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

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

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

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

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

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

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

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

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

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

Grundlagen der Volkswirtschaftslehre Übungsblatt 11

Grundlagen der Volkswirtschaftslehre Übungsblatt 11 Grundlagen der Volkswirtschaftslehre Übungsblatt 11 Robert Poppe robert.poppe@uni-mannheim.de Universität Mannheim 25. November 2010 Überblick 1 Produktion und Wachstum 2 Kreditmarkt 3 Risikoeinstellung

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

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

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

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

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

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

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

$ % + 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

Entscheidungsanalyse unter Unsicherheit Entscheidungskriterien in ökonomischen Netzen

Entscheidungsanalyse unter Unsicherheit Entscheidungskriterien in ökonomischen Netzen Entscheidungsanalyse unter Unsicherheit Entscheidungskriterien in ökonomischen Netzen Referat von Guido RECKE Institut für Agrarökonomie der Georg-August-Universität Göttingen Platz der Göttinger Sieben

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

2.3 Ableitung optimaler Portfolien unter simultaner Berücksichtigung aller Szenarien

2.3 Ableitung optimaler Portfolien unter simultaner Berücksichtigung aller Szenarien Agenda 1. Traditionelle Asset Allocation nach Markowitz 2. Szenario-basierte Asset Allocation 2.1 Definition zukünftiger Entwicklungsszenarien 2.2 Ableitung optimaler Portfolien für einzelne Szenarien

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

P X =3 = 2 36 P X =5 = 4 P X =6 = 5 36 P X =8 = 5 36 P X =9 = 4 P X =10 = 3 36 P X =11 = 2 36 P X =12 = 1

P X =3 = 2 36 P X =5 = 4 P X =6 = 5 36 P X =8 = 5 36 P X =9 = 4 P X =10 = 3 36 P X =11 = 2 36 P X =12 = 1 Übungen zur Stochastik - Lösungen 1. Ein Glücksrad ist in 3 kongruente Segmente aufgeteilt. Jedes Segment wird mit genau einer Zahl beschriftet, zwei Segmente mit der Zahl 0 und ein Segment mit der Zahl

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

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

Schätzer (vgl. Kapitel 1): Stichprobenmittel X N. Stichprobenmedian X N

Schätzer (vgl. Kapitel 1): Stichprobenmittel X N. Stichprobenmedian X N Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.1 Schätzer für Lage- und Skalenparameter und Verteilungsmodellwahl Lageparameter (l(x + a) = l(x) + a): Erwartungswert EX Median von X

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

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

Unsupervised Kernel Regression

Unsupervised Kernel Regression 9. Mai 26 Inhalt Nichtlineare Dimensionsreduktion mittels UKR (Unüberwachte KernRegression, 25) Anknüpfungspunkte Datamining I: PCA + Hauptkurven Benötigte Zutaten Klassische Kernregression Kerndichteschätzung

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

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

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

Data Mining (ehem. Entscheidungsunterstützungssysteme)

Data Mining (ehem. Entscheidungsunterstützungssysteme) Data Mining (ehem. Entscheidungsunterstützungssysteme) Melanie Pfoh Anja Tetzner Christian Schieder Übung WS 2014/15 AGENDA TEIL 1 Aufgabe 1 (Wiederholung OPAL / Vorlesungsinhalte) ENTSCHEIDUNG UND ENTSCHEIDUNGSTHEORIE

Mehr

Inhaltsverzeichnis. Erster Teil: Konzeption quantitativer Planung. Vorwort Danksagungen Abbildungsverzeichnis Tabellenverzeichnis

Inhaltsverzeichnis. Erster Teil: Konzeption quantitativer Planung. Vorwort Danksagungen Abbildungsverzeichnis Tabellenverzeichnis Wolf gang Berens / Werner Delfmann Walter Schmitting Quantitative Planung Grundlagen, Fallstudien, Lösungen 4., überarbeitete und erweiterte Auflage ^2004 Schäffer-Poeschel Verlag Stuttgart XI Vorwort

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

Mikroökonomik B 2. Entscheidung bei Unsicherheit

Mikroökonomik B 2. Entscheidung bei Unsicherheit Mikroökonomik B 2. Entscheidung bei Unsicherheit Dennis L. Gärtner 14. April 2011 Entscheidung bei Unsicherheit Literaturangaben: Varian (2007), Kapitel 12, 13 Jehle und Reny (2001), Kapitel 2.4 Kreps

Mehr

w a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2

w a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2 1 2 Notation für Wörter Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg w a is die Anzahl der Vorkommen von a in w Beispiel: abba

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

ETWR TEIL B ÜBUNGSBLATT 4 WS14/15

ETWR TEIL B ÜBUNGSBLATT 4 WS14/15 ETWR TEIL B ÜBUNGSBLATT 4 WS14/15 OTTO-VON-GUERICKE-UNIVERSITÄT MAGDEBURG F A K U L T Ä T F Ü R W I R T S C H A F T S W I S S E N S C H A FT LEHRSTUHL FÜR EMPIRISCHE WIRTSCHAFTSFORSCHUNG & GESUNDHEITSÖKONOMIE,

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

Mathematik Teil 1 (ohne Hilfsmittel) Aufgabe 1

Mathematik Teil 1 (ohne Hilfsmittel) Aufgabe 1 Teil 1 (ohne Hilfsmittel) Aufgabe 1 1 Analysis 1.1 Erläutern Sie anhand einer Skizze, ob das Integral π sin(x)dx π 2 größer, kleiner oder gleich Null ist. 1.2 Für eine Funktion f gilt: 3 (1) f (x) = 0

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 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

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

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

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

Aufgabe 2.1. Ergebnis, Ergebnismenge, Ereignis

Aufgabe 2.1. Ergebnis, Ergebnismenge, Ereignis Aufgabe 2. Ergebnis, Ergebnismenge, Ereignis Ergebnis und Ergebnismenge Vorgänge mit zufälligem Ergebnis, oft Zufallsexperiment genannt Bei der Beschreibung der Ergebnisse wird stets ein bestimmtes Merkmal

Mehr

LM2. WAHRSCHEINLICHKEITSRECHNUNG/STATISTIK

LM2. WAHRSCHEINLICHKEITSRECHNUNG/STATISTIK LM2. WAHRSCHEINLICHKEITSRECHNUNG/STATISTIK III. In einer Region haben 60 % der Haushalte einen Internetanschluss. Das Diagramm veranschaulicht die Anteile der Zugangsgeschwindigkeiten unter den Haushalten

Mehr

Stochastik Wahrscheinlichkeit

Stochastik Wahrscheinlichkeit Stochastik Wahrscheinlichkeit Dies ist ein Detail, das auf dem letzten 1 DM Schein abgebildet war. Es stellt die wichtigste Wahrscheinlichkeitsverteilung überhaut dar die Normalverteilung. Diese Verteilung

Mehr

Lineare Algebra - alles was man wissen muß

Lineare Algebra - alles was man wissen muß Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger

Mehr

Analog definiert man das Nichteintreten eines Ereignisses (Misserfolg) als:

Analog definiert man das Nichteintreten eines Ereignisses (Misserfolg) als: 9-9 Die befasst sich mit der Untersuchung, wie wahrscheinlich das Eintreten eines Falles aufgrund bestimmter Voraussetzungen stattfindet. Bis anhin haben wir immer logisch gefolgert: 'Wenn diese Voraussetzung

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

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

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

Beispielaufgaben zum Pflichtteil im Abitur Mathematik ab 2014

Beispielaufgaben zum Pflichtteil im Abitur Mathematik ab 2014 Beispielaufgaben zum Pflichtteil im Abitur Mathematik ab 04 Schwerpunkt: grundlegendes Anforderungsniveau 0 Inhaltsverzeichnis Inhaltsverzeichnis Seite Vorbemerkungen... Aufgabenvariationen und Ergänzungen

Mehr

Seminar Versicherungsrisiko und Ruin Prof. Hanspeter Schmidli 21,04,2009. Nutzentheorie

Seminar Versicherungsrisiko und Ruin Prof. Hanspeter Schmidli 21,04,2009. Nutzentheorie Seminar Versicherungsrisiko und Ruin Prof. Hanspeter Schmidli 21042009 Xin Wang Nutzentheorie 2.1 Einführung Die Nutzentheorie hat viele Anwendungen inbesondere in den Wirtschaftswissenschaften.In diesem

Mehr

Einleitung. Das Ein-Perioden-Modell ist das einfachste. von derivaten Finanzinstrumenten (hier: Optionen) zu erklären.

Einleitung. Das Ein-Perioden-Modell ist das einfachste. von derivaten Finanzinstrumenten (hier: Optionen) zu erklären. Einleitung Das Ein-Perioden-Modell ist das einfachste Modell, um die Idee der Preisgebung von derivaten Finanzinstrumenten (hier: Optionen) zu erklären. naive Idee der Optionspreisbestimmung: Erwartungswertprinzip

Mehr

Portfolio-Optimierung und Capital Asset Pricing

Portfolio-Optimierung und Capital Asset Pricing Portfolio-Optimierung und Capital Asset Pricing Prof. Dr. Nikolaus Hautsch Institut für Statistik und Ökonometrie Humboldt-Universität zu Berlin CASE, CFS, QPL Econ Boot Camp, SFB 649, Berlin, 8. Januar

Mehr

Wie kann man Risiko messen?

Wie kann man Risiko messen? Wie kann man Risiko messen? Karl Mosler Universität zu Köln Symposium DAGStat & BfR: Was bedroht unser Leben wirklich? Statistische Bewertung von Gesundheitsrisiken Berlin, 19. April 2013 Karl Mosler Universität

Mehr

Codierung, Codes (variabler Länge)

Codierung, Codes (variabler Länge) Codierung, Codes (variabler Länge) A = {a, b, c,...} eine endliche Menge von Nachrichten (Quellalphabet) B = {0, 1} das Kanalalphabet Eine (binäre) Codierung ist eine injektive Abbildung Φ : A B +, falls

Mehr

Diplom BWL/VWL / B-BAE / B-SW / LA RS / LA GY

Diplom BWL/VWL / B-BAE / B-SW / LA RS / LA GY Diplom BWL/VWL / B-BAE / B-SW / LA RS / LA GY Prüfungsfach/Modul: Allgemeine Volkswirtschaftslehre Wirtschaftstheorie Wahlmodul Klausur: Institutionenökonomik (Klausur 60 Min) (200101, 201309, 211301)

Mehr

Übungsaufgaben zu Kapitel 5. Aufgabe 101. Inhaltsverzeichnis:

Übungsaufgaben zu Kapitel 5. Aufgabe 101. Inhaltsverzeichnis: Inhaltsverzeichnis: Übungsaufgaben zu Kapitel 5... 1 Aufgabe 101... 1 Aufgabe 102... 2 Aufgabe 103... 2 Aufgabe 104... 2 Aufgabe 105... 3 Aufgabe 106... 3 Aufgabe 107... 3 Aufgabe 108... 4 Aufgabe 109...

Mehr

Vorlesung Portfoliomanagement

Vorlesung Portfoliomanagement Vorlesung Portfoliomanagement Priv.-Doz. Dr. Dr. Aurelio J. F. Vincenti Vertretungsprofessur BWL, Unternehmensfinanzierung Fachbereich Wirtschaftswissenschaften Universität Kassel Wintersemester 2012/13

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

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

Option Analysis of Plattform Decisions. Raeed Mayrhofer

Option Analysis of Plattform Decisions. Raeed Mayrhofer Option Analysis of Plattform Decisions Raeed Mayrhofer Softwareplattform ist ein Bündel von Funktionen, das das Ausführen von Applikationen ermöglicht bildet gemeinsam mit Hardware und Know-how die IT-Infrastruktur

Mehr

Die Black-Scholes-Gleichung

Die Black-Scholes-Gleichung Die Black-Scholes-Gleichung Franziska Merk 22.06.2012 Outline Optionen 1 Optionen 2 3 Optionen Eine Kaufoption ist ein Recht, eine Aktie zu einem heute (t=0) festgelegten Preis E an einem zukünftigen Zeitpunkt

Mehr

Prof. Dr. habil. Knut Haase. Quantitative Methoden Teil B Aufgaben- und Foliensammlung

Prof. Dr. habil. Knut Haase. Quantitative Methoden Teil B Aufgaben- und Foliensammlung Institut für Verkehrswirtschaft Lehrstuhl für Betriebswirtschaftslehre, insb. Verkehr Schwerpunkt: Operations & Supply Chain Management Universität Hamburg Fakultät Wirtschafts- und Sozialwissenschaften

Mehr

Linearer Zusammenhang von Datenreihen

Linearer Zusammenhang von Datenreihen Linearer Zusammenhang von Datenreihen Vielen Problemen liegen (möglicherweise) lineare Zusammenhänge zugrunde: Mein Internetanbieter verlangt eine Grundgebühr und rechnet minutenweise ab Ich bestelle ein

Mehr

MI - Mission Impossible Sind Sie gut versichert? Ein kurzes Beispiel zur Versicherungsmathematik

MI - Mission Impossible Sind Sie gut versichert? Ein kurzes Beispiel zur Versicherungsmathematik MI - Mission Impossible Sind Sie gut versichert? Ein kurzes Beispiel zur Versicherungsmathematik Seite 1 Vorstellung Organisation: Deutsche Aktuarvereinigung e.v. (DAV) berufsständische Vertretung der

Mehr

Portfoliotheorie. Von Meihua Peng

Portfoliotheorie. Von Meihua Peng Portfoliotheorie Von Meihua Peng Inhalt Allgemeines Annahmen Rendite, Volatilität Diversifikation Kovarianz Minimum-Varianz-Modell Kritisch Würdigung der Portfoliotheorie Literatur Finanzwirtscaft Ⅵ. Portfoliotheorie

Mehr

Übungsaufgaben. zur Vorlesung ( B A C H E L O R ) Teil D Investitionsrechnung. Dr. Horst Kunhenn. Vertretungsprofessor

Übungsaufgaben. zur Vorlesung ( B A C H E L O R ) Teil D Investitionsrechnung. Dr. Horst Kunhenn. Vertretungsprofessor Übungsaufgaben zur Vorlesung FINANZIERUNG UND CONTROLLING ( B A C H E L O R ) Teil D Investitionsrechnung Dr. Horst Kunhenn Vertretungsprofessor Institut für Technische Betriebswirtschaft (ITB) Fachgebiet

Mehr

Modellbildung und Simulation

Modellbildung und Simulation Modellbildung und Simulation 5. Vorlesung Wintersemester 2007/2008 Klaus Kasper Value at Risk (VaR) Glossar Portfolio: In der Ökonomie bezeichnet der Begriff Portfolio ein Bündel von Investitionen, das

Mehr

DIPLOM. Abschlussklausur der Vorlesung Bank I, II:

DIPLOM. Abschlussklausur der Vorlesung Bank I, II: Seite 1 von 18 Name: Matrikelnummer: DIPLOM Abschlussklausur der Vorlesung Bank I, II: Bankmanagement und Theory of Banking Seite 2 von 18 DIPLOM Abschlussklausur der Vorlesung Bank I, II: Bankmanagement

Mehr

WS 2009/10. Diskrete Strukturen

WS 2009/10. Diskrete Strukturen WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910

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

Diplomarbeit. Modellierung von Nachfrageunsicherheit in Entscheidungsmodellen der taktischen Supply Chain Planung

Diplomarbeit. Modellierung von Nachfrageunsicherheit in Entscheidungsmodellen der taktischen Supply Chain Planung Ernst-Moritz-Arndt-Universität Greifswald -Rechts- und Staatswissenschaftliche Fakultät- Lehrstuhl für Allgemeine Betriebswirtschaftslehre sowie Unternehmensgründung und nachfolge Diplomarbeit zum Thema

Mehr

Optimierung I. 1 Einführung. Luise Blank. Wintersemester 2012/13. Universität Regensburg

Optimierung I. 1 Einführung. Luise Blank. Wintersemester 2012/13. Universität Regensburg Universität Regensburg Wintersemester 2012/13 1 Einführung Anwendungen Finanzwirtschaft: maximale Gewinnrate unter Beschränkungen an das Risiko; Portfolio von Investments Produktion: maximiere Gewinn bei

Mehr

2.4.3 Zustandsgraphen

2.4.3 Zustandsgraphen 2.4.3 Zustandsgraphen Folie 2-1+45 Paradigma der Zustandsmodellierung Zustandsmodellierung betrachtet ein System als Zustandsautomaten beschreibt die Zerlegung in Zustände und Zustandsübergänge orientiert

Mehr

Kontingenzkoeffizient (nach Pearson)

Kontingenzkoeffizient (nach Pearson) Assoziationsmaß für zwei nominale Merkmale misst die Unabhängigkeit zweier Merkmale gibt keine Richtung eines Zusammenhanges an 46 o jl beobachtete Häufigkeiten der Kombination von Merkmalsausprägungen

Mehr

2.4.3 Zustandsgraphen

2.4.3 Zustandsgraphen 2.4.3 Zustandsgraphen Folie 2-1+45 Paradigma der Zustandsmodellierung Zustandsmodellierung betrachtet ein System als Zustandsautomaten beschreibt die Zerlegung in Zustände und Zustandsübergänge orientiert

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

Messgeräte: Mess-System-Analyse und Messmittelfähigkeit

Messgeräte: Mess-System-Analyse und Messmittelfähigkeit Messgeräte: Mess-System-Analyse und Messmittelfähigkeit Andreas Berlin 14. Juli 2009 Bachelor-Seminar: Messen und Statistik Inhalt: 1 Aspekte einer Messung 2 Mess-System-Analyse 2.1 ANOVA-Methode 2.2 Maße

Mehr

Risiko-Management I. Was ist Risiko? Summe aller Möglichkeiten, sodass sich die Erwartungen eines Systems aufgrund von

Risiko-Management I. Was ist Risiko? Summe aller Möglichkeiten, sodass sich die Erwartungen eines Systems aufgrund von Risiko-Management I Was ist Risiko? Summe aller Möglichkeiten, sodass sich die Erwartungen eines Systems aufgrund von Störfällen nicht erfüllen. eine Unsicherheit; alles, das nicht 100% vorhergesagt werden

Mehr

7 Wahrscheinlichkeitsverteilungen Lösungshinweise

7 Wahrscheinlichkeitsverteilungen Lösungshinweise 7 Wahrscheinlichkeitsverteilungen Lösungshinweise Aufgabe 7.: Gegeben sei ein Würfel, der die Form eines Tetraeders hat und die Augenzahlen bis aufweist. a) Bestimmen Sie die Wahrscheinlichkeitsverteilung

Mehr

Commercial Banking. Kreditgeschäft 2. Bedingte marginale und kumulative Ausfallwahrscheinlichkeit

Commercial Banking. Kreditgeschäft 2. Bedingte marginale und kumulative Ausfallwahrscheinlichkeit Commercial Banking Kreditgeschäft Bedingte marginale und kumulative Ausfallwahrscheinlichkeit Bedingte Marginale Ausfallwahrscheinlichkeit (BMAW t ) (Saunders: MMR ) prob (Ausfall in Periode t kein Ausfall

Mehr

Bewertung von Forwards, Futures und Optionen

Bewertung von Forwards, Futures und Optionen Bewertung von Forwards, Futures und Optionen Olaf Leidinger 24. Juni 2009 Olaf Leidinger Futures und Optionen 2 24. Juni 2009 1 / 19 Überblick 1 Kurze Wiederholung Anleihen, Terminkontrakte 2 Ein einfaches

Mehr

Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell

Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell Einfaktorielle Versuchspläne 27/40 Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell Abweichung Einfach Differenz Helmert Wiederholt Vergleich Jede Gruppe mit Gesamtmittelwert

Mehr

Technische Führung. Bachelor. mer. meiner Note zusammen ... Diplom. gründlich. Sie lesbar! 5. 6. 7. Wenn Sie. Viel Erfolg! max. Punktzahl.

Technische Führung. Bachelor. mer. meiner Note zusammen ... Diplom. gründlich. Sie lesbar! 5. 6. 7. Wenn Sie. Viel Erfolg! max. Punktzahl. Technische Universität Braunschweig Institut für Organisation und Führung Bachelorprüfung/Diplomvorprüfung Einführung in die Unternehmensführung (BWL 1) Wintersemester 2009/2010, 11. Februar 2010 Name,

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

Zugelassenes Hilfsmittel: nicht programmierbarer Taschenrechner.

Zugelassenes Hilfsmittel: nicht programmierbarer Taschenrechner. Bachelor-Kursprüfung Kapitalmarkttheorie Schwerpunktmodul Finanzmärkte 6 Kreditpunkte WS 2014/15 23.2.2015 Prof. Dr. Lutz Arnold Bitte gut leserlich ausfüllen: Name: Vorname: Matr.-nr.: Wird vom Prüfer

Mehr

Graphen: Einführung. Vorlesung Mathematische Strukturen. Sommersemester 2011

Graphen: Einführung. Vorlesung Mathematische Strukturen. Sommersemester 2011 Graphen: Einführung Vorlesung Mathematische Strukturen Zum Ende der Vorlesung beschäftigen wir uns mit Graphen. Graphen sind netzartige Strukturen, bestehend aus Knoten und Kanten. Sommersemester 20 Prof.

Mehr

Stochastik Abitur 2009 Stochastik

Stochastik Abitur 2009 Stochastik Abitur 2009 Stochastik Beilage ea (erhöhtes Anforderungsniveau) ga (grundlegendes Anforderungsniveau) ISBN 978-3-8120-0108-3 und ISBN 978-3-8120-0223-3 1 Aufgabe 2 (ea) Rauchen ist das größte vermeidbare

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

Sozialwissenschaftliche Methoden und Statistik I

Sozialwissenschaftliche Methoden und Statistik I Sozialwissenschaftliche Methoden und Statistik I Universität Duisburg Essen Standort Duisburg Integrierter Diplomstudiengang Sozialwissenschaften Skript zum SMS I Tutorium Von Mark Lutter Stand: April

Mehr

Ve rs i c h e r u n g sö ko n o rn i k

Ve rs i c h e r u n g sö ko n o rn i k J.-Matthias Graf von der Schulenburg Ve rs i c h e r u n g sö ko n o rn i k Ein Leitfaden für Studium und Praxis 7 vvw rr, KARLSRUHE In ha I c h n i s Vorwort Abbildungsverzeichnis Abkürzungsverzeichnis

Mehr

Einseitig gerichtete Relation: Mit zunehmender Höhe über dem Meeresspiegel sinkt im allgemeinen die Lufttemperatur.

Einseitig gerichtete Relation: Mit zunehmender Höhe über dem Meeresspiegel sinkt im allgemeinen die Lufttemperatur. Statistik Grundlagen Charakterisierung von Verteilungen Einführung Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsverteilungen Schätzen und Testen Korrelation Regression Einführung Die Analyse und modellhafte

Mehr

Einfache Statistiken in Excel

Einfache Statistiken in Excel Einfache Statistiken in Excel Dipl.-Volkswirtin Anna Miller Bergische Universität Wuppertal Schumpeter School of Business and Economics Lehrstuhl für Internationale Wirtschaft und Regionalökonomik Raum

Mehr

Wahrscheinlichkeitsrechnung beim Schafkopf

Wahrscheinlichkeitsrechnung beim Schafkopf Thema: Facharbeit aus dem Fach Mathematik Wahrscheinlichkeitsrechnung beim Schafkopf Inhalt. Ziel der Facharbeit / Einführung. Grundlegende Überlegungen und Berechnungen.. Kartengeben als Laplace-Experiment..

Mehr