Vorlesung 2: Erwartungsnutzen
|
|
- Falko Schuler
- vor 6 Jahren
- Abrufe
Transkript
1 Vorlesung 2: Erwartungsnutzen Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Entscheidung VL 2 (FS 11) Erwartungsnutzen 1 / 28
2 1. Modellrahmen 1.1 Die Alternativen Wir betrachten im folgenden eine endliche Menge von Ergebnissen X = {x 1,x 2,,x n } mit n 2 als gegeben. Lotterien, deren Ergebnisse in X liegen, bezeichnen wir vereinfachend mit L = (p 1,, p n ) und sprechen von einer Lotterie über X. Die Menge aller Lotterien über X ist = {L = (p 1,, p n ) R n + n p i = 1}. i=1 wird für den Rest dieses Abschnittes unser Gegenstück zu dem Güterraum in der Konsumententheorie sein: Es beschreibt die Menge der denkbaren Alternativen. Entscheidung VL 2 (FS 11) Erwartungsnutzen 2 / 28
3 1. Modellrahmen 1.3 Notationskonventionen Auch der Fall, in dem man eines der Ergebnisse mit Sicherheit erhält, ist eine Lotterie. Die Lotterie, in der man Ergebnis x i mit Wahrscheinlichkeit 1 erhält bezeichnen wir mit e i und sprechen von einer degenerierten Lotterie. Andere Lotterien heissen echte Lotterien. Betrachten wir monetäre Lotterien, so gehen wir durchweg davon aus, dass x 1 < x 2 < < x n gilt, d.h. Ergebnisse mit niedrigerem Index korrespondieren zu niedrigeren Geldbeträgen, die man erhält. Entscheidung VL 2 (FS 11) Erwartungsnutzen 3 / 28
4 1. Modellrahmen 1.3 Grafische Darstellung von Lotterien Eine Lotterie L in ist durch die Angabe von (n 1) der n Wahrscheinlichkeiten eindeutig beschrieben die fehlende Wahrscheinlichkeit ergibt sich aus der Gleichung n i=1 p i = 1. Im Fall n = 2 bedeutet dies, dass die Menge der Lotterien grafisch durch das Intervall [0,1] dargestellt werden kann, wobei p 2 [0,1] die Wahrscheinlichkeit des Ergebnisses x 2 beschreibt. Im Fall n = 3 bedeutet dies, dass die Menge der Lotterien durch das sogenannte Machina-Dreieck dargestellt werden kann, welches durch {(p 1, p 3 ) R 2 p 1 0, p 3 0, p 1 + p 3 1} gegeben ist. Die fehlende Wahrscheinlichkeit p 2 ist durch 1 p 1 p 3 gegeben. Zur Illustration werden wir regelmässig den Fall n = 3, also das Machina-Dreieck betrachten. Entscheidung VL 2 (FS 11) Erwartungsnutzen 4 / 28
5 1. Modellrahmen 1.3 Grafische Darstellung von Lotterien Abbildung: Das Machina-Dreieck. Jeder Punkt in dem Dreieck stellt eine Lotterie dar. Die Punkte e i bezeichnen die Lotterien, in denen das Ergebnis x i mit Wahrscheinlichkeit 1, also mit Sicherheit, eintritt. Entscheidung VL 2 (FS 11) Erwartungsnutzen 5 / 28
6 1. Modellrahmen 1.4 Mischungen von Lotterien Für beliebige Lotterien p und q und α [0,1] bezeichnet α p + (1 α)q die Lotterie, bei der man das Ergebnis x i mit Wahrscheinlichkeit α p i + (1 α)q i erhält: α p + (1 α)q = (α p 1 + (1 α)q 1,α p 2 + (1 α)q 2,,α p n + (1 α)q n ) Eine solche Mischung von zwei Lotterie wird oftmals als zusammengesetzte Lotterie interpretiert, in der man die Lotterien p und q als Ergebnisse auffasst und sich nun eine Lotterie über diese Ergebnisse vorstellt, in der man mit Wahrscheinlichkeit α das Ergebnis p und mit Wahrscheinlichkeit 1 α das Ergebnis q erhält. Diese Interpretation lässt sich auch formalisieren. Wir verzichten hier darauf, da es für die folgende Darstellung nicht zwingend erforderlich ist. Entscheidung VL 2 (FS 11) Erwartungsnutzen 6 / 28
7 1. Modellrahmen 1.4 Mischungen von Lotterien Beispiel zur Mischung von Lotterien: Abbildung: Die Mischung der zwei Lotterien p = (0.6, 0, 0.4) und q = (0.7, 0.3, 0) über X = {0,20,60} mit α = 0.3 als zusammengesetzte Lotterie dargestellt. Entscheidung VL 2 (FS 11) Erwartungsnutzen 7 / 28
8 1. Modellrahmen 1.4 Mischungen von Lotterien Beispiel zur Mischung von Lotterien: Abbildung: Die Mischung r der zwei Lotterien p = (0.6,0,0.4) und q = (0.7,0.3,0) über X = {0,20,60} mit α = 0.3 als Lotterie über X. Entscheidung VL 2 (FS 11) Erwartungsnutzen 8 / 28
9 1. Modellrahmen 1.4 Mischungen von Lotterien Beispiel zur Mischung von Lotterien: Abbildung: In dem Machina-Dreieck liegen Mischungen auf der Verbindungslinie zwischen den beiden Lotterien, die gemischt werden: Die Mischung r von p = (0.6,0,0.4) und q = (0.7,0.3,0) mit α = 0.3. Entscheidung VL 2 (FS 11) Erwartungsnutzen 9 / 28
10 2. Präferenzen über Lotterien 2.1 Rationalität Wir modellieren (an dieser Stelle) nicht explizit, wie die gewählte Aktion eines Entscheidungsträgers zu einer bestimmten Lotterie über X führt. Stattdessen stellen wir uns vor, dass direkt Lotterien aus gewählt werden und unterstellen wie im Fall der Sicherheit, dass diese Auswahlentscheidungen durch eine rationale Präferenzrelation auf der Menge der Alternativen, hier, dargestellt werden kann. Annahme (Rationalität) Die Präferenzrelation auf ist rational, d.h. vollständig und transitiv. Entscheidung VL 2 (FS 11) Erwartungsnutzen 10 / 28
11 2. Präferenzen über Lotterien 2.1 Rationalität Fraglich ist, welche weitere Annahmen an die Präferenzrelation in diesem Kontext sinnvoll erscheinen, wie solche Annahmen allenfalls zu interpretieren sind und welche Implikationen sie für eine Nutzendarstellung haben. Entscheidung VL 2 (FS 11) Erwartungsnutzen 11 / 28
12 2. Präferenzen über Lotterien 2.2 Stetigkeit Definition (Stetigkeit) Die Präferenzrelation auf heisst stetig, wenn für alle p,q,r die Mengen {α [0,1] α p + (1 α)r q} und {α [0,1] q α p + (1 α)r} abgeschlossen sind. Diese Definition entspricht (weitgehend) der Stetigkeitsdefinition für den Fall der Entscheidung unter Sicherheit. Eine alternative Formulierung der Stetigkeit für den Fall der Lotteriewahl verlangt, dass für alle p q r reele Zahlen α (0,1) und β (0,1) existieren, so dass α p + (1 α)r q β p + (1 β)r gilt. Was bedeutet dies inhaltlich? Erscheint es plausibel? Entscheidung VL 2 (FS 11) Erwartungsnutzen 12 / 28
13 Satz (Existenz einer Nutzendarstellung) Ist eine rationale Präferenzrelation auf stetig, dann existiert eine stetige Nutzenfunktion U : R, welche die Präferenzrelation darstellt, d.h. p q U(p) U(q). Satz (Ordinalität der Nutzendarstellung) Stellt U : R eine gegebene Präferenzrelation dar, dann gilt dieses auch für jede streng steigende Transformation von U. Diese Ergebnisse dienen der Klarstellung: Bis an diesen Punkt ist alles analog zum Fall der Entscheidung unter Sicherheit: Wir haben lediglich X als die Menge der Alternativen durch ersetzt. Entscheidung VL 2 (FS 11) Erwartungsnutzen 13 / 28
14 2. Präferenzen über Lotterien 2.4 Monotonie Monotonieannahmen an Präferenzrelationen erfassen den Gedanken mehr ist besser. In dem hier betrachteten Kontext wird dieses so formalisiert, dass eine Verschiebung von Wahrscheinlichkeit von einem schlechten zu einem guten Ergebnis zu einer vorgezogenen Lotterie führt. Dieses ist am einfachsten für den Fall monetärer Lotterien zu verstehen, den wir daher hier betrachten wollen. Beispiel: Im Fall n = 2 bedeutet ein Anstieg der Wahrscheinlichkeit p 2, dass Wahrscheinlichkeit von dem Ergebnis x 1 auf das Ergebnis x 2 verschoben wird. Da x 2 > x 1 angenommen wurde, sollte dieses zu einer besseren Lotterie führen. Entscheidung VL 2 (FS 11) Erwartungsnutzen 14 / 28
15 2. Präferenzen über Lotterien 2.4 Monotonie Definition (Stochastische Dominanz erster Ordnung) Seien p und q zwei monetäre Lotterien über X = {x 1,,x n }. Dann heisst p grösser als q im Sinne der stochastischen Dominanz erster Ordnung, wenn n i=k p i n q i i=k für k = 2,,n gilt. Man schreibt in diesem Falle p 1 q. Gilt mindestens eine der obigen Ungleichungen als strenge Ungleichung, so heisst p streng grösser als q im Sinne der stochastischen Dominanz erster Ordnung und man schreibt p > 1 q. Was soll das bedeuten? Entscheidung VL 2 (FS 11) Erwartungsnutzen 15 / 28
16 2. Präferenzen über Lotterien 2.4 Monotonie n i=k p i ist die Wahrscheinlichkeit, dass man in der Lotterie p ein Ergebnis erhält, welches grösser als (oder gleich) x k ist. Gilt n i=k p i n i=k q i, so bedeutet dieses also, dass man in der Lotterie p mit höherer Wahrscheinlichkeit als in der Lotterie q Ergebnisse erhält, die grösser als x k sind. Gilt dieses für alle x k, so kann man p aus q erzeugen, indem man Wahrscheinlichkeit von niedrigen Ergebnissen zu hohen Ergebnissen verschiebt. Entscheidung VL 2 (FS 11) Erwartungsnutzen 16 / 28
17 2. Präferenzen über Lotterien 2.4 Monotonie Stochastische Dominanz erster Ordnung im Fall n = 3: Nach Definition gilt p 1 q genau dann, wenn gilt. p 3 q 3 p 2 + p 3 q 2 + q 3 Da sich die Wahrscheinlichkeiten jeweils auf 1 summieren, kann die zweite dieser Bedingungen zu p 1 q 1 umgeschrieben werden. Stochastische Dominanz erster Ordnung bedeutet hier also, dass mehr Wahrscheinlichkeit auf das grösste Ergebnis und weniger Wahrscheinlichkeit auf das kleinste Ergebnis gelegt wird. Entscheidung VL 2 (FS 11) Erwartungsnutzen 17 / 28
18 2. Präferenzen über Lotterien 2.4 Monotonie Abbildung: Stochastische Dominanz erster Ordnung im Fall n = 3: In dem Machina-Dreieck liegen die Lotterien, die grösser als eine gegebene Lotterie q (im Sinne der stochastischen Dominanz erster Ordnung) sind, links oberhalb von q. Der entsprechende Bereich ist hier gelb gefärbt. Entscheidung VL 2 (FS 11) Erwartungsnutzen 18 / 28
19 2. Präferenzen über Lotterien 2.4 Monotonie Definition (Monotonie) Eine Präferenzrelation auf einer Menge von monetären Lotterien heisst monoton, wenn für beliebige p und q in gilt: p > 1 q p q. Beachte, dass Monotonie der Präferenzrelation insbesondere impliziert, dass ein sicherer Geldbetrag x k einem anderen sicheren Geldbetrag x l streng vorgezogen wird, wenn x k > x l gilt. Da die sicheren Geldbeträge x k und x l durch die Lotterien e k und e l dargestellt werden und e k > 1 e l gilt. Entscheidung VL 2 (FS 11) Erwartungsnutzen 19 / 28
20 2. Präferenzen über Lotterien 2.5 Beispiele für Nutzenfunktionen Zwei Beispiele für Nutzenfunktionen, die auf einer Menge von monetären Lotterien definiert sind, haben wir bereits gesehen: 1 Die Nutzenfunktion U(p) = n i=1 p ix i stellt das Erwartungswertkriterium dar: p q n p i x i i=1 n q i x i. i=1 2 Die Nutzenfunktion U(p) = n i=1 p i ln(x i ) stellt Bernoullis Vorschlag zur Bewertung von Lotterien dar: p q n p i ln(x i ) i=1 n q i ln(x i ). i=1 Beide diese Beispiele stellen monotone Präferenzrelationen dar. Entscheidung VL 2 (FS 11) Erwartungsnutzen 20 / 28
21 2. Präferenzen über Lotterien 2.5 Beispiele für Nutzenfunktionen Abbildung: Einige Indifferenzkurven zu der Nutzenfunktion U(p) = n i=1 p ix i im Machina-Dreieck für (x 1,x 2,x 3 ) = (2,6,8). Die Indifferenzkurven stellen die Lösung der Gleichung 2p 1 + 8p 3 + 6(1 p 1 p 3 ) = k für unterschiedliche Werte von k dar. Bessere Lotterien liegen links oben. Entscheidung VL 2 (FS 11) Erwartungsnutzen 21 / 28
22 2. Präferenzen über Lotterien 2.5 Beispiele für Nutzenfunktionen Abbildung: Einige Indifferenzkurven zu der Nutzenfunktion U(p) = n i=1 p iln(x i ) im Machina-Dreieck für (x 1,x 2,x 3 ) = (2,6,8). Die Indifferenzkurven stellen die Lösung der Gleichung ln(2)p 1 + ln(8)p 3 + ln(6)(1 p 1 p 3 ) = k für unterschiedliche Werte von k dar. Bessere Lotterien liegen links oben. Die Indifferenzkurven verlaufen steiler als im vorhergehenden Bild. Entscheidung VL 2 (FS 11) Erwartungsnutzen 22 / 28
23 2. Präferenzen über Lotterien 2.5 Beispiele für Nutzenfunktionen Ein weiteres Beispiel: U(p) = n i=1 p2 i x i stellt eine Präferenzrelation dar, die nicht monoton ist obgleich die Nutzenfunktion steigend in p ist! Abbildung: Einige Indifferenzkurven zu der Nutzenfunktion U(p) = n i=1 p2 i x i im Machina-Dreieck für (x 1,x 2,x 3 ) = (2,6,8). Die Indifferenzkurven stellen die Lösung der Gleichung 2p p (1 p 1 p 3 ) 2 = k für unterschiedliche Werte von k dar. Entscheidung VL 2 (FS 11) Erwartungsnutzen 23 / 28
24 3. Erwartungsnutzendarstellung 3.1 Definition Definition (Erwartungsnutzendarstellung) Eine Präferenzrelation auf besitzt eine Erwartungsnutzendarstellung, wenn es eine Funktion u : X R gibt, so dass n U(p) = p i u(x i ) i=1 die Präferenzrelation darstellt. Die Funktion u in der Erwartungsnutzendarstellung bezeichnet man als Bernoulli-Nutzenfunktion. Man sagt man zur Vereinfachung auch, dass die Bernoulli-Nutzenfunktion u die Präferenzrelation darstellt. Als Erwartungsnutzenhypothese bezeichnet man die Unterstellung, dass Präferenzen eine Erwartungsnutzendarstellung besitzen. Entscheidung VL 2 (FS 11) Erwartungsnutzen 24 / 28
25 3. Erwartungsnutzendarstellung 3.2 Anmerkungen In ökonomischen Modellen wird fast durchweg angenommen, dass Präferenzrelationen über Lotterien eine Erwartungsnutzendarstellung besitzen. Spieltheorie, Finanzmarkttheorie, Versicherungsökonomie... Die wesentliche Eigenschaft einer Erwartungsnutzendarstellung ist, dass die Nutzenfunktion U(p) linear in den Wahrscheinlichkeiten ist. In Machina-Dreieck bedeutet dies, dass die Indifferenzkurven parallele Geraden sind. In den ersten beiden Beispiele des vorhergehenden Abschnittes handelte es sich um Erwartungsnutzendarstellungen. Mit Bernoulli-Nutzenfunktion u(x) = x, bzw. u(x) = ln(x). Entscheidung VL 2 (FS 11) Erwartungsnutzen 25 / 28
26 3. Erwartungsnutzendarstellung 3.3 Fragen Welche Eigenschaften von sichern, dass es eine Erwartungsnutzendarstellung gibt? Rest dieser Vorlesung. Wie lassen sich die Eigenschaften der Bernoulli-Nutzenfunktion in einer solchen Erwartungsnutzendarstellung interpretieren? Vorlesung 3. Wie sieht es mit der empirischen Evidenz aus? Vorlesung 5. Entscheidung VL 2 (FS 11) Erwartungsnutzen 26 / 28
27 3. Erwartungsnutzendarstellung 3.4. Das Unabhängigkeitsaxiom Definition (Unabhängigkeitsaxiom) Die Präferenzrelation auf erfüllt das Unabhängigkeitsaxiom, wenn für alle p,q,r und α (0,1) gilt: p q α p + (1 α)r αq + (1 α)r Was soll das bedeuten? Zieht man eine Lotterie p einer Lotterie q vor, so sollte diese Präferenz erhalten bleiben, wenn man beide dieser Lotterien mit der gleichen Wahrscheinlichkeit α mit der gleichen anderen Lotterie r mischt. Ist es plausibel? Entscheidung VL 2 (FS 11) Erwartungsnutzen 27 / 28
28 3. Erwartungsnutzendarstellung 3.5 Das Erwartungsnutzentheorem Theorem (Erwartungsnutzentheorem) Eine rationale und stetige Präferenzrelation auf kann genau dann durch eine Bernoulli-Nutzenfunktion u dargestellt werden, wenn das Unabhängigkeitsaxiom erfüllt. Die eine Richtung des Beweis (Erwartungsnutzendarstellung impliziert Unabhängigkeitsaxiom) ist einfach. Die andere Richtung (Unabhängigkeitsaxiom impliziert Erwartungsnutzendarstellung) ist schwerer.... und wir werden daher nur ein grafisches Argument für den Fall einer monotonen Präferenzrelation auf einer Menge von monetären Lotterien mit n = 3 betrachten. Entscheidung VL 2 (FS 11) Erwartungsnutzen 28 / 28
Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3 38
Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3 38 Offene Fragen Warum ist ein ET bereit, für eine Feuerversicherung mit einer Versicherungshöhe von 1 Million und einer Jahreseintrittswahrscheinlichkeit
Mehr2. Gesundheitsfinanzierung
2. Gesundheitsfinanzierung Inhalte dieses Abschnitts 2.1 Grundmodell der Versicherung Versicherungsmotiv Optimale Versicherungsnachfrage Aktuarisch faire und unfaire Prämien 145 2.1 Grundmodell der Versicherung
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
MehrRisiko und Versicherung - Übung
Sommer 2009 Risiko und Versicherung - Übung Entscheidungstheoretische Grundlagen Renate Bodenstaff Vera Brinkmann r.bodenstaff@uni-hohenheim.de vera.brinkmann@uni-hohenheim.de https://insurance.uni-hohenheim.de
MehrMikroökonomik B 2. Entscheidung bei Unsicherheit
Mikroökonomik B 2. Entscheidung bei Unsicherheit Dennis L. Gärtner 14. April 2011 Entscheidung bei Unsicherheit Literaturangaben: Varian (2007), Kapitel 12, 13 Jehle und Reny (2001), Kapitel 2.4 Kreps
MehrNichtlineare Optimierung ohne Nebenbedingungen
Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt
MehrAbitur - Grundkurs Mathematik. Sachsen-Anhalt 2002. Gebiet G1 - Analysis
Abitur - Grundkurs Mathematik Sachsen-Anhalt Gebiet G - Analsis Aufgabe.. Der Graph einer ganzrationalen Funktion f dritten Grades mit einer Funktionsgleichung der Form f a b c d a,b,c,d, R schneidet die
MehrTeil II. Nichtlineare Optimierung
Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene
MehrInformationsökonomik: Anwendung Versicherungsmarkt
Informationsökonomik: Anwendung Versicherungsmarkt Tone Arnold Universität des Saarlandes 13. Dezember 2007 Tone Arnold (Universität des Saarlandes) Informationsökonomik: Anwendung Versicherungsmarkt 13.
Mehr16 Risiko und Versicherungsmärkte
16 Risiko und Versicherungsmärkte Entscheidungen bei Unsicherheit sind Entscheidungen, die mehrere mögliche Auswirkungen haben. Kauf eines Lotterieloses Kauf einer Aktie Mitnahme eines Regenschirms Abschluss
MehrBisher angenommen: jeder Spieler kennt alle Teile des Spiels. - Diskontfaktor des Verhandlungspartners
1 KAP 15. Spiele unter unvollständiger Information Bisher angenommen: jeder Spieler kennt alle Teile des Spiels seine Gegenspieler, deren Aktionen, deren Nutzen, seinen eigenen Nutzen etc. Oft kennt man
MehrMikroökonomik B 1. Intertemporale Entscheidung
Mikroökonomik B 1. Intertemporale Entscheidung Paul Schweinzer 23. April 2009. Intertemporale Entscheidung Literaturangaben: Varian (2007), Kapitel 10, 11 und 30.3. Ausgangspunkt: Konsumententheorie, d.h.
MehrVorlesung. Funktionen/Abbildungen 1
Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.
MehrTEILWEISE ASYNCHRONE ALGORITHMEN
TEILWEISE ASYNCHRONE ALGORITHMEN FRANK LANGBEIN Literatur: D. Berseas, J. Tsitsilis: Parallel and distributed computatoin, pp. 48 489 URI: http://www.langbein.org/research/parallel/ Modell teilweiser asynchroner
MehrRekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt
Methoden und Techniken an Beispielen erklärt Georg Anegg 5. November 009 Beispiel. Die Folge {a n } sei wie folgt definiert (a, d, q R, q ): a 0 a, a n+ a n q + d (n 0) Man bestimme eine explizite Darstellung
Mehr2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also
Universität Konstanz Fachbereich Mathematik und Statistik Repetitorium Analysis 0 Dr DK Huynh Blatt 8 Aufgabe 6 Bestimmen Sie (a) (x + x 7x+)dx (c) (f) x n exp(x)dx (n N fest) sin (x)dx (g) (b) (d) ln(x)dx
MehrERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN
ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN CHRISTIAN HARTFELDT. Zweiter Mittelwertsatz Der Mittelwertsatz Satz VI.3.4) lässt sich verallgemeinern zu Satz.. Seien f, g : [a, b] R auf [a,
MehrNash-GG als gegenseitige beste Antworten. Man kann Nash-GG einfach charakterisieren in termini bester Antworten
1 Nash-GG als gegenseitige beste Antworten Man kann Nash-GG einfach charakterisieren in termini bester Antworten Eine beste Antwort von Spieler i gegen die Strategie s i ist - die nutzenmaximierende Strategie,
MehrDie Cantor-Funktion. Stephan Welz
Die Cantor-Funktion Stephan Welz Ausarbeitung zum Vortrag im Proseminar Überraschungen und Gegenbeispiele in der Analysis (Sommersemester 2009, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: In dieser
MehrAbsolute Stetigkeit von Maßen
Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches
MehrBeispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =
Funktionentheorie, Woche Funktionen und Polstellen. Meromorphe Funktionen Definition.. Sei U C offen und sei f : U gilt, nennt man f meromorph auf U: Ĉ eine Funktion. Wenn folgendes. P := f hat keine Häufungspunkte;.
MehrFinanzierung und Investition
Kruschwitz/Husmann (2012) Finanzierung und Investition 1/40 Finanzierung und Investition Kruschwitz/Husmann (2012) Oldenbourg Verlag München 7. Auflage, Kapitel 2 Kruschwitz/Husmann (2012) Finanzierung
MehrExtremwertverteilungen
Seminar Statistik Institut für Stochastik 12. Februar 2009 Gliederung 1 Grenzwertwahrscheinlichkeiten 2 3 MDA Fréchet MDA Weibull MDA Gumbel 4 5 6 Darstellung von multivariaten, max-stabilen Verteilungsfunktionen
MehrMathematik I für Wirtschaftswissenschaftler
1 Mathematik I für Wirtschaftswissenschaftler Lösungsvorschläge zur Klausur am 01.08.2003. Bitte unbedingt beachten: a) Verlangt und gewertet werden alle vier gestellten Aufgaben. Alle Aufgaben sind gleichwertig.
MehrMathematik 1. Lösungsvorschläge zum 2. Übungsblatt
Hochschule Regensburg Fakultät Informatik/Mathematik Christoph Böhm Wintersemester 0/0 Wirtschaftsinformatik Bachelor IW Informatik Bachelor IN Vorlesung Mathematik Mathematik Lösungsvorschläge zum Übungsblatt
Mehra n := ( 1) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 10n + 1. a n := 1 3 + 1 2n 5n 2 n 2 + 7n + 8 b n := ( 1) n
Folgen und Reihen. Beweisen Sie die Beschränktheit der Folge (a n ) n N mit 2. Berechnen Sie den Grenzwert der Folge (a n ) n N mit a n := ( ) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 n +. 4 3. Untersuchen
Mehr(2) (x 2 1 + x 2 2 + + x 2 n)(y 2 1 + y 2 2 + + y 2 n) = z 2 1 + z 2 2 + + z 2 n
Über die Komposition der quadratischen Formen von beliebig vielen Variablen 1. (Nachrichten von der k. Gesellschaft der Wissenschaften zu Göttingen, Mathematisch-physikalische Klasse, 1898, S. 309 316.)
MehrProbabilistische Primzahltests
Probabilistische Primzahltests Daniel Tanke 11. Dezember 2007 In dieser Arbeit wird ein Verfahren vorgestellt, mit welchem man relativ schnell testen kann, ob eine ganze Zahl eine Primzahl ist. Für einen
MehrStudiengang (Zutreffendes bitte ankreuzen):
Prof. Dr. Ulrich Schwalbe Sommersemester 2006 Klausur Mikroökonomik Matrikelnummer: Studiengang (Zutreffendes bitte ankreuzen): SozÖk Sozma AÖ WiPäd Wiwi Prof. Dr. Ulrich Schwalbe Sommersemester 2006 Klausur
MehrHöhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik
Höhere Mathematik 3 Apl. Prof. Dr. Norbert Knarr FB Mathematik Wintersemester 2015/16 4. Homogene lineare Dierentialgleichungen 4.1. Grundbegrie 4.1.1. Denition. Es sei J R ein Intervall und a 0 ; : :
MehrFixpunktsemantik logischer Programme Pascal Hitzler Juli 1997 Kurzuberblick im Rahmen der Vorlesung Einfuhrung in Prolog von T. Cornell im Sommersemester 1997 an der Universitat Tubingen. Beweise sind
MehrKlausur Mikroökonomie I Diplom SS 06 Lösungen
Universität Lüneburg Prüfer: Prof. Dr. Thomas Wein Fakultät II Prof. Dr. Joachim Wagner Institut für Volkswirtschaftslehre Datum: 17.7.2006 Klausur Mikroökonomie I Diplom SS 06 Lösungen 1. Eine neue Erfindung
Mehrwww.mathe-aufgaben.com
Abiturprüfung Mathematik Baden-Württemberg (ohne CAS) Pflichtteil Aufgaben Aufgabe : ( VP) Bilden Sie die erste Ableitung der Funktion f mit sin() f() =. Aufgabe : ( VP) Berechnen Sie das Integral ( )
Mehr1 Ordnung muß sein. 1.1 Angeordnete Körper. 1.2 Folgerungen aus den Anordnungsaxiomen. ( c) (b a) > 0. Somit a c b c > 0.
1 Ordnung uß sein 1.1 Angeordnete Körper Wir nehen einal an, daß es in eine Körper Eleente gibt, die wir positiv nennen. Welche Eigenschaften sollen diese haben? O1) Wenn x und y positiv sind, dann auch
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 8: kontextfreie Grammatiken Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2009/2010 1/37 Überblick Kontextfreie Grammatiken
Mehr10. Vorlesung Spieltheorie in der Nachrichtentechnik
10. Vorlesung Spieltheorie in der Nachrichtentechnik Vorlesung: Eduard Jorswieck Übung: Rami Mochaourab Sommersemester 2010 Kooperative Spiele - Stabile Paarungen Wir studieren Märkte mit zweiseitigen
MehrPortfolio Management
Kapitel 3 Portfolio Management Josef Leydold c 2006 Mathematische Methoden III Portfolio Management 1 / 45 Lernziele Konzept der modernen Portfolio-Theorie Capital Asset Pricing Model Optimieren eines
MehrOptimalitätskriterien
Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen
MehrMengensysteme, Wahrscheinlichkeitsmaße
Kapitel 1 Mengensysteme, Wahrscheinlichkeitsmaße Der Großteil der folgenden fundamentalen Begriffe sind schon aus der Vorlesung Stochastische Modellbildung bekannt: Definition 1.1 Eine Familie A von Teilmengen
MehrGegeben ist die Funktion f durch. Ihr Schaubild sei K.
Aufgabe I 1 Gegeben ist die Funktion f durch. Ihr Schaubild sei K. a) Geben Sie die maximale Definitionsmenge D f an. Untersuchen Sie K auf gemeinsame Punkte mit der x-achse. Bestimmen Sie die Intervalle,
MehrLenstras Algorithmus für Faktorisierung
Lenstras Algorithmus für Faktorisierung Bertil Nestorius 9 März 2010 1 Motivation Die schnelle Faktorisierung von Zahlen ist heutzutage ein sehr wichtigen Thema, zb gibt es in der Kryptographie viele weit
MehrKapitel MK:IV. IV. Modellieren mit Constraints
Kapitel MK:IV IV. Modellieren mit Constraints Einführung und frühe Systeme Konsistenz I Binarization Generate-and-Test Backtracking-basierte Verfahren Konsistenz II Konsistenzanalyse Weitere Analyseverfahren
MehrMinimale Darstellungen, Kommutator- und Fixräume, projektive Geometrie
Notation Die in dieser Arbeit verwendete Notation ist im Wesentlichen Standard, so wie sie beispielsweise in [As] zu nden ist. Einige Abweichungen hiervon, Klarstellungen und zusätzliche Notationen (sofern
MehrMikroökonomik B (Bachelor)
Bitte eintragen: Matrikel-Nr.: Mikroökonomik B (Bachelor) Prüfung vom 22.07.2014 Wichtige Hinweise: Sie haben 90 Minuten Zeit, um die folgenden drei Aufgaben zu insgesamt 90 Punkten zu bearbeiten. Teilen
MehrEinführung in die Algebra
Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv
Mehr3. Grundlagen der Linearen Programmierung
3. Grundlagen der linearen Programmierung Inhalt 3. Grundlagen der Linearen Programmierung Lineares Programm Grafische Lösung linearer Programme Normalform Geometrie linearer Programme Basislösungen Operations
MehrKommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 3/4 (.3.4). (a) Für z = + i und z = 3 4i berechne man z z und z z. Die Ergebnisse sind in kartesischer Form anzugeben.
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2013/14 Hochschule Augsburg : Gliederung 1 Aussagenlogik 2 Lineare Algebra 3 Lineare Programme 4 Folgen
Mehr17. Penalty- und Barriere-Methoden
H.J. Oberle Optimierung SoSe 01 17. Penalty- und Barriere-Methoden Penalty- und Barriere Methoden gehören zu den ältesten Ansätzen zur Lösung allgemeiner restringierter Optimierungsaufgaben. Die grundlegende
MehrÜbersicht. 1 Unsicherheit und Klimawandel. 2 Umgang mit Unsicherheit in IAMs. 3 Strukturelle Unsicherheit: Weitzmans Dismal Theorem
Vorlesung 8: Bewertung III 1/15 Übersicht 1 Unsicherheit und Klimawandel 2 Umgang mit Unsicherheit in IAMs 3 Strukturelle Unsicherheit: Weitzmans Dismal Theorem Vorlesung 8: Bewertung III 2/15 Unsicherheit
Mehr3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper
32 Andreas Gathmann 3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper Wir haben bisher von den reellen Zahlen nur die Körpereigenschaften, also die Eigenschaften der vier Grundrechenarten ausgenutzt
MehrProf. Dr. Ulrich Schwalbe Wintersemester 2004/05. Klausur Mikroökonomik. Matrikelnummer: Studiengang:
Prof. Dr. Ulrich Schwalbe Wintersemester 2004/05 Klausur Mikroökonomik Matrikelnummer: Studiengang: Prof. Dr. Ulrich Schwalbe Wintersemester 2004/05 Klausur Mikroökonomik Bitte bearbeiten Sie alle zehn
MehrSpieltheoretischer Ansatz für selbstorganisierende Systeme
Spieltheoretischer Ansatz für selbstorganisierende Systeme Institut für Informatik 27. Juni 2006 Inhaltsverzeichnis 1 Ziel des Aufsatz 2 Geschichte 3 Einführung 4 Das Spiel Experiment 5 Konzepte zur Lösung
MehrStaatlich geprüfte Techniker
Auszug aus dem Lernmaterial ortbildungslehrgang Staatlich geprüfte Techniker Auszug aus dem Lernmaterial Maschinenbautechnische Grundlagen DAA-Technikum Essen / www.daa-technikum.de, Infoline: 001 83 16
Mehr1. Mathematik-Schularbeit 6. Klasse AHS
. Mathematik-Schularbeit 6. Klasse AHS Arbeitszeit: 50 Minuten Lernstoff: Mathematische Grundkompetenzen: (Un-)Gleichungen und Gleichungssysteme: AG. Einfache Terme und Formeln aufstellen, umformen und
MehrKapitel 7 und Kapitel 8: Gleichgewichte in gemischten Strategien. Einleitung. Übersicht Teil 2 2. Übersicht 3
Übersicht Teil 2 Kaitel 7 und Kaitel 8: Gleichgewichte in gemischten Strategien Übersicht Teil 2 2 Übersicht Einleitung Was ist eine gemischte Strategie? Nutzen aus gemischten Strategien Reaktionsfunktionen
MehrVorlesung Wirtschaftsmathematik II SS 2015, 3/2 SWS. Prof. Dr. M. Voigt
Vorlesung Wirtschaftsmathematik II SS 2015, 3/2 SWS Prof. Dr. M. Voigt 2. März 2015 II Inhaltsverzeichnis 5 Grundlagen 1 5.1 Funktionen einer Variablen...................... 1 5.2 spezielle Funktionen.........................
Mehr6.2 Perfekte Sicherheit
04 6.2 Perfekte Sicherheit Beweis. H(B AC) + H(A C) = H(ABC) H(AC) + H(AC) H(C) Wegen gilt Einsetzen in die Definition gibt = H(AB C). H(A BC) = H(AB C) H(B C). I(A; B C) = H(A C) H(AB C) + H(B C). Da
MehrLÖSUNG ZUR VORLESUNG MAKROÖKONOMIK I (SoSe 14) Aufgabenblatt 3
Fakultät Wirtschafts- und Sozialwissenschaften Jun.-Prof. Dr. Philipp Engler, Michael Paetz LÖSUNG ZUR VORLESUNG MAKROÖKONOMIK I (SoSe 14) Aufgabenblatt 3 Aufgabe 1: Geldnachfrage I Die gesamtwirtschaftliche
MehrEinfache Differentialgleichungen
Differentialgleichungen (DGL) spielen in der Physik eine sehr wichtige Rolle. Im Folgenden behandeln wir die grundlegendsten Fälle 1, jeweils mit einer kurzen Herleitung der Lösung. Dann schliesst eine
Mehr34 5. FINANZMATHEMATIK
34 5. FINANZMATHEMATIK 5. Finanzmathematik 5.1. Ein einführendes Beispiel Betrachten wir eine ganz einfache Situation. Wir haben einen Markt, wo es nur erlaubt ist, heute und in einem Monat zu handeln.
MehrBestimmung einer ersten
Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 26/7 en Blatt 4 13.11.26 Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität
MehrÜberblick: Entscheidungstheoretische Konzepte Seminar Online-Optimierung Diana Balbus
Überblick: Entscheidungstheoretische Konzepte Seminar Online-Optimierung Diana Balbus Einleitung Ein Online-Algorithmus muss Ausgaben berechnen, ohne zukünftige Eingaben zu kennen. Für die Bewertung von
Mehr3.3 Eigenwerte und Eigenräume, Diagonalisierung
3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.
MehrKevin Caldwell. 18.April 2012
im Rahmen des Proseminars Numerische Lineare Algebra von Prof.Dr.Sven Beuchler 18.April 2012 Gliederung 1 2 3 Mathematische Beschreibung von naturwissenschaftlich-technischen Problemstellungen führt häufig
MehrKapitel 15: Differentialgleichungen
FernUNI Hagen WS 00/03 Kapitel 15: Differentialgleichungen Differentialgleichungen = Gleichungen die Beziehungen zwischen einer Funktion und mindestens einer ihrer Ableitungen herstellen. Kommen bei vielen
MehrGrundlagen der Volkswirtschaftslehre Übungsblatt 11
Grundlagen der Volkswirtschaftslehre Übungsblatt 11 Robert Poppe robert.poppe@uni-mannheim.de Universität Mannheim 25. November 2010 Überblick 1 Produktion und Wachstum 2 Kreditmarkt 3 Risikoeinstellung
Mehr11. Primfaktorzerlegungen
78 Andreas Gathmann 11 Primfaktorzerlegungen Euch ist sicher aus der Schule bekannt, dass sich jede positive ganze Zahl a als Produkt a = p 1 p n von Primzahlen schreiben lässt, und dass diese Darstellung
MehrKomplexe Zahlen. 1) Motivierende Aufgabe. 2) Historisches
Annelie Heuser, Jean-Luc Landvogt und Ditlef Meins im 1. Semester Komplexe Zahlen Will man nur addieren und subtrahieren, multiplizieren und dividieren, kommt man uneingeschränkt mit reellen Zahlen aus.
MehrAlgebra. Patrik Hubschmid. 8. Oktober 2013
Algebra Patrik Hubschmid 8. Oktober 2013 Inhaltsverzeichnis 1 Fortführung der Gruppentheorie 7 1.1 Sylowsätze.................................... 7 3 Vorwort Dieses Skript zur Vorlesung Algebra im Wintersemester
MehrKapitel 4. Euklidische Ringe und die Jordansche Normalform. 4.1 Euklidische Ringe
Kapitel 4 Euklidische Ringe und die Jordansche Normalform 4.1 Euklidische Ringe Die Ringe der ganzen Zahlen, Z, sowie Polynomringe über Körpern, K[X], wobei K ein Körper ist, haben die folgenden Gemeinsamheiten:
MehrCharakteristikenmethode im Beispiel
Charakteristikenmethode im Wir betrachten die PDE in drei Variablen xu x + yu y + (x + y )u z = 0. Das charakteristische System lautet dann ẋ = x ẏ = y ż = x + y und besitzt die allgemeine Lösung x(t)
Mehr1 Stochastische Prozesse in stetiger Zeit
1 Stochastische Prozesse in stetiger Zeit 1.1 Grundlagen Wir betrachten zufällige Prozesse, definiert auf einem Wahrscheinlichkeitsraum (Ω, F, P), welche Werte in einen fest gewählten Zustandsraum annehmen.
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 3 30.04.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Letztes Mal Aussagenlogik Syntax: welche Formeln? Semantik:
Mehr9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83
9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x
MehrKurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre
Grundlagen der Betriebswirtschaftslehre, Kurs 00091, KE 4, 5 und 6, WS 2009/2010 1 Kurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre Lösungshinweise zur Einsendearbeit
MehrZ = 60! 29!31! 1,1 1017.
Aufgabe : Eine Hochzeitsgesellschaft besteht aus 60 Personen. a Wieviele verschiedene Möglichkeiten für Sitzordnungen gibt es? b Nehmen Sie nun an, dass 9 Gäste aus dem Familien- und Freundeskreis der
MehrZwei Aufgaben, die auf windschiefe Regelflächen führen,
Zwei Aufgaben, die auf windschiefe Regelflächen führen, von À. KIEFER (Zürich). (Als Manuskript eingegangen am 25. Januar 1926.) I. Gesucht im Raum der Ort des Punktes, von dem aus die Zentralprojektionen
MehrEntscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen?
Entscheidungsbäume Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Definition Entscheidungsbaum Sei T ein Binärbaum und A = {a 1,..., a n } eine zu sortierenden Menge. T ist ein Entscheidungsbaum
Mehr3. Zusammenhang. 22 Andreas Gathmann
22 Andreas Gathmann 3. Zusammenhang Eine der anschaulichsten Eigenschaften eines topologischen Raumes ist wahrscheinlich, ob er zusammenhängend ist oder aus mehreren Teilen besteht. Wir wollen dieses Konzept
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrDie Eulersche Zahl. Halbjährliche Verzinsung: (50%=0,5)... n- malige Verzinsung:
1 Die Eulersche Zahl Euler war als Mathematiker ein großer Experimentator. Er spielte mit Formeln so, wie ein Kind mit seinem Spielzeug und führte alle möglichen Substitutionen durch, bis er etwas Interessantes
MehrDefinition 3.1: Ein Differentialgleichungssystem 1. Ordnung
Kapitel 3 Dynamische Systeme Definition 31: Ein Differentialgleichungssystem 1 Ordnung = f(t, y) ; y R N ; f : R R N R N heißt namisches System auf dem Phasenraum R N Der Parameter t wird die Zeit genannt
Mehr6 Conways Chequerboard-Armee
6 Conways Chequerboard-Armee Spiele gehören zu den interessantesten Schöpfungen des menschlichen Geistes und die Analyse ihrer Struktur ist voller Abenteuer und Überraschungen. James R. Newman Es ist sehr
MehrErinnerung/Zusammenfassung zu Abbildungsmatrizen
Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend
MehrFinanzmathematik. Wirtschaftswissenschaftliches Zentrum Universität Basel. Mathematik für Ökonomen 1 Dr. Thomas Zehrt
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Finanzmathematik Literatur Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen, Band 1, 17. Auflage,
MehrDas St. Petersburg Paradox
Das St. Petersburg Paradox Johannes Dewender 28. Juni 2006 Inhaltsverzeichnis 1 Das Spiel 2 2 Das Paradox 3 3 Lösungsvorschläge 4 3.1 Erwartungsnutzen............................... 4 3.2 Risikoaversion..................................
Mehru + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.
Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume
MehrHamilton-Formalismus
KAPITEL IV Hamilton-Formalismus Einleitung! IV.1 Hamilton sche Bewegungsgleichungen IV.1.1 Kanonisch konjugierter Impuls Sei ein mechanisches System mit s Freiheitsgraden. Im Rahmen des in Kap. II eingeführten
MehrStochastische Eingangsprüfung, 17.05.2008
Stochastische Eingangsprüfung, 17.5.8 Wir gehen stets von einem Wahrscheinlichkeitsraum (Ω, A, P) aus. Aufgabe 1 ( Punkte) Sei X : Ω [, ) eine integrierbare Zufallsvariable mit XdP = 1. Sei Q : A R, Q(A)
MehrFormale Sprachen. Der Unterschied zwischen Grammatiken und Sprachen. Rudolf Freund, Marian Kogler
Formale Sprachen Der Unterschied zwischen Grammatiken und Sprachen Rudolf Freund, Marian Kogler Es gibt reguläre Sprachen, die nicht von einer nichtregulären kontextfreien Grammatik erzeugt werden können.
MehrVerteilungsmodelle. Verteilungsfunktion und Dichte von T
Verteilungsmodelle Verteilungsfunktion und Dichte von T Survivalfunktion von T Hazardrate von T Beziehungen zwischen F(t), S(t), f(t) und h(t) Vorüberlegung zu Lebensdauerverteilungen Die Exponentialverteilung
MehrVorlesung. Informationsökonomik und die Theorie der Firma
Vorlesung Informationsökonomik und die Theorie der Firma Ulrich Schwalbe Universität Hohenheim 5. Vorlesung 28.11.2007 Ulrich Schwalbe (Universität Hohenheim) Informationsökonomik 5. Vorlesung 28.11.2007
MehrStatistische Thermodynamik I Lösungen zur Serie 1
Statistische Thermodynamik I Lösungen zur Serie Zufallsvariablen, Wahrscheinlichkeitsverteilungen 4. März 2. Zwei Lektoren lesen ein Buch. Lektor A findet 2 Druckfehler, Lektor B nur 5. Von den gefundenen
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 15: Reguläre Ausdrücke und rechtslineare Grammatiken Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/25 Was kann man mit endlichen
Mehr