Entscheidungstheorie: Nutzentheorie bei Unsicherheit
|
|
- Liese Brahms
- vor 6 Jahren
- Abrufe
Transkript
1
2 Entschedungstheore: Nutzentheore be Unscherhet 3 1. De Mndestanforderungen benhalten (a) De fünf Axome der Entschedung be Unscherhet Verglechbarket (auch als Vollständgket bezechnet) Transtvtät (auch als Stetgket bezechnet) Starke Unabhänggket Messbarket Rehung (b) Investoren bestzen enen postven Grenznutzen des Vermögens (Ger). (c) Der gesamte Nutzen des Vermögens stegt mt ener abnehmenden Wachstumsrate (Rskoaverson); d.h. E[U(W)] < U[E(W)]. (d) De Wahrschenlchketsdchtefunkton muss ene Normalvertelung (oder ene Funkton mt zwe Parametern) sen. 2. We n Abbldung 3.6 dargestellt, bestzt en rskofreudger Markttelnehmer enen postven Grenznutzen des Vermögens, MU(W) > 0, der mt stegendem Vermögen ebenfalls anstegt, dmu(w)/dw > 0. Um de Form der Indfferenzkurve deses rskofreudgen Markttelnehmers beschreben zu können, müssen wr de Grenzrate der Substtuton zwschen Rendte und Rsko kennen. Glechung (3.19) beschrebt de Stegung der Indfferenzkurve: de U ( E + σz) Zf( Z) dz = dσ U ( E +σz) f( Z) dz (3.19) Der Nenner muss postv sen, da der Grenznutzen, U (E + σz), postv st und de Wahrschenlchket, f(z), für jedes Vermögensnveau postv st. Um zu erkennen, dass das Integral m Zähler postv st, kann man Abbldung 3.1 heranzehen. Der Grenznutzen postver Rendten, + Z, st mmer höher als der Grenznutzen der glechwahrschenlchen (d.h. aus der selben Vertelung f(z) gezogenen) negatven Rendten, Z. Deshalb st, wenn alle glechwahrschenlchen Rendten mt hren Grenznutzen multplzert und summert werden, das Ergebns postv. Da vor dem Integral m Zähler en Mnuszechen steht, st der gesamte Zähler negatv und de Grenzrate der Substtuton zwschen Rsko und Rendte st für enen rskofreudgen Markttelnehmer ebenfalls negatv. Des führt zu Indfferenzkurven we de n Abbldung 3.2 dargestellten. 25
3 3 ENTSCHEIDUNGSTHEORIE: NUTZENTHEORIE BEI UNSICHERHEIT f(z) Z TU + Z Z MU von + Z Z MU von Z Abbldung 3.1: Gesamtnutzen normalvertelter Rendten für enen rskofreudgen Markttelnehmer E( ~ R) Rchtung des stegenden Nutzens U 1 U 2 U 3 U 4 σ( ~ R) Abbldung 3.2: Indfferenzkurven enes rskofreudgen Markttelnehmers 3. (a) E[ UW ( )] = 0,5ln(4.000) + 0,5ln(6.000) = 0,5(8,29405) + 0,5(8,699515) = 8, e ln W = W 8, e 4.898,98 = = W Deshalb wäre das Indvduum ndfferent zwschen der Lottere und scheren 4.898,98. Des entsprcht ener Rskopräme von 101,02. Es sollte also kene Verscherung für 125 abgeschlossen werden. 26
4 Lösungen Aufgabe 3.4 (b) De zwete Lottere entsprcht nach dem ersten Verlust entweder plus oder mnus Ihr Erwartungsnutzen st E[ UW ( )] = 0,5ln(3.000) + 0,5ln(5.000) = 0,5(8,006368) + 0,5(8,517193) = 8,26178 ln W 8,26178 e = e = 3.872,98 = W Nun wäre en Indvduum beret, bs zu 127,02 für ene Verscherung zu bezahlen. Da de Verscherung nur 125 kostet, sollte se gekauft werden. 4. Da m Verhältns zu ene große Vermögensänderung darstellt, können wr das Konzept der Rskoaverson be großen Rsken (Markowtz) anwenden. Der Erwartungsnutzen der Lottere st EU ( (9.000,11.000; 0,5)) = 0,5 U(9.000) + 0,5 U(11.000) = 0,5 ln ,5 ln = 0,5(9,10498) + 0,5(9,30565) = 4, , = 9, Das Vermögensnveau mt derselben Nutzenhöhe st ln W = 9, W = = 9, e 9.949,87 Das Indvduum würde also maxmal den folgenden Betrag bezahlen: ,87 = 50,13, um de Rsken n Zusammenhang mt ener 50:50-Chance auf den Gewnn oder Verlust der zu vermeden. Wenn das gegenwärtge Vermögen st, st der Erwartungsnutzen der Lottere EU ( ( , ; 0,5)) = 0,5 ln ,5ln = 0,5(13,81451) + 0,5(13,81651) = 13,81551 Das Vermögensnveau mt demselben Nutzen st ln W = 13,81551 W = = 13,81551 e ,47 Dann würde das Indvduum beret sen, , ,47 = 0,53 zu zahlen, um de Lottere zu vermeden. 27
5 3 ENTSCHEIDUNGSTHEORIE: NUTZENTHEORIE BEI UNSICHERHEIT 5. (a) De Nutzenfunkton st n Abbldung 3.3 dargestellt. UW ( ) = e aw U(W) W W e W. 20,09 7,39 2,72 1,00 0,37 0,14 0, Abbldung 3.3: Negatve exponentelle Nutzenfunkton Oben stehende Abbldung unterstellt en a = 1. Für enen belebgen anderen Wert mt a > 0 wrd de Nutzenfunkton ene monotone Transformaton der obgen Kurve sen. (b) Der Grenznutzen st de erste Abletung nach W. du( W ) aw U ( W) = = ( a)e > 0 dw Der Grenznutzen st also streng postv. Des erkennt man auch an Abbldung 3.3, da de Stegung der Tangente an de Nutzenfunkton mmer postv st, unabhängg vom Vermögensnveau. Rskoaverson st de Veränderungsrate des Grenznutzens. dmu( W ) U W = = a a = a < dw aw 2 aw ( ) ( )e e 0 Damt st de Nutzenfunkton konkav und repräsentert Rskoaverson. 28
6 Lösungen Aufgabe 3.6 (c) Absolute Rskoaverson, we se von Pratt-Arrow defnert st, entsprcht De Funkton zegt also kene snkende absolute Rskoaverson. Stattdessen west se ene konstante Rskoaverson auf. (d) Relatve Rskoaverson st U ( W) ARA = U ( W) 2 aw a e ARA = aw = a ae U ( W) RRA = W( ARA) = W U ( W ) = Wa Demnach st de relatve Rskoaverson ncht konstant. Se stegt mt dem Vermögen an. 6. Fredman und Savage [1948] zegen, dass de glechzetge Telnahme an ener Lottere und der Abschluss von Verscherungen erklärbar st, wenn en Indvduum ene Nutzenfunkton we n Abbldung 3.4 dargestellt bestzt. Das Indvduum st rskoavers gegenüber enem Absnken des Vermögens, da de Nutzenfunkton unterhalb senes gegenwärtgen Vermögens konkav st. Deshalb wrd es beret sen, ene Verscherung gegen Verluste abzuschleßen. Glechzetg wrd es beret sen, an ener Lottere telzunehmen, de hm ene (klene) Wahrschenlchket enormer Vermögensgewnne betet, da sene Nutzenfunkton oberhalb senes gegenwärtgen Vermögens konvex st. U(W) Gegenwärtges Vermögensnveau W Abbldung 3.4: Glücksspel und Verscherung 29
7 3 ENTSCHEIDUNGSTHEORIE: NUTZENTHEORIE BEI UNSICHERHEIT 7. Gegeben st A > B > C > D Wr wssen weterhn U(A) + U(D) = U(B) + U(C) Umformen ergbt U(A) U(B) = U(C) U(D) (3.1) Angenommen, das Indvduum se rskoavers, dann glt 2 U U > 0 und 2 < 0 W W Von (1) und (2) wssen wr UA ( ) UB ( ) UC ( ) UD ( ) < A B C D Mt Glechung (3.1) wrd aus Glechung (3.3) (3.2) (3.3) 1 1 < A B C D A B> C D A+ D> C+ B A+ D> C+ B U ( A) + ( D) > U ( C) + ( B) Im Allgemenen werden rskoaverse Markttelnehmer enen snkenden Nutzen wahrnehmen, wenn de Varanz des Ergebnsses zunmmt; allerdngs entsprcht der Nutzen von (1/2)B + (1/2)C dem Nutzen des erwarteten Ergebnsses, enem Durchschntt. 8. Zuerst müssen wr den Erwartungsnutzen des Rskos der Klengewerbetrebenden berechnen. EUW ( ( )) = puw ( ) = 0,1 U(1) + 0,1 U(50.000) + 0,8 U( ) = 0,1(0) + 0,1(10,81978) + 0,8(11,51293) = 10,292322, dann das Vermögensnveau, welches se ndfferent gegenüber dem Rsko werden lässt. ln W = 10, , W = e W = De maxmale Verscherungspräme st Rskopräme = E(W) Scherhetsäquvalent = , = ,1. 30
8 Lösungen Aufgabe De Nutzenfunkton se Damt st das Vermögensnveau, das mt jedem belebgen Nutzen korrespondert, W = (U(W)) 1 Das scherhetsäquvalente Vermögen ener Lottere mt Indfferenz wrd an dem Punkt auftreten, wo das gegenwärtge Vermögensnveau, W, abzüglch des scherhetsäquvalenten Vermögens für de Lottere genau den Kosten der Verscherung, 500, entsprcht. Wr haben also de Bedngung UW ( ) = 1 W W = [0,5( ( W ) ) + 0,5( ( W 1.000) )] 2 2 W W W W W = W = ,5 + 0,5 W W W = 500 W 2 W = W W + = 500 W = 500 W = ± st W. Wenn also das gegenwärtge Vermögen be legt, werden Se ndfferent sen. Unterhalb deses Vermögensnveaus werden Se für ene Verscherung zahlen, hngegen werden Se des ncht für en darüber legendes Nveau tun. 31
9 3 ENTSCHEIDUNGSTHEORIE: NUTZENTHEORIE BEI UNSICHERHEIT 10. Tabelle 3.1 zegt de Auszahlungen, erwarteten Auszahlungen und den Nutzen der erwarteten Auszahlungen für n aufenanderfolgende Kopf-Würfe. Anzahl aufenanderfolgender Köpfe N Wahrschenlchket (1/2) n+1 Auszahlung 2 N E Auszahlung U Auszahlung Tabelle 3.1 E U Auszahlung 0 1/2 1 0,50 ln 1 = 0,000 0, /4 2 0,50 ln 2 = 0,693 0, /8 4 0,50 ln 4 = 1,386 0, /16 8 0,50 ln 8 = 2,079 0, N (1/2) N+1 2 N 0,50 ln 2 N = N ln 2 (ln 2)/(2 N+1 )=0 De Lottere bestzt ene Wahrschenlchket von 0,5 für en Ende nach dem ersten Münzwurf (d.h. ken Kopf), ene Wahrschenlchket von (0,5) 2 für en Ende nach dem zweten Münzwurf (enmal Kopf und enmal Zahl) und so weter. De erwartete Auszahlung der Lottere st de Summe der erwarteten Auszahlungen (Spalte ver); dese st unendlch. Es hat jedoch noch nemand enen unendlchen Betrag gezahlt, um dese Lottere zu spelen. Der Grund herfür st, dass Menschen für gewöhnlch rskoavers snd. Se wären deshalb nur beret, enen Betrag zu zahlen, der hrem erwarteten Nutzen der Lottere entsprcht. Der Erwartungsnutzen der Lottere st N ( ) = ( 2 ) ln 2 = 0 N 1 1 = 2 2 = 0 N ( ) = 1 2 ln 2 = 0 2 EU EU ( ) ( ) ln 2 EU Im Folgenden wrd bewesen, dass = 2 : = 0 2 Zuerst beachten Se btte, dass ene unendlche Rehe we folgt aufgetelt werden kann: = = + = 02 = 0 2 = 02 =
10 Lösungen Aufgabe 3.10 Auswertung des ersten der beden Terme ergbt = /2 = 1+ = 2 1 1/2 = 0 Auswertung des zweten Terms ergbt = = 0 De oben dargestellte Rehe kann we folgt erwetert werden Wr haben dann 1 = = = = = Durch Addton der beden Terme haben wr den erwünschten Bewes, dass Folglch ergbt sch = = = 0 2 = 0 = = + = 2+ 0= 2 = 02 = 02 = 0 2 EU ( ) = 1/2 ln2 = ln2, da = N N = 0 = 0 Wenn der Erwartungsnutzen des Vermögens ln2 st, ergbt sch das korresponderende Vermögen als UW ( ) = ln2 = W = ln2 e 2 Deshalb wrd ene Person mt ener logarthmschen Nutzenfunkton 2 für de Lottere zahlen. 33
11 3 ENTSCHEIDUNGSTHEORIE: NUTZENTHEORIE BEI UNSICHERHEIT 11. (a) Als Erstes bestmmen wr den AVL aus Scht der Verscherungsgesellschaft, da dese de Prämen festsetzt. AVL1 ( Verscherung) = 0(0,98) (0,01) (0,005) (0,005) = 250 AVL2 ( Verscherung) = 0(0,98) (0,01) (0,005) (0,005) = 300 AVL3 ( Verscherung) = 0(0,98) (0,01) (0,005) (0,005) = 350 Nun können wr de Präme für jede Abscherungssumme berechnen: Verscherungsbetrag Präme = = = 374 Als Nächstes berechnen wr das Endvermögen des Verscherten und den zugehörgen Nutzen des Vermögens für alle Möglchketen (Umweltzustände). Nehmen Se an, er erwrtschaftet 7% auf sene Ersparnsse und dass de Prämen am Jahresanfang gezahlt werden. Der Nutzen jedes Endvermögens kann mt sener Nutzenfunkton U(W) = ln W ermttelt werden (sehe Tabelle 3.2a). Zuletzt ermtteln wr den Erwartungsnutzen des Vermögens für jeden Verscherungsbetrag, EUW ( ( )) = P UW ( ) und wählen den Verscherungsbetrag, der zum höchsten Erwartungsnutzen führt. Möglche Werte des Vermögens und des Nutzens des Vermögens (Ersparnsse ) Ohne Verscherung Perodenendvermögen (n ) Tabelle 3.2a Nutzen des Vermögens U(W) = ln W Ken Verlust (P = 0,98) 5 + 2(1,07) = 7,14 1, Verlust (P = 0,01) 5 + 2,14 0,5 = 6,64 1, Verlust (P = 0,005) 5 + 2,14 1,0 = 6,14 1, Verlust (P = 0,005) 5 + 2,14 5,0 = 2,14 0,7608 Mt Verscherung Ken Verlust (P = 0,995) 5 + 2,14 0,0280(1,07) 7,11 1, Verlust (P = 0,005) 5 + 2,14 0,03 2 5,11 1,6312 Mt Verscherung Verlust (P = 0,995) 5 + 2,14 0,0327(1,07) 7,105 1, Verlust (P = 0,005) 5 + 2,14 0,035 1,0 6,105 1,8091 Mt Verscherung Ken Verlust (P = 1,0) 5 + 2,14 0,0374(1,07) 7,10 1,
12 Lösungen Aufgabe 3.11 Ohne Verscherung: E(U(W)) = 1,9657(0,98) + 1,8931(0,01) + 1,8148(0,005) + 0,7608(0,005) = 1,9582 Mt Verscherung: E(U(W)) = 1,9615(0,995) + 1,6312(0,005) = 1,9598 Mt Verscherung: E(U(W)) = 1,9608(0,995) + 1,8091(0,005) = 1,9600 Mt Verscherung: E(U(W)) = 1,9601 Deshalb st für Mr. Casadesus be sener Nutzenfunkton der optmale Verscherungsbetrag Möglche Werte des Vermögens und des Nutzens des Vermögens (Ersparnsse ) Ohne Verscherung Perodenendvermögen (n ) Tabelle 3.2b Nutzen des Vermögens U(W) = ln W (n ) Ken Verlust (P = 0,98) ,00(1,07) = 39,24 1, Verlust (P = 0,01) ,24 0,5 = 38,74 1, Verlust (P = 0,005) ,24 1,0 = 38,24 1, Verlust (P = 0,005) ,24 5,0 = 34,24 1,2308 Mt Verscherung Ken Verlust (P = 0,995) ,24 0,028(1,07) 39,21 1, Verlust (P = 0,005) ,24 0, ,21 1,3140 Mt Verscherung Verlust (P = 0,995) ,24 0,0327(1,07) 39,205 1, Verlust (P = 0,005) ,24 0,035 1,0 38,205 1,3404 Mt Verscherung Ken Verlust (P = 1,0) ,24 0,0374(1,07) 39,20 1,
13 3 ENTSCHEIDUNGSTHEORIE: NUTZENTHEORIE BEI UNSICHERHEIT (b) Gehen Se we n Telaufgabe a) vor, nur mt an Ersparnssen anstatt mt (Vergleche Tabelle 3.2b oben für de Berechnungen.) Ohne Verscherung: Mt Verscherung: E(U(W)) = 0,98(1,3671) + 0,01(1,3543) + 0,005(1,3413) + 0,005(1,2308) = 1, E(U(W)) = 0,995(1,3663) + 0,005 (1,3140) = 1, Mt Verscherung: E(U(W)) = 0,995(1,3662) + 0,005(1,3404) Mt Verscherung: = 1, E(U(W)) = (1)1, = 1, Der optmale Verscherungsbetrag n desem Fall st nun, überhaupt kene Verscherung zu haben. Obwohl be ener logarthmschen Nutzenfunkton de Werte sehr nahe beenander legen, zegt de Analyse doch, dass relatv wohlhabende Personen wählen können, kene Verscherung abzuschleßen, während wenger wohlhabende Personen unter Umständen de maxmale Abscherung wählen. (c) Das Vermögen am Perodenende für alle Möglchketen wurde n Telaufgabe a) berechnet, so dass wr nun den Erwartungsnutzen für jeden Verscherungsbetrag drekt berechnen können. Ohne Verscherung: E (U(W)) = 0,98(U(71,4)) + 0,01(U(66,4)) +0,005(U(61,4)) + 0,005U(21,4) = 0,98(200/71,4) 0,01(200/66,4) 0,005(200/61,4) 0,005(200/21,4) = 2,745 0,030 0,016 0,047 = 2,838 Mt Verscherung: E(U(W)) = 0,995(U(71,1)) + 0,005(U(51,1)) = 0,995 (200/71,1) 0,005(200/51,1) = 2,799 0,020 = 2,819 36
14 Lösungen Aufgabe 3.12 Mt Verscherung: E(U(W)) = 0,995(U(71,05) + 0,005(U(61,05)) = 0,995(200/71,05) 0,005(200/61,05) = 2,8008 0,0164 = 2,8172 Mt Verscherung: E(U(W)) = (1)( 200/71) = 2,8169 Be ener derartgen Nutzenfunkton würde Mr. Casadesus also mt erneuern. Egenschaften der Nutzenfunkton, U(W) = W 1 : 2 MUW = W > 0 postver Grenznutzen 3 MUW = W < 0 Rskoaverson MUW 1 ARA = = 2W > 0 MUW ARA 2 = 2W < 0 W snkende absolute Rskoaverson RRA = W( ARA) = 2> 0 RRA = 0 W konstante relatve Rskoaverson Da das Indvduum ene snkende absolute Rskoaverson aufwest, zeht es vor, mt stegenden Ersparnssen mmer höhere Rsken zu tragen. Schleßlch würde es es bevorzugen, überhaupt kene Verscherung abzuschleßen, sobald sen Vermögen groß genug st. Um des zu sehen, können Se sene Ersparnsse glech setzen. 12. Da de Erträge normalvertelt snd, snd Erwartungswert und Varanz de enzgen relevanten Parameter. Fall 1 (a) Domnanz zweter Ordnung B domnert A, da es ene nedrgere Varanz aufwest und denselben Erwartungswert. (b) Domnanz erster Ordnung Es exstert kene Domnanz, da sch de beden Vertelungsfunktonen schneden. Fall 2 (a) Domnanz zweter Ordnung A domnert B, da es mmer enen höheren Erwartungswert bestzt, während bede deselbe Varanz haben. (b) Domnanz erster Ordnung A domnert B, da de kumulerte Wahrschenlchket gernger st als de von B. Se legt rechts von B. 37
15 3 ENTSCHEIDUNGSTHEORIE: NUTZENTHEORIE BEI UNSICHERHEIT Fall 3 (a) Domnanz zweter Ordnung Domnanz legt ncht vor, da A trotz ener gerngeren Varanz auch enen gerngeren Erwartungswert bestzt. (b) Domnanz erster Ordnung Für Normalvertelungen kann B ncht A nach dem Krterum erster Ordnung domneren. Abbldung 3.5 llustrert en Bespel. f(x) A B Abbldung 3.3: Domnanz erster Ordnung ncht möglch X 13. (a) Prob X X p X X E(X) p (X E(X)) 2 0,1 10 1,0 16,4 0,1(268,96) = 26,896 0,4 5 2,0 1,4 0,4(1,96) = 0,784 0,3 10 3,0 3,6 0,3(12,96) = 3,888 0,2 12 2,4 5,6 0,2(31,36) = 6,272 E(X) = 6,4 VAR (X) = 37,840 Prob Y Y p Y Y E(Y) p (Y E(Y)) 2 0,2 2 0,4 3,7 0,2(13,69) = 2,738 0,5 3 1,5 2,7 0,5(7,29) = 3,645 0,2 4 0,8 1,7 0,2(2,89) = 0,578 0,1 30 3,0 24,3 0,1(590,49) = 59,049 E(Y) = 5,7 VAR(Y) = 66,010 X wrd klar bevorzugt von jedem rskoaversen Indvduum, dessen Nutzenfunkton auf Erwartungswert und Varanz basert, da X enen höheren Erwartungswert und ene gerngere Varanz als Y aufwest, we n Abbldung 3.6 dargestellt st. (b) Domnanz zweter Ordnung kann so getestet werden, we n Tabelle 3.3 dargestellt st. Da Σ(F G) ncht klener (oder größer) als null für alle Ergebnsse st, exstert kene Domnanz zweter Ordnung. 38
16 Lösungen Aufgabe 3.13 Tabelle 3.3 Ergebns Prob(X) Prob(Y) Σ P x = F Σ P y = G F G Σ (F G) ,1 0 0,1 0 0,1 0, ,1 0 0,1 0, ,1 0 0,1 0, ,1 0 0,1 0, ,1 0 0,1 0, ,1 0 0,1 0, ,1 0 0,1 0, ,1 0 0,1 0, ,1 0 0,1 0, ,1 0 0,1 1, ,1 0 0,1 1, ,1 0 0,1 1, ,2 0,1 0,2 0,1 1, ,5 0,1 0,7 0,6 0, ,2 0,1 0,9 0,8 0,3 5 0,4 0 0,5 0,9 0,4 0, ,5 0,9 0,4 1, ,5 0,9 0,4 1, ,5 0,9 0,4 1, ,5 0,9 0,4 2,3 10 0,3 0 0,8 0,9 0, ,8 0,9 0,1 2,5 12 0,2 0 1,0 0,9 0,1 2, ,0 0,9 0,1 2, ,0 0,9 0,1 2, ,0 0,9 0,1 2, ,0 0,9 0,1 1, ,0 0,9 0,1 1, ,0 0,9 0,1 1, ,0 0,9 0,1 1, ,0 0,9 0,1 1, ,0 0,9 0,1 1, ,0 0,9 0,1 1, ,0 0,9 0,1 1, ,0 0,9 0,1 1, ,0 0,9 0,1 1, ,0 0,9 0,1 0, ,0 0,9 0,1 0, ,0 0,9 0,1 0, ,0 0,9 0,1 0, ,1 1,0 1,0 0 0,6 1,0 1,0 Da Σ(F G) ncht klener (oder größer) als null für alle Ergebnsse st, exstert kene Domnanz zweter Ordnung. 39
17 3 ENTSCHEIDUNGSTHEORIE: NUTZENTHEORIE BEI UNSICHERHEIT E(R p ) X Y Abbldung 3.4: Vermögensposton X wrd von rskoaversen Personen mt Erwartungswert und Varanz als Entschedungsparameter vorgezogen 14. (a) Tabelle 3.4 zegt de Berechnungen. σ p Tabelle 3.4 p A B p A p [A E(A)] 2 p B p [B E(B)] 2 0,1 0 0,50 0 0,144 0,05 0,4000 0,2 0,50 0,25 0,10 0,098 0,05 0,6125 0,4 1,00 1,50 0,40 0,016 0,60 0 0,2 2,00 3,00 0,40 0,128 0,60 0,4500 0,1 3,00 4,00 0,30 0,324 0,40 0,6250 1,20 0,710 1,50 2,0875 EA ( ) = 1,20, σ A = 0,84 EB ( ) = 1,50, σ = 1, 44 B (b) Abbldung 3.7 llustrert, dass rskoaverse Investoren mt Indfferenzkurven we #1 Unternehmen A bevorzugen werden, während en wenger rskoaverser Investor (#2) Unternehmen B bevorzugen wrd, das ene höhere Rendte und höhere Varanz bestzt. 40
18 Lösungen Aufgabe 3.14 E(R) #1 #1 #2 #2 1,5 1,4 B 1,3 1,2 1,1 A Abbldung 3.5: Rsko-Rendte-Verhältns 0,5 1 1,5 σ R (c) Das Krterum der Domnanz zweter Ordnung wrd n der Tabelle 3.5 berechnet. Tabelle 3.5 Stochastsche Domnanz zweter Ordnung Rendte Prob(A) Prob(B) F(A) G(B) F - G Σ (F - G) 0,50 0 0,1 0 0,1 0,1 0,1 0,25 0 0,2 0 0,3 0,3 0,4 0 0,1 0 0,1 0,3 0,2 0,6 0, ,1 0,3 0,2 0,8 0,50 0,2 0 0,3 0,3 0 0,8 0, ,3 0,3 0 0,8 1,00 0,4 0 0,7 0,3 0,4 0,4 1, ,7 0,3 0,4 0 1,50 0 0,4 0,7 0, , ,7 0, ,00 0,2 0 0,9 0,7 0,2 0,2 2, ,9 0,7 0,2 0,4 2, ,9 0,7 0,2 0,6 2, ,9 0,7 0,2 0,8 3,00 0,1 0,2 1,0 0,9 0,1 0,9 3, ,0 0,9 0,1 1,0 3, ,0 0,9 0,1 1,1 3, ,0 0,9 0,1 1,2 4,00 0 0,1 1,0 1,0 0 1,2 1,0 1,0 41
19 3 ENTSCHEIDUNGSTHEORIE: NUTZENTHEORIE BEI UNSICHERHEIT Da Σ(F G) ncht dasselbe Vorzechen für alle Rendten bestzt, legt n desem Fall kene stochastsche Domnanz zweter Ordnung vor. Auszahlung Prob (A) Prob (B) F (A) G (B) G (B) F(A) 1 0,0 0,3 0 0,3 0,3 2 0,5 0,1 0,5 0,4 0,1 3 0,5 0,3 1,0 0,7 0,3 4 0,0 0,3 1,0 1,0 0 1,0 1,0 E(A) = 2,50, VAR(A) = 2 0,25 E(B) = 2,60, VAR(B) = 2 1,44 De Vertelungsfunktonen schneden sch und es besteht kene Domnanz erster Ordnung. 15. (a) Falsch. Verglechen Se de beden normalvertelten Varablen n Abbldung 3.8 unten. Verwendet man de Domnanz zweter Ordnung, wrd B von A domnert, da bede den glechen Erwartungswert bestzen, aber A ene nedrgere Varanz. Allerdngs exstert kene Domnanz erster Ordnung, da bede denselben Erwartungswert aufwesen und sch deshalb de Vertelungsfunktonen schneden. f(x) F(X) 1 0,5 X Abbldung 3.6: Domnanz erster Ordnung glt ncht X (b) Falsch. Bedenken Se das Gegenbespel unter (c). 42
20 Lösungen Aufgabe 3.16 (c) Falsch. En rskoneutraler Investor bestzt ene lneare Nutzenfunkton und wrd damt mmer de Rendtemengen wählen, de den höchsten Erwartungswert aufwesen. (d) Rchtg. Nutzenfunktonen, de enen postven Grenznutzen und Rskoaverson aufwesen, snd konkav. Stochastsche Domnanz zweter Ordnung steht n Enklang mt der Maxmerung des Erwartungsnutzens für rskoaverse Investoren. 16. Aus Scht der Antelsegner snd de Auszahlungen Projekt 1 Projekt 2 Wahrschenlchket Auszahlung Wahrschenlchket Auszahlung 0,2 0 0,4 0 0,6 0 0,2 0 0,2 0 0, Unter Verwendung entweder der Domnanz erster Ordnung oder Domnanz zweter Ordnung domnert Projekt 2 endeutg Projekt 1. Ohne Haftungsbeschränkung würden sch de Auszahlungen an de Antelsegner we folgt darstellen: Projekt 1 Projekt 2 Wahrschenlchket Auszahlung Wahrschenlchket Auszahlung 0, , , , , , In desem Fall wären de Antelsegner verpflchtet, Fremdkaptalzahlungen aus hrem egenen Prvatvermögen zu lesten, wenn de Fnanzmttel des Unternehmens ncht ausrechen, und Projekt 2 wäre ncht mehr stochastsch domnant. 43
21 3 ENTSCHEIDUNGSTHEORIE: NUTZENTHEORIE BEI UNSICHERHEIT 17. (a) De erste Wtwe maxmert annahmegemäß hren Erwartungsnutzen, hre Enstellung gegenüber Rsko st ncht bekannt. Dann st de stochastsche Domnanz erster Ordnung en passendes Auswahlkrterum. E(A) = 6,2 E(D) = 6,2 E(B) = 6,0 E(E) = 6,2 E(C) = 6,0 E(F) = 6,1 Ene Egenschaft der stochastschen Domnanz erster Ordnung st, dass gelten muss E(X) > E(Y), wenn Alternatve X Alternatve Y domnert. Danach snd de enzgen Fonds, de nach dem Krterum der stochastschen Domnanz erster Ordnung schlechter sen könnten, de Fonds B, C und F. De zwete Egenschaft der Domnanz erster Ordnung st ene Vertelungsfunkton F(X), de G(Y) nemals schnedet, aber wengstens zum Tel rechts von G(Y) legt. We Abbldung 3.9 zegt, st A > C und D > F, so dass de Fonds, de für ene Anlage n Frage kommen, A, B, D und E snd. Kumulerte Wahrschenlchket E A C B F 1 D 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 B 0,1 D F C A E % A B C D Abbldung 3.7: Stochastsche Domnanz erster Ordnung (b) De zwete Wtwe st endeutg rskoavers, so dass de stochastsche Domnanz zweter Ordnung en angemessenes Auswahlkrterum darstellt. Da C und F nach der stochastschen Domnanz erster Ordnung ausscheden, snd se auch schlechter nach der stochastschen Domnanz zweter Ordnung. En paarweser Verglech der verblebenden ver Fonds, Σ(F(X) G(Y)), st n Tabelle 3.6 durchgeführt und n Abbldung 3.10 graphsch dargestellt. Wenn de kumulerten Abwechungen de horzontale Achse schneden, we m Verglech B und D, besteht kene stochastsche Domnanz zweter Ordnung. Nach dem Krterum der stochastschen Domnanz zweter Ordnung st E > A, E > B, und E > D, so dass de optmale Anlage E st. E F 44
22 Lösungen Aufgabe 3.17 Tabelle 3.6 Stochastsche Domnanz zweter Ordnung Rendte P(A)* P(B) P(D) P(E) SSD** (BA) SSD (DA) SSD (EA) SSD (DB) SSD (EB) 2 0 0, , ,1 0,1 0 SSD (ED) 1 0 0,1 0,2 0 0,2 0, ,2 0, ,2 0,2 0 0,4 0, ,4 0, ,3 0,2 0 0,7 0,6 0 0,1 0,7 0, ,3 0,4 0 1,0 1, ,0 1, ,4 0,4 0 1,4 1, ,4 1, ,5 0,4 0 1,9 1,8 0 0,1 1,9 1,8 5 0,4 0,5 0,4 0,4 2,0 1,8 0 0,2 2,0 1,8 6 0,6 0,5 0,5 0,4 1,9 1,7 0,2 0,2 2,1 1,9 7 0,8 0,5 0,6 1, ,5 0 0,1 1,6 1,5 8 1,0 0,6 0,6 1,0 1,2 1,1 0 0,1 1,2 1,1 9 1,0 0,6 0,7 1,0 0,8 0, ,8 0,8 10 1,0 0,7 0,8 1,0 0,5 0,6 0 0,1 0,5 0,6 11 1,0 0,8 0,8 1,0 0,3 0,4 0 0,1 0,3 0,4 12 1,0 0,9 0,8 1,0 0,2 0, ,2 0,2 13 1,0 1,0 0,8 1,0 0, ,2 0, ,0 1,0 1,0 1,0 0, ,2 0,2 0 A > B A > D A < E kene stochastsche Domnanz zweter Ordnung * Vertelungsfunkton ** Stochastsche Domnanz zweter Ordnung (SSD) berechnet über Σ(F(X) G(Y)), wobe F(X) = Vertelungsfunkton von X und G(Y) = Vertelungsfunkton von Y. B < E D < E 45
23 3 ENTSCHEIDUNGSTHEORIE: NUTZENTHEORIE BEI UNSICHERHEIT 18. (a) Ene Ordnung nach dem Erwartungswert-Varanz-Krterum kann möglcherwese ncht angemessen sen, da wr ncht wssen, ob de Fondsrendten ener Vertelung mt zwe Parametern (z.b. Normalvertelung) gehorchen. Um Y zu domneren, muss X enen höheren oder glechen Erwartungswert sowe ene gerngere Varanz aufwesen als Y, oder enen höheren Erwartungswert sowe ene gerngere oder gleche Varanz. De Erwartungswerte und Varanzen der sechs Portfolos snd n Tabelle 3.7 dargestellt. Nach dem Erwartungswert-Varanz-Krterum glt E > A, B, C, D, F und A > B, C, D, F. De wetere Rehenfolge kann ncht bestmmt werden. D bestzt den höchsten Erwartungswert der verblebenden ver Fonds, aber auch de höchste Varanz. De enzge wetere endeutge Domnanz st C > B. (F(X) G(Y)) 2 1,8 1,6 1,4 1,2 1 0,8 0,6 0,4 0,2 0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2 AB AD AE % BD DE BE Abbldung 3.8: Stochstsche Domnanz zweter Ordnung 46
24 Lösungen Aufgabe 3.18 Tabelle 3.7 E(X) VAR(X) A 6,2 1,36 B 6,0 26,80 C 6,0 2,00 D 6,2 28,36 E 6,2 0,96 F 6,1 26,89 (b) Sowohl ene Ordnung nach dem Erwartungswert-Varanz-Krterum we auch nach dem Krterum der stochastschen Domnanz zweter Ordnung ermttelt Fonds E als optmal. Allerdngs st de Ordnung der suboptmalen Portfolos ncht konsstent zwschen beden Auswahl-Verfahren. Optmal Domnanzbezehungen Stochastsche Domnanz erster Ordnung A, B, D, E A > C, D > F Stochastsche Domnanz zweter Ordnung E A > B, A > D Erwartungswert-Varanz-Krterum E A > B, C, D, F; C > B 47
Konkave und Konvexe Funktionen
Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage
MehrDaten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.
Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve
MehrNetzwerkstrukturen. Entfernung in Kilometer:
Netzwerkstrukturen 1) Nehmen wr an, n enem Neubaugebet soll für 10.000 Haushalte en Telefonnetz nstallert werden. Herzu muss von jedem Haushalt en Kabel zur nächstgelegenen Vermttlungsstelle gezogen werden.
MehrAufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):
LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete
Mehrwird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:
Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab
Mehr6. Modelle mit binären abhängigen Variablen
6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch
MehrMethoden der innerbetrieblichen Leistungsverrechnung
Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den
MehrLineare Regression (1) - Einführung I -
Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:
MehrVersicherungstechnischer Umgang mit Risiko
Verscherungstechnscher Umgang mt Rsko. Denstlestung Verscherung: Schadensdeckung von für de enzelne Person ncht tragbaren Schäden durch den fnanzellen Ausglech n der Zet und m Kollektv. Des st möglch über
MehrKreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord
1 Kredtrskomodellerung und Rskogewchte m Neuen Baseler Accord erschenen n: Zetschrft für das gesamte Kredtwesen (ZfgK), 54. Jahrgang, 2001, S. 1004-1005. Prvatdozent Dr. Hans Rau-Bredow, Lehrstuhl für
MehrLösungen zum 3. Aufgabenblock
Lösungen zum 3. Aufgabenblock 3. Aufgabenblock ewerber haben n enem Test zur sozalen Kompetenz folgende ntervallskalerte Werte erhalten: 96 131 11 1 85 113 91 73 7 a) Zegen Se für desen Datensatz, dass
Mehr1 BWL 4 Tutorium V vom 15.05.02
1 BWL 4 Tutorum V vom 15.05.02 1.1 Der Tlgungsfaktor Der Tlgungsfaktor st der Kehrwert des Endwertfaktors (EWF). EW F (n; ) = (1 + )n 1 T F (n; ) = 1 BWL 4 TUTORIUM V VOM 15.05.02 (1 ) n 1 Mt dem Tlgungsfaktor(TF)
MehrEinführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung. Übersicht. Wahrscheinlichkeitsrechnung. bedinge Wahrscheinlichkeit
Enführung n de bednge Wahrschenlchket Laplace-Wahrschenlchket p 0.56??? Zufallsexperment Randwahrschenlchket Überscht Was st Wahrschenlchket? Rechenregeln Der Multplkatonssatz Axomatsche Herletung Unabhänggket
MehrBeim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):
Aufgabe 1 (4 + 2 + 3 Punkte) Bem Wegen von 0 Respaketen ergaben sch folgende Gewchte X(n Gramm): 1 2 3 4 K = (x u, x o ] (98,99] (99, 1000] (1000,100] (100,1020] n 1 20 10 a) Erstellen Se das Hstogramm.
MehrSpiele und Codes. Rafael Mechtel
Spele und Codes Rafael Mechtel Koderungstheore Worum es geht Über enen Kanal werden Informatonen Übertragen. De Informatonen werden dabe n Worte über enem Alphabet Q übertragen, d.h. als Tupel w = (w,,
Mehr6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen
196 6.5. Rückgewnnung des Zetvorgangs: Rolle der Pole und Nullstellen We n 6.2. und 6.. gezegt wurde, st de Übertragungsfunkton G( enes lnearen zetnvaranten Systems mt n unabhänggen Spechern ene gebrochen
MehrStandardnormalverteilung / z-transformation
Standardnormalvertelung / -Transformaton Unter den unendlch velen Normalvertelungen gbt es ene Normalvertelung, de sch dadurch ausgeechnet st, dass se enen Erwartungswert von µ 0 und ene Streuung von σ
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
Lehrstuhl für Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen
MehrStatistik und Wahrscheinlichkeit
Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse
MehrDiskrete Mathematik 1 WS 2008/09
Ruhr-Unverstät Bochum Lehrstuhl für Kryptologe und IT-Scherhet Prof. Dr. Alexander May M. Rtzenhofen, M. Mansour Al Sawad, A. Meurer Lösungsblatt zur Vorlesung Dskrete Mathematk 1 WS 2008/09 Blatt 7 /
MehrBoost-Schaltwandler für Blitzgeräte
jean-claude.feltes@educaton.lu 1 Boost-Schaltwandler für Bltzgeräte In Bltzgeräten wrd en Schaltwandler benutzt um den Bltzkondensator auf ene Spannung von engen 100V zu laden. Oft werden dazu Sperrwandler
MehrStochastische Prozesse
INSTITUT FÜR STOCHASTIK SS 2009 UNIVERSITÄT KARLSRUHE Blatt 2 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 7: (B. Fredmans Urnenmodell)
Mehr1 Definition und Grundbegriffe
1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:
MehrSeminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -
Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole
MehrFunktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e
Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de
Mehr3. Lineare Algebra (Teil 2)
Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw
MehrPortfoliothorie (Markowitz) Separationstheorem (Tobin) Kapitamarkttheorie (Sharpe
Portfolothore (Markowtz) Separatonstheore (Tobn) Kaptaarkttheore (Sharpe Ene Enführung n das Werk von dre Nobelpresträgern zu ene Thea U3L-Vorlesung R.H. Schdt, 3.12.2015 Wozu braucht an Theoren oder Modelle?
Mehr2πσ. e ax2 dx = x exp. 2πσ. 2σ 2. Die Varianz ergibt sich mit Hilfe eines weiteren bestimmten Integrals: x 2 e ax2 dx = 1 π.
2.5. NORMALVERTEILUNG 27 2.5 Normalvertelung De n der Statstk am häufgsten benutzte Vertelung st de Gauss- oder Normalvertelung. Wr haben berets gesehen, dass dese Vertelung aus den Bnomal- und Posson-Vertelungen
MehrFranzis Verlag, 85586 Poing ISBN 978-3-7723-4046-8 Autor des Buches: Leonhard Stiny
eseproben aus dem Buch "n mt en zur Elektrotechnk" Franzs Verlag, 85586 Pong ISBN 978--77-4046-8 Autor des Buches: eonhard Stny Autor deser eseprobe: eonhard Stny 005/08, alle echte vorbehalten. De Formaterung
MehrIII. Theorie des Haushalts
Pro. Dr. Fredel Bolle Vorlesung "Mkroökonome" WS 008/009 III. Theore des Haushalts 86 Pro. Dr. Fredel Bolle Vorlesung "Mkroökonome" WS 008/009 III. Theore des Haushalts 87 III. Theore des Haushalts Unternehmung
Mehr4. Musterlösung. Problem 1: Kreuzende Schnitte **
Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,
MehrFree Riding in Joint Audits A Game-Theoretic Analysis
. wp Wssenschatsorum, Wen,8. Aprl 04 Free Rdng n Jont Audts A Game-Theoretc Analyss Erch Pummerer (erch.pummerer@ubk.ac.at) Marcel Steller (marcel.steller@ubk.ac.at) Insttut ür Rechnungswesen, Steuerlehre
MehrWir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt
Kaptel 3 Zwe Personen Spele 3.1 Matrxspele 3.2 Matrxspele n gemschten Strategen 3.3 B Matrxspele und quadratsche Programme 3.4 B Matrxspele und lneare Komplementartätsprobleme 3.1 Matrxspele Wr betrachten
Mehr12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2
1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:
MehrBeschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression
Beschrebung des Zusammenhangs zweer metrscher Merkmale Streudagramme Korrelatonskoeffzenten Regresson Alter und Gewcht be Kndern bs 36 Monaten Knd Monate Gewcht 9 9 5 8 3 4 7.5 4 3 6 5 3 6 4 3.5 7 35 5
MehrGrundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften
Bassmodul Makroökonomk /W 2010 Grundlagen der makroökonomschen Analyse klener offener Volkswrtschaften Terms of Trade und Wechselkurs Es se en sogenannter Fall des klenen Landes zu betrachten; d.h., de
Mehr1.1 Das Prinzip von No Arbitrage
Fnanzmärkte H 2006 Tr V Dang Unverstät Mannhem. Das Prnzp von No Arbtrage..A..B..C..D..E..F..G..H Das Framework Bespele Das Fundamental Theorem of Fnance Interpretaton des Theorems und Zustandsprese No
Mehrnonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen
arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree
Mehr4. Rechnen mit Wahrscheinlichkeiten
4. Rechnen mt Wahrschenlchketen 4.1 Axome der Wahrschenlchketsrechnung De Wahrschenlchketsrechnung st en Telgebet der Mathematk. Es st üblch, an den Anfang ener mathematschen Theore enge Axome zu setzen,
MehrPolygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com.
Verfahren für de Polygonalserung ener Kugel Eldar Sultanow, Unverstät Potsdam, sultanow@gmal.com Abstract Ene Kugel kann durch mathematsche Funktonen beschreben werden. Man sprcht n desem Falle von ener
MehrAVWL I (Mikro) A. Wambach, Ph. D. - Klausur am 2. August Abschlussklausur
AVWL I (Mkro) A. Wambach, Ph. D. - Klausur am. August 000 1 Abschlussklausur Btte bearbeten Se zwe der dre folgenden Aufgaben. Sollten Se alle dre Aufgaben bearbeten, machen Se btte kenntlch, welche zwe
MehrAuswertung univariater Datenmengen - deskriptiv
Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;
MehrFür jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich
Drtter Hauptsatz der Thermodynamk Rückblck auf vorherge Vorlesung Methoden zur Erzeugung tefer Temperaturen: - umgekehrt laufende WKM (Wärmepumpe) - Joule-Thomson Effekt bs 4 K - Verdampfen von flüssgem
MehrOnline Algorithmen. k-server randomisiert Teil II
Onlne Algorthmen k-server randomsert Tel II Ausarbetung für das Semnar Onlne Algorthmen Prof. Dr. Ro. Klen Anette Ebbers-Baumann Ansgar Grüne Insttut für Informatk Theorethsche Informatk und formale Methoden
MehrStatistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler, Eidgenössische Technische Hochschule, ETH Zürich. 1. Teilprüfung FS 2008.
Dr. Jochen Köhler, Edgenösssche Technsche Hochschule, ETH Zürch. Telprüfung Statstk und Wahrschenlchketsrechnung FS 2008 Lösungen Dr. J. Köhler ETH Zürch Donnerstag 0. Aprl 2008 08:5 09:45 0BTel : Multple
MehrNullstellen Suchen und Optimierung
Nullstellen Suchen und Optmerung Typsche Probleme: De optmale Bahnkurve De Mnmerung des Erwartungswertes ür den Hamltonan Wr möchten ene Funkton mnmeren oder mameren solch en Problem wrd Optmerung genannt!
MehrIch habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf.
Ich habe en Bespel ähnlch dem der Ansys-Issue [ansys_advantage_vol_ssue3.pdf durchgeführt. Es stammt aus dem Dokument Rfatgue.pdf. Abbldung 1: Bespel aus Rfatgue.pdf 1. ch habe es manuell durchgerechnet
MehrFinanzwirtschaft. Kapitel 3: Simultane Investitions- und Finanzplanung. Lehrstuhl für Finanzwirtschaft - Universität Bremen 1
Fnanzwrtschaft Kaptel 3: Smultane Investtons- und Fnanzplanung Prof. Dr. Thorsten Poddg Lehrstuhl für Allgemene Betrebswrtschaftslehre, nsbes. Fnanzwrtschaft Unverstät Bremen Hochschulrng 4 / WW-Gebäude
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Übung/Tutorate Statistik II: Schließende Statistik SS 2007
Übung/Tutorate Statstk II: Schleßende Statstk SS 7 Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt
MehrItemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i
Itemanalyse und Itemkennwerte De Methoden der Analyse der Itemegenschaften st ncht m engeren Snne Bestandtel der Klassschen Testtheore Im Rahmen ener auf der KTT baserenden Testkonstrukton und -revson
MehrSIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT
Smulaton von Hybrdfahrzeugantreben mt optmerter Synchronmaschne 1 SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT OPTIMIERTER SYNCHRONMASCHINE H. Wöhl-Bruhn 1 EINLEITUNG Ene Velzahl von Untersuchungen hat sch
MehrKleiner Fermatscher Satz, Chinesischer Restsatz, Eulersche ϕ-funktion, RSA
Klener Fermatscher Satz, Chnesscher Restsatz, Eulersche ϕ-funkton, RSA Manfred Gruber http://www.cs.hm.edu/~gruber SS 2008, KW 15 Klener Fermatscher Satz Satz 1. Se p prm und a Z p. Dann st a p 1 mod p
MehrQuantitatives Prognosemodell für die Anwendung des Black-Litterman-Verfahrens
Quanttatves Prognosemodell für de Anwendung des Black-Ltterman-Verfahrens Franzska Felke* und Marc Gürtler** Abstract: De chätzung erwarteter Wertpaperrendten stellt ene der zentralen Aufgaben n der praktschen
Mehr12 UMPU Tests ( UMP unbiased )
89 1 UMPU Tests ( UMP unbased ) Nach Bemerkung 11.8(b) exstert m Allgemenen ken zwesetger UMP- Test zu enem Nveau α. Deshalb Enschränkung auf unverfälschte Tests: ϕ Φ α heßt unverfälscht (unbased) zum
Mehr2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar.
. Nullstellensuche Enes der ältesten numerschen Probleme stellt de Bestmmung der Nullstellen ener Funkton = dar. =c +c =c +c +c =Σc =c - sn 3 Für ene Gerade st das Problem trval, de Wurzel ener quadratschen
MehrOrdered Response Models (ORM)
Handout: Mkroökonometre Ordered Response Models Domnk Hanglberger - SS 28 Ordered Response Models (ORM) Ist de abhängge Varable ordnal skalert (d.h. hre Kategoren lassen sch n ene Rangrehenfolge brngen,
MehrGruppe. Lineare Block-Codes
Thema: Lneare Block-Codes Lneare Block-Codes Zele Mt desen rechnerschen und expermentellen Übungen wrd de prnzpelle Vorgehenswese zur Kanalcoderung mt lnearen Block-Codes erarbetet. De konkrete Anwendung
MehrFlußnetzwerke - Strukturbildung in der natürlichen Umwelt -
Flußnetzwerke - Strukturbldung n der natürlchen Umwelt - Volkhard Nordmeer, Claus Zeger und Hans Joachm Schlchtng Unverstät - Gesamthochschule Essen Das wohl bekannteste und größte exsterende natürlche
MehrNernstscher Verteilungssatz
Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.
Mehr13.Selbstinduktion; Induktivität
13Sebstndukton; Induktvtät 131 Sebstndukton be En- und Ausschatvorgängen Versuch 1: Be geschossenem Schater S wrd der Wderstand R 1 so groß gewäht, dass de Gühämpchen G 1 und G 2 gech he euchten Somt snd
MehrÜbung zur Vorlesung. Informationstheorie und Codierung
Übung zur Vorlesung Informatonstheore und Coderung Prof. Dr. Lla Lajm März 25 Ostfala Hochschule für angewandte Wssenschaften Hochschule Braunschweg/Wolfenbüttel Postanschrft: Salzdahlumer Str. 46/48 3832
MehrKapitel 2: Klassifikation. Maschinelles Lernen und Neural Computation
Kaptel 2: Klassfkaton Maschnelles Lernen und Neural Computaton 28 En enfacher Fall En Feature, Hstogramme für bede Klassen (z.b. Glukosewert, Dabetes a/nen) Kene perfekte Trennung möglch Entschedung: Schwellwert
MehrVorlesung 1. Prof. Dr. Klaus Röder Lehrstuhl für BWL, insb. Finanzdienstleistungen Universität Regensburg. Prof. Dr. Klaus Röder Folie 1
Vorlesung Entschedungslehre h SS 205 Prof. Dr. Klaus Röder Lehrstuhl für BWL, nsb. Fnanzdenstlestungen Unverstät Regensburg Prof. Dr. Klaus Röder Fole Organsatorsches Relevante Informatonen önnen Se stets
MehrHat die Wahl des Performancemaßes einen Einfluss auf die Beurteilung von Hedgefonds-Indizes?
Hat de Wahl des Performancemaßes enen Enfluss auf de Beurtelung von Hedgefonds-Indzes? Von Martn Elng, St. Gallen, und Frank Schuhmacher, Lepzg Ene zentrale Fragestellung n der wssenschaftlchen Ausenandersetzung
MehrIonenselektive Elektroden (Potentiometrie)
III.4.1 Ionenselektve Elektroden (otentometre) Zelstellung des Versuches Ionenselektve Elektroden gestatten ene verhältnsmäßg enfache und schnelle Bestmmung von Ionenkonzentratonen n verschedenen Meden,
MehrNSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.
PV - Hausaugabe Nr. 7.. Berechnen Se eakt und verglechen Se de Werte ür de Nullstelle, de mttels dem Verahren von Newton, der Regula als und ener Mttelung zu erhalten snd von der! Funkton: ( ) Lösungs
MehrAUFGABEN ZUR INFORMATIONSTHEORIE
AUFGABEN ZUR INFORMATIONSTHEORIE Aufgabe Wr betrachten das folgende Zufallsexperment: Ene fare Münze wrd so lange geworfen, bs erstmals Kopf erschent. De Zufallsvarable X bezechne de Anzahl der dazu notwendgen
Mehr18. Dynamisches Programmieren
8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus
MehrDie Zahl i phantastisch, praktisch, anschaulich
Unverstät Würzburg 977 Würzburg Telefon: (91 888 5598 De Zahl phantastsch, praktsch, anschaulch De Geschchte der Zahl war dre Jahrhunderte lang dadurch geprägt, dass se und damt de kompleen Zahlen n Mathematkerkresen
MehrEntscheidungstheorie Teil 1. Thomas Kämpke
Entschedungstheore Tel Thomas Kämpke Sete 2 Entschedungstheore Tel Inhalt Kompaktensteg Wahrschenlchketsrechnung Wahrschenlchketsmaß auf Grundraum Enfaches Lotto Stochastsche Unabhänggket Verknüpfung von
MehrAuswertung univariater Datenmengen - deskriptiv
Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;
Mehr1.1 Grundbegriffe und Grundgesetze 29
1.1 Grundbegrffe und Grundgesetze 9 mt dem udrtschen Temperturkoeffzenten 0 (Enhet: K - ) T 1 d 0. (1.60) 0 dt T 93 K Betrchtet mn nun den elektrschen Wderstnd enes von enem homogenen elektrschen Feld
MehrInformatik A-Seminar WS 2003/04 Online Algorithmen
Unverstät Bonn Informatk Abt. I Prof. Dr. R. Klen Informatk A-Semnar WS 003/04 Onlne Algorthmen Thema: Entschedungstheore II Referent: Harun Sahn De vorlegende Ausarbetung st de Fortsetzung der Ausarbetung
MehrPhysikalisches Anfängerpraktikum Teil 2 Versuch PII 33: Spezifische Wärmekapazität fester Körper Auswertung
Physkalsches Anfängerpraktkum Tel 2 Versuch PII 33: Spezfsche Wärmekapaztät fester Körper Auswertung Gruppe M-4: Marc A. Donges , 060028 Tanja Pfster, 204846 2005 07 spezfsche Wärmekapaztäten.
MehrBeschreibende Statistik Mittelwert
Beschrebende Statstk Mttelwert Unter dem arthmetschen Mttel (Mttelwert) x von n Zahlen verstehen wr: x = n = x = n (x +x +...+x n ) Desen Mttelwert untersuchen wr etwas genauer.. Zege für n = 3: (x x )
MehrPraktikum Physikalische Chemie I (C-2) Versuch Nr. 6
Praktkum Physkalsche Cheme I (C-2) Versuch Nr. 6 Konduktometrsche Ttratonen von Säuren und Basen sowe Fällungsttratonen Praktkumsaufgaben 1. Ttreren Se konduktometrsch Schwefelsäure mt Natronlauge und
Mehr1. Runde 2010. Aufgaben und Lösungen. Bundeswettbewerb Mathematik
Bundeswettbewerb Mathemat Wssenschaftszentrum Postfach 2 14 48 53144 Bonn Fon: 228-9 59 15-2 Fax: 228-9 59 15-29 e-mal: nfo@bundeswettbewerb-mathemat.de www.bundeswettbewerb-mathemat.de Korreturommsson
Mehr1. Teilprüfung FS 2008
. Telprüfung Statstk und Wahrschenlchketsrechnung FS 2008 Dr. J. Köhler ETH Zürch Donnerstag 0. Aprl 2008 08:5 09:45 Vorname:... Name:... Stud. Nr.:... Studenrchtung:... . Telprüfung: Statstk und Wahrschenlchketsrechnung
MehrHAT DIE WAHL DES PERFORMANCEMAßES EINEN EINFLUSS
HAT DIE WAHL DES PERFORMANCEMAßES EINEN EINFLUSS AUF DIE BEURTEILUNG VON HEDGEFONDS-INDIZES? MARTIN ELING FRANK SCHUHMACHER WORKING PAPERS ON RISK MANAGEMENT AND INSURANCE NO. 10 EDITED BY HATO SCHMEISER
Mehr5. Transmissionsmechanismen der Geldpolitik
Geldtheore und Geldpoltk Grundzüge der Geldtheore und Geldpoltk Sommersemester 2013 5. Transmssonsmechansmen der Geldpoltk Prof. Dr. Jochen Mchaels Geldtheore und Geldpoltk SS 2013 5. Transmssonsmechansmen
MehrEin stochastisches Modell zur Ertragsoptimierung bei Versicherungen
En stochastsches Modell zur Ertragsoptmerung be Verscherungen Clauda Garschhammer und Rud Zagst Clauda Garschhammer Bahnhofstr. 34, 8340 aufen Tel: 0868 / 548, c.garschhammer@web.de Prof. Dr. Rud Zagst,
Mehrmit der Anfangsbedingung y(a) = y0
Numersce Lösung von Dfferentalglecungen De n den naturwssenscaftlc-tecnscen Anwendungen auftretenden Dfferentalglecungen snd n den wengsten Fällen eplzt lösbar. Man st desalb auf Näerungsverfaren angewesen.
MehrDiplomprüfung für Kaufleute 2001/I
Dplomprüfung für Kaufleute 00/I Prüfungsfach: Unternehmensfnanzerung und Betrebswrtschaftslehre der Banken Thema : a) Warum st es trotz Rskoaverson der Markttelnehmer möglch, be der Bewertung von Optonen
Mehr8. MARKOVKETTEN 127. Abbildung 8.1: Reduzible und periodische Markovkette. p ji IIP[X n 1 = j] = [(IIP[X n 1 = j]) j E P ] i. j=0
8. MARKOVKETTEN 17 8. Marovetten Abbldung 8.1: Reduzble und perodsche Marovette 8.1. Homogene Marovetten n dsreter Zet En Prozess {X n : n IIN} hesst homogene Marovette (n dsreter Zet) mt (abzählbarem)
MehrP(mindestens zwei gleiche Augenzahlen) = = 0.4 = = 120. den 5 vorbereiteten Gebieten drei auszuwählen: = 10. Deshalb ist 120 =
Hochschule Harz Fachberech Automatserung und Informatk Prof. Dr. T. Schade Ft for Ab & Study - Aprl 2014 Lösungen zu den Aufgaben zu elementarer Wahrschenlchketsrechnung 1. a 12 11 10 9 = 33 = 0.102 20
MehrInstitut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban
Insttut für Stochastk Prof Dr N Bäuerle Dpl-Math S Urban Lösungsvorschlag 6 Übungsblatt zur Vorlesung Fnanzatheatk I Aufgabe Put-Call-Party Wr snd nach Voraussetzung n ene arbtragefreen Markt, also exstert
Mehr-2 Das einfache Regressionsmodell 2.1 Ein ökonomisches Modell
Kaptel : Das enfache Regressonsmodell - Das enfache Regressonsmodell. En ökonomsches Modell Bespel: De Bezehung zwschen Haushaltsenkommen und Leensmttelausgaen Befragung zufällg ausgewählter Haushalte
MehrDie Kugel Lösungen. 1. Von einer Kugel ist der Radius bekannt. Berechne Volumen und Oberfläche der
De Kugel Lösungen 1. Von ener Kugel st der Radus bekannt. Berechne Volumen und Oberfläche der Kugel. r,8 cm 5, cm 18,6 cm 4, cm 5,6 cm 4,8 cm V 0 cm³ 64 cm³ 6 954 cm³ cm³ 76 cm³ 46 cm³ O 181 cm² 5 cm²
MehrProjektmanagement / Netzplantechnik Sommersemester 2005 Seite 1
Projektmanagement / Netzplantechnk Sommersemester 005 Sete 1 Prüfungs- oder Matrkel-Nr.: Themenstellung für de Kredtpunkte-Klausur m Haupttermn des Sommersemesters 005 zur SBWL-Lehrveranstaltung Projektmanagement
MehrThema 7: Übungsaufgaben
Thema 7: Übungsaufgaben Übungsaufgabe 1: a) Kaptalangebotskurve (Skzze): (S) (H) 0 280 F Der endogene Kalkulatonsznsfuß beträgt mndestens (H) = 9 % und maxmal (S) = 16 %. Damt sollten alle Investtonsprojekte
MehrKlasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten
Versuch r. 1: achwes des Hook schen Gesetzes und Bestmmung der Federkonstanten achwes des Hookeschen Gesetzes und Bestmmung der Federkonstanten Klasse : ame1 : ame 2 : Versuchszel: In der Technk erfüllen
Mehr6 Wandtafeln. 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln. 6.3.1 Allgemeines
6 Wandtafeln 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln 6.3.1 Allgemenes Be der Berechnung der auf de enzelnen Wandtafeln entfallenden Horzontalkräfte wrd ene starre Deckenschebe angenommen.
MehrSerie: Bestimmung von Ausfallwahrscheinlichkeiten - Teil 4
45 www.rsknews.de 11.2002 Kredtrsko Sere: Bestmmung von Ausfallwahrschenlchketen - Tel 4 Ausfallwahrschenlchketen m Konjunkturzyklus Credt Portfolo Vew En Betrag von Uwe Wehrspohn Wr haben n unserer Sere
MehrWerkstoffmechanik SS11 Baither/Schmitz. 5. Vorlesung
Werkstoffmechank SS11 Bather/Schmtz 5. Vorlesung 0.05.011 4. Mkroskopsche Ursachen der Elastztät 4.1 Energeelastztät wrd bestmmt durch de Wechselwrkungspotentale zwschen den Atomen, oft schon auf der Bass
Mehr1 = Gl.(12.7) Der Vergleich mit Gl. (12.3) zeigt, dass für die laminare Rohrströmung die Rohrreibungszahl
0. STRÖMUNG INKOMPRESSIBLER FLUIDE IN ROHRLEITUNGEN Enführung Vorlesung Strömungslehre Prof. Dr.-Ing. Chrstan Olver Pascheret C. O. Pascheret Insttute of Flud Mechancs and Acoustcs olver.pascheret@tu-berln.de
MehrStochastik - Kapitel 4
Aufgaben ab Sete 5 4. Zufallsgrößen / Zufallsvarablen und hre Vertelungen 4. Zufallsgröße / Zufallsvarable Defnton: Ene Zufallsgröße (Zufallsvarable) X ordnet jedem Versuchsergebns ω Ω ene reelle Zahl
MehrZur Außen-Bewertung von Freigeld
Zur Außen-Bewertung von Fregeld Nkolaus K.A. Läufer 8.1.2006 1 De Fragestellung und hre Voraussetzungen De Frage der Bewertung von Fregeld st nur dann nteressant, wenn es mndestens zwe parallele Währungen
Mehr8 Logistische Regressionsanalyse
wwwstatstkpaketde 8 Logstsche Regressonsanalyse De logstsche Regressonsanalyse dent der Untersuchung des Enflusses ener quanttatven Varable auf ene qualtatve (n unserem Fall dchotomen Varable Wr gehen
MehrTemporäre Stilllegungsentscheidungen mittels stufenweiser E W U F W O R K I N G P A P E R
Temporäre Stlllegungsentschedungen mttels stufenweser Grenzkostenrechnung E W U F W O R K I N G P A P E R Mag. Dr. Thomas Wala, FH des bf Wen PD Dr. Leonhard Knoll, Unverstät Würzburg Mag. Dr. Stephane
Mehr