Grenzwertsätze für Zeitreihen
|
|
- Werner Schulz
- vor 6 Jahren
- Abrufe
Transkript
1 KAPIEL 6 Grenzwersäze für Zeireihen In diesem Kapiel sellen wir wichige Grenzwersäze für saionäre Zeireihen {X n } in diskreer Zei zusammen. Sei µ = E(X ) und ρ(k) = E(X 1 µ)(x 1+k µ) = Cov (X 1, X 1+k ), k N, die Auokovarianzfunkion, sowie σ 2 = Var (X ) = ρ(0). Wir wollen unersuchen, uner welchen Bedingungen das arihmeische Miel gegen den Erwarungswer konvergier, X = 1 X µ = E(X 1 ) sochasisch oder f.s., wenn, und wann die mi skaliere Differenz asympoisch normalvereil is: (X µ) d N(0, η 2 ). Es wird sicherlich u.a. eingehen, wie sich die Varianz für große verhäl. Im i.i.d. Fall is Var (X ) = σ 2 / mi σ 2 = Var (X 1 ) und Var ( 1/2 i=1 X i) = σ 2. Im allgemeinen Fall ha man ( ) 1 Var X i = 1 EY s Y i=1 zu berachen, also bis auf den Fakor 1/ die Summe über alle Elemene der symmerischen Marix (Cov (Y s, Y )) s,. Die Elemene der k-en Nebendiagonale haben die Indizes (1, k + 1), (2, k + 2),..., ( k, ), den gemeinsamen Wer ρ(k) und summieren sich zu 89 s=1
2 k Cov (Y, Y +k ) = ( k)ρ(k). Summaion über alle Diagonalen liefer also: ( ) 1 Var X = 1 E(Y 2 ) k Cov (Y, Y +k ) k=1 = 1 1 ( ) k E(Y 2 ) + 2 ρ(k) k=1 1 = σ (1 k/ )ρ(k). k=1 Ob dieser Ausdruck konvergier, häng vom Abklingverhalen der Auokovarianzen ab. Gil so is der Limes σ k ρ(k). ρ(k) <, k 1. Ein Gesez der großen Zahl Saz 6.1. {X } sei saionär mi µ = E(X ) und Auokovarianzfunkion γ(k), k Z. (i) Gil γ(k) 0, für k, so folg d.h. Var (X ) 0,, P,L 2 X 0, (ii) Gil für. dann folg darüberhinaus + k= γ(k) <, Var ( X ) = E(X µ) 2 + k= γ(k), wenn. 90
3 Beweis. Wie oben schon berechne, gil Var (X ) = 1 Cov (X i, X j ) i=1 j=1 = ( ) k γ(k) k < γ(k). k < Es sei an dieser Selle an folgende Aussage aus der Analysis über Cesaro-Miel erinner: Is {a n } eine reelle Zahlenfolge mi lim n a n = 0, so folg lim n n 1 n i=1 a i = 0. Somi erhalen wir aus γ(k) 0, für k, 1 γ(k) = 2 lim γ( ) = 0, k < also lim Var (X ) = 0. Ferner is k γ(k) eine uner (ii) konvergene Majorane für Var (X ) = k < (1 k / )γ(k). Mihin konvergier dieser Ausdruck und es folg: lim Var (X ) = + k= γ(k). 2. Zenrale Grenzwersäze für lineare Prozesse 2.1. m-abhängige Zeireihen. Beispiel 6.1. Berache den Prozess X = α 1 ɛ 1 + α 0 ɛ, mi i.i.d. Innovaionen {ɛ } mi σ 2 = Var (ɛ 1 ). Dann sind aufeinander folgende Beobachungen abhängig, da Cov (X, X +1 ) = Cov (α 1 ɛ 1 + α 0 ɛ, α 1 ɛ + α 0 ɛ +1 ) = α 0 α 1 σ 2. Da jedoch X eine Funkion von (ɛ 1, ɛ ) und X 2 eine Funkion von (ɛ 3, ɛ 2 ) is, sind X und X 2 unabhängig. 91
4 Allgemein heiß eine Zeireihe {X } m-abhängig, wenn (X 1,..., X n ) und (X r, X r+1,... ) unabhängig sind, sofern n r > m. Die im Beispiel berachee Zeireihe is 1-abhängig. Saz 6.2. {X } sei eine saionäre m-abhängige Zeireihe mi µ = E(X 1 ) und E X 1 3 <. Dann folg n(xn µ) d N(0, η 2 ), für n, mi m η 2 = Var (X 1 ) + 2 Cov (X 1, X 1+k ) k= Lineare Prozesse. Is {X } ein Gausscher Prozess mi Auokovarianzfunkion γ(k) und E(X ) = µ, dann is nach den Rechnungen des obigen Beweises Var ( X n ) = ( 1 k ) γ(k) n und somi gil k <n n(xn µ) N 0, k <n ( 1 k ) n γ(k). Falls die Auokovarianzen absolu summierbar sind, d.h. k γ(k) <, so ergib sich nvar (X n ) η 2 = k γ(k), n. Daher erwaren wir, dass auch für nich normalvereile Zeireihen uner gewissen Zusazbedingungen ein zenraler Grenzwersazsaz der Form n(xn µ) d N(0, η 2 ), für n, gil. Ohne Beweis formulieren wir das folgende Resula für lineare Prozesse. Saz 6.3. {X } sei ein linearer Prozess der Form X = µ + + j= ψ j Z j, mi Z i.i.d. ( 0, σ 2 ), wobei ψ j <, und j 92 ψ j 0 j
5 gele. Dann folg n(xn µ) d N(0, η 2 ), für n, wobei die asympoische Varianz durch gegeben is. η 2 = + ( + ) 2 γ(k) = σ 2 ψ j k= j= 3. Zenraler Grenzwersaz uner Mischungsbedingungen Grenzwersäze gelen nich nur bei speziellen Srukurannahmen - wie exemplarisch im lezen Abschni berache - sondern auch uner allgemeinen qualiaiven Annahmen an die Abhängigkeissrukur, die durch sog. Mischungskoeffizienen beschrieben werden Mischungsbedingungen. {Y } sei ein srik saionärer Prozess in diskreer Zei definier auf einem Wahrscheinlichkeisraum (Ω, A, P ). O.E. sei Y n die Beobachung eines zufälligen Phänomens nach n Zeieinheien. Wir wollen den Grad der Abhängigkei zwischen Ereignissen A und B beschreiben, die aus der Zeireihe (meßbar) abgeleie sind und einen zeilichen Absand von k Zeieinheien haben. Sind allgemein B und C Uner-σ-Algebren von A, so definieren wir den α-mischungskoeffizienen (sarker Mischungskoeffizien) durch α = α(b, C) = sup P (B C) P (B)P (C), B B,C C also die supremale Differenz zwischen gemeinsamer Wahrscheinlichkei und der Approximaion durch die Produkvereilung. Es gib noch eine Reihe schwächerer Mischungskoeffizienen, die wir hier jedoch nich berachen wollen. Berache die σ-algebren B = σ(x s : s ), und C (k) = σ(x s : s + k) aller Ereignisse mi Zeiabsand k, vom Zeipunk aus gesehen. Definiere den α-mischungskoeffizien (zum Absand k) durch α(k) = sup α(b, C (k)), k N. 93
6 Definiion 6.1. Eine Zeireihe {Y } heiß sark mischend oder α-mischend, wenn lim α(k) = 0. k Wie wir sehen werden, reich in aller Regel das Abklingen der Abhängigkei im Sinne dieser Definiion nich aus. Vielmehr benöig man in der Regel, dass α(k) hinreichend schnell gegen 0 konvergier. Is g B -messbar, also eine Funkion von (X, X 1,... ), und h C (k)-messbar, also eine Funkion von (X +k, X +k+1,... ), so gil nach Definiion des Mischungskoeffizienen α(σ(g), σ(h)) α(b, C (k)). Der Grad der Abhängigkei wächs also nich uner messbaren Abbildungen. Insbesondere is mi {X n } auch Y n = f n (X n ) α-mischend und die Mischungskoeffizienen von {Y n } klingen nich langsamer ab als die von {X n }. Is eine Zeireihe sark mischend, so mach man nur einen rech kleinen Fehler, wenn man sa der gemeinsamen Vereilung die Produkvereilung nimm, also bspw. E(Y Y +k ) durch E(Y )E(Y +k ) ersez. Die folgenden Lemmaa quanifizieren dies. Lemma 6.1. (Ibragimov und Linnik, 1956). Seien η σ(y s : s ), und ξ σ(y s : s + k), mi Eη 2+δ und Eξ 2+δ für ein δ > 0. Gil zudem E η 2+δ < c 1 und E ξ 2+δ < c 2, dann exisier eine universelle Konsane C, so dass E(ηξ) E(η)E(ξ) Cα(k) δ/(2+δ). Die Konsane kann als C = 4 + 3(c 1/(2+δ) 1 c (1+δ)/(2+δ) 2 + c (1+δ)/(2+δ) 1 c 1/(2+δ) 2 gewähl werden. Lemma 6.2. (Volkonskii und Rozanov, 1959). V 1,..., V L seien sark mischend mi E V j 1 und V i σ(x s : i k s j k ), wobei 1 i 1 < j 1 < i 2 < < i L < j L n. 94
7 Der minimale Zeiabsand sei w, d.h. es gele i k+1 j k w 1 für k = 1,..., L. Dann gil L L E V k E(V k ) 16(L 1)α(w). k=1 k=1 Lemma 6.3. (Hall und Heyde (1990), Corollary A.2). X und Y seien B- bzw. C-messbare Zufallsvariablen mi E X p < und E Y q <, wobei p, q > 1 mi 1/p + 1/q < 1. Dann gil E(XY ) E(X)E(Y ) 8 X p Y q (α(b, C)) 1 1/p 1/q. Wir berachen nun den folgenden wichigen Spezialfall: {X } sei eine srik saionäre α-mischende Zeireihe, so dass das (2 + δ)-e Momen exisier, d.h. E X 2+δ <. Wir können dann im obigen Lemma p = q = 2+δ wählen, so dass 1/p+1/q = 2/(2+δ) < 1. Dann gil für den k-en Auokovarianzkoeffizienen ρ(k) = E(Y Y +k ) E(Y )E(Y +k ) 8 Y δα(k) δ/(2+δ). Erfüllen die Mischungskoeffizienen die Bedingung α(k) δ/(2+δ) <, so folg die absolue Summierbarkei der Auokovarianzen: ρ(k) 8 Y δ α(k) δ/(2+δ) <. k k k Uner diesen rech schwachen Bedingungen gil neben dem Gesez der großen Zahl auch ein zenraler Grenzwersaz Zenraler Grenzwersaz. Saz 6.4. (Zenraler Grenzwersaz uner Mischungsbedingungen). {Y } sei srik saionärer α-mischende Zeireihe mi EY = 0, E Y 2+δ <, für alle, und α(k) δ/(2+δ) <. k 95
8 Dann gil wenn, wobei 1 η Y d N(0, 1), η 2 = σ k ρ(k). 4. Schäzung der Auokovarianzen und Auokorrelaionen Ein wei verbreieer nichparamerischer Schäzer für die Auokovarianzfunkion γ(k), k Z, bzw. Auokorrelaionsfunkion ρ(k) = γ(k)/γ(0), k Z, einer saionären Zeireihe is γ n (k) = 1 n k (X X n )(X +k X n ), n für 0 k n 1. Berache die zugehörige Marix γ n (0) γ n (1) γ n (n 1) Γ n =.. γ n (n 1) γ n (n 2) γ n (0) der geschäzen Auokovarianzen. Man ha die Darsellung n Γ n = U n U n, wenn man 0 0 Y 1 Y 2 Y n 0 Y U = 1 Y 2 Y n Y 1 Y n 0 0 mi Y i := X i X n sez. Dann gil für jeden Vekor x R n : x Γn x = n 1 x UU x = n 1 (U x) (U x) 0 Folglich is Γ n ses nichnegaiv-defini. 96
9 5. Newey-Wes-Schäzer Wir sudieren nun den Newey-Wes-Schäzer zur konsisenen Schäzung von Kovarianzmarizen S der Form ( 1 S = Var ) X mi einer Zeireihe {X }, X R l, vor. Der Schäzer finde in der Ökonomerie insbesondere Anwendung bei Regressions- und - allgemeiner - GMM-Modellen mi Zeireihendaen. Wir berachen den GMM-Modellrahmen. Gegeben sei also ein ökonomerisches Modell der Form wobei Eh (ϑ 0 ) = 0, = 1,...,, h (ϑ) = h(z ; ϑ), ϑ Θ R p, mi einer Zeireihe {Z } und einer glaen Funkion h. Beispiele sind das lineare Modell mi KQ- oder IV-Schäzung oder allgemeiner der GMM- Ansaz. Berachen wir speziell das lineare Modell: Dor gil h (ϑ 0 ) = ɛ X, ɛ = Y x ϑ 0. Der KQ-Schäzer erfüll Var ( ( ϑ ϑ 0 )) = ( 1 X X ) 1 Var 1 E( ɛ X }{{} ) ( 1 X X ) 1. =h (ϑ 0 ) Hier is also ( 1 S = Var = 1 s=1 ) E(ɛ X ) (Eh (ϑ 0 ))(Eh s (ϑ 0 )) 97
10 Dieser Ausdruck is zu schäzen. Schreib man die Doppelsumme als Summe über die Haup- und alle 1 Nebendiagonalen der Marix (Eh s (ϑ 0 )h (ϑ 0 ) ) s,, so is S = 1 1 Eh j=1 =j+1 E(h h j ) Der Newey-Wes-Schäzer is gegeben durch Ŝ = Γ m 0 + w(j, m)[ Γ j + Γ j] mi wobei j=1 Γ j = 1 =j+1 ĥ ĥ j ĥ = h(z ; ϑ ). Die Marizen Γ j sind die naürlichen nichparamerischen Schäzer für die Auokovarianzmarizen zum Lag j. Der Schäzer verwende nur die ersen m Nebendiagonalen, die durch die Gewiche w(j, m) = 1 j m + 1 sukzessive runergewiche werden. Die Gewiche w(j, m) erfüllen die Bedingungen (W1) w(j, m) C w für alle j, m. (W2) für alle 0 j m gil: w(j, m) 1, wenn m. Wir werden sehen, dass man jede Gewichsfunkion verwenden darf, welche diese beiden Bedingungen erfüll. Is die Funkion h(z; ϑ) zweimal seig differenzierbar mi sup E 2 h(z; ϑ 0 ) ϑ ϑ <, so liefer eine aylorenwicklung um ϑ 0 ĥ h = h(z ; ϑ 0 ) ( ϑ ϑ 0 ) + O( ϑ ϑ 0 2 ). ϑ Is also ϑ ein -konsisener Schäzer, d.h. ( ϑ ϑ 0 ) = O P (1), 98
11 so sind die Schäzungen ĥ gleichmäßig in konsisen mi Rae, d.h. sup ( ĥ h ) = O P (1). Diese leze Bedingung reich für den Beweis der Konsisenz des Newey-Wes-Schäzers aus und mach ihn auch ein wenig übersichlicher. Saz 6.5. (Newey und Wes, 1987). Gele (i) {Z } α-mischend mi und α(j) 2/(2+δ) < j E Z 1 2+δ <. (ii) h = h(z ; ϑ) sei zweimal seig differenzierbar in ϑ mi und E h (ϑ 0 ) 2 <. sup (iii) Es gil die Momene-Bedingung 2 h(z ; ϑ) ϑ ϑ = O P (1) E(h (ϑ 0 )) = Eh(Z ; ϑ 0 ) = 0 (iv) ĥ seien gleichmäßig in -konsisene Schäzungen für h : ( ĥ h ) = O P (1) (v) Die Gewichsfunkion w erfüll die Bedingungen (W1) und (W2). Dann folg Ŝ S P 0,, falls m 0,. Bemerkung 6.1. Schäz man die h mi der Rae γ, so dass sup γ (ĥ h ) = O P (1), 99
12 so gil die Aussage des Sazes, wenn m 0,. 1/2+γ Beweis. Angenommen, die Aussage sei für Dimension p = 1 schon bewiesen. Es gil genau dann, wenn Zur Abkürzung sezen wir i.f. Nun is Da die eindimensionale Zufallsvariablen Ŝ S P 0, c Ŝ c c S c P 0,. h = h(z ; ϑ 0 ), ĥ = h(z ; ϑ 0 ). ( ) c 1 S c = Var h = c 1 E(h h )c s, = 1 E((c h )(c h )) s, ( ) 1 = Var c h. h c, = c h die Momene-Bedingung E(h c, ) = 0 erfüllenund h c, c h gil, sind die Voraussezungen des Sazes erfüll. Somi is konsisen für Ŝ,c = 1 (c h ) = c Ŝ c m j=1 =j+1 S,c = c S c. 100 w(j, m)(c h )(c h j )
13 Also folg Ŝ S P 0 für beliebige Dimension p > 1, wenn wir den Saz für p = 1 zeigen. Wir zeigen zunächs, dass wir S = 1 E(h 2 ) + 2 (Summaion über alle Diagonalen) durch S = 1 E(h 2 ) + 2 m 1 i=1 =j+1 j=1 =j+1 E(h h j ) w(j, m)e(h h j ) (Summaion über Haupdiagonale und die ersen m Nebendiagonalen) approximieren können: S 2 1 S E(h h j ) j=m+1 =j+1 2 m + (w(j, m) 1) E(h h j ) 2 j=1 m w(j, m) 1 1 j= j=m+1 =j+1 =j+1 =j+1 Eh h j E(h h j ) Aus der Mischungsbedingung an {Z } folg wegen Eh = 0 Eh h j = C δ α(j) δ/(2+δ) für eine Konsane C δ. Ferner gib es eine Konsane K, so dass α(j) 2/(2+δ) K, j, da j α(j)2/(2+δ) <. Den zweien erm können wir nun wie folg abschäzen: 2. erm = 2 2 0, 1 j=m+1 =j+1 1 j=m Eh h j j C δα(j) 2/(2+δ)
14 da j α(j)2/(2+δ) <, also nach dem Cauchy-Krierium 1 j=m+1 α(j)2/(2+δ) gegen 0 konvergier, wenn m,. Kommen wir zum 1. erm: 1. erm 2 m j=1 w(j, m) 1 j C δα(j) 2/(2+δ) m 2C δ w(j, m) 1 α(j) 2/(2+δ). j=1 Wir wenden den Saz von der dominieren Konvergenz mi dem Zählmaß dµ(k) und der Folge an. Es gil für alle k N (also punkweise) f m (k) = 1(k m) w(k, m) 1 α(k) 2/(2+δ) f m (k) 0, m, da nach Voraussezung w(j, m) 1, wenn m. Ferner is g(k) = α(k) 2/(2+δ) wegen g(k) dµ(k) = k α(k) 2/(2+δ) < eine inegrable Majorane. Dami folg m f m (k) dµ(k) = w(k, m) 1 α(k) 2/(2+δ) 0, wenn m. k=1 Es bleib noch zu zeigen, dass wir in S die h durch ihre Schäzungen ĥ ersezen dürfen. Berachen wir die Differenz: Ŝ S = 1 [ĥ2 h 2 ] + 2 m j=1 =j+1 w(j, m)[ĥĥ j h h j ] Wir zeigen, dass die zweie Doppelsumme o P (1) is, wenn m / 0. Nach Voraussezung gil Somi folg ĥ = ĥ + sup ( ĥ h ) = O P (1). ( ĥ h ) = h + O P (1/ ), 102
15 und somi ĥ ĥ j = (h + O P (1/ ))(h j + O P (1/ )) = h h j + h O P (1/ ) + h j O P (1/ ) + O P (1/ ) und dami 1 ĥ ĥ j = 1 h h j + O P (1/ ) 1 h + O P (1/ ) 1 h j + O P (1/ ). Aus den Voraussezungen des Sazes folg, dass 1 h d N(0, E(h 2 )),, und somi 1 h = O P (1/ ). Insgesam folg daher ĥ ĥ j = h h j + O P (1/ ). Wegen w(j, m) C w erhalen wir die Abschäzung 2 m m w(j, m)[ĥĥ j h h j ] 2C w [ĥĥ j h h j ] j=1 =j+1 0, =j+1 falls m
Zeitreihenökonometrie
Zeireihenökonomerie Kapiel 1 - Grundlagen Einführung in die Verfahren der Zeireihenanalyse (1) Typischerweise beginn man mi einer Beschreibung der jeweils zu unersuchenden Zeireihe (graphisch) Trendverhalen,
MehrUniversität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Sequenzanalyse
Universiä Posdam Insiu für Informaik Lehrsuhl Maschinelles Lernen Sequenzanalyse Michael Brückner (Verreung) Chrisoph Sawade/Niels Landwehr Paul Prasse Tobias Scheffer Lieraur Klaus Neusser: Zeireihenanalyse
MehrUniversität Ulm Samstag,
Universiä Ulm Samsag, 5.6. Prof. Dr. W. Arend Robin Nika Sommersemeser Punkzahl: Lösungen Gewöhnliche Differenialgleichungen: Klausur. Besimmen Sie die Lösung (in möglichs einfacher Darsellung) folgender
MehrMotivation. Finanzmathematik in diskreter Zeit
Moivaion Finanzmahemaik in diskreer Zei Eine Hinführung zu akuellen Forschungsergebnissen Alber-Ludwigs-Universiä Freiburg Prof. Dr. Thorsen Schmid Abeilung für Mahemaische Sochasik Freiburg, 22. April
Mehr14 Kurven in Parameterdarstellung, Tangentenvektor und Bogenlänge
Dr. Dirk Windelberg Leibniz Universiä Hannover Mahemaik für Ingenieure Mahemaik hp://www.windelberg.de/agq 14 Kurven in Parameerdarsellung, Tangenenvekor und Bogenlänge Aufgabe 14.1 (Tangenenvekor und
MehrEigenwerte und Eigenvektoren
Eigenwere un Eigenvekoren Vorbemerkung: Is ie n n Marix inverierbar, so ha as lineare Gleichungssysem A x b für jees b genau eine Lösung, nämlich x A b. Grun: i A x A A b b, ii Is y eine weiere Lösung,
MehrDifferenzieren von Funktionen zwischen Banachräumen
Differenzieren von Funkionen zwischen Banachräumen Ingmar Gezner In dieser Seminararbei wollen wir das Differenzieren auf Funkionen zwischen Banachräume verallgemeinern. In unendlichdimensionalen Räumen
MehrArbitragefreie Preise
Arbiragefreie Preise Maren Schmeck 24. Okober 2006 1 Einleiung P i () Preis von Anleihe i zur Zei, i = 1,..., n x i Anzahl an Einheien der Anleihe i V () = n i=1 x ip i () Wer eines Porfolios mi x i Einheien
Mehr7.3. Partielle Ableitungen und Richtungsableitungen
7.3. Parielle Ableiungen und Richungsableiungen Generell vorgegeben sei eine Funkion f von einer Teilmenge A der Ebene R oder allgemeiner des n-dimensionalen Raumes R n nach R. Für x [x 1,..., x n ] aus
MehrAbiturprüfung Mathematik 2009 (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe 1
www.mahe-aufgaben.com Abiurprüfung Mahemaik 009 (Baden-Würemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe. (7 Punke) Das Schaubild P einer Polynomfunkion drien Grades ha den Wendepunk W(-/-) und
Mehr2.2 Rechnen mit Fourierreihen
2.2 Rechnen mi Fourierreihen In diesem Abschni sollen alle Funkionen als sückweise seig und -periodisch vorausgesez werden. Ses sei ω 2π/. Wir sezen jez aus Funkionen neue Funkionen zusammen und schauen,
MehrMathematik III DGL der Technik
Mahemaik III DGL der Technik Grundbegriffe: Differenialgleichung: Bedingung in der Form einer Gleichung in der Ableiungen der zu suchenden Funkion bis zu einer endlichen Ordnung aufreen. Funkions- und
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
Prof. Dr. D. Casrigiano Dr. M. Prähofer Zenralübung TECHNISCHE UNIVERSITÄT MÜNCHEN Zenrum Mahemaik Mahemaik 3 für Physik (Analysis ) hp://www-hm.ma.um.de/ss/ph/ 49. Eine reguläre Kurve ha keinen Knick
MehrIII.2 Radioaktive Zerfallsreihen
N.BORGHINI Version vom 5. November 14, 13:57 Kernphysik III. Radioakive Zerfallsreihen Das Produk eines radioakiven Zerfalls kann selbs insabil sein und späer zerfallen, und so weier, sodass ganze Zerfallsreihen
MehrKapitel : Exponentielles Wachstum
Wachsumsprozesse Kapiel : Exponenielles Wachsum Die Grundbegriffe aus wachsum 1.xmcd werden auch hier verwende! Wir verwenden im Beispiel 2 auch fas die gleiche Angabe wie in Beispiel 1 - lediglich eine
MehrMasse, Kraft und Beschleunigung Masse:
Masse, Kraf und Beschleunigung Masse: Sei 1889 is die Einhei der Masse wie folg fesgeleg: Das Kilogramm is die Einhei der Masse; es is gleich der Masse des Inernaionalen Kilogrammprooyps. Einzige Einhei
MehrName: Punkte: Note: Ø:
Name: Punke: Noe: Ø: Kernfach Physik Abzüge für Darsellung: Rundung: 4. Klausur in K am 5. 5. 0 Ache auf die Darsellung und vergiss nich Geg., Ges., Formeln, Einheien, Rundung...! Angaben: e =,60 0-9 C
MehrMathematische Methoden in den Ingenieurwissenschaften 4. Übungsblatt
Prof Dr M Gerds Dr A Dreves J Michael Winerrimeser 6 Mahemaische Mehoden in den Ingenieurwissenschafen 4 Übungsbla Aufgabe 9 : Mehrmassenschwinger Berache wird ein schwingendes Sysem aus Körpern der Masse
MehrDie Lösungen der Übungsaufgaben werden durch folgendes Lemma etwas vereinfacht:
Prof. Dr. D. Kuske, M.Sc. M. Huschenbe Fachgebie Theoreische Informaik, TU Ilmenau Muserlösung zum 2. Übungsbla Auomaenheorie Die Lösungen der Übungsaufgaben werden durch folgendes Lemma ewas vereinfach:
MehrKapitel 11 Produktion, Sparen und der Aufbau von Kapital
apiel 11 Produkion, Sparen und der Aufbau von apial Vorbereie durch: Florian Barholomae / Sebasian Jauch / Angelika Sachs Die Wechselwirkung zwischen Produkion und apial Gesamwirschafliche Produkionsfunkion:
MehrTeil D: Einführung in die Kointegrationsmethodologie
Teil D: Einführung in die Koinegraionsmehodologie 1. Problem der Scheinregression Makroökonomische Zeireihen (z.b. Oupu, Invesiionen, Beschäfigung) sind ypischerweise rendbehafeee Zeireihen. Bruosozialproduk
Mehr4. Quadratische Funktionen.
4-1 Funkionen 4 Quadraische Funkionen 41 Skalierung, Nullsellen Eine quadraische Funkion is von der Form f() = c 2 + b + a mi reellen Zahlen a, b, c; is c 0, so sprechen wir von einer echen quadraischen
Mehrx, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω
5. Hilberträume Definition 5.1. Sei H ein komplexer Vektorraum. Eine Abbildung, : H H C heißt Skalarprodukt (oder inneres Produkt) auf H, wenn für alle x, y, z H, α C 1) x, x 0 und x, x = 0 x = 0; ) x,
MehrVarianz und Kovarianz
KAPITEL 9 Varianz und Kovarianz 9.1. Varianz Definition 9.1.1. Sei (Ω, F, P) ein Wahrscheinlichkeitsraum und X : Ω eine Zufallsvariable. Wir benutzen die Notation (1) X L 1, falls E[ X ]
MehrINTELLIGENTE DATENANALYSE IN MATLAB
INTELLIGENTE DATENANALYSE IN MATLAB Sequenzanalyse Überblick Sh Schrie der Daenanalyse: Daenvorverarbeiung Problemanalyse Problemlösung Anwendung der Lösung Aggregaion und Selekion von Daen. Inegraion
MehrLaplacetransformation in der Technik
Verallgemeinere Funkionen Laplaceransformaion in der echnik Fakulä Grundlagen Februar 26 Fakulä Grundlagen Laplaceransformaion in der echnik Übersich Verallgemeinere Funkionen Verallgemeinere Funkionen
MehrThema : Rendite und Renditemessung
Thema : Rendie und Rendiemessung Lernziele Es is wichig, die Zeigewichung der Rendie als ennzahl zu versehen, den Unerschied zwischen einer koninuierlichen und einer diskreen erzinsung zu begreifen und
MehrIntegralrechnung. Grundidee der Integralrechnung. Einführung des Riemann- Integrals
1/8 Grundidee der Inegralrechnung Inegralrechnung Die Inegralrechnung is neben der Differenialrechnung der wichigse Zweig der Analysis. Sie is aus dem Problem der Flächen- und Volumenberechnung ensanden.
MehrMathematische Ökonometrie
Mathematische Ökonometrie Ansgar Steland Fakultät für Mathematik Ruhr-Universität Bochum, Germany ansgar.steland@ruhr-uni-bochum.de Skriptum zur LV im SoSe 2005. Diese erste Rohversion erhebt keinen Anspruch
MehrKondensator und Spule im Gleichstromkreis
E2 Kondensaor und Spule im Gleichsromkreis Es sollen experimenelle nersuchungen zu Ein- und Ausschalvorgängen bei Kapaziäen und ndukiviäen im Gleichsromkreis durchgeführ werden. Als Messgerä wird dabei
MehrPhillips Kurve (Blanchard Ch.8) JKU Linz Riese, Kurs Einkommen, Inflation und Arbeitslosigkeit SS 2008
Phillips Kurve (Blanchard Ch.8) 151 Einleiung Inflaion und Arbeislosigkei in den Vereinigen Saaen, 1900-1960 In der beracheen Periode war in den USA eine niedrige Arbeislosigkei ypischerweise von hoher
MehrFlugzeugaerodynamik I Lösungsblatt 2
Flugzeugaerodynamik I Lösungsbla 2 Lösung Aufgabe Bei der vorliegenden Aufgabe handel es sich um die Nachrechenaufgabe der Skele Theorie. a) Der Koeffizien A 1 is durch die Wölbung des gegebenen Skeles
Mehr1 Lokale Änderungsrate und Gesamtänderung
Schülerbuchseie Lösungen vorläufig I Inegralrechnung Lokale Änderungsrae und Gesamänderung S. S. b h = m s ( s) + m s s + m s ( s) = 7 m Fläche = 7 FE a) s =, h km h +, h km h +, h km h +, h km h +,, h
MehrZentrale schriftliche Abiturprüfungen im Fach Mathematik
Zenrale schrifliche Abiurprüfungen im Fach Mahemaik Aufgabe 9: Radioakiver Zerfall Beim radioakiven Zerfall einer Subsanz S 1 beschreib m 1 () die Masse der noch nich zerfallenen Subsanz zum Zeipunk mi
MehrAVWL II, Prof. Dr. T. Wollmershäuser. Kapitel 5 Die Phillipskurve
AVWL II, Prof. Dr. T. Wollmershäuser Kapiel 5 Die Phillipskurve Version: 22.11.2010 Der empirische Befund in den 60er Jahren Inflaion und Arbeislosigkei in den Vereinigen Saaen, 1900-1960 : 1931-1939 In
MehrMaße auf Produkträumen
Maße auf Produkträumen Es seien (, Ω 1 ) und (X 2, Ω 2 ) zwei Meßräume. Wir wollen uns zuerst überlegen, wie wir ausgehend davon eine geeignete σ-algebra auf X 2 definieren können. Wir betrachten die Menge
MehrKapitel 6: Ort, Geschwindigkeit und Beschleunigung als Funktion der Zeit
Kapiel 6: Or, Geschwindigkei und Beschleunigung als Funkion der Zei 2 Kapiel 6: Or, Geschwindigkei und Beschleunigung als Funkion der Zei Einführung Lerninhal Einführung 3 Das Programm yzet erlaub es,
MehrKurs 9.3: Forschungsmethoden II
MSc Banking & Finance Kurs 9.3: Forschungsmehoden II Zeireihenanalyse Lernsequenz 03: Einführung in die sochasische Modellierung November 014 Prof. Dr. Jürg Schwarz Folie Inhal Ziele 6 Saische vs. dynamische
Mehr7.2 Moment und Varianz
7.2 Moment und Varianz Def. 21 Es sei X eine zufällige Variable. Falls der Erwartungswert E( X p ) existiert, heißt der Erwartungswert EX p p tes Moment der zufälligen Variablen X. Es gilt dann: + x p
MehrAbiturprüfung Baden-Württemberg 1986
001 - hp://www.emah.de 1 Abirprüfng Baden-Würemberg 1986 Leisngskrs Mahemaik - Analysis Z jedem > 0 is eine Fnkion f gegeben drch f x x x e x ; x IR Ihr Schabild sei K. a Unersche K af Asympoen, Schnipnke
MehrMathematik für das Ingenieurstudium. 4. Juli 2011
Mahemaik ür das Ingenieursudium Jürgen Koch Marin Sämple 4. Juli 0 .6 Beweise 43 Beispiel.3 (Ungleichungen) a) Die Ungleichung + 4 < 6 is ür alle -Were deinier. Zur Besimmung der Lösungsmenge berechnen
MehrVorlesung 8a. Kovarianz und Korrelation
Vorlesung 8a Kovarianz und Korrelation 1 Wir erinnern an die Definition der Kovarianz Für reellwertige Zufallsvariable X, Y mit E[X 2 ] < und E[Y 2 ] < ist Cov[X, Y ] := E [ (X EX)(Y EY ) ] Insbesondere
MehrZwei Rechenbeispiele für die einfache lineare Regression
Einfache Regression mi Ecel Prof. Dr. Peer von der Lippe Zwei Rechenbeispiele für die einfache lineare Regression 1.1. Daen 1. Mindeslöhne Beispiel 1 Ennommen aus Rolf Ackermann, pielball des Lobbyisen,
Mehr4.7. Exponential- und Logarithmusfunktionen
... Eonenialfunkionen Definiion:.. Eonenial- und Logarihmusfunkionen Die Funkion f() = c a mi D = R, c und a R + \{}heiß Eonenialfunkion zur Basis a. Die Eonenialfunkion zur Basis a = e mi der Eulerschen
MehrIX. Lagrange-Formulierung der Elektrodynamik
IX. Lagrange-Formulierung der Elekrodynamik In diesem Kapiel wird gezeig, dass die Maxwell Lorenz-Gleihungen der Elekrodynamik hergeleie werden können, wenn dem Sysem {Punkladung + elekromagneihes Feld}
Mehr8.2 Die Theorie stetiger Halbgruppen im Banachraum
8.2 Die Theorie seiger Halbgruppen im Banachraum 3 8.2 Die Theorie seiger Halbgruppen im Banachraum Im weieren sellen wir einige allgemeine Aussagen der Theorie seiger Halbgruppen in Banachräumen zusammen.
Mehr3. Partielle Differentialgleichungen
3.. Grundlagen und Klassifikaion Welche Ordnung haben diese Gleichungen?? 3.4.1 Lineare parielle Differenialgleichungen. Ordnung Analogie: Klassifikaion Kegelschnie 1 3.4.3 Korrek geselle Probleme Anfangs-
MehrSeminar Bewertungsmethoden in der Personenversicherungsmathematik
Seminar Bewerungsmehoden in der Personenversicherungsmahemaik Technische Reserven und Markwere I Sefanie Schüz Mahemaisches Insiu der Universiä zu Köln Sommersemeser 2010 Bereuung: Prof. Hanspeer Schmidli,
Mehrκ Κα π Κ α α Κ Α
κ Κα π Κ α α Κ Α Ζ Μ Κ κ Ε Φ π Α Γ Κ Μ Ν Ξ λ Γ Ξ Ν Μ Ν Ξ Ξ Τ κ ζ Ν Ν ψ Υ α α α Κ α π α ψ Κ α α α α α Α Κ Ε α α α α α α α Α α α α α η Ε α α α Ξ α α Γ Α Κ Κ Κ Ε λ Ε Ν Ε θ Ξ κ Ε Ν Κ Μ Ν Τ μ Υ Γ φ Ε Κ Τ θ
Mehr3. Echtzeit-Scheduling Grundlagen
3. Echzei-Scheduling Grundlagen 3.1. Grundbegriffe, Klassifikaion und Bewerung Grundbegriffe Job Planungseinhei für Scheduling e wce r d Ausführungszei, Bearbeiungszei (execuion ime) maximale Ausführungszei
Mehr9. EXPONENTIALFUNKTION, LOGARITHMUSFUNKTION
Eponenialfunkion, Logarihmusfunkion 9. EXPONENTIALFUNKTION, LOGARITHMUSFUNKTION 9.. Eponenialfunkion (a) Definiion Im Abschni Zinseszinsrechnung konne die Berechnung eines Kapials K n nach n Perioden der
MehrAnalysis: Exponentialfunktionen Analysis
www.mahe-aufgaben.com Analysis: Eponenialfunkionen Analysis Übungsaufgaben u Eponenialfunkionen Pflich- und Wahleil gesames Soffgebie (insbesondere Funkionsscharen) ohne Wachsum Gymnasium ab J Aleander
MehrBericht zur Prüfung im Oktober 2009 über Grundprinzipien der Versicherungs- und Finanzmathematik (Grundwissen)
Berich zur Prüfung i Okober 9 über Grundrinziien der Versicherungs- und Finanzaheaik (Grundwissen Peer lbrech (Mannhei 6 Okober 9 wurde zu vieren Mal eine Prüfung i Fach Grundrinziien der Versicherungs-
MehrBeispiele für Aufgaben in der Ökonometrieklausur in Duisburg
Beispiele für Aufgaben in der Ökonomerieklausur in Duisburg Die Aufgaben sind (z.. modifiziere) asächlich geselle Aufgaben unerschiedlichen Schwierigkeisgrads und daher auch mi unerschiedlicher Punkzahl
MehrAnalysis: Ganzrationale Funktionen Analysis Ganzrationale Funktionen Differenzialrechnung, Extrem- und Wendepunkte
www.mahe-aufgaben.com Analysis: Ganzraionale Funkionen Analysis Ganzraionale Funkionen Differenzialrechnung, Exrem- und Wendepunke Gymnasium Klasse 0 Alexander Schwarz www.mahe-aufgaben.com Juni 0 www.mahe-aufgaben.com
MehrProfitmaximierung. Kapitel 11. Profitmaximierung. Profitmaximierung. Profitmaximierung. Profitmaximierung. Marktangebot und Input Nachfrage
Profimaximierung Profimaximierung apiel 11 Profimaximierung Markangebo und Inpu Nachfrage Produzenenrene Anwendung von Produkionsheorie auf Wachsum 1 2 Profimaximierung Die Profimaximierung hilf uns Firmenenscheidungen
MehrÜbungsaufgaben zu Kapitel 5: Erwartungen Die Grundlagen
Kapiel 5 Übungsaufgaben zu Kapiel 5: Erwarungen Die Grundlagen Übungsaufgabe 5-1a 5-1a) Beschreiben Sie die heoreischen Überlegungen zum Realzins. Wie unerscheide sich der Realzins vom Nominalzins? Folie
MehrStrömung im Rohr. Versuch: Inhaltsverzeichnis. Fachrichtung Physik. Physikalisches Grundpraktikum. 1 Aufgabenstellung 2
Fachrichung Physik Physikalisches Grundprakikum Ersell: Bearbeie: Versuch: L. Jahn SR M. Kreller J. Kelling F. Lemke S. Majewsky i. A. Dr. Escher Akualisier: am 29. 03. 2010 Srömung im Rohr Inhalsverzeichnis
MehrÜbungsblatt 4 Lösungsvorschläge
Insiu für Theoreische Informaik Lehrsuhl Prof. Dr. D. Wagner Übungsbla 4 Lösungsvorschläge Vorlesung Algorihmenechnik im WS 09/10 Problem 1: Flüsse [vgl. Kapiel 4.1 im Skrip] ** Gegeben sei ein Nezwerk
MehrDie Sensitivität ist eine spezielle Form der Zinselastizität: Aufgabe 1
Neben anderen Risiken unerlieg die Invesiion in ein fesverzinsliches Werpapier dem Zinsänderungsrisiko. Dieses Risiko läss sich am einfachsen verdeulichen, indem man die Veränderung des Markweres der Anleihe
MehrKapitel 9. Geldmengenwachstum,
Kapiel 9 Geldmenenwachsum, Inflaion und Produkion Inflaion, Beschäfiun und Geldmenenh (Blanchard Kap 9 & 3.) wachsum ) 9. Übersich 9.2 Okun'sches Gesez ohne N- und A-Wachsum 9.3 Okun'sches Gesez mi N-
MehrBeweis. Bauer (4. Auflage, 1991), S , Hoffmann-Jørgensen, Vol. I, S. 457.
Exkurs A: Bedingte Erwartungswerte, bedingte Verteilungen (Ω, A, P ) sei W-Raum, X : Ω IR P-quasiintegrierbar, F A Unter - σ- Algebra. E(X F) = E P (X F) (Version des) bedingter Erwartungswert von X unterf
MehrUntersuchung von Gleitentladungen und deren Modellierung durch Funkengesetze im Vergleich zu Gasentladungen
Unersuchung von Gleienladungen und deren Modellierung durch Funkengeseze im Vergleich zu Gasenladungen Dipl.-Ing. Luz Müller, Prof. Dr.-Ing. Kur Feser Insiu für Energieüberragung und Hochspannungsechnik,
Mehr2 Die Dimension eines Vektorraums
2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1
MehrAufgabenblatt 1. Lösungen. A1: Was sollte ein Arbitrageur tun?
Aufgabenbla 1 Lösungen 1 A1: Was solle ein Arbirageur un? Spo-Goldpreis: $ 5 / Unze Forward-Goldpreis (1 Jahr): $ 7 / Unze Risikoloser Zins: 1% p.a. Lagerkosen: Es gib zwei Handelssraegien, um in einem
MehrPrüfung Finanzmathematik und Investmentmanagement 2011
Prüfung Finanzmahemaik und Invesmenmanagemen 0 Aufgabe : (0 Minuen) a) Auf der Grundlage einer Lagrange-Opimierung ergib sich die folgende funkionale Form für die (, ) -Koordinaen der (rein riskanen) Randporfolios
MehrThema 3: Dynamischer versus statischer Vorteilhaftigkeitsvergleich
hema 3: Dynamischer versus saischer Voreilhafigkeisvergleich Vor allem in der Wirschafspraxis belieb: Gewinnorieniere sa zahlungsorieniere Ansäze zum reffen von Invesiionsenscheidungen. sogenanne saische
MehrPraktikum Grundlagen der Elektrotechnik Versuch 5. Matrikelnummer:... ...
FH D FB 3 Fachhochschule Düsseldorf Universiy of Applied Sciences Fachbereich Elekroechnik Deparmen of Elecrical Engineering Prakikum Grundlagen der Elekroechnik Versuch 5 Name Marikelnummer:... Anesa
MehrTesten von Regressionskoeffizienten bei multipler Regression (ausführlichere Erläuterungen und Zahlenbeispiele) 1
Prof. Dr. Peer von der Lippe (aisik) Januar 7 Universiä Duisburg-Essen, Campus Essen Tesen von Regressionskoeffizienen bei mulipler Regression (ausführlichere Erläuerungen und Zahlenbeispiele). Übersich
MehrGrundgebiete der Elektrotechnik II Feedbackaufgabe: Transiente Vorgänge
heinisch-wesfälische Technische Hochschule Aachen Insiu für Sromricherechni und Elerische Anriebe Universiäsprofessor Dr. ir. i W. De Doncer Grundgebiee der Eleroechni II Feedbacaufgabe: Transiene Vorgänge
MehrWarum ist die Frage, wem ein Leasingobjekt zugerechnet wird, wichtig? Welche Vorteile kann ein Leasinggeber (eine Leasinggesellschaft) ggf. erzielen?
1) Boschafen von Kapiel 7 Welche Eigenschafen ha ein Finanzierungs-Leasing-Verrag? Warum is die Frage, wem ein Leasingobjek zugerechne wird, wichig? FLV, vollkommener Kapialmark und Gewinnseuer Welche
MehrDie komplexen Zahlen und Skalarprodukte Kurze Wiederholung des Körpers der komplexen Zahlen C.
Die omplexen Zahlen und Salarprodute Kurze Wiederholung des Körpers der omplexen Zahlen C. Erinnerung an die Definition von exp, sin, cos als Potenzreihen C C Herleitung der Euler Formel Definition eines
Mehr5 Erwartungswerte, Varianzen und Kovarianzen
47 5 Erwartungswerte, Varianzen und Kovarianzen Zur Charakterisierung von Verteilungen unterscheidet man Lageparameter, wie z. B. Erwartungswert ( mittlerer Wert ) Modus (Maximum der Wahrscheinlichkeitsfunktion,
MehrUnterschied 2: kurzfristige vs langfristige Zinssätze. Arbitrage impliziert: r = i e i = r + e (1) (2)
Unerschied : kurzfrisige vs langfrisige Zinssäze Inermediae Macro - Uni Basel 10 Arbirage implizier: (1) () Es gib eine klare Beziehung zwischen langfrisigen Zinsen und erwareen künfigen Kurzfriszinsen
Mehr4. Kippschaltungen mit Komparatoren
4. Kippschalungen mi Komparaoren 4. Komparaoren Wird der Operaionsversärker ohne Gegenkopplung berieben, so erhäl man einen Komparaor ohne Hserese. Seine Ausgangsspannung beräg: a max für > = a min für
MehrKosten der Verzögerung einer Reform der Sozialen Pflegeversicherung. Forschungszentrum Generationenverträge Albert-Ludwigs-Universität Freiburg
Kosen der Verzögerung einer Reform der Sozialen Pflegeversicherung Forschungszenrum Generaionenverräge Alber-Ludwigs-Universiä Freiburg 1. Berechnungsmehode Die Berechnung der Kosen, die durch das Verschieben
MehrLehrstuhl für Finanzierung
Lehrsuhl für Finanzierung Klausur im Fach Finanzmanagemen im Winersemeser 1998/99 1. Aufgabe Skizzieren Sie allgemein die von Kassenhalungsproblemen miels (sochasischer) dynamischer Programmierung! Man
MehrFinanzmathematik. Wolfgang Müller. Institut für Statistik Technische Universität Graz
Finanzmahemaik Wolfgang Müller 213 Insiu für Saisik Technische Universiä Graz Inhalsverzeichnis 1. Markmodelle in diskreer Zei 1 1.1. Das Binomialmodell................................ 1 1.2. Das allgemeine
MehrLösungsvorschläge zu ausgewählten Übungsaufgaben aus Storch/Wiebe: Lehrbuch der Mathematik Band 1, 3.Aufl. (Version 2010), Kapitel 6
Lösungsvorschläge zu ausgewählen Übungsaufgaben aus Sorch/Wiebe: Lehrbuch der Mahemaik Band, 3.Aufl. Version, Kapiel 6 6 Sammfunkionen und Inegrale Abschni 6.A, Variane zu Aufg. 5, p. 44.4. : Man gebe
MehrAufgabensammlung Teil 2a. Auch mit Verwendung von Methoden aus der Analysis: Wachstumsraten Differentialgleichungen. Auch mit CAS-Einsatz
Wachsum Exponenielles Wachsum Aufgabensammlung Teil 2a Auch mi Verwendung von Mehoden aus der Analysis: Wachsumsraen Differenialgleichungen Auch mi CAS-Einsaz Sand: 23. Februar 2012 Daei Nr. 45811 INTERNETBIBLIOTHEK
Mehr3.2 Festlegung der relevanten Brandszenarien
B Anwendungsbeispiel Berechnungen Seie 70.2 Feslegung der relevanen Brandszenarien Eine der wichigsen Aufgaben beim Nachweis miels der Ingenieurmehoden im Brandschuz is die Auswahl und Definiion der relevanen
MehrDiskrete Integratoren und Ihre Eigenschaften
Diskree Inegraoren und Ihre Eigenschafen Whie Paper von Dipl.-Ing. Ingo Völlmecke Indusrielle eglersrukuren werden im Allgemeinen mi Hilfe von Inegraoren aufgebau. Aufgrund des analogen Schalungsaufbaus
Mehr9 Konvergenz und absolute Konvergenz von Reihen
9 Konvergenz und absolute Konvergenz von Reihen 9.2 Konvergenz von Reihen 9.5 Monotoniekriterium für Reihen 9.6 Konvergenzkriterium von Cauchy für Reihen 9.9 Rechenregeln für konvergente Reihen 9.10 Absolute
MehrBewertung von Versicherungsrisiken mittels des Äquivalenznutzenprinzips
Bewerung von Versicherungsrisiken miels des Äquivalenznuzenprinzips Diplomarbei zur Erlangung des akademischen Grades Diplom-Wirschafsmahemaiker der Fakulä für Mahemaik und Wirschafswissenschafen der Universiä
MehrSchriftliche Abiturprüfung 2007 Sachsen-Anhalt Physik 13 n (Leistungskursniveau)
Schrifliche Abiurprüfung 2007 Sachsen-Anhal Physik 13 n (Leisungskursniveau) Thema 2: Bewegungen in raviaionsfeldern 1 Eigenschafen des raviaionsfeldes Erläuern Sie den Feldbegriff anhand des raviaionsfeldes.
Mehr1 Abtastung, Quantisierung und Codierung analoger Signale
Abasung, Quanisierung und Codierung analoger Signale Analoge Signale werden in den meisen nachrichenechnischen Geräen heuzuage digial verarbeie. Um diese digiale Verarbeiung zu ermöglichen, wird das analoge
MehrThema 6: Kapitalwert bei nicht-flacher Zinsstruktur:
Thema 6: Kapialwer bei nich-flacher Zinssrukur: Markzinsmehode Bislang unersell: i i kons. (, K, T) (flache Zinskurve) Verallgemeinerung der KW-Formel auf den Fall beliebiger Zinskurven jedoch ohne weieres
MehrA.24 Funktionsscharen 1
A.4 Funkionsscharen A.4 Funkionsscharen ( ) Bemerkung: Im Buch Kurvenprobleme gib es viel Aufgaben zu Funkionen, die einen Parameer enhalen. Falls Sie hier also nich genug kriegen... A.4.0 Orskurven (
MehrExponential- und Logarithmusfunktionen
. ) Personen, Personen bzw. Personen ) Ewas weniger als Minuen. (Nach,... Minuen sind genau Personen informier.) ) Ja. Bereis um : Uhr sind (heoreisch) Personen informier. ) Informiere Miarbeierinnen und
Mehr7 KONVERGENTE FOLGEN 35. inf M = Infimum von M. bezeichnet haben. Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt.
7 KONVERGENTE FOLGEN 35 und die größe untere Schranke mit bezeichnet haben. inf M = Infimum von M Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt der Limes superior der Folge, und lim
Mehr3.4 Asymptotische Evaluierung von Sch atzer Konsistenz Konsistenz Definition 3.4.1: konsistente Folge von Sch atzer
3.4 Asymptotische Evaluierung von Schätzer 3.4.1 Konsistenz Bis jetzt haben wir Kriterien basierend auf endlichen Stichproben betrachtet. Konsistenz ist ein asymptotisches Kriterium (n ) und bezieht sich
MehrGRUNDLAGENLABOR CLASSIC RC-GLIED
GUNDLAGNLABO LASSI -GLID Inhal: 1. inleing nd Zielsezng...2 2. Theoreische Afgaben - Vorbereing...2 3. Prakische Messafgaben...4 Anhang: in- nd Asschalvorgänge...5 Filename: Version: Ahor: _Glied_2_.doc
Mehr11.4 Korrelation. Def. 44 Es seien X 1 und X 2 zwei zufällige Variablen, für die gilt: 0 < σ X1,σ X2 < +. Dann heißt der Quotient
11.4 Korrelation Def. 44 Es seien X 1 und X 2 zwei zufällige Variablen, für die gilt: 0 < σ X1,σ X2 < +. Dann heißt der Quotient (X 1,X 2 ) = cov (X 1,X 2 ) σ X1 σ X2 Korrelationskoeffizient der Zufallsgrößen
MehrHamburg Kernfach Mathematik Zentralabitur 2013 Erhöhtes Anforderungsniveau Analysis 2
Hmburg Kernfch Mhemik Zenrlbiur 2013 Erhöhes Anforderungsniveu Anlysis 2 Smrphones Die Mrkeinführung eines neuen Smrphones vom Elekronikherseller PEAR wird ses ufgereg erwre. Zur Modellierung der Enwicklung
Mehr9 Die Normalverteilung
9 Die Normalverteilung Dichte: f(x) = 1 2πσ e (x µ)2 /2σ 2, µ R,σ > 0 9.1 Standard-Normalverteilung µ = 0, σ 2 = 1 ϕ(x) = 1 2π e x2 /2 Dichte Φ(x) = 1 x 2π e t2 /2 dt Verteilungsfunktion 331 W.Kössler,
MehrAufgaben zur Zeitreihenanalyse (Kap. 5)
Prof. Dr. Reinhold Kosfeld Fachbereich Wirschafswissenschafen Aufgaben zur Zeireihenanalyse (Kap. 5) Aufgabe 5.1 Welches Phänomen läss sich mi ARCH-Prozessen modellieren und welche prognosische Relevanz
MehrDas Vasicek Modell. Ein Short Rate Modell zur Beschreibung von Rentenmärkten
Das Vasicek Modell Ein Shor Rae Modell zur Beschreibung von Renenmärken Daniel Schlomann 2. Juli 21 Inhalsverzeichnis 1 Der Renenmark 3 2 Einführung Shor Rae Modelle 6 2.1 Grundlagen...................................
MehrWORKING PAPERS Arbeitspapiere der Betrieblichen Finanzwirtschaft
WORKING PAPERS Arbeispapiere der Berieblichen Finanzwirschaf Lehrsuhl für Beriebswirschafslehre, insbes. Beriebliche Finanzwirschaf Bfw29V/03 Zusandsabhängige Bewerung mi dem sochasischen Diskonierungsfakor
Mehr1 Stochastische Konvergenz 2. 2 Das Gesetz der grossen Zahlen 4. 3 Der Satz von Bernoulli 6
Wirtschaftswissenschaftliches Zentrum 0 Universität Basel Mathematik Dr. Thomas Zehrt Grenzwertsätze Benötigtes Vorwissen: Der Stoff der Vorlesung,,Statistik wird als bekannt vorausgesetzt, insbesondere
MehrBericht zur Prüfung im Oktober 2007 über Finanzmathematik und Investmentmanagement
Berich zur Prüfung im Okober 7 über Finanzmahemaik und Invesmenmanagemen (Grundwissen) Peer Albrech (Mannheim) Am 5 Okober 7 wurde zum zweien Mal eine Prüfung im Fach Finanzmahemaik und Invesmenmanagemen
Mehr