Lebensdauer eines x-jährigen

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Lebensdauer eines x-jährigen"

Transkript

1 Lebensdauer eines x-jährigen Sabrina Scheriau 20. November 2007, Graz 1

2 INHALTSVERZEICHNIS 2 Inhaltsverzeichnis 1 Einleitung 3 2 Sterbewahrscheinlichkeiten Definition und Ermittlung Anwendung Sterblichkeitsintensität 5 4 Analytische Verteilung 6 5 Die gestutzte Lebensdauer eines x-jährigen 7 6 Sterbetafeln 8 7 Unterjährige Sterbewahrscheinlichkeit 9

3 1 EINLEITUNG 3 1 Einleitung Die Lebensversicherungsmathematik ist ein wichtiger Versicherungszweig, der sowohl auf der Finanzmathematik als auch auf der Wahrscheinlichkeitstheorie beruht. Denn neben der mehrjährigen Laufzeit der Verträge, muss natürlich auch der zufällige Zeitpunkt des Todes der versicherten Person berücksichtigt werden. [4] In dieser Arbeit soll vor allem auf die Berechnung der Lebensdauer eines x-jährigen eingegangen werden, wobei die Sterbens- bzw. Überlebenswahrscheinlichkeit eine wichtige Rolle spielen. Die verwendeten Bezeichnungen halten sich an die seit 1981 für die Lebensversicherungsmathematik vorliegende einheitliche internationale Bezeichnungsweise, die weitgehend von der Versicherungspraxis anerkannt wird.

4 2 STERBEWAHRSCHEINLICHKEITEN 4 2 Sterbewahrscheinlichkeiten 2.1 Definition und Ermittlung Die wichtigste Größe der Lebensversicherungsmathematik ist die Wahrscheinlichkeit dafür, dass ein x-jähriger im Laufe des folgenden Jahres, also vor Erreichung des Alters x+1, stirbt. Die (einjährige) Sterbenswahrscheinlichkeit wird q x genannt und sagt aus, dass in einer Gesamtheit von x-jährigen innerhalb eines Jahres im Mittel 100q x % Todesfälle zu erwarten sind. Die Funktion q x ist also abhängig vom Alter x einer Person, wobei x = 0, 1,..., ω ( ω ist das Höchstalter). Da aber die Sterbewahrscheinlichkeit auch noch von vielen anderen Faktoren, wie zum Beispiel: Geschlecht, Gesundheitszustand, Wohnverhältnissen, Arbeistplatz, etc. abhängt, gibt es noch viele weitere Funktionen, die getrennt von q x berechnet werden.[2] Auf diese soll hier jedoch nicht näher eingegangen werden. Definiert man nun die zukünftige Lebensdauer eines x-jährigen als T(x), so erhält man tq x = G(t) = P r(t t), t 0, die Wahrscheinlichkeit, dass der x-jährige in t Jahren sterben wird. Hier soll angenommen werden, dass t q x stetig ist und eine Wahrscheinlichkeitsdichte g(t) = G (t) besitzt. Für die Dichte gilt dann: g(t)dt = P r(t < T < t + dt). Neben der Sterbewahrscheinlichkeit ist auch die t-jährige Überlebenswahrscheinlichkeit von großer Bedeutung. Diese ist wie folgt definiert: [1] tp x = 1 t q x. Natürlich gibt es auch eine Bezeichnung für den häufiger auftretenden Fall, dass der x-jährige t Jahre überlebt und dann innerhalb der nächsten u Jahre stirbt, d.h. die Person mit Alter x wird zwischen dem Alter x + t und x + t + u sterben: [3] t uq x = P r(t < T (x) t + u) = G(t + u) G(t) = t+u q x t q x.

5 2 STERBEWAHRSCHEINLICHKEITEN 5 Vorausgesetzt der x-jährige erreicht das Alter x + t, bezeichnet u p x+t die bedingte Wahrscheinlichkeit dafür, dass er die nächsten u Jahre überleben wird: up x+t = P r(t > t + u T > t) = 1 G(t + u). 1 G(t) Die u-jährige Sterbewahrscheinlichkeit, wenn der x-jährige das Alter x + t erreicht hat, beträgt: [1] uq x+t = P r(t t + u T > t) = G(t + u) G(t). 1 G(t) Eine weitere häufig verwendete altersabhängige Funktion ist die Lebenserwartung, die die Anzahl der Jahre angibt, die ein x-jähriger im Mittel noch zu erwarten hat: e x = tg(t)dt = [1 G(t)]dt = tp x dt Mit x + e x kann dann das mittlere Todesalter eines x-jährigen bestimmt werden. [2] 2.2 Anwendung In der Lebensversicherungsmathematik werden die Überlebens- und Sterbewahrscheinlichkeiten herangezogen, um die in dem kommenden Jahr erforderlich werdenden Versicherungsleistungen abzuschätzen bzw. Erwartungswerte für diese Anzahlen berechnen zu können. Dies wird dadurch ermöglicht, dass man in Versichertenbeständen von gleichaltrigen Personen die Zahl der im folgenden Jahr zu erwartenden Toten bzw. Überlebenden prognostiziert. So sind in einem Bestand von N x-jährigen nach n Jahren noch N np x Überlebende zu erwarten, während der Erwartungswert für die Anzahl der Personen, die im Alter x + n, d. h. vor Erreichen des Alters x + n + 1 sterben werden, gerade N nq x beträgt. [2]

6 3 STERBLICHKEITSINTENSITÄT 6 3 Sterblichkeitsintensität Die Sterblichkeitsintensität (engl. force of mortality) eines x-jährigen im Alter x + t entspricht der Ausfallrate (engl. hazard rate) in der Zuverlässigkeitstheorie und ist definiert als: µ x+t = g(t) 1 G(t) = d ln[1 G(t)] dt Aus der Definition von g(t) und G(t) folgt natürlich, dass µ x+t 0. [3] Unter Berücksichtigung der Sterblichkeitsintensität erhält man für die Wahrscheinlichkeit, dass der x-jährige zwischen den Zeitpunkten t und t + dt sterben wird, den Ausdruck: P r(t < T < t + dt) = t p x µ x+t dt. Daraus folgt direkt eine alternative Formel für die Lebenserwartung des x-jährigen: e x = 0 t t p x µ x+t dt. Nun erhält man auch eine Approximation, die für kleine Werte von s gilt: [1] sq x+t µ x+t s. 4 Analytische Verteilung Die Grundidee der analytischen Verteilung ist es G(t) durch eine einfache Formel mit wenigen Paramtern zu beschreiben.[6] Um die analytische Verteilung der Sterbe- bzw. Überlebenswahrscheinlichkeit zu entwickeln gab es hauptsächlich drei Gründe. Da in der Physik viele Probleme mittels einfacher Formeln gelöst werden können, wurde versucht auch die Sterblichkeit von gleichermaßen einfachen Gesetzen, wie zum Beispiel eines Naturgesetzes, zu begründen. Der zweite Ansatz ist eher praktisch. Denn es ist einfacher eine Funktion mit einigen wenigen Parametern, als eine Sterbetafel mit ca. 100 Parametern zu beschreiben. Außerdem beinhalten einige der analytischen Verteilungen Möglichkeiten, um Aussagen über die Sterbewahrscheinlichkeit in Bezug auf mehr als ein Leben zu machen. Der dritte Grund für die Entwicklung analytischer Verteilungen ist der Versuch die Schätzung von G(t) auf wenige geschätzte Parameter zu reduzieren.[3]

7 5 DIE GESTUTZTE LEBENSDAUER EINES X-JÄHRIGEN 7 Die folgenden analytischen Verteilungen wurden jeweils nach ihrem Erfinder benannt: De Moivre (1724): Diese Verteilung beruht auf der Idee, dass T gleichverteilt ist zwischen 0 und ω - x (ω ist Höchstalter), d. h. g(t) = 1 ω x für 0 < t < ω x. Die Sterblichkeitsintensität ist dann eine wachsende Funktion von t: µ x+t = 1 ω x t, 0 < t < ω x. Gompertz (1824): Hier wird kein Höchstalter benötigt, womit diese Methode realistischer wird. Das Phänomen des menschlichen Alterns wird besser wiedergegeben. Die Sterblichkeitsintensität besitzt ein exponentielles Wachstum: µ x+t = Bc x+t, t > 0, B > 0 und c > 1. Makeham (1860): verallgemeinerte den Ansatz von Gompertz indem er eine zusätzliche, altersunabhängige Komponente A > 0 hinzufügte: µ x+t = A + Bc x+t, t > 0. Weibull (1939): postulierte, dass das Wachstum wie eine Potenz wachse und nicht exponentiell: µ x+t = k(x + t) n, k > 0, n > 0, t p x = e k/(n+1){(x+t)n+1 x n+1 }. 5 Die gestutzte Lebensdauer eines x-jährigen Definiert man zusätzlich zu der Variable T(x) die Zufallsvariablen K = K(x), S = S(x), so erhält man für K = [T] die ganzzahlig (es werden nur ganze Jahre gezählt) gestutzte, zukünftige Lebensdauer des x-jährigen:[1] P r(k = k) = P r(k < T < k + 1) = k p x q x+k (k = 0, 1,...) Der Erwartungswert von K heißt gestutzte Lebenserwartung und ist gegeben durch: e x := kp r(k = k) = k k p x q x+k k=1 k=1

8 6 STERBETAFELN 8 bzw. wegen P r(k k) = Pr(K = k) + Pr(K = k+1) +... auch durch [6] e x = P r(k k) = k=1 kp x. Die gestutzte Lebensdauer hat den Vorteil, dass man lediglich Annahmen über die Verteilung von K machen muss, und dass diese Formel einfacher auszuwerten ist als jene für e x. Um auch die vollständige Lebenserwartung eines x-jährigen ausrechnen zu können, benötigt man die Variable S, die für den Bruchteil eines Jahres, den der x-jährige im Todesjahr noch erlebt, steht. Somit gilt T = K + S. S hat dabei eine stetige Verteilung in [0,1]. Wird der Erwartungswert von S mit 1 2 approximiert, so gilt: e x e x + 1 2, für die vollständige Lebenserwartung eines x-jährigen. [1] Ein wichtiger Fall ergibt sich, wenn K und S unabhängig sind, da dann die bedingte Verteilung von S unabhängig von K ist: k=1 P r(s u K = k) = u q x+k q x+k, dies ist eine von k unabhängige Verteilungsfunktion H(u), 0 u 1, uq x+k = H(u)q x+k, k = 0, 1,... und 0 u 1. Im Spezialfall H(u) = u (Gleichverteilung) ist die Approximation e x exakt und aus T = K + S folgt der Zusammenhang zwischen den Varianzen von T und K: V ar(t ) = V ar(k) Sterbetafeln Sterbetafeln (engl. life table) sind Tabellen, die in regelmäßigen Abständen veröffentlicht werden und die wichtige Informationen zur Kalkulation von Wahrscheinlichkeiten der Lebensversicherungsmathematik liefern. Je nach Anwendungszweck werden verschiedene Sterbetafeln verwendet, so gibt es unterschiedliche Sterbetafeln für Männer, Frauen, Versicherung auf den Todesfall bzw. Erlebensfall. [4] Auch die Ermittlung von Sterbetafeln kann auf mehrere Arten erfolgen. Periodentafeln werden aufgrund der Sterblichkeit in einer festen Periode ermittelt,

9 6 STERBETAFELN 9 Generationssterbetafeln beruhen auf der Beobachtung eines Geburtsjahrganges, Bevölkerungssterbetafeln enthalten die rohen Sterbewahrscheinlichkeiten (diese gehen aus Volkszählungen hervor) für die gesamte Bevölkerung eines Staates, wobei die Versichertensterbetafeln nur die rohen Sterbewahrscheinlichkeiten für Versicherte aufweisen. [5] Grundsätzlich werden Sterbetafeln aus Daten konstruiert, die durch statistische Methoden, Ausgleichsrechnung und eventuell Extrapolation ermittelt wurden. Im Allgemeinen ist eine Sterbetafel eine Tabelle von einjährigen Sterbewahrscheinlichkeiten, durch die dann eine Verteilung von K definiert wird. Dadurch lässt sich auch in weiterer Folge eine Verteilung für T konstruieren. In einer Selektionssterbetafel werden die einjährigen Sterbewahrscheinlichkeiten abgestuft nach Eintrittsalter erfasst. Dies soll vor allem dem Phänomen gerecht werden, dass bei zwei gleichaltrigen im Allgemeinen derjenige die größere Sterblichkeit hat, bei dem der Versicherungsabschluss weiter zurückliegt. q [x]+t ist dann die Sterbewahrscheinlichkeit für einen (x+t)-jährigen, der ein anfängliches Alter x hatte. Dadurch gilt also: q [x] < q [x 1]+1 < q [x 2]+2 <... Dieser Selektionseffekt kann jedoch oft nach einer gewissen Dauer (hier nach r Jahren) vernachlässigt werden. Dann gilt: q [x r]+r = q [x r 1]+r+1 = q [x r 2]+r+2 =... r heißt hier Selektionsperiode und die Tabelle, die sich aus diesem Wert ergibt, wird mit Schlusstafel bezeichnet. [1]

10 7 UNTERJÄHRIGE STERBEWAHRSCHEINLICHKEIT 10 7 Unterjährige Sterbewahrscheinlichkeit Die Sterbewahrscheinlichkeit für den Bruchteil eines Jahres u q x (x ganzzahlig, 0 u 1) ist von großer Bedeutung für die Verteilung von T und um Annahmen über den Verlauf der Sterblichkeitsintensität µ x+u (x ganzzahlig, 0 u 1) machen zu können. Hier sollen drei Fälle betrachtet werden: 1. Linearität von u q x In diesem Fall gilt durch Interpolation in u = 0 und u = 1 uq x = uq x Laut Kapitel 5 ist dies der Fall, in dem K und S unabhängig sind und wo S gleichverteilt zwischen 0 und 1 ist. Damit gilt auch: up x = 1 uq x und µ x+u = q x 1 uq x. 2. µ x+u ist konstant Der konstante Wert von µ x+u über dem Einheitsintervall 0 u 1 wird mit µ x+ 1 bezeichnet. Daraus ergibt sich unter Berücksichtigung 2 der Sterblichkeitsintensität up x = exp( uµ x+ 1 ) = p u x, 2 bzw. unter Berücksichtigung der gestutzten Lebensdauer P r(s u K = k) = 1 pu x+k 1 p x+k. Die Zufallsvariablen K und S sind hier also im allgemeinen nicht unabhängig. 3. Lineartität von 1 u q x+u In diesem Fall ergibt sich durch Interpolation zwischen u = 0 und u = 1 Daraus folgt: und up x = 1 uq x+u = (1 u)q x. p x 1 up x+u = µ x+u = 1 q x 1 (1 u)q x q x 1 (1 u)q x. Auch hier sind K und S nicht unabhängig. [1]

11 LITERATUR 11 Literatur [1] H. U. Gerber. Lebensversicherungsmathematik. Springer, [2] F. Isenbart/H. Münzner. Lebensversicherungsmathematik für Praxis und Studium. Gabler, [3] N. L. Bowers, H. U. Gerber, J. C. Hickman, D. A. Jones, C. J. Nesbitt. Actuarial Mathematics. Society of actuaries, [4] K. Schmidt. Versicherungsmathematik. Springer, [5] K. Wolfsdorf. Versicherungsmathematik, Teil 1 Personenversicherung. Teubner Stuttgart, [6] R. Wunderlich. Vorlesungsskript, Lebensversicherungsmathematik, TU Chemnitz

Kapitalversicherungen

Kapitalversicherungen Kapitalversicherungen Birgit Scharwitzl 10. Dezember 2008 Inhaltsverzeichnis 1 Begriffe und wichtige Definitionen 2 1.1 Prämie................................................... 2 1.2 Gewinnbeteiligung............................................

Mehr

4.3 Bevölkerungsprozessstatistik: Raten und Tafeln

4.3 Bevölkerungsprozessstatistik: Raten und Tafeln Dynamik der Bevölkerungsstruktur ergibt sich aus Zugängen (Geburt, Zuwanderung) Abgängen (Tod, Abwanderung) Bewegungen zwischen Sektoren (ledig verheiratet, erwerbstätig nicht erwerbstätig, verschiedene

Mehr

Kapitalversicherungen

Kapitalversicherungen Kapitalversicherungen Sanela Omerovic Proseminar Versicherungsmathematik TU Graz 11. Dezember 2007 Inhaltsverzeichnis 1 Einführung 1 2 Einfache Versicherungsformen 3 2.1 Todesfallversicherungen (Life Insurance)....................

Mehr

Verteilungsmodelle. Verteilungsfunktion und Dichte von T

Verteilungsmodelle. Verteilungsfunktion und Dichte von T Verteilungsmodelle Verteilungsfunktion und Dichte von T Survivalfunktion von T Hazardrate von T Beziehungen zwischen F(t), S(t), f(t) und h(t) Vorüberlegung zu Lebensdauerverteilungen Die Exponentialverteilung

Mehr

VERSICHERUNGEN AUF MEHRERE LEBEN. Marta Ja lowiecka. 23 Januar 2009

VERSICHERUNGEN AUF MEHRERE LEBEN. Marta Ja lowiecka. 23 Januar 2009 VERSICHERUNGEN AUF MEHRERE LEBEN Marta Ja lowiecka 23 Januar 2009 1 1 Einführung Im Folgenden werden betrachtet- basierend auf Modellen und Formeln für einfache Versicherungen auf ein Leben- verschiedene

Mehr

Statistische Thermodynamik I Lösungen zur Serie 1

Statistische Thermodynamik I Lösungen zur Serie 1 Statistische Thermodynamik I Lösungen zur Serie Zufallsvariablen, Wahrscheinlichkeitsverteilungen 4. März 2. Zwei Lektoren lesen ein Buch. Lektor A findet 2 Druckfehler, Lektor B nur 5. Von den gefundenen

Mehr

Klassische Risikomodelle

Klassische Risikomodelle Klassische Risikomodelle Kathrin Sachernegg 15. Jänner 2008 1 Inhaltsverzeichnis 1 Einführung 3 1.1 Begriffserklärung.................................. 3 2 Individuelles Risikomodell 3 2.1 Geschlossenes

Mehr

Zinseszins- und Rentenrechnung

Zinseszins- und Rentenrechnung Zinseszins- und Rentenrechnung 1 Berechnen Sie den Zeitpunkt, an dem sich das Einlagekapital K bei a) jährlicher b) monatlicher c) stetiger Verzinsung verdoppelt hat, wobei i der jährliche nominelle Zinssatz

Mehr

3 Rechnungsgrundlagen in der Lebensversicherungsmathematik

3 Rechnungsgrundlagen in der Lebensversicherungsmathematik 3 Rechnungsgrundlagen in der Lebensversicherungsmathematik 3. Zins Ein- und Auszahlungen fallen zeitlich versetzt an, der VN (Versicherungsnehmer) zahlt die Prämie in der Regel vorschüssig ein, der VU

Mehr

Güte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über

Güte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion

Mehr

Übungsscheinklausur,

Übungsscheinklausur, Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 27 Prof. Dr. F. Liese Übungsscheinklausur, 3.7.27 Dipl.-Math. M. Helwich Name:...

Mehr

RUPRECHTS-KARLS-UNIVERSITÄT HEIDELBERG

RUPRECHTS-KARLS-UNIVERSITÄT HEIDELBERG Die Poisson-Verteilung Jianmin Lu RUPRECHTS-KARLS-UNIVERSITÄT HEIDELBERG Ausarbeitung zum Vortrag im Seminar Stochastik (Wintersemester 2008/09, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: In der Wahrscheinlichkeitstheorie

Mehr

- Eine typische Ausfallrate, wie sie bei vielen technischen Anwendungen zu sehen ist hat die Form einer Badewanne, deshalb nennt man diese Kurve auch

- Eine typische Ausfallrate, wie sie bei vielen technischen Anwendungen zu sehen ist hat die Form einer Badewanne, deshalb nennt man diese Kurve auch 1 2 - Eine typische Ausfallrate, wie sie bei vielen technischen Anwendungen zu sehen ist hat die Form einer Badewanne, deshalb nennt man diese Kurve auch Badewannenkurve. -mit der Badewannenkurve lässt

Mehr

13.5 Der zentrale Grenzwertsatz

13.5 Der zentrale Grenzwertsatz 13.5 Der zentrale Grenzwertsatz Satz 56 (Der Zentrale Grenzwertsatz Es seien X 1,...,X n (n N unabhängige, identisch verteilte zufällige Variablen mit µ := EX i ; σ 2 := VarX i. Wir definieren für alle

Mehr

Lebensversicherungsmathematik Prüfungsbeispiele Termine 22.10.2004-25.6.2007 nach Themen geordnet

Lebensversicherungsmathematik Prüfungsbeispiele Termine 22.10.2004-25.6.2007 nach Themen geordnet Lebensversicherungsmathematik Prüfungsbeispiele Termine 22.10.2004-25.6.2007 nach Themen geordnet R. Kainhofer, Inst. f. Wirtschaftsmathematik, FAM, TU Wien Inhaltsverzeichnis 1 Prüfungsbeispiele der schriftlichen

Mehr

Die Pareto Verteilung wird benutzt, um Einkommensverteilungen zu modellieren. Die Verteilungsfunktion ist

Die Pareto Verteilung wird benutzt, um Einkommensverteilungen zu modellieren. Die Verteilungsfunktion ist Frage Die Pareto Verteilung wird benutzt, um Einkommensverteilungen zu modellieren. Die Verteilungsfunktion ist k a F (x) =1 k>0,x k x Finden Sie den Erwartungswert und den Median der Dichte für a>1. (Bei

Mehr

Kapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung

Kapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung Kapitel 3 Zufallsvariable Josef Leydold c 2006 Mathematische Methoden III Zufallsvariable 1 / 43 Lernziele Diskrete und stetige Zufallsvariable Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion

Mehr

Finanz- und Versicherungsmathematik 1

Finanz- und Versicherungsmathematik 1 Finanz- und Versicherungsmathematik 1 Hansjörg Albrecher Institut für Mathematik B Technische Universität Graz Version: Februar 2006 2 Inhaltsverzeichnis 1 Elementare Lebensversicherungsmathematik 7 1.1

Mehr

Kapitel 2 Wahrscheinlichkeitsrechnung

Kapitel 2 Wahrscheinlichkeitsrechnung Definition 2.77: Normalverteilung & Standardnormalverteilung Es sei µ R und 0 < σ 2 R. Besitzt eine stetige Zufallsvariable X die Dichte f(x) = 1 2 πσ 2 e 1 2 ( x µ σ ) 2, x R, so heißt X normalverteilt

Mehr

MATHEMATIK UND VERSICHERUNGEN EINE ALLIANZ FÜRS LEBEN. Mitglied im DFG-Forschungszentrum Mathematik für Schlüsseltechnologien

MATHEMATIK UND VERSICHERUNGEN EINE ALLIANZ FÜRS LEBEN. Mitglied im DFG-Forschungszentrum Mathematik für Schlüsseltechnologien MATHEMATIK UND VERSICHERUNGEN EINE ALLIANZ FÜRS LEBEN Teilnehmer: Thomas Benkert Sebastian Flach Wolfgang Schmidt Philip Wanninger Sebastian Schubert Gruppenleiter: Peggy Daume Graf-Münster-Gymnasium Graf-Münster-Gymnasium

Mehr

Statistik I für Betriebswirte Vorlesung 11

Statistik I für Betriebswirte Vorlesung 11 Statistik I für Betriebswirte Vorlesung 11 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 22. Juni 2012 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung

Mehr

P( X µ c) Var(X) c 2. mit. In der Übung wurde eine alternative, äquivalente Formulierung verwendet: P( X µ < c) 1 Var(X)

P( X µ c) Var(X) c 2. mit. In der Übung wurde eine alternative, äquivalente Formulierung verwendet: P( X µ < c) 1 Var(X) Ich habe eine Frage zur Tschebyschew Ungleichung. In der Aufgabe 4 des Übungsblattes 3 benötigt man ja die Ungleichung. In diesem Falle war der Bereich (0, 20) symmetrisch um den Erwartungswert µ = 5.

Mehr

Skriptum zur Veranstaltung. Quantitative Methoden (Mathematik/Statistik) Teil Induktive Statistik. 1. Version (mehr Draft als Skriptum)

Skriptum zur Veranstaltung. Quantitative Methoden (Mathematik/Statistik) Teil Induktive Statistik. 1. Version (mehr Draft als Skriptum) Skriptum zur Veranstaltung Quantitative Methoden (Mathematik/Statistik) Teil Induktive Statistik 1. Version (mehr Draft als Skriptum) Anmerkungen, Aufzeigen von Tippfehlern und konstruktive Kritik erwünscht!!!

Mehr

Monte-Carlo Simulation

Monte-Carlo Simulation Monte-Carlo Simulation Sehr häufig hängen wichtige Ergebnisse von unbekannten Werten wesentlich ab, für die man allerhöchstens statistische Daten hat oder für die man ein Modell der Wahrscheinlichkeitsrechnung

Mehr

W-Rechnung und Statistik für Ingenieure Übung 11

W-Rechnung und Statistik für Ingenieure Übung 11 W-Rechnung und Statistik für Ingenieure Übung 11 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) Mathematikgebäude Raum 715 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) W-Rechnung und Statistik

Mehr

Deckungskapital. Proseminar Versicherungsmathematik. TU Graz. 11. Dezember 2007

Deckungskapital. Proseminar Versicherungsmathematik. TU Graz. 11. Dezember 2007 Deckungskapital Gülnur Adanç Proseminar Versicherungsmathematik TU Graz 11. Dezember 2007 1 Inhaltsverzeichnis 1 Deckungskapital 2 1.1 Prospektive und Retrospektive Methode.................... 3 1.1.1

Mehr

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen 4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.

Mehr

q = 1 p = 0.8 0.2 k 0.8 10 k k = 0, 1,..., 10 1 1 0.8 2 + 10 0.2 0.8 + 10 9 1 2 0.22 1 = 0.8 8 [0.64 + 1.6 + 1.8] = 0.678

q = 1 p = 0.8 0.2 k 0.8 10 k k = 0, 1,..., 10 1 1 0.8 2 + 10 0.2 0.8 + 10 9 1 2 0.22 1 = 0.8 8 [0.64 + 1.6 + 1.8] = 0.678 Lösungsvorschläge zu Blatt 8 X binomialverteilt mit p = 0. und n = 10: a PX = = 10 q = 1 p = 0.8 0. 0.8 10 = 0, 1,..., 10 PX = PX = 0 + PX = 1 + PX = 10 10 = 0. 0 0.8 10 + 0. 1 0.8 9 + 0 1 10 = 0.8 8 [

Mehr

R ist freie Software und kann von der Website. www.r-project.org

R ist freie Software und kann von der Website. www.r-project.org R R ist freie Software und kann von der Website heruntergeladen werden. www.r-project.org Nach dem Herunterladen und der Installation von R kann man R durch Doppelklicken auf das R-Symbol starten. R wird

Mehr

B 2. " Zeigen Sie, dass die Wahrscheinlichkeit, dass eine Leiterplatte akzeptiert wird, 0,93 beträgt. (genauerer Wert: 0,933).!:!!

B 2.  Zeigen Sie, dass die Wahrscheinlichkeit, dass eine Leiterplatte akzeptiert wird, 0,93 beträgt. (genauerer Wert: 0,933).!:!! Das folgende System besteht aus 4 Schraubenfedern. Die Federn A ; B funktionieren unabhängig von einander. Die Ausfallzeit T (in Monaten) der Federn sei eine weibullverteilte Zufallsvariable mit den folgenden

Mehr

4. Versicherungsangebot

4. Versicherungsangebot 4. Versicherungsangebot Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie (FS 11) Versicherungsangebot 1 / 13 1. Einleitung 1.1 Hintergrund In einem grossen Teil

Mehr

Kapitel VI - Lage- und Streuungsparameter

Kapitel VI - Lage- und Streuungsparameter Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel VI - Lage- und Streuungsparameter Markus Höchstötter Lehrstuhl für Statistik, Ökonometrie

Mehr

Ausarbeitung des Seminarvortrags zum Thema

Ausarbeitung des Seminarvortrags zum Thema Ausarbeitung des Seminarvortrags zum Thema Anlagepreisbewegung zum Seminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn von Imke Meyer im W9/10 Anlagepreisbewegung

Mehr

Übungsrunde 7, Gruppe 2 LVA 107.369, Übungsrunde 7, Gruppe 2, 28.11. Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 11/2006

Übungsrunde 7, Gruppe 2 LVA 107.369, Übungsrunde 7, Gruppe 2, 28.11. Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 11/2006 1 3.34 1.1 Angabe Übungsrunde 7, Gruppe 2 LVA 107.369, Übungsrunde 7, Gruppe 2, 28.11. Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 11/2006 U sei auf dem Intervall (0, 1) uniform verteilt. Zeigen

Mehr

$ % + 0 sonst. " p für X =1 $

$ % + 0 sonst.  p für X =1 $ 31 617 Spezielle Verteilungen 6171 Bernoulli Verteilung Wir beschreiben zunächst drei diskrete Verteilungen und beginnen mit einem Zufallsexperiment, indem wir uns für das Eintreffen eines bestimmten Ereignisses

Mehr

Beitragsfreiheit bei der Kalkulation von Pflegetagegeldtarifen in der KV

Beitragsfreiheit bei der Kalkulation von Pflegetagegeldtarifen in der KV Beitragsfreiheit bei der Kalkulation von Pflegetagegeldtarifen in der KV 1 Beitragsfreiheit bei der Kalkulation von Pflegetagegeldtarifen in der KV Gliederung: 1. Grundlagen der Beitragskalkulation in

Mehr

Versicherungsmathematische Funktion: Vorschläge zur pragmatischen Umsetzung

Versicherungsmathematische Funktion: Vorschläge zur pragmatischen Umsetzung Versicherungsmathematische Funktion: Vorschläge zur pragmatischen Umsetzung 9. Oldenburger Versicherungstag 13. Oktober 2015 Dietmar Pfeifer Schwerpunkt Versicherungs- und Finanzmathematik Agenda 1. Aufgaben

Mehr

Abhängigkeiten zwischen Großschäden

Abhängigkeiten zwischen Großschäden Abhängigkeiten zwischen Großschäden Holger Drees, Universität Hamburg I. Typen von Abhängigkeiten II. Modelle für abhängige Großschäden III. Fallstudie: Dänische Feuerversicherung I. Typen von Abhängigkeiten

Mehr

Stetige Verteilungen. A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch

Stetige Verteilungen. A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch 6 Stetige Verteilungen 1 Kapitel 6: Stetige Verteilungen A: Beispiele Beispiel 1: a) In den folgenden Abbildungen sind die Dichtefunktionen von drei bekannten Verteilungen graphisch dargestellt. 0.2 6

Mehr

1.3 Die Beurteilung von Testleistungen

1.3 Die Beurteilung von Testleistungen 1.3 Die Beurteilung von Testleistungen Um das Testergebnis einer Vp zu interpretieren und daraus diagnostische Urteile ableiten zu können, benötigen wir einen Vergleichsmaßstab. Im Falle des klassischen

Mehr

Versicherun gsmathematik

Versicherun gsmathematik Versicherun gsmathematik Karl-H. Wolff 1970 Springer -Verlag Wien New York Inhaltsverzeichnis Bezeichnungen XII Abschnitt I Finanzmathematik Kapitel 1: Die Verzinsung 1 1. Einfache Verzinsung 1 2. Zusammengesetzte

Mehr

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung Kapitel 3 Dynamische Systeme Definition 31: Ein Differentialgleichungssystem 1 Ordnung = f(t, y) ; y R N ; f : R R N R N heißt namisches System auf dem Phasenraum R N Der Parameter t wird die Zeit genannt

Mehr

Sterbetafeln. April 2008. Statistisches Bundesamt. Qualitätsbericht

Sterbetafeln. April 2008. Statistisches Bundesamt. Qualitätsbericht Statistisches Bundesamt Qualitätsbericht Sterbetafeln April 2008 Fachliche Informationen zu dieser Veröffentlichung können Sie direkt beim Statistischen Bundesamt erfragen: Gruppe VI A, Telefon: +49 (0)

Mehr

Ein Einfaches AIDS Modell

Ein Einfaches AIDS Modell Ein Einfaches AIDS Modell Martin Bauer: 990395 Guntram Rümmele: 99008 Das SIR - Modell Die Modellierung von epidemischen Modellen hat schon lange Tradition. Man hat schon immer versucht Erklärungen für

Mehr

Statistik im Versicherungs- und Finanzwesen

Statistik im Versicherungs- und Finanzwesen Springer Gabler PLUS Zusatzinformationen zu Medien von Springer Gabler Grimmer Statistik im Versicherungs- und Finanzwesen Eine anwendungsorientierte Einführung 2014 1. Auflage Übungsaufgaben zu Kapitel

Mehr

Übung zu Empirische Ökonomie für Fortgeschrittene SS 2009

Übung zu Empirische Ökonomie für Fortgeschrittene SS 2009 Übung zu Empirische Ökonomie für Fortgeschrittene Steen Elstner, Klaus Wohlrabe, Steen Henzel SS 9 1 Wichtige Verteilungen Die Normalverteilung Eine stetige Zufallsvariable mit der Wahrscheinlichkeitsdichte

Mehr

Differenzengleichungen in der Ökonomie

Differenzengleichungen in der Ökonomie Differenzengleichungen in der Ökonomie J. Hofmann 12.July 2006 1 Inhaltsverzeichnis 1 Einleitung 3 2 Mathematische Grundlagen 4 2.1 Definitionen............................ 4 2.1.1 Differenzengleichungen..................

Mehr

Statistik im Versicherungs- und Finanzwesen

Statistik im Versicherungs- und Finanzwesen Springer Gabler PLUS Zusatzinformationen zu Medien von Springer Gabler Grimmer Statistik im Versicherungs- und Finanzwesen Eine anwendungsorientierte Einführung 2014 1. Auflage Übungsaufgaben zu Kapitel

Mehr

Kommutationszahlen und Versicherungsbarwerte für Leibrenten 2001/2003

Kommutationszahlen und Versicherungsbarwerte für Leibrenten 2001/2003 Kommutationszahlen und Versicherungsbarwerte für Leibrenten 2001/2003 Tabellen zur jährlich und monatlich vorschüssigen Zahlungsweise Statistisches Bundesamt Impressum Herausgeber: Statistisches Bundesamt

Mehr

8 Die Exponentialverteilung

8 Die Exponentialverteilung 8 Die Exponentialverteilung 8.1 Einführung Modelle Zuverlässigkeitsmodelle Lebensdauermodelle Bedienungsmodelle. 277 W.Kössler, Humboldt-Universität zu Berlin Def. 26 (Exponentialverteilung) Sei X eine

Mehr

Charakteristikenmethode im Beispiel

Charakteristikenmethode im Beispiel Charakteristikenmethode im Wir betrachten die PDE in drei Variablen xu x + yu y + (x + y )u z = 0. Das charakteristische System lautet dann ẋ = x ẏ = y ż = x + y und besitzt die allgemeine Lösung x(t)

Mehr

Klausur Nr. 1. Wahrscheinlichkeitsrechnung. Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt.

Klausur Nr. 1. Wahrscheinlichkeitsrechnung. Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt. Klausur Nr. 1 2014-02-06 Wahrscheinlichkeitsrechnung Pflichtteil Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt. Name: 0. Für Pflicht- und Wahlteil gilt: saubere und übersichtliche Darstellung,

Mehr

Wahrscheinlichkeitstheorie. Zapper und

Wahrscheinlichkeitstheorie. Zapper und Diskrete Wahrscheinlichkeitsräume Slide 1 Wahrscheinlichkeitstheorie die Wissenschaft der Zapper und Zocker Diskrete Wahrscheinlichkeitsräume Slide 2 Münzwürfe, Zufallsbits Elementarereignisse mit Wahrscheinlichkeiten

Mehr

Anwendungen in der elementaren Zinsrechnung. Kapitalwert zum Zeitpunkt j (nach j Zinsperioden) Bsp. 1. 0 1 2 3 4 Zeitpunkte

Anwendungen in der elementaren Zinsrechnung. Kapitalwert zum Zeitpunkt j (nach j Zinsperioden) Bsp. 1. 0 1 2 3 4 Zeitpunkte Anwendungen in der elementaren Zinsrechnung Zinssatz (Rendite) je Zinsperiode i = p% p= Prozentpunkte Zinsfaktor (Aufzinsungsfaktor) q =1+i Diskontfaktor (Abzinsungsfaktor) v =1/(1 + i) =q 1 Laufzeit n

Mehr

Einfluß von Wind bei Maximalfolgenmessungen

Einfluß von Wind bei Maximalfolgenmessungen 1 von 5 05.02.2010 11:10 Der Einfluß von Wind bei Maximalfolgenmessungen M. KOB, M. VORLÄNDER Physikalisch-Technische Bundesanstalt, Braunschweig 1 Einleitung Die Maximalfolgenmeßtechnik ist eine spezielle

Mehr

, dt. $+ f(x) = , - + < x < +, " > 0. " 2# Für die zugehörige Verteilungsfunktion F(x) ergibt sich dann: F(x) =

, dt. $+ f(x) = , - + < x < +,  > 0.  2# Für die zugehörige Verteilungsfunktion F(x) ergibt sich dann: F(x) = 38 6..7.4 Normalverteilung Die Gauß-Verteilung oder Normal-Verteilung ist eine stetige Verteilung, d.h. ihre Zufallsvariablen können beliebige reelle Zahlenwerte annehmen. Wir definieren sie durch die

Mehr

Stochastische Eingangsprüfung, 17.05.2008

Stochastische Eingangsprüfung, 17.05.2008 Stochastische Eingangsprüfung, 17.5.8 Wir gehen stets von einem Wahrscheinlichkeitsraum (Ω, A, P) aus. Aufgabe 1 ( Punkte) Sei X : Ω [, ) eine integrierbare Zufallsvariable mit XdP = 1. Sei Q : A R, Q(A)

Mehr

Springer-Lehrbuch Masterclass

Springer-Lehrbuch Masterclass Springer-Lehrbuch Masterclass Riccardo Gatto Stochastische Modelle der aktuariellen Risikotheorie Eine mathematische Einführung Riccardo Gatto Universität Bern Institut für Mathematische Statistik und

Mehr

Mitteilungen der Aktuarvereinigung Österreichs, Heft 13 S. 1

Mitteilungen der Aktuarvereinigung Österreichs, Heft 13 S. 1 Rechnungsgrundlagen für die Pensionsversicherung mit variablem Pensionsantrittsalter Franz G. Liebmann In der Arbeit wird eine Ausscheideordnung mit Alterspensionierungswahrscheinlichkeiten vorgestellt.

Mehr

ARCH- und GARCH-Modelle

ARCH- und GARCH-Modelle ARCH- und GARCH-Modelle Thomas Simon Analyse und Modellierung komplexer Systeme 04.11.2009 homas Simon (Analyse und Modellierung komplexerarch- Systeme) und GARCH-Modelle 04.11.2009 1 / 27 Ausgangssituation

Mehr

Motivation. Benötigtes Schulwissen. Übungsaufgaben. Wirtschaftswissenschaftliches Zentrum 10 Universität Basel. Statistik

Motivation. Benötigtes Schulwissen. Übungsaufgaben. Wirtschaftswissenschaftliches Zentrum 10 Universität Basel. Statistik Wirtschaftswissenschaftliches Zentrum 0 Universität Basel Statistik Dr. Thomas Zehrt Ausblick Motivation Wir werfen einen Würfel 000-mal und wir möchten die Wahrscheinlichkeit P bestimmen, dass zwischen

Mehr

Krankenversicherungsmathematik

Krankenversicherungsmathematik Krankenversicherungsmathematik Florian Peycha 8. Januar 2008 Inhaltsverzeichnis 1 Kopfschaden 1 1.1 Die Methode von Rusam..................... 2 1.2 Altersgruppenbildung....................... 3 1.3 Die

Mehr

k np g(n, p) = Pr p [T K] = Pr p [T k] Φ. np(1 p) DWT 4.1 Einführung 359/467 Ernst W. Mayr

k np g(n, p) = Pr p [T K] = Pr p [T k] Φ. np(1 p) DWT 4.1 Einführung 359/467 Ernst W. Mayr Die so genannte Gütefunktion g gibt allgemein die Wahrscheinlichkeit an, mit der ein Test die Nullhypothese verwirft. Für unser hier entworfenes Testverfahren gilt ( ) k np g(n, p) = Pr p [T K] = Pr p

Mehr

Vorschlag der Deutschen Aktuarvereinigung (DAV) zur Einführung neuer Sterbetafeln für private Lebensversicherungen mit Todesfallcharakter

Vorschlag der Deutschen Aktuarvereinigung (DAV) zur Einführung neuer Sterbetafeln für private Lebensversicherungen mit Todesfallcharakter H I N T E R G R U N D Köln, 23. Juni 2008 Vorschlag der Deutschen Aktuarvereinigung (DAV) zur Einführung neuer Sterbetafeln für private Lebensversicherungen mit Todesfallcharakter 1. Motivation für die

Mehr

Teil I Beschreibende Statistik 29

Teil I Beschreibende Statistik 29 Vorwort zur 2. Auflage 15 Vorwort 15 Kapitel 0 Einführung 19 0.1 Methoden und Aufgaben der Statistik............................. 20 0.2 Ablauf statistischer Untersuchungen..............................

Mehr

LÖSUNG ZUR VORLESUNG MAKROÖKONOMIK I (SoSe 14) Aufgabenblatt 3

LÖSUNG ZUR VORLESUNG MAKROÖKONOMIK I (SoSe 14) Aufgabenblatt 3 Fakultät Wirtschafts- und Sozialwissenschaften Jun.-Prof. Dr. Philipp Engler, Michael Paetz LÖSUNG ZUR VORLESUNG MAKROÖKONOMIK I (SoSe 14) Aufgabenblatt 3 Aufgabe 1: Geldnachfrage I Die gesamtwirtschaftliche

Mehr

Melanie Kaspar, Prof. Dr. B. Grabowski 1

Melanie Kaspar, Prof. Dr. B. Grabowski 1 7. Hypothesentests Ausgangssituation: Man muss sich zwischen 2 Möglichkeiten (=Hypothesen) entscheiden. Diese Entscheidung soll mit Hilfe von Beobachtungen ( Stichprobe ) getroffen werden. Die Hypothesen

Mehr

Vergleich von KreditRisk+ und KreditMetrics II Seminar Portfoliokreditrisiko

Vergleich von KreditRisk+ und KreditMetrics II Seminar Portfoliokreditrisiko Vergleich von KreditRisk+ und KreditMetrics II Seminar Portfoliokreditrisiko Jan Jescow Stoehr Gliederung 1. Einführung / Grundlagen 1.1 Ziel 1.2 CreditRisk+ und CreditMetrics 2. Kreditportfolio 2.1 Konstruktion

Mehr

geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen

geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde

Mehr

Mathematik für Wirtschaftswissenschaftler. gehalten von Claus Diem

Mathematik für Wirtschaftswissenschaftler. gehalten von Claus Diem Mathematik für Wirtschaftswissenschaftler gehalten von Claus Diem Übungen Die Seminare / Übungsgruppen / Tutorien finden wöchentlich statt. Alle zwei Wochen am Montag wird ein Übungsblatt ausgegeben. Dies

Mehr

Die Optimalität von Randomisationstests

Die Optimalität von Randomisationstests Die Optimalität von Randomisationstests Diplomarbeit Elena Regourd Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf Düsseldorf im Dezember 2001 Betreuung: Prof. Dr. A. Janssen Inhaltsverzeichnis

Mehr

Präsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik

Präsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik Präsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik Dozent: Volker Krätschmer Fakultät für Mathematik, Universität Duisburg-Essen, WS 2012/13 1. Präsenzübung Aufgabe T 1 Sei (Z 1,...,

Mehr

Prüfung Grundprinzipien der Versicherungs- und Finanzmathematik 2015

Prüfung Grundprinzipien der Versicherungs- und Finanzmathematik 2015 Prüfung Grundprinzipien der Versicherungs- und Finanzmathematik 2015 Aufgabe 1: (20 min) a) Gegeben sei ein einperiodiger State Space-Markt mit zwei Zuständen, der aus zwei Wertpapieren bestehe, einer

Mehr

Bericht zur Prüfung im Oktober 2003 über Mathematik der Lebensversicherung (Grundwissen)

Bericht zur Prüfung im Oktober 2003 über Mathematik der Lebensversicherung (Grundwissen) Bericht zur Prüfung im Oktober 2003 über Mathematik der Lebensversicherung Grundwissen) Jürgen Strobel Köln) und Hans-Jochen Bartels Mannheim) Am 04.10.2003 wurde in Köln die zehnte Prüfung über Mathematik

Mehr

Bei vielen Zufallsexperimenten interessiert man sich lediglich für das Eintreten bzw. das Nichteintreten eines bestimmten Ereignisses.

Bei vielen Zufallsexperimenten interessiert man sich lediglich für das Eintreten bzw. das Nichteintreten eines bestimmten Ereignisses. XI. Binomialverteilung ================================================================== 11.1 Definitionen -----------------------------------------------------------------------------------------------------------------

Mehr

0 für t < für 1 t < für 2 t < für 3 t < für 4 t < 5 1 für t 5

0 für t < für 1 t < für 2 t < für 3 t < für 4 t < 5 1 für t 5 4 Verteilungen und ihre Kennzahlen 1 Kapitel 4: Verteilungen und ihre Kennzahlen A: Beispiele Beispiel 1: Eine diskrete Zufallsvariable X, die nur die Werte 1,, 3, 4, 5 mit positiver Wahrscheinlichkeit

Mehr

Schätzung des Lifetime Values von Spendern mit Hilfe der Überlebensanalyse

Schätzung des Lifetime Values von Spendern mit Hilfe der Überlebensanalyse Schätzung Lifetime Values von Spenn mit Hilfe Überlebensanalyse Einführung in das Verfahren am Beispiel Einzugsgenehmigung Überlebensanalysen o Ereignisdatenanalysen behandeln das Problem, mit welcher

Mehr

vorschüssige, lebenslängliche Leibrente (whole life annuity-due) Vorschüssige jährliche Zahlungen von 1, solange die versicherte Person am Leben ist.

vorschüssige, lebenslängliche Leibrente (whole life annuity-due) Vorschüssige jährliche Zahlungen von 1, solange die versicherte Person am Leben ist. 4. Leibrenten vorschüssige, lebenslängliche Leibrente (whole life annuity-due) Vorschüssige jährliche Zahlungen von 1, solange die versicherte Person am Leben ist. NEP ä x : Y = 1 + v + v 2 + + v K = ä

Mehr

e-funktionen Aufgaben

e-funktionen Aufgaben e-funktionen Aufgaben Die Fichte ist in Nordeuropa und den Gebirgen Mitteleuropas beheimatet. Durch Aufforsten wurde sie jedoch auch im übrigen Europa weit verbreitet. Fichten können je nach Standort Höhen

Mehr

Die Pflegeausgabenentwicklung bis ins Jahr 2044. Eine Prognose aus Daten der privaten Pflege-Pflichtversicherung

Die Pflegeausgabenentwicklung bis ins Jahr 2044. Eine Prognose aus Daten der privaten Pflege-Pflichtversicherung Die Pflegeausgabenentwicklung bis ins Jahr 2044 Eine Prognose aus Daten der privaten Pflege-Pflichtversicherung Dr. Frank Niehaus WIP-Diskussionspapier 7/06 WIP-Diskussionspapier 7/06 Bayenthalgürtel 40

Mehr

Sterbetafel DAV 2004 R für Rentenversicherungen

Sterbetafel DAV 2004 R für Rentenversicherungen Sterbetafel DAV 2004 R für Rentenversicherungen qx-club Berlin 16.08.2004 Dr. Holger Bartel Sterbetafel DAV 2004 R für Rentenversicherungen Motivation DAV 2004 R-Komponenten: Basistafel 2.Ordnung Basistafel

Mehr

Zinsratentheorie in der Versicherung

Zinsratentheorie in der Versicherung Zinsratentheorie in der Versicherung Julia Eisenberg 04.05.2010 Gliederung 1 Bewertung durch Diversifikation Gesetz der großen Zahl Zinssatz, Aufzinsungs- und Diskontierungsfaktoren Verluste und Äquivalenzprinzip

Mehr

Ein möglicher Unterrichtsgang

Ein möglicher Unterrichtsgang Ein möglicher Unterrichtsgang. Wiederholung: Bernoulli Experiment und Binomialverteilung Da der sichere Umgang mit der Binomialverteilung, auch der Umgang mit dem GTR und den Diagrammen, eine notwendige

Mehr

In konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert.

In konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert. Konstante Modelle: In konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert. Der prognostizierte Wert für die Periode T+i entspricht

Mehr

2 Rechnungsgrundlagen

2 Rechnungsgrundlagen Rechnungsgrundlagen 11 2 Rechnungsgrundlagen Ziel: Ermittlung / Festlegung von Berechnungsgrundlagen für zufällige Zahlungsströme einer Lebensversicherung. Prinzip: Rechnungsgrundlagen müssen so vorsichtig

Mehr

Der Trainer einer Fußballmannschaft stellt die Spieler seiner Mannschaft auf. Insgesamt besteht der Kader seiner Mannschaft aus 23 Spielern.

Der Trainer einer Fußballmannschaft stellt die Spieler seiner Mannschaft auf. Insgesamt besteht der Kader seiner Mannschaft aus 23 Spielern. Aufgabe 1 (2 + 1 + 2 + 2 Punkte) Der Trainer einer Fußballmannschaft stellt die Spieler seiner Mannschaft auf. Insgesamt besteht der Kader seiner Mannschaft aus 23 Spielern. a) Wieviele Möglichkeiten hat

Mehr

Klausur (Modulprüfung) zum Lehrerweiterbildungskurs Stochastik am von 10:00 bis 11:00 Uhr

Klausur (Modulprüfung) zum Lehrerweiterbildungskurs Stochastik am von 10:00 bis 11:00 Uhr Klausur (Modulprüfung) zum Lehrerweiterbildungskurs Stochastik am 5..201 von 10:00 bis 11:00 Uhr Bearbeiten Sie zwei der drei folgenden Aufgaben! Sätze aus der Vorlesung und den Übungen dürfen Sie ohne

Mehr

Extremwertverteilungen

Extremwertverteilungen Seminar Statistik Institut für Stochastik 12. Februar 2009 Gliederung 1 Grenzwertwahrscheinlichkeiten 2 3 MDA Fréchet MDA Weibull MDA Gumbel 4 5 6 Darstellung von multivariaten, max-stabilen Verteilungsfunktionen

Mehr

Arbeitsblätter zum Fach. Sicherheitstechnik. Abschnitt: Zuverlässigkeit technischer Systeme

Arbeitsblätter zum Fach. Sicherheitstechnik. Abschnitt: Zuverlässigkeit technischer Systeme TU DRESDEN Institut für Verfahrenstechnik & Umwelttechnik Professur für Verfahrensautomatisierung Prof. Dr.-Ing. habil. Klöden Arbeitsblätter zum Fach Sicherheitstechnik Abschnitt: Zuverlässigkeit technischer

Mehr

3.3. Aufgaben zur Binomialverteilung

3.3. Aufgaben zur Binomialverteilung .. Aufgaben zur Binomialverteilung Aufgabe 1: Ziehen mit Zurücklegen und Binomialverteilung Ein sechsseitiger Würfel wird zehnmal geworfen. a) Wie groß ist die Wahrscheinlichkeit, nur beim ersten Mal die

Mehr

Grundlagen der Monte Carlo Simulation

Grundlagen der Monte Carlo Simulation Grundlagen der Monte Carlo Simulation 10. Dezember 2003 Peter Hofmann Inhaltsverzeichnis 1 Monte Carlo Simulation.................... 2 1.1 Problemstellung.................... 2 1.2 Lösung durch Monte

Mehr

Kreditrisiko bei Swiss Life. Carl-Heinz Meyer, 13.06.2008

Kreditrisiko bei Swiss Life. Carl-Heinz Meyer, 13.06.2008 Kreditrisiko bei Swiss Life Carl-Heinz Meyer, 13.06.2008 Agenda 1. Was versteht man unter Kreditrisiko? 2. Ein Beisiel zur Einführung. 3. Einige kleine Modelle. 4. Das grosse kollektive Modell. 5. Risikoberechnung

Mehr

Coupon Collector's-Problem (Sammelbilderproblem) Name: Walter Wolf Matrikelnr.: 533440 Dozent: Dr. W. Kössler

Coupon Collector's-Problem (Sammelbilderproblem) Name: Walter Wolf Matrikelnr.: 533440 Dozent: Dr. W. Kössler Coupon Collector's-Problem (Sammelbilderproblem) Name: Walter Wolf Matrikelnr.: 533440 Dozent: Dr. W. Kössler Problemstellung Als Sammelbilderproblem bezeichnet man die Frage, wie viele Produkte bzw. Bilder

Mehr

Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall

Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall Wahrscheinlichkeitstheorie Was will die Sozialwissenschaft damit? Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall Auch im Alltagsleben arbeiten wir mit Wahrscheinlichkeiten, besteigen

Mehr

Black Jack - Kartenzählen

Black Jack - Kartenzählen Black Jack - Kartenzählen Michael Gabler 24.01.2012 Literatur: N. Richard Werthamer: Risk and Reward - The Science of Casino Blackjack, Springer Black Jack - Kartenzählen 1 Wie zähle ich Karten? Historisches

Mehr

Kapitalversicherungen

Kapitalversicherungen 10. Dezember 2008 Inhalt des Vortrags Wichtige Begriffe Warum Lebensversicherungen? Wichtigste Versicherungsformen Inhalt des Vortrags Wichtige Begriffe Warum Lebensversicherungen? Wichtigste Versicherungsformen

Mehr

Eine zweidimensionale Stichprobe

Eine zweidimensionale Stichprobe Eine zweidimensionale Stichprobe liegt vor, wenn zwei qualitative Merkmale gleichzeitig betrachtet werden. Eine Urliste besteht dann aus Wertepaaren (x i, y i ) R 2 und hat die Form (x 1, y 1 ), (x 2,

Mehr

Mathematik des Hybriden Monte-Carlo. Marcus Weber. Zuse Institute Berlin

Mathematik des Hybriden Monte-Carlo. Marcus Weber. Zuse Institute Berlin Mathematik des Hybriden Monte-Carlo Marcus Weber Zuse Institute Berlin Statistische Thermodynamik Ziel: Am Computer ein Ensemble samplen. Messung im Gleichgewicht (zeitunabhängige Verteilung π der Systemzustände

Mehr

Approximationsverfahren zur Überführung nichtäquidistanter Messwertfolgen in äquidistante Zeitreihen.

Approximationsverfahren zur Überführung nichtäquidistanter Messwertfolgen in äquidistante Zeitreihen. Fakultät Informatik, Institut für Angewandte Informatik, Professur für Technische Informationssysteme Approximationsverfahren zur Überführung nichtäquidistanter Messwertfolgen in äquidistante Zeitreihen.

Mehr

Technische Universität München. Zentrum Mathematik. Optionen. Lebensversicherungsverträgen

Technische Universität München. Zentrum Mathematik. Optionen. Lebensversicherungsverträgen Technische Universität München Zentrum Mathematik Optionen in Lebensversicherungsverträgen Diplomarbeit von Johannes Haas Themenstellerin: Prof. Dr. Claudia Klüppelberg Betreuer: Stephan Reulein Abgabetermin:

Mehr