Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
vuoi
o PayPal
tutte le volte che vuoi
Ma come facciamo a valutare/quantificare? Ci vuole qualche criterio.
Il nuovo libro di Roberto Chiappi risponde esattamente a questa domanda. Il primo capitolo, dopo una interessante e documentata introduzione sulla matematica, la logica, i paradossi, ci spiega con esempi concreti il valore del denaro nel tempo, che è la chiave di volta per le decisioni finanziarie.
•
Indice
IndicePRESENTAZIONE 1
PARTE I MATEMATICA E NEUROECONOMIA NEL PROBLEM SOLVING 6
INTRODUZIONE 8
Matematica e Osservazione 9
Logicisti 11
Problemi indecidibili 12
Formalisti 13
Intuizionisti 14
Matematica: scoperta o invenzione? 15
Matematica: Serva o padrona? 17
CALCOLI A MENTE 19
Scomporre i problemi in sottoproblemi più semplici 20
Messaggi segreti 21
Problemi o stime di Fermi 22
Il paradosso scozzese 23
Soluzioni geniali 25
Analogie: Equazioni e Bilance 26
Le Analogie nel problem solving 27
INFINITI E INFINITESIMI 29
Ramanujan e Hardy 29
Achille e la tartaruga 31
La spola tra i due treni 33
PROBLEMI LINEARI E NON LINEARI 34
Modelli lineari 34
Crescita esponenziale 35
Investimenti, guadagni e perdite 36
Interesse composto 38
Il valore del denaro nel tempo 38
Economia comportamentale 40
Determinismo e predicibilità: il Caos deterministico 41
Geometria Frattale (G. Julia, B. Mandelbrot) 43
PROBABILITÀ, RISCHIO E DECISIONI 45
La scelta tra due lotterie 45
Il paradosso di Maurice Allais 46
Il gioco delle tre tessere 48
Il problema di Monty Hall 49
Il problema dei due figli maschi 50
Il problema dei falsi positivi in un test 51
La tassa sulla stupidità 53
Decisioni, Decisioni! 54
Leggi di potenza 55
Dalla razionalità “limitata” di Simon a quella “ecologica” di Gigerenzer 56
LOGICA 59
Una mano di carte 59
Verifica e Falsificazione 61
Scoprire la legge sottostante a un problema 62
NEUROSCIENZE E PROBLEM SOLVING 64
La neuroeconomia 65
I neuroni specchio 67
I neuroni delle scelte 69
Il Gioco dell’Ultimatum 71
La Prospect Theory 72
L’economia aiuta le neuroscienze? 75
Bibliografia 77
PARTE II PROGRAMMAZIONE MATEMATICA 81
LA PROGRAMMAZIONE LINEARE 82
Introduzione 83
Rappresentazioni geometriche ed esperimenti mentali 84
Massimo profitto in presenza di risorse limitate 87
Garantire servizi adeguati minimizzando i costi 92
Conclusioni 95
LA PROGRAMMAZIONE NON LINEARE E DISCRETA 100
Introduzione 101
Rappresentazioni geometriche ed esperimenti mentali 104
Programmazione non lineare: ottimizzazione di una rete di raccolta del greggio 109
Programmazione discreta: scelta degli investimenti 113
Conclusioni 116
Bibliografia 119
PARTE III TECNICHE PER LE DECISIONI 120
Introduzione 121
Le controversie sulla probabilità e sulla razionalità delle decisioni 123
Indici Ponderati e Valutazioni, un esempio numerico: la felicità interna lorda. 125
Scelte multi criteri: valutare un’azienda da acquisire. 131
Le funzioni di utilità aiutano a rappresentare le preferenze degli individui 136
La Prospect Theory 139
Alberi decisionali: decidere se sviluppare un giacimento petrolifero 143
Software di aiuto alla decisione 148
Teoria delle decisioni ed emozioni 149
Teoria delle decisioni rischi e bioetica 151
Bibliografia 154
PARTE IV CONTRIBUTI INNOVATIVI AL PROBLEM SOLVING 155
Introduzione [1,2,5] 156
Distribuire un valore nel tempo. Stimare dei pesi [5] 156
Massimizzare il valore e minimizzare i rischi nelle decisioni [4,5] 157
Istogrammi e Curve ad S: una funzione matematica operativa [3,4] 158
Proiezioni a finire (Revised Earned Value Method). Il cruscotto del project manager [2,4] 159
Linked Plan: legami tra attività con il foglio elettronico [2,3,4] 159
Gestire il rischio con le matrici impatto-probabilità. Procedura semplificata [4,5] 160
Profili del rischio (costi e tempi). Alternativa alla simulazione [5] 161
Valutare i progetti d’investimento: un indice multicriteri [5,6] 161
Una funzione di utilità per i guadagni e le perdite[5,7] 162
Inquadrare un problema: Cross Impact Analysis [5] 163
Innovazione e Storia del pensiero [1] 163
Bibliografia 165
PARTE V PROBLEMI E SOLUZIONI: ESEMPLIFICAZIONI NUMERICHE 166
Problema 1.1 Mensilizzazioni 167
Problema 1.2 Work Breakdown Structure (WBS) 171
Problema 1.3 Pesi negli Indici Multi Criteri 174
Problema 1.4 Valutazione dei programmi economici 175
Problema 2.1 Decisioni in presenza di criteri Multipli 178
Soluzione 2.1 Decisioni in presenza di criteri Multipli. 180
Problema 2.2 Decisioni in Condizioni di Rischio 181
Problema 3.1 Istogrammi e curve ad "S": programma di massima 183
Problema 3.2 Curva ad "S" interpolante e Proiezioni a finire 186
Problema 4.1 Earned Value Method 189
Problema 4.2 Revised Earned Value Method 190
Problema 5 Linked Plan 194
Problema 6 Matrici Impatto-Probabilità per la valutazione dei rischi 197
Problema 8 Indici Multicriteri; esempio nella valutazione degli investimenti 203
Problema 8.1 Goal Programming. Allocazione di una somma 205
Problema 9.1 Paradosso di Allais. 210
Problema 9.2 Prospect Theory 213
Problema 10 Cross impact analysis 217
Problema 10.1: Analisi di un sistema o di un processo. 217
Problema 10.2: Analisi delle preferenze di un decisore. 217
Problema 11 Evoluzione di un sistema dinamico 220
Problema 12: Capitale e Debito, Spese e Guadagni 224
•
Autore
Roberto ChiappiRoberto Chiappi (1945) si è laureato in ingegneria elettronica al Politecnico di Milano e dopo il corso per Allievi Ufficiali dell’Accademia Navale di Livorno ha prestato servizio a Roma presso l’ufficio Statistica, Meccanografia e Ricerca Operativa dello Stato Maggiore della Marina Militare. Dopo il master della Scuola Superiore Enrico Mattei è entrato nel gruppo ENI dove ha lavorato per trent'anni, nei settori dell’analisi degli investimenti, ricerca operativa, pianificazione strategica, formazione e project planning. Ha pubblicato diversi libri (F. Angeli, Springer Verlag, Scuola Mattei) e articoli su questi argomenti; ha anche svolto attività di formazione. Attualmente si occupa di ricerca e formazione relativamente alle tecniche di project management, problem solving e decision making. Collabora da alcuni anni con il sito Matematicamente.it.
Project Management, Problem solving, Decision Making
Poiché Opz1 porta a un guadagno immediato il suo valore (500) non è
influenzato dal tasso di attualizzazione. Comunque se il tasso i è inferiore al
20% sono da scegliere Opz2 nel primo caso e Opz4 nel secondo, se il tasso i
è superiore al 20% sono da scegliere Opz1 e Opz3. La scelta di Opz1 e Opz4
è invece sempre incoerente. Un'altra informazione che viene dalla tabella è
che per tassi inferiori al 14% sono preferibili Opz3 e Opz4 mentre per tassi
superiori al 14% sono preferibili Opz1 e Opz2.
Economia comportamentale
La behavioral economics è stata a lungo considerata dagli economisti come
una moda un po’ pittoresca propria degli studiosi riottosi ad accettare
incondizionatamente quello che Nick Wilkinson (vedi bibliografia)
definisce il modello economico standard. Il libro di Wilkinson rappresenta
un vero e proprio manuale di microeconomia alternativo che descrive i
modelli di scelta basandoli sulla osservazione empirica dei reali
comportamenti degli umani. Nel seguito alcune situazioni, in cui tutti
possono riconoscersi difficilmente comprensibili sulla sola base del modello
standard:
1) Perché la maggior parte delle persone è disposta ad attraversare la città in
macchina per risparmiare 5 euro sull’acquisto di un calcolatore tascabile che
ne costa 15, ma non per risparmiare gli stessi 5 euro sull’acquisto di un
giubbotto da 125 Euro?
2) Perché la gente si rallegra quando sa di aver ottenuto un aumento di
stipendio del 10% , ma diventa furiosa quando scopre che un collega ha
ottenuto il 15%?
3) Perché le persone che non sono disposte a spendere 500 euro per un
prodotto sono invece molto contente quando è il coniuge a comprare lo
stesso prodotto allo stesso prezzo ed attingendo sempre al loro conto
bancario comune?
4) Perché alcuni studenti maschi, sottoposti al test, di quanto sarebbero
disposti a pagare per ottenere un bacio dalla loro diva cinematografica
preferita, non sapevano rispondere, ma a successive richieste (quanto per un
secondo bacio, quanto per un bacio dilazionato di una settimana, quanto per
un bacio della seconda star preferita, ecc.) riuscivano a rispondere
costruendo punteggi coerenti a partire dal primo ancoraggio iniziale?
Queste semplici situazioni, in cui ciascuno di noi si può riconoscere, non
rappresentano delle deviazioni anomale dal normale comportamento
razionale, ma sono espressione di strutture comportamentali che hanno
42 Roberto Chiappi
ragioni profonde ed emergono da lunghi processi di evoluzione e selezione
culturale. Determinismo e predicibilità: il Caos deterministico
Si è sempre pensato che l’evoluzione di un sistema deterministico (in cui
cioè il caso non interviene) fosse prevedibile nella sua evoluzione temporale
qualora ne fossero note le leggi che lo governano e le condizioni iniziali.
Secondo Laplace (1776): “Una mente che a un istante dato comprendesse
tutte le relazioni fra le entità di questo universo, essa potrebbe conoscere le
rispettive posizioni, i moti e le disposizioni generali di tutte quelle entità in
qualunque istante del passato o del futuro”. Nel 1903 Poincaré continuò
“Ma
idealmente e corresse così il pensiero: non sempre è così: può accadere
che piccole differenze nelle condizioni iniziali ne producano di grandissime
nei fenomeni finali. Un piccolo errore nelle prime produce un errore enorme
nei secondi. La previsione diviene impossibile e si ha un fenomeno
fortuito”. Vediamo ora come questo può succedere anche in un
semplicissimo sistema dinamico non lineare e discreto, la mappa o
applicazione logistica resa popolare nel 1976 da Robert May. Consideriamo
una popolazione, o un prodotto in un mercato, che inizialmente, è sviluppato
al 10% (Xo) delle sue potenzialità massime. Supponiamo che in ogni unità
di tempo la penetrazione del prodotto cresca proporzionalmente (r è un
parametro che rappresenta la costante di proporzionalità) alla quota di
–
mercato acquisita Xn e alla quota di mercato rimanente (1 Xn). Si avrà
dunque la seguente mappa logistica:
Xo = 0.1 –
X = r*Xn*(1 X )
n+1 n
Questo sistema dinamico discreto non lineare si può facilmente
rappresentare con qualunque foglio elettronico. In una cella si riporta il
valore iniziale di X ; nella cella successiva si scrive la legge ricorrente per
o
il calcolo di X . Poi si copia la formula nelle celle successive fino
n+1
all’ultima iterazione che si desidera calcolare. Alla fine è facile tracciare il
grafico di Xn in funzione del tempo n.
1) Se 0 < r < 1 la popolazione, o la quota di mercato, X si riduce partendo
n
da Xo sino a tendere ad annullarsi.
2) Se 1 < r < 2 la popolazione tende rapidamente al valore (r-1)/r
qualunque sia il valore iniziale di X .
o 43
Project Management, Problem solving, Decision Making
3) Se 2 < r < 3 la popolazione tende ad oscillare tra valori superiori ed
L’ampiezza delle oscillazioni si riduce sempre più sino
inferiori a (r-1)/r.
a smorzarsi.
4) Se 3 < r < 3.45 la popolazione continua ad oscillare indefinitamente tra
un massimo e un minimo costanti ma dipendenti dal valore di r.
5) Se 3.45 < r < 3.57 si hanno dei continui sdoppiamenti di periodo con
oscillazioni tra 4, 8, 16, 32, … valori.
6) Se 3.57 < r < 4 il regime diventa caotico e del tutto imprevedibile anche
se all’interno di questo range (ad esempio a partire da 3.83 si hanno
tra 3, 6, 12, …valori) si hanno delle finestre in cui il regime
oscillazioni
torna ad essere periodico.
7) Se r > 4 i valori di Xn superano il 100%, il sistema diverge, si distrugge
o quantomeno perde di significato fisico o economico.
E’ interessante osservare come cambia il grafico per una piccolissima
(1/1000 o meno) variazione del valore iniziale Xo. Se siamo all’interno di
un comportamento deterministico classico (sia esso asintotico o periodico),
nel grafico non si nota alcuna variazione. Se siamo invece nel regime
caotico, il grafico cambia radicalmente e come dice Poincaré, la previsione
diviene impossibile e si ha un fenomeno fortuito. Grazie alla semplice
applicazione logistica abbiamo visualizzato cosa si intende per Caos
deterministico. Funzione logistica: andamenti prevedibili (1-4), caotico (5)
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0 1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 81 85 89 93 97 101
44 Roberto Chiappi
Geometria Frattale (G. Julia, B. Mandelbrot)
Secondo Wikipedia un frattale è un oggetto geometrico che si ripete nella
sua struttura allo stesso modo su scale diverse, ovvero che non cambia
aspetto anche se visto con una lente d'ingrandimento. Questa caratteristica è
spesso chiamata auto similarità. Il termine frattale venne coniato nel 1975 da
Benoît Mandelbrot, e deriva dal latino fractus (rotto, spezzato), così come il
termine frazione; infatti le immagini frattali sono considerate dalla
matematica oggetti di dimensione frazionaria. I frattali compaiono spesso
nello studio dei sistemi dinamici e nella teoria del caos e sono descritti in
modo ricorsivo da equazioni molto semplici, scritte con l'ausilio dei numeri
complessi. Ad esempio l'equazione che descrive l'insieme di Mandelbrot è la
2
seguente: an+1 = an + P0 dove an e P0 sono numeri complessi.
Applicazioni dei frattali si hanno in fisica, medicina, botanica, meteorologia,
studio dei materiali, superconduttività, computer graphics, tele comuni-
cazioni, finanza, andamenti borsistici. Un semplice metodo per ottenere al
computer curve frattali suggestive è ricorrere iterativamente alla seguente
trasformazione affine (i coefficienti reali: a, b, c, d, e, f servono ad ottenere
forme diverse):
x = a*x + b*y + e
n+1 n n
y = c*x + d*y + f
n+1 n n
Chiunque può divertirsi a impostare queste due equazioni ricorrenti su di un
foglio elettronico e vedere come cambiano, su di un grafico (x,y) le figure
ottenute al variare dei parametri a,..,f. Ad esempio con i valori:
a= -0.93824
b= 0.84708
c= -0.35304
d= -0.44691
e= -0.10343
f= -0.68976
Si ottiene la seguente figura: 45
Project Management, Problem solving, Decision Making
Trasformazione affine iterata - frattali 0
-0.7 -0.6 -0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2
-0.1
-0.2
-0.3
Yn -0.4
-0.5
-0.6
-0.7
-0.8
Xn
46 Roberto Chiappi
Probabilità, rischio e decisioni
Le valutazioni di probabilità e di rischio non ci vengono molto naturali e
figurano ai primi posti negli errori logici più comuni, anche per le persone
più colte e preparate; fisici e ingegneri, ad esempio tendono a pensare che la
probabilità, come avviene ad esempio nel decadimento radioattivo o nelle
frequenze di guasto delle apparecchiature, sia sempre e solo insita nelle
caratteristiche fisiche del sistema in studio (la natura, un impianto, una
macchina, ecc.). In realtà non sempre è così e il reverendo T. Bayes, sin dal
1700, ha spiegato che il calcolo delle probabilità deve essere fatto basandosi
sulle informazioni e sull’evidenza disponibile. Questo vuol dire che la
nostra stima delle probabilità e quindi dei rischi di un certo evento possono
man mano che acquisiamo nuove informazioni su quell’evento.
cambiare
Bruno de Finetti, che introdusse la concezione soggettivistica della
probabilità, faceva fare ai suoi allievi dei concorsi a pronostici sul risultato
delle partite di calcio per mostrare che la previsione dei risultati cambiava
da persona a persona e dipendeva dalle informazioni possedute da ciascuno
(morale della squadra, stato fisico dei singoli giocatori, campo di gioco,
partite truccate, ecc.). La scelta tra due lotterie
Vi propongono gratuitamente di scegliere tra due lotterie. La prima permette
di vincere 1000 Euro con probabilità del 20% , la seconda di vincere solo
300 Euro con probabilità del 70%. Quale scegliete? Sembra che molte
persone guardino solo l’entità della cifra e scelgano la prima lotteria. Anche
chi ama il rischio è portato a scegliere la prima lotteria: “non costa niente
quindi tanto vale puntare in alto!”. Infine c’è il caso di quelle persone che
per rimborsare un prestito o fare un acquisto indispensabile non dispongono
di 1000 Euro: solo la prima lotteria può risolvere il loro problema. La teoria
delle scelte razionali richiede invece il calcolo preliminare dei valori attesi:
0.2*1000 = 200 Euro contro 0.7*300 = 210 Euro
dunque è preferibile la seconda lotteria. Chi è avverso al rischio non può
fare a meno di confrontare l’eventualità di restare con in mano un pugno di
dell’80%
mosche. Nel primo caso si ha una probabilità di non ottenere nulla
mentre nel secondo caso questa probabilità si riduce al 30% dunque questo
soggetto è portato a scegliere la seconda lotteria. 47
Project Management, Problem solving, Decision Making
Il paradosso di Maurice Allais
premio nobel francese per l’economia, ha proposto
Allais, nel 1953 il
seguente problema a un gruppo di esperti di teoria delle decisioni. Tra di
loro si trovava anche Leonard Jimmie Savage, uno dei più grandi esperti di
decisioni del secolo scorso.
Nella prima lotteria si deve scegliere tra le due opzioni A e B. Nella opzione
A avete 10 probabilità su 10 (quindi la certezza) di vincere 10.000 euro.
Nella opzione B avete 9 probabilità su 10 di vincere 15.000 euro e 1
probabilità su 10 di non vincere nulla. Di fronte a questa scelta, la maggior
preferisce l’opzione A. l’attrattiva della cosa certa:
parte delle persone È
perché cercare di vincere 15.000 euro nell’opzione B correndo il rischio (1
probabilità su 10) di non vincere niente, mentre scegliendo l’opzione A si
vincono a colpo sicuro 10.000 euro?
Una volta effettuata la scelta, le stesse persone si trovano a valutare una
seconda lotteria dovendo scegliere tra le opzioni C e D. Nella opzione C
avete 1 probabilità su 10 di vincere 10.000 euro e 9 probabilità su 10 di non
vincere niente. Nella opzione D avete 0.9 probabilità su 10 di vincere
15.000 euro e 9.1 probabilità su 10 di non vincere niente. Qui le preferenze
sull’opzione D: la ragione è che non c’è
si concentrano in larghissima parte
molta differenza nella probabilità di vincere qualcosa tra C e D mentre
l’importo di vincita di D supera del 50% l’importo di vincita di C.