) 1.01011.0
1.01089.010
1051.01089.0001.010
6
66
1
66
0
621
u
uu
uuuuPP
!"
+!"
!!+!+!"==43421
f
( ){ ( ) ( ){ ( )
( )6
6
01
6
043
1011.01.0
1011.0089.01051.009.0
u
uuuuPP
!"
!+!!!+!"===
43421f
<
<
<
<
<
Entscheidungstheorie | Teil 3Seite 20
Präferenzfunktionen (17/29)
Alternative Darstellung der Wahrscheinlichkeiten
Daher sollte Zuwachs in beiden Fällen als Verbesserung oderVerschlechterung angesetzt werden!
Alternative Bezeichnung „Common Consequence Effekt“
( )
( )
( )
( )0,11.0,89.0
10.0,0,90.0
10.0,89.0,01.0
0,1,0
4
3
2
1
P
P
P
P1001
101
1001
101
Übergang in beidenFällen gleich
Entscheidungstheorie | Teil 3Seite 21
Präferenzfunktionen (18/29)
Invertieren („Kippen“) von Präferenzen auch bei Approximationen möglich
Folgen von Nutzenfunktionen ui ! u (i ! ∞)Folgen von W-Massen Pi ! P (i ! ∞)
Qi ! Q (i ! ∞)
möglich
und
ist Dann
!!
!!
MM
Mii
Mii
udQudP
dQudRu <
<
Entscheidungstheorie | Teil 3Seite 22
Präferenzfunktionen (19/29)
Beispiel
( )
( )!"=+"+=
!"="#$
%&'
( )+=
+iQQ
iPii
P
iii
ii
101121
111
21
21
21
21
111
****
***
(21
1
i1 1
i11+
(
ui
u
Entscheidungstheorie | Teil 3Seite 23
Präferenzfunktionen (20/29)
aber
( ){
85
2111
21
21
2111111
141
21
21
=!"#
$%&
' ++!"#
$%&
'=
="#
$%&
' (!+!"#
$%&
'=
==
==
)
)
43421321
321
iu
iudQu
iu
iiudPu
iiii
iiii
( )
( ){ ( ){ 41
211
210
211
210
=!+!=
==
==
"
"
uuudQ
uudP
Entscheidungstheorie | Teil 3Seite 24
Präferenzfunktionen (21/29)
Bei der Inkonsistenz der Notation üblich
Nutzenfunktionen werden auch als Präferenzfunktionen bezeichnet!
f(x) = w(x) = v(x) Wertfunktion (value function) deterministischf(x) = u(x) Nutzenfunktion (utility function) stochastisch
( ) ( ) ( )
( ) ( ) ( ) unktionPräferenzfFall cherStochastis
unktionPräferenzfFall chischerDeterminis
!=M
xdPxuPf
xfbfaf K,,,
Nutzenfunktion Präferenzfunktion
Entscheidungstheorie | Teil 3Seite 25
Präferenzfunktionen (22/29)
Eine Präferenzfunktion ist ordinal bestimmt, wenn sie eindeutig bis aufmonotone Transformation ist, d.h. insbesondere mit u ist auf g"u einePräferenzfunktion, wobei g: → , g↑
Eine Präferenzfunktion ist kardinal bestimmt, wenn sie eindeutig bis aufmonotone affine Transformation ist, d.h. insbesondere mit u ist aucha u + b, a > 0, eine Präferenzfunktion.
Beispiel
Präferenzfunktion für dieselbe Präferenzordung. Gemischte Termekönnen Wechselwirkungen vortäuschen, die nicht vorliegen!
( )
( )
( ) 212221
2121
2221
2121
2
2,
xxxxxxxxug
zzg
xxxxxxu
+=++=
=
++=
o
für auch ist Dann
bestimmt. ordinal nur unktionPräferenzf
Entscheidungstheorie | Teil 3Seite 26
Präferenzfunktionen (23/29)
Eine Nutzenfunktion ist kardinal bestimmt, wenn es eine beste und eineschlechteste Alternative gibt.
x* schlechte Alternativex* beste Alternative
Nachweis Kardialität u1, u2 zwei beliebige Nutzenfunktionen
( ) ( )( ) ( )
( ) ( ) 0
0
22
11
11
11
!!
!!
!!
"
"#
#
# !!
!! $$
xuxu
xuxu
xuxu
duduxxxx
Genauso
%%%% p <
<
<
<
Entscheidungstheorie | Teil 3Seite 27
Präferenzfunktionen (24/29)
( ) ( ) ( )( ) ( )
( ) ( ) ( )( ) ( )
( ) ( )
( ) ( )
( ) ( ) [ ]
( ) ( ) xxuxu
xuxu
xuxu
xuxu
xuxuxuxu
xu
xuxuxuxu
xu
!=
"
"=
"
"=
++
++
+
+
##
#+
##
#+
nun gilt Es
normiert. in Wertenzu beide
von tionTransforma affine positive
und von tionTransforma affine positive ist
denn dar, elationPräferenzr selbe die und
auch stellen Dann
21
21
22
11
22
222
11
111
1,0,
.
Entscheidungstheorie | Teil 3Seite 28
Präferenzfunktionen (25/29)
( )( )
( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( )
( ) ( )( ) ( )
( ) ( )( ) ( )
( ) ( ) ( )( ) ( )
( ) ( ) ( ) ( )( ) ( )
( )
( ) ( ) .
,11
11
1~
1,0
21
222
1112
0
22
111
22
22
11
11
21
1
2
0
22
1
1
0
11
bxuaxu
xuxuxuxuxu
xuxuxuxuxuxu
xu
xuxuxuxu
xuxuxuxu
xuxu
pxupxupxu
pxupxupxu
pp
p
ba
xxx
xxx
+!="
#
##+
#
#="
#
#=
#
#
=
#=!#+!=
#=!#+!="
#+
$
=
!!
!!
!!
!!
!
!!
!
!!
!
++
=
!+
=
!++
=
!+
=
!++
!!
!!
44444 344444 2144 344 21
321321
321321
pp
f
also
mit
AxiomArchim es gibt Wegen
%%%
%%%
=
Entscheidungstheorie | Teil 3Seite 29
Präferenzfunktionen (26/29)
Eine Wertfunktion ist nicht notwendig kardinal bestimmt, auch wenn eseine beste und eine schlechteste Alternative gibt. Dazu ist mehrerforderlich, z.B. die Darstellbarkeit von Präferenzen über Zuwächse.
MittelpunktseigenschaftZu a ≺ b gibt es c mit a ≺ c ≺ b und a → c ~ c → b.
Eine stetige Wertfunktion ist kardinal bestimmt, wenn es eine beste undeine schlechteste Alternative gibt und die zugrunde liegende Präferenzdie Mittelpunktseigenschaft hat.
( ) ( )
( ) ( ) ( ) ( )dvcvavbvdcba
bvavba
!!"##
"
p
p und
<
<
Entscheidungstheorie | Teil 3Seite 30
Präferenzfunktionen (27/29)
Zu zwei Wertfunktionen v1,v2 wird wieder die Gleichheit der normiertenFunktion
hergeleitet, d.h.
( ) ( ) ( )( ) ( )
( ) ( ) ( )( ) ( )!!
!+
!!
!+
"
"=
"
"=
xvxvxvxv
xv
xvxvxvxv
xv
22
222
11
111
( ) ( )xvxv ++ = 21
Entscheidungstheorie | Teil 3Seite 31
Präferenzfunktionen (28/29)
( ) ( ) ( ) ( )
( )
( )
( )( ) ( )xvxv
xv
xv
xv
xvxvxvxv
xxxxxxx
++
+
+
+
+
=
!+
=
!++
!!
!!
="#$
#%
&
=
=
=
'='
((
21
2
1
1
1
1
1
0
11
21
21
12
~
:Genauso
mit es gibt und Zu
321321
Entscheidungstheorie | Teil 3Seite 32
Präferenzfunktionen (29/29)
Für andere Werte als wird das Verfahren wiederholt "
einschachteln.
21
21
1
!xx
!x
43
( ) ( )
( ) ( ) tionen.Nutzenfunk bei wie,0,21
21
abxvaxv
xxvxv
+!="
#=" ++
<
Entscheidungstheorie | Teil 3Seite 33
Mittelpunktsmethode zur Bestimmung von Wertfunktionenüber Intervallen (eindimensional) (1/4)
Für x1 < x2 und x gesucht mit
x1 ! x ~ x ! x2
(„Welcher Mittelpunkt halbiert den Wertzuwachs?“)
Beispiel x1 = 0 x2 = 1000 und x = 200
Dann x1 = 200 x2 = 1000 ⇒ ? etc.
Iteration, zur Bestimmung weiterer Punkte der Wertfunktion.
21
1
200 1000
Entscheidungstheorie | Teil 3Seite 34
Mittelpunktsmethode zur Bestimmung von Wertfunktionenüber Intervallen (eindimensional) (2/4)
Wert- und Nutzenfunktionen können verschieden sein, selbst wenn siekardinal bestimmt und gleichartig normiert sind.
( )xv1
1 1000
( )xu
Entscheidungstheorie | Teil 3Seite 35
Mittelpunktsmethode zur Bestimmung von Wertfunktionenüber Intervallen (eindimensional) (3/4)
Wert- und Nutzenfunktionen müssen nicht monoton sein:Wertfunktion zur Bewertung von Umgebungstemperatur
1
°20
Entscheidungstheorie | Teil 3Seite 36
Mittelpunktsmethode zur Bestimmung von Wertfunktionenüber Intervallen (eindimensional) (4/4)
Oft ergeben sich konkave Funktionen
„Prinzip“ des abnehmenden Grenz“nutzens“(„Die ersten 200# sind die wichtigsten“)
1
1000
( )xv
Entscheidungstheorie | Teil 3Seite 37
Methode der Sicherheitsäquivalente zur Bestimmung vonNutzenfunktionen über Intervallen (eindimensional) (1/3)
Sicherheitsäquivalent eines W-Masses („Lotterie“) ist ein sicheres Ergebnis(Wahrscheinlichkeit 1), das als gleichwertig angesehen wird.
Beispiel
(Die Frage ist nicht, wie viel ist man bereit zu zahlen, um an Lotterieteilzunehmen. Die Frage ist: gegen welche sichere Alternative tauschtman Lotterie ein bzw. umgekehrt, gegen welche Lotterie tauscht mansichere Alternative?)
( ){ ( ) ( )2007.010007.003.010
uuuudP ==!+!===
" 43421
200
3.0
7.0
1000
0
~1
Entscheidungstheorie | Teil 3Seite 38
Methode der Sicherheitsäquivalente zur Bestimmung vonNutzenfunktionen über Intervallen (eindimensional) (2/3)
Auch Nutzenfunktionen sind häufig konkav
( )321321
321 wertsErwartungsdes Nutzen
nutzenErwartungs
konkav=
=
!"
=
# p
uE
EuudPu
p
1
1000200
7.0
(Jensen´sche Ungleichung)
Entscheidungstheorie | Teil 3Seite 39
Methode der Sicherheitsäquivalente zur Bestimmung vonNutzenfunktionen über Intervallen (eindimensional) (3/3)
„Risikoversion“( )pEu
u
pE
uEp
P mit diesen 4 Werten
Entscheidungstheorie | Teil 3Seite 40
Risikoeinstellung (1/3)
eindimensionale Nutzenfunktion u, u#
Je grösser R(x), desto mehr Risikoaversion liegt vor.(pos. Werte: u konkav vs. neg. Werte: u konvex)
Vorteil des RisikomassesInvariant unter pos. affinen Transformationen. D.h. egal welche
Nutzenfunktion vorliegt (für dieselbe Präferenzordung), R ist immergleich. R hängt also nicht vom „Repräsentanten u(x) ab.
( ) ( )( )xuxu
xR'''
!= Risikomass PrattArrow
Entscheidungstheorie | Teil 3Seite 41
Risikoeinstellung (2/3)
R(x) ist Funktion, d.h. Risikomass kann sich mit Werten ändern.R(x) #x, R(x) $x aber auch R(x) = const möglich.
Viele Varianten der Kennzahlen von Nutzenfunktionen zur Beschreibungder Risikoeinstellung.
Dies kann in einem allgemeinen Sinn aber nicht genügen" Mafiastation für Erpressung
( )
( ) ( )
( ) ( )( )
cxuxu
xR
ecxucexu
cxexu
cxcx
cx
=!="
!=="
!=
!!
!
'''
'','
0,0
2
< <
Entscheidungstheorie | Teil 3Seite 42
Risikoeinstellung (3/3)
⇒ Risikoeinstellung wird durch Nutzen- und Wertfunktion ausgedrückt
f beschreibt Risikobereitschaft
„u mehr durchgegeben als v“ ⇔ wahre Risikobereitschaft
( ) ( )( )xvfxu =
u
v