Mathematik M5 Folgen und Reihen Arithmetische Folge/Reihe Folge (Sobald Veränderungen im Exponent => GF) = Sequenz von Werten an = a1 + (n – 1) d (Bildungsgesetz) endlich: unendlich: <a1, a2, a3> <a1, a2, ...> f:nan, n |N*3 f:nan, n |N* =>Startwert ist immer erstes Glied der Folge sn = Bildungsgesetz an = f(n) ist nicht rekursiv! Rekursion Vorschrift: Basis: Beispiel: ergibt Bildung: Def: an+1 – an = d Geometrische Folge/Reihe Def: an+1 = f(an), n |N* a1 = 3 an+1 = 2 an, n |N*, a1 = 3 <3, 6, 12, 24, ...> a1 = 3 a2 = 3 2 a3 = 3 2 2 a4 = 3 2 2 2 an = 3 2n–1 n n (n – 1) (a1 + an) = n a1 + d 2 2 an+1 =q an an = a1 qn–1 (Bildungsgesetz) sn = a1 qn – 1 ,q1 q–1 Summe unendliche geom. Reihe a1 s= , |q| < 1 1–q Multiplikator = a1 s Reihe Monotonie / Beschränktheit = Summen einer Folge an+1 an an+1 an an s an s an smax an smin endlich: a1 + a2 + a3 unendlich: a1 + a2 + ... monoton wachsend monoton fallend nach oben beschränkt nach unten beschränkt beschränkt Summe der ersten n Glieder n sn = ∑ (ai) s: reele Zahl i=1 Summe aller Glieder (unendliche Summe) ∞ s = ∑ (ai) i=1 an => n-tes Glied < an> => Folge 3. + 4. Semester Christian Meyer Seite 1 / 18 Grenzwert Stetige Verzinsung offene -Umgebung von a: U(a) = ]a – , a + [ Zinseszins mit jährlicher Verzinsung (ZiZi) Jährl. effektive Wachstumsrate Def: a ist Grenzwert von <an>, wenn in jeder noch so kleinen Umgebung von a, alle bis auf endlich viele a n liegen. lim an = a n∞ Kn = K0 (1 + peff n ) , peff = effektiver Jahreszins 100 Zinseszins mit m-jährlicher Verzinsung: 1 k p 1 und Kn = K0 (1 + k )m n m 100 k p m 100 Jede Folge, die monoton und beschränkt ist, hat einen Grenzwert. Zinseszins mit stetiger Verzinsung Häufungswerte: Folge schwankt zwischen n Werten Kn = K0 e0.01 ps n , ps = stetiger/nominaler Jahresz. Nullfolge: Grenzwert = 0 => ist KEIN Grenzwert konvergiert: Folge hat Grenzwert divergiert: Folge hat keinen Grenzwert Umrechnung: peff = 100 (e0.01 ps – 1) Stetige Rendite / stetige od. nominale Wachstumsrate ps = 100 ln (1 + Grenzwert berechnen: Bei Potenzen: immer mit dem Kehrwert der höchsten Potenz multiplizieren Wenn ein Nenner eine Nullfolge ist, gibt es keinen Grenzwert Wenn Zähler und Nenner eine Nullfolge sind, KANN es einen Grenzwert geben (beide Fkt. Müssen gleichschnell nach 0 laufen) Grenzwertsätze lim (c an ) = <an ± bn> gilt lim an bn =ca c lim ( an ) n∞ lim (an ± bn)= lim ( an ) ± lim ( bn ) = a ± b n∞ n∞ n∞ lim an lim bn n∞ lim ( an ) lim ( bn) n∞ Standardabweichung darf nur von ps berechnet werden! Zur Bestimmung von Wachstumsraten: n∞ <an bn > gilt lim (an bn) = Renditeberechnung mit Anfangs- und Endwert NUR wenn keine Dividenden ausgeschüttet wurden. Rendite n∞ => gilt nur, wenn a und b konvergent sind <c an> gilt Durchschnittliche Rendite = geom. Mittel von peff (5% = 1.05) = arithm. Mittel von ps Renditen Gegeben <an> mit lim an = a und <bn> mit lim bn = b n∞ peff ) 100 n∞ =ab reff 100 n a1 a 2 ...a n wobei z.B. 1.1 für 10% stetige Rendite reff rs 100 ln 100 n rs 100 ln a1 a2 ... an -stetige Rendite ist arithmetisches Mittel der stetigen Renditen: n rs 3. + 4. Semester Christian Meyer r k 1 sk n Seite 2 / 18 M6 Finanzmathematik Renten Abschreibungen Einzahlung von r Franken, n Jahre lang, peff Jahreszins. sn:RentenENDwert I0 = Anschaffungswert In = Schrottwert / Liq. Erlös At = Abschreibungsbetrag im Jahr t It = Zeitwert im Jahr t (Restwert) A = Annuität n = Nutzungsdauer in Jahre t = Jahr p q = 1 + 100 q 1 p 100 nachschüssiger Rentenendwert qn – 1 sn = r q–1 Lineare Abschreibung Jedes Jahr wird ein fester Betrag (A) abgeschrieben. I0 – In A= (AF) n vorschüssiger Rentenendwert qn – 1 sn' = r q q–1 It = I0 – t A Digitale / arithm. degressive Abschreibung nachschüssiger Rentenbarwert r qn – 1 B= n q q–1 Im ersten Jahr werden n Einheiten, im zweiten (n – 1) Einheiten, im n-ten Jahr 1 Einheit abgeschrieben. 2 (I0 – In) E= (AF) n (n + 1) vorschüssiger Rentenbarwert r qn – 1 B' = n – 1 q q–1 Zeitwerte It liegen auf einer Geraden E: Summe der Abschreibungsbeiträge bis zum n-ten Jahr At = (n – t + 1) E (Veränderung Abschr.Wert) Zahlung Ende Jahr: postnumerando / nachschüssig Zahlung zu Periodenbeginn: vorschüssig E 1 It = t2 – E (n + ) t + I0 2 2 Sparkassenformel Kapital K0 zum Zeitpunkt 0, Einzahlung/Entnahme von r Franken, n Jahre lang, peff Jahreszins. It liegt auf einer nach oben geöffneten Parabel mit Scheitelpunkt: 1 s (n + / ... ) 2 Geometrisch degressive Abschreibung Jedes Jahr werden p% vom Zeitwert des Vorjahres abgeschrieben. p At = I0 100 It = I0 (1 – nachschüssiger Endwert qn – 1 ) Kn = K0 qn ± (r q–1 E K q n sn vorschüssiger Endwert Kn' = K0 qn ± (r q qn – 1 ) q–1 E ' K q n s'n p n ) 100 + Einzahlung - Entnahme I p 1 n n 100 I0 (Zeitwerte It liegen auf einer Exponentialkurve.) Die Abschreibungsbeträge und die Zeitwerte bilden eine geometrische Folge. 3. + 4. Semester Christian Meyer Seite 3 / 18 M6 Ewige Rente Barkredit Kapital K0 zum Zeitpunkt 0, n Jahre lang, peff Jahreszins. Methode der mittleren Kreditfrist Es wird nur soviel Rente ausbezahlt, wie Zins vorhanden ist, das Kapital wird nicht aufbebraucht: Kp r= 100 Mittlere Kreditfrist MK = nachschüssiger Barwert: r B= q–1 Jährlicher Aufwand => immer nachschüssig vorschüssiger Barwert: rq B' = q–1 bei gleichen Raten: ∑ der Kreditfristen Anzahl Raten bei gleichen Raten und gleichen Zahlungsabständen: erste Frist + letzte Frist MK = 2 Höhe einer Monatsrate: K MK K p r = + n n 1200 Angewandter Zinssatz: 1200 (n r – K) p = MK K Tilgung Die Schuld K ist in n nachschüssigen Annuitäten abzutragen. => Raten und Tilgungen immer nachschüssig Modell "HSW Luzern" Höhe einer Monatsrate: K qn (q – 1) r = n (q – 1) (12 + 5.5 [q – 1]) Annuität = Zins + Tilgungsbetrag Gleichbleibende Tilgung (Ratentilgung) Tilgung T = K n Gleichbleibende Annuität (Annuitätentilgung) Fester Zinssatz: Annuität A = K qn q–1 qn– 1 Zinssatz wechselt nach w Jahren: q1 = Zins bis und mit Jahr w (5 % = 1.05) q2 = Zins ab Jahr w bis Jahr n K q1w q2n–w A= w q1 – 1 q2n–w – 1 q2n–w + q1 – 1 q2 – 1 Angewandter Zinssatz: Mit dem Solver die folgende Gleichung nach q auflösen: q–1 =0 r (12 + 5.5 [q – 1]) – K qn n q –1 Annuitätenmethode Monatliche Verzinsung der Schuld wird unterstellt. Der Kredit wird in gleichen Monatsraten getilgt. Monatszinsatz: Folgende Gleichung mit Solver nach q auflösen: q–1 r = K qn qn– 1 Jahreszinsssatz: Nominaler Jahreszins aus Monatszinsatz: pjs = 12 PM Effektiver Jahreszins aus Monatszinsatz: PM 12 pjeff = [ (1 + ) – 1] 100 100 Beispiel: Kredithöhe 20'000.–, rückzahlbar in 30 Monaten zu Fr. 803.55, beginnend 1 Monat nach Kreditaufnahme. Gesucht: nominaler und effektiver Jahreszinssatz FINZ ANNU #R/J = 12 = Anzahl Raten pro Jahr END = Nachschüssig! #R= n = Anzahl Raten BARW = -K = negative Kredithöhe RATE = Monatsrate ENDW = 0 I%J ps = nominaler/stetiger Jahreszinssatz (ps in Speicher ablegen) FINZ II' 3. + 4. Semester Christian Meyer Seite 4 / 18 Annuitätenmethode DISK12 #I/J ps NOM% EFF% peff = 16.075 Die Investition ist vorteilhaft, wenn Einzahlungsannuität > Auszahlungsannuität. Höhe einer Monatsrate: q–1 r = K qn qn– 1 Taschenrechner verwendet Monatszinssatz PM = PJ/12 FINZ Z-STR CLEAR DATA wichtig! ...alle Einzahlungen eingeben inklusive Ln... ÄQ.R Einzahlungsannuität Dynamische Investitionsrechnung Bei der dynamischen Investitionsrechnung wird nur in die Zukunft gerechnet. Werte aus der Vergangenheit werden nie berücksichtigt, weil man diese nicht mehr beeinflusenkann. FINZ Z-STR CLEAR DATA wichtig! ...alle Auszahlungen eingeben inklusive I0... ÄQ.R Auszahlungsannuität Kapitalwertmethode (Net Present Value Method) Die Investition ist vorteilhaft, wenn K0 > 0 ist. n et – at Ln K0 = ∑ ( ) + n – I0 qt q t=1 FINZ Z-STR CLEAR DATA wichtig! ... NBW K0 Methode des internen Ertragssatzes (Internal Rate of Return Method) Die Investition ist vorteilhaft, wenn der interne Ertragssatz mindestens so hoch ist, wie die geforderte Zielrendite. Der interne Ertragsatz ist derjenige Kalkulationszinssatz, für den der Kapitalwert = 0 ist. FINZ Z-STR CLEAR DATA wichtig! ... IZF% Interner Zinsfuss Spezialfall ewige Rente: e–a p = 100 I0 Spezialfall gleiche Nettoeinzahlungen und Ln = I0: e–a p = 100 I0 Spezialfall Es gibt nur 2 Zahlungen: Ln )– 1] p = 100 [ n( I0 Mehr als ein oder kein interner Ertragssatz Ökonomisch unnütz, stattdessen auf Kapitalwertmethode ausweichen. 3. + 4. Semester Christian Meyer Seite 5 / 18 7.3 Extremwerte, Wendepunkte M7 Differentialrechnung M7.2 Ableitungsregeln Ableitungen der Funktion f(x) = c f'(x) = 0 f(x) = x f'(x) = 1 f(x) = xn f'(x) = n xn – 1 , n |Q* f(x) = x–n f'(x) = –n x–n – 1 f'(x0) = 0 Horizontale Tangente f'(x0) = 0 f''(x0) < 0 Lokales Maximum f'(x0) = 0 f''(x0) > 0 Lokales Minimum f''(x0) = 0 f'''(x0) 0 Wendepunkt Im Wendepunkt ist die Steigung des Graphen bezüglich seiner Umgebung von x0 maximal oder minimal. f''(x) > 0 : Graph ist nach links gekrümmt f''(x) < 0 : Graph ist nach rechts gekrümmt 7.2B Faktorregel f(x) = c g(x) f'(x) = c g'(x) M7.4 Ökonomische Anwendungen 7.4A Produktionsfunktion 7.2C Summenregel f(x) = g(x) ± h(x) f'(x) = g'(x) ± h'(x) 7.2D Ganz-Rationalen Funktion f(x) = anxn + an–1xn–1 + ... + a2x2 + a1x + a0 f(x) = n anxn–1 + (n–1) an–1xn–2 + ... + 2 a2x + a1 7.2E Produktregel f(x) = g(x) h(x) f'(x) = g'(x) h(x) + g(x) h'(x) 7.2F Quotientenregel Z(x) Z' N – Z N' f(x) = f'(x) = N(x) N2 Klassisches Ertragsgesetz Bei wachsendem Faktoreinsatz steigt der Ertragszuwachs zunächst. Nach erreichen eines bestimmten Optimums (Wendepunkt) sinkt der Ertragszuwachs bei wachsendem Faktoreinsatz. Optimum ist beim Wendepunkt Neoklassische Produktionsfunktion Die Grenzerträge sind immer positiv nehmen aber stets ab. x'(r) ist immer > 0 x''(r) ist immer < 0 7.4B Kosten 7.2H Logarithmus- und der Exponentialfunktion 1 1 = f(x) = ln x = loge x f'(x) = x x ln e 1 x ln a f(x) = loga x f'(x) = f(x) = ex f'(x) = ex f(x) = ax f'(x) = ax ln a Linearer Kostenverlauf K'(x) ist immer > 0 und ist konstant K''(x) ist immer = 0 Progressiver Kostenverlauf K'(x) ist immer > 0 und ist wachsend K''(x) ist immer > 0 Wenn der Verlauf einer Parabel entspricht dann: K'(x) ist immer > 0 und ist konstant K''(x) ist immer > 0 und ist konstant 7.2I Kettenregel f(x) = g( h(x) ) = g(v) f'(x) = g'(v) h'(x) Degressiver Kostenverlauf K'(x) ist immer > 0 und ist abnehmend K''(x) ist immer < 0 7.2G Differentiale Schreibweise (Sprich "dy nach dx"): dy y'(x) = dx Bedeutet, dass y von x abhängt: Die Gleichung muss somit nach y aufgelöst sein. Alle Variablen ausser x werden als konstante Werte betrachtet. Typischer Kostenverlauf K'(x) ist immer > 0 K''(x) ist < 0 von x=0 bis zum Wendepunkt xw = 0 am Wendepunkt xw > 0 vom Wendepunkt xw bis x=∞ mathematisch ökonomische Definition der Grenzkosten: K'(x) = lim K(x + ∆x) – K(x) = lim ∆K ∆x0 ∆x0 ∆x ∆x K'(x) gibt näherungsweise den Kostenzuwachs an, wenn x um 1 Einheit erhöht wird. 3. + 4. Semester Christian Meyer Seite 6 / 18 Der Wendepunkt des Graphen von K ist dort, wo die Grenzkosten K' minimal sind. Der Graph der Grenzkostenfunktion K' schneidet den Graphen der Durchschnittskosten k in dessen Minimum. (= Betriebsoptimum) Der Graph der Grenzkostenfunktion K' schneidet den Graphen der durchschnittlichen variablen Kosten kv in dessen Minimum. (=Betriebsminimum). 7.C Gewinnmaximierung Monopolist Das Gewinnmaximum ist dort, wo Steigung der Kosten = Steigung des Erlös. K'(x) = E'(x) 7.E Elastizität dy x dx y(x) y(x) gibt näherungsweise an, um wieviel Prozent sich die abhängige Variable y ändert, wenn die unabhängige Variable x um 1 Prozent verändert wird. y(x) = Nachfragefunktion Preiselastizität der Nachfage x = Nachfrage p = Preis dx p x(p) = dp x(p) Angebotsfunktion Preiselastizität des Angebots x = Angebot p = Preis dx p x(p) = dp x(p) bzw. G'(x) = 0 und G''(x) < 0 Die Steigung des Gewinns ist: G'(x) = E'(x) – K'(x) Vollkommene Konkurrenz Der Erlös ist eine Gerade, weil wir den Preis nicht beinflussen können. Das Gewinnmaximum ist dort, wo Steigung der Kosten = Erlös bzw. wo Grenzkosten = Verkaufspreis. K'(x) = E(x) Die Steigung des Gewinns ist: G'(x) = E'(x) – K'(x) Produktionsfunktion Produktionselastizität x = Output r = Input des Produktionsfaktors dx r x(r) = dr x(r) Konsumfunktion Einkommenselastizität des Konsums C = Konsum Y = Einkommen dC Y C(Y) = dY C(Y) 7.D Marginale Konsum- und Sparquote Konsumfunktion Y = C+S C = Konsum eines Haushaltes S = Ersparnis des Haushaltes Y = Einkommen des Haushaltes Marginale Konsumquote Die marginale Konsumquote gibt näherungsweise an, um wieviel sich der Konsum des Haushaltes ändert, wenn das Einkommen um eine Einheit erhöht wird. dC = dY Marginale Sparquote Die marginale Sparquote gibt näherungsweise an, um wieviel sich die Ersparnis des Haushaltes ändert, wenn das Einkommen um eine Einheit erhöht wird. dS = dY Die marginalen Konsum- und Sparquote ergänzen sich zu 1! Kostenfunktion Kostenelastizität K = Kosten x = Produktionsmenge dK x K(p) = dx K(x) K(p) = K'(x) x 1 K'(x) Grenzk. = = = K'(x) K(x) k(x) k(x) Durchschnk. Im Betriebsoptimum ist K' = k, somit = 1 7.F Optimale Bestellmenge xopt = √ 200 M F ep M = Bedarfsmenge pro Planperiode F = Fixe Kosten pro Bestellung e = Stückkosten p = Zins und Lagerkosten in % für das im Lager gebundene Kapital: 20 % = 0.2 Anzahl Bestellungen: M Anz = xopt 3. + 4. Semester Christian Meyer Seite 7 / 18 S5 Regression und Korrelation Nichtlineare Regression, nichtlinearer Trend Methode der kleinsten Quadrate Quadratische Regression durch Einpassen einer Parabel mit der folgenden Gleichung: y = ax2 + bx + c Eine Gerade wird so gelegt, dass die Standardabweichung minimal ist. Regressionsgerade: y = a x + b mx = arithmetisches Mittel aller x my = arithmetisches Mittel aller y n ∑ (xi yi) – n mx my a = i=1 n ∑ (xi2) – n mx2 i=1 b = my – a mx STAT LISTE *NEU NAME X INPUT *NEU NAME Y INPUT LISTE Name wählen X ...X-Werte eingeben... LISTE Name wählen Y ...Y-Werte eingeben... RECH MEHR KURV X-Variable wählen X Y-Variable wählen Y MEHR MODL LIN KORR Korrelationskoeffizient M a B b Summe der Abstandsquadrate Die Regressionsgerade wird so gewählt, dass die Summe der Abstandsquadrate zwischen den y Punkten der Streupunkte und den ^y Punkten der Gerade minimal ist. n Summe = ∑ (yi - ^yi)2 i=1 Regression n-ten Grades Gleichungssystem mit 3 Unbekannten lösen: a ∑xi2 + b ∑xi +c n = ∑yi a ∑xi3 + b ∑xi2 +c ∑xi = ∑xi yi a ∑xi4 + b ∑xi3 +c ∑xi2 = ∑xi2 yi Exponentielle Regression Einpassen einer Exponentialkurve mit der folgenden Gleichung: y = b em x Nicht lösbar mit einfachem Gleichungssystem, daher logarithmisches Diagramm verwenden, und Gleichung in Gerade für Methode der kleinsten Quadrate umformen. (Dieses Verfahren liefert allerdings keine optimal eingepasste Regressionskurve). y = b em x ln y = ln b + m x MODL EXP Logarithmische Regression Einpassen einer logarithmischen Kurve mit der Gleichung y = b + m ln(x) MODL LOG Regression mit Potenzkurve Einpassen einer Potenzkurve Kurve mit der Gleichung y = b + xm Nicht lösbar mit einfachem Gleichungssystem, daher logarithmisches Diagramm verwenden, und Gleichung in Gerade für Methode der kleinsten Quadrate umformen. (Dieses Verfahren liefert allerdings keine optimal eingepasste Regressionskurve). MODL POT 3. + 4. Semester Christian Meyer Seite 8 / 18 Korrelationskoeffizient 5.6 Portfolio-Analyse Masszahl für die Streuung von Punkten um die Regressionsgerade. Bei nichtlinearen Zusammenhängen ist er unbrauchbar. Der Korrelationskoeffizient ist gleich der Kovarianz dividiert durch das Produkt der Standardabweichungen von X und Y. Geht nur mit stetigen Renditen! n Die Portefeuille-Rendite ist das gewogene arithm. Mittel der einzelnen Renditen ri. n Portfolio-Rendite rp = ∑ (zi ri) ∑ (xi yi) – n mx my = √ i=1 n n i=1 i=1 i=1 n { [ ∑ (xi2) – n mx2] [ ∑ (yi2) – n my2] } wobei ∑ (zi) = 1 i=1 -1 ≤ ≤ 1 Die Standardabweichung sp des Portefeuilles (Portefeuille-Risiko) berechnet sich aus den einzelnen Standardabweichungen und den Kovarianzen mit Hilfe der Formel: Verlauf der Regressionsgeraden: >0 von unten links nach oben rechts <0 von oben links nach unten rechts = NaN horizontal keine Aussage über Zusammenhang möglich! n–1 n ∑ (zi2 si2) + 2 sp2 = i=1 Bedeutung von || = 1 funktionaler Zusammenhang 0.9 ≤ || < 1 starker Zusammenhang 0.5 ≤ || < 0.9 schwacher Zusammenhang || < 0.5 kein Zusammenhang { n ∑ [ ∑ (zi zj Cov(i, j) ) ] } i=1 j>i Varianz-Zerlegung Varianz = Standardabweichung im Quadrat = s2 n s2 ∑ (yi – my)2 = i=1 n Vergleich von Rängen Diese Formel ist nur anwendbar, wenn es sich um Ränge handelt, d. h. die Streupunkte sind lückenlos von 1 durchnummeriert. s = 1 – Durch die Regressionsgerade erklärte Varianz = Varianz der Regressionsgeraden: s^y2 n 2 s^y = ∑ (^yi – my)2 i=1 n n 6 ∑ (xi yi)2 n (n2 – 1) i=1 Durch die Regressionsgerade nicht erklärbare Varianz: Die Kovarianz n ∑ (yi – ^yi)2 2 Zeigt das "Miteinander-Variieren" von Y und X. Gibt an, ob sich tendenziell bei grösseren x-Werten auch die y-Werte vergrössern (Cov > 0) oder sich diese tendenziell verkleinern (Cov < 0). n 1 Cov(X, Y) = sXY = ( ∑ (xi yi) – n mx my ) n i=1 snicht = i=1 n Totale Varianz = Varianz der Streupunkte: n sY2 = ∑ (yi – my)2 i=1 n n für den Taschenrechner: n Cov(X, Y) = ∑ (xi yi) i=1 n n – n ∑ (xi) ∑ (yi) i=1 i=1 n2 sY2 = n ∑ (^yi – my)2 i=1 sY2 = + ∑ (yi – ^yi)2 i=1 n n 2 sY2 + durch Regr.gerade erklärte Varianz (1 – 2) sY2 durch Regr.gerade nicht erkl. Varianz Zusammenhang mit Korrelationskoeffizient: durch die Regr.gerade erklärte Varianz 1 = 2 + totale Varianz Schwerpunkt der Regressionsgeraden: S(mx / my) Der Schwerpunkt hat die Eigenschaft, dass ∑(yi - my) = 0 und ∑(xi - mx) = 0. 3. + 4. Semester Christian Meyer Seite 9 / 18 Beta-Faktor Bestimmtheitmass Das Bestimmtheitsmass gibt an, welcher Anteil der Varianz durch die Regressionskurve erklärt wird. 0 ≤ R2 ≤ 1 A = R2 = 1 Alle liegen Punkte auf der eingepassten Regressionskurve R2 gilt nur für lineare Regression logarithmische Regression polynomische Regression n R2 =1– Der Beta-Faktor einer Anlage A bezüglich des Marktes M (einer Aktie A bezüglich des Aktienindexes A). ∑ (yi – ^yi)2 i=1 Cov(M, A) s M2 = MA sA sM Der Beta-Faktor ist die Steigung der Regressionsgeraden: Steigt die Marktrendite um 1, so steigt die Aktienrendite tendenziell um . Hat nichts mit Elastizität zu tun! Elastizität erklärt einen einzigen Punkt auf einer Regressionsgeraden Beta-Faktor macht Aussage über ganze Regressionsgerade. sY2 n n ∑ (yi – ^yi)2 R2 = 1 – i=1 n ∑ (yi – my)2 i=1 Bei einer linearen Regression ist R2 = 2. Weiterhin gilt: 1 – R2 = Durch Regressionskurve nicht erklärte Varianz. R2 für Aktie A im Markt M: RA2 = A2 sM2 sA2 3. + 4. Semester Christian Meyer Seite 10 / 18 S6 Zeitreihenanalyse S7 Wahrscheinlichkeitsrechnu ng Komponenten einer Zeitreihe Trend Grundrichtung langfristige Entwicklungsrichtung glatte Komponente S7.1 Kombinatorische Grundlagen Name Saisonkomponente / Konjunkturkomponente Wellenförmige Komponente Saisonale Schwankungen innerhalb eines Jahres Restkomponente Einmalige und zufällige Einflüsse Verbundenheiten Additive Verbundenheit Saisonfigur wird zum Trend hinzu addiert Saisonfigur ist unabhängig vom Trend Multiplikative Verbundenheit Saisonfigur wird zum Trend hinzu multipliziert WiederReihenholung folge Permutation ohne ja Auswahl von n versch. Elementen Formel Variation ohne ja Anordnung von k aus n versch. Elementen = Variation mit ja Anordnung von k aus n versch. Elementen = nk Kombination ohne nein Auswahl von k aus n versch. Elementen = n! (n – k)! k! = ( = ( = n! n! (n – k)! Ermittlung des Trends Methode der kleinsten Quadrate liefert die Trendgerade ) n ) n–k n tief k Methode der gleitenden Durchschnitte Glättung der Zeitreihe mittels benachbarter Werte. Die Ordnung muss der Anzahl Werte der Saisonfigur entsprechen. Nachteile: geglättete Zeitreihe ist kürzer als die ursprüngliche Trend ist nicht durch Funktionsgleichung beschrieben Extrapolation nicht möglich Gl. D. 3. Ordnung Der erste und letzte Wert geht verloren a1 + a2 + a3 g2 = 3 n k n tief k = ( n n! k Faktoren abw. von n )= = k k Faktoren aufw. von 1 (n – k)! k! n ( )=1 0 0 ( )=1 0 n n ( )=( ) k n–k Gl. D. 4. Ordnung Die 2 ersten und 2 letzten Werte geht verloren 0.5 a1 + a2 + a3 + a4 + 0.5 a5 g3 = 3 Saisonbereinigung Saisonfigur durch Subtraktion oder Division aus Zeitreihe entfernen. 3. + 4. Semester Christian Meyer Seite 11 / 18 S7.2 Wahrscheinlichkeit Wahrscheinlichkeit P = Anz. günstige Fälle Anz. gleichmögliche Fälle S7.3 Häufigkeits- und Wahrscheinlichkeitsverteilungen Erwartungswert n Additionssatz = Wahrscheinlichkeit, dass A oder B eintritt: P(A B) = P(A) + P(B) – P(A B) pi = Wahrscheinlichkeit des Wertes i=1 Standardabweichung Multiplikationssatz Wahrscheinlichkeit, dass A und B eintritt, wenn A und B voneinander unabhängig sind: P(A B) = P(A) P(B) Wahrscheinlichkeit dass A und B eintreten, wenn B von A abhängig ist: P(A B) = P(A) P(A / B) '/' steht für 'ohne' Lotto Gewinnchance = ∑ (xi pi) 1 45 ( ) 6 =√ n ( ∑ [ (xi – )2 pi ] ) i=1 Binomialverteilung Ziehen mit zurücklegen, oder Stichprobe < 5 % n = Anz. Experimente k = Anz. eingetretene Ereignisse p = Wahrsch. das Ereignis eintritt n P(X=k) = ( ) pk (1 – p)n – k k Für die Binomialverteilung gilt: =np = √ (n p (1 – p) ) 6 45 – 6 ) )( n 6–n n richtige Zahlen = 45 ( ) 6 ( Urne mit schwarzen und weissen Kugeln ks = Anzahl schwarze Kugeln kw = Anzahl weisse Kugeln n = ks + kw = Anzahl Kugeln insgesamt kw ( ) 4 P(4 weisse Kugeln) = n ( ) 4 Beispiel Flugzeug mit 3 Triebwerken: n = 3 Wahrsch. für Ausfall eines Triebwerks: k = 0.01 P(0 Ausfälle) = ( ( P(X=k) = e- kw ks ) )( 2 3 n ( ) 2+3 1 4 P(9 gleichfarbige 35 = 36 Karten) = ( ) ( ) 8 9 Weil es egal ist, welche Karte zuerst gezogen wird, müssen wir uns nur auf die Wahrscheinlichkeit für die nachfolgenden 35 Karten konzentrieren. 1 36 ( ) 9 Hier ist nicht mehr egal, welche Karte zuerst gezogen wird. 3. + 4. Semester k k! = =√ Karten ziehen P(9 Eicheln) = 3 ) 0.010 (1 – 0.01)3 = 0970299 0 Poissonverteilung P(min. 1 schw. Kugel) = 1 - P(4 weisse Kugeln) P(2 weisse Kugeln und 3 schw. Kugeln) = Die Binomialverteilung kann durch die Standardnormalverteilung angenähert werden, wenn 9 n> p (1 – p) Beispiel Das Spital erwartet 1.2 Notfälle pro Tag: = 1.2. Maximal 1 von 500 Notfällen müssen durch die Notfallstation abgedeckt sein: P(X=k)=99.8%. Wieviele Plätze braucht die Notfallstation? P(0 Notfälle=k) = ... % ... P(5 Notfälle=k) = ...% P(...) solange addieren, bis die gewünschte Fläche gefüllt ist. P(0 bis 5 Notfälle=k) = 99.85 % Die Notfallstation braucht 5 Plätze um 499 von 500 Fällen abzudecken. Christian Meyer Seite 12 / 18 Normalverteilung Die Normalverteilung basiert auf der Dichtefunktion (Graph siehe Standardnormalverteilung). Portfolio-Analyse ist nur zulässig mit stetigen Renditen! x– 1 e–0.5 ( √ (2 ) = Erwartungswert = Standardabweichung f(x) = )2 b P(X=k) = ∫ f(x)dx a X = Klasse von a bis unter b a = Untergrenze der Klasse b = Obergrenze der Klasse LÖSE NORMAL berechnet jedoch z F(z) = ∫ f(x)dx –∞ Um P(X=k) zu erhalten, muss man deshalb zuerst die standardnormalverteilte Zufallsvariable z je aus a und b berechnen. Dann muss man F(za) von F(zb) abziehen. Standardnormalverteilung Entspricht der Normalverteilung, wobei = 0 und = 1 gesetzt sind. -z +z -3 -2 -1 0 1 2 3 Umrechnen der Zufallsvariable X in die standardnormalverteilte Zufallsvariable z: X– z= Tabelle 1: Fläche von -z bis +z z 1 1.96 2 F[z] 68.269% 95% 95.5% 2.58 99% 3 99.73% Tabelle 2. Fläche von -∞ bis z z 0 1.65 1.96 F[z] 50% 95% 97.5% 2.35 99% 2.58 99.5% Satz 1: X1, X2, ..., Xn seien unabhängige normalverteilte Zufallsvariablen, die alle den Erwartungswert und die Standardabweichung besitzen. Dann ist die Zufallsvariable X = X1+X2+...+Xn normalverteilt und hat den Erwartungswert n und die Standardabweichung √(n) . Satz 2: X1, X2, ..., Xn seien unabhängige normalverteilte Zufallsvariablen. 1, 2, ..., n sind die Erwartungswerte, 1, 2, ..., n die Standardabweichungen. Dann ist die Zufallsvariable X = X1+X2+...+Xn normalverteilt und hat den Erwartungswert = 1 + 2 + ... + n und die Standardabweichung = √(12 + 22 + ... + n2). 3. + 4. Semester Christian Meyer Seite 13 / 18 S8 Schliessende Statistik S8.1B Vertrauensbereiche für das arithmetische Mittel N = Grösse der Grundgesamtheit = arithmetisches Mittel der Grundgesamtheit = Standardabweichung der Grundgesamtheit Quantitativer Fall Mit der zu z gehörenden Wahrscheinlichkeit liegt das arithmetische Mittel mx einer Stichprobe im Intervall von s N–n ) mx = (z √n √ N – 1 n = Grösse der Stichprobe mx = arithmetisches Mittel der Stichprobe s = Standardabweichung der Stichprobe S8.1 Vertrauensbereiche Eine Stichprobe wird genommen um eine Aussage über den der Gesamtmenge zu machen. Weil die Stichprobe kleiner als die Gesamtmenge ist, kann nur mit einer gewissen Wahrscheinlichkeit getroffen werden. Ist n kleiner als 5 % von N, so ist N–n √( N – 1 ) 1 S8.1A Der zentrale Grenzwertsatz Ziehen mit Zurücklegen Sind X1, X2, ..., Xn unabhängige Zufallsvariablen, die alle dieselbe Verteilungsfunktion (Wahrscheinlichkeitsverteilung) und somit denselben und 2 besitzen, so ist die Zufallsvariable X1 + X2 + ... + Xn mX = n mit wachsendem n immer besser normalverteilt mit dem Erwartungswert und der Varianz 2 X2 = n (mX = arithmetisches Mittel von X) Ziehen ohne Zurücklegen Sind X1, X2, ..., Xn abhängige Zufallsvariablen (X2 ist abhängig von X1 usw.), die alle dieselbe Verteilungsfunktion (Wahrscheinlichkeitsverteilung) und somit denselben und 2 besitzen, so ist die Zufallsvariable X1 + X2 + ... + Xn mX = n mit wachsendem n immer besser normalverteilt mit dem Erwartungswert und der Varianz N–n 2 X2 = n N–1 (mX = arithmetisches Mittel von X) N = Gesamtmenge n = Auswahl 3. + 4. Semester Grosse Stichprobe Mit der zu z gehörenden Wahrscheinlichkeit enthält das Intervall s N–n ) Vertrauensbereich = mx (z √n √ N – 1 das arithmetische Mittel der Grundgesamtheit Kleine Stichprobe Für im Verhältnis zur Grundgesamt kleinen Stichproben (n < 5 % von N) gilt: s ) Vertrauensbereich = mx (z √n mx = Arithmetisches Mittel von n = Arithmetisches Mittel von N Formulierung "Das Intervall mx ... enthält mit 95-%iger Sicherheit". "Mit 99.7-%iger Sicherheit enthält das Intervall von ... bis ... den durchschnittlichen Anteil ... aller ...". Wir stellen fest je grösser die Sichherheit, desto breiter der Vertrauensbereich je grösser die Stichprobe, desto schmaler der Vertrauensbereich je grösser die Standardabweichung der Stichprobe, desto grösser der Vertrauensbereich für kleine Stichproben gilt: die Grösse der Grundgesamtheit hat keinen Einfluss auf den Vertrauensbereich Halbiert man den maximalen Fehler (den Vertrauensbereich) so vervierfacht sich die Stichprobengrösse Christian Meyer Seite 14 / 18 Qualitativer Fall S8.1C Stichprobengrösse Wir interessieren uns für die relative Häufigkeit, mit der ein bestimmtes Merkmal auftritt. Standardabweichung der Grundgesamtheit: Wie gross muss die Stichprobengrösse mindestens sein, wenn mit mit einer Sicherheit von p %, nicht mehr als ±F Elemente daneben liegen möchte? s= √( A (1 – A) ) z = p via Tabelle 1 umrechnen A = Anteil des gesuchten Merkmals in der Grundgesamtheit 0≤A≤1 Quantitativer Fall Grosse Stichprobe Stichprobengrösse n = Da der Anteil von A der Grundgesamtheit nicht bekannt ist, ersetzen wir A durch den Anteil a der Stichprobe (A wird durch a geschätzt). Grosse Stichprobe Für grosse Stichproben (n 5 % von N) muss wegen des bei der Stichprobe üblichen "Ziehens ohne Zurücklegen" ein Korrekturfaktor verwendet werden. N–n a (1 – a Vertrauensbereich = a (z √( ) √( N – 1 ) ) n Kleine Stichprobe Für im Verhältnis zur Grundgesamtheit kleine Stichproben (n < 5 % von N) gilt: Mit der zu z gehörenden Wahrscheinlichkeit enthält das Intervall von a (1 – a Vertrauensbereich = a (z √( )) n den Anteil A der Grundgesamtheit N F2 (N – 1) +1 z2 2 Kleine Stichprobe Stichprobengrösse n = z2 2 F2 Schätzen Dummerweise ist der Grundgesamtheit nicht bekannt, es muss deshalb geschätzt werden: Bei normalverteilten Grössen liegen zwischen ± 3 99.7 % (also nahezu 100 %) der Werte. Dividiert man die Spannweite durch 6 (Drei-Sigma-Regel), so kriegt man einen Schätzwert für . Qualitativer Fall Kleine Stichprobe Stichprobengrösse n = z2 2 F2 mit = √( A (1 – A) ) Schätzen Sind keine Richtwerte für bekannt, so verwendet man die Tatsache, dass höchstens 0.5 sein kann. 3. + 4. Semester Christian Meyer Seite 15 / 18 S8.2 Testen von Hypothesen Frage Trifft eine Vermutung gegenüber einer Grundgesamtheit zu? Logischer Ablauf eines Hypothesen-Tests Die Vermutung über eine Grundgesamtheit soll indirekt bestätigt werden. Die Nullhypothese H0 wird als "Gegenhypothese" aufgestellt. Ziel ist H0 zu widerlegen. Planung des Zufallsexperiments: Wahl der Testgrösse, deren Wert durch das Zufallsexperiment bestimmt werden kann. Signifikanzniveau wählen, Verwerfungsbereich bestimmen, Entscheidungsregel aufstellen. Zufallsexperiment durchführen, Wert der Testgrösse bestimmen. Wert der Testgrösse fällt in Verwerfungsbereich: H0 verwerfen (Möglichkeit eines Fehlers 1. Art) Wert der Testgrösse fällt nicht in Verwerfungsb: H0 ist nicht widerlegt und wird somit bis auf weiteres beibehalten (Möglichkeit eines Fehlers 2. Art) Fehler 1. Art Die Nullhypothese ist richtig, wird aber trotzdem verworfen. Die Wahrscheinlichkeit für einen Fehler 1. Art ist = . Fehler 2. Art Die Nullhypothese ist falsch, wird aber nicht verworfen. Die Wahrscheinlichkeit für einen Fehler 2. Art ist = . ist schwer oder überhaupt nicht berechenbar. S8.2A Tests bezüglich Einstichprobentest Frage Ist in einer Grundgesamtheit das arithmetische Mittel verschieden von einem vermuteten Wert 0? Nullhypothese H0: = 0 Stichprobe: Grösse: n ≥ 100 Arithmetisches Mittel: mx Standardabweichung: s Nullhypothese H0: Ausschuss = 1%. Testgrösse: (mx – 0) √n mx – 0 z= = s s √n Irrtumswahrscheinlichkeit : 5 % = signifikant 1 % = hochsignifikant Einseitiger Test Alternativhypothese HA: > 0 bzw. < 0 Beispiel: Vermutet wird, dass der Ausschuss > 1 % ist. Verwerfungsbereich V: X > 4 (d. h. >2 % von N). Verwerfungsbereich (Tabelle 1): = 5 %: |z| > 1.65 = 1 %: |z| > 2.33 Gesamtmenge N=sehr gross. Stichprobe n=200. Anzahl fehlerhafte Teile in Stichprobe: X = 6. = 1 – P(X ≤ 4) = 1 – [P(0)+P(1)+P(2)+P(3)+P(4)] LÖSE BINOM 200 N 0.01 P (=1 %) 0 K PROB 0.1339... STO 1 K PROB 0.2706... STO 2 K PROB 0.2720... STO 3 K PROB 0.1813... STO 4 K PROB 0.0902... STO RCL 1 0.9482... 1 – +/- 0.0517... (= 5.2%) Verwerfungsbereich (Tabelle 2): = 5 %: |z| > 1.96 = 1 %: |z| > 2.58 1 +1 +1 +1 +1 Weil X in den Verwerfungsbereich fällt, kann die Nullhypothese verworfen werden. Formulierung Es ist signifikant zum Niveau = 5,2 %, dass der Ausschussanteil grösser ist als 1 %. 3. + 4. Semester Zweiseitiger Test Alternativhypothese HA: ≠ 0 Zweistichprobentest Frage Haben zwei Grundgesamtheiten verschiedene arithmetische Mittel 1 und 2? Nullhypothese H0: 1 = 2? Alternativhypothese HA: 1 2 zwei voneinander unabhängig gezogene Stichproben: Grösse: n1 ≥ 100, n2 ≥ 100 Arithmetisches Mittel: mx1, mx2 Standardabweichungen: s1, s2 Testgrösse: mx1 – mx2 z= s2 s2 √( n11 + n22 Christian Meyer ) Seite 16 / 18 Verwerfungsbreich (Tabelle 2): = 5 %: |z| > 1.96 = 1 %: |z| > 2.58 8.2B Tests bezüglich p Einstichprobentest Frage: Ist in einer Grundgesamtheit der Anteil p eines Merkmals verschieden von seinem vermuteten Wert p0? Nullhypothese H0: p = p0 Stichprobe: Grösse: n > 9 p0 (1 – p0) Anteil des Merkmals in der Stichprobe: a Testgrösse: (a – p0) √n z= , mit = √( p0 (1 – p0) ) Einseitiger Test Alternativhypothese HA: p > p0 bzw. p < p0 Verwerfungsbereich (Tabelle 1): = 5 %: |z| > 1.65 = 1 %: |z| > 2.33 Zweiseitiger Test Alternativhypothese HA: p ≠ p0 Verwerfungsbereich (Tabelle 2): = 5 %: |z| > 1.96 = 1 %: |z| > 2.58 Zweistichprobentest Frage Haben zwei Grundgesamtheiten verschiedene Anteile p1 und p2 eines Merkmals? Nullhypothese H0: p1 = p2 Alternativhypothese HA: p ≠ p0 zwei voneinander unabhängig gezogene Stichproben: (n1 + n2) p > 5 (n1 + n2) (1 – p) > 5 n1 ≥ 50 n2 ≥ 50 wobei: p= a1 n1 + a2 n2 n1 n2 Grösse: n > 9 p0 (1 – p0) Anteil des Merkmals in der Stichproben: a1, a2 Testgrösse: z= a1 – a2 √(p (1 – p) ( 1 n1 + 1 n2 ) ) Verwerfungsbereich (Tabelle 2): = 5 %: |z| > 1.96 = 1 %: |z| > 2.58 3. + 4. Semester Christian Meyer Seite 17 / 18 Den kritischen Wert c entnimmt man der 2-Tabelle. Ist S > c, so wird die Nullhypothese H0 verworfen. 8.2C Chiquadrat Anpassungstest Definition Sind X1, X2, X3, ..., Xv unabhängige standardnormalverteile Zufallsvariablen ( = 0, = 1), so heisst die Zuvallsvariable 2 = X12, X22, X32, ..., Xv2 chiquadratverteilt mit Freiheitsgraden. Frage: Sind zwei Grundgesamtheiten annähernd gleich verteilt? Gleichverteilung Nullhypothese H0: Grundgesamtheit ist gleichverteilt Alternativhypothese HA: Grundgesamtheit ist nicht gleichverteilt. Testgrösse: k (fi – fthi)2 S= ∑ fthi i=1 k S= ∑ i=1 (beobachtete Häuf. – theoretische Häuf.)2 theoretische Häuf Geht nur, wenn die theoretischen Häufigkeiten > 5 sind! Ansonsten müssen benachbarte Klassen zusammengelegt werden. Berechnung Anzahl Freiheitsgrade : =k–m–1 k = Anzahl Klassen (beim Würfel: 6) m = Anzahl Parameter der Wahrscheinlichkeitsverteilung Gleichverteilung (kein Parameter): m = 0 Binomialverteilung (Parameter p): m = 1 Poissonverteilung (Parameter ): m = 1 Normalverteilung (Parameter , ): m = 2 Den kritischen Wert c entnimmt man der 2-Tabelle. Ist S > c, so wird die Nullhypothese H0 verworfen. 8.2D Chiquadrat Unabhängigkeitstest Frage Sind zwei qualitative Merkmale unabhängig voneinander? Testgrösse: k m S= ∑ ∑ i=1 j=1 S= ∑ (fij – fthij)2 fthij (beobachtete Häuf. – theoretische Häuf.)2 theoretische Häuf Berechnung Anzahl Freiheitsgrade : = (k – 1) (m – 1) k = Anzahl Ausprägungen des einen Merkmals m = Anzahl Ausprägungen des anderen Merkmals 3. + 4. Semester Christian Meyer Seite 18 / 18