NATIONALEKONOMISKA INSTITUTIONEN Datum: Författare: Victor Marklund och Mattias Öhman. Förlustspiralen

Storlek: px
Starta visningen från sidan:

Download "NATIONALEKONOMISKA INSTITUTIONEN Datum: Författare: Victor Marklund och Mattias Öhman. Förlustspiralen"

Transkript

1 NATIONALEKONOMISKA INSTITUTIONEN Datum: Uppsala universitet Författare: Victor Marklund och Mattias Öhman Nationalekonomi/Examensarbete C Handledare: Erik Grönqvist Förlustspiralen En studie av riskbeteende i spelet Black Jack

2 Sammanfattning Den traditionella förväntade nyttoteorin har kritiserats för att inte vara realistisk i sina förutsägelser om hur beslut tas vid risk. Eftersom de flesta situationer innefattar någon form av risk är det viktigt att utreda ifall man bör söka efter en alternativ teori. I denna uppsats undersöks hur väl nyttoteorin och en konkurrent till denna, prospektteorin, kan förklara riskbeteendet hos Black Jack-spelare. Detta görs genom en studie av fem individers spelbeteende på en krog i centrala Jönköping. Materialet analyseras både grafiskt och statistiskt genom att undersöka om individernas beteende förändras beroende på utfallet dels i de fem senaste händerna och dels under hela spelomgången. Resultaten tyder på att individer tar bättre beslut om de har en ackumulerad vinst och sämre beslut om de har en ackumulerad förlust under den tidigare spelomgången, vilket är förenligt med prospektteorin. Samtidigt upptäcks en uttröttningseffekt som leder till sämre beslut tagna ju längre man har spelat, som ingen av teorierna förutsäger. En spelare som har en vinst kan kompensera för denna effekt, men en spelare med förlust kommer att ta sämre beslut både på grund av förlusten och på grund av uttröttning i något som kan kallas för en förlustspiral. Nyckelord: Beteendeekonomi, prospektteori, förväntad nyttoteori, riskbeteende, riskaversion, risksökande, loss aversion, Black Jack, förlustspiral. I

3 Innehållsförteckning 1. Inledning Riskteorier Den förväntade nyttoteorin Prospektteorin Hypoteser Nyttoteorin Prospektteorin Spelteori Spelregler för Black Jack Metod Urval Definitioner Databehandling Grafisk metod Statistisk metod Resultat Grafiskt resultat Statistiskt resultat Diskussion och analys Referenser Bilagor Förenklat spelschema Förväntad avkastning Tabelldata II

4 1. Inledning I ekonomisk teori är ett fundamentalt antagande att individer är rationella. I de enklaste tillämplingarna förutsätts även att aktörerna har fullständig information. När individen ställs inför ett val är varje utfall känt och individen kommer att välja det som ger högst nytta. I verkligheten är det svårt att ens i avgränsade problem utgå från att någon har fullständig information. Mikroteorin tar hänsyn till detta genom att introducera förväntningar i vad som kallas förväntad nyttoteori. I denna antas vanligtvis en aktör känna till möjliga utfall samt deras sannolikheter för att med hjälp av dessa beräkna väntevärdet för ett visst val. På samma sätt som tidigare väljer individen det val som ger mest nytta, alltså har högst väntevärde. På senare tid har denna standardteori utsatts för mycket kritik, bland annat från området kallat beteendeekonomi. Inte minst har antagandet om rationalitet ifrågasatts. Kritikerna menar dels att det är en betydande överskattning av människors förmåga att ta till sig stora mängder information, dels att själva värderingen av informationen inte går till så som nyttoteorin antar. Åtskilliga experimentella studier tycks bekräfta denna kritik. 1 Exempelvis tycks aktörers val påverkas av irrelevanta alternativ. Anta att en individ ska välja mellan A och B och det är oklart vilken som ska föredras (båda alternativen har sina respektive fördelar). Om ytterligare ett alternativ, C, läggs till och det är dominerat av A bör individens val mellan A och B inte påverkas. Det visar sig emellertid att en sådan utökning gör att fler tenderar att välja A. Det förklaras med att individer ser alternativen i relation till varandra, snarare än ser till deras nytta och jämför dem. A verkar vara bättre än B, eftersom A åtminstone dominerar C. Redan i slutet av 70-talet presenterades ett alternativ till den förväntade nyttoteorin kallat prospektteorin, som utvecklats av Kahneman och Tversky (1979). Den var ett försök att formulera en teori som kunde beskriva och förklara många av de resultat som man såg inom experimentell ekonomi. Enligt prospektteorin utgår individer från en subjektiv referenspunkt som gör att vinster och förluster bedöms på olika sätt. Individer är förlustaversiva ( loss aversion ) och föredrar att undvika förluster framför att ta risker som kanske leder till vinst. I denna uppsats skall vi pröva hur väl dessa två teorier förklarar en spelares beteende i spelet Black Jack. Det är ett kortspel med två spelare (varav den ena är kasinot) där målet är att få en 1 Ariely, D. (2008) redovisar på ett lättsamt sätt ett stort antal sådana studier. 1

5 summa så nära 21 som möjligt utan att gå över. Detta spel är intressant att studera på grund av dess upplägg. För varje uppsättning kort är det möjligt att beräkna den förväntade avkastningen, vilket gör det till ett matematiskt enkelt spel. Dessutom är risken vid varje hand given och det är heller inte möjligt för spelaren att ta ett mer riskfyllt val för att vinna mer. Det finns således hela tiden ett val som maximerar den förväntade avkastningen för spelaren. 2 För att testa dessa två teorier observerar vi en handfull spelare vid ett Black Jack-bord och hur deras beteende eventuellt förändras efter en tids förlust eller vinst. Vi undersöker vilken, om någon, av de nämnda riskteorierna som bäst kan förklara våra observerade spelares beteende. På grund av tidsfristen avgränsar vi oss till fem spelare och hundra händer vardera. Analysen genomförs genom att vi studerar spelarnas beteende och resultat individuellt i en grafisk analys, vilket blir möjligt med så pass få observerade individer som studien innehåller. Den grafiska analysen tillåter emellertid inte slutsatser om kausalitet utan ger mest en överskådlig blick. Därför genomförs även en statistisk analys där spelarbeteendet undersöks med hänsyn till ett flertal olika variabler. Uppsatsen börjar med en genomgång av riskteorierna och vilket beteende vi förväntar oss att se enligt dessa, sedan formuleras hypoteser för respektive teori. Vidare följer en genomgång av Black Jack och ett metodavsnitt där vi beskriver datainsamlingen och hur vi bearbetat den. Slutligen redovisas vårt resultat följt av en analys. Som bilagor ingår vårt insamlade och bearbetade material, en tabell för väntevärdesavkastning samt ett förenklat spelschema. 2. Riskteorier Inom nationalekonomin förutsätts individen vanligtvis vara rationell i sitt agerande. När beslut måste fattas under osäkerhet kan individen inte i förväg veta vilket utfall ett beslut leder till, vilket försvårar för individen att ex ante veta vilket beslut som kommer att leda till det bästa utfallet. Det finns i huvudsak två teorier ekonomer använder för att studera situationer med risk: Den förväntade nyttoteorin och prospektteorin Den förväntade nyttoteorin Den förväntade nyttoteorin har som utgångspunkt att individen agerar för att maximera sin nytta. När utfallet är oklart antas individen agera med hjälp av sannolikhetsberäkningar. Med 2 Denna strategi kommer ibland att benämnas optimal strategi. 2

6 hjälp av dessa kan individen beräkna väntevärdet av att ta ett visst beslut och jämföra detta med alternativa beslut. Det finns tre olika attityder till risk: riskneutralitet, riskaversivitet och risksökande. Eftersom det är nytta som beaktas måste hänsyn tas till att individer kan värdera situationen olika, på samma sätt som vi har olika preferenser för andra varor. En riskaversiv individ kan således vara beredd att delta i ett spel även om det innefattar en stor monetär risk. Figur 2.1 (a): Riskneutral individ Nytta Figur 2.1 (a) visar en riskneutral individ, som varken undviker eller föredrar risk. Om individen har en sannolikhet att antingen få inkomsten I 1 eller u(e(i)) I 2 är inkomstens väntevärde E(I), vilket betyder att individen har den förväntade nyttan u(e(i)). I 1 E(I) I 2 Inkomst Figur 2.1 (b): Riskaversiv individ Nytta û(i) u(e(i)) Figur 2.1 (b) visar en riskaversiv individ, det vill säga en individ som vill undvika risk. Även i detta fall gäller att om individen har möjlighet att få inkomsten I 1 eller I 2 så är inkomstens väntevärde I 1 E(I) I 2 Inkomst E(I). Men till skillnad från (a) så skiljer sig individens nytta av en säker inkomst I, som skulle ge nyttan û(i), och den osäkra inkomsten E(I), som ger den förväntade nyttan u(e(i)). Nytta u(e(i)) û(i) Figur 2.1 (c): Risksökande individ I 1 E(I) I 2 Inkomst Betrakta till sist figur 2.1 (c). Här illustreras en risksökande individ, alltså en individ som föredrar risk. Den förväntade inkomsten E(I) ger i detta fall nyttan u(e(i)) vilken överstiger û(i). Möjligheten att kanske få en hög inkomst är för denna individ en attraktiv egenskap, trots risken för att det kan bli en låg inkomst. 3

7 Skillnaden mellan en riskneutral, en riskaversiv och en risksökande individ kan också beskrivas genom villigheten att ställa upp i ett fair gamble. I ett sådant spel är den förväntade vinsten noll. Ett exempel är ett vad där man singlar slant och vinner 100 kronor om det blir krona och förlorar 100 kronor om det blir klave, (1) En riskneutral individ är indifferent till ett sådant spel, medan en riskaversiv individ inte kommer att acceptera det och en risksökande individ kommer att acceptera det. Ponera att en spelare väljer mellan två olika spel, X och Y. Osäkerhetsfaktorn skiljer sig mellan dessa två spel. Det ena spelet har en hög potentiell vinst men låg sannolikhet att vinna, medan det andra spelet har en lägre potentiell vinst men större sannolikhet att spelaren vinner. Exempel 2.1: Anta att sannolikheten att vinna i spel X är 1 procent. Kostnaden för att spela är 110 kronor. Om spelaren vinner är vinsten kronor. I spel Y är sannolikheten att vinna 5 procent. Spelet kostar 70 kronor. Vinsten är enbart kronor. Därmed kan vi beräkna de båda spelens väntevärde, (2) (3) Vinstens väntevärde i spel X är högre än motsvarande väntevärde i spel Y, samtidigt som kostnaden för att spela X är högre. Inget av spelen är ett fair gamble, vilket betyder att endast en risksökande individ skulle kunna acceptera dem, givet att individer endast ser till potentiell vinst. Individer kan dock som nämnts tidigare värdera själva spelandet så högt att nyttovärdet ändå blir positivt. Det gör det tänkbart att såväl en riskneutral som en riskaversiv person kan välja att spela. Nyttoteorin kräver alltså av individen att den känner till eller uppskattar antalet möjliga utfall samt deras respektive sannolikhet och sedan beräknar valalternativens väntevärde. Det är uppenbart att detta kan bli en mycket komplicerad uppgift redan i så isolerade situationer som spel. 4

8 I Black Jack är det möjligt att på ett motsvarande sätt beräkna väntevärdet av ett val och därigenom bestämma hur man ska göra. 3 Exempel 2.2: Spelaren satsar 10 kr på en hand. Spelaren får en 8:a och en 7:a (8 + 7 = 15) på given där dealern får en 9:a. Spelarens väntevärde av att inte ta ett kort till är (4) Spelarens väntevärde av att ta ett kort till är (5) Givet att spelarens preferenser inte tar hänsyn till något annat än förväntad vinst bör således alternativet att ta ett till kort väljas Prospektteorin Kahneman och Tversky (1979) 4 lade fram ett alternativ till den traditionella nyttoteorin som beskrivits ovan. Prospektteorin tar bland annat hänsyn till att vi människor har begränsad mental kapacitet och tid och därför förenklar de problem vi ställs inför. Prospektteorin är mer komplicerad än nyttoteorin och innefattar delar som inte är relevanta för vår spelsituation. Vi tar därför endast upp det som är nödvändigt för att förstå teorins grunder. Skälet till att prospektteorin utvecklades var att man i experimentell ekonomi kunde se resultat som var svåra att förklara i nyttoteorin. Följande spelexempel kommer från artikeln av Kahneman och Tversky. Exempel 2.3: Individen har att välja mellan följande alternativ. (a) 90 procents sannolikhet att få 3000 kr eller (b) 45 procents sannolikhet att få 6000 kr. Det kan också uttryckas som (6) 3 Väntevärderna kommer från spelschemat för förväntad avkastning. Se bilaga Tversky och Kahneman har vidareutvecklat prospektteorin till vad som kallas kumulativ prospektteori, delvis som svar på att den tidigare teorin kunde strida mot dominans. För denna uppsats är en genomgång av denna utveckling dock av mindre betydelse. 5

9 (7) (8) Av 66 deltagare föredrogs E(a) av 86 procent medan 14 procent föredrog E(b). Betrakta sedan följande situation. Individen har att välja mellan alternativ (c) att betala 3000 kr med 90 procents sannolikhet eller (d) att betala 6000 kr med 45 procents sannolikhet, eller uttryckt (9) (10) (11) 92 procent av deltagarna föredrog i detta fall alternativ E(d). Notera att väntevärdet i (a) och (b) respektive (c) och (d) är samma, samt att det val individerna gör skiljer sig åt i positiva respektive negativa prospekt. Enligt nyttoteorin förväntas en jämn fördelning mellan alternativen, och den bör heller inte se så olika ut beroende på ifall det är frågan om ett positivt eller ett negativt prospekt. Prospektteorin delar upp beslutsfattandet i två olika faser, redigeringsfasen och utvärderingsfasen. I redigeringsfasen söker individer strukturera upp problemet för att kunna förenkla beslutsfattandet. Möjliga utfall kodas antingen som vinster eller förluster i förhållande till en viss subjektiv referenspunkt, som kan vara sakers nuvarande tillstånd. För att minska antalet alternativ kombineras val som har samma sannolikhet och vinst och tolkas som ett och samma. Alternativ som innehåller både säkra och osäkra komponenter segregeras så att den säkra komponenten separeras från den osäkra. Gemensamma faktorer för olika valalternativ ignoreras. Mycket osannolika alternativ antingen ignoreras eller ges för hög vikt. Dominerade alternativ bortses helt ifrån. I utvärderingsfasen beräknas nyttan av de olika (redigerade) valen baserat på deras möjliga utfall och sannolikheter. På samma sätt som i nyttoteorin väljer individer det val som värderas högst, vilket i prospektteorin kallas för värde i stället för nytta. 6

10 Totalvärdet ( Overall value ) av ett prospekt betecknas med V och uttrycks i två skalor ( scales ), π och v. π avser den vikt sannolikheten p får i V, π(p). v avser individens subjektiva värdering av utfall x, v(x). Utfallen jämförs med en referenspunkt och v mäter avvikelsen från denna. För V(x,p; y,q) gäller i ett strikt positivt prospekt (exempel (a) och (b) ovan) att p + q = 1 och x > y > 0. I ett strikt negativt prospekt (exempel (c) och (d) ovan) gäller p + q = 1 och x < 0 < y. Det ger utvärderingsregeln utseendet (12) Värdefunktionens utseende beror på avvikelsen från referenspunkten och är enligt Kahneman och Tversky konkav för vinster och konvex för förluster, samt är brantare för förluster än för vinster. Det ger ett S-format utseende som i figur 2.2 (a). Figur 2.2 (a): Värdefunktionen Figur 2.2 (b): Viktfunktionen Värde π(p) 1,0 Förluster Vinster 0,5 0,5 1,0 p Figur 2.2 (b) representerar en vanligt använd viktfunktion. Låga sannolikheter överskattas och får ett konkavt utseende medan höga sannolikheter underskattas vilket ger kurvan ett konvext utseende. Viktfunktionens utseende beskriver individers tendens att tänka i kategorier. Här kan man tala om fyra olika kategorier: omöjlighet, möjlighet, trolighet och säkerhet. Att små sannolikheter överviktas visar skillnaden mellan kategorierna omöjlighet och möjlighet. Vi betraktar någonting som möjligt även om sannolikheten är ytterst liten (som att köpa lotter i hopp om att vinna pengar). Att höga sannolikheter underviktas pekar på skillnaden mellan trolighet och säkerhet. Även om något är troligt så finns ju risken att misslyckas, och det resulterar i en överbetoning av det osannolika (att man misslyckas). 7

11 Tabell 2.1: Riskbeteende enligt prospektteorin. Vinster Förluster Låga sannolikheter Risksökande Riskaversiv Höga sannolikheter Riskaversiv Risksökande Enligt prospektteorin är människor beredda att ta risker för att undvika förluster trots att risken att förlora är stor. Samtidigt är vi mindre benägna att ta risker när vi kan vinna, trots att sannolikheten för detta är hög. Detta kallas förlustaversion ( loss aversion ). Exempel 2.4: I ett val mellan 8000 kr med 20 procents sannolikhet och 2000 kr med 80 procents sannolikhet blir utvärderingsregeln (13) där (14) I exemplet föredras enligt prospektteorin alternativet att med 80 procents sannolikhet få 2000 kr över alternativet med 8000 kr med 20 procents sannolikhet. Thaler och Ziemba (1988) diskuterar anomalier som är svåra att förklara inom den traditionella nyttoteorin. Exempelvis kan man i studier över hur människor satsar i hästkapplöpning se att favorite-longshot bias 5 blir starkare över dagen, vilket förklaras med att individerna försöker vinna tillbaka förlusterna. I förhållande till referenspunkten har individen sjunkit ner i förlustspektrat och därmed blivit risksökande med ett större risktagande, på det sätt prospektteorin förutsäger. Enligt prospektteorin ser spelbeteendet följaktligen annorlunda ut i Black Jack än det som nyttoteorin förutspår. Spelare som har förlorat i tidigare händer bör bli risksökande på samma sätt som man kunnat se att hästkapplöpningsspelare som har förlorat pengar blir det. Referenspunktens förskjutning mot förlust gör att spelaren hamnar i det risksökande spektrat. Vid vinster förskjuts i stället referenspunkten åt det andra hållet och konsekvensen blir ett riskaversivt beteende. Viktfunktionen gör dessutom att spelaren kommer att överskatta vinstmöjligheterna när förväntad avkastning per krona är låg och vice versa. 5 Favorite-longshot bias syftar på att spelare tenderar att satsa för lite på favoriter och för mycket på longshots. 8

12 3. Hypoteser I Black Jack kan spelaren för att maximera förväntad avkastning spela enligt en sannolikhetstabell. I de allra flesta händer innebär detta att det för spelarens del är fråga om att minimera förväntad förlust. Informationssymmetri råder mellan spelaren och dealern. Strategin för att maximera avkastningen är tämligen välkänd och lättillgänglig. I detta avsnitt ställer vi upp varsin hypotes för nyttoteorin respektive prospektteorin. Dessa hypoteser kommer senare att användas för att se vilken teori som bäst förklarar spelbeteendet Nyttoteorin Givet förutsättningarna i spelet är det inte orimligt att förmoda att de flesta riskaversiva personer avstår från att spela. Det bör även gälla riskneutrala individer, eftersom spelet har en negativ förväntad avkastning. Undantag är de som spelar för spelandets skull, snarare än för att vinna pengar. Vi utgår emellertid från att spelarna har en risksökande attityd. Eftersom en risksökande individ uppskattar risk som innebär en högre potentiell avkastning och den enda möjligheten att göra detta i Black Jack är att öka insatsen kan man tänka sig att de som kan spelet satsar högre belopp än andra. Insatsen beror emellertid på spelarens egen inkomst och är relativ denna, vilket gör att det är svårt att bedöma huruvida detta är fallet. Däremot kan själva spelstrategin observeras. Vi utgår från att en spelare agerar i enlighet med den förväntade nyttoteorin om individen spelar med ett konsekvent risktagande oberoende av tidigare vinster eller förluster Prospektteorin Som nämnts tidigare förväntas spelarna agera annorlunda om prospektteorin är en riktig beskrivning av spelbeteendet. Förlustaversion gör att spelare blir riskaversiva vid vinster och risksökande vid förluster. Samtidigt överskattar individen låga sannolikheter till vinst medan höga sannolikheter för förlust underskattas. På samma sätt som den förväntade nyttoteorin leder till att risksökande individer satsar högre belopp än andra så kan enligt prospektteorin en individ som erfarit förluster tänkas börja satsa mer i förhoppning om att vinna tillbaka förlusterna. I detta fall kan detta beteende observeras, 9

13 eftersom storleken på insatsen ska öka när spelaren tidigare har förlorat. Man kan dessutom förmoda att spelaren tar större risker givet en hand, det vill säga tar chansen att avvika från den optimala strategin på grund av en felaktig uppfattning om sannolikheterna. Vi kommer utgå ifrån att en spelare agerar i enlighet med prospektteorin om individen efter vinster tar mindre risk och efter förluster tar större risk. 4. Spelteori När man ser till spel som studieobjekt måste man först skilja på spel som baseras på skicklighet respektive spel som grundar sig i tur. Exempel 4.1: Schack är ett bra exempel på ett spel som enbart är uppbyggt på skicklighet spelarna emellan då det saknas faktorer andra än de spelarna kontrollerar. I andra änden av skalan kan nämnas lotto eller tärningar som endast avgörs på tur eftersom inget spelaren gör kan ändra chansen till eventuell vinst. Inom kategorin kasinospel finns det både spel som enbart avgörs av tur såsom roulette, tärningar eller enarmade banditer och spel som har mer eller mindre inslag av skicklighet, exempelvis poker och till viss del Black Jack. Det alla spelen har gemensamt är en fördel till huset (exempelvis kasinot). För denna uppsats behövs ett spel som till viss del påverkas av spelaren men som fortfarande har tydliga matematiska principer som styr risken, som är det vi vill undersöka över tid. Det behövs vidare en möjlighet att studera statistiken bakom spelet, all information måste vara öppen, det vill säga råda informationssymmetri. Den hybriden (av spelskicklighet och tur) där spelarens ROI (Return On Investment) kan observeras vid olika val som lämpar sig bäst för ändamålet är Black Jack. Spelaren är statistiskt alltid i underläge gentemot kasinot eftersom det tar en viss procent från varje satsning. Denna fördel som kasinot åtnjuter kan mätas när man väl vet vilka förutsättningar spelet görs under. Denna benämns som house edge och är definierat som medelförlusten (eftersom kasinot, för att vara lönsamt, alltid har en långsiktig fördel) för varje satsning. House edge kommer numera att betecknas som HE. 10

14 Exempel 4.2: Ett kasino med ett HE på -0,51 % innebär att spelaren, för varje satsad hundralapp, kommer förlora 51 öre. Eftersom det i kasinospel finns ett HE som gör spelarens förväntade avkastning negativ är det främst risksökande individer som söker sig till spelande. Black Jack är dock ett av spelen med lägst HE Spelregler för Black Jack Dealern eller huset har en viss samling regler som måste följas och det råder informationssymmetri vilket innebär att det finns ett optimalt spelsystem som en spelare kan använda sig av för att maximera sin chans till vinst/minimera sin risk för förlust. I teorin finns även en möjlighet för spelaren att vända HE till ett positivt värde och få oddsen på sin sida genom korträkning. I praktiken är detta dock svårt att genomgöra. Spelet genomförs med vanliga spelkortlekar med 52 kort i varje. Ett kasino kan använda upp till 8 stycken kortlekar som blandas ihop för att minska risken att spelare håller koll på vilka kort som redan har visats (korträkning). Varje kort i leken har det värdet som anges förutom de klädda korten kung, dam och knekt, som alla är värda 10. Essen har antingen ett värde av 1 eller 11 beroende på vilket som ger spelaren den högsta summan utan att gå över 21. Förhoppningen är att få en högre summa än dealern utan att gå över 21, i princip att komma så nära 21 som möjligt. En runda i BJ inleds med att varje spelare lägger in sin satsning. Efter den initiala satsningen får varje spelare två öppna kort (läggs med valören uppåt så alla kan se korten) och dealern får ett öppet och ett stängt kort (ena kortet uppvänt och den andra vänt nedåt). Nu har spelaren ett antal val beroende på vilka kort han får: 1. Kort: Be om ett till kort så länge han ej gått över Stanna: Stanna på den nuvarande summan. 3. Dela: Om spelaren har två kort med lika värde kan han dela på dessa och lägga ytterligare en satsning under den nya handen. Detta räknas som ytterligare en hand för spelaren som därmed har chans till två vinster. 4. Dubbla: Spelaren lägger ytterligare en satsning under samma hand och får ett stängt kort att lägga till hans hand. Detta förhindrar honom även att göra fler val. 11

15 Målet med spelet är att nå så högt som möjligt utan att gå över 21 och förhoppningsvis få en högre totalsumma än huset, vilket ger vinst. Dealern i sin tur har samma mål men har regler som måste åtföljas. Dessa regler kan karaktäriseras av att han måste dra kort tills han får 17 eller mer. Och om han får över 21 vinner alla spelare som ej kommit över 21. Spelaren och dealern kan få hårda eller mjuka summor. En mjuk summa är en total där esset räknas som en 11:a. Exempel 4.3: Mjuk 17 är en 6:a och ett ess (11) och en hård 17 är en 9:a och en 8:a. I det fallet att spelaren och dealern slutar på samma summa blir det oavgjort och spelaren får behålla sin satsning. Däremot gäller att om både huset och spelaren går över 21 så förlorar spelaren. Får dealern ett ess på given erbjuds spelarna en försäkring emot eventuell dealer- Black Jack. Denna försäkring spelas som en satsning inom handen. Om spelaren tar denna spekulerar han i att dealern kommer få Black Jack. Har han rätt så vinner han, annars förloras försäkringsinsatsen och spelet fortsätter som vanligt Metod De matematiska och statistiska egenskaperna hos Black Jack studerades först av Baldwin et al. (1956) och Thorp (1961). Utvecklingen av dessa strategier och förståelse tvingade kasinon att modifiera sina regler på 1970-talet (Manson et al., 1975). Strategierna vi studerar bygger på hur spelaren spelar sin hand gentemot dealerns visade kort. En spelares optimala strategi är beroende av matematiska vinstförväntningar per satsad enhet pengar Urval Alla observationerna gjordes på en krog i centrala Jönköping, som i uppsatsen vill förbli namnlös. Vi fick tillstånd att observera spelarnas beteende genom att stå bakom dealern och ta anteckningar. Dessa observationer sträcker sig över två kvällar mellan 20:00 och 22:00 en onsdagskväll respektive samma tid en lördagskväll i november Vi tog in observationer för fem olika individer och över 100 händer, i sträck, per individ. Händer där spelarna gjorde val vi bestämt att bortse ifrån tas inte med i materialet. Vi har valt att i materialet använda Wizard of Odds, How to Play Blackjack ( ), ( ). 7 Se Theorem 1 i Epstein (1995, s. 53). 12

16 händer per individ. Eftersom spelarnas preferenser och bakgrund såsom matematikkunskaper, kön, ålder och riskattityd kan skilja sig åt kommer de att ha olika förståelse för spelet och därmed prestera olika. Det är därför viktigt att vara medveten om vilken grupp människor som har studerats. Alla de observerade var män i 20 till 35 årsåldern. Ingen av de observerade individerna påvisade någon märkbar alkoholpåverkan och drack max en öl under tiden de spelade, det vill säga så vitt vi kunde anta spelade inte alkoholen någon roll i spelbeteendet Definitioner Resultat ΣResultat Spelhandens resultat. Spelhändernas hittills ackumulerade resultat. ROI 1st alt. Return on investment vid det alternativ spelaren har valt. (Hur mycket spelaren i förväntan får tillbaka vid varje enhet satsad.) ROI 2nd alt. Return on investment vid det alternativ spelaren ej har valt. ΔROI Skillnaden alternativen emellan. Spelarens händer och dealerns kort kodades, för att snabbt hinna registerföra observationerna, på följande vis: Tabell 5.1: Händernas kodning. Spelarens summa efter given Dealerns kort efter given 4 = A 5 = B 6 = C 7 = D 2 = A 3 = B 8 = E 9 = F 10 = G 11 = H 4 = C 5 = D 12 = I 13 = J 14 = K 15 = L 6 = E 7 = F 16 = M 17 = N 18 = O 19 = P 8 = G 9 = H 20 = Q 21 = R A2 = S A3 = T 10 = I A = J A4 = U A5 = V A6 = X A7 = Y A8 = Z A9 = Å AA = Ä Exempel 5.1: Spelaren får en 8:a och en 9:a på given då dealern får en 6:a. Detta översätts till 8+9=17=N och 6=E. Ställd inför detta väljer spelaren att stanna (=S). Koden för denna hand blir därför NES. Denna kod används sedan för att se den förväntade ROI för just den handen. 13

17 5.3. Databehandling För att kunna göra om de spelade händerna till hanterbar data behövs först en utgångspunkt, spelarens hand och dealerns kort. På detta följer en reaktion från spelaren i och med vilket val han gör; kort (H, hit) eller stanna, (S, stop). Avgränsningen här görs genom att antalet reaktioner spelaren kan begränsas till enbart kort eller stanna. Det är således tre variabler som behövs för att kunna få ut något av den insamlade datan, två stycken utgångspunkter och en reaktion. I uppsatsen bortser vi ifrån alternativen dubbla och dela för att förenkla det matematiskt med analysen. Statistiken som används tar fortfarande hänsyn till dessa alternativ. Detta ger dock en så pass liten förändring att den i resultatet kan bortses ifrån. Analysen behandlar enbart alternativen kort och stanna (som är de överlägset vanligaste valen). För att förenkla våra förutsättningar är tabellerna 8 med ROI grundade i följande regler: Dealern måste stanna på 17 vare sig det är en hård eller en mjuk summa. Spelet genomförs med sex stycken kortlekar. Spelaren kan dubbla efter en delning och delning kan göras maximalt tre gånger bortsett från ess och spelaren kan enbart dra ett kort för att dela ess. När allt detta har tagits hänsyn till blir HE = -0, %. Dessa regler skiljer sig en aning ifrån reglerna på det ställe vi studerade spelarna på men skillnaden är så marginell att det inte gör någon skillnad för slutsatsen. Eftersom det finns ett optimalt spelschema så finns det statistik bakom detta. Här kommer det att användas ett spelschema från wizardofodds.com som visar vilken ROI olika val har vid alla möjliga utgångslägen. 9 För att passa avgränsningen används en förenklad version av detta schema så att det endast tar hänsyn till de två valen, kort och stanna. 10 Informationen som ges av detta används sedan genom att se till ROI för spelarens val, alltså vad spelaren förväntas vinna eller förlora vid varje satsad enhet subtraherat med det andra valets ROI. 8 Wizard of Odds, Blackjack: Expected return for every play ( ), ( ). 9 Ibid. 10 Se bilaga 9.1. Förenklat spelschema. 14

18 När ΔROI har ett positivt värde innebär det att valet spelaren gjorde var matematiskt och statistiskt korrekt och när det tar ett negativt värde kunde spelaren ha tagit en mindre risk som skulle ha gett honom eller henne ett högre ROI genom att välja det andra alternativet Grafisk metod Eftersom det är så pass få individer studerade i uppsatsen ger det oss möjlighet till en individuell grafisk analys som vid ett större dataset inte hade varit möjlig. Vid ett större dataset skulle eventuella samband kunna visas exempelvis genom att plotta en regressionslinje, men nu finns möjlighet att undersöka var och en av individerna och visa mer data grafiskt. För att kunna uttala sig om kausalitet krävs emellertid även en statistisk analys. Det vi är intresserade av är förändringen i riskbeteendet och hur spridningen av felaktiga beslut ser ut från första till sista giv. Det enda spelaren har möjlighet att påverka är tecknet på ΔROI, inte storleken. Den visar bara om det är ett stort felaktigt beslut eller ett mindre. Detta görs genom att skapa en graf för enbart de beslut som har ett negativt ΔROI. Vi ser här inte enbart till om det tagna beslutet var felaktigt utan även hur pass onödigt stor risk spelaren eventuellt tog. Vi måste även, genom en serie grafer, visa hur spelarens ackumulerade resultat kronologiskt utmärker sig relativt beslutsfattandet, det vill säga om förlusten leder till högre risktagande eller vice versa. Ytterligare en variabel vi vill använda oss av för att analysera den insamlade datan är antalet felbeslut. Den 1/0-kodade grafen över ackumulerat resultat samt spelarhand läggs ihop med grafer som visar antalet och nivån på de felaktiga besluten. Detta visar hur de felaktiga besluten är spridda över de hundra spelade händerna och var, om någonstans, den ackumulerade förlusten började. Man kan dessutom se om det finns någon tendens till klusterbildning Statistisk metod För att kunna undersöka statistiskt vad som ligger bakom den bild som den grafiska undersökningen ger så bearbetades och studerades insamlat material i programmet Minitab. Värdet på ΔROI är negativt ifall spelarna frångick strategin som maximerar förväntad avkastning och positivt om spelarna agerade i enlighet med denna. Denna kodades om till 0 om värdet var negativt och 1 om den var positiv. Eftersom spelarna endast påverkar tecknet vore det missvisande ifall vi utnyttjade det faktiska värdet av ΔROI. 15

19 Spelarnas beteende studeras på flera olika sätt. Dels ett där vi undersöker om det ackumulerade resultatet för de fem tidigare händerna påverkar spelarnas beslut. Dels ett där vi ser om antalet vinster i de fem tidigare händerna har någon påverkan, vilket undersöks genom att vinster kodas om till 1 och förluster till 0. Vi vill dessutom se ifall någon eller några av de enskilda fem tidigare händerna har en särskild påverkan, så fem nya variabler skapades för var och en av de fem tidigare händerna. För att kunna studera en eventuell uttröttningseffekt skapades en linjär variabel för händerna (1-100). Med hjälp av den är det möjligt att studera effekten specifikt och se om den har någon betydelse. Den statistiska analysen som genomförs är en linjär regression som skattas med OLS (Ordinary Least Squares). Två olika modeller används. Modell 1: (15) där α är konstanten, β 1 är koefficienten som ska skattas, i är individ, t är hand, dummy är dummyvariabler och ε är en slumpterm. ΔROIkod står för spelarens beslut. γ står i sin tur för antingen sum_x, sum_res eller x j. sum_x är antalet vinster i de fem senaste händerna. sum_res är ackumulerat resultat i de fem senaste händerna. x är resultatet i hand j, där j står för var och en av de fem senaste händerna. Om koefficienten β 1 framför γ är positiv betyder det att variabeln gör att spelaren tar ett beslut bättre i enlighet med strategin för maximerad avkastning och vice versa. Dummyvariablernas funktion i modellen är att kontrollera för möjligheten att spelarna är olika skickliga, samt att beslut i senare händer kan påverkas av annat än tidigare resultat, exempelvis på grund av att spelarna är trötta och mindre fokuserade. Utan att ta hänsyn till detta skulle de studerade variablerna även innehålla sådana effekter och därmed bli missvisande. Modell 2: (16) där ack_res är det totala ackumulerade resultatet och hand är en variabel för vilken hand i ordningen det är. β 1 och β 2 är koefficienterna som ska skattas. I övrigt lik modell 1. Denna modell undersöker ifall det totala ackumulerade resultatet påverkar spelandet samt om en uttröttningseffekt finns och har en betydelse. Eftersom vi i denna modell vill studera en eventuell uttröttningseffekt finns används inte längre en dummy för händerna. 16

20 6. Resultat Som förväntat finns det ett samband mellan att följa den optimala strategin och huruvida man vinner handen. Sambandet mellan ΔROIkod och resultat kan ges av Pearsons r. Korrelationen var r = 0,200 med p-värde = 0,000. Spelarnas storlek på insatserna i spelen var i stort sett konstant hela vägen och det fanns inget samband mellan insatsstorlek och ackumulerad vinst eller förlust. Det kommer därför inte vidare att beröras. I tabell 6.1 redovisas resultaten för spelarna. Tabell 6.1: Resultat för spelarna. 100 händer. Spelare Statistiskt korrekta beslut Vinster Ackumulerat resultat (kr) n n n n n Som synes innebär ett korrekt beslut enligt den optimala strategin inte att man faktiskt vinner händerna, däremot är sannolikheten för detta större. Det framgår att de två spelarna som i slutändan gick med plus har ett något högre antal korrekta beslut, även om skillnaden är mindre än skillnaden i antalet vinster. I huvudsak har spelarna följt spelschemat Grafiskt resultat Nedan följer den grafiska sammanslagningen av de olika variablerna som insamlats och studerats för att ge en överblick om något möjligt samband finns. När den röda grafen ligger på 1 innebär detta att spelarens ackumulerade resultat är positivt eller neutralt (+/- 0). När grafen ligger på 0 så har spelaren sammantaget gått med förlust. De gröna punkterna symboliserar varje felbeslut (ΔROI < 0) och dess nivå visar hur mycket större risk spelaren tog med respektive val. Ju större avstånd ifrån nollsträcket desto större risk togs (och motsatt: desto bättre hade det alternativet varit). 17

21 Figur 6.1: Spelare n 1 Resultat/Felbeslut. n 1 1 0,5 0-0, Spelade händer (st) ΔROI-kod Ack vinst- /förlust-kod Felbeslut 17 st Spelare n 1 tog under 100 spelade händer 17 stycken felbeslut men bara 3 av dessa innan hand 50. Frekvensen felbeslut tycks även öka ju större den ackumulerade förlusten är. Runt hand 40 börjar spelaren att förlora för att i resten av de 100 händerna aldrig nå tillbaka till nollstrecket igen. Man kan även se en klusterbildning av felbeslut runt hand 75 och framåt. Det är också några händer i början av spelet där han hade en ackumulerad förlust. Det kan noteras att detta skedde trots riktiga beslut, vilket gör det viktigt att återigen påpeka att ett statistiskt riktigt beslut inte innebär att spelaren kommer att vinna. Figur 6.2: Spelare n 2 Resultat/Felbeslut. 1 ΔROI-kod 0,5 n 2 0-0, Ack vinst- /förlust-kod Felbeslut 8 st Spelade händer (st) Spelare n 2 har en jämnare fördelning av felbesluten med en tyngdpunkt på de första 60 händerna. Efter hand 60 togs enbart ett enda felaktigt beslut. Klusterbildningen som sågs för spelare n 1 finns ej här. Han gick även med vinst över alla händer bortsett från den första. Han hade 8 st felbeslut. Figur 6.3: Spelare n 3 Resultat/Felbeslut. n 3 1 0,5 0 ΔROI-kod Ack vinst- /förlust-kod -0, Spelade händer (st) Felbeslut 16 st 18

22 När vi ser resultatet ifrån spelare n 3 kan man skönja ett liknande mönster som för spelare n 1. Spelarens ackumulerade förlust börjar runt hand 20. Klustereffekten som anades vid spelare n 1 kan ånyo urskiljas men här runt hand 60 och framåt. Den är i denna spelares fall svagare än för spelare n 1. Liksom för den första individen föregås i alla fall klustret av felbeslut av en ackumulerad förlust. Här togs det 16 st felbeslut. Figur 6.4: Spelare n 4 Resultat/Felbeslut. 1 ΔROI-kod n 4 0 Ack vinst- /förlust-kod 0,5-0, Spelade händer (st) Felbeslut 8 st För spelare n 4 är felbesluten, liksom i n 2, förhållandevis väl utspridda men med en tyngdpunkt på den första 70 spelade händerna. n 4 gick dessutom aldrig med förlust under sina hundra händer. Klustereffekten är i detta fall, liksom för spelare n 2, ej närvarande. I detta fall gjordes i likhet med spelare n 2 8 st felbeslut. Figur 6.5: Spelare n 5 Resultat/Felbeslut. 1 ΔROI-kod 0,5 n 5 0-0, Spelade händer (st) Ack vinst- /förlust-kod Felbeslut 15 st Hos spelare n 5 ser vi återigen en av spelarna som gick med förlust. I likhet med n 1 och n 3 så tycks mönstret vara detsamma i och med att ett kluster framträder efter hand 70 och framåt samt att detta har föregåtts av en ackumulerad förlust. Huvudsakligen ligger de inkorrekta besluten i slutet, och de är dessutom mer riskfyllda än när han började spela. Det tar ett tag för spelaren innan han börjar ta fler och större felaktiga beslut efter en sammantagen förlust. För n 5 togs 15 st felbeslut. 19

23 6.2. Statistiskt resultat Nedan redovisas resultaten från den statistiska analysen som genomfördes i Minitab. Tabell 6.2: Modell 1 - Påverkan av antalet vinster i de fem senaste händerna. Antal obs: 500. Antal spelare: 5. Variabel Koefficient Standardfel P-värde sum_x 0, , ,455 * = signifikant på 5 %-nivån ** = signifikant på 1 %-nivån *** = signifikant på 0,1 %-nivån Tabell 6.3: Modell 1 - Påverkan av ackumulerat resultat i de fem senaste händerna. Antal obs: 500. Antal spelare: 5. Variabel Koefficient Standardfel P-värde sum_res 0, , ,480 * = signifikant på 5 %-nivån ** = signifikant på 1 %-nivån *** = signifikant på 0,1 %-nivån Tabell 6.4: Modell 1 - Påverkan av resultatet i de fem senaste händerna. 11 Antal obs: 500. Antal spelare: 5. Variabel Koefficient Standardfel P-värde x 1-0, , ,166 x 2 0, , ,099 x 3-0, , ,700 x 4 0, , ,431 x 5 0, , ,104 * = signifikant på 5 %-nivån ** = signifikant på 1 %-nivån *** = signifikant på 0,1 %-nivån Då endast ett resultat i modell 1 (för x 2 den näst senaste handen) är signifikant ens på 10 %- nivån är det inte möjligt att säga mycket om resultatet. Mer data krävs för att få mer statistisk styrka i testet. x 2 ska tolkas som att en vinst i den näst senaste handen innebär en förbättring av beslutet på 6 procent och vice versa. Den svaga signifikansen är dock problematisk även här. Tabell 6.5: Modell 2 - Påverkan av uttröttningseffekt och ackumulerat resultat. Antal obs: 500. Antal spelare: 5. Variabel Koefficient Standardfel P-värde ack_res 0, , ,010** hand -0, , ,003** * = signifikant på 5 %-nivån ** = signifikant på 1 %-nivån *** = signifikant på 0,1 %-nivån Till skillnad från i modell 1 så ser vi i modell 2 tydligt signifikanta effekter för såväl totalt ackumulerat resultat som för vilken hand i ordningen det är. Det ackumulerade resultatets 11 x 1 respresenterar den senaste handen, x 2 näst senaste handen och så vidare. 20

24 effekt ska tolkas som att ju större ackumulerad vinst en spelare har, desto bättre beslut fattar den och vice versa. En ackumulerad förlust på 100 kronor innebär 7 procents försämring av besluten. Med hjälp av dummyvariabeln för spelarna har hänsyn tagits till att spelarna kan ha spelat olika bra. Händernas påverkan ska tolkas som en uttröttningseffekt. Ju fler händer man har spelat desto sämre beslut fattas. Vid till exempel hand 100 kan man således se drygt 15 procents försämring av besluten. 7. Diskussion och analys Vi är medvetna om att fem individer med 100 observationer till varje knappast är tillräckligt för att ge ett generaliserbart resultat, men vår undersökning är menad att ge en fingervisning om två vanliga riskteoriers förklaringskraft i spelet Black Jack. Om vi haft möjlighet skulle vi utökat materialet dels genom att samla in observationer från fler spelare, dels genom att samla in fler observationer per individ. Ett av problemen med ett litet datamaterial är att effekter som existerar inte når statistiskt signifikans vilket gör att man missar effekter som finns, ett så kallat Typ2-fel. Det är kanske möjligt att få tag på en större mängd data ifrån olika nätkasinon där man kan göra liknande analyser och då få ett mer statistiskt hållbart resultat. En invändning mot studien är att vi inte känner till spelarnas riskattityd och inkomst vilket påverkar hur en spelare agerar. Vårt urval tillhör antagligen en grupp i samhället som tenderar att vara mer risksökande än genomsnittet. Det är dock inte det initiala eller genomsnittliga riskbeteendet vi är intresserade av, utan hur det förändras efter en tids vinster eller förluster. Vissa värdesätter dock själva spelandet högre än pengarna som spelas med. Det kan alltså vara svårt att avgöra ifall spelarens syfte är att vinna pengar eller om det är en stunds underhållning. En annan möjlig invändning mot att studera spelsituationer när man vill testa riskteorier är att det är en avgränsad och relativt okomplicerad situation. Riskteorierna syftar inte bara till att förklara sådana situationer, utan varje situation med risk som en individ ställs inför. Det är en intressant fråga om det är möjligt att generalisera resultat från spelsituationer till andra situationer, men den går utöver vad som är möjligt att undersöka i denna uppsats. Vår utgångspunkt var att prospektteorin kan användas för att förklara hur individer varierar sitt risktagande över tid beroende på hur det har gått tidigare, ett beteende man vanligen inte kan förvänta sig i den förväntade nyttoteorin. Förändringen i beteendet kunde dels bestå i att höja eller sänka insatserna vid varje spel, men också att spela bättre eller sämre enligt den statistiskt optimala strategi som finns i Black Jack. 21

25 Det går att se ett samband mellan antalet felaktiga beslut och den ackumulerade förlusten, vilket är en bekräftelse på att matematiken bakom Black Jack-spelschemat är korrekt. Det intressanta är om det går att se ett omvänt kausalt samband att tidigare vinster och förluster i sig påverkar spelarna till att spela bättre eller sämre. Först gjorde vi därför en grafisk analys för att se om det fanns något skäl att tro att ett sådant samband fanns och för att få en bild som en statistisk analys inte riktigt kan ge. När vi ser till graferna över det ackumulerade resultatet (ΣResultat) och riskskillnaden (ΔROI) tycks det som att man kan ana ett mönster. De individer vars spelande resulterade i vinst höll ett förhållandevis jämnare beslutstagande gentemot spelarna som sammantaget förlorade. De hade även en aning lägre frekvens av felaktiga beslut. Förklaringen kan vara så enkel att ett dåligt beslutstagande leder till förlust. Statistiskt sett kommer spelaren med ett lägre ROI att få ett sämre resultat. Men vad vi också kan se i den grafiska analysen är att felbesluten kronologiskt tycks tendera att komma efter att spelarna har fått en ackumulerad förlust. I den statistiska analysen som följde studerade vi flera variabler. Det gick inte att se något samband mellan spelbesluten och ackumulerat resultat när vi undersökte effekten av de fem senaste händerna. Att vi studerade just fem tidigare händer kan förvisso ses som godtyckligt, men syftet var att se om individerna reagerade på omedelbar feedback. Dessutom kunde man tänka sig att någon som lyckats få en ackumulerad vinst i dessa händer men totalt sett fortfarande ligger på förlust skulle reagera på det förra snarare än det senare. Vår undersökning ger ingen möjlighet att dra sådana slutsatser. Vi fann däremot att det ackumulerade resultatet för alla tidigare händer spelade roll för hur spelarna agerade. Ju större ackumulerad förlust desto sämre beslut fattar spelaren och vice versa. I prospektteorin betyder det att spelarnas referenspunkt är deras ursprungsnivå före de började spela. Dessutom hittade vi en uttröttningseffekt som innebär att ju längre tid man spelar desto sämre beslut tar man. Som framgår i det grafiska resultatet hamnade tre av spelarna på ett relativt tidigt stadium på en ackumulerad förlust. Konsekvensen blir att både effekten av den ackumulerade förlusten och uttröttningseffekten drar åt samma håll och försämrar spelandet i en form av förlustspiral. De två spelarna som fick en ackumulerad vinst spelade i stället jämnare. I deras fall drar effekten av det ackumulerade resultatet och uttröttningseffekten åt olika håll, och det tycks som att den förra effekten var tillräckligt stark för att de skulle fortsätta ta riktiga beslut. 22

26 Vårt resultat ger således en indikation på att prospektteorin delvis kan förklara spelarnas beteende. Vi såg aldrig någon särskild variation i storleken på insatserna, men risktagandet ökade om en spelare hade en ackumulerad förlust i den meningen att de chansade mer. Ett sådant beteende kan man inte förvänta sig enligt nyttoteorin eftersom det i Black Jack inte finns någonting att vinna på att avvika från den optimala strategin. Det finns inte som i prospektteorin en mekanism som tar hänsyn till referenspunkt och viktning. Vare sig prospektteorin eller den förväntade nyttoteorin förklarar dock en uttröttningseffekt särskilt väl. Visserligen försöker man i prospektteorin ta hänsyn till att vi människor har en begränsad mental kapacitet (i vilket skulle kunna ingå att vi tar sämre beslut när vi är trötta). Även i nyttoteorin kan det nog vara möjligt att resonera kring uttröttningseffekter. Men inte i någon av teorierna finns sådana effekter explicit närvarande. Inom psykologin menar man att uppmärksamhet även handlar om att bibehålla en hög vakenhetsgrad. 12 Sviktar denna leder det ofta till sämre beslut. Man kan spekulera om att om vi haft möjlighet att studera individernas uppmärksamhetsgrad så hade vi kunnat se att den över tid försämrades, vilket då hade förklarat varför vi kan se en uttröttningseffekt. En sådan förefaller inte alls orimlig med tanke på att individerna aktivt spelade över en timme var. Att kunna vara uppmärksam under hela den tiden torde vara svårt. Uttröttningseffekten skulle förmodligen kunna förklaras av studier inom fältet neuroekonomi. För denna uppsats finns inte tiden eller platsen att göra en djupdykning inom detta område, men det vore klart intressant. Inom neuroekonomin studerar man beslutsfattande genom att observera hjärnaktiviteten när individer ställs inför ett val, och man borde då kunnat observera skillnaden i vakenhet och uppmärksamhet över tid. Det är heller inte orimligt att man skulle kunna ge en fördjupad förklaring till varför prospektteorin har rätt i sin förutsägelse om hur individerna reagerar på ackumulerad vinst och förlust. Kanske innebär den positiva feedback individen får av att veta att den har vunnit pengar att det är lättare att hålla sig motiverad. Den negativa feedback man får av att veta att man har förlorat pengar kanske gör att man inte längre litar på sitt förnuft och väljer att avvika från den tidigare strategin trots att den i längden vore att föredra. Här skulle vidare forskning vara intressant. Vår slutsats efter att ha studerat detta ämne är spela inte för länge! 12 Se kapitlet om kognitionspsykologi i Hwang, P. (2005). 23

27 8. Referenser Ariely, D. (2008), Predictably Irrational, Harper Collins Publishers, London. Baldwin, R. R., Wilbert E. C., Maisel, H. och McDermott J. P. (1956), The Optimal Strategy in Blackjack, Journal of the American Statistical Association, vol. 51 (275), Epstein, Richard, A. (1995), The Theory of Gambling and Statistical Logic, Academic Press, New York. Hwang, P. et al. (2005), Vår tids psykologi, Natur och Kultur, Stockholm. Kahneman, D. och Tversky, A. (1979), Prospect theory: An analysis of decision under risk, Econometrica, vol. 47, Manson, A. R., Barr, A. J. och Goodnight, J.H. (1975), Optimum Zero-Memory Strategy and Exact Probabilities for 4-Deck Blackjack, The American Statistician, vol. 29 (2), Thaler, R. H. och Ziemba, W. T. (1988), Anomalies: Parimutuel Betting Markets: Racetracks and Lotteries, The Journal of Economic Perspectives, vol. 2 (2), Thorp, E. (1961), A Favorable Strategy for Twenty-One, Proceedings of the National Academy of Sciences, vol. 47, Wizard of Odds, Blackjack: Expected return for every play ( ), ( ). Wizard of Odds, How to Play Blackjack ( ), ( ). 24

UTFALL = (KLAVE, 2 KR; KRONA-KLAVE, 4 KR; KRONA-KRONA-KLAVE, 8 KR; OSV) = (1/2, 2 KR; 1/4, 4 KR; 1/8 8 KR; OSV)

UTFALL = (KLAVE, 2 KR; KRONA-KLAVE, 4 KR; KRONA-KRONA-KLAVE, 8 KR; OSV) = (1/2, 2 KR; 1/4, 4 KR; 1/8 8 KR; OSV) Beslutsfattandets psykologi ht 2010: Beslutsfattande under risk och osäkerhet I Prospektteorins värdefunktion Risksökande/riskaversion Framing (inramning) Referenspunkt Sjunkkostnadseffekten Förlustaversion/förlustkänslighet

Läs mer

Lektionsanteckningar 11-12: Normalfördelningen

Lektionsanteckningar 11-12: Normalfördelningen Lektionsanteckningar 11-12: Normalfördelningen När utfallsrummet för en slumpvariabel kan anta vilket värde som helst i ett givet intervall är variabeln kontinuerlig. Det är väsentligt att utfallsrummet

Läs mer

Bedömningar och beslutsfattande: Beslutsfattande 1

Bedömningar och beslutsfattande: Beslutsfattande 1 Bedömningar och beslutsfattande: Beslutsfattande 1 Prospektteorins värdefunktion Isolationseffekten ( framing ) Reflektionseffekten (risksökande/riskaversion) Förlustaversion Prospekteorins beslutsviktsfunktion

Läs mer

Hur reagerar väljare på skatteförändringar?

Hur reagerar väljare på skatteförändringar? Hur reagerar väljare på skatteförändringar? nr 1 2013 årgång 41 I den här artikeln undersöker vi hur väljare reagerar på förändrade skatter när de röstar. Vi finner att vänstermajoriteter straffas om de

Läs mer

Spelregler för restaurangkasinospel

Spelregler för restaurangkasinospel Spelregler för restaurangkasinospel Innehållsförteckning Allmänt... 2 Dessa spelregler gäller för samtliga restaurangkasinospel... 2 Black Jack... 3 Black Jack Burn... 5 Varianten Two Decks Black Jack...

Läs mer

Sannolikheten att vinna ett spel med upprepade myntkast

Sannolikheten att vinna ett spel med upprepade myntkast Matematik Gymnasieskola Modul: Matematikundervisning med digitala verktyg Del 7: Matematiska undersökningar med kalkylprogram Sannolikheten att vinna ett spel med upprepade myntkast Håkan Sollervall, Malmö

Läs mer

Kapitel 4: SAMBANDET MELLAN VARIABLER: REGRESSIONSLINJEN

Kapitel 4: SAMBANDET MELLAN VARIABLER: REGRESSIONSLINJEN Kapitel 4: SAMBANDET MELLAN VARIABLER: REGRESSIONSLINJEN Spridningsdiagrammen nedan representerar samma korrelationskoefficient, r = 0,8. 80 80 60 60 40 40 20 20 0 0 20 40 0 0 20 40 Det finns dock två

Läs mer

Implicita odds och omvända implicita odds

Implicita odds och omvända implicita odds Kapitel sju Implicita odds och omvända implicita odds Under de tidiga satsningsrundorna och satsningsrundorna i mitten sänks vanligtvis pottoddset avsevärt om du behöver syna framtida satsningar, och du

Läs mer

Faktorer som påverkar befolkningstillväxten av unga individer i olika kommuntyper

Faktorer som påverkar befolkningstillväxten av unga individer i olika kommuntyper Faktorer som påverkar befolkningstillväxten av unga individer i olika kommuntyper Inledning Många av Sveriges kommuner minskar i befolkning. Enligt en prognos från Svenskt Näringsliv som publicerades i

Läs mer

Autokorrelation och Durbin-Watson testet. Patrik Zetterberg. 17 december 2012

Autokorrelation och Durbin-Watson testet. Patrik Zetterberg. 17 december 2012 Föreläsning 6 Autokorrelation och Durbin-Watson testet Patrik Zetterberg 17 december 2012 1 / 14 Korrelation och autokorrelation På tidigare föreläsningar har vi analyserat korrelationer för stickprov

Läs mer

Företagsklimatet viktigt för ungas val av kommun. Johan Kreicbergs April 2009

Företagsklimatet viktigt för ungas val av kommun. Johan Kreicbergs April 2009 Företagsklimatet viktigt för ungas val av kommun Johan Kreicbergs April 2009 Inledning 1 Inledning Många av Sveriges kommuner minskar i befolkning. Enligt en prognos från som publicerades i slutet av 2007

Läs mer

Kortspel. Ett spel - tusen upplevelser

Kortspel. Ett spel - tusen upplevelser Kortspel Ett spel - tusen upplevelser 1 Översikt över korten i kortleken 7 8 9 10 Knekt Överste Kung Ess 2 Prova olika spel Farmor / Mormor 3-5 7, 8, 9, 10, Knekt, Överste, Kung, Ess Reglerna för detta

Läs mer

Analytisk statistik. Mattias Nilsson Benfatto, PhD.

Analytisk statistik. Mattias Nilsson Benfatto, PhD. Analytisk statistik Mattias Nilsson Benfatto, PhD Mattias.nilsson@ki.se Beskrivande statistik kort repetition Centralmått Spridningsmått Normalfördelning Konfidensintervall Korrelation Analytisk statistik

Läs mer

7-2 Sammansatta händelser.

7-2 Sammansatta händelser. Namn: 7-2 Sammansatta händelser. Inledning Du vet nu vad som menas med sannolikhet. Det lärde du dig i kapitlet om just sannolikhet. Nu skall du tränga lite djupare i sannolikhetens underbara värld och

Läs mer

Analytisk statistik. Tony Pansell, optiker Universitetslektor

Analytisk statistik. Tony Pansell, optiker Universitetslektor Analytisk statistik Tony Pansell, optiker Universitetslektor Analytisk statistik Att dra slutsatser från det insamlade materialet. Två metoder: 1. att generalisera från en mindre grupp mot en större grupp

Läs mer

F2 Introduktion. Sannolikheter Standardavvikelse Normalapproximation Sammanfattning Minitab. F2 Introduktion

F2 Introduktion. Sannolikheter Standardavvikelse Normalapproximation Sammanfattning Minitab. F2 Introduktion Gnuer i skyddade/oskyddade områden, binära utfall och binomialfördelningar Matematik och statistik för biologer, 10 hp Fredrik Jonsson Januari 2012 I vissa områden i Afrika har man observerat att förekomsten

Läs mer

tidskrift för politisk filosofi nr årgång 9

tidskrift för politisk filosofi nr årgång 9 tidskrift för politisk filosofi nr 1 2005 årgång 9 Bokförlaget thales om den personliga egalitarismen om den personliga egalitarismen replik till rabinowicz Jonas Gren, Niklas Juth och Ragnar Francén i

Läs mer

Institutionen för datavetenskap, DAT060, Laboration 2 2 För denna enkla simulerings skull kommer handen att representeras som ett par tal μ värdet på

Institutionen för datavetenskap, DAT060, Laboration 2 2 För denna enkla simulerings skull kommer handen att representeras som ett par tal μ värdet på DAT 060 Laboration 2 I Malmös kasino Institutionen för datavetenskap 17 juni 2002 Per tänkte dryga ut sitt magra studielån genom att jobba som labbassistent på sommarkursen. Tyvärr fanns det redan tillräckligt

Läs mer

Recension. Tänka, snabbt och långsamt Daniel Kahneman Översättning: Pär Svensson Volante, Stockholm, 2013, 511 s. ISBN 978 91 86 81572 1

Recension. Tänka, snabbt och långsamt Daniel Kahneman Översättning: Pär Svensson Volante, Stockholm, 2013, 511 s. ISBN 978 91 86 81572 1 Recension Tänka, snabbt och långsamt Daniel Kahneman Översättning: Pär Svensson Volante, Stockholm, 2013, 511 s. ISBN 978 91 86 81572 1 Av de tre orden i titeln på denna bok syftar det första, tänka, på

Läs mer

Kapitel 5. En annan väldigt viktig punkt om skäl att förkasta principer är att de måste vara personliga.

Kapitel 5. En annan väldigt viktig punkt om skäl att förkasta principer är att de måste vara personliga. En annan väldigt viktig punkt om skäl att förkasta principer är att de måste vara personliga. Scanlon ger tyvärr ingen tillfredsställande definition av vad detta betyder. En naturlig tolkning är att personliga

Läs mer

Kapitel 17: HETEROSKEDASTICITET, ROBUSTA STANDARDFEL OCH VIKTNING

Kapitel 17: HETEROSKEDASTICITET, ROBUSTA STANDARDFEL OCH VIKTNING Kapitel 17: HETEROSKEDASTICITET, ROBUSTA STANDARDFEL OCH VIKTNING När vi gör en regressionsanalys så bygger denna på vissa antaganden: Vi antar att vi dragit ett slumpmässigt sampel från en population

Läs mer

Statistik 1 för biologer, logopeder och psykologer

Statistik 1 för biologer, logopeder och psykologer Innehåll 1 Grunderna i sannolikhetslära 2 Innehåll 1 Grunderna i sannolikhetslära 2 Satistik och sannolikhetslära Statistik handlar om att utvinna information från data. I praktiken inhehåller de data

Läs mer

Tentamen Metod C vid Uppsala universitet, , kl

Tentamen Metod C vid Uppsala universitet, , kl Tentamen Metod C vid Uppsala universitet, 170503, kl. 08.00-12.00 Anvisningar Av rättningspraktiska skäl skall var och en av de tre huvudfrågorna besvaras på separata pappersark. Börja alltså på ett nytt

Läs mer

F5 Introduktion Anpassning Korstabeller Homogenitet Oberoende Sammanfattning Minitab

F5 Introduktion Anpassning Korstabeller Homogenitet Oberoende Sammanfattning Minitab Repetition: Gnuer i (o)skyddade områden χ 2 -metoder, med koppling till binomialfördelning och genetik. Matematik och statistik för biologer, 10 hp Fredrik Jonsson Januari 2012 Endast 2 av de 13 observationerna

Läs mer

InStat Exempel 4 Korrelation och Regression

InStat Exempel 4 Korrelation och Regression InStat Exempel 4 Korrelation och Regression Vi ska analysera ett datamaterial som innehåller information om kön, längd och vikt för 2000 personer. Materialet är jämnt fördelat mellan könen (1000 män och

Läs mer

Analytisk statistik. 1. Estimering. Statistisk interferens. Statistisk interferens

Analytisk statistik. 1. Estimering. Statistisk interferens. Statistisk interferens Analytisk statistik Tony Pansell, Leg optiker Docent, Universitetslektor Analytisk statistik Att dra slutsatser från den insamlade datan. Två metoder:. att generalisera från en mindre grupp mot en större

Läs mer

Föreläsning 12: Regression

Föreläsning 12: Regression Föreläsning 12: Regression Matematisk statistik David Bolin Chalmers University of Technology Maj 15, 2014 Binomialfördelningen Låt X Bin(n, p). Vi observerar x och vill ha information om p. p = x/n är

Läs mer

Riskbeteende utifrån prospektteorin

Riskbeteende utifrån prospektteorin Riskbeteende utifrån prospektteorin En kvantitativ studie av den svenska skogsindustrins risk- och avkastningssamband Författare: Elin Bard Ida Nordgren Handledare: Lars Lindbergh Student Handelshögskolan

Läs mer

Statistik 1 för biologer, logopeder och psykologer

Statistik 1 för biologer, logopeder och psykologer Innehåll 1 Hypotesprövning Innehåll Hypotesprövning 1 Hypotesprövning Inledande exempel Hypotesprövning Exempel. Vi är intresserade av en variabel X om vilken vi kan anta att den är (approximativt) normalfördelad

Läs mer

Föreläsning 8. NDAB02 Statistik; teori och tillämpning i biologi

Föreläsning 8. NDAB02 Statistik; teori och tillämpning i biologi Föreläsning 8 Statistik; teori och tillämpning i biologi 1 Dagens föreläsning o Enkel linjär regression (kap 17.1 17.5) o Skatta regressionslinje (kap 17.2) o Signifikant lutning? (kap 17.3, 17.5a) o Förklaringsgrad

Läs mer

STOCKHOLMS UNIVERSITET MATEMATISKA INSTITUTIONEN Avd. Matematisk statistik Anders Björkström

STOCKHOLMS UNIVERSITET MATEMATISKA INSTITUTIONEN Avd. Matematisk statistik Anders Björkström STOCKHOLMS UNIVERSITET 2001-10-22 MATEMATISKA INSTITUTIONEN Avd. Matematisk statistik Anders Björkström GRUNDLÄGGANDE MATLAB-TRÄNING för den som aldrig har arbetat med Matlab förut A. Matlabs allmänna

Läs mer

Uppgift 1. Produktmomentkorrelationskoefficienten

Uppgift 1. Produktmomentkorrelationskoefficienten Uppgift 1 Produktmomentkorrelationskoefficienten Både Vikt och Längd är variabler på kvotskalan och således kvantitativa variabler. Det innebär att vi inte har så stor nytta av korstabeller om vi vill

Läs mer

1 Mätdata och statistik

1 Mätdata och statistik Matematikcentrum Matematik NF Mätdata och statistik Betrakta frågeställningen Hur mycket väger en nyfödd bebis?. Frågan verkar naturlig, men samtidigt mycket svår att besvara. För att ge ett fullständigt

Läs mer

Föreläsning 6: Spelteori II

Föreläsning 6: Spelteori II Föreläsning 6: Spelteori II Litteratur: Resnik, Choices, kap. 5 1# Viktiga begrepp Först lite allmänt om spelteori: Spelteorin har främst utvecklats inom matematiken och nationalekonomin, och är fortfarande

Läs mer

PROGRAMFÖRKLARING I. Statistik för modellval och prediktion. Ett exempel: vågriktning och våghöjd

PROGRAMFÖRKLARING I. Statistik för modellval och prediktion. Ett exempel: vågriktning och våghöjd Statistik för modellval och prediktion att beskriva, förklara och förutsäga Georg Lindgren PROGRAMFÖRKLARING I Matematisk statistik, Lunds universitet stik för modellval och prediktion p.1/4 Statistik

Läs mer

Kapitel 4 Sannolikhetsfördelningar Sid Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

Kapitel 4 Sannolikhetsfördelningar Sid Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin Kapitel 4 Sannolikhetsfördelningar Sid 79-14 Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin Slumpvariabel En variabel för vilken slumpen bestämmer utfallet. Slantsingling, tärningskast,

Läs mer

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012 Föreläsning 1 Repetition av sannolikhetsteori Patrik Zetterberg 6 december 2012 1 / 28 Viktiga statistiska begrepp För att kunna förstå mer avancerade koncept under kursens gång är det viktigt att vi förstår

Läs mer

Härledning av Black-Littermans formel mha allmänna linjära modellen

Härledning av Black-Littermans formel mha allmänna linjära modellen Härledning av Black-Littermans formel mha allmänna linjära modellen Ett sätt att få fram Black-Littermans formel är att formulera problemet att hitta lämpliga justerade avkastningar som ett skattningsproblem

Läs mer

Syfte: o statistiska test om parametrar för en fördelning o. förkasta eller acceptera hypotesen

Syfte: o statistiska test om parametrar för en fördelning o. förkasta eller acceptera hypotesen Uwe Menzel, 2017 uwe.menzel@slu.se; uwe.menzel@matstat.de www.matstat.de Syfte: o statistiska test om parametrar för en fördelning o förkasta eller acceptera hypotesen hypotes: = 20 (väntevärdet är 20)

Läs mer

7-1 Sannolikhet. Namn:.

7-1 Sannolikhet. Namn:. 7-1 Sannolikhet. Namn:. Inledning Du har säkert hört ordet sannolikhet förut. Hur sannolikt är det att få 13 rätt på tipset eller 7 rätt på lotto? I detta kapitel skall du lära dig vad sannolikhet är för

Läs mer

Del 8. Taktiska åtgärder

Del 8. Taktiska åtgärder Del 8 Taktiska åtgärder Taktiska åtgärder Inledning I den första volymen, No Limit Hold em, Harringtons expertstrategier för turneringar, Slutspel, koncentrerade vi oss framför allt på värdebetar, satsningar

Läs mer

F18 MULTIPEL LINJÄR REGRESSION, FORTS. (NCT

F18 MULTIPEL LINJÄR REGRESSION, FORTS. (NCT Stat. teori gk, ht 006, JW F18 MULTIPEL LINJÄR REGRESSION, FORTS. (NCT 1.1, 13.1-13.6, 13.8-13.9) Modell för multipel linjär regression Modellantaganden: 1) x-värdena är fixa. ) Varje y i (i = 1,, n) är

Läs mer

Översikt. Experimentell metodik. Mer exakt. Människan är en svart låda. Exempel. Vill visa orsakssamband. Sidan 1

Översikt. Experimentell metodik. Mer exakt. Människan är en svart låda. Exempel. Vill visa orsakssamband. Sidan 1 Översikt Experimentell metodik Vad är ett kognitionspsykologiskt experiment? Metod Planering och genomförande av experiment Risker för att misslyckas Saker man måste tänka på och tolkning av data 2 Människan

Läs mer

Kapitel 5. Scanlon bemöter delvis invändningen genom att hävda att kontraktualistiskt resonerande är holistiskt.

Kapitel 5. Scanlon bemöter delvis invändningen genom att hävda att kontraktualistiskt resonerande är holistiskt. Men stämmer det att man har skäl att förkasta en princip endast om det vore dåligt för en om den blev allmänt accepterad? En intressant tillämpning i sammanhanget är det som Scanlon kallar fairness. Han

Läs mer

Dekomponering av löneskillnader

Dekomponering av löneskillnader Lönebildningsrapporten 2013 133 FÖRDJUPNING Dekomponering av löneskillnader Den här fördjupningen ger en detaljerad beskrivning av dekomponeringen av skillnader i genomsnittlig lön. Först beskrivs metoden

Läs mer

Kapitel 15: INTERAKTIONER, STANDARDISERADE SKALOR OCH ICKE-LINJÄRA EFFEKTER

Kapitel 15: INTERAKTIONER, STANDARDISERADE SKALOR OCH ICKE-LINJÄRA EFFEKTER Kapitel 15: INTERAKTIONER, STANDARDISERADE SKALOR OCH ICKE-LINJÄRA EFFEKTER När vi mäter en effekt i data så vill vi ofta se om denna skiljer sig mellan olika delgrupper. Vi kanske testar effekten av ett

Läs mer

Du kommer alltid att förlora!

Du kommer alltid att förlora! Du kommer alltid att förlora! Hur spel om pengar verkligen funkar Projektet drivs av Flamman Ungdomarnas Hus och finansieras av Arvsfonden. SIDa 2 av9 SIDa 1 av9 Risken att du blir påkörd av en bil när

Läs mer

Mörkpoker Strategi. 2003 Christian Eriksson och Mikael Knutsson Uppdaterad 2004-01-26

Mörkpoker Strategi. 2003 Christian Eriksson och Mikael Knutsson Uppdaterad 2004-01-26 Mörkpoker Strategi 2003 Christian Eriksson och Mikael Knutsson Uppdaterad 2004-01-26 Innehåll 1 GRUNDLÄGGANDE VISDOM...2 1.1 SATSNINGSRUNDOR...3 1.2 TÄNK IGENOM SITUATIONEN!...4 1.3 DISCIPLIN...5 1.4 BLUFFANDE/VARIERAT

Läs mer

Metod och teori. Statistik för naturvetare Umeå universitet

Metod och teori. Statistik för naturvetare Umeå universitet Statistik för naturvetare -6-8 Metod och teori Uppgift Uppgiften är att undersöka hur hjärtfrekvensen hos en person påverkas av dennes kroppstemperatur. Detta görs genom enkel linjär regression. Låt signifikansnivån

Läs mer

Föreläsninsanteckningar till föreläsning 3: Entropi

Föreläsninsanteckningar till föreläsning 3: Entropi Föreläsninsanteckningar till föreläsning 3: Entropi Johan Håstad, transkriberat av Pehr Söderman 2006-01-20 1 Entropi Entropi är, inom kryptografin, ett mått på informationsinnehållet i en slumpvariabel.

Läs mer

Verksamhetsutvärdering av Mattecentrum

Verksamhetsutvärdering av Mattecentrum Verksamhetsutvärdering av Mattecentrum April 2016 www.numbersanalytics.se info@numbersanalytics.se Presskontakt: Oskar Eriksson, 0732 096657 oskar@numbersanalytics.se INNEHÅLLSFÖRTECKNING Inledning...

Läs mer

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 21 januari 2006, kl

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 21 januari 2006, kl Karlstads universitet Institutionen för informationsteknologi Avdelningen för statistik Tentamen i Statistik, STA A13 Deltentamen, 5p 1 januari 006, kl. 09.00-13.00 Tillåtna hjälpmedel: Bifogad formel-

Läs mer

Del 18 Autocalls fördjupning

Del 18 Autocalls fördjupning Del 18 Autocalls fördjupning Innehåll Autocalls... 3 Autocallens beståndsdelar... 3 Priset på en autocall... 4 Känslighet för olika parameterar... 5 Avkastning och risk... 5 del 8 handlade om autocalls.

Läs mer

diskriminering av invandrare?

diskriminering av invandrare? Kan kvinnliga personalchefer motverka diskriminering av invandrare? ALI AHMED OCH JAN EKBERG Ali Ahmed är fil. lic i nationalekonomi och verksam vid Centrum för arbetsmarknadspolitisk forskning (CAFO)

Läs mer

Funktionsstudier med derivata

Funktionsstudier med derivata Funktionsstudier med derivata Derivatan ett kraftfullt verktyg för att studera och tolka funktioner Det här avsnittet handlar om att man kan använda derivatan till att bestämma en funktions egenskaper

Läs mer

Korrelation och autokorrelation

Korrelation och autokorrelation Korrelation och autokorrelation Låt oss begrunda uttrycket r = i=1 (x i x) (y i y) n i=1 (x i x) 2 n. i=1 (y i y) 2 De kvadratsummor kring de aritmetiska medelvärdena som står i nämnaren är alltid positiva.

Läs mer

1. Inledning, som visar att man inte skall tro på allt man ser. Betrakta denna följd av tal, där varje tal är dubbelt så stort som närmast föregående

1. Inledning, som visar att man inte skall tro på allt man ser. Betrakta denna följd av tal, där varje tal är dubbelt så stort som närmast föregående MATEMATISKA INSTITUTIONEN STOCKHOLMS UNIVERSITET Christian Gottlieb Gymnasieskolans matematik med akademiska ögon Induktion Dag 1 1. Inledning, som visar att man inte skall tro på allt man ser. Betrakta

Läs mer

Introduktion. Konfidensintervall. Parade observationer Sammanfattning Minitab. Oberoende stickprov. Konfidensintervall. Minitab

Introduktion. Konfidensintervall. Parade observationer Sammanfattning Minitab. Oberoende stickprov. Konfidensintervall. Minitab Uppfödning av kyckling och fiskleveroljor Statistiska jämförelser: parvisa observationer och oberoende stickprov Matematik och statistik för biologer, 10 hp Fredrik Jonsson vt 2012 Fiskleverolja tillsätts

Läs mer

Industriell matematik och statistik, LMA136 2013/14

Industriell matematik och statistik, LMA136 2013/14 Industriell matematik och statistik, LMA136 2013/14 7 Mars 2014 Disposition r Kondensintervall och hypotestest Kondensintervall Statistika Z (eller T) har fördelning F (Z en funktion av ˆθ och θ) q 1 α/2

Läs mer

Del 7 Barriäroptioner

Del 7 Barriäroptioner Del 7 Barriäroptioner Innehåll Barriäroptioner... 3 Exotisk option... 3 Barriäroptioner med knock-in eller knock-out... 3 Varför barriäroptioner?... 3 Fyra huvudtyper av barriäroptioner... 4 Avläsning

Läs mer

Statistiska samband: regression och korrelation

Statistiska samband: regression och korrelation Statistiska samband: regression och korrelation Vi ska nu gå igenom något som kallas regressionsanalys och som innebär att man identifierar sambandet mellan en beroende variabel (x) och en oberoende variabel

Läs mer

Uppgift 1. Deskripitiv statistik. Lön

Uppgift 1. Deskripitiv statistik. Lön Uppgift 1 Deskripitiv statistik Lön Variabeln Lön är en kvotvariabel, även om vi knappast kommer att uppleva några negativa värden. Det är sannolikt vår intressantaste variabel i undersökningen, och mot

Läs mer

Strukturakademin Strukturinvest Fondkommission LÅNG KÖPOPTION. Värde option. Köpt köpoption. Utveckling marknad. Rättighet

Strukturakademin Strukturinvest Fondkommission LÅNG KÖPOPTION. Värde option. Köpt köpoption. Utveckling marknad. Rättighet Del 11 Indexbevis Innehåll Grundpositionerna... 3 Köpt köpoption... 3 Såld köpoption... 3 Köpt säljoption... 4 Såld säljoption... 4 Konstruktion av Indexbevis... 4 Avkastningsanalys... 5 knock-in optioner...

Läs mer

Kapitel 12: TEST GÄLLANDE EN GRUPP KOEFFICIENTER - ANOVA

Kapitel 12: TEST GÄLLANDE EN GRUPP KOEFFICIENTER - ANOVA Kapitel 12: TEST GÄLLANDE EN GRUPP KOEFFICIENTER - ANOVA 12.1 ANOVA I EN MULTIPEL REGRESSION Exempel: Tjänar man mer som egenföretagare? Nedan visas ett utdrag ur ett dataset som innehåller information

Läs mer

F19, (Multipel linjär regression forts) och F20, Chi-två test.

F19, (Multipel linjär regression forts) och F20, Chi-två test. Partiella t-test F19, (Multipel linjär regression forts) och F20, Chi-två test. Christian Tallberg Statistiska institutionen Stockholms universitet Då man testar om en enskild variabel X i skall vara med

Läs mer

Föreläsning 8. Kapitel 9 och 10 sid Samband mellan kvalitativa och kvantitativa variabler

Föreläsning 8. Kapitel 9 och 10 sid Samband mellan kvalitativa och kvantitativa variabler Föreläsning 8 Kapitel 9 och 10 sid 230-284 Samband mellan kvalitativa och kvantitativa variabler 2 Agenda Samband mellan kvalitativa variabler Chitvåtest för analys av frekvenstabell och korstabell Samband

Läs mer

Stokastiska Processer och ARIMA. Patrik Zetterberg. 19 december 2012

Stokastiska Processer och ARIMA. Patrik Zetterberg. 19 december 2012 Föreläsning 7 Stokastiska Processer och ARIMA Patrik Zetterberg 19 december 2012 1 / 22 Stokastiska processer Stokastiska processer är ett samlingsnamn för Sannolikhetsmodeller för olika tidsförlopp. Stokastisk=slumpmässig

Läs mer

getsmart Lila Regler för:

getsmart Lila Regler för: 3 2 Regler för: getsmart Lila 9 Graf y 4 7 3 2 2 3 Funksjon 1-4 4-3 -2-1 -1 1 2 3-2 x f(x)= f(x)= 3 2 2 3 3 2 2 3-3 -4 Graf 9 3 2 2 3 Funksjon 7 Det rekommenderas att man börjar med att se på powerpoint-reglerna

Läs mer

getsmart Gul Regler för:

getsmart Gul Regler för: Regler för: getsmart Gul 6 Diagram 4 Brøk Diagram 6 Brøk 4 Det rekommenderas att man börjar med att se på powerpoint-reglerna när man ska lära sig olika spel med kortleken! Kolla in hemsidan för fler powerpoint

Läs mer

Hypotesprövning. Andrew Hooker. Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University

Hypotesprövning. Andrew Hooker. Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Hypotesprövning Andrew Hooker Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Hypotesprövning Liksom konfidensintervall ett hjälpmedel för att

Läs mer

Hjälps åt att skriva några rader om senaste scoutmötet i avdelningens loggbok.

Hjälps åt att skriva några rader om senaste scoutmötet i avdelningens loggbok. SCOUTMÖTET KORTSPEL MED OLIKA FÖRUTSÄTTNINGAR Det är bra om du som ledare läser igenom detta innan mötet äger rum. Under dagens möte får scouterna prova på att kommunicera utan att prata med varandra och

Läs mer

Svar till ÖVNING 4. SVAR

Svar till ÖVNING 4. SVAR Svar till ÖVNING 4. 1. Förklara varför en lagstiftning om att arbetsgivaren inte får fråga en arbetssökande om dennes eventuella föräldraledighet torde vara meningslös. SVAR: Arbetsgivaren vill hellre

Läs mer

Hur skriver man statistikavsnittet i en ansökan?

Hur skriver man statistikavsnittet i en ansökan? Hur skriver man statistikavsnittet i en ansökan? Val av metod och stickprovsdimensionering Registercentrum Norr http://www.registercentrumnorr.vll.se/ statistik.rcnorr@vll.se 11 Oktober, 2018 1 / 52 Det

Läs mer

Manipulation med färg i foton

Manipulation med färg i foton Linköpings Universitet, Campus Norrköping Experimentrapport i kursen TNM006 Kommunikation & Användargränssnitt Manipulation med färg i foton Försöksledare epost facknr. David Kästel davka237@student.liu.se

Läs mer

Provmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling. Tentamensdatum: 28 maj 2018 Tid: 9-13

Provmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling. Tentamensdatum: 28 maj 2018 Tid: 9-13 Matematisk Statistik 7,5 högskolepoäng Provmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling Tentamensdatum: 28 maj 2018 Tid: 9-13 Hjälpmedel: Miniräknare

Läs mer

7.5 Experiment with a single factor having more than two levels

7.5 Experiment with a single factor having more than two levels 7.5 Experiment with a single factor having more than two levels Exempel: Antag att vi vill jämföra dragstyrkan i en syntetisk fiber som blandats ut med bomull. Man vet att inblandningen påverkar dragstyrkan

Läs mer

), beskrivs där med följande funktionsform,

), beskrivs där med följande funktionsform, BEGREPPET REAL LrNGSIKTIG JeMVIKTSReNTA 4,0 3,5 3,0 2,5 2,0 1,5 1,0 0,5 Diagram R15. Grafisk illustration av nyttofunktionen för s = 0,3 och s = 0,6. 0,0 0,0 0,0 0,5 1,0 1,5 2,0 s = 0,6 s = 0,3 Anm. X-axeln

Läs mer

Kapitel 10 Hypotesprövning

Kapitel 10 Hypotesprövning Sannolikhetslära och inferens II Kapitel 10 Hypotesprövning 1 Vad innebär hypotesprövning? Statistisk inferens kan utföras genom att ställa upp hypoteser angående en eller flera av populationens parametrar.

Läs mer

Säsongrensning i tidsserier.

Säsongrensning i tidsserier. Senast ändrad 200-03-23. Säsongrensning i tidsserier. Kompletterande text till kapitel.5 i Tamhane och Dunlop. Inledning. Syftet med säsongrensning är att dela upp en tidsserie i en trend u t, en säsongkomponent

Läs mer

TAMS65 - Föreläsning 11 Regressionsanalys fortsättning Modellval

TAMS65 - Föreläsning 11 Regressionsanalys fortsättning Modellval TAMS65 - Föreläsning 11 Regressionsanalys fortsättning Modellval Martin Singull Matematisk statistik Matematiska institutionen Innehåll Repetition (t-test för H 0 : β i = 0) Residualanalys Modellval Framåtvalsprincipen

Läs mer

F14 HYPOTESPRÖVNING (NCT 10.2, , 11.5) Hypotesprövning för en proportion. Med hjälp av data från ett stickprov vill vi pröva

F14 HYPOTESPRÖVNING (NCT 10.2, , 11.5) Hypotesprövning för en proportion. Med hjälp av data från ett stickprov vill vi pröva Stat. teori gk, ht 006, JW F14 HYPOTESPRÖVNING (NCT 10., 10.4-10.5, 11.5) Hypotesprövning för en proportion Med hjälp av data från ett stickprov vill vi pröva H 0 : P = P 0 mot någon av H 1 : P P 0 ; H

Läs mer

Statistikens grunder HT, dagtid Statistiska institutionen

Statistikens grunder HT, dagtid Statistiska institutionen Statistikens grunder 1 2013 HT, dagtid Statistiska institutionen Orsak och verkan N Kap 2 forts. Annat ord: kausalitet Något av det viktigaste för varje vetenskap. Varför? Orsakssamband ger oss möjlighet

Läs mer

34% 34% 13.5% 68% 13.5% 2.35% 95% 2.35% 0.15% 99.7% 0.15% -3 SD -2 SD -1 SD M +1 SD +2 SD +3 SD

34% 34% 13.5% 68% 13.5% 2.35% 95% 2.35% 0.15% 99.7% 0.15% -3 SD -2 SD -1 SD M +1 SD +2 SD +3 SD 6.4 Att dra slutsatser på basis av statistisk analys en kort inledning - Man har ett stickprov, men man vill med hjälp av det få veta något om hela populationen => för att kunna dra slutsatser som gäller

Läs mer

Kan jag bara nå min bild av framtiden kommer allt blir bra.

Kan jag bara nå min bild av framtiden kommer allt blir bra. Guide: De vanligaste besluts- och tankefällorna Du är inte så rationell som du tror När vi till exempel ska göra ett viktigt vägval i yrkeslivet, agera på börsen eller bara är allmänt osäkra inför ett

Läs mer

Föreläsning 12: Linjär regression

Föreläsning 12: Linjär regression Föreläsning 12: Linjär regression Matematisk statistik Chalmers University of Technology Oktober 4, 2017 Exempel Vi vill undersöka hur ett ämnes specifika värmeskapacitet (ämnets förmåga att magasinera

Läs mer

Föreläsning 7: Punktskattningar

Föreläsning 7: Punktskattningar Föreläsning 7: Punktskattningar Matematisk statistik Chalmers University of Technology April 27, 2015 Tvådimensionella fördelningar Definition En två dimensionell slumpvariabel (X, Y ) tillordnar två numeriska

Läs mer

Att välja statistisk metod

Att välja statistisk metod Att välja statistisk metod en översikt anpassad till kursen: Statistik och kvantitativa undersökningar 15 HP Vårterminen 2018 Lars Bohlin Innehåll Val av statistisk metod.... 2 1. Undersökning av en variabel...

Läs mer

Del 11 Indexbevis. Strukturakademin. Strukturakademin. Strukturinvest Fondkommission

Del 11 Indexbevis. Strukturakademin. Strukturakademin. Strukturinvest Fondkommission Del 11 Indexbevis 1 Innehåll 1. Grundpositionerna 1.1 Köpt köpoption 1.2 Såld köpoption 1.3 Köpt säljoption 1.4 Såld säljoption 2. Konstruktion av indexbevis 3. Avkastningsanalys 4. Knock-in optioner 5.

Läs mer

Data på individ/hushålls/företags/organisationsnivå. Idag större datamänger än tidigare

Data på individ/hushålls/företags/organisationsnivå. Idag större datamänger än tidigare MIKROEKONOMETRI Data på individ/hushålls/företags/organisationsnivå Tvärsnittsdata och/eller longitudinella data o paneldata Idag större datamänger än tidigare Tekniska framsteg erbjuder möjligheter till

Läs mer

Just another WordPress site

Just another WordPress site Online Casino betyg för Sverige Just another WordPress site MENU INTRODUKTION TILL ONLINE- BONUSAR Online Poker Bonus Online poker är lite annorlunda från de online-kasinon och bookmakers, eftersom du

Läs mer

Statistik B Regressions- och tidsserieanalys Föreläsning 1

Statistik B Regressions- och tidsserieanalys Föreläsning 1 Statistik B Regressions- och tidsserieanalys Föreläsning Kurskod: 732G7, 8 hp Lärare och examinator: Ann-Charlotte (Lotta) Hallberg Lärare och lektionsledare: Isak Hietala Labassistenter Kap 3,-3,6. Läs

Läs mer

Föreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar

Föreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar Föreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar Stas Volkov Stanislav Volkov s.volkov@maths.lth.se FMSF20 F8: Statistikteori 1/20 Översikt Exempel Repetition Exempel Matematisk statistik

Läs mer

Exempelprov. Matematik Del A, muntlig del. 1abc

Exempelprov. Matematik Del A, muntlig del. 1abc Exempelprov Matematik Del A, muntlig del 1abc 2 DEL A, EXEMPELPROV MATEMATIK 1ABC Innehållsförteckning 1. Instruktioner för att genomföra del A... 5 2. Uppgifter för del A... 6 Version 1 Sten, sax och

Läs mer

Kritiskt tänkande HTXF04:3 FTEB05. Induktiv argumentation

Kritiskt tänkande HTXF04:3 FTEB05. Induktiv argumentation Kritiskt tänkande HTXF04:3 FTEB05 Induktiv argumentation En svaghet med deduktiv argumentation Vi har sagt att de bästa argumenten är de sunda argumenten, dvs de logiskt giltiga deduktiva argument med

Läs mer

Statistiska analyser C2 Inferensstatistik. Wieland Wermke

Statistiska analyser C2 Inferensstatistik. Wieland Wermke + Statistiska analyser C2 Inferensstatistik Wieland Wermke + Signifikans och Normalfördelning + Problemet med generaliseringen: inferensstatistik n Om vi vill veta ngt. om en population, då kan vi ju fråga

Läs mer

Sannolikhetsbegreppet

Sannolikhetsbegreppet Kapitel 3 Sannolikhetsbegreppet Betrakta följande försök: Ett symmetriskt mynt kastas 100 gånger och antalet krona observeras. Antal kast 10 20 30 40 50 60 70 80 90 100 Antal krona 6 12 16 21 25 30 34

Läs mer

Medicinsk statistik II

Medicinsk statistik II Medicinsk statistik II Läkarprogrammet termin 5 VT 2013 Susanna Lövdahl, Msc, doktorand Klinisk koagulationsforskning, Lunds universitet E-post: susanna.lovdahl@med.lu.se Dagens föreläsning Fördjupning

Läs mer

UPPGIFT 1 KANINER. Håkan Strömberg 1 Pär Söderhjelm

UPPGIFT 1 KANINER. Håkan Strömberg 1 Pär Söderhjelm UPPGIFT 1 KANINER Kaniner är bra på att föröka sig. I den här uppgiften tänker vi oss att det finns obegränsat med hannar och att inga kaniner dör. Vi ska försöka simulera hur många kaninhonor det finns

Läs mer

Multipel Regressionsmodellen

Multipel Regressionsmodellen Multipel Regressionsmodellen Koefficienterna i multipel regression skattas från ett stickprov enligt: Multipel Regressionsmodell med k förklarande variabler: Skattad (predicerad) Värde på y y ˆ = b + b

Läs mer

Three Monkeys Trading. Tärningar och risk-reward

Three Monkeys Trading. Tärningar och risk-reward Three Monkeys Trading Tärningar och risk-reward I en bok vid namn A random walk down Wall Street tar Burton Malkiel upp det omtalade exemplet på hur en apa som kastar pil på en tavla genererar lika bra

Läs mer