Summe aller Beitrage Summe aller Schaden

Größe: px
Ab Seite anzeigen:

Download "Summe aller Beitrage Summe aller Schaden"

Transkript

1 Grundlagen. Schema einer Versicherung Das Wort Versicherung kann mehrere Bedeutungen haben, wir meinen in diesem Abschnitt Versicherung gegen ein Risiko. Risiken sind zum Beispiel Feuer, Unfall, Beschädigung oder Verlust von Gegenständen, Tod einer Person in einem festgelegten Zeitraum (Lebensversicherung), Krankheit etc.. Zu einer Versicherung gehört ein Kollektiv, dessen Mitglieder bei einem Versicherungsunternehmen (Abkürzung VU) gegen dasselbe Risiko zu gleichen Vetragsbedingungen versichert sind. Die Mitglieder des Kollektivs (es können Personen oder Firmen sein) nennen wir im folgenden einfach Kunden oder Versicherte. Tritt das Risiko bei einem Kunden ein, so spricht man von einem Schaden. Das VU verp ichtet sich, innerhalb eines vertraglich festgelegten Zeitraums den Kunden ihre Schäden in einer ebenfalls vertraglich festgelegten Weise nanziell zu ersetzen. Für das VU bedeutet Schaden also einen Geldbetrag, den es im Schadensfall herausrücken muß. Die Kunden müssen hierfür natürlich zahlen, wie und wieviel hängt wieder von der Vertragsgestaltung ab. Der Betrag, den ein Kunde zu einem Zeitpunkt zahlt, heißt sein Beitrag (zu diesem Zeitpunkt), früher hießes auch Prämie. Das VU strebt natürlich den Gewinnfall Summe aller Beitrage Summe aller Schaden an. Hierfür läßt sich auf mancherlei Weise sorgen, etwa indem man keine schlechten Risiken unter Vertrag nimmt oder die Beiträge genügend hoch festsetzt. Bei letzterem emp ehlt sich ein Blick auf die Beiträge konkurrierender Versicherungsunternehmen. Die wichtige Frage, was denn mit dem entstehenden Überschußgeschieht, wenn obige Ungleichung echt ist, wird je nach Versicherungstyp (Risiko) anders beantwortet und wird uns im Fall der Lebensversicherung besonders beschäftigen..2 Schadensverläufe.2. Vorbetrachtung Wir bezeichnen mit L das Kollektiv als Menge und mit jlj die Anzahl seiner Mitglieder. Es ist nicht unrealistisch, daßnur endlich viele Schadenszeitpunkte vorkommen können, etwa vom Vertragsabschlußan bis zum Tag nach Vertragsabschlußin Tagesabständen.

2 Allgemein seien die möglichen Schadenszeitpunkte t 0 = 0 < t < ::::: < t N. Daßwir den Zeitpunkt t 0 = 0 des Vertragsabschlusses ebenfalls als Schadenszeitpunkt ansetzen, erklärt sich daraus, daßdas VU seine bei Vertragsabschluß entstehenden Kosten, wie auch alle späteren Kosten, als Schäden ansehen kann. Es hängt von der Vertragsgestaltung ab, welche der möglichen Kombinationen aus Schadenshöhen und Schadenszeitpunkten tatsächlich vorkommen: Wenn es Kunden gibt, deren nullter Schaden gleich 0, deren erster gleich,..., deren letzter gleich N ist, so bezeichnen wir eine Zeile der Form ( 0 ; ; ::::; N ) als Schadensverlauf..2.2 Einfache Beispiele für Schadensverläufe a) Versicherung gegen Steckenbleiben der Vorlesungsteilnehmer im Fahrstuhl. Das Kollektiv sind die Vorlesungsteilnehmer, Versicherungsdauer eine Woche. Bei Steckenbleiben am ersten Vorlesungstag gibts s DM, am zweiten gibts s 2 DM. Der Organisator (der die Beiträge eintreibt, über die wir jetzt noch nicht reden), verlangt zu Anfang pro Kunde s 3 DM. In der folgenden Tabelle sind alle möglichen Schadensverläufe dargestellt: t 0 t t 2 sv 0 s sv s 3 s 0 sv 2 s 3 0 s 2 sv 3 s 3 s s 2 b) Risikolebensversicherung über drei Jahre mit Versicherungssumme s. Stirbt ein Versicherter innerhalb von drei Jahren nach Abschluß, so wird am Jahrestag des Abschlusses die Versicherungssumme s DM ausgezahlt. Für den Versicherungsabschlußwerden pro Kunde DM verlangt. Die möglichen Schadensverläufe sind: t 0 t t 2 t 3 sv 0 s 0 0 sv 0 s 0 sv s sv c) Gemischte Kapitallebensversicherung über drei Jahre mit Versicherungssumme s. Stirbt ein Versicherter innerhalb von drei Jahren nach Abschluß, so wird am Jahrestag des Abschlusses die Versicherungssumme s DM ausgezahlt. Erlebt ein Versicherter den Ablaufszeitpunkt, so werden ebenfalls s DM ausgezahlt. Für den Versicherungsabschlußwerden pro Kunde DM verlangt. 2

3 Die möglichen Schadensverläufe sind: t 0 t t 2 t 3 sv 0 s 0 0 sv 0 s 0 sv s sv s Hier fällt auf, daßdie Zeilen der Schadensverläufe sv 2 und sv 3 identisch sind. sv 2 soll Schadensverlauf der Kunden sein, die im 3. Jahr sterben, während sv 3 den Schadensverlauf der überlebenden Kunden darstellt. Rein von den Geldbeträgen sind sie nicht zu unterscheiden, wohl aber formal durch die Zeilennummer und in der Praxis auch von den Wahrscheinlichkeiten des Eintretens, s.unten. Es ist klar, daßdie Tabellen, also die Angabe aller Schadensverläufe, die vollständige Information über die Leistungen des Versicherungsvertrags enthalten. Statt einer langatmigen Beschreibung gibt man also besser die Tabelle selbst an! Beim nächsten Beispiel beschreibe man die Leistungen anhand der Tabelle! d) Reisegepäckversicherung über zwei Monate. 0 < r seien die Reisekosten, 0 < s < s 2 Erstattungssummen für weniger oder mehr abhanden gekommenes Gepäck. t 0 t t 2 sv 0 y 0 s 2 + r 0 sv y 0 s s 2 s + r sv 2 y 0 0 s sv 3 y 0 0 s r sv 3 y Aufgabe : Warum steht in der ersten Spalte der Tabellen immer der gleiche Eintrag? Aufgabe 2: Welche der beiden Versicherungen b), c) wird für den Kunden billiger sein? Aufgabe 3: Wie sehen die Tabellen bei b), c) für beliebige Versicherungsdauern N aus?.2.3 Wahrscheinlichkeiten für die Schadensverläufe Die Schadensverläufe sammeln wir in der Menge aller Schadensverläufe: = fsv 0 ; sv ; :::::; sv U g Entsprechend den U + Schadensverläufen zerfällt das Kollektiv L in U + nichtleere Teilmengen der Form D j = fv 2 L j V verursacht den Schadensverlauf sv j g ; 0 j U 3

4 mit U[ D j = L: (Disjunkte V ereinigung) Wenn wir die Abbildung Sv : L! einführen, die jedem Versicherten V seinen von ihm verursachten Schadensverlauf zuordnet, so ist oder kurz D j = fv 2 L j Sv(V ) = sv j g ; 0 j U; D j = (Sv = sv j ) ; 0 j U: Das Kollektiv kann sich im Laufe der Zeit durch Zu- oder Abgang ändern. Wir setzen aber im folgenden voraus, daßdie Zahlen w j = jd jj jlj ; 0 j U; dabei fest bleiben. w j ist die Wahrscheinlichkeit, beim Herausgreifen eines V 2 L einen solchen zu erwischen, der den Schadenverlauf sv j versursacht. Die Wahrscheinlichkeiten w j ordnen wir auch den entsprechenden Schadensverläufen zu. Das läuft auf ein Wahrscheinlichkeitsmaß P : 2! [0; ] hinaus, das durch oder allgemeiner durch P (fsv j g) = w j ; 0 j U; P (M) = j(sv 2 M)j ; M jlj de niert ist. Die Tabellen der Schadensverläufe denken wir uns jetzt um eine weitere Spalte mit den w j ; 0 j U; ergänzt, etwa Beispiel a) aus.2.2: t 0 t t 2 w j sv 0 s ; 98 sv s 3 s 0 0; 007 sv 2 s 3 0 s 2 0; 0 sv 3 s 3 s s 2 0; 002 4

5 Aufgabe : In Beispiel a) aus.2.2 (s.o.) sei s = 0; s 2 = 5; s 3 =. Gesucht ist die Wahrscheinlichkeit dafür, daßder Gesamtschaden (eines Schadenverlaufs) kleiner als 6, aber größer als 0 ist! Aufgabe 2: Bei der Formel P (M) = j(sv 2 M)j ; M jlj gilt auch Warum? P (M) = X sv j2m w j.2.4 Erinnerung an die Wahrscheinlichkeitsrechnung Wir betrachten noch einmal die Teilmengen D j = fv 2 L j Sv(V ) = sv j g, die mittels der Abbildung Sv : L! gebildet wurden. Die gleiche Situation liegt in folgendem wohlbekannten Beispiel aus der Wahrscheinlichkeitsrechnung vor: In einer Urne liegen s schwarze Kugeln fk ; ::::; k s gund w weiße Kugeln fk s+ ; ::::; k s+w g, es wird n-mal mit Zurücklegen gezogen. Jede Ziehung ( ; :::::; n ) mit j 2 fk ; ::::; k s g[fk s+ ; ::::; k s+w g hat dann die gleiche Wahrscheinlichkeit (s + w) n. Die Rolle des Kollektivs spielt hier die Menge aller möglichen Ziehungen L 0 = ( ; :::::; n ) j j 2 fk ; ::::; k s g [ fk s+ ; ::::; k s+w g : Wie im Fall der Versicherten aus L, bei denen nur der von ihnen verursachte Schadensverlauf interessiert, soll es bei den Ziehungen aus L 0 nur darauf ankommen, ob die einzelnen Kugeln schwarz oder weißsind: Wir bilden aus jeder Ziehung ( ; :::::; n ) 2 L 0 die entsprechende Folge ( ; :::::; n ) aus Nullen und Einsen, mit 0; j = j 2 fk ; ::::; k s g ; j 2 fk s+ ; ::::; k s+w g : Der Menge der Schadenverläufe entspricht in diesem Beispiel die Menge 0 dieser Folgen aus Nullen und Einsen und der Abbildung Sv : L! entspricht nun die Abbildung Sv 0 : L 0! 0, die jeder Ziehung aus L 0 ihre Null-Eins-Folge aus 0 zuordnet. Was jetzt noch fehlt, ist das entsprechende WahrscheinlichkeitsmaßP 0 : 2 0! [0; ]. Wir bilden es formal genauso wie P mit Sv 0 P 0 = ( (f( ; :::::; n )g) = ; :::::; n ) jl 0 j ( = ; :::::; n ) 2 L 0 j Sv 0 (( ; :::::; n )) = ( ; :::::; n ) jl 0 j 5

6 Die Menge Sv 0 = ( ; :::::; n ) = ( ; :::::; n ) 2 L 0 j Sv 0 (( ; :::::; n )) = ( ; :::::; n ) besteht also aus allen Ziehungen, die dieselbe Null-Eins-Folge ( ; :::::; n ) ergeben. Genauso besteht die Menge D j = (Sv = sv j ) = fv 2 L j Sv(V ) = sv j g aus allen Kunden, die denselben Schadensverlauf sv j verursachen. Damit wäre die Analogie komplett, aber in diesem Beispiel läßt sich nun noch weiterrechnen. Der Nenner des letzten Bruchs ist jl 0 j = (s + w) n. Der Zähler ergibt sich durch die übliche kombinatorische Überlegung: Sind in ( ; :::::; n ) genau k Einsen und n k Nullen, so gibt es w k Möglichkeiten zur Besetzung der Einserstellen und s n k Möglichkeiten zur Besetzung der Nullenstellen. Somit ist der Zähler gleich Sv 0 = ( ; :::::; n ) = w k s n k : Insgesamt ergibt sich P 0 (f( ; :::::; n )g) = wk s n k w k (s + w) n = (s + w) k s n k (s + w) n k : Schreibt man noch p = w s + w ; p = s, so erhält man s + w P 0 (f( ; :::::; n )g) = p k ( p) n k : Die an den beiden Beispielen dargelegte Situation kommt so oft vor, daßman sie formalisiert hat: Gegeben ist eine Abbildung X :! 2. Auf ist ein WahrscheinlichkeitsmaßP gegeben, auf 2 läßt sich dann ein WahrscheinlichkeitsmaßP 2 de nieren über die Formel P 2 (M) = P (f$ 2 j X ($) 2 Mg = P (X 2 M); M 2 : Ein solches X nennt man bekanntlich eine Zufallsvariable und das mit ihrer Hilfe neu de nierte WahrscheinlichkeitsmaßP 2 heißt die Verteilung von X. In unseren Beispielen war = L; L 0 ; 2 = ; 0 und X = Sv; Sv 0. P ist jeweils die Laplace-Wahrscheinlichkeit, d.h. alle Elemente von L bzw. L 0 sind gleichwahrscheinlich. Aufgabe : Bilden Sie die folgenden Teilmengen von L 0, für die Kugeln fk ; k 2 ; k 3 g [ fk 4 ; k 5 g, wobei fk ; k 2 ; k 3 g die schwarzen Kugeln sind! a) (Sv0 = (0; 0; )) 6

7 b) (Sv0 = (; )) c) (Sv0 = (0; 0; 0)) Welche Wahrscheinlichkeiten gehören zu diesen Teilmengen? Aufgabe 2: Die Schreibweise (X 2 M) := f$ 2 jx ($) 2 M g ; M 2 für eine Abbildung X :! 2 ist in der Wahrscheinlichkeitstheorie üblich und kommt ständig vor, insbesondere in der Kombination "P (X 2 M)". In anderen Gebieten der Mathematik schreibt man oft für die gleiche Menge X (M) := f$ 2 j X ($) 2 Mg ; M 2 : Man nennt sie auch das Urbild von M unter X, während man die Menge X(B) : = f 2 2 j X ($) = f ur ein $ 2 Bg = fx($) j $ 2 Bg ; B das Bild von B unter X nennt. Bestimmen Sie folgende Urbilder: a) (cos = ); b) (sin 2 f ; 0; g); c) (tan = 0); d) (f 2 4 ; ), dabei sei f : R! R mit f(x) = x 2. e) (f = ), dabei sei f : R! C mit f(t) = e it. f) (Y = k), dabei sei Y : 0! f0; ; 2; ::::; ng und 0 wie oben die Menge aller Zeilen der Länge n mit Nullen und Einsen, Y ordnet jeder sochen Zeile die Anzahl der Einsen zu. Wieviel Elemente hat (Y = k)? Bestimmen Sie die (Ihnen schon lange bekannte) Verteilung von Y! g) (Y 2 (5; 5]), dabei sei Y :! R, die Menge der Schadensverläufe folgender Tabelle, Y ordnet jedem Schadensverlauf seinen Gesamtschaden zu. t 0 t t 2 w sv ; sv 2 3 0; 05 sv ; 05 sv ; 2 sv ; 6 Bestimmen Sie auch die Verteilung von Y! h) (Y = 0), dabei sei Y :! 2 und die Menge aller stetigdi erenzierbaren Funktionen auf R, 2 die Menge aller stetigen Funktionen, Y ordnet jeder Funktion aus ihre Ableitungsfunktion zu. i) Wie nennt man in der Linearen Algebra die Menge (Y = 0), dabei sei Y :! 2 eine lineare Abbildung zwischen den Vektorräumen ; 2? j) Eine Funktion f : D! R; D R n nennt man auch Potentialfunktion. Was ist eine Äquipotential äche? Beispiele! Aufgabe 3: Für spezielle M R haben sich andere Schreibweisen für (X 2 M) eingebürgert, welche für z.b.: 7

8 M = fxg ; M = [a; b] ; M = (a; b] ; M = (a; b) ; M = ( ; b] ; M = (a; )? Aufgabe 4: Beweisen Sie folgende Formeln für Y :! 2 : a) (Y 2 S M j ) = S (Y 2 M j ). Steht auf einer Seite dieser Gleichung eine j j disjunkte Vereinigung, so auch auf der anderen! b) (Y 2 T M j ) = T (Y 2 M j ). j j c) (Y 2 2 M) = (Y 2 M). Kleiden Sie die Formeln in Worte: Das Urbild einer Vereinigung ist gleich.... Wie steht es, wenn man Urbild durch Bild ersetzt? d) Y (Y 2 M) M. Geben Sie Beispiele für eine echte Inklusion! Welche Bedingung an Y ist äquivalent zu: Y (Y 2 M) = M für alle M 2? e) Welche Bedingung an Y ist äquivalent zu: j(y = y)j = oder (Y = y) = ; für alle y 2 2? Aufgabe 5: Welche Formalien mußman bei der obengetro enen De nition einer Verteilung noch beachten? Denken Sie an die De nition eines Wahrscheinlichkeitsraums!.3 Das einfachste mathematische Modell.3. Grundlegende De nitionen Wir fassen den Inhalt der ersten Abschnitte zusammen. Es gibt N + Schadenszeitpunkte t 0 = 0 < t < :::: < t N. Eine Zeile ( 0 ; ; :::; N ) heißt Schadensverlauf, dabei soll j als Schadenshöhe zur Zeit t j aufgefaßt werden. Zur Beschreibung eines Versicherungsvertrags mußdie Menge aller möglichen Schadensverläufe angegeben werden. Wir bezeichnen sie mit = fsv 0 ; sv ; :::; sv U g. Man darf sich zusätzlich vorstellen, daßdie Schadensverläufe von den Mitgliedern eines Kollektivs L verursacht werden. Bezeichnet D j diejenigen Mitglieder von L, die den Schadensverlauf sv j verursachen, so zerfällt L in U[ L = Auf L sei die Laplace - Wahrscheinlichkeit eingeführt, d.h. die Wahrscheinlichkeit, einen speziellen Versicherten V 2 L auszuwählen, ist gleich jlj. Als Wahrscheinlichkeit P auf nehmen wir die Verteilung der Zufallsvariablen Sv : L!, die jedem V 2 L seinen Schadensverlauf zuordnet. Die Wahrscheinlichkeiten der einzelnen Schadensverläufe sind dann P(fsv j g) = jd jj jlj D j =: w j ; 0 j U: 8

9 Auf einen Blick in einer Tabelle, deren Zeilen die Schadensverläufe sind: t 0 = 0 t.... t N w () sv 0 x 00 x x 0N w 0 sv x 0 x.... x N w sv U x U0 x U.... x UN w U Eine Tabelle wie in (*) nennen wir auch ein Schadensverlaufdiagramm. Es ist zulässig, daßzwei oder mehr Zeilen der Tabelle identisch sind. Sie werden aber durch ihre Zeilennummer unterschieden, vgl. oben das Beispiel der Kapitallebensversicherung. Gleiche Zeilen der Tabelle bedeuten, daßdas VU unter Kunden mit den gleichen Schäden noch aufgrund anderer Merkmale als den Schäden selbst unterscheiden kann. Bei der Kapitallebensversicherung ist dieses Merkmal Tod oder Überleben des letzten Versicherungsjahrs. Die Wahrscheinlichkeit für das Ereignis M, d.h. die Wahrscheinlichkeit dafür, daßeiner der Schadensverläufe sv 2 M eintritt, ist P (M) = X sv j2m w j = j(sv 2 M)j ; M jlj Damit ist ein WahrscheinlichkeitsmaßP : 2! [0; ] de niert. Für den Wahrscheinlichkeitsraum (; 2 ; P) bzw. für seine Beschreibung durch die Tabelle (*), schreiben wir nur kurz. Mittels dieses Modells lassen sich nun unter anderem die folgenden typischen Fragen beantworten: Mit welcher Wahrscheinlichkeit ist der dritte Schaden größer als 5? Mit welcher Wahrscheinlichkeit ist der dritte Schaden größer als die Summe von. und 2. Schaden? Mit welcher Wahrscheinlichkeit liegt die Summe aller Schäden (also der Gesamtschaden) zwischen 0 und 00? Mit welcher Wahrscheinlichkeit ist die Anzahl aller positiven Schäden (eines Schadensverlaufs) kleiner als 5? Mit welcher Wahrscheinlichkeit ist der dritte Schaden größer als 5, unter der Bedingung, daßder vierte größer als 0 ist? 9

10 Mit welcher Wahrscheinlichkeit liegt der Gesamtschaden zwischen 0 und 00, unter der Bedingung, daßdie Summe der ersten drei Schäden größer als 5 war? Wie großsind Mittelwert und Varianz des vierten Schadens? Wie großsind Mittelwert und Varianz des Gesamtschadens? Wie großsind Mittelwert und Varianz des vierten Schadens, unter der Bedingung, daßder Gesamtschaden größer als 80 ist? Hier bezeichnen die Ausdrücke wie dritter Schaden, Summe von. und 2. Schaden, Gesamtschaden, Anzahl aller Schäden o ensichtlich Zufallsvariablen auf, d.h. Funktionen, deren Variablen die Schadensverläufe sind! Um uns kürzer und in der Weise der Wahrscheinlichkeitstheorie ausdrücken zu können, führen wir die Zufallsvariablen X m :! R; 0 m N; mit X m (sv j ) = x jm; 0 j U; ein, X m ist also die Zufallsvariable, die die Höhe des m-ten Schadens angibt. Weiter setzen wir P S m = m X k ; 0 m N; k=0 diese Zufallsvariablen geben also die Schadenssumme bis zur Zeit m an. Die Zufallsvariable S N = gibt daher den Gesamtschaden an. Die obige Liste sieht dann so aus: P(X 3 > 5) =? P(X 3 > X + X 2 ) =? P(0 N P NX k=0 X k X m 00) = P(0 S N 00) =? P(A < 5) =? dabei ist A : Zahlen in der Zeile sv j P(X 3 > 5 j X 4 > 0) =? P(0 S N 00 j 2P X m > 5) =?! R mit A(sv j ) = Anzahl aller positiven 0

11 daher E(X 4 ) =?; V (X 4 ) =? E( N P X m ) = E(S N ) =?; V ( N P X m ) = V (S N )? E(X 4 j S N > 80) =?; V (X 4 j S N > 80) =? Im nächsten Beispiel rechnen wir einmal alle diese Zahlen aus. Gegeben sei 0 t t 2 t 3 t 4 t 5 w sv :6 sv ; 2 sv ; sv ; 05 sv ; 04 sv ; 0 a) P(X 3 > 5) =? Es ist (X 3 > 5) = fsv 3 ; sv 4 ; sv 5 g und daher P(X 3 > 5) = 0; ; ; 0 = 0; b) P(X 3 > X + X 2 ) =? Es ist (X 3 > X + X 2 ) = fsv ; sv 4 ; sv 5 g und daher c) P(0 N P P(X 3 > X + X 2 ) = 0; 2 + 0; ; 0 = 0; 25 X m 00) =? Es ist (0 N P P(0 NX X m 00) = 0; 2 + 0; = 0; 3 d) P(A < 5) =? Es ist (A < 5) = fsv 0 ; sv 4 ; sv 5 g und daher P(A < 5) = 0; 6 + 0; ; 0 = 0; 65 X m 00) = fsv ; sv 2 g und e) P(X 3 > 5 j X 4 > 0) =? Es ist (X 3 > 5) = fsv 3 ; sv 4 ; sv 5 g und (X 4 > 0) = fsv 2 ; sv 4 ; sv 5 g und daher P(X 3 > 5 j X 4 > 0) = P((X 3 > 5) \ (X 4 > 0)) P(X 4 > 0) P( fsv 4 ; sv 5 g) 0; 05 = = P( fsv 2 ; sv 4 ; sv 5 g) 0; 25 = 0; 2

12 P f) P(0 N X m 00 j fsv ; sv 2 g und ( 2 P 2P X m > 5) =? Es ist (0 N P X m > 5) = fsv 2 ; sv 3 g und daher X m 00) = P(0 = = NX X m 00 j P((0 N P 2X X m > 5) X m 00) \ ( 2 P P( 2 P X m > 5) P( fsv 2 g) P( fsv 2 ; sv 3 g) = 0; 0; 5 = 2 3 X m > 5)) g) E(X 4 ) =?; V (X 4 ) =? Die Werte der Zufallsvariablen X 4 sind f0; 8; 30; 50; 80g, daher ist und E(X 4 ) = 8 P(X 4 = 8) + 30 P(X 4 = 30) + 50 P(X 4 = 50) + 80 P(X 4 = 80) = 8 P( fsv g) + 30P( fsv 2 g) + 50 P( fsv 3 ; sv 5 g) + 80 P( fsv 4 g = 8 0; ; ; ; 04 = 0; 8 V (X 4 ) = (8 0; 8) 2 P(X 4 = 8) + (30 0; 8) 2 P(X 4 = 30) +(50 0; 8) 2 P(X 4 = 50) + (80 0; 8) 2 P(X 4 = 80) = (8 0; 8) 2 P( fsv g) + (30 0; 8) 2 P( fsv 2 g +(50 0; 8) 2 P( fsv 3 ; sv 5 g) + (80 0; 8) 2 P( fsv 4 g) = (8 0; 8) 2 0; 2 + (30 0; 8) 2 0; +(50 0; 8) 2 0; 06 + (80 0; 8) 2 0; 04 h) E(X 4 j NP = 322; 8 X m > 80) =?; V (X 4 j NP P ( N X m > 80) = fsv 3 ; sv 4 ; sv 5 g und daher P(A) = 0; ; ; 0 = 0; X m > 80) =? Zunächst ist A := 2

13 Weiter ist (X 4 = 8) \ A = ;; (X 4 = 30) \ A = ;; (X 4 = 50) \ A = fsv 3 ; sv 5 g ; (X 4 = 80) \ A = fsv 4 g ; also E(X 4 j A) = 50 P(X 4 = 50 j A) + 80 P(X 4 = 80 j A) = 50 P((X 4 = 50) \ A) + 80 P((X 4 = 80) \ A) P(A) P(A) = 50 P( fsv 3; sv 5 g) + 80 P( fsv 4g) P(A) P(A) = 50 = 62 0; ; 0 0; ; 04 0; und V (X 4 j A) = (50 62) 2 P(X 4 = 50 j A) + (80 62) 2 P(X 4 = 80 j A) = 44 P((X 4 = 50) \ A) P((X 4 = 80) \ A) P(A) P(A) = 44 P( fsv 3; sv 5 g) P( fsv 4g) P(A) P(A) = 44 = 56 0; ; 0 0; ; 04 0; Vielleicht sollten wir die Begri e aus e), f), h) in obigem Beispiel noch einmal erläutern! Die Bezeichnung P(M j A) = P(M \ A) ; M; A ; P(A) 6= 0 P(A) bedeutet bedingte Wahrscheinlichkeit von M bezüglich (gegeben, unter der Bedingung) A. Die Teilmenge A wird als neue Grundgesamtheit angesehen und die Zuordnung A M 7! P(M j A) ist ein Wahrscheinlichkeitsmaßauf A. Die Bezeichnung X E(X j A) = x P(X = x j A); x W ert von X 3

14 bedeutet bedingter Erwartungswert von X bezüglich (gegeben, unter der Bedingung) A. Die Zahl E(X j A) ist also der Erwartungswert der auf den Wahrscheinlichkeitsraum (A; P( j A)) eingeschränkten Abbildung X. Analog ist X V (X j A) = (x E(X j A)) 2 P(X = x j A); x W ert von X die bedingte Varianz von X bezüglich (gegeben, unter der Bedingung) A. Aufgabe : Es sei sgn(x) :! R wie üblich de niert als sgn(x) = ; auf (X? 0) 0; auf (X = 0): ( und X sind hier beliebig) Was bedeuten nun die Zufallsvariablen A m :! R mit mx A m := sgn(x k ); 0 m N k=0 für den Fall, daß die Menge der Schadensverläufe und X k Zeit t k bedeutet? Aufgabe 2: Das folgende Schadensverlaufsdiagramm sei gegeben 0 X X 2 X 3 X 4 X 5 X 6 w sv ; 0 sv ; 0 sv ; 02 sv :03 sv ; 03 sv ; 04 sv ; 06 sv ; 8 Berechnen Sie: a) die Wertemengen der Zufallsvariablen S 6 = 6 P Aufgabe ), deren Erwartungswerte und Varianzen! b) P(0 < S 6 < 20) c) P(0 < S 6 < 20 j A 6 = 4) d) E(S 6 j A 3 = 3) Aufgabe 3: Es sei den Schaden zur X k und A 6 : (A 6 wie in = [ j A j 4

15 ! R eine Zu- eine Zerlegung des Wahrscheinlichkeitsraums und X : fallsvariable. Zeigen Sie, daßdann E(X) = X j P(A j )E(X j A j ) gilt! In Worten? (beachte P j P(A j ) = ).3.2 Bemerkungen zum Modell Das soeben formulierte, sehr einfache mathematische Modell ndet fast ausschließlich Anwendung in der Lebens- und Krankenversicherung. Aus deren Sicht könnten unsere kleinen Beispiele mit den wenigen Phantasieschadenverläufen wie eine Art Spielzeugmathematik wirken. Hätte man nur diesen Anwendungsbereich im Auge, so ließe sich direkt daran herangehen wie in den elementaren Lehrbüchern der Lebensversicherungsmathematik. Dort ndet man wenig oder nichts über eine wahrscheinlichkeitstheoretische Grundlegung des Gebiets. Für unser Vorgehen gibt es nun folgende Gründe: Auch für die Lebensversicherungsmathematik lohnt sich eine präzise Formulierung ihrer Begri e. Darauf gehen wir in Kapitel 2 noch ein. An den kleinen Phantasiebeispielen lassen sich die Grundbegri e gut einüben. Unser Modell mit den Zufallsvariablen X m ^= Höhe des m-ten Schadens ist der einfachste Spezialfall desjenigen Modells, das man in der sogenannten Risikotheorie verwendet, siehe Kapitel 3. Insofern ist es eine Vorbereitung darauf. Zum letzten Punkt noch einige Erläuterungen: Hat man zwei Zufallsvariablen X; Y :! R; so sagt man, daßman ihre gemeinsame Verteilung kennt, wenn man die Zahlen P(X 2 A; Y 2 B); A; B R für alle A; B R kennt. Dabei ist (X 2 A; Y 2 B) := (X 2 A) \ ( Y 2 B). Analog de niert man die gemeinsame Verteilung für mehr als zwei Zufallsvariablen. In unserem Modell läßt sich natürlich die gemeinsame Verteilung der X 0 ; :::; X N sofort berechnen. Umgekehrt lassen sich aus der gemeinsamen Verteilung der X 0 ; :::; X N die Schadensverläufe mit ihren Wahrscheinlichkeiten rekonstruieren, oder wenigstens die mit verschiedenen Zeilen: Die Menge (X 0 = 0 ; X 2 = 2 ; ::::::; X N = N ) ist ja entweder leer oder gleich der Menge fsv j 2 j sv j = ( 0 ; 2 ; ::::::; N )g. Daher ist es möglich, unser Modell zu formulieren, ohne überhaupt darauf 5

16 einzugehen, daßdie Menge aus Schadensverläufen besteht. Wir brauchen nur zu verlangen: Es gibt Zufallsvariablen X 0 ; :::; X N :! R und deren gemeinsame Verteilung sei bekannt. In der Risikotheorie tut man genau das, allerdings läßt man statt der endlich vielen Zufallsvariablen eine ganze Folge zu, und die Schadenszeitpunkte sind nicht mehr fest, sondern ebenfalls zufällig. Wegen der Interpretation X m ^= Höhe des m-ten Schadens können wir unser allgemeines Schadensverlauf-Schema auch so aufschreiben: X 0 X.... X N w sv 0 x 00 x x 0N w 0 sv x 0 x.... x N w sv U x U0 x U.... x UN w U In den Spalten ndet man dann die Werte der Zufallsvariablen X 0 ; :::; X N :! R. (natürlich kann in einer Spalte ein Wert mehrfach auftreten) Aufgabe : a) Sind die Zufallsvariablen X 0 ; :::; X N aus den bisherigen Beispielen unabhängig? b) Er nden Sie -etwa mit U = 3 und N = 2- ein Beispiel für unabhängige, paarweise verschiedene X m! c) Wenn X 0 ; :::; X N :! R unabhängig sind, wie berechnet man dann deren gemeinsame Verteilung aus den Verteilungen der einzelnen X k?.4 Schadensklassen und Beiträge.4. Schadensklassen Aus der Sicht des VU sind zum Anfangszeitpunkt t 0 = 0 die Versicherten des Kollektivs L insofern ununterscheidbar, als man nicht sagen kann, welchen Schadensverlauf ein Kunde denn nun produzieren wird. Das drückt sich auch darin aus, daßallen der gleichen Schaden zum Zeitpunkt t 0 = 0 zugeordnet wird, bzw. daßx 0 :! R eine Konstante ist. Ganz anders ist es am Endzeitpunkt t N : jetzt kann man jedem Kunden seinen Schadensverlauf zuordnen, was ja in der Zerlegung L = U[ D j ; D j = (Sv = sv j ) ; 0 j U; 6

17 zum Ausdruck gebracht ist. Wie sieht es nun an den Zwischenzeitpunkten t m, t 0 = 0 t m t N aus? Wir orientieren uns zunächst an einem Beispiel: X 0 X X 2 X 3 X 4 sv sv sv sv sv sv Zur Zeit t kann das VU drei Klassen (Teilmengen von ) von Schadensverläufen (bzw. Kunden) unterscheiden: Zur Zeit t 2 sind es die vier Klassen : A = fsv 0 ; sv 5 g = (X = 0) ; A 2 = fsv ; sv 2 g = (X = ) ; A 3 = fsv 3 ; sv 4 g = (X = 0) : A 2 = fsv 0 ; sv 5 g = (X = 0; X 2 = 0) ; A 22 = fsv ; sv 2 g = (X = ; X 2 = 3) ; A 23 = fsv 3 g = (X = 0; X 2 = 0) ; A 24 = fsv 4 g = (X = 0; X 2 = 20) : Zur Zeit t 3 sind es die fünf Klassen: A 3 = fsv 0 g = (X = 0; X 2 = 0; X 3 = 0) ; A 32 = fsv 5 g = (X = 0; X 2 = 0; X 3 = 40) ; A 33 = fsv ; sv 2 g = (X = ; X 2 = 3; X 3 = 4) ; A 34 = fsv 3 g = (X = 0; X 2 = 0; X 3 = 5) ; A 35 = fsv 4 g = (X = 0; X 2 = 20; X 3 = 20) : Als allgemeine Vorschrift läßt sich diese Klassenbildung so fassen: Zum Zeitpunkt t m kommen alle Schadensverläufe ( 0 ; :::; m ; :::; N ) mit den gleichen ersten Schäden ( 0 ; :::; m ) in dieselbe Klasse. Die so für den Zeitpunkt t m gebildeten Teilmengen von heißen die Schadensklassen zum Zeitpunkt m. 7

18 Sind A m ; ::::; A mk die Schadensklassen zur Zeit m, so zerfällt das Kollektiv gemäß k[ L = (Sv 2 A mj ) : Diese Zerlegung des Kollektivs L in zu den Schadensklassen gehörige Kunden ist die zur Zeit t m bestmögliche Unterscheidung der Kunden, wenn als einziges Unterscheidungsmerkmal die Schäden vorliegen. Aufgabe : Bestimmen Sie die Schadensklassen für jeden Zeitpunkt in folgendem Schadensverlaufsdiagramm X 0 X X 2 X 3 X 4 X 5 X 6 sv sv sv sv sv sv Aufgabe 2 : Bestimmen Sie die Schadensklassen für die N-jährige Risikoversicherung und die N-jährige gemischte Kapitalversicherung (siehe.2.2) Aufgabe 3 : Es sei t m fest. Wir erklären zwei Schadensverläufe sv; sv 0 2 als äquivalent, wenn gilt: X k (sv) = X k (sv 0 ) ; k m: Zeigen Sie, daßdies eine Äquivalenzrelation ist und daßdie Äquivalenzklassen gerade die Schadensklassen zur Zeit t m sind!.4.2 Beiträge und Äquivalenzprinzip Das VU verlangt von seinen Kunden für seine Leistungen (Schadenserstattung) natürlich Beiträge und strebt dabei Gewinn an: Summe aller Beitrage (aller Kunden) > Summe aller Leistungen (an alle Kunden): Diese Ungleichung läßt sich zu einer Gleichung machen, indem man die Kosten des Versicherungsbetriebs als Leistungen an den Kunden ansieht. Die tatsächlichen Zahlungen an den Kunden bezeichnet man auch als Nettoleistungen, diese zusammen mit den Kosten auch als Bruttoleistungen. Jetzt also: Summe aller Beitrage (aller Kunden) = Summe aller (Brutto )Leistungen (an alle Kunden): 8

19 Man bezeichnet diese Gleichwertigkeit von Leistungen und Gegenleistungen als Äquivalenzprinzip. Unter den obigen Annahmen über das Kollektiv L läßt sich sofort berechnen: Summe aller Leistungen (an alle Kunden) = UX jd j j S N (sv j ) Die einfachste Methode der Beitragszahlung ist der Einmalbeitrag, das heißt, alle jlj Kunden zahlen zum Zeitpunkt t 0 = 0 ihren einzigen und für alle gleichen Beitrag B. Das Äquivalenzprinzip erfordert dann Es ist aber jlj B = = = jlj UX UX jd j j S N (sv j ): UX jd j j S N (sv j ) jd j j jlj S N (sv j ) UX w j S N (sv j ) = E(S N ): und damit B = E(S N ) kurz: Einmalbeitrag gleich mittlerer Gesamtschaden. Nun ist ein Einmalbeitrag aus der Sicht der Kunden oft unangemessen hoch, so daßdas VU den Kunden eine Ratenzahlung während der der Dauer der Versicherung ermöglicht. Das VU kann an einem festen Zeitpunkt t m die Kunden gemäßden oben eingeführten Schadensklassen unterscheiden, also kann es zu diesem Zeitpunkt so viele unterschiedliche Beiträge festlegen, wie Schadensklassen zur Zeit t m existieren. Nehmen wir als Beispiel die vierjährige Risikolebensversicherung: X 0 X X 2 X 3 X 4 sv 0 s sv 0 s 0 0 sv s 0 sv s sv

20 Zum Zeitpunkt t gibt es die beiden Schadensklassen fsv 0 g ; fsv ; sv 2 ; sv 3 ; sv 4 g ; zum Zeitpunkt t 2 gibt es die drei Schadensklassen fsv 0 g ; fsv g ; fsv 2 ; sv 3 ; sv 4 g usw. Die Schadensverläufe sv 0 ; sv ; sv 2 ; sv 3 werden von den Kunden erzeugt, die im.,...,4. Versicherungsjahr sterben, sv 4 von den Kunden, die überleben. Da man von Toten keine Beiträge (also 0) erhebt, ergibt sich somit folgendes Beitragsdiagramm: B 0 B B 2 B 3 B 4 sv 0 b sv b 0 b sv 2 b 0 b b sv 3 b 0 b b 2 b 3 0 sv 4 b 0 b b 2 b 3 0 Wir de nieren also: Der Beitrag B m zur Zeit t m ist eine Zufallsvariable B m :! R die auf den Schadensklassen zur Zeit m konstant ist, 0 m N: Natürlich ist B m dann auch auf den Schadensklassen zur Zeit ; m N, konstant. Analog zum Gesamtschaden nennen wir die Zufallsvariable NX B m :! R den Gesamtbeitrag. Jetzt ist Summe aller Beitrage (aller Kunden) = und das Äquivalenzprinzip wird zu UX NX jd j j ( B m (sv j )) = UX NX jd j j ( B m (sv j )) UX jd j j S N (sv j ); seine übliche Form ergibt sich mittels Division durch jlj zu 20

21 P E( N B m ) = E(S N ): kurz: Erwartungswert des Gesamtbeitrags gleich Erwartungswert des Gesamtschadens : oder Erwartungswert der Beiträge gleich Erwartungswert der Leistungen : Zur (mathematisch) vollständigen Beschreibung eines Versicherungsvertrags gehört die Angabe von Schadensverlaufs- und Beitragsdiagramm! Aufgabe : Berechnen Sie für die vierjährige Risikolebensversicherung X 0 X X 2 X 3 X 4 w sv 0 s w 0 sv 0 s 0 0 w sv s 0 w 2 sv s w 3 sv w 4 den Jahresbeitrag b, d.h. im obigen Beitragsdiagramm ist b 0 = b = b 2 = b 3 = b. Aufgabe 2: Bestimmen Sie für das Schadensverlaufsdiagramm X 0 X X 2 X 3 X 4 X 5 X 6 sv sv sv sv sv sv ein Beitragsdiagramm, wobei die Zufallsvariablen B m :! R möglichst viele Werte haben sollen! Aufgabe 3: Zeigen Sie, daßsich der Erwartungswert des Gesamtschadens nicht ändert, wenn man die Einträge in einem oder mehreren Schadensverläufen vertauscht! Dieser Erwartungswert ändert sich auch dann nicht, wenn die Einträge eines Schadensverlaufes an einzelnen Zeitpunkten so zusammengefaßt werden, daßihre Gesamtsumme erhalten bleibt! Analoge Aussagen gelten für den Gesamtbeitrag N P B m. 2

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

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

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

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

Gibt es verschiedene Arten unendlich? Dieter Wolke

Gibt es verschiedene Arten unendlich? Dieter Wolke Gibt es verschiedene Arten unendlich? Dieter Wolke 1 Zuerst zum Gebrauch des Wortes unendlich Es wird in der Mathematik in zwei unterschiedlichen Bedeutungen benutzt Erstens im Zusammenhang mit Funktionen

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

Elemente der Analysis II

Elemente der Analysis II Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel

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

$ % + 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

Vorlesung. Funktionen/Abbildungen 1

Vorlesung. Funktionen/Abbildungen 1 Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

Mehr

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt - 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +

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

Risiko und Versicherung - Übung

Risiko und Versicherung - Übung Sommer 2009 Risiko und Versicherung - Übung Entscheidungstheoretische Grundlagen Renate Bodenstaff Vera Brinkmann r.bodenstaff@uni-hohenheim.de vera.brinkmann@uni-hohenheim.de https://insurance.uni-hohenheim.de

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

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

Die Motive sollten vor Vertragsabschluss sorgfältig durchdacht werden, um Fehler in der Vertragsgestaltung zu vermeiden.

Die Motive sollten vor Vertragsabschluss sorgfältig durchdacht werden, um Fehler in der Vertragsgestaltung zu vermeiden. Die Kapitallebensversicherung ist eine Versicherung auf den Todesfall einer ->versicherten Person wie bei der ->Risikolebensversicherung sowie den Erlebensfall in einem vertraglich festgelegten Zeitraum

Mehr

Statistik I für Wirtschaftswissenschaftler Klausur am 06.07.2007, 14.00 16.00.

Statistik I für Wirtschaftswissenschaftler Klausur am 06.07.2007, 14.00 16.00. 1 Statistik I für Wirtschaftswissenschaftler Klausur am 06.07.2007, 14.00 16.00. Bitte unbedingt beachten: a) Gewertet werden alle 9 gestellten Aufgaben. b) Lösungswege sind anzugeben. Die Angabe des Endergebnisses

Mehr

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) = Funktionentheorie, Woche Funktionen und Polstellen. Meromorphe Funktionen Definition.. Sei U C offen und sei f : U gilt, nennt man f meromorph auf U: Ĉ eine Funktion. Wenn folgendes. P := f hat keine Häufungspunkte;.

Mehr

Codierungstheorie Rudolf Scharlau, SoSe 2006 9

Codierungstheorie Rudolf Scharlau, SoSe 2006 9 Codierungstheorie Rudolf Scharlau, SoSe 2006 9 2 Optimale Codes Optimalität bezieht sich auf eine gegebene Quelle, d.h. eine Wahrscheinlichkeitsverteilung auf den Symbolen s 1,..., s q des Quellalphabets

Mehr

(2) (x 2 1 + x 2 2 + + x 2 n)(y 2 1 + y 2 2 + + y 2 n) = z 2 1 + z 2 2 + + z 2 n

(2) (x 2 1 + x 2 2 + + x 2 n)(y 2 1 + y 2 2 + + y 2 n) = z 2 1 + z 2 2 + + z 2 n Über die Komposition der quadratischen Formen von beliebig vielen Variablen 1. (Nachrichten von der k. Gesellschaft der Wissenschaften zu Göttingen, Mathematisch-physikalische Klasse, 1898, S. 309 316.)

Mehr

3. Zusammenhang. 22 Andreas Gathmann

3. Zusammenhang. 22 Andreas Gathmann 22 Andreas Gathmann 3. Zusammenhang Eine der anschaulichsten Eigenschaften eines topologischen Raumes ist wahrscheinlich, ob er zusammenhängend ist oder aus mehreren Teilen besteht. Wir wollen dieses Konzept

Mehr

Sprechen wir über Zahlen (Karl-Heinz Wolff)

Sprechen wir über Zahlen (Karl-Heinz Wolff) Sprechen wir über Zahlen (Karl-Heinz Wolff) Die Überschrift ist insoweit irreführend, als der Autor ja schreibt und nicht mit dem Leser spricht. Was Mathematik im allgemeinen und Zahlen im besonderen betrifft,

Mehr

Überschussverteilungssätze

Überschussverteilungssätze Tarife der Tarifreform 2015 (Rechnungszins 1,25 %) Bausteine zur Alters- und Hinterbliebenenvorsorge Während (außer Perspektive) 5,00 2,35 Zusätzlicher Während (Perspektive) an Kostenüberschüssen Zusatzüberschussanteil

Mehr

Risikolebensversicherung

Risikolebensversicherung Risikolebensversicherung 1. Was ist eine Risikolebensversicherung? Mit einer Risikolebensversicherung kann das Todesfallrisiko finanziell abgesichert werden. Sollte dem Versicherungsnehmer etwas zustoßen,

Mehr

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen

Mehr

9. Schätzen und Testen bei unbekannter Varianz

9. Schätzen und Testen bei unbekannter Varianz 9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,

Mehr

16 Risiko und Versicherungsmärkte

16 Risiko und Versicherungsmärkte 16 Risiko und Versicherungsmärkte Entscheidungen bei Unsicherheit sind Entscheidungen, die mehrere mögliche Auswirkungen haben. Kauf eines Lotterieloses Kauf einer Aktie Mitnahme eines Regenschirms Abschluss

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

OPERATIONS-RESEARCH (OR)

OPERATIONS-RESEARCH (OR) OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:

Mehr

1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem P( ) = 0.

1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem P( ) = 0. 1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem Folg. 2 Sei (Ω, E, P) W.-raum. Seien A, B,A 1,...,A n Ereignisse. Es gelten die folgenden Aussagen: 1. P(A) = 1 P(A). 2. Für das unmögliche Ereignis gilt:

Mehr

Derivatebewertung im Binomialmodell

Derivatebewertung im Binomialmodell Derivatebewertung im Binomialmodell Roland Stamm 27. Juni 2013 Roland Stamm 1 / 24 Agenda 1 Einleitung 2 Binomialmodell mit einer Periode 3 Binomialmodell mit mehreren Perioden 4 Kritische Würdigung und

Mehr

Gewinnbeteiligung der Versicherungsnehmer

Gewinnbeteiligung der Versicherungsnehmer ERGO Direkt Lebensversicherung AG 79 Gewinnbeteiligung der Versicherungsnehmer In den folgenden Abschnitten wird für die einzelnen Tarifgruppen beschrieben, wie sie an den laufenden Gewinnanteilen und

Mehr

Die Cantor-Funktion. Stephan Welz

Die Cantor-Funktion. Stephan Welz Die Cantor-Funktion Stephan Welz Ausarbeitung zum Vortrag im Proseminar Überraschungen und Gegenbeispiele in der Analysis (Sommersemester 2009, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: In dieser

Mehr

ax 2 + bx + c = 0, (4.1)

ax 2 + bx + c = 0, (4.1) Kapitel 4 Komplexe Zahlen Wenn wir uns auf die reellen Zahlen beschränken, ist die Operation des Wurzelziehens (also die Umkehrung der Potenzierung) nicht immer möglich. Zum Beispiel können wir nicht die

Mehr

Absolute Stetigkeit von Maßen

Absolute Stetigkeit von Maßen Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches

Mehr

Einführung in die Stochastik

Einführung in die Stochastik Einführung in die Stochastik Josef G. Steinebach Köln, WS 2009/10 I Wahrscheinlichkeitsrechnung 1 Wahrscheinlichkeitsräume, Urnenmodelle Stochastik : Lehre von den Gesetzmäßigkeiten des Zufalls, Analyse

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

Theorien für die Darstellung von Unsicherheit Ein Vergleich der Wahrscheinlichkeits-, Möglichkeits- und Dempster-Shafer Theorie

Theorien für die Darstellung von Unsicherheit Ein Vergleich der Wahrscheinlichkeits-, Möglichkeits- und Dempster-Shafer Theorie Theorien für die Darstellung von Unsicherheit Ein Vergleich der Wahrscheinlichkeits-, Möglichkeits- und Dempster-Shafer Theorie Johannes Leitner Inhalt I Modellierung von Unschärfe Unscharfe Mengen Unscharfe

Mehr

0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 )

0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 ) Aufgabe 65. Ganz schön span(n)end. Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 aus Aufgabe P 6: M = v =, v =, v =, v 4 =, v 5 =, v 6 = Welche der folgenden Aussagen sind wahr? span(v,

Mehr

Mitschrift zur Vorlesung. von Jurgen Behne. Martin R. Elsner

Mitschrift zur Vorlesung. von Jurgen Behne. Martin R. Elsner Mitschrift zur Vorlesung Versicherungsmathematik von Jurgen Behne im Wintersemester 1997/98, Sommersemester 1998 Martin R. Elsner " 4. Januar 1999 Inhaltsverzeichnis A Lebensversicherung 5 I Der Zins als

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

Seminararbeit für das SE Reine Mathematik- Graphentheorie

Seminararbeit für das SE Reine Mathematik- Graphentheorie Seminararbeit für das SE Reine Mathematik- Graphentheorie Der binäre Rang, der symplektische Graph, die Spektralzerlegung und rationale Funktionen Vortrag am 24.01.2012 Heike Farkas 0410052 Inhaltsverzeichnis

Mehr

Versorgungsvorschlag für eine SofortRente

Versorgungsvorschlag für eine SofortRente Versorgungsvorschlag für eine SofortRente der Provinzial NordWest Lebensversicherung Aktiengesellschaft Darstellung für eine sofort beginnende Rentenversicherung wegen Pflegebedürftigkeit nach Tarif SRKP

Mehr

Überlegungen zur transparenten Gestaltung einer Lebensversicherung

Überlegungen zur transparenten Gestaltung einer Lebensversicherung Überlegungen zur transparenten Gestaltung einer Lebensversicherung 1 Transparenz ist zielorientiert ist kein Selbstzweck hat Grenzen 2 Produkttransparenz Markttransparenz Klarheit über die Leistung Vertragsmacht

Mehr

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:

Mehr

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x

Mehr

Teil II. Nichtlineare Optimierung

Teil II. Nichtlineare Optimierung Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene

Mehr

Versorgungsvorschlag für eine SofortRente

Versorgungsvorschlag für eine SofortRente Versorgungsvorschlag für eine SofortRente der Provinzial NordWest Lebensversicherung Aktiengesellschaft 26. Januar 2012 Darstellung für eine sofort beginnende Rentenversicherung wegen Pflegebedürftigkeit

Mehr

Private Rentenversicherung

Private Rentenversicherung Private Rentenversicherung 1. Was ist eine Private Rentenversicherung? Eine private Rentenversicherung wendet sich insbesondere an Alleinstehende (Singles), die etwas für die Aufrechterhaltung ihres Lebensstandards

Mehr

Antwort: Frage: 1. Welchen Sinn hat die Kollektiv- Sterbegeld-Versicherung?

Antwort: Frage: 1. Welchen Sinn hat die Kollektiv- Sterbegeld-Versicherung? 1. Welchen Sinn hat die Kollektiv- Sterbegeld-Versicherung? 2. Was ist ein Kollektivtarif? 3. Wer kann einen Antrag stellen? 4. Gibt es einen vorgeschriebenen Antrag? 5. Gibt es unterschiedliche Anträge

Mehr

Versorgungsvorschlag für eine SofortRente

Versorgungsvorschlag für eine SofortRente Versorgungsvorschlag für eine SofortRente der Provinzial NordWest Lebensversicherung Aktiengesellschaft Darstellung für eine sofort beginnende Rentenversicherung mit Rentengarantiezeit nach Tarif SR (Tarifwerk

Mehr

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x

Mehr

Private Krankenversicherung - Prinzipien und Fakten. Werkstattgespräch am 29. April 2010

Private Krankenversicherung - Prinzipien und Fakten. Werkstattgespräch am 29. April 2010 Private Krankenversicherung - Prinzipien und Fakten Werkstattgespräch am 29. April 2010 Agenda Kalkulation von Beitrag und Alterungsrückstellung Antiselektion und Übertragungswert Beitragsanpassung Begrenzung

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

3.3 Eigenwerte und Eigenräume, Diagonalisierung 3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.

Mehr

a' c' Aufgabe: Spiegelung an den Dreiecksseiten und Anti-Steinersche Punkte Darij Grinberg

a' c' Aufgabe: Spiegelung an den Dreiecksseiten und Anti-Steinersche Punkte Darij Grinberg ufgabe: Spiegelung an den Dreiecksseiten und nti-steinersche Punkte Darij Grinberg Eine durch den Höhenschnittpunkt H eines Dreiecks B gehende Gerade g werde an den Dreiecksseiten B; und B gespiegelt;

Mehr

12. Vergleich mehrerer Stichproben

12. Vergleich mehrerer Stichproben 12. Vergleich mehrerer Stichproben Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Häufig wollen wir verschiedene Populationen, Verfahren, usw. miteinander vergleichen. Beipiel: Vergleich

Mehr

Vorlesung. Komplexe Zahlen

Vorlesung. Komplexe Zahlen Vorlesung Komplexe Zahlen Motivation Am Anfang der Entwicklung der komplexen Zahlen stand ein algebraisches Problem: die Bestimmung der Lösung der Gleichung x 2 + 1 = 0. 1 Mit der Lösung dieses Problems

Mehr

Abzahlungsplan und Abzahlungsgleichung Gekürzte Fassung des ETH-Leitprogramms von Jean Paul David und Moritz Adelmeyer Teil 2

Abzahlungsplan und Abzahlungsgleichung Gekürzte Fassung des ETH-Leitprogramms von Jean Paul David und Moritz Adelmeyer Teil 2 - 5 - Abzahlungsplan und Abzahlungsgleichung Gekürzte Fassung des ETH-Leitprogramms von Jean Paul David und Moritz Adelmeyer Teil 2 Frau X hat ein Angebot der Bank: Sie würde 5000 Euro erhalten und müsste

Mehr

Produktinformationsblatt zur Risiko-Lebensversicherung (Basis-Schutz bzw. Comfort-Schutz)

Produktinformationsblatt zur Risiko-Lebensversicherung (Basis-Schutz bzw. Comfort-Schutz) Produktinformationsblatt zur Risiko-Lebensversicherung (Basis-Schutz bzw. Comfort-Schutz) Mit den nachfolgenden Informationen möchten wir Ihnen einen ersten Überblick über die von Ihnen berechnete Risiko-Lebensversicherung

Mehr

I. Aussagenlogik. Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen.

I. Aussagenlogik. Aussagenlogik untersucht Verknüpfungen wie und, oder, nicht, wenn... dann zwischen atomaren und komplexen Sätzen. I. Aussagenlogik 2.1 Syntax Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen. Sätze selbst sind entweder wahr oder falsch. Ansonsten

Mehr

Credit Risk+: Eine Einführung

Credit Risk+: Eine Einführung Credit Risk+: Eine Einführung Volkert Paulsen December 9, 2004 Abstract Credit Risk+ ist neben Credit Metrics ein verbreitetes Kreditrisikomodell, dessen Ursprung in der klassischen Risikotheorie liegt.

Mehr

Trainingsaufgaben zur Klausurvorbereitung in Statistik I und II Thema: Satz von Bayes

Trainingsaufgaben zur Klausurvorbereitung in Statistik I und II Thema: Satz von Bayes Trainingsaufgaben zur Klausurvorbereitung in Statistik I und II Thema: Satz von Bayes Aufgabe 1: Wetterbericht Im Mittel sagt der Wetterbericht für den kommenden Tag zu 60 % schönes und zu 40% schlechtes

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

Unter einer Rente versteht man eine regelmässige und konstante Zahlung.

Unter einer Rente versteht man eine regelmässige und konstante Zahlung. Anwendungen aus der Finanzmathematik a) Periodische Zahlungen: Renten und Leasing Unter einer Rente versteht man eine regelmässige und konstante Zahlung Beispiele: monatliche Krankenkassenprämie, monatliche

Mehr

Mathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.

Mathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer. Mathematik 1 Prof Dr K Melzer karinmelzer@hs-esslingende http://wwwhs-esslingende/de/mitarbeiter/karin-melzerhtml Inhaltsverzeichnis 1 Finanzmathematik 1 11 Folgen und Reihen 1 111 Folgen allgemein 1 112

Mehr

Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik)

Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik) 2 3 Klausur-Nr = Sitzplatz-Nr Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik) Klausurteil 1: Beschreibende Statistik BeStat-1 (7 ) n = 400 Personen wurden gefragt, wie viele Stück eines

Mehr

194 Beweis eines Satzes von Tschebyschef. Von P. E RDŐS in Budapest. Für den zuerst von T SCHEBYSCHEF bewiesenen Satz, laut dessen es zwischen einer natürlichen Zahl und ihrer zweifachen stets wenigstens

Mehr

Verordnung über die Kapitalausstattung von Versicherungsunternehmen (Kapitalausstattungs- Verordnung)

Verordnung über die Kapitalausstattung von Versicherungsunternehmen (Kapitalausstattungs- Verordnung) Verordnung über die Kapitalausstattung von Versicherungsunternehmen (Kapitalausstattungs- Verordnung) KapAusstV 1983 Ausfertigungsdatum: 13.12.1983 Vollzitat: "Kapitalausstattungs-Verordnung vom 13. Dezember

Mehr

1 Das Lemma von Burnside und seine Anwendungen

1 Das Lemma von Burnside und seine Anwendungen Das Lemma von Burnside und seine Anwendungen Mit dem Lemma von Burnside lassen sich Zählprobleme lösen, bei denen Symmetrien eine Rolle spielen. Betrachten wir als einführendes Beispiel die Anzahl der

Mehr

Versorgungsvorschlag für eine SofortRente

Versorgungsvorschlag für eine SofortRente Versorgungsvorschlag für eine SofortRente der Provinzial NordWest Lebensversicherung Aktiengesellschaft 12. Januar 2015 Darstellung für eine sofort beginnende Rentenversicherung wegen Pflegebedürftigkeit

Mehr

Praktische Lebensversicheru ngsmathematik

Praktische Lebensversicheru ngsmathematik Karl MichaelOrtmann Praktische Lebensversicheru ngsmathematik Mit zahlreichen Beispielen, Abbildungen und Anwendungen STUDIUM 11 VIEWEG+ TEUBNER Inhaltsverzeichnis 1 Einleitung 1 1.1 Wesen der Versicherung

Mehr

Rentenrechnung und Annuitätentilgung

Rentenrechnung und Annuitätentilgung Rentenrechnung und Annuitätentilgung Wiederholung: Zinseszinsen Es soll ein Kaital K0) von 0 e zu einem jährlichen Zinssatz a ) von 3,5 % angelegt werden Nach einem Jahr kommen zu den 0 e also Zinsen von

Mehr

Versorgungsvorschlag für eine Risikoversicherung

Versorgungsvorschlag für eine Risikoversicherung Versorgungsvorschlag für eine Risikoversicherung der Provinzial NordWest Lebensversicherung Aktiengesellschaft 08. Dezember 2014 Darstellung für eine Risikoversicherung für zwei verbundene Leben mit Umtauschrecht

Mehr

Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)

Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Eine Firma stellt USB-Sticks her. Sie werden in der Fabrik ungeprüft in Packungen zu je 20 Stück verpackt und an Händler ausgeliefert. 1 Ein Händler

Mehr

Überschussbeteiligung der Versicherungsnehmer

Überschussbeteiligung der Versicherungsnehmer Überschussbeteiligung der Versicherungsnehmer Die Sicherung der dauernden Erfüllbarkeit der Verträge mit garantierten Leistungen machen vorsichtige Annahmen bezüglich der versicherten Risiken und der Zinserwartung

Mehr

Martingale. Kapitel 6. 6.1 Martingale in diskreter Zeit. 6.1.1 Definition und Beispiele

Martingale. Kapitel 6. 6.1 Martingale in diskreter Zeit. 6.1.1 Definition und Beispiele Kapitel 6 Martingale In der Statistik modellieren Martingale z.b. Glücksspiele oder Handelsstrategien in Finanzmärkten und sind ein grundlegendes Hilfsmittel für die statistische Inferenz stochastischer

Mehr

Rekursionen (Teschl/Teschl 8.1-8.2)

Rekursionen (Teschl/Teschl 8.1-8.2) Rekursionen (Teschl/Teschl 8.1-8.2) Eine Rekursion kter Ordnung für k N ist eine Folge x 1, x 2, x 3,... deniert durch eine Rekursionsvorschrift x n = f n (x n 1,..., x n k ) für n > k, d. h. jedes Folgenglied

Mehr

Versorgungsvorschlag für eine Kapitalversicherung

Versorgungsvorschlag für eine Kapitalversicherung Versorgungsvorschlag für eine Kapitalversicherung der Provinzial NordWest Lebensversicherung Aktiengesellschaft 02. Februar 2015 Darstellung für eine BestattungsVorsorge nach Tarif 1S (Tarifwerk 2015)

Mehr

Die Kalkulation von PKV-Tarifen unter Einbeziehung des Übertragungswertes

Die Kalkulation von PKV-Tarifen unter Einbeziehung des Übertragungswertes Die Kalkulation von PKV-Tarifen unter Einbeziehung des Übertragungswertes Anna Wallner und Hans-Joachim Zwiesler Preprint Series: 2009-25 Fakultät für Mathematik und Wirtschaftswissenschaften UNIVERSITÄT

Mehr

Versorgungsvorschlag für eine Risikoversicherung

Versorgungsvorschlag für eine Risikoversicherung Versorgungsvorschlag für eine Risikoversicherung der Provinzial NordWest Lebensversicherung Aktiengesellschaft 08. Dezember 2014 Darstellung für eine Risikoversicherung mit monatlich gleichmäßig fallender

Mehr

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg Grundlagentest Ungleichungen! Testfrage: Ungleichungen 1 Die Lösungsmenge

Mehr

Berufsunfähigkeitsversicherung

Berufsunfähigkeitsversicherung Berufsunfähigkeitsversicherung 1. Was ist eine Berufsunfähigkeitsversicherung? Seit dem 1. Januar 2001 gilt ein neues "Vorschaltgesetz zur Rentenreform". Danach wurden die bisherigen gesetzlichen Berufsunfähigkeitsrenten

Mehr

Risikolebensversicherung

Risikolebensversicherung Risikolebensversicherung 1. Was ist eine Risikolebensversicherung? Mit einer Risikolebensversicherung kann das Todesfallrisiko finanziell abgesichert werden. Sollte dem Versicherungsnehmer etwas zustoßen,

Mehr

Mathematische Grundlagen der Kryptographie. 1. Ganze Zahlen 2. Kongruenzen und Restklassenringe. Stefan Brandstädter Jennifer Karstens

Mathematische Grundlagen der Kryptographie. 1. Ganze Zahlen 2. Kongruenzen und Restklassenringe. Stefan Brandstädter Jennifer Karstens Mathematische Grundlagen der Kryptographie 1. Ganze Zahlen 2. Kongruenzen und Restklassenringe Stefan Brandstädter Jennifer Karstens 18. Januar 2005 Inhaltsverzeichnis 1 Ganze Zahlen 1 1.1 Grundlagen............................

Mehr

Kurzübersicht zum Vorschlag für Herrn Max Mustermann

Kurzübersicht zum Vorschlag für Herrn Max Mustermann Kurzübersicht zum Vorschlag für Herrn Max Mustermann Auf den nachfolgenden Seiten finden Sie sämtliche Daten und Informationen zu der von Ihnen gewünschten Versorgung. Alle dabei verwendeten Begriffe,

Mehr

6.1 Grundlagen der Wahrscheinlichkeitsrechnung 6.1.1 Definitionen und Beispiele Beispiel 1 Zufallsexperiment 1,2,3,4,5,6 Elementarereignis

6.1 Grundlagen der Wahrscheinlichkeitsrechnung 6.1.1 Definitionen und Beispiele Beispiel 1 Zufallsexperiment 1,2,3,4,5,6 Elementarereignis 1 6.1 Grundlagen der Wahrscheinlichkeitsrechnung 6.1.1 Definitionen und Beispiele Spiele aus dem Alltagsleben: Würfel, Münzen, Karten,... u.s.w. sind gut geeignet die Grundlagen der Wahrscheinlichkeitsrechnung

Mehr

34 5. FINANZMATHEMATIK

34 5. FINANZMATHEMATIK 34 5. FINANZMATHEMATIK 5. Finanzmathematik 5.1. Ein einführendes Beispiel Betrachten wir eine ganz einfache Situation. Wir haben einen Markt, wo es nur erlaubt ist, heute und in einem Monat zu handeln.

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

Versicherungsmathematik (Lebens- und Pensionsversicherung) Volkert Paulsen

Versicherungsmathematik (Lebens- und Pensionsversicherung) Volkert Paulsen Versicherungsmathematik (Lebens- und Pensionsversicherung) Volkert Paulsen Inhaltsverzeichnis 1 Einleitung 3 2 Einfache Beispiele für Personenversicherungen 7 2.1 Rechnungsgrundlagen..............................

Mehr

TI-83/92 (G0010a) DERIVE (G0010b nur Teile) Anwendung von geeigneten Funktionen numerische und iterative Methoden anwenden

TI-83/92 (G0010a) DERIVE (G0010b nur Teile) Anwendung von geeigneten Funktionen numerische und iterative Methoden anwenden BspNr: G0010 Themenbereich Finanzmathematik - Rentenrechnung Ziele vorhandene Ausarbeitungen Arbeiten mit geom. Reihen TI-83/92 (G0010a) DERIVE (G0010b nur Teile) Anwendung von geeigneten Funktionen numerische

Mehr

RISIKOLEBENSVERSICHERUNG: SO SICHERN SIE IHREN IMMOBILIENKREDIT RICHTIG AB

RISIKOLEBENSVERSICHERUNG: SO SICHERN SIE IHREN IMMOBILIENKREDIT RICHTIG AB RISIKOLEBENSVERSICHERUNG: SO SICHERN SIE IHREN IMMOBILIENKREDIT RICHTIG AB MIT DER RISIKOLEBENSVERSICHERUNG EINEN IMMOBILIENKREDIT ABSICHERN: DAS SOLLTEN SIE BEACHTEN Mit einer Risikolebensversicherung

Mehr

Technische Informatik - Eine Einführung

Technische Informatik - Eine Einführung Martin-Luther-Universität Halle-Wittenberg Fachbereich Mathematik und Informatik Lehrstuhl für Technische Informatik Prof. P. Molitor Ausgabe: 2005-02-21 Abgabe: 2005-02-21 Technische Informatik - Eine

Mehr

Bisher angenommen: jeder Spieler kennt alle Teile des Spiels. - Diskontfaktor des Verhandlungspartners

Bisher angenommen: jeder Spieler kennt alle Teile des Spiels. - Diskontfaktor des Verhandlungspartners 1 KAP 15. Spiele unter unvollständiger Information Bisher angenommen: jeder Spieler kennt alle Teile des Spiels seine Gegenspieler, deren Aktionen, deren Nutzen, seinen eigenen Nutzen etc. Oft kennt man

Mehr

Modellierungskonzepte 2

Modellierungskonzepte 2 Modellierungskonzepte 2 Elke Warmuth Humboldt-Universität Berlin WS 2008/09 1 / 50 1 Pfadregeln 2 Begriff Umbewertung von Chancen Bayessche Formel 3 Verwechslungsgefahr Implizite Lotterien 2 / 50 mehrstufige

Mehr

Multiplikationstafeln

Multiplikationstafeln Multiplikationstafeln Rechenintensive Arbeiten in der Landesvermessung und Astronomie, sowie im Handel, machten es in früheren Jahrhunderten wünschenswert, höhere Rechenarten auf niedrigere zurück zu führen.

Mehr

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt!

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! 1 Einführung 2 Wahrscheinlichkeiten kurz gefasst 3 Zufallsvariablen und Verteilungen 4 Theoretische Verteilungen (Wahrscheinlichkeitsfunktion)

Mehr

Teilbarkeit von natürlichen Zahlen

Teilbarkeit von natürlichen Zahlen Teilbarkeit von natürlichen Zahlen Teilbarkeitsregeln: Die Teilbarkeitsregeln beruhen alle darauf, dass man von einer Zahl einen grossen Teil wegschneiden kann, von dem man weiss, dass er sicher durch

Mehr

RISIKOLEBENSVERSICHERUNG: DER CLEVERE RISIKOSCHUTZ

RISIKOLEBENSVERSICHERUNG: DER CLEVERE RISIKOSCHUTZ : G N U R E H IC S R E V RISIKOLEBENS D E R C LE V E R E Z T U H C S O K I S I R RISIKOLEBENSVERSICHERUNG: DER CLEVERE RISIKOSCHUTZ Mit einer Risikolebensversicherung sichern Sie Angehörige oder Geschäftspartner

Mehr