9. Credibility: 9.1. Problemstellung. 9.1 Problemstellung
|
|
|
- Volker Wetzel
- vor 6 Jahren
- Abrufe
Transkript
1 9. Credblty
2 9. Credblty: 9.. Problemstellug 9. Problemstellug
3 9. Credblty: 9.. Problemstellug Utersched zur klasssche Statstk GLM s etc. Modellaahme: Homogee Kollektve, welche durch gleche Auspräguge der Rskomerkmale Rsko-Zelle defert werde. Ierhalb der homogee Kollektve werde für alle Rske detsche Verteluge uterstellt. Zel der klasssche Statstk: Schätzug der gemesame Vertelug der Rske erhalb ees homogee Kollektvs dabe beutzt de Schätzug auch Iformatoe über adere Kollektve Zelle sehe Kaptel 8 über Verallgemeerte Leare Modelle.
4 9. Credblty: 9.. Problemstellug Credblty De Credblty-Theore stellt mathematsche Verfahre zur Verfügug, de es erlaube, de zuächst ehetlche Nettorskopräme E X auf der Bass der später beobachtete Schadehöhe so zu dfferezere, dass für ede Polce ee dem tatsächlche Rsko agemessee Präme zu zahle st. Credblty uterstellt für edes Rsko ee dvduelle der Zet kostate Vertelug.
5 9. Credblty: 9.. Problemstellug 5 Bedeutug des Kollektvs: De Parameter der rskodvduelle Vertelug spezell dere Erwartugswerte uterlege eer durch das Kollektv deferte Vertelug U Strukturvertelug. Wetere über de Kets der Strukturvertelug hausgehede Iformatoe über de dvduelle Vertelug des ezele Rskos werde cht betrachtet. Jede wetere Iformato st berets der Kollektvbldug ethalte d.h. m betrachtete Kollektv werde a pror alle Rske als glech betrachtet!. Zel: Schätzug der dvduelle Vertelug der Ezelrske aus der vorlegede Iformato über das Kollektv ud aus der rskodvduelle Schadeerfahrug.
6 9. Credblty: 9.. Problemstellug 6 Allgemee Vorgeheswese:. Kollektv-Bldug: Bldug vo möglchst weg homogee Kollektve mttels aller verfügbare Rskomerkmale - Ist e Kollektv hschtlch ees potezell schadebedarfsdfferezerede Merkmals utertelbar, köe de Ezelrske cht a pror als glech betrachtet werde, wel sost Credblty cht awedbar st! - De Ermttlug der Erwartugswerte Verteluge de durch de Tarfmerkmale gegebee Zelle erfolgt mttels klassscher Statstk. De Iterpretato deser Erwartugswerte gescheht edoch cht als Erwartugswerte der gemesame Ezelrsko-Vertelug, soder als Erwartugswert der Strukturvertelug.
7 9. Credblty: 9.. Problemstellug 7. Parameterschätzug - Schätzug der Varaz der Vertelug der Ezelrske - Schätzug der Varaz der Strukturvertelug De Varaze werde e ach Datelage drekt aus de vorlegede Date geschätzt, oder es werde Schätzuge aus adere Quelle verwedet. 3. A-posteror-Schätzug Für edes Ezelrsko des betrachtete homogee Kollektvs st de bestmöglche Schätzug des dvduelle Erwartugswertes ee Kovekombato aus Kollektv-Erwartugswert sehe Pukt ud der kokrete Schadeerfahrug des Ezelrskos. Das Gewcht der bede Tele deser Schätzug bestmmt ma mt Hlfe der bede Varaze gemäß Pukt.
8 9. Credblty: 9.. Problemstellug 8 Kokrete Aufgabestelluge uter verschedee Datelage: Datelage : Für alle Ezelrske des Kollektvs lege Zetrehe der Schadeerfahrug vor. Vertelugsfree Schätzug vo Erwartugswert ud Varaz der Strukturvertelug sowe der Varaz der Ezelrsko-Verteluge: Bühlma- Straub-Modell Starke Ählchket mt der aus dem Basswsse bekate Varazaalyse ANOVA. Datelage : Es besteht e Edruck über de Vertelug der Ezelrske z.b. aus eer bekate Schadehöhevertelug sowe über Erwartugswert ud Varaz der Strukturvertelug z.b. deshalb, wel das Kollektv mttels ees GLM kalkulert wurde ud das GLM ebe dem Erwartugswert e Gespür für de cht erklärte Varaz vermttelt; her st ee Schätzug der Überdsperso sehr ützlch!. Allgemees Credblty-Modell.
9 9. Credblty: 9.. Problemstellug 9 Datelage 3: Das Ezelrsko st ke egetlches Ezelrsko, soder setzt sch aus mehrere Ezelrske zusamme, wrd aber trotzdem als dvdueller Tel ees größere Kollektvs betrachtet; de Vertelug des Ezelrskos st strukturell bekat; für de Varaz der Strukturvertelug besteht ee Abschätzug: kleer Abrechugsverbad erhalb ees Lebes-Bestades,... Bayes-Modell.
10 9. Credblty: 9.. Problemstellug 0 Credblty st de wchtgste mathematsche Begrüdug für Schadefrehets- Systeme. Verlustfree Gewerbeverscherug st ohe Credblty ahezu cht mehr möglch. Außerhalb Deutschlads wrd Credblty der Gruppe-Lebes- ud Krakeverscherug verwedet.
11 9. Credblty: 9.. Der Bayes-Asatz: Das Modell 9.. Der Bayes-Asatz: Das Modell
12 9. Credblty: 9.. Der Bayes-Asatz: Das Modell See X X e Rsko des betrachtete Kollektvs, Realseruge vo X der Vergagehet für,..., ud der zu progostzerede Zukuft für + Zufallsgröße, cht beobachtbarer Parameter, der dem Rsko X zugeordet se, Θ Zufallsgröße mt Wert, de de Auswahl des Rskos X aus dem Kollektv beschrebt. Isgesamt st also de Beobachtug der Realserug ees belebge Rskos aus dem Kollektv der Perode beschrebe durch das Paar X ; Θ vo Zufallsgröße mt Werte ;, wobe cht beobachtbar st.
13 9. Credblty: 9.. Der Bayes-Asatz: Das Modell 3 Se F ; : P X ; Θ de gemesame Vertelugsfukto der bede Zufallsgröße X ud Θ, F : P X Θ bedgte Vertelugsfukto vo X. de durch Θ Se weter mt Werte X T : X,..., X der Vektor der Zufallsgröße der Vergagehet T :,..., ud see ; F bzw. F de Vertelugsfuktoe bzw. bedgte Vertelugsfuktoe deser Zufallsvektore.
14 9. Credblty: 9.. Der Bayes-Asatz: Das Modell 4 Aahme: Für alle,...,+ see de durch bedgte Verteluge der X uabhägg ud detsch also für alle mt derselbe Vertelugsfukto F. Aus deser Vertelugsaahme folgt: E X + E X E X Perode,...,, Rske, Es hadelt sch um ee ezge Zahl, de für alle Rske, glech st, da der Erwartugswert cht ur über das ezele Rsko, soder sbesodere auch über alle Rske des Kollektvs gebldet wrd!, +, Θ Θ E X E X Perode,..., Es hadelt sch um ee Zufallsgröße, abhägg vo der Zufallsauswahl des Rskos X mt Parameter!
15 9. Credblty: 9.. Der Bayes-Asatz: Das Modell 5 Defto 9.. Mt de Bezechuge ud Voraussetzuge we obe ausgeführt heßt P koll : E + Kollektvpräme, X, P d : E X +, Θ Idvdualpräme, P Bayes : E X +, X Bayes-Präme, U Θ : P Θ Strukturvertelug.
16 9. Credblty: 9.. Der Bayes-Asatz: Das Modell 6 Aschaulche Iterpretato: Der Schade edes Rskos des Kollektvs se ach eer für das ezele Rsko dvduelle Vertelug vertelt. Dese dvduelle Vertelug se alle Perode vergagee beobachtbare ud küftge zu schätzede - detsch, ud ur für das Rsko betrachtet, also zwsche de Perode uabhägg. Für verschedee Rske habe de ewelge Vertelug ee verschedee für das ewelge Rsko charakterstsche Parameter z.b. Erwartugswert; aber möglch sd alle Parameter der verschedee Vertelugstype. Deser st aber cht bekat, ma ka also de Rske be der Auswahl aus dem Kollektv hre Parameter cht asehe auch we deser atürlch de Vertelug des Schades bestmmt. Theoretsch st es cht otwedg, dass alle Rske dem gleche Vertelugstyp mt uterschedlche Parameter folge, des wrd edoch de praktsche Rechuge mmer uterstellt.
17 9. Credblty: 9.. Der Bayes-Asatz: Das Modell 7 - De Vertelug der Parameter der dvduelle Schadeverteluge st de Strukturvertelug. - De Idvdualpräme st der echte Schade-Erwartugswert des ewels betrachtete Ezelrskos de ma aus dem Parameter der dvduelle Schadevertelug bereche köte, we ma kee würde!. - De Kollektvpräme st der Erwartugswert über alle Rske, also über de Strukturvertelug der dvduelle Erwartugswerte also der e Ezelrsko.a. ubekate Idvdualpräme, de ach dem Satz vom tererte Erwartugswert glt P koll E X +, E E X +, Θ E E X Θ Deser lässt sch bereche, da cht für de kokrete Ezelrske, a- ber mt hrer Vertelug U m Kollektv de Idvdualpräme bekat sd. De Kollektvpräme wrd be Kalkulato mt klassscher Statstk Regresso oder GLM s etc. geschätzt.
18 9. Credblty: 9.. Der Bayes-Asatz: Das Modell 8 - De Bayes-Präme st der Schätzer für de Idvdualpräme, der statt des ubekate Parameters desse Erwartugswert - aber bedgt, gegebe de kokrete Beobachtuge verwedet. Ma beachte: +, +, Θ E X X E X E X.
19 9. Credblty: 9.. Der Bayes-Asatz: Das Modell 9 Kokrete Schätzmethode m Folgede. De Schätzug des küftge Schade-Erwartugswertes st fast detsch mt der Schätzug des ubekate Parameters, da aus desem für de üblche Vertelugstype der Erwartugswert berechet werde ka. Bemerkug: Das Kozept der Zufallsauswahl des Parameters besagt, dass ahad messbarer Rskomerkmale kee Vorhersage möglch st, ob es sch um e relatv zum Kollektv gutes oder schlechtes Rsko hadelt. Des st ee etschedede Voraussetzug für de Awedug vo Credblty! Bezechug: De Iformatosstad, der sch ur auf messbare Rskomerkmale bezeht, et ma a pror -Schätzuge. De Iformatosstad, der auf a-pror-iformato ud zusätzlch auf Realseruge der X beruht, et ma a posteror.
20 9. Credblty: 9.3. Bayes-Schätzer Bayes-Schätzer
21 9. Credblty: 9.3. Bayes-Schätzer Allgemee Herletug Bezechuge m Folgede wrd auf de Bezechug des Rskos verzchtet: f, gemesame stetge oder Zähl-Dchte des Parameters Θ ud der Beobachtuge X X,..., X T bzgl. des Maßes µ d ν d de Kompoete des Maßes üblcherwese Zähl- oder Lebesgue-Maß f : f bedgte stetge oder Zähl- Dchte der Vertelug vo X, bedgt durch Θ bzgl. des Maßes µ d f : f bedgte stetge oder Zähl- Dchte der Vertelug der ezele Beobachtuge X, bedgt durch Θ bzgl. des Maßes µ d aufgrud d-aahme detsch für alle
22 9. Credblty: 9.3. Bayes-Schätzer f X stetge oder Zähl- Raddchte der Beobachtuge X bzgl. des Maßes ν d u stetge oder Zähl- Raddchte der Strukturvertelug des Parameters Θ bzgl. des Maßes µ d Zel der Aalyse: u ~ : f bedgte Dchte bzgl. des Maßes µ d des Parameters Θ des betrachtete Rskos, gegebe de Beobachtuge X.
23 9. Credblty: 9.3. Bayes-Schätzer 3 Aus de Recheregel für bedgte Verteluge folgt: 9.3.a f, f u 9.3.b f, f u X Aus der Voraussetzug, dass de X,..., X bedgt uabhägg sd, folgt 9.3.a f f De Raddchte f X lässt sch darstelle als 9.3.b f X f, µ d
24 9. Credblty: 9.3. Bayes-Schätzer Geschätzt wrd der bedgte Erwartugswert vo uter der Bedgug, dass bekat st. Der Satz vo Bayes sagt seer stetge Form herfür uter Verwedug obger Folgeruge: ~ u, f f X d f u f u µ Für de gesuchte Erwartugswert folgt durch Itegrato über de soebe ermttelte Dchte der Erwartugswert des Parameters uter Vorlege der Beobachtuge : ˆ E ~ µ d u µ µ d f u d f u 4
25 9. Credblty: 9.3. Bayes-Schätzer 5 Daraus st de gewüschte Progose a posteror-schätzer E X ˆ + abletbar: Esetze vo ˆ de Dchte f ud Berechug des Erwartugswertes. Bemerkuge: Es st erschtlch, dass de a-posteror-dchte u~ ee adere st als de a-pror-dchte u! Der Neer hägt ur vo der kokrete Schadeerfahrug ab. Der bedgte Erwartugswert mmert de Erwartugswert vo quadratscher Abwechug zwsche Schätzug ud wahrem ubekate Wert vo. Im Bayes-Kotet sprcht ma vo Mmerug der quadratsche Verlustfukto.
26 9. Credblty: 9.3. Bayes-Schätzer 6 Awedug : Strukturvertelug Gamma α, β, Ezelrskovertelug Posso Posso-Gamma-Modell Es glt: 9.3.5a f e! 9.3.5b u β e Γ α α α β Also Erwartugswert α / β, Varaz α / β der Strukturvertelug. Durch Esetze vo 9.3.5a ud 9.3.5b 9.3.3, Zehe des Produktes de Epoete der e-fukto, geegete Zusammefassug ud Kürze erket ma mt folgeder Rechug für Iteresserte:
27 9. Credblty: 9.3. Bayes-Schätzer ~ u, f f X d f u f u ν 0 /! /! e e e e d α α β α α β β α β α Γ Γ Kürze!, / α α Γ + Γ, α β ; verwede β β e e e + 7
28 9. Credblty: 9.3. Bayes-Schätzer α α β α β α d e e + Γ + Γ / / Erweter + + α β α β α β β α α β α α d e e + Γ + + Γ / / Der Zähler st de Dchte eer Gamma-Vertelug, ~, ~ + + Γ Γ β α β α, der Neer das Itegral über ebe dese Vertelug, also glech. 8
29 9. Credblty: 9.3. Bayes-Schätzer 9 De a-posteror-dchte st ~ ~ u Γ ~ α, β Γ α +, β, + + α E β + β α + + β + β β mt : Bemerkuge zum Posso-Gamma-Modell: Das Posso-Gamma-Modell eget sch zur Progose vo Stückzahle. Es bldete de 60er-Jahre de theoretsche Begrüdug zur Kostrukto der europäsche Schadefrehets-Systeme der Kraftfahrt-Verscherug. Es st übrges auch geeget zur Modellerug vo cht gaz klee Persoeverscherugskollektve, sbesodere be Krakeverscheruge, da für Erwartugswerte > 9 Bomal- ud Posso-Vertelug kaum uterschedbar sd.
30 9. Credblty: 9.3. Bayes-Schätzer 30 Der Kollektv-Erwartugswert α β st mest aus Aalyse mttels klassscher Statstk bekat, der Varatoskoeffzet α edoch mest cht. Zu desse Schätzug stehe mdestes de folgede 4 Wege offe: - Schätzug mt Methode der Credblty de deselbe Schätzer beutzt we de bekate Varazaalyse ANOVA, - Messug der Überdsperso ud dere Iterpretato als Varaz der Strukturvertelug, - Schchtug der Rskogruppe ach Schadeerfahrug ud Behadlug der Schadeerfahrug we e Merkmal mt klassscher Statstk, - Messug der Varaz der Stückzahl-Vertelug ud Iterpretato des Tels der Varaz, der de Varaz der Posso-Vertelug überstegt, als Varaz der Strukturvertelug. Alle Herageheswese habe Vor- ud Nachtele, ma sollte sch mt verschedee Herageheswese e Bld mache. Beachte, dass de Strukturvertelug e eplzt beobachtbar st!
31 9. Credblty: 9.3. Bayes-Schätzer 3 3 Lege kee Beobachtuge vor, st der a-posteror-erwartugswert glech dem a-pror-erwartugswert: E E. 4 Pras-relevate Modfkato: De beobachtbare Zufallsgröße X,..., werde cht mt ehetlchem Posso-Parameter soder mt dvduelle Posso-Parameter λ modellert. De λ resultere dabe aus eer a- pror-schätzug. Se müsse sch cht emal auf e ezges verschertes Obekt bezehe. Aufgrud der Addtvtät der Posso-Vertelug ka λ auch als Erwartugswert eer Summe vo ezele Rske terpretert werde. Der Parameter beschrebt de über de Zet kostate Abwechug des Rskos X vo der a-pror-schätzug. De Schätzug vo ˆ erfolgt we obe dargestellt. I steht edoch λ astelle vo. Da be deser Parametrserug der Erwartugswert der Strukturvertelug st, glt α β.
32 9. Credblty: 9.3. Bayes-Schätzer 3 5 Im Posso-Gamma-Modell erket ma ebeso we m ute dargestellte Normal-Normal-Modell: De a-posteror-vertelug des Parameters also uter Vorlege kokreter Schadeerfahrug des betrachtete Rskos st vom selbe Typ we de a- pror-vertelug des Parameters, allerdgs mt eem Erwartugswert, der e gewchtetes Mttel aus a-pror-erwartugswert ud Messwert der Schadeerfahrug st, ud mt eer gergere Varaz. Deses schöe Ergebs st cht selbstverstädlch. Es zegt sch ur für sehr spezelle Kombatoe vo Strukturvertelug ud Ezelrsko- Vertelug. Ma et solche Paare vo Verteluge kougerte Verteluge.
33 9. Credblty: 9.3. Bayes-Schätzer 33 Awedug : Strukturvertelug Normal Normal N µ, τ, Ezelrskovertelug N, σ Normal-Normal-Modell 9.3.8a f ep πσ σ 9.3.8b u ep πτ µ τ
34 9. Credblty: 9.3. Bayes-Schätzer Aalog zum Posso-Gamma-Fall berechet ma durch Esetze ~ u, f f X d f u f u ν πσ πτ πσ πτ σ τ µ σ τ µ d e e e e 34
35 9. Credblty: 9.3. Bayes-Schätzer 35 Wege e σ τ σ µ τ µ σ τ σ e ep τ σ µ σ + τ σ µ + τ cost ep σ τ σ + τ folgt u ~ σ τ σ τ N µ +, σ + τ σ + τ σ + τ σ τ E µ + σ + τ σ + τ
36 9. Credblty: 9.4. Bühlma- ud Bühlma-Straub-Credblty Bühlma- ud Bühlma-Straub- Credblty
37 9. Credblty: 9.4. Bühlma- ud Bühlma-Straub-Credblty 37 De klasssche Credblty eakt formulert vo H. Bühlma ud H. Straub schätzt Erwartugswerte ezeler Rske ees homogee! Kollektvs - als Learkombato vo Kollektv-Erwartugswert ud dvduelle Messwerte, - mt Schätzer, de sch als Erwartugswert- ud Varaz-Schätzer beobachtbarer Date zusammesetze, de ebe de vertelugsfree Schätzuge vo Erwartugswert ud Varaz kee Aahme über Verteluge beötge ud damt kee Lkelhood-Schätzug verwede.
38 9. Credblty: 9.4. Bühlma- ud Bühlma-Straub-Credblty 38 Ählchket zwsche Bayes-Asatz ud klassscher Credblty: - Be Verwedug kougerter Verteluge ur da! führe de Bayes- Schätzer auf Learkombatoe vo a-pror-erwartugswert ud Messwert-Mttel. - De de resulterede Schätzer ethaltee Parameter der betelgte Verteluge spele m Hblck auf Erwartugswerte ud Varaze deser Verteluge deselbe Rolle, de der klasssche Credblty de dort vertelugsfre zu schätzede Erwartugswerte ud Varaze spele. - De Bayes-Iterpretato erlechtert tedezell das Verstäds des zu lösede Problems ud ermöglcht damt Schlüsse auch be cht stadardmäßger Datelage. Für de kokrete Parameter-Schätzug be guter Datelage eget sch de klasssche Credblty oft besser.
39 9. Credblty: 9.4. Bühlma- ud Bühlma-Straub-Credblty 39 Es gbt Modelle, das efache Bühlma- ud das durch ee Erweterug daraus abgeletete Bühlma-Straub-Modell. Im Folgede wrd das Credblty-Kozept ahad des Bühlma-Modells dargestellt, de Agabe der Schätzer erfolgt am allgemee Bühlma-Straub- Modell.
40 9. Credblty: 9.5. Bühlma-Credblty Bühlma-Credblty
41 9. Credblty: 9.5. Bühlma-Credblty Das Modell Se,..., T X X X e durch ee Parameter bestmmtes Rsko ees homogee Kollektvs ud de Zufallsvarable X,,...,, de beobachtbare Realseruge z.b. Schäde vo X der Vergagehet. De Zufallsvarable mt Realserug beschrebe de Auswahl des Rskos. Das Bühlma-Modell besagt, dass de vergagee beobachtbare Realseruge X uabhägg ud detsch vertelt uter der Bedgug der Zufallsvarable sd. Se : EX : Var X.
42 9. Credblty: 9.5. Bühlma-Credblty 4 Defto 9.5.: See,,..., M X X Zufallsvarable mt EM ud EX. Ee Zufallsvarable Y der Form 9.5. Y a 0 a X, a,..., 0 a, für alle heßt leare Credblty-Präme oder learer Credblty-Schätzer vo M auf der Bass vo X,..., X, falls 9.5. E Y M f E Y M, Y wobe das Ifmum über alle Zufallsvarable Y der Form 9.5. gebldet wrd.
43 9. Credblty: 9.5. Bühlma-Credblty 43 Satz 9.5.: Ee Zufallsvarable Y der Form 9.5. st geau da e Credblty- Schätzer für M, falls se de folgede Normalglechuge erfüllt: EM E Y Cov Y, X Cov M, X Sd de Zufallsvarable Y, Y der Form 9.5. Lösuge vo 9.5.3, so glt Y Y P -f.s. ud Cov Y, M Var Y Var M Var Y M.
44 9. Credblty: 9.5. Bühlma-Credblty 44 De allgemee Resultate aus Defto 9.5. werde u zur Ermttlug der zuküftge och cht beobachtete Realserug X heragezoge, de ur lear vo X,..., X abhäge, d.h. ma betrachtet de Fall M : X Satz 9.5. Credblty-Präme m Bühlma-Modell: Glt Defto 9.5. sowe alle, da st Y a a X ZX Z mt X : X, Z / ud 0 e Credblty-Schätzer für X. Var EX 0, ud E VarX : E X für, dem Bühlma-Credblty-Faktor / VarEX E Var X
45 9. Credblty: 9.5. Bühlma-Credblty 45 Bemerkuge: Der quadratsche Fehler des Credblty-Schätzers errechet sch zu / E E Y M Z Var E Var. Aus der bedgte Uabhäggket der X gegebe folgt: VarX E Var
46 9. Credblty: 9.5. Bühlma-Credblty 46 3 Damt glt für das Gewcht Z der dvduelle Schadeerfahrug sowe für Z des Kollektvmttels: das Gewcht Z Var E X Var X, Z Var X. Var X Der Credblty-Schätzer st also das gewchtete Mttel aus de bede Iformatoe Messwert-Mttel X ud Kollektvmttel. Dese bede Iformatoe sd ebefalls erwartugstreue Schätzer. Ihre quadratsche Feh- Z ud Z ler sd geau de Zähler de o.a. Formel für de Gewchte allerdgs vertauscht. De Gewchte der bede Iformatoe verhalte sch also we de quadratsche Fehler der ewels adere Größe, we dese als Schätzer verwedet würde.
47 9. Credblty: 9.5. Bühlma-Credblty 47 4 Der Credblty-Koeffzet E Var X Var E X st das Verhälts vo mttlerer Varaz erhalb der Rske über de Zet zur Varaz der Erwartugswerte der ezele Rske, also zwsche de Rske. De kozeptoelle Nähe zu Varazaalyse ANOVA st offeschtlch. De Iterpretato st der Pras besoders hlfrech, we kee Date zur Parameterschätzug der rerassge Datestruktur des ächste Kaptels vorlege. We stattdesse der Aktuar aus Uterehmes- oder Verbadsstatstke für bede Varaze ee grobe Abschätzug hat, ka er der Pras see a-pror Schätzuge mt Credblty deutlch verbesser.
48 9. Credblty: 9.5. Bühlma-Credblty 48 Ee kokrete Schlusswese st oft de folgede: - Varaz der Ezelrske: Aus eer Schadehöhevertelug gemäß Verbads- oder Uterehmes statstk ud eer als Posso-vertelt ageommee Schadeazahlver telug. - Varaz zwsche de Rske: Grobe Abschätzug der durch Tarf cht erklärte Varaz, z.b. aus der Überdsperso des der Tarfkalkulato zugrude legede GLMs oder aus eer subektve Abschätzug, welche Verbesserug der Apassugsgüte durch küftge zusätzlche Merkmale möglcherwese och erzelt werde ka. Oder efach Messug der Varaz des Tarfes selbst ud grobe Abschätzug, we groß de cht erklärte Varaz relatv zur Tarf-Varaz st. Erklärte Varaz bezechet her E Var X, wobe sch de Erwartugswert-Bldug cht ur über ee Tarfzelle erstreckt,
49 9. Credblty: 9.5. Bühlma-Credblty 49 soder über de gesamte Tarf. bezechet her kee feste Wert, soder de Schätzug a pror, z.b. durch e GLM. - Credblty über de Schadequote ees Rskos uter dem betrachtete Tarf mt dem aus de geschätzte Varaze.
50 9. Credblty: 9.5. Bühlma-Credblty Awedugsbespel GuV-Hochrechug Se S der zu progostzerede Jahres-Schade eer Verscherugsart, B der wetgehed scher vorhersagbare Jahresbetrag deser Verscherugsart. Der Gew G S B st Progose-Zel. Bekat se der Schade S des erste Halbahres. Es se bekat, dass der Schade glechvertelt über de Zet etrtt ud sofort gemeldet wrd. Bekat see auch de Schadequote dere Mttelwert S Q. SQ,,...,, der Vergagehet sowe Gesucht: Schätzug für de Erwartugswert des Schades S des. Halbahres.
51 9. Credblty: 9.5. Bühlma-Credblty 5 Grudsätzlch sd mdestes folgede bede Schätzer für S svoll: Sˆ : S Sˆ : SQ B Se Vˆ SH der aus der bekate Schadehöhevertelug der Pras auch oft mttels des Kollektve Modells aus Schadestück- ud höhevertelug abletbare Schätzer der Varaz vo S. Se Vˆ >> Vˆ der Schätzer der Varaz vo S, der sch aus de gemessee Schadequote der letzte Jahre multplzert mt B errechet. SQ SH
52 9. Credblty: 9.5. Bühlma-Credblty 5 Iterpretato: De Zufällgket des ährlche Schades S wrd eersets durch de Zufällgket der Ezelschäde bestmmt herfür st Vˆ SH ee geegete Messgröße als auch durch ährlche Selektoe der Bestadszusammesetzug. De herdurch etstehede Varaz se mt V Sel bezechet. Bede Zufällgkete köe der Pras als wetgehed uabhägg agesehe werde. De Gesamt-Varaz vo S, V SQ, setzt sch aus de geate Tele zusamme: V V + V. SQ SH Sel De bede geate Schätzer bezehe sch also auf uterschedlche wrtschaftlche Größe!
53 9. Credblty: 9.5. Bühlma-Credblty 53 Das Modell Durch de zufällge Selekto st der Jahresschade Zufallsgröße mt Erwartugswert ud Varaz : ES : VarS. Für de bede Halbahresschäde glt: / E S E S Var S Var S /.
54 9. Credblty: 9.5. Bühlma-Credblty 54 Wetere Bezechuge: :, 0 :, : E E Var Beachte: σ ud τ bezehe sch her auf de Jahresschade, währed der Halbahresschade geschätzt wrd. Nahe legede Schätzer: Vˆ SH für Vˆ SQ für σ B SQ für µ 0 S astelle X Vˆ Vˆ für σ + τ ud damt SQ SH Beachte: τ Var S / astelle Var X /
55 9. Credblty: 9.5. Bühlma-Credblty 55 Weter st Also st Var E S Var / / 4 mt Schätzer Vˆ ˆ SQ VSH / 4. Var S mt Schätzer Vˆ / + Vˆ Vˆ / 4. / / 4 Damt besagt uter Verwedug vo 9.5.6, bezoge auf de her verwedete Bezechuge: Var E S Z mt Schätzer Var S Der Credblty-Schätzer für S ergbt sch daher zu ˆ Cred ˆ ˆ B S Z S Z SQ. SH ˆ ˆ V Z Vˆ SQ SQ SQ Vˆ Vˆ SH SH SH
56 9. Credblty: 9.6. Bühlma-Straub-Credblty Bühlma-Straub-Credblty
57 9. Credblty: 9.6. Bühlma-Straub-Credblty 57 Bs her wurde och kee kokrete Schätzer agegebe, de aus vorlegede Date gebldet sd. Alle Aussage bezoge sch auf Erwartugswerte ud Varaze der betelgte Verteluge. Im Folgede werde kokrete Schätzer ohe Bewes agegebe. Im Iteresse der Prasrelevaz wrd e etwas erwetertes Modell zugrude gelegt, das der Zet e Ezelrsko ee Veräderug des Volumes erlaubt ud damt ee durch de Volumeäderug verursachte Äderug der Varaz.
58 9. Credblty: 9.6. Bühlma-Straub-Credblty Das Modell See X,,..., m, vo eem Parameter mt Auspräguge abhägge Rske ees homogee Kollektvs. De Zufallsgröße X,,...,, see beobachtbare Realseruge des Rskos X de für das dvduelle Rsko Vergagehet. X beobachtbare Perode der Für ede Realserug des Rskos se e Gewcht 0, w bekat. De Zufallsgröße mt Realserug beschrebe de Auswahl des Rskos das durch see Parameter bestmmt wrd. X
59 9. Credblty: 9.6. Bühlma-Straub-Credblty 59 Weter gelte: De X,,..., m, see für alle bedgt auf uabhägg ud detsch vertelt mt Var X E X De Paare, X, w, m w 0, Gewchte Volumemaß,..., m see paarwese uabhägg.
60 9. Credblty: 9.6. Bühlma-Straub-Credblty 60 Bemerkuge: De Awedug vo Credblty setzt stets voraus, dass für de betrachtete Rske a pror kee Abwechug vom Kollektvmttel ahe legt Zufallsauswahl vo. Das Bühlma-Modell legt aufgrud seer Varaz-Aahme de drekte Beobachtug ezeler Rske ahe. Des st der Pras oft problematsch, da selte Kollektve vo Rske vorlege, de sch ud über de Zet a pror cht uterschedbar sd. Das Bühlma-Straub-Modell legt aus desem Grud mt seer Varaz- Struktur de Betrachtug vo Quote ahe: Als Rske sollte ma sch Telsegmete Gruppeverträge,... vorstelle, de sch aus ezele Rske verschedeer Tarfpostoe zusammesetze köe.
61 9. Credblty: 9.6. Bühlma-Straub-Credblty 6 Beschrebt X das Verhälts Quote vo gemesseem Schade oder Lestug Stückzahl, Aufwad, Durchschtt des Rskos zum a pror für das Rsko kalkulerte Schade bzw. Lestug, legt ahe, dass a dese Quote a pror für alle Rske glech se sollte, auch we verschedee Rske verschedee Kollektv-Erwartugswerte Tarfpräme etc. habe mdestes we der Tarf als Gazes far kalkulert wurde, b de Varaz ees Rskos proportoal zu seem Volume üblcherwese der Tarfpräme etc. st, de Varaz der Quote mth umgekehrt proportoal zum Volume st. Dese Tatsache werde geau durch de Aahme ud des Bühlma-Straub-Modells beschrebe.
62 9. Credblty: 9.6. Bühlma-Straub-Credblty 6 De Varaz-Aahme st.d.r. be de Größe Schade-/Lestugs- Stückzahl ud Schadedurchschtt erfüllt, mest auch für de Schadeaufwad. st be Verwedug vo Quote kompatbel mt der Varazfukto Var des GLM der Posso-Vertelug: Der Erwartugswert der Quote beträgt überall sehe Kaptel 8 ud Volume Erwartugswert! w Stückzahl a-pror- Das heßt: Wer ee Tarf mt eem GLM der Posso-Vertelug kalkulert hat, hat des mt der gleche Berechtgug geta, mt der er Bühlma-Straub- Credblty auf Schadequote uter desem Tarf awede darf!
63 9. Credblty: 9.6. Bühlma-Straub-Credblty 63 Der m Folgede agegebee Credblty-Schätzer st we der allgemee Defto 9.5. defert. Alle Schätzer werde mt Hlfe der Normalglechuge hergeletet, we allgeme bem Bühlma-Modell dargestellt, allerdgs uter Verwedug der uterschedlche Varaz-Aahme. De de Bemerkuge 3 zum Bühlma-Modell getroffee Aussage gelte vollstädg aalog.
64 9. Credblty: 9.6. Bühlma-Straub-Credblty 64 Satz 9.6. Credblty-Präme m Bühlma-Straub-Modell: Es gelte 0, Var E X für alle. Da st 9.6. Y ZX Z w w X w w w E X mt w w, : Credblty-Faktor X X, w : w Z w / w E X, E Var X Var E X ud dem e Credblty-Schätzer für X.
65 9. Credblty: 9.6. Bühlma-Straub-Credblty 65 Für de Schätzug der 9.6. verwedete Größe E Var X τ Var E X Θ ud σ Θ, κ σ τ werde folgede Bezechuge gebraucht: Se I de Azahl der Rske, N de Azahl der Beobachtugsahre. 9.6.a I w : w, wobe... w. :.. N I w. X. 9.6.b X :, w wobe X :. 9.6.c 9.6.d 9.6.e SS SS SS tot w b I N w w N w. : w X X sum of squares total I N : w X X sum of squares wth groups I. : w. X. X sum of squares betwee groups X
66 9. Credblty: 9.6. Bühlma-Straub-Credblty De Schätzer: 9.6.3a w SS N I ˆ σ 9.6.3b ˆ ˆ ma ;0 b I SS I I w w w w w w σ τ 9.6.3c ˆ ˆ, falls 0 ˆ ˆ ˆ 0, falls 0 σ τ κ τ τ > 66
67 9. Credblty: 9.6. Bühlma-Straub-Credblty 67 Bemerkug: I w.. Mt C : ud I w. w. w.. w.. w.. ˆ C σ ˆ κ I. ˆ τ F F : SSb I SSw I glt für ˆ τ > 0: F st geau de Teststatstk, de be der aus dem Grudwsse bekate Varazaalyse ANOVA für ormalvertelte Zufallsgröße verwedet wrd, um zu teste, ob de Erwartugswerte vo I Messrehe verschede sd. Des erklärt de Verwadtschaft zur Varazaalyse ANOVA. Für F wrd de Hypothese de Erwartugswerte sd glech zu keem Sgfkazveau 0 abgeleht, d.h. es werde keerle Uterschede zwsche de Messrehe erkat.
68 9. Credblty: 9.6. Bühlma-Straub-Credblty Zusammefassug: Credblty passt alle Verscherugskotete. Durch de Aahme homogeer Kollektve ergäzt se alle klasssche Kalkulatosverfahre, de de Rskozelle homogee Kollektve uterstelle. Des st sbesodere bemerkeswert Zusammehag mt der modere Defto des Ausglechs m Kollektv als Abahme des Varatoskoeffzete be stegeder Kollektvgröße cht vollstädg korrelerter Rske uabhägg vo der Glechhet der Erwartugswerte. De dre Kozepte Bayes-Asatz kougerte Verteluge, allgemee Bühlma-Credblty, Bühlma-/Straub-Schätzer führe zu deselbe Ergebsse. De Verwedug des ewelge Modells hägt vo der ewelge Datelage ab ud vermttelt uterschedlche Iterpreterbarket der kokrete Zufallsgröße.
69 9. Credblty: 9.6. Bühlma-Straub-Credblty 69 De Verwadtschaft zu de GLM s wrd der Bayes-Iterpretato erschtlch ML-Schätzug der ewelge Vertelugsfukto, Erklärug der Strukturfukto als Überdsperso aber auch m Bühlma-Straub-Modell: Desse Varaz-Aahme st de Varaz-Fukto des de meste Verscherugskotete verwedete GLM. Awedug auf Ezelrske aber sbesodere auch auf Quote uter eem gegebee Tarf. Im Repettorum ud der Prüfug! werde kokrete Rechuge durchgeführt. Dort wrd sbesodere auch der Zusammehag zwsche de Kozepte a eer kokrete Rechug dargestellt. Lteratur: Bühlma, H. ud Gsler,A.: A Course Credblty Theory ad ts Applcatos. Sprger Verlag, Berl, Hedelberg, New York, 005.
Intervallschätzungen geben unter Berücksichtigung des Verteilungstyps von X einen Bereich an, der den Parameter mit vorgegebener Sicherheit enthält.
Parameterschätzuge Fachhochschule Jea Uversty of Appled Sceces Jea Oft st der Vertelugstyp eer Zufallsgröße X bekat, ur de Parameter sd ubekat. Da erfolgt hre Schätzug aus eer Stchprobe. Ma uterschedet
Einführung Fehlerrechnung
IV Eführug Fehlerrechug Fehlerrechuge werde durchgeführt, um de Vertraueswürdgket vo Meßergebsse beurtele zu köe. Uter dem Fehler eer Messug versteht ma de Abwechug ees Meßergebsses vom (grudsätzlch ubekate
Physikalische Messungen sind immer fehlerbehaftet! Der wahre Wert ist nicht ermittelbar. Der wahre Wert x ist nicht identisch mit dem Mittelwert
Physkalsche Messuge sd mmer fehlerbehaftet! Der wahre Wert st cht ermttelbar. Der wahre Wert st cht detsch mt dem Mttelwert Der Wert legt mt eer gewsse Wahrschelchket (Kofdezahl bzw. Vertrauesveau %) m
Statistik. ist die Kunst, Daten zu gewinnen, darzustellen, zu analysieren und zu interpretieren um zu neuem Wissen zu gelangen.
Statstk st de Kust, Date zu gewe, darzustelle, zu aalysere ud zu terpretere um zu euem Wsse zu gelage. Sachs (984) Aufgabe De Statstk hat also folgede Aufgabe: Zusammefassug vo Date Darstellug vo Date
die Schadenhöhe ( = Risikoergebnis) des i-ten Versicherungsnehmers i 1,, n).
Aufgabe Wr betrachte ee Reteverscherug der Retebezugszet mt jährlch vorschüssger Retezahlug solage der Verscherte lebt. a) Bezeche V bzw. V de rechugsmäßge Deckugsrückstellug am Afag bzw. am Ede des Verscherugsjahres.
Erzeugen und Testen von Zufallszahlen
Erzeuge ud Teste vo Zufallszahle Jürge Zumdck Eletug Ee Lergruppe wrd aufgefordert 00 Zufallszahle (0 oder ) ach folgede Methode zu erzeuge: De Hälfte der Gruppe beutzt a) ee Müze oder b) de Zufallszahlefukto
Quellencodierung I: Redundanzreduktion, redundanzsparende Codes
Quellecoderug I: Redudazredukto, redudazsparede Codes. Redudaz. Eführug. Defto der Redudaz. allgemee Redudazredukto. redudazsparede Codes. Coderug ach Shao. Coderug ach Fao. Coderug ach Huffma.4 Coderug
2.2 Rangkorrelation nach Spearman
. Ragkorrelato ach Spearma Wr wolle desem Kaptel de Ragkorrelatoskoeffzete ach Spearma bereche. De erste Daterehe besteht aus Realseruge x, x,..., x der uabhägg ud detsch stetg vertelte Zufallsvarable
Ordnungsstatistiken 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
Leitfaden zu den Indexkennzahlen der Deutschen Börse
Letfade zu de Idexkezahle der Deutsche Börse Verso.5 Deutsche Börse AG Verso.5 Letfade zu de Idexkezahle der Deutsche Börse Page Allgemee Iformato Um de hohe Qualtät der vo der Deutsche Börse AG berechete
Lohnkosten pro Arbeitsstunde. Wie hoch sind die Lohnkosten pro Arbeitsstunde im Jahresdurchschnitt?
Klausur Wrtschaftsstatstk. [ Pukte] E Uterehme hat folgede Date ermttelt: Moat Gelestete Arbetsstude Lohkoste pro Arbetsstude Jauar 86.400 0,06 Februar 75.000 3,0 März 756.000 4,47 Aprl 768.000,53 Ma 638.400
Konzentrationsanalyse
Kaptel V Kozetratosaalyse B. 5.. Im Allgemee wrd aus statstscher Scht zwsche - absoluter ud - relatver Kozetrato uterschede Der absolute ud relatve Aspekt wrd och emal utertelt - statscher ud - dyamscher
Klausur Statistik IV Sommersemester 2009
Klausur Statstk IV (Lösug) Name, Vorame 013456 Klausur Statstk IV Sommersemester 009 Prof. Dr. Torste Hothor Isttut für Statstk Name: Name, Vorame Matrkelummer: 013456 Wchtg: ˆ Überprüfe Se, ob Ihr Klausurexemplar
Maße zur Kennzeichnung der Form einer Verteilung (1)
Maße zur Kezechug der Form eer Vertelug (1) - Schefe (skewess): Defto I - Ee Vertelug vo Messwerte wrd als schef bezechet, we se der Wese asymmetrsch st, dass lks oder rechts des Durchschtts ee Häufug
(Markowitz-Portfoliotheorie)
Thema : ortfolo-selekto ud m-s-rzp (Markowtz-ortfolotheore) Beurtelugskrtere be quadratscher Nutzefukto: Beroull-rzp + quadratsche Nutzefukto Thema Höhekompoete: Erwartugswert µ Rskokompoete: Stadardabwechug
Übungen zur Wahrscheinlichkeitsrechnung und Schliessenden Statistik
Übuge zur Wahrschelchketsrechug ud Schlessede Statstk Aufgabe ud Lösuge vo Peter M Schulze, Verea Dexhemer. Auflage Übuge zur Wahrschelchketsrechug ud Schlessede Statstk Schulze / Dexhemer schell ud portofre
Prinzip "Proportional Reduction of Error" (PRE)
Dr. Reate Prust: Eführug quattatve Forschugsmethode Bvarate Maße: Przp "Proportoal Reducto of Error" (PRE) E 1 - E Fehler be Regel 1 - Fehler be Regel = E 1 Fehler be Regel 1 Regel 1: Vorhersageregel ur
Aufgaben. 1. Gegeben seien folgende Daten einer statistischen Erhebung, bereits nach Größe sortiert (Rangliste):
Aufgabe. Gegebe see folgede Date eer statstsche Erhebug, berets ach Größe sortert (Raglste): 0 3 4 4 5 6 7 7 8 8 8 9 9 0 0 0 0 0 3 3 3 3 4 4 5 5 5 5 5 6 6 6 7 7 8 30 Erstelle Se ee Tabelle, der de Merkmalsauspräguge
Allgemeine Prinzipien
Allgemee Przpe Es estere sebe Grudehete der Physk; alle adere physkalsche Größe ka ma darauf zurückführe. Dese Grudehete sd: Läge [m] Masse [kg] Zet [s] Elektrsche Stromstärke [A] Temperatur [K], Stoffmege
Sitzplatzreservierungsproblem
tzplatzreserverugsproblem Be vele Zugsysteme Europa müsse Passagere mt hrem Zugtcet ee tzplatzreserverug aufe. Da das Tcetsystem Kude ee ezele Platz zuwese muss, we dese e Tcet aufe, ohe zu wsse, welche
4. Marshallsche Nachfragefunktionen Frage: Wie hängt die Nachfrage nach Gütern
Prof. Dr. Fredel Bolle Vorlesug "Mkroökoome" WS 008/009 III. Theore des Haushalts 0 Prof. Dr. Fredel Bolle Vorlesug "Mkroökoome" WS 008/009 III. Theore des Haushalts 0 4. Marshallsche Nachfragefuktoe Frage:
Lösungen. Häufigkeitsverteilung (Stabdiagramm) Aufgabe 1. Häufigkeit (h) Merkmal (x)
Lösuge Aufgabe Merkmal (x) Häufgket (h) h x,, 3, 3,, 8, 5, 5, 6, 6, 7, 3, 8, 3 5, 9, 38,, 5,, 8 68,, 6 3, 3, 9,, 8, 5, 5 5, 6, 3 78, 7, 5, 8, 8, 3, 3, Summe 5.63, Aufgabe Häufgketsvertelug (Stabdagramm)
Eigenwerteinschließungen I
auptsemar: Numersche Lösuge für Egewertaufgabe Egewerteschleßuge I Referet: Wolfgag Wesselsky Glederug Eletug Kodto vo Egewerte 3 Eschleßugssätze Bauer-Fke, Gershgor, Wlkso, Bedxo 4 Zusatz: Courat / Weyl
Grundlagen der Entscheidungstheorie
Kaptel 0 Grudlage der Etschedugstheore B. 0 (Gegestad) De Etschedugstheore befasst sch mt dem Etschedugsverhalte vo Idvdue ud Gruppe. Se besteht aus we Telgebete. Deskrptve Etschedugstheore De deskrptve
3. Das Messergebnis. Was ist ein Messergebnis?
. Das Messergebs Was st e Messergebs? Wederholug der Messug Wahrer Wert? Mehrere Eflussgröße Fehlerbetrachtug Messergebs Vorgeheswese für Messergebs. Bestmmug des bekate systematsche Fehlers 2. Aufahme
Histogramm / Säulendiagramm
Hstogramm / Säuledagramm Häugkete 10 9 8 7 6 5 4 3 2 1 0 3,45 3,75 4,05 4,35 4,65 Flüge lläge [mm] Be Hstogramme st soort deutlch, daß es sch um Häugketsauszähluge hadelt. De Postoe der Klasse sowe hre
Lösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung
Lösuge zum Übugs-Blatt 7 Wahrschelchketsrechug BMT Bostatstk Prof. Dr. B. Grabowsk ----------------------------------------------------------------------------------------------- Bedgte Wahrschelchket
Im Wöhlerdiagramm wird die Lebensdauer (Lastwechsel oder Laufzeit) eines Bauteils in Abhängigkeit von der Belastung dargestellt.
Webull & Wöhler 0 CRGRAPH Wöhlerdagramm Im Wöhlerdagramm wrd de Lebesdauer ( oder Laufzet) ees Bautels Abhägget vo der Belastug dargestellt. Kurzetfestget Beaspruchug Zetfestget auerfestget 0 5 3 4 6 0
Fehlerrechnung im Praktikum
Fehlerrechug m Pratum Pratum Phsalsche Cheme (A. Dael Boese) I chts zegt sch der Magel a mathematscher Bldug mehr, als eer überbertrebe geaue Rechug. Carl Fredrch Gauß, 777-855 Themegebete Utertelug vo
Zur Interpretation einer Beobachtungsreihe kann man neben der grafischen Darstellung weitere charakteristische Größen heranziehen.
Rudolf Brkma http://brkma-du.de Sete 0.0.008 Lagemaße der beschrebede Statstk. Zur Iterpretato eer Beobachtugsrehe ka ma ebe der grafsche Darstellug wetere charakterstsche Größe herazehe. Mttelwert ud
( ) ( ) ( ) ( ) è ø. P A Wahrscheinlichkeitsmaß. lim n. Dr. Christian Schwarz 4. KOMBINATORIK Permutationen
BBA Projektsemar Thess Dr. Chrsta Schwarz Formelsammlug Aalytsche Statstk 4. KOMBINATORIK 4.. Permutatoe Azahl der Permutatoe vo N Elemete ohe Wederholug: Multomalkoeffzet: N! = N N- N -... 3 N! N! N!...
Beispielklausur BWL B Teil Marketing. 45 Minuten Bearbeitungszeit
Bespelklausur BWLB TelMarketg 45MuteBearbetugszet BWLBBespelklausurTelMarketg Sete WchtgeHwese:. VOLLSTÄNDIGKEIT: PrüfeSeuverzüglch,obIhreKlausurvollstädgst(Aufgabe).. ABGABE: EsstdegesamteKlausurabzugebe.
Einführung in die Stochastik 3. Übungsblatt
Eführug de Stochastk 3. Übugsblatt Fachberech Mathematk SS 0 M. Kohler 06.05.0 A. Fromkorth D. Furer Gruppe ud Hausübug Aufgabe 9 (4 Pukte) Der Mkrozesus st ee statstsche Erhebug. Herbe werde ach bestmmte
Einen Spieler interessiert nicht, wie er gewinnt, sondern ob und wie viel er gewinnt.
III Zufallsgröße Bespel ud Defto Bespel: Dremal Müzwurf Spel: Esatz, we cht zwe gleche htereader 3 Auszahlug. Ω = {(x x x3) x,x,x3 {Z,K}} Retert sch deses Spel? Dabe geht es ur um de Gew! Also: Defto Gew:
1 Mathe Formeln Statistik und Wahrscheinlichkeitsrechnung
1 Mathe Formel Statstk ud Wahrschelchketsrechug Jör Horstma, 6.10.003. Alle Agabe ohe Gewähr. http://www.ba-stuttgart.de/ w017/ 1.1 Grudlage Ezelklasse [a ; b [ Klassewete Klassemtte Mttelwert b a = w
Deskriptive Statistik - Aufgabe 3
Desrptve Statst - Aufgabe 3 De Überachtugszahle der Fremdeverehrsgemede "Bachstadt" für de Moate ud zege auf de erste Blc scho deutlche Uterschede de ezele Ortschafte. We seht e etsprecheder Verglech der
Definitionen und Aussagen zu Potenzreihen
Deftoe ud Aussage zu Potezrehe User bsherges Repertore a stetge Abblduge basert auf ratoale Fuktoe, also Ausdrücke, dee Addto, Subtrakto, Multplkato ud Dvso vorkomme. Auf dese Wese sd aber Epoetalfukto,
= k. , mit k als Anzahl der Hypothesen A i und den Daten B. Bestimmtheitsmaß:!Determinationskoeffizient
Ablehugsberech:!Sgfkazveau abhägge Gruppe: Gruppe vo Versuchspersoe, dee jede ezele Versuchsperso aus Gruppe A eer äquvalete Versuchsperso aus Gruppe B etsprcht (oder tatsächlch de gleche Versuchsperso
Korrelations- und Assoziationsmaße
k m χ : j l r +. Zusammehagsmaße ( o e ) jl jl e jl Korrelatos- ud Assozatosmaße e jl 5 Merkmal Y Summe X b b m a H (a,b) H (a,b). a H (a,b) H (a,b). Summe.. Zusammehagsmaße Eführug Sche- ud Noses-Korrelato
( ) ( ) ) ( ) 1/ ( ) Beispiel: U = y1. 3. Ergänzungen zur Haushaltstheorie, insbesondere Dualität und Anwendungen
Prof. Dr. Fredel Bolle 3. rgäzuge zur Haushaltstheore, sbesodere Dualtät ud Aweduge (Btte wederhole Se zuächst emal de Haushaltstheore aus Mkro I!!!) komme gegebe errechbare Idfferezkurve festgelegt Güterprese
Spannweite, Median Quartilsabstand, Varianz und Standardabweichung.
Rudolf Brkma http://brkma-du.de Sete 06.0.008 Spawete, Meda Quartlsabstad, Varaz ud Stadardabwechug. Streuug um de Mttelwert. I de folgede Säuledagramme st de Notevertelug zweer Schülergruppe (Mädche,
Investmentfonds. Kennzahlenberechnung. Performance Risiko- und Ertragsanalyse, Risikokennzahlen
Ivestmetfods Kezahleberechug erformace Rsko- ud Ertragsaalyse, Rskokezahle Gültg ab 01.01.2007 Ihalt 1 erformace 4 1.1 Berechug der erformace über de gesamte Beobachtugzetraum (absolut)... 4 1.2 Aualserug
Alternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF
Alteratve Darstellug des -Stchprobetests für Atele DCF CF Total 111 11 3 Respose 43 6 69 Resp. Rate 0,387 0,3 0,309 Beobachtete Respose No Respose Total absolut DCF 43 68 111 CF 6 86 11 69 154 3 Be Gültgket
Induktion am Beispiel des Pascalschen Dreiecks
Iduto am Bespel des Pascalsche Dreecs Alexader Rehold Coldtz 0.02.2005 Eletug vollstädge Iduto De vollstädge Iduto st ebe dem drete ud drete Bewesverfahre ees der wchtgste der Mathemat. Eher bespelhaft
Versuch Dichte- und Dickenmessung
Rcklger Stadtweg, D-3459 Haover Tel.: 5/ 996-359 Versuch 3.3 - Dchte- ud Dckemessug U. J. Schrewe, Ma 7. Grudlage Bem Durchgag vo mooeergetscher Rötge- ud -Strahlug durch ee Matereschcht der Dcke glt das
Grundgesetze der BOOLEschen Algebra und Rechenregeln
5... Grudgesetze der BOOLEsche Algebra ud Recheregel Auf de mathematsch korrekte Eführug der BOOLEsche Algebra ka ch verzchte, da das Ihrer Mathematkausbldug ausführlch behadelt wrd. Ich stelle Ihe zuächst
Lösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung
Lösuge zum Übugs-Blatt 7 Wahrschelchketsrechug BMT Bostatstk Prof. Dr. B. Grabowsk ----------------------------------------------------------------------------------------------- Satz vo Bayes ud totale
Teil IV Musterklausuren (Univ. Essen) mit Lösungen
Tel IV Musterklausure (Uv. Esse) mt Lösuge Hauptklausur WS 9/9 Aufgabe : a) Revolverheld R stzt m Saloo ud pokert. De Wahrschelchket, daß er dabe ee seer Mtspeler bem Falschspel erwscht (Eregs F), bezffert
Regressionsrechnung und Korrelationsrechnung
Regressosrechug ud Korrelatosrechug Beschrebede Statstk Modul : Probleme be der Abhäggketsaalyse Problem : Es gbt mest cht ur ee Eflussfaktor (Probleme sd selte mookausal ) A Ursache() Wrkug B C - efache
FH D WS 2007/08 Prof. Dr. Horst Peters Dezember 2007
FH D WS 007/08 Prof. Dr. Horst Peters Dezember 007 Formelsammlug Wahrschelchetsrechug ud dutve Statst m Bachelor-Studegag Busess Admstrato (Modul BWL B) Sete / 6 Formelsammlug Wahrschelchetsrechug ud Idutve
Asymptotische Normalverteilung nach dem zentralen Grenzwertsatz
Asymptotsche ormalvertelug ach dem zetrale Grezwertsatz Erwartugswert eer Summe vo Zufallsvarable mt jewels de Erwartugswert x (Y Y Asymptotsche ormalvertelug ach dem zetrale Grezwertsatz Varaz eer Summe
Eigenschaften der arithmetischen Mittel. Schätzer für die Varianz. Allgeimeines Method: Likelihood Funktion. Schätzer für die Wahrscheinlichkeit
Statstk. Vorlesug, September 6, 009 Egeschafte er arthmetsche Mttel für alle Fälle wo e Stchprobeelemete habe e selbe Vertelug u s uabhägg: E ( = mvar, ( = / Staarabwechug (Staarfehler: D ( = / Korrektur
Lösungen zu Übungs-Blatt 7 Klassische Wahrscheinlichkeit in Glücksspielen, Bedingte Wkt, Unabhängigkeit, Satz von Bayes
Lösuge zu Übugs-latt 7 Klasssche Wahrschelchet Glücsspele, edgte Wt, Uabhägget, Satz vo ayes Master M Höhere ud gewadte Mathemat rof. Dr.. Grabows De folgede ufgabe löse wr uter Verwedug der bede ombatorsche
19. Amortisierte Analyse
9. Amortserte Aalyse Amortserte Aalyse wrd egesetzt zur Aalyse der Laufzet vo Operatoe Datestrukture. Allerdgs wrd cht mehr Laufzet ezeler Operatoe aalysert, soder de Gesamtlaufzet eer Folge vo Operatoe.
Grundlagen der Energietechnik Energiewirtschaft Kostenrechnung. Vorlesung EEG Grundlagen der Energietechnik
Prof. Dr. Ig. Post Grudlage der Eergetechk Eergewrtschaft Kosterechug EEG. Vorlesug EEG Grudlage der Eergetechk De elektrsche Eergetechk st e sogeates klasssches Fach. Folglch st deses Fach vele detallert
Unter einer Rente versteht man eine regelmässige und konstante Zahlung
8 Aweduge aus der Fazmathematk Perodsche Zahluge: Rete ud Leasg Uter eer Rete versteht ma ee regelmässge ud kostate Zahlug Bespele: moatlche Krakekassepräme, moatlche Altersrete, perodsches Spare, verteljährlcher
Z Z, kurz. Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden.
Kombator Problemstellug Ausgagsput be ombatorsche Fragestelluge st mmer ee edlche Mege M, aus dere Elemete ma edlche Zusammestelluge vo Elemete aus M bldet Formal gesproche bedeutet das: Ist M a,, a ee
Methoden der computergestützten Produktion und Logistik
Methode der comutergestützte Produkto ud Logstk 9. Bedesysteme ud Warteschlage Prof. Dr.-Ig. habl. Wlhelm Dagelmaer Modul W 336 SS 06 Bedesysteme ud Warteschlage Besel: Fahrradfabrk Presse Puffer Lackerere
Mathematik: Mag. Schmid Wolfgang & LehrerInnenteam Arbeitsblatt Semester ARBEITSBLATT 7-8 WAHRSCHEINLICHKEITSRECHNUNG UND STATISTIK
Mathematk: Mag. Schmd Wolfgag & LehrerIeteam Arbetsblatt 7-7 7. Semester ARBEITSBLATT 7-8 WAHRSCHEINLICHKEITSRECHNUNG UND STATISTIK STATISTISCHE GRUNDBEGRIFFE Statstk gledert sch zwe Telbereche De Beschrebede
6. Zusammenhangsmaße (Kovarianz und Korrelation)
Problemstellug: Bsher: Gesucht: 6. Zusammehagsmaße (Kovaraz ud Korrelato) Ee Varable pro Merkmalsträger, Stchprobe x1,, x Maße für Durchschtt, Streuug, usw. Bespel: Kurse zweer Akte ud a 9 aufeader folgede
WIB 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
Die Binomialverteilung als Wahrscheinlichkeitsverteilung für die Schadenversicherung
De Bomalvertelg al Wahrchelchketvertelg für de Schadevercherg Für da Modell eer Schadevercherg e gegebe: = Schade ee Verchergehmer, we der Schadefall etrtt w = Wahrchelchket dafür, da der Schadefall etrtt
Multiple Regression (1) - Einführung I -
Multple Regreo Eführug I Mt eem Korrelatokoeffzete ud der efache leare Regreo köe ur varate Zuammehäge zwche zwe Varale uterucht werde. Beutzt ma tatt dee mehrere Varale zur Vorherage, egt ma ch auf da
Investmentfonds Kennzahlen- berechnung
Ivestmetfods Kezahle- berechug erformace Rsko- ud Ertragsaalyse, Rskokezahle Gültg ab 0.0.2007 Ivestmetfods - Kezahleberechug 2 Ivestmetfods - Kezahleberechug Ihalt erformace 4. Berechug der erformace
IV. VERSICHERUNGSUNTERNEHMUNG
IV. VERSICHERUNGSUNTERNEHMUNG Vers.-Oek.Tel-I-Ka-IV--5 Dr. Rurecht Wtzel; HS 09.0.009 IV. VERSICHERUNGSUNTERNEHMUNG IV. VERSICHERUNGSUNTERNEHMUNG. Überblck ) I desem Katel wede wr us der Aalyse der Verscherugsuterehmug
Mehrdimensionale Häufigkeitsverteilungen (1)
Mehrdmesoale Häufgketsverteluge () - De Begrffe uvarat ud bvarat - Vo uvarate (edmesoale) statstsche Aalyse sprcht ma, we pro Perso ur e Merkmal tabellarsche oder grafsche Häufgketsverteluge oder be der
Schiefe- und Konzentrationsmaße
Statstk für SozologIe Schefe- ud Kozetratosmaße Uv.Prof. Dr. Marcus Hudec Höhere Vertelugsmaßzahle E stetges Merkmal wurde 3 Gruppe beobachtet ud Form der folgede Häufgketstabelle berchtet: Klasse m Gruppe
Wenn man mehrere Verbraucher in Reihe schaltet, so werden alle vom gleichen Strom durchflossen, siehe auch Abschnitt und Formel ( ).
- rudlage der Elektrotechk - 60 22..04 4 Der komplzertere elektrsche lechstromkres 4. Kombato vo Verbraucher 4.. Sere- oder eheschaltug vo Wderstäde We ma mehrere Verbraucher ehe schaltet, so werde alle
Statistische Maßzahlen
Statstsche Maßzahle Stochastk h Mt h Mt Varaz arosches Mttelwert Azahl der Klasse, Azahl der Beobachtugswerte, statstscher Beobachtugswert, Zufallsvarable, Azahl der Beobachtugswerte Azahl der Beobachtugswerte,
Schiefe-, Wölbungs- und Konzentrationsmaße
Statstk für SozologIe Schefe-, Wölbugs- ud Kozetratosmaße Uv.Prof. Dr. Marcus Hudec Höhere Vertelugsmaßzahle E stetges Merkmal wurde 3 Gruppe beobachtet ud Form der folgede Häufgketstabelle berchtet: Klasse
Formeln für Statistik und Wahrscheinlichkeitstheorie (Dutter)
Formel für tatstk ud Wahrschelchketstheore (Dutter) Fehler a: fpalmater@gmal.com Cotets Beschrebede tatstk... Kegröße vo Verteluge... Verteluge... 3 Wahrschelchketstheore... 3 Grudlage... 4 Erwartug &
REGRESSION. Marcus Hudec Christian Neumann. Eine anwendungsorientierte Einführung. Unterstützt von Institut für Statistik der Universität Wien
REGRESSION Ee awedugsoreterte Eführug Marcus Hudec Chrsta Neuma Uterstützt vo Isttut für Statstk der Uverstät We Eletug De Regresso st e velfältg esetzbares Werkzeug zur Beschrebug ees fuktoale Zusammehags
Mannheimer Manuskripte zu Risikotheorie, Portfolio Management und Versicherungswirtschaft. Nr. 145
Mahemer Mauskrpte zu Rskotheore, Portfolo Maagemet ud Verscherugswrtschaft Nr. 45 Methode der rskobaserte Kaptalallokato m Verscherugs- ud Fazwese vo Peter Albrecht ud Sve Korycorz Mahem 03/2003 Methode
Verdichtete Informationen
Verdchtete Iormatoe Maßzahle Statstke be Stchprobe Parameter be Grudgesamthete Maßzahle zur Beschrebug uvarater Verteluge Maßzahle der zetrale Tedez (Mttelwerte) Maßzahle der Varabltät (Streuugswerte)
2. Zusammenhangsanalysen: Korrelation und Regression
2. Zusammehagsaalse: Korrelato ud Regresso Dowloads zur Vorlesug 2. Zusammehagsaalse: Korrelato ud Regresso 2 Grudbegrffe zwedmesoale Stchprobe De Gewug vo mehrere Merkmale vo eer Beobachtugsehet führt
Statistik. (Inferenzstatistik)
Statstk Mathematsche Hlfswsseschaft mt der Aufgabe, Methode für de Sammlug, Aufberetug, Aalyse ud Iterpretato vo umersche Date beretzustelle, um de Struktur vo Masseerscheuge zu erkee. Deskrptve (beschrebede)
Erinnerung: Funktionslernen. 5.6 Support Vector Maschines (SVM) Beispiel: Funktionenlernen. Reale Beispiele
Ererug: Fuktoslere 5.6 Support Vector Masches (SVM) überomme vo Stefa Rüpg, Kathara Mork Uverstät Dortmud Vorlesug Maschelles Lere ud Data Mg WS 2002/03 Gegebe: Bespele X LE de ahad eer Wahrschelchketsvertelug
Grundzüge der Preistheorie
- - Grudzüge der Prestheore Elemetare Gedake der uterehmersche Prespoltk Verso 3. Harr Zgel 999-3, EMal: HZgel@aol.com, Iteret: http://www.zgel.de Nur für Zwecke der Aus- ud Fortbldug Ihaltsüberscht. Grudgedake.....
Schiefe- und Konzentrationsmaße
Statst für SozologIe Schefe- ud Kozetratosmaße Uv.Prof. Dr. Marcus Hudec Höhere Vertelugsmaßzahle E stetges Mermal wurde 3 Gruppe beobachtet ud Form der folgede Häufgetstabelle berchtet: Klasse m Gruppe
Marketing- und Innovationsmanagement Herbstsemester 2013 - Übungsaufgaben Lesender: Prof. Dr. Andreas Fürst
Marketg- ud Iovatosmaagemet Herbstsemester 2013 - Übugsaufgabe Leseder: Prof. Dr. Adreas Fürst Isttut für Marketg ud Uterehmesführug Abtelug Marketg Uverstät Ber Ihaltsverzechs 1 Eletug Allgemee Grudlage
(i) Wie kann man für eine Police mit Einmalbeitrag E = 20000 eine kongruente Deckung des Gewinnversprechens darstellen?
Aufgabe 1 (60 Pukte) De Gesellschaft XYZ betet als prvate Reteverscherug ee Idepolce gege Emalbetrag a mt eer Aufschubfrst vo zwe Jahre. Ivestert wrd e so geates IdeZertfkat, das be Retebeg das folgede
Regressionsgerade, lineares Modell:
Statstk Grudlage Charakterserug vo Verteluge Eführug Wahrschelchketsrechug Wahrschelchketsverteluge Schätze ud Teste Korrelato Regresso Eführug Durch de Regressosaalyse wrd versucht, de Art des Zusammehags
Quantitative BWL 2. Teil: Finanzwirtschaft
Quattatve BWL. el: Fazwtschaft Mag. oáš Sedlačk Lehstuhl fü Fazdestlestuge Uvestät We Quattatve BWL: Fazwtschaft Ogasatosches Isgesat wd es 6 ee gebe (5 Ehete + Klausu Klausu fdet a D 7. Jaua 009 statt
Formelsammlung Statistik
Gesudhets- ud Toursmusmaagemet Formelsammlug Statstk Dpl. Mathematker (FH) Rolad Geger Rosestr. 23 7263 Achtal cs.geger@t-ole.de www.cs-geger.de Grudlage Bezechuge x h N H Ω ezele Messergebsse eer Stchprobe
Gliederung: A. Vermögensverwaltung I. Gegenstand II. Ablauf III. Kosten. Jan Lenkeit
Glederug: A. Vermögesverwaltug I. Gegestad II. Ablauf III. Koste B. Grudzüge der Kaptalmarkttheore I. Portefeulletheore 1. Darstellug. Krtk II. Captal Asset Prcg Model (CAPM) 1. Darstellug. Krtk III. Arbtrage
Statistische Kennzahlen für die Streuung
Statstsche Kezahle für de Streuug Ordale Date,..., W X,,..., WX {(j) j,..., J} () < () < < (J) {(),...,(J)} (3) () 3 () Geordete Lste k X (k) () () 3 () Smpso s D ud H() sd awedbar, allerdgs wrd Iformato
Preisindex. und. Mengenindex
Dpl.-Kaufm. Wolfgag Schmtt Aus meer Skrpterehe: " Kee Agst vor... " Ausgewählte Theme der deskrptve Statstk resdex ud Megedex Übuge Aufgabe ösuge www.f-lere.de resdex 1 De Etwcklug der rese wrd der Öffetlchket
Der Korrelationskoeffizient ist ein Maß für den linearen Zusammenhang zwischen zwei Variablen X und Y. Er ist durch folgende Formel charakterisiert:
Korrelatoskoeffzet Der Korrelatoskoeffzet st e Maß für de leare Zusammehag zwsche zwe Varable X ud Y. Er st durch folgede Formel charaktersert: r y corr XY Statstk für SozologIe y y y y y y y y Kozept
Universitätslehrgang Sports Physiotherapy Einführung in die Statistik
Departmet of Sport Scece ad Kesolog Uverstätslehrgag Sports Phsotherap Eführug de Statstk Gerda Strutzeberger Block I Block Mttwoch 5..0 3:00 bs 4:50 Grudlage, Skaleveau 5:05 bs 7:00 Gütekrtere, Hpothese,
Textil & Design Formelsammlung Statistik
Textl & Desg Formelsammlug Statstk Dpl. Mathematker (FH) Rolad Geger Rosestr. 23 7263 Achtal cs.geger@t-ole.de www.cs-geger.de Grudlage Bezechuge x h N H Ω ezele Messergebsse eer Stchprobe absolute Häufgket
Quantitative Methoden in der klinischen Epidemiologie
Quattatve Methode der klsche Epdemologe Korrelato ud leare Regresso Lerzele Besteht e fuktoeller Zusammehag zwsche zwe Messuge a eem Patete? Korrelato als Maßzahl für de Stärke ees leare Zusammehages Beschrebe
Skript Teil 7: Polygonzug
Prof. Dr. tech. Alfred Mschke Vorlesug zur Verastaltug Vermessugskude Skrpt Tel 7: Polgozug Der Begrff Polgo letet sch aus Pol = vel ud Go = Wkel ab ud bedeutet uregelmäßges Veleck. Das Polgoere det zum
2 Regression, Korrelation und Kontingenz
Regresso, Korrelato ud Kotgez I desem Kaptel lerst du de Zusammehag zwsche verschedee Merkmale durch Grafke zu beschrebe, Maßzahle ür de Stärke des Zusammehags zu bereche ud dese zu terpretere, das Wsse
Ergebnis- und Ereignisräume
I Ergebs- ud Eregsräume Zufallsexpermete Defto: E Expermet, welches belebg oft uter gleche Bedguge wederholbar st ud desse Ergebs cht mt Bestmmthet vorhergesagt werde ka (d.h. es gbt md. 2 Mgk.), heßt
5. Mehrkomponentensysteme - Gleichgewichte
5. Mehrkomoetesysteme - lechgewchte 5.1 Phaseglechgewchte artelles molares olume eobachtug: esamtvolume eer Flüssgketsmschug oft (Ezelvoluma) z.., 1000 cm 3 Ethaol + 18 cm 3 Wasser (1mol) = 1014 cm 3 Mschug
Messfehler, Fehlerberechnung und Fehlerabschätzung
Apparatves Praktkum Physkalsche Cheme der TU Brauschweg SS1, Dr. C. Maul, T.Dammeyer Messfehler, Fehlerberechug ud Fehlerabschätug 1. Systematsche Fehler Systematsche Fehler et ma solche Fehleratele, welche
Geometrisches Mittel und durchschnittliche Wachstumsraten
Dpl.-Kaufm. Wolfgag Schmtt Aus meer Skrpterehe: " Kee Agst vor... " Ausgewählte Theme der deskrptve Statstk Geometrsches Mttel ud durchschttlche Wachstumsrate Modellaufgabe Übuge Lösuge www.f-lere.de Geometrsches
Frequently Asked Questions FAQ. Stand: 1. Januar KGAST Immo-Index
Stad: 1. Jauar 217 KGAST Immo-Idex KGAST Immo-Idex-Famle FREQUENTLY ASKED QUESTIONS Was behaltet der KGAST Immo-Idex? De KGAST Immo-Idex-Famle umfasst ee Hauptdex ud dre Subdzes. Der KGAST Immo- Idex als
2. Mittelwerte (Lageparameter)
2. Mttelwerte (Lageparameter) Bespele aus dem täglche Lebe Pro Hemspel hatte Borussa Dortmud der letzte Saso durchschttlch 7.2 Zuschauer. De deutsche Akte sd m Durchschtt um 0 Zähler gefalle. I Ide wurde