ML a t he m at ik. Präferenzen. Klaus Schindler. e h r st a b 0 Universität des Saarlandes Fakultät 1
|
|
- Hanna Holzmann
- vor 6 Jahren
- Abrufe
Transkript
1 Präferenzen Klaus Schindler ML a t he m at ik e h r st a b 0 Universität des Saarlandes Fakultät 1 Advanced Quantitative Methods for Economists WS 2014/2015
2 Ordnung Lexikographische Ordnung Ordnung Definition: Für Vektoren x=(x 1,..., x N ) und y=(y 1,..., y N ) des R N y x k : y k x k y x k : y k > x k Bemerkung: (y x) (y x) ( k : y k x k ) ( l : yl >x l ) definiere
3 Ordnung Lexikographische Ordnung Lexikographische Ordnung Definition: Für Vektoren x und y des R N definiere y x, falls gilt (x=y) oder die erste von Null verschiedene Komponente von y x ist positiv. Bemerkung: ist eine Totalordnung in R N, die als lexikographische Ordnung bezeichnet wird.
4 Rationale Präferenzen Rationale Präferenzen Monotone und streng monotone Präferenzen Lokal nicht gesättigte Präferenzen Konvexe Präferenzen Homothetische Präferenzen Im Folgenden bezeichne X R N + die Menge sämtlicher Güterbündel ( Alternativen ). Eine Relation in X heißt rationale Präferenzrelation, wenn sie vollständig und transitiv ist. Man definiert daraus die Relationen der Indifferenz und der strikten Präferenz durch y x (y x) (x y) y x (y x) (x y) Für jedes x X definiert man die Indifferenzmenge und die obere bzw. untere Konturmenge (Besser- bzw. Schlechtermenge) durch { y X y x } { y X y x } { y X y x }
5 Rationale Präferenzen Monotone und streng monotone Präferenzen Lokal nicht gesättigte Präferenzen Konvexe Präferenzen Homothetische Präferenzen Manchmal ist es plausibel, dass größere Güterbündel kleineren Güterbündeln vorgezogen werden.
6 Monotone Präferenzen Rationale Präferenzen Monotone und streng monotone Präferenzen Lokal nicht gesättigte Präferenzen Konvexe Präferenzen Homothetische Präferenzen Eine Relation in X heißt monoton, wenn für alle x X gilt y x = y x streng monoton, wenn für alle x X gilt (y x) (y x) = y x Bemerkung: Strenge Monotonie impliziert Monotonie! In der Literatur sind teilweise leicht unterschiedliche Definitionen der Monotonie zu finden!
7 Rationale Präferenzen Monotone und streng monotone Präferenzen Lokal nicht gesättigte Präferenzen Konvexe Präferenzen Homothetische Präferenzen Wenn es Goods gibt, die Bads sind, kann keine monotone Präferenz vorliegen. In diesem Fall bietet sich statt der Monotonie ein schwächerer Begriff an.
8 Lokal nicht gesättigte Präferenzen Rationale Präferenzen Monotone und streng monotone Präferenzen Lokal nicht gesättigte Präferenzen Konvexe Präferenzen Homothetische Präferenzen Eine Relation in X heißt lokal nicht gesättigt, wenn gilt Bemerkung: x X ε>0 y U ε (x) : y x Jede monotone Relation ist lokal nicht gesättigt! Dicke Indifferenzmengen, deren Inneres (!) nicht leer ist, sind nicht verträglich mit lokaler Nichtsättigung!
9 Rationale Präferenzen Monotone und streng monotone Präferenzen Lokal nicht gesättigte Präferenzen Konvexe Präferenzen Homothetische Präferenzen Bei der Konvexität von Präferenzen beschäftigt man sich mit der Frage nach trade-offs zwischen verschiedenen Gütern (Alternativen).
10 Konvexe Präferenzen Ordnungsrelationen in R N Rationale Präferenzen Monotone und streng monotone Präferenzen Lokal nicht gesättigte Präferenzen Konvexe Präferenzen Homothetische Präferenzen Eine Relation in X heißt konvex, wenn für jedes x X die obere Konturmenge von x konvex ist, d.h. (y x) (z x) = α [0, 1] : α y + (1 α) z x Eine Relation in X heißt streng konvex, wenn für jedes x X gilt (y x) (z x) (y z) = α ]0, 1[: α y + (1 α) z x
11 Rationale Präferenzen Monotone und streng monotone Präferenzen Lokal nicht gesättigte Präferenzen Konvexe Präferenzen Homothetische Präferenzen In Anwendungen (vor allem in der Ökonometrie) konzentriert man sich häufig auf Präferenzen, bei denen es möglich ist, die gesamte Präferenzrelation aus einer einzigen Indifferenzmenge abzuleiten.
12 Homothetische Präferenzen Rationale Präferenzen Monotone und streng monotone Präferenzen Lokal nicht gesättigte Präferenzen Konvexe Präferenzen Homothetische Präferenzen Eine Relation in X heißt homothetisch, wenn sich alle Indifferenzmengen durch proportionale Entwicklung in Richtung von Ursprungsgeraden ergeben, d.h. (y x) = α R + : α y α x
13 Aus Gründen der Optimierung ist es optimal, mittels einer Nutzenfunktion u darzustellen. Ist diese sogar differenzierbar stehen dann sogar alle Optimierungsmethoden der Differentialrechnung zur Verfügung.
14 Repräsentierende Nutzenfunktion Eine Funktion U : X R heißt repräsentierende Nutzenfunktion der Präferenzordnung, falls x, y X : x y U(x) U(y) Bemerkung: Insbesondere folgt: (x y) U(x)=U(y) (x y) U(x)>U(y)
15 Lexikographische Ordnung und Nutzenfunktion Die lexikographische Ordnung im R N besitzt keine repräsentierende Nutzenfunktion U! Beweis: Indirekt, wobei o.e. N=2 und X=R N gelte. Nach Definition der lexikographischen Ordnung müsste für U gelten x R : U(x, 2) > U(x, 1) Wähle für jedes x R eine rationale Zahl r(x) Q mit U(x, 2) > r(x) > U(x, 1) r : R Q ist streng mowa, denn für y > x gilt U(y, 2) > r(y) > U(y, 1) > U(x, 2) > r(x) > U(x, 1) Also ist r injektiv im Widerspruch zur Überabzählbarkeit von R.
16 Konturmengen und Homothetische und monotone Quasikonkave Eine Relation in X heißt stetig, wenn sie verträglich bzgl. Grenzwertbildung ist, d.h. ist (x n, y n ) eine Folge in X mit so gilt auch x y Bemerkung: 1) n N : x n y n 2) lim n (x n, y n ) = (x, y) 1 Beachte Analogie zu Grenzwerten in R N, d.h. x n y n = lim n x n lim n y n 2 Die lexikographische Ordnung ist unstetig, denn es gilt ( 1 n, 0) (1, 0), aber lim ( 1 n n, 0) = (0, 0) (1, 0)
17 Konturmengen und Homothetische und monotone Quasikonkave Stetigkeit und Konturmengen Satz: ist genau dann stetig, wenn alle oberen und unteren Konturmengen topologisch abgeschlossen sind. Beweis: = : Gilt y n x bzw. y n x, so folgt aus der Stetigkeit lim y n x bzw. lim y n x n n
18 Konturmengen und Homothetische und monotone Quasikonkave Anforderungen an die Präferenzordnung wirken sich auf die repräsentierende Nutzenfunktion aus!
19 Konturmengen und Homothetische und monotone Quasikonkave Eigenschaften von Zu jeder stetigen Präferenzordnung existiert eine stetige repräsentierende Nutzenfunktion. Eine stetige Präferenzordnung ist genau dann homothetisch, wenn eine repräsentierende Nutzenfunktion existiert, die homogen vom Grad 1 ist. Ist die Präferenzordnung monoton, so ist jede repräsentierende Nutzenfunktion U monoton, d.h. x y = U(x) U(y)
20 Konturmengen und Homothetische und monotone Quasikonkave Quasikonkave/konvexe Funktionen Sei f : X R eine Funktion auf einer konvexen Menge X. f heißt quasikonkav, wenn alle oberen Konturmengen konvex sind, d.h. wenn gilt t R : { x X f(x) t } ist konvex f heißt quasikonvex, wenn alle unteren Konturmengen konvex sind, d.h. wenn gilt t R : { x X f(x) t } ist konvex Satz: ist genau dann konvex, wenn jede repräsentierende Nutzenfunktion quasikonkav ist.
21 Konturmengen und Homothetische und monotone Quasikonkave Quasikonkave/Quasikonvexe Funktionen Satz: Sei f : X R eine Funktion auf einer konvexen Menge X. f ist genau dann quasikonkav, wenn gilt x, y X α [0, 1] : f ( αx + (1 α)y ) min { f(x), f(y) } f ist genau dann quasikonvex, wenn gilt x, y X α [0, 1] : f ( αx + (1 α)y ) max { f(x), f(y) }
22 Konturmengen und Homothetische und monotone Quasikonkave Eigenschaften Satz: f : X R quasikonkav f quasikonvex Jede konkave Funktion ist quasikonkav und jede konvexe Funktion ist quasikonvex. Jede monotone Funktion in einer Variablen ist quasikonkav und quasikonvex.
23 Konturmengen und Homothetische und monotone Quasikonkave Aufgaben 1 Erläutere die Unterschiede zwischen quasikonvex und konvex bzw. quasikonkav und konkav. 2 Untersuchen Sie, ob folgende Funktionen f i : R R konvex, quasikonvex, konkav oder quasikonkav sind. i) f 1 (x)=x 4 ii) f 2 (x)=x 5 iii) f 3 (x)= x 6 iv) f 4 (x)= e ( x 2 ) 3 Untersuchen Sie, ob f : R 2 R mit f(x 1, x 2 ) := e (x 2 1 +x 2 2 ) konvex, quasikonvex, konkav oder quasikonkav ist.
2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also
Universität Konstanz Fachbereich Mathematik und Statistik Repetitorium Analysis 0 Dr DK Huynh Blatt 8 Aufgabe 6 Bestimmen Sie (a) (x + x 7x+)dx (c) (f) x n exp(x)dx (n N fest) sin (x)dx (g) (b) (d) ln(x)dx
MehrMathematik 1 für Wirtschaftsinformatik
Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 7 Folgen und Reihen 8 Finanzmathematik 9 Reelle Funktionen 10 Differenzieren 1 11 Differenzieren 2 12 Integration
MehrVorlesung. Funktionen/Abbildungen 1
Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2013/14 Hochschule Augsburg : Gliederung 1 Aussagenlogik 2 Lineare Algebra 3 Lineare Programme 4 Folgen
MehrSeminar Analysis Konvexe Funktionen und einige wichtige Ungleichungen
Seminar Analysis Konvexe Funktionen und einige wichtige Ungleichungen Michael Schaeer 3.04.03 Abstract This seminar is about convex functions and several imortant ineualities. At the beginning the term
MehrProf. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3 38
Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3 38 Offene Fragen Warum ist ein ET bereit, für eine Feuerversicherung mit einer Versicherungshöhe von 1 Million und einer Jahreseintrittswahrscheinlichkeit
MehrStudiengang (Zutreffendes bitte ankreuzen):
Prof. Dr. Ulrich Schwalbe Sommersemester 2006 Klausur Mikroökonomik Matrikelnummer: Studiengang (Zutreffendes bitte ankreuzen): SozÖk Sozma AÖ WiPäd Wiwi Prof. Dr. Ulrich Schwalbe Sommersemester 2006 Klausur
Mehr9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83
9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x
MehrFinanzierung und Investition
Kruschwitz/Husmann (2012) Finanzierung und Investition 1/40 Finanzierung und Investition Kruschwitz/Husmann (2012) Oldenbourg Verlag München 7. Auflage, Kapitel 2 Kruschwitz/Husmann (2012) Finanzierung
MehrAbsolute Stetigkeit von Maßen
Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches
Mehra n := ( 1) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 10n + 1. a n := 1 3 + 1 2n 5n 2 n 2 + 7n + 8 b n := ( 1) n
Folgen und Reihen. Beweisen Sie die Beschränktheit der Folge (a n ) n N mit 2. Berechnen Sie den Grenzwert der Folge (a n ) n N mit a n := ( ) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 n +. 4 3. Untersuchen
MehrEinführung in die Algebra
Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv
MehrErgänzungen zur Analysis I
537. Ergänzungsstunde Logik, Mengen Ergänzungen zur Analysis I Die Behauptungen in Satz 0.2 über die Verknüpfung von Mengen werden auf die entsprechenden Regelnfür die Verknüpfung von Aussagen zurückgeführt.
MehrMathematik I für Wirtschaftswissenschaftler
1 Mathematik I für Wirtschaftswissenschaftler Lösungsvorschläge zur Klausur am 01.08.2003. Bitte unbedingt beachten: a) Verlangt und gewertet werden alle vier gestellten Aufgaben. Alle Aufgaben sind gleichwertig.
MehrModulabschlussklausur Analysis II
Modulabschlussklausur Analysis II. Juli 015 Bearbeitungszeit: 150 min Aufgabe 1 [5/10 Punkte] Es sei a R und f a : R 3 R mit f a (x, y, z) = x cos(y) + z 3 sin(y) + a 3 + (z + ay a y) cos(x) a) Bestimmen
MehrExtrema von Funktionen in zwei Variablen
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Extrema von Funktionen in zwei Variablen Literatur: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,
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,...,
MehrBestimmung einer ersten
Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,
MehrOptimierung. Optimierung. Vorlesung 7 Lineare Programmierung II. 2013 Thomas Brox, Fabian Kuhn
Optimierung Vorlesung 7 Lineare Programmierung II 1 Lineare Programme Lineares Programm: Lineare Zielfunktion Lineare Nebenbedingungen (Gleichungen oder Ungleichungen) Spezialfall der konvexen Optimierung
MehrReelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 7. November 2013
Reelle Analysis Vorlesungsskript Enno Lenzmann, Universität Basel 7. November 2013 6 L p -Räume Mit Hilfe der Masstheorie können wir nun die sog. L p -Räume einführen. Diese Räume sind wichtig in vielen
Mehr4. Versicherungsangebot
4. Versicherungsangebot Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie (FS 11) Versicherungsangebot 1 / 13 1. Einleitung 1.1 Hintergrund In einem grossen Teil
MehrProf. Dr. Ulrich Schwalbe Wintersemester 2004/05. Klausur Mikroökonomik. Matrikelnummer: Studiengang:
Prof. Dr. Ulrich Schwalbe Wintersemester 2004/05 Klausur Mikroökonomik Matrikelnummer: Studiengang: Prof. Dr. Ulrich Schwalbe Wintersemester 2004/05 Klausur Mikroökonomik Bitte bearbeiten Sie alle zehn
MehrOptimalitätskriterien
Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen
MehrBeispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =
Funktionentheorie, Woche Funktionen und Polstellen. Meromorphe Funktionen Definition.. Sei U C offen und sei f : U gilt, nennt man f meromorph auf U: Ĉ eine Funktion. Wenn folgendes. P := f hat keine Häufungspunkte;.
MehrKommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 3/4 (.3.4). (a) Für z = + i und z = 3 4i berechne man z z und z z. Die Ergebnisse sind in kartesischer Form anzugeben.
MehrÜbungsklausur. Bitte wählen Sie fünf Aufgaben aus! Aufgabe 1. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr.
Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr. Gert Zöller Übungsklausur Hilfsmittel: Taschenrechner, Formblatt mit Formeln. Lösungswege sind stets anzugeben. Die alleinige Angabe eines
MehrCharakteristikenmethode im Beispiel
Charakteristikenmethode im Wir betrachten die PDE in drei Variablen xu x + yu y + (x + y )u z = 0. Das charakteristische System lautet dann ẋ = x ẏ = y ż = x + y und besitzt die allgemeine Lösung x(t)
MehrScheduling und Lineare ProgrammierungNach J. K. Lenstra, D. B. Shmoys und É.
Scheduling und Lineare ProgrammierungNach J. K. Lenstra, D. B. Shmoys und É. Tardos Janick Martinez Esturo jmartine@techfak.uni-bielefeld.de xx.08.2007 Sommerakademie Görlitz Arbeitsgruppe 5 Gliederung
MehrLernzettel Mathe Inhaltsverzeichnis
Lernzettel Mathe Inhaltsverzeichnis Aufgabe 1 - Vollständige Induktion 2 Aufgabe 2 - Grenzwertbestimmung 2 Aufgabe 3 - Lin/Log 2 Aufgabe 4 - Barwert/Endwert 3 Aufgabe 5 - Maximalstellen, steigend/fallend
MehrStabilität mittels Ljapunov Funktion
Stabilität mittels Ljapunov Funktion Definition Eine C 1 Funktion V : D R, D R, heißt eine Ljapunov Funktion auf K r (0) D für f(y), falls gilt: 1) V(0) = 0, V(y) > 0 für y 0 2) V,f(y) 0 ( y, y r) Gilt
MehrTheoretische Informatik
Theoretische Informatik für die Studiengänge Ingenieur-Informatik berufsbegleitendes Studium Lehramt Informatik (Sekundar- und Berufsschule) http://theo.cs.uni-magdeburg.de/lehre04s/ Lehrbeauftragter:
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)
MehrExtremwertverteilungen
Seminar Statistik Institut für Stochastik 12. Februar 2009 Gliederung 1 Grenzwertwahrscheinlichkeiten 2 3 MDA Fréchet MDA Weibull MDA Gumbel 4 5 6 Darstellung von multivariaten, max-stabilen Verteilungsfunktionen
MehrMikroökonomik B 1. Intertemporale Entscheidung
Mikroökonomik B 1. Intertemporale Entscheidung Paul Schweinzer 23. April 2009. Intertemporale Entscheidung Literaturangaben: Varian (2007), Kapitel 10, 11 und 30.3. Ausgangspunkt: Konsumententheorie, d.h.
MehrMathematik 1. Lösungsvorschläge zum 2. Übungsblatt
Hochschule Regensburg Fakultät Informatik/Mathematik Christoph Böhm Wintersemester 0/0 Wirtschaftsinformatik Bachelor IW Informatik Bachelor IN Vorlesung Mathematik Mathematik Lösungsvorschläge zum Übungsblatt
MehrMathematikaufgaben zur Vorbereitung auf das Studium
Hochschule für Technik und Wirtschaft Dresden (FH) Fachbereich Informatik/Mathematik Mathematikaufgaben zur Vorbereitung auf das Studium Studiengänge Informatik Medieninformatik Wirtschaftsinformatik Wirtschaftsingenieurwesen
Mehr17. Penalty- und Barriere-Methoden
H.J. Oberle Optimierung SoSe 01 17. Penalty- und Barriere-Methoden Penalty- und Barriere Methoden gehören zu den ältesten Ansätzen zur Lösung allgemeiner restringierter Optimierungsaufgaben. Die grundlegende
MehrKlausur Mikroökonomik
Prof. Dr. Ulrich Schwalbe Sommersemester 2005 Klausur Mikroökonomik Matrikelnummer: Studiengang: Prof. Dr. Ulrich Schwalbe Sommersemester 2005 Klausur Mikroökonomik Die Klausur dauert 90 Minuten. Bitte
MehrVorlesung Wirtschaftsmathematik II SS 2015, 3/2 SWS. Prof. Dr. M. Voigt
Vorlesung Wirtschaftsmathematik II SS 2015, 3/2 SWS Prof. Dr. M. Voigt 2. März 2015 II Inhaltsverzeichnis 5 Grundlagen 1 5.1 Funktionen einer Variablen...................... 1 5.2 spezielle Funktionen.........................
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschftsmthemtik für Interntionl Mngement (BA) und Betriebswirtschft (BA) Wintersemester 2013/14 Stefn Etschberger Hochschule Augsburg Mthemtik: Gliederung 1 Aussgenlogik 2 Linere Algebr 3 Linere
MehrZ = 60! 29!31! 1,1 1017.
Aufgabe : Eine Hochzeitsgesellschaft besteht aus 60 Personen. a Wieviele verschiedene Möglichkeiten für Sitzordnungen gibt es? b Nehmen Sie nun an, dass 9 Gäste aus dem Familien- und Freundeskreis der
MehrInduktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010
Induktive Limiten Arpad Pinter, Tobias Wöhrer 30. Jänner 2010 1 Inhaltsverzeichnis 1 Induktiver Limes von Mengen 2 2 Induktiver Limes von Vektorräumen 4 3 Lokalkonvexe topologische Vektorräumen 7 4 Induktiver
MehrÜbungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009
Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.
MehrTEILWEISE ASYNCHRONE ALGORITHMEN
TEILWEISE ASYNCHRONE ALGORITHMEN FRANK LANGBEIN Literatur: D. Berseas, J. Tsitsilis: Parallel and distributed computatoin, pp. 48 489 URI: http://www.langbein.org/research/parallel/ Modell teilweiser asynchroner
MehrWirtschaftsstatistik. Konzentrations- und Disparitätsmessung 16.10.2007
Wirtschaftsstatistik Konzentrations- und Disparitätsmessung 16.10.2007 Begriffe Konzentration und Disparität Laut Oxford Advanced Learner s Dictionary by OUP, bzw. WordNet by Princeton University concentration:
MehrSolvency II und die Standardformel
Fakultät Mathematik und Naturwissenschaften Institut für Mathematische Stochastik Solvency II und die Standardformel Festkolloquium 20 Jahre (neue) Versicherungsmathematik an der TU Dresden Sebastian Fuchs
MehrÜberblick: Entscheidungstheoretische Konzepte Seminar Online-Optimierung Diana Balbus
Überblick: Entscheidungstheoretische Konzepte Seminar Online-Optimierung Diana Balbus Einleitung Ein Online-Algorithmus muss Ausgaben berechnen, ohne zukünftige Eingaben zu kennen. Für die Bewertung von
MehrDefinition 3.1: Ein Differentialgleichungssystem 1. Ordnung
Kapitel 3 Dynamische Systeme Definition 31: Ein Differentialgleichungssystem 1 Ordnung = f(t, y) ; y R N ; f : R R N R N heißt namisches System auf dem Phasenraum R N Der Parameter t wird die Zeit genannt
Mehr10. Vorlesung Spieltheorie in der Nachrichtentechnik
10. Vorlesung Spieltheorie in der Nachrichtentechnik Vorlesung: Eduard Jorswieck Übung: Rami Mochaourab Sommersemester 2010 Kooperative Spiele - Stabile Paarungen Wir studieren Märkte mit zweiseitigen
MehrKlausur Mathematik 2
Mathematik für Ökonomen WS 2014/15 Campus Duisburg PD Dr. V. Krätschmer, Fakultät für Mathematik Klausur Mathematik 2 17.02.2015, 12:30-14:30 Uhr (120 Minuten) Erlaubte Hilfsmittel: Nur reine Schreib-
MehrTeil II. Nichtlineare Optimierung
Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene
MehrOptimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen
Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Dr. Nico Düvelmeyer Freitag, 1. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Einführung und Wiederholung Beispiel
MehrRisiko und Versicherung - Übung
Sommer 2009 Risiko und Versicherung - Übung Entscheidungstheoretische Grundlagen Renate Bodenstaff Vera Brinkmann r.bodenstaff@uni-hohenheim.de vera.brinkmann@uni-hohenheim.de https://insurance.uni-hohenheim.de
MehrDeterministische Turing-Maschinen (DTM) F3 03/04 p.46/395
Deterministische Turing-Maschinen (DTM) F3 03/04 p.46/395 Turing-Machine Wir suchen ein Modell zur formalen Definition der Berechenbarkeit von Funktionen und deren Zeit- und Platzbedarf. Verschiedene Modelle
MehrTheorien für die Darstellung von Unsicherheit Ein Vergleich der Wahrscheinlichkeits-, Möglichkeits- und Dempster-Shafer Theorie
Theorien für die Darstellung von Unsicherheit Ein Vergleich der Wahrscheinlichkeits-, Möglichkeits- und Dempster-Shafer Theorie Johannes Leitner Inhalt I Modellierung von Unschärfe Unscharfe Mengen Unscharfe
MehrAnalysis I III. Vorlesungsskriptum WS 2005/06 WS 2006/07. Fakultät für Mathematik, Ruhr-Universität Bochum
Analysis I III Vorlesungsskriptum WS 2005/06 WS 2006/07 R. Verfürth Fakultät für Mathematik, Ruhr-Universität Bochum Inhaltsverzeichnis Kapitel I. Aufbau des Zahlsystems 5 I.1. Die natürlichen Zahlen
MehrVorlesung. Informationsökonomik und die Theorie der Firma
Vorlesung Informationsökonomik und die Theorie der Firma Ulrich Schwalbe Universität Hohenheim 5. Vorlesung 28.11.2007 Ulrich Schwalbe (Universität Hohenheim) Informationsökonomik 5. Vorlesung 28.11.2007
MehrFormelsammlung Wirtschaftsmathematik
Formelsammlung Wirtschaftsmathematik Strobel Stefan 29. Januar 2006 Inhaltsverzeichnis I. Mathematik 2 1. Umrechnung von Dezimalzahlen in Brüche 2 2. Differentiationsregeln 2 2.1. Summenregel..................................
MehrMikroökonomik B (Bachelor)
Bitte eintragen: Matrikel-Nr.: Mikroökonomik B (Bachelor) Prüfung vom 22.07.2014 Wichtige Hinweise: Sie haben 90 Minuten Zeit, um die folgenden drei Aufgaben zu insgesamt 90 Punkten zu bearbeiten. Teilen
MehrMonte Carlo Methoden in Kreditrisiko-Management
Monte Carlo Methoden in Kreditrisiko-Management P Kreditportfolio bestehend aus m Krediten; Verlustfunktion L = n i=1 L i; Die Verluste L i sind unabhängig bedingt durch einen Vektor Z von ökonomischen
MehrGleitkommaarithmetik und Pivotsuche bei Gauß-Elimination. Lehrstuhl für Angewandte Mathematik Wintersemester 2009/10. 14.
Gleitkommaarithmetik und Pivotsuche bei Gauß-Elimination Vorlesung Computergestützte Mathematik zur Linearen Algebra Lehrstuhl für Angewandte Mathematik Wintersemester 2009/0 4. Januar 200 Instabilitäten
MehrQualitative Datenanalyse
Qualitative Datenanalyse Prof. Dr. Stefan E. Schmidt Francesco Kriegel TU Dresden Fakultät Mathematik Institut Algebra SS 2007 28. September 2008 Inhaltsverzeichnis Kapitel 1 Formale Begriffsanalyse 1
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
MehrMatrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.
Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen
MehrDidaktik der Zahlbereiche 4. Die Menge der ganzen Zahlen. Mathematikunterricht in der Jahrgangsstufe 7. Zahlbereichserweiterungen in der Hauptschule
Zahlbereichserweiterungen in der Hauptschule Didaktik der Zahlbereiche 4 Dr. Christian Groß Lehrstuhl Didaktik der Mathematik Universität Augsburg Wintersemester 2006/07 Natürliche Zahlen, : Klasse 5 positive
MehrDr. Jürgen Roth. Fachbereich 6: Abteilung Didaktik der Mathematik. Elemente der Algebra. Dr. Jürgen Roth 3.1
.1 Dr. Jürgen Roth Fachbereich 6: Abteilung Didaktik der Mathematik Elemente der Algebra . Inhaltsverzeichnis Elemente der Algebra & Argumentationsgrundlagen, Gleichungen und Gleichungssysteme Quadratische
MehrERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN
ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN CHRISTIAN HARTFELDT. Zweiter Mittelwertsatz Der Mittelwertsatz Satz VI.3.4) lässt sich verallgemeinern zu Satz.. Seien f, g : [a, b] R auf [a,
Mehre d m m = D d (E e (m)) D d E e m f c = f(m) m m m 1 f(m 1 ) = c m m 1 m c = f(m) c m c m b b 0, 1 b r f(b, r) f f(b, r) := y b r 2 n, n = pq ggt (p, q) = 1 p q y n f K f(x + y) = f(x) + f(y) f(x y) =
MehrMathematik für Bioinformatik und Systembiologie. - Kapitel Einführung in die Optimierung - Roland Herzog und Dirk Lebiedz
Mathematik für Bioinformatik und Systembiologie - Kapitel Einführung in die Optimierung - Roland Herzog und Dirk Lebiedz WS 2009/10 Universität Freiburg Dieses Vorlesungsskript ist auf der Basis von Vorlesungen
MehrNichtlineare Optimierung ohne Nebenbedingungen
Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt
MehrInformatik I WS 07/08 Tutorium 24
Info I Tutorium 24 Informatik I WS 07/08 Tutorium 24 3.2.07 astian Molkenthin E-Mail: infotut@sunshine2k.de Web: http://infotut.sunshine2k.de Organisatorisches / Review is zum 2.2 müssen alle Praxisaufgaben
MehrFormelsammlung. Folgen und Reihen
Lehrstuhl für BWL, insb. Mthemtik und Sttistik Dipl.-Mth. Mrie Hielscher Mthemtik für Betriebswirte II Formelsmmlung Folgen und Reihen en Folge n ) n N0 : D R, n n := n) mit D N 0 n-te Prtilsumme von n
MehrComputer Vision: 3D-Geometrie. D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17
Computer Vision: 3D-Geometrie D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17 Lochkamera Modell C Projektionszentrum, Optische Achse, Bildebene, P Hauptpunkt (optische Achse kreuzt die Bildebene),
MehrUnterlagen für die Lehrkraft
Ministerium für Bildung, Jugend und Sport Zentrale Prüfung zum Erwerb der Fachhochschulreife im Schuljahr 01/01 Mathematik. Juni 01 09:00 Uhr Unterlagen für die Lehrkraft 1. Aufgabe: Differentialrechnung
MehrQuantitative Risk Management
Quantitative Risk Management Copulas und Abhängigkeit Johannes Paschetag Mathematisches Institut der Universität zu Köln Wintersemester 2009/10 Betreuung: Prof. Schmidli, J. Eisenberg i Inhaltsverzeichnis
MehrBayern FOS BOS 12 Fachabiturprüfung 2015 Mathematik (Nichttechnische Ausbildungsrichtungen) Analysis A I
Bayern FOS BOS Fachabiturprüfung 05 Mathematik (Nichttechnische Ausbildungsrichtungen) Analysis A I.0 Nebenstehende Abbildung zeigt den Graphen G f ' der ersten Ableitungsfunktion einer in ganz 0 definierten
MehrAufgaben zur Vorlesung Analysis II Prof. Dr. Holger Dette SS 2012 Lösungen zu Blatt 6
Aufgben zur Vorlesung Anlysis II Prof. Dr. Holger Dette SS 0 Lösungen zu Bltt 6 Aufgbe. Die Funktion f : [, ) R sei in jedem endlichen Teilintervll von [, ) Riemnnintegrierbr. Für n N sei I n := f() d.
MehrSerie 13: Online Test
D-ERDW, D-HEST, D-USYS Mathematik I HS 3 Dr. Ana Cannas Serie 3: Online Test Einsendeschluss: 3. Januar 4 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung verwenden.
Mehr16 Risiko und Versicherungsmärkte
16 Risiko und Versicherungsmärkte Entscheidungen bei Unsicherheit sind Entscheidungen, die mehrere mögliche Auswirkungen haben. Kauf eines Lotterieloses Kauf einer Aktie Mitnahme eines Regenschirms Abschluss
MehrGrundzüge der VWL A. Mathematik
Grundzüge der VWL A. Mathematik Max Albert, Henrik Egbert, Vanessa Mertins & Birgit E. Will WS 05/06 1 Mathematische Voraussetzungen Vorlesung und Übung setzen den Stoff der Veranstaltung Mathematik A
MehrAbitur - Grundkurs Mathematik. Sachsen-Anhalt 2002. Gebiet G1 - Analysis
Abitur - Grundkurs Mathematik Sachsen-Anhalt Gebiet G - Analsis Aufgabe.. Der Graph einer ganzrationalen Funktion f dritten Grades mit einer Funktionsgleichung der Form f a b c d a,b,c,d, R schneidet die
Mehrw a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2
1 2 Notation für Wörter Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg w a is die Anzahl der Vorkommen von a in w Beispiel: abba
MehrMathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Dipl.-Math. Kevin Everard Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14 Auswahl vorausgesetzter Vorkenntnisse
MehrWas ist Entscheidungstheorie?
Was ist Entscheidungstheorie? Verschiedene Typen der Entscheidungstheorie Individualentscheidungen Normative Klassische Ökonomie Theorien Statistische Entsch.-th. Moralphilosophie Deskriptive Lerntheorie
MehrEinleitung In vielen Bereichen der Wirtschaft, Physik, Biologie und den Ingenieurwissenschaften spielen funktionale Zusammenhänge zwischen zwei (reellwertigen) Messgrößen eine wichtige Rolle. Oft sind
Mehr3.3 Eigenwerte und Eigenräume, Diagonalisierung
3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.
Mehr3. Zusammenhang. 22 Andreas Gathmann
22 Andreas Gathmann 3. Zusammenhang Eine der anschaulichsten Eigenschaften eines topologischen Raumes ist wahrscheinlich, ob er zusammenhängend ist oder aus mehreren Teilen besteht. Wir wollen dieses Konzept
MehrGewöhnliche Differentialgleichungen
XIV Gewöhnliche Differentialgleichungen Definition 4. : Sei n IN, F : D(F IR n+2 IR. Gewöhnliche DGL n ter Ordnung a F (x, y, y,..., y (n = heißt gewöhnliche Differentialgleichung (DGL n ter Ordnung. Läßt
MehrKlausur Mikroökonomie I Diplom SS 06 Lösungen
Universität Lüneburg Prüfer: Prof. Dr. Thomas Wein Fakultät II Prof. Dr. Joachim Wagner Institut für Volkswirtschaftslehre Datum: 17.7.2006 Klausur Mikroökonomie I Diplom SS 06 Lösungen 1. Eine neue Erfindung
MehrKapitel 4. Euklidische Ringe und die Jordansche Normalform. 4.1 Euklidische Ringe
Kapitel 4 Euklidische Ringe und die Jordansche Normalform 4.1 Euklidische Ringe Die Ringe der ganzen Zahlen, Z, sowie Polynomringe über Körpern, K[X], wobei K ein Körper ist, haben die folgenden Gemeinsamheiten:
Mehr2. Nash Equilibria. Das Spiel kann dann beschrieben werden durch
2. Nash Equilibria Situation: n Spieler 1,..., n spielen ein (einzügiges) Spiel. S i 1 i n ist die Menge der Strategien (= Aktionen) von Spieler i. u i : S 1... S n ist die Nutzenfunktion für Spieler i.
MehrHierarchische Archimedische Copulas
Hierarchische Archimedische Copulas Bachelorarbeit im Studiengang Wirtschaftsmathematik am Fachbereich Mathematik und Informatik der Philipps-Universität Marburg eingereicht von Yuriy Pinkhasik Marburg,
MehrAufgaben zur Mikroökonomik I
Aufgaben zur Mikroökonomik I Aufgabe 1 Der Vermieter möchte seine großen Wohnung in herrlichster zentraler Wohnlage der Studentenstadt G an eine WG vermieten. Per Aushang werden Mieter für die 4 gleich
Mehr