Vorlesung 2: Präferenzen über Lotterien
|
|
- Stefan Roth
- vor 6 Jahren
- Abrufe
Transkript
1 Vorlesung 2: Präferenzen über Lotterien Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Entscheidung VL 2, FS 12 Präferenzen über Lotterien 1/24
2 2.1 Modellrahmen 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 i=1 p i = 1}. wird bis auf weiteres unser Gegenstück zu dem Güterraum in der Konsumententheorie sein: Es beschreibt die Menge der denkbaren Alternativen. Entscheidung VL 2, FS 12 Präferenzen über Lotterien 2/24
3 2.1 Modellrahmen Notationskonventionen und Terminologie: 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. Entscheidung VL 2, FS 12 Präferenzen über Lotterien 3/24
4 2.2 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. Zur Illustration werden wir regelmässig den Fall n = 3 betrachten. Hier kann die Menge der Lotterien durch das sogenannte Machina-Dreieck dargestellt werden 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. Entscheidung VL 2, FS 12 Präferenzen über Lotterien 4/24
5 2.2 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 12 Präferenzen über Lotterien 5/24
6 2.3 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. Entscheidung VL 2, FS 12 Präferenzen über Lotterien 6/24
7 2.3 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 12 Präferenzen über Lotterien 7/24
8 2.3 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 12 Präferenzen über Lotterien 8/24
9 2.3 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 12 Präferenzen über Lotterien 9/24
10 2.4 Rationale Präferenzen über Lotterien Wir modellieren (an dieser Stelle) nicht explizit, wie die gewählte Aktion eines Entscheidungsträgers zu einer bestimmten Lotterie 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. Entscheidung VL 2, FS 12 Präferenzen über Lotterien 10/24
11 2.4 Rationale Präferenzen über Lotterien Zur Erinnerung: Eine Präferenzrelation stellt eine Beziehung zwischen Paaren von Alternativen, hier Lotterien, her. Für p,q bedeutet p q, dass bei einer Entscheidung zwischen p und q die Lotterie p gewählt wird. Eine Präferenzrelation heisst vollständig, wenn für beliebige Lotterien p und q in der Menge der möglichen Lotterien gilt: p q oder q p. Eine Präferenzrelation heisst transitiv, wenn für beliebige p, q und r in gilt: p q und q r p r. Entscheidung VL 2, FS 12 Präferenzen über Lotterien 11/24
12 2.4 Rationale Präferenzen über Lotterien Zur Erinnerung: Annahme (Rationalität) Die Präferenzrelation ist rational, d.h. vollständig und transitiv. Ausgehend von einer (schwachen) Präferenzrelation definiert man die Indifferenzrelation: x x x x und x x. strenge Präferenzrelation: x x x x und nicht x x. Umgekehrt lässt sich eine rationale Präferenzrelation aus einer Beschreibung ihrer Indifferenzkurven und ihrer Besserrichtung bestimmen. Entscheidung VL 2, FS 12 Präferenzen über Lotterien 12/24
13 2.5 Stetigkeit und Nutzendarstellung Definition (Stetigkeit) Die Präferenzrelation auf heisst stetig, wenn für alle Lotterien p,q,r mit p q r reele Zahlen α (0,1) und β (0,1) existieren, so dass gilt. α p + (1 α)r q β p + (1 β)r Diese Definition entspricht (weitgehend) der Stetigkeitsdefinition für den Fall der Entscheidung unter Sicherheit und ist wie dort auch eine sogenannte technische Annahme. Dessen unbeschadet kann man mit Hilfe von Gedankenexperimenten die Plausibilität dieser Annahme hinterfragen. Entscheidung VL 2, FS 12 Präferenzen über Lotterien 13/24
14 2.5 Stetigkeit und Nutzendarstellung 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 die dort betrachteten Güterbündel durch Lotterien ersetzt. Entscheidung VL 2, FS 12 Präferenzen über Lotterien 14/24
15 2.5 Stetigkeit und Nutzendarstellung 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 12 Präferenzen über Lotterien 15/24
16 2.5 Stetigkeit und Nutzendarstellung 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 streng 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 12 Präferenzen über Lotterien 16/24
17 2.5 Stetigkeit und Nutzendarstellung 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 12 Präferenzen über Lotterien 17/24
18 2.5 Stetigkeit und Nutzendarstellung 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 12 Präferenzen über Lotterien 18/24
19 2.5 Stetigkeit und Nutzendarstellung 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 12 Präferenzen über Lotterien 19/24
20 2.5 Stetigkeit und Nutzendarstellung 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 12 Präferenzen über Lotterien 20/24
21 2.7 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 i=1 p i x i n i=1 q i x i. 2. Die Nutzenfunktion U(p) = n i=1 p i ln(x i ) stellt Bernoullis Vorschlag zur Bewertung von Lotterien dar: p q n i=1 p i ln(x i ) n i=1 Beide diese Beispiele stellen monotone Präferenzrelationen dar. q i ln(x i ). Entscheidung VL 2, FS 12 Präferenzen über Lotterien 21/24
22 2.7 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 12 Präferenzen über Lotterien 22/24
23 2.7 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 12 Präferenzen über Lotterien 23/24
24 2.7 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 12 Präferenzen über Lotterien 24/24
Vorlesung 1: Einleitung
Vorlesung 1: Einleitung Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Entscheidung VL 1, FS 12 Einleitung 1/17 1.1 Motivation In der Vorlesung Intermediate Microecoomics haben
MehrVorlesung 6: Alternativen zur Erwartungsnutzentheorie
Vorlesung 6: Alternativen zur Erwartungsnutzentheorie Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Entscheidung VL 6 (FS 11) Alternativen zur Erwartungsnutzentheorie 1 / 21 1.
MehrÜbung zur Vorlesung Multiagentensysteme
Ludwig-Maximilians-Universität München SS 2007 Institut für Informatik Aufgabenblatt 1 Dr. Brandt / Fischer & Harrenstein 23. April 2007 Übung zur Vorlesung Multiagentensysteme Tutorübung: 25. April 2007
MehrVWL 3: Mikroökonomie Lösungshinweise zu Aufgabenblatt 1
Georg Nöldeke Frühjahrssemester 2009 VWL 3: Mikroökonomie Lösungshinweise zu Aufgabenblatt Siehe Abbildung x 2 m p = 25 2 Budgetgerade: { xpx + px 2 2 = m} Budgetmenge: { xpx + px 2 2 m} 0 0 m p = 20 x
MehrVorlesung 5: Probleme der Erwartungsnutzentheorie
Vorlesung 5: Probleme der Erwartungsnutzentheorie Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Entscheidung VL 5 (FS 11) Probleme der Erwartungsnutzentheorie 1 / 24 1. Einleitung
MehrMikroökonomik 2. Vorlesungswoche
Mikroökonomik 2. Vorlesungswoche Tone Arnold Universität des Saarlandes 30. Oktober 2007 Tone Arnold (Universität des Saarlandes) 2. Vorlesungswoche 30. Oktober 2007 1 / 108 Präferenzen Wie treffen Konsumenten/Individuen
MehrMengen, Funktionen und Logik
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Mengen, Funktionen und Logik Literatur Referenz: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,
MehrMathematik für Ökonomen 1
Mathematik für Ökonomen 1 Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Herbstemester 2008 Mengen, Funktionen und Logik Inhalt: 1. Mengen 2. Funktionen 3. Logik Teil 1 Mengen
Mehr1 Mengen. 1.1 Elementare Definitionen. Einige mathematische Konzepte
Einige mathematische Konzepte 1 Mengen 1.1 Elementare Definitionen Mengendefinition Die elementarsten mathematischen Objekte sind Mengen. Für unsere Zwecke ausreichend ist die ursprüngliche Mengendefinition
MehrKapitel 16 : Differentialrechnung
Kapitel 16 : Differentialrechnung 16.1 Die Ableitung einer Funktion 16.2 Ableitungsregeln 16.3 Mittelwertsätze und Extrema 16.4 Approximation durch Taylor-Polynome 16.5 Zur iterativen Lösung von Gleichungen
Mehr12. Vorlesung. 19. Dezember 2006 Guido Schäfer
LETZTE ÄNDERUNG: 6. JANUAR 007 Vorlesung: Einführung in die Spieltheorie WS 006/007. Vorlesung 9. Dezember 006 Guido Schäfer 4 Bayesian Games Wir haben bisher immer angenommen, dass jeder Spieler vollständige
MehrDer Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt.
Kapitel 3 Konvexität 3.1 Konvexe Mengen Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Definition 3.1 Konvexer Kegel. Eine Menge Ω R n heißt konvexer Kegel, wenn mit x
MehrAnalysis I - Stetige Funktionen
Kompaktheit und January 13, 2009 Kompaktheit und Funktionengrenzwert Definition Seien X, d X ) und Y, d Y ) metrische Räume. Desweiteren seien E eine Teilmenge von X, f : E Y eine Funktion und p ein Häufungspunkt
Mehr11 Logarithmus und allgemeine Potenzen
Logarithmus und allgemeine Potenzen Bevor wir uns mit den Eigenschaften von Umkehrfunktionen, und insbesondere mit der Umkehrfunktion der Eponentialfunktion ep : R R + beschäftigen, erinnern wir an den
Mehr1. Einleitung: Markt und Preis
1. Einleitung: Markt und Preis Georg Nöldeke WWZ, Universität Basel Mikroökonomie (FS 10) Einleitung 1 / 31 1. Einleitung 1.1. Was ist Mikroökonomie? Ziel der Mikroökonomie ist es, menschliches Verhalten
MehrMAA = MAB + B AA = B CA + CAA BA A Nun sehen wir mit Proposition 10.7 aus dem Skript, dass A M AB gelten muss.
1. Konvexität in der absoluten Ebene In einem Dreieck in der Euklidischen Ebene hat die Strecke zwischen zwei Seitenmittelpunkten die halbe Länge der dritten Seite. In der absoluten Ebene hat man eine
Mehr2. Mathematische Grundlagen
2. Mathematische Grundlagen Erforderliche mathematische Hilfsmittel: Summen und Produkte Exponential- und Logarithmusfunktionen 21 2.1 Endliche Summen und Produkte Betrachte n reelle Zahlen a 1, a 2,...,
MehrVorkurs Mathematik für Wirtschaftsingenieure und Wirtschaftsinformatiker
Vorkurs Mathematik für Wirtschaftsingenieure und Wirtschaftsinformatiker Übungsblatt Musterlösung Fachbereich Rechts- und Wirtschaftswissenschaften Wintersemester 06/7 Aufgabe (Definitionsbereiche) Bestimme
Mehrf(x, y) = 0 Anschaulich bedeutet das, dass der im Rechteck I J = {(x, y) x I, y J}
9 Der Satz über implizite Funktionen 41 9 Der Satz über implizite Funktionen Wir haben bisher Funktionen g( von einer reellen Variablen immer durch Formelausdrücke g( dargestellt Der Zusammenhang zwischen
Mehr17 Logarithmus und allgemeine Potenz
7 Logarithmus und allgemeine Potenz 7. Der natürliche Logarithmus 7.3 Die allgemeine Potenz 7.4 Die Exponentialfunktion zur Basis a 7.5 Die Potenzfunktion zum Exponenten b 7.6 Die Logarithmusfunktion zur
MehrKapitel 1: Präferenzen
Kapitel 1: Präferenzen Hauptidee: Eine Konsumentscheidung kann als Wahl zwischen Güterbündeln modelliert werden, gemäß der Präferenzen des Konsumenten. Die Konzepte Indifferenzkurve, Grenzrate der Substitution,
MehrÜbungsaufgaben zu Partielle Differentialgleichungen Blatt III vom
Prof. Dr. M. Kaßmann Fakultät für Mathematik Wintersemester 2011/2012 Universität Bielefeld Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom 27.10.2011 Aufgabe III.1 (4 Punkte) Sei Ω R
MehrKapitel 5 KONVERGENZ
Kapitel 5 KONVERGENZ Fassung vom 21. April 2002 Claude Portenier ANALYSIS 75 5.1 Metrische Räume 5.1 Metrische Räume DEFINITION 1 Sei X eine Menge. Eine Abbildung d : X X! R + heißt Metrik oder Distanz
MehrStochastik I. Vorlesungsmitschrift
Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................
MehrÜbung 4: Gleichgewicht und Effizienz
Übung 4: Gleichgewicht und Effizienz Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Mikroökonomie Übung 4 (FS 10) Gleichgewicht und Effizienz 1 / 25 Aufgabe 1 Worum geht es? Marktangebotsfunktion
MehrFolgen und Reihen. Katharina Brazda 9. März 2007
Katharina Brazda 9. März 2007 Inhaltsverzeichnis 1 Folgen 2 1.1 Definition von Folgen - explizite und rekursive Darstellung.............. 2 1.2 Wachstumsverhalten von Folgen - Monotonie und Beschränktheit..........
MehrDas sequentielle Gleichgewicht
Das sequentielle Gleichgewicht Seminarvortrag von Florian Lasch Dozent: Prof. Dr. Matthias Löwe Seminar: Anwendungen der Wahrscheinlichkeitstheorie Institut für Mathematische Statistik Fachbereich Mathematik
Mehr4 Vollkommene Zahlen
Sei a > 0 4 Vollkommene Zahlen T (a) bezeichnet die Anzahl der positiven Teiler von a. S(a) bezeichnet die Summe der positiven Teiler von a. Es ist also T (1) = S(1) = 1. Jede Zahl a > 1 hat eine eindeutige
Mehr18 Höhere Ableitungen und Taylorformel
8 HÖHERE ABLEITUNGEN UND TAYLORFORMEL 98 8 Höhere Ableitungen und Taylorformel Definition. Sei f : D R eine Funktion, a D. Falls f in einer Umgebung von a (geschnitten mit D) differenzierbar und f in a
MehrMikroökonomik 4. Vorlesungswoche Fortsetzung
Mikroökonomik 4. Vorlesungswoche Fortsetzung Tone Arnold Universität des Saarlandes 14. November 2007 Tone Arnold (Universität des Saarlandes) 4. Vorlesungswoche Fortsetzung 14. November 2007 1 / 41 Slutzky
Mehr3. Selbstbehalt und Selbstbeteiligung
3. Selbstbehalt und Selbstbeteiligung Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie (FS 11) Selbstbehalt und Selbstbeteiligung 1 / 16 1. Modellrahmen 1.1
MehrÜbungsblatt 5. Aufgabe 36 (Budgetrestriktion)
Friedrich-Schiller-Universität Jena Postfach D-7743 Jena BM Mikroökonomik Aufgabensammlung Übung/Tutorien WS 6/7 Prof. Dr. Uwe Cantner Wirtschaftswissenschaftliche Fakultät Lehrstuhl für Volkswirtschaftslehre/Mikroökonomik
Mehrbzw. die Entscheidugen anderer Spieler (teilweise) beobachten Erweitert das Analysespektrum erheblich Beschreibung des Spiels (extensive Form)
1 KAP 9. Dynamische Spiele Bisher: alle Spieler ziehen simultan bzw. können Aktionen der Gegenspieler nicht beobachten Nun: Dynamische Spiele Spieler können nacheinander ziehen bzw. die Entscheidugen anderer
MehrBeschreibungskomplexität von Grammatiken Definitionen
Beschreibungskomplexität von Grammatiken Definitionen Für eine Grammatik G = (N, T, P, S) führen wir die folgenden drei Komplexitätsmaße ein: Var(G) = #(N), Prod(G) = #(P ), Symb(G) = ( α + β + 1). α β
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 5. Juni 2016 Definition 5.21 Ist a R, a > 0 und a 1, so bezeichnet man die Umkehrfunktion der Exponentialfunktion x a x als
MehrKapitel III. Stetige Funktionen. 14 Stetigkeit und Rechenregeln für stetige Funktionen. 15 Hauptsätze über stetige Funktionen
Kapitel III Stetige Funktionen 14 Stetigkeit und Rechenregeln für stetige Funktionen 15 Hauptsätze über stetige Funktionen 16 Konvergenz von Funktionen 17 Logarithmus und allgemeine Potenz C 1 14 Stetigkeit
MehrFolgen und Reihen. Wirtschaftswissenschaftliches Zentrum Universität Basel. Mathematik für Ökonomen 1 Dr. Thomas Zehrt
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen Dr. Thomas Zehrt Folgen und Reihen Literatur Referenz: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen, Band, 7. Auflage,
MehrFolgen und Reihen. 1 Konvergenz
Folgen und Reihen Man betrachte viele Zahlen hintereinander geschrieben. Solche Folgen von Zahlen können durch nummeriert werden. Es entsteht eine Zuordnung der natürlichen Zahlen zu den Gliedern der Folge.
MehrStetige Funktionen, Binomischer Lehrsatz
Vorlesung 13 Stetige Funktionen, Binomischer Lehrsatz 13.1 Funktionenfolgen Wir verbinden nun den Grenzwertbegriff mit dem Funktionsbegriff. Es seien (a n ) n N eine reelle Folge und f : R R eine Funktion.
MehrAnalytische Geometrie Seite 1 von 6. Die Addition von Vektoren kann veranschaulicht werden durch das Aneinanderhängen von Pfeilen.
Analytische Geometrie Seite 1 von 6 1. Wichtige Formeln AB bezeichnet den Vektor, der die Verschiebung beschreibt, durch die der Punkt A auf den Punkt B verschoben wird. Der Vektor, durch den die Verschiebung
Mehr1. Gruppen. 1. Gruppen 7
1. Gruppen 7 1. Gruppen Wie schon in der Einleitung erläutert wollen wir uns in dieser Vorlesung mit Mengen beschäftigen, auf denen algebraische Verknüpfungen mit gewissen Eigenschaften definiert sind.
Mehr4.1. Grundlegende Definitionen. Elemente der Analysis I Kapitel 4: Funktionen einer Variablen. 4.2 Graphen von Funktionen
4.1. Grundlegende Definitionen Elemente der Analysis I Kapitel 4: Funktionen einer Variablen Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 22./29. November 2010 http://www.mathematik.uni-trier.de/
Mehr13 Stetige Funktionen
$Id: stetig.tex,v.4 2009/02/06 3:47:42 hk Exp $ 3 Stetige Funktionen 3.2 Stetige Funktionen In anderen Worten bedeutet die Stetigkeit einer Funktion f : I R also f(x n) = f( x n ) n n für jede in I konvergente
Mehr4 Das Vollständigkeitsaxiom und irrationale Zahlen
4 Das Vollständigkeitsaxiom und irrationale Zahlen 4.2 R ist archimedisch geordnet 4.5 Q liegt dicht in R 4.7 Existenz von Wurzeln nicht-negativer reeller Zahlen In diesem Paragraphen werden wir zum ersten
MehrWiederholungsblatt Elementargeometrie LÖSUNGSSKIZZE
Wiederholungsblatt Elementargeometrie im SS 01 bei Prof. Dr. S. Goette LÖSUNGSSKIZZE Die Lösungen unten enthalten teilweise keine vollständigen Rechnungen. Es sind aber alle wichtigen Zwischenergebnisse
Mehr6 Reelle und komplexe Zahlenfolgen
$Id: folgen.tex,v.7 200//29 :58:57 hk Exp hk $ 6 Reelle und komplexe Zahlenfolgen 6. Folgenkonvergenz In der letzten Sitzung hatten wir den Begriff der Konvergenz einer reellen oder komplexen Folge gegen
MehrDieses Vielfach hängt ab von der Form der Nutzenfunktion. Man bezeichnet dies auch als Arrow-Pratt Koeffizient.
Die Riskoprämie ergibt sich also als ein Vielfaches der Varianz der zugrundeliegenden Unsicherheit Dieses Vielfach hängt ab von der Form der Nutzenfunktion. Man bezeichnet dies auch als Arrow-Pratt Koeffizient.
MehrVorlesung. Informationsökonomik und die Theorie der Firma
Vorlesung Informationsökonomik und die Theorie der Firma Ulrich Schwalbe Universität Hohenheim 3. Vorlesung 14.11.2007 Ulrich Schwalbe (Universität Hohenheim) Informationsökonomik 3. Vorlesung 14.11.2007
MehrSeminararbeit zur Zahlentheorie. Die Gaußschen Zahlen
Universität Paderborn WS 2007/2008 Warburger Str. 100 33098 Paderborn Seminararbeit zur Zahlentheorie Die Gaußschen Zahlen Tatjana Linkin, Svetlana Krez 20. November 2007 INHALTSVERZEICHNIS 1 Inhaltsverzeichnis
MehrMATHEMATIK FÜR WIRTSCHAFTSWISSENSCHAFTLER MUSTERLÖSUNG 3. TEST
Privatdozent Dr. C. Diem diem@math.uni-leipzig.de http://www.math.uni-leipzig.de/ diem/wiwi MATHEMATIK FÜR WIRTSCHAFTSWISSENSCHAFTLER MUSTERLÖSUNG 3. TEST Es folgt eine Musterlösung zusammen mit Anleitungen
MehrKapitel V. Folgen und Konvergenz. V.1 Konvergenz von Zahlenfolgen
Kapitel V Folgen und Konvergenz V.1 Konvergenz von Zahlenfolgen Wir erinnern an den Begriff der Folge, den wir schon im Kapitel III verwenden. Eine Folge (a n ) n=1 AN in A ist eine Abbildung a ( ) : N
Mehr(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.)
3. Untergruppen 19 3. Untergruppen Nachdem wir nun einige grundlegende Gruppen kennengelernt haben, wollen wir in diesem Kapitel eine einfache Möglichkeit untersuchen, mit der man aus bereits bekannten
MehrEin Fundamentalbereich der Modulgruppe. 1 Erzeugende
Ein Fundamentalbereich der Modulgruppe Vortrag zum Seminar zur Funktionentheorie,.04.009 Kerstin Küpper Im Vortrag wird die Modulgruppe und ihre Erzeuger untersucht und ein exakter Fundamentalbeich der
MehrFunktionen. Mathematik-Repetitorium
Funktionen 4.1 Funktionen einer reellen Veränderlichen 4.2 Eigenschaften von Funktionen 4.3 Die elementaren Funktionen 4.4 Grenzwerte von Funktionen, Stetigkeit Funktionen 1 4. Funktionen Funktionen 2
MehrMathematik I. Vorlesung 7. Folgen in einem angeordneten Körper
Prof. Dr. H. Brenner Osnabrück WS 009/010 Mathematik I Vorlesung 7 Folgen in einem angeordneten Körper Wir beginnen mit einem motivierenden Beispiel. Beispiel 7.1. Wir wollen die Quadratwurzel einer natürlichen
Mehrexponentielle Wachstumsphase Abbildung 1: Wachstumskurve einer Bakterienkultur
Bakterienwachstum Mathematische Schwerpunkte: Teil 1: Folgen; vollständige Induktion; rekursiv definierte Folgen Teil 2: Exponentialfunktionen Teil 3: Extremwertbestimmung; Integration einer rationalen
MehrMikroökonomie I Kapitel 3 Das Käuferverhalten WS 2004/2005
Mikroökonomie I Kapitel 3 Das Käuferverhalten WS 2004/2005 Die Themen in diesem Kapitel Konsumentenpräferenzen Budgetbeschränkungen Verbraucherentscheidung Die Grenznutzen und die Verbraucherentscheidung
MehrSatz 16 (Multiplikationssatz)
Häufig verwendet man die Definition der bedingten Wahrscheinlichkeit in der Form Damit: Pr[A B] = Pr[B A] Pr[A] = Pr[A B] Pr[B]. (1) Satz 16 (Multiplikationssatz) Seien die Ereignisse A 1,..., A n gegeben.
MehrFolgen, Reihen, Grenzwerte u. Stetigkeit
Folgen, Reihen, Grenzwerte u. Stetigkeit Josef F. Bürgler Abt. Informatik HTA Luzern, FH Zentralschweiz HTA.MA+INF Josef F. Bürgler (HTA Luzern) Einf. Infinitesimalrechnung HTA.MA+INF 1 / 33 Inhalt 1 Folgen
MehrJeweils am Montag um 18:30 treffen sich Studenten in Seminarraum 3 zum gemeinsamen Lernen.
Jeweils am Montag um 18:30 treffen sich Studenten in Seminarraum 3 zum gemeinsamen Lernen. Betrachtungen zu Sprache, Logik und Beweisen Sprache Wir gehen von unserem Alphabet einigen Zusatzsymbolen aus.
MehrEiniges zu den Potenzfunktionen. Exponentialfunktionen
Einiges zu den Potenzfunktionen Es sind zunächst zwei Arten der Potenzfunktionen zu unterscheiden. Erstens die eigentlichen Potenzfunktionen, bei denen die Variable x als Basis von Potenzen vorkommt. Diese
MehrVorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13)
1 Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) Kapitel 5: Konvergenz Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 15. Dezember 2011) Folgen Eine Folge x 0, x 1,
MehrAbb lokales Maximum und Minimum
.13 Lokale Extrema, Monotonie und Konvexität Wir kommen nun zu den ersten Anwendungen der Dierentialrechnung. Zwischen den Eigenschaten einer Funktion, dem Verlau des zugehörigen Graphen und den Ableitungen
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Aufgabe 45. Polynome sind stets stetig. Höhere Mathematik für Informatiker II (Sommersemester
MehrVerfeinerungen des Bayesianischen Nash Gleichgewichts
Spieltheorie Sommersemester 007 Verfeinerungen des Bayesianischen Nash Gleichgewichts Das Bayesianische Nash Gleichgewicht für Spiele mit unvollständiger Information ist das Analogon zum Nash Gleichgewicht
MehrWiederholte Spiele. Grundlegende Konzepte. Zwei wichtige Gründe, wiederholte Spiele zu betrachten: 1. Wiederholte Interaktionen in der Realität.
Spieltheorie Sommersemester 2007 1 Wiederholte Spiele Grundlegende Konzepte Zwei wichtige Gründe, wiederholte Spiele zu betrachten: 1. Wiederholte Interaktionen in der Realität. 2. Wichtige Phänomene sind
MehrÜbungen zur Vorlesung MATHEMATIK II
Fachbereich Mathematik und Informatik der Philipps-Universität Marburg Übungen zur Vorlesung MATHEMATIK II Prof. Dr. C. Portenier unter Mitarbeit von Michael Koch Marburg, Sommersemester 2005 Fassung vom
MehrMusterlösung zu Blatt 11, Aufgabe 1
Musterlösung zu Blatt 11, Aufgabe 1 I Aufgabenstellung Es sei I =[a, b] ein kompaktes Intervall. (a) Zeigen Sie, daß eine stetige Funktion f : I R genau dann injektiv ist, wenn sie strikt monoton ist.
MehrThema 4 Limiten und Stetigkeit von Funktionen
Thema 4 Limiten und Stetigkeit von Funktionen Wir betrachten jetzt Funktionen zwischen geeigneten Punktmengen. Dazu wiederholen wir einige grundlegende Begriffe und Schreibweisen aus der Mengentheorie.
MehrSatz 18 (Satz von der totalen Wahrscheinlichkeit)
Ausgehend von der Darstellung der bedingten Wahrscheinlichkeit in Gleichung 1 zeigen wir: Satz 18 (Satz von der totalen Wahrscheinlichkeit) Die Ereignisse A 1,..., A n seien paarweise disjunkt und es gelte
MehrHöhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 10. Übungsblatt. < 0 für alle t > 1. tan(x) tan(0) x 0
KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmann WS 03/4 Höhere Mathematik I für die Fachrichtung Informatik Lösungsvorschläge zum 0. Übungsblatt Aufgabe
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,
MehrKapitel 6. Exponentialfunktion
Kapitel 6. Exponentialfunktion 6.1. Potenzreihen In Kap. 4 haben wir Reihen ν=0 a ν studiert, wo die Glieder feste Zahlen sind. Die Summe solcher Reihen ist wieder eine Zahl, z.b. die Eulersche Zahl e.
MehrÜbungen zur Linearen Algebra 1
Übungen zur Linearen Algebra 1 Wintersemester 014/015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 7 Abgabetermin: Freitag, 05.1.014, 11 Uhr Aufgabe 7.1 (Vektorräume
MehrVorlesung Mathematik 1 für Ingenieure (Wintersemester 2015/16)
1 Vorlesung Mathematik 1 für Ingenieure (Wintersemester 2015/16) Kapitel 7: Konvergenz und Reihen Prof. Miles Simon Nach Folienvorlage von Prof. Dr. Volker Kaibel Otto-von-Guericke Universität Magdeburg.
MehrKap. 10: Folgen und Reihen. Eine Funktion a : N Ñ R
Definition: Zahlenfolge Kap. 10: Folgen und Reihen 10.1 Definition: Zahlenfolge Eine Funktion a : N Ñ R poder Cq heißt reelle (oder komplexe) Zahlenfolge. Man nennt a n apnq das n-te Folgenglied und schreibt
Mehr5. Äquivalenzrelationen
5. Äquivalenzrelationen 35 5. Äquivalenzrelationen Wenn man eine große und komplizierte Menge (bzw. Gruppe) untersuchen will, so kann es sinnvoll sein, zunächst kleinere, einfachere Mengen (bzw. Gruppen)
Mehr1.4 Äquivalenzrelationen
8 1.4 Äquivalenzrelationen achdem nun die axiomatische Grundlage gelegt ist, können wir uns bis zur Einführung der Kategorien das Leben dadurch erleichtern, daß wir bis dorthin, also bis auf weiteres,
Mehr24 KAPITEL 2. REELLE UND KOMPLEXE ZAHLEN
24 KAPITEL 2. REELLE UND KOMPLEXE ZAHLEN x 2 = 0+x 2 = ( a+a)+x 2 = a+(a+x 2 ) = a+(a+x 1 ) = ( a+a)+x 1 = x 1. Daraus folgt dann, wegen x 1 = x 2 die Eindeutigkeit. Im zweiten Fall kann man für a 0 schreiben
MehrDefinition 3.1. Sei A X. Unter einer offenen Überdeckung von A versteht man eine Familie (U i ) i I offener Mengen U i X mit U i
3 Kompaktheit In der Analysis I zeigt man, dass stetige Funktionen f : [a, b] R auf abgeschlossenen, beschränkten Intervallen [a, b] gleichmäßig stetig und beschränkt sind und dass sie ihr Supremum und
MehrGrundzüge der. Kapitel 5 Mikroökonomie (Mikro I) Entscheidungen unter Unsicherheit
Grundzüge der Kapitel 5 Mikroökonomie (Mikro I) Entscheidungen unter Unsicherheit 1 BESCHREIBUNG VON RISIKO 2 Entscheidung unter Risiko Annahme: Wir kennen alle möglichen (sich gegenseitig ausschliessenden)
MehrMikroökonomie 1. Präferenzen
Mikroökonomie 1 Präferenzen 18.03.2010 1 Wiederholung: ökonomische Theorie des Konsumenten was man sich leisten kann (Budgetrestriktion) die besten Dinge wählen (Präferenzen) In der letzten Veranstaltung
MehrÜbung zu Risiko und Versicherung Entscheidungstheoretische Grundlagen
Übung zu Risiko Entscheidungstheoretische Grundlagen Christoph Lex Dominik Lohmaier http://www.inriver.bwl.lmu.de Newsletter Auf der Homepage unter http://www.inriver.bwl.uni-muenchen.de/studium/sommer_04/bachelorveranstaltungen/risiko_und_versicherungen/index.html
Mehr15 Hauptsätze über stetige Funktionen
15 Hauptsätze über stetige Funktionen 15.1 Extremalsatz von Weierstraß 15.2 Zwischenwertsatz für stetige Funktionen 15.3 Nullstellensatz von Bolzano 15.5 Stetige Funktionen sind intervalltreu 15.6 Umkehrfunktionen
MehrKAPITEL 2. Folgen und Reihen
KAPITEL 2 Folgen und Reihen 1. Konvergenz und Divergenz Definition 2.1 (Folgen). Eine Abbildung a : N R (bzw. a : N 0 R) nennt man Folge. Statt a : N R schreibt man meist (a n ) n N und a n statt a(n).
MehrVorlesung: Nicht-kooperative Spieltheorie. Teil 1: Organisatorisches, Inhalte der Vorlesung und Nutzentheorie
Vorlesung: Nicht-kooperative Spieltheorie Teil 1: Organisatorisches, Inhalte der Vorlesung Dr. Thomas Krieger Wintertrimester 2009 Dr. Thomas Krieger Vorlesung: Nicht-kooperative Spieltheorie 1 / 15 Organisatorisches
MehrStetige Funktionen. Definition. Seien (X, d) und (Y, ϱ) metrische Räume und f : X Y eine Abbildung. D(f) X sei der Definitionsbereich von f.
Stetige Funktionen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume), spielen eine zentrale Rolle in der Mathematik. In der Analysis sind Abbildungen
Mehrε δ Definition der Stetigkeit.
ε δ Definition der Stetigkeit. Beweis a) b): Annahme: ε > 0 : δ > 0 : x δ D : x δ x 0 < δ f (x δ f (x 0 ) ε Die Wahl δ = 1 n (n N) generiert eine Folge (x n) n N, x n D mit x n x 0 < 1 n f (x n ) f (x
Mehr4. ggt und kgv. Chr.Nelius: Zahlentheorie (SS 2007) 9
Chr.Nelius: Zahlentheorie (SS 2007) 9 4. ggt und kgv (4.1) DEF: Eine ganze Zahl g heißt größter gemeinsamer Teiler (ggt) zweier ganzer Zahlen a und b, wenn gilt: GGT 0 ) g 0 GGT 1 ) g a und g b GGT 2 )
MehrVorkurs Mathematik B
Vorkurs Mathematik B Dr. Thorsten Camps Fakultät für Mathematik TU Dortmund 20. September 2011 Definition (R n ) Wir definieren: 1 Der R 2 sei die Menge aller Punkte in der Ebene. Jeder Punkt wird in ein
MehrWir gehen wieder von einem allgemeinen (parametrischen) statistischen Modell aus, (
Kapitel 4 Konfidenzbereiche Wir gehen wieder von einem allgemeinen parametrischen statistischen Modell aus, M, A, P ϑ ; sei eine Funktion des Parameters gegeben, die einen interessierenden Teil-Parameter
MehrKapitel 3. Konvergenz von Folgen und Reihen
Kapitel 3. Konvergenz von Folgen und Reihen 3.1. Normierte Vektorräume Definition: Sei V ein Vektorraum (oder linearer Raum) über (dem Körper) R. Eine Abbildung : V [0, ) heißt Norm auf V, falls die folgenden
MehrAllgemeine Volkswirtschaftslehre I für WiMA und andere (AVWL I)
I WiMA und andere WS 007/08 Institut Wirtschaftswissenschaften www.mathematik.uni-ulm.de/wiwi/ . Grundzüge der Mikroökonomik WS 007/08.6 Theorie des Haushalts .6 Theorie des Haushalts WS 007/08 Haushaltstheorie
MehrLösungen zu den Übungsbeispielen aus Einheit
Lösungen zu den Übungsbeispielen aus Einheit Haushaltstheorie Haushaltstheorie IK Ökonomische Entscheidungen & Märkte (239.120) Sommerssemester 2010 Übung 1: Die Budgetbeschränkung Gegeben sind das Einkommen
MehrUm zu entscheiden, welchen Inhalt die Urne hat, werden der Urne nacheinander 5 Kugeln mit Zurücklegen entnommen und ihre Farben notiert.
7. Testen von Hypothesen ================================================================== 15.1 Alternativtest -----------------------------------------------------------------------------------------------------------------
MehrAnalysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME
Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME Dietmar A. Salamon ETH-Zürich 23. Februar 2015 1 Topologische Grundbegriffe Sei (X, d) ein metrischer Raum, d.h. X ist eine Menge und d : X X R ist
Mehr3.2 Extensive und intensive Größen. Mathematik. Zusammenfassung des physikalischen Teils:
3. Extensive und intensive Größen. Mathematik 43 3. Extensive und intensive Größen. Mathematik Zusammenfassung des physikalischen Teils: Wir untersuchen, wie sich bestimmte Größen bei Kontakt B 1 B zweier
MehrKonvergenz im quadratischen Mittel - Hilberträume
CONTENTS CONTENTS Konvergenz im quadratischen Mittel - Hilberträume Contents 1 Ziel 2 1.1 Satz........................................ 2 2 Endlich dimensionale Vektorräume 2 2.1 Defintion: Eigenschaften
Mehr1. Aufgabe [2 Punkte] Seien X, Y zwei nicht-leere Mengen und A(x, y) eine Aussageform. Betrachten Sie die folgenden Aussagen:
Klausur zur Analysis I svorschläge Universität Regensburg, Wintersemester 013/14 Prof. Dr. Bernd Ammann / Dr. Mihaela Pilca 0.0.014, Bearbeitungszeit: 3 Stunden 1. Aufgabe [ Punte] Seien X, Y zwei nicht-leere
MehrKapitel 2: Mathematische Grundlagen
[ Computeranimation ] Kapitel 2: Mathematische Grundlagen Prof. Dr. Stefan M. Grünvogel stefan.gruenvogel@fh-koeln.de Institut für Medien- und Phototechnik Fachhochschule Köln 2. Mathematische Grundlagen
Mehr