AUFGABEN ZUR INFORMATIONSTHEORIE

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "AUFGABEN ZUR INFORMATIONSTHEORIE"

Transkript

1 AUFGABEN ZUR INFORMATIONSTHEORIE Aufgabe Wr betrachten das folgende Zufallsexperment: Ene fare Münze wrd so lange geworfen, bs erstmals Kopf erschent. De Zufallsvarable X bezechne de Anzahl der dazu notwendgen Versuche. Wrd bespelswese schon m ersten Versuch Kopf geworfen, so glt X =, werden zwe Würfe benötgt, X = 2, usw. a) Ergänzen Se de untenstehende Tabelle mt den entsprechenden Wahrschenlchketen P(X). X P(X) b) Leten Se enen allgemenen Ausdruck für P(X=x) her. c) Bestmmen Se de Entrope H(X) des Zufallsexperments n bt. d) Fnden Se ene effzente Folge von Ja-Nen Fragen zur Ermttlung des Werts der Zufallsvarable X. Wevele Fragen müssen m Mttel gestellt werden. Verglechen Se dese Grösse mt der Entrope H(X). De folgenden Bezehungen könnten sch als nützlch erwesen: n r = n= r r n r = ( r) n= n r 2 Prof. Dr. M. Hufschmd /6

2 Aufgabe 2 Ene Nachrchtenquelle generert de ver Symbole A, B, C und D mt den Wahrschenlchketen P(A) = 0.8, P(B) = 0., P(C) = 0.08 und P(D) = a) We gross st de Entrope der Quelle? We gross wäre de Entrope der Quelle, falls alle Zechen mt glecher Wahrschenlchket auftreten würden? b) Entwerfen Se für dese Quelle enen Huffman-Code. We gross st de mttlere Codewortlänge? c) Zwe aufenanderfolgende Symbole werden n ener Symbolkette zusammengefasst und gemensam codert. Verfzeren Se, dass de Entrope der Symbolkette gerade dopppelt so gross st we dejenge enes Enzelsymbols. Entwerfen Se enen Huffmann-Code für de 6 möglchen Symbolpaare. We gross st n desem Fall de mttlere Codewortlänge pro Symbol? Aufgabe 3 Ene zwewertge Symbolquelle mt den Wahrschenlchketen P = 0.9 und P2 = 0. soll so codert werden, dass m Mttel maxmal 0.8 bt/symbol verwendet werden müssen. a) Wevele Symbole müssen glechzetg codert werden, damt des garantert werden kann? b) Entwerfen Se enen Code, der de Anforderungen erfüllt. We gross st dessen durchschnttlche Codewortlänge pro Symbol? Verglechen Se des mt der Entrope der Quelle. Aufgabe 4 Informaton soll mt der Rate R C über enen Gauss'schen Kanal (Bandbrete B, Rauschlestungsdchte η) übertragen werden. De dazu pro bt benötgte Energe bezechnen wr mt Eb. a) We st der Zusammenhang zwschen der Nutzsgnallestung PS und der Energe pro bt Eb? b) Welche Energe pro bt wrd mnmal benötgt, damt ene fehlerfree Übertragung möglch st? We gross st zu desem Zweck de Rate R zu wählen? c) Das Verhältns Eb/η wrd als Sgnal- zu Rauschverhältns pro bt bezechnet. We gross muss deses be enem ncht bandbegrenzten Kanal (B ) mndestens sen, damt ene fehlerfree Übertragung möglch st? De thermsche Rauschlestung PN, de en belebger Wderstand abgeben kann, st gegeben durch P = η N B = k T B. Darn snd k = J/K de Boltzmannkonstante, T de absolute Temperatur und B de Bandbrete. d) Welche Energe benötgen Se mnmal, um be Zmmertemperatur (T = 293 K) de Informatonsmenge bt über enen ncht bandbegrenzten, Gauss'schen Kanal zu übertragen? De folgende Bezehung könnte sch als nützlch erwesen: Prof. Dr. M. Hufschmd 2/6

3 x 2 lm = ln( 2 ) x 0 x Aufgabe 5 a) Zegen Se, dass für alle x > 0 glt: log2(x) (x - )/ln(2). Tpp: Zechnen Se de Kurven graphsch auf und denken Se daran, dass log2(x) = ln(x)/ln(2). b) Verwenden Se de obge Bezehung, um zu zegen, dass für de Entrope ener Quelle mt L möglchen Symbolen mmer glt: Tpp: Zegen Se, dass klener oder glech Null st. H log2(l) H log ( L) = P( u ) log L L = P( u ) log = log ( L) P( u ) = c) Unter welchen Voraussetzung glt H = log2(l)? log ( L) P( u ) 2 2 Aufgabe 6 Wr betrachten ene Quelle, de aus enem Symbolvorrat von jewels 9 Symbolen auswählt, deren Auftrttswahrschenlchketen P(u) n der folgenden Tabelle angeben snd: P(u) Q = P( u j ) j= L( u ) = log 2 De ersten L(u) Nachkommastellen ener P( u ) Bnärdarstellung von Q De n der obgen Tabelle angegebenen Werte Q snd de aufsummerten Auftrttswahrschenlchketen Prof. Dr. M. Hufschmd 3/6

4 Q = P( u j ). j= Berechnen Se zunächst de Codewortlängen L(u) = log2(/p(u)) und tragen Se dese n de Tabelle en. Danach ermtteln Se de Bnärdarstellung der aufsummerten Wahrschenlchket Q, wobe de Bnärdarstellung jewels nach L(u) Zffern abgebrochen wrd. Bespel: hat de Bnärdarstellung Q2 = 0.22 = de nach der 3. Stelle abgebrochen und n de Tabelle engetragen wrd. a) Vervollständgen Se de Tabelle. b) De Nachkommastellen der Bnärdarstellung werden als Code betrachtet. Erfüllt der derart konstruerte Code de Präfxbedngung? c) Zechnen Se den Bnärbaum des Codes auf und bestmmen Se de mttlere Codewortlänge. We verglecht sch dese mt der Entrope der Quelle? d) Konstrueren Se für de gleche Quelle enen Huffman Code. Aufgabe 7 Ene Nachrchtenquelle hat enen Symbolvorrat von 3 Symbolen (A,B,C) mt den folgenden Auftrttswahrschenlchketen: P(A) = 0.7, P(B) = 0.2, P(C) = 0. a) Enzelne Ausgangssymbole werden optmal n bnäre, präfxfree Zechenfolgen codert. Welche Aussage können Se über de durchschnttlche Anzahl bnärer Zffern pro Symbol machen? b) Nun werden jewels 5 Symbole n ene bnäre, präfxfree Zechenfolge codert. We lautet n desem Fall de Aussage über de durchschnttlche Anzahl bnärer Zffern pro Symbol? c) Konstrueren Se enen optmalen Code, der jewels zwe Symbole der Nachrchtenquelle n ene bnäre, präfxfree Zechenfolge codert. We gross st de durchschnttlche Codewortlänge pro Symbol? d) Ist der n c) konstruerte Code endeutg? Aufgabe 8 Gegeben se ene Informatonsquelle, welche de sechs Symbole A, B, C, D, E und F mt den Wahrschenlchketen erzeugt. P(A) = 0.3, P(B) = 0.24 P(C) = 0.2, P(D) = 0.5 P(E) = 0.07, P(F) = 0.04 a) Berechnen Se de Entrope der Informatonsquelle. Prof. Dr. M. Hufschmd 4/6

5 b) Konstrueren Se für de gegebene Quelle enen bnären präfxfreen Code mt optmaler mttlerer Codewortlänge. Geben Se desen n Tabellenform an. We gross st dessen mttlere Codewortlänge? c) De Symbole der Informatonsquelle sollen mt Hlfe des unter b) konstruerten Codes über enen Telefonekanal mt ener Bandbrete von 3. khz und enem Sgnal-zu-Rauschverhältns von 30 db übertragen werden. Welche Symbolrate (n Symbolen pro Sekunde) kann be fehlerfreer Übertragung auch mt belebg hohem Aufwand ncht überschrtten werden? Tp: Falls Se se Telaufgabe b) ncht lösen konnten, nehmen Se enen mttlere Codewortlänge von E[W] = 2.45 an. d) Jewels dre Symbole der Informatonsquelle werden nun mt enem optmalen, präfxfreen Code n en bnäres Codewort codert. Welche Aussage können Se über de mttlere Codewortlänge pro Symbol machen? e) De Symbole der Informatonsquelle sollen mt ener Symbolrate von r = 20'000 Symbolen/s über enen ncht bandbegrenzten AWGN-Kanal mt ener Rauschlestungsdchte von η = 30µW/Hz übertragen werden. Zu desem Zweck werden jewels sehr vele Symbole n en enzges bnäres Codewort codert. Welche mnmale Sgnallestung wrd dazu benötgt? Aufgabe 9 En Gerät zur automatschen Bldauswertung unterschedet nur de Zustände Schwarz und Wess. Auf den verwendeten Bldern treten de Zustände mt den Wahrschenlchketen P(Schwarz) = 0.2 und P(Wess) = 0.8 auf. a) Führen Se ene Huffman-Coderung unter der Voraussetzung durch, dass jewels 2 Bldpunkte zu enem Symbol zusammengefasst werden! Zechnen Se den entsprechenden Codebaum und geben Se de Codetabelle an. b) We gross st de mttlere Codewortlänge pro Symbol? Aufgabe 0 Se wollen Daten über enen bandbegrenzten AWGN-Kanal übertragen. De Bandbrete beträgt B = 3. khz, das Sgnal-zu-Rauschverhältns st 40 db. De zu übertragenden Symbole stammen aus ener Nachrchtenquelle mt ener Entrope von H =.76 bt/symbol. a) De spektrale Lestungsdchte des Rauschens beträgt η = 3 nw/hz. We gross st de Sgnallestung? b) Berechnen Se de Kapaztät des gegebenen Kanals. c) De enzelnen Symbole werden mt enem optmalen, bnären, präfxfreen Code codert. Wevele Symbole können Se (be belebg hohem Aufwand) pro Sekunde mnmal über den gegebenen Kanal übertragen? Anders gefragt: Welche Symbolrate können Se mt den vorhandenen Angaben garanteren? d) We kann de Symbolrate verbessert werden und welche maxmale Symbolrate kann damt errecht werden? e) Um welchen Faktor ändert sch de Kanalkapaztät, wenn de Bandbrete verdoppelt wrd, de Sgnallestung jedoch glech blebt? Prof. Dr. M. Hufschmd 5/6

6 Aufgabe Bestmmen Se den Wahrhetsgehalt der nachfolgenden Aussagen (Falsch gesetzte Kreuze führen zu enem Punkteabzug!) Voraussetzung: De Sgnallestung soll endlch bleben! Über enen Kanal mt der Bandbrete 3.4 khz können grundsätzlch maxmal 6.8 kbts/s übertragen werden. Über enen verrauschten Kanal mt unendlcher Bandbrete können belebg vele bts/s übertragen werden. Über enen rauschfreen Kanal mt endlcher Bandbrete können belebg vele bts/s übertragen werden. Wahr Falsch Aufgabe 2 Tpp: De Telaufgaben d) und e) können ohne de Resultate der vorhergehenden Telaufgaben gelöst werden. Se sollen enen bnären präfxfreen Code für 5 Symbole entwerfen. De Codewortlängen für de ersten ver Symbole snd mt w =, w2 = 2, w3 = 4 und w4 = 4 vorgegeben. a) We gross wählen Se de Länge w5 des fünften Codeworts, damt de durchschnttlche Codewortlänge möglchst klen wrd (nkl. Begründung)? b) Geben Se enen bnären präfxfreen Code mt den vorgegebenen Codewortlängen an. De Auftretenswahrschenlchketen für de fünf Symbole snd nun we folgt gegeben: P(u) = 0.3, P(u2) = 0.3, P(u3) = 0., P(u4) = 0., P(u5) = 0.2. c) We gross st de durchschnttlche Codewortlänge des unter b) konstruerten Codes? d) Konstrueren Se nun für de Symbolquelle enen Huffmann-Code. We gross st nun de durchschnttlche Codewortlänge? e) Um we vele Prozent kann de durchschnttlche Codewortlänge pro Symbol noch verbessert werden und we müsste man dazu vorgehen? Aufgabe 3 a) Welche der nachfolgenden Codes snd scher kene Huffman-Codes (ganz glech we de Auftretenswahrschenlchketen vertelt snd)? Mt Begründung! () {0, 0, } () {00, 0, 0, 0} () {0, 0} Prof. Dr. M. Hufschmd 6/6

7 Aufgabe 4 Wr betrachten ene Informatonsquelle, deren 5 möglche Symbole de folgenden Auftretenswahrschenlchketen P(u) aufwesen: u A B C D E P(u) /2 /6 /6 /8 /24 Bem so genannten Shannon-Code werden de Codewortlängen gemäss der folgenden Bezehung gewählt: w = log 2 P( u ) a) Zegen Se, dass mt desen Codewortlängen en bnärer, präfxfreer Code für de gegebene Quelle gebldet werden kann. b) Berechnen Se de durchschnttlche Codewortlänge deses Codes. c) Konstrueren Se für de gegebene Quelle zwe bnäre präfxfree Codes mt optmaler mttlerer Codewortlänge. De beden Codes sollen unterschedlche Mengen von Codewortlängen aufwesen. d) Welches snd de durchschnttlchen Codewortlängen der beden unter c) konstruerten Codes? e) Überprüfen Se den Wahrhetsgehalt der folgenden Aussage: De Codewortlängen enes optmalen bnären präfxfreen Codes snd für alle Symbole mmer klener glech der Codewortlängen enes Shannon-Codes. Begründen Se Ihre Antwort. Unter Umständen st man ncht daran nteressert, enen Code mt möglchst klener mttlerer Codewortlänge zu konstrueren. Es st bespelswese denkbar, dass das Symbol E (obwohl es nur relatv selten auftrtt) ene hohe Prortät hat und deshalb enem kurzen Codewort zugeordnet werden sollte. Um des zu berückschtgen werden für jedes Symbol u unterschedlche Kosten pro Bt c defnert. De Kosten für de Übertragung enes Symbols ergeben sch aus dem Produkt der Codewortlänge w mt den Kosten pro Bt c. Es soll nun en Code mt möglchst klenen durchschnttlchen Kosten konstruert werden. E [ c w ] = 5 = P( u ) c w u A B C D E P(u) /2 /6 /6 /8 /24 c f) Konstrueren Se für de gegebene Quelle enen bnären präfxfreen Code mt mnmalen durchschnttlchen Kosten. We gross snd de durchschnttlchen Kosten für de Übertragung enes Symbols? Prof. Dr. M. Hufschmd 7/6

8 Aufgabe 5 Be enem faren Würfel st ene Fläche mt enem roten Punkt (rt), de anderen fünf Flächen snd mt schwarzen Punkten (sz) gekennzechnet. Der Würfel wrd so lange geworfen, bs de rote Fläche erschent, jedoch höchstens n = 4 mal. Damt ergeben sch de n der nachfolgenden Tabelle angegebenen Eregnsse. U Farbfolge P(u ) u u2 u3 u4 u5 rt sz, rt sz, sz, rt sz,sz,sz,rt sz, sz, sz, sz a) Berechnen Se zu jedem der fünf möglchen Eregnsse de dazugehörge Auftretenswahrschenlchket und tragen Se dese n de Tabelle en. b) Berechnen Se de Entrope deses Zufallsexperments. c) Konstrueren Se nun enen bnären, präfxfreen Code zur Darstellung des Eregns mt optmaler durchschnttlcher Codewortlänge und geben Se hn n Tabellenform an. d) We gross st de durchschnttlche Codewortlänge des unter c) konstruerten Codes? e) De Eregnsse sollen mt dem unter c) konstruerten Code über enen bandbegrenzten AWGN-Kanal mt der Bandbrete B = 300 Hz übertragen werden. We gross muss das Sgnal-zu-Rauschverhältns n Dezbel mndestens sen, damt R = 0 4 Eregnsse pro Sekunde mt belebg klener Fehlerwahrschenlchket übertragen werden können? f) Durch welche Massnahme kann de durchschnttlche Codewortlänge pro Eregns noch verbessert werden? Um we vele Dezbel kann dadurch de Anforderung an das Sgnal-zu- Rauschverhältns gemldert werden? Das Experment wrd nun derart modfzert, dass mmer das Auftreten der roten Fläche abgewartet wrd, also n. g) Geben Se enen allgemenen Ausdruck für de Wahrschenlchket P(u) an, dass de rote Fläche m -ten Wurf erschent. h) Berechnen Se nun de Entrope des Zufallsexperments. Tpps: = = α ( ) α = α = α ( α ) 2 Prof. Dr. M. Hufschmd 8/6

9 Aufgabe 6 Ene Quelle gbt zufällg zwe Symbole X und Y aus. Das Symbol X stammt aus der Menge {a, b, c, d}, das Symbol Y aus der Menge {α, β, γ}. De Wahrschenlchket P(X = x, Y = y) für en belebges Eregns (X = x, Y = y) st durch de nachfolgende Tabelle gegeben: a b c d α β γ De Wahrschenlchket für das Eregns (X = a, Y = α) beträgt also bespelswese 6%. a) Vorerst betrachten wr jede Kombnaton (X = x, Y = y) der beden Symbole als en Ergebns. Das Zufallsexperment kann also 2 möglche Ergebnsse lefern (wobe enes, nämlch (c, β), de Wahrschenlchket 0 bestzt). Berechnen Se nun de Entrope deser Quelle. H(X,Y) b) Konstrueren Se für dese Quelle enen Huffman-Code. Welche durchschnttlche Codewortlänge west deser Code auf? Tpp: Beachten Se, dass für das Eregns (c, β) ken Codewort notwendg st, da es ne auftrtt. Prof. Dr. M. Hufschmd 9/6

10 c) Wenn wr nur das Symbol Y betrachten, mt welcher Wahrschenlchket P(Y = α) trtt dann der Wert Y = α auf? Berechnen Se ebenfalls de Wahrschenlchketen P(Y = β) und P(Y = γ). d) Berechnen Se de Entrope H(Y) der Zufallsvarablen Y. e) De Beobachtung des Symbols Y habe de Erkenntns Y = α gelefert. In desem Fall st nur noch das Symbol X zufällg und kann ver möglche Werte annehmen. Welche Wahrschenlchket P(X = a Y = α) bestzt das Eregns X = a, falls Y = α gegeben st? Berechnen Se ebenfalls P(X = b Y = α), P(X = c Y = α) und P(X = b Y = α). f) Unter der Voraussetzung, dass Y = α bekannt st, st nur noch das Symbol X ungewss. Das Zufallsexperment kann also ver möglche Ergebnsse lefern, deren Wahrschenlchketen n e) berechnet wurden. Berechnen Se n desem Fall de Ungewsshet (Entrope) H(X Y = α) über den Wert des Symbols X. Aufgabe 7 In der deutschen Sprache kommen de Buchstaben E, N, I, S, R, A und T mt den folgenden Wahrschenlchketen vor: Buchstabe Wahrschenlchket E 0.74 N I S R A T Alle anderen Buchstaben sollen mt dem Symbol Λ dargestellt werden. a) Mt welcher Wahrschenlchket trtt das Symbol Λ auf? b) Berechnen Se de Entrope H deser Informatonsquelle. c) Bestmmen Se für dese Quelle enen bnären, präfxfreen Code mt mnmaler durchschnttlcher Codewortlänge. Geben Se den Code n Tabellenform an. d) We vele Bts werden durchschnttlch zur Coderung enes Symbols benötgt? Prof. Dr. M. Hufschmd 0/6

11 Aufgabe 8 De Beobachtung ener Nachrchtenquelle hat ergeben, dass dese de dre Symbole A, B und C mt den Wahrschenlchketen P(A) = 4/9, P(B) = 3/9 und P(C) = 2/9 ausgbt. a) Berechnen Se de Entrope deser Quelle. b) Erstellen Se für dese Quelle enen Huffman-Code, wenn jewels zwe aufenanderfolgende Symbole n en bnäres Codewort abgebldet werden. c) We gross st de durchschnttlche Anzahl bnärer Zffern pro Symbol? De genauere Beobachtung der glechen Quelle ergbt, dass de Wahrschenlchket für das Symbol Xn vom vorhergehenden Symbol Xn- abhängt. (De Quelle verfügt also über en Gedächtns von enem Symbol). De entsprechenden Übergangswahrschenlchketen snd n der nachfolgenden Tabelle angegeben: P(Xn = A Xn- = A) =/2 P(Xn = B Xn- = A) = /4 P(Xn = C Xn- = A) = /4 P(Xn = A Xn- = B) = /3 P(Xn = B Xn- = B) = /3 P(Xn = C Xn- = B) = /3 P(Xn = A Xn- = C) = /2 P(Xn = B Xn- = C) = /2 P(Xn = C Xn- = C) = 0 d) Geben Se für de neun möglchen Symbolpaare (AA, AB,..., CC) jewels deren Auftretenswahrschenlchket an. e) Berechnen Se de Entrope H(Xn,Xn-), d.h. de Ungewsshet über zwe aufenanderfolgende Symbole. f) Erstellen Se für dese Quelle mt Gedächtns enen Huffman-Code, wenn jewels zwe aufenanderfolgende Symbole n en bnäres Codewort abgebldet werden. g) We gross st de durchschnttlche Anzahl bnärer Zffern pro Symbol? h) Berechnen Se de Entrope H(Xn Xn- = A) des Symbols Xn, falls bekannt st, dass das vorhergehende Symbol Xn- = A war. ) Berechnen Se de Entrope H(Xn Xn- = B). j) Berechnen Se de Entrope H(Xn Xn- = C). k) Berechnen Se de sogenannte Entroperate H(Xn Xn-). Tpp: P x, y) = P ( x) P ( y ) X, Y ( X Y X x Prof. Dr. M. Hufschmd /6

12 Aufgabe 9 X und X2 snd vonenander unabhängge, bnäre Zufallswerte, welche de Werte 0 und mt der Wahrschenlchket ½ annehmen. Z Z, Z2 und Z3 snd vonenander unabhängge, bnäre Zufallswerte, welche den Wert mt der Wahrschenlchket p annehmen. a) Geben Se de Wahrschenlchketen für de n der nachfolgenden Tabelle angegebenen Eregnsse an. Eregns Wahrschenlchket X X 2 Z 2 Y Y 2 Y = 0 Z 3 Y = X 3 (X, X2) = (0, 0) Y 3 (X, X2) = (0, ) (X, X2) = (, 0) (X, X2) = (, ) Y3 = 0 Y3 = b) Berechnen Se de Entropen H(Y), H(Y3), H(X, X2), H(X, X2, X3) und H(Y, Y2). c) Berechnen Se de bedngte Entrope H(Y X). Geben Se das Resultat n Funkton der bnären Entropefunkton h(p) an. d) Berechnen Se de bedngte Entrope H(Y, Y2 X, X2). Geben Se das Resultat n Funkton der bnären Entropefunkton h(p) an. e) Berechnen Se de Transnformaton I(X,X2;Y,Y2). Aufgabe 20 Am Ausgang ener Informatonsquelle wrd das Wort MISSISSIPPISHIP beobachtet. Wr gehen davon aus, dass dese Beobachtung für de Quelle typsch st, d.h. de relatve Häufgket der Buchstaben entsprcht der Wahrschenlchket. a) Geben Se an, mt welcher Wahrschenlchket (egentlch relatver Häufgket) jeder Buchstabe auftrtt. b) Konstrueren Se enen bnären, präfxfreen Code, mt dem das Wort MISSISSIPPISHIP möglchst effzent codert werden kann. c) We vele bnäre Zffern werden m Durchschntt gebraucht, um enen Buchstaben der Quelle zu coderen? d) We gross st de Entrope der Quelle? Prof. Dr. M. Hufschmd 2/6

13 Aufgabe 2 In enem Haufen von n = 6 Münzen snd n = 5 Münzen far. Ene Münze st so geznkt, dass se mmer Kopf zegt. Das Zufallsexperment läuft we folgt ab:. Ene Münze wrd zufällg ausgewählt. 2. Dese Münze wrd dann k = 3 mal hnterenander geworfen. Dabe wrd de Anzahl Würfe, de Kopf zegen, notert. Wr defneren de folgenden Zufallsvarablen: 0 De gewählte Münze st far X = De gewählte Münze st geznkt Y : Anzahl Würfe, de Kopf zegen. a) We gross snd de Wahrschenlchketen P(X = 0) und P(X = )? b) We gross st de Ungewsshet H(X) darüber, ob de gewählte Münze far st? c) Berechnen Se für y = 0,, 2, 3 de Wahrschenlchketen P(Y = y X = 0) und P(Y = y X = ). d) We gross snd de Wahrschenlchketen P(Y = 3) und P(X = 0 Y = 3)? e) We gross st de Entrope H(X Y)? f) We gross st de Transnformaton I(X;Y)? Tpps: P(Y = y) = P(X = 0) P(Y = y X = 0) + P(X = ) P(Y = y X = ) P(X = x) P(Y = y X = x) P(X = x Y = y) = P(Y = y) Prof. Dr. M. Hufschmd 3/6

14 Aufgabe 22 Das folgende Glücksrad wrd verwendet, um zufällg de Zahlen, 2, 3, 4, und 5 zu wählen. Der Wnkel Φ gbt an, n welcher Poston das Glücksrad stehen gebleben st. Es darf zunächst angenommen werden, dass das Glücksrad deal arbetet, d.h. jede Stellung (jedes Φ) st glech wahrschenlch. a) Konstrueren Se enen Huffman-Code um das Ergebns des Glücksrades zu coderen und noteren Se für jedes Feld das Codewort. b) We gross st de durchschnttlche Codewortlänge? Durch enen Konstruktonsfehler st das Glücksrad ncht genau symmetrsch, weshalb ncht mehr alle Wnkel Φ glech wahrschenlch snd. De Wahrschenlchketsdchte st velmehr durch de Formel gegeben. ( ) ( ) ( + cos ϕ ) 0 ϕ < 2 π pφ ϕ = 2 π 0 sonst c) Bestmmen Se für jedes Feld de Wahrschenlchket, dass es getroffen wrd. d) Konstrueren Se wederum enen Huffman Code und noteren Se de Codeworte. e) Es werden jewels 000 Zehungen durchgeführt. Das Resultat aller 000 Zehungen soll mt möglchst wengen Bts n enem Codewort codert werden. We gross st de durchschnttlche Anzahl Bts, de Se dafür be optmaler Coderung übertragen müssen, höchstens? Aufgabe 23 De 2006 möglchen Symbole ener gedächtnslosen Quelle erschenen alle mt der glechen Wahrschenlchket am Ausgang. a) Gbt es für dese Quelle enen bnären, präfxfreen Code mt ener mttleren Codewortlänge von E[W] < 0.5? b) Gbt es für dese Quelle enen bnären, präfxfreen Code mt 42 Codeworten der Länge 0 und 964 Codeworten der Länge? Prof. Dr. M. Hufschmd 4/6

15 Aufgabe 24 Für en enfaches Muskprogramm sollen Noten möglchst platzsparend abgelegt werden. Ene Melode kann her aus den Tonhöhen C, D, E, F, G, A, H bestehen, de jewels als ganze, halbe, vertel oder achtel Noten gespelt werden. Statstker haben errechnet, dass jede Tonhöhe/Tondauer ene bestmmte mttlere Häufgket n der Musk bestzt: Tonhöhe Tondauer C D E F G A H / /2 /4 /8 25.9% %.5% 6.0% 7.%.8% 5% 20% 40% 35% Man kann davon ausgehen, dass Tonhöhe und Tondauer statstsch unabhängg snd! Muskstücke sollen nach Huffman codert abgelegt werden. Herfür gbt es zwe Alternatven: Tonhöhe und Tondauer werden getrennt abgelegt. Dafür werden zwe getrennte Huffman- Bäume erzeugt. Für jede Kombnaton aus Tonhöhe und Tondauer (=Note) wrd ene Wahrschenlchket bestmmt. Es wrd en Huffman-Baum für de resulterenden 28 Noten erzeugt. a) Berechnen Se de Entrope der Tonhöhe, der Tondauer und der Note. b) Stellen Se de Huffman-Bäume für de erste Möglchket (Tonhöhe und dauer getrennt codert) auf. We vele bnäre Zffern müssen m Durchschntt pro Note übertragen werden? c) Welche Aussage können Se, ohne enen Code zu konstrueren, über de durchschnttlche Codewortlänge machen, falls de Muskstücke nach der zweten Methode (Tonhöhe und dauer gemensam codert) codert werden? Prof. Dr. M. Hufschmd 5/6

16 Kurzfragen. Wr betrachten ene Nachrchtenquelle ohne Gedächtns. Das Ausgangssymbol wrd aus ener Menge von endlch velen Symbolen ausgewählt. a) Wovon hängt de Entrope der Nachrchtenquelle ab? b) Unter welchen Voraussetzungen st de Entrope der Nachrchtenquelle glech Null? c) Unter welchen Voraussetzungen st de Entrope der Nachrchtenquelle maxmal? d) Was st der Untersched zwschen Entrope und Informaton? 2. De Ausgangssymbole ener Nachrchtenquelle stammen aus ener Menge mt seben Elementen, wobe das Symbol x mt der Wahrschenlchket P(x) ausgegeben wrd. Gegeben snd ver Quellencodes. X P(X=x ) Code Code 2 Code 3 Code 4 x x x x x x x a) Welche Codes snd präfxfre? b) Welcher der präfxfreen Codes hat de kürzeste durchschnttlche Codewortlänge? 3. Weso st es ncht snnvoll, en verschlüsseltes Sgnal mt enem Quellencode komprmeren zu wollen? Prof. Dr. M. Hufschmd 6/6

Übung zur Vorlesung. Informationstheorie und Codierung

Übung zur Vorlesung. Informationstheorie und Codierung Übung zur Vorlesung Informatonstheore und Coderung Prof. Dr. Lla Lajm März 25 Ostfala Hochschule für angewandte Wssenschaften Hochschule Braunschweg/Wolfenbüttel Postanschrft: Salzdahlumer Str. 46/48 3832

Mehr

Statistik und Wahrscheinlichkeit

Statistik und Wahrscheinlichkeit Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse

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

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

4. Musterlösung. Problem 1: Kreuzende Schnitte **

4. Musterlösung. Problem 1: Kreuzende Schnitte ** Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,

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

Bildverarbeitung Herbstsemester 2012. Bildspeicherung

Bildverarbeitung Herbstsemester 2012. Bildspeicherung Bldverarbetung Herbstsemester 2012 Bldspecherung 1 Inhalt Bldformate n der Überscht Coderung m Überblck Huffman-Coderung Datenredukton m Überblck Unterabtastung Skalare Quantserung 2 Lernzele De wchtgsten

Mehr

6. Modelle mit binären abhängigen Variablen

6. Modelle mit binären abhängigen Variablen 6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch

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

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

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

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

Franzis Verlag, 85586 Poing ISBN 978-3-7723-4046-8 Autor des Buches: Leonhard Stiny

Franzis Verlag, 85586 Poing ISBN 978-3-7723-4046-8 Autor des Buches: Leonhard Stiny eseproben aus dem Buch "n mt en zur Elektrotechnk" Franzs Verlag, 85586 Pong ISBN 978--77-4046-8 Autor des Buches: eonhard Stny Autor deser eseprobe: eonhard Stny 005/08, alle echte vorbehalten. De Formaterung

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

Netzwerkstrukturen. Entfernung in Kilometer:

Netzwerkstrukturen. Entfernung in Kilometer: Netzwerkstrukturen 1) Nehmen wr an, n enem Neubaugebet soll für 10.000 Haushalte en Telefonnetz nstallert werden. Herzu muss von jedem Haushalt en Kabel zur nächstgelegenen Vermttlungsstelle gezogen werden.

Mehr

Wechselstrom. Dr. F. Raemy Wechselspannung und Wechselstrom können stets wie folgt dargestellt werden : U t. cos (! t + " I ) = 0 $ " I

Wechselstrom. Dr. F. Raemy Wechselspannung und Wechselstrom können stets wie folgt dargestellt werden : U t. cos (! t +  I ) = 0 $  I Wechselstrom Dr. F. Raemy Wechselspannung und Wechselstrom können stets we folgt dargestellt werden : U t = U 0 cos (! t + " U ) ; I ( t) = I 0 cos (! t + " I ) Wderstand m Wechselstromkres Phasenverschebung:!"

Mehr

Spiele und Codes. Rafael Mechtel

Spiele und Codes. Rafael Mechtel Spele und Codes Rafael Mechtel Koderungstheore Worum es geht Über enen Kanal werden Informatonen Übertragen. De Informatonen werden dabe n Worte über enem Alphabet Q übertragen, d.h. als Tupel w = (w,,

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

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

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

FORMELSAMMLUNG STATISTIK (I)

FORMELSAMMLUNG STATISTIK (I) Statst I / B. Zegler Formelsammlng FORMELSAMMLUG STATISTIK (I) Statstsche Formeln, Defntonen nd Erläterngen A a X n qaltatves Mermal Mermalsasprägng qanttatves Mermal Mermalswert Anzahl der statstschen

Mehr

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich Drtter Hauptsatz der Thermodynamk Rückblck auf vorherge Vorlesung Methoden zur Erzeugung tefer Temperaturen: - umgekehrt laufende WKM (Wärmepumpe) - Joule-Thomson Effekt bs 4 K - Verdampfen von flüssgem

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

Fallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum

Fallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum Abgabe: Aufgabentext und Lösungen schrftlch bs zum 15. 6. 2012 I. Thema: Zehen mt und ohne Zurücklegen Lesen Se sch zunächst folgenden Text durch! Wr haben bsher Stchprobenzehungen aus Grundgesamtheten

Mehr

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com.

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com. Verfahren für de Polygonalserung ener Kugel Eldar Sultanow, Unverstät Potsdam, sultanow@gmal.com Abstract Ene Kugel kann durch mathematsche Funktonen beschreben werden. Man sprcht n desem Falle von ener

Mehr

Ich habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf.

Ich habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf. Ich habe en Bespel ähnlch dem der Ansys-Issue [ansys_advantage_vol_ssue3.pdf durchgeführt. Es stammt aus dem Dokument Rfatgue.pdf. Abbldung 1: Bespel aus Rfatgue.pdf 1. ch habe es manuell durchgerechnet

Mehr

Praktikum Physikalische Chemie I (C-2) Versuch Nr. 6

Praktikum Physikalische Chemie I (C-2) Versuch Nr. 6 Praktkum Physkalsche Cheme I (C-2) Versuch Nr. 6 Konduktometrsche Ttratonen von Säuren und Basen sowe Fällungsttratonen Praktkumsaufgaben 1. Ttreren Se konduktometrsch Schwefelsäure mt Natronlauge und

Mehr

2. Spiele in Normalform (strategischer Form)

2. Spiele in Normalform (strategischer Form) 2. Spele n Normalform (strategscher Form) 2.1 Domnante Strategen 2.2 Domnerte Strategen 2.3 Sukzessve Elmnerung domnerter Strategen 2.4 Nash-Glechgewcht 2.5 Gemschte Strategen und Nash-Glechgewcht 2.6

Mehr

Zufallsvariable, Wahrscheinlichkeitsverteilungen und Erwartungswert

Zufallsvariable, Wahrscheinlichkeitsverteilungen und Erwartungswert R. Brnkmann http://brnkmann-du.de Sete..8 Zufallsvarable, Wahrschenlchketsvertelungen und Erwartungswert Enführungsbespel: Zwe Würfel (en blauer und en grüner) werden 4 mal zusammen geworfen. De Häufgketen

Mehr

Kreditpunkte-Klausur zur Lehrveranstaltung Projektmanagement (inkl. Netzplantechnik)

Kreditpunkte-Klausur zur Lehrveranstaltung Projektmanagement (inkl. Netzplantechnik) Kredtpunkte-Klausur zur Lehrveranstaltung Projektmanagement (nkl. Netzplantechnk) Themensteller: Unv.-Prof. Dr. St. Zelewsk m Haupttermn des Wntersemesters 010/11 Btte kreuzen Se das gewählte Thema an:

Mehr

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder - Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole

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

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

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

UNIVERSITÄT STUTTGART INSTITUT FÜR THERMODYNAMIK UND WÄRMETECHNIK Professor Dr. Dr.-Ing. habil. H. Müller-Steinhagen P R A K T I K U M.

UNIVERSITÄT STUTTGART INSTITUT FÜR THERMODYNAMIK UND WÄRMETECHNIK Professor Dr. Dr.-Ing. habil. H. Müller-Steinhagen P R A K T I K U M. UNIVERSITÄT STUTTGART INSTITUT FÜR THERMODYNAMIK UND WÄRMETECHNIK Professor Dr. Dr.-Ing. habl. H. Müller-Stenhagen P R A K T I K U M Versuch 9 Lestungsmessung an enem Wärmeübertrager m Glech- und Gegenstrombetreb

Mehr

Netzsicherheit I, WS 2008/2009 Übung 3. Prof. Dr. Jörg Schwenk 27.10.2008

Netzsicherheit I, WS 2008/2009 Übung 3. Prof. Dr. Jörg Schwenk 27.10.2008 Netzscherhet I, WS 2008/2009 Übung Prof. Dr. Jörg Schwenk 27.10.2008 1 Das GSM Protokoll ufgabe 1 In der Vorlesung haben Se gelernt, we sch de Moble Staton (MS) gegenüber dem Home Envroment (HE) mt Hlfe

Mehr

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale 3. De Kennzechnung von Patkeln 3..1 Patkelmekmale De Kennzechnung von Patkeln efolgt duch bestmmte, an dem Patkel mess bae und deses endeutg beschebende physka lsche Gößen (z.b. Masse, Volumen, chaaktestsche

Mehr

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt:

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt: Informatk I 6. Kaptel Raner Schrader Zentrum für Angewandte Informatk Köln 4. Jun 008 Wr haben bsher behandelt: Suchen n Lsten (lnear und verkettet) Suchen mttels Hashfunktonen jewels unter der Annahme,

Mehr

Boost-Schaltwandler für Blitzgeräte

Boost-Schaltwandler für Blitzgeräte jean-claude.feltes@educaton.lu 1 Boost-Schaltwandler für Bltzgeräte In Bltzgeräten wrd en Schaltwandler benutzt um den Bltzkondensator auf ene Spannung von engen 100V zu laden. Oft werden dazu Sperrwandler

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

Z Z, kurz { } Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden.

Z Z, kurz { } Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden. Kombnator. Problemstellung Ausgangspunt be ombnatorschen Fragestellungen st mmer ene endlche Menge M, aus deren Elementen man endlche Zusammenstellungen von Elementen aus M bldet. Formal gesprochen bedeutet

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

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

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

Nernstscher Verteilungssatz

Nernstscher Verteilungssatz Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.

Mehr

Einführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung. Übersicht. Wahrscheinlichkeitsrechnung. bedinge Wahrscheinlichkeit

Einführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung. Übersicht. Wahrscheinlichkeitsrechnung. bedinge Wahrscheinlichkeit Enführung n de bednge Wahrschenlchket Laplace-Wahrschenlchket p 0.56??? Zufallsexperment Randwahrschenlchket Überscht Was st Wahrschenlchket? Rechenregeln Der Multplkatonssatz Axomatsche Herletung Unabhänggket

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

Ionenselektive Elektroden (Potentiometrie)

Ionenselektive Elektroden (Potentiometrie) III.4.1 Ionenselektve Elektroden (otentometre) Zelstellung des Versuches Ionenselektve Elektroden gestatten ene verhältnsmäßg enfache und schnelle Bestmmung von Ionenkonzentratonen n verschedenen Meden,

Mehr

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban Insttut für Stochastk Prof Dr N Bäuerle Dpl-Math S Urban Lösungsvorschlag 6 Übungsblatt zur Vorlesung Fnanzatheatk I Aufgabe Put-Call-Party Wr snd nach Voraussetzung n ene arbtragefreen Markt, also exstert

Mehr

Versicherungstechnischer Umgang mit Risiko

Versicherungstechnischer Umgang mit Risiko Verscherungstechnscher Umgang mt Rsko. Denstlestung Verscherung: Schadensdeckung von für de enzelne Person ncht tragbaren Schäden durch den fnanzellen Ausglech n der Zet und m Kollektv. Des st möglch über

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

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

-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

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

Stochastik - Kapitel 4

Stochastik - Kapitel 4 Aufgaben ab Sete 5 4. Zufallsgrößen / Zufallsvarablen und hre Vertelungen 4. Zufallsgröße / Zufallsvarable Defnton: Ene Zufallsgröße (Zufallsvarable) X ordnet jedem Versuchsergebns ω Ω ene reelle Zahl

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

Prof. Dr. P. Kischka WS 2012/13 Lehrstuhl für Wirtschafts- und Sozialstatistik. Klausur Statistische Inferenz

Prof. Dr. P. Kischka WS 2012/13 Lehrstuhl für Wirtschafts- und Sozialstatistik. Klausur Statistische Inferenz Prof. Dr. P. Kschka WS 2012/13 Lehrstuhl für Wrtschafts- und Sozalstatstk Klausur Statstsche Inferenz 15.02.2013 Name: Matrkelnummer: Studengang: Aufgabe 1 2 3 4 5 6 7 8 Summe Punkte 6 5 5 5 5 4 4 6 40

Mehr

Der Satz von COOK (1971)

Der Satz von COOK (1971) Der Satz von COOK (1971) Voraussetzung: Das Konzept der -Band-Turng-Maschne (TM) 1.) Notatonen: Ene momentane Beschrebung (mb) ener Konfguraton ener TM st en -Tupel ( α1, α2,..., α ) mt α = xqy, falls

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

4. Optische Resonatoren

4. Optische Resonatoren 4. Optsche Resonatoren 4.. Modenselekton Bs jetzt haben wr nur den enfachsten Resonatortyp, den Fabry-erot Laser besprochen. In Abb. 4.. snd nochal de wchtsten Eenschaften deses Lasertyps darestellt. a)

Mehr

ERP Cloud Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Preise erfassen. www.comarch-cloud.de

ERP Cloud Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Preise erfassen. www.comarch-cloud.de ERP Cloud SFA ECM Backup E-Commerce ERP EDI Prese erfassen www.comarch-cloud.de Inhaltsverzechns 1 Zel des s 3 2 Enführung: Welche Arten von Presen gbt es? 3 3 Beschaffungsprese erfassen 3 3.1 Vordefnerte

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 2009 UNIVERSITÄT KARLSRUHE Blatt 2 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 7: (B. Fredmans Urnenmodell)

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

"Zukunft der Arbeit" Arbeiten bis 70 - Utopie - oder bald Realität? Die Arbeitnehmer der Zukunft

Zukunft der Arbeit Arbeiten bis 70 - Utopie - oder bald Realität? Die Arbeitnehmer der Zukunft "Zukunft der Arbet" Arbeten bs 70 - Utope - oder bald Realtät? De Arbetnehmer der Zukunft Saldo - das Wrtschaftsmagazn Gestaltung: Astrd Petermann Moderaton: Volker Obermayr Sendedatum: 7. Dezember 2012

Mehr

1 BWL 4 Tutorium V vom 15.05.02

1 BWL 4 Tutorium V vom 15.05.02 1 BWL 4 Tutorum V vom 15.05.02 1.1 Der Tlgungsfaktor Der Tlgungsfaktor st der Kehrwert des Endwertfaktors (EWF). EW F (n; ) = (1 + )n 1 T F (n; ) = 1 BWL 4 TUTORIUM V VOM 15.05.02 (1 ) n 1 Mt dem Tlgungsfaktor(TF)

Mehr

Nomenklatur - Übersicht

Nomenklatur - Übersicht Nomenklatur - Überscht Name der synthetschen Varable Wert der synthetschen Varable durch synth. Varable erklärte Gesamt- Streuung durch synth. Varable erkl. Streuung der enzelnen Varablen Korrelaton zwschen

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

Qualitative Evaluation einer interkulturellen Trainingseinheit

Qualitative Evaluation einer interkulturellen Trainingseinheit Qualtatve Evaluaton ener nterkulturellen Tranngsenhet Xun Luo Bettna Müller Yelz Yldrm Kranng Zur Kulturgebundenhet schrftlcher und mündlcher Befragungsmethoden und hrer Egnung zur Evaluaton m nterkulturellen

Mehr

EAU SWH l$,0, wohngebäude

EAU SWH l$,0, wohngebäude EAU SWH l$,0, wohngebäude gemäß den $$ 6 ff, Energeensparverordnung (EnEV) :,:: Gültsbs: 09208 Gebäude Gebäudetyp Altbau Mehrfamlenhaus Adresse Hardstraße 3 33, 40629 Düsseldorf Gebäudetel Baujahr Gebäude

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

5. ZWEI ODER MEHRERE METRISCHE MERKMALE

5. ZWEI ODER MEHRERE METRISCHE MERKMALE 5. ZWEI ODER MEHRERE METRISCHE MERKMALE wenn an ener Beobachtungsenhet zwe (oder mehr) metrsche Varablen erhoben wurden wesentlche Problemstellungen: Frage nach Zusammenhang: Bsp.: Duxbury Press (sehe

Mehr

4.6 Das Pumping-Lemma für reguläre Sprachen:

4.6 Das Pumping-Lemma für reguläre Sprachen: Theoretsche Informatk 1 Vorlesungsskrpt vom Fretag, 30 Jun 000 Index: Erstellt von: (Matrkelnummer: 70899) Sete : 46 Das Pumpng-Lemma für reguläre Sprachen 1 Satz W 1 Zugrundelegende Idee des Pumpng-Lemma

Mehr

1 = Gl.(12.7) Der Vergleich mit Gl. (12.3) zeigt, dass für die laminare Rohrströmung die Rohrreibungszahl

1 = Gl.(12.7) Der Vergleich mit Gl. (12.3) zeigt, dass für die laminare Rohrströmung die Rohrreibungszahl 0. STRÖMUNG INKOMPRESSIBLER FLUIDE IN ROHRLEITUNGEN Enführung Vorlesung Strömungslehre Prof. Dr.-Ing. Chrstan Olver Pascheret C. O. Pascheret Insttute of Flud Mechancs and Acoustcs olver.pascheret@tu-berln.de

Mehr

Entscheidungsprobleme der Marktforschung (1)

Entscheidungsprobleme der Marktforschung (1) Prof. Dr. Danel Baer. Enführung 2. Informatonsbedarf 3. Datengewnnung 2. Informatonsbedarf Entschedungsprobleme der () Informatonsbedarf Art Qualtät Menge Informatonsbeschaffung Methodk Umfang Häufgket

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

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

Prof. Dr.- Ing. Herzig Vorlesung "Grundlagen der Elektrotechnik 1" 1etv3-4

Prof. Dr.- Ing. Herzig Vorlesung Grundlagen der Elektrotechnik 1 1etv3-4 Prof. Dr.- ng. Herzg.6 Spezelle erechnungsverfahren lnearer Netzwerke.6. Überlagerungsverfahren Der Lernende kann - den Überlagerungssatz und das darauf beruhende erechnungsprnzp lnearer Netzwerke erklären

Mehr

P(mindestens zwei gleiche Augenzahlen) = = 0.4 = = 120. den 5 vorbereiteten Gebieten drei auszuwählen: = 10. Deshalb ist 120 =

P(mindestens zwei gleiche Augenzahlen) = = 0.4 = = 120. den 5 vorbereiteten Gebieten drei auszuwählen: = 10. Deshalb ist 120 = Hochschule Harz Fachberech Automatserung und Informatk Prof. Dr. T. Schade Ft for Ab & Study - Aprl 2014 Lösungen zu den Aufgaben zu elementarer Wahrschenlchketsrechnung 1. a 12 11 10 9 = 33 = 0.102 20

Mehr

SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT

SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT Smulaton von Hybrdfahrzeugantreben mt optmerter Synchronmaschne 1 SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT OPTIMIERTER SYNCHRONMASCHINE H. Wöhl-Bruhn 1 EINLEITUNG Ene Velzahl von Untersuchungen hat sch

Mehr

Mobile Sicherheit durch effiziente Public-Key-Verschlüsselung

Mobile Sicherheit durch effiziente Public-Key-Verschlüsselung Moble cherhet durch effzente ublc-key-verschlüsselung Hagen loog Drk Tmmermann Unverstät Rostock, Insttut für Angewandte Mkroelektronk und Datenverarbetung Rchard-Wagner-tr., 9 Rostock Hagen.loog@un-rostock.de

Mehr

1 - Prüfungsvorbereitungsseminar

1 - Prüfungsvorbereitungsseminar 1 - Prüfungsvorberetungssemnar Kaptel 1 Grundlagen der Buchführung Inventur Inventar Blanz Inventur st de Tätgket des mengenmäßgen Erfassens und Bewertens aller Vermögenstele und Schulden zu enem bestmmten

Mehr

1.1 Das Prinzip von No Arbitrage

1.1 Das Prinzip von No Arbitrage Fnanzmärkte H 2006 Tr V Dang Unverstät Mannhem. Das Prnzp von No Arbtrage..A..B..C..D..E..F..G..H Das Framework Bespele Das Fundamental Theorem of Fnance Interpretaton des Theorems und Zustandsprese No

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

SS 2017 Torsten Schreiber

SS 2017 Torsten Schreiber SS Torsten Schreber e den Ebenen unterscheden wr de und de prmeterfree Drstellung. Wenn wr ene Ebenenglechung durch dre Punkte bestmmen wollen, so müssen de zugehörgen Vektoren sen, d es sonst nur ene

Mehr

4. Rechnen mit Wahrscheinlichkeiten

4. Rechnen mit Wahrscheinlichkeiten 4. Rechnen mt Wahrschenlchketen 4.1 Axome der Wahrschenlchketsrechnung De Wahrschenlchketsrechnung st en Telgebet der Mathematk. Es st üblch, an den Anfang ener mathematschen Theore enge Axome zu setzen,

Mehr

Wir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt

Wir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt Kaptel 3 Zwe Personen Spele 3.1 Matrxspele 3.2 Matrxspele n gemschten Strategen 3.3 B Matrxspele und quadratsche Programme 3.4 B Matrxspele und lneare Komplementartätsprobleme 3.1 Matrxspele Wr betrachten

Mehr

Verteilungen eindimensionaler diskreter Zufallsvariablen

Verteilungen eindimensionaler diskreter Zufallsvariablen Vertelungen endmensonaler dskreter Zufallsvarablen Enführung Dskrete Vertelungen Dskrete Glechvertelung Bernoull-Vertelung Bnomalvertelung Bblografe: Prof. Dr. Kück Unverstät Rostock Statstk, Vorlesungsskrpt,

Mehr

IT- und Fachwissen: Was zusammengehört, muss wieder zusammenwachsen.

IT- und Fachwissen: Was zusammengehört, muss wieder zusammenwachsen. IT- und achwssen: Was zusammengehört, muss weder zusammenwachsen. Dr. Günther Menhold, regercht 2011 Inhalt 1. Manuelle Informatonsverarbetung en ntegraler Bestandtel der fachlchen Arbet 2. Abspaltung

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

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

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

Erwartungswert, Varianz, Standardabweichung

Erwartungswert, Varianz, Standardabweichung RS 24.2.2005 Erwartungswert_Varanz_.mcd 4) Erwartungswert Erwartungswert, Varanz, Standardabwechung Be jedem Glücksspel nteresseren den Speler vor allem de Gewnnchancen. 1. Bespel: Setzen auf 1. Dutzend

Mehr

1 Mehrdimensionale Analysis

1 Mehrdimensionale Analysis 1 Mehrdmensonale Analyss Bespel: De Gesamtmasse der Erde st ene Funton der Erddchte ρ Erde und des Erdradus r Erde De Gesamtmasse der Erde st dann m Erde = V Erde ρ Erde Das Volumen ener Kugel mt Radus

Mehr

d da B A Die gesamte Erscheinung der magnetischen Feldlinien bezeichnet man als magnetischen Fluss. = 1 V s = 1 Wb

d da B A Die gesamte Erscheinung der magnetischen Feldlinien bezeichnet man als magnetischen Fluss. = 1 V s = 1 Wb S N De amte Erschenng der magnetschen Feldlnen bezechnet man als magnetschen Flss. = V s = Wb Kraftflssdchte oder magnetsche ndkton B. B d da B = Wb/m = T Für homogene Magnetfelder, we se m nneren von

Mehr

Online Algorithmen. k-server randomisiert Teil II

Online Algorithmen. k-server randomisiert Teil II Onlne Algorthmen k-server randomsert Tel II Ausarbetung für das Semnar Onlne Algorthmen Prof. Dr. Ro. Klen Anette Ebbers-Baumann Ansgar Grüne Insttut für Informatk Theorethsche Informatk und formale Methoden

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

18. Vorlesung Sommersemester

18. Vorlesung Sommersemester 8. Vorlesung Sommersemester Der Drehmpuls des starren Körpers Der Drehmpuls des starren Körpers st etwas komplzerter. Wenn weder de Wnkelgeschwndgket um de feste Rotatonsachse st, so wrd mt Hlfe des doppelten

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

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

13.Selbstinduktion; Induktivität

13.Selbstinduktion; Induktivität 13Sebstndukton; Induktvtät 131 Sebstndukton be En- und Ausschatvorgängen Versuch 1: Be geschossenem Schater S wrd der Wderstand R 1 so groß gewäht, dass de Gühämpchen G 1 und G 2 gech he euchten Somt snd

Mehr