Seminar: Algorithmische Spieltheorie. Soziale Auswahltheorie (Social Choise Theory) von Georg Birkenheuer
|
|
- Liane Esser
- vor 6 Jahren
- Abrufe
Transkript
1 socialchoice- 1 Seminar: Algorithmische Spieltheorie Soziale Auswahltheorie (Social Choise Theory) von Georg Birkenheuer
2 socialchoice- 2 Soziale Auswahltheorie Inhalt: Soziale Wohlfahrtsfunktion bei 2 Alternativen Arrow s Unmöglichkeitstheorem Schlüsse aus Arrow s Unmöglichkeitstheorem Soziale Entscheidungen
3 socialchoice- 3 Soziale Auswahltheorie Die Wohlfahrtsfunktion Die Vorlieben (Präferenzen) von allen Agenten (Individuen) in einer Gesellschaft werden durch eine Entscheidungsregel (Funktion) zu einer (kollektiven) sozialen Präferenz (Vorliebe) aggregiert. Ziel der sozialen Auswahltheorie: Finden einer Entscheidungsregel für gutes Maß an sozialem Wohlergehen. Eine soziale Wohlfahrtsfunktion. (social welfare funktional) Beispiel: In einem Land gibt es zwei Politiker, die für die Präsidentschaft kandidieren. Nach welchen Maßstäben wird die Wahl durchgeführt? Darf die gesamte Bevölkerung wählen oder nur ein Teil? Sind alle Stimmen gleichwertig oder haben die Stimmen Adeliger oder Personen, z.b. mit Verdiensten für das Land oder hohen Ämtern ein höheres Gewicht?
4 socialchoice- 4 Spezialfall: Soziale Vorlieben bei 2 Alternativen Soziale Auswahl Definition 1.1: Jeder Agent hat eine individuelle Präferenz α {1, 0, 1} (Zustimmung, Gleichgültigkeit, Ablehnung) zu einem Thema. Eine soziale Wohlfahrtsfunktion (social welfare functional) ist eine Abbildung von jedem möglichen Bündel individueller Präferenzen der Menge I von Agenten (α 1,..., α I ) {1, 0, 1} I in eine soziale (kollektive) Präferenz F (α 1,..., α I ) {1, 0, 1}. Definition 1.2: Eine soziale Wohlfahrtsfunktion ist Paretisch (Paretian) oder hat die Pareto Eigenschaft (Pareto property) wenn sie Einheitlichkeit (Einmütigkeit) unter den Agenten respektiert. F (1,..., 1) = 1 F ( 1,..., 1) = 1
5 socialchoice- 5 Spezialfall: Soziale Vorlieben bei 2 Alternativen Eine soziale Wohlfahrtsfunktion (social welfare function) ist eine: Definition 1.3: Diktatur (Dictatorship), wenn es einen Agenten h I gibt für den gilt: (α 1,..., α I ), α h = x, x 0 F (α 1,..., α I ) = α h x h = 1 F (α 1,..., α I ) = 1 x h = 1 F (α 1,..., α I ) = 1 Definition 1.4: Mehrheitsentscheidung (majority voting), wenn gilt: F (α 1,..., α I ) = sign i α i Sei i α i = a a > 0 F (α 1,..., α I ) = 1 a = 0 F (α 1,..., α I ) = 0 a < 0 F (α 1,..., α I ) = 1
6 socialchoice- 6 Spezialfall: Soziale Vorlieben bei 2 Alternativen Eine soziale Wohlfahrtsfunktion (social welfare function) ist : Definition 1.5: Anonym (symmetric among agents oder anonymous), wenn gilt π : {1,..., I} {1,..., I}, wobei für jedes i I gilt, es gibt ein Agenten h mit π(h) = i. Daraus folgt (α 1,..., α I ) gilt F (α 1,..., α I ) = F (α π(1),..., α π(i) ). Eine Permutation der individuellen Präferenzen hat keinen Einfluss auf die soziale Präferenz. Definition 1.6: Neutral (neutral between alternatives), wenn (α 1,..., α I ) gilt: F (α 1,..., α I ) = F ( α 1,..., α I ) Für jedes Präferenzbündel wird die (kollektive) soziale Präferenz umgekehrt, wenn die die Präferenzen aller Agenten umgekehrt werden.
7 socialchoice- 7 Spezialfall: Soziale Vorlieben bei 2 Alternativen Definition 1.7: Eine soziale Wohlfahrtsfunktion (social welfare function) ist Positiv sensibel (positive responsive), wenn gilt: (α 1,..., α I ) (α 1,..., α I ), (α 1,..., α I ) (α 1,..., α I ) und F (α 1,..., α I ) 0 F (α 1,..., α I ) = +1. Das bedeutet, wenn x sozial bevorzugt oder gleichgestellt vor y ist und einige Agenten ihre Entscheidung zu Gunsten von x ändern und die anderen ihre Meinung behalten, wird x sozial bevorzugt.
8 socialchoice- 8 Spezialfall: Soziale Vorlieben bei 2 Alternativen May s Theorem Eine soziale Wohlfahrtsfunktion (social welfare function) F (α 1,..., α I ) ist eine Mehrheitswahlfunktion (Demokratie) genau dann, wenn sie anonym, neutral und positiv sensibel ist.
9 socialchoice- 9 Arrow s Unmöglichkeitstheorem Arrows Impossibility Theorem Arrow s Idee bestand darin, wünschenswerte Eigenschaften einer sozialen Wohlfahrtsfunktion zu finden. Diese Eigenschaften beziehen sich auf den Aggregationsmechanismus, der die einzelnen Präferenzen der Individuen verarbeitet, sowie der Eigenschaft der Ordnung, die als Ergebnis entsteht. Diese Eigenschaften sind, ein uneingeschränkter Definitionsbereich, das schwache Paretoprinzip, die paarweise Unabhängigkeit von irrelevanten Alternativen und keine Diktatur!
10 socialchoice- 10 Arrow s Unmöglichkeitstheorem Betrachtung von individuellen Präferenzen über eine beliebige Anzahl von Alternativen. Definitionen 2: Menge aller Alternativen ist X. Jeder Agent i I hat eine rationelle Präferenzrelation in der alle Alternativen x X strikt geordnet oder gleichwertig (indifferent) sind. ist vollständig und transitiv. R ist die Menge von alle möglichen rationellen Präferenzrelationen auf X. P ist die Menge von alle möglichen Präferenzen auf X mit der Eigenschaft, dass keine 2 verschiedenen Alternativen als indiffernziert betrachtet werden. Es giltp R.
11 socialchoice- 11 Arrow s Unmöglichkeitstheorem Definition 2.1: Eine soziale Wohlfahrtsfunktion (social welfare function) definiert auf einer Teilmenge A R I ist eine Funktion F : A R, die jedes Bündel von individuellen rationellen Präferenzrelationen ( 1,..., I ) zulässig in A auf eine (soziale) kollektive rationelle Präferenzrelation F ( 1,..., I ) R abbildet. F ( 1,..., I ) ist vollständig und transitiv. Die Präferenzrelation xf ( 1,..., I )y bedeutet: x ist sozial mindestens so beliebt wie y. Wenn x echt beliebter ist als y für alle {x, y} X, x y ist, existiert eine strikte Präferenzrelation xf P ( 1,..., I )y.
12 socialchoice- 12 Arrow s Unmöglichkeitstheorem Eine soziale Wohlfahrtsfunktion (social welfare function) F : A R Definition 2.2: heißt Paretisch (Paretian), wenn für jedes beliebige Paar {x, y} X und jedes Präferenzprofil ( 1,..., I ) A mit x i y für jeden Agenten i gilt: x wird y sozial vorgezogen xf P ( 1,..., I )y. Definition 2.3: erfüllt die Paarweise Unabhängigkeit von (irrelevanten) Alternativen Kondition (pairwise independence condition oder independence of irrelevant alternatives condition) wenn die kollektive (soziale) Präferenz zwischen je zwei beliebigen Alternativen nur von dem Profil der Ordnung von individuellen Präferenzen der gleichen Alternativen abhängt. Formal: wenn {x, y} X, gilt ( 1,..., I ), ( 1,..., I ) A mit i I: x i y x i y, y i x y i x xf ( 1,..., I )y xf ( 1,..., I )y und yf ( 1,..., I )x yf ( 1,..., I )x
13 socialchoice- 13 Arrow s Unmöglichkeitstheorem Beispiel die Borda - Regel (Borda-Count) Gegeben ist eine Präferenzrelation i R. Wir weisen jeder Alternative x X einen Wert c i (x) für jeden Agenten i zu. c i (x) = n bedeutet das x den nten Rang in i des Agenten i hat. Für jedes Profil ( 1,..., I ) gilt c(x) = i c i(x). Borda-Regel: xf ( 1,..., I )y c(x) c(y) Die Borda-Regel ist vollständig und transitiv: c(x) = i c i(x) Paretisch wenn x i y für alle Agenten i gilt, folgt daraus, dass c i (x) c i (y) für alle i. c(x) c(y). Aber die Borda-Regel erfüllt nicht die Paarweise Unabhängigkeit von Alternativen Kondition. Beispiel: 3 Alternativen {x, y, z} und 2 Agenten, 2 Fälle: Agent 1 : x 1 z 1 y Agent 2 : y 2 x 2 z c(x) = 3, c(y) = 4 xf ( 1, 2 )y. Agent 1 : x 1 y 1 z Agent 2 : y 2 z 2 x c(x) = 4, c(y) = 3 yf ( 1, 2 )x. Aber die relative Ordnung von x und y bleibt gleich.
14 socialchoice- 14 Arrow s Unmöglichkeitstheorem Wie kann die Paarweise Unabhängigkeit erreicht werden? Einfach: Die Bestimmung der sozialen Präferenz zwischen zwei beliebigen Alternativen nutzt einzig die Ordnung dieser 2 Alternativen in den individuellen Präferenzen der Agenten. Bildung der sozialen Präferenz geschieht durch Mehrheitswahl. Das Condocret-Paradoxon Problem: 3 Agenten, 3 Alternativen, Mehrheitswahl: Agent 1 x 1 y 1 z Agent 2 z 2 x 2 y Agent 3 y 3 z 3 x xf p ( 1, 2, 3 )y yf p ( 1, 2, 3 )z zf p ( 1, 2, 3 )x Der Zyklus verletzt die Transitivität und die ist Voraussetzung für eine soziale Wohlfahrtsfunktion.
15 socialchoice- 15 Arrow s Unmöglichkeitstheorem Sei die Anzahl von Alternativen mindestens 3 und der Definitionsbereich von individuellen Präferenzen nicht eingeschränkt (A = R I oder A = P I ). Jede soziale Wohlfahrtsfunktion F A R, die Paretisch ist und die Paarweise Unabhängigkeitskondition erfüllt, ist eine Diktatur im folgenden Sinne: Es gibt einen Agenten h, so dass gilt: für jedes Paar {x, y} X und jedes Profil ( 1,..., I ) A gilt xf p ( 1,..., I )y immer wenn x h y.
16 socialchoice- 16 Beweis: Arrow s Unmöglichkeitstheorem Definition 2.4: Gegeben eine soziale Wohlfahrtsfunktion und eine Teilmenge von Agenten S I. Diese ist: (i) Entscheidend für x über y, wenn immer jeder Agent, in S x y vorzieht und jeder Agent der nicht in S ist y x vorzieht, gilt, dass x sozial bevorzugt vor y ist. (ii) Entscheidend für jedes Paar {x, y} X, wenn S x über y entscheidet. (iii) Vollständig entscheidend für x über y, wenn immer jeder Agent in S x y vorzieht, und es gilt: x ist sozial bevorzugt vor y. Beweis über 10 Schritte.
17 socialchoice- 17 Beweis: Arrow s Unmöglichkeitstheorem Schritt 1: Wenn für einige {x, y} X, S I entscheidend ist für x über y, dann auch für x über z. z X ist jede andere Alternative z x. Ähnlich für z y. S ist entscheidend z über y. Gegeben ein Profil ( 1,..., I ) A, in dem gilt: x i y i z für alle i S y i z i x für alle i I\S Dann folgt, da S entscheidend für x über y ist, dass x sozial bevorzugt vor y ist xf p ( 1,..., I )y. Da zusätzlich y i z für jedes i I gilt und die Funktion Paretisch ist, folgt yf p ( 1,..., I )z. Da die Funktion auch transitiv ist, gilt weiter xf p ( 1,..., I )z. Aufgrund der Paarweisen Unabhängigkeitskondition folgt das x sozial z vorgezogen wird, immer dann, wenn jeder Agent in S x z vorzieht und kein Agent in S z x vorzieht. Darum ist S entscheidend für x über z.
18 socialchoice- 18 Beweis: Arrow s Unmöglichkeitstheorem Schritt 2: Wenn für einige {x, y} X, S I entscheidend ist für x über y und z eine dritte Alternative ist, dann ist S entscheidend für w über z und z über w, wobei w X jede mögliche Alternative ungleich z ist. Aus Schritt 1: folgt S entscheidet x über z und z über y. Durch nochmaliges Ausführen von Schritt 1 mit dem Paar {x, z} und der Alternative w, folgt dass S entscheidend ist für w über z. Das gleiche gilt für {z, y} und w. Es folgt, dass S für z über w entscheidend ist. Schritt 3: Wenn für einige {x, y} X, S I entscheidend ist für x über y, dann ist S entscheidend. Schritt 3 ist eine direkte Konsequenz aus Schritt 2.
19 socialchoice- 19 Beweis: Arrow s Unmöglichkeitstheorem Schritt 4: Wenn S I und T I entscheidend sind, dann ist auch S T entscheidend. Gegeben ein beliebiges Tripel von verschiedenen Alternativen {x, y, z} X und ein Profil von Präferenzen ( 1,..., I ) A, wobei gilt: z i y i x für jedes i S\(S T ), x i z i y für jedes i S T, y i x i z für jedes i T \(S T ), y i z i x für jedes i I\(S T ). Dann ist zf p ( 1,..., I )y, da S = [S\(S T )] (S T ) entscheidend ist. Genauso gilt xf p ( 1,..., I )z, da T = [T \(S T )] (S T ) entscheidet. Aufgrund der Transitivität folgt xf p ( 1,..., I )y. Aus der Paarweise Unabhängigkeitskondition folgt, dass S T entscheidend für x über y ist. Nach Schritt 3 ist S T eine entscheidende Teilmenge.
20 socialchoice- 20 Beweis: Arrow s Unmöglichkeitstheorem Schritt 5: Für jede Teilmenge S I ist entweder S oder sein Komplement I\S I entscheidend. Gegeben ein beliebiges Tripel von verschiedenen Alternativen {x, y, z} X und ein Profil von Präferenzen ( 1,..., I ) A, wobei gilt: x i z i y für jedes i S, y i x i z für jedes i I\S, Es gibt 2 Möglichkeiten: Entweder gilt xf p ( 1,..., I )y wobei aufgrund der Paarweisen Unabhängigkeitskondition S entscheidend ist für x über y (nach Schritt 3 entscheidend für alle Paare). Oder es gilt yf ( 1,..., I )x. Wegen der paretischen Kondition gilt xf p ( 1,..., I )z. Aufgrund der Transitivität gilt dann yf p ( 1,..., I )z im zweiten Fall. In diesem Fall, wieder unter Nutzung der Paarweisen Unabhängigkeitskondition gilt, dass I\S entscheidend ist.
21 socialchoice- 21 Beweis: Arrow s Unmöglichkeitstheorem Schritt 6: Wenn S I entscheidend ist und S T ist, dann ist T auch entscheidend. Aufgrund der paretischen Eigenschaft kann die leere Menge von Agenten nicht entscheidend sein. Deshalb kann I\T nicht entscheidend sein, weil sonst, nach (Schritt 4) S (I\T ) = entscheidend wäre. So gilt (nach Schritt 5) T ist entscheidend.
22 socialchoice- 22 Beweis: Arrow s Unmöglichkeitstheorem Schritt 7: Wenn S I entscheidend ist und es mehr als einen Agenten hat, dann gibt es eine strikte Teilmenge S S, S S, so dass S entscheidend ist. Nehme ein beliebiges h S. Wenn S\{h} entscheidend ist, sind wir fertig. Deswegen die Annahme S\{h} ist nicht entscheidend. Dann folgt wegen (Schritt 5) das I\(S\{h}) = (I\S) {h} entscheidend ist. Es folgt aus (Schritt 4), dass {h} = S [(I\S) {h}] auch entscheidend ist. Darum sind wir ebenfalls fertig, mit der Feststellung, {h} ist eine strikte Teilmenge von S. Schritt 8: Es gibt einen Agenten h I, so dass gilt S = {h} ist entscheidend. Schritt 8 wird durch Iterieren von (Schritt 7) bewiesen. Mit dem Wissen, dass 1. die Teilmenge von Agenten endlich ist, und 2. aufgrund der Pareto Eigenschaft die Menge von allen Agenten I entscheidend ist.
23 socialchoice- 23 Beweis: Arrow s Unmöglichkeitstheorem Schritt 9: Wenn S I entscheidend ist, dann für jedes Paar {x, y} X. S ist vollständig entscheidend für x über y. Wir wollen beweisen, dass für jede Teilmenge T I\S gilt: x ist sozial bevorzugt vor y, wenn immer jeder Agent in T x sozial mindestens so gut wie y findet und jeder andere Agent y x vorzieht. Zur Verifikation nehmen wir eine dritte Alternative z X, die von x, y verschieden ist. Aufgrund der Paarweisen Unabhängigkeitsrelation genügt es, ein Profil ( 1,..., I ) A zu betrachten mit: x i z i y für jedes i S, x i y i z für jedes i T, y i z i x für jedes i I\(S T ). Dann gilt xf p ( 1,..., I )z, weil nach (Schritt 6) S T entscheidend ist und zf p ( 1,..., I )y weil S entscheidend ist. Wegen der Transitivität der sozialen Präferenz gilt auch xf p ( 1,..., I )y, was zu zeigen war.
24 socialchoice- 24 Beweis: Arrow s Unmöglichkeitstheorem Schritt 10: Wenn für einige h I, S = {h} entscheidend ist, dann ist h ein Diktator. Wenn {h} entscheidend ist, dann gilt (nach Schritt 9) {h} ist vollständig entscheidend für alle x über y. Das bedeutet für das Profil ( 1,..., I ) mit der Eigenschaft, dass x h y gilt: xf p ( 1,..., I )y. Das ist präzise, was mit h I ist ein Diktator gemeint wurde.
25 socialchoice- 25 Schlüsse aus Arrow s Unmöglichkeitstheorem Es gibt 2 Möglichkeiten, einer Diktatur aus dem Weg zu gehen: 1. Lockerung der rationalen Anforderungen für die Aggregation der Präferenzen. 2. Verwenden der Aggregation in einem eingeschränkten Definitionsbereich.
26 socialchoice- 26 Schlüsse aus Arrow s Unmöglichkeitstheorem (Definition 3.1:) Annahme: Abschwächung der Transitivität Die Präferenzrelation ist reflexiv und vollständig. Dann gilt: (i) ist quasi-transitiv, wenn die strikte Präferenz induziert von transitiv ist. (ii) ist azyklisch, wenn ein maximales Element in jeder Teilmenge X X hat, so dass {x X : x y für alle y X } gilt. Es ist also nicht mehr notwendig, dass xf ( 1,..., I )y und yf ( 1,..., I )z xf ( 1,..., I )z gilt. Stattdessen werden Zyklen ausgeschlossen. xf ( 1,..., I )y und yf ( 1,..., I )z und zf ( 1,..., I )x darf nicht gelten.
27 socialchoice- 27 Schlüsse aus Arrow s Unmöglichkeitstheorem Beispiel 3.1: Oligarchie (Oligarchy) Sei S I eine gegebene Teilmenge von Agenten die eine Oligarchie (Herrschaft von Wenigen) darstellt. Gegeben ein beliebiges Profil ( 1,..., I ) R I die soziale Präferenz ist wie folgt geformt: Für jedes x,y X gilt: xf ( 1,..., I )y wenn es mindestens einen Agenten h S gibt für den x h y gilt. xf p ( 1,..., I )y dann und nur dann, wenn für jeden Agenten h S x h y gilt. Diese Präferenzrelation ist quasitransitiv aber nicht transitiv weil soziale Indifferenz nicht transitiv seien kann. Dies ist aber die einzige Kondition von Arrow s Unmöglichkeitstheorem, die verletzt wird. Trotzdem ist dies eine kaum befriedigende Lösung des sozialen Aggregationsproblems. Denn in einem Extrem kann die Oligarchie die ganze Population ausmachen und im anderen eine Diktatur darstellen.
28 socialchoice- 28 Schlüsse aus Arrow s Unmöglichkeitstheorem Mit einer Einschränkung des Definitionsbereiches der Eingipfeligkeit ist es möglich, eine nicht diktatorische Aggregation zu schaffen. Ziel ist es zu zeigen, dass Eingipfeligkeit mit einer paarweisen Mehrheitsentscheidung eine soziale Wohlfahrtsfunktion möglich macht. Definition 3.2: Die binäre Relation auf einem Satz von Alternativen X ist eine lineare Ordnung auf X, wenn sie reflexiv, transitiv und total ist. Beispiel: für eine Relation ist eine Teilmenge der reellen Zahlen: x R und ist eine größer gleich Ordnung dieser Zahlen.
29 socialchoice- 29 Schlüsse aus Arrow s Unmöglichkeitstheorem (Definition 3.3:) Eingipfeligkeit (single Peakness) Eine rationelle Präferenzrelation eines Agenten ist eingipfelig mit Beachtung der linearen Ordnung, wenn folgende Eigenschaften hat: Es gibt ein x X, für das gilt ist steigend mit Beachtung von auf {y X : x y} und ist fallend mit Beachtung von auf {y X : y x}. Daraus folgt: wenn x z > y folgt z y wenn y > z x folgt z y. Es gibt eine Alternative x die einen Gipfel der Zufriedenheit darstellt. Außerdem steigt die Zufriedenheit je näher eine Alternative dem Gipfel ist.
30 socialchoice- 30 Schlüsse aus Arrow s Unmöglichkeitstheorem (Definition 3.4:) Gegeben eine lineare Ordnung auf X. Die Auswahl von allen rationellen Präferenzen die eingipfelig sind und unterliegen werden als R R. R I bezeichnet den eingeschränkten Definitionsbereich in dem alle individuellen Präferenzen von Agenten Eingipfeligkeit auf der Ordnung haben. Definiere eine soziale Präferenz über eine Wohlfartsfunktion, für die die Kondition Paarweise Mehrheitsentscheidung gilt. Gegeben ein Profil ( 1,..., I ) R I und ein beliebiges Paar {x, y} X so schreibt man x ˆF ( 1,..., I )y für x ist sozial gleich oder bevorzugt vor y dann, wenn die Anzahl von Agenten die x bevorzugen größer ist, als die Anzahl von Agenten die y bevorzugen. #{i I : x i y} #{i I : y i x}
31 socialchoice- 31 Schlüsse aus Arrow s Unmöglichkeitstheorem (Definition 3.5:) Der Agent h ist ein mittlerer Wähler (median agent) für ein Profil ( 1,..., I ) R I, wenn #{i I : x i i x h } I/2 und #{i I : x h i x i } I/2 gilt. Es existiert immer ein mittlerer Wähler.
32 socialchoice- 32 Schlüsse aus Arrow s Unmöglichkeitstheorem (Proposition 3.1:) Annahme ist eine lineare Ordnung auf X und das Profil ( 1,..., I ) in dem gilt i I : i ist eingipfelig mit Beachtung von. Sei h I ein mittlere Wähler dann ist x h ˆF ( 1,..., I )y y X. Das bedeutet, die Spitze x h des mittleren Wählers kann durch keinen Mehrheitsentscheid von einer anderen Alternative geschlagen werden. x h wird als Condocret Gewinner bezeichnet. (Proposition 3.2:) Annahme I ist ungerade und ist eine lineare Ordnung auf X. Dann generieren Paarweise Mehrheitsentscheidungen eine gut definierte soziale Wohlfahrtsfunktion F : P I R. Da diese Funktion eingipfelig ist, respektiert und keine zwei verschiedenen Alternativen gleich sind, folgt: ˆF ( 1,..., I ) ist vollständig und transitiv.
33 socialchoice- 33 Soziale Entscheidungen Wie werden individuelle Präferenzen in sozialen Entscheidungen gewandelt? Definition 4.1 Gegeben ist eine Teilmenge A R I, eine soziale Wahlfunktion f : A X weist ein gewähltes Element f( 1,..., I ) X jedem Profil ( 1,..., I ) von individuellen Präferenzen in A zu. Definition 4.2 Eine soziale Wahlfunktion f : A X, definiert auf A R I, ist ein schwaches Pareto Prinzip (weakly Paretian), wenn für jedes Profil ( 1,..., I ) A die Wahl f( 1,..., I ) X ein schwaches Pareto Optimum ist. Das Bedeutet es existiert ein Paar {x, y} X für das gilt x i y i daraus folgt y f( 1,..., I ).
34 socialchoice- 34 Soziale Entscheidungen Definition 4.3 Eine Alternative x X behält ihre Position aus dem Profil ( 1,..., I ) R I zu dem Profil ( 1,..., I ) RI bei, wenn gilt: x i y impliziert x i y i und y X. Die Position wird beibehalten, wenn der Satz der minderwertigen Alternativen von x gleich bleibt oder größer wird. Definition 4.4 Eine soziale Wahlfunktion f : A X definiert auf A R I ist monoton, wenn für alle zwei Profile ( 1,..., I ) A, ( 1,..., I ) A mit der Eigenschaft, dass die gewählte Alternative x = f( 1,..., I ) ihre Position von ( 1,..., I ) nach ( 1,..., I ) beibehält, gilt: f( 1,..., I ) = x Definition 4.5 Ein Agent h I ist ein Diktator für die soziale Wahlfunktion f : A X, A = P I oder A = R I, wenn für alle Profile ( 1,..., I ) A, ( 1,..., I ) A gilt: f( 1,..., I ) ist die präferierte Alternative von h in X. f( 1,..., I ) {x X : x h y für alle y X, y x}.
35 socialchoice- 35 Soziale Entscheidungen (Proposition 4.1:) Annahme: Die Anzahl von Alternativen ist mindestens 3 und der Definitionsbereich ist nicht eingeschränkt: A = P I oder A = R I. Dann ist jede schwache Pareto und monotone Funktion f : A X eine Diktatur. (Beweis von Proposition 4.1:) Definition 4.6 Gegeben eine endliche Teilmenge X X und ein Profil ( 1,..., I ) R I. Wir sagen das Profil ( 1,..., I ) nimmt X an die Spitze aus ( 1,..., I ) i wenn gilt: x i y für x X und y / X, x i y x i y für alle x, y X. Die Präferenzrelation I erstellt sich aus I indem einfach jede Alternative in X in I nach vorne gestellt wird und dabei die Ordnung aus I erhalten bleibt. Beweis in 7 Schritten:
36 socialchoice- 36 Soziale Entscheidungen (Beweis von Proposition 4.1:) Schritt 1 Wenn beide Profile ( 1,..., I ) A und ( 1,..., I ) A X X an die Spitze aus ( 1,..., I ) nehmen, dann gilt f( 1,..., I ) = f( 1,..., I ). Schritt 2 Definition von F ( 1,..., I ). Schritt 3 Für jedes Profil ( 1,..., I ) A, F ( 1,..., I ) ist eine rationelle Präferenzrelation. Außerdem ist F ( 1,..., I ) P. Dies gilt, da keine zwei verschiedenen Alternativen sozial indifferent sind. Schritt 4 Die soziale Wohlfahrtsfunktion F : A P rationalisiert f : A X. Dies gilt, da für jedes Profil ( 1,..., I ) A, f( 1,..., I ) die beliebteste Alternative von F ( 1,..., I ) in X ist. Schritt 5 Die soziale Wohlfahrtsfunktion F : A P ist paretisch. Schritt 6 Die soziale Wohlfahrtsfunktion F : A P erfüllt die Paarweise Unabhängigkeitskondition. Schritt 7 Die soziale Wahlfunktion f : A X ist eine Diktatur.
37 socialchoice- 37 Ende Danke für die Aufmerksamkeit.
Einstimmigkeitskriterium event. langer und kostspieliger Informationsprozeß schwierig für große Gruppen
VI-1 Abstimmungsregeln Entscheidungsprozeß = Informationsprozeß + Abstimmungsprozeß Einstimmigkeitskriterium event. langer und kostspieliger Informationsprozeß schwierig für große Gruppen Paarweiser Vergleich
Mehr2. Normative Theorie kollektiver Entscheidungen 2.1. Arrows Unmöglichkeitstheorem
2. Normative Theorie kollektiver Entscheidungen 2.1. Arrows Unmöglichkeitstheorem Social choice: wie aggregiert Gesellschaft individuelle Präferenzen zu kollektiver Entscheidung? Arrow: Gesellschaftliche
Mehr2. Normative Theorie kollektiver Entscheidungen 2.1. Arrows Unmöglichkeitstheorem
2. Normative Theorie kollektiver Entscheidungen 2.1. Arrows Unmöglichkeitstheorem Social choice: wie aggregiert Gesellschaft individuelle Präferenzen zu kollektiver Entscheidung? Arrow: Gesellschaftliche
MehrImplementation Sozialer Auswahlregeln Sommersemester Vorlesung,
Implementation r Sommersemester 2007 2. Vorlesung, 25.04.2007 PD Dr. Jörg Naeve Universität des Saarlandes Lehrstuhl für Nationalökonomie insbes. Wirtschaftstheorie mailto:j.naeve@mx.uni-saarland.de http://www.uni-saarland.de/
MehrÖkonomische Analyse des Rechts
Ökonomische Analyse des Rechts Aggregation individueller Präferenzen II (positiv) Harald Wiese Universität Leipzig Wintersemester 2011/2012 Harald Wiese (Universität Leipzig) Aggregation individueller
Mehr9. Politische Ökonomie
9. Politische Ökonomie Fragestellung: Wie werden Ausgabenentscheidungen in Demokratie getroen? Annahme hier: Wähler entscheiden direkte Demokratie. Honung, dass Entscheidungsprozess vernünftige Eigenschaften
MehrKapitel 5.2: Kollektiventscheidungen 1
1 Diese Folien dienen der Ergänzung des Vorlesungsstoffes im Rahmen der Vorund Nachbereitung. Sie stellen kein Skript dar; es wird keine Gewähr für Richtigkeit und/oder Vollständigkeit übernommen. Kapitel
MehrDer Satz vom Diktator
Prof. Dr. Michael Eisermann Institut für Geometrie und Topologie Der Satz vom Diktator Kenneth Arrows geniale Antwort auf die Frage Wie schreibe ich meine Doktorarbeit in fünf Tagen und erhalte dafür den
Mehr"Grundlagen der Wirtschaftspolitik" 5. Kollektive Entscheidungen Teil 4 (13 Seiten)
Institut für Allgemeine Wirtschaftsforschung - Abteilung Sozialpolitik PD Dr. Günther G. Schulze SS 2001 "Grundlagen der Wirtschaftspolitik" 5. Kollektive Entscheidungen Teil 4 (13 Seiten) 5.8 Der Axiomatische
MehrArrows Unmöglichkeitssatz
Arrows Unmöglichkeitssatz Olga Heismann Linus Mattauch CdE-PfingstAkademie 2012 1 Einführung Die Essenz der Arrowschen Unmöglichkeit ist das Condorcet-Paradoxon (1785): Wenn drei Wähler ihre Präferenzen
Mehr5.9 Permutationsgruppen. Sei nun π S n. Es existiert folgende naive Darstellung: Kürzer schreibt man auch
5.9 Permutationsgruppen Definition 103 Eine Permutation ist eine bijektive Abbildung einer endlichen Menge auf sich selbst; o. B. d. A. sei dies die Menge U := {1, 2,..., n}. S n (Symmetrische Gruppe für
MehrImplementation Sozialer Auswahlregeln Sommersemester Vorlesung,
Implementation Sozialer Auswahlregeln Sommersemester 2007 12. Vorlesung, 04.07.2007 PD Dr. Jörg Naeve Universität des Saarlandes Lehrstuhl für Nationalökonomie insbes. Wirtschaftstheorie mailto:j.naeve@mx.uni-saarland.de
MehrII. Politische Ökonomie
Grundzüge der Wirtschaftspolitik 6-1 Prof. Andreas Haufler (SoSe 2009) II. Politische Ökonomie 6. Mehrheitswahl und Abstimmungsgleichgewicht 6.1 Einführung und Grundlagen Die Politische Ökonomie (Public
MehrLösungsmenge L I = {x R 3x + 5 = 9} = L II = {x R 3x = 4} = L III = { }
Zur Einleitung: Lineare Gleichungssysteme Wir untersuchen zunächst mit Methoden, die Sie vermutlich aus der Schule kennen, explizit einige kleine lineare Gleichungssysteme. Das Gleichungssystem I wird
MehrMathematische Grundlagen der Computerlinguistik
Centrum für Informations- und Sprachverarbeitung (CIS) 23. Juni 2014 Table of Contents 1 2 Ordnung Ähnlich wie Äquivalenzrelationen den Begriff der Gleichheit generalisieren, generalisieren den Begriff
MehrKapitel 5.1: Kollektiventscheidungen 1
1 Diese Folien dienen der Ergänzung des Vorlesungsstoffes im Rahmen der Vor- und Nachbereitung. Sie stellen kein Skript dar; es wird keine Gewähr für Richtigkeit und/oder Vollständigkeit übernommen. Kapitel
MehrAnalysis 1, Woche 2. Reelle Zahlen. 2.1 Anordnung. Definition 2.1 Man nennt eine Anordnung für K, wenn: 1. Für jeden a K gilt a a (Reflexivität).
Analysis 1, Woche 2 Reelle Zahlen 2.1 Anordnung Definition 2.1 Man nennt eine Anordnung für K, wenn: 1. Für jeden a K gilt a a (Reflexivität). 2. Für jeden a, b K mit a b und b a gilt a = b (Antisymmetrie).
Mehr3. Betriebswirtschaftliche Entscheidungslehre 3.1 Einleitung
3.1 Einleitung Auf Basis von Zielvorstellungen sollen die Konsequenzen von Handlungsalternativen ermittelt werden deskriptive Entscheidungstheorie: beschreibt, wie in der Realität Entscheidungen in konkreten
MehrVorlesung 2: Erwartungsnutzen
Vorlesung 2: Erwartungsnutzen Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Entscheidung VL 2 (FS 11) Erwartungsnutzen 1 / 28 1. Modellrahmen 1.1 Die Alternativen Wir betrachten
MehrVorlesung 2: Präferenzen über Lotterien
Vorlesung 2: Präferenzen über Lotterien Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Entscheidung VL 2, FS 12 Präferenzen über Lotterien 1/24 2.1 Modellrahmen Wir betrachten im
MehrKapitel 1. Mengen und Abbildungen. 1.1 Mengen
Kapitel 1 Mengen und Abbildungen 1.1 Mengen Die Objekte der modernen Mathematik sind die Mengen. Obwohl die Logik einen axiomatischen Zugang zur Mengenlehre bietet, wollen wir uns in dieser Vorlesung auf
Mehr13 Auswahlaxiom und Zornsches Lemma
13 Auswahlaxiom und Zornsches Lemma Handout zur Funktionalanalysis I von H. Glöckner, 25.11.2008 Wichtige Teile der modernen Mathematik beruhen auf dem sogenannten Auswahlaxiom der Mengenlehre. Dieses
MehrMengen. (Nicht-) Elemente einer Menge { 3, 4 } { 1, { 2 }, { 3, 4 }, { 5 } } 3 { 1, { 2 }, { 3, 4 }, { 5 } }
Mengen Definition (Intuitive Mengenlehre) Eine Menge ist die Zusammenfassung von Elementen unserer Anschauung zu einem wohldefinierten Ganzen. (Georg Cantor) Notation 1. Aufzählung aller Elemente: { 1,
MehrAufgaben zur Verbandstheorie
TU Bergakademie Freiberg WS 2005/06 Institut für Diskrete Mathematik & Algebra Prof. Dr. Udo Hebisch Aufgaben zur Verbandstheorie 1. Für ein beliebiges n IN sei X n die Menge aller Teiler von n. Definiert
MehrVorlesung 2: Präferenzen über Lotterien
Vorlesung 2: Präferenzen über Lotterien Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Entscheidung VL 2, FS 13 Präferenzen über Lotterien 1/26 2.1 Modellrahmen Wir betrachten im
MehrLineare Algebra 6. Übungsblatt
Lineare Algebra 6. Übungsblatt Fachbereich Mathematik M. Schneider 16.05.01 Konstantin Pertschik, Daniel Körnlein Gruppenübung Aufgabe G19 Berechnen Sie das inverse Element bzgl. Multiplikation in der
MehrMengen. Eigenschaften. Spezielle Mengen (1) Prominente Mengen. ! Mengenzugehörigkeit
Mengen! Definition (Intuitive Mengenlehre) Eine Menge ist die Zusammenfassung von Elementen unserer Anschauung zu einem wohldefinierten Ganzen. (Georg Cantor)! Notation 1. Aufzählung aller Elemente: {
MehrMathematik für Informatiker I Mitschrift zur Vorlesung vom
Mathematik für Informatiker I Mitschrift zur Vorlesung vom 18.11.2004 Zur Wiederholung: Das Kartesische Produkt dient dem Ordnen von Mengen. A B = {(a, b) : a A, b B)} Spezialfall A = Äquivalenzrelation
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
MehrElemente in Φ werden Wurzeln genannt. Bemerkung 3.2. (a) Zu einem Wurzelsystem können wir immer eine Spiegelungsgruppe definieren
3. Wurzelsysteme Als erstes führen wir den Begriff eines Wurzelsystems ein. Definition 3.1 (Wurzelsystem). Eine endliche Teilmenge Φ V {0} heißt Wurzelsystem falls gilt: (R1) Φ Rα = {±α} für α Φ, (R2)
MehrMathematische Strukturen
Mathematische Strukturen Lineare Algebra I Kapitel 3 16. April 2013 Kartesisches Produkt Das kartesische Produkt (benannt nach René Descartes) von n Mengen M 1,..., M n ist M 1 M n := {(x 1,..., x n )
Mehr8. Politische Ökonomie
8. Politische Ökonomie Prof. Dr. Christian Holzner LMU München WS 2011/2012 8. Politische Ökonomie 8.1 Verschiedene Wahlverfahren 8.2 Medianwählertheorem 8.3 Öffentliche Ausschreibungen Literatur Jean
Mehr3. Relationen Erläuterungen und Schreibweisen
3. Relationen Eine Relation ist allgemein eine Beziehung, die zwischen Dingen bestehen kann. Relationen im Sinne der Mathematik sind ausschließlich diejenigen Beziehungen, bei denen stets klar ist, ob
MehrEinführung in die Informatik 2
Einführung in die Informatik 2 Mathematische Grundbegriffe Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 12:30-14:00 Uhr,
Mehr2 Mengen, Abbildungen und Relationen
Vorlesung WS 08 09 Analysis 1 Dr. Siegfried Echterhoff 2 Mengen, Abbildungen und Relationen Definition 2.1 (Mengen von Cantor, 1845 1918) Eine Menge M ist eine Zusammenfassung von wohlbestimmten und wohl
MehrAnalysis I - Notizen 1. Daniel Lenz Jena - Wintersemester 2016
Analysis I - Notizen 1 Daniel Lenz Jena - Wintersemester 2016 1 Es handelt sich nicht um ein Skriptum zur Vorlesung. Besten Dank an alle, die zu Verbesserungen früherer Notizen zur Analysis I beigetragen
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
MehrMathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/2018
Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/2018 23. November 2017 1/40 Satz 4.27 (Multinomialsatz) Seien r, n N 0. Dann gilt für
MehrOrdnungsrelationen auf Mengen. Beispiel einer Ordnungsrelation. Spezielle Elemente von Ordnungen. Spezielle Elemente von Ordnungen
Ordnungsrelationen auf Mengen! Eine (partielle) Ordnungsrelation oder kurz Ordnung O auf einer Menge M ist eine Relation, die reflexiv, antisymmetrisch und transitiv ist. Beispiel: M = { 1, 2, 3 }, O =
MehrOrdnungsrelationen auf Mengen
Ordnungsrelationen auf Mengen Eine (partielle) Ordnungsrelation oder kurz Ordnung O auf einer Menge M ist eine Relation, die reflexiv, antisymmetrisch und transitiv ist. Beispiel: M = { 1, 2, 3 }, O =
MehrDIE SÄTZE VON SCHUR-ZASSENHAUS UND P. HALL
DIE SÄTZE VON SCHUR-ZASSENHAUS UND P. HALL LARS KINDLER Dies sind Notizen für ein Seminar an der Universität Duisburg-Essen im Sommersemster 2011. Als Quelle diente das Buch A Course in the Theory of Groups
Mehr2 Mengen, Relationen, Funktionen
Grundlagen der Mathematik für Informatiker 1 2 Mengen, Relationen, Funktionen 2.1 Mengen Definition 2.1 [Georg Cantor 1895] Eine Menge ist eine Zusammenfassung bestimmter, wohlunterschiedener Dinge unserer
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
Mehr2 Mengen, Relationen, Funktionen
Grundlagen der Mathematik für Informatiker Grundlagen der Mathematik für Informatiker Mengen, Relationen, Funktionen. Mengen Definition. [Georg Cantor 895] Eine Menge ist eine Zusammenfassung bestimmter,
Mehr17 Lineare Abbildungen
Chr.Nelius: Lineare Algebra II (SS2005) 1 17 Lineare Abbildungen Wir beginnen mit der Klärung des Abbildungsbegriffes. (17.1) DEF: M und N seien nichtleere Mengen. Eine Abbildung f von M nach N (in Zeichen:
MehrKapitel 3: Präferenzen. moodle.tu-dortmund.de. Wirtschaftstheorie I: Mikroökonomie SoSe 2017, Lars Metzger 1 / 29
Wirtschaftstheorie I: Mikroökonomie SoSe 2017, Lars Metzger 1 / 29 Kapitel 3: Präferenzen moodle.tu-dortmund.de Wirtschaftstheorie I: Mikroökonomie SoSe 2017, Lars Metzger 2 / 29 Präferenzordnung Die Konsumentscheidung
MehrVorlesung Diskrete Strukturen Relationen
Vorlesung Diskrete Strukturen Relationen Bernhard Ganter WS 2009/10 Relationen Es seien A und B Mengen. Eine (binäre) Relation zwischen A und B ist eine Teilmenge von A B. Ein wichtiger Spezialfall ist
Mehr(1.18) Def.: Eine Abbildung f : M N heißt
Zurück zur Mengenlehre: Abbildungen zwischen Mengen (1.17) Def.: Es seien M, N Mengen. Eine Abbildung f : M N von M nach N ist eine Vorschrift, die jedem x M genau ein Element f(x) N zuordnet. a) M = N
MehrKapitel 2: Theorie des Haushalts
Übersicht Kapitel 1: Einführung: Kapitel 2: Theorie des Haushalts 1. Budgetbeschränkungen [ch. 2] 2. Präferenzen [ch. 3] 3. Nutzen [ch. 4] 4. Optimale Entscheidungen [ch. 5] 5. Nachfrage [ch. 6] 6. Bekundete
MehrTeil I: Konsumententheorie
Teil I: Konsumententheorie 1 Kapitel 1: Präferenzen Hauptidee: Eine Konsumentscheidung kann als Wahl zwischen Güterbündeln modelliert werden, gemäß der Präferenzen des Konsumenten. Die Konzepte Indifferenzkurve,
Mehr2.3 Kriterien der Entscheidungsfindung: Präferenzen
.3 Kriterien der Entscheidungsfindung: Präferenzen Der Einfachheit halber beschränken wir uns auf n = ( zwei Güter). Annahme: Konsumenten können für sich herausfinden, ob sie x = ( x, ) dem Güterbündel
Mehr34 Entscheidungsregeln/Relationen
Entscheidungsregeln/Relationen siehe Grundlagen Nr. Zur Bildung einer Entscheidungsregel für den (im einfachsten Fall) paarweisen Vergleich von ökonomischen Objekten ist der mathematische Begriff einer
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
MehrOrdnungsrelationen auf Mengen
Ordnungsrelationen auf Mengen Eine (partielle) Ordnungsrelation oder kurz Ordnung O auf einer Menge M ist eine Relation, die reflexiv, antisymmetrisch und transitiv ist. Beispiel: M = { 1, 2, 3 }, O =
MehrPräferenzen und Nutzenfunktionen. 10.März 2017
Präferenzen und Nutzenfunktionen 10.März 2017 Präferenzen und Nutzenfunktionen Darstellung der Präferenzen mittels Nutzenfunktion (utility function) Eine Nutzenfunktion u(x) ordnet jedem Element x aus
MehrÜbersichtsblatt Hertrampf/Bahrdt. 1 Mathematische Aussagen. Theoretische Informatik I WS2018/19
Theoretische Informatik I WS2018/19 Übersichtsblatt Hertrampf/Bahrdt Institut für Formale Methoden der Informatik Theoretische Informatik Universität Stuttgart 1 Mathematische Aussagen Um mathematische
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,
MehrML a t he m at ik. Präferenzen. Klaus Schindler. e h r st a b 0 Universität des Saarlandes Fakultät 1
Präferenzen Klaus Schindler ML a t he m at ik e h r st a b 0 Universität des Saarlandes Fakultät 1 http://www.mathe.wiwi.uni-sb.de Advanced Quantitative Methods for Economists WS 2014/2015 Ordnung Lexikographische
Mehr6. Boolesche Algebren
6. Boolesche Algebren 6.1 Definitionen Eine Boolesche Algebra ist eine Algebra S,,,, 0, 1,, sind binäre, ist ein unärer Operator, 0 und 1 sind Konstanten. Es gilt: 1 und sind assoziativ und kommutativ.
MehrVorlesung Diskrete Strukturen Relationen
Vorlesung Diskrete Strukturen Relationen Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2009/10 1 Bernhard Ganter, TU Dresden Modul Einführung in die Mathematik
MehrTUTORIUM WIRTSCHAFTSPOLITIK THEMA 3: WOHLFAHRTSÖKONOMIE von Tina Michel
TUTORIUM WIRTSCHAFTSPOLITIK THEMA 3: WOHLFAHRTSÖKONOMIE 17. - 21. 11. 2003 von Tina Michel (1) Gehen Sie von einem 2-Güter-2-Haushalte-Modell aus, und leiten Sie graphisch mit Hilfe der Edgeworth-Box eine
MehrFolglich besitzt die kanonische Faktorisierung von Permutationen der Ordnung 2 nur 2-Zykeln, also Transpositionen, als Elemente.
Stefan K. 5.Übungsblatt Algebra I Aufgabe 1 gesucht: die Elemente von S n mit der Ordnung 2 Lösung: Wir betrachten die kanonische Faktorisierung einer Permutation π S n : jede Permutation π e Sn ist bis
Mehrmathematische Grundlagen der Modelltheorie: Mengen, Relationen, Funktionen
Einführung in die Logik - 6 mathematische Grundlagen der Modelltheorie: Mengen, Relationen, Funktionen Modelltheoretische / Denotationelle Semantik der Prdikatenlogik Ein Modell ist ein künstlich geschaffenes
MehrLösungen zur Übungsserie 2
Analysis 1 Herbstsemester 2018 rof. eter Jossen Montag, 8. Oktober Lösungen zur Übungsserie 2 Aufgaben 1, 2, 3, 4, 5, 6, 7, 8, 9, 12, 13, 14 Aufgabe 1. Sei X eine Menge. Wie behandeln in dieser Aufgabe
Mehrf(x) = x f 1 (x) = x. Aufgabe 2. Welche der folgenden Funktionen sind injektiv, surjektiv, bijektiv?
Umkehrfunktionen Aufgabe 1. Sei A = {1, 2, 3, 4}. Definieren Sie eine bijektive Funktion f A A und geben Sie ihre Umkehrfunktion f 1 an. Lösung von Aufgabe 1. Zum Beispiel f, f 1 A A mit f(x) = x f 1 (x)
MehrKapitel 5.1: Kollektiventscheidungen 1
1 Diese Folien dienen der Ergänzung des Vorlesungsstoffes im Rahmen der Vorund Nachbereitung. Sie stellen kein Skript dar; es wird keine Gewähr für Richtigkeit und/oder Vollständigkeit übernommen. Kapitel
Mehr2.4 Verallgemeinerte Ungleichungen
2.4 Verallgemeinerte Ungleichungen 2.4.1 Eigentliche Kegel und verallgemeinerte Ungleichungen Ein Kegel K R heißt eigentlicher Kegel, wenn er die folgenden Bedingungen erfüllt: K ist konvex K ist abgeschlossen
MehrNatürliche Zahlen sind interessant
Natürliche Zahlen sind interessant N. N. Technische Universität München 16. September 2008 1 Interessante Zahlen Vorbemerkungen Der Zentrale Satz 2 Anwendungen Pädagogik Übersicht 1 Interessante Zahlen
MehrDas starke Banach-Tarski Paradox und Satz von Tarski (Teil I)
Das starke Banach-Tarski Paradox und Satz von Tarski (Teil I) Lukas Fischer 17. Oktober 2017 Die folgenden Inhalte entstammen dem Buch Lectures on Amenability von Volker Runde, insbesondere den Seiten
MehrKapitel 1. Grundlagen Mengen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
MehrMathematische Grundlagen der Computerlinguistik
kartesische Produkte und und Funktionen (Teil I) Centrum für Informations- und Sprachverarbeitung (CIS) 2. Juni 2014 Table of Contents kartesische Produkte und 1 kartesische Produkte und 2 Darstellung
MehrKapitel II Funktionen reeller Variabler
Kapitel II Funktionen reeller Variabler D (Funktion) Es sei f XxY eine Abbildung Die Abbildung f heiß Funktion, falls sie eindeutig ist Man schreibt dann auch: f : X Y f ( x) = y, wobei y das (eindeutig
MehrAnmerkungen zu Mengen und Abbildungen
Anmerkungen zu Mengen und Abbildungen Kartesisches Produkt von n Mengen und n-stellige Relationen Sind M 1, M,, M n nichtleere Mengen, so ist ihr kartesisches Produkt erklärt als Menge aller geordneter
MehrEinführung in die Programmierung. Bertrand Meyer. Vorlesung 24: Topological Sort 1: Hintergrund. Topological sort
1 Einführung in die Programmierung Bertrand Meyer Letzte Überarbeitung 23. Januar 2005 2 Vorlesung 24: Topological Sort 1: Hintergrund Topological sort 3 Produzieren Sie eine zu einer gegebenen partiellen
MehrRelationen und Funktionen
Vorkurs Mathematik Dr. Regula Krapf Sommersemester 018 Relationen und Funktionen Definition. Seien M und N Mengen. Eine Relation auf M N ist eine Teilmenge R M N. Falls (x,y) R, so schreibt man auch x
MehrLösungen zur Übungsserie 1
Analysis 1 Herbstsemester 2018 Prof. Peter Jossen Montag, 24. September Lösungen zur Übungsserie 1 Aufgaben 1, 3, 4, 5, 6, 8 Aufgabe 1. Sei X eine endliche Menge mit n Elementen, und sei Y eine endliche
MehrKapitel 1. Grundlegendes
Kapitel 1 Grundlegendes Abschnitt 1.4 Vollständige Induktion Charakterisierung der natürlichen Zahlen Die Menge N 0 = {0, 1, 2, 3,...} der natürlichen Zahlen läßt sich wie folgt charakterisieren: 1. 0
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
MehrMathematische Grundlagen der Computerlinguistik
Centrum für Informations- und Sprachverarbeitung (CIS) 10. Juni 2014 Table of Contents 1 2 Äquivalenz Der Begriff der Äquivalenz verallgemeinert den Begriff der Gleichheit. Er beinhaltet in einem zu präzisierenden
MehrProf. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 5 22
Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 5 22 Der Ansatz von Goodman und Markowitz GOODMAN und MARKOWITZ [1952] sind der Ansicht, daß die 2. Bedingung von ARROW bei realen Entscheidungen
MehrKapitel 1. Grundlagen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
Mehr2 Lösungen zu Kapitel 2
2 Lösungen zu Kapitel 2 2. Lösung. Die Funktion f ist nicht injektiv. So gibt es (unendlich) viele Paare (x, y) mit f(x, y) = 0, etwa (0, 0) und (/2, ). Die Funktion f ist surjektiv. Zum Beispiel gilt
MehrVorlesung. Einführung in die mathematische Sprache und naive Mengenlehre
Vorlesung Einführung in die mathematische Sprache und naive Mengenlehre Allgemeines RUD26 Erwin-Schrödinger-Zentrum (ESZ) RUD25 Johann-von-Neumann-Haus Fachschaft Menge aller Studenten eines Institutes
MehrDiskrete Strukturen. Vorlesung 3: Naive Mengenlehre. 30. Oktober 2018
Diskrete Strukturen Vorlesung 3: Naive Mengenlehre 30. Oktober 2018 2 Organisation Prüfung: vorauss. am Freitag, den 22. Februar 2019 von 10 11 Uhr im AudiMax, HS 3, HS 9 Abmeldungen noch bis zum 12. Januar
MehrDie reellen Zahlen als Dedekindsche Schnitte. Iwan Otschkowski
Die reellen Zahlen als Dedekindsche Schnitte Iwan Otschkowski 14.12.2016 1 1 Einleitung In dieser Ausarbeitung konstruieren wir einen vollständig geordneten Körper aus gewissen Teilmengen von Q, den Dedekindschen
MehrInjektiv, Surjektiv, Bijektiv
Injektiv, Surjektiv, Bijektiv Aufgabe 1. Geben Sie einen ausführlichen Beweis für folgende Aussage: Wenn f A B surjektiv ist und R A A A eine reflexive Relation auf A ist, dann ist R B = {( f(x), f(y)
MehrDiskrete Strukturen 5.9 Permutationsgruppen 168/558 c Ernst W. Mayr
Bemerkung: Der folgende Abschnitt Boolesche Algebren ist (im WS 2010/11) nicht Teil des Prüfungsstoffs, soweit nicht Teile daraus in der Übung behandelt werden! Diskrete Strukturen 5.9 Permutationsgruppen
MehrKapitel 1. Grundlagen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
MehrFormale Methoden 2. Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2014/2015
Formale Methoden 2 Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2014/2015 1 Mengen 2 Relationen Definition Operationen Eigenschaften Äquivalenzrelationen Mehrstellige Relationen 3 Abbildungen 4
MehrZiele staatlicher Wirtschaftspolitik
Kapitel 2 Ziele staatlicher Wirtschaftspolitik In diesem Kapitel werden einige wichtige Zielvorgaben staatlicher Wirtschaftspolitik vorgestellt. Mögliche Zielvorgaben werden oft in sogenannte Hauptziele
Mehr3.2 Unabhängigkeitsstrukturen
80 3.2 Unabhängigkeitsstrukturen Unser Ziel ist der Nachweis, daß in Vektorräumen, also in Moduln über Körpern, Basen existieren und zwei endliche Basen gegebenenfalls von derselben Ordnung sind. (Basen
MehrKombinatorik. Dr. Lucia Draque Penso. Universität Ulm. Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 1 / 19
Kombinatorik Dr. Lucia Draque Penso Universität Ulm Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 1 / 19 Fünfzehnte Vorlesung Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 2 / 19 Definition
MehrGroße Mengen und Ultrafilter. 1 Große Mengen
Vortrag zum Seminar zur Analysis, 31.10.2012 Marcel Marnitz In diesem Vortrag wird das Konzept mathematischer Filter eingeführt. Sie werden in späteren Vorträgen zur Konstruktion der hyperreellen Zahlen
MehrRationale Wahl aus Sicht des Wählenden optimal Abbildung/Modellierung von Präferenzen durch paarweisen Vergleich Präferenzrelation: math.
Whd. Präferenzen Rationale Wahl aus Sicht des Wählenden optimal Abbildung/Modellierung von Präferenzen durch paarweisen Vergleich Präferenzrelation: math. Gebilde zur Darstellung des paarweisen Vergleiches
MehrVorlesung 4: Risikoallokation
Vorlesung 4: Risikoallokation Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie, FS 12 Risikoallokation 1/23 2 / 23 4.1 Einleitung Bisher haben wir uns ausschliesslich
MehrZiele staatlicher Wirtschaftspolitik
Kapitel 2 Ziele staatlicher Wirtschaftspolitik In diesem Kapitel werden einige wichtige Zielvorgaben staatlicher Wirtschaftspolitik vorgestellt. Mögliche Zielvorgaben werden oft in sogenannte Hauptziele
Mehr3.3 Der Seitenverband
Diskrete Geometrie (Version 3) 10. Januar 2012 c Rudolf Scharlau 217 3.3 Der Seitenverband Wir setzen die Untersuchung der Relation ist Seite von auf der Menge aller konvexen Polytope in einem gegebenen
Mehr01. Gruppen, Ringe, Körper
01. Gruppen, Ringe, Körper Gruppen, Ringe bzw. Körper sind wichtige abstrakte algebraische Strukturen. Sie entstehen dadurch, dass auf einer Menge M eine oder mehrere sogenannte Verknüpfungen definiert
Mehr