Merge-Sort und Binäres Suchen

Größe: px
Ab Seite anzeigen:

Download "Merge-Sort und Binäres Suchen"

Transkript

1 Merge-Sort ud Biäres Suche Ei Bericht vo Daiel Haeh Mediziische Iformatik, Prosemiar WS 05/06

2 Ihaltsverzeichis I. Eileitug 3 II. III. IV. i. Das Divide-ad-coquer -Verfahre Merge-Sort i. Eileitug ii. Fuktiosweise i der Theorie iii. Erläuterug am Beispiel iv. Aufwad vo Merge-Sort v. Implemetierug i Java vi. Implemetierug als Maplet i Maple Biäres Suche i. Eileitug ud Vorraussetzug ii. Fuktiosweise i der Theorie iii. Erläuterug am Beispiel iv. Aufwad vo Biäres Suche v. Implemetierug i Java vi. Implemetierug als Maplet i Maple Resultate ud Bewertug V. Literatur 16

3 I. Eileitug Dieser Bericht beschreibt die beide Algorithme Merge-Sort ud Biäres Suche i Theorie ud Praxis. Beide Algorithme bediee sich des Divide-ad-coquer -Verfahres, welches i der Iformatik eie wichtige Rolle spielt. Die Fuktiosweise vo Merge-Sort ud Biäres Suche wird vo mir erst theoretisch, da am Beispiel ud zu letzt als Implemetierug i Java sowie i Maple als Maplet demostriert. I.I Das Divide-ad-coquer -Verfahre Teile-ud-Herrsche (egl. Divide-ad-coquer ) ist eie Bezeichug für ei populäres algorithmisches Lösugsverfahre i der Iformatik. Ei bestimmtes Problem wird icht als Gazes bearbeitet, soder i zwei oder mehrere möglichst gleichgroße Teilprobleme geteilt. Diese werde da uabhägig voeiader gelöst ud schließlich zu eier Lösug des Gesamtproblems zusammegefügt. Ei vergleichbares Verfahre ist die Partialbruchzerlegug i der Mathematik. I der praktische Awedug wird meistes das Gesamtproblem so lage i eifachere Teilprobleme geteilt, bis sich diese umittelbar löse lasse. Rekursive Programmierug ist eie geeigete Methode zur Umsetzug des Divide-ad-coquer -Verfahres. Die Komplexität eier Lösug ach diesem Verfahre lässt sich meist sehr geau bereche. Zum Beispiel sei T( ) die Azahl der Schritte, die ei Algorithmus beötigt, der eie Folge der Läge i geau zwei gleichgroße Teile zerlegt. Uter der Voraussetzug, dass die beötigte Zwischeschritte bei jedem Teile ud Zusammefüge jeweils proportioal zu sid, ergibt sich folgede Gleichug für T mit eier Kostate c T ( ) = T + c ud T ( 1 ) = 0. Die Lösug der Gleichug T( ) lautet T( ) = c log Erfüllt ei Algorithmus diese Vorrausetzug besitzt er die optimale Laufzeit vo der Ordug ( ) Beweis: T 1 = T () 0 ( ) = T + c Ο ( log( ) ) 3

4 sei k, k 0 ud kε IN T ( ) = T + c = T + c + c 4 = 4 T + c + 4 k k T () c 1 = 1 + i= 0 log = () i 1 c 1 i= 0 log Ο log = ( ) ε ( ( )) c Ei Beispiel hierfür ist der Algorithmus Merge-Sort (siehe II). i II. Merge-Sort II.I Eileitug Der Sortieralgorithmus Merge-Sort erzeugt eie sortierte Folge durch Teile der Gesamtfolge ud aschließedem Zusammefüge sortierter Teilstücke. Dieses Verfahre bietet de Vorteil dass im Gegesatz zu adere Sortiertechike kei permaeter, direkter Zugriff auf alle Elemete der usortierte Folge gegebe sei muss. Somit köe Datemege sortiert werde, die als gesamte Folge icht i de Hauptspeicher passe würde. II.II Fuktiosweise i der Theorie Der Algorithmus hadelt ach dem Divide-ad-coquer -Prizip (siehe I.I). Eie Folge F = F1, F, F3,..., F soll sortiert werde. Die Idizes für F1 ud F müsse bekat sei ud begreze das Arbeitsfeld des Algorithmus. 1+ We F F 1 folgt die erste Teilug der Folge durch Mitte : =, wobei das Ergebis abgerudet wird. Es etstehe zwei Teilfolge der Folge F, welche als F = F,..., F ud F b = FMitte+1,..., F defiiert sid. Diese Teilug wird mit de Teilfolge Fa ud Fb wiederholt, bis die etstadee Teilfolge jeweils ur och ei Elemet ethalte ud trivial als sortiert gelte. Die kleiste beachbarte Teilfolge vergliche ud sortiert, so dass F x F, 1,,3... y1,,3... t1,,3... x1,,3... y1,,3... a 1 Mitte werde aschließed paarweise F = F + F uter der Vorraussetzug 4

5 F < F etstehe. Diese Prozedur des Zusammefüges (egl.: to merge) wird mit de x 1,,3... y1,,3... zusammegefügte Teilfolge F t F, 1,3,5... t,4,6... wiederholt, bis letztedlich ur och zwei, jeweils sortierte Teilfolge F, F a b existiere. Im letzte Schritt, werde diese beide Teilfolge da durch F = F a + F b zusammegefügt, wobei F a < Fb gilt. Die Folge F ist jetzt komplett sortiert. Abb. 1: Die ebestehede Grafik (Lag, 000) verdeutlicht das Prizip vo Merge-Sort i der Theorie. Die zu sortierede Folge wird i Teilfolge aufgeteilt (Divide), welche jeweils sortiert werde (Coquer). Die sortierte Teilfolge werde zu eier Gesamtfolge zusammegefügt, welche da komplett sortiert ist (Combie). II.III Erläuterug am Beispiel Abbildug zeigt das Vorgehe beim Merge-Sort - Algorithmus am direkte Beispiel. Die Folge [5,1,8,3,9,] soll sortiert werde. Als erstes wird diese Folge i der Mitte geteilt ud es bilde sich die beide Teilfolge [5,1,8] ud [3,9,]. Durch Rekursio werde die Teilfolge weiter geteilt, bis diese schließlich ur och ei Elemet ethalte. Nu werde die eielemetige Teilfolge acheiader, i sortierte Teilgruppe mit jeweils drei Elemete, zusammegefügt, bis letztedlich ur och die beide jeweils sortierte Teilfolge [1,5,8] ud [,3,9] existiere. Im letzte Schritt werde die zwei etstadee Teilgruppe zusammegefügt ud es etsteht die sortierte Folge [1,,3,5,8,9]. Abb. : Merge-Sort am Beispiel (Saake, Sattler, 004, p. 131) Die Implemetierug i Java (II.V) gibt bei diesem Beispiel folgede Iformatioe aus: Merge-Sort Usortierte Liste: Sortierte Liste: Maximaler Aufwad: ~7.0 Tatsaechlicher Aufwad: 5 Optimaler Aufwad:

6 Bei eier usortierte Folge mit sechs Elemete ka die Azahl der maximale Durchläufe vo Merge-Sort ~7,0 betrage. Bei diesem Beispiel lag der tatsächliche Aufwad bei 5 Durchläufe also sehr ah beim Optimum vo 4,67 Durchläufe. II.IV Aufwad vo Merge-Sort Bei diesem Sortierverfahre werde höchstes, sei Azahl der Elemete Schritte beötigt, ämlich Schritte zum Sortiere der eizele Teilgruppe ud Schritte zum Zusammefüge i die sortierte Folge. Die Komplexität des Merge-Sort -Verfahres beträgt also T ( ) + T ud Die Lösug der Gleichug T( ) T ergibt hier T ( 1 ) = 0. ( ) log( ) ε ( log( ) ) Ο. Die utere Schrake für das Sortierproblem vo ( log( ) ) Ο ( log( ) ) = Ω ( log( ) zusätzliche Speicherverbrauch vo ( ) Ω wird erreicht ud da ), ist dieser Algorithmus optimal. Jedoch beötigt er auch eie Θ für das Hilfsarray (siehe II.V ud II.VI). Bei der Implemetierug vo Merge-Sort gibt es verschiedee Variate. Die optimale Variate (siehe II.V ud II.VI) reduziert die Komplexität des Algorithmus auf 1.5 log( ) Durchläufe. Merge-Sort Komplexität Bubblesort Komplexität Quicksort Komplexität Heapsort Komplexität Bester Fall Ο ( log( ) ) Ο ( ) Ο ( log( ) ) ( log( ) ) Durchschitt Ο ( log( ) ) Ο ( ) Ο ( log( ) ) ( log( ) ) Schlechtester Ο ( log( ) ) Ο ( ) Ο ( ) ( log( ) ) Fall Selectiosort Komplexität Isertiosort Komplexität Ο Ο ( ) Ο ( ) Ο Ο ( ) Ο ( ) Ο Ο ( ) Ο ( ) Stabil? ja ja ei ei ja ja Abb. 3: Vergleich verschiedeer Sortieralgorithme a Had ihrer Komplexität Im Vergleich zu adere Sortieralgorithme liefert Merge-Sort bei eier iedrige durchschittliche Komplexität ei stabil sortiertes Ergebis. Stabil sortiert bedeutet, dass bei gleiche Sortierschlüssel die ursprügliche Reihefolge erhalte bleibt. II.V Implemetierug i Java Die folgede Implemetierug vo Merge-Sort i Java zeigt die optimale Variate (Saake, Sattler, 004, p. 13) mit der Zeitkomplexität 1.5 log( ). I meier Realisierug werde der maximale Aufwad, der tatsächliche Aufwad ud der optimale Aufwad agezeigt. 6

7 public class Sort { // die zu sortierede Liste private static it[] a = {5,1,8,3,9,; // der Zaehler fuer die Durchlaeufe private static it zahl = 0; /** * Dieser Methode sortiert die Folge a mit dem Algorithmus Merge-Sort. * liks - die like Greze der Liste rechts - die rechte Greze der Liste */ private static void mergesort(it liks, it rechts) { it i,j,k; it[] hilfsarray = ew it[a.legth]; if (rechts liks) { // zaehle aller Durchlaeufe zahl++; // teile der liste it mitte = (rechts + liks) / ; // ereuter aufruf dieser prozedur mit begrezug des arbeitsfeldes auf der liste mergesort(liks,mitte); mergesort(mitte+1,rechts); // hilfsarray fuelle for(k=liks; k <= mitte; k++) { hilfsarray[k] = a[k]; for(k=mitte; k < rechts; k++) { hilfsarray[rechts+mitte-k] = a[k+1]; // mische des arrays i die eigetliche liste i = liks; j = rechts; for(k=liks; k <= rechts; k++) { if(hilfsarray[i] < hilfsarray[j]) { else { a[k] = hilfsarray[i++]; a[k] = hilfsarray[j--]; 7

8 /** * Mai-Methode - hier wird eie "Merge-Sort"-Sortierug gestartet * args */ public static void mai(strig[] args) { double best_tries,max_tries; System.out.pritl("Merge-Sort"); System.out.pritl(" "); System.out.prit("Usortierte Liste: "); for (it i=0; i<a.legth;i++) { System.out.prit(a[i]); System.out.prit("\"); mergesort(0,a.legth-1); System.out.prit("Sortierte Liste: "); for (it i=0; i<a.legth;i++) { System.out.prit(a[i]); // maximale Aufwad bereche max_tries = (Math.roud(1.5*(a.legth*(Math.log(a.legth)/Math.log(10)))*100)); max_tries = max_tries / 100; // optimale Aufwad bereche best_tries = (Math.roud(a.legth*(Math.log(a.legth)/Math.log(10))*100)); best_tries = best_tries / 100; System.out.prit("\"); System.out.pritl("Maximaler Aufwad: ~" + max_tries); System.out.pritl("Tatsaechlicher Aufwad: " + zahl); System.out.pritl("Optimaler Aufwad: " + best_tries); II.VI Implemetierug als Maplet i Maple Die Realisierug als Maplet i Maple ist das Äquivalet zur Implemetierug i Java (siehe II.V) bietet jedoch eie graphische Oberfläche. 8

9 Abb. 4: Merge-Sort -Maplet i Maple mergesort := proc(liks,rechts) local i,j,k,hilfsarray,azahl_a,mitte; global a,zahl; azahl_a := ops(a); hilfsarray:=array(1..azahl_a); if (rechts liks) the # zaehle aller durchlaeufe zahl:=zahl+1; # teile der liste mitte:=(truc((rechts + liks)/)); # ereuter aufruf dieser prozedur mit begrezug des arbeitsfeldes auf der liste mergesort(liks, mitte); mergesort(mitte+1, rechts); # hilfsarray fuelle for k from liks to mitte do hilfsarray[k] := a[k]; ed do; for k from mitte to rechts-1 do hilfsarray[(rechts+mitte)-k] := a[k+1]; ed do; # mische des hilfsarrays i die eigetliche liste i := liks; j := rechts; for k from liks to rechts do if (hilfsarray[i] < hilfsarray[j]) the a[k] := hilfsarray[i]; i := i+1; else a[k] := hilfsarray[j]; j := j-1; fi; ed do; fi; ed proc: starte:=proc() local max_tries,sortiert,best_tries; global a,zahl; 9

10 zahl:=0; a:=maplets:-tools:-get('usortiertefolgetextfeld'::list); max_tries:=roud(evalf(1.5*(ops(a)*(log[10](ops(a))))*100)); max_tries:=max_tries*0.01; max_tries:=covert(max_tries,strig); max_tries:="maximaler Aufwad: ~" max_tries; best_tries:=roud(evalf(ops(a)*(log[10](ops(a))))*100); best_tries:=best_tries*0.01; best_tries:=covert(best_tries,strig); best_tries:="optimaler Aufwad: " best_tries; Maplets:-Tools:-Set('MaximalerAufwadLabel'('captio') = max_tries); Maplets:-Tools:-Set('OptimalerAufwadLabel'('captio') = best_tries); mergesort(1,ops(a)); zahl:=covert(zahl,strig); zahl:="tatsaechlicher Aufwad: " zahl; Maplets:-Tools:-Set('TatsaechlicherAufwadLabel'('captio') = zahl); sortiert:=covert(a,strig); Maplets:-Tools:-Set('UsortierteFolgeTextfeld' = sortiert); ed proc: III. Biäres Suche III.I Eileitug ud Vorraussetzug Der Algorithmus Biäres Suche ist eie Suchroutie, die ach dem Divide-ad-coquer - Verfahre (siehe I.I) arbeitet. Der Algorithmus sucht ei bestimmtes Elemet i eier vorgegebee Liste. Vorraussetzug ist jedoch, dass die Liste sortiert ist. Biäres Suche lässt sich gut a eier Suche i eiem Telefobuch verdeutliche. Niemad würde die Eiträge vo vor begied jeweils mit dem gesuchte Name vergleiche ma schlägt eher das Buch auf ud vergleicht, ob sich der gewüschte Gesprächsparter vor oder hiter der aktuelle Stelle befidet ud sucht da i dem eigegrezte Bereich weiter. Dies beschreibt das Verfahre dieses Algorithmus. III.II Fuktiosweise i der Theorie Seie F F F, F,..., eie sortierte Folge ud die Idizes F ud F bekat, da = 1, 3 F 1 1+ fuktioiert Biäres Suche so, dass zuerst i der abgerudete Mitte : = geprüft wird, ob der gesuchte Wert K ist ud somit i der Teilfolge F = F,..., F ethalte F Mitte b Mitte+1 10

11 oder ob der gesuchte Wert K < F Mitte ist ud sich somit i der Teilfolge F,..., a = F1 FMitte 1 befidet. Sollte K = sei, so wäre K direkt gefude ud die Suche beedet. F Mitte ( Mitte + 1) + We K F Mitte da wird die Mitte b : = utersucht, wobei das Ergebis ( 1) + Mitte 1 abgerudet wird. We K < F Mitte da wird die abgerudete Mitte a : = geprüft. We K F Mitteb da ist sicher, dass sich K i Fb = FMitte,..., F b b +1 befidet ud bei K < F Mitteb wird Fb = F +1,..., utersucht. b Mitte FMitteb 1 Dieses Verfahre wird fortgeführt bis K gefude wird, oder bis die Teilfolge ur och ei Elemet ethalte da ist ämlich K icht i F vorhade. III.III Erläuterug am Beispiel i m i m m i Abb. 5: Biäres Suche i eier sortierte Folge j j j Das Prizip vo Biäres Suche lässt sich leicht a Had dieses Beispiels durchschaue. I der sortierte Folge i Abbildug 4 soll das Elemet 8 gesucht werde. Die like Greze i ist am Afag 1, die rechte Greze j ist auf 10 gesetzt Daraus ergibt sich für die abgerudete eue Mitte m : = = 5. Da das gesuchte Elemet 8 größer als das Elemet a der Positio m ist, wird i der rechte Hälfte weitergesucht. Beim ächste Schritt ist somit die like Greze i : = m + 1. Das Elemet a der eue Mitte m : = = 8 ist 14 ud somit kleier als das gesuchte Elemet. Deshalb wird der Bereich durch die rechte Schrake weiter eigegrezt Die folgede Mitte m : = = 6 etspricht dem gesuchte Elemet 8 es wurde also a Positio 6 gefude. Die Implemetierug i Java (siehe III.V) gibt zu diesem Beispiel folgedes aus: Biaere Suche Maximaler Aufwad: ~3.3 Tatsaechlicher Aufwad: 3 Gefude a Stelle: 5 Die Abweichug i der Positio liegt dara, dass Java de erste Idex der Folge als 0 statt 1 bezeichet. Es fällt auf, dass der maximale Aufwad des Algorithmus sehr iedrig ist. 11

12 III.IV Aufwad vo Biäres Suche Der Aufwad dieses Algorithmus wird a Had der Schleifedurchläufe beurteilt, da i jedem Durchlauf eie kostate Azahl vo Operatioe durchgeführt wird. Im beste Fall befidet sich das gesuchte Elemet i der Mitte der sortierte Folge ud die Suche ka daher ach eiem Schritt beedet werde. Maximal müsse im i-te Durchlauf Elemete durchsucht werde. Demetspreched sid i log Schritte ötig. Somit liegt das Verfahre ach Ladau-Notatio i der Komplexitätsklasse Ο ( log). Im Vergleich zum Algorithmus Azahl Schritte Bester Fall 1 Sequezielle Suche ist die Effiziez vo Biäres Suche eorm. Jedoch Schlechtester Fall akzeptiert die Sequezielle Suche Durchschitt bei Erfolg auch usortierte Folge als Suchfeld. Durchschitt ohe Erfolg ~ log ~ log ~ log Sequezielle Suche ~5 ~50 ~500 ~5000 Biäres Suche ( log ) ~3.3 ~6.6 ~9.9 ~13.3 Abb. 6: Aufwad vo Biäres Suche III.V Implemetierug i Java I meier Realisierug der iterative Variate des Verfahres i Java werde der maximale Aufwad ud der tatsächliche Aufwad agezeigt. public class Suche { // aufwadszaehler private static it zahl = 0; /** * Diese Procedur fuehrt eie "Biaere Suche" ach dem Elemet s im Array a durch. * a - Array vom Typ It s - zu Suchede Zahl Typ It Die Positio vo s i a oder -1 falls icht gefude */ private static it suche(it[] a, it s) { it i = 0; it j = a.legth - 1; while (i <= j) { // durchlaeufe zaehle zahl++; // liste a teile it k = (i + j) / ; 1

13 if (a[k] == s) { else if (a[k] s) { else { // s i a a der stelle k gefude retur k; // rechte schrake ach ie verlager j = k - 1; // like schrake ach ie verlager i = k + 1; // s icht i a gefude retur -1; /** * Mai-Methode - hier wird eie "Biaere Suche" gestartet. * args */ public static void mai(strig[] args) { // zu suchedes Elemet it s = 8; // sortierte Liste it[] a = {1,3,4,5,7,8,10,14,16,0; System.out.pritl("Biaere Suche"); System.out.pritl(" "); it foud = suche(a,s); // maximale Aufwad bereche double max_tries = (Math.roud((Math.log(a.legth) / Math.log())*100)); max_tries = max_tries / 100; System.out.pritl("Maximaler Aufwad: ~" + max_tries); System.out.pritl("Tatsaechlicher Aufwad: " + zahl); System.out.pritl("Gefude a Stelle: " + foud); III.VI Implemetierug als Maplet i Maple Die Realisierug der iterative Variate vo Biäres Suche als Maplet i Maple ist das Äquivalet zur Versio i Java (siehe III.V) bietet jedoch eie graphische Oberfläche. 13

14 suche := proc(a::list,s::iteger) Abb. 7: Biäres Suche -Maplet i Maple local i,j,k; global zahl; i:=1; j:=ops(a); while(i <= j) do # durchlaeufe zaehle zahl:=zahl+1; # liste a teile k:=(truc((i+j)/)); if(a[k] = s) the # s i a a der stelle k gefude retur k; elif (a[k] s) the # rechte schrake ach ie verlager j:=k-1; else # like schrake ach ie verlager i:=k+1; fi; ed do; # s icht i a gefude retur -1; ed proc: starte := proc() local a,s,foud,max_tries; global zahl; zahl:=0; foud:=-1; a:=maplets:-tools:-get('folgetextfeld'::list); max_tries:=roud(evalf(log[](ops(a)))*100); max_tries:=max_tries*0.01; max_tries:=covert(max_tries,strig); max_tries:="maximaler Aufwad: ~" max_tries; s:=maplets:-tools:-get('suchetextfeld'::iteger); Maplets:-Tools:-Set('MaximalerAufwadLabel'('captio') = max_tries); 14

15 foud := suche(a,s); zahl:=covert(zahl,strig); zahl:="tatsaechlicher Aufwad: " zahl; Maplets:-Tools:-Set('TatsaechlicherAufwadLabel'('captio') = zahl); foud:=covert(foud,strig); foud:="gefude a der Stelle: " foud; Maplets:-Tools:-Set('GefudeLabel'('captio') = foud); ed proc: IV. Resultate ud Bewertug Die beide Algorithme Merge-Sort ud Biäres Suche demostriere die Effiziez ud Stärke des Divide-ad-coquer -Schemas. Im Vergleich zu lieare ud sequetielle Algorithme biete die i meiem Bericht behadelte Verfahre deutlich schellere Methode eie Datestruktur zu aalysiere ud zu verarbeite. Eie sortierte Datemege zum Beispiel durch Merge-Sort hat de wesetliche Vorteil, dass der weiterverarbeitede Zugriff viel effizieter gestaltet werde ka. Zwar setzt die Biäres Suche -Techik voraus, dass die verwedete Date sortiert sid, bietet aber dafür eie sehr viel schellere Möglichkeit des Verarbeites als adere Suchalgorithme. Eie Kombiatio eies effektive Sortieralgorithmus ud eies Suchalgorithmus, der da diese sortierte Datemege bearbeitet, ist faktisch meistes vorteilhafter. Da bei Merge-Sort zusätzlicher Speicher beötigt wird, fällt die Wahl des geeigete Sortieralgorithmus i der praktische Realisierug meist auf Quicksort. Quicksort bietet allerdigs kei stabiles Ergebis ud die Komplexität ka im schlechteste Fall die vo Merge-Sort übersteige. Die No-Free-Luch-Theoreme besage, dass we ma die Mege aller mathematisch mögliche Probleme eibezieht, alle Suchalgorithme im Durchschitt gleich effektiv sid (vgl. Wikipedia Mitwirkede, 005d). Ugeachtet macher Eischräkuge biete auf dem Divide-ad-coquer -Verfahre basierede Algorithme sehr gute Möglichkeite, bei gezielter Awedug ei Maximum a Wirkkraft zu erreiche. Isbesodere uter Berücksichtigug der i userer Zeit auftretede riesige Datemege, sid die richtig ausgewählte ud eigesetzte Algorithme eorm wichtig. Vorraussetzug für de erfolgreiche Eisatz eies Algorithmus ist die korrekte Aalyse der Komplexität. Für diese Zweck ist die Ladau-Notatio, basiered auf dem Master-Theorem, wie geschaffe. 15

16 V. Literatur Diese Liste ethält die verwedete Literatur zu meiem Bericht über die Algorithme Merge-Sort (Jauerig, 004; Lag, 000, 005; Saake, Sattler, 004, p. 19 ff.; Wikipedia Mitwirkede, 005a, 005c) ud Biäres Suche (Saake, Sattler, 004, p. 118 ff.; Wikipedia Mitwirkede, 005b, 005d), welche beide ach dem Divide-ad-coquer - Verfahre (Meyers Lexiko Mitwirkede, 1995; Hromkovic, 1998) arbeite. Die gekezeichete Olie-Dokumete befide sich zusätzlich als gespiegelte Versioe uter im WWW. Hromkovic, J. (1998): Algorithmics for Hard Problems. Spriger-Verlag Berli Heidelberg New York,. Aufl., ISBN Jauerig, M. (004): Mergesort [olie]. Liux-Related, URL: Stad: Lag, H.W. (000): Mergesort [olie]. FH Flesburg, URL: Stad: Lag, H.W. (005): Mergesort iterativ [olie]. FH Flesburg, URL: Stad: Meyers Lexiko Mitwirkede (1995): Divide-ad-coquer-Verfahre. aus: Meyers Lexiko Iformatik, Bibliographisches Istitut & F.A. Brockhaus AG, Maheim, ISBN Saake, G., K.-U. Sattler (004): Algorithme ud Datestrukture. dpukt.verlag, Heidelberg,. Aufl., ISBN Wikipedia Mitwirkede (005a): Mergesort [olie]. Wikipedia: Die freie Ezyklopädie, URL: Stad: Wikipedia Mitwirkede (005b): Biäre Suche [olie]. Wikipedia: Die freie Ezyklopädie, URL: Stad: Wikipedia Mitwirkede (005c): Sortierverfahre [olie]. Wikipedia: Die freie Ezyklopädie, URL: , Stad: Wikipedia Mitwirkede (005d): No-Free-Luch-Theoreme [olie]. Wikipedia: Die freie Ezyklopädie, URL: Theoreme&oldid=787713, Stad:

Informatik II Dynamische Programmierung

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

Mehr

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

SUCHPROBLEME UND ALPHABETISCHE CODES

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

Mehr

2. Gleichwertige Lösungen

2. Gleichwertige Lösungen 8. Gleichwertige Lösuge Für die Lösug jeder lösbare Aufgabe gibt es eie uedliche Azahl vo (abstrakte ud kokrete) Algorithme. Das folgede Problem illustriert, dass eie Aufgabe eifacher oder kompliziert,

Mehr

Innerbetriebliche Leistungsverrechnung

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

Mehr

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

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

Mehr

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

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

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

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

Mehr

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

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

Mehr

Lernhilfe in Form eines ebooks

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

Mehr

BINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008

BINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008 Stochasti ud ihre Didati Refereti: Iris Wiler 10.11.2008 Aufgabe: Führe Sie i der Seudarstufe II die Biomialoeffiziete als ombiatorisches Azahlproblem ei. Erarbeite Sie mit de Schülerie ud Schüler mithilfe

Mehr

Lektion II Grundlagen der Kryptologie

Lektion II Grundlagen der Kryptologie Lektio II Grudlage der Kryptologie Klassische Algorithme Ihalt Lektio II Grudbegriffe Kryptologie Kryptographische Systeme Traspositioschiffre Substitutioschiffre Kryptoaalyse Übuge Vorlesug Datesicherheit

Mehr

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

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

Mehr

Höhere Finanzmathematik. Sehr ausführliches Themenheft (d. h. mit Theorie) Aber auch mit vielen Trainingsaufgaben

Höhere Finanzmathematik. Sehr ausführliches Themenheft (d. h. mit Theorie) Aber auch mit vielen Trainingsaufgaben Expoetielles Wachstum Höhere Fiazmathematik Sehr ausführliches Themeheft (d. h. mit Theorie) Aber auch mit viele Traiigsaufgabe Es hadelt sich um eie Awedug vo Expoetialfuktioe (Wachstumsfuktioe) Datei

Mehr

Musterlösung zu Übungsblatt 2

Musterlösung zu Übungsblatt 2 Prof. R. Padharipade J. Schmitt C. Schießl Fuktioetheorie 25. September 15 HS 2015 Musterlösug zu Übugsblatt 2 Aufgabe 1. Reelle Fuktioe g : R R stelle wir us üblicherweise als Graphe {(x, g(x)} R R vor.

Mehr

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

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

Mehr

Tao De / Pan JiaWei. Ihrig/Pflaumer Finanzmathematik Oldenburg Verlag 1999 =7.173,55 DM. ges: A m, A v

Tao De / Pan JiaWei. Ihrig/Pflaumer Finanzmathematik Oldenburg Verlag 1999 =7.173,55 DM. ges: A m, A v Tao De / Pa JiaWei Ihrig/Pflaumer Fiazmathematik Oldeburg Verlag 1999 1..Ei Darlehe vo. DM soll moatlich mit 1% verzist ud i Jahre durch kostate Auitäte getilgt werde. Wie hoch sid a) die Moatsrate? b)

Mehr

2 Vollständige Induktion

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

Mehr

Lerneinheit 2: Grundlagen der Investition und Finanzierung

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

Mehr

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

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

Mehr

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

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

Mehr

A/D UND D/A WANDLER. 1. Einleitung

A/D UND D/A WANDLER. 1. Einleitung A/D UND D/A WANDLER. Eileitug Zur Umwadlug physikalischer Größe, beispielsweise i eie Spaug, werde Wadlerbausteie - auch allgemei Sigalumsetzer geat- beötigt. Ei Sesor liefert ei aaloges Sigal, das i geeigeter

Mehr

Fingerprinting auf Basis der Geometrischen Struktur von Videos

Fingerprinting auf Basis der Geometrischen Struktur von Videos 35.1 Figerpritig auf Basis der Geometrische Struktur vo Videos Dima Pröfrock, Mathias Schlauweg, Erika Müller Uiversität Rostock, Istitut für Nachrichtetechik, Richard Wager Str. 31, 18119 Rostock, {dima.proefrock,

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

Linsengesetze und optische Instrumente

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

Mehr

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

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

Mehr

Das Digitale Archiv des Bundesarchivs

Das Digitale Archiv des Bundesarchivs Das Digitale Archiv des Budesarchivs 2 3 Ihaltsverzeichis Das Digitale Archiv des Budesarchivs 4 Techische Ifrastruktur 5 Hilfsmittel zur Archivierug 5 Archivierugsformate 6 Abgabe vo elektroische Akte

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

AVANTI Neuerungen. Inhalt. I. Neuerungen Version 16. 1. Pin Funktion. 2. Status für Nachtragspositionen. 3. DBD Baupreise EFB

AVANTI Neuerungen. Inhalt. I. Neuerungen Version 16. 1. Pin Funktion. 2. Status für Nachtragspositionen. 3. DBD Baupreise EFB Neueruge Software Techologie GmbH 67433 Neustadt / Weistraße Ihalt I. Neueruge Versio 16 3 1. Pi Fuktio 3 2. Status für Nachtragspositioe 5 3. DBD Baupreise EFB 6 4. Programm Eistiegs Assistet 8 5. Voreistellugs-Assistet

Mehr

Wiederkehrende XML-Inhalte in Adobe InDesign importieren

Wiederkehrende XML-Inhalte in Adobe InDesign importieren Wiederkehrede XML-Ihalte i Adobe IDesig importiere Dieses Tutorial soll als Quick & Dirty -Kurzaleitug demostriere, wie wiederkehrede XML-Ihalte (z. B. aus Datebake) i Adobe IDesig importiert ud formatiert

Mehr

Gliederung. Value-at-Risk

Gliederung. Value-at-Risk Value-at-Risk Dr. Richard Herra Nürberg, 4. Noveber 26 IVS-Foru Gliederug Modell Beispiel aus der betriebliche Altersversorgug Verteilug des Gesatschades Value-at-Risk ud Tail Value-at-Risk Risikobeurteilug

Mehr

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

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban Istitut für tochastik Prof. Dr. N. Bäuerle Dipl.-Math.. Urba Lösugsvorschlag 9. Übugsblatt zur Vorlesug Fiazmathematik I Aufgabe Ei euartiges Derivat) Wir sid i eiem edliche, arbitragefreie Fiazmarkt,

Mehr

Klasse: Platzziffer: Punkte: / Graph zu f

Klasse: Platzziffer: Punkte: / Graph zu f Pflichtteil Mathematik I Aufgabe P Name: Vorame: Klasse: Platzziffer: Pukte: / P.0 Gegebe ist die Fuktio f mit der Gleichug (siehe Zeichug). y x8 y,25 4 mit GI IRIR Graph zu f O x P. x 8 Die Pukte C (x,25

Mehr

Nachklausur - Analysis 1 - Lösungen

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

Mehr

Kapitel 4: Stationäre Prozesse

Kapitel 4: Stationäre Prozesse Kapitel 4: Statioäre Prozesse M. Scheutzow Jauary 6, 2010 4.1 Maßerhaltede Trasformatioe I diesem Kapitel führe wir zuächst de Begriff der maßerhaltede Trasformatio auf eiem Wahrscheilichkeitsraum ei ud

Mehr

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

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

Mehr

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

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

Mehr

LS Retail. Die Branchenlösung für den Einzelhandel auf Basis von Microsoft Dynamics NAV

LS Retail. Die Branchenlösung für den Einzelhandel auf Basis von Microsoft Dynamics NAV LS Retail Die Brachelösug für de Eizelhadel auf Basis vo Microsoft Dyamics NAV akquiet Focus auf das Wesetliche User Focus liegt immer auf der Wirtschaftlichkeit: So weig wie möglich, soviel wie ötig.

Mehr

Statistik I Februar 2005

Statistik I Februar 2005 Statistik I Februar 2005 Aufgabe 0 Pukte Ei Merkmal X mit de mögliche Auspräguge 0 ud, das im Folgede wie ei kardialskaliertes Merkmal behadelt werde ka, wird a Merkmalsträger beobachtet. Dabei bezeichet

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

Elektrostatische Lösungen für mehr Wirtschaftlichkeit

Elektrostatische Lösungen für mehr Wirtschaftlichkeit Elektrostatische Lösuge für mehr Wirtschaftlichkeit idustrie für igeieure, profis ud techiker i etwicklug, produktio ud motage. www.kerste.de Elektrostatische Lösuge kerste ist seit über 40 Jahre der führede

Mehr

Zusammenfassung Wirtschaftsinformatik Stefan Käßmann

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

Mehr

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

HARDWARE-PRAKTIKUM. Versuch L-4. Komplexe Schaltwerke. Fachbereich Informatik. Universität Kaiserslautern

HARDWARE-PRAKTIKUM. Versuch L-4. Komplexe Schaltwerke. Fachbereich Informatik. Universität Kaiserslautern HARDWARE-PRAKTIKUM Versuch L-4 Komplexe Schaltwerke Fachbereich Iformatik Uiversität Kaiserslauter Seite 2 Versuch L-4 Versuch L-4 I diesem Versuch soll ei Rechewerk zur Multiplikatio vo zwei vorzeichelose

Mehr

2. Diophantische Gleichungen

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

Mehr

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

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

Mehr

Stichproben im Rechnungswesen, Stichprobeninventur

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

Mehr

Gruppe 108: Janina Bär Christian Hörr Robert Rex

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

Mehr

IWW Studienprogramm. Aufbaustudium. Gründungscontrolling. Lösungshinweise zur 3. Musterklausur

IWW Studienprogramm. Aufbaustudium. Gründungscontrolling. Lösungshinweise zur 3. Musterklausur Istitut für Wirtschaftswisseschaftliche Forschug ud Weiterbildug GmbH Istitut a der FerUiversität i Hage IWW Studieprogramm Aufbaustudium Grüdugscotrollig Lösugshiweise zur 3. Musterklausur Lösugshiweise

Mehr

Elektronikpraktikum: Digitaltechnik 2

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

Mehr

Das Rätsel mit der Balkenwaage

Das Rätsel mit der Balkenwaage Das Rätsel mit der Balkewaage Mathematische Abhadlug über ei Iformatiosproblem 6. Juli 998:. Fassug 6. Jauar 999: 2. Fassug 24. Jui 2005: Überarbeitug Marti Abbühl, Thu, CH balkewaage@abbuehl.et 0. Ihalt

Mehr

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

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

Mehr

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

15.4 Diskrete Zufallsvariablen

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

Mehr

Einleitung. Aufgabe 1a/1b. Übung IV

Einleitung. Aufgabe 1a/1b. Übung IV Übug IV Eileitug Etity-Relatioship-Modell: Modellierug zu Aalyse- ud Etwurfszwecke (Phase 2 i Wasserfallodell). "diet dazu, de projektierte Awedugsbereich zu strukturiere." [Keper/Eickler: Datebaksystee]

Mehr

KASSENBUCH ONLINE Online-Erfassung von Kassenbüchern

KASSENBUCH ONLINE Online-Erfassung von Kassenbüchern KASSENBUCH ONLINE Olie-Erfassug vo Kassebücher Ihaltsverzeichis 1 Leistugsbeschreibug... 3 2 Itegratio i das Ageda-System... 4 3 Highlights... 5 3.1 Ituitive Olie-Erfassug des Kassebuchs... 5 3.2 GoB-sicher

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

Eine Parallelschaltung lässt sich

Eine Parallelschaltung lässt sich Stromversorgug Netzteil-Parallelschaltug Schaltetzteile parallel geschaltet Techische Details zur passive Stromaufteilug Ziel der Parallelschaltug vo Schaltetzteile (s) ist die Leistugserhöhug mittel der

Mehr

Mathematik. Vorlesung im Bachelor-Studiengang Business Administration (Modul BWL 1A) an der FH Düsseldorf im Wintersemester 2008/09

Mathematik. Vorlesung im Bachelor-Studiengang Business Administration (Modul BWL 1A) an der FH Düsseldorf im Wintersemester 2008/09 Mathematik Vorlesug im Bachelor-Studiegag Busiess Admiistratio (Modul BWL A) a der FH Düsseldorf im Witersemester 2008/09 Dozet: Dr. Christia Kölle Teil I Fiazmathematik, Lieare Algebra, Lieare Optimierug

Mehr

Methodische Grundlagen der Kostenkalkulation

Methodische Grundlagen der Kostenkalkulation Methodische Grudlage der Kostekalkulatio Plaugsebee Gebrauchsgüter Die i der ladwirtschaftliche Produktio eigesetzte Produktiosmittel werde i Gebrauchsgüter ud Verbrauchsgüter uterteilt. Zu de Gebrauchsgüter

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

HONORAR Honorarabrechnung

HONORAR Honorarabrechnung HONORAR Hoorarabrechug Ihaltsverzeichis 1 Leistugsbeschreibug... 3 2 Itegratio i das Ageda-System... 4 3 Highlights... 5 3.1 Freie Formulargestaltug... 5 3.2 Positiosvorschläge aus Leistuge bzw. Gegestadswerte...

Mehr

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

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

Mehr

DMS Dokumenten- Management-System

DMS Dokumenten- Management-System DMS Dokumete- Maagemet-System Ihaltsverzeichis 1 Leistugsbeschreibug... 3 2 Itegratio i das Ageda-System... 4 3 Highlights... 5 3.1 Scae, verschlagworte ud archiviere i eiem Arbeitsgag... 5 3.2 Dokumete

Mehr

Kleines Matrix-ABC. Fachgebiet Regelungstechnik Leiter: Prof. Dr.-Ing. Johann Reger. 1 Elementares

Kleines Matrix-ABC. Fachgebiet Regelungstechnik Leiter: Prof. Dr.-Ing. Johann Reger. 1 Elementares 4 6 Fachgebiet Regelugstechik Leiter: Prof. Dr.-Ig. Joha Reger Kleies Matrix-ABC 1 Eleetares Eie ( )-Matrix ist eie rechteckige Aordug vo reelle oder koplexe Zahle a ij (auch Skalare geat) ud besteht aus

Mehr

Versicherungstechnik

Versicherungstechnik Operatios Research ud Wirtschaftsiformati Prof. Dr. P. Recht // Dipl.-Math. Rolf Wedt DOOR Versicherugstechi Übugsblatt 3 Abgabe bis zum Diestag, dem 03..205 um 0 Uhr im Kaste 9 Lösugsvorschlag: Vorbereituge

Mehr

Grundgesamtheitsanaylsen und Stichproben. Betrachtungen zur Stichprobenfindung

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

Mehr

Übungsblatt 1 zur Vorlesung Angewandte Stochastik

Übungsblatt 1 zur Vorlesung Angewandte Stochastik Dr Christoph Luchsiger Übugsblatt 1 zur Vorlesug Agewadte Stochastik Repetitio WT Herausgabe des Übugsblattes: Woche 9, Abgabe der Lösuge: Woche 1 (bis Freitag, 1615 Uhr), Rückgabe ud Besprechug: Woche

Mehr

Übungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 0

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

Mehr

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

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

Mehr

Entwicklung eines Meßsystems zur Bestimmung der Luftdichtigkeit von Bauteilen in situ

Entwicklung eines Meßsystems zur Bestimmung der Luftdichtigkeit von Bauteilen in situ Nachdruck aus Bauhysik 17 (1995), H. 4, S. 111-114 1 Etwicklug eies Meßsystems zur Bestimmug der Luftdichtigkeit vo Bauteile Achim Geißler ud Gerd Hauser Dil.-Ig. Achim Geißler ist wisseschaftliche Mitarbeiter

Mehr

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

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

Mehr

Beschreibende Statistik Kenngrößen in der Übersicht (Ac)

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

Mehr

cubus EV als Erweiterung für Oracle Business Intelligence

cubus EV als Erweiterung für Oracle Business Intelligence cubus EV als Erweiterug für Oracle Busiess Itelligece... oder wie Oracle-BI-Aweder mit Essbase-Date vo cubus outperform EV Aalytics (cubus EV) profitiere INHALT 01 cubus EV als Erweiterug für die Oracle

Mehr

Vorlesung Informationssysteme

Vorlesung Informationssysteme Saarbrücke, 2.05.205 Iformatio Systems Group Vorlesug Iformatiossysteme Vertiefug Kapitel 4: Vo (E)ER is Relatioemodell Erik Buchma (buchma@cs.ui-saarlad.de) Foto: M. Strauch Aus de Videos wisse Sie......welche

Mehr

Wissenschaftliches Arbeiten Studiengang Energiewirtschaft

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

Mehr

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

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

Mehr

Drucklufttechnik Potenziale zur Energieeinsparung. www.energieagentur.nrw.de

Drucklufttechnik Potenziale zur Energieeinsparung. www.energieagentur.nrw.de Drucklufttechik Poteziale zur Eergieeisparug www.eergieagetur.rw.de 2 Drucklufttechik optimiere ud Eergieverluste miimiere I fast jeder Produktiosstätte wird Druckluft geutzt. Die Eisatzgebiete reiche

Mehr

Finanzmathematische Formeln und Tabellen

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

Mehr

Medienzentrum. Bibliothek. Handreichung zur Literatursuche

Medienzentrum. Bibliothek. Handreichung zur Literatursuche Mediezetrum Bibliothek Hadreichug zur Literatursuche Versio 1.6 23.09.2014 Sie schreibe Ihre Abschlussarbeit? Sie suche Literatur zu Ihrem Thema? Da hilft Ihe usere Hadreichug zur Literatursuche (icht

Mehr

Löslichkeitsdiagramm. Grundlagen

Löslichkeitsdiagramm. Grundlagen Grudlage Löslichkeitsdiagramm Grudlage Zur etrachtug des Mischugsverhaltes icht vollstädig mischbarer Flüssigkeite, das heißt Flüssigkeite, die sich icht bei jeder Temperatur i alle Megeverhältisse miteiader

Mehr

Kapitel 6: Quadratisches Wachstum

Kapitel 6: Quadratisches Wachstum Kapitel 6: Quadratisches Wachstum Dr. Dakwart Vogel Ui Esse WS 009/10 1 Drei Beispiele Beispiel 1 Bremsweg eies PKW Bremsweg Auto.xls Ui Esse WS 009/10 Für user Modell des Bremsweges gilt a = a + d a =

Mehr

Übungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 11. c n (z a) n,

Übungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 11. c n (z a) n, f : a P UNIVERSIÄ DES SAARLANDES FACHRICHUNG 6. MAHEMAIK Prof. Dr. Rolad Speicher M.Sc. obias Mai Übuge zur Vorlesug Fuktioetheorie Sommersemester 202 Musterlösug zu Blatt Aufgabe. Zeige Sie durch Abwadlug

Mehr

x 2 + 2 m c Φ( r, t) = n q n (t) φ n ( r) (5) ( + k 2 n ) φ n ( r) = 0 (6a)

x 2 + 2 m c Φ( r, t) = n q n (t) φ n ( r) (5) ( + k 2 n ) φ n ( r) = 0 (6a) Quatisierug eies skalare Feldes Das Ziel ist eigetlich das elektromagetische Feld zu quatisiere, aber wie ma scho a de MAXWELLsche Gleichuge sehe ka, ist es zu kompliziert, um damit zu begie. Außerdem

Mehr

ANLEITUNG ZUM PRAKTIKUMSVERSUCH MONTE-CARLO-SIMULATION VON Self-Assembly-PROZESSEN. Dr. S. May, Bearbeitung: Dr. A. Köhler Februar 2005

ANLEITUNG ZUM PRAKTIKUMSVERSUCH MONTE-CARLO-SIMULATION VON Self-Assembly-PROZESSEN. Dr. S. May, Bearbeitung: Dr. A. Köhler Februar 2005 ANLEITUNG ZUM PRAKTIKUMSVERSUCH MONTE-CARLO-SIMULATION VON Self-Assembly-PROZESSEN Dr. S. May, Bearbeitug: Dr. A. Köhler Februar 2005 Zusammefassug Sie lere zwei Methode zur Modellierug der Selbstassoziatio

Mehr

3 Die Außenfinanzierung durch Fremdkapital (Kreditfinanzierung)

3 Die Außenfinanzierung durch Fremdkapital (Kreditfinanzierung) 3 Die Außefiazierug durch Fremdkapital (Kreditfiazierug) 3.1 Die Charakteristika ud Forme der Kreditfiazierug Aufgabe 3.1: Idealtypische Eigeschafte vo Eige- ud Fremdkapital Stelle Sie die idealtypische

Mehr

BERUFSKOLLEG KAUFMÄNNISCHE SCHULEN DES KREISES DÜREN Zweijährige Höhere Handelsschule

BERUFSKOLLEG KAUFMÄNNISCHE SCHULEN DES KREISES DÜREN Zweijährige Höhere Handelsschule BERUFSKOLLEG KAUFMÄNNISCHE SCHULEN DES KREISES DÜREN Zweijährige Höhere Hadelsschule Abschlussprüfug Sommer Fach: MATHEMATIK Bearbeitugszeit: Erlaubte Hilfsmittel: Zeitstude Nicht-programmierbarer Tascherecher

Mehr

Versuch D3: Energiebilanz einer Verbrennung

Versuch D3: Energiebilanz einer Verbrennung Versuch D: Eergiebilaz eier Verbreug 1. Eiführug ud Grudlage 1.1 Eergiebilaz eier Verbreug Die Eergiebilaz eier Verbreug wird am eispiel eier kleie rekammer utersucht, i welcher die bei der Verbreug vo

Mehr

Digitales Belegbuchen

Digitales Belegbuchen Digitales Belegbuche Ihaltsverzeichis 1 Leistugsbeschreibug... 3 2 Itegratio i das Ageda-System... 4 3 Highlights... 5 3.1 Belege scae ud sede... 5 3.2 Belege buche... 6 3.3 Schelle Recherche... 7 3.4

Mehr

elektr. und magnet. Feld A 7 (1)

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

Mehr

JAVA - Suchen - Sortieren

JAVA - Suchen - Sortieren Übungen Informatik I JAVA - Suchen - Sortieren http://www.fbi-lkt.fh-karlsruhe.de/lab/info01/tutorial Übungen Informatik 1 Folie 1 Inhalt Suchen/Sortieren binary search mergesort bubblesort Übungen Informatik

Mehr

Statistik I/Empirie I

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

Mehr

Übersicht. Datenstrukturen und Algorithmen. Übersicht. Divide-and-Conquer. Vorlesung 9: Quicksort (K7)

Übersicht. Datenstrukturen und Algorithmen. Übersicht. Divide-and-Conquer. Vorlesung 9: Quicksort (K7) Datenstrukturen und Algorithmen Vorlesung 9: (K7) Joost-Pieter Katoen Lehrstuhl für Informatik 2 Software Modeling and Verification Group http://www-i2.rwth-aachen.de/i2/dsal0/ Algorithmus 8. Mai 200 Joost-Pieter

Mehr

Ein kleines Einmaleins über Mittelwertbildungen

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

Mehr

Sichtweise. Es bietet die Voraussetzung für moderne Managementmethoden und erlaubt eine differenzierte Kostenanalyse. Realisierung

Sichtweise. Es bietet die Voraussetzung für moderne Managementmethoden und erlaubt eine differenzierte Kostenanalyse. Realisierung KELLER Die Methode KPM uterstützt das Spitalmaagemet bei der Prozessoptimierug ud damit bei Kostesekuge. Die Keller Uterehmesberatug bietet diese erprobte Methode auch i der Schweiz a. Motivatio IN FORMATIV

Mehr

Kapitel 6: Statistische Qualitätskontrolle

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

Mehr

Zur Definition. der wirksamen. Wärmespeicherkapazität

Zur Definition. der wirksamen. Wärmespeicherkapazität Ao. Uiv. Prof. Dipl.-Ig. Dr. tech. Klaus Kreč, Büro für Bauphysik, Schöberg a Kap, Österreich Zur Defiitio der wirksae Wärespeicherkapazität vo Ao. Uiv. Prof. Dipl.-Ig. Dr. tech. Klaus Kreč Büro für Bauphysik

Mehr

FIBU Kontoauszugs- Manager

FIBU Kontoauszugs- Manager FIBU Kotoauszugs- Maager Ihaltsverzeichis 1 Leistugsbeschreibug... 3 2 Highlights... 4 2.1 Buchugsvorschläge i der Buchugserfassug... 4 2.2 Vergleichstexterstellug zur automatische Vorkotierug... 5 2.3

Mehr