Entscheidungstheorie in Gruppen

Größe: px
Ab Seite anzeigen:

Download "Entscheidungstheorie in Gruppen"

Transkript

1 Entscheidungstheorie in Gruppen Blockseminar Sommersemester Juni 2005 Erster Samstag Franz Dietrich Zentrum für den wiss. Nachwuchs tel:

2 Struktur (vom Allgemeinen zum Speziellen) A. Entscheidungstheorie allgemein B. Social choice Theorie C. Einführung in die Präferenzenaggregation ( PA ) und die Wohlfahrtsökonomie D. Einführung in die Urteilsaggregation ( UA ) E. Grenzen der social choice Theorie, und Theorie der deliberativen Demokratie

3 A. Entscheidungstheorie allgemein 1. Individuelle Entscheidungstheorie 2. Interaktive Entscheidungstheorie (= Spieltheorie) 3. Kollektive Entscheidungstheorie (= social choice Theorie) 4. Empirische Fragestellung ( real choice) vs. normative Fragestellung ( rational choice) 5. Über den Rationalitätsbegriff der rational choice Theorie

4 Individuelle Entscheidungstheorie Entscheidungstheorie individuelle Entscheidungsth. interaktive Entscheidungsth. = Spieltheorie kollektive Entscheidungsth. = social choice Theorie Individuelle Entscheidungstheorie: man betrachtet einzelnen Akteur, der Entscheidung fällen muss Akteur ist oft ein Mensch, in Politikwiss. manchmal ein Staat (idealisiert als einheitlicher Akteur) Entscheidung zwischen Optionen (Alternativen) Jede Entscheidung führt zu einem Ausgang Beispiel: Akteur: ist ein Student Optionen: verschiedene Kursangebote Ausgang: ob der Kurs Spaß gemacht hat und welche Note herausgesprungen ist.

5 Man unterscheidet zwischen: Entscheidung unter Sicherheit Entscheidung unter Risiko Entscheidung unter Unsicherheit Entscheidung unter Sicherheit: Ausgang von Entscheidungen dem Akteur bekannt Bsp.: ich entscheide, ob ich heute zur Mensa gehe, und weiss, dass es Kalmares gibt Also: man kann Entscheidungen mit ihren Ausgängen gleichsetzen Akteur hat Präferenzen zwischen Ausgängen = Entscheidungen

6 Entscheidung unter Risiko Ausgang von Entscheidungen dem Akteur nicht genau bekannt, da Ausgang auch von Natur (= alles Unbeeinflussbare) abhängt Aber: Wahrscheinlichkeiten von Ausgängen bekannt, exogen gegeben Bsp.: Ich wähle meinen Einsatz in einem Roulette-Spiel in Las Vegas De facto wählt der Akteur zwischen Lotterieen (= Wahrscheinlichkeitsverteilungen) von Ausgängen Also: man kann Entscheidungen mit Lotterien von Ausgängen gleichsetzen Akteur hat Präferenzen zwischen Entscheidungen (= Lotterien von Ausgängen) Diese lassen sich unter gewissen Rationalitätsannahmen als Erwartungsnutzen-Maximierung darstellen: es existiert eine ( Nutzen -)funktion u von Ausgängen nach reellen Zahlen, so dass: Lotterie L wird (schwach) präferiert über Lotterie L* dann und nur dann, wenn Exp L (u) > ( ) Exp L* (u) (d.h. L hat einen (schwach) höheren erwarteten Nutzen als L*).

7 Entscheidung unter Unsicherheit Nicht einmal die Wahrscheinlichkeiten von Ausgängen von Entscheidungen bekannt da unklar, nach welchen Gesetzen Natur funktioniert Bsp.: ich entscheide, ob ich heute zur Mensa gehe, und habe keine Ahnung, welches Essen auf dem Programm steht Zwei (extreme) Präferenztypen: Maximin (ganz risikoavers): man bewertet Entscheidungen am schlechtest-möglichen Ausgang. Bsp.: Nicht-Mensa-Gehen besser als Mensa-Gehen da Hungern besser als schlechtest-mögliches Mensa-Essen Maximax (ganz risikofreudig): man bewertet Entscheidungen am bestmöglichen Ausgang. Bsp.: Mensa-Gehen besser als Nicht-Mensa-Gehen da best-mögliches Mensa-Essen besser als Hungern Welche Präferenzen sind rational? Genügen die Präferenzen gewissen Rationalitätsbedingungen (Maximin- und Maximax-Präferenzen tun dies nicht!), so kann man sie erneut als Erwartungsnutzen-Maximierung darstellen (aber anders als bei Entscheidungen unter Risiko: Wahrscheinlichkeiten nicht exogen gegeben, sonder subjektive Wahrscheinlichkeiten).

8 Interaktive Entscheidungstheorie (=Spieltheorie) Es gibt mehrere Akteure jeder Akteur fällt seine Entscheidung der Ausgang hängt aber von den Entscheidungen aller ab also: Spieler entscheiden indem sie die (erwarteten) Entscheidungen anderer berüchsichtigen Beispiel: Viele Spieler wollen ihr Auto an dengleichen Interessenten verkaufen Entscheideidung jedes Spielers: sein Verkaufsangebot an den Interessenten Ausgang: ver sein Auto verkauft und für wieviel

9 Frage: Ist Spieltheorie reduzierbar auf indiv. Entscheidungstheorie unter Risiko/Unsicherheit, wobei die andere Spieler die Natur sind? Das heißt: kann man die Entscheidung jedes einzelnen Spielers nicht aus Sicht der individuellen Entscheidungsth. analysieren? Antwort: Nein! Denn die Natur handelt nicht wie ein Spieler: Die Natur (in der indiv. Entscheidungstheorie) handelt nicht strategisch; sie versucht keine Nutzen zu optimieren Die anderen Spieler (in der Spieltheorie) handeln strategisch; sie wählen ihre Handlungen als geeignete Antwort auf die erwarteten Handlungen der anderen Was die Spieltheorie sehr komplex werden lässt: Die rationale Entscheidung eines Spieler hängt von seiner Einschätzung der Entscheidungen der anderen Spieler ab; deren Entscheidungen hängen von deren Einschätzungen über die Entscheidungen der anderen Spieler ab; usw. also muss ein Spieler sich fragen: was glauben die anderen, dass ich glaube, das sie glauben, dass ich glaube,...

10 Kollektive Entscheidungstheorie = social choice Theorie Ausgangspunkt: in der Realität müssen Gruppen oft gemeinsam entscheiden, planen, Ziele formulieren, handeln, etc. Daher: social choice Theorie erforderlich In der social choice Theorie: eine Gruppe, z.b. Landesbevölkerung, Parlament, Expertengremium, Vorstand einziger Akteur ist die Gruppe = das Kollektiv aber: dieser Akteur entscheidet nicht losgelöst von den Gruppenmitgliedern sondern auf Basis der Willen, Ziele, Anichten, Wünsche, Urteile etc. der Personen Problem: die Willen (Ziele etc.) der Personen widersprechen einander

11 Empirische Fragestellung vs. normative Fragestellung Für jede der drei Gebiete der Entscheidungstheorie gibt es: empirische Fragestellung normative Fragestellung Empirische Fragestellung (nicht unsere) Welche Entscheidungen werden in der Realität gefällt? Warum? ( Verhalten erklären) Welche Entscheidungen/Verhaltensmuster sind unter welchen Bedingungen zu erwarten ( Verhalten vorhersagen) Solche Fragen ragen hinein in die - Psychologie (individ. Entscheidungstheorie), - Soziologie (interaktive Entscheidungstheorie), - Politikwiss. (kollektive Entscheidungstheorie).

12 Normative Fragestellung (unsere) welche Entscheidungen sind rational? (soc. ch. Th. auch:) welche Entscheidungen sind demokratisch? welche Entscheidungen sollten getroffen werden unter diversen Rationalitätskriterien (soc. ch. Th.: und Demokratiekriterien)? Diese Fragen gehören zur rational choice Theorie Aber: Rational choice Theorie kann auch nützlich sein im Hinblick auf empirischen Ziele (reales Verhalten erklären/vorhersagen) allerdings nur insoweit Menschen sich rational verhalten! Bsp.: reales Verhaltensmuster von Akteuren in der Marktwirtschaft/in der Uni/auf der Straße/etc. kann durch spieltheoretische Modelle erklärt oder vorhergesagt werden

13 Über den Rationalitätsbegriff der rational choice Theorie Leider: Viele (auch rational choice Theoretiker) sind sich nicht über den Rationalitätsbegriff im klaren. Die rational choice Theorie hat meist einen dünnen Rationalitätsbegriff: rational heißt (grob gesprochen) intern konsistent/koherent rational heißt, dass die einzelnen Bestandteile der Willen, Wünsche, Meinungen, Handlungen etc. zusammenpassen im Einzelnen kann das heißen: transitive Prärerenzen, logisch konsistente Urteile,...

14 Bsp. 1: Folgende Urteilsmenge ist rational (= intern konsistent): - Alle Ausländer schaden allen Deutschen - Nur das Wohl der Deutschen zählt - Alle Ausländer sollten ausgewiesen werden. Aber: ist dies auch rational in einem weiteren Sinn? ( vielleicht sind manche der Urteile (objektiv) falsch) Bsp. 2: Gegeben verschiedene Optionen, gilt jede transitive, reflexive, vollständige Präferenzordnung als rational (= intern konsistent). Aber: dann ist folgende Präferenzordnung rational: - am liebsten hätte Peter irgendeine ungerade Zahl von Kindern - am zweitliebsten hätte er gar keine Kinder - am drittliebsten hätte er irgendeine gerade (positive) Zahl von Kindern

15 Die meisten (alle?) Formalisierungen von rational (Transitivität von Prärerenzen, logische Konsistenz von Urteilen,...) betreffen diesen dünnen Rationalitätsbegriff andere Formen von Rationalität ließe sich schwer formalisieren Also: auch Theoreme ( Resultate ) der rational choice Theorie beziehen sich auf Rationalität als interne Konsistenz Der Rationalitätsbegriff der rational choice Theorie: ist nicht falsch (auch nicht böse ) liefert notwendige Bedingungen an Rationalität liefert keine hinreichende Bedinungen für Rationalitäte, da er vieles ausklammert (deshalb dünn )

16 Wichtig: bei der Interpretation und Anwendung von Resultaten: Man muss hinter die Kulissen gucken, Präferenzen interpretieren,... Das geht über eine rein formale Analyse hinaus. Z.B.: Ob eine Wahlprozedur angebracht ist, kann davon abhängen, welche Motive hinter den Präferenzen der Leute stecken (Eigeninteresse? Urteile über gemeinschaftliches Wohl?) Typische (ideologische?) Fehler von Rational Choicern: die Interpretation von Präferenzen ganz außer acht lassen Präferenzen falsch interpretieren, z.b. sie automatisch als Ausdruck von Privatinteresse deuten Formale Ergebnisse falsch oder über-interpretieren. Bsp.: Darstellungssätze wonach Präferenzen darstellbar sind als Erwartunsnutzen-Maximierung sagen nicht, dass ein rationaler Akteur bewusst erwartete Nutzen berechnet, sondern nur dass sich seine Präferenzen so darstellen lassen

17 B. Social choice Theorie 1. Allgemeine Aufgabenstellung 2. Konkrete Beispiele 3. Aggregationsregeln 4. Was sind gute Aggregationsregeln? Prozedurale vs. epistemische Perspektive 5. Wie findet man gute Aggregationsregeln? Probieren vs. axiomatische Methode 6. Beweise in der social choice Theorie

18 Allgemeine Aufgabenstellung Eine Gruppe von n Personen, bezeichnet 1,..., n (n 2) kollektive Entscheidung erforderlich wobei Entscheidung viele Bedeutungen haben kann: Beschluss kollektiver Handlungen: Soll Straße gebaut werden? Soll Mehrwertsteuer angehoben werden? Welche Regierung soll Staat regieren?... Beschluss kollektiver Bewertungen/Werte/Ziele/etc.: Wie wünschenswert ist eine multikulturelle Gesellschaft? Ist ein höherer Benzinpreis oder die Klimaerwärmung schlimmer? Wie wichtig ist uns die Angleichung der ökonomischen Verhältnisse in der Welt?...

19 Beschluss kollektiver Meinungen (zu Sachfragen): Führt eine multikulturelle Gesellschaft zu mehr sozialer Instabilität? Führt mehr CO 2 -Ausstoß zu Klimaerwärmung? Führt ein freier Welthandel zur Angleichung der Lebensverhältnisse?... Bewertung unterschiedlicher Gesellschaftszustände, d.h. Bildung von Wohlfahrtsurteilen ( Wohlfahrtsökonomie): Welche Zustände sind besser als welche anderen? Ein Zustand könnte z.b. durch eine Einkommensverteilung gegeben sein; oder durch reichere Information, die etwa auch das soziale Klima, das Maß an Freiheit, etc. umfasst Mit welchen Modellen soll man die untersch. Fragestellungen studieren? Wir werden zwei allgemeine Modelle untersuchen: Präferenzenaggregation (und ihre kardinale Erweiterung) und Urteilsaggregation.

20 Konkrete Beispiele Bsp. 1 (Präferenzenaggregation). Eine Gruppe wählt zwischen zwei Kandidaten, oder zwei Urlaubszielen, oder zwei Meinungen zu Sachfragen, oder zwei wissensch. Theorien binäres Problem, weil nur zwei Entscheidungen möglich sind natürlicher Vorschlag: Mehrheitsregel, d.h. man wählt diejenige Alternative, die mehr Leute wollen Bsp. 2 (Präferenzenaggregation). Eine Gruppe entscheidet, für wie lange sie in Urlaub fahren will, oder welche Kompetenzen dem Gruppenleiter übertragen werden sollen mehr als zwei Optionen die naheliegende Prozedur, die Pluralitätsregel, is problematisch: der Kandidat mit den meisten Stimmen könnte zugleich im paarweisen Vergleich gegen jeden anderen Kandidaten verlieren (vgl.: Jean-Marie Le Pen im ersten Wahlgang der französ. Präsidentschaftswahlen) es gibt KEINE offensichtlich beste Prozedur, sondern viele Prozeduren mit jeweils anderen Vor- und Nachteilen

21 Beispiel 3 (Wohlfahrtsökonomie). Sei X eine Menge potenzieller Zustände der Gesellschaft. Jeder Zustand x X ist eine vollständige Beschreibung aller relevanter Askpekte der Gesellschaft (etwa der Einkommensverteilung, der Freiheitsräume der Menschen,...). Wie sind diese Zustände zu bewerten? Welche sind besser als welche? Dieses Entscheidungsproblem unterscheidet sich erheblich von den vorigen: Stellenwert der Alternativen: Die Alternativen (Gesellschaftszustände) lassen sich nicht einfach auswählen und umsethen : allenfalls kann der Staat versuchen, die Einkommensverteilung durch Rahmenbedingungen teilw. beeinflussen Stellenwert der kollektiven Entscheidung (Output der Aggregationsregel) Gesucht ist ein (Wohlfahrts-)Urteil, d.h. eine besser als -Relation über Einkommensverteilungen, die ein Wohlfahrtsurteil darstellt Stellenwert der Inputs der Aggregationsregel Auf der Basis welcher Inputs soll dieses Wohlfahrtsurteil erstellt werden? Lt. Welfarismus auf Basis der Wohlfahrtniveaus der Menschen (s.u.). Diese Inputs (= indiv. Wohlfahrtsfunktionen) werden realistisch nicht von Individuen eingereicht sondern von externer Person (Regierung) geschätzt Bsp. einer Aggregationsregel: Zustand x ist besser als Zustand x* genau dann wenn die Summe der individ. Wohlfahrten in x größer ist als in x*.

22 Beispiel 4 (Urteilsaggregation). Eine Expertengremium sucht kollektive Urteile zu folgenden wissenschaftlichen Propositionen: a : In Deutschland werden zu wenig Kinder geboren. b : Deutschland braucht mehr Immigration. a b : Wenn in Deutschland zu wenig Kinder geboren werden, dann braucht Deutschland mehr Immigration. Bemerke: es gibt hier nicht Alternativen, sondern logisch verknüpfte Propositionen akzeptiert man a und a b, so muss man b akzeptieren! die naheliegende Prozedur, die (propositionsweise) Mehrheitsregel, is problematisch, da sie logisch inkonsistente kollektive Urteile erzeugen kann: 1/3 der Bevölkerung 1/3 der Bevölkerung 1/3 der Bevölkerung Mehrheit ja ja nein ja a b nein wieder gibt es KEINE offensichtlich beste Prozedur, sondern mehrere konkurrierende Prozeduren mit Vor- und Nachteilen a ja ja ja b ja nein nein nein

23 Aggregationsregeln Kollektive Entscheidung hängt von individuellen Inputs ab. Ein Profil ist ein Vektor (x 1, x 2,..., x n ), wobei: x 1 ist der Input von (die Information über) Person 1 x 2 der Input von (die Information über) Person 2... x n der Input von (die Information über) Person n. Die Natur der Inputs x i hängt vom Aggregationsproblem ab: Präferenzaggregation: x i ist i s Präferenzrelation über Optionen (oder manchmal: i s Lieblingsoption, oder die Menge der von i gebilligten Optionen) Wohlfahrtsökonomie: x i ist i s Wohlfahrtsfunktion über Gesellschaftszustände Urteilsaggregation: x i ist i s Urteilsmenge über Propositionen etc.

24 Auf Basis eines Profils (x 1, x 2,..., x n ): welche kollektive Entscheidung? Aufgabe der social choice Th.: geeignete Aggregationsregel finden. Eine Aggregationsregel F transformiert Profile (x 1, x 2,..., x n ) in kollektive Entscheidungen F(x 1, x 2,..., x n ) Individuelle Inputs (x 1, x 2,..., x n ) (Profil) enthält z.b. individuelle Präferenzen, Meinungen, Zielvorstellungen, Wohlfahrtsfunktionen, Nutzenfunktionen, Urteilsmengen,... Aggregationsregel F z.b. Mehrheitsregel, Pluralitätsregel,... kollektiver Outputs F(x 1, x 2,..., x n ) (Entscheidung) z.b. kollektive Präferenzen, gewählter Kandidat, Einkommensverteilung, kollektive Urteilsmenge Formal: Eine Aggregationsregel is eine Funktion F die Profilen kollektive Entscheidungen zuordnet. Kann mathematisch präzise definiert werden!

25 Bsp: Wahl eines Kandidaten aus einer Menge von Kandidaten K. Profil: (x 1, x 2,..., x n ), wobei x i Person i s Lieblingskandidat ist Entscheidung: Kandidat (Regelfall) oder Patt zw. Kandidaten (Ausnahmefall); um Patt zu erlauben, ist Output der Regel nicht ein Kandidat sonder eine Menge von siegreichen Kandidaten K* K (oft ist K* aber einelementig!) Pluralitätsregel: definiert durch F(x 1, x 2,..., x n ) = {k K : [Zahl an Personen i mit x i = k] [Zahl an Personen i mit x i = k*] für alle k* K} (= Menge der Kandidaten mit maximaler Stimmenzahl) Oligarchie durch die Personen 1, 2, 3: definiert durch F(x 1,..., x n ) = {k K : [Zahl an Personen i {1,2,3} mit x i = k] [Zahl an Personen i {1,2,3} mit x i = k*] für alle k* K} = Menge der Kandidaten mit maximaler Stimmenzahl unter den Personen 1,2,3. Diktatur durch Person 3: F(x 1,..., x n ) = {x 3 } (Person 3 s Lieblingskand. siegt) Eine konstante Regel: F(x 1,..., x n ) = {k*} (ein exogen aufgezwungener Sieger) Andere ( bessere ) Aggregationsregeln können definiert werden, wenn der informationelle Gehalt des Profils angereichert wird: wenn x i nicht i s Lieblingskandidat ist, sondern z.b. i s Präferenzrelation über Kandidaten, oder i s Nutzenfunktion über Kandidaten.

26 Was sind gute Aggregationsregel? Prozedurale vs. epistemische Bewertung Bei der Bewertung von Aggregationsregeln kann man zw. 2 Zielen unterscheiden: Prozedurale Perspektive: konzentriert sich auf die Prozedur F, nicht primär ihre Outputs der Mechanismus, durch den Outputs generiert werden, soll wünschenswerte Eigenschaften haben die Beziehung zw. Outputs und Inputs von F zählt Demokratieanforderungen: Anonymität, Responsivität, universeller Bereich, etc. (später genaue Definitionen) andere Anforderung (bei Wahl eines Kandidaten): Neutralität (kein Kandidat soll von Prozedur bevorzugt wreden) Bsp: Bei einer Wahl zwischen zwei Kandidaten fürhrt aus prozeduraler Sicht kein Weg an der Mehrheitsregel vorbei Dies wird formal durch May s Theorem gezeigt.

27 Epistemische Perspektive Ziel der Prozedurwahl: die Prozedur soll richtige / gute Outputs erzeugen Dies setzt einen objektiven Standard von Richtigkeit / Güte kollektiver Outputs (Entscheidungen) voraus: ein Kandidat ist objektiv der beste, eine Politik ist objektiv richtig, etc. Kollektiven Entscheidungsfindung als Suche nach der richtigen Entscheidung, ganz egal wie demokratisch die Prozedur ist Bsp. 1: Annahme: wir können ein Orakel befragen, das uns immer den (objektiv) besseren Kandidaten nennt Epistemisch beste Prozedur = immer das Orakel befolgen total undemokratisch, daher prozedural nicht gerechtfertigt Bsp. 2: Sind verschiedene Wähler verschieden kompetent, so könnte aus epistemischer Sicht kompetenteren Wählern ein höheres Stimmgewicht geben werden, wobei Kompetenz = Fähigkeit zum Erkennen der (objektiv) Richtigen Entscheidung behandelt Leute verschieden, daher prozedural problematisch

28 Feststellung: Es gibt kein Orakel, und wir wissen oft nicht, wer wie kompetent ist Also: Die Mehrheitsregel (im 2-Optionen-Fall) könnte auch aus epistemischer Sicht gerechtfertigt sein. Dies wird formal durch Condorcet s jury Theorem gezeigt Also lässt sich die Mehrheitsregel (im 2-Optionen-Fall) - aus prozeduraler Sicht verteidigen, da sie demokratisch ist; - aus epistemischer Sicht verteidigen, da sie tendenziell zu guten Entscheidungen führt (unter gewissen Annahmen)

29 Wie findet man gute Aggregationsregeln? Probieren vs. axiomatische Methode Bei der Suche nach einer geeigneten Prozedur (ob aus prozeduraler, epistemischer oder sonstiger Sicht) sind zwei Ansätze denkbar: Probieren (gut als Einstieg) Axiomatische Methode (die anerkannte Methode seit Arrow) Probieren : Man überlegt sich plausible Prozeduren und prüft, welche Vor- und Nachteile sie haben. im 2-Optionen-Fall klappt das: Mehrheitsregel sieht gut aus... aber warum genau? Hier stößt man an die Grenze von Probieren in komplexeren Problemen wird es schwierig: jede mehr-oderweniger plausible Prozedur hat andere Macken; siehe obige und spätere Beispiele.

30 Axiomatische Methode: Man - formuliert mehrere Desideraten, die die Prozedur erfüllen soll, - formalisiert sie als formale Bedingungen an die Prozedur - untersucht, welche Prozeduren alle Bedingungen simultan erfüllen. Bsp.: Man kann Anonymität so formalisieren: Es gilt F(x 1,..., x n ) = F(x π(1),..., x π(n) ) (gleicher Output) für alle sich nur in der Reihenfolge der Inputs unterscheidenden (zulässigen) Profile (x 1,..., x n ) und (x π(1),..., x π(n) ) (wobei π : {1,..., n} {1,..., n} irgendeine Permutation der Individuen ist). Z.B. gilt F(x 1, x 2 ) = F(x 2, x 1 ) im Fall von n = 2 Individuen Intuitiv bedeutet dies: die Prozedur F weiss nicht, won wem die verschiedenen Inputs stammen

31 Die axiomatische Methode kann zu drei Ergebnissen führen: Fall 1: Es gibt genau eine Aggregationsregel mit allen Eigenschaften: Idealfall! Wir sind fertig! Bsp. (May Theorem) Im 2-Optionen-Fall erfüllt eine Aggregationsregel Anonymität, Neutralität, positive Responsivität und universeller Bereich dann und nur dann, wenn sie die Mehrheitsregel ist. Fall 2: Es gibt mehrere Aggregationsregel mit allen Eigenschaften: Wir müssen weitere Eigenschaften fordern, um zu einer einzigen Lösung zu kommen Fall 3: Es gibt keine Aggregationsregel mit allen Eigenschaften: Wir müssen manche der Forderungen aufgeben oder abschwächen, um zu einer Lösung zu kommen. Bsp. (Arrow s Theorem) Im Fall von mehr als 2 Optionen erfüllt keine Aggregationsregel zugleich Pareto-Effizienz, Nicht-Diktatur, Unabhängigkeit von irrelevanten Alternativen, universaller Bereich und kollektive Rationalität.

32 Graphische Illustration bei 3 Bedingungen an die Aggregationsregel Seien A, B, C drei Bedingungen an die Aggregationsregel. Gesucht: Aggregationsregel, die A erfüllt, eine A-Regel. Fall 1: Genau eine Aggregationsregel erfüllt zugleich Bedingungen A&B&C alle A&B-Regeln alle Regeln alle A-Regeln alle C-Regeln alle B-Regeln einzige A&B&C-Regel alle A&C-Regeln alle A&B-Regeln

33 Fall 2: Mehrere Aggregationsregel erfüllen zugleich Bedingungen A&B&C alle Regeln alle A-Regeln alle C-Regeln alle B-Regeln alle A&B&C-Regel Fall 3: Keine Aggregationsregel erfüllen zugleich Bedingungen A&B&C alle Regeln alle A-Regeln alle C-Regeln alle B-Regeln kein Überlapp = keine A&B&C-Regel

34 Bemerkung: Durch Bedinungen an die Aggregationsregel schränkt man die Zahl der möglichen Regeln dramatisch ein. Bsp: binäres Entscheidungsproblem unter n = 10 Personen jede Person hat 2 mögliche Inputs, und es gibt zwei mögliche Outputs es gibt bereits 2 hoch (2 hoch n) Aggregationsregeln, d.h. so viele: das sind weit mehr als es Atome in Universum gibt May s Theorem zeigt: stellt man lediglich vier Bedingungen, so bleibt genau eine Prozedur übrig (die Mehrheitsregel)

35 Beweise in der social choice Theorie Unterschiedliche Typen von Theoremen können bedürfen unterschiedlicher Beweistechnicken: Seien A, B,... Bedingungen/Axiome an die Aggregationsregel (z.b. Anonymität) 1. Characterisiertungssätze (z.b. May s Theorem; siehe Fall 1) Allgemeine Form: Die Aggregationsregel F* ist die einzige Aggregationsregel mit den Eigenschaften A, B,... Beweistechnik (in zwei Schritten): (i) Man zeigt, dass F* die Eigenschaften A, B,... erfüllt (oft einfach; z.b. ist es in May s Theorem offensichtlich, dass die Mehrheitsregel alle Bedingungen erfüllt). (ii) Man nimmt an, F sei eine Aggregationsregel mit den Eigenschaften A, B,... ist, und zeigt, dass F = F* gilt (oft weniger einfach).

36 2. Möglichkeitssäte (siehe Fall 1 oder 2) Allgemeine Form: Es existiert eine Aggregationsregel mit den Eigenschaften A, B,... Beweistechnik (konstruktiver Beweis): Man definiert eine Aggregationsregel F und zeigt, dass sie jede der Eigenschaften A, B,... erfüllt. 3. Unmöglichkeitssatz (Fall 3) Allgemeine Form: Es existiert keine Aggregationsregel mit den Eigenschaften A, B,... Beweistechnik (Widerspruchsbeweis): Man nummt an, F sei eine Aggregationsregel, die A, B,... erfüllt, und leitet einen Widerspruch her.

37 C. Einführung in die Präferenzenaggregation (PA) und Wohlfahrtsökonomie Bemerkung: Ich werde keine konkreten Theoreme besprechen, um Ihre Vorträge nicht vorwegzunehmen Das Modell der PA Zwei Beispiele von Aggregationsregeln Was sind individuelle Präferenzen? Was sind kollektive Präferenzen? Unterschiedliche Aggregationsregeln für unterschiedliche Inhalte der Inputs und Outputs Optionenraum: zwei Interpretationen Rationale Präferenzen Bedingungen an die Aggregationsregel Wohlfahrtsökonomie, kardinale Input-Information

38 Das Modell der PA Wir betrachten: eine Gruppe von n Personen 1,..., n (n 2) eine (nicht-leere) Menge X von Alternativen (Optionen), vor die die Gruppe gestellt ist (Kandidaten, Maßnahmen, Gesellschaftszustände,...) Der Optionenraum X ist exklusiv (höchstens eine der Optionen ist möglich) und erschöpfend (es gibt keine anderen Optionen); also muss genau eine der Optionen muss ergriffen werden Individuelle Präferenzen: Für Optionen x, y in X schreiben wir xr i y falls Person i x (schwach) gegenübereriert y präferiert, kurz wenn Person ix mindestens so gut wie y findet. Formal: jedes Individuum i = 1,..., n hat eine Präferenzrelation R i R i ist eine binäre Relation auf X (d.h. eine Menge von Paaren (x, y) X X, wobei xr i y eine Abkürzung für (x, y) R i ist).

39 Eine strikte Präferenzrelation P i und eine Indifferenzrelation I i werden wie folgt aus der schwachen Präferenzrelation R i definiert: xp i y (x (strikt) besser als y) : [xr i y und nicht yr i x] (x mind. so gut wie y und y nichtmind. so gut wie x) xi i y (x genauso gut wie y) : [xr i y und yr i x] (x mind. so gut wie y und y mind. so gut wie x) (Umgekehrt könnte man schwache Präferenzen nicht aus strikten Präferenzen definieren; deshalb betrachtet man schwache Präferenzen als den primitiven Begriff und strikte Präferenzen und Indifferenzen als abgeleitete Begriffe.) Ziel: kollektive Präferenzen finden (manchmal nur: eine Option x in X finden, die Entscheidung ) Für Optionen x, y in X schreiben wir xry falls das Kollektiv x (schwach) gegenübereriert y präferiert, kurz wenn x mindestens so gut ist wie y (aus Sicht der Gruppe) Formal: R ist (wie jedes R i ) eine binäre (Präferenz-)relation auf X Aus R erhält man wieder eine (kollektive) strikte Präferenzrelation P und eine (kollektive) Indifferenzrelation I (analog zu P i und I i )

40 (Präferenz-)aggregationsregeln: Bemerkung: Manchmal verwendet PA andere In- und Outputs: - i s Input ist nicht Präferenzrelation R i, sondern i s Lieblingsoption x i X, oder die Menge G i X der von i gebilligten Optionen - der Output ist nicht kollekt. Präferenzrelation R, sondetn z.b. siegreiche Option x X. Eine (Präferenz-)aggregationsregel ist eine Funktion F, die für jedes Profil (R 1, R 2,..., R n ) individueller Präferenzrelationen (in einem Bereich zulässiger Profile) eine kollektive Präferenzordnung R = F(R 1, R 2,..., R n ) spezifiziert Profil individueller Präferenzordgungen (R 1, R 2,..., R n ) Aggregationsregel F z.b. CondorcetRegel, Borda Regel,... kollektive Präferenzrelation R = F(R 1, R 2,..., R n )

41 Zwei Beispiele von Aggregationsregeln Folgende zwei Aggregationsregeln wurden von französ. Theoretikern im 18. Jahrhundert gefunden (Marquis de Condorcet und Compte de Borda) durch Probieren, da axiomatische Methode erst mit Arrow kam

42 Bsp. 1: Condorcet Regel (= paarweise Mehrheitsregel) Definiere die kollektive Präferenzrelation R = F(R 1, R 2,..., R n ) so: xry : [Zahl an Personen i mit xr i y] [Zahl an Personen i mit yr i x] (für beliebige Optionen x, y in X) Problem (Condorcet s Paradox). Bei mind. 3 Individuen und mind. 3 Optionen kann die Condorcet Regel zyklische kollektive Präferenzen generieren. Betrachte Optionen x, y, z und ein Profile, in dem - 1/3 der Individuen x über y über z präferiert - 1/3 der Individuen y über z über x präferiert - 1/3 der Individuen z über y über x präferiert Dann gilt: - eine Mehrheit präferiert x über y; also xpy - eine Mehrheit präferiert y über z; also ypz - eine Mehrheit präferiert z über x; also zpx Ein Zyklus! Formal: Die kollektiven Präferenzen verletzten Transitivität (s.u.)

43 Bsp. 2: Borda Regel - Wir setzen voraus, es gibt k := X < Optionen, und die Profile (im Bereich der Regel) bestehen aus linearen Präferenzordnungen. - Der (Borda-)Rang einer Option in einer (linearen) Präferenzordnung ist so definiert: die meistpräferierteste Option Borda-Rang n, die zweit-meist-prärerierte Option Borda-Rang n 1,..., die am wenigsten präferierte Option Borda-Rang 1. Sei b R i (x) der Borda-Rang von Option x in Präferenzrelation R i. Definiere nun die kollektive Präferenzrelation R = F(R 1, R 2,..., R n ) so: xry : b R 1 (x)+ b R2 (x) b Rn (x) b R1 (y)+ b R2 (y) b Rn (y) (x hat einen mind. so hohen summierten Borda-Rang wie y) Frage: Wie ordnet R die Optionen x, y, z im vorigen Profil (in dem die Condorcet Regel den Zyklus xpypzpx erzeugt)? wenn X nur x, y, z enthält? wenn X mehr Optionen enthält? Problem: Der Ausgang ist durch agenda setters manipulierbar, da sich die kollektive Präferenz zwischen x und y umkehren kann durch das Hinzufügen oder Herausnehmen anderer Optionen.

44 Was sind individuelle Präferenzen? Der Gegenstand der Aggregation in der PA sind Präferenzen. Selten gestellte Fragen (aber Amartya Sen stellt sie!): Was aber sind Präferenzen? Was drücken sie aus? Bsp: Ein Obdachloser in der Fußgängerzone bittet Sie um eine Münze. Sie haben zwei Optionen: Münze geben und keine Münze geben Fragen an Sie: Welche Option präferiert der Bettler (d.h. will er, hätte er lieber)? Welche Option ist im Interesse des Bettlers? Und falls er trinkt? Welche Option ist in Ihrem Interesse? Welche Option präferieren Sie (und werden Sie daher wählen)? Man könnte definieren: eine Präferenz ist - eigeninteressiert (überspitzt: egoistisch), falls sie sich am Eigeninteresse orientiert - fremdinteressiert (überspitzt: altruistisch), falls sie sich am Interesse anderer orientiert

45 Man könnte viele andere Fragen stellen, etwa: Welche Option macht den Bettler glücklicher? Kurzfristig? Lanfristig? Und wenn er trinkt? Welche Option erhöht die Wohlfahrt des Bettlers? (vielleicht dieselbe Frage wie wlche Option ist im Interesse des Bettlers? ) Kurzfristig? Langfristig? Und wenn er trinkt? Welche Option macht Sie glücklicher? Kurzfristig? Lanfristig? Welche Option ist besser für Sie und ihn zusammen? Welche Option ist besser für die Volkswirtschaft? Welche Option ist besser für die Menschheit? Welche Option ist besser? (etwas unklar, was besser heißt) Welche Option ist moralischer? (vielleicht dieselbe Frage wie zuvor) Welche Option sollten Sie wählen? (vielleicht wieder dieselbe Frage)

Mathematik 1. Lösungsvorschläge zum 2. Übungsblatt

Mathematik 1. Lösungsvorschläge zum 2. Übungsblatt Hochschule Regensburg Fakultät Informatik/Mathematik Christoph Böhm Wintersemester 0/0 Wirtschaftsinformatik Bachelor IW Informatik Bachelor IN Vorlesung Mathematik Mathematik Lösungsvorschläge zum Übungsblatt

Mehr

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier fernau@uni-trier.de

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier fernau@uni-trier.de Diskrete Strukturen und Logik WiSe 2007/08 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Diskrete Strukturen und Logik Gesamtübersicht Organisatorisches Einführung Logik & Mengenlehre

Mehr

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

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

Mehr

Condorcet-Paradox (der sozialen Entscheidung mit einfacher Mehrheit)

Condorcet-Paradox (der sozialen Entscheidung mit einfacher Mehrheit) 1 - wipo060215.doc Condorcet-Paradox (der sozialen Entscheidung mit einfacher Mehrheit) Problem: Wenn mindestens drei Personen unter mindestens drei Optionen auszuwählen haben, dann ist es möglich, daß

Mehr

3. Zusammenhang. 22 Andreas Gathmann

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

Mehr

Codierungstheorie Rudolf Scharlau, SoSe 2006 9

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

Mehr

ihre Aktionen (Strategien) simultan und unabhängig wählen unabhängig : Spieler können keine bindenden Vereinbarungen treffen

ihre Aktionen (Strategien) simultan und unabhängig wählen unabhängig : Spieler können keine bindenden Vereinbarungen treffen 1 KAP 1. Bi Matrix Spiele Wir betrachten eine Situation mit zwei Spielern, die ihre Aktionen (Strategien) simultan und unabhängig wählen die möglichen Strategien und Nutzen ihrer Gegensp. vollständig kennen

Mehr

Formale Methoden II. Gerhard Jäger. SS 2008 Universität Bielefeld. Teil 8, 11. Juni 2008. Formale Methoden II p.1/30

Formale Methoden II. Gerhard Jäger. SS 2008 Universität Bielefeld. Teil 8, 11. Juni 2008. Formale Methoden II p.1/30 Formale Methoden II SS 2008 Universität Bielefeld Teil 8, 11. Juni 2008 Gerhard Jäger Formale Methoden II p.1/30 Beispiele Anmerkung: wenn der Wahrheitswert einer Formel in einem Modell nicht von der Belegungsfunktion

Mehr

Vorlesung. Funktionen/Abbildungen 1

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

Mehr

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

5 Relationen. Formale Grundlagen der Informatik I Herbstsemester 2012. Robert Marti

5 Relationen. Formale Grundlagen der Informatik I Herbstsemester 2012. Robert Marti Formale Grundlagen der Informatik I Herbstsemester 2012 Robert Marti Vorlesung teilweise basierend auf Unterlagen von Prof. emer. Helmut Schauer Allgemeine Definition einer Relation Eine n-stellige Relation

Mehr

5.1 Drei wichtige Beweistechniken... 55 5.2 Erklärungen zu den Beweistechniken... 56

5.1 Drei wichtige Beweistechniken... 55 5.2 Erklärungen zu den Beweistechniken... 56 5 Beweistechniken Übersicht 5.1 Drei wichtige Beweistechniken................................. 55 5. Erklärungen zu den Beweistechniken............................ 56 Dieses Kapitel ist den drei wichtigsten

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Einheit 3: Alphabete (und Relationen, Funktionen, Aussagenlogik) Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Oktober 2008 1/18 Überblick Alphabete ASCII Unicode

Mehr

Optimalitätskriterien

Optimalitätskriterien Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen

Mehr

1 Mengen. 1.1 Elementare Definitionen. Einige mathematische Konzepte

1 Mengen. 1.1 Elementare Definitionen. Einige mathematische Konzepte Einige mathematische Konzepte 1 Mengen 1.1 Elementare Definitionen Mengendefinition Die elementarsten mathematischen Objekte sind Mengen. Für unsere Zwecke ausreichend ist die ursprüngliche Mengendefinition

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

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

9. Übung Formale Grundlagen der Informatik

9. Übung Formale Grundlagen der Informatik Institut für Informatik Sommersemester 2001 Universität Zürich 9. Übung Formale Grundlagen der Informatik Norbert E. Fuchs (fuchs@ifi.unizh.ch) Reinhard Riedl (riedl@ifi.unizh.ch) Nadine Korolnik (korolnik@ifi.unizh.ch)

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Einheit 8: kontextfreie Grammatiken Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2009/2010 1/37 Überblick Kontextfreie Grammatiken

Mehr

Aspekte kollektiver Entscheidungen

Aspekte kollektiver Entscheidungen Aspekte kollektiver Entscheidungen 1. Das Wahlparadoxon Bei Mehrheitswahl kann es sein, dass es kein Gleichgewicht gibt: Dies wurde bereits 1785 vom Marquis de Condorcet (1743-1794) erkannt. Als Beispiel

Mehr

Binäre abhängige Variablen

Binäre abhängige Variablen Binäre abhängige Variablen Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Einführung Oft wollen wir qualitative Variablen

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

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

2. Vorlesung. Slide 40

2. Vorlesung. Slide 40 2. Vorlesung Slide 40 Knobelaufgabe Was tut dieses Programm? Informell Formal Wie stellt man dies sicher? knobel(a,b) { Wenn a = 0 dann return b sonst { solange b 0 wenn a > b dann { a := a - b sonst b

Mehr

1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:

1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:

Mehr

5. Aussagenlogik und Schaltalgebra

5. Aussagenlogik und Schaltalgebra 5. Aussagenlogik und Schaltalgebra Aussageformen und Aussagenlogik Boolesche Terme und Boolesche Funktionen Boolesche Algebra Schaltalgebra Schaltnetze und Schaltwerke R. Der 1 Aussagen Information oft

Mehr

Axiomatische Beschreibung der ganzen Zahlen

Axiomatische Beschreibung der ganzen Zahlen Axiomatische Beschreibung der ganzen Zahlen Peter Feigl JKU Linz peter.feigl@students.jku.at 0055282 Claudia Hemmelmeir JKU Linz darja@gmx.at 0355147 Zusammenfassung Wir möchten in diesem Artikel die ganzen

Mehr

Theoretische Informatik

Theoretische Informatik Theoretische Informatik für die Studiengänge Ingenieur-Informatik berufsbegleitendes Studium Lehramt Informatik (Sekundar- und Berufsschule) http://theo.cs.uni-magdeburg.de/lehre04s/ Lehrbeauftragter:

Mehr

Beispiele für Relationen

Beispiele für Relationen Text Relationen 2 Beispiele für Relationen eine Person X ist Mutter von einer Person Y eine Person X ist verheiratet mit einer Person Y eine Person X wohnt am gleichen Ort wie eine Person Y eine Person

Mehr

Terme stehen für Namen von Objekten des Diskursbereichs (Subjekte, Objekte des natürlichsprachlichen Satzes)

Terme stehen für Namen von Objekten des Diskursbereichs (Subjekte, Objekte des natürlichsprachlichen Satzes) Prädikatenlogik Man kann den natürlichsprachlichen Satz Die Sonne scheint. in der Prädikatenlogik beispielsweise als logisches Atom scheint(sonne) darstellen. In der Sprache der Prädikatenlogik werden

Mehr

Einführung in die klassische Spieltheorie

Einführung in die klassische Spieltheorie Einführung in die klassische Spieltheorie Seminar Algorithmische Spieltheorie, Wintersemester 2007/2008 Martin Sauerhoff Lehrstuhl 2, Universität Dortmund Übersicht 1. Einleitung 2. Zwei-Personen-Nullsummenspiele

Mehr

5 Logische Programmierung

5 Logische Programmierung 5 Logische Programmierung Logik wird als Programmiersprache benutzt Der logische Ansatz zu Programmierung ist (sowie der funktionale) deklarativ; Programme können mit Hilfe zweier abstrakten, maschinen-unabhängigen

Mehr

Einführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5)

Einführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5) Einführung 3 Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Univ.-Prof. Dr. Christoph Meinel Hasso-Plattner-Institut Universität Potsdam, Deutschland Hatten den Reduktionsbegriff

Mehr

Definition eines Spiels

Definition eines Spiels Definition eines piels 1. Einleitung 1.1 Einführung: Die mathematische pieltheorie beschäftigt sich nicht nur mit der Beschreibung und Analyse von pielen im üblichen inn, sondern allgemein mit Konfliktsituationen

Mehr

(a)... ein Spieler eine Entscheidung treffen muss... (b)... der andere Spieler (Experte) über private...

(a)... ein Spieler eine Entscheidung treffen muss... (b)... der andere Spieler (Experte) über private... 1 KAP 19. Expertenberatung Wir betrachten eine Modell, in dem... (a)... ein Spieler eine Entscheidung treffen muss... (b)... der andere Spieler (Experte) über private...... entscheidungsrelevante Information

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

Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt

Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik Prof. Dr. A. Taraz, Dipl-Math. A. Würfl, Dipl-Math. S. König Weihnachtsblatt Aufgabe W.1 Untersuchen Sie nachstehenden

Mehr

Logik für Informatiker

Logik für Informatiker Logik für Informatiker 2. Aussagenlogik Teil 3 30.04.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Letztes Mal Aussagenlogik Syntax: welche Formeln? Semantik:

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

Motivation. Formale Grundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen. Informales Beispiel. Informales Beispiel.

Motivation. Formale Grundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen. Informales Beispiel. Informales Beispiel. Kontextfreie Kontextfreie Motivation Formale rundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen Bisher hatten wir Automaten, die Wörter akzeptieren Frank Heitmann heitmann@informatik.uni-hamburg.de

Mehr

Klausur Formale Systeme Fakultät für Informatik WS 2009/2010

Klausur Formale Systeme Fakultät für Informatik WS 2009/2010 Klausur Formale Systeme Fakultät für Informatik WS 2009/2010 Prof. Dr. Bernhard Beckert 18. Februar 2010 Name: Mustermann Vorname: Peter Matrikel-Nr.: 0000000 Klausur-ID: 0000 A1 (15) A2 (10) A3 (10) A4

Mehr

Grundlagen der Theoretischen Informatik - Sommersemester 2012. Übungsblatt 1: Lösungsvorschläge

Grundlagen der Theoretischen Informatik - Sommersemester 2012. Übungsblatt 1: Lösungsvorschläge Lehrstuhl für Softwaretechnik und Programmiersprachen Professor Dr. Michael Leuschel Grundlagen der Theoretischen Informatik - Sommersemester 2012 Übungsblatt 1: Lösungsvorschläge Disclaimer: Bei Folgendem

Mehr

Prolog basiert auf Prädikatenlogik

Prolog basiert auf Prädikatenlogik Software-Technologie Software-Systeme sind sehr komplex. Im Idealfall erfolgt die Programmierung problemorientiert, während die notwendige Übertragung in ausführbare Programme automatisch erfolgt. Prolog-Philosophie:

Mehr

Teil I: Einführung Motivation Einführendes Beispiel Merkmale eines Spiels Teil II: Mathematische Spieltheorie. Einführung

Teil I: Einführung Motivation Einführendes Beispiel Merkmale eines Spiels Teil II: Mathematische Spieltheorie. Einführung c by Rolf Haenni (2006) Seite 170 Teil I: Motivation Einführendes Beispiel Merkmale eines Spiels Teil II: Mathematische Spieltheorie Neutrale Spiele Die Conway-Theorie Teil III: Spielalgorithmen in der

Mehr

Was ist Mathematik? Eine Strukturwissenschaft, eine Geisteswissenschaft, aber keine Naturwissenschaft.

Was ist Mathematik? Eine Strukturwissenschaft, eine Geisteswissenschaft, aber keine Naturwissenschaft. Vorlesung 1 Einführung 1.1 Praktisches Zeiten: 10:00-12:00 Uhr Vorlesung 12:00-13:00 Uhr Mittagspause 13:00-14:30 Uhr Präsenzübung 14:30-16:00 Uhr Übungsgruppen Material: Papier und Stift wacher Verstand

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

2. Lernen von Entscheidungsbäumen

2. Lernen von Entscheidungsbäumen 2. Lernen von Entscheidungsbäumen Entscheidungsbäume 2. Lernen von Entscheidungsbäumen Gegeben sei eine Menge von Objekten, die durch Attribut/Wert- Paare beschrieben sind. Jedes Objekt kann einer Klasse

Mehr

Beruf als institutionelle Grundlage des Arbeitsmarktes: Anmerkungen zu einer Neukonzipierung der Berufsforschung. Martin Abraham

Beruf als institutionelle Grundlage des Arbeitsmarktes: Anmerkungen zu einer Neukonzipierung der Berufsforschung. Martin Abraham Beruf als institutionelle Grundlage des Arbeitsmarktes: Anmerkungen zu einer Neukonzipierung der Berufsforschung Workshop Perspektiven einer arbeitsmarktbezogenen Berufsforschung in Deutschland IAB 10.6.2008

Mehr

Diskrete Mathematik für Informatiker

Diskrete Mathematik für Informatiker Diskrete Mathematik für Informatiker Markus Lohrey Universität Siegen Wintersemester 2014/2015 Lohrey (Universität Siegen) Diskrete Mathematik Wintersem. 2014/2015 1 / 344 Organisatorisches zur Vorlesung

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

4. Versicherungsangebot

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

Mehr

Mengensysteme, Wahrscheinlichkeitsmaße

Mengensysteme, Wahrscheinlichkeitsmaße Kapitel 1 Mengensysteme, Wahrscheinlichkeitsmaße Der Großteil der folgenden fundamentalen Begriffe sind schon aus der Vorlesung Stochastische Modellbildung bekannt: Definition 1.1 Eine Familie A von Teilmengen

Mehr

Brückenkurs Mathematik

Brückenkurs Mathematik Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 1 Logik,, Doris Bohnet Universität Hamburg - Department Mathematik Mo 6.10.2008 Zeitplan Tagesablauf: 9:15-11:45 Vorlesung Audimax I 13:00-14:30 Übung Übungsräume

Mehr

4. Relationen. Beschreibung einer binären Relation

4. Relationen. Beschreibung einer binären Relation 4. Relationen Relationen spielen bei Datenbanken eine wichtige Rolle. Die meisten Datenbanksysteme sind relational. 4.1 Binäre Relationen Eine binäre Relation (Beziehung) R zwischen zwei Mengen A und B

Mehr

Prädikatenlogik - Micromodels of Software

Prädikatenlogik - Micromodels of Software Prädikatenlogik - Micromodels of Software Philipp Koch Seminar Logik für Informatiker Universität Paderborn Revision: 30. Mai 2005 1 Inhaltsverzeichnis 1 Motivation 3 2 Modelle 3 2.1 Definition eines Modells.......................

Mehr

10. Vorlesung Spieltheorie in der Nachrichtentechnik

10. Vorlesung Spieltheorie in der Nachrichtentechnik 10. Vorlesung Spieltheorie in der Nachrichtentechnik Vorlesung: Eduard Jorswieck Übung: Rami Mochaourab Sommersemester 2010 Kooperative Spiele - Stabile Paarungen Wir studieren Märkte mit zweiseitigen

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

Program = Logic + Control

Program = Logic + Control Program = Logic + Control Prozedurale/imperative Sprachen: Abläufe formulieren Computer führt aus von-neumann-maschine Idee von deklarativen/logischen/funktionalen Programmiersprachen: Zusammenhänge formulieren

Mehr

3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper

3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper 32 Andreas Gathmann 3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper Wir haben bisher von den reellen Zahlen nur die Körpereigenschaften, also die Eigenschaften der vier Grundrechenarten ausgenutzt

Mehr

Mai 2006. Hauptseminar: Nichtrelationale Datenbanken Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln

Mai 2006. Hauptseminar: Nichtrelationale Datenbanken Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln Hauptseminar: Nichtrelationale Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln Mai 2006 Was ist eine Datenbank? Erweiterung relationaler um eine Deduktionskomponente Diese

Mehr

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

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

Mehr

IV. Spieltheorie. H. Weber, FHW, OR SS07, Teil 7, Seite 1

IV. Spieltheorie. H. Weber, FHW, OR SS07, Teil 7, Seite 1 IV. Spieltheorie 1. Gegenstand der Spieltheorie 2. Einführung in Matrixspiele 3. Strategien bei Matrixspielen 4. Weitere Beispiele 5. Mögliche Erweiterungen H. Weber, FHW, OR SS07, Teil 7, Seite 1 1. Gegenstand

Mehr

Grundlagen der Informationverarbeitung

Grundlagen der Informationverarbeitung Grundlagen der Informationverarbeitung Information wird im Computer binär repräsentiert. Die binär dargestellten Daten sollen im Computer verarbeitet werden, d.h. es müssen Rechnerschaltungen existieren,

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

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

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

Mehr

3. Relationen Erläuterungen und Schreibweisen

3. Relationen Erläuterungen und Schreibweisen 3. Relationen Eine Relation ist allgemein eine Beziehung, die zwischen Dingen bestehen kann. Relationen im Sinne der Mathematik sind ausschließlich diejenigen Beziehungen, bei denen stets klar ist, ob

Mehr

Gibt es verschiedene Arten unendlich? Dieter Wolke

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

Mehr

Semantik von Formeln und Sequenzen

Semantik von Formeln und Sequenzen Semantik von Formeln und Sequenzen 33 Grundidee der Verwendung von Logik im Software Entwurf Syntax: Menge von Formeln = Axiome Ax K ist beweisbar Formel ϕ beschreiben Korrektkeit Vollständigkeit beschreibt

Mehr

Logik und Mengenlehre. ... wenn man doch nur vernünftig mit Datenbanken umgehen können will?

Logik und Mengenlehre. ... wenn man doch nur vernünftig mit Datenbanken umgehen können will? Mengenlehre und Logik: iederholung Repetitorium: Grundlagen von Mengenlehre und Logik 2002 Prof. Dr. Rainer Manthey Informationssysteme 1 arum??? arum um alles in der elt muss man sich mit herumschlagen,......

Mehr

Interne und externe Modellvalidität

Interne und externe Modellvalidität Interne und externe Modellvalidität Interne Modellvalidität ist gegeben, o wenn statistische Inferenz bzgl. der untersuchten Grundgesamtheit zulässig ist o KQ-Schätzer der Modellparameter u. Varianzschätzer

Mehr

1 Sprechweisen und Symbole der Mathematik

1 Sprechweisen und Symbole der Mathematik 1 Sprechweisen und Symbole der Mathematik Übersicht 1.1 Junktoren......................................................... 1 1.2 Quantoren......................................................... 4 1.3

Mehr

Theoretische Grundlagen des Software Engineering

Theoretische Grundlagen des Software Engineering Theoretische Grundlagen des Software Engineering 7: Einführung Aussagenlogik schulz@eprover.org Logisches Schließen 2 gold +1000, 1 per step, Beispiel: Jage den Wumpus Performance measure death 1000 10

Mehr

Was ist Entscheidungstheorie?

Was ist Entscheidungstheorie? Was ist Entscheidungstheorie? Verschiedene Typen der Entscheidungstheorie Individualentscheidungen Normative Klassische Ökonomie Theorien Statistische Entsch.-th. Moralphilosophie Deskriptive Lerntheorie

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

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte 50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien

Mehr

Geometrische Mannigfaltigkeiten

Geometrische Mannigfaltigkeiten Geometrische Mannigfaltigkeiten Thilo Kuessner Abstract Kurzfassung der Vorlesung: Definitionen, Beispiele und Sätze, keine Beweise. Definition 1. Ein topologischer Raum ist eine Menge X mit einer Familie

Mehr

Klausur zu Vorlesung und. Versicherungsmärkte am 19.02.2002

Klausur zu Vorlesung und. Versicherungsmärkte am 19.02.2002 Ludwig-Maximilians-Universität München Seminar für Versicherungswissenschaft Prof. Ray Rees / Prof. Achim Wambach, D.Phil. Versicherungsmärkte WS 2001 / 2002 Diplomprüfung für Volkswirte Klausur zu Vorlesung

Mehr

Bestimmung einer ersten

Bestimmung einer ersten Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,

Mehr

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

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

Mehr

Betragsgleichungen und die Methode der Fallunterscheidungen

Betragsgleichungen und die Methode der Fallunterscheidungen mathe online Skripten http://www.mathe-online.at/skripten/ Betragsgleichungen und die Methode der Fallunterscheidungen Franz Embacher Fakultät für Mathematik der Universität Wien E-mail: franz.embacher@univie.ac.at

Mehr

Universität Koblenz-Landau, Abteilung Koblenz FB 4 Informatik. Seminar Entscheidungsverfahren für logische Theorien. Endliche Modelle.

Universität Koblenz-Landau, Abteilung Koblenz FB 4 Informatik. Seminar Entscheidungsverfahren für logische Theorien. Endliche Modelle. Universität Koblenz-Landau, Abteilung Koblenz FB 4 Informatik Seminar Entscheidungsverfahren für logische Theorien Tobias Hebel Koblenz, am 18.02.2005 Inhaltsverzeichnis 1 Einleitung... 3 2 Grundlagen...

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

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

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

Mehr

Grundlagen der Informatik II. Teil I: Formale Modelle der Informatik

Grundlagen der Informatik II. Teil I: Formale Modelle der Informatik Grundlagen der Informatik II Teil I: Formale Modelle der Informatik 1 Einführung GdInfoII 1-2 Ziele/Fragestellungen der Theoretischen Informatik 1. Einführung abstrakter Modelle für informationsverarbeitende

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der

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

7. Ringe und Körper. 7. Ringe und Körper 49

7. Ringe und Körper. 7. Ringe und Körper 49 7. Ringe und Körper 49 7. Ringe und Körper In den bisherigen Kapiteln haben wir nur Gruppen, also insbesondere nur Mengen mit lediglich einer Verknüpfung, untersucht. In der Praxis gibt es aber natürlich

Mehr

NP-Vollständigkeit. Krautgartner Martin (9920077) Markgraf Waldomir (9921041) Rattensberger Martin (9921846) Rieder Caroline (0020984)

NP-Vollständigkeit. Krautgartner Martin (9920077) Markgraf Waldomir (9921041) Rattensberger Martin (9921846) Rieder Caroline (0020984) NP-Vollständigkeit Krautgartner Martin (9920077) Markgraf Waldomir (9921041) Rattensberger Martin (9921846) Rieder Caroline (0020984) 0 Übersicht: Einleitung Einteilung in Klassen Die Klassen P und NP

Mehr

(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.)

(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.) 3. Untergruppen 19 3. Untergruppen Nachdem wir nun einige grundlegende Gruppen kennengelernt haben, wollen wir in diesem Kapitel eine einfache Möglichkeit untersuchen, mit der man aus bereits bekannten

Mehr

Fixpunktsemantik logischer Programme Pascal Hitzler Juli 1997 Kurzuberblick im Rahmen der Vorlesung Einfuhrung in Prolog von T. Cornell im Sommersemester 1997 an der Universitat Tubingen. Beweise sind

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

3 Quellencodierung. 3.1 Einleitung

3 Quellencodierung. 3.1 Einleitung Source coding is what Alice uses to save money on her telephone bills. It is usually used for data compression, in other words, to make messages shorter. John Gordon 3 Quellencodierung 3. Einleitung Im

Mehr

der einzelnen Aussagen den Wahrheitswert der zusammengesetzten Aussage falsch falsch falsch falsch wahr falsch wahr falsch falsch wahr wahr wahr

der einzelnen Aussagen den Wahrheitswert der zusammengesetzten Aussage falsch falsch falsch falsch wahr falsch wahr falsch falsch wahr wahr wahr Kapitel 2 Grundbegriffe der Logik 2.1 Aussagen und deren Verknüpfungen Eine Aussage wie 4711 ist durch 3 teilbar oder 2 ist eine Primzahl, die nur wahr oder falsch sein kann, heißt logische Aussage. Ein

Mehr

Theorie der Informatik

Theorie der Informatik Theorie der Informatik 6. Formale Sprachen und Grammatiken Malte Helmert Gabriele Röger Universität Basel 17. März 2014 Einführung Beispiel: Aussagenlogische Formeln Aus dem Logikteil: Definition (Syntax

Mehr

Charakteristikenmethode im Beispiel

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

Mehr

Sprachen/Grammatiken eine Wiederholung

Sprachen/Grammatiken eine Wiederholung Sprachen/Grammatiken eine Wiederholung Was sind reguläre Sprachen? Eigenschaften regulärer Sprachen Sprachen Begriffe Symbol: unzerlegbare Grundzeichen Alphabet: endliche Menge von Symbolen Zeichenreihe:

Mehr

Data Mining: Einige Grundlagen aus der Stochastik

Data Mining: Einige Grundlagen aus der Stochastik Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener

Mehr

Beispiel. Bsp.: Betrachte Schlussweise in: (3) folgt aus (1) und (2), siehe z.b. Resolutionsregel. was ist mit folgender Schlußweise:

Beispiel. Bsp.: Betrachte Schlussweise in: (3) folgt aus (1) und (2), siehe z.b. Resolutionsregel. was ist mit folgender Schlußweise: Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 5.4 Prädikatenlogik mit Gleichheit Resolution 192 Beispiel Bsp.: Betrachte Schlussweise in: 1 Wenn es regnet, dann wird die Straße nass. R N

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

Klausur für Studiengänge INF und IST

Klausur für Studiengänge INF und IST Familienname: Matrikelnummer: Studiengang: (bitte ankreuzen) INF IST MED Vorname: Email-Adresse: Immatrikulationsjahr: Klausur für Studiengänge INF und IST sowie Leistungsschein für Studiengang Medieninformatik

Mehr