wie in statischen Bayesianischen Spielen...
|
|
- Jörg Straub
- vor 6 Jahren
- Abrufe
Transkript
1 KAP 17. Dynamische Spiele unter unvollständiger Information Betrachten nun folgende Situation: wie in statischen Bayesianischen Spielen wählt zunächst Natur die Typen der Spieler doch dann ziehen die Spieler sequentiell Ein solches Spiel heisst Dynamisches Spiel unter unvollständiger Information 1
2 KAP 17. Dynamische Spiele unter unvollständiger Information Beschreibung von Dynamischen Spielen unter unvollst. Info: extensives Spiel mit Zufallszug Lösungskonzept: PBG doch nun: beim Aktualisieren der Beliefs auch noch Wkten berücksichtigen, mit denen Natur zieht 2
3 3 Beispiel 1: Markteintritt (0, 4) ne q [D] e t M a N (0, 4) 1 q [H] E ne e t M a (2, 2) ( 2, 2) (2, 2) ( 2, 3) Beachte: M entscheidet unter vollkommener Information: Also optimale Strategie: σm (D) = t, σ M (H) = a Betrachte E Wkt, dass er sich links befindet: q Also: e liefert q 2 + (1 q) ( 2); ne liefert 0 Damit: Optimale Strategie: σ E = e q 1/2
4 4 Bemerkung Beispiel 1 ist aus zwei Gründen sehr einfach und speziell (a) E zieht vor M (b) E hat keine private Information Wegen (a): die Entscheidung von M beeinflusst nicht wo sich E im Spielbaum befindet E muss beim Updaten seiner Beliefs nur die Wkt q berücksichtigen... aber nicht die Strategie von M Wegen (b): M wählt unter vollkommener Information
5 5 Signalisierungs-Spiele Wir betrachten nun Spiele, in denen ein Spieler mit privater Information zuerst zieht und die nachfolgenden Spieler dessen Aktionen beobachten können Solche Spiele nennt man Signalisierungs-Spiele
6 6 Signalisierungs-Spiele In Signalisierungs-Spielen offenbart der Zug des zuerst ziehenden Spielers Information über seinen Typ... (denn wie er zieht, hängt ja von seinem Typ ab) Die nachfolgenden SP werden ihre Beliefs aktualisieren und ihr Verhalten entsprechend anpassen Der zuerst ziehende Spieler antizipiert aber den Informationsseffekt seines Zuges auf die anderen Spieler und wird diesen in sein strategisches Kalkül mit einbeziehen
7 7 Bsp 2: Ausbildung als Intelligenz-Signal Spieler und Typen ein Arbeiter, SP1, ein Arbeitgeber, SP2 SP1 kann entweder intelligent sein oder nicht: t 1 {H,L} Mit Wkt p t ist er vom Typ t [SP2 hat keine priv Info] Spielregeln Natur zieht den Typ von SP1 SP1 beobachtet seinen Typ, aber nicht SP2 SP1 entscheidet, ob er an die Uni geht oder nicht: a 1 {u,nu} SP2 beobachtet die Wahl von SP1 und entscheidet ob er SP1 einstellt oder nicht a 2 {j,n}
8 8 Bsp 2: Ausbildung als Intelligenz-Signal Nutzen An die Uni zu gehen, hat Kosten c t für SP1 (Zeit, Büffeln...) Da H-Typ intelligenter, gilt: c H < c L!! Wird SP1 eingestellt: SP1 erhält Lohn w > 0 SP2 erzielt Gewinn v t w [unabhg. von u oder nu!] Da H-Typ intelligenter, gilt: v H > v L!! Wird SP1 nicht eingestellt, so erhält SP1 den Lohn 0, und SP2 erzielt den Gewinn 0 Annahme: A1: v L w < 0 < v H w, A2: w c L < 0 < w c H
9 Behauptung: Die folgenden Strategien und Beliefs bilden ein PBG des Ausbildungsspiels: 9 SP1: Gehe an die Uni, wenn Typ H: σ 1 (H) = u Gehe nicht an die Uni, wenn Typ L: σ1 (L) = nu SP2: Wenn SP1 an der Uni war, stelle ihn ein σ 2 (u) = j Wenn SP1 nicht an der Uni war, stelle ihn nicht ein σ 2 (nu) = n Beliefs von SP2 Wenn SP1 an der Uni war: µ u H = 1, µu L = 0 Wenn SP1 nicht an der Uni war: µ nu H = 0, µnu L = 1
10 10 Verifikation: Verhält sich SP1 rational, gegeben σ 2 Typ H u liefert w c H, nu liefert 0 A2 σ1 (H) = u optimal Typ L u liefert w c L, nu liefert 0 A2 σ1 (L) = nu optimal
11 11 Verifikation: Verhält sich SP2 sequentiell rational? Sei µ wie in der Behauptung gegeben Beobachtet SP2 Aktion u, dann glaubt er, dass SP1 vom Typ H ist j liefert v H w, n liefert 0 A1 σ2 (u) = j ist optimal Beobachtet SP2 Aktion nu, dann glaubt er, dass SP1 vom Typ L ist j liefert v L w, n liefert 0 - A1 σ2 (nu) = n ist optimal
12 12 Verifikation: Sind die Beliefs von SP2 Bayesianisch konsistent? Sei σ 1 gegeben Betrachte Info-Menge, nachdem SP1 u gespielt hat Die bedingte Wkt, dass SP1 vom Typ H gegeben diese Info-Menge wird erreicht, ist: µ u H = p H Pr[ H spielt u ] p H Pr[ H spielt u ] + p L Pr[ L spielt u ] Unter σ 1 gilt: Pr[ L spielt u ] = 0 Also: µu H = 1 Für Info-Menge, nachdem SP2 nu gespielt hat: analog Damit alles gezeigt
13 13 Bemerkung Das soeben hergeleitete GG heisst separierendes GG In einem separierenden GG spielen verschiedene Typen verschiedene Aktionen Der nachfolgende Spieler kann also den Typ eindeutig identifizieren Man sagt: Die Typen offenbaren bzw. enthüllen sich Um die Logik hinter einem separierenden GG zu verstehen, machen wir das folgende Gedankenexperiment
14 14 Gedankenexperiment: Nimm an, es gäbe keine Universität SP2 muss direkt entscheiden, ob er einstellt oder nicht j liefert p H (v H w) + p L (v L w), n liefert 0 Also: Nicht einstellen optimal wenn p L relativ gross Nimm an, das ist der Fall Der H-Typ würde gerne eingestellt werden und könnte argumentieren ich bin ein H-Typ; wenn Du mich einstellst, machst Du Gewinn Das Problem ist: Der L-Typ würde auch gerne eingestellt werden und könnte das gleiche behaupten
15 15 Gedankenexperiment SP1 wird entgegnen: jeder kann behaupten, dass er ein H-Typ ist ich will Beweise sehen! und zwar so: Um mir zu beweisen, dass du ein H-Typ bist, musst du eine Aktion wählen, die nur für den H-Typ profitabel ist aber unprofitabel für den L-Typ In unserem Bsp ist dies die Aktion u MaW: Wahl u signalisiert glaubwürdig, dass SP1 ein H-Typ ist denn wäre er ein L-Typ, dann wäre ihm u zu teuer
16 16 Anreizverträglichkeit Die Aktion u erfüllt also folgende Bedingung Gegeben, Einstellen folgt auf u, dann (a) Der H-Typ hat einen Anreiz, u zu wählen (b) Der L-Typ hat keinen Anreiz, u zu wählen Diese Bedingung nennt man Anreizverträglichkeitsbedingung für ein separierendes GG Ann A2 gewährleistet Anreizverträglichkeit Ist A2 verletzt, gibt es kein separierendes GG (siehe unten)
17 17 Pooling GG in Bsp 2 A2 ist aber nur eine notwendige keine hinreichende Bedingung für ein sep. GG In der Tat: es gibt ein PBG in Bsp 2, in dem beide Typen nu wählen: σ1 (H) = nu, σ 1 (L) = nu Falls p L groß, dann σ 2 (u) = σ 2 (nu) = n Falls p L klein, dann σ 2 (u) = σ 2 (nu) = j Beliefs: µ H = p H, µ L = p L für beide Info-Mengen Selber verifizieren Ein GG, in dem alle Typen dieselbe Aktion wählen heisst Pooling-GG
18 18 Pooling GG in Bsp 2 In Bsp 2 ist das Pooling GG nicht unbedingt plausibel... - (aus Gründen, die wir nicht behandeln) -... aber immerhin eine theoretische Möglichkeit Wir hatten gesagt: A2 ist eine notwendige Bedingung für ein separierendes GG Um das deutlicher zu machen, betrachten wir Bsp 2, wenn A2 verletzt ist
19 19 Bsp 2, wenn A2 verletzt ist Nimm nun an, dass gilt: w c H > 0 und w c L > 0 Beh: Dann wählen in jedem PBG beide Typen dieselbe Aktion - d.h. es gibt nur ein Pooling-GG Bew: Nimm an, es gibt ein GG mit σ 1 (H) = u und σ 1 (L) = nu Wegen Bayesianischer Konsistenz muss dann SP2 glauben, dass SP1 ein H-Typ ist, wenn er u beobachtet (und also SP1 einstellen)... SP1 ein L-Typ ist, wenn er nu beobachtet (und SP1 nicht einstellen) Dann hätte aber der L-Typ einen Anreiz abzuweichen: denn u liefert w c L > 0, ; nu liefert 0 (Wid-spr. zu σ 1 (L) = nu)
20 Bsp 2, wenn A2 verletzt ist Gleiches Argument: es gibt kein GG mit σ 1 (H) = nu, und σ 1 (L) = u Das Beispiel illustriert: Wenn c L klein ist dann wird der L-Typ den H-Typ imitieren... und es kann zu keiner Separierung der Typen kommen Allgemeiner gesprochen gilt - Wenn die Aussendung des Signals relativ billig ist -... kann es zu keiner Separierung der Typen kommen -... weil ein Signal nicht glaubwürdig ist und nichts bedeutet 20
21 21 Bemerkung Man kann Bsp 2 erweitern und den Lohn w endogenisieren d.h. der Lohn wird auf einem kompetitiven Arbeitsmarkt gebildet Das resultierende Modell ist das Spence-Modell - (die zugrunde liegende Logik bleibt gleich) Signalisierungs-Phänomene kann man ständig beobachten Konsum von Luxusgütern signalisiert Reichtum und resultiert in hohem Status Damit es zu Separierung kommt... - müssen Luxusgüter also teuer sein (sonst A2 verletzt)
22 22 Signalisierungs-Phänomene Moden und Trends wie kommt es zu konformem Verhalten? Herden-Verhalten in Gruppen kann als Pooling GG erklärt werden Werbung Biologie: Phänotyp als Signal für Genotyp (Pfauenfedern) Selbsttäuschung
23 23 Expertenberatung Wir betrachten eine Modell, in dem... (a)... ein Spieler eine Entscheidung treffen muss... (b)... der andere Spieler (Experte) über private entscheidungsrelevante Information verfügt (c)... der Experte Präferenzen über die Entscheidung hat Patient Arzt, Klient Anwalt, Investor Finanzberater Modelle dieser Art werden Cheap Talk Modelle genannt der Experte macht nichts ausser einen für ihn kostenlosen Rat geben
24 24 Expertenberatung (Crawford and Sobel, 1982) Spieler: Entscheider (E), Experte (X) Spielregeln Natur wählt einen Typen t gleichverteilt auf [0, 1] X beobachtet t (E beobachtet t nicht) X schickt einen Bericht s [0, 1] an E E beobachtet den Bericht und trifft eine Entscheidung y 0 Nutzen: u E (y,t) = (y t) 2 Lieblingsentscheidung: y E = t u X (y,t) = (y t b) 2 Lieblingsentscheidung: y X = t+b b > 0 heisst bias misst Interessenkonflikt zwischen E und X
25 25 Strategien X: Für jeden Typ t ein Bericht s [0, 1] ( Bericht kann falsch sein!) σ X : [0, 1] [0, 1], t σ X (t) E: Für jeden Bericht s eine Entscheidung y 0 σ E : [0, 1] [0, 1], s σ E (s) Ausserdem müssen im PBG für jeden Bericht s die Beliefs von E über die Typen spezifiziert werden µ E (s) = W-Verteilung auf [0, 1]
26 26 Beobachtung Für b > 0 gibt es kein PBG, in dem E dem Bericht des X mit Wkt 1 glaubt Angenommen, E würde dem Bericht s = t glauben dann: σ E (s = t) = t wäre sequentiell rational für E Dann würde aber der Typ t = t b optimalerweise den Bericht s = t senden... da dies seine Lieblingsentschedung induzieren würde Im GG müssen aber die Beliefs von E korrekt sein! E kann nicht glauben, dass, wenn er den Bericht s = t sieht, X mit Wkt 1 vom Typ t ist, wenn es optimal für den Typ t = t b ist, den Bericht s = t zu senden
27 27 Satz: (i) Sei b < 1/4. Definiere t = 1/2 2b, und sei 0 s 0 t < s 1 1. Dann gibt es ein PBG, so dass gilt: σx (t) s 0 falls t t σ E s 1 falls t > t (s) = 1/4 b falls s t 3/4 b falls s > t µ E (s) = Gleichverteilung auf [0, t] falls s t Gleichverteilung auf ( t, 1] falls s > t (ii) Für b 1/4 gilt in jedem PBG, dass E den Bericht des X ignoriert und seine ex ante ideale Entscheidung y = 1/2 trifft.
28 28 Interpretation: Für kleinen Interessenkonflikt kommt es zu partieller Informationsübermittlung: X verwendet nur zwei Berichte, die offenbaren, ob t klein (s 0 ) ist oder gross (s 1 ) Für grossen Interessenkonflikt kann keine Information vermittelt werden sog. babbling Gleichgewicht Was ein Bericht bedeutet, wird endogen als Gleichgewicht bestimmt Für b 0 kann man GGe konstruieren, die zunehmend informativer werden
29 29 Beweis von (i): Verhält sich X optimal, gegeben σe? Beachte: jedes s t liefert den gleichen Nutzen wie s 0 : s 0 liefert (1/4 b t b) 2 = (1/4 t 2b) 2 Beachte: jedes s > t liefert den gleichen Nutzen wie s 1 : s 1 liefert (3/4 b t b) 2 = (3/4 t 2b) 2 Also: s 0 optimal t 1/2 2b = t s 1 optimal t > 1/2 2b = t Damit Optimalität von σx verifiziert
30 30 Beweis von (i): Verhält sich E optimal, gegeben σ X,µ E? Gegeben µ E und s t liefert Entscheidung y den Nutzen: Optimales y via BeO: t 0 t 0 (y t) 2 dt 1 t 2(y t) dt = 0 1 t Ausrechnen liefert y = 1/2 t = 1/4 b Optimale Entscheidung, wenn s > t: genauso Damit Optimalität von σe verifiziert
31 31 Beweis von (i): Sind die Beliefs von E konsistent, gegeben σ X? Gegeben σ X, offenbart der Bericht s 0, dass t t Updaten: die a priori Verteilung von t ist die Gleichverteilung,... die bedingte Verteilung, bedingt auf t t, ist die Gleichverteilung auf dem Träger [0, t] Also µ E konsistent für s = s 0 Gleiches Argument: µ E konsistent für s = s 1 Für s s 0 und s s 1 können die Beliefs beliebig spezifiziert werden denn: s s 0 und s s 1 werden nur abseits des GG-Pfades gewählt Damit (i) gezeigt Beweis von (ii): ähnliche Argumente (selbst)
wie in statischen Bayesianischen Spielen... doch dann ziehen die Spieler sequentiell
KAP 18. Dynamische Spiele unter unvollständiger Information Betrachten nun folgende Situation: wie in statischen Bayesianischen Spielen...... wählt zunächst Natur die Typen der Spieler doch dann ziehen
Mehr(a)... ein Spieler eine Entscheidung treffen muss... (b)... der andere Spieler (Experte) über private...
1 KAP 19. Expertenberatung Wir betrachten eine Modell, in dem... (a)... ein Spieler eine Entscheidung treffen muss... (b)... der andere Spieler (Experte) über private...... entscheidungsrelevante Information
MehrBisher angenommen: jeder Spieler kennt alle Teile des Spiels. - Diskontfaktor des Verhandlungspartners
1 KAP 15. Spiele unter unvollständiger Information Bisher angenommen: jeder Spieler kennt alle Teile des Spiels seine Gegenspieler, deren Aktionen, deren Nutzen, seinen eigenen Nutzen etc. Oft kennt man
Mehrbzw. die Entscheidugen anderer Spieler (teilweise) beobachten Erweitert das Analysespektrum erheblich Beschreibung des Spiels (extensive Form)
1 KAP 9. Dynamische Spiele Bisher: alle Spieler ziehen simultan bzw. können Aktionen der Gegenspieler nicht beobachten Nun: Dynamische Spiele Spieler können nacheinander ziehen bzw. die Entscheidugen anderer
MehrIn vielen Situation interagieren Spieler wiederholt: Interaktion innerhalb von Organisationen und Gruppen
1 Kap 13: Wiederholte Spiele In vielen Situation interagieren Spieler wiederholt: Konkurrenz auf Märkten oder in Auktionen Interaktion innerhalb von Organisationen und Gruppen (Firmen, Verwaltungen, Dorfgemeinschaften,
MehrK nimmt das Angebot an oder lehnt es ab: ja oder nein. Nimmt K in t an, erzielen V und K die Nutzen:
1 Rubinsteins Verhandlungsspiel mit alternierenden Angeboten Spieler: Käufer K, Verkäufer V In Perioden t = 0, 2, 4,...: V macht ein Angebot p V,t [0, 1] K nimmt das Angebot an oder lehnt es ab: ja oder
MehrKAP 11. Teilspiele und Teilspielperfektheit (unvollk. Info)
1 KAP 11. Teilspiele und Teilspielperfektheit (unvollk. Info) Wir erweitern jetzt die Idee von Teilspielperfektheit auf Spiele unter unvollkommener Information Im Prinzip ist alles wie unter vollkommener
MehrGenauer gesagt handelt es sich zum einen um Spiele mit einseitiger unvollständiger Information.
Spieltheorie Sommersemester 2007 1 Signalspiele Wir betrachten eine spezielle Klasse von Spielen mit unvollständiger Information, die sogenannten Signalspiele, für die es in der Ökonomik zahlreiche Anwendngen
MehrVerfeinerungen des Bayesianischen Nash Gleichgewichts
Spieltheorie Sommersemester 007 Verfeinerungen des Bayesianischen Nash Gleichgewichts Das Bayesianische Nash Gleichgewicht für Spiele mit unvollständiger Information ist das Analogon zum Nash Gleichgewicht
MehrKAP 10. Teilspiele und Teilspielperfektheit (vollk. Info)
1 KAP 10. Teilspiele und Teilspielperfektheit (vollk. Info) In Kap. 9 gesehen: Manche Nash-GGe in extensiven Spielen erscheinen unplausibel: wenn sie unglaubwürdige Drohungen...... bzw. zeitinkonsistente
MehrInformationsökonomik
Informationsökonomik Tone Arnold Universität des Saarlandes 8. Januar 2008 Tone Arnold (Universität des Saarlandes) Informationsökonomik 8. Januar 2008 1 / 59 Signalisieren privater Information Der Wert
Mehr... sondern auch von den Entscheidungen anderer Akteure
1 Was ist Spieltheorie? Spieltheorie untersucht Situationen, in denen ökonomische Akteure miteinander interagieren Das bedeutet: Die Konsequenzen einer Entscheidung für mich hängen nicht nur von meiner
MehrKlausur zur Vorlesung Spieltheorie Musterlösung
Prof. Dr. Ulrich Schwalbe Sommersemester 2001 Klausur zur Vorlesung Spieltheorie Musterlösung Die Klausur besteht aus vier Vorfragen, von denen drei zu beantworten sind sowie drei Hauptfragen, von denen
MehrDaniel Krähmer, Lennestr. 43, 4. OG, rechts. WWW: Übungsleiter: Matthias Lang,
1 SPIELTHEORIE Daniel Krähmer, Lennestr. 43, 4. OG, rechts. kraehmer@hcm.uni-bonn.de Sprechstunde: Mi, 13:30-14:30 Uhr WWW: http://www.wiwi.uni-bonn.de/kraehmer/ Übungsleiter: Matthias Lang, lang@uni-bonn.de
MehrKAP 12. Teilspiele und Teilspielperfektheit (vollk. Info) Manche Nash-GGe in extensiven Spielen erscheinen unplausibel:
1 KAP 12. Teilspiele und Teilspielperfektheit (vollk. Info) In Kap. 9 gesehen: Manche Nash-GGe in extensiven Spielen erscheinen unplausibel:... wenn sie unglaubwürdige Drohungen...... bzw. zeitinkonsistente
MehrKapitel 6: Spiele mit simultanen und sequentiellen Spielzügen. Kapitel 6 1
Kapitel 6: Spiele mit simultanen und sequentiellen Spielzügen Kapitel 6 Übersicht Teil Kapitel 5 Übersicht Teil Übersicht Einleitung Darstellung von simultanen Spielzügen in extensiver Form Normalform
MehrNash-GG als gegenseitige beste Antworten. Man kann Nash-GG einfach charakterisieren in termini bester Antworten
1 Nash-GG als gegenseitige beste Antworten Man kann Nash-GG einfach charakterisieren in termini bester Antworten Eine beste Antwort von Spieler i gegen die Strategie s i ist - die nutzenmaximierende Strategie,
Mehr12. Vorlesung. 19. Dezember 2006 Guido Schäfer
LETZTE ÄNDERUNG: 6. JANUAR 007 Vorlesung: Einführung in die Spieltheorie WS 006/007. Vorlesung 9. Dezember 006 Guido Schäfer 4 Bayesian Games Wir haben bisher immer angenommen, dass jeder Spieler vollständige
MehrDas sequentielle Gleichgewicht
Das sequentielle Gleichgewicht Seminarvortrag von Florian Lasch Dozent: Prof. Dr. Matthias Löwe Seminar: Anwendungen der Wahrscheinlichkeitstheorie Institut für Mathematische Statistik Fachbereich Mathematik
MehrKlausur zur Vorlesung Spieltheorie
Dr. Tone Arnold Sommersemester 2007 Klausur zur Vorlesung Spieltheorie Die Klausur besteht aus vier Vorfragen und drei Hauptfragen, von denen jeweils zwei zu bearbeiten sind. Sie haben für die Klausur
MehrSpieltheorie Teil 6. Tone Arnold. Universität des Saarlandes. 25. März 2008
Spieltheorie Teil 6 Tone Arnold Universität des Saarlandes 25. März 2008 Tone Arnold (Universität des Saarlandes) Spieltheorie Teil 6 25. März 2008 1 / 104 Wiederholte Spiele In vielen Fällen finden Interaktionen
MehrKlausur zur Spieltheorie Musterlösung
Prof. Dr. Ulrich Schwalbe/Dr. Tone Arnold Sommersemester 2002 Klausur zur Spieltheorie Musterlösung Vorfragen Aufgabe 1 Berechnen Sie alle Nash Gleichgewichte des folgenden Spiels (in reinen und gemischten
Mehr3. Sequentielle Spiele mit vollständiger Information: Die Extensivform
Spieltheorie Sommersemester 2007 1 3. Sequentielle Spiele mit vollständiger Information: Die Extensivform Beispiel (Sequentieller Geschlechterkampf): Betrachten wir eine abgewandelte Geschichte des Spiels
MehrWiederholte Spiele. Grundlegende Konzepte. Zwei wichtige Gründe, wiederholte Spiele zu betrachten: 1. Wiederholte Interaktionen in der Realität.
Spieltheorie Sommersemester 2007 1 Wiederholte Spiele Grundlegende Konzepte Zwei wichtige Gründe, wiederholte Spiele zu betrachten: 1. Wiederholte Interaktionen in der Realität. 2. Wichtige Phänomene sind
Mehr7.2 Moment und Varianz
7.2 Moment und Varianz Def. 21 Es sei X eine zufällige Variable. Falls der Erwartungswert E( X p ) existiert, heißt der Erwartungswert EX p p tes Moment der zufälligen Variablen X. Es gilt dann: + x p
Mehr3.5 Mehrstufige Spiele und Teilspiel-perfektes Gleichgewicht
3.5 Mehrstufige Spiele und Teilspiel-perfektes Gleichgewicht Von der spieltheoretischen Situation her gesehen war das Dixit-Modell von den vorangegangenen Modellen insoweit unterschiedlich, als hier eine
Mehr10. Vorlesung. 12. Dezember 2006 Guido Schäfer
LETZTE ÄNDERUNG: 5. JANUAR 2007 Vorlesung: Einführung in die Spieltheorie WS 2006/2007 10. Vorlesung 12. Dezember 2006 Guido Schäfer 3 Spiele in extensiver Form Bisher haben wir uns ausschliesslich mit
MehrSpieltheorie mit. sozialwissenschaftlichen Anwendungen
.. Friedel Bolle, Claudia Vogel Spieltheorie mit sozialwissenschaftlichen Anwendungen SS Inhalt. Einleitung. Sequentielle Spiele Terminologie Spielbäume Lösen von Sequentiellen Spielen .. Motivation: Warum
MehrEinführung in die (induktive) Statistik
Einführung in die (induktive) Statistik Typische Fragestellung der Statistik: Auf Grund einer Problemmodellierung sind wir interessiert an: Zufallsexperiment beschrieben durch ZV X. Problem: Verteilung
MehrGraphische Verfahren in der Statistik: Q-Q- und P-P-Plots
Prof. Dr. Dietmar Pfeifer Institut für Mathemati Graphische Verfahren in der Statisti: Q-Q- und P-P-Plots Bei den üblichen parametrischen Testverfahren in der Statisti wird in der Regel eine Annahme über
MehrVorlesung: Nicht-kooperative Spieltheorie. Teil 2: Spiele in Normalform
Vorlesung: Nicht-kooperative Spieltheorie Teil 2: Spiele in Normalform Dr. Thomas Krieger Wintertrimester 2009 Dr. Thomas Krieger Vorlesung: Nicht-kooperative Spieltheorie 1 Inhaltliche Motivation Es gibt
MehrTeil 2: Dynamische Spiele mit vollständigen Informationen
Teil : Dynamische Spiele mit vollständigen Informationen Kapitel 5: Grundsätzliches Literatur: Tadelis Chapter 7 Problem Manche Spiele entwickeln sich über die Zeit Dynamik kann aber nicht in Spielen in
Mehr3. Kombinatorik und Wahrscheinlichkeit
3. Kombinatorik und Wahrscheinlichkeit Es geht hier um die Bestimmung der Kardinalität endlicher Mengen. Erinnerung: Seien A, B, A 1,..., A n endliche Mengen. Dann gilt A = B ϕ: A B bijektiv Summenregel:
MehrAufgabenblatt 1: Rechenbeispiel zu Diamond/Dybvig (JPE 1983)
Aufgabenblatt 1: Rechenbeispiel zu Diamond/Dybvig (JPE 1983) Prof. Dr. Isabel Schnabel The Economics of Banking Johannes Gutenberg-Universität Mainz Wintersemester 2009/2010 1 Aufgabe Betrachten Sie den
MehrSeminarvortrag Extensive Spiele mit imperfekter Information
Seminarvortrag Extensive Spiele mit imperfekter Information Eva Fischedick Betreuer: Prof. Dr. Löwe 19. Juni 2012 Inhaltsverzeichnis 1 Einleitung 3 2 Extensive Spiele mit imperfekter Information 3 2.1
MehrKAP 1. Normalform Definition Ein Spiel G in Normalform (auch: Strategieform) besteht aus den folgenden 3 Elementen:
1 KAP 1. Normalform Definition Ein Spiel G in Normalform (auch: Strategieform) besteht aus den folgenden 3 Elementen: 1. Einer Menge von Spielern i I = {1,..., i,...n} 2. Einem Strategienraum S i für jeden
Mehr(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.)
3. Untergruppen 19 3. Untergruppen Nachdem wir nun einige grundlegende Gruppen kennengelernt haben, wollen wir in diesem Kapitel eine einfache Möglichkeit untersuchen, mit der man aus bereits bekannten
MehrÜbung zu Empirische Ökonomie für Fortgeschrittene SS 2009
Übung zu Empirische Ökonomie für Fortgeschrittene Steen Elstner, Klaus Wohlrabe, Steen Henzel SS 9 1 Wichtige Verteilungen Die Normalverteilung Eine stetige Zufallsvariable mit der Wahrscheinlichkeitsdichte
MehrVertiefung NWI: 13. Vorlesung zur Wahrscheinlichkeitstheorie
Fakultät für Mathematik Prof. Dr. Barbara Gentz SS 2013 Vertiefung NWI: 13. Vorlesung zur Wahrscheinlichkeitstheorie Mittwoch, 10.7.2013 13. Markoffketten 13.1 Beispiele 1. Irrfahrt auf dem zweidimensionalen
Mehr3.1.1 Die Variante T1 und ein Entscheidungsverfahren für die Aussagenlogik
Deduktionssysteme der Aussagenlogik, Kap. 3: Tableaukalküle 38 3 Tableaukalküle 3.1 Klassische Aussagenlogik 3.1.1 Die Variante T1 und ein Entscheidungsverfahren für die Aussagenlogik Ein zweites Entscheidungsverfahren
MehrAllgemeines zu Tests. Statistische Hypothesentests
Statistische Hypothesentests Allgemeines zu Tests Allgemeines Tests in normalverteilten Grundgesamtheiten Asymptotische Tests Statistischer Test: Verfahren Entscheidungsregel), mit dem auf Basis einer
Mehr7 Der kleine Satz von Fermat
7 Der kleine Satz von Fermat Polynomkongruenz modulo p. Sei p eine Primzahl, n 0 und c 0,..., c n Z. Wir betrachten die Kongruenz ( ) c 0 + c 1 X +... + c n 1 X n 1 + c n X n 0 mod p d.h.: Wir suchen alle
MehrAnwendungen der Spieltheorie
Mikroökonomie I Einführung in die Spieltheorie Universität Erfurt Wintersemester 08/09 Prof. Dr. Dittrich (Universität Erfurt) Spieltheorie Winter 1 / 28 Spieltheorie Die Spieltheorie modelliert strategisches
MehrAufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph.
Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph. a) Es seien W 1 = (V, E 1 ), W 2 = (V, E 2 ) Untergraphen von G, die beide Wälder sind. Weiter gelte E 1 > E 2.
Mehr3.3 Methoden zur Evaluierung von Schätzern
3.3 Methoden zur Evaluierung von Schätzern Bis jetzt haben wir nur glaubwürdige Techniken zur Konstruktion von Punktschätzern besprochen. Falls unterschiedliche Schätzer für einen Parameter resultieren,
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrVorlesung. Informationsökonomik und die Theorie der Firma
Vorlesung Informationsökonomik und die Theorie der Firma Ulrich Schwalbe Universität Hohenheim 3. Vorlesung 14.11.2007 Ulrich Schwalbe (Universität Hohenheim) Informationsökonomik 3. Vorlesung 14.11.2007
Mehr2. Grundzüge der Mikroökonomik Einführung in die Spieltheorie. Allgemeine Volkswirtschaftslehre. WiMa und andere (AVWL I) WS 2007/08
2. Grundzüge der Mikroökonomik 2.10 Einführung in die Spieltheorie 1 Spieltheorie befasst sich mit strategischen Entscheidungssituationen, in denen die Ergebnisse von den Entscheidungen mehrerer Entscheidungsträger
MehrHackenbusch und Spieltheorie
Hackenbusch und Spieltheorie Was sind Spiele? Definition. Ein Spiel besteht für uns aus zwei Spielern, Positionen oder Stellungen, in welchen sich das Spiel befinden kann (insbesondere eine besondere Startposition)
MehrVarianz und Kovarianz
KAPITEL 9 Varianz und Kovarianz 9.1. Varianz Definition 9.1.1. Sei (Ω, F, P) ein Wahrscheinlichkeitsraum und X : Ω eine Zufallsvariable. Wir benutzen die Notation (1) X L 1, falls E[ X ]
MehrSpieltheorie. Yves Breitmoser, EUV Frankfurt (Oder)
Spieltheorie Yves Breitmoser, EUV Frankfurt (Oder) Was ist Spieltheorie? Was ist Spieltheorie? Analyse strategischer Interaktionen Was ist Spieltheorie? Analyse strategischer Interaktionen Das heißt insbesondere
MehrKombinatorik von Zahlenfolgen
6. April 2006 Vorlesung in der Orientierungswoche 1 Kombinatorik von Zahlenfolgen Einige Beispiele Jeder kennt die Fragen aus Intelligenztests, in denen man Zahlenfolgen fortsetzen soll. Zum Beispiel könnten
MehrSpieltheorie Vortrag im Rahmen eines Treffens der Grazer Pro Scientia Geförderten
Spieltheorie Vortrag im Rahmen eines Treffens der Grazer Pro Scientia Geförderten Sofie Waltl Graz, 9. April 2014 1 Was ist Spieltheorie? Die Spieltheorie analysiert strategische Entscheidungssituationen,
MehrTesten von Hypothesen:
Testen von Hypothesen: Ein Beispiel: Eine Firma produziert Reifen. In der Entwicklungsabteilung wurde ein neues Modell entwickelt, das wesentlich ruhiger läuft. Vor der Markteinführung muss aber auch noch
MehrKapitel 6 Martingale
Kapitel 6 Martingale Martingale spielen eine große Rolle in der Finanzmathematik, und sind zudem ein wichtiges Hilfsmittel für die statistische Inferenz stochastischer Prozesse, insbesondere auch für Zählprozesse
MehrSatz 18 (Satz von der totalen Wahrscheinlichkeit)
Ausgehend von der Darstellung der bedingten Wahrscheinlichkeit in Gleichung 1 zeigen wir: Satz 18 (Satz von der totalen Wahrscheinlichkeit) Die Ereignisse A 1,..., A n seien paarweise disjunkt und es gelte
Mehrsich die Schuhe zubinden können den Weg zum Bahnhof kennen die Quadratwurzel aus 169 kennen
Programm Christian Nimtz www.nimtz.net // lehre@nimtz.net Grundfragen der Erkenntnistheorie Kapitel 2: Die klassische Analyse des Begriffs des Wissens 1 Varianten des Wissens 2 Was ist das Ziel der Analyse
Mehr10 Der statistische Test
10 Der statistische Test 10.1 Was soll ein statistischer Test? 10.2 Nullhypothese und Alternativen 10.3 Fehler 1. und 2. Art 10.4 Parametrische und nichtparametrische Tests 10.1 Was soll ein statistischer
Mehr1 Grundprinzipien statistischer Schlußweisen
Grundprinzipien statistischer Schlußweisen - - Grundprinzipien statistischer Schlußweisen Für die Analyse zufallsbehafteter Eingabegrößen und Leistungsparameter in diskreten Systemen durch Computersimulation
Mehr1 Lektion 7: Evolutorische Spieltheorie. Evolution?r stabile Strategien und Replikatordynamik als Beitrag aus der Biologie
1 Lektion 7: Evolutorische Spieltheorie. Evolution?r stabile Strategien und Replikatordynamik als Beitrag aus der Biologie Verfeinerungen vom Begri Nash-Gleichgewicht Erfahrung hat gezeigt, dass sich Spieler
Mehr11.4 Korrelation. Def. 44 Es seien X 1 und X 2 zwei zufällige Variablen, für die gilt: 0 < σ X1,σ X2 < +. Dann heißt der Quotient
11.4 Korrelation Def. 44 Es seien X 1 und X 2 zwei zufällige Variablen, für die gilt: 0 < σ X1,σ X2 < +. Dann heißt der Quotient (X 1,X 2 ) = cov (X 1,X 2 ) σ X1 σ X2 Korrelationskoeffizient der Zufallsgrößen
Mehr2. Vorlesung. 1.3 Beste-Antwort Funktion. Vorlesung: Einführung in die Spieltheorie WS 2006/ Oktober 2006 Guido Schäfer
LETZTE ÄNDERUNG: 15. NOVEMBER 2006 Vorlesung: Einführung in die Spieltheorie WS 2006/2007 2. Vorlesung 24. Oktober 2006 Guido Schäfer 1.3 Beste-Antwort Funktion Notation: Definiere A i := j N\{i} A j.
MehrElemente der Stochastik (SoSe 2016) 10. Übungsblatt
Dr. M. Weimar 3.06.206 Elemente der Stochastik (SoSe 206) 0. Übungsblatt Aufgabe (2+2+2+2+3= Punkte) Zur zweimaligen Drehung des nebenstehenden Glücksrads (mit angenommener Gleichverteilung bei jeder Drehung)
Mehr9 Die Normalverteilung
9 Die Normalverteilung Dichte: f(x) = 1 2πσ e (x µ)2 /2σ 2, µ R,σ > 0 9.1 Standard-Normalverteilung µ = 0, σ 2 = 1 ϕ(x) = 1 2π e x2 /2 Dichte Φ(x) = 1 x 2π e t2 /2 dt Verteilungsfunktion 331 W.Kössler,
MehrSpieltheorie mit. sozialwissenschaftlichen Anwendungen
Friedel Bolle, Claudia Vogel Spieltheorie mit sozialwissenschaftlichen Anwendungen SS 2010 Strategische Züge 1. Einführung: Strategische Züge 2. Bedingungslose Züge 3. Bedingte Züge Drohung Versprechen
MehrStatistische Tests. Kapitel Grundbegriffe. Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe
Kapitel 4 Statistische Tests 4.1 Grundbegriffe Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe X 1,..., X n. Wir wollen nun die Beobachtung der X 1,...,
MehrExplizite Formeln für rekursiv definierte Folgen
Schweizer Mathematik-Olympiade Explizite Formeln für rekursiv definierte Folgen Aktualisiert: 6 Juni 014 In diesem Skript wird erklärt, wie man explizite Formeln für rekursiv definierte Folgen findet Als
MehrKapitel 9: Marktgleichgewicht
Kapitel 9: Marktgleichgewicht Hauptidee: In einem Wettbewerbsmarkt bestimmen Nachfrage und Angebot den Preis. Das Wettbewerbsgleichgewicht ist eine Vorhersage darüber, was zu erwarten ist, wenn jeder Marktteilnehmer
Mehr18 Höhere Ableitungen und Taylorformel
8 HÖHERE ABLEITUNGEN UND TAYLORFORMEL 98 8 Höhere Ableitungen und Taylorformel Definition. Sei f : D R eine Funktion, a D. Falls f in einer Umgebung von a (geschnitten mit D) differenzierbar und f in a
MehrSpieltheorie - Wiederholte Spiele
Spieltheorie - Wiederholte Spiele Janina Heetjans 12.06.2012 1 Inhaltsverzeichnis 8 Wiederholte Spiele 3 8.1 Einführung und Motivation................................. 3 8.2 Unendlich oft wiederholte Spiele:
MehrEinführung in die Statistik Kapitel 6: Crash-Course in Statistik: Testtheorie
Einführung in die Statistik Kapitel 6: Crash-Course in Statistik: Testtheorie Jung Kyu Canci Universität Basel HS2015 1 / 15 Literatur Kapitel 6 Statistik in Cartoons : Kapitel 8 Krengel : 6 und 14 Storrer
MehrDie Varianz (Streuung) Definition
Die (Streuung) Definition Diskrete Stetige Ang., die betrachteten e existieren. var(x) = E(X EX) 2 heißt der Zufallsvariable X. σ = Var(X) heißt Standardabweichung der X. Bez.: var(x), Var(X), varx, σ
MehrKapitel 7: Multistufenspiele und Wiederholte Spiele. Literatur: Tadelis Chapters 9, 10 und 11
Kapitel 7: Multistufenspiele und Wiederholte Spiele Literatur: Tadelis Chapters 9, 10 und 11 Multistufenspiele Wenn mehrere Spiele in Normalform mit denselben Spielern hintereinander gespielt werden sprechen
Mehr3.4 Asymptotische Evaluierung von Sch atzer Konsistenz Konsistenz Definition 3.4.1: konsistente Folge von Sch atzer
3.4 Asymptotische Evaluierung von Schätzer 3.4.1 Konsistenz Bis jetzt haben wir Kriterien basierend auf endlichen Stichproben betrachtet. Konsistenz ist ein asymptotisches Kriterium (n ) und bezieht sich
MehrBeschreibungskomplexität von Grammatiken Definitionen
Beschreibungskomplexität von Grammatiken Definitionen Für eine Grammatik G = (N, T, P, S) führen wir die folgenden drei Komplexitätsmaße ein: Var(G) = #(N), Prod(G) = #(P ), Symb(G) = ( α + β + 1). α β
MehrTU Darmstadt FB Mathematik, AG 9 WS 2004/2005 Jakob Creutzig (1 + ρ)
TU Darmstadt FB Mathematik, AG 9 WS 2004/2005 Jakob Creutzig 9..04 Lösungsvorschläge zum 3. Aufgabenblatt der Vorlesung,,Einführung in die Finanzmathematik Gruppenübungen Aufgabe : Es sei Ω = {, +} n,
MehrLösungen zur Vorrundenprüfung 2004
Lösungen zur Vorrundenprüfung 2004 Zuerst einige Bemerkungen zum Punkteschema. Eine vollständige und korrekte Lösung einer Aufgabe ist jeweils 7 Punkte wert. Für komplette Lösungen mit kleineren Fehlern
MehrIntelligente Agenten
KI Wintersemester 2013/2014 Intelligente Agenten Grundlagen der Künstlichen Intelligenz Wintersemester 2014/2015 Marc Toussaint 2006-2014 Heidemann, Bruhn, Toussaint Überblick Überblick Agentenbegriff,
MehrFrage 8.3. Wozu dienen Beweise im Rahmen einer mathematischen (Lehramts-)Ausbildung?
8 Grundsätzliches zu Beweisen Frage 8.3. Wozu dienen Beweise im Rahmen einer mathematischen (Lehramts-)Ausbildung? ˆ Mathematik besteht nicht (nur) aus dem Anwenden auswendig gelernter Schemata. Stattdessen
MehrDarstellung von Spielen: Extensivform versus Normalform
Spieltheorie Sommersemester 2007 1 Darstellung von Spielen: Extensivform versus Normalform Wir haben zwei Arten kennen gelernt, ein Spiel zu beschreiben: die Normalform, oder auch strategische Form und
MehrMafI I: Logik & Diskrete Mathematik (Autor: Gerrit (-Arthur) Gruben)
Musterlösung zum. Aufgabenblatt zur Vorlesung MafI I: Logik & Diskrete Mathematik (Autor: Gerrit (-Arthur Gruben. Wahrscheinlichkeiten I ( Punkte Die Seiten von zwei Würfeln sind mit den folgenden Zahlen
MehrKlausur zur Vorlesung Informationsökonomik
Dr. Tone Arnold Wintersemester 2003/04 Klausur zur Vorlesung Informationsökonomik Die Klausur besteht aus drei Vorfragen und drei Hauptfragen, von denen jeweils zwei zu beantworten sind. Sie haben für
MehrDefinition 2.1 Der Erwartungswert einer diskreten Zufallsvariablen mit Wahrscheinlichkeitsfunktion
Kapitel 2 Erwartungswert 2.1 Erwartungswert einer Zufallsvariablen Definition 2.1 Der Erwartungswert einer diskreten Zufallsvariablen mit Wahrscheinlichkeitsfunktion È ist definiert als Ü ÜÈ Üµ Für spätere
MehrGrundzüge der. Kapitel 5 Mikroökonomie (Mikro I) Entscheidungen unter Unsicherheit
Grundzüge der Kapitel 5 Mikroökonomie (Mikro I) Entscheidungen unter Unsicherheit 1 BESCHREIBUNG VON RISIKO 2 Entscheidung unter Risiko Annahme: Wir kennen alle möglichen (sich gegenseitig ausschliessenden)
MehrWettbewerbspolitik. Bisher gefundene Fehler bei Drucklegung des Buches:
isher gefundene Fehler bei Drucklegung des uches: Auf S. 23 des uches ist aus meinem Manuskript eine Zeile verschwunden! Nach der letzten Zeile dieser Seite muss die folgende Zeile ergänzt werden: hohen
MehrInhaltsverzeichnis 1 Einleitung 1 2 Nash-Gleichgewicht in strategischen Spielen Nash-Gleichgewicht Beste-Ant
Abstrakte Analyse des Nash-Gleichgewichtes Seminar von Olga Schäfer Fachbereich Mathematik der Universität Siegen Siegen, 29. Juli 2009 Inhaltsverzeichnis 1 Einleitung 1 2 Nash-Gleichgewicht in strategischen
MehrHilbert-Kalkül (Einführung)
Hilbert-Kalkül (Einführung) Es gibt viele verschiedene Kalküle, mit denen sich durch syntaktische Umformungen zeigen läßt, ob eine Formel gültig bzw. unerfüllbar ist. Zwei Gruppen von Kalkülen: Kalküle
MehrLineare Abhängigkeit
Lineare Abhängigkeit Vorbemerkung. Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung I X, i x i. I heißt dabei Indexmenge. Man verwendet dabei oft die Schreibweise (x i ) oder (x
MehrGrundlegendes. Definition Principal-Agent-Modell nach Pratt/Zeckhauser(1985):
Grundlegendes Definition Principal-Agent-Modell nach Pratt/Zeckhauser(1985): "Whenever one individual depends on the action of another, an agency relationship arises. The individual taking the action is
MehrWir verallgemeinern Bi Matrix Spiele auf beliebig viele Spieler
1 KAP 3. Spiele mit mehr als zwei Spielern Wir verallgemeinern Bi Matrix Spiele auf beliebig viele Spieler Es gibt nun n Spieler i = 1,..., n Eine typische Strategie für SPi bezeichnen wir mit s i... S
MehrLösungsvorschläge Blatt 4
Theoretische Informatik Departement Informatik Prof. Dr. Juraj Hromkovič http://www.ita.inf.ethz.ch/theoinf16 Lösungsvorschläge Blatt 4 Zürich, 21. Oktober 2016 Lösung zu Aufgabe 10 (a) Wir zeigen mit
MehrSchließende Statistik: Hypothesentests (Forts.)
Mathematik II für Biologen 15. Mai 2015 Testablauf (Wdh.) Definition Äquivalente Definition Interpretation verschiedener e Fehler 2. Art und Macht des Tests Allgemein im Beispiel 1 Nullhypothese H 0 k
MehrInformationsökonomik: Anwendung Versicherungsmarkt
Informationsökonomik: Anwendung Versicherungsmarkt Tone Arnold Universität des Saarlandes 13. Dezember 2007 Tone Arnold (Universität des Saarlandes) Informationsökonomik: Anwendung Versicherungsmarkt 13.
Mehr