Kapitel 1. Grundlagen der Fehleranalyse
|
|
- Lioba Maus
- vor 7 Jahren
- Abrufe
Transkript
1 Kaptel Grundlagen der Fehleranalyse B... (Fehlerarten): Von den Fehlerquellen ausgehend unterscheden wr dre unterschedlche Fehlerarten: () Engangsehler Dese entstehen durch a) Modellerungsehler (Z.B. wenn ene komplzerte Funkton durch ene enachere ersetzt wrd bzw. durch Dskretserung enes stetgen Modells). b) Datenehler Engangsdaten werden aus physkalschen Messungen, statstschen Erhebungen und Prognosen gewonnen. Se snd daher zwangsläug ehlerbehatet. (Herzu werden auch gelegentlch menschlche bzw. maschnelle Fehler gezählt.) () Verahrensehler Dese entstehen durch a) Fntserung nnter Prozesse: Numersche Verahren können prnzpell Grenzprozesse ncht nachvollzehen. Daher muss en Iteratonsverahren nach endlch velen Schrtten abgebrochen werden. Des hat Abbruchehler (truncaton error) zur Folge. b) Dskretserung stetger Prozesse. Des hat Drkretseungsehler zur Folge. (Bespele: Interpolaton, Derentaton, Integraton). (3) Rundungsehler Be der Ausührung von Rechenoperatonen können Fehler entstehen, da man mmer nur n enem begrenzten Zahlenberech arbetet. Man behlt sch, ndem man Resultate rundet. Ene möglche Akkumulaton solcher Rundungsehler kann zu ener vollständgen Verälschung des Endresultats ühren. Velach werden de schlmmen Folgen enes sorglosen Umgangs mt numerschem Fehler, spezell Rundungsehler, unterschätzt. En spektakuläres Bespel herür war das Desaster mt Patrot Mssle n Dharan, Saud Araben, am 5. Februar 99, be dem 8 Personen ums Leben kamen. Nachuntersuchungen zegten, dass de Katastrophe durch unzurechende Behandlung des Rundungsehlers n der Raketensotware verursacht wurde. B... Alle Fehlerarten, vor allem Rundungsehler und Verahrensehler, snd m Allgemenen mtenander verlochten; se überlagern sch n komplzerter Wese und könne bezüglch hres Enlusses au das Resultat ot sehr schwer oder gar ncht getrennt werden. De
2 Gewnnung quanttatver Senstvtätsaussagen st deshalb ebenalls komplzert. Mest werden ohne Berückschtgung der Fehlerüberlagerung Abschätzung ür nur ene Fehlerart angeboten. Im Weteren wrd der gleche Zugang gewählt. D... (Absoluter und relatver Fehler): Es seen, R, wobe ene Näherung ür sen soll. Se : = als absoluter Fehler und ε : =, 0 als relatver Fehler genannt. B.. 3. Zur verglechenden Beurtelung von verschedenen Messungen egnet sch der absolute Fehler ncht. Werden z.b. ene Länge = 0 cm mt dem absoluten Fehler = mm ermttelt und ene Länge y = 0 m mt demselben absoluten Fehler = mm, so st de Qualtät der Messung von y oenbar besser als de der Messung von. Der relatve Fehler wurde engeührt, um de Qualtät von Näherungswerten verglechen zu können. Im Fall gbt es oenschtlch kenen großen Untersched zwschen dem absoluten und dem relatven Fehler. Dagegen wrd dese Derenz m Fall zemlch groß sen. y B.. 4 Es glt ( ε ) = +. (..) Der Faktor + ε wrd als Modkator genannt. D... (Mamaler absoluter und relatver Fehler): Se, ε Ε, wobe > 0 : ene möglchst klene obere Schranke ür Ε > 0 : ene möglchst klene obere Schranke ür ε snd. Dann heßt mamaler absoluter Fehler (oder absoluter Höchstehler) von und Ε mamaler relatver Fehler (oder relatver Höchstehler) von.
3 B.. 5. (Zur Abschätzung des Engangsehlers): Herzu gbt es olgende Möglchketen: ) Anwendung der Analyss (nsbesondere der Mttelwertsätze der Derentalrechnung; ) Anwendung der Theore der unscharen Mengen ( uzzy sets ); 3) Anwendung der Intervallmathematk. B.. 6. (Fehler be der Ermttlung des Wertes ener Funkton ener Veränderlcher mt Hle der Analyss): Se R : en eakter Wert, R : ene Näherung von. Bekannt seen, und Ε. Soll en Funktonswert y = ( ) ener (der Enachhet halber als stetg derenzerbar vorausgesetzten) Funkton ener reellen Veränderlchen bestmmt werden, so wrd das Ergebns durch zwe Faktoren verälscht: Man erhält () durch das ehlerhate Argument () durch ene genährte Funktonsberechnung. Um de Genaugket von y Wege bestreten: y = ( ) statt y = ( ). zu beurtelen, kann man zwe n gewsser Wese entgegengesetzte. Weg: (Rückwärtsanalyse (Inverse Augabe der Fehlertheore)): Be der Rückwärtsanalyse des Fehlers nterpretert man den Näherungswert y Funktonswert zu enem gestörten Argument: als eakten ( ): = ( + ) (..) und versucht, de Störung abzuschätzen. Ist, so legt + n demselben Intervall, + we das unbekannte Argument. Folglch st y ene akzeptable Näherung von y. Ist dagegen > (oder sogar >> ), so muss ersetzt werden, wenn en Genaugketsverlust vermeden werden soll. durch ene bessere Näherungsunkton 3
4 . Weg: (Vorwärtsanalyse (Drekte Augabe der Fehlertheore)): Be der Vorwärtsanalyse des Fehlers schätzt man den absoluten Gesamtehler: y : = ( ) ( ) (. 3.) ab. Analog zu (..) asst man de genährte Funktonsberechnung ( ) als ene modzerte eakte Funktonsberechnung ( ) ( ) au: ( ): = + ε ( ), ε < Ε, (. 4.) wobe ε von der gewählten Näherungsunkton und dem Argument abhängt. Damt olgt: y : = ( ) ( ) = ε ( ) + ( ) ( ). ( (. 4.)) (. 5.) ε ( ) heßt (absoluter) erzeugter Fehler; er wrd von der genährten Funktonsberechnung verursacht. ( ) ( ) heßt (absoluter) ortgeplanzter Fehler; er gbt an, we sch der Fehler des Arguments be eakter Funktonsberechnung au das Ergebns auswrken würde. Es glt nun ( ) = ( + ) = ( + ) = ( ) + '( + α ), α ], [ Damt olgt ür den absoluten Gesamtehler 0. (. 6.) = ε ( ) + ( ) + '( + α ) ( ) y ( (. 5. ),(. 6.) ε ( ) + '( ), ε < Ε, <. (. 7.) y Verschat man sch Betragsschranken ür ( ) und '( ) : mu ( ) mo, '( ) m ür +,, (. 8.) so hat man statt (. 7.) - ohne Vernachlässgung von Gledern höherer Ordnung - de Abschätzung m Ε + m. (. 9.) y o 4
5 Es glt erner ür den relatven Gesamtehler und y '( ) ε + ε ε,, < Ε < ( (.. ),(. 7.) ) (. 0.) ( ) ( ) y ( ) m Ε o + mu + m u m Ε ( (. 9.) ) (..) BS... : Gegeben se de Funkton ( ) : = cos und de Näherungsunkton ( ) : =. (Bemerkung: Es glt nach MacLaurnscher Formel: 4 k k cos = ( ) + Rk +,! 4!! ( k ) ( k ) k + π Rk + = cos ϑ + ( k + ), ϑ ] 0, [ +! ) Gesucht snd de Funktonswerte ür de Argumente = und = mt dem enhetlchen mamalen absoluten Fehler = Lösung: y = = ( ) = = (gerundet au dre Stellen nach dem Basspunkt) y = = ( ) = = (gerundet au dre Stellen nach dem Basspunkt)
6 . Weg: (Rückwärtsanalyse): Zuerst versuchen wr, Störungen, =,, zu bestmmen, ür de y, =,, eakte Funktonswerte von +, =,, snd: y = cos +, =,. Es glt nun cos + = cos.cos sn.sn, =, und ür klene, = :, Damt hat man cos, ; sn, =,. y cos..sn, =,, cos y, =,, sn = , = Wegen = < = legt also das Argument + n demselben Intervall [ , ] [ , ] + = we das Argument = π. Damt st y 8 ene akzeptable Näherung ür den gesuchten Funktonswert y = cos π. 8 Anderersets legt wegen 0. 0 = >> = das gestörte Argument + ncht n demselben Fehlerntervall we das eakte Argument = π. Das bedeutet, y kann ncht als 4 Näherung ür y = cos π akzeptert werden. 4 6
7 . Weg: (Vorwärtsanalyse): Es glt: y: = ( ) ( ) = cos = cos( ) + = cos( ) cos sn. (..) Wegen des Alternerens der Cosnusrehe st de Derenz von ( ) und klener als das erste vernachlässgte Gled der Rehe, d.h.: ( ) betragsmäßg ( ) ( ) = cos < 4! 4 ( + ε ) ( ) ( ) = ε ( ) ( (. 5.)) 4 = cos <, (. 3.) 4! y y cos sn ( (..)) cos + sn 4 + sn, ( (. 3.)) 4! d.h. 4 y ! ( ; sn ) Mt = ergbt sch: 7
8 (Letzt Aktualserung: ) 8
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
Mehr2. 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
Mehre dt (Gaußsches Fehlerintegral)
Das Gaußsche Fehlerntegral Φ Ac 5-8 Das Gaußsche Fehlerntegral Φ st denert als das Integral über der Standard-Normalvertelung j( ) = -,5 n den Grenzen bs, also F,5 t ( ) = - e dt (Gaußsches Fehlerntegral)
MehrSei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ).
Taylorentwcklung (Approxmaton durch Polynome). Problemstellung Se T( x ) de Tangente an den Graphen der Funkton f(x) m Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ). Dann kann man de
MehrDie Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung
am Bespel enes Modells der chadenverscherung Für das Modell ener chadenverscherung se gegeben: s w s. n 4 chaden enes Verscherungsnehmers, wenn der chadenfall entrtt Wahrschenlchket dafür, dass der chadenfall
MehrAnalysis I. Vorlesung 17. Logarithmen. R R, x exp x,
Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analyss I Vorlesung 17 Logarthmen Satz 17.1. De reelle Exponentalfunkton R R, x exp x, st stetg und stftet ene Bjekton zwschen R und R +. Bewes. De Stetgket
MehrElemente der Mathematik - Sommer 2016
Elemente der Mathematk - Sommer 2016 Prof Dr Matthas Lesch, Regula Krapf Lösungen Übungsblatt 3 Aufgabe 9 (10 Punkte) Das Horner-Schema st ene Methode zum Auswerten enes Polynoms n a0 x an der Stelle s
MehrNullstellen 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!
Mehr4.6 Das Pumping-Lemma für reguläre Sprachen:
Theoretsche Informatk 1 Vorlesungsskrpt vom Fretag, 30 Jun 000 Index: Erstellt von: (Matrkelnummer: 70899) Sete : 46 Das Pumpng-Lemma für reguläre Sprachen 1 Satz W 1 Zugrundelegende Idee des Pumpng-Lemma
Mehr3. 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
MehrDefinition des linearen Korrelationskoeffizienten
Defnton des lnearen Korrelatonskoeffzenten r xy x y y r x xy y 1 x x y y x Der Korrelatonskoeffzent st en Indkator dafür, we gut de Punkte (X,Y) zu ener Geraden passen. Sen Wert legt zwschen -1 und +1.
MehrKonkave 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
MehrKapitel V. Parameter der Verteilungen
Kaptel V Parameter der Vertelungen D. 5.. (Erwartungswert) Als Erwartungswert ener Zufallsvarablen X bezechnet man: E( X ) : Dabe se vorausgesetzt: = = + p falls X dskret f d falls X stetg und = + p
Mehrwird 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
Mehr1 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:
MehrArbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2
ETH Arbetsgruppe Radocheme Radochemsches Praktkum P 06 Enführung n de Statstk INHALTSVERZEICHNIS Sete 1. Zählung von radoaktven Zerfällen und Statstk 2 2. Mttelwert und Varanz 2 3. Momente ener Vertelung
Mehr9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.
Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.
MehrDie Transzendenz der Eulerschen Zahl e
De Transzendenz der Eulerschen Zahl e nach Jean-Paul Delahaye Der n [1, Seten 21-22] skzzerte Bewes der Transzendenz der Eulerschen Zahl e wrd m folgenden ausgeführt. En alternatver Bewes, der auf Ideen
Mehr9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.
Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.
Mehr-70- Anhang: -Lineare Regression-
-70- Anhang: -Lneare Regressn- Für ene Messgröße y f(x) gelte flgender mathematsche Zusammenhang: y a+ b x () In der Regel läßt sch durch enen Satz vn Messwerten (x, y ) aber kene Gerade zechnen, da de
MehrDynamisches Programmieren
Marco Thomas - IOI 99 -. Treffen n Bonn - Dynamsches Programmeren - Unverstät Potsdam - 8.02.999 Dynamsches Programmeren 957 R. Bellmann: Dynamc Programmng für math. Optmerungsprobleme Methode für Probleme,.
MehrÜbungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen
Übungsklausur Wahrschenlchket und Regresson De Lösungen. Welche der folgenden Aussagen treffen auf en Zufallsexperment zu? a) En Zufallsexperment st en emprsches Phänomen, das n stochastschen Modellen
MehrLösungen der Aufgaben zu Kapitel 2
Lösungen der Aufgaben zu Kaptel Abschntt 1 Aufgabe 1 Wr benutzen de Potenzrechenregeln, um ene Potenz von mt geradem Eponenten n oder mt ungeradem Eponenten n + 1 we folgt darzustellen: n n und n+1 n n
MehrFachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung
Fachberech Mathematk Prof. K. Grosse-Brauckmann D. Frsch WS 27/8./.. 6. Übungsblatt zur Lnearen Algebra für Physker Gruppenübung Aufgabe G7 (Kern, Bld, Rang und Orthogonaltät) Gegeben se ene lneare Abbldung
Mehr2 Zufallsvariable und Verteilungen
Zufallsvarable und Vertelungen 7 Zufallsvarable und Vertelungen Wr wollen uns jetzt mt Zufallsexpermenten beschäftgen, deren Ausgänge durch (reelle) Zahlen beschreben werden können, oder be denen man jedem
MehrResultate / "states of nature" / mögliche Zustände / möglicheentwicklungen
Pay-off-Matrzen und Entschedung unter Rsko Es stehen verschedene Alternatven (Strategen) zur Wahl. Jede Stratege führt zu bestmmten Resultaten (outcomes). Man schätzt dese Resultate für jede Stratege und
MehrWeitere NP-vollständige Probleme
Wetere NP-vollständge Probleme Prosemnar Theoretsche Informatk Marten Tlgner December 10, 2014 Wr haben letzte Woche gesehen, dass 3SAT NP-vollständg st. Heute werden wr für enge wetere Probleme n NP zegen,
MehrStochastische Prozesse
INSTITUT FÜR STOCHASTIK SS 009 UNIVERSITÄT KARLSRUHE Blatt 4 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 16: (Success Run, Fortsetzung)
MehrEinführung in die numerische Mathematik
Prof. Dr. M. Günther K. Gauslng, M.Sc. C. Hendrcks, M.Sc. Sommersemester 1 Bergsche Unverstät Wuppertal Fachberech C Mathematk und Naturwssenschaften Angewandte Mathematk / Numersche Analyss Enführung
MehrFacility Location Games
Faclty Locaton Games Semnar über Algorthmen SS 2006 Klaas Joeppen 1 Abstract Wr haben berets sehr häufg von Nash-Glechgewchten und vor allem von deren Exstenz gesprochen. Das Faclty Locaton Game betet
MehrLineare Algebra IIa Vorlesung - Prof. Dr. Daniel Roggenkamp & Sven Balnojan
Lneare Algebra IIa - 04 orlesung - Pro Dr Danel Roggenkamp & Sen Balnojan 93 Untäre ektorräume hermtesche Form au enem C ektorraum sesqulnear (ant-lnear m ersten lnear m zweten Argument (, w (w, (, 2 R
MehrUniversität Karlsruhe (TH)
Unverstät Karlsruhe (TH) Forschungsunverstät gegründet 825 Parallele Algorthmen I Augaben und Lösungen Pro. Dr. Walter F. Tchy Dr. Vctor Pankratus Davd Meder Augabe () Gegeben se en N-elementger Zahlenvektor
MehrAspekte zur Approximation von Quadratwurzeln
Aspete zur Approxmaton von Quadratwurzeln Intervallschachtelung Intervallhalberungsverfahren Heron-Verfahren Rechnersche und anschaulche Herletung Zusammenhang mt Newtonverfahren Monotone und Beschränthet
Mehr4.5 Lemma Das folgende Problem Par{ 1, 0, 1}max p ist NP-vollständig:
4.5 Lemma Das folgende Problem Par, 0, }max st NP-vollständg: Inut: d, m N mt m d, α N und x,...,x m, 0, } d l.u.. Frage: Exsteren κ,...,κ m, }, sodass m κ x α? Bemerkung: Beachte, dass wegen Satz 4.2
MehrMi , Dr. Ackermann Übungsaufgaben Gewöhnliche Differentialgleichungen Serie 13
M. 3. 5-4. 45, Dr. Ackermann 6..4 Übungsaufgaben Gewöhnlche Dfferentalglechungen Sere 3.) Bestmmung ener homogenen Dfferentalglechung zu gegebenen Funktonen y (partkuläre Lösungen) enes Fundamentalsystems.
MehrIn der beschreibenden Statistik werden Daten erhoben, aufbereitet und analysiert. Beispiel einer Datenerhebung mit Begriffserklärungen (Vokabel)
Rudolf Brnkmann http://brnkmann-du.de Sete.. Datenerhebung, Datenaufberetung und Darstellung. In der beschrebenden Statstk werden Daten erhoben, aufberetet und analysert. Bespel ener Datenerhebung mt Begrffserklärungen
Mehr6. Übung zur Linearen Algebra II
Unverstät Würzburg Mathematsches Insttut Prof. Dr. Peter Müller Dr. Peter Fleschmann SS 2006 30.05.2006 6. Übung zur Lnearen Algebra II Abgabe: Bs Mttwoch, 14.06.2006, 11:00 Uhr n de Brefkästen vor der
MehrDaten 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
Mehrz.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel!
Aufgabe : Vorbemerkung: Ene Zufallsvarable st ene endeutge Funkton bzw. ene Abbldungsvorschrft, de angbt, auf welche Art aus enem Elementareregns ene reelle Zahl gewonnen wrd. x 4 (, ) z.b. Münzwurf: Kopf
MehrPolygonalisierung 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
MehrGrundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt
Mathematsches Insttut der Unverstät München Wntersemester 3/4 Danel Rost Lukas-Faban Moser Grundlagen der Mathematk I Lösungsvorschlag zum. Tutorumsblatt Aufgabe. a De Formel besagt, daß de Summe der umrahmten
MehrBedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY)
Bedngte Entrope Kaptel : Bedngte Entrope Das vorherge Theorem kann durch mehrfache Anwendung drekt verallgemenert werden H (... H ( = Ebenso kann de bedngt Entrope defnert werden Defnton: De bedngte Entrope
Mehr22. Vorlesung Sommersemester
22 Vorlesung Sommersemester 1 Bespel 2: Würfel mt festgehaltener Ecke In desem Fall wählt man den Koordnatenursprung n der Ecke und der Würfel st durch den Berech x = 0 a, y = 0 a und z = 0 a bestmmt De
MehrAsymptotische Stochastik (SS 2010) Übungsblatt 1 P X. 0, n.
Insttut für Stochastk PD. Dr. Deter Kadelka Danel Gentner Asymptotsche Stochastk (SS 2) Übungsblatt Aufgabe (Arten von Konvergenz reeller Zufallsvarablen und deren Zusammenhänge) Es seen X,, n N reelle
MehrDie Jordansche Normalform
De Jordansche Normalform Danel Hug 29. Aprl 211 KIT Unverstät des Landes Baden-Württemberg und natonales Forschungszentrum n der Helmholtz-Gemenschaft www.kt.edu 1 Zerlegung n Haupträume 2 Fazt und nächstes
Mehr6.5. 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
Mehr6 Rechnen mit Zahlen beliebig hoher Stellenzahl 7 Intervall-Arithmetik 8 Umsetzung in aktuellen Prozessoren
Inhalt 4 Realserung elementarer Funktonen Rehenentwcklung Konvergenzverfahren 5 Unkonventonelle Zahlenssteme redundante Zahlenssteme Restklassen-Zahlenssteme logarthmsche Zahlenssteme 6 Rechnen mt Zahlen
MehrStreuungs-, Schiefe und Wölbungsmaße
aptel IV Streuungs-, Schefe und Wölbungsmaße B... Lagemaße von äufgketsvertelungen geben allen weng Auskunft über ene äufgketsvertelung. Se beschreben zwar en Zentrum deser Vertelung, geben aber kenen
MehrManhattan-Metrik anhand des Beispiels
Bestmmung durch Manhattan-Metrk 3 Manhattan-Metrk anhand des Bespels Gesucht werden de zwe Standorte für zwe Ausleferungslager. De Standpunkte der Nachfrager () snd durch de Koordnaten ( x/y ) gegeben.
Mehr1.11 Beispielaufgaben
. Bespelaufgaben Darstellung komplexer Zahlen Aufgabe. Man stelle de komplexe Zahl z = +e 5f n algebrascher Form, also als x + y dar. Damt man de Formel für de Dvson anwenden kann, muss zunächst der Nenner
Mehr( ) γ. (t 1 ) (t 2 ) = Arg γ 2(t 2 )
Funktonentheore, Woche 10 Bholomorphe Abbldungen 10.1 Konform und bholomorph Ene konforme Abbldung erhält Wnkel und Orenterung. Damt st folgendes gement: Wenn sch zwe Kurven schneden, dann schneden sch
MehrKlasse : 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
MehrNernstscher Verteilungssatz
Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.
MehrAuswertung 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;
MehrDas zum dualen Problem (10.2) gehörige Barriere-Problem lautet analog
60 Kaptel 2. Lneare Optmerung 10 Innere-Punkte-Verfahren Lteratur: Geger, Kanzow, 2002, Kaptel 4.1 Innere-Punkte-Verfahren (IP-Verfahren) oder nteror pont methods bewegen sch m Gegensatz zum Smplex-Verfahren
MehrFORMELSAMMLUNG 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
MehrInformatik II. Minimalpolynome und Implikanten. Minimalpolynome. Minimalpolynome. Rainer Schrader. 27. Oktober Was bisher geschah: Definition
Informatk II Raner Schrader und Implkanten Zentrum für Angewandte Informatk Köln 27. Oktober 2005 1 / 28 2 / 28 Was bsher geschah: jede Boolesche Funkton kann durch enfache Grundfunktonen dargestellt werden
MehrMultilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel
ultlneare Algebra und hre Anwendungen Nr. : Normalformen Verfasser: Yee Song Ko Adran Jenn Rebecca Huber Daman Hodel 9.5.7 - - ultlneare Algebra und hre Anwendungen Jordan sche Normalform Allgemene heore
MehrStochastische 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)
MehrHochschule Heilbronn Technik Wirtschaft Informatik Heilbronn University Institut für math.-naturw. Grundlagen
Versuch : Messung von Glechspannung und Glechstrom mt Multmetern 1. Aufgabenstellung Messung von Glechspannung u. Glechstrom mt analogen und dgtalen Messgeräten Verglech verschedener Messgeräte, Messgenaugket
Mehr5.3.3 Relaxationsverfahren: das SOR-Verfahren
53 Iteratve Lösungsverfahren für lneare Glechungssysteme 533 Relaxatonsverfahren: das SOR-Verfahren Das vorangehende Bespel zegt, dass Jacob- sowe Gauß-Sedel-Verfahren sehr langsam konvergeren Für de Modellmatrx
MehrAbbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)).
44 n n F F a) b) Abbldung 3.: Besetzungszahlen enes Fermgases m Grundzustand (a)) und für ene angeregte Konfguraton (b)). 3.3 Ferm Drac Statstk In desem Abschntt wollen wr de thermodynamschen Egenschaften
Mehr16. Vorlesung Sommersemester
16. Vorlesung Sommersemester 1 Das Egenwertproblem In allgemener Form hat das Egenwertproblem de Form A x = λ x, (1) wobe A ene n n-matrx, x en n-dmensonaler Vektor und λ der Egenwert st (n Englsch: egenvector,
MehrNäherungsverfahren. Wiederhole den Algorithmusbegriff. Erläutere die Begriffe: Klasse der NP-Probleme. Probleme. Probleme. Approximative Algorithmen
Näherungsverfahren Wederhole den Algorthmusbegrff. Erläutere de Begrffe: Klasse der P-ProblemeP Probleme Klasse der NP-Probleme Probleme Approxmatve Algorthmen Stochastsche Algorthmen ALGORITHMEN Def.:
MehrNetzwerkstrukturen. 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.
Mehr18. 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
Mehr12 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:
MehrAuswertung P1-81 Elektrische Messverfahren
Auswertung P1-81 Elektrsche Messverfahren Mchael Prm & Tobas Volkenandt 16. Januar 6 Aufgabe 1.1 Messung des nnenwderstandes des µ A -Multzets Nachdem wr de Schaltung gemäß Schaltskzze (Abb.1) aufgebaut
MehrDie hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x)
ZZ Lösung zu Aufgabe : Ch²-Test Häufg wrd be der Bearbetung statstscher Daten ene bestmmte Vertelung vorausgesetzt. Um zu überprüfen ob de Daten tatsächlch der Vertelung entsprechen, wrd en durchgeführt.
MehrRückblick Regression II: Anpassung an Polynome
Rückblck Regresson II: Anpassung an Polynome T. Keßlng: Auswertung von Messungen und Fehlerrechnung - Fehlerrechnung und Korrelaton 0.06.08 Vorlesung 0- Temperaturmessung mt Thermospannung Wr erhalten
Mehr18. Vorlesung Sommersemester
8. Vorlesung Sommersemester Der Drehmpuls des starren Körpers Der Drehmpuls des starren Körpers st etwas komplzerter. Wenn weder de Wnkelgeschwndgket um de feste Rotatonsachse st, so wrd mt Hlfe des doppelten
MehrSS 2017 Torsten Schreiber
SS Torsten Schreber e den Ebenen unterscheden wr de und de prmeterfree Drstellung. Wenn wr ene Ebenenglechung durch dre Punkte bestmmen wollen, so müssen de zugehörgen Vektoren sen, d es sonst nur ene
MehrNumerische Methoden II
umersche Methoden II Tm Hoffmann 23. Januar 27 umersche Bespele umersche Methoden zur Approxmaton von Dervatpresen: - Trnomsche Gttermethode - Implzte Fnte Dfferenzen - Explzte Fnte Dfferenzen - Crank-colson
MehrDeterminanten - I. den i-ten Zeilenvektor der n n-matrix A bezeichnet.
Determnanten - I Ene Determnante st ene Abbldung, welche ener quadratschen (!) Matrx ene Zahl zuordnet. Wr verwenden n desem Zusammenhang de Schrebwese A = a 2, wobe den -ten Zelenvektor der n n-matrx
MehrAufgabenkomplex 2: Umrechung von Einheiten, Ungleichungen, Komplexe Zahlen
Technsche Unverstät Chemntz 0. Oktober 009 Fakultät für Mathematk Höhere Mathematk I.1 Aufgabenkomplex : Umrechung von Enheten, Unglechungen, Komplexe Zahlen Letzter Abgabetermn: 19. November 009 n Übung
MehrVorlesung 3 Differentialgeometrie in der Physik 13
Vorlesung 3 Dfferentalgeometre n der Physk 13 Bemerkung. Ist M Manngfaltgket, p M und φ : U R n Karte mt p U, so nennt man U auch Koordnatenumgebung und φ auch Koordnatensystem n p. Bespel 2.4 Seen R >
MehrDatenaufbereitung und -darstellung III
Datenafberetng nd Darstellng 1 Glederng: Zel der Datenafberetng nd Darstellng Datenverdchtng Tabellen nd grafsche Darstellngen Darstellng nvarater Datenmengen (Abschntt 4.4 Darstellng mltvarater Daten
MehrDie Hamilton-Jacobi-Theorie
Kaptel 7 De Hamlton-Jacob-Theore Ausgearbetet von Rolf Horn und Bernhard Schmtz 7.1 Enletung Um de Hamlton schen Bewegungsglechungen H(q, p q k = p k H(p, q ṗ k = q k zu verenfachen, führten wr de kanonschen
MehrGruppe. 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
MehrDer Erweiterungsfaktor k
Der Erweterungsfaktor k Wahl des rchtgen Faktors S. Meke, PTB-Berln, 8.40 Inhalt: 1. Was macht der k-faktor? 2. Welche Parameter legen den Wert des k-faktors fest? 3. Wo trtt der k-faktor auf? 4. Zusammenhang
MehrMethoden 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
MehrSeminar 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
MehrZusammenfassung. 1) Falls Zwangsbedinungen die Freiheitsgrade einschränken, kann man die abhängige Koordinaten aus der Lagrangfunktion elimieren;
Zusammenfassung 1) Falls Zwangsbednungen de Frehetsgrade enschränken, kann man de abhängge Koordnaten aus der Lagrangfunkton elmeren; 2) Es st auch möglch de Zwangsbednungen mt Hlfe der Lagrangefaktoren
MehrAufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):
LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete
MehrVersuch Nr. 6. Chemische Kinetik Aktivierungsenergie (Inversion von Saccharose)
Chrstan Wdlng, Georg Deres Versuch Nr. 6 Chemsche Knet Atverungsenerge (Inverson von Saccharose) Zel des Versuchs: Das Zel des Versuches st de Bestmmung der Atverungsenerge der Reaton von Saccharose (S)
MehrLineare Optimierung Dualität
Kaptel Lneare Optmerung Dualtät D.. : (Dualtät ) Folgende Aufgaben der lnearen Optmerung heßen symmetrsch dual zuenander: und { z = c x Ax b x } max, 0 { Z b A c } mn =, 0. Folgende Aufgaben der lnearen
Mehr50 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
MehrDie kanonische Zustandssumme (System) und ihr Zusammenhang mit der molekularen Zustandssumme (Einzelmolekül) unterscheidbare Teilchen:
De molekulare Zustandssumme βε = e mt β = De kanonsche Zustandssumme (System) und hr Zusammenhang mt der molekularen Zustandssumme (Enzelmolekül) unterschedbare elchen: Q = ununterschedbareelchen Q : =!
MehrContents blog.stromhaltig.de
Contents We hoch st egentlch Ihre Grundlast? Ene ncht ganz unwchtge Frage, wenn es um de Dmensonerung ener senannten Plug&Play Solar-Anlage geht. Solarsteckdosensystem für jermann, auch für Meter lautete
Mehrnonparametrische 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
MehrBaudynamik und Erdbebeningenieurwesen
Baudynamk und Erdbebenngeneurwesen Themen und Antworten für de Lzenzprüfung 1. Defneren Se den Begrff: Grad des dynamschen Frehetsgrads. Geben Se Bespele von Systemen mt enem enzgen Grad des dynamschen
MehrAn welche Stichwörter von der letzten Vorlesung können Sie sich noch erinnern?
An welche Stchwörter von der letzten Vorlesung können Se sch noch ernnern? Gasgesetz ür deale Gase pv = nr Gelestete Arbet be sotherme Ausdehnung adabatsche Ausdehnung 2 n Reale Gase p + a 2 ( V nb) =
MehrFunktionsgleichungen 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
MehrWechselstrom. 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:!"
MehrGrundgedanke der Regressionsanalyse
Grundgedanke der Regressonsanalse Bsher wurden durch Koeffzenten de Stärke von Zusammenhängen beschreben Mt der Regressonsrechnung können für ntervallskalerte Varablen darüber hnaus Modelle geschätzt werden
MehrBeschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression
Beschrebung des Zusammenhangs zweer metrscher Merkmale Streudagramme Korrelatonskoeffzenten Regresson Alter und Gewcht be Kndern bs 36 Monaten Knd Monate Gewcht 9 9 5 8 3 4 7.5 4 3 6 5 3 6 4 3.5 7 35 5
MehrKomplexe Zahlen. Teil 2. Darstellung der komplexen Zahlen. als Vektoren mit Polarkoordinaten trigonometrisch oder exponentiell. Eulersche Funktion E
Höhere nalss Komplexe Zahlen Tel Darstellung der komplexen Zahlen als Vektoren mt Polarkoordnaten trgonometrsch oder exponentell Eulersche Funkton E Date Nr. 500 Stand. November 08 FRIEDRICH W. BUCKEL
Mehr1 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)
MehrDie Kugel Lösungen. 1. Von einer Kugel ist der Radius bekannt. Berechne Volumen und Oberfläche der
De Kugel Lösungen 1. Von ener Kugel st der Radus bekannt. Berechne Volumen und Oberfläche der Kugel. r,8 cm 5, cm 18,6 cm 4, cm 5,6 cm 4,8 cm V 0 cm³ 64 cm³ 6 954 cm³ cm³ 76 cm³ 46 cm³ O 181 cm² 5 cm²
Mehr