Das Kollektive Risikomodell II
|
|
- Adolf Bader
- vor 5 Jahren
- Abrufe
Transkript
1 Semia Vesiheugsisiko ud Rui Pof.D.Haspete Shmidli Das Kollektive Risikomodell II 4.6. Eweiteug de Pae Rekusiosfomel Die (a,b,)-veteilugsklasse. Eie Veteilug gehöt zu (a,b,)klasse,we ihe Wahsheilihkeitsfuktio { } ekusiv duh die Fomel b q a+ q q (4.3) fü,3,4, beehet wede ka,wobei a ud b Kostat sid. Bem: q >. Methode: ull-tukieug Sei{ } eie Wahsheilihkeitsfuktio aus de (a,b,)klasse. Die etspehed p q i de (a,b,)klasse ist q p fü,,3, p. Methode: ull-modifizieug Sei{ } eie Wahsheilihkeitsfuktio aus de (a,b,)klasse. Die etspehed p q i de (a,b,)klasse ist q α p, fü,,3, ud q α mit <α <. p Es gibt vie adee Elemete vo (a,b,)klasse, zwei davo sid Logaithmishe- Veteilug ud eweitete tukieede egative biomialveteilug. Duh die ull-modifizieede Fom vo de beide Veteiluge köe wi die übige zwei Veteiluge estelle,we alle Veteiluge auf positive gazzahl defiiet sid. We die Azhal des Shades zu (a,b,)-veteilugsklasse gehöt ud die Höhe des
2 idividuelle Shades auf atülihe Zahle veteilt ist, da ka ma eie ekusive Fomel fü die Wahsheilihkeitsfuktio des Gesamtshades ableite. Sei b Q q wobei q a+ q fü,,3, Q q q q, + + b Q q + a+ q q+ a q + b q + Q q q q+ a q + q + b q + q aq bq q a+ b q + a q + b q 443 Q Ute Beutzug de Idetität -+ ( ) + a q a q a q 443 a q + aq Q aq + aq Q q ( a+ b) q + aq + ( a+ b) Q Q. Ud PS Q PX P S Q PX P X ( ) ( ) ( ) P S q a+ b q + apx Q PX + a+ b Q PX PX ( ) ( ) q a+ b q PX + apx Q PX PX + a+ b Q PX PX PS PS
3 P q ( a+ b) q P + ap P + ( a+ b) P P S X S X X S (4.4) Die wahsheilihkeitsezeugede Fuktioe vo P ud P sid duh S X k PS gk ud PX f k gegebe. k Die Ableitug ah : P S k gk, P X f ah (4.4) folgt k k k k k gk q ( a+ b) q f + a f k gk + ( a+ b) gk f k k k k k k k gk q ( a+ b) q f + a f k gk + ( a+ b) gk f k k k beide Seite multipliziee mit : Da mahe wi die Koeffizietevegleih: like Seite ist de Koeffiziet vo ehte Seite: de Koeffizie des este Podukts vo gleih de Koeffizie des zweite Podukts vo g gleih q ( a+ b) q f gleih ( ) a f g, fü,,,, de Koeffizie des ditte Podukts vo gleih a+ b f g, fü,,, g q a+ b q f + a f g + a+ b f g ( + ) + + ( ) + ( + ) q a b q f af g a f g a b f g af g q a + b q f + a a + a + b f g b ( af) g q ( a + b) q f + a + f g Da folgt ekusive Fomel fü die Wahsheilihkeitsfuktio des Gesamtshades 3
4 b g q a+ b q f + a+ f ( af ) ( ) g (4.5) fü,,3,... qf Q ( f), f > mit Afagswet g (4.6) q, f ud q > falls q ud f,ist Afagswet P P g X q f Adee Klasse vo Veteiluge Eie Veteilug gehöt zu Shöte Klasse, we ihe Wahsheilihkeitsfuktio { } ekusiv duh die Fomel b p a+ p + p p (4.7) fü,,3, beehet wede ka, wobei a,b ud Kostat sid ud p :. We die Azhal des Shades zu Shöte Klasse gehöt ud die Höhe des idividuelle Shades auf atülihe Zahle veteilt ist, da köe wi wiede eie ekusive Fomel die Wahsheilihkeitsfuktio fü Gesamtshade ableite. Sei b P p wobei p a+ p + p P p p P p +, b P a + p + p b a + p + p fü,,3, a p + b p + p P P 4
5 Ute Beutzug de Idetität -+ a p + a p a p 443 P a p + ap P ap + ap P ap + a+ b+ P (4.8) Ud PS P PX P S P PX P X ( ) ( ) ( ) P S apx P PX + a+ b+ PX P PX PX ( ) PS PS apx P PX P X + a+ b+ PX P PX PX ap P + a + b + P P P (4.9) X S X S X Jetzt defiiee wi die Zufallsvaiable Y als Y X X ( P P P ) Y X X ah (4.9) folgt +,da P P + ( + ) + P S apx P S a b PS P X PS PX PX 4443 ap P + ( a+ b) P P + P P X S S X S Y Die wahsheilihkeitsezeugede Fuktioe vo P Y Y Y P Y ist duh * * gegebe,da ( Y ) ( X X ) f P f * Die Ableitug ah : Die Summefom ist: P P + fü,,, P Y f X 5
6 g a f g a b g k f k k k k k + ( + ) k k * + g k fk k beide Seite multipliziee mit : g a f g a b g k f k k Koeffizietevegleih: k k + ( + ) k k k * + g k fk k like Seite ist de Koeffiziet vo ehte Seite: gleih g de Koeffizie des este Podukts vo gleih ( ) a f g, fü,,,, de Koeffizie des zweite Podukts vo de Koeffizie des ditte Podukts vo gleih gleih a+ b f g, fü,,,, f * g g a f g + a+ b f g + f g * *, fü,,,, afg + a f g + a + b f g + f g af g a f g a b f g f g * Da folgt ekusive Fomel fü die Wahsheilihkeitsfuktio des Gesamtshade b g a f f * af + + g (4.3) fü,,3,... mit Afagswet g P ( f ) 6
7 Diese ekusive Fomel hat eie ahteil, um mit g ehe zu köe muss ma * est { f } beehe. Sei ud uabhägig, i (a,b,)klasse, eie Poissoveteilug ud setze wi 3 + da ist die Veteilug vo 3 i Shöte Klasse. Bew: Fü eie Zufallsvaiable i (a,b,)klasse mit Paamete a α ud b β,da ist die Gleihug (4.5) ist P αp + ( α + β) P ud betahte P α + β P α Aalog fü ~ P( λ ) : P d log P. P d P d λ log P. P d Da fü, So dass, + P P P 3 3 log P log P + log P 3 3 P P 3 P α + β α + β + λ λα + + λ. P P P α α Jetzt betahte wi,dass die Veteilug vo zu Shöte Klasse gehöt, da duh die Gleihug (4.8) folgt P a+ b+. P a Dahe, die Veteilug vo 3 gehöt zu Shöte Klasse,ud die Pametes sid a α, b β + α ud λα. 7
8 Eie Veteilug gehöt zu R Klasse, we ihe Wahsheilihkeitsfuktio k { p} k bi ekusiv duh die Fomel p ai + p i i beehet wede ka, k wobei { },{ b } k ai i i i ( p :,falls <) Kostat ud k eie positive gazezahl sid. 4.7 Vewedug de Rekusiosfomel 4.7. Disketisieugsmethode Um die Rekusiosfomel awede zu köe,esetze wi die stetige Veteilug duh die diskete Veteilug..Methode Sei F eie stetige Veteilug mit F(), die etspehed disketisiete Veteilug mit Wahsheilihkeitsfuktio{ h } ka ma duh estellt wede. Daaus folgt: h F F (4.3) fü,, H h F Fü alle, H F s.d H eie utee Shake vo F ist. Aalog köe wi eie disketisiete Veteilug H % estelle, die eie obee Shake vo F ist. Fü alle : H( ) F( ) H % ( ).Methode Eie alteative Methode ist die Momete de diskete ud stetige Veteilug zu messe. Z.B 8
9 Wi defiiee eie Wahsheilihkeitsfuktio { h } ˆ mit de Veteilugsfuktio Ĥ fü die gilt,dass. Hˆ hˆ F y dy (4.3) + We X~ F ud Y~ Ĥ da gilt: [ ] ( F( y) ) E X + ( F ( y) ) EY [ ] Hˆ dy dy De Ewatugswet bleibt ehalte. Obwohl wi bishe auf gazzahle disketisiee,gilt die Methode auh fü,z,z,,wobei z eie beliebige Zahl ist. Sei Zufallsvaibale S d als eie zusammegesetzte Poisso-Veteilug mit Poisso Paamete λ ud disketisiete Veteilug de Höhe des idividuelle Shades mit Pa( α, k ( α )) ist. Da ist S d diskete Zufallsvaibale dee Wahsheilihkeitsfuktio mit Hilfe de Pae Rekusiosfomel beehet wede ka.die Veteilugsfuktio vo S ka gefude wede sofe gilt,dass ( P S P ks k P Sd k ) Die Qualität diese Appoimatio hägt vo de Wahl vo k ab. Je göße k,desto besse ist die Appoimatio umeishe Awedug umeishe Übelauf iht alle Rekusiosvoshifte sid stabil,d.h de Rudugsfehle köte ah eiige Shitte so göße sei,dass Edegebiss keie Si maht. Die Pae Rekusiosfomel ist fü Poisso od. egative-biomialvteilte 9
10 Shadezahl stabil, edoh iht fü Biomialveteilug. umeishe Utelauf We de Afagswet eie Rekusive Beehug so klei ist,dass diese vom Compute als ull aufgefasst wid,so wüde die Rekusiosvoshift est g liefe,ud da g, usw. Um dieses Poblem zu vemeide,ka ma eie willkülihe Wet (ZB: g ) g setze,ud ehet ekusiv weite. Diese willkülihe Wet ka duh geeigete Skalieug ehalte wede.(zb: duh fahe Kalkulatio mit g ) 4.8 Appoimative Beehug de Gesamtshadeveteilug 4.8. Die omal-appoimatio We wi de Ewatugswet ud die Vaiaz vo S kee, appoimiee wi die Veteilug vo S duh die omalveteilug mit gleihe Ewatugswet ud gleihe Vaiaz. Bsp: S hat eie zusammegesetze Poissoveteilug mit Poisso Paamete λ ud de Höhe des idividuelle Shades,die Logomalveteilug mit Ewatugswet ud Vaiaz.5 ist. Wi suhe de Wet mit P(S ).95 Beh: (a) 8.3we λ (b) 6. we λ Bew: E[ S] ist ( λ,.5 λ ). λ ud Va [ S].5λ,da die appoimiete Veteilug vo S Daduh, P λ S P Z wobei Z (,)..5λ Mit Hilfe die Tabelle vo stadad omalveteilug wisse wi P(Z.645).95
11 λ λ λ, 8.3 ud λ, 6. Voteile: -weig Ifomatioe -eifahe Awedug -agemessee Aäheug we die Shadezahl seh goß ist ahteile: - P(S<) > -die Appoimatiosveteilug ist symmetish, higege ist die ehte Veteilug omaleweise vezet. -die Appoimatio eigt dazu de tail zu uteshätze Die veshobee Gamma- Appoimatio Eie Shwähe vo omal-appoimatio ist,dass sie auf de este zwei Momete vo S basiet. Die veshobee Gamma-Appoimatio bewältigt diese ahteil, idem sie auf de este dei Momete vo S basiet. Die Veteilug vo S wid duh die Veteilug vo Y+k appoimet,wobei Y~ γ ( αβ, ) ud k kostat ist. Die paametes α, β ud k wede duh folgede Gleihuge bestimmt. [ ] Sk S (4.33) α [ ] V S E[ S] α β (4.34) α + k (4.35) β Bsp: die Vaiable S hat gleihe Voaussetzug wie obige Beispiel,u vewedet ma die veshobee Gamma-Appoimatio ud bestimmt. Beh: (a) 9.59 we λ
12 (b) 7.7 we λ Bew;. Shitt: Zuest bestimme wi dei Momet vo Logomalveteilug m ep{ μ σ } +, m {.5 ep μ + σ } s.d μ.458 ud.957 σ folgt m 9 3 { μ σ } ep ah (4.33) gilt : λm ( λm ) 3 3 4λm α α m 3 3 α m ah (4.34) gilt : λm β β m 3 α ah (4.35) gilt : λm + k s.d β m λ α β λ 3 k m m m We λ,α.56, β.3 ud k., setze SY+k, Y γ (α, β ) ud ehalte wi P ( S P Y k),da ka ma duh eie Softwae (ZB: speadsheets) die ivese vo Gammaveteilug beehe. P ( Y 7.59).95 folgt 9.59 We λ,α 5.6, β.3 ud k.,da P ( Y 7.7) Voteile: -beahtet die Vezeug vo die Veteilug vo S. -eifah zu implemetieede Aäheug -hevoagede Appoimatio. ahteile: -meh Ifomatio als omal-appoimatio. -P(S<)
beschreiben wir zuerst den Gesamtschadenprozess, der mit
Die klassishe Ritheoie. Eifühg I diesem Kapitel betahte wi de klassishe Risiko-Pozess d leite eiige Egebisse fü die Wahsheilihkeit des Ris he. Isbesodee beweise wi Ldbeg s Ugleihg d zeige, wie explizite
MehrDas kollektive Risikomodell. 12. Mai 2009
Kirill Rudik Das kollektive Risikomodell 12. Mai 2009 4.1 Eileitug Wir betrachte i diesem Kapitel die Gesamtforderuge im Laufe eies Jahres. Beim Abschluss eies Versicherugsvertrages weiß der Versicherer
Mehr3.3. Spezielle Verteilungen für mehrstufige Experimente
3.3. Spezielle Veteiluge fü mehstufige Expeimete Baumdiagamme fü mehstufige Expeimete wede bei viele Wiedeholuge schell uübesichtlich. Fü das wiedeholte Ziehe mit ud ohe Zuüclege aus eie Ue, die u zwei
MehrLineare Algebra die Darstellungsmatrix von f bezüglich A. Es ist B = (b 1, b 2, b 3 ) mit. A = M A A (f) =
Techische Uivesität Dotmud Sommesemeste 2017 Fakultät fü Mathematik Übugsblatt 3 Pof. D. Detlev Hoffma 22. Mai 2017 Maco Sobiech/ Nico Loez Lieae Algeba 1 Lösug zu Aufgabe 3.1: Voaussetzuge: Sei V ei deidimesioale
Mehr6. Übung - Differenzengleichungen
6. Übug - Differezegleichuge Beispiel 00 Gesucht sid alle Lösuge vo a) x + 3x + = 0 ud b) x + x + 7 = 0, jeweils für 0. Um diese lieare Differezegleichug erster Ordug zu löse, verwede wir die im Buch auf
MehrDie g-adische Bruchdarstellung. 1 Die g-adische Bruchdarstellung
Die g-adische Buchdastellug Votag im Rahme des Posemias zu Aalysis, 24.03.2006 Michael Heste Ziel dieses Votags ist eie kokete Dastellug de elle Zahle, wie etwa die allgemei bekate ud gebäuchliche Dezimaldastellug
MehrAR: Grundlagen der Tensor-Rechung
Auto: Walte Bisli vo walte.bislis.ch/doku/a 8..3 7:57 AR: Gudlage de Teso-Rechug Matheatisch wede Beechuge de Eegiedichte ud de zugehöige Rauzeitküug it de Wekzeug de Teso-Aalysis ausgefüht. Auf de folgede
MehrDr. Jürgen Senger MATHEMATIK. Grundlagen für Ökonomen
D. Jüge Sege MTHEMTIK Gudlage fü Ökooe ÜBUNG 8.. - LÖSUNGEN. Gegee ist das lieae Gleichugssyste: 7 a. Es hadelt sich u ei ihoogees lieaes Gleichugssyste it Gleichuge ud Vaiale.. Ei lieaes Gleichugssyste
Mehr1. Wahrscheinlichkeitsrechnung. 2. Diskrete Zufallsvariable. 3. Stetige Zufallsvariable. 4. Grenzwertsätze. 5. Mehrdimensionale Zufallsvariable
1. Wahrscheilichkeitsrechug. Diskrete Zufallsvariable 3. Stetige Zufallsvariable 4. Grezwertsätze 5. Mehrdimesioale Zufallsvariable Stetige Zufallsvariable Eie Zufallsvariable X : Ω R heißt stetig, we
Mehr2. Verteilung der Primzahlen. Bertrands Postulat
O Forster: Prizahle 2 Verteilug der Prizahle Bertrads Postulat 21 Satz (Euklid Es gibt uedlich viele Prizahle Beweis Wir zeige, dass es zu jeder edliche Mege 1, 2,, vo Prizahle ier och eie weitere Prizahl
MehrForschungsstatistik I
Pschologie Pof. D. G. Meihadt 6. Stock, TB II R. 06-206 (Pesike) R. 06-321 (Meihadt) Spechstude jedezeit ach Veeibaug Foschugsstatistik I D. Malte Pesike pesike@ui-maiz.de http://psmet03.sowi.ui-maiz.de/
MehrNennenswertes 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
MehrKAPITEL 2: NÄHERUNGSVERFAHREN
2.1 Variatiosprizip 2.2 Störugstheorie KAPITL 2: NÄRUNGSVRFARN Amerkug: i alle folgede Theme wird die Gültigkeit der BO-Näherug vorausgesetzt Literatur: z.b: Atkis, Friedma, Moleular Quatum Mehais, Oxford
Mehr11. Übungsblatt zur Vorlesung Mathematik I für Informatik
Fachbereich Mathematik Prof. Dr. Thomas Streicher Dr. Sve Herrma Dipl.-Math. Susae Pape. Übugsblatt zur Vorlesug Mathematik I für Iformatik Witersemester 9/./3. Jauar Gruppeübug Aufgabe G Itegratio) Bereche
Mehrn=0 f(x) = log(1 + x) = n=1
Potez - Reihe Machmal ist es praktisch eie Fuktio f() mir Hilfe ihrer Potezreihe auszudrücke. Eie Potezreihe um de Etwicklugspukt 0 sieht im Allgemeie so aus a ( 0 ) Fuktioe, für die eie Potezreihe eistiert,
MehrModulabschlussprüfung Analysis Musterlösung
Bergische Uiversität Wuppertal Fachbereich C Mathematik ud Naturwisseschafte Prof. Dr. N. Shcherbia SoSe 204 Modulabschlussprüfug Aalysis 2.07.204 Musterlösug. Utersuche Sie folgede Reihe auf Kovergez
MehrDie effektive Zinssatzberechnung bei Krediten. Dr. Jürgen Faik. - Bielefeld, 22.03.2007 -
Die effektive issatzbeechug bei edite D Jüge Faik - Bielefeld, 22327 - Eileitug: um isbegiff Ich wede i de kommede Stude zum Thema Die effektive issatzbeechug bei edite votage Nach eileitede Wote zum isbegiff
MehrKapitel VI. Einige spezielle diskrete Verteilungen
Kapitel VI Eiige spezielle diskrete Verteiluge D 6 (Hypergeometrische Verteilug) Eie Zufallsvariable X heißt hypergeometrisch verteilt, we sie folgede Wahrscheilichkeitsfuktio besitzt: M N M P ( X ) p
MehrComputer-Graphik II Verallgemeinerte Baryzentrische Koordinaten
4/22/10 lausthal omputer-raphik II Verallgemeierte Baryzetrische Koordiate. Zachma lausthal Uiversity, ermay zach@i.tu-clausthal.de Verallgemeieruge der baryzetr. Koord. 1. Was macht ma im 2D bei (kovexe)
MehrStochastik - Lösung (BSc D-MAVT / BSc D-MATH / BSc D-MATL)
Prof. Dr. M. Schweizer ETH Zürich Sommer 8 Stochastik - Lösug (BSc D-MAVT / BSc D-MATH / BSc D-MATL). (6 Pukte) a) (.5 Pukte) Wir defiiere die Ereigisse D = die ähmaschie bekommt eie kleie Defekt} ud U
Mehr4 Beschreibung des Run-Tests
4 Bescheibug des Ru-Tests Die mathematische Gudlage fü dieses Kaitel fidet ma i [6],[8] ud [6]. 4. Was ist ei Ru-Test 4.. Eifühug De Ru-Test ist ei ichtaametische Test (siehe Kaitel 3.6), dem die Azahl
MehrHöhere 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
MehrKAPITEL IV DREHBEWEGUNGEN STARRER KÖRPER
KAPITEL IV DREHBEWEGUNGEN STARRER KÖRPER . GRUNDBEGRIFFE. MODELL "STARRER KÖRPER" Bishe habe wi us mit de Mechaik de Puktmasse beschäftigt; dabei meie wi eigetlich u die Bewegug des Massemittelpuktes.
Mehr5-1 Elementare Zahlentheorie
5- Elemetare Zahletheorie 5 Noch eimal: Zahletheoretische Fuktioe 5 Der Rig Φ als Rig der formale Dirichlet-Reihe! Erierug: Ei Polyom mit Koeffiziete i eiem Körper K ist ach Defiitio ichts aderes als eie
MehrWir sprechen von einer Rente, wenn die Ein- oder Auszahlungen (= Raten) regelmässig erfolgen und konstant immer in der gleichen Höhe erfolgen.
2. eteechge 2.1 Gdlage Weitee Afgabestellge i de Fiazmathematik egebe sich, we die apitaleilage ode die ückzüge egelmässig d i gleiche Höhe efolge. I diese Fälle spicht ma vo ete. Die Altesete ist davo
MehrGleichung D. Gleichung C
Gleihug C: gültig für Kerte > bis 10 11 3 PO 4 8.4.4 Shwahe Säure ud ase etwikel aus Gleihug oder: Gleihug C ud C oder: für iht zu kleie 0, 0 (sost C, C ) K K gegeüber... ud ² gegeüber K0 verahlässigbar
MehrSeminarausarbeitung: 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
MehrLösungsvorschlag zu den Hausaufgaben der 4. Übung
FKULTÄT FÜR MTHEMTIK Pof. D. Patizio Neff Chistia Thiel 05.11.013 Lösugsvoschlag zu de Hausaufgabe de 4. Übug ufgabe 1: 6 Pute I eiem Lad ist jede Stadt mit jede adee duch geau eie Staße vebude, wobei
MehrLGÖ Ks VMa 12 Schuljahr 2017/2018
LGÖ Ks VMa Schuljahr 7/8 Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud ugleichuge 6 Für Experte 8 Polyomgleichuge ud -ugleichuge
MehrDer Approximationssatz von Weierstraß
De Appoximatiossatz vo Weiestaß Votag im Posemia zu Fouieaalysis Uivesität Hambug, Dept. Mathematik ejami Wieeck Sommesemeste, 1. Apil 8 Das Ziel dieses Votages ist de eweis des Appoximatiossatzes vo Weiestaß.
MehrMathematik 4 Vektorräume und affine Räume
4 ektoäume ud affie äume olesugsmitschift - Kuzfassug Etwuf Pof. D. e. at. B. Gabowski HTW des Saalades 4 Ihalt Mathematik Kapitel 4 INHALTSEZEICHNIS 4 EKTOÄUME UND AFFINE ÄUME... 4.. EINLEITUNG... 4.
MehrDer Satz von Stone-Weierstraß. 1 Approximationssatz von Weierstraß
Der Satz vo Stoe-Weierstraß Vortrag zum Prosemiar Aalysis, 28.06.2010 Valetia Gerber, Sabria Kielma Aus der Vorlesug Aalysis I ud II kee wir das Kozept des Approximieres. Us wurde die Begriffe Taylor-
Mehr3. 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( ) Parameters α. Links: α < 1. Mitte: α = 1 (Exponentialverteilung). Rechts: α > 1.
KAPITEL 8 Wichtige statistische Veteilungen In diesem Kapitel weden wi die wichtigsten statistischen Veteilungsfamilien einfühen Zu diesen zählen neben de Nomalveteilung die folgenden Veteilungsfamilien:
MehrLineare Algebra 2. A m. A 3 XI n3
Techische Uivesität Dotmud Sommesemeste 27 Fakultät fü Mathematik Übugsblatt 6 Pof D Detlev Hoffma 6 Jui 27 Maco Sobiech/ Nico Loez Lieae Algeba 2 Lösug zu Aufgabe 6: Voaussetzuge: Sei K ei Köpe ud sei
MehrDer Groß-O-Kalkül. Additionsregel. Zunächst ein paar einfache "Rechen"-Regeln: " ": Sei. Lemma, Teil 2: Für beliebige Funktionen f und g gilt:
Der Groß-O-Kalkül Additiosregel Zuächst ei paar eifache "Reche"-Regel: Lemma, Teil 1: Für beliebige Fuktioe f g gilt: Zu beweise: ur das rechte "=" Zu beweise: jede der beide Mege ist jeweils i der adere
MehrProseminar: Mathematisches Problemlösen. Ungleichungen 2. Pierre Schmidt. Vortragstermin: 19. Juni Fakultät für Mathematik
Prosemiar: Mathematisches Problemlöse Ugleichuge Pierre Schmidt Vortragstermi: 19. Jui 015 Übugsleiteri: Dr. Natalia Griberg Fakultät für Mathematik Karlsruher Istitut für Techologie Ihaltsverzeichis 1
Mehrx = a + b α + β. b) Wir erweitern den Bruch geeignet (Standardtrick: z z ist reell, daher ergibt 1/z = 1/z z/ z = z/(z z) einen reellen Nenner):
Karlsruher Istitut für Techologie (KIT) Istitut für Aalysis Priv-Doz Dr P C Kustma Dr D Frey WS 0/ Höhere Mathematik I für die Fachrichtug Physik Lösugsvorschläge zum 3 Übugsblatt Aufgabe Zuächst zum Supremum:
MehrDas ist das Schaltungskonzept einer Bitspeicherzelle in einem SRAM. gate
9. Speiheelemete Die Wiug vo Rüoppluge Shaltetze habe eie haateitihe Eigehaft: ie ethalte eie Rüoppluge. Welhe Wiug eie Rüopplug habe a, oll a folgedem Beipiel gezeigt wede. 1 1 1 1 1 1 Duh die Rüoppluge
MehrEmpirische 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,...,
MehrSchriftliche Prüfung aus Regelungstechnik am
TU Gaz, Istitut fü Regelugstechik Schiftliche Püfug aus Regelugstechik a 6.0.00 Nae / Voae(): Ke-Mat.N.: Gebutsdatu: BONUSPUNKTE aus Coputeecheübug SS00: 3 4 eeichbae Pukte 5 4 5 5 eeichte Pukte TU Gaz,
MehrLösungsformel für quadratische Gleichungen. = ± q + Lösungsformel für. Potenzen. negative Exponenten: gebrochene Exponenten: a a.
HUNKLOIHDWKHPDWLN Dies ist keie Fomelsmmlug im klssische Si - die vewedete Bezeichuge wede icht eklät ud Voussetzuge fü die ültigkeit de Fomel wede i de Regel icht gegee. 7HLO,6WRIIJHELHWHHULWWHOVWXIH
MehrAnalysis Übungen Hausaufgaben für 4. April
Aalysis Übuge Hausaufgabe für 4. April Reihe sg 1. AN 8.2. c), AN 8.9. a). 2. Beweise die otwedige Bedigug für die Kovergez eier Reihe: we a koverget ist, da lim a = 0. (I der Praxis: we lim a 0, da ist
MehrInnere und äußere (transversale) Orientierungen
Iere ud äußere (trasversale) Orietieruge Ei geometrishes Objekt P (ei Weg, eie Flähe) liege i eie höherdimesioalem geometrishe Objekt K K ka ei affier Raum sei Eie iere Orietieruge legt liks, rehts obe,
MehrHöhere 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
MehrMathematische Probleme, SS 2015 Montag 1.6. $Id: convex.tex,v /06/01 09:26:03 hk Exp $
athematische Probleme, 2015 otag 1.6 $Id: cove.te,v 1.19 2015/06/01 09:26:03 hk Ep $ 3 Kovegeometrie 3.2 Die platoische Körper I der letzte itzug habe wir mit de Vorarbeite zur Berechug der platoische
MehrGebrochenrationale Funktionen
Gebrocheratioale Fuktioe Aufgabe Bestimme de Defiitiosbereich der Fuktio f() = ösug: Hier ist der maimale Defiitiosbereich icht R, de im der Neer wird für = Null ud ma würde durch Null teile. Aus diesem
Mehr7 Brownsche Bewegung (Version Januar 2012)
7 Browsche Bewegug (Versio Jauar 0) Wir führe zuerst die Defiitio eier Browsche Bewegug ei ud zeige da, dass ei solcher Prozess eistiert. Daach beweise wir eie Reihe vo Eigeschafte der Browsche Bewegug,
MehrMusterlösung für die Klausur zur Vorlesung Stochastik I im WiSe 2014/2015
Musterlösug für die Klausur zur Vorlesug Stochastik I im WiSe 204/205 Teil I wahr falsch Aussage Gilt E[XY ] = E[X]E[Y ] für zwei Zufallsvariable X ud Y mit edlicher Variaz, so sid X ud Y uabhägig. Für
MehrÜbung 11. Stochastische Signale Prof. Dr.-Ing. Georg Schmitz
Übug Aufgabe : Ukorrelierte, statistisch uabhägige Prozesse Es sid zwei stochastische Prozesse gegebe mit X = cos(z ), Y = cos(z φ). Hierbei sei Z auf [ π, π] gleichverteiltes weißes Rausche mit E{Z }
MehrBeispiele: (1) (x k ) = (1, 2, 3,...) (s n ) = (1, 1 + 2, ,...) s n 2 = Also: ( s n ) = (2) (x k ) = 1. (s n ) =?
Pof. D. Fiedel Bolle L fü Volswitschaftslehe isb. Witschaftstheoie (Mioöoomie) Volesug Mathemati - W 8/9 57 Pof. D. Fiedel Bolle L fü Volswitschaftslehe isb. Witschaftstheoie (Mioöoomie) Volesug Mathemati
Mehr13. Übungsblatt zur Vorlesung Mathematik I für Informatik
Fachbereich Mathematik Prof. Dr. Thomas Streicher Dr. Sve Herrma Dipl.-Math. Susae Pape 3. Übugsblatt zur Vorlesug Mathematik I für Iformatik Witersemester 009/00 6./7. Jauar 00 Gruppeübug Aufgabe G (Reihe)
MehrZusammenfassung: Gleichungen und Ungleichungen
LGÖ Ks VMa Schuljahr 6/7 Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud ugleichuge 6 Für Eperte 8 Polyomgleichuge ud -ugleichuge
Mehra) Folgt aus der Linearität der Ableitung und den Eigenschaften der Supremumsnorm.
Lösug. a) Folgt aus der Liearität der Ableitug ud de Eigeschafte der Supremumsorm. b) d ist wohldefiiert. Es ist d(φ, φ 2 ) ( ) 2 2 α β = m 2 m = 4 < α,β N Symmetrie ist klar. Aus d(φ, φ 2 ) = folgt φ
Mehrvon 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
MehrSeminar: Randomisierte Algorithmen Routenplanung in Netzwerken
Semiar: Radomisierte Algorithme Routeplaug i Netzwerke Marie Gotthardt 3. Oktober 008 Ihaltsverzeichis 1 Routeplaug i Netzwerke 1.1 Laufzeit eies determiistische Algorithmus'................ 1. Radomisierter
Mehr2. Übung Algorithmen II
Johaes Sigler, Prof. Saders 1 Johaes Sigler: KIT Uiversität des Lades Bade-Württemberg ud atioales Forschugszetrum i der Helmholtz-Gemeischaft Istitut für Theoretische www.kit.edu Iformatik Orgaisatorisches
MehrD-HEST, Mathematik III HS 2015 Prof. Dr. E. W. Farkas R. Bourquin und M. Sprecher. Lösung 1
D-HEST, Mathematik III HS 15 Prof. Dr. E. W. Farkas R. Bourqui ud M. Sprecher Lösug 1 Das erste Kapitel der Vorlesug behadelt die Theorie der Fourier-Reihe. Bearbeite Sie bitte folgede Frage olie bis Diestag,
MehrVORKURS: MATHEMATIK RECHENFERTIGKEITEN, LÖSUNGEN MONTAG
Lösuge Motg -- VORKURS: MATHEMATIK RECHENFERTIGKEITEN, LÖSUNGEN MONTAG Blok. Beekuge: Kle vo ie h usse uflöse; Pukt vo Stih 0. / /. π lr lr Q lr d 00 ln Beekug zu d Geht uh ohe TR! Küze Nee: ud Zähle:
Mehr4. 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
Mehr1.1 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
MehrWahrscheinlichkeit & Statistik Musterlösung Serie 13
ETH Zürich FS 2013 D-MATH Has Rudolf Küsch Koordiator Blaka Horvath Wahrscheilichkeit & Statistik Musterlösug Serie 13 1. a) Die Nullhypothese lautet dass das echte Medikamet höchstes gleich gut ist wie
MehrLösungen zur Klausur Maß- und Integrationstheorie WS 2012/13
Lösuge zur Klausur 45 Maß- ud Itegratiostheorie S 22/3 Lösug zu Aufgabe I der Aufgabestellug ist kei Tippfehler. Es steht dort fx, y, x dλ 3 x, y, z. z fx, y, x ist kostat i z. Falls jemad fx, y, z dλ
MehrGrundbegriffe der Differentialrechnung
Wirtschaftswisseschaftliches Zetrum Uiversität Basel Mathematik für Ökoome 1 Dr. Thomas Zehrt Grudbegriffe der Differetialrechug Referez: Gauglhofer, M. ud Müller, H.: Mathematik für Ökoome, Bad 1, 17.
MehrSeminar: Stochastische Geometrie und ihre Anwendungen - Unbegrenzt teilbare und stabile Verteilungen.
Uverstät Ulm, Isttut Stochastk 5. Jul 200 Semar: Stochastsche Geometre ud hre Aweduge - Ubegrezt telbare ud stable Verteluge. Ausarbetug: Stefa Fuke Betreuer: Ju.-Prof. Dr. Zakhar Kabluchko Ubegrezt telbare
Mehr(5) Quaternionen. Vorlesung Animation und Simulation S. Müller U N I V E R S I T Ä T KOBLENZ LANDAU
(5) Quateioe Volesug Aimatio ud Simulatio S. Mülle KOBLENZ LANDAU Fage: De ekostuiete Wikel ist ische ud 8, as ist mit gößee Wikel? Atot: die ekostuiete Nomale eigt i die adee Richtug. also kei Poblem.
MehrLösungsvorschlag 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
MehrStetigkeit und Differenzierbarkeit
Didaktik der Mathematik der Sek II Umkehrfuktioe Ableitugsregel für Umkehrfuktioe (Umkehrregel) Beispiele für die Awedug der Umkehrregel Stetigkeit ud Differezierbarkeit Neuma/Roder Umkehrfuktio Fuktio
Mehri=0 a it i das erzeugende Polynome von (a 0,..., a j ).
4 Erzeugede Fuktioe ud Polyome Defiitio 4 Sei a = (a 0, a, eie Folge vo atürliche Zahle, da heißt die formale Potezreihe f a (t := i 0 a it i die erzeugede Fuktio vo a Gilt a i = 0 für i > j, so heißt
Mehr6 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
MehrEinige wichtige Ungleichungen
Eiige wichtige Ugleichuge Has-Gert Gräbe, Leipzig http://www.iformatik.ui-leipzig.de/~graebe 1. Februar 1997 Ziel dieser kurze Note ist es, eiige wichtige Ugleichuge, die i verschiedee Olympiadeaufgabe
MehrAnalysis 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
MehrFit 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
MehrTECHNISCHE 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
MehrModul 10: Autokonfiguration
Hohshul BoRhiSig Pof. D. Mati Lish Ntzwksstm ud TK Lzil: Modul 1: Autokofiguatio Nah Duhait diss Tilkapitls soll Si di Aufgastllug Autokofiguatio läut ud di id Kozpt SLAAC ud DHCPv6 zu automatish Kofiguatio
MehrThema: Bilanzen, Heizwert, Standardbildungsenthalpie
Thema: Bilaze, eizwert, Stadardbildgsethalpie fgabe: Bestimme Sie de obere, molare eizwert o eies Kohlewasserstoffgases as de a eiem Drhflss-Kalorimeter (Bild 1) gemessee Date. T 1, m w Gas Lft V g T G
MehrFunktionenreihen. 1-E1 Ma 2 Lubov Vassilevskaya
Fuktioereihe Erst durch Newto wurde die Theorie uedlicher Reihe zu eiem eigestädige Forschugsgebiet i der Mathematik, das da i Britaie besodere Beachtug ud weitere Etwicklug durch Brook Taylor ud Coli
Mehr$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,
MehrKapitel 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
Mehr5.3 Die hypergeometrische Verteilung
5.3 Die hypegeometische Veteilung Das Unenmodell fü die hypegeometische Veteilung ist die Ziehung ohne Zuücklegen. Die Une enthalte n Kugeln, davon s schwaze und w n s weiße. De Anteil p : s n de schwazen
MehrWörterbuchmethoden und Lempel-Ziv-Codierung
Kapitel 3 Wörterbuchmethode ud Lempel-Ziv-Codierug I diesem Abschitt lere wir allgemei Wörterbuchmethode zur Kompressio ud isbesodere die Lempel-Ziv (LZ))-Codierug kee. Wörterbuchmethode sid ei eifaches
MehrGrenzwerte von Folgen. 1-E Ma 1 Lubov Vassilevskaya
Grezwerte vo Folge -E Ma Lubov Vassilevskaya Berechug vo Grezwerte: Aufgabe Die Berechug vo Grezwerte ka oft ziemlich umstädlich sei. Die etwickelte Regel vereifache oft solche Berechuge. Diese Regel beruhe
MehrVorlesung "Molekülphysik/Festkörperphysik" Sommersemester 2012 Prof. Dr. F. Kremer. Übersicht der Vorlesung am
olesug "Molekülhysik/estköehysik" Sommesemeste Pof... Keme Übesicht de olesug am 4.-.6. Halbleite mit idealem Kistall Eegieeigewetdichte des Elektoegases Eegieveteilug de quasifeie Elektoe Elektische eitfähigkeit
MehrFormelnfürdieAnzahlmöglicherQuadrateaufn*nSpielfeldern
Modrago Formel Herleitug, Azahl Quadrate ud Differeze 01.doc 1 FormelfürdieAzahlmöglicherQuadrateauf*Spielfelder Mit Erläuteruge zur Ableitug der Formel vo Dr. Volker Bagert Berli, 11.03.010 Ihaltsverzeichis
MehrSo lösen Sie die Gleichung für den Korrelationskoeffizienten
8. Lieare Regressio 8.1. Die Methode der kleiste Quadrate Regressiosgerade bzw. Ausgleichsgerade sid eie Auswertug vo statistische Messdate. Dabei sid Datepukte ( x 1, y 1 ),( x 2, y 2 ), ( x, y ) gegebe.
MehrCristian Rosca & Timm Kruse: Ungleichungen II (Proseminar Mathematisches Problemlösen SS 2006: Dozent - Natalia Grinberg) UNGLEICHUNGEN II
Cisti Ros & Timm Kuse: Ugleihuge II (Posemi Mthemtishes Polemlöse SS 006: Dozet - tli Gieg) Posemi Mthemtishes Polemlöse Uivesität Klsuhe SS 006 UGLEICHUGE II Youg-Ugleihug... Hölde-Ugleihug...6 Miowsi-Ugleihug...0
MehrKlausur zur Analysis II
Uiversität Würzburg Mathematisches Istitut Prof Jör Steudig SS 007 807007 Klausur zur Aalysis II Aufgabe Die Mege M R 3 sei gegebe durch Zeit: 7:45-9:45 M := { x, y, z R 3 expx + y + z = } a Ist M abgeschlosse?
MehrZusammenfassung: Gleichungen und Ungleichungen
Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud -ugleichuge 6 Für Eperte 9 Polyomgleichuge ud -ugleichuge Defiitio: Ei Term
MehrGanzrationale Funktionen
Gazratioale Fuktioe 9. Defiitio gazratioaler Fuktioe Im Folgede werde ebe lieare ud quadratische Fuktioe auch solche betrachtet, bei dee die Variable i der dritte, vierte oder auch i eier och höhere Potez
MehrAnalysis 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)
MehrProgramm heute. Algorithmen und Datenstrukturen (für ET/IT) What is the matrix? Beispiel: Anwendung von Matrizen. Sommersemester 2018
Poga heute Algoithe ud Datestuktue (fü ET/IT) Soeseeste 08 D Stefaie Deici Copute Aided Medical Pocedues Techische Uivesität Müche 7 Fotgeschittee Datestuktue 8 Such-Algoithe 9 Gaph-Algoithe 0 Nueische
MehrTests 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
MehrÜBUNGSBLATT 4 LÖSUNGEN MAT121/MAT131 ANALYSIS I HERBSTSEMESTER 2010 PROF. DR. CAMILLO DE LELLIS
ÜBUNGSBLATT 4 LÖSUNGEN MAT/MAT3 ANALYSIS I HERBSTSEMESTER 00 PROF. DR. AMILLO DE LELLIS Aufgabe. Etscheide Sie für folgede Folge (wobei N \ {0}), ob diese koverget sid, ud bereche sie gegebeefalls ihre
Mehr(4) = 37,7 % mit 37,7 % Wahrscheinlichkeit sind es höchstens 4 Fahrräder, das ist recht hoch; man kann also die Behauptung nicht wirklich ablehnen.
Schülerbuchseite 98 1 Lösuge vorläufig IV Beurteilede Statistik S. 98 p S. 1 p w a t Tabelle Tabelle dowloadbar im Iteretauftritt 1 Teste vo Hypothese 1 a) Erwartugswert μ = 5 ud Stadardabweichug σ = 1,6;
MehrWir wiederholen zunächst das Majorantenkriterium aus Satz des Vorlesungsskripts Analysis von W. Kimmerle und M. Stroppel.
Uiversität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dr. D. Zimmerma MSc. J. Köller MSc. R. Marczizik FDSA 4 Höhere Mathematik II 30.04.2014 el, kyb, mecha, phys 1 Kovergezkriterie
MehrVl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5
Vl Statistische Prozess- ud Qualitätskotrolle ud Versuchsplaug Übug 5 Aufgabe ) Sei p = P(A) die Wahrscheilichkeit für ei Ereigis A, dh., es gilt 0 p. Bereche Sie das Maximum der Fuktio f(p) = p(-p). Aufgabe
MehrKAPITEL 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
MehrÜbungsaufgaben zu Analysis 1 Lösungen von Blatt XII vom sin(nx) n sin(x). sin(ax) a sin(x) z = re iϕ = r(cos(ϕ) + i sin(ϕ)) z n = w
Prof. Dr. Moritz Kaßma Fakultät für Mathematik Witersemester 04/05 Uiversität Bielefeld Übugsaufgabe zu Aalysis Lösuge vo Blatt XII vom 5.0.5 Aufgabe XII. 3 Pukte) Beweise Sie, dass für alle R ud N die
MehrMittelwerte und Zahlenfolgen Beat Jaggi, beat.jaggi@phbern.ch
vsmp sspmp ssimf Mittelwete ud Zhlefolge Bet Jggi, bet.jggi@phbe.ch Eileitug Ds Bilde vo Mittelwete ist ei zetles Kozept i de Mthemtik: Lgemsse i de Sttistik (Mittelwet, Medi, Modus); Mitte, Mittelliie
MehrVl Statistische Prozess und Qualitätskontrolle und Versuchsplanung Übung 3
Vl Statistische Prozess ud Qualitätskotrolle ud Versuchsplaug Übug 3 Aufgabe ) Die Schichtdicke X bei eier galvaische Beschichtug vo Autoteile sei ormalverteilt N(μ,σ ). 4 Teile werde galvaisch beschichtet.
Mehr