Seminar: Stochastische Geometrie und ihre Anwendungen - Unbegrenzt teilbare und stabile Verteilungen.

Größe: px
Ab Seite anzeigen:

Download "Seminar: Stochastische Geometrie und ihre Anwendungen - Unbegrenzt teilbare und stabile Verteilungen."

Transkript

1 Uverstät Ulm, Isttut Stochastk 5. Jul 200 Semar: Stochastsche Geometre ud hre Aweduge - Ubegrezt telbare ud stable Verteluge. Ausarbetug: Stefa Fuke Betreuer: Ju.-Prof. Dr. Zakhar Kabluchko Ubegrezt telbare ud stable Verteluge Zel deser Ausarbetug (des Vortrages) st es, de Aussage des bekate Zetrale Grezwertsatzes zu verallgemeer. Zetraler Grezwertsatz See X, X 2,... d Z.v. mt E X =: µ <, EX 2 < ud damt V ar(x) =: σ 2 <, S := = X, ES = µ, V ar(s ) = σ 2 Z := S µ σ Z N(0, ) für Wr betrachte u Folge vo Zufallsvarable, dere Varaz, bzw. dere Momete cht exstere oder ubestmmt se köe. Bespel: Cauchy-Vertelug De Dchte der Cauchy-Vertelug st gegebe durch: f(x) = π + De charakterstsche Fukto st gegebe durch: ϕ(t) = exp( t ) Bereche erste ud zwete Momet eer Z.v. X Cauchy EX = π x l(+x dx = lm 2 ) + R 2π R R = EX 2 = π x2 dx = + π ( dx [ ] d Bem: dx arcta(x) = + dx) = + π ( dx π) = Daraus folgt, dass wr auf ee Folge vo Cauchy vertelte Z.v. de Zetrale Grezwertsatz cht awede köe.

2 See X, X 2,... d mt X Cauchy S := k=0 X k { ϕ S (t) = exp( t ) ( ), t = 0 0, sost De Grezfukto st kee charakterstsche Fukto (da ustetg). Normert ma de Summe jedoch etspreched, so erhält ma m Grezfall weder ee Cauchy vertelte Z.V. ϕ S (t) = exp( t ) = exp( t ) Stable Verteluge Defto: Stable Verteluge Ee Zufallsvarable T mt charakterstscher Fukto ϕ T (t) heßt stabl, falls Kostate > 0, b s.d. glt: T + b d = X X, wobe X,..., X uabhägge Z.v. vertelt we T. Für de charakterstsche Fukto glt: (ϕ T (t)) = ϕ T ( t)e bt. Bespel: Normalvertelug De char. Fkt. eer ormalvertelte Z.v. X N(µ, σ 2 ) st gegebe durch: ϕ X (t) = exp(tµ 2 t2 σ 2 ) ach Defto: Gesucht sd Kotate > 0, b s.d. ϕ X ( t) e bt = exp(t µ + b t 2 a2 t 2 σ 2 ) = exp(t( µ + b }{{ ) } 2 t2 σ 2 a 2 ) }{{} =µ = exp(tµ) 2 t2 σ 2 ) =, b = ( )µ Normalvertelug st stabl. = I oberem, erste Bespel habe wr berets gesehe, dass auch de Cauchy-Vertelug stabl st. Satz: Betrachte Z.v. X, X 2,... d mt X F, falls > 0, b s.d. P ( X +...+X b x) F (x) wobe F cht etartet st, so folgt: F st stabl. Defto: Z.v. X bestzt ee etartete Vertelug m Pukt a, falls hre Wahrschelchketsfukto gegebe st durch P (X = a) =. Bewes: X, X 2,... d. mt X F. T = d X lm +...+X b G := X +...+X b T () F mt T F 2

3 G 2 := X X 2 b T (2) F X +...+X 2 2b = G + G 2 d T () + T (2) Außerdem glt: X +...+X 2 2b = α (2) }{{} a 2 a V 2 = V 2 + β (2) }{{} b 2 2b a [ ] X +...+X 2 2b β (2) a α (2) = X +...+X 2 b 2 +(b 2 2b ) a 2 mt V 2 = X +...+X 2 b 2 a 2 d T () +T (2) β (2) α (2) Ud V 2 d T Ma ka zege, dass α (2), β (2) exstere, s.d. lm α (2) = α (2) ud lm β (2) β (2) T d = T () +T (2) β (2) α (2) Des lässt sch verallgemeer auf: T d = T () +...+T (k) β (k) α (k) T st stabl. a 2 = Defto: Attraktor ud Azehugsbereche Ee stable Vertelug F heßt Attraktor (eer Summe vo d ud etspreched ormerte Z.v. X, X 2,...), falls se de Aussage obge Satzes erfüllt. Bzw.: De Vertelug der X gehört zum Azehugsberech der stable Vertelug F. Bespel: Jede Z.v. X mt edlcher Varaz legt m Azehugsberech der Normalvertelug. Mt = EX ud b = V ar(x). (Zetraler Grezwertsatz) Holtzmark Bespel 920 stellte ud löste Holtzmark folgedes Problem: ma betrachte zufällg m Raum vertelte, elektrsch geladee Telche. We st de Vertelug des resulterede elektrsche Felds eem bestmmte Pukt? 940 betrachtete Chadrasekhar e aaloges Problem: We seht das Gravtatosfeld vo zufällg m Raum vertelte Körper (Masse) aus? Wr betrachte e sehr verefachtes -dmesoales Modell. See Körper m Itervall [, ] glechvertelt ud uabh. mt Masse m > 0. (Gravtatoskostate als Ehet) Modellere de Kraft auf ee Ehetsmasse m Ursprug als F := m sg(x ) = X 2 }{{} =:X 3

4 mt X Koordate des -te Körpers. Wr zege u: F d = lm F Bereche zuächst char. Fukto ϕ F (t) E(exp(tX)) = m sg(x) exp(t ) = 0 cos( tm )dx ϕ F (t) = ( 0 cos( tm )dx) = ( 0 ( cos( tm ))dx) 2 dx exp( 0 ( cos( tm ))dx) für (glt, da das Itegral exstert.) = exp( c t /2 ), mt c > 0. (ach Substtuto, wobe c alle Kostate Faktore zusammefasst.) Dese Grezfukto st stetg 0 ud damt weder ee charakterstsche Fukto. Damt st ϕ(t) = exp( c t /2 ) de charakterstsche Fukto eer Vertelug, zu welcher F schwach kovergert. Außerdem lässt sch zege, dass alle symmetrsche, stable Verteluge ee charakterstsche Fukto der Form: ϕ(t) = e c t α mt 0 < α 2 ud c > 0 bestze. Obges Bespel st e Spezalfall für α = /2 Für α = erhält ma de Cauchy-Vertelug. Für α = 2 erhält ma de Normalvertelug. Bespel für α = 2: ϕ X (t) = e c t 2 = exp( 2 t2 }{{} 2c X N(0, 2c) =:σ 2 ) Bemerkug: zege: ϕ(t) = e c t α mt 0 < α 2 ud c > 0 st ee char. Fkt. eer stabl vertelte Z.v. X. Bewes: Suche Kostate > 0, b, s.d : [ϕ(t)] = ϕ( t)e bt exp( c t α ) = exp( c t α + b t) = exp( ca α t α + b t) b = 0, = a α = /α 4

5 Ubegrezt telbare Verteluge Defto: Ubegrezt telbare Verteluge Ee Zufallsvarable T ud hre charakterstsche Fukto ϕ T heße ubegrezt telbar, falls d Zufallsvarable η,..., η s.d. T d = η η bzw. ϕ T = (ϕ η ) Bespele : Posso-Vertelug:T P o(λ) mt P (T = k) = e λ λk k ϕ T (t) = λk k=0 ekt k e λ = e λ (λe t ) k k=0 k = e λ e λet = exp(λ(e t )) Setze: ϕ (t) = exp( λ (et )), wobe ϕ (t) char. Fkt. eer Posso vertelte Z.v. st, mt Parameter λ/. ϕ T (t) = (ϕ (t)) ud damt ubegrezt telbar. (oder: Setze: η P o(λ/) für =,..., η η P o(λ)) Normalvertelug: ϕ(t) = exp(tµ 2 t2 σ 2 ) Setze ϕ (t) = exp(t µ σ2 2t2 ) ϕ(t) = (ϕ (t)) ud damt ubegrezt telbar. Gamma-Vertelug: { x α e x/β Γ(α)β, x 0 X Γ(α, β) mt Dchte f(x) = α 0, sost ud char. Fkt. ϕ(t) = ( βt) α Setze ϕ (t) =, char. Fkt. eer Z.v. Y Γ(α/, β) ( βt) α/ ϕ(t) = (ϕ (t)) ud damt ubegrezt telbar. De Expoetalvertelug mt Parameter λ st als Spezalfall der Gammavertelug ebefalls ubegrezt telbar. (α =, β = /λ) Zusammehag: Se F stable Z.v. F ubegrezt telbar. Bewes: F stabl. Def. X,..., X d mt X d = T ud a > 0, b sodass T + b d = X X T d = X b } {{ } =:η mt η d für =,..., F ubegrezt telbar X b = η η a }{{ } =:η De Rückrchtug glt cht. Gegebespel: Se F P o(λ) 5

6 ϕ F (t) = exp(λ(e t )) ϕ F ( t) e bt = exp(λ(e } at {{ } ) + b t) = (ϕ }{{} F (t)) t R =(e t ) =0 b = 0 (wege Beschräkthet) e at = e t + t=2π e a2π = e 2π + = 2 π = l() = 0 = 0 Wderspruch zu > 0. Posso-Vertelug cht stabl. Defto: Dreecksschema Betrachte Z.v. X () Sowe X () Bespel: X () X (2) X (2) 2 X (3) X (3) 2 X (3) 3... mt =, 2,... ud =,..., zelewese uabhägg, d.h. X () uabh. für =,..., De Z.v. eem Dreecksschema erfülle ee u.a.. (uformly, asymptotcally eglgble) Bedgug, falls lm max k P ( X () > ɛ) = 0 ɛ > 0 Es folge zwe Grezwertsätze. k Satz: Ma ka zege: Falls X () Z.v. ees Dreecksschemas sd, welche belebg vertelt sd ud ee u.a.. Bedgug erfülle ud es glt: P (X () X () x) F (x) Da folgt, dass F ubegrezt telbar st. Es folgt e ählcher Satz, mt verefachte Voraussetzuge. Satz: Falls X () Z.v. ees Dreecksschemas zelewese d sd ud es glt: P (X () X () x) F (x) Da folgt, dass F ubegrezt telbar st. Bemerkug: Ma seht, dass der Spezalfall F stabl her ethalte st. Setze dafür X () := X b Wr betrachte e weteres Bespel eer ubegrezt telbare Vertelug. 6

7 Zusammegesetzte Posso-Vertelug Defto: N, X, X 2,... uabh. Z.v. SeN Po(µ) ud X, X 2,... d mt char. Fukto φ(t). Da heßt X := X X N zusammegesetzt Posso vertelt (compoud Posso). Bespel: Wr bereche de char. Fukto vo X. ϕ X (t) = E(e tx ) = l=0 E(etX N = l) P (N = l) = l=0 E(et(X +...+X l ) ) P (N = l) = l=0 φ(t)l e µ µ l l = exp(µφ(t) µ) = exp(µ(φ(t) )) k ϕ X (t) = exp(µ (φ(t) )) } k {{} ϕ Y (t) mt Y comp Po zusammegesetzte Posso-Verteluge sd ubegrezt telbar. Satz: Ee Vertelug F st ubegrezt telbar F d = lm F, mt F zusammegesetzt Posso. Lteratur: Lampwert, Probablty W. Feller, A Itroducto to Probablty Theory as Its Applcatos. Wley(97) B. Frstedt ad L. Gray, A Moder Approach to Probablty Theory. Brkhäuser(997) 7

Statistische Grundlagen Ein kurzer Überblick (diskret)

Statistische Grundlagen Ein kurzer Überblick (diskret) Prof. J.C. Jackwerth 1 Statstsche Grudlage E kurzer Überblck (dskret De wchtgste Begrffe ud Deftoe: 1 Erwartugswert Varaz / Stadardabwechug 3 Stchprobevaraz 4 Kovaraz 5 Korrelatoskoeffzet 6 Uabhäggket

Mehr

Dr. H. Grunert Einführung in die Wahrscheinlichkeitsrechnung Vorlesungscharts. Vorlesung 5.2. Eigenschaften von Zufallsvariablen

Dr. H. Grunert Einführung in die Wahrscheinlichkeitsrechnung Vorlesungscharts. Vorlesung 5.2. Eigenschaften von Zufallsvariablen Vorlesugscharts Vorlesug 5. Egeschafte vo Zufallsvarable Reproduktvtät Approxmatoe Zetraler Grezwertsatz Sete vo Chart : Uabhäggket vo Zufallsvarable Zwe Zufallsvarable X ud Y mt hre Realsatoe { x, x,...,

Mehr

5 Reproduktions- und Grenzwertsätze

5 Reproduktions- und Grenzwertsätze Reproduktos- ud Grezwertsätze Reproduktos- ud Grezwertsätze. Reproduktossätze Bespel 0: Der Aufzug eer Frma st zugelasse für Persoe bzw. 000 kg. Das Durchschttsgewcht der Agestellte der Frma st µ = 80

Mehr

annehmen, so heißt die Funktion, die jedem atomaren Ereignis { x i } mit i { 1; 2; ;

annehmen, so heißt die Funktion, die jedem atomaren Ereignis { x i } mit i { 1; 2; ; Wahrschelchet Ee Futo X : Ω R, de edem Ergebs ees zufällge Vorgages ee reelle Zahl zuordet, heßt Zufallsgröße (oder auch Zufallsvarable Ee Zufallsgröße X heßt edlch, we X ur edlch vele Werte x aehme a

Mehr

Eigenwerteinschließungen I

Eigenwerteinschließungen I auptsemar: Numersche Lösuge für Egewertaufgabe Egewerteschleßuge I Referet: Wolfgag Wesselsky Glederug Eletug Kodto vo Egewerte 3 Eschleßugssätze Bauer-Fke, Gershgor, Wlkso, Bedxo 4 Zusatz: Courat / Weyl

Mehr

Ordnungsstatistiken und Quantile

Ordnungsstatistiken und Quantile KAPITEL Ordugsstatste ud Quatle Um robuste Lage- ud Streuugsparameter eführe zu öe, beötge wr Ordugsstatste ud Quatle... Ordugsstatste ud Quatle Defto... Se (x,..., x R ee Stchprobe. Wr öe de Elemete der

Mehr

Übungen zur Wahrscheinlichkeitsrechnung und Schliessenden Statistik

Übungen zur Wahrscheinlichkeitsrechnung und Schliessenden Statistik Übuge zur Wahrschelchketsrechug ud Schlessede Statstk Aufgabe ud Lösuge vo Peter M Schulze, Verea Dexhemer. Auflage Übuge zur Wahrschelchketsrechug ud Schlessede Statstk Schulze / Dexhemer schell ud portofre

Mehr

Der Approximationssatz von Weierstraß

Der Approximationssatz von Weierstraß Der Approxmatossatz vo Weerstraß Ja Köster 22. Oktober 2007 1 Eführug Aus der Aalyss wsse wr, dass sch aalytsche Fuktoe durch Potezrehe der Form f(x = a 0 + a 1 x + a 2 x 2 +... darstelle lasse. Dabe kovergert

Mehr

Erzeugen und Testen von Zufallszahlen

Erzeugen und Testen von Zufallszahlen Erzeuge ud Teste vo Zufallszahle Jürge Zumdck Eletug Ee Lergruppe wrd aufgefordert 00 Zufallszahle (0 oder ) ach folgede Methode zu erzeuge: De Hälfte der Gruppe beutzt a) ee Müze oder b) de Zufallszahlefukto

Mehr

Klausur Statistik IV Sommersemester 2009

Klausur Statistik IV Sommersemester 2009 Klausur Statstk IV (Lösug) Name, Vorame 013456 Klausur Statstk IV Sommersemester 009 Prof. Dr. Torste Hothor Isttut für Statstk Name: Name, Vorame Matrkelummer: 013456 Wchtg: ˆ Überprüfe Se, ob Ihr Klausurexemplar

Mehr

( x) eine Funktion definiert, in der nur die i-te Komponente variabel ist. Folgende Schreibweisen werden aufgrund dieser Anmerkungen auch verwendet:

( x) eine Funktion definiert, in der nur die i-te Komponente variabel ist. Folgende Schreibweisen werden aufgrund dieser Anmerkungen auch verwendet: Pro. Dr. Fredel Bolle LS ür Volkswrtschatslehre sb. Wrtschatstheore (Mkroökoome) Vorlesug Mathematk - WS 008/009 4. Deretalrechug reeller Fuktoe IR IR (Karma, S. 00 06, dort glech ür IR IR m ) 4. Partelle

Mehr

Intervallschätzungen geben unter Berücksichtigung des Verteilungstyps von X einen Bereich an, der den Parameter mit vorgegebener Sicherheit enthält.

Intervallschätzungen geben unter Berücksichtigung des Verteilungstyps von X einen Bereich an, der den Parameter mit vorgegebener Sicherheit enthält. Parameterschätzuge Fachhochschule Jea Uversty of Appled Sceces Jea Oft st der Vertelugstyp eer Zufallsgröße X bekat, ur de Parameter sd ubekat. Da erfolgt hre Schätzug aus eer Stchprobe. Ma uterschedet

Mehr

Definitionen und Aussagen zu Potenzreihen

Definitionen und Aussagen zu Potenzreihen Deftoe ud Aussage zu Potezrehe User bsherges Repertore a stetge Abblduge basert auf ratoale Fuktoe, also Ausdrücke, dee Addto, Subtrakto, Multplkato ud Dvso vorkomme. Auf dese Wese sd aber Epoetalfukto,

Mehr

Statistik. ist die Kunst, Daten zu gewinnen, darzustellen, zu analysieren und zu interpretieren um zu neuem Wissen zu gelangen.

Statistik. ist die Kunst, Daten zu gewinnen, darzustellen, zu analysieren und zu interpretieren um zu neuem Wissen zu gelangen. Statstk st de Kust, Date zu gewe, darzustelle, zu aalysere ud zu terpretere um zu euem Wsse zu gelage. Sachs (984) Aufgabe De Statstk hat also folgede Aufgabe: Zusammefassug vo Date Darstellug vo Date

Mehr

Asymptotische Normalverteilung nach dem zentralen Grenzwertsatz

Asymptotische Normalverteilung nach dem zentralen Grenzwertsatz Asymptotsche ormalvertelug ach dem zetrale Grezwertsatz Erwartugswert eer Summe vo Zufallsvarable mt jewels de Erwartugswert x (Y Y Asymptotsche ormalvertelug ach dem zetrale Grezwertsatz Varaz eer Summe

Mehr

DIE VAPNIK-CHERVONENKIS THEORIE. Inhaltsverzeichnis

DIE VAPNIK-CHERVONENKIS THEORIE. Inhaltsverzeichnis DIE VAPNIK-CHERVONENKIS THEORIE MATHIS KLEPPER, MICHAEL SAß Ihaltsverzechs Tel Vapk-Chervoeks Theore Tel I 2 Eführug 2 2 Glveko-Catell 5 3 Vapk-Chervoeks-Theore 0 Tel 2 Vapk-Chervoeks Theore Tel II 2 4

Mehr

Vl. Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 3: Diskrete Verteilungen

Vl. Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 3: Diskrete Verteilungen Vl. Statstsche Prozess- ud Qualtätsotrolle ud Versuchsplaug Übug 3: Dsrete Verteluge Prof. Dr. B. Grabows Zur Lösug der folgede Aufgabe öe Se auch de begefügte Tabelle der dsrete Verteluge m Ahag verwede.

Mehr

Stochastik Formeln von Gerald Meier

Stochastik Formeln von Gerald Meier Stochast Formel vo Gerald Meer Grudbegrffe ud Operatoe umöglches Eregs scheres Eregs Ω A mplzert B Glechhet A B AB cht A A A ud B A B A oder B A B A ohe B A \ B A B dsjut A B de Morga A B A B Elemetareregs

Mehr

2.2 Rangkorrelation nach Spearman

2.2 Rangkorrelation nach Spearman . Ragkorrelato ach Spearma Wr wolle desem Kaptel de Ragkorrelatoskoeffzete ach Spearma bereche. De erste Daterehe besteht aus Realseruge x, x,..., x der uabhägg ud detsch stetg vertelte Zufallsvarable

Mehr

Lösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung

Lösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung Lösuge zum Übugs-Blatt 7 Wahrschelchketsrechug BMT Bostatstk Prof. Dr. B. Grabowsk ----------------------------------------------------------------------------------------------- Bedgte Wahrschelchket

Mehr

Physikalische Messungen sind immer fehlerbehaftet! Der wahre Wert ist nicht ermittelbar. Der wahre Wert x ist nicht identisch mit dem Mittelwert

Physikalische Messungen sind immer fehlerbehaftet! Der wahre Wert ist nicht ermittelbar. Der wahre Wert x ist nicht identisch mit dem Mittelwert Physkalsche Messuge sd mmer fehlerbehaftet! Der wahre Wert st cht ermttelbar. Der wahre Wert st cht detsch mt dem Mttelwert Der Wert legt mt eer gewsse Wahrschelchket (Kofdezahl bzw. Vertrauesveau %) m

Mehr

( ) ( ) ( ) ( ) è ø. P A Wahrscheinlichkeitsmaß. lim n. Dr. Christian Schwarz 4. KOMBINATORIK Permutationen

( ) ( ) ( ) ( ) è ø. P A Wahrscheinlichkeitsmaß. lim n. Dr. Christian Schwarz 4. KOMBINATORIK Permutationen BBA Projektsemar Thess Dr. Chrsta Schwarz Formelsammlug Aalytsche Statstk 4. KOMBINATORIK 4.. Permutatoe Azahl der Permutatoe vo N Elemete ohe Wederholug: Multomalkoeffzet: N! = N N- N -... 3 N! N! N!...

Mehr

Varianzfortpflanzung

Varianzfortpflanzung 5.0 / SES.5 Parameterschätzug Varazortplazug Torste Maer-Gürr Torste Maer-Gürr Dskrete Zuallsvarable Ee dskrete Zuallsvarable mmt edlch vele oder abzählbar uedlch vele Werte a. - Werte: - Wahrschelchket:,,,,,,,,

Mehr

Kapitel XI. Funktionen mit mehreren Variablen

Kapitel XI. Funktionen mit mehreren Variablen Kaptel XI Fuktoe mt mehrere Varable D (Fuktoe vo uabhägge Varable Se R ud D( f R Ist jedem Vektor (Pukt (,,, D( f durch ee Vorschrft f ee reelle Zahl z = f (,,, zugeordet, so heßt f ee Fukto vo uabhägge

Mehr

Lohnkosten pro Arbeitsstunde. Wie hoch sind die Lohnkosten pro Arbeitsstunde im Jahresdurchschnitt?

Lohnkosten pro Arbeitsstunde. Wie hoch sind die Lohnkosten pro Arbeitsstunde im Jahresdurchschnitt? Klausur Wrtschaftsstatstk. [ Pukte] E Uterehme hat folgede Date ermttelt: Moat Gelestete Arbetsstude Lohkoste pro Arbetsstude Jauar 86.400 0,06 Februar 75.000 3,0 März 756.000 4,47 Aprl 768.000,53 Ma 638.400

Mehr

Einführung Fehlerrechnung

Einführung Fehlerrechnung IV Eführug Fehlerrechug Fehlerrechuge werde durchgeführt, um de Vertraueswürdgket vo Meßergebsse beurtele zu köe. Uter dem Fehler eer Messug versteht ma de Abwechug ees Meßergebsses vom (grudsätzlch ubekate

Mehr

v. Weter st + r X + = ( X + ) = ( X + ) ( X + ) = P Deshalb fr 6 6 = + X = K, d. h. I desem Berech ( 6 6 ) glt also ( Idukto ach ) ( ) ( mod ), was fr

v. Weter st + r X + = ( X + ) = ( X + ) ( X + ) = P Deshalb fr 6 6 = + X = K, d. h. I desem Berech ( 6 6 ) glt also ( Idukto ach ) ( ) ( mod ), was fr 5. De Stze vo Sylow Im gaze Abschtt st G ee edlche Grue, 4 #( G). 5.. Problem: Gbt es zu jedem Teler t vo ( tj ) ee Utergrue H mt #( H) = t? We ja, wevele? Gegebesel: 9 Utergrue H vo G = A 5 mt #( H) =

Mehr

Reihen n. Man benutzt letztere Schreibweise aber häufig auch zur Bezeichnung der Partialsummenfolge. konvergiert, die geometrische Reihe.

Reihen n. Man benutzt letztere Schreibweise aber häufig auch zur Bezeichnung der Partialsummenfolge. konvergiert, die geometrische Reihe. Deftoe ud Aussge über Rehe Bchräume ud Hlberträume E vollstädger ormerter Vektorrum (sehe Bemerkuge zur Alyss) heßt Bchrum Stmmt de Norm vo eem Sklrprodukt v = , so sprcht m vo eem Hlbertrum ZB sd

Mehr

FH D WS 2007/08 Prof. Dr. Horst Peters Dezember 2007

FH D WS 2007/08 Prof. Dr. Horst Peters Dezember 2007 FH D WS 007/08 Prof. Dr. Horst Peters Dezember 007 Formelsammlug Wahrschelchetsrechug ud dutve Statst m Bachelor-Studegag Busess Admstrato (Modul BWL B) Sete / 6 Formelsammlug Wahrschelchetsrechug ud Idutve

Mehr

Kapitel 6: Regression

Kapitel 6: Regression udwg-maxmlas-uverstät Müche Isttut für Iformatk ehr- ud Forschugsehet für Datebaksysteme Skrpt zur Vorlesug Kowledge Dscovery Databases m Sommersemester 05 Kaptel 6: Regresso Vorlesug: PD Dr. Arthur Zmek

Mehr

Formeln für Statistik und Wahrscheinlichkeitstheorie (Dutter)

Formeln für Statistik und Wahrscheinlichkeitstheorie (Dutter) Formel für tatstk ud Wahrschelchketstheore (Dutter) Fehler a: fpalmater@gmal.com Cotets Beschrebede tatstk... Kegröße vo Verteluge... Verteluge... 3 Wahrschelchketstheore... 3 Grudlage... 4 Erwartug &

Mehr

Wahrscheinlichkeitsrechnung und Statistik - Zusamenfassung

Wahrscheinlichkeitsrechnung und Statistik - Zusamenfassung Wahrschelchketsrechug ud Statstk - Zusamefassug atrck letscher. September 3 Wahrschelchkete. Eregsraum Der Eregsraum Ω umfasst alle möglche Ausgäge ees Zufallsexpermmets. E Elemetareregs Ω st e Elemet

Mehr

Klausur SS 2005 Version 1

Klausur SS 2005 Version 1 BEMERKUG: für de Rchtgket der Lösuge wrd atürlch kee Garate überomme!! Klausur SS 005 Verso Aufgabe : e Gamma-Quat hat kee Ladug > el. Felder übe kee Kräfte aus > kee Kräfte, kee Äderug der Bewegug (ewto)

Mehr

Scatterplots. Scatterplot Zweidimensionale Stichproben können als Punkte in der Ebene dargestellt werden. Länge und Breite von Venusmuscheln

Scatterplots. Scatterplot Zweidimensionale Stichproben können als Punkte in der Ebene dargestellt werden. Länge und Breite von Venusmuscheln Scatterplots emprsche Eletug Trasformatoe Exteres Fle Iput-Awesug SAS-Fles Output-Awesug DO-Schlefe Populato Wahrschelchket Zufallsvarable Dskrete Zufallsvarable Stetge Zufallsvarable Normalvertelug (1)

Mehr

Die Methode des 2.Moments

Die Methode des 2.Moments De Methode des 2.Momets Chrstoph Schmdt July 13, 2004 1 Eletug De Varaz eer Zufallsvarable st hre mttlere quadratsche Abwechug vo hrem Erwartugswert. V ar[x] = E[(X EX) 2 ] = E[X 2 ] E[X] 2 Der Term E[X

Mehr

Maße zur Kennzeichnung der Form einer Verteilung (1)

Maße zur Kennzeichnung der Form einer Verteilung (1) Maße zur Kezechug der Form eer Vertelug (1) - Schefe (skewess): Defto I - Ee Vertelug vo Messwerte wrd als schef bezechet, we se der Wese asymmetrsch st, dass lks oder rechts des Durchschtts ee Häufug

Mehr

Der Korrelationskoeffizient ist ein Maß für den linearen Zusammenhang zwischen zwei Variablen X und Y. Er ist durch folgende Formel charakterisiert:

Der Korrelationskoeffizient ist ein Maß für den linearen Zusammenhang zwischen zwei Variablen X und Y. Er ist durch folgende Formel charakterisiert: Korrelatoskoeffzet Der Korrelatoskoeffzet st e Maß für de leare Zusammehag zwsche zwe Varable X ud Y. Er st durch folgede Formel charaktersert: r xy corr XY ( x x)( y y) ( ) x x ( y y) x x y x ( ) ( )

Mehr

Quellencodierung I: Redundanzreduktion, redundanzsparende Codes

Quellencodierung I: Redundanzreduktion, redundanzsparende Codes Quellecoderug I: Redudazredukto, redudazsparede Codes. Redudaz. Eführug. Defto der Redudaz. allgemee Redudazredukto. redudazsparede Codes. Coderug ach Shao. Coderug ach Fao. Coderug ach Huffma.4 Coderug

Mehr

Elemente der Algebra und Zahlentheorie Musterlösung, Serie 7, Wintersemester vom 21. Januar 2006

Elemente der Algebra und Zahlentheorie Musterlösung, Serie 7, Wintersemester vom 21. Januar 2006 Prof. E.-W. Zk Isttut für Matheatk Huboldt-Uverstät zu Berl Eleete der Algebra ud Zahletheore Musterlösug, Sere 7, Wterseester 2005-06 vo 21. Jauar 2006 1. Se = 2 p 1 Mersee-Zahl, d.h. p P 1. a) Zege:

Mehr

Lösungen zu Übungs-Blatt 7 Klassische Wahrscheinlichkeit in Glücksspielen, Bedingte Wkt, Unabhängigkeit, Satz von Bayes

Lösungen zu Übungs-Blatt 7 Klassische Wahrscheinlichkeit in Glücksspielen, Bedingte Wkt, Unabhängigkeit, Satz von Bayes Lösuge zu Übugs-latt 7 Klasssche Wahrschelchet Glücsspele, edgte Wt, Uabhägget, Satz vo ayes Master M Höhere ud gewadte Mathemat rof. Dr.. Grabows De folgede ufgabe löse wr uter Verwedug der bede ombatorsche

Mehr

1 Mathe Formeln Statistik und Wahrscheinlichkeitsrechnung

1 Mathe Formeln Statistik und Wahrscheinlichkeitsrechnung 1 Mathe Formel Statstk ud Wahrschelchketsrechug Jör Horstma, 6.10.003. Alle Agabe ohe Gewähr. http://www.ba-stuttgart.de/ w017/ 1.1 Grudlage Ezelklasse [a ; b [ Klassewete Klassemtte Mttelwert b a = w

Mehr

Grundgesetze der BOOLEschen Algebra und Rechenregeln

Grundgesetze der BOOLEschen Algebra und Rechenregeln 5... Grudgesetze der BOOLEsche Algebra ud Recheregel Auf de mathematsch korrekte Eführug der BOOLEsche Algebra ka ch verzchte, da das Ihrer Mathematkausbldug ausführlch behadelt wrd. Ich stelle Ihe zuächst

Mehr

Mathematik für VIW - Prof. Dr. M. Ludwig ( ) ( ) ( ) n f. bestimmt m Funktionen. durch die Festlegung f (,,

Mathematik für VIW - Prof. Dr. M. Ludwig ( ) ( ) ( ) n f. bestimmt m Funktionen. durch die Festlegung f (,, Matheatk ür VIW - Pro. Dr. M. Ludwg 8. Deretato reeller Fuktoe ehrerer Varabler 8. Skalare Felder Vektorelder Koordatesystee Bsher wurde reelle Fuktoe ür ee Varable utersucht: : D t der egeührte Schrebwese

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statstk ud Wahrschelchketsrechug Mathas Graf 8.04.009 Ihalt der heutge Vorlesug Auswahl eer Vertelugsfukto: Wahrschelchketspaper Schätzug ud Modelletwcklug: Methode der Momete Methode der Maxmum Lkelhood

Mehr

Korrelations- und Regressionsanalyse

Korrelations- und Regressionsanalyse Kaptel VI Korrelatos- ud Regressosaalse B 6 (Gegestad der Korrelatos- ud Regressosaalse) Währed de Korrelatosaalse de Estez, de Stärke ud de Rchtug des Zusammehags zwsche zwe oder mehrere statstsche Varable

Mehr

Einführung 2. Teil: Fehleranalyse

Einführung 2. Teil: Fehleranalyse Phskalsch-chesches Praktku I Modul Eführug. Tel: Fehleraalse Ja Helbg, 7.09.08 Uterlage: htt://www.che.uzh.ch/stud/old/docuets/ear/che3.htl Fehlerrechug Gesucht: wahrer Wert eer Grösse Aber: Sere vo Messuge

Mehr

Sitzplatzreservierungsproblem

Sitzplatzreservierungsproblem tzplatzreserverugsproblem Be vele Zugsysteme Europa müsse Passagere mt hrem Zugtcet ee tzplatzreserverug aufe. Da das Tcetsystem Kude ee ezele Platz zuwese muss, we dese e Tcet aufe, ohe zu wsse, welche

Mehr

Diskrete Zufallsvariablen. Wahrscheinlichkeitsräume Zufallsvariablen Erwartungswert Varianz. Quiz

Diskrete Zufallsvariablen. Wahrscheinlichkeitsräume Zufallsvariablen Erwartungswert Varianz. Quiz Dskrete Zufallsvarable Wahrschelchketsräume Zufallsvarable rwartugswert Varaz Quz Im Fall eer Glechvertelug sd glech große Telmege vo Ω glech wahrschelch. Z.B. glt für Ω{0,,}: {0}{}{} 3 {0,}{0,}{,} 3 Aalog

Mehr

Einen Spieler interessiert nicht, wie er gewinnt, sondern ob und wie viel er gewinnt.

Einen Spieler interessiert nicht, wie er gewinnt, sondern ob und wie viel er gewinnt. III Zufallsgröße Bespel ud Defto Bespel: Dremal Müzwurf Spel: Esatz, we cht zwe gleche htereader 3 Auszahlug. Ω = {(x x x3) x,x,x3 {Z,K}} Retert sch deses Spel? Dabe geht es ur um de Gew! Also: Defto Gew:

Mehr

Asymptotische Stochastik (SS 2010) Übungsblatt 1 P X. 0, n.

Asymptotische Stochastik (SS 2010) Übungsblatt 1 P X. 0, n. Insttut für Stochastk PD. Dr. Deter Kadelka Danel Gentner Asymptotsche Stochastk (SS 2) Übungsblatt Aufgabe (Arten von Konvergenz reeller Zufallsvarablen und deren Zusammenhänge) Es seen X,, n N reelle

Mehr

Spannweite, Median Quartilsabstand, Varianz und Standardabweichung.

Spannweite, Median Quartilsabstand, Varianz und Standardabweichung. Rudolf Brkma http://brkma-du.de Sete 06.0.008 Spawete, Meda Quartlsabstad, Varaz ud Stadardabwechug. Streuug um de Mttelwert. I de folgede Säuledagramme st de Notevertelug zweer Schülergruppe (Mädche,

Mehr

Einführung in die Stochastik 3. Übungsblatt

Einführung in die Stochastik 3. Übungsblatt Eführug de Stochastk 3. Übugsblatt Fachberech Mathematk SS 0 M. Kohler 06.05.0 A. Fromkorth D. Furer Gruppe ud Hausübug Aufgabe 9 (4 Pukte) Der Mkrozesus st ee statstsche Erhebug. Herbe werde ach bestmmte

Mehr

Taylor-Entwicklung der exakten Lösung und Verfahrensfehler

Taylor-Entwicklung der exakten Lösung und Verfahrensfehler Lösug ud Verfaresfeler Ngaleu Poutceu Paul Fracs Fracsc@upb.de 8.6.4 Semar Numerk 1 Lösug ud Verfaresfeler Beobactug, Defto ud Notato Beobactug Notato Taylor-Etwcklug Defto ud Bespele Satz ud Bewes Verfaresfeler

Mehr

12 UMPU Tests ( UMP unbiased )

12 UMPU Tests ( UMP unbiased ) 89 1 UMPU Tests ( UMP unbased ) Nach Bemerkung 11.8(b) exstert m Allgemenen ken zwesetger UMP- Test zu enem Nveau α. Deshalb Enschränkung auf unverfälschte Tests: ϕ Φ α heßt unverfälscht (unbased) zum

Mehr

Grundlagen der Entscheidungstheorie

Grundlagen der Entscheidungstheorie Kaptel 0 Grudlage der Etschedugstheore B. 0 (Gegestad) De Etschedugstheore befasst sch mt dem Etschedugsverhalte vo Idvdue ud Gruppe. Se besteht aus we Telgebete. Deskrptve Etschedugstheore De deskrptve

Mehr

Interpolationspolynome

Interpolationspolynome Iterpolatospolyome Ac Gegebe sd +1 Stützstelle x 0 bs x zusamme mt hre Stützwerte y 0 bs y. Durch de Pukte ( x / y ) soll e Polyom p(x) -te Grades gelegt werde : p(x) = a 0 + a 1 x + a 2 x² + + a x = Das

Mehr

Methoden der computergestützten Produktion und Logistik

Methoden der computergestützten Produktion und Logistik Methode der comutergestützte Produkto ud Logstk 9. Bedesysteme ud Warteschlage Prof. Dr.-Ig. habl. Wlhelm Dagelmaer Modul W 336 SS 06 Bedesysteme ud Warteschlage Besel: Fahrradfabrk Presse Puffer Lackerere

Mehr

2. Die Elementarereignisse sind die Kombinationsmöglichkeiten von: Wappen = W und:

2. Die Elementarereignisse sind die Kombinationsmöglichkeiten von: Wappen = W und: 1 L - Hausaufgabe Nr. 55 Sotag, 1. Ju 2003 Ee Müze werde dremal geworfe. Was st das Zufallsexpermet, das Elemetareregs, das zusammegesetzte Eregs, der Eregsraum ud de Wahrschelchket? Lösugs kte.: 1 De

Mehr

(Markowitz-Portfoliotheorie)

(Markowitz-Portfoliotheorie) Thema : ortfolo-selekto ud m-s-rzp (Markowtz-ortfolotheore) Beurtelugskrtere be quadratscher Nutzefukto: Beroull-rzp + quadratsche Nutzefukto Thema Höhekompoete: Erwartugswert µ Rskokompoete: Stadardabwechug

Mehr

Definitionen und Aussagen zu Ringen

Definitionen und Aussagen zu Ringen Deftoe ud Aussage zu Rge Mchael Hortma, 1142002 Währed wr es be Gruppe mt ur eer Operato zu tu habe, kee wr zb vo de gaze Zahle das Zusammespel zweer Operatoe, Addto ud Multplkato, wobe charakterstsch

Mehr

( ) ( ) ( ) E ( ) ( ) ( ) ( ) ( ) Def Erwartungswert. 1. Diskreter Fall X sei diskrete Zufallsgröße mit = { 1, x2,

( ) ( ) ( ) E ( ) ( ) ( ) ( ) ( ) Def Erwartungswert. 1. Diskreter Fall X sei diskrete Zufallsgröße mit = { 1, x2, Def.. Erwarugswer. Dsreer Fall se dsree Zufallsgröße m = {, x, } p = P( = x ),( =,, ), so e ma µ = E = xp = de Erwarugswer vo, falls W x ud de Ezelwahrschelchee = x p

Mehr

Lösungen. Häufigkeitsverteilung (Stabdiagramm) Aufgabe 1. Häufigkeit (h) Merkmal (x)

Lösungen. Häufigkeitsverteilung (Stabdiagramm) Aufgabe 1. Häufigkeit (h) Merkmal (x) Lösuge Aufgabe Merkmal (x) Häufgket (h) h x,, 3, 3,, 8, 5, 5, 6, 6, 7, 3, 8, 3 5, 9, 38,, 5,, 8 68,, 6 3, 3, 9,, 8, 5, 5 5, 6, 3 78, 7, 5, 8, 8, 3, 3, Summe 5.63, Aufgabe Häufgketsvertelug (Stabdagramm)

Mehr

19. Amortisierte Analyse

19. Amortisierte Analyse 9. Amortserte Aalyse Amortserte Aalyse wrd egesetzt zur Aalyse der Laufzet vo Operatoe Datestrukture. Allerdgs wrd cht mehr Laufzet ezeler Operatoe aalysert, soder de Gesamtlaufzet eer Folge vo Operatoe.

Mehr

Lösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung

Lösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung Lösuge zum Übugs-Blatt 7 Wahrschelchketsrechug BMT Bostatstk Prof. Dr. B. Grabowsk ----------------------------------------------------------------------------------------------- Satz vo Bayes ud totale

Mehr

1 Elementare Finanzmathematik

1 Elementare Finanzmathematik Elemetare Fazmathemat 4 Elemetare Fazmathemat Zel: Bewertug ud Verglech atueller ud zuüftger Geldströme. Determstsche Zahlugsströme Defto: E determstscher Zahlugsstrom st ee Futo Z: N R, de jedem Zetput

Mehr

Rekurrente Markovketten

Rekurrente Markovketten Rekurrete Markovkette Im vorge Vortrag wurde der Begrff der Rekurrez eer Markovkette egeführt. Dese woe wr jetzt geauer utersuche. Im Fogede se mmer {X N 0 } ee homogee Markovkette. Defto. () Ee Zufasvarabe

Mehr

Stochastische Bildmodelle und deren Anwendung

Stochastische Bildmodelle und deren Anwendung Abtelug Stochastk --Uverstät Ulm Ulm Semar: Bayessche Asätze der der Bldaalyse Stochastsche Bldmodelle ud dere Awedug Sad Bakadr 22.Ma 2006 Sad Bakadr - Uverstät Ulm - Ihalt Eletug Bespele vo Bldmodelle

Mehr

14. Folgen und Reihen, Grenzwerte

14. Folgen und Reihen, Grenzwerte 4. Folge ud Rehe, Grezwerte 4. Folge ud Rehe, Grezwerte 4. Ee Folge defere Defere de Folge (a ) Õ mt a =+: Eplzte Defto *+ a() Doe 3, falls = Rekursve Defto Defere de Folge (b ) Õ, b = : b + sost whe(=,

Mehr

Im Wöhlerdiagramm wird die Lebensdauer (Lastwechsel oder Laufzeit) eines Bauteils in Abhängigkeit von der Belastung dargestellt.

Im Wöhlerdiagramm wird die Lebensdauer (Lastwechsel oder Laufzeit) eines Bauteils in Abhängigkeit von der Belastung dargestellt. Webull & Wöhler 0 CRGRAPH Wöhlerdagramm Im Wöhlerdagramm wrd de Lebesdauer ( oder Laufzet) ees Bautels Abhägget vo der Belastug dargestellt. Kurzetfestget Beaspruchug Zetfestget auerfestget 0 5 3 4 6 0

Mehr

11 Stetige Funktionen

11 Stetige Funktionen $Id: stetg.tex,v 1.16 2014/02/03 11:42:42 hk Exp $ 11 Stetge Fuktoe 11.3 Egeschafte reeller stetger Fuktoe I desem Abschtt beschäftge wr us mt auf R deferte, reellwertge stetge Fuktoe. Für derartge Fuktoe

Mehr

Es ist dann nämlich 2 2 2

Es ist dann nämlich 2 2 2 Ege Bemerkuge zum Sklrprodukt See U,V,W Vektorräume üer eem Körper K. Ee Aldug ϕ :U V W heßt ler, we λ, λ, µ, µ K, u, u U, v, v V : ϕ( λ u + λ u, µ v + µ v ) = λ µ ϕ( u, v ) + λ µ ϕ( u, v ) + λ µ ϕ( u,

Mehr

Bestimmung der Extrema von Funktionen mehrerer Veränderlicher

Bestimmung der Extrema von Funktionen mehrerer Veränderlicher Mathematk ü Natuwsseschatle II Bestmmug de Etema vo Fuktoe mehee Veädelche R R ; etwckel um (, ) Taylopolyom. Gades Vektoom ( ) ( ) + ( ) o ( ) + ( ) o Hess( ) o ( ) Vekto Vekto Vekto Mat Vekto Mat Vekto

Mehr

Standardnormalverteilung. Normalverteilung. Verteilungsfunktion. Intervallwahrscheinlichkeiten

Standardnormalverteilung. Normalverteilung. Verteilungsfunktion. Intervallwahrscheinlichkeiten Normalvertelug Stadardormalvertelug Normalvertelug N(μ, ) mt chte : Gaußche Glockekurve μ μ μ+ μ >, f ( ) = ( μ) WS 7/8 Prof. r. J. Schütze, FB GW NV π Egechafte der chte: - Mamum μ - mmetrch zu μ - Wedepukte

Mehr

Einführung 2. Teil: Fehleranalyse

Einführung 2. Teil: Fehleranalyse Phscal Chemstr Phskalsch-chemsches Praktkum I Modul Eführug. Tel: Fehleraalse Ja Helbg, 9.09.06 Uterlage: htt://www.chem.uzh.ch/stud/old/documets/ear/che3.html Fehlerrechug Phscal Chemstr Gesucht: wahrer

Mehr

Seminar aus reiner Mathematik

Seminar aus reiner Mathematik KARL FRANZENS UNIVERSITÄT RAZ Semar aus reer Mathemat E Lob der Uglechuge Tscherutter Dael 4. November 03 INHALTSVERZEICHNIS Eletug 3 Bewese der Uglechuge 4. Cauchy-Schwarz-Uglechug.............................

Mehr

Verteilungen und Schätzungen

Verteilungen und Schätzungen Verteluge ud Schätzuge Zufallseperet Grudbegrffe Vorgag ach eer bestte Vorschrft ausgeführt ( Przp) belebg oft wederholbar se Ergebs st zufallsabhägg be ehralge Durchführug des Eperets beeflusse de Ergebsse

Mehr

Induktion am Beispiel des Pascalschen Dreiecks

Induktion am Beispiel des Pascalschen Dreiecks Iduto am Bespel des Pascalsche Dreecs Alexader Rehold Coldtz 0.02.2005 Eletug vollstädge Iduto De vollstädge Iduto st ebe dem drete ud drete Bewesverfahre ees der wchtgste der Mathemat. Eher bespelhaft

Mehr

die Schadenhöhe ( = Risikoergebnis) des i-ten Versicherungsnehmers i 1,, n).

die Schadenhöhe ( = Risikoergebnis) des i-ten Versicherungsnehmers i 1,, n). Aufgabe Wr betrachte ee Reteverscherug der Retebezugszet mt jährlch vorschüssger Retezahlug solage der Verscherte lebt. a) Bezeche V bzw. V de rechugsmäßge Deckugsrückstellug am Afag bzw. am Ede des Verscherugsjahres.

Mehr

4. Marshallsche Nachfragefunktionen Frage: Wie hängt die Nachfrage nach Gütern

4. Marshallsche Nachfragefunktionen Frage: Wie hängt die Nachfrage nach Gütern Prof. Dr. Fredel Bolle Vorlesug "Mkroökoome" WS 008/009 III. Theore des Haushalts 0 Prof. Dr. Fredel Bolle Vorlesug "Mkroökoome" WS 008/009 III. Theore des Haushalts 0 4. Marshallsche Nachfragefuktoe Frage:

Mehr

Tests/Regression/ANOVA. Lösungen Blatt Test auf den unbekannten Erwartungswert bei unbekannter Streuung:

Tests/Regression/ANOVA. Lösungen Blatt Test auf den unbekannten Erwartungswert bei unbekannter Streuung: Löuge latt 7. Tet auf de ubekate Erwartugwert be ubekater Streuug: () H 0 : µ 0, 5 H : µ < 0, 5 (lketger Tet) X µ () Tetfukto: Ψ (t-vertelt mt (-)99 G) 0,497 0,5 Realerug: ψ 00 5, 57 0,0075 (3) krtcher

Mehr

Formelsammlung zur Zuverlässigkeitsberechnung

Formelsammlung zur Zuverlässigkeitsberechnung Formelsmmlug zur Zuverlässgetsberechug zusmmegestellt vo Tt Lge Fchhochschule Merseburg Fchberech Eletrotech Ihlt:. Zuverlässget vo Betrchtugsehete.... Zuverlässget elemetrer, chtreprerbrer ysteme... 3.

Mehr

Ergebnis- und Ereignisräume

Ergebnis- und Ereignisräume I Ergebs- ud Eregsräume Zufallsexpermete Defto: E Expermet, welches belebg oft uter gleche Bedguge wederholbar st ud desse Ergebs cht mt Bestmmthet vorhergesagt werde ka (d.h. es gbt md. 2 Mgk.), heßt

Mehr

Sei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ).

Sei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ). Taylorentwcklung (Approxmaton durch Polynome). Problemstellung Se T( x ) de Tangente an den Graphen der Funkton f(x) m Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ). Dann kann man de

Mehr

Grundlagen der Energietechnik Energiewirtschaft Kostenrechnung. Vorlesung EEG Grundlagen der Energietechnik

Grundlagen der Energietechnik Energiewirtschaft Kostenrechnung. Vorlesung EEG Grundlagen der Energietechnik Prof. Dr. Ig. Post Grudlage der Eergetechk Eergewrtschaft Kosterechug EEG. Vorlesug EEG Grudlage der Eergetechk De elektrsche Eergetechk st e sogeates klasssches Fach. Folglch st deses Fach vele detallert

Mehr

Grundlagen der Informatik 2. Grundlagen der Digitaltechnik. 3. Entwicklungssatz der Schaltalgebra

Grundlagen der Informatik 2. Grundlagen der Digitaltechnik. 3. Entwicklungssatz der Schaltalgebra Grudlage der Iormatk Grudlage der Dgtaltechk 3. Etwcklugssatz der Schaltalgebra Pro. Dr.-Ig. Jürge Tech Dr.-Ig. Chrsta Haubelt Lehrstuhl ür Hardware-Sotware Sotware-Co-Desg Grudlage der Dgtaltechk Etwcklugssatz

Mehr

Spezielle diskrete Verteilungen

Spezielle diskrete Verteilungen Spezelle dskrete Vertelugsfamle Dskrete Glechvertelug Beroull- oder Zwe-Pukt-Vertelug Bomalvertelug Hypergeometrsche Vertelug Possovertelug Geometrsche Vertelug Appromatoe Bblografe Bleymüller / Gehlert

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 009 UNIVERSITÄT KARLSRUHE Blatt 4 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 16: (Success Run, Fortsetzung)

Mehr

Methodik: auf einer kompakten (beschränkten und abgeschlossenen) Menge, z.b. einem n-dimensionalen Quader,

Methodik: auf einer kompakten (beschränkten und abgeschlossenen) Menge, z.b. einem n-dimensionalen Quader, . Verllgemeeruge Aweduge Glole Etrem Defto: Ee ukto f : M R R ht der Stelle M e gloles Mmum we f f M. = M = [] = f m m Allgeme glt der Stz vo Weerstrss: Ist f ee stetge ukto uf eer eschräkte ud geschlossee

Mehr

II.Wahrscheinlichkeitsrechnung

II.Wahrscheinlichkeitsrechnung 6 II.Wahrschelchetsrechug Der Wahrschelchetstheore ommt ee wchtge Rolle als Bdegled zwsche der desrptve ud der dutve Statst zu. Aufgabe der dutve Statst st es a, Verfahre beretzustelle, de Schlüsse vo

Mehr

Erinnerung: Funktionslernen. 5.6 Support Vector Maschines (SVM) Beispiel: Funktionenlernen. Reale Beispiele

Erinnerung: Funktionslernen. 5.6 Support Vector Maschines (SVM) Beispiel: Funktionenlernen. Reale Beispiele Ererug: Fuktoslere 5.6 Support Vector Masches (SVM) überomme vo Stefa Rüpg, Kathara Mork Uverstät Dortmud Vorlesug Maschelles Lere ud Data Mg WS 2002/03 Gegebe: Bespele X LE de ahad eer Wahrschelchketsvertelug

Mehr

Konzentrationsanalyse

Konzentrationsanalyse Kaptel V Kozetratosaalyse B. 5.. Im Allgemee wrd aus statstscher Scht zwsche - absoluter ud - relatver Kozetrato uterschede Der absolute ud relatve Aspekt wrd och emal utertelt - statscher ud - dyamscher

Mehr

Rekurrenz. Algorithmen rufen sich selbst (rekursiv) auf.

Rekurrenz. Algorithmen rufen sich selbst (rekursiv) auf. Rekurrez Rekurso: Algorthme rue sch selst rekursv u. Rekurrez: Ds Luzetverhlte zw. der Specherpltzedr vo rekursve Algorthme k der Regel durch ee Rekursosormel recurrece, RF eschree werde. Rekurrez Bespel:

Mehr

Zur Interpretation einer Beobachtungsreihe kann man neben der grafischen Darstellung weitere charakteristische Größen heranziehen.

Zur Interpretation einer Beobachtungsreihe kann man neben der grafischen Darstellung weitere charakteristische Größen heranziehen. Rudolf Brkma http://brkma-du.de Sete 0.0.008 Lagemaße der beschrebede Statstk. Zur Iterpretato eer Beobachtugsrehe ka ma ebe der grafsche Darstellug wetere charakterstsche Größe herazehe. Mttelwert ud

Mehr

1. Wahrscheinlichkeitsrechnung. 2. Diskrete Zufallsvariable. 3. Stetige Zufallsvariable. 4. Grenzwertsätze. 5. Mehrdimensionale Zufallsvariable

1. Wahrscheinlichkeitsrechnung. 2. Diskrete Zufallsvariable. 3. Stetige Zufallsvariable. 4. Grenzwertsätze. 5. Mehrdimensionale Zufallsvariable 1. Wahrscheilichkeitsrechug. Diskrete Zufallsvariable 3. Stetige Zufallsvariable 4. Grezwertsätze 5. Mehrdimesioale Zufallsvariable Stetige Zufallsvariable Eie Zufallsvariable X : Ω R heißt stetig, we

Mehr

Übungen zum Vorkurs Mathematik

Übungen zum Vorkurs Mathematik Matheatsches Isttut der Uverstät zu Köl Dr. L. Galat WSe 016/017 Motag, 19.09.016 Blatt 6-10 Übuge zu Vorkurs Matheatk Aufgabe 0. (1 Es gbt 6 5 4 3 7893600 Möglchkete. 1 ( Uter Aahe vo Glechvertelug ergbt

Mehr

Teil III: Schließende Statistik

Teil III: Schließende Statistik Tel III: Schleßede Statstk Prof. Dr. Barbara Grabowsk Hochschule für Techk ud Wrtschaft des Saarlades C) 4 Eletug - - Eletug Dese Kursehet det der Vermttlug vo Grudketsse auf dem Gebet der sogeate Schleßede

Mehr

1 Definition der Trägheits- und Zentrifugalmomente von Flächen. Abb.1. Flächenträgheitsmomente (axiale Trägheitsmomente) Zentrifugalmoment I

1 Definition der Trägheits- und Zentrifugalmomente von Flächen. Abb.1. Flächenträgheitsmomente (axiale Trägheitsmomente) Zentrifugalmoment I Letzte ete ete... Glederug Ede Formelsammlug Defto der Trägets- ud Zetrfugalmomete vo Fläce d r s. 0 Defto Größe Maßeet Momete zweter Ordug (Kompoete des Trägetstesors) Fläceträgetsmomete (aale Trägetsmomete)

Mehr