Fault Trees. Überblick. Synonyme für Fehlerbäume. Geschichte Friederike Adler CV 03

Größe: px
Ab Seite anzeigen:

Download "Fault Trees. Überblick. Synonyme für Fehlerbäume. Geschichte Friederike Adler CV 03"

Transkript

1 Fault Trees Überblick Friederike Adler CV 03 2 Geschichte Synonyme für Fehlerbäume entw. vom Japaner Kaoru Ishikawa ( ) während des 2.WK Ishikawa Diagramm Universelle grafische Methode zur Systemoptimierung und Fehlerursachenanalyse Ursachen Wirkungs Diagramm Fischgräten -Diagramm Tannenbaum -Diagramm 3 wurde später in den sechziger Jahren im Bereich der amerikanischen Telekommunikations- und Flugzeugindustrie weiter entwickelt 4

2 kurze Einführung Wo sind wir? 5 6 Was ist ein Fehlerbaum? Aufbau eines Fehlerbaumes (1) ist eine grafische Darstellung der logischen Zusammenhänge zwischen den Fehlern und daraus entstehenden Ereignissen Ereignisse arbeiten entweder vollwertig oder fallen aus (0,1) Ursache- Wirkung leicht nachvollziehbar anhand logischer Gatter (AND, OR, XOR ) 7 Berechnung der Ausfallwahrscheinlichkeiten mit Hilfe der Stochastik 8

3 Aufbau eines Fehlerbaumes (2) Aufbau des Fehlerbaumes (3) 9 Baumstruktur Top Event als Wurzel (root) Bsp.: Ausfall von Alarmanlagen, Nichterreichen eines bestimmten Ziels Ex, Unerwünschtes/Erwünschtes Ereignis Ex,Ey, Basis Events sind Blätter - Grundursachen sämtlichen Versagens Gatter : boolesche Verknüpfungen mehrerer Ereignisse Ex,Ey, (AND, OR, XOR, INHIBIT, TRANSFER, ) 10 Mit Hilfe der Gatter läßt sich schnell die Zusammenwirkung und der Zusammenhang zw. den Ereignissen nachvollziehen AND : log. UND, Ereignisse treten gleichzeitig auf OR : log. ODER, ein Ereignis reicht aus, um Folgeereignis (parent )auszulösen XOR : exklusives ODER TRANSFER, INHIBIT, PRIORITY AND, M- of-n, lassen sich durch AND, OR, XOR darstellen Top Event Basis Event Ereignis an der Wurzel Auswirkung, Endzustand, Problem Bsp.: misslungenes Gericht, Autounfall, Systemausfall, Chaos im Verkehr, Vortrag stochastisch unabhängige Ereignisse Fehlerarten - Komponentenfehler (primäre, sekundäre, angewiesene) - Systemfehler durch externe Ereignisse verursacht 11 12

4 Wo sind wir? Fehlerbaumanalyse quantitative Fehlerbaumanalyse - Wahrscheinlichkeit eines Fehlerzustandes, einer Ursache qualitative Fehlerbaumanalyse - Kombination der Ereignisse die zu einen gewissen Zustand führen qualitative Fehlerbaumanalyse quantitative Fehlerbaumanalyse 15 Schnittmengenbildung aus Ereignissen, deren gleichzeitiges Eintreten zum Systemausfall führen Untersucht welche Ereignisse zum Ausfall/Fehlverhalten führen z.b. ist der Ausfall des Routers verursacht durch: - einen Stromausfall oder - einem Hardwarefehler oder - einem Softwarefehler oder - falsche Konfiguration des Routers oder 16 Kombination der Ausfallwahrscheinlichkeiten entsprechend den Verknüpfungen des Modells Verfahren aus der Mengentheorie, Boolschen Algebra und Wahrscheinlichkeitsrechnung AND P(E1E2) = P(E1) * P(E2) OR P(E1UE2) = P(E1) + P(E2) P(E1) * P(E2)

5 am Beispiel P(Ei) = 0,0025 Wo sind wir? P(E8 U E9 U E 10 U E11 U E12) = P(E4) = 0,0124 P(E13E14) = P(E13) * P(E14) = P(E6)= 0, Anwendungsgebiete Erweiterungen Medizin Unternehmen Energieversorgungen Schifffahrt Sicherheitsanalysen Produktionsanlagen mit stochastischen Petrinetzen, zur Berücksichtigung statistischer Abhängigkeiten mit Fuzzy Logic mit Bayes Konzept, so das auch bedingte Wahrscheinlichkeiten berücksichtigt werden P(A/B) = P(AB) \ P(B) 19 20

6 Wo sind wir? Vorteile schnelles Verständnis durch grafische Darstellung Boolesches Modell vollkommen ausreichend Qualitative und Quantitative Ergebnisse basiert auf mathematischen Grundlagen Nachteile Wo sind wir? 23 man verliert schnell die Übersicht, bei zu weiter Ausführung keine exakte Formulierung von Komponenten - die mehr als zwei Zustände haben - bald defekt - ein bisschen kaputt - zu 90% in Ordnung Eingeschränkte Modelliermöglichkeiten - keine Darstellungsmöglichkeit von stochastischen Abhängigkeiten zwischen Teilsystemen - keine Reparatur und Ausfallabhängigkeiten 24

7 Zusammenfassung Letztes Beispiel: Fehlerbäume sind eine grafische Darstellung des Ursache Wirkungsprinzip sie sind fast überall anwendbar, meist aber in technischen Bereichen verbreitet bedienen sich zwei Analysetechniken basieren auf mathematischen Grundlagen Ein Student besteht die Prüfung nicht Vielen Dank für Eure Aufmerksamkeit! 27

Fehlerbäume. Beispiel Kuchenbacken. Beispiel Kuchenbacken. Beispiel Kuchenbacken. der Kuchen gelingt nicht. der Kuchen.

Fehlerbäume. Beispiel Kuchenbacken. Beispiel Kuchenbacken. Beispiel Kuchenbacken. der Kuchen gelingt nicht. der Kuchen. Beispiel Kuchenbacken Fehlerbäume es waren nur noch 2 Eier übrig Kuchenform war unauffindbar Präsentation im Fach Computervisualistik Sylvia Glaßer sieht seltsam aus gelingt nicht schmeckt komisch das

Mehr

Die qualitative Fehlerbaumanalyse am Beispiel einer Präsentation. -Sandra Mierz-

Die qualitative Fehlerbaumanalyse am Beispiel einer Präsentation. -Sandra Mierz- Die qualitative Fehlerbaumanalyse am Beispiel einer Präsentation -Sandra Mierz- Gliederung Definition Anwendungsgebiete der Fehlerbaumanalyse Vorgehen Fehlerbaum erstellen Fehlerbaum auswerten Vorteile

Mehr

Folie 1: Fehlerbaumanalyse (FTA) Kurzbeschreibung und Ziel Die Fehlerbaumanalyse im Englischen als Fault Tree Analysis bezeichnet und mit FTA

Folie 1: Fehlerbaumanalyse (FTA) Kurzbeschreibung und Ziel Die Fehlerbaumanalyse im Englischen als Fault Tree Analysis bezeichnet und mit FTA Folie 1: Fehlerbaumanalyse (FTA) Kurzbeschreibung und Ziel Die Fehlerbaumanalyse im Englischen als Fault Tree Analysis bezeichnet und mit FTA abgekürzt dient der systematischen Untersuchung von Komponenten

Mehr

Ishikawa Ursache - Wirkungsdiagramm Definition

Ishikawa Ursache - Wirkungsdiagramm Definition Ishikawa Ursache - Wirkungsdiagramm Definition by Andre Kapust - Donnerstag, Januar 01, 1970 https://www.quality.de/ishikawa-ursache-wirkungsdiagramm-definition/ Überblick Ursache-Wirkungs-Diagramm Ein

Mehr

6.1 Motivation. Elemente Ereignisse. 6.2 Konstruktion von Fehlerbäumen

6.1 Motivation. Elemente Ereignisse. 6.2 Konstruktion von Fehlerbäumen Verlässliche Systeme Wintersemester 2016/2017 6.1 Motivation 6.1 Motivation Verlässliche Systeme 6. Kapitel Statische Modellierung: Fehlerbäume Prof. Matthias Werner Professur Betriebssysteme Verhaltensmodellierung

Mehr

Einführung in die qualitative Fehlerbaumanalyse anhand des Beispiels einer Präsentation

Einführung in die qualitative Fehlerbaumanalyse anhand des Beispiels einer Präsentation Einführung in die qualitative Fehlerbaumanalyse anhand des Beispiels einer Präsentation Seminar Das virtuelle Labor Wintersemester 2008/2009 Sandra Mierz Inhaltsverzeichnis Abstract 1 1 Einleitung 1 2

Mehr

Statistik I für Betriebswirte Vorlesung 2

Statistik I für Betriebswirte Vorlesung 2 Statistik I für Betriebswirte Vorlesung 2 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. April 2017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 2 Version: 11.

Mehr

Übungs-Blatt 7 Wahrscheinlichkeitsrechnung

Übungs-Blatt 7 Wahrscheinlichkeitsrechnung Übungs-Blatt Wahrscheinlichkeitsrechnung BMT Biostatistik Prof. Dr. B. Grabowski Zu Aufgabe ) Ein bestimmtes Bauteil wird auf seine Zuverlässigkeit untersucht. Die technische Prüfung erfolgt dabei so:

Mehr

Gefahrenanalyse mittels Fehlerbaumanalyse

Gefahrenanalyse mittels Fehlerbaumanalyse UNIVERSITÄT PADERBORN Die Universität der Informationsgesellschaft Institut für Informatik Arbeitsgruppe Softwaretechnik Gefahrenanalyse mittels Fehlerbaumanalyse von Eike Schwindt Vortrag im Rahmen des

Mehr

Otto-von-Guericke-Universität Magdeburg. Fakultät für Informatik Institut für Simulation und Grafik. Seminararbeit

Otto-von-Guericke-Universität Magdeburg. Fakultät für Informatik Institut für Simulation und Grafik. Seminararbeit Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik Institut für Simulation und Grafik Seminararbeit Problem-/Gefahrenanalyse mittels Fehlerbaumanalyse Verfasser: Matthias Trojahn 14. November

Mehr

Welche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff?

Welche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff? 2. Übung: Wahrscheinlichkeitsrechnung Aufgabe 1 Welche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff? a) P ist nichtnegativ. b) P ist additiv. c) P ist multiplikativ.

Mehr

Statistik I für Betriebswirte Vorlesung 2

Statistik I für Betriebswirte Vorlesung 2 Statistik I für Betriebswirte Vorlesung 2 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 11. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung

Mehr

Kapitel 5 Stochastische Unabhängigkeit

Kapitel 5 Stochastische Unabhängigkeit Kapitel 5 Stochastische Unabhängigkeit Vorlesung Wahrscheinlichkeitsrechnung I vom SoSe 2009 Lehrstuhl für Angewandte Mathematik 1 FAU 5.1 Das Konzept der stochastischen Unabhängigkeit. 1 Herleitung anhand

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II 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 Persike persike@uni-mainz.de

Mehr

Wahrscheinlichkeitstheorie

Wahrscheinlichkeitstheorie Bruno de Finetti Wahrscheinlichkeitstheorie Einführende Synthese mit kritischem Anhang R. Oldenbourg Verlag Wien München 1981 Inhaltsverzeichnis Vorwort X I II III Einführung 1. Wozu ein neues Buch über

Mehr

FMEA Glossar. Was ist eine FMEA? Was ist eine Prozess-FMEA? Was ist eine Produkt-FMEA? Was ist eine Design FMEA? Was bedeutet Brainstorming?

FMEA Glossar. Was ist eine FMEA? Was ist eine Prozess-FMEA? Was ist eine Produkt-FMEA? Was ist eine Design FMEA? Was bedeutet Brainstorming? FMEA Glossar Was ist eine FMEA? Fehlermöglichkeits und Einflussanalyse (FMEA) Die Fehlermöglichkeits- und Einflussanalyse ist eine Methode zur Analyse von Fehlerrisiken im Produkt und Prozess. Sie dient

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II 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 Persike

Mehr

STOCHASTISCHE UNABHÄNGIGKEIT. Annika Pohlmann Philipp Oel Wilhelm Dück

STOCHASTISCHE UNABHÄNGIGKEIT. Annika Pohlmann Philipp Oel Wilhelm Dück STOCHASTISCHE UNABHÄNGIGKEIT Annika Pohlmann Philipp Oel Wilhelm Dück 1 GLIEDERUNG 1) Bedingte Wahrscheinlichkeiten 2) Unabhängigkeit für mehr als zwei Ereignisse 3) Unabhängigkeit für Zufallsvariable

Mehr

Boole'sches Modell <is web>

Boole'sches Modell <is web> Boole'sches Modell basiert auf Mengentheorie und Boole'scher Algebra sehr einfaches Modell mit klarer Semantik Dokumente als Mengen von Indextermen Termgewichte sind binär: im Dokument enthalten oder nicht

Mehr

Satz von der totalen Wahrscheinlichkeit

Satz von der totalen Wahrscheinlichkeit htw saar 1 Satz von der totalen Wahrscheinlichkeit Sei (Ω, P) ein Wahrscheinlichkeitsraum, und B 1,, B n seien paarweise disjunkte Ereignisse mit B i = Ω. Für jedes Ereignis A gilt dann: P(A) = P(A B 1

Mehr

Statistik mit MATHCAD und MATLAB

Statistik mit MATHCAD und MATLAB Hans Benker Statistik mit MATHCAD und MATLAB Einführung in die Wahrscheinlichkeitsrechnung und mathematische Statistik für Ingenieure und Naturwissenschaftler Mit 31 Abbildungen Springer Einleitung 1 1.1

Mehr

Inhalt. Wissensbasierte Diagnose Entscheidungsbäume Bayes-Netze Fallbasiertes Schließen Funktionsorientierte Diagnose Modellbasierte Systeme

Inhalt. Wissensbasierte Diagnose Entscheidungsbäume Bayes-Netze Fallbasiertes Schließen Funktionsorientierte Diagnose Modellbasierte Systeme Inhalt 2 Wissensbasierte Diagnose 3 Diagnose bezeichnet hier das Rückschließen auf mögliche Ursachen, welche zu beobachtbaren Wirkungen führen. Heutige Diagnosesysteme haben gute Diagnosebasisfunktionen,

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II 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 Persike

Mehr

Übersicht. Künstliche Intelligenz: 13. Unsicherheiten Frank Puppe 1

Übersicht. Künstliche Intelligenz: 13. Unsicherheiten Frank Puppe 1 Übersicht I Künstliche Intelligenz II Problemlösen III Wissen und Schlußfolgern IV Logisch Handeln V Unsicheres Wissen und Schließen 13. Unsicherheiten 14. Probabilistisches Schließen 15. Probabilistisches

Mehr

Electronic Design Automation (EDA) Technology Mapping

Electronic Design Automation (EDA) Technology Mapping Electronic Design Automation (EDA) Technology Mapping Überblick digitale Synthese Technology Mapping Abbildung durch die Abdeckung eines Baumes Partitionierung des DAG Dekomposition und Abdeckung Beispiel

Mehr

Station 1 Das Galtonbrett, Realmodelle

Station 1 Das Galtonbrett, Realmodelle Station 1 Das Galtonbrett, Realmodelle Zeit zur Bearbeitung: 10 Minuten 1.1 Versuch:. Münzwurf mit dem Galtonbrett Betrachtet wird folgendes Zufallsexperiment: Fünf identische Münzen werden zehn-mal geworfen.

Mehr

Welche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff?

Welche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff? 2. Übung: Wahrscheinlichkeitsrechnung Aufgabe 1 Welche Axiome sind Grundlage der axiomatischen Wahrscheinlichkeitsdefinition von Kolmogoroff? a) P ist nichtnegativ. b) P ist additiv. c) P ist multiplikativ.

Mehr

Statistik I für Betriebswirte Vorlesung 2

Statistik I für Betriebswirte Vorlesung 2 Statistik I für Betriebswirte Vorlesung 2 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 16. April 2018 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 2 Version: 9. April

Mehr

Modes And Effect Analysis)

Modes And Effect Analysis) Gefahrenanalyse mittels FMEA (Failure Modes And Effect Analysis) Vortragender: Holger Sinnerbrink Betreuer: Holger Giese Gefahrenanalyse mittels FMEA Holger Sinnerbrink Seite: 1 Gliederung Motivation Einordnung

Mehr

Abbildung der Lehrplaninhalte im Lambacher Schweizer Thüringen Klasse 9 Lambacher Schweizer 9 Klettbuch

Abbildung der Lehrplaninhalte im Lambacher Schweizer Thüringen Klasse 9 Lambacher Schweizer 9 Klettbuch Leitidee Lernkompetenzen Lambacher Schweizer Klasse 9 Anmerkungen: Der Lehrplan für das Gymnasium in Thüringen ist ein Doppeljahrgangslehrplan. Das bedeutet, dass die Inhalte, die im Lehrplan zu finden

Mehr

Wahrscheinlichkeitstheorie

Wahrscheinlichkeitstheorie Kapitel 2 Wahrscheinlichkeitstheorie Josef Leydold c 2006 Mathematische Methoden II Wahrscheinlichkeitstheorie 1 / 24 Lernziele Experimente, Ereignisse und Ereignisraum Wahrscheinlichkeit Rechnen mit Wahrscheinlichkeiten

Mehr

Aufgabenblock 3. Durch zählen erhält man P(A) = 10 / 36 P(B) = 3 / 36 P(C) = 18 / 36 und P(A B) = 3 /

Aufgabenblock 3. Durch zählen erhält man P(A) = 10 / 36 P(B) = 3 / 36 P(C) = 18 / 36 und P(A B) = 3 / Aufgabenblock 3 Aufgabe ) A sei das Ereignis: schwerer Verkehrsunfall B sei das Ereignis: Alkohol ist im Spiel Herr Walker betrachtet die Wahrscheinlichkeit P(B A) = 0.3 und errechnet daraus P(-B A) =

Mehr

1. Grundlegende Konzepte der Informatik

1. Grundlegende Konzepte der Informatik 1. Grundlegende Konzepte der Informatik Inhalt Algorithmen Darstellung von Algorithmen mit Programmablaufplänen Beispiele für Algorithmen Aussagenlogik Zahlensysteme Kodierung Peter Sobe 1 Aussagenlogik

Mehr

Mathematik 2 für Naturwissenschaften

Mathematik 2 für Naturwissenschaften Hans Walser Mathematik 2 für Naturwissenschaften Modul 203 Stochastische Unabhängigkeit Hans Walser: Modul 203, Stochastische Unabhängigkeit ii Inhalt 1 Bedingte Wahrscheinlichkeit... 1 1.1 Feuermeldeanlage,

Mehr

03 Boolesche Algebra. Technische Grundlagen der Informatik

03 Boolesche Algebra. Technische Grundlagen der Informatik 03 Boolesche Algebra Technische Grundlagen der Informatik Automation Systems Group E183-1 Institute of Computer Aided Automation Vienna University of Technology email: tgi@auto.tuwien.ac.at Inhalt Operationen

Mehr

Technische Grundlagen der Informatik

Technische Grundlagen der Informatik Technische Grundlagen der Informatik WS 2008/2009 6. Vorlesung Klaus Kasper WS 2008/2009 Technische Grundlagen der Informatik Inhalt Wiederholung Boolesche Gesetze Boolesche Kürzungsregeln Antivalenz und

Mehr

Fuzzy Logic und Wahrscheinlichkeit

Fuzzy Logic und Wahrscheinlichkeit Philosophische Fakultät Institut für Philosophie, Lehrstuhl für Theoretische Philosophie, Holm Bräuer M.A. Fuzzy Logic und Wahrscheinlichkeit Ein Kurzüberblick Was ist Fuzzy Logic? Fuzzy-Logik (englisch:

Mehr

Einführung in die Wahrscheinlichkeitsrechnung

Einführung in die Wahrscheinlichkeitsrechnung Einführung in die Wahrscheinlichkeitsrechnung Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH Heidelberg) Wahrscheinlichkeitsrechnung

Mehr

Algorithmen & Programmierung. Logik

Algorithmen & Programmierung. Logik Algorithmen & Programmierung Logik Aussagenlogik Gegenstand der Untersuchung Es werden Verknüpfungen zwischen Aussagen untersucht. Aussagen Was eine Aussage ist, wird nicht betrachtet, aber jede Aussage

Mehr

Praxishandbuch Qualitätsmanagement

Praxishandbuch Qualitätsmanagement Tilo Pfeifer Praxishandbuch Qualitätsmanagement Mit 191 Abbildungen und 42 Tabellen Carl Hanser Verlag München Wien VII Inhaltsverzeichnis Vorwort V 1 Qualitätsplanung 1 1.1 Quality Function Deployment

Mehr

Zuverlässigkeitsanalyse auf Basis von Gutläufer-Informationen unter Nutzung von WInD-Pool -Daten

Zuverlässigkeitsanalyse auf Basis von Gutläufer-Informationen unter Nutzung von WInD-Pool -Daten Zuverlässigkeitsanalyse auf Basis von Gutläufer-Informationen unter Nutzung von WInD-Pool -Daten Beitrag zur 4. EVW-Beiratssitzung Kassel, 04.06.2014 Dipl.-Ing. Klaus Kühnert IZP Dresden EVW-Projektbeiratssitzung

Mehr

Überblick. Linguistische Anwendungen: æ Spracherkennung æ Textretrival æ probabilistische Grammatiken: z.b. Disambiguierung. Problem: woher Daten?

Überblick. Linguistische Anwendungen: æ Spracherkennung æ Textretrival æ probabilistische Grammatiken: z.b. Disambiguierung. Problem: woher Daten? 1 Überblick æ Beschreibende Statistik: Auswertung von Experimenten und Stichproben æ Wahrscheinlichkeitsrechnung: Schlüsse aus gegebenen Wahrscheinlichkeiten, Hilfsmittel: Kombinatorik æ Beurteilende Statistik:

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik und Wahrscheinlichkeitsrechnung 2. Vorlesung Dr. Jochen Köhler 25.02.2011 1 Inhalt der heutigen Vorlesung Risiko und Motivation für Risikobeurteilungen Übersicht über die Wahrscheinlichkeitstheorie

Mehr

Qualitätsmanagement 7 Managementwerkzeuge (M7) Gliederung

Qualitätsmanagement 7 Managementwerkzeuge (M7) Gliederung Gliederung 1. Qualitätsmanagement: Einführung und Überblick a. Definition des Qualitätsbegriffs b. Entwicklung des Qualitätsmanagements c. Entwicklungslinien des Qualitätsmanagements bei Lebensmitteln

Mehr

a) (A B) tritt ein = A tritt ein oder B tritt ein. = Mindestens eines der Ereignisse A, B tritt ein.

a) (A B) tritt ein = A tritt ein oder B tritt ein. = Mindestens eines der Ereignisse A, B tritt ein. Lösungsvorschläge zu den Aufgaben von Blatt 6: 43) 7 Telefonzellen ( 7 Kugeln in der Urne); 3 davon sind von je einem Benutzer besetzt ( 3 Kugeln in die Stichprobe). Die Telefonzellen werden nicht mehrfach

Mehr

Neuere Ansätze zur Auswahl von Prädiktionsmodellen. Von Veronika Huber

Neuere Ansätze zur Auswahl von Prädiktionsmodellen. Von Veronika Huber Neuere Ansätze zur Auswahl von Prädiktionsmodellen Von Veronika Huber Gliederung Anwendungsbereiche von Prädiktionsmodellen Traditionelle Methoden zur Prüfung der Wirksamkeit Neuere Ansätze zur Prüfung

Mehr

Grundbegriffe der Wahrscheinlichkeitstheorie. Karin Haenelt

Grundbegriffe der Wahrscheinlichkeitstheorie. Karin Haenelt Grundbegriffe der Wahrscheinlichkeitstheorie Karin Haenelt 1 Inhalt Wahrscheinlichkeitsraum Bedingte Wahrscheinlichkeit Abhängige und unabhängige Ereignisse Stochastischer Prozess Markow-Kette 2 Wahrscheinlichkeitsraum

Mehr

Indexvokabular {Korsika, Sardinien, Strand, Ferienwohnung, Gebirge} Verknüpfung von Enthaltenseinsbedingungen mittels Boole'scher Junktoren.

Indexvokabular {Korsika, Sardinien, Strand, Ferienwohnung, Gebirge} Verknüpfung von Enthaltenseinsbedingungen mittels Boole'scher Junktoren. Boole'sches Modell Boole'sches Modell: Beispiel basiert auf Mengentheorie und Boole'scher Algebra sehr einfaches Modell mit klarer Semantik Dokumente als Mengen von Indextermen Termgewichte sind binär:

Mehr

Zusammenfassung Stochastik

Zusammenfassung Stochastik Zusammenfassung Stochastik Die relative Häufigkeit Ein Experiment, dessen Ausgang nicht vorhersagbar ist, heißt Zufallsexperiment (ZE). Ein Würfel wird 40-mal geworfen, mit folgendem Ergebnis Augenzahl

Mehr

Lösungen zu Übungs-Blatt 8 Wahrscheinlichkeitsrechnung

Lösungen zu Übungs-Blatt 8 Wahrscheinlichkeitsrechnung Lösungen zu Übungs-Blatt Wahrscheinlichkeitsrechnung Diskrete Zufallsgrößen Zu Aufgabe ) Welche der folgenden grafischen Darstellungen und Tabellen zeigen keine (Einzel-)Wahrscheinlichkeitsverteilung?

Mehr

Forschungsstatistik I

Forschungsstatistik I Prof. Dr. G. Meinhardt 2. Stock, Nordflügel R. 02-429 (Persike) R. 02-431 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de WS 2008/2009

Mehr

Zusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen

Zusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zusammenfassung Mathe II Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zufallsexperiment: Ein Vorgang, bei dem mindestens zwei Ereignisse möglich sind

Mehr

Atypische Beschäftigung

Atypische Beschäftigung 10:52:26 Atypische Beschäftigung in Essen, Kreisfreie Stadt Seite Daten 1. Überblick 2 2. Kennziffern Struktur 5 3. Kennziffern Entwicklung 8 Diagramme 4. Anteil an Atypischer Beschäftigung in % 9 5. Atypische

Mehr

Boole sches Retrieval als frühes, aber immer noch verbreitetes IR-Modell mit zahlreichen Erweiterungen

Boole sches Retrieval als frühes, aber immer noch verbreitetes IR-Modell mit zahlreichen Erweiterungen Rückblick Boole sches Retrieval als frühes, aber immer noch verbreitetes IR-Modell mit zahlreichen Erweiterungen Vektorraummodell stellt Anfrage und Dokumente als Vektoren in gemeinsamen Vektorraum dar

Mehr

Integration von Markov Modellen in Fehlerbäume

Integration von Markov Modellen in Fehlerbäume Integration von Markov Modellen in Fehlerbäume Alexander Prohaska Lehrstuhl Software Engineering: Dependability Technische Universität Kaiserslautern Postfach 3049 67653 Kaiserslautern prohaska@cs.uni-kl.de

Mehr

Vorlesung Statistik, H&A Mathe, Master M

Vorlesung Statistik, H&A Mathe, Master M Beispiel: Die Wahrscheinlichkeit dafür, dass ein Bewerber von Firma A angenommen wird ist P(A) = 0,2. Die Wahrscheinlichkeit von Firma B angenommen zu werden beträgt P(B) = 0,3. Von mindestens einer der

Mehr

Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist.

Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist. .3. Stochastik Grundlagen Die ABSOLUTE HÄUFIGKEIT einer Merkmalsausprägung gibt an, wie oft diese in der Erhebung eingetreten ist. Die RELATIVE HÄUFIGKEIT einer Merkmalsausprägung gibt an mit welchem Anteil

Mehr

= 7! = 6! = 0, 00612,

= 7! = 6! = 0, 00612, Die Wahrscheinlichkeit, dass Prof. L. die Wette verliert, lässt sich wie folgt berechnen: Ω = {(i 1,..., i 7 ) : i j {1... 7}, j = 1... 7}, wobei i, j für den Wochentag steht, an dem die Person j geboren

Mehr

7.7 Spezielle diskrete Wahrscheinlichkeitsverteilungen

7.7 Spezielle diskrete Wahrscheinlichkeitsverteilungen 7.7 Spezielle diskrete Wahrscheinlichkeitsverteilungen 7.7.1 Die Laplace-Verteilung Sei X eine gleich verteilte Zufallsvariable mit den Werten in der Menge Ω X = {x i R : i = 1,...,n}, d.h. f (x i = 1

Mehr

Komponentengruppenübergreifende Gemeinsam Verursachte Ausfälle (GVA) M. Leberecht

Komponentengruppenübergreifende Gemeinsam Verursachte Ausfälle (GVA) M. Leberecht Komponentengruppenübergreifende Gemeinsam Verursachte Ausfälle (GVA) M. Leberecht Übersicht Einführung Der GVA in der PSA Der komponentengruppenübergreifende GVA Herausforderungen bei der Modellierung

Mehr

Stochastik 02 Wiederholung & Vierfeldertafel

Stochastik 02 Wiederholung & Vierfeldertafel 23. August 2018 Grundlagen der Statistik (bis Klasse 10) Grundlagen der Stochastik (bis Klasse 10) Zufallsgrößen und Verteilungen Beurteilende Statistik (Testen von Hypothesen) Bernoulli-Experimente Ziele

Mehr

Stochastik Musterlösung 2

Stochastik Musterlösung 2 ETH Zürich HS 2018 RW, D-MATL, D-MAVT Prof. Marloes H. Maathuis Koordinator Dr. Marvin S. Müller Stochastik Musterlösung 2 1. Wir betrachten folgende vier Wettersituationen. Es regnet nur am Morgen; Es

Mehr

Praxisorientierte Ursachenerkennung. Verbesserung der Anlagenverfügbarkeit durch intelligente Ursachenerkennung mit SR::EAGLE

Praxisorientierte Ursachenerkennung. Verbesserung der Anlagenverfügbarkeit durch intelligente Ursachenerkennung mit SR::EAGLE Praxisorientierte Ursachenerkennung Verbesserung der Anlagenverfügbarkeit durch intelligente Ursachenerkennung mit SR::EAGLE www.steag-systemtechnologies.com Ursachenanalyse 2 Ursache und Wirkung Im Laufe

Mehr

Übung zu Grundlagen der Technischen Informatik

Übung zu Grundlagen der Technischen Informatik Grundlagen der Technischen Informatik 9. Übung Christian Knell Keine Garantie für Korrekt-/Vollständigkeit 9. Übungsblatt Themen Aufgabe 1: Aufgabe 2: Aufgabe 3: Aufgabe 4: Multiplexer und De-Multiplexer

Mehr

Technische Informatik I

Technische Informatik I Rechnerstrukturen Dario Linsky Wintersemester 200 / 20 Teil 2: Grundlagen digitaler Schaltungen Überblick Logische Funktionen und Gatter Transistoren als elektronische Schalter Integrierte Schaltkreise

Mehr

Beispielseite (Band 1) 2. Ganzrationale Funktionen 2.4 Nullstellen bei Funktionen 3. Grades

Beispielseite (Band 1) 2. Ganzrationale Funktionen 2.4 Nullstellen bei Funktionen 3. Grades Beispielseite (Band ). Ganzrationale Funktionen.4 Nullstellen bei Funktionen. Grades Funktionen. Grades ohne Absolutglied Bei ganzrationalen Funktionen. Grades ohne Absolutglied beginnt die Nullstellenberechnung

Mehr

8. Mai Qualitätsmanagement Werkzeuge des Qualitätsmanagements

8. Mai Qualitätsmanagement Werkzeuge des Qualitätsmanagements Qualitätsmanagement Übung 1 8. Mai 2007 Fischgrätendiagramm oder Ishikawa Diagramm Fischgrätendiagramm oder Ishikawa Diagramm es werden möglichst alle Ursachen eines Problems in Form von Haupt- und Nebenästen

Mehr

Anwendung Informatik Daten verwalten (2) Ursprüngliche Information Logische Verknüpfungen als Grundlage für die Informationsgewinnung

Anwendung Informatik Daten verwalten (2) Ursprüngliche Information Logische Verknüpfungen als Grundlage für die Informationsgewinnung Agenda für heute, 20. November 2009 Daten verwalten (2): Drei Stufen der Datenverwaltung Logische Verknüpfungen als Grundlage für die Informationsgewinnung Werte von Aussagen: Wahrheitstabellen Anwendung

Mehr

Stochastik Grundlagen

Stochastik Grundlagen Grundlegende Begriffe: Zufallsexperiment: Ein Experiment, das beliebig oft wiederholt werden kann. Die möglichen Ergebnisse sind bekannt, nicht jedoch nicht, welches Ergebnis ein einzelnes Experiment hat.

Mehr

Logik (Teschl/Teschl 1.1 und 1.3)

Logik (Teschl/Teschl 1.1 und 1.3) Logik (Teschl/Teschl 1.1 und 1.3) Eine Aussage ist ein Satz, von dem man eindeutig entscheiden kann, ob er wahr (true, = 1) oder falsch (false, = 0) ist. Beispiele a: 1 + 1 = 2 b: Darmstadt liegt in Bayern.

Mehr

GAP - Analyse. Katrin Lindemann & Robert Rduch. Planung 1 Übung GAP-Analyse Katrin Lindemann & Robert Rduch. Folie: 1

GAP - Analyse. Katrin Lindemann & Robert Rduch. Planung 1 Übung GAP-Analyse Katrin Lindemann & Robert Rduch. Folie: 1 GAP - Analyse Katrin Lindemann & Robert Rduch Folie: 1 Gliederung 1. Prognose 1.1. Grundlagen 1.2. Methoden 13 1.3. Einordnung der GAPA GAP-Analyse 2. GAP-Analyse 2.1. Aufgabe & Zweck 2.2. Vorgehensweise

Mehr

Testen eingebetteter Systeme

Testen eingebetteter Systeme Seminar Qualitätsmanagement in der Softwaretechnik Testen eingebetteter Systeme Jens Rolfes rolfes@web.de Gliederung! Grundlagen! Präventive Analysemethoden! Messende Testtechniken! Fazit Testen eingebetteter

Mehr

Das Ziegenproblem. Nils Schwinning und Christian Schöler Juni 2010

Das Ziegenproblem. Nils Schwinning und Christian Schöler  Juni 2010 Das Ziegenproblem Nils Schwinning und Christian Schöler http://www.esaga.uni-due.de/ Juni 2010 Die Formulierung Obwohl das sogenannte Ziegenproblem in der Mathematik allgegenwärtig erscheint, wurde es

Mehr

Für die Wahrscheinlichkeit P A (B) des Eintretens von B unter der Bedingung, dass das Ereignis A eingetreten ist, ist dann gegeben durch P(A B) P(A)

Für die Wahrscheinlichkeit P A (B) des Eintretens von B unter der Bedingung, dass das Ereignis A eingetreten ist, ist dann gegeben durch P(A B) P(A) 3. Bedingte Wahrscheinlichkeit ================================================================== 3.1 Vierfeldertafel und Baumdiagramm Sind A und B zwei Ereignisse, dann nennt man das Schema B B A A P

Mehr

Prognoseverfahren von Michaela Simon 7.Semester Spezialisierung Finanzwirtschaft

Prognoseverfahren von Michaela Simon 7.Semester Spezialisierung Finanzwirtschaft Prognoseverfahren von Michaela Simon 7.Semester Spezialisierung Finanzwirtschaft Inhaltsverzeichnis I. Allgemeine Aussagen II. Subjektive Planzahlenbestimmung III. Extrapolierende Verfahren 1. Trendanalyse:

Mehr

Grundbegrie der Wahrscheinlichkeitsrechnung

Grundbegrie der Wahrscheinlichkeitsrechnung Die Benutzung dieser Materialien ist auf Herbst 2017 beschränkt. Diese Hilfsmaterialien sind nur für unseren Studenten gemeint, dürfen also nicht weiterverteilt werden. Grundbegrie der Wahrscheinlichkeitsrechnung

Mehr

11 Unabhängige Ereignisse

11 Unabhängige Ereignisse 11 Unabhängige Ereignisse In engem Zusammenhang mit dem Begriff der bedingten Wahrscheinlichkeit steht der Begriff der Unabhängigkeit von Ereignissen. Wir klären zuerst, was man unter unabhängigen Ereignissen

Mehr

Informationsverarbeitung auf Bitebene

Informationsverarbeitung auf Bitebene Informationsverarbeitung auf Bitebene Dr. Christian Herta 5. November 2005 Einführung in die Informatik - Informationsverarbeitung auf Bitebene Dr. Christian Herta Grundlagen der Informationverarbeitung

Mehr

Programm heute. Algorithmen und Datenstrukturen (für ET/IT) Definition Algorithmus. Wie beschreibt man Algorithmen?

Programm heute. Algorithmen und Datenstrukturen (für ET/IT) Definition Algorithmus. Wie beschreibt man Algorithmen? Programm heute Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 2015 1 Einführung Dr. Tobias Lasser Computer Aided Medical Procedures Technische Universität München 2 Grundlagen von Algorithmen

Mehr

Einführung in die Wahrscheinlichkeitsrechnung

Einführung in die Wahrscheinlichkeitsrechnung Marco Cattaneo Institut für Statistik Ludwig-Maximilians-Universität München Sommersemester 2011 1. Wahrscheinlichkeitsrechnung 2. Diskrete Zufallsvariable 3. Stetige Zufallsvariable 4. Grenzwertsätze

Mehr

Algorithmen und Datenstrukturen (für ET/IT)

Algorithmen und Datenstrukturen (für ET/IT) Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 2016 Dr. Tobias Lasser Computer Aided Medical Procedures Technische Universität München Programm heute 1 Einführung 2 Grundlagen von Algorithmen

Mehr

Institut für Biometrie und klinische Forschung. WiSe 2012/2013

Institut für Biometrie und klinische Forschung. WiSe 2012/2013 Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie (3) Überblick. Deskriptive Statistik I 2. Deskriptive

Mehr

Rumpfskript. Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen

Rumpfskript. Elementare Wahrscheinlichkeitsrechnung. Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen Rumpfskript Elementare Wahrscheinlichkeitsrechnung Prof. Dr. Ralf Runde Statistik und Ökonometrie, Universität Siegen Vorbemerkung Vorbemerkung Das vorliegende Skript heißt nicht nur Rumpf skript, sondern

Mehr

Hauptklausur zur Stochastik für Lehramt

Hauptklausur zur Stochastik für Lehramt Universität Duisburg-Essen Essen, den 20.02.203 Fakultät für Mathematik Dr. Daniel Herden Dipl.-Inf. Christian Thiel Matthias aus der Wiesche Hauptklausur zur Stochastik für Lehramt Bearbeitungszeit: mind.

Mehr

Daten und Zufall. eine gar nicht sooo neue Leitidee im Bildungsplan Mathematik Grundschule. SINUS September 2012 Benedikt Rocksien 1

Daten und Zufall. eine gar nicht sooo neue Leitidee im Bildungsplan Mathematik Grundschule. SINUS September 2012 Benedikt Rocksien 1 Daten und Zufall eine gar nicht sooo neue Leitidee im Bildungsplan Mathematik Grundschule SINUS September 2012 Benedikt Rocksien 1 Mathematikunterricht in der Grundschule Allgemeine mathematische Kompetenzen

Mehr

Statistik für Ingenieure Vorlesung 2

Statistik für Ingenieure Vorlesung 2 Statistik für Ingenieure Vorlesung 2 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 24. Oktober 2016 2.4 Bedingte Wahrscheinlichkeiten Häufig ist es nützlich, Bedingungen

Mehr

Das Business im Process: Warum Anwender nicht BPMN sprechen

Das Business im Process: Warum Anwender nicht BPMN sprechen Das Business im Process: Warum Anwender nicht BPMN sprechen Andreas Wußler, PROMATIS software GmbH Ettlingen, 15. November 2011 1 Agenda Einleitung Petri-Netze XML-Netze BPMN 2.0 Warum Projekte scheitern

Mehr

Statistik, Datenanalyse und Simulation

Statistik, Datenanalyse und Simulation Dr. Michael O. Distler distler@kph.uni-mainz.de Mainz, 24. Oktober 2007 1. Statistik Wir denken an Experimente, bei deren Durchführung die Variable X, um die es dabei geht, verschiedene Werte annehmen

Mehr

Epidemiologie und HIV-Tests

Epidemiologie und HIV-Tests 26. November 2009 Cornelias HIV-Test Das ist Cornelia. Cornelia möchte Plasmaspenderin werden. Dafür braucht sie einen negativen Befund eines HIV-Tests. Deshalb geht sie ins Krankenhaus. Cornelias HIV-Test

Mehr

Arbeitsbuch zur deskriptiven und induktiven Statistik

Arbeitsbuch zur deskriptiven und induktiven Statistik Helge Toutenburg Michael Schomaker Malte Wißmann Christian Heumann Arbeitsbuch zur deskriptiven und induktiven Statistik Zweite, aktualisierte und erweiterte Auflage 4ü Springer Inhaltsverzeichnis 1. Grundlagen

Mehr

Stochastik I Vorlesung WT 1 Stochastische Modellbildung. K.Gerald van den Boogaart

Stochastik I Vorlesung WT 1 Stochastische Modellbildung. K.Gerald van den Boogaart Stochastik I Vorlesung WT 1 Stochastische Modellbildung K.Gerald van den Boogaart http://www.stat.boogaart.de Stochastik I p.1/52 Spielbeispiel Die Simplon 13 Rettungsrakete Zündung der Rettungsrakete

Mehr

Ich-kann-Sätze für die 4. Klausur M EPh GK 4

Ich-kann-Sätze für die 4. Klausur M EPh GK 4 Ich-kann-Sätze für die 4. Klausur M EPh GK 4 Dies ist die Ich-kann-Satz-Liste (Checkliste) für die zentrale Mathematikklausur am 13.06.2019. Grundsätzlich können natürlich alle mathematischen Inhalte aus

Mehr

Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.2/58

Statistik Einführung // Wahrscheinlichkeitstheorie 3 p.2/58 Statistik Einführung Wahrscheinlichkeitstheorie Kapitel 3 Statistik WU Wien Gerhard Derflinger Michael Hauser Jörg Lenneis Josef Leydold Günter Tirler Rosmarie Wakolbinger Statistik Einführung // Wahrscheinlichkeitstheorie

Mehr

6 Technische Statistik und Wahrscheinlichkeitsrechnung

6 Technische Statistik und Wahrscheinlichkeitsrechnung 1 6 Technische Statistik und Wahrscheinlichkeitsrechnung 6.1 Die Binominalverteilung Diese Verteilung wird auch als Bernoullische oder Newtonsche Verteilung bezeichnet. Dabei handelt es sich um eine diskrete

Mehr

FUNKTIONALE DEKOMPOSITION

FUNKTIONALE DEKOMPOSITION Ein statistischer Sicherheitsnachweis für den Autobahnchauffeur würde mehrere Milliarden Testkilometer erfordern. Dies ist nicht realisierbar. Ein szenario-basierter Ansatz kann den Testaufwand reduzieren,

Mehr

Grundlagen des Datenschutzes und der IT-Sicherheit (8)

Grundlagen des Datenschutzes und der IT-Sicherheit (8) und der IT-Sicherheit (8) Vorlesung im Sommersemester 2006 an der Universität Ulm von Ergebnis: Anforderungen an IT-Sicherheit Ausgestaltung der IT-Sicherheit beeinflusst durch - rechtliche Vorgaben -

Mehr

Fehlerdiagnose von transienten Fehlern in quantisierten Systemen

Fehlerdiagnose von transienten Fehlern in quantisierten Systemen Fehlerdiagnose von transienten Fehlern in quantisierten Systemen Hauptseminar Andreas Kost Gliederung Einührung Qualitative Modellierung Diagnose von quantisierten Systemen Zusammenassung & Ausblick 1.

Mehr