Shapley Value Cooperative Games

Der Keynesian Beauty Contest ist ein Konzept aus der Ökonomie, das von dem britischen Ökonomen John Maynard Keynes eingeführt wurde. Es beschreibt, wie Investoren oft nicht nur ihre eigenen Meinungen über den Wert eines Vermögenswertes bilden, sondern auch versuchen, die Meinungen anderer Marktteilnehmer vorherzusagen. In diesem Wettbewerb geht es darum, den „schönsten“ Teilnehmer zu wählen, wobei die Schönheit nicht objektiv, sondern durch die Präferenzen der Mehrheit bestimmt wird.

In diesem Sinne könnten Anleger dazu verleitet werden, in Vermögenswerte zu investieren, die sie für die attraktivsten halten, basierend auf dem, was sie glauben, dass andere Investoren ebenfalls für attraktiv halten. Dies führt zu einer Kettenreaktion, in der die Marktpreise von Erwartungen und Spekulationen dominiert werden, anstatt von den zugrunde liegenden wirtschaftlichen Fundamentaldaten. Der Keynesian Beauty Contest verdeutlicht somit die Rolle von Erwartungen und Psychologie im Finanzmarkt und hebt die Abweichung zwischen Marktpreisen und tatsächlichem Wert hervor.

Ergodizität ist ein zentrales Konzept in der Theorie der Markov-Ketten, das sich mit dem langfristigen Verhalten eines Systems befasst. Eine Markov-Kette ist ergodisch, wenn sie die Eigenschaft hat, dass ihre Zustandsverteilung im Laufe der Zeit unabhängig von der Anfangsverteilung wird. Das bedeutet, dass egal, in welchem Zustand das System beginnt, die Verteilung der Zustände sich mit der Zeit stabilisiert und sich einer stationären Verteilung nähert. Ein wichtiges Kriterium für die Ergodizität ist, dass die Markov-Kette recurrent ist, das heißt, es gibt eine positive Wahrscheinlichkeit, dass jeder Zustand unendlich oft besucht wird.

Mathematisch ausgedrückt, wenn $\pi$ die stationäre Verteilung ist, gilt:

für alle Zustände $i$ und $j$. Die Ergodizität ist entscheidend für Anwendungen in der Statistik, Physik und Wirtschaft, da sie sicherstellt, dass langfristige Vorhersagen und Analysen auf stabilen Verteilungen basieren können.

Optogenetische Stimulationsexperimente sind innovative Forschungsmethoden, die es Wissenschaftlern ermöglichen, neuronale Aktivität mithilfe von Licht zu steuern. Bei dieser Technik werden Gene, die lichtempfindliche Proteine codieren, gezielt in bestimmte Zellen eingeführt, meist mit Hilfe von Viren. Diese Proteine reagieren auf spezifische Wellenlängen von Licht, wodurch Forscher die Aktivität der Zellen in Echtzeit beeinflussen können.

Ein typisches Experiment könnte folgende Schritte umfassen:

• Genetische Modifikation: Einführung von Genen für lichtempfindliche Proteine (z.B. Channelrhodopsin) in die Zielneuronen.
• Lichtstimulation: Verwendung von Laser- oder LED-Lichtern, um die Zellen mit präzisen Lichtimpulsen zu aktivieren oder zu hemmen.
• Verhaltensbeobachtung: Analyse der Auswirkungen auf das Verhalten oder die physiologischen Reaktionen des Organismus.

Diese Methode bietet eine hohe zeitliche und räumliche Auflösung, was sie zu einem unverzichtbaren Werkzeug in der Neurowissenschaft macht.

Die Legendre-Transformation ist ein mächtiges mathematisches Werkzeug, das in verschiedenen Bereichen der Wissenschaft und Wirtschaft Anwendung findet. Sie ermöglicht es, zwischen verschiedenen Darstellungen einer Funktion zu wechseln, insbesondere zwischen den Variablen einer Funktion und ihren Ableitungen. Ein häufiges Beispiel ist die Anwendung in der Thermodynamik, wo die Legendre-Transformation verwendet wird, um von der inneren Energie $U(S,V)$ zur Enthalpie $H(S,P)$ zu gelangen, wobei $S$ die Entropie, $V$ das Volumen und $P$ der Druck ist.

In der Optimierung wird die Legendre-Transformation genutzt, um duale Probleme zu formulieren, wodurch die Suche nach Minimum oder Maximum von Funktionen erleichtert wird. Außerdem findet sie in der Theoretischen Physik Anwendung, insbesondere in der Hamiltonschen Mechanik, wo sie hilft, die Bewegungsgleichungen aus den Energieformen abzuleiten. Zusammenfassend lässt sich sagen, dass die Legendre-Transformation nicht nur mathematische Eleganz bietet, sondern auch praktische Lösungen in vielen Disziplinen ermöglicht.

Das Hodgkin-Huxley-Modell ist ein mathematisches Modell, das die Aktionspotentiale in Neuronen beschreibt. Es wurde 1952 von den Wissenschaftlern Alan Hodgkin und Andrew Huxley entwickelt und basiert auf experimentellen Daten von Riesenaxonen des Tintenfisches. Das Modell verwendet ein System von Differentialgleichungen, um die dynamischen Veränderungen der Membranpotenziale und der Ionenströme über die Zellmembran zu erklären. Es berücksichtigt die zeitabhängige Aktivierung und Inaktivierung von Natrium- (Na$^+$) und Kaliumkanälen (K$^+$) und formuliert die Ströme als:

Hierbei ist $I$ der Gesamtstrom, $C_m$ die Membrankapazität, $V$ das Membranpotential, und $I_{Na}$, $I_{K}$ und $I_{L}$ die Na$^+$-, K$^+$- und Leckströme. Das Hodgkin-Huxley-Modell ist grundlegend für das Verständnis der Neurobiologie und die Entwicklung von Neuronenmodellen in der computerg

Entropy Encoding ist eine Methode zur Datenkompression, die auf der Wahrscheinlichkeit der Darstellung von Symbolen in einer Nachricht basiert. Im Wesentlichen wird die Idee verfolgt, dass häufig vorkommende Symbole mit kürzeren Codes und seltener vorkommende Symbole mit längeren Codes dargestellt werden. Dies geschieht, um die durchschnittliche Länge der Codes zu minimieren, was zu einer effizienteren Speicherung und Übertragung von Daten führt. Zwei der bekanntesten Algorithmen für die Entropie-Codierung sind Huffman-Codierung und arithmetische Codierung.

Die Effizienz dieser Technik beruht auf dem Shannon'schen Entropie-Konzept, das die Unsicherheit oder den Informationsgehalt einer Quelle quantifiziert. Wenn man die Entropie $H$ einer Quelle mit den Wahrscheinlichkeiten $p(x_i)$ der Symbole $x_i$ definiert, ergibt sich:

Durch die Anwendung von Entropy Encoding kann die Menge an benötigtem Speicherplatz erheblich reduziert werden, was besonders in Anwendungen wie Bild-, Audio- und Videokompression von großer Bedeutung ist.