1 14. april 2008 prof. dr. th. augustin...
TRANSCRIPT
Entsch
eidungsth
eorie
Prof.
Dr.
Th.A
ugu
stin
14.A
pril
2008
1
2
Inhaltsv
erze
ichnis
3
1Ein
fuhru
ng
1.1
Chara
kte
risieru
ng
derEntsch
eid
ungsth
eorie
als
Theorie
des
ratio
nale
nEntsch
eid
ens
unte
rU
nsich
erh
eit
1.1
.1In
terd
isziplin
are
Bedeutu
ng
und
Entw
icklu
ngsstra
nge
Erste
rA
st:R
atio
nalC
hoice
Allgem
eine
Anw
endbarkeit
des
Gru
ndm
odells
(Aktion
+Zustan
d⇒
Nutzen
)
4
•M
odellieru
ng
des
Han
deln
rationaler
Aktion
zum
besseren
Verstan
dnis
realerund
fiktiverP
han
omen
eund
System
e(z.B
.M
arktgescheh
en);
stutzt
sichvor
allemau
fsp
ieltheoretisch
eU
berlegu
ngen
•V
.a.in
der
VW
Lentw
ickelt
•In
Soziologie
Colem
an:Fou
ndation
sof
Social
Theory
(1990)N
orman
Brau
n!
•A
uch
starkeA
usw
irkungen
auf
Politologie
und
praktischePhilosophie
5
∗W
ahlm
odelle
∗B
uch
vonTaylor
∗m
ehrere
sog.V
ertragstheorien
∗Joh
nR
awls:
Ein
eT
heorie
der
Gerechtigkeit;
ganz
zentral:M
inim
ax,Sch
leierdes
Nichtw
issens
•V
erhalten
sforschung
6
Zw
eite
rA
st:Experte
nsy
stem
e,entsch
eid
ungsu
nte
rstutze
nde
Syste
me
(Decisio
nSupport
Syste
ms)
Mod
ellierung
der
Entsch
eidungsb
asisvon
Exp
ertenzu
mop
timalen
Agieren
inkom
plexen
ahnlich
enSitu
ationen
Anw
endung:
BW
L(Investition
sentscheid
ungen
),V
WL
(Portfolio-M
anagem
ent),M
edizin
Sollen
helfen
,op
timale
Entsch
eidungen
zufin
den
,zu
den
ender
Entsch
eidungstrager
nicht
vonsich
aus
inder
Lage
ist.
•W
eilSystem
zukom
plex
ist,um
alleszu
uberb
licken
•B
reitereV
erfugb
arkeitvon
Exp
ertenwissen
(MY
CIN
)
7
•V
erwen
dung
vonU
nsich
erheitsth
eorien(m
anbeachte
den
Plu
ral)
•A
ber
auch
:A
bnah
me
vonR
outin
eentscheid
ungen
,um
Kon
zentrationau
fdas
Wesentlich
ezu
ermoglich
en
Dritte
rA
st:Sta
tistische
Entsch
eid
ungsth
eorie
Entsch
eidungsth
eoriein
der
Statistik
•W
okom
mt
Statistik
rein?
∗W
ahrsch
einlich
keitsuberlegu
ngen
spielen
oftein
eR
olle(E
insch
atzung,
wie
wah
rschein
liches
ist,dass
esregn
et);
8
∗in
sb.
bei
daten
abhan
gigenE
ntscheid
ungen
;w
ieverarb
eitetm
andatenb
asierteIn
formation
?
⇒R
olleder
Entsch
eidungsth
eorieals
statistische
Teild
isziplin
•A
ndererseits:
Entsch
eidungsth
eoriekan
nals
formaler
Uberb
auuber
Test-
und
Sch
atztheorie
gesehen
werd
en→
allg.Blick
setzteR
eihevon
wesentlich
enE
rkenntn
issenfrei;ein
eZeitlan
gseh
rm
odern
;jetzteh
erim
Hintergru
nd
→U
bungsb
latt
9
1.1
.2G
rundle
gende
Typen
von
Entsch
eid
ungsm
odelle
n
a)
Gru
ppen
alsE
ntscheid
ungstrager
werd
ennu
rsow
eitbetrachtet
wie
diese
Gru
ppen
alsE
inheit
agierenund
dam
itform
alals
Individ
uum
beh
andelt
werd
enkon
nen
.(E
twa
die
grundlegen
de
dem
okratietheoretisch
eFrage
nach
der
gerechtenB
ildung
vonG
ruppen
praferen
zenw
irdhier
nicht
gestellt.)
b)
Hier
werd
en(fast)
nur
Entsch
eidungsp
roblem
em
itm
ehreren
Um
weltzu
standen
betrachtet.
Der
Fall
nur
eines
einzigen
Um
weltzu
standes
(oder
eines
mit
Sich
erheit
eintretenden
Um
weltzu
standes)
fuhrt
unm
ittelbar
auf
Prob
leme
der
(linearen
)O
ptim
ierung
(=(lin
eare)P
rogramm
ierung)
(Optim
ierung
unter
Neb
enbed
ingu
ngen
)
10
c)E
sgib
tversch
ieden
eT
ypen
vonU
nsich
erheit!
(m.E
.
” Anker
der
ganzen
Entsch
eidungsth
eorie“)
•klassisch
eE
xtreme
der
” Erzeu
gung
vonU
mw
eltzustan
den“
Typ
I:U
mw
eltzustan
de
sind
das
Ergeb
nis
eines
perfekten
Zufallsm
echan
ismus
mit
bekan
nterW
ahrsch
einlich
keitsverteilung
→” L
otterien“(R
isikosituation
)
versus
Typ
II:U
mw
eltzustan
de
durch
Han
dlu
ngen
eines
feindlich
enG
egensp
ielerserzeu
gt(S
ituation
desstrategischen
Spiels)
11
Leid
erunglu
ckliches
Begriff
swirrw
arr:(W
asals
Typ
I,w
asals
Typ
IIbezeich
net
wird
,ist
nicht
einheitlich
.Fern
erw
irddie
Risikositu
ationoft
auch
alsid
ealeSpielsitu
ationbezeich
net,ged
achtist
dab
eiaber
anein
Glu
cksspiel
und
nicht
anstrategisch
esSpiel!)
•dam
iten
gverw
andt,
aberm
.E.unbedin
gtdavon
zuunterscheiden
:
Typ
I’:E
ntscheid
ungstrager
kann
subjektive
Wah
rschein
lichkeiten
(allgemein
er:irgen
dw
elche
num
erischen
Gew
ichte)fu
rdie
Zustan
de
angeb
en;
d.h
exaktbesch
reiben
,w
iew
ahrsch
einlich
sieeintreten
(Bayes-E
ntscheidu
ngssitu
ation)(W
ettenau
fvergan
gene
Ereign
isse:W
sk,dass
Bayern
gewon
nen
hat.)
12
Typ
II’:Unsicherheitssitu
ationim
engeren
Sin
n,im
strengen
Sin
n” U
ngew
ißheitssitu
ation“K
einerlei
Ken
ntnisse
uber
das
Zutreff
envon
Zustan
den
vorhan
den
•I,I’
Parad
igma
des
Subjektivism
us:
Jede
Situ
ationunter
Unsich
erheit
kann
durch
Wah
rschein
lichkeiten
besch
rieben
werd
en(→
Wettqu
otient):partielles
Wissen
wird
gleichgesetzt
mit
vollstandigem
prob
abilistisch
enW
issen
•II,
II’P
aradigm
ades
Objektivism
us:
nur
echte(p
erfekte)Zufallsexp
erimente
durfen
durch
Wah
rschein
lichkeiten
besch
rieben
werd
en:
partiellesW
issenw
irdgleich
gesetztm
itvollstan
digem
Nichtw
issen
13
•M
irseh
rw
ichtigeN
ebenbem
erk
ung:
Inder
mod
ernen
Entsch
eidungsth
eoriem
assiveK
ritik:Sow
ohl
I’als
auch
II’sin
dpraktisch
sogu
tw
ienie
anzu
treffen
:M
anhat
imm
eretw
as–
meh
rod
erw
eniger
starkes–
Vorw
issen,
alsoweder
genug,
um
eine
absolu
tprazise
Wah
rschein
lichkeitsverteilu
ng
rechtfertigenzu
konnen
,noch
herrscht
Unsich
erheit
imstren
genSin
n.
Prob
lem:
Was
tun
mit
partiellemW
issen(typ
ischerw
eisegegeb
en)
Typ
I:R
isikosituation
Typ
II:Spielsitu
ationl
lT
ypI’:
Bayes
-Situ
ationT
ypII’:
vollstandiges
Nichtw
issen
14
•Such
enach
Theorien
fur
Situ
ationen
zwisch
enI’
und
II’
vollst.prob
abil.
Wissen
?=partielles
Wissen
?=kein
prob
abil.
Wissen
∗dab
eiau
chm
odellieren
,w
iestark
das
Vorw
issenist
(alsow
ienah
ean
I’//
II’)
∗eventu
ellnoch
Einb
ezug
/zu
satzliche
Mod
ellierung
vonV
agheit
(Um
weltzu
standepraktisch
oftgar
nicht
exaktbesch
reibbar)
∗E
sw
urd
eein
eR
eihe
vonT
heorien
entwickelt,
die
sichentw
eder
alsbew
ußte
Altern
ativezu
rW
ahrsch
einlich
keitstheorie
begreifen
(Fuzzy
15
Sets
Theory)
oder
alsV
erallgemein
erungen
der
Wah
rschein
lichkeitsth
eorie(u
nsch
arfeW
ahrsch
einlich
keiten,Intervallw
ahrsch
einlich
keiten,
” Dem
pster-S
hafer-T
heorie“
,C
hoqu
et-Theorie)
∗Fuzzy
Sets:
Mod
ellierung
der
Vagh
eitvon
Begriff
endurch
Aufw
eichung
des
Men
genbegriff
s:nicht
meh
rnu
r” in
Men
geja/n
ein“,
sondern
graduelle
Zugehorigkeit
(mit
Grad
0.7zu
rM
enge
der
warm
enZim
mer);
Zugeh
origkeitsfunktion
(mem
bersh
ipfu
nction
)stetige
Funktion
anstelle
der
Indikatorfu
nktion
16
∗Intervallw
ahrsch
einlich
keiten:W
ahrsch
einlich
keitein
esE
reignisses
Anicht
meh
rals
Zah
lp(A
),son
dern
alsIntervall
[L(A
),U(A
)]
∗B
reitedes
Intervalls;M
aßfu
rdie
Unb
estimm
theit,
(man
gelnde)
Gute
der
Wah
rschein
lichkeitsb
ewertu
ng;
Extrem
falle:
·[0;1]
⇒U
nsich
erheit
i.e.S.
·Intervall
besteht
nur
aus
einem
Punkt:
Lotteriesitu
ation
∗N
un
eben
auch
Zw
ischen
stufen
mod
ellierbar
17
∗B
enotigt
eigene
Axiom
atik(kein
eIntervallarith
metik!)
→versch
ieden
eA
xiomen
systeme
(verallg.su
bjektive
Wah
rschein
lichkeiten
,m
ittlerweile
auch
Kolm
ogorovsche
Axiom
atik)
∗A
ktueller
Forschu
ngsgegen
stand
(Absch
lussarb
eiten,
woh
lSem
inar
imSom
mersem
ester)
d)
Zusatzin
formation
enW
irbetrachten
nur
zwei
Falle
•oh
ne
Zusatzin
formation
18
•m
itZusatzin
formation
aufgru
nd
einer
Zufallsstichprobe
(” statistischeE
ntscheid
ungsth
eorie“(K
ap3ff
))
Wir
werd
enseh
en,d
asssich
eigentlichdie
ganze
induktive
Statistik
(Hyp
othesentests,
Param
eterschatzu
ng)
formal
alsE
ntscheid
ungsp
roblem
unter
Zusatzin
formation
durch
eine
Stich
prob
ebesch
reiben
lasst.
e)
Dam
itist
auch
einseh
rdiffi
zilerP
unkt
verknupft
empirisch
versus
norm
ativ
19
empirisch
eE
ntscheid
ungsth
eorie:U
ntersuchu
ng
des
tatsachlichenV
erhalten
svon
Person
enin
konkreten
Situ
ationen
(Teild
isziplin
der
Psych
ologie):Ist
hier
nur
vonseku
ndarem
Interesse.
norm
ativeE
ntscheid
ungsth
eorie :Festlegen
vonRegeln
des
rationalen
Entscheiden
s(p
raskriptiv
=praktisch
norm
ativ)
•aber
solche
Regeln
bed
urfen
der
empirisch
enU
berp
rufu
ng!
” unen
dlich
strenge“
Ration
alitatsforderu
ngen
sind
inhaltlich
auch
sinnlos:
vgl.G
oldstein
:U
berleb
enstrain
ing
inder
Wild
nis:
Optim
ale
20
Han
dlu
ng
eines
unen
dlich
starkenIn
divid
uum
s=
mit
jeden
Low
enrau
fenund
ihn
indie
Knie
zwin
gen.
•E
sist
gut,sich
alsZielvorzu
stellen,m
anw
illVerh
altenein
esE
xperten
inder
jeweiligen
Situ
ationm
odellieren
.
•A
lsein
Beisp
ielfu
rsolch
euberzogen
eR
ationalitatsford
erungen
wird
mittlerw
eileofters
das
inder
klassischen
Entsch
eidungsth
eorieenth
altene
Postu
latgen
annt,
man
durfe
sichnu
rin
einer
der
beid
enextrem
enU
nsich
erheitssitu
ationen
befin
den
.
21
•V
ergleichder
Entsch
eidungsth
eoriem
itder
Logik
:D
iesebesch
aftigtsich
mit
den
Regeln
desSchließ
ens
und
nicht
mit
den
tatsachlich
gezogenen
Sch
lussen
.D
ieTatsach
e,dass
invielen
Fallen
logischfalsch
enA
rgum
entationen
eine
hoh
ereU
berzeu
gungskraft
beigem
essenw
ird,m
achtdie
Logik
nicht
uberflu
ssig!
•B
eachte:D
erV
ergleichm
itder
Logik
gehtw
eiter:R
ationalitat
heißt
Folgerichtigkeit
(Kon
sistenz,
Koharen
z)au
fgrund
dereigen
enPram
issenund
Wertd
isposition
en,
nicht
aber
” absolu
tw
ahr“
oder
” moralisch
richtig“.
Ichden
ke,das
istalles,
was
eine
norm
ative,
22
praskrip
tiveT
heorie
leistenkan
n!
Glie
deru
ng,Lite
ratu
rbesp
rech
en!
23
1.2
Die
Gru
ndfo
rmein
es
date
nfre
ien
Entsch
eid
ungsp
roble
ms
(No-d
ata
-Pro
ble
m)
Def.
1.1
(Date
nfre
ies
Entsch
eid
ungsp
roble
m)
Ein
datenfreies
Entscheidu
ngsproblem
(no-d
ata-prob
lem)
inN
utzen
form(V
erlustform
)ist
einTrip
el(A
,Θ,u
(·))bzw
.(A
,Θ,l(·)),
besteh
end
aus
•ein
erM
enge
A(” A
ktionen
men
ge“)
,
•ein
erM
enge
Θ(” Z
ustan
dsmen
ge“)
24
•und
einer
Abbild
ung
(” Nutzen
funktion
“)
(u∧=
utility)
u:A
×Θ
→R
(a,ϑ
)7→
u(a
,ϑ)
(1.1)
bzw
.ein
erA
bbild
ung
(” Verlu
stfunktion
“)
(l∧=
loss)
l:A
×Θ
→R
(a,ϑ
)7→
l(a,ϑ
)(1.2)
25
Bsp
.1.2
(Das
”O
mele
ttenpro
ble
m“
von
Savage)
26
Bem
.1.3
(Konse
quenze
nfu
nktio
n)
Fur
man
che
Anw
endungen
istes
sinnvoll,
einen
Sch
rittdazw
ischen
zusch
altenund
–bei
gegeben
emA
und
Θ–
zunach
stein
eK
onsequ
enzen
funktion
c:A
×Θ
→C
(a,ϑ
)7→
c(a,ϑ
)(m
itC
istdie
Men
gepotentieller
Kon
sequen
zen)
zubetrachten
und
darau
fein
eN
utzenb
ewertu
ng
uC
:C→
R
c7→
uC (c)
bzw
.ein
eV
erlustb
ewertu
ng
lC:C→
R
l7→
lC (c)festzu
legen.
27
u(·)
und
l(·)ergeb
ensich
dan
ndurch
Superp
ositionbeid
erFunktion
enals
u(a
,ϑ)
=uC (c(a
,ϑ))
bzw
.l(a
,ϑ)
=lC (c(a
,ϑ))
28
Bem
.1.4
(zuN
utze
n-
und
Verlu
stfunktio
nen)
•In
Defin
ition(1.1)
hab
enV
erlust-
und
Nutzen
funktion
(alsFunktion
ender
Gestalt
A×
Θ→
R)
formal
genau
dieselb
eStru
ktur.
Es
muss
alsojew
eilsdazu
gesagtw
erden
,w
asvorliegen
soll.(N
utzen
:Je
meh
r,um
sobesser;
Verlu
st:Je
wen
iger,um
sobesser)
•D
ieseU
nein
deu
tigkeitliegt
nicht
zuletzt
daran
,dass
man
eigentlichm
itPraferen
zenordn
ungen
alsgru
ndlegen
de
Entitat
arbeiten
mußte.
Die
Nutzenth
eorieleh
rt,w
iem
anunter
welch
enB
edin
gungen
aus
Praferen
zenord
nungen
einen
kardin
alen(m
etrischen
)N
utzen
konstru
iert.(H
iernu
reventu
ellam
Ende
der
Vorlesu
ng
betrachtet.
)
29
•D
urch
Multip
lizierenm
it(-1)
kann
man
jede
Nutzen
funktion
u(·)
inein
e,gen
audiesselb
eP
raferenzen
ordnu
ng
wid
erspiegeln
de
Verlu
stfunktion
um
wan
deln
.Dah
erw
irdim
Folgen
den
meist
nurentw
eder
vonN
utzen
-od
ervon
Verlu
stfunktion
gesproch
en.
30
Bem
.1.5
(Nota
tion
imendlich
en
Fall)
ImFalle
einer
endlich
enA
ktionen
men
geund
einer
endlich
enZustan
dsm
enge
wird
folgende
Notation
verwen
det:
A={a
1 ,...,ai ,...,a
n }Θ
={ϑ
1 ,...,ϑj ,...,ϑ
m}
(1.3)
(also|A
|=
n,|Θ|=
m;
iLau
findex
inA
,j
Lau
findex
inΘ
)N
utzen
funktion
,Verlu
stfunktion
und
Kon
sequen
zenfu
nktion
konnen
dan
nals
Matrizen
(uij )
i=1,...,n
j=1,...,m
,(lij )
i=1,...,n
j=1,...,m
,(c
ij )i=
1,...,n
j=1,...,m
dargestellt
werd
en.
31
Zum
Beisp
iel:
ϑ1
ϑ2
....
ϑm
a1
u11
u12
....
u1m
a2
u21
u22
....
u2m
....
....
....
....
..u
ij..
....
....
....
..a
nu
n1
un2
....
unm
(1.4)
Man
spricht
dan
nvon
Nutzen
tafel,V
erlusttafel
oder
Kon
sequen
zentafel.
32
Ein
bettu
ng
inden
Rm:
Jedes
Elem
enta
i∈
Akan
ndan
nm
itdem
zugeh
origenN
utzen
vektor
~u(a
i )=
(ui1 ,u
i2 ,...,uij ,...,u
im)∈
Rm
(1.5)
identifiziert
werd
en.
Istm
=2
oder
m=
3,so
istfern
erein
egrap
hisch
eD
arstellung
moglich
:6
-
u(·,
ϑ2 )
u(·,
ϑ1 )
·a1
·a2·
a3
·a
4
33
Bem
.1.6
(Sem
antik
des
date
nfre
ien
Entsch
eid
ungsp
roble
ms)
Abstrah
iertm
anbei
einem
konkreten
Entsch
eidungsp
roblem
und
fasstes
indie
Form
(A,Θ
,u(·))
bzw
.(A
,Θ,l(·))
laut
Defin
ition1.1,
sosin
ddam
itim
plizit
eine
Reih
evon
grundsatzlich
enA
nnah
men
verbunden
,die
inder
jeweiligen
Anw
endung
kritischzu
hinterfragen
sind.
a)A
seibekan
nt.
b)Θ
seibekan
nt(C
lose-World
-Assu
mption
).
34
c)D
ieE
rgebnisse
(Kon
sequen
zen)
seienein
deu
tig,d.h
.au
sdem
Zusam
men
spiel
jedes
Elem
entsa
vonA
und
ϑ∈
Θergib
tsich
eine
eindeu
tigebestim
mte
Kon
sequen
zc(a
,ϑ).
Dab
eikon
nen
Kon
sequen
zendurch
aus
Wah
rschein
lichkeitsverteilu
ngen
sein.
d)E
slasst
sichein
eein
deu
tigbestim
mte
Nutzen
-/V
erlustfu
nktion
angeb
en,
die
die
individ
uellen
Praferen
zendes
Entsch
eidungstragers
wid
erspiegelt.
∗V
gl.B
emerku
ng
1.4:K
onstru
ktionvon
kardin
alen(reellw
ertigen)
Nutzen
funktion
enau
sbestim
mte
Bed
ingu
ngen
erfullen
den
Pra-
ferenzord
nungen
→” N
utzenth
eorie“
35
∗V
orsicht:B
eim
onetaren
Kon
sequen
zenist
imA
llgemein
ender
Nutzen
nicht
identisch
mit
(oder
linear
inder)
Geld
men
ge.(D
erU
nterschied
zwisch
endem
Nutzen
von1000
DM
und
2000D
Mist
imA
llg.großer
alsder
Untersch
iedim
Nutzen
von1
Mrd
.und
1M
rd.+
1000D
M).
Nur
wen
nalle
imE
ntscheid
ungsp
roblem
betrachteten
Geld
men
genw
eitunterh
albdes
tatsachlich
enV
ermogen
s-stan
des
sind,
istdie
Nutzen
funktion
(praktisch
)lin
earin
den
Geld
betragen
.Ist
v.a.beim
Berech
nen
vonerw
artetenN
utzen
/Verlu
stenw
ichtig.
e)A
ktionen
und
Zustan
de
seienw
ertfrei.(E
ventuelle
Bew
ertungen
mussen
indie
Ergeb
nisse
und
dam
itin
die
Nutzen
funktion
eingeb
aut
werd
en.)
36
f)U
mw
eltnicht
beein
flußb
ar:” H
andlu
ngsu
nabhan
gigkeitder
Zustan
de“
Gegeb
enen
fallsStrategien
(” Implikation
ssschem
a“)
defin
ieren(F
estlegung
der
Um
weltzu
stande
istkein
eswegs
imm
ertrivial!)
g)T
ypder
Unsich
erheit
bekan
nt(ob
Bayessitu
ationod
erU
nsich
erheit
imen
gerenSin
n)(b
zw.
spater
dan
nV
erallgemein
erung)
h)K
eine
zusatzlich
eIn
formation
(außer
Wah
rschein
lichkeit
bei
Bayessitu
ation).
Inform
ationsgew
innu
ng
uber
Strategien
formulieren
→Statistisch
eE
ntscheid
ungsth
eorie
37
i)E
inm
aligeW
ahlder
Entsch
eidung,
keine
Korrektu
ren
j)K
eine
Wied
erholu
ng
der
Entsch
eidungssitu
ation(w
iederh
olteE
ntscheid
ung
alsein
eE
ntscheid
ungsstrategie
formulieren
)
38
1.3
Typisch
eB
eisp
iele
Bsp
.1.7
(Das
Ausfl
ugsp
roble
mvon
Chern
off
&M
ose
s(1
959)
)
(inein
erA
dap
tionvon
Fersch
l)
•M
r.N
elsonm
ochtem
orgenein
eB
ergwan
deru
ng
untern
ehm
en,
und
zwar
inein
erJah
reszeit,in
der
man
mit
dem
plotzlich
enE
infallen
vonSch
lechtwetter
zurech
nen
hat
•H
andlu
ngsm
oglich
keite
n:
a1
:=leichte
Bekleid
ung
mitn
ehm
ena
2:=
leichteB
ekleidung
plu
sR
egensch
irmm
itneh
men
a3
:=w
etterfeste,w
arme
Bekleid
ung
plu
sR
egensch
irmm
itneh
men
39
•D
iere
levante
nFakte
nbzw
.Zusta
nde
sind
θ1
:=sch
ones
Wetter
amA
usflu
gstagθ
2:=
schlechtes
Wetter
amA
usflu
gstag
•N
utzentafel
fur
Mr.
Nelson
:θ1
θ2
a1
50
a2
31
a3
23
Die
Bew
ertungen
werd
enals
Nutzen
interpretiert
Origin
al:V
erluste
Potentielle
datenb
asierteZusatzin
fo(→
spater):
Barom
eterablesu
ng
40
Bsp
.1.8
(Teiln
ahm
ean
ein
er
Lotte
rie)
Gegeb
ensei
eine
Urn
em
it
ggru
nen
bblau
enr
restlichen
Kugeln
.M
ankan
n
a1
nicht
spielen
a2
zum
Preis
voncg
aufgru
nsetzen
a3
zum
Preis
voncb
aufblau
setzen.
Nun
wird
eine
Kugel
zufallig
gezogen.
Istsie
grun
(bzw
.blau
),soerh
altm
an,w
enn
man
aufgru
n(b
zw.b
lau)gesetzt
hat,
wg
bzw
.w
b(w
:w
in).
41
Θ={θ
1 ,θ2 ,θ
3 }m
itθ
1gezogen
eK
ugel
istgru
nθ
2gezogen
eK
ugel
istblau
θ3
gezogene
Kugel
hat
sonstige
Farb
e
θ1
θ2
θ3
a1
00
0a
2w
g−
cg
−cg
−cg
a3
−cb
wb−
cb−
cb
Fur
spater
wichtig:
Sin
dg,b
,rbekan
nt,so
liegtein
eU
nsich
erheitssitu
ationvom
Typ
I(R
isikosituation
(i.e.S.))
vor!
42
Bsp
.1.9
(”K
uch
ente
ilen“)
Gegeb
ensei
einK
uch
enau
s8
durch
num
merierten
gleichgroßen
Stu
cken.
&%
'$
@@
@@
@@�
��
�� �
1
23
45
6 7
8R
θ1
θ2
•D
erE
ntscheid
ungstrager
wah
ltein
Stu
ckz,z
∈{1
,...7},bei
dem
der
Kuch
engeteilt
wird
.
43
•E
sgeb
ezw
eiU
mw
eltzustan
de:
θ1
und
θ2 .
Tritt
θ1
ein,so
erhalt
der
Entsch
eidungstrager
die
Stu
cke1
bis
z,bei
θ2
hin
gegendie
Stu
ckez
+1
bis
8.
θ1
θ2
11
72
26
33
54
44
55
36
62
77
1
44
•E
sw
irdhier
noch
nichts
vorausgesetzt,
wie
die
Um
weltzu
stande
eintreten.z.B
.durch
Gegen
spieler,d
ann
Bsp
.fu
rT
ypII
Unsich
erheit,
Situ
ationdes
strategischen
Spiels:
Klassisch
esB
eispiel
fur
Zw
ei-Person
en-N
ullsu
mm
ensp
iel(Z
eilensu
mm
enkon
stant),es
wird
etwas
aufgeteilt;
was
der
eine
bekom
mt,
das
bekom
mt
der
andere
wen
iger.
45
Bsp
.1.1
0(In
vestitio
nsp
roble
m)
46
Bsp
.1.1
1(A
ktie
nkauf(n
atu
rlichsta
rkvere
infa
cht))
47
Bsp
.1.1
2(E
inbettu
ng
stat.
Tests
indie
Entsch
eid
ungsth
eorie
)