Tabelle 4-1: Umweltzustände für die Einführung einer neuen Biersorte

Slides:



Advertisements
Ähnliche Präsentationen
Agent based computational economics Das Konzept rationalen Verhaltens im Umfeld maschineller Akteure Spezielles Seminar Wirtschaftsinformatik SS2001 Frankfurt.
Advertisements

Nutzen-Kosten-Analyse Prof. Dr. Georg Westermann Master BC
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
Forschungsstatistik II Prof. Dr. G. Meinhardt SS 2005 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz KLW-24.
Law of comparative judgement
Klassische Testtheorie
Forschungsstatistik II Prof. Dr. G. Meinhardt SS 2006 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz KLW-18.
Forschungsstatistik II Prof. Dr. G. Meinhardt SS 2006 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz KLW-18.
Preispolitik im Polypol (vollkommener Markt)
PG 520 Intelligence Service – gezielte Informationen aus dem Internet
Algorithmen des Internets 2005 HEINZ NIXDORF INSTITUT Universität Paderborn Algorithmen und Komplexität 1 Materialien zu Übung 9 Bälle in Körbe Ranged.
Bindung und die Entwicklung des Selbst
Kapitel III: Stochastische Modelle im Januar haben wir behandelt: 12/3
Konfidenzintervalle Intervallschätzung
Die Student- oder t-Verteilung
Achtung Vorlesung am Montag, den 21. Juni Zeit: Uhr Ort: Kiste.
Quantile.
Probeklausur am 21. Januar 2005 statt Vorlesung. Wahrscheinlichkeitstheorie.
Abfragen – Tipps und Tricks Buch S102ff (Informatik I, Oldenbourg-Verlag) Nach einer Vorlage von Dieter Bergmann.
Kodiersysteme und erste Umrechnungen
Klausurbesprechung Referent: Dipl.-Kfm. René Herrmann
Entscheidungstheorie Teil 3: Konzepte der Entscheidungstheorie Prof. Dr. Steffen Fleßa Lst. für Allgemeine Betriebswirtschaftslehre und Gesundheitsmanagement.
TU-München LS für Informatik II (Prof. Eickel) Dr. Schreiber Programmierpraktikum SS-2001 Beyond Java - Automatische Generierung von Benutzungsoberflächen.
Ein lokales Unternehmen stellt sich vor
Entscheidungstheorie Teil 3: Konzepte der Entscheidungstheorie Prof. Dr. Steffen Fleßa Lst. für Allgemeine Betriebswirtschaftslehre und Gesundheitsmanagement.
Ausgleichungsrechnung I
Präskriptive Entscheidungstheorie
Übungsblatt 02 Lehrstuhl für Kommunal- und Umweltökonomie
Komponenten des Entscheidungsmodells
Wahrscheinlichkeitsverteilung
Erhard Künzel für Info 9. Klasse: Digitale Schule Bayern© Erhard Künzel.
Vorlesung 8. Juni 2010 Einführung in die Pädagogik.
Folie 1 Kapitel IV. Matrizen Inhalt: Matrizen als eigenständige mathematische Objekte Zusammenhang zwischen Matrizen und linearen Abbildungen Produkt von.
Einführung in die Matrizenrechnung
Neuronale Netze Nachtrag Perzeptron
Aufgabenzettel VIII Statistik I © by Ewald Krawitz & Oliver Schattmann.
Einführung in die Programmierung
Technische Informatik Reihungen – Felder - Arrays.
Wahrscheinlichkeit Zufallsexperiment:
Cs104 Programmieren II Präsentation Meilenstein 1 Sommersemester 2007 Gruppe Nr. x Name 1 (Name der/des Vortragenden unterstreichen) Name 2 Name 3 Name.
Systematisierung von Entscheidungssituationen nach dem Informationsstand bzgl. der Umwelt Unge- wißheit Risiko Sicherheit Unsicherheit Entscheidungen.
Die Ausbildung zum Futsal-Schiedsrichter - Ausgabe 2013 / 2014 Bernd Domurat - DFB-Kompetenzteam.
Institut für Wirtschaftsinformatik – Software Engineering, JKU Linz 1 Algorithmen und Datenstrukturen Übungsmodul 5 Dr. W. Narzt u. Dr. A. Stritzinger.
Stetige Verteilungen Das Uhrenbeispiel Dichtefunktion
Corporate Finance GK II – Bsp. 9.9 Nachstehend sehen Sie die Preise für zustandsabhängige Ansprüche: 21 =0, =0, =0, =0, =0,49515.
Das Bernoulli-Prinzip
Investor hat folgende Alternativen für die Anlage von 100 A: Fixe Verzinsung zu 8% oder B: Aktien, mit Wahrscheinlichkeit von 1/3 eine Rendite von -20%,
Der Zentralwert.
Begriff der Zufallsgröße
Präskriptive Entscheidungstheorie
Nichtlineare Optimierung
Entscheidungstheorie für Unentschlossene Indecision Theory.
2. Einzielentscheidungen mit einem Szenarium
2. Einzielentscheidungen mit einem Szenarium
Grundlagen der Positionsbestimmung mit Partikelfiltern
K. Desch - Statistik und Datenanalyse SS05
Thema der Stunde I. Die Form der Stichprobenkennwerteverteilung
Mechanik I Lösungen.
Hypothesentests.
Risiko vs. Unsicherheit Gefahr eines zukünftigen Schadens vs. unsichere Einschätzung aufgrund unsicherer Information.
Geoinformationssysteme
Stochastische Übergangsmatrizen zehn Fragen zum Basiswissen
Prof. Dr.-Ing. H. Wörn, Dr.-Ing. J. Seyfried Institut für Prozessrechentechnik, Automation und Robotik; Universität Karlsruhe (TH) Einführung in.
Ramona Gehrig, Andrea Schmid, Sabine Eichenberger, Sabina Profico Verhandlungstechnik und alternative Streiterledigung FS 2012, Dr. Peter Liatowitsch.
THOMAS HANNEFORTH C++ IN DER CL II. GRUNDLEGENDE THEMEN Objektkonstruktion/ Objektdestruktion/ Zuweisung Objekte, Zeiger und Referenzen Wert und Referenzaufruf.
Global Technology Corporation (GTC), ein weltweit agierendes Technologieunternehmen, plant die Einführung eines einfachen Routennavigators für Radfahrer.
Blaise Pascal & Pierre de Fermat
Theorie der unscharfen Mengen
„سخنرانی شیوه تنظیم یک“
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
 Präsentation transkript:

Tabelle 4-1: Umweltzustände für die Einführung einer neuen Biersorte Frühes Ausscheiden der deutschen Mannschaft Spätes Ausscheiden der deutschen Mannschaft Schlechtes Wetter s1 s2 Gutes Wetter s3 s4

Tabelle 4-2: Ergebnismatrix für das Beispiel der Einführung einer neuen Biersorte (Menge der abgesetzten Einheiten) Umwelt- zustände Handlungs-alternativen s1 s2 s3 s4 a1 7.000 9.500 10.000 12.500 a2 9.000 11.500 10.500 13.000 a3 8.000 7.500 a4 6.000 8.500 12.000

Tabelle 4-3: Beispielhafte Ergebnismatrix zur Verdeutlichung des Dominanzbegriffs min zij max zij a1 2.000 6.500 4.500 9.000 a2 -6.000 -3.500 1.500 4.000 a3 8.500 3.500 8.000 a4 7.500 11.000

Tabelle 4-4: Beispielhafte Veranschaulichung des Begriffs der Wahrscheinlichkeitsdominanz 2.000 3.500 4.000 7.500 8.000 8.500 11.000 p(z3 = z) 0,2 0,1 0,4 0,3 p(z4 = z) p(z3 ≥ z) 1 0,8 0,7 p(z4 ≥ z)

Tabelle 4-5: Beispielhafte Ergebnismatrix (Gewinn in Geldeinheiten) zur Veranschaulichung der Entscheidungsregeln bei Unsicherheit s1 s2 s3 s4 min zij max zij a1 7.000 13.000 2.000 9.000 a2 4.000 8.000 7.500 11.000

Tabelle 4-6: Bedauerns-Werte-Matrix gemäß der Savage-Niehans-Regel für das Anwendungsbeispiel

Tabelle 4-7: Ergebnismatrix mit Wahrscheinlichkeiten zur Illustration des Erwartungswert-Prinzips s1 p1 = 0,4 s2 p1 = 0,1 s3 p1 = 0,1 s4 p1 = 0,4 φ(ai) = μi a1 7 5 8 6 6,5 a2

Tabelle 4-8: Ergebnismatrix zur Illustration des Erwartungswert-Streuungs-Prinzips Risikoaverser Entscheider φ(ai) = i – 2 · i Risikofreudiger Entscheider φ(ai) = i + 1,5 · i a1 6,5 0,81 4,88 7,72 a2 1,36 3,78 8,54