1. Aufgaben zur Übung Einfache Systeme
|
|
- Dennis Pfeiffer
- vor 7 Jahren
- Abrufe
Transkript
1 Thomas Schulze Übungsaufgaben zur LV Produktionssimulation 1 1. Aufgaben zur Übung Einfache Systeme 1.1. Aufgabe 1(Maschine mit Puffer) In einer Quelle (Quelle1) werden identische Teile (Teile A) erzeugt. Die Zwischenerzeugungszeit ist exponential-verteilt mit einem Erwartungswert von 10 Minuten. Die Teile gelangen zeitlos zu einer Maschine (Maschine1) mit vorgelagertem Puffer unbegrenzter Kapazität (FIFO-Prinzip). Die Bearbeitungszeit auf der Maschine unterliegt einer Normalverteilung mit den Parametern Erwartungswert von 40 und einer Standardabweichung von 10 Minuten. Nach der Bearbeitung verlassen die Teile die Fertigung (Senke1). 1. Erstellen Sie ein ARENA-Modell und unterbreiten Sie einen Vorschlag zur Kapazität der Maschine1. Bestimmen Sie die Dauer der Simulation selbständig und stützen Sie Ihren Vorschlag auf Statistiken zur Wartezeit der Teile in dem Puffer der Gesamtverweildauer der Teile in dem System und der Auslastung der Maschine1. Die Gesamtzahl der produzierten Teile ist zu ermitteln. Bestimmen Sie eine Vorzugsvariante. 2. Fügen Sie Plots über den zeitlichen Verlauf der Warteschlangenlänge vor Maschine1 und der Anzahl der belegten Einheiten von Maschine1 für Ihre Vorzugsvariante ein. 3. Die Bedienzeit auf der Maschine wird verändert. Diese Zeit setzt sich aus einem konstanten Anteil (für Vorbereitungen) von 2 Minuten und der bekannten eigentlichen Bearbeitungszeit zusammen. Simulieren Sie über einen Zeitraum von 24 Stunden. Welche Ergebnisse sind aus überschläglichen Berechnungen zu erwarten? 4. In das Modell wird eine zweite Maschine (Maschine2) eingebaut. Alle Teile, welche die erste Maschine verlassen gelangen zur zweiten Maschine. Die Parameter der Verarbeitungszeiten sind auf beiden Maschinen identisch. Die entsprechenden Statistiken für die Maschine2 sind zu ermitteln.
2 Thomas Schulze Übungsaufgaben zur LV Produktionssimulation Aufgabe 2 (Verkettete Maschinen) In einer Quelle (Quelle1) werden identische Teile (Teile A) erzeugt. Die Zwischenerzeugungszeit ist exponential-verteilt mit einem Erwartungswert von 10 Minuten. Die Teile gelangen zeitlos zu einer Maschine (Station 1) mit vorgelagertem Puffer unbegrenzter Kapazität (FIFO-Prinzip). Die Bearbeitungszeit auf der Maschine unterliegt einer Dreiecksverteilung (Minimum 6, Mode 8, Maximum 10) Minuten. Über einen Rollenförderer gleiten die Teile zeitlos zur nächsten Maschine (Statiuon2). Der Rollenförderer hat eine Kapazität von 5 Teilen. Wenn die Kapazität des Rollenförderers nicht ausreicht, dann müssen die Teile auf der ersten Maschine warten. Die Bearbeitungszeit auf der zweiten Maschine unterliegt ebenfalls einer Dreiecksverteilung (Minimum 6, Mode 8, Maximum 10) Minuten. Nach der Bearbeitung verlassen die Teile das System. 1. Erstellen Sie ein ARENA-Modell für diesen Ablauf. Berechnen Sie die Verweildauer im System und den WIP. Simulieren Sie über einen Zeitraum von 240 Tagen. 2. Welche Maßnahmen wollen Sie ergreifen, um die Durchlaufzeit zu verringern. Simulieren Sie Ihren Vorschlag. 3. Erweitern Sie das Modell um eine zweite Fertigungslinie mit identischen Parametern für den Teiletyp B. Vergleichen Sie die Ergebnisse der beiden Linien. 4. Beide Fertigungslinien produzieren in ein Lager. Alle 20 Minuten kommt ein Kunde am Lager vorbei und entnimmt 5 beliebige Teile aus dem Lager. 5. Der Kunde nimmt immer nur einen Teiletyp aus dem Lager. Die Wahrscheinlichkeit ist für beide Teiletypen identisch. Visualisieren die unterschiedlichen Teiletypen auch unterschiedlich.
3 Thomas Schulze Übungsaufgaben zur LV Produktionssimulation Aufgabe 3 (Logistikzentrum) An einem Logistikzentrum treffen in zufälligen Abständen LKW s ein, die jeweils Teile eines Teiletyps anliefern. Die Zwischenankunftszeit ist exponentialverteilt mit einem Mittelwert von 10 Minuten. Der Teiletyp ist gleichverteilt aus dem Intervall von 1 bis 100. Die Anzahl der gelieferten Teile ist gleichverteilt im Intervall von 10 bis 20 Teilen. Die LKW s können nicht direkt an die Entladerampen des Zentrum fahren. Die LKW s sammeln sich auf einem Parkplatz außerhalb und melden sich bei Ankunft auf diesem Parkplatz per Funk bei einem Dispatcher. Das Logistikzentrum verfügt über drei Entladerampen mit jeweils einem vorgelagerten Platz (Bereitschaftsplatz) für einen LKW. Der Dispatcher veranlasst die Ausfahrt eines LKW s vom Parkplatz, wenn mindestens ein Bereitschaftsplatz frei ist. Im einfachen Fall wählt der Dispatcher den am längsten wartenden LKW. Der LKW fährt dann zum eigentlichen Logistikzentrum. Die Fahrzeit entspricht einer Dreiecksverteilung mit 2, 3, 5 Minuten. Zur eigentlichen Entladung wird ein Lagerarbeiter benötigt. Der Entladevorgang ist Abhängig von der Anzahl der gelieferten Teile. Pro Teil werden 2 Minuten benötigt. Die Teile werden im Lager abgelegt. In zufälligen Abständen kommen Anforderungen zur Auslieferung an das Lager. Die Zwischenankunftszeiten sind exponentialverteilt mit einem Mittelwert von 3 Minuten. Der Teiletyp ist gleichverteilt aus dem Intervall von 1 bis 100 und die Stückzahl ist gleichverteilt im Intervall von 1 bis 5 Teilen. Kann ein Auftrag nicht erfüllt werden, so muss dieser Auftrag warten, bis alle benötigten Teile im Lager vorhanden sind. Kann dagegen der Auftrag erfüllt werden, so wird dieser sofort ausgeführt und die Teile kommen zu einem Kommissionierplatz. Ein kommissionierter Auftrag fordert einen Transportroboter an. Das Beladen des Transporters wird wieder von dem Lagerarbeiter vorgenommen. Die Hin- und Rückfahrt des Roboters sowie das Entladen ist Normalverteilt mit den Parametern (10, 3 ) Minuten. Ermitteln Sie: Die Anzahl der notwendigen Lagerarbeiter Die Anzahl der notwendigen Transportroboter Die Größe des Bereitschaftsplatzes
4 Thomas Schulze Übungsaufgaben zur LV Produktionssimulation 4 Parkplatz Bereitschaftsplätze Entladerampen Lager Dispatcher Lagerarbeiter Auftrag Transportroboter Aus der der Betrachtung der Ergebnisse ergeben sich die folgenden Fakten: Die Summe der Einlagerungen (Ankunftsrate) ist größer als die Summe der Auslagerungen (Bedienrate). Dadurch steigt der Lagerbestand permanent. Trotz des ständig steigenden Lagerbestandes sind die Wartezeiten und die Anzahl der wartenden Anforderungen signifikant. Unterbreiten Sie Vorschläge zur Verbesserung der Situation: Implementieren Sie eine oder mehrere neue Dispatcherstrategien. Implementieren Sie eine oder mehrere Bestellungsstrategien. Berücksichtigen Sie dabei die zeitliche Verzögerung zwischen dem Auslösen der Bestellung und dem Eintreffen des LKW.
5 Thomas Schulze Übungsaufgaben zur LV Produktionssimulation Aufgabe 4 ( Schilder und Bürger) In einer Behörde werden Kfz-Zulassungszeichen (Schilder) und Fahrerlaubnisse für den Bürger verwaltet. Die Zwischenankunftszeit der Bürger für die Schilder ist exponentialverteilt EXPO(6.8) und die Bearbeitungszeit ist TRIA(8.7, 13.7, 15.2 ). Die Zwischenankunftszeit für Bürger, die zur Erlaubnisstelle wollen, ergibt sich aus EXPO(8.7) und die Bearbeitungszeit aus TRIA(16.7, 20.5, 29.2). In der Behörde gibt es zwei Warteschlangen entsprechend der unterschiedlichen Anliegen der Bürger. Alle Zeitangaben sind in Minuten In dem Amt arbeiten fünf Beamte. Zwei (Tom und Peter) sind für die Schilder zuständig, zwei weitere (Netty und Lore) für die Erlaubnisse und der Chef Anton kann in beiden Unterbereichen arbeiten. Anton bedient die Bürger erst, wenn seine Unterstellten auch schon beschäftigt sind. Eine Schicht in diesem Amt dauert 8 Stunden. 1. Erstellen Sie ein ARENA-Modell und Simulieren Sie über einen Zeitraum von 8 Stunden. Ermitteln Sie die Warte- und Durchlaufzeiten der Bürger getrennt nach den Anliegen, die Auslastung jedes einzelnen Beamten und unterbreiten Sie einen Vorschlag zur Dimensionierung der Warteräume. 2. Zur Erhöhung der Sicherheit im Amt wird ein Sicherheitsdienst eingestellt. Er öffnet am Morgen das Amt und schließt nach 8 Stunden die Eingangstür. Er sorgt dafür, dass alle sich im Gebäude befindlichen Bürger, die zum Zeitpunkt der Schließung im Gebäude waren, nach ihrer Abfertigung das Gebäude verlassen können. Zählen Sie die Bürger, die nach der Schließung der Behörde vergeblich versuchten, diese zu betreten. 3. Alle Beamten haben Anspruch auf eine Pause von 30 Minuten. Die Reihenfolge für die Pause ist : Tom, Netty, Anton, Peter und Lore. Begründen Sie Ihre Auswahl der Strategie zur Ausführung der Pausen 4. Unterbreiten Sie einen Vorschlag, welcher Beamter zur Weiterbildung geschickt werden soll, damit dieser dann in beiden Bereichen eingesetzt werden kann.
6 Thomas Schulze Übungsaufgaben zur LV Produktionssimulation Aufgabe 5 (Statistiken zur Aufgabe Schilder und Bürger) Das Modell aus der Aufgabe Schilder und Bürger ist eine Terminating-Simulation. Für dieses Modell sind die folgenden Ergebnisse (Outputs) für mehrere Tage zu berechnen: mittlere Wartezeit für die Schild-Bürger, mittlere Wartezeit für die Erlaubnisbürger, mittlere Wartezeit für alle Bürger, die Auslastung des Beamten Peter und die Wahrscheinlichkeit dafür, dass ein Bürger mehr als X-Minuten wartet. Berechnen Sie das Konfidenzintervall für die o.g. Mittelwerte. Legen Sie eine geeignete Anzahl von Läufen fest. Führen Sie einen Vergleich zwischen den Varianten A und B durch. Variante A basiert auf dem aktuellem Modell (Schilderteam: Tom, Peter, Anton; Erlaubnisteam Lore, Netty, Anton). In der Variante B kann Peter auch Arbeiten für Erlaubnisse übernehmen.
Operations Research Kurs 00859: Stochastische Simulation
Aufgabe B0404 In einem Friseursalon sind 1 Herrenfriseur, 1 Damenfriseur und 1 Meister, der sowohl Herren als auch Damen bedient, beschäftigt. Die Kunden bevorzugen eine Bedienung durch den Meister. Der
MehrEinsatz von Varianzreduktionstechniken II
Einsatz von Varianzreduktionstechniken II Stratified Sampling und Common Random Numbers Bastian Bluhm Betreuer: Christiane Barz Ausgewählte technische, rechtliche und ökonomische Aspekte des Entwurfs von
Mehr2 Prozessanalyse I: Zeiten und Bestände
Prozessanalyse I: Zeiten und Bestände.1 Prozessorientierte Betrachtung von Warte- und Bediensystemen Bislang haben wir uns Wertschöpfungsprozesse nur sehr abstrakt als Kombinationsprozesse.1 für Produktionsfaktoren
MehrExponentialverteilung
Exponentialverteilung Dauer von kontinuierlichen Vorgängen (Wartezeiten; Funktionszeiten technischer Geräte) Grenzübergang von der geometrischen Verteilung Pro Zeiteinheit sei die Eintrittswahrscheinlichkeit
MehrKlausur zur Veranstaltung Industrielle Produktionssysteme im Sommersemester Alle Aufgaben in der Klausur sind zu bearbeiten.
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Veranstaltung Industrielle Produktionssysteme im Sommersemester
MehrModellgestützte Analyse und Optimierung Übungsblatt 4
Fakultät für Informatik Lehrstuhl 4 Peter Buchholz, Jan Kriege Sommersemester 2015 Modellgestützte Analyse und Optimierung Übungsblatt 4 Ausgabe: 27.04.2015, Abgabe: 04.05.2015 (12 Uhr) Aufgabe 4.1: Verteilungsfunktionen
MehrStetige Verteilungen Rechteckverteilung
Stetige Verteilungen Rechteckverteilung Die Längenabweichungen X produzierter Werkstücke von der Norm seien gleichmäßig verteilt zwischen a = mm und b = 4mm. Die Dichtefunktion lautet also f(x) = für a
Mehr5. Spezielle stetige Verteilungen
5. Spezielle stetige Verteilungen 5.1 Stetige Gleichverteilung Eine Zufallsvariable X folgt einer stetigen Gleichverteilung mit den Parametern a und b, wenn für die Dichtefunktion von X gilt: f x = 1 für
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester 2010 Aufgabe 1 Die Inhaberin
MehrKlausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS 09
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Übung 7 1 Inhalt der heutigen Übung Statistik und Wahrscheinlichkeitsrechnung Vorrechnen der Hausübung D.9 Gemeinsames Lösen der Übungsaufgaben D.10: Poissonprozess
MehrStatistik Übungen WS 2017/18
Statistik Übungen WS 2017/18 Blatt 2: Wahrscheinlichkeitsrechnung 1. Die nach dem französischen Mathematiker Pierre-Simon de Laplace benannten Laplace- Experimente beruhen auf der Annahme, dass bei einem
MehrAnalyse von Eingabedaten
Analyse von Eingabedaten 5.1 Deterministische und Stochastische Eingabedaten 5.2 Sammlung der Daten 5.3 Verwendung der Daten 5.4 Keine Daten? Otto-von-Guericke-Universität Magdeburg Thomas Schulze 1 5
MehrWird nach dem Prinzip assemble-to-order produziert, so erfolgt die Endmontage spezifisch für den jeweiligen Kundenauftrag.
Aufgabe Richtig oder Falsch? (0 Punkte) Folgende Aussagen sind entweder richtig oder falsch! Kreuzen Sie jeweils direkt hinter der Aussage eines der Kästchen an. Stimmt Ihre Bewertung einer Aussage so
Mehr9. Eine einfache Warteschlangen-Simulation.
SS 2006 Arbeitsblatt 4 / S. 1 von 9 9. Eine einfache Warteschlangen-Simulation. A) Allgemeine Bemerkungen. Die Warteschlange aus 8., wie auch solche mit nur endlich grossem Warteraum, können auf einfache
Mehr1 Grundprinzipien statistischer Schlußweisen
Grundprinzipien statistischer Schlußweisen - - Grundprinzipien statistischer Schlußweisen Für die Analyse zufallsbehafteter Eingabegrößen und Leistungsparameter in diskreten Systemen durch Computersimulation
MehrStatistik-Klausur vom
Statistik-Klausur vom 27.09.2010 Bearbeitungszeit: 60 Minuten Aufgabe 1 Ein international tätiges Unternehmen mit mehreren Niederlassungen in Deutschland und dem übrigen Europa hat seine überfälligen Forderungen
MehrElementare Einführung in die Wahrscheinlichkeitsrechnung, Informationstheorie und stochastische Prozesse mit Warteschlangentheorie
Berichte aus der Informationstechnik Klaus-Dieter Thies Elementare Einführung in die Wahrscheinlichkeitsrechnung, Informationstheorie und stochastische Prozesse mit Warteschlangentheorie für Computernetzwerke
MehrStochastische Simulation
Literatur: J. Banks et al., Discrete Event System Simulation, Prentice Hall, 200. A.M. Law and W.D. Kelton, 99: Simulation, Modeling and Analysis, McGrawHill, 99. P. Page, Diskrete Simulation, Springer-Verlag,
MehrARENA Tutorial -1. Example 1. Basiselemente. Create
ARENA Tutorial ARENA Tutorial -1 1. Historisches 2. Basis-Elemente 3. Ergebnisanalyse 4. Modellierung von Transportvorgängen 5. Integration mit anderen Systemen 6. Customizing 7. Kontinuierliche und kombinierte
MehrPlanen mit mathematischen Modellen 00859: Stochastische Simulation Techniken und Anwendungen
Planen mit mathematischen Modellen 00859: Stochastische Simulation Techniken und Anwendungen Leseprobe Autor: PD Dr. Elmar Reucher Kapitel 4 Anwendungen zur stochastischen Simulation 4.1 Simulation von
Mehr(8 + 2 Punkte) = = 0.75
Aufgabe 1 (8 + 2 Punkte) Von 20 Teilnehmern einer Bergwanderung geben 8 Personen an Knieschmerzen zu haben. 6 Teilnehmer leiden an Sonnenbrand. 8 Teilnehmer blieben unversehrt. a) Wie groß ist die Wahrscheinlichkeit,
MehrStatistik 2 RE Statistik f. Soziologen Klausur MÄRZ 2009 LÖSUNGSVORSCHLAG
1. Familie Feuerstein kauft sich ein neues Auto, vorher aber lassen sie ihr altes verschrotten. Auf dem Weg dorthin werden sie in einer Wohnstrasse, wo nur 30 km/h erlaubt sind, geblitzt. Als sie ihre
MehrStichproben Parameterschätzung Konfidenzintervalle:
Stichproben Parameterschätzung Konfidenzintervalle: Beispiel Wahlprognose: Die Grundgesamtheit hat einen Prozentsatz p der Partei A wählt. Wenn dieser Prozentsatz bekannt ist, dann kann man z.b. ausrechnen,
MehrEine Zufallsvariable X sei stetig gleichverteilt im Intervall [0,5]. Die Wahrscheinlichkeit P(2< x <4) ist dann
4. Übung Themenkomplex: Zufallsvariablen und ihre Verteilung Aufgabe 1 Für eine stetige Zufallsvariable gilt: a) P (x = t) > 0 b) P (x 1) = F (1) c) P (x = 1) = 0 d) P (x 1) = 1 F(1) e) P (x 1) = 1 F(1)
MehrÜbungsaufgaben zu Kapitel 12 bis 14
Hochschule für Technik und Wirtschaft Dresden Wintersemester 0/6 Fakultät Informatik/Mathematik Prof. Dr. B. Jung Übungsaufgaben zu Kapitel bis Hinweis: Die Berechnung evtl. auftretender Integrale kann
Mehr2. Übung zur Vorlesung Statistik 2
2. Übung zur Vorlesung Statistik 2 Aufgabe 1 Welche der folgenden grafischen Darstellungen und Tabellen zeigen keine (Einzel-)Wahrscheinlichkeitsverteilung? Kreuzen Sie die richtigen Antworten an und begründen
MehrTutorial für die Benutzung von Anylogic im Rahmen der Vorlesung Modellgestützte Analyse und Optimierung
Tutorial für die Benutzung von Anylogic im Rahmen der Vorlesung Modellgestützte Analyse und Optimierung Jessica Bühler 10. Mai 2017 Inhaltsverzeichnis 1 Einführung 2 1.1 Installation..............................
Mehr2 ARENA für P&L Einfaches Beispiel. Machine (Server) Departing Finished Parts. Arriving Blank Parts Queue (FIFO) Part in Service
2 ARENA für P&L 2.1 Entitäten, Ressourcen und Warteschlangen 2.1.1 Einfaches Beispiel 2.1.2 Allgemeine Modellelemente 2.1.3 Entitäten 2.1.4 Warteschlangen und Ressourcen 2.2 Bestimmte und unbestimmte Verzögerungen
MehrWahrscheinlichkeitsrechnung und Statistik
5. Vorlesung Verteilungsfunktion (VF) Definition 9 Die Verteilungsfunktion (VF) einer Zufallsgröße X ist F : R R definiert als F (x) := P({ω Ω : X (ω) x}) = P( X x ) für jedes x R. Satz 9 - Eigenschaften
MehrLösg: a) 0,0548 b) 0,4514 c) 23 Becher d) 234,9 [ml]
Ein Elektrokonzern stellt Halogenlampen mit einer durchschnittlichen Lebensdauer von 8 Stunden und einer Standardabweichung von 4 Stunden her. Die Lebensdauer sei eine normalverteilte Zufallsvariable.
Mehr3. Prozesse mit kontinuierlicher Zeit
3. Prozesse mit kontinuierlicher Zeit 3.1 Einführung Wir betrachten nun Markov-Ketten (X(t)) t R +. 0 Wie beim Übergang von der geometrischen zur Exponentialverteilung können wir uns auch hier einen Grenzprozess
MehrWarteschlangentheorie und Callcenter
Warteschlangentheorie und Callcenter Vortrag im Rahmen der Lehrerfortbildung,,Stochastik und Matrizen: von Markov-Ketten bis zu Callcentern 23. September 2009 Dr. Alexander Herzog, Institut für Mathematik,
MehrGegeben sei folgende zweidimensionale Wahrscheinlichkeitsdichtefunktion zweier Zufallsvariablen. 0 sonst.
Aufgabe 1 (2 + 4 + 2 + 1 Punkte) Gegeben sei folgende zweidimensionale Wahrscheinlichkeitsdichtefunktion zweier Zufallsvariablen X und Y : { 2x + 2y für 0.5 x 0.5, 1 y 2 f(x, y) = 3 0 sonst. a) Berechnen
MehrProbeprüfung BWL III Teil Operations Management
Probeprüfung BWL III Teil Operations Management 1. Operations Management (Prof. Dietl) (20 Punkte) Hinweise: - Schreiben Sie bitte Ihren Namen und Ihre Matrikel Nr. auf jedes Blatt. - Bitte übertragen
MehrChi-Quadrat-Verteilung
Chi-Quadrat-Verteilung Wikipedia http://de.wikipedia.org/wiki/chi-quadrat-verteilung 1 von 7 6/18/2009 6:13 PM Chi-Quadrat-Verteilung aus Wikipedia, der freien Enzyklopädie Die Chi-Quadrat-Verteilung ist
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Karin Waldherr & Pantelis Christodoulides 11. Mai 2011 Waldherr / Christodoulides Einführung in Quantitative Methoden- 8.VO 1/40 Poisson-Verteilung Diese Verteilung
MehrDiskrete Simulation Übungsaufgaben SLX -FIN / Wirtschaftsinformatik Prof. Thomas Schulze - 1
Diskrete Simulation Übungsaufgaben SLX -FIN / Wirtschaftsinformatik Prof. Thomas Schulze - 1 1. Lager 1.1. Lager 1 Ein Lager wird von einem Produzenten ständig mit neuen Produkten versorgt. Die Erzeugung
Mehr2 Wiederholung statistischer Grundlagen Schließende Statistik empirischen Information aus Stichprobenrealisation x von X
Hypothesentests Bisher betrachtet: Punkt- bzw. Intervallschätzung des unbekannten Mittelwerts Hierzu: Verwendung der 1 theoretischen Information über Verteilung von X empirischen Information aus Stichprobenrealisation
MehrStatistik Übungen SS 2017
Statistik Übungen SS 2017 Blatt 2: Wahrscheinlichkeitsrechnung 1. Die nach dem französischen Mathematiker Pierre-Simon de Laplace benannten Laplace- Experimente beruhen auf der Annahme, dass bei einem
MehrAnpassungstests VORGEHENSWEISE
Anpassungstests Anpassungstests prüfen, wie sehr sich ein bestimmter Datensatz einer erwarteten Verteilung anpasst bzw. von dieser abweicht. Nach der Erläuterung der Funktionsweise sind je ein Beispiel
MehrBeziehungen zwischen Verteilungen
Kapitel 5 Beziehungen zwischen Verteilungen In diesem Kapitel wollen wir Beziehungen zwischen Verteilungen betrachten, die wir z.t. schon bei den einzelnen Verteilungen betrachtet haben. So wissen Sie
MehrQueueTraffic und Warteschlangen
QueueTraffic und Warteschlangen + Warteschlangen im Alltag Du bist sicher schon einmal in einer Warteschlange gestanden. Wo? Worin unterscheiden sie sich? Bei Skiliften, Ticketautomaten, Kassen, beim Arzt,
Mehr2.3 Intervallschätzung
2.3.1 Motivation und Hinführung Bsp. 2.11. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler 2009 war genau 33.7%. Wie groß ist die Wahrscheinlichkeit, in einer Zufallsstichprobe von 1000 Personen genau
MehrStatistik-Klausur vom
Statistik-Klausur vom 09.02.2009 Bearbeitungszeit: 90 Minuten Aufgabe 1 a) Ein Unternehmen möchte den Einfluss seiner Werbemaßnahmen auf den erzielten Umsatz quantifizieren. Hierfür werden die jährlichen
MehrAUFGABEN. Klausur: Modul 31811 Planen mit mathematischen Modellen. Termin: 16.09.2013
Lehrstuhl für Betriebswirtschaftslehre, insb Quantitative Methoden und Wirtschaftsmathematik Univ-Prof Dr Andreas Kleine AUFGABEN Klausur: Modul 31811 Termin: 16092013 Prüfer: Univ-Prof Dr Andreas Kleine
MehrWeitere Blöcke am Beispiel. des Frisörgeschäftes
Weitere Blöcke am Beispiel des Frisörgeschäftes (O. Bouillon 2008) Upload: Sonntag, 23.02.2008 um 12:00 Uhr Wie versprochen das Material für Sie. Habe gestern von 15:00 20:00 dran gesessen, hat länger
MehrVerteilung von Summen
Verteilung von Summen Beispiel: Würfelwurf Frage: Wie verhält sich die Verteilung der Augensumme von -Würfeln bei wachsendem? Zur Beantwortung führen wir ein Simulationseperiment durch. 6 Würfe mit 1 Würfel
MehrKlausur Statistik Lösungshinweise
Klausur Statistik Lösungshinweise Prüfungsdatum: 21. Januar 2016 Prüfer: Etschberger, Heiden, Jansen Studiengang: IM und BW Punkte: 15, 15, 12, 14, 16, 18 ; Summe der Punkte: 90 Aufgabe 1 15 Punkte Bei
MehrMathematische und statistische Methoden II
Statistik & Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte
MehrDWT 1.4 Rechnen mit kontinuierlichen Zufallsvariablen 234/467 Ernst W. Mayr
1.4.2 Kontinuierliche Zufallsvariablen als Grenzwerte diskreter Zufallsvariablen Sei X eine kontinuierliche Zufallsvariable. Wir können aus X leicht eine diskrete Zufallsvariable konstruieren, indem wir
MehrTrim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19
Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, 2016 6:34 P.M. Page 11 Inhaltsverzeichnis Über die Übersetzerin 9 Einleitung 19 Was Sie hier finden werden 19 Wie dieses Arbeitsbuch aufgebaut ist
MehrLösungen zu Übungsblatt 9 Höhere Mathematik2/Stochastik 2 Master KI/PI
Lösungen zu Übungsblatt 9 Höhere Mathematik/Stochastik Anpassung von Verteilungen Zu Aufgabe ) a) Zeichnen des Histogranmmes: Um das Histogramm zu zeichnen, benötigen wir die Höhe der Balken. Die Höhe
MehrElementare Einführung in die Wahrscheinlichkeitsrechnung, Informationstheorie und stochastische Prozesse. Computer-Netzwerke
Informationstechnik Klaus-Dieter Thies Elementare Einführung in die Wahrscheinlichkeitsrechnung, Informationstheorie und stochastische Prozesse für Computer-Netzwerke Mit einer wahrscheinlichkeitstheoretischen
MehrKapitel II Kontinuierliche Wahrscheinlichkeitsraume
Kapitel II Kontinuierliche Wahrscheinlichkeitsraume 1. Einfuhrung 1.1 Motivation Interpretation der Poisson-Verteilung als Grenzwert der Binomialverteilung. DWT 1.1 Motivation 195/460 Beispiel 78 Wir betrachten
MehrGrundlagen der Biometrie in Agrarwissenschaften / Ernährungswissenschaften
Grundlagen der Biometrie in Agrarwissenschaften / Ernährungswissenschaften Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Grundlagen der Biometrie, WS 2011/12 Vorlesung: Dienstag 8.15-9.45,
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrTutorial 05: Musterlösungen für die Klausuraufgaben.
SS 006 Tutorial 05 / S. von 8 Tutorial 05: Musterlösungen für die Klausuraufgaben. Aufgabe ( Punkte): An einem Flughafen, der täglich zwischen 6 und Uhr in Betrieb ist, kommen exponentiell verteilt im
MehrAufgabe zur Warteschlangensimulation
Aufgabe zur Warteschlangensimulation Diese Aufgabe vereint alle Aspekte, die in dem Abschnitt über Warteschlangen behandelt wurden. Deshalb klingt sie sehr komplex, jedoch lassen sich mit Hilfe der bisherigen
MehrGruppe B Angabe. Di, 13.02.2007 Aushang an den Instituten Grün, Jammernegg, Kummer
Beschaffung, Logistik, Produktion I Klausur 24.01.2007 Gruppe B Angabe Name Matrikelnummer Prüfungsdauer Ergebnisse Punkte 60 min Di, 13.02.2007 Aushang an den Instituten Grün, Jammernegg, Kummer max.
Mehr7. Lösungen weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17
7. Lösungen weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17 1. Aufgabe: a) Grundgesamtheit sind alle Reifen aus der Produktion von Langstone aus dem Monat März der entsprechenden Reifentypen.
Mehr2. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017
. Lösung weitere Übungsaufgaben Statistik II WiSe 016/017 1. Aufgabe: Bei der Produktion eines Werkstückes wurde die Bearbeitungszeit untersucht. Für die als normalverteilt angesehene zufällige Bearbeitungszeit
MehrBestimmte Zufallsvariablen sind von Natur aus normalverteilt. - naturwissenschaftliche Variablen: originär z.b. Intelligenz, Körpergröße, Messfehler
6.6 Normalverteilung Die Normalverteilung kann als das wichtigste Verteilungsmodell der Statistik angesehen werden. Sie wird nach ihrem Entdecker auch Gaußsche Glockenkurve genannt. Die herausragende Stellung
MehrMathematik 2 Probeprüfung 1
WWZ Wirtschaftswissenschaftliche Fakultät der Universität Basel Dr. Thomas Zehrt Bitte in Druckbuchstaben ausfüllen: Name Vorname Mathematik 2 Probeprüfung 1 Zeit: 90 Minuten, Maximale Punktzahl: 72 Zur
MehrStellen Sie den Sachverhalt durch eine geeignete Vierfeldertafel mit relativen Häufigkeiten
Bei der Bearbeitung der Aufgabe dürfen alle Funktionen des Taschenrechners genutzt werden. Aufgabe 4: Stochastik Vorbemerkung: Führen Sie stets geeignete Zufallsvariablen und Namen für Ereignisse ein.
MehrBeschreibung von Warteschlangensystemen und deren psychologische Einflüsse auf den Menschen
Beschreibung von Warteschlangensystemen und deren psychologische Einflüsse auf den Menschen Pascal Held 2007-11-22 Zusammenfassung Warteschlangen sind nicht etwa eine Erfindung von Theoretikern um etwas
MehrStatistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de
rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent
MehrEinsatz von Varianzreduktionstechniken II : Stratified Sampling und Common Random Numbers
Bastian Bluhm 11.07.07 Informationswirt 5.Semester 1236026 Seminarthema an der Universität Karlsruhe(TH) Einsatz von Varianzreduktionstechniken II : Stratified Sampling und Common Random Numbers im Rahmen
MehrErwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung
R. Brinkmann http://brinkmann-du.de Seite 5.05.0 Erwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung Erwartungswert binomialverteilter Zufallsgrößen Wird ein Bernoulli- Versuch, bei
MehrStatistik-Klausur vom 10. Juli 2007
Statistik-Klausur vom 10. Juli 2007 Bearbeitungszeit: 90 Minuten Aufgabe 1 a) Ein Unternehmen produziert und vertreibt Fahrräder vom Typ A, B und C. Insgesamt 35% der abgesetzten Fahrräder sind vom Typ
MehrBiomathematik für Mediziner, Klausur SS 2000 Seite 1
Biomathematik für Mediziner, Klausur SS 2000 Seite 1 Aufgabe 1: Bei der Diagnose einer bestimmten Krankheit mit einem speziellen Diagnoseverfahren werden Patienten, die tatsächlich an der Krankheit leiden,
Mehrvon x-würfeln bei wachsendem n? Zur Beantwortung führen wir ein Simulationsexperiment durch.
Zentraler Grenzwertsatz Die Normalverteilung verdankt ihre universelle theoretische und praktische Bedeutung dem zentralen Grenzwertsatz. Unabhängig von der konkreten k Ausgangsverteilung konvergiert die
MehrWebinar Induktive Statistik. - Wahrscheinlichkeitsrechnung - Stichprobentheorie
Webinar Induktive Statistik - Wahrscheinlichkeitsrechnung - Stichprobentheorie Wahrscheinlichkeitstheorie Aufgabe : Zwei Lieferanten decken den Bedarf eines PKW-Herstellers von 00.000 Einheiten pro Monat.
MehrWie viele Produkte müssen zerstörend in der Qualitätskontrolle geprüft werden? DRK-Blutspendedienst West
Wie viele Produkte müssen zerstörend in der Qualitätskontrolle geprüft werden? Einschlägige Regelungen Es sind regelmäßig Qualitätskontrollen an Stichproben aus der laufenden Herstellung durchzuführen.
MehrBachelor BEE Statistik Übung: Blatt 1 Ostfalia - Hochschule für angewandte Wissenschaften Fakultät Versorgungstechnik Aufgabe (1.1): Gegeben sei die folgende Messreihe: Nr. ph-werte 1-10 6.4 6.3 6.7 6.5
MehrFinanzmathematische Modelle und Simulation
Finanzmathematische Modelle und Simulation WS 9/1 Rebecca Henkelmann In meiner Ausarbeitung Grundbegriffe der Stochastik I, geht es darum die folgenden Begriffe für die nächsten Kapitel einzuführen. Auf
MehrÜbungen zur Vorlesung Statistische Methoden Kapitel 1-2
TECHNISCHE UNIVERSITÄT DORTMUND Sommersemester 2011 FAKULTÄT STATISTIK Dr. M. Arnold Dipl.-Stat. R. Walter Übungen zur Vorlesung Statistische Methoden Kapitel 1-2 Aufgabe 1: Gegeben ist eine diskrete Zufallsvariable
Mehr6.6 Poisson-Verteilung
6.6 Poisson-Verteilung Die Poisson-Verteilung ist eine Wahrscheinlichkeitsverteilung, die zur Modellierung der Anzahl von zufälligen Vorkommnissen in einem bestimmten räumlichen oder zeitlichen Abschnitt
MehrWillkommen zur Vorlesung Statistik (Master)
Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilungen stetiger Zufallsvariablen Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften
MehrBiostatistik, Winter 2011/12
Biostatistik, Winter 2011/12 Wahrscheinlichkeitstheorie:, Kenngrößen Prof. Dr. Achim Klenke http://www.aklenke.de 7. Vorlesung: 09.12.2011 1/58 Inhalt 1 2 Kenngrößen von Lagemaße 2/58 mit Dichte Normalverteilung
MehrVorlesung Stetige Verteilungen / Mathematische Behandlung
B E A C D Z Faultät Verehrswissenschaften Friedrich List Professur für Verehrsströmungslehre Verehrssystemtheorie I+II (V.-Wirtschaft) Vorlesung..0 Stetige Verteilungen / Mathematische Behandlung Neufert,
MehrDefinition Sei X eine stetige Z.V. mit Verteilungsfunktion F und Dichte f. Dann heißt E(X) :=
Definition 2.34. Sei X eine stetige Z.V. mit Verteilungsfunktion F und Dichte f. Dann heißt E(X) := x f(x)dx der Erwartungswert von X, sofern dieses Integral existiert. Entsprechend wird die Varianz V(X)
MehrDas Angebot bei perfektem Wettbewerb
Das Angebot bei perfektem Wettbewerb MB MC Angebot und Opportunitätskosten Beispiel: Produktion eines Autos dauerte 1970 etwa 50h und 2005 etwa 8h Höhere Produktivität ermöglicht höhere Löhne Aber Beschäftigte
MehrKlausur (Modulprüfung) zum Lehrerweiterbildungskurs Stochastik am von 10:00 bis 11:00 Uhr
Klausur (Modulprüfung) zum Lehrerweiterbildungskurs Stochastik am 5..201 von 10:00 bis 11:00 Uhr Bearbeiten Sie zwei der drei folgenden Aufgaben! Sätze aus der Vorlesung und den Übungen dürfen Sie ohne
MehrGrundlagen der Statistik
Grundlagen der Statistik Übung 12 2009 FernUniversität in Hagen Alle Rechte vorbehalten Fachbereich Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe
Mehr1 Wahrscheinlichkeitsrechnung. 2 Zufallsvariablen und ihre Verteilung. 3 Statistische Inferenz. 4 Intervallschätzung
0 Einführung 1 Wahrscheinlichkeitsrechnung Zufallsvariablen und ihre Verteilung 3 Statistische Inferenz 4 Intervallschätzung Motivation und Hinführung Der wahre Anteil der rot-grün Wähler 009 war genau
MehrErstellen Sie eine Vierfeldertafel, die diese Situation wiedergibt.
Bei der Bearbeitung der Aufgabe dürfen alle Funktionen des Taschenrechners genutzt werden. Aufgabe 4: Stochastik Vorbemerkung: Führen Sie stets geeignete Zufallsvariablen und Namen für Ereignisse ein.
MehrETWR Teil B. Spezielle Wahrscheinlichkeitsverteilungen (stetig)
ETWR Teil B 2 Ziele Bisher (eindimensionale, mehrdimensionale) Zufallsvariablen besprochen Lageparameter von Zufallsvariablen besprochen Übertragung des gelernten auf diskrete Verteilungen Ziel des Kapitels
Mehr8 Die Exponentialverteilung
8 Die Exponentialverteilung 8.1 Einführung Modelle Zuverlässigkeitsmodelle Lebensdauermodelle Bedienungsmodelle. 277 W.Kössler, Humboldt-Universität zu Berlin Def. 26 (Exponentialverteilung) Sei X eine
MehrModellanpassung und Parameterschätzung. A: Übungsaufgaben
7 Modellanpassung und Parameterschätzung 1 Kapitel 7: Modellanpassung und Parameterschätzung A: Übungsaufgaben [ 1 ] Bei n unabhängigen Wiederholungen eines Bernoulli-Experiments sei π die Wahrscheinlichkeit
MehrKlausur vom
UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Dominik Faas Stochastik Wintersemester 00/0 Klausur vom 09.06.0 Aufgabe (++4=9 Punkte) Bei einer Umfrage wurden n Personen befragt, an wievielen Tagen
MehrProzeßorientierter Simulator mit Java
Prozeßorientierter Simulator mit Java Stationen können in Java mit Objekten einer Klasse modelliert werden, ebenso Entitäten. Entitäten sind einfach Datenverbunde mit Attributen und Zustandsvariablen.
MehrKapitel VII. Einige spezielle stetige Verteilungen
Kapitel VII Einige spezielle stetige Verteilungen D. 7.. (Normalverteilung) Eine stetige Zufallsgröße X sei als normalverteilt bezeichnet, wenn sie folgende Wahrscheinlichkeitsdichte besitzt: µ f ( ; µ,
MehrÜbungen mit dem Applet Wahrscheinlichkeitsnetz
Wahrscheinlichkeitsnetz 1 Übungen mit dem Applet Wahrscheinlichkeitsnetz 1 Statistischer Hintergrund... 1.1 Verteilungen... 1. Darstellung von Daten im Wahrscheinlichkeitsnetz...4 1.3 Kurzbeschreibung
Mehr5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)
5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren) 5.1. Einführung Schätzen unbekannter Parameter im Modell, z.b. Wahrscheinlichkeiten p i (Anteile in der Gesamtmenge), Erwartungswerte
MehrVorlesung Juli 2017
Vorlesung 12 14. Juli 2017 Aufgabe 1 Wie groß ist die Wahrscheinlichkeit, dass ein Tip bei 6 aus 49 mit 6 richtigen Zahlen gewinnt, bei dem genau 2 echte Tripel aufeinanderfolgender Zahlen gespielt wurden?
MehrMit welchen Verteilungen lassen sich Lebensdauern modellieren?
5. Übung Aufgabe 1 Ein Prozess zur Herstellung von Flachglas im Durchschnitt 1 Verunreinigung je 5 dm 2 Glasfläche. Welche Verteilung weist die Zahl der Verunreinigungen auf einer 0,5m x 1,0 m großen Fensterscheibe
MehrDie Familie der χ 2 (n)-verteilungen
Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +
MehrApproximation von Warteschlangenkennzahlen mit Künstlichen Neuronalen Netzen
Optimale Echtzeit-Personaleinsatzplanung durch Approximation von Warteschlangenkennzahlen mit Künstlichen Neuronalen Netzen 7.05.2006 Frank Köller koeller@iwi.uni-hannover.de Gliederung Motivation Vorgehensweise
Mehr