Politische Ökonomie Agency

Größe: px
Ab Seite anzeigen:

Download "Politische Ökonomie Agency"

Transkript

1 4.3. Agency Wähler: Prinzipal, Politiker: Agent. Agency-Problem: Politiker möchten Ressourcen abschöpfen: Rent seeking. Können Wähler Politiker disziplinieren? Brennan/Buchanan (1980): Staat als Leviathan, maximiert Steuereinnahmen für eigene Zwecke. Chicago Schule (z.b. Wittman 1989): Wettbewerb führt zu ezientem Verhalten der Politiker. Funktionen von Wahlen mit Agency Problem: Programme auswählen Politiker disziplinieren Politiker auswählen Rainald Borck 1

2 Ezienter Wettbewerb Politiker haben Interesse an Amt an sich und an Renten, d.h. sie eignen sich Teil des Budgets an. Steueraufkommen: τy = g + r r: Renten, die Politiker beziehen (z.b. Parteiennanzierung oder Verschwendung). 2-Parteien-Wettbewerb: P = A, B. Nutzen Politiker: E(v P ) = p P (R + γr) R: exogener Nutzen des Amts (Ego-Rente), r: Verschwendung (aus Sicht der Wähler), γ [0, 1]: Transaktionskosten (γ hoch: wenig Verlust durch Rentenstreben). Rainald Borck 2

3 Ann. (s. 4.1): Politiker identisch, vollst. Info. Timing: (1) Programme bekanntgegeben: q P = (g P, r P ), P = A, B (2) Wahlen nden statt. (3) Gewinner implementiert angekündigtes Programm. Wählernutzen: W i (q) = y yi (g + r) + H(g) y 2-dimensionales Problem; aber intermediate preferences Eigenschaft gilt. Alle Wähler nden r Verschwendung, aber Konikt über Höhe der Ausgaben wie vorher. Gewinnwahrscheinlichkeit A: 0 wenn W m (q A ) < W m (q B ) 1 p A = 2 wenn W m (q A ) = W m (q B ) 1 wenn W m (q A ) > W m (q B ) (1) Rainald Borck 3

4 Medianwähler entscheidend. Im GGW kündigen beide Politiker Medianprogramm an: g A = g B = g m = (H ) 1 (y m /y) r A = r B = r m = 0 Sei g A = g B = g m, r A = r B = r > 0. Dann kann z.b. P = A durch r A = r ε (für ε beliebig klein) p A von 1/2 auf 1 steigern. Nutzengewinn: du = R + γ(r ε) 1 2 (R + γr ) du > 0 R > 2γε γr was für beliebig kleines ε und r > 0 erfüllt ist. Fazit: Wettbewerb beschränkt Rentenstreben. Mit Unsicherheit ändern sich Aussagen (probabilistic voting), s. Persson/Tabellini Kap. 4.2 Rainald Borck 4

5 Accountability Idee: Wähler stimmen retrospektiv ab, um Politiker für ihr Verhalten haftbar zu machen. Versprechen sind nicht durchsetzbar. Wähler sind identisch. Timing: (1) Wähler bestimmen Reservationsnutzen (2) Amtsinhaber bestimmt q I (3) Wahlen nden statt; Wähler stimmen zwischen Amtsinhaber und identischem Herausforderer ab. Wähler wählen Amtsinhaber ab, wenn er Reservationsnutzen nicht einhält. Da Herausforderer identisch ist, ist Strategie (schwach) optimal. Rainald Borck 5

6 Zielfunktion des Amtsinhabers: E(v I ) = γr + p I R R: zukünftiger Nutzen des Amts. Wahlstrategie der Wähler: { 1 wenn W (g, r) ω p I = 0 sonst (2) Trade o für Politiker: hohe Renten einstecken und nicht wiedergewählt werden oder Wähler zufrieden stellen und im Amt bleiben. Rainald Borck 6

7 Wiederwahl: Max. Renten unter NB p I = 1: W (g, r) = y g r + H(g) ω (3) r = y g + H(g) ω (4) Nicht-Wiederwahl: r = y, g = 0. Wiederwahl bevorzugt, wenn γr + R γy (5) Beste Strategie der Wähler: max W (g, r) unter NB (5): r = y R γ, g = (H ) 1 (1) (6) (solange y > R/γ) Rainald Borck 7

8 Reservationsnutzen ω = y g + H(g ) r Bereitstellung ö. Güter optimal, aber Wähler müssen Renten abgeben, um gutes Verhalten zu induzieren. Renten höher, je höher y (Steuerbasis, die von Politiker angezapft werden kann), γ (Verschwendung ist für Politiker billig) und je niedriger R (Politiker will nicht unbedingt im Amt bleiben. Politiker-Gehälter: hohes R wenig Verschwendung. Rainald Borck 8

9 Career concerns und Politiker-Kompetenz Idee: Wähler wollen kompetente Politiker wiederwählen: Wahlen als Auswahl-Instrument. Politiker werden im Rentenstreben eingeschränkt, wenn sie wiedergewählt werden wollen. Möglicher Anreiz zum signalling (hier nicht betrachtet): Kompetenter Politiker möchte Wählern Kompetenz signalisieren. Rainald Borck 9

10 2 Perioden-Modell: Steuern sind gegeben und Budget muss immer ausgeglichen sein. Wählerpräferenzen in Periode t = 1, 2: w t = (1 τ)y + g t Politiker unterscheiden sich in Kompetenz. Staatsbudget: Hohes η: hohe Kompetenz. g t = η( τ r t ) Kompetenz ist in beiden Perioden gleich; η ist gleichverteilt in [1 1 2ξ, ξ ] mit Dichte ξ: Erwartungswert 1. Wenn Amtsinhaber nicht wiedergewählt wird, wird ein neuer bestimmt, dessen Kompetenz aus derselben Verteilung gezogen wird. Rainald Borck 10

11 Renten sind auf Maximum r r < τy beschränkt. Zielfunktion des Politikers in Periode 1: v I = r 1 + p I (R + r 2 ) r t : Renten (Verschwendung) in t, R: exogener Nutzen des Amtes. Timing: (1) Amtsinhaber in 1 wählt r 1 ohne Kompetenz zu kennen, (2) η wird realisiert und g 1 entsprechend Budget bestimmt, Wähler kennen weder r 1 noch η, (3) Wahlen nden statt; wenn Amtsinhaber verliert, wird neuer Politiker bestimmt, (4) r 2 wird gewählt und g 2 entsprechend Budget bestimmt. Rainald Borck 11

12 Periode 2: Politiker wählt maximale Rente r, g 2 = η( τ r). Wähler wollen kompetenten Politiker. Wähler wählen inkompetente Politiker ab: realisierter Nutzen in t 1 und Erwartung über Kompetenz eines Herausforderers (E(η) = 1) Periode 1: Optimales Wählerverhalten. Sei r 1 Politikers optimale Strategie. Wähler kennen bei der Wahl g 1, τ und können r 1 berechnen und so η schätzen: η = g 1 τy r 1 Politiker wird wiedergewählt, wenn η E(η) = 1, sonst nicht. Wenn Politiker r 1 wählt, ist η unbekannt. Seine Wiederwahlwahrscheinlichkeit (WWW) ist daher Prob[ η 1]. Rainald Borck 12

13 Aus der Budgetbeschränkung ist und daher g 1 = η( τy r 1 ) η 1 η τy r 1 τy r 1 (7) Aus Sicht des Politikers ist WWW Wahrscheinlichkeit, dass (7) erfüllt ist. Da η normalverteilt, ist prob[η x] = ξ( ξ x) (8) p I = ξ(1 τy r 1 τy r 1 ) (9) Rainald Borck 13

14 Politiker maximiert v I = r 1 + p I (R + r 2 ) durch Wahl von r 1 (gegeben r 1 ): v I r 1 = 1 + (R + r 2 ) p I r 1 = 1 (R + r 2 )ξ τy r 1 ( τy r 1 ) 2 = 0 Im GGW muss r 1 den Erwartungen der Wähler r 1 entsprechen, so dass: und p I = 1/2 (aus (9)). r 1 = τy ξ(r + r) (10) Rainald Borck 14

15 Aus (10) und Budgetbeschränkung folgt g 1 = ξ(r + r)η. Politiker wird also wiedergewählt, wenn g 1 ξ(r + r) Wähler nutzen Info aus Vergangenheit, um kompetente Politiker wiederzuwählen. Rentenstreben wird beschränkt (s. (10)) und zwar umso mehr, je geringer die Unsicherheit über Kompetenz (hohes ξ) und je gröÿer Nutzen der Wiederwahl ((R + r)). Rainald Borck 15

4. Indirekte Demokratie 4.1. Parteienwettbewerb

4. Indirekte Demokratie 4.1. Parteienwettbewerb 4. Indirekte Demokratie 4.1. Parteienwettbewerb Indirekte Demokratie: Politiker bestimmen über Politik. Politiker schlagen Programme vor, und Wähler stimmen darüber ab. Wie sieht Wettbewerb aus? Ergebnis

Mehr

9. Politische Konjunkturzyklen

9. Politische Konjunkturzyklen 9. Politische Konjunkturzyklen Regierungen wollen Wahlen gewinnen und Wahlen nden periodisch statt: Anreize, Politik vor den Wahlen zu manipulieren, um Wahlen zu gewinnen. Stilisierte Fakten: 1. Expansionäre

Mehr

8. Wachstum. Welchen Einuss hat Politik auf private Kapitalakkumulation und damit Wachstum?

8. Wachstum. Welchen Einuss hat Politik auf private Kapitalakkumulation und damit Wachstum? 8. Wachstum Welchen Einuss hat Politik auf private Kapitalakkumulation und damit Wachstum? 1. Negative Korrelation zwischen Wachstum und Einkommensungleichheit: Einuss von Einkommensverteilung via Kapitalsteuern

Mehr

1.5. Politische Ökonomie der Staatsverschuldung

1.5. Politische Ökonomie der Staatsverschuldung 1.5. Politische Ökonomie der Staatsverschuldung Warum sind Dezite und Schulden in Demokratien so hoch? Tax smoothing: In Kriegszeiten sollten Dezite hoch sein, in Friedenszeiten Schulden abgebaut werden.

Mehr

7. Kapitalsteuern/Schulden

7. Kapitalsteuern/Schulden 7. Kapitalsteuern/Schulden Dynamische Politikprobleme: Investitionen oder Schulden heute beeinussen Wirtschaft und Politik morgen. Hat Politik Anreize, zukünftige Bedürfnisse zu berücksichtigen? Bsp. Schulden/BIP

Mehr

NIÖ Kap III: Neue Politische Ökonomie

NIÖ Kap III: Neue Politische Ökonomie NIÖ Kap III: Neue Politische Ökonomie 1 / 23 III.II.1 Modell der Umverteilung w i Präferenzfunktion des Wählers i c i privater Konsum des Wählers i H( ) konkave und steigende Funktion g Ausgaben für öffentliches

Mehr

Steuerwettbewerb. 6. Steuerwettbewerb. Lit: Keuschnigg, Kap. VIII

Steuerwettbewerb. 6. Steuerwettbewerb. Lit: Keuschnigg, Kap. VIII 6. Steuerwettbewerb Lit: Keuschnigg, Kap. VIII Globalisierung: Produktionsfaktoren, insb. Kapital sind international mobil. Können Nationalstaaten dann noch Kapital besteuern? Führt Besteuerung mobiler

Mehr

6. Politische Ökonomie und Institutionen

6. Politische Ökonomie und Institutionen 6. Politische Ökonomie und Institutionen Was sind Institutionen und warum sind sie wichtig? Allgemein: Institutionen bestimmen die Spielregeln einer Gesellschaft: 1. wirtschaftliche Institutionen z.b.

Mehr

6. Politische Ökonomie und Institutionen

6. Politische Ökonomie und Institutionen 6. Politische Ökonomie und Institutionen Was sind Institutionen und warum sind sie wichtig? Allgemein: Institutionen bestimmen die Spielregeln einer Gesellschaft: 1. wirtschaftliche Institutionen z.b.

Mehr

Politische Ökonomie. 5. Umverteilung

Politische Ökonomie. 5. Umverteilung 5. Umverteilung Wachstum von Transferzahlungen in Industrieländern: von 8% des BIP 1960 auf 23 % 1990 (Tanzi/Davoodi 1997) Variation von 10 % (Japan) bis 40 % (NL) Besonders ausgeprägt: Wachstum staatlicher

Mehr

4. Unreine öentliche Güter 4.1. Clubgüter

4. Unreine öentliche Güter 4.1. Clubgüter 4. Unreine öentliche Güter 4.1. Clubgüter Unreine öentliche Güter: entweder Rivalität oder Ausschlussprinzip. Rivalität und Ausschlussprinzip: Allmendegüter (s. nächstes Kap.). Def. Clubgut: Clubgüter

Mehr

Zentralisierung, Dezentralisierung

Zentralisierung, Dezentralisierung Zentralisierung, Dezentralisierung und institutioneller Wettbewerb Thomas Apolte Gliederung: 1. Kriterien für (De-)Zentralisierung 2. Typen institutionellen Wettbewerbs 3. Mobilitätsgetriebener Wettbewerb

Mehr

1.3. Neoklassische Theorie der Staatsverschuldung

1.3. Neoklassische Theorie der Staatsverschuldung 1.3. Neoklassische Theorie der Staatsverschuldung Eekte einer Staatsverschuldung im OLG Modell. Annahmen: exogen gegebener Pfad der Staatsausgaben; Finanzierung über Steuern oder Verschuldung. Finanzierungstausch:

Mehr

κ Κα π Κ α α Κ Α

κ Κα π Κ α α Κ Α κ Κα π Κ α α Κ Α Ζ Μ Κ κ Ε Φ π Α Γ Κ Μ Ν Ξ λ Γ Ξ Ν Μ Ν Ξ Ξ Τ κ ζ Ν Ν ψ Υ α α α Κ α π α ψ Κ α α α α α Α Κ Ε α α α α α α α Α α α α α η Ε α α α Ξ α α Γ Α Κ Κ Κ Ε λ Ε Ν Ε θ Ξ κ Ε Ν Κ Μ Ν Τ μ Υ Γ φ Ε Κ Τ θ

Mehr

Stimmt das immer und in welchem Sinne?

Stimmt das immer und in welchem Sinne? 1 KAP 6. Dominanz und Nash-GG Nash-GG (teilweise) dadurch motiviert: schränkt Menge möglicher Spielausgänge stärker ein als Dominanz Stimmt das immer und in welchem Sinne? Gibt s stets weniger Nash-GGe

Mehr

Wohlfahrtstheorie. 2. Wohlfahrtstheorie

Wohlfahrtstheorie. 2. Wohlfahrtstheorie 2. Wohlfahrtstheorie Grundlage der Allokationspolitik: Wohlfahrtstheorie Soziale Zustände werden auf Basis der individuellen Nutzen bewertet. Wenn eine Markt-Allokation Möglichkeiten zur Ezienzverbesserung

Mehr

9. Politische Ökonomie

9. Politische Ökonomie 9. Politische Ökonomie Fragestellung: Wie werden Ausgabenentscheidungen in Demokratie getroen? Annahme hier: Wähler entscheiden direkte Demokratie. Honung, dass Entscheidungsprozess vernünftige Eigenschaften

Mehr

Stichproben Parameterschätzung Konfidenzintervalle:

Stichproben Parameterschätzung Konfidenzintervalle: Stichproben Parameterschätzung Konfidenzintervalle: Beispiel Wahlprognose: Die Grundgesamtheit hat einen Prozentsatz p der Partei A wählt. Wenn dieser Prozentsatz bekannt ist, dann kann man z.b. ausrechnen,

Mehr

Wichtige Definitionen und Aussagen

Wichtige Definitionen und Aussagen Wichtige Definitionen und Aussagen Zufallsexperiment, Ergebnis, Ereignis: Unter einem Zufallsexperiment verstehen wir einen Vorgang, dessen Ausgänge sich nicht vorhersagen lassen Die möglichen Ausgänge

Mehr

Kapitel 09. der Besteuerung

Kapitel 09. der Besteuerung Markt und Absatz: Markt und Wettbewerb WS 2017/18 Kapitel 09a Steuersytem, Lars Metzger 1 / 39 Kapitel 09 Das Steuersystem und die Kosten der Besteuerung Teil 1 arkt und Absatz: Markt und Wettbewerb WS

Mehr

2.3 Intervallschätzung

2.3 Intervallschätzung 2.3.1 Motivation und Hinführung Bsp. 2.15. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler unter allen Wählern war 2009 auf eine Nachkommastelle gerundet genau 33.7%. Wie groß ist die Wahrscheinlichkeit,

Mehr

1.4. Ricardianische Äquivalenz

1.4. Ricardianische Äquivalenz 1.4. Ricardianische Äquivalenz Ricardo (1817): Schulden- und Steuernanzierung sind äquivalent. Intuition: Schulden von heute müssen später zurückgezahlt werden Steuersenkung heute entsprich Steuererhöhung

Mehr

Institut für Stochastik, SoSe K L A U S U R , 13:

Institut für Stochastik, SoSe K L A U S U R , 13: Institut für Stochastik, SoSe 2014 Mathematische Statistik Paravicini/Heusel 1. K L A U S U R 12.7.2014, 13:00-16.00 Name: Geburtsdatum: Vorname: Matrikelnummer: Übungsgruppe bei: Studiengang & angestrebter

Mehr

Öentliche Güter Lindahl-Lösung

Öentliche Güter Lindahl-Lösung 3.4. Lindahl-Lösung Idee: Quasi-Markt-Mechanismus, indem Individuen individuelle Preise für ö. Gut entsprechend ihrer Zahlungsbereitschaft zahlen. Idee: Während bei privaten Gütern Individuen unterschiedliche

Mehr

1 Wahrscheinlichkeitsrechnung. 2 Zufallsvariablen und ihre Verteilung. 3 Statistische Inferenz. 4 Intervallschätzung

1 Wahrscheinlichkeitsrechnung. 2 Zufallsvariablen und ihre Verteilung. 3 Statistische Inferenz. 4 Intervallschätzung 0 Einführung 1 Wahrscheinlichkeitsrechnung Zufallsvariablen und ihre Verteilung 3 Statistische Inferenz 4 Intervallschätzung Motivation und Hinführung Der wahre Anteil der rot-grün Wähler 009 war genau

Mehr

2.3 Intervallschätzung

2.3 Intervallschätzung 2.3.1 Motivation und Hinführung Bsp. 2.11. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler 2009 war genau 33.7%. Wie groß ist die Wahrscheinlichkeit, in einer Zufallsstichprobe von 1000 Personen genau

Mehr

Einführung in die Stochastik für Informatiker Übungsaufgaben mit Lösungen

Einführung in die Stochastik für Informatiker Übungsaufgaben mit Lösungen Einführung in die Stochastik für Informatiker Übungsaufgaben mit Lösungen David Geier und Sven Middelberg RWTH Aachen, Sommersemester 27 Inhaltsverzeichnis Information 2 Aufgabe 4 Aufgabe 2 6 4 Aufgabe

Mehr

nach den politischen Entscheidungsträgern werden jetzt die Akteure in der politischen Exekutive (Behörden) genauer

nach den politischen Entscheidungsträgern werden jetzt die Akteure in der politischen Exekutive (Behörden) genauer Grundzüge der Wirtschaftspolitik 9-1 Prof. Andreas Haufler (SoSe 2009) 9. Bürokratieverhalten und der Leviathan-Staat 9.1. Budgetmaximierende Bürokraten nach den politischen Entscheidungsträgern werden

Mehr

Bisher angenommen: jeder Spieler kennt alle Teile des Spiels. - Diskontfaktor des Verhandlungspartners

Bisher angenommen: jeder Spieler kennt alle Teile des Spiels. - Diskontfaktor des Verhandlungspartners 1 KAP 15. Spiele unter unvollständiger Information Bisher angenommen: jeder Spieler kennt alle Teile des Spiels seine Gegenspieler, deren Aktionen, deren Nutzen, seinen eigenen Nutzen etc. Oft kennt man

Mehr

6. Kontinuierliche Zufallsgrößen. Beispiel 1: Die Exponentialverteilungen Sei λ > 0. Setzen

6. Kontinuierliche Zufallsgrößen. Beispiel 1: Die Exponentialverteilungen Sei λ > 0. Setzen 6. Kontinuierliche Zufallsgrößen Definition: Eine Z. G. ξ ist absolut stetig mit (Wahrscheinlichkeits-) Dichte f : R R, wenn gilt: P ( a ξ < b ) = b a f(x) dx (a < b) allgem. Eigenschaften einer Dichte

Mehr

Man kann also nicht erwarten, dass man immer den richtigen Wert trifft.

Man kann also nicht erwarten, dass man immer den richtigen Wert trifft. 2.2.2 Gütekriterien Beurteile die Schätzfunktionen, also das Verfahren an sich, nicht den einzelnen Schätzwert. Besonders bei komplexeren Schätzproblemen sind klar festgelegte Güteeigenschaften wichtig.

Mehr

Ordnungspolitik Sommersemester 2012 Klausur am 07. August 2012

Ordnungspolitik Sommersemester 2012 Klausur am 07. August 2012 Ordnungspolitik Sommersemester 2012 Klausur am 07. August 2012 Name, Vorname: Matrikelnummer: Unterschrift: gewählte Essays: Aufgabe 1 // Aufgabe 2 // Aufgabe 3 Hinweise: Bearbeitungszeit (bitte ankreuzen):

Mehr

3. Das Reinforcement Lernproblem

3. Das Reinforcement Lernproblem 3. Das Reinforcement Lernproblem 1. Agierender Agent in der Umgebung 2. Discounted Rewards 3. Markov Eigenschaft des Zustandssignals 4. Markov sche Entscheidung 5. Werte-Funktionen und Bellman sche Optimalität

Mehr

Kapitel 3. Matrix Spiele. 3.1 Matrix-Spiele

Kapitel 3. Matrix Spiele. 3.1 Matrix-Spiele Kapitel 3 Matrix Spiele Seminar Spieltheorie, SS 006 3. Matrix-Spiele Vorgegeben sei ein Nullsummenspiel Γ = (S, T, φ, φ mit endlichen Strategiemengen S und T, etwa S = (s,..., s m und T = (t,..., t n.

Mehr

Übung zu Empirische Ökonomie für Fortgeschrittene SS 2009

Übung zu Empirische Ökonomie für Fortgeschrittene SS 2009 Übung zu Empirische Ökonomie für Fortgeschrittene Steen Elstner, Klaus Wohlrabe, Steen Henzel SS 9 1 Wichtige Verteilungen Die Normalverteilung Eine stetige Zufallsvariable mit der Wahrscheinlichkeitsdichte

Mehr

Theorie Parameterschätzung Ausblick. Schätzung. Raimar Sandner. Studentenseminar "Statistische Methoden in der Physik"

Theorie Parameterschätzung Ausblick. Schätzung. Raimar Sandner. Studentenseminar Statistische Methoden in der Physik Studentenseminar "Statistische Methoden in der Physik" Gliederung 1 2 3 Worum geht es hier? Gliederung 1 2 3 Stichproben Gegeben eine Beobachtungsreihe x = (x 1, x 2,..., x n ): Realisierung der n-dimensionalen

Mehr

Statistisches Testen

Statistisches Testen Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall

Mehr

Dynamische Systeme und Zeitreihenanalyse // Multivariate Normalverteilung und ML Schätzung 11 p.2/38

Dynamische Systeme und Zeitreihenanalyse // Multivariate Normalverteilung und ML Schätzung 11 p.2/38 Dynamische Systeme und Zeitreihenanalyse Multivariate Normalverteilung und ML Schätzung Kapitel 11 Statistik und Mathematik WU Wien Michael Hauser Dynamische Systeme und Zeitreihenanalyse // Multivariate

Mehr

Anreizwirkungen der Besteuerung Ersparnis. Lit: Keuschnigg, Kap. VIII

Anreizwirkungen der Besteuerung Ersparnis. Lit: Keuschnigg, Kap. VIII 2.2. Ersparnis Lit: Keuschnigg, Kap. VIII Konsument lebt zwei Perioden (Erwerbsphase und Ruhestand) und hat exogenes Einkommen w 1, w 2 in Periode 1,2. Nutzenfunktion deniert über Konsum in Periode 1 und

Mehr

1 Bedingte Erwartungswerte

1 Bedingte Erwartungswerte Die folgenden Regeln sind das alltägliche Handwerkszeug für den Umgang mit bedingten Erwartungen und werden in diesem Abschnitt, allerdings ohne Beweise, zitiert. Es ist durchaus eine lohnenswerte Übung,

Mehr

Mathematische Statistik Aufgaben zum Üben. Schätzer

Mathematische Statistik Aufgaben zum Üben. Schätzer Prof. Dr. Z. Kabluchko Wintersemester 2016/17 Philipp Godland 14. November 2016 Mathematische Statistik Aufgaben zum Üben Keine Abgabe Aufgabe 1 Schätzer Es seien X 1,..., X n unabhängige und identisch

Mehr

Die n-dimensionale Normalverteilung

Die n-dimensionale Normalverteilung U. Mortensen Die n-dimensionale Normalverteilung Es wird zunächst die -dimensionale Normalverteilung betrachtet. Die zufälligen Veränderlichen X und Y seien normalverteilt. Gesucht ist die gemeinsame Verteilung

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 29 UNIVERSITÄT KARLSRUHE Blatt 6 Priv.-Doz. Dr. D. Kadelka Dipl.-Math. W. Lao Übungen zur Vorlesung Stochastische Prozesse Musterlösungen Aufgabe 27: Sei X eine R + -wertige

Mehr

Fakultät Verkehrswissenschaften Friedrich List Professur für Ökonometrie und Statistik, insb. im Verkehrswesen. Statistik II

Fakultät Verkehrswissenschaften Friedrich List Professur für Ökonometrie und Statistik, insb. im Verkehrswesen. Statistik II Statistik II 1. Ergänzungen zur Wahrscheinlichkeitstheorie Fakultät Verkehrswissenschaften Friedrich List Professur für Ökonometrie und Statistik, insb. im Verkehrswesen Statistik II 1. Ergänzungen zur

Mehr

Theorie-Teil: Aufgaben 1-3: 30 Punkte Programmier-Teil: Aufgaben 4-9: 60 Punkte

Theorie-Teil: Aufgaben 1-3: 30 Punkte Programmier-Teil: Aufgaben 4-9: 60 Punkte Hochschule RheinMain WS 2018/19 Prof. Dr. D. Lehmann Probe-Klausur zur Vorlesung Ökonometrie Theorie-Teil: Aufgaben 1-3: 30 Punkte Programmier-Teil: Aufgaben 4-9: 60 Punkte (die eigentliche Klausur wird

Mehr

D-ITET Wahrscheinlichkeitstheorie und Statistik FS 2017 Prof. P. Nolin. Serie 11

D-ITET Wahrscheinlichkeitstheorie und Statistik FS 2017 Prof. P. Nolin. Serie 11 D-ITET Wahrscheinlichkeitstheorie und Statistik FS 2017 Prof. P. Nolin Serie 11 1. Frau A und Herr B wollen sich treffen und verabreden sich für 16 Uhr in einem Café. Mit T A bzw. T B bezeichnen wir die

Mehr

Schwache Konvergenz von Wahrscheinlichkeitsmaßen

Schwache Konvergenz von Wahrscheinlichkeitsmaßen Schwache Konvergenz von Wahrscheinlichkeitsmaßen 6. Juli 2010 Inhaltsverzeichnis 1 Definition 2 3 Lindeberg-Bedingung Interpretation Definition Motivation (Konvergenz von Wahrscheinlichkeitsmaßen) Sind

Mehr

Quiz 2. Aufgabe 1. a) Das Angebot und die Nachfrage auf dem Markt für Turnschuhe sei durch folgende Funktionen gegeben:

Quiz 2. Aufgabe 1. a) Das Angebot und die Nachfrage auf dem Markt für Turnschuhe sei durch folgende Funktionen gegeben: Aufgabe 1 a) as Angebot und die Nachfrage auf dem Markt für Turnschuhe sei durch folgende Funktionen gegeben: ( p) = 150 4 p S( p) = 2 p 30 wobei p der Preis für ein Paar Turnschuhe ist. Wie lautet der

Mehr

Simulationstechniken in Finanz- und Versicherungsmathematik

Simulationstechniken in Finanz- und Versicherungsmathematik Simulationstechniken in Finanz- und Versicherungsmathematik 10. Januar 2010 1 Motivation 2 Monte Carlo Methoden 3 Quasi-Monte Carlo Methoden 4 Folgen kleiner Diskrepanz Motivation Mortgage-backed Security

Mehr

8. Reinforcement Learning

8. Reinforcement Learning 8. Reinforcement Learning Einführung 8. Reinforcement Learning Wie können Agenten ohne Trainingsbeispiele lernen? Auch kennt der Agent zu Beginn nicht die Auswirkungen seiner Handlungen. Stattdessen erhält

Mehr

4 MEHRDIMENSIONALE VERTEILUNGEN

4 MEHRDIMENSIONALE VERTEILUNGEN 4 MEHRDIMENSIONALE VERTEILUNGEN 4.14 Stochastische Vektoren 1. Der Merkmalraum des stochastischen Vektors (X, Y ) sei M = R 2. Betrachten Sie die folgenden Ereignisse und ihre Wahrscheinlichkeiten: A 1

Mehr

5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)

5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte

Mehr

12. Vorlesung. 19. Dezember 2006 Guido Schäfer

12. Vorlesung. 19. Dezember 2006 Guido Schäfer LETZTE ÄNDERUNG: 6. JANUAR 007 Vorlesung: Einführung in die Spieltheorie WS 006/007. Vorlesung 9. Dezember 006 Guido Schäfer 4 Bayesian Games Wir haben bisher immer angenommen, dass jeder Spieler vollständige

Mehr

Vorlesung: Statistik II für Wirtschaftswissenschaft

Vorlesung: Statistik II für Wirtschaftswissenschaft Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 6 Genzwertsätze Einführung 1 Wahrscheinlichkeit: Definition und Interpretation

Mehr

Mathematik für Informatiker III im WS 05/06 Musterlösung zur 4. Übung

Mathematik für Informatiker III im WS 05/06 Musterlösung zur 4. Übung Mathematik für Informatiker III im WS 5/6 Musterlösung zur. Übung erstellt von K. Kriegel Aufgabe : Wir betrachten den Wahrscheinlichkeitsraum der Punkte P =(a, b) aus dem Einheitsquadrat [, ] [, ] mit

Mehr

Prof. Dr. Klaus M. Schmidt Wintersemester 2014/15 Seminar für Wirtschaftstheorie. Experimente in der Spieltheorie

Prof. Dr. Klaus M. Schmidt Wintersemester 2014/15 Seminar für Wirtschaftstheorie. Experimente in der Spieltheorie Prof. Dr. Klaus M. Schmidt Wintersemester 2014/15 Seminar für Wirtschaftstheorie Experimente in der Spieltheorie Als Teil der Vorlesung möchte ich mit Ihnen einige Experimente durchführen. In jedem dieser

Mehr

Neue Institutionenökonomik, Aufgabe 18 Seite 1

Neue Institutionenökonomik, Aufgabe 18 Seite 1 Neue Institutionenökonomik, Aufgabe 18 Seite 1 Allgemeine Informationen zum Principal-Agent-Modell Es geht hier nun um die Vertragsausgestaltung zwischen dem Eigentümer (Prinzipal) einer Firma und dem

Mehr

Klausur zum Fach GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK. für Studierende der INFORMATIK

Klausur zum Fach GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK. für Studierende der INFORMATIK Institut für Stochastik Prof. Dr. Daniel Hug Name: Vorname: Matr.-Nr.: Klausur zum Fach GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK für Studierende der INFORMATIK Datum: 08. Februar 0 Dauer:

Mehr

Woche 2: Zufallsvariablen

Woche 2: Zufallsvariablen Woche 2: Zufallsvariablen Patric Müller ETHZ WBL 19/21, 29.04.2019 Wahrscheinlichkeit und Statistik Patric Müller WBL 2019 Teil III Zufallsvariablen Wahrscheinlichkeit

Mehr

Wahrscheinlichkeitstheorie und Statistik vom

Wahrscheinlichkeitstheorie und Statistik vom INSTITUT FÜR STOCHASTIK SS 2010 Karlsruher Institut für Technologie Priv.-Doz. Dr. D. Kadelka Klausur Wahrscheinlichkeitstheorie und Statistik vom 14.9.2010 Musterlösungen Aufgabe 1: Gegeben sei eine Urliste

Mehr

5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)

5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte

Mehr

Definition Sei X eine stetige Z.V. mit Verteilungsfunktion F und Dichte f. Dann heißt E(X) :=

Definition Sei X eine stetige Z.V. mit Verteilungsfunktion F und Dichte f. Dann heißt E(X) := Definition 2.34. Sei X eine stetige Z.V. mit Verteilungsfunktion F und Dichte f. Dann heißt E(X) := x f(x)dx der Erwartungswert von X, sofern dieses Integral existiert. Entsprechend wird die Varianz V(X)

Mehr

3.Wiederholung: Toleranzbereiche Für EX Geg:

3.Wiederholung: Toleranzbereiche Für EX Geg: 3.Wiederholung: Toleranzbereiche Für EX Geg: Vl. 24.2.2017 Schätzfunktion für Güte: Ist X Problem: Feb 17 13:21 > Wir berechnen Bereiche (Toleranzbereiche) für sind untere und obere Grenzen, berechnet

Mehr

Dieses Vielfach hängt ab von der Form der Nutzenfunktion. Man bezeichnet dies auch als Arrow-Pratt Koeffizient.

Dieses Vielfach hängt ab von der Form der Nutzenfunktion. Man bezeichnet dies auch als Arrow-Pratt Koeffizient. Die Riskoprämie ergibt sich also als ein Vielfaches der Varianz der zugrundeliegenden Unsicherheit Dieses Vielfach hängt ab von der Form der Nutzenfunktion. Man bezeichnet dies auch als Arrow-Pratt Koeffizient.

Mehr

Klausur vom

Klausur vom UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Dominik Faas Stochastik Wintersemester 00/0 Klausur vom 09.06.0 Aufgabe (++4=9 Punkte) Bei einer Umfrage wurden n Personen befragt, an wievielen Tagen

Mehr

Aufgabe 3 Was ist der Erwartungswert der größten gezogenen Zahl M beim Zahlenlotto 6 aus 49 (ohne Zusatzzahl)?

Aufgabe 3 Was ist der Erwartungswert der größten gezogenen Zahl M beim Zahlenlotto 6 aus 49 (ohne Zusatzzahl)? Erwartungswert Aufgaben Aufgabe Bei der Flugplatz Party haben Sie die Wahl ob Sie 3 Euro Eintritt bezahlen, oder Sie würfeln den Eintrittspreis mit einem normalen Würfel. Die Frage die sich dabei stellt

Mehr

Wahrscheinlichkeit und Statistik BSc D-INFK

Wahrscheinlichkeit und Statistik BSc D-INFK Prof. Dr. P. Bühlmann ETH Zürich Sommer 2010 Wahrscheinlichkeit und Statistik BSc D-INFK 1. (10 Punkte) Bei den folgenden 10 Fragen ist jeweils genau eine Antwort richtig. Es gibt pro richtig beantwortete

Mehr

Messbare Vektorräume

Messbare Vektorräume Messbare Vektorräume Hans-Jörg Starkloff TU Bergakademie Freiberg Westsächsische Hochschule Zwickau Dezember 2010 / Januar 2011 Hans-Jörg Starkloff Messbare Vektorräume 1 1. Definition Geg. X linearer

Mehr

Probeklausur - Statistik II, SoSe 2017

Probeklausur - Statistik II, SoSe 2017 Probeklausur - Statistik II, SoSe 2017 Aufgabe 1: Mehrdimensionale Zufallsvariablen (15 Punkte) Gegeben sei ein zweidimensionaler stetiger Zufallsvektor X = (X 1, X 2 ) T mit der gemeinsamen Dichtefunktion

Mehr

Schwache Konvergenz. Ivan Lecei. 18. Juni Institut für Stochastik

Schwache Konvergenz. Ivan Lecei. 18. Juni Institut für Stochastik Institut für Stochastik 18. Juni 2013 Inhalt 1 2 3 4 5 Nach ZGWS konvergiert für n F n (x) = P{ X 1+...+X n np npq x} gegen F(x) = 1 2π x e 1 2 u2 du, wenn die X i unabhängig und bernoulliverteilt sind

Mehr

Fakultät Verkehrswissenschaften Friedrich List Professur für Ökonometrie und Statistik, insb. im Verkehrswesen. Statistik II. Prof. Dr.

Fakultät Verkehrswissenschaften Friedrich List Professur für Ökonometrie und Statistik, insb. im Verkehrswesen. Statistik II. Prof. Dr. Statistik II Fakultät Verkehrswissenschaften Friedrich List Professur für Ökonometrie und Statistik, insb. im Verkehrswesen Statistik II 2. Parameterschätzung: 2.1 Grundbegriffe; 2.2 Maximum-Likelihood-Methode;

Mehr

die wir als Realisationen von unabhängig und identisch verteilten Zufallsvariablen

die wir als Realisationen von unabhängig und identisch verteilten Zufallsvariablen Kapitel 8 Schätzung von Parametern 8.1 Schätzmethoden Gegeben seien Beobachtungen Ü Ü ¾ Ü Ò die wir als Realisationen von unabhängig und identisch verteilten Zufallsvariablen ¾ Ò auffassen. Die Verteilung

Mehr

Trennende Markov Ketten

Trennende Markov Ketten Trennende Markov Ketten (in Zusammenarbeit mit A. Martinsson) Timo Hirscher Chalmers Tekniska Högskola Seminarvortrag KIT 8. Mai 206 Übersicht Der Seminarvortrag ist wie folgt gegliedert: Einleitung Denitionen

Mehr

Institut für Stochastik, SoSe K L A U S U R , 8:00-11:00. Aufgabe Punkte erreichte Punkte Korrektur

Institut für Stochastik, SoSe K L A U S U R , 8:00-11:00. Aufgabe Punkte erreichte Punkte Korrektur Institut für Stochastik, SoSe 2014 Mathematische Statistik Paravicini/Heusel 2. K L A U S U R 29.9.2014, 8:00-11:00 Name: Geburtsdatum: Vorname: Matrikelnummer: Übungsgruppe bei: Studiengang & angestrebter

Mehr

Bachelorprüfung für Volkswirte. Mikroökonomie II

Bachelorprüfung für Volkswirte. Mikroökonomie II Seminar für Wirtschaftstheorie Prof. Thorsten Chmura Bachelorprüfung für Volkswirte Mikroökonomie II Die Klausur besteht aus drei Aufgaben, die alle bearbeitet werden müssen. Für jede Aufgabe gibt es maximal

Mehr

Wiederholte Spiele. Grundlegende Konzepte. Zwei wichtige Gründe, wiederholte Spiele zu betrachten: 1. Wiederholte Interaktionen in der Realität.

Wiederholte Spiele. Grundlegende Konzepte. Zwei wichtige Gründe, wiederholte Spiele zu betrachten: 1. Wiederholte Interaktionen in der Realität. Spieltheorie Sommersemester 2007 1 Wiederholte Spiele Grundlegende Konzepte Zwei wichtige Gründe, wiederholte Spiele zu betrachten: 1. Wiederholte Interaktionen in der Realität. 2. Wichtige Phänomene sind

Mehr

Klausur zu,,einführung in die Wahrscheinlichkeitstheorie

Klausur zu,,einführung in die Wahrscheinlichkeitstheorie Institut für angewandte Mathematik Wintersemester 2009/10 Andreas Eberle, Matthias Erbar, Bernhard Hader Klausur zu,,einführung in die Wahrscheinlichkeitstheorie Bitte diese Felder in Druckschrift ausfüllen

Mehr

Sammlung alter Klausuraufgaben zur Stochastik keine Abgabe keine Besprechung in den Tutorien

Sammlung alter Klausuraufgaben zur Stochastik keine Abgabe keine Besprechung in den Tutorien Sammlung alter Klausuraufgaben zur Stochastik keine Abgabe keine Besprechung in den Tutorien Prof. F. Merkl 23. Mai 2016 Zu Ihrer Information und als zusätzliches Übungsmaterial sind hier die Aufgaben

Mehr

Tutorium Makroökonomie I Übungsblatt 3. Aufgabe 1 (Kreislaufmodell einer offenen Volkswirtschaft)

Tutorium Makroökonomie I Übungsblatt 3. Aufgabe 1 (Kreislaufmodell einer offenen Volkswirtschaft) Tutorium Makroökonomie I Übungsblatt 3 Aufgabe 1 (Kreislaufmodell einer offenen Volkswirtschaft) Es besteht ein Handelsbilanzüberschuss von 40 Talern. Die Einkommensteuer für private Haushalte beträgt

Mehr

Ü b u n g s b l a t t 7

Ü b u n g s b l a t t 7 Einführung in die Stochastik Sommersemester 07 Dr. Walter Oevel 21. 5. 2007 Ü b u n g s b l a t t 7 Mit und gekennzeichnete Aufgaben können zum Sammeln von Bonuspunkten verwendet werden. Lösungen von -Aufgaben

Mehr

Lösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK

Lösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK Institut für Stochastik Dr. Steffen Winter Lösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK für Studierende der INFORMATIK vom 17. Juli 01 (Dauer: 90 Minuten) Übersicht über

Mehr

Statistik 1 Beispiele zum Üben

Statistik 1 Beispiele zum Üben Statistik 1 Beispiele zum Üben 1. Ein Kühlschrank beinhaltet 10 Eier, 4 davon sind faul. Wir nehmen 3 Eier aus dem Kühlschrank heraus. (a Bezeichne die Zufallsvariable X die Anzahl der frischen herausgenommenen

Mehr

4 Fehlerabschätzungen und Konvergenz der FEM

4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und

Mehr

Zulassungsprüfung Stochastik,

Zulassungsprüfung Stochastik, Zulassungsprüfung Stochastik, 5.5. Wir gehen stets von einem Maßraum (Ω, A, µ) bzw. einem Wahrscheinlichkeitsraum (Ω,A,P) aus. Die Borel σ-algebra auf R n wird mit B n bezeichnet, das Lebesgue Maß auf

Mehr

13 Grenzwertsätze Das Gesetz der großen Zahlen

13 Grenzwertsätze Das Gesetz der großen Zahlen 13 Grenzwertsätze 13.1 Das Gesetz der großen Zahlen Der Erwartungswert einer zufälligen Variablen X ist in der Praxis meist nicht bekannt. Um ihn zu bestimmen, sammelt man Beobachtungen X 1,X 2,...,X n

Mehr

Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1

Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1 Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester 2013 Aufgabe 1 In einer Urne

Mehr

Statistische Analyseverfahren Abschnitt 2: Zufallsvektoren und mehrdimensionale Verteilungen

Statistische Analyseverfahren Abschnitt 2: Zufallsvektoren und mehrdimensionale Verteilungen Statistische Analyseverfahren Abschnitt 2: Zufallsvektoren und mehrdimensionale Verteilungen Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik Oktober 2018 Prof. Dr. Hans-Jörg

Mehr

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung SS 13: Woche vom

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung SS 13: Woche vom Übungsaufgaben 11. Übung SS 13: Woche vom 24. 6. 13-28. 6. 2013 Stochastik V: ZG Momente von ZG; Grenzverteilungssätze Aufgaben: s. pdf auf der homepage von Dr. Vanselow http://www.math.tu-dresden.de/

Mehr

Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL)

Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Prof. Dr. M. Maathuis ETH Zürich Winter 2010 Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Schreiben Sie für Aufgabe 2-4 stets alle Zwischenschritte und -rechnungen sowie Begründungen auf. Aufgabe

Mehr

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung SS 18: Woche vom

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung SS 18: Woche vom Übungsaufgaben 11. Übung SS 18: Woche vom 25. 6. 29. 6. 2016 Stochastik V: ZG; Momente von ZG; Zufallsvektoren Aufgaben: s. pdf auf der homepage von Dr. Vanselow http://www.math.tu-dresden.de/ vanselow/...

Mehr

Prüfungsklausur zur Stochastik (LMG)/ Elementare Wahrscheinlichkeitstheorie und Statistik

Prüfungsklausur zur Stochastik (LMG)/ Elementare Wahrscheinlichkeitstheorie und Statistik B. Schmalfuß Jena, den 20.02.2018 Prüfungsklausur zur Stochastik (LMG)/ Elementare Wahrscheinlichkeitstheorie und Statistik Allgemeine Hinweise: Zur Verfügung stehende Zeit: 90 min. Hilfsmittel: keine.

Mehr

Übungsscheinklausur,

Übungsscheinklausur, Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 27 Prof. Dr. F. Liese Übungsscheinklausur, 3.7.27 Dipl.-Math. M. Helwich Name:...

Mehr

Die Momentenmethode. Vorteil: Oft einfach anwendbar. Nachteil: Güte kann nur schwer allgemein beurteilt werden; liefert zum Teil unbrauchbare

Die Momentenmethode. Vorteil: Oft einfach anwendbar. Nachteil: Güte kann nur schwer allgemein beurteilt werden; liefert zum Teil unbrauchbare 17.1.3 Die Momentenmethode Vorteil: Oft einfach anwendbar. Nachteil: Güte kann nur schwer allgemein beurteilt werden; liefert zum Teil unbrauchbare Lösungen. Sei ϑ = (ϑ 1,...,ϑ s ) der unbekannte, s-dimensionale

Mehr

Punktetabelle (wird von den Korrektoren beschriftet)

Punktetabelle (wird von den Korrektoren beschriftet) Probability and Statistics FS 2018 Prüfung 13.08.2018 Dauer: 180 Minuten Name: Legi-Nummer: Diese Prüfung enthält 12 Seiten (zusammen mit dem Deckblatt) und 10 Aufgaben. Das Formelblatt wird separat verteilt.

Mehr

DWT 3.3 Warteprobleme mit der Exponentialverteilung 275/467 Ernst W. Mayr

DWT 3.3 Warteprobleme mit der Exponentialverteilung 275/467 Ernst W. Mayr Poisson-Prozess Wir hatten bei der Diskussion der geometrischen und der Poisson-Verteilung festgestellt: Wenn der zeitliche Abstand der Treffer geometrisch verteilt ist, so ist ihre Anzahl in einer festen

Mehr

Aufgaben. d) Seien X und Y Poissonverteilt mit Parameter µ, X, Y P(µ). 2. Dann ist die Summe auch Poissonverteilt mit (X + Y ) P(2µ).

Aufgaben. d) Seien X und Y Poissonverteilt mit Parameter µ, X, Y P(µ). 2. Dann ist die Summe auch Poissonverteilt mit (X + Y ) P(2µ). Aufgaben 1. Bei den folgenden 10 Fragen ist jeweils genau eine Antwort richtig. Es gibt pro richtig beantwortete Frage 1 Punkt und pro falsche Antwort 1/2 Punkt Abzug. Minimal erhält man für die gesamte

Mehr

Glaubwürdigkeit und Geldpolitik

Glaubwürdigkeit und Geldpolitik Kapitel 7 Glaubwürdigkeit und Geldpolitik Barro/Gordon Modell (1983) Frage: Lässt sich durch eine Überraschungsination die Gesamtwohlfahrt erhöhen? Spiel zwischen Zentralbank (ZB) und privatem Sektor mit

Mehr