Kapitel 6: Dominanz und Nash-GG Kapitel 7: Gemischte Strategien
|
|
- Katja Dresdner
- vor 6 Jahren
- Abrufe
Transkript
1 Kapitel 6: Dominanz und Nash-GG Kapitel 7: Gemischte Strategien 6 Dominanz und Nash-Gleichgewicht 7 Gemischte Strategien Gemischte Strat, ErwNutzen, Nash-GG via Indifferenz anhand Elfmeter Gemischtes Nash-GG im Elfmeter-Spiel (via: stetige Strategieräume) Gemischtes Nash-GG im BoS (via: stetige Strategieräume) Bimatrix-Spiele mit mehr als zwei Strategien Indifferenzbedingung (in Bimatrix-Spielen) Beispiel zur Anwendung der Indifferenzbedingung Gemischte Strategien in Spielen mit n > 2 Spielern Allgemeine Indifferenzbedingung Zusammenfassung Kapitel 6 Dominanz und Nash-GG Einleitung Das Nash-GG haben wir (teilweise) dadurch motiviert, dass es die Menge möglicher Spielausgänge stärker einschränkt als Dominanz ZB Battle of Sexes (BoS): Das BoS hat weder strikt noch schwach dominierte Strategien (dh alle vier Strategienprofile überleben IESDS, sogar IEWDS), aber nur zwei Nash-GGe Analoges Ergebnis bei Chicken und Hirschjagd Dagegen: Gefangenendilemma (auch als verallgemeinertes soziales Dilemma): Das GD ist strikt dominanzlösbar, und die Dominanzlösung ist genau das (eindeutige) Nash-GG Die Regelmäßigkeit, die sich hier abzeichnet, gilt ganz allgemein, solange strikte (nicht schwache) Dominiertheit betrachtet wird / 24 Allg Zusammenhang: Nash-GG strikte Dominanz Satz: Gegeben ein Spiel G in Normalform a) Die Menge der Nash-GGe des Spiels, ist enthalten in der Menge S NASH := {s S : s ist Nash-GG von G} S IESDS := {s S : s überlebt IESDS} der Strategienprofile, die it El strikt dominierter Strategien überleben, dh S NASH S IESDS b) Wenn das Spiel strikt dominanzlösbar ist, ist die Dominanzlösung das einzige Nash-GG: S IESDS = {s } S NASH = {s } Teil a) impliziert: Ein Nash-GG enthält niemals strikt dominierte Strategien Das alleine wäre auch ohne den Satz aus der Definition des Nash-GGs leicht einzusehen; Teil a) macht eine stärkere Aussage, indem er auch sagt: Ein Nash-GG enthält niemals Strategien, die nach iterierter Elimination strikt dominierter Strategien übrig bleiben b) folgt nicht aus a), denn G könnte kein Nash-GG haben: b) bedeutet: G dominanzlösbar NashGG existiert und ist eindeutig, nämlich NashGG = Dominlösng Kein allg Zshng: Nash-GG schwache Dominanz x y a 0, 0, 0 b 0, 0, Dieses Spiel hat zwei Nash-GGe: (a, x) und (b, y) Aber: a ist schwach dominiert von b Spiel ist schwach dominanzlösbar: iterierte Elimination schwach dominierter Strategien endet in (b, y) Zeigt: Schwach dominierte Strategien können Teil eines Nash-GGs sein Bzw: Durch (iterierte) Elimination schwach dominierter Strategien können auch Nash-GGe eliminiert werden Teil a) des vorherigen Satzes sagt, dass das bei it Elimination strikt dominierter Strategien nie passiert Auch Teil b) des vorherigen Satzes ist bei schwacher Dominanz nicht gültig: Das Spiel hat eine eindeutige schwache Dominanzlösung, aber mehrere Nash-GGe 3 / 24 2 / 24 4 / 24
2 Kapitel 7: Gemischte Strategien Schon gesehen: Das Spiel Elfmeter Torwart Links Rechts Links, + +, Schütze Rechts +,, + hat kein Nash-Gleichgewicht, weil es keine stabile Absprache des Spielausgangs geben kann Das würde bedeuten: Die Spieler können vorab vereinbaren, wer gewinnt und wer verliert, ohne dass wenigstens einer einen Anreiz hat, beim realen Spiel von der Absprache abzuweichen Natürlich hätte der vereinbarte Verlierer einen solchen Anreiz Bei diesem Spiel wollen die Spieler gerade nicht ausrechenbar sein, weil der Gegenspieler das sonst ausnutzen kann In einer solchen Situation kann es keine stabile soziale Konvention geben, die den Spielern vorschreibt, eine Strategie mit Wkt zu spielen Wir erweitern daher den Begriff der Strategie um die Möglichkeit, eine Strategie mit einer gewissen Wkt zu spielen: gemischte Strategie (Standardtrick: Wenn ein Problem keine Lösung hat, vergrößere Lösungsraum) Gemischte Strategien im Spiel Elfmeter Schütze Torwart links [q l ] rechts [q r ] links [p l ], + +, rechts [p r ] +,, + Neu: Jeder Spieler wählt eine Wahrscheinlichkeit mit der er nach links bzw rechts schießt bzw springt Dh Spieler haben WktsVerteilungen als Strategien, Schü: p, Torw: q : Strategieraum des Schü: S Schü = {p = (p l, p r ) : 0 p l, p r, p l + p r = } Strategieraum des Torw: S Torw = {q = (q l, q r ) : 0 q l, q r, q l + q r = } Reine Strategien l, r in S Schü u S Torw enthalten, zb Schü: l p = (, 0) Nutzen der Spieler aus Strategienprofil (p, q): Erwartungsnutzen: U Schü (p, q) = p l q l u Schü (l, l) +p l q r u Schü (l, r) +p r q l u Schü (r, l) = U Torw (p, q) = p l q l u Torw (l, l) +p l q r u Torw (l, r) +p r q l u Torw (r, l) = = +p r q r u Schü (r, r) = +p r q r u Torw (r, r) 5 / 24 6 / 24 Beispiel f Erwartungsnutzen im Elfmeter-Spiel Gesehen: Erwartungsnutzen der Spieler bei (p, q) (dh Schü: (p l, p r ), Torw: (q l, q r )): U Schü (p, q) = p l q l u Schü (l, l) + p l q r u Schü (l, r) + p r q l u Schü (r, l) + p r q r u Schü (r, r) = p l q l + p l ( q l ) + ( p l ) q l ( p l ) ( q l ) U Torw (p, q) = p l q l u Torw (l, l) + p l q r u Torw (l, r) + p r q l u Torw (r, l) + p r q l u Torw (r, r) = + p l q l p l ( q l ) ( p l ) q l + ( p l ) ( q l ) Beispiel: Angenommen, Torwart wählt Strategie q = (q l, q r ) = ( 2, ) 3 3 Dh Torwart springt mit Wkt q l = 2 in li Ecke, mit Wkt q 3 r = in re Ecke 3 Wenn der Schütze die li Ecke wählt, dh die reine Strategie l ˆ= p = (, 0) spielt, hat er den erwarteten Nutzen U Schü (l, q) = 2 ( ) = Wenn der Schütze die re Ecke wählt, dh die reine Strategie r ˆ= p = (0, ) spielt, hat er den erwarteten Nutzen U Schü (r, q) = ( ) = Wenn der Schütze eine gemischte Strategie p = (p l, p r ) wählt, dh mit Wkt p l > 0 in nach links schießt und mit Wkt p r = p l > 0 rechts, steigt sein Nutzen linear mit p r von auf Beste Antwort des Schützen auf Strategie (q l, q r ) = ( 2, ) des Torwarts ist 3 3 die reine Strategie r Klar: Wenn der Torw dazu neigt, nach li zu springen, sollte der Schü nach re schießen Nash-GG im Elfmeter-Spiel (via: Indifferenz) Allgemein: Beste Antwort des Schützen auf einen Torwart, der bevorzugt in eine Ecke springt, ist: Nimm die andere Ecke Wenn der Torwart keine Ecke bevorzugt, dh ˆq = ( 2, 2 ), ist der Schütze indifferent zwischen seinen reinen Strategien l u r denn: U Schü (l, ˆq) = 2 ( ) + 2 = 0 = 2 ( ) + 2 = U Schü(r, ˆq) und damit indifferent zwischen jeder Mischung dieser reinen Strategien denn: U Schü ((p l, p r ), ˆq) = p l U Schü (l, ˆq) + p r U Schü (r, ˆq) Beste Antwort(menge) des Schü auf ˆq = ( 2, 2 ) somit: Belieb p S Schü Insbes ist ˆp = ( 2, 2 ) eine beste Antwort des Schü auf Torw: ˆq = ( 2, 2 ) Torwart analog: Beste Antwort auf Schützen, der eine Ecke bevorzugt, ist: gleiche Ecke Beste Antwort(menge) auf Schü: ˆp = ( 2, 2 ) ist: Bel q = (q l, q r ) in S Torw Insbes ist ˆq = ( 2, 2 ) eine beste Antwort des Torw auf Schü: ˆp = ( 2, 2 ) Also: (ˆp, ˆq) ist (einziges) Nash-GG (p, q ) des SPs in gemischt Strategien Da p = ( 2, 2 ) und q = ( 2, 2 ): Einzig mögliche stabile Vereinbarung des Spielausgangs : Gegner im Unklaren darüber lassen, was man machen wird 7 / 24 8 / 24
3 R Schü (q) R Otto (q) R Schü (q) Nash-GG im Elfmeter-Spiel (via: stetige Strat) Alternative Methode zur Bestimmung des Nash-GGs (bei 2 2-Bimatrix-SP!), demonstriert anhand: Torwart links [q] rechts [ q] links [p], + +, Schütze rechts [ p] +,, + Identifiziere Strat des Schützen mit der Wkt p = p l, dass er links schießt, Identifiziere Strat des Torwarts mit der Wkt q = q l, dass er links springt Erwartungsnutzen der Spieler bei Strategienprofil (p, q): U Schü (p, q) = p q + p ( q) + ( p) q ( p) ( q) U Torw (p, q) = +p q p ( q) ( p) q + ( p) ( q) Wir befinden uns in der Situation eines Spiels mit stetigen Strategien p S Schü =[0, ], q S Torw = [0, ] und diffbaren Nutzenfktnen U Schü, U Torw Allerdings: U Schü (p, q) bzw U Torw (p, q) sind linear im Strategieparameter des jeweiligen Spielers, dh wir erhalten: 2 U Schü p = 0 0, 2 U Torw 2 q = Aufpassen bei Ermittlung der Nash-GGe aus BedOrdn! Nash-GG im Elfmeter-Spiel graphisch U Schü p = q + ( q) q + ( q) = 2 4q = 4 ( 2 q) folgt: f q < /2 R Schü (q) = [0, ] f q = /2 0 f q > /2 q < /2 U Schü (p, q) strikt wachsend in p q = /2 U Schü (p, q) konstant in p q > /2 U Schü (p, q) strikt fallend in p U Torw q = +p + p ( p) ( p) = 4p 2 = 4 (p 2 ) folgt: 0 f p < /2 R Torw (p) = [0, ] f p = /2 f p > /2 q R Torw (p) p < /2 U Torw (p, q) strikt fallend in q p = /2 U Schü (p, q) konstant in q p > /2 U Schü (p, q) strikt wachsend in q ½ 0 0 Nash GG R Torw (p) ½ p 9 / 24 0 / 24 Battle of Sexes (via: stetige StratRäume) Wende gleiche Methode an auf BoS: Theater [q] Fußball [ q] Theater [p], 2, Fußball [ p] 0, 0 2, Identifiziere Strat von SP mit der Wkt p, dass SP Aktion Theater wählt, Identifiziere Strat von SP2 mit der Wkt q, dass SP2 Aktion Theater wählt Erwartungsnutzen der Spieler bei Strategienprofil (p, q): U (p, q) = p q + p ( q) ( ) + ( p) q 0 + ( p) ( q) 2 = p q p ( q) + 2( p) ( q) U 2 (p, q) = +p q 2 + p ( q) ( ) + ( p) q 0 + ( p) ( q) = 2 p q p ( q) + ( p) ( q) Partielle Ableitungen nach Strategieparameter des jeweiligen Spielers: U { Grenznutzen im eigenen p = q ( q) 2( q) = 4q 3 U { 2 Grenznutzen im eigenen q = 2p + p ( p) = 4p Strategieparameter p hängt (nur) von Gegenstrategie q ab Strategieparameter q hängt (nur) von Gegenstrategie p ab RFktnen im Battle of Sexes; Nash-GGe graphisch U p = 4q 3 folgt: q < 3 /4 U (p, q) strikt fallend in p q = 3 /4 U (p, q) konstant in p q > 3 /4 U (p, q) strikt wachsend in p U 2 q = 4p folgt: p < /4 U 2 (p, q) strikt fallend in q p = /4 U 2 (p, q) konstant in q p > /4 U 2 (p, q) strikt wachsend in q R (q) = =p (q) R 2 (p) =q (p) SP (Otto) präferiert Fußball, SP2 (Anna) präferiert Theater p: Ottos Wkt, Theater zu wählen; q: Annas Wkt für Theater q = R 2 (p): Annas BA (als ihre Wkt f Theater), wenn sie Ottos Wkt, ins Theater zu gehen, auf p einschätzt Wenn Anna glaubt, Otto geht mit Wkt p < ins Theater, 4 sollte sie zum Fußball gehen (q = R 2 (p) = 0) Wenn Anna glaubt, Otto geht mit Wkt p > ins Theater, 4 sollte sie ins Theater gehen (q = R 2 (p) = ) Wenn Anna glaubt, Otto geht mit Wkt p = ins Theater, 4 dann ist Anna indifferent zwischen Theater und Fußball 0 f q < 3 /4 [0, ] f q = 3 /4 f q > 3 /4 0 f p < /4 = [0, ] f p = /4 f p > /4 q p: Prob(Otto: Theater) -> R Anna (p) ¾ ¼ 3 Nash-GGe q: Prob(Anna: Theater) -> p / 24 2 / 24
4 Bimatrix-Spiele mit mehr als zwei Strategien Gesehen: In 2 2 Bimatrix-Spielen kann man gemischte Nash-GGe wie in Spielen mit stetigen Strategieräumen finden: Reaktionsfunktionen ermitteln und dann deren Schnittpunkte bestimmen Das geht, weil bei 2 2-Spielen eine gemischte Strategie einfach einer Zahl zwischen 0 und entspricht In Bimatrix-Spielen, in denen ein Spieler mehr als zwei Strategien hat, ist dieses Verfahren nicht mehr besonders praktikabel Es gibt aber eine andere Methode (die uns schon als Indifferenzprinzip in den 2 2-Beispielen begegnet ist) Sie nutzt die Struktur des Erwartungsnutzens aus, vor allem: Linear in den eigenen Strategievariablen (wie auch in denen des Gegenspielers) Optimierungstheoretische Einordnung des Problems Finde alle, auch die gemischten, Nash-GGe in Matrix-Spielen : Gekoppelte lineare Optimierungsprobleme; gekoppelt weil die Entscheidungsvariablen des Gegenspielers jeweils Parameter des Problems in den eigenen Entscheidungsvariablen sind Beachte: Hauptproblem bei linearen Optimierungsproblemen ist es, die Menge der Restriktionen zu finden, die in der Lösung binden bzw nicht binden Das ist hier die Frage, in welchen reinen Strategien das Nash-GG mischt Erwartungsnutzen (in Bimatrix-Spielen) Der Erwartungsnutzen von Spieler i ist sein erwarteter Nutzen, wenn { mit Wkt p die reine Strategie a } SP spielt mit Wkt p K die reine Strategie a K und unabhängig davon { mit Wkt q die reine Strategie x } SP2 spielt mit Wkt q M die reine Strategie x M Da die Spieler unabhängig voneinander ziehen, ist die Wkt für den Spielausgang (a k, x m ) durch p k q m gegeben und der erwartete Nutzen von Spieler i ergibt sich als U i (p, q) = K k= m= M p k q m u i (a k, x m ) Ein Nash-GG (p, q ) in gemischten Strategien ist dadurch definiert, dass sich beide Spieler beste Antworten bzgl ihres Erwartungsnutzens geben 3 / 24 5 / 24 Gemischte Strategien (in Bimatrix-Spielen) Spiel jetzt: x [q ] x M [q M ] a [p ] u (a, x ), u 2 (a, x ), u (a, x M ), u 2 (a, x M ),,, a K [p K ] u (a K, x ), u (a K, x ), u (a K, x M ), u 2 (a K, x M ) Beispiel: Das Spiel soll in gemischten Strategien untersucht werden, dh Strategieraum SP = {p = (p,, p K ) : 0 p k k, p + + p K = } Strategieraum SP2 = {q = (q,, q M ) : 0 q m m, q + + q M =} Die Strategien der Spieler sind also Wkts-Vtlgen (Lotterien), SP: p, SP2: q 4 / 24 Indifferenzbedingung (in Bimatrix-Spielen) Satz: Ein Strategienprofil (p, q) ist genau dann ein Nash-GG in gemischten Strategien, wenn gilt: (A) Jeder Spieler ist indifferent zwischen den reinen Strategien, die er mit positiver Wkt spielt (B) Die reinen Strategien, die ein Spieler mit Wkt 0 spielt, stellen ihn nicht besser als die reinen Strategien, die er mit positiver Wkt spielt Veranschaulichung: Betrachte ein gemischtes Nash-GG in einem 2 2-Bimatrix-Spiel Die Bedingung (B) ist dann leer (warum?) Um zu sehen, dass die Indifferenzbedingung (A) für SP gilt, beachte dass man den Erw- Nutzen von SP wie folgt darstellen kann (vgl Argument bei Elfmeter ): U (p, q) = p U (a, q) + p 2 U (a 2, q) Wenn die Indifferenzbedingung (A) verletzt ist, dh wenn U (a, q) U (a 2, q), dann ist die beste Antwort von SP auf q eine reine Strategie: Nämlich R (q) = a, wenn U (a, q) > U (a 2, q) und R (q) = a 2, wenn U (a, q) < U (a 2, q) Ein Nash-GG in gemischten Strategien kann also nur vorliegen, wenn q so gestaltet ist, dass Bed (A) gilt: U (a, q) = U (a 2, q) (und dann ist jedes p von SP eine beste Antwort auf q) 6 / 24
5 3 2-Beispiel zur Indifferenzbedingung (I) Angenommen, SP2 spielt q = ( 2, 2 ) U (b, q) = 0 q + 3 q p 2 + p 2 Kann dieses q Bestandteil eines Nash-GGs (p, q) mit p = (p, p 2, 0) sein? Dazu müsste gelten: (A) U (a, q) = U (b, q) (und dann müsste (B): { der gemeins }} Wert von U { U (c, q) sein) (Außerdem müsste (A) für SP2: U 2 (p, x) = U 2 (p, y) gelten; (B) für SP2 hier leer) U (a, q) = 2 q + 0 q 2 = = U (b, q) = 0 q + 3 q 2 = = 3 2 Bedingung (A) für SP ist verletzt SP profitiert, wenn er b mit Wkt (statt einer anderen Mischng aus a,b) gegen q spielt Ein Stratprofil (p, q) mit q = ( 2, 2 ) und p 3 = 0 kann kein Nash-GG sein 3 2-Beispiel zur Indifferenzbedingung (III) U (b, q) = 0 q + 3 q p 2 + p 2 Wir wollen überprüfen, ob ein Nash-GG (p, q) mit p = (p, 0, p 3 ) existiert Wir wählen q =(q, q 2 ) sd Bed(A) für SP: U (a, q) = U (c, q) erfüllt ist: 2q +0q 2 = q +5q 2 3q = 5q 2 = 5( q ) 8q = 5 q = 5 8 Tatsächlich: Bed (A) für SP ist mit q = ( 5 8, 3 8 ) erfüllt (nur Probe ): U (a, q) = 2 q + 0 q 2 = = 0 8 U (c, q) = q + 5 q 2 = = 0 8 Jetzt Bedingung (B) für SP: U (b, q) = = Zeigt: SP kann nicht profitieren, wenn er Wktsmasse von a und c weg auf b verlegt Damit es ein Nash-GG ist, müssen auch Bed (A) und (B) f SP2 erfüllt sein Bed (A) wird das p des (vermuteten) Nash-GGs (p, q) festlegen, dann (B) checken 7 / 24 9 / Beispiel zur Indifferenzbedingung (II) Angenommen, SP2 spielt q = ( 3 5, 2 5 ) U (b, q) = 0 q + 3 q p 2 + p 2 { wir wählen q gerade so, dass Bed (A) für SP erfüllt ist, siehe unten Kann dieses q Bestandteil eines Nash-GGs (p, q) mit p = (p, p 2, 0) sein? U (a, q) = 2 q + 0 q 2 = = 6 5 U (b, q) = 0 q + 3 q 2 = = 6 5 Bedingung (A) für SP ist erfüllt Wir haben q gerade so gewählt, dass Bed (A) für SP mit p = (p, p 2, 0) erfüllt ist: U (a, q) =! U (b, q) 2q = 3q 2 = 3( q ) = 3 3q 5q = 3 q = 3/5 Aber: U (c, q) = = 7 5 > 6 5 Bedingung (B) ist verletzt Zeigt: SP würde profitieren, wenn er Wktsmasse von a und b weg auf c verlegt 3 2-Beispiel zur Indifferenzbedingung (III Forts) U (b, q) = 0 q + 3 q p 2 + p 2 Gesehen: Bed (A) für SP mit p = (p, 0, p 3 ) äq zu: q = ( 5 8, 3 8 ) und: Bed (B) für SP mit diesem q erfüllt Wir bestimmen p, p 3 aus Bed (A) für SP2: U 2 (p, x) = U 2 (p, y): p +3p 3 = 3p +0p 3 2p = 3p 3 = 3( p ) 5p = 3 p = 3 5 Tatsächlich: Bed (A) für SP2 mit p = ( 3 5, 0, 2 5 ) erfüllt (nur Probe ): U 2 (p, x) = p + 2 p p 3 = = 9 5 U 2 (p, y) = 3 p + p = = 9 5 Bedingung (B) für SP2 ist leer (also automatisch erfüllt )! Nash-GG (p, q) gefunden: p = ( 3 5, 0, 2 5 ), q = ( 5 8, 3 8 ) 20 / 24 8 / 24
6 Hat das Beispiel weitere Nash-GGe? Um alle Nash-GGe des Beispiels über den Indifferenzsatz zu finden, müsste man alle Konstellationen von bindenden Nullen in p behandeln Wir haben bereits behandelt: p = (p, p 2, 0) p = (p, 0, p 3 ) Noch zu untersuchen wäre (als Übungsaufgabe): p = (0, p2, p 3 ) mit p 2 > 0, p 3 > 0 und p 2 + p 3 = p = (p, p 2, p 3 ) mit p > 0, p 2 > 0, p 3 > 0 und p + p 2 + p 3 = p = (, 0, 0) p = (0,, 0) p = (0, 0, ) Normalerweise (aber nicht immer) hat man in einem gemischten Nash-GG (p, q) genauso viele von Null verschiedene Wkten in p wie in q Dh hier: Es wäre ein Ausnahmefall, wenn ein Nash-GG (p = (p, p 2, p 3 ), q) mit p > 0, p 2 > 0, p 3 > 0 existiert, da q max 2 Wkten 0 haben kann und die Nash-GGe, die man in den Fällen p = (, 0, 0),, p = (0, 0, ) findet, sind normalerweise gerade die Nash-GGe in reinen Strategien des SPs Allgemeine Indifferenzbedingung Satz: Ein Strategienprofil p = (p (),, p (n) ) ist genau dann ein Nash-GG des Spiels in gemischten Strategien, wenn für jeden Spieler gilt: (A) SPi ist indifferent in allen reinen Strategien, die er mit positiver Wkt spielt; (B) SPi hat keine reine Strategie, die ihn strikt besser stellt Anmerkung: Gegeben ein Nash-GG (p (),, p (n) ), sei A i die Anzahl reiner Strategien, die Spieler i mit positiver Wkt spielt (zw denen SPi also indifferent ist) Normalerweise (aber nicht immer) ist diese Zahl die gleiche für jeden Spieler: A i = A ( A i hängt vom Nash-GG, aber nicht vom Spieler ab ): ZB: Jeder Spieler hat gleich viele Strategien K i = K: Dann treten normalerweise nur Nash-GGe auf, bei denen für jeden Spieler A = Wkten positiv sind: Nash-Gleichgewicht in reinen Strategien A = K Wkten positiv sind: Vollständig gemischtes Nash-GG Das gilt nur idr Der Indifferenzsatz erfasst auch die Ausnahmefälle 2 / / 24 Gemischte Strategien in Spielen mit n > 2 Spielern Betrachte nun Spiele mit n 2 Spielern unter der Einschränkung: Jeder Spieler hat nur endlich viele reine Strategien (sonst technisch aufwändiger) Spieler i habe K i < reine Strategien s (i),, s(i) K i Eine gemischte Strategie von Spieler i ist eine Wkts-Verteilung p (i) = (p (i),, p(i) K i ), wobei p (i) k [0, ], Ki k= p(i) k = Der Strategieraum (Raum der gemischten Strategien) von Spieler i ist die Menge all dieser WktsVtlngen Spezialfall p (i) k = entspricht der reinen Strategie s(i) k Nutzen von Spieler i als sein Erwartungsnutzen: U i (p (),, p (n) ) = K K n k = k n = p() k p (n) ( () k n u i s k,, s (n) ) k n Entscheidend: Spieler wählen ihre Strategien unabhängig voneinander Wkt für Ereign (s () k,, s (n) k n ) = Produkt der individ Wkten über Spieler Begriffe wie Strategienprofil (in gemischten Strategien) und Nash-GG (in gemischten Strategien) müssen wir nicht nochmal definieren, da bereits für beliebige Strategieräume und Nutzenfunktionen definiert 22 / 24 Zusammenfassender Vgl der beiden Methoden Zur Ermittlung (oder Verifikation) von Nash-GGen in gemischten Strategien wurden zwei Methoden behandelt: Methode : Reduktion auf stetige Strategien: Man eliminiert für jeden Spieler eine Wkt durch minus Summe der anderen Wkten und betrachtet das Spiel in gemischten Strategien als Spiel auf den stetigen Strategieräumen [0, ] K i mit differenzierbaren Nutzenfunktionen Dabei muss man jedoch vorsichtig sein mit der Anwendung der BedOrdn, da die Bed2Ordn hier systematisch verletzt ist Vorteilhaft (und praktikabel) ist die Methode im Fall von 2 2-Bimatrix-Spielen, da man dann die Reaktionsfunktionen der Spieler ermitteln kann und so ein gutes Verständnis der Nash-GGe erhält Methode 2: Anwendung des Indifferenzsatzes: Ein Vorteil dieser Methode ist, dass sie eine allgemeine Charakterisierung gemischter Nash-Gleichgewichte gibt Die Bestimmung aller Nash-Gleichgewichte mit dieser Methode ist allerdings (bereits in 3 2 oder 3 3 Matrixspielen) ein aufwändiges Unterfangen Dagegen ist es mit dieser Methode relativ einfach einen Kandidaten für ein Nash-GG als solches zu verifizieren oder zu falsifizieren Im Vgl zur Methode hat diese Methode den Nachteil, dass man nur Nash-GGe ermittelt (oder widerlegt), aber weniger leicht versteht, warum ein Nash-GG entstanden ist (was mit der Meth allerdings auch nur in einfachen Spielen gelingt) 24 / 24
Wir 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
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
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
MehrKAP 3. Spiele mit mehr als zwei Spielern. Wir verallgemeinern BiMatrix Spiele auf beliebig viele Spieler. Es gibt nun n Spieler i = 1,...
1 KAP 3. Spiele mit mehr als zwei Spielern Wir verallgemeinern BiMatrix Spiele auf beliebig viele Spieler Es gibt nun n Spieler i = 1,..., n Eine typische Strategie für SPi bezeichnen wir mit s i... S
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,
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,
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
MehrKapitel 5: Spiele mit simultanen Spielzügen und reinen Strategien: Kontinuierliche Strategien
Übersicht Teil 2 Kapitel 5: Spiele mit simultanen Spielzügen und reinen Strategien: Kontinuierliche Strategien Kapitel 5 1 Kapitel 5 Übersicht Teil 2 2 Übersicht Reine Strategien als stetige Variablen
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
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
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
MehrKapitel 7 und Kapitel 8: Gleichgewichte in gemischten Strategien. Einleitung. Übersicht Teil 2 2. Übersicht 3
Übersicht Teil 2 Kaitel 7 und Kaitel 8: Gleichgewichte in gemischten Strategien Übersicht Teil 2 2 Übersicht Einleitung Was ist eine gemischte Strategie? Nutzen aus gemischten Strategien Reaktionsfunktionen
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
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
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
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
MehrKapitel 4: Spiele mit simultanen Spielzügen und reinen Strategien: Diskrete Strategien. Einleitung. Übersicht 3
Übersicht Teil : Spiele mit simultanen Spielzügen und reinen : Diskrete Sequentielle Spiele (Kapitel 3) Teil Diskrete () Reine Simultane Spiele Stetige (Kapitel 5) Gemischte (Kapitle 7 & 8) Kapitel 6 Übersicht
MehrEvolutionär stabile Strategien
Evolutionär stabile Strategien Thomas Luxenburger 06.12.2011 LITERATUR: Josef Hofbauer, Karl Sigmund: Evolutionary Games and Population Dynamics, Kapitel 6: Evolutionary stable strategies Gliederung 1
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
MehrSeminar A - Spieltheorie und Multiagent Reinforcement Learning in Team Spielen
Seminar A - Spieltheorie und Multiagent Reinforcement Learning in Team Spielen Michael Gross mdgrosse@sbox.tugraz.at 20. Januar 2003 1 Spieltheorie 1.1 Matrix Game Definition 1.1 Ein Matrix Game, Strategic
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
MehrSpieltheorie. Teil 1: Statische Spiele mit vollständiger Information
Spieltheorie Teil 1: Statische Spiele mit vollständiger Information 1 Worum geht es? Wir untersuchen Situationen, in denen alle Entscheidungsträger (Agenten, Spieler) rational sind, jeder Spieler eine
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
MehrKlausur Mikroökonomik II. Wichtige Hinweise
Prof. Dr. Anke Gerber Klausur Mikroökonomik II 2. Termin Wintersemester 2014/15 19.03.2015 Wichtige Hinweise 1. Lösen Sie nicht die Heftung der ausgeteilten Klausur. 2. Verwenden Sie nur das ausgeteilte
Mehrwie 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
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
MehrNeben der Addition tritt nun die Multiplikation als weitere Struktureigenschaft
Kapitel 3 Rationale Zahlen 31 Die rationalen Zahlen (Körper, Abzählbarkeit) Was ist mit der Gleichung z q = w in Z? Für gegebene z, w Z ist diese Gleichung in der Menge der ganzen Zahlen im Allgemeinen
MehrMikroökonomik B (Bachelor)
Bitte eintragen: Matrikel-Nr.: Mikroökonomik B (Bachelor) Prüfung vom 22.07.2014 Wichtige Hinweise: Sie haben 90 Minuten Zeit, um die folgenden drei Aufgaben zu insgesamt 90 Punkten zu bearbeiten. Teilen
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
MehrIndustrieökonomik II Wintersemester 2007/08 1. Industrieökonomik II. Prof. Dr. Ulrich Schwalbe. Wintersemester 2007/ 2008
Industrieökonomik II Wintersemester 2007/08 1 Industrieökonomik II Prof. Dr. Ulrich Schwalbe Wintersemester 2007/ 2008 Industrieökonomik II Wintersemester 2007/08 2 Gliederung 1. Wettbewerbsbeschränkungen
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
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
MehrInformationsökonomik: Anwendung Versicherungsmarkt
Informationsökonomik: Anwendung Versicherungsmarkt Tone Arnold Universität des Saarlandes 13. Dezember 2007 Tone Arnold (Universität des Saarlandes) Informationsökonomik: Anwendung Versicherungsmarkt 13.
MehrMikroökonomik B (Bachelor)
Bitte eintragen: Matrikel-Nr.: MUSTERLÖSUNG Mikroökonomik B (Bachelor) Prüfung vom 22.07.2014 Wichtige Hinweise: Sie haben 90 Minuten Zeit, um die folgenden drei Aufgaben zu insgesamt 90 Punkten zu bearbeiten.
MehrZusatzaufgaben. schöne Aufgabe in der Literatur finden oder Sie sich eine ausdenken, schicken Sie sie uns und wir werden sie hier hinzufügen.
Zusatzaufgaben In diesem Dokument werden wir Ihnen einige zusätzliche Übungsaufgaben zur Verfügung stellen. Es ist hiermit noch nicht abgeschlossen, sondern soll bis zum Ende des Semesters wachsen. Falls
MehrMultiplizitätskorrektur bei Variablenselektion
Multiplizitätskorrektur bei Variablenselektion Seminar: Multiples Testen Dozent: Prof. Dr. T. Dickhaus Referent: Maximilian Mönch - 22.11.2010 - Überblick 1) Einleitung 2) Multiplizitätskorrektur 3) Median
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
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.
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
MehrFachbereich 10 Institut für Wirtschaftswissenschaften Professur für Volkswirtschaftslehre. Spieltheorie. Prof. Dr. Gernot Sieg.
Fachbereich 10 Institut für Wirtschaftswissenschaften Professur für Volkswirtschaftslehre Spieltheorie Prof. Dr. Gernot Sieg Übungsaufgaben Wintersemester 2002/2003 III Inhaltsverzeichnis 1 Statische
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 7
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion
MehrMikroökonomik B (Bachelor)
Bitte eintragen: Matrikel-Nr.: Mikroökonomik B (Bachelor) Prüfung vom 19.09.2012 Wichtige Hinweise: Sie haben 90 Minuten Zeit, um die folgenden drei Aufgaben zu insgesamt 90 Punkten zu bearbeiten. Teilen
MehrKonvergenz, Filter und der Satz von Tychonoff
Abschnitt 4 Konvergenz, Filter und der Satz von Tychonoff In metrischen Räumen kann man topologische Begriffe wie Stetigkeit, Abschluss, Kompaktheit auch mit Hilfe von Konvergenz von Folgen charakterisieren.
MehrIK Ökonomische Entscheidungen & Märkte
LVA-Leiter: Martin Halla Einheit 4: Das Verbraucherverhalten (Kapitel 3) Einheit 4-1 - Verbraucherverhalten Budgetbeschränkung: Man kann nicht alles haben, was man sich wünscht! Konsumentenpräferenzen:
MehrGrundzüge der Spieltheorie
Grundzüge der Spieltheorie Prof. Dr. Stefan Winter Ruhr-Universität Bochum Begleitmaterialien zur Vorlesung sind abrufbar unter: http://www.rub.de/spieltheorie 1 Die folgende Vorlesungsaufzeichnung und
MehrSpieltheorie. Prof. Dr. Bernhard Nebel. Assistent: Dipl.-Inf. Malte Helmert L A TEX-Umsetzung: Ingo Thon
pieltheorie Prof. Dr. Bernhard Nebel Assistent: Dipl.-Inf. Malte Helmert A TEX-Umsetzung: Ingo Thon {nebel, helmert, thon}@informatik.uni-freiburg.de ommersemester 2005 Inhaltsverzeichnis 1 Einführung
MehrDonnerstag, 11. Dezember 03 Satz 2.2 Der Name Unterraum ist gerechtfertigt, denn jeder Unterraum U von V ist bzgl.
Unterräume und Lineare Hülle 59 3. Unterräume und Lineare Hülle Definition.1 Eine Teilmenge U eines R-Vektorraums V heißt von V, wenn gilt: Unterraum (U 1) 0 U. (U ) U + U U, d.h. x, y U x + y U. (U )
Mehr1928 John von Neumann Zur Theorie der Gesellschaftsspiele, Mathematische Annalen 100:
Spieltheorie 1928 John von Neumann Zur Theorie der Gesellschaftsspiele, Mathematische Annalen 100:295 320 1944 John von Neumann & Oskar Morgenstern The Theory of Games and Economic Behavior, Princeton
MehrTopologische Begriffe
Kapitel 3 Topologische Begriffe 3.1 Inneres, Rand und Abschluss von Mengen Definition (innerer Punkt und Inneres). Sei (V, ) ein normierter Raum über K, und sei M V eine Menge. Ein Vektor v M heißt innerer
Mehr6 Reelle und komplexe Zahlenfolgen
$Id: folgen.tex,v.7 200//29 :58:57 hk Exp hk $ 6 Reelle und komplexe Zahlenfolgen 6. Folgenkonvergenz In der letzten Sitzung hatten wir den Begriff der Konvergenz einer reellen oder komplexen Folge gegen
MehrDarstellungsformeln für die Lösung von parabolischen Differentialgleichungen
Kapitel 8 Darstellungsformeln für die Lösung von parabolischen Differentialgleichungen Wir hatten im Beispiel 5. gesehen, dass die Wärmeleitungsgleichung t u u = f auf Ω (0, ) (8.1) eine parabolische Differentialgleichung
MehrGrundzüge der Spieltheorie
Grundzüge der Spieltheorie Prof. Dr. Stefan Winter Ruhr-Universität Bochum Begleitmaterialien zur Vorlesung sind abrufbar unter: http://www.rub.de/spieltheorie 1 Die folgende Vorlesungsaufzeichnung und
MehrDieses Vielfach hängt ab von der Form der Nutzenfunktion. Man bezeichnet dies auch als Arrow-Pratt Koeffizient.
Die Riskoprämie ergibt sich also als ein Vielfaches der Varianz der zugrundeliegenden Unsicherheit Dieses Vielfach hängt ab von der Form der Nutzenfunktion. Man bezeichnet dies auch als Arrow-Pratt Koeffizient.
MehrÜbung zur Vorlesung Multiagentensysteme
Ludwig-Maximilians-Universität München SS 2007 Institut für Informatik Aufgabenblatt 1 Dr. Brandt / Fischer & Harrenstein 23. April 2007 Übung zur Vorlesung Multiagentensysteme Tutorübung: 25. April 2007
MehrLösungen zum 5. Aufgabenblatt
SS 2012, Lineare Algebra 1 Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com
Mehr10. Grenzwerte von Funktionen, Stetigkeit, Differenzierbarkeit. Der bisher intuitiv verwendete Grenzwertbegriff soll im folgenden präzisiert werden.
49. Grenzwerte von Funktionen, Stetigkeit, Differenzierbarkeit a Grenzwerte von Funktionen Der bisher intuitiv verwendete Grenzwertbegriff soll im folgenden präzisiert werden. Einführende Beispiele: Untersuche
MehrUnabhängigkeit KAPITEL 4
KAPITEL 4 Unabhängigkeit 4.1. Unabhängigkeit von Ereignissen Wir stellen uns vor, dass zwei Personen jeweils eine Münze werfen. In vielen Fällen kann man annehmen, dass die eine Münze die andere nicht
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 4
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 4 Hausaufgaben Aufgabe 4. Gegeben sei die Funktion f : D R mit f(x) :=
MehrAllgemeines Gleichungssystem mit zwei Gleichungen und zwei Variablen. Der erste Index bezeichnet die Nummer der Zeile, der zweite die der Spalte.
Lineare Gleichungssysteme. Einleitung Lineare Gleichungssysteme sind in der Theorie und in den Anwendungen ein wichtiges Thema. Theoretisch werden sie in der Linearen Algebra untersucht. Die Numerische
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
MehrDer Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt.
Kapitel 3 Konvexität 3.1 Konvexe Mengen Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Definition 3.1 Konvexer Kegel. Eine Menge Ω R n heißt konvexer Kegel, wenn mit x
MehrWichtige Informationen vorab
Wichtige Informationen vorab Wir haben eine Mailing Liste "Vorles- UebSS09Kapitalmarkt" eingerichtet. Über diese Mailingliste erhalten Sie in Zukunft die Vorlesungsunterlagen und die Übungsunterlagen.
MehrVorlesung. Funktionen/Abbildungen 1
Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.
Mehr2. Spezielle anwendungsrelevante Funktionen
2. Spezielle anwendungsrelevante Funktionen (1) Affin-lineare Funktionen Eine Funktion f : R R heißt konstant, wenn ein c R mit f (x) = c für alle x R existiert linear, wenn es ein a R mit f (x) = ax für
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
MehrKapitel 16 : Differentialrechnung
Kapitel 16 : Differentialrechnung 16.1 Die Ableitung einer Funktion 16.2 Ableitungsregeln 16.3 Mittelwertsätze und Extrema 16.4 Approximation durch Taylor-Polynome 16.5 Zur iterativen Lösung von Gleichungen
MehrA2.3 Lineare Gleichungssysteme
A2.3 Lineare Gleichungssysteme Schnittpunkte von Graphen Bereits weiter oben wurden die Schnittpunkte von Funktionsgraphen mit den Koordinatenachsen besprochen. Wenn sich zwei Geraden schneiden, dann müssen
MehrLänge eines Vektors und Abstand von zwei Punkten 2. 4 = 6. Skalarprodukt und Winkel zwischen Vektoren
Länge eines Vektors und Abstand von zwei Punkten Aufgabe Bestimme die Länge des Vektors x. Die Länge beträgt: x ( ) =. Skalarprodukt und Winkel zwischen Vektoren Aufgabe Es sind die Eckpunkte A(; ), B(
Mehr8 Extremwerte reellwertiger Funktionen
8 Extremwerte reellwertiger Funktionen 34 8 Extremwerte reellwertiger Funktionen Wir wollen nun auch Extremwerte reellwertiger Funktionen untersuchen. Definition Es sei U R n eine offene Menge, f : U R
Mehr1 Axiomatische Charakterisierung der reellen. 3 Die natürlichen, die ganzen und die rationalen. 4 Das Vollständigkeitsaxiom und irrationale
Kapitel I Reelle Zahlen 1 Axiomatische Charakterisierung der reellen Zahlen R 2 Angeordnete Körper 3 Die natürlichen, die ganzen und die rationalen Zahlen 4 Das Vollständigkeitsaxiom und irrationale Zahlen
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
Mehr45 Eigenwerte und Eigenvektoren
45 Eigenwerte und Eigenvektoren 45.1 Motivation Eigenvektor- bzw. Eigenwertprobleme sind wichtig in vielen Gebieten wie Physik, Elektrotechnik, Maschinenbau, Statik, Biologie, Informatik, Wirtschaftswissenschaften.
MehrKapitel 13. Evolutionäre Spieltheorie. Einleitung. Evolutionäre Biologie. Übersicht 2. Alternative: Biologische Evolutionstheorie
Übersicht : Evolutionäre Spieltheorie Einleitung Evolutionäre Biologie Evolutionäre Spieltheorie: Idee Gefangenendilemma (Beispiel) Evolutionäre Stabilität Beispiele Wiederholtes Gefangenendilemma Chicken-Spiel
Mehr4. Wiederholte Spiele
4. Wiederholte Spiele Klaus M. Schmidt LMU München Spieltheorie, Wintersemester 2014/15 Klaus M. Schmidt (LMU München) 4. Wiederholte Spiele Spieltheorie, Wintersemester 2014/15 1 / 43 Literaturhinweise
MehrGeometrie in der Spieltheorie
Evolutionäre Spieltheorie November 3, 2011 Evolution der Spieltheorie John von Neumann, Oskar Morgenstern 1944: The Theory of Games and Economic Behavior John Nash 1950: Non-cooperative Games Nash Gleichgewicht:
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
MehrÜbungen zu Einführung in die Numerische Mathematik (V2E2) Sommersemester 2016
Übungen zu Einführung in die Numerische Mathematik (VE) Sommersemester 6 Prof. Dr. Martin Rumpf Pascal Huber Sascha Tölkes Übungsblatt 8 Abgabe:.6.6 Aufgabe 5 (Elliptisches Randwertproblem auf einem Ring)
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)
MehrZufallsprozesse, Ereignisse und Wahrscheinlichkeiten die Grundlagen
Zufallsprozesse, Ereignisse und Wahrscheinlichkeiten die Grundlagen Wichtige Tatsachen und Formeln zur Vorlesung Mathematische Grundlagen für das Physikstudium 3 Franz Embacher http://homepage.univie.ac.at/franz.embacher/
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
MehrPotenzgesetze und Logarithmengesetze im Komplexen
Potenzgesetze und Logarithmengesetze im Komplexen Man kennt die Potenzgesetze und die Logarithmengesetze gewöhnlich schon aus der Schule und ist es gewohnt, mit diesen leicht zu agieren und ohne große
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern
MehrAsymmetrische Spiele. Eric Barré. 13. Dezember 2011
Asymmetrische Spiele Eric Barré 13. Dezember 2011 Gliederung 1 Einführung Allgemeines Definition Begründung Nash-Gleichgewicht 2 Kampf der Geschlechter Allgemein Auszahlungsmatrix Nash-Gleichgewicht Beispiel
Mehr15 Hauptsätze über stetige Funktionen
15 Hauptsätze über stetige Funktionen 15.1 Extremalsatz von Weierstraß 15.2 Zwischenwertsatz für stetige Funktionen 15.3 Nullstellensatz von Bolzano 15.5 Stetige Funktionen sind intervalltreu 15.6 Umkehrfunktionen
MehrEinführung in die linearen Funktionen. Autor: Benedikt Menne
Einführung in die linearen Funktionen Autor: Benedikt Menne Inhaltsverzeichnis Vorwort... 3 Allgemeine Definition... 3 3 Bestimmung der Steigung einer linearen Funktion... 4 3. Bestimmung der Steigung
Mehr11 Optimierung von Funktionen einer Veränderlichen
11 Optimierung von Funktionen einer Veränderlichen In diesem Kapitel werden die bis hier behandelten Grundlagen der Analysis genutzt, um Methoden aus der Optimierungstheorie für eindimensionale Entscheidungsmengen
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 5. Juni 2016 Definition 5.21 Ist a R, a > 0 und a 1, so bezeichnet man die Umkehrfunktion der Exponentialfunktion x a x als
MehrFehlerfortpflanzung & Extremwertbestimmung. Folie 1
Fehlerfortpflanzung & Etremwertbestimmung Folie 1 Fehlerfortpflanzung Einführung In vielen technischen Zusammenhängen sind die Werte bestimmter Größen nicht genau bekannt sondern mit einer Unsicherheit
Mehr3.5 Ringe und Körper. Diese Eigenschaften kann man nun auch. 1. (R, +) ist eine kommutative Gruppe. 2. Es gilt das Assoziativgesetz bezüglich.
3.5 Ringe und Körper Gehen wir noch mal zu den ganzen Zahlen zurück. Wir wissen: (Z, + ist eine Gruppe, es gibt aber als Verknüpfung noch die Multiplikation, es gibt ein neutrales Element bezüglich, es
MehrThema 3 Folgen, Grenzwerte
Thema 3 Folgen, Grenzwerte Definition Eine Folge von reellen Zahlen ist eine Abbildung von N in R d.h. jedem n N ist eine Zahl a n zugeordnet. Wir schreiben für eine solche Folge. Beispiele. (a n ) n N
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
Mehr