Simulationsmethoden im Ingenieurwesen
|
|
- Gudrun Kurzmann
- vor 5 Jahren
- Abrufe
Transkript
1 Diskrete Simulation Reduzierung des Verhaltens auf wesentliche Zeitpunkte Pro Zeitintervall nur endlich viele Zustandsveränderungen Zwischen zwei Zeitpunkte konstante Zustandswerte p Zeitdiskret (time-driven) oder Ereignisdiskret (event-driven) 1
2 Simulationsmethoden im Ingenieurwesen 2
3 Ansprüche an die Computer-Simulation Sfewrwe rwewerw e fewfwefe wfwe Simulationsmodelle leicht... EINFACH zu entwickeln und validieren SCHNELL und BILLIG zu betreiben FLEXIBEL für Details und Dynamik Simulationsmodelle bieten... BEQUEMES Handling ANSCHAULICHE Ergebnisse MAXIMALE Effizienz der Planung Virtuelle Erfahrung bei MINIMALEM Risiko 3
4 Sprunghaftes Voranschreiten bei der diskreten Ereignissimulation 4
5 Simulationswerkzeuge unterschiedlicher Ebenen 5
6 Ablauf einer Simulationsstudie Problemanalyse VDI 3633: Datenerfassung Modellerstellung Validierung Experimente Ergebnisse Interpretation 6
7 Kriterien für die Simulationswürdigkeit eines Problems (VDI 3633) Schwierigkeit des Problems Komplexität Unüberschaubarkeit? Vielzahl der Einflüsse Abhängigkeiten und nebenläufige Prozesse große Datenmengen Fehlen analytischer mathematischer Modelle bzw. ungerechtfertigt hoher Aufwand (Zeit/Kosten) Günstiges Kosten-Nutzen-Verhältnis Sicherheitsbedürfnis bei unscharfen Vorgaben, Ausloten von Grenzen, Beweisnot Wiederholte Verwendung des Simulationsmodells 7
8 Ablauf einer Simulationsstudie Problemanalyse Simulation von Getränkeabfüllanlagen Neuplanung Optimierung Verifikation des Anlagenkonzepts Layout Maschinenausbringungen Pufferauslegung Regelverhalten Anlagenanalyse Vergleich verschiedener Konzepte Schwachstellenanalyse Optimierung Personalbedarf Prognosen Störverhalten der Gesamtanlage Kennzahlen Rüst- und Umstellvorgänge Produktionsplanung 8
9 Simulationsuntersuchungen zeichnen sich durch eine strikte Zweckgebundenheit aus. Bei jedem Schritt muss sich der Benutzer über die Fragestellung und die Ziele der Simulationsstudie im Klaren sein. 9
10 Ablauf einer Simulationsstudie Problemanalyse Datenerfassung Datenquellen: Anlagenpläne, CAD, Garantiewerte Automatische Betriebsdatenerfassung Empirische Untersuchungen, Messungen Erfahrungswerte Benötigte Daten: Maschinen Förderstrecken Anlage/Gebinde Ausbringung Speichervermögen Regelverhalten Störverhalten Geometrien Geschwindigkeiten Regelverhalten Störanfälligkeiten Sensorpositionen Gebindequalität Ausschleusungsraten Aufstellungsplan Peripherie-schnittstellen 10
11 Bearbeitungsdauer / Störungen Verfahrenstechnische Prozesse: Stochastisch verteilte Prozessdauer durch Verwenden von biologischem Material Deterministische Dauer von Rüst- und Reinigungsdauern Fertigungstechnische Prozesse: Deterministische Bearbeitungsdauer Stochastisch verteiltes Auftreten von Störungen bei störungsbehafteten Maschinen 11
12 Störanfällige Maschinen Störung Betriebsdauer Zeit Betrieb Störungsdauer Funktionsabhängige Störungen z. B. Mechanische Funktionsstörung einer Verpackungsmaschine Zeitabhängige Störungen z. B. Ausfall einer elektrischen Baugruppe in einer Verpackungsmaschine 12
13 Gantt-Chart der Maschinenbetriebszustände einer Getränkeabfüllanlage 13
14 Empirische Ermittlung von Verteilungen 14
15 Wahrscheinlichkeitsverteilungen von Störungs- und Betriebsdauern Konstante Werte Normalverteilung Log-Normalverteilung Exponentialverteilung 15
16 Anzahl ausgefallener Bautele (von 1000) Beispielhafte Lebensdauerverteilung für verschleißanfälliger Bauteile Lebensdauer /h 16
17 Betriebsdauerverteilung einer störungsanfälligen Füll- und Verschließmaschine Absolute Häufigkeit Betriebsverhalten Füllmaschine Stichprobe Weibull-Verteilung Exponentialverteilung TBF / s 17
18 Zuverlässigkeitstheorie Betriebsdauer T einer Komponente oder Maschine (TBF): Maß für die Zeit bis zum Ausfall bzw. zwischen zwei Störungen Zuverlässigkeitsfunktion R(t): Wahrscheinlichkeit, dass eine Maschine zum Zeitpunkt t noch arbeitet R( t) P( T t) Ausfallrate h(t): Wahrscheinlichkeit, dass eine Maschine im Zeitintervall [t; t+dt] ausfällt, wenn sie bis zum Zeitpunkt t noch in Betrieb ist h( t) P( t T t dt dt T t) Ausfallrate in Abhängigkeit von der Zuverlässigkeitsfunktion: h( t) dt R( t) R( t R( t) dt) dr R( t) 18
19 Aufgabe Für eine Komponenten ihrer Anlage ist bekannt, dass sie eine konstante Ausfallrate h(t) = c nach der Funktion c dt dr R(t) besitzt. Leiten Sie durch Integration aus der Beziehung die Zuverlässigkeitsfunktion R(t) dieser Komponente her! 19
20 Näherung realen Maschinenverhaltens Exponentialverteilung h(t)=const.= R( t) e t Weibull-Verteilung 1 für monoton steigende (>1) bzw.fallende (<1) Ausfallraten 1 h( t) t 1 Absolute Häufigkeit Ausfallrate Betriebsverhalten Badenwannenkurve Füllmaschine Stichprobe Weibull-Verteilung =0,68, =1273 s Exponentialverteilung =1334 s TBF Zeit //as R ( t) e t 20
21 Näherung des Störverhaltens realer Maschinen Betriebsverhalten Füllmaschine Störverhalten Füllmaschine Absolute Häufigkeit Stichprobe Weibull-Verteilung Exponentialverteilung TBF / s Absolute Häufigkeit Stichprobe Weibullverteilung Exponentialverteilung DT / s Exponentialverteilung: t Zuverlässigeitsfunktion : R( t) e MDT bzw. MTBF Ausfallrate : h( t) const. MDT bzw. MTBF Weibull-Verteilung: Zuverlässigeitsfunktion : R( t) e t monoton fallende( 1)bzw. steigende( 1) 1 Ausfallrate : h( t) t 1 Reales Maschinenstörverhalten ist in guter Näherung exponentialverteilt. Zum Abbilden werden benötigt: MDT (Mean Down Time) MTBF (Mean Time between failures) 21
22 Zuverlässigkeitsdaten von Maschinen empirische Werte aus 8 Abfüllanlagen Maschine Minimum /s Maximum /s Mittelwert /s E /% (aus Mittelwerten berechnet) Palettenentlademaschine MTBF /s 411, , ,86 MDT /s 59,04 135,15 81,27 94,82 Auspackmaschine Reinigungsmaschine Füllmaschine (auch Blockaggregate mit ggf. Rinser, Verschließmaschine, Ausstattungsmaschine) Ausstattungsmaschine Einpackmaschine Palettenbelademaschine MTBF /s 936, , ,14 MDT /s 64,00 161,26 99,55 MTBF /s 617, , ,38 MDT /s 38,54 82,72 60,75 MTBF /s 678, , ,49 MDT /s 41,00 106,00 65,88 MTBF /s 383, , ,74 MDT /s 57,00 133,07 93,58 MTBF /s 362, ,00 844,07 MDT /s 33,00 90,10 73,43 MTBF /s 745, , ,15 MDT /s 46,00 138,86 107,44 94,93 96,23 96,28 94,75 92,00 95,25 22
Krones Füllsysteme auf einen Blick
Krones Füllsysteme auf einen Blick Krones Füllsysteme auf einen Blick Inhalte der Vorlesung im SS 2011 Einführung Überblick über Getränkeabfüllanlagen Flaschenreinigungsmaschinen Inspektionsmaschinen Füllmaschinen
MehrProjektieren von Getränkeabfüllanlagen. Lehrstuhl für Lebensmittelverpackungstechnik
Projektieren von Getränkeabfüllanlagen - Lehrstuhl für Lebensmittelverpackungstechnik Dr.-Ing. Tobias Voigt 1 Projektieren von Getränkeabfüllanlagen Planung und Auslegung Projektierung komplexer Linien
Mehr8 Die Exponentialverteilung
8 Die Exponentialverteilung 8.1 Einführung Modelle Zuverlässigkeitsmodelle Lebensdauermodelle Bedienungsmodelle. 277 W.Kössler, Humboldt-Universität zu Berlin Def. 26 (Exponentialverteilung) Sei X eine
Mehr8.3 Zuverlässigkeitsmodelle
8.3 Zuverlässigkeitsmodelle Def. 29 (Zuverlässigkeit) Die Zuverlässigkeit eines Systems ζ ist die Wahrscheinlichkeit, dass das System zum Zeitpunkt t intakt ist: Rel(ζ) = P(X t). Annahme: Das System besteht
MehrZuverlässigkeitsanalyse auf Basis von Gutläufer-Informationen unter Nutzung von WInD-Pool -Daten
Zuverlässigkeitsanalyse auf Basis von Gutläufer-Informationen unter Nutzung von WInD-Pool -Daten Beitrag zur 4. EVW-Beiratssitzung Kassel, 04.06.2014 Dipl.-Ing. Klaus Kühnert IZP Dresden EVW-Projektbeiratssitzung
MehrKapitel 1: Grundlagen
Kapitel 1: Grundlagen 1. - 1 / 44 Gestaltung Zuverlässigkeit Use Case z.b. 95% Fahrer festlegen Belastung z.b. Kraft ermitteln Beanspruchung z.b. Spannung-Kollektiv ableiten Kapitel 4 P Zuverlässigkeit
MehrWeibull-Statistik in der Praxis
Holger Wilker Band 3 Weibull-Statistik in der Praxis Leitfaden zur Zuverlässigkeitsermittlung technischer Komponenten Zweite, vollständig überarbeitete und erweiterte Auflage Mit 182 Abbildungen, 86 Tabellen,
MehrSpezifikation von Kommunikationssystemen
1 / 29 Spezifikation von Kommunikationssystemen 10. Einführung in die Zuverlässigkeitstheorie Prof. Jochen Seitz Fachgebiet Kommunikationsnetze Sommersemester 2016 2 / 29 Übersicht 1 Grundlagen der Zuverlässigkeitstheorie
MehrKapitel 5 Erneuerungs- und Semi-Markov-Prozesse
Kapitel 5 Erneuerungs- und Semi-Markov-Prozesse Definition: Erneuerungsprozess Sei {T n, n N} eine Folge unabhängiger, nichtnegativer Zufallsvariablen mit Verteilungsfunktion F, mit F () < 1. Dann heißt
MehrNeue Methoden für den Einsatz der Informationstechnologie bei Getränkeabfüllanlagen
Lehrstuhl für Brauereianlagen und Lebensmittel-Verpackungstechnik Neue Methoden für den Einsatz der Informationstechnologie bei Getränkeabfüllanlagen Tobias Voigt Vollständiger Abdruck der von der Fakultät
MehrProf. Dr. Bernhard Arnold, Institut für Statistik und Ökonometrie der Universität Hamburg. Lebensdaueranalyse und Zuverlässigkeit von Systemen
Prof. Dr. Bernhard Arnold, Institut für Statistik und Ökonometrie der Universität Hamburg Lebensdaueranalyse und Zuverlässigkeit von Systemen Aufgabe 1 Bestimmen Sie für 0
MehrGliederung der Vorlesung
Otto-von-Guericke-Universität Magdeburg Thomas Schulze Gliederung der Vorlesung 1. Simulation in Produktion und Logistik 2. ARENA-Basics für P&L 3. ARENA-Features für P&L 4. ARENA Modellierungskonzepte
MehrStatistik für Ingenieure Vorlesung 3
Statistik für Ingenieure Vorlesung 3 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 14. November 2017 3. Zufallsgrößen 3.1 Zufallsgrößen und ihre Verteilung Häufig sind
Mehr5 Versuch - Simulation von Verpackungsanlagen
WS 11/12 Verpackungstechnisches Praktikum Versuch 5 - Simulation 1/22 5 Versuch - Simulation von Verpackungsanlagen Verpackungsmaschinen (z. B. die im Praktikum kennen gelernte Schlauchbeutelmaschine)
MehrStatistik für Ingenieure Vorlesung 6
Statistik für Ingenieure Vorlesung 6 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 05. Dezember 2017 3.4.3 Stetige Gleichverteilung Parameter: Intervall [a, b] R. Zufallsgröße
MehrCAD Franke, Sven, Dipl.-Ing. (Univ.)
Industrial Engineering Terminänderungen im WS2011/12, Donnerstags, 12:15-13:45 Uhr, HS1 15.12.2011 Projektmanagement 2 Voigt, Tobias, Dr.-Ing. 12.01.2012 CAD Franke, Sven, Dipl.-Ing. (Univ.) 19.01.2012
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
MehrProduktionsbasiertes Energiemanagement in der Lebensmittelindustrie
Produktionsbasiertes Energiemanagement in der Lebensmittelindustrie Ansätze und Ergebnisse aus einem Forschungsprojekt, aufbereitet für die Lehrstuhl für Lebensmittelverpackungstechnik, Lehrstuhl für mathematische
MehrMathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 2007
Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 2007 Prof. Dr. F. Liese Dipl.-Math. M. Helwich Serie 8 Termin: 1. Juni 2007 Aufgabe
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
MehrWahrscheinlichkeitstheorie Kapitel V - Stetige Verteilungen
Wahrscheinlichkeitstheorie Kapitel V - Stetige Verteilungen Georg Bol georg.bol@statistik.uni-karlsruhe.de Markus Höchstötter hoechstoetter@statistik.uni-karlsruhe.de Stetige Verteilungen Definition: Sei
MehrErneuerungs- und Semi-Markov-Prozesse
Kapitel 5 Erneuerungs- und Semi-Markov-Prozesse Für den Poisson-Prozess und (reguläre) diskrete Markov-Prozesse impliziert die Markov-Eigenschaft, dass die Zwischenzeiten bzw. Verweildauern exponentialverteilt
MehrStatistik für Ingenieure und Naturwissenschaftler
Sheldon M. Ross Statistik für Ingenieure und Naturwissenschaftler 3. Auflage Aus dem Amerikanischen übersetzt von Carsten Heinisch ELSEVIER SPEKTRUM AKADEMISCHER VERLAG Spektrum Inhalt Vorwort zur dritten
MehrWiederholung Analysis
Wiederholung Analysis F( x) sei Stammfunktion zu f( x) f( x) dx = F( x) F ( x) = f( x) Bestimmtes Integral b a f ( x) dx = F( b) F( a) Uneigentliche Integrale x x x f() t 0 F( x) = f() t dt ist monoton
MehrSimulationsstudien für die Logistik Version 1.0
Simulationsstudien für die Logistik Version 1.0 1 W2MO Simulationsstudien mit Logivations und W2MO das professionelle Werkzeug für Logistik-Design, 3D- Simulation und die Optimierung sämtlicher Logistikprozesse
MehrZufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential
Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Zufallsvariable Erinnerung: Merkmal, Merkmalsausprägung Deskriptive Statistik:
Mehr6. Kontinuierliche Zufallsgrößen. Beispiel 1: Die Exponentialverteilungen Sei λ > 0. Setzen
6. Kontinuierliche Zufallsgrößen Definition: Eine Z. G. ξ ist absolut stetig mit (Wahrscheinlichkeits-) Dichte f : R R, wenn gilt: P ( a ξ < b ) = b a f(x) dx (a < b) allgem. Eigenschaften einer Dichte
MehrModelle für Daten mit kontinuierlichen Wertebereich Verteilungen mit (Wahrscheinlichkeits-)Dichte. Normalverteilung N (µ, σ 2 ) mit Dichte
Statistik II für Wirtschaftswissenschaftler Folie 6.1 Modelle für Daten mit kontinuierlichen Wertebereich Verteilungen mit (Wahrscheinlichkeits-)Dichte I) Werte in (, ), Parameter µ (, ), σ 2 > 0 Normalverteilung
MehrEinführung in die Simulation. Dr. Christoph Laroque Wintersemester 11/12. Dresden,
Fakultät Informatik, Institut für Angewandte Informatik, Professur Modellierung und Simulation Einführung in die Simulation Dr. Christoph Laroque Wintersemester 11/12 Dresden, 15.11.2011 15.11.2011 Einführung
MehrEine Zufallsvariable X sei stetig gleichverteilt im Intervall [0,5]. Die Wahrscheinlichkeit P(2< x <4) ist dann
4. Übung Themenkomplex: Zufallsvariablen und ihre Verteilung Aufgabe 1 Für eine stetige Zufallsvariable gilt: a) P (x = t) > 0 b) P (x 1) = F (1) c) P (x = 1) = 0 d) P (x 1) = 1 F(1) e) P (x 1) = 1 F(1)
MehrWAHRSCHEINLICHKEITSTHEORIE A N W E N D U N G Terminologie
Seite 1 von 27 WAHRSCHEINLICHKEITSTHEORIE A N W E N D U N G Terminologie Netzwerke, Systeme, Komponenten, Zuverlässigkeitsschaltbild Ein System S ist ein Netzwerk aus zusammengehörigen (verbundenen) Komponenten
MehrChi-Quadrat-Verteilung
Chi-Quadrat-Verteilung Wikipedia http://de.wikipedia.org/wiki/chi-quadrat-verteilung 1 von 7 6/18/2009 6:13 PM Chi-Quadrat-Verteilung aus Wikipedia, der freien Enzyklopädie Die Chi-Quadrat-Verteilung ist
Mehr4h. Zuverlässigkeit und Lebensdauer
4h 4h. Zuverlässigkeit und Um was geht es? Die DIN fordert unter Designlenkung eine Überprüfung, ob die geforderte der Produkte erfüllt wird. Dies geht nur mit Hilfe der Statistik, d.h. mit der Weibull-Verteilung.
Mehr05/2016. Mean Time between Failures (MTBF)
05/2016 Mean Time between Failures (MTBF) https://support.industry.siemens.com/cs/ww/de/view/16818490 Dieser Beitrag stammt aus dem Siemens Industry Online Support. Es gelten die dort genannten Nutzungsbedingungen
MehrW-Rechnung und Statistik für Ingenieure Übung 8
W-Rechnung und Statistik für Ingenieure Übung 8 Aufgabe 1 : Motivation Anhand von Daten soll eine Aussage über die voraussichtliche Verteilung zukünftiger Daten gemacht werden, z.b. die Wahrscheinlichkeit
MehrStatistik I für Betriebswirte Vorlesung 3
Statistik I für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 20. April 2017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 3 Version: 18.
Mehr1 Einleitung Grundlegende Forderungen... 5
Inhaltsverzeichnis 1 Einleitung... 1 1.1 Grundlegende Forderungen... 5 2 Grundlagen der Sicherheitstechnik in Rechnersystemen... 11 2.1 Risikodefinition und Risikoanalyse... 13 2.2 Risiko und Folgen der
MehrGetränkeabfüllanlagen - Einführung. Lehrstuhl für Lebensmittelverpackungstechnik
Getränkeabfüllanlagen - Einführung Lehrstuhl für Lebensmittelverpackungstechnik Dr.-Ing. Tobias Voigt 1 Inhalte der Vorlesung im SS 2011 Einführung Überblick über Getränkeabfüllanlagen Flaschenreinigungsmaschinen
MehrWahrscheinlichkeitsrechnung und Statistik
5. Vorlesung Verteilungsfunktion (VF) Definition 9 Die Verteilungsfunktion (VF) einer Zufallsgröße X ist F : R R definiert als F (x) := P({ω Ω : X (ω) x}) = P( X x ) für jedes x R. Satz 9 - Eigenschaften
MehrEinführung. Inhaltsverzeichnis. 1.1 Anliegen und Gegenstand der Zuverlässigkeitstechnik
Einführung 1 Inhaltsverzeichnis 1.1 Anliegen und Gegenstand der Zuverlässigkeitstechnik... 1 1.2 Schlussweisen der Mathematischen Statistik... 6 1.3 Typische Datenerfassungen, Wahrscheinlichkeitsmodelle
Mehr1. Was ist eine Wahrscheinlichkeit P(A)?
1. Was ist eine Wahrscheinlichkeit P(A)? Als Wahrscheinlichkeit verwenden wir ein Maß, welches die gleichen Eigenschaften wie die relative Häufigkeit h n () besitzt, aber nicht zufallsbehaftet ist. Jan
MehrStoffverteilungsplan Mathematik Leistungskurs. Lambacher Schweizer Stochastik ISBN Klassenarbeit
Lambacher Schweizer Q3.1 Grundlegende Begriffe der Grundlagen der Wahrscheinlichkeitstheorie: Beschreiben von Zufallsexperimenten (Laplace-Experimente) unter Verwendung der Begriffe Ergebnis, Ergebnismenge,
MehrDr. Jörg Tautrim Engineering
Zuverlässigkeit und (Z&I) Programm Seite Zuverlässigkeit und (Z&I) Grundlagen 1. SB Zuverlässigkeit und (Z&I) Grundlagen 2. Vertraulichkeitsklausel 3. Inhaltsübersicht 4. Strukturierung der Schulung Z&I-Grundlagen
MehrDiskrete Ereignis Simulation. Proseminar: Algorithmen der Verkehrssimulation Jörg Blank
Diskrete Ereignis Simulation Proseminar: Algorithmen der Verkehrssimulation Jörg Blank Definitionen zeitdiskrete Simulation System: Auschnitt der Realität Ereignis: Zustandsänderungen in Systemen Simulation:
MehrDer energetische Fingerabdruck von Gebäuden. Ein Versuch zur Kategorisierung der Performance.
Der energetische Fingerabdruck von Gebäuden. Ein Versuch zur Kategorisierung der Performance. Zentrum für Integrale Gebäudetechnik Prof. Dr. Axel Seerig 11. ZIG-Planerseminar, Horw, 25. März 2015 Stellen
MehrWahrscheinlichkeitstheorie und Stochastische Prozesse Übungsblatt 2
http://www.stat.tugraz.at/courses/exam/hw_205.pdf 1 Wahrscheinlichkeitstheorie und Stochastische Prozesse Übungsblatt 2 22. 11. 2005 Familienname Vorname Matrikelnummer Familienname Vorname Matrikelnummer
MehrStetige Verteilungen Rechteckverteilung
Stetige Verteilungen Rechteckverteilung Die Längenabweichungen X produzierter Werkstücke von der Norm seien gleichmäßig verteilt zwischen a = mm und b = 4mm. Die Dichtefunktion lautet also f(x) = für a
MehrQualifikationsphase (Q2) Leistungskurs
Qualifikationsphase (Q2) Leistungskurs Unterrichtsvorhaben I Thema: Von stochastischen Modellen, Zufallsgrößen, Wahrscheinlichkeitsverteilungen und ihren Kenngrößen (Q2-GK-S1) Inhaltlicher Schwerpunkt:
Mehri =1 i =2 i =3 x i y i 4 0 1
Aufgabe (5+5=0 Punkte) (a) Bei einem Minigolfturnier traten 6 Spieler gegeneinander an. Die Anzahlen der von ihnen über das gesamte Turnier hinweg benötigten Schläge betrugen x = 24, x 2 = 27, x = 2, x
MehrZuverlässigkeitstheorie
3. Grundbegriffe der Wahrscheinlichkeitsrechnung Prof. Jochen Seitz Fachgebiet Kommunikationsnetze 20. November 2008 Übersicht Gesetz der großen Zahlen von Bernoulli 1 Gesetz der großen Zahlen von Bernoulli
Mehr7.7 Spezielle diskrete Wahrscheinlichkeitsverteilungen
7.7 Spezielle diskrete Wahrscheinlichkeitsverteilungen 7.7.1 Die Laplace-Verteilung Sei X eine gleich verteilte Zufallsvariable mit den Werten in der Menge Ω X = {x i R : i = 1,...,n}, d.h. f (x i = 1
Mehr1 Grundprinzipien statistischer Schlußweisen
Grundprinzipien statistischer Schlußweisen - - Grundprinzipien statistischer Schlußweisen Für die Analyse zufallsbehafteter Eingabegrößen und Leistungsparameter in diskreten Systemen durch Computersimulation
Mehr17. Oktober 2006 (überarbeitete Version)
Universität Mannheim Lehrstuhl für Praktische Informatik Prof. Dr. Felix C. Freiling Dipl.-Inform. Martin Mink Dipl.-Inform. Thorsten Holz Vorlesung Angewandte IT-Sicherheit Herbstsemester 2006 Übung 2
MehrQualifikationsphase (Q2) Grundkurs
Qualifikationsphase (Q2) Grundkurs Unterrichtsvorhaben I Thema: Von stochastischen Modellen, Zufallsgrößen, Wahrscheinlichkeitsverteilungen und ihren Kenngrößen (Q2-GK-S1) Inhaltlicher Schwerpunkt: Kenngrößen
Mehruntersuchen Lage- und Streumaße von Stichproben
Qualifikationsphase Leistungskurs 1 QII 2.1.2 Konkretisierte Unterrichtsvorhaben auf der Basis des Lehrwerks Buch: Elemente der Mathematik, Qualifikationsphase NRW Leistungskurs, Braunschweig 2015, Westermann
Mehr8 Verteilungsfunktionen und Dichten
8 Verteilungsfunktionen und Dichten 8.1 Satz und Definition (Dichten) Eine Funktion f : R R heißt Dichtefunktion, kurz Dichte, wenn sie (Riemann-) integrierbar ist mit f(t) 0 für alle t R und Setzt man
MehrProjektieren von Getränkeabfüllanlagen. Lehrstuhl für Lebensmittelverpackungstechnik
Projektieren von Getränkeabfüllanlagen - Lehrstuhl für Lebensmittelverpackungstechnik Dr.-Ing. Tobias Voigt 1 Projektieren von Getränkeabfüllanlagen Planung und Auslegung Projektierung komplexer Linien
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Stetige und diskrete Wahrscheinlichkeitsverteilungen Lageparameter Streuungsparameter Diskrete und stetige Zufallsvariablen Eine Variable (oder Merkmal
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
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:
MehrStochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL)
Prof. Dr. P. Embrechts ETH Zürich Winter 2012 Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Schreiben Sie für Aufgabe 2-4 stets alle Zwischenschritte und -rechnungen sowie Begründungen auf. Aufgabe
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Lehrstuhl für Lebensmittelverpackungstechnik Stufenlose Regelung von Materialflusssystemen am Beispiel von Behältertransporteuren in Getränkeabfüllanlagen André Sorgatz Vollständiger
MehrStatistik für Bachelorund Masterstudenten
Walter Zucchini Andreas Schlegel Oleg Nenadic Stefan Sperlich Statistik für Bachelorund Masterstudenten Eine Einführung für Wirtschaftsund Sozialwissenschaftler 4y Springer 1 Der Zufall in unserer Welt
MehrExponentialverteilung
Exponentialverteilung Dauer von kontinuierlichen Vorgängen (Wartezeiten; Funktionszeiten technischer Geräte) Grenzübergang von der geometrischen Verteilung Pro Zeiteinheit sei die Eintrittswahrscheinlichkeit
MehrProduktionsprozesse in der Pharmazie
r r Produktionsprozesse in der Pharmazie Statistische Regelung und Analyse Werner Altenschmidt 1^ Heribert Häusler EDITIO CANTOR VERLAG AULENDORF Inhaltsverzeichnis Gleitwort 9 Vorwort 10 Einleitung 11
MehrTeil VIII. Zentraler Grenzwertsatz und Vertrauensintervalle. Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle. Lernziele. Typische Situation
Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle Patric Müller ETHZ Teil VIII Zentraler Grenzwertsatz und Vertrauensintervalle WBL 17/19, 29.05.2017 Wahrscheinlichkeit
MehrAnalyse, Modellierung und Simulation der visuell-räumlichen Kognition bei der Mensch-Maschine-Interaktion
Schriftenreihe Rationalisierung und Humanisierung Band 82 Carsten Winkelholz Analyse, Modellierung und Simulation der visuell-räumlichen Kognition bei der Mensch-Maschine-Interaktion D 82 (Diss.RWTH Aachen)
MehrMathematische und statistische Methoden II
Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike persike@uni-mainz.de
MehrAnliegen: Beschreibung von Versuchsergebnissen mit Zahlen, um mit Zahlen bzw. bekannten Funktionen rechnen zu können.
2 Zufallsvariable 2.1 Einführung Anliegen: Beschreibung von Versuchsergebnissen mit Zahlen, um mit Zahlen bzw. bekannten Funktionen rechnen zu können. Eine Zufallsvariable X ordnet jedem elementaren Versuchsausgang
MehrBem. 6 Die charakterische Funktion existiert.
4.4 Charakteristische Funktionen Def. 2.14 Sei X Zufallsvariable mit Verteilungsfunktion F X und Dichte f X (falls X stetig) oder Wkt.funktion p i (falls X diskret). Die Funktion φ X (t) := Ee itx = eitx
MehrMakrem Kadachi. Kriterien für eine simulationskonforme Abbildung von Materialflusssystemen. Herbert Utz Verlag München
Makrem Kadachi Kriterien für eine simulationskonforme Abbildung von Materialflusssystemen Herbert Utz Verlag München Zugl.: München, Techn. Univ., Diss., 2003 Bibliografische Information Der Deutschen
MehrStatistics, Data Analysis, and Simulation SS 2017
Statistics, Data Analysis, and Simulation SS 2017 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Mainz, May 29, 2017 Dr. Michael O. Distler
Mehrj K j d j m j h j f j
Für eine stetige Zufallsvariable X in einem Intervall [ a ; b ] kann X jeden beliebigen Wert annehmen. Die Wahrscheinlichkeiten werden in diesem Fall nicht mehr wie bei einer diskreten Zufallsvariable
MehrGrundlegende Eigenschaften von Punktschätzern
Grundlegende Eigenschaften von Punktschätzern Worum geht es in diesem Modul? Schätzer als Zufallsvariablen Vorbereitung einer Simulation Verteilung von P-Dach Empirische Lage- und Streuungsparameter zur
Mehr10 Statistisches Schätzen
10 Statistisches Schätzen 620 10 Statistisches Schätzen 10.1 Punktschätzung 623 10.1.1 Schätzer und ihre Gütekriterien 623 10.1.2 Erwartungstreue 627 10.1.3 Erwartete quadratische Abweichung (MSE) 634
MehrVorbetrachtungen zum Mobilfunkkanal
Vorbetrachtungen zum Mobilfunkkanal Übungsaufgabe 3 Walter Tiessen(10039111) Studiengang: Master-Elektrotechnik Modul: Modellierung und Simulation1 Eingereicht bei: Prof. Dr. rer. nat. Henrik Schulze Datum:
MehrElementare Wahrscheinlichkeitsrechnung
Johann Pfanzagl Elementare Wahrscheinlichkeitsrechnung 2., überarbeitete und erweiterte Auflage W DE G Walter de Gruyter Berlin New York 1991 Inhaltsverzeichnis 1. Zufallsexperimente und Wahrscheinlichkeit
MehrStochastische Petrinetze
Stochastische Petrinetze Proseminar WS06 The Virtual Laboratory Nils Müller Stochastische Petrinetze 1. Begriffsdefinition 1.1. Wdh. Stochastik 1.2. Wdh. Petrinetze 2. zeiterweiterte Petrinetze 2.1. Stochastische
MehrStochastik in den Ingenieu rwissenschaften
---_..,.'"--.---------- Christine Müller Liesa Denecke Stochastik in den Ingenieu rwissenschaften Eine Einführung mit R ~ Springer Vieweg 1 Fragestellungen........................................... Teil
MehrÜbungen zur Vorlesung Statistische Methoden Kapitel 1-2
TECHNISCHE UNIVERSITÄT DORTMUND Sommersemester 2011 FAKULTÄT STATISTIK Dr. M. Arnold Dipl.-Stat. R. Walter Übungen zur Vorlesung Statistische Methoden Kapitel 1-2 Aufgabe 1: Gegeben ist eine diskrete Zufallsvariable
MehrDer Mythos des Mittelwertes
Der Mythos des Mittelwertes Neue Methodenlehre der Statistik Von o. Universitätsprofessor Dr. Friedrich Sixtl 2., überarbeitete und erweiterte Auflage R. Oldenbourg Verlag München Wien Inhaltsübersicht
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 8. Dezember 2010 Teil V Schließende Statistik 1 Parameterschätzung Erwartungstreue und Konsistenz Maximum-Likelihood
Mehr1. Übung Zuverlässigkeit
Grundlagen der Automatisierungstechnik (Automatisierungstechnik ). Übung Zuverlässigkeit Übersicht Lehrstuhl für Automatisierungstechnik und Energiesysteme Prof. Dr.-Ing. Georg Frey, M.Sc. Universität
MehrEinsatz von Simulationswerkzeugen beim Entwurf feinwerktechnischer Systeme. Beispiele aus der Forschung am IFTE
Fakultät Elektrotechnik, Institut für Feinwerktechnik und Elektronik-Design Einsatz von Simulationswerkzeugen beim Entwurf feinwerktechnischer Systeme Beispiele aus der Forschung am IFTE Dr.-Ing. J. Gaßmann
MehrPraktischer Einsatz von Materialflusssimulationen in Verkauf, Planung und Produktion
Praktischer Einsatz von Materialflusssimulationen in Verkauf, Planung und Produktion HÖRMANN-RAWEMA GmbH Aue 23-27 D-09112 Chemnitz Telefon: (0371) 6512 227 Telefax: (0371) 6512 347 E-Mail: bangsow@rawema.de
MehrZufallszahlen in Testbetten und Simulationen
Zufall Wofür brauchen wir Zufallszahlen? Zufall Wofür brauchen wir Zufallszahlen? Simulation von Dingen, die wir nicht genau beschreiben wollen Zufall Wofür brauchen wir Zufallszahlen? Simulation von Dingen,
Mehr2. Stochastische Prozesse.
SS 2006 Arbeitsblatt 2 / S. 1 von 7 2. Stochastische Prozesse. Warteschlangen treten als Erscheinungsformen von in der Zeit ablaufenden Prozessen auf, von denen wie oben erwähnt mindestens einer nicht
MehrStatistische Inferenz
Statistische Inferenz Prinzip der statistischen Inferenz Datensätze = Stichproben aus einer Gesamtpopulation (meistens) Beispiel : Messung der Körpertemperatur von 106 gesunden Individuen man vermutet,
MehrStatistische Grundlagen
Statistische Grundlagen 2 2.1 Motivation Dieses Kapitel gibt eine kurze Übersicht über die im weiteren Verlauf des Buches benötigten mathematischen und statistischen Grundlagen. Zu Beginn wird der Begriff
MehrFakultät Bauingenieurwesen, Institut Stadtbauwesen und Straßenbau, Lehrstuhl Stadtbauwesen
Fakultät Bauingenieurwesen, Institut Stadtbauwesen und Straßenbau, Lehrstuhl Stadtbauwesen Alterungsmodelle für Abwasserkanäle Typologie und Ansatz einer vergleichenden Untersuchung Prof. Dr.-Ing. R. Herz
Mehr7.2 Theoretische Kennwerte
7.2 Theoretische Kennwerte Theoretische Varianz und Standardabweichung Definition und Notation Verschiebungsformel für die theoretische Varianz 391 7.2 Theoretische Kennwerte Interpretation der theoretischen
MehrLineare Algebra, Optimierung, Wahrscheinlichkeitsrechnung und Statistik
Siegfried Fuchs Monika Lutz Lineare Algebra, Optimierung, Wahrscheinlichkeitsrechnung und Statistik VERLAG HARRI DEUTSCH Inhaltsverzeichnis I Lineare Algebra 1 1 Determinanten 1 1.1 Einführendes Beispiel
MehrNaturgefahrenmodelle. Geophysikalische Simulationsmodelle. Mathematische Struktur eines geophysikalischen Modells
Naturgefahrenmodelle Die weitaus größten Risiken in der Schadenversicherung gehen weltweit auf regelmäßig wiederkehrende Naturkatastrophen wie Stürme, Überschwemmungen oder Erdbeben zurück. Erstversicherungsunternehmen
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
MehrTaschenbuch der Zuverlässigkeits- und Sicherheitstechnik
Taschenbuch der Zuverlässigkeits- und Sicherheitstechnik Quantitative Bewertungsverfahren Bearbeitet von Arno Meyna, Bernhard Pauli 1. Auflage 2002. Taschenbuch. XX, 484 S. Paperback ISBN 978 3 446 21594
Mehr4. Übungsserie: Stetige Zufallsgrößen 8 < ax 2 =100 0 < x < sonst
Stochastik f ur ET SS Juliane.Schuetze@fh-jena.de 4. Übungsserie: Stetige Zufallsgrößen a =. Es sei f() = a( 3) =4 3 : sonst a) Bestimmen Sie a so, dass f eine Verteilungsdichte ist. b) Bestimmen Sie die
MehrWahrscheinlichkeitstheorie und Stochastische Prozesse
Wahrscheinlichkeitstheorie und Stochastische Prozesse Univ.-Prof. DI Dr. Ernst Stadlober Institut für Statistik Steyrergasse 17/IV Technische Universität Graz stadlober@stat.tu-graz.ac.at www.cis.tugraz.at/stat/stadl/
Mehr7.5 Erwartungswert, Varianz
7.5 Erwartungswert, Varianz Def. 7.5.: a) X sei eine diskrete ZV, die bei unendl. vielen Werten x k folgende Zusatzbedingung erfüllt: x k p k
MehrNumerische Methoden und Algorithmen in der Physik
Numerische Methoden und Algorithmen in der Physik Hartmut Stadie, Christian Autermann 15.01.2009 Numerische Methoden und Algorithmen in der Physik Christian Autermann 1/ 47 Methode der kleinsten Quadrate
MehrLeistungsverfügbarkeit als neue Kenngröße zur Abnahme von Maschinen und Anlagen
Leistungsverfügbarkeit als neue Kenngröße zur Abnahme von Maschinen und Anlagen Erste Ergebnisse des VDI-FML-Fachbereichs A3 Gliederung 2 Der Fachbereich A3: Zuverlässigkeit in der Intralogistik Verfügbarkeit
Mehr