Algorithmische Bioinformatik

Größe: px
Ab Seite anzeigen:

Download "Algorithmische Bioinformatik"

Transkript

1 Algorthmche Bonformatk HMM Algorthmen: Forward-Backward Baum-Welch Anwendung m equenzalgnment Ulf Leer Wenmanagement n der Bonformatk

2 Formale Defnton von HMM Defnton Gegeben Σ. En Hdden Markov Modell t en equenteller tochatcher Proze über k Zutänden 1,, k mt Zutand emttert Zechen x Σ mt Wahrchenlchket px ) De Folge der Zutände t ene Markov-Kette, d.h.: pz t t z t-1 t-1, z t-2 t-2,, z 0 0 ) pz t t z t-1 t-1 )a t-1,t De a 0,1 heßen tartwahrchenlchketen De a t-1,t heßen Übergangwahrchenlchketen De e x)px ) heßen Emonwahrchenlchketen Bemerkung Unterchedung zwchen Zutand und Zechen De exterenden Zutände n M nd 1,, k Ene konkrete Zutandfolge t z 0, z 1, z n Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/2010 2

3 Emonwahrchenlchketen Intergenc tart End ngle exon pa)0.01 pc)0.01 pg)0.97 pt)0.01 Frt exon G T Intron Lat exon AG pa) pc) pg) pt) pa)0.01 pc)0.01 pg)0.01 pt)0.97 Internal exon Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/2010 3

4 equenzen und Zutandfolgen A+ C+ G+ T+ M+ A C G T A C G T A- C- G- T- A C T G A C A+C+T-G-A-C- A C T G A C A+C+T+G+A+C+ A C T G A C A-C+T+G+A-C+ M- A C G T A C G T Alle möglch Aber ncht alle glech wahrchenlch tart-wk alle 1, pm+ M-): 0.01 A+C+T-G-A-C-: A+C+T+G+A+C+: A-C+T+G+A-C+: Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/2010 4

5 Problemfelder De dre klachen HMM Probleme Dekoderung/Pare: Gegeben ene equenz und en HMM M; durch welche Zutandfolge wurde wahrchenlch erzeugt? Löung: Vterb Algorthmu Evaluaton: Gegeben ene equenz und HMM M; mt welcher Wahrchenlchket wurde durch M erzeugt? Mu alle Zutandequenzen berückchtgen, de erzeugen Löung: Forward/Backward Algorthmu Lernen/Traneren: Gegeben ene equenz ; welche HMM M mt gegebener Zutandmenge) erzeugt mt der größten Wk? Lernen der Übergang- und Emonwahrchenlchketen au Löung: Baum-Welch Algorthmu Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/2010 5

6 Dekoderproblem Defnton Gegeben en HMM M und ene equenz. Da Dekoderproblem ucht nach der Zutandfolge, de mt der höchten Wk unter allen Zutandfolgen von M) erzeugt hat p * M ) max p, p) p path Ene konkrete Zutandfolge bezechnen wr meten al Pfad Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/2010 6

7 Vterb: Dynamche Programmerung Dynamche Programmerung Wr berechnen optmale Pfade für länger werdende Präfxe von, de n enem der Zutände von M enden Annahme: e v ) de Wahrchenlchket de optmalen Pfad für [..], der n Zutand endet Wr brauchen ene Rekuronformel für v +1) für alle M) und de Randbedngungen Berechnung weder bottom-up, per Tabelle C C C C C N N N N N equenz: A T C T. G Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/2010 7

8 Tabellarche Dartellung A C A+ 0 0,2 0 T G C ,05 A- 0 0,25 0 T G C ,05 tart: 0 hat Wk 1, alle anderen Zutände haben Wk 0 Wr berechnen de Tabelle paltenwee Jede Feld kann von jedem Feld der Vorgängerpalte errecht werden Alo au jedem Endzutand für da um 1 Zechen kürzere Präfx In jeder palte t de Wk aller Zutände, de ncht [] emtteren, 0 wel e[])0) Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/2010 8

9 Inhalt der Vorleung Evaluaton: Forward-Backward Algorthmu Parameterchätzung: Baum-Welch HMM für equenzalgnment Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/2010 9

10 Evaluaton Vterb berechnet de wahrchenlchte Zutandfolge für en gegebene HMM Aber we cher kann man en, da man da rchtge HMM hat? Defnton Gegeben en HMM M und ene equenz von Zechen. Da Evaluatonproblem ucht nach der Geamtwahrchenlchket dafür, da von ener Folge von Zutänden von) M erzeugt wurde. Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/

11 Forward-Algorthmu Gegeben en HMM, we wahrchenlch generert e ene gegebene equenz? Man könnte mt Vterb de wahrchenlchte Zutandfolge berechnen und deren Wk augeben Aber: kann durch verchedene Zutandfolgen erzeugt werden Zur Evaluaton müen wr über dee alle aggregeren Achtung: Vterb berechnet p* M) P M) kann durch ene klene Varaton de Vterb- Algorthmu berechnet werden - Welche? p M ) p, p) p path Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/

12 Änderung Vterb e v ) de Wk de optmalen Pfad für [..], der n Zutand endet Geucht: v t +1) für alle t Von mt a t nach t Dann Emon von [+1] mt e t [+1]) Pfad mt der höchten Wk Forward-Algorthmu e f ) de Geamtwk, da nach chrtten der Zutand errecht t Egal, über welchen Pfad Geucht: f t +1) für alle t Von mt a t nach t Dann Emon von [+1] mt e t [+1]) Geamtwahrchenlchket v + 1) e t t [ max v M + 1])* )* a t ) M Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/ f t + 1) e t [ + 1])* f )* a t )

13 Komplextät Ändert ch ncht m Verglech zu Vterb) e n, HMM habe k Zutände Tabelle hat n*k Zellen Für jede Zelle grefen wr auf k Vorgängerzellen zu Zuammen: On*k 2 ) Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/

14 Poteror Betrachtungen Betrachten wr ene enzelne Emon [] Welcher Zut. hat am wahrchenlchten [] emttert? Egal, auf welchem Geamtpfad Da t ncht enfach da höchte v ) Da würde den Tel der equenz nach gnoreren und nur enen Pfad beachten mu ncht auf dem wahrchenlchten Enzelpfad legen Nehmen wr an, der optmale Pfad laufe durch en z j Vele andere Pfade laufen durch Deren Geamtwk kann höher en al de de beten Enzelpfad Optmaler Zutand A+ A T T z j T+ A- T- Optmaler Pfad Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/

15 Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/ Berechnung Wr benötgen Deen Term nennt man Poteror-Wk, da man hn ert nach Betrachtung der geamten equenz berechnen kann Egentlch mu überall en M dazu paren wr un De Berechnung erfolgt ndrekt E glt für alle ) p) kann, we gehabt, mt Vorwärtalgorthmu berechnet werden Für den Zähler glt Letztere folgt wel wr nur Markov-Ketten erter Ordnung betrachten ) ) max ) ] [ * z p M p M ) 1..] [ ])* [1.., ) ], [ ] [ ])* [1.., ), z p z p z p z p z p + + ) ), ) p z p z p

16 Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/ Backward Algorthmu f ) kennen wr: Forward-Algorthmu b ) heßt de Backward-Wk Wk für de Retequenz [+1..n], gegeben den tartzutand ) * ) ) ] 1.. [ ])* [1.., ), b f z n p z p z p +

17 Backward Algorthmu b) berechnet man durch Rekuron von hnten Erklärung b ) a * e [ ])* b + 1) t M t In chrtt +1 kennen wr b +1), de Wk der Retequenz [+1..n] für alle tartzutände z +1 ) Berechnung b t []: Über alle mgl. Nachfolgerzutände ; gehe von t nach, emttere da Zechen [+1] und fahre fort mt b +1) Zur Intalerung defnert man enen vrtuellen Endzutand und gbt hm Wk 1 d.h. a,n+1 1 für alle ) Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/

18 Veranchaulchung b ) a * e [ ])* b + 1) t M t A+ T+ A- T- A C T T Zutände t Nachfolgerzutände und deren Backward-Wk b +1) Emon von [+1] m Nachfolgezutand Achtung: e ) t jetzt n der Klammer ander al be Forward-Algorthmu), da da Zechen nach dem Übergang emttert wrd Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/

19 Bepel FAIR LOADED P1 F) 1/6 P2 F) 1/6 P3 F) 1/6 P4 F) 1/6 P5 F) 1/6 P6 F) 1/ P1 L) 1/10 P2 L) 1/10 P3 L) 1/10 P4 L) 1/10 P5 L) 1/10 P6 L) 1/2 Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/

20 Bepel gechätzt, ncht gerechnet) Der wahrchenlchte Enzelpfad mag nur au F betehen Aber e gbt vele Pfade, de dem blauen Berech den Zutand L mt höherer Wahrchenlchket zuordnen al der optmale Pfad hm den Zutand F zuordnet Bp. wrd de Enzelwk jeder enzelnen 6 für L vel höher al für F en Paert oft, wenn ehr klenen Übergang-Wken: Jeder Übergang wrd o tark betraft, da ch Wechel ert be ehr langen L-Phaen lohnt De Unterchede zwchen den Pfad-WK ehr klen nd Dann betet Vterb kene ehr gute Entchedunghlfe Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/

21 Poteror-Pfade Kann man au den Zutänden ener Poteror-Dekoderung enen kompletten Pfad bauen? We wahrchenlch t der? Natürlch kann enen Pfad bauen Der kann aber Geamtwahrchenlchket 0 haben Wenn er z.b. enen Übergang mt Wk 0 enthält Poteror-Dekoderung t ene ren lokale Betrachtung Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/

22 Inhalt der Vorleung Decoderung: Vterb Evaluaton: Forward-Backward Algorthmu Parameterchätzung: Baum-Welch HMM für equenzalgnment Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/

23 Lernen ene HMM Wr können nun Berechnen, we wahrchenlch ene equenz t Forward oder Backward Algorthmu Berechnen, wa der wahrchenlchte Pfad für ene equenz t Vterb Algorthmu Berechnen, welche der wahrchenlchte Zutand für jede enzelne Zechen ener equenz war Poteror Forward/Backward Algorthmu gegeben en fete Hdden Markov Model Jetzt: Lernen der Parameter ene HMM au Bepeldaten Komponente 1: Lernen der truktur: Wrd ncht behandelt Komponente 2: Lernen der Emon-/ Übergang-Wk, gegeben ene fete truktur Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/

24 Enfacher Fall: Zutandequenz bekannt Defnton Gegeben en HMM M mt feter truktur und ene equenz. Da Lernproblem fndet de Übergang-Wk a t und Emon-Wk e x) von M o, da p M) maxmal t. Bemerkung ollte möglcht lang en oder e gbt vele ), um en möglcht generche Modell zu lernen Erter Fall Wr kennen zuätzlch zu jedem Zechen von den Zutand, der da Zechen emttert hat Dann recht en enfacher Maxmum Lkelhood Etmator Kann beween werden machen wr ncht) Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/

25 Maxmum Lkelhood chätzer für HMM Man zählt enfach De relatve Häufgket a t aller Zutandübergänge für alle Paare von Zutänden und t e A t de Zahl der Übergänge t a t p t ) t' M At A De relatve Häufgket aller Emon e x) für alle Zutände und Zechen x e E x) de Häufgket, mt der Zutand Zechen x emttert e x) x' Σ E x) E x') t' Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/

26 Overfttng Vorcht vor Nullen eltene Übergänge/Emonen fehlen n klenen Tranngmengen Nuller etzen de Wk von Pfaden ofort auf 0, egal, we wahrchenlch der Retpfad t Overfttng: Wr nd zu) nahe an den Tranngdaten Tranngdaten nd mmer nur en Auchntt der Realtät Mgl. Löung: Klene Peudo-Count zu allen Häufgketen adderen Dahnter verbrgt ch ene ganze Wenchaft Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/

27 Lernen be unbekannter Zutandequenz Defnton Gegeben en HMM M mt feter truktur und ene equenz. Da Lernproblem fndet de Übergang-Wk a t und Emon-Wk e x) von M o, da p M) maxmal t. Zweter Fall: Wr kennen de Zutandequenz ncht Kene gechloene Löung bekannt außer alle auproberen) Prnzpell kann man vele uchheurtken anwenden Wähle ene tartkonfguraton Brnge vele klene/große Veränderungen an und betrachte de Veränderung von p M) Übernmm de Veränderungen, de ch potv auwrken Wederhole olange, b Fndet mmer nur lokale Optma Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/

28 Baum-Welch Algorthmu Baum, L. E. and Petre, T. 1966). "tattcal Inference for Probabltc Functon of Fnte tate Markov Chan." Annal of Mathematcal tattc 37: Leonard E. Baum and Lloyd R. Welch Iteratve lokale uchheurtk e { 1, m } de Menge aller Tranngequenzen Rate tartkonfguraton a t und e x) Berechne kp M) Evaluaton: Wk aller Tranngdaten gegeben da Modell Whle true) Berechne neue erwartete Übergang-Wk a t Berechne neue erwartete Emon-Wk e x) Berechne k P M) mt dem neuen Modell) Wenn k -k < t): top ont: k:k end whle Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/

29 Egenchaften Der Baum-Welch Algorthmu verbeert k garantert n jeder Iteraton Bewe führen wr ncht BW läuft n lokale Optma Löungmöglchketen: Mt verchedenen tartkonfguratonen tarten, mulated Annealng, Wenn mt Real-Zahlen gerechnet wrd, termnert BW ohne chwellwert k -k0).a. ncht Ewge, nfntemal klene Verbeerungen Daher Abbruch be Unterchretung ene chwellwert BW t en pezalfall de Expectaton Maxmzaton Algorthmu EM) Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/

30 Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/ Neue erwartete Übergang-Wk Berechnung der neuen a t Wk de Übergang an Poton n ener enzelnen equenz k Alle Pfade b, Übergang zu t, t emttert k [+1], alle Pfade b zum Ende Aggregaton über alle Potonen und alle equenzen ) 1) 1])* [ * )* ), 1 k t k t t k P b e a f t z z p k j t k t t k k t k b e a f P A ) 1])* [ * )* ) 1

31 Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/ Neue erwartete Emon-Wk Berechnung der neuen erwarteten e x) + k b j t k k k b f P x E } ] [ { 1) )* ) 1 )

32 Wa wr ncht machen We kommt man zu ener guten truktur? Trade-Off: Komplexere trukturen mehr Zutände) paen ch beer an, aber man mu auch mehr Parameter raten Löung t more of an art [than a cence] We kommt man zu ener guten tartkonfguraton? Prnzpell t BW determntch gleche tartkonfguraton, glecher Verlauf aber Rundungprobleme) tartkonfguraton ollte externe Wen enbezehen welche Übergänge nd häufg, welche elten? Dvere Vorchläge n der Lteratur Immer ene gute Idee: Vele verchedene auproberen Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/

33 Inhalt der Vorleung Evaluaton: Forward-Backward Algorthmu Parameterchätzung: Baum-Welch HMM für equenzalgnment ketched) Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/

34 HMM m equenzalgnment Wr algneren equenzen und T Wr bauen enen Paar-HMM De Zutände nd M, I, D Zutand M emttert en Baenpaar X,Y) an Poton de Algnment mt Wahrchenlchket e M X,Y)) X,Y T Zutand I, D emttert ene InDel an Poton mt Wk px) X oder X T Übergang-Wk: M I:d, M D: d, I I: e, D D: e; Ret ergbt ch 1-2d d D 0,+1 M +1,+1 1-e d e 1-e I +1,0 e Emonwahrchenlchketen ncht gezegt Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/

35 Verdeutlchung 1-2d d D 0,+1 M +1,+1 1-e d I +1,0 1-e e -AGGCTATCACCTGACCTCCAGGCCGA--TGCCC--- TAG-CTATCAC--GACCGC-GGTCGATTTGCCCGACC IMMDMMMMMMMDDMMMMMMDMMMMMMMIIMMMMMIII Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/

36 Tranng Wo kommen de Parameter her? Müen au Tranngdaten algnerte equenzen) gelernt werden Emonwahrchenlchketen können z.t. auch au ubttutonmatrzen PAM / BLOUM) abgeletet werden Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/

37 Paar-HMM und Edtabtand Da optmale Algnment entprcht der optmalen Zutandfolge durch da Paar-HMM Wr können über den Forward-Algorthmu aber auch de Geamtwk berechnen, da de equenzen und T ähnlch unter M nd Damt berechnen wr mplzt enen core über alle möglchen Algnment Gerade wenn zwe equenzen ncht allzu gut algneren, gbt e meten vele ähnlch gute chlechte) Algnment Dann können wr ene Auage darüber machen, mt welcher Wk de beden equenzen ähnlch nd gegeben M) ehr erfolgrech be der Berechnung von Multple equence Algnment Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/

38 Lteratur Gufeld behandelt da Thema ncht Lteratur Rabner, L. R. 1988). "A Tutoral on Hdden Markov Model and elected Applcaton n peech Recognton." Proceedng of the IEEE 772): Durbn, R., Eddy,., Krogh, A. and Mtchon, G. 1998). "Bologcal equence Analy: Probabltc Model of Proten and Nuclec Acd". Cambrdge, UK, Cambrdge Unverty Pre. Ander Krogh 1998). An Introducton to Hdden Markov Model for Bologcal equence. Ulf Leer: Algorthmche Bonformatk, Wnteremeter 2009/

18. Dynamisches Programmieren

18. Dynamisches Programmieren 8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus

Mehr

Algorithmische Bioinformatik

Algorithmische Bioinformatik Algorithmische Bioinformatik Hidden-Markov-Modelle Viterbi - Algorithmus Ulf Leser Wissensmanagement in der Bioinformatik Inhalt der Vorlesung Hidden Markov Modelle Baum, L. E. and Petrie, T. (1966). "Statistical

Mehr

Produkt-Moment-Korrelation (1) - Einführung I -

Produkt-Moment-Korrelation (1) - Einführung I - Produkt-Moment-Korrelaton - Enführung I - Kennffer ur Bechreung de lnearen Zuammenhang wchen we Varalen X und Y. Bechret de Rchtung und de Enge de Zuammenhang m Snne von je... deto... oder wenn... dann...

Mehr

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder - Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole

Mehr

Validierung der Software LaborValidate Testbericht

Validierung der Software LaborValidate Testbericht Valderung der Software LaborValdate Tetbercht De Software LaborValdate dent dazu Labormethoden zu Valderen. Dazu mu nachgeween en, da de engeetzten Funktonen dokumentert und nachvollzehbar nd. De Dokumentaton

Mehr

Der Satz von COOK (1971)

Der Satz von COOK (1971) Der Satz von COOK (1971) Voraussetzung: Das Konzept der -Band-Turng-Maschne (TM) 1.) Notatonen: Ene momentane Beschrebung (mb) ener Konfguraton ener TM st en -Tupel ( α1, α2,..., α ) mt α = xqy, falls

Mehr

Schätzfehler in der linearen Regression (1) Einführung

Schätzfehler in der linearen Regression (1) Einführung Schätzfehler ( Reduum: Schätzfehler n der lnearen Regreon ( e Enführung Zel der Regreontattk t e, Schätzglechungen nach dem Krterum der klenten Quadrate aufzutellen und anzugeben, we groß der jewelge Schätzfehler

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

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt:

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt: Informatk I 6. Kaptel Raner Schrader Zentrum für Angewandte Informatk Köln 4. Jun 008 Wr haben bsher behandelt: Suchen n Lsten (lnear und verkettet) Suchen mttels Hashfunktonen jewels unter der Annahme,

Mehr

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich Drtter Hauptsatz der Thermodynamk Rückblck auf vorherge Vorlesung Methoden zur Erzeugung tefer Temperaturen: - umgekehrt laufende WKM (Wärmepumpe) - Joule-Thomson Effekt bs 4 K - Verdampfen von flüssgem

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

Diskrete Mathematik 1 WS 2008/09

Diskrete Mathematik 1 WS 2008/09 Ruhr-Unverstät Bochum Lehrstuhl für Kryptologe und IT-Scherhet Prof. Dr. Alexander May M. Rtzenhofen, M. Mansour Al Sawad, A. Meurer Lösungsblatt zur Vorlesung Dskrete Mathematk 1 WS 2008/09 Blatt 7 /

Mehr

Gruppe. Lineare Block-Codes

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

Mehr

Wechselstrom. Dr. F. Raemy Wechselspannung und Wechselstrom können stets wie folgt dargestellt werden : U t. cos (! t + " I ) = 0 $ " I

Wechselstrom. Dr. F. Raemy Wechselspannung und Wechselstrom können stets wie folgt dargestellt werden : U t. cos (! t +  I ) = 0 $  I Wechselstrom Dr. F. Raemy Wechselspannung und Wechselstrom können stets we folgt dargestellt werden : U t = U 0 cos (! t + " U ) ; I ( t) = I 0 cos (! t + " I ) Wderstand m Wechselstromkres Phasenverschebung:!"

Mehr

Übung zur Vorlesung. Informationstheorie und Codierung

Übung zur Vorlesung. Informationstheorie und Codierung Übung zur Vorlesung Informatonstheore und Coderung Prof. Dr. Lla Lajm März 25 Ostfala Hochschule für angewandte Wssenschaften Hochschule Braunschweg/Wolfenbüttel Postanschrft: Salzdahlumer Str. 46/48 3832

Mehr

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

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

Nullstellen Suchen und Optimierung

Nullstellen Suchen und Optimierung Nullstellen Suchen und Optmerung Typsche Probleme: De optmale Bahnkurve De Mnmerung des Erwartungswertes ür den Hamltonan Wr möchten ene Funkton mnmeren oder mameren solch en Problem wrd Optmerung genannt!

Mehr

Erzeugung mit einer rotierenden flachen Spule

Erzeugung mit einer rotierenden flachen Spule 2. Snuförmge Wechelpannung De elektromagnetche Indukton t ene der Grundlagen unerer technchen Zvlaton. Der Strom, der au der Steckdoe kommt, t bekanntlch en Wecheltrom. De hn verurachende Wechelpannung

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

Statistik und Wahrscheinlichkeit

Statistik und Wahrscheinlichkeit Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse

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

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

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

Mehr

2. Spiele in Normalform (strategischer Form)

2. Spiele in Normalform (strategischer Form) 2. Spele n Normalform (strategscher Form) 2.1 Domnante Strategen 2.2 Domnerte Strategen 2.3 Sukzessve Elmnerung domnerter Strategen 2.4 Nash-Glechgewcht 2.5 Gemschte Strategen und Nash-Glechgewcht 2.6

Mehr

Gewichtetes arithmetisches Mittel und Streuung

Gewichtetes arithmetisches Mittel und Streuung Dpl.-Kaufm. Wolfgang Schmtt u mener Skrptenrehe: " Kene ngt vor... " ugewählte Themen der dekrptven Stattk Gewchtete arthmetche Mttel und Streuung Modellaufgabe Übungen Löungen www.nf-lernen.de Modellaufgabe:

Mehr

Netzwerkstrukturen. Entfernung in Kilometer:

Netzwerkstrukturen. Entfernung in Kilometer: Netzwerkstrukturen 1) Nehmen wr an, n enem Neubaugebet soll für 10.000 Haushalte en Telefonnetz nstallert werden. Herzu muss von jedem Haushalt en Kabel zur nächstgelegenen Vermttlungsstelle gezogen werden.

Mehr

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

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

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

Mehr

Zufallsvariable, Wahrscheinlichkeitsverteilungen und Erwartungswert

Zufallsvariable, Wahrscheinlichkeitsverteilungen und Erwartungswert R. Brnkmann http://brnkmann-du.de Sete..8 Zufallsvarable, Wahrschenlchketsvertelungen und Erwartungswert Enführungsbespel: Zwe Würfel (en blauer und en grüner) werden 4 mal zusammen geworfen. De Häufgketen

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

6. Zusammenhangsmaße (Kovarianz und Korrelation)

6. Zusammenhangsmaße (Kovarianz und Korrelation) 6. Zuammehagmaße Kovaraz ud Korrelato Problemtellug: Bher: Ee Varable pro Merkmalträger, Stchprobe x,, x Geucht: Maße für Durchchtt, Streuug, uw. Jetzt: Zwe metrche! Varable pro Merkmalträger, Stchprobe

Mehr

Versicherungstechnischer Umgang mit Risiko

Versicherungstechnischer Umgang mit Risiko Verscherungstechnscher Umgang mt Rsko. Denstlestung Verscherung: Schadensdeckung von für de enzelne Person ncht tragbaren Schäden durch den fnanzellen Ausglech n der Zet und m Kollektv. Des st möglch über

Mehr

6. 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

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

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

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

Spiele und Codes. Rafael Mechtel

Spiele und Codes. Rafael Mechtel Spele und Codes Rafael Mechtel Koderungstheore Worum es geht Über enen Kanal werden Informatonen Übertragen. De Informatonen werden dabe n Worte über enem Alphabet Q übertragen, d.h. als Tupel w = (w,,

Mehr

Standortplanung. Positionierung von einem Notfallhubschrauber in Südtirol. Feuerwehrhaus Zentrallagerpositionierung

Standortplanung. Positionierung von einem Notfallhubschrauber in Südtirol. Feuerwehrhaus Zentrallagerpositionierung Standortplanung Postonerung von enem Notfallhubschrauber n Südtrol Postonerung von enem Feuerwehrhaus Zentrallagerpostonerung 1 2 Postonerung von enem Notfallhubschrauber n Südtrol Zu bekannten Ensatzorten

Mehr

Multiple Regression (1) - Einführung I -

Multiple Regression (1) - Einführung I - Multple Regreo Eführug I Mt eem Korrelatokoeffzete ud der efache leare Regreo köe ur varate Zuammehäge zwche zwe Varale uterucht werde. Beutzt ma tatt dee mehrere Varale zur Vorherage, egt ma ch auf da

Mehr

Einführung in die Finanzmathematik

Einführung in die Finanzmathematik 1 Themen Enführung n de Fnanzmathematk 1. Znsen- und Znsesznsrechnung 2. Rentenrechnung 3. Schuldentlgung 2 Defntonen Kaptal Betrag n ener bestmmten Währungsenhet, der zu enem gegebenen Zetpunkt fällg

Mehr

AUFGABEN ZUR INFORMATIONSTHEORIE

AUFGABEN ZUR INFORMATIONSTHEORIE AUFGABEN ZUR INFORMATIONSTHEORIE Aufgabe Wr betrachten das folgende Zufallsexperment: Ene fare Münze wrd so lange geworfen, bs erstmals Kopf erschent. De Zufallsvarable X bezechne de Anzahl der dazu notwendgen

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

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

Free Riding in Joint Audits A Game-Theoretic Analysis

Free Riding in Joint Audits A Game-Theoretic Analysis . wp Wssenschatsorum, Wen,8. Aprl 04 Free Rdng n Jont Audts A Game-Theoretc Analyss Erch Pummerer (erch.pummerer@ubk.ac.at) Marcel Steller (marcel.steller@ubk.ac.at) Insttut ür Rechnungswesen, Steuerlehre

Mehr

Anwendungsmöglichkeiten von Lernverfahren

Anwendungsmöglichkeiten von Lernverfahren Künstlche Neuronale Netze Lernen n neuronalen Netzen 2 / 30 Anwendungsmöglcheten von Lernverfahren Prnzpelle Möglcheten Verbndungsorentert 1 Hnzufügen neuer Verbndungen 2 Löschen bestehender Verbndungen

Mehr

R S T R S T R S T. 1 Lineare, affine und konvexe Kombinationen. Definition: X. Definition: Sei X. U. BREHM: Konvexgeometrie 1-1

R S T R S T R S T. 1 Lineare, affine und konvexe Kombinationen. Definition: X. Definition: Sei X. U. BREHM: Konvexgeometrie 1-1 U. BEHM: Konvexgeoete - Lneae, affne un konvexe Kobnatonen W abeten -enonalen euklchen au I un cheben x = ( x,, x ) ( ξ I, =,, ) fü enen Punkt (Vekto) von I. Da nnee Poukt auf I von Vektoen x un y = (

Mehr

Datenträger löschen und einrichten

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

Mehr

Bildverarbeitung Herbstsemester 2012. Bildspeicherung

Bildverarbeitung Herbstsemester 2012. Bildspeicherung Bldverarbetung Herbstsemester 2012 Bldspecherung 1 Inhalt Bldformate n der Überscht Coderung m Überblck Huffman-Coderung Datenredukton m Überblck Unterabtastung Skalare Quantserung 2 Lernzele De wchtgsten

Mehr

Online Algorithmen. k-server randomisiert Teil II

Online Algorithmen. k-server randomisiert Teil II Onlne Algorthmen k-server randomsert Tel II Ausarbetung für das Semnar Onlne Algorthmen Prof. Dr. Ro. Klen Anette Ebbers-Baumann Ansgar Grüne Insttut für Informatk Theorethsche Informatk und formale Methoden

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 2009 UNIVERSITÄT KARLSRUHE Blatt 2 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 7: (B. Fredmans Urnenmodell)

Mehr

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

Netzsicherheit I, WS 2008/2009 Übung 3. Prof. Dr. Jörg Schwenk 27.10.2008

Netzsicherheit I, WS 2008/2009 Übung 3. Prof. Dr. Jörg Schwenk 27.10.2008 Netzscherhet I, WS 2008/2009 Übung Prof. Dr. Jörg Schwenk 27.10.2008 1 Das GSM Protokoll ufgabe 1 In der Vorlesung haben Se gelernt, we sch de Moble Staton (MS) gegenüber dem Home Envroment (HE) mt Hlfe

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

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

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale 3. De Kennzechnung von Patkeln 3..1 Patkelmekmale De Kennzechnung von Patkeln efolgt duch bestmmte, an dem Patkel mess bae und deses endeutg beschebende physka lsche Gößen (z.b. Masse, Volumen, chaaktestsche

Mehr

Scheduling. Scheduling. Noch Wiederholung: Prozess als virtueller Prozessor P 1. Wiederholung: Prozessesbegriff

Scheduling. Scheduling. Noch Wiederholung: Prozess als virtueller Prozessor P 1. Wiederholung: Prozessesbegriff Echtzetyteme Sommeremeter 205 Schedlng. Enführng Echtzetyteme. Kaptel Schedlng Prof. Mattha Werner Profer Betrebyteme Schedlng Aftelng on Reorcen an konkrrerende Verbracher. Wchtgte Reorce: CPU Andere

Mehr

Beschreibende Statistik Mittelwert

Beschreibende Statistik Mittelwert Beschrebende Statstk Mttelwert Unter dem arthmetschen Mttel (Mttelwert) x von n Zahlen verstehen wr: x = n = x = n (x +x +...+x n ) Desen Mttelwert untersuchen wr etwas genauer.. Zege für n = 3: (x x )

Mehr

ERP Cloud Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Preise erfassen. www.comarch-cloud.de

ERP Cloud Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Preise erfassen. www.comarch-cloud.de ERP Cloud SFA ECM Backup E-Commerce ERP EDI Prese erfassen www.comarch-cloud.de Inhaltsverzechns 1 Zel des s 3 2 Enführung: Welche Arten von Presen gbt es? 3 3 Beschaffungsprese erfassen 3 3.1 Vordefnerte

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

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

1.1 Das Prinzip von No Arbitrage

1.1 Das Prinzip von No Arbitrage Fnanzmärkte H 2006 Tr V Dang Unverstät Mannhem. Das Prnzp von No Arbtrage..A..B..C..D..E..F..G..H Das Framework Bespele Das Fundamental Theorem of Fnance Interpretaton des Theorems und Zustandsprese No

Mehr

Mobile Sicherheit durch effiziente Public-Key-Verschlüsselung

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

Mehr

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

VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE

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

Mehr

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

Vorlesung: "Grundlagen ingenieurwissenschaftlichen Arbeitens (GIA)"

Vorlesung: Grundlagen ingenieurwissenschaftlichen Arbeitens (GIA) 6 Zuverlägke und Produklebenzyklu 6. Genaugke und Fehlerverhalen 6.2 Technche Zuverlägke 6.2. Klafkaon von Aufällen 6.2.2 Aufall- und Überlebenwahrchenlchke 6.2.3 Fehlerrae 6.3 Zuverlägke von Hardware-Funkonen

Mehr

11 Chemisches Gleichgewicht

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

Mehr

Physikalisches Anfängerpraktikum Teil 2 Versuch PII 33: Spezifische Wärmekapazität fester Körper Auswertung

Physikalisches Anfängerpraktikum Teil 2 Versuch PII 33: Spezifische Wärmekapazität fester Körper Auswertung Physkalsches Anfängerpraktkum Tel 2 Versuch PII 33: Spezfsche Wärmekapaztät fester Körper Auswertung Gruppe M-4: Marc A. Donges , 060028 Tanja Pfster, 204846 2005 07 spezfsche Wärmekapaztäten.

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

Was erwarten wir als Ergebnis von freien Verhandlungen in einer Gruppe mit Koalitionsmöglichkeiten?

Was erwarten wir als Ergebnis von freien Verhandlungen in einer Gruppe mit Koalitionsmöglichkeiten? Prof. Dr. Fredel Bolle 1 Prof. Dr. Fredel Bolle Vorlesung 1 Defnton: Kooperatves Spel En ooperatves Spel Γ st en Tupel (N,V), wobe der N = {1,...,m} mt m > 1 de Menge der Speler bezechnet und Was erwarten

Mehr

Der technische Stand der Antriebstechnik einer Volkswirtschaft läßt sich an ihrem Exportanteil am Gesamtexportvolumen aller Industrieländer messen.

Der technische Stand der Antriebstechnik einer Volkswirtschaft läßt sich an ihrem Exportanteil am Gesamtexportvolumen aller Industrieländer messen. - 14.1 - Antrebstechnk Der technsche Stand der Antrebstechnk ener Volkswrtschaft läßt sch an hrem Exportantel am Gesamtexportvolumen aller Industreländer messen. Mt 27,7 % des gesamten Weltexportvolumens

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

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

Weil so ähnlich nicht dasselbe ist. Besser durch den Winter mit dem smart Original-Service.

Weil so ähnlich nicht dasselbe ist. Besser durch den Winter mit dem smart Original-Service. smart Center Esslngen Compact-Car GmbH & Co. KG Plochnger Straße 108, 73730 Esslngen Tel. 0711 31008-0, Fax 0711 31008-111 www.smart-esslngen.de nfo@smart-esslngen.de Wr nehmen Ihren smart nach velen Klometern

Mehr

Elektrische Antriebstechnik

Elektrische Antriebstechnik lektrche ntrebtechnk Prof. Dr.-Ing. oachm Böcker Skrpt zur Vorleung Stand vom 8.0.05 Unvertät Paderborn Fachgebet etungelektronk und lektrche ntrebtechnk Dee Skrpt t vornehmlch für de Studenten der Unvertät

Mehr

Wahl auf Bäumen: FireWire

Wahl auf Bäumen: FireWire Wahl auf Bäumen: FreWre IEEE 94 Hgh Performance Seral Bus (FreWre) Internatonaler Standard Hochgeschwndgketsbus Transport von dgtalen Audo- und Vdeo-Daten 400 Mbps (94b: 800 MBps... 3200 Mbps) Hot-pluggable

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

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

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

Mehr

VERGLEICH EINER EXPERIMENTELLEN UND SIMULATIONSBASIERTEN SENSITIVITÄTSANALYSE EINER ADAPTIVEN ÖLWANNE

VERGLEICH EINER EXPERIMENTELLEN UND SIMULATIONSBASIERTEN SENSITIVITÄTSANALYSE EINER ADAPTIVEN ÖLWANNE VERGLEICH EINER EXPERIMENTELLEN UND SIMULATIONSBASIERTEN SENSITIVITÄTSANALYSE EINER ADAPTIVEN ÖLWANNE Y. L*, S-O. Han*, T. Pfeffer** *) Fachgebet Systemzuverlässgket und Maschnenakustk, TU Darmstadt **)

Mehr

Dr. Florian Englmaier 1 Übung Wettbewerbstheorie und -politik. Handout zu Übungsblatt 1: Einführung

Dr. Florian Englmaier 1 Übung Wettbewerbstheorie und -politik. Handout zu Übungsblatt 1: Einführung Dr. Floran Englmaer 1 Handout zu Übungsblatt 1: Enführung De Industreökonomk beschäftgt sch mt dem Marktverhalten und der nternen Organsaton von Unternehmen. (Preswettbewerb, Marktzutrttsverhalten, Produktdff.

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

9 Diskriminanzanalyse

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

Mehr

Berechnung der Kriech- und Schwindwerte

Berechnung der Kriech- und Schwindwerte Berehnung der Kreh- und Shwndwere Grundlagen Beon zeg bere uner üblhen Gebrauhbedngungen en augepräge zeabhängge Verhalen wodurh Dehnungen aufreen können de en Mehrfahe der elahen Dehnung beragen: laabhängge

Mehr

Neuronale Netze. M. Gruber (1) ausgeloste Reiz ist x (1) = (1) (s (1) ) mit (1) (s) = 1 sgn(s 1 ) sgn(s 2 ) T. .

Neuronale Netze. M. Gruber (1) ausgeloste Reiz ist x (1) = (1) (s (1) ) mit (1) (s) = 1 sgn(s 1 ) sgn(s 2 ) T. . Neuronale Netze M. Gruber 7.11.015 Begnnen wr mt enem Bespel. Bespel 1 Wr konstrueren enen Klasskator auf der Menge X = [ 1; 1], dessen Wrkung man n Abb.1 rechts sehen kann. Auf der blauen Telmenge soll

Mehr

Unter der Drehgruppe verstehen wir diegruppe der homogenen linearen Transformationen

Unter der Drehgruppe verstehen wir diegruppe der homogenen linearen Transformationen Darstellunstheore der SO() und SU() Powtschnk Alexander. Defnton Darstellun Ene Darstellun ener Gruppe G st homomorphe Abbldun von deser Gruppe auf ene Gruppe nchtsnulärer lnearer Operatoren auf enem Vektorraum

Mehr

Grundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften

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

Mehr

9 Phasengleichgewicht in heterogenen Mehrkomponentensystemen

9 Phasengleichgewicht in heterogenen Mehrkomponentensystemen 9 Phasenglechgewcht n heterogenen Mehrkomonentensystemen 9. Gbbs sche Phasenregel α =... ν Phasen =... k Komonenten Y n (α) -Molzahl der Komonente Y n der Phase α. Für jede Phase glt ene Gbbs-Duhem-Margules

Mehr

Y 1 (rein) Y 2 (rein) Mischphase Bezeichnung (g) (g) (g) Mischung (l) (l) (l) Mischung,Lösung (l) (s) (l) Lösung. (s) (g) (s) Lösung

Y 1 (rein) Y 2 (rein) Mischphase Bezeichnung (g) (g) (g) Mischung (l) (l) (l) Mischung,Lösung (l) (s) (l) Lösung. (s) (g) (s) Lösung 3 Lösungen 3. Mschungen und Lösungen Homogene Phasen, n denen alle Komonenten glechartg behandelt werden, heßen Mschungen. Wenn ene Komonente m Überschuß vorlegt, kann man von Lösungen srechen. Sezfsche

Mehr

Mathematisches Modell und Algorithmen der Termin- und Reihenfolgeplanung

Mathematisches Modell und Algorithmen der Termin- und Reihenfolgeplanung Mathematche Modell und Algorthmen der Termn- und Rehenfolgeplanung Dr.-Ing. SU) Yury Zack, Europäche Zentrum für Mechatronk Aachen Dr. rer. nat. Sergey Rotn, Lehrtuhl für Produktonytematk, RWTH Aachen

Mehr

Kurzinformation zu ergänzenden Modulen und Dienstleistungen der B.K.L.-isos GmbH beim Einsatz von SER DOMEA

Kurzinformation zu ergänzenden Modulen und Dienstleistungen der B.K.L.-isos GmbH beim Einsatz von SER DOMEA B.K.L. - Integratnervce für ffene Syteme Kurznfrmatn zu ergänzenden Mdulen und Dentletungen der B.K.L.- bem Enatz vn SER DOMEA Stand: 5/2003 De B.K.L.- t et velen Jahren DOMEA -Partner und hat für Kunden

Mehr

1.1 Grundbegriffe und Grundgesetze 29

1.1 Grundbegriffe und Grundgesetze 29 1.1 Grundbegrffe und Grundgesetze 9 mt dem udrtschen Temperturkoeffzenten 0 (Enhet: K - ) T 1 d 0. (1.60) 0 dt T 93 K Betrchtet mn nun den elektrschen Wderstnd enes von enem homogenen elektrschen Feld

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

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

Angeln Sie sich Ihr Extra bei der Riester-Rente. Private Altersvorsorge FONDSGEBUNDENE RIESTER-RENTE

Angeln Sie sich Ihr Extra bei der Riester-Rente. Private Altersvorsorge FONDSGEBUNDENE RIESTER-RENTE Prvate Altersvorsorge FONDSGEBUNDENE RIESTER-RENTE Angeln Se sch Ihr Extra be der Rester-Rente. Rendtestark vorsorgen mt ALfonds Rester, der fondsgebundenen Rester-Rente der ALTE LEIPZIGER. Beste Rendtechancen

Mehr

Nomenklatur - Übersicht

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

Mehr

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

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

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

Mehr

Wir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt

Wir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt Kaptel 3 Zwe Personen Spele 3.1 Matrxspele 3.2 Matrxspele n gemschten Strategen 3.3 B Matrxspele und quadratsche Programme 3.4 B Matrxspele und lneare Komplementartätsprobleme 3.1 Matrxspele Wr betrachten

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

50 Matrixnormen und Eigenwertabschätzungen

50 Matrixnormen und Eigenwertabschätzungen 50 Matrxnormen und Egenwertabschätzungen 501 Motvaton De Berechnung der Egenwerte ener Matrx st aufwändg (vgl Kaptel 45, Kaptel 51) Kann man de Egenwerte ener Matrx mt gerngem Aufwand abschätzen? Des spelt

Mehr