Anhang 1: Lamellare Strukturen in Systemen mit Bolaamphiphilen

Größe: px
Ab Seite anzeigen:

Download "Anhang 1: Lamellare Strukturen in Systemen mit Bolaamphiphilen"

Transkript

1 Anhang 1: Lamellare Strukturen in Systemen mit Bolaamphiphilen Charakteristische Konfigurationen von Systemen aus segmentigen Bolaamphiphilen (10 Vol%) im Bereich stabiler Schichtphasen. Dunkle Punkte kennzeichnen die hydrophilen Kopfsegmente. Die Angabe rechts neben den Abbildungen A-N bezeichnet die reduzierte Temperatur T * (A) (E) 1.0 (F) (J) 1.05 (K) 0.95 (B) (G) (L) (C) (H) (M) (D) (I) (N) 107

2 Anhang 2: Nichtlamellare Strukturen in Systemen mit Bolaamphiphilen Charakteristische Konfigurationen von Systemen aus segmentigen Bolaamphiphilen (10 Vol%) im Bereich der nichtlamellaren Phasen. Dunkle Punkte kennzeichnen die hydrophilen Kopfsegmente. Die Angabe rechts neben den Abbildungen A-N bezeichnet die reduzierte Temperatur T * (A) 1.15 (E) 1.2 (F) 1.25 (J) 1.3 (K) 1.09 (B) (G) 1.35 (L) 1.1 (C) (H) 1.4 (M) (D) (I) 1.45 (N) 108

3 Anhang 3: Metastabilitätseffekte in Systemen mit Bolaamphiphilen (A) Links: Konfiguration (vgl. Anhang 1-N) bei T * =1.075 (nach 8x10 6 MCS) wird nach Erhitzen auf T * =1.09 weitere 8x10 6 MCS (Mitte) untersucht. Rechts sind zwei Schnitte bei unterschiedlichen Koordinaten durch die nicht zerstörte Schicht abgebildet. (B) Links: Konfiguration (vgl. Anhang 2-A) bei T * =1.08 (7x10 6 MCS) wird nach Abkühlen auf T * = weitere 8x10 6 MCS (Mitte) untersucht. Rechts: Querschnitt durch das entstandene Aggregat. (C) Links: Konfiguration (vgl. Anhang 2-A) bei T * =1.08 (7x10 6 MCS) wird nach Abkühlen auf T * =1.05 weitere 8x10 6 MCS (Mitte) untersucht. Rechts: Querschnitt durch das entstandene Aggregat. (D) Links: Konfiguration (vgl. Anhang 2-B) bei T * =1.09 (4x10 6 MCS) wird nach Abkühlen auf T * = weitere 8x10 6 MCS (Mitte) untersucht. Rechts: Querschnitt durch das entstandene Aggregates. 109

4 Anhang 4: Mischungen aus Amphiphilen und Bolaamphiphilen Typische Aggregate aus Mischungen von 3-segmentigen Amphiphilen (hell) mit 6-segmentigen Bolaamphiphilen (dunkel) in Wasser. Die línke Spalte bezeichnet den Anteil 3-segmentiger Amphiphiler. X 3SEG T*= T*=1.025 T*=

5 Anhang 5: Lamellare Strukturen aus 6-segmentigen Amphiphilen Auftreten von Dichtefluktuationen (bei allen 3 Temperaturen) in der Ebene der Membranen aus 6- segmentigen Amphiphilen, out of plane-deformation ( g, h bei T*=1.250) sowie Bischichtdurchbrüche ( j, k bei T*=1.30). Die Spalten stellen jeweils eine Serie von 4 Schnappschüssen im Abstand von 10 5 Monte-Carlo-Schritten dar. Die dunklen Punkte sind hydrophile Kopfsegmente (H), die hellen Punkte stellen hydrophobe Schwanzsegmente (S) dar. Die Moleküle sind lineare Ketten der Struktur H-H-S-S-S-S. T*=1.100 T*=1.250 T*=1.300 (a) (e) (i) (b) (f) (j) (c) (g) (k) (d) (h) (l) 111

6 Anhang 6: Untersuchung von Korrelationen ausgewählter Zufallszahlengeneratoren Die Qualität des verwendeten Zufallszahlengenerators zur Erzeugung von Pseudo-Zufallszahlen ist eine wesentliche Voraussetzung für die korrekte Erfassung der Konfigurationsraums bei Monte-Carlo-Simulationen. Einige Generatoren liefern n-tupel, die auf einer endlichen Anzahl von Hyperebenen (n-1) liegen. Zum Test der statistischen Eigenschaften von geeigneten Zufallszahlengeneratoren wurde eine Sequenz von 1.2 x Zahlen mit verschiedenen Generatoren erzeugt und auf Triplett- bzw. höhere Korrelationen untersucht. Für einen n-tupel-korrelationstest wird die Zahlensequenz so interpretiert, als würde sie aus aufeinanderfolgenden Koordinaten im n-dimensionalen Raum bestehen. Wenn die höchste Zufallszahl des Generators bekannt ist, können die einzelnen Werte normiert werden. Die normierten Werte wurden komponentenweise aufsummiert und die Summen in Abhängigkeit von der Anzahl in den Diagrammen A6-1 bis A6-3 dargestellt. Bei idealer Gleichverteilung der Zufallszahlen müssen die Summen der in das Intervall [ ] transformierten Komponenten x i gleich Null werden. Für die in dieser Arbeit durchgeführten Monte-Carlo-Simulationen fand ein subtraktiver Generator (ran3, beschrieben in /45/) nach Knuth Verwendung, eine Beispielsequenz von 5- Tupeln zeigt Abb. A6-1. Dieser Generator ist portabel, ausreichend effizient. Bei Monte-Carlo-Simulationen häufig verwendete Generatoren beruhen auf der R250-Routine /150/. Die guten statistischen Eigenschaften dieser Methode führten zu ihrer Verbreitung, sie hängen jedoch stark von den Startparametern ab. Die 5-Tupel-Analyse einer Sequenz von 1.2x10 11 mit diesem Generator erzeugten Zahlen ist in Abb. A6-2 gezeigt. Als weiteres Beispiel ist ein einfacher multiplikativer Generator untersucht worden. Dieser Generator erzeugt eine Sequenz von Zufallszahlen im wesentlichen nach der Vorschrift wie beispielsweise xi+ 1 = xi , wobei bei der Implementation das höchstwertigste Bit der Zahlenrepräsentation im Falle eines Überlaufs abgeschnitten werden muß. Damit ist klar, daß sich die erzeugte Zahlenfolge auf einer Architektur mit k-bits jedesmal nach 2 k-1 Iterationen wiederholt. Das ergibt auf 32-Bit-Systemen eine Periodenlänge von nur 2.1 x 10 9 Zahlen. Eine 5-Tupel-Analyse ist in Abb. A6-3 gezeigt. Hier wird sofort deutlich, daß nur eine begrenzte Menge von Zahlen erzeugt wird. Aus dem letzten Beispiel wird deutlich, wie wichtig die Untersuchung der Eigenschaften des verwendeten Zufallszahlengenerators ist Abweichung x(i) vom Erwartungswert x(1) x(2) x(3) x(4) x(5) Anzahl von erzeugten Zufallstzahlen E+10 2E+10 3E+10 4E+10 5E+10 6E+10 7E+10 8E+10 9E+10 1E E E+11 Abb. A6-1: Test auf 5-Tupel-Korrelation beim Knuth-ran3-Generator, Aufgetragen sind die laufenden Summen der x(i)-komponenten (1.2 x Zahlen), transformiert in das Intervall [ ]. 112

7 Abweichung x(i) vom Erwartungswert x(1) x(2) x(3) x(4) x(5) Anzahl von erzeugten Zufallszahlen E E E E E E E+11 Abb. A6-2: Test auf 5-Tupel-Korrelation beim R250-Generator, Aufgetragen sind die laufenden Summen der x(i)-komponenten (1.2 x Zahlen). Abweichung vom Erwartungswert x(1) x(2) x(3) x(4) x(5) Anzahl von erzeugten Zufallszahlen E E E E E E E+11 Abb. A6-3: Test auf 5-Tupel-Korrelation beim multiplikativen Generator. 113

7 Zufallszahlen, Simulation

7 Zufallszahlen, Simulation 7 Zufallszahlen, Simulation Es ist nützlich, Folgen von i.i.d. R[0, 1]-verteilten Zufallszahlen auf einem Rechner erzeugen zu können vgl. Simulation, Monte-Carlo-Verfahren). Letztere sind i.a. keine echten

Mehr

Wahrscheinlichkeitsverteilungen und ihre Implementierung in Root. Eric Volkmann

Wahrscheinlichkeitsverteilungen und ihre Implementierung in Root. Eric Volkmann Wahrscheinlichkeitsverteilungen und ihre Implementierung in Root Eric Volkmann Inhalt Mathematische Definition Random Number Generators Wichtige Verteilungen Anwendungsbeispiel: Monte-Carlo Simulation

Mehr

Zufallszahlenerzeugung

Zufallszahlenerzeugung Zufallszahlenerzeugung Anwendunsgebiete: z.b.: - Computerspiele - Kryptographie - Monte-Carlo-Methoden - Simulation Melanie Kaspar, Prof. Dr. B. Grabowski 1 Wie erzeuge ich Zufallszahlen, die sich so verhalten,

Mehr

15 Grundlagen der Simulation

15 Grundlagen der Simulation 15 Grundlagen der Simulation 15.1 Einführung Komplexe Problemstellungen, die einer analytischen Behandlung nur sehr schwer oder gar nicht zugänglich sind Lösung von diskreten (oder analytischen) Optimierungsaufgaben,

Mehr

Nr. 4: Pseudo-Zufallszahlengeneratoren

Nr. 4: Pseudo-Zufallszahlengeneratoren Proseminar: Finanzmathematische Modelle und Simulationen Martin Dieckmann WS 09/0 Nr. 4: Pseudo-Zufallszahlengeneratoren Begriff Pseudo-Zufallszahl Zufallszahlen im Rechner entstehen letztlich immer durch

Mehr

Statistik, Datenanalyse und Simulation

Statistik, Datenanalyse und Simulation Dr. Michael O. Distler distler@kph.uni-mainz.de Mainz, 16. November 2009 2. Monte Carlo-Methoden 2.1 Zufallszahlen - Warum? 2.2 Zahlendarstellung im Rechner 2.3 Generatoren 2.3.1 Linear kongruente Generatoren

Mehr

Zufallszahlen erzeugen

Zufallszahlen erzeugen Informationsblatt fÿr die Lehrkraft Zufallszahlen erzeugen Informationsblatt fÿr die Lehrkraft Thema: Schultyp: Vorkenntnisse: Bearbeitungsdauer: Zufallszahlen erzeugen - Methode der linearen Kongruenz

Mehr

Der Weg eines Betrunkenen

Der Weg eines Betrunkenen Der Weg eines Betrunkenen 2 Hätte es damals schon Computer gegeben, wäre es für unseren Mathematiker um einiges leichter gewesen, den Weg des Betrunkenen zu bestimmen. Er hätte nicht nur eine beliebige

Mehr

Zufallszahlen. Diskrete Simulation. Zufallszahlengeneratoren - Zufallszahlen

Zufallszahlen. Diskrete Simulation. Zufallszahlengeneratoren - Zufallszahlen Zufallszahlen Zufallszahlengeneratoren Transformation von Zufallszahlen Test von Zufallszahlengeneratoren Otto-von-Guericke-Universität Magdeburg Thomas Schulze Zufallszahlengeneratoren - Zufallszahlen

Mehr

Grundlagen der Monte-Carlo-Simulation

Grundlagen der Monte-Carlo-Simulation Grundlagen der Monte-Carlo-Simulation Prof. Dr. V. Schmidt und S. Luck j 8. November 2007 page 2 Contents Motivation Erzeugung von SPZZ Software Transformation von SPZZ page 3 Motivation Motivation fur

Mehr

Einführung (1) In der Praxis finden Sie viele Anwendungsfelder für Zufallszahlen. Beispiele

Einführung (1) In der Praxis finden Sie viele Anwendungsfelder für Zufallszahlen. Beispiele 11. Zufallszahlen 1 Einführung (1) In der Praxis finden Sie viele Anwendungsfelder für Zufallszahlen. Beispiele sind 1. Computersimulationen 2. Optimierungsprobleme und 3. Hochdimensionale Integrale. Problemstellung:

Mehr

UE Algorithmen und Datenstrukturen 1 UE Praktische Informatik 1. Übung 8. Zufallszahlen Generatoren Anwendungen

UE Algorithmen und Datenstrukturen 1 UE Praktische Informatik 1. Übung 8. Zufallszahlen Generatoren Anwendungen UE Algorithmen und Datenstrukturen 1 UE Praktische Informatik 1 Übung 8 Zufallszahlen Generatoren Anwendungen Institut für Pervasive Computing Johannes Kepler Universität Linz Altenberger Straße 69, A-4040

Mehr

Erzeugung von Pseudozufallszahlen mit Computern

Erzeugung von Pseudozufallszahlen mit Computern Erzeugung von Pseudozufallszahlen mit Computern Basisgeneratoren und deren Einfluss auf die Qualität der Ergebnisse Lorenz Hauswald IKTP, TU Dresden 7 Dezember 2011 1 / 26 Gliederung Grundlagen 1 Grundlagen

Mehr

1 Zufallszahlen jede Zahl gleichen Wahrscheinlichkeit Zufallszahlenfolge unabhängiger, identisch ver- teilter

1 Zufallszahlen jede Zahl gleichen Wahrscheinlichkeit Zufallszahlenfolge unabhängiger, identisch ver- teilter Zufallszahlen Zufallszahlen werden für viele Anwendungen im Computer benötigt. Hauptanwendungsgebiete sind die Simulation und die Statistik. Besonders bei der Programmierung von Spielen werden Zufallszahlen

Mehr

Lineare Schieberegisterfolgen

Lineare Schieberegisterfolgen Lineare Schieberegisterfolgen Sei K ein endlicher Körper. Man nehme zwei Vektoren x 0 a0 x n 1, a n 1 K n n 1 x n := a i x i und betrachte die lineare Abbildung : K n K n, die durch i=0, berechne x 0 x

Mehr

Monte Carlo-Simulation

Monte Carlo-Simulation Monte Carlo-Simulation Sehr häufig hängen wichtige Ergebnisse von unbekannten Werten wesentlich ab, für die man allerhöchstens statistische Daten hat oder für die man ein Modell der Wahrscheinlichkeitsrechnung

Mehr

Zufallszahlen in AntBrain

Zufallszahlen in AntBrain Zufallszahlen SEP 291 Zufallszahlen in AntBrain Spezifikation, Teil II: Zum Beispiel könnte ein Objekt vom Typ Match die Spielfelder nach jeweils 1000 Spielrunden speichern; bei einer Anfrage nach den

Mehr

Informationssicherheit III

Informationssicherheit III Zufall im Rechner Präsentation im Rahmen der Lehrveranstaltung Informationssicherheit III WS 2001/2002 Jochen Rondorf 17.01.2002 Zufall im Rechner WS 2001/02 1 Agenda Arten von Zufall Anwendungsgebiete

Mehr

Einführung in die Simulation. Dr. Christoph Laroque Wintersemester 11/12. Dresden,

Einführung 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, 11.10.2011 01.11.2011 Einführung

Mehr

Zufallszahlen Mathematik zum Nachbilden von Zufälligkeit SommerUni 2013 Bergische Universität Wuppertal Autor: Prof. Dr.

Zufallszahlen Mathematik zum Nachbilden von Zufälligkeit SommerUni 2013 Bergische Universität Wuppertal Autor: Prof. Dr. Zufallszahlen Mathematik zum Nachbilden von Zufälligkeit SommerUni 23 Bergische Universität Wuppertal Autor: Prof. Dr. Roland Pulch Aufgabe: Konstruiere Zufallszahlen aus der Menge {,, 2, 3, 4, 5, 6, 7,

Mehr

Statistics, Data Analysis, and Simulation SS 2015

Statistics, Data Analysis, and Simulation SS 2015 Mainz, May 12, 2015 Statistics, Data Analysis, and Simulation SS 2015 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Dr. Michael O. Distler

Mehr

Wahrscheinlichkeitsrechnung und Statistik

Wahrscheinlichkeitsrechnung und Statistik 6. Vorlesung - 2018 Diskrete ZG eine diskrete ZG X wird vollständig durch ihre Wahrscheinlichkeitsverteilung beschrieben ( ) x1 x X 2... x i... = p 1 p 2... p i... P(X (a, b]) = und die Verteilungsfunktion

Mehr

Rechnernutzung in der Physik Teil 3 Statistische Methoden der Datenanalyse

Rechnernutzung in der Physik Teil 3 Statistische Methoden der Datenanalyse Rechnernutzung in der Physik Teil 3 Statistische Methoden der Datenanalyse Karlsruher Institut für Technologie Ulrich Husemann Institut für Experimentelle Kernphysik, Karlsruher Institut für Technologie

Mehr

Statistics, Data Analysis, and Simulation SS 2017

Statistics, Data Analysis, and Simulation SS 2017 Mainz, 11. Mai 2017 Statistics, Data Analysis, and Simulation SS 2017 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Dr. Michael O. Distler

Mehr

Statistische Methoden der Datenanalyse

Statistische Methoden der Datenanalyse Statistische Methoden der Datenanalyse Vorlesung im Sommersemester 2008 H. Kolanoski Humboldt-Universität zu Berlin Inhaltsverzeichnis Literaturverzeichnis iii 1 Grundlagen der Statistik 3 1.1 Wahrscheinlichkeit............................

Mehr

Übungsblatt 14. Lineare Algebra II, Prof. Dr. Plesken, WS 2008/09

Übungsblatt 14. Lineare Algebra II, Prof. Dr. Plesken, WS 2008/09 Übungsblatt 14 Lineare Algebra II, Prof. Dr. Plesken, WS 2008/09 Aufgabe 3. (Symmetrisches Produkt. 4 Punkte.) Sei V ein n-dimensionaler K-Vektorraum mit Basis B V n und ϕ: V K[x 1,...,x n ] 1 der Isomorphismus,

Mehr

15 Über Zufallsgeneratoren (fakultativ)

15 Über Zufallsgeneratoren (fakultativ) Über Zufallsgeneratoren (fakultativ) 136 15 Über Zufallsgeneratoren (fakultativ) Erläutert wird die Erzeugung von gemäÿ einem WMaÿ P verteilter Realisationen mit Hilfe von Zufallsgeneratoren. Der Satz

Mehr

Simulation mit der Monte Carlo-Methode

Simulation mit der Monte Carlo-Methode Vorlesung: Rechnernutzung in der Physik Simulation mit der Monte Carlo-Methode Günter Quast Fakultät für Physik Institut für Experimentelle Teilchenphysik KIT Die Forschungsuniversität in der Helmholtz-Gemeinschaft

Mehr

Anleitung: Standardabweichung

Anleitung: Standardabweichung Anleitung: Standardabweichung So kann man mit dem V200 Erwartungswert und Varianz bzw. Standardabweichung bei Binomialverteilungen für bestimmte Werte von n, aber für allgemeines p nach der allgemeinen

Mehr

Lineare Kongruenzgeneratoren und Quicksort

Lineare Kongruenzgeneratoren und Quicksort Seminar Perlen der theoretischen Informatik Dozenten: Prof. Johannes Köbler und Olaf Beyersdorff Lineare Kongruenzgeneratoren und Quicksort Ausarbeitung zum Vortrag Mia Viktoria Meyer 12. November 2002

Mehr

Vorwort zur fünften Auflage. Liste der Beispiele. Häufig benutzte Symbole und Bezeichnungen

Vorwort zur fünften Auflage. Liste der Beispiele. Häufig benutzte Symbole und Bezeichnungen Vorwort zur fünften Auflage Liste der Beispiele Häufig benutzte Symbole und Bezeichnungen v xiv xvii 1 Einleitung 1 1.1 Typische Aufgaben der Datenanalyse 1 1.2 Zum Aufbau dieses Buches 2 1.3 Zu den Programmen

Mehr

Programmiertechnik II

Programmiertechnik II Zufallszahlen Motivation Simulation Frisörbeispiel Stichprobenauswahl Telefonumfragen Numerische Algorithmen naives Beispiel: Berechnung von Pi Automatisiertes Testen Beispiel aus Übungsaufgabe "Faire"

Mehr

Pseudozufallsgeneratoren

Pseudozufallsgeneratoren Pseudozufallsgeneratoren In welchen kryptographischen Verfahren werden keine Zufallszahlen benötigt? Wie generiert man Zufallszahlen in einer deterministischen Maschine wie dem Computer? Wenn man eine

Mehr

Statistik I für Betriebswirte Vorlesung 4

Statistik 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

Mehr

Wahrscheinlichkeitsrechnung und schließende Statistik

Wahrscheinlichkeitsrechnung und schließende Statistik Karl Mosler Friedrich Schmid Wahrscheinlichkeitsrechnung und schließende Statistik Vierte, verbesserte Auflage Springer Inhaltsverzeichnis 0 Einführung 1 1 Zufalls Vorgänge und Wahrscheinlichkeiten 5 1.1

Mehr

Prinzipien zur Erzeugung von Zufallszahlen in der Informatik

Prinzipien zur Erzeugung von Zufallszahlen in der Informatik ien zur Erzeugung von Zufallszahlen in der Informatik Vortragender: Dipl.-Inform. Thomas Hinze 1. Motivation 2. Grundlegende Begriffe und Zusammenhänge 3. Klassifikation der ien 4. ien zur Erzeugung echter

Mehr

Outline. 1 Vektoren im Raum. 2 Komponenten und Koordinaten. 3 Skalarprodukt. 4 Vektorprodukt. 5 Analytische Geometrie. 6 Lineare Räume, Gruppentheorie

Outline. 1 Vektoren im Raum. 2 Komponenten und Koordinaten. 3 Skalarprodukt. 4 Vektorprodukt. 5 Analytische Geometrie. 6 Lineare Räume, Gruppentheorie Outline 1 Vektoren im Raum 2 Komponenten und Koordinaten 3 Skalarprodukt 4 Vektorprodukt 5 Analytische Geometrie 6 Lineare Räume, Gruppentheorie Roman Wienands (Universität zu Köln) Mathematik II für Studierende

Mehr

Stochastik-Praktikum

Stochastik-Praktikum Stochastik-Praktikum Zufallszahlen und Monte Carlo Peter Frentrup Humboldt-Universität zu Berlin 17. Oktober 2017 (Humboldt-Universität zu Berlin) Zufallszahlen und Monte Carlo 17. Oktober 2017 1 / 23

Mehr

Realisierung einer MC-basierten Optionspreisberechnung mit FloPoCo

Realisierung einer MC-basierten Optionspreisberechnung mit FloPoCo Fakultät Informatik, Institut für Technische Informatik, Professur VLSI-Entwurfssysteme, Diagnostik und Architektur Realisierung einer MC-basierten Optionspreisberechnung mit FloPoCo Christian Skubich

Mehr

Inhaltsverzeichnis. A Analysis... 9

Inhaltsverzeichnis. A Analysis... 9 Inhaltsverzeichnis A Analysis... 9 1 Funktionale Zusammenhänge Wiederholung und Erweiterungen... 11 Rückblick... 11 1.1 Ganzrationale Funktionen... 14 1.2 Grenzwert einer Funktion f an einer Stelle x 0...

Mehr

Practical Numerical Training UKNum

Practical Numerical Training UKNum Practical Numerical Training UKNum Zufallszahlen, Monte Carlo Methoden PD. Dr. C. Mordasini Max Planck Institute for Astronomy, Heidelberg Programm: 1) Zufallszahlen 2) Transformations Methode 3) Monte

Mehr

Lösungshinweise Aufgabenblatt 5

Lösungshinweise Aufgabenblatt 5 Höhere Algebra Wintersemester 21/11 Prof. C. Schweigert Bereich Algebra und Zahlentheorie Fachbereich Mathematik, Universität Hamburg Lösungshinweise Aufgabenblatt 5 Aufgabe 1 1. Ja, denn sei Φ : M M surjektiv.

Mehr

Statistik für Ingenieure Vorlesung 6

Statistik 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

Mehr

Messprotokoll: Aufnahme der Quantenzufallszahl

Messprotokoll: Aufnahme der Quantenzufallszahl Messprotokoll: Aufnahme der Quantenzufallszahl Am 19. Juni 2009 wurden für Max Mustermann um 8:35 Uhr mit Hilfe von einzelnen Photonen 993.097 Zufallszahlen generiert. Der Zufallsgenerator steht im Quantenoptiklabor

Mehr

Inhaltsverzeichnis. Vorwort zur fünften Auflage. Liste der Beispiele. Häufig benutzte Symbole und Bezeichnungen

Inhaltsverzeichnis. Vorwort zur fünften Auflage. Liste der Beispiele. Häufig benutzte Symbole und Bezeichnungen Vorwort zur fünften Auflage Liste der Beispiele Häufig benutzte Symbole und Bezeichnungen v xiv xvii 1 Einleitung 1 Typische Aufgaben der Datenanalyse 1 1.2 Zum Aufbau dieses Buches 2 Zu den Programmen

Mehr

Quantifizierung der Unsicherheit von Netzmessungen in einer Venturi-Düse bei unsicheren Zuströmbedingungen

Quantifizierung der Unsicherheit von Netzmessungen in einer Venturi-Düse bei unsicheren Zuströmbedingungen Quantifizierung der Unsicherheit von Netzmessungen in einer Venturi-Düse bei unsicheren Zuströmbedingungen, Jonas Steinbock, André Fiebach, Thomas Lederer Erfahrungsaustausch zum Thema Flow am 29.2.2016

Mehr

Statistik mit MATHCAD und MATLAB

Statistik mit MATHCAD und MATLAB Hans Benker Statistik mit MATHCAD und MATLAB Einführung in die Wahrscheinlichkeitsrechnung und mathematische Statistik für Ingenieure und Naturwissenschaftler Mit 31 Abbildungen Springer Einleitung 1 1.1

Mehr

Lösung der Zusatzaufgabe

Lösung der Zusatzaufgabe Lösung der Zusatzaufgabe Erweitern Sie lnkng() um einen Parameter, so dass dass die Anzahl der zurückzugebenden Parameter wählbar ist. Lösung: lnkng

Mehr

Datenanalyse für Naturwissenschaftler und Ingenieure

Datenanalyse für Naturwissenschaftler und Ingenieure Siegmund Brandt Datenanalyse für Naturwissenschaftler und Ingenieure Mit statistischen Methoden und Java-Programmen 5. Auflage 4y Springer Spektrum Inhaltsverzeichnis Vorwort zur fünften Auflage Liste

Mehr

Elementare Stochastik

Elementare Stochastik Mathematik Primarstufe und Sekundarstufe I + II Elementare Stochastik Mathematische Grundlagen und didaktische Konzepte Bearbeitet von Herbert Kütting, Martin J. Sauer, Friedhelm Padberg 3. Aufl. 2011.

Mehr

Lineare Algebra für Physiker. und skalare Vielfachbildung komponentenweise erklärt?

Lineare Algebra für Physiker. und skalare Vielfachbildung komponentenweise erklärt? Lineare lgebra für Physiker Lösungen der Klausur vom 8223 Welche der folgenden Mengen sind Vektorräume, wenn man die ddition und skalare Vielfachbildung komponentenweise erklärt? a) Die Menge aller unendlichen

Mehr

Modellierung- und Simulation Mathis Plewa ( )

Modellierung- und Simulation Mathis Plewa ( ) Inhaltsverzeichnis Abbildungsverzeichnis... 1 Übungsaufgabe: Zufallsgeneratoren und Histogramme... 2 Standard Gleichverteilung... 2 Gaußverteilung... 3 Exponentialverteilung... 4 Übungsaufgabe: Geometrische

Mehr

Seminar Stochastische Unternehmensmodelle Varianzreduzierende Techniken

Seminar Stochastische Unternehmensmodelle Varianzreduzierende Techniken Seminar Stochastische Unternehmensmodelle Varianzreduzierende Techniken 25. Juni 2015 1 / 37 Übersicht 1. Ziel des Vortrags 2. Einleitung 3. Varianzreduzierende Techniken Bedingtes Monte Carlo Importance

Mehr

Verteilungen mehrerer Variablen

Verteilungen mehrerer Variablen Kapitel 3 Verteilungen mehrerer Variablen 3. Eigenschaften von Verteilungen mehrerer Variablen Im allgemeinen muss man Wahrscheinlichkeiten für mehrere Variable, die häufig auch voneinander abhängen, gleichzeitig

Mehr

Wahrscheinlichkeitsrechnung und schließende Statistik

Wahrscheinlichkeitsrechnung und schließende Statistik Springer-Lehrbuch Wahrscheinlichkeitsrechnung und schließende Statistik Bearbeitet von Karl Mosler, Friedrich Schmid 4., verb. Aufl. 2010. Taschenbuch. XII, 347 S. Paperback ISBN 978 3 642 15009 8 Format

Mehr

Statistischer Ansatz zur Berücksichtigung von Fertigungstoleranzen in der Axialspaltauslegung von Turboverdichtern

Statistischer Ansatz zur Berücksichtigung von Fertigungstoleranzen in der Axialspaltauslegung von Turboverdichtern Statistischer Ansatz zur Berücksichtigung von Fertigungstoleranzen in der Axialspaltauslegung von Turboverdichtern S. Weihard, A. Hupfer, H.-P. Kau Technische Universität München, Lehrstuhl für Flugantriebe

Mehr

1 Verteilungsfunktionen, Zufallsvariable etc.

1 Verteilungsfunktionen, Zufallsvariable etc. 4. Test M3 ET 27 6.6.27 4. Dezember 27 Regelung für den.ten Übungstest:. Wer bei den Professoren Dirschmid, Blümlinger, Vogl oder Langer die UE aus Mathematik 2 gemacht hat, sollte dort die WTH und Statistik

Mehr

Einfache Modelle für komplexe Biomembranen

Einfache Modelle für komplexe Biomembranen Einfache Modelle für komplexe Biomembranen Hergen Schultze Disputation am 6. Oktober 2003 Institut für Theoretische Physik Georg-August-Universität Göttingen Φ[ q,p]= ih 1 7 3 7 Hergen Schultze: Einfache

Mehr

Wahrscheinlichkeitsrechnung und Statistik

Wahrscheinlichkeitsrechnung und Statistik Babeş-Bolyai Universität Fakultät für Mathematik und Informatik Oktober 2018 Im Alltag... Laut den meteorologischen Vorhersagen wird es morgen regnen. Ob ich riskiere und die Wette verlieren werde? Ich

Mehr

Statistik, Datenanalyse und Simulation

Statistik, Datenanalyse und Simulation Dr. Michael O. Distler distler@kph.uni-mainz.de Mainz, 13. Juli 2011 Ziel der Vorlesung Vermittlung von Grundkenntnissen der Statistik, Simulationstechnik und numerischen Methoden (Algorithmen) Aufgabe:

Mehr

Die Persistenzlänge ist sequenzabhängig, für Poly-Serin etwa 5 AS. Der entfaltete Zustand ist Gegenstand intensiver Untersuchungen

Die Persistenzlänge ist sequenzabhängig, für Poly-Serin etwa 5 AS. Der entfaltete Zustand ist Gegenstand intensiver Untersuchungen Die Bildung von Quartärstruktur ermöglicht den Bau großer, aber auch multifunktionaler Proteine 9.2 Proteinfaltung Proteine können unter bestimmten Bedingungen denaturiert (entfaltet) werden, das heißt,

Mehr

Monte-Carlo-Methode. mit Pseudo- und Quasizufallszahlen

Monte-Carlo-Methode. mit Pseudo- und Quasizufallszahlen Gott würfelt nicht Monte-Carlo-Methode mit Pseudo- und Quasizufallszahlen Inhaltsverzeichnis Pseudo- und Quasizufallszahlen Monte-Carlo- Monte-Carlo- Monte-Carlo-Methode Bekannt nach Stadt Monte Carlo

Mehr

Wahrscheinlichkeitsrechnung und Statistik

Wahrscheinlichkeitsrechnung und Statistik 8. Vorlesung Pseudozufallszahlen sind, wie der Name schon sagt, keine echten Zufallszahlen, sondern werden durch Generatoren erzeugt. Als Pseudozufallszahlen bezeichnet man Zahlenfolgen die durch einen

Mehr

Wirtschaftsstatistik für Studienanfänger

Wirtschaftsstatistik für Studienanfänger Günter Deweß / Helga Hartwig Wirtschaftsstatistik für Studienanfänger Begriffe - Aufgaben - Lösungen EAG. LE Edition am Gutenbergplatz Leipzig Inhalt Beschreibende Statistik: Daten und Maßzahlen 1 Grundgesamtheiten,

Mehr

Statistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de

Statistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent

Mehr

Einführung in die mathematische Logik

Einführung in die mathematische Logik Prof. Dr. H. Brenner Osnabrück SS 2014 Einführung in die mathematische Logik Vorlesung 5 Das Lemma von Zorn Wir möchten im Folgenden zeigen, dass eine widerpruchsfreie Menge Γ L V von Aussagen nicht nur

Mehr

Pollards Rho-Methode zur Faktorisierung

Pollards Rho-Methode zur Faktorisierung C A R L V O N O S S I E T Z K Y Pollards Rho-Methode zur Faktorisierung Abschlusspräsentation Bachelorarbeit Janosch Döcker Carl von Ossietzky Universität Oldenburg Department für Informatik Abteilung

Mehr

13. Physikochemische Untersuchungen

13. Physikochemische Untersuchungen Physikochemische Untersuchungen 56 13. Physikochemische Untersuchungen Das physikochemische Verhalten einiger der in dieser Arbeit synthetisierten Lipide ist umfangreich durch Monoschichtuntersuchungen

Mehr

Erzeugung von Pseudozufallszahlen

Erzeugung von Pseudozufallszahlen Erzeugung von Pseudozufallszahlen Proseminar Kryptografie und Datensicherheit Sommersemester 2009 Mario Frank Übersicht 1. Allgemeines 2. Anwendungen von PRBG 3. (k,l)-bit Generatoren 4. Unterscheidbarkeit

Mehr

Elementare Wahrscheinlichkeitsrechnung

Elementare 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

Mehr

Einführung in die Statistik

Einführung in die Statistik Einführung in die Statistik Analyse und Modellierung von Daten Von Prof. Dr. Rainer Schlittgen 4., überarbeitete und erweiterte Auflage Fachbereich Materialwissenschaft! der Techn. Hochschule Darmstadt

Mehr

Untersuchen Sie, ob die folgenden Abbildungen linear oder nicht linear sind. x y

Untersuchen Sie, ob die folgenden Abbildungen linear oder nicht linear sind. x y Aufgabe 1 Untersuchen Sie, ob die folgenden Abbildungen linear oder nicht linear sind. (( )) 3x x (a) Sei f : R 2 R 3 mit f = 2y + x y x y ( ) 4 (b) Sei f : R R 2 mit f(x) = x + 1 (( )) ( ) x x y (c) Sei

Mehr

Datenanalyse. (PHY231) Herbstsemester Olaf Steinkamp

Datenanalyse. (PHY231) Herbstsemester Olaf Steinkamp PHY3 Herbstsemester 04 Olaf Steinkamp Physik-Institut der Universität Zürich Winterthurerstrasse 90 CH-8057 Zürich olafs@physik.uzh.ch Büro: 36-J- Tel.: 044-635.57.63 Vorlesungsprogramm Einführung, Messunsicherheiten,

Mehr

Übungen mit dem Applet Zentraler Grenzwertsatz

Übungen mit dem Applet Zentraler Grenzwertsatz Zentraler Grenzwertsatz 1 Übungen mit dem Applet Zentraler Grenzwertsatz 1 Statistischer Hintergrund... 1.1 Zentraler Grenzwertsatz... 1. Beispiel Würfeln... 1.3 Wahrscheinlichkeit und relative Häufigkeit...3

Mehr

Kapitel 2: Zufallszahlen

Kapitel 2: Zufallszahlen Kapitel 2: Zufallszahlen Anwendungsgebiete: stochastische Algorithmen, z.b. Monte-Carlo-Integration Simulation von Ereignissen mit bekannten Wahrscheinlichkeitsverteilungen, in der Physikalischen Chemie

Mehr

RRL GO- KMK EPA Mathematik. Ulf-Hermann KRÜGER Fachberater für Mathematik bei der Landesschulbehörde, Abteilung Hannover

RRL GO- KMK EPA Mathematik. Ulf-Hermann KRÜGER Fachberater für Mathematik bei der Landesschulbehörde, Abteilung Hannover RRL GO- KMK EPA Mathematik Jahrgang 11 Propädeutischer Grenzwertbegriff Rekursion /Iteration Ableitung Ableitungsfunktion von Ganzrationalen Funktionen bis 4. Grades x 1/(ax+b) x sin(ax+b) Regeln zur Berechnung

Mehr

IT-Security. Teil 15: Zufall

IT-Security. Teil 15: Zufall IT-Security Teil 15: Zufall 09.05.17 1 Literatur [15-1] http://de.wikipedia.org/wiki/kryptographisch_sicherer_zufallszahlen generator [15-2] https://gnupg.org/documentation/manuals/gcrypt/fips-prng- Description.html

Mehr

Experimentelle Methoden der Teilchenphysik Sommersemester 2011/2012 Albert-Ludwigs-Universität Freiburg

Experimentelle Methoden der Teilchenphysik Sommersemester 2011/2012 Albert-Ludwigs-Universität Freiburg Eperimentelle Methoden der Teilchenphysik Sommersemester 011/01 Albert-Ludwigs-Universität Freiburg Prof. Markus Schumacher Physikalisches Institut, Westbau,. OG Raum 008 Telefon 0761 03 761 E-Mail: Markus.Schumacher@physik.uni-freiburg.de

Mehr

Lineare Transformationen und Determinanten. 10-E Ma 1 Lubov Vassilevskaya

Lineare Transformationen und Determinanten. 10-E Ma 1 Lubov Vassilevskaya Lineare Transformationen und Determinanten 10-E Ma 1 Lubov Vassilevskaya Lineare Transformation cc Definition: V und W sind zwei Vektorräume. Eine Funktion T nennt man eine lineare Transformation von V

Mehr

Lösungshinweise zum Übungsblatt 10: Programmieren in C (WS 2018/19)

Lösungshinweise zum Übungsblatt 10: Programmieren in C (WS 2018/19) Dr. habil. Bernd Schürmann Dr. Annette Bieniusa pinc-support@cs.uni-kl.de TU Kaiserslautern Fachbereich Informatik Lösungshinweise zum Übungsblatt 10: Programmieren in C (WS 2018/19) 1. Zur Beantwortung

Mehr

Motivation. Benötigtes Schulwissen. Wirtschaftswissenschaftliches Zentrum 6 Universität Basel. Statistik

Motivation. Benötigtes Schulwissen. Wirtschaftswissenschaftliches Zentrum 6 Universität Basel. Statistik Wirtschaftswissenschaftliches Zentrum 6 Universität Basel Statistik Dr. Thomas Zehrt Wahrscheinlichkeitsräume Motivation Das Hauptanliegen der Stochastik liegt darin, Modelle zur (mathematischen Beschreibung

Mehr

Versuch P2: Irrflug und Zufallszahlengeneratoren

Versuch P2: Irrflug und Zufallszahlengeneratoren Praktikum für Materialwissenschaftler HS 2009/FS 2010 Gruppe Polymerphysik Versuch P2: Irrflug und Zufallszahlengeneratoren Einleitung Der Irrflug ist in der Materialwissenschaft ein allgegenwärtiges Modell.

Mehr

Statistische Datenanalyse

Statistische Datenanalyse Werner A. Stahel Statistische Datenanalyse Eine Einführung für Naturwissenschaftler 3., durchgesehene Auflage vieweg VII 1 Einleitung 1 1.1 Was ist Statistische Datenanalyse? 1 1.2 Ziele 6 1.3 Hinweise

Mehr

Spezielle Verteilungen einer Variablen

Spezielle Verteilungen einer Variablen Kapitel 2 Spezielle Verteilungen einer Variablen In diesem Kapitel werden wir einige häufig benutzte Verteilungen, die von einer Variablen abhängen, vorstellen. 2.1 Binomial-Verteilung Binomial-Verteilungen

Mehr

Inhalt. I. Deskriptive Statistik Einführung Die Grundgesamtheit Merkmale und Verteilungen Tabellen und Grafiken...

Inhalt. I. Deskriptive Statistik Einführung Die Grundgesamtheit Merkmale und Verteilungen Tabellen und Grafiken... I. Deskriptive Statistik 1 1. Einführung 3 1.1. Die Grundgesamtheit......................... 5 1.2. Merkmale und Verteilungen..................... 6 1.3. Tabellen und Grafiken........................ 10

Mehr

Pocket Cards (Winning Probabilities) 6.1 Anzahl der Kombinationen Monte Carlo Simulation Ergebnisse 6

Pocket Cards (Winning Probabilities) 6.1 Anzahl der Kombinationen Monte Carlo Simulation Ergebnisse 6 6 6.1 Anzahl der Kombinationen 6. Monte Carlo Simulation 3 6.3 Ergebnisse 6 in case you do not speak German ignore the description and jump to the preflop win probability tables in chapter 6.3 Poker Trainer

Mehr

Inhaltsverzeichnis. 4 Statistik Einleitung Wahrscheinlichkeit Verteilungen Grundbegriffe 98

Inhaltsverzeichnis. 4 Statistik Einleitung Wahrscheinlichkeit Verteilungen Grundbegriffe 98 Inhaltsverzeichnis 1 Datenbehandlung und Programmierung 11 1.1 Information 11 1.2 Codierung 13 1.3 Informationsübertragung 17 1.4 Analogsignale - Abtasttheorem 18 1.5 Repräsentation numerischer Daten 20

Mehr

Didaktisches Seminar über Stochastik. Themen: ffl Korrelation von zwei Zufallsvariablen

Didaktisches Seminar über Stochastik. Themen: ffl Korrelation von zwei Zufallsvariablen Didaktisches Seminar über Stochastik Themen: ffl Gemeinsame Verteilung von zwei Zufallsvariablen ffl Lineare Regression ffl Korrelation von zwei Zufallsvariablen Michael Ralph Pape Mai 1998 1 1 GEMEINSAME

Mehr

Operations Research Kurs 00859: Stochastische Simulation

Operations Research Kurs 00859: Stochastische Simulation Aufgabe B0404 In einem Friseursalon sind 1 Herrenfriseur, 1 Damenfriseur und 1 Meister, der sowohl Herren als auch Damen bedient, beschäftigt. Die Kunden bevorzugen eine Bedienung durch den Meister. Der

Mehr

eine vom Nullvektor verschiedene Lösung hat. r heisst in diesem Fall Eigenvektor der Matrix A zum Eigenwert λ.

eine vom Nullvektor verschiedene Lösung hat. r heisst in diesem Fall Eigenvektor der Matrix A zum Eigenwert λ. Eigenwert, Eigenvektor In der Regel hat bei einer linearen Abbildung das Bild eines Vektors eine andere Richtung als das Original r. Bei der Untersuchung der geometrischen Eigenschaften von linearen Abbildungen

Mehr