3. Selbstbehalt und Selbstbeteiligung

Größe: px
Ab Seite anzeigen:

Download "3. Selbstbehalt und Selbstbeteiligung"

Transkript

1 3. Selbstbehalt und Selbstbeteiligung Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie (FS 11) Selbstbehalt und Selbstbeteiligung 1 / 16

2 1. Modellrahmen 1.1 Versicherungsnehmer und Schadensverteilung Versicherungsnehmer beschrieben durch Ausgangsvermögen W 0 > 0 (sicher). Bernoulli-Nutzenfunktion u (streng steigend, streng konkav) Schaden beschrieben durch eine Zufallsvariable L mit Realisierungen L [0,W 0 ]. Wir betrachten den diskrete Fall mit möglichen Schäden 0 = L 1 < L 2 < < L n und dazugehörigen Wahrscheinlichkeiten π 1,,π n, die allesamt streng grösser als Null sind. Das Lehrbuch betrachtet den stetigen Fall, wobei f die Dichtefunktion der Schadensverteilung bezeichnet. Der Fall n = 2 entspricht dem zuvor betrachteten Modell. 2 / 16

3 3 / Modellrahmen 1.2 Versicherungsverträge Ein Versicherungsvertrag ist beschrieben durch: 1 die Entschädigungszahlung I : [0,W 0 ] R + 2 die Versicherungsprämie P(I), von der wir annehmen, dass sie durch P(I) = (1 + λ)e[i( L)] mit λ 0 gegeben ist. Interpretation: I(L) 0 ist die Zahlung, die der Versicherungsnehmer erhält, wenn ein Schaden in Höhe von L auftritt. Die Versicherungsprämie wird auf Grundlage der erwarteten Entschädigungszahlung kalkuliert, die um den Aufschlagsfaktor λ 0 vergrössert wird. λ = 0 ist der Fall der fairen Versicherung; ein Vertrag mit λ > 0 heisst unfair.

4 1. Modellrahmen 1.2 Versicherungsverträge Ein Versicherungsvertrag mit (proportionaler) Selbstbeteiligung ist durch I(L) = αl mit 0 α 1 beschrieben. α = 1 ist der Spezialfall der vollständigen Versicherung (keine Selbstbeteiligung). α = 0 stellt den Fall dar, dass keine Versicherung erworben wird. Die Prämienzahlung ergibt sich hier als P(I) = (1 + λ)αe[ L]. 4 / 16

5 1. Modellrahmen 1.2 Versicherungsverträge Versicherungsverträge mit Selbstbehalt werden durch die Funktion I(L) = max[0,l D] mit D 0 dargestellt. D ist die Höhe des Selbstbehalts (Deductible, Franchise) Bei Schäden unterhalb von D wird keine Entschädigung geleistet. Bei Schäden oberhalb von D erhält der Versicherungsnehmer den Schaden abzüglich des Selbstbehalts erstattet. Der Fall der vollständigen Versicherung ist durch D = 0 erfasst. D = W 0 stellt den Fall dar, dass keine Versicherung erworben wird. 5 / 16

6 1. Modellrahmen 1.2 Versicherungsverträge Beachte: Natürlich könnte man auch Versicherungsverträge betrachten, die Selbstbeteiligung und Selbstbehalt kombinieren: I(L) = max[0,α(l D)]... oder auch noch eine Höchstgrenze für die Erstattung definieren: I(L) = min[z,max[0,α(l D)]]. Als allgemeine Einschränkung an die Klasse der betrachteten Versicherungsverträge formulieren wir die folgende Annahme: I ist steigend mit 0 I(L) L, L [0,W 0 ] Was motiviert diese Annahme? Was wird durch sie ausgeschlossen? 6 / 16

7 1. Modellrahmen 1.3 Nutzenbewertung eines Versicherungsvertrages Aus dem Abschluss eines Versicherungsvertrages, der die Entschädigungszahlungen I(L) verspricht, resultiert der Erwartungsnutzen n π i u(w 0 (1 + λ)e[i( L)] L i + I(L i )). i=1 Das Versicherungsnachfrageproblem besteht im allgemeinen darin, aus einer Menge solcher Verträge denjenigen auszuwählen, der den höchsten Erwartungsnutzen erzeugt. 7 / 16

8 2. Versicherungsverträge mit Selbstbeteiligung 2.1 Formulierung des Versicherungsnachfrageproblems Problemstellung: Welchen Wert von α sollte der Versicherungsnehmer wählen, wenn alle Versicherungsverträge mit Selbstbeteiligung zur Auswahl stehen? Bezeichne mit ū(α) den Erwartungsnutzen des Versicherungsvertrages, in dem der Anteil α eines jeden Schadens ersetzt wird: ū(α) = n π i u(w 0 (1 + λ)αe[ L] (1 α)l i ) i=1 Das betrachte Versicherungsnachfrageproblem ist max 0 α 1ū(α) 8 / 16

9 2. Versicherungsverträge mit Selbstbeteiligung 2.2 Eigenschaften des Versicherungsnachfrageproblems Die Zielfunktion ū(α) ist streng konkav, so dass das Versicherungsnachfrageproblem eine eindeutige Lösung besitzt. Mossins Theorem Es existiert ein λ > 0, so dass α = 0 gilt, wenn λ λ ist Keine Versicherung ist optimal, wenn der Aufschlagsfaktor zu gross wird. α = 1 gilt, wenn λ = 0 ist Vollständige Versicherung ist optimal, wenn die Versicherung fair ist. 0 < α < 1 gilt, wenn 0 < λ < ˆλ gilt Ist die Versicherung weder fair noch prohibitiv teuer, so ist unvollständige Versicherung optimal. 9 / 16

10 2. Versicherungsverträge mit Selbstbeteiligung 2.3 Komparative Statik: Vermögen und Aufschlag Ausgehend von Parameterwerten, die zu 0 < α < 1 führen, kann die komparative Statik bezüglich des Ausgangsvermögens und des Aufschlagsfaktors mit Hilfe des Satzes über implizite Funktionen durchgeführt werden. Die Vorgehensweise entspricht derjenigen im einfachen Grundmodell. Ergebnisse sind ebenfalls entsprechend zu denen im einfachen Grundmodell: Ausgangsvermögen: α fallend (bzw. konstant, bzw. steigend) in W 0, falls u fallende (bzw. konstante, bzw. steigende) absolute Risikoaversion aufweist. Aufschlagsfaktor: α fallend in λ, falls u konstante oder steigende absolute Risikoaversion aufweist. Im Fall der fallenden absoluten Risikoaversion ist keine allgemeine Aussage möglich. 10 / 16

11 2. Versicherungsverträge mit Selbstbeteiligung 2.4 Komparative Statik: Risikoaversion Betrachte Bernoulli-Nutzenfunktionen u und v, wobei u risikoaverser als v sei. Frage: Was kann man über den Vergleich von α u und α v bei identischen Parametern sagen? Antwort: Es muss α u α v gelten. Zusätzlich gilt: Ist u streng risikoaverser als v, dann gilt α u > α v Beachte die Voraussetzung einer inneren Lösung (0 < α < 1). Ohne diese können die Fälle α u = α v = 0 und α u = α v = 1 auftreten. 11 / 16

12 3. Versicherungsverträge mit Selbstbehalt 3.1 Fragestellung Entsprechend zu der Analyse im vorhergehenden Abschnitt kann man die Auswahl des optimalen Wertes von D aus einer Klasse von Versicherungsverträgen mit Selbstbehalt diskutieren. Dies tun wir nicht. Stattdessen fragen wir: Wenn der Versicherungsnehmer die Form der Entschägigungszahlung unter der Nebenbedingung P(I) = (1 + λ)e[i( L)]. frei wählen könnte, würde er sich für einen Versicherungsvertrag mit Selbstbehalt entscheiden? 12 / 16

13 13 / Versicherungsverträge mit Selbstbehalt 3.1 Fragestellung Definition Ein Versicherungsvertrag I : [0,W 0 ] R + ist optimal, wenn er das Problem maxe[u(w 0 P L + I( L))] I unter den Nebenbedingungen P = (1 + λ)e[i( L)] und I(L) ist steigend mit 0 I(L) L. löst.

14 3. Versicherungsverträge mit Selbstbehalt 3.2 Antwort Satz Ist I ein optimaler Versicherungsvertrag, dann existiert D 0, so dass I (L i ) = max{0,l i D} für alle i = 1, n gilt. Dies bedeutet, dass Versicherungsverträge mit Selbstbehalt optimal sind. Dieses Ergebnis gilt auch unter schwächeren Annahmen: Für den Zusammenhang zwischen Entschädigung und Prämienzahlung ist nur wesentlich, dass die Prämie für Verträge mit gleicher erwarteter Auszahlung gleich ist. Erwartungsnutzenhypothese wird nicht benötigt wesentlich ist nur, dass weniger riskante Verteilungen vorgezogen werden. Warum gilt das? Die Intuition ist einfach / 16

15 15 / Versicherungsverträge mit Selbstbehalt 3.2 Antwort Man kann das Problem in zwei Schritte zerlegen: 1 Bestimme für eine gegebene Prämienzahlung P die dazugehörige optimale Funktion I. 2 Setze diese Lösung in die Zielfunktion ein und maximiere über P Führt schon der erste Schritt zu dem Ergebnis, dass die Lösung dieses Problems ein Versicherungsvertrag mit Selbstbehalt ist, braucht man den zweiten Schritt nicht mehr zu machen. Also kann man hoffen, dass es genügt, das folgende Problem zu betrachten: max x 1,,x n (Wieso?) n π i u(w 0 P L i +x i ) unter den NB π i x i = P/(1+λ) und x i 0. i=1 i

16 3. Versicherungsverträge mit Selbstbehalt 3.2 Antwort Um die Logik der Analyse zu verstehen, genügt es den Spezialfall mit π i = 1/n zu betrachten, max x 1, x n n u(w 0 P L i + x i ) unter den NB x i = k und x i 0, i=1 i und zu bedenken, dass es in einer Lösung dieses Problemes keine Möglichkeit geben darf, durch die Umverteilung eines kleinen Geldbetrages von einem Zustand zu einem anderen eine Verbesserung zu erreichen. 16 / 16

Vorlesung 3: Versicherungsnachfrage

Vorlesung 3: Versicherungsnachfrage Vorlesung 3: Versicherungsnachfrage Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie, FS 12 Versicherungsnachfrage 1/20 2 / 20 3. 1 Das Versicherungsnachfrageproblem

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

Vorlesung 3: Risikoaversion

Vorlesung 3: Risikoaversion Vorlesung 3: Risikoaversion Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Entscheidung VL 3 (FS 11) Risikoaversion 1 / 21 1. Modellrahmen In diesem Kapitel betrachten wir nur monetäre

Mehr

Vorlesung 2: Risikopräferenzen im Zustandsraum

Vorlesung 2: Risikopräferenzen im Zustandsraum Vorlesung 2: Risikopräferenzen im Zustandsraum Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie VL 2, FS 12 Risikopräferenzen im Zustandsraum 1/29 2.1 Motivation

Mehr

6. Adverse Selektion und Moralisches Risiko

6. Adverse Selektion und Moralisches Risiko 6. Adverse Selektion und Moralisches Risiko Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie (FS 11) Adverse Selektion und Moralisches Risiko 1 / 11 1. Adverse

Mehr

Vorlesung 4: Risikoallokation

Vorlesung 4: Risikoallokation Vorlesung 4: Risikoallokation Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie, FS 12 Risikoallokation 1/23 2 / 23 4.1 Einleitung Bisher haben wir uns ausschliesslich

Mehr

Vorlesung 2: Erwartungsnutzen

Vorlesung 2: Erwartungsnutzen Vorlesung 2: Erwartungsnutzen Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Entscheidung VL 2 (FS 11) Erwartungsnutzen 1 / 28 1. Modellrahmen 1.1 Die Alternativen Wir betrachten

Mehr

Übung 1: Angebot und Nachfrage

Übung 1: Angebot und Nachfrage Übung 1: Angebot und Nachfrage Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Intermdediate Microeconomics HS 12 Übung 1 1 / 18 2 / 18 Zu Aufgaben 1 und 2 Worum geht es? Sie können

Mehr

Übung 1: Angebot und Nachfrage

Übung 1: Angebot und Nachfrage Übung 1: Angebot und Nachfrage Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Intermdediate Microeconomics HS 11 Übung 1 1 / 21 2 / 21 Gleichgewicht in Wettbewerbsmärkten Aufgabe

Mehr

Zufallsvariablen: Die allgemeine Definition

Zufallsvariablen: Die allgemeine Definition KAPITEL 8 Zufallsvariablen: Die allgemeine Definition 8.1. Zufallsvariablen Bis zu diesem Zeitpunkt haben wir ausschließlich Zufallsvariablen mit endlich oder abzählbar vielen Werten (also diskrete Zufallsvariablen)

Mehr

Vorlesung 5: Probleme der Erwartungsnutzentheorie

Vorlesung 5: Probleme der Erwartungsnutzentheorie Vorlesung 5: Probleme der Erwartungsnutzentheorie Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Entscheidung VL 5 (FS 11) Probleme der Erwartungsnutzentheorie 1 / 24 1. Einleitung

Mehr

Monopol. Wir betrachten nun den Extremfall eines Monopols: Es gibt nur einen Anbieter/Verkäufer, den Monopolisten Wir nehmen des weiteren an, es gebe

Monopol. Wir betrachten nun den Extremfall eines Monopols: Es gibt nur einen Anbieter/Verkäufer, den Monopolisten Wir nehmen des weiteren an, es gebe Kapitel 10: Monopol Hauptidee: Ein Unternehmen mit Marktmacht nimmt den Marktpreis nicht als gegeben hin. Es maximiert seinen Gewinn indem es einen Output wählt, für welchen der Preis höher ist als die

Mehr

λ(a n ) n 1 = (λa n ) n 1. Abbildung 1: Graph einer Folge. b n = arctan(n), f n = cos(nπ), g n = n 2, h n = ( 1) n n.

λ(a n ) n 1 = (λa n ) n 1. Abbildung 1: Graph einer Folge. b n = arctan(n), f n = cos(nπ), g n = n 2, h n = ( 1) n n. Folgen Es sei X eine beliebige Menge. Eine Folge mit Werten in X ist eine Abbildung von N nach X. Es wird also jeder natürlichen Zahl n (dem Index) ein Element a n aus X zugeordnet (das n-te Folgenglied).

Mehr

Mikroökonomik 3. Vorlesungswoche

Mikroökonomik 3. Vorlesungswoche Mikroökonomik 3. Vorlesungswoche Tone Arnold Universität des Saarlandes 1. November 2007 Tone Arnold (Universität des Saarlandes) 3. Vorlesungswoche 1. November 2007 1 / 71 Nutzenmaximierung Optimale Entscheidung

Mehr

Versicherungsökonomie Lösungshinweise zu dem Aufgabenblatt zu Vorlesung 4

Versicherungsökonomie Lösungshinweise zu dem Aufgabenblatt zu Vorlesung 4 Georg Nöldeke Frühjahr 2012 Versicherungsökonomie Lösungshinweise zu dem Aufgabenblatt zu Vorlesung 4 1. Ist Individuum 1 risikoneutral, so ist u konstant. Insbesondere gilt also für beliebieg Allokationen

Mehr

Kapitel 4. Reihen 4.1. Definition und Beispiele

Kapitel 4. Reihen 4.1. Definition und Beispiele Kapitel 4. Reihen 4.1. Definition und Beispiele Ist (a n ) eine Folge von Zahlen, so heißt der formale Ausdruck a ν = a 0 + a 1 + a 2 +... eine Reihe; die einzelnen a ν sind die Glieder dieser Reihe. Um

Mehr

1. Angebot und Nachfrage

1. Angebot und Nachfrage 1. Angebot und Nachfrage Georg Nöldeke WWZ, Universität Basel Intermediate Microeconomics, HS 11 1. Angebot und Nachfrage 1/40 2 / 40 1.1 Gleichgewicht in Wettbewerbsmärkten Wir betrachten einen Markt

Mehr

1. Angebot und Nachfrage

1. Angebot und Nachfrage 1. Angebot und Nachfrage Georg Nöldeke WWZ, Universität Basel Intermediate Microeconomics, HS 12 1. Angebot und Nachfrage 1/39 2 / 39 1.1 Gleichgewicht in Wettbewerbsmärkten Wir betrachten einen Markt

Mehr

Funktionen in zwei Variablen

Funktionen in zwei Variablen Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Funktionen in zwei Variablen Literatur: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen, Band 1,

Mehr

Ü b u n g s b l a t t 15

Ü b u n g s b l a t t 15 Einführung in die Stochastik Sommersemester 07 Dr. Walter Oevel 2. 7. 2007 Ü b u n g s b l a t t 15 Hier ist zusätzliches Übungsmaterial zur Klausurvorbereitung quer durch die Inhalte der Vorlesung. Eine

Mehr

Vorlesung 2: Präferenzen über Lotterien

Vorlesung 2: Präferenzen über Lotterien Vorlesung 2: Präferenzen über Lotterien Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Entscheidung VL 2, FS 13 Präferenzen über Lotterien 1/26 2.1 Modellrahmen Wir betrachten im

Mehr

ökonomischen Agenten verfügen überunterschiedliche Informationsmengen, d.h. Agenten haben private Informationen.

ökonomischen Agenten verfügen überunterschiedliche Informationsmengen, d.h. Agenten haben private Informationen. 5.1. Private Informationen Grundsätzlich lassen sich zwei Arten unvollständiger Information unterscheiden i. Informationsdefizite, die alle ökonomischen Agenten gleichermaßen betreffen ii. Asymmetrisch

Mehr

Vorlesung 2: Präferenzen über Lotterien

Vorlesung 2: Präferenzen über Lotterien Vorlesung 2: Präferenzen über Lotterien Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Entscheidung VL 2, FS 12 Präferenzen über Lotterien 1/24 2.1 Modellrahmen Wir betrachten im

Mehr

10. Vorlesung. Grundlagen in Statistik. Seite 291. Martin-Luther-Universität Halle/Wittenberg

10. Vorlesung. Grundlagen in Statistik. Seite 291. Martin-Luther-Universität Halle/Wittenberg . Vorlesung Grundlagen in Statistik Seite 29 Beispiel Gegeben: Termhäufigkeiten von Dokumenten Problemstellung der Sprachmodellierung Was sagen die Termhäufigkeiten über die Wahrscheinlichkeit eines Dokuments

Mehr

Lösungen zum Aufgabenblatt Nr. 1: Konstruktion der reellen Zahlen

Lösungen zum Aufgabenblatt Nr. 1: Konstruktion der reellen Zahlen Lösungen zum Aufgabenblatt Nr. 1: Konstruktion der reellen Zahlen Aufgabe 1: Es sei D die Menge aller rationalen Dedekind-Mengen, also D := { M 2 Q M is Dedekind-Menge }. Auf der Menge D definieren wir

Mehr

1 Elemente der Wahrscheinlichkeitstheorie

1 Elemente der Wahrscheinlichkeitstheorie H.-J. Starkloff Unendlichdimensionale Stochastik Kap. 01 11. Oktober 2010 1 1 Elemente der Wahrscheinlichkeitstheorie 1.1 Messbare Räume Gegeben seien eine nichtleere Menge Ω und eine Menge A von Teilmengen

Mehr

Matura2016-Lösung. Problemstellung 1

Matura2016-Lösung. Problemstellung 1 Matura-Lösung Problemstellung. Die Funktion f( = + 9k + müsste bei = den Wert annehmen, also gilt + 9k + = k =. Wir betrachten den Bereich mit positiven Werten. Dann gilt: f ( = 8 + 8 = = ; = Bei liegt

Mehr

Kenngrößen von Zufallsvariablen

Kenngrößen von Zufallsvariablen Kenngrößen von Zufallsvariablen Die Wahrscheinlichkeitsverteilung kann durch die sogenannten Kenngrößen beschrieben werden, sie charakterisieren sozusagen die Verteilung. Der Erwartungswert Der Erwartungswert

Mehr

Folgen und Grenzwerte

Folgen und Grenzwerte Wintersemester 2015/201 Folgen und Grenzwerte von Sven Grützmacher Dieser Vortrag wurde für den (von der Fachschaft organisierten) Vorkurs für die Studienanfänger an der Fakultät für Mathematik und Informatik

Mehr

Kapitel 5: Entscheidung unter Unsicherheit

Kapitel 5: Entscheidung unter Unsicherheit Kapitel 5: Entscheidung unter Unsicherheit Hauptidee: Die Konsequenzen einer Entscheidung sind oft unsicher. Wenn jeder möglichen Konsequenz eine Wahrscheinlichkeit zugeordnet wird, dann kann eine rationale

Mehr

Wirtschaftsmathematik-Klausur vom 03.07.2014 und Finanzmathematik-Klausur vom 11.07.2014 und

Wirtschaftsmathematik-Klausur vom 03.07.2014 und Finanzmathematik-Klausur vom 11.07.2014 und Wirtschaftsmathematik-Klausur vom 03.07.2014 und Finanzmathematik-Klausur vom 11.07.2014 und Bearbeitungszeit: W-Mathe 60 Minuten, F-Mathe 45 Minuten Aufgabe 1 a) Gegeben ist das folgende Gleichungssystem:

Mehr

2 Rationale und reelle Zahlen

2 Rationale und reelle Zahlen 2 reelle Es gibt Mathematik mit Grenzwert (Analysis) und Mathematik ohne Grenzwert (z.b Algebra). Grenzwerte existieren sicher nur dann, wenn der Zahlbereich vollständig ist, also keine Lücken aufweist

Mehr

Vorlesung 6: Alternativen zur Erwartungsnutzentheorie

Vorlesung 6: Alternativen zur Erwartungsnutzentheorie Vorlesung 6: Alternativen zur Erwartungsnutzentheorie Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Entscheidung VL 6 (FS 11) Alternativen zur Erwartungsnutzentheorie 1 / 21 1.

Mehr

bestehenden sind, weiterhin benutzt werden. Oft beleuchten unterschiedliche Formalismen Dinge nämlich von unterschiedlichen Blickwinkeln.

bestehenden sind, weiterhin benutzt werden. Oft beleuchten unterschiedliche Formalismen Dinge nämlich von unterschiedlichen Blickwinkeln. 2 Endliche Automaten bestehenden sind, weiterhin benutzt werden. Oft beleuchten unterschiedliche Formalismen Dinge nämlich von unterschiedlichen Blickwinkeln. Fragen 1. Sei R = 0 1 + (0 + 1). In welchen

Mehr

Übung zu Risiko und Versicherung Entscheidungstheoretische Grundlagen

Übung zu Risiko und Versicherung Entscheidungstheoretische Grundlagen Übung zu Risiko Entscheidungstheoretische Grundlagen Stefan Neuß Sebastian Soika http://www.inriver.bwl.lmu.de Newsletter Auf der Homepage unter http://www.inriver.bwl.uni-muenchen.de/studium/sommer_203/bachelorveranstaltungen/risiko_und_versicherungen/index.html

Mehr

Modellschularbeit. Mathematik. Dezember 2014. Teil-1-Aufgaben. Korrekturheft

Modellschularbeit. Mathematik. Dezember 2014. Teil-1-Aufgaben. Korrekturheft Modellschularbeit Mathematik Dezember 2014 Teil-1-Aufgaben Korrekturheft Aufgabe 1 Ungleichung 1 2 a 2 kein x N, das die Ungleichung erfüllt Ein Punkt ist genau dann zu geben, wenn für jede der beiden

Mehr

1.5.4 Quantile und Modi. Bem [Quantil, Modus]

1.5.4 Quantile und Modi. Bem [Quantil, Modus] 1.5.4 Quantile und Modi 1.5 Erwartungswert und Varianz Bem. 1.73. [Quantil, Modus] und Vertei- Analog zu Statistik I kann man auch Quantile und Modi definieren. Gegeben sei eine Zufallsvariable X mit Wahrscheinlichkeitsverteilung

Mehr

Zusammenfassung Abschnitt 1

Zusammenfassung Abschnitt 1 Zusammenfassung Abschnitt 1 Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Mikroökonomie (FS 09) Zusammenfassung 1 / 11 1.1 Modell des Konsumentenverhaltens Gegeben sind Güterpreise:

Mehr

825 e 290 e 542 e 945 e 528 e 486 e 675 e 618 e 170 e 500 e 443 e 608 e. Zeichnen Sie das Box-Plot. Sind in dieser Stichprobe Ausreißer vorhanden?

825 e 290 e 542 e 945 e 528 e 486 e 675 e 618 e 170 e 500 e 443 e 608 e. Zeichnen Sie das Box-Plot. Sind in dieser Stichprobe Ausreißer vorhanden? 1. Aufgabe: Eine Bank will die jährliche Sparleistung eines bestimmten Kundenkreises untersuchen. Eine Stichprobe von 12 Kunden ergab folgende Werte: 825 e 290 e 542 e 945 e 528 e 486 e 675 e 618 e 170

Mehr

Lineare Algebra II 5. Übungsblatt

Lineare Algebra II 5. Übungsblatt Lineare Algebra II Übungsblatt Fachbereich Mathematik SS Prof Dr Kollross / Mai Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Algebraisch abgeschlossener Körper) Ein Körper heißt algebraisch abgeschlossen,

Mehr

Kapitel 5: Entscheidung unter Unsicherheit

Kapitel 5: Entscheidung unter Unsicherheit Kapitel 5: Entscheidung unter Unsicherheit Hauptidee: Die Konsequenzen einer Entscheidung sind oft unsicher. Wenn jeder möglichen Konsequenz eine Wahrscheinlichkeit zugeordnet wird, dann kann eine rationale

Mehr

Stetige Funktionen. Definition. Seien (X, d) und (Y, ϱ) metrische Räume und f : X Y eine Abbildung. D(f) X sei der Definitionsbereich von f.

Stetige Funktionen. Definition. Seien (X, d) und (Y, ϱ) metrische Räume und f : X Y eine Abbildung. D(f) X sei der Definitionsbereich von f. Stetige Funktionen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume), spielen eine zentrale Rolle in der Mathematik. In der Analysis sind Abbildungen

Mehr

4 Reihen und Finanzmathematik

4 Reihen und Finanzmathematik 4 Reihen und Finanzmathematik 4. Reihen Aus Folgen lassen sich durch Aufaddieren weitere Folgen konstruieren. Das sind die sogenannten Reihen, sie spielen in der Finanzmathematik eine wichtige Rolle. Sei

Mehr

Kapitel VI - Lage- und Streuungsparameter

Kapitel VI - Lage- und Streuungsparameter Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel VI - Lage- und Streuungsparameter Markus Höchstötter Lehrstuhl für Statistik, Ökonometrie

Mehr

Übung zu Risiko und Versicherung Entscheidungstheoretische Grundlagen

Übung zu Risiko und Versicherung Entscheidungstheoretische Grundlagen Übung zu Risiko Entscheidungstheoretische Grundlagen Christoph Lex Dominik Lohmaier http://www.inriver.bwl.lmu.de Newsletter Auf der Homepage unter http://www.inriver.bwl.uni-muenchen.de/studium/sommer_04/bachelorveranstaltungen/risiko_und_versicherungen/index.html

Mehr

1. Einleitung: Markt und Preis

1. Einleitung: Markt und Preis 1. Einleitung: Markt und Preis Georg Nöldeke WWZ, Universität Basel Mikroökonomie (FS 10) Einleitung 1 / 31 1. Einleitung 1.1. Was ist Mikroökonomie? Ziel der Mikroökonomie ist es, menschliches Verhalten

Mehr

Im gesamten Kapitel sei Ω eine nichtleere Menge. Wir bezeichnen die Potenzmenge

Im gesamten Kapitel sei Ω eine nichtleere Menge. Wir bezeichnen die Potenzmenge 1 Mengensysteme Ein Mengensystem ist eine Familie von Teilmengen einer Grundmenge und damit eine Teilmenge der Potenzmenge der Grundmenge. In diesem Kapitel untersuchen wir Mengensysteme, die unter bestimmten

Mehr

Summe von Zufallsvariablen

Summe von Zufallsvariablen Summe von Zufallsvariablen Gegeben sind die unabhängigen, gleichverteilten Zufallsvariablen X und Y mit den Wahrscheinlichkeitsdichten f() und g(). { für f() = g() = sonst Wir interessieren uns für die

Mehr

Multivariate Analysis

Multivariate Analysis Kapitel Multivariate Analysis Josef Leydold c 6 Mathematische Methoden I Multivariate Analysis / 38 Lernziele Funktionen in mehreren Variablen Graph und Niveaulinien einer Funktion in zwei Variablen Partielle

Mehr

Standardisierte kompetenzorientierte schriftliche Reifeprüfung AHS. 11. Mai 2015. Mathematik. Teil-1-Aufgaben. Korrekturheft. öffentliches Dokument

Standardisierte kompetenzorientierte schriftliche Reifeprüfung AHS. 11. Mai 2015. Mathematik. Teil-1-Aufgaben. Korrekturheft. öffentliches Dokument Standardisierte kompetenzorientierte schriftliche Reifeprüfung AHS 11. Mai 2015 Mathematik Teil-1-Aufgaben Korrekturheft Aufgabe 1 Taschengeld Der Term stellt die Höhe des durchschnittlichen wöchentlichen

Mehr

8 Verteilungsfunktionen und Dichten

8 Verteilungsfunktionen und Dichten 8 Verteilungsfunktionen und Dichten 8.1 Satz und Definition (Dichten) Eine Funktion f : R R heißt Dichtefunktion, kurz Dichte, wenn sie (Riemann-) integrierbar ist mit f(t) 0 für alle t R und Setzt man

Mehr

Deskriptive Statistik Kapitel IX - Kontingenzkoeffizient

Deskriptive Statistik Kapitel IX - Kontingenzkoeffizient Deskriptive Statistik Kapitel IX - Kontingenzkoeffizient Georg Bol bol@statistik.uni-karlsruhe.de Markus Höchstötter hoechstoetter@statistik.uni-karlsruhe.de Agenda 1. Untersuchung der Abhängigkeit 2.

Mehr

Kapitel 2 Wahrscheinlichkeitsrechnung

Kapitel 2 Wahrscheinlichkeitsrechnung Definition 2.77: Normalverteilung & Standardnormalverteilung Es sei µ R und 0 < σ 2 R. Besitzt eine stetige Zufallsvariable X die Dichte f(x) = 1 2 πσ 2 e 1 2 ( x µ σ ) 2, x R, so heißt X normalverteilt

Mehr

6. Stochastische Modelle II: Stetige Wahrscheinlichkeitsverteilungen, insbesondere Normalverteilungen

6. Stochastische Modelle II: Stetige Wahrscheinlichkeitsverteilungen, insbesondere Normalverteilungen 6. Stochastische Modelle II: Stetige Wahrscheinlichkeitsverteilungen, insbesondere Normalverteilungen Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Bisher: Diskrete Zufallsvariablen,

Mehr

Biometrieübung 5 Spezielle Verteilungen. 1. Anzahl von weiblichen Mäusen in Würfen von jeweils 4 Mäusen

Biometrieübung 5 Spezielle Verteilungen. 1. Anzahl von weiblichen Mäusen in Würfen von jeweils 4 Mäusen Biometrieübung 5 (Spezielle Verteilungen) - Aufgabe Biometrieübung 5 Spezielle Verteilungen Aufgabe 1. Anzahl von weiblichen Mäusen in Würfen von jeweils 4 Mäusen Anzahl weiblicher Mäuse (k) Anzahl Würfe

Mehr

Der Trainer einer Fußballmannschaft stellt die Spieler seiner Mannschaft auf. Insgesamt besteht der Kader seiner Mannschaft aus 23 Spielern.

Der Trainer einer Fußballmannschaft stellt die Spieler seiner Mannschaft auf. Insgesamt besteht der Kader seiner Mannschaft aus 23 Spielern. Aufgabe 1 (2 + 1 + 2 + 2 Punkte) Der Trainer einer Fußballmannschaft stellt die Spieler seiner Mannschaft auf. Insgesamt besteht der Kader seiner Mannschaft aus 23 Spielern. a) Wieviele Möglichkeiten hat

Mehr

Übungen zur Vorlesung Differential und Integralrechnung I Lösungsvorschlag

Übungen zur Vorlesung Differential und Integralrechnung I Lösungsvorschlag MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr. E. Schörner WS 203/4 Blatt 20.0.204 Übungen zur Vorlesung Differential und Integralrechnung I Lösungsvorschlag 4. a) Für a R betrachten wir die Funktion

Mehr

10 - Elementare Funktionen

10 - Elementare Funktionen Kapitel 1 Mathematische Grundlagen Seite 1 10 Elementare Funktionen Definition 10.1 (konstante Funktion) Konstante Funktionen sind nichts weiter als Parallelen zur xachse, wenn man ihren Graphen in das

Mehr

Ableitung einer Betragsfunktion Differenzierbarkeit

Ableitung einer Betragsfunktion Differenzierbarkeit Ableitung einer Betragsfunktion Differenzierbarkeit 1-E Differenzierbarkeit einer Funktion Eine Funktion y = f (x) heißt an der Stelle x differenzierbar, wenn der Grenzwert f ' ( x) = lim Δ x 0 Δ y Δ x

Mehr

Quantitative Methoden Wissensbasierter Systeme

Quantitative Methoden Wissensbasierter Systeme Quantitative Methoden Wissensbasierter Systeme Probabilistische Netze und ihre Anwendungen Robert Remus Universität Leipzig Fakultät für Mathematik und Informatik Abteilung für Intelligente Systeme 23.

Mehr

Bachelorprüfung für Volkswirte

Bachelorprüfung für Volkswirte Bachelorprüfung für Volkswirte Mikroökonomie II Dr. Peter Schwardmann 12. Februar 2015 Bitte beantworten Sie die folgenden drei Aufgaben. Zur Bearbeitung der Klausur stehen Ihnen 90 Minuten zur Verfügung.

Mehr

Vergleich von Entscheidungsträgern bzgl. ihrer Risikoaversion:

Vergleich von Entscheidungsträgern bzgl. ihrer Risikoaversion: Ist das Arrow-Pratt-Maß der absoluten Risikoaversion bekannt, so lässt sich daraus die Nutzenfunktion bestimmen: Mithilfe der Substitution y := U (w) dy = U (w)dw gilt: und daher U (w) U (w) dw = A a (w)dw

Mehr

Differentialrechnung bei Funktionen mehreren Variablen

Differentialrechnung bei Funktionen mehreren Variablen Kap. 6 Differentialrechnung bei Funktionen mehreren Variablen Im folgenden geht es um Funktionen des Typsf :R n R X... Y =f(x,...,x n ) X n Eine Weiterentwicklung der Differentialrechnung für solche Funktionen

Mehr

1.5 Gleichungen I. 1 Gleichungen 1.Grades mit einer Unbekannten 2. 2 allgemeingültige und nichterfüllbare Gleichungen 4

1.5 Gleichungen I. 1 Gleichungen 1.Grades mit einer Unbekannten 2. 2 allgemeingültige und nichterfüllbare Gleichungen 4 1.5 Gleichungen I Inhaltsverzeichnis 1 Gleichungen 1.Grades mit einer Unbekannten 2 2 allgemeingültige und nichterfüllbare Gleichungen 4 3 Einschub: Rechnen mit physikalischen Zeichen 5 4 Auflösen von

Mehr

3.2 Lineare Optimierung (Entscheidungen unter Sicherheit)

3.2 Lineare Optimierung (Entscheidungen unter Sicherheit) 3. Lineare Optimierung (Entscheidungen unter Sicherheit) Betrachtet wird hier der Fall Θ = (bzw. die Situation u(a, ϑ) bzw. l(a,ϑ) konstant in ϑ Θ für alle a A). Da hier keine Unsicherheit über die Umweltzustände

Mehr

Forschungsmethodik II Mag.rer.nat. M. Kickmeier-Rust Karl-Franzens-Universität Graz. Lisza Gaiswinkler, Daniela Gusel, Tanja Schlosser

Forschungsmethodik II Mag.rer.nat. M. Kickmeier-Rust Karl-Franzens-Universität Graz. Lisza Gaiswinkler, Daniela Gusel, Tanja Schlosser Kolmogorov-Smirnov-Test Forschungsmethodik II Mag.rer.nat. M. Kickmeier-Rust Karl-Franzens-Universität Graz 1 Kolmogorov- Smirnov Test Andrei Nikolajewitsch Kolmogorov * 25.4.1903-20.10.1987 2 Kolmogorov-

Mehr

Multivariate Zufallsvariablen

Multivariate Zufallsvariablen Kapitel 7 Multivariate Zufallsvariablen 7.1 Diskrete Zufallsvariablen Bisher haben wir immer nur eine Zufallsvariable betrachtet. Bei vielen Anwendungen sind aber mehrere Zufallsvariablen von Interesse.

Mehr

Übungen zur Vorlesung Funktionentheorie Sommersemester 2012

Übungen zur Vorlesung Funktionentheorie Sommersemester 2012 UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Prof. Dr. Roland Speicher M.Sc. Tobias Mai Übungen ur Vorlesung Funktionentheorie Sommersemester 2012 Präsenblatt ur mündlichen Bearbeitung in den

Mehr

Makroökonomie I/Grundlagen der Makroökonomie

Makroökonomie I/Grundlagen der Makroökonomie Makroökonomie I/Grundzüge der Makroökonomie Page 1 1 Makroökonomie I/Grundlagen der Makroökonomie Kapitel 9: Geldmengenwachstum, Inflation und Produktion Günter W. Beck 1 Makroökonomie I/Grundzüge der

Mehr

Induktive Definitionen

Induktive Definitionen Priv.-Doz. Dr.rer.nat.habil. Karl-Heinz Niggl Technische Universität Ilmenau Fakultät IA, Institut für Theoretische Informatik Fachgebiet Komplexitätstheorie und Effiziente Algorithmen J Induktive Definitionen

Mehr

Grundbegriffe der Wahrscheinlichkeitstheorie

Grundbegriffe der Wahrscheinlichkeitstheorie KAPITEL 1 Grundbegriffe der Wahrscheinlichkeitstheorie 1. Zufallsexperimente, Ausgänge, Grundmenge In der Stochastik betrachten wir Zufallsexperimente. Die Ausgänge eines Zufallsexperiments fassen wir

Mehr

T (n) = max. g(x)=n t(n) S(n) = max. g(x)=n s(n)

T (n) = max. g(x)=n t(n) S(n) = max. g(x)=n s(n) Beim Logarithmischen Kostenmaß wird, im Gegensatz zum EKM, die Stelligkeit der Werte berücksichtigt und mit in die Laufzeit eingerechnet. Beispiel: R1 := R2 (R3), wobei R2 den Wert 5, R3 den Wert 10 und

Mehr

Diskrete Optimierungsverfahren zur Lösung von Sudokus

Diskrete Optimierungsverfahren zur Lösung von Sudokus Diskrete Optimierungsverfahren zur Lösung von Sudokus Seminarvortrag von Daniel Scholz am 6. Dezember 2006 Am Beispiel der Lösung von Sudokurätseln mit Hilfe der linearen Optimierung werden verschiedenen

Mehr

Kapitel III. Lineare Abbildungen

Kapitel III. Lineare Abbildungen Kapitel III. Lineare Abbildungen Beispiele: 1 Lineare Abbildungen a) Seien c 1,..., c n K vorgegeben. Betrachte die Funktion F (x 1,..., x n ) = c 1 x 1 + c 2 x 2 +... + c n x n in den Variablen x 1,...,

Mehr

Vorlesung. Informationsökonomik und die Theorie der Firma

Vorlesung. Informationsökonomik und die Theorie der Firma Vorlesung Informationsökonomik und die Theorie der Firma Ulrich Schwalbe Universität Hohenheim 2. Vorlesung 24.10.2007 Ulrich Schwalbe (Universität Hohenheim) Informationsökonomik 2. Vorlesung 24.10.2007

Mehr

Grundlagen der Wahrscheinlichkeitstheorie und Statistik für Studierende der Informatik

Grundlagen der Wahrscheinlichkeitstheorie und Statistik für Studierende der Informatik INSTITUT FÜR STOCHASTIK WS 07/08 UNIVERSITÄT KARLSRUHE Blatt 4 Dr. B. Klar Übungen zur Vorlesung Grundlagen der Wahrscheinlichkeitstheorie und Statistik für Studierende der Informatik Musterlösungen Aufgabe

Mehr

Diskrete Verteilungen

Diskrete Verteilungen KAPITEL 6 Disrete Verteilungen Nun werden wir verschiedene Beispiele von disreten Zufallsvariablen betrachten. 1. Gleichverteilung Definition 6.1. Eine Zufallsvariable X : Ω R heißt gleichverteilt (oder

Mehr

Monotonie, Konkavität und Extrema

Monotonie, Konkavität und Extrema Kapitel 8 Monotonie, Konkavität und Extrema Josef Leydold Auffrischungskurs Mathematik WS 2017/18 8 Monotonie, Konkavität und Extrema 1 / 55 Monotonie Eine Funktion f heißt monoton steigend, falls x 1

Mehr

Monotonie, Konkavität und Extrema

Monotonie, Konkavität und Extrema Kapitel 8 Monotonie, Konkavität und Extrema Josef Leydold Auffrischungskurs Mathematik WS 2017/18 8 Monotonie, Konkavität und Extrema 1 / 55 Monotonie Eine Funktion f heißt monoton steigend, falls x 1

Mehr

Die Anzahl der Keime in 1 cm 3 Milch wird im zeitlichen Abstand von 1 h bestimmt.

Die Anzahl der Keime in 1 cm 3 Milch wird im zeitlichen Abstand von 1 h bestimmt. 7. Anwendungen ================================================================== 7.1 Exponentielles Wachstum ------------------------------------------------------------------------------------------------------------------

Mehr

Abbildungseigenschaften

Abbildungseigenschaften Abbildungseigenschaften.5. Injektivität Injektivität (injektiv, linkseindeutig) ist eine Eigenschaft einer mathematischen Funktion. Sie bedeutet, dass jedes Element der Zielmenge höchstens einmal als Funktionswert

Mehr

Stackelberg Scheduling Strategien

Stackelberg Scheduling Strategien Stackelberg Scheduling Strategien Von Tim Roughgarden Präsentiert von Matthias Ernst Inhaltsübersicht Einleitung Vorbetrachtungen Stackelberg Strategien Ergebnisse Seminar Algorithmische Spieltheorie:

Mehr

74 Gewöhnliche Differentialgleichungen / Sommersemester 2008

74 Gewöhnliche Differentialgleichungen / Sommersemester 2008 74 Gewöhnliche Differentialgleichungen / Sommersemester 2008 15 Flüsse Bisher wurde im wesentlichen die Abhängigkeit der Lösungen autonomer Systeme von der Zeit bei festem Anfangswert untersucht. Nun wird

Mehr

Effizienz von Algorithmen

Effizienz von Algorithmen Effizienz von Algorithmen Letzte Bearbeitung: Jan 211 Ein wichtiger Aspekt bei Algorithmen sind seine "Kosten". Wir wollen uns hier ausschließlich mit der Laufzeit des gewählten Algorithmus beschäftigen.

Mehr

Wahrscheinlichkeitstheorie Kapitel V - Stetige Verteilungen

Wahrscheinlichkeitstheorie Kapitel V - Stetige Verteilungen Wahrscheinlichkeitstheorie Kapitel V - Stetige Verteilungen Georg Bol georg.bol@statistik.uni-karlsruhe.de Markus Höchstötter hoechstoetter@statistik.uni-karlsruhe.de Stetige Verteilungen Definition: Sei

Mehr

Wir erinnern uns: Um eine Zufallsvariable mit N verschiedenen, gleichwahrscheinlichen Zuständen binär zu codieren, benötigen wir

Wir erinnern uns: Um eine Zufallsvariable mit N verschiedenen, gleichwahrscheinlichen Zuständen binär zu codieren, benötigen wir Kapitel 3: Entropie Motivation Wir erinnern uns: Um eine Zufallsvariable mit N verschiedenen, gleichwahrscheinlichen Zuständen binär zu codieren, benötigen wir log N Bits log p N Bits Die Information steht

Mehr

Thema 1 Die natürlichen Zahlen

Thema 1 Die natürlichen Zahlen Thema 1 Die natürlichen Zahlen Wir bezeichnen mit N die Menge der natürlichen Zahlen dh N {1,,, } Falls wir das Nullelement 0 dazu nehmen, dann bezeichnen wir die resultierende Menge mit N 0 also N 0 {0,

Mehr

Kapitel 1.3. Normalformen aussagenlogischer Formeln. Mathematische Logik (WS 2010/11) Kapitel 1.3: Normalformen 1 / 1

Kapitel 1.3. Normalformen aussagenlogischer Formeln. Mathematische Logik (WS 2010/11) Kapitel 1.3: Normalformen 1 / 1 Kapitel 1.3 Normalformen aussagenlogischer Formeln Mathematische Logik (WS 2010/11) Kapitel 1.3: Normalformen 1 / 1 Boolesche Formeln, Literale und Klauseln Eine Boolesche Formel ist eine aussagenlogische

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Übersicht Lineare Gleichungssystem mit 2 Variablen 1 Lineare Gleichungssystem mit 2 Variablen Beispiele 2 Fakultät Grundlagen Folie: 2 Beispiel I Lineare

Mehr

Ringvorlesung Einführung in die Methoden der empirischen Sozialforschung II

Ringvorlesung Einführung in die Methoden der empirischen Sozialforschung II Ringvorlesung Einführung in die Methoden der empirischen Sozialforschung II Auswahlverfahren - Begriffe und theoretische Grundlagen 1 USA 1936: - Wahlstudie mit 10.000.000 Probestimmzetteln - Quelle: Telefonverzeichnis

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathemati PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathemati für Informatier II (Sommersemester 00) Lösungen zu Aufgabenblatt

Mehr

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Universität Duisburg-Essen Essen, den 0.0.009 Fachbereich Mathematik Prof. Dr. M. Winkler C. Stinner Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Lösung Die Klausur gilt als bestanden,

Mehr

Höhere Mathematik III WS 05/06 Lösungshinweis Aufgabe G 11 Blatt 2

Höhere Mathematik III WS 05/06 Lösungshinweis Aufgabe G 11 Blatt 2 Höhere Mathematik III WS 5/6 Lösungshinweis Aufgabe G 11 Blatt Die zu optimierende Zielfunktion ist der Abstand zum Ursprung. Ein bekannter Trick (Vereinfachung der Rechnung) besteht darin, das Quadrat

Mehr

GOLDENER SCHNITT UND FIBONACCI-FOLGE

GOLDENER SCHNITT UND FIBONACCI-FOLGE GOLDENER SCHNITT UND FIBONACCI-FOLGE NORA LOOSE. Der Goldene Schnitt - Eine Irrationalität am Ordenssymbol der Pythagoreer Schon im 5. Jahrhundert v. Chr. entdeckte ein Pythagoreer eine Konsequenz der

Mehr

Differentialrechnung

Differentialrechnung Kapitel 7 Differentialrechnung Josef Leydold Mathematik für VW WS 205/6 7 Differentialrechnung / 56 Differenzenquotient Sei f : R R eine Funktion. Der Quotient f = f ( 0 + ) f ( 0 ) = f () f ( 0) 0 heißt

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Mathematische und statistische Methoden II Dr. Malte Persike persike@uni-mainz.de lordsofthebortz.de lordsofthebortz.de/g+

Mehr

Exemplar für Prüfer/innen

Exemplar für Prüfer/innen Exemplar für Prüfer/innen Kompensationsprüfung zur standardisierten kompetenzorientierten schriftlichen Reifeprüfung AHS Juni 2015 Mathematik Kompensationsprüfung Angabe für Prüfer/innen Hinweise zur Kompensationsprüfung

Mehr

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Binomialverteilung und Bernoulli- Experiment

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Binomialverteilung und Bernoulli- Experiment Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Binomialverteilung und Bernoulli- Experiment Das komplette Material finden Sie hier: Download bei School-Scout.de TOSSNET Der persönliche

Mehr

Übungsblatt 7 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker

Übungsblatt 7 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker Aufgabe Aufgabe 2 Übungsblatt 7 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker.2.202 Aufgabe Aufgabe 2 Bei einem Zufallsexperiment werden zwei Würfel geworfen und

Mehr