Kann man messen, wie viel „Wissen“ eine Gesellschaft in der Vormoderne besaß? Und wenn ja: Trägt dieses Wissen dazu bei, dass manche Regionen aufsteigen und andere zurückfallen? Genau diese Fragen untersuchen Matthew Curtis, David de la Croix, Filippo Manfredini und Mara Vitale in ihrem LIDAM Discussion Paper 2025/12 . Methodischer Ansatz Die Methode ist ebenso originell wie clever: Statt spärlicher Lohnreihen oder eingeschränkter Einschreibungslisten nutzen die Autoren bibliographische Datenbanken (VIAF) und Wikipeadia-Einträge, um die „Sichtbarkeit“ einzelner Gelehrter zu erfassen. Aus neun Variablen, z. B. Anzahl der Publikationen, Vielfalt der Verlage oder Länge des Wikipedia-Artikels, wird ein Human Capital Index (HCI) konstruiert. Mathematisch geschieht das per Principal Component Analysis, sodass aus vielen Indikatoren ein Gesamtwert entsteht. Durch eine besondere Transformation werden „Superstars“ wie Erasmus oder Newton abgefedert, damit sie den Rest nicht domi...
In den letzten Wochen habe Virologen und andere Experten ihre Einschätzungen der Lage treffend beschrieben und immer wieder darauf hingewiesen, warum es wichtig ist, Großveranstaltungen zu untersagen. Klassischerweise geht bei der Risikobeurteilung um die Wahrscheinlichkeit eines Risikoereignisses. Die leitende Beispielfrage soll in diesem Beitrag daher sein: ’Wie hoch ist die Wahrscheinlichkeit, bei einer Veranstaltung mit 42000 Menschen mindestens einen infizierten Überträger unter den Besuchern zu haben?‘ Ich will die Rechnung für eine Stadt mit 580.000 Einwohnern und 58 Infizierten anstellen. Ferner kommen die Besucher aus einer zufällig gezogenen Grundgesamtheit, d.h. Infizierte besuchen nicht absichtlich die Veranstaltung. Die Wahrscheinlichkeit, einen infizierten Träger als Veranstaltungsbesucher zu haben, lautet $P(Y\geq 1)=(1-P(Y=0))=(1-(1-\frac{i}{g})^b)=(1-(1-\frac{58}{580000})^{42000})$ (i: Anzahl Infizierter, g: Anzahl Stadteinwohner, b: Anzahl Veranstaltungsbes...