ÜbungsaufgabeN mit Lösungen

Größe: px
Ab Seite anzeigen:

Download "ÜbungsaufgabeN mit Lösungen"

Transkript

1 ÜbngsafgabeN mt Lösngen Statstk / Grndstdm Statstk I G - 3. Fachhochschle der Detschen Bndesbank Dr. Detmar Hbrch

2 Dr. Detmar Hbrch Statstk I Afgaben nd Lösngen Fachhochschle der G 3. Detschen Bndesbank S. Afgabe Am. Janar 995 wrden 500 Taschenrechner enes Compterherstellers asgelefert. De Lebensdaer deser Geräte enthält de folgende Tabelle: Lebensdaer Häfgket Jan Dez Jan Dez Jan Dez Jan Dez Jan. 0 - Dez Gesamt 500 a) Berechnen Se as den gegebenen Werten ene vollständge Häfgketstabelle. b) Stellen Se de Häfgket n Abhänggket von der Lebensdaer n enem Hstogramm dar. c) Erstellen Se ene Grafk der appromerten Dchtefnkton Ihrer Vertelng. Was lässt sch allgemen über de Fläche nterhalb ener Dchtefnkton assagen? d) Berechnen Se - das arthmetsche Mttel - den Modalwert - den Zentralwert der Vertelng. Interpreteren Se jewels Ihr Ergebns. e) Berechnen Se - de Spannwete - de Qartlsabwechng - de Varanz nd de Standardabwechng - den Varatonskoeffzenten der Vertelng. Interpreteren Se jewels Ihr Ergebns.

3 Dr. Detmar Hbrch Statstk I Afgaben nd Lösngen Fachhochschle der G 3. Detschen Bndesbank S. Lösng: a) Klasse Jahre h f F() * d f /d 0 < 80 0,7 0,7 0,085 < , 0,9,5 0, 3 3 < 70 0, 0,3 3,5 0, < ,3 0,86 5 0,5 5 6 < ,,0 8 0,035 Σ 500,00./../. 0./. b)

4 Dr. Detmar Hbrch Statstk I Afgaben nd Lösngen Fachhochschle der G 3. Detschen Bndesbank S. 3 c) De Fläche nterhalb ener Dchtefnkton beträgt mmer oder 00%. De appromerte Dchtefnkton erfüllt dese Bedngng m Falle glecher Klassenbreten. Problematsch st m konkreten Afgabenfall de Interpretaton der Häfgket m negatven Berech! d) arthmetsches Mttel: Klasse Jahre h f F() * d f/d h * * 0 < 80 0,7 0,7 0, < , 0,9,5 0, < 70 0, 0,3 3,5 0, 50 < ,3 0,86 5 0, < , 8 0, q Σ 500 3,3 Jahre h h * De Lebensdaer der Taschenrechner beträgt m Drchschntt,3 Jahre. 3

5 Dr. Detmar Hbrch Statstk I Afgaben nd Lösngen Fachhochschle der G 3. Detschen Bndesbank S. Modalwert : Vorgehenswese: Ermttlng der modalen Klasse (Klasse mt der größten Besetzngsdchte). De modale Klasse st m Bespel de Klasse. De Klassenmtte der modalen Klasse st der Modalwert. : Klasse Jahre h f F() * d f/d 0 < 80 0,7 0,7 0,085 < , 0,9,5 0, 3 3 < 70 0, 0,3 3,5 0, < ,3 0,86 5 0,5 5 6 < , 8 0,035 D Σ Jahre Modale Klasse mt der Klassenmtte 5 Jahre. Der häfgste Wert für de Lebensdaer der Taschenrechner beträgt 5 Jahre. Zentralwert (Medan): z e + α d Vorgehenswese : Man bestmmt de medane Klasse, für de glt, dass der Wert der Vertelngsfnkton 0,5 das erstemal überschretet. Her de Klasse. Man bestmmt den Antel der medanen Klasse α. Der Medan ergbt sch dann as : Klasse Jahre h f F() 0 < 80 0,7 0,7 Medane Klasse. Gescht st de Strecke der nteren < , 0,9 Schranke bs 0, < 70 0, 0,3 < ,3 0, < , z Σ 500,36 Jahre 0,5 0,3 a 0,68 0,86 0,3 z 0,68 +,36 De Hälfte der Taschenrechner errechen ene Lebensdaer von mehr als,36 Jahren, de andere Hälfte ene Lebensdaer von wenger als,36 Jahren.

6 Dr. Detmar Hbrch Statstk I Afgaben nd Lösngen Fachhochschle der G 3. Detschen Bndesbank S. 5 e) Spannwete : Defnton : R ma - mn. Be klasserten Werten st mn de Untergrenze der ersten Klasse nd ma de Obergrenze der letzten Klasse. Also : ma Dez. 0 0 mn Jan R 0 Jahre De Spannwete der Unterschng beträgt 0 Jahre. Qartlsabwechng :. Schrtt Bestmmng der Qartlsklassen. In welchen Klassen überschretet de Vertelngsfnkton das erstemal den 0,5 bzw. 0,75 Wert?. Qartl : F() Klasse : ( - 3). Qartl : F() Klasse : ( - 6). Schrtt Bestmmng der Untergrenze. 0,5 0,7 0,08 α 0,67 0,9 0,7 0, d e d α + e 0,67 +,67 3. Schrtt Bestmmng der Obergrenze o. 0,75 0,3 0,3 α 0,7 0,86 0,3 0,3 d e d α + e 0,7 + 5,8. Schrtt Bestmmng der Qartlsabwechng QA. QA o 5,8,67, ( ) ( ) 05 In enem Intervall von ±,05 Jahren m Drchschntt m den Medan befnden sch 50% der Lebensdaern der Taschenrechner. 5

7 Dr. Detmar Hbrch Statstk I Afgaben nd Lösngen Fachhochschle der G 3. Detschen Bndesbank S. 6 Varanz: Klasse Jahre h * * - q (* - q)^ h * (* - q)^ 0 < 80-3,306 0, ,8093 < 3 600,5 -,7306, , < 70 3,5-0,7306 0, , < , , , < ,776978, ,67,30 Σ ,079 σ,3855 De Varanz beträgt ca.,386 [Jahre]. Sachlch oft ncht z nterpreteren. Erst de Standardabwechng st weder emprsch nterpreterbar. Her nr theoretsches Maß zr Beschrebng der Streng. Formel : σ h * ( ) h Standardabwechng: σ σ,09 De enfache Standardabwechng st de Qadratwrzel as der Varanz. Se gbt an n welchem Abstand m das arthmetsche Mttel ca. 68% der Vertelngsmasse legen. Dese Angabe glt nr nter der Annahme n nd nter Gültgket der Vertelngsform ener Normalvertelng. De enfache Standardabwechng beträgt,09 Jahre. Damt werden ca. /3 der Vertelngsmasse n enem Abstand von ±,09 Jahren m das arthmetsche Mttel angetroffen. Varatonskoeffzent: V,09 σ 0,959 9,59%,3 De enfache Standardabwechng beträgt 9,59% vom arthmetschen Mttel. Der Varatonskoeffzent wrd zm Verglech der Strengen von Vertelngen herangezogen, de n nterschedlchen Dmensonen gemessen wrden. 6

8 Dr. Detmar Hbrch Statstk I Afgaben nd Lösngen Fachhochschle der G 3. Detschen Bndesbank S. 7 Afgabe : Jemand kaft senem Sohn 0 Glasmrmeln. Als passonerter Statstker seht er n hnen soglech ene statstsche Masse. Zr Berechnng charakterstscher Kennzffern hrer Vertelng bestmmt er den Drchmesser der Mrmeln nd fndet folgende Werte n cm : a) Berechnen Se : - den Modalwert - den Medan - das arthmetsche Mttel Interpreteren Se Ihre berechneten Werte. b) Berechnen Se : - de Spannwete - de Qartlsabwechng - de Varanz nd Standardabwechng - den Varatonskoeffzenten Interpreteren Se Ihre berechneten Werte. c) Af Wnsch des Sohnes beschafft der Vater zsätzlch 0 Glasmrmeln ähnlchen Typs. Als Drchmesser der Mrmeln n cm fndet er desmal : Bestmmen Se anhand des Varatonskoeffzenten welche Telmasse, a) oder c), wahrschenlch mt höherer Fertgngsgenagket erstellt wrde. d) Berechnen Se für de zsammengefasste Grndgesamthet - den Modalwert - den Medan - das arthmetsche Mttel 7

9 Dr. Detmar Hbrch Statstk I Afgaben nd Lösngen Fachhochschle der G 3. Detschen Bndesbank S. 8 Lösng zr Afgabe a ) Modalwert Der Modalwert st der häfgste Wert. D,89 cm (kommt 6 vor, globales Mamm) a ) Medan Der Medan st der Zentralwert von 0 Beobachtngen (n). Es glt m Falle gerader Anzahl von Beobachtngen: z n + + ( n ) ( 0 + ) (,89 +,93), 9 50% der Vertelngsmasse legen lnks we rechts vom Medan. De Hälfte aller Kgeln st größer als,9 cm, de andere Hälfte klener. a 3 ) arthmetsches Mttel Das arthmetsche Mttel beschrebt den Drchschntt von Nveagrößen. n 38,73, Der Drchschntt der Glasmrmeln legt be,9 cm b ) Spannwete De Spannwete gbt den emprschen Beobachtngsberech an. R ma mn,,7 0, De Schwankngsbrete der statstschen Masse beträgt 0, cm. b ) Qartlsabwechng De Qartlsabwechng gbt de drchschnttlche Dstanz zwschen dem Medan nd dem 5% Pnkt (bzw. 75% Pnkt o ) der Vertelngsfnkton an: ( ) QA o 8

10 Dr. Detmar Hbrch Statstk I Afgaben nd Lösngen Fachhochschle der G 3. Detschen Bndesbank S. 9 Telrehen werden (nach Sorteren) gebldet : ( + ) (,89 +,89), o ( + ) (,0 +,0), QA (,0,89) 0, % der Mrmeln befnden sch n enem Berech von ± 0,065 cm m Drchschntt m den Medan. b 3 ) Varanz nd Standardabwechng Varanz nd Standardabwechng snd theoretsche, statstsche Maße, de oft schwerg n der deskrptven Statstk z nterpreteren snd. σ n ( ) Mt dem Mttel von,9365 cm nd der Smme der qadrerten Beobachtngswerte von 75,97 cm folgt: σ 75,97, , De Varanz beträgt also 0, cm. Se kann znächst ncht nterpretert werden. De Standardabwechng als Wrzel der Varanz st weder nterpretatonsfähg. σ σ 0,099 Unter der Annahme, dass de Vertelng der beobachteten statstschen Masse ener Normalvertelng gehorcht, befnden sch ngefähr /3 der Vertelngsmasse n enem Berech von ± 0,099 cm m das arthmetsche Mttel. b ) Varatonskoeffzent Der Varatonskoeffzent normert de Standardabwechng af das arthmetsche Mttel. Standardserng wrd stets as Verglechsgründen vorgenommen. σ 0,099 V 0,058 5,8 %,9365 De Standardabwechng beträgt 5,8 % des arthmetschen Mttels. 9

11 Dr. Detmar Hbrch Statstk I Afgaben nd Lösngen Fachhochschle der G 3. Detschen Bndesbank S. 0 c) Varatonskoeffzent der. Telmasse Zm Verglech wrd der Varatonskoeffzent der. Telmasse benötgt. Es glt : n 9, 0,9 Das arthmetsche Mttel der. Telmasse beträgt,9 cm. Um den Varatonskoeffzenten blden z können, wrd de Standardabwechng der. Telmasse benötgt: σ n 0 ( ) ( ) 36,68,9 0, 0656 De Varanz der. Telmasse beträgt 0,0656 cm. De Standardabwechng st weder de Wrzel as der Varanz: σ σ 0,5 De Standardabwechng der. Telmasse beträgt 0,5 cm. Heras folgt n Verbndng mt dem arthmetschen Mttel : Der Verglech mt b ) zegt: σ 0,5 V 0,0588,9 5,88 % V < V Streng st klener als Streng Ergebns: De Orgnalrehe mt n 0 Werten bestzt de größere Fertgngsgenagket d ) Modalwert der zsammengefassten Grndgesamthet Der Modalwert der zsammengefassten Grndgesamthet lässt sch ncht as den Telmodalwerten berechnen. Es st notwendg, de statstschen Telmassen z ener neen Grndgesamthet zsammenzfassen. Man erhält: ges. D,89 cm. (,89 cm kommt n der zsammengefassten Grndgesamthet 0 vor. Globales Mamm!) 0

12 Dr. Detmar Hbrch Statstk I Afgaben nd Lösngen Fachhochschle der G 3. Detschen Bndesbank S. d ) Medan der zsammengefassten Grndgesamthet Nach Sorteren der neen Grndgesamthet (alle Werte!) erhält man den Medan: z ( + ),89 cm 5 6 d 3 ) arthmetsches Mttel der zsammengefassten Grndgesamthet Be dem arthmetschen Mttel ergbt sch der Drchschntt der Grndgesamthet als gewogenes arthmetsches Mttel der Telgesamtheten. n + n 0, ,9 30 ges. n + n Der Drchschntt der Grndgesamthet beträgt,93 cm.,983 cm

FORMELSAMMLUNG STATISTIK (I)

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

Mehr

Gliederung des Kurses:

Gliederung des Kurses: Endmensonale Häfgketsvertelng Sete 1 Glederng des Krses: I II Allgemene Grndlagen Statstsche Analyse enes enzelnen Merkmals Analyse/Beschrebng enes enzelnen Merkmals Zel: Verdchtng (Komprmerng) ener nüberschabaren

Mehr

Datenaufbereitung und -darstellung III

Datenaufbereitung und -darstellung III Datenafberetng nd Darstellng 1 Glederng: Zel der Datenafberetng nd Darstellng Datenverdchtng Tabellen nd grafsche Darstellngen Darstellng nvarater Datenmengen (Abschntt 4.4 Darstellng mltvarater Daten

Mehr

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

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

Mehr

Streuungs-, Schiefe und Wölbungsmaße

Streuungs-, Schiefe und Wölbungsmaße aptel IV Streuungs-, Schefe und Wölbungsmaße B... Lagemaße von äufgketsvertelungen geben allen weng Auskunft über ene äufgketsvertelung. Se beschreben zwar en Zentrum deser Vertelung, geben aber kenen

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

Mehr

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

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

Mehr

Fallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung

Fallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung Fallstude 4 Qualtätsregelkarten (SPC) und Versuchsplanung Abgabe: Lösen Se de Aufgabe 1 aus Abschntt I und ene der beden Aufgaben aus Abschntt II! Aufgabentext und Lösungen schrftlch bs zum 31.10.2012

Mehr

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm): Aufgabe 1 (4 + 2 + 3 Punkte) Bem Wegen von 0 Respaketen ergaben sch folgende Gewchte X(n Gramm): 1 2 3 4 K = (x u, x o ] (98,99] (99, 1000] (1000,100] (100,1020] n 1 20 10 a) Erstellen Se das Hstogramm.

Mehr

Erwartungswert, Varianz, Standardabweichung

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

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

Mehr

Definition des linearen Korrelationskoeffizienten

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

Mehr

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen Übungsklausur Wahrschenlchket und Regresson De Lösungen. Welche der folgenden Aussagen treffen auf en Zufallsexperment zu? a) En Zufallsexperment st en emprsches Phänomen, das n stochastschen Modellen

Mehr

Kapitel V. Parameter der Verteilungen

Kapitel V. Parameter der Verteilungen Kaptel V Parameter der Vertelungen D. 5.. (Erwartungswert) Als Erwartungswert ener Zufallsvarablen X bezechnet man: E( X ) : Dabe se vorausgesetzt: = = + p falls X dskret f d falls X stetg und = + p

Mehr

Item-response Theorie (Probablistiche Testtheorie) Grundidee der item-response Theorie ist, dass die Antworten auf die Testitems lediglich

Item-response Theorie (Probablistiche Testtheorie) Grundidee der item-response Theorie ist, dass die Antworten auf die Testitems lediglich Item-response Theore (Probablstche Testtheore Grnddee der tem-response Theore st, dass de Antworten af de Testtems ledglch Indatoren für ene z messende latente Varable (Trats, Klassen snd. Je nach Asprägng

Mehr

Lösungen der Aufgaben zu Kapitel 2

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

Mehr

Lösungen zum 3. Aufgabenblock

Lösungen zum 3. Aufgabenblock Lösungen zum 3. Aufgabenblock 3. Aufgabenblock ewerber haben n enem Test zur sozalen Kompetenz folgende ntervallskalerte Werte erhalten: 96 131 11 1 85 113 91 73 7 a) Zegen Se für desen Datensatz, dass

Mehr

Für wen ist dieses Buch? Was ist dieses Buch? Besonderheiten. Neu in dieser Auflage

Für wen ist dieses Buch? Was ist dieses Buch? Besonderheiten. Neu in dieser Auflage Für wen st deses Bch? Das Taschenbch der Elektrotechnk rchtet sch an Stdentnnen nd Stdenten an nverstäten nd Fachhochschlen n den Berechen Elektrotechnk Nachrchtentechnk Technsche Informatk allgemene Ingenerwssenschaften

Mehr

Entscheidungstheorie Teil 3. Thomas Kämpke

Entscheidungstheorie Teil 3. Thomas Kämpke Entschedngstheore Tel 3 Thomas Kämpke Sete Entschedngstheore Tel 3 Inhalt St. Petersbrg Paradoon (Bernoll 73) Präferenzfnktonen ttelpnktsmethode zr Bestmmng von Wertfnktonen über Intervallen (endmensonal)

Mehr

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden. Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve

Mehr

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

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

Mehr

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007 Lehrstuhl für Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen

Mehr

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e

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

Mehr

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

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

Mehr

Aspekte zur Approximation von Quadratwurzeln

Aspekte zur Approximation von Quadratwurzeln Aspete zur Approxmaton von Quadratwurzeln Intervallschachtelung Intervallhalberungsverfahren Heron-Verfahren Rechnersche und anschaulche Herletung Zusammenhang mt Newtonverfahren Monotone und Beschränthet

Mehr

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel ultlneare Algebra und hre Anwendungen Nr. : Normalformen Verfasser: Yee Song Ko Adran Jenn Rebecca Huber Daman Hodel 9.5.7 - - ultlneare Algebra und hre Anwendungen Jordan sche Normalform Allgemene heore

Mehr

2 Zufallsvariable und Verteilungen

2 Zufallsvariable und Verteilungen Zufallsvarable und Vertelungen 7 Zufallsvarable und Vertelungen Wr wollen uns jetzt mt Zufallsexpermenten beschäftgen, deren Ausgänge durch (reelle) Zahlen beschreben werden können, oder be denen man jedem

Mehr

Protokoll zu Versuch C1-Mischungsvolumina

Protokoll zu Versuch C1-Mischungsvolumina Protokoll zu Prnz: De sezfschen Mschungsvolumna ener Lösung werden durch auswegen fester Flüssgketsvolumna bekannter Lösungszusammensetzungen mt Hlfe von Pyknometern bestmmt. Theoretsche Grundlagen: Um

Mehr

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

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

Mehr

In der beschreibenden Statistik werden Daten erhoben, aufbereitet und analysiert. Beispiel einer Datenerhebung mit Begriffserklärungen (Vokabel)

In der beschreibenden Statistik werden Daten erhoben, aufbereitet und analysiert. Beispiel einer Datenerhebung mit Begriffserklärungen (Vokabel) Rudolf Brnkmann http://brnkmann-du.de Sete.. Datenerhebung, Datenaufberetung und Darstellung. In der beschrebenden Statstk werden Daten erhoben, aufberetet und analysert. Bespel ener Datenerhebung mt Begrffserklärungen

Mehr

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung am Bespel enes Modells der chadenverscherung Für das Modell ener chadenverscherung se gegeben: s w s. n 4 chaden enes Verscherungsnehmers, wenn der chadenfall entrtt Wahrschenlchket dafür, dass der chadenfall

Mehr

Standardnormalverteilung / z-transformation

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

Mehr

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression Beschrebung des Zusammenhangs zweer metrscher Merkmale Streudagramme Korrelatonskoeffzenten Regresson Alter und Gewcht be Kndern bs 36 Monaten Knd Monate Gewcht 9 9 5 8 3 4 7.5 4 3 6 5 3 6 4 3.5 7 35 5

Mehr

Konkave und Konvexe Funktionen

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

Mehr

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

Die hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x)

Die hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x) ZZ Lösung zu Aufgabe : Ch²-Test Häufg wrd be der Bearbetung statstscher Daten ene bestmmte Vertelung vorausgesetzt. Um zu überprüfen ob de Daten tatsächlch der Vertelung entsprechen, wrd en durchgeführt.

Mehr

1.11 Beispielaufgaben

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

Mehr

2πσ. e ax2 dx = x exp. 2πσ. 2σ 2. Die Varianz ergibt sich mit Hilfe eines weiteren bestimmten Integrals: x 2 e ax2 dx = 1 π.

2πσ. e ax2 dx = x exp. 2πσ. 2σ 2. Die Varianz ergibt sich mit Hilfe eines weiteren bestimmten Integrals: x 2 e ax2 dx = 1 π. 2.5. NORMALVERTEILUNG 27 2.5 Normalvertelung De n der Statstk am häufgsten benutzte Vertelung st de Gauss- oder Normalvertelung. Wr haben berets gesehen, dass dese Vertelung aus den Bnomal- und Posson-Vertelungen

Mehr

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2 1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:

Mehr

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

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

Mehr

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

6. Übung zur Linearen Algebra II

6. Übung zur Linearen Algebra II Unverstät Würzburg Mathematsches Insttut Prof. Dr. Peter Müller Dr. Peter Fleschmann SS 2006 30.05.2006 6. Übung zur Lnearen Algebra II Abgabe: Bs Mttwoch, 14.06.2006, 11:00 Uhr n de Brefkästen vor der

Mehr

Man erkennt, dass an der Induktivität die Spannung unendlich groß wird, wenn der Strom einen Sprung

Man erkennt, dass an der Induktivität die Spannung unendlich groß wird, wenn der Strom einen Sprung nverät Stttgart Intt für engselektronk nd Elektrsche Antrebe Abt. Elektrsche Energewandlng Prof. Dr.-Ing. N. Parspor Enschwngvorgänge Wenn n enem elektrschen Netzwerk en oder mehrere Energe spechernde

Mehr

5. ZWEI ODER MEHRERE METRISCHE MERKMALE

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

Mehr

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

Grundlagen sportwissenschaftlicher Forschung Deskriptive Statistik

Grundlagen sportwissenschaftlicher Forschung Deskriptive Statistik Grundlagen sportwssenschaftlcher Forschung Deskrptve Statstk Dr. Jan-Peter Brückner jpbrueckner@emal.un-kel.de R.6 Tel. 880 77 Deskrptve Statstk - Zele Beschreben der Daten Zusammenfassen der Daten Überblck

Mehr

22. Vorlesung Sommersemester

22. Vorlesung Sommersemester 22 Vorlesung Sommersemester 1 Bespel 2: Würfel mt festgehaltener Ecke In desem Fall wählt man den Koordnatenursprung n der Ecke und der Würfel st durch den Berech x = 0 a, y = 0 a und z = 0 a bestmmt De

Mehr

Kreditpunkte-Klausur zur Lehrveranstaltung Projektmanagement (inkl. Netzplantechnik)

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

Mehr

4.2 Grundlagen der Testtheorie

4.2 Grundlagen der Testtheorie 4.2 Grundlagen der Testtheore Wntersemester 2008 / 2009 Hochschule Magdeburg-Stendal (FH) Frau Prof. Dr. Gabrele Helga Franke Deskrptve Statstk 4-1 bs 4-2 1 GHF m WSe 2008 / 2009 an der HS MD-SDL(FH) m

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Aswertng nvarater Datenmengen - deskrptv Maßzahlen zr Beschrebng der Häfgketsvertelngen Häfgster Wert (Mods) Zentralwert (Medan) Arthmetsches Mttel Bblografe Prof. Dr. Kück; Statstk, Vorlesngsskrpt Abschntt

Mehr

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

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

Mehr

Exkurs: Entropie in der Wahrscheinlichkeitstheorie

Exkurs: Entropie in der Wahrscheinlichkeitstheorie Exkurs: Entrope n der Wahrschenlchketstheore a) Physk/Thermodynamk: S = k B ln(w) mt W=Anzahl glech-wahrschenlcher Möglchketen (Mkrozustände) a) Informatonstheore: Shannon (1948) Entrope wobe p = f /N

Mehr

Ionenselektive Elektroden (Potentiometrie)

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

Mehr

Musterklausur Wirtschaftsmathematik und Statistik. Zusatzstudium für Wirtschaftsingenieur

Musterklausur Wirtschaftsmathematik und Statistik. Zusatzstudium für Wirtschaftsingenieur Musterklausur Wrtschaftsmathematk und Statstk Zusatzstudum für Wrtschaftsngeneur Telnehmer (Name, Vorname): Datum:.2006 Prüfer: Böhm-Retg Matrkelnummer: REGELN 1. Zum Bestehen der Klausur snd mndestens

Mehr

6. Modelle mit binären abhängigen Variablen

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

Mehr

Dynamisches Programmieren

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

Mehr

1 Definition und Grundbegriffe

1 Definition und Grundbegriffe 1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:

Mehr

Übung zu Erwartungswert und Standardabweichung

Übung zu Erwartungswert und Standardabweichung Aufgabe Übung zu Erwartungswert und Standardabwechung In ener Lottere gewnnen 5 % der Lose 5, 0 % der Lose 0 und 5 % der Lose. En Los kostet 2,50. a)berechnen Se den Erwartungswert für den Gewnn! b)der

Mehr

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

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

Mehr

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

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

Mehr

z.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel!

z.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel! Aufgabe : Vorbemerkung: Ene Zufallsvarable st ene endeutge Funkton bzw. ene Abbldungsvorschrft, de angbt, auf welche Art aus enem Elementareregns ene reelle Zahl gewonnen wrd. x 4 (, ) z.b. Münzwurf: Kopf

Mehr

Rotation (2. Versuch)

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

Mehr

e dt (Gaußsches Fehlerintegral)

e dt (Gaußsches Fehlerintegral) Das Gaußsche Fehlerntegral Φ Ac 5-8 Das Gaußsche Fehlerntegral Φ st denert als das Integral über der Standard-Normalvertelung j( ) = -,5 n den Grenzen bs, also F,5 t ( ) = - e dt (Gaußsches Fehlerntegral)

Mehr

Spule, Induktivität und Gegeninduktivität

Spule, Induktivität und Gegeninduktivität .7. Sple, ndktvtät nd Gegenndktvtät Bldqelle: Doglas C. Gancol, Physk, Pearson-Stdm, 006 - das Magnetfeld Glechnamge Pole enes Magneten stoßen enander ab; nglechnamge Pole zehen sch gegensetg an. Wenn

Mehr

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

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

Mehr

Universität Karlsruhe (TH)

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

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - deskrptv Egenschaften des arthmetschen Mttels Enfache Streuungsmaße Spannwete Quartlabstand Das Dagramm enes Boplots Prof. Kück / Dr. Rcabal Lage- und Streuungsparameter

Mehr

Optimierung 4.3 A2 : Warenhauszentrale a 2 +b 2 =c 2 Materialbörse Mathematik

Optimierung 4.3 A2 : Warenhauszentrale a 2 +b 2 =c 2 Materialbörse Mathematik Zechenerklärung: [ ] - Drücken Se de entsprechende Taste des Graphkrechners! [ ] S - Drücken Se erst de Taste [SHIFT] und dann de entsprechende Taste! [ ] A - Drücken Se erst de Taste [ALPHA] und dann

Mehr

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

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

Mehr

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

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

Mehr

Statistik und Wahrscheinlichkeitsrechnung

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

Mehr

Statistische Kennzahlen für die Lage

Statistische Kennzahlen für die Lage Statstsche Kennzahlen für de Lage Bsher: gernge Informatonsverdchtung durch Vertelungsbeschrebung Jetzt: stärere Zusammenfassung der Daten auf hr Zentrum ls Raabe: Wahrschenlchetsrechnung und Statstsche

Mehr

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen

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

Mehr

Weitere NP-vollständige Probleme

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

Mehr

Elemente der Mathematik - Sommer 2016

Elemente der Mathematik - Sommer 2016 Elemente der Mathematk - Sommer 2016 Prof Dr Matthas Lesch, Regula Krapf Lösungen Übungsblatt 3 Aufgabe 9 (10 Punkte) Das Horner-Schema st ene Methode zum Auswerten enes Polynoms n a0 x an der Stelle s

Mehr

Lineare Regression (1) - Einführung I -

Lineare Regression (1) - Einführung I - Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:

Mehr

Aufgabenkomplex 2: Umrechung von Einheiten, Ungleichungen, Komplexe Zahlen

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

Mehr

Der Erweiterungsfaktor k

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

Mehr

SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT

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

Mehr

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt -

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt - Flußnetzwerke - Strukturbldung n der natürlchen Umwelt - Volkhard Nordmeer, Claus Zeger und Hans Joachm Schlchtng Unverstät - Gesamthochschule Essen Das wohl bekannteste und größte exsterende natürlche

Mehr

4. Musterlösung. Problem 1: Kreuzende Schnitte **

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

Mehr

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

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

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

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 009 UNIVERSITÄT KARLSRUHE Blatt 4 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 16: (Success Run, Fortsetzung)

Mehr

Verteilungen eindimensionaler diskreter Zufallsvariablen

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

Mehr

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

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

Mehr

Statistik. 1. Vorbereitung / Planung - präzise Formulierung der Ziele - detaillierte Definition des Untersuchungsgegenstandes

Statistik. 1. Vorbereitung / Planung - präzise Formulierung der Ziele - detaillierte Definition des Untersuchungsgegenstandes Statstk Defnton: Entwcklung und Anwendung von Methoden zur Erhebung, Aufberetung, Analyse und Interpretaton von Daten. Telgebete der Statstk: - Beschrebende (deskrptve) Statstk - Wahrschenlchketsrechnung

Mehr

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar.

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar. . Nullstellensuche Enes der ältesten numerschen Probleme stellt de Bestmmung der Nullstellen ener Funkton = dar. =c +c =c +c +c =Σc =c - sn 3 Für ene Gerade st das Problem trval, de Wurzel ener quadratschen

Mehr

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

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

Mehr

Die Transzendenz der Eulerschen Zahl e

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

Mehr

Datensätze und statistische Grundlagen: Begriffe, Definitionen, Konzepte

Datensätze und statistische Grundlagen: Begriffe, Definitionen, Konzepte Abtelung Arbetsmarktpoltk und Beschäftgung Hauptsemnar: Analse von Längsschnttdaten mt GSOEP und STATA Datensätze und statstsche Grundlagen: Begrffe, Defntonen, Konzepte 27. Oktober 2003 Abtelung Arbetsmarktpoltk

Mehr

Protokoll: Labor: Analogelektronik. Versuch: Transistorgrundschaltungen. Alexander Böhme Matthias Pätzold

Protokoll: Labor: Analogelektronik. Versuch: Transistorgrundschaltungen. Alexander Böhme Matthias Pätzold Protokoll: Labor: Analogelektronk Versch: Transstorgrndschaltngen Von: Alexander Böhme Matthas Pätzold Te1 Grndschaltngen mt bpolaren Transstoren. 1.1 Nachwes der thermschen Stablserng des Arbetspnktes.

Mehr

Methoden der innerbetrieblichen Leistungsverrechnung

Methoden der innerbetrieblichen Leistungsverrechnung Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den

Mehr

Abbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)).

Abbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)). 44 n n F F a) b) Abbldung 3.: Besetzungszahlen enes Fermgases m Grundzustand (a)) und für ene angeregte Konfguraton (b)). 3.3 Ferm Drac Statstk In desem Abschntt wollen wr de thermodynamschen Egenschaften

Mehr

Boost-Schaltwandler für Blitzgeräte

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

Mehr

Ordered Response Models (ORM)

Ordered Response Models (ORM) Handout: Mkroökonometre Ordered Response Models Domnk Hanglberger - SS 28 Ordered Response Models (ORM) Ist de abhängge Varable ordnal skalert (d.h. hre Kategoren lassen sch n ene Rangrehenfolge brngen,

Mehr

3. Lineare Algebra (Teil 2)

3. Lineare Algebra (Teil 2) Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw

Mehr

Manhattan-Metrik anhand des Beispiels

Manhattan-Metrik anhand des Beispiels Bestmmung durch Manhattan-Metrk 3 Manhattan-Metrk anhand des Bespels Gesucht werden de zwe Standorte für zwe Ausleferungslager. De Standpunkte der Nachfrager () snd durch de Koordnaten ( x/y ) gegeben.

Mehr

Prof. Dr. Roland Füss Statistik II SS 2008

Prof. Dr. Roland Füss Statistik II SS 2008 5. Spezelle Testverfahren Zahlreche parametrsche und nchtparametrsche Testverfahren, de nach Testvertelung (Bnomal, t-test etc.), Analysezel (Anpassungs- und Unabhänggketstest) oder Konstrukton der Prüfgröße

Mehr

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

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

Mehr