金融市场:Open.Yale.course:Financial.Markets.07.Chi_Eng

通过一个赌局游戏的例子,本文探讨了人们在面对不确定性和风险时的心理偏好,即期望效应理论。该理论解释了为什么大多数人倾向于选择概率较低但回报较高的选项。

 

期望效应理论

 

1959年, 有一天Gem和他的同事Gin在餐馆吃饭(他们俩都是大学教授),Gem是一位喜欢开玩笑的人,于是想和Gin做个游戏,游戏的规则是猜硬币正反(就一次),如果Gin猜对了,Gem愿意付200$Gin,如果Gin猜错,Gin100$给他,(那个年代的100$相当于现在的1000$,是一个不小的数目,但他们都能付的起),Gin不干(赌局虽对他有利);于是Gem换一种方法玩,他们就猜100百次硬币的正反面,每次,如果Gin猜对了,Gem愿意付200$Gin,如果Gin猜错,Gin100$给他,(那个年代的100$相当于现在的1000$Gin立马答应(他认为他的概率学的还不错)。不过这只不过是Gem一次玩笑而已。

 

根据二项式分布,Gin认为他肯定赢定了。上面的例子可以看出Gin在面对机遇的时候的非理性的行为,我们不能说Gin愿意接受100次这样的赌局,但我不愿意接受1次这样的赌局是不理性的。人类的效应函数上出现一个拐点。

 

A、下面两件事件中,你只能其中一种:

1、完成X1事件,你有25%概率获取3000

2、完成X2事件,你有20%概率获取4000

 

B、在另两件事件中,你也只能选择其中一种:

1、  完成X3事件,你有100%概率获取3000

2、  完成X4事件,你有80%概率获取4000

 

我相信大部分人都选择A(2)B(1)

查看更多精彩图片

 

期望效应理论:不可能、不确定和确定这三种情况。上面的图就可以解释大部分人的选择的原因。

我最近在玩和讯微博,很方便,很实用,你也来和我一起玩吧!
去看看我的微博吧!http://t.hexun.com/3006897/default.html

本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩纹理双重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算数据处理能力的工具,在图像分析模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为不同病害类别的区分提供依据。 纹理特征则用于描述叶片表面的微观结构形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取分类判断。采用的分类模型包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模型能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习掌握基于Matlab的智能检测技术提供了综合性实践案例。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值