Bestimmen einer stetigen Ausgleichsfunktion f(x), die eine gegebene Menge von n Datenpunkten (x k

Größe: px
Ab Seite anzeigen:

Download "Bestimmen einer stetigen Ausgleichsfunktion f(x), die eine gegebene Menge von n Datenpunkten (x k"

Transkript

1 Hochschule für Tech ud Archtetur Ber Iformat ud agewadte Mathemat 3- Ausglechs- ud Iterpolatosrechug 3 Ausglechs- ud Iterpolatosrechug De Aufgabe der Ausglechsrechug st mt Hlfe eer stetge Futo f()ee bestmmte Mege vo gegebee Datepute mt eem möglchst lee Fehler zu beschrebe. Dese Ausglechsfuto st m efachste Fall ee leare Futo. Wr spreche da vo eer leare Regresso. De Pras erfordert aber oftmals chtleare Regressosfutoe, da dese de Datepute der Regel besser ausgleche. De Iterpolatosfuto beschrebt mt eer stetge Futo ee Mege vo Datepute eat. Der lasssche Esatzzwec st das Gewe vo Zwschewerte zwsche de ezele Datepute. Wr zege achfolged de Herletug ud Awedug gebräuchlche Regressos- ud Iterpolatosfutoe. Pratsche Bespele werde mt der Tabellealulato ECEL durchgerechet. Ebeso werde programmerte Lösuge der Verfahre der Sprache C ud fallwese als ECEL-Futo (Vsual-Basc) etwcelt. 3. Uterschede Ausglechsrechug Iterpolatosrechug Bede Begrffe werde (fälschlcherwese) oft syoym verwedet. Wr präzsere deshalb bede Begrffe: Iterpolatosfuto Ausglechsfutoe: chtlear lear Ausglechsrechug: Iterpolatosrechug: Bestmme eer stetge Ausglechsfuto f(), de ee gegebee Mege vo Datepute (,y ), für =.. optmal aähert (Summe lester Fehlerquadrate), der Regel aber de Futoswerte cht eat darstelle a. Aus eer Klasse vo Futoe soll ee möglchst efache Iterpolatosfuto f( )=y, =.., bestmmt werde, de eat durch ee gegebee Mege vo Datepute verläuft. De Ausglechsrechug wrd vorweged zur äherugswese Darstellug vo Date verwedet (Glättug). So öe grosse Datemege mt eer efache stetge Futo beschrebe werde, we auch mt eem gewsse Fehler. Mt der Iterpolatosrechug oft de Gewug vo Zwschewerte eer (tabellerte) Futo f() bezwect. Ferer wrd de Iterpolatosrechug zur Herletug vo umersche Verfahre (z. Bsp. umersche Itegratosformel) beutzt.

2 Hochschule für Tech ud Archtetur Ber Iformat ud agewadte Mathemat 3- Ausglechs- ud Iterpolatosrechug 3. Przp der Ausglechsrechug De Ausglechsrechug bestmmt de Parameter eer Futo, de ee Mege vo gegebee Datepute optmal aähert. Przpell a de ausglechede Futo ee belebge stetge Futo se. I der Regel beschrät ma sch aber auf leare Futoe oder Polyomfutoe edere Grades, da dese mt weg Aufwad zu etwcel sd. Weger häufg werde trgoometrsche oder Epoetalfutoe verwedet. Auch Kombatoe sd möglch. Grudsätzlch wrd be der Ausglechsrechug mt eer efache Futo ee grössere Mege a Datepute äherugswese beschrebe. Deshalb sd m Regelfall mt Ausglechsfutoe ee eate Darstellug möglch. De Güte der Näherug wrd Korrelato geat ud besagt we gut de Ausglechsfuto de Datewerte appromert. E Mass für de Güte der Apassug wrd durch de Summe der Fehlerquadrate d + d + + d defert. Ist se le st de Apassug gut, st se gross, st de Apassug schlecht. Für ee leare Ausglech wrd de Güte der Regel mt dem Korrelatosoeffzet r y beschrebe. Grudsätzlch wrd aber be alle Ausglechsverfahre de beste Näherug als dejege bestmmt, de de leste Fehlerquadratsumme q lefert: Ausglechsfuto f() ( 3,y 3 ) ( 5,y 5 ) ( 6,y 6 ) ( 7,y 7 ) (,y ) f( ) (,y ) ( 4,y 4 ) q= f( ) - y = b g y : Gegebee Datewerte f( ): Näherugswerte der Ausglechsfuto Bemerug: Für Soderaweduge sd auch adere Krtere möglch. Vgl. herzu Kaptel Ausglech mt relatver mmaler Fehlerquadratsumme. Präzse a also ee Ausglechsaufgabe so formulert werde:. Zu eer gegebee Mege vo Datepute (, y ) st aus eer vorgegebee Klasse vo Futoe, dejege zu bestmme, dere Fehlerquadratsumme mmal st. Futoe, welche dese Bedgug erfülle, hesse Regressosfutoe. Für ee leare Ausglechsfuto wrd daher de folgede Fehlerquadratsumme mmert: Fehlerquadratsumme (3.) q= q a b = a + b- y (, ) b g = (3.) De Fehlerquadratsumme q st herbe vo de bede Parameter a, ud b abhägg. Zel der Ausglechsrechug st das Bestmme der Parameter a ud b so, dass de Fehlerquadratsumme mmal wrd.

3 Hochschule für Tech ud Archtetur Ber Iformat ud agewadte Mathemat 3-3 Ausglechs- ud Iterpolatosrechug 3.. Futoslasse Grudsätzlch strebt daach, de Datepute mt möglchst efache Futoe zu beschrebe. Deshalb habe sch folgede Grudfutoe (Futoslasse) bewährt: f ( ; ab, )= a+ b Leare Futoe f( ; a, b)= Epoetalfutoe ae b f( ; a, b)= a b Potezfutoe (3.3) (3.4) (3.5) De Parameter a, b deser dre Grudfutoe öe etweder dret oder über ee geegete Substtuto mt de Formel für de leare Ausglechsfuto bestmmt werde. Natürlch öe Ausglechsfutoe auch mehr als zwe Parameter bestze. Wchtge Vertreter sd : f( ; a)= a r 0 r a0 f( ; a, b ) = a cos( ) + b s( ) = Polyome vom Grad r b g trgoometrsche Polyome (3.6) (3.7) 3.. Leare Ausglechsrechug De leare Ausglechsrechug (leare Regresso) beschrebt mt eer leare Futo y = a + b ( =,..., ) ee Mege vo Datepute optmal m Se der leste Summe der Fehlerquadrate: y Leare (3.8) Ausglechsfuto d (, (, y ) (, y ) d d d 3 ( 3, y 3 ) De Fehlerquadrate werde de vorgegebee Datepute (, y ) als quadrerte Dfferez bestmmt: b g b g d = f( )- y = a + b- y ( =,..., ) De Fehlerquadratsumme wrd da: b g cb g = = = d = f( )- y = a + b - y h (3.9) (3.0)

4 Hochschule für Tech ud Archtetur Ber Iformat ud agewadte Mathemat 3-4 Ausglechs- ud Iterpolatosrechug De Parameter a ud b werde so bestmmt, dass de Forderug ach Mmerug der Fehlerquadrate erfüllt wrd. Dazu werde de partelle Abletuge q q, ull gesetzt ud ach a ud b aufgelöst: a b q = ba + b - yg = ba + b - yg= 0 ( = Azahl Datepute) a a = = = = = Æ a + b = y b g b g q = a + b - y = a + b - y = 0 b b = = Æ a + b = y = = = A Stelle der umstädlche Notato der Summe mt de Idzes schrebe wr: = = = = = = y = y = Dese ompate Schrebwese st allgeme üblch. Se verefacht de Darstellug der vorhergehede Formel: b + a = b + a = (3.) De Summe desem Glechugssystem verörper gegebee Zahlewerte ud stelle de Koeffzete dar. De Ubeate a, b öe durch geegete Umformuge bestmmt werde. b = chd -chch - c h c hc h - a = - a,b verörper de Parameter der Ausglechsgerade y ª f ( ) = a + b c h Leare (3.) Ausglechsfuto (3.3) Bespel: Zu bestmme st de leare Regressosfuto für de Datepute: 4 5 y 0 Wr führe de Rechug vo Had durch ud erhalte:

5 Hochschule für Tech ud Archtetur Ber Iformat ud agewadte Mathemat 3-5 Ausglechs- ud Iterpolatosrechug - 4 a = = 8-5 = 03. -ch chd -chch 546 b = = - 8 = c hc h f y ( ) = c h Bemerug: De leare Ausglechsfuto a auch über de Stadardabwechug s ud Kovaraz c y bestmmt werde. Dese Methode wrd m Kaptel Statst urz vorgestellt. Wr ee u de leare Ausglechsfuto für de gegebee Datepute. Jedoch öe wr ee Aussage mache we gut de Gerade ausglecht, d.h. de Gerade de Datepute beschrebt Korrelatosoeffzet Der (leare) Korrelatosoeffzet r y det zur Beurtelug des leare Zusammehages vo Paare (, y ). Der Korrelatosoeffzet legt mmer [-,] ud st we folgt zu terpretere: Ist r y =0 so sd de Werte uorrelert, d.h. zwsche ud y besteht ee leare Bezehug. Ist hgege r y ahe be so spreche wr vo starer Korrelato. Be r y = lege alle Pute auf der Regressosgerade. Wr defere de Korrelatosoeffzete: c hc h ry = - F H - I K F H - c h c hi K Ee Herletug für r y wrd m Kaptel Statst ausführlch gezegt. Korrelatosoeffzet (3.4) Bespel: Bestmmug des leare Korrelatosoeffzete r y für de vorherge leare Regressosaufgabe f ( ) = :. 4 5 y 0 r y = = = 9 F H c hc h IF - c h c h d4 46-d KH - I K = = Wr terpretere dese Zahl als mässge bs schlechte Korrelato. Gute Korrelatosoeffzete lege be ahe be.

6 Hochschule für Tech ud Archtetur Ber Iformat ud agewadte Mathemat 3-6 Ausglechs- ud Iterpolatosrechug 3... Grafsche Iterpretato Nachfolged ege typsche Putedagramme mt hre zugehörge Korrelatosoeffzete für verschede vertelte Mermalswerte ud : s > s y s = s y s < s y r= r 0 < r < r = 0 - < r < 0 r - Typsche Putedagramme mt hre zugehörge Korrelatosoeffzete für verschede vertelte Mermalswerte ud Algorthmus für leare Regresso Wr mache ee Etwurf für e efaches Programm zur leare Regresso C. Ausgehed vo eer ftve Aufgabestellug, welche ee bestmmte Mege Datepute (, y ) lefert ud beschrebe zuerst auf eer höhere Ebee de auszuführede Tätgete: Egabe: Egabe der Azahl Datepute. Suzessve Egabe vo Wertepaare (, y ). Berechuge: Ausgabe: Für de Koeffzeteformel müsse bestmmt werde:,,,, Nach dem Bestmme deser Summe werde a, b ud r y berechet. Koeffzete a, b ud r y ausgebe ud Programm beede. Ee möglche Implemeterug wäre:

7 Hochschule für Tech ud Archtetur Ber Iformat ud agewadte Mathemat 3-7 Ausglechs- ud Iterpolatosrechug /* Leare Regresso: Fle: LINREG.C Bestmme der leare Regressosfuto y=a + b ud des Korellatosoeffzete. */ Autor: Gerhard Krucer Datum: Sprache: MS Vsual-C V.5 (QucW Applcato) #clude <stdo.h> #clude <math.h> /* Fuer sqrt() */ ma() { t ; /* Atuelle Azahl Datepute */ double, y; /* Werte des atuelle Dateputes */ double s, s, sy, sy, syy; /* Summewerte */ double a, b, ry; /* Regressosoeffzete ud Korellatosoeffzet */ t ; } prtf("bestmme der leare Regressosfuto aus Datewertepaare:\" "Azahl Datewerte (): "); scaf("%d",&); s= s = sy = sy = syy = 0.0; /* Summe alle Nullsetze */ for (=; <= ; ++) { prtf("\put %d -Wert: ",); scaf("%lf",&); prtf("put %d y-wert: ",); scaf("%lf",&y); s += ; s += * ; /* Wert aufsummere */ sy += y; syy += y * y; sy += * y; } a = ( * sy - s * sy) / ( * s - s * s); /* Koeffzete bereche */ b = (sy * s - s * sy)/ ( * s - s * s); ry = ( * sy - s * sy)/ sqrt(( * s - s * s)*( * syy - sy * sy)); prtf("\ausglechsgerade:\a = %g\b = %g\ry = %4.3g\",a, b, ry); retur 0; Bespel: Wr wolle für de folgede Datepute (, y ) ee leare Ausglechsfuto bestmme: y Wr erhalte mt dese Werte folgede Programmlauf: Bestmme der leare Regressosfuto aus Datewertepaare: Azahl Datewerte (): 4 Put -Wert:.0 Put y-wert: 3.7 Put -Wert:.0 Put y-wert: 4. Put 3 -Wert:.5 Put 3 y-wert: 4.3 Put 4 -Wert: 3.0 Put 4 y-wert: 5.0 Ausglechsgerade: a = 0.6 b = 3 ry = 0.94 ud somt de Ausglechsgerade y = f ( ) = Der Korrelatosoeffzet r y =0.94 zegt, dass de Ausglechsgerade recht gut de Datepute ähert. Ee grafsche Iterpretato des Resultates folgt der Lösug mt der Tabellealulato Learer Ausglech mt Tabellealulatosprogramme I hadelsüblche Tabellealulatosprogramme, we ECEL, Lotus, etc. gehört de leare Ausglechsrechug zum stadardmässge Futosumfag. Nach Egabe der Date a dret de Regressosgerade bestmmt werde. Wr möchte u zege we eersets de Regressosgerade dret mt Stadardfutoe bestmmt

8 Hochschule für Tech ud Archtetur Ber Iformat ud agewadte Mathemat 3-8 Ausglechs- ud Iterpolatosrechug werde a ud we wr ohe grosse Mehraufwad de Koeffzete über de Formel (3., 3.3) bestmme: De Ausgagsdate werde tabellarsch B3:E4 aufgeführt. Se dee als Grudlage für alle Berechuge. De Bestmmug der leare Regressosfuto f()=a + b erfolgt ECEL über separate Futoe zur Bestmmug vo Achseabschtt b ud Stegug a. Damt werde de Zellhalte für de Resultate: B7: =STEIGUNG(B4:E4;B3:E3) B8: =ACHSENABSCHNITT(B4:E4;B3:E3) B9: =KORREL(B3:E3;B4:E4) De Berechug ohe Stadardfutoe erfolgt aalog der Berechug m C-Programm. Wr bestmme zuerst de Summe,,,, ud wede achher de Formel (3., 3.3) a. De herzu otwedge Formel zur Berechug der Formel: B0: =ANZAHL(B4:E4) B: =(B0 * F8 - F4 * F6) / (B0 * F5 - F4 * F4) B3: =(F6 * F5 - F4 * F8) / (B0 * F5 - F4 * F4) B4: =(B0 * F8 - F4 * F6) / WURZEL((B0 * F5 - F4 * F4)*(B0 * F7 - F6 * F6)) Bede Verfahre lefer atürlch dasselbe Resultat. E Blc de Hlfestellug deser zegt, dass se deselbe Formel verwede. Trotzdem st de Verwedug der Stadardfuto bequemer, da wesetlch weger Recheaufwad afällt ud dadurch auch Fehlerquelle ausgeschaltet werde.

9 Hochschule für Tech ud Archtetur Ber Iformat ud agewadte Mathemat 3-9 Ausglechs- ud Iterpolatosrechug 3..3 Epoeteller Ausglech Erreche wr mt eem leare Ausglechsverfahre ur ee schlechte Korrelatosoeffzete r y, so hesst des cht, dass de Datewerte mt eer chtleare Ausglechsfuto gut orrelere. We scho zum vorhere e chtlearer futoeller Zusammehag feststeht, st ee leare Regresso uzwecmässg. E Bespel dafür wäre de Messug vo 0 Stromwerte m Berech [0,0.8]V durch ee Dode Vorwärtsrchtug. Der wchtgste Vertreter der chtleare Ausglechsfuto st de epoetelle Ausglechsfuto y= be a Epoetelle Ausglechsfuto De Bestmmug der Parameter a ud b erfolgt durch ee logarthmsche Trasformato. Uter der Voraussetzug, dass alle y > 0 glt: (3.5) a = l y= lbe = a + lb= A + B B= lb Æ b= e A= a = B (3.6) womt wr de Aufgabe ee leare Ausglechsrechug übergeführt habe: De epoetelle Ausglechsurve m (,y)-system wurde ee leare Ausglechsurve m (, l y)-system trasformert. Nach der Trasformato der y-werte öe wr das leare System mt de beate Formel (3., 3.3) problemlos löse. De erhaltee Koeffzete werde achher zurüc trasformert ud wr erhalte de gesuchte epoetelle Ausglechsfuto. Bespel: De achfolgede 4 Datepute (,y ) sd durch ee epoetelle Ausglechsurve a y = be optmal azuäher: y

10 Hochschule für Tech ud Archtetur Ber Iformat ud agewadte Mathemat 3-0 Ausglechs- ud Iterpolatosrechug 3..4 Ausglech mt Potezfutoe Ee wetere wchtge Klasse vo chtleare Ausglechsfutoe wrd durch de Potezfutoe dargestellt: y= b a Uter der Voraussetzug, y > 0 öe wr auch her ee logarthmsche Trasformato durchführe ud wr erhalte wederum ee leare Ausglechsaufgabe: (3.7) = l y= al+ lb= A + B B= lb Æ b= e A= a = l B Potezartge Ausglechsfuto (3.8) De durch de Potezfuto beschrebee Pute m (, y )-System werde durch de Trasformato über ee leare Ausglechsfuto m (l, l y )-System beschrebe. Bespel: De achfolgede 4 Datepute (,y ) sd durch ee potezartge Ausglechsurve a y = b optmal azuäher: 3 4 y Ausglech mt Polyomfutoe Przpell öe ausser der leare Ausglechsfuto auch Polyomfutoe höhere Grades verwedet werde. I der Regel erlaube Polyomfutoe höhere Grades ee bessere Näherug als leare Futoe, jedoch wrd de Berechug der Ausglechsfuto etspreched aufwedger. Das Hauptesatzgebet vo polyomale Ausglechsfutoe st de Glättug vo Messwerte. Przpell lässt sch durch Stegerug des Polyomgrades ee belebg geaue Ausglechsfuto bestmme, bs für Datepute e Polyom vom Grad - de Futo eat appromert. Zu beachte st, dass Polyomfutoe höhere Grades (>4) uüblch sd. Isbesodere ege solche Ausglechsrechuge zu stable Verhalte: De Futo st ervös, zegt Überschwger ud st ugeeget für Zwschewerte zu bestmme (vgl. auch Kaptel "Iterpolatosfutoe").

11 Hochschule für Tech ud Archtetur Ber Iformat ud agewadte Mathemat 3- Ausglechs- ud Iterpolatosrechug Grudsätzlch st polyomale Ausglechsfuto als ormale Polyomfuto vom Grad defert: y( )= a = a + a + a + + a = 0 0 (3.9) Dese Defto behaltet auch de leare Regressosfuto we = gesetzt wrd. De Bestmmug der Koeffzete a 0,...,a erfolgt beater Wese durch Mmere der Fehlerquadratsumme. Für ee Polyomfuto vom Grad lautet de Fehlerquadratsumme: m = = 0 qa (, a,, a) = a - y 0 F HG I KJ m: Azahl Datepute : Grad des Ausglechspolyoms De Koeffzete a für ee mmale Fehlerquadratsumme werde über Nullsetze der partelle Abletuge q a für =0,.., bestmmt. q a m = a - y 0 = F HG = 0 I = KJ (3.0) (3.) Wr erhalte da durch Auflöse der -Summe de Normalglechuge: j j + 0 a + a + + a + + a = y :,..., (3.) Des st e leares Glechugssystem mt + Bestmmugsglechuge ud + Ubeate. De Ubeate stelle her de Koeffzete a 0,...,a dar. + j De Koeffzetematr G hat de Elemete: gj =, j: 0,..., De Elemete des Kostatevetor c (rechte Sete des Systems): c = y : 0,..., Somt lautet das zu lösede Glechugssystem: G a= c (3.3) (3.4) (3.5) Deses System wrd mt de beate Verfahre gelöst ud wr erhalte als Resultat de gesuchte Polyomoeffzete. Auf de Etwurf eer programmerte Lösug wrd her verzchtet. De Implemeterug st aber a sch problemlos. Nach dem Aufbaue der Koeffzetematr wrd das System mt eem geegete Verfahre (z.b. Gauss-Jorda) gelöst. Stattdesse wolle wr e Bespel mt ECEL durchreche. Scherlch st de Tabellealulato für ee drete Rechug cht de erste Wahl. Se erlaubt aber alle berechete Werte sauber darzustelle ud de Werte grafsch zu präsetere. Im Rahme eer Übug zege wr, we ma ee allgemee ECEL-Futo für polyomale Ausglech Vsual BASIC defere a. Dese Lösug wrd aus eer Lösug der Sprache C abgeletet.

12 Hochschule für Tech ud Archtetur Ber Iformat ud agewadte Mathemat 3- Ausglechs- ud Iterpolatosrechug Bespel: De achfolgede 5 Datepute (,y ) sd durch e quadratsches Ausglechspolyom y = a0 + a+ a optmal azuäher: y 0 3 Löse wr u deselbe Aufgabe mt Ausglechspolyome uterschedlche Grades, so erhalte wr folgede Werte: deg p a 0 a a a 3 a 4 q Das letzte Polyom hat eat so vele Koeffzete we Datepute. Dadurch a das Polyom alle Datepute (, y ) eat darstelle (Fehlerquadratsumme q= 0) ud st somt e Iterpolatospolyom. We berets erwäht, spele der Pras Ausglechspolyome mt Grad > 4 aum ee Rolle. Eersets st de Rechug aufwedg, aderersets ege Polyomfutoe höhere Grades zum Überschwge. De Überschwger bewre, dass de Futo cht mehr geeget st zur Gewug vo Zwschewerte. Solle Futoe deoch mt Polyomfutoe edrge Grades gut ausgeglche werde, so a des durch stücwese Etwclug stetger Polyomfutoe geschehe (Bsp.: Sple- Futoe, Bezer-Kurve). Her wrd das Itervall für de Berechug aufgetelt, so de Näherug mt mehrere Polyom- Telfutoe erfolgt. Jede deser Telfutoe ähert ee lee Mege vo Datepute eem Teltervall. Über geegete Methode sorgt ma dafür, dass de Stossstelle der Telfutoe glatt verlaufe.

13 Hochschule für Tech ud Archtetur Ber Iformat ud agewadte Mathemat 3-3 Ausglechs- ud Iterpolatosrechug Rechebespel zu polyomaler Ausglechug Bestmme Se de Ausglechspolyome vom Grad ud 3, szzere Se de Iterpolatospolyome auf dem Itervall [-,3] ud bestmme Se de jewelge Fehlerquadratsumme y Vorgehe: Wr bereche zuerst das Ausglechspolyom 3. Grades. Herbe falle auch alle otwedge Werte zur Bestmmug des Polyoms. Grades a. Dabe werde de Koeffzetematr erzeugt, dem de Summe gemäss (3.3) ud (3.4) gebldet werde. Aschlessed wrd (mt dem Tascherecher) de Koeffzetematr vertert ud de Koeffzete a 0,...a 3 bestmmt. Durch Esetze der Werte (3.0) wrd de Fehlerquadratsumme bestmmt. Dasselbe wrd für das Polyom. Grades wederholt, wobe de berets berechete Grösse beutzt werde. Wr erstelle das Arbetsblatt mt ECEL dem wr zuerst de Vorgabedate etrage ud achher schrttwese de Grösse für G, c ud a bestmme: Berechug mt beutzerdeferte ECEL-Futoe Wr habe gesehe, dass de Berechug der Polyomoeffzete auch für e efaches Bespel recht umfagrech wrd. ECEL betet ebe de egetlche Kalulatosfähget auch de Möglchet beutzerdeferte Futoe Vsual BASIC for Applcatos (VBA) zu mplemetere. Dese Futoe öe achher we ormale ECEL Futoe beutzt werde. Ohe äher auf de Sprache VBA ezugehe (das folgede Bespel sollte grosse Tele tutv verstädlch se), wolle wr zege, we ee Futo zur Bestmmug der Koeffzete für de polyomale Ausglech etwcelt wrd, sowe ee Futo zur Auswertug vo Polyome ach dem Horer-Schema: Grudlage: Formale Zusammehäge (3.3),(3.4) ud (3.5). Aforderugsprofl: Beutzerdeferte Futo VBA mt dem Name PolyomReg, de als Argumete zwe Lste mt de auszuglechede - ud y-werte erhält, sowe de Grad des zu bestmmede Ausglechspolyoms. Das Resultat soll als Array mt doppelt geaue Gletommazahle retourert werde (sog. Array-Futo). Datetype: Beutzerdeferte Futo mt dem Name PolyomEval, de als Argumete ee Lste (Array) mt de Koeffzete a 0,..,a erhält, sowe de auszuwertede Stelle. Alle Date sd doppelt geaue Gletommazahle. Das Resultat wrd als Futoswert eer doppelt geaue Gletommazahl retourert. Polyomgrad: Gazzahl Dateputelste, y: Edmesoales Array mt doppelt geaue Gletommazahle Auszuwertede Stelle : Doppelt geaue Gletommazahl

14 Hochschule für Tech ud Archtetur Ber Iformat ud agewadte Mathemat 3-4 Ausglechs- ud Iterpolatosrechug Ablaufdagramme: PolyomReg(;y;Polyomgrad) PolyomEval(a; Als Doppelt) falsch Parameter überprüfe gut Polyomgrad bestmme Koeffzetematr G aufbaue Horer-Schema durchführe Kostatevetor c aufbaue Futoswert retourere Matr G vertere a = G - * c Rücgabe a Der Code lautet Vsual Basc for Applcatos: Bereche der Polyomoeffzete a0,..,a für ee polyomale Ausglechsfuto -te Grades für m Datepute. Parameter: = Array mt -Werte (Azahl: m, belebg) y = Array mt y-werte (Azahl: m, belebg) = Grad des zu erzeugede Ausglechspolyoms Das Resultat wrd als Futoswert (Arrayfuto) retourert Autor: Gerhard Krucer Datum: , Sprache: VBA for ECEL7 Fucto PolyomReg(, y, Polyomgrad) Dm Az, Az Azahl - ud y-werte Dm m Azahl auszuglecheder Datepute Dm S() Dyamsches Array fuer de Summe der Poteze vo Dm Sy() Dyamsches Array fuer de Summe der Poteze vo * y Dm G(), g Dyamsches Array fuer de Koeffzetematr G Dm c() Dyamsches Array fuer de Kostatevetor c Dm a() Dyamsches Array fuer de Polyomoeffzete a0,..,a Dm, j, Fle: AUSGL3.LA Parameterotrolle If (Polyomgrad < ) Ad Polyomgrad <> "Iteger" The PolyomReg = CVErr(lErrValue) Et Fucto Ed If Az =.Cout Azahl Datepute de Arrays bestmme Az = y.cout If (Az <> Az) The PolyomReg = CVErr(lErrValue) Et Fucto Ed If If Az <= Polyomgrad The Et Fucto Ed If m = Az Summe der Poteze ud *y bereche ud de etprechede Arrays abspecher ReDm S(Polyomgrad * ) Arrays auf passede Groesse dmesoere ReDm Sy(Polyomgrad) De Arraydzes laufe vo 0..Polyomgrad, resp 0..*Polyomgrad For = 0 To * Polyomgrad S() = 0 For = To m Fuer jede Dateput S() = S() + () ^ Net Net For = 0 To Polyomgrad Sy() = 0 For = To m Sy() = Sy() + () ^ * y() Net Net Koeffzetematr G ud Kostatevetor c erzeuge ReDm G( To Polyomgrad +, To Polyomgrad + ) Matr mt Idzes 0..Polyomgrad,0..Polyomgrad dmesoere ReDm g( To Polyomgrad +, To Polyomgrad + ) Matr fuer de Iverse vo G (MINV a cht G zuruecschrebe) ReDm c( To Polyomgrad + ) ReDm a(0 To Polyomgrad) Polyomoeffzete a0,..,a (a(0) = a0) For = 0 To Polyomgrad For j = 0 To G( +, j + ) = S( + j) G(j +, + ) = S( + j) Net j c( + ) = Sy() Net Koeffzetematr G ud Kostatevetor c aufbaue

15 Hochschule für Tech ud Archtetur Ber Iformat ud agewadte Mathemat 3-5 Ausglechs- ud Iterpolatosrechug Glechugssystem G * a = c loese mt Matrverso g = Applcato.MIverse(G) Koeffzetematr G vertere For = To Polyomgrad + Matrmultplato a = G * c a( - ) = 0 For j = To Polyomgrad + a( - ) = a( - ) + g(, j) * c(j) Net j Net PolyomReg = a Koeffzetevetor a0,..,a retourere Ed Fucto Auswerte eer Polyomfuto -te Grades a der Stelle De Polyomfuto wrd mt Koeffzetearray a0,..,a defert ud a der Stelle ausgewertet ud als Futoswert retourert. De Berechug erfolgt mt dem Horer-Schema. Autor: Gerhard Krucer Datum: , Sprache: VBA for ECEL7 Fucto PolyomEval(a, As Double) As Double Dm p Polyomfutoswert Dm Polyomgrad As Iteger Grad des Polyomes, das de Koeffzete a darstelle Dm Polyomgrad = a.cout - Grad des Polyoms bestmme = Azahl Koeffzete- p = a(polyomgrad + ) For = Polyomgrad To Step - p = p * + a() Net PolyomEval = p Futoswert retourere Ed Fucto Damt habe wr jetzt zwe lestugsfähge Futoe zur Verfügug, um de Aufgabe efach zu löse. Wr füge de Vsual Basc Futoe usere Arbetsmappe e ud öe u uter "Efüge/Futo /Beutzerdefert" auf de Futoe über de Futosassstete zugrefe. Da de Futo PolyomReg ee sog. Arrayfuto st, geht de Berechug etwas aders vostatte als be ormale ECEL-Futoe: I de Zelle B9 wrd dret oder mt Hlfe des Futosassstete geschrebe: B9: =PolyomReg($B$4:$F$4;$B$5:$F$5;) De Egabe wrd ormal abgeschlosse ud wr erhalte der Zelle B9 de Koeffzete a 0. Nu wrd das Feld für de Koeffzete a 0,..,a durch Seletere der Zelle B9: D9 aufgezoge. Da wrd de Egabezele mt der Formel oberhalb des Arbetsblattes agelct ud de Zele mt <CTL><Shft><RET> abgeschlosse. De restlche Koeffzete werde jetzt de marerte Felder übertrage. Für das Polyom 3. Grades st das Vorgehe aalog. De Berechug des Graphe a jetzt ausserordetlch efach mt der Futo PolyomEval ausgeführt werde.

16 Hochschule für Tech ud Archtetur Ber Iformat ud agewadte Mathemat 3-6 Ausglechs- ud Iterpolatosrechug Besoders bequem wrd de Arbet, we de Futoe als sog. LA-Modul (ECEL-Add-IN) erstellt werde. Dazu st das Basc-Modul zu omplere (Add-I erstelle) ud achher mt dem Add-I Maager ezubde. Dabe st zu beachte, dass de Dateformato der Arbetsmappe ausgefüllt wrd, da dese de Name ethält, de achher m Add-I-Maager erschee Lösug überbestmmter Glechugssysteme Habe wr e System mt mehr Glechuge als Ubeate, so spreche wr vo eem überbestmmte Glechugssystem. Für solche Systeme gbt es der Regel ee Lösug m herömmlche Se. Vor allem da, we der Rag der Koeffzetematr mamal st, d.h. de Glechuge wdersprüchlch sd ud das System cht reduzert werde a. Her wrd ebefalls ee Lösug ach der Methode der leste Fehlerquadratsumme bestmmt. De erhaltee Lösug lässt sch umgagssprachlch terpretere: De Lösug passt etwa überall glech schlecht Awedug auf e allgemees leares Glechugssystem De Lösug ees überbestmmte leare Glechugssystems soll ach der Methode der leste Fehlerquadrate bestmmt werde. Wr setze voraus, dass der Rag der Koeffzetematr mamal st, d.h. ee Zele a durch Learombato vo adere Zele dargestellt werde. Des st da der Fall, we de Zele wdersprüchlch sd. Wr betrachte stellvertreted für de Methode e Bespel. Bespel: Ma bestmme, y als Lösug des überbestmmte leare Glechugssystems + 3y = - 4y= -9 - y= - De Lösug gestaltet sch desem Fall relatv efach: Ma bestmmt zuerst de Grudfuto f(,y)=z, de jeder ezele Zele zugrude legt: f (, y) = z= ( a+ by) (3.6) Vo deser Futo wrd u das Glechugssystem für de Parameter a ud b durch Nullsetze der partelle Abletuge der Fehlerquadratsumme q(a,b) bestmmt: ( ) qy (, ) = a+ by z y ( a + by z) = a ( a + by z) ( a + by z) = b ( a + by z) a ab az = ab b y bz (3.7) (3.8) Das Glechugssystem für a, b stellt e ormales leares Glechugssystem mt zwe Ubeate dar, welches mt de beate Methode gelöst werde a. Wr bestmme zuerst de Summe,

17 Hochschule für Tech ud Archtetur Ber Iformat ud agewadte Mathemat 3-7 Ausglechs- ud Iterpolatosrechug da löse wr ach a, b auf mt Hlfe eer Matrverso ud erhalte de Resultate: Somt sd =- ud y= de Lösuge des Glechugssystems. Auf ee programmerte Lösug des Verfahres wrd her verzchtet. Das Vorgehe st przpell glech we be de adere gezegte Methode. Iteressat ud relatv efach wrd de Lösug, we der Algorthmus vo Householder zur Lösug überbestmmter Glechugssysteme egesetzt wrd (vgl. [3, S.0 ud S.34]) Awedug auf ee Learombato belebger reeller Futoe. Für de Ausglechsfuto Form eer Learombato reeller Futoe f( ) = bg ( ) = (3.9) wrd be eer echte Ausglechsaufgabe m > (mehr Pute als Parameter) de Ausglechsurve cht eat durch de Pute (,y ) verlaufe ud.a. cht emal ee Put geau treffe. De optmale Ausglechsfuto soll jedoch mt eem möglchst lee Fehler alle Pute (, y ) beschrebe. Dese Forderug wrd erfüllt, we de Summe der Fehlerquadrate mmal st: b 0 g b g = q b,..., b = f( )- y = bg ( )- y L NM O QP Æ De Parameter b werde durch Nullsetze der partelle Abletuge q bestmmt: b j Allgeme: q L O = gj bg y j b ( ) ( )- j QP = 0 0 = NM m (3.30) (3.3)

18 Hochschule für Tech ud Archtetur Ber Iformat ud agewadte Mathemat 3-8 Ausglechs- ud Iterpolatosrechug Deses System a u e allgemees leares Glechugssystem umgeschrebe werde. Deses stellt de Normalglechuge dar, das mt de beate Verfahre aufgelöst werde a. Für de Normalglechug j wrd des: L NM O QP = m m j j = 0 = = b g ( ) g ( ) y g ( ) Bespel: Für de Ausglechsfuto: y= b l+ b cos+ b e 3 erhalte wr de Fehlerquadratsumme: d 3 q= b l + b cos + b e - y Wr setze de partelle Abletuge q b dre Normalglechuge: m: Azahl Datepute : Azahl Glechuge j: 0.. q q = 0, = 0, = 0 ud erhalte ach dem Umstelle de b b 3 b g b g 3 b g b g b g 3 b g b g b g 3 d b l + b l cos + b l e = y l b l cos + b cos + b cos e = y cos b l e + b cos e + b e = y e Auch her erhalte wr mmer ee symmetrsche Koeffzetematr. Für de Datepute y erhalte wr de Rechug: (3.3)

19 Hochschule für Tech ud Archtetur Ber Iformat ud agewadte Mathemat 3-9 Ausglechs- ud Iterpolatosrechug de gesuchte Ausglechsfuto lautet also: y ( ) = l-. 59 cos e 3..7 Beurtelug der Regressosgüte be chtleare Regressoe Be chtleare Regressoe wrd de Güte ahad der Fehlerquadratsumme beurtelt, wel e Korrelatosoeffzet we be der leare Regresso defert st. Werde mehrere verschedee Regressosfutoe mteader verglche, so st dejege Futo de beste Regressosfuto bezüglch der gegebee Datepute, welche de leste Fehlerquadratsumme hat. Bespel: Welche Regressosfutoe f (), f () glecht de folgede Datepute (, y ) besser aus? f ( ) =. 90l +. 98s f ( ) = y 0 4 Wr bestmme de Fehlerquadratsumme jeder Futo bezüglch der Datepute: De Futo f () glecht de Datepute besser aus, wel se de leere Fehlerquadratsumme hat Nchtleare Regresso mt Substtutosverfahre

20 Hochschule für Tech ud Archtetur Ber Iformat ud agewadte Mathemat 3-0 Ausglechs- ud Iterpolatosrechug E gaze Rehe chtlearer Regressosaufgabe a durch geegete Trasformatoe der Werte ee äquvalete leare Regressosaufgabe übergeführt werde, welche da mt de Stadardformel (3-, 3-3) efach zu löse sd. Wr betrachte achfolged Verfahre für zwe ud dre Regressosoeffzete Regressoe mt zwe Regressosoeffzete Vele chtleare Regressosfutoe öe durch geegete Trasformatoe ee äquvalete leare Regressosaufgabe umgeformt werde ("learsert"). Dese st da sehr efach zu löse. Bsp: Gesucht st ee Ausglechsfuto der Art: y ( )= be a Dese Epoetalfuto a durch Logarthmere learsert werde: a l( y ( )) = l( be ) = l( b) + l( e ) = l( b) + a=b+a Deses Przp a geauso für wetere Futoe agewadt werde: Typ Futo Substtutoe Bedguge = = B= A= y ( )= b+ a y b a 0 y 0 b a b a y > 0 y 3 y( )= b+ al( ) y l() b a > 0 a 4 y ( ) = b + al( ) y l() b a > 0 y > 0 5 a y ( )= b + l(y-) l() l(b) a y- > 0 > 0 6 y ( )= ba l(y) l(b) l(a) 0 y > 0 7 y ( )= be a l(y) l(b) a 0 y > 0 Der Begrff Typ bezeht sch auf de Meüput m Programm NLREGWIN.EE. Es st auf der zum Srpt gehörede Bespeldsette verfügbar Regressoe mt dre Regressosoeffzete Aalog öe her auch über geegete Substtutoe gewsse chtleare Regressosfutoe verefacht bestmmt werde, dem se auf ee quadratsche Regressosaufgabe zurücgeführt werde. y ( )= A0 + A + A De Bestmmug der Polyomoeffzete gescheht über de Asatz der Mmerug der Summe der Fehlerquadrate, aalog Kap Wr erhalte e Glechugssystem mt dre Ubeate für de Regressosoeffzete A 0..A :

21 Hochschule für Tech ud Archtetur Ber Iformat ud agewadte Mathemat F HG IF KJ H G A A A 0 I F K J = HG I KJ 3- Ausglechs- ud Iterpolatosrechug De Regressosfutoe, welche sch über ee quadratsche Substtuto löse lasse sd achfolged tabellert: Typ Futo Substtutoe = = A 0 = A = A = 8 y a a ( )= + + a 0 y a 0 a a Bedguge 9 y ( )= a + a + a 0 y a 0 a a y 0 0 y ( )= a 0 a a y ae a - ( )= a 0 l(y) l(a 0 ) l(a ) l(a ) y > 0 a + a a -a a a y > 0 b g l(y) l( ) 0 Ebeso lasse sch Substtutoe für ver Regressosoeffzete bestmme, de da ee allgemee Form mt ver Parameter gebracht wrd Bespele für Regressoe mt zwe Regressosoeffzete Für folgede Messrehe soll ee Ausglechsfuto ach alle Verfahre aus Tabelle bestmmt werde. st dem Wert.5 zu wähle: Wr verwede dazu das Programm NchtleareRegresso.EE. Es bestmmt der Kosoleverso de Regressosoeffzete für Regressoe mt zwe Regressosoeffzete. Mt der W3- öe auch Regressoe mt dre Regressosoeffzete durchgeführt werde. Aus Platzgrüde werde her de Lstgs cht aufgeführt y Resultate: 5. : r = : ry = : l( ) ry = : ry = l() 5: r = : r = :. 807e r = Achtug: r y macht ee Aussage zur Korrelato der chtleare Regressosfuto! Besser st her de Aussage bezüglch der Fehlerquadratsumme. y y y y Grafsche Darstellug der ezele Regressosfutoe

Sitzplatzreservierungsproblem

Sitzplatzreservierungsproblem tzplatzreserverugsproblem Be vele Zugsysteme Europa müsse Passagere mt hrem Zugtcet ee tzplatzreserverug aufe. Da das Tcetsystem Kude ee ezele Platz zuwese muss, we dese e Tcet aufe, ohe zu wsse, welche

Mehr

Leitfaden zu den Indexkennzahlen der Deutschen Börse

Leitfaden zu den Indexkennzahlen der Deutschen Börse Letfade zu de Idexkezahle der Deutsche Börse Verso.5 Deutsche Börse AG Verso.5 Letfade zu de Idexkezahle der Deutsche Börse Page Allgemee Iformato Um de hohe Qualtät der vo der Deutsche Börse AG berechete

Mehr

2 Regression, Korrelation und Kontingenz

2 Regression, Korrelation und Kontingenz Regresso, Korrelato ud Kotgez I desem Kaptel lerst du de Zusammehag zwsche verschedee Merkmale durch Grafke zu beschrebe, Maßzahle ür de Stärke des Zusammehags zu bereche ud dese zu terpretere, das Wsse

Mehr

Aufgaben. 1. Gegeben seien folgende Daten einer statistischen Erhebung, bereits nach Größe sortiert (Rangliste):

Aufgaben. 1. Gegeben seien folgende Daten einer statistischen Erhebung, bereits nach Größe sortiert (Rangliste): Aufgabe. Gegebe see folgede Date eer statstsche Erhebug, berets ach Größe sortert (Raglste): 0 3 4 4 5 6 7 7 8 8 8 9 9 0 0 0 0 0 3 3 3 3 4 4 5 5 5 5 5 6 6 6 7 7 8 30 Erstelle Se ee Tabelle, der de Merkmalsauspräguge

Mehr

Messfehler, Fehlerberechnung und Fehlerabschätzung

Messfehler, Fehlerberechnung und Fehlerabschätzung Apparatves Praktkum Physkalsche Cheme der TU Brauschweg SS1, Dr. C. Maul, T.Dammeyer Messfehler, Fehlerberechug ud Fehlerabschätug 1. Systematsche Fehler Systematsche Fehler et ma solche Fehleratele, welche

Mehr

REGRESSION. Marcus Hudec Christian Neumann. Eine anwendungsorientierte Einführung. Unterstützt von Institut für Statistik der Universität Wien

REGRESSION. Marcus Hudec Christian Neumann. Eine anwendungsorientierte Einführung. Unterstützt von Institut für Statistik der Universität Wien REGRESSION Ee awedugsoreterte Eführug Marcus Hudec Chrsta Neuma Uterstützt vo Isttut für Statstk der Uverstät We Eletug De Regresso st e velfältg esetzbares Werkzeug zur Beschrebug ees fuktoale Zusammehags

Mehr

Geometrisches Mittel und durchschnittliche Wachstumsraten

Geometrisches Mittel und durchschnittliche Wachstumsraten Dpl.-Kaufm. Wolfgag Schmtt Aus meer Skrpterehe: " Kee Agst vor... " Ausgewählte Theme der deskrptve Statstk Geometrsches Mttel ud durchschttlche Wachstumsrate Modellaufgabe Übuge Lösuge www.f-lere.de Geometrsches

Mehr

Abschlussprüfung zum/zur Finanzplaner/in mit eidg. Fachausweis. Formelsammlung. Autor: Iwan Brot

Abschlussprüfung zum/zur Finanzplaner/in mit eidg. Fachausweis. Formelsammlung. Autor: Iwan Brot Abschlussprüfug zum/zur Fazplaer/ mt edg. Fachauswes Formelsammlug Autor: Iwa Brot Dese Formelsammlug wrd a de Prüfuge abgegebe sowet erforderlch. Stad 1. Jul 2010. Äderuge vorbehalte. Formelsammlug Fazplaer

Mehr

Abschlussprüfung zum/zur Finanzplaner/in mit eidg. Fachausweis. Formelsammlung. Autor: Iwan Brot

Abschlussprüfung zum/zur Finanzplaner/in mit eidg. Fachausweis. Formelsammlung. Autor: Iwan Brot Abschlussprüfug zum/zur Fazplaer/ mt edg. Fachauswes Formelsammlug Autor: Iwa Brot Dese Formelsammlug wrd a de Ole- ud a de müdlche Prüfuge abgegebe sowet erforderlch. A der schrftlche Klausur (Ope-book-Prüfug)

Mehr

Teil IV Musterklausuren (Univ. Essen) mit Lösungen

Teil IV Musterklausuren (Univ. Essen) mit Lösungen Tel IV Musterklausure (Uv. Esse) mt Lösuge Hauptklausur WS 9/9 Aufgabe : a) Revolverheld R stzt m Saloo ud pokert. De Wahrschelchket, daß er dabe ee seer Mtspeler bem Falschspel erwscht (Eregs F), bezffert

Mehr

Ralf Korn. Elementare Finanzmathematik

Ralf Korn. Elementare Finanzmathematik Ralf Kor Elemetare Fazmathematk Ihaltsverzechs. Eletug Exkurs : Akte Begrffe, Grudlage ud Geschchte. We modellert ma Aktekurse? 4. Edlche E-Perode-Modelle 6. Edlche Mehr-Perode-Modelle 3.3 Das Black-Scholes-Modell

Mehr

Investmentfonds. Kennzahlenberechnung. Performance Risiko- und Ertragsanalyse, Risikokennzahlen

Investmentfonds. Kennzahlenberechnung. Performance Risiko- und Ertragsanalyse, Risikokennzahlen Ivestmetfods Kezahleberechug erformace Rsko- ud Ertragsaalyse, Rskokezahle Gültg ab 01.01.2007 Ihalt 1 erformace 4 1.1 Berechug der erformace über de gesamte Beobachtugzetraum (absolut)... 4 1.2 Aualserug

Mehr

Klausur Betriebswirtschaftslehre PM/B

Klausur Betriebswirtschaftslehre PM/B Isttut für Fazwrtschaft, Bake ud Verscheruge, Karlsruher Isttut für Techologe Klausur Betrebswrtschaftslehre PM/B Achtug: Ihalte der Vorlesug köe Zukuft ggf. cht mehr kosstet mt de Ihalte deser Klausur

Mehr

EINLEITUNG, FEHLERRECHNUNG

EINLEITUNG, FEHLERRECHNUNG Eletug FEHLERRECHNUNG ohe Dfferetalrechug 04.05.006 Blatt 1 EINLEITUNG, FEHLERRECHNUNG Aufgabe des physkalsche Praktkums st es, dem Studerede de Physk durch das Expermet äher zu brge, h mt der Methode

Mehr

Investitionsentscheidungen im Multi-Channel-Customer-Relationship Management 1

Investitionsentscheidungen im Multi-Channel-Customer-Relationship Management 1 Ivesttosetscheduge m Mult-Chael-Customer-Relatoshp Maagemet Has Ulrch Buhl, Na Kreyer, Na Schroeder Lehrstuhl für Betrebswrtschaftslehre, Wrtschaftsformatk & Facal Egeerg Kerkompetezzetrum Iformatostechologe

Mehr

Entwicklung einer Dispatcherfunktion zur Überprüfung von Nominierungsmengen in der Betriebsführung von Erdgasspeichern

Entwicklung einer Dispatcherfunktion zur Überprüfung von Nominierungsmengen in der Betriebsführung von Erdgasspeichern AMMO Berchte aus Forschug ud Techologetrasfer Etwcklug eer Dsatcherfukto zur Überrüfug vo Nomerugsmege der Betrebsführug vo Erdgassecher Prof. Dr. sc. tech. Dr. rer. at. R. Ueckerdt Dr.Ig. H.W. Schmdt

Mehr

Institut für Physik Universität Augsburg Praktikum für Fortgeschrittene (FP) Versuchsanleitung (Version: 01/2015) RAMANEFFEKT

Institut für Physik Universität Augsburg Praktikum für Fortgeschrittene (FP) Versuchsanleitung (Version: 01/2015) RAMANEFFEKT FP-Versuch Ramaeffekt Isttut für Physk Uerstät Augsburg Praktkum für Fortgeschrttee (FP) Versuchsaletug (Verso: /5) RAMANFFKT I. letug II. Theore des Ramaeffekts III. Grudlage der Gruppetheore IV. Versuchsaufbau

Mehr

Marketing- und Innovationsmanagement Herbstsemester 2013 - Übungsaufgaben Lesender: Prof. Dr. Andreas Fürst

Marketing- und Innovationsmanagement Herbstsemester 2013 - Übungsaufgaben Lesender: Prof. Dr. Andreas Fürst Marketg- ud Iovatosmaagemet Herbstsemester 2013 - Übugsaufgabe Leseder: Prof. Dr. Adreas Fürst Isttut für Marketg ud Uterehmesführug Abtelug Marketg Uverstät Ber Ihaltsverzechs 1 Eletug Allgemee Grudlage

Mehr

Prof. Dr. Dietmar Pfeifer Institut für Mathematik. Risikotheorie

Prof. Dr. Dietmar Pfeifer Institut für Mathematik. Risikotheorie Prof. Dr. Detmar Pfefer Isttut für Mathemat Rsotheore Stad: 5. Aprl 5 Ihalt Vorbemerug... 3 I Persoeverscherugsmathemat... 6 I.. Bewertug vo Fazströme... 6 I.. Lebesdauerverteluge ud Sterbetafel... I.

Mehr

Vorlesung Multivariate Statistik. Sommersemester 2009

Vorlesung Multivariate Statistik. Sommersemester 2009 P.Martus, Multvarate Statstk, SoSe 009 Free Uverstät Berl Charté Uverstätsmedz Berl Bachelor Studegag Boformatk Vorlesug Multvarate Statstk Sommersemester 009 Prof. Dr. rer. at. Peter Martus Isttut für

Mehr

BANK ONLINE Zentraler Bankdaten-Transfer

BANK ONLINE Zentraler Bankdaten-Transfer BANK ONLINE Zetraler Bakdate-Trasfer Ihaltsverzechs 1 Lestugsbeschrebug... 3 2 Itegrato das Ageda-System... 4 3 Hghlghts... 5 3.1 Efachste Aktverug... 5 3.2 Abruf vo Kotoauszüge... 6 3.3 Bakeübergrefede

Mehr

Mannheimer Manuskripte zu Risikotheorie, Portfolio Management und Versicherungswirtschaft. Nr. 145

Mannheimer Manuskripte zu Risikotheorie, Portfolio Management und Versicherungswirtschaft. Nr. 145 Mahemer Mauskrpte zu Rskotheore, Portfolo Maagemet ud Verscherugswrtschaft Nr. 45 Methode der rskobaserte Kaptalallokato m Verscherugs- ud Fazwese vo Peter Albrecht ud Sve Korycorz Mahem 03/2003 Methode

Mehr

Eine einfache Formel für den Flächeninhalt von Polygonen

Eine einfache Formel für den Flächeninhalt von Polygonen Ee efache Formel für de Flächehalt vo Polygoe Peter Beder Set ege Jahre hat der Mathematkddaktk de sogeate emprsche Uterrchtsforschug mt quattatve ud qualtatve Methode Kojuktur, währed stoffddaktsche Arbete

Mehr

Sozialwissenschaftliche Methoden und Statistik I

Sozialwissenschaftliche Methoden und Statistik I Sozalwsseschaftlche Methode ud Statstk I Uverstät Dusburg Esse Stadort Dusburg Itegrerter Dplomstudegag Sozalwsseschafte Skrpt zum SMS I Tutorum Vo Mark Lutter Stad: Aprl 004 Tel I Deskrptve Statstk Mark

Mehr

Gliederung: A. Vermögensverwaltung I. Gegenstand II. Ablauf III. Kosten. Jan Lenkeit

Gliederung: A. Vermögensverwaltung I. Gegenstand II. Ablauf III. Kosten. Jan Lenkeit Glederug: A. Vermögesverwaltug I. Gegestad II. Ablauf III. Koste B. Grudzüge der Kaptalmarkttheore I. Portefeulletheore 1. Darstellug. Krtk II. Captal Asset Prcg Model (CAPM) 1. Darstellug. Krtk III. Arbtrage

Mehr

9. Verzeichnis wichtiger Formelzeichen und Abkürzungen

9. Verzeichnis wichtiger Formelzeichen und Abkürzungen 9. Verzechs wchtger Formelzeche ud Abürzuge 9 Verzechs wchtger Formelzeche ud Abürzuge Formelzeche a a a y a * arcta2(y,) = arcta( y/ ) für arcta( y/ ) + π für < b B BL = O c H H y Läge des Uterarms des

Mehr

Formelsammlung der Betriebswirtschaft

Formelsammlung der Betriebswirtschaft - - Formelsammlug der Betrebswrtschaft Ee Überscht über de wchtgste mathematsche Kozepte ud Recheverfahre Rechugswese, Cotrollg ud Betrebswrtschaft Verso 3.08 Harry Zgel 99-009, EMal: fo@zgel.de, Iteret:

Mehr

Kommentierte Formelsammlung der deskriptiven und induktiven Statistik für Wirtschaftswissenschaftler

Kommentierte Formelsammlung der deskriptiven und induktiven Statistik für Wirtschaftswissenschaftler Kommeterte Formelsammlug der deskrptve ud duktve Statstk für Wrtschaftswsseschaftler Prof. Dr. Iree Rößler Prof. Dr. Albrecht Ugerer Wetere Bespele ud ausführlche Erläuteruge sowe detallerte Lösuge der

Mehr

Datenstrukturen und Algorithmen. Grundlagen, Basisalgorithmen und Lösungsstrategien für sequentielle und parallele Algorithmen.

Datenstrukturen und Algorithmen. Grundlagen, Basisalgorithmen und Lösungsstrategien für sequentielle und parallele Algorithmen. 3. Jahrgag, Heft 3, Oktober 03, ISSN 0939-88 FIAL Datestrukture ud Algorthme Grudlage, Bassalgorthme ud Lösugsstratege für sequetelle ud parallele Algorthme Ulrch Hoffma Techcal Reports ad Workg Papers

Mehr

Investition und Finanzierung Skript III

Investition und Finanzierung Skript III Ivestto ud Fazerug Skrpt III zuletzt geädert am: 05.05.03 Ivestto ud Fazerug Skrpt III Quelle: Vorlesug Ivestto ud Fazerug 6. Semester, FH Erfurt, Prof. Dr. Waldhelm Copyrght 2003 BSTM Sete Alle Agabe

Mehr

Zum Problem unterjähriger Zinsen und Zahlungen in der Zinseszinsrechnung

Zum Problem unterjähriger Zinsen und Zahlungen in der Zinseszinsrechnung Zu Proble urjährger Zse ud Zahluge der Zsessrechug Gewöhlch geht a der Zsessrechug davo aus, dass de Zse ach ee Jahr de Kapl ugeschlage werde ud da weder Zse trage. Der Zssat, t de das Kapl ultplert wrd,

Mehr

W D P. Sebastian Müller, Gerhard Müller. Sicherheits-orientiertes Portfoliomanagement. Heft 09 / 2005

W D P. Sebastian Müller, Gerhard Müller. Sicherheits-orientiertes Portfoliomanagement. Heft 09 / 2005 Fachberech Wrtschaft Faculty of Busess Sebasta Müller, Gerhard Müller Scherhets-oretertes Portfolomaagemet Heft 09 / 2005 W D P Wsmarer Dskussospapere / Wsmar Dscusso Papers Der Fachberech Wrtschaft der

Mehr

Short Listing für multikriterielle Job-Shop Scheduling-Probleme

Short Listing für multikriterielle Job-Shop Scheduling-Probleme Short Lstg für ultkrterelle Job-Shop Schedulg-Problee Dr. Adré Heg, r.z.w.-cdata AG, Zu Hosptalgrabe 2, 99425 Wear, adre.heg@rzw.de 1. Multkrterelle Job-Shop Schedulg-Problee Das Job-Shop Schedulg-Proble,

Mehr

Deskriptive Statistik und moderne Datenanalyse

Deskriptive Statistik und moderne Datenanalyse homas Cleff Destve tatst ud modee Dateaalse Ee comutegestützte Efühug mt Ecel ud AA 0XX /. Auflage Fomelsammlug Cleff Destve tatst ud modee Dateaalse Gable Velag Wesbade 0XX GableL Zusatzfomatoe zu Mede

Mehr

Oesterreichische Kontrollbank AG. Pensionskassen. Performanceberechnung Asset Allocation. Berechnungsmethoden

Oesterreichische Kontrollbank AG. Pensionskassen. Performanceberechnung Asset Allocation. Berechnungsmethoden Oeserrechsche Korollbak AG esoskasse erformaceberechug Asse Allocao Berechugsmehode Jul 200 Ihal erformaceberechug der OeKB...3 2 erformace...3 2. Defo der erformace...3 2.2 Berechugsmehode...4 2.3 Formel...4

Mehr

Konzept und Umsetzung betrieblicher Entscheidungshilfen auf grafischer und objektorientierter Basis als autonome und eingebettete Netzwerklösung

Konzept und Umsetzung betrieblicher Entscheidungshilfen auf grafischer und objektorientierter Basis als autonome und eingebettete Netzwerklösung Zhog Xue Kozept ud Umsetzug betreblcher Etschedugshlfe auf grafscher ud objektoreterter Bass als autoome ud egebettete Netzwerklösug De vorlegede Arbet wurde vom Fachberech Maschebau der Uverstät Kassel

Mehr

Finanzmathematik II: Barwert- und Endwertrechnung

Finanzmathematik II: Barwert- und Endwertrechnung D. habl. Bukhad Uech Beufsakademe Thüge Saalche Sudeakademe Sudeabelug Eseach Sudebeech Wschaf Wschafsmahemak Wesemese 004/0 Fazmahemak II: Bawe- ud Edweechug. Bawee ud Edwee vo Zahlugsehe. Effekve Jaheszssaz

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

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

11. STATISTIK. 11.1. Begriffsbestimmung. Statistik

11. STATISTIK. 11.1. Begriffsbestimmung. Statistik . STATISTIK.. Begrffsbestmmug De Statst st we auch de Wahrschelchetsrechug e Wssesgebet der sogeate Stochast. De Stochast a ma als de Lehre vo zufällge Vorgäge bzw. Eregsse beschrebe. Als zufällge Eregsse

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

Gruppe. Lineare Block-Codes

Gruppe. Lineare Block-Codes Thema: Lneare Block-Codes Lneare Block-Codes Zele Mt desen rechnerschen und expermentellen Übungen wrd de prnzpelle Vorgehenswese zur Kanalcoderung mt lnearen Block-Codes erarbetet. De konkrete Anwendung

Mehr

Rationalität und Wert von Information eine systemgesteuerte Analyse

Rationalität und Wert von Information eine systemgesteuerte Analyse Ratoaltät ud Wert vo Iformato ee systemgesteuerte Aalyse Elmar Reucher 1, Wlhelm Rödder 2, Iva R. Garter 3 1 FerUverstät Hage, Proflstraße 8, 58097 Hage Elmar.Reucher@feru-hage.de 2 FerUverstät Hage, Proflstraße

Mehr

3. Tilgungsrechnung. 3.1. Tilgungsarten

3. Tilgungsrechnung. 3.1. Tilgungsarten schreier@math.tu-freiberg.de 03731) 39 2261 3. Tilgugsrechug Die Tilgugsrechug beschäftigt sich mit der Rückzahlug vo Kredite, Darlehe ud Hypotheke. Dabei erwartet der Gläubiger, daß der Schulder seie

Mehr

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

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

Mehr

Statistik mit Excel und SPSS

Statistik mit Excel und SPSS Stattk mt Excel ud SPSS G. Kargl Grudbegrffe Grudgeamthet Erhebugehet Merkmale Werteberech Stchprobe Telbereche der Stattk: Dekrtpve Stattk Iduktve Stattk Exploratve Stattk U- / B- / Multvarate Stattk

Mehr

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07 Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 3.Auflage Dese Broschüre hlft bem Verfassen und Betreuen von Maturaarbeten. De 3.Auflage

Mehr

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

Finanzmathematische Grundlagen zur Zins- und Rentenrechnung

Finanzmathematische Grundlagen zur Zins- und Rentenrechnung Fazmahemasche Grudlage zur Zs- ud Reerechug Fazmahemasche Grudlage zur Zs- ud Reerechug (Fassug - November 008) /3 Markus Scheche Emal: mal@markus-scheche.de Homepage: www.markus-scheche.de Fazmahemasche

Mehr

FINANZMATHEMATIK. 1. Zinsen und Zinseszinsen. Finanzmathematik 81

FINANZMATHEMATIK. 1. Zinsen und Zinseszinsen. Finanzmathematik 81 Fiazmathematik 8 FINANZMATHEMATIK. Zise ud Ziseszise Die Zise als Preis für die Zurverfügugstellug vo Geld bilde das zetrale Elemet i der Fiazmathematik. Hierbei sid verschiedee Arte der Verzisug zu uterscheide.

Mehr

Optimierung der Personaleinsatzplanung in Call Centern Theoretische Systematisierung und empirische Überprüfung

Optimierung der Personaleinsatzplanung in Call Centern Theoretische Systematisierung und empirische Überprüfung Optmerug der Persoalesatzplaug Call Ceter Theoretshe Systematserug ud emprshe Überprüfug Iaugural-Dssertato zur Erlagug des akademshe Grades ees Doktors der Wrtshaftswsseshafte m Fahbereh Statstk der Uverstät

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

Aufgaben zur vollständigen Induktion

Aufgaben zur vollständigen Induktion c 7 by Raier Müller - Aufgabe zur vollstädige Idutio We ichts aderes agegebe ist, da gelte die Behauptuge für IN {; ; ;...}. A) Teilbareit: ) ist gerade (d.h. durch teilbar). ) ist durch teilbar. ) ist

Mehr

Zinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung

Zinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung Znsesznsformel (Abschntt 1.2) 3 Investton & Fnanzerung 1. Fnanzmathematk Unv.-Prof. Dr. Dr. Andreas Löffler (AL@wacc.de) t Z t K t Znsesznsformel 0 1.000 K 0 1 100 1.100 K 1 = K 0 + K 0 = K 0 (1 + ) 2

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

11 Chemisches Gleichgewicht

11 Chemisches Gleichgewicht 11 Chemsches Glechgewcht 11.1 Chemsche Reaktonen und Enstellung des Glechgewchts Untersucht man den Mechansmus chemscher Reaktonen, so wrd man dese enersets mt enem mkroskopschen oder knetschen Blck auf

Mehr

DASI ONLINE Datensicherung im Rechenzentrum

DASI ONLINE Datensicherung im Rechenzentrum DASI ONLINE Datescherug m Rechezetrum Ihaltsverzechs 1 Lestugsbeschrebug... 3 2 Itegrato das Ageda-System... 4 3 Hghlghts... 5 3.1 Das Hochscherhets-Rechezetrum... 5 3.2 Flexbltät ud Kostetrasparez...

Mehr

Zuverlässigkeitsorientiertes Erprobungskonzept für Nutzfahrzeuggetriebe unter Berücksichtigung von Betriebsdaten

Zuverlässigkeitsorientiertes Erprobungskonzept für Nutzfahrzeuggetriebe unter Berücksichtigung von Betriebsdaten UNI STUTTGART Berchte aus dem Isttut für Mascheelemete Atrestechk CAD Dchtuge Zuverlässgket Matthas Masch Zuverlässgketsoretertes Erprougskozept für Nutzfahrzeuggetree uter Berückschtgug vo Betresdate

Mehr

Finanzmathematik Folien zur Vorlesung

Finanzmathematik Folien zur Vorlesung Fazmahemak Fole zu Volesug FINANZMAHEMAI. Zsechug.. Gudbegffe de Zsechug.. De ve Fageselluge de Zsechug.3. Beechug des Edkapals.4. Beechug vo Afagskapal, Zssaz ud Laufze.5. Uejähge Vezsug.6. Sege Vezsug.

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

Betriebswirtschaft Wirtschaftsmathematik Studienleistung BW-WMT-S12 011110

Betriebswirtschaft Wirtschaftsmathematik Studienleistung BW-WMT-S12 011110 Name, Vorame Matrikel-Nr. Studiezetrum Studiegag Fach Art der Leistug Klausur-Kz. Betriebswirtschaft Wirtschaftsmathematik Studieleistug Datum 10.11.2001 BW-WMT-S12 011110 Verwede Sie ausschließlich das

Mehr

Versuch 13/1 NEWTONSCHE INTERFERENZRINGE Blatt 1 NEWTONSCHE INTERFERENZRINGE

Versuch 13/1 NEWTONSCHE INTERFERENZRINGE Blatt 1 NEWTONSCHE INTERFERENZRINGE Versuch 3/ NEWTONSCHE INTERFERENZRINGE Blatt NEWTONSCHE INTERFERENZRINGE Die Oberfläche vo Lise hat im allgemeie Kugelgestalt. Zur Messug des Krümmugsradius diet das Sphärometer. Bei sehr flacher Krümmug

Mehr

Stochastik - Kapitel 4

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

Mehr

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

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

Mehr

Multiple-Sourcing-Strategien bei Finanzdienstleistern Eine Analyse zum Einfluss der Integrationskosten am Beispiel der Wertpapierabwicklung

Multiple-Sourcing-Strategien bei Finanzdienstleistern Eine Analyse zum Einfluss der Integrationskosten am Beispiel der Wertpapierabwicklung Uverstät Augsburg Prof. Dr. Has Ulrch Buhl Kerkompetezzetrum Faz- Iformatosmaagemet Lehrstuhl für BWL, Wrtschaftsformatk, Iformatos- Fazmaagemet Dskussospaper WI-89 Multple-Sourcg-Stratege be Fazdestlester

Mehr

1 s. 1 s. 1 k. n j. j = Wärmedurchgang durch eine mehrschichtige, ebene Wand:

1 s. 1 s. 1 k. n j. j = Wärmedurchgang durch eine mehrschichtige, ebene Wand: Wärmeurchgg urch ee mehrchchtge, ebee W: ugehe vo er Löug er Fourer'che Dfferetlglechug für e Wärmetrport urch ee ebee Wfläche : A T ergbt ch ru für ee mehrchchtge, ebee Wfläche: A ru wr e Wärmeurchggwertzhl

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

Datenträger löschen und einrichten

Datenträger löschen und einrichten Datenträger löschen und enrchten De Zentrale zum Enrchten, Löschen und Parttoneren von Festplatten st das Festplatten-Denstprogramm. Es beherrscht nun auch das Verklenern von Parttonen, ohne dass dabe

Mehr

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

VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE

VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE Karl Rudolf KOCH Knut RIESMEIER In: WELSCH, Walter (Hrsg.) [1983]: Deformatonsanalysen 83 Geometrsche Analyse und Interpretaton von Deformatonen

Mehr

Metrische Untersuchung der Wiederverwendung im Content Management. Statische Kennzahlen in der Technischen Redaktion

Metrische Untersuchung der Wiederverwendung im Content Management. Statische Kennzahlen in der Technischen Redaktion Metrsche Untersuchung der Wederverwendung m Content Management Statsche Kennzahlen n der Technschen Redaton W. Zegler 1 [Stand: 14. September 2008] De Enführung von Content Management (CM) Methoden und

Mehr

Zweidimensionale Verteilungen

Zweidimensionale Verteilungen Bblografsce Iformato der Deutsce Natoalbblotek De Deutsce Natoalbblotek verzecet dese Publkato der Deutsce Natoalbblografe; detallerte bblografsce Date sd m Iteret über abrufbar. De Iformatoe

Mehr

Grundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften

Grundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften Bassmodul Makroökonomk /W 2010 Grundlagen der makroökonomschen Analyse klener offener Volkswrtschaften Terms of Trade und Wechselkurs Es se en sogenannter Fall des klenen Landes zu betrachten; d.h., de

Mehr

Die Zahl i phantastisch, praktisch, anschaulich

Die Zahl i phantastisch, praktisch, anschaulich Unverstät Würzburg 977 Würzburg Telefon: (91 888 5598 De Zahl phantastsch, praktsch, anschaulch De Geschchte der Zahl war dre Jahrhunderte lang dadurch geprägt, dass se und damt de kompleen Zahlen n Mathematkerkresen

Mehr

b) Rentendauer Anzahl der Rentenzahlungen 1) endliche Renten 2) ewige Renten (z.b. Verpachtung an Verpächter bzw. seinen Rechtsnachfolgern)

b) Rentendauer Anzahl der Rentenzahlungen 1) endliche Renten 2) ewige Renten (z.b. Verpachtung an Verpächter bzw. seinen Rechtsnachfolgern) HTL Jebach. eeechug Maheak Sask.. Gudbegffe ee = egeläßg wedekehede Zahlug 4 weselche Mekale ee ee a) eehöhe ) glechblebede ee ) veädelche ee a) egeläßg (z.b. Idex-ageaß) ) egellos b) eedaue Azahl de eezahluge

Mehr

Wirtschaftsmathematik

Wirtschaftsmathematik Studiegag Betriebswirtschaft Fach Wirtschaftsmathematik Art der Leistug Studieleistug Klausur-Kz. BW-WMT-S1 040508 Datum 08.05.004 Bezüglich der Afertigug Ihrer Arbeit sid folgede Hiweise verbidlich: Verwede

Mehr

Nomenklatur - Übersicht

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

Mehr

Mobile Sicherheit durch effiziente Public-Key-Verschlüsselung

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

Mehr

Ihr geschützter Bereich Organisation Einfachheit Leistung

Ihr geschützter Bereich Organisation Einfachheit Leistung Rev. 07/2012 Ihr geschützter Berech Organsaton Enfachhet Lestung www.vstos.t Ihr La geschützter tua area rservata Berech 1 MyVstos MyVstos st ene nformatsche Plattform für den Vstos Händler. Se ermöglcht

Mehr

Beispiel: Die Zahl 32768 als Summe der Ziffern, die einen Koeffizient zur Potenz 10 darstellen:

Beispiel: Die Zahl 32768 als Summe der Ziffern, die einen Koeffizient zur Potenz 10 darstellen: - Zahlendarstellung n Rechnern Wr wssen berets aus der Dgtaltechnk we Ganzzahlen bnär dargestellt (codert) werden und können de Grundrechenoperatonen ausführen. I nachfolgenden Kaptel wrd auf deser Matere

Mehr

Temporäre Stilllegungsentscheidungen mittels stufenweiser E W U F W O R K I N G P A P E R

Temporäre Stilllegungsentscheidungen mittels stufenweiser E W U F W O R K I N G P A P E R Temporäre Stlllegungsentschedungen mttels stufenweser Grenzkostenrechnung E W U F W O R K I N G P A P E R Mag. Dr. Thomas Wala, FH des bf Wen PD Dr. Leonhard Knoll, Unverstät Würzburg Mag. Dr. Stephane

Mehr

Projektmanagement / Netzplantechnik Sommersemester 2005 Seite 1

Projektmanagement / Netzplantechnik Sommersemester 2005 Seite 1 Projektmanagement / Netzplantechnk Sommersemester 005 Sete 1 Prüfungs- oder Matrkel-Nr.: Themenstellung für de Kredtpunkte-Klausur m Haupttermn des Sommersemesters 005 zur SBWL-Lehrveranstaltung Projektmanagement

Mehr

Quant oder das Verwelken der Wertpapiere. Die Geburt der Finanzkrise aus dem Geist der angewandten Mathematik

Quant oder das Verwelken der Wertpapiere. Die Geburt der Finanzkrise aus dem Geist der angewandten Mathematik Quant der das Verwelken der Wertpapere. De Geburt der Fnanzkrse aus dem Gest der angewandten Mathematk Dmensnen - de Welt der Wssenschaft Gestaltung: Armn Stadler Sendedatum: 7. Ma 2012 Länge: 24 Mnuten

Mehr

Bewertung von Derivaten mit finiten Differenzen

Bewertung von Derivaten mit finiten Differenzen Bewertung von Dervaten mt fnten Dfferenzen Lutz Kruschwtz und Rolf Ketzler 22 Jul 2002 Inhaltsverzechns 1 Enführung 2 2 Rekaptulaton des Black Scholes Modells 2 3 Fnte Dfferenzen 3 31 Gtter und Dfferenzenbldung

Mehr

Ertragsmanagementmodelle in serviceorientierten IT- Landschaften

Ertragsmanagementmodelle in serviceorientierten IT- Landschaften Ertragsmanagementmodelle n servceorenterten IT- Landschaften Thomas Setzer, Martn Bchler Lehrstuhl für Internetbaserte Geschäftssysteme (IBIS) Fakultät für Informatk, TU München Boltzmannstr. 3 85748 Garchng

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

Was haben Schüler und Großbanken gemein?

Was haben Schüler und Großbanken gemein? Armn Fügenschuh Aleander Martn Was haben Schüler und Großbanken gemen? Mathematsche Modellerung Analyse und Lösung am Bespel des Rucksackproblems Unter gegebenen Randbedngungen optmale Entschedungen zu

Mehr

Mathematischer Vorkurs zum Studium der Physik

Mathematischer Vorkurs zum Studium der Physik Uiversität Heidelberg Mathematischer Vorkurs zum Studium der Physik Übuge Aufgabe zu Kapitel 1 (aus: K. Hefft Mathematischer Vorkurs zum Studium der Physik, sowie Ergäzuge) Aufgabe 1.1: SI-Eiheite: a)

Mehr

Kennlinienaufnahme des Transistors BC170

Kennlinienaufnahme des Transistors BC170 Kennlnenufnhme des Trnsstors 170 Enletung polre Trnsstoren werden us zwe eng benchbrten pn-übergängen gebldet. Vorrusetzung für ds Funktonsprnzp st de gegensetge eenflussung beder pn-übergänge, de nur

Mehr

2.0 Stöchiometrie chemischer Reaktionen 2.1 Grundbegriffe (Definitionen) qualitative Charakterisierung der / des Reaktionsmasse / Reaktionsgemisches

2.0 Stöchiometrie chemischer Reaktionen 2.1 Grundbegriffe (Definitionen) qualitative Charakterisierung der / des Reaktionsmasse / Reaktionsgemisches 05.03.2009 Tehshe Chee I - 9 2.0 Stöhoetre hesher Reaktoe 2.1 Grudbegrffe (Deftoe) qualtatve Charakterserug der / des Reaktosasse / Reaktosgeshes Reaktoskopoete (heshe Spezes) Reaktade (Reaktosteleher)

Mehr

9 Diskriminanzanalyse

9 Diskriminanzanalyse 9 Dskrmnanzanalyse Zel ener Dskrmnanzanalyse: Berets bekannte Objektgruppen (Klassen/Cluster) anhand hrer Merkmale charakterseren und unterscheden sowe neue Objekte n de Klassen enordnen. Nötg: Lernstchprobe

Mehr

Präferenzabhängige Werte im Rahmen einer kapitalmarktorientierten Unternehmensbewertung eine kritische Analyse

Präferenzabhängige Werte im Rahmen einer kapitalmarktorientierten Unternehmensbewertung eine kritische Analyse Präerezabhägge Werte m Rahme eer kaptalmarktoreterte Uterehmesbewertg ee krtsche Aalyse Ral Dedrch *, Stea Derkes ** d Has-Chrsta Gröger *** Zsammeassg: I der Lteratr zr kaptalmarktoreterte Uterehmesbewertg

Mehr

Antriebstechnik \ Antriebsautomatisierung \ Systemintegration \ Services. Handbuch. Positionierung und Ablaufsteuerung IPOS plus

Antriebstechnik \ Antriebsautomatisierung \ Systemintegration \ Services. Handbuch. Positionierung und Ablaufsteuerung IPOS plus Atrebstechk \ Atrebsautomatserug \ Systemtegrato \ Servces Hadbuch ostoerug ud Ablausteuerug IOS plus Ausgabe 11/2009 11645407 / DE SEW-EURODRIVE Drvg the world Ihaltsverzechs Ihaltsverzechs 1 Allgemee

Mehr

Methoden zur Bewertung von Credit Default Swaps

Methoden zur Bewertung von Credit Default Swaps Methoen zur Bewertung von Cret Default Swas Dr. Walter Gruber ( PLUS GmbH); Sylva Lause (Sarasse Hannover) Inhalt Enführung... Moell er Dscounte Sreas... 3 Moell er Ajuste Sreas... 4 Moell von JPMorgan...

Mehr

Vorlesung Multivariate Analyse

Vorlesung Multivariate Analyse Vorlesug Multvarate Aalse Kaptel I Dateauswertug mt STATA Prof. Dr. Josef Brüderl Uverstät Mahem Herbstsemester 7 Methode-Currculum B.A. Sozologe Bassmodul: Methode ud Statstk: VL Dateerhebug (): 5 ÜK

Mehr

ifh@-anwendung ifh@-anwendung Technische Rahmenbedingungen Welche Mindestvoraussetzungen müssen erfüllt sein?

ifh@-anwendung ifh@-anwendung Technische Rahmenbedingungen Welche Mindestvoraussetzungen müssen erfüllt sein? FH@-Anwendung Für de Umsetzung von Strukturfonds-Förderungen st laut Vorgaben der EU de Enrchtung enes EDV- Systems für de Erfassung und Übermttlung zuverlässger fnanzeller und statstscher Daten sowe für

Mehr

Enterprise Application Integration - Ein Modell zur Bewertung von IT-Investitionen in die Integration von Anwendungssystemen

Enterprise Application Integration - Ein Modell zur Bewertung von IT-Investitionen in die Integration von Anwendungssystemen Eterpre Applcato Itegrato - E Modell zur Bewertug vo IT-Ivettoe de Itegrato vo Awedugytee Autore: Herch, Berd / Frdge, Mchael Eterpre Applcato Itegrato - E Modell zur Bewertug vo IT- Ivettoe de Itegrato

Mehr

Geld- und Finanzmärkte

Geld- und Finanzmärkte Gel- un Fnanzmärkte Prof. Dr. Volker Clausen akroökonomk 1 Sommersemester 2008 Fole 1 Gel- un Fnanzmärkte 4.1 De Gelnachfrage 4.2 De Bestmmung es Znssatzes I 4.3 De Bestmmung es Znssatzes II 4.4 Zwe alternatve

Mehr

Finanzmathematik für HAK

Finanzmathematik für HAK Fiazmathematik für HAK Dr.Mafred Gurter 2008. Kapitalverzisug bei der Bak mit lieare (eifache) Zise währed des Jahres Beispiel : Ei Kapital vo 3000 wird mit 5% für 250 Tage verzist. Wie viel bekommt ma

Mehr

Wirtschaftsingenieurwesen Wirtschaftsmathematik Prüfungsleistung WI-WMT-P12 040703. Studiengang Fach Art der Leistung Klausur-Knz. Datum 03.07.

Wirtschaftsingenieurwesen Wirtschaftsmathematik Prüfungsleistung WI-WMT-P12 040703. Studiengang Fach Art der Leistung Klausur-Knz. Datum 03.07. Studiegag Fach Art der Leistug Klausur-Kz. Wirtschaftsigeieurwese Wirtschaftsmathematik Prüfugsleistug WI-WMT-P 040703 Datum 03.07.004 Bezüglich der Afertigug Ihrer Arbeit sid folgede Hiweise verbidlich:

Mehr