II.1. Einführung: Kern, Tauschkurven, Tausch-Gleichgewicht im 2- Güter-Fall Zwei Haushalte mit Grundausstattung von Gütern. Werden sie tauschen?

Größe: px
Ab Seite anzeigen:

Download "II.1. Einführung: Kern, Tauschkurven, Tausch-Gleichgewicht im 2- Güter-Fall Zwei Haushalte mit Grundausstattung von Gütern. Werden sie tauschen?"

Transkript

1 Prof. Dr. Fredel Bolle Vorlesung Alloatonstheore II. De Hauptsätze der Wohlfahrtstheore Fragen: (a) Führt de Martwrtschaft zu enem Zustand mt Glechgewcht auf allen Märten? (b) Ist das Glechgewcht endeutg? Stabl? (c) Ist das Glechgewcht paretooptmal? (d) Lohnt es sch für Tele der Gesellschaft, sch abzusetzen vom Rest? 1 II.1. Enführung: Kern, Tauschurven, Tausch-Glechgewcht m - Güter-Fall Zwe Haushalte mt Grundausstattung von Gütern. Werden se tauschen? We wrd getauscht? 1. Kener wrd enen Tausch azepteren, der senen Nutzen schmälert (ndvduelle Ratonaltät).. Es wrd so getauscht, dass en paretooptmaler Zustand errecht wrd (Gruppenratonaltät). 0 Kern Der Kern erfüllt bede Bedngungen! Grundausstattung 0 1

2 Prof. Dr. Fredel Bolle Vorlesung Alloatonstheore Wenn Grundausstattung auf Kontraturve Kern = en Punt = Grundausstattung. Sonst besteht der Kern aus mehr als enem Punt. Welcher Punt m Kern wrd denn nun errecht? Verhandlungsgeschc? Es gbt Theoren darüber. Kommt auch auf de genaue Beschrebung der Stuaton an. Wr haben bsher gar ncht über Prese (= Tauschverhältns) gesprochen. Das st be Zween, de mtenander verhandeln, auch ncht so snnvoll. Hnterher önnen wr das Tauschverhältns feststellen. Wann snd Prese snnvoll? Wenn 1 und ene Personen (Haushalte) snd, sondern große Gruppen, z. B. Gütertausch zwschen Ländern: Dann haben wr allerdngs Schwergeten mt der Interpretaton der Indfferenzurven. Gbt es Gruppenndfferenzurven? Wr önnen de unten abgeleteten Tauschurven aber auch als Resultat (Aggregaton) von Tauschaten enzelner Haushalte ableten.

3 Prof. Dr. Fredel Bolle Vorlesung Alloatonstheore 3 0 T 1 Tauschurve von 1 (offer curve) das erhält 1 Anfangsausstattung 0 1 darauf verzchtet 1 auf ener Geraden durch de Anfangsausstattung st das Tauschverhältns (der Pres) glech Gerade = Budgetgerade für bede Gruppen Endausstattung = Walras-Glechgewcht (legt auf Kontraturve) T 1 0 T 0 1 Anfangsausstattung Tausch zwschen Gruppen: Noch enmal Warnung, dass Interpretaton der Indfferenzurven schwerg st! We sehen de Tauschurven aus, wenn de Anfangssausstattung auf der Kontraturve legt? Überlegen Se selbst!

4 Prof. Dr. Fredel Bolle Vorlesung Alloatonstheore Andere Darstellung des Tausches 4 Menge Gut (Angebot) Aggregertes Angebot Angebot Haushalt Angebot Haushalt 1 x Tauschverhältns = Pres - x Marträumender Pres neg. Angebot = Nachfrage - Das aggregerte Angebot wrd auch Überschussangebot genannt. - Der marträumende Pres und der Austausch zu desem Pres beschrebt en Walras-Glechgewcht. - Das Überschussangebot und der marträumende Pres lassen sch auch für vele Haushalte bestmmten! Vele Güter? Ist ncht mehr so anschaulch darzustellen!

5 Prof. Dr. Fredel Bolle Vorlesung Alloatonstheore Allgemenes Problem: 5 - Exstert en Walras-Glechgewcht mmer? - Ist en Walras-Glechgewcht mmer paretooptmal? Bedngungen? Randlösungen? II. Das erste Wohlfahrtstheorem Modell ohne Produton (Verenfachung) Haushalte 1,,..., n; Güter 1,,..., m Anfangsausstattungen Y 1 = (y 1 1, y 1,...y 1 m),..., Y n = (y n 1, y n,..., y n m) Presvetor p = (p 1, p,..., p m ), p = Austauschverhältns zu enem der Güter oder zu enem weteren Gut = Geld. Mt enem Presvetor st der Wert der Anfangsausstattung gegeben: py = Σ p Y = E (py = Salarprodut) Defnton: Y = (Y 1,..., Y n ) = Anfangsausstattung aller Haushalte X = (X 1,...,X n ) = Endausstattung alle Haushalte (X,Y,p) heßt Walras-Glechgewcht, wenn glt: (1) x y für alle Güter () Wenn für Haushalt glt dann glt p X ~ > py = E ( X ~ X ~ f X ( X ~ st zu teuer). wrd vorgezogen),

6 Prof. Dr. Fredel Bolle Vorlesung Alloatonstheore 6 Annahme: Alle Haushalte snd loal unersättlch, d.h. be ener Alloaton, für de (1) n der obgen Defnton glt, wrd ede Auswetung des Konsums dem bestehenden Zustand vorgezogen. Vorberetender Satz: 1. Wenn X ene paretooptmale Alloaton st, dann gbt es X ~ mt ~ X f X für alle Haushalte.. De Budgettrestrton wrd mt Glechhet erfüllt, d.h. px = py Bewes: 1. x ncht paretooptmal heßt: Es gbt x mt x f x für alle Haushalte ~ und f für enen, z. B. = 1 [und es glt (1) aus Def.] Wegen Stetget der Präferenzen glt enem Gut. 1 1 ( 1 ε ) x f ~ 1 x x 1 = für genügend lenes ε. 1 x~ x + x f ( n 1) x = ε wegen Unersättlchet be mndestem. Wegen Unersättlchet 1. Wohlfahrtstheorem: Wenn (X,Y,p) en Walras-Glechgewcht st, dann st X ene paretooptmale Alloaton. Bewes: Angenommen, x st ene paretooptmale Alloaton. Wegen dem vorberetendem Satz gbt es ~ x, das von allen Haushalten vorgezogen wrd. p > py für alle [() aus Def.] x~ p x~ > p y

7 Prof. Dr. Fredel Bolle Vorlesung Alloatonstheore Anderersets: (1) aus Def. Walrasglechgewcht p x~ p y Summe über p x~, p y, 7 also = p x~ p x~ = p y py Das st en Wderspruch zur Relaton oben! Also st de Annahme am Anfang des Beweses falsch. Wussten wr das ncht schon vorher? Presvetor p, Enommen E U x p = U x p für alle Haushalte Bedngung für Paretooptmaltät erfüllt Aber: 1. Randlösungen!. Wr haben ncht gezegt, dass dese Bedngung hnrechend für Paretooptmaltät st.

8 Prof. Dr. Fredel Bolle Vorlesung Alloatonstheore Aufgabe: Informeren Se sch m Internet über Tauschrnge! 8 Tauschrnge für Denstlestungen mt ftver Währung: Jeder Telnehmer stellt (mehr oder wenger spezalserte) Arbetslestung zur Verfügung z. B. Gut 1: Babysttng Gut : Auto repareren Gut 3: Haare schneden Gut 4: PC-Beratung y 1 = (5, 0, 0, 0) Anfangsausstattung Telnehmer 1 y = (3, 0, 3, 0) Anfangsausstattung Telnehmer y 3 = (0, 10, 0, 0 ) Anfangsausstattung Telnehmer 3 y 4 = (0, 0, 0, 8) Anfangsausstattung Telnehmer 4 y 5 = (10, 0, 0, 0) Anfangsausstattung Telnehmer 5 - Satz besagt, wenn es en Walras-Glechgewcht gbt, d. h. wenn es enen Presvetor gbt, be dem de Defnton des Walras-Glechgewchts erfüllt st, dann st Paretooptmum errecht! - Problem der Tauschrnge: Prese snd normalerwese festgelegt. Wenn en Zustand en Walras-Glechgewcht st, st er dann ncht paretooptmal? T 1 T B C A

9 Prof. Dr. Fredel Bolle Vorlesung Alloatonstheore 9 B st en Walras-Glechgewcht mt Anfangsausstattung A, aber paretooptmal! C st en Walras-Glechgewcht und ncht paretooptmal Wenn der Tausch zu vorher festgelegten ( gerechten ) Presen (festen Austauschverhältnssen) durchgeführt wrd, dann errechten wr nur zufällg Marträumung! Nur zufällg en Walras-Glechgewcht. II.3 Exstenz enes Walras-Glechgewchts Budgetrestrton für den Haushalt be Tausch zu Presen p: py = px (wegen Annahme loale Unersättlchet, sehe oben) Defnton: Überschussnachfrage von Haushalt : Z (p,y ) = X (p,y ) Y - Be fest vorgegebenen Anfangsausstattungen schreben wr häufg Z (p) statt Z (p,y ). - X maxmert den Nutzen von Haushalt, d.h. () aus der Defnton des Walras-Glechgewchts glt. - Z (p) st homogen vom Grad 0 n den Presen (Budgetrestrton blebt unverändert) Defnton: aggregerte Überschussnachfrage: Z(p) = Σ Z (p) = (Z 1 (p),..., Z m (p) Z (p) = aggregerte Überschussnachfrage nach Gut Satz (Gesetz von Walras) Für edes p glt pz(p) = 0

10 Prof. Dr. Fredel Bolle Vorlesung Alloatonstheore 30 Bewes: ( p) = pz pz ( p) ( px py ) = = 0 wegen Budgetrestrton. Satz (Marträumung): Wenn m-1 Märte geräumt snd, d.h. Z (p) = 0 für alle und p >0, dann st auch der -te Mart geräumt, d.h. Z (p) = 0. Bewes: Gesetz von Walras pz ( p) = 0 c p Z ( p) = 0 c ( p) = 0 p Z wel alle anderen Z = 0 c ( p) = 0 Z. Satz (free Güter): (X, Y, p) Walras-Glechgewcht Z (p) < 0 p = 0. Bewes: : Def. Walras-Gl. ( p) 0 p z( p) 0 Falls p > 0 p z( p) < 0 z für alle Also: - Güter, de m Überschuss vorhanden snd, haben enen Pres von 0 - ene Unersättlchet bezüglch deses Gutes.

11 Prof. Dr. Fredel Bolle Vorlesung Alloatonstheore Annahme Begehrthet (d. h. es gbt ene freen Güter): Falls p = 0 Z (p) > Satz (Angebot = Nachfrage): Falls alle Güter begehrt snd und (X, Y, p) Walras-Glechgewcht, dann glt Z (p) = 0 für alle. Bewes: Angenommen z (p) < 0 p = 0 (Satz free Güter) z (p) > 0 (wegen Begehrthet) Defnton Walras-Glechgewcht z (p) 0 Wderspruch, also z (p) 0 z (p) = 0 Satz (stetge Nachfrage): De Präferenzen von Haushalt seen strt onvex (d. h. es gbt strt onvexe Indfferenzflächen). Dann snd de Nachfrage von und de Überschussnachfrage n stetge Funtonen der Prese p mt p > 0. Bewes (für Interesserte): p p y p y p (Enommen von ) Wegen Konvextät gbt es genau enen optmalen Punt für ede Haushaltsrestrton x p y p ( x p = y p) bede optmal, dann wäre wegen Konvextät =.(Denn gäbe es x~ ~ x x~ + 1 x 1 besser.)

12 Prof. Dr. Fredel Bolle Vorlesung Alloatonstheore Seen nun x ( p) und ( p) Falls x ( p) ncht gegen x ( p) x de optmalen Nachfragen be p bzw. p. 3 onvergert, dann gbt es en δ, so dass, für belebg lene ε, für unendlch vele Gleder der Folge und x ( p) x ( p ) > δ glt. p p < ε Satz von Bolzano/Weerstraß: Jede beschränte unendlche Menge (Folge) enthält mndestens enen Häufungspunt Es gbt ene ~ onvergente Telfolge, de gegen x x ( p) mndestens δ von x ( p) entfernt.) onvergert. ( x~ st Aber: ( p) x x ~ f wegen Endeutget glt auch n Umgebung beder wegen Stetget Folge x (p) ann ncht optmal gewesen sen.

13 Prof. Dr. Fredel Bolle Vorlesung Alloatonstheore Satz (Exstenz enes Walras-Glechgewchts): () Wenn de Überschussnachfrage Z(p) ene stetge Funton der Prese p P = {p mt p 0, p = 1} st und pz(p) = 0, dann gbt es en p mt Z (p ) 0 für alle. [X=Z(p ), Y, p ) snd dann en Walras Glechgewcht vgl. de Defntonen von Walras-Gl. Und Überschussnachfrage.] Möglches Problem p = 0; z (p) =. Dann: () Wenn de Überschussnachfrage z (p) ene stetge Funton der Prese p P = {p mt p, p = 1} st und 0 lm p ' p 33 mn(z (p ), a) für alle p P und alle Folgen (p ) mt p P exstert, und pz(p) = 0, dann gbt es en p P mt z (p ) 0 für alle. Bewes für Interesserte: Überschussnachfrage homogen von Grad 0 wr önnen Prese normeren p mplzert gleche Überschussnachfrage we (p ) p Also Beschränung auf Presvetoren p mt Σp = 1, p 0. wr haben ene abgeschlossene und onvexe Menge von Presen = P. Defnton ener Abbldung P P g ( p) p + max( 0,z ( p) ) = 1 + max 0,z p ( ( )) g(p) = (g 1 (p),, g m (p)), = 1,, m

14 Prof. Dr. Fredel Bolle Vorlesung Alloatonstheore - Maxmumfunton st stetg, wenn z (p) stetg: Enzges Problem p = 0; z (p) = wrd n () behandelt! - g st Abb. von P P wegen g 0 und g = 1 [Brouwerscher Fxpuntsatz: A R m ompat (d. h. beschränt und abgeschlossen). f: A A stetg. Dann gbt es en a A mt f(a) = a (Fxpunt).] () Es gbt den Fxpunt p, d. h. ( ( p ) ( ( ) p + max 0,z p =, = 1, m 1 + max 0,z p Umformen der Glechung p max( ) = max( ) Mal Z Z ( p ) p max( ) = Z ( p ) max( 0,z,( p ) Aufsummeren z ( p ) p max( 0,Z ( p ) = z ( p ) max( 0,z ( p ) 34 = 0 (Walras Gesetz) () 0 für z 0 = ) 0 ( z ( p ) für z ( p ) ( p > 0 Notwendg z (p) 0 p Walr.as-Glechgewcht We () angewendet auf mn(z (p ), a). mn(z (p ), a) 0 z (p ) 0 wegen a>0. Frage: Snd onave Präferenzen (Indfferenzurven) unplausbel? Fnden Se en Bespel!

15 Prof. Dr. Fredel Bolle Vorlesung Alloatonstheore II. 4. Zweter Hauptsatz der Wohlfahrtstheore 35 Satz: Falls de Voraussetzungen des Exstenzsatzes gelten und falls ene paretooptmale Alloaton st, dann exstert en Walras- Glechgewcht (, X, p ) (Es gbt enen Pres X. Bewes: sehe Varan, ch. 17. p, be dem en Haushalt tauschen wll.) X II. 5. Der Kern Frage: Lohnt es sch für enen Tel der Gesellschaft, sch abzuspalten, enen egenen Club aufzumachen? Antwort: Ncht, wenn en Walras-Glechgewcht realsert wrd! Defnton: Y Anfangsausstattung, X Endausstattung. X legt m Kern, wenn (0) (1) t x y für alle Y X f (Indvduelle Ratonaltät) () X st Paretooptmum (Gesellschaftlche Ratonaltät) (3) Es gbt ene Koalton (= Telmenge) C aus der Menge der Haushalte {,..., m} X ~ ( C) y C ~ X 1, verbunden mt ener Endvertelung der Koaltonsmtgleder für de glt: ( C) x~ für alle Güter C ( C) f X für alle C (Es gbt ene Gruppe C, de sch proftabel von der Gesellschaft aboppeln ann.)

16 Prof. Dr. Fredel Bolle Vorlesung Alloatonstheore Satz: Falls (X, Y, p) Walras-Glechgewcht st, dann legt X m Kern. (Also m Walras-Glechgewcht ene erfolgreche Abspaltung möglch.) u.a. Konsequenz: Falls Walras-Glechgewcht exstert, st der Kern ncht leer. 36 Bewes (sehe Güth, S. 111 ff.) 1. Falls x ncht m Kern st, dann gbt es ene Koalton C {1,, n},c 0/ und ene Alloaton ~ x mt () () x~ f x für alle C C x~ y für alle C. Wegen x~ f x folgt py mehr begehrte Vetor st ncht errechbar) p x~ > p y p ( x~ y ) 0 C C p x~ > (Walrasglechgewcht X eder C > ( ) ( ) x~ y, x~ y, C C x~ > y für mndestens en C C Also: Kene Abspaltung von Telen der Gesellschaft! Wenn Vor. (Konvextät) erfüllt. Weteres Ergebns: In große Öonomen stmmen Kern-Alloaton und Walras-Glechgewcht überen. (sehe Güth, S )

17 Prof. Dr. Fredel Bolle Vorlesung Alloatonstheore Tauschrnge Feste Prese! Folge? o 1 Arbetszet 1 Arbetszet Nur bs herhn wrd getauscht (ncht paretooptmal) Anfangsausstattung Haben wr damt de Vortelhaftget von Tauschrngen wderlegt? Ncht unbedngt! Denn: Snd Voraussetzungen für en Walras- Glechgewcht n der Realtät erfüllt? Nen! I. a. ncht! Auch n Martöonome gbt es ene völlg flexblen Prese! (Löhne nach unten begrenzt!) Dazu ommen Überlegungen außerhalb des Modells: Englederung von Arbetslosen n de Gesellschaft, (Erlechterung von sozalen Kontaten).

18 Prof. Dr. Fredel Bolle Vorlesung Alloatonstheore Ist Globalserung ene gute Sache? 38 Beachten Se: Wr argumenteren von dem Zustand der Globalserung aus (oder von ener Volswrtschaft aus). Dann st es ncht möglch, enen Club von Spezalsten zu gründen, n dem es allen besser geht. De Argumentaton vor der Globalserung st anders. Normalerwese gbt es Gewnner und Verlerer n desem Prozess! z. B. Verlerer: Bauern Gewnner: Konsumenten oder Verlerer: Nedrg qualfzerte Arbeter Gewnner: Hoch qualfzerte Arbeter, Kaptalbestzer Interessante Frage: Könnten de Verlerer ompensert werden?

19 Prof. Dr. Fredel Bolle Vorlesung Alloatonstheore II. 6. Stabltät Fragen: Stabltätsegenschaft des Walras-Glechgewchts: Es gbt ene onstrutven Enwände (wel m Kern). 39 Fragen- om- plex Stabltät gegenüber Presveränderungen? We ommt man überhaupt zu Presen? Endeutges Glechgewcht? Mt dem Fragenomplex snd wr zurüc n der Dsusson der ersten Stunde: Märte sollen Informatonen verarbeten, d. h. Prese fnden. Jetzt aber statt realer Martorgansatonen Hypothetsche Organsatonen: Der Walrasansche Autonator - ruft Prese aus - sammelt Informatonen über Angebot und Nachfrage - setzt Prese fest, wen Angebot = Nachfrage Schwerget: Exstert ncht außer n Telmärten (Börsen), ann ncht exsteren. Presführer/Planwrtschaft - ener legt de Prese fest - de anderen bestmmen de Mengen Schwerget: Exstert ebenfalls nur n Telmärten

20 Prof. Dr. Fredel Bolle Vorlesung Alloatonstheore Presanpassungshypothesen - vele Peroden, Haushalte erhalten mmer weder alte Erstausstattung (Arbetslestungen, landwrtschaftlche Produton) - Handel fndet zu Nchtglechgewchtspresen statt - Pos. Überschussnachfrage auf enem Mart p& = dp / dt > 0 - Neg. Überschussnachfrage auf enem Mart p& < 0 40 z. B. ( ) p& t = α x ( p) y Falls p (t) p für t dann st p (loal) stables Walras- Glechgewcht. Global stabl enzges stables Glechgewcht. Im Grunde allerdngs st ene deser und anderer Vorstellungen befredgend! Transatonsostenüberlegungen: Verluste bem Tausch mt falschen Presen. Wr wollen de Presanpassungshypothese trotzdem azepteren. Führt se mmer zum Glechgewcht? Be enem Gut? Be velen Gütern?

21 Prof. Dr. Fredel Bolle Vorlesung Alloatonstheore Überschussnachfrage Gut 41 Dese Anpassung bedeutet: wenger Nachfrage nach Gut mehr/wenger von Gut 3? Pres von Gut n Enheten von Gut 1 (Tauschverhältns) Überschussnachfrage Gut 3 Pres von Gut 3 n Enheten von Gut 1 Können bede Prozesse zusammen onvergeren? Sätze über Stabltät n der Lteratur sehen Se selbst nach!

22 Prof. Dr. Fredel Bolle Vorlesung Alloatonstheore II.7. Glechgewcht auf allen Märten: Das totale Konurrenzglechgewcht Fragen: Gbt es enen Presvetor, be dem Angebot und Nachfrage für alle Güter überenstmmen? We werden de Enommen der Haushalte n deser Totalanalyse bestmmt? Alle Prese glechzetg ermtteln? p,, 1 K p n : n Unbeannte 4 Pres des angebotenen Gutes Nachfrage Unternehmen x = N ( p p,.., p ) nach Fator (Gut ) 1,..., Prese anderer Inputs Angebot Unternehmen Z = Z ( p p,..., p ) von Gut 1,..., Angebot Haushalt A = A ( p,..., p ) von Fator (= Gut ) (Vor allem Angebot von Arbet, Kaptal, Land) Nachfrage Haushalt y = y ( E p,..., p ) nach Gut 1, 1 Gewnn Unternehmen = G = Z p x Enommen Haushalt = A + p n n n n p Gewnnante le = α G

23 Prof. Dr. Fredel Bolle Vorlesung Alloatonstheore In Haushaltsnachfrage ann E durch Funton der Prese ersetzt 43 werden: E = p A ( p,..., p ) 1 n + α G Glechgewcht y + N = Z + A, = 1,..., n Nachfrage = Angebot Jede der Funtonen st homogen vom Grad 0 n den Presen. En Pres ann belebg festgelegt werden, denn n allen Glechungen önnen Prese (und damt Enommen) mt enem Fator multplzert werden. Man ann weterhn zegen, dass unter plausblen Annahmen (onvexe Indfferenzurven, Isoquanten, ene stegenden Salenerträge,...) Glechgewcht exstert, st endeutg bs auf Fator, stabl.

24 Prof. Dr. Fredel Bolle Vorlesung Alloatonstheore Bespel: Güter 44 Konsumgut, Pres p Menge y bzw. z Frezet, Pres w Menge m Unternehmen: Produtonsfunton Arbetszet 1/ A m Haushalte: Nutzenfunton U = F y z =,A = engesetzte F = Frezet m "Arbeterhaushalte" mt Enommen E 1 = 4w m "Unternehmerhaushalte mt Enommen Unternehmens. E = 4w + Gewnn enes Kosten für de Produton von z K(z) = z w (Um z herzustellen snd laut Produtonsfunton A = z Arbetsstunden nötg) Angebot der Unternehmen: p = GK = z w p z = w Gesamtangebot p = m w

25 Prof. Dr. Fredel Bolle Vorlesung Alloatonstheore 45 Nachfrage der Unternehmen: A = z p = w p Gesamtnachfrage = m w Gewnn enes Unternehmers = pz wz = p w p 4w = p 4w Haushalte maxmeren Nutzen GRS = Presverhältns U U / / F y = p w Fy F y F w = p w F w = y = p p Budgetrestrton Arbeter: Budgetrestrton Unternehmer: 4w = F1 w + y1p p 4w + = Fw + y p 4w

26 Prof. Dr. Fredel Bolle Vorlesung Alloatonstheore Ensetzen der Margnalbedngung n de Budgetrestrtonen ergbt: - Jeder Arbeter arbetet A 1 = 8 Stunden - Jeder Unternehmer arbetet A = 1 p 8 Stunden 6 w - Damt ergbt sch für das Glechgewcht auf dem Arbetsmart: 46 p = + 1 p m m 8 m 8 w 6 w Nachfrage Angebot p w = Reallohn w p = Das Glechgewcht auf dem Gütermart ergbt dasselbe Ergebns. Zusammenfassung: Im Falle vollständger Konurrenz gbt es enen Presvetor (festgelegt bs auf enen Fator), der de Planungen der Haushalte und Unternehmen oordnert, d.h. be dem Gesamtangebot = Gesamtnachfrage für alle Güter glt. Was aber, wenn dese Voraussetzungen der vollständgen Konurrenz ncht gelten? Was st, wenn es Anbeter oder Nachfrager gbt, de ncht "len" gegenüber dem Gesamtangebot (der Gesamtnachfrage) snd?

Es gibt Theorien darüber. Kommt auch auf die genaue Beschreibung der Situation an.

Es gibt Theorien darüber. Kommt auch auf die genaue Beschreibung der Situation an. Prof. Dr. Fredel Bolle Vorlesung Alloatonstheore II. De Hauptsätze der Wohlfahrtstheore Fragen: (a) Führt de Martwrtschaft zu enem Zustand mt Glechgewcht auf allen Märten? (b) Ist das Glechgewcht endeutg?

Mehr

Was erwarten wir als Ergebnis von freien Verhandlungen in einer Gruppe mit Koalitionsmöglichkeiten?

Was erwarten wir als Ergebnis von freien Verhandlungen in einer Gruppe mit Koalitionsmöglichkeiten? Prof. Dr. Fredel Bolle 1 Prof. Dr. Fredel Bolle Vorlesung 1 Defnton: Kooperatves Spel En ooperatves Spel Γ st en Tupel (N,V), wobe der N = {1,...,m} mt m > 1 de Menge der Speler bezechnet und Was erwarten

Mehr

Konkave und Konvexe Funktionen

Konkave 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

Mehr

Stochastische Prozesse

Stochastische 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)

Mehr

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

Aufgabe 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

Mehr

4.6 Das Pumping-Lemma für reguläre Sprachen:

4.6 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

Mehr

Methoden der innerbetrieblichen Leistungsverrechnung

Methoden 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

Mehr

Proseminar Spieltheorie SS 2006 Ausarbeitung zum Vortrag Allgemeine Zwei-Personenspiele am Vortragender: Florian Leiner

Proseminar Spieltheorie SS 2006 Ausarbeitung zum Vortrag Allgemeine Zwei-Personenspiele am Vortragender: Florian Leiner Prosemnar Speltheore SS 2006 Ausarbetung zum Vortrag Allgemene Zwe-Personenspele am 06.07.2006 Vortragender: Floran Lener Der Vortrag basert auf dem entsprechenden Kaptel wo-person general-sum games aus

Mehr

Facility Location Games

Facility 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

Mehr

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x,

Analysis 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

Mehr

III. Theorie des Haushalts

III. Theorie des Haushalts Pro. Dr. Fredel Bolle Vorlesung "Mkroökonome" WS 008/009 III. Theore des Haushalts 86 Pro. Dr. Fredel Bolle Vorlesung "Mkroökonome" WS 008/009 III. Theore des Haushalts 87 III. Theore des Haushalts Unternehmung

Mehr

Netzwerkstrukturen. Entfernung in Kilometer:

Netzwerkstrukturen. 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.

Mehr

Lineare Optimierung Dualität

Lineare 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

Mehr

8. MARKOVKETTEN 127. Abbildung 8.1: Reduzible und periodische Markovkette. p ji IIP[X n 1 = j] = [(IIP[X n 1 = j]) j E P ] i. j=0

8. MARKOVKETTEN 127. Abbildung 8.1: Reduzible und periodische Markovkette. p ji IIP[X n 1 = j] = [(IIP[X n 1 = j]) j E P ] i. j=0 8. MARKOVKETTEN 17 8. Marovetten Abbldung 8.1: Reduzble und perodsche Marovette 8.1. Homogene Marovetten n dsreter Zet En Prozess {X n : n IIN} hesst homogene Marovette (n dsreter Zet) mt (abzählbarem)

Mehr

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -

Seminar 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

Mehr

1.1 Das Prinzip von No Arbitrage

1.1 Das Prinzip von No Arbitrage Fnanzmärkte H 2006 Tr V Dang Unverstät Mannhem. Das Prnzp von No Arbtrage..A..B..C..D..E..F..G..H Das Framework Bespele Das Fundamental Theorem of Fnance Interpretaton des Theorems und Zustandsprese No

Mehr

Diskrete Mathematik 1 WS 2008/09

Diskrete Mathematik 1 WS 2008/09 Ruhr-Unverstät Bochum Lehrstuhl für Kryptologe und IT-Scherhet Prof. Dr. Alexander May M. Rtzenhofen, M. Mansour Al Sawad, A. Meurer Lösungsblatt zur Vorlesung Dskrete Mathematk 1 WS 2008/09 Blatt 7 /

Mehr

Anwendungsmöglichkeiten von Lernverfahren

Anwendungsmöglichkeiten von Lernverfahren Künstlche Neuronale Netze Lernen n neuronalen Netzen 2 / 30 Anwendungsmöglcheten von Lernverfahren Prnzpelle Möglcheten Verbndungsorentert 1 Hnzufügen neuer Verbndungen 2 Löschen bestehender Verbndungen

Mehr

4. Musterlösung. Problem 1: Kreuzende Schnitte **

4. Musterlösung. Problem 1: Kreuzende Schnitte ** Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,

Mehr

Elemente der Mathematik - Sommer 2016

Elemente der Mathematik - Sommer 2016 Elemente der Mathematk - Sommer 2016 Prof Dr Matthas Lesch, Regula Krapf Lösungen Übungsblatt 3 Aufgabe 9 (10 Punkte) Das Horner-Schema st ene Methode zum Auswerten enes Polynoms n a0 x an der Stelle s

Mehr

Die Jordansche Normalform

Die 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

Mehr

3.3 Lineare Abbildungen und Matrizen

3.3 Lineare Abbildungen und Matrizen 33 LINEARE ABBILDUNGEN UND MATRIZEN 87 33 Lneare Abbldungen und Matrzen Wr wollen jetzt de numersche Behandlung lnearer Abbldungen zwschen Vektorräumen beschreben be der vorgegebene Basen de Hauptrolle

Mehr

18. Dynamisches Programmieren

18. Dynamisches Programmieren 8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus

Mehr

Grundgedanke der Regressionsanalyse

Grundgedanke 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

Mehr

Versicherungstechnischer Umgang mit Risiko

Versicherungstechnischer Umgang mit Risiko Verscherungstechnscher Umgang mt Rsko. Denstlestung Verscherung: Schadensdeckung von für de enzelne Person ncht tragbaren Schäden durch den fnanzellen Ausglech n der Zet und m Kollektv. Des st möglch über

Mehr

3. Lineare Algebra (Teil 2)

3. 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

Mehr

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich Drtter Hauptsatz der Thermodynamk Rückblck auf vorherge Vorlesung Methoden zur Erzeugung tefer Temperaturen: - umgekehrt laufende WKM (Wärmepumpe) - Joule-Thomson Effekt bs 4 K - Verdampfen von flüssgem

Mehr

5. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013

5. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013 O. Alaya, S. Demrel M. Fetzer, B. Krnn M. Wed 5. Gruppenübung zur Vorlesung Höhere Mathematk Wntersemester /3 Dr. M. Künzer Prof. Dr. M. Stroppel Lösungshnwese zu den Hausaufgaben: Aufgabe H 6. Darstellungen

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung 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;

Mehr

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung

Die 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

Mehr

1 Mehrdimensionale Analysis

1 Mehrdimensionale Analysis 1 Mehrdmensonale Analyss Bespel: De Gesamtmasse der Erde st ene Funton der Erddchte ρ Erde und des Erdradus r Erde De Gesamtmasse der Erde st dann m Erde = V Erde ρ Erde Das Volumen ener Kugel mt Radus

Mehr

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale 3. De Kennzechnung von Patkeln 3..1 Patkelmekmale De Kennzechnung von Patkeln efolgt duch bestmmte, an dem Patkel mess bae und deses endeutg beschebende physka lsche Gößen (z.b. Masse, Volumen, chaaktestsche

Mehr

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2

Arbeitsgruppe 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

Mehr

Übung zur Vorlesung. Informationstheorie und Codierung

Übung zur Vorlesung. Informationstheorie und Codierung Übung zur Vorlesung Informatonstheore und Coderung Prof. Dr. Lla Lajm März 25 Ostfala Hochschule für angewandte Wssenschaften Hochschule Braunschweg/Wolfenbüttel Postanschrft: Salzdahlumer Str. 46/48 3832

Mehr

Bemerkungen zum LCG Rupert Hartung,

Bemerkungen zum LCG Rupert Hartung, mt Bemerkungen zum LCG Rupert Hartung, 24.6.2005 Wr betrachten den Lnear Congruental Generator (LCG) X 0, X 1,..., X,... X +1 = ax + c mod N (1) zur Erzeugung von Pseudozufallszahlen mäÿger Qualtät. De

Mehr

Der Satz von COOK (1971)

Der Satz von COOK (1971) Der Satz von COOK (1971) Voraussetzung: Das Konzept der -Band-Turng-Maschne (TM) 1.) Notatonen: Ene momentane Beschrebung (mb) ener Konfguraton ener TM st en -Tupel ( α1, α2,..., α ) mt α = xqy, falls

Mehr

c) schwierige freiwillige Zusatzaufgabe (ohne Bonuspunkte): Leiten Sie die allgemeinen iterativen Formeln für S, D, D R und V her.

c) schwierige freiwillige Zusatzaufgabe (ohne Bonuspunkte): Leiten Sie die allgemeinen iterativen Formeln für S, D, D R und V her. Rechnerarchtetur Lösungsvorschlag. Bonusübung oerseester Fachgebet Rechnerarchtetur Prof. R. Hoffann Patrc Edger. Aufgabe: Maße für Barrel-hfter 7 + 7 Punte Gegeben st en Barrel hfter t n= Prozessoren

Mehr

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.

Daten 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

Mehr

1 BWL 4 Tutorium V vom 15.05.02

1 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)

Mehr

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel

Multilineare 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

Mehr

Vorlesungsprüfung Politische Ökonomie

Vorlesungsprüfung Politische Ökonomie Vorlesungsprüfung Poltsche Ökonome 22.06.2007 Famlenname/Vorname: Geburtsdatum: Matrkelnummer: Studenrchtung: Lesen Se den Text aufmerksam durch, bevor Se sch an de Beantwortung der Fragen machen. Ihre

Mehr

Die Transzendenz der Eulerschen Zahl e

Die 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

Mehr

Online Algorithmen. k-server randomisiert Teil II

Online Algorithmen. k-server randomisiert Teil II Onlne Algorthmen k-server randomsert Tel II Ausarbetung für das Semnar Onlne Algorthmen Prof. Dr. Ro. Klen Anette Ebbers-Baumann Ansgar Grüne Insttut für Informatk Theorethsche Informatk und formale Methoden

Mehr

Determinanten - I. den i-ten Zeilenvektor der n n-matrix A bezeichnet.

Determinanten - I. den i-ten Zeilenvektor der n n-matrix A bezeichnet. Determnanten - I Ene Determnante st ene Abbldung, welche ener quadratschen (!) Matrx ene Zahl zuordnet. Wr verwenden n desem Zusammenhang de Schrebwese A = a 2, wobe den -ten Zelenvektor der n n-matrx

Mehr

Seminar Einführung in die Kunst mathematischer Ungleichungen

Seminar Einführung in die Kunst mathematischer Ungleichungen Semnar Enführung n de Kunst mathematscher Unglechungen Cauchys erste Unglechung und de Unglechung vom arthmetschen und geometrschen Mttel Sopha Volmerng. prl 0 Inhaltsverzechns Cauchys erste Unglechung.

Mehr

) ergeben die i i. Es gelten folgende allgemeinen Resultate (in informeller Sprache formuliert).

) 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

Mehr

Stochastische Prozesse

Stochastische 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)

Mehr

Aspekte zur Approximation von Quadratwurzeln

Aspekte zur Approximation von Quadratwurzeln Aspete zur Approxmaton von Quadratwurzeln Intervallschachtelung Intervallhalberungsverfahren Heron-Verfahren Rechnersche und anschaulche Herletung Zusammenhang mt Newtonverfahren Monotone und Beschränthet

Mehr

Praktikum Physikalische Chemie I (C-2) Versuch Nr. 6

Praktikum 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

Mehr

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.

NSt. 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

Mehr

Fachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung

Fachbereich 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

Mehr

1. (14 Punkte) Mikroökonomik I, Wintersemester 1995/96, Prof.Dr.H.Sautter 1

1. (14 Punkte) Mikroökonomik I, Wintersemester 1995/96, Prof.Dr.H.Sautter 1 Mkroökonomk I, Wntersemester 1995/96, Prof.Dr.H.Sautter 1 1. (14 Punkte) Kuno Chaos, der m zweten Semester BWL studert, hat be senen Klausurvorberetungen für das Fach Mkroökonomk Probleme mt senem PC bekommen.

Mehr

3.2 Bewertung sozialer Zustände

3.2 Bewertung sozialer Zustände u Kaptel 3: Wohlfahrtstheoretsche Grundlagen 3.2 Bewertung soaler Zustände Gesellschaft habe ndvduen, ndex 1,2,..., Jedes ndvduum kann n ener vorgegebenen Anahl von Zuständen sen, x Bestmmter gesellschaftlcher

Mehr

Näherungsverfahren. Wiederhole den Algorithmusbegriff. Erläutere die Begriffe: Klasse der NP-Probleme. Probleme. Probleme. Approximative Algorithmen

Näherungsverfahren. Wiederhole den Algorithmusbegriff. Erläutere die Begriffe: Klasse der NP-Probleme. Probleme. Probleme. Approximative Algorithmen Näherungsverfahren Wederhole den Algorthmusbegrff. Erläutere de Begrffe: Klasse der P-ProblemeP Probleme Klasse der NP-Probleme Probleme Approxmatve Algorthmen Stochastsche Algorthmen ALGORITHMEN Def.:

Mehr

Vorlesung 1. Prof. Dr. Klaus Röder Lehrstuhl für BWL, insb. Finanzdienstleistungen Universität Regensburg. Prof. Dr. Klaus Röder Folie 1

Vorlesung 1. Prof. Dr. Klaus Röder Lehrstuhl für BWL, insb. Finanzdienstleistungen Universität Regensburg. Prof. Dr. Klaus Röder Folie 1 Vorlesung Entschedungslehre h SS 205 Prof. Dr. Klaus Röder Lehrstuhl für BWL, nsb. Fnanzdenstlestungen Unverstät Regensburg Prof. Dr. Klaus Röder Fole Organsatorsches Relevante Informatonen önnen Se stets

Mehr

Statistik und Wahrscheinlichkeit

Statistik 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

Mehr

Untersuchung der Abhängigkeit einer interessierenden Größe von einem einzelnen Einflussparameter bei Konstanz aller übrigen

Untersuchung der Abhängigkeit einer interessierenden Größe von einem einzelnen Einflussparameter bei Konstanz aller übrigen Sete Stehlng AVWL 3 (Mkro) SS 08 - Kap. 4: Komparatve Statk 4 Komparatve Statk Komparatve Statk: Untersuchung der Abhänggket ener nteresserenden Größe von enem enzelnen Enflussparameter be Konstanz aller

Mehr

-70- Anhang: -Lineare Regression-

-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

Mehr

Dr. Florian Englmaier 1 Übung Wettbewerbstheorie und -politik. Handout zu Übungsblatt 1: Einführung

Dr. Florian Englmaier 1 Übung Wettbewerbstheorie und -politik. Handout zu Übungsblatt 1: Einführung Dr. Floran Englmaer 1 Handout zu Übungsblatt 1: Enführung De Industreökonomk beschäftgt sch mt dem Marktverhalten und der nternen Organsaton von Unternehmen. (Preswettbewerb, Marktzutrttsverhalten, Produktdff.

Mehr

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

9 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.

Mehr

Erwartungswert, Varianz, Standardabweichung

Erwartungswert, 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

Mehr

Aufgabenteil. - wird nicht mit abgegeben - 21.03.2011, 18.00-20.00 Uhr. Fakultät für Wirtschaftswissenschaft

Aufgabenteil. - wird nicht mit abgegeben - 21.03.2011, 18.00-20.00 Uhr. Fakultät für Wirtschaftswissenschaft Fakultät für Wrtschaftswssenschaft Lehrstuhl für Volkswrtschaftslehre, nsb. Makroökonomk Unv.-Prof. Dr. Helmut Wagner Klausur: Termn: Prüfer: Makroökonome 2.03.20, 8.00-20.00 Uhr Unv.-Prof. Dr. Helmut

Mehr

Spiele und Codes. Rafael Mechtel

Spiele 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,,

Mehr

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007 Lehrstuhl für Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen

Mehr

Z Z, kurz { } Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden.

Z Z, kurz { } Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden. Kombnator. Problemstellung Ausgangspunt be ombnatorschen Fragestellungen st mmer ene endlche Menge M, aus deren Elementen man endlche Zusammenstellungen von Elementen aus M bldet. Formal gesprochen bedeutet

Mehr

1 Definition und Grundbegriffe

1 Definition und Grundbegriffe 1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:

Mehr

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt:

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt: Informatk I 6. Kaptel Raner Schrader Zentrum für Angewandte Informatk Köln 4. Jun 008 Wr haben bsher behandelt: Suchen n Lsten (lnear und verkettet) Suchen mttels Hashfunktonen jewels unter der Annahme,

Mehr

Weitere NP-vollständige Probleme

Weitere 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,

Mehr

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen

6.5. 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

Mehr

Äquivalenzen stetiger und glatter Hauptfaserbündel

Äquivalenzen stetiger und glatter Hauptfaserbündel Äquvalenzen stetger und glatter Hauptfaserbündel Chrstoph Müller Chrstoph Wockel Fachberech Mathematk Unverstät Darmstadt 31. Süddeutsches Kolloquum über Dfferenzalgeometre Glederung 1 De Problemstellung

Mehr

4. Marshallsche Nachfragefunktionen Frage: Wie hängt die Nachfrage nach Gütern

4. Marshallsche Nachfragefunktionen Frage: Wie hängt die Nachfrage nach Gütern Prof. Dr. Fredel Bolle Vorlesug "Mkroökoome" WS 008/009 III. Theore des Haushalts 0 Prof. Dr. Fredel Bolle Vorlesug "Mkroökoome" WS 008/009 III. Theore des Haushalts 0 4. Marshallsche Nachfragefuktoe Frage:

Mehr

SS 2017 Torsten Schreiber

SS 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

Mehr

Wir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt

Wir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt Kaptel 3 Zwe Personen Spele 3.1 Matrxspele 3.2 Matrxspele n gemschten Strategen 3.3 B Matrxspele und quadratsche Programme 3.4 B Matrxspele und lneare Komplementartätsprobleme 3.1 Matrxspele Wr betrachten

Mehr

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen

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

Mehr

Grundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften

Grundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften Bassmodul Makroökonomk /W 2010 Grundlagen der makroökonomschen Analyse klener offener Volkswrtschaften Terms of Trade und Wechselkurs Es se en sogenannter Fall des klenen Landes zu betrachten; d.h., de

Mehr

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2 1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:

Mehr

Free Riding in Joint Audits A Game-Theoretic Analysis

Free 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

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung 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;

Mehr

Zufallsvariable, Wahrscheinlichkeitsverteilungen und Erwartungswert

Zufallsvariable, Wahrscheinlichkeitsverteilungen und Erwartungswert R. Brnkmann http://brnkmann-du.de Sete..8 Zufallsvarable, Wahrschenlchketsvertelungen und Erwartungswert Enführungsbespel: Zwe Würfel (en blauer und en grüner) werden 4 mal zusammen geworfen. De Häufgketen

Mehr

1 Differentialrechnung in mehreren Variablen

1 Differentialrechnung in mehreren Variablen 1 Dfferentalrechnung n mehreren Varablen 1.1 De Geometre eukldscher Räume Zur Ernnerung De Elemente des R n schreben wr normalerwese als Zelenvektoren: x = (x 1,..., x n ). Kommen Matrzen ns Spel, so st

Mehr

6. Übung zur Linearen Algebra II

6. 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

Mehr

Dynamik starrer Körper

Dynamik starrer Körper Dynamk starrer Körper Bewegungen starrer Körper können n Translaton und Rotaton zerlegt werden. De Rotaton stellt enen nneren Frehetsgrad des Körpers dar, der be Punktmassen ncht exstert. Der Schwerpunkt

Mehr

Mikroökonomik. 5.5 Preisstrategien

Mikroökonomik. 5.5 Preisstrategien Mkroökonomk 5.5 Presstrategen 5.5. Presskrmnerung Arten von Presskrmnerung nach Pgou: ersten Graes: Kunen zahlen für jee Enhet hren Reservatonsres zweten Graes: Kunen zahlen ro Enhet n Abhänggket von er

Mehr

Entscheidungstheorie Teil 3. Thomas Kämpke

Entscheidungstheorie Teil 3. Thomas Kämpke Entschedngstheore Tel 3 Thomas Kämpke Sete Entschedngstheore Tel 3 Inhalt St. Petersbrg Paradoon (Bernoll 73) Präferenzfnktonen ttelpnktsmethode zr Bestmmng von Wertfnktonen über Intervallen (endmensonal)

Mehr

Eine kurze Einführung in die Dichtefunktionaltheorie (DFT)

Eine kurze Einführung in die Dichtefunktionaltheorie (DFT) Ene kurze Enführung n de Dchtefunktonaltheore (DFT) Mchael Martns Lteratur: W. Koch, M.C. Holthausen A Chemst s Gude to Densty Functonal Theory Wley-VCH 2001 Dchtefunktonaltheore p.1 Enletung Im Falle

Mehr

Nernstscher Verteilungssatz

Nernstscher Verteilungssatz Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.

Mehr

11 Chemisches Gleichgewicht

11 Chemisches Gleichgewicht 11 Chemsches Glechgewcht 11.1 Chemsche Reaktonen und Enstellung des Glechgewchts Untersucht man den Mechansmus chemscher Reaktonen, so wrd man dese enersets mt enem mkroskopschen oder knetschen Blck auf

Mehr

11 Charaktere endlicher Gruppen

11 Charaktere endlicher Gruppen $Id: chaakte.tex,v.4 2009/07/3 4:38:36 hk Exp $ Chaaktee endlche Guppen W hatten gesehen, dass w fü enge Guppen G allen mt Hlfe des Satz 3 de Anzahl und de Dmensonen de eduzblen Dastellungen beechnen können.

Mehr

Fallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum

Fallstudie 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

Mehr

Einführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung. Übersicht. Wahrscheinlichkeitsrechnung. bedinge Wahrscheinlichkeit

Einführung 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

Mehr

Komplexe Zahlen. Roger Burkhardt 2008

Komplexe Zahlen. Roger Burkhardt 2008 Komplexe Zahlen Roger Burkhardt (roger.burkhardt@fhnw.ch) 008 Enführung De Unvollkommenhet des Körpers der reellen Zahlen N 1,,,,... snd sowohl { } In der Menge der natürlchen Zahlen Addton we Multplkaton

Mehr

12 UMPU Tests ( UMP unbiased )

12 UMPU Tests ( UMP unbiased ) 89 1 UMPU Tests ( UMP unbased ) Nach Bemerkung 11.8(b) exstert m Allgemenen ken zwesetger UMP- Test zu enem Nveau α. Deshalb Enschränkung auf unverfälschte Tests: ϕ Φ α heßt unverfälscht (unbased) zum

Mehr

Lineare Regression - Mathematische Grundlagen

Lineare Regression - Mathematische Grundlagen FKULTÄT FÜR MTHEMTIK U TURWISSESCHFTE ISTITUT FÜR PHYSIK FCHGEBIET EXPERIMETLPHYSIK I r. rer. nat. orbert Sten, pl.-ing (FH) Helmut Barth Lneare Regresson - Mathematsche Grundlagen. llgemene Gerade Wr

Mehr

Abbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)).

Abbildung 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

Mehr

Zinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung

Zinseszinsformel (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

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):

Beim 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.

Mehr

Ionenselektive Elektroden (Potentiometrie)

Ionenselektive Elektroden (Potentiometrie) III.4.1 Ionenselektve Elektroden (otentometre) Zelstellung des Versuches Ionenselektve Elektroden gestatten ene verhältnsmäßg enfache und schnelle Bestmmung von Ionenkonzentratonen n verschedenen Meden,

Mehr

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen

nonparametrische 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

Mehr

AUFGABEN ZUR INFORMATIONSTHEORIE

AUFGABEN ZUR INFORMATIONSTHEORIE AUFGABEN ZUR INFORMATIONSTHEORIE Aufgabe Wr betrachten das folgende Zufallsexperment: Ene fare Münze wrd so lange geworfen, bs erstmals Kopf erschent. De Zufallsvarable X bezechne de Anzahl der dazu notwendgen

Mehr