Optimierung 4.3 A2 : Warenhauszentrale a 2 +b 2 =c 2 Materialbörse Mathematik

Größe: px
Ab Seite anzeigen:

Download "Optimierung 4.3 A2 : Warenhauszentrale a 2 +b 2 =c 2 Materialbörse Mathematik"

Transkript

1 Zechenerklärung: [ ] - Drücken Se de entsprechende Taste des Graphkrechners! [ ] S - Drücken Se erst de Taste [SHIFT] und dann de entsprechende Taste! [ ] A - Drücken Se erst de Taste [ALPHA] und dann de entsprechende Taste! Optmerung Nachdem für de zu optmerende Größe ene Zelfunkton aufgestellt worden st, lässt sch en Optmerungsproblem mt dem Graphkrechner durch Bestmmung des absoluten Extremums schnell lösen. Da der Graphkrechner Extrema numersch ermttelt, st des auch dann möglch, wenn analytsche Methoden versagen, wel bespelswese de Zelfunkton ncht dfferenzerbar st. Ene schnelle und enfache Ermttlung enes absoluten Extremums auf enem Intervall st m Run-Modus möglch. Möchte man enen Überblck über den Verlauf der Zelfunkton erhalten, betet sch de Lösung enes Optmerungsproblems m Graphk-Modus an. Dort lassen sch relatve Extrema auf dem dargestellten Intervall bestmmen. Be ener graphschen Darstellung lässt sch gut erkennen, we stark de Funktonswerte der Zelfunkton n der Umgebung des Extremums vom Optmum abwechen. Enen Überblck über de Funktonswerte der Zelfunkton erhält man, wenn man ene Wertetabelle m Tabellen-Modus erstellen lässt. Arbetsauftrag 4.3 A: Warenhauszentrale En großes Handelshaus hat mehrere Zwegstellen, de an ener gemensamen Bahnstrecke be Klometer 0, 0, 60, 10, 140, 190 und 00 legen. An deser Bahnstrecke soll auch das neue Zentrallager der Frma entstehen. Für de Lage des Zentrallagers werden unterschedlche Krteren untersucht. a) De Summe aller Entfernungen vom Zentrallager zu den Zwegstellen soll möglchst klen sen. Zelfunkton Wenn man annmmt, dass sch das Zentrallager an der Bahnstrecke be Klometer x befndet, glt für de Summe der Entfernungen zu den Zwegstellen n Klometer de Zelfunkton f(x) = x + x 0 + x 60 + x 10 + x x x 00. Es blebt nun das Zel, das absolute Mnmum von f zu bestmmen. Lösung m Graphk-Modus Im Hauptmenü gelangen Se mt der Taste [ 5 ] n den Graphk-Modus. 1

2 Be der Engabe des Funktonsterms von f verwenden Se für de Varable x de Taste [X,θ,T] und für de Betragsfunkton (Abs) den Menüpunkt NUM des Opton-Menüs. [OPTN] [F5] (NUM) [F1] (Abs) [X,θ,T] [ + ] [OPTN] [F5] (NUM) [F1] (Abs) [ ( ] [X,θ,T] [ ] [ ][ 0 ] [ ) ] [ + ] [F1] (Abs) [ ( ] [X,θ,T] [ ] [ 6 ][ 0 ] [ ) ] [ + ] [F1] (Abs) [ ( ] [X,θ,T] [ ] [ 1 ][ ][ 0 ] [ ) ] [ + ] [F1] (Abs) [ ( ] [X,θ,T] [ ] [ 1 ][ 4 ][ 0 ] [ ) ] [ + ] [F1] (Abs) [ ( ] [X,θ,T] [ ] [ 1 ][ 9 ][ 0 ] [ ) ] [ + ] [F1] (Abs) [ ( ] [X,θ,T] [ ] [ ][ 0 ][ 0 ] [ ) ] [EXE] Um den Bldausschntt der graphschen Darstellung festzulegen, gelangen Se mt der Taste [V-Wndow] S zum Betrachtungsfenster. Da es ungünstg st, dass Zentrallager außerhalb des 00 km langen Streckenabschnttes, an dem sch de Zwegstellen befnden, zu errchten, st es nahelegend, den x-berech von 0 bs 00 zu wählen. De Entfernungssumme st mt Scherhet postv und m Intervall [0;00] klener als 1400 km, da dort de Entfernung jeder Zwegstelle vom Zentrallager höchstens 00 km beträgt. [ 0 ] [EXE] [ ][ 0 ][ 0 ] [EXE] [ 5 ][ 0 ] [EXE] [ 0 ] [EXE] [ 1 ][ 4 ][ 0 ][ 0 ] [EXE] [ 1 ][ 0 ][ 0 ] [EXE] Se kehren mt [EXIT] zum Graphk-Edtor zurück und lassen mt der Taste [F6] (DRAW) den Graphen der Zelfunkton zechnen. Se können nun enen kleneren y-berech graphsch darstellen lassen, da Se sehen, n welchem Berech de Funktonswerte legen. Be enem y- Berech von 410 bs 10 lässt sch der stückwese lneare Verlauf des Graphen besonders gut erkennen. Mt der Taste [V-Wndow] S gelangen Se weder zum Betrachtungsfenster. [ 4 ][ 1 ][ 0 ] [EXE] [ ][ 1 ][ 0 ] [EXE] Mt [EXIT] [F6] (DRAW) lassen Se den Graphen erneut zechnen. Se rufen mt der Taste [G-Solv] S de Graph-Solve-Funkton auf und wählen mt der Taste [F3] den Menüpunkt MIN, um de lokalen Mnma m dargestellten x-berech zu bestmmen.

3 Se erhalten das enzge lokale Mnmum be (10/450), da der Graphkrechner ken weteres Mnmum anzegt, wenn Se de Cursor- Taste [ ] drücken. Im Graphk-Modus bestmmt der Graphkrechner lokale Extrema m dargestellten x-berech. Das absolute Extremum n desem Berech erhält man be stetgen Funktonen, wenn man de Funktonswerte der lokalen Extrema und de an den Intervallgrenzen (evt. legt en Randextremum vor.) verglecht. In der Regel lässt en Blck auf de Graphk erkennen, wo sch en absolutes Extremum n etwa befndet. Der Graphkrechner ermttelt Extrema mmer auf Intervallen. Man sollte sch also stets überlegen, ob sch en gesuchtes Extremum auch außerhalb des gewählten Intervalls befnden könnte. Da de Funktonswerte der Zelfunkton an den Randpunkten des Intervalls [0;00] und außerhalb größer snd als 450, legt das absolute Mnmum von f be (10/450). Das Zentrallager sollte also be Klometer 10 errchtet werden, damt de Summe aller Entfernungen vom Zentrallager zu den Zwegstellen möglchst klen st. Mt Hlfe der Trace- und der Zoom-Funkton kann der Verlauf der Zelfunkton noch genauer untersucht werden. De Verwendung des Graphkrechners st be desem Aufgabentel besonders nützlch, da de Zelfunkton ncht dfferenzerbar st. Legt das Mnmum be enem konstanten Telstück des Graphen (we bespelswese be ener geraden Anzahl von Zwegstellen), lässt es sch ncht mt der Graph-Solve-Funkton ermtteln. Lösung m Run-Modus Se wechseln mt den Tasten [MENU] [ 1 ] n den Run-Modus, um das absolute Mnmum der Zelfunkton auf dem Intervall [0;00] zu ermtteln. Um das Symbol für de Bestmmung des absoluten Mnmums enzugeben, verwenden Se den Menüpunkt CALC des Opton-Menüs. Da de Zelfunkton berets unter Y1 n der ersten Zele des Graphk- Edtors engegeben worden st, müssen Se den Funktonsterm von f ncht erneut engeben, sondern Se können den Menüpunkt GRPH des Varablendaten-Menüs verwenden. Nach der Engabe der Funkton folgen jewels nach enem Komma de Intervallgrenzen. [OPTN] [F4] (CALC) [F6] ( ) [F1] (FMn) [VARS] [F4] (GRPH) [F1] (Y) [ 1 ] [, ] [ 0 ] [, ] [ ][ 0 ][ 0 ] [ ) ] [EXE] 3

4 Das absolute Mnmum von f m Intervall [0,00] wrd n der zweten Zele angezegt. Angenommen wrd es be x=10. Auch wenn das absolute Mnmum be mehreren x-werten angenommen wrd, zegt der Graphkrechner nur enen x-wert an. En Optmerungsproblem lässt sch m Run-Modus schnell lösen. Man erhält allerdngs auch be der Exstenz mehrerer Lösungen mmer nur ene Lösung und kene Erkenntns über den Verlauf der Zelfunkton. Veranschaulchung m Tabellen-Modus Damt sch de Schüler mt der Stuaton enes Optmerungsproblems ausenandersetzen, st es snnvoll, se zunächst schätzen zu lassen, wo sch de Lösung befndet. Es betet sch dann an, de Funktonswerte der Zelfunkton n ener Wertetabelle darzustellen. Se gelangen mt der Tasten [MENU] [ ] n den Tabellen-Modus. De m Graphk-Edtor engegebene Zelfunkton erschent ebenfalls m Tabellen-Edtor und muss ncht neu engegeben werden. Um de x-werte festzulegen, für de ene Wertetabelle aufgestellt werden soll, rufen Se mt der Taste [F5] (RANG) de Tabellenberechsanzege auf. Soll de Tabelle z.b. zunächst nur den Funktonswert für x=100 enthalten, geben Se desen als Start- und Endwert en, de Schrttwete n der Rubrk ptch st dabe belebg. [ 1 ][ 0 ][ 0 ] [EXE] [ 1 ][ 0 ][ 0 ] [EXE] Nachdem Se mt der Taste [EXIT] zum Tabellen-Edtor zurückgekehrt snd, wählen Se mt der Taste [F6] den Menüpunkt TABL, um de Wertetabelle anzegen zu lassen. Wenn Se nun den Menüpunkt ROW mt der Taste [F3] aufrufen, können Se Wertepaare hnzufügen oder löschen. Bespelswese können Se de Funktonswerte für x=10 und x=110 hnzufügen. [F3] (ADD) [ 1 ][ ][ 0 ] [F3] (ADD) [ 1 ][ 1 ][ 0 ] [EXE] [EXE] Se können ene Wertetabelle ebenfalls für de x-werte, de sch n ener Lste befnden, erstellen lassen, wenn Se m Set up n der Rubrk Varable ene Lste auswählen. So könnte man z.b. de Tpps der Schüler n ene Lste engeben und schnell prüfen, wer am besten getppt hat. 4

5 En Optmerungsproblem lässt sch m Tabellen-Modus m allgemenen ncht lösen. De Veranschaulchung der Funktonswerte n ener Wertetabelle kann aber neue Erkenntnsse brngen. Se gelangen mt den Tasten [EXIT] [EXIT] [F5] (RANG) weder zur Tabellenberechsanzege und geben für x den Startwert 0, den Endwert 00 und de Schrttwete 10 en. [ 0 ] [EXE] [ ][ 0 ][ 0 ] [EXE] [ 1 ][ 0 ] [EXE] Mt den Tasten [EXIT] [F6] (TABL) lassen Se de neue Wertetabelle erstellen. Mt Hlfe der Cursor-Taste können Se de zunächst ncht schtbaren Zelen der Wertetabelle ansehen. Es fällt auf, dass de Funktonswerte be jewelger Vergrößerung des x- Wertes um 10 m Berech [0;0] um 50, m Berech [0;60] um 30 und m Berech [60;10] um 10 snken, während se m Berech [10;140] um 10, m Berech [140;190] um 30 und m Berech [190;00] um 50 stegen. De Veränderung trtt also mmer an den Standorten der Zwegstellen en. Des lässt sch lecht begründen: Wrd für das Zentrallager ncht be Klometer 0, sondern be Klometer 10 errchtet, stegt de Entfernung zur ersten Zwegstelle (be x=0) um 10 km, de zu den anderen sechs Zwegstellen verrngert sch aber um jewels 10 km, so dass de Entfernungssumme um 6 10 km 10 km = 50 km snkt. Im Berech [0;60] wrd be Vergrößerung von x um 10 de Entfernung zu den ersten beden Zwegstellen 10 km größer, de zu den anderen fünf aber um 10 km klener, so dass de Entfernungssumme um 5 10 km 10 km = 30 km klener wrd. Es kommt also nur darauf an, we vele Zwegstellen sch vor bzw. hnter dem Zentrallager befnden. De Entfernungssumme snkt mmer dann, wenn sch das Zentrallager der mttleren verten Zwegstelle (be x=10) nährt. Infolgedessen st de Entfernungssumme mnmal, wenn das Zentrallager be der verten Zwegstelle be Klometer 10 errchtet wrd. De Lösung des Optmerungsproblems befndet sch bem Medan der x- Werte, an denen sch de Zwegstellen befnden. Des glt auch be ener anderen Anzahl von Zwegstellen. Be ener ungeraden Anzahl von Zwegstellen st de Entfernungssumme be der mttleren Zwegstelle mnmal, be ener geraden Anzahl glt des für den Berech zwschen den beden mttleren Zwegstellen. 5

6 Der Medan lässt sch mt dem Graphkrechner m Statstk-Modus und m Run-Modus bestmmen, wenn de Daten zuvor n ene Lste engegeben wurden. Des st snnvoll be ener großen Zahl von Daten, de ncht hrer Größe nach geordnet snd. Se können de Wertetabelle graphsch darstellen lassen, wenn Se mt der Taste [F6] den Menüpunkt G PLT wählen, während de Wertetabelle angezegt wrd. Der dargestellte Bldberech rchtet sch nach den Enstellungen des Betrachtungsfensters. Mt der Trace- und der Zoom-Funkton können Se de Graphk genauer untersuchen. Wenn Se den Menüpunkt G CON mt der Taste [F5] wählen, während de Wertetabelle angezegt wrd, wrd der Graph der Zelfunkton we m Graphk-Modus gezechnet. De Graph-Solve- Funkton zur Bestmmung des Mnmums steht m Tabellen-Modus allerdngs ncht zur Verfügung. b) De Summe der Quadrate aller Entfernungen vom Zentrallager zu den Zwegstellen soll möglchst klen sen. Zelfunkton Für de Summe der Quadrate aller Entfernungen n km glt de Zelfunkton g(x) = x + (x 0) + (x 60) + (x 10) + (x 140) + (x 190) + (x 00). Es blebt nun das Zel, das absolute Mnmum von g zu bestmmen. Lösung m Graphk-Modus Se gelangen Se mt den Tasten [MENU] [ 5 ] weder n den Graphk- Modus und geben m Graphk-Edtor de Zelfunkton g en. [X,θ,T] [ x ] [ + ] [ ( ] [X,θ,T] [ ] [ ][ 0 ] [ ) ] [ x ] [ + ] [ ( ] [X,θ,T] [ ] [ 6 ][ 0 ] [ ) ] [ x ] [ + ] [ ( ] [X,θ,T] [ ] [ 1 ][ ][ 0 ] [ ) ] [ x ] [ + ] [ ( ] [X,θ,T] [ ] [ 1 ][ 4 ][ 0 ] [ ) ] [ x ] [ + ] [ ( ] [X,θ,T] [ ] [ 1 ][ 9 ][ 0 ] [ ) ] [ x ] [ + ] [ ( ] [X,θ,T] [ ] [ ][ 0 ][ 0 ] [ ) ] [ x ] [EXE] Um den Bldausschntt der graphschen Darstellung festzulegen, gelangen Se mt der Taste [V-Wndow] S zum Betrachtungsfenster. Der x-berech von 0 bs 00 kann bebehalten werden. De Summe der Quadrate aller Entfernungen st mt Scherhet postv und auf dem Intervall [0;00] klener als km, da dort de Entfernung jeder Zwegstelle vom Zentrallager höchstens 00 km beträgt. 6

7 [ 0 ] [EXE] [ ][ 8 ][ 0 ][ 0 ][ 0 ][ 0 ] [EXE] [ 5 ][ 0 ][ 0 ][ 0 ][ 0 ] [EXE] Se kehren mt [EXIT] zum Graphk-Edtor zurück und lassen mt der Taste [F6] (DRAW) den Graphen von g zechnen. Um den dargestellten y-berech an den Werteberech des Graphen auf dem Intervall [0;00] anzupassen, rufen Se mt der Taste [Zoom] S de Zoom-Funkton auf und wählen mt der Taste [F5] den Menüpunkt AUTO. Der parabelförmge Verlauf des Graphen wrd nun besser deutlch. Den Schülern sollte aufgrund der Funktonsglechung klar sen, dass de Zelfunkton g ene Parabel darstellt und sch das absolute Mnmum am Schetelpunkt der Parabel befndet. Se rufen mt der Taste [G-Solv] S de Graph-Solve-Funkton auf und wählen mt der Taste [F3] den Menüpunkt MIN, um das Mnmum zu bestmmen. Es legt ungefähr be (104,3/391). Das Zentrallager sollte also be Klometer 104,3 errchtet werden, damt de Summe der Quadrate aller Entfernungen vom Zentrallager zu den Zwegstellen möglchst klen st. Analytsche Lösung Analytsch lässt sch das Mnmum bestmmen, ndem man de Parabel mttels quadratscher Ergänzung n Schetelpunktsform brngt oder de Abletung von g bestmmt und glech 0 setzt. De -te Zwegstelle befnde sch bem Klometer x : g(x) = ( x x ) = x x x + x = 1 x x + x 1 ( x ) g (x) = 14x x = 0 x = 1 x In beden Fällen st erschtlch, dass das Mnmum bem arthmetschen Mttel der Zwegstellenpostonen legt. x 1 x = 1 ( ) = ,3

8 Auf de analytsche Bestmmung des Mnmums sollte ncht verzchtet werden, da dadurch erst deutlch wrd, dass sch das Mnmum bem arthmetschen Mttel der Zwegstellenpostonen befndet. Das arthmetsche Mttel lässt sch ebenso we der Medan mt dem Graphkrechner m Statstk-Modus und m Run-Modus bestmmen, wenn de Daten zuvor n ene Lste engegeben wurden. c) De Summe der Entfernungen vom Zentrallager zu den Zwegstellen vor dem Zentrallager soll glech der Summe der Entfernungen zu den Zwegstellen hnter dem Zentrallager sen. Analytsche Lösung Das Zentrallager befnde sch be Klometer x, de -te Zwegstelle bem Klometer x : Für de Zwegstellen, de sch vor dem Zentrallager befnden (x x), beträgt de Entfernung zum Zentrallager x x, für de Zwegstellen, de sch hnter dem Zentrallager befnden (x x), beträgt se x x. Damt de Summe der Entfernungen vor und hnter dem Zentrallager glech st, muss gelten: ( x x ) = ( x x) bzw. x x x x 0 = ( x x ) + ( x x ) = ( x x ) x x x x Es folgt 0 = x x und x = 1 x. De Lösung legt weder bem arthmetschen Mttel der Zwegstellenpostonen x 1 x 104,3. Das Zentrallager sollte also be Klometer 104,3 errchtet werden, damt de Summe der Entfernungen vom Zentrallager zu den Zwegstellen vor dem Zentrallager glech der Summe der Entfernungen zu den Zwegstellen hnter dem Zentrallager st. Der Zahlenwert der Nullstelle der Funkton ( x x ) leße sch natürlch auch mt dem Graphkrechner bestmmen (m Glechungs- Modus oder mt der Graph-Solve-Funkton m Graphk-Modus), de Verwendung des Graphkrechners betet sch her aber ncht unbedngt an. 8

Beschreibung von Vorgängen durch Funktionen

Beschreibung von Vorgängen durch Funktionen Beschrebung von Vorgängen durch Funktonen.. Splnes (Sete 6) a +b c Zechenerklärung: [ ] - Drücken Se de entsprechende Taste des Graphkrechners! [ ] S - Drücken Se erst de Taste [SHIFT] und dann de entsprechende

Mehr

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

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

Mehr

Beschreibende Statistik Mittelwert

Beschreibende Statistik Mittelwert Beschrebende Statstk Mttelwert Unter dem arthmetschen Mttel (Mttelwert) x von n Zahlen verstehen wr: x = n = x = n (x +x +...+x n ) Desen Mttelwert untersuchen wr etwas genauer.. Zege für n = 3: (x x )

Mehr

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung: Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab

Mehr

Aufgaben zur Funktionsdiskussion: Grundkurs Nr. 2 a 2 +b 2 =c 2 Materialbörse Mathematik

Aufgaben zur Funktionsdiskussion: Grundkurs Nr. 2 a 2 +b 2 =c 2 Materialbörse Mathematik Zeichenerklärung: [ ] - Drücken Sie die entsprechende Taste des Graphikrechners! [ ] S - Drücken Sie erst die Taste [SHIFT] und dann die entsprechende Taste! [ ] A - Drücken Sie erst die Taste [ALPHA]

Mehr

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden. Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve

Mehr

Definition des linearen Korrelationskoeffizienten

Definition des linearen Korrelationskoeffizienten Defnton des lnearen Korrelatonskoeffzenten r xy x y y r x xy y 1 x x y y x Der Korrelatonskoeffzent st en Indkator dafür, we gut de Punkte (X,Y) zu ener Geraden passen. Sen Wert legt zwschen -1 und +1.

Mehr

Grundgedanke der Regressionsanalyse

Grundgedanke der Regressionsanalyse Grundgedanke der Regressonsanalse Bsher wurden durch Koeffzenten de Stärke von Zusammenhängen beschreben Mt der Regressonsrechnung können für ntervallskalerte Varablen darüber hnaus Modelle geschätzt werden

Mehr

Konkave und Konvexe Funktionen

Konkave und Konvexe Funktionen Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage

Mehr

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher. PV - Hausaugabe Nr. 7.. Berechnen Se eakt und verglechen Se de Werte ür de Nullstelle, de mttels dem Verahren von Newton, der Regula als und ener Mttelung zu erhalten snd von der! Funkton: ( ) Lösungs

Mehr

Regressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n

Regressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n Regressonsgerade x x x x 3... x n y y y y 3... y n Bem Auswerten von Messrehen wrd häufg ene durch theoretsche Überlegungen nahegelegte lneare Bezehung zwschen den x- und y- Werten gesucht, d.h. ene Gerade

Mehr

Streuungs-, Schiefe und Wölbungsmaße

Streuungs-, Schiefe und Wölbungsmaße aptel IV Streuungs-, Schefe und Wölbungsmaße B... Lagemaße von äufgketsvertelungen geben allen weng Auskunft über ene äufgketsvertelung. Se beschreben zwar en Zentrum deser Vertelung, geben aber kenen

Mehr

Lösungen zum 3. Aufgabenblock

Lösungen zum 3. Aufgabenblock Lösungen zum 3. Aufgabenblock 3. Aufgabenblock ewerber haben n enem Test zur sozalen Kompetenz folgende ntervallskalerte Werte erhalten: 96 131 11 1 85 113 91 73 7 a) Zegen Se für desen Datensatz, dass

Mehr

Hauptprüfung Abiturprüfung 2014 (ohne CAS) Baden-Württemberg

Hauptprüfung Abiturprüfung 2014 (ohne CAS) Baden-Württemberg Hauptprüfung Abturprüfung 2014 (ohne CAS) Baden-Württemberg Lneare Optmerung Hlfsmttel: GTR, Formelsammlung beruflche Gymnasen (AG, BTG, EG, SG, TG, WG) Alexander Schwarz www.mathe-aufgaben.com Oktober

Mehr

2 Zufallsvariable und Verteilungen

2 Zufallsvariable und Verteilungen Zufallsvarable und Vertelungen 7 Zufallsvarable und Vertelungen Wr wollen uns jetzt mt Zufallsexpermenten beschäftgen, deren Ausgänge durch (reelle) Zahlen beschreben werden können, oder be denen man jedem

Mehr

Lösungen der Aufgaben zu Kapitel 2

Lösungen der Aufgaben zu Kapitel 2 Lösungen der Aufgaben zu Kaptel Abschntt 1 Aufgabe 1 Wr benutzen de Potenzrechenregeln, um ene Potenz von mt geradem Eponenten n oder mt ungeradem Eponenten n + 1 we folgt darzustellen: n n und n+1 n n

Mehr

Elemente der Mathematik - Sommer 2016

Elemente der Mathematik - Sommer 2016 Elemente der Mathematk - Sommer 2016 Prof Dr Matthas Lesch, Regula Krapf Lösungen Übungsblatt 3 Aufgabe 9 (10 Punkte) Das Horner-Schema st ene Methode zum Auswerten enes Polynoms n a0 x an der Stelle s

Mehr

Sequential minimal optimization: A fast Algorithm for Training Support Vector machines

Sequential minimal optimization: A fast Algorithm for Training Support Vector machines Sequental mnmal optmzaton: A fast Algorthm for Tranng Support Vector machnes By John C. Platt (998) Referat von Joerg Ntschke Fall der ncht-trennbaren Tranngs-Daten (/) In der Realtät kommen lnear ncht-trennbare

Mehr

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung am Bespel enes Modells der chadenverscherung Für das Modell ener chadenverscherung se gegeben: s w s. n 4 chaden enes Verscherungsnehmers, wenn der chadenfall entrtt Wahrschenlchket dafür, dass der chadenfall

Mehr

Sind die nachfolgenden Aussagen richtig oder falsch? (1 Punkt pro korrekter Beantwortung)

Sind die nachfolgenden Aussagen richtig oder falsch? (1 Punkt pro korrekter Beantwortung) LÖSUNG KLAUSUR STATISTIK I Berufsbegletender Studengang Betrebswrtschaftslehre Sommersemester 016 Aufgabentel I: Theore (10 Punkte) Snd de nachfolgenden Aussagen rchtg oder falsch? (1 Punkt pro korrekter

Mehr

Klasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten

Klasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten Versuch r. 1: achwes des Hook schen Gesetzes und Bestmmung der Federkonstanten achwes des Hookeschen Gesetzes und Bestmmung der Federkonstanten Klasse : ame1 : ame 2 : Versuchszel: In der Technk erfüllen

Mehr

Einführung in die numerische Mathematik

Einführung in die numerische Mathematik Prof. Dr. M. Günther K. Gauslng, M.Sc. C. Hendrcks, M.Sc. Sommersemester 1 Bergsche Unverstät Wuppertal Fachberech C Mathematk und Naturwssenschaften Angewandte Mathematk / Numersche Analyss Enführung

Mehr

1.Schularbeit 22.Okt A. A) Berechne ohne TI-92: Beachte: Für die Beispiele 1 und 2 sind alle notwendigen Rechenschritte anzugeben.

1.Schularbeit 22.Okt A. A) Berechne ohne TI-92: Beachte: Für die Beispiele 1 und 2 sind alle notwendigen Rechenschritte anzugeben. 1.Schularbet.Okt. 1997 7.A A) Berechne ohne TI-9: Beachte: Für de Bespele 1 und snd alle notwendgen Rechenschrtte anzugeben. 1a) De zu z= a + bkonjugert komplexe Zahl st z= a b. Zege für z 1 = -4 + 3 und

Mehr

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen Übungsklausur Wahrschenlchket und Regresson De Lösungen. Welche der folgenden Aussagen treffen auf en Zufallsexperment zu? a) En Zufallsexperment st en emprsches Phänomen, das n stochastschen Modellen

Mehr

Die Executive/Assistant-Applikation an Ihrem OpenStage 60/80

Die Executive/Assistant-Applikation an Ihrem OpenStage 60/80 E/A Cockpt De Executve/Assstant-Applkaton an Ihrem OpenStage 60/80 De Executve/Assstant-Applkaton E/A Cockpt st ene XML-Applkaton, de spezell für de Telefone OpenStage 60 und OpenStage 80 entwckelt wurde.

Mehr

Rte de Tavel 10 - Case postale / Postfach Fribourg - Tél. 026 / Fax 026 /

Rte de Tavel 10 - Case postale / Postfach Fribourg - Tél. 026 / Fax 026 / 2011.03.30 Benutzeranletung Onlne Termnreservaton Zu unseren Interndenstlestungen gelangen Se unter www.ocn.ch 1. ASS ONLINE NLINE anklcken 2. Termne Technsche Kontrollen anklcken a Rte de Tavel 10 - Case

Mehr

Gruppe. Lineare Block-Codes

Gruppe. Lineare Block-Codes Thema: Lneare Block-Codes Lneare Block-Codes Zele Mt desen rechnerschen und expermentellen Übungen wrd de prnzpelle Vorgehenswese zur Kanalcoderung mt lnearen Block-Codes erarbetet. De konkrete Anwendung

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

Mehr

Resultate / "states of nature" / mögliche Zustände / möglicheentwicklungen

Resultate / states of nature / mögliche Zustände / möglicheentwicklungen Pay-off-Matrzen und Entschedung unter Rsko Es stehen verschedene Alternatven (Strategen) zur Wahl. Jede Stratege führt zu bestmmten Resultaten (outcomes). Man schätzt dese Resultate für jede Stratege und

Mehr

Arbeitsblatt 20: Maxima und Minima Baywatch

Arbeitsblatt 20: Maxima und Minima Baywatch Arbeitsblatt 20: Maima und Minima Baywatch Erläuterungen und Aufgaben Zeichenerklärung: [ ] - Drücke die entsprechende Taste des Graphikrechners! [ ] S - Drücke erst die Taste [SHIFT] und dann die entsprechende

Mehr

1 Definition und Grundbegriffe

1 Definition und Grundbegriffe 1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:

Mehr

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar.

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar. . Nullstellensuche Enes der ältesten numerschen Probleme stellt de Bestmmung der Nullstellen ener Funkton = dar. =c +c =c +c +c =Σc =c - sn 3 Für ene Gerade st das Problem trval, de Wurzel ener quadratschen

Mehr

Fallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung

Fallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung Fallstude 4 Qualtätsregelkarten (SPC) und Versuchsplanung Abgabe: Lösen Se de Aufgabe 1 aus Abschntt I und ene der beden Aufgaben aus Abschntt II! Aufgabentext und Lösungen schrftlch bs zum 31.10.2012

Mehr

BA_T3Classic_IPO_v1.0 (Draft_B)_050719

BA_T3Classic_IPO_v1.0 (Draft_B)_050719 BA_T3Classc_IPO_v1.0 (Draft_B)_050719 Inhalt Inhalt...2 Machen Se sch mt Ihrem Telefon vertraut Wchtge Hnwese... 3 Ihr T3 Classc auf enen Blck... 6 T3 IP Telefon n Betreb nehmen (I5)... 7 Grundregeln für

Mehr

Lineare Regression. Stefan Keppeler. 16. Januar Mathematik I für Biologen, Geowissenschaftler und Geoökologen

Lineare Regression. Stefan Keppeler. 16. Januar Mathematik I für Biologen, Geowissenschaftler und Geoökologen Mathematk I für Bologen, Geowssenschaftler und Geoökologen 16. Januar 2012 Problemstellung Bespel Maß für Abwechung Trck Mnmum? Exponentalfunktonen Potenzfunktonen Bespel Problemstellung: Gegeben seen

Mehr

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm): Aufgabe 1 (4 + 2 + 3 Punkte) Bem Wegen von 0 Respaketen ergaben sch folgende Gewchte X(n Gramm): 1 2 3 4 K = (x u, x o ] (98,99] (99, 1000] (1000,100] (100,1020] n 1 20 10 a) Erstellen Se das Hstogramm.

Mehr

tutorial N o 1a InDesign CS4 Layoutgestaltung Erste Schritte - Anlegen eines Dokumentes I a (Einfache Nutzung) Kompetenzstufe keine Voraussetzung

tutorial N o 1a InDesign CS4 Layoutgestaltung Erste Schritte - Anlegen eines Dokumentes I a (Einfache Nutzung) Kompetenzstufe keine Voraussetzung Software Oberkategore Unterkategore Kompetenzstufe Voraussetzung Kompetenzerwerb / Zele: InDesgn CS4 Layoutgestaltung Erste Schrtte - Anlegen enes Dokumentes I a (Enfache Nutzung) kene N o 1a Umgang mt

Mehr

Aspekte zur Approximation von Quadratwurzeln

Aspekte zur Approximation von Quadratwurzeln Aspete zur Approxmaton von Quadratwurzeln Intervallschachtelung Intervallhalberungsverfahren Heron-Verfahren Rechnersche und anschaulche Herletung Zusammenhang mt Newtonverfahren Monotone und Beschränthet

Mehr

e dt (Gaußsches Fehlerintegral)

e dt (Gaußsches Fehlerintegral) Das Gaußsche Fehlerntegral Φ Ac 5-8 Das Gaußsche Fehlerntegral Φ st denert als das Integral über der Standard-Normalvertelung j( ) = -,5 n den Grenzen bs, also F,5 t ( ) = - e dt (Gaußsches Fehlerntegral)

Mehr

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt -

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt - Flußnetzwerke - Strukturbldung n der natürlchen Umwelt - Volkhard Nordmeer, Claus Zeger und Hans Joachm Schlchtng Unverstät - Gesamthochschule Essen Das wohl bekannteste und größte exsterende natürlche

Mehr

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07 Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 3.Auflage Dese Broschüre hlft bem Verfassen und Betreuen von Maturaarbeten. De 3.Auflage

Mehr

Konzept der Chartanalyse bei Chart-Trend.de

Konzept der Chartanalyse bei Chart-Trend.de Dpl.-Phys.,Dpl.-Math. Jürgen Brandes Konzept der Chartanalyse be Chart-Trend.de Konzept der Chartanalyse be Chart-Trend.de... Bewertungsgrundlagen.... Skala und Symbole.... Trendkanalbewertung.... Bewertung

Mehr

Abbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)).

Abbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)). 44 n n F F a) b) Abbldung 3.: Besetzungszahlen enes Fermgases m Grundzustand (a)) und für ene angeregte Konfguraton (b)). 3.3 Ferm Drac Statstk In desem Abschntt wollen wr de thermodynamschen Egenschaften

Mehr

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz): LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete

Mehr

z.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel!

z.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel! Aufgabe : Vorbemerkung: Ene Zufallsvarable st ene endeutge Funkton bzw. ene Abbldungsvorschrft, de angbt, auf welche Art aus enem Elementareregns ene reelle Zahl gewonnen wrd. x 4 (, ) z.b. Münzwurf: Kopf

Mehr

Rotation (2. Versuch)

Rotation (2. Versuch) Rotaton 2. Versuch Bekannt snd berets Vektorfelder be denen das Lnenntegral über ene geschlossene Kurve Null wrd Stchworte: konservatve Kraft Potentalfelder Gradentenfeld. Es gbt auch Vektorfelder be denen

Mehr

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen 196 6.5. Rückgewnnung des Zetvorgangs: Rolle der Pole und Nullstellen We n 6.2. und 6.. gezegt wurde, st de Übertragungsfunkton G( enes lnearen zetnvaranten Systems mt n unabhänggen Spechern ene gebrochen

Mehr

Parameterdarstellung und Polarkoordinaten

Parameterdarstellung und Polarkoordinaten Zeichenerklärung: [ ] - Drücken Sie die entsprechende Taste des Graphikrechners! [ ] S - Drücken Sie erst die Taste [SHIFT] und dann die entsprechende Taste! [ ] A - Drücken Sie erst die Taste [ALPHA]

Mehr

Weitere NP-vollständige Probleme

Weitere NP-vollständige Probleme Wetere NP-vollständge Probleme Prosemnar Theoretsche Informatk Marten Tlgner December 10, 2014 Wr haben letzte Woche gesehen, dass 3SAT NP-vollständg st. Heute werden wr für enge wetere Probleme n NP zegen,

Mehr

BA_T3Compact_IPO_v1.0 (Draft_B)_050719

BA_T3Compact_IPO_v1.0 (Draft_B)_050719 BA_T3Compact_IPO_v1.0 (Draft_B)_050719 Inhalt Inhalt...2 Machen Se sch mt Ihrem Telefon vertraut Wchtge Hnwese... 3 Ihr T3 Compact auf enen Blck... 6 T3 IP Telefon n Betreb nehmen (I5)... 7 Grundregeln

Mehr

Facility Location Games

Facility Location Games Faclty Locaton Games Semnar über Algorthmen SS 2006 Klaas Joeppen 1 Abstract Wr haben berets sehr häufg von Nash-Glechgewchten und vor allem von deren Exstenz gesprochen. Das Faclty Locaton Game betet

Mehr

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree

Mehr

Avaya T3 Telefone angeschlossen an Integral 5 Konferenzraum einrichten und nutzen Ergänzung zum Benutzerhandbuch

Avaya T3 Telefone angeschlossen an Integral 5 Konferenzraum einrichten und nutzen Ergänzung zum Benutzerhandbuch Avaya T3 Telefone angeschlossen an Integral 5 Konferenzraum enrchten und nutzen Ergänzung zum Benutzerhandbuch Ausgabe 1 Integral 5 Software Release 2.6 September 2009 Konferenzraum nutzen Konferenzraum

Mehr

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007 Lehrstuhl für Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen

Mehr

Informatik II. Minimalpolynome und Implikanten. Minimalpolynome. Minimalpolynome. Rainer Schrader. 27. Oktober Was bisher geschah: Definition

Informatik II. Minimalpolynome und Implikanten. Minimalpolynome. Minimalpolynome. Rainer Schrader. 27. Oktober Was bisher geschah: Definition Informatk II Raner Schrader und Implkanten Zentrum für Angewandte Informatk Köln 27. Oktober 2005 1 / 28 2 / 28 Was bsher geschah: jede Boolesche Funkton kann durch enfache Grundfunktonen dargestellt werden

Mehr

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de

Mehr

Die Ausgangssituation... 14 Das Beispiel-Szenario... 14

Die Ausgangssituation... 14 Das Beispiel-Szenario... 14 E/A Cockpt Für Se als Executve Starten Se E/A Cockpt........................................................... 2 Ihre E/A Cockpt Statusüberscht................................................... 2 Ändern

Mehr

Methoden der innerbetrieblichen Leistungsverrechnung

Methoden der innerbetrieblichen Leistungsverrechnung Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den

Mehr

18. Dynamisches Programmieren

18. Dynamisches Programmieren 8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus

Mehr

-70- Anhang: -Lineare Regression-

-70- Anhang: -Lineare Regression- -70- Anhang: -Lneare Regressn- Für ene Messgröße y f(x) gelte flgender mathematsche Zusammenhang: y a+ b x () In der Regel läßt sch durch enen Satz vn Messwerten (x, y ) aber kene Gerade zechnen, da de

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

Mehr

Auswertung P1-81 Elektrische Messverfahren

Auswertung P1-81 Elektrische Messverfahren Auswertung P1-81 Elektrsche Messverfahren Mchael Prm & Tobas Volkenandt 16. Januar 6 Aufgabe 1.1 Messung des nnenwderstandes des µ A -Multzets Nachdem wr de Schaltung gemäß Schaltskzze (Abb.1) aufgebaut

Mehr

Rückblick Regression II: Anpassung an Polynome

Rückblick Regression II: Anpassung an Polynome Rückblck Regresson II: Anpassung an Polynome T. Keßlng: Auswertung von Messungen und Fehlerrechnung - Fehlerrechnung und Korrelaton 0.06.08 Vorlesung 0- Temperaturmessung mt Thermospannung Wr erhalten

Mehr

Nullstellen Suchen und Optimierung

Nullstellen Suchen und Optimierung Nullstellen Suchen und Optmerung Typsche Probleme: De optmale Bahnkurve De Mnmerung des Erwartungswertes ür den Hamltonan Wr möchten ene Funkton mnmeren oder mameren solch en Problem wrd Optmerung genannt!

Mehr

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel ultlneare Algebra und hre Anwendungen Nr. : Normalformen Verfasser: Yee Song Ko Adran Jenn Rebecca Huber Daman Hodel 9.5.7 - - ultlneare Algebra und hre Anwendungen Jordan sche Normalform Allgemene heore

Mehr

Lineare Regression (1) - Einführung I -

Lineare Regression (1) - Einführung I - Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:

Mehr

Aufgabenkomplex 2: Umrechung von Einheiten, Ungleichungen, Komplexe Zahlen

Aufgabenkomplex 2: Umrechung von Einheiten, Ungleichungen, Komplexe Zahlen Technsche Unverstät Chemntz 0. Oktober 009 Fakultät für Mathematk Höhere Mathematk I.1 Aufgabenkomplex : Umrechung von Enheten, Unglechungen, Komplexe Zahlen Letzter Abgabetermn: 19. November 009 n Übung

Mehr

Statistische Kennzahlen für die Lage

Statistische Kennzahlen für die Lage Statstsche Kennzahlen für de Lage Bsher: gernge Informatonsverdchtung durch Vertelungsbeschrebung Jetzt: stärere Zusammenfassung der Daten auf hr Zentrum ls Raabe: Wahrschenlchetsrechnung und Statstsche

Mehr

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2 ETH Arbetsgruppe Radocheme Radochemsches Praktkum P 06 Enführung n de Statstk INHALTSVERZEICHNIS Sete 1. Zählung von radoaktven Zerfällen und Statstk 2 2. Mttelwert und Varanz 2 3. Momente ener Vertelung

Mehr

Fachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung

Fachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung Fachberech Mathematk Prof. K. Grosse-Brauckmann D. Frsch WS 27/8./.. 6. Übungsblatt zur Lnearen Algebra für Physker Gruppenübung Aufgabe G7 (Kern, Bld, Rang und Orthogonaltät) Gegeben se ene lneare Abbldung

Mehr

In der beschreibenden Statistik werden Daten erhoben, aufbereitet und analysiert. Beispiel einer Datenerhebung mit Begriffserklärungen (Vokabel)

In der beschreibenden Statistik werden Daten erhoben, aufbereitet und analysiert. Beispiel einer Datenerhebung mit Begriffserklärungen (Vokabel) Rudolf Brnkmann http://brnkmann-du.de Sete.. Datenerhebung, Datenaufberetung und Darstellung. In der beschrebenden Statstk werden Daten erhoben, aufberetet und analysert. Bespel ener Datenerhebung mt Begrffserklärungen

Mehr

Maße der zentralen Tendenz (10)

Maße der zentralen Tendenz (10) Maße der zentralen Tendenz (10) - De Berechnung der zentralen Tendenz be ategorserten Daten mt offenen Endlassen I - Bespel 1: offene Endlasse Alter x f x f p x p p cum bs 20 1? 3? 6? 6 21-25 2 23 20 460

Mehr

Arbeitsblatt 7: Rekursive Folgen Wer wird Millionär

Arbeitsblatt 7: Rekursive Folgen Wer wird Millionär Erläuterungen und Aufgaben Zeichenerklärung: [ ] - Drücke die entsprechende Taste des Graphikrechners! [ ] S - Drücke erst die Taste [SHIFT] und dann die entsprechende Taste! [ ] A - Drücke erst die Taste

Mehr

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2 1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:

Mehr

Stochastische Prozesse

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

Mehr

Algorithmen und ihre Programmierung -Teil 3-

Algorithmen und ihre Programmierung -Teil 3- Veranstaltung Pr.-Nr.: Algorthmen und hre Programmerung -Tel - Veronka Waue WS / Veronka Waue: Grundstudum Wrtschaftsnformatk WS/ Übung Ersetzen Se n folgendem Bespel de For schlefe durch ene WhleWend-Schlefe

Mehr

Die hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x)

Die hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x) ZZ Lösung zu Aufgabe : Ch²-Test Häufg wrd be der Bearbetung statstscher Daten ene bestmmte Vertelung vorausgesetzt. Um zu überprüfen ob de Daten tatsächlch der Vertelung entsprechen, wrd en durchgeführt.

Mehr

Diskrete Mathematik 1 WS 2008/09

Diskrete Mathematik 1 WS 2008/09 Ruhr-Unverstät Bochum Lehrstuhl für Kryptologe und IT-Scherhet Prof. Dr. Alexander May M. Rtzenhofen, M. Mansour Al Sawad, A. Meurer Lösungsblatt zur Vorlesung Dskrete Mathematk 1 WS 2008/09 Blatt 7 /

Mehr

Lineare Optimierung Einführung

Lineare Optimierung Einführung Kaptel Lneare Optmerung Enführung B... (Dre klasssche Anwendungen) Im Folgenden führen wr de ersten dre klassschen (zvlen) Anwendungen der lnearen Optmerung an: BS... (Produktonsplanoptmerung) En Betreb

Mehr

Datenträger löschen und einrichten

Datenträger löschen und einrichten Datenträger löschen und enrchten De Zentrale zum Enrchten, Löschen und Parttoneren von Festplatten st das Festplatten-Denstprogramm. Es beherrscht nun auch das Verklenern von Parttonen, ohne dass dabe

Mehr

3. Lineare Algebra (Teil 2)

3. Lineare Algebra (Teil 2) Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw

Mehr

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1. Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.

Mehr

Dynamisches Programmieren

Dynamisches Programmieren Marco Thomas - IOI 99 -. Treffen n Bonn - Dynamsches Programmeren - Unverstät Potsdam - 8.02.999 Dynamsches Programmeren 957 R. Bellmann: Dynamc Programmng für math. Optmerungsprobleme Methode für Probleme,.

Mehr

WS 2016/17 Prof. Dr. Horst Peters , Seite 1 von 9

WS 2016/17 Prof. Dr. Horst Peters , Seite 1 von 9 WS 2016/17 Prof. Dr. Horst Peters 06.12.2016, Sete 1 von 9 Lehrveranstaltung Statstk m Modul Quanttatve Methoden des Studengangs Internatonal Management (Korrelaton, Regresson) 1. Überprüfen Se durch Bestmmung

Mehr

Free Riding in Joint Audits A Game-Theoretic Analysis

Free Riding in Joint Audits A Game-Theoretic Analysis . wp Wssenschatsorum, Wen,8. Aprl 04 Free Rdng n Jont Audts A Game-Theoretc Analyss Erch Pummerer (erch.pummerer@ubk.ac.at) Marcel Steller (marcel.steller@ubk.ac.at) Insttut ür Rechnungswesen, Steuerlehre

Mehr

Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i

Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i Itemanalyse und Itemkennwerte De Methoden der Analyse der Itemegenschaften st ncht m engeren Snne Bestandtel der Klassschen Testtheore Im Rahmen ener auf der KTT baserenden Testkonstrukton und -revson

Mehr

Wissenschaftliche Nachrichten: https://www.bmbf.gv.at/schulen/sb/wina/wina.html Vol. 136/2009, 19-21

Wissenschaftliche Nachrichten: https://www.bmbf.gv.at/schulen/sb/wina/wina.html Vol. 136/2009, 19-21 Von emprschen Daten zum Modell: Das Monod-Modell NORBERT BRUNNER und MANFRED KÜHLEITNER Vele Wachstumsvorgänge lassen sch mt Hlfe ener Exponentalfunkton beschreben. Man denke etwa an de Znsesznsrechnung.

Mehr

LITECOM infinity Infinity-Modus

LITECOM infinity Infinity-Modus LITECOM nfnty Infnty-Modus nfnty Rechtlche Hnwese Copyrght Copyrght Zumtobel Lghtng GmbH Alle Rechte vorbehalten. Hersteller Zumtobel Lghtng GmbH Schwezerstrasse 30 6850 Dornbrn AUSTRIA Tel. +43-(0)5572-390-0

Mehr

Grundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt

Grundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt Mathematsches Insttut der Unverstät München Wntersemester 3/4 Danel Rost Lukas-Faban Moser Grundlagen der Mathematk I Lösungsvorschlag zum. Tutorumsblatt Aufgabe. a De Formel besagt, daß de Summe der umrahmten

Mehr

Arbeitsblatt 29: Kurvendiskussion Klausur

Arbeitsblatt 29: Kurvendiskussion Klausur Erläuterungen und Aufgaben Zeichenerklärung: [ ] - Drücke die entsprechende Taste des Graphikrechners! [ ] S - Drücke erst die Taste [SHIFT] und dann die entsprechende Taste! [ ] A - Drücke erst die Taste

Mehr

6. Übung zur Linearen Algebra II

6. Übung zur Linearen Algebra II Unverstät Würzburg Mathematsches Insttut Prof. Dr. Peter Müller Dr. Peter Fleschmann SS 2006 30.05.2006 6. Übung zur Lnearen Algebra II Abgabe: Bs Mttwoch, 14.06.2006, 11:00 Uhr n de Brefkästen vor der

Mehr

Standortplanung. Positionierung von einem Notfallhubschrauber in Südtirol. Feuerwehrhaus Zentrallagerpositionierung

Standortplanung. Positionierung von einem Notfallhubschrauber in Südtirol. Feuerwehrhaus Zentrallagerpositionierung Standortplanung Postonerung von enem Notfallhubschrauber n Südtrol Postonerung von enem Feuerwehrhaus Zentrallagerpostonerung 1 2 Postonerung von enem Notfallhubschrauber n Südtrol Zu bekannten Ensatzorten

Mehr

Grundlagen der Technischen Informatik. 12. Übung. Christian Knell Keine Garantie für Korrekt-/Vollständigkeit

Grundlagen der Technischen Informatik. 12. Übung. Christian Knell Keine Garantie für Korrekt-/Vollständigkeit Grundlagen der Technschen Informatk 12. Übung Chrstan Knell Kene Garante für Korrekt-/Vollständgket 12. Übungsblatt Themen Aufgabe 1: Aufgabe 2: Aufgabe 3: Komparator Adderer/Subtraherer Mehr-Operanden-Adderer

Mehr

Lineare Optimierung Dualität

Lineare Optimierung Dualität Kaptel Lneare Optmerung Dualtät D.. : (Dualtät ) Folgende Aufgaben der lnearen Optmerung heßen symmetrsch dual zuenander: und { z = c x Ax b x } max, 0 { Z b A c } mn =, 0. Folgende Aufgaben der lnearen

Mehr

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x,

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x, Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analyss I Vorlesung 17 Logarthmen Satz 17.1. De reelle Exponentalfunkton R R, x exp x, st stetg und stftet ene Bjekton zwschen R und R +. Bewes. De Stetgket

Mehr

Protokoll zu Versuch C1-Mischungsvolumina

Protokoll zu Versuch C1-Mischungsvolumina Protokoll zu Prnz: De sezfschen Mschungsvolumna ener Lösung werden durch auswegen fester Flüssgketsvolumna bekannter Lösungszusammensetzungen mt Hlfe von Pyknometern bestmmt. Theoretsche Grundlagen: Um

Mehr

ω 0 = Protokoll zu Versuch E6: Elektrische Resonanz

ω 0 = Protokoll zu Versuch E6: Elektrische Resonanz Protokoll zu Versuch E6: Elektrsche esonanz. Enletung En Schwngkres st ene elektrsche Schaltung, de aus Kapaztät, Induktvtät und ohmschen Wderstand besteht. Stmmt de Frequenz der anregenden Wechselspannung

Mehr