Testumfang für die Ermittlung und Angabe von Fehlerraten in biometrischen Systemen

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Testumfang für die Ermittlung und Angabe von Fehlerraten in biometrischen Systemen"

Transkript

1 Testumfag für die Ermittlug ud Agabe vo Fehlerrate i biometrische Systeme Peter Uruh SRC Security Research & Cosultig GmbH Eileitug Biometrische Systeme werde durch zwei wichtige Parameter charakterisiert: FAR (False Acceptio Rate) ud FRR (False Rejectio Rate). Dabei häge diese Fehlerrate vo eiem Schwellwert ab, der i der meiste Systeme eistellbar ist ud als Kriterium für die JA/NEIN- Etscheidug verwedet wird. Der Schwellwert sagt aus, wie viel Prozet der Merkmale übereistimme solle, um vom biometrische System erkat zu werde. Maßgeblich für die Wahl des Schwellwertes ud dadurch auch der Fehlerrate sid die Aforderuge der geplate Awedug. Steht die Sicherheit im Vordergrud, wird der Schwellwert so hoch gewählt, dass möglichst weig, im Idealfall keie Falschakzeptaze vorkomme. Die FAR ist i diesem Fall klei. Wird bei der Awedug mehr Wert auf Komfort gelegt als auf die Sicherheit, so sorgt der icht so hoch gesetzte Schwellwert dafür, dass möglichst weig Zurückweisuge vo Berechtigte stattfide. Die FRR ist i diesem Fall klei. Aufgabestellug Die Frage, die sich jeder Hersteller vo biometrische Systeme stellt, lautet: Wie viele Testversuche reiche aus, um mit Hilfe eier statistische Methode zu beweise, dass die agegebee Fehlerrate bei eiem festgelegte Schwellwert mit großer Wahrscheilichkeit eie bestimmte Tolerazwert icht überschreite? Dabei ka für die FAR der Tolerazwert wichtig sei, um ebe dem typische Wert FAR- TYP die Agabe für FAR MAX = FAR+ mit großer Wahrscheilichkeit garatiere zu köe. FAR- ist für diese Problematik ukritisch, weil das System eie bessere als typisch agegebe Fehlerrate aufweist. Statistische Sigifikaz I der Sprache der Statistik lautet die obe gestellte Frage folgedermaße: Wie groß muss der Stichprobeumfag gewählt werde, damit bei festem Sigifikaziveau α eie vorgegebee Abweichug zwische dem arithmetische Mittel der Stichprobe (FAR MAX ) ud dem ageommee Sollwert µ (FAR TYP ) gerade och als sigifikat erkat wird (damit wäre FAR MAX verbidlich ). Abweichuge kleier als köe praktisch als ubedeuted agesehe werde ud brauche icht achgewiese werde.

2 Testumfag für die Ermittlug ud Agabe vo Fehlerrate i biometrische Systeme Mit adere Worte soll die Wahrscheilichkeit, dass die Abweichug - µ größer als ist, de Wert α (Irrtumswahrscheilichkeit) icht überschreite: P µ ) α. ( Bei der Herleitug des Stichprobeumfags wird vo Eigeschafte ud Fuktioe der Normalverteilug ausgegage, deshalb werde sie hier aufgeführt [STAT]: Die stetige Zufallgröße X, die alle Werte der reelle Zahle zwische ud + aehme ka, geügt der Normalverteilug, we ihre Dichte durch ( µ ) ( ; µ, ) = e ϕ für < < + gegebe ist. π Der Erwartugswert µ ud die Streuug (oder Variaz) heiße Parameter der Normalverteilug N ( µ ; ). Die zu der obe beschriebee Dichte gehörede Verteilugsfuktio ist ( t µ ) ( Φ ; µ, ) = e dt. π Werde für die Parameter µ = ud = gesetzt, so ist die stadardisierte Form der Normalverteilug N (; ) gegebe. Dichte ud Verteilugsfuktio sid da: ϕ ( ;,) = ϕ( ) = e, π t Φ( ;,) = Φ( ) = e dt. π Für beide Fuktioe gibt es Tabelle, aus dee für vorgegebee Werte vo die Dichte ϕ () ud die Verteilugsfuktio Φ () abgelese werde ka. Ist X eie ormalverteilte Zufallsgröße mit de Parameter µ ud, so ist µ die Zufallsgröße Z = X ormalverteilt mit de Parameter ud. Für jede reelle Zahl gilt da µ ϕ( ; µ, ) = ϕ( ), µ Φ( ; µ, ) = Φ( ). Dies ermöglicht die Verwedug der Tabelle für die stadardisierte Normalverteilug N (; ) zur Berechug der Dichte ud der Verteilugsfuktio eier ach N ( µ ; ) ormalisierte Zufallsgröße X mit beliebige Parameter µ ud Security Research & Cosultig GmbH Seite

3 Testumfag für die Ermittlug ud Agabe vo Fehlerrate i biometrische Systeme Uter der Aahme, dass Stichprobe i geomme werde, so dass = i, ka für i= vo eier Normalverteilug N( µ ; ) ausgegage werde. Dabei geügt die Stichprobefuktio Z = der stadardisierte Normalverteilug N (; ) [WAHR]. µ Die Wahrscheilichkeit P der Beziehug P ( µ ) α ka folgedermaße umgeschriebe werde: P( µ µ ) = P( ) = P( Z ). Die Beziehug P ( Z ) α ka durch P ( Z < ) ersetzt werde. Aus [WAHR] ist zu etehme, dass P( Z < ) = Φ( ) ud Φ( Z α ) =, deshalb ka die Beziehug P ( µ ) α als Φ( ), oder als Φ( ) Φ( Z α ) aufgeschriebe werde. Für die Ermittlug des Stichprobeumfags wird u die Ugleichug Z α verwedet: Z α. Mit Hilfe dieser Formel ka der Testumfag bestimmt werde, we bei de Tests als Ergebis ei Wert mit bestimmter Variaz (oder bekater Stadardabweichug ) zu erwarte ist. Der Wert Z wird aus der Tabelle der Verteilugsfuktio Φ Z ) ausgelese. ( Bei der Ermittlug der FAR werde Tests durchgeführt, dere Ergebisse bei festgelegte Schwellwert sich etweder als akzeptiert oder als abgewiese zusammefasse lasse. Dadurch ist eie Biomialverteilug vorgegebe. We die Wahrscheilichkeit eies Ergebisses mit p bezeichet wird, da ka der Erwartugswert µ ud die Streuug etspreched durch p ud p( defiiert werde [STAT]. Die Stichprobefuktio ist für diese Fall: p p Z = = p( p) Security Research & Cosultig GmbH Seite 3

4 Testumfag für die Ermittlug ud Agabe vo Fehlerrate i biometrische Systeme Für usere Fragestellug ist es wichtig, dass die Wahrscheilichkeit, dass die Abweichug zwische relativer Häufigkeit ud der Wahrscheilichkeit p größer ist als, uter der Irrtums- wahrscheilichkeit α liegt: P ( p ) α Die Wahrscheilichkeit P der Beziehug P ( p ) α ka folgedermaße umgeschriebe werde: p ( ) ( P p = P ) = P( Z ). Die Beziehug P ( Z ) α ka durch P ( Z < ) ersetzt werde. Da P( Z < ) = Φ( ) ud Φ Z ) =, ( α ka die Beziehug P ( p ) α als Φ( ) Φ( ) Φ( Z α ) aufgeschriebe werde. Für die Ermittlug des Stichprobeumfags ka u die Ugleichug verwedet werde: oder Z α. Für die Irrtumswahrscheilichkeit α werde i der Prais folgede Werte verwedet:,5,, ud,. Mit Hilfe der Tabelle der Verteilugsfuktio Φ( Z ) wird der etsprechede Wert Z bestimmt: α,5,, Z,645,36 3,9 Z als Security Research & Cosultig GmbH Seite 4

5 Testumfag für die Ermittlug ud Agabe vo Fehlerrate i biometrische Systeme I der folgede Tabelle ist für jede Irrtumswahrscheilichkeit α abhägig vo der FAR ud der Abweichug der Testumfag agegebe: FAR TYP FAR MAX α=, 5 α=, α=,,5,, ,5,5, ,5,, ,4,, ,4,5, ,4,, ,3,, ,3,5, ,3,, ,,, ,,5, ,,, ,,, ,,5, ,,, ,5,, ,5,5, ,5,, ,,, ,,5, ,,, ,,, ,,5, ,,, ,,, ,,5, ,,, Vergleichbare Ergebisse bekommt ma, we die Regel Rule of 3 ud Rule of 3 agewadt werde. Diese Regel werde z. B. i [BEM] ud [BPTEST] zur Ermittlug des Testumfags vorgeschlage, we der Vergleichsalgorithmus eies biometrische Systems getestet werde soll. Der Uterschied im Vergleich zum Teste auf Systemebee besteht dari, dass die reale Bediguge sowie die Systemumgebug icht berücksichtigt werde. Für die Tests werde biometrische Date verwedet, die etweder früher vom System erfasst ud gespeichert wurde oder möglicherweise durch Verwedug aderer Systeme erzeugt wurde. Aalog zu FAR ist beim Teste des Vergleichsalgorithmus der Parameter FMR (False Match Rate) aus Sicherheitssicht vo etscheideder Bedeutug. Mit Rule of 3 ka die folgede Frage beatwortet werde: Welche miimale Fehlerrate ka bei N uabhägige Vergleiche statistisch begrüdet werde? Die Wahrscheilichkeit, dass 3 die ach der Rule of 3 ermittelte Fehlerrate p fehlerhaft ist ud bei N Vergleichsversuche eie fehlerhafte Übereistimmug vorkommt, ist kleier als N 5% Security Research & Cosultig GmbH Seite 5

6 Testumfag für die Ermittlug ud Agabe vo Fehlerrate i biometrische Systeme Mit adere Worte, we bei N Vergleichsversuche keie fehlerhafte Übereistimmug zu Stade kam, da ka mit großer Wahrscheilichkeit (95%) garatiert werde, dass die FMR kleier als N 3 ist. Die folgede Tabelle ethält eiige auf diese Weise ermittelte Zahlebeispiele: N p,5,,, Die Rule of 3 stammt vo Doddigto [RULE3] ud bietet folgedermaße Hilfe für die Ermittlug der Testumfäge: Um mit 9%-er Sicherheit behaupte zu köe, dass die echte Fehlerrate vo der bei Vergleiche festgestellte Fehlerrate höchstes um ± 3% abweicht, müsse midestes 3 fehlerhafte Übereistimmuge beobachtet werde. Die Relatio ist icht liear, midestes 6 fehlerhafte Übereistimmuge sid zu beobachte, um eie Höchstabweichug vo ± % zu garatiere. We es beispielsweise zu 3 fehlerhafte Übereistimmuge ierhalb vo 3. Versuche gekomme ist, da liegt die echte FMR zwische,7 ud,3. Um für eie Algorithmus eie FMR vo, ± % agebe zu köe, müsse 6 fehlerhafte Übereistimmuge beobachtet werde. Dies bedeutet, dass 6. Vergleiche durchgeführt wurde. Dabei wird vorausgesetzt, dass die Vergleichsversuche statistisch uabhägig sid. Streg geomme sid für das letzte Beispiel 6. verschiedee biometrische Persoedate erforderlich, die mit eier Referez vergliche werde. Die Forderug der statistische Uabhägigkeit hat zur Folge, dass die Azahl der Testpersoe sich verdoppel muss, we sowohl die FAR als auch die FRR statistisch korrekt zu ermittel sid. I der Prais wird oft auf die statistische Uabhägigkeit verzichtet, um die Azahl der Testpersoe zu verriger. Dabei ka die Irrtumswahrscheilichkeit icht so präzise (wie obe) agegebe werde. Ageomme, es ehme N Persoe teil, dere biometrische Date erfasst ud als Referezdate gespeichert werde. Bei gegeseitigem Vergleich der erfasste Date mit Referezdate sid N(N-)/ Vergleichsversuche möglich. Mit 5 Testpersoe köe etwa 3. Vergleichsversuche durchgeführt werde, um die FMR zu ermittel. Wird keie Übereistimmug festgestellt, so ka die FMR im beste Fall ach Rule of 3 de Wert, erhalte Security Research & Cosultig GmbH Seite 6

7 Testumfag für die Ermittlug ud Agabe vo Fehlerrate i biometrische Systeme Refereze [STAT] Statistische Methode ud ihre Aweduge, Erwi Kreyszig, 4., uveräd. Nachdr. der 7. Auflage, 99 [WAHR] Wahrscheilichkeitsrechug mathematische Statistik ud statistische Qualitätskotrolle, Regia Storm, 7. Auflage, 979 [BEM] [BPTEST] [RULE3] Commo Criteria, Commo Methodology for Iformatio Techology Security Evaluatio, Biometric Evaluatio Methodology Supplemet, Commo Criteria Biometric Evaluatio Methodology Workig Group, Versio., August Best Practices i Testig ad Reportig Performace of Biometric Devices, By A. J. Masfield, Natioal Physical Laboratory ad J. L. Wayma, Sa Jose State Uiversity, Versio., August The NIST speaker recogitio evaluatio: Overview methodology, systems, results, perspective. Doddigto, G. R., Przybocki, M. A., Marti, A. F., ad Reyolds, D. A., Speech Commuicatio,, 3(-3), Security Research & Cosultig GmbH Seite 7

Wissenschaftliches Arbeiten Studiengang Energiewirtschaft

Wissenschaftliches Arbeiten Studiengang Energiewirtschaft Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:

Mehr

Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39

Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39 Statistik Eiführug Kofidezitervalle für eie Parameter Kapitel 7 Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Kofidezitervalle

Mehr

Kapitel 6: Statistische Qualitätskontrolle

Kapitel 6: Statistische Qualitätskontrolle Kapitel 6: Statistische Qualitätskotrolle 6. Allgemeies Für die Qualitätskotrolle i eiem Uterehme (produzieredes Gewerbe, Diestleistugsuterehme, ) gibt es verschiedee Möglichkeite. Statistische Prozesskotrolle

Mehr

Statistik I/Empirie I

Statistik I/Empirie I Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass

Mehr

15.4 Diskrete Zufallsvariablen

15.4 Diskrete Zufallsvariablen .4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet

Mehr

Qualitätskennzahlen für IT-Verfahren in der öffentlichen Verwaltung Lösungsansätze zur Beschreibung von Metriken nach V-Modell XT

Qualitätskennzahlen für IT-Verfahren in der öffentlichen Verwaltung Lösungsansätze zur Beschreibung von Metriken nach V-Modell XT Qualitätskezahle für IT-Verfahre i der öffetliche Verwaltug Lösugsasätze zur Vo Stefa Bregezer Der Autor arbeitet im Bereich Softwaretest ud beschäftigt sich als Qualitätsbeauftragter mit Theme zu Qualitätssicherug

Mehr

Evaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt

Evaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt 2.4.5 Gauss-Test ud t-test für verbudee Stichprobe 2.4.5.8 Zum Begriff der verbudee Stichprobe Verbudee Stichprobe: Vergleich zweier Merkmale X ud Y, die jetzt a deselbe Persoe erhobe werde. Vorsicht:

Mehr

n 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:

n 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen: 61 6.2 Grudlage der mathematische Statistik 6.2.1 Eiführug i die mathematische Statistik I der mathematische Statistik behadel wir Masseerscheiuge. Wir habe es deshalb im Regelfall mit eier große Zahl

Mehr

Kapitel 5: Schließende Statistik

Kapitel 5: Schließende Statistik Kapitel 5: Schließede Statistik Statistik, Prof. Dr. Kari Melzer 5. Schließede Statistik: Typische Fragestellug ahad vo Beispiele Beispiel Aus 5 Messwerte ergebe sich für die Reißfestigkeit eier Garsorte

Mehr

Behandlung von Messunsicherheiten (Fehlerrechnung)

Behandlung von Messunsicherheiten (Fehlerrechnung) Behadlug vo Messusicherheite (Fehlerrechug). Ermittlug vo Messusicherheite. Messug ud Messusicherheit Die Messug eier physikalische Größe erfolgt durch de Vergleich dieser Größe mit eier Bezugseiheit ach

Mehr

SUCHPROBLEME UND ALPHABETISCHE CODES

SUCHPROBLEME UND ALPHABETISCHE CODES SUCHPROBLEME UND ALPHABETISCHE CODES Der Problematik der alphabetische Codes liege Suchprobleme zugrude, dere Lösug dem iformatiostheoretische Problem der Fidug eies (optimale) alphabetische Codes gleich

Mehr

Wahrscheinlichkeit & Statistik

Wahrscheinlichkeit & Statistik Wahrscheilichkeit & Statistik created by Versio: 3. Jui 005 www.matheachhilfe.ch ifo@matheachhilfe.ch 079 703 7 08 Mege als Sprache der Wahrscheilichkeitsrechug, Begriffe, Grudregel Ereigisraum: Ω Ω Mege

Mehr

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG. - LÖSUNGEN. ypothesetest für die Dicke vo Plättche Die Dicke X vo Plättche, die auf eier bestimmte Maschie

Mehr

2 Vollständige Induktion

2 Vollständige Induktion 8 I. Zahle, Kovergez ud Stetigkeit Vollstädige Iduktio Aufgabe: 1. Bereche Sie 1+3, 1+3+5 ud 1+3+5+7, leite Sie eie allgemeie Formel für 1+3+ +( 3)+( 1) her ud versuche Sie, diese zu beweise.. Eizu5% ZiseproJahragelegtes

Mehr

Auch im Risikofall ist das Entscheidungsproblem gelöst, wenn eine dominante Aktion in A existiert.

Auch im Risikofall ist das Entscheidungsproblem gelöst, wenn eine dominante Aktion in A existiert. Prof. Dr. H. Rommelfager: Etscheidugstheorie, Kaitel 3 7 3. Etscheidug bei Risiko (subjektive oder objektive) Eitrittswahrscheilichkeite für das Eitrete der mögliche Umweltzustäde köe vom Etscheidugsträger

Mehr

Formelsammlung Mathematik

Formelsammlung Mathematik Formelsammlug Mathematik 1 Fiazmathematik 1.1 Reterechug Sei der Zissatz p%, der Zisfaktor q = 1 + p 100. Seie R die regelmäßig zu zahlede Rate, die Laufzeit. Edwert: Barwert: achschüssig R = R q 1 q 1

Mehr

Lösungen der Aufgaben zur Vorbereitung auf die Klausur Mathematik für Informatiker I

Lösungen der Aufgaben zur Vorbereitung auf die Klausur Mathematik für Informatiker I Uiversität des Saarlades Fakultät für Mathematik ud Iformatik Witersemester 2003/04 Prof. Dr. Joachim Weickert Dr. Marti Welk Dr. Berhard Burgeth Lösuge der Aufgabe zur Vorbereitug auf die Klausur Mathematik

Mehr

Der natürliche Werkstoff Holz - Statistische Betrachtungen zum uniaxialen Zugversuch am Beispiel von Furnier

Der natürliche Werkstoff Holz - Statistische Betrachtungen zum uniaxialen Zugversuch am Beispiel von Furnier Der atürliche Werkstoff Holz - Statistische Betrachtuge zum uiaxiale Zugversuch am Beispiel vo Furier B. Bellair, A. Dietzel, M. Zimmerma, Prof. Dr.-Ig. H. Raßbach Zusammefassug FH Schmalkalde, 98574 Schmalkalde,

Mehr

Innerbetriebliche Leistungsverrechnung

Innerbetriebliche Leistungsverrechnung Ierbetriebliche Leistugsverrechug I der Kostestellerechug bzw. im Betriebsabrechugsboge (BAB ist ach der Erfassug der primäre Kostestellekoste das Ziel, die sekudäre Kostestellekoste, also die Koste der

Mehr

Statistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S

Statistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S Statistik mit Excel 2013 Peter Wies Theme-Special 1. Ausgabe, Februar 2014 W-EX2013S 3 Statistik mit Excel 2013 - Theme-Special 3 Statistische Maßzahle I diesem Kapitel erfahre Sie wie Sie Date klassifiziere

Mehr

Allgemeine Lösungen der n-dimensionalen Laplace-Gleichung und ihre komplexe Variable

Allgemeine Lösungen der n-dimensionalen Laplace-Gleichung und ihre komplexe Variable Allgemeie Lösuge der -dimesioale Laplace-Gleichug ud ihre komplexe Variable Dr. rer. at. Kuag-lai Chao Göttige, de 4. Jauar 01 Abstract Geeral solutios of the -dimesioal Laplace equatio ad its complex

Mehr

AUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2. Datenfluß und Programmablauf 2. Vorbedingung 3. Nachbedingung 3. Schleifeninvariante 3

AUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2. Datenfluß und Programmablauf 2. Vorbedingung 3. Nachbedingung 3. Schleifeninvariante 3 INHALTSVERZEICHNIS AUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2 Datefluß ud Programmablauf 2 Vorbedigug 3 Nachbedigug 3 Schleifeivariate 3 KONSTRUKTION 4 ALTERNATIVE ENTWURFSMÖGLICHKEITEN 5 EFFEKTIVE

Mehr

Wirksamkeit, Effizienz

Wirksamkeit, Effizienz 3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue

Mehr

Variiert man zusätzlich noch die Saatstärke (z.b. 3 Stärkearten), würde man von einer zweifaktoriellen Varianzanalyse sprechen.

Variiert man zusätzlich noch die Saatstärke (z.b. 3 Stärkearten), würde man von einer zweifaktoriellen Varianzanalyse sprechen. 3. Variazaalyse Die Variazaalyse mit eier quatitative abhägige Variable ud eier oder mehrerer qualitativer uabhägiger Variable wird auch als ANOVA (Aalysis of Variace) bezeichet. Mit eier Variazaalyse

Mehr

Übungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 0

Übungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 0 UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Prof. Dr. Rolad Speicher M.Sc. Tobias Mai Übuge zur Vorlesug Fuktioetheorie Sommersemester 01 Musterlösug zu Blatt 0 Aufgabe 1. Käpt Schwarzbart,

Mehr

Prof. Dr. Roland Füss Statistik II SS 2008

Prof. Dr. Roland Füss Statistik II SS 2008 1. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug ergibt sich aus de Grezwertsätze. Grezwertsätze sid Aussage über eie Zufallsvariable für de Fall, dass die Azahl

Mehr

2. Diophantische Gleichungen

2. Diophantische Gleichungen 2. Diophatische Gleichuge [Teschl05, S. 91f] 2.1. Was ist eie diophatische Gleichug ud wozu braucht ma sie? Def D2-1: Eie diophatische Gleichug ist eie Polyomfuktio i x,y,z,, bei der als Lösuge ur gaze

Mehr

Byzantinische Einigung im Full-Information-Modell in O(log n) Runden

Byzantinische Einigung im Full-Information-Modell in O(log n) Runden Byzatiische Eiigug im Full-Iformatio-Modell i O(log ) Rude Martia Hüllma Uiversität Paderbor (martiah@upb.de) Zusammefassug. Byzatiische Eiigug stellt ei grudlegedes Problem im Bereich verteilter Systeme

Mehr

Kunde. Kontobewegung

Kunde. Kontobewegung Techische Uiversität Müche WS 2003/04, Fakultät für Iformatik Datebaksysteme I Prof. R. Bayer, Ph.D. Lösugsblatt 4 Dipl.-Iform. Michael Bauer Dr. Gabi Höflig 17.11. 2003 Abbildug E/R ach relatioal - Beispiel:

Mehr

Ein kleines Einmaleins über Mittelwertbildungen

Ein kleines Einmaleins über Mittelwertbildungen Vorlesugsergäzug zur Igeieurmathematik R.Brigola Ei kleies Eimaleis über Mittelwertbilduge Grudlage über arithmetische Mittel, geometrische Mittel, harmoische Mittel, quadratische Mittel ud das arithmetisch-geometrische

Mehr

Finanzmathematische Formeln und Tabellen

Finanzmathematische Formeln und Tabellen Jui 2008 Dipl.-Betriebswirt Riccardo Fischer Fiazmathematische Formel ud Tabelle Arbeitshilfe für Ausbildug, Studium ud Prüfug im Fach Fiaz- ud Ivestitiosrechug Dieses Werk, eischließlich aller seier Teile,

Mehr

Korrekturrichtlinie zur Studienleistung Wirtschaftsmathematik am 22.12.2007 Betriebswirtschaft BB-WMT-S11-071222

Korrekturrichtlinie zur Studienleistung Wirtschaftsmathematik am 22.12.2007 Betriebswirtschaft BB-WMT-S11-071222 Korrekturrichtliie zur Studieleistug Wirtschaftsmathematik am..007 Betriebswirtschaft BB-WMT-S-07 Für die Bewertug ud Abgabe der Studieleistug sid folgede Hiweise verbidlich: Die Vergabe der Pukte ehme

Mehr

SBP Mathe Aufbaukurs 1. Absolute und relative Häufigkeit. Das arithmetische Mittel und seine Eigenschaften. Das arithmetische Mittel und Häufigkeit

SBP Mathe Aufbaukurs 1. Absolute und relative Häufigkeit. Das arithmetische Mittel und seine Eigenschaften. Das arithmetische Mittel und Häufigkeit SBP Mathe Aufbaukurs 1 # 0 by Clifford Wolf # 0 Atwort Diese Lerkarte sid sorgfältig erstellt worde, erhebe aber weder Aspruch auf Richtigkeit och auf Vollstädigkeit. Das Lere mit Lerkarte fuktioiert ur

Mehr

Informatik II Dynamische Programmierung

Informatik II Dynamische Programmierung lausthal Iformatik II Dyamische Programmierug. Zachma lausthal Uiversity, ermay zach@i.tu-clausthal.de Zweite Techik für de Algorithmeetwurf Zum Name: "Dyamische " hat ichts mit "Dyamik" zu tu, soder mit

Mehr

Grundgesamtheitsanaylsen und Stichproben. Betrachtungen zur Stichprobenfindung

Grundgesamtheitsanaylsen und Stichproben. Betrachtungen zur Stichprobenfindung MaMaEuSch Maagemet Mathematics for Europea Schools http://www.mathematik.uikl.de/ mamaeusch Grudgesamtheitsaaylse ud Stichprobe. Betrachtuge zur Stichprobefidug Paula Lagares Justo Puerto 1 MaMaEuSch 2

Mehr

Lerneinheit 2: Grundlagen der Investition und Finanzierung

Lerneinheit 2: Grundlagen der Investition und Finanzierung Lereiheit 2: Grudlage der Ivestitio ud Fiazierug 1 Abgrezug zu de statische Verfahre Durchschittsbetrachtug wird aufgegebe Zeitpukt der Zahlugsmittelbewegug explizit berücksichtigt exakte Erfassug der

Mehr

Methode der kleinsten Quadrate

Methode der kleinsten Quadrate Methode der kleiste Quadrate KAPITEL 5: REGRESSIONSRECHNUNG Die Methode der kleiste Quadrate (MklQ) ist ei Verfahre zur Apassug eier Fuktio a eie Puktwolke. Agewadt wird sie beispielsweise, um eie Gesetzmäßigkeit

Mehr

Klausur vom

Klausur vom UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Domiik Faas Stochastik Witersemester 00/0 Klausur vom 7.0.0 Aufgabe 3+.5+.5=6 Pukte Bei eier Umfrage wurde 60 Hotelbesucher ach ihrer Zufriedeheit

Mehr

Stichproben im Rechnungswesen, Stichprobeninventur

Stichproben im Rechnungswesen, Stichprobeninventur Stichprobe im Rechugswese, Stichprobeivetur Prof Dr Iree Rößler ud Prof Dr Albrecht Ugerer Duale Hochschule Bade-Württemberg Maheim Im eifachste Fall des Dollar-Uit oder Moetary-Uit Samplig (DUS oder MUS-

Mehr

3. Einführung in die Statistik

3. Einführung in die Statistik 3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :

Mehr

Statistik. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.html

Statistik. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.html Statistik Prof. Dr. K. Melzer kari.melzer@hs-esslige.de http://www.hs-esslige.de/de/mitarbeiter/kari-melzer.html Ihaltsverzeichis 1 Eileitug ud Übersicht 3 2 Dategewiug (kurzer Überblick) 3 2.1 Plaugsphase

Mehr

... a ik) i=1...m, k=1...n A = = ( a mn

... a ik) i=1...m, k=1...n A = = ( a mn Zurück Stad: 4..6 Reche mit Matrize I der Mathematik bezeichet ma mit Matrix im Allgemeie ei rechteckiges Zahleschema. I der allgemeie Darstellug habe die Zahle zwei Idizes, de erste für die Zeileummer,

Mehr

Linsengesetze und optische Instrumente

Linsengesetze und optische Instrumente Lisegesetze ud optische Istrumete Gruppe X Xxxx Xxxxxxxxx Xxxxxxx Xxxxxx Mat.-Nr.: XXXXX Mat.-Nr.: XXXXX XX.XX.XX Theorie Im olgede werde wir eie kurze Überblick über die Fuktio, de Aubau ud die Arte vo

Mehr

FormelnfürdieAnzahlmöglicherQuadrateaufn*nSpielfeldern

FormelnfürdieAnzahlmöglicherQuadrateaufn*nSpielfeldern Modrago Formel Herleitug, Azahl Quadrate ud Differeze 01.doc 1 FormelfürdieAzahlmöglicherQuadrateauf*Spielfelder Mit Erläuteruge zur Ableitug der Formel vo Dr. Volker Bagert Berli, 11.03.010 Ihaltsverzeichis

Mehr

Stochastik für WiWi - Klausurvorbereitung

Stochastik für WiWi - Klausurvorbereitung Dr. Markus Kuze WS 2013/14 Dipl.-Math. Stefa Roth 11.02.2014 Stochastik für WiWi - Klausurvorbereitug Gesetz der totale Wahrscheilichkeit ud Satz vo Bayes (Ω, F, P) Wahrscheilichkeitsraum, E 1,..., E F

Mehr

Empirische Methoden I

Empirische Methoden I Hochschule für Wirtschaft ud 2012 Umwelt Nürtige-Geislige Fakultät Betriebswirtschaft ud Iteratioale Fiaze Prof. Dr. Max C. Wewel Prof. Dr. Corelia Niederdrek-Felger Aufgabe zum Tutorium Empirische Methode

Mehr

elektr. und magnet. Feld A 7 (1)

elektr. und magnet. Feld A 7 (1) FachHochschule Lausitz Physikalisches Praktikum α- ud β-strahlug im elektr. ud maget. Feld A 7 Name: Matrikel: Datum: Ziel des Versuches Das Verhalte vo α- ud β-strahlug im elektrische ud magetische Feld

Mehr

Zusammenfassung: Folgen und Konvergenz

Zusammenfassung: Folgen und Konvergenz LGÖ Ks VMa Schuljahr 6/7 Zusammefassug Folge ud Kovergez Ihaltsverzeichis Defiitioe ud Beispiele für Folge Beschräkte Folge Kovergez vo Folge Grezwertsätze für Folge 5 Für Experte 7 Defiitioe ud Beispiele

Mehr

Streuungsmaße. Prof. Dr. Paul Reuber. Institut für Geographie. Seminar Methoden der empirischen Humangeographie

Streuungsmaße. Prof. Dr. Paul Reuber. Institut für Geographie. Seminar Methoden der empirischen Humangeographie Streuugsmaße Istitut für Geographie Streuugswerte (Streuugsmaße) Die Diskussio um die Mittelwerte hat die Vorteile dieser statistische Kewerte gezeigt, aber bereits, isbesodere beim arithmetische Mittel,

Mehr

Satz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist.

Satz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist. Erfüllbarkeit, Uerfüllbarkeit, Allgemeigültigkeit Defiitio Eie Belegug β ist passed zu eiem Boolesche Term t, falls β für alle atomare Terme i t defiiert ist. (Wird ab jetzt ageomme.) Ist β(t) = true,

Mehr

Transformator. n Windungen

Transformator. n Windungen echische iversität Dresde stitut für Ker- ud eilchephysik R. Schwierz V/5/29 Grudpraktikum Physik Versuch R rasformator rasformatore werde i viele ereiche der Elektrotechik ud Elektroik eigesetzt. Für

Mehr

Gruppe 108: Janina Bär Christian Hörr Robert Rex

Gruppe 108: Janina Bär Christian Hörr Robert Rex TEHNIHE UNIVEITÄT HEMNITZ FAULTÄT FÜ INFOMATI Hardwarepraktikum im W /3 Versuch 3 equetielle ysteme I Gruppe 8: aia Bär hristia Hörr obert ex hemitz, 7. November Hardwarepraktikum equetielle ysteme I Aufgabe

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik ud Wahrscheilichkeitsrechug Dr. Joche Köhler 9.04.008 Äderug Übugsstude Statistik ud Wahrscheilichkeitsrechug Die Gruppe vo Markus trifft sich am Doerstag statt im HCI D zusamme mit der Gruppe

Mehr

Einige wichtige Ungleichungen

Einige wichtige Ungleichungen Eiige wichtige Ugleichuge Has-Gert Gräbe, Leipzig http://www.iformatik.ui-leipzig.de/~graebe 1. Februar 1997 Ziel dieser kurze Note ist es, eiige wichtige Ugleichuge, die i verschiedee Olympiadeaufgabe

Mehr

Vereinheitlichung Einheitlicher Maßstab der Risikoeinschätzung. Limitierung / Steuerung Messung und Limitierung ist fundamental für die Steuerung

Vereinheitlichung Einheitlicher Maßstab der Risikoeinschätzung. Limitierung / Steuerung Messung und Limitierung ist fundamental für die Steuerung . Marktpreisrisiko Motivatio der VaR-Ermittlug Vereiheitlichug Eiheitlicher Maßstab der Risikoeischätzug Limitierug / Steuerug Messug ud Limitierug ist fudametal für die Steuerug Kapitaluterlegug Zur Deckug

Mehr

Kryptologie: Kryptographie und Kryptoanalyse Kryptologie ist die Wissenschaft, die sich mit dem Ver- und Entschlüsseln von Informationen befasst.

Kryptologie: Kryptographie und Kryptoanalyse Kryptologie ist die Wissenschaft, die sich mit dem Ver- und Entschlüsseln von Informationen befasst. Krytologie: Krytograhie ud Krytoaalyse Krytologie ist die Wisseschaft, die sich mit dem Ver- ud Etschlüssel vo Iformatioe befasst. Beisiel Iteretkommuikatio: Versiegel (Itegrität der Nachricht) Sigiere

Mehr

Einführung in die mathematische Statistik

Einführung in die mathematische Statistik Kapitel 7 Eiführug i die mathematische Statistik 7.1 Statistische Modellierug Bei der Modellierug eies Zufallsexperimets besteht oft Usicherheit darüber, welche W-Verteilug auf der Ergebismege adäquat

Mehr

7.2 Grundlagen der Wahrscheinlichkeitsrechnung

7.2 Grundlagen der Wahrscheinlichkeitsrechnung 7.2 Grudlage der Wahrscheilichkeitsrechug Ei Ereigis heißt i Bezug auf eie Satz vo Bediguge zufällig, we es bei der Realisierug dieses Satzes eitrete ka, aber icht ubedigt eitrete muss. Def. 7.2.: Ei Experimet

Mehr

Demo für www.mathe-cd.de

Demo für www.mathe-cd.de Wahrscheilichkeitsrechug Hypergeometrische Verteilug Themeheft ud Traiigsheft Datei r. 4211 Stad 17. April 2010 Friedrich W. Buckel Demo für ITERETBIBLIOTHEK FÜR SCHULMATHEMATIK 4211 Hypergeometrische

Mehr

Lernhilfe in Form eines ebooks

Lernhilfe in Form eines ebooks Ziseszisrechug Lerhilfe i Form eies ebooks apitel Thema Seite 1 Vorwort ud Eiführug 2 2 Theorie der Ziseszisrechug 5 3 Beispiele ud Beispielrechuge 12 4 Testaufgabe mit Lösuge 18 Zis-Ziseszis.de 212 Seite

Mehr

Versuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK. 1. Vorbemerkung

Versuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK. 1. Vorbemerkung Versuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK Physikalische Prozesse, die eier statistische Gesetzmäßigkeit uterworfe sid, lasse sich mit eier Verteilugsfuktio beschreibe. Die Gauß-Verteilug

Mehr

Robuste Asset Allocation in der Praxis

Robuste Asset Allocation in der Praxis Fiazmarkt Sachgerechter Umgag mit Progosefehler Robuste Asset Allocatio i der Praxis Pesiosfods ud adere istitutioelle Aleger sid i aller Regel a ei bestimmtes Rediteziel (Rechugszis) gebude, das Jahr

Mehr

Nachklausur - Analysis 1 - Lösungen

Nachklausur - Analysis 1 - Lösungen Prof. Dr. László Székelyhidi Aalysis I, WS 212 Nachklausur - Aalysis 1 - Lösuge Aufgabe 1 (Folge ud Grezwerte). (i) (1 Pukt) Gebe Sie die Defiitio des Häufugspuktes eier reelle Zahlefolge (a ) N. Lösug:

Mehr

Testen statistischer Hypothesen

Testen statistischer Hypothesen Kapitel 9 Teste statistischer Hypothese 9.1 Eiführug, Sigifiaztests Sigifiaztest für µ bei der ormalverteilug bei beatem σ = : X i seie uabhägig ud µ, ) verteilt, µ sei ubeat. Stelle eie Hypothese über

Mehr

Arbeitsplätze in SAP R/3 Modul PP

Arbeitsplätze in SAP R/3 Modul PP Arbeitsplätze i SAP R/3 Modul PP Was ist ei Arbeitsplatz? Der Stadort eier Aktioseiheit, sowie dere kokrete räumliche Gestaltug Was ist eie Aktioseiheit? kleiste produktive Eiheit i eiem Produktiosprozess,

Mehr

Nutzung der Ergebnisse von Ringvergleichen und Methodenvalidierungen zur Ermittlung der Messunsicherheit

Nutzung der Ergebnisse von Ringvergleichen und Methodenvalidierungen zur Ermittlung der Messunsicherheit Nutzug der Ergebie vo igvergleiche ud Methodevalidieruge zur Ermittlug der Meuicherheit Abtract Deutch Wolfgag ichter I der chemiche Aalytik werde ebe der Bottom-u -Methode ach GUM auch Todow -Verfahre

Mehr

Statistische Formelsammlung Begleitende Materialien zur Statistik - Vorlesung des Grundstudiums im Fachbereich IK

Statistische Formelsammlung Begleitende Materialien zur Statistik - Vorlesung des Grundstudiums im Fachbereich IK Statistische Formelsammlug Begleitede Materialie zur Statistik - Vorlesug des Grudstudiums im Fachbereich IK Erstellt im Rahme des studierede Projektes PROST Studiejahr 00/00 uter Aleitug vo Frau Prof.

Mehr

Model CreditRisk + : The Economic Perspective of Portfolio Credit Risk Part I

Model CreditRisk + : The Economic Perspective of Portfolio Credit Risk Part I Model CreditRisk + : The Ecoomic Perspective of Portfolio Credit Risk Part I Semiar: Portfolio Credit Risk Istructor: Rafael Weißbach Speaker: Pablo Kimmig Ageda 1. Asatz ud Ziele Was ist CreditRisk +

Mehr

Beschreibende Statistik Kenngrößen in der Übersicht (Ac)

Beschreibende Statistik Kenngrößen in der Übersicht (Ac) Beschreibede Statistik Kegröße i der Übersicht (Ac) Im folgede wird die Berechugsweise des TI 83 (sowie vo SPSS, s. ute) verwedet. Diese geht auf eie Festlegug vo Moore ud McCabe (00) zurück. I der Literatur

Mehr

5 Bernoulli-Kette. 5.1 Bernoulli-Experiment. Jakob Bernoulli 1654-1705 Schweizer Mathematiker und Physiker. 5.1.1 Einleitung

5 Bernoulli-Kette. 5.1 Bernoulli-Experiment. Jakob Bernoulli 1654-1705 Schweizer Mathematiker und Physiker. 5.1.1 Einleitung Seite vo 7 5 Beroulli-Kette Jakob Beroulli 654-705 Schweizer Mathematiker ud Physiker 5. Beroulli-Exerimet 5.. Eileitug Oft iteressiert ma sich bei Zufallsexerimete icht für die eizele Ergebisse, soder

Mehr

Statistische Tests zu ausgewählten Problemen

Statistische Tests zu ausgewählten Problemen Eiführug i die statistische Testtheorie Statistische Tests zu ausgewählte Probleme Teil : Tests für Erwartugswerte Statistische Testtheorie I Eiführug Beschräkug auf parametrische Testverfahre Beschräkug

Mehr

Zusammenfassung Wirtschaftsinformatik Stefan Käßmann

Zusammenfassung Wirtschaftsinformatik Stefan Käßmann I. Iformatio ud Nachricht 1. Iformatio ud Nachricht - Nachricht (Sytax), Sigale, Zeiche - Iformatio (Sematik), bit - Rausche 2. digitale Nachrichte - digitale Sigale (Sigalparameter aus edlicher Zeichevorrat)

Mehr

Es werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.

Es werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy. Vo der relative Häufigkeit zur Wahrscheilichkeit Es werde 20 Schüler befragt, ob sie ei Hady besitze. Das Ergebis der Umfrage lautet: Vo 20 Schüler besitze 99 ei Hady. Ereigis E: Schüler besitzt ei Hady

Mehr

Körpergröße x Häufigkeit in [m] 1.50 1.60 1 1.60 1.70 5 1.70 1.80 49 1.80 1.90 53 1.90 2.00 15 2.00 2.10 1

Körpergröße x Häufigkeit in [m] 1.50 1.60 1 1.60 1.70 5 1.70 1.80 49 1.80 1.90 53 1.90 2.00 15 2.00 2.10 1 8 Kofidezitervalle 1 Kapitel 8: Kofidezitervalle A: Beispiele Beispiel 1: Im WS 2000/01 wurde im Rahme der Statistik Vorlesug 124 Studete u.a. zu ihrer Körpergröße befragt. Ma erhielt folgedes Ergebis:

Mehr

Die Gasgesetze. Die Beziehung zwischen Volumen und Temperatur (Gesetz von J.-L. und J. Charles): Gay-Lussac

Die Gasgesetze. Die Beziehung zwischen Volumen und Temperatur (Gesetz von J.-L. und J. Charles): Gay-Lussac Die Gasgesetze Die Beziehug zwische olume ud Temeratur (Gesetz vo J.-L. Gay-Lussac ud J. Charles): cost. T oder /T cost. cost.. hägt h vo ud Gasmege ab. Die extraolierte Liie scheidet die Temeratur- skala

Mehr

Daten und Zufall in der Jahrgangsstufe 9 Seite 1

Daten und Zufall in der Jahrgangsstufe 9 Seite 1 Date ud uall i der Jahrgagsstue Seite usammegesetzte uallsexperimete, Padregel Aubaued au de Erahruge aus de vorhergehede Jahrgagsstue beschätige sich die Schüler systematisch mit zusammegesetzte uallsexperimete

Mehr

( ) Formelsammlung. Kombinatorik. Permutation: ohne Wiederholung. n! = n (n - 1) (n - 2)... 3 2 1 n= alle Elemente. Permutation: mit Wiederholung

( ) Formelsammlung. Kombinatorik. Permutation: ohne Wiederholung. n! = n (n - 1) (n - 2)... 3 2 1 n= alle Elemente. Permutation: mit Wiederholung Formelsammlug Kombiatori Permutatio: ohe Wiederholug! = ( - 1) ( - 2).... 3 2 1 = alle Elemete Permutatio: mit Wiederholug!! P, = = usw. = gleiche Elemete! 1! K 2! Stichprobe (SP) = geordete Auswahl Geordete

Mehr

Ausgangspunkt: Über einen endlichen Zeitraum wird aus einem Kapital (Rentenbarwert RBW v n,i

Ausgangspunkt: Über einen endlichen Zeitraum wird aus einem Kapital (Rentenbarwert RBW v n,i D. Reterechug 1.1. Jährliche Retezahluge 1.1.1. Vorschüssige Retezahluge Ausgagspukt: Über eie edliche Zeitraum wird aus eiem Kapital (Retebarwert RBW v,i ), das ziseszislich agelegt ist, jeweils zu Begi

Mehr

2.4.1 Grundprinzipien statistischer Hypothesentests

2.4.1 Grundprinzipien statistischer Hypothesentests 86 2.4. Hypothesetests 2.4 Hypothesetests 2.4.1 Grudprizipie statistischer Hypothesetests Hypothese: Behauptug eier Tatsache, dere Überprüfug och aussteht (Leuter i: Edruweit, Trommsdorff: Wörterbuch der

Mehr

Umrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung

Umrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung .3. Prozetuale Häufigkeitsverteilug (HV) Die prozetuale Häufigkeitsverteilug erlaubt de Vergleich vo Auswertuge, dee uterschiedliche Stichprobegröße zugrude liege. Es köe auch uterschiedliche Stichprobegröße

Mehr

Monte Carlo-Simulation

Monte Carlo-Simulation Mote Carlo-Simulatio Mote Carlo-Methode Der Begriff Mote Carlo-Methode etstad i de 1940er Jahre, als ma im Zusammehag mit dem Bau der Atombombe die Simulatio vo Zufallsprozesse erstmals i größerem Stil

Mehr

Grundkompetenz-Aufgaben

Grundkompetenz-Aufgaben Durch starte Mathematik übugsbuch bis Grudkompetez-Aufgabe Aufgrud der eue schriftliche Reifeprüfug i Mathematik ist es otwedig, sich mit de eue Grudkompetez-Aufgabe auseiaderzusetze. Die Olie-Ergäzug

Mehr

Statistische Maßzahlen. Statistik Vorlesung, 10. März, 2010. Beispiel. Der Median. Beispiel. Der Median für klassifizierte Werte.

Statistische Maßzahlen. Statistik Vorlesung, 10. März, 2010. Beispiel. Der Median. Beispiel. Der Median für klassifizierte Werte. Statistik Vorlesug,. ärz, Statistische aßzahle Iformatio zu verdichte, Besoderheite hervorzuhebe ittelwerte Aufgabe: die Lage der Verteilug auf der Abszisse zu zeige. Der odus: derjeige Wert, der im Häufigste

Mehr

1 Analysis T1 Übungsblatt 1

1 Analysis T1 Übungsblatt 1 Aalysis T Übugsblatt A eier Weggabelug i der Wüste lebe zwei Brüder, die vollkomme gleich aussehe, zwische dee es aber eie gewaltige Uterschied gibt: Der eie sagt immer die Wahrheit, der adere lügt immer.

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Iformatiker II (Sommersemester 004) Aufgabe 7. Ubeschräktes

Mehr

Page-Rank: Markov-Ketten als Grundlage für Suchmaschinen im Internet

Page-Rank: Markov-Ketten als Grundlage für Suchmaschinen im Internet Humboldt-Uiversität zu Berli Istitut für Iformatik Logik i der Iformatik Prof. Dr. Nicole Schweikardt Page-Rak: Markov-Kette als Grudlage für Suchmaschie im Iteret Skript zum gleichamige Kapitel der im

Mehr

Eingangsprüfung Stochastik,

Eingangsprüfung Stochastik, Eigagsprüfug Stochastik, 5.5. Wir gehe stets vo eiem Wahrscheilichkeitsraum (Ω, A, P aus. Die Borel σ-algebra auf wird mit B bezeichet, das Lebesgue Maß auf wird mit λ bezeichet. Aufgabe ( Pukte Sei x

Mehr

1.2. Taylor-Reihen und endliche Taylorpolynome

1.2. Taylor-Reihen und endliche Taylorpolynome 1.. aylor-reihe ud edliche aylorpolyome 1..1 aylor-reihe Wir köe eie Fuktio f() i eier Umgebug eies Puktes o gut durch ihre agete i o: t o () = f(o) + f (o) (-o) aäher: Wir sehe: Je weiter wir vo o weg

Mehr

Bei 95%iger Konfidenz wäre der Mittelwert der GG zwischen 1421,17DM und 1778,83DM zu erwarten.

Bei 95%iger Konfidenz wäre der Mittelwert der GG zwischen 1421,17DM und 1778,83DM zu erwarten. Aufgabe 36 (S. 346: Schätzverfahre für Mittelwert ud Stadardabweichug a Puktschätzuge für µ aufgrud der Werte der kleie Stichprobe aus Aufgabe 3 Bei eier Puktschätzug wird für de zu schätzede Parameter

Mehr

LV "Grundlagen der Informatik" Programmierung in C (Teil 2)

LV Grundlagen der Informatik Programmierung in C (Teil 2) Aufgabekomplex: Programmiere i C (Teil vo ) (Strukturierte Datetype: Felder, Strukture, Zeiger; Fuktioe mit Parameterübergabe; Dateiarbeit) Hiweis: Alle mit * gekezeichete Aufgabe sid zum zusätzliche Übe

Mehr

Stochastisches Integral

Stochastisches Integral Kapitel 11 Stochastisches Itegral Josef Leydold c 26 Mathematische Methode XI Stochastisches Itegral 1 / 2 Lerziele Wieer Prozess ud Browsche Bewegug Stochastisches Itegral Stochastische Differetialgleichug

Mehr

Aufgaben und Lösungen der Probeklausur zur Analysis I

Aufgaben und Lösungen der Probeklausur zur Analysis I Fachbereich Mathematik AG 5: Fuktioalaalysis Prof. Dr. K.-H. Neeb Dipl.-Math. Rafael Dahme Dipl.-Math. Stefa Wager ATECHNISCHE UNIVERSITÄT DARMSTADT SS 007 19. Jui 007 Aufgabe ud Lösuge der Probeklausur

Mehr

Analysis ZAHLENFOLGEN Teil 4 : Monotonie

Analysis ZAHLENFOLGEN Teil 4 : Monotonie Aalysis ZAHLENFOLGEN Teil 4 : Mootoie Datei Nr. 40051 Friedrich Buckel Juli 005 Iteretbibliothek für Schulmathematik Ihalt 1 Eiführugsbeispiele 1 Mootoie bei arithmetische Folge Defiitioe 3 3 Welche Beweistechik

Mehr

Dritter Zirkelbrief: Ungleichungen

Dritter Zirkelbrief: Ungleichungen Matheschülerzirkel Uiversität Augsburg Schuljahr 014/015 Dritter Zirkelbrief: Ugleichuge Ihaltsverzeichis 1 Grudlage vo Ugleichuge 1 Löse vo Ugleichuge 3 3 Mittel 4 4 Mittelugleichuge 5 5 Umordugsugleichug

Mehr

Quantitative Methoden in der klinischen Epidemiologie Der statistische Test

Quantitative Methoden in der klinischen Epidemiologie Der statistische Test Lerziele Quatitative Methode i der kliische Epidemiologie Der statistische Test Dr. Markus Pfirrma pfi@ibe.med.ui-mueche.de IBE Der Statistische Test Im Zetrum jeder kliische ud epidemiologische Studie

Mehr

Zahlenfolgen, Grenzwerte und Zahlenreihen

Zahlenfolgen, Grenzwerte und Zahlenreihen KAPITEL 5 Zahlefolge, Grezwerte ud Zahlereihe. Folge Defiitio 5.. Uter eier Folge reeller Zahle (oder eier reelle Zahlefolge) versteht ma eie auf N 0 erlarte reellwertige Futio, die jedem N 0 ei a R zuordet:

Mehr

Bernoulli-Experiment und Binomialverteilung

Bernoulli-Experiment und Binomialverteilung IV Beroulli-Exerimet ud Biomialverteilug Beroulli-Exerimet ud Beroulliette Defiitio: Zufallsexerimete, bei dee ma sich ur für das Eitrete ( Treffer, Symbol ) oder das Nichteitrete ( Niete, Symbol 0 ) eies

Mehr

Investitionsentscheidungsrechnung Annuitäten Methode

Investitionsentscheidungsrechnung Annuitäten Methode Mit Hilfe der köe folgede Ivestitioe beurteilt werde: eizele Ivestitioe alterative Ivestitiosobjekte optimale Ersatzzeitpukte Seite 1 Folgeder Zusammehag besteht zwische der Kapitalbarwertmethode ud der

Mehr

Elektronikpraktikum: Digitaltechnik 2

Elektronikpraktikum: Digitaltechnik 2 Elektroikpraktikum: Digitaltechik 2 Datum, Ort: 16.05.2003, PHY/D-213 Betreuer: Schwierz Praktikate: Teshi C. Hara, Joas Posselt (beide 02/2/PHY/02) Gruppe: 8 Ziele Aufbau eier 3-Bit-Dekodierschaltug;

Mehr

Praktikum Vorbereitung Fertigungsmesstechnik Statistische Qualitätskontrolle

Praktikum Vorbereitung Fertigungsmesstechnik Statistische Qualitätskontrolle Praktikum Vorbereitug Fertigugsmesstechik Statistische Qualitätskotrolle Bei viele Erzeugisse ist es icht möglich jedes Werkstück zu prüfe, z.b.: bei Massefertigug. Hier ist es aus ökoomische Grüde icht

Mehr