2 Zufallsvariable und Verteilungen
|
|
- Rudolf Schubert
- vor 6 Jahren
- Abrufe
Transkript
1 Zufallsvarable und Vertelungen 7 Zufallsvarable und Vertelungen Wr wollen uns jetzt mt Zufallsexpermenten beschäftgen, deren Ausgänge durch (reelle) Zahlen beschreben werden können, oder be denen man jedem enzelnen Versuchsausgang ene enzelne Zahl zuordnen kann. Bespelswese st jedes möglche Ergebns bem Ausspelen enes Würfels n endeutger Wese durch de Augenzahl bestmmt. Dasselbe glt für de Anzahl defekter Stücke n ener Warenleferung oder den Bohrloch-Durchmesser enes Werkstücks. Alle dese Größen hängen natürlch vom Zufall, genauer vom Ergebns des Zufallsexperments, ab. Man nennt se deshalb auch Zufallsvarable. Betrachten wr enen Stchprobenraum Ω, ene Eregnsalgebra Σ über Ω und ene Wahrschenlchket P auf Σ. Dann versteht man unter ener Zufallsvarablen X ene Funkton X: Ω, für welche de Mengen für alle x, also Eregnsse snd. { ω Ω X( ω) x} Σ Gewöhnlch werden Zufallsvarablen durch Großbuchstaben, etwa X, Y, Z symbolsert. Schrebt man also X für de Augenzahl enes Würfels, dann kann man das Eregns De Augenzahl des ausgespelten Würfels beträgt 4 kurz durch X = 4 ausdrücken, das Eregns De Augenzahl st größer oder glech 3 durch X 3, usw. Entsprechend schrebt man für de Wahrschenlchketen der genannten Eregnsse kurz P(X = 4) bzw. P(X 3). Allgemen kann also ene Zufallsvarable bestmmte Werte oder Wertebereche mt bestmmten Wahrschenlchketen annehmen. Zufallsvarable können n den velfältgsten Formen auftreten, hr Werteberech kann aus endlch velen Werten, abzählbar unendlch oder überabzählbar unendlch velen Werten bestehen. Für de Praxs werden wr daher zwschen dskreten und stetgen Zufallsvarablen unterscheden. Ene Zufallsvarable heßt dskret, wenn se nur endlch oder abzählbar unendlch vele Zahlenwerte annehmen kann. Dagegen kann ene stetge Zufallsvarable jeden Wert (nnerhalb enes bestmmten Intervalls) annehmen. Dementsprechend sprcht man auch von dskreten bzw. stetgen Vertelungen, welche m Folgenden genauer betrachten werden.. Dskrete Vertelungen Allgemen st ene dskrete Zufallsvarable X dadurch defnert, dass se nur bestmmte vorgegebene (höchstens abzählbar vele) Werte x, x, x 3,... mt postven Wahrschenlchketen P(X = x ) = p, P(X = x ) = p, P(X = x 3 ) = p 3,... annmmt. De Wahrschenlchketen p snd dabe ncht negatv und hre Summe ergbt, also p, p, usw. sowe p + p +... =. De durch
2 Zufallsvarable und Vertelungen 8 p x = x f (x) = P(X = x) = sonst erklärte Funkton f heßt Wahrschenlchketsfunkton der Zufallsvarablen X. Ferner nennt man de Funkton F (x) = P(X x) = x x also de Wahrschenlchket dafür, dass de Varable X rgendenen Wert annmmt, der klener oder glech x st de Vertelungsfunkton von X. Zufallsvarable können als theoretsches Gegenstück zu den Merkmalen der deskrptven Statstk angesehen werden. Zwschen der Wahrschenlchketsfunkton und der Vertelungsfunkton ener Zufallsvarablen X besteht dann derselbe Zusammenhang, we er für de relatve Häufgket und relatve Summenhäufgket enes Merkmals glt. Bespel: Bezechnet X de Augenzahl bem Würfeln, dann bestzt de Zufallsvarable X de möglchen Werte x =,, 3, 4, 5 und 6 mt den Wahrschenlchketen bzw. f() = P(X = ) = /6, f() = = f(6) = /6 F() = P(X ) = /6, F() = P(X ) = /6,..., F(6) = P(X 6) =. De Wahrschenlchketsfunkton f(x) und de Vertelungsfunkton F(x) snd n der folgenden Abbldung dargestellt. p Wahrschenlchketsfunkton f(x) (lnks) und Vertelungsfunkton F(x) (rechts) von X Durch de Wahrschenlchkets- bzw. Vertelungsfunkton st ene Zufallsvarable vollständg bestmmt. Oft genügt aber auch, we be der Beschrebung von Stchproben durch Lage- und Streuungsmaße, ene gröbere Charakterserung durch geegnete Maßzahlen. Von desen snd der Mttelwert sowe de Varanz wohl am bedeutsamsten. Der Mttelwert µ (oder auch Erwartungswert E(X)) ener dskreten Zufallsvarablen X mt den möglchen Werten x, x, x 3,... und der Wahrschenlchketsfunkton f st gegeben durch µ = E (X) = x f (x ) und stellt das theoretsche Gegenstück zum arthmetschen Mttel ener emprschen Vertelung dar. Analog st de Varanz σ (oder auch Var(X)) defnert durch σ = Var(X) = (x µ ) f (x ) = E(X µ ).
3 Zufallsvarable und Vertelungen 9 Für de Varanz glt nach dem so genannten Verschebungssatz auch de für das praktsche Rechnen zweckmäßge Formel σ = E(X ) µ. De Wurzel aus der Varanz bezechnet man weder als de Standardabwechung σ. Für das Würfeln bespelswese glt E(X) = ( ) /6 = 3,5, Var(X) = E(X ) µ = ( ) /6 3,5 = 5,7,5 =,9. Somt beträgt de theoretsch erwartete Augenzahl µ = 3,5 und hre Standardabwechung σ =,7. Ganz allgemen gelten für den Erwartungswert und de Varanz von Zufallsvarablen folgende Rechenregeln: E(X + Y) = E(X) + E(Y) E(aX + b) = ae(x) + b für a, b E(XY) = E(X) E(Y), falls X und Y unabhängg snd Var(aX + b) = a Var(X) für a, b Var(X + Y) = Var(X) + Var(Y), falls X und Y unabhängg snd Mt Hlfe deser Regeln lässt sch z.b. der oben genannte Verschebungssatz enfach bewesen, denn mt µ = E(X) glt σ = E(X µ ) = E(X µ X + µ ) = E(X ) µ E(X) + µ = E(X ) µ.. Stetge Vertelungen Vele Zufallsexpermente lassen sch nur unvollständg durch dskrete Zufallsvarable beschreben. Bespelswese kann man bezüglch des Merkmals Körpergröße ener erwachsenen Person ene Entelung n klen, mttel bzw. groß " treffen und desen Eregnssen gewsse Größenndzes, etwa, bzw. zuordnen. Man hätte damt de Körpergröße durch ene dskrete Zufallsvarable mt dre möglchen Werten allerdngs nur sehr grob beschreben. Daran ändert auch ene Verfenerung der Entelung m Prnzp nchts, denn de Körpergröße st von stetger Natur, d.h., se kann jeden belebgen Wert enes bestmmten Intervalls annehmen. Es st daher nahelegend, se durch ene entsprechende Zufallsvarable X zu beschreben, für de alle Werte des betrachteten Intervalls auch möglche Werte darstellen. Das Eregns 75 < X < 8 bespelswese bedeutet, dass X rgendenen Wert aus dem Intervall (75, 8) annmmt. Das Eregns X = 8 hngegen besagt, dass de Varable X den Wert 8 exakt annmmt, und bestzt m Fall ener stetgen Zufallsvarablen stets de Wahrschenlchket. Wr können n desem Fall nur für Eregnsse, de dadurch charaktersert snd, dass X n en vorgegebenes Intervall fällt, ene postve Wahrschenlchket angeben.
4 Zufallsvarable und Vertelungen An de Stelle der Wahrschenlchketsfunkton ener dskreten Zufallsvarablen trtt nun de so genannte Wahrschenlchketsdchte (oder kurz Dchte) f der stetgen Varablen X. Dabe ordnet de Funkton f jedem Wert x ene Zahl f(x) derart zu, dass zu belebg vorgegebenen Werten a und b für de Wahrschenlchket P(a < X < b) glt P(a X b) f (x) dx < < =. De Wahrschenlchket des Eregnsses a < X < b kann also durch de Fläche ausgedrückt werden, de von der Kurve der Wahrschenlchketsdchte und der x-achse zwschen x = a und x = b engeschlossen st (vgl. nachstehende Abbldung). De Zufallsvarable X wrd als stetge Zufallsvarable bezechnet und wr sprechen von ener stetgen Vertelung der Varablen X. b a Jede stetge Zufallsvarable X bestzt ene Vertelungsfunkton F, welche analog zum dskreten Fall defnert st durch wobe f de Dchte der Varablen X bezechnet. F(x) = P(X x) = f (t) dt, Zwschen der Vertelungsfunkton F und der Dchtefunkton f ener stetgen Zufallsvarablen X besteht der folgende Zusammenhang: b P(a < X < b) = f (x) dx = F(b) F(a), a wobe auf der lnken Sete der Glechung ebenso P(a X < b), P(a < X b) oder P (a X b) stehen kann. Mathematsch gesprochen st de Vertelungsfunkton F ene Stammfunkton von f und daher de Dchte f de Abletung von F. Im Zusammenhang mt der Interpretaton der Wahrschenlchketsdchte f se betont, dass de Werte von f ncht als Wahrschenlchketen angesehen werden können; f muss zwar größer glech aber keneswegs überall klener als sen. Wahrschenlchketen werden ledglch durch Flächen unter der Dchtekurve f dargestellt. Offenschtlch st de Gesamtfläche unter der Dchtekurve von f glech, der Wahrschenlchket des scheren Eregnsses: x
5 Zufallsvarable und Vertelungen f (x) dx =. We m dskreten Fall können auch stetge Vertelungen durch hren Mttelwert bzw. Erwartungswert und hre Varanz beschreben werden. Dabe st der Erwartungswert E(X) ener stetgen Zufallsvarablen X mt der Dchtefunkton f defnert durch und de Varanz Var(X) erhält man gemäß µ = E(X) = x f (x) dx, σ = Var(X) = (x µ ) f (x) dx = x f (x) dx µ wobe sch das zuletzt angeführte Integral weder aus dem Verschebungssatz ergbt. Sämtlche m vorhergehenden Abschntt für dskrete Zufallsvarable angegebenen Rechenregeln für das Rechnen mt Erwartungswerten und Varanzen gelten auch m stetgen Fall. Bespel: Es se X ene stetge Varable mt der Dchtefunkton f(x) = x für x (und f(x) = sonst). Offenschtlch st f ene stetge und damt ntegrerbare Funkton mt f(x) und f (x) dx = x dx = x =, und für de Vertelungsfunkton glt F(x) = für x <, F(x) = x für x und F(x) = für x > (sehe Abbldung). Für den Erwartungswert µ und de Varanz σ von X berechnet man x f (x) dx x dx, µ = = = σ = x f (x) dx µ = x dx =. 9 8
6 Zufallsvarable und Vertelungen Neben Erwartungswert und Varanz stellen auch de Quantle wchtge Kenngrößen ener Vertelung dar. Allgemen versteht man unter dem p-quantl x p ener Zufallsvarablen X für enen Wert von p mt < p < jene Zahl, für de glt F(x p ) = P(X x p ) = p. De Wahrschenlchket dafür, dass de Zufallsvarable X Werte unterhalb von x p annmmt, st also glech p. Für p =,5 erhält man den Medan, der mt glecher Wahrschenlchket (nämlch,5) über- bzw. unterschrtten wrd, für p =,5 bzw. p =,75 nennt man de entsprechenden Quantle auch unteres bzw. oberes Quartl. Bespel: In obgem Bespel ergbt sch für das p-quantl allgemen p p p F(x ) = x = p x = p, also nsbesondere für den Medan x,5 = / =, 7. Ene grundlegende Aussage über de Vertelung der Werte ener belebgen Zufallsvarablen macht de folgende Unglechung von Tschebyscheff: Se X ene Zufallsvarable mt Erwartungswert µ = E(X) und Varanz σ = Var(X), dann glt σ P( X µ > ε) für jedes ε >, ε d.h., dass X nur mt klener Wahrschenlchket Werte annmmt, de wet vom Mttelwert µ entfernt snd. Bewes (für ene stetge Zufallsvarable X): Für belebges ε > glt σ = (x µ ) f (x)dx µ ε (x ) f (x)dx (x ) f (x)dx µ + µ µ ε ε f (x)dx + = ε µ > ε µ+ε P( X ), µ+ε f (x)dx woraus de behauptete Unglechung unmttelbar folgt. De Bedeutung deser Unglechung legt darn, dass Se de Abwechung der Varablen X vom Mttel µ nur n Abhänggket von der Varanz σ angbt, und unabhängg von der spezellen Form der Vertelung st. Setzt man ε = kσ, so erhält man de Unglechung n der Form P( X µ > k σ) für jedes k >. k Das bedeutet z.b. für k =, dass P( X µ > σ) /4 st, und für k = 3 glt P( X µ > 3σ) /9, d.h., zumndest 8/9 aller Werte ener belebgen Vertelung legen nnerhalb der 3σ- Grenzen um den Mttelwert.
Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
Lehrstuhl für Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen
MehrVersicherungstechnischer Umgang mit Risiko
Verscherungstechnscher Umgang mt Rsko. Denstlestung Verscherung: Schadensdeckung von für de enzelne Person ncht tragbaren Schäden durch den fnanzellen Ausglech n der Zet und m Kollektv. Des st möglch über
MehrStandardnormalverteilung / z-transformation
Standardnormalvertelung / -Transformaton Unter den unendlch velen Normalvertelungen gbt es ene Normalvertelung, de sch dadurch ausgeechnet st, dass se enen Erwartungswert von µ 0 und ene Streuung von σ
Mehr2πσ. e ax2 dx = x exp. 2πσ. 2σ 2. Die Varianz ergibt sich mit Hilfe eines weiteren bestimmten Integrals: x 2 e ax2 dx = 1 π.
2.5. NORMALVERTEILUNG 27 2.5 Normalvertelung De n der Statstk am häufgsten benutzte Vertelung st de Gauss- oder Normalvertelung. Wr haben berets gesehen, dass dese Vertelung aus den Bnomal- und Posson-Vertelungen
MehrKonkave und Konvexe Funktionen
Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage
MehrFORMELSAMMLUNG STATISTIK (I)
Statst I / B. Zegler Formelsammlng FORMELSAMMLUG STATISTIK (I) Statstsche Formeln, Defntonen nd Erläterngen A a X n qaltatves Mermal Mermalsasprägng qanttatves Mermal Mermalswert Anzahl der statstschen
MehrAuswertung univariater Datenmengen - deskriptiv
Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;
Mehr3. Lineare Algebra (Teil 2)
Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw
Mehr6. Modelle mit binären abhängigen Variablen
6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch
MehrEinführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung. Übersicht. Wahrscheinlichkeitsrechnung. bedinge Wahrscheinlichkeit
Enführung n de bednge Wahrschenlchket Laplace-Wahrschenlchket p 0.56??? Zufallsexperment Randwahrschenlchket Überscht Was st Wahrschenlchket? Rechenregeln Der Multplkatonssatz Axomatsche Herletung Unabhänggket
MehrStatistik und Wahrscheinlichkeit
Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse
MehrAuswertung univariater Datenmengen - deskriptiv
Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;
MehrKreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord
1 Kredtrskomodellerung und Rskogewchte m Neuen Baseler Accord erschenen n: Zetschrft für das gesamte Kredtwesen (ZfgK), 54. Jahrgang, 2001, S. 1004-1005. Prvatdozent Dr. Hans Rau-Bredow, Lehrstuhl für
MehrStochastik - Kapitel 4
Aufgaben ab Sete 5 4. Zufallsgrößen / Zufallsvarablen und hre Vertelungen 4. Zufallsgröße / Zufallsvarable Defnton: Ene Zufallsgröße (Zufallsvarable) X ordnet jedem Versuchsergebns ω Ω ene reelle Zahl
Mehrnonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen
arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree
MehrAufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):
LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete
Mehr6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen
196 6.5. Rückgewnnung des Zetvorgangs: Rolle der Pole und Nullstellen We n 6.2. und 6.. gezegt wurde, st de Übertragungsfunkton G( enes lnearen zetnvaranten Systems mt n unabhänggen Spechern ene gebrochen
MehrBeim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):
Aufgabe 1 (4 + 2 + 3 Punkte) Bem Wegen von 0 Respaketen ergaben sch folgende Gewchte X(n Gramm): 1 2 3 4 K = (x u, x o ] (98,99] (99, 1000] (1000,100] (100,1020] n 1 20 10 a) Erstellen Se das Hstogramm.
MehrFunktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e
Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de
MehrMethoden der innerbetrieblichen Leistungsverrechnung
Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den
MehrDiskrete Mathematik 1 WS 2008/09
Ruhr-Unverstät Bochum Lehrstuhl für Kryptologe und IT-Scherhet Prof. Dr. Alexander May M. Rtzenhofen, M. Mansour Al Sawad, A. Meurer Lösungsblatt zur Vorlesung Dskrete Mathematk 1 WS 2008/09 Blatt 7 /
Mehr12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2
1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:
Mehr1 Definition und Grundbegriffe
1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:
MehrStochastische Prozesse
INSTITUT FÜR STOCHASTIK SS 2009 UNIVERSITÄT KARLSRUHE Blatt 2 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 7: (B. Fredmans Urnenmodell)
MehrGruppe. Lineare Block-Codes
Thema: Lneare Block-Codes Lneare Block-Codes Zele Mt desen rechnerschen und expermentellen Übungen wrd de prnzpelle Vorgehenswese zur Kanalcoderung mt lnearen Block-Codes erarbetet. De konkrete Anwendung
MehrAUFGABEN ZUR INFORMATIONSTHEORIE
AUFGABEN ZUR INFORMATIONSTHEORIE Aufgabe Wr betrachten das folgende Zufallsexperment: Ene fare Münze wrd so lange geworfen, bs erstmals Kopf erschent. De Zufallsvarable X bezechne de Anzahl der dazu notwendgen
MehrWir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt
Kaptel 3 Zwe Personen Spele 3.1 Matrxspele 3.2 Matrxspele n gemschten Strategen 3.3 B Matrxspele und quadratsche Programme 3.4 B Matrxspele und lneare Komplementartätsprobleme 3.1 Matrxspele Wr betrachten
MehrPolygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com.
Verfahren für de Polygonalserung ener Kugel Eldar Sultanow, Unverstät Potsdam, sultanow@gmal.com Abstract Ene Kugel kann durch mathematsche Funktonen beschreben werden. Man sprcht n desem Falle von ener
MehrSeminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -
Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole
Mehr4. Musterlösung. Problem 1: Kreuzende Schnitte **
Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Übung/Tutorate Statistik II: Schließende Statistik SS 2007
Übung/Tutorate Statstk II: Schleßende Statstk SS 7 Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt
Mehr1.1 Das Prinzip von No Arbitrage
Fnanzmärkte H 2006 Tr V Dang Unverstät Mannhem. Das Prnzp von No Arbtrage..A..B..C..D..E..F..G..H Das Framework Bespele Das Fundamental Theorem of Fnance Interpretaton des Theorems und Zustandsprese No
MehrDie Zahl i phantastisch, praktisch, anschaulich
Unverstät Würzburg 977 Würzburg Telefon: (91 888 5598 De Zahl phantastsch, praktsch, anschaulch De Geschchte der Zahl war dre Jahrhunderte lang dadurch geprägt, dass se und damt de kompleen Zahlen n Mathematkerkresen
MehrSpiele und Codes. Rafael Mechtel
Spele und Codes Rafael Mechtel Koderungstheore Worum es geht Über enen Kanal werden Informatonen Übertragen. De Informatonen werden dabe n Worte über enem Alphabet Q übertragen, d.h. als Tupel w = (w,,
MehrFlußnetzwerke - Strukturbildung in der natürlichen Umwelt -
Flußnetzwerke - Strukturbldung n der natürlchen Umwelt - Volkhard Nordmeer, Claus Zeger und Hans Joachm Schlchtng Unverstät - Gesamthochschule Essen Das wohl bekannteste und größte exsterende natürlche
MehrKlasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten
Versuch r. 1: achwes des Hook schen Gesetzes und Bestmmung der Federkonstanten achwes des Hookeschen Gesetzes und Bestmmung der Federkonstanten Klasse : ame1 : ame 2 : Versuchszel: In der Technk erfüllen
MehrAuswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07
Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 3.Auflage Dese Broschüre hlft bem Verfassen und Betreuen von Maturaarbeten. De 3.Auflage
MehrSteuerungsverfahren und ihre Datenstrukturen 09 - Netzplantechnik
und hre Datenstrukturen 9-9....2 9. Zetplanung...2 9.. CPM... 3 9..2 PERT... 9..3 MPM... 5 9..4 Verglech zwschen CPM und MPM... 22 9.2 Ausblck: Kosten- und Kapaztätsplanung...23 9.3 Entschedungsnetzpläne...24
Mehr8 Logistische Regressionsanalyse
wwwstatstkpaketde 8 Logstsche Regressonsanalyse De logstsche Regressonsanalyse dent der Untersuchung des Enflusses ener quanttatven Varable auf ene qualtatve (n unserem Fall dchotomen Varable Wr gehen
Mehr18. Dynamisches Programmieren
8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus
MehrOrdered Response Models (ORM)
Handout: Mkroökonometre Ordered Response Models Domnk Hanglberger - SS 28 Ordered Response Models (ORM) Ist de abhängge Varable ordnal skalert (d.h. hre Kategoren lassen sch n ene Rangrehenfolge brngen,
MehrDer Satz von COOK (1971)
Der Satz von COOK (1971) Voraussetzung: Das Konzept der -Band-Turng-Maschne (TM) 1.) Notatonen: Ene momentane Beschrebung (mb) ener Konfguraton ener TM st en -Tupel ( α1, α2,..., α ) mt α = xqy, falls
MehrDefinitorische Konstruktion induktiver Datentypen in Isabelle/HOL
TECHNISCHE UNIVERSITÄT MÜNCHEN INSTITUT FÜR INFORMATIK Defntorsche Konstrukton nduktver Datentypen n Isabelle/HOL Dplomarbet Stefan Berghofer INSTITUT FÜR INFORMATIK TECHNISCHE UNIVERSITÄT MÜNCHEN Defntorsche
MehrFinanzwirtschaft. Kapitel 3: Simultane Investitions- und Finanzplanung. Lehrstuhl für Finanzwirtschaft - Universität Bremen 1
Fnanzwrtschaft Kaptel 3: Smultane Investtons- und Fnanzplanung Prof. Dr. Thorsten Poddg Lehrstuhl für Allgemene Betrebswrtschaftslehre, nsbes. Fnanzwrtschaft Unverstät Bremen Hochschulrng 4 / WW-Gebäude
MehrFallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung
Fallstude 4 Qualtätsregelkarten (SPC) und Versuchsplanung Abgabe: Lösen Se de Aufgabe 1 aus Abschntt I und ene der beden Aufgaben aus Abschntt II! Aufgabentext und Lösungen schrftlch bs zum 31.10.2012
MehrIch habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf.
Ich habe en Bespel ähnlch dem der Ansys-Issue [ansys_advantage_vol_ssue3.pdf durchgeführt. Es stammt aus dem Dokument Rfatgue.pdf. Abbldung 1: Bespel aus Rfatgue.pdf 1. ch habe es manuell durchgerechnet
MehrLineare Regression (1) - Einführung I -
Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:
Mehr3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale
3. De Kennzechnung von Patkeln 3..1 Patkelmekmale De Kennzechnung von Patkeln efolgt duch bestmmte, an dem Patkel mess bae und deses endeutg beschebende physka lsche Gößen (z.b. Masse, Volumen, chaaktestsche
Mehr5. ZWEI ODER MEHRERE METRISCHE MERKMALE
5. ZWEI ODER MEHRERE METRISCHE MERKMALE wenn an ener Beobachtungsenhet zwe (oder mehr) metrsche Varablen erhoben wurden wesentlche Problemstellungen: Frage nach Zusammenhang: Bsp.: Duxbury Press (sehe
Mehr1 BWL 4 Tutorium V vom 15.05.02
1 BWL 4 Tutorum V vom 15.05.02 1.1 Der Tlgungsfaktor Der Tlgungsfaktor st der Kehrwert des Endwertfaktors (EWF). EW F (n; ) = (1 + )n 1 T F (n; ) = 1 BWL 4 TUTORIUM V VOM 15.05.02 (1 ) n 1 Mt dem Tlgungsfaktor(TF)
MehrKapitel 2: Klassifikation. Maschinelles Lernen und Neural Computation
Kaptel 2: Klassfkaton Maschnelles Lernen und Neural Computaton 28 En enfacher Fall En Feature, Hstogramme für bede Klassen (z.b. Glukosewert, Dabetes a/nen) Kene perfekte Trennung möglch Entschedung: Schwellwert
MehrMathematik der Finanzmärkte Vorlesungsskript
Mathematk der Fnanzmärkte Vorlesungsskrpt Wnter 24/25 Achm Klenke Insttut für Mathematk Johannes Gutenberg-Unverstät Manz Staudngerweg 9 D-5599 Manz 16. Februar 25 korrgert: 11. Aprl 25 2 Inhaltsverzechns
MehrF A C H H O C H S C H U L E W E D E L. Seminararbeit Informatik
F A C H H O C H S C H U L E W E D E L Semnararbet Informatk n der Fachrchtung Wrtschaftsnformatk Themenberech Künstlche Intellgenz Thema Nr. 3 Dskrmnanzanalyse Engerecht von: Erarbetet m: Patrck Wolf Wedeler
MehrEinführung in die Finanzmathematik
1 Themen Enführung n de Fnanzmathematk 1. Znsen- und Znsesznsrechnung 2. Rentenrechnung 3. Schuldentlgung 2 Defntonen Kaptal Betrag n ener bestmmten Währungsenhet, der zu enem gegebenen Zetpunkt fällg
MehrTemporäre Stilllegungsentscheidungen mittels stufenweiser E W U F W O R K I N G P A P E R
Temporäre Stlllegungsentschedungen mttels stufenweser Grenzkostenrechnung E W U F W O R K I N G P A P E R Mag. Dr. Thomas Wala, FH des bf Wen PD Dr. Leonhard Knoll, Unverstät Würzburg Mag. Dr. Stephane
MehrQuantitatives Prognosemodell für die Anwendung des Black-Litterman-Verfahrens
Quanttatves Prognosemodell für de Anwendung des Black-Ltterman-Verfahrens Franzska Felke* und Marc Gürtler** Abstract: De chätzung erwarteter Wertpaperrendten stellt ene der zentralen Aufgaben n der praktschen
MehrIngenieurmonitor Fachkräftebedarf und -angebot nach Berufsordnungen und regionalen Arbeitsmärkten
Methodenbercht Ingeneurmontor Fachkräftebedarf und -angebot nach Berufsordnungen und regonalen Arbetsmärkten n Kooperaton mt: Veren Deutscher Ingeneure e.v. (VDI) VDI-Platz 1 40468 Düsseldorf Ansprechpartner
MehrZinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung
Znsesznsformel (Abschntt 1.2) 3 Investton & Fnanzerung 1. Fnanzmathematk Unv.-Prof. Dr. Dr. Andreas Löffler (AL@wacc.de) t Z t K t Znsesznsformel 0 1.000 K 0 1 100 1.100 K 1 = K 0 + K 0 = K 0 (1 + ) 2
Mehr9 Phasengleichgewicht in heterogenen Mehrkomponentensystemen
9 Phasenglechgewcht n heterogenen Mehrkomonentensystemen 9. Gbbs sche Phasenregel α =... ν Phasen =... k Komonenten Y n (α) -Molzahl der Komonente Y n der Phase α. Für jede Phase glt ene Gbbs-Duhem-Margules
MehrVERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE
VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE Karl Rudolf KOCH Knut RIESMEIER In: WELSCH, Walter (Hrsg.) [1983]: Deformatonsanalysen 83 Geometrsche Analyse und Interpretaton von Deformatonen
MehrKreditrisikomodelle und Diversifikation erschienen in: Zeitschrift für Bankrecht und Bankwirtschaft (ZBB), 14. Jahrgang, 2002, S.9-17.
1 Kredtrskomodelle und Dversfkaton erschenen n: Zetschrft für Bankrecht und Bankwrtschaft (ZBB), 14. Jahrgang, 2002, S.9-17. Dr. oec. publ. Hans Rau-Bredow, Prvatdozent an der Unverstät Würzburg Kontakt:
MehrSIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT
Smulaton von Hybrdfahrzeugantreben mt optmerter Synchronmaschne 1 SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT OPTIMIERTER SYNCHRONMASCHINE H. Wöhl-Bruhn 1 EINLEITUNG Ene Velzahl von Untersuchungen hat sch
MehrFür wen ist dieses Buch? Was ist dieses Buch? Besonderheiten. Neu in dieser Auflage
Für wen st deses Bch? Das Taschenbch der Elektrotechnk rchtet sch an Stdentnnen nd Stdenten an nverstäten nd Fachhochschlen n den Berechen Elektrotechnk Nachrchtentechnk Technsche Informatk allgemene Ingenerwssenschaften
MehrOrdnungsstatistiken und Quantile
KAPITEL Ordugsstatste ud Quatle Um robuste Lage- ud Streuugsparameter eführe zu öe, beötge wr Ordugsstatste ud Quatle... Ordugsstatste ud Quatle Defto... Se (x,..., x R ee Stchprobe. Wr öe de Elemete der
MehrBoost-Schaltwandler für Blitzgeräte
jean-claude.feltes@educaton.lu 1 Boost-Schaltwandler für Bltzgeräte In Bltzgeräten wrd en Schaltwandler benutzt um den Bltzkondensator auf ene Spannung von engen 100V zu laden. Oft werden dazu Sperrwandler
Mehr9 Diskriminanzanalyse
9 Dskrmnanzanalyse Zel ener Dskrmnanzanalyse: Berets bekannte Objektgruppen (Klassen/Cluster) anhand hrer Merkmale charakterseren und unterscheden sowe neue Objekte n de Klassen enordnen. Nötg: Lernstchprobe
MehrIonenselektive Elektroden (Potentiometrie)
III.4.1 Ionenselektve Elektroden (otentometre) Zelstellung des Versuches Ionenselektve Elektroden gestatten ene verhältnsmäßg enfache und schnelle Bestmmung von Ionenkonzentratonen n verschedenen Meden,
MehrPortfoliothorie (Markowitz) Separationstheorem (Tobin) Kapitamarkttheorie (Sharpe
Portfolothore (Markowtz) Separatonstheore (Tobn) Kaptaarkttheore (Sharpe Ene Enführung n das Werk von dre Nobelpresträgern zu ene Thea U3L-Vorlesung R.H. Schdt, 3.12.2015 Wozu braucht an Theoren oder Modelle?
MehrFranzis Verlag, 85586 Poing ISBN 978-3-7723-4046-8 Autor des Buches: Leonhard Stiny
eseproben aus dem Buch "n mt en zur Elektrotechnk" Franzs Verlag, 85586 Pong ISBN 978--77-4046-8 Autor des Buches: eonhard Stny Autor deser eseprobe: eonhard Stny 005/08, alle echte vorbehalten. De Formaterung
MehrPhysikalisches Praktikum PAP 1 für Physiker (B.Sc.) September 2010
Physkalsches Praktkum PAP 1 für Physker (B.Sc.) September 010 (Kurze) Enführung n de Grundlagen der Fehlerrechnung oder besser: Bestmmung von Messunscherheten Step nsde, lades & gentlemen, sad the museum
Mehr2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar.
. Nullstellensuche Enes der ältesten numerschen Probleme stellt de Bestmmung der Nullstellen ener Funkton = dar. =c +c =c +c +c =Σc =c - sn 3 Für ene Gerade st das Problem trval, de Wurzel ener quadratschen
MehrVisualisierung der Volatilität bei der Interpolation von Zeitreihen: Excel-Makro Saffint
Vsualserung der Volatltät be der Interpolaton von Zetrehen: Excel-Makro Saffnt Norman Fckel Fredrch-Alexander-Unverstät Erlangen-Nürnberg Wrtschafts- und Sozalwssenschaftlche Fakultät Lehrstuhl für Statstk
MehrHat die Wahl des Performancemaßes einen Einfluss auf die Beurteilung von Hedgefonds-Indizes?
Hat de Wahl des Performancemaßes enen Enfluss auf de Beurtelung von Hedgefonds-Indzes? Von Martn Elng, St. Gallen, und Frank Schuhmacher, Lepzg Ene zentrale Fragestellung n der wssenschaftlchen Ausenandersetzung
MehrNetzwerkstrukturen. Entfernung in Kilometer:
Netzwerkstrukturen 1) Nehmen wr an, n enem Neubaugebet soll für 10.000 Haushalte en Telefonnetz nstallert werden. Herzu muss von jedem Haushalt en Kabel zur nächstgelegenen Vermttlungsstelle gezogen werden.
MehrÜbung zur Vorlesung. Informationstheorie und Codierung
Übung zur Vorlesung Informatonstheore und Coderung Prof. Dr. Lla Lajm März 25 Ostfala Hochschule für angewandte Wssenschaften Hochschule Braunschweg/Wolfenbüttel Postanschrft: Salzdahlumer Str. 46/48 3832
MehrNernstscher Verteilungssatz
Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.
MehrStatistik. 1. Vorbereitung / Planung - präzise Formulierung der Ziele - detaillierte Definition des Untersuchungsgegenstandes
Statstk Defnton: Entwcklung und Anwendung von Methoden zur Erhebung, Aufberetung, Analyse und Interpretaton von Daten. Telgebete der Statstk: - Beschrebende (deskrptve) Statstk - Wahrschenlchketsrechnung
MehrKlassische Gatter und Logikelemente. Seminarvortrag zu Ausgewählte Kapitel der Quantentheorie Quantenalgorithmen
Klasssche Gatter und Logkelemente Semnarvortrag zu Ausgewählte Kaptel der Quantentheore Quantenalgorthmen Gerd Ch. Krzek WS 2003 I. Grundlagen und Methoden der Logk: Im folgenden soll de Konstrukton und
Mehrbinäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt:
Informatk I 6. Kaptel Raner Schrader Zentrum für Angewandte Informatk Köln 4. Jun 008 Wr haben bsher behandelt: Suchen n Lsten (lnear und verkettet) Suchen mttels Hashfunktonen jewels unter der Annahme,
MehrFür jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich
Drtter Hauptsatz der Thermodynamk Rückblck auf vorherge Vorlesung Methoden zur Erzeugung tefer Temperaturen: - umgekehrt laufende WKM (Wärmepumpe) - Joule-Thomson Effekt bs 4 K - Verdampfen von flüssgem
MehrGrundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften
Bassmodul Makroökonomk /W 2010 Grundlagen der makroökonomschen Analyse klener offener Volkswrtschaften Terms of Trade und Wechselkurs Es se en sogenannter Fall des klenen Landes zu betrachten; d.h., de
MehrLineare Regression. Werner Stahel Seminar für Statistik, ETH Zürich. Mai 2008 / Sept. 2013
Lneare Regresson Werner Stahel Semnar für Statstk, ETH Zürch Ma 2008 / Sept. 2013 Unterlagen zum Tel 1 der Vorlesung / des Kurses n Angewandter Regresson 1 Enführung n de statstsche Regressonsrechnung
MehrEmpirische Sozialforschung Eine Übersicht Ansgar A. Plassmann
Emprsche Sozalforschung Ene Überscht Ansgar A. Plassmann 1) Defntonen Emprsche Forschung such nach Erkenntnssen durch systematsche Auswertung von Erfahrungen emprsch : aus dem Grechschen auf Erfahrung
MehrNomenklatur - Übersicht
Nomenklatur - Überscht Name der synthetschen Varable Wert der synthetschen Varable durch synth. Varable erklärte Gesamt- Streuung durch synth. Varable erkl. Streuung der enzelnen Varablen Korrelaton zwschen
MehrNumerische Klassifikation (Cluster Analyse) anhand nominaler, ordinaler oder gemischter Merkmale
2 Schrften aus der Fakultät Sozal- und Wrtschaftswssenschaften der Otto-Fredrch-Unverstät Bamberg Numersche lassfkaton (Cluster Analyse) anhand nomnaler, ordnaler oder gemschter Merkmale Theore und Praxs
MehrQuant oder das Verwelken der Wertpapiere. Die Geburt der Finanzkrise aus dem Geist der angewandten Mathematik
Quant der das Verwelken der Wertpapere. De Geburt der Fnanzkrse aus dem Gest der angewandten Mathematk Dmensnen - de Welt der Wssenschaft Gestaltung: Armn Stadler Sendedatum: 7. Ma 2012 Länge: 24 Mnuten
MehrZur Außen-Bewertung von Freigeld
Zur Außen-Bewertung von Fregeld Nkolaus K.A. Läufer 8.1.2006 1 De Fragestellung und hre Voraussetzungen De Frage der Bewertung von Fregeld st nur dann nteressant, wenn es mndestens zwe parallele Währungen
Mehr6 Wandtafeln. 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln. 6.3.1 Allgemeines
6 Wandtafeln 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln 6.3.1 Allgemenes Be der Berechnung der auf de enzelnen Wandtafeln entfallenden Horzontalkräfte wrd ene starre Deckenschebe angenommen.
MehrOnline Algorithmen. k-server randomisiert Teil II
Onlne Algorthmen k-server randomsert Tel II Ausarbetung für das Semnar Onlne Algorthmen Prof. Dr. Ro. Klen Anette Ebbers-Baumann Ansgar Grüne Insttut für Informatk Theorethsche Informatk und formale Methoden
MehrHAT DIE WAHL DES PERFORMANCEMAßES EINEN EINFLUSS
HAT DIE WAHL DES PERFORMANCEMAßES EINEN EINFLUSS AUF DIE BEURTEILUNG VON HEDGEFONDS-INDIZES? MARTIN ELING FRANK SCHUHMACHER WORKING PAPERS ON RISK MANAGEMENT AND INSURANCE NO. 10 EDITED BY HATO SCHMEISER
MehrStatistische Regressionsmodelle
Statstsche Regressonsmodelle Tel II: Verallgemenerte Lneare Modelle Werner Stahel Semnar für Statstk, ETH Zürch März 2005 / Ma 2008 Zweter Tel der Unterlagen zu enem Kurs über Regressonsmodelle, gehalten
Mehr13.Selbstinduktion; Induktivität
13Sebstndukton; Induktvtät 131 Sebstndukton be En- und Ausschatvorgängen Versuch 1: Be geschossenem Schater S wrd der Wderstand R 1 so groß gewäht, dass de Gühämpchen G 1 und G 2 gech he euchten Somt snd
MehrUnter der Drehgruppe verstehen wir diegruppe der homogenen linearen Transformationen
Darstellunstheore der SO() und SU() Powtschnk Alexander. Defnton Darstellun Ene Darstellun ener Gruppe G st homomorphe Abbldun von deser Gruppe auf ene Gruppe nchtsnulärer lnearer Operatoren auf enem Vektorraum
MehrOperations Research II (Netzplantechnik und Projektmanagement)
Operatons Research II (Netzplantechnk und Projektmanagement). Aprl Frank Köller,, Hans-Jörg von Mettenhem & Mchael H. Bretner.. # // ::: Gute Vorlesung:-) Danke! Feedback.. # Netzplantechnk: Überblck Wchtges
MehrBAM-Leitfaden zur Ermittlung von Messunsicherheiten bei quantitativen Prüfergebnissen 1. Fassung 11. vom März 2004
Dr. rer. nat. Werner Hässelbarth BAM-Letfaden zur Ermttlung von Messunscherheten be quanttatven Prüfergebnssen. Fassung. vom März 004 Forschungsbercht 66 Berln 004 Autor: Textbeträge: Redakton: Fregabe:
Mehr"Zukunft der Arbeit" Arbeiten bis 70 - Utopie - oder bald Realität? Die Arbeitnehmer der Zukunft
"Zukunft der Arbet" Arbeten bs 70 - Utope - oder bald Realtät? De Arbetnehmer der Zukunft Saldo - das Wrtschaftsmagazn Gestaltung: Astrd Petermann Moderaton: Volker Obermayr Sendedatum: 7. Dezember 2012
MehrWas haben Schüler und Großbanken gemein?
Armn Fügenschuh Aleander Martn Was haben Schüler und Großbanken gemen? Mathematsche Modellerung Analyse und Lösung am Bespel des Rucksackproblems Unter gegebenen Randbedngungen optmale Entschedungen zu
MehrWIB 2 Mathematik und Statistik Formelsammlung. Z Menge der ganzen Zahlen {...,-3,-2,-1,0,1,2,3,...}
1 Allgeme Geometrsche Rehe: q t = 1 q1 t=0 1 q Mtterachtsformel: ax 2 bxc=0 x 1/ 2 = b±b2 4ac 2a Bomsche Formel: 1. ab 2 =a 2 2abb 2 2. a b 2 =a 2 2abb 2 3. ab a b=a 2 b 2 Wurzel: ugerade 1 Ergebs gerade
MehrInstitut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban
Insttut für Stochastk Prof Dr N Bäuerle Dpl-Math S Urban Lösungsvorschlag 6 Übungsblatt zur Vorlesung Fnanzatheatk I Aufgabe Put-Call-Party Wr snd nach Voraussetzung n ene arbtragefreen Markt, also exstert
Mehr