Das Gewinnrisiko von Krankenhäusern: Eine Analyse auf Grundlage der Verweildauerstruktur in Sachsen-Anhalt
|
|
- Jens Böhm
- vor 6 Jahren
- Abrufe
Transkript
1 Das Gewinnrisiko von Krankenhäusern: Eine Analyse auf Grundlage der Verweildauerstruktur in Sachsen-Anhalt Stefan Felder, Daniel Horvath und Thomas Mayrhofer, Tagung der Arbeitsgruppe Health Care Management, Frankfurt, 29. Februar 2008
2 Einleitung - 1 Einführung des flächendeckenden DRG-Systems für Krankenhäuser in Deutschlands im Jahre 2004 Bedeutung nimmt bis zur vollständigen Anpassung (2009) zu. Behandlungen werden mit Fallpauschalen vergütet - KH trägt grundsätzlich das Behandlungskostenrisiko Abschläge bei sehr kurzer oder sehr langer Verweildauer gegeben (Grenzverweildauerregelung) Gewinn/Verlust-Risiko wird durch obere Grenzverweildauer begrenzt Tagung der Arbeitsgruppe Health Care Management Frankfurt 2
3 Einleitung - 2 Das Gewinnrisiko der Krankenhäuser wird hauptsächlich über zwei Faktoren bestimmt: Patientenanzahl Stochastische Schwankungen aufgrund von unterschiedlich vielen Patienten innerhalb eines Geschäftsjahres Verweildauer der Patienten Stochastische Schwankungen aufgrund von unterschiedlicher Morbidität der Patienten Im Folgenden wird nur das Gewinnrisiko aufgrund von Verweildauerschwankungen betrachtet Tagung der Arbeitsgruppe Health Care Management Frankfurt 3
4 Verweildauer und Krankenhauserfolg DRG- Erlös, C DRG-Erlös (ohne Abund Zuschläge) Gewinn C µ = DRG-Erlös Verlust C DRG-Erlös t t µ t t Quelle: Eigene Darstellung Tagung der Arbeitsgruppe Health Care Management Frankfurt 4
5 Portfoliotheorie Varianz des Portfolios: m m m m m ( ) 2 2 Var R = x x σ = x σ + x x σ Var R P i j i, j i i i j i, j i= 1 j= 1 i= 1 i= 1 j= 1 i j Varianz des Portfolios bei Kovarianz = 0 m ( ) = 2 2 P, COV = 0 xi σ i i= 1 Varianz bei diagnoseinterner Diversifikation m m ( ) Var RP, COV = 0 = xi σ Ri, korrigiert = xi σi 1 n i= 1 i= 1 i Tagung der Arbeitsgruppe Health Care Management Frankfurt 5
6 Verteilung und Portfoliobildung Wahrscheinlichkeit Rendite drei Anlagen zwei Anlagen eine Anlage Tagung der Arbeitsgruppe Health Care Management Frankfurt 6
7 Empirische Umsetzung Daten: Falldaten von 46 Krankenhäusern aus Sachsen-Anhalt Beobachtungen aus dem Jahr 2006 Informationen des DRG-Fallpauschalkataloges Berechnungen: Kostenfunktion wurde auf der Basis des Fallpauschalkataloges auf DRG-Ebene (893) bestimmt Mit Hilfe der beobachteten Verweildauern Berechnung des Gewinns pro Patient und des Gewinnrisikos der 46 Krankenhäuser Tagung der Arbeitsgruppe Health Care Management Frankfurt 7
8 Ergebnisübersicht Krankenhaus Minimum Maximum Durchschnitt Std.-Abw. Anzahl der Fälle Erwartung laut Fallpauschalkatalog und AOK-Datensatz Pro-Fall-Gewinn -675,87 219,88 38,65 120,64 Std.-Abw. (Gewinnrisiko) 0, ,01 0,60 3,69 Berechnet nach tatsächlicher Verweildauer Pro-Fall-Gewinn -1078,30 267,80 3,20 228,90 Ohne obere Grenzverweildauer Pro-Fall-Gewinn (erw.) -922,50 174,70-73,70 149,50 Pro-Fall-Gewinn (tat.) -2060,00 237,90-141,10 372,70 Std.-Abw. (Gewinnrisiko) 0, ,79 0,80 4,83 Tagung der Arbeitsgruppe Health Care Management Frankfurt 8
9 Gewinn vs. Standard-Abweichung Pro-Fall-Erwartungsgewinn KH mit 56 Fällen: KHs mit >100 Fällen: KH mit 26 Fällen: Standardabweichung Tagung der Arbeitsgruppe Health Care Management Frankfurt 9
10 Portfoliogewinn eines Krankenhauses realisierter Gewinn Pro-Fall-Gewinn Unerklärbare Abweichung Erklärbare Abweichung 6σ erwarteter Gewinn Gewinnverteilung 6σ Krankenhäuser Tagung der Arbeitsgruppe Health Care Management Frankfurt 10
11 Erwartete und tatsächliche Pro-Fall-Gewinne Pro-Fall-Gewinn Krankenhäuser aufsteigend nach Fallanzahl angeordnet Tagung der Arbeitsgruppe Health Care Management Frankfurt 11
12 Pro-Fall-Gewinne ohne ovwd Pro-Fall-Gewinn Krankenhäuser aufsteigend nach Fallanzahl angeordnet Tagung der Arbeitsgruppe Health Care Management Frankfurt 12
13 Fazit Die Anzahl der Patienten wirkt risikodiversifizierend auf die Gewinne der Krankenhäuser Eine höhere Anzahl an Patienten führt zu einer Verringerung des Gewinnrisikos pro Patient Selbst bei den kleinsten Einrichtungen in Sachsen- Anhalt spielt das Gewinnrisiko (in Bezug auf die Verweildauer) eine relativ unbedeutende Rolle Auch der Verzicht auf eine obere Grenzverweildauervergütung erhöht das Gewinnrisiko der Krankenhäuser nur marginal Tagung der Arbeitsgruppe Health Care Management Frankfurt 13
Mathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 11. November 2010 1 Erwartungswert und Varianz Erwartungswert Varianz und Streuung Rechenregeln Binomialverteilung
MehrHistorische Renditen, Experteninterviews, Analyse von Marktpreisen
1 Portfoliotheorie 1.1 Grundlagen der Portfoliotheorie 1.1.1 Welche vier grundsätzlichen Anlageziele werden von Investoren verfolgt? Minimales Risiko Liquidation wenn nötig Hohe Rendite Gewinnmaximierung
MehrPROC MEANS. zum Berechnen statistischer Maßzahlen (für quantitative Merkmale)
PROC MEAS zum Berechnen statistischer Maßzahlen (für quantitative Merkmale) Allgemeine Form: PROC MEAS DATA=name Optionen ; VAR variablenliste ; CLASS vergleichsvariable ; Beispiel und Beschreibung der
Mehr1.5 Erwartungswert und Varianz
Ziel: Charakterisiere Verteilungen von Zufallsvariablen (Bildbereich also reelle Zahlen, metrische Skala) durch Kenngrößen (in Analogie zu Lage- und Streuungsmaßen der deskriptiven Statistik). Insbesondere:
Mehr4. Gemeinsame Verteilung und Grenzwertsätze
4. Gemeinsame Verteilung und Grenzwertsätze Häufig in der Praxis: Man muss mehrere (n) ZV en gleichzeitig betrachten (vgl. Statistik I, Kapitel 6) Zunächst Vereinfachung: Betrachte n = 2 Zufallsvariablen
Mehr4. Gemeinsame Verteilung und Grenzwertsätze
4. Gemeinsame Verteilung und Grenzwertsätze Häufig in der Praxis: Man muss mehrere (n) ZV en gleichzeitig betrachten (vgl. Statistik I, Kapitel 6) Zunächst Vereinfachung: Betrachte n = 2 Zufallsvariablen
MehrVorlesung Gesamtbanksteuerung Mathematische Grundlagen III / Marktpreisrisiken Dr. Klaus Lukas Stefan Prasser
Vorlesung Gesamtbanksteuerung Mathematische Grundlagen III / Marktpreisrisiken Dr. Klaus Lukas Stefan Prasser 1 Agenda Rendite- und Risikoanalyse eines Portfolios Gesamtrendite Kovarianz Korrelationen
MehrÜbungen mit dem Applet Rangwerte
Rangwerte 1 Übungen mit dem Applet Rangwerte 1 Statistischer Hintergrund... 2 1.1 Verteilung der Einzelwerte und der Rangwerte...2 1.2 Kurzbeschreibung des Applets...2 1.3 Ziel des Applets...4 2 Visualisierungen
MehrDer Korrelationskoezient nach Pearson
Der Korrelationskoezient nach Pearson 1 Motivation In der Statistik werden wir uns häug mit empirisch erfassten Daten beschäftigen. Um diese auszuwerten, ist es oftmals notwendig einen Zusammenhang zwischen
MehrAsset-Liability-Modell einer Lebensversicherung
Asset-Liability-Modell einer Lebensversicherung Umsetzung eines Bewertungsmodells Seminar Finanzmarktmodelle in der Lebensversicherung betreut von Dr. Zoran Nikolic und Dr. Tamino Meyhöfer Max Gripp, Tanja
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung 3. Vorlesung Dr. Jochen Köhler 1 Inhalte der heutigen Vorlesung Ziel: Daten Modellbildung Probabilistisches Modell Wahrscheinlichkeit von Ereignissen Im ersten
MehrBeispiel 2 (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter)
Beispiel (Einige Aufgaben zu Lageparametern) Aufgabe 1 (Lageparameter) 1 Ein Statistiker ist zu früh zu einer Verabredung gekommen und vertreibt sich nun die Zeit damit, daß er die Anzahl X der Stockwerke
MehrStatistics, Data Analysis, and Simulation SS 2017
Statistics, Data Analysis, and Simulation SS 2017 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Mainz, May 29, 2017 Dr. Michael O. Distler
Mehr1.5 Erwartungswert und Varianz
Ziel: Charakterisiere Verteilungen von Zufallsvariablen durch Kenngrößen (in Analogie zu Lage- und Streuungsmaßen der deskriptiven Statistik). Insbesondere: a) durchschnittlicher Wert Erwartungswert, z.b.
MehrForschungspraktikum Gruppenbezogene Menschenfeindlichkeit
Forschungspraktikum Gruppenbezogene Menschenfeindlichkeit Reliabilität in der klassischen (psychometrischen) Testtheorie Statistisches Modell Realisierung mit der SPSS-Prozedur Reliability Klassische Testtheorie:
MehrBeispiel für Gütefunktionen Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = 0.10
6 Hypothesentests Gauß-Test für den Mittelwert bei bekannter Varianz 6.3 Beispiel für Gütefunktionen Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = 0.10 G(µ) 0 α 0. 0.4 0.6 0.8 1 n = 10 n =
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Übung/Tutorate Statistik II: Schließende Statistik SS 2007
. Zufallsvariable und Verteilungsfunktion Aufgabe.1 Wahrscheinlichkeitsfunktion und Verteilungsfunktion Die Zufallsvariable X sei das Ergebnis eines Würfels a. Wie lautet die Wahrscheinlichkeitsfunktion?
MehrKrankenhausinfektionen und Sepsis aus Kostensicht
Krankenhausinfektionen und Sepsis aus Kostensicht Wirtschaftlicher Nutzen einer Infektionsreduktion für das Krankenhaus -D.Lindner 08.09.2017 Weimar- 1 Statistik Nosokomiale Infektionen in Deutschland
MehrErläuterung des Vermögensplaners Stand: 3. Juni 2016
Erläuterung des Vermögensplaners 1 Allgemeines 1.1. Der Vermögensplaner stellt die mögliche Verteilung der Wertentwicklungen des Anlagebetrags dar. Diese verschiedenen Werte bilden im Rahmen einer bildlichen
MehrValuation Übung 3 Moderne Portfoliotheorie. Adrian Michel Universität Bern
Valuation Übung 3 Moderne Portfoliotheorie Adrian Michel Universität Bern Aufgabe 1 Richtigstellung falscher Aussagen 2 Aufgabe 1 a) > Um aus zwei Aktien ein risikoloses Portfolio bilden zu können, müssen
MehrFrankfurt Workshop DRG der DGHO Berlin Fallpauschalenkatalog. Helmut Ostermann
Frankfurt 18.1.2016 -- Workshop DRG der DGHO Berlin 25.1.2016 Fallpauschalenkatalog Helmut Ostermann Fallpauschalenkatalog Bewertete ZE Bewertete ZE Anlage 5 Unbewertete ZE Unbewertete ZE Fallpauschalenverordnung
MehrFPV Abrechnungsregeln Workshop AG MedCo GMDS 1
FPV 2006 Abrechnungsregeln 17.11.05 Workshop AG MedCo GMDS 1 FPV 2006 - Abrechnungsregeln Regelung bei Über-/ Unterschreitung der Grenzverweildauern ( 1 FPV) Wiederaufnahme in dasselbe Krankenhaus ( 2
MehrStatistik I für Betriebswirte Vorlesung 4
Statistik I für Betriebswirte Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 25. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrWirtschaftsstatistik-Klausur am
Wirtschaftsstatistik-Klausur am 0.07.017 Aufgabe 1 Ein Handy- und PC-Hersteller verfügt über ein exklusives Filialnetz von 900 Filialen. Der Gewinn (in GE) der Filialen ist in der folgenden Tabelle nach
MehrWS 2014/15. (d) Bestimmen Sie die Wahrscheinlichkeitsfunktion von X. (e) Bestimmen Sie nun den Erwartungswert und die Varianz von X.
Fragenkatalog zur Übung Methoden der empirischen Sozialforschung WS 2014/15 Hier finden Sie die denkbaren Fragen zum ersten Teil der Übung. Das bedeutet, dass Sie zu diesem Teil keine anderen Fragen im
MehrU N I V E R S I T Ä T S I E G E N Prüfungsamt Fachbereich Wirtschaftswissenschaften
Diplomprüfung Bachelorprüfung Erstprüfer: Wiedemann Matrikel-Nr.: Prüfungsfach: Allgemeine / Spezielle Betriebswirtschaftslehre Zweitprüfer: Moog Erlaubte Hilfsmittel: Nicht programmierbarer, netzunabhängiger
MehrPortfolio- und Kapitalmarkttheorie
Portfolio- und Kapitalmarkttheorie 2-WP-Fall der Portfoliotheorie Prof. Dr. Daniela Lorenz Julius-Maximilians-Universität Würzburg Sommersemester 2018 Organisatorisches Literatur Hintergrund Beispiel Annahmen
MehrErwartungswert, Varianz und Standardabweichung einer Zufallsgröße. Was ist eine Zufallsgröße und was genau deren Verteilung?
Erwartungswert, Varianz und Standardabweichung einer Zufallsgröße Von Florian Modler In diesem Artikel möchte ich einen kleinen weiteren Exkurs zu meiner Serie Vier Wahrscheinlichkeitsverteilungen geben
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
MehrBerechnung des LOG-RANK-Tests bei Überlebenskurven
Statistik 1 Berechnung des LOG-RANK-Tests bei Überlebenskurven Hans-Dieter Spies inventiv Health Germany GmbH Brandenburger Weg 3 60437 Frankfurt hd.spies@t-online.de Zusammenfassung Mit Hilfe von Überlebenskurven
MehrPearson- Korrelationskoeffizienten höherer Grade
Pearson- Korrelationskoeffizienten höherer Grade Dipl.- Ing. Björnstjerne Zindler, M.Sc. Erstellt: 13. März 2014 Letzte Revision: 16. März 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Der Lineare Korrelationskoeffizient
MehrÜbungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Thema: Wahrscheinlichkeit. Übungsklausur Wahrscheinlichkeit und Regression
Übungsklausur Wahrscheinlichkeit und Regression 1. Welche der folgenden Aussagen treffen auf ein Zufallsexperiment zu? a) Ein Zufallsexperiment ist ein empirisches Phänomen, das in stochastischen Modellen
MehrAuswertung und Lösung
Residuals vs Fitted Normal Q Q Residuals 2 1 0 1 2 16 18 30 Standardized residuals 2 1 0 1 2 18 30 16 5 10 15 20 25 30 Fitted values 2 1 0 1 2 Theoretical Quantiles Abbildung 1: Dieses Quiz soll Ihnen
MehrHauptprüfung Fachhochschulreife Baden-Württemberg
Hauptprüfung Fachhochschulreife 01 Baden-Württemberg Aufgabe 7 Mathematik in der Praxis Hilfsmittel: grafikfähiger Taschenrechner Berufskolleg Alexander Schwarz www.mathe-aufgaben.com Februar 015 1 7.1
MehrKapitel 1 Beschreibende Statistik
Beispiel 1.25: fiktive Aktienkurse Zeitpunkt i 0 1 2 Aktienkurs x i 100 160 100 Frage: Wie hoch ist die durchschnittliche Wachstumsrate? Dr. Karsten Webel 53 Beispiel 1.25: fiktive Aktienkurse (Fortsetzung)
MehrSehr geehrte Damen und Herren,
Sehr geehrte Damen und Herren, in den letzten Wochen wurden von einzelnen Softwareherstellern Fragen zur Abrechnungssystematik im Optionsjahr 2003 an uns herangetragen. Im folgenden finden Sie die aus
MehrTEIL 12: BIVARIATE ANALYSE FÜR METRISCH SKALIERTE VARIABLEN
TEIL 12: BIVARIATE ANALYSE FÜR METRISCH SKALIERTE VARIABLEN Bivariate Analyse für metrisch skalierte Variablen Grundlagen Verfahren für metrische Daten nutzen den vollen mathematischen Informationsgehalt
MehrAktien und Obligationen
Aktien und Obligationen Die Performance von Aktien und Obligationen in der Schweiz (1926-2014) Quelle: Bank Pictet & Cie. für Zahlen bis 2013 Eigene Berechnungen für Zahlen 2014, Stand 31.1.2014 RCM Finanzberatung
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
MehrBerechnung MCR unter Solvency II
Berechnung MCR unter Solvency II Berechnung MCR unter Solvency II Die Wahl des richtigen Risikomaßes Sina Wiesinger 29. März 2018 Überblick 1 Einleitung 2 Grundlagen 3 Eigenschaften von Risikomaßen 4 Risikomaße
MehrAnpassungstests VORGEHENSWEISE
Anpassungstests Anpassungstests prüfen, wie sehr sich ein bestimmter Datensatz einer erwarteten Verteilung anpasst bzw. von dieser abweicht. Nach der Erläuterung der Funktionsweise sind je ein Beispiel
Mehr5 Exkurs: Deskriptive Statistik
5 EXKURS: DESKRIPTIVE STATISTIK 6 5 Ekurs: Deskriptive Statistik Wir wollen zuletzt noch kurz auf die deskriptive Statistik eingehen. In der Statistik betrachtet man für eine natürliche Zahl n N eine Stichprobe
Mehrneue Formen der Portfoliotheorie; Allokation für Portfolios von Univ.-Prof. Dr. Stanislaus Maier-Paape Mitarbeit von René Brenner und Andreas Platen
S. Maier-Paape: Allokation für Portfolios VTAD München, 20.09.2017 Inhalt: neue Formen der Portfoliotheorie; Allokation für Portfolios von Univ.-Prof. Dr. Stanislaus Maier-Paape Mitarbeit von René Brenner
MehrLehrstuhl für Finanzierung Universitätsprofessor Dr. Jochen Wilhelm
Lehrstuhl für Finanzierung Universitätsprofessor Dr. Jochen Wilhelm A b s c h l u s s k l a u s u r z u r V o r l e s u n g K a p i t a l m a r k t t h e o r i e W i n t e r s e m e s t e r 1 9 9 9 / 2
MehrAbschlussprüfung Berufliche Oberschule 2015 Mathematik 12 Nichttechnik - S I - Lösung
Abschlussprüfung Berufliche Oberschule 20 Mathematik 12 Nichttechnik - S I - Lösung Im Folgenden werden relative Häufigkeiten als Wahrscheinlichkeiten interpretiert. Teilaufgabe 1.0 Ein neues Medikament
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 4.6 und 4.7 besser zu verstehen. Auswertung und Lösung Abgaben: 59 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 4.78 1 Frage
MehrHerzlich willkommen zur Vorlesung Statistik. Streuungsmaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung
FB 1 W. Ludwig-Mayerhofer Statistik 1 Herzlich willkommen zur Vorlesung Statistik smaße oder die Unterschiedlichkeit der Daten nebst kurzen Ausführungen zu Schiefe und Wölbung FB 1 W. Ludwig-Mayerhofer
MehrDatenanalyse. (PHY231) Herbstsemester Olaf Steinkamp
Datenanalyse (PHY23) Herbstsemester 207 Olaf Steinkamp 36-J-05 olafs@physik.uzh.ch 044 63 55763 Vorlesungsprogramm Einführung, Messunsicherheiten, Darstellung von Messdaten Grundbegriffe der Wahrscheinlichkeitsrechnung
MehrStatus Quo des Belegarztwesens Wie steht es um den Klassiker der sektorenübergreifenden Versorgung?
Deutscher Kongress Versorgungsforschung, 05.10.2016 Status Quo des Belegarztwesens Wie steht es um den Klassiker der sektorenübergreifenden Versorgung? Dr. D. von Stillfried, T. Czihal Zentralinstitut
MehrSeminar im Wintersemester 2010/2011: Quantitative und implementierte Methoden der Marktrisikobewertung
M.Sc. Brice Hakwa hakwa@uni-wuppertal.de Seminar im Wintersemester 2010/2011: Quantitative und implementierte Methoden der Marktrisikobewertung - Zusammenfassung zum Thema: Berechnung von Value-at-Risk
MehrAufgabe 17: 0,4 0,2. c) P ( Z ) ( Z ) 0,4 0,2 [ ] 0,4 0,2 0,4 0,2
Aufgabe 17: a) P( Z > ) =, 8,4, - - -1 1 b) P( Z ) ( ) 1< < + 1 = 1, 158655 = 1, 171=, 6869 = 68, 69%,4, - - -1 1 [ ] c) P ( Z ) ( Z ) < 1, 64 > + 1, 64 =, 55 =, 116,4, - - -1 1 d) P( Z < A) =, 5 A =,4,
MehrBachelor BEE Statistik Übung: Blatt 1 Ostfalia - Hochschule für angewandte Wissenschaften Fakultät Versorgungstechnik Aufgabe (1.1): Gegeben sei die folgende Messreihe: Nr. ph-werte 1-10 6.4 6.3 6.7 6.5
MehrErinnerung an letztes Mal: Erreichbare Kombinationen aus erwarteter Rendite und Risiko (gemessen in Standardabweichung
Erinnerung an letztes Mal: Erreichbare Kombinationen aus erwarteter Rendite und Risiko (gemessen in Standardabweichung Anteil Aktie 5: 100 % Anteil Aktie 2: 0 % absteigend aufsteigend Anteil Aktie 5: 0
MehrAUTOMATISIERTE HANDELSSYSTEME
UweGresser Stefan Listing AUTOMATISIERTE HANDELSSYSTEME Erfolgreich investieren mit Gresser K9 FinanzBuch Verlag 1 Einsatz des automatisierten Handelssystems Gresser K9 im Portfoliomanagement Portfoliotheorie
MehrStatistik K urs SS 2004
Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die
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
MehrStatistische Tests für unbekannte Parameter
Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung
MehrGlobale Risiken und ihre Auswirkungen auf das Risikomanagement institutioneller Anleger
Globale Risiken und ihre Auswirkungen auf das Risikomanagement institutioneller Anleger Risikomanagement-Konferenz der Union Investment Frankfurt, 10. November 2011 Chair of Empirical Capital Market Research
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
MehrÜbungen mit dem Applet
Übungen mit dem Applet 1. Visualisierung der Verteilungsform... 1.1. Normalverteilung... 1.. t-verteilung... 1.3. χ -Verteilung... 1.4. F-Verteilung...3. Berechnung von Wahrscheinlichkeiten...3.1. Visualisierung
MehrAbbildung 1: Dieses Quiz soll Ihnen helfen, die Residuenplots besser zu verstehen. Am Schluss kommen noch vermischte Aufgaben zur Wiederholung.
Residuals vs Fitted Normal Q Q Residuals 2 1 0 1 2 16 18 30 Standardized residuals 2 1 0 1 2 18 30 16 5 10 15 20 25 30 Fitted values 2 1 0 1 2 Theoretical Quantiles Abbildung 1: Dieses Quiz soll Ihnen
MehrInhaltsverzeichnis. Teil I
Inhaltsverzeichnis Teil I Ein-Perioden-Wertpapiermärkte 3 1.1 Ein-Perioden-Modelle 4 1.2 Portfolios 7 1.3 Optionen und Forward-Kontrakte 9 1.3.1 Optionen 10 1.3.2 Forward-Kontrakte 12 1.4 Die Bewertung
MehrPortfoliotheorie, Risikomanagenient und die Bewertung von Derivaten
Jürgen Kremer Portfoliotheorie, Risikomanagenient und die Bewertung von Derivaten Zweite, vollständig überarbeitete und erweiterte Auflage 45J Springer Inhaltsverzeichnis Teill Ein-Perioden- Wertpapiermärkte
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung 11. Vorlesung Jochen Köhler 10.05.011 1 Inhalt der heutigen Vorlesung Zusammenfassung Parameterschätzung Übersicht über Schätzung und Modellbildung Modellevaluation
Mehr10 Statistisches Schätzen
10 Statistisches Schätzen 620 10 Statistisches Schätzen 10.1 Punktschätzung 623 10.1.1 Schätzer und ihre Gütekriterien 623 10.1.2 Erwartungstreue 627 10.1.3 Erwartete quadratische Abweichung (MSE) 634
MehrM. Thieme DKG e.v. DEUTSCHE KRANKENHAUSABRECHNUNG IM FOKUS Frühjahrsumfrage 2011 MDK-Prüfung an deutschen Krankenhäusern
1. Einleitung 1.1 Umfrage Medium: Zeitraum: 11.04.2011 bis 27.05.2011 1. Einleitung 1.2 Umfragebogen 1. Einleitung 1.3 Rücklauf Bundesländer: 15 Kliniken: 222 (+35%) Betten: 66.437 (+21%) Patienten: 3,02
MehrDas arithmetische Mittel. x i = = 8. x = 1 4. und. y i = = 8
.2 Einige statistische Maßzahlen.2. Die Schusser in zwei Familien Die vier Kinder der Familie Huber haben x = 5, x 2 = 7, x 3 = 9, x 4 = Schusser. Die vier Kinder der Familie Maier haben y = 7, y 2 = 7,
MehrBetrachten Sie folgenden Datensatz mit Körpergewichten von 10 Personen: Person Körpergewicht in kg
WS 2010/11 Prof. Dr. Ingo Klein Musterklausuraufgaben zur Statistik I Aufgabe 1: Betrachten Sie folgenden Datensatz mit Körpergewichten von 10 Personen: Person 1 2 3 4 5 6 7 8 9 10 Körpergewicht in kg
Mehr6. PORTFOLIOTHEORETISCHE GRUNDLAGEN
Inhaltsverzeichnis Inhaltsverzeichnis INHALTSVERZEICHNIS 9 ANHANGSVERZEICHNIS 13 ABBILDUNGSVERZEICHNIS 14 TABELLENVERZEICHNIS 17 TEILI: EINLEITUNG 19 1. AUSGANGSLAGE 19 2. ASSET ALLOCATION 21 2.1. Assetklassendiversifikation
MehrSubstitutionsverfahren vs. Lagrange-Methode
Substitutionsverfahren vs. Lagrange-Methode 1 Motivation Substitutionsverfahren und Lagrange-Methode sind Verfahren, die es ermöglichen, Optimierungen unter Nebenbedingungen durchzuführen. Die folgende
Mehr3.3 Konfidenzintervalle für Regressionskoeffizienten
3.3 Konfidenzintervalle für Regressionskoeffizienten Konfidenzintervall (Intervallschätzung): Angabe des Bereichs, in dem der "wahre" Regressionskoeffizient mit einer großen Wahrscheinlichkeit liegen wird
MehrÜbungsblatt 9. f(x) = e x, für 0 x
Aufgabe 1: Übungsblatt 9 Basketball. Ein Profi wirft beim Training aus einer Entfernung von sieben Metern auf den Korb. Er trifft bei jedem Wurf mit einer Wahrscheinlichkeit von p = 1/2. Die Zufallsvariable
Mehr13 Mehrdimensionale Zufallsvariablen Zufallsvektoren
3 Mehrdimensionale Zufallsvariablen Zufallsvektoren Bisher haben wir uns ausschließlich mit Zufallsexperimenten beschäftigt, bei denen die Beobachtung eines einzigen Merkmals im Vordergrund stand. In diesem
MehrStatistik I für Betriebswirte Vorlesung 3
Statistik I für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 15. April 2019 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 3 Version: 1. April
MehrKlausur zur Vorlesung
Institut für Mathematische Stochastik WS 2006/2007 Universität Karlsruhe 12. Februar 2007 Priv.-Doz. Dr. D. Kadelka Dipl.-Math. W. Lao Aufgabe 1 (15 Punkte) Klausur zur Vorlesung Statistik für Biologen
MehrStatistik-Klausur vom
Statistik-Klausur vom 27.09.2010 Bearbeitungszeit: 60 Minuten Aufgabe 1 Ein international tätiges Unternehmen mit mehreren Niederlassungen in Deutschland und dem übrigen Europa hat seine überfälligen Forderungen
MehrAufgabenblock 3. Durch zählen erhält man P(A) = 10 / 36 P(B) = 3 / 36 P(C) = 18 / 36 und P(A B) = 3 /
Aufgabenblock 3 Aufgabe ) A sei das Ereignis: schwerer Verkehrsunfall B sei das Ereignis: Alkohol ist im Spiel Herr Walker betrachtet die Wahrscheinlichkeit P(B A) = 0.3 und errechnet daraus P(-B A) =
MehrTests für Erwartungswert & Median
Mathematik II für Biologen 26. Juni 2015 Prolog Varianz des Mittelwerts Beispiel: Waage z-test t-test Vorzeichentest Wilcoxon-Rangsummentest Varianz des Mittelwerts Beispiel: Waage Zufallsvariable X 1,...,X
MehrJahresauswertung 2002 Modul 05/1: Nasenscheidewandkorrektur. Qualitätsmerkmale. Sachsen Gesamt
Qualitätssicherung bei Fallpauschalen und Sonderentgelten Modul 05/1: Qualitätsmerkmale Sachsen Teiln. Krankenhäuser Sachsen: 27 Auswertungsversion: 01. Juli 2003 Datensatzversion: 2002 5.0.1 Mindestanzahl
MehrEvaluation & Forschungsstrategien. B.Sc.-Seminar. Sitzung IV: Konfidenzintervalle // Normalverteilungstests
Evaluation & Forschungsstrategien B.Sc.-Seminar Sitzung V: Konfidenzintervalle // Normalverteilungstests Seminarinhalte Sitzung V: 16.05.2018 Konfidenzintervalle bei bekannter Varianz Konfidenzintervalle
MehrEinige Konzepte aus der Wahrscheinlichkeitstheorie (Wiederh.)
Einige Konzepte aus der Wahrscheinlichkeitstheorie (Wiederh.) 1 Zusammenfassung Bedingte Verteilung: P (y x) = P (x, y) P (x) mit P (x) > 0 Produktsatz P (x, y) = P (x y)p (y) = P (y x)p (x) Kettenregel
MehrDefinition 2.1 Der Erwartungswert einer diskreten Zufallsvariablen mit Wahrscheinlichkeitsfunktion
Kapitel 2 Erwartungswert 2.1 Erwartungswert einer Zufallsvariablen Definition 2.1 Der Erwartungswert einer diskreten Zufallsvariablen mit Wahrscheinlichkeitsfunktion È ist definiert als Ü ÜÈ Üµ Für spätere
Mehri =1 i =2 i =3 x i y i 4 0 1
Aufgabe (5+5=0 Punkte) (a) Bei einem Minigolfturnier traten 6 Spieler gegeneinander an. Die Anzahlen der von ihnen über das gesamte Turnier hinweg benötigten Schläge betrugen x = 24, x 2 = 27, x = 2, x
Mehr3. Betriebswirtschaftliche Entscheidungslehre 3.6 Entscheidung unter Risiko
Dominanzprinzipien : Absolute Dominanz: Eine Alternative A i dominiert eine Alternative A j absolut, wenn das geringstmögliche Ergebnis von A i nicht kleiner ist als das grösstmögliche Ergebnis von A j,
MehrPatienten Blood Management Gesundheitsökonomischer Fußabdruck
Patienten Blood Management Gesundheitsökonomischer Fußabdruck aus dem gleichnamigen Gutachtenprojekt Hauptstadtkongress Satellitensymposium 06. Juni 2018, Berlin (14:00 bis 15:30 Uhr) Dr. Thomas Drabinski
MehrBeispiel 4 (Einige weitere Aufgaben)
1 Beispiel 4 (Einige weitere Aufgaben) Aufgabe 1 Bestimmen Sie für die folgenden Zweierstichproben, d. h. Stichproben, die jeweils aus zwei Beobachtungen bestehen, a) den Durchschnitt x b) die mittlere
MehrFinanzierung und Investition
Kruschwitz/Husmann (2012) Finanzierung und Investition 1/31 Kruschwitz/Husmann (2012) Finanzierung und Investition 2/31 Finanzierung und Investition Kruschwitz/Husmann (2012) Oldenbourg Verlag München
MehrHealth Care Management Entscheidungsunterstützung im Gesundheitswesen. Aktueller Status aus Sicht eines IT-Dienstleisters. Dr. Ralf Gieseke
Health Care Management Entscheidungsunterstützung im Gesundheitswesen Aktueller Status aus Sicht eines IT-Dienstleisters Dr. Ralf Gieseke 12.02.2010 Aktuelle Situation ICH bin der Case Manager! Mein Patient!
MehrDeskriptive Statistik
Deskriptive Statistik Deskriptive Statistik: Ziele Daten zusammenfassen durch numerische Kennzahlen. Grafische Darstellung der Daten. Quelle: Ursus Wehrli, Kunst aufräumen 1 Modell vs. Daten Bis jetzt
MehrZufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential
Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Stetige Zufallsvariable Verteilungsfunktion: Dichtefunktion: Integralrechnung:
Mehr1. Maße der zentralen Tendenz Beispiel: Variable Anzahl der Geschwister aus Jugend '92. Valid Cum Value Frequency Percent Percent Percent
Deskriptive Statistik 1. Verteilungsformen symmetrisch/asymmetrisch unimodal(eingipflig) / bimodal (zweigipflig schmalgipflig / breitgipflig linkssteil / rechtssteil U-förmig / abfallend Statistische Kennwerte
MehrStatistik Übungsblatt 5
Statistik Übungsblatt 5 1. Gaussverteilung Die Verteilung der Messwerte einer Grösse sei durch eine Gaussverteilung mit Mittelwert µ = 7.2 und σ = 1.2 gegeben. (a) Wie gross ist die Wahrscheinlichkeit
MehrVorlesung 8a. Kovarianz und Korrelation
Vorlesung 8a Kovarianz und Korrelation 1 Wir erinnern an die Definition der Kovarianz Für reellwertige Zufallsvariable X, Y mit E[X 2 ] < und E[Y 2 ] < ist Cov[X, Y ] := E [ (X EX)(Y EY ) ] Insbesondere
Mehr