Betriebswirtschaftliche Entscheidungstheorie

Größe: px
Ab Seite anzeigen:

Download "Betriebswirtschaftliche Entscheidungstheorie"

Transkript

1 Unverstät Dusburg-ssen, Standort Dusburg Fachberech Betrebswrtschaft, Mercator School of Management Department of Technolog and Operatons Management Informaton Sstems and Operatons Research Betrebswrtschaftlche ntschedungstheore Prüfungsfach: Prüfer: Prof. Dr. Peter Chamon Prüfungsdatum: Puntzahl: 60 Bearbetungszet: 60 Mn. Hlfsmttel: ncht-programmerbarer Taschenrechner Btte prüfen Se de Angaben auf dem tett sowe de Vollständget der Klausurunterlagen (8 Seten. Aufgabe Punte Gesamt Note De Ordnung während der Prüfung erenne ch an. Datum Unterschrft Vel rfolg!

2 Aufgabe ( Punte Auf dem geplanten Sommerfest der MSM stellt sch de Frage, we vele Würstchen für den Grllstand bestellt werden sollen. Da de Veranstaltung n deser Form ene Premere st, legen ene Verglechswerte aus der Vergangenhet vor. De Zahl der Besucher hängt n hohem Maße vom Wetter ab. Aufgrund des frühen Bestellzetpuntes snd noch ene Wettervorhersagen für den geplanten Termn verfügbar. Da ene ausrechenden Kühlmöglcheten vorhanden snd, müssen de überschüssgen Würstchen verschent werden. De Würstchen osten m nauf 0,7 und sollen für,0 an den Mann gebracht werden. Der Großhändler rechnet n nheten e 00 Stüc ab. Der nfachhet halber wrd der Abverauf n der glechen Größenordnung alulert. De betrachteten potentellen Veraufsmengen legen zwschen 00 und 00 Würstchen. a We sollte der Verantwortlche dsponeren be optmstscher, pessmstscher, unvorengenommener Grundhaltung? b Bestmmen Se de optmale ntschedung mttels des Hurwcz-Krterums n Abhängget vom Optmsmusparameter λ und nterpreteren Se Ihr rgebns. naufsmengen a : 00, 00, 00, 00, 00 potentelle Veraufsmengen z : 00, 00, 00, 00, 00 z z z z z Max Mn Summe Hurwcz a a λ a λ-7 a λ-0 a λ- a Maxmax (optmstsch: a Maxmn (pessmstsch: a Laplace (unvorengenommen: a b 0 < λ < ½ : a λ ½ : a, a, a, a, a ½ < λ < : a

3 Aufgabe (0 Punte n Prvate-qut-Fonds hat de Wahl 00 Mo. entweder n de Genomed AG (a oder de Genomx Ltd. (a, zwe Botech-Unternehmen, zu nvesteren. De wetere ntwclung der Börsenurse beder Unternehmen hängt ewels an enem vel versprechenden Krebsmedament, das sch n der ntwclung befndet. Nur wer de ntwclung als erster abschleßt, wrd sch auf dem Mart durchsetzen. Analsten glauben, dass de Chancen der Genomed AG das Rennen zu gewnnen doppelt so hoch snd we de der Genomx Ltd. Der zuünftge Wert der Investton wrd we folgt engeschätzt: Martführer Genomed AG Genomx Ltd. a a 0 00 Um sch abzuschern, besteht de Möglchet durch unabhängge xperten umfangreche Studen durchführen zu lassen. In 7 % der Fälle, n denen en Produt rechtzetg de Martrefe erlangte, prophezeten de xperten de erfolgreche ntwclung. Gelang es ncht, en Produt zetnah n den Mart enzuführen, sagte man n 8 von 0 Fällen das Schetern der ntwclungsbemühungen voraus. De xpertentests verursachen Kosten n Höhe von weteren 00 Mo.. Lohnt es das xpertenurtel n Auftrag zu geben? Begründen Se Ihre Antwort aufgrund des Kalüls unvollommener Informatonsssteme. Zustände: z Genomed Martführer Nachrchten: xpertenurtel postv z Genomx Martführer xpertenurtel negatv Nutzenmatrx U 0 00 A pror Vertelung ϕ ( Untersuchung der Genomed AG Lelhoodfunton z z z Gesucht: WSI. Bestmme Opportuntätsostenmatrx S 0 S

4 . Berechne WVI WVI mn ϕ ( z s mn { 0 ; 80 } 0. Bestmme Vertelung der Informatonen z ϕ( z Bestmme a posteror Vertelung ψ(z z ϕ( z z ϕ( z z ϕ( z 8. Bestmme Schadenserwartungswerte bzgl. der a posteror Vertelungen a sψ ( z a 0 a a a Bestmme optmale Baes-Stratege δ * ( a und δ * ( a 7. Bestmme WSI WSI WVI δ* WVI WSI ( +, δ ( * WSI < Kosten des xpertenurtels > xpertenurtel ncht enholen

5 Aufgabe (0 Punte n Hersteller von Osterhasen aus Schoolade hat zu Begnn des Jahres zu entscheden, ob er vor Produtonsstart sene Maschnen überholen lässt oder ncht. De Kosten dafür betragen ne Reparatur, nachdem de Produton berets gestartet st, schlägt aufgrund der Produtonsausfälle mt zu Buche. Zudem gbt es de Möglchet ene Inspeton vorzuschalten, de Kosten von verursacht. Dabe werden mt glecher Wahrschenlchet Mängel erannt oder ncht. Wenn nchts unternommen wrd, beträgt de Wahrschenlchet für enen Ausfall 60 % be aufgedecten Mängeln, andernfalls laufen de Maschnen mt ener Wahrschenlchet von 80 % störungsfre. Unterlässt man de Inspeton ommt de Produton mt ener Wahrschenlchet von 0 % zum rlegen. Nach durchgeführter Instandsetzung exstert mmer noch ene Wahrschenlchet von 0 %, dass es zu Störungen ommt. a rstellen Se enen ntschedungsbaum und bestmmen Se de ostenmnmale Instandsetzungspolt. b Welche Rsopräferenz wrd be Anwendung deses Verfahrens unterstellt und we ann es modfzert werden, um anderen Rsoenstellungen Rechnung tragen zu önnen? a ostenmnmale Instandsetzungspolt: Nchts unternehmen. b s wrd Rsoneutraltät unterstellt, da das rwartungswertrterum zugrunde gelegt wrd. Andere Rsoenstellungen önnen durch das nführen von Nutzenfuntonen abgebldet werden.

6

7 Aufgabe ( Punte Benennen und erläutern Se urz de Axome, de dem Bernoull-Prnzp zugrunde legen. Axome ener Präferenzordnung: vollständg, transtv, (reflexv Stetgetsaxom Substtutonsaxom

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

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

F E R N U N I V E R S I T Ä T

F E R N U N I V E R S I T Ä T Matrkelnmmer Name: Vorname: F E R N U N I V E R S I T Ä T Fakltät für Wrtschaftswssenschaft Klasr: Modl 7 Markt nd Staat (6 SWS) Termn:.0.0, 9.00.00 Uhr Prüfer: Unv.-Prof. Dr. Thomas Echner Afgabe Smme

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

Das Bayessche Theorem ist ein Ergebnis aus der Wahrscheinlichkeitstheorie und liefert einen Zusammenhang zwischen bedingten Wahrscheinlichkeiten.

Das Bayessche Theorem ist ein Ergebnis aus der Wahrscheinlichkeitstheorie und liefert einen Zusammenhang zwischen bedingten Wahrscheinlichkeiten. ayessches Theorem Das ayessche Theorem st en Ergens aus der ahrschenlchetstheore und lefert enen Zusammenhang zwschen edngten ahrschenlcheten.. ayessches Theorem für Eregnsse Senen und zwe elege Eregnsse.

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

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

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

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

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

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

Mehr

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

Maße der zentralen Tendenz (10)

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

Mehr

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

An welche Stichwörter von der letzten Vorlesung können Sie sich noch erinnern?

An welche Stichwörter von der letzten Vorlesung können Sie sich noch erinnern? An welche Stchwörter von der letzten Vorlesung können Se sch noch ernnern? Gasgesetz ür deale Gase pv = nr Gelestete Arbet be sotherme Ausdehnung adabatsche Ausdehnung 2 n Reale Gase p + a 2 ( V nb) =

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

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

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

Lösungen der Aufgaben zu Kapitel 2

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

Mehr

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

Grundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt

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

Mehr

1 Finanzmathematik. 1.1 Das Modell. Sei Xt

1 Finanzmathematik. 1.1 Das Modell. Sei Xt 1.1 Das Modell Se Xt der Pres enes Assets zur Zet t und X = X ) 1 d der Rd +-dmensonale Presprozess. Das Geld kann auch zu dem rskolosen Znssatz r be ener Bank angelegt werden. Der Wert deser Anlage wrd

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

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

AVWL I (Mikro) A. Wambach, Ph. D. - Klausur am 2. August Abschlussklausur

AVWL I (Mikro) A. Wambach, Ph. D. - Klausur am 2. August Abschlussklausur AVWL I (Mkro) A. Wambach, Ph. D. - Klausur am. August 000 1 Abschlussklausur Btte bearbeten Se zwe der dre folgenden Aufgaben. Sollten Se alle dre Aufgaben bearbeten, machen Se btte kenntlch, welche zwe

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

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

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

Mehr

Investition in Übungen

Investition in Übungen Vahlens Übungsbücher der Wrtschafts- und Sozalwssenschaften Investton n Übungen von Prof. Dr. Hartmut Beg, Prof. Dr. Henz Kußmaul, Prof. Dr. Gerd Waschbusch 3., durchgesehene und überarbetete Auflage Verlag

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

Erläuterungen zur Analyse des Zinssatzswaps Referenz N//83734/5 zwischen der A/B Duegården und der Nykredit Bank A/S

Erläuterungen zur Analyse des Zinssatzswaps Referenz N//83734/5 zwischen der A/B Duegården und der Nykredit Bank A/S Erläuterungen zur Analyse des Znssatzswaps Referenz 3584455N//83734/5 zwschen der A/B Duegården und der Nykredt Bank A/S 1. Zusammenfassung der Analyse De A/B Duegården und de Nykredt Bank A/S haben am

Mehr

Grundbildung Lineare Algebra und Analytische Geometrie (LPSI/LS-M2) SoSe C. Curilla/ B. Janssens

Grundbildung Lineare Algebra und Analytische Geometrie (LPSI/LS-M2) SoSe C. Curilla/ B. Janssens Fchberech Mthemtk Algebr und Zhlentheore Chrstn Curll Grundbldung Lnere Algebr und Anltsche Geometre (LPSI/LS-M) Bltt 1 SoSe 011 - C. Curll/ B. Jnssens Präsenzufgben (P1) Mch Se sch be den folgenden Glechungssstemen

Mehr

5. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013

5. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013 O. Alaya, S. Demrel M. Fetzer, B. Krnn M. Wed 5. Gruppenübung zur Vorlesung Höhere Mathematk Wntersemester /3 Dr. M. Künzer Prof. Dr. M. Stroppel Lösungshnwese zu den Hausaufgaben: Aufgabe H 6. Darstellungen

Mehr

Aufgabenkomplex 2: Umrechung von Einheiten, Ungleichungen, Komplexe Zahlen

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

Mehr

Rotation (2. Versuch)

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

Mehr

Hauptprüfung Abiturprüfung 2014 (ohne CAS) Baden-Württemberg

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

Mehr

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

Vorlesungsprüfung Politische Ökonomie

Vorlesungsprüfung Politische Ökonomie Vorlesungsprüfung Poltsche Ökonome 22.06.2007 Famlenname/Vorname: Geburtsdatum: Matrkelnummer: Studenrchtung: Lesen Se den Text aufmerksam durch, bevor Se sch an de Beantwortung der Fragen machen. Ihre

Mehr

Aufgabenteil. - wird nicht mit abgegeben - 21.03.2011, 18.00-20.00 Uhr. Fakultät für Wirtschaftswissenschaft

Aufgabenteil. - wird nicht mit abgegeben - 21.03.2011, 18.00-20.00 Uhr. Fakultät für Wirtschaftswissenschaft Fakultät für Wrtschaftswssenschaft Lehrstuhl für Volkswrtschaftslehre, nsb. Makroökonomk Unv.-Prof. Dr. Helmut Wagner Klausur: Termn: Prüfer: Makroökonome 2.03.20, 8.00-20.00 Uhr Unv.-Prof. Dr. Helmut

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

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

Musterlösung zur Einsendearbeit zum Kurs Preisbildung auf unvollkommenen Märkten und allgemeines Gleichgewicht, Kurseinheit 1

Musterlösung zur Einsendearbeit zum Kurs Preisbildung auf unvollkommenen Märkten und allgemeines Gleichgewicht, Kurseinheit 1 Musterlösung zum Kurs 40, A zu K, WS 008/09 Sete Musterlösung zur nsendearbet zum Kurs 40 Presbldung auf unvollkommenen Märkten und allgemenes lechgewcht, Kursenhet De folgende Lösungsskzze soll Ihnen

Mehr

Die Kugel Lösungen. 1. Von einer Kugel ist der Radius bekannt. Berechne Volumen und Oberfläche der

Die Kugel Lösungen. 1. Von einer Kugel ist der Radius bekannt. Berechne Volumen und Oberfläche der De Kugel Lösungen 1. Von ener Kugel st der Radus bekannt. Berechne Volumen und Oberfläche der Kugel. r,8 cm 5, cm 18,6 cm 4, cm 5,6 cm 4,8 cm V 0 cm³ 64 cm³ 6 954 cm³ cm³ 76 cm³ 46 cm³ O 181 cm² 5 cm²

Mehr

Tutorium Makroökonomik I:

Tutorium Makroökonomik I: UNIVERITÄTKOLLEG Unverstätskolleg: #tdm+ Ttorm Makroökonomk I:. Lneare Fnktonen mehrerer Varablen Dr. Krstn aetz Tobas Fscher Kostenlose satzangebote nd Lehrmateralen für alle tderenden Ttorm Makroökonomk

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

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

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

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

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

Mehr

Induktive Strombegrenzung für AC-gespeiste SGTC mit netzsynchroner rotierender Funkenstrecke

Induktive Strombegrenzung für AC-gespeiste SGTC mit netzsynchroner rotierender Funkenstrecke Induktve Strombegrenung für AC-gespeste SGTC mt netsynchroner roterender Funkenstrecke Es wrd von ener SGTC ausgegangen, welche mt ener 5 H-netfrequen-synchron roterenden prmären Funkenstrecke ausgestattet

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

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

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

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

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

Vorlesung 1. Prof. Dr. Klaus Röder Lehrstuhl für BWL, insb. Finanzdienstleistungen Universität Regensburg. Prof. Dr. Klaus Röder Folie 1

Vorlesung 1. Prof. Dr. Klaus Röder Lehrstuhl für BWL, insb. Finanzdienstleistungen Universität Regensburg. Prof. Dr. Klaus Röder Folie 1 Vorlesung Entschedungslehre h SS 205 Prof. Dr. Klaus Röder Lehrstuhl für BWL, nsb. Fnanzdenstlestungen Unverstät Regensburg Prof. Dr. Klaus Röder Fole Organsatorsches Relevante Informatonen önnen Se stets

Mehr

Klausur zur Vorlesung Lineare Modelle SS 2006 Diplom, Klausur A

Klausur zur Vorlesung Lineare Modelle SS 2006 Diplom, Klausur A Lneare Modelle m SS 2006, Prof. Dr. W. Zucchn 1 Klausur zur Vorlesung Lneare Modelle SS 2006 Dplom, Klausur A Aufgabe 1 (18 Punkte) a) Welcher grundsätzlche Untersched besteht n der Interpretaton von festen

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

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

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

Mehr

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

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

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

Mehr

Klausur Vermessungskunde

Klausur Vermessungskunde Klausur Vermessungskunde Vermessungskunde für Baungeneure und Geodäten (Modulprüfung B.Sc) Frühjahr 017 06.04.017 Name: Vorname: Matr.-Nr.: Nur für Drttversuche: 1. Prüfer:. Prüfer: Aufgabe 1 4 5 Bestehens

Mehr

Grundgedanke der Regressionsanalyse

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

Mehr

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

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

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

Johann Wolfgang Goethe-Universität Frankfurt am Main Lehrst.f.BWL, insb. Quant. Methoden Prof. Dr. Dietrich Ohse

Johann Wolfgang Goethe-Universität Frankfurt am Main Lehrst.f.BWL, insb. Quant. Methoden Prof. Dr. Dietrich Ohse Johann Wolgang Goethe-Unverstät Frankurt am Man Lehrst..BWL, nsb. Quant. Methoden Pro. Dr. Detrch Ohse Interpretaton, zulässge Lösung, Dualtät. Jul 00 Augabe.: Gletende Stückkostenmnmerung Von der Fertgungsplanung

Mehr

Statistische Methoden der Datenanalyse. Übung XIII

Statistische Methoden der Datenanalyse. Übung XIII Albert-Ludwgs-Unverstät Freburg Wntersemester 2012/2013 Statstsche Methoden der Datenanalyse Marus Schumacher, Stan La, Floran Kss Übung XIII 05.2.2013, 08.2.2013 Anwesenhetsaufgaben Aufgabe 67 Profle

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

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

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

3.1 Extensive Form, Spielbaum und Teilspiele

3.1 Extensive Form, Spielbaum und Teilspiele 3. Spele n extensver Form 3.1 Extensve Form, Spelbaum und Telspele 3.2 Strategen n extensven Spelen 4. Spele mt vollkommener Informaton 4.1 Telspelperfekte Nash-Glechgewchte 4.2 Das chan-store -Paradox

Mehr

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct? We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für 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

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct? We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für de

Mehr

Standardnormalverteilung / z-transformation

Standardnormalverteilung / z-transformation Standardnormalvertelung / -Transformaton Unter den unendlch velen Normalvertelungen gbt es ene Normalvertelung, de sch dadurch ausgeechnet st, dass se enen Erwartungswert von µ 0 und ene Streuung von σ

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

Die Transzendenz der Eulerschen Zahl e

Die Transzendenz der Eulerschen Zahl e De Transzendenz der Eulerschen Zahl e nach Jean-Paul Delahaye Der n [1, Seten 21-22] skzzerte Bewes der Transzendenz der Eulerschen Zahl e wrd m folgenden ausgeführt. En alternatver Bewes, der auf Ideen

Mehr

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen

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

Mehr

8. MARKOVKETTEN 127. Abbildung 8.1: Reduzible und periodische Markovkette. p ji IIP[X n 1 = j] = [(IIP[X n 1 = j]) j E P ] i. j=0

8. MARKOVKETTEN 127. Abbildung 8.1: Reduzible und periodische Markovkette. p ji IIP[X n 1 = j] = [(IIP[X n 1 = j]) j E P ] i. j=0 8. MARKOVKETTEN 17 8. Marovetten Abbldung 8.1: Reduzble und perodsche Marovette 8.1. Homogene Marovetten n dsreter Zet En Prozess {X n : n IIN} hesst homogene Marovette (n dsreter Zet) mt (abzählbarem)

Mehr

Einführung in die numerische Mathematik

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

Mehr

(Theoretische) Konfidenzintervalle für die beobachteten Werte: Die Standardabweichung des Messfehlers wird Standardmessfehler genannt:

(Theoretische) Konfidenzintervalle für die beobachteten Werte: Die Standardabweichung des Messfehlers wird Standardmessfehler genannt: (Theoretsche Konfdenzntervalle für de beobachteten Werte: De Standardabwechung des Messfehlers wrd Standardmessfehler genannt: ( ε ( 1- REL( Mt Hlfe der Tschebyscheff schen Unglechung lassen sch be bekanntem

Mehr

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e

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

Mehr

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

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

Mehr

Prof. Dr. Marc Gürtler SS Prof. Dr. Marc Gürtler. Klausur zur 4/8 SWS-Vertiefung Finanzwirtschaftliches Risikomanagement Finanzwirtschaft

Prof. Dr. Marc Gürtler SS Prof. Dr. Marc Gürtler. Klausur zur 4/8 SWS-Vertiefung Finanzwirtschaftliches Risikomanagement Finanzwirtschaft Prof. Dr. Marc Gürtler Klausur zur 4/8 SWS-Vertefung Fnanzwrtschaftlches Rskomanagement Fnanzwrtschaft Lösungsskzze Aufgabe : (6 Punkte) ) (0 Punkte) Aufstellung und Lösung enes Glechungssystems 70V 800,4

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

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

"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

Definition des linearen Korrelationskoeffizienten

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

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statstk und Wahrschenlchketsrechnung Statstk und Wahrschenlchketsrechnung 5. Vorlesung Dr. Jochen Köhler.03.0 Statstk und Wahrschenlchketsrechnung Wchtg!!! Vorlesung Do 4.03.0 HCI G3 Übung 5 D 9.03.0 Fnk

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

Kaplan- Meier- Schätzer

Kaplan- Meier- Schätzer Kaplan- Meer- Schätzer Glederung 1. Enletung 2. Zensur 3. Notaton 4. Methoden zur Schätzung der Überlebensfunton a. Reduced Sample Method/ Drect Method b. Actuaral Method bzw. verscherungsmath. Methode

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

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

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

Proseminar Spieltheorie SS 2006 Ausarbeitung zum Vortrag Allgemeine Zwei-Personenspiele am Vortragender: Florian Leiner

Proseminar Spieltheorie SS 2006 Ausarbeitung zum Vortrag Allgemeine Zwei-Personenspiele am Vortragender: Florian Leiner Prosemnar Speltheore SS 2006 Ausarbetung zum Vortrag Allgemene Zwe-Personenspele am 06.07.2006 Vortragender: Floran Lener Der Vortrag basert auf dem entsprechenden Kaptel wo-person general-sum games aus

Mehr

Statistik. Finanzmathematik 1-15

Statistik. Finanzmathematik 1-15 Prüfungsdauer: Hlfsmttel: 90 Mnuten Taschenrechner (ncht grafkfähg und ncht programmerbar) und Formelsammlung De Klausur besteht aus dem 16 Aufgaben m Pflchttel, de alle bearbetet werden müssen. Auf 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

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

6. Übungsblatt Schnittgrößen am biegesteifen Träger WS 2009/2010

6. Übungsblatt Schnittgrößen am biegesteifen Träger WS 2009/2010 Unv. Prof. Dr. rer nat. Wofgang H. üer Technsche Unverstät Bern autät V Lehrstuh für Kontnuumsmechan und ateratheore - LK, Ser. S Enstenufer, 187 Bern 6. Übungsbatt Schnttgrößen am begestefen Träger WS

Mehr

LITECOM infinity Infinity-Modus

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

Mehr