1. Entscheidung bei Unsicherheit (Risiko)
  1. Die Generierung von Wahrscheinlichkeiten
  1. Interpretation von Wahrscheinlichkeiten
  1. Zufallsvariablen
  1. Problemstellung: Die Bewertung riskanter Alternativen
  1. Bestimmung von Wahrscheinlichkeiten
  1. Das (μ)-Prinzip und das St. Petersburger Spiel
  1. Erwartungsnutzentheorie
  1. Das Bernoulli-Prinzip
  1. Beispiel für eine Entscheidung bei Risiko
  1. Klassische Einwände gegen das Bernoulli-Prinzip
  1. Nutzenfunktionen und Risikoeinstellungen
  1. Das (μ,σ)-Prinzip
  1. Grundlagen
  1. Problemkreise des (μ,σ)-Prinzips
  1. Zur Vereinbarkeit von (μ,σ)-Prinzip und Bernoulli-Prinzip

Unterscheidungsmerkmal

Diskrete Zufallsvariablen

Stetige Zufallsvariable

Funktionalparameter

Erwartungswert

Varianz

Standardabweichung

Kovarianz, Korrelationskoeffizient

Anwendung

allgemein: alle Analysen auf Basis des (μ, σ)-Prinzips (siehe Vorlesung)

bekanntestes Beispiel: Portfoliotheorie

subjektive W

Objektive W