3. Selbstbehalt und Selbstbeteiligung
|
|
- Edwina Dresdner
- vor 8 Jahren
- Abrufe
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 Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie, FS 12 Versicherungsnachfrage 1/20 2 / 20 3. 1 Das Versicherungsnachfrageproblem
Mehr4. Versicherungsangebot
4. Versicherungsangebot Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie (FS 11) Versicherungsangebot 1 / 13 1. Einleitung 1.1 Hintergrund In einem grossen Teil
MehrVorlesung 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
MehrVorlesung 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
Mehr6. 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
MehrVorlesung 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
MehrVorlesung 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
MehrÜbung 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
MehrÜbung 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
MehrZufallsvariablen: 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)
MehrVorlesung 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
MehrMonopol. 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
Mehrλ(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).
MehrMikroökonomik 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
MehrVersicherungsökonomie 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
MehrKapitel 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
Mehr1. 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
Mehr1. 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
MehrFunktionen 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,
MehrÜ 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
MehrVorlesung 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
Mehrökonomischen 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
MehrVorlesung 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
Mehr10. 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
MehrLösungen 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
Mehr1 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
MehrMatura2016-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
MehrKenngrößen von Zufallsvariablen
Kenngrößen von Zufallsvariablen Die Wahrscheinlichkeitsverteilung kann durch die sogenannten Kenngrößen beschrieben werden, sie charakterisieren sozusagen die Verteilung. Der Erwartungswert Der Erwartungswert
MehrFolgen 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
MehrKapitel 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
MehrWirtschaftsmathematik-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:
Mehr2 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
MehrVorlesung 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.
Mehrbestehenden 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
MehrÜbung 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
MehrModellschularbeit. 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
Mehr1.5.4 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
MehrZusammenfassung 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:
Mehr825 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
MehrLineare 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,
MehrKapitel 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
MehrStetige 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
Mehr4 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
MehrKapitel 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
MehrÜbung 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
Mehr1. 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
MehrIm 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
MehrSumme 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
MehrMultivariate 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
MehrStandardisierte 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
Mehr8 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
MehrDeskriptive 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.
MehrKapitel 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
Mehr6. 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,
MehrBiometrieübung 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
MehrDer 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
MehrÜbungen 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
Mehr10 - 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
MehrAbleitung 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
MehrQuantitative 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.
MehrBachelorprüfung 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.
MehrVergleich 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
MehrDifferentialrechnung 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
Mehr1.5 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
Mehr3.2 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
MehrForschungsmethodik 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-
MehrMultivariate 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.
MehrÜbungen 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
MehrMakroökonomie 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
MehrInduktive 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
MehrGrundbegriffe der Wahrscheinlichkeitstheorie
KAPITEL 1 Grundbegriffe der Wahrscheinlichkeitstheorie 1. Zufallsexperimente, Ausgänge, Grundmenge In der Stochastik betrachten wir Zufallsexperimente. Die Ausgänge eines Zufallsexperiments fassen wir
MehrT (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
MehrDiskrete 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
MehrKapitel 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,...,
MehrVorlesung. 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
MehrGrundlagen 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
MehrDiskrete 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
MehrMonotonie, 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
MehrMonotonie, 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
MehrDie Anzahl der Keime in 1 cm 3 Milch wird im zeitlichen Abstand von 1 h bestimmt.
7. Anwendungen ================================================================== 7.1 Exponentielles Wachstum ------------------------------------------------------------------------------------------------------------------
MehrAbbildungseigenschaften
Abbildungseigenschaften.5. Injektivität Injektivität (injektiv, linkseindeutig) ist eine Eigenschaft einer mathematischen Funktion. Sie bedeutet, dass jedes Element der Zielmenge höchstens einmal als Funktionswert
MehrStackelberg Scheduling Strategien
Stackelberg Scheduling Strategien Von Tim Roughgarden Präsentiert von Matthias Ernst Inhaltsübersicht Einleitung Vorbetrachtungen Stackelberg Strategien Ergebnisse Seminar Algorithmische Spieltheorie:
Mehr74 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
MehrEffizienz 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.
MehrWahrscheinlichkeitstheorie 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
MehrWir 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
MehrThema 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,
MehrKapitel 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
MehrLineare 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
MehrRingvorlesung 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
MehrTECHNISCHE 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
MehrKlausur 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,
MehrHöhere 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
MehrGOLDENER 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
MehrDifferentialrechnung
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
MehrMathematische 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+
MehrExemplar 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
MehrUnterrichtsmaterialien 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
MehrÜbungsblatt 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