Stetige Zufallsvariablen. Stetige Zufallsvariablen. Stetige Zufallsvariablen. Charakterisierung. t-verteilung. Gleichverteilung.

Größe: px
Ab Seite anzeigen:

Download "Stetige Zufallsvariablen. Stetige Zufallsvariablen. Stetige Zufallsvariablen. Charakterisierung. t-verteilung. Gleichverteilung."

Transkript

1 d 050 () 05 (<) mod (>3) Werte der Dichteunktion N(0 ) N(0 ) N(0 05) Chrkterisierung t-verteilung Weitere stetige Verteilungen -Verteilung Gleichverteilung Norml- Verteilung F-Verteilung Chrkterisierung Zullsvrilen Bei stetigen Zullsvrilen wird zur Beschreiung der Whrscheinlichkeitsverteilung die Dichte () einer Zullsvrilen herngezogen Dichte d 0 ür lle IR 3

2 Chrkterisierung sonst espe 050 [] () Chrkterisierung sonst 0 IR : d d 05d 05d Chrkterisierung 0 IR : 0 ür 0 ür sonst () 05 (<) (>3) mod 6

3 3 7 Chrkterisierung 0 ür ür 0 sonst 0 : IR d d d d Chrkterisierung: Whrscheinlichkeitsverteilung Whrscheinlichkeit ür ein Intervll Whrscheinlichkeit ür einseitige Frgestellungen: d und d d 9 Es gilt: und uch: Chrkterisierung: Whrscheinlichkeitsverteilung

4 Möchte mn ür die Zullsvrile us die Whrscheinlichkeit estimmen dss sie im Intervll [ ] liegt so ergit sich d espe 050 () 05 [] Interessiert mn sich in ür die Whrscheinlichkeit kleiner ls oder er größer ls 3 zu sein so ergit sich 0 0 d d () (<) (>3) mod Verteilungsunktion Die Verteilungsunktion eschreit die Whrscheinlichkeit dss die Zullsvrile einen Wert kleiner oder gleich nnimmt: F ydy 0 F d F F d F

5 Verteilungsunktion Für die Zullsvrile us erechnet sich die Verteilungsunktion olgendermßen Sei [0] dnn ist F ydy 05dy 05 y p [] () Sei [] dnn ist F ydy 05dy 05dy 05 05y Verteilungsunktion Insgesmt erhält mn F Verteilungsunktion F() ~ Zullsvrile Modus (Modlwert) Der Modlwert einer stetigen Zullsvrilen ist derjenige Wert n dem die Dichte ihren mimlen Wert nnimmt: m mod IR Auch im stetigen Fll muss der Modlwert nicht immer eindeutig estimmt sein Ist die Dichteunktion jedoch eingiplig (eindeutiges Mimum) so ist der Modlwert eindeutig Eine solche Dichte ezeichnen wir ls unimodl 5 5

6 Modus (Modlwert) Für die Verteilung us ergit sich ein eindeutiger Modlwert d mod mit IR \ 050 () 05 (<) (>3) mod 6 Medin Medin ~ 0 5 ~ F~ 05 und ~ Der Medin muss nicht eindeutig sein er ei den gängigen theoretischen stetigen Verteilungen ist er es 7 Medin Für die Verteilung us ist der Medin eindeutig F F 05 ür 05 ür Verteilungsunktion F() ~ Zullsvrile 6

7 Erwrtungswert zuküntiges (zu erwrtendes) mittleres Ereignis Erwrtungswert E d Anlogie zum rithmetischen Mittel 9 Vrinz Vrinz: Vr E Alterntive Berechnungsmethode: d Vr E E E d 0 Vrinz Für die Zullsvrile us ergeen sich dmit: E d 05d 05d 0 0 () espe []

8 Vrinz 3 3 E d 05 d 05 d d d Vr E E () p [] F Unhängigkeit von Zullsvrilen n n n n n F F F Ist der Wert der gemeinsmen Verteilungsunktion gleich dem rodukt der einzelnen Verteilungsunktionswerte so sind die eteiligten Zullsvrilen unhängig Für den Fll n = muss lso üerprüt werden o die Whrscheinlichkeit dss kleiner oder gleich ist ls und gleichzeitig kleiner oder gleich ist ls gleich dem rodukt der Whrscheinlichkeit von kleiner oder gleich und von kleiner oder gleich ist n 3 Gleichverteilung Die Gleichverteilung (Sie wird uch Uniorm-Verteilung gennnt) ist u einem Intervll der reellen Zhlen deiniert Eine Gleichverteilung u einem Intervll [ ] esitzt die olgende Dichte (): 0 ür sonst E Vr

9 Gleichverteilung 05 Werte der Dichteunktion Normlverteilung Crl Friedrich Guß (* ) gehört mit Archimedes und Newton zu den größten Mthemtikern ller Epochen Er wr seit 07 Direktor der Sternwrte in Göttingen roessor und Mitglied der Göttinger Akdemie der Wissenschten Er gilt ls einer der Begründer der Methode der kleinsten Qudrte die er im Rhmen seiner Studien zur Astronomie entwickelte Rund 5 Jhre lng vermß er ds Königreich Hnnover und soll dei schon in der Norddeutschen Tieeene versucht hen nchzuweisen dss dort in einem Dreieck u Grund der Erdkrümmung die Winkelsumme nicht 0º eträgt Bis vor der Einührung des Euros wr er (und die Dichte einer Normlverteilung) u den 0-DM-Scheinen der Deutschen Bundesnk geildet 6 Normlverteilung Eine Normlverteilung esitzt zwei rmeter die die Verteilung chrkterisieren nämlich und Deshl spricht mn uch von einer N( )-Verteilung Eine Normlverteilung mit den rmetern und esitzt die Dichte e E Vr 7 9

10 Normlverteilung Werte der Dichteunktion N(0 ) N(0 ) N(0 05) Normlverteilung Werte der Dichteunktion N(0 ) N(3 ) Stndrdisierung Ist eine Zullsvrile normlverteilt mit den rmetern * und * so knn sie durch die linere Trnsormtion * * * in eine (stetige) Zullsvrile üerührt werden die normlverteilt ist mit den rmetern 0 und Diesen Vorgng nennt mn Stndrdisierung 30 0

11 Stndrdisierung Genügt einer Stndrdnormlverteilung kurz: N(0)-Verteilung nch einer Stndrdisierung dnn esitzt eine N(0)-Verteilung die Dichte e 3 Normlverteilung Allgemein gilt ür linere Trnsormtionen normlverteilter Zullsvri-len dss uch die resultierende Zullsvrile wieder normlverteilt ist Sei normlverteilt mit Erwrtungswert und Vrinz Trnsormiert mn zu woei reelle Zhlen mit 0 sind so gilt: ~ N 3 Normlverteilung Die Verteilungsunktion der Stndrdnormlverteilung wird llgemein mit (sprich: hi) ezeichnet 33

12 --3--Regel Sei normlverteilt mit Erwrtungswert und Vrinz dnn ist k k F k F k k k k k k Regel Sei normlverteilt mit Erwrtungswert und Vrinz dnn ist ür k = Quntil u Wir ezeichnen u mit ds -Quntil der Stndrdnormlverteilung lso den Wert einer Stndrdnormlverteilung ei dem -rozent ller möglichen Ausprägungen der Stndrdnormlverteilung kleiner und (- )-rozent größer ls dieser Wert u sind u u u0900 u u u u Bitte versuchen Sie diese Werte in den usgeteilten Tellen zu inden! 36

13 Normlverteilung In einem verträumten Städtchen m Rnde des Siegerlndes wird in einem kleinen er modernen kirchlichen Kindergrten untersucht wie lnge sich die Kinder eim Mlen konzentrieren können Lut Unterrichtsmteril ngehender Erzieherinnen und Erzieher soll sich die Konzentrtionsduer gut durch eine Normlverteilung mit = 500 Sekunden und = 6 Qudrtsekunden eschreien lssen Wieviel rozent ller Kinder können sich zwischen 90 und 50 Sekunden konzentrieren? In welchem Schwnkungsereich liegen die mittleren 90% der Konzentrtionsduer? 37 Normlverteilung Zu Die Zullsvrile Y eschreie die Konzentrtionsduer Es gilt Y ~ N Stndrdisiert mn die oige N(500 6)-Verteilung so erhält mn ür die eiden Größen 90 und 50 die olgenden stndrdisierten Werte: und Normlverteilung Zu Die Zullsvrile Y eschreie die Konzentrtionsduer Es gilt nch der Stndrdisierung Es können sich 976 rozent ller Kinder zwischen 90 und 50 Sekunden konzentrieren 39 3

14 Normlverteilung Um die mittleren 90% der Verteilung zu erhlten ist es notwendig ds 005- und ds 095-Quntil der Stndrdnormlverteilung zu trnsormieren Es werden sowohl m linken Ende der Verteilung ls uch m rechten Ende jeweils 5% der Whrscheinlichkeitsmsse vernchlässigt so dss in dem Intervll genu 90% der Whrscheinlichkeitsmsse liegen u 0 05; u095 u u005 u Normlverteilung Stndrdisierung: * * * * * * Summe und Dierenz zweier Normlverteilungen ~ N EY E EZ E VrY Vr ~ N

15 Summe und Dierenz zweier Normlverteilungen ~ N ~ N VrZ Vr Y Z ~ N ~ N 3 Konidenzintervll ei Normlverteilung Die us Stichproen geschätzten rmeter ür eine Grundgesmtheit stimmen zwngsläuig meist nicht mit den whren rmetern üerein Genuer: Ekt den»richtigen«wert zu erhlten ist ein recht unwhrscheinliches Ereignis; doch knn mn zeigen dss jedenlls ei hinreichend großen Stichproen die meisten Stichproenwerte nicht llzu weit vom whren Wert weichen Im Rhmen der Inerenzsttistik wird gezeigt dss mn us der Stichproe Intervlle schätzen knn die den whren rmeter mit einer vorgegeenen Whrscheinlichkeit (der Üerdeckungswhrscheinlichkeit) enthlten Diese Intervlle werden ls Konidenzintervlle oder uch Vertruensereich oder Vertruensintervlle ezeichnet ILMES - Internet-Leikon der Methoden der empirischen Sozilorschung Konidenzintervll ei Normlverteilung Die Größe des Konidenzintervlls hängt ei vorgegeener Irrtumswhrscheinlichkeit vor llem von zwei Fktoren : der Stichproengröße und der Vriilität der Grundgesmtheit Je größer ceteris prius die Stichproe desto kleiner wird ds Konidenzintervll; eenso wird ds Konidenzintervll kleiner ei kleinerer Vriilität der Grundgesmtheit ILMES - Internet-Leikon der Methoden der empirischen Sozilorschung 5 5

16 Konidenzintervll ei Normlverteilung Deinition Konidenzintervll Bei einer Üerdeckungswhrscheinlichkeit von (-α)% (zb 95%) werden die untere und die oere Grenze gesucht so dss ds Intervll mit dieser Whrscheinlichkeit den gesuchten rmeter μ üerdeckt: (UG μ OG) = -α Für den Erwrtungswert μ wird der rithmetische Mittelwert geschätzt und ei eknnter Stndrdweichung σ ergit sich: σ ; σ 6 Normlverteilung In einem verträumten Städtchen m Rnde des Siegerlndes wird in einem kleinen er modernen kirchlichen Kindergrten untersucht wie lnge sich die Kinder eim Mlen konzentrieren können Lut Unterrichtsmteril ngehender Erzieherinnen und Erzieher soll sich die Konzentrtionsduer gut durch eine Normlverteilung mit = 500 Sekunden und = 6 Qudrtsekunden eschreien lssen In welchem Schwnkungsereich liegt ds 95%-Konidenzintervll der Konzentrtionsduer wenn = 500 Sekunden ist in einer Stichproe vom Umng n = 00? 7 Normlverteilung : 95%-KI = 500 σ = n = 00 ; = 500 ; ; = ; = ; = ; = 6

17 t-verteilung Die (zentrle) t-verteilung (otmls uch Student-Verteilung gennnt) geht u Willim Sely Gosset zurück Willim Sely Gosset (* ) wr ei der Guiness Bruerei ngestellt die ihm Veröentlichungen unter seinem Nmen untersgte Deshl verwndte er ds seudonym Student Im Jhre 90 entwickelte er in seiner Areit The prole error o men einen Kleinstichproentest ür normlverteilte Dten mit uneknnter Vrinz 9 t-verteilung Seien 0 n unhängige stndrdnormlverteilte Zullsvrilen so ist T 0 n i n i t-verteilt mit n Freiheitsgrden Die Anzhl der Freiheitsgrde chrkterisiert eine t-verteilung Anzhl der Freiheitsgrde = rei verügren Beochtungen (Stichproenumng n minus der Anzhl k der us der Stichproe geschätzten rmeter) Mit wchsenden Freiheitsgrden nähert sich die t-verteilung immer mehr der N(0)-Verteilung und ungeähr 30 Freiheitsgrden sind die eiden Verteilungen nhezu identisch 50 t-verteilung Werte der Dichteunktion Von oen nch unten: N(0)-Verteilung t 5 -Verteilung t -Verteilung t -Verteilung

18 t-verteilung Die t-verteilung mit n Freiheitsgrden ist symmetrisch t n ; tn; E Vr 0 n n lls n lls n 5 Konidenzintervll ei t-verteilung Deinition Konidenzintervll Bei einer Üerdeckungswhrscheinlichkeit von (-α)% (zb 95%) werden die untere und die oere Grenze gesucht so dss ds Intervll mit dieser Whrscheinlichkeit den gesuchten rmeter μ üerdeckt: (UG μ OG) = -α Für den Erwrtungswert μ wird der rithmetische Mittelwert und die Stndrdweichung σ wird durch s geschätzt: ; ; ; 53 t-verteilung Nch einiger Zeit erhlten die Erzieherinnen des Kindergrtens die Inormtion dss die Konzentrtionsähigkeit von Kindern eim Mlen zwr einer Normlverteilung gehorcht jedoch sei die Vrinz uneknnt Druhin ermittelt die Erzieherin Michel S u Grund einer Stichproe von n = 5 Kindern eine empirische Stndrdweichung von s = 6 Sekunden ei einem Mittelwert von 50 Sekunden Wie groß ist nun ds 90%-Konidenzintervll ür die erwrtete Konzentrtionsduer? t 7 ;

19 -Verteilung Seien n unhängige stndrdnormlverteilte Zullsvrilen so ist n i i -verteilt mit n Freiheitsgrden: ~ n Bei einer -Verteilung mit n Freiheitsgrden gilt: E Vr n n 55 -Verteilung Werte der Dichteunktion FG FG 0 FG 0 FG F-Verteilung Die F-Verteilung wurde nch Sir Ronld Aylmer Fisher (* ) ennnt Er wr von roessor ür Eugenik in London und in dem Zeitrum roessor ür Genetik in Cmridge 95 wurde er gedelt Er gilt ls einer der Begründer der mthemtischen Sttistik und der Biometrie In der Biometrie liegen seine Verdienste insesondere im Bereich der Versuchsplnung 57 9

20 F-Verteilung Sei eine n -Verteilung und Y eine dvon unhängige m -Verteilung so ist n m Z n Y Y m F-verteilt mit n und m Freiheitsgrden Z ~ F n m 5 F-Verteilung Werte der Dichteunktion F 00 F 0 F 0 F F-Verteilung E Vr m m m n m m m n lls m lls m Fn m; Fm n; 60 0

21 Weitere stetige Verteilungen gestutzte Normlverteilung log-normlverteilung Eponentilverteilung zweidimensionle (ivrite) Normlverteilung n-dimensionle Normlverteilung zwei- oder mehrdimensionle Gleichverteilungen 6

Stetige Verteilungsfamilien

Stetige Verteilungsfamilien Stetige Verteilungsmilien Stetige Verteilungsmilien Stetige Gleichverteilung Zur Beschreiung von Zullsvorgängen, deren Werte gleichmäßig üer einem Intervll [,] verteilt sein sollen, verwendet mn die Stetige

Mehr

3. Seminar Statistik

3. Seminar Statistik Sndr Schlick Seite.Seminr05.doc. Seminr Sttistik 0 Kurztest 5 Präsenttion diskrete Verteilungen Puse 0 Üungen diskrete Verteilungen 5 Präsenttion stetige Verteilungen 0 Üungen stetige Verteilungen Husufgen:

Mehr

Falls die Werte von X als Ergebnisse eines Zufallsvorgangs resultieren, wird X zu einer stetigen Zufallsvariable.

Falls die Werte von X als Ergebnisse eines Zufallsvorgangs resultieren, wird X zu einer stetigen Zufallsvariable. Sttistik I für Sttistiker, Mthemtiker und Informtiker Lösungen zu Bltt 11 Gerhrd Tutz, Jn Ulbricht, Jn Gertheiss WS 7/8 Theorie: Stetige Zufllsvriblen Begriff Stetigkeit: Eine Vrible oder ein Merkml X

Mehr

F - 2 Unendliche Wahrscheinlichkeitsräume

F - 2 Unendliche Wahrscheinlichkeitsräume Diskrete Whrscheinlichkeitsräume Diskrete Whrscheinlichkeitsräume F - Definition F.45 (Diskreter Whrscheinlichkeitsrum) Seien Ω eine höchstens bzählbre Menge und P : P(Ω) [0, ] eine Funktion. Dnn heißt

Mehr

F - 2 Unendliche Wahrscheinlichkeitsräume

F - 2 Unendliche Wahrscheinlichkeitsräume Diskrete Whrscheinlichkeitsräume F - Definition F.45 (Diskreter Whrscheinlichkeitsrum) Seien Ω eine höchstens bzählbre Menge und P : P(Ω) [0, ] eine Funktion. Dnn heißt (Ω, P) ein diskreter Whrscheinlichkeitsrum,

Mehr

6. Spezielle Wahrscheinlichkeitsverteilungen

6. Spezielle Wahrscheinlichkeitsverteilungen 6. Sezielle Whrscheinlichkeitsverteilungen Bisher wurden Whrscheinlichkeitsverteilungen in einer llgemeinen Form drgestellt. In der Pris treten häufig gnz estimmte Whrscheinlichkeitsverteilungen uf, die

Mehr

/LQHDUH*OHLFKXQJVV\VWHPH

/LQHDUH*OHLFKXQJVV\VWHPH /LQHDUH*OHLFKXQJVV\VWHPH (für Grund- und Leistungskurse Mthemtik) 6W55DLQHU0DUWLQ(KUHQE UJ*\PQDVLXP)RUFKKHLP Nch dem Studium dieses Skripts sollten folgende Begriffe eknnt sein: Linere Gleichung; homogene

Mehr

Zulassungsprüfung Stochastik,

Zulassungsprüfung Stochastik, Zulssungsprüfung Stochstik, 2.0.2 Wir gehen stets von einem Mßrum (Ω, A, µ) bzw. einem Whrscheinlichkeitsrum (Ω,A,P) us. Die Borel σ-algebr uf R n wird mit B n bezeichnet, ds Lebesgue Mß uf R n wird mit

Mehr

Umwandlung von endlichen Automaten in reguläre Ausdrücke

Umwandlung von endlichen Automaten in reguläre Ausdrücke Umwndlung von endlichen Automten in reguläre Ausdrücke Wir werden sehen, wie mn us einem endlichen Automten M einen regulären Ausdruck γ konstruieren knn, der genu die von M kzeptierte Sprche erzeugt.

Mehr

4. Lineare Gleichungen mit einer Variablen

4. Lineare Gleichungen mit einer Variablen 4. Linere Gleichungen mit einer Vrilen 4. Einleitung Werden zwei Terme einnder gleichgesetzt, sprechen wir von einer Gleichung. Enthlten eide Terme nur Zhlen, so entsteht eine Aussge, die whr oder flsch

Mehr

6. Spezielle Wahrscheinlichkeitsverteilungen

6. Spezielle Wahrscheinlichkeitsverteilungen 6. Spezielle Whrscheinlichkeitsverteilungen Bisher wurden Whrscheinlichkeitsverteilungen in einer llgeeinen For drgestellt. In der Pris treten häufig gnz estite Whrscheinlichkeitsverteilungen uf, die nun

Mehr

Monte-Carlo-Integration

Monte-Carlo-Integration Monte-Crlo-Integrtion von Dietmr Herrmnn, Anzing Kurzfssung: An Hnd eines einfchen Beispiels wird gezeigt, dß jedes Integrl ls Erwrtungswert einer reellen Zufllsgröße ufgefßt werden knn. een einer symptotischen

Mehr

Simulation von Störungen mit zeitlichen Schranken

Simulation von Störungen mit zeitlichen Schranken Simultion von Störungen mit zeitlichen Schrnken Die geräuchlichen sttistischen Verteilungen können elieig große Werte hervorringen, ws ei der Simultion von Störungen oft nicht erwünscht ist. Verwendet

Mehr

Beispiellösungen zu Blatt 24

Beispiellösungen zu Blatt 24 µthemtischer κorrespondenz- zirkel Mthemtisches Institut Georg-August-Universität Göttingen Aufge Beispiellösungen zu Bltt Mn eweise, dss mn ein Qudrt für jede Zhl n 6 in genu n kleinere Qudrte zerlegen

Mehr

Analytischen Geometrie in vektorieller Darstellung

Analytischen Geometrie in vektorieller Darstellung Anltische Geometrie Anltischen Geometrie in vektorieller Drstellung Anltische Geometrie Gerden Punkt-Richtungs-Form () Mit Hilfe von Vektoren lssen sich geometrische Ojekte wie Gerden und Eenen eschreien

Mehr

18. Algorithmus der Woche Der Euklidische Algorithmus

18. Algorithmus der Woche Der Euklidische Algorithmus 18. Algorithmus der Woche Der Euklidische Algorithmus Autor Friedrich Eisenrnd, Universität Dortmund Heute ehndeln wir den ältesten ereits us Aufzeichnungen us der Antike eknnten Algorithmus. Er wurde

Mehr

Mathematik: Mag. Schmid Wolfgang Arbeitsblatt Semester ARBEITSBLATT 15 ORTHOGONALITÄT

Mathematik: Mag. Schmid Wolfgang Arbeitsblatt Semester ARBEITSBLATT 15 ORTHOGONALITÄT Mthemtik: Mg. Schmid Wolfgng Areitsltt 5. Semester ARBEITSBLATT 5 ORTHOGONALITÄT Ws versteht mn zunächst einml unter orthogonl? Dies ist nur ein nderes Wort für norml oder im rechten Winkel. Ws uns hier

Mehr

ARBEITSBLATT 5L-6 FLÄCHENBERECHNUNG MITTELS INTEGRALRECHNUNG

ARBEITSBLATT 5L-6 FLÄCHENBERECHNUNG MITTELS INTEGRALRECHNUNG Mthemtik: Mg. Schmid WolfgngLehrerInnentem RBEITSBLTT 5L-6 FLÄHENBEREHNUNG MITTELS INTEGRLREHNUNG Geschichtlich entwickelte sich die Integrlrechnug us folgender Frgestellung: Wie knn mn den Flächeninhlt

Mehr

Mathematikaufgaben > Analysis > Funktionenscharen

Mathematikaufgaben > Analysis > Funktionenscharen Michel Buhlmnn Mthemtikugen > Anlysis > Funktionenschren Auge: Gegeen ist die Funktionenschr t t t mit reellen Prmeter t >. Die zugehörigen Schuilder heißen K t. Skizziere die Schuilder K,5, K und K jeweils

Mehr

Formale Systeme, Automaten, Prozesse SS 2010 Musterlösung - Übung 2 M. Brockschmidt, F. Emmes, C. Fuhs, C. Otto, T. Ströder

Formale Systeme, Automaten, Prozesse SS 2010 Musterlösung - Übung 2 M. Brockschmidt, F. Emmes, C. Fuhs, C. Otto, T. Ströder Prof Dr J Giesl Formle Systeme, Automten, Prozesse SS 2010 Musterlösung - Üung 2 M Brockschmidt, F Emmes, C Fuhs, C Otto, T Ströder Hinweise: Die Husufgen sollen in Gruppen von je 2 Studierenden us dem

Mehr

1.7 Inneres Produkt (Skalarprodukt)

1.7 Inneres Produkt (Skalarprodukt) Inneres Produkt (Sklrprodukt) 17 1.7 Inneres Produkt (Sklrprodukt) Montg, 27. Okt. 2003 7.1 Wir erinnern zunächst n die Winkelfunktionen sin und cos, deren Wirkung wir m Einheitskreis vernschulichen: ϕ

Mehr

Aufgabensammlung: Vertiefung der Schulmathematik 1.1 Handelt es sich bei den folgenden Zuordnungen um Funktionen? Begründen Sie ihre Entscheidung.

Aufgabensammlung: Vertiefung der Schulmathematik 1.1 Handelt es sich bei den folgenden Zuordnungen um Funktionen? Begründen Sie ihre Entscheidung. Fkultät für Mthemtik Cmpus Essen Wielnd Wilzek.8.-.9.06 Aufgensmmlung: Vertiefung der Schulmthemtik. Hndelt es sich ei den folgenden Zuordnungen um Funktionen? Begründen Sie ihre Entscheidung. ) Person

Mehr

Beispiele: cos(x) dx = sin(x) + c (1) e t dt = e t + c (2)

Beispiele: cos(x) dx = sin(x) + c (1) e t dt = e t + c (2) . Stmmfunktion Definition Stmmfunktion: Gegeen sei eine Funktion f(). Gesucht ist eine Funktion F (), so dss d = f(). Die Funktion F() heisst Stmmfunktion. Schreiweise: F () = f()d. Mn spricht uch vom

Mehr

2 Trigonometrische Formeln

2 Trigonometrische Formeln Mthemtische Proleme, SS 016 Freitg 6.5 $Id: trig.tex,v 1.14 016/05/06 1:6:14 hk Exp $ Trigonometrische Formeln.1 Die dditionstheoreme In der letzten Sitzung htten wir geometrische Herleitungen der dditionstheoreme

Mehr

Der Begriff der Stammfunktion

Der Begriff der Stammfunktion Lernunterlgen Integrlrehnung Der Begriff der Stmmfunktion Wir gehen von folgender Frgestellung us: welhe Funktion F x liefert ls Aleitung eine gegeene Funktion f x. Wir suhen lso eine Umkehrung der Aleitung

Mehr

5) Laplace-Wahrscheinlichkeit eines Zufallsexperiments

5) Laplace-Wahrscheinlichkeit eines Zufallsexperiments von Jule Menzel, 12Q4 5) Lplce-Whrscheinlichkeit eines ufllsexperiments Ergenis ω 1 ω 2 ω 3 ω 4 ω 1 Ω ω 2 ω 3 ω 4 Ergenismenge ist ein Ereignis ist Teilmenge von Ω kurz: c Ω Ws ist ein Ereignis? Beispiel:

Mehr

Mathematik: Mag. Schmid Wolfgang Arbeitsblatt 3 5. Semester ARBEITSBLATT 3 PARAMETERDARSTELLUNG EINER GERADEN

Mathematik: Mag. Schmid Wolfgang Arbeitsblatt 3 5. Semester ARBEITSBLATT 3 PARAMETERDARSTELLUNG EINER GERADEN Mthemtik: Mg. Schmid Wolfgng Areitsltt 3 5. Semester ARBEITSBLATT 3 PARAMETERDARSTELLUNG EINER GERADEN Wir wollen eine Gerde drstellen, welche durch die Punkte A(/) und B(5/) verläuft. Die Idee ist folgende:

Mehr

Lineare Gleichungen mit Parametern

Lineare Gleichungen mit Parametern - - Linere Gleichungen mit Prmetern Neen den lineren Gleichungen mit einer Vrilen zw. einem Pltzhlter existieren uch Gleichungen, die mehrere Uneknnte einhlten. Dei wird die Vrile, die mithilfe von Äquivlenzumformungen

Mehr

Mathematik: Mag. Schmid Wolfgang Arbeitsblatt Semester ARBEITSBLATT 14 MULTIPLIKATION EINES VEKTORS MIT EINEM SKALAR

Mathematik: Mag. Schmid Wolfgang Arbeitsblatt Semester ARBEITSBLATT 14 MULTIPLIKATION EINES VEKTORS MIT EINEM SKALAR Mthemtik: Mg. Schmid Wolfgng Areitsltt. Semester ARBEITSBLATT MULTIPLIKATION EINES VEKTORS MIT EINEM SKALAR Zunächst einml müssen wir den Begriff Sklr klären. Definition: Unter einem Sklr ersteht mn eine

Mehr

Relationen: Äquivalenzrelationen, Ordnungsrelationen

Relationen: Äquivalenzrelationen, Ordnungsrelationen TH Mittelhessen, Sommersemester 202 Lösungen zu Üungsltt 9 Fchereich MNI, Diskrete Mthemtik 2. Juni 202 Prof. Dr. Hns-Rudolf Metz Reltionen: Äquivlenzreltionen, Ordnungsreltionen Aufge. Welche der folgenden

Mehr

3 Trigonometrische Formeln

3 Trigonometrische Formeln Mthemtische Proleme, SS 018 Donnerstg 1.6 $Id: trig.tex,v 1. 018/06/1 14:08:44 hk Exp $ 3 Trigonometrische Formeln 3. Verdoppelungs- und Hlierungsformeln Als Verdoppelungsformeln ezeichnet mn die Formeln

Mehr

13-1 Funktionen

13-1 Funktionen 3- Funktionen 3 Integrle: Flächeninhlte Seien < reelle Zhlen, sei I = [, ] = { R } ds Intervll der Zhlen zwischen und Wir etrchten eine stetige Funktion f : I R und ds zugehörige Integrl f() d (dies ist

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mthemtik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Aufge 69. Quizz Integrle. Es sei Höhere Mthemtik für Informtiker II (Sommersemester

Mehr

13. Quadratische Reste

13. Quadratische Reste ChrNelius: Zhlentheorie (SS 007) 3 Qudrtische Reste Wir ehndeln jetzt ei den Potenzresten den Sezilfll m und führen die folgende Begriffsildung ein: (3) DEF: Seien n und teilerfremd heißt qudrtischer Rest

Mehr

Ungleichungen. Jan Pöschko. 28. Mai Einführung

Ungleichungen. Jan Pöschko. 28. Mai Einführung Ungleichungen Jn Pöschko 8. Mi 009 Inhltsverzeichnis Einführung. Ws sind Ungleichungen?................................. Äquivlenzumformungen..................................3 Rechnen mit Ungleichungen...............................

Mehr

v P Vektorrechnung k 1

v P Vektorrechnung k 1 Vektorrechnung () Vektorielle Größen in der hysik: Sklren Größen wie Zeit, Msse, Energie oder Tempertur werden in der hysik mit einer Mßzhl und einer Mßeinheit ngegeen: 7 sec, 4.5 kg. Wichtige physiklische

Mehr

ARBEITSBLATT 5L-11 BERECHNEN VON RAUMINHALTEN

ARBEITSBLATT 5L-11 BERECHNEN VON RAUMINHALTEN Mthemtik: Mg. Schmid Wolfgng+LehrerInnentem ) Rottion um die -Achse ARBEITSBLATT 5L- BERECHNEN VON RAUMINHALTEN Es geht hier um folgende Aufgenstellung. Eine gegeene Funktion f() soll in einem estimmten

Mehr

Numerische Quadratur nach Archimedes

Numerische Quadratur nach Archimedes Huptseminr Oktläume und hierrchische Bsen Numerische Qudrtur nch Archimedes Forschungs- und Lehreinheit Inormtik V Ingenieurnwendungen in der Inormtik numerische Progrmmierung uruer Christin den 05.06.003

Mehr

Automaten und formale Sprachen Notizen zu den Folien

Automaten und formale Sprachen Notizen zu den Folien 5 Ds Pumping Lemm Schufchprinzip (Folie 144) Automten und formle Sprchen Notizen zu den Folien Im Block Ds Schufchprinzip für endliche Automten steht m n (sttt m > n), weil die Länge eines Pfdes die Anzhl

Mehr

Vorkurs Mathematik. Vorlesung 3. Die rationalen Zahlen

Vorkurs Mathematik. Vorlesung 3. Die rationalen Zahlen Prof. Dr. H. Brenner Osnrück WS 2014/2015 Vorkurs Mthemtik Vorlesung 3 Die rtionlen Zhlen Definition 3.1. Unter einer rtionlen Zhl versteht mn einen Ausdruck der Form, woei, Z und 0 sind, und woei zwei

Mehr

Gliederung. Kapitel 1: Endliche Automaten

Gliederung. Kapitel 1: Endliche Automaten Gliederung 0. Motivtion und Einordnung 1. Endliche Automten 2. Formle Sprchen 3. Berechnungstheorie 4. Komplexitätstheorie 1.1. 1.2. Minimierungslgorithmus 1.3. Grenzen endlicher Automten 1/1, S. 1 2017

Mehr

a) Eine Menge, die aus jeder Äquivalenzklasse genau ein Element enthält, ist

a) Eine Menge, die aus jeder Äquivalenzklasse genau ein Element enthält, ist Lösungen zu den Fschingsufgen Aufge 15 ) Eine Menge, die us jeder Äquivlenzklsse genu ein Element enthält, ist { n n N 0 } { n n N 0 } {}. ) n N 0 : w = n {w {, } ww L} = { k n+k k N 0 }. c) Nein. n N

Mehr

6-1 Elementare Zahlentheorie. mit 1 b n und 0 a b (zusammen mit der Ordnung ) nennt man die n-te Farey-Folge, zum Beispiel ist

6-1 Elementare Zahlentheorie. mit 1 b n und 0 a b (zusammen mit der Ordnung ) nennt man die n-te Farey-Folge, zum Beispiel ist 6- Elementre Zhlentheorie 6 Frey-Folgen Die Menge F n der rtionlen Zhlen mit n und (zusmmen mit der Ordnung ) nennt mn die n-te Frey-Folge, zum Beispiel ist F = { < < < < < < < < < < } Offensichtlich gilt:

Mehr

Die Satzgruppe des Pythagoras

Die Satzgruppe des Pythagoras 7 Die Stzgruppe des Pythgors In Klssenstufe 7 hen wir uns ei den Inhlten zur Geometrie insesondere mit Dreieken und ihren Eigenshften eshäftigt. In diesem Kpitel wirst du erkennen, dss es ei rehtwinkligen

Mehr

Lösungen zu den Wiederholungsaufgaben zum Grundwissenkatalog Mathematik der 7. Jahrgangsstufe. c) 5x ( 2 3 = 17 3

Lösungen zu den Wiederholungsaufgaben zum Grundwissenkatalog Mathematik der 7. Jahrgangsstufe. c) 5x ( 2 3 = 17 3 Gymnsium Stein Lösungen zu den Wiederholungsufgen zum Grundwissenktlog Mthemtik der. Jhrgngsstufe ) ) ❶: keine; ❷: ; ❸: ; ❹: ; ❺: keine; ❻: ; ❼: ; ❽: ; ❾: ) ❶; ❷; ❹; ❾ ) ) ( 0,x ) 0,x ( 0,x ) = = 0,0x

Mehr

( N. m)( n m. P(X = m) EX = n M N. 1 M ) N n

( N. m)( n m. P(X = m) EX = n M N. 1 M ) N n .3.2.5 Hypergeometrische Verteilung Als Referenzmodell dient die bereits beknnte Urne mit N Kugeln, von denen M Kugeln schwrz und N M Kugeln weiß sind. Wir ziehen ohne Zurücklegen n Kugeln, wobei unsere

Mehr

Lernkarten. Analysis. 11 Seiten

Lernkarten. Analysis. 11 Seiten Lernkrten Anlysis Seiten Zum Ausdrucken muss mn jeweils eine Vorderseite drucken, dnn ds Bltt wenden, nochmls einlegen und die Rückseite drucken. Am esten druckt mn die Krten uf festem Ppier oder uf Visitenkrten-

Mehr

Kapitel IV Euklidische Vektorräume. γ b

Kapitel IV Euklidische Vektorräume. γ b Kpitel IV Euklidische Vektorräume 1 Elementrgeometrie in der Eene Sei E die Zeicheneene In der Schule lernt mn: (11) Stz des Pythgors: Sei E ein Dreieck mit den Seiten, und c, und sei γ der c gegenüerliegende

Mehr

(1 ξ) f (k) (ξ) + k! z x n+1. (n + 1)! 2 f (n + 1)!

(1 ξ) f (k) (ξ) + k! z x n+1. (n + 1)! 2 f (n + 1)! 0.. Lösung der Aufgbe. Wir schreiben f = sup{ f : [0, ]}. Für ξ ]0, [ und n N gibt es nch dem Stz von Tlor ein c ]ξ, [ so, dss: f = fξ + n ξ k f k ξ + k! k= Aus der Ttsche, dss f k 0 für lle k N ist, folgt

Mehr

10: Lineare Abbildungen

10: Lineare Abbildungen Chr.Nelius: Linere Alger SS 2008 1 10: Linere Aildungen 10.1 BEISPIEL: Die Vektorräume V 2 und Ê 2 hen diegleiche Struktur. Es git eine ijektive Aildung f : V 2 Ê 2, die durch die Vorschrift definiert

Mehr

Minimierung von DFAs. Minimierung 21 / 98

Minimierung von DFAs. Minimierung 21 / 98 Minimierung von DFAs Minimierung 21 / 98 Ein Beispiel: Die reguläre Sprche L({, } ) Wie stellt mn fest, o ein Wort ds Suffix esitzt? Ein erster Anstz: Speichere im ktuellen Zustnd die eiden zuletzt gelesenen

Mehr

Algorithmische Bioinformatik I

Algorithmische Bioinformatik I Ludwig-Mximilins-Universität München Institut für Informtik Prof. Dr. Volker Heun Sommersemester 2016 Semestrlklusur 21. Juli 2016 Algorithmische Bioinformtik I Vornme Nme Mtrikelnummer Reihe Pltz Unterschrift

Mehr

a q 0 q 1 a M q 1 q 3 q 2

a q 0 q 1 a M q 1 q 3 q 2 Prof Dr J Giesl Formle Systeme, Automten, Prozesse SS 2010 Musterlösung - Üung 4 M Brockschmidt, F Emmes, C Fuhs, C Otto, T Ströder Hinweise: Die Husufgen sollen in Gruppen von je 2 Studierenden us dem

Mehr

1 Folgen von Funktionen

1 Folgen von Funktionen Folgen von Funktionen Wir etrchten Folgen von reell-wertigen Funktionen f n U R mit Definitionsereicht U R und interessieren uns für ntürliche Konvergenzegriffe. Genuer setzen wir uns mit folgenden Frgen

Mehr

1. Kapitel: Arithmetik. Ergebnisse mit und ohne Lösungsweg

1. Kapitel: Arithmetik. Ergebnisse mit und ohne Lösungsweg Arithmetik Lösungen Lö. Kpitel: Arithmetik. Ergenisse mit und ohne Lösungsweg Zu Aufge.: ) 7 ist eine rtionle Zhl, d sie sich ls Bruch us zwei gnzen Zhlen (Nenner 0) drstellen lässt: 7 7. 6 ) Eenso, denn

Mehr

Abiturprüfung Mathematik 13 Technik B I - Lösung mit CAS

Abiturprüfung Mathematik 13 Technik B I - Lösung mit CAS GS 0.06.207 - m7_t-_lsg_cas_gs.pdf Aiturprüfung 207 - Mthemtik Technik B I - Lösung mit CAS Teilufge (7 BE) Am Timmendorfer Strnd findet lljährlich im Juni eine Segelregtt sttt. Erfhrungsgemäß kommen 2%

Mehr

6. Quadratische Gleichungen

6. Quadratische Gleichungen 6. Qudrtische Gleichungen 6.1 Voremerkungen Potenzieren und Wurzelziehen, somit uch Qudrieren und Ziehen der Qudrtwurzel, sind entgegengesetzte Oertionen. Sie heen sich gegenseitig uf. qudrieren Qudrtwurzel

Mehr

Minimalität des Myhill-Nerode Automaten

Minimalität des Myhill-Nerode Automaten inimlität des yhill-nerode Automten Wir wollen zeigen, dss der im Beweis zum yhill-nerode Stz konstruierte DEA für die reguläre Sprche L immer der DEA mit den wenigsten Zuständen für L ist. Sei 0 der konstruierte

Mehr

Übungsblatt 1. Vorlesung Theoretische Grundlagen der Informatik im WS 17/18

Übungsblatt 1. Vorlesung Theoretische Grundlagen der Informatik im WS 17/18 Institut für Theoretische Informtik Lehrstuhl Prof. Dr. D. Wgner Üungsltt Vorlesung Theoretische Grundlgen der Informtik im WS 78 Ausge 9. Oktoer 27 Age 7. Novemer 27, : Uhr (im Ksten im UG von Geäude

Mehr

( ) ( ) 4. Der Hauptsatz der Infinitesimalrechnung. Hauptsatz (1. Form) I. Newton ( ), G.F. Leibniz ( )

( ) ( ) 4. Der Hauptsatz der Infinitesimalrechnung. Hauptsatz (1. Form) I. Newton ( ), G.F. Leibniz ( ) 4. Der Huptstz der Infinitesimlrechnung Huptstz (. orm) I. Newton (64-77), G.. Leiniz (646-76) ür jede im Intervll [,] stetige unktion f sei ( ) = f ( t) dt sogennnte Integrlfunktion dnn gilt: Die Integrlfunktion

Mehr

3.3 Extrema I: Winkel Ebene/Gerade

3.3 Extrema I: Winkel Ebene/Gerade 3 3 ANALYSIS 3.3 Extrem I: Winkel Eene/Gerde In diesem Aschnitt gehen wir von einer Gerde g und einer g nicht enthltenden Eene ε us und wollen unter llen möglichen spitzen Schnittwinkeln zwischen g und

Mehr

9.5. Uneigentliche Integrale

9.5. Uneigentliche Integrale 9.5. Uneigentliche Integrle Bestimmte und unestimmte Integrle hängen zwr eng zusmmen, er die Existenz des einen grntiert nicht immer die des nderen: Eine integrierre Funktion muß keine Stmmfunktion esitzen,

Mehr

Regiomontanus - Gymnasium Haßfurt - Grundwissen Mathematik Jahrgangsstufe 9

Regiomontanus - Gymnasium Haßfurt - Grundwissen Mathematik Jahrgangsstufe 9 Regiomontnus - Gymnsium Hßfurt - Grundwissen Mthemtik Jhrgngsstufe 9 Wissen und Können Zhlenmengen N Z Q R ntürliche gnze rtionle reelle Aufgen, Beispiele, Erläuterungen N, Z, Q, R Wurzeln (Qudrtwurzel)

Mehr

Die Dreiecke ADM A und BCM C sind kongruent aufgrund

Die Dreiecke ADM A und BCM C sind kongruent aufgrund Westfälische Wilhelms-Universität Münster Mthemtisches Institut pl. Prof. Dr. Lutz Hille Dr. Krin Hlupczok Üungen zur Vorlesung Elementre Geometrie Sommersemester 010 Musterlösung zu ltt 4 vom 3. Mi 010

Mehr

HM I Tutorium 13. Lucas Kunz. 2. Februar 2017

HM I Tutorium 13. Lucas Kunz. 2. Februar 2017 HM I Tutorium 3 Lucs Kunz. Ferur 07 Inhltsverzeichnis Theorie. Differentilgleichungen erster Ordnung..................... Linere DGL zweiter Ordnung..........................3 Uneigentliche Integrle.............................

Mehr

Copyright, Page 1 of 5 Der Faktorraum

Copyright, Page 1 of 5 Der Faktorraum www.mthemtik-netz.de Copright, Pge of 5 Der Fktorrum Ein sehr wichtiges Konstrukt, welches üerll in der Mthemtik Verwendung findet, ist der Fktorrum, oft uch Quotientenrum gennnt. Dieser ist selst ein

Mehr

M Umformen von Termen

M Umformen von Termen M 7.. Umformen von Termen In Jhrgngsstufe 7 wird ds Fundment einer Schritt für Schritt ufzuuenden Alger gelegt. Dem Umformen von Termen kommt dei eine grundlegende Bedeutung zu. Im Lehrpln heißt es Die

Mehr

Zulassungsprüfung Stochastik,

Zulassungsprüfung Stochastik, Zulssungsprüfung Stochstik, 05.05.2 Wir gehen stets von einem Mßrum, A, µ) bzw. einem Whrscheinlichkeitsrum,A,P) us. Die Borel σ-algebr uf R n wird mit B n bezeichnet, ds Lebesgue Mß uf R n wird mit λ

Mehr

Hans Walser. Geometrische Spiele. 1 Vier gleiche rechtwinklige Dreiecke. 1.1 Allgemeiner Fall

Hans Walser. Geometrische Spiele. 1 Vier gleiche rechtwinklige Dreiecke. 1.1 Allgemeiner Fall Hns Wlser Geometrische Spiele 1 Vier gleiche rechtwinklige Dreiecke 1.1 Allgemeiner Fll Wir strten mit einem elieigen rechtwinkligen Dreieck in der ülichen Beschriftung. A c B Strtdreieck C Nun versuchen

Mehr

Bruchrechnung. W. Kippels 6. Dezember Inhaltsverzeichnis. 1 Vorwort 2. 2 Einleitung 3

Bruchrechnung. W. Kippels 6. Dezember Inhaltsverzeichnis. 1 Vorwort 2. 2 Einleitung 3 Bruchrechnung W. Kippels 6. Dezemer 08 Inhltsverzeichnis Vorwort Einleitung Die Bruchrechenregeln. Addition gleichnmiger Brüche........................ Addition ungleichnmiger Brüche.......................

Mehr

FORMALE SYSTEME. Kleene s Theorem. Wiederholung: Reguläre Ausdrücke. 7. Vorlesung: Reguläre Ausdrücke. TU Dresden, 2.

FORMALE SYSTEME. Kleene s Theorem. Wiederholung: Reguläre Ausdrücke. 7. Vorlesung: Reguläre Ausdrücke. TU Dresden, 2. FORMALE SYSTEME 7. Vorlesung: Reguläre Ausdrücke Mrkus Krötzsch Rndll Munroe, https://xkcd.com/851_mke_it_etter/, CC-BY-NC 2.5 TU Dresden, 2. Novemer 2017 Mrkus Krötzsch, 2. Novemer 2017 Formle Systeme

Mehr

Kapitel 7 INTEGRATION

Kapitel 7 INTEGRATION Kpitel 7 INTEGRATION Fssung vom 3. Ferur 6 Mthemtik für Humniologen und Biologen 97 7. Additive Prozesse 7. Additive Prozesse BEISPIEL Die Aufnhme von Blei us der Luft durch einen Orgnismus ist in einem

Mehr

4 Hyperbel. 4.1 Die Hyperbel als Kegelschnitt

4 Hyperbel. 4.1 Die Hyperbel als Kegelschnitt 1 4 Hperel 4.1 Die Hperel ls Kegelschnitt Wird ein Kreiskegel mit dem hlen Öffnungswinkel α von einer Eene σ geschnitten, die mit der Kegelchse einen Wink β < α einschliesst, so entsteht ls Schnittkurve

Mehr

ARBEITSBLATT 5L-8 FLÄCHE ZWISCHEN FUNKTION UND X-ACHSE

ARBEITSBLATT 5L-8 FLÄCHE ZWISCHEN FUNKTION UND X-ACHSE Mthemtik: Mg. Schmid WolfgngLehrerInnentem RBEITSBLTT 5L-8 FLÄCHE ZWISCHEN FUNKTION UND X-CHSE Wie wir die Fläche zwischen einer Funktion und der -chse erechnen, hen wir rechentechnische ereits geklärt.

Mehr

Aufgaben zur Entscheidungstheorie

Aufgaben zur Entscheidungstheorie Aufgen zur Entscheidungstheorie. Ein Entscheidungsträger he ein Guthen uf seinem Sprkonto in Höhe von 0000. Die Bnk iete ihm drei Anlgemöglichkeiten:. Erwer einer Beteiligung m Unternehmen U, Beteiligungsetrg

Mehr

Lösung zur Klausur. Grundlagen der Theoretischen Informatik. 1. Zeigen Sie, dass die folgende Sprache regulär ist: w {a, b} w a w b 0 (mod 3) }.

Lösung zur Klausur. Grundlagen der Theoretischen Informatik. 1. Zeigen Sie, dass die folgende Sprache regulär ist: w {a, b} w a w b 0 (mod 3) }. Lösung zur Klusur Grundlgen der Theoretischen Informtik 1. Zeigen Sie, dss die folgende Sprche regulär ist: { w {, } w w 0 (mod 3) }. Lösung: Wir nennen die Sprche L. Eine Sprche ist genu dnn regulär,

Mehr

Berechnung von Flächen unter Kurven

Berechnung von Flächen unter Kurven Berechnung von Flächen unter Kurven Es soll die Fläche unter einer elieigen (stetigen) Kurve erechnet werden. Dzu etrchten wir die (sog.) Flächenfunktion, mit der die zu erechnende Fläche qusi ngenähert

Mehr

4 Die rationalen Zahlen

4 Die rationalen Zahlen 4 Die rtionlen Zhlen Der Ring der gnzen Zhlen ht den Mngel, dß nicht jede Gleichung = X, 0 innerhl Z lösr ist. (Z.B. ist 1 = 2 X unlösr in Z). Zu seiner Beseitigung erweitert mn den Zhlereich zum Körper

Mehr

9 Längen- Flächen- und Volumenmessung

9 Längen- Flächen- und Volumenmessung 9 Längen- Flächen- und Volumenmessung A Länge einer Kurve B Flächenmessung C Volumenerechnung 56 A. Länge einer Kurve ERKLÄRUNG 9.1. (Länge einer Kurve in Funktionsdrstellung.) Es sei f eine uf dem Intervll

Mehr

Grundbegriffe der Mengenlehre

Grundbegriffe der Mengenlehre Reiner Winter Grundegriffe der Mengenlehre 1. Der Mengenegriff Die Mengenlehre wurde von Georg Cntor (1845-1918) egründet. Im Jhre 1895 g er die folgende, erühmt gewordene Begriffsestimmung der Menge n:

Mehr

Grundkurs Mathematik. Einführung in die Integralrechnung. Lösungen und Ergebnisse zu den Aufgaben

Grundkurs Mathematik. Einführung in die Integralrechnung. Lösungen und Ergebnisse zu den Aufgaben Seite Einführung in die Integrlrechnung Lösungen und Ergenisse Gr Stefn Gärtner Grundkurs Mthemtik Einführung in die Integrlrechnung Lösungen und Ergenisse zu den Aufgen Von llen Wissenschftlern können

Mehr

6.4 näherungen für bestimmte Integrale

6.4 näherungen für bestimmte Integrale 6.4 näherungen für estimmte Integrle 6.4 näherungen für estimmte Integrle 6.4. Diekepler schefssregel Ingenieuren und Nturwissenschftlern pssiert es immer wieder, dss sie es mit Funktionenzu tunhen,dieso

Mehr

Einführung in die Mathematik des Operations Research

Einführung in die Mathematik des Operations Research Universität zu Köln Mthemtisches Institut Prof. Dr. F. Vllentin Dr. A. Gundert Einführung in die Mthemtik des Opertions Reserch Aufge (5+5= Punkte) Sommersemester 4 Lösungen zur Klusur (5. Septemer 4).

Mehr

1. Rechensteine und der Pythagoräische Lehrsatz.

1. Rechensteine und der Pythagoräische Lehrsatz. 1. Rechensteine und der Pythgoräische Lehrstz. Der Beginn der wissenschftlichen Mthemtik fällt mit dem Beginn der Philosophie zusmmen. Er knn uf die Pythgoräer zurückdtiert werden. Die Pythgoräer wren

Mehr

Die Zufallsvariable und ihre Verteilung

Die Zufallsvariable und ihre Verteilung Die Zufllsvrible und ihre Verteilung Die Zufllsvrible In der Whrscheinlichkeitstheorie bzw. Sttistik betrchtet mn Zufllsvriblen. Eine Zufllsvrible ist eine Funktion, die Ergebnissen eines Zufllsexperimentes

Mehr

Übungen zur Vorlesung Grundlagen der Mathematik II Lösungsvorschlag

Übungen zur Vorlesung Grundlagen der Mathematik II Lösungsvorschlag MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr. E. Schörner SS 2015 Bltt 6 26.05.2015 Üungen zur Vorlesung Grundlgen der Mthemtik II Lösungsvorschlg 21. ) Ein Qudrt mit der Seitenlänge + und dmit dem

Mehr

Flächenberechnung. Aufgabe 1:

Flächenberechnung. Aufgabe 1: Flächenerechnung Aufge : Berechnen Sie den Flächeninhlt zwischen dem Funktionsgrphen und der -Achse in den Grenzen von is von: ) f() = ) f() = - Skizzieren Sie die Funktionsgrphen und schrffieren Sie die

Mehr

D-MAVT/D-MATL Analysis I HS 2016 Dr. Andreas Steiger. Lösung - Serie 9

D-MAVT/D-MATL Analysis I HS 2016 Dr. Andreas Steiger. Lösung - Serie 9 D-MAVT/D-MATL Anlysis I HS 26 Dr. Andres Steiger Lösung - Serie 9. MC-Aufgben (Online-Abgbe). Es sei f die Funktion f() = e + 7. Welche der folgenden Funktionen sind Stmmfunktionen von f? () g() = 2 2

Mehr

a) x 0, (Nichtnegativität) b) x = 0 x = 0, (Eindeutigkeit) c) αx = α x, (Skalierung)

a) x 0, (Nichtnegativität) b) x = 0 x = 0, (Eindeutigkeit) c) αx = α x, (Skalierung) Definition 1.20 Ein metrischer Rum besteht us einer Menge X und einer Abbildung d : X X R, die jedem geordneten Pr von Elementen us X eine reelle Zhl zuordnet, d.h. (x,y) X X d(x,y) R. Diese Abbildung

Mehr

G1 Trigonometrie. G1 Trigonometrie. G1.1 Die trigonometrischen Grundfunktionen und ihre wichtigsten Eigenschaften

G1 Trigonometrie. G1 Trigonometrie. G1.1 Die trigonometrischen Grundfunktionen und ihre wichtigsten Eigenschaften G1.1 Die trigonometrischen Grundfunktionen und ihre wichtigsten Eigenschften Seitenverhältnisse und Winkel in rechtwinkligen Dreiecken Beispiel: Wenn in einem Dreieck ABC zum Beispiel die Seite genu so

Mehr

Würfel (1) Würfel werden im Kasino und bei vielen Gesellschaftsspielen verwendet.

Würfel (1) Würfel werden im Kasino und bei vielen Gesellschaftsspielen verwendet. Würfel (1) Aufgbennummer: B_078 Technologieeinstz: möglich erforderlich Würfel werden im Ksino und bei vielen Gesellschftsspielen verwendet. ) Die Mthemtiker Blise Pscl und Pierre de Fermt beschäftigten

Mehr

5. Homotopie von Wegen

5. Homotopie von Wegen 28 Andres Gthmnn 5. Homotopie von Wegen In der Prxis wird der Cuchysche Integrlstz meistens in einer äquivlenten Umformulierung verwendet, die wir nun genuer ehndeln wollen. Anschulich esgt sie, dss Wegintegrle

Mehr

Musterlösungen zum 6. Übungsblatt

Musterlösungen zum 6. Übungsblatt Musterlösungen zum 6 Üungsltt Anlysis ei Dr Rolf Busm WS 6/7 Aufge 6 (Tois Hessenuer) ) 3 ep()d, setze u = ep(), v = 3 dnn gilt: 3 ep()d = ep() 3 = e (3 ep() ) 3 ep() d = e 3e + 6 ep() = 6e 3e + 6e 6e

Mehr

5. Vektor- und Matrizenrechnung

5. Vektor- und Matrizenrechnung Ü F-Studiengng Angewndte lektronik, SS 6 Üungsufgen zur Lineren Alger und Anlysis II Vektor- und Mtrizenrechnung Für die Vektoren = (,,,) und = (,,,) erechne mn die Linerkomintion ( ) + ( + ), die Längen,

Mehr

Serie 13 Lösungsvorschläge

Serie 13 Lösungsvorschläge D-Mth Mss und Integrl FS 204 Prof. Dr. D. A. Slmon Serie 3 Lösungsvorschläge. Sei I := [, b] R ein kompktes Intervll und sei B 2 I die Borel-σ-Algebr. Def. Eine Funktion f : I R heisst von beschränkter

Mehr

4. Das quadratische Reziprozitätsgesetz.

4. Das quadratische Reziprozitätsgesetz. 4-1 Elementre Zhlentheorie 4 Ds udrtische Rezirozitätsgesetz Sei eine ungerde Primzhl, sei Z mit, 1 Frge: Wnn gibt es x Z mit x mod? Gibt es ein derrtiges x, so nennt mn einen udrtischen Rest modulo Legendre

Mehr

Michael Buhlmann Mathematik > Lineare Gleichungssysteme

Michael Buhlmann Mathematik > Lineare Gleichungssysteme Michel Buhlmnn Mthemtik > Linere Gleichungssysteme Crl Friedrich Guß Der Mthemtiker und Gelehrte Crl Friedrich Guß (*1777-1855) studierte nch Schulusbildung und Abitur m Collegium Crolinum Brunschweig

Mehr