Zentraler Grenzwertsatz für i.i.d. Zufallsvariablen mit endlicher Varianz

Größe: px
Ab Seite anzeigen:

Download "Zentraler Grenzwertsatz für i.i.d. Zufallsvariablen mit endlicher Varianz"

Transkript

1 Zetraer Grezwertsatz für i.i.d. Zufasvariabe mit edicher Variaz Es sei X ) N eie Foge vo i.i.d. Zufasvariabe auf Ω, A, ) mit edicher, positiver Variaz: 0 < Var X ) <. Es sei S = X k, ) Z = S [S ] σ S ) = S [S ] σ S ). ) Weiter sei Z eie stadardormaverteite Zufasvariabe. Da git für ae Itervae I R geichgütig, ob beschräkt oder ubeschräkt, offe, abgeschosse oder haboffe): [Z I] [Z I] = e z / dz. 3) π Bemerkuge. Das gibt eie Rechtfertigug für das häufige Auftrete der Normaverteiug für zufäige Schwakuge, we diese sich as eie Summe vo sehr viee uabhägige geichartige Beiträge ergebe. Es geteoch agemeiere Variate des Zetrae Grezwertsatzes, bei dee ma auf die idetische Verteiug aer X k verzichte ka, soage die eizee Summade ur weig zur gesamte Summe beitrage. Sebst die Uabhägigkeitsvoraussetzug ka ma etwas abschwäche. Soche Variate werde i höhere Stochastikvoresuge präzise formuiert ud bewiese. Wir führe de Zetrae Grezwertsatz auf die fogede Variate zurück: Satz 0. Es sei f : R R dreima stetig differezierbar ud beschräkt mit beschräkte Abeituge bis zur 3. Stufe Notatio dafür: f Cb 3 R).) Da git mit de Bezeichuge ud Voraussetzuge vo obe: [fz )] [fz)]. Beweis: Ohe Beschräkug der Agemeiheit gete [X ] = 0 ud Var X ) = ; sost ersetze wir die Zufasvariabe X durch ihre stadardisierte Versioe X = X [X ]. σ X ) I

2 Weiter existiere ohe Beschräkug der Agemeiheit auf dem geiche Wahrscheiichkeitsraum Ω, A, ) eie i.i.d. Foge ) N stadardormaverteiter Zufasvariabe, uabhägig vo der Foge X ) N. Weötig ersetze wir hierzu die Foge X ) N durch eie adere i.i.d. Foge mit der geiche Verteiug auf eiem adere Wahrscheiichkeitsraum, z.b. eiem roduktraum.) Da git: Weiter ist Z = X k. stadardormaverteit, de aus der Fatugseigeschaft der Normaverteiug fogt:,..., sid i.i.d. stadardormaverteit ist ormaverteit mit Erwartug 0 ud Variaz ist stadardormaverteit. 4) Wir müsse aso zeige: [f )] X k [f )] 0. 5) Hierzu zerege wir diese Differez i eie Teeskopsumme, idem wir sukzessive eie Summade X k ach dem adere durch das etsprechede ormaverteite austausche. Für de -te Austauschschritt, =,...,, bezeiche T, := + k=+ die Summe derjeige Summade, die gerade icht ausgetauscht werde. Es git aso T, + X = + T, + = + X k X k, k= k=+ X k 6)

3 ud wir erhate [f = = ) X k f )] [ ft, + X ) ft, + ) ] 7) Wir etwicke f ach Tayor mit zwei verschiedee Darsteuge des Restgieds: Für ae t, x R existiere θ, θ 3 [0, ] mit aso ft + x) = ft) + xf t) + x f t) + x3 6 f t + θ 3 x), 8) ft + x) = ft) + xf t) + x f t) + x f t + θ x) f t)), 9) ft + x) = ft) + xf t) + x f t) + rt, x) 0) mit eiem Restterm rt, x), der { } rt, x) mi x sup f t), x 3 t R 6 sup f t) c f mi{x, x 3 } ) t R erfüt, wobei { c f := max sup t R f t), } 6 sup f t). ) t R Es fogt für die Bestadteie des -te Summade i der Zeregug 7): [f T, + X )] X = [ft, )] + f T, ) + [ X E f T, ) + r T,, X )] 3) ud ebeso [f T, + )] = [ft, )] + f T, ) + [ )] f T, ) + r T,,. 4) 3

4 Bide wir die Differez: [f T, + X ) f T, + )] X = f T, ) f T, ) + + [r T,, X )] [r T,, X f T, ) E f T, ) )]. 5) Nu ist T, bezügich σ,...,, X +,..., X ) meßbar ud fogich uabhägig vo X ud. Wir schieße: X f T, ) = [X ] [f T, )] = 0 6) wege [X ] = 0 ud X E f T, ) wege [X ] =. Aaog für : f T, ) wege [ ] = 0 ud E f T, ) = [X ] [f T, )] = [f T, )] 7) = [ ] [f T, )] = 0 8) = [ ] [f T, )] = [f T, )] 9) wege [ ] =. I 5) eigesetzt beibe auf der rechte Seite ur die Restterme übrig, ud wir erhate [ f T, + X ) f T, + )] [ = r T,, X )] [r T,, [ r T,, X ) ] [ + r T,, { X c f [mi c [ f mi )] ) ] ) }] {, X 3 ) + c f [mi }], 3 {X, X }] 3 + c [ { f mi, }] 3 0) 4

5 wobei wir die Restgiedabschätzug ) verwedet habe ud im etzte Schritt die Zufasvariabe X bzw. durch X bzw., die jeweis die geiche Verteiug habe, ersetzt habe. Eigesetzt i die Teeskopsumme 7) habe wir für ae Summade die geiche Abschätzug: [ f = ) X k f )] [ ft, + X ) ft, + )] [ E cf mi {X, X }] { 3 + [mi }{{ }, }]) 3 0, ) =c f de es git für ae X L Ω, A, ) ud damit auch für X = X ud X = ): }] [mi {X, X 3 [0] = 0. ) Die etzte Aussage ) fogt aus dem Satz vo der domiierte Kovergez. Seie Voraussetzuge sid hier erfüt: Eierseits git puktweise Kovergez: } ω Ω : mi {Xω), Xω) 3 0 Adererseits habe wir die itegrierbare Majorate } 0 mi {X, X 3 X L Ω, A, ). Die Abschätzug ) zeigt geau die Behauptug des Satzes. Ei ukt a R heißt Stetigkeitspukt eier Fuktio F : R R, we F stetig a der Stee a ist. Der Zetrae Grezwertsatz fogt u aus der Impikatio ) 3) im fogede Satz: Satz 0. Es sei Z ) N eie Foge vo reewertige Zufasvariabe ud Z eie weitere reewertige Zufasvariabe. Z besitze die Verteiugsfuktio F. Da sid äquivaet: ) Für jede beschräkte stetige Fuktio f : R R git [fz )] [fz)]. 3) ) Für jedes f C 3 b R) git [fz )] [fz)]. 4) 3) Für jedes Iterva I = [a, b], ]a, b], [a, b[ oder ]a, b[ mit a, b R {± }, so dass a ud b Stetigkeitspukte vo F oder ± sid, git: [Z I] [Z I] 5) 5

6 Bemerkug. Ist Z stadardormaverteit, so ist F stetig. I diesem Fa iefert die Eischräkug i 3) auf Stetigkeitspukte vo F keie Bedigug. Sprechweise: Fas die äquivaete Bediguge ) 3) des Satzes gete, sagt ma: Z kovergiert i Verteiug gege Z oder auch Z kovergiert schwach gege Z. Wir beweise hier ur die Impikatio ) 3) des Satzes, die wir im Beweis des Zetrae Grezwertsatzes brauche: Beweis zu ) 3): Nach der Stetigkeitsvoraussetzug vo F a de Greze a, b des Itervas I gibt es ei offees Iterva I [a, b] R ud ei abgeschossees Iterva I ]a, b[ mit [Z I ] [Z I] < ɛ ud [Z I] [Z I ] < ɛ. 6) Wir wähe f, f : R [0, ] mit f, f Cb 3 R) ud I f I f I Soche f ud f existiere. Da git aufgrug der Voraussetzug ): [Z I] [f Z )] [f Z)] [Z I ] [Z I] + ɛ, 7) [Z I] [f Z )] [f Z)] [Z I ] [Z I] ɛ. 8) Wei ɛ > 0 beiebig war, fogt die Behauptug 3): [Z I] [Z I]. 9) Ma ka f ud f sogar uedich oft differezierbar wähe, we ma wi. Hierzu eie Iustratio im Beispie I = [a, [ mit a R, I =]a δ, [, I = [a + δ, [: Setze wir { exp g : R R, gx) = x x für 0 < x < 0 für x R\]0, [ so ist g beiebig oft differezierbar, aso auch ihre Stammfuktio h : R R, hx) = x gt) dt. Normiere wir och h mittes h := h/ im t ht), so git: h C R), 0 h, h x) = 0 für x 0 ud h x) = für x. Da eiste das Gewüschte. f x) = hx a δ)/δ), f x) = hx a)/δ) 6

Gaußsches Integral und Stirling-Formel

Gaußsches Integral und Stirling-Formel Gaußsches Itegral ud Stirlig-Formel Lemma. Gaußsches Itegral Es gilt für alle a > : e ax dx π a Beweis: Wir reche: e dx ax e ax dx e ay dy e ax e ay dx dy mit dem Satz vo Fubii e ax +y dx dy. Nu verwede

Mehr

C. Eicher Analysis Study Center ETH Zürich HS Summen. k=1

C. Eicher Analysis Study Center ETH Zürich HS Summen. k=1 C Eicher Aaysis Study Ceter ETH Zürich HS 015 Summe Die Summe vo mehrere Zahe a 1, a,, a a mit Hife des Summezeiches geschriebe werde a 1 + a + + a a Hier heisst Laufvariabe oder Summatiosidex ud 1 bzw

Mehr

4 Konvergenz von Folgen

4 Konvergenz von Folgen 4 Kovergez vo Folge Defiitio 4.. Sei M eie Mege. Ist 0 Z ud für jedes Z mit 0 ei a M gegebe, so et ma die Abbildug { Z; 0 } M, a eie Folge i M. Abkürzed schreibt ma für eie solche Abbildug auch a ) 0 oder

Mehr

Kompaktheit und gleichgradige Stetigkeit. 1 Einführung in die Kompaktheit in C 0

Kompaktheit und gleichgradige Stetigkeit. 1 Einführung in die Kompaktheit in C 0 Kompaktheit ud gleichgradige Stetigkeit Vortrag zum Prosemiar zur Aalysis, 14.06.2010 Mao Wiescherma Matthias Klupsch Dieser Vortrag beschäftigt sich mit Kompaktheit vo Teilräume vom Raum der stetige Abbilduge

Mehr

Konvergenz von Fourier-Reihen

Konvergenz von Fourier-Reihen Kovergez vo Fourier-Reihe Ausarbeitug zum Semiar zur Fourieraalysis, 3..27 obias Reimes Diese Ausarbeitug beschäftigt sich mit der Kovergez vo Fourier-Reihe. Hierzu werde im erste Abschitt eiige Vorbemerkuge

Mehr

Empirische Verteilungsfunktion

Empirische Verteilungsfunktion KAPITEL 3 Empirische Verteilugsfuktio 3.1. Empirische Verteilugsfuktio Seie X 1,..., X uabhägige ud idetisch verteilte Zufallsvariable mit theoretischer Verteilugsfuktio F (t) = P[X i t]. Es sei (x 1,...,

Mehr

n gerade 0 n ungerade (c) x n = a 1 n, a R + (d) x 1 := 2, x n+1 = 2 + x n (e) x n = (f) x n = exp(exp(n)) (g) x n = sin(n)

n gerade 0 n ungerade (c) x n = a 1 n, a R + (d) x 1 := 2, x n+1 = 2 + x n (e) x n = (f) x n = exp(exp(n)) (g) x n = sin(n) Übugsaufgabe Aalysis I Aufgabe. Beweise oder widerlege Sie: a Jede i R kovergete Folge ist beschräkt. b Es gibt Cauchy-Folge im R, die icht kovergiere. c Beschräkte Folge sid koverget. d Folge mit eiem

Mehr

4-1 Elementare Zahlentheorie

4-1 Elementare Zahlentheorie 4-1 Elemetare Zahletheorie 4. Dirichlet s Satz über Primzahle i arithmetische Progressioe. Satz (Dirichlet 1837). Seie a, k atürliche Zahle. Sid die Zahle a, k teilerfremd, so gibt es uedlich viele Primzahle

Mehr

KAPITEL 11. Ungleichungen. g(x) g(x 0 ) + K 0 (x x 0 ).

KAPITEL 11. Ungleichungen. g(x) g(x 0 ) + K 0 (x x 0 ). KAPITEL 11 Ugleichuge 111 Jese-Ugleichug Defiitio 1111 Eie Fuktio g : R R heißt kovex, we ma für jedes x R ei K = K (x ) R fide ka, so dass für alle x R gilt: g(x) g(x ) + K (x x ) Bemerkug 111 Eie Fuktio

Mehr

2 Konvergenz von Folgen

2 Konvergenz von Folgen Kovergez vo Folge. Eifache Eigeschafte Defiitio.. Eie Abbildug A : N C heißt Folge. Ma schreibt a statt A) für N ud a ) oder a ) statt A. We a R N, so heißt a ) reelle Folge. Defiitio.. Seie a ) eie Folge

Mehr

Klausur zu,,einführung in die Wahrscheinlichkeitstheorie. Musterlösungen

Klausur zu,,einführung in die Wahrscheinlichkeitstheorie. Musterlösungen Istitut für agewadte Mathematik Witersemester 9/ Adreas Eberle, Matthias Erbar, Berhard Hader. (Reelle Zufallsvariable) Klausur zu,,eiführug i die Wahrscheilichkeitstheorie Musterlösuge a) Die Verteilugsfuktio

Mehr

3. Übungsblatt zur Vorlesung Mathematik I für Informatik

3. Übungsblatt zur Vorlesung Mathematik I für Informatik Fachbereich Mathemati Prof. Dr. Thomas Streicher Dr. Sve Herrma Dip.-Math. Susae Pape. Übugsbatt zur Voresug Mathemati I für Iformati Witersemester 2009/2010 27./28. Otober 2009 Gruppeübug Aufgabe G1 (Biomiiaoeffiziete

Mehr

$Id: reihen.tex,v /06/14 13:59:06 hk Exp $

$Id: reihen.tex,v /06/14 13:59:06 hk Exp $ Mathematik für Iformatiker B, SS 202 Doerstag 4.6 $Id: reihe.tex,v.9 202/06/4 3:59:06 hk Exp $ 7 Reihe 7.4 Kovergezkriterie für Reihe 7.4. Alterierede Reihe Wir hatte gesehe das die harmoische Reihe divergiert,

Mehr

Übungen zur Analysis II SS 2006

Übungen zur Analysis II SS 2006 Mathematisches Istitut der Uiversität Heidelberg Prof. Dr. R. Weissauer/Dr. U. Weselma http://www.mathi.ui-heidelberg.de/ weselma.uebuge.html Übuge zur Aalysis II SS 26 Lösugshiweise Blatt 3 Aufgabe 8*

Mehr

Analysis I - Zweite Klausur

Analysis I - Zweite Klausur Aalysis I - Zweite Klausur Witersemester 2004-2005 Vorame: Name: Aufgabe Aufgabe 2 Aufgabe 3 Aufgabe 4 Aufgabe 5 Aufgabe 6 Aufgabe 7 Aufgabe 8 Aufgabe 9 Summe Aufgabe 4 Pukte Bestimme Sie (mit Beweis)

Mehr

Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 7. Übungsblatt

Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 7. Übungsblatt KARLSRUHER INSTITUT FÜR TECHNOLOGIE KIT Istitut für Aalysis Dr. A. Müller-Rettkowski Dr. T. Gauss WS 00/ Höhere Mathematik I für die Fachrichtuge Elektroigeieurwese, Physik ud Geodäsie Lösugsvorschläge

Mehr

Kapitel 6 Differenzierbarkeit

Kapitel 6 Differenzierbarkeit Kapitel 6 Differezierbarkeit Ihalt 6.1 6.1Die Defiitio 6.2 6.2Die Eigeschafte 6.3 6.3Extremwerte Seite 2 Was heißt differezierbar? Differezierbare Fuktioe sid sid glatte Fuktioe. Wir Wir beschreibe diese

Mehr

Aufgaben zur Analysis I

Aufgaben zur Analysis I Aufgabe zur Aalysis I Es werde folgede Theme behadelt:. Logik, Iduktio, Mege, Abbilduge 2. Supremum, Ifimum 3. Folge, Fuktioefolge 4. Reihe, Potezreihe 5. Mootoie ud Stetigkeit 6. Differetialrechug 7.

Mehr

Höhere Mathematik für die Fachrichtung Physik

Höhere Mathematik für die Fachrichtung Physik Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 05/06 04..05 Höhere Mathematik für die Fachrichtug Physik Lösugsvorschläge zum 6. Übugsblatt Aufgabe

Mehr

3. Taylorformel und Taylorreihen

3. Taylorformel und Taylorreihen Prof Dr Siegfried Echterhoff Aalysis Vorlesug SS 9 3 Taylorformel ud Taylorreihe Sei I R ei Itervall ud sei f : I R eie Fuktio Ziel: Wolle utersuche, wa sich die Fuktio f i eier Umgebug vo eiem Pukt I

Mehr

4.1 Dezimalzahlen und Intervallschachtelungen. a) Reelle Zahlen werden meist als Dezimalzahlen dargestellt, etwa

4.1 Dezimalzahlen und Intervallschachtelungen. a) Reelle Zahlen werden meist als Dezimalzahlen dargestellt, etwa 20 I. Zahle, Kovergez ud Stetigkeit 4 Kovergete Folge 4. Dezimalzahle ud Itervallschachteluge. a) Reelle Zahle werde meist als Dezimalzahle dargestellt, etwa 7,304 = 0+7 +3 0 +0 00 +4 000. Edliche Dezimalzahle

Mehr

von solchen Abbildungen. Eine solche Folge bestimmt für jedes x M die Folge der Werte f n. Schreibt man dies noch einmal formal hin, so erhält man:

von solchen Abbildungen. Eine solche Folge bestimmt für jedes x M die Folge der Werte f n. Schreibt man dies noch einmal formal hin, so erhält man: Gleichmäßige Kovergez Wir betrachte im Folgede Abbilduge f : M N, wobei M eie Mege ud N ei metrischer Raum ist. Isbesodere iteressiere ud Folge f vo solche Abbilduge. Eie solche Folge bestimmt für jedes

Mehr

Resultate: Vertauschbarkeit von Grenzprozessen, Konvergenzverhalten von Potenzreihen

Resultate: Vertauschbarkeit von Grenzprozessen, Konvergenzverhalten von Potenzreihen 26 Gleichmäßige Kovergez ud Potezreihe 129 26 Gleichmäßige Kovergez ud Potezreihe Lerziele: Kozepte: Puktweise ud gleichmäßige Kovergez Resultate: Vertauschbarkeit vo Grezprozesse, Kovergezverhalte vo

Mehr

Musterlösungen zur Klausur Analysis I Verständnisteil

Musterlösungen zur Klausur Analysis I Verständnisteil WS 2008/2009 Prof. Dr. Scheider Musterlösuge zur Klausur Aalysis I Verstädisteil 04.02.2009. a A ist ach Defiitio abzählbar, falls A edlich ist, oder falls carda = cardn gilt. b Ei Pukt x A ist ei ierer

Mehr

Tests statistischer Hypothesen

Tests statistischer Hypothesen KAPITEL 0 Tests statistischer Hypothese I der Statistik muss ma oft Hypothese teste, z.b. muss ma ahad eier Stichprobe etscheide, ob ei ubekater Parameter eie vorgegebee Wert aimmt. Zuerst betrachte wir

Mehr

Zahlenfolgen und Konvergenzkriterien

Zahlenfolgen und Konvergenzkriterien www.mathematik-etz.de Copyright, Page of 7 Zahlefolge ud Kovergezkriterie Defiitio: (Zahle-Folge, Grezwert) Eie Folge ist eie Abbildug der atürliche Zahle i die Mege A. Es ist also im Fall A: ; f: mit

Mehr

Analysis I Lösungsvorschläge zum 3. Übungsblatt Abgabe: Bis Donnerstag, den , um 11:30 Uhr

Analysis I Lösungsvorschläge zum 3. Übungsblatt Abgabe: Bis Donnerstag, den , um 11:30 Uhr Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Dipl.-Math. Lars Machiek Dipl.-Math. Sebastia Schwarz WS 206/207 03..206 Aalysis I Lösugsvorschläge zum 3. Übugsblatt Abgabe:

Mehr

Reihen. Konvergenz. Folgen besonderer Art sind unendliche Summen. a k = a 1 + a 2 +..

Reihen. Konvergenz. Folgen besonderer Art sind unendliche Summen. a k = a 1 + a 2 +.. 6 Reihe Folge besoderer Art sid uedliche Summe a k = a + a 2 +... reeller oder komplexer Zahle, dee wir bereits i eiige Beispiele des Abschitts 5.4 begeget sid. Da ma icht sämtliche Glieder eier Folge

Mehr

Analysis I für M, LaG/M, Ph 4.Übungsblatt

Analysis I für M, LaG/M, Ph 4.Übungsblatt Aalysis I für M, LaG/M, Ph 4.Übugsblatt Fachbereich Mathematik Sommersemester 200 Dr. Robert Haller-Ditelma 05.05.200 David Bücher Christia Bradeburg Gruppeübug Aufgabe G (Kovergez vo Folge) Beweise Sie:

Mehr

Zusammenfassung: Folgen und Konvergenz

Zusammenfassung: Folgen und Konvergenz LGÖ Ks VMa Schuljahr 6/7 Zusammefassug Folge ud Kovergez Ihaltsverzeichis Defiitioe ud Beispiele für Folge Beschräkte Folge Kovergez vo Folge Grezwertsätze für Folge 5 Für Experte 7 Defiitioe ud Beispiele

Mehr

Konvergenz von Folgen von Zufallsvariablen

Konvergenz von Folgen von Zufallsvariablen Kapitel 5 Kovergez vo Folge vo Zufallsvariable 5.1 Fa-sichere ud ochaische Kovergez Seie Ω, A, P ei W-Raum, X N eie Folge R k -wertiger Zufallsvariable auf Ω ud X eie R k -wertige Zufallsvariable auf Ω

Mehr

Übungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 11. c n (z a) n,

Übungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 11. c n (z a) n, f : a P UNIVERSIÄ DES SAARLANDES FACHRICHUNG 6. MAHEMAIK Prof. Dr. Rolad Speicher M.Sc. obias Mai Übuge zur Vorlesug Fuktioetheorie Sommersemester 202 Musterlösug zu Blatt Aufgabe. Zeige Sie durch Abwadlug

Mehr

38 Normen und Neumannsche Reihe

38 Normen und Neumannsche Reihe 168 V. Lieare Algebra 38 Norme ud Neumasche Reihe Wir erier zuächst a (vgl. 15.6) 38.1 Normierte Räume. Es sei E ei Vektorraum über K = R oder K = C. Eie Abbildug : E [0, ) heißt Norm auf E, falls gilt

Mehr

Analysis I für M, LaG/M, Ph 8.Übungsblatt

Analysis I für M, LaG/M, Ph 8.Übungsblatt Aalysis I für M, LaG/M, Ph 8Übugsblatt Fachbereich Mathematik Sommersemester 200 Dr Robert Haller-Ditelma 0206200 David Bücher Christia Bradeburg Gruppeübug Aufgabe G (Kovergezkriterie/Kovergezradie) (a)

Mehr

1 Lösungen zu Analysis 1/ 12.Übung

1 Lösungen zu Analysis 1/ 12.Übung Lösuge ausgewählter Beispiele zu Aalysis I, G. Bergauer, Seite Lösuge zu Aalysis / 2.Übug. Eileitug Gleichmäßige Kovergez ist eie starke Eigeschaft eier Fuktioefolge. Formuliert ma sie für Netze, statt

Mehr

Musterlösung zu Blatt 8 der Vorlesung Analysis I WS08/09

Musterlösung zu Blatt 8 der Vorlesung Analysis I WS08/09 Musterlösug zu Blatt 8 der Vorlesug Aalysis I WS08/09 Schriftliche Aufgabe Aufgabe. Voraussetzuge: Für alle N setze a : +2 ud b : ( 2. [Amerkug: I der Aufgabestellug heiÿe die Reihe beide gleich. Es steht

Mehr

Lösungen zur Nachklausur zur Analysis einer Variablen F. Merkl

Lösungen zur Nachklausur zur Analysis einer Variablen F. Merkl Lösuge zur Nachlausur zur Aalysis eier Variable F. Merl 3.4.7. Die folgede Teilaufgabe baue teilweise aufeiader auf. Sie dürfe die Ergebisse vorhergeheder Teilaufgabe auch da verwede, we Sie diese icht

Mehr

Seminarausarbeitung: Gegenbeispiele in der Wahrscheinlichkeitstheorie. Unterschiedliche Konvergenzarten von Folgen von Zufallsvariablen

Seminarausarbeitung: Gegenbeispiele in der Wahrscheinlichkeitstheorie. Unterschiedliche Konvergenzarten von Folgen von Zufallsvariablen Semiarausarbeitug: Gegebeispiele i der Wahrscheilichkeitstheorie - Uterschiedliche Kovergezarte vo Folge vo Zufallsvariable Volker Michael Eberle 4. März 203 Eileitug Die vorliegede Arbeit thematisiert

Mehr

n=1 b n, deren Summe n=1 (a n + b n ) eine konvergente Reihe ist. Die Aussage ist WAHR, ein mögliches Beispiel sind die divergenten Reihen 1

n=1 b n, deren Summe n=1 (a n + b n ) eine konvergente Reihe ist. Die Aussage ist WAHR, ein mögliches Beispiel sind die divergenten Reihen 1 ANALYSIS WS 08/09 Vorlesug: Prof. Dr. P. Ullrich Übuge: Dr. I. Kharif/ Dr. M. Steihauer 9. ÜBUNGSBLATT- LÖSUNGSHINWEISE/Ergebisse Die folgede Bearbeituge sid - zum Teil - keie ausführliche Musterlösuge,

Mehr

Lösungen zu Mathematik für Informatiker I Übungen Sommersemster 2007

Lösungen zu Mathematik für Informatiker I Übungen Sommersemster 2007 Lösuge zu Mathematik für Iformatiker I Übuge Sommersemster 2007 Aexader (Axe) Straschi Apri 2007 Diese Lösuge zu der Übug Mathematik für Iformatiker I, Sommersemester 2007, etsteht gerade im aufe meies

Mehr

3.2 Potenzreihen und komplexe Taylorentwicklung

3.2 Potenzreihen und komplexe Taylorentwicklung 40 Kapitel 3. Holomorphe Fuktioe 3.2 Potezreihe ud komplexe Tayloretwicklug Wede wir us u de Reiheetwickluge vo Fuktioe zu. 3.2. Defiitio Uter eier Potezreihe um de Pukt z 0 C versteht ma eie Reihe der

Mehr

Dirichlet-Reihen II. 1 Konvergenzeigenschaften von Dirichlet-Reihen

Dirichlet-Reihen II. 1 Konvergenzeigenschaften von Dirichlet-Reihen Vortrag zum Semiar zur Fuktioetheorie, 7.2.2007 Holger Witermayr I diesem Vortrag werde wir Kovergezeigeschafte vo Dirichlet-Reihe erarbeite ud eie Vergleich zu Potezreihe ziehe. Ei weiteres Ziel dieses

Mehr

Lösungsvorschlag zu den Hausaufgaben der 1. Übung

Lösungsvorschlag zu den Hausaufgaben der 1. Übung FAKULTÄT FÜR MATHEMATIK Prof. Dr. Patrizio Neff Christia Thiel 4.04.04 Lösugsvorschlag zu de Hausaufgabe der. Übug Aufgabe : (6 Pukte Bereche Sie für die Fuktio f : R R, f( : ep( a der Stelle 0 0 das Taylorpolyom

Mehr

Zusammenfassung: Folgen und Konvergenz

Zusammenfassung: Folgen und Konvergenz Zusammefassug Folge ud Kovergez Ihaltsverzeichis Defiitioe ud Beispiele für Folge Beschräkte Folge Kovergez vo Folge Grezwertsätze für Folge 6 Für Experte 8 Defiitioe ud Beispiele für Folge Defiitio Eie

Mehr

Mathematik für die Physik II, Sommersemester 2018 Lösungen zu Serie 6

Mathematik für die Physik II, Sommersemester 2018 Lösungen zu Serie 6 Mthemtik für die Physik II, Sommersemester 2018 Lösuge zu Serie 6 26 Utersuche die folgede Fuktioefolge uf puktweise beziehugsweise gleichmäßige Kovergez, d.h. bestimme jeweils ob diese vorliegt ud gebe

Mehr

KAPITEL 8. Zahlenreihen. 8.1 Geometrische Reihe Konvergenzkriterien Absolut konvergente Reihen

KAPITEL 8. Zahlenreihen. 8.1 Geometrische Reihe Konvergenzkriterien Absolut konvergente Reihen KAPITEL 8 Zahlereihe 8. Geometrische Reihe................................. 53 8.2 Kovergezkriterie................................. 54 8.3 Absolut kovergete Reihe............................ 64 Lerziele

Mehr

Konvergenz von Folgen reeller Zufallsvariablen

Konvergenz von Folgen reeller Zufallsvariablen Kapitel 4 Kovergez vo Folge reeller Zufallsvariable 4. Fa-sichere ud ochaische Kovergez Seie (Ω, C, ) ei W-Raum, X ( N) eie Folge reeller Zufallsvariable auf Ω ud X eie reelle Zufallsvariable auf Ω. Defiitio

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN Prof. Dr. R. Köig Dr. M. Prähofer Zetralübug TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathematik Z8.. Kriterie für strege Mootoie Mathematik für Physiker 2 (Aalysis ) MA9202 Witersem. 207/8 Lösugsblatt 8

Mehr

n (n + 1) = 1(1 + 1)(1 + 2) 3 Induktionsschritt: Angenommen die Gleichung gilt für n N. Dann folgt: 1 2 = 2 =

n (n + 1) = 1(1 + 1)(1 + 2) 3 Induktionsschritt: Angenommen die Gleichung gilt für n N. Dann folgt: 1 2 = 2 = Aufgabe 1: (6 Pukte) Zeige Sie für alle N die Formel: 1 2 + 2 3 + 3 4 +... + ( + 1) = ( + 1)( + 2). 3 Lösug: Beweis durch vollstädige Iduktio. Iduktiosafag: Für = 1 gilt: 1 2 = 2 = 1(1 + 1)(1 + 2) 3 Iduktiosschritt:

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Iformatiker II (Sommersemester 004) Aufgabe 7. Ubeschräktes

Mehr

Höhere Mathematik für die Fachrichtung Physik

Höhere Mathematik für die Fachrichtung Physik Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Dipl.-Math. Sebastia Schwarz WS 04/05 0..04 Höhere Mathematik für die Fachrichtug Physik Lösugsvorschläge zum 4. Übugsblatt

Mehr

und da die Fouriertransformation bijektiv auf S (R n ) folgt das Resultat.

und da die Fouriertransformation bijektiv auf S (R n ) folgt das Resultat. Lösug 1. a) Da A symmetrisch positiv defiit ist auch A 1 symmetrisch positiv defiit ud mit Kapitel. folgt Φ A (k) e 1 xt Ax. Mit dem Faltugssatz ist Φ A Φ B (k) Φ A (k) Φ B (k) Φ A+B (k) ud da die Fouriertrasformatio

Mehr

Nennenswertes zur Stetigkeit

Nennenswertes zur Stetigkeit Neeswertes zur Stetigkeit.) Puktweise Stetigkeit: Vo Floria Modler Defiitio der pukteweise Stetigkeit: Eie Fuktio f : D R ist geau da i x D stetig, we gilt: ε > δ >, so dass f ( x) f ( x ) < ε x D mit

Mehr

6 Folgen. 6.4 Folgen reeller Zahlen. Mathematik für Informatiker B, SS 2012 Dienstag 5.6. $Id: folgen.tex,v /06/05 11:12:18 hk Exp $

6 Folgen. 6.4 Folgen reeller Zahlen. Mathematik für Informatiker B, SS 2012 Dienstag 5.6. $Id: folgen.tex,v /06/05 11:12:18 hk Exp $ Mathematik für Iformatiker B, SS 0 Diestag 5.6 $Id: folge.tex,v. 0/06/05 ::8 hk Exp $ 6 Folge 6.4 Folge reeller Zahle I der letzte Sitzug habe wir de Begriff des Grezwerts eier Folge i eiem metrische Raum

Mehr

Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 12. Übungsblatt

Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 12. Übungsblatt UNIVERSITÄT KARLSRUHE Istitut für Aalysis HDoz. Dr. P. C. Kustma Dipl.-Math. M. Uhl WS 8/9 Höhere Mathematik I für die Fachrichtuge Elektroigeieurwese, Physik ud Geodäsie Lösugsvorschläge zum. Übugsblatt

Mehr

Index. Majorante, 24 Minorante, 23. Partialsumme, 17

Index. Majorante, 24 Minorante, 23. Partialsumme, 17 Folge, Reihe Idex Kovergezkriterie Hauptkriterium, Leibiz-Kriterium, Majoratekriterium, 4 Mioratekriterium, otwediges Kriterium, 0 Quotietekriterium, teleskopierede Summe, Wurzelkriterium, Majorate, 4

Mehr

74 3. GRENZWERTSÄTZE. k=1 IIE[X k] = µ, und, wegen der Unkorreliertheit,

74 3. GRENZWERTSÄTZE. k=1 IIE[X k] = µ, und, wegen der Unkorreliertheit, 74 3. GRENZWERTSÄTZE 3. Grezwertsätze Sei u {X 1, X 2,...} eie Folge vo Zufallsvariable auf eiem Wahrscheilichkeitsraum (Ω, F, IIP). Wir iteressiere us u für die Summe S = X 1 + + X, ud vor allem für die

Mehr

Analysis 1 für Informatiker und Statistiker Beispielslösungen, Woche 13

Analysis 1 für Informatiker und Statistiker Beispielslösungen, Woche 13 Mathematisches Istitut der LMU WS 016/17 Prof. Dr. S. Morozov Olie am: Dr. H. Hogreve 1. 01. 017 Aalysis 1 für Iformatiker ud Statistiker Beispielslösuge, Woche 1 1.1 (a Um festzustelle, ob die utestehede

Mehr

α : { n Z n l } n a n IR

α : { n Z n l } n a n IR 1 KAPITEL VI. ZAHLENFOLGEN UND REIHEN 1) REELLE ZAHLENFOLGEN: i) Jede Abbildug α : IN a IR heiÿt 'reelle Zahlefolge' bzw. 'Folge i IR'. Ma otiert diese i der Form α = a ) IN = a ) =0 = a 0, a 1, a 2,...)

Mehr

Es gibt verschiedene Möglichkeiten eine Folge zu definieren. Die zwei häufigsten Methoden

Es gibt verschiedene Möglichkeiten eine Folge zu definieren. Die zwei häufigsten Methoden Folge ud Reihe Folge Eie Folge ist eie Abbildug der atürliche Zahle N = {0, 1,,...} i die Mege der (zumidest i de meiste Fälle) reelle Zahle R. I diesem Fall ka ma sich eie Folge als Pukte i eiem Koordiatesystem

Mehr

Thema 8 Konvergenz von Funktionen-Folgen und - Reihen

Thema 8 Konvergenz von Funktionen-Folgen und - Reihen Them 8 Kovergez vo Fuktioe-Folge ud - Reihe Defiitio Sei (f ) eie Folge vo Fuktioe vo D R i R. Wir sge, dß f puktweise gege eie Fuktio f kovergiert, flls gilt: f () f() für jedes D. Dies ist der türliche

Mehr

Übungen zur Analysis 1 für Informatiker und Statistiker. Lösung zu Blatt 8

Übungen zur Analysis 1 für Informatiker und Statistiker. Lösung zu Blatt 8 Mathematisches Istitut der Uiversität Müche Prof Dr Peter Otte WiSe 203/4 Lösug 8 032203 Übuge zur Aalysis für Iformatiker ud Statistiker Lösug zu Blatt 8 Aufgabe 8 [8 Pukte] (a) Für alle N sei = (+) Wir

Mehr

Diplomvorprüfung Stochastik

Diplomvorprüfung Stochastik Uiversität Karlsruhe TH Istitut für Stochastik Prof. Dr. N. Bäuerle Name: Vorame: Matr.-Nr.: Diplomvorprüfug Stochastik 10. Oktober 2006 Diese Klausur hat bestade, wer midestes 16 Pukte erreicht. Als Hilfsmittel

Mehr

Analysis I. 5. Übungsstunde. Steven Battilana. battilana.uk/teaching

Analysis I. 5. Übungsstunde. Steven Battilana. battilana.uk/teaching Aalysis I 5. Übugsstude Steve Battilaa steveb@studet.ethz.ch battilaa.uk/teachig March 9, 07 Erierug Satz. Quotietekriterium (bei!,,...) Das Quotietekriterium zeigt absolute Kovergez. lim a +

Mehr

Analysis I. Carsten Schütt WS 2010/11

Analysis I. Carsten Schütt WS 2010/11 . Falls Christa Purzelbäume schlägt, da isst Bruo Torte. Christa ist geau da übel, we Ato Likör trikt ud Christa Purzelbäume schlägt. Falls Christa übel ist, da ist Bruo besorgt ud isst Torte. Etweder

Mehr

Übungen zur Infinitesimalrechnung 2, H.-C. Im Hof 19. März Blatt 4. Abgabe: 26. März 2010, Nachmittag. e x2 dx + e x2 dx = 2 e x2 dx

Übungen zur Infinitesimalrechnung 2, H.-C. Im Hof 19. März Blatt 4. Abgabe: 26. März 2010, Nachmittag. e x2 dx + e x2 dx = 2 e x2 dx Übuge zur Ifiitesimalrechug, H.-C. Im Hof 9. März Blatt 4 Abgabe: 6. März, Nachmittag Aufgabe. Zeige e x dx π. Beweis. Wir bemerke als erstes, dass e x dx e x dx + e x dx e x dx formal sieht ma dies per

Mehr

4. Reihen Definitionen

4. Reihen Definitionen 4. Reihe 4.1. Defiitioe Addiere wir die Glieder eier reelle Zahlefolge (a k ), so heißt diese Summe S (uedliche) (Zahle-) Reihe S (Folge: Fuktio über N; Reihe: 1 Zahl): S := a 1 + a 2 + a 3 +... := Σ a

Mehr

1.1 Mengensysteme. Ω Grundmenge, 2 Ω Potenzmenge, A 2 Ω Mengensystem. Definition 1.1: a) A stabil ( stabil, \-stabil), wenn für A, B A auch A B A

1.1 Mengensysteme. Ω Grundmenge, 2 Ω Potenzmenge, A 2 Ω Mengensystem. Definition 1.1: a) A stabil ( stabil, \-stabil), wenn für A, B A auch A B A 1.1 Megesysteme Grudmege, 2 Potezmege, A 2 Megesystem Defiitio 1.1: a) A stabil ( stabil, \-stabil), we für A, B A auch A B A (A B A, A\B A). b) A heißt Halbrig, we i) A ii) A ist stabil iii) A, B A es

Mehr

Höhere Mathematik I für die Fachrichtung Physik

Höhere Mathematik I für die Fachrichtung Physik Karlsruher Istitut für Techologie Istitut für Aalysis Dr Christoph Schmoeger Dipl-Math Sebastia Schwarz WS 4/5 45 Höhere Mathematik I für die Fachrichtug Physik Lösugsvorschläge zur Übugsklausur Aufgabe

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN Prof. Dr. D. Castrigiao Dr. M. Prähofer Zetralübug TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathematik Mathematik 3 für Physik (Aalysis 2) http://www-hm.ma.tum.de/ss10/ph2/ 23. Charakterisierug vo Cauchy-Folge

Mehr

Metrisierbarkeit. Technische Universität Wien Seminararbeit aus Analysis WS 2014 Sinan Özcaliskan

Metrisierbarkeit. Technische Universität Wien Seminararbeit aus Analysis WS 2014 Sinan Özcaliskan Metrisierbarkeit Techische Uiversität Wie Semiararbeit aus Aalysis WS 04 Sia Özcaliska Ihaltsverzeichis Eileitug 3 Der Metrisierbarkeitssatz vo Alexadroff-Urysoh 3 3 Der Metrisierbarkeitssatz vo Nagata-Smirov

Mehr

Kreisabbildungen. S 1 f S 1. Beispiele: (1) f = id, F = id,

Kreisabbildungen. S 1 f S 1. Beispiele: (1) f = id, F = id, Kreisabbilduge Im Folgede sehe wir us eie gaz spezielle Klasse vo dyamische Systeme a: Abbilduge auf dem Kreis. Diese sid eifach geug, so dass wir sie och recht leicht aalysiere köe, habe aber adererseits

Mehr

KAPITEL 3. Zahlenreihen. 3.1 Geometrische Reihe Konvergenzkriterien Absolut konvergente Reihen... 80

KAPITEL 3. Zahlenreihen. 3.1 Geometrische Reihe Konvergenzkriterien Absolut konvergente Reihen... 80 KAPITEL 3 Zahlereihe 3. Geometrische Reihe......................... 7 3.2 Kovergezkriterie......................... 72 3.3 Absolut kovergete Reihe.................... 80 Lerziele 3 Eigeschafte der geometrische

Mehr

8. Übungsblatt Aufgaben mit Lösungen

8. Übungsblatt Aufgaben mit Lösungen 8. Übugsblatt Aufgabe mit Lösuge Aufgabe 36: Bestimme Sie alle z C, für die die folgede Potezreihe kovergiere: z z a, b! +, c z +. = = Lösug 36: Wir bezeiche de Kovergezradius mit r. a Wir wede das Quotietekriterium

Mehr

Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 5. Übungsblatt

Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 5. Übungsblatt KARLSRUHER INSTITUT FÜR TECHNOLOGIE KIT Istitut für Aalysis Dr A Müller-Rettkowski Dr T Gauss WS 00/ Höhere Mathematik I für die Fachrichtuge Elektroigeieurwese, Physik ud Geodäsie Lösugsvorschläge zum

Mehr

3 Folgen, Reihen, Grenzwerte 3.1 Zahlenfolgen. Beispiele: 1, 2, 3, 4, 5,. 1, 3, 5, 7, 9, 3, 6, 9, 12, 15, 2, 4, 8, 16, 32, 64, 10, 100, 1.000, 10.

3 Folgen, Reihen, Grenzwerte 3.1 Zahlenfolgen. Beispiele: 1, 2, 3, 4, 5,. 1, 3, 5, 7, 9, 3, 6, 9, 12, 15, 2, 4, 8, 16, 32, 64, 10, 100, 1.000, 10. 3 Folge, Reihe, Grezwerte 3.1 Zahlefolge Beispiele: 1, 2, 3, 4, 5,. 1, 3, 5, 7, 9, 3, 6, 9, 12, 15, 2, 4, 8, 16, 32, 64, 10, 100, 1.000, 10.000, 1 3 Folge, Reihe, Grezwerte 3.1 Zahlefolge Defiitio: Eie

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Iformatiker II (Sommersemester 004 Lösuge zu Aufgabeblatt 7

Mehr

Wahrscheinlichkeitstheorie Aufgabensammlung

Wahrscheinlichkeitstheorie Aufgabensammlung rof. Dr. Z. Kabluchko Sommersemester 2016 Herik Flasche 4. Juli 2016 Wahrscheilichkeitstheorie Aufgabesammlug Keie Abgabe 1 Grezwertsätze er Wahrscheilichkeitstheorie 1.1 Lemma vo Borel Catelli Lemma 1.1

Mehr

II Analysis Folgen Konvergenz von Folgen. a 2. a 4. a C " a " a 1. c D lim. R. Plato 27

II Analysis Folgen Konvergenz von Folgen. a 2. a 4. a C  a  a 1. c D lim. R. Plato 27 R. Plato 7 II Aalysis 4 Folge 4. Kovergez vo Folge Differeziatio ud Itegratio sid grudlegede mathematische Kozepte, dee ifiitesimale Prozesse zu Grude liege. Die geaue Beschreibug solcher Prozesse erfordert

Mehr

6 Grenzwerte von Zahlenfolgen

6 Grenzwerte von Zahlenfolgen 6 Grezwerte vo Zahlefolge Ei zetraler Begriff der Aalysis ist der des Grezwertes. Wir begie mit der Betrachtug vo Grezwerte vo Zahlefolge. 6. Zahlefolge 6.. Grudbegriffe Defiitio 6... Eie Fuktio f : Z

Mehr

( 1) n a n. a n 10. n=1 a n konvergiert, dann gilt lim a n = 0. ( 1) n+1

( 1) n a n. a n 10. n=1 a n konvergiert, dann gilt lim a n = 0. ( 1) n+1 Kapitel 8 Aufgabe Verstädisfrage Aufgabe 8. Ist es möglich, eie divergete Reihe der Form a zu kostruiere, wobei alle a > 0 sid ud a 0 gilt. Beispiel oder Gegebeweis agebe. Aufgabe 8. Gegebe ist eie Folge

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN Prof Dr R Köig Dr M Prähofer Zetralübug TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathematik Mathematik für Physiker (Aalysis ) MA90 Witersem 07/8 Lösugsblatt 4 http://www-m5matumde/allgemeies/ma90 07W (007)

Mehr

Höhere Mathematik I (Analysis) für die Fachrichtung Informatik

Höhere Mathematik I (Analysis) für die Fachrichtung Informatik Karlsruher Istitut für Techologie (KIT) Istitut für Aalysis Priv.-Doz. Dr. Gerd Herzog M. Sc. Adreas Hirsch WS 204/5 24.0.204 Höhere Mathematik I (Aalysis) für die Fachrichtug Iformatik Lösugsvorschlag

Mehr

KAPITEL 7. Zahlenfolgen. 7.1 Konvergente Zahlenfolgen Grenzwertbestimmung Grenzwertbestimmung durch Abschätzung...

KAPITEL 7. Zahlenfolgen. 7.1 Konvergente Zahlenfolgen Grenzwertbestimmung Grenzwertbestimmung durch Abschätzung... KAPITEL 7 Zahlefolge 7. Kovergete Zahlefolge.............................. 30 7.2 Grezwertbestimmug............................... 32 7.3 Grezwertbestimmug durch Abschätzug..................... 35 7.4

Mehr

4. Der Weierstraßsche Approximationssatz

4. Der Weierstraßsche Approximationssatz H.J. Oberle Approximatio WS 213/14 4. Der Weierstraßsche Approximatiossatz Wir gebe i diesem Abschitt eie ostrutive Beweis des Weierstraßsche Approximatiossatzes, der mit de so geate Berstei-Polyome (Felix

Mehr

Zenraler Grenzwertsatz

Zenraler Grenzwertsatz Zeraler Grezwertsatz Ato Klimovsky Zetraler Grezwertsatz. Kovergez i Verteilug. Normalapproximatio. I diesem Abschitt beschäftige wir us mit der folgede Frage. Frage: Wie sieht die Verteilug eier Summe

Mehr

Höhere Mathematik für die Fachrichtung Physik

Höhere Mathematik für die Fachrichtung Physik Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 05/06 7..05 Höhere Mathematik für die Fachrichtug Physik Lösugsvorschläge zum 5. Übugsblatt Aufgabe

Mehr

10 Aussagen mit Quantoren und

10 Aussagen mit Quantoren und 0 Aussage mit Quatore ud 0.6. Eisatz vo (bereits bekater) Eistezaussage Bisher hatte wir Eistezbeweise geführt, idem wir ei passedes Objekt agegebe habe ( Setze... ). Stattdesse ka ma auch auf bereits

Mehr

Lösungsvorschlag zur Klausur zur Analysis III

Lösungsvorschlag zur Klausur zur Analysis III Prof. Dr. H. Garcke, D. Deper WS 9/ NWF I - Mathematik 8..9 Uiversität Regesburg Lösugsvorschlag zur Klausur zur Aalysis III 6 Pukte pro Aufgabe) Aufgabe i) Bestimme Sie für die Fuktioefolge f :, 4) R,

Mehr

5.7. Aufgaben zu Folgen

5.7. Aufgaben zu Folgen 5.7. Aufgabe zu Folge Aufgabe : Lieares ud beschräktes Wachstum Aus eiem Quadrat mit der Seiteläge dm gehe auf die rechts agedeutete Weise eue Figure hervor. Die im -te Schritt agefügte Quadrate sid jeweils

Mehr

Analysis II Sommer 2016 Prof. Dr. George Marinescu / Dr. Frank Lapp Übung

Analysis II Sommer 2016 Prof. Dr. George Marinescu / Dr. Frank Lapp Übung Aalysis II Sommer 06 Prof Dr George Mariescu / Dr Frak Lapp Übug Zuallererst sollt ihr die zusätzliche Übug utze um Lösuge vo Aufgabe zu bespreche, zu dere Besprechug ihr i de Übuge davor icht gekomme

Mehr

Vorkurs Mathematik für Informatiker Folgen

Vorkurs Mathematik für Informatiker Folgen Vorkurs Mathematik für Iformatiker -- 9 Folge -- 6.1.215 1 Folge: Defiitio Eie (uedliche) Folge im herkömmliche Sie etsteht durch Hitereiaderschreibe vo Zahle 1,2,3,4,5, Dabei ist die Reihefolge wichtig,

Mehr

Musterlösung Vortragsübung Blatt 14 Vorwort. Variante der harmonischen Reihe.

Musterlösung Vortragsübung Blatt 14 Vorwort. Variante der harmonischen Reihe. Musterlösug Vortragsübug Blatt 4 Vorwort. Variate der harmoische Reihe. Folgede Aussage wird i der achfolgede Musterlösug ab ud a gebraucht ud öte sich für Sie auch außerhalb der HM durchaus als ützlich

Mehr

Fit in Mathe. April Klassenstufe 10 Wurzelfunktionen

Fit in Mathe. April Klassenstufe 10 Wurzelfunktionen Thema Fit i Mathe Musterlösuge 1 April Klassestufe 10 Wurzelfuktioe Uter der -te Wurzel eier icht-egative Zahl (i Zeiche: ) versteht ma die icht-egative Zahl, die mal mit sich selber multipliziert, die

Mehr

1. Zahlenfolgen und Reihen

1. Zahlenfolgen und Reihen . Zahlefolge ud Reihe We ma eie edliche Mege vo Zahle hat, ka ma diese i eier bestimmte Reihefolge durchummeriere: {a,a 2,...,a }. Ma spricht vo eier edliche Zahlefolge. Fügt ma immer mehr Zahle hizu,

Mehr

Lösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 4: Aufgaben zu den Kapiteln 7 und 8

Lösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 4: Aufgaben zu den Kapiteln 7 und 8 1 Lösuge ausgewählter Übugsaufgabe zum Buch Elemetare Stochastik (Spriger Spektrum, 2012) Teil 4: Aufgabe zu de Kapitel 7 ud 8 Aufgabe zu Kapitel 7 Zu Abschitt 7.1 Ü7.1.1 Ω sei höchstes abzählbar, ud X,

Mehr

3 2n = 1 6 (( 2)3 ) n. < 1 ist sie konvergent und hat den Wert = = 1 (n + 1)! 0! 1. und hat den Wert 1. (mit Reihenwert e), also ist auch

3 2n = 1 6 (( 2)3 ) n. < 1 ist sie konvergent und hat den Wert = = 1 (n + 1)! 0! 1. und hat den Wert 1. (mit Reihenwert e), also ist auch Karlsruher Istitut für Techologie KIT Istitut für Aalysis Priv.-Doz. Dr. P. C. Kustma Dr. D. Frey WS 20/2 Höhere Mathematik I für die Fachrichtug Physik Lösugsvorschläge zum 5. Übugsblatt Aufgabe 23 a

Mehr

Analysis I. Prof. Dr. H. Brenner Osnabrück WS 2014/2015. Vorlesung 20. Konvexe Funktionen

Analysis I. Prof. Dr. H. Brenner Osnabrück WS 2014/2015. Vorlesung 20. Konvexe Funktionen Prof. Dr. H. Breer Osabrück WS 2014/2015 Aalysis I Vorlesug 20 Kovexe Fuktioe Eie kovexe Teilmege. Eie ichtkovexe Teilmege. Defiitio 20.1. Eie Teilmege T R heißt kovex, we mit je zwei Pukte P, Q T auch

Mehr

Zusatzmaterial zur Mathematik I für E-Techniker Übung 4

Zusatzmaterial zur Mathematik I für E-Techniker Übung 4 Mathemati I für E-Techier C. Erdma WS 0/, Uiversität Rostoc, 4. Vorlesugswoche Zusatzmaterial zur Mathemati I für E-Techier Übug 4 Wiederholug - Theorie: Reihe Zu jeder Folge {a } b Die Reihe eier zugehörige

Mehr