Schadenversicherungsmathematik Statische Risikomodelle Exposure Pricing in der nicht-proportionalen Rückversicherung
|
|
- Elisabeth Krüger
- vor 6 Jahren
- Abrufe
Transkript
1 Schadenversicherungsmathematik Statische Risikomodelle Exposure Pricing in der nicht-proportionalen Rückversicherung Prof. Dr. Michael Fröhlich, DAV Aktuar
2 Gliederung 1. Einleitung 2. Exposurekurven in der nicht-proportionalen Rückversicherung 3. Exposure Pricing in der Sachversicherung 4. Exposure Pricing in der Haftpflichtversicherung 5. Literatur 2 Exposure Pricing in der nicht-proportionalen Rückversicherung
3 1.Einleitung Risikoprofil und Aufteilung der Originalprämie zwischen Erst- und Rückversicherer Erstversicherer fragt beim Rückversicherer eine nicht-proportionale Deckung in Form eines Schadenexzedenten (XL Haftung in excess of Priorität (Haftung xs Priorität an. Pricing von pro Risiko XLs sollte Exposure bzw. Exponierung mit berücksichtigen. Exposure Pricing basiert auf sogenannten Risikoprofilen. Beispiel für ein Risikoprofil.xls Hauptproblem des Exposure Pricings: Faire Aufteilung der Originalprämie zwischen Erst- und Rückversicherer. Zuerst Eliminierung der Kosten und Marge des Erstversicherers aus der Originalprämie. Dann Aufteilung der Risikoprämie pro Versicherungssummenband mittels Exposurekurven. Unterscheidung zwischen Sachversicherung und Haftpflichtversicherung nötig PMLs (possible maximum loss und Policenlimits. 3 Exposure Pricing in der nicht-proportionalen Rückversicherung
4 2.Exposurekurven in der nicht-proportionalen Rückversicherung Heuristische Herleitung Erläuterung der oberen linken Abbildung: Anordnung der Schäden einer Periode gemäß Schadenhöhe. Treppenfunktion ist empirische Schadenverteilung. Horizontale Achse ist Schadengrad a, d.h.schaden in % der Versicherungssumme / des PMLs. Vertikale Achse ist Anzahl der Schäden mit Schadengrad kleiner gleich a. Erläuterung der oberen rechten Abbildung: Zeigt die zur empirischen Schadenverteilung zugehörige Exposurekurve bzw. Schadengradkurve. Horizontale Achse repräsentiert Priorität a in % der Versicherungssumme bzw. des PMLs. Vertikale Achse zeigt die Entlastung für den Gesamtschaden. 4 Exposure Pricing in der nicht-proportionalen Rückversicherung
5 2.Exposurekurven in der nicht-proportionalen Rückversicherung Heuristische Herleitung - Extremfall Im Extremfall eines Portefeuilles mit ausschließlich Total-Schäden sehen die empirische Schadenverteilung und die (proportionale Exposurekurve wie folgt aus: 5 Exposure Pricing in der nicht-proportionalen Rückversicherung
6 2.Exposurekurven in der nicht-proportionalen Rückversicherung Mathematische Herleitung Wir betrachten ein Risiko i eines Versicherungs-Portefeuilles von I Risiken und verwenden das kollektive Modell. Dann hat Risiko i in fester Periode (z.b. ein Jahr den Gesamtschaden S N i : = Xin mit Schadenanzahl Ni und stochastisch unabhängigen Schadenhöhen Xi1, Xi2,... mit Verteilungsfunktion Fi. n= 1 Der Gesamtschaden R des Portefeuilles für einen unlimitierten XL mit Priorität a > entspricht dann: N i I R = max ( Xin a,, und für den Preis des XLs folgt mit Xi für Xin: i= 1n= 1 I I I Ε( Ni Ε( max ( Xi a, i ( max i, ( i ( 1 i ( i Ε R = Ε N Ε X a = Ε S = r a Ε S Ε ( Ni Ε ( Xi i= 1 i= 1 i= 1 a ( 1 i F x dx Ε( min ( Xi, a mit r i ( a : = =. Hier geht die Gleichung X ( Xi i = min ( Xi, a + max ( Xi a, ein. Ε F x dx ( 1 i heißt Schadenentlastungskoeffizient des Risikos zur XL-Priorität a, und die Funktion ri a i a ri a Schadenentlastungskurve bzw. Exposurekurve. Problem in der Praxis : Bestimmung von Fi für jedes Risiko i unmöglich. heißt 6 Exposure Pricing in der nicht-proportionalen Rückversicherung
7 3.Exposure Pricing in der Sachversicherung Verteilung der Schadengrade In der Sachversicherung haben Risiken aus gleichen Risiko-Klassen dieselbe Verteilung G der X Schadengrade Y : i i =, wobei vi den PML vom Risiko i bezeichnet. Insbesondere ist G unabhängig von i für vi Risiken derselben Risiko-Klasse. Es folgt: und es ist G w ri a a min, ( min ( X i i, a Ε Y v Ε i r a = = = mit Ε( Xi Ε( Yi v i w ( 1 G y dy ( 1 r w : = für w 1 und r w : = 1 für w > 1, 1 G y dy Xi = P w die Verteilung der Schadengrade. v i Bemerkungen: r ist auf,1 streng monton wachsend und konkav. rgy,, i sind unabhängig von Inflation und Währungskursschwankungen. Die Rückversicherer haben mehrere Sachversicherungs-Exposurekurven. 7 Exposure Pricing in der nicht-proportionalen Rückversicherung
8 3.Exposure Pricing in der Sachversicherung Die verwendeten Exposurekurven und die Berechnung der XL-Prämie in der Praxis Die Berechnung der XL-Risikoprämie pro PML-Bandmitte mit zugehöriger Originalprämie für pro Risiko Sachversicherungs XL Haftung xs Priorität aus aktuellem PML -Risikoprofil mit Schadenquote SQ und einer geeignet gewählten Exposurekurve ergibt sich wie folgt: Der Faktor SQ Originalprämie wird multipliziert mit der Differenz Priorität+Haftung Priorität Exposurekurve - Exposurekurve PML-Band Mitte PML-Band Mitte Summe aller XL-Prämien pro PML-Band liefert gesamte XL-Risikoprämie. Problem: Policen mit "multi locations" im Risikoprofil. Bemerkung :In Sachversicherung brauchen Rückversicherer Risiko-Profil auf PML-Basis und nicht auf Versicherungssummenbasis. Am Beispiel aus der Praxis sieht es wie folgt aus: XL_Exposure_Pricing_Sach.xls 8 Exposure Pricing in der nicht-proportionalen Rückversicherung
9 4.Exposure Pricing in der Haftpflichtversicherung Increase Limit Factors und Riebesells Formel - In allgemeiner Haftpflichtversicherung gibt es keine PMLs, sondern Policenlimits. - Anstatt Exposurekurven werden Increased Limit Factors (ILF und Verdopplungsfaktore n verwendet "Zuschlagsquotierung". b v - ILF v ( v : =, wobei b( v die Risikoprämie zum Policenlimit v und b( v die Risikoprämie zum Basislimit v darstellen. b v - In den USA stellt das Insurance Services Office (ISO auf statistischen Daten basierende ILF-Tabellen zur Verfügung für verschiedene Haftpflichtversicherungssparten. Wenn man eine ILF-Tabelle gegeben hat und Policenlimit v verdoppelt wird, berechnet der Versicherer die zugehörige b( 2v b( v ILFv ( 2v ILF v v Risikoprämie zu b( 2v = b( v ( 1 + z( v mit Verdopplungsfaktor z( v : = =. b( v ILFv ( v In Deutschland und vielen anderen Ländern verwendet man keine ILFs, sondern einen konstanten Verdopplungsfaktor z Sei b : = b v die Risikoprämie zum Basispolicenlimit v > für ein Risiko mit Schadenhöhen-Zufallsgröße X. 2 k k Es gilt b 2v = b 1 + z und analog b 4v = b 1 + z und allgemein b 2 v = b 1 + z für k N bzw. b tv = b ( t log z t > v sfaktor z (,1 : für beliebiges. Es folgt für alle Policenlimits > und Verdopplung,1 : Riebesells Formel v log 1 b( v = b ( + z = b v ( + z 2 log2 1 v v. 9 Exposure Pricing in der nicht-proportionalen Rückversicherung
10 4.Exposure Pricing in der Haftpflichtversicherung Berechnung der Rückversicherungsprämie in der Praxis Wenn Riebesells Prämienfunktion b als kollektives Modell darstellbar wäre, erhielten wir für Policenlimit v und Schadenanzahl-Zufallsgröße N : v ( min, ( 1 F( x dx. Es folgt b' ( v Ε( N ( 1 F( v und lim b' ( v b v =Ε N Ε Xv =Ε N = = im Widerspruch zu Ε ( N v endlich. Mack und Fackler zeigen aber, daß man b in einem Intervall, u zu einer linearen Funktion modifizieren kann und b dann als kollektives Modell darstellbar ist. Falls nun ein Risiko mit Versicherungssumme vi und Priorität a mit < a vi rückversichert werden soll, erhalten wir mit Schadenhöhen-Zufallsgröße X : ri a ( min (, min ( Xv, ( Xv i b ( v i 2( + z Ε X a log 1 b a a : = = = Ε min, v i als Schadenentlastungsfunktion, und r i ist unabhängig von Inflation und Währungskursschwankungen. Die Berechnung der XL-Risikoprämie pro Policenlimitband vi mit zugehöriger Originalprämie aus aktuellem Policenlimit-Risikoprofil für einen pro Risiko Haftpflichtversicherungs XL Haftung xs Priorität ergibt sich mit Notation der Riebesell Formel und Schadenquote SQ wie folgt: Der Faktor SQ Originalprämie wird { {( ri ri ( ri }} multipliziert mit max, min Pr iorität+haftung - Priorität, 1 Priorität. Die Summe dieser XL-Prämien pro Policenlimitband liefert uns die gesamte XL-Risikoprämie. Dies sei erklärt am Beispiel: XL_Exposure_Pricing_Haftpflicht.xls 1 Exposure Pricing in der nicht-proportionalen Rückversicherung
11 5.Literatur Bernegger, S., The Swiss Re Exposure Curves, ASTIN Bulletin 27 (1997, Mack, T. Und Fackler, M., Exposure Rating in Liability Reinsurance, ASTIN Colloquium Berlin 23. Riebesell, P., Einführung in die Versicherungsmathematik, Berlin Exposure Pricing in der nicht-proportionalen Rückversicherung
Schadenversicherungsmathematik
Schadenversicherungsmathematik Teil 4: Risikoteilung Dr. Ulrich Riegel Mathematisches Institut LudwigMaximiliansUniversität München Wintersemester 2015/16 Dr. Ulrich Riegel Schadenversicherungsmathematik
MehrE[X] = = 113. Nach den Gleichungen von Wald gilt für den Gesamtschaden S E[S] = E[N] E[X] = = 226
Aufgabe 1 (Risikomodelle) Ein Versicherungsvertrag erzeugt pro Jahr N Schäden mit Schadenhöhen {X k } k N, wobei alle Zufallsvariablen stochastisch unabhängig sind. Die Schadenhöhen haben die Verteilung
MehrZufallsgröße X : Ω R X : ω Anzahl der geworfenen K`s
X. Zufallsgrößen ================================================================= 10.1 Zufallsgrößen und ihr Erwartungswert --------------------------------------------------------------------------------------------------------------
MehrRückversicherung. Technik und Arten der Rückversicherung. Definition Rückversicherung. Wozu wird eine Rückversicherung gebraucht?
Technik und Arten der Definition Die Weitergabe von Risiken an andere Versicherer (Rückversicherer), soweit die Risiken ein im Wert normales Maß übersteigen. Definition ist die Versicherung der Versicherung
MehrBericht zur Prüfung im Mai 2006 über Schadenversicherungsmathematik (Grundwissen)
Bericht zur Prüfung im Mai 2006 über Schadenversicherungsmathematik (Grundwissen) Christian Hipp (Karlsruhe) und Martin Morlock (Giessen) Am 6. Mai 2006 fand in Köln die DAV-Prüfung zur Schadenversicherungsmathematik
MehrQuotierungsmethoden für nicht-proportionale Rückversicherungsverträge. Stefan Schmuttermair Pricing Actuary
Quotierungsmethoden für nicht-proportionale Rückversicherungsverträge Stefan Schmuttermair Pricing Actuary Berufspraxistage Universität Oldenburg Oldenburg, 16.05.2008 Berufspraxistage Uni Oldenburg LEBENSLAUF
MehrStatistik für Ingenieure Vorlesung 2
Statistik für Ingenieure Vorlesung 2 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 24. Oktober 2016 2.4 Bedingte Wahrscheinlichkeiten Häufig ist es nützlich, Bedingungen
MehrPräsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik
Präsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik Dozent: Volker Krätschmer Fakultät für Mathematik, Universität Duisburg-Essen, WS 2012/13 1. Präsenzübung Aufgabe T 1 Sei (Z 1,...,
MehrLebensversicherung. Dr. Karsten Kroll GeneralCologne Re. Traditionelle Rückversicherungskonzepte
Traditionelle Rückversicherungskonzepte der Lebensversicherung Dr. Karsten Kroll GeneralCologne Re 1 Traditionelle Rückversicherungskonzepte Inhalt Die GeneralCologne Re Das Versicherungsrisiko Risikomanagement
MehrBerücksichtigung des Inflationsrisikos im Bereich Nichtleben-Rückversicherung Martin Siegwart
Berücksichtigung des Inflationsrisikos im Bereich Nichtleben-Rückversicherung 18. 11. 2010 Martin Siegwart Inhaltsverzeichnis 1. Externe Interne Inflation 2. Externe Inflationsbereinigung beim Erstversicherer
MehrWas ist ein Aktuar und was macht er in einem Versicherungsunternehmen? 0
Was ist ein Aktuar und was macht er in einem Versicherungsunternehmen? Dietmar Pfeifer Institut für Mathematik Was ist ein Aktuar und was macht er in einem Versicherungsunternehmen? 0 Aktuare sind wissenschaftlich
Mehr5. Spezielle stetige Verteilungen
5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für
MehrAgenda. 1 Introduction. 2 Experience Pricing - BC methods and examples. 3 Exposure Pricing (Casualty and Property)
Reinsurance-Pricing DAA-Workshop für junge Mathematiker Tagungsstätte Loccum 27. und 28. September 2013 Prof. Dr. Michael Fröhlich 26. September 2013 DAA-Workshop für junge Mathematiker Tagungsstätte Loccum
MehrZufallsgröße. Würfelwurf mit fairem Würfel. Wahrscheinlichkeitsverteilung einer diskreten
Zufallsgrößen Ergebnisse von Zufallsexperimenten werden als Zahlen dargestellt 0 Einführung Wahrscheinlichkeitsrechnung 2 Zufallsvariablen und ihre Verteilung 3 Statistische Inferenz 4 Hypothesentests
MehrDifferentialgleichungen
Differentialgleichungen Viele physikalische Probleme können mathematisch als gewöhnliche Differentialgleichungen formuliert werden nur eine unabhängige Variable (meist t), z.b. Bewegungsgleichungen: gleichmäßig
MehrAnalysis I. 4. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 4. Beispielklausur mit en Aufgabe 1. Definiere die folgenden (kursiv gedruckten) Begriffe. (1) Eine bijektive Abbildung f: M N. () Ein
MehrMathematik für Wirtschaftswissenschaftler. gehalten von Claus Diem
Mathematik für Wirtschaftswissenschaftler gehalten von Claus Diem Übungen Die Seminare / Übungsgruppen / Tutorien finden wöchentlich statt. Alle zwei Wochen am Montag wird ein Übungsblatt ausgegeben. Dies
MehrLösungen zur Klausur WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK (STOCHASTIK)
Institut für Stochastik Dr. Steffen Winter Lösungen zur Klausur WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK (STOCHASTIK) für Studierende des Maschinenbaus vom 7. Juli (Dauer: 8 Minuten) Übersicht über die
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 1 Inhalt der heutigen Vorlesung Statistik und Wahrscheinlichkeitsrechnung Zusammenfassung der vorherigen Vorlesung Übersicht über Schätzung und
MehrMethoden der Lebensversicherungsmathematik in der Reservierung von HUK-Schadenexzedenten
Methoden der Lebensversicherungsmathematik in der Reservierung von HUK-Schadenexzedenten Festkolloquium 20 Jahre (neue) Versicherungsmathematik an der Technischen Universität Dresden Anja Schnaus, 21.
Mehr4. Kumulierte Häufigkeiten und Quantile
4. Kumulierte Häufigkeiten und Quantile Kumulierte Häufigkeiten Oft ist man nicht an der Häufigkeit einzelner Merkmalsausprägungen interessiert, sondern an der Häufigkeit von Intervallen. Typische Fragestellung:
MehrEinführung. Ablesen von einander zugeordneten Werten
Einführung Zusammenhänge zwischen Größen wie Temperatur, Geschwindigkeit, Lautstärke, Fahrstrecke, Preis, Einkommen, Steuer etc. werden mit beschrieben. Eine Zuordnung f, die jedem x A genau ein y B zuweist,
MehrEinführung in die linearen Funktionen. Autor: Benedikt Menne
Einführung in die linearen Funktionen Autor: Benedikt Menne Inhaltsverzeichnis Vorwort... 3 Allgemeine Definition... 3 3 Bestimmung der Steigung einer linearen Funktion... 4 3. Bestimmung der Steigung
MehrAllgemeine diskrete Wahrscheinlichkeitsräume II. Beispiel II. Beispiel I. Definition 6.3 (Diskreter Wahrscheinlichkeitsraum)
Allgemeine diskrete Wahrscheinlichkeitsräume I Allgemeine diskrete Wahrscheinlichkeitsräume II Verallgemeinerung von Laplaceschen Wahrscheinlichkeitsräumen: Diskrete Wahrscheinlichkeitsräume Ω endlich
MehrPrüfung zur Vorlesung Mathematik I/II
Dr. A. Caspar ETH Zürich, August 2011 D BIOL, D CHAB Prüfung zur Vorlesung Mathematik I/II Bitte ausfüllen! Name: Vorname: Legi-Nr.: Nicht ausfüllen! Aufgabe Punkte Kontrolle 1 2 3 4 5 6 Total Vollständigkeit
MehrGrundlagen der Physik 2 Schwingungen und Wärmelehre
Grundlagen der Physik 2 Schwingungen und Wärmelehre Othmar Marti othmar.marti@uni-ulm.de Institut für Experimentelle Physik 14. 06. 2007 Othmar Marti (Universität Ulm) Schwingungen und Wärmelehre 14. 06.
Mehr1 Fraktale Eigenschaften der Koch-Kurve
Anhang Inhaltsverzeichnis Fraktale Eigenschaften der Koch-Kurve iii. Einführung.................................. iii.2 Defintion.................................... iii.3 Gesamtlänge der Koch-Kurve........................
MehrBERECHNUNG VON SCHWANKUNGSZUSCHLÄGEN IM PRICING VON RV-VERTRÄGEN
BERECHNUNG VON SCHWANKUNGSZUSCHLÄGEN IM PRICING VON RV-VERTRÄGEN SAV-Prüfungskolloquium am 19.11.2009 Dr. Katja Lord Aktuar Corporate Underwriting / Corporate Pricing Agenda 1. Schwankungszuschlag als
MehrZahlen und metrische Räume
Zahlen und metrische Räume Natürliche Zahlen : Die natürlichen Zahlen sind die grundlegendste Zahlenmenge, da man diese Menge für das einfache Zählen verwendet. N = {1, 2, 3, 4,...} Ganze Zahlen : Aus
MehrWahrscheinlichkeitstheorie und Statistik vom
INSTITUT FÜR STOCHASTIK SS 2007 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Dipl.-Math. oec. W. Lao Klausur (Maschineningenieure) Wahrscheinlichkeitstheorie und Statistik vom 2.9.2007 Musterlösungen
Mehr0 für t < für 1 t < für 2 t < für 3 t < für 4 t < 5 1 für t 5
4 Verteilungen und ihre Kennzahlen 1 Kapitel 4: Verteilungen und ihre Kennzahlen A: Beispiele Beispiel 1: Eine diskrete Zufallsvariable X, die nur die Werte 1,, 3, 4, 5 mit positiver Wahrscheinlichkeit
Mehr8 Verteilungsfunktionen und Dichten
8 Verteilungsfunktionen und Dichten 8.1 Satz und Definition (Dichten) Eine Funktion f : R R heißt Dichtefunktion, kurz Dichte, wenn sie (Riemann-) integrierbar ist mit f(t) 0 für alle t R und Setzt man
MehrP (X = 2) = 1/36, P (X = 3) = 2/36,...
2.3 Zufallsvariablen 2.3 Zufallsvariablen Meist sind die Ereignisse eines Zufallseperiments bereits reelle Zahlen. Ist dies nicht der Fall, kann man Ereignissen eine reelle Zahl zuordnen. Zum Beispiel
MehrDem Anschein nach werden diese Zahlen kleiner und kleiner und streben gegen Null. Was sollen sie sonst auch tun? Aber der Begriff
47 5 Irrationales 5.1 Folgen, Konvergenz und Vollständigkeit Eine Abbildung a : N R definiert eine Folge von reellen Werten a 1 = a(1), a 2 = a(2), a 3 = a(3),... Solche Zahlenfolgen werden uns dazu dienen,
Mehr1.3 Funktionen einer reellen Veränderlichen und ihre Darstellung im x, y - Koordinatensystem
.0.0. Funktionen einer reellen Veränderlichen und ihre Darstellung im, - Koordinatensstem Vereinbarungen Wir betrachten vorerst nur noch Funktionen f, deren Definitionsund Wertebereich jeweils R oder ein
MehrFolgen und Reihen. Katharina Brazda 9. März 2007
Katharina Brazda 9. März 2007 Inhaltsverzeichnis 1 Folgen 2 1.1 Definition von Folgen - explizite und rekursive Darstellung.............. 2 1.2 Wachstumsverhalten von Folgen - Monotonie und Beschränktheit..........
MehrAnalysis I - Stetige Funktionen
Kompaktheit und January 13, 2009 Kompaktheit und Funktionengrenzwert Definition Seien X, d X ) und Y, d Y ) metrische Räume. Desweiteren seien E eine Teilmenge von X, f : E Y eine Funktion und p ein Häufungspunkt
MehrSchriftenreihe Finanz- und Risikomanagement. Band 16. Stefan Peter Giebel. Optimierung der passiven Risikobewältigung
Schriftenreihe Finanz- und Risikomanagement Band 16 Stefan Peter Giebel Optimierung der passiven Risikobewältigung Integration von Selbsttragen und Risikotransfer im Rahmen des industriellen Risikomanagements
MehrZufallsvariablen [random variable]
Zufallsvariablen [random variable] Eine Zufallsvariable (Zufallsgröße) X beschreibt (kodiert) die Versuchsausgänge ω Ω mit Hilfe von Zahlen, d.h. X ist eine Funktion X : Ω R ω X(ω) Zufallsvariablen werden
Mehr2004, x 0 (e 2x + x) x 1, x > 0. Untersuchen Sie die Funktion auf Stetigkeit an der Stelle x 0 = 0!
Klausur 25.02.2004 Aufgabe 5 Gegeben ist die Funktion f(x) = 2004, x 0 (e 2x + x) x 1, x > 0. Untersuchen Sie die Funktion auf Stetigkeit an der Stelle x 0 = 0! Klausur 06.08.2003 Aufgabe 5 Gegeben ist
MehrErfüllt eine Funktion f für eine feste positive Zahl p und sämtliche Werte t des Definitionsbereichs die Gleichung
34 Schwingungen Im Zusammenhang mit Polardarstellungen trifft man häufig auf Funktionen, die Schwingungen beschreiben und deshalb für den Ingenieur von besonderer Wichtigkeit sind Fast alle in der Praxis
MehrMusterlösung Lineare Algebra und Geometrie Herbstsemester 2015, Aufgabenblatt 6
Musterlösung Lineare Algebra und Geometrie Herbstsemester 015, Aufgabenblatt 6 Aufgabenblatt 6 40 Punkte Aufgabe 1 (Bandornamente) Ordne die sechs Bandornamente rechts den sieben Klassen zu. Zu jeder Klasse
MehrKlausur zum Grundwissen Schadenversicherungsmathematik
Klausur zum Grundwissen Schadenversicherungsmathematik Ch. Hipp, M. Morlock, H. Schmidli und K.D. Schmidt Mai 2012 in Köln Die Klausur besteht aus 8 Aufgaben und zwei Zusatzaufgaben. Eine oder zwei Zusatzaufgaben
MehrAnwendungen der Differentialrechnung
KAPITEL 5 Anwendungen der Differentialrechnung 5.1 Maxima und Minima einer Funktion......................... 80 5.2 Mittelwertsatz.................................... 82 5.3 Kurvendiskussion..................................
MehrZahlen und metrische Räume
Zahlen und metrische Räume Natürliche Zahlen : Die natürlichen Zahlen sind die grundlegendste Zahlenmenge, da man diese Menge für das einfache Zählen verwendet. N = {1, 2, 3, 4,...} bzw. N 0 = {0, 1, 2,
MehrVerteilungsfunktion und Quantile
Statistik 1 für SoziologInnen Verteilungsfunktion und Quantile Univ.Prof. Dr. Marcus Hudec Kumulierte Häufigkeiten Hinweis: Damit das Kumulieren inhaltlich sinnvoll ist, muss das Merkmal zumindest ordinal
MehrHöhere Mathematik III für die Fachrichtung Elektrotechnik und Informationstechnik
Karlsruher Institut für Technologie Institut für Analysis Priv.-Doz. Dr. P. C. Kunstmann Dipl.-Math. Sebastian Schwarz SS 6.4.6 Höhere Mathematik III für die Fachrichtung Elektrotechnik und Informationstechnik
MehrKonstruktion der reellen Zahlen
Konstruktion der reellen Zahlen Zur Wiederholung: Eine Menge K (mit mindestens zwei Elementen) heißt Körper, wenn für beliebige Elemente x, y K eindeutig eine Summe x+y K und ein Produkt x y K definiert
MehrKonstruktion reeller Zahlen aus rationalen Zahlen
Konstruktion reeller Zahlen aus rationalen Zahlen Wir nehmen an, daß der Körper der rationalen Zahlen bekannt ist. Genauer wollen wir annehmen: Gegeben ist eine Menge Q zusammen mit zwei Verknüpfungen
Mehrf(x nk ) = lim y nk ) = lim Bemerkung 2.14 Der Satz stimmt nicht mehr, wenn D nicht abgeschlossen oder nicht beschränkt ist, wie man z.b.
Proposition.13 Sei f : D R stetig und D = [a, b] R. Dann ist f(d) beschränkt. Außerdem nimmt f sein Maximum und Minimum auf D an, d.h. es gibt x max D und ein x min D, so dass f(x max ) = sup f(d) und
Mehr7. Die Brownsche Bewegung
7. DIE BROWNSCHE BEWEGUNG 7 5 5 50 00 50 200 250 0 5 20 Abbildung 7.: Pfad einer Brownschen Bewegung 7. Die Brownsche Bewegung Definition 7.. Ein cadlag stochastischer Prozess {W t } mit W 0 = 0, unabhängigen
MehrStatistik III. Walter Zucchini Fred Böker Andreas Stadie
Statistik III Walter Zucchini Fred Böker Andreas Stadie Inhaltsverzeichnis 1 Zufallsvariablen und ihre Verteilung 1 1.1 Diskrete Zufallsvariablen........................... 1 1.2 Stetige Zufallsvariablen............................
MehrEinführung FEM, 1D - Beispiel
Einführung FEM, D - Beispiel home/eichel/lehre/mhs/fem_intro/deckblatt.tex. p./6 Inhaltsverzeichnis D Beispiel - Finite Elemente Methode. D Aufbau Geometrie 2. Bilanzgleichungen 3. Herleitung der Finiten
Mehr2.2 Allgemeine (vergleichsbasierte) Sortierverfahren
. Allgemeine (vergleichsbasierte) Sortierverfahren Vergleichsbaum: Der Aufbau des Verbleichsbaum ist für jeden Algorithmus und jede Eingabelänge n gleich. Jede Permutation der Eingabe, muss zu einem anderen
MehrStatistik eindimensionaler Größen
Statistik eindimensionaler Größen Michael Spielmann Inhaltsverzeichnis 1 Aufgabe der eindimensionalen Statistik 2 2 Grundbegriffe 2 3 Aufbereiten der Stichprobe 3 4 Die Kennzahlen Mittelwert und Streuung,
MehrStop-LossPlus Eine innovative Versicherungslösung
Stop-LossPlus Eine innovative Versicherungslösung Spitzenrisiken optimal abgesichert Typische Risikostruktur einer Vorsorgeeinrichtung 2 500 000 Risikosummen Invalidität in CHF 2 000 000 1 500 000 1 000
MehrInstitut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban
Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban Lösungsvorschlag studienbegleitende Klausur Finanzmathematik I Aufgabe (7 Punkte) Vorgelegt sei ein Wahrscheinlichkeitsraum (Ω, F, P) und
MehrVerteilungsfunktion und Quantile
Statistik 1 für SoziologInnen Verteilungsfunktion und Quantile Univ.Prof. Dr. Marcus Hudec Kumulierte Häufigkeiten Hinweis: Damit das Kumulieren inhaltlich sinnvoll ist, muss das Merkmal zumindest ordinal
MehrDieses Vielfach hängt ab von der Form der Nutzenfunktion. Man bezeichnet dies auch als Arrow-Pratt Koeffizient.
Die Riskoprämie ergibt sich also als ein Vielfaches der Varianz der zugrundeliegenden Unsicherheit Dieses Vielfach hängt ab von der Form der Nutzenfunktion. Man bezeichnet dies auch als Arrow-Pratt Koeffizient.
Mehr= (n 2 ) 1 (Kurzschreibweise: a n = n 2 ) ergibt die Zahlenfolge 1, 4, 9, 16, 25, 36,.
2 Folgen, Reihen, Grenzwerte 2.1 Zahlenfolgen Definition: Eine Folge ist eine geordnete Menge von Elementen an (den sogenannten Gliedern ), die eindeutig den natürlichen Zahlen zugeordnet sind (n N; auch
Mehr-Immer wenn man eine Ungleichung mit einer negativen Zahl multipliziert oder durch eine negative Zahl teilt
A.26 Ungleichungen 1 A.26 Ungleichungen Die Ungleichheitszeichen: < kleiner. größer. >1 bedeutet,
MehrMathematik für Naturwissenschaften, Teil 2
Lösungsvorschläge für die Aufgaben zur Vorlesung Mathematik für Naturwissenschaften, Teil Zusatzblatt SS 09 Dr. J. Schürmann keine Abgabe Aufgabe : Eine Familie habe fünf Kinder. Wir nehmen an, dass die
MehrDer Algorithmus von Bresenham
Der Algorithmus von Bresenham Das Bresenham-Verfahren beruht im wesentlichen auf zwei grundsätzliche Beobachtungen: - Es reicht ein Verfahren aus um Geraden mit einer Steigung im Bereich von null bis eins
MehrÜbungsaufgaben, Statistik 1
Übungsaufgaben, Statistik 1 Kapitel 3: Wahrscheinlichkeiten [ 4 ] 3. Übungswoche Der Spiegel berichtet in Heft 29/2007 von folgender Umfrage vom 3. und 4. Juli 2007:,, Immer wieder werden der Dalai Lama
Mehr1.1.1 Ergebnismengen Wahrscheinlichkeiten Formale Definition der Wahrscheinlichkeit Laplace-Experimente...
Inhaltsverzeichnis 0 Einführung 1 1 Zufallsvorgänge und Wahrscheinlichkeiten 5 1.1 Zufallsvorgänge.......................... 5 1.1.1 Ergebnismengen..................... 6 1.1.2 Ereignisse und ihre Verknüpfung............
MehrDarstellungsformeln für die Lösung von parabolischen Differentialgleichungen
Kapitel 8 Darstellungsformeln für die Lösung von parabolischen Differentialgleichungen Wir hatten im Beispiel 5. gesehen, dass die Wärmeleitungsgleichung t u u = f auf Ω (0, ) (8.1) eine parabolische Differentialgleichung
MehrKapitel VI - Lage- und Streuungsparameter
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel VI - Lage- und Streuungsparameter Markus Höchstötter Lehrstuhl für Statistik, Ökonometrie
MehrMathematik I. Vorlesung 7. Folgen in einem angeordneten Körper
Prof. Dr. H. Brenner Osnabrück WS 009/010 Mathematik I Vorlesung 7 Folgen in einem angeordneten Körper Wir beginnen mit einem motivierenden Beispiel. Beispiel 7.1. Wir wollen die Quadratwurzel einer natürlichen
MehrEinführung in die Stochastik für Informatiker Übungsaufgaben mit Lösungen
Einführung in die Stochastik für Informatiker Übungsaufgaben mit Lösungen David Geier und Sven Middelberg RWTH Aachen, Sommersemester 27 Inhaltsverzeichnis Information 2 Aufgabe 4 Aufgabe 2 6 4 Aufgabe
MehrKompaktheit und Überdeckungen. 1 Überdeckungskompaktheit
Vortrag zum Proseminar zur Analysis, 17.05.2010 Min Ge, Niklas Fischer In diesem Vortrag werden die Eigenschaften von kompakten, metrischen Räumen vertieft. Unser Ziel ist es Techniken zu erlernen, um
MehrVorab : Von dem indischen Mathematiker D. R. Kaprekar stammt folgender Zusammenhang :
Seite 1 Algorithmen zur Erzeugung von Kaprekar- Konstanten Autor : Dipl.- Ing. Josef Meiler ; Datum : März 015 Vorab : Von dem indischen Mathematiker D. R. Kaprekar stammt folgender Zusammenhang : a) man
MehrVerteilungsfunktion und dquantile
Statistik 1 für SoziologInnen Verteilungsfunktion und dquantile Univ.Prof. Dr. Marcus Hudec Kumulierte Häufigkeiten Hinweis: Damit die Kumulation inhaltlich sinnvoll ist, muss das Merkmal zumindest ordinal
MehrKlapptest Lineare Gleichungen I
Klapptest Lineare Gleichungen I (Lösungen als ganze Zahlen) 1. 6(x + 2)(x - 7) = x(6x + 6) - 48 1. x = -1 2. -7(x + 3)(x + 1) = x(-7x - 2) - 255 2. x = 9 3. 4(x - 7)(x + 7) = x(4x - 8) - 156 3. x = 5 4.
MehrWahrscheinlichkeits - rechnung und Statistik
Michael Sachs Mathematik-Studienhilfen Wahrscheinlichkeits - rechnung und Statistik für Ingenieurstudenten an Fachhochschulen 4., aktualisierte Auflage 2.2 Eindimensionale Häufigkeitsverteilungen 19 absolute
MehrSeminar zur Energiewirtschaft:
Seminar zur Energiewirtschaft: Ermittlung der Zahlungsbereitschaft für erneuerbare Energien bzw. bessere Umwelt Vladimir Udalov 1 Modelle mit diskreten abhängigen Variablen 2 - Ausgangssituation Eine Dummy-Variable
MehrDas Bayes'sche Prinzip
Das Bayes'sche Prinzip Olivia Gradenwitz Patrik Kneubühler Seminar über Bayes Statistik FS8 26. Februar 28 1 Bayes'sches statistisches Modell 1.1 Statistische Probleme und statistische Modelle In diesem
MehrKlausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende
Universität Duisburg-Essen Essen, den 12.02.2010 Fakultät für Mathematik Prof. Dr. M. Winkler C. Stinner Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Lösung Die Klausur gilt als bestanden,
MehrLebensrückversicherung im Jahr Markus Gottwald
Lebensrückversicherung im Jahr 2015 Markus Gottwald Rückversicherung 2015 1 Grundbegriffe der Rückversicherung 2 Proportionale Rückversicherung 3 Nichtproportionale Rückversicherung 4 Aktuelle Themen 2
MehrMathematik III - Statistik für MT(Master)
3. Regressionsanalyse Fachbereich Grundlagenwissenschaften Prof. Dr. Viola Weiß Wintersemester 0/03 Mathematik III - Statistik für MTMaster 3. Empirische Regressionsgerade Optimalitätskriterium: Die Summe
Mehreine Folge in R, für die man auch hätte schreiben können, wenn wir alle richtig raten, was auf dem Pünktchen stehen sollte.
Analysis, Woche 5 Folgen und Konvergenz A 5. Cauchy-Folgen und Konvergenz Eine Folge in R ist eine Abbildung von N nach R und wird meistens dargestellt durch {x n } n=0, {x n} n N oder {x 0, x, x 2,...
MehrKlassifikation und Analyse finanzwirtschaftlicher Zeitreihen mit Hilfe von fraktalen Brownschen Bewegungen
Michael Hafner Klassifikation und Analyse finanzwirtschaftlicher Zeitreihen mit Hilfe von fraktalen Brownschen Bewegungen PETER LANG Europäischer Verlag der Wissenschaften Inhaltsverzeichnis Abbildungsverzeichnis.-.
Mehr3. Leistungsdichtespektren
Stochastische Prozesse: 3. Leistungsdichtespektren Wird das gleiche Geräusch mehrmals gemessen, so ergeben sich in der Regel unterschiedliche zeitliche Verläufe des Schalldrucks. Bei Geräuschen handelt
MehrStatistik Klausur Wintersemester 2012/2013 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!
Statistik 1 1. Klausur Wintersemester 2012/2013 Hamburg, 19.03.2013 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................
MehrKapitel 5 KONVERGENZ
Kapitel 5 KONVERGENZ Fassung vom 21. April 2002 Claude Portenier ANALYSIS 75 5.1 Metrische Räume 5.1 Metrische Räume DEFINITION 1 Sei X eine Menge. Eine Abbildung d : X X! R + heißt Metrik oder Distanz
Mehr7.5 Erwartungswert, Varianz
7.5 Erwartungswert, Varianz Def. 7.5.: a) X sei eine diskrete ZV, die bei unendl. vielen Werten x k folgende Zusatzbedingung erfüllt: x k p k
MehrZusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen
Zusammenfassung Mathe II Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zufallsexperiment: Ein Vorgang, bei dem mindestens zwei Ereignisse möglich sind
MehrKonvergenz im quadratischen Mittel und Parsevalsche Gleichung
Konvergenz im quadratischen Mittel und Parsevalsche Gleichung Skript zum Vortrag im Proseminar Analysis bei Prof Dr Picard, gehalten von Helena Malinowski In vorhergehenden Vorträgen und dazugehörigen
MehrGraphische Darstellung einer univariaten Verteilung:
Graphische Darstellung einer univariaten Verteilung: Die graphische Darstellung einer univariaten Verteilung hängt von dem Messniveau der Variablen ab. Bei einer graphischen Darstellung wird die Häufigkeit
MehrKlassische Risikomodelle
Klassische Risikomodelle Kathrin Sachernegg 15. Jänner 2008 1 Inhaltsverzeichnis 1 Einführung 3 1.1 Begriffserklärung.................................. 3 2 Individuelles Risikomodell 3 2.1 Geschlossenes
MehrEinführung in die Integralrechnung. Mag. Mone Denninger 13. November 2005
Einführung in die Integralrechnung Mag. Mone Denninger. November 5 INHALTSVERZEICHNIS 8. Klasse Inhaltsverzeichnis Einleitung Berechnung einfacher Stammfunktionen. Integrationsregeln.........................
MehrÜbung zu Empirische Ökonomie für Fortgeschrittene SS 2009
Übung zu Empirische Ökonomie für Fortgeschrittene Steen Elstner, Klaus Wohlrabe, Steen Henzel SS 9 1 Wichtige Verteilungen Die Normalverteilung Eine stetige Zufallsvariable mit der Wahrscheinlichkeitsdichte
MehrKonvergenz von Folgen
6 Konvergenz von Folgen Definition 6.1 Eine Folge in C (oder R) ist eine Abbildung f : N C (oder R). Schreibweise: (a n ) n N, (a n ), a 1, a 2... wobei a n = f(n). Beispiele: 1) (1 + 2 n ) n N, 3 2, 5
MehrKlausur zum Fach GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK. für Studierende der INFORMATIK
Institut für Stochastik Prof. Dr. Daniel Hug Name: Vorname: Matr.-Nr.: Klausur zum Fach GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK für Studierende der INFORMATIK Datum: 08. Februar 0 Dauer:
MehrLösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK
Institut für Stochastik Dr. Steffen Winter Lösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK für Studierende der INFORMATIK vom 17. Juli 01 (Dauer: 90 Minuten) Übersicht über
Mehrentspricht der Länge des Vektorpfeils. Im R 2 : x =
Norm (oder Betrag) eines Vektors im R n entspricht der Länge des Vektorpfeils. ( ) Im R : x = x = x + x nach Pythagoras. Allgemein im R n : x x = x + x +... + x n. Beispiele ( ) =, ( 4 ) = 5, =, 4 = 0.
Mehr4 Diskrete Wahrscheinlichkeitsverteilungen
4 Diskrete Wahrscheinlichkeitsverteilungen 4.1 Wahrscheinlichkeitsräume, Ereignisse und Unabhängigkeit Definition: Ein diskreter Wahrscheinlichkeitsraum ist ein Paar (Ω, Pr), wobei Ω eine endliche oder
MehrElemente der Analysis II
Elemente der Analysis II Kapitel 5: Differentialrechnung im R n Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 17. Juni 2009 1 / 31 5.1 Erinnerung Kapitel
MehrDie neue Aktuarausbildung der DAV. Hintergründe und Auswirkungen
Die neue der DAV Hintergründe und Auswirkungen Gliederung Teil 1: Entwicklung des Aktuars und seiner Aufgaben Teil 2: Die neue Ausbildung der DAV Teil 3: Übergangsfragen Seite 2 Was ist ein Aktuar? Seite
Mehr49 Mathematik für Biologen, Biotechnologen und Biochemiker
49 Mathematik für Biologen, Biotechnologen und Biochemiker 43 Momentane Wachstumsrate, Zuwachsrate pro Zeiteinheit und die Verdoppelungszeit Jede Exponentialfunktion f(t) = c exp(t) ist durch die beiden
MehrBestimmen von Quantilen
Workshop im Rahmen der VIV-Begabtenförderung Bestimmen von Quantilen Wie Rückwärtsdenken in der Stochastik hilft Leitung: Tobias Wiernicki-Krips Samstag, 10. Januar 2015 1 / 29 Motivation Wie bestimmt
Mehr