Betriebswirtschaft Entscheidungstheorie

Größe: px
Ab Seite anzeigen:

Download "Betriebswirtschaft 1. 1. Entscheidungstheorie"

Transkript

1 Betriebswirtschaft 1 Betriebswirtschaft 1 1. Entscheidungstheorie Lars Schmidt-Thieme Wirtschaftsinformatik und Maschinelles Lernen (ISMLL) Institut für Betriebswirtschaft und Wirtschaftsinformatik & Institut für Informatik Universität Hildesheim Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 1/55 Betriebswirtschaft 1 1. Das Grundmodell 2. Entscheidung unter Risiko 3. Entscheidung unter Ungewissheit 4. Entscheidung bei Zielkonflikten unter Sicherheit 5. Nutzentheorie 6. Mehrstufige Entscheidungen und Planung Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 1/55

2 Betriebswirtschaft 1 / 1. Das Grundmodell Komponenten (1/2) 1. Situationen (auch: Szenarien, Umweltlagen): unbeeinflußbar vom Entscheidungsträger: s 1, s 2,..., s n Für jede Situation s j gibt es eine Eintrittswahrscheinlichkeit: p j, j = 1,..., n I.a. setzt man voraus, daß alle möglichen Situationen erfaßt sind; dann: n p j = 1 j=1 2. Ziele: festgelegt vom Entscheidungsträger: z 1, z 2,..., z k Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 1/55 Betriebswirtschaft 1 / 1. Das Grundmodell Komponenten (2/2) 3. (Handlungs-)Alternativen: wählbar vom Entscheidungsträger: a 1, a 2,..., a m I.a. setzt man voraus, (i) daß es nur endlich viele diskrete Alternativen gibt und (ii) daß alle möglichen Alternativen bekannt sind. 4. Ergebnisse: für (a) jede Situation s j, (b) jede Alternative a i und (c) jedes Ziel z h ein Ergebnis e h i,j, i = 1,..., m, j = 1,..., n, h = 1,..., k Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 2/55

3 Betriebswirtschaft 1 / 1. Das Grundmodell Ergebnismatrix Für Entscheidungsprobleme mit nur einem Ziel (k = 1) gibt es n m viele Ergebnisse e i,j := e 1 i,j die man üblicherweise in einer Ergebnismatrix zusammenfaßt: E := (e i,j ) i=1,...,m,j=1,...,n = e 1,1 e 1,2... e 1,n e 2,1. e 2,2... e 2,n.... e m,1 e 1,2... e m,n Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 3/55 Betriebswirtschaft 1 / 1. Das Grundmodell Entscheidungsproblem in Tabellenform Für Entscheidungsprobleme mit nur einem Ziel (k = 1) kann man alle Komponenten auch in einer Tabelle zusammenstellen: s 1 s 2... s n p 1 p 2... p n a 1 e 1,1 e 1,2... e 1,n a 2. e 2,1. e 2,2... e 2,n.... a m e m,1 e 1,2... e m,n Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 4/55

4 Betriebswirtschaft 1 / 1. Das Grundmodell Beispiel: Erneuerung des Maschinenparks [DS05] 1. Situationen: s 1 Rezession (p 1 = 0, 1), s 2 Stagnation (p 2 = 0, 2), s 3 langsames Wachstum (p 3 = 0, 5), s 4 beschleunigstes Wachstum (p 4 = 0, 2). 2. Ziele: z 1 Umsatzmaximierung. 3. Alternativen: a 1 Ersatzinvestition, a 2 Erweiterungsinvestition, a 3 Rationalisierungsinvestition. a 4 Ersatzinvestition Variante Ergebnisse: s 1 s 2 s 3 s 4 0, 1 0, 2 0, 5 0, 2 a a a a Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 5/55 Betriebswirtschaft 1 / 1. Das Grundmodell Ineffizienze Alternativen Eine Alternative a q dominiert eine Alternative a i, falls 1. sie für alle Situationen mindestens die gleichen Ergebnisse hervorbringt wie a i : und e q,j e i,j für alle j = 1,..., n 2. für mindestens eine Situation echt größere Ergebnisse hervorbringt als a i : e q,j > e i,j für mindestens ein j {1,..., n} Eine Alternative a i heißt effizient, wenn sie von keiner Alternative dominiert wird, sonst ineffizient. Ineffiziente Alternativen können ohne Schaden gestrichen werden. s 1 s 2 s 3 s 4 0, 1 0, 2 0, 5 0, 2 a a a a Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 6/55

5 Betriebswirtschaft 1 / 1. Das Grundmodell Entscheidungssituationen 1. Entscheidung unter Sicherheit: die eintretende Situation ist bekannt (deterministisches Entscheidungsproblem). 2. Entscheidung unter Risiko: für die möglichen Situationen sind nur ihre Eintrittswahrscheinlichkeiten bekannt (stochastisches Entscheidungsproblem). 3. Entscheidung unter Ungewissweit: es sind alle möglichen Situationen bekannt, nicht aber ihre Eintrittswahrscheinlichkeiten. Entscheidung unter Unsicherheit: Sammelbegriff für Entscheidung unter Risiko unt Entscheidung unter Ungewissweit. Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 7/55 Betriebswirtschaft 1 / 1. Das Grundmodell Entscheidung unter Sicherheit und mit einem Ziel s 1 s 2 s 3 s 4 0, 1 0, 2 0, 5 0, 2 a a a Wenn wir wissen, daß Situation 4 eintritt: wähle Alternative... Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 8/55

6 Betriebswirtschaft 1 / 1. Das Grundmodell Entscheidung unter Sicherheit und mit einem Ziel s 1 s 2 s 3 s 4 0, 1 0, 2 0, 5 0, 2 a a a Wenn wir wissen, daß Situation 4 eintritt: wähle Alternative a 3 mit Ergebnis 5 (besser als die beiden anderen Alternativen). Einkriterielle Entscheidungsprobleme unter Sicherheit (mit endlichen Alternativenmengen) sind trivial! Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 8/55 Betriebswirtschaft 1 1. Das Grundmodell 2. Entscheidung unter Risiko 3. Entscheidung unter Ungewissheit 4. Entscheidung bei Zielkonflikten unter Sicherheit 5. Nutzentheorie 6. Mehrstufige Entscheidungen und Planung Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 9/55

7 Betriebswirtschaft 1 / 2. Entscheidung unter Risiko Zufallsprozesse Bezeichne X das Ergebnis eines numerischen Zufallsprozesses, z.b. Würfeln: X {1, 2,..., 6} VW-Aktienkurs: X R + 0 Ergebnis des Eintretens einer Situation bei Wahl von Alternative a 1 : X {2, 3, 5, 7} X X time time X wird als Zufallsvariable bezeichnet. Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 9/55 Betriebswirtschaft 1 / 2. Entscheidung unter Risiko Wahrscheinlichkeitsverteilungen Ein Zufallsprozeß wird durch eine Wahrscheinlichkeitsverteilung beschrieben. Für endliche Ergebnismengen Ω: p : Ω [0, 1] mit x Ω p(x) = 1 z.b. Würfeln: Ω := {1, 2,..., 6} x p(x) Ergebnis des Eintretens einer Situation bei Wahl von Alternative a 1 : Ω := {2, 3, 5, 7} x p(x) p(x) beschreibt, wie häufig X den Wert x annimmt ( im Mittel ; bei beliebig häufigem Ziehen). Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 10/55

8 Betriebswirtschaft 1 / 2. Entscheidung unter Risiko Stichproben; Mittelwerte Stichprobe: n Realisierungen einer Zufallsvariable X, die x 1, x 2,..., x n, 1. unabhängig voneinander gezogen worden sind und 2. aus der gleichen Verteilung gezogen worden sind. (Man sagt auch: die Verteilung ist stationär, d.h., hängt nicht von der Zeit / dem Index ab.) Mittelwert: x(x 1,..., x n ) := x 1 + x x n n = 1 n Der Mittelwert x gibt den mittleren Wert der Ereignisse einer Stichprobe an. n i=1 x i Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 11/55 Betriebswirtschaft 1 / 2. Entscheidung unter Risiko Erwartungswert: Erwartungswert und Varianz von Verteilungen µ(x) := p 1 x 1 + p 2 x p n x n = x Ω p(x) x Der Erwartungswert µ(x) beschreibt den Mittelwert von Stichproben ( im Mittel ; für beliebig große Stichproben; µ = gr. m ; sprich mü ). Varianz: σ 2 (X) := x Ω p(x) (x µ(x)) 2 Standardabweichung: σ(x) := p(x) (x µ(x)) 2 x Ω Die Varianz σ 2 (X) beschreibt die Variabilität der Werte von Ereignissen ( im Mittel ; für beliebig große Stichproben; σ = gr. s ; sprich sigma ). Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 12/55

9 Betriebswirtschaft 1 / 2. Entscheidung unter Risiko Einfache Entscheidungsregeln (1/2) s 1 s 2 s 3 s 4 µ σ 0, 1 0, 2 0, 5 0, 2 a , 3 1, 90 a , 5 0, 92 a , 0 1, 55 µ-regel: wähle die Alternative a i mit dem größten Erwartungswert. Maximierung des Ergebnisses im Mittel. Hier: a 1. σ-regel: wähle die Alternative a i mit der kleinsten Standardabweichung. Minimierung der Variabilität im Mittel. Hier: a 2. Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 13/55 Betriebswirtschaft 1 / 2. Entscheidung unter Risiko Semivarianz Oft werden nur Abweichungen vom Erwartungswert nach unten als negativ eingestuft. Dann kann man statt der Varianz auch die sogenannte Semivarianz verwenden: ρ 2 (X) := x Ω p(x) (max{0, µ(x) x}) 2 Die Semivarianz mißt die Variabilität nach unten (semi = gr. halb ; ρ = gr. r, sprich rho ). Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 14/55

10 Betriebswirtschaft 1 / 2. Entscheidung unter Risiko Einfache Entscheidungsregeln (2/2) s 1 s 2 s 3 s 4 µ σ ρ 0, 1 0, 2 0, 5 0, 2 a , 3 1, 90 1, 47 a , 5 0, 92 0, 71 a , 0 1, 55 0, 77 ρ-regel: wähle die Alternative a i mit der kleinsten Semivarianz. Minimierung der Variabilität nach unten im Mittel. Hier: a 2. Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 15/55 Betriebswirtschaft 1 / 2. Entscheidung unter Risiko Einfache Entscheidungsregeln (3/3) s 1 s 2 s 3 s 4 µ σ ρ Φ = µ σ 0, 1 0, 2 0, 5 0, 2 a , 3 1, 90 1, 47 3, 4 a , 5 0, 92 0, 71 3, 58 a , 0 1, 55 0, 77 3, 45 (µ, σ)-regel: wähle die Alternative a i mit dem größten Wert der Präferenzfunktion Φ(µ, σ) Maximierung der Präferenz, die von Erwartungswert und Varianz abhängt. (µ, ρ)-regel: wähle die Alternative a i mit dem größten Wert der Präferenzfunktion Φ(µ, ρ) Maximierung der Präferenz, die von Erwartungswert und Semivarianz abhängt. Das Ergebnis hängt von der konkreten Gestalt der Präferenzfunktion Φ ab! Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 16/55

11 Betriebswirtschaft 1 / 2. Entscheidung unter Risiko Präferenzfunktionen Φ Üblicherweise gilt für Präferenzfunktionen: Je größer der Erwartungswert, desto größer die Präferenz: Φ µ > 0 Risikofreude: Je größer σ, desto größer Φ. Z.B.: Φ σ > 0 Φ(µ, σ) =µ + σ Φ(µ, σ) =3µ σ Risikoneutralität: Änderungen von σ haben keinen Einfluß auf Φ. Φ σ = 0 Z.B.: Φ(µ, σ) =µ Risikoaversion: Je größer σ, desto kleiner Φ. Φ σ < 0 Z.B.: Φ(µ, σ) =µ σ Φ(µ, σ) =2µ σ Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 17/55 Betriebswirtschaft 1 / 2. Entscheidung unter Risiko Präferenzfunktionen Φ [DS05] Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 18/55

12 Betriebswirtschaft 1 / 2. Entscheidung unter Risiko Beispiel: der Bratwurst-Stand (1/3) Bratwurst-Verkaufsstand auf einem Wochenmarkt. Bratwürste müssen vorher gekauft werden, können nicht gelagert oder zurückgegeben werden. Einkaufspreis pro Stück: 0,50. Verkaufspreis pro Stück: 1,50. Anzahl der Gäste: unsicher, abhängig vom Wetter: 50 bei Regen, 100 bei Bewölkung, 300 bei Sonne. Wetterdienst am Vorabend: 10% Regen, 40% Bewölkung, 50% Sonne. Entscheidungsfrage (jede Woche!): Wie viele Bratwürste sollen eingekauft werden? Ein Bratwurst-Verkaufsstand als Entscheidungs-Problem Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 19/55 Bratwurst-Verkaufsstand auf einem Sommerfest Betriebswirtschaft 1 Bratwürste / 2. Entscheidung müssen unter vorher Risiko gekauft werden und können nicht zurückgegeben werden Einkaufspreis Beispiel: pro Stück: der Bratwurst-Stand 0,50 (2/3) Anzahl der Gäste: unsicher, abhängig vom Wetter Verkaufspreis pro Stück: 1,50 Frage: Wie viele Bratwürste sollen eingekauft werden? 10% 40% 50% p 1 = 0, 1 p 2 = 0, 4 p 3 = 0, 5 Entscheidungstabelle Situation Situation 1: Situation 2: Situation 3: Aktion (Mögl. Absatz: 50 BW) (Mögl. Absatz: 100 BW) (Mögl. Absatz: 300 BW) Aktion 1: Kaufe 100 Bratwürste Kosten: 50 Einnahmen: 75 Gewinn: 25 Kosten: 50 Einnahmen: 150 Gewinn: 100 Kosten: 50 Einnahmen: 150 Gewinn: 100 Aktion 2: Kaufe 300 Bratwürste Kosten: 150 Einnahmen: 75 Gewinn: -75 Kosten: 150 Einnahmen: 150 Gewinn: 0 Kosten: 150 Einnahmen: 450 Gewinn: 300 Beispiele für Entscheidungsregeln: Wie kann der maximale Gewinn erzielt werden? [Amb06] Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 20/55

13 Betriebswirtschaft 1 / 2. Entscheidung unter Risiko Beispiel: der Bratwurst-Stand (3/3) Woche Wetter Aktion Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 21/55 Betriebswirtschaft 1 / 2. Entscheidung unter Risiko Beispiel: der Bratwurst-Stand (3/3) Woche Wetter Aktion Aktion Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 21/55

14 Betriebswirtschaft 1 1. Das Grundmodell 2. Entscheidung unter Risiko 3. Entscheidung unter Ungewissheit 4. Entscheidung bei Zielkonflikten unter Sicherheit 5. Nutzentheorie 6. Mehrstufige Entscheidungen und Planung Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 22/55 Betriebswirtschaft 1 / 3. Entscheidung unter Ungewissheit Einfache Entscheidungsregeln (1/3) s 1 s 2 s 3 s 4 max min???? a a a a Maximax-Regel: bewerte jede Alternative mit ihrem möglichen Höchstgewinn: Φ(a i ) := max j=1,...,m e i,j Wähle die Alternative a i mit dem größten Höchstgewinn. Maximierung des möglichen Höchstgewinns. Maximin-Regel: bewerte jede Alternative mit ihrem garantierten Mindestgewinn: Φ(a i ) := min j=1,...,m e i,j Wähle die Alternative a i mit dem größten Mindestgewinn. Maximierung des Mindestergebnisses. Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 22/55

15 Betriebswirtschaft 1 / 3. Entscheidung unter Ungewissheit Einfache Entscheidungsregeln (2/3) s 1 s 2 s 3 s 4 max min Hur. Lapl.???? a a , 75 a , 5 a , 5 5 Hurwicz-Regel: bewerte jede Alternative mit einer Linearkombination von möglichem Höchst- und garantiertem Mindestgewinn: Φ(a i ) := λ max e i,j +(1 λ) j=1,...,m λ [0, 1] heißt Optimismusparameter min j=1,...,m e i,j Laplace-Regel: bewerte jede Alternative mit ihrem Erwartungswert unter der Annahme, daß alle Situationen gleichwahrscheinlich sind: Φ(a i ) := n j=1 1 n e i,j Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 23/55 Betriebswirtschaft 1 / 3. Entscheidung unter Ungewissheit Laplace und Hurwicz Pierre-Simon Laplace ( ) French mathematician and astronomer. Leonid Hurwicz (*1917 ) American economist and mathematician. Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 24/55

16 Betriebswirtschaft 1 / 3. Entscheidung unter Ungewissheit Einfache Entscheidungsregeln (3/3) s 1 s 2 s 3 s 4 max min Hur. Lapl.???? a a , 75 a , 5 a , 5 5 Ergebnismatrix e i,j. Regretmatrix r i,j. s 1 s 2 s 3 s 4 max???? a a a a Regret- oder Savage-Niehans-Regel: bewerte in jeder Situation jede Alternative mit dem entgangenen Gewinn, der durch Wahl einer besseren Alternative erzielt hätte werden können (regret): Bewerte jede Alternative mit ihrem maximalen Regret: Φ(a i ) := max j=1,...,m r i,j Wähle die Alternative mit dem kleinsten maximalen Regret. r i,j := max i =1,...,n e i,j e i,j Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 25/55 Betriebswirtschaft 1 1. Das Grundmodell 2. Entscheidung unter Risiko 3. Entscheidung unter Ungewissheit 4. Entscheidung bei Zielkonflikten unter Sicherheit 5. Nutzentheorie 6. Mehrstufige Entscheidungen und Planung Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 26/55

17 Betriebswirtschaft 1 / 4. Entscheidung bei Zielkonflikten unter Sicherheit Zielerreichungsgrade Verschiedene Ziele: z 1, z 2,..., z k Jede Alternative a i führt bzgl. jeden Zieles z h zu einem Ergebnis e h i (unter Sicherheit ist die eintretende Situation s j bekannt und nur sie relevant). Oft wird dieses Ergebnis in Bezug zu einem gewünschten oder zum bestmöglichen Ergebnis gesetzt (Zielerreichungsgrad): ẽ h g h i := eh i ẽ h Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 26/55 Betriebswirtschaft 1 / 4. Entscheidung bei Zielkonflikten unter Sicherheit Beispiel Vollständige Ergebnismatrix (2 Situationen, 4 Ziele, 5 Alternativen): Matrix mit Zielerreichungsgraden: s 1 (p 1 = 0.3) s 2 (p 2 = 0.7) z 1 z 2 z 3 z 4 z 1 z 2 z 3 z 4 a a a a a s 1 z 1 z 2 z 3 z 4 a 1 0, 14 1, 00 0, 63 0, 30 a 2 0, 29 0, 75 1, 00 0, 40 a 3 0, 14 1, 00 0, 63 0, 85 a 4 0, 57 0, 00 0, 00 1, 00 a 5 1, 00 0, 50 0, 75 0, 40 Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 27/55

18 Betriebswirtschaft 1 / 4. Entscheidung bei Zielkonflikten unter Sicherheit Beziehungen zwischen verschiedenen Zielen Komplementarität: Je größer z h, desto größer z p. Indifferenz: Änderungen von z h haben keinen Einfluß auf z p. Konkurrenz: Je größer z h, desto kleiner z p (und umgekehrt). [DS05] Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 28/55 Betriebswirtschaft 1 / 4. Entscheidung bei Zielkonflikten unter Sicherheit Ineffizienze Alternativen Eine Alternative a q dominiert eine Alternative a i, falls 1. sie für alle Ziele mindestens die gleichen Ergebnisse hervorbringt wie a i : und e h q e h i für alle h = 1,..., k 2. für mindestens ein Ziel echt größere Ergebnisse hervorbringt als a i : e h q > e h i für mindestens ein h {1,..., k} Eine Alternative a i heißt effizient, wenn sie von keiner Alternative dominiert wird, sonst ineffizient. Ineffiziente Alternativen können ohne Schaden gestrichen werden. s 1 z 1 z 2 z 3 z 4 a 1 0, 14 1, 00 0, 63 0, 30 a 2 0, 29 0, 75 1, 00 0, 40 a 3 0, 14 1, 00 0, 63 0, 85 a 4 0, 57 0, 00 0, 00 1, 00 a 5 1, 00 0, 50 0, 75 0, 40 Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 29/55

19 Betriebswirtschaft 1 / 4. Entscheidung bei Zielkonflikten unter Sicherheit Hierarchische Ziele Ziele können hierarchisch geordnet sein (lineare Ordnung), z.b. wobei erst z (1), dann z (2), dann z (3), dann z (4) erst z 2, dann z 1, dann z 3, dann z 4 1. erstgenannte Ziele vorrangig optimiert werden sollen, 2. später genannte Ziele nur, soweit sie den vorher genannten nicht schaden. 1. Finde alle Alternativen A 1, die bzgl. z (1) optimal sind. 2. Finde unter den Alternativen A 1 diejenigen Alternativen A 2, die bzgl. z (2) optimal sind.. k. Finde unter den Alternativen A k 1 diejenigen Alternativen A k, die bzgl. z (k) optimal sind. s 1 z 1 z 2 z 3 z 4 a 1 0, 14 1, 00 0, 63 0, 30 a 2 0, 29 0, 75 1, 00 0, 40 a 3 0, 14 1, 00 0, 63 0, 85 a 4 0, 57 0, 00 0, 00 1, 00 a 5 1, 00 0, 50 0, 75 0, 40 Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 30/55 Betriebswirtschaft 1 / 4. Entscheidung bei Zielkonflikten unter Sicherheit Ziele können auch in Zieldominanz 1. ein dominierendes Hauptziel und 2. Nebenziele (auch: satisfizierende Ziele), für die ein Mindest-Anspruchsniveau festgelegt wird, unterschieden werden, z.b. 1. Hauptziel: z 2 2. Nebenziele: e 1 i 0, 21, e 3 i 0, 68, e 4 i 0, Finde alle Alternativen A, die die Mindest-Anspruchniveaus aller Nebenziele erfüllen. 2. Finde unter den Alternativen A diejenigen Alternativen, die bzgl. des Hauptzieles optimal sind. s 1 z 1 z 2 z 3 z 4 a 1 0, 14 1, 00 0, 63 0, 30 a 2 0, 29 0, 75 1, 00 0, 40 a 3 0, 14 1, 00 0, 63 0, 85 a 4 0, 57 0, 00 0, 00 1, 00 a 5 1, 00 0, 50 0, 75 0, 40 Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 31/55

20 Betriebswirtschaft 1 / 4. Entscheidung bei Zielkonflikten unter Sicherheit Zielgewichtung Ziele können auch gewichtet kombiniert werden: k Φ(a i ) := λ 1 e 1 i + λ 2 e 2 i λ k e k i = λ h e h i h=1 wobei üblicherweise k λ h 0 für alle h = 1,..., k und λ h = 1 h=1 Die Wahl der Gewichte ist anwendungsabhängig. s 1 z 1 z 2 z 3 z 4 Φ λ 0, 3 0, 4 0, 1 0, 2 a , 4 a , 6 a , 6 a , 4 a , 8 Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 32/55 Betriebswirtschaft 1 / 4. Entscheidung bei Zielkonflikten unter Sicherheit Goal-Programming Man gibt für jedes Ziel ein gewünschtes Ergebnis ẽ h für alle h = 1,..., k vor und sucht nach der Alternative, deren Ergebnisse bzgl. aller Ziele von den gewünschten Ergebnissen am wenigsten abweicht, z.b. k Ψ(a i ) := ẽ h e h i h=1 Es gibt viele verschiedene Fehlermaße Ψ. s 1 z 1 z 2 z 3 z 4 Ψ a a a a a e h Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 33/55

21 Betriebswirtschaft 1 1. Das Grundmodell 2. Entscheidung unter Risiko 3. Entscheidung unter Ungewissheit 4. Entscheidung bei Zielkonflikten unter Sicherheit 5. Nutzentheorie 6. Mehrstufige Entscheidungen und Planung Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 34/55 Betriebswirtschaft 1 / 5. Nutzentheorie Nutzen Es gibt Ziele, die sich per se schlecht quantifizieren lassen, Bsp.: Kundenzufriedenheit, subjektiver Nutzen. Auch für quantifizierbare Ziele ist nicht immer sichergestellt, daß der gleiche Zuwachs in Einheiten des Ziels stets den gleichen Nutzen hat, Bsp.: Nutzenzuwachs von Gewinn statt Gewinn vermutlich höher als Nutzenzuwachs von Gewinn statt Gewinn Messe nicht nur Ergebnisse e h i der jeweiligen Ergebnisse. direkt, sondern auch Nutzen u(e h i ) Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 33/55

22 Betriebswirtschaft 1 / 5. Nutzentheorie Verläufe von Nutzenfunktionen Lineare Nutzenfunktion Konkave Nutzenfunktion u u e e Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 33/55 Betriebswirtschaft 1 / 5. Nutzentheorie Nutzenfunktion bestimmen / Sicherheit und ein Ziel Halbierungsmethode: setze den Nutzen des schlechtesten Ergebnisses auf 0: u(e schlechtestes ) := 0 setze den Nutzen des besten Ergebnisses auf 1: u(e bestes ) := 1 für zwei Ergebnisse e und f mit bekanntem Nutzen u(e) < u(f), frage den Entscheider nach dem Ergebniswert e, so daß genauso hoch ist wie der Nutzen von e statt e der Nutzen von f statt e. und setze den Nutzen von e auf den Mittelwert: u(e u(e) + u(f) ) := 2 Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 34/55

23 Betriebswirtschaft 1 / 5. Nutzentheorie Nutzenfunktion bestimmen / Sicherheit und ein Ziel / Beispiel Entscheidungsproblem: Länge von Annas Karibikurlaub: mindestens 10 Tage wg. langem Flug, höchstens 20 Tage wg. begrenztem Budget: u(10 Tage) = 0, u(20 Tage) = 1 Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 35/55 Betriebswirtschaft 1 / 5. Nutzentheorie Nutzenfunktion bestimmen / Sicherheit und ein Ziel / Beispiel Entscheidungsproblem: Länge von Annas Karibikurlaub: mindestens 10 Tage wg. langem Flug, höchstens 20 Tage wg. begrenztem Budget: u(10 Tage) = 0, u(20 Tage) = 1 Frage Anna: Auf wieviele Tage müsste ein Urlaub von 10 Tagen verlängert werden, so daß die Verlängerung genauso nützlich für dich wäre wie eine Verlängerung von 10 plus diesen Tagen auf 20 Tage? Anna: 13 Tage statt 10 Tage haben für mich den gleichen Nutzenzuwachs wie 20 Tage statt 13 Tage. u(13 Tage) = 0, 5 Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 35/55

24 Betriebswirtschaft 1 / 5. Nutzentheorie Nutzenfunktion bestimmen / Sicherheit und ein Ziel / Beispiel Entscheidungsproblem: Länge von Annas Karibikurlaub: mindestens 10 Tage wg. langem Flug, höchstens 20 Tage wg. begrenztem Budget: u(10 Tage) = 0, u(20 Tage) = 1 Frage Anna: Auf wieviele Tage müsste ein Urlaub von 10 Tagen verlängert werden, so daß die Verlängerung genauso nützlich für dich wäre wie eine Verlängerung von 10 plus diesen Tagen auf 20 Tage? Anna: 13 Tage statt 10 Tage haben für mich den gleichen Nutzenzuwachs wie 20 Tage statt 13 Tage. u(13 Tage) = 0, 5 Frage Anna: x statt 10 genausogut wie 13 statt x? etc. u(11, 2 Tage) = 0, 25, u(15, 5 Tage) = 0, 75 Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 35/55 Betriebswirtschaft 1 / 5. Nutzentheorie Nutzenfunktion bestimmen / Sicherheit und ein Ziel / Beispiel [DS05] Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 35/55

25 Betriebswirtschaft 1 / 5. Nutzentheorie Nutzenfunktion bestimmen / Sicherheit und mehrere Ziele Drei Schritte: 1. Wähle Ziele aus, so daß sie paarweise unabhängig und quantifizierbar sind. 2. Bestimme für alle Ziele Zielgewichte λ 1, λ 2,..., λ k 3. Bestimme für jedes Ziel z h separat eine Nutzenfunktion u h. Dann berechne den Nutzen bzgl. aller Ziele via u(a i ) := u(e 1 i, e 2 i,..., e k i ) := k λ h u h (e h i ) h=1 Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 36/55 Betriebswirtschaft 1 / 5. Nutzentheorie Nutzenfunktion bestimmen / Sicherheit und mehrere Ziele / Beispiel Bertas Urlaub: Mögliche Dauer: Tage. Mögliche Orte: Karibik: sicher sonnig, Mittelmeer: voraussichtlich sonnig, Nordsee: eher nicht sonnig. Ziele: 1. möglichst lange, 2. möglichst sonnig. Alternativen: Tage Karibik, Tage Mittelmeer, Tage Nordsee. Zielgewichte: Nutzenfunktionen: λ Dauer := 4, λ sonnig := 6 für das Ziel Dauer: wie Annas Nutzenfunktion. für das Ziel sonnig: u 2 (sicher sonnig) := 1, u 2 (vorauss. sonnig) := 0, 8, u 2 (nicht sonnig) := 0 Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 37/55

26 Betriebswirtschaft 1 / 5. Nutzentheorie Nutzenfunktion bestimmen / Sicherheit und mehrere Ziele / Beispiel Bertas Urlaub: Zielgewichte: Nutzenfunktionen: λ Dauer := 4, λ sonnig := 6 für das Ziel Dauer: wie Annas Nutzenfunktion. für das Ziel sonnig: u 2 (sicher sonnig) := 1, u 2 (vorauss. sonnig) := 0, 8, u 2 (nicht sonnig) := 0 Nutzen der drei Alternativen: 10 Tage Karibik: u(10 Tage Karibik) = 4 u 1 (10 Tage) + 6 u 2 (sonnig) = 6 13 Tage Mittelmeer: u(13 Tage Mittelmeer) = 4 u 1 (13 Tage) + 6 u 2 (vorauss. sonnig) = 6, 8 20 Tage Nordsee: u(20 Tage Nordsee) = 4 u 1 (20 Tage) + 6 u 2 (nicht sonnig) = 4 Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 38/55 Betriebswirtschaft 1 / 5. Nutzentheorie Nutzenfunktion bestimmen / Sicherheit und mehrere Ziele / Zielgewichte Methoden zur Bestimmung der Zielgewichte: Verteilungsmethode: Arrangiere Ziele in einer Zielhierarchie. Weise dem obersten Ziel eine Punktzahl zu (z.b. 100 Punkte oder Gewicht 1,0). Beim obersten Ziel beginnend, verteile die Punkte eines Ziels auf seine Unterziele. Paarweise Vergleiche: Bilde alle möglichen Paare von Zielen und frage den Entscheider, welches der beiden Ziele ihm jeweils wichtiger ist. Das Zielgewicht eines Ziels ist dann die Anzahl der Paare, in denen es einem anderen Ziel vorgezogen wird. Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 39/55

27 Betriebswirtschaft 1 / 5. Nutzentheorie Nutzenfunktion bestimmen / Sicherheit und mehrere Ziele / Zielgewichte Schöner Urlaub λ=1,0 Dauer Umwelt Aktivitäten sonnig unverschmutzt Bademöglichkeiten Nachtleben Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 40/55 Betriebswirtschaft 1 / 5. Nutzentheorie Nutzenfunktion bestimmen / Sicherheit und mehrere Ziele / Zielgewichte Schöner Urlaub λ=1,0 Dauer Umwelt Aktivitäten λ=0,3 λ=0,2 λ=0,5 sonnig unverschmutzt Bademöglichkeiten Nachtleben Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 40/55

28 Betriebswirtschaft 1 / 5. Nutzentheorie Nutzenfunktion bestimmen / Sicherheit und mehrere Ziele / Zielgewichte Schöner Urlaub λ=1,0 Dauer Umwelt Aktivitäten λ=0,3 λ=0,2 λ=0,5 sonnig unverschmutzt Bademöglichkeiten λ=0,1 λ=0,1 λ=0,1 Nachtleben λ=0,4 Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 40/55 Betriebswirtschaft 1 / 5. Nutzentheorie Nutzenfunktion bestimmen / Sicherheit und mehrere Ziele / Zielgewichte Ist das Ziel in der Zeile wichtiger als das Ziel in der Spalte? Dauer sonnig unverschmutzt Baden Nachtleben Dauer nein ja nein ja sonnig ja ja ja unverschmutzt ja nein Baden nein Nachtleben Insgesamt k(k 1) 2 = 10 paarweise Vergleiche von k = 5 Zielen. λ Dauer = 2 10 = 0, 2 λ sonnig = 4 10 = 0, 4 λ Baden = 1 10 = 0, 1 λ Nachtleben = 2 10 = 0, 2 λ unverschmutzt = 1 10 = 0, 1 Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 41/55

29 Betriebswirtschaft 1 / 5. Nutzentheorie Nutzenfunktion bestimmen / Unsicherheit Beispiel: Gebäude gegen Brandschäden versichern. Alternativen: a 1 : Versicherung abschließen (Prämie P bezahlen). a 2 : Versicherung nicht abschließen. Situationen: s 1 : Brand mit Totalschaden (20 M bezahlen) s 2 : kein Brand. s 1 s 2 p 1 = 0, 0001 p 1 = 0, 9999 a 1 P P a 2 20M 0 Wert der Prämie P aus Sicht der Versicherung: µ(a 2 ) = 20M 0, , 9999 = 2000 Prämie z.b Aus Sicht des Versicherungsnehmers: meistens Abschluß, obwohl es sich allein vom Erwartungswert nicht rechnet! Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 42/55 Betriebswirtschaft 1 / 5. Nutzentheorie Nutzenfunktion bestimmen / Unsicherheit St. Petersburger Spiel: Einsatz: x GE. Münze wird so lange geworfen, bis Zahl oben ist (n-ter Wurf). Auszahlung: 2 n GE. Beispiele: Würfe Auszahlung Zahl 2 GE Wappen, Zahl 4 GE Wappen, Wappen, Zahl 8 GE Wappen, Wappen, Wappen, Wappen, Wappen, Zahl 64 GE Welchen Betrag x wollen Sie setzen? Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 43/55

30 Betriebswirtschaft 1 / 5. Nutzentheorie Nutzenfunktion bestimmen / Unsicherheit St. Petersburger Spiel: Erwartungswert: n n... p 1/2 1/4 1/8... 1/2 n... Auszahlung n... µ = = Bernoulli: die meisten Personen setzen aber nur 10 GE. Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 44/55 Betriebswirtschaft 1 / 5. Nutzentheorie Nutzenfunktion bestimmen / Unsicherheit / Bernoulli-Prinzip Bernoulli-Prinzip: Es gibt eine (Risiko-)Nutzenfunktion u : R R die jedem Ergebnis e i,j einen Nutzen u(e i,j ) zuordnet. Entscheidungen werden dann nicht anhand des Erwartungswertes der Ergebnisse, n µ(a i ) := p j e i,j sondern anhand j=1 gefällt. des Erwartungswertes der Nutzenwerte n Eu(a i ) := p j u(e i,j ) j=1 Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 45/55

31 Betriebswirtschaft 1 / 5. Nutzentheorie Nutzenfunktion bestimmen / Unsicherheit Vergleiche zwei Aktionen: a 1 : Aktion mit sicherer Auszahlung v. a 2 : Aktion mit Auszahlung (Basis-Referenz-)Lotterie. x, mit Wahrscheinlichkeit 1 p y, mit Wahrscheinlichkeit p Ist ein Entscheider indifferent zwischen den beiden Aktionen, heißt v das Sicherheitsäquivalent der Lotterie (x; 1 p y; p). Je nach Risikofreudigkeit bzw. Aversion ist das Sicherheitsäquivalent größer bzw. kleiner als der Erwartungswert der Lotterie µ(a 2 ) = (1 p) x + p y Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 46/55 Betriebswirtschaft 1 / 5. Nutzentheorie Nutzenfunktion bestimmen / Unsicherheit Mittelwert-Kettungs-Methode: 1. Setze für den kleinst-möglichen Ertrag x und den größt-möglichen Ertrag y: u(x) := 0, u(y) := 1 2. Frage den Entscheider nach dem Sicherheitsäquivalent v der Lotterie (x; 0, 5 y; 0, 5) und setze u(v) := 0, Frage den Entscheider sukzessive nach dem Sicherheitsäquivalent v der von Lotterien (e; 0, 5 f; 0, 5) mit Ergebnissen e und f mit bekannten Nutzenwerten und setze u(v) := 0, 5 u(e) + 0, 5 u(f) Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 47/55

32 Betriebswirtschaft 1 / 5. Nutzentheorie Nutzenfunktion bestimmen / Unsicherheit St. Petersburger Spiel mit maximaler Auszahlung 2 10 = 1024 GE: u(2) := 0, u(1024) := 1 Welches Sicherheitsäquivalent hat für dich die Lotterie (2; 0, ; 0, 5)? Anna: 700 GE. Welches Sicherheitsäquivalent hat für dich die Lotterie (2; 0, 5 700; 0, 5)? Anna: 400 GE. Welches Sicherheitsäquivalent hat für dich die Lotterie (700; 0, ; 0, 5)? Anna: 950 GE. Welches Sicherheitsäquivalent hat für dich die Lotterie (2; 0, ; 0, 5)? Berta: 350 GE. Welches Sicherheitsäquivalent hat für dich die Lotterie (2; 0, 5 350; 0, 5)? Berta: 150 GE. Welches Sicherheitsäquivalent hat für dich die Lotterie (350; 0, ; 0, 5)? Berta: 600 GE. Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 48/55 Betriebswirtschaft 1 / 5. Nutzentheorie Nutzenfunktion bestimmen / Unsicherheit u Anna Berta e Anna ist risikofreudig, Berta ist risikoavers. Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 49/55

33 Betriebswirtschaft 1 / 5. Nutzentheorie Nutzenfunktion bestimmen / Unsicherheit [DS05] Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 50/55 Betriebswirtschaft 1 1. Das Grundmodell 2. Entscheidung unter Risiko 3. Entscheidung unter Ungewissheit 4. Entscheidung bei Zielkonflikten unter Sicherheit 5. Nutzentheorie 6. Mehrstufige Entscheidungen und Planung Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 51/55

34 Betriebswirtschaft 1 / 6. Mehrstufige Entscheidungen und Planung Statische und Dynamische Entscheidungsprobleme statisch: eine Entscheidung ist einmalig zu fällen bzw. die Situationen, Eintrittswahrscheinlichkeiten und Alternativen sind festgelegt. dynamisch: eine Entscheidung ist mehrmals zu fällen und Situationen, Eintrittswahrscheinlichkeiten oder Alternativen können sich von Mal zu Mal ändern. Planungszeitraum: Perioden t = 1,..., T. Gesucht: Entscheidungsfolge a 1, a 2,..., n T (Politik), so daß erwarteter Ertrag maximal ist: e := T e t, t=1 e t = Ertrag in Periode t Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 51/55 Betriebswirtschaft 1 / 6. Mehrstufige Entscheidungen und Planung Beispiel: Ölbohrproblem Eine Ölgesellschaft besitzt Bohrrechte für ein Stück Land: 1. Entscheidung: vorher seismischen Test durchführen? Kosten: 30T. 60% positives Ergebnis, 40% negatives Ergebnis. 2. Entscheidung: nach Öl bohren? Kosten: 100T. Wahrscheinlichkeit für Ölfund: ohne seismischen Test: 55% bei positivem seismischem Test: 85%. bei negativem seismischem Test: 10%. Ergebnis: bei Ölfund: 400T. sonst: wertlos. Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 52/55

35 Betriebswirtschaft 1 / 6. Mehrstufige Entscheidungen und Planung Beispiel: Ölbohrproblem [DS05] Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 53/55 Betriebswirtschaft 1 / 6. Mehrstufige Entscheidungen und Planung Rückwartsrechnung (roll back-verfahren) Darstellung des Entscheidungsproblems als stochstischer Entscheidungsbaum: Entscheidungsknoten (Quadrate im Bsp.): Wahl einer Alternative a 1,..., a m. Zufallsknoten (Kreise im Bsp.): zufälliges Eintreten einer Situation s 1,..., s n. Rückwartsrechnung (roll back-verfahren): von den Blättern zur Wurzel: an Zufallsknoten: Erwartungswert über die Kindknoten berechnen. an Entscheidungsknoten: Alternative mit maximalem Erwartungswert wählen. Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 54/55

36 Betriebswirtschaft 1 / 6. Mehrstufige Entscheidungen und Planung Beispiel: Ölbohrproblem [DS05] Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 54/55 Betriebswirtschaft 1 / 6. Mehrstufige Entscheidungen und Planung Literatur [Amb06] Klaus Ambrosi. Betriebswirtschaft 1. Skript, [DS05] Wolfgang Domschke and Armin Scholl. Grundlagen der Betriebswirtschaftslehre Eine Einführung aus entscheidungsorientierter Sicht. Springer, 2 edition, Vorlesung Betriebswirtschaft 1, Wintersemester 2007/8 55/55

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

Überblick: Entscheidungstheoretische Konzepte Seminar Online-Optimierung Diana Balbus

Überblick: Entscheidungstheoretische Konzepte Seminar Online-Optimierung Diana Balbus Überblick: Entscheidungstheoretische Konzepte Seminar Online-Optimierung Diana Balbus Einleitung Ein Online-Algorithmus muss Ausgaben berechnen, ohne zukünftige Eingaben zu kennen. Für die Bewertung von

Mehr

Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3 38

Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3 38 Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3 38 Offene Fragen Warum ist ein ET bereit, für eine Feuerversicherung mit einer Versicherungshöhe von 1 Million und einer Jahreseintrittswahrscheinlichkeit

Mehr

Betriebswirtschaftliche Entscheidungstheorie und Anwendung

Betriebswirtschaftliche Entscheidungstheorie und Anwendung Betriebswirtschaftliche Entscheidungstheorie und Anwendung Kapitel 5: Entscheidungen unter Risiko Prof. Dr. Thorsten Poddig Lehrstuhl für Allgemeine Betriebswirtschaftslehre, insbes. Finanzwirtschaft Universität

Mehr

Repetitorium zum Staatsexamen für Lehramtsstudenten. Informationswirtschaft & Planung und Entscheidung 30.05.2014 NB-201. Sommersemester 2014

Repetitorium zum Staatsexamen für Lehramtsstudenten. Informationswirtschaft & Planung und Entscheidung 30.05.2014 NB-201. Sommersemester 2014 Sommersemester 2014 Repetitorium zum Staatsexamen für Lehramtsstudenten Informationswirtschaft & Planung und Entscheidung 30.05.2014 NB-201 Lehrstuhl für ABWL und Wirtschaftsinformatik Prof. Dr. Alexandros

Mehr

2. Gesundheitsfinanzierung

2. Gesundheitsfinanzierung 2. Gesundheitsfinanzierung Inhalte dieses Abschnitts 2.1 Grundmodell der Versicherung Versicherungsmotiv Optimale Versicherungsnachfrage Aktuarisch faire und unfaire Prämien 145 2.1 Grundmodell der Versicherung

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

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

Finanzierung und Investition

Finanzierung und Investition Kruschwitz/Husmann (2012) Finanzierung und Investition 1/40 Finanzierung und Investition Kruschwitz/Husmann (2012) Oldenbourg Verlag München 7. Auflage, Kapitel 2 Kruschwitz/Husmann (2012) Finanzierung

Mehr

Thema Nr. 4: Versicherungsentscheidungen der Nachfrager aus Sicht der Erwartungsnutzentheorie

Thema Nr. 4: Versicherungsentscheidungen der Nachfrager aus Sicht der Erwartungsnutzentheorie Thema Nr. 4: Versicherungsentscheidungen der Nachfrager aus Sicht der Erwartungsnutzentheorie Rosa Lee Annette Weiß Miriam Hussein Mirco Lomb Inhalt 1. Einleitung 2. Entscheidungstheorie 3. Erwartungsnutzentheorie

Mehr

Vorstellung des Fachs BWL

Vorstellung des Fachs BWL Einführungswoche Vorstellung des Fachs BWL Universität Hildesheim Institut für Betriebswirtschaft und Wirtschaftsinformatik Marienburger Platz 22 31141 Hildesheim Dr. Felix Hahne hahne@uni-hildesheim.de

Mehr

betriebliche Entscheidungslehre

betriebliche Entscheidungslehre Verwaltungs- und Wirtschafts-Akademie betriebliche Entscheidungslehre Dr. Martens 1 Bedeutung der Entscheidungstheorie 2 Grundmodell der Entscheidungstheorie 2.1 Entscheidungsfeld 2.1.1 Handlungsalternativen

Mehr

Technische Hochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 221, Tel. 3914 jutta.arrenberg@th-koeln.

Technische Hochschule Köln Fakultät für Wirtschafts- und Rechtswissenschaften Prof. Dr. Arrenberg Raum 221, Tel. 3914 jutta.arrenberg@th-koeln. Übungen zur Vorlesung Wirtschaftsstatistik Zufallsvariablen Aufgabe 4.1 Ein Unternehmen fertigt einen Teil der Produktion in seinem Werk in München und den anderen Teil in seinem Werk in Köln. Auf Grund

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

Mikroökonomie 1. Prof. Dr. Dennis A. V. Dittrich. Universität Erfurt. Wintersemester 08/09

Mikroökonomie 1. Prof. Dr. Dennis A. V. Dittrich. Universität Erfurt. Wintersemester 08/09 Mikroökonomie 1 Prof. Dr. Dennis A. V. Dittrich Universität Erfurt Wintersemester 08/09 Prof. Dittrich (Universität Erfurt) 1. Vorlesung 2008 Winter 1 / 41 Informationen zur Lehrveranstaltung Webseite

Mehr

Grundzüge der. Kapitel 5 Mikroökonomie (Mikro I) Entscheidungen unter Unsicherheit

Grundzüge der. Kapitel 5 Mikroökonomie (Mikro I) Entscheidungen unter Unsicherheit Grundzüge der Kapitel 5 Mikroökonomie (Mikro I) Entscheidungen unter Unsicherheit 1 BESCHREIBUNG VON RISIKO 2 Entscheidung unter Risiko Annahme: Wir kennen alle möglichen (sich gegenseitig ausschliessenden)

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

Übungen zur Mathematik für Pharmazeuten

Übungen zur Mathematik für Pharmazeuten Blatt 1 Aufgabe 1. Wir betrachten den Ereignisraum Ω = {(i,j) 1 i,j 6} zum Zufallsexperiment des zweimaligem Würfelns. Sei A Ω das Ereignis Pasch, und B Ω das Ereignis, daß der erste Wurf eine gerade Augenzahl

Mehr

Vorlesung 1: Einleitung

Vorlesung 1: Einleitung Vorlesung 1: Einleitung Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Entscheidung VL 1, FS 12 Einleitung 1/17 1.1 Motivation In der Vorlesung Intermediate Microecoomics haben

Mehr

Risikoeinstellungen empirisch

Risikoeinstellungen empirisch Risikoeinstellungen empirisch Risk attitude and Investment Decisions across European Countries Are women more conservative investors than men? Oleg Badunenko, Nataliya Barasinska, Dorothea Schäfer http://www.diw.de/deutsch/soep/uebersicht_ueber_das_soep/27180.html#79569

Mehr

R. Brinkmann http://brinkmann-du.de Seite 1 30.11.2013 Schriftliche Übung Mathematik Stochastik II (Nachschreiber) Jan. 2007

R. Brinkmann http://brinkmann-du.de Seite 1 30.11.2013 Schriftliche Übung Mathematik Stochastik II (Nachschreiber) Jan. 2007 R. Brinkmann http://brinkmann-du.de Seite 1 30.11.2013 Schriftliche Übung Mathematik Stochastik II (Nachschreiber) Jan. 2007 SG15/25D NAME: Lösungen 1. In einer Packung sind Glühbirnen, davon sind zwei

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

3.Konzepte der Entscheidungstheorie

3.Konzepte der Entscheidungstheorie 94 3 Konzepte der Entscheidungstheorie 3.Konzepte der Entscheidungstheorie Das dritte Kapitel stellt den Schwerpunkt dieses Buches dar. Die Literatur zu Konzepten der Entscheidungstheorie ist umfangreich,

Mehr

Johann Wolfgang Goethe - Universität Frankfurt am Main

Johann Wolfgang Goethe - Universität Frankfurt am Main Fachbereich Wirtschaftswissenschaften Institut für Statistik und Mathematik Johann Wolfgang Goethe - Universität Frankfurt am Main ENTSCHEIDUNGSTHEORIE Klausur vom 0.0.004 Prof. Dr. H. Rommelfanger Als

Mehr

6 Mehrstufige zufällige Vorgänge Lösungshinweise

6 Mehrstufige zufällige Vorgänge Lösungshinweise 6 Mehrstufige zufällige Vorgänge Lösungshinweise Aufgabe 6.: Begründen Sie, warum die stochastische Unabhängigkeit zweier Ereignisse bzw. zufälliger Vorgänge nur ein Modell der Realität darstellen kann.

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

Analyse von Zeitreihen in der Umweltphysik und Geophysik Stochastische Prozesse

Analyse von Zeitreihen in der Umweltphysik und Geophysik Stochastische Prozesse Analyse von Zeitreihen in der Umweltphysik und Geophysik Stochastische Prozesse Yannik Behr Gliederung 1 Stochastische Prozesse Stochastische Prozesse Ein stochastischer Prozess ist ein Phänomen, dessen

Mehr

Profil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8

Profil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8 1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen

Mehr

5. Schließende Statistik. 5.1. Einführung

5. Schließende Statistik. 5.1. Einführung 5. Schließende Statistik 5.1. Einführung Sollen auf der Basis von empirischen Untersuchungen (Daten) Erkenntnisse gewonnen und Entscheidungen gefällt werden, sind die Methoden der Statistik einzusetzen.

Mehr

y 1 2 3 4 5 6 P (Y = y) 1/6 1/6 1/6 1/6 1/6 1/6

y 1 2 3 4 5 6 P (Y = y) 1/6 1/6 1/6 1/6 1/6 1/6 Fachhochschule Köln Fakultät für Wirtschaftswissenschaften Prof. Dr. Arrenberg Raum 221, Tel. 39 14 jutta.arrenberg@fh-koeln.de Übungen zur Statistik für Prüfungskandidaten und Prüfungskandidatinnen Unabhängigkeit

Mehr

Klausur und Unterlagen

Klausur und Unterlagen Entscheidungstheorie Wintersemester 2004/2005 Christian Klein Institut für Statistik und Mathematische Wirtschaftstheorie Universität Augsburg Klausur und Unterlagen Klausur: ABWL, 60-minütig, erlaubte

Mehr

Entscheidungsbaum und Rollback-Verfahren

Entscheidungsbaum und Rollback-Verfahren Entscheidungen unter Unsicherheit 1 Sequentielle (Investitions-)Entscheidungen Normative Entscheidungstheorie und Rollback-Verfahren Entscheidungen unter Unsicherheit 2 Normative Entscheidungstheorie Ein

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

Kurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre

Kurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre Grundlagen der Betriebswirtschaftslehre, Kurs 00091, KE 4, 5 und 6, SS 2008 1 Kurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre Lösungshinweise zur Einsendearbeit

Mehr

1. Einfach verkettete Liste unsortiert 2. Einfach verkettete Liste sortiert 3. Doppelt verkettete Liste sortiert

1. Einfach verkettete Liste unsortiert 2. Einfach verkettete Liste sortiert 3. Doppelt verkettete Liste sortiert Inhalt Einführung 1. Arrays 1. Array unsortiert 2. Array sortiert 3. Heap 2. Listen 1. Einfach verkettete Liste unsortiert 2. Einfach verkettete Liste sortiert 3. Doppelt verkettete Liste sortiert 3. Bäume

Mehr

Mikroökonomik B (Bachelor)

Mikroökonomik B (Bachelor) Bitte eintragen: Matrikel-Nr.: Mikroökonomik B (Bachelor) Prüfung vom 22.07.2014 Wichtige Hinweise: Sie haben 90 Minuten Zeit, um die folgenden drei Aufgaben zu insgesamt 90 Punkten zu bearbeiten. Teilen

Mehr

Abitur 2012 Mathematik GK Stochastik Aufgabe C1

Abitur 2012 Mathematik GK Stochastik Aufgabe C1 Seite 1 Abiturloesung.de - Abituraufgaben Abitur 2012 Mathematik GK Stochastik Aufgabe C1 nter einem Regentag verstehen Meteorologen einen Tag, an dem mehr als ein Liter Niederschlag pro Quadratmeter gefallen

Mehr

Intelligente Agenten

Intelligente Agenten Intelligente Agenten Einige einfache Überlegungen zu Agenten und deren Interaktionsmöglichkeiten mit ihrer Umgebung. Agent benutzt: Sensoren Aktuatoren (Aktoren; Effektoren) zum Beobachten/Mess seiner

Mehr

Dynamische Optimierung. Kapitel 4. Dynamische Optimierung. Peter Becker (H-BRS) Operations Research II Wintersemester 2014/15 160 / 206

Dynamische Optimierung. Kapitel 4. Dynamische Optimierung. Peter Becker (H-BRS) Operations Research II Wintersemester 2014/15 160 / 206 Kapitel 4 Dynamische Optimierung Peter Becker (H-BRS) Operations Research II Wintersemester 2014/15 160 / 206 Inhalt Inhalt 4 Dynamische Optimierung Allgemeiner Ansatz und Beispiele Stochastische dynamische

Mehr

Statistik I für Betriebswirte Vorlesung 5

Statistik I für Betriebswirte Vorlesung 5 Statistik I für Betriebswirte Vorlesung 5 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik 07. Mai 2015 PD Dr. Frank Heyde Statistik I für Betriebswirte Vorlesung 5 1 Klassische Wahrscheinlichkeitsdefinition

Mehr

Grundlagen der BWL für Ingenieure I WS 2013/14. JProf. Dr. Katrin Haußmann, StB Fachgebiet für Allgemeine Betriebswirtschaftslehre

Grundlagen der BWL für Ingenieure I WS 2013/14. JProf. Dr. Katrin Haußmann, StB Fachgebiet für Allgemeine Betriebswirtschaftslehre Grundlagen der BWL für Ingenieure I WS 2013/14 JProf. Dr. Katrin Haußmann, StB Fachgebiet für Allgemeine Betriebswirtschaftslehre Grundlagen der BWL I Gliederung Einleitung I. Unternehmen und Unternehmertum

Mehr

STUDIENBRIEF GRUNDLAGEN DER ENTSCHEIDUNGSLEHRE FÜR TECHNIKER UND INGENIEURE

STUDIENBRIEF GRUNDLAGEN DER ENTSCHEIDUNGSLEHRE FÜR TECHNIKER UND INGENIEURE STUDIENBRIEF GRUNDLAGEN DER ENTSCHEIDUNGSLEHRE FÜR TECHNIKER UND INGENIEURE S TUDIENBRIEF GRUNDLAGEN DER ENTSCHEIDUNGSLEHRE FÜR TECHNIKER UND INGENIEURE AFW Wirtschaftsakademie Bad Harzburg GmbH Hindenburgring

Mehr

Übungsblatt 5. Für die Abgabe dieses Übungsblattes müssen auch die Nebenrechnungen durchgeführt werden. Sonst wird dieses Übungsblatt nicht gewertet.

Übungsblatt 5. Für die Abgabe dieses Übungsblattes müssen auch die Nebenrechnungen durchgeführt werden. Sonst wird dieses Übungsblatt nicht gewertet. Übungsblatt 5 Für die Abgabe dieses Übungsblattes müssen auch die Nebenrechnungen durchgeführt werden. Sonst wird dieses Übungsblatt nicht gewertet. 1. Ein Unternehmen ist A. ein Betrieb, der nach dem

Mehr

Portfolio Management

Portfolio Management Kapitel 3 Portfolio Management Josef Leydold c 2006 Mathematische Methoden III Portfolio Management 1 / 45 Lernziele Konzept der modernen Portfolio-Theorie Capital Asset Pricing Model Optimieren eines

Mehr

Kurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre

Kurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre Grundlagen der Betriebswirtschaftslehre, Kurs 00091, KE 4, 5 und 6, WS 2009/2010 1 Kurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre Lösungshinweise zur Einsendearbeit

Mehr

Portfolio Management

Portfolio Management Kapitel 12 Portfolio Management Josef Leydold c 2006 Mathematische Methoden XII Portfolio Management 1 / 45 Lernziele Konzept der modernen Portfolio-Theorie Capital Asset Pricing Model Optimieren eines

Mehr

i x k k=1 i u i x i v i 1 0,2 24 24 0,08 2 0,4 30 54 0,18 3 0,6 54 108 0,36 4 0,8 72 180 0,60 5 1,0 120 300 1,00 2,22 G = 1 + 1 n 2 n i=1

i x k k=1 i u i x i v i 1 0,2 24 24 0,08 2 0,4 30 54 0,18 3 0,6 54 108 0,36 4 0,8 72 180 0,60 5 1,0 120 300 1,00 2,22 G = 1 + 1 n 2 n i=1 1. Aufgabe: Der E-Commerce-Umsatz (in Millionen Euro) der fünf größten Online- Shopping-Clubs liegt wie folgt vor: Club Nr. Umsatz 1 120 2 72 3 54 4 30 5 24 a) Bestimmen Sie den Ginikoeffizienten. b) Zeichnen

Mehr

Spieltheorie. Thomas Riechmann. Verlag Franz Vahlen München. 3., vollständig überarbeitete Auflage. von

Spieltheorie. Thomas Riechmann. Verlag Franz Vahlen München. 3., vollständig überarbeitete Auflage. von Spieltheorie von Thomas Riechmann 3., vollständig überarbeitete Auflage Verlag Franz Vahlen München Inhaltsverzeichnis 1. Einleitung 1 1.1 Entscheidungstheorie und Spieltheorie 1 1.2 Präferenzen und Präferenzaxiome

Mehr

Kapitel 2. Lösung 2.2

Kapitel 2. Lösung 2.2 Kapitel 2: Die Strukturierung des Entscheidungsproblems 1 Kapitel 2 Aufgabe 2.1 Sie möchten Ihrer Schwester etwas zum Geburtstag schenken. Auf der Suche nach etwas Passendem finden Sie bei einem Schaufensterbummel

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

Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip. KLAUSUR Statistik B

Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip. KLAUSUR Statistik B Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip Sommersemester 2010 KLAUSUR Statistik B Hinweise zur Bearbeitung: Bei allen Teilaufgaben

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

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

Betriebswirtschaftliche Entscheidungstheorie

Betriebswirtschaftliche Entscheidungstheorie Prof. Dr. Günter Sieben Prof. Dr. Thomas Schildbach Betriebswirtschaftliche Entscheidungstheorie 3., überarbeitete und erweiterte Auflage 1990 Werner-Verlag Düsseldorf VII Inhaltsverzeichnis I. Begriffsbestimmung

Mehr

Übungsaufgaben zur Vorlesung Risikotransformationstheorie

Übungsaufgaben zur Vorlesung Risikotransformationstheorie Übungsaufgaben zur Vorlesung Risikotransformationstheorie 2 Unsicherheit 2.1 Stochastische Größen (1) Berechnen Sie Erwartungswert und Varianz für folgende Zufallsvariable: X = 0 100 400 04, 05, 01,! (2)

Mehr

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 1 Einführung in die statistische Datenanalyse Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 2 Gliederung 1.Grundlagen 2.Nicht-parametrische Tests a. Mann-Whitney-Wilcoxon-U Test b. Wilcoxon-Signed-Rank

Mehr

Faktorisierung ganzer Zahlen mittels Pollards ρ-methode (1975)

Faktorisierung ganzer Zahlen mittels Pollards ρ-methode (1975) Dass das Problem, die Primzahlen von den zusammengesetzten zu unterscheiden und letztere in ihre Primfaktoren zu zerlegen zu den wichtigsten und nützlichsten der ganzen Arithmetik gehört und den Fleiss

Mehr

Name:... Matrikel-Nr.:... 3 Aufgabe Handyklingeln in der Vorlesung (9 Punkte) Angenommen, ein Student führt ein Handy mit sich, das mit einer Wahrscheinlichkeit von p während einer Vorlesung zumindest

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

Statistische Verfahren für das Data Mining in einem Industrieprojekt

Statistische Verfahren für das Data Mining in einem Industrieprojekt Statistische Verfahren für das Data Mining in einem Industrieprojekt Thorsten Dickhaus Forschungszentrum Jülich GmbH Zentralinstitut für Angewandte Mathematik Telefon: 02461/61-4193 E-Mail: th.dickhaus@fz-juelich.de

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

Übungen zur Versicherungsökonomik

Übungen zur Versicherungsökonomik J.-Matthias Graf von der Schulenburg Andy Zuchandke o» Übungen zur Versicherungsökonomik YJ Springer Teil I Aufgaben 1 Grundlagen der Versicherungstechnik. 3 1.1 Allgemeine Grundlagen 3.1.1 Versicherung

Mehr

Künstliche Intelligenz Unsicherheit. Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln

Künstliche Intelligenz Unsicherheit. Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Künstliche Intelligenz Unsicherheit Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Rückblick Agent in der Wumpuswelt konnte Entscheidungen

Mehr

AUTOMATISIERTE HANDELSSYSTEME

AUTOMATISIERTE HANDELSSYSTEME UweGresser Stefan Listing AUTOMATISIERTE HANDELSSYSTEME Erfolgreich investieren mit Gresser K9 FinanzBuch Verlag 1 Einsatz des automatisierten Handelssystems Gresser K9 im Portfoliomanagement Portfoliotheorie

Mehr

Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min

Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min Klausur, Multivariate Verfahren, SS 2006, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 08.08.2006 Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min Gesamtpunkte: 39 Aufgabe

Mehr

Entscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen?

Entscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Entscheidungsbäume Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Definition Entscheidungsbaum Sei T ein Binärbaum und A = {a 1,..., a n } eine zu sortierenden Menge. T ist ein Entscheidungsbaum

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

Adverse Selektion. Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de

Adverse Selektion. Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Adverse Selektion Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Fachbereich Finanzwissenschaft Alfred Weber Institut für Wirtschaftswissenschaften Ruprecht-Karls- Universität Heidelberg

Mehr

Welche Gründe liefert die ökonomische Theorie für die Pflichtversicherung und die Versicherungspflicht?

Welche Gründe liefert die ökonomische Theorie für die Pflichtversicherung und die Versicherungspflicht? Welche Gründe liefert die ökonomische Theorie für die Pflichtversicherung und die Versicherungspflicht? Christoph Ziems 1. Einleitung... 3 2. Versicherung und Versicherungsmarkt... 4 2.1. Definition Versicherung...

Mehr

Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero?

Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero? Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero? Manche sagen: Ja, manche sagen: Nein Wie soll man das objektiv feststellen? Kann man Geschmack objektiv messen? - Geschmack ist subjektiv

Mehr

Einige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.)

Einige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.) ue biostatistik: nichtparametrische testverfahren / ergänzung 1/6 h. Lettner / physik Statistische Testverfahren Einige Statistische Tests für den Ein- Zwei- und k-stichprobenfall (Nach Sachs, Stat. Meth.)

Mehr

Teil II Optimierung. Peter Buchholz 2016. Modellgestützte Analyse und Optimierung Kap. 9 Einführung Optimierung

Teil II Optimierung. Peter Buchholz 2016. Modellgestützte Analyse und Optimierung Kap. 9 Einführung Optimierung Teil II Optimierung Gliederung 9 Einführung, Klassifizierung und Grundlagen 10 Lineare Optimierung 11 Ganzzahlige und kombinatorische Optimierung 12 Dynamische Optimierung Literatur: zu 10-12: Neumann,

Mehr

a) Zeichnen Sie in das nebenstehende Streudiagramm mit Lineal eine Regressionsgerade ein, die Sie für passend halten.

a) Zeichnen Sie in das nebenstehende Streudiagramm mit Lineal eine Regressionsgerade ein, die Sie für passend halten. Statistik für Kommunikationswissenschaftler Wintersemester 2009/200 Vorlesung Prof. Dr. Helmut Küchenhoff Übung Cornelia Oberhauser, Monia Mahling, Juliane Manitz Thema 4 Homepage zur Veranstaltung: http://www.statistik.lmu.de/~helmut/kw09.html

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

DIPLOM. Abschlussklausur der Vorlesung Bank I, II:

DIPLOM. Abschlussklausur der Vorlesung Bank I, II: Seite 1 von 9 Name: Matrikelnummer: DIPLOM Abschlussklausur der Vorlesung Bank I, II: Bankmanagement und Theory of Banking Seite 2 von 9 DIPLOM Abschlussklausur der Vorlesung Bank I, II: Bankmanagement

Mehr

8.1 Einleitung... 2. 8.2 Bewertung und Auswahl von Marketing-strategien als Entscheidungsproblem... 3

8.1 Einleitung... 2. 8.2 Bewertung und Auswahl von Marketing-strategien als Entscheidungsproblem... 3 Einführung in das Marketing Management Lernheft 8 Bewertung und Auswahl von Marketingstrategien Inhaltsverzeichnis: 8.1 Einleitung... 2 8.2 Bewertung und Auswahl von Marketing-strategien als Entscheidungsproblem...

Mehr

Entscheidungstheorie. Aufgabensammlung

Entscheidungstheorie. Aufgabensammlung Entscheidungstheorie Aufgabensammlung Wintersemester 2004/2005 Aufgabe 1 In einer multikriteriellen Entscheidungssituation liege folgende Nutzenmatrix vor: k 1 k 2 k 3 k 4 a 1 8 4 9 2 a 2 6 4 6 4 a 3 8

Mehr

Eine Einführung in R: Statistische Tests

Eine Einführung in R: Statistische Tests Eine Einführung in R: Statistische Tests Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig http://www.uni-leipzig.de/ zuber/teaching/ws12/r-kurs/

Mehr

Das St. Petersburg Paradox

Das St. Petersburg Paradox Das St. Petersburg Paradox Johannes Dewender 28. Juni 2006 Inhaltsverzeichnis 1 Das Spiel 2 2 Das Paradox 3 3 Lösungsvorschläge 4 3.1 Erwartungsnutzen............................... 4 3.2 Risikoaversion..................................

Mehr

Füllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge

Füllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge 2.4 Stetige Zufallsvariable Beispiel. Abfüllung von 500 Gramm Packungen einer bestimmten Ware auf einer automatischen Abfüllanlage. Die Zufallsvariable X beschreibe die Füllmenge einer zufällig ausgewählten

Mehr

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume?

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2013/14 Isomorphie Zwei Graphen (V 1, E 1 ) und (V

Mehr

Klausur Entscheidungstheorie WS 2010/2011 S. 1 von 11

Klausur Entscheidungstheorie WS 2010/2011 S. 1 von 11 Klausur Entscheidungstheorie WS 2010/2011 S. 1 von 11 Fach: Prüfer: Veranstaltung: Finanzierung und Investition Prof. Dr. Dr. A. Löffler W2263 Entscheidungstheorie Name Vorname Matrikelnummer Punkte Beachten

Mehr

Vorlesung. Informationsökonomik und die Theorie der Firma

Vorlesung. Informationsökonomik und die Theorie der Firma Vorlesung Informationsökonomik und die Theorie der Firma Ulrich Schwalbe Universität Hohenheim 5. Vorlesung 28.11.2007 Ulrich Schwalbe (Universität Hohenheim) Informationsökonomik 5. Vorlesung 28.11.2007

Mehr

Einführung 1. Kapitel I Grundlagen der Versicherungswirtschaftslehre 9

Einführung 1. Kapitel I Grundlagen der Versicherungswirtschaftslehre 9 Inhaltsverzeichnis Vorwort Abbildungsverzeichnis Abkürzungsverzeichnis V XV XXI Einführung 1 Kapitel I Grundlagen der Versicherungswirtschaftslehre 9 1 Versicherungsökonomik als Teil der Wirtschaftswissenschaften

Mehr

Spieltheoretischer Ansatz für selbstorganisierende Systeme

Spieltheoretischer Ansatz für selbstorganisierende Systeme Spieltheoretischer Ansatz für selbstorganisierende Systeme Institut für Informatik 27. Juni 2006 Inhaltsverzeichnis 1 Ziel des Aufsatz 2 Geschichte 3 Einführung 4 Das Spiel Experiment 5 Konzepte zur Lösung

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 04. Auflage Übungsaufgaben zu Kapitel Aufgaben

Mehr

Grundlagen der BWL für Ingenieure I WS 2015/16. JProf. Dr. Katrin Haußmann, StB Fachgebiet für Allgemeine Betriebswirtschaftslehre

Grundlagen der BWL für Ingenieure I WS 2015/16. JProf. Dr. Katrin Haußmann, StB Fachgebiet für Allgemeine Betriebswirtschaftslehre Grundlagen der BWL für Ingenieure I WS 2015/16 JProf. Dr. Katrin Haußmann, StB Fachgebiet für Allgemeine Betriebswirtschaftslehre Grundlagen der BWL I Gliederung Einleitung I. Unternehmen und Unternehmertum

Mehr

Schleswig-Holstein 2011. Kernfach Mathematik

Schleswig-Holstein 2011. Kernfach Mathematik Aufgabe 6: Stochastik Vorbemerkung: Führen Sie stets geeignete Zufallsvariablen und Namen für Ereignisse ein. Machen Sie auch Angaben über die Verteilung der jeweiligen Zufallsvariablen. Eine repräsentative

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

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

Gefördert durch: dynaklim-kompakt

Gefördert durch: dynaklim-kompakt Gefördert durch: dynaklim-kompakt Risiko & Co. - Begriffe und Abgrenzungen 1 Problemstellung Ein Basisproblem, das immer auftritt, wenn es um Risiko geht, ist die Existenz unterschiedlicher Risikodefinitionen

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

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

5.Unsicherheit. 5.1WahrscheinlichkeitundRisiko

5.Unsicherheit. 5.1WahrscheinlichkeitundRisiko 1 5.Unsicherheit Bisher sind wir von vollständiger Planungssicherheit seitens der Entscheidungsträger ausgegangen. Dies trifft in vielen Fällen natürlich nicht den Kern eines Entscheidungsproblems.Wennz.B.eineEntscheidungfürdenKaufvonAktiengetroffen

Mehr

Kernel, Perceptron, Regression. Erich Schubert, Arthur Zimek. 2014-07-20 KDD Übung

Kernel, Perceptron, Regression. Erich Schubert, Arthur Zimek. 2014-07-20 KDD Übung Kernel, Perceptron, Regression Erich Schubert, Arthur Zimek Ludwig-Maximilians-Universität München 2014-07-20 KDD Übung Kernel-Fukctionen Kernel kann mehrdeutig sein! Unterscheidet zwischen: Kernel function

Mehr

Kapitel 15: Differentialgleichungen

Kapitel 15: Differentialgleichungen FernUNI Hagen WS 00/03 Kapitel 15: Differentialgleichungen Differentialgleichungen = Gleichungen die Beziehungen zwischen einer Funktion und mindestens einer ihrer Ableitungen herstellen. Kommen bei vielen

Mehr

Business Value Launch 2006

Business Value Launch 2006 Quantitative Methoden Inferenzstatistik alea iacta est 11.04.2008 Prof. Dr. Walter Hussy und David Tobinski UDE.EDUcation College im Rahmen des dokforums Universität Duisburg-Essen Inferenzstatistik Erläuterung

Mehr

Planen mit mathematischen Modellen 00844: Computergestützte Optimierung. Autor: Dr. Heinz Peter Reidmacher

Planen mit mathematischen Modellen 00844: Computergestützte Optimierung. Autor: Dr. Heinz Peter Reidmacher Planen mit mathematischen Modellen 00844: Computergestützte Optimierung Leseprobe Autor: Dr. Heinz Peter Reidmacher 11 - Portefeuilleanalyse 61 11 Portefeuilleanalyse 11.1 Das Markowitz Modell Die Portefeuilleanalyse

Mehr

Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008. Aufgabe 1

Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008. Aufgabe 1 Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008 Aufgabe 1 Ihnen liegt

Mehr

Materialien zur Vorlesung Grundlagen der Betriebswirtschaftslehre

Materialien zur Vorlesung Grundlagen der Betriebswirtschaftslehre Materialien zur Vorlesung Grundlagen der Betriebswirtschaftslehre Teil I Grundlagen betrieblicher Entscheidungen Technische Studiengänge Dr. Horst Kunhenn Fachhochschule Münster, ITB Steinfurt Allgemeine

Mehr