No. 14. Jiří Hlaváček, Michal Hlaváček. Ekonomicky racionální altruismus

Rozměr: px
Začít zobrazení ze stránky:

Download "No. 14. Jiří Hlaváček, Michal Hlaváček. Ekonomicky racionální altruismus"

Transkript

1 No. 14 Jiří Hlaváček, Michal Hlaváček Ekonomicky racionální altruismus 1

2 Obsah ltruismus : zvláštní případ sounáležitosti se společenstvím... 3 Modely altruistické alokace... 4 Pravděpodobnost (ekonomického) přežití úměrná relativní rezervě : Paretovo rozdělení pravděpodobnosti... 6 Model absolutní solidarity... 8 Model minimalizace míry rizika současného zániku obou subjektů Model minimalizace rizika zániku větší části společenství Model maximalizace střední hodnoty početní síly společenství

3 ltruismus : zvláštní případ sounáležitosti se společenstvím Standardní mikroekonomie pojednává o sobeckém subjektu, který sleduje výhradně vlastní blahobyt. V ekonomickém chování některých subjektů se však objevuje i zájem o blaho jiných subjektů. V určité míře je každý člověk ochoten vzdát se vlastního prospěchu (například vlastních finančních prostředků) ve prospěch svých blízkých. Projevuje se sounáležitost se společenstvím, kterého je (nebo se cítí být) jedinec součástí, například s rodinou, firmou, obcí, vlastí či jen se společenstvím slušných lidí. I pod pojmem altruismus se míní nesobecké vzdání se vlastního majetku ve prospěch druhé osoby resp. druhých osob, například poskytnutí finančního daru. ltruismus a sounáležitost se společenstvím je přirozenou součástí lidské etiky. Už klasik ekonomie dam Smith ve svém etickém údivu nad člověkem zdůrazňuje etickou stránku lidského chování, které je i v ekonomické rovině determinováno nejen vlastním hmotným prospěchem 1. Podstatnými (i když v současné době zdaleka ne dominantními) jsou i projevy, principy a pohnutky vzájemnosti, dilema volby mezi sounáležitostí a protivnictvím, etická asymetrie souhry a protihry i transcendentní obětavost 2. ltruismus se proto obvykle klade do protikladu k sobeckému homo oeconomicus. 1 ltruistou ovšem není subjekt poskytující dotaci ve snaze zvýšit vlastní prospěch (například zlepšení image firmy a tím její ziskovost pomocí sponzoringu vrcholového sportovce nebo populárního sportovního klubu). ltruismus motivovaný očekávanou kompenzací bývá označován jako "měkký". Pokud donátor neočekává žádné kompenzace, hovoříme o altruismu "tvrdého jádra". 3. ltruista tvrdého typu je nezávisle na normách 1 "Jakkoliv člověk může být považován za sobeckého, existují evidentně v jeho povaze určité principy, které ho zainteresovávají na štěstí druhých a to tak, že nic z toho nemá, kromě potěšení, že vidí jejich štěstí.". Viz Smith. (1969).Ve své teorii altruismu popsal vztah silných praktických pohnutek a slabých etických pohnutek (principů) jako mechanismus útlumu sebezájmu. 2 Za další významnou a dnes už klasickou úvahu o motivech člověka k poskytování daru je považována esej o daru Mauss M (1966) 3 Rozlišení tvrdého a měkkého altruismu zavedl zakladatel sociobiologie E.O. Wilson. Viz Wilson E.O (1978) 3

4 konkrétních skupin puzen ke konání dobra a cítí se šťasten, může-li obdarovat. Charakteristickým je pro něj nevykalkulovaný pocit uspokojení z užitku jiných osob. ltruistické chování může být jako součást životaschopného společenství : vyšší míra sounáležitosti členů společenství projevená vyšším darem obvykle 4 ceteris paribus zvyšuje naděje na přežití tohoto společenství v boji o přežití s jinými skupinami. ltruismus, dokonce i altruismus "tvrdého jádra", lze tudíž chápat i v intencích ekonomického paradigmatu homo oeconomicus, chápeme-li jej jako speciální případ sounáležitosti se společenstvím 5. Pociťuje-li altruista sounáležitost s jinými subjekty a pokládá je za součást svého já, je poskytnutí finanční podpory na úkor čistě osobního prospěchu rozhodnutím vysvětlitelným (v podstatě neoklasickou) maximalizací užitku. Je-li cílem subjektu minimalizovat ohrožení zánikem, pak tento jakožto člen (sympatizant) společenství vykazuje averzi nejen k situacím s vysokou mírou ekonomického ohrožení své osoby, nýbrž i k situacím s vysokou mírou ekonomického ohrožení druhých, zejména pak členů společenství, se kterými (v té či oné míře) pociťuje sounáležitost 6. Modely altruistické alokace Je-li předpokládaným individuálním kritériem altruisty - donátora subjektivní pravděpodobnost (ekonomického) přežití chápaného včetně 4 Nikoli nutně. ltruista může neracionálním sebeobětováním v určitých případech ohrozit společenství. Například krajní sebeobětavost jednoho člena rodiny může ohrozit jeho individuální přežití a tím zničit i rodinu. Blíže viz Hlaváček J. a kol. (1999), odst Viz Etzioni, (1995). "Já" v jeho pojetí obsahuje "my, které je součástí každého individua.. Společenský a etický rozměr lidských preferencí podle Etzioniho zákonitě posiluje stabilitu a obvykle i kvalitu ekonomického rozhodování. 6 Za míru sounáležitosti (loajality) se společenstvím pokládá Hirschman subjektivní pravděpodobnost, přikládanou individuem úspěšnosti svého protestu (prosazení svého slova, voice ) v rámci společenství. Druhou alternativou je odchod ze společenství ( exit ). Členství ve společenství je tedy podle Hirschmana prostředkem k prosazení svého hlasu (viz např. Hlaváček, J.,Tříska, D. (1991), s Z hlediska charakteru společenství je Hirschmanovo pojetí společenství velmi široké: za členství pokládá i například množinu kupujících výrobek dané firmy, exit je pak prostě přechod kupujícího k jiné komoditě (z důvodu nízké kvality vzhledem k ceně) a loajalita je věrností (větší či menší, poměřeno mírou pravděpodobnosti setrvání resp. exitu) kupujícího. Naproti tomu z hlediska motivu členství je Hirschmanovo pojetí omezené: společenství je pro individuum výhradně prostředkem k prosazení vlastního zájmu, což vylučuje například společenství vytvořená z potřeby vzájemnosti, z potřeby sdílet slasti a strasti s jinými lidmi. Viz 4

5 členství ve svých společenstvích, míra (velikost) sounáležitosti se do jeho rozhodovací úlohy promítá jako relativní velikost averze k situacím ohrožujícím přežití subjektů daného společenství resp. společenství jako celku. Pojmem relativní zde míníme relativní vzhledem k velikosti averze k situacím ohrožujícím přežití samotného individua. Vyšší míra sounáležitosti pro dané společenství oproti ostatním společenstvím nemusí znamenat, že je subjekt dříve opustí: záleží na situaci a množině přípustných řešení jeho rozhodovací úlohy. Vyšší míra sounáležitosti pro dané společenství znamená, že opuštění daného společenství je pro individuum relativně (oproti ostatním společenstvím) větší újmou, ke které však může být subjekt situací dotlačen. Proto nepřebírám Hirschmanův termín loajalita a používám termín sounáležitost : člověk může (v daný moment a pod tlakem okolností) přestat být loajální k nějakému společenství, nicméně s ním intenzivně soucítí a své nečlenství pociťuje jako újmu (která umožní vyhnout se újmě větší). Sounáležitost je věc preferencí individua, loajalita je věcí jeho chování. 7 Subjekty pociťující sounáležitost samozřejmě nestaví své zájmy a zájmy společenství proti sobě (jako egoista), nýbrž spíše vedle sebe: hledají takovou alternativu rozhodnutí, která podpoří současné přežití jak své osoby, tak společenství resp. jiných subjektů. Chovají se pak altruisticky : na úkor vlastního hmotného prospěchu poskytují prostředky jiným subjektům, kteří jsou nebo které pokládá za členy společenství, ať už jde o společenství organizačně ukotvené, nebo o neformální společenství. V dalším textu uvedeme několik příkladů modelů altruismu, kdy altruista (donátor, mecenáš) poskytuje finanční dotaci příjemcům dotace, čímž snižuje jejich ohrožení zánikem za cenu sebeohrožení. Ukážeme, jak zásadně se mění optimální výše daru (dotace) podporovanému subjektu Hirschman E.O. (1970) 7 To můžeme ilustrovat pomocí modelu situační averze k riziku v knize Hlaváček J. a kol., (1999), s Podnikatel, cítící se členem společenství solidních (mj. nadměrně neriskujících) subjektů, se pod tíhou situace musí (v zájmu maximalizace pravděpodobnosti přežití) vzdát členství v tomto společenství a zahájí velmi riskantní (ale alespoň nějakou šanci na přežití poskytující) akce. Může to pociťovat jako větší újmu než případné opuštění sdružení podnikatelů, které by mu ovšem zvýšení pravděpodobnosti přežití nepřineslo. Sounáležitost (váha společenství v kritériu individua) je vyšší u prvního společenství (solidní podnikatelé), přesto (v důsledku určité situace, tedy určité množiny přípustných řešení v rozhodovací úloze) zachová subjekt loajalitu k druhému společenství (sdružení podnikatelů). 5

6 resp. alokace dotace jednotlivým podporovaným subjektům v závislosti na tom, jaké je kriterium donátora. Pravděpodobnost (ekonomického) přežití úměrná relativní rezervě : Paretovo rozdělení pravděpodobnosti Předpokládejme, že přežití každého z obou subjektů závisí výhradně na jeho důchodu. Předpokládejme dále, že (donátorem pociťovaná) pravděpodobnost přežití každého z obou subjektů je úměrná podílu jeho rezervy (oproti hranici zóny zániku b) na jeho důchodu. Distribuční funkce tohoto rozdělení má tvar : F(x)=(x-b)/x pro x b F(x)= 0 pro x<b a funkce hustoty pravděpodobnosti je : f(x)=b/x 2 pro x b f(x)= 0 pro x<b 1,2 1 0,8 0,6 0,4 Řada1 Řada2 0, ,2 Obr. 1 : Rozdělení pravděpodobnosti podle relativní rezervy: Paretovo rozdělení prvního stupně s hranicí zóny jistého zániku b = 1: Řada 1 : hustota rozdělení f(x) Řada 2 : distribuční funkce F(x) 6

7 Jedná se o Paretovo rozdělení prvního stupně 8. Paretovo rozdělení vykazuje nulovou pravděpodobnost pro důchod na hranici zóny přežití a pravděpodobnost konvergující k jedné při zvyšování důchodu nad všechny meze, a to pro oba subjekty. Pro jednoduchost v prvních dvou modelech předpokládáme dva subjekty: dotovaného příjemce (jeho důchod budeme značit d) a samotného altruisty-donátora (s počátečním důchodem 0, jeho důchod po realizaci dotace značíme a). Pokud předpokládáme, že dotace je jediným příjmem příjemce, představuje důchod dotovaného příjemce d zároveň i výši poskytované dotace. Pravděpodobnost přežití zde interpretujeme jako subjektivně pociťovanou představu o schopnosti přežít. Přitom předpokládáme, že počáteční důchod donátora ve výši 0 umožňuje přežití obou s (donátorem pociťovanou) nenulovou pravděpodobností: 0 > D +, kde D je hranice zóny zániku příjemce dotace, je hranice zóny zániku donátora (pod těmito hranicemi ztrácí subjekty schopnost ekonomicky přežít). plikací Paretova rozdělení prvního stupně na obě uvažované pravděpodobnosti přežití dostaneme : p 1 (d) = 0 pro d<d = (d - D) / d pro d D p 2 (a) = 0 pro a< = (a - ) / a pro a kde a, je důchod a hranice zóny zániku altruisty - donátora 8 Paretovo rozdělení se používá například při zkoumání příjmů obyvatelstva. Obecné Paretovo rozdělení stupně a s hranicí b má distribuční funkcí F(x)=1-(b/x) a pro x b, F(x)=0 pro x<b, a funkcí hustoty pravděpodobnosti f(x)=(a/b).(b/x) a+1 pro x b f(x)=0 pro x<b. 7

8 d, D je důchod a hranice zóny zániku příjemce dotace, Tomu odpovídají nesymetrické distribuční funkce η(d) = 0 pro d < D = D/d 2 pro d D resp. η(a) = 0 pro a < = /a 2 pro a. Předpokládejme přitom, že donátor je přesvědčen, že oba subjekty mají nenulovou pravděpodobnost přežití, tj. d >D a >. O pravděpodobnosti přežití obou subjektů tedy předpokládáme jednak nulovou hodnotu pro důchod na hranici M i a dále předpokládáme, že pravděpodobnost přežití konverguje k jedné při zvyšování důchodu nad všechny meze, a to pro oba subjekty. Model absolutní solidarity Kriteriem donátora je v tomto modelu maximum pravděpodobnosti současného přežití obou, která je dána součinem jejich pravděpodobností přežití. Donátor zde tedy altruisticky hodnotí svoje ohrožení stejně jako ohrožení příjemce dotace. Předpokládejme, že jediným ohrožením obou subjektů je nízký objem finančních prostředků. Kritériem donátora je v tomto případě funkce: p(d,a) = p 1 (d). p 2 (a) = (D. - d. - a.d + d.a) / (d.a) Donátor tudíž řeší optimalizační úlohu: max d+a 0 p(d,a) Řešení této úlohy vázaného extrému lze převést na řešení úlohy volného extrému pomocí Lagrangeovy funkce, tedy na úlohu: max L(d,a, λ ) = max [p(d,a) + λ (0 -d a)] Derivováním funkce L podle všech třech proměnných d,a, λ dostáváme nutné podmínky pro optimum: d..(d - D)= a.d.(a -) d + a = 0 8

9 Pokud je ohrožení obou členů stejné, tj. D =, je řešením samozřejmě rovnoměrné rozdělení důchodu 9 : d = a = 0 / 2 pro případ D =. Pokud platí D >, je řešením úlohy zvýhodnění ohroženějšího donátora. Přitom tato míra zvýhodnění ohroženějšího dotovaného subjektu s růstem důchodu 0 klesá (z hodnoty d/a=/d při důchodu 0 =+D k (D/) pro růst 0 nade všechny meze, tedy vyšší počáteční důchod donátora vede k rovnoměrnějšímu rozdělení). Pokud ovšem je počáteční důchod donátora tak nízký, že to vylučuje současné přežití obou, tedy pro případ 0 < D +, klesá výše dotace na nulu a druhý člen (příjemce dotace) může být donátorem obětován, a to přesto, že je tento "tvrdým altruistou". To nastane, pokud je sám donátor odolnějším subjektem, tj. pokud je schopen přežít i při důchodu, který příjemci dotace k přežití nestačí, tj. pokud platí <D. Pokud je naopak odolnějším subjektem příjemce dotace, dojde k sebeobětování "tvrdě" altruistického donátora. Závislost výše dotace na výši počátečního důchodu donátora ukazují následující dva obrázky. Na obr. 2 je odolnějším subjektem donátor, na obr. 3 příjemce dotace. V prvním případě se ukazuje, že navzdory tomu, že donátor, který je "tvrdým" altruistou, nadřazuje zájem celku nad svůj zájem, může ho právě tento zájem celku vést k tvrdému ekonomickému chování vůči druhému subjektu (viz obr. 2): 9 V optimu musí platit, že marginální přesun prostředků od prvního subjektu ke druhému sníží pravděpodobnost jeho zániku ve stejné míře, jako se zvýší pravděpodobnost zániku prvního subjektu. Neboli : derivace pravděpodobnosti zániku podle množství získaných prostředků m i musí být shodné. Odtud lze odvodit optimální poměr, ve kterém donátor rozdělí disponibilní důchod M 0. Například pro Paretovo rozdělení druhého stupně (a=2,b=1) platí pro tento optimální poměr 2 m 2 M 3 2 = m M, 1 1 tedy pro M 1 M 2, je řešením zvýhodnění ohroženějšího subjektu, přičemž míra zvýhodnění roste pomaleji než vzájemný poměr ohrožení 9

10 d d= 0 d/a=d/ d=d( 0 ) d/a= (D/) D+ 0 Obr. 2: Výše dotace v závislosti na počátečním důchodu donátora 0 v modelu absolutní solidarity, je-li odolnější subjektem donátor Je-li odolnějším subjektem příjemce dotace, může upřednostnění zájmu celku donátora dovést k sebeobětování (viz obr. 3) : d d= 0 d= 0 /2 D D+ 0 Obr. 3: Výše dotace v závislosti na počátečním důchodu donátora M 0 v modelu absolutní solidarity, je-li odolnější subjektem příjemce dotace Chování donátora je tedy logicky dáno nejen konkrétním altruistickým kriteriem, nýbrž i situací jednotlivých subjektů (v našem případě konkrétně relací jejich odolnosti resp. ohroženosti zánikem). Tvrdé ekonomické chování může být výsledkem racionálního rozhodování subjektu, který je pokud jde o kriterium navýsost altruistického charakteru. Model minimalizace míry rizika současného zániku obou subjektů V tomto modelu je opět "tvrdým" altruistou, byť s odlišným kriteriem, než byl tvrdý altruista v modelu v minulém odstavci: tentokrát donátor maximalizuje pravděpodobnost přežití alespoň jednoho člena společenství. 10

11 Této variantě altruisty "tvrdého typu" jde pouze o to, aby jeden z obou přežil, ale je mu zcela lhostejné, zda to bude on nebo ten druhý. Pravděpodobnost přežití alespoň jednoho subjektu lze vyjádřit jako součet tří sčítanců. První sčítanec vyjadřuje pravděpodobnost přežití prvního a zániku druhého subjektu, druhý sčítanec vyjadřuje pravděpodobnost přežití druhého a zániku prvního subjektu a třetí sčítanec vyjadřuje pravděpodobnost přežití obou: p = p(d, a) = p 1 + p 2 p 1.p 2 = (d-d)/d + (a-)/a - (d-d)/d. (a-)/a Předpokládáme opět, že počáteční důchod donátora 0 nevylučuje současné přežití obou subjektů, tedy dotovaného příjemce i altruisty : 0 > D + Rozhodování donátora v tomto případě (při kriteriální funkci studované v tomto odstavci, tedy při maximalizaci pravděpodobnosti přežití alespoň jednoho člena) můžeme opět modelovat úlohou vázaného extrému: max p(d,a) d+a 0 a pomocí převedení této úlohy vázaného extrému na řešení úlohy volného extrému pomocí Lagrangeovy funkce získáme úlohu: max L(d,a, λ ) = max [(p(d,a) + λ.(0 - d - a)) d+a 0 d+a 0 Stejně jako v minulém odstavci derivováním Lagrangeovy funkce odvodíme nutné podmínky pro polohu maxima : d = a d + a = 0 Optimem je tedy rozdělení d = a = 0 /2. Pokud počáteční důchod donátora 0 neumožní současné přežití obou členů, tedy pokud platí 0 < D +, optimální strategie donátora se zásadně mění: namísto rovnoměrné podpory obou přesune veškeré prostředky na odolnějšího člena. Pokud je jím on sám, tj. pokud platí D >, klesne dotace pro případ 0 < D + na nulu a příjemce dotace je stejně jako v minulém odstavci altruistou "tvrdého altruistického typu" obětován. Pokud je ovšem odolnějším příjemce dotace (tj. < D ), zvolí mecenáš sebezničení, které umožní přežití druhého subjektu. 11

12 Závislost výše dotace na počátečním důchodu donátora pro oba případy ukazují následující obrázky 4 a 5: d d= 0 d= 0 /2 D D+ 0 Obr. 4: Výše dotace v závislosti na počátečním důchodu donátora 0 v modelu minimalizace míry rizika současného zániku obou subjektů - případ s relativně ohroženějším příjemcem dotace d d= 0 d= 0 /2 D D+ 0 Obr. 5: Výše dotace v závislosti na počátečním důchodu donátora 0 v modelu minimalizace míry rizika současného zániku obou subjektů - případ s relativně ohroženějším donátorem Stejně jako v předchozím modelu: za jistých podmínek může (ale nemusí) být racionální altruista okolnostmi donucen k neúprosně tvrdému ekonomickému chování. Model minimalizace rizika zániku větší části společenství V tomto modelu altruistického chování donátora je jeho kritériem maximalizace pravděpodobnosti přežití větší části společenství. Předpokládejme společenství o třech členech, přičemž společenství zaniká, zaniknou-li dva z jeho členů. Tento model umožní popsat rozhodování typu 12

13 "gambit": jeden z dotovaných může být obětován v zájmu přežití zbývajících subjektů. Nejprve budeme v tomto modelu předpokládat největší odolnost ze všech tří subjektů u donátora, který zaniká se 100% pravděpodobností při úrovni důchodu, i-tý příjemce dotace při úrovni důchodu D i (i=1,2). Příjemce dotace očíslujeme tak, že: D 1 D 2, tedy druhý příjemce dotace je ze všech tří subjektů relativně nejohroženější. Předpokládejme dále, že počáteční důchod donátora 0 umožňuje přežití alespoň dvou subjektů s nenulovou pravděpodobností: 0 > +D 1 Zónou ohrožení společenství, a tudíž i jednotlivých jeho členů je množina: (a, d 1,d 2 ) [a d 1 D 1 ] [a d 2 D 2 ] [a d 2 D 2 ] Pravděpodobnost přežití společenství (podle předpokladu modelu popisovaného v tomto odstavci tedy pravděpodobnost přežití alespoň dvou jeho členů) lze vyjádřit (označíme-li opět p i pravděpodobnost přežití i- tého subjektu) jako: p = p(a, d 1, d 2 ) = p 1. p 2 (1-p 3 ) + p 1. p 3 (1-p 2 ) + p 2. p 3 (1-p 1 ) + +p 1. p 2.p 3, p 1 = (a - ) / a, p 2 = (d 1 - D 1 ) / d 1, p 3 = (d 2 - D 2 ) / d 2 Rozhodování donátora zde modeluje úloha vázaného extrému: max p(a, d 1, d 2 ) a+d 1 +d 2 0 V úvahu připadají dvě strategie: buď vyrovnat pravděpodobnosti přežití všech tří členů (strategie ), nebo obětovat nejslabšího a srovnat pravděpodobnosti dvou silnějších (strategie B). Při jakékoli jiné strategii, 13

14 než je jedna z dvou uvedených, by totiž bylo možné přesunem od ohroženějšího k méně ohroženému maximalizovanou kriteriální funkci donátora zvýšit. Porovnejme tyto dvě strategie, pokud jde o kritérium společenství (maximální pravděpodobnost přežití alespoň dvou členů neboli minimalizace pravděpodobnosti zániku více než jednoho člena). Strategie (úsilí o přežití všech tří členů): by bylo vůbec přežití všech tří subjektů možné, musí především platit, že počáteční důchod donátora převyšuje součet hraničních hodnot pro přežití všech tří subjektů : 0 > +D 1 +D 2 Optimum nastane, budou-li pravděpodobnosti přežití všech tří subjektů shodné (jinak by přesun prostředků zvýšil kriteriální funkci donátora). Vyrovnání pravděpodobností přežití pro všechny tři subjekty (při využití celého důchodu 0, což je při daném kritériu podmínka splněná v optimu automaticky) nastane pro toto rozdělení celkového důchodu 0 : a = 0. /(+D 1 +D 2 ) d i = 0. D i /(+D 1 +D 2 ) pro i = 1,2 Pravděpodobnost přežití alespoň dvou subjektů při strategii můžeme vyjádřit jako: p = (a - ).(d 1 - D 1 ) / (a.d 1 )+ (a - ).(d 2 - D 2 ) / (a.d 2 )+ +(d 1 - D 1 ).(d 2 - D 2 ) / (d 2.d 1 ) Strategie B (úsilí o přežití dvou ze tří členů): Vyrovnání pravděpodobnosti přežití pro dva odolnější subjekty (při využití celého důchodu 0, což je opět při daném kritériu podmínka splněná v optimu automaticky) nastane pro toto rozdělení celkového důchodu 0 : 14

15 vyjádřit jako: a = 0. /(+D 1 ) d 1 = 0. D 1 /(+D 1 ) d 2 = 0 Pravděpodobnost přežití obou odolnějších subjektů při strategii B lze p B = (a - ).(d 1 - D 1 ) / (a.d 1 ) Porovnejme obě studované strategie. Strategie zvětšuje počet případů přežití, ovšem za cenu nižšího přídělu každému subjektu a tudíž většího rizika jeho zániku. Naproti tomu strategie B omezuje počet úspěšných případů na jediný (přežití dvou nejodolnějších), ovšem pravděpodobnosti jejich přežití jsou oproti strategii vyšší, protože díky odepsání nejslabšího subjektu mají vyšší důchod. Pro posouzení, která z obou strategií je výhodnější, řešme rovnici p - p B = 0 Po dosazení dostáváme kvadratickou nerovnici s neznámou 0 (velikost počátečního důchodu donátora) a s parametry, D 1, D 2 (hranice zóny zániku altruisty - donátora a obou příjemců dotace) : 2.(+D 1 ) [4.(+D 1 ) 2 +6.(+D 1 ).D 2 +3.D 2 2 ]. 0 +(+D 1 +D 2 ) 3 =0 Diskriminant této kvadratické rovnice je pro každé 0 kladný : D = [4.(+D 1 ) 2 +6.(+D 1 ).D 2 +3.D 2 2 ] 2-8. (+D 1 ). (+D 1 +D 2 ) 3 = =8.(+D 1 ) (+D 1 ) 3.D (+D 1 ).D (+D 1 ).D D 4 2 > 0 Zkoumaná kvadratická rovnice má proto dvě reálná řešení H 1 > H 2, přičemž strategie (přežití všech tří subjektů) je lepší než strategie B (přežití dvou odolnějších) právě pro 0 (H 2, H 1 ), neboť pouze v tomto intervalu je p > p B. Dosazením lze ovšem ukázat, že H 2 < +D 1 +D 2, tedy že strategie B je jedinou možnou strategií pro 0 H 1 a druhé řešení kvadratické rovnice H 2 nás proto nemusí zajímat. Označíme H=H 1. Platí pro něj (označíme-li C=+D 1 ): H=[4C 2 +6C.D 2 +3D (8C 4 +24C 3.D 2 +36C 2.D C.D D 4 2 )]/(4C) Dokázali jsme, že pro dostatečně vysoký počáteční důchod donátora 0 >H je lepší strategie (přežití všech tří subjektů), pro nižší počáteční důchod donátora 0 <H je lepší strategie B (likvidace nejméně odolného 15

16 subjektu) 10, pro 0 =H jsou obě strategie vzhledem ke kriteriu donátora (úsilí o přežití alespoň dvou subjektů) rovnocenné. Závislost důchodů všech tří subjektů po poskytnutí dotace donátorem znázorňuje následující obr. 6 : důchod subjektu donátor odolnější příjemce dotace ohroženější příjemce dotace D 2 +D 1 H 0 Obr. 6: Distribuce důchodů jednotlivých subjektů v modelu maximalizace pravděpodobnosti přežití alespoň dvou členů tříčlenného společenství při snižování počátečního důchodu donátora 0 pro případ < D 1 < D 2 Pokud je 0 < H, je tedy z pohledu donátora optimální obětovat méně odolného příjemce dotace (strategie B), naopak pro 0 H je lepší udržovat při životě oba příjemce dotace (strategie ). Subjekt, který je (vzhledem ke jeho nižší odolnosti) při dostatečně vysokém počátečním důchodu ( 0 H) preferován, je při poklesu počátečního důchodu pod hraniční úroveň ( 0 < H) zcela odepsán. Velmi malá změna důchodu vede k radikální změně ve vztahu donátor - méně odolný příjemce dotace. Je to dobře vidět z následujícího obrázku 7, na kterém porovnáváme pravděpodobnosti p, p B. 10 Přesněji : pro 0 (0,+D 1 ) úloha nemá řešení, dva subjekty přežít nemohou. Pro 0 (+D 1,+D 1 +D 2 ) je strategie B jedinou možnou strategií,protože důchod nestačí k přežití všech tří subjektů. Pro 0 (+D 1 +D 2,H) je strategie B lepší než strategie (i když i ta přichází v úvahu), pro 0 ( H, + )je naopak lepší strategie. 16

17 p,p B p p p B p B +D 1 +D 1 +D 2 H 0 jak tomu bude v případě, že jsou dotované subjekty stejně odolné (resp. není-li donátor schopen jejich odlišnou odolnost rozeznat)? Znázorňuje to následující obrázek 7: důchod subjektu donátor šťastnější příjemce dotace méně šťastný příjemce +D 1 H 0 Obr. 7: Distribuce důchodů jednotlivých subjektů v modelu maximalizace pravděpodobnosti přežití alespoň dvou členů tříčlenného společenství při snižování počátečního důchodu donátora 0 pro případ < D 1 = D 2 Pokud jsou oba dotovaní stejně odolní (ale méně odolní než je sám donátor), je donátorovi lhostejné, koho z nich při poklesu počátečního důchodu 0 pod úroveň H obětuje (bude souhlasit s osudovým losem mezi oběma příjemci dotace). Pokud by byl nejméně odolným sám donátor, tj. pokud < min (D 1, D 2 ), je pro něj při poklesu důchodu pod hraniční úroveň 0 <H optimální sebedestrukce. Tvrdě altruistický a se společenstvím zcela ztotožněný donátor v tomto případě ztrácí pud sebezáchovy a je ochoten k nejvyšší oběti, ačkoliv při vyšším počátečním důchodu 0 >H naopak preferuje (co do výše důchodu) sebe před oběma příjemci dotace. Hraniční úroveň počátečního důchodu donátora H, při které se mění jeho strategie, je přitom nejnižší pro případ, že jsou všechny tři subjekty stejně 17

18 odolné : = D 1 = D 2 = 0 /3. Pro tento případ dosazením do vzorce pro výpočet H dostáváme H=.( )/8 =54/8 = 6,75 Pro obecný případ D 1 D 2 tudíž platí, že H 6,75 Například pro případ =D 1 =D 2 /2 platí (po zaokrouhlení) H=.( )/4 = 9 Z naší analýzy je zřejmé, že z chování donátora nelze jednoznačně usuzovat na jeho kriterium, nemáme-li informace o všech parametrech jeho rozhodovací úlohy. Tvrdě altruistický racionální donátor se totiž může chovat nejen vysoce obětavě, ale (pokud preferování sebe sama nejvíce přispěje ke společenskému prospěchu) i zdánlivě sobecky. Může v určitých případech podporovat jiný subjekt na úkor vlastního ohrožení, aby při malém snížení svého důchodu tento subjekt (chtělo by se říct nelítostně) zlikvidoval, vše ve prospěch společenského kriteria. Model maximalizace střední hodnoty početní síly společenství V tomto modelu je kritériem altruistického donátora maximalizace očekávané hodnoty počtu přežívajících členů společenství. Předpokládejme opět společenství o třech členech s hranicemi zóny zániku, D 1, D 2, přičemž společenství (s jehož zájmem je donátor - altruista plně ztotožněn) je ohroženo nízkým počtem přežívajících členů. Úhrn 0 počátečních důchodů všech subjektů opět umožňuje přežití s nenulovou pravděpodobností: 0 > + D 1 +D 2. Předpokládáme opět vyšší odolnost donátora a stejnou odolnost obou příjemců dotace: < D 2 = D 2 18

19 Opět předpokládáme Paretovské rozdělení pravděpodobnosti prvního stupně (parametr a=1), tedy rozdělení podle relativní rezervy, kdy se pravděpodobnost přežití při růstu důchodu nade všechny meze blíží k jedné a je nulová při nepřekročení hranice jistého zániku b. Pravděpodobnosti přežití jsou tedy: p 1 (a)=(a-)/a p 2 (d 1 )=(d 1 -D 1 )/d 1 p 3 (d 2 )=(d 2 -D 2 )/d 2, Kriteriální funkce donátora má pak pro případ maximalizace očekávané hodnoty počtu členů tvar: p(a, d 1, d 2 ) = p 1 (a)+p 2 (d 1 )+p 3 (d 2 ) Rozhodování donátora lze popsat úlohou vázaného extrému: max p(a, d 1, d 2 ) a+d 1 +d 2 0 Řešení této úlohy vázaného extrému lze převést na řešení úlohy volného extrému pomocí Lagrangeovy funkce, tedy na úlohu: max L(a, d 1, d 2,λ) = max [p(a, d 1, d 2 )+λ( 0 - a - d 1 - d 2 )] Položíme-li opět parciální derivace Lagrangeovy funkce podle všech čtyř jejích proměnných rovny nule, dostáváme nutné podmínky pro maximum: /a 2 = D 1 /d 1 2 = D 2 /d 2 2 a + d 1 +d 2 = 0 společenství: Odtud snadno odvodíme následující optimální alokaci prostředků ve 0 a = D d 1 D1 0 = D D2 D2 19

20 d 2 D2 0 = D D2 Prostředky se ve společenství alokují ve prospěch ohroženějších, avšak v menší míře diferenciace než v předchozích modelech: a : d = D. 1 : d 2 : D1 : Stejně jako v předchozích modelech povede snižování celkového důchodu 0 k nespojité změně alokace s tím, že tomuto příjemci bude jeho dotace donátorem odebrána a rozdělena mezi samotného donátora a odolnějšího příjemce přímo úměrně odmocnině z jejich hraničních (kritických) důchodů. * * * Ukázali jsme, že altruismus donátora může mít více podob. Konkrétní podoba jeho kriteria zásadním způsobem ovlivňuje jeho rozhodování o rozdělení prostředků mezi příjemce dotace. Navíc i při nezměněném kriteriu může dojít k náhlé změně strategie racionálního donátora : ten, byť "tvrdě" altruisticky povyšuje zájem společenství nad zájem osobní, může být situací doveden ke "gambitu", tedy k tvrdému odepsání jednoho subjektu ve prospěch společenství jako celku. 2 20

Teorie her a ekonomické rozhodování. 11. Aukce

Teorie her a ekonomické rozhodování. 11. Aukce Teorie her a ekonomické rozhodování 11. Aukce 11. Aukce Příklady tržních mechanismů prodej s pevnou cenou cenové vyjednávání aukce Využití aukcí prodej uměleckých předmětů, nemovitostí, prodej květin,

Více

Teorie her a ekonomické rozhodování. 9. Modely nedokonalých trhů

Teorie her a ekonomické rozhodování. 9. Modely nedokonalých trhů Teorie her a ekonomické rozhodování 9. Modely nedokonalých trhů 9.1 Dokonalý trh Dokonalý trh Dokonalá informovanost kupujících Dokonalá informovanost prodávajících Nulové náklady na změnu dodavatele Homogenní

Více

8. Dokonalá konkurence

8. Dokonalá konkurence 8. Dokonalá konkurence Kompletní text ke kapitole viz. KRAFT, J., BEDNÁŘOVÁ, P, KOCOUREK, A. Ekonomie I. TUL Liberec, 2010. ISBN 978-80-7372-652-2; str.64-75 Dokonale konkurenční tržní prostředí lze charakterizovat

Více

4. Aplikace matematiky v ekonomii

4. Aplikace matematiky v ekonomii 4. Aplikace matematiky v ekonomii 1 Lineární algebra Soustavy 1) Na základě statistických údajů se zjistilo, že závislost množství statku z poptávaného v průběhu jednoho týdne lze popsat vztahem q d =

Více

Hledáme lokální extrémy funkce vzhledem k množině, která je popsána jednou či několika rovnicemi, vazebními podmínkami. Pokud jsou podmínky

Hledáme lokální extrémy funkce vzhledem k množině, která je popsána jednou či několika rovnicemi, vazebními podmínkami. Pokud jsou podmínky 6. Vázané a absolutní extrémy. 01-a3b/6abs.tex Hledáme lokální extrémy funkce vzhledem k množině, která je popsána jednou či několika rovnicemi, vazebními podmínkami. Pokud jsou podmínky jednoduché, vyřešíme

Více

Mikroekonomie. Opakování příklad 1. Řšení. Příklad 2. Příklad 5. Proč Ing. Jaroslav ŠETEK, Ph.D. Katedra ekonomiky, JČU 16 D

Mikroekonomie. Opakování příklad 1. Řšení. Příklad 2. Příklad 5. Proč Ing. Jaroslav ŠETEK, Ph.D. Katedra ekonomiky, JČU 16 D Opakování příklad 1 Mikroekonomie Ing. Jaroslav ŠETEK, Ph.D. Katedra ekonomiky, JČU Hodnota Edp = 0,1 znamená, že procentní změna množství při 10% změně ceny bude: a/ 0,2 b/ 2,5 c/ 5,0 d/ 1,0 e/ ze zadaných

Více

Extrémy funkce dvou proměnných

Extrémy funkce dvou proměnných Extrémy funkce dvou proměnných 1. Stanovte rozměry pravoúhlé vodní nádrže o objemu 32 m 3 tak, aby dno a stěny měly nejmenší povrch. Označme rozměry pravoúhlé nádrže x, y, z (viz obr.). ak objem této nádrže

Více

APLIKACE. Poznámky Otázky

APLIKACE. Poznámky Otázky APLIKACE Následující úlohy lze zhruba rozdělit na geometrické, algebraické a úlohy popisující různé stavy v některých oblastech jiných věd, např. fyziky nebo ekonomie. GEOMETRICKÉ ÚLOHY Mezi typické úlohy

Více

MODELY OLIGOPOLU COURNOTŮV MODEL, STACKELBERGŮV MODEL

MODELY OLIGOPOLU COURNOTŮV MODEL, STACKELBERGŮV MODEL MODELY OLIGOPOLU COURNOTŮV MODEL, STACKELBERGŮV MODEL DOKONALÁ KONKURENCE Trh dokonalé konkurence je charakterizován velkým počtem prodávajících, kteří vyrábějí homogenní produkt a nemohou ovlivnit tržní

Více

Vzorový příklad na rozhodování BPH_ZMAN

Vzorový příklad na rozhodování BPH_ZMAN Vzorový příklad na rozhodování BPH_ZMAN Základní charakteristiky a značení symbol verbální vyjádření interval C g g-tý cíl g = 1,.. s V i i-tá varianta i = 1,.. m K j j-té kriterium j = 1,.. n v j x ij

Více

5. Lokální, vázané a globální extrémy

5. Lokální, vázané a globální extrémy 5 Lokální, vázané a globální extrémy Studijní text Lokální extrémy 5 Lokální, vázané a globální extrémy Definice 51 Řekneme, že f : R n R má v bodě a Df: 1 lokální maximum, když Ka, δ Df tak, že x Ka,

Více

7. Rozdělení pravděpodobnosti ve statistice

7. Rozdělení pravděpodobnosti ve statistice 7. Rozdělení pravděpodobnosti ve statistice Statistika nuda je, má však cenné údaje, neklesejte na mysli, ona nám to vyčíslí Jednou z úloh statistiky je odhad (výpočet) hodnot statistického znaku x i,

Více

10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.

10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457. 0 cvičení z PST 5 prosince 208 0 (intervalový odhad pro rozptyl) Soubor (70, 84, 89, 70, 74, 70) je náhodným výběrem z normálního rozdělení N(µ, σ 2 ) Určete oboustranný symetrický 95% interval spolehlivosti

Více

UŢITEK, PREFERENCE A OPTIMUM SPOTŘEBITELE

UŢITEK, PREFERENCE A OPTIMUM SPOTŘEBITELE UŢITEK, PREFERENCE A OPTIMUM SPOTŘEBITELE PŘEDPOKLADY RACIONÁLNÍHO CHOVÁNÍ SPOTŘEBITELE Budeme se zabývat jak má spotřebitel rozdělit svůj důchod mezi různé statky Racionálně jednající spotřebitel maximalizuje

Více

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení 2 Zpracování naměřených dat Důležitou součástí každé experimentální práce je statistické zpracování naměřených dat. V této krátké kapitole se budeme věnovat určení intervalů spolehlivosti získaných výsledků

Více

Vlastní (charakteristická) čísla a vlastní (charakteristické) Pro zadanou čtvercovou matici A budeme řešit maticovou

Vlastní (charakteristická) čísla a vlastní (charakteristické) Pro zadanou čtvercovou matici A budeme řešit maticovou 1 Vlastní (charakteristická) čísla a vlastní (charakteristické) vektory matice Pro zadanou čtvercovou matici A budeme řešit maticovou rovnici A x = λ x, kde x je neznámá matice o jednom sloupci (sloupcový

Více

Řešení 1b Máme najít body, v nichž má funkce (, ) vázané extrémy, případně vázané lokální extrémy s podmínkou (, )=0, je-li: (, )= +,

Řešení 1b Máme najít body, v nichž má funkce (, ) vázané extrémy, případně vázané lokální extrémy s podmínkou (, )=0, je-li: (, )= +, Příklad 1 Najděte body, v nichž má funkce (,) vázané extrémy, případně vázané lokální extrémy s podmínkou (,)=0, je-li: a) (,)= + 1, (,)=+ 1 lok.max.v 1 2,3 2 b) (,)=+, (,)= 1 +1 1 c) (,)=, (,)=+ 1 lok.max.v

Více

Národní hospodářství poptávka a nabídka

Národní hospodářství poptávka a nabídka Národní hospodářství poptávka a nabídka Chování spotřebitele a poptávka Užitek a spotřebitelův přebytek Jedním ze základních problémů, které spotřebitel řeší, je, kolik určitého statku má kupovat a jak

Více

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y 9. T r a n s f o r m a c e n á h o d n é v e l i č i n y Při popisu procesů zpracováváme vstupní údaj, hodnotu x tak, že výstupní hodnota y závisí nějakým způsobem na vstupní, je její funkcí y = f(x).

Více

Funkce v ıce promˇ enn ych Extr emy Pˇredn aˇska p at a 12.bˇrezna 2018

Funkce v ıce promˇ enn ych Extr emy Pˇredn aˇska p at a 12.bˇrezna 2018 Funkce více proměnných Extrémy Přednáška pátá 12.března 2018 Zdroje informací Diferenciální počet http://homen.vsb.cz/~kre40/esfmat2/fceviceprom.html http://www.studopory.vsb.cz/studijnimaterialy/sbirka_uloh/pdf/7.pdf

Více

6. Teorie výroby Průvodce studiem: 6.2 Produkční analýza v krátkém období celkový (fyzický) produkt (TP)

6. Teorie výroby Průvodce studiem: 6.2 Produkční analýza v krátkém období celkový (fyzický) produkt (TP) 6. Teorie výroby Firma vystupuje na trhu finální produkce v pozici nabízejícího a současně na trhu výrobních faktorů v pozici poptávajícího. Firma používá různé vstupy (výrobní faktory), které ve výrobě

Více

Teorie her a ekonomické rozhodování. 8. Vyjednávací hry

Teorie her a ekonomické rozhodování. 8. Vyjednávací hry Teorie her a ekonomické rozhodování 8. Vyjednávací hry 8. Vyjednávání Teorie her Věda o řešení konfliktů Ale také věda o hledání vzájemně výhodné spolupráce Teorie vyjednávání Odvětví teorie her dohoda

Více

1 Extrémy funkcí - slovní úlohy

1 Extrémy funkcí - slovní úlohy 1 Extrémy funkcí - slovní úlohy Příklad 1.1. Součet dvou kladných reálných čísel je a. Určete 1. Minimální hodnotu součtu jejich n-tých mocnin.. Maximální hodnotu součinu jejich n-tých mocnin. Řešení.

Více

4EK213 LINEÁRNÍ MODELY

4EK213 LINEÁRNÍ MODELY 4EK213 LINEÁRNÍ MODELY Úterý 11:00 12:30 hod. učebna SB 324 3. přednáška SIMPLEXOVÁ METODA I. OSNOVA PŘEDNÁŠKY Standardní tvar MM Základní věta LP Princip simplexové metody Výchozí řešení SM Zlepšení řešení

Více

4EK213 LINEÁRNÍ MODELY

4EK213 LINEÁRNÍ MODELY 4EK213 LINEÁRNÍ MODELY Úterý 11:00 12:30 hod. učebna SB 324 Mgr. Sekničková Jana, Ph.D. 2. PŘEDNÁŠKA MATEMATICKÝ MODEL ÚLOHY LP Mgr. Sekničková Jana, Ph.D. 2 OSNOVA PŘEDNÁŠKY Obecná formulace MM Množina

Více

Ohraničená Hessova matice ( bordered hessian ) je. Sestrojíme posloupnost determinantů (minorů):

Ohraničená Hessova matice ( bordered hessian ) je. Sestrojíme posloupnost determinantů (minorů): Ohraničená Hessova matice ( bordered hessian ) je matice 2. parc. derivací L vzhledem k λ λ r x x n v tomto pořadí: g 0 0 g x n g 0 0 2 g 2 x n g 0 0 r g x HB = r x n g g r 2 L 2 L. x 2 x x n g g x 2 r

Více

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y 9. T r a n s f o r m a c e n á h o d n é v e l i č i n Při popisu procesů zpracováváme vstupní údaj, hodnotu x tak, že výstupní hodnota závisí nějakým způsobem na vstupní, je její funkcí = f(x). Pokud

Více

Mikroekonomie Q FC VC Příklad řešení. Kontrolní otázky Příklad opakování zjistěte zbývající údaje

Mikroekonomie Q FC VC Příklad řešení. Kontrolní otázky Příklad opakování zjistěte zbývající údaje Příklad opakování zjistěte zbývající údaje Mikroekonomie Ing. Jaroslav ŠETEK, Ph.D. Katedra ekonomiky, JČU Q FC VC 0 20 1 10 2 18 3 24 4 36 Co lze zjistit? FC - pro Q = 1, 2, 3, 4 TC AC AVC AFC Příklad

Více

Hledání extrémů funkcí

Hledání extrémů funkcí Hledání extrémů funkcí Budeme se zabývat téměř výhradně hledáním minima. Přes nost nalezeného extrému Obecně není hledání extrému tak přesné jako řešení rovnic. Demonstrovat to můžeme na příkladu hledání

Více

Diferenciální rovnice

Diferenciální rovnice Obyčejné diferenciální rovnice - studijní text pro cvičení v předmětu Matematika - 2. Studijní materiál byl připraven pracovníky katedry E. Novákovou, M. Hyánkovou a L. Průchou za podpory grantu IG ČVUT

Více

4EK201 Matematické modelování. 2. Lineární programování

4EK201 Matematické modelování. 2. Lineární programování 4EK201 Matematické modelování 2. Lineární programování 2.1 Podstata operačního výzkumu Operační výzkum (výzkum operací) Operational research, operations research, management science Soubor disciplín zaměřených

Více

12. Lineární programování

12. Lineární programování . Lineární programování. Lineární programování Úloha lineárního programování (lineární optimalizace) je jedním ze základních problémů teorie optimalizace. Našim cílem je nalézt maximum (resp. minimum)

Více

Průvodce studiem. do bodu B se snažíme najít nejkratší cestu. Ve firmách je snaha minimalizovat

Průvodce studiem. do bodu B se snažíme najít nejkratší cestu. Ve firmách je snaha minimalizovat 6. Extrémy funkcí více proměnných Průvodce studiem Hledání extrémů je v praxi často řešená úloha. Např. při cestě z bodu A do bodu B se snažíme najít nejkratší cestu. Ve firmách je snaha minimalizovat

Více

Funkce jedné proměnné

Funkce jedné proměnné Funkce jedné proměnné Příklad - V následujících příkladech v případě a) pro funkce dané rovnicí zjistěte zda jsou rostoucí klesající nebo konstantní vypočítejte průsečíky grafu s osami souřadnic a graf

Více

OPTIMÁLNÍ ÚROVEŇ VEŘEJNÉHO STATKU

OPTIMÁLNÍ ÚROVEŇ VEŘEJNÉHO STATKU OPTIMÁLNÍ ÚROVEŇ VEŘEJNÉHO STTKU lexandr Soukup KET, PEF, Česká zemědělská univerzita Praha The article is interested in a determination of the optimal level of the common good. It uses Pareto s model

Více

INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Příklady použití tenkých vrstev Jaromír Křepelka

INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Příklady použití tenkých vrstev Jaromír Křepelka Příklady použití tenkých vrstev Jaromír Křepelka Příklad 01 Spočtěte odrazivost prostého rozhraní dvou izotropních homogenních materiálů s indexy lomu n 0 = 1 a n 1 = 1,52 v závislosti na úhlu dopadu pro

Více

2.6. Koncentrace elektronů a děr

2.6. Koncentrace elektronů a děr Obr. 2-11 Rozložení nosičů při poloze Fermiho hladiny: a) v horní polovině zakázaného pásu (p. typu N), b) uprostřed zakázaného pásu (vlastní p.), c) v dolní polovině zakázaného pásu (p. typu P) 2.6. Koncentrace

Více

Mikroekonomie. 1. Opakování příklad 1. Řešení. Opakování - Příklad 2. Příklad 2 - řešení P = 30 (6Q/5)

Mikroekonomie. 1. Opakování příklad 1. Řešení. Opakování - Příklad 2. Příklad 2 - řešení P = 30 (6Q/5) 1. Opakování příklad 1. Mikroekonomie Ing. Jaroslav ŠETEK, Ph.D. Katedra ekonomiky, JČU Poptávka po obuvi je popsána rovnicí: Q D = 300 0,3P, (Q D je poptávané množství za měsíc. Nabídka v průběhu měsíce

Více

PR5 Poptávka na trhu výrobků a služeb

PR5 Poptávka na trhu výrobků a služeb PR5 Poptávka na trhu výrobků a služeb 5.1. Rovnováha spotřebitele 5.2. Indiferenční analýza od kardinalismu k ordinalismu 5.3. Poptávka, poptávané množství a jejich změny 5.4. Pružnost tržní poptávky Poptávka

Více

Všeobecná rovnováha 1 Statistický pohled

Všeobecná rovnováha 1 Statistický pohled Makroekonomická analýza přednáška 4 1 Všeobecná rovnováha 1 Statistický pohled Předpoklady Úspory (resp.spotřeba) a investice (resp.kapitál), kterými jsme se zabývali v minulých lekcích, jsou spolu s technologickým

Více

DERIVACE FUKNCÍ VÍCE PROMĚNNÝCH

DERIVACE FUKNCÍ VÍCE PROMĚNNÝCH DERIVACE FUKNCÍ VÍCE PROMĚNNÝCH Reálná funkce dvou proměnných a definiční obor Kartézský součin R R značíme R 2 R 2 je množina všech uspořádaných dvojic reálných čísel (rovina) Prvk R 2 jsou bod v rovině

Více

11. Trhy výrobních faktorů Průvodce studiem: 11.1 Základní charakteristika trhu výrobních faktorů Poptávka po VF Nabídka výrobního faktoru

11. Trhy výrobních faktorů Průvodce studiem: 11.1 Základní charakteristika trhu výrobních faktorů Poptávka po VF Nabídka výrobního faktoru 11. Trhy výrobních faktorů V předchozích kapitolách jsme zkoumali způsob rozhodování firmy o výstupu a ceně v rámci různých tržních struktur (dokonalá a nedokonalá konkurence). Ačkoli se fungování firem

Více

Mikroekonomie. Nabídka, poptávka. Kombinované studium 1. cv. Nabídka - rozlišujeme mezi: Nabídka (supply) S 10.10.2014

Mikroekonomie. Nabídka, poptávka. Kombinované studium 1. cv. Nabídka - rozlišujeme mezi: Nabídka (supply) S 10.10.2014 Kombinované studium 1. cv. Mikroekonomie Nabídka, poptávka Ing. Jaroslav ŠETEK, Ph.D. Katedra ekonomiky, JČU Nabídka (supply) S Nabídka představuje objem zboží, které jsou výrobci ochotni na trh dodat

Více

Matematika IV 9. týden Vytvořující funkce

Matematika IV 9. týden Vytvořující funkce Matematika IV 9. týden Vytvořující funkce Jan Slovák Masarykova univerzita Fakulta informatiky jaro 2015 Obsah přednášky 1 Vytvořující funkce a Fibonacciho čísla 2 Vytvořující funkce - připomenutí 3 Řešení

Více

Příklad 1. Řešení 1a. Řešení 1b ŘEŠENÉ PŘÍKLADY Z M1B ČÁST 5

Příklad 1. Řešení 1a. Řešení 1b ŘEŠENÉ PŘÍKLADY Z M1B ČÁST 5 Příklad 1 Najděte totální diferenciál d (h) pro h=(h,h ) v příslušných bodech pro následující funkce: a) (,)= cos, =1; b) (,)=ln( + ), =2; 0 c) (,)=arctg(), =1; 0 1 d) (,)= +, =1; 1 Řešení 1a Máme nalézt

Více

Minimalizace nákladů. Varian: Mikroekonomie: moderní přístup, kapitoly 19 a 20 Varian: Intermediate Microeconomics, 8e, Chapters 20 and 21 () 1 / 34

Minimalizace nákladů. Varian: Mikroekonomie: moderní přístup, kapitoly 19 a 20 Varian: Intermediate Microeconomics, 8e, Chapters 20 and 21 () 1 / 34 Minimalizace nákladů a nákladové křivky Varian: Mikroekonomie: moderní přístup, kapitoly 19 a 20 Varian: Intermediate Microeconomics, 8e, Chapters 20 and 21 () 1 / 34 Na této přednášce se dozvíte co je

Více

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Prostá regresní a korelační analýza 1 1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Problematika závislosti V podstatě lze rozlišovat mezi závislostí nepodstatnou, čili náhodnou

Více

SPECIÁLNÍCH PRIMITIVNÍCH FUNKCÍ INTEGRACE RACIONÁLNÍCH FUNKCÍ

SPECIÁLNÍCH PRIMITIVNÍCH FUNKCÍ INTEGRACE RACIONÁLNÍCH FUNKCÍ VÝPOČET PEIÁLNÍH PRIMITIVNÍH FUNKÍ Obecně nelze zadat algoritmus, který by vždy vedl k výpočtu primitivní funkce. Nicméně eistují jisté třídy funkcí, pro které eistuje algoritmus, který vždy vede k výpočtu

Více

9. přednáška 26. listopadu f(a)h < 0 a pro h (0, δ) máme f(a 1 + h, a 2,..., a m ) f(a) > 1 2 x 1

9. přednáška 26. listopadu f(a)h < 0 a pro h (0, δ) máme f(a 1 + h, a 2,..., a m ) f(a) > 1 2 x 1 9 přednáška 6 listopadu 007 Věta 11 Nechť f C U, kde U R m je otevřená množina, a a U je bod Pokud fa 0, nemá f v a ani neostrý lokální extrém Pokud fa = 0 a H f a je pozitivně negativně definitní, potom

Více

1.1 Existence a jednoznačnost řešení. Příklad 1.1: [M2-P1] diferenciální rovnice (DR) řádu n: speciálně nás budou zajímat rovnice typu

1.1 Existence a jednoznačnost řešení. Příklad 1.1: [M2-P1] diferenciální rovnice (DR) řádu n: speciálně nás budou zajímat rovnice typu [M2-P1] KAPITOLA 1: Diferenciální rovnice 1. řádu diferenciální rovnice (DR) řádu n: speciálně nás budou zajímat rovnice typu G(x, y, y, y,..., y (n) ) = 0 y (n) = F (x, y, y,..., y (n 1) ) Příklad 1.1:

Více

1. Vzácnost a užitečnost. 2. Princip nákladů obětované příležitosti a hranice produkčních možností 3. Princip utopených nákladů 4. Efektivnost 5.

1. Vzácnost a užitečnost. 2. Princip nákladů obětované příležitosti a hranice produkčních možností 3. Princip utopených nákladů 4. Efektivnost 5. Mikroekonomie bakalářský kurz - VŠFS Jiří Mihola, jiri.mihola@quick.cz, 2010 www.median-os.cz, www.ak-ol.cz Téma 1 Základní pojmy, principy a zákony Obsah. 1. Vzácnost a užitečnost. 2. Princip nákladů

Více

Statistická teorie učení

Statistická teorie učení Statistická teorie učení Petr Havel Marek Myslivec přednáška z 9. týdne 1 Úvod Představme si situaci výrobce a zákazníka, který si u výrobce objednal algoritmus rozpoznávání. Zákazník dodal experimentální

Více

Matematika I (KMI/5MAT1)

Matematika I (KMI/5MAT1) Přednáška první aneb Úvod do algebry (opakování ze SŠ a možná i ZŠ) Seznámení s předmětem Osnova přednášky seznámení s předmětem množiny pojem množiny operace s množinami číselné obory intervaly mocniny

Více

Základy ekonomie II. Téma č. 3: Modely ekonomické rovnováhy Petr Musil

Základy ekonomie II. Téma č. 3: Modely ekonomické rovnováhy Petr Musil Základy ekonomie II Téma č. 3: Modely ekonomické rovnováhy Petr Musil Struktura Opakování: ekonomická rovnováha Klasický model ekonomické rovnováhy: trh kapitálu trh práce důsledky v modelu AS-AD Keynesiánský

Více

7. Derivace složené funkce. Budeme uvažovat složenou funkci F = f(g), kde některá z jejich součástí

7. Derivace složené funkce. Budeme uvažovat složenou funkci F = f(g), kde některá z jejich součástí 202-m3b2/cvic/7slf.tex 7. Derivace složené funkce. Budeme uvažovat složenou funkci F = fg, kde některá z jejich součástí může být funkcí více proměnných. Předpokládáme, že uvažujeme funkce, které mají

Více

EXTRÉMY FUNKCÍ VÍCE PROMĚNNÝCH

EXTRÉMY FUNKCÍ VÍCE PROMĚNNÝCH EXTRÉMY FUNKCÍ VÍCE PROMĚNNÝCH ÚLOHY ŘEŠITELNÉ BEZ VĚTY O MULTIPLIKÁTORECH Nalezněte absolutní extrémy funkce f na množině M. 1. f(x y) = x + y; M = {x y R 2 ; x 2 + y 2 1} 2. f(x y) = e x ; M = {x y R

Více

DSS a De Novo programming

DSS a De Novo programming De Novo Programming DSS a De Novo programming DSS navrhují žádoucí budoucnost a cesty k jejímu uskutečnění Optimalizační modely vhodné nástroje pro identifikaci optimálního řešení problému Je ale problém

Více

Mikroekonomie Nabídka, poptávka

Mikroekonomie Nabídka, poptávka Téma cvičení č. 2: Mikroekonomie Nabídka, poptávka Ing. Jaroslav ŠETEK, Ph.D. Katedra ekonomiky, JČU Podstatné z minulého cvičení Matematický pojmový aparát v Mikroekonomii Důležité minulé cvičení kontrolní

Více

ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ

ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ Parametrické vyjádření přímky v rovině Máme přímku p v rovině určenou body A, B. Sestrojíme vektor u = B A. Pro bod B tím pádem platí: B = A + u. Je zřejmé,

Více

6 Skalární součin. u v = (u 1 v 1 ) 2 +(u 2 v 2 ) 2 +(u 3 v 3 ) 2

6 Skalární součin. u v = (u 1 v 1 ) 2 +(u 2 v 2 ) 2 +(u 3 v 3 ) 2 6 Skalární součin Skalární součin 1 je operace, která dvěma vektorům (je to tedy binární operace) přiřazuje skalár (v našem případě jde o reálné číslo, obecně se jedná o prvek nějakého tělesa T ). Dovoluje

Více

1. Náhodný vektor (X, Y ) má diskrétní rozdělení s pravděpodobnostní funkcí p, kde. p(x, y) = a(x + y + 1), x, y {0, 1, 2}.

1. Náhodný vektor (X, Y ) má diskrétní rozdělení s pravděpodobnostní funkcí p, kde. p(x, y) = a(x + y + 1), x, y {0, 1, 2}. VIII. Náhodný vektor. Náhodný vektor (X, Y má diskrétní rozdělení s pravděpodobnostní funkcí p, kde p(x, y a(x + y +, x, y {,, }. a Určete číslo a a napište tabulku pravděpodobnostní funkce p. Řešení:

Více

Kvízové otázky Obecná ekonomie I. Teorie firmy

Kvízové otázky Obecná ekonomie I. Teorie firmy 1. Firmy působí: a) na trhu výrobních faktorů b) na trhu statků a služeb c) na žádném z těchto trhů d) na obou těchto trzích Kvízové otázky Obecná ekonomie I. Teorie firmy 2. Firma na trhu statků a služeb

Více

9 Kolmost vektorových podprostorů

9 Kolmost vektorových podprostorů 9 Kolmost vektorových podprostorů Od kolmosti dvou vektorů nyní přejdeme ke kolmosti dvou vektorových podprostorů. Budeme se zabývat otázkou, kdy jsou dva vektorové podprostory na sebe kolmé a jak to poznáme.

Více

8 NEZAMĚSTNANOST. 8.1 Klíčové pojmy

8 NEZAMĚSTNANOST. 8.1 Klíčové pojmy 8 NEZAMĚSTNANOST 8.1 Klíčové pojmy Ekonomicky aktivní obyvatelstvo je definováno jako suma zaměstnaných a nezaměstnaných a míra nezaměstnanosti je definovaná jako procento ekonomicky aktivního obyvatelstva,

Více

Derivace funkcí více proměnných

Derivace funkcí více proměnných Derivace funkcí více proměnných Pro studenty FP TUL Martina Šimůnková 16. května 019 1. Derivace podle vektoru jako funkce vektoru. Pro pevně zvolenou funkci f : R d R n a bod a R d budeme zkoumat zobrazení,

Více

Normální (Gaussovo) rozdělení

Normální (Gaussovo) rozdělení Normální (Gaussovo) rozdělení Normální (Gaussovo) rozdělení popisuje vlastnosti náhodné spojité veličiny, která vzniká složením různých náhodných vlivů, které jsou navzájem nezávislé, kterých je velký

Více

Funkce pro studijní obory

Funkce pro studijní obory Variace 1 Funkce pro studijní obory Autor: Mgr. Jaromír JUŘEK Kopírování a jakékoliv další využití výukového materiálu je povoleno pouze s uvedením odkazu na www.jarjurek.cz. 1. Funkce Funkce je přiřazení,

Více

Základy genetiky populací

Základy genetiky populací Základy genetiky populací Jedním z významných odvětví genetiky je genetika populací, která se zabývá studiem dědičnosti a proměnlivosti u velkých skupin jedinců v celých populacích. Populace je v genetickém

Více

Pavlína Matysová. 5. listopadu 2018

Pavlína Matysová. 5. listopadu 2018 Soubor řešených úloh Vyšetřování průběhu funkce Pavlína Matysová 5. listopadu 018 1 Soubor řešených úloh Tento text obsahuje 7 úloh na téma vyšetřování průběhu funkce. Každé úloha je řešena dvěma způsoby

Více

M - Kvadratické rovnice a kvadratické nerovnice

M - Kvadratické rovnice a kvadratické nerovnice M - Kvadratické rovnice a kvadratické nerovnice Určeno jako učební tet pro studenty dálkového studia. VARIACE 1 Tento dokument byl kompletně vytvořen, sestaven a vytištěn v programu dosystem - EduBase.

Více

ÚVOD. Dokonalé informace známe všechny možné stavy světa Nereálné

ÚVOD. Dokonalé informace známe všechny možné stavy světa Nereálné RIZIKO ÚVOD Dokonalé informace známe všechny možné stavy světa Nereálné Rozhodování v nejistotě Známe všechny možné situace a jejich pravděpodobnosti Známe všechny možné situace, ale ne jejich pravděpodobnosti

Více

Věta 12.3 : Věta 12.4 (princip superpozice) : [MA1-18:P12.7] rovnice typu y (n) + p n 1 (x)y (n 1) p 1 (x)y + p 0 (x)y = q(x) (6)

Věta 12.3 : Věta 12.4 (princip superpozice) : [MA1-18:P12.7] rovnice typu y (n) + p n 1 (x)y (n 1) p 1 (x)y + p 0 (x)y = q(x) (6) 1. Lineární diferenciální rovnice řádu n [MA1-18:P1.7] rovnice typu y n) + p n 1 )y n 1) +... + p 1 )y + p 0 )y = q) 6) počáteční podmínky: y 0 ) = y 0 y 0 ) = y 1 y n 1) 0 ) = y n 1. 7) Věta 1.3 : Necht

Více

4EK213 Lineární modely. 12. Dopravní problém výchozí řešení

4EK213 Lineární modely. 12. Dopravní problém výchozí řešení 4EK213 Lineární modely 12. Dopravní problém výchozí řešení 12. Distribuční úlohy LP Úlohy výrobního plánování (alokace zdrojů) Úlohy finančního plánování (optimalizace portfolia) Úlohy reklamního plánování

Více

Vliv věku a příjmu na výhodnost vstupu do důchodového spoření (II. pilíře)

Vliv věku a příjmu na výhodnost vstupu do důchodového spoření (II. pilíře) Vliv věku a příjmu na výhodnost vstupu do důchodového spoření (II. pilíře) Následující analýza výhodnosti vstupu do II. pilíři vychází ze stejné metodologie, která je popsána v Pojistněmatematické zprávě

Více

CVIČNÝ TEST 37. OBSAH I. Cvičný test 2. Mgr. Tomáš Kotler. II. Autorské řešení 5 III. Klíč 13 IV. Záznamový list 15

CVIČNÝ TEST 37. OBSAH I. Cvičný test 2. Mgr. Tomáš Kotler. II. Autorské řešení 5 III. Klíč 13 IV. Záznamový list 15 CVIČNÝ TEST 37 Mgr. Tomáš Kotler OBSAH I. Cvičný test 2 II. Autorské řešení 5 III. Klíč 13 IV. Záznamový list 15 I. CVIČNÝ TEST VÝCHOZÍ TEXT A OBRÁZEK K ÚLOZE 1 Na staré hliněné desce je namalován čtverec

Více

Seminární práce ze Základů firemních financí

Seminární práce ze Základů firemních financí Seminární práce ze Základů firemních financí Téma: Analýza vývoje zisku Zpracovaly: Veronika Kmoníčková Jana Petrčková Dominika Sedláčková Datum prezentace: 24.3. 2004...... V Brně dne...... P o d p i

Více

Definice 13.1 Kvadratická forma v n proměnných s koeficienty z tělesa T je výraz tvaru. Kvadratická forma v n proměnných je tak polynom n proměnných s

Definice 13.1 Kvadratická forma v n proměnných s koeficienty z tělesa T je výraz tvaru. Kvadratická forma v n proměnných je tak polynom n proměnných s Kapitola 13 Kvadratické formy Definice 13.1 Kvadratická forma v n proměnných s koeficienty z tělesa T je výraz tvaru f(x 1,..., x n ) = a ij x i x j, kde koeficienty a ij T. j=i Kvadratická forma v n proměnných

Více

Úvod. Kapitálové statky výrobek není určen ke spotřebě, ale k další výrobě (postupná spotřeba) amortizace Finanční kapitál cenné papíry

Úvod. Kapitálové statky výrobek není určen ke spotřebě, ale k další výrobě (postupná spotřeba) amortizace Finanční kapitál cenné papíry TRH KAPITÁLU Úvod Kapitálové statky výrobek není určen ke spotřebě, ale k další výrobě (postupná spotřeba) amortizace Finanční kapitál cenné papíry Vznik díky odložené spotřebě Nutná kompenzace možnost

Více

10. cvičení - LS 2017

10. cvičení - LS 2017 10. cvičení - LS 2017 Michal Outrata Příklad 1 Spočtěte následující itu daných posloupností: (a) (b) (c) n 3 +5n 2 n 3 6n 2 +3 n ; n 4 3n 2 6 n 4 + 3n 2 + 6; n 2 15n+2(1 n). 2(n 2) 3 2n 3 Příklad 2 Pro

Více

Užitek. Obsah. Kardinalistický přístup. Užitek. Kardinalistická teorie. Ordinalistická teorie

Užitek. Obsah. Kardinalistický přístup. Užitek. Kardinalistická teorie. Ordinalistická teorie Obsah Užitek Kardinalistická teorie Ordinalistická teorie Užitek Trh výr a služeb. -dva subjekty firmy a dom Při rozhodování je spotřebitel omezen svým příjmem (důchodem) Cílem spotřebitele je maximalizace..

Více

Užitek. Obsah. Kardinalistický přístup. Užitek. Kardinalistická teorie. Ordinalistická teorie. Užitekje. 2 teorie 1.Kardinalistická teorie-užitek.

Užitek. Obsah. Kardinalistický přístup. Užitek. Kardinalistická teorie. Ordinalistická teorie. Užitekje. 2 teorie 1.Kardinalistická teorie-užitek. Obsah Užitek Kardinalistická teorie Ordinalistická teorie Užitek Trh výr a služeb. -dva subjekty firmy a dom Při rozhodování je spotřebitel omezen svým příjmem (důchodem) Cílem spotřebitele je maximalizace

Více

Dokonale konkurenční odvětví

Dokonale konkurenční odvětví Dokonale konkurenční odvětví Východiska určení výstupu pro maximalizaci zisku ekonomický zisk - je rozdíl mezi příjmy a ekonomickými náklady (alternativními náklady) účetní zisk - je rozdíl mezi příjmy

Více

Příklad. Řešte v : takže rovnice v zadání má v tomto případě jedno řešení. Pro má rovnice tvar

Příklad. Řešte v : takže rovnice v zadání má v tomto případě jedno řešení. Pro má rovnice tvar Řešte v : má rovnice tvar takže rovnice v zadání má v tomto případě jedno řešení. Pro má rovnice tvar takže rovnice v zadání má v tomto případě opět jedno řešení. Sjednocením obou případů dostaneme úplné

Více

Firmy na dokonale konkurenčních trzích

Firmy na dokonale konkurenčních trzích Firmy na dokonale konkurenčních trzích Motivace Každá firma musí učinit následující rozhodnutí: kolik vyrábět jakou cenu si účtovat s jakými výrobními faktory (kolik práce a kolik kapitálu) Tato rozhodnutí

Více

63. ročník matematické olympiády Řešení úloh krajského kola kategorie B. 1. Odečtením druhé rovnice od první a třetí od druhé dostaneme dvě rovnice

63. ročník matematické olympiády Řešení úloh krajského kola kategorie B. 1. Odečtením druhé rovnice od první a třetí od druhé dostaneme dvě rovnice 63. ročník matematické olympiády Řešení úloh krajského kola kategorie B 1. Odečtením druhé rovnice od první a třetí od druhé dostaneme dvě rovnice (x y)(x + y 6) = 0, (y z)(y + z 6) = 0, které spolu s

Více

Optimalizace úvěrových nabídek. EmbedIT 7.11.2013 Tomáš Hanžl

Optimalizace úvěrových nabídek. EmbedIT 7.11.2013 Tomáš Hanžl Optimalizace úvěrových nabídek EmbedIT 7.11.2013 Tomáš Hanžl Obsah Spotřebitelský úvěr Popis produktu Produktová definice v HC Kalkulace úvěru Úloha nalezení optimálního produktu Shrnutí Spotřebitelský

Více

analytické geometrie v prostoru s počátkem 18. stol.

analytické geometrie v prostoru s počátkem 18. stol. 4.. Funkce více proměnných, definice, vlastnosti Funkce více proměnných Funkce více proměnných se v matematice začal používat v rámci rozvoje analtické geometrie v prostoru s počátkem 8. stol. I v sami

Více

Aplikovaná numerická matematika

Aplikovaná numerická matematika Aplikovaná numerická matematika 6. Metoda nejmenších čtverců doc. Ing. Róbert Lórencz, CSc. České vysoké učení technické v Praze Fakulta informačních technologií Katedra počítačových systémů Příprava studijních

Více

OP3BK_FEK. Ekonomika. Jaro / 13:55 15:35 / učebna č.20

OP3BK_FEK. Ekonomika. Jaro / 13:55 15:35 / učebna č.20 OP3BK_FEK Ekonomika Jaro 2013 16.03.2013 / 13:55 15:35 / učebna č.20 Přehled témat (osnova): 1. Úvod do ekonomie Základní pojmy Vývoj ekonomie Aktuální problémy 2. Mikroekonomie Tržní struktury Dokonalá

Více

1.1 Příklad z ekonomického prostředí 1

1.1 Příklad z ekonomického prostředí 1 1.1 Příklad z ekonomického prostředí 1 Smysl solidního zvládnutí matematiky v bakalářských oborech na Fakultě podnikatelské VUT v Brně je především v aplikační síle matematiky v odborných předmětech a

Více

Mikroekonomie. Nabídka, poptávka. = c + d.q. P s. Nabídka, poptávka. Téma cvičení č. 2: Téma. Nabídka (supply) S. Obecná rovnice nabídky

Mikroekonomie. Nabídka, poptávka. = c + d.q. P s. Nabídka, poptávka. Téma cvičení č. 2: Téma. Nabídka (supply) S. Obecná rovnice nabídky Téma cvičení č. 2: Mikroekonomie Nabídka, poptávka Ing. Jaroslav ŠETEK, Ph.D. Katedra ekonomiky, JČU Téma Nabídka, poptávka Nabídka (supply) S Nabídka představuje objem zboží, které jsou výrobci ochotni

Více

10. N á h o d n ý v e k t o r

10. N á h o d n ý v e k t o r 10. N á h o d n ý v e k t o r 10.1. Definice: Náhodný vektor. Uspořádanou n tici (X 1, X 2,..., X n ) náhodných veličin X i, 1 i n, nazýváme náhodným vektorem. Poznámka: Pro jednoduchost budeme zavádět

Více

Riemannův určitý integrál

Riemannův určitý integrál Riemannův určitý integrál 1. Motivační příklad Příklad (Motivační příklad pro zavedení Riemannova integrálu). Nechť,. Vypočtěme obsah vybarvené oblasti ohraničené grafem funkce, osou a svislými přímkami

Více

Odhad parametrů N(µ, σ 2 )

Odhad parametrů N(µ, σ 2 ) Odhad parametrů N(µ, σ 2 ) Mějme statistický soubor x 1, x 2,, x n modelovaný jako realizaci náhodného výběru z normálního rozdělení N(µ, σ 2 ) s neznámými parametry µ a σ. Jaký je maximální věrohodný

Více

Newtonova metoda. 23. října 2012

Newtonova metoda. 23. října 2012 Hledání kořenů rovnic jedné reálné proměnné Newtonova metoda Michal Čihák 23. října 2012 Newtonova metoda (metoda tečen) využívá myšlenku, že tečna v daném bodě grafu funkce nejlépe aproximuje graf funkce

Více

MODELY ŘÍZENÍ ZÁSOB nákladově orientované modely poptávka pořizovací lhůta dodávky předstih objednávky deterministické stochastické

MODELY ŘÍZENÍ ZÁSOB nákladově orientované modely poptávka pořizovací lhůta dodávky předstih objednávky deterministické stochastické MODELY ŘÍZENÍ ZÁSOB Význam zásob spočívá především v tom, že - vyrovnávají časový nebo prostorový nesoulad mezi výrobou a spotřebou - zajišťují plynulou výrobu nebo plynulé dodávky zboží i při nepředvídaných

Více

Vysoká škola technická a ekonomická v Českých Budějovicích. Institute of Technology And Business In České Budějovice

Vysoká škola technická a ekonomická v Českých Budějovicích. Institute of Technology And Business In České Budějovice MIKROEKONOMIE ÚVOD, TRH A TRŽNÍ MECHANISMUS Vysoká škola technická a ekonomická v Českých Budějovicích Institute of Technology And Business In České Budějovice Tento učební materiál vznikl v rámci projektu

Více

ROVNOVÁHA. 5. Jak by se změnila účinnost fiskální politiky, pokud by spotřeba kromě důchodu závisela i na úrokové sazbě?

ROVNOVÁHA. 5. Jak by se změnila účinnost fiskální politiky, pokud by spotřeba kromě důchodu závisela i na úrokové sazbě? ROVNOVÁHA Zadání 1. Použijte neoklasickou teorii rozdělování k předpovědi efektu následujících událostí na reálnou mzdu a reálnou cenu kapitálu: a) Vlna imigrace zvýší množství pracovníků v zemi. b) Zemětřesení

Více

MAKROEKONOMIE. Blok č. 4: SPOTŘEBA

MAKROEKONOMIE. Blok č. 4: SPOTŘEBA MAKROEKONOMIE Blok č. 4: SPOTŘEBA Struktura tématu. úvod do nejvýznamnějších teorií spotřeby, kterými jsou: John Maynard Keynes: spotřeba a současný důchod Irving Fisher: mezičasová volba Franco Modigliani:

Více