12) Generische Datenstrukturen

Größe: px
Ab Seite anzeigen:

Download "12) Generische Datenstrukturen"

Transkript

1 12) Genersche Datenstrukturen Prof. Dr. Uwe Aßmann Lehrstuhl Softwaretechnologe Fakultät für Inmatk TU Dresden Verson , Softwaretechnologe, Prof. Uwe Aßmann Technsche Unverstät Dresden, Fakultät Inmatk 1

2 mpfohlene Lteratur Tutorals Genercs Tutoral: Prof. U. Aßmann, Softwaretechnologe 2

3 2 Trends n der Softwareentwcklung Rapd Applcaton Development (RAD) Schneller vel Code schreben Typserung weglassen Zet groovy Be den Assozatonen Bem Programmeren gegen Schnttstellen v. dynamsche Typserung, damt Fehler zur Laufzet dentfzert werden können Mächtge Operatonen, de schnell zu schreben snd Java Java 1.6 Zuverlässgket Safe Applcaton Development (SAD) Guten, stablen, wartbaren Code schreben Statsche Typserung, damt der Übersetzer vele Fehler entdeckt Mehr ntwurfswssen aus dem ntwurf n de Implementerung übertragen Aus der Defnton ener Datenstruktur können Bedngungen für hre Anwendung abgeletet werden Gradual Typng Typen werden Schrtt für Schrtt annotert Prof. U. Aßmann, Softwaretechnologe 3

4 Bsp.: lemente ener Herarche Formular Bestellung Leferschen Rechnung Prof. U. Aßmann, Softwaretechnologe 4

5 Problem 1 ungetypter Schnttstellen: Laufzetfehler Be der Konstrukton von Collectons werden oft Fehler programmert, de be der Dekonstrukton zu Laufzetfehlern führen Kann n Java < 1.5 ncht durch den Übersetzer entdeckt werden Lst Lst lstofrechnung lstofrechnung ArrayLst(); ArrayLst(); Rechnung Rechnung Rechnung(); Rechnung(); lstofrechnung.add(); lstofrechnung.add(); Bestellung Bestellung best best Bestellung(); Bestellung(); lstofrechnung.add(best); Programmerfehler! lstofrechnung.add(best); (nt (nt 0; 0; < < lstofrechnung.sze(); lstofrechnung.sze(); ++) ++) (Rechnung)lstOfRechnung.get(); (Rechnung)lstOfRechnung.get(); Laufzetfehler!! Prof. U. Aßmann, Softwaretechnologe 5

6 Problem 2 ungetypter Schnttstellen: Unnötge Casts Be der Dekonstrukton von Collectons müssen unnötg Casts spezfzert werden Typserte Collectons erhöhen de Lesbarket, da se mehr Inmaton geben Lst Lst lstofrechnung lstofrechnung ArrayLst(); ArrayLst(); Rechnung Rechnung Rechnung(); Rechnung(); lstofrechnung.add(); lstofrechnung.add(); Rechnung Rechnung 2 2 Rechnung(); Rechnung(); lstofrechnung.add(2); Desmal ok lstofrechnung.add(2); (nt (nt 0; 0; < < lstofrechnung.sze(); lstofrechnung.sze(); ++) ++) (Rechnung)lstOfRechnung.get(); (Rechnung)lstOfRechnung.get(); Cast nötg, obwohl alles Rechnungen Prof. U. Aßmann, Softwaretechnologe 6

7 Abhlfe: Genersche Klassen ne ne genersche genersche Klasse Klasse st st ene ene Klassenschablone, Klassenschablone, de de mt mt enem enem Typparameter Typparameter P P versehen versehen st. st. In UML In Java Sprachregelung: Contaner of P P Contaner content P class Contaner<P> P content[]; Prof. U. Aßmann, Softwaretechnologe 7

8 Genersche Datentypen n der Collecton- Herarche De genersche Collecton-Herarche (set Java 1.5) : lement, K: Key, V: Value Collecton K,V Lst Set Queue Map SortedSet Blockng Queue SortedMap K,V Prof. U. Aßmann, Softwaretechnologe 8

9 Instanz der Generschen Herarche Collecton Lst Set Queue Map K,V Collecton <Formular> <<nstantates>> SortedSet Blockng Queue SortedMap K,V Lst <Formular> Set <Formular> SortedSet <Formular> Queue <Formular> Blockng Queue <Formular> Map <Nr,Formular> SortedMap <Nr,Formular> Darf man Rechnungen, Bestellungen und Leferschene n dese Collectons stecken? Ja. Prof. U. Aßmann, Softwaretechnologe 9

10 Probleme gelöst Be der Konstrukton von Collectons werden jetzt Äpfel von Brnen unterscheden Casts snd ncht nötg, der Übersetzer kennt den feneren Typ Lst<Rechnung> Lst<Rechnung> lstofrechnung lstofrechnung ArrayLst<Rechnung>(); ArrayLst<Rechnung>(); Rechnung Rechnung Rechnung(); Rechnung(); lstofrechnung.add(); lstofrechnung.add(); Bestellung Bestellung best best Bestellung(); Bestellung(); lstofrechnung.add(best); Complerfehler lstofrechnung.add(best); (nt (nt 0; 0; < < lstofrechnung.sze(); lstofrechnung.sze(); ++) ++) lstofrechnung.get(); lstofrechnung.get(); Ken Cast mehr nötg Prof. U. Aßmann, Softwaretechnologe 10

11 Generztät funktonert auch geschachtelt // Das Archv fasst alle Rechnungen aller bshergen Jahrgänge zusammen // Das Archv fasst alle Rechnungen aller bshergen Jahrgänge zusammen Lst<Lst<Rechnung>> archv ArrayLst<Lst<Rechnung>>(); Lst<Lst<Rechnung>> archv ArrayLst<Lst<Rechnung>>(); // lstofrechnung fasst de Rechnungen des aktuellen Jahres zusammen // lstofrechnung fasst de Rechnungen des aktuellen Jahres zusammen Lst<Rechnung> lstofrechnung ArrayLst<Rechnung>(); Lst<Rechnung> lstofrechnung ArrayLst<Rechnung>(); archv.add(lstofrechnung); archv.add(lstofrechnung); Rechnung Rechnung(); Rechnung Rechnung(); archv.getindex(0).add(); archv.getindex(0).add(); Bestellung best Bestellung(); Bestellung best Bestellung(); archv.getindex(0).add(best); archv.getindex(0).add(best); funktonert (nt jahr 0; jahr < archv.sze(); jahr++) (nt jahr 0; jahr < archv.sze(); jahr++) lstofrechnung archv.getindex(jahr); lstofrechnung archv.getindex(jahr); (nt 0; < lstofrechnung.sze(); ++) (nt 0; < lstofrechnung.sze(); ++) lstofrechnung.getindex(); lstofrechnung.getindex(); Übersetzungs- Fehler Prof. U. Aßmann, Softwaretechnologe 11

12 Benutzung von getypten und ungetypten Schnttstellen.. st ab Java 1.5 ohne Probleme nebenenander möglch // Das Archv fasst alle Rechnungen aller bshergen Jahrgänge zusammen // Das Archv fasst alle Rechnungen aller bshergen Jahrgänge zusammen Lst<Lst<Rechnung>> archv ArrayLst<Lst<Rechnung>>(); Lst<Lst<Rechnung>> archv ArrayLst<Lst<Rechnung>>(); // lstofrechnung fasst de Rechnungen des aktuellen Jahres zusammen // lstofrechnung fasst de Rechnungen des aktuellen Jahres zusammen Lst lstofrechnung ArrayLst(); Lst lstofrechnung ArrayLst(); archv.add(lstofrechnung); archv.add(lstofrechnung); Rechnung Rechnung(); funktonert Rechnung Rechnung(); archv.getindex(0).add(); archv.getindex(0).add(); Bestellung best Bestellung(); Bestellung best Bestellung(); archv.getindex(0).add(best); archv.getindex(0).add(best); Übersetzt auch, (nt jahr 0; jahr < archv.sze(); jahr++) (nt jahr 0; jahr < archv.sze(); jahr++) aber Laufzetfehler lstofrechnung archv.getindex(jahr); lstofrechnung archv.getindex(jahr); bem Cast... (nt 0; < lstofrechnung.sze(); ++) (nt 0; < lstofrechnung.sze(); ++) (Rechnung)lstOfRechnung.getIndex(); (Rechnung)lstOfRechnung.getIndex(); Prof. U. Aßmann, Softwaretechnologe 12

13 Typschranken generscher Parameter (type bounds) Bespel: Comparable<> als Return-typ n der Collectons-Klasse schert zu, dass de Methode compareto() exstert class class Collectons Collectons /** /** mnmum mnmum functon functon a a Collecton. Collecton. Return Return value value s s typed typed * * wth wth a a generc generc type type wth wth a a type type bound bound */ */ publc publc statc statc < < extends extends Comparable<>> Comparable<>> mn(collecton<> mn(collecton<> ce) ce) Iterator<> Iterator<> ter ter ce.terator(); ce.terator(); curmn curmn ter.next; ter.next; f f (curmn (curmn null) null) return return curmn; curmn; ( ( element element curmn; curmn; ter.hasnext(), ter.hasnext(), element element ter.next) ter.next) f f (element.compareto(curmn) (element.compareto(curmn) < < 0) 0) curmn curmn element; element; return return curmn; curmn; Prof. U. Aßmann, Softwaretechnologe 13

14 Implementerungsmuster Command: Genersche Methoden als Funktonale Objekte n n Funktonalobjekt Funktonalobjekt (Kommandoobjekt) (Kommandoobjekt) st st en en Objekt, Objekt, das das ene ene Funkton Funkton darstellt darstellt (refzert). (refzert). Funktonalobjekte können Been kapseln und später ausführen (lazness) (ntwurfsmuster Command) s gbt ene Standard-Funkton n der Klasse des Funktonalobjektes, das de Be ausführt (Standard-Name, z.b. execute() oder doit()) Zur Laufzet kann man das Funktonalobjekt mt Parametern versehen, herumrechen, und zum Schluss ausführen // A functonal object that s lke a constant // A functonal object that s lke a constant nterface NullaryOpCommand vod execute(); nterface NullaryOpCommand vod execute(); // A functonal object that takes one parameter // A functonal object that takes one parameter nterface UnaryOpCommand<P> P execute(p p1); nterface UnaryOpCommand<P> P execute(p p1); // A functonal object that operates on two parameters // A functonal object that operates on two parameters nterface BnOp<P> P execute(p p1, P p2); nterface BnOp<P> P execute(p p1, P p2); Prof. U. Aßmann, Softwaretechnologe 14

15 Genersche Methoden als Funktonale Objekte Anwendung: Akkumulatoren und andere genersche Lstenoperatonen Collecton <P> BnOp Functonal Accumulate B P C, // An nterface a collecton of bnary operaton on // An nterface a collecton of bnary operaton on // collectons // collectons nterface Functonal<Collecton<P>,B extends BnOp<P>> nterface Functonal<Collecton<P>,B extends BnOp<P>> P compute(collecton<p> p); P compute(collecton<p> p); class Accumulate<C,> mplements Functonal<C,BnOp<>> class Accumulate<C,> mplements Functonal<C,BnOp<>> cursum; element; BnOp<> bnaryoperaton; cursum; element; BnOp<> bnaryoperaton; publc compute(c coll) publc compute(c coll) (nt 0; < coll.sze(); ++) (nt 0; < coll.sze(); ++) element coll.getindex(); element coll.getindex(); cursum bnaryoperaton.execute(cursum,element); cursum bnaryoperaton.execute(cursum,element); return cursum; return cursum; Prof. U. Aßmann, Softwaretechnologe 15

16 Unterschede zu C++ In Java: enmalge Übersetzung des generschen Datentyps Verlert etwas ffzenz, da der Übersetzer alle Typnmaton m genererten Code vergsst und ncht ausnutzt z.b. snd alle Instanzen mt unboxed objects als boxed objects realsert C++ betet Code-Templates (snppets, fragments) an, mt denen man mehr parameterseren kann, z.b. Methoden In C++ können Templateparameter Varablen umbenennen: template class C <class T> T attrbute<t> Templateparameter können Varablen umbenennen Prof. U. Aßmann, Softwaretechnologe 16

17 Was haben wr gelernt Statc vs. dynamc vs. gradual vs. no typng Genersche Datenstrukturen snd Klassenschablonen mt Typ- Parameter Fenere statsche Typserung möglch Genersche Collectons bestzen den lement-typ als Typ-Parameter lement-typ verfenert Object Wenger Casts, mehr Typscherhet Implementerungsmuster Command Prof. U. Aßmann, Softwaretechnologe 17

18 nd Prof. U. Aßmann, Softwaretechnologe 18

Generische Datenstrukturen

Generische Datenstrukturen Generische Datenstrukturen Prof. Dr. rer. nat. habil. Uwe Aßmann Lehrstuhl Softwaretechnologie Fakultät für Informatik TU Dresden Softwaretechnologie, Prof. Uwe Aßmann 1 2 Trends in der Softwareentwicklung

Mehr

12) Generische Datenstrukturen

12) Generische Datenstrukturen 12) Generische Datenstrukturen Prof. Dr. rer. nat. habil. Uwe Aßmann Lehrstuhl Softwaretechnologie Fakultät für Informatik TU Dresden Version 09-0.2, 24.11.08 Softwaretechnologie, Prof. Uwe Aßmann 1 mpfohlene

Mehr

12) Generische Datenstrukturen

12) Generische Datenstrukturen mpfohlene Literatur 12) Generische Datenstrukturen http://java.sun.com/j2se/1.5/pdf/generics-tutorial.pdf rof. Dr. rer. nat. habil. Uwe Aßmann Lehrstuhl Softwaretechnologie Fakultät für Informatik TU Dresden

Mehr

12) Generische Datenstrukturen

12) Generische Datenstrukturen 12) Generische Datenstrukturen Prof. Dr. rer. nat. habil. Uwe Aßmann Lehrstuhl Softwaretechnologie Fakultät für Informatik TU Dresden Version 09-0.2, 24.11.08 Softwaretechnologie, Prof. Uwe Aßmann 1 mpfohlene

Mehr

Chair of Software Engineering

Chair of Software Engineering 1 2 Enführung n de Programmerung Bertrand Meyer Vorlesung 13: Contaner-Datenstrukturen Letzte Bearbetung 1. Dezember 2003 Themen für dese Vorlesung 3 Contaner-Datenstrukturen 4 Contaner und Genercty Enthalten

Mehr

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

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

Mehr

Übungen zu Algorithmen

Übungen zu Algorithmen Insttut für Informatk Unverstät Osnabrück, 06.12.2016 Prof. Dr. Olver Vornberger http://www-lehre.nf.uos.de/~anf Lukas Kalbertodt, B.Sc. Testat bs 14.12.2016, 14:00 Uhr Nls Haldenwang, M.Sc. Übungen zu

Mehr

Konkave und Konvexe Funktionen

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

Mehr

Modellierung von Hydrosystemen Numerische und daten-basierte Methoden 2018 Finite-Elemente-Methode Selke-Modell

Modellierung von Hydrosystemen Numerische und daten-basierte Methoden 2018 Finite-Elemente-Methode Selke-Modell Modellerung von Hydrosystemen Numersche und daten-baserte Methoden BHYWI-22-21 @ 2018 Fnte-Elemente-Methode Selke-Modell Olaf Koldtz *Helmholtz Centre for Envronmental Research UFZ 1 Technsche Unverstät

Mehr

Sortieren. Thomas Röfer. Permutationen Naives Sortieren Sortieren durch Einfügen, Auswählen, Vertauschen, Mischen QuickSort Comparator

Sortieren. Thomas Röfer. Permutationen Naives Sortieren Sortieren durch Einfügen, Auswählen, Vertauschen, Mischen QuickSort Comparator Unverstät Bremen Sorteren Thomas Röfer Permutatonen Naves Sorteren Sorteren durch Enfügen, Auswählen, Vertauschen, Mschen QuckSort Comparator Unverstät Bremen Rückblck Suchen Identtät/Flache/Tefe Glechhet

Mehr

Algorithmen und ihre Programmierung -Teil 3-

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

Mehr

Hydrosystemanalyse: Finite-Elemente-Methode (FEM)

Hydrosystemanalyse: Finite-Elemente-Methode (FEM) Hydrosystemanalyse: Prof. Dr.-Ing. habl. Olaf Koldtz 1 Helmholtz Centre for Envronmental Research UFZ, Lepzg 2 Technsche Unverstät Dresden TUD, Dresden Dresden, 03. Jul 2015 1/31 Prof. Dr.-Ing. habl. Olaf

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

Dynamisches Programmieren

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

Mehr

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

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

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

Mehr

Backup- und Restore-Systeme implementieren. Technische Berufsschule Zürich IT Seite 1

Backup- und Restore-Systeme implementieren. Technische Berufsschule Zürich IT Seite 1 Modul 143 Backup- und Restore-Systeme mplementeren Technsche Berufsschule Zürch IT Sete 1 Warum Backup? (Enge Zahlen aus Untersuchungen) Wert von 100 MByte Daten bs CHF 1 500 000 Pro Vorfall entstehen

Mehr

Teil XIV. Lösung linearer Gleichungssysteme. Scientific Computing in Computer Science, Technische Universität München

Teil XIV. Lösung linearer Gleichungssysteme. Scientific Computing in Computer Science, Technische Universität München Tel XIV Lösung lnearer Glechungssysteme IN8008, Wntersemester 010/011 89 Gauss Algorthmus Zwe Schrtte: Vorwärtselmnaton und Rückwärtssubsttuton Vorwärtselmnaton Erzeugen ener Stufenform Zelen dürfen mt

Mehr

Anmeldeseite zur persönlichen Servicewelt

Anmeldeseite zur persönlichen Servicewelt https://servce.mcsm.de/ Anmeldesete zur persönlchen Servcewelt McSIM Kundenservce onlne Persönlche Daten Ändere enfach und schnell dene Adresse oder Bankdaten Tarfdetals Informere Dch über denen Tarf oder

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

Message Authentication Code (MAC)

Message Authentication Code (MAC) Message Authentcaton Code (MAC) Szenaro: Integrtät und Authentztät mttels MACs. Alce und Bob bestzen gemensamen Schlüssel k. Alce berechnet für m enen MAC-Tag t als Funkton von m und k. Alce sendet das

Mehr

i itel itel i p Inhalt Inhalt

i itel itel i p Inhalt Inhalt Kaptel Sete II Kaptel Kaptel 1 Pre-...2 RPG IV...3 Der erweterte Faktor 2...3 Bult-In Functons...4 Sub-Prozeduren...5 Wetere Veränderungen...5 Und noch enge snnvolle Nebeneffekte...7 De Zukunft...9 Kaptel

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

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

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

Mehr

o Alphabet Σ ( Beispiel: {F, +, -} ) o P: Σ -> Σ * eine Produktion o w 0 = F o w 1 = F+F+ o w 2 = F+F++F+F++ o w 3 = F+F++F+F+++F+F++F+F+++ o...

o Alphabet Σ ( Beispiel: {F, +, -} ) o P: Σ -> Σ * eine Produktion o w 0 = F o w 1 = F+F+ o w 2 = F+F++F+F++ o w 3 = F+F++F+F+++F+F++F+F+++ o... Fraktale rekursv zechnen Defnton o Alphabet Σ ( Bespel: F, +, - ) o Σ * = Menge aller endlchen Wörter über Σ ( Bespel: F+F+ st n Σ * ) o P: Σ -> Σ * ene Produkton Bespel: P(F) = F+F+ P(+) = + P(- ) = -

Mehr

Approximationsalgorithmen. Facility Location K-Median. Cheng, Wei 12. Juli

Approximationsalgorithmen. Facility Location K-Median. Cheng, Wei 12. Juli Approxmatonsalgorthmen aclty Locaton K-Medan heng We 12. Jul aclty Locaton Defnton Gegeben: möglche Standorte = { 1 2 m } Städte = { 1 2 n } Eröffnungskosten f für Verbndungskosten c zwschen und Dreecksunglechung

Mehr

Weitere NP-vollständige Probleme

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

Mehr

Das zum dualen Problem (10.2) gehörige Barriere-Problem lautet analog

Das zum dualen Problem (10.2) gehörige Barriere-Problem lautet analog 60 Kaptel 2. Lneare Optmerung 10 Innere-Punkte-Verfahren Lteratur: Geger, Kanzow, 2002, Kaptel 4.1 Innere-Punkte-Verfahren (IP-Verfahren) oder nteror pont methods bewegen sch m Gegensatz zum Smplex-Verfahren

Mehr

Neuronale Netze. M. Gruber (1) ausgeloste Reiz ist x (1) = (1) (s (1) ) mit (1) (s) = 1 sgn(s 1 ) sgn(s 2 ) T. .

Neuronale Netze. M. Gruber (1) ausgeloste Reiz ist x (1) = (1) (s (1) ) mit (1) (s) = 1 sgn(s 1 ) sgn(s 2 ) T. . Neuronale Netze M. Gruber 7.11.015 Begnnen wr mt enem Bespel. Bespel 1 Wr konstrueren enen Klasskator auf der Menge X = [ 1; 1], dessen Wrkung man n Abb.1 rechts sehen kann. Auf der blauen Telmenge soll

Mehr

i itel itel p i p a a K K Inhalt Inhalt i itel itel p i p a a K K Inhalt Inhalt

i itel itel p i p a a K K Inhalt Inhalt i itel itel p i p a a K K Inhalt Inhalt Kaptel Sete II Kaptel Vorwort....................................... X Vorwort von Jon Pars........................ XIV Kaptel 1 Wllkommen be WDSC....................... 1 1.1 Was st WDSC?.........................

Mehr

Vorlesung 3 Differentialgeometrie in der Physik 13

Vorlesung 3 Differentialgeometrie in der Physik 13 Vorlesung 3 Dfferentalgeometre n der Physk 13 Bemerkung. Ist M Manngfaltgket, p M und φ : U R n Karte mt p U, so nennt man U auch Koordnatenumgebung und φ auch Koordnatensystem n p. Bespel 2.4 Seen R >

Mehr

Äquivalenzen stetiger und glatter Hauptfaserbündel

Äquivalenzen stetiger und glatter Hauptfaserbündel Äquvalenzen stetger und glatter Hauptfaserbündel Chrstoph Müller Chrstoph Wockel Fachberech Mathematk Unverstät Darmstadt 31. Süddeutsches Kolloquum über Dfferenzalgeometre Glederung 1 De Problemstellung

Mehr

Sortieren. Thomas Röfer. Permutationen Naives Sortieren Sortieren durch Einfügen, Auswählen, Vertauschen, Mischen QuickSort Comparator

Sortieren. Thomas Röfer. Permutationen Naives Sortieren Sortieren durch Einfügen, Auswählen, Vertauschen, Mischen QuickSort Comparator Unverstät Bremen Sorteren Thomas Röfer Permutatonen Naves Sorteren Sorteren durch Enfügen, Auswählen, Vertauschen, Mschen QuckSort Comparator Unverstät Bremen Rückblck Suchen Identtät/Flache/Tefe Glechhet

Mehr

Musterlösung zu Übung 4

Musterlösung zu Übung 4 PCI Thermodynamk G. Jeschke FS 05 Musterlösung zu Übung erson vom 6. Februar 05) Aufgabe a) En Lter flüssges Wasser egt m H O, l ρ H O, l L 998 g L 998 g. ) De Stoffmenge n H O, l) von enem Lter flüssgen

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

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

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

Mehr

Linearlager mit Gehäuse - geschlossen - standard SCE UU technische Daten Bestellübersicht

Linearlager mit Gehäuse - geschlossen - standard SCE UU technische Daten Bestellübersicht Lnearlager mt Gehäuse - geschlossen Inhaltsüberscht Lnearlager mt Gehäuse - geschlossen - standard SCE UU technsche Daten Bestellüberscht Sete 2 Lnearlager mt Gehäuse - geschlossen - standard SC UU technsche

Mehr

Lineare Optimierung Dualität

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

Mehr

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

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

Mehr

Eine kurze Einführung in die Dichtefunktionaltheorie (DFT)

Eine kurze Einführung in die Dichtefunktionaltheorie (DFT) Ene kurze Enführung n de Dchtefunktonaltheore (DFT) Mchael Martns Lteratur: W. Koch, M.C. Holthausen A Chemst s Gude to Densty Functonal Theory Wley-VCH 2001 Dchtefunktonaltheore p.1 Enletung Im Falle

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

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

Bemerkungen zum LCG Rupert Hartung,

Bemerkungen zum LCG Rupert Hartung, mt Bemerkungen zum LCG Rupert Hartung, 24.6.2005 Wr betrachten den Lnear Congruental Generator (LCG) X 0, X 1,..., X,... X +1 = ax + c mod N (1) zur Erzeugung von Pseudozufallszahlen mäÿger Qualtät. De

Mehr

Sicherheit von Π MAC2

Sicherheit von Π MAC2 Scherhet von Π MAC2 Satz Scherhet von Π MAC2 Se Π scher. Dann st Π MAC2 ebenfalls scher. Bewes: Se A en Angrefer für Π MAC2 mt Erfolgsws ɛ(n). Wr konstrueren enen Angrefer A für Π. Algorthmus Angrefer

Mehr

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

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

Mehr

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

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

Mehr

Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Graphische Modelle. Niels Landwehr

Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Graphische Modelle. Niels Landwehr Unverstät Potsdam Insttut für Informatk Lehrstuhl Maschnelles Lernen Graphsche Modelle els Landwehr Zusammenfassung Pfade Zusammenfassung: en Pfad --Y-Z- st B A E Blockert be Y, wenn Dvergerende Verbndung,

Mehr

Bedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY)

Bedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY) Bedngte Entrope Kaptel : Bedngte Entrope Das vorherge Theorem kann durch mehrfache Anwendung drekt verallgemenert werden H (... H ( = Ebenso kann de bedngt Entrope defnert werden Defnton: De bedngte Entrope

Mehr

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

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

Mehr

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

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

Prof. Dr. Margarita Esponda

Prof. Dr. Margarita Esponda Algorthmen und Programmeren II Sorteralgorthmen mperatv Tel II Prof. Dr. Margarta Esponda Free Unverstät Berln Tele und Herrsche "Dvde und Conquer" Vele Probleme lassen sch ncht mt trvalen Schlefen lösen

Mehr

Manipulation von Mengen

Manipulation von Mengen Manpulaton von Mengen Thomas Röfer Vorrangwarteschlange Lnksbaum Heap HeapSort Unon-Fnd-Strukturen Allgemener Rahmen für Mengenmanpulatonen Rückblck Hashng Streuspecherverfahren Hashfunkton Hashen mt Verkettung

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

Übung zur Vorlesung - Theorien Psychometrischer Tests II

Übung zur Vorlesung - Theorien Psychometrischer Tests II Übung zur Vorlesung - Theoren Psychometrscher Tests II N. Rose 9. Übung (15.01.2009) Agenda Agenda 3-parametrsches logstsches Modell nach Brnbaum Lnkfunktonen 3PL-Modell nach Brnbaum Modellglechung ( =

Mehr

Schnelles Prototyping (Rapid Application Development, RAD)

Schnelles Prototyping (Rapid Application Development, RAD) Schnelles Prototyping (Rapid Application Development, RAD) Prof. Dr. rer. nat. habil. Uwe Aßmann Lehrstuhl Softwaretechnologie Fakultät für Informatik TU Dresden Softwaretechnologie, Prof. Uwe Aßmann 2

Mehr

Universität Karlsruhe (TH)

Universität Karlsruhe (TH) Unverstät Karlsruhe (TH) Forschungsunverstät gegründet 825 Parallele Algorthmen I Augaben und Lösungen Pro. Dr. Walter F. Tchy Dr. Vctor Pankratus Davd Meder Augabe () Gegeben se en N-elementger Zahlenvektor

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

-1- Alles kein Zufall. - Starkes Markenmanagement - Inhaltsverzeichnis und Übersicht

-1- Alles kein Zufall. - Starkes Markenmanagement - Inhaltsverzeichnis und Übersicht -1- Alles ken Zufall - Starkes Markenmanagement - Inhaltsverzechns und Überscht -2- Alles ken Zufall Das Inhaltsverzechns 1. De Grundlagen moderner Markenführung. 5. Postonerung und Framng. De Analyse

Mehr

Computergestützte Gruppenarbeit

Computergestützte Gruppenarbeit Computergestützte Gruppenarbet 8. Undo von Operatonen Dr. Jürgen Vogel European Meda Laboratory (EML) Hedelberg SS 2006 0 CSCW SS 2006 Jürgen Vogel Inhalt der Vorlesung 1. Enführung 2. Grundlagen von CSCW

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

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

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

Der Erweiterungsfaktor k

Der Erweiterungsfaktor k Der Erweterungsfaktor k Wahl des rchtgen Faktors S. Meke, PTB-Berln, 8.40 Inhalt: 1. Was macht der k-faktor? 2. Welche Parameter legen den Wert des k-faktors fest? 3. Wo trtt der k-faktor auf? 4. Zusammenhang

Mehr

Handbuch zur Integration von sofortüberweisung.de in Ypsilon.Net

Handbuch zur Integration von sofortüberweisung.de in Ypsilon.Net Handbuch zur Integraton von sofortüberwesung.de n Ypslon.Net Verson 1.4 07. Jun 2010 PAYMENT NETWORK AG. Alle Rechte vorbehalten. Es st untersagt, Tele deser Dokumentaton ohne schrftlche Genehmgung der

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

Klassische Gatter und Logikelemente. Seminarvortrag zu Ausgewählte Kapitel der Quantentheorie Quantenalgorithmen

Klassische Gatter und Logikelemente. Seminarvortrag zu Ausgewählte Kapitel der Quantentheorie Quantenalgorithmen Klasssche Gatter und Logkelemente Semnarvortrag zu Ausgewählte Kaptel der Quantentheore Quantenalgorthmen Gerd Ch. Krzek WS 2003 I. Grundlagen und Methoden der Logk: Im folgenden soll de Konstrukton und

Mehr

1.11 Beispielaufgaben

1.11 Beispielaufgaben . Bespelaufgaben Darstellung komplexer Zahlen Aufgabe. Man stelle de komplexe Zahl z = +e 5f n algebrascher Form, also als x + y dar. Damt man de Formel für de Dvson anwenden kann, muss zunächst der Nenner

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

21) Verfeinern von UML-Assoziationen mit dem Java-2 Collection Framework

21) Verfeinern von UML-Assoziationen mit dem Java-2 Collection Framework 21) Verfeinern von UML-Assoziationen mit dem Java-2 Collection Framework 1 Prof. Dr. rer. nat. Uwe Aßmann Institut für Software- und Multimediatechnik Lehrstuhl Softwaretechnologie Fakultät für Informatik

Mehr

Baudynamik und Erdbebeningenieurwesen

Baudynamik und Erdbebeningenieurwesen Baudynamk und Erdbebenngeneurwesen Themen und Antworten für de Lzenzprüfung 1. Defneren Se den Begrff: Grad des dynamschen Frehetsgrads. Geben Se Bespele von Systemen mt enem enzgen Grad des dynamschen

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

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

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

7. Aufgabe (Pumping-Eigenschaft, kontextfreie Grammatik) Es seien = {a,b,c}. und L = { a b a c i,

7. Aufgabe (Pumping-Eigenschaft, kontextfreie Grammatik) Es seien = {a,b,c}. und L = { a b a c i, 7. Aufgabe (Pumpng-Egenschaft, kontextfree Grammatk) Es seen = {a,b,c}. und L = { a b a c, j 0, k 1}. j k a) Geben Se en 3- und en 5-aufpumpbares Wort n L an, und begründen Se Ihre Wahl. b) Geben Se en

Mehr

Begleitheft für Testhörer mit Fragebogen

Begleitheft für Testhörer mit Fragebogen Exklusv be enchanttm Begletheft für Testhörer mt Fragebogen Ihre Hörerfahrung mt Sonc Enchant Leber Testhörer, lebe Testhörern, velen Dank, dass Se sch dazu entschlossen haben, ener von 500 exklusven Testhörern

Mehr

Einführung in die Finanzmathematik

Einführung in die Finanzmathematik 1 Themen Enführung n de Fnanzmathematk 1. Znsen- und Znsesznsrechnung 2. Rentenrechnung 3. Schuldentlgung 2 Defntonen Kaptal Betrag n ener bestmmten Währungsenhet, der zu enem gegebenen Zetpunkt fällg

Mehr

Nullstellen Suchen und Optimierung

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

Mehr

Computergrafik. Universität Bern Herbst 2010

Computergrafik. Universität Bern Herbst 2010 Computergrafk Unverstät Bern Herbst 2010 Abgabe am 18. November Code bs Mttag 12 Uhr m Ilas hohladen! Für Abgabe an Assstenten onlne neu enshreben Für jede Telaufgabe separate Java Klasse mahen Pont Lght

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

Hochschule Heilbronn Technik Wirtschaft Informatik Heilbronn University Institut für math.-naturw. Grundlagen

Hochschule Heilbronn Technik Wirtschaft Informatik Heilbronn University Institut für math.-naturw. Grundlagen Versuch : Messung von Glechspannung und Glechstrom mt Multmetern 1. Aufgabenstellung Messung von Glechspannung u. Glechstrom mt analogen und dgtalen Messgeräten Verglech verschedener Messgeräte, Messgenaugket

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

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

Gebundene Typparameter

Gebundene Typparameter Gebundene Typparameter interface StringHashable { String hashcode(); class StringHashMap { public void put (Key k, Value v) { String hash = k.hashcode();...... Objektorientierte

Mehr

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

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

Mehr

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

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

Dr. Florian Englmaier 1 Übung Wettbewerbstheorie und -politik. Handout zu Übungsblatt 1: Einführung

Dr. Florian Englmaier 1 Übung Wettbewerbstheorie und -politik. Handout zu Übungsblatt 1: Einführung Dr. Floran Englmaer 1 Handout zu Übungsblatt 1: Enführung De Industreökonomk beschäftgt sch mt dem Marktverhalten und der nternen Organsaton von Unternehmen. (Preswettbewerb, Marktzutrttsverhalten, Produktdff.

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

Runge-Kutta-Theorie: Adjungierte Verfahren, A-Stabilität, Steife Systeme

Runge-Kutta-Theorie: Adjungierte Verfahren, A-Stabilität, Steife Systeme Runge-Kutta-Teore: Adjungerte Verfaren, A-Stabltät, Stefe Systeme Andre Neubert bat@un-paderborn.de Semnar Numerk für Informatker, SS2004: Runge-Kutta-Teore Sete Glederung : - Adjungerte Verfaren / Symmetrsce

Mehr

Zusammenfassung. 1) Falls Zwangsbedinungen die Freiheitsgrade einschränken, kann man die abhängige Koordinaten aus der Lagrangfunktion elimieren;

Zusammenfassung. 1) Falls Zwangsbedinungen die Freiheitsgrade einschränken, kann man die abhängige Koordinaten aus der Lagrangfunktion elimieren; Zusammenfassung 1) Falls Zwangsbednungen de Frehetsgrade enschränken, kann man de abhängge Koordnaten aus der Lagrangfunkton elmeren; 2) Es st auch möglch de Zwangsbednungen mt Hlfe der Lagrangefaktoren

Mehr

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

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

Mehr

Algorithmen und Datenstrukturen. Übersicht. Interfaces und Generics. InsertionSort für Punkte. InsertionSort für Punkte

Algorithmen und Datenstrukturen. Übersicht. Interfaces und Generics. InsertionSort für Punkte. InsertionSort für Punkte Algorithmen und Datenstrukturen Wintersemester 2012/13 21. Vorlesung Übersicht Liste und InsertionSort für e für Objekte beliebiger Klassen für Objekte von Klassen, die ein(e) Nutzer(in) festlegen kann

Mehr

Gültig ab dem ! Einfache Abrechnung in der Cloud. Für jeden der richtige Tarif und Service

Gültig ab dem ! Einfache Abrechnung in der Cloud. Für jeden der richtige Tarif und Service Gültg ab dem 1.4.2019! Enfache Abrechnung n der Cloud Für jeden der rchtge Tarf und Servce Jetzt entscheden xxxx So enfach geht s Tarf und Servcepaket bestellen und sofort loslegen 2 Wählen Se den passenden

Mehr

Kleiner Fermatscher Satz, Chinesischer Restsatz, Eulersche ϕ-funktion, RSA

Kleiner Fermatscher Satz, Chinesischer Restsatz, Eulersche ϕ-funktion, RSA Klener Fermatscher Satz, Chnesscher Restsatz, Eulersche ϕ-funkton, RSA Manfred Gruber http://www.cs.hm.edu/~gruber SS 2008, KW 15 Klener Fermatscher Satz Satz 1. Se p prm und a Z p. Dann st a p 1 mod p

Mehr

Algorithmen und Datenstrukturen SS09. Foliensatz 13. Michael Brinkmeier. Technische Universität Ilmenau Institut für Theoretische Informatik

Algorithmen und Datenstrukturen SS09. Foliensatz 13. Michael Brinkmeier. Technische Universität Ilmenau Institut für Theoretische Informatik Folensatz Mchael Brnkmeer Technsche Unverstät Ilmenau Insttut für Theoretsche Informatk Sommersemester 009 TU Ilmenau Sete / Sorteren TU Ilmenau Sete / Das Sorterproblem Das Sorterproblem Daten: ene total

Mehr

Gültig ab dem ! Abrechnung und Software in der Cloud. Für jeden der richtige Tarif und Service

Gültig ab dem ! Abrechnung und Software in der Cloud. Für jeden der richtige Tarif und Service Gültg ab dem 1.4.2019! Abrechnung und Software n der Cloud Für jeden der rchtge Tarf und Servce Jetzt entscheden xxxx So enfach geht s Tarf und Servcepaket bestellen und sofort loslegen 2 Wählen Se den

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