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