Klausurteil Operations Management Wintersemester 2016/2017
|
|
- Thilo Kirchner
- vor 5 Jahren
- Abrufe
Transkript
1 Prof. Dr. Stefan Helber Leibniz Universität Hannover Klausurteil Operations Management Wintersemester 2016/2017 Hinweise: Der Klausurteil besteht aus drei Aufgaben, die alle von Ihnen zu bearbeiten sind. Die erreichbare Punktzahl ist bei jeder Aufgabe angegeben. Als Hilfsmittel ist für diesen Klausurteil ein nicht alpha-numerisch programmierbarer Taschenrechner zulässig. Der Lösungsweg muss erkennbar sein! Wenn Sie zur Beantwortung einer Frage eine Formel verwenden, so geben Sie diese zunächst in allgemeiner Form an! Geben Sie bei Ihren Berechnungen stets die Einheiten der verwendeten Größen an! Zur Beantwortung der Fragen finden Sie genügend Platz in der Klausur. Bitte reißen Sie die Klausur nicht auseinander und verwenden Sie kein eigenes Papier. Tabellenwerke finden Sie im Anhang des Klausurteils. Tragen Sie bitte zuerst Ihre persönlichen Daten ein. Persönliche Daten: Nachname Vorname Matrikelnr. Studienfach Semester Bitte um Zusatzinformationen zur Häufigkeit Ihrer Nutzung der verschiedenen Lehrangebote während des Semesters (bitte freiwillig ankreuzen): Angebot \ Nutzung nie selten gelegentlich oft immer Vorlesung im Hörsaal Vorlesungslivestream im Internet Vorlesungsaufzeichnung bei StudIP Ilias-Tests Präsenztutorium Lehrbuch YouTube-Videos Bewertung der Klausur: Aufg Summe Punkte 1
2 1. Prozessanalyse (10 P.) Zur Analyse eines Bediensystems mit einem Server liegen Ihnen die folgenden Informationen vor: Für die Ankunftsrate gilt λ = 1 20 ZE. Für den Erwartungswert der Servicezeit gilt E[T s ] = 18 ZE. Der Variationskoeffizient der Zwischenankunftszeiten und auch jener der Servicezeiten ist c a = c s = 0,5. Führen Sie die Analyse entlang der folgenden Fragen durch und geben Sie in jeder Rechnung zunächst die generelle Berechnungsformel an! a) Wie groß ist der Erwartungswert der Zwischenankunftszeit E[T a ]? (1 P.) b) Wie groß ist die Bedien- oder Servicerate µ? (1 P.) c) Wie groß ist die Auslastung ρ? (1 P.) 2
3 d) Wie groß ist der Erwartungswert der Durchlaufzeit E[W] durch das System? (2 P.) e) Wie groß ist der Erwartungswert des Bestandes im System E[L]? (2 P.) f) Wie groß ist der Erwartungswert des Bestandes auf dem Server E[L s ]? (1 P.) 3
4 g) Wie groß ist die Varianz Var[T a ] = σ 2 T a der Zwischenankunftszeit? (2 P.). 4
5 2. Einmalige Bestellvorgänge - Zeitungsjungenproblem (12 P.) Betrachtet wird die Bestellung eines verderblichen Gutes. Der Erwartungswert der zufälligen Nachfrage D sei µ D = 300 Mengeneinheiten (ME). Der Kostensatz für Fehlmengen sei c u = 9 Geldeinheiten, der für Restmengen betrage c o = 1 Geldeinheiten. Angestrebt wird die Minimierung der Summe aus Kosten für Fehlmengen sowie für Restmengen. (Erforderliche Tabellenwerke finden Sie im Anhang des Klausurteils.) a) Unterstellen Sie zunächst, die Nachfrage folge einer Normalverteilung und die Standardabweichung betrage σ D = 75 Mengeneinheiten. i. Welche Bestellmenge führt in diesem Fall zum Kostenminimum? (3 P.) 5
6 ii. Welcher β-servicegrad ist mit dieser Bestellmenge verbunden? (3 P.) b) Unterstellen Sie nun, die Standardabweichung der Nachfrage betrage σ D = 0 Mengeneinheiten. Welche Bestellmenge führt in diesem Fall zum Kostenminimum und wie groß ist dieses Kostenminimum? (2 P.) 6
7 c) Unterstellen Sie nun, die Nachfrage sei gleichverteilt im Intervall von 0 bis 600 Mengeneinheiten. i. Welche Bestellmenge führt in diesem Fall zum Kostenminimum? (3 P.) ii. Welcher α-servicegrad ist mit dieser Bestellmenge verbunden? (1 P.) 7
8 3. Fließbandabstimmung (8 P.): Betrachten Sie das folgende aus der Vorlesung bekannte Modellfragment zur Fließbandabstimmung: Minimiere Z = u. B. d. R. M m=1 m X I,m (1) M X im = 1, i = 1,..., I (2) m=1 I t i X im c, m = 1,..., M (3) i=1 M m=1 m X im M m=1 m X jm, j = 1,..., I;i V j (4) Beantworten Sie dazu die folgenden Fragen: a) Was wird in Formel (1) durch den Term M m=1 m X I,m ausgedrückt? (1 P.) b) Was wird durch das Restriktionensystem (2) gefordert? (2 P.) 8
9 c) Was wird in Formel (3) durch den Term I i=1 t i X im ausgedrückt? (2 P.) d) Erläutern Sie den Gültigkeitsbereich des Restriktionensystems (3)! (1 P.) e) Was wird durch das Restriktionensystem (4) gefordert? (2 P.) 9
10 Anhang 1 Tabellenwerte der Standardnormalverteilung Es sei X eine standardnormalverteilte Zufallsvariable, es sei also ihr Erwartungswert µ = 0 und ihre Standardabweichung σ = 1. Die folgende Tabelle enthält für 3 x 3 die korrespondierenden Werte der Verteilungsfunktion F X (x). x F X (x) -3,00 0, ,99 0, ,98 0, ,97 0, ,96 0, ,95 0, ,94 0, ,93 0, ,92 0, ,91 0, ,90 0, ,89 0, ,88 0, ,87 0, ,86 0, ,85 0, ,84 0, ,83 0, ,82 0, ,81 0, ,80 0, ,79 0, ,78 0, ,77 0, ,76 0, ,75 0, ,74 0, ,73 0, ,72 0, ,71 0, ,70 0, ,69 0, ,68 0, ,67 0, ,66 0, ,65 0, ,64 0, ,63 0, ,62 0, ,61 0, ,60 0, ,59 0, ,58 0, ,57 0, ,56 0, ,55 0, ,54 0, ,53 0, ,52 0, ,51 0, ,50 0, ,49 0, ,48 0, ,47 0, ,46 0, ,45 0, ,44 0, ,43 0, ,42 0, ,41 0, ,40 0, ,39 0, ,38 0, ,37 0, ,36 0, ,35 0, ,34 0, ,33 0, ,32 0, ,31 0, ,30 0, ,29 0, ,28 0, ,27 0, ,26 0, ,25 0, ,24 0, ,23 0, ,22 0, ,21 0, ,20 0, ,19 0, ,18 0, ,17 0, ,16 0, ,15 0, ,14 0, ,13 0, ,12 0, ,11 0, ,10 0, ,09 0, ,08 0, ,07 0, ,06 0, ,05 0, ,04 0, ,03 0, ,02 0, ,01 0, ,00 0, ,99 0, ,98 0, ,97 0, ,96 0, ,95 0, ,94 0, ,93 0, ,92 0, ,91 0, ,90 0, ,89 0, ,88 0, ,87 0, ,86 0, ,85 0, ,84 0, ,83 0, ,82 0, ,81 0, ,80 0, ,79 0, ,78 0, ,77 0, ,76 0, ,75 0, ,74 0, ,73 0, ,72 0, ,71 0, ,70 0, ,69 0, ,68 0, ,67 0, ,66 0, ,65 0, ,64 0, ,63 0, ,62 0, ,61 0, ,60 0, ,59 0, ,58 0, ,57 0, ,56 0, ,55 0, ,54 0, ,53 0, ,52 0, ,51 0, ,50 0, ,49 0, ,48 0, ,47 0, ,46 0, ,45 0, ,44 0, ,43 0, ,42 0, ,41 0, ,40 0, ,39 0, ,38 0, ,37 0, ,36 0, ,35 0, ,34 0, ,33 0, ,32 0, ,31 0, ,30 0, ,29 0, ,28 0, ,27 0, ,26 0, ,25 0, ,24 0, ,23 0, ,22 0, ,21 0, ,20 0, ,19 0, ,18 0, ,17 0, ,16 0, ,15 0, ,14 0, ,13 0, ,12 0, ,11 0, ,10 0, ,09 0, ,08 0, ,07 0, ,06 0, ,05 0, ,04 0, ,03 0, ,02 0, ,01 0, ,00 0, ,99 0, ,98 0, ,97 0, ,96 0, ,95 0, ,94 0, ,93 0, ,92 0, ,91 0, ,90 0, ,89 0, ,88 0, ,87 0, ,86 0, ,85 0, ,84 0, ,83 0, ,82 0, ,81 0, ,80 0, ,79 0, ,78 0, ,77 0, ,76 0, ,75 0, ,74 0, ,73 0, ,72 0, ,71 0, ,70 0, ,69 0, ,68 0, ,67 0, ,66 0, ,65 0, ,64 0, ,63 0, ,62 0, ,61 0, ,60 0, ,59 0, ,58 0, ,57 0, ,56 0, ,55 0, ,54 0, ,53 0, ,52 0, ,51 0, ,50 0, ,49 0, ,48 0, ,47 0, ,46 0, ,45 0, ,44 0, ,43 0, ,42 0, ,41 0, ,40 0, ,39 0, ,38 0, ,37 0, ,36 0, ,35 0, ,34 0, ,33 0, ,32 0, ,31 0, ,30 0, ,29 0, ,28 0, ,27 0, ,26 0, ,25 0, ,24 0, ,23 0, ,22 0, ,21 0, ,20 0, ,19 0, ,18 0, ,17 0, ,16 0, ,15 0, ,14 0, ,13 0, ,12 0, ,11 0, ,10 0, ,09 0, ,08 0, ,07 0, ,06 0, ,05 0, ,04 0, ,03 0, ,02 0, ,01 0, ,00 0, ,01 0, ,02 0, ,03 0, ,04 0, ,05 0, ,06 0, ,07 0, ,08 0, ,09 0, ,10 0, ,11 0, ,12 0, ,13 0, ,14 0, ,15 0, ,16 0, ,17 0, ,18 0, ,19 0, ,20 0, ,21 0, ,22 0, ,23 0, ,24 0, ,25 0, ,26 0, ,27 0, ,28 0, ,29 0, ,30 0, ,31 0, ,32 0, ,33 0, ,34 0, ,35 0, ,36 0, ,37 0, ,38 0, ,39 0, ,40 0, ,41 0, ,42 0, ,43 0, ,44 0, ,45 0, ,46 0, ,47 0, ,48 0, ,49 0, ,50 0, ,51 0, ,52 0, ,53 0, ,54 0, ,55 0, ,56 0, ,57 0, ,58 0, ,59 0, ,60 0, ,61 0, ,62 0, ,63 0, ,64 0, ,65 0, ,66 0, ,67 0, ,68 0, ,69 0, ,70 0, ,71 0, ,72 0, ,73 0, ,74 0, ,75 0, ,76 0, ,77 0, ,78 0, ,79 0, ,80 0, ,81 0, ,82 0, ,83 0, ,84 0,
11 0,85 0, ,86 0, ,87 0, ,88 0, ,89 0, ,90 0, ,91 0, ,92 0, ,93 0, ,94 0, ,95 0, ,96 0, ,97 0, ,98 0, ,99 0, ,00 0, ,01 0, ,02 0, ,03 0, ,04 0, ,05 0, ,06 0, ,07 0, ,08 0, ,09 0, ,10 0, ,11 0, ,12 0, ,13 0, ,14 0, ,15 0, ,16 0, ,17 0, ,18 0, ,19 0, ,20 0, ,21 0, ,22 0, ,23 0, ,24 0, ,25 0, ,26 0, ,27 0, ,28 0, ,29 0, ,30 0, ,31 0, ,32 0, ,33 0, ,34 0, ,35 0, ,36 0, ,37 0, ,38 0, ,39 0, ,40 0, ,41 0, ,42 0, ,43 0, ,44 0, ,45 0, ,46 0, ,47 0, ,48 0, ,49 0, ,50 0, ,51 0, ,52 0, ,53 0, ,54 0, ,55 0, ,56 0, ,57 0, ,58 0, ,59 0, ,60 0, ,61 0, ,62 0, ,63 0, ,64 0, ,65 0, ,66 0, ,67 0, ,68 0, ,69 0, ,70 0, ,71 0, ,72 0, ,73 0, ,74 0, ,75 0, ,76 0, ,77 0, ,78 0, ,79 0, ,80 0, ,81 0, ,82 0, ,83 0, ,84 0, ,85 0, ,86 0, ,87 0, ,88 0, ,89 0, ,90 0, ,91 0, ,92 0, ,93 0, ,94 0, ,95 0, ,96 0, ,97 0, ,98 0, ,99 0, ,00 0, ,01 0, ,02 0, ,03 0, ,04 0, ,05 0, ,06 0, ,07 0, ,08 0, ,09 0, ,10 0, ,11 0, ,12 0, ,13 0, ,14 0, ,15 0, ,16 0, ,17 0, ,18 0, ,19 0, ,20 0, ,21 0, ,22 0, ,23 0, ,24 0, ,25 0, ,26 0, ,27 0, ,28 0, ,29 0, ,30 0, ,31 0, ,32 0, ,33 0, ,34 0, ,35 0, ,36 0, ,37 0, ,38 0, ,39 0, ,40 0, ,41 0, ,42 0, ,43 0, ,44 0, ,45 0, ,46 0, ,47 0, ,48 0, ,49 0, ,50 0, ,51 0, ,52 0, ,53 0, ,54 0, ,55 0, ,56 0, ,57 0, ,58 0, ,59 0, ,60 0, ,61 0, ,62 0, ,63 0, ,64 0, ,65 0, ,66 0, ,67 0, ,68 0, ,69 0, ,70 0, ,71 0, ,72 0, ,73 0, ,74 0, ,75 0, ,76 0, ,77 0, ,78 0, ,79 0, ,80 0, ,81 0, ,82 0, ,83 0, ,84 0, ,85 0, ,86 0, ,87 0, ,88 0, ,89 0, ,90 0, ,91 0, ,92 0, ,93 0, ,94 0, ,95 0, ,96 0, ,97 0, ,98 0, ,99 0, ,00 0,
12 2 Standardisierte Fehlmengenerwartungswerte Es sei X eine standardnormalverteilte Zufallsvariable, folglich gilt für ihre Dichtefunktion f X (x) = 1 2π e x2 2. (5) Man kann nun die Frage stellen, wie groß der Erwartungswert jenes Betrages ist, um den die standardnormalverteilte Zufallsvariable X einen vorgegebenen Wert v überschreitet, und dafür das Symbol Φ 1 (v) definieren: Φ 1 (v) = E[max(0,X v)] = = x= x= x= x=v max(0,x v) (x v) 1 2π e x2 2 dx 1 2π e x2 2 dx (6) Diese Größe wird als standardisierter Fehlmengenerwartungswert oder auch als Verlustfunktion erster Ordnung bezeichnet, weil man mit ihr abbilden kann, um wie viel eine zufällige standardnormalverteilte Nachfrage X einen vorhandenen Bestand oder eine beschaffte Menge v im Mittel überschreitet. Die folgende Tabelle enthält für 3 v 3 die korrespondierenden standardisierten Fehlmengenerwartungswerte Φ 1 (v). v Φ 1 (v) -3,00 3, ,99 2, ,98 2, ,97 2, ,96 2, ,95 2, ,94 2, ,93 2, ,92 2, ,91 2, ,90 2, ,89 2, ,88 2, ,87 2, ,86 2, ,85 2, ,84 2, ,83 2, ,82 2, ,81 2, ,80 2, ,79 2, ,78 2, ,77 2, ,76 2, ,75 2, ,74 2, ,73 2, ,72 2, ,71 2, ,70 2, ,69 2, ,68 2, ,67 2, ,66 2, ,65 2, ,64 2, ,63 2, ,62 2, ,61 2, ,60 2, ,59 2, ,58 2, ,57 2, ,56 2, ,55 2, ,54 2, ,53 2, ,52 2, ,51 2, ,50 2, ,49 2, ,48 2, ,47 2, ,46 2, ,45 2, ,44 2, ,43 2, ,42 2, ,41 2, ,40 2, ,39 2, ,38 2, ,37 2, ,36 2, ,35 2, ,34 2, ,33 2, ,32 2, ,31 2, ,30 2, ,29 2, ,28 2, ,27 2, ,26 2, ,25 2, ,24 2, ,23 2, ,22 2, ,21 2, ,20 2, ,19 2, ,18 2, ,17 2, ,16 2, ,15 2, ,14 2, ,13 2, ,12 2, ,11 2, ,10 2, ,09 2, ,08 2, ,07 2, ,06 2, ,05 2, ,04 2, ,03 2, ,02 2, ,01 2, ,00 2, ,99 1, ,98 1, ,97 1, ,96 1, ,95 1, ,94 1, ,93 1, ,92 1, ,91 1, ,90 1, ,89 1, ,88 1, ,87 1, ,86 1, ,85 1, ,84 1, ,83 1, ,82 1, ,81 1, ,80 1, ,79 1, ,78 1, ,77 1, ,76 1, ,75 1, ,74 1, ,73 1, ,72 1, ,71 1, ,70 1, ,69 1, ,68 1, ,67 1, ,66 1, ,65 1, ,64 1, ,63 1, ,62 1, ,61 1, ,60 1, ,59 1, ,58 1, ,57 1, ,56 1, ,55 1, ,54 1, ,53 1, ,52 1, ,51 1, ,50 1, ,49 1, ,48 1, ,47 1, ,46 1, ,45 1, ,44 1, ,43 1, ,42 1, ,41 1, ,40 1, ,39 1, ,38 1, ,37 1, ,36 1, ,35 1, ,34 1, ,33 1, ,32 1, ,31 1, ,30 1, ,29 1, ,28 1, ,27 1, ,26 1, ,25 1, ,24 1, ,23 1, ,22 1, ,21 1, ,20 1, ,19 1, ,18 1, ,17 1, ,16 1, ,15 1, ,14 1, ,13 1, ,12 1, ,11 1, ,10 1, ,09 1, ,08 1, ,07 1, ,06 1, ,05 1, ,04 1, ,03 1, ,02 1, ,01 1, ,00 1, ,99 1, ,98 1, ,97 1, ,96 1, ,95 1, ,94 1, ,93 1, ,92 1, ,91 1, ,90 1, ,89 0, ,88 0, ,87 0, ,86 0, ,85 0, ,84 0, ,83 0, ,82 0, ,81 0, ,80 0, ,79 0, ,78 0, ,77 0, ,76 0, ,75 0, ,74 0, ,73 0, ,72 0, ,71 0, ,70 0, ,69 0, ,68 0, ,67 0, ,66 0, ,65 0, ,64 0, ,63 0, ,62 0, ,61 0, ,60 0, ,59 0, ,58 0, ,57 0, ,56 0, ,55 0, ,54 0, ,53 0, ,52 0, ,51 0,
13 -0,50 0, ,49 0, ,48 0, ,47 0, ,46 0, ,45 0, ,44 0, ,43 0, ,42 0, ,41 0, ,40 0, ,39 0, ,38 0, ,37 0, ,36 0, ,35 0, ,34 0, ,33 0, ,32 0, ,31 0, ,30 0, ,29 0, ,28 0, ,27 0, ,26 0, ,25 0, ,24 0, ,23 0, ,22 0, ,21 0, ,20 0, ,19 0, ,18 0, ,17 0, ,16 0, ,15 0, ,14 0, ,13 0, ,12 0, ,11 0, ,10 0, ,09 0, ,08 0, ,07 0, ,06 0, ,05 0, ,04 0, ,03 0, ,02 0, ,01 0, ,00 0, ,01 0, ,02 0, ,03 0, ,04 0, ,05 0, ,06 0, ,07 0, ,08 0, ,09 0, ,10 0, ,11 0, ,12 0, ,13 0, ,14 0, ,15 0, ,16 0, ,17 0, ,18 0, ,19 0, ,20 0, ,21 0, ,22 0, ,23 0, ,24 0, ,25 0, ,26 0, ,27 0, ,28 0, ,29 0, ,30 0, ,31 0, ,32 0, ,33 0, ,34 0, ,35 0, ,36 0, ,37 0, ,38 0, ,39 0, ,40 0, ,41 0, ,42 0, ,43 0, ,44 0, ,45 0, ,46 0, ,47 0, ,48 0, ,49 0, ,50 0, ,51 0, ,52 0, ,53 0, ,54 0, ,55 0, ,56 0, ,57 0, ,58 0, ,59 0, ,60 0, ,61 0, ,62 0, ,63 0, ,64 0, ,65 0, ,66 0, ,67 0, ,68 0, ,69 0, ,70 0, ,71 0, ,72 0, ,73 0, ,74 0, ,75 0, ,76 0, ,77 0, ,78 0, ,79 0, ,80 0, ,81 0, ,82 0, ,83 0, ,84 0, ,85 0, ,86 0, ,87 0, ,88 0, ,89 0, ,90 0, ,91 0, ,92 0, ,93 0, ,94 0, ,95 0, ,96 0, ,97 0, ,98 0, ,99 0, ,00 0, ,01 0, ,02 0, ,03 0, ,04 0, ,05 0, ,06 0, ,07 0, ,08 0, ,09 0, ,10 0, ,11 0, ,12 0, ,13 0, ,14 0, ,15 0, ,16 0, ,17 0, ,18 0, ,19 0, ,20 0, ,21 0, ,22 0, ,23 0, ,24 0, ,25 0, ,26 0, ,27 0, ,28 0, ,29 0, ,30 0, ,31 0, ,32 0, ,33 0, ,34 0, ,35 0, ,36 0, ,37 0, ,38 0, ,39 0, ,40 0, ,41 0, ,42 0, ,43 0, ,44 0, ,45 0, ,46 0, ,47 0, ,48 0, ,49 0, ,50 0, ,51 0, ,52 0, ,53 0, ,54 0, ,55 0, ,56 0, ,57 0, ,58 0, ,59 0, ,60 0, ,61 0, ,62 0, ,63 0, ,64 0, ,65 0, ,66 0, ,67 0, ,68 0, ,69 0, ,70 0, ,71 0, ,72 0, ,73 0, ,74 0, ,75 0, ,76 0, ,77 0, ,78 0, ,79 0, ,80 0, ,81 0, ,82 0, ,83 0, ,84 0, ,85 0, ,86 0, ,87 0, ,88 0, ,89 0, ,90 0, ,91 0, ,92 0, ,93 0, ,94 0, ,95 0, ,96 0, ,97 0, ,98 0, ,99 0, ,00 0, ,01 0, ,02 0, ,03 0, ,04 0, ,05 0, ,06 0, ,07 0, ,08 0, ,09 0, ,10 0, ,11 0, ,12 0, ,13 0, ,14 0, ,15 0, ,16 0, ,17 0, ,18 0, ,19 0, ,20 0, ,21 0, ,22 0, ,23 0, ,24 0, ,25 0, ,26 0, ,27 0, ,28 0, ,29 0, ,30 0, ,31 0, ,32 0, ,33 0, ,34 0, ,35 0, ,36 0, ,37 0, ,38 0, ,39 0, ,40 0, ,41 0, ,42 0, ,43 0, ,44 0, ,45 0, ,46 0, ,47 0, ,48 0, ,49 0, ,50 0, ,51 0, ,52 0, ,53 0, ,54 0, ,55 0, ,56 0, ,57 0, ,58 0, ,59 0, ,60 0, ,61 0, ,62 0, ,63 0, ,64 0, ,65 0, ,66 0, ,67 0, ,68 0, ,69 0, ,70 0, ,71 0, ,72 0, ,73 0, ,74 0, ,75 0, ,76 0, ,77 0, ,78 0, ,79 0, ,80 0, ,81 0, ,82 0, ,83 0, ,84 0, ,85 0, ,86 0, ,87 0, ,88 0, ,89 0, ,90 0, ,91 0, ,92 0, ,93 0, ,94 0, ,95 0, ,96 0, ,97 0, ,98 0, ,99 0, ,00 0,
Klausurteil Operations Management Sommersemester 2016
Prof. Dr. Stefan Helber Leibniz Universität Hannover Klausurteil Operations Management Sommersemester 2016 Hinweise: Der Klausurteil besteht aus drei Aufgaben, die alle von Ihnen zu bearbeiten sind. Die
MehrKlausurteil Operations Management Sommersemester Geben Sie bei Ihnen Berechnungen stets die Einheiten der verwendeten Gröÿen an!
Prof. Dr. Stefan Helber Leibniz Universität Hannover Klausurteil Operations Management Sommersemester 2015 Hinweise: Der Klausurteil besteht aus drei Aufgaben, die alle von Ihnen zu bearbeiten sind. Die
MehrKlausurteil Operations Management Sommersemester 2017
Prof. Dr. Stefan Helber Leibniz Universität Hannover Klausurteil Operations Management Sommersemester 2017 Hinweise: Der Klausurteil besteht aus drei Aufgaben, die alle von Ihnen zu bearbeiten sind. Die
MehrKlausur zur Vorlesung Logistik im Sommersemester 2013
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Logistik im Sommersemester 2013 Hinweise: Die Klausur
MehrKlausur zur Vorlesung Logistik im WS 03/04
Universität Hannover Wirtschaftswissenschaftliche Fakultät Lehrstuhl für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Logistik im WS 03/04 Hinweise: Die Klausur besteht aus 13 Seiten
MehrKlausur zur Vorlesung Logistik im WS 04/05
Universität Hannover Wirtschaftswissenschaftliche Fakultät Lehrstuhl für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Logistik im WS 04/05 Hinweise: Die Klausur besteht aus 14 Seiten
MehrKlausur zur Vorlesung Logistik im Sommersemester 2012
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Jun.-Prof. Dr. Florian Sahling Klausur zur Vorlesung Logistik im Sommersemester 2012 Hinweise: Die
MehrKlausur zur Vorlesung Logistik im Sommersemester 2015
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Florian Sahling Sitzplatznr.: Klausur zur Vorlesung Logistik im Sommersemester 2015 Hinweise:
MehrWiederholungsklausur zur Veranstaltung Industrielle Produktionssysteme im Sommersemester 2015
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Wiederholungsklausur zur Veranstaltung Industrielle Produktionssysteme im Sommersemester
MehrKlausur zur Veranstaltung Industrielle Produktionssysteme im WS 09/10
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Veranstaltung Industrielle Produktionssysteme im WS 09/10 Hinweise:
MehrKlausur zur Veranstaltung Gestaltung industrieller Produktionssysteme im WS 2011/2012
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Veranstaltung Gestaltung industrieller Produktionssysteme im WS
MehrKlausur zur Veranstaltung Industrielle Produktionssysteme im WS 13/14. Alle Aufgaben in der Klausur sind zu bearbeiten.
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Veranstaltung Industrielle Produktionssysteme im WS 13/14 Hinweise:
MehrKlausur zur Veranstaltung Industrielle Produktionssysteme im Sommersemester Alle Aufgaben in der Klausur sind zu bearbeiten.
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Veranstaltung Industrielle Produktionssysteme im Sommersemester
MehrKlausur zur Veranstaltung Industrielle Produktionssysteme im Wintersemester 2008/2009
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Veranstaltung Industrielle Produktionssysteme im Wintersemester
MehrKlausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS 09
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung im Wintersemester 2010/2011
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung im Sommersemester 2011
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrKlausur zur Vorlesung Operations Research im Wintersemester 2009/10
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Sitzplatznr.: Klausur zur Vorlesung Operations Research im Wintersemester 2009/10
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung im Sommersemester 2010
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrKlausur zur Vorlesung Einführung in das Operations Research im Wintersemester 2007/2008
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Einführung in das Operations Research im Wintersemester
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung im Wintersemester 2008/2009
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Dr. Raik Stolletz Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung im Wintersemester 2009/2010
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrKlausur zur Vorlesung Operations Research im Sommersemester 2009
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Operations Research im Sommersemester 2009 Hinweise:
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung im Wintersemester 2011/2012
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung im Sommersemester 2007
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Dr. Raik Stolletz Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung
MehrErreichte Punkte
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrKlausur zur Vorlesung Einführung in das Operations Research im Wintersemester 2005/2006
Universität Hannover Wirtschaftswissenschaftliche Fakultät Lehrstuhl für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Einführung in das Operations Research im Wintersemester 005/006
MehrLeibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Sitzplatznr.: Wiederholungsklausur zur Vorlesung Operations Research im Wintersemester
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II - Industrielle Kosten- und Leistungsrechnung im Sommersemester 2018 Belegnummer: 76007
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Betriebliches Rechnungswesen II - Industrielle Kosten-
MehrAufgabe Summe
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Florian Sahling Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrStatistik. Sommersemester Stefan Etschberger. für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik
Stefan Etschberger für Betriebswirtschaft, Internationales Management, Wirtschaftsinformatik und Informatik Sommersemester 2017 Normalverteilung Eine Zufallsvariable X mit einer Dichtefunktion f(x) =
MehrStatistik. Sommersemester Prof. Dr. Stefan Etschberger Hochschule Augsburg. für Betriebswirtschaft und internationales Management
für Betriebswirtschaft und internationales Management Sommersemester 2015 Prof. Dr. Stefan Etschberger Hochschule Augsburg Normalverteilung Eine Zufallsvariable X mit einer Dichtefunktion und σ > 0 heißt
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung im Wintersemester 2012/13
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Jun.-Prof. Dr. Florian Sahling Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrKlausur vom
UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Dominik Faas Stochastik Wintersemester 00/0 Klausur vom 09.06.0 Aufgabe (++4=9 Punkte) Bei einer Umfrage wurden n Personen befragt, an wievielen Tagen
Mehr5. Spezielle stetige Verteilungen
5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für
MehrTECHNISCHE UNIVERSITÄT DORTMUND Wintersemester 2010/2011 FAKULTÄT STATISTIK Dr. H. Hansen
TECHNISCHE UNIVERSITÄT DORTMUND Wintersemester 2010/2011 FAKULTÄT STATISTIK 11.02.2011 Dr. H. Hansen Klausur für den Bachelorstudiengang zur Vorlesung Statistik für Ökonomen Bitte in Druckschrift ausfüllen
MehrKlausur zur Veranstaltung Industrielle Produktionsprozesse im WS 2009/10
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Sitzplatznr.: Klausur zur Veranstaltung Industrielle Produktionsprozesse im
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung im Sommersemester 2012
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Dr. Florian Sahling Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und
MehrKlausur zur Veranstaltung Industrielle Produktionssysteme im SS 04
Universität Hannover Wirtschaftswissenschaftliche Fakultät Lehrstuhl für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Veranstaltung Industrielle Produktionssysteme im SS 04 Hinweise: Die Klausur
MehrETWR Teil B. Spezielle Wahrscheinlichkeitsverteilungen (stetig)
ETWR Teil B 2 Ziele Bisher (eindimensionale, mehrdimensionale) Zufallsvariablen besprochen Lageparameter von Zufallsvariablen besprochen Übertragung des gelernten auf diskrete Verteilungen Ziel des Kapitels
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II - Industrielle Kosten- und Leistungsrechnung im Sommersemester 2017
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Betriebliches Rechnungswesen II - Industrielle Kosten-
MehrKlausur zur Vorlesung Wahrscheinlichkeitsrechnung
Name: 31. Januar 2001, 11.00-12.30 Uhr Allgemeine Hinweise: Dauer der Klausur: Zugelassene Hilfsmittel: 90 min, 1.5 Zeitstunden Skript, Vorlesungsmitschrift, Taschenrechner Schreiben Sie bitte auf dieses
MehrKlausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS 2010
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS
MehrErreichte Punkte
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Svenja Lagershausen Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrAufgabe Summe
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Jun.-Prof. Dr. Florian Sahling Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrKlausur zur Veranstaltung Gestaltung industrieller Produktionsprozesse im WS 2015/16
Leibniz Universität Hannover Sitzplatznr.: Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Florian Sahling Klausur zur Veranstaltung Gestaltung industrieller Produktionsprozesse
MehrErreichte Punkte
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Florian Sahling Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
Mehr15.5 Stetige Zufallsvariablen
5.5 Stetige Zufallsvariablen Es gibt auch Zufallsvariable, bei denen jedes Elementarereignis die Wahrscheinlich keit hat. Beispiel: Lebensdauer eines radioaktiven Atoms Die Lebensdauer eines radioaktiven
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II - Industrielle Kosten- und Leistungsrechnung im Wintersemester 17/18 Belegnummer: 76007
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Betriebliches Rechnungswesen II - Industrielle Kosten-
MehrBiostatistik, Winter 2011/12
Biostatistik, Winter 2011/12 Wahrscheinlichkeitstheorie:, Kenngrößen Prof. Dr. Achim Klenke http://www.aklenke.de 7. Vorlesung: 09.12.2011 1/58 Inhalt 1 2 Kenngrößen von Lagemaße 2/58 mit Dichte Normalverteilung
MehrStatistik für Ingenieure Vorlesung 5
Statistik für Ingenieure Vorlesung 5 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 28. November 2017 3.4 Wichtige stetige Verteilungen 3.4.1 Exponentialverteilung Parameter:
MehrStatistik I für Betriebswirte Vorlesung 5
Statistik I für Betriebswirte Vorlesung 5 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 7. Mai 2018 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 5 Version: 30. April
MehrKlausur zu,,einführung in die Wahrscheinlichkeitstheorie
Institut für angewandte Mathematik Wintersemester 2009/10 Andreas Eberle, Matthias Erbar, Bernhard Hader Klausur zu,,einführung in die Wahrscheinlichkeitstheorie Bitte diese Felder in Druckschrift ausfüllen
MehrZufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential
Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Stetige Zufallsvariable Verteilungsfunktion: Dichtefunktion: Integralrechnung:
MehrAufgabe Punkte
Institut für Mathematik Freie Universität Berlin Carsten Hartmann, Stefanie Winkelmann Musterlösung für die Nachklausur zur Vorlesung Stochastik I im WiSe 20/202 Name: Matr.-Nr.: Studiengang: Mathematik
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung im Wintersemester 2013/14
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Jun.-Prof. Dr. Florian Sahling Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 4.6 und 4.7 besser zu verstehen. Auswertung und Lösung Abgaben: 59 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 4.78 1 Frage
Mehr70 Wichtige kontinuierliche Verteilungen
70 Wichtige kontinuierliche Verteilungen 70. Motivation Zufallsvariablen sind nicht immer diskret, sie können oft auch jede beliebige reelle Zahl in einem Intervall [c, d] einnehmen. Beispiele für solche
MehrStatistik I für Betriebswirte Vorlesung 4
Statistik I für Betriebswirte Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 25. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrBiostatistik, Sommer 2017
1/51 Biostatistik, Sommer 2017 Wahrscheinlichkeitstheorie: Verteilungen, Kenngrößen Prof. Dr. Achim Klenke http://www.aklenke.de 8. Vorlesung: 09.06.2017 2/51 Inhalt 1 Verteilungen Normalverteilung Normalapproximation
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2
Mehr1 Dichte- und Verteilungsfunktion
Tutorium Yannick Schrör Klausurvorbereitungsaufgaben Statistik Lösungen Yannick.Schroer@rub.de 9.2.26 ID /455 Dichte- und Verteilungsfunktion Ein tüchtiger Professor lässt jährlich 2 Bücher drucken. Die
MehrDefinition Sei X eine stetige Z.V. mit Verteilungsfunktion F und Dichte f. Dann heißt E(X) :=
Definition 2.34. Sei X eine stetige Z.V. mit Verteilungsfunktion F und Dichte f. Dann heißt E(X) := x f(x)dx der Erwartungswert von X, sofern dieses Integral existiert. Entsprechend wird die Varianz V(X)
MehrKlausur Stochastik und Statistik 31. Juli 2012
Klausur Stochastik und Statistik 31. Juli 2012 Prof. Dr. Matthias Schmid Institut für Statistik, LMU München Wichtig: ˆ Überprüfen Sie, ob Ihr Klausurexemplar vollständig ist. Die Klausur besteht aus fünf
MehrStatistik I für Betriebswirte Vorlesung 3
Statistik I für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 15. April 2019 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 3 Version: 1. April
MehrWirtschaftsmathematik
Einführung in einige Teilbereiche der Wintersemester 206 Prof. Dr. Stefan Etschberger HSA Unabhängigkeit von Ereignissen A, B unabhängig: Eintreten von A liefert keine Information über P(B). Formal: P(A
MehrDer Erwartungswert E[g(X)] von g(x) ist definiert. g(x k )w(x = x k ),
2.5 Parameter einer Verteilung 2.5. Erwartungswert X eine Zufallsvariable, g : R R stetig. Der Erwartungswert E[g(X)] von g(x) ist definiert durch: E[g(X)] := k g(x k )w(x = x k ), falls X diskret ist
Mehr(6.29) Z X. Die standardnormalverteilte Zufallvariable Z, Z ~ N(0,1), weist den Erwartungswert (6.30) E(Z) = 0 und die Varianz (6.31) V(Z) = 1 auf.
Standardnormalverteilung Da die arameter μ und σ beliebige reelle Zahlenwerte bw. beliebige positive reelle Zahlenwerte (σ >0) annehmen können, gibt es unendlich viele Normalverteilungen. Die Dichtefunktion
Mehrf(x) = P (X = x) = 0, sonst heißt Poisson-verteilt mit Parameter (oder Rate) λ > 0, kurz X P o(λ). Es gilt x x! 1 Wahrscheinlichkeitsrechnung 212
1.6.2 Poisson Verteilung Eine weitere wichtige diskrete Verteilung ist die Poisson-Verteilung. Sie modelliert die Anzahl (eher seltener) Ereignisse in einem Zeitintervall (Unfälle, Todesfälle; Sozialkontakte,
MehrBestimmte Zufallsvariablen sind von Natur aus normalverteilt. - naturwissenschaftliche Variablen: originär z.b. Intelligenz, Körpergröße, Messfehler
6.6 Normalverteilung Die Normalverteilung kann als das wichtigste Verteilungsmodell der Statistik angesehen werden. Sie wird nach ihrem Entdecker auch Gaußsche Glockenkurve genannt. Die herausragende Stellung
MehrBiostatistik, Sommer 2017
1/52 Biostatistik, Sommer 2017 Prof. Dr. Achim Klenke http://www.aklenke.de 7. Vorlesung: 02.06.2017 2/52 Inhalt 1 Wahrscheinlichkeit Bayes sche Formel 2 Diskrete Stetige 3/52 Wahrscheinlichkeit Bayes
MehrPrüfung. Wahrscheinlichkeit und Statistik. ETH Zürich HS 2015 Prof. Dr. P. Embrechts Januar Nachname. Vorname. Legi Nummer
ETH Zürich HS 25 Prof. Dr. P. Embrechts Januar 26 Prüfung Wahrscheinlichkeit und Statistik BSc INFK Nachname Vorname Legi Nummer Das Folgende bitte nicht ausfüllen! Aufgabe Max. Punkte Summe Kontrolle
MehrWirtschaftswissenschaftliches Prüfungssekretariat Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 2015
Wirtschaftswissenschaftliches Prüfungssekretariat Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Sommersemester 205 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer
Mehr4.2 Moment und Varianz
4.2 Moment und Varianz Def. 2.10 Es sei X eine zufällige Variable. Falls der Erwartungswert E( X p ) existiert, heißt der Erwartungswert EX p p tes Moment der zufälligen Variablen X. Es gilt dann: EX p
MehrÜbung zu Empirische Ökonomie für Fortgeschrittene SS 2009
Übung zu Empirische Ökonomie für Fortgeschrittene Steen Elstner, Klaus Wohlrabe, Steen Henzel SS 9 1 Wichtige Verteilungen Die Normalverteilung Eine stetige Zufallsvariable mit der Wahrscheinlichkeitsdichte
MehrVorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf. Vorlesung 04 Mathematische Grundlagen II,
Vorlesung Gesamtbanksteuerung Mathematische Grundlagen II Dr. Klaus Lukas Carsten Neundorf 1 Was sollen Sie heute lernen? 2 Agenda Wiederholung stetige Renditen deskriptive Statistik Verteilungsparameter
MehrNachklausur Wahrscheinlichkeitstheorie und Inferenz II Sommersemester Oktober 2011
Nachklausur Wahrscheinlichkeitstheorie und Inferenz II Sommersemester 2011 28. Oktober 2011 Prof. Dr. Torsten Hothorn Institut für Statistik Nachname: Vorname: Matrikelnummer: Anmerkungen: ˆ Schreiben
MehrDie tatsächlichen Breiten und Höhen der Säulen und damit der Flächeninhalt bleiben unverändert:
Flächeninhalte als Wahrscheinlichkeiten Eine Zufallsvariable X kann die Werte, 2, 3, 4, 5 oder 6 annehmen. Die zugehörigen Wahrscheinlichkeiten sind rechts in einem Stabdiagramm dargestellt. k 2 3 4 5
MehrKapitel VII. Einige spezielle stetige Verteilungen
Kapitel VII Einige spezielle stetige Verteilungen D. 7.. (Normalverteilung) Eine stetige Zufallsgröße X sei als normalverteilt bezeichnet, wenn sie folgende Wahrscheinlichkeitsdichte besitzt: µ f ( ; µ,
MehrStatistik EFA I Deskriptive Statistik Montag, 10. Februar 2014
Prof. Dr. Peter Schmidt Wintersemester 2013/14 www.schmidt-bremen.de Statistik EFA I Deskriptive Statistik Montag, 10. Februar 2014 Dieser Klausurteil ist der erste Teil der Gesamtklausur Statistik (Halbmann
MehrInstitut für Stochastik, SoSe K L A U S U R , 8:00-11:00. Aufgabe Punkte erreichte Punkte Korrektur
Institut für Stochastik, SoSe 2014 Mathematische Statistik Paravicini/Heusel 2. K L A U S U R 29.9.2014, 8:00-11:00 Name: Geburtsdatum: Vorname: Matrikelnummer: Übungsgruppe bei: Studiengang & angestrebter
MehrKlausur Mathematik 2, Teil Statistik und Finanzmathematik Lösungen
Fachhochschule Ravensburg-Weingarten, Fachbereich Elektrotechnik und Informatik Klausur Mathematik 2, Teil Statistik und Finanzmathematik Lösungen Aufgaben (Punkte) 1. Für eine Voraussage der Bürgermeisterwahl
MehrKlausur (Modulprüfung) zum Lehrerweiterbildungskurs Stochastik am von 10:00 bis 11:00 Uhr
Klausur (Modulprüfung) zum Lehrerweiterbildungskurs Stochastik am 5..201 von 10:00 bis 11:00 Uhr Bearbeiten Sie zwei der drei folgenden Aufgaben! Sätze aus der Vorlesung und den Übungen dürfen Sie ohne
MehrDie tatsächlichen Breiten und Höhen der Säulen und damit der Flächeninhalt bleiben unverändert:
Flächeninhalte als Wahrscheinlichkeiten Eine Zufallsvariable X kann die Werte,, 3, 4, 5 oder 6 annehmen. Die zugehörigen Wahrscheinlichkeiten sind rechts in einem Stabdiagramm dargestellt. k 3 4 5 6 P
MehrÜbungsblatt 9 (25. bis 29. Juni)
Statistik 2 Dr. Andrea Beccarini Dipl.-Vw. Dipl.-Kffr. Heike Bornewasser-Hermes Sommersemester 2012 Übungsblatt 9 (25. bis 29. Juni) Stetiges Verteilungsmodell und Gemeinsame Verteilung Stetiges Verteilungsmodell
MehrMathematica: u=5;s=1;plot[exp[-0.5((x-u)/s)^2],{x,0,10}] 76
4. Normalverteilung Gauß'sche Glockenkurve: P(a X b) = b 1 x 1 a e dx 1 0.8 0.6 0.4 0. 4 6 8 10 Mathematica: u=5;s=1;plot[exp[-0.5((x-u)/s)^],{x,0,10}] 76 Zentraler Grenzwertsatz: Es sei X 1, X,... eine
Mehr7.2 Moment und Varianz
7.2 Moment und Varianz Def. 21 Es sei X eine zufällige Variable. Falls der Erwartungswert E( X p ) existiert, heißt der Erwartungswert EX p p tes Moment der zufälligen Variablen X. Es gilt dann: + x p
MehrStandardnormalverteilung
Standardnormalverteilung 1720 erstmals von Abraham de Moivre beschrieben 1809 und 1816 grundlegende Arbeiten von Carl Friedrich Gauß 1870 von Adolphe Quetelet als "ideales" Histogramm verwendet alternative
MehrKlausur zum Fach Höhere Mathematik 2 für Informatik Teil 1
(Name) (Vorname) (Matrikelnummer) Fachbereich Elektrotechnik und Informationstechnik Prof. Georg Hoever 16.03.2016 Klausur zum Fach Höhere Mathematik 2 für Informatik Teil 1 Bearbeitungszeit: 90 Minuten
MehrStatistik I für Betriebswirte Vorlesung 14
Statistik I für Betriebswirte Vorlesung 14 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. Juli 017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 14 Version: 8. Juli
MehrWahrscheinlichkeit und Statistik BSc D-INFK
Prof. Dr. M. Schweizer ETH Zürich Sommer Wahrscheinlichkeit und Statistik BSc D-INFK. a) (iii) b) (ii) c) (i) d) (ii) e) (ii) f) (iii) g) (ii) h) (i) i) (ii) j) (i). Für ein heruntergeladenes Dokument
MehrVorlesung 7b. Unabhängigkeit bei Dichten. und die mehrdimensionale Standardnormalverteilung
Vorlesung 7b Unabhängigkeit bei Dichten und die mehrdimensionale Standardnormalverteilung 0. Wiederholung: Die Normalverteilung Dichtefunktion ϕ der Standardnormalverteilung ϕ(x) 0.0 0.1 0.2 0.3 0.4 4
MehrProbeprüfung BWL III Teil Operations Management
Probeprüfung BWL III Teil Operations Management 1. Operations Management (Prof. Dietl) (20 Punkte) Hinweise: - Schreiben Sie bitte Ihren Namen und Ihre Matrikel Nr. auf jedes Blatt. - Bitte übertragen
MehrKlausur zur Vorlesung Stochastik II
Institut für Stochastik WS 007/008 Universität Karlsruhe. 0. 008 r. B. Klar Klausur zur Vorlesung Stochastik II Muster-Lösung auer: 90 Minuten Name: Vorname: Matrikelnummer: iese Klausur hat bestanden,
MehrWiederholung der Hauptklausur STATISTIK
Name, Vorname: Matrikel-Nr. Die Klausur enthält zwei Typen von Aufgaben: Teil A besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens eine Antwort richtig ist und von denen
MehrProbeklausur Statistik II
Prof. Dr. Chr. Müller PROBE-KLAUSUR 1 1 2 3 4 5 6 7 8 Gesamt: 15 8 16 16 7 8 15 15 100 Probeklausur Statistik II Name: Vorname: Fachrichtung: Matrikel-Nummer: Bitte beachten Sie folgendes: 1) Die Klausur
MehrKlausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten- und Leistungsrechnung im Sommersemester 2013
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Jun.-Prof. Dr. Florian Sahling Klausur zur Vorlesung Betriebliches Rechnungswesen II Industrielle Kosten-
MehrChi-Quadrat-Verteilung
Chi-Quadrat-Verteilung Die Verteilung einer Summe X +X +...+X n, wobei X,..., X n unabhängige standardnormalverteilte Zufallsvariablen sind, heißt χ -Verteilung mit n Freiheitsgraden. Eine N(, )-verteilte
Mehr