Risk Aversion, Stochastic Dominance, and Rules of Thumb: Concept and Application
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Consider the following generic and fairly narrowly defined choice problem.An individual must choose from amongst a discrete and finite set of lotteries.Suppose for concreteness that each lottery represents a monetary payoff, and that all the lotteries are constructed so as to be comparable.As a running example, the lotteries could represent incomes in different countries in given years, and comparability could be ensured, at least in principle, by converting to a common metric using inflation-and purchasing power parity-adjusted exchange rates.Each lottery is characterized by a corresponding distribution function, that is known with certainty.The uncertainty arises because, if the individual picks a particular distribution, he will receive a payoff that is a random draw from that distribution.How is he to choose amongst these lotteries?Assuming that his preferences are such that they admit of a Von Neumann-Morgenstern (VNM) expected utility representation greatly simplifies the problem.Now, the individual will pick the lottery that gives him the maximum level of expected utility.If the individual is risk-neutral, so that his expected utility function is linear in the monetary payoff, the problem is not especially interesting.From conventional economic theory, we know that maximizing expected utility in this case will reduce to maximizing the expected payoff, given the linearity of the expectation operator.The individual will simply pick the lottery that has the highest corresponding expected value, assuming, as I shall do throughout, that this (as all other relevant moments) exists and is well-defined for all the lotteries.In our example, this would involve picking the country whose income distribution has the highest mean income, i.e., income per capita.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle