Mikroökonomik B 2. Entscheidung bei Unsicherheit
|
|
- Kristian Vogt
- vor 8 Jahren
- Abrufe
Transkript
1 Mikroökonomik B 2. Entscheidung bei Unsicherheit Dennis L. Gärtner 14. April 2011
2 Entscheidung bei Unsicherheit Literaturangaben: Varian (2007), Kapitel 12, 13 Jehle und Reny (2001), Kapitel 2.4 Kreps (1990), Kapitel 3. Bisher: Entscheidung zwischen verschiedenen Handlungsalternativen (Güterbündeln, Konsumplänen). Folgen der Entscheidung sind bekannt und treten mit Sicherheit ein. 2 / 132
3 Entscheidung bei Unsicherheit Was, wenn manche Güterbündel nicht immer mit Sicherheit, sondern zufällig verfügbar sind? Das Gut Skifahren in den schweizer Alpen ist z.b. nur verfügbar, falls dort die richtigen Temperaturen herrschen. Ganz allgemein hängt das Ergebnis einer Entscheidung oft nicht nur von der gewählten Handlungsalternative ab, sondern auch vom Zufall, der Realisation eines Zustands der Welt. Zustand der Welt kann z.b. das Wetter sein, aber auch der Eintritt eines Schadens, Erfolg oder Misserfolg bei einem Test, der Entwicklung eines neuen Produkts, etc. 3 / 132
4 Fragen, welche wir beantworten wollen Wie kann man Präferenzen über unsichere Ergebnisse von Entscheidungen formal beschreiben? Was bedeutet rationales Verhalten (Optimieren unter Ausnutzung verfügbarer Informationen) bei Unsicherheit? Wie kann man dies in einem Modell abstrakt abbilden? Welche theoretischen Vorhersagen ergeben sich für empirisch beobachtbares Verhalten? Welche Implikationen für wirtschaftliches Handeln folgen aus der Theorie? 4 / 132
5 Lotterien: Skiurlaub in den schweizer Alpen Entweder es liegt Schnee oder nicht. D.h. es gibt zwei Zustände der Welt, S und N. Beide Zustände der Welt treten mit einer bestimmten Wahrscheinlichkeit ein, sagen wir p S und p N. Nachdem sich beide Zustände gegenseitig ausschliessen (sie sind disjunkt), gilt p S + p N = 1. Das Gut Skifahren ist nur im Zustand der Welt S erhältlich, ansonsten müssen Brettspiele konsumiert werden. 5 / 132
6 Lotterien Skiurlaub in den schweizer Alpen ist also ein Glücksspiel, eine Lotterie. D.h. das Güterbündel, das im Urlaub konsumiert wird, ist unsicher und gegeben durch { } 2 Tage Skifahren... mit Wahrscheinlichkeit p S, 2 Tage Brettspiele...mit Wahrscheinlichkeit 1 p S. Dabei sind Skifahren und Brettspiele Ergebnisse (outcomes) der Lotterie. Eintritts-Wahrscheinlichkeiten (p S ) sind in diesem Teil der Vorlesung immer objektiv (könnten auch subjektiv sein!). 6 / 132
7 Lotterien Allgemeiner Formalismus Bezeichne die Menge aller möglichen Ergebnisse mit A = {a 1, a 2,..., a n }; wir konzentrieren uns hier der Einfachheit halber auf numerische Ergebnisauszahlungen. Bezeichne die Wahrscheinlichkeitsverteilung über A mit p = (p 1,..., p n ) wobei p i 0 für i = 1,...,n und n i=1 p i = 1. D.h. Wahrscheinlichkeit für Ergebnis a i ist p i. Bezeichne die Menge aller möglichen Wahrscheinlichkeitsverteilungen (Lotterien) über A mit P. Ein sicheres Ergebnis (z.b. ein Güterbündel) kann als Lotterie über A = {x} mit p x = 1 beschrieben werden. 7 / 132
8 Lotterien Eine Wahrscheinlichkeitsverteilung p über eine Ergebnismenge A = {a 1, a 2,..., a n } nennt man eine einfache Lotterie g S, g S = (p 1 a 1, p 2 a 2,..., p n a n ). Das Symbol steht dabei für eine Zuordnung von Wahrscheinlichkeit und Ergebnis. Eine Ergebnismenge kann selber auch Lotterien beinhalten, z.b. A = {g 1, g 2,..., g n }. In diesem Fall nennt man die Wahrscheinlichkeitsverteilung p über A eine zusammengesetzte Lotterie g, g = (p 1 g 1, p 2 g 2,..., p n g n ). 8 / 132
9 Einfache und zusammengesetzte Lotterien graphisch a 1 p q g S a 3 1 p q a 2 Abbildung: Einfache Lotterie g S = (p a 1, q a 3,(1 p q) a 2 ). 9 / 132
10 Einfache und zusammengesetzte Lotterien graphisch g a 1 p a 3 q 11 q g 1 p q 1 q a 4 a 2 Abbildung: Zusammengesetzte Lotterie g = (p a 1, q g,(1 p q) a 2 ). 10 / 132
11 Lotterien Bezeichne Menge aller (zusammengesetzten) Lotterien mit G. Beispiel Skiurlaub: Skiurlaub hängt davon ab, ob das Auto funktioniert. Mit Wahrscheinlichkeit 1 q fährt es, mit q muss es in die Werkstatt und Gut Brettspiele zuhause wird konsumiert. D.h. die Autofahrt in den Skiurlaub ist eine zusammengesetzte Lotterie der Form Ist g äquivalent zu g = (q a 1,(1 q) (p a 2,(1 p) a 3 )). g = (q a 1,(1 q)p a 2,(1 q)(1 p) a 3 )? Nicht klar, hängt von Präferenzen ab! Aber wir werden die Reduktionseigenschaft einfach annehmen. 11 / 132
12 Reduktion zusammengesetzter Lotterien Einfache Lotterie: Wahrscheinlichkeitsverteilung über Ergebnismenge A. Zusammengesetzte Lotterie: Wahrscheinlichkeitsverteilung über andere Lotterien. Reduktion zusammengesetzter Lotterie g auf einfache Lotterie: Ausrechnen der Eintrittswahrscheinlichkeit für jedes Ergebnis in A gegeben die Wahrscheinlichkeiten in g und allen zusammengesetzten Lotterien in g. Ergibt einfache Lotterie, die von g impliziert wird. 12 / 132
13 Reduktion zusammengesetzter Lotterien graphisch g a 1 p a 3 q 11 q g 1 p q 1 q a 4 a 2 Abbildung: Zusammengesetzte Lotterie g = (p a 1, q g,(1 p q) a 2 ). 13 / 132
14 Reduktion zusammengesetzter Lotterien graphisch a 1 p a 3 qq g S q(1 q ) 1 p q a 4 a 2 Abbildung: Reduktion der zusammengesetzte Lotterie g lässt auf die einfache Lotterie g S = (p a 1,(1 p q) a 2, qq a 3, q(1 q ) a 4 ). 14 / 132
15 Lotterie vs. Zufallsvariable Für den Moment: seien Ergebnisse a 1,...,a n A Zahlen (z.b. Geldbeträge). Mathematisch ist eine einfache Lotterie dann nichts anderes als eine Zufallsvariable. Eine einfache Lotterie g = (p 1 a 1, p 2 a 2,...,p n a n ) kann man ebenso beschreiben als eine Zufallsvariable ã verteilt gemäss der Dichtefunktion P(a i ) = p i auf dem Wahrscheinlichkeitsträger (support) A. Der Erwartungswert von ã ist E[ã] = n i=1 p ia i. Diese Vorlesung verwendet das Konzept Lotterie, lässt sich aber auch über Zufallsvariablen darstellen. 15 / 132
16 Präferenzen über Lotterien Lotterien stellen wohldefinierte Mengen von Entscheidungsalternativen dar. Um Entscheidungen bei Unsicherheit zu modellieren, wird ein Modell der Präferenzen über Lotterien benötigt (analog zur Nutzentheorie bei Sicherheit). Wir werden in der Folge analog zum Vorgehen bei Sicherheit Annahmen an die Präferenzordnung stellen, welche die Existenz einer Nutzenfunktion sicherstellen. Diese Nutzenfunktion u(g) ist über die Menge der Lotterien definiert. 16 / 132
17 Präferenzen über Lotterien Eine Nutzenfunktion u(g), die direkt auf Wahrscheinlichkeitsverteilungen definiert ist, ist sowohl analytisch als auch empirisch schwer zu ermitteln. Sehr viel angenehmer wäre es, mit einer Nutzenfunktion zu arbeiten, die auf der Ergebnismenge definiert ist. Ein Beispiel dafür ist die folgende Nutzenfunktion n u(g) = E[ã] = p i a i. D.h. die Lotterie ist gerade so gut wie ihr Erwartungswert. Dies erscheint bei monetären Ergebnissen nicht unsinnig. i=1 17 / 132
18 St. Petersburg-Paradox Gegeben ist folgendes Glücksspiel g: Eine faire Münze wird solange geworfen, bis zum ersten Mal Zahl erscheint. Falls Zahl zum ersten Mal beim n-ten Münzwurf auftritt, wird ein Betrag von 2 n e ausgezahlt. # e Wieviel würden Sie bezahlen, um an diesem Glücksspiel teilzunehmen? Die meisten Befragten antworten in der Grössenordnung von 3 5e. 18 / 132
19 Daniel Bernoullis St. Petersburg-Paradox Erwartungswert der Lotterie g? E[g] = = ( ) 1 t 2 t = 1. 2 t=1 Gewisse Diskrepanz in beobachteter Zahlungsbereitschaft für g und dem Erwartungswert von g. Bernoullis Vorschlag: Ergebnisse 2 n mit einer konkaven Funktion zu bewerten, damit werden frühere (kleinere) Auszahlungen höher gewichtet und die Zahlungsbereitschaft für g wird endlich. t=1 19 / 132
20 Daniel Bernoulli Daniel Bernoulli ( ) Jakob Bernoulli (-Verteilung!) 20 / 132
21 St. Petersburg-Paradox Bernoullis Vorschlag für eine Nutzenfunktion unter Unsicherheit: n 1 U(g) = p t ln(a t ) = 2 t ln(2t ) = ln(4) t 2 2 t = ln(4) 1.4. t=1 t=1 t=1 } {{ } =2 Damit wäre das Glücksspiel g genauso gut wie eine sichere Auszahlung von 4e. Annahme, Ergebnisse mit ln(a t ) zu bewerten ist willkürlich. U(g) linear in Wahrscheinlichkeiten, damit Nutzen direkt auf Ergebnismenge definierbar. Dies ist eine sehr angenehme Form, die das Rechnen erleichtert und einfache Vergleichbarkeit von Lotterien ermöglicht. 21 / 132
22 Erwartungsnutzen-Eigenschaft Formal lässt sich diese angenehme Form allgemein so beschreiben: Definition (Erwartungsnutzen-Eigenschaft) Eine reellwertige Nutzenfunktion U(g) hat die Erwartungsnutzen-Eigenschaft, wenn für alle g G gilt n U(g) = p i u(a i ), i=1 wobei (p 1 a 1, p 2 a 2,..., p n a n ) die von g induzierte einfache Lotterie ist. 22 / 132
23 Erwartungsnutzen-Eigenschaft Erwartungsnutzen-Eigenschaft ist gleichbedeutend mit n U(g) = p i (g)u(a i ) = E[u(a i )], i=1 wobei E[ ] der Erwartungswert bezüglich Verteilung p(g) ist. D.h. ein Individuum maximiert den Erwartungswert einer Nutzenfunktion (Erwartungsnutzen) und nicht z.b. den Nutzen des Erwartungswerts. 23 / 132
24 Erwartungsnutzen Die Erwartungsnutzen-Eigenschaft postuliert eine Nutzenfunktion der Form U(g) = n p i u(a i ) i=1 U(g) wird Erwartungsnutzen oder von Neumann-Morgenstern (vnm) Nutzenfunktion genannt. u(a i ) wird als Bernoulli-Nutzenfunktion bezeichnet. Falls die Ergebnismenge A ein Güterraum X ist, kann u(x) eine Nutzenfunktion aus der Konsumententheorie sein. Falls die Ergebnismenge A verschiedene Einkommen y enthält, dann kann u(y) eine indirekte Nutzenfunktion sein. 24 / 132
25 Invarianz bezüglich positiver linearer Transformation Proposition (Invarianz bezüglich positiver linearer Transformation) Angenommen U und V sind zwei vnm Nutzenfunktionen mit den zugehörigen Bernoulli-Nutzenfunktionen u und v, die dieselbe Präferenzordnung über G repräsentieren. Dann existieren a, b mit b > 0, so dass u(x) = a+bv(x). Erwartungsnutzen sind linear in Wahrscheinlichkeiten. Bernoulli-Nutzenfunktionen sind (wie in Konsumententheorie) invariant bezüglich monotoner positiver Transformationen. Daher sind auch vnm Nutzenfunktionen nicht eindeutig bestimmt. Beweis: Wird hier nicht vorgestellt aber die Idee folgt. 25 / 132
26 Beweisidee Bernoulli Nutzenfunktionen für riskikoaverse und risikofreudige Einstellungen. u(3) u(2) u(1) 1 2 u(1)+ 1 2 u(3) u(x) u(3) u(2) 1 2 u(1)+ 1 2 u(3) u(x) u(1) e e Da also die Form der Bernoullifunktion u( ) eine Rolle spielt, können Erwartungsnutzenfunktionen nur linear steigend transformiert werden. 26 / 132
27 Erwartungsnutzen Das Invarianzresultat bedeutet, dass der Erwartungsnutzen mehr Information enthält als eine Nutzenfunktion aus der Konsumententheorie. Nutzenfunktion aus der Konsumententheorie war rein ordinal. Erwartungsnutzen nicht nur Ordnungsnummer eines Ergebnisses. Nutzendifferenz zwischen verschiedenen Ergebnissen kann nicht beliebig verändert werden und doch dieselbe Präferenzordnung über Lotterien abbilden! D.h. Erwartungsnutzen kein ordinales, sondern ein kardinales Konzept. 27 / 132
28 Verhaltensimplikationen Erwartungsnutzen-Eigenschaft der Nutzenfunktion ist eine Annahme an das Verhalten der Entscheider. Welche Einschränkungen an das Entscheidungsverhalten wird durch das Konzept Erwartungsnutzen impliziert? Sind diese Verhaltensimplikationen plausibel? Es existiert eine Axiomatisierung der Erwartungsnutzen- Eigenschaft. D.h., es existieren eine Reihe von Annahmen an die Präferenzen der Wirtschaftssubjekte, die sicherstellen, dass diese durch eine Nutzenfunktion mit der Erwartungsnutzen- Eigenschaft dargestellt werden können. 28 / 132
29 Die Axiome der Erwartungsnutzentheorie 1. Rationalität 2. Stetigkeit 3. Reduktion 4. Unabhängigkeit 29 / 132
30 Axiome der Erwartungsnutzentheorie 1. Rationalität: Die Präferenzrelation über G ist vollständig, reflexiv und transitiv, d.h. (i) Für alle g, g in G gilt entweder g g, g g, oder beides. (ii) Für alle g in G gilt g g. (iii) Für alle g, g, g in G gilt: g g und g g impliziert g g. Dies entspricht den üblichen Rationalitätsannahmen an die Präferenzrelation eines Konsumenten über Güterbündel unter Sicherheit. 30 / 132
31 Axiome der Erwartungsnutzentheorie 2. Stetigkeit: Für alle g, g, g in G mit g g g existieren reelle Zahlen α,β (0, 1), so dass (α g,(1 α) g ) g (β g,(1 β) g ). Diese Annahme impliziert, dass immer ein trade-off in Wahrscheinlichkeiten zwischen verschiedenen Lotterien bestehen muss (ähnlich der Stetigkeitsannahme der Konsumententheorie). 31 / 132
32 Axiome der Erwartungsnutzentheorie 3. Reduktion: Für alle g, g in G, die dieselbe Wahrscheinlichkeitsverteilung über die Ergebnisse A implizieren, gilt g g. Dies bedeutet, die Lotterien g = (q a 1,(1 q) (p a 2,(1 p) a 3 )) und g = (q a 1,(1 q)p a 2,(1 q)(1 p) a 3 ) aus dem Skiurlaub-Beispiel sind tatsächlich gleichwertig unter der Präferenzordnung des Entscheiders. 32 / 132
33 Axiome der Erwartungsnutzentheorie 4. Unabhängigkeit: Für alle g, g, g in G mit g g gilt, dass (α g,(1 α) g ) (α g,(1 α) g ) für alle α (0, 1). Die Präferenz für eine zusammengesetzte Lotterie hängt nicht von gemeinsamen Konsequenzen g ab. Anm: Für die Indifferenzrelation lässt sich das gleichlautendende Axiom für alle α [0, 1] definieren. 33 / 132
34 Monotonie Lemma (Monotonie) Unter den Annahmen Rationalität, Stetigkeit, Reduktion und Unabhängigkeit gilt für alle g, g in G mit g g, dass (α g,(1 α) g ) (β g,(1 β) g ) mit α,β [0, 1] genau dann wenn α > β. Der Beweis wird hier nicht vorgestellt. Monotonie bedeutet, dass mehr Wahrscheinlichkeit auf präferierten Ergebnissen immer besser ist (ähnlich zur Monotonie in der Konsumententheorie). 34 / 132
35 Das von Neumann-Morgenstern Repräsentationstheorem Theorem (von Neumann-Morgenstern) Die Präferenzrelation über Lotterien erfüllt die Annahmen Rationalität, Stetigkeit, Reduktion und Unabhängigkeit dann und nur dann, wenn eine Nutzenfunktion U : G R existiert, welche repräsentiert und die Erwartungsnutzen-Eigenschaft U(g) = n p i u(a i ) besitzt. i=1 Das Theorem sagt, dass die vorgestellten Axiome notwendig und hinreichend sind für Repräsentation einer Präferenzordnung über Lotterien durch den Erwartungsnutzen. Der Beweis wird hier nicht vorgestellt. 35 / 132
36 von Neumann und Morgenstern John von Neumann Oskar Morgenstern 36 / 132
37 Bedeutung des vnm-theorems Falls ein Individuum Präferenzen hat, welche den vnm-axiomen genügen, so existiert eine Nutzenfunktion über Lotterien, welche die Erwartungsnutzeneigenschaft besitzt. D.h. die Eigenschaft, den erwarteten Nutzen als Zielfunktion zu haben, basiert auf Annahmen direkt an die Präferenzen eines Entscheidungsträgers. Umgekehrt impliziert die Annahme einer Erwartungsnutzenfunktion, dass die Präferenzen eines Entscheiders den Axiomen genügen. 37 / 132
38 Anwendungen Erwartungsnutzentheorie ermöglicht es optimale Entscheidungen zu treffen (normativ), oder das Verhalten von Entscheidern vorherzusagen (positiv). Potentiell grosse Menge an Anwendungen der Theorie Berufswahl: Beamter oder Unternehmer? Prüfungsvorbereitung: Wieviel Mut zur Lücke? Heirats-Entscheidung: Wann sollte man aufhören zu suchen? Portfolioentscheidung: Aktien oder Anleihen? Versicherungswahl: Wie hoch sollte man sich versichern? Wert von Information: Was sollte Wissen über den wahren Zustand der Welt kosten? 38 / 132
39 Beispiel 1: Einkommensrisiko und monetäre Auszahlungen Im Leben eines Bauern gebe es zwei mögliche Zustände: genug Regen G und kein Regen S. Zustand G tritt mit Wahrscheinlichkeit p G und S mit der Gegenwahrscheinlichkeit 1 p G ein. Ernte und damit Bauerneinkommen y sind vom realisierten Zustand der Welt abhängig, dh. die Ergebnismenge eines Bauern ist A = {y G, y S }. Es gelte y S < y G. Also sieht sich der Bauer folgender Einkommens-Lotterie gegenüber g = (p G y G,(1 p G ) y S ). 39 / 132
40 Beispiel 1: Einkommens-Lotterie graphisch g y G p G 1 p G y S Abbildung: Einfache Lotterie g = (p G y G,(1 p G ) y S ), d.h. mit Wahrscheinlichkeit p G tritt Zustand G ein ( Einkommen y G ), andernfalls tritt Zustand S ein ( Einkommen y S ). 40 / 132
41 Beispiel 1: Einkommens-Zustandsdiagramm y G (y S, y G ) (y S,y G ) ={(y G,y S ): Eu(y ) = Eu(y)} (y S,y G ) - (1-p )/p u'(y )/u'(yg G G S ) -(1-p G )/p G y S 41 / 132
42 Beispiel 1: Indifferenzkurven Indifferenzkurve: Zwischen welchen Zustandseinkommen y G und y S, ist der Bauer indifferent (dh. U(g) konstant, bei gegebenen Wahrscheinlichkeiten)? Erwartungsnutzen von g = (p G y G,(1 p G ) y S ): U(g) = E u(y) = p G u(y G )+(1 p G )u(y S ). Also: Bauer ist indifferent zwischen Lotterie g und einer Lotterie g = (p G x G,(1 p G ) x S ) mit gleichen Wahrscheinlichkeiten, aber anderen Ergebnissen, genau dann wenn p G u(y G )+(1 p G )u(y S ) = p G u(x G )+(1 p G )u(x S ). Damit bilden alle Bündel x = (x G, x S ) mit obiger Eigenschaft die Indifferenzkurve I. 42 / 132
43 Beispiel 1: Indifferenzkurven y G y = (y S, y G ) (y S,y G ) ={(y G,y S ): Eu(y ) = Eu(y)} I = {(x G, x S ) : E u(x) = E u(y)} (y S,y G ) - (1-p G )/p G u'(y )/u'(yg S ) -(1-p )/p G G Indifferenzkurve I zur Ausgangslotterie (p G y G,(1 p G ) y S ) gegeben Bernoullis Vorschlag u(y) = ln(y). Beachte: Bessermenge von I ist streng konvex. y S 43 / 132
44 Beispiel 1: Indifferenzkurven Im Punkt (x G, x S ) gilt E u(x) = p G u(x G )+(1 p G )u(x S ). Variieren von (x G, x S ) um ( x G, x S ) ergibt p G u (x G ) x G +(1 p G )u (x S ) x S = 0. Also gilt x G = (1 p G)u (x S ) x S p G u = GRS (x G ) GS. 44 / 132
45 Beispiel 1: Indifferenzkurven y G y = (y S, y G ) (y S,y G ) ={(y G,y S ): Eu(y ) = Eu(y)} I = {(x G, x S ) : E u(x) = E u(y)} (x G, x (y S,y S ) G ) - (1 p G) u (x S ) (1-p p G )/p G u'(y )/u'(yg S ) G u (x G ) -(1-p )/p G G Negative Steigung von I entspricht Verhältnis der Grenznutzen, d.h. GRS zwischen Einkommen in Zustand G und S. y S 45 / 132
46 Beispiel 2: Versicherung Gegeben die ursprüngliche Lotterie über Einkommen y G und y S, würde der Bauer Einkommen in G gegen Einkommen in S tauschen? Ja, falls eine Einheit Einkommen in S nicht mehr als GRS GS Einheiten Einkommen in G kostet. Eine Möglichkeit, Einkommen zwischen den Zuständen zu verschieben, ist eine Versicherung. Versicherung hat typischerweise zwei Bestandteile: Leistung (Versicherungssumme): zustandsabhängige Auszahlung K, die (hier in S) an den Bauern gezahlt wird. Preis (Versicherungsprämie): zustandsunabhängige Zahlung des Bauern γk, γ [0, 1], die zur zustandsabhängigen Leistung berechtigt. 46 / 132
47 Beispiel 2: Einkommens-Lotterie mit Versicherung g V y G γk p G 1 p G y S γk + K Abbildung: Lotterie mit Versicherung g V, Versicherungsleistung ist K im Zustand S und Versicherungsprämie ist γk, formal g V = (p G y G γk,(1 p G ) y S γk + K). 47 / 132
48 Beispiel 2: Versicherung Versicherung mit Versicherungsleistung K im Zustand S und Versicherungsprämie γk verschiebt Einkommen zwischen den Zuständen. Umtauschrate von G nach S bei Kauf von Leistung K : Zustand G S Einkommensänderung γk +(1 γ)k D.h. Umtauschrate (relativer Preis) ist G S = γk (1 γ)k = γ 1 γ. Durch Transfer von y S γ 1 γ y G, hat der Bauer eine Budgetmenge B = {(x G, x S ) : γx S +(1 γ)x G γy S +(1 γ)y G }. 48 / 132
49 Beispiel 2: Transfer von y S γ y G 1 γ y G y = (y S, y G ) (y S,y G Versicherung abbildbar als Menge aller Punkte, die von (y G, y S ) aus ={(y G,y S ): Eu(y ) = Eu(y)} erreichbar sind. I B = {(x G, x S ) : γx S +(1 γ)x G γy S +(1 γ)y G }. (y S,y G ) - (1-p G )/p G u'(y )/u'(yg S ) -(1-p )/p G γ G (1 γ) y S 49 / 132
50 Beispiel 2: Optimale Versicherungsentscheidung y G y G γk y (y S,y G ) ={(y G,y S ): Eu(y ) = Eu(y)} I (x G, x S ) I (y S,y G ) - (1-p )/p u'(y )/u'(yg G G S ) -(1-p )/p G γ G (1 γ) y S +(1 γ)k Optimale Versicherungsentscheidung (x S, x G ) ist Tangentialpunkt von Indifferenzkurve und Budgetmenge. y S 50 / 132
51 Beispiel 2: Optimale Entscheidung bei Unsicherheit Steigung der Versicherungsgerade (Budgetgerade) muss im Optimum gleich der Steigung der Indifferenzkurve sein! Also: x E[u(x S S, x G )] E[u(xS, x G )] = x G x S [(1 p G ) ln(x S )] x G [p G ln(x G )] = (1 p G)x G p G x S! = γ 1 γ. D.h. im Optimum gilt die BEO (1 p G ) 1 x S = γ 1 γ p 1 G. x G 51 / 132
52 Beispiel 2: Position der Versicherung Geht für Preis γk die Lotterie (p G 0,(1 p G ) K) ein. Erwarteter Profit: π = γk (1 p G )K. Angenommen, Versicherung macht im Schnitt Nullgewinne, also π = 0, dann ist γk = (1 p G )K. Bei γ = (1 p G ) heisst die Versicherung aktuarisch fair, dh. die Versicherungsprämie entspricht den erwarteten Kosten. Faire Versicherungsprämie bepreist Zustands-Einkommen mit Eintrittswahrscheinlichkeit des jeweiligen Zustands. 52 / 132
53 Beispiel 2: Optimale Entscheidung bei Unsicherheit Bauern-BEO von zuvor: xg = p G γ 1 p G 1 γ x S. Aktuarisch faire Versicherung, γ = (1 p G ), impliziert x G = p G 1 p G 1 p G p G x S = x S. Also wählt der Bauer ein zustandsunabhängiges Einkommen E[x] = xg = x S, d.h. volle Versicherung. 53 / 132
54 Risikoaversion Beispiel: Streng konvexe Präferenzen im Zustands-Diagramm und positive Nachfrage nach Versicherung. Besteht ein allgemeiner Zusammenhang zwischen Form der Indifferenzkurven / Nutzenfunktion und Nachfrage nach Versicherung? Wenn die Nachfrage nach Versicherung von der Form der Nutzenfunktion abhängt, dann ist diese Form als Risiko-Einstellung eines Individuums interpretierbar! Kann also das Risikoverhalten (z.b. suchend oder vermeidend) als Parameter der Nutzenfunktion modelliert werden? 54 / 132
55 Risikoverhalten & Form der Nutzenfunktion Wie zuvor werden hier nur monetäre Auszahlungen w als Ergebnisse betrachtet, dh. Ergebnismenge A = R + 0. Die Bernoulli-Nutzenfunktion u(w) über die Ergebnismenge ist als indirekte Nutzenfunktion interpretierbar. u(w), w R + 0 sei mindestens so oft stetig differenzierbar in w wie benötigt. Technische Annahme: A enthält nur endlich viele Ergebnisse mit positiver Wahrscheinlichkeit. 55 / 132
56 Jensens Ungleichung Vermutung: Konvexität der Bessermengen wichtig. Individuum fragt Versicherung nach, wenn Nutzen aus Erwartungswert einer Lotterie g = (p 1 w 1,..., p n w n ) höher als Nutzen aus g, also wenn ( n ) n u(e[g]) > E[u(g)] u p i w i > p i u(w i ). Diese Ungleichung hält genau dann, wenn u(w) streng konkav ist; sie heisst Jensens Ungleichung. i=1 i=1 56 / 132
57 Risikoaversion Klassifizierung der Risikoeinstellungen von Individuen nach ihrer Nachfrage nach fairer Versicherung. Dies entspricht nach Jensens Ungleichung einer Klassifizierung anhand der Eigenschaften der Nutzenfunktion. Definition Ein Individuum mit einer vnm-nutzenfunktion U(g) = E[u(w)] über einfache Lotterien g = (p 1 w 1,..., p n w n ) ist bezüglich g risikoavers, falls u(e[g]) > E[u(w)], risikoneutral, falls u(e[g]) = E[u(w)], risikofreudig, falls u(e[g]) < E[u(w)]. 57 / 132
58 Risikoaversion Ein Individuum kann sich bezüglich einer einfachen Lotterie g risikoavers, sich aber bezüglich einer anderen einfachen Lotterie g g risikofreudig verhalten. Falls ein Individuum für jede nicht-triviale Lotterie g risikoavers ist, sagt man das Individuum ist risikoavers. Analoges gilt für Risikoneutralität und Risikofreude. Jensens Ungleichung impliziert, dass dies bestimmten Eigenschaften der Bernoulli Nutzenfunktion u( ) entspricht. 58 / 132
59 Graphische Interpretation der Bernoulli Nutzenfunktion u( ) u(w) u(w 2 ) u(e[w]) E[u(w)] u(w 1 ) Gegeben sei eine konkave Bernoulli Nutzenfunktion (also u < 0) und die Lotterie (p 1 w 1,(1 p 1 ) w 2 ). (1-p 1 )(w 2 - w 1 ) p 1 (w 2 - w 1 ) w w 1 E[w] 2 e 59 / 132
60 Graphische Interpretation der Bernoulli Nutzenfunktion u( ) u(w) u(w 2 ) u(e[w]) E[u(w)] u(w 1 ) P ErwartungswertE[w] der Lotterie (p 1 w 1,(1 p 1 ) w 2 ) lässt sich durch Streckenteilung darstellen. (1 p 1 )(w 2 w 1 ) p 1 (w 2 w 1 ) w w 1 E[w] 2 w e 60 / 132
61 Graphische Interpretation der Bernoulli Nutzenfunktion u( ) u(w) u(w 2 ) u(e[w]) E[u(w)] u(w 1 ) P Ähnlich kann man den Erwartungswert der Nutzenwerte bestimmen. (1 p 1 )(w 2 w 1 ) p 1 (w 2 w 1 ) w w 1 E[w] 2 w e 61 / 132
62 Graphische Interpretation der Bernoulli Nutzenfunktion u( ) u(w 2 ) u(w) u(e[w]) E[u(w)] u(w 1 ) SÄ P Erwartungsnutzen als Punkt auf Konvexkombination der einzelnen Nutzenwerte aus den Auszahlungen w 1 und w 2. (1 p 1 )(w 2 w 1 ) p 1 (w 2 w 1 ) w 1 w 2 E[w] w e 62 / 132
63 Graphische Interpretation der Bernoulli Nutzenfunktion u( ) u(w 2 ) u(e[w]) E[u(w)] u(w 1 ) SÄ P (1 p 1 )(w 2 w 1 ) p 1 (w 2 w 1 ) w 1 w 2 E[w] u(w) Jensens ( Ungleichung n ) n u p i w i > p i u(w i ) w i=1 e i=1 besagt, dass für streng konkave u( ), der Erwartungsnutzen kleiner ist als Nutzen des Erwartungswertes. 63 / 132
64 Graphische Interpretation der Bernoulli Nutzenfunktion u( ) u(w) u(w 2 ) u(e[w]) E[u(w)] SA SÄ u(e[w] P) P Sicherheitsäquivalent SA: sichere Auszahlung, die gleichen Nutzen verschafft wie Lotterie. u(w 1 ) Riskoprämie P: Differenz zwischen Erwartungswert und Sicherheitsäquivalent der Lotterie. (1 p 1 )(w 2 w 1 ) p 1 (w 2 w 1 ) w 1 w 2 E[w] w e 64 / 132
65 Sicherheitsäquivalent Definition Das Sicherheitsäquivalent einer einfachen Lotterie g über monetäre Auszahlungen w ist eine Auszahlung SA(g), so dass u(sa(g)) = E[u(w)]. Das Sicherheitsäquivalent einer Lotterie g beschreibt also, wie hoch eine sichere Auszahlung sein muss, damit ein Individuum gerade indifferent zwischen der sicheren Auszahlung und g ist. Das Sicherheitsäquivalent reflektiert Risikoeinstellung: Falls SA(g) < E[w], so ist das Individuum risikoavers bzgl g, SA(g) = E[w], so ist das Individuum risikoneutral bzgl g, SA(g) > E[w]), so ist das Individuum risikofreudig bzgl g. 65 / 132
66 Risikoprämie Definition Die Risikoprämie einer einfachen Lotterie g über monetäre Auszahlungen w ist eine Auszahlung P(g), so dass E[u(w)] = u(e[w] P(g)). Die Risikoprämie einer Lotterie g beschreibt also, welchen Betrag ein Individuum gerade bereit ist zu bezahlen, um die Lotterie g zu vermeiden. Es gilt: P(g)+SA(g) = E[w], für alle g G. Risikoprämie und Risikoeinstellung: Falls P(g) > 0, so ist das Individuum risikoavers bzgl g, P(g) = 0, so ist das Individuum risikoneutral bzgl g, P(g) < 0, so ist das Individuum risikofreudig bzgl g. (Die Risikoprämie ist nicht gleich der Versicherungsprämie.) 66 / 132
67 Masse der Risikoeinstellung Messung und Vergleich von Risikoeinstellungen verschiedener Individuen? Interessant für Verhalten auf Kapitalmärkten, Nachfrage nach Versicherung. Wann ist ein Individuum risiko-averser als ein anderes? Generell oder bezüglich einer bestimmten Lotterie? Vorschlag: Risikoprämie als Mass der Risikoeinstellung. 67 / 132
68 Masse der Risikoeinstellung Risikoprämie P(g): Ein Individuum ist risikoaverser als ein anderes bezüglich einer einfachen Lotterie g, falls seine Risikoprämie für g höher ist. Diese Charakterisierung hängt von Lotterien g ab; es könnte technisch aufwendig sein, Risikoeinstellungen zu vergleichen. Vielleicht könnte ein adäquates Mass auch über Eigenschaften der Bernoulli-Nutzenfunktion u(w) definiert werden? 68 / 132
69 Krümmung der Bernoulli Nutzenfunktion u( ) u(w) u(e[w]) E[u(w)] SÄ P Gegeben sei eine Nutzenfunktion u(w) und eine Lotterie g = (p 1 w 1,(1 p 1 ) w 2 ) mit ErwartungswertE[w]. w 1 E[w] w 2 e 69 / 132
70 Krümmung der Bernoulli Nutzenfunktion u( ) u(w) u(e[w]) E[u(w)] SÄ P P Berechne Erwartungsnutzen E[u(w)] und Risikoprämie P(g). w 1 E[w] w 2 e 70 / 132
71 Krümmung der Bernoulli Nutzenfunktion u( ) u 2 (w) = w 1/2 u(e[w]) SÄ P u 3 (w) = w 1/3 u 4 (w) = w 1/4 u 5 (w) = w 1/5 w 1 E[w] w 2 e 71 / 132
72 Krümmung der Bernoulli Nutzenfunktion u( ) u 2 (w) = w 1/2 u(e[w]) SÄ P u 3 (w) = w 1/3 u 4 (w) = w 1/4 u 5 (w) = w 1/5 w 1 E[w] w 2 e Risikoprämie höher für stärkere Krümmung der Nutzenfunktion! 72 / 132
73 Masse der Risikoeinstellung Je gekrümmter die Bernoulli-Nutzenfunktion, desto höher die Risikoprämie P der Lotterie g. Gilt dies nur für g oder allgemein? Was wäre ein einfaches Krümmungsmass? Die Krümmung einer Funktion wird bestimmt durch ihre zweite Ableitung, die angibt, wie stark ihre erste Ableitung steigt bzw. fällt. 73 / 132
74 Arrow-Pratt-Mass der absoluten Risikoaversion Definition (Arrow-Pratt-Mass der absoluten Risikoaversion) Das Arrow-Pratt-Mass der absoluten Risikoaversion R a (w) is gegeben durch R a (w) = u (w) u (w). R a (w) ist streng positiv, wenn u(w) streng konkav ist (u < 0), Null, wenn u(w) linear ist (u = 0), und streng negativ, wenn u(w) streng konvex ist (u > 0). Je grösser R a (w) ist, desto grösser die Risikoaversion. 74 / 132
75 Beispiel: Arrow-Pratt-Mass von u(w) = w u( ) u(w) = w = w 1 2 u(e[w]) E[u(w)] SÄ P u (w) = 1 2 w 1 2, u (w) = 1 4 w 3 2, R a (w) = u 1 (w) u (w) = 4 w w 1 2 = 1 2w. w 75 / 132
76 Arrow-Pratt-Mass der absoluten Risikoaversion Das Arrow-Pratt-Mass der absoluten Risikoaversion R a (w) = u (w)/u (w) ist invariant bezüglich linearer Transformationen der Nutzenfunktion. enthält alle identifizierenden Eigenschaften einer Nutzenfunktion, d.h. kennt man R a (w) für alle w A, kann man daraus die (bis auf positiv-lineare Transformation eindeutige) zugehörige Nutzenfunktion konstruieren. ist ein lokales Mass, kann also in w variieren! Also kann sich die Risikoaversion eines Individuums in der Höhe der Auszahlungen einer Lotterie und damit ebenfalls im Anfangsvermögen eines Individuums verändern. 76 / 132
77 Absolute Risikoaversion und Risikoprämie Proposition Für zwei monoton steigende, streng konkave Nutzenfunktionen u 1 (w) und u 2 (w) sind die folgenden Bedingungen äquivalent: (i) Ra 1(w) R2 a (w) für alle Ergebnisse w A und (ii) P 1 (g) P 2 (g) für alle Lotterien g G. Also misst R a in der Tat die Risikoaversion (ebenso wie P). 77 / 132
78 Absolute Risikoaversion und Risikoprämie Intuition: Sowohl Risikoprämie als auch absolute Risikoaversion sind Masse der Konkavität einer Nutzenfunktion. Man kann auch zeigen, dass Bedingungen (i) und (ii) äquivalent sind zu dieser Bedingung: u 1 ( ) ist eine konkave Transformation von u 2 ( ). Def. u 1 ( ) heisst konkave Transformation von u 2 ( ) wenn gilt, dass u 1 (w) ρ(u 2 (w)) für eine steigende und konkave Funktion ρ( ). 78 / 132
79 Absolute Risikoaversion und Einkommensänderung Die Risikoprämie einer Lotterie g ist ein intuitives Mass für die Risikoeinstellung eines Entscheiders (Zahlungsbereitschaft, um Lotterie g zu vermeiden). Falls Einkommen eines Individuums steigt, könnte sich die Risikoprämie für g verändern. Beispiel: Zu welchem Preis würden sie folgende Wette akzeptieren, bei der sie mit gleicher Wahrscheinlichkeit 1e bezahlen müssen oder 1e bekommen? 79 / 132
80 Beispiel: Einkommmenslotterien in den Fällen (a) und (b) g a /2 1/2 g b 1/2 1/ Abbildung: Durch die ±1e-Wette induzierte Einkommenslotterien g a und g b unter den Einkommen 1e und 1 Mioe. 80 / 132
81 Absolute Risikoaversion und Einkommensänderung Proposition (Arrow-Pratt) Für jede vnm-nutzenfunktion E[u(w)], u(w) streng monoton steigend und streng konkav, sind diese Aussagen äquivalent: (i) R a (w) ist eine fallende (konstante, steigende) Funktion von w. (ii) Risikoprämie P(g) einer Lotterie g mit Auszahlungen w i = w ±ε i, ε i hinreichend klein im Vergleich zu w, ist eine fallende (konstante, steigende) Funktion von w. Veränderung von Risikoprämie und absoluter Risikoaversion im Einkommen w haben das gleiche Vorzeichen. 81 / 132
82 DARA: Funktionen mit fallender absoluter Risikoaversion Falls das Arrow-Pratt-Mass der absoluten Risikoaversion einer Funktion im Einkommen sinkt, bezeichnet man diese Funktion als DARA-Funktion (decreasing absolute risk aversion). Formal: Falls für eine Nutzenfunktion u(w) gilt, dass < 0, dann ist u(w) eine DARA Nutzenfunktion. R a(w) w Beispiel: u(w) = w. Ableitungen: u (w) = 1 2 w 1 2 und u (w) = 1 4 w 3 2. Daher ist Ra = 1 4 w w 1 2 = w. Ableitung von Ra (w): Ra(w) w = < 0. w 2 82 / 132
83 CARA: Funktionen mit konstanter absoluter Risikoaversion Falls das Arrow-Pratt-Mass der absoluten Risikoaversion einer Funktion im Einkommen konstant bleibt, nennt man diese Funktion CARA-Funktion (constant absolute risk aversion). Formal: Falls für eine Nutzenfunktion u(w) gilt, dass R a(w) w = 0, dann ist u(w) eine CARA Nutzenfunktion. Beispiel: u(w) = exp( ρw), ρ > 0. Ableitungen: u (w) = ρ exp( ρw), u (w) = ρ 2 exp( ρw). Daher ist Ra = ρ2 exp( ρw) ρ exp( ρw) = ρ. Ableitung von Ra (w): Ra(w) w = / 132
84 IARA: zb. Quadratische Nutzenfunktion In manchen Anwendungen der politischen Ökonomie oder der Finanzwirtschaft wird eine quadratische Nutzenfunktion benutzt, z.b. u(w) = 2w ( w w) 2 mit w w. Ableitungen: u (w) = 2+2( w w), u (w) = 2. Daher ist R a = 2 2+2( w w) = 1 1+ w w. Ableitung von R a (w): Ra(w) w = 1 (1+ w w) 2 > 0. Also hat die quadratische Nutzenfunktion steigende absolute Risikoaversion (manchmal auch IARA genannt). 84 / 132
85 Relative Risikoaversion Fallende absolute Risikoaversion (DARA) scheint empirisch plausibel. Akzeptanz für kleine Lotterien könnte im Einkommen steigen, sie werden immer unwichtiger im Vergleich zum Einkommen. Vielleicht nützlich, den Anteil des Einkommens zu betrachten, der unsicherheitsbehaftet ist. Z.B. bei der optimalen Aufteilung eines Anlagebetrages in verschiedene Wertpapiere. Steigt Anteil, der in unsichere Anlagen investiert wird im Anlagebetrag? 85 / 132
86 Relative Risikoaversion Definition (Relative Risikoaversion) Das Mass der relativen Risikoaversion R r (w) is gegeben durch R r (w) = u (w) u (w) w = R a(w) w. 86 / 132
87 Relative Risikoaversion: u(w) = ln(w) Ableitungen: u (w) = 1 w, u (w) = 1 w 2. Daher ist R a = 1 w 2 1 w = 1 w. Ableitung von R a (w): Ra(w) w = 1 DARA. R r (w) = 1, eine Konstante. Damit Rr(w) w w 2 < 0, also ist ln(w) = 0 und ln(w) ist eine CRRA-Funktion (constant relative risk aversion). Es gilt generell: Falls eine Funktion CRRA ist, so ist sie auch DARA. Falls eine Funktion CARA oder IARA ist, so hat sie auch steigende relative Risikoaversion. 87 / 132
88 Beispiel 3: Investition in ein riskantes Wertpapier Wichtiges Anwendungsgebiet: Finanzmärkte. Auszahlungen von Aktien, Anleihen, und ähnlichen Wertpapieren unsicher (Kurs-, Ausfall-, Währungs- und Zinsrisiko etc.). Hier einfaches Beispiel: Individuum entscheidet über die Investition seines Einkommens w. Zwei Anlagemöglichkeiten stehen zur Verfügung: Risikolose Anlage A, zahlt mit Sicherheit am Ende des Tages (1+r)w A aus (dabei r 0 Zinssatz und w A Anlagebetrag). Wertpapier W, zahlt mit Wahrscheinlichkeit p Betrag (1+r H )w W und mit (1 p) Betrag (1+r N )w W aus (dabei r H > r > r N Rendite und w W Anlagebetrag). 88 / 132
89 Beispiel 3: Investition in ein riskantes Wertpapier Investor mit Nutzenfunktion ln(w): DARA & CRRA. Was ist die optimale Aufteilung des Vermögens auf A und W? Optimierungsproblem des Investors: max wa,w W p ln((1+r)w A +(1+r H )w W ) +(1 p) ln((1+r)w A +(1+r N )w W ) so dass w W + w A = w. Hilfreiche Definition: Einkommensanteil α,welcher in W investiert wird, also α = w W w = 1 w A w. 89 / 132
90 Beispiel 3: Investition in ein riskantes Wertpapier Optimierungsproblem des Investors in α: max α p ln((1+r H )αw +(1+r)(1 α)w) w lässt sich ausklammern: +(1 p) ln((1+r N )αw +(1+r)(1 α)w). max α ln(w)+p ln((1+r H )α+(1+r)(1 α)) +(1 p) ln((1+r N )α+(1+r)(1 α)). Vor dem Ableiten zusammenfassen: max α ln(w)+p ln(1+r +α(r H r))+(1 p) ln(1+r +α(r N r)). Die optimale Wahl von α ist unabhängig von w. 90 / 132
91 Beispiel 3: Investition in ein riskantes Wertpapier BEO (durch Ableiten der Zielfunktion nach α): p(r H r) 1+r +α(r H r) = (1 p)(r r N) 1+r +α(r N r). Interpretation: Erwarteter Grenznutzen muss bei optimaler Wahl α in beiden Zuständen gleich hoch sein. Auflösen nach α ergibt nach einigem Rechnen α = (1+r)(pr H +(1 p)r N r). (r H r)(r r N ) pr H +(1 p)r N ist gerade die erwartete Rendite des Wertpapiers E[r W ]. 91 / 132
92 Beispiel 3: Investition in ein riskantes Wertpapier Optimaler Anteil α: α = (1+r)(E[r W] r) (r H r)(r r N ). α > 0 genau dann wenn E[r W ] > r. α < 0 entspricht Leerverkauf des WPs, α > 1 Kauf auf Kredit. Sollten Staatsanleihen oder Aktien im Erwartungswert höhere Rendite erzielen? Def. Der Verkauf eines Wertpapiers, das der Verkäufer zum Verkaufszeitpunkt noch nicht besitzt heisst Leerverkauf. Der Verkäufer profitiert von dem Leerverkauf, wenn der verkaufte Gegenstand im Preis sinkt. 92 / 132
93 Aktien vs. Staatsanleihen Abbildung: Reale Jahres-Renditen des Standard & Poor s Index (links) und amerikanischer Staatsanleihen (rechts). Graphiken aus Kocherlakota (1996, JEL 34(1), pp ) mit verschiedener Skalierung. 93 / 132
94 Aktien vs. Anleihen: Durchschnittliche reale Renditen p.a. S & P 500 Staatsanleihen Differenz ,08 % 7,23 % -2,15 % ,15 % 5,08 % 4,08 % ,78 % 3,18 % 3,60 % ,83 % 0,82 % -1,64 % ,54 % 7,41 % 10,13 % ,52 % 2,80 % 4,72 % ,22 % -4,57 % 12,79 % ,32 % 1,05 % 14,27 % ,90 % 2,27 % 3,63 % ,12 % -0,30 % 2,42 % ,59 % 5,32 % 4,28 % ,16 % 2,61 % 12,54 % Sample Mean 8,81 % 3,24 % 5,57 % (Daten aus Fama, French (2002, JoF 57(2), pp )) 94 / 132
95 Beispiel 3: Investition in ein riskantes Wertpapier Nachfrage nach unsicherem Wertpapier hängt von Risikoeinstellung des Investors, und von den Preisen für Einkommen in Zustand H bzw. N (also r H bzw. r N ) ab. Bedingung erster Ordnung: Grenznutzen des Einkommens aus den verschiedenen Zuständen angleichen (wie immer bei der Wahl des optimalen Güterbündels). 95 / 132
96 Risiko Im Beispiel musste der Investor durch einen höheren Erwartungswert der unsicheren Anlage kompensiert werden, um eine positive Menge nachzufragen. Nicht sonderlich überraschend, dies ist Definition von Risikoaversion! Was ist aber das Risiko einer Lotterie? Intuitiv: Ein risikoaverser Entscheider sollte, ohne dafür kompensiert zu werden, eine weniger riskante Lotterie gegenüber einer riskanteren bevorzugen. 96 / 132
97 Risikovergleich zwischen Lotterien Im Beispiel: riskantes Wertpapier und sichere Anlage. Wertpapier doch sicher riskanter als sichere Anlage? Trotzdem positive Nachfrage nach Wertpapier möglich, abhängig vom Erwartungswert! Also wird Risiko der riskanteren Lotterie zumindest teilweise über die Differenz der Erwartungswerte kompensiert. Idee: Vergleiche Lotterien und halte dabei Erwartungswert konstant. 97 / 132
98 Beispiel 4: Risikovergleich Seien g und h zwei Lotterien definiert durch g = (p w g 1,(1 p) w g 2 ) und h = (p w h 1,(1 p) w h 2 ). Die erwarteten Auszahlungen von g und h seien gleich, d.h. E[w g ] = pw g 1 +(1 p)w g 2 = pw h 1 +(1 p)w h 2 = E[w h ]. Ausserdem gelte w g 1 > w 1 h > w 2 h > w g 2, also liegen Auszahlungen von g ausserhalb jener von h. 98 / 132
99 Beispiel 4: Lotterien g und h graphisch wg 1 = 10 p g wh 1 = 7, 5 p h 1 p 1 p wh 2 = 2, 5 w 2 g = 0 99 / 132
100 Beispiel 4: Risikovergleich Wird ein risikoaverser Entscheider g oder h bevorzugen? E[u(w h )] > E[u(w g )] falls (1 p)(u(w2 h ) u(w g 2 )) > p(u(w g 1 ) u(w 1 h )). Teilen beider Seiten durch p(w g 1 w 1 h) = (1 p)(w 2 h w g 2 ) u(w h 2 ) u(w g 2 ) w h 2 w g 2 > u(w g 1 ) u(w 1 h) w g 1 w 1 h. Diese Ungleichung hält, falls u(w) global konkav in w. Also wird jeder risikoaverse Entscheider h gegenüber g vorziehen, egal welche Nutzenfunktion er genau hat. Also erscheint g riskanter als h. 100 / 132
101 Beispiel 4: Risikovergleich u(wg) 1 u(wh) 1 u(w 2 h) u( ) SÄ P u(w) Für jede streng konkave Funktion u( ) gilt, dass u(w2 h) u(w g 2 ) w2 h w g > 2 u(w g 1 ) u(w 1 h) w g 1 w 1 h. u(wg) 2 wg 2 = 0 wh 2 = 2, 5 w 1 h = 7, 5 w 1 g = 10 e 101 / 132
102 Allgemein: Mean Preserving Spreads Idee: Betrachte Geldlotterie h = (p h 1 w h 1,..., ph n w h n ). Dann, betrachte zusammengesetzte Geldlotterie g, welche an Stelle jedes Ergebnisses wi h von h (i {1,..., n}) zu einer Lotterie h i führt, wobei E[h i ] = w h Dann ist g ein Mean Preserving Spread (MPS, erwartungstreue Streckung ) von h. Intuitiv: g schiebt Wahrscheinlichkeitsmasse nach aussen an die Ränder, ohne den Erwartungswert zu ändern. i. 102 / 132
103 Allgemein: Mean Preserving Spreads Definition (Mean Preserving Spread) Betrachte die Geldlotterien h und g. Bezeichne x h und x g die jeweils zugehörige Zufallsvariable. Dann ist g ein Mean Preserving Spread (MPS, erwartungstreue Streckung ) von h, wenn gilt: x g = x h + z für eine beliebige Zufallsvariable z mit E[z] = / 132
104 Mean Preserving Spreads u(w) u( ) u(e[w 0 ]) Gegeben sind eine Bernoulli-Nutzenfunktion u( ) und eine Lotterie g, die mit Sicherheit w 0 auszahlt. E[w 0 ] w 104 / 132
105 Beispiel: Lotterien g und g graphisch g 1 w 0 w 3 1/2 g 1/2 w 2 Abbildung: Links: Lotterie g, die mit Sicherheit w 0 auszahlt. Rechts: g mit 1/2(w 2 + w 3 ) = w 0 ist ein MPS von g. 105 / 132
106 Mean preserving spreads u(w) u( ) u(e[w 0 ]) U(g ) Der Erwartungsnutzen der Lotterie g ist kleiner als der von g U(g ) = 1 2 u(w 2)+ 1 2 u(w 3). w 2 E[w 0 ] w 3 w 106 / 132
107 Mean preserving spreads u(e[w 0 ]) U(g ) U(g ) u(w) P u( ) Abermaliges erwartungstreues Spreizen von g ergibt den weiteren MPS g mit noch geringerem Erwartungsnutzen. w 1 w 2 E[w 0 ] w 3 w 4 w 107 / 132
108 Risiko Proposition Betrachte zwei Lotterien g und h mit Auszahlungen w g i Die folgenden Bedingungen sind äquivalent: (i) g ist ein MPS von h. (ii) E[u(wi h )] > E[u(w g i )] für jede konkave Funktion u(w). und w h i. Unter Bedingung (i) bevorzugen alle risikoaversen Agenten h gegenüber g. Umkehrschluss: h ist weniger riskant als g, g ist ein Risikoanstieg gegenüber h. 108 / 132
109 Beispiel 5: Prüfungsvorbereitung Student S bereitet sich auf ein Examen vor. Die Prüfung besteht aus einer Frage, die zufällig mit gleicher Wahrscheinlichkeit aus 3 Themengebieten ausgewählt wird. S kann seine Zeit T = 1 auf die Vorbereitung der Themen aufteilen, wählt (t 1, t 2, t 3 ). t i bestimmt direkt die Punktzahl bei Frage aus Thema i. S ist risikoavers und bezieht Nutzen aus erzielten Punkten u S = t i, wobei i das zufällig ausgewählte Thema bezeichnet. Was ist die optimale Vorbereitungsstrategie? 109 / 132
110 Beispiel 5: Prüfungsvorbereitung g t 1 1/3 t 2 1/3 1/3 Abbildung: Über die Zeitaufteilung (t 1, t 2, t 3 ) kann Nutzen zwischen den verschiedenen Zuständen der Welt (Prüfungsthemen) verschoben werden. t / 132
111 Beispiel 5: Prüfungsvorbereitung Im Optimum wird (t 1, t 2, t 3 ) so gewählt, dass GRS zwischen allen Zuständen gleich ist. Eintrittswahrscheinlichkeiten der Zustände (Themen) sind ebenfalls gleich. Daher wird S im Optimum t 1 = t 2 = t 3 = 1/3 wählen. Alle anderen Aufteilungen sind MPS von (t 1, t 2, t 3 ). Analogie zum Portfolio-Entscheidungsproblem: Nicht alle Eier in einen Korb legen. 111 / 132
112 Beispiel 5: Mut zur Lücke Allerdings liegt üblicherweise die Bestehensgrenze bei 50%, also fällt Student mit Sicherheit durch, da t i = 1/3 <.5, i = 1, 2, 3. S sollte ihre Nutzenfunktion modifizieren: 0 falls t i < 1/2 u(t i ) = ti falls 1/2 t i 1, 1 falls t i > 1. Dh. die Nutzenfunktion hat eine Sprungstelle (von 0 auf 1/2 bei ti = 1/2). Investition von Zeit in ein Thema nur sinnvoll, falls t i 1/2. Optimierungsproblem: Wahl zwischen Lotterien vom Typ (2/3 1/2, 1/3 0) und (1/3 1, 2/3 0). 112 / 132
113 Beispiel 5: Mut zur Lücke graphisch 1/2 1/3 g 1/2 1/3 1/3 0 g 1/2 2/3 1/3 0 E[g] = = 1 3 = E[g ]. 1 2/3 0 g 1/3 Abbildung: Links: Zeitaufteilung auf zwei Themengebiete ergibt Lotterie g. Mitte: Zeitaufteilung auf zwei Themengebiete zusammengefasst. Rechts: Vergleich mit MPS g (Vorbereitung nur auf ein Themengebiet). 113 / 132
114 Beispiel 5: Mut zur Lücke Da S risikoavers und g ein MPS von g ist, wird sich S auf zwei Themen vorbereiten. Obwohl g mit (1/2, 1/2, 0) riskanter ist als Vollversicherung (t i = 1/3, i = 1, 2, 3) wird S durch die Sprungstelle zum Risiko gezwungen. Durchfallgrenze von 50% impliziert Nutzen erst ab Mindestinvestition t i = 1/2. Fixkosten bzw. diskrete Auszahlungsniveaus können risikofreudiges Verhalten risikoaverser Individuen auslösen. 114 / 132
115 Weiterführende Themen Welche Prüfungsform wird ein Dozent wählen, der möglichst breite Ausbildung der Studenten im Auge hat? Wenn der Dozent private Anreize hat, möglichst niedrige/hohe Durchfallquoten zu induzieren? Mechanismus-Design Im Modell präferieren schlechte Studenten riskantere Prüfungen. Wieviele Fragen sollte die Klausur Ihrer Meinung nach haben? Signalisierungsspiele. 115 / 132
116 Diskussion Erwartungsnutzentheorie ergibt eine formale Darstellung ökonomischen Verhaltens unter Unsicherheit, die mathematisch beherrschbar ist. Ermöglicht z.b. die Existenz von Versicherungsmärkten zu erklären. Linearität der Erwartungsnutzenfunktion in Wahrscheinlichkeiten eine starke Restriktion, ermöglicht relativ einfache Messung. Erwartungsnutzentheorie ist axiomatisiert durch Annahmen an Präferenzen über Handlungsalternativen mit unsicheren Konsequenzen. Annahmen der Erwartungsnutzentheorie vergleichsweise stark und detailliert, damit einfach testbar. 116 / 132
117 Diskussion Erwartungsnutzentheorie hat zwei Komponenten. Normativ sagt sie aus, dass Individuen, deren Präferenzen die Erwartungsnutzen-Axiome erfüllen, eine vnm-nutzenfunktion besitzen und diese maximieren sollten. Positiv sagt sie aus, dass tatsächliches individuelles Verhalten unter Unsicherheit mit einer Erwartungsnutzenfunktion konsistent sein sollte. 117 / 132
118 Messung der Erwartungsnutzenfunktion Haben Sie eine Erwartungsnutzenfunktion? Wie sieht sie aus? Dazu können Sie Ihre persönliche Zahlungsbereitschaft für die folgenden drei Lotterien angeben. Aus den Antworten können Sie dann Teile Ihrer Nutzenfunktion konstruieren. Dieser Messungsvorschlag folgt Klaus Schmidts Vorlesungsskriptum Mikroökonomie (2006). 118 / 132
119 Messung der Erwartungsnutzenfunktion Frage 1: Welcher sichere Geldbetrag wäre genauso gut für Sie wie eine Lotterie, bei der Sie mit gleicher Wahrscheinlichkeit 4000e gewinnen oder 1000e verlieren? Antwort 1 (A 1 ):... Frage 2: Welcher sichere Geldbetrag wäre genauso gut für Sie wie eine Lotterie, bei der Sie mit gleicher Wahrscheinlichkeit 4000e gewinnen oder den bei Antwort 1 angegeben Betrag gewinnen? Antwort 2 (A 2 ):... Frage 3: Welcher sichere Geldbetrag wäre genauso gut für Sie wie eine Lotterie, bei der Sie mit gleicher Wahrscheinlichkeit den bei Antwort 1 angegeben Betrag gewinnen oder 1000e verlieren? Antwort 3 (A 3 ): / 132
120 Messung der Erwartungsnutzenfunktion Die drei Antworten bestimmen (mit sicheren Auszahlungen 4000 und 1000) fünf Punkte Ihrer vnm-nutzenfunktion. Die Nutzenfunktion kann beliebig umskaliert werden, wir wählen u( 1000) = 0 und u(4000) = 1. Damit gilt u(a 1 ) = 1/2 und damit u(a 2 ) = 3/4 sowie u(a 3 ) = 1/4. Zusammen mit den zugehörigen Geldbeträgen haben Sie nun fünf Koordinaten, die Sie auf der folgenden Graphik eintragen können. 120 / 132
121 Messung der Bernoulli-Nutzenfunktion 1 u(w) 3/4 1/2 1/4 Hier können Sie die durch Ihre Antworten A 1, A 2 und A 3 bestimmten Punkte Ihrer Bernoulli- Nutzenfunktion eintragen w 121 / 132
122 Lotterien im Simplex Definition (Simplex) Eine Menge = {p R N + : p i = 1} heisst N-dimensionaler Simplex. In seinem drei-ergebnis (3-dimensionalen) Fall, kann ein Simplex graphisch als gleichseitiges Dreieck mit Höhe 1 dargestellt werden. Die rechtwinklige Entfernung von einer Seite des Dreiecks wird dann als Wahrscheinlichkeit des Ergebnisses das dieser Seite gegenüberliegt interpretiert. Da für jeden Punkt im Simplex gilt 3 p i = 1, i=1 beschreibt jeder Punkt im Simplexdiagramm eine Lotterie. 122 / 132
123 Lotterien über Geld Die Lotterie Q = {p 1 1, p 2 2, p 3 3} mit p 1 = p 2 = p 3 = 1 / 3. e3 1 e3 1 / 2 p 2 Q p / 2 e1 1 1 e2e1 p 3 e2 123 / 132
124 Präferenzen über Lotterien Die vnm-annahmen induzieren gerade & parallele Indifferenzkurven über Lotterien w (u v) im Simplexdiagramm. Hier eine Illustration der Macht von Reduktion & Unabhängigkeit: (α u,(1 α) w) (α v,(1 α) w) e3 e3 w 1 / 2 u + 1 / 2 w 1 / 2 v + 1 / 2 w 1 / 2 u + 1 / 2 v e1 u v e2 e1 u v e2 124 / 132
125 Allais Paradoxon Von Neumann und Morgenstern verstanden die Erwartungsnutzentheorie als normatives Argument für idealisiertes Risikoverhalten. Die praktische Anwendbarkeit der Theorie machte es allerdings bald notwendig auch ihre Vorhersagen zu überprüfen. Die klassische Falsifikation dieser deskriptiven Seite der Erwartungsnutzentheorie ist Allais Paradoxon. Sie wählen zwischen Alternativen L 1 und L 2 bzw. L 3 und L 4 : L 1 : {0.0 e0, 1 e1, 0.0 e5} L 2 : {0.01 e0, 0.89 e1, 0.1 e5} L 3 : {0.9 e0, 0 e1, 0.1 e5,} L 4 : {0.89 e0, 0.11 e1, 0.0 e5} (Beträge in Millionen.) 125 / 132
126 Allais Paradoxon Typischerweise wird L 1 L 2 und L 3 L 4 gewählt aber parallele, gerade Indifferenzkurven können nicht sowohl L 1 L 2 als auch L 3 L 4 repräsentieren! e5 Mio e5 Mio L 3 L 2 L 3 L 2 e0 Mio L 4 L 1 L 4 e1 Mio e0 Mio L 1 e1 Mio Das übliche Wahlverhalten in Allais Paradoxon kann also nicht durch die Erwartungsnutzentheorie beschrieben werden. 126 / 132
127 Allais Paradoxon: Einige Reaktionen 1. Es handelt sich um hypothetische Fragen, nicht um wirkliche Entscheidungen. Also ist das Allais-Paradox ohne empirische Relevanz. Aber: Experimentelle Untersuchungen belegen das Entscheidungsmuster. 2. Individuen machen in unvertrauten Entscheidungssituationen Fehler. Analogie: Hätten Sie liebere96 69 odere87 78? Wenn Sie spontan die erste Alternative wählen, ist das keine Evidenz gegen die Hypothese, dass Sie lieber mehr als weniger Geld hätten. Sondern Evidenz dafür, dass Sie nicht gut im Kopf rechnen können. 3. Theorien stossen häufig an Grenzen, wenn Sie auf unübliche Situationen angewandt werden. Aber: Es bleibt unklar, unter welchen Umständen die Erwartungsnutzentheorie dann anwendbar ist. 127 / 132
128 Rabins Paradox Grad der Risikoaversion entspricht Krümmung der Bernoulli-Nutzenfunktion. Für sehr kleine Lotterien lässt sich die Nutzenfunktion daher gut mit einer linearen Funktion approximieren. Man kann zeigen, dass sich relative geringe Risikoaversion gegen kleine Lotterie in immense Risikoaversion gegen grosse übersetzt. 128 / 132
129 Rabins Paradox: Ein Beispiel Johnny sei ein risikoaverser Erwartungsnutzenmaximierer, welcher für beliebige Anfangsausstattungen w 0 folgende Lotterie ablehnt: { 1 2 w 0 10, 1 2 w } Frage: Wie gross muss Y mindestens sein, damit Johnny folgende Lotterie annimmt (für beliebiges w 0 ): { 1 2 w 0 100, 1 2 w 0 + Y}? (a) e110. (b) e221. (c) e2,000. (d) e20,242. Antwort: (f)! (e) e1.1 Million. (f) Johnny wird die Lotterie ablehnen, egal wie gross Y ist. (g) Wir brauchen mehr Informationen über Johnny s Nutzenfunktion. 129 / 132
130 Rabins Paradox: Intuition Um Lotterie {1/2 w 0 10, 1/2 w } abzulehnen, muss die Nutzenfunktion im Intervall [w 0 10, w ] hinreichend gekrümmt sein. Es muss für durchschnittliche Steigung auf [w 0 10, w 0 ] bzw. [w 0, w ] gelten, dass u(w ) u(w 0 ) < u(w 0) u(w 0 10) e bei w ist damit maximal 10/11 soviel Wert wie 1e bei w Iteration (setze w 0 = w ): 1e bei w ist maximal 10/11 soviel Wert wie 1e bei w + 10 maximal (10/11) 2 soviel wie 1e bei w Etc. Risikoaversion bei kleinen Lotterien impliziert rapide sinkenden Grenznutzen und damit kleinen (beschränkten!) Zusatznutzen beliebig grosser Auszahlungen! 130 / 132
16 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
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
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
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
Mehr5.Unsicherheit. 5.1WahrscheinlichkeitundRisiko
1 5.Unsicherheit Bisher sind wir von vollständiger Planungssicherheit seitens der Entscheidungsträger ausgegangen. Dies trifft in vielen Fällen natürlich nicht den Kern eines Entscheidungsproblems.Wennz.B.eineEntscheidungfürdenKaufvonAktiengetroffen
MehrKapitel 14: Unvollständige Informationen
Kapitel 14: Unvollständige Informationen Hauptidee: Für das Erreichen einer effizienten Allokation auf Wettbewerbsmärkten ist es notwendig, dass jeder Marktteilnehmer dieselben Informationen hat. Informationsasymmetrie
MehrVorlesung 2: Risikopräferenzen im Zustandsraum
Vorlesung 2: Risikopräferenzen im Zustandsraum Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie VL 2, FS 12 Risikopräferenzen im Zustandsraum 1/29 2.1 Motivation
Mehrgeben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen
geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde
Mehr2. Mai 2011. Geldtheorie und -politik. Die Risiko- und Terminstruktur von Zinsen (Mishkin, Kapitel 6)
Geldtheorie und -politik Die Risiko- und Terminstruktur von Zinsen (Mishkin, Kapitel 6) 2. Mai 2011 Überblick Bestimmung des Zinssatzes im Markt für Anleihen Erklärung der Dynamik von Zinssätzen Überblick
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
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
MehrKapitel 5: Entscheidung unter Unsicherheit
Kapitel 5: Entscheidung unter Unsicherheit Hauptidee: Die Konsequenzen einer Entscheidung sind oft unsicher. Wenn jeder möglichen Konsequenz eine Wahrscheinlichkeit zugeordnet wird, dann kann eine rationale
MehrKorrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
MehrKlausur zu Vorlesung und. Versicherungsmärkte am 19.02.2002
Ludwig-Maximilians-Universität München Seminar für Versicherungswissenschaft Prof. Ray Rees / Prof. Achim Wambach, D.Phil. Versicherungsmärkte WS 2001 / 2002 Diplomprüfung für Volkswirte Klausur zu Vorlesung
MehrRisikoeinstellungen empirisch
Risikoeinstellungen empirisch Risk attitude and Investment Decisions across European Countries Are women more conservative investors than men? Oleg Badunenko, Nataliya Barasinska, Dorothea Schäfer http://www.diw.de/deutsch/soep/uebersicht_ueber_das_soep/27180.html#79569
MehrBeispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen
4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.
MehrName:... Matrikel-Nr.:... 3 Aufgabe Handyklingeln in der Vorlesung (9 Punkte) Angenommen, ein Student führt ein Handy mit sich, das mit einer Wahrscheinlichkeit von p während einer Vorlesung zumindest
MehrKapitel 16 und 17. Anwendungen Konsumententheorie
Kapitel 16 und 17 Anwendungen Konsumententheorie 1 Anwendung: Konsumententheorie Kapitel 16 Arbeitsangebot: Eine wichtige Aktivität von Konsumenten oder aushalten ist: Arbeiten Zeit kann man für verschiedene
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
MehrProf. 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
Mehr50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
MehrPrimzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
Mehr1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:
Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:
MehrStatistik I für Betriebswirte Vorlesung 5
Statistik I für Betriebswirte Vorlesung 5 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik 07. Mai 2015 PD Dr. Frank Heyde Statistik I für Betriebswirte Vorlesung 5 1 Klassische Wahrscheinlichkeitsdefinition
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
MehrKapitalerhöhung - Verbuchung
Kapitalerhöhung - Verbuchung Beschreibung Eine Kapitalerhöhung ist eine Erhöhung des Aktienkapitals einer Aktiengesellschaft durch Emission von en Aktien. Es gibt unterschiedliche Formen von Kapitalerhöhung.
MehrVorlesung 3: Risikoaversion
Vorlesung 3: Risikoaversion Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Entscheidung VL 3 (FS 11) Risikoaversion 1 / 21 1. Modellrahmen In diesem Kapitel betrachten wir nur monetäre
Mehr7 Rechnen mit Polynomen
7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn
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
MehrKapitel 5: Entscheidung unter Unsicherheit
Kapitel 5: Entscheidung unter Unsicherheit Hauptidee: Die Konsequenzen einer Entscheidung sind oft unsicher. Wenn jeder möglichen Konsequenz eine Wahrscheinlichkeit zugeordnet wird, dann kann eine rationale
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,
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
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
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
MehrAufgabe 1. Zunächst wird die allgemeine Tangentengleichung in Abhängigkeit von a aufgestellt:
Aufgabe 1 1.1. Bestimmung von D max : 1. Bedingung: x >0 ; da ln(x) nur für x > 0 definiert ist. 2. Bedingung: Somit ist die Funktion f a nur für x > 0 definiert und sie besitzt eine Definitionslücke an
MehrAusarbeitung des Seminarvortrags zum Thema
Ausarbeitung des Seminarvortrags zum Thema Anlagepreisbewegung zum Seminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn von Imke Meyer im W9/10 Anlagepreisbewegung
MehrMechanismus Design Auktionen
Mechanismus Design Auktionen Universität Hohenheim Alexander Staus Mechanismus Design Universität Hohenheim 1/25 Welche Auktionen kennen Sie? traditionelle Auktionshäuser ebay Immobilien Fahrräder Blumen
Mehr11.AsymmetrischeInformation
.AsymmetrischeInformation Informationistnurwichtig,wenneineEntscheidungssituationdurcheinunsicheresUmfeld charakterisiertist.istesvielleichtso,daßauchdieunsicherheitselbstzueinereinschränkung derfunktionsfähigkeitvonmärktenführt?diesistinder
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
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
MehrAUTOMATISIERTE HANDELSSYSTEME
UweGresser Stefan Listing AUTOMATISIERTE HANDELSSYSTEME Erfolgreich investieren mit Gresser K9 FinanzBuch Verlag 1 Einsatz des automatisierten Handelssystems Gresser K9 im Portfoliomanagement Portfoliotheorie
MehrEinleitung. Das Ein-Perioden-Modell ist das einfachste. von derivaten Finanzinstrumenten (hier: Optionen) zu erklären.
Einleitung Das Ein-Perioden-Modell ist das einfachste Modell, um die Idee der Preisgebung von derivaten Finanzinstrumenten (hier: Optionen) zu erklären. naive Idee der Optionspreisbestimmung: Erwartungswertprinzip
MehrLineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3
Lineare Funktionen Inhaltsverzeichnis 1 Proportionale Funktionen 3 1.1 Definition............................... 3 1.2 Eigenschaften............................. 3 2 Steigungsdreieck 3 3 Lineare Funktionen
MehrExtrema von Funktionen in zwei Variablen
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Extrema von Funktionen in zwei Variablen Literatur: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,
MehrLösungshinweise zur Einsendearbeit 1 zum Fach Finanz- und bankwirtschaftliche Modelle, Kurs 42000, SS 2014 1
Lösungshinweise zur Einsendearbeit zum Fach Finanz- und bankwirtschaftliche Modelle, Kurs 42000, SS 204 Kurs: Finanz- und bankwirtschaftliche Modelle (42000) Lösungshinweise zur Einsendearbeit Nr. im SS
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
MehrAnhand des bereits hergeleiteten Models erstellen wir nun mit der Formel
Ausarbeitung zum Proseminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn zum Thema Simulation des Anlagenpreismodels von Simon Uphus im WS 09/10 Zusammenfassung
MehrInformationsökonomik: Anwendung Versicherungsmarkt
Informationsökonomik: Anwendung Versicherungsmarkt Tone Arnold Universität des Saarlandes 13. Dezember 2007 Tone Arnold (Universität des Saarlandes) Informationsökonomik: Anwendung Versicherungsmarkt 13.
MehrAufgabenblatt 3: Rechenbeispiel zu Stiglitz/Weiss (AER 1981)
Aufgabenblatt 3: Rechenbeispiel zu Stiglitz/Weiss (AER 1981) Prof. Dr. Isabel Schnabel The Economics of Banking Johannes Gutenberg-Universität Mainz Wintersemester 2009/2010 1 Aufgabe 100 identische Unternehmer
MehrTutorium zur Mikroökonomie II WS 02/03 Universität Mannheim Tri Vi Dang. Aufgabenblatt 3 (KW 44) (30.10.02)
Tutorium zur Mikroökonomie II WS 02/03 Universität Mannheim Tri Vi Dang Aufgabenblatt 3 (KW 44) (30.10.02) Aufgabe 1: Preisdiskriminierung dritten Grades (20 Punkte) Ein innovativer Uni-Absolvent plant,
MehrMathematischer Vorbereitungskurs für Ökonomen
Mathematischer Vorbereitungskurs für Ökonomen Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Gleichungen Inhalt: 1. Grundlegendes 2. Lineare Gleichungen 3. Gleichungen mit Brüchen
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
MehrQuantilsschätzung als Werkzeug zur VaR-Berechnung
Quantilsschätzung als Werkzeug zur VaR-Berechnung Ralf Lister, Aktuar, lister@actuarial-files.com Zusammenfassung: Zwei Fälle werden betrachtet und die jeweiligen VaR-Werte errechnet. Im ersten Fall wird
MehrSeminar Versicherungsrisiko und Ruin Prof. Hanspeter Schmidli 21,04,2009. Nutzentheorie
Seminar Versicherungsrisiko und Ruin Prof. Hanspeter Schmidli 21042009 Xin Wang Nutzentheorie 2.1 Einführung Die Nutzentheorie hat viele Anwendungen inbesondere in den Wirtschaftswissenschaften.In diesem
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.
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
MehrDer monatliche Tarif für ein Handy wurde als lineare Funktion der Form f(x) = k x + d modelliert (siehe Grafik).
1) Handytarif Der monatliche Tarif für ein Handy wurde als lineare Funktion der Form f(x) = k x + d modelliert (siehe Grafik). Euro Gesprächsminuten Tragen Sie in der folgenden Tabelle ein, welche Bedeutung
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrInformationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de
MehrLösungshinweise zur Einsendearbeit 2 SS 2011
Lösungshinweise zur Einsendearbeit 2 zum Kurs 41500, Finanzwirtschaft: Grundlagen, SS2011 1 Lösungshinweise zur Einsendearbeit 2 SS 2011 Finanzwirtschaft: Grundlagen, Kurs 41500 Aufgabe Finanzierungsbeziehungen
MehrData Mining: Einige Grundlagen aus der Stochastik
Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener
MehrETWR TEIL B ÜBUNGSBLATT 4 WS14/15
ETWR TEIL B ÜBUNGSBLATT 4 WS14/15 OTTO-VON-GUERICKE-UNIVERSITÄT MAGDEBURG F A K U L T Ä T F Ü R W I R T S C H A F T S W I S S E N S C H A FT LEHRSTUHL FÜR EMPIRISCHE WIRTSCHAFTSFORSCHUNG & GESUNDHEITSÖKONOMIE,
MehrKorrigenda Handbuch der Bewertung
Korrigenda Handbuch der Bewertung Kapitel 3 Abschnitt 3.5 Seite(n) 104-109 Titel Der Terminvertrag: Ein Beispiel für den Einsatz von Future Values Änderungen In den Beispielen 21 und 22 ist der Halbjahressatz
MehrDiplom BWL/VWL / B-BAE / B-SW / LA RS / LA GY
Diplom BWL/VWL / B-BAE / B-SW / LA RS / LA GY Prüfungsfach/Modul: Allgemeine Volkswirtschaftslehre Wirtschaftstheorie Wahlmodul Klausur: Institutionenökonomik (Klausur 60 Min) (200101, 201309, 211301)
MehrKlausur zu Vorlesung und. Versicherungsmärkte am 26.01.2001
Ludwig-Maximilians-Universität München Seminar für Versicherungswissenschaft Prof. Ray Rees / PD Achim Wambach, D.Phil. Versicherungsmärkte WS 2000 / 2001 Diplomprüfung für Volkswirte Klausur zu Vorlesung
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
MehrVertical-Spreads Iron Condor Erfolgsaussichten
www.mumorex.ch 08.03.2015 1 Eigenschaften Erwartung Preis Long Calls Long Puts Kombination mit Aktien Vertical-Spreads Iron Condor Erfolgsaussichten www.mumorex.ch 08.03.2015 2 www.mumorex.ch 08.03.2015
MehrDER SELBST-CHECK FÜR IHR PROJEKT
DER SELBST-CHECK FÜR IHR PROJEKT In 30 Fragen und 5 Tipps zum erfolgreichen Projekt! Beantworten Sie die wichtigsten Fragen rund um Ihr Projekt für Ihren Erfolg und für Ihre Unterstützer. IHR LEITFADEN
MehrSozialpolitik I (Soziale Sicherung) Wintersemester 2005/06
Sozialpolitik I (Soziale Sicherung) Wintersemester 2005/06 3. Vorlesung: Theorie der Alterssicherung Dr. Wolfgang Strengmann-Kuhn Strengmann@wiwi.uni-frankfurt.de www.wiwi.uni-frankfurt.de/~strengma Theorie
MehrHochschule Rhein-Main. Sommersemester 2015
Vorlesung Hochschule Rhein-Main Sommersemester 2015 Dr. Roland Stamm 29. Juni 2015 Erinnerung Bewertung eines Bonds mit Kupon k, Nominal N, Laufzeit t n: n Π(t) = N k δ(t i 1, t i ) P (t, t i ) + N P (t,
Mehrinfach Geld FBV Ihr Weg zum finanzellen Erfolg Florian Mock
infach Ihr Weg zum finanzellen Erfolg Geld Florian Mock FBV Die Grundlagen für finanziellen Erfolg Denn Sie müssten anschließend wieder vom Gehaltskonto Rückzahlungen in Höhe der Entnahmen vornehmen, um
Mehreinfache Rendite 0 145 85 1 160 90 2 135 100 3 165 105 4 190 95 5 210 110
Übungsbeispiele 1/6 1) Vervollständigen Sie folgende Tabelle: Nr. Aktie A Aktie B Schlusskurs in Schlusskurs in 0 145 85 1 160 90 2 135 100 3 165 105 4 190 95 5 210 110 Arithmetisches Mittel Standardabweichung
Mehri x k k=1 i u i x i v i 1 0,2 24 24 0,08 2 0,4 30 54 0,18 3 0,6 54 108 0,36 4 0,8 72 180 0,60 5 1,0 120 300 1,00 2,22 G = 1 + 1 n 2 n i=1
1. Aufgabe: Der E-Commerce-Umsatz (in Millionen Euro) der fünf größten Online- Shopping-Clubs liegt wie folgt vor: Club Nr. Umsatz 1 120 2 72 3 54 4 30 5 24 a) Bestimmen Sie den Ginikoeffizienten. b) Zeichnen
MehrMathematik. UND/ODER Verknüpfung. Ungleichungen. Betrag. Intervall. Umgebung
Mathematik UND/ODER Verknüpfung Ungleichungen Betrag Intervall Umgebung Stefan Gärtner 004 Gr Mathematik UND/ODER Seite UND Verknüpfung Kommentar Aussage Symbolform Die Aussagen Hans kann schwimmen p und
MehrKurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre
Grundlagen der Betriebswirtschaftslehre, Kurs 00091, KE 3, 4, 5 und 6, SS 2012 1 Kurs 00091: Finanzierungs- und entscheidungstheoretische Grundlagen der Betriebswirtschaftslehre Einsendearbeit 2 (SS 2012)
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
MehrVerschenken Sie kein Geld!
20 Verschenken Sie kein Geld! einschlägigen Börsenplätzen hat zudem die Kaufprovisionen der Fonds spürbar nach unten gedrückt. Trotzdem sind die Kosten nach wie vor ein wichtiges Bewertungskriterium dafür,
MehrV 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x + 400 y = 520 300x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775,
Aufgabenpool für angewandte Mathematik / 1. Jahrgang V B, C, D Drinks Ein gastronomischer Betrieb kauft 300 Dosen Energydrinks (0,3 l) und 400 Liter Flaschen Mineralwasser und zahlt dafür 50, Euro. Einen
MehrWas meinen die Leute eigentlich mit: Grexit?
Was meinen die Leute eigentlich mit: Grexit? Grexit sind eigentlich 2 Wörter. 1. Griechenland 2. Exit Exit ist ein englisches Wort. Es bedeutet: Ausgang. Aber was haben diese 2 Sachen mit-einander zu tun?
MehrAustausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen
Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:
MehrBeweisbar sichere Verschlüsselung
Beweisbar sichere Verschlüsselung ITS-Wahlpflichtvorlesung Dr. Bodo Möller Ruhr-Universität Bochum Horst-Görtz-Institut für IT-Sicherheit Lehrstuhl für Kommunikationssicherheit bmoeller@crypto.rub.de 6
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
Mehr3. LINEARE GLEICHUNGSSYSTEME
176 3. LINEARE GLEICHUNGSSYSTEME 90 Vitamin-C-Gehalt verschiedener Säfte 18,0 mg 35,0 mg 12,5 mg 1. a) 100 ml + 50 ml + 50 ml = 41,75 mg 100 ml 100 ml 100 ml b) : Menge an Kirschsaft in ml y: Menge an
MehrKlausur zur Vorlesung Informationsökonomik
Dr. Tone Arnold Wintersemester 2003/04 Klausur zur Vorlesung Informationsökonomik Die Klausur besteht aus drei Vorfragen und drei Hauptfragen, von denen jeweils zwei zu beantworten sind. Sie haben für
MehrEffizienzgründe für die Existenz einer Sozialversicherung
Soziale Sicherung A.3.1 Effizienzgründe für die Existenz einer Sozialversicherung Erster Hauptsatz der Wohlfahrtsökonomik: In einer Ökonomie mit rein privaten Gütern und einer perfekten Eigentumsordnung
MehrAsymmetrische Informationen Musterlösung Aufgabe 7.3 und 7.5
1 A 7.3 Erläutern Sie mögliche Probleme asymmetrischer Informationsverteilung auf a) einem Kreditmarkt. b) einem Versicherungsmarkt. c) dem Arbeitsmarkt. Lösungsskizze (ACHTUNG: Mit Hilfe der Stichpunkte
MehrBONUS MALUS SYSTEME UND MARKOV KETTEN
Fakultät Mathematik und Naturwissenschaften, Fachrichtung Mathematik, Institut für Mathematische Stochastik BONUS MALUS SYSTEME UND MARKOV KETTEN Klaus D. Schmidt Ringvorlesung TU Dresden Fakultät MN,
MehrFinanzwirtschaft. Teil II: Bewertung
Sparpläne und Kreditverträge 1 Finanzwirtschaft Teil II: Bewertung Sparpläne und Kreditverträge Agenda Sparpläne und Kreditverträge 2 Endliche Laufzeit Unendliche Laufzeit Zusammenfassung Sparpläne und
MehrTangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort:
Tangentengleichung Wie Sie wissen, gibt die erste Ableitung einer Funktion deren Steigung an. Betrachtet man eine fest vorgegebene Stelle, gibt f ( ) also die Steigung der Kurve und somit auch die Steigung
MehrGrundlagen der Theoretischen Informatik, SoSe 2008
1. Aufgabenblatt zur Vorlesung Grundlagen der Theoretischen Informatik, SoSe 2008 (Dr. Frank Hoffmann) Lösung von Manuel Jain und Benjamin Bortfeldt Aufgabe 2 Zustandsdiagramme (6 Punkte, wird korrigiert)
MehrDAVID: und David vom Deutschlandlabor. Wir beantworten Fragen zu Deutschland und den Deutschen.
Das Deutschlandlabor Folge 09: Auto Manuskript Die Deutschen sind bekannt dafür, dass sie ihre Autos lieben. Doch wie sehr lieben sie ihre Autos wirklich, und hat wirklich jeder in Deutschland ein eigenes
MehrBasis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.
Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren
Mehr40-Tage-Wunder- Kurs. Umarme, was Du nicht ändern kannst.
40-Tage-Wunder- Kurs Umarme, was Du nicht ändern kannst. Das sagt Wikipedia: Als Wunder (griechisch thauma) gilt umgangssprachlich ein Ereignis, dessen Zustandekommen man sich nicht erklären kann, so dass
MehrWachstum 2. Michael Dröttboom 1 LernWerkstatt-Selm.de
1. Herr Meier bekommt nach 3 Jahren Geldanlage 25.000. Er hatte 22.500 angelegt. Wie hoch war der Zinssatz? 2. Herr Meiers Vorfahren haben bei der Gründung Roms (753. V. Chr.) 1 Sesterze auf die Bank gebracht
MehrDas große ElterngeldPlus 1x1. Alles über das ElterngeldPlus. Wer kann ElterngeldPlus beantragen? ElterngeldPlus verstehen ein paar einleitende Fakten
Das große x -4 Alles über das Wer kann beantragen? Generell kann jeder beantragen! Eltern (Mütter UND Väter), die schon während ihrer Elternzeit wieder in Teilzeit arbeiten möchten. Eltern, die während
MehrAlle gehören dazu. Vorwort
Alle gehören dazu Alle sollen zusammen Sport machen können. In diesem Text steht: Wie wir dafür sorgen wollen. Wir sind: Der Deutsche Olympische Sport-Bund und die Deutsche Sport-Jugend. Zu uns gehören
MehrÜbungsklausur. Bitte wählen Sie fünf Aufgaben aus! Aufgabe 1. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr.
Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr. Gert Zöller Übungsklausur Hilfsmittel: Taschenrechner, Formblatt mit Formeln. Lösungswege sind stets anzugeben. Die alleinige Angabe eines
MehrONLINE-AKADEMIE. "Diplomierter NLP Anwender für Schule und Unterricht" Ziele
ONLINE-AKADEMIE Ziele Wenn man von Menschen hört, die etwas Großartiges in ihrem Leben geleistet haben, erfahren wir oft, dass diese ihr Ziel über Jahre verfolgt haben oder diesen Wunsch schon bereits
Mehr