Calculadora de utilidad esperada

Esta calculadora de utilidad esperada acepta un arreglo de probabilities y un arreglo coincidente de utilities, verifica que las probabilities formen una medida discreta que sume uno, y devuelve el escalar EU igual a la suma de cada p_i por u_i. Las listas que fallan la prueba de medida se rechazan con invalid_input para que un modelo roto nunca produzca una ordenación silenciosa y absurda. La aritmética es plenamente determinista, se ejecuta gratis en su navegador y está disponible por la API a $0.002 por petición exitosa.

Qué mide la utilidad esperada y por qué no es el valor esperado

En el marco de von Neumann–Morgenstern un decisor ordena perspectivas riesgosas por el producto interno de un vector de probabilidad y un vector de utilidad: EU es la suma de p_i por u_i sobre un soporte finito. Usted aporta las utilities que ya calculó —a partir del logaritmo de la riqueza, de una transformación CRRA o de una tabla de preferencias declaradas— y una lista coincidente de probabilities que forman una medida discreta.

Cómo esta calculadora valida las entradas y calcula EU

Tras la validación, el núcleo recorre el soporte una vez y acumula la suma ponderada por probabilidad de las utilities. No hay renormalización silenciosa: si sus pesos suman el noventa y nueve por ciento, la petición falla y nombra la suma observada, porque una medida rota no debe producir un número de ranking que parezca preciso. Llame a la capacidad con dos arreglos obligatorios de igual longitud: probabilities, el peso de cada estado mutuamente excluyente, y utilities, el número de von Neumann–Morgenstern asociado a ese estado. El motor también acepta los alias probs y p para probabilities, y utility y u para utilities, de modo que los scripts que ya hablan en esos términos no necesiten un paso de renombrado. La validación rechaza campos ausentes, arreglos vacíos, longitudes distintas, números no finitos, probabilities negativas, probabilities por encima de uno y cualquier lista cuya suma no sea uno dentro de una tolerancia flotante minúscula, todo con invalid_input y sin cobrar saldo. La utilidad esperada es esa suma ponderada, redondeada a doce decimales para que el JSON del Worker y el del navegador coincidan byte a byte con los ejemplos de referencia. Las listas aceptadas mantienen el bucle acotado para aislados Worker: hasta diez mil puntos de soporte cubren ejemplos habituales de aula y negocio y terminan con rapidez. La misma función pura alimenta la herramienta gratuita en el navegador y la ruta API, de modo que un ejemplo de referencia en el servidor es la misma aritmética que un visitante ejecuta en local sin ida y vuelta de red, sin generador aleatorio y sin modelo de lenguaje de ningún tipo.

Uso práctico, límites, tarifa y entrega

Use la herramienta del navegador cuando quiera un escalar de utilidad esperada inmediato al comprobar una respuesta de deberes, ordenar una lotería de seguro sencilla o explicar la aversión al riesgo sin instalar un paquete de teoría de la decisión. No hay modelo de lenguaje, ni servicio externo de probabilidad, ni azar, de modo que la capacidad es segura para fijar en comprobaciones de integración continua y materiales de lección reproducibles. Mantenga cada lista en o por debajo del tope publicado, fije el escalar redondeado en las pruebas y obtendrá un EU reproducible para deberes, complementos LMS y workers de borde sin montar un álgebra simbólica propia. Use la API cuando un script, una plataforma de preparación de entrevistas, un sitio educativo o un panel de escenarios necesite JSON estable para muchas loterías finitas bajo un solo contrato. Cada petición exitosa es un ítem facturable a $0.002; la validación fallida no consume saldo. Traslade el dinero a utilidad de su lado primero —este endpoint nunca supone forma logarítmica, potencia ni exponencial—, de modo que un cambio de especificación de preferencias es un cambio del arreglo utilities, no del motor de ranking. Los resultados son plenamente deterministas: las mismas probabilities y utilities siempre dan la misma utilidad esperada. Conecte el endpoint a tutoriales de teoría de la decisión, hojas de seguro frente a autoaseguro, tablas de escenarios de cartera o sandboxes de entrevistas de programación donde ya prefiera la aritmética de utilidad esperada en forma cerrada frente a histogramas de simulación que nunca aterrizan dos veces en el mismo ranking.