BONUS MALUS SYSTEME UND MARKOV KETTEN

Größe: px
Ab Seite anzeigen:

Download "BONUS MALUS SYSTEME UND MARKOV KETTEN"

Transkript

1 Fakultät Mathematik und Naturwissenschaften, Fachrichtung Mathematik, Institut für Mathematische Stochastik BONUS MALUS SYSTEME UND MARKOV KETTEN Klaus D. Schmidt Ringvorlesung TU Dresden Fakultät MN,

2 Übersicht Prolog: Internet Portale Bonus Malus Systeme: Ein Beispiel Invarianz und Ergodizität Markov Ketten Bonus Malus Systeme: Anfangsverteilung und Übergangsmatrix Kalkulation der Grundprämie Anwendung auf einen inhomogenen Bestand Probleme TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 2 von 61

3 Übersicht Prolog: Internet Portale Bonus Malus Systeme: Ein Beispiel Invarianz und Ergodizität Markov Ketten Bonus Malus Systeme: Anfangsverteilung und Übergangsmatrix Kalkulation der Grundprämie Anwendung auf einen inhomogenen Bestand Probleme TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 3 von 61

4 Prolog: Internet Portale Internet Portale liefern im allgemeinen einen Vergleich von Prämien für das nächste Jahr, aber keinen Vergleich von Prämien für spätere Jahre und keinen Vergleich von Versicherungsleistungen. Die Prämien für spätere Jahre hängen von den zukünftigen Schadenzahlen und damit von dem verwendeten Bonus Malus System ab. Bei Verwendung eines Bonus Malus Systems verringert sich die Prämie für das Folgejahr bei einem schadenfreien aktuellen Jahr und erhöht sich die Prämie für das Folgejahr in Abhängigkeit von der Anzahl der Schäden im aktuellen Jahr. TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 4 von 61

5 TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 5 von 61

6 TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 6 von 61

7 TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 7 von 61

8 TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 8 von 61

9 TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 9 von 61

10 TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 10 von 61

11 TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 11 von 61

12 Übersicht Prolog: Internet Portale Bonus Malus Systeme: Ein Beispiel Invarianz und Ergodizität Markov Ketten Bonus Malus Systeme: Anfangsverteilung und Übergangsmatrix Kalkulation der Grundprämie Anwendung auf einen inhomogenen Bestand Probleme TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 12 von 61

13 Beispiel (1) Wir betrachten ein Bonus Malus System mit vier Klassen i 2 f1, 2, 3, 4g und den zugehörigen Prämienniveaus h(i) bezüglich einer Grundprämie : Klasse i Prämienniveau h(i) 1 125% 2 100% 3 80% 4 64% Interpretation der Klassen des Bonus Malus Systems: Klasse 1: Malus Klasse Klasse 2: Einstiegsklasse Klassen 3 und 4: Bonus Klassen TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 13 von 61

14 Beispiel (2) Für das Bonus Malus System sollen die folgenden Einstufungs und Übergangsregeln gelten: Jeder neue Versicherungsnehmer wird in die Einstiegsklasse 2 eingestuft. Meldet der Versicherungsnehmer keinen Schaden, so wird er im folgenden Jahr eine Klasse höher eingestuft (oder bleibt in Klasse 4). Meldet der Versicherungsnehmer einen Schaden, so wird er im folgenden Jahr eine Klasse niedriger eingestuft (oder bleibt in Klasse 1). Meldet der Versicherungsnehmer mindestens zwei Schäden, so wird er im folgenden Jahr zwei Klassen niedriger (oder in Klasse 1) eingestuft. Möglicher Verlauf eines Versicherungsvertrages: Jahr Klasse 2! 3! 1! 2! 3! 4 % % % % % Schäden TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 14 von 61

15 Beispiel (3) Mögliche Übergänge: neue alte Klasse Klasse Die Übergangswahrscheinlichkeiten von einer alten zu einer neuen Klasse werden durch eine Übergangsmatrix 0 1 0, 3 0, 3 0, 1 0 Q := B 0, 7 0 0, 2 0, 1 0 0, 7 0 0, 2 A 0 0 0, 7 0, 7 beschrieben (deren Koordinaten noch zu begründen sind). TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 15 von 61

16 Beispiel (4) Die Einstufungsregel wird durch eine Anfangsverteilung q q := dargestellt (Einstufung eines neuen Versicherungsnehmers in die Einstiegsklasse 2). 0 Die Koordinaten der Übergangsmatrix Q = (q i,j ) i,j2f1,2,3,4g und der Anfangsverteilung q = (q i ) i2f1,2,3,4g werden wie folgt interpretiert: q i ist die Wahrscheinlichkeit dafür, dass ein neuer Versicherungsnehmer sich bei Beginn des Vertrages in der Klasse i befindet. q i,j ist die Wahrscheinlichkeit dafür, dass ein Versicherungsnehmer nach Ablauf eines Versicherungsjahres von Klasse j nach Klasse i wechselt. TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 16 von C A

17 Beispiel (5) Im Jahr k 2 f0, 1, 2, : : : g ist die Wahrscheinlichkeitsverteilung auf die Klassen f1, 2, 3, 4g durch den Vektor q [k] := Q k q Es gilt 1 0 q [k] = P 4 i=1 q[k] i = 1. Dabei bezeichnet der Vektor 1 die Summe der Einheitsvektoren e i und die Matrix Q k die k te Potenz der Matrix Q mit Q 0 := I, wobei I die Einheitsmatrix bezeichnet (deren Spaltenvektoren die Einheitsvektoren sind). Interpretation der Koordinaten von q [k] analog zu der der Koordinaten von q [0] = q TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 17 von 61

18 Beispiel (6) Desweiteren ist die Prämienstruktur des Bonus Malus Systems durch den Vektor 0 1 1, 25 h := B 1, 00 0, 80 A 0, 64 gegeben. Daraus ergibt sich für das erwartete Prämienniveau im Jahr k 2 f0, 1, 2, : : : g und damit h 0 q [k] = h 0 q [k] 4X i=1 h i q [k] i = h 0 Q k q TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 18 von 61

19 Beispiel (7) k , 3 0, 16 q [k] B 1 C B 0 C B 0, 35 C 0 0, , 49 0, 129 0, 210 0, 181 0, 480 h 0 q [k] 1 0, , , 8230 k 8 16 : : : , 106 0, 103 0, 103 q [k] B 0, 171 C B 0, 167 0, 219 0, 219 A : : : B 0, 167 0, 219 A 0, 504 0, 511 0, 511 h 0 q [k] 0, , 7979 : : : 0, 7979 Das erwartete Prämienniveau stabilisiert sich bei 79, 79%. TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 19 von 61 1 C A

20 Beispiel (8) Fragen: Unter welchen Bedingungen stabilisieren sich für jede Anfangsverteilung q die Wahrscheinlichkeitsverteilungen q [k] für k! 1? Unter welchen Bedingungen stabilisieren sich für jede Anfangsverteilung q die erwarteten Prämien h 0 q [k] für k! 1? Wegen q [k] = Q k q betreffen diese Fragen die Struktur der Übergangsmatrix Q. Wie ist die Übergangsmatrix zu bestimmen? TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 20 von 61

21 Übersicht Prolog: Internet Portale Bonus Malus Systeme: Ein Beispiel Invarianz und Ergodizität Markov Ketten Bonus Malus Systeme: Anfangsverteilung und Übergangsmatrix Kalkulation der Grundprämie Anwendung auf einen inhomogenen Bestand Probleme TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 21 von 61

22 Stochastische Vektoren und Matrizen Ein Vektor q 2 R m heißt stochastischer Vektor, wenn 0 q und 1 0 q = 1 gilt. Eine Matrix Q 2 R m m heißt stochastische Matrix, wenn für alle j 2 f1, : : :, mg der j te Spaltenvektor Qe j von Q ein stochastischer Vektor ist. Lemma. Sei Q 2 R m m eine stochastische Matrix und sei q 2 R m ein stochastischer Vektor. Dann gilt: 1 0 Q = 1 0. Qq ist ein stochastischer Vektor. Für alle k 2 N ist Q k eine stochastische Matrix. Für alle k 2 N ist Q k q ein stochastischer Vektor. TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 22 von 61

23 Invarianz (1) Sei Q eine stochastische Matrix. Ein stochastischer Vektor q heißt invariant unter Q, wenn gilt. Qq = q Lemma. Sei q ein stochastischer Vektor, für den die Folge fq k qg k2n0 konvergent ist. Dann ist der stochastische Vektor invariant unter Q. q := lim k!1 Qk q Problem: Finde Bedingungen an Q, die die Existenz eines invarianten stochastischen Vektors gewährleisten. TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 23 von 61

24 Invarianz (2) Der stochastische Vektor q := C A 0 0, 103 0, 167 0, 219 0, C A ist invariant unter der stochastischen Matrix Q := 0 0, 3 0, 3 0, 1 0 0, 7 0 0, 2 0, 1 0 0, 7 0 0, , 7 0, 7 1 C A TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 24 von 61

25 Ergodizität (1) Eine stochastische Matrix Q heißt schwach ergodisch, wenn es einen stochastischen Vektor q gibt mit lim k!1 Qk e j = q für alle j 2 f1, : : :, mg. (stark) ergodisch, wenn es einen stochastischen Vektor q gibt mit lim k!1 Qk e j = q und q i = e 0 i q > 0 für alle i, j 2 f1, : : :, mg. Die Einheitsmatrix ist nicht schwach ergodisch. TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 25 von 61

26 Ergodizität (2) Lemma. Sei Q schwach ergodisch. Dann gibt es genau einen (unter Q invarianten) stochastischen Vektor q derart, dass für jeden stochastischen Vektor q lim k!1 Qk q = q und gilt. n 1 X1 lim Q k q = q n!1 n k=0 TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 26 von 61

27 Ergodizität (3) Satz. Sei Q eine stochastische Matrix. Dann sind äquivalent: Q ist stark ergodisch. Es gibt ein k 2 N mit e 0 i Qk e j > 0 für alle i, j 2 f1, : : :, mg. TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 27 von 61

28 Ergodizität (4) Folgerung. Sei Q eine stochastische Matrix mit Dann ist Q stark ergodisch. Beispiel. Die stochastische Matrix ist stark ergodisch. q 1,1 > 0 q i,i+1 > 0 für i 2 f1, : : :, m 1g q i,i 1 > 0 für i 2 f2, : : :, mg Q := 0 0, 3 0, 3 0, 1 0 0, 7 0 0, 2 0, 1 0 0, 7 0 0, , 7 0, 7 TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 28 von 61 1 C A

29 Übersicht Prolog: Internet Portale Bonus Malus Systeme: Ein Beispiel Invarianz und Ergodizität Markov Ketten Bonus Malus Systeme: Anfangsverteilung und Übergangsmatrix Kalkulation der Grundprämie Anwendung auf einen inhomogenen Bestand Probleme TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 29 von 61

30 Markov Ketten (1) Sei M := f1, : : :, mg N eine endliche Menge und sei fy k g k2n0 eine Folge von Zufallsvariablen mit Werten in M. Wir bezeichnen M als Zustandsraum der Folge fy k g k2n0. Die Verteilung von Y k ist durch die Wahrscheinlichkeiten q (k) i := P[fY k = ig] mit i 2 M und damit durch den stochastischen Vektor q (k) := 0 bestimmt. TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 30 von 61 q (k) 1... q (k) m 1 C A

31 Markov Ketten (2) Die Folge fy k g k2n0 heißt (homogene) Markov Kette, wenn es eine stochastische Matrix Q 2 R m m und einen stochastischen Vektor q 2 R m gibt derart, dass für alle n 2 N0 und i 0, i 1, : : :, i n 2 M " n # \ P fy k = i k g k=0 =! ny q ik,i k 1 k=1 q i0 gilt. In diesem Fall gilt q (0) = q und wir nennen Q die Übergangsmatrix und q die Anfangsverteilung der Markov Kette fy k g k2n0. TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 31 von 61

32 Markov Ketten (3) Lemma. Sei fy k g k2n0 eine Markov Kette mit Übergangsmatrix Q und Anfangsverteilung q. Für alle k 2 N0 gilt q (k) = Q k q Insbesondere gilt q (0) = q. Für alle k 2 N0 und i, j 2 M gilt P[fY k+1 = igjfy k = jg] = q i,j Für alle n 2 N0 und i 0, i 1, : : :, i n, i n+1 2 M gilt " # n\ P fy n+1 = i n+1 g fy k = i k g = P[fY n+1 = i n+1 gjfy n = i ng] k=0 (Markov Eigenschaft). TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 32 von 61

33 Übersicht Prolog: Internet Portale Bonus Malus Systeme: Ein Beispiel Invarianz und Ergodizität Markov Ketten Bonus Malus Systeme: Anfangsverteilung und Übergangsmatrix Kalkulation der Grundprämie Anwendung auf einen inhomogenen Bestand Probleme TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 33 von 61

34 Konstruktion (1) Zur Konstruktion eines Bonus Malus Systems auf der Grundlage von Schadenzahlen für einen homogenen Bestand betrachten wir eine Folge von Zufallsvariablen fn k g k2n0 mit Werten in N0, einen Zustandsraum M := f1, : : :, mg N mit m 2, eine Abbildung ' : M N0! M und eine Abbildung h : M! (0, 1). Wir interpretieren N k als die zufällige Anzahl der Schäden im Jahr k, M als die Menge der möglichen Bonus Malus Klassen und h(m) als die Menge der möglichen Prämienniveaus und bezeichnen ' als Übergangsfunktion. TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 34 von 61

35 Konstruktion (2) Wir betrachten ferner eine Zufallsvariable Y 0 mit Werten in M und setzen für k 2 N Y k := '(Y k 1, N k 1 ) Dann nimmt auch Y k mit k 2 N nur Werte in M an. Wir interpretieren Y 0 als die zufällige Einstiegsklasse im Jahr 0, Y k mit k 2 N als die zufällige Bonus Malus Klasse im Jahr k (die durch die Bonus Malus Klasse Y k 1 und die der Anzahl der Schäden N k 1 im Vorjahr bestimmt ist), und h(y k ) als das zufällige Prämienniveau im Jahr k (das durch die neue Bonus Malus Klasse Y k bestimmt ist). TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 35 von 61

36 Verteilung der Schadenzahlen Wir nehmen an, dass die Folge fn k g k2n0 unabhängig und identisch verteilt und ist. unabhängig von Y 0 Für r 2 N0 setzen wir Wir setzen ferner p r := P[fN k = rg] := E[N k ] = 1X r P[fN k = rg] = r=0 1X r p r r=0 TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 36 von 61

37 Notation Der Vektor q mit q i := P[fY 0 = ig] ist ein stochastischer Vektor (Anfangsverteilung). Für alle r 2 N0 ist die Matrix Q (r) mit q (r) i,j := j 1 falls '(j, r) = i 0 sonst eine stochastische Matrix (Übergangsmatrix für den Fall von r Schäden). Wegen P 1 r=0 = 1 ist auch die Matrix Q := 1X p r Q (r) r=0 eine stochastische Matrix (Übergangsmatrix). TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 37 von 61

38 Ergebnis Satz. Die Folge fy k g k2n0 ist eine Markov Kette mit Übergangsmatrix Q und Anfangsverteilung q. Aufgrund des Satzes ist für alle k 2 N0 der Vektor q [k] := Q k q ein stochastischer Vektor mit q [k] i = P[fY k = ig] für alle i 2 M. Die Anfangsverteilung q und die Übergangsmatrix Q des Bonus Malus Systems ist damit aus den Eigenschaften des stochastischen Prozesses fn k g k2n0 abgeleitet. Im Hinblick auf die Konvergenz der erwarteten jährlichen Prämienniveaus bleibt die Ergodizität der Übergangsmatrix Q zu prüfen. Diese ist durch die Übergangsregel ' bestimmt. TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 38 von 61

39 Beispiel (9) Wir betrachten ein Bonus Malus System mit vier Klassen. Der Wechsel der Klasse nach Ablauf eines Versicherungsjahres sei durch die folgenden Ein und Umstufungsregeln bestimmt: Jeder Versicherungsnehmer wird zunächst in die Einstiegsklasse 2 eingestuft. Meldet der Versicherungsnehmer keinen Schaden, so wird er im folgenden Jahr eine Klasse höher eingestuft (oder bleibt in der höchsten Klasse 4). Meldet der Versicherungsnehmer einen Schaden, so wird er im folgenden Jahr eine Klasse niedriger eingestuft (oder bleibt in der niedrigsten Klasse 1). Meldet der Versicherungsnehmer zwei (oder mehr) Schäden, so wird er im folgenden Jahr zwei Klassen niedriger (oder in die Klasse 1) eingestuft. Wir wählen also M := f1, 2, 3, 4g. TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 39 von 61

40 Beispiel (10) Des weiteren sei die Verteilung der Anzahl der Schäden N k im Versicherungsjahr k 2 N0 durch gegeben. Dann gilt = E[N k ] = 0, 4. r p r 0 0,7 1 0,2 2 0,1 Aufgrund der Einstufungsregel für das Versicherungsjahr 0 setzen wir q 2 = P[fY 0 = 2g] := 1 und erhalten damit die Anfangsverteilung 0 q = TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 40 von C A

41 Beispiel (11) Aufgrund der Umstufungsregel definieren wir die Übergangsfunktion ' : M N0! M durch mit j 2 M und erhalten zunächst '(j, 0) := minfj + 1, 4g '(j, 1) := maxfj 1, 1g '(j, 2) := maxfj 2, 1g Q (0) = Q (1) = TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 41 von 61 1 C A 1 C A

42 Beispiel (12) Q (2) = C A und sodann die Übergangsmatrix der Markov Kette fy k g k2n0. Q = p 0 Q (0) + p 1 Q (1) + p 2 Q (2) 0 1 0, 3 0, 3 0, 1 0 = B 0, 7 0 0, 2 0, 1 0 0, 7 0 0, 2 A 0 0 0, 7 0, 7 TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 42 von 61

43 Beispiel (13) Darstellung der Daten im Standardtableau: Schadenzahl Klasse i Wahrscheinlichkeit r p r , , ,1 q i TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 43 von 61

44 Übersicht Prolog: Internet Portale Bonus Malus Systeme: Ein Beispiel Invarianz und Ergodizität Markov Ketten Bonus Malus Systeme: Anfangsverteilung und Übergangsmatrix Kalkulation der Grundprämie Anwendung auf einen inhomogenen Bestand Probleme TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 44 von 61

45 Kollektives Modell Wir verfeinern nun unsere Annahmen an die Folge der Schadenzahlen fn k g k2n0 und beziehen die Schadenhöhen mit ein: Wir nehmen an, dass für jedes Jahr k 2 N0 ein kollektives Modell hn k, fx k,s g s2n i vorliegt, also die Folge der Schadenhöhen fx k,s g s2n unabhängig und identisch verteilt und unabhängig von N k ist, dass die kollektiven Modelle voneinander unabhängig sind, dass die Folge fn k g k2n0 identisch verteilt und unabhängig von Y 0 ist, und dass die Familie fx k,s g k2n0, s2n identisch verteilt ist. Wir setzen := E[N] und := E[X ]. TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 45 von 61

46 Erwarteter Gesamtschaden Der Gesamtschaden in Jahr k 2 N0 ist definiert als S k := N X k X k,s s=1 Für den erwarteten Gesamtschaden gilt dann E[S k ] = E[N] E[X ] = Wir können daher zur Vereinfachung annehmen, dass die erwarteten Schadenhöhen alle gleich 1 sind ( = 1), und erhalten E[S k ] = TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 46 von 61

47 Erwartete Prämie (1) Wir bezeichnen die noch zu bestimmende Grundprämie pro Jahr mit Aufgrund des zufälligen Prämienniveaus h(y k ) ist auch die Prämie Z k := h(y k ) im Versicherungsjahr k 2 N0 zufällig. Für die erwartete Prämie gilt mx E[Z k ] = E[ h(y k )] = E[h(Y k )] = h(i) P[fY k = ig] i=1 TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 47 von 61

48 Erwartete Prämie (2) Mit h = 0 h(1). h(m) 1 C A ergibt sich aus der letzten Gleichung mx E[Z k ] = h(i) P[fY k = ig] = h 0 q [k] i=1 = h 0 Q k q Problem: Bestimme die Grundprämie in Abhängigkeit von der Laufzeit des Versicherungsvertrages. TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 48 von 61

49 Äquivalenzprinzip für ein einzelnes Jahr Das Äquivalenzprinzip für Jahr k 2 N0 besteht in der Forderung Für die Grundprämie gilt daher E[Z k ] = E[S k ] und damit h 0 Q k q = = (h 0 Q k q) 1 TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 49 von 61

50 Äquivalenzprinzip für mehrere Jahre (1) Das Äquivalenzprinzip auf der Basis der ersten n Jahre besteht in der Forderung n X1 E[Z k ] = k=0 n X1 E[S k ] k=0 Für die Grundprämie [n] auf der Basis der ersten n Jahre gilt daher und damit n X1 [n] h 0 n X1 Q k q = [n] h 0 Q k q = n k=0 k=0 [n] =! 1 n X1 1 h 0 Q k q n k=0 TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 50 von 61

51 Äquivalenzprinzip für mehrere Jahre (2) Spezialfälle: Ist q invariant unter Q, so gilt Q k q = q und damit [n] = h 0 q für alle n 2 N0. Ist Q schwach ergodisch und q invariant unter Q, so gilt lim n!1 [n] = h 0 q Daher kann in diesem Fall für einen hinreichend langen Planungshorizont n 2 N0 die Grundprämie [n] näherungsweise durch / h 0 q bestimmt werden. TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 51 von 61

52 Beispiel (14) Mit q [1] := q gilt k , 3 0, 16 q [k] B 1 C B 0 C B 0, 35 C 0 0, , 49 0, 129 0, 210 0, 181 0, 480 h 0 q [k] 1 0, , , 8230 k 8 16 : : : , 106 0, 103 0, 103 q [k] B 0, 171 C B 0, 167 0, 219 0, 219 A : : : B 0, 167 0, 219 A 0, 504 0, 511 0, 511 h 0 q [k] 0, , 7979 : : : 0, 7979 TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 52 von 61 1 C A

53 Beispiel (15) Außerdem gilt = 0, 4 Für die Grundprämien [n] und die asymptotische Grundprämie ergibt sich daraus [1] := lim n!1 [n] = / h 0 q n [n] 0, , , , 4477 n [n] 0, , 4825 : : : 0, 5013 Die Approximation ist nicht besonders gut. TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 53 von 61

54 Übersicht Prolog: Internet Portale Bonus Malus Systeme: Ein Beispiel Invarianz und Ergodizität Markov Ketten Bonus Malus Systeme: Anfangsverteilung und Übergangsmatrix Kalkulation der Grundprämie Anwendung auf einen inhomogenen Bestand Probleme TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 54 von 61

55 Beispiel (14) Wir wenden das bisher betrachtete Bonus Malus System auf einen Bestand mit zwei Arten von Risiken an, die sich in der Schadenneigung unterscheiden. Der Bestand ist also inhomogen. Für die Risiken vom Typ A bzw. B sei die Verteilung der Anzahl der Schäden N k im Versicherungsjahr k 2 N0 durch r p r 0 0,7 1 0,2 2 0,1 bzw. r p r 0 0,5 1 0,3 2 0,2 gegeben. Die erwartete Anzahl der Schäden ist dann 0, 4 bzw. 0, 7 Daher besitzen die Risiken vom Typ A eine geringere Schadenneigung als die Risiken vom Typ B. TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 55 von 61

56 Beispiel (15) Die unterschiedlichen Verteilungen der Anzahl der Schäden führen auf unterschiedliche Standardtableaus r p r , , ,1 q i bzw. r p r , , ,2 q i und damit auf unterschiedliche Übergangsmatrizen 0 0, 3 0, 3 0, 1 0 0, 7 0 0, 2 0, 1 0 0, 7 0 0, , 7 0, 7 1 C A bzw. 0 0, 5 0, 5 0, 2 0 0, 5 0 0, 3 0, 2 0 0, 5 0 0, , 5 0, 5 1 C A TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 56 von 61

57 Beispiel (15) mit unterschiedlichen invarianten stochastischen Vektoren 0 0, 103 0, 167 0, 219 0, C A bzw. 0 0, , , , 1923 und unterschiedlichen asymptotischen Prämienniveaus 0, 7979 bzw. 0, C A Daher ergeben sich mit 0, 5013 bzw. 0, 7251 auch unterschiedliche asymptotische Grundprämien für die Risiken vom Typ A bzw. B. TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 57 von 61

58 Beispiel (16) Von einem Risiko ist im allgemeinen nicht bekannt, ob es ein Risiko vom Typ A oder ein Risiko vom Typ B ist. Daher muss eine einheitliche Grundprämie für alle Risiken des Bestandes bestimmt werden. Dies geschieht natürlicherweise durch die Wahl der Grundprämie := # A A + # B B wobei # A bzw. # B mit # A, # B 2 (0, 1) und # A + # B = 1 den Anteil und A bzw. B die Grundprämie der Risiken vom Typ A bzw. B bezeichnet. Auch die Anteile der Risiken vom Typ A bzw. B sind im allgemeinen nicht bekannt und müssen geschätzt werden. TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 58 von 61

59 Übersicht Prolog: Internet Portale Bonus Malus Systeme: Ein Beispiel Invarianz und Ergodizität Markov Ketten Bonus Malus Systeme: Anfangsverteilung und Übergangsmatrix Kalkulation der Grundprämie Anwendung auf einen inhomogenen Bestand Probleme TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 59 von 61

60 Probleme Die Konstruktion eines Bonus Malus Systems wirft zahlreiche Probleme auf: Wahl der Anzahl der Klassen. Wahl der Übergangsregel. Wahl der Prämienniveaus der einzelnen Klassen. Wahl des Planungshorizontes. Darüber hinaus ergeben sich Probleme der Statistik: Überprüfung der Unabhängigkeitsannahmen. Schätzung der Verteilung der Schadenzahlen. Schätzung der Verteilung der Schadenhöhen. Schätzung der Anteile der unterschiedlichen Arten von Risiken in einem inhomogenen Bestand. TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 60 von 61

61 Vielen Dank für Ihre Aufmerksamkeit! TU Dresden, Bonus Malus Systeme und Markov Ketten Folie 61 von 61

Bonus Malus Systeme und Markov Ketten

Bonus Malus Systeme und Markov Ketten / 5 onus Malus Systeme und Markov Ketten Klaus D. Schmidt Lehrstuhl für Versicherungsmathematik Technische Universität Dresden 6. Dresdner Kolloquium zur Mathematik und ihrer Didaktik 8. Februar 2 2 /

Mehr

Markov Ketten und Bonus Malus Systeme

Markov Ketten und Bonus Malus Systeme Grund Stoch Markov Ketten Bonus Malus Probleme L 1 / 46 Markov Ketten und Bonus Malus Systeme Klaus D. Schmidt Lehrstuhl für Versicherungsmathematik Technische Universität Dresden TU Wien 19. Mai 2010

Mehr

W-Rechnung und Statistik für Ingenieure Übung 11

W-Rechnung und Statistik für Ingenieure Übung 11 W-Rechnung und Statistik für Ingenieure Übung 11 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) Mathematikgebäude Raum 715 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) W-Rechnung und Statistik

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der

Mehr

Würfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.

Würfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!. 040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl

Mehr

Coupon Collector's-Problem (Sammelbilderproblem) Name: Walter Wolf Matrikelnr.: 533440 Dozent: Dr. W. Kössler

Coupon Collector's-Problem (Sammelbilderproblem) Name: Walter Wolf Matrikelnr.: 533440 Dozent: Dr. W. Kössler Coupon Collector's-Problem (Sammelbilderproblem) Name: Walter Wolf Matrikelnr.: 533440 Dozent: Dr. W. Kössler Problemstellung Als Sammelbilderproblem bezeichnet man die Frage, wie viele Produkte bzw. Bilder

Mehr

Markovketten. Bsp. Page Ranking für Suchmaschinen. Wahlfach Entscheidung unter Risiko und stat. Datenanalyse 07.01.2015

Markovketten. Bsp. Page Ranking für Suchmaschinen. Wahlfach Entscheidung unter Risiko und stat. Datenanalyse 07.01.2015 Markovketten Markovketten sind ein häufig verwendetes Modell zur Beschreibung von Systemen, deren Verhalten durch einen zufälligen Übergang von einem Systemzustand zu einem anderen Systemzustand gekennzeichnet

Mehr

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte 50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien

Mehr

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:

Mehr

Eigenwerte und Eigenvektoren von Matrizen

Eigenwerte und Eigenvektoren von Matrizen Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt

Mehr

Behörde für Bildung und Sport Abitur 2008 Lehrermaterialien zum Leistungskurs Mathematik

Behörde für Bildung und Sport Abitur 2008 Lehrermaterialien zum Leistungskurs Mathematik Abitur 8 II. Insektenpopulation LA/AG In den Tropen legen die Weibchen einer in Deutschland unbekannten Insektenpopulation jedes Jahr kurz vor Beginn der Regenzeit jeweils 9 Eier und sterben bald darauf.

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv

Mehr

Mathematischer Vorbereitungskurs für Ökonomen

Mathematischer Vorbereitungskurs für Ökonomen Mathematischer Vorbereitungskurs für Ökonomen Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Gleichungen Inhalt: 1. Grundlegendes 2. Lineare Gleichungen 3. Gleichungen mit Brüchen

Mehr

4. Versicherungsangebot

4. Versicherungsangebot 4. Versicherungsangebot Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie (FS 11) Versicherungsangebot 1 / 13 1. Einleitung 1.1 Hintergrund In einem grossen Teil

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder

Mehr

Statistische Thermodynamik I Lösungen zur Serie 1

Statistische Thermodynamik I Lösungen zur Serie 1 Statistische Thermodynamik I Lösungen zur Serie Zufallsvariablen, Wahrscheinlichkeitsverteilungen 4. März 2. Zwei Lektoren lesen ein Buch. Lektor A findet 2 Druckfehler, Lektor B nur 5. Von den gefundenen

Mehr

R ist freie Software und kann von der Website. www.r-project.org

R ist freie Software und kann von der Website. www.r-project.org R R ist freie Software und kann von der Website heruntergeladen werden. www.r-project.org Nach dem Herunterladen und der Installation von R kann man R durch Doppelklicken auf das R-Symbol starten. R wird

Mehr

Zeichen bei Zahlen entschlüsseln

Zeichen bei Zahlen entschlüsseln Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren

Mehr

Quantilsschätzung als Werkzeug zur VaR-Berechnung

Quantilsschätzung als Werkzeug zur VaR-Berechnung Quantilsschätzung als Werkzeug zur VaR-Berechnung Ralf Lister, Aktuar, lister@actuarial-files.com Zusammenfassung: Zwei Fälle werden betrachtet und die jeweiligen VaR-Werte errechnet. Im ersten Fall wird

Mehr

Kapitel 15. Lösung linearer Gleichungssysteme

Kapitel 15. Lösung linearer Gleichungssysteme Kapitel 15. Lösung linearer Gleichungssysteme Lineare Gleichungssysteme Wir befassen uns nun mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren

Mehr

Aufgabe 1. Zunächst wird die allgemeine Tangentengleichung in Abhängigkeit von a aufgestellt:

Aufgabe 1. Zunächst wird die allgemeine Tangentengleichung in Abhängigkeit von a aufgestellt: Aufgabe 1 1.1. Bestimmung von D max : 1. Bedingung: x >0 ; da ln(x) nur für x > 0 definiert ist. 2. Bedingung: Somit ist die Funktion f a nur für x > 0 definiert und sie besitzt eine Definitionslücke an

Mehr

Lineargleichungssysteme: Additions-/ Subtraktionsverfahren

Lineargleichungssysteme: Additions-/ Subtraktionsverfahren Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als

Mehr

Die reellen Lösungen der kubischen Gleichung

Die reellen Lösungen der kubischen Gleichung Die reellen Lösungen der kubischen Gleichung Klaus-R. Löffler Inhaltsverzeichnis 1 Einfach zu behandelnde Sonderfälle 1 2 Die ganzrationale Funktion dritten Grades 2 2.1 Reduktion...........................................

Mehr

4 Vorlesung: 21.11. 2005 Matrix und Determinante

4 Vorlesung: 21.11. 2005 Matrix und Determinante 4 Vorlesung: 2111 2005 Matrix und Determinante 41 Matrix und Determinante Zur Lösung von m Gleichungen mit n Unbekannten kann man alle Parameter der Gleichungen in einem rechteckigen Zahlenschema, einer

Mehr

Bestimmung einer ersten

Bestimmung einer ersten Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,

Mehr

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x

Mehr

Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)

Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Eine Firma stellt USB-Sticks her. Sie werden in der Fabrik ungeprüft in Packungen zu je 20 Stück verpackt und an Händler ausgeliefert. 1 Ein Händler

Mehr

Data Mining: Einige Grundlagen aus der Stochastik

Data Mining: Einige Grundlagen aus der Stochastik Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener

Mehr

7 Rechnen mit Polynomen

7 Rechnen mit Polynomen 7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1

Mehr

1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:

1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:

Mehr

Rente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren Rentenperiode = Zeitabstand zwischen zwei Rentenzahlungen

Rente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren Rentenperiode = Zeitabstand zwischen zwei Rentenzahlungen 5.2. entenrechnung Definition: ente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren entenperiode = Zeitabstand zwischen zwei entenzahlungen Finanzmathematisch sind zwei

Mehr

Kugel-Fächer-Modell. 1fach. 3fach. Für die Einzelkugel gibt es 3 Möglichkeiten. 6fach. 3! Möglichkeiten

Kugel-Fächer-Modell. 1fach. 3fach. Für die Einzelkugel gibt es 3 Möglichkeiten. 6fach. 3! Möglichkeiten Kugel-Fächer-Modell n Kugeln (Rosinen) sollen auf m Fächer (Brötchen) verteilt werden, zunächst 3 Kugeln auf 3 Fächer. 1fach 3fach Für die Einzelkugel gibt es 3 Möglichkeiten } 6fach 3! Möglichkeiten Es

Mehr

Primzahlen und RSA-Verschlüsselung

Primzahlen und RSA-Verschlüsselung Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also

Mehr

1 Mathematische Grundlagen

1 Mathematische Grundlagen Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.

Mehr

11.AsymmetrischeInformation

11.AsymmetrischeInformation .AsymmetrischeInformation Informationistnurwichtig,wenneineEntscheidungssituationdurcheinunsicheresUmfeld charakterisiertist.istesvielleichtso,daßauchdieunsicherheitselbstzueinereinschränkung derfunktionsfähigkeitvonmärktenführt?diesistinder

Mehr

DIFFERENTIALGLEICHUNGEN

DIFFERENTIALGLEICHUNGEN DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung

Mehr

Auktionen erstellen und verwalten mit dem GV Büro System und der Justiz Auktion

Auktionen erstellen und verwalten mit dem GV Büro System und der Justiz Auktion Auktionen erstellen und verwalten mit dem GV Büro System und der Justiz Auktion Workshop Software GmbH Siemensstr. 21 47533 Kleve 02821 / 731 20 02821 / 731 299 www.workshop-software.de Verfasser: SK info@workshop-software.de

Mehr

Güte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über

Güte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion

Mehr

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume

Mehr

Plotten von Linien ( nach Jack Bresenham, 1962 )

Plotten von Linien ( nach Jack Bresenham, 1962 ) Plotten von Linien ( nach Jack Bresenham, 1962 ) Ac Eine auf dem Bildschirm darzustellende Linie sieht treppenförmig aus, weil der Computer Linien aus einzelnen (meist quadratischen) Bildpunkten, Pixels

Mehr

Lineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3

Lineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3 Lineare Funktionen Inhaltsverzeichnis 1 Proportionale Funktionen 3 1.1 Definition............................... 3 1.2 Eigenschaften............................. 3 2 Steigungsdreieck 3 3 Lineare Funktionen

Mehr

Zahlenwinkel: Forscherkarte 1. alleine. Zahlenwinkel: Forschertipp 1

Zahlenwinkel: Forscherkarte 1. alleine. Zahlenwinkel: Forschertipp 1 Zahlenwinkel: Forscherkarte 1 alleine Tipp 1 Lege die Ziffern von 1 bis 9 so in den Zahlenwinkel, dass jeder Arm des Zahlenwinkels zusammengezählt das gleiche Ergebnis ergibt! Finde möglichst viele verschiedene

Mehr

Bereicherungsrecht Fall 2

Bereicherungsrecht Fall 2 G hat bei der S-AG eine Lebensversicherung ihv. 300.000 abgeschlossen, als deren BegünsBgte seine Frau D benannt ist. Als die Finanzierung des gerade erworbenen Eigenheims die Möglichkeiten des G zu übersteigen

Mehr

4. Dynamische Optimierung

4. Dynamische Optimierung 4. Dynamische Optimierung Allgemeine Form dynamischer Optimierungsprobleme 4. Dynamische Optimierung Die dynamische Optimierung (DO) betrachtet Entscheidungsprobleme als eine Folge voneinander abhängiger

Mehr

Approximation durch Taylorpolynome

Approximation durch Taylorpolynome TU Berlin Fakultät II - Mathematik und Naturwissenschaften Sekretariat MA 4-1 Straße des 17. Juni 10623 Berlin Hochschultag Approximation durch Taylorpolynome Im Rahmen der Schülerinnen- und Schüler-Uni

Mehr

QTrade GmbH Landshuter Allee 8-10 80637 München 089 381536860 info@qtrade.de Seite 1

QTrade GmbH Landshuter Allee 8-10 80637 München 089 381536860 info@qtrade.de Seite 1 QCentral - Ihre Tradingzentrale für den MetaTrader 5 (Wert 699 EUR) QTrade GmbH Landshuter Allee 8-10 80637 München 089 381536860 info@qtrade.de Seite 1 Installation A Haben Sie auf Ihrem PC nur einen

Mehr

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume?

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2013/14 Isomorphie Zwei Graphen (V 1, E 1 ) und (V

Mehr

Statistik I für Betriebswirte Vorlesung 11

Statistik I für Betriebswirte Vorlesung 11 Statistik I für Betriebswirte Vorlesung 11 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 22. Juni 2012 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung

Mehr

6.2 Scan-Konvertierung (Scan Conversion)

6.2 Scan-Konvertierung (Scan Conversion) 6.2 Scan-Konvertierung (Scan Conversion) Scan-Konvertierung ist die Rasterung von einfachen Objekten (Geraden, Kreisen, Kurven). Als Ausgabemedium dient meist der Bildschirm, der aus einem Pixelraster

Mehr

Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip. KLAUSUR Statistik B

Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip. KLAUSUR Statistik B Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip Sommersemester 2010 KLAUSUR Statistik B Hinweise zur Bearbeitung: Bei allen Teilaufgaben

Mehr

Zufallsgrößen und Wahrscheinlichkeitsverteilungen

Zufallsgrößen und Wahrscheinlichkeitsverteilungen RS 24.2.2005 Zufallsgroessen_i.mcd 1) Zufallsgröße Zufallsgrößen und Wahrscheinlichkeitsverteilungen Zu jedem Zufallsexeriment gehört ein Ergebnisraum Ω. Die einzelnen Ergebnisse ω i können Buchstaben,

Mehr

Lineare Gleichungssysteme I (Matrixgleichungen)

Lineare Gleichungssysteme I (Matrixgleichungen) Lineare Gleichungssysteme I (Matrigleichungen) Eine lineare Gleichung mit einer Variable hat bei Zahlen a, b, die Form a b. Falls hierbei der Kehrwert von a gebildet werden darf (a 0), kann eindeutig aufgelöst

Mehr

8.2 Thermodynamische Gleichgewichte, insbesondere Gleichgewichte in Mehrkomponentensystemen Mechanisches und thermisches Gleichgewicht

8.2 Thermodynamische Gleichgewichte, insbesondere Gleichgewichte in Mehrkomponentensystemen Mechanisches und thermisches Gleichgewicht 8.2 Thermodynamische Gleichgewichte, insbesondere Gleichgewichte in Mehrkomponentensystemen Mechanisches und thermisches Gleichgewicht 8.2-1 Stoffliches Gleichgewicht Beispiel Stickstoff Sauerstoff: Desweiteren

Mehr

Musterlösungen zur Linearen Algebra II Blatt 5

Musterlösungen zur Linearen Algebra II Blatt 5 Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische

Mehr

Bruchrechnung Wir teilen gerecht auf

Bruchrechnung Wir teilen gerecht auf Bruchrechnung Wir teilen gerecht auf Minipizzen auf Personen. Bruchrechnung Wir teilen gerecht auf Minipizzen auf Personen. : (+) : + Wir teilen einen Teil Eine halbe Minipizza auf Personen. :? Wir teilen

Mehr

Lösungen zum 3. Aufgabenblatt

Lösungen zum 3. Aufgabenblatt SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.

Mehr

http://www.olympiade-mathematik.de 2. Mathematik Olympiade 2. Stufe (Kreisolympiade) Klasse 7 Saison 1962/1963 Aufgaben und Lösungen

http://www.olympiade-mathematik.de 2. Mathematik Olympiade 2. Stufe (Kreisolympiade) Klasse 7 Saison 1962/1963 Aufgaben und Lösungen 2. Mathematik Olympiade Saison 1962/1963 Aufgaben und Lösungen 1 OJM 2. Mathematik-Olympiade Aufgaben Hinweis: Der Lösungsweg mit Begründungen und Nebenrechnungen soll deutlich erkennbar in logisch und

Mehr

Wichtiges Thema: Ihre private Rente und der viel zu wenig beachtete - Rentenfaktor

Wichtiges Thema: Ihre private Rente und der viel zu wenig beachtete - Rentenfaktor Wichtiges Thema: Ihre private Rente und der viel zu wenig beachtete - Rentenfaktor Ihre private Gesamtrente setzt sich zusammen aus der garantierten Rente und der Rente, die sich aus den über die Garantieverzinsung

Mehr

Handbuch ECDL 2003 Modul 2: Computermanagement und Dateiverwaltung Der Task-Manager

Handbuch ECDL 2003 Modul 2: Computermanagement und Dateiverwaltung Der Task-Manager Handbuch ECDL 2003 Modul 2: Computermanagement und Dateiverwaltung Der Task-Manager Dateiname: ecdl2_03_05_documentation Speicherdatum: 22.11.2004 ECDL 2003 Modul 2 Computermanagement und Dateiverwaltung

Mehr

Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.

Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung. Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,

Mehr

Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme

Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Übung Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Diese Übung beschäftigt sich mit Grundbegriffen der linearen Algebra. Im Speziellen werden lineare Abbildungen, sowie

Mehr

Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?

Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt

Mehr

QM: Prüfen -1- KN16.08.2010

QM: Prüfen -1- KN16.08.2010 QM: Prüfen -1- KN16.08.2010 2.4 Prüfen 2.4.1 Begriffe, Definitionen Ein wesentlicher Bestandteil der Qualitätssicherung ist das Prüfen. Sie wird aber nicht wie früher nach der Fertigung durch einen Prüfer,

Mehr

Ergänzungen zum Fundamentum

Ergänzungen zum Fundamentum Matura 2014 - Mathematik - Gymnasium Immensee 2 Ergänzungen zum Fundamentum Abstand eines Punktes zu einer Geraden d = AP v v Substitution ohne Grenzen Mit u = g(x) gilt: f(g(x))dx = 1 u f(u)du Matura

Mehr

1. Kennlinien. 2. Stabilisierung der Emitterschaltung. Schaltungstechnik 2 Übung 4

1. Kennlinien. 2. Stabilisierung der Emitterschaltung. Schaltungstechnik 2 Übung 4 1. Kennlinien Der Transistor BC550C soll auf den Arbeitspunkt U CE = 4 V und I C = 15 ma eingestellt werden. a) Bestimmen Sie aus den Kennlinien (S. 2) die Werte für I B, B, U BE. b) Woher kommt die Neigung

Mehr

Abiturprüfung Mathematik 2008 (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe 1

Abiturprüfung Mathematik 2008 (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe 1 Abiturprüfung Mathematik (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe Für jedes t f t () + t R ist die Funktion f t gegeben durch = mit R. Das Schaubild von f t heißt K t.. (6 Punkte)

Mehr

Die Optimalität von Randomisationstests

Die Optimalität von Randomisationstests Die Optimalität von Randomisationstests Diplomarbeit Elena Regourd Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf Düsseldorf im Dezember 2001 Betreuung: Prof. Dr. A. Janssen Inhaltsverzeichnis

Mehr

Kevin Caldwell. 18.April 2012

Kevin Caldwell. 18.April 2012 im Rahmen des Proseminars Numerische Lineare Algebra von Prof.Dr.Sven Beuchler 18.April 2012 Gliederung 1 2 3 Mathematische Beschreibung von naturwissenschaftlich-technischen Problemstellungen führt häufig

Mehr

R. Brinkmann http://brinkmann-du.de Seite 1 30.11.2013 Schriftliche Übung Mathematik Stochastik II (Nachschreiber) Jan. 2007

R. Brinkmann http://brinkmann-du.de Seite 1 30.11.2013 Schriftliche Übung Mathematik Stochastik II (Nachschreiber) Jan. 2007 R. Brinkmann http://brinkmann-du.de Seite 1 30.11.2013 Schriftliche Übung Mathematik Stochastik II (Nachschreiber) Jan. 2007 SG15/25D NAME: Lösungen 1. In einer Packung sind Glühbirnen, davon sind zwei

Mehr

13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.

13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. 13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)

Mehr

myfactory.go! - Verkauf

myfactory.go! - Verkauf Tutorial: Belegfluss im myfactory Verkauf Belegarten und ihre Nutzung Achten Sie darauf, ausgehend vom ersten erstellten Kundenbeleg, einen durchgehenden Belegfluss einzuhalten. So stellen Sie die ordnungsgemäße

Mehr

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen 4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.

Mehr

Grundlagen der Künstlichen Intelligenz

Grundlagen der Künstlichen Intelligenz Grundlagen der Künstlichen Intelligenz 27. Aussagenlogik: Logisches Schliessen und Resolution Malte Helmert Universität Basel 28. April 2014 Aussagenlogik: Überblick Kapitelüberblick Aussagenlogik: 26.

Mehr

7 Die Determinante einer Matrix

7 Die Determinante einer Matrix 7 Die Determinante einer Matrix ( ) a11 a Die Determinante einer 2 2 Matrix A = 12 ist erklärt als a 21 a 22 det A := a 11 a 22 a 12 a 21 Es ist S 2 = { id, τ}, τ = (1, 2) und sign (id) = 1, sign (τ) =

Mehr

SUDOKU - Strategien zur Lösung

SUDOKU - Strategien zur Lösung SUDOKU Strategien v. /00 SUDOKU - Strategien zur Lösung. Naked Single (Eindeutiger Wert)? "Es gibt nur einen einzigen Wert, der hier stehen kann". Sind alle anderen Werte bis auf einen für eine Zelle unmöglich,

Mehr

Übungsaufgaben Tilgungsrechnung

Übungsaufgaben Tilgungsrechnung 1 Zusatzmaterialien zu Finanz- und Wirtschaftsmathematik im Unterricht, Band 1 Übungsaufgaben Tilgungsrechnung Überarbeitungsstand: 1.März 2016 Die grundlegenden Ideen der folgenden Aufgaben beruhen auf

Mehr

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist. Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen

Mehr

15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit

15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit 5.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit Einführendes Beispiel ( Erhöhung der Sicherheit bei Flugreisen ) Die statistische Wahrscheinlichkeit, dass während eines Fluges ein Sprengsatz an Bord

Mehr

)XQNWLRQVWDVWH8PEXFKHQ

)XQNWLRQVWDVWH8PEXFKHQ Kassensystem (X&D6RIW Š )XQNWLRQVWDVWH8PEXFKHQ Diese Funktion erlaubt es Ihnen, bestimmte gebuchte Artikel auf einen anderen Platz umzubuchen. Sie können variabel Artikel und Mengen auf einen anderen Tisch

Mehr

Auftrag zum Fondswechsel

Auftrag zum Fondswechsel Lebensversicherung von 1871 a.g. München Postfach 80326 München Auftrag zum Fondswechsel Versicherungsnummer Versicherungsnehmer Änderung zum: Bei fehlender Eintragung, findet die Änderung für den Switch

Mehr

www.mathe-aufgaben.com

www.mathe-aufgaben.com Abiturprüfung Mathematik 008 Baden-Württemberg (ohne CAS) Pflichtteil Aufgaben Aufgabe 1: ( VP) x Gegeben ist die Funktion f mit f(x). x Bilden Sie die Ableitung von f und fassen Sie diese so weit wie

Mehr

AGROPLUS Buchhaltung. Daten-Server und Sicherheitskopie. Version vom 21.10.2013b

AGROPLUS Buchhaltung. Daten-Server und Sicherheitskopie. Version vom 21.10.2013b AGROPLUS Buchhaltung Daten-Server und Sicherheitskopie Version vom 21.10.2013b 3a) Der Daten-Server Modus und der Tresor Der Daten-Server ist eine Betriebsart welche dem Nutzer eine grosse Flexibilität

Mehr

geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen

geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde

Mehr

Johann Wolfgang Goethe - Universität Frankfurt am Main

Johann Wolfgang Goethe - Universität Frankfurt am Main Fachbereich Wirtschaftswissenschaften Institut für Statistik und Mathematik Johann Wolfgang Goethe - Universität Frankfurt am Main ENTSCHEIDUNGSTHEORIE Klausur vom 0.0.004 Prof. Dr. H. Rommelfanger Als

Mehr

Physik 4, Übung 11, Prof. Förster

Physik 4, Übung 11, Prof. Förster Physik 4, Übung 11, Prof. Förster Christoph Hansen Emailkontakt ieser Text ist unter dieser Creative Commons Lizenz veröffentlicht. Ich erhebe keinen Anspruch auf Vollständigkeit oder Richtigkeit. Falls

Mehr

Informationsblatt Induktionsbeweis

Informationsblatt Induktionsbeweis Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln

Mehr

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung Kapitel 3 Dynamische Systeme Definition 31: Ein Differentialgleichungssystem 1 Ordnung = f(t, y) ; y R N ; f : R R N R N heißt namisches System auf dem Phasenraum R N Der Parameter t wird die Zeit genannt

Mehr

Formelsammlung zur Kreisgleichung

Formelsammlung zur Kreisgleichung zur Kreisgleichung Julia Wolters 6. Oktober 2008 Inhaltsverzeichnis 1 Allgemeine Kreisgleichung 2 1.1 Berechnung des Mittelpunktes und Radius am Beispiel..... 3 2 Kreis und Gerade 4 2.1 Sekanten, Tangenten,

Mehr

Drei Fragen zum Datenschutz im. Nico Reiners

Drei Fragen zum Datenschutz im. Nico Reiners Drei Fragen zum Datenschutz im Geoinformationswesen Nico Reiners 1. Frage Welche Geoinformationen sind personenbezogen? Personenbezug? Personenbezogene Daten sind Einzelangaben über persönliche oder sachliche

Mehr

Das Mathematik-Abitur im Saarland

Das Mathematik-Abitur im Saarland Informationen zum Abitur Das Mathematik-Abitur im Saarland Sie können Mathematik im Abitur entweder als grundlegenden Kurs (G-Kurs) oder als erhöhten Kurs (E-Kurs) wählen. Die Bearbeitungszeit für die

Mehr

Solvency II und die Standardformel

Solvency II und die Standardformel Fakultät Mathematik und Naturwissenschaften Institut für Mathematische Stochastik Solvency II und die Standardformel Festkolloquium 20 Jahre (neue) Versicherungsmathematik an der TU Dresden Sebastian Fuchs

Mehr

Einführung in die Vektor- und Matrizenrechnung. Matrizen

Einführung in die Vektor- und Matrizenrechnung. Matrizen Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:

Mehr

Umgekehrte Kurvendiskussion

Umgekehrte Kurvendiskussion Umgekehrte Kurvendiskussion Bei einer Kurvendiskussion haben wir eine Funktionsgleichung vorgegeben und versuchen ihre 'Besonderheiten' herauszufinden: Nullstellen, Extremwerte, Wendepunkte, Polstellen

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

3.3 Eigenwerte und Eigenräume, Diagonalisierung 3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.

Mehr

Wahrscheinlichkeitstheorie. Zapper und

Wahrscheinlichkeitstheorie. Zapper und Diskrete Wahrscheinlichkeitsräume Slide 1 Wahrscheinlichkeitstheorie die Wissenschaft der Zapper und Zocker Diskrete Wahrscheinlichkeitsräume Slide 2 Münzwürfe, Zufallsbits Elementarereignisse mit Wahrscheinlichkeiten

Mehr

Skript und Aufgabensammlung Terme und Gleichungen Mathefritz Verlag Jörg Christmann Nur zum Privaten Gebrauch! Alle Rechte vorbehalten!

Skript und Aufgabensammlung Terme und Gleichungen Mathefritz Verlag Jörg Christmann Nur zum Privaten Gebrauch! Alle Rechte vorbehalten! Mathefritz 5 Terme und Gleichungen Meine Mathe-Seite im Internet kostenlose Matheaufgaben, Skripte, Mathebücher Lernspiele, Lerntipps, Quiz und noch viel mehr http:// www.mathefritz.de Seite 1 Copyright

Mehr

Optimale Steuerung. Sequentielle Quadratische Programmierung. Kevin Sieg. 14. Juli 2010. Fachbereich für Mathematik und Statistik Universität Konstanz

Optimale Steuerung. Sequentielle Quadratische Programmierung. Kevin Sieg. 14. Juli 2010. Fachbereich für Mathematik und Statistik Universität Konstanz Optimale Steuerung Kevin Sieg Fachbereich für Mathematik und Statistik Universität Konstanz 14. Juli 2010 1 / 29 Aufgabenstellung 1 Aufgabenstellung Aufgabenstellung 2 Die zusammengesetzte Trapezregel

Mehr

Rente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren Rentenperiode = Zeitabstand zwischen zwei Rentenzahlungen

Rente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren Rentenperiode = Zeitabstand zwischen zwei Rentenzahlungen 1 3.2. entenrechnung Definition: ente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren entenperiode = Zeitabstand zwischen zwei entenzahlungen Finanzmathematisch sind

Mehr

Quadratische Gleichungen

Quadratische Gleichungen Quadratische Gleichungen Aufgabe: Versuche eine Lösung zu den folgenden Zahlenrätseln zu finden:.) Verdoppelt man das Quadrat einer Zahl und addiert, so erhält man 00..) Addiert man zum Quadrat einer Zahl

Mehr