WORKING PAPERS Arbeitspapiere der Betrieblichen Finanzwirtschaft
|
|
- Kathrin Kranz
- vor 7 Jahren
- Abrufe
Transkript
1 WORKING PAPERS Arbetspapere der Betreblchen Fnanzwrtschaft Lehrstuhl für Betrebswrtschaftslehre, nsbes. Betreblche Fnanzwrtschaft Bfw50V/06 Kumulatve Prospect Theory by Wolfgang Breuer and Marc Gürtler Frst Draft: Ths Verson: RWTH Aachen Unversty Department of Fnance Templergraben 64 D Aachen Germany Phone: Fax:
2 Kumulatve Prospect Theory by Wolfgang Breuer and Marc Gürtler Prof. Dr. rer. pol. Wolfgang Breuer Prof. Dr. rer. pol. Marc Gürtler Unverstätsprofessor Unverstätsprofessor RWTH Aachen Unversty Braunschweg Unversty of Technology Department of Fnance, Department of Fnance, Templergraben 64, Aachen, Germany Abt-Jerusalem-Str. 7, 3806 Braunschweg, Germany Tel.: Fax: Tel.: Fax:
3 Kumulatve Prospect Theory Prof. Dr. Wolfgang Breuer, Aachen, Prof. Dr. Marc Gürtler, Braunschweg. Problemstellung Gegenstand der deskrptven Entschedungstheore st de Erklärung realen menschlchen Entschedungsverhaltens. Spätestens set den Arbeten von Allas (953) war dabe bekannt, dass das auf de Maxmerung des erwarteten Nutzens von Entschedern abstellende Bernoull-Prnzp wohl als Postulat vernünftgen Entschedungsverhaltens angesehen werden kann, emprsch aber n velfältger Wese dagegen verstoßen wrd. Von den velen alternatven Entschedungstheoren, de m Laufe der Jahrzehnte entwckelt worden snd, hat sch de kumulatve Prospect Theory von Tversky/Kahneman (992) als ene der am mesten beachteten erwesen. Konzeptonell stellt se ene Weterentwcklung der ursprünglchen Prospect Theory dar. Im Abschntt 2 werden zunächst de der ursprünglchen Prospect Theory zugrunde legenden Annahmen dargestellt und das hermt verbundene Problem enes möglchen unplausblen Verstoßes gegen Domnanzüberlegungen dargelegt. Abschntt 3 beschrebt de kumulatve Prospect Theory als Fortentwcklung der ursprünglchen Prospect Theory von Kahneman/Tversky (979), und es wrd erläutert, we das m Abschntt 2 behandelte Problem gelöst werden konnte. Der Betrag schleßt mt enem kurzen Fazt m Abschntt De ursprünglche Prospect Theory von Kahneman/Tversky (979) Im Weteren se von ener endlchen Menge S = {s,, s N } von möglchen künftgen Umweltzuständen ausgegangen. En Prospect oder ene Ausscht ordnet dann jedem deser Umweltzustände s en Ergebns x zu, das relatv zu enem Referenzpunkt x (R) defnert st. Das bedeutet, dass mt x als dem absoluten Ergebns x := x x (R) glt. Zur Verenfachung se x x j für < j,, j =,, N, sowe x 0 ( =,..., k) und x > 0 ( = k,..., N) unterstellt. Ferner se zu jedem Umweltzustand s ene Entrttswahrschenlchket p gegeben. Vor desem Hntergrund st ene Ausscht X dann konkret en Vektor (( x,p ), ( x 2, p 2 ),, ( x N, p N )) von Paaren ( x, p ), =,, N. In der tradtonellen Erwartungsnutzentheore ergbt sch der subjektve Wert ener solchen Ausscht als Erwartungswert ener ndvduellen Rskonutzenfunkton u, de n den absoluten Ergebnssen x defnert st. De Prospect Theory unterschedet sch hervon n mehrfacher Hnscht: Erstens baseren we schon ausgeführt de subjektven Werte v( x ) auf den relatven Ergebnssen x. Zwetens wecht der Verlauf von v(.) von den typschen Formen von Rskonutzenfunktonen ab. Gemäß Tversky/ Kahneman (992) glt konkret:
4 α ( x), v( x) = β λ ( x), x 0, x< 0 () mt α β 0,88 und λ 2,25 (vgl. auch Abb. ) v( x) x Abb. : Wertfunkton nach Kahneman/Tversky (979) und Tversky/Kahneman (992) Aufgrund des konkaven Verlaufs m Gewnnberech verhält sch der Entscheder her tendenzell rskoscheu und wegen der Konvextät m Verlustberech dort rskofreudg. Ferner west λ > auf en verlustaverses Verhalten hn: Der Nutzenverlust aus ener negatven Abwechung x < 0 von enem Referenzpunkt x (R) st betragsmäßg größer als der Nutzenzuwachs aus ener betraglch glech großen postven Abwechung x > 0. Drttens werden de subjektven Werte v( x ) ncht mt den Entrttswahrschenlchketen p multplzert, sondern mt Wahrschenlchketsgewchten w(p ). Auf dese Wese kann emprschen Phänomenen n Form des (a) Möglchkets- (oder Wahrschenlchkets-) Effekts und des (b) Scherhetseffekts Rechnung getragen werden: (a) De Konsequenzen enes Eregnsses A auf w(.) snd größer, wenn es zum unmöglchen Eregns hnzugefügt wrd, als wenn man es zu rgendenem anderen belebgen Eregns B addert. (b) De Konsequenzen enes Eregnsses A auf w(.) snd größer, wenn deses Eregns vom scheren Eregns abgezogen wrd, als wenn man es von rgendenem anderen Eregns A B subtrahert. Ene wchtge Konsequenz deser Effekte besteht darn, dass Eregnsse mt klenen Entrttswahrschenlchketen ene allzu große Aufmerksamket setens enes Entscheders m Verglech zu enem Verhalten nach der Erwartungsnutzentheore erfahren. Nur für de beden Extremfälle = w() und 0 = w(0) sowe ene mttlere Wahrschenlchket glt de Identtät p = w. Nach Lattmore/Baker/Wtte (992) lässt sch de Wahrschenlchketsgewchtungsfunkton we folgt darstellen: 2
5 γ δ p w (p): ( x 0) γ p = > γ γ δ δ p (p) w δγ, (p): = : = (2) γ γ δ p ( p) γ δ p w (p): = ( x< 0). γ γ δ p (p) De Parameter δ and γ mögen für w und w und für verschedene Entschedungsstuatonen unterschedlch ausgeprägt sen und snd jewels für verschedene Egenschaften der Wahrschenlchketsgewchtungsfunkton verantwortlch. Während γ vornehmlch de Dscrmnablty ( Unterschedbarket ) steuert, st δ n erster Lne für de Attractveness ( Attraktvtät ) verantwortlch. In desem Zusammenhang versteht man unter Dscrmnablty de Intenstät, mt der Entscheder zwschen verschedenen Wahrschenlchketen unterscheden. Graphsch äußert sch ene ceters parbus höhere Dscrmnablty n ener größeren Stegung der Wahrschenlchketsgewchtungsfunkton für mttlere Entrttswahrschenlchketen, we Abb. 2 (lnks) verdeutlcht. w δ,γ (p) δ = 0,5; γ = 0,5 δ = 0,5; γ = 0,8 w δ,γ (p) δ = 0,5; γ = 0,5 δ = 0,8; γ = 0,5 0,8 0,8 0,6 0,6 0,4 0,4 0,2 0,2 0,2 0,4 0,6 0,8 p 0,2 0,4 0,6 0,8 p Abb. 2: Wahrschenlchketsgewchtungsfunktonen nach Lattmore/Baker/Wtte (992) für unterschedlche Ausprägungen von Dscrmnablty γ und Attractveness δ Im Gegensatz herzu mplzert ene höhere Attractveness gemäß Abb. 2 (rechts) generell größere Wahrschenlchketsgewchte und brngt damt ene stegende Wertschätzung der enzelnen Entrttswahrschenlchketen zum Ausdruck. Im Weteren se gemäß den Ergebnssen von Abdellaou (2000) für Entschedungen be Rsko δ = 0,65 und δ = 0,84 sowe γ = 0,6 und γ = 0,65 angesetzt. De zur Entschedung maßgeblchen Präferenzwerte PT für verschedene Handlungsalternatven ergeben sch zusammenfassend als N (3) = PT( X) = w(p ) v( x ). 3
6 Schon mt der Prospect Theory n hrer ursprünglchen Form lassen sch zahlreche Phänomene erklären. Zu denken st etwa an das Fredman/Savage-Paradoxon des glechzetgen Abschlusses von Verscherungsverträgen und des Erwerbs von Lotterelosen durch en und denselben Entschedungsträger (vgl. Breuer/Gürtler (2006)) und de Relevanz des Framng. Letzteres zelt auf den Umstand ab, dass sch das Verhalten von Indvduen schon dann ändern kann, wenn dasselbe Entschedungsproblem n unterschedlcher Form präsentert wrd. Be enem Verhalten gemäß dem Bernoull-Prnzp kann en solcher Effekt ncht beobachtet werden. Im Rahmen der Prospect Theory mag je nach der Präsentaton enes Entschedungsproblems ndes de Wahl des Referenzpunkts x (R) beenflusst werden. Da unterhalb des Referenzpunkts en anderer Kurvenverlauf als oberhalb vorlegt, kann sch durch ene Referenzpunktverschebung auch ene Verhaltensänderung ergeben. Unglücklcherwese mögen Entschedungen auf Bass der Prospect Theory be mehr als zwe möglchen künftgen Umweltzuständen zu unplausblen Verstößen gegen Domnanzüberlegungen führen, de auch reale Entscheder nach Möglchket zu vermeden suchen werden. Zur Veranschaulchung werde en Anleger betrachtet, der für de Anlage senes Vermögens m Zetraum von t = 0 bs t = de Auswahl zwschen zwe Alternatven und 2 bestzt. In desem Zusammenhang snd m Zetpunkt t = dre Zustände denkbar, wobe sch zustands- () (2) abhängg de folgenden Vermögensänderungen % x und % x und gegenüber dem Referenzpunkt des Anlegers aus den beden Anlageformen und 2 ergeben: Zustand s s 2 s 3 p 0,6 0,2 0,2 % x () 0 GE.000 GE.000 GE % x (2) 0 GE 900 GE.000 GE Tab. : Vermögenskonsequenzen n den enzelnen Zuständen und Entrttswahrschenlchketen Alternatve lefert n jedem Umweltzustand mndestens ebenso hohe Enzahlungen we Alternatve 2 und n (mndestens) enem Umweltzustand sogar echt höhere Werte. Man sprcht n desem Zusammenhang von Vorlegen ener Zustandsdomnanz. Natürlch wrd jeder Entscheder n Anbetracht der Werte aus Tab. de Alternatve präfereren. Geht man des Weteren von der Wertfunkton aus () und gemäß Abdellaou (2000) von Wahrschenlchketsgewchten w(0,2) = w (0,2) 0,2205 und w(0,4) = w (0,4) 0,3376 aus, so ergbt sch auf Bass von (3) folgende Beurtelung der beden Alternatven: 4
7 = () PT( X ) w(0,4) v(.000) 0, ,558 47,3625, = (2) PT( X ) w(0, 2) v(900) w(0, 2) v(.000) 0, 2205 (397, ,558) 66,8757. (4) De zustandsdomnerte Alternatve wrd gemäß den Ergebnssen aus (4) folglch vorgezogen. Ursächlch für desen Befund st der Umstand, dass mttlere Wahrschenlchketen (her konkret: p = 0,4) derart gerng gewchtet snd, dass zwe Eregnsse mt zusammen glech großer Entrttswahrschenlchket (her: zwemal p = 0,2) n Summe über en höheres Wahrschenlchketsgewcht verfügen. Des wederum kann etwage, m letzteren Fall m Verglech zum ersteren gerngere Vermögensänderungen gegebenenfalls überkompenseren und so Verstöße gegen das Zustandsdomnanzprnzp auslösen. Unter desem Aspekt west de Prospect Theory damt enen entschedenden Mangel auf, der erst durch de Weterentwcklung zur kumulatven Prospect Theory durch Tversky/Kahneman (992) besetgt werden konnte. 3. De kumulatve Prospect Theory von Tversky/Kahneman (992) Zur Lösung des gerade beschrebenen Problems werden de weter oben engeführten Wahrschenlchketsgewchte n Abhänggket kumulerter Entrttswahrschenlchketen neu defnert, wobe für Stuatonen m Verlustberech x < 0 auf Wahrschenlchketsgewchte w (p... p ) und für Stuatonen m Gewnnberech x > 0 auf Wahrschenlchketsgewchte w (p... p N) abgestellt wrd. Überdes werden de möglchen Ausprägungen der subjektven Wertfunkton nun ncht drekt mt den Wahrschenlchketsgewchten multplzert, sondern denen herzu neu engeführte Entschedungsgewchte π := für Gewnne bzw. π := π für Verluste, de sch als Dfferenzen korresponderender, jewels benachbarter Wahrschenlchketsgewchte beschreben lassen: π : = w (p... p ) w (p... p ), π : = w (p... p ) w (p... p ). N N De Beurtelung verschedener Alternatven m Rahmen der kumulatven Prospect Theory erfolgt sodann anhand der folgenden gewogenen Summe: N (6) = CPT( X) = π v( x ). Verletzungen stochastscher Domnanz snd nun ncht mehr möglch, wel etwa m Kontext des her betrachteten Bespels de Summe der Entschedungsgewchte zu zwe klenen Vermögenszuwächsen be Gesamtentrttswahrschenlchket p dentsch zum Entschedungsgewcht für enen größeren Vermögensansteg mt glecher Entrttswahrschenlchket p st und π (5) 5
8 folglch ene Überkompensaton klenerer Vermögenskonsequenzen durch de Entschedungsgewchte ncht auftreten kann. Für das her betrachtete Bespel erhält man konkret de zu den Zuständen gehörenden Entschedungsgewchte (und Wertfunktonswerte) aus Tab. 2. Zur besseren Nachvollzehbarket se de Berechnung des Entschedungsgewchts π kurz dargelegt. Auf Bass der ersten Zele von (5) ergbt sch deses gemäß π = w ( p = 0,6) w (0). Da laut (2) de Werte w (0,6) 0,5223 sowe w (0) = 0 für Parameterwerte δ und γ gemäß Abdellaou (2000) resulteren, ergbt sch en Entschedungsgewcht 0,5223. π von etwa Zustand s () s (2) s (3) p 0,6 0,2 0,2 p...p Projekt 0,6 p...p Projekt 2 0,6 0,8 π 0,5223 π Projekt 0,3376 π Projekt 2 0,7 0,2205 () v( % x ) v(0) = 0 v(.000) 436,558 (2) v( % x ) v(0) = 0 v(900) v(.000) 397, ,558 Tab. 2: Wertfunktonsrealsatonen und Wahrschenlchketsgewchte nach Tversky/Kahneman (992) Auf deser Bass gelangt man zu folgenden Präferenzwerten: CPT( X ) 0, , ,558 47,3625, CPT( X ) 0, ,7 397,86290, ,558 42,8380, 2 so dass de zustandsdomnerte Alternatve 2 m Rahmen der kumulatven Prospect Theory n der Tat gegenüber der Alternatve abgelehnt wrd. Auch n desem Bespel zegt sch näm- lch, dass das Entschedungsgewcht π für Projekt der Summe der Entschedungsgewchte π für Projekt 2 entsprcht und somt auch her de vor dem Bespel angemerkte Verletzung von Zustandsdomnanzüberlegungen ncht mehr möglch st. (7) 4. Fazt De Prospect Theory nach Kahneman/Tversky (979) hat sch m Laufe der Zet als ene außerordentlch erklärungsstarke deskrptve Entschedungstheore erwesen (vgl. auch Klophaus (997)). Nur war se mt dem Makel behaftet, dass n Stuatonen mt mehr als zwe 6
9 möglchen Ergebnssen unplausble Verstöße gegen Zustandsdomnanzüberlegungen auftreten konnten. Ihre Weterentwcklung durch Tversky/Kahneman (992) hn zur kumulatven Prospect Theory konnte desem Makel abhelfen, ndem Wahrschenlchketsgewchte n kumulerten Wahrschenlchketen und de zugehörgen Entschedungsgewchte als Dfferenzen deser modfzerten Wahrschenlchketsgewchte defnert wurden. Es sollte ncht überraschen, dass de Nutzung der (kumulatven) Prospect Theory dank der Behebung deses Problems n der Lteratur für zahlreche Anwendungen we etwa das Erklären beobachtbarer Rskoprämen m Rahmen des Erwerbs von Akten noch stärkere Bedeutung gewonnen hat. Lteratur Abdellaou, M., Parameter-Free Elctaton of Utlty and Probablty Weghtng Functons, n: Management Scence, Vol. 46 (2000), S Allas, M., Le Comportement de l Homme Ratonnel Devant le Rsque: Crtque des Postulats et Axomes de l Ecole Amercane, n: Econometrca, Vol. 2 (953), S Breuer, W., M. Gürtler, Das Fredman/Savage-Paradoxon, unveröffentlchtes Manuskrpt, Aachen/Braunschweg Kahneman, D., A. Tversky, Prospect Theory: An Analyss of Decson under Rsk, n: Econometrca, Vol. 47 (979), S Klophaus, R., Prospect-Theore, n: Wrtschaftswssenschaftlches Studum, 26. Jg. (997), S Lattmore, P. M., J. R. Baker, A. D. Wtte, The Influence of Probablty on Rsky Choce, n: Journal of Economc Behavor and Organzaton, Vol. 7 (992), S Tversky, A., D. Kahneman, Advances n Prospect Theory: Cumulatve Representaton, n: Journal of Rsk and Uncertanty, Vol. 5 (992), S
Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen
Übungsklausur Wahrschenlchket und Regresson De Lösungen. Welche der folgenden Aussagen treffen auf en Zufallsexperment zu? a) En Zufallsexperment st en emprsches Phänomen, das n stochastschen Modellen
MehrResultate / "states of nature" / mögliche Zustände / möglicheentwicklungen
Pay-off-Matrzen und Entschedung unter Rsko Es stehen verschedene Alternatven (Strategen) zur Wahl. Jede Stratege führt zu bestmmten Resultaten (outcomes). Man schätzt dese Resultate für jede Stratege und
Mehr2 Zufallsvariable und Verteilungen
Zufallsvarable und Vertelungen 7 Zufallsvarable und Vertelungen Wr wollen uns jetzt mt Zufallsexpermenten beschäftgen, deren Ausgänge durch (reelle) Zahlen beschreben werden können, oder be denen man jedem
MehrAbbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)).
44 n n F F a) b) Abbldung 3.: Besetzungszahlen enes Fermgases m Grundzustand (a)) und für ene angeregte Konfguraton (b)). 3.3 Ferm Drac Statstk In desem Abschntt wollen wr de thermodynamschen Egenschaften
MehrProf. Dr. Marc Gürtler SS Prof. Dr. Marc Gürtler. Klausur zur 4/8 SWS-Vertiefung Finanzwirtschaftliches Risikomanagement Finanzwirtschaft
Prof. Dr. Marc Gürtler Klausur zur 4/8 SWS-Vertefung Fnanzwrtschaftlches Rskomanagement Fnanzwrtschaft Lösungsskzze Aufgabe : (6 Punkte) ) (0 Punkte) Aufstellung und Lösung enes Glechungssystems 70V 800,4
Mehrz.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel!
Aufgabe : Vorbemerkung: Ene Zufallsvarable st ene endeutge Funkton bzw. ene Abbldungsvorschrft, de angbt, auf welche Art aus enem Elementareregns ene reelle Zahl gewonnen wrd. x 4 (, ) z.b. Münzwurf: Kopf
MehrKonkave und Konvexe Funktionen
Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage
MehrStochastische Prozesse
INSTITUT FÜR STOCHASTIK SS 009 UNIVERSITÄT KARLSRUHE Blatt 4 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 16: (Success Run, Fortsetzung)
Mehr4.6 Das Pumping-Lemma für reguläre Sprachen:
Theoretsche Informatk 1 Vorlesungsskrpt vom Fretag, 30 Jun 000 Index: Erstellt von: (Matrkelnummer: 70899) Sete : 46 Das Pumpng-Lemma für reguläre Sprachen 1 Satz W 1 Zugrundelegende Idee des Pumpng-Lemma
Mehrwird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:
Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab
MehrAufgabe 1: Portfolio Selection
Aufgabe 1: Portfolo Selecton 2 1 2 En Investor mt ener Präferenzfunkton der Form (, ) a verfügt über en 2 Anfangsvermögen n Höhe von 100 Slbermünzen. Am Markt werden de folgenden dre Wertpapere gehandelt,
MehrEinführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung. Übersicht. Wahrscheinlichkeitsrechnung. bedinge Wahrscheinlichkeit
Enführung n de bednge Wahrschenlchket Laplace-Wahrschenlchket p 0.56??? Zufallsexperment Randwahrschenlchket Überscht Was st Wahrschenlchket? Rechenregeln Der Multplkatonssatz Axomatsche Herletung Unabhänggket
Mehrnonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen
arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree
MehrAufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):
LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete
MehrGrundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt
Mathematsches Insttut der Unverstät München Wntersemester 3/4 Danel Rost Lukas-Faban Moser Grundlagen der Mathematk I Lösungsvorschlag zum. Tutorumsblatt Aufgabe. a De Formel besagt, daß de Summe der umrahmten
MehrFunktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e
Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de
MehrStochastische Prozesse
INSTITUT FÜR STOCHASTIK SS 2009 UNIVERSITÄT KARLSRUHE Blatt 2 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 7: (B. Fredmans Urnenmodell)
MehrDie hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x)
ZZ Lösung zu Aufgabe : Ch²-Test Häufg wrd be der Bearbetung statstscher Daten ene bestmmte Vertelung vorausgesetzt. Um zu überprüfen ob de Daten tatsächlch der Vertelung entsprechen, wrd en durchgeführt.
MehrLösungen der Aufgaben zu Kapitel 2
Lösungen der Aufgaben zu Kaptel Abschntt 1 Aufgabe 1 Wr benutzen de Potenzrechenregeln, um ene Potenz von mt geradem Eponenten n oder mt ungeradem Eponenten n + 1 we folgt darzustellen: n n und n+1 n n
MehrStatistik und Wahrscheinlichkeitsrechnung
Statstk und Wahrschenlchketsrechnung Statstk und Wahrschenlchketsrechnung 5. Vorlesung Dr. Jochen Köhler.03.0 Statstk und Wahrschenlchketsrechnung Wchtg!!! Vorlesung Do 4.03.0 HCI G3 Übung 5 D 9.03.0 Fnk
MehrAuswertung univariater Datenmengen - deskriptiv
Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;
MehrStreuungs-, Schiefe und Wölbungsmaße
aptel IV Streuungs-, Schefe und Wölbungsmaße B... Lagemaße von äufgketsvertelungen geben allen weng Auskunft über ene äufgketsvertelung. Se beschreben zwar en Zentrum deser Vertelung, geben aber kenen
MehrStatistik und Wahrscheinlichkeit
Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse
Mehr1 BWL 4 Tutorium V vom 15.05.02
1 BWL 4 Tutorum V vom 15.05.02 1.1 Der Tlgungsfaktor Der Tlgungsfaktor st der Kehrwert des Endwertfaktors (EWF). EW F (n; ) = (1 + )n 1 T F (n; ) = 1 BWL 4 TUTORIUM V VOM 15.05.02 (1 ) n 1 Mt dem Tlgungsfaktor(TF)
MehrGrundgedanke der Regressionsanalyse
Grundgedanke der Regressonsanalse Bsher wurden durch Koeffzenten de Stärke von Zusammenhängen beschreben Mt der Regressonsrechnung können für ntervallskalerte Varablen darüber hnaus Modelle geschätzt werden
MehrDie Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung
am Bespel enes Modells der chadenverscherung Für das Modell ener chadenverscherung se gegeben: s w s. n 4 chaden enes Verscherungsnehmers, wenn der chadenfall entrtt Wahrschenlchket dafür, dass der chadenfall
MehrFacility Location Games
Faclty Locaton Games Semnar über Algorthmen SS 2006 Klaas Joeppen 1 Abstract Wr haben berets sehr häufg von Nash-Glechgewchten und vor allem von deren Exstenz gesprochen. Das Faclty Locaton Game betet
Mehr3. Lineare Algebra (Teil 2)
Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw
MehrMethoden der innerbetrieblichen Leistungsverrechnung
Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den
Mehr6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen
196 6.5. Rückgewnnung des Zetvorgangs: Rolle der Pole und Nullstellen We n 6.2. und 6.. gezegt wurde, st de Übertragungsfunkton G( enes lnearen zetnvaranten Systems mt n unabhänggen Spechern ene gebrochen
MehrÖkonomische und ökonometrische Evaluation. 1.3 Ökonometrische Grundkonzepte
Ökonomsche und ökonometrsche Evaluaton 90 Emprsche Analyse des Arbetsangebots Zele: Bestmmung von Arbetsangebotselastztäten als Test der theoretschen Modelle Smulaton oder Evaluaton der Wrkungen von Insttutonen
MehrRotation (2. Versuch)
Rotaton 2. Versuch Bekannt snd berets Vektorfelder be denen das Lnenntegral über ene geschlossene Kurve Null wrd Stchworte: konservatve Kraft Potentalfelder Gradentenfeld. Es gbt auch Vektorfelder be denen
MehrKonzept der Chartanalyse bei Chart-Trend.de
Dpl.-Phys.,Dpl.-Math. Jürgen Brandes Konzept der Chartanalyse be Chart-Trend.de Konzept der Chartanalyse be Chart-Trend.de... Bewertungsgrundlagen.... Skala und Symbole.... Trendkanalbewertung.... Bewertung
Mehr-70- Anhang: -Lineare Regression-
-70- Anhang: -Lneare Regressn- Für ene Messgröße y f(x) gelte flgender mathematsche Zusammenhang: y a+ b x () In der Regel läßt sch durch enen Satz vn Messwerten (x, y ) aber kene Gerade zechnen, da de
MehrPortfoliothorie (Markowitz) Separationstheorem (Tobin) Kapitamarkttheorie (Sharpe
Portfolothore (Markowtz) Separatonstheore (Tobn) Kaptaarkttheore (Sharpe Ene Enführung n das Werk von dre Nobelpresträgern zu ene Thea U3L-Vorlesung R.H. Schdt, 3.12.2015 Wozu braucht an Theoren oder Modelle?
MehrVersuch Nr. 6. Chemische Kinetik Aktivierungsenergie (Inversion von Saccharose)
Chrstan Wdlng, Georg Deres Versuch Nr. 6 Chemsche Knet Atverungsenerge (Inverson von Saccharose) Zel des Versuchs: Das Zel des Versuches st de Bestmmung der Atverungsenerge der Reaton von Saccharose (S)
MehrDie Leistung von Quicksort
De Lestung von Qucsort Jae Hee Lee Zusammenfassung Der Sorteralgorthmus Qucsort st als ens der effzenten Sorterverfahren beannt. In deser Ausarbetung werden wr sene Komplextät zuerst möglchst präzse schätzen
MehrMultilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel
ultlneare Algebra und hre Anwendungen Nr. : Normalformen Verfasser: Yee Song Ko Adran Jenn Rebecca Huber Daman Hodel 9.5.7 - - ultlneare Algebra und hre Anwendungen Jordan sche Normalform Allgemene heore
MehrMECHATRONISCHE NETZWERKE
MECHATRONISCHE NETZWERKE Jörg Grabow Tel 3: Besondere Egenschaften 3.Besondere Egenschaften REZIPROZITÄT REZIPROZITÄT Neben den allgemenen Enschränkungen (Lneartät, Zetnvaranz) be der Anwendung der Verpoltheore
MehrÜbung zur Vorlesung - Theorien Psychometrischer Tests II
Übung zur Vorlesung - Theoren Psychometrscher Tests II N. Rose 9. Übung (15.01.2009) Agenda Agenda 3-parametrsches logstsches Modell nach Brnbaum Lnkfunktonen 3PL-Modell nach Brnbaum Modellglechung ( =
MehrWeitere NP-vollständige Probleme
Wetere NP-vollständge Probleme Prosemnar Theoretsche Informatk Marten Tlgner December 10, 2014 Wr haben letzte Woche gesehen, dass 3SAT NP-vollständg st. Heute werden wr für enge wetere Probleme n NP zegen,
MehrBeschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression
Beschrebung des Zusammenhangs zweer metrscher Merkmale Streudagramme Korrelatonskoeffzenten Regresson Alter und Gewcht be Kndern bs 36 Monaten Knd Monate Gewcht 9 9 5 8 3 4 7.5 4 3 6 5 3 6 4 3.5 7 35 5
MehrNernstscher Verteilungssatz
Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.
MehrGruppe. Lineare Block-Codes
Thema: Lneare Block-Codes Lneare Block-Codes Zele Mt desen rechnerschen und expermentellen Übungen wrd de prnzpelle Vorgehenswese zur Kanalcoderung mt lnearen Block-Codes erarbetet. De konkrete Anwendung
MehrAnalysis I. Vorlesung 17. Logarithmen. R R, x exp x,
Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analyss I Vorlesung 17 Logarthmen Satz 17.1. De reelle Exponentalfunkton R R, x exp x, st stetg und stftet ene Bjekton zwschen R und R +. Bewes. De Stetgket
Mehr6. Modelle mit binären abhängigen Variablen
6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch
MehrFree Riding in Joint Audits A Game-Theoretic Analysis
. wp Wssenschatsorum, Wen,8. Aprl 04 Free Rdng n Jont Audts A Game-Theoretc Analyss Erch Pummerer (erch.pummerer@ubk.ac.at) Marcel Steller (marcel.steller@ubk.ac.at) Insttut ür Rechnungswesen, Steuerlehre
MehrEntscheidungsprobleme der Marktforschung (1)
Prof. Dr. Danel Baer. Enführung 2. Informatonsbedarf 3. Datengewnnung 2. Informatonsbedarf Entschedungsprobleme der () Informatonsbedarf Art Qualtät Menge Informatonsbeschaffung Methodk Umfang Häufgket
MehrQualitative Evaluation einer interkulturellen Trainingseinheit
Qualtatve Evaluaton ener nterkulturellen Tranngsenhet Xun Luo Bettna Müller Yelz Yldrm Kranng Zur Kulturgebundenhet schrftlcher und mündlcher Befragungsmethoden und hrer Egnung zur Evaluaton m nterkulturellen
MehrSpiele und Codes. Rafael Mechtel
Spele und Codes Rafael Mechtel Koderungstheore Worum es geht Über enen Kanal werden Informatonen Übertragen. De Informatonen werden dabe n Worte über enem Alphabet Q übertragen, d.h. als Tupel w = (w,,
MehrÜbung zu Erwartungswert und Standardabweichung
Aufgabe Übung zu Erwartungswert und Standardabwechung In ener Lottere gewnnen 5 % der Lose 5, 0 % der Lose 0 und 5 % der Lose. En Los kostet 2,50. a)berechnen Se den Erwartungswert für den Gewnn! b)der
MehrQuantitatives Prognosemodell für die Anwendung des Black-Litterman-Verfahrens
Quanttatves Prognosemodell für de Anwendung des Black-Ltterman-Verfahrens Franzska Felke* und Marc Gürtler** Abstract: De chätzung erwarteter Wertpaperrendten stellt ene der zentralen Aufgaben n der praktschen
MehrDie kanonische Zustandssumme (System) und ihr Zusammenhang mit der molekularen Zustandssumme (Einzelmolekül) unterscheidbare Teilchen:
De molekulare Zustandssumme βε = e mt β = De kanonsche Zustandssumme (System) und hr Zusammenhang mt der molekularen Zustandssumme (Enzelmolekül) unterschedbare elchen: Q = ununterschedbareelchen Q : =!
MehrNetzwerkstrukturen. Entfernung in Kilometer:
Netzwerkstrukturen 1) Nehmen wr an, n enem Neubaugebet soll für 10.000 Haushalte en Telefonnetz nstallert werden. Herzu muss von jedem Haushalt en Kabel zur nächstgelegenen Vermttlungsstelle gezogen werden.
MehrBedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY)
Bedngte Entrope Kaptel : Bedngte Entrope Das vorherge Theorem kann durch mehrfache Anwendung drekt verallgemenert werden H (... H ( = Ebenso kann de bedngt Entrope defnert werden Defnton: De bedngte Entrope
Mehr4.5 Lemma Das folgende Problem Par{ 1, 0, 1}max p ist NP-vollständig:
4.5 Lemma Das folgende Problem Par, 0, }max st NP-vollständg: Inut: d, m N mt m d, α N und x,...,x m, 0, } d l.u.. Frage: Exsteren κ,...,κ m, }, sodass m κ x α? Bemerkung: Beachte, dass wegen Satz 4.2
MehrArbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2
ETH Arbetsgruppe Radocheme Radochemsches Praktkum P 06 Enführung n de Statstk INHALTSVERZEICHNIS Sete 1. Zählung von radoaktven Zerfällen und Statstk 2 2. Mttelwert und Varanz 2 3. Momente ener Vertelung
MehrEntscheidungstheorie: Nutzentheorie bei Unsicherheit
Entschedungstheore: Nutzentheore be Unscherhet 3 1. De Mndestanforderungen benhalten (a) De fünf Axome der Entschedung be Unscherhet Verglechbarket (auch als Vollständgket bezechnet) Transtvtät (auch als
MehrDaten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.
Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve
Mehr6. Übung zur Linearen Algebra II
Unverstät Würzburg Mathematsches Insttut Prof. Dr. Peter Müller Dr. Peter Fleschmann SS 2006 30.05.2006 6. Übung zur Lnearen Algebra II Abgabe: Bs Mttwoch, 14.06.2006, 11:00 Uhr n de Brefkästen vor der
Mehrω 0 = Protokoll zu Versuch E6: Elektrische Resonanz
Protokoll zu Versuch E6: Elektrsche esonanz. Enletung En Schwngkres st ene elektrsche Schaltung, de aus Kapaztät, Induktvtät und ohmschen Wderstand besteht. Stmmt de Frequenz der anregenden Wechselspannung
MehrErläuterungen zur Analyse des Zinssatzswaps Referenz N//83734/5 zwischen der A/B Duegården und der Nykredit Bank A/S
Erläuterungen zur Analyse des Znssatzswaps Referenz 3584455N//83734/5 zwschen der A/B Duegården und der Nykredt Bank A/S 1. Zusammenfassung der Analyse De A/B Duegården und de Nykredt Bank A/S haben am
MehrBeim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):
Aufgabe 1 (4 + 2 + 3 Punkte) Bem Wegen von 0 Respaketen ergaben sch folgende Gewchte X(n Gramm): 1 2 3 4 K = (x u, x o ] (98,99] (99, 1000] (1000,100] (100,1020] n 1 20 10 a) Erstellen Se das Hstogramm.
MehrSeminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -
Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole
MehrKapitel 7: Ensemble Methoden. Maschinelles Lernen und Neural Computation
Kaptel 7: Ensemble Methoden 133 Komtees Mehrere Netze haben bessere Performanz als enzelne Enfachstes Bespel: Komtee von Netzen aus der n-fachen Kreuzvalderung (verrngert Varanz) De Computatonal Learnng
Mehr»Möglichkeiten und Grenzen der Wirkungsmessung«
»Möglchketen und Grenzen der Wrkungsmessung«18. Natonale Gesundhetsförderungs-Konferenz 19. Januar 2017, Neuenburg Prof. Dr. Alexandra Caspar caspar@fb4.fra-uas.de Fachberech 4 Sozale Arbet und Gesundhet
MehrHauptprüfung Abiturprüfung 2014 (ohne CAS) Baden-Württemberg
Hauptprüfung Abturprüfung 2014 (ohne CAS) Baden-Württemberg Lneare Optmerung Hlfsmttel: GTR, Formelsammlung beruflche Gymnasen (AG, BTG, EG, SG, TG, WG) Alexander Schwarz www.mathe-aufgaben.com Oktober
MehrFallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum
Abgabe: Aufgabentext und Lösungen schrftlch bs zum 15. 6. 2012 I. Thema: Zehen mt und ohne Zurücklegen Lesen Se sch zunächst folgenden Text durch! Wr haben bsher Stchprobenzehungen aus Grundgesamtheten
MehrFachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung
Fachberech Mathematk Prof. K. Grosse-Brauckmann D. Frsch WS 27/8./.. 6. Übungsblatt zur Lnearen Algebra für Physker Gruppenübung Aufgabe G7 (Kern, Bld, Rang und Orthogonaltät) Gegeben se ene lneare Abbldung
MehrProtokoll zu Versuch C1-Mischungsvolumina
Protokoll zu Prnz: De sezfschen Mschungsvolumna ener Lösung werden durch auswegen fester Flüssgketsvolumna bekannter Lösungszusammensetzungen mt Hlfe von Pyknometern bestmmt. Theoretsche Grundlagen: Um
MehrFallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung
Fallstude 4 Qualtätsregelkarten (SPC) und Versuchsplanung Abgabe: Lösen Se de Aufgabe 1 aus Abschntt I und ene der beden Aufgaben aus Abschntt II! Aufgabentext und Lösungen schrftlch bs zum 31.10.2012
MehrSS 2017 Torsten Schreiber
SS Torsten Schreber e den Ebenen unterscheden wr de und de prmeterfree Drstellung. Wenn wr ene Ebenenglechung durch dre Punkte bestmmen wollen, so müssen de zugehörgen Vektoren sen, d es sonst nur ene
MehrFlußnetzwerke - Strukturbildung in der natürlichen Umwelt -
Flußnetzwerke - Strukturbldung n der natürlchen Umwelt - Volkhard Nordmeer, Claus Zeger und Hans Joachm Schlchtng Unverstät - Gesamthochschule Essen Das wohl bekannteste und größte exsterende natürlche
MehrItemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i
Itemanalyse und Itemkennwerte De Methoden der Analyse der Itemegenschaften st ncht m engeren Snne Bestandtel der Klassschen Testtheore Im Rahmen ener auf der KTT baserenden Testkonstrukton und -revson
MehrErwartungswert, Varianz, Standardabweichung
RS 24.2.2005 Erwartungswert_Varanz_.mcd 4) Erwartungswert Erwartungswert, Varanz, Standardabwechung Be jedem Glücksspel nteresseren den Speler vor allem de Gewnnchancen. 1. Bespel: Setzen auf 1. Dutzend
MehrHefte zur Logistik Prof. Dr. Siegfried Jetzke. Heft 1 Begriffsdefinitionen
Hefte zur Logstk Prof. Dr. Segfred Jetzke Heft 1 Begrffsdefntonen Jun 2010 Deses Heft st urheberrechtlch geschützt. Wenn Se de Quelle angeben, können Se gerne deses Heft wetergeben, Tele koperen oder aus
MehrEinführung in die Finanzmathematik
1 Themen Enführung n de Fnanzmathematk 1. Znsen- und Znsesznsrechnung 2. Rentenrechnung 3. Schuldentlgung 2 Defntonen Kaptal Betrag n ener bestmmten Währungsenhet, der zu enem gegebenen Zetpunkt fällg
MehrFORMELSAMMLUNG STATISTIK (I)
Statst I / B. Zegler Formelsammlng FORMELSAMMLUG STATISTIK (I) Statstsche Formeln, Defntonen nd Erläterngen A a X n qaltatves Mermal Mermalsasprägng qanttatves Mermal Mermalswert Anzahl der statstschen
MehrBestimmung der Elementarladung nach Millikan. 1. Theorie zum Versuchs. F R = 6 $ $ $ r $ v. $ g. F s = 4 3 $ $ r 3 $ Öl.
Versuch Nr. 5: Bestmmung der Elementarladung nach Mllkan. Theore zum Versuchs Be der Öltröpfchenmethode nach Mllkan wrd Öl mttels enes Zerstäubers n wnzge Tropfen aufgetelt. De Öltröpfchen werden durch
MehrSIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT
Smulaton von Hybrdfahrzeugantreben mt optmerter Synchronmaschne 1 SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT OPTIMIERTER SYNCHRONMASCHINE H. Wöhl-Bruhn 1 EINLEITUNG Ene Velzahl von Untersuchungen hat sch
MehrLösungen zum 3. Aufgabenblock
Lösungen zum 3. Aufgabenblock 3. Aufgabenblock ewerber haben n enem Test zur sozalen Kompetenz folgende ntervallskalerte Werte erhalten: 96 131 11 1 85 113 91 73 7 a) Zegen Se für desen Datensatz, dass
MehrStandardnormalverteilung / z-transformation
Standardnormalvertelung / -Transformaton Unter den unendlch velen Normalvertelungen gbt es ene Normalvertelung, de sch dadurch ausgeechnet st, dass se enen Erwartungswert von µ 0 und ene Streuung von σ
MehrNomenklatur - Übersicht
Nomenklatur - Überscht Name der synthetschen Varable Wert der synthetschen Varable durch synth. Varable erklärte Gesamt- Streuung durch synth. Varable erkl. Streuung der enzelnen Varablen Korrelaton zwschen
MehrNSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.
PV - Hausaugabe Nr. 7.. Berechnen Se eakt und verglechen Se de Werte ür de Nullstelle, de mttels dem Verahren von Newton, der Regula als und ener Mttelung zu erhalten snd von der! Funkton: ( ) Lösungs
MehrLineare Optimierung Dualität
Kaptel Lneare Optmerung Dualtät D.. : (Dualtät ) Folgende Aufgaben der lnearen Optmerung heßen symmetrsch dual zuenander: und { z = c x Ax b x } max, 0 { Z b A c } mn =, 0. Folgende Aufgaben der lnearen
MehrSeminar über Numerische Mathematik
Andreas Mester Semnar über Numersche Mathematk Semnar m Wntersemester 008/009 Unverstät Kassel Fachberech Mathematk Inhaltsverzechns Bezer-Kurven 1 1 Enletung 1 Der Algorthmus von de-castelau.1 Parabeln....................................
MehrDie Transzendenz der Eulerschen Zahl e
De Transzendenz der Eulerschen Zahl e nach Jean-Paul Delahaye Der n [1, Seten 21-22] skzzerte Bewes der Transzendenz der Eulerschen Zahl e wrd m folgenden ausgeführt. En alternatver Bewes, der auf Ideen
MehrPraktikum Physikalische Chemie I (C-2) Versuch Nr. 6
Praktkum Physkalsche Cheme I (C-2) Versuch Nr. 6 Konduktometrsche Ttratonen von Säuren und Basen sowe Fällungsttratonen Praktkumsaufgaben 1. Ttreren Se konduktometrsch Schwefelsäure mt Natronlauge und
MehrLösungen aller Aufgaben und Lernkontrollen
Oft gbt es be den Aufgaben mehr als nur enen rchtgen Lösungsweg. Es st jedoch mest nur ene Lösung dargestellt. Aufgaben u Kaptel Lösung u Aufgabe a) nach Defnton von. b) 4 ( ) ( ). c) 5 4. d) ( ) (( )
MehrZinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung
Znsesznsformel (Abschntt 1.2) 3 Investton & Fnanzerung 1. Fnanzmathematk Unv.-Prof. Dr. Dr. Andreas Löffler (AL@wacc.de) t Z t K t Znsesznsformel 0 1.000 K 0 1 100 1.100 K 1 = K 0 + K 0 = K 0 (1 + ) 2
Mehr(Essentiell) τ-äquivalente Tests:
(Essentell) τ-äquvalente Tests: τ-äquvalenz: Essentelle τ-äquvalenz: τ τ τ τ +λ Repräsentatonstheore (Exstenzsatz): De Tests,..., snd genau dann τ-äquvalent, wenn ene reelle Zufallsvarable η sowereellekonstantenλ,...,
MehrAsymptotische Stochastik (SS 2010) Übungsblatt 1 P X. 0, n.
Insttut für Stochastk PD. Dr. Deter Kadelka Danel Gentner Asymptotsche Stochastk (SS 2) Übungsblatt Aufgabe (Arten von Konvergenz reeller Zufallsvarablen und deren Zusammenhänge) Es seen X,, n N reelle
Mehr18. Vorlesung Sommersemester
8. Vorlesung Sommersemester Der Drehmpuls des starren Körpers Der Drehmpuls des starren Körpers st etwas komplzerter. Wenn weder de Wnkelgeschwndgket um de feste Rotatonsachse st, so wrd mt Hlfe des doppelten
Mehr) ergeben die i i. Es gelten folgende allgemeinen Resultate (in informeller Sprache formuliert).
V. Kolluson Im olgopolstschen Wettbewerb treffen mtunter mmer weder de glechen Frmen aufenander. Des eröffnet de Möglchket für stlles Zusammenspel, wel abwechendes Verhalten n späteren Zusammentreffen
MehrDie mathematischen Grundlagen der Wellenmechanik
De mathematschen Grundlagen der Wellenmechank Zustände und deren Darstellung En physkalsches System wrd durch enen Zustand u charaktersert, ndem es durch ene bestmmte expermentelle Präparaton gebracht
MehrDie Jordansche Normalform
De Jordansche Normalform Danel Hug 29. Aprl 211 KIT Unverstät des Landes Baden-Württemberg und natonales Forschungszentrum n der Helmholtz-Gemenschaft www.kt.edu 1 Zerlegung n Haupträume 2 Fazt und nächstes
MehrAn dem Ergebnis eines Zufallsexperiments interessiert oft nur eine spezielle Größe, meistens ein Messwert.
SS 2013 Prof. Dr. J. Schütze/ J. Puhl FB GW Ds. ZG 1 Zufallsgrößen An dem Ergebns enes Zufallsexperments nteressert oft nur ene spezelle Größe, mestens en Messwert. Bespel 1. Zufällge Auswahl enes Studenten,
MehrUniversität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Bayessches Lernen
Unverstät Potsdam Insttut für Informatk Lehrstuhl Maschnelles Lernen Bayessches Lernen Chrstoph Sawade/Nels Landwehr/Paul Prasse Domnk Lahmann Tobas Scheffer Überblck Wahrschenlchketen, Erwartungswerte,
Mehr9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.
Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.
MehrGauss sche Fehlerrrechnung
Gauss sche Fehlerrrechnung T. Ihn 24. Oktober 206 Inhaltsverzechns Modell und Lkelhood 2 Alle Standardabwechungen σ snd bekannt, bzw. de Kovaranzmatrx der Daten st bekannt: Mnmeren der χ 2 -Funkton. 6
Mehr