Mathematik für Wirtschaftswissenschaftler*Springer Berlin Heidelberg Discount

Das im heutigen Berufsalltag so wichtige und allgegenwärtige „treffsichere Umgehen“ mit mathematischen Methoden und Modellen setzt voraus, dass Studierende die relevanten Werkzeuge kennen und verstehen, sie auswählen und anwenden sowie erzielte Ergebnis (auf Plausibilität) prüfen, bewerten und je nach Bedarf auf andere Fragestellungen transferieren bzw. zum Problemlösen einsetzen können. Ausgehend von der Schulmathematik vermitteln die Autoren dem Leser diese berufsrelevanten Fertigkeiten didaktisch hervorragend und gut zugänglich. Dabei ist jedes Kapitel neben vielen Aufgaben mit Lösungen mit einem Eingangs- und einem Ausgangstest versehen, um eine effiziente Lernkontrolle zu ermöglichen.
Die Autoren:

Prof. Dr. phil. Bertil Haack, Technische Hochschule Wildau, Fachbereich Wirtschaft, Informatik, Recht

Prof. Dr. rer. nat. Ulrike Tippe, Technische Hochschule Wildau, Fachbereich Wirtschaft, Informatik, Recht

Prof. Dr. rer. oec. Michael Stobernack, Technische Hochschule Brandenburg, Fachbereich Wirtschaft

Prof. Dr. rer. nat. Tilo Wendler, Hochschule für Technik und Wirtschaft (HTW) Berlin, Fachbereich Wirtschafts- und Rechtswissenschaften

Einleitung. – Modellieren und Argumentieren Wie wir eine reale Fragestellung für die Bearbeitung mit mathematischen Werkzeugen zugänglich machen und lösen können. – Rechnen mit reellen Zahlen. – Gleichungslehre Wie wir unbekannte Größen berechnen können. – Elementare reelle Funktionen. – Differenzialrechnung für Funktionen einer Variablen Wie wir das Verhalten von wirtschaftswissenschaftlichen Funktionen erkennen und deuten können. – Integralrechnung. – Differenzialrechnung für Funktionen mit mehreren Variablen Wie wir das Verhalten von wirtschaftswissenschaftlichen Funktionen erkennen und deuten können, wenn mehrere unabhängige Größen im Spiel sind. – Lineare Algebra. – Finanzmathematik. – Deskriptive Statistik. – Wahrscheinlichkeitsrechnung – Wie wahrscheinlich sind bestimmte Ereignisse? . – Schließende Statistik – Was in der Stichprobe gilt, muss noch lange nicht in der Grundgesamtheit gelten
.