Empirische Softwaretechnik
|
|
- Ulrike Franziska Kopp
- vor 7 Jahren
- Abrufe
Transkript
1 Empirische Softwaretechnik Prof. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006
2 Zwei Experimente zum Vergleich von Paarprogrammierung und Durchsichten 2
3 Literatur Müller. Should we use programmer pairs or single developers for the next project? Technischer Bericht , Fakultät für Informatik, Universität Karlsruhe,
4 Paarprogrammierung Zwei Programmierer sitzen gemeinsam vor einem Rechner und entwickeln ein Programm Paarprogrammierung (PP) eine zentrale Technik von Extreme Programming 4
5 Durchsichten Gegenseitiges Korrekturlesen der Programme Gleichzusetzen mit Vorbereitungsphase von Inspektionen Durchsichten (Re) nicht so teuer wie Inspektionen 5
6 Versprechen und Kosten von PP Kürzere Entwicklungszeiten Höhere Produktqualität Lernen während der Arbeit Bessere Lösungen Aber: Paarprogrammierung hat fast doppelt so große Personalkosten wie konventionelle Entwicklung 6
7 Motivation für Experiment Gibt es eine Methode, die fast das Gleiche leistet wie PP aber mit geringeren Kosten? Wie verhalten sich Re gegenüber PP bezüglich Kosten und Korrektheit? 7
8 Hypothesen H Kosten : Die Kosten für Re sind höher verglichen mit PP. H Korrektheit : Die Korrektheit der mit Re erstellten Programme ist höher als wenn sie mit PP erstellt wurden. 8
9 Übersicht Experiment durchgeführt SS 2002 (Exp02) und SS 2003 (Exp03) Gegenbalancierter Experimententwurf Teilnehmer: Studenten des XP Praktikums Programmiersprache: Java Vorstellung von PP und Re 9
10 Aufgaben Lösen eines Schiebepuzzles (Shu) Berechnen der Nullstellen eines Polynoms 3. Grades (Pol) 10
11 Gruppen 11
12 Bilden der Gruppen Gleich gute Studenten in Gruppen der Größe 4 zusammengefasst Aufteilung der Subjekte einer Gruppe in unterschiedliche Experimentgruppen 12
13 Bilden der Paare Innerhalb einer Gruppe bester Student mit unerfahrenstem Student Danach zweitbester mit zweitunerfahrenstem und so fort 13
14 Datenpunkte 14
15 Datenpunkte (Forts.) In Exp02 wurden 3 Subjekte der Gruppen 2, 3 und 4 bei Re nicht fertig 2 Datenpunkte aus Gruppe 1 und ein Datenpunkt aus Gruppe 2 wurden wegen Gefahr des Experimentplans gelöscht 15
16 Experimentplan aushändigen Aufgabenbeschreibung Abgabe: Bin fertig! Programm erfüllt 95 % des Akzeptanztests 16
17 Aufgabe Qualitätssicherung Angleichen der Korrektheit der geschriebenen Programme Vergleich von gleich guten Programmen ermöglichen Programme vor Qualitätssicherung (QS) durch zusätzlichen Faktor Einstellung zum Testen beeinflusst 17
18 Gefahr Experimentplan In Exp02 konnten Subjekte vom fremden Programm lernen (gestrichelte Linie) 3 Studenten gaben an, etwas für eigene Implementierung benutzt zu haben 3 Datenpunkte gelöscht In Exp03 entwickelte von 2 Studenten nur einer und der andere führte die Re durch 18
19 Polynomtest Polynome aus zufälligen Nullstellen generiert Tests aus 7 Kategorien 3 mal mit drei, 2 mal mit genau zwei und 2 mal mit genau einer Nullstelle 19
20 Schiebepuzzletest Zufällig generiert durch Rückwärtsrechnen Größe: 2x2 bis 6x6 Anzahl Züge n: 3 bis 14 n Parameter für Lösung Testfälle aus 3 Kategorien Löse Puzzle mit n Zügen Löse Puzzle mit n+1 Zügen Löse Puzzle mit n-1 Zügen 20
21 Akzeptanztest Benutzt für Qualitätssicherung Zufällige Untermenge des großen Tests Einmal vor Experiment generiert 100 Tests für jedes Problem 21
22 Güte der Hypothesen-Tests Güte einseitiger t-test bei 81 Prozent Parameter: n =20,8; ES=0,8; α = 0,05 Aber Wilcoxon-Test benutzt ARE Wilcoxon: ARE = 0,864 Güte Wilcoxon also 13,6 Prozent geringer: etwa 70 Prozent Güte-Berechnung siehe Foliensatz Güte 22
23 Ergebnis Korrektheit 23
24 Berechnung der Korrektheit Hier: Korrektheit gleich Anzahl erfolgreich ausgeführter Test im Verhältnis zu allen Tests erfolgreiche Tests alle Tests Betrachtung der Ergebnisse des großen Tests 24
25 Ergebnis Korrektheit: Nach QA % erfolgreiche Tests 25
26 Korrektheit nach Implementierung % erfolgreiche Tests 26
27 Ergebnis Korrektheit Aufgabe QS erreicht: vergleichbare Korrektheit der Programme Programme der PP Gruppe nach Implementierung mit 29 Prozent mehr erfolgreichen Testfällen Unterschiede statistisch nicht signifikant 27
28 Ergebnis Kosten 28
29 Berechnung der Kosten Betrachte Zeiten T Read : Lesen der Aufgabenbeschreibung T Imp : Dauer Implementierungsphase T Rev : Dauer Durchsicht T QA : Dauer Qualitätssicherung Einheit: Mann-Minuten 29
30 Berechnung der Kosten (Forts.) Aufgabe Kosten(PP) = 2 x ( T Read + T Imp + T QA ) Kosten(Re) = T Read + T Imp + T Rev + T QA Implementierung (Imp) Kosten(PP, Imp) = 2 x ( T Read + T Imp ) Kosten(Re, Imp) = T Read + T Imp + T Rev 30
31 Ergebnis Kosten: Aufgabe Kosten [Mann-Minuten] 31
32 Kosten nach Implementierung Kosten [Mann-Minuten] 32
33 Ergebnis Kosten Aufgabe: Paare sind etwa 7 Prozent teurer bei vergleichbarer Korrektheit Implementierung: Paare sind etwa 13 Prozent teurer, entwickeln aber Programme, die 29 Prozent mehr Testfälle bestehen Unterschiede statistisch nicht signifikant 33
34 Fazit Keine Null-Hypothese kann abgelehnt werden Durchsichten scheinen tendenziell etwas billiger zu sein Paarprogrammierung und Durchsichten sind austauschbar 34
35 Einschränkungen Subjekte unerfahren in Paarprogrammierung und Durchsichten Algorithmische Aufgabenstellungen: komplexer als tägliche Aufgaben, aber kürzer 35
Empirische Softwaretechnik
Empirische Softwaretechnik Prof. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006 1 Zweiter Teil (Fortsetzung) Wichtige empirische Forschungsmethoden im Überblick 2 Empirische Forschungsmethoden
MehrVorlesung Empirische Softwaretechnik. Ökonomisches Modell zur Bewertung von XP-Projekten. Worum geht es?
Vorlesung Empirische Softwaretechnik Prof. Walter F. Tichy Dr. Frank Padberg Dr. Matthias Müller Ökonomisches Modell zur Bewertung von XP-Projekten Worum geht es? Literatur [MP03] M. Müller and F. Padberg.
MehrLiteratur. Aussagen über Paarprogrammierung. Motivation. Universität Karlsruhe (TH) Forschungsuniversität gegründet 1825
Universität Karlsruhe (TH) Forschungsuniversität gegründet 1825 Literatur Effektivität der Paarprogrammierung bei Berücksichtigung von Systemkomplexität und Kompetenz der Programmierer Andreas Höfer Walter
MehrProf. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006
Empirische Softwaretechnik Prof. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006 1 Experiment zur Vererbungstiefe Softwaretechnik: die Vererbungstiefe ist kein guter Schätzer für den Wartungsaufwand
MehrVERGLEICH ERFAHRENER UND UNERFAHRENER ENTWICKLERPAARE. Andreas Höfer Universität Karlsruhe, Fakultät für Informatik
VERGLEICH ERFAHRENER UND UNERFAHRENER ENTWICKLERPAARE Andreas Höfer Universität Karlsruhe, Fakultät für Informatik 2 Studien zu agilen Methoden Meta-Studie: Paarprogrammierung 3 vs. Einzelprogrammierung
MehrGüteanalyse. Nochmal zur Erinnerung: Hypothesentest. Binominalverteilung für n=20 und p=0,5. Münzwurf-Beispiel genauer
Universität Karlsruhe (TH) Forschungsuniversität gegründet 1825 Güteanalyse Prof. Walter F. Tichy Fakultät für Informatik 1 Fakultät für Informatik 2 Nochmal zur Erinnerung: Hypothesentest Am Beispiel
MehrFallstudie über die Leistung und Leistungsfähigkeit bei Paar-Programmierung in der Lehre
Bachelorarbeit, Jennifer Möwert Fachbereich Informatik Fallstudie über die Leistung und Leistungsfähigkeit bei Paar-Programmierung in der Lehre Konzeptvorstellung der Bachelorarbeit Fachbereich Informatik,
MehrProf. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006
Empirische Softwaretechnik Prof. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006 Hypothesentesten, Fehlerarten und Güte 2 Literatur Kreyszig: Statistische Methoden und ihre Anwendungen, 7.
MehrProgrammiermethodik Vorlesung und Praktikum SS 2001
Vorlesung und Praktikum SS 2001 Prof. Dr. W. Effelsberg, G. Kühne, Ch. Kuhmünch Universität Mannheim 1. Einführung 1-1 Inhalt 1. Einführung, Vorstellung der Programmieraufgabe 2. Der Software-Entwicklungszyklus
MehrEmpirische Softwaretechnik. Experimente über Zusicherungen. Entwurf durch Vertrag. Übersicht
Empirische Softwaretechnik Prof. Dr. Walter F. Tichy Dr. Frank Padberg Experimente über Zusicherungen Sommersemester 2007 2 Übersicht Einführung Programmieren mit Vertrag 2 Experimente über die Nützlichkeit
MehrExperimenteller Vergleich zweier Notationen zur Prozessmodellierung: Ereignisgesteuerte Prozessketten vs. UML Aktivitätsdiagramme
Experimenteller Vergleich zweier Notationen zur Prozessmodellierung: Ereignisgesteuerte Prozessketten vs. UML Aktivitätsdiagramme Anne Gross, Jörg Dörr Anne.Gross@iese.fraunhofer.de Tel. 0631 6800 2104
MehrKapitel 4 - Die Implementierungsphase
Kapitel 4 - Die Implementierungsphase SWT I Sommersemester 2010 Walter F. Tichy, Andreas Höfer, Korbinian Molitorisz IPD Tichy, Fakultät für Informatik KIT die Kooperation von Forschungszentrum Karlsruhe
MehrEmpirische Softwaretechnik. Boxplots. Graphische Darstellung. Median
Empirische Softwaretechnik Boxplots Prof. Dr. Walter F. Tichy Fakultät für Informatik 1 Graphische Darstellung Median gegeben eine sortierte Stichprobe Median gibt den mittleren Wert der sortierten Stichprobe
MehrUniversität Karlsruhe (TH)
Universität Karlsruhe (TH) Forschungsuniversität gegründet 1825 Kapitel 9.2 Agile Prozesse SWT I Sommersemester 2009 Andreas Höfer David J. Meder Agiles Manifest eine Gegenreaktion zu plangetriebenen Prozessen
MehrFRAGESTUNDE WS 2016/17 QM 2. Dr. Christian Schwarz 1
FRAGESTUNDE Dr. Christian Schwarz 1 #2 - Allgemein Q: Müssen wir den Standard Error händisch berechnen können? R: Nein. Q: Hat das Monte Carlo Experiment irgendeine Bedeutung für uns im Hinblick auf die
MehrUse Cases vs. Funktionale Spezifikation
Use Cases vs. Funktionale Spezifikation Ein experimenteller Vergleich zweier Methoden zur Anforderungsspezifikation Fraunhofer IESE: Anne Groß (Anne.Gross@iese.fraunhofer.de) & Jörg Dörr (Joerg.Doerr@iese.fraunhofer.de)
MehrModellgetriebene Softwareentwicklung. Gabriele Taentzer WS 2012/2013 Philipps-Universität Marburg
Modellgetriebene Softwareentwicklung Gabriele Taentzer WS 2012/2013 Philipps-Universität Marburg Organisation der LV Umfang: 6 SWS, 9 ECTS Punkte Veranstalter: Gabriele Taentzer, Daniel Strüber Kontakt:
MehrHausaufgabe 5. Informatik 1 Wintersemester 2015/16
Informatik 1 Wintersemester 2015/16 FB Informatik AG Programmiersprachen und Softwaretechnik Hausaufgabe 5 Im Zeitungskiosk an der Ecke ist nun auch eine Postfiliale. Die Kunden bringen Gegenstände, die
MehrPflichtlektüre hierzu: Kosten und Nutzen von UML in der Wartung. Kontrolliertes Experiment zu UML. Warum UML?
Universität Karlsruhe (TH) Forschungsuniversität gegründet 1825 Kosten und Nutzen von UML in der Wartung Prof. Walter F. Tichy Pflichtlektüre hierzu: Dzidek, Arisholm, Briand, A Realistic Empirical Evaluation
MehrEinführung in die Informatik I (autip)
Einführung in die Informatik I (autip) Dr. Stefan Lewandowski Fakultät 5: Informatik, Elektrotechnik und Informationstechnik Abteilung Formale Konzepte Universität Stuttgart 24. Oktober 2007 Was Sie bis
MehrKapitel 8: Verfahren für Rangdaten
Kapitel 8: Verfahren für Rangdaten Anmerkung 1 Mann-Whitney U-Test 1 Wilcoxon-Test 3 Kruskal-Wallis H-Test 3 Literatur 6 Anmerkung In Kapitel 8 der Bücher wird erwähnt, dass für nichtparametrische Daten
MehrUnterlagen zu Polynomringen. Erhard Aichinger
Unterlagen zu Polynomringen Erhard Aichinger Linz, im November 2005 Alle Rechte vorbehalten 1 KAPITEL 1 Polynome und Körper 1. Körper DEFINITION 1.1. Ein kommutativer Ring mit Eins R R,,,, 0, 1 ist ein
MehrÜbungsblatt 4. Autokovarianz, Autokorrelation Invertierbarkeit und Kausalität
Empirische Methoden (MA) SS 2011 Übungsblatt 4 Willi Mutschler willi.mutschler@uni-muenster.de Autokovarianz, Autokorrelation Invertierbarkeit und Kausalität 1. Sei Z t W N(0, σ 2 ). Bestimmen Sie den
MehrFaktorisierung von Polynomen
Faktorisierung von Polynomen Ein Polynom p vom Grad n besitzt, einschließlich Vielfachheiten, genau n komplexe Nullstellen z k und lässt sich somit als Produkt der entsprechenden Linearfaktoren schreiben:
MehrKorrektur der Studien- und Prüfungsordnung
Amtliches Mitteilungsblatt Mathematisch-Naturwissenschaftliche Fakultät II Korrektur der Studien- und Prüfungsordnung für das Bachelorstudium Mathematik Kernfach und Beifach im Monostudiengang (AMB Nr
MehrStudienarbeit. Mohammad Athar Januar Verantw. Betreuer : Prof. Dr. Walter F. Tichy Betr. Mitarbeiter : Dipl.-Inform. Marc Schanne
Studienarbeit Bewertung von Programmier- und Entwicklungsassistenten am Beispiel eines Eclipse-Plug-Ins für den Entwurf verteilter Systeme mit der EventChannelNetwork- Kommunikationsinfrastruktur Mohammad
MehrZusatzmaterial zu Kapitel 6
ZU KAPITEL 62: METHODEN ZUR STABILITÄTSPRÜFUNG Zusatzmaterial zu Kapitel 6 Zu Kapitel 62: Methoden zur Stabilitätsprüfung Einleitung Bei der Feststellung der asymptotischen Stabilität (siehe Kapitel 63)
MehrKapitel 8.2 - Agile Prozesse
Kapitel 8.2 - Agile Prozesse SWT I Sommersemester 2010 Walter F. Tichy, Andreas Höfer, Korbinian Molitorisz IPD Tichy, Fakultät für Informatik KIT die Kooperation von Forschungszentrum Karlsruhe GmbH und
MehrInformatik 1. für Kommunikationstechniker, Mechatroniker. Teil 1 - Wintersemester 2012/13
Informatik 1 für Kommunikationstechniker, Mechatroniker Teil 1 - Wintersemester 2012/13 Prof. Dr.-Ing. habil. Peter Sobe Fakultät Informatik / Mathematik Dieser Foliensatz wurde z.t. von Herrn Prof. Grossmann
MehrSoftwaretechnik. Prof. Dr. Rainer Koschke. Fachbereich Mathematik und Informatik Arbeitsgruppe Softwaretechnik Universität Bremen
Softwaretechnik Prof. Dr. Rainer Koschke Fachbereich Mathematik und Informatik Arbeitsgruppe Softwaretechnik Universität Bremen Wintersemester 2010/11 Überblick I Statistik bei kontrollierten Experimenten
MehrWahrscheinlichkeitstheoretische. Aufwandschätzung für Softwareprojekte. Dr. Frank Padberg Fakultät für Informatik Universität Karlsruhe
Wahrscheinlichkeitstheoretische Aufwandschätzung für Softwareprojekte Dr. Frank Padberg Fakultät für Informatik Universität Karlsruhe Fragen Wie lange wird das Projekt dauern? Wieviel wird das Projekt
MehrStatistik 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
MehrInformatik II, SS 2014
Informatik II SS 2014 (Algorithmen & Datenstrukturen) Vorlesung 20 (23.7.2014) All Pairs Shortest Paths, String Matching (Textsuche) Algorithmen und Komplexität Vorlesungsevaluation Sie sollten alle eine
MehrFragestellungen. Ist das Gewicht von Männern und Frauen signifikant unterschiedlich? (2-sample test)
Hypothesen Tests Fragestellungen stab.glu 82 97 92 93 90 94 92 75 87 89 hdl 56 24 37 12 28 69 41 44 49 40 ratio 3.60 6.90 6.20 6.50 8.90 3.60 4.80 5.20 3.60 6.60 glyhb 4.31 4.44 4.64 4.63 7.72 4.81 4.84
MehrProduktivität von Programmiersprachen
Wie misst man die? Universität Hamburg Fakultät für Mathematik, Informatik und Naturwissenschaften Fachbereich Informatik, Arbeitsbereich Wissenschaftliches Rechnen Seminar Softwareentwicklung in der Wissenschaft
MehrVorlesung 12a. Kann das Zufall sein? Beispiele von statistischen Tests
Vorlesung 12a Kann das Zufall sein? Beispiele von statistischen Tests 1 Beispiel 1: Passen die Verhältnisse in den Rahmen? Fishers exakter Test (vgl. Buch S. 130/131 2 Sir Ronald Fisher 1890-1962 3 Aus
MehrAufgaben zu Kapitel 4
Aufgaben zu Kapitel 4 Aufgabe 1 a) Berechnen Sie die Korrelation zwischen dem Geschlecht und der Anzahl erinnerter positiver Adjektive. Wie nennt sich eine solche Korrelation und wie lässt sich der Output
MehrFACHHOCHSCHULE ESSLINGEN - HOCHSCHULE FÜR TECHNIK
FACHHOCHSCHULE ESSLINGEN - HOCHSCHULE FÜR TECHNIK Sommersemester 006 Zahl der Blätter: 5 Blatt 1 s. unten Hilfsmittel: Literatur, Manuskript, keine Taschenrechner und sonstige elektronische Rechner Zeit:
MehrBiometrieübung 7 t-test (gepaarte Daten) & Wilcoxon-Test
Biometrieübung 7 (t-test gepaarte Daten & Wilcoxon-Test) - Aufgabe Biometrieübung 7 t-test (gepaarte Daten) & Wilcoxon-Test Aufgabe 1 Hirschläufe An 10 Hirschen wurde die Länge der rechten Vorder- und
Mehrdas Kleingedruckte...
Gepaarte t-tests das Kleingedruckte... Datenverteilung ~ Normalverteilung QQ-plot statistischer Test (Shapiro-Wilk, Kolmogorov-Smirnov) wenn nicht : nicht-parametrische Tests gleiche Varianz (2-Proben
MehrSitzung 4: Übungsaufgaben für Statistik 1
1 Sitzung 4: Übungsaufgaben für Statistik 1 Aufgabe 1: In einem Leistungstest werden von den Teilnehmern folgende Werte erzielt: 42.3; 28.2; 30.5, 32.0, 33.0, 38.8. Geben Sie den Median, die Spannweite
MehrTestklausur(1) Mathematik III, Teil Statistik
Ernst-Abbe-ochschule Jena FB Grundlagenwissenschaften Testklausur() Mathematik III, Teil Statistik Tag der Prüfung Bearbeitungszeit: Studiengang: Name: Zugelassene ilfsmittel: 45 Minuten MT Ma Matrikel-Nr.
Mehr2.4 Hypothesentests Grundprinzipien statistischer Hypothesentests. Hypothese:
2.4.1 Grundprinzipien statistischer Hypothesentests Hypothese: Behauptung einer Tatsache, deren Überprüfung noch aussteht (Leutner in: Endruweit, Trommsdorff: Wörterbuch der Soziologie, 1989). Statistischer
MehrMehrfache Lineare Regression 1/9
Mehrfache Lineare Regression 1/9 Ziel: In diesem Fallbeispiel soll die Durchführung einer mehrfachen linearen Regressionsanalyse auf der Basis vorhandener Prozessdaten (Felddaten) beschrieben werden. Nach
MehrEinführung in Software Engineering
Einführung in Software Engineering Die Katze auf der Terrasse Mit Python-Objekten ist es wie mir der Katze, die du irgendwann schlafend auf deiner Terrasse vorfindest. Ganz wie ein Python-Objekten kann
MehrMethodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 12 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie als Wissenschaft
MehrProgrammierstarthilfe SS 2010 Fakultät für Ingenieurwissenschaften und Informatik 6. Blatt Für die Woche vom bis zum 4.6.
Programmierstarthilfe SS 2010 Fakultät für Ingenieurwissenschaften und Informatik 6. Blatt Für die Woche vom 31.5. bis zum 4.6.2010 (KW 22) Organisatorisches Diese Woche führen wir Methoden ein und behandeln
MehrR a i n e r N i e u w e n h u i z e n K a p e l l e n s t r G r e v e n T e l / F a x / e
R a i n e r N i e u w e n h u i z e n K a p e l l e n s t r. 5 4 8 6 2 8 G r e v e n T e l. 0 2 5 7 1 / 9 5 2 6 1 0 F a x. 0 2 5 7 1 / 9 5 2 6 1 2 e - m a i l r a i n e r. n i e u w e n h u i z e n @ c
MehrF r e i t a g, 3. J u n i
F r e i t a g, 3. J u n i 2 0 1 1 L i n u x w i r d 2 0 J a h r e a l t H o l l a, i c h d a c h t e d i e L i n u x - L e u t e s i n d e i n w e n i g v e r n ü n f t i g, a b e r j e t z t g i b t e
MehrS o n n t a g, 2 6. N o v e m b e r
S o n n t a g, 2 6. N o v e m b e r 2 0 1 7 A u s f l u g n a c h N e v a d a u n d A r i z o n a D e r g r o ß e S o h n u n d i c h g i n g e n a u f e i n e F a h r t i n R i c h t u n g N e v a d a
MehrL 3. L a 3. P a. L a m 3. P a l. L a m a 3. P a l m. P a l m e. P o 4. P o p 4. L a. P o p o 4. L a m. Agnes Klawatsch
1 L 3 P 1 L a 3 P a 1 L a m 3 P a l 1 L a m a 3 P a l m 2 P 3 P a l m e 2 P o 4 L 2 P o p 4 L a 2 P o p o 4 L a m 4 L a m p 6 N a 4 L a m p e 6 N a m 5 5 A A m 6 6 N a m e N a m e n 5 A m p 7 M 5 A m p
MehrS o n n t a g, 5. A u g u s t
S o n n t a g, 5. A u g u s t 2 0 1 8 R ü c k b l i c k, A b s c h i e d, v i e l p a s s i e r t u n d k e i n e Z e i t D r e i M o n a t e s i n d v e r g a n g e n, v o l l g e s t o p f t m i t s
MehrBeispiel Gröbnerbasen-Berechnung
Beispiel Gröbnerbasen-Berechnung Bsp: Seien f 1 = x 2 y + xy, f 2 = xy 2 + 1 R[x, y] in grlex-ordnung. S(f 1, f 2 ) = yf 1 xf 2 = xy 2 x. Division liefert S(f 1, f 2 ) = 1 f 2 x 1. Wir fügen f 3 = x 1
MehrNumerische Verfahren und Grundlagen der Analysis
Numerische Verfahren und Grundlagen der Analysis Rasa Steuding Hochschule RheinMain Wiesbaden Wintersemester 2011/12 R. Steuding (HS-RM) NumAna Wintersemester 2011/12 1 / 20 Wiederholung: Fehlerbetrachtung.
MehrStatistik Zusätzliche Beispiele SS 2018 Blatt 3: Schließende Statistik
Statistik Zusätzliche Beispiele SS 2018 Blatt 3: Schließende Statistik 1. I Ein Personalchef führt so lange Vorstellungsgespräche durch bis der erste geeignete Bewerber darunter ist und stellt diesen an.
MehrStatistische Tests für unbekannte Parameter
Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung
MehrModul Softwareentwicklung
Modul Softwareentwicklung Studiengang Mechatronik, Nebenfach Informatik Prof. Dr.-Ing. G. Snelting, Fakulta t fu r Informatik 1. Juli 2014 KIT Universita t des Landes Baden-Wu rttemberg und nationales
MehrProgrammierprojekt: So0ware Tests. Anne6e Bieniusa Sommersemester 2017
Programmierprojekt: So0ware Tests Anne6e Bieniusa Sommersemester 2017 Testen Kernfrage: Erfüllt die So0ware ihre Anforderungen / SpezifikaGon? FunkGonale Anforderungen Korrekte Ergebnisse bei Berechnungen
Mehr10. Medizinische Statistik
10. Medizinische Statistik Projektplanung Deskriptive Statistik Inferenz-Statistik Literatur: Hüsler, J. und Zimmermann, H.: Statistische Prinzipien für medizinische Projekte, Verlag Hans Huber, 1993.
MehrKLAUSUR SOFTWARETECHNIK I
KLAUSUR SOFTWARETECHNIK I 12.10.2009 Prof. Dr. Walter F. Tichy Dipl.-Inform. Andreas Höfer Dipl.-Inform. David J. Meder Hier das Namensschild aufkleben. Zur Klausur sind keine Hilfsmittel und kein eigenes
MehrAddition, Subtraktion und Multiplikation von komplexen Zahlen z 1 = (a 1, b 1 ) und z 2 = (a 2, b 2 ):
Komplexe Zahlen Definition 1. Eine komplexe Zahl z ist ein geordnetes Paar reeller Zahlen (a, b). Wir nennen a den Realteil von z und b den Imaginärteil von z, geschrieben a = Re z, b = Im z. Komplexe
MehrMethodenlehre. Vorlesung 11. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 11 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 03.12.13 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie
MehrEmpirische Softwaretechnik
Empirische Softwaretechnik Prof. Dr. Walter F. Tichy Dr. Matthias Müller Sommersemester 2006 1 Einführung in das Statistikpaket 2 R?! nicht vergleichbar mit den üblichen Statistikprogrammen wie SAS oder
MehrStatistische Methoden und Auswertungen Die Statistik in der MEWIP-Studie
Statistische Methoden und Auswertungen Die Statistik in der MEWIP-Studie Dipl.-Stat. Moritz Hahn 29.04.2008 Dipl.-Stat. Moritz Hahn Vorstellung IMSIE Arbeitsbereiche des Instituts Medizinische Statistik
MehrÜbersicht. Einfache Suche Binäre Suchbäume Hashing Skip-Lists Mengen Sortieren Order-Statistics. 2 Suchen und Sortieren
Übersicht 2 Einfache Suche Binäre Suchbäume Skip-Lists Mengen Sortieren Order-Statistics (Folie 103, Seite 46 im Skript) Wie können wir eine partielle Funktion {1,..., n} N effizient speichern? Wie können
MehrDeskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2
MehrGrundlagen 1: Modelle & Mengen
Angewandte Mathematik am Rechner 1 SOMMERSEMESTER 2018 > b c a de set S Kapitel 2 Grundlagen 1: Modelle & Mengen Frank Fischer Institut für Informatik frank.fscher@uni-mainz.de
MehrStatische Analyse. Holger Hans Peter Freyther 1. Seminar zu Ursachen und Vermeidung von Fehlern in der Softwareentwicklung, 2006
Übersicht Holger Hans Peter Freyther 1 1 Freie Universität Berlin Seminar zu Ursachen und Vermeidung von Fehlern in der Softwareentwicklung, 2006 Übersicht Übersicht 1 Was ist es? Analysewerkzeuge 2 Find
MehrPrimes ist in P Der AKS-Primzahltest
Primes ist in P Der AKS-Primzahltest Hans-Gert Gräbe Institut für Informatik, Universität Leipzig 10. Oktober 2003 1 Anfang August 2002 verbreitete sich die Nachricht, dass einige bis dahin unbekannte
MehrHow To Find Out If A Ball Is In An Urn
Prof. Dr. P. Embrechts ETH Zürich Sommer 2012 Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Schreiben Sie für Aufgabe 2-4 stets alle Zwischenschritte und -rechnungen sowie Begründungen auf. Aufgabe
MehrAuswertung und Lösung
Dieses Quiz soll Ihnen helfen, Kapitel 4.7 und 4.8 besser zu verstehen. Auswertung und Lösung Abgaben: 71 / 265 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: 0 Durchschnitt: 5.65 Frage 1
MehrKlausur Softwaretechnik I
Klausur Softwaretechnik I 06.08.2009 Prof. Dr. Walter F. Tichy Dipl.-Inform. A. Höfer Dipl.-Inform. D. Meder Hier das Namensschild aufkleben. Zur Klausur sind keine Hilfsmittel und kein eigenes Papier
MehrÜbungen (HS-2010): Urteilsfehler. Autor: Siegfried Macho
Übungen (HS-2010): Urteilsfehler Autor: Siegfried Macho Inhaltsverzeichnis i Inhaltsverzeichnis 1. Übungen zu Kapitel 2 1 Übungen zu Kontingenz- und Kausalurteile 1 Übung 1-1: 1. Übungen zu Kapitel 2 Gegeben:
MehrStatistische Tests funktionieren generell nach obigem Schema; der einzige Unterschied besteht in der unterschiedlichen Berechnung der Testgröße.
Statistische Tests Testen von Hypothesen Fehlerarten wichtigste statistische Tests Hypothesen Jeder statistische Test beruht auf der Widerlegung einer zuvor aufgestellten Hypothese. Die Widerlegung ist
MehrVon der Theorie zur Praxis: Echtzeitplanung in der Informatikausbildung
Von der Theorie zur Praxis: Echtzeitplanung in der Informatikausbildung Fachtagung des GI/GMA/ITG-Fachausschuss Echtzeitsysteme 2016 Institut für Softwaretechnik, Arbeitsgruppe Echtzeitsysteme astahlhofen@uni-koblenz.de
MehrLehrforschungsprojekt Webpräsentation zur Hausarbeit
Christian-Albrechts-Universität zu Kiel Institut für Sozialwissenschaften Bereich Soziologie Sommersemester 2014 Seminar: Referent: Sören Lemmrich Seminarleiterin: Dipl.-Soz. Saskia Maria Fuchs Datum:
MehrAuswertung zu 5510P MES-Praktikum
Auswertung zu 5510P MES-Praktikum Persönliche Angaben In welchem Studiengang sind Sie eingeschrieben? A Bachelor Informatik (0) B Bachelor Internet Computing (0) C Bachelor Mobile und Eingebettete Systeme
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften t-test Varianzanalyse (ANOVA) Übersicht Vergleich von Mittelwerten 2 Gruppen: t-test einfaktorielle ANOVA > 2 Gruppen: einfaktorielle ANOVA Seeigel und
MehrBlockpraktikum (theoretische Informatik) Effizientes Programmieren
Blockpraktikum (theoretische Informatik) Effizientes Programmieren Markus Holzer und Christian Kern und Michael Tautschnig Institut für Informatik Technische Universität München Boltzmannstraße 3 D-85748
Mehr15. Vorlesung. Primitive Polynome (Beispiel) Beispiel zur Konstruktion von GF(p)[x]/f (x) mit einem primitiven Polynom f (x) (Logarithmentafel)
15. Vorlesung Primitive Polynome (Beispiel) Beispiel zur Konstruktion von GF(p)[x]/f (x) mit einem primitiven Polynom f (x) (Logarithmentafel) Struktur endlicher Körper Rechnen in endlichen Körpern Isomorphie
Mehr9 Prinzipien der statistischen Hypothesenprüfung
9 Prinzipien der statistischen Hypothesenprüfung Prinzipien der statistischen Hypothesenprüfung Bei der Schätzung eines Populationsparamters soll dessen Wert aus Stichprobendaten erschlossen werden. Wenn
MehrInhalt Software-Metriken Software-Metriken mit Together FindBugs. Software-Metriken
Software-Metriken Matthias Meitner Marc Spisländer Lehrstuhl für Software Engineering Friedrich-Alexander-Universität Erlangen-Nürnberg Meitner, Spisländer FAU Erlangen-Nürnberg Software-Metriken 1 / 24
MehrZweifache Varianzanalyse
Zweifache Varianzanalyse Man kann mittels VA auch den (gleichzeitigen) Einfluss mehrerer Faktoren (unabhängige Variablen) auf ein bestimmtes Merkmal (abhängige Variable) analysieren. Die Wirkungen werden
MehrWahrscheinlichkeitsrechnung und Statistik
10. Vorlesung - 017 Quantil der Ordnung α für die Verteilung des beobachteten Merkmals X ist der Wert z α R für welchen gilt z 1 heißt Median. P(X < z α ) α P(X z α ). Falls X stetige zufällige Variable
MehrProgrammieren von Java Smartcards
Programmieren von Java Smartcards Aufgabe 0: Zur Einführung in die Programmierung von Giesecke und Devrient Java Smartcards soll ein neues Kartenapplet erstellt, im Simulator getestet sowie anschließend
MehrTelecooperation/RBG. Grundlagen der Informatik I Thema 0: Einführung. Dr. Guido Rößling. Copyrighted material; for TUD student use only
Technische Universität Darmstadt Telecooperation/RBG Grundlagen der Informatik I Thema 0: Einführung Dr. Guido Rößling Copyrighted material; for TUD student use only 1 Worum es in der Informatik nicht
MehrBiomathematik für Mediziner
Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur SS 2002 Aufgabe 1: Franz Beckenbauer will, dass
MehrBegleitvorlesung zum Softwaretechnikpraktikum SS 2003
Begleitvorlesung zum Softwaretechnikpraktikum SS 2003 Wilhelm Schäfer Literatur: Helmut Balzert, Lehrbuch der Softwaretechnik, Band 2 Spektrum Akademischer Verlag, Heidelberg; Berlin 1998 1 Produktivität
MehrZentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr)
WS 2011/12 Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr) Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2011ws/ds/uebung/ 18. Januar 2012 ZÜ DS ZÜ XII
MehrLösung zur 13. Hausübung Algebraische Strukturen (keine Abgabe)
TU Kaiserslautern Fachbereich Mathematik Prof. Dr. Andreas Gathmann Inga Schwabrow Lösung zur 13. Hausübung Algebraische Strukturen (keine Abgabe) Aufgabe 1. Wintersemester 2016/17 (1 + i) (1 i) 3 (2 +
MehrTesten und Debugging
Testen und Debugging Testklassen, Unit Tests Blackbox Test, Whitebox Test Regressionstesten Zusicherungen mit assert Debugger Informatik II: Objektorientierte SW-Entwicklung, Algorithmik, Nebenläufigkeit
MehrStrukturiertes Programmieren
Friedrich-Schiller-Universität Jena Fakultät für Mathematik und Informatik Institut für Informatik Prof. Dr. E.-G. Schukat-Talamazzini http://www.minet.uni-jena.de/fakultaet/schukat/ Prof. Dr. P. Dittrich
MehrDAP2 Praktikum Blatt 2
Fakultät für Informatik Lehrstühle 2, 11, 13 Jun.-Prof. Dr. Maike Buchin Sommersemester 2018 I. Kamehkhosh, N. Kriege, D. Kurz, M. Ludewig, B. Zey 10. April DAP2 Praktikum Blatt 2 Abgabe: 23.27. April
MehrProgrammierpraktikum
TECHNISCHE UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR INFORMATIK Praktikum: Grundlagen der Programmierung Programmierpraktikum Woche 04 (17.11.2016) Stefan Berktold s.berktold@tum.de PRÄSENZAUFGABEN Heutige Übersicht
Mehr5. Lektion: Einfache Signifikanztests
Seite 1 von 7 5. Lektion: Einfache Signifikanztests Ziel dieser Lektion: Du ordnest Deinen Fragestellungen und Hypothesen die passenden einfachen Signifikanztests zu. Inhalt: 5.1 Zwei kategoriale Variablen
MehrWahrscheinlichkeitsrechnung und Statistik. 11. Vorlesung /2019
Wahrscheinlichkeitsrechnung und Statistik 11. Vorlesung - 2018/2019 Quantil der Ordnung α für die Verteilung des beobachteten Merkmals X ist der Wert z α R für welchen gilt z 1 2 heißt Median. P(X < z
MehrStatistik II. Statistische Tests. Statistik II
Statistik II Statistische Tests Statistik II - 5.5.2006 1 Ausgangslage Wir können Schätzen (z.b. den Erwartungswert) Wir können abschätzen, wie zuverlässig unsere Schätzungen sind: In welchem Intervall
Mehr