Übungsblatt 5 zur Vorlesung. Statistische Methoden
|
|
- Anneliese Hertz
- vor 7 Jahren
- Abrufe
Transkript
1 Dr. Christof Luchsiger Übugsblatt 5 zur Vorlesug Statistische Methode Testtheorie: θ θ 0 vs θ > θ 0, MLQ, UMP, expoetielle Familie Herausgabe des Übugsblattes: Woche 13, Abgabe der Lösuge: Woche 14 (bis Freitag, 1615 Uhr), Besprechug: Woche 15 Stadard Aufgabe 20 [expoetielle Familie, MLQ ud miimal-suffiziete Statistik [1 Pukt Zeige Sie, dass die Gamma-Verteilug ( ) ud die Biomialverteilug ( ) zur expoetielle Familie gehöre ud bereche Sie atürliche Parameter ud miimal suffiziete Statistike dazu. Tipp: ist jeweils icht selber Parameter ud ka als bekate Zahl aufgefasst werde. Aufgabe 21 [Satz 4.1 bzw Satz 4.9 [4+1 Pukte Ei Hersteller vo Glühbire behauptet, die vo Ihe produzierte Glühbire hätte eie durchschittliche Lebesdauer vo 1000 Stude. Eie Kosumeteschutzorgaisatio bezweifelt dies. Bevor sie a die Öffetlichkeit geht, will sie aber mit dem Hersteller zusamme eie zufällige Stichprobe vom Umfag 2000 ausgiebig teste (bree lasse bis kaputt). Ma eiigt sich darauf, davo auszugehe, dass die Glühbire uabhägig voeiader bree ud die Lebesdauer expoetialverteilt modelliert werde ka. a) Etwickel Sie mit Hilfe des Lemmas vo Neyma-Pearso eie Test, idem Sie vorerst davo ausgehe, dass λ 0 = 1/1000 ud λ 1 = 1/950 (Sie werde sehe, dass Sie λ 1 ie wirklich brauche). Nehme Sie α = 0.05 ud bereche Sie das K, geauer das K. Tipps: Beispiel 1 aus 4.1.2, ud qgamma(0.05,2000,0.001). b) I der darauffolgede Utersuchug erhielt ma eie durchschittliche Bredauer vo Stude. Was rate Sie als statistischer Cosultat der Kosumeteschutzorgaisatio? Aufgabe 22 [NP-Lemma im diskrete Fall (Satz 4.2 bzw Satz 4.9) [4 + 1 Pukte Herr Meier besucht eie Baker i der Bahhofstrasse i Zürich. Herr Meier sagt, dass er i 60 % der Fälle voraussage ka, ob der CHF / $-Kurs morge höher oder tiefer liegt als heute (gleiche Kurs schliesse wir mal aus). Der Baker will Herr Meier währed 10 Hadelstage teste, bevor er ihm die Veratwortug für das Devisegeschäft überträgt. Für de Baker ka ma gerade so gut eie Müze werfe, um zu progostiziere, ob der Kurs morge höher oder tiefer liegt. Der Baker versteht was vo Statistik ud wird auf dem 5 % - Niveau eie Test durchführe. a) Wie wird dieser Test voraussichtlich aussehe? Sie werde die Befehle pbiom(7,10,0.5) ud pbiom(8,10,0.5) brauche. Tipp: Gleichug (4.2). b) Herr Meier hat och eie Bruder. Der sagt i geau 20 % der Fälle korrekt voraus, ob der Kurs sikt oder steigt. Ageomme er ka das wirklich. Wie ka der Baker de Bruder geschickt eisetze? Die Lösug dieses Problems ist icht ur eie mathematische Spielerei, soder ei praktisches statistisches Prizip. Frühjahrsemester 2011 Olivier Wari Seite 1 vo 6
2 Dr. Christof Luchsiger Hoours Aufgabe 23 [Nehme Krakheitsfälle sigifikat zu? [1+1+2 Pukte Zur Modellierug vo Krakheitsfälle (z.b. Creutzfeldt-Jakob CJD) pro Jahr i eiem Lad ka ma zum Beispiel eie Poisso-Zufallsgrösse (vgl ) eisetze. I der Vorlesug Agewadte Stochastik werde wir sehe, dass dies icht ur gut zu reale Date passt, soder auch aus theoretische Grüde sivoll ist. Solche Übereistimmug (praktisch passed ud theoretisch fudiert) ist immer sehr wertvoll. Asoste hat ma eie ad hoc Apassug eies Modells a eie kokrete Datesatz - we wir eie eue Datesatz erhalte, stimmt das Modell evetuell überhaupt icht mehr, ma spricht deshalb vo ad hoc -erie. Wir werde jetzt die Azahl N j vo (gemeldete) Krakheitsfälle i Jahr j, 1 j, mit uabhägige poissoverteilte Zufallsgrösse modelliere. Dabei sei der Parameter i Jahr j gleich θ j (Potez, hoch j, icht Idex). a) Was ist hier die miimal suffiziete Statistik der gemeisame Wahrscheilichkeitsfuktio für θ über alle Jahre? b) Ist MLQ erfüllt (θ 0 = 1 vs θ 1 > 1 beliebig)? c) Gebe Sie eie UMP-Test der Hypothese θ = 1 vs θ > 1 a (kokrete Zahle icht ausreche). Was rate Sie als statistischer Cosultat der Gesudheitsbehörde, we Sie die Alterativ-Hypothese aehme müsse (was ist da kokret los)? Techisches Detail: die gleiche Verteilug der Zufallsgrösse der verschiedee Jahre wird icht gefordert. Die bisherige Theorie ka trotzdem eigesetzt werde (freiwillige HA: gehe Sie dazu die bisherige Theorie durch). Bemerkug zur Modellierug: Wir habe Uabhägigkeit der Azahl Fälle pro Jahr gefordert. Das heisst uter aderem, dass we wir i Jahr i massiv mehr als die erwartete θ i Fälle habe, so heisst dies keieswegs, dass wir i Jahr i + 1 ebefalls massiv mehr als die erwartete θ i+1 Fälle habe sollte. Damit eiget sich dieses Modell eideutig icht für asteckede Krakheite wie SAS; we wir dort i Woche i mehr als die ursprüglich erwartete Fälle habe, so werde wir wohl auch i Woche i + 1 mehr als die erwartete Fälle habe, weil der Überschuss vo Woche i auch fleissig Nachkomme produziert. CJD ist keie asteckede Krakheit. Dass wir geometrisches Wachstum der erwartete Fälle habe, ka hiterfragt werde - geometrisches Wachstum wäre bei asteckede Krakheite ohe (oder mit ugeügede) Gegemassahme i der Afagsphase eher agebracht. Frühjahrsemester 2011 Olivier Wari Seite 2 vo 6
3 Übugsblatt 5 zur Vorlesug Statistische Methode Seite 3 vo 6 Übugsblatt 5 zur Vorlesug Statistische Methode Olivier Wari 1. April 2011 Aufgabe 20 [expoetielle Familie, MLQ ud miimal-suffiziete Statistik Sei eie feste atürliche Zahl. Behauptug: Die Γ(, λ)-verteilug (λ > 0) gehört zur expoetielle Familie. Ausserdem ist λ ei atürlicher Parameter ud eie miimal suffiziete Statistik für λ vo eier Stichprobe x = (x 1,..., x m ) lautet T (x) = m x i. Beweis: Die Dichtefuktio f eier Γ(, λ)-verteilte Zufallsgrösse lautet wie folgt: f(x, λ) = λ x 1 e λx Γ() = λ Γ() }{{} x 1 }{{} =:h(x) =:c(λ) e λx = c(λ)h(x) exp(λt 1 (x)), wobei t 1 (x) = x. Nach Defiitio 4.10 gehört die Γ(, λ)-verteilug also zur expoetielle Familie. Ausserdem ist (ebefalls ach Defiitio 4.10) λ ei atürlicher Parameter. Mit dem Abschitt folgt sofort, dass die Statistik m m T (x) = t 1 (x i ) = vo eier Stichprobe x = (x 1,..., x m ) eie miimal suffiziete Statistik für de atürliche Parameter λ ist. x i Behauptug: Die Bi(, θ)-verteilug (θ (0, 1)) gehört zur expoetielle Familie. Ausserdem ist log θ 1 θ ei atürlicher Parameter ud eie miimal suffiziete Statistik für diese atürliche Parameter vo eier Stichprobe x = (x 1,..., x m ) lautet T (x) = m x i. Beweis: Die Wahrscheilichkeitsfuktio p eie Bi(, θ)-verteilte Zufallsgrösse lautet wie folgt: ( ) ( ) ( ) p(x, θ) = θ x (1 θ) x = (1 θ) θ exp x log = c(θ)h(x) exp(θ 1 t 1 (x)), x }{{} x 1 θ =:c(θ) }{{} =:h(x) wobei θ 1 = log θ 1 θ ud t 1(x) = x. Mit Defiitio 4.10 ud dem Abschitt folgt damit, aalog wie im erste Beweis vo dieser Aufgabe, die Behauptug. Frühjahrsemester 2011 Olivier Wari Seite 3 vo 6
4 Übugsblatt 5 zur Vorlesug Statistische Methode Seite 4 vo 6 Aufgabe 21 [Satz 4.1 bzw. Satz 4.9 Ei Hersteller vo Glühbire behauptet, die vo ihe produzierte Glühbire hätte eie durchschittliche Lebesdauer vo 1000 Stude. Eie Kosumeteschutzorgaisatio bezweifelt dies. Bevor sie a die Öffetlichkeit geht, will sie aber mit dem Hersteller zusamme eie zufällige Stichprobe vom Umfag 2000 ausgiebig teste (bree lasse bis kaputt). Ma eiigt sich darauf, davo auszugehe, dass die Glühbire uabhägig voeiader bree ud die Lebesdauer expoetialverteilt modelliert werde ka. Seie := 2000, α := 0.05 ud für i = 1,..., sei X i die Lebesdauer der Glühbire i (i Stude). Nach Obigem, gehe wir davo aus, dass die X i s iid ud expoetialverteilt sid. Sei λ > 0, so dass X 1 Exp(λ). a) Wir teste u (auf dem Niveau α) die Hypothese H 0 : E[X 1 = 1000 bzw. H 1 : E[X 1 = 950 gegeeiader. Seie λ 0 := 1 /1000 ud λ 1 := 1 /950. Da E[X 1 = 1 /λ köe wir die Hypothese H 0 ud H 1 auch wie folgt formuliere: H 0 : λ = λ 0, H 1 : λ = λ 1. Seie f 0, f 1 : die gemeisame Dichte vo X 1,..., X uter H 0 bzw. H 1. Es gilt also für i = 0, 1: ( ) f i (x 1,..., x ) = λ i e λix k = λ i exp λ i x k (x 1,..., x 0). Wir schliesse: Für K > 0 ud x 1,..., x 0 gilt: ( ) f 1 (x 1,..., x ) f 0 (x 1,..., x ) > K λ 1 λ exp (λ 0 λ 1 ) x k > K 0 x k < log(kλ 0 λ 1 ) λ 0 λ 1. Wir setze also K := log(kλ 0 λ λ 0 λ 1. Nach dem Lemma vo Neyma-Pearso (Satz 4.1) müsse wir also K 0 so bestimme, dass gilt: P 0 X k < K = α. 1 ) Damit hätte wir auch direkt begie köe, da wir hier bekatlich MLQ habe ud da x k eie miimal suffiziete Statistik für λ ist. Nach hat uter der H 0 -Hypothese X k eie Γ(, λ 0 )-Verteilug. Wir schliesse: K = qgamma(0.05,2000,1/1000) = User Test (ach dem Lemma vo Neyma-Pearso) lautet also wie folgt ((x 1,..., x ) sei dabei eie etsprechede Stichprobe): Falls x k < K = lehe H 0 ab. Falls x k K = lehe H 0 icht ab. b) I der darauffolgede Utersuchug erhielt ma eie durchschittliche Bredauer vo Stude. Wir bezeiche die durch diese Utersuchug erhaltee Stichprobe mit (x 1,..., x ). Es gilt also 1 x k = Wir schliesse: x k = = > K = Also ehme wir, ach dem Test aus a), die Hypothese H 0 a. Also rate wir als statistischer Cosultat der Kosumeteschutzorgaisatio, dass sie mit ihrer Vermutug icht a die Öffetlichkeit gehe soll bzw. sie soll gege de Hersteller keie Klage erhebe. Frühjahrsemester 2011 Olivier Wari Seite 4 vo 6
5 Übugsblatt 5 zur Vorlesug Statistische Methode Seite 5 vo 6 Aufgabe 22 [NP-Lemma im diskrete Fall (Satz 4.2 bzw. Satz 4.9) Herr Meier besucht eie Baker a der Bahhofstrasse i Zürich. Herr Meier sagt, dass er eie Software etwickelt hat, mit der er i 60% der Fälle korrekt voraussage ka, ob der CHF / $-Kurs morge höher oder tiefer liegt als heute (gleiche Kurs schliesse wir aus). Der Baker will Herr Meier währed 10 Hadelstage teste. Für de Baker ka ma gerade so gut eie Müze werfe, um zu progostiziere, ob der Kurs morge höher oder tiefer liegt. a) Sei θ die Wahrscheilichkeit, dass die Software vo Herr Meier richtig liegt. Setze := 10, α := 0.05, θ 0 := 0.5 ud θ 1 := 0.6. Seie weiter für i = 1,..., { 1, falls Herr Meiers Software am Tag i richtig liegt X i := 0, sost. Wir ehme a, dass die X i s uabhägig sid. Wir wolle u mit Hilfe des Lemmas vo Neyma-Pearso (Satz 4.2) die Hypothese H 0 : θ = θ 0 vs. H 1 : θ = θ 1 auf dem α-niveau teste. Nach Vorlesug (geauer ach Gleichug (4.2)) müsse wir dazu K N ud γ [0, 1) fide, mit [ P 0 X i > K + γp 0 X i = K = α. Damit hätte wir auch direkt begie köe, da wir hier bekatlich MLQ habe ud da x k eie miimal suffiziete Statistik für θ ist. Uter der H 0 -Hypothese hat X i eie Bi(, θ 0 )-Verteilug. Es gilt also P 0 X i > 7 = pbiom(7,10,0.5,lower.tail=false) = > α P 0 X i > < α. = pbiom(8,10,0.5,lower.tail=false) = Wir schliesse: K = 8 ud γ = α P 0 [ X i > K P 0 [ X i = K = = ( pbiom(8,10,0.5,false))/dbiom(8,10,0.5) Nach dem Lemma vo Neyma-Pearso (Satz 4.2) lautet user Test also wie folgt ((x 1,..., x ) sei dabei eie etsprechede Stichprobe)): Falls x i > K = 8, lehe H 0 ab. Falls x i = K = 8, lehe H 0 mit Wahrscheilichkeit γ = ab. Falls x i < K = 8, lehe H 0 icht ab. b) Herr Meier hat och eie Bruder. Der sagt i geau 20% der Fälle korrekt voraus, ob der Kurs sikt oder steigt. Nehme wir a, dass er das wirklich ka. Der Baker ka dies u geschickt eisetze idem er immer das Gegeteil aimmt, was der Bruder vo Herr Meier sagt. Somit weiss der Baker i 80% der Fälle ob der Kurs sikt oder steigt. Aufgabe 23 [Nehme Krakheitsfälle sigifikat zu? Zur Modellierug vo Krakheitsfälle (z.b. Creutzfeldt-Jakob CJD) pro Jahr i eiem Lad ka ma zum Beispiel eie Poisso-Zufallsgrösse (vgl ) eisetze. Wir werde jetzt die Azahl N j vo (gemeldete) Krakheitsfälle i Jahr j, 1 j, mit uabhägige poissoverteilte Zufallsgrösse modelliere. Dabei sei der Parameter i Jahr j gleich θ j (Potez, hoch j, icht Idex). Frühjahrsemester 2011 Olivier Wari Seite 5 vo 6
6 Übugsblatt 5 zur Vorlesug Statistische Methode Seite 6 vo 6 a) Die gemeisame Wahrscheilichkeitsfuktio p( ; θ) lautet wie folgt (x = (x 1,, x ) N 0 ): p(x; θ) = θjxj θj e x j! = e P θj θ P 1 jxj x j!. Somit köe wir de etsprechede Likelihood-Quotiete bereche (y = (y 1,, y ) N 0 ): p(y; θ) p(x; θ) = θp jyj P x jxj j! y j!. Dieser Ausdruck ist klar geau da uabhägig vo θ, we jx j = jy j. Also ist ach Satz 3.5 eie miimal suffiziete Statistik für θ gegebe durch t(x) = jx j. b) Sei θ 0 = 1 ud θ 1 > 1 beliebig. I de Notatioe vo Defiitio 4.4 gilt u g θ0θ 1 (t(x)) := p(x, θ 1) p(x, θ 0 ) P P a) = e θj 1 θ jxj 1 1 x j! e P 1j 1 P jxj 1 x j! = exp θ j 1 } {{ } >0 θ t(x) 1. Da θ 1 > 1 ist also g θ0θ 1 (t) streg mooto wachsed i t, das heisst MLQ ist erfüllt (Defiitio 4.4). c) Wir teste u die Hypothese H 0 : θ = θ 0 gege H 1 : θ > 1. Wir defiiere och N = (N 1,..., N ). Da MLQ erfüllt ist brauche wir (etspreched Satz 4.2) ur ei K N 0 ud ei γ [0, 1) zu fide, so dass gilt: P 0 [t(n) > K + γp 0 [t(n) = K = α. Dies ka ma mit kokrete Zahle leicht z.b. mit Hilfe vo mache. Der UMP-Test sieht da (ach Vorlesug) wie folgt aus: (x = (x 1,, x ) sei dabei eie etsprechede Stichprobe): Falls t(x) > K lehe H 0 ab. Falls t(x) = K lehe H 0 mit Wahrscheilichkeit γ ab. Falls t(x) < K lehe H 0 icht ab. Falls wir die Hypothese H 0 ablehe ud daher die Hypothese H 1 aehme, bedeutet dies, dass wir us für θ > 1 etschiede habe. I diesem Fall würde die ate der Erkrakuge zuehme. Folglich wäre es güstig der Gesudheitsbehörde zu rate Massahme zur Eidämmug der Krakheit zu ergreife. Frühjahrsemester 2011 Olivier Wari Seite 6 vo 6
Übungsblatt 1 zur Vorlesung Angewandte Stochastik
Dr Christoph Luchsiger Übugsblatt 1 zur Vorlesug Agewadte Stochastik Repetitio WT Herausgabe des Übugsblattes: Woche 9, Abgabe der Lösuge: Woche 1 (bis Freitag, 1615 Uhr), Rückgabe ud Besprechug: Woche
MehrStatistik I Februar 2005
Statistik I Februar 2005 Aufgabe 0 Pukte Ei Merkmal X mit de mögliche Auspräguge 0 ud, das im Folgede wie ei kardialskaliertes Merkmal behadelt werde ka, wird a Merkmalsträger beobachtet. Dabei bezeichet
MehrKapitel 4: Stationäre Prozesse
Kapitel 4: Statioäre Prozesse M. Scheutzow Jauary 6, 2010 4.1 Maßerhaltede Trasformatioe I diesem Kapitel führe wir zuächst de Begriff der maßerhaltede Trasformatio auf eiem Wahrscheilichkeitsraum ei ud
MehrLösungen der Aufgaben zur Vorbereitung auf die Klausur Mathematik für Informatiker I
Uiversität des Saarlades Fakultät für Mathematik ud Iformatik Witersemester 2003/04 Prof. Dr. Joachim Weickert Dr. Marti Welk Dr. Berhard Burgeth Lösuge der Aufgabe zur Vorbereitug auf die Klausur Mathematik
MehrMaximum Likelihood Version 1.6
Maximum Likelihood Versio 1.6 Uwe Ziegehage 15. November 2005 Logarithmegesetze log a (b) + log a (c) = log a (b c) (1) log a (b) log a (c) = log a (b/c) (2) log a (b c ) = c log a (b) (3) Ableitugsregel
Mehr2 Vollständige Induktion
8 I. Zahle, Kovergez ud Stetigkeit Vollstädige Iduktio Aufgabe: 1. Bereche Sie 1+3, 1+3+5 ud 1+3+5+7, leite Sie eie allgemeie Formel für 1+3+ +( 3)+( 1) her ud versuche Sie, diese zu beweise.. Eizu5% ZiseproJahragelegtes
Mehr2.3 Kontingenztafeln und Chi-Quadrat-Test
2.3 Kotigeztafel ud Chi-Quadrat-Test Die Voraussetzuge a die Date i diesem Kapitel sid dieselbe, wie im voragegagee Kapitel, ur dass die Stichprobe hier aus Realisieruge vo kategorielle Zufallsvariable
Mehr15.4 Diskrete Zufallsvariablen
.4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet
MehrNennenswertes zur Stetigkeit
Neeswertes zur Stetigkeit.) Puktweise Stetigkeit: Vo Floria Modler Defiitio der pukteweise Stetigkeit: Eie Fuktio f : D R ist geau da i x D stetig, we gilt: ε > δ >, so dass f ( x) f ( x ) < ε x D mit
MehrSatz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist.
Erfüllbarkeit, Uerfüllbarkeit, Allgemeigültigkeit Defiitio Eie Belegug β ist passed zu eiem Boolesche Term t, falls β für alle atomare Terme i t defiiert ist. (Wird ab jetzt ageomme.) Ist β(t) = true,
MehrEvaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt
2.4.5 Gauss-Test ud t-test für verbudee Stichprobe 2.4.5.8 Zum Begriff der verbudee Stichprobe Verbudee Stichprobe: Vergleich zweier Merkmale X ud Y, die jetzt a deselbe Persoe erhobe werde. Vorsicht:
MehrGrundgesamtheitsanaylsen und Stichproben. Betrachtungen zur Stichprobenfindung
MaMaEuSch Maagemet Mathematics for Europea Schools http://www.mathematik.uikl.de/ mamaeusch Grudgesamtheitsaaylse ud Stichprobe. Betrachtuge zur Stichprobefidug Paula Lagares Justo Puerto 1 MaMaEuSch 2
Mehr(4) = 37,7 % mit 37,7 % Wahrscheinlichkeit sind es höchstens 4 Fahrräder, das ist recht hoch; man kann also die Behauptung nicht wirklich ablehnen.
Schülerbuchseite 98 1 Lösuge vorläufig IV Beurteilede Statistik S. 98 p S. 1 p w a t Tabelle Tabelle dowloadbar im Iteretauftritt 1 Teste vo Hypothese 1 a) Erwartugswert μ = 5 ud Stadardabweichug σ = 1,6;
MehrGeometrische Folgen. Auch Wachstumsfolgen Viele Aufgaben. Lösungen nur auf der Mathe-CD Hier nur Ausschnitte. Datei Nr
ZAHLENFOLGEN Teil Geometrische Folge Auch Wachstumsfolge Viele Aufgabe Lösuge ur auf der Mathe-CD Hier ur Ausschitte Datei Nr. 00 Friedrich Buckel März 00 Iteretbibliothek für Schulmathematik 00 Geometrische
MehrBeispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.
8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 81 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 = 12075, p-wert: 00168 f χ 2 (4)
Mehr3 Kritischer Bereich zum Niveau α = 0.10: K = (χ 2 k 1;1 α, + ) = (χ2 5;0.90, + ) = (9.236, + ) 4 Berechnung der realisierten Teststatistik:
8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 81 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 1275, p-wert: 168 8 Apassugs-
MehrAufgaben und Lösungen der Probeklausur zur Analysis I
Fachbereich Mathematik AG 5: Fuktioalaalysis Prof. Dr. K.-H. Neeb Dipl.-Math. Rafael Dahme Dipl.-Math. Stefa Wager ATECHNISCHE UNIVERSITÄT DARMSTADT SS 007 19. Jui 007 Aufgabe ud Lösuge der Probeklausur
MehrNachklausur - Analysis 1 - Lösungen
Prof. Dr. László Székelyhidi Aalysis I, WS 212 Nachklausur - Aalysis 1 - Lösuge Aufgabe 1 (Folge ud Grezwerte). (i) (1 Pukt) Gebe Sie die Defiitio des Häufugspuktes eier reelle Zahlefolge (a ) N. Lösug:
MehrWissenschaftliches Arbeiten Studiengang Energiewirtschaft
Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:
Mehr3. Einführung in die Statistik
3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :
Mehr2. Diophantische Gleichungen
2. Diophatische Gleichuge [Teschl05, S. 91f] 2.1. Was ist eie diophatische Gleichug ud wozu braucht ma sie? Def D2-1: Eie diophatische Gleichug ist eie Polyomfuktio i x,y,z,, bei der als Lösuge ur gaze
Mehrn 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:
61 6.2 Grudlage der mathematische Statistik 6.2.1 Eiführug i die mathematische Statistik I der mathematische Statistik behadel wir Masseerscheiuge. Wir habe es deshalb im Regelfall mit eier große Zahl
MehrZahlenfolgen, Grenzwerte und Zahlenreihen
KAPITEL 5 Zahlefolge, Grezwerte ud Zahlereihe. Folge Defiitio 5.. Uter eier Folge reeller Zahle (oder eier reelle Zahlefolge) versteht ma eie auf N 0 erlarte reellwertige Futio, die jedem N 0 ei a R zuordet:
MehrFinanzmathematik für HAK
Fiazmathematik für HAK Dr.Mafred Gurter 2008. Kapitalverzisug bei der Bak mit lieare (eifache) Zise währed des Jahres Beispiel : Ei Kapital vo 3000 wird mit 5% für 250 Tage verzist. Wie viel bekommt ma
Mehr14 Statistische Beziehungen zwischen nomi nalen Merkmalen
14 Statistische Beziehuge zwische omi ale Merkmale 14.1 Der Chi Quadrat Test auf Uabhägigkeit für Vier Feldertafel 14.2 Der Chi Quadrat Test auf Uabhägigkeit für r s Kotigeztafel 14.3 Zusammmehagsmaße
MehrSUCHPROBLEME UND ALPHABETISCHE CODES
SUCHPROBLEME UND ALPHABETISCHE CODES Der Problematik der alphabetische Codes liege Suchprobleme zugrude, dere Lösug dem iformatiostheoretische Problem der Fidug eies (optimale) alphabetische Codes gleich
MehrKorrekturrichtlinie zur Studienleistung Wirtschaftsmathematik am 22.12.2007 Betriebswirtschaft BB-WMT-S11-071222
Korrekturrichtliie zur Studieleistug Wirtschaftsmathematik am..007 Betriebswirtschaft BB-WMT-S-07 Für die Bewertug ud Abgabe der Studieleistug sid folgede Hiweise verbidlich: Die Vergabe der Pukte ehme
MehrInstitut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban
Istitut für tochastik Prof. Dr. N. Bäuerle Dipl.-Math.. Urba Lösugsvorschlag 9. Übugsblatt zur Vorlesug Fiazmathematik I Aufgabe Ei euartiges Derivat) Wir sid i eiem edliche, arbitragefreie Fiazmarkt,
MehrKapitel 6: Statistische Qualitätskontrolle
Kapitel 6: Statistische Qualitätskotrolle 6. Allgemeies Für die Qualitätskotrolle i eiem Uterehme (produzieredes Gewerbe, Diestleistugsuterehme, ) gibt es verschiedee Möglichkeite. Statistische Prozesskotrolle
Mehr3. Tilgungsrechnung. 3.1. Tilgungsarten
schreier@math.tu-freiberg.de 03731) 39 2261 3. Tilgugsrechug Die Tilgugsrechug beschäftigt sich mit der Rückzahlug vo Kredite, Darlehe ud Hypotheke. Dabei erwartet der Gläubiger, daß der Schulder seie
MehrKorrelationsanalyse zwischen kategorischen Merkmalen. Kontingenztabellen. Chi-Quadrat-Test
Kotigeztabelle. Chi-Quadrat-Test Korrelatiosaalyse zwische kategorische Merkmale Beispiel 1 ohe Frau 8 75 1 Ma 48 49 97 76 14? Häufigkeitstabelle (Kotigeztabelle): eie tabellarische Darstellug der gemeisame
MehrKonfidenzintervall_fuer_pi.doc Seite 1 von 6. Konfidenzintervall für den Anteilswert π am Beispiel einer Meinungsumfrage
Kofidezitervall_fuer_pi.doc Seite 1 vo 6 Kofidezitervall für de Ateilswert π am Beispiel eier Meiugsumfrage Nach eier Meiugsumfrage der Wochezeitug Bezirksblatt vom März 005, ei halbes Jahr vor de Ladtagswahle
MehrBeweistechniken Vollständige Induktion - Beispiele, Erweiterungen und Übungen
Beweistechike Vollstädige Iduktio - Beispiele, Erweiteruge ud Übuge Alex Chmelitzki 15. März 005 1 Starke Iduktio Eie etwas abgewadelte Form der Iduktio ist die sogeate starke Iduktio. Bei dieser Spielart
MehrBINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008
Stochasti ud ihre Didati Refereti: Iris Wiler 10.11.2008 Aufgabe: Führe Sie i der Seudarstufe II die Biomialoeffiziete als ombiatorisches Azahlproblem ei. Erarbeite Sie mit de Schülerie ud Schüler mithilfe
MehrÜbungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 0
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Prof. Dr. Rolad Speicher M.Sc. Tobias Mai Übuge zur Vorlesug Fuktioetheorie Sommersemester 01 Musterlösug zu Blatt 0 Aufgabe 1. Käpt Schwarzbart,
MehrPrivatKredit. Direkt ans Ziel Ihrer Wünsche
PrivatKredit Direkt as Ziel Ihrer Wüsche Erlebe Sie eue Freiräume. Leiste Sie sich, was Ihe wichtig ist. Sie träume scho seit lagem vo eier eue Aschaffug, wie z. B.: eiem eue Auto eue Möbel Oder es stehe
MehrLernhilfe in Form eines ebooks
Ziseszisrechug Lerhilfe i Form eies ebooks apitel Thema Seite 1 Vorwort ud Eiführug 2 2 Theorie der Ziseszisrechug 5 3 Beispiele ud Beispielrechuge 12 4 Testaufgabe mit Lösuge 18 Zis-Ziseszis.de 212 Seite
Mehr2.2.1 Lagemaße. Exkurs: Quantile. und n. p n
Ekurs: Quatile Ausgagspukt : Geordete Urliste Jeder Wert p, mit 0 < p
Mehrx 2 + 2 m c Φ( r, t) = n q n (t) φ n ( r) (5) ( + k 2 n ) φ n ( r) = 0 (6a)
Quatisierug eies skalare Feldes Das Ziel ist eigetlich das elektromagetische Feld zu quatisiere, aber wie ma scho a de MAXWELLsche Gleichuge sehe ka, ist es zu kompliziert, um damit zu begie. Außerdem
MehrTransformator. n Windungen
echische iversität Dresde stitut für Ker- ud eilchephysik R. Schwierz V/5/29 Grudpraktikum Physik Versuch R rasformator rasformatore werde i viele ereiche der Elektrotechik ud Elektroik eigesetzt. Für
MehrIWW Studienprogramm. Vertiefungsstudium. Modul XI: Volkswirtschaftslehre. Lösungshinweise zur 1. Musterklausur
Istitut für Wirtschaftswisseschaftliche Forschug ud Weiterbildug GmbH Istitut a der FerUiversität i Hage IWW Studieprogramm Vertiefugsstudium Modul XI: Volkswirtschaftslehre Lösugshiweise zur 1. Musterklausur
MehrStatistik I/Empirie I
Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass
MehrBetriebswirtschaft Wirtschaftsmathematik Studienleistung BW-WMT-S12 011110
Name, Vorame Matrikel-Nr. Studiezetrum Studiegag Fach Art der Leistug Klausur-Kz. Betriebswirtschaft Wirtschaftsmathematik Studieleistug Datum 10.11.2001 BW-WMT-S12 011110 Verwede Sie ausschließlich das
MehrMusterlösung zu Übungsblatt 2
Prof. R. Padharipade J. Schmitt C. Schießl Fuktioetheorie 25. September 15 HS 2015 Musterlösug zu Übugsblatt 2 Aufgabe 1. Reelle Fuktioe g : R R stelle wir us üblicherweise als Graphe {(x, g(x)} R R vor.
MehrWirtschaftsmathematik
Studiegag Betriebswirtschaft Fach Wirtschaftsmathematik Art der Leistug Studieleistug Klausur-Kz. BW-WMT-S1 040508 Datum 08.05.004 Bezüglich der Afertigug Ihrer Arbeit sid folgede Hiweise verbidlich: Verwede
MehrÜbungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 11. c n (z a) n,
f : a P UNIVERSIÄ DES SAARLANDES FACHRICHUNG 6. MAHEMAIK Prof. Dr. Rolad Speicher M.Sc. obias Mai Übuge zur Vorlesug Fuktioetheorie Sommersemester 202 Musterlösug zu Blatt Aufgabe. Zeige Sie durch Abwadlug
MehrFehlerrechnung. 3. Genauigkeit von Meßergebnissen am Beispiel der Längenmessung
1 Gie 11/000 Fehlerrechug 1. Physikalische Größe: Zahlewert ud Eiheit. Ursache vo Meßfehler 3. Geauigkeit vo Meßergebisse am Beispiel der Lägemessug 4. Messug eier kostate Größe ud Mittelwert 5. Messug
MehrAllgemeine Lösungen der n-dimensionalen Laplace-Gleichung und ihre komplexe Variable
Allgemeie Lösuge der -dimesioale Laplace-Gleichug ud ihre komplexe Variable Dr. rer. at. Kuag-lai Chao Göttige, de 4. Jauar 01 Abstract Geeral solutios of the -dimesioal Laplace equatio ad its complex
MehrWahrscheinlichkeit und Statistik
ETH Zürich HS 2015 Prof. Dr. P. Embrechts Wahrscheilichkeit ud Statistik D-INFK Lösuge Serie 2 Lösug 2-1. (a Wir bereche P [W c B] auf zwei Arte: (a Wir betrachte folgede Tabelle: Azahl W W c B 14 6 B
MehrKapitel 6: Quadratisches Wachstum
Kapitel 6: Quadratisches Wachstum Dr. Dakwart Vogel Ui Esse WS 009/10 1 Drei Beispiele Beispiel 1 Bremsweg eies PKW Bremsweg Auto.xls Ui Esse WS 009/10 Für user Modell des Bremsweges gilt a = a + d a =
MehrAUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2. Datenfluß und Programmablauf 2. Vorbedingung 3. Nachbedingung 3. Schleifeninvariante 3
INHALTSVERZEICHNIS AUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2 Datefluß ud Programmablauf 2 Vorbedigug 3 Nachbedigug 3 Schleifeivariate 3 KONSTRUKTION 4 ALTERNATIVE ENTWURFSMÖGLICHKEITEN 5 EFFEKTIVE
MehrStochastik für WiWi - Klausurvorbereitung
Dr. Markus Kuze WS 2013/14 Dipl.-Math. Stefa Roth 11.02.2014 Stochastik für WiWi - Klausurvorbereitug Gesetz der totale Wahrscheilichkeit ud Satz vo Bayes (Ω, F, P) Wahrscheilichkeitsraum, E 1,..., E F
MehrMathematischer Vorkurs zum Studium der Physik
Uiversität Heidelberg Mathematischer Vorkurs zum Studium der Physik Übuge Aufgabe zu Kapitel 1 (aus: K. Hefft Mathematischer Vorkurs zum Studium der Physik, sowie Ergäzuge) Aufgabe 1.1: SI-Eiheite: a)
MehrProf. Dr. Roland Füss Statistik II SS 2008
1. Grezwertsätze Der wichtigste Grud für die Häufigkeit des Auftretes der Normalverteilug ergibt sich aus de Grezwertsätze. Grezwertsätze sid Aussage über eie Zufallsvariable für de Fall, dass die Azahl
MehrFormelsammlung Mathematik
Formelsammlug Mathematik 1 Fiazmathematik 1.1 Reterechug Sei der Zissatz p%, der Zisfaktor q = 1 + p 100. Seie R die regelmäßig zu zahlede Rate, die Laufzeit. Edwert: Barwert: achschüssig R = R q 1 q 1
MehrWahrscheinlichkeit & Statistik
Wahrscheilichkeit & Statistik created by Versio: 3. Jui 005 www.matheachhilfe.ch ifo@matheachhilfe.ch 079 703 7 08 Mege als Sprache der Wahrscheilichkeitsrechug, Begriffe, Grudregel Ereigisraum: Ω Ω Mege
MehrFINANZMATHEMATIK. 1. Zinsen und Zinseszinsen. Finanzmathematik 81
Fiazmathematik 8 FINANZMATHEMATIK. Zise ud Ziseszise Die Zise als Preis für die Zurverfügugstellug vo Geld bilde das zetrale Elemet i der Fiazmathematik. Hierbei sid verschiedee Arte der Verzisug zu uterscheide.
MehrBERUFSKOLLEG KAUFMÄNNISCHE SCHULEN DES KREISES DÜREN Zweijährige Höhere Handelsschule
BERUFSKOLLEG KAUFMÄNNISCHE SCHULEN DES KREISES DÜREN Zweijährige Höhere Hadelsschule Abschlussprüfug Sommer Fach: MATHEMATIK Bearbeitugszeit: Erlaubte Hilfsmittel: Zeitstude Nicht-programmierbarer Tascherecher
MehrStatistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39
Statistik Eiführug Kofidezitervalle für eie Parameter Kapitel 7 Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Kofidezitervalle
MehrJob Coaching. Wir schaffen Lebensqualität.
Job Coachig Wir schaffe Lebesqualität. 2 Agebot ud Diestleistug2 Agebot ud Diestleistug Agebot ud Diestleistug 3 Kotakt obvita Job Coachig jobcoachig@obvita.ch Tel. 071 246 61 90 obvita Berufliche Itegratio
Mehr= T. 1.1. Jährliche Ratentilgung. 1.1. Jährliche Ratentilgung. Ausgangspunkt: Beispiel:
E Tilgugsrechug.. Jährliche Raeilgug Ausgagspuk: Bei Raeilgug wird die chuldsumme (Newer des Kredis [Aleihe, Hypohek, Darleh]) i gleiche Teilberäge T geilg. Die Tilgugsrae läss sich ermiel als: T =.. Jährliche
MehrAT AB., so bezeichnet man dies als innere Teilung von
Teilverhältisse Aus der Geometrie der Dreiecke ket ma die Aussage, dass der Schwerpukt T eies Dreiecks die Seitehalbierede im Verhältis : teilt. Für die Strecke AT ud TM gilt gemäß der Abbildug AT : TM
MehrVersuch 13/1 NEWTONSCHE INTERFERENZRINGE Blatt 1 NEWTONSCHE INTERFERENZRINGE
Versuch 3/ NEWTONSCHE INTERFERENZRINGE Blatt NEWTONSCHE INTERFERENZRINGE Die Oberfläche vo Lise hat im allgemeie Kugelgestalt. Zur Messug des Krümmugsradius diet das Sphärometer. Bei sehr flacher Krümmug
MehrStatistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S
Statistik mit Excel 2013 Peter Wies Theme-Special 1. Ausgabe, Februar 2014 W-EX2013S 3 Statistik mit Excel 2013 - Theme-Special 3 Statistische Maßzahle I diesem Kapitel erfahre Sie wie Sie Date klassifiziere
MehrVariiert man zusätzlich noch die Saatstärke (z.b. 3 Stärkearten), würde man von einer zweifaktoriellen Varianzanalyse sprechen.
3. Variazaalyse Die Variazaalyse mit eier quatitative abhägige Variable ud eier oder mehrerer qualitativer uabhägiger Variable wird auch als ANOVA (Aalysis of Variace) bezeichet. Mit eier Variazaalyse
MehrQualitätskennzahlen für IT-Verfahren in der öffentlichen Verwaltung Lösungsansätze zur Beschreibung von Metriken nach V-Modell XT
Qualitätskezahle für IT-Verfahre i der öffetliche Verwaltug Lösugsasätze zur Vo Stefa Bregezer Der Autor arbeitet im Bereich Softwaretest ud beschäftigt sich als Qualitätsbeauftragter mit Theme zu Qualitätssicherug
MehrEinführung in die Statistik
Eiführug i die Statistik Dr. C.J. Luchsiger 7 Crash-Course i Statistics II: Schätztheorie ud Kofidezitervalle Literatur Kapitel 7 * Statistik i Cartoos: Kapitel 6 ud 7 * Kregel: 4 ud 13 * Storrer: 43 7.1
MehrKryptologie: Kryptographie und Kryptoanalyse Kryptologie ist die Wissenschaft, die sich mit dem Ver- und Entschlüsseln von Informationen befasst.
Krytologie: Krytograhie ud Krytoaalyse Krytologie ist die Wisseschaft, die sich mit dem Ver- ud Etschlüssel vo Iformatioe befasst. Beisiel Iteretkommuikatio: Versiegel (Itegrität der Nachricht) Sigiere
MehrÜbungen zur Analysis 1 für Informatiker und Statistiker. Lösung zu Blatt 12
Mthemtisches Istitut der Uiversität Müche Prof. Dr. Peter Otte WiSe 203/4 Lösug 2 2.0.204 Aufgbe 2. [8 Pute] Übuge zur Alysis für Iformtier ud Sttistier Lösug zu Bltt 2 Für eie Teilmege Ω R, sei {, flls
MehrPage-Rank: Markov-Ketten als Grundlage für Suchmaschinen im Internet
Humboldt-Uiversität zu Berli Istitut für Iformatik Logik i der Iformatik Prof. Dr. Nicole Schweikardt Page-Rak: Markov-Kette als Grudlage für Suchmaschie im Iteret Skript zum gleichamige Kapitel der im
MehrDas FSB Geldkonto. Einfache Abwicklung und attraktive Verzinsung. +++ Verzinsung aktuell bis zu 3,7% p.a. +++
Das FSB Geldkoto Eifache Abwicklug ud attraktive Verzisug +++ Verzisug aktuell bis zu 3,7% p.a. +++ zuverlässig servicestark bequem Kompeteter Parter für Ihr Wertpapiergeschäft Die FodsServiceBak zählt
MehrKombinatorik VL
Kombiatorik VL 6.1.2009 Bei eiem Sportwettkampf trete acht Sportler gegeeiader a. 1. Wie viele verschiedee Möglichkeite der Platzverteilug gibt es? 2. Wie viele Möglichkeite gibt es die Medaille old, Silber
Mehr5 Bernoulli-Kette. 5.1 Bernoulli-Experiment. Jakob Bernoulli 1654-1705 Schweizer Mathematiker und Physiker. 5.1.1 Einleitung
Seite vo 7 5 Beroulli-Kette Jakob Beroulli 654-705 Schweizer Mathematiker ud Physiker 5. Beroulli-Exerimet 5.. Eileitug Oft iteressiert ma sich bei Zufallsexerimete icht für die eizele Ergebisse, soder
MehrMethodische Grundlagen der Kostenkalkulation
Methodische Grudlage der Kostekalkulatio Plaugsebee Gebrauchsgüter Die i der ladwirtschaftliche Produktio eigesetzte Produktiosmittel werde i Gebrauchsgüter ud Verbrauchsgüter uterteilt. Zu de Gebrauchsgüter
MehrRepetitionsaufgaben Textaufgaben zu Potenz-, Exponential- und Logarithmusgleichungen
Katoale Fachschaft Mathematik Reetitiosaufgabe Textaufgabe zu Potez-, Exoetial- ud Logarithmusgleichuge Ihaltsverzeichis A) Vorbemerkuge B) Lerziele C) Reetitio 2 D) Aufgabe 3 E) Musterlösuge 4 A) Vorbemerkuge
MehrAufgaben zur Analysis I
Aufgabe zur Aalysis I Es werde folgede Theme behadelt:. Logik, Iduktio, Mege, Abbilduge 2. Supremum, Ifimum 3. Folge, Fuktioefolge 4. Reihe, Potezreihe 5. Mootoie ud Stetigkeit 6. Differetialrechug 7.
Mehr186.813 Algorithmen und Datenstrukturen 1 VU 6.0 1. Übungstest SS 2012 26. April 2012
Techische Uiversität Wie Istitut für Computergraphik ud Algorithme Arbeitsbereich für Algorithme ud Datestrukture 186.813 Algorithme ud Datestrukture 1 VU 6.0 1. Übugstest SS 2012 26. April 2012 Mache
Mehr... a ik) i=1...m, k=1...n A = = ( a mn
Zurück Stad: 4..6 Reche mit Matrize I der Mathematik bezeichet ma mit Matrix im Allgemeie ei rechteckiges Zahleschema. I der allgemeie Darstellug habe die Zahle zwei Idizes, de erste für die Zeileummer,
MehrKörpergröße x Häufigkeit in [m] 1.50 1.60 1 1.60 1.70 5 1.70 1.80 49 1.80 1.90 53 1.90 2.00 15 2.00 2.10 1
8 Kofidezitervalle 1 Kapitel 8: Kofidezitervalle A: Beispiele Beispiel 1: Im WS 2000/01 wurde im Rahme der Statistik Vorlesug 124 Studete u.a. zu ihrer Körpergröße befragt. Ma erhielt folgedes Ergebis:
MehrHöhere Finanzmathematik. Sehr ausführliches Themenheft (d. h. mit Theorie) Aber auch mit vielen Trainingsaufgaben
Expoetielles Wachstum Höhere Fiazmathematik Sehr ausführliches Themeheft (d. h. mit Theorie) Aber auch mit viele Traiigsaufgabe Es hadelt sich um eie Awedug vo Expoetialfuktioe (Wachstumsfuktioe) Datei
MehrInnerbetriebliche Leistungsverrechnung
Ierbetriebliche Leistugsverrechug I der Kostestellerechug bzw. im Betriebsabrechugsboge (BAB ist ach der Erfassug der primäre Kostestellekoste das Ziel, die sekudäre Kostestellekoste, also die Koste der
MehrBau- und Wohncenter Stephansplatz
Viele gute Grüde, auf us zu baue Bau- ud Wohceter Stephasplatz Parter der Bak Austria Silvia Nahler Tel.: 050505 47287 Mobil: 0664 20 22 354 Silvia.ahler@cityfiace.at Fiazservice GmbH Ralph Decker Tel.:
Mehr1. Ein Kapital von 5000 ist zu 6,5% und ein Kapital von 4500 zu 7% auf 12 Jahre angelegt. Wie groß ist der Unterschied der Endkapitalien?
Fiazmathematik Aufgabesammlug. Ei Kapital vo 5000 ist zu 6,5% ud ei Kapital vo 4500 zu 7% auf 2 Jahre agelegt. Wie groß ist der Uterschied der Edkapitalie? 2. Wa erreicht ei Kapital eie höhere Edwert,
MehrVersicherungstechnik
Operatios Research ud Wirtschaftsiformati Prof. Dr. P. Recht // Dipl.-Math. Rolf Wedt DOOR Versicherugstechi Übugsblatt 3 Abgabe bis zum Diestag, dem 03..205 um 0 Uhr im Kaste 9 Lösugsvorschlag: Vorbereituge
Mehrevohome Millionen Familien verfolgen ein Ziel: Energie zu sparen ohne auf Komfort zu verzichten
evohome Eergie spare weiter gedacht Millioe Familie verfolge ei Ziel: Eergie zu spare ohe auf Komfort zu verzichte evohome Nie war es schöer Eergie zu spare Es gibt viele iteressate Möglichkeite, eergie-
MehrAuch im Risikofall ist das Entscheidungsproblem gelöst, wenn eine dominante Aktion in A existiert.
Prof. Dr. H. Rommelfager: Etscheidugstheorie, Kaitel 3 7 3. Etscheidug bei Risiko (subjektive oder objektive) Eitrittswahrscheilichkeite für das Eitrete der mögliche Umweltzustäde köe vom Etscheidugsträger
MehrFolgen und Reihen Glege 03/01
Folge ud Reihe Glege 03/0 I diesem Script werde folgede Theme behadelt: Folge (Eiführug)... Arithmetische Folge... Geometrische Folge...3 Mootoie...4 Kovergez...5 Grezwert...6 Schrake...7 Arithmetische
Mehr1.2. Taylor-Reihen und endliche Taylorpolynome
1.. aylor-reihe ud edliche aylorpolyome 1..1 aylor-reihe Wir köe eie Fuktio f() i eier Umgebug eies Puktes o gut durch ihre agete i o: t o () = f(o) + f (o) (-o) aäher: Wir sehe: Je weiter wir vo o weg
MehrGliederung. Value-at-Risk
Value-at-Risk Dr. Richard Herra Nürberg, 4. Noveber 26 IVS-Foru Gliederug Modell Beispiel aus der betriebliche Altersversorgug Verteilug des Gesatschades Value-at-Risk ud Tail Value-at-Risk Risikobeurteilug
MehrAusgangspunkt: Über einen endlichen Zeitraum wird aus einem Kapital (Rentenbarwert RBW v n,i
D. Reterechug 1.1. Jährliche Retezahluge 1.1.1. Vorschüssige Retezahluge Ausgagspukt: Über eie edliche Zeitraum wird aus eiem Kapital (Retebarwert RBW v,i ), das ziseszislich agelegt ist, jeweils zu Begi
Mehrcubus EV als Erweiterung für Oracle Business Intelligence
cubus EV als Erweiterug für Oracle Busiess Itelligece... oder wie Oracle-BI-Aweder mit Essbase-Date vo cubus outperform EV Aalytics (cubus EV) profitiere INHALT 01 cubus EV als Erweiterug für die Oracle
MehrÜbungen mit dem Applet Fourier-Reihen
Fourier-Reihe 1 Übuge mit dem Applet Fourier-Reihe 1 Mathematischer Hitergrud... Übuge mit dem Applet... 3.1 Eifluss der Azahl ud der Sprugstelle...3. Eifluss vo y-verschiebug ud Amplitude...4.3 Eifluss
MehrEinführung in die induktive Statistik. Inferenzstatistik. Konfidenzintervalle. Friedrich Leisch
Spiel Körpergröße Zahl: Azahl weiblich Eiführug i die iduktive Statistik Friedrich Leisch Istitut für Statistik Ludwig-Maximilias-Uiversität Müche Tafelgruppe 8.5 8.6 8.7 8.8 8.9 9.0 9.1 4 5 3 2 1 0 1
MehrElektrostatische Lösungen für mehr Wirtschaftlichkeit
Elektrostatische Lösuge für mehr Wirtschaftlichkeit idustrie für igeieure, profis ud techiker i etwicklug, produktio ud motage. www.kerste.de Elektrostatische Lösuge kerste ist seit über 40 Jahre der führede
MehrArithmetische und geometrische Folgen. Die wichtigsten Theorieteile. und ganz ausführliches Training. Datei Nr
DEMO für ZAHLENFOLGEN Teil 2 Arithmetische ud geometrische Folge Die wichtigste Theorieteile ud gz ausführliches Traiig Datei Nr. 40012 Neu geschriebe ud sehr erweitert Std: 4. Februar 2010 INTERNETBIBLIOTHEK
MehrLS Retail. Die Branchenlösung für den Einzelhandel auf Basis von Microsoft Dynamics NAV
LS Retail Die Brachelösug für de Eizelhadel auf Basis vo Microsoft Dyamics NAV akquiet Focus auf das Wesetliche User Focus liegt immer auf der Wirtschaftlichkeit: So weig wie möglich, soviel wie ötig.
MehrPflichtlektüre: Kapitel 10 Grundlagen der Inferenzstatistik
Pflichtlektüre: Kapitel 10 Grudlage der Iferezstatistik Überblick der Begriffe Populatio Iferezstatistik Populatiosparameter Stichprobeverteiluge Auch Stichprobekewerteverteiluge Wahrscheilichkeitstheorie
MehrGebraucht, aber sicher!
Gebraucht, aber sicher! Die Gebrauchtwage-Services: Fiazprodukte Lagzeit-Garatie Versicheruge Fiazprodukte Gaz ach meiem Geschmack. Die FLEXIBLEN Fiazprodukte der PEUGEOT Bak. Hier dreht sich alles ur
MehrArbeitsplätze in SAP R/3 Modul PP
Arbeitsplätze i SAP R/3 Modul PP Was ist ei Arbeitsplatz? Der Stadort eier Aktioseiheit, sowie dere kokrete räumliche Gestaltug Was ist eie Aktioseiheit? kleiste produktive Eiheit i eiem Produktiosprozess,
MehrEvita baut auf leistungsstarkes Daten-Management
Damit Patiete sicherer sid ud Spitäler zu echte Parter werde Evita baut auf leistugsstarkes Date-Maagemet Die ehealth Strategie des Budes sieht vor, dass ab 2015 alle Schweizer Bürger Zugag zu ihre Gesudheitsdate
Mehr