Kapitel 1.5: Simulation
|
|
- Markus Schmitt
- vor 5 Jahren
- Abrufe
Transkript
1 Kapitel 1.5: Kapitel 1.1: Einführung Kapitel 1.2: Grundlagen Kapitel 1.3: Problemstellung und Anforderungsanalyse Kapitel 1.4: bildung Kapitel 1.5: 1.5.1: Grundlagen 1.5.2: Implementierung 1.5.3: Verifikation und Validierung 1.5.4: Experimentieren 1.5.5: stechnologien 2005 itm 1 77
2 1.5.1 Grundlagen Grundlagen 2005 itm 1 78
3 Wiederholung Verifikation des s ieren Verifikation des smodells Implementieren Experimentieren smodell Validierung des smodells Experimentieren Implementierung 2005 itm
4 Wiederholung Experimentieren Implementierung : umfasst die Implementierung und das Experimentieren mit smodellen, um zu Erkenntnissen zu gelangen, die auf die Wirklichkeit übertragbar sind itm
5 Klassifikation von smodellen smodell dynamisch (deterministisch) stochastisch statisch kontinuierlich diskret analytisch numerisch zeitdiskret ereignisorientiert 2005 itm
6 statische smodelle Darstellung eines Systems zu genau einem Zeitpunkt oder wenn das System in einem stabilen Gleichgewichtszustand ist statisches Finite Elemente e Architektursimulation mit Zoom- und Schwenkfunktionalität Beispiel für eine statische ist ein Fahrzeug im Windkanal, bei dem Lage, Windgeschwindigkeit und richtung zeitunabhängig ist itm
7 Stochastische Methode zum Lösen deterministischer mathematischer Probleme mit Hilfe der Stochastik Zur Berechnung einer Größe wird diese in einem wahrscheinlichkeitstheoretischem beschrieben. Die Größe wird mit Hilfe wiederholter Zufallsexperimente angenähert. Randbedingungen der stochastischen Methoden: die Zeit spielt keine Rolle das Problem ist deterministisch, Stochastik wird künstlich überlagert nicht alle Systemvariablen und Systemwerte sind deterministisch zu einem Input des Systems gibt es (zufallsbedingt) verschiedene Outputs 2005 itm
8 Beispiel: Bestimmung der Kreiszahl π mit Hilfe der Monte Carlo Es gilt: x 2 + y 2 = 1 Für beliebige Werte von x i, y i gilt: Wertepaar auf oder innerhalb des Einheitskreises wenn x i 2 + y i 2 1 Wertepaar außerhalb des Einheitskreises wenn x i 2 + y i 2 > 1 Bezeichnet man als T die Anzahl der Treffer (x i 2 + y i 2 1) und V die Anzahl der Versuche dann gilt bei gleichmäßiger statistischer Verteilung der Größen x i, y i aus dem Intervall [0,1]: T V 2 Π r = 4 Π = 2 r 4 Π = 4 T ist der Anzahl der Treffer im Teil des Einheitsquadrates, der zum Kreis gehört T V 2005 itm
9 Abgrenzung kontinuierliche gegen diskrete Unterscheidung der dynamischen en bezüglich... zeitlicher Ablauf Zeitkontinuierlich: beliebige Zeitpunkte werden simuliert Zeitdiskret: nur bestimmte Zeitpunkte werden simuliert Anzahl der Systemzustände Zustandskontinuierlich: Zustandsvariablen können beliebige Werte annehmen unendliche Anzahl an Zuständen Zustandsdiskret: es wird nur endliche Anzahl an Systemzuständen simuliert z.b. Zustandsvariable diskret ereignisorientierte kontinuierlich numerische bzw. analytische (DGLs) kontinuierlich zeitdiskrete diskret Zeit 2005 itm
10 kontinuierliche mit diskreten Rechnersystemen zu simulierendes System ist zeit- und wertkontinuierlich Bei der Abbildung eines kontinuierlichen Systems durch einen Rechner entstehen Abweichungen Genauigkeit Funktionsweise eines (digitalen) Rechners ist sowohl zeit- als auch wertediskret saufwand (Rechenzeit, Rechnerleistung) 2005 itm
11 Numerische Schritt für Schritt Lösungen mit iterativ genäherten Werten Vorteile: Keine vereinfachenden Annahmen über Verteilung, Zufälligkeit und Unabhängigkeit notwendig Sensitivitätsuntersuchungen sind möglich Numerische mathematisch leichter als analytische Lösung smodelle sind anschaulicher Es lassen sich mit einem smodell meist mehrere alternative Systemstrukturen untersuchen Nachteile: Kein Auffinden der optimalen Lösung garantiert Hoher Konstruktions- und Kostenaufwand Großer Daten- und Rechenbedarf Fehler können sich in einem numerisch instabilen System aufschaukeln 2005 itm
12 Beispiel: Numerische eines Integrals A= , , ,55 1 = 1,93 1 A= 0 0,5 + 0,75 0, ,55 0,5 + 0,72 0,5 = 2, A= 0 0,25+ 0,43 0, ,72 0,25+ 0,77 0,25= 2, itm
13 Zeitdiskrete Nachbildung von zeitgetakteten Systemen durch die Berechnung der Systemausgänge zu diskreten Zeitpunkten Anwendungsfelder: Regelkreisberechnungen (Abtastsysteme) Bahnberechnung (Interpolation) bei NC-Maschinen 2005 itm
14 Ereignisorientierte ssystem mit endlicher Anzahl von Zuständen, die durch das Auftreten von Ereignissen wechseln. Sie basiert auf der Abfolge von Ereignissen, die selbst keine Zeit verbrauchen. Die Ereignisse werden in einer Ereignisliste geführt und in der Reihenfolge ihrer Eintrittszeiten abgearbeitet. Ein Ereignis führt bei den assoziierten Objekten zu einer Reaktion, z.b. einer Zustandsänderung. Gegebenenfalls erzeugen diese Objekte weitere Ereignisse. Beispiel: Taschenlampe System besitzt die beiden Zustände Licht On und Licht Off. Der Initial-Zustand ist Licht Off. Durch das Ereignis einschalten geht das System in den Zustand Licht On über. Erst nachdem das Ereignis ausschalten eintritt, geht das System wieder in den Zustand Licht Off über itm
15 Hybride smodelle mit sowohl diskreten als auch kontinuierlichen Anteilen werden als hybride smodelle bezeichnet. Ereignisorientierte der Steuerung kontinuierliche der Anlage Praktikum stechnik Hybride 2005 itm
16 Begriffsdefinition ssystem ssystem (Syn.: Simulator, -werkzeug): Ein ssystem ist ein Softwareprogramm, mit dem ein zur Nachbildung des dynamischen Verhaltens eines Systems und seiner Prozesse erstellt und ausführbar gemacht werden kann. (VDI 3633) Matlab-Simulink Dymola ADAMS 2005 itm
17 Anforderung an ssysteme Anforderungen an moderne ssysteme: Umfangreiche und erweiterbare Bibliothek von bausteinen Mächtige Diagnose- und Statistikfunktionalitäten Schnittstellen zum Ex- und Import von Daten Visualisierung Automatisch generierte übersichtliche Ergebnisdarstellung 2005 itm
18 Aufbau eines ssystems Benutzeroberfläche Datenverwaltung Simulatorkern Schnittstelle zu externen Datenbeständen und Applikationen 2005 itm
19 Simulatorkern Simulatorkern Funktionen des Simulatorkerns: Bereitstellung des s und der elemente Automatische, chronologische Erzeugung und Verarbeitung von Ereignissen Durchführung der sberechnungen Verknüpfung der Komponenten des ssystems Zentrale Ablaufsteuerung 2005 itm
20 Datenverwaltung Zu verwalten sind: Interne daten: Feste parameter (z.b. Massen, Trägheitsmomente, Abmessungen, Viskositäten) Eingabedaten: Werden durch den nutzer bereitgestellt (z.b. Störungsdauern, Anfangswerte) Zustandsdaten: Ändern sich mit der laufzeit (z.b. Geschwindigkeiten, Beschleunigungen, Positionen) Resultatdaten: Werden während, bzw. nach slauf gespeichert ausgegeben (z.b. Durchlaufzeiten, Signalverläufe) bibliotheksverwaltung: Dient zur Verwaltung von Standard-elementen und -Subsystemen (Zweck: Wiederverwendung) Datenverwaltung 2005 itm
21 Benutzeroberfläche Benutzeroberfläche Funktionen der Benutzeroberfläche: Editierung des smodells Visualisierung des smodells Betrachtung des slaufs (On-Line und Off-Line) Darstellung der aufbereiteten sresultate Ermöglichen von Eingriffen während der 2005 itm
22 Schnittstellen zu externen Datenbeständen und Applikationen Schnittstelle zu externen Datenbeständen und Applikationen Schnittstellen zu: Visualisierungswerkzeug (online-ausleitung der Daten zu Visualisierungszwecken 3D Animation einer Maschine) Programme zur Datenauswertung und Darstellung (2D/3D- Diagramme in Excel) anderen ssystemen (Kopplung von en und sdaten) Import von externen Daten (Datenbanken, Excel) 2005 itm
23 Phasen der Problemspezifikation bildung Systemanalyse Verifikation Implementierung Verifikation Parametrierung Validierung Experimentieren Planung & Vorbereitung Durchführung von släufen Auswertung Gesamtauswertung und Präsentation 2005 itm
24 Kapitel 1.5: Kapitel 1.1: Einführung Kapitel 1.2: Grundlagen Kapitel 1.3: Problemstellung und Anforderungsanalyse Kapitel 1.4: bildung Kapitel 1.5: 1.5.1: Grundlagen 1.5.2: Implementierung 1.5.3: Verifikation und Validierung 1.5.4: Experimentieren 1.5.5: stechnologien 2005 itm 1 100
25 1.5.2 Implementierung Implementierung 2005 itm 1 101
26 Begriffswiederholung Implementierung" Das abstrakte ist nicht direkt experimentierbar. Um ein Experiment durchführen zu können, muss das abstrakte in eine ausführbare Form z.b. rechnerlesbare Programme überführt werden. Implementierung smodell Implementierung: Unter Implementierung in der sstudie versteht man die Umsetzung eines abstrakten bzw. gedanklichen s in ein auf einem Rechner ablauffähiges smodell (VDI 3633) itm
27 Implementierungsarten: konventionelle Programmiersprache Vollständige Programmierung in einer konventionellen Programmiersprache. Beispiele: Fortran, C/C++, Basic, Pascal Vorteile: Freie Auswahl der Programmiersprachen Maximale Flexibilität Fertige, kompilierte Simulatoren haben keine lizenzrechtlichen Probleme Nachteile: Erheblicher Implementierungs- bzw. Anpassungsaufwand Programmiererfahrung und Statistikkenntnisse erforderlich 2005 itm
28 Implementierungsarten: simulationsspezifische Sprache Programmierung mit speziellen Konstrukten der Sprache (z. B. Datenverwaltungs- und Graphikroutinenkonstrukte) Beispiele: CSSL, DESIRE, MATLAB CSSL: Vorteile: Flexibilität Einfachere Implementierung Nachteile: Programmiererfahrung ist erforderlich en sind nur im Rahmen der Entwicklungsumgebung durchführbar 2005 itm
29 Implementierungsarten: graphik-orientierte sentwicklungsumgebung Implementierung erfolgt durch graphisch-interaktive erstellungen und -änderungen unter Verwendung abstrakter bausteine. Das System analysiert die erzeugte Graphik und setzt sie in eine interne ablauffähige Form bzw. ein Softwareprogramm um. Vorteile: Breites Spektrum von Werkzeugen auf dem Markt Aufwandsarme Erstellung Leichte Wiederverwendung vorhandener e Nachteile: Hoher Preis für Lizenzen nur im Rahmen der Entwicklungsumgebung durchführbar Catia Simulink MaSiEd 2005 itm
30 Beispiel einer sumgebung smodell eines Montagesystems 2005 itm
31 1.5.3 Verifikation und Validierung Verifikation und Validierung 2005 itm 1 107
32 Wiederholung: Validation und Verifikation Verifikation = Sicherstellen, dass das von einer Form zur anderen wie beabsichtigt und mit ausreichender Genauigkeit transformiert wird. = Building the model right Habe ich es richtig gemacht? 2005 itm
33 Verifikation des smodells Ziel der Verifikation des smodells ist es, zu überprüfen, ob das konzeptionelle richtig in das smodell umgesetzt wurde. Verifikation ieren Validierung Experimentieren Implementieren Verifikation smodell Verifikation des smodells Bezüglich: Algorithmen, Syntax, Semantik Rundungseffekte 2005 itm
34 Methoden zur Verifikation I Vorgehensweise: isoliertes Verifizieren elementarer Module sukzessive Zusammenführung der Module Verifikation des Gesamtsystems Verifikation durch die formlose Analyse Review-Techniken (vgl. Verifikation des konzeptionellen s): - Schreibtischtest - Walkthrough 2005 itm
35 Methoden zur Verifikation II Verifikation durch die formale Analyse Ursache-Wirkungs-Graph: Untersuchung der Ursache-Wirkungs-Beziehung im System und deren Abbildung im. Syntaktische Analyse: Überprüfung der syntaktischen Korrektheit der beschreibung anhand der Sprachdefinition. Semantische Analyse: Überprüfung der semantischen Übereinstimmung zwischen konzeptuellem und smodell. Kontrollfluss-Analyse: Analyse der Aufrufstrukturen in den Programmen... bedingten Verzweigungen... Zustandsübergängen... Schnittstellen 2005 itm
36 Parametrierung Festlegung der Parameter Unterschiedliche Variationen der zu simulierenden Systeme können als Parameter in einem realisiert werden (Parametrisierungsprinzip) Unbestimmte Freiheitsgrade Bei konkreter Implementierung soll das smodell gleiches zweckorientiertes Verhalten wie die Variante des Originalsystems aufweisen. Identifikation der (Start-)Parameter: Messung am Originalsystem Expertenschätzung Statistische Schätzwerte Festlegung fester Umrechnungsvorschriften von Werten zwischen und Originalsystem Zeitbasis (Zeitlupe, Zeitraffer) Wertebereich (z.b. Wachstumsgesetze für Kräfte) 2005 itm
37 Wiederholung: Validierung Validierung = sicherstellen, dass sich das innerhalb seines Anwendungsrahmens mit ausreichender Genauigkeit konsistent mit dem zu untersuchenden System verhält. = Building the right model Habe ich das Richtige gemacht? Verifikation ieren smodell Validierung des smodells Validierung Experimentieren Implementieren Verifikation 2005 itm 1 113
38 Validierung Besondere Bedeutung haben die ersten släufe, die der Validierung des smodells dienen. Gewinn von sergebnissen Vergleich reales System smodell Eine vollständige Übereinstimmung des abzubildenden Systems und des smodells ist nicht möglich und auch nicht erforderlich itm 1 114
Kapitel 1.5: Simulation
Kapitel 1.5: Kapitel 1.1: Einführung Kapitel 1.2: Grundlagen Kapitel 1.3: Problemstellung und Anforderungsanalyse Kapitel 1.4: bildung Kapitel 1.5: 1.5.1: Grundlagen 1.5.2: Implementierung 1.5.3: Verifikation
MehrVorlesung Modellbildung und Simulation
Vorlesung bildung und Teil 1: Grundlagen Informationstechnik im Maschinenwesen Prof. Dr.-Ing. K. Bender Prof. Dr.-Ing. F. Schiller 2005 itm 1 1 Organisatorisches Dozent: Prof. F. Schiller Betreuer: Dipl.-Ing.
Mehr4 Simulationsstudien. 4.1 Prinzipieller Ablauf von Simulationsstudien
4 Simulationsstudien 99 In diesem Kapitel wird die grundsätzliche Vorgehensweise für die Durchführung von Simulationsstudien dargestellt. Die Vorgehensweise von Simulationsstudien unterscheidet sich grundsätzlich
MehrKapitel 1.4: Modellbildung
Kapitel 1.4: bildung Kapitel 1.1: Einführung Kapitel 1.2: Grundlagen Kapitel 1.3: Problemstellung und Anforderungsanalyse Kapitel 1.4: bildung 1.4.1: Grundlagen 1.4.2: Systemtheorie 1.4.3: Systemanalyse
MehrExample Ptolemy Model of Comp.: Synchronous Reactive
Prinzip: Example Ptolemy Model of Comp.: Synchronous Reactive Annahme: unendlich schnelle Maschine Diskrete Ereignisse (DE) werden zyklisch verarbeitet (Ereignisse müssen nicht jede Runde eintreffen) Pro
MehrDiskrete Ereignis Simulation. Proseminar: Algorithmen der Verkehrssimulation Jörg Blank
Diskrete Ereignis Simulation Proseminar: Algorithmen der Verkehrssimulation Jörg Blank Definitionen zeitdiskrete Simulation System: Auschnitt der Realität Ereignis: Zustandsänderungen in Systemen Simulation:
Mehr2. Vorlesung. Systemtheorie für Informatiker. Dr. Christoph Grimm. Professur Prof. Dr. K. Waldschmidt, Univ. Frankfurt/Main
2. Vorlesung Systemtheorie für Informatiker Dr. Christoph Grimm Professur Prof. Dr. K. Waldschmidt, Univ. Frankfurt/Main Letzte Woche: EA-System Eingabe: Ausgabe: u y t E/A-System 2. Vorlesung Systemtheorie
MehrSimulation Eine Einführung
Simulation Eine Einführung Definition Langenscheidt Fremdwörterbuch Si mu la ti'on, die; -,-en 1.Nachstellung, Nachahmung einer Situation oder eines Ablaufes 2. Vorspiegelung, Vortäuschung einer Krankheit
MehrEinführung in die Simulation. Dr. Christoph Laroque Wintersemester 11/12. Dresden,
Fakultät Informatik, Institut für Angewandte Informatik, Professur Modellierung und Simulation Einführung in die Simulation Dr. Christoph Laroque Wintersemester 11/12 Dresden, 11.10.2011 11.10.2011 Einführung
Mehr1.4! Einführung. Systemmodellierung. Methoden und Werkzeuge
Einführung. Vorbemerkungen und Überblick. Die elektronischen e des Fahrzeugs. Prozesse in der Fahrzeugentwicklung im Überblick,.4 Grundlagen. Steuerungs- und regelungstechnische e (Prof. Schumacher). Diskrete
MehrDESIRE. Dynamisch erweiterbare Simulationsumgebung für regenerative Energiesysteme
Prof. Dr. Volker Quaschning Regenerative Energiesysteme DESIRE Dynamisch erweiterbare Simulationsumgebung für regenerative Energiesysteme Dynamic Expandable Simulation Environment for Renewable Energy
MehrSchulinterner Lehrplan zum Kernlehrplan für die gymnasiale Oberstufe. Informatik Q2. Stand: 02/2016 Status: Gültig
Schulinterner Lehrplan zum Kernlehrplan für die gymnasiale Oberstufe Informatik Q2 Stand: 02/2016 Status: Gültig Unterrichtsvorhaben: Modellierung und Implementierung von Anwendungen mit dynamischen, nichtlinearen
Mehr15 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,
MehrSoftware-Engineering
SWE2 Slide 1 Software-Engineering Sebastian Iwanowski FH Wedel Kapitel 2: Grundbegriffe und Prinzipien SWE2 Slide 2 Grundbegriffe der Software-Entwicklung: Systeme System Ausschnitt aus der realen oder
MehrVerifikation und Validierung im wissenschaftlichen Rechnen
Verifikation und Validierung im wissenschaftlichen Rechnen Sandra Schröder Arbeitsbereich Wissenschaftliches Rechnen Fachbereich Informatik Fakultät für Mathematik, Informatik und Naturwissenschaften Universität
MehrEinführung in die Simulation. Dr. Christoph Laroque Wintersemester 11/12. Dresden,
Fakultät Informatik, Institut für Angewandte Informatik, Professur Modellierung und Simulation Einführung in die Simulation Dr. Christoph Laroque Wintersemester 11/12 Dresden, 06.12.2011 06.12.2011 Folie
MehrSystemanalyse und Modellbildung
Systemanalyse und Modellbildung Universität Koblenz-Landau Fachbereich 7: Natur- und Umweltwissenschaften Institut für Umweltwissenschaften Dr. Horst Niemes(Lehrbeauftragter) Systemanalyse und Modellbildung
MehrEin Werkzeug zur Überdeckungsmessung für kontrollflussbezogene Testverfahren
Ein Werkzeug zur Überdeckungsmessung für kontrollflussbezogene Testverfahren Hendrik Seffler HU Berlin Abschlussvortrag p. 1/25 Was? Entwicklung eines Werkzeugs zur Überdeckungsmessung für kontrollflussbezogene
MehrInterdisziplinäre fachdidaktische Übung: Modelle für Sprachen in der Informatik. SS 2016: Grossmann, Jenko
Interdisziplinäre fachdidaktische Übung: Modelle für Sprachen in der SS 2016: Grossmann, Jenko Die Beschreibung orientiert sich am Begriffssystem der Beschreibung natürlicher Sprachen Sprache in der steht
MehrEinführung in CAE-Systeme
Einführung in CAE-Systeme Dipl.-Ing. Mark Müller 1 Inhalt 1. Motivation für CAE-Werkzeuge 2. Modellierung technischer Prozesse 3. Übersicht über CAE-Simulationssysteme Kommerzielle Programme Freeware 4.
MehrStochastische Petrinetze
Stochastische Petrinetze Proseminar WS06 The Virtual Laboratory Nils Müller Stochastische Petrinetze 1. Begriffsdefinition 1.1. Wdh. Stochastik 1.2. Wdh. Petrinetze 2. zeiterweiterte Petrinetze 2.1. Stochastische
MehrProgramm heute. Algorithmen und Datenstrukturen (für ET/IT) Definition Algorithmus. Wie beschreibt man Algorithmen?
Programm heute Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 2015 1 Einführung Dr. Tobias Lasser Computer Aided Medical Procedures Technische Universität München 2 Grundlagen von Algorithmen
MehrAlgorithmen und Datenstrukturen (für ET/IT)
Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 2016 Dr. Tobias Lasser Computer Aided Medical Procedures Technische Universität München Programm heute 1 Einführung 2 Grundlagen von Algorithmen
MehrStatistik I für Betriebswirte Vorlesung 2
Statistik I für Betriebswirte Vorlesung 2 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 16. April 2018 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 2 Version: 9. April
MehrTechniken der Projektentwicklungen
Dynamische Modellierung 8. Termin Rückblick auf statische Modellierung Dynamische Modellierung Basiskonzepte Beispiel Erweiterungen Eigenschaften Syntax Rückblick auf statische Modellierung Dynamische
MehrKonzepte der Programmiersprachen
Konzepte der Programmiersprachen Lehrstuhl Prof. Plödereder Eduard Wiebe Institut für Softwaretechnologie Abteilung Programmiersprachen und Übersetzerbau Sommersemester 2007 Programm-Ausführung Programmiersprachen
Mehrdas ROOT-Framework Datenanaufnahme, Speicherung, Visualisierung & Analyse
das ROOT-Framework Datenanaufnahme, Speicherung, Visualisierung & Analyse Open-Source framework zur Datenanalyse (C++-Klassenbobliothek). Entwickelt hauptsätzlich am CERN, Standardwerkzeug in der Teilchenphysik.
MehrObjektorientierte Programmierung (OOP)
orientierte Programmierung (OOP) 1. Motivation Die objektorientierte Sichtweise der Welt Als Motivation für die OOP sieht man sich am besten die reale Welt an: Die reale Welt besteht aus "en", z. B.: Gegenstände,
MehrFPGA Systementwurf. Rosbeh Etemadi. Paderborn University. 29. Mai 2007
Paderborn Center for Parallel l Computing Paderborn University 29. Mai 2007 Übersicht 1. FPGAs 2. Entwicklungssprache VHDL 3. Matlab/Simulink 4. Entwicklungssprache Handel-C 5. Fazit Übersicht FPGAs 1.
MehrMatlab. Alexandra Mehlhase & Felix Böckelmann. 26. Juni Analysetechniken in der Softwaretechnik Technische Universität Berlin SS 2008
Was ist /Simulink Modellierung mit Modellierung mit /Simulink Vergleich -Modelica Analysetechniken in der Softwaretechnik Technische Universität Berlin SS 2008 26. Juni 2008 Inhaltsverzeichnis Was ist
Mehr7.7 Spezielle diskrete Wahrscheinlichkeitsverteilungen
7.7 Spezielle diskrete Wahrscheinlichkeitsverteilungen 7.7.1 Die Laplace-Verteilung Sei X eine gleich verteilte Zufallsvariable mit den Werten in der Menge Ω X = {x i R : i = 1,...,n}, d.h. f (x i = 1
MehrStandardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend
Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten
MehrMulti-Tool Testlandschaft mit DDS
Multi-Tool Testlandschaft mit DDS MATLAB UND SIMULINK ALS ENABLER FÜR RAPID TOOL PROTOTYPING SEBASTIAN BEWERSDORFF ASSYSTEM GERMANY MATLAB EXPO 2017 MÜNCHEN 27.06.2017 EINFÜHRUNG Tools in Unternehmensprozessen
MehrEIDI 1 Einführung in die Informatik 1. PGdP Praktikum Grundlagen der Programmierung. Harald Räcke 2/217
EIDI 1 Einführung in die Informatik 1 PGdP Praktikum Grundlagen der Programmierung Harald Räcke 2/217 Wie löst man Probleme mithilfe von Computern? 0 Harald Räcke 3/217 Inhalte: EIDI 1 1. Was ist das Problem?
MehrModellierung verteilter Systeme Grundlagen der Programm und Systementwicklung
Modellierung verteilter Systeme Grundlagen der Programm und Systementwicklung Sommersemester 2012 Prof. Dr. Dr. h.c. Manfred Broy Unter Mitarbeit von Dr. M. Spichkova, J. Mund, P. Neubeck Lehrstuhl Software
MehrDipl.-Ing. Christoph Erath 10. November FVM-BEM Kopplung. Was gewinnen wir, wenn wir zwei numerische Methoden miteinander koppeln?
Dipl.-Ing. Christoph Erath 10. November 2007 FVM-BEM Kopplung Was gewinnen wir, wenn wir zwei numerische Methoden miteinander koppeln? Seite 2 FVM-BEM Kopplung 10. November 2007 Dipl.-Ing. Christoph Erath
MehrSimulationsmodelle im Gebäudesektor
Simulationsmodelle im Gebäudesektor Christoph Baldow 5. Juli 2012 Christoph Baldow Simulationsmodelle im Gebäudesektor 1 / 30 1 Motivation 2 Simulation im Gebäudesektor statische vs. dynamische Modelle
MehrKapitel 1: Einleitung. Gliederung. Zum Begriff Informatik Zum Begriff Algorithmus Zum Begriff Programmieren
Kapitel 1: Einleitung Wintersemester 2006/07 Einführung in die Informatik für Naturwissenschaftler und Ingenieure (alias Einführung in die Programmierung) (Vorlesung) Gliederung Zum Begriff Informatik
MehrKapitel 1: Informationsverarbeitung durch Programme
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Skript zur Vorlesung: Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2008 Kapitel 1: Informationsverarbeitung
MehrStatistik 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
MehrModellprüfung von UML-Zustandsmaschinen und UML-Kollaborationen in SAL
Institut für Informatik, Lehr- und Forschungseinheit für Programmierung und Softwaretechnik der Ludwig-Maximilians-Universität München Diplomarbeit Modellprüfung von UML-Zustandsmaschinen und UML-Kollaborationen
MehrProbe-Klausur Software Engineering Fachbereich BW, für WINFO
Probe-Klausur Software Engineering Fachbereich BW, für WINFO Dipl.-Ing. Klaus Knopper 17.04.2007 Hinweis: Bitte schreiben Sie auf das Deckblatt und auf jede Seite Ihren Namen und Ihre Matrikelnummer, bevor
MehrStation 1 Das Galtonbrett, Realmodelle
Station 1 Das Galtonbrett, Realmodelle Zeit zur Bearbeitung: 10 Minuten 1.1 Versuch:. Münzwurf mit dem Galtonbrett Betrachtet wird folgendes Zufallsexperiment: Fünf identische Münzen werden zehn-mal geworfen.
MehrModellierungsansatz für die realitätsnahe Abbildung der technischen Verfügbarkeit
Modellierungsansatz für die realitätsnahe Abbildung der technischen Verfügbarkeit intralogistischer Systeme Dipl.-Logist. Eike-Niklas Jung Seite 1 / 20 Gliederung Motivation & Zielsetzung Grundlagen Merkmale
Mehr7.5 Erwartungswert, Varianz
7.5 Erwartungswert, Varianz Def. 7.5.: a) X sei eine diskrete ZV, die bei unendl. vielen Werten x k folgende Zusatzbedingung erfüllt: x k p k
MehrEinführung in die Informatik I (autip)
Einführung in die Informatik I (autip) Dr. Stefan Lewandowski Fakultät 5: Informatik, Elektrotechnik und Informationstechnik Abteilung Formale Konzepte Universität Stuttgart 24. Oktober 2007 Was Sie bis
MehrEinsatz von Simulationswerkzeugen beim Entwurf feinwerktechnischer Systeme. Beispiele aus der Forschung am IFTE
Fakultät Elektrotechnik, Institut für Feinwerktechnik und Elektronik-Design Einsatz von Simulationswerkzeugen beim Entwurf feinwerktechnischer Systeme Beispiele aus der Forschung am IFTE Dr.-Ing. J. Gaßmann
MehrDefinitionen/Vorarbeit zum Thema Java
Definitionen/Vorarbeit zum Thema Java Programmiersprachen: System von Wörtern und Symbolen, die zur Formulierung von Programmen für die elektronische Datenverarbeitung verwendet werden. Arten: z.b. Javascript
MehrLehrstuhl für Datenverarbeitung. Technische Universität München. Grundkurs C++ Objektmodellierung. Grundkurs C++
Grundkurs C++ Objektmodellierung Grundkurs C++ Objektmodellierung welche Objekte bzw. Klassen werden benötigt? welche Information wird benötigt, um ein Objekt zu beschreiben? welche Beziehungen bestehen
MehrKapitel 1: Informationsverarbeitung durch Programme
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Skript zur Vorlesung: Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2009 Kapitel 1: Informationsverarbeitung
MehrUniversität Stuttgart Institut für Automatisierungstechnik und Softwaresysteme Prof. Dr.-Ing. M. Weyrich
Universität Stuttgart Institut für Automatisierungstechnik und Softwaresysteme Prof. Dr.-Ing. M. Weyrich WS 02/03 Warum muss ein Objekt wissen, zu welcher Klasse es gehört? Damit die Klassenzugehörigkeit
MehrSoftware Engineering
Software Engineering Gustav Pomberger, Wolfgang Pree Architektur-Design und Prozessorientierung ISBN 3-446-22429-7 Weitere Informationen oder Bestellungen unter http://www.hanser.de/3-446-22429-7 sowie
MehrInhaltsverzeichnis. Georg Stark. Robotik mit MATLAB ISBN: Weitere Informationen oder Bestellungen unter
Inhaltsverzeichnis Georg Stark Robotik mit MATLAB ISBN: 978-3-446-41962-9 Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-41962-9 sowie im Buchhandel. Carl Hanser Verlag, München
Mehr10 Inhaltsverzeichnis
Georg Stark Robotik mit MATLAB Mit 101 Bildern, 33 Tabellen, 40 Beispielen, 55 Aufgaben und 37 Listings Fachbuchverlag Leipzig im Carl Hanser Verlag Inhaltsverzeichnis 1 Einführung in die Robotik 13 1.1
MehrKlassen als Objekte. Smalltalk vs. Objective-C. Self-Nachrichten an Klassen in Objective-C. Klassen als Objekte. Smalltalk: Everything is an object
Smalltalk vs. Objective-C Klassen als Objekte Klassendeklarationen Selektoren als first-class values Objekt-Erzeugung Implementierung: Eigene VM vs. Einbettung in C Smalltalk: Everything is an object Klassen
MehrEinführung in die Informatik 1
Einführung in die Informatik 1 Algorithmen und algorithmische Sprachkonzepte Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag,
MehrEinführung in die Programmierung
Einleitung Gliederung Einführung in die Programmierung Wintersemester 2017/18 Zum Begriff Informatik Zum Begriff Algorithmus Zum Begriff Programmieren Prof. Dr. Günter Rudolph Lehrstuhl für Algorithm Engineering
MehrEinführung in die Objektorientierung (OO)
Einführung in die Objektorientierung (OO) I) Warum OO? II) Grundbegriffe der OO III) IV) Darstellung von Klassen und Objekten Kapselung I) Warum OO? 1) Früher: Prozedurale / strukturierte Programmierung
MehrProblemlösen. Zahl Ebene und Raum Größen Daten und Vorhersagen. Fachsprache, Symbole und Arbeitsmittel anwenden
Curriculum Mathematik 3. Klasse Aus den Rahmenrichtlinien Die Schülerin, der Schüler kann Vorstellungen von natürlichen, ganzen rationalen Zahlen nutzen mit diesen schriftlich im Kopf rechnen geometrische
MehrInhalt. Einführung in die Strukturierte Programmierung 15
Inhalt Einführung in die Strukturierte Programmierung 15 1.1 Was bedeutet Programmieren? 17 1.2 Was bedeutet Strukturierte Programmierung? 18 1.3 Was ist Pascal? 19 1.4 Was ist PS/k? 20 1.5 Warum wird
MehrZusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen
Zusammenfassung Mathe II Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zufallsexperiment: Ein Vorgang, bei dem mindestens zwei Ereignisse möglich sind
MehrObjektorientierte und Funktionale Programmierung SS 2014
Objektorientierte und Funktionale Programmierung SS 2014 6 Objektorientierte Entwurfsmuster 1 6 Objektorientierte Entwurfsmuster Lernziele Einige wichtige Entwurfsmuster kennen und verstehen Einsatzmöglichkeiten
MehrDas UML Benutzerhandbuch
Grady Booch James Rumbaugh Ivar Jacobson Das UML Benutzerhandbuch Aktuell zur Version 2.0 Inhalt Vorwort 15 Ziele 15 Publikum 16 Wie Sie dieses Buch verwenden sollten 16 Aufbau und besondere Merkmale 17
MehrHybride Systeme Einführung und Übersicht
Hybride Systeme Einführung und Übersicht Thomas Stauner Lehrstuhl Software & Systems Engineering Inhaltsübersicht Hybride Systeme Begriffsklärung und Motivation Eigenschaften Beschreibungstechniken Analysetechniken
MehrSimulationsstudien für die Logistik Version 1.0
Simulationsstudien für die Logistik Version 1.0 1 W2MO Simulationsstudien mit Logivations und W2MO das professionelle Werkzeug für Logistik-Design, 3D- Simulation und die Optimierung sämtlicher Logistikprozesse
MehrWas bisher geschah Modellierung von Daten durch Mengen Beziehungen (Zusammenhänge und Eigenschaften) durch Relationen, Graphen und Funktionen
Was bisher geschah Modellierung von Daten durch Mengen Beziehungen (Zusammenhänge und Eigenschaften) durch Relationen, Graphen und Funktionen Anforderungen durch Logiken Modellierung zusammenhängender
MehrTheoretische Informatik: Berechenbarkeit und Formale Sprachen
Theoretische Informatik: Berechenbarkeit und Formale Sprachen Prof. Dr. F. Otto Fachbereich Elektrotechnik/Informatik, Universität Kassel 34109 Kassel, Germany E-mail: otto@theory.informatik.uni-kassel.de
MehrDiskrete Strukturen Kapitel 1: Einleitung
WS 2015/16 Diskrete Strukturen Kapitel 1: Einleitung Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_15
MehrAnbindung realer Strecken an Matlab/Simulink
Anbindung realer Strecken an Matlab/Simulink Dipl.-Ing. Mark Müller 1 Inhalt 1. Einführung 2. Konzept des "Hardware-in-the-Loop" 3. Der Real Time Workshop 4. Beispiel: Durchflussregelung 5. Beispiel für
Mehr3D-Simulation und Scheduling mit Simio. Simulation statt Spekulation!
3D-Simulation und Scheduling mit Simio Simulation statt Spekulation! Was ist Simulation? "Simulation ist die Nachbildung eines dynamischen Prozesses in einem Modell, um zu Erkenntnissen zu gelangen, die
MehrAbbildung der Lehrplaninhalte im Lambacher Schweizer Thüringen Klasse 9 Lambacher Schweizer 9 Klettbuch
Leitidee Lernkompetenzen Lambacher Schweizer Klasse 9 Anmerkungen: Der Lehrplan für das Gymnasium in Thüringen ist ein Doppeljahrgangslehrplan. Das bedeutet, dass die Inhalte, die im Lehrplan zu finden
Mehr7 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
MehrLösungsvorschlag Serie 2 Rekursion
(/) Lösungsvorschlag Serie Rekursion. Algorithmen-Paradigmen Es gibt verschiedene Algorithmen-Paradigmen, also grundsätzliche Arten, wie man einen Algorithmus formulieren kann. Im funktionalen Paradigma
MehrLehrwerk: Lambacher Schweizer, Klett Verlag
Thema I: Lineare und lineare Gleichungen 1. Lineare 2. Aufstellen von linearen Funktionsgleichungen 3. Nullstellen und Schnittpunkte 1. Klassenarbeit Thema II: Reelle 1. Von bekannten und neuen 2. Wurzeln
MehrEinführung. (Compiler) Prof. Dr. Oliver Braun. Letzte Änderung: :49. Einführung 1/26
Einführung (Compiler) Prof. Dr. Oliver Braun Letzte Änderung: 10.05.2017 15:49 Einführung 1/26 Ein Compiler ist ein Computerprogramm das ein Programm geschrieben in einer Sprache in ein Programm übersetzt
MehrModellprädiktive Regelung nichtlinearer sampled-data Systeme
Modellprädiktive Regelung nichtlinearer sampled-data Systeme L. Grüne 1 D. Nešić 2 J. Pannek 1 1 Mathematisches Institut Universität Bayreuth 2 EEE Department University of Melbourne 13. Februar 2006 Workshop
Mehr1 Wahrscheinlichkeitsdichtefunktion
1 Wahrscheinlichkeitsdichtefunktion Es wird zunächst der Begriff der Wahrscheinlichkeitsdichtefunktion vorgestellt, die zur statistischen Beschreibung von zufälligen Prozessen oder zufälligen Signalen
MehrWas machen Physikerinnen und Physiker mit einer Rechnerfarm?
Was machen Physikerinnen und Physiker mit einer Rechnerfarm? Hanna Kluge CMS DESY in Zeuthen Zeuthen, den 4.12.2007 Inhalt Viele kleine Teilchen viele schnelle Rechner Die Hauptfragen der Teilchenphysik
MehrMotivation. Während der Entwicklung war, ein. flexibles. ausfallsicheres. rasch implementierbares. einfach zu bedienendes
präsentiert Während der Entwicklung war, ein Motivation flexibles ausfallsicheres rasch implementierbares einfach zu bedienendes aber trotzdem kostengünstiges Prozessdaten-Managementsystem zu erstellen.
MehrSCHULINTERNES CURRICULUM MATHEMATIK 2016 Seite 1 von 5
Seite 1 von 5 Kap. 1: Lineare im Sachzusammenhang Zu Beginn des Schuljahres werden die Grundlagen der aus der Jgst.7 wiederholt - Terme umformen - Lineare Gleichungen lösen - Funktionsbegriff - Steigungsbegriff
MehrZufallsvariablen [random variable]
Zufallsvariablen [random variable] Eine Zufallsvariable (Zufallsgröße) X beschreibt (kodiert) die Versuchsausgänge ω Ω mit Hilfe von Zahlen, d.h. X ist eine Funktion X : Ω R ω X(ω) Zufallsvariablen werden
MehrBinomialverteilung. Häufigkeit, mit der Ereignis A bei n unabhängigen Versuchen eintritt. Träger von X : X = {0, 1, 2,..., n}.
Binomialverteilung Konstruktionsprinzip: Ein Zufallsexperiment wird n mal unabhängig durchgeführt. Wir interessieren uns jeweils nur, ob ein bestimmtes Ereignis A eintritt oder nicht. X = Häufigkeit, mit
MehrVorlesung Qualitative Methoden der Regelungstechnik II WiSe 2015/16 Master PO2008, DPO 02, weitere
Vorlesung Qualitative Methoden der Regelungstechnik II WiSe 2015/16 Master PO2008, DPO 02, weitere Univ.-Prof. Dr.-Ing. Dirk Söffker Ort: MB 143 Zeit: Mo 14.00-18.00 Uhr, ggf. ein weiterer Einzeltermin
MehrInhaltsverzeichnis. Einführende Bemerkungen 11. Das Fach Informatik 11 Zielsetzung der Vorlesung Grundbegriffe
Inhaltsverzeichnis Einführende Bemerkungen 11 Das Fach Informatik 11 Zielsetzung der Vorlesung 12 1. Grundbegriffe 1 3 1.1 1.2 1.3 1.4 1.5 1.6 1.7 Information und Nachricht 1.1.1 Information 1.1.2 Nachricht
MehrElectronic Design Automation (EDA) Spezifikation
Electronic Design Automation (EDA) Spezifikation Inhalte einer Spezifikation Beispielspezifikation Ampelsteuerung Formale Beschreibung Blockdiagramme... für die Ampel Zustandsübergangs-diagramme... für
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrLearning Object-Oriented Programming. Algorithmen. Algorithmusbegriff. Klärung der Herkunft des Begriffs Formale Definition von Algorithmus
Algorithmen Algorithmusbegriff Klärung der Herkunft des Begriffs Formale Definition von Algorithmus Algorithmusbegriff Algorithmen sind eine der ältesten (abstrakten) Beschreibungstechniken für Abläufe.
MehrCompiler. Einführung. Prof. Dr. Oliver Braun. Fakultät für Informatik und Mathematik Hochschule München. Letzte Änderung:
Compiler Einführung Fakultät für Informatik und Mathematik Hochschule München Letzte Änderung: 10.05.2017 15:49 Inhaltsverzeichnis Ein Compiler................................... 2 Ein Compiler...................................
MehrCompiler: Einführung
Fakultät für Informatik und Mathematik Hochschule München Letzte Änderung: 10.05.2017 15:49 Inhaltsverzeichnis Ein Compiler................................... 2 Ein Compiler...................................
MehrSoftware Engineering. 5. Architektur
Software Engineering 5. Architektur Gliederung Vorlesung Einführung V-Modell XT Analyse und Anforderungsmanagement Benutzungsoberflächen Architektur Entwurf Entwurfsmuster Persistenz Implementierung Konfigurationsmanagement
MehrTheoretische Informatik: Berechenbarkeit und Formale Sprachen
Theoretische Informatik: Berechenbarkeit und Formale Sprachen Prof. Dr. F. Otto Fachbereich Elektrotechnik/Informatik, Universität Kassel 34109 Kassel, Germany E-mail: otto@theory.informatik.uni-kassel.de
Mehr1. Einführung in Temporallogik CTL
1. Einführung in Temporallogik CTL Temporallogik dient dazu, Aussagen über Abläufe über die Zeit auszudrücken und zu beweisen. Zeit wird in den hier zunächst behandelten Logiken als diskret angenommen
MehrGlossar. zum Projekt. Dynamische Geometrie-Software. Version 1 vom Gruppe geo09, Projektleiter: Andy Stock
Glossar zum Projekt Dynamische Geometrie-Software Version 1 vom 03.05.03 Erstellt von: R. Hrushchak, P. Kongsto, A. Stock Seite 1 von 5 Animation: Folge von Schritten zur Erstellung und Veränderung einer
MehrDipl.-Inform. Lars Ebrecht
Konsistente Verknüpfung von Aktivitäts-, Sequenzund Zustandsdiagrammen Darstellungsunabhängige und formale Semantik zur Verhaltensbeschreibung von Echtzeit-Systemen Dipl.-Inform. Lars Ebrecht Mobilität
MehrObjektorientierte Analyse (OOA) Inhaltsübersicht
Inhaltsübersicht Einführung Anforderungen an die UML-Diagramme Verhalten: Use-Case-Diagramm Verhalten: Aktivitätsdiagramm Verhalten: Zustandsautomat Struktur: Klassendiagramm Seite 1 Einführung In der
MehrSimulation technischer Systeme
Simulation technischer Systeme SS 2004 Herbert Praehofer Institut für Systemwissenschaften Johannes Kepler Universität Linz hp@cast.uni-linz.ac.at copyright: Herbert Praehofer, Universität Linz, Adelinde
Mehr