1. Aufgaben zur Übung Einfache Systeme

Größe: px
Ab Seite anzeigen:

Download "1. Aufgaben zur Übung Einfache Systeme"

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

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

Mehr

Einsatz von Varianzreduktionstechniken II

Einsatz 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

Mehr

2 Prozessanalyse I: Zeiten und Bestände

2 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

Mehr

Exponentialverteilung

Exponentialverteilung Exponentialverteilung Dauer von kontinuierlichen Vorgängen (Wartezeiten; Funktionszeiten technischer Geräte) Grenzübergang von der geometrischen Verteilung Pro Zeiteinheit sei die Eintrittswahrscheinlichkeit

Mehr

Klausur zur Veranstaltung Industrielle Produktionssysteme im Sommersemester Alle Aufgaben in der Klausur sind zu bearbeiten.

Klausur 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

Mehr

Modellgestützte Analyse und Optimierung Übungsblatt 4

Modellgestützte 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

Mehr

Stetige Verteilungen Rechteckverteilung

Stetige 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

Mehr

5. Spezielle stetige Verteilungen

5. 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

Mehr

Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1

Klausur 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

Mehr

Klausur zur Vorlesung Stochastische Modelle in Produktion und Logistik im SS 09

Klausur 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

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik 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

Mehr

Statistik Übungen WS 2017/18

Statistik 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

Mehr

Analyse von Eingabedaten

Analyse 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

Mehr

Wird nach dem Prinzip assemble-to-order produziert, so erfolgt die Endmontage spezifisch für den jeweiligen Kundenauftrag.

Wird 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

Mehr

9. Eine einfache Warteschlangen-Simulation.

9. 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

Mehr

1 Grundprinzipien statistischer Schlußweisen

1 Grundprinzipien statistischer Schlußweisen Grundprinzipien statistischer Schlußweisen - - Grundprinzipien statistischer Schlußweisen Für die Analyse zufallsbehafteter Eingabegrößen und Leistungsparameter in diskreten Systemen durch Computersimulation

Mehr

Statistik-Klausur vom

Statistik-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

Mehr

Elementare Einführung in die Wahrscheinlichkeitsrechnung, Informationstheorie und stochastische Prozesse mit Warteschlangentheorie

Elementare 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

Mehr

Stochastische Simulation

Stochastische 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,

Mehr

ARENA Tutorial -1. Example 1. Basiselemente. Create

ARENA 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

Mehr

Planen mit mathematischen Modellen 00859: Stochastische Simulation Techniken und Anwendungen

Planen 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

(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,

Mehr

Statistik 2 RE Statistik f. Soziologen Klausur MÄRZ 2009 LÖSUNGSVORSCHLAG

Statistik 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

Mehr

Stichproben Parameterschätzung Konfidenzintervalle:

Stichproben 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,

Mehr

Eine Zufallsvariable X sei stetig gleichverteilt im Intervall [0,5]. Die Wahrscheinlichkeit P(2< x <4) ist dann

Eine 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)

Mehr

Übungsaufgaben zu Kapitel 12 bis 14

Übungsaufgaben 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

Mehr

2. Übung zur Vorlesung Statistik 2

2. 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

Mehr

Tutorial 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 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..............................

Mehr

2 ARENA für P&L Einfaches Beispiel. Machine (Server) Departing Finished Parts. Arriving Blank Parts Queue (FIFO) Part in Service

2 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

Mehr

Wahrscheinlichkeitsrechnung und Statistik

Wahrscheinlichkeitsrechnung 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

Mehr

Lösg: a) 0,0548 b) 0,4514 c) 23 Becher d) 234,9 [ml]

Lösg: 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.

Mehr

3. Prozesse mit kontinuierlicher Zeit

3. 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

Mehr

Warteschlangentheorie und Callcenter

Warteschlangentheorie 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,

Mehr

Gegeben sei folgende zweidimensionale Wahrscheinlichkeitsdichtefunktion zweier Zufallsvariablen. 0 sonst.

Gegeben 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

Mehr

Probeprüfung BWL III Teil Operations Management

Probeprüfung 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

Mehr

Chi-Quadrat-Verteilung

Chi-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

Mehr

Einführung in Quantitative Methoden

Einführung 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

Mehr

Diskrete Simulation Übungsaufgaben SLX -FIN / Wirtschaftsinformatik Prof. Thomas Schulze - 1

Diskrete 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

Mehr

2 Wiederholung statistischer Grundlagen Schließende Statistik empirischen Information aus Stichprobenrealisation x von X

2 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

Mehr

Statistik Übungen SS 2017

Statistik 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

Mehr

Anpassungstests VORGEHENSWEISE

Anpassungstests 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

Mehr

Beziehungen zwischen Verteilungen

Beziehungen 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

Mehr

QueueTraffic und Warteschlangen

QueueTraffic 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,

Mehr

2.3 Intervallschätzung

2.3 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

Mehr

Statistik-Klausur vom

Statistik-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

Mehr

AUFGABEN. Klausur: Modul 31811 Planen mit mathematischen Modellen. Termin: 16.09.2013

AUFGABEN. 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

Mehr

Weitere Blöcke am Beispiel. des Frisörgeschäftes

Weitere 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

Mehr

Verteilung von Summen

Verteilung 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

Mehr

Klausur Statistik Lösungshinweise

Klausur 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

Mehr

Mathematische und statistische Methoden II

Mathematische 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

Mehr

DWT 1.4 Rechnen mit kontinuierlichen Zufallsvariablen 234/467 Ernst W. Mayr

DWT 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

Mehr

Trim 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, :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

Mehr

Lösungen zu Übungsblatt 9 Höhere Mathematik2/Stochastik 2 Master KI/PI

Lösungen 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

Mehr

Elementare Einführung in die Wahrscheinlichkeitsrechnung, Informationstheorie und stochastische Prozesse. Computer-Netzwerke

Elementare 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

Mehr

Kapitel II Kontinuierliche Wahrscheinlichkeitsraume

Kapitel 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

Mehr

Grundlagen der Biometrie in Agrarwissenschaften / Ernährungswissenschaften

Grundlagen 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,

Mehr

Konfidenzintervalle 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 Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir

Mehr

Tutorial 05: Musterlösungen für die Klausuraufgaben.

Tutorial 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

Mehr

Aufgabe zur Warteschlangensimulation

Aufgabe 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

Mehr

Gruppe B Angabe. Di, 13.02.2007 Aushang an den Instituten Grün, Jammernegg, Kummer

Gruppe 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.

Mehr

7. Lösungen weitere Übungsaufgaben Statistik für Ingenieure WiSe 16/17

7. 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.

Mehr

2. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017

2. 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

Mehr

Bestimmte Zufallsvariablen sind von Natur aus normalverteilt. - naturwissenschaftliche Variablen: originär z.b. Intelligenz, Körpergröße, Messfehler

Bestimmte 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

Mehr

Mathematik 2 Probeprüfung 1

Mathematik 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

Mehr

Stellen Sie den Sachverhalt durch eine geeignete Vierfeldertafel mit relativen Häufigkeiten

Stellen 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.

Mehr

Beschreibung von Warteschlangensystemen und deren psychologische Einflüsse auf den Menschen

Beschreibung 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

Mehr

Statistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de

Statistik 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

Mehr

Einsatz von Varianzreduktionstechniken II : Stratified Sampling und Common Random Numbers

Einsatz 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

Mehr

Erwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung

Erwartungswert, 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

Mehr

Statistik-Klausur vom 10. Juli 2007

Statistik-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

Mehr

Biomathematik für Mediziner, Klausur SS 2000 Seite 1

Biomathematik 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,

Mehr

von x-würfeln bei wachsendem n? Zur Beantwortung führen wir ein Simulationsexperiment durch.

von 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

Mehr

Webinar Induktive Statistik. - Wahrscheinlichkeitsrechnung - Stichprobentheorie

Webinar 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.

Mehr

Wie viele Produkte müssen zerstörend in der Qualitätskontrolle geprüft werden? DRK-Blutspendedienst West

Wie 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.

Mehr

Bachelor 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

Mehr

Finanzmathematische Modelle und Simulation

Finanzmathematische 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

Mehr

Übungen zur Vorlesung Statistische Methoden Kapitel 1-2

Übungen 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

Mehr

6.6 Poisson-Verteilung

6.6 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

Mehr

Willkommen zur Vorlesung Statistik (Master)

Willkommen 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

Mehr

Biostatistik, Winter 2011/12

Biostatistik, 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

Mehr

Vorlesung Stetige Verteilungen / Mathematische Behandlung

Vorlesung 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,

Mehr

Definition Sei X eine stetige Z.V. mit Verteilungsfunktion F und Dichte f. Dann heißt E(X) :=

Definition 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)

Mehr

Das Angebot bei perfektem Wettbewerb

Das 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

Mehr

Klausur (Modulprüfung) zum Lehrerweiterbildungskurs Stochastik am von 10:00 bis 11:00 Uhr

Klausur (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

Mehr

Grundlagen der Statistik

Grundlagen 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

Mehr

1 Wahrscheinlichkeitsrechnung. 2 Zufallsvariablen und ihre Verteilung. 3 Statistische Inferenz. 4 Intervallschätzung

1 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

Mehr

Erstellen Sie eine Vierfeldertafel, die diese Situation wiedergibt.

Erstellen 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.

Mehr

ETWR Teil B. Spezielle Wahrscheinlichkeitsverteilungen (stetig)

ETWR 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

Mehr

8 Die Exponentialverteilung

8 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

Mehr

Modellanpassung und Parameterschätzung. A: Übungsaufgaben

Modellanpassung 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

Mehr

Klausur vom

Klausur 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

Mehr

Prozeßorientierter Simulator mit Java

Prozeßorientierter 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.

Mehr

Kapitel VII. Einige spezielle stetige Verteilungen

Kapitel 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,

Mehr

Übungen mit dem Applet Wahrscheinlichkeitsnetz

Übungen 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

Mehr

5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)

5. 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

Mehr

Vorlesung Juli 2017

Vorlesung 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?

Mehr

Mit welchen Verteilungen lassen sich Lebensdauern modellieren?

Mit 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

Mehr

Die Familie der χ 2 (n)-verteilungen

Die 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 +... +

Mehr

Approximation von Warteschlangenkennzahlen mit Künstlichen Neuronalen Netzen

Approximation 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