Z Z, kurz { } Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden.

Größe: px
Ab Seite anzeigen:

Download "Z Z, kurz { } Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden."

Transkript

1 Kombnator. Problemstellung Ausgangspunt be ombnatorschen Fragestellungen st mmer ene endlche Menge M, aus deren Elementen man endlche Zusammenstellungen von Elementen aus M bldet. Formal gesprochen bedeutet das: Ist M = { a,, an} ene belebge Menge mt n Elementen, so bldet man endlche Zusammenstellungen von Elementen von M. Wr wollen solche Zusammenstellungen von Elementen aus M als Zusammenstellungen der Länge oder (we üblch) als Stchproben der Länge bezechnen. Entschedend wchtg snd de beden Bass-Fragen der Kombnator: (K) Darf es n der Stchprobe Wederholungen von Elementen geben? (ja / nen) (K) Ist de Rehenfolge der Elemente der Stchprobe zu beachten? (ja / nen) (a) Urnenmodell Urne mt n Kugeln; Zehung von Kugeln: 4 Möglcheten des Zehens! a) Mt Wederholung (mt Zurüclegen), Rehenfolge wchtg; urz: [mw Rw] b) Ohne Wederholung (ohne Zurüclegen), Rehenfolge wchtg; urz: [ow Rw] c) Mt Wederholung (mt Zurüclegen), Rehenfolge unwchtg; urz: [mw Ruw] d) Ohne Wederholung (ohne Zurüclegen), Rehenfolge unwchtg; urz: [ow Ruw] Bespel: <Sehe Vorlesung!> (b) Alphabetmodell Gegeben: Alphabet mt n Zechen; also{,..., n} Fallunterschedung: Wederholung von Buchstaben (ja/nen) Z Z, urz { },..., n. Zählt de Rehenfolge der Buchstaben (ja/nen) Daraus ergeben sch wederum ver Möglcheten, Wörter der Länge zu blden. (c) Allgemenes Zählprnzp (AZP) Gegeben ZE mt Telversuchen, de nachenander ausgeführt werden. Ist m de Anzahl der Ergebnsse be Telversuch, so hat das ZE nsgesamt = m möglche Ergebnsse. Bewes: Es wrd Induton über benutzt. < Indutonsbewes: Semnargruppe I > I.A.: =. Be enem enzgen Telversuch gbt es m Ergebnsse. I.S.: IV und IB snd lar. Wr führen dret den Indutonsbewes: Se m + de Anzahl der Ergebnsse enes weteren Telversuchs. Dann gbt es zu jedem der m Ergebnsse des -stufgen ZE genau m + Ergebnsse des ( + )-ten Telversuchs. Das ergbt nsgesamt = + m m + = m = = Ergebnsse.

2 . Stchproben mt Wederholung der Elemente und mt Beachtung der Rehenfolge der Elemente (Kombnator-Fgur [mw Rw] ) (a) Es gbt Satz n Stchproben der Form [mw Rw ]. Bewes: Be jedem der Telversuche gbt es n Möglcheten. Anwendung des AZP: Insgesamt gbt es n Möglcheten. (b) Bespele: Vorlesung!.3 Stchproben ohne Wederholung der Elemente und mt Beachtung der Rehenfolge der Elemente (Kombnator-Fgur [ow; Rw] ) (a) Satz n! n! Es gbt Stchproben der Form [ow; Rw]. Bewes:. Zehung: n Möglcheten,. Zehung: n Möglcheten, 3. Zehung: n Möglcheten,. Zehung: n ( ) Möglcheten. Anwendung des AZP: Insgesamt gbt es n ( n )... ( n ) Multplaton mt ( n ) ( n )! ergbt <Nachrechnen!>:! + Möglcheten. n! n ( n )... ( n + ) ( n ) ( n )... = n! n!. (b) Bespele Wahl von Vorstzendem und stellvertretendem Vorstzenden n enem Ausschuss Gegeben: Ausschuss, der aus 4 Männern und 3 Frauen besteht. Gesucht: Anzahl der Wahlergebnsse be Wahl von Vorstzendem und Stellvertreter ( V und S ). a) Anzahl der Möglcheten nsgesamt? 7 6 = 4 Möglcheten. b) Anzahl der Möglcheten unter der folgenden Bedngung: V und S vom glechen Geschlecht. <Übung!> c) Anzahl der Möglcheten unter der folgenden Bedngung: Mndestens ene Frau be dem Paar V / S. <Übung!>

3 Bespel für W Berechnungen: Geburtstagsproblem <Semnargruppe II > zufällg ausgewählte Personen. Gesucht: Wahrschenlchet des Eregnsses E: Mndestens zwe der Personen haben am glechen Tag Geburtstag. Lösungsansatz: Man trfft folgende Modellannahme: Man lammert Personen, de den 9. Februar als Geburtstag haben, aus. Dann snd alle 365 Tage des Jahres glech wahrschenlch. Damt handelt es sch bem Nennen des Geburtstagsdatums nun um en Laplace-Experment. Entschedende Idee für de Lösung st nun, dass man zunächst de Wahrschenlchet des Gegeneregnsses berechnet, also de Wahrschenlchet von E : De Geburtstage der Personen snd paarwese verscheden. De wetere Lösung der Aufgabe wrd ene Übungsaufgabe sen. (c) Spezalfall deser Kombnator-Fgur: Permutaton ohne Wederholungen [also Spezalfall von (a) mt = n ] Satz: n Objete önnen auf n! Wesen permutert werden. Bespel: We vele fünfstellge Zahlen ann man aus ungeraden Zffern, de jewels nur enmal auftauchen dürfen, blden?.4 Stchproben ohne Wederholung der Elemente und ohne Beachtung der Rehenfolge der Elemente (Kombnator-Fgur [ow Ruw] ) (a) Satz n Es gbt Stchproben der Form [ow Ruw]. Bewes: < Semnargruppe I > n! st. Be n! Aus.3 (a) wssen wr, dass de Zahl der Stchproben der Form [ow Rw] genau deser Zahl haben wr alle Anordnungen der jewelgen -elementgen Telmengen mtgezählt; das dürfen wr her nun aber ncht: Wr müssen alle dese Anordnungen ener -elementgen Telmenge dentfzeren. Da es! Anordnungen ener -elementgen Menge gbt (Aussage n.3 (c)), müssen wr also durch! dvderen. Somt st de gesuchte Anzahl: n! n! n! n = =!! n!. (b) Bespele Bespel für W - Berechnungen: Lotto < Semnargruppe II > [Hnwes: Lotto: Auf dem Lottoschen snd 6 Zahlen aus der Menge der Zahlen {,...,49 } anzureuzen. Auf dem Lottoschen st außerdem ene Superzahl aufgedruct. Zehung we folgt: Trommel :6 Zahlen aus 49 Kugeln; Trommel : Superzahl aus0 Kugeln.]

4 P (6 Rchtge und rchtge Superzahl) = [Gewnnlasse ] P (6 Rchtge) = [Übung!] [Gewnnlasse ] P (5 Rchtge und rchtge Superzahl) = = [Gewnnlasse 3] P (5 Rchtge) = = [Gewnnlasse 4] Aufgabe: Präzse Begründungen für den auftauchenden Nenner und de auftauchenden Zähler! Begrüßungsstuaton n Personen begrüßen sch; dabe gbt jeder jedem genau enmal de Hand. We vele Handschläge snd es? n, =. n n! = = ( n ) n! ( n )! (c) Wchtge Anwendung be onreten W-Berechnungen < Semnargruppe II > Urne mt N Kugeln, durchnummerert von bs N. Von den N Kugeln seen S Kugeln schwarz und N - S Kugeln weß ( 0 S N ). Zehung von n Kugeln ohne Zurüclegen. Se Ω der Ergebnsraum solcher Zehungen. N Man seht: Ω =. n Frage: P (von den n Kugeln snd Kugeln schwarz)? Also: Es geht nur um schwarze Kugeln, ncht um deren Anordnung. E : Von den n Kugeln snd Kugeln schwarz. S Es gbt Möglcheten, aus den S schwarzen Kugeln schwarze Kugeln auszuwählen; N S es gbt Möglcheten, aus den N S weßen Kugeln n weße Kugeln auszuwählen. n S N S Also gbt es für E günstge Fälle. n Somt: P (E) = S N S n. N n

5 .5 Stchproben mt Wederholung der Elemente und ohne Beachtung der Rehenfolge der Elemente (Kombnator-Fgur [mw Ruw] ) (a) Satz n + Es gbt Stchproben der Form [mw Ruw]. Bewes: <Erläuterung des Beweses anhand ener Aufgabe: Semnargruppe I > Wr benutzen das Urnenmodell und en Coderungsverfahren mttels des Alphabets { 0, }. Deses Coderungsverfahren se zunächst an enem onreten Bespel mt den Zahlen n = 3 und = 6 erläutert. Dazu: Anfertgen ener Tabelle mt den Spalten: Kugel, Kugel, Kugel 3. Code: Zehen der jewelgen Kugel: Zffer, Übergang: Zffer 0. Bespele für Zehungen: Zehung Kugel Kugel Kugel 3 Coderung Zehung Zehung Zehung 3 Zehung 4 Zehung 5 x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x Frage: We vele Coderungen gbt es? Jede Coderung besteht aus 6 Ensen und Nullen. Trc: Wr tun zunächst so, als ob de 6 Ensen und de Nullen jewels unterschedbar wären; man hat also,..., 6 und 0,0. Das snd = 8 Objete. Frage also: We vele Möglcheten gbt es, de 6 unterschedbaren Ensen und de unterschedbaren Nullen auf 8 Plätze zu vertelen? Antwort mttels der Aussage n.3 (c): Es gbt 8! Möglcheten, 8 unterschedbare Objete auf 8 Plätze zu vertelen. Da aber de 6 Ensen bzw. de Nullen ncht unterschedbar snd, müssen wr alle 6! Anordnungen der 6 Ensen bzw. alle! Anordnungen der Nullen dentfzeren; d.h. wr müssen durch 6!! dvderen. Antwort also: Es gbt 8! 6!! möglche Koderungen. Rechnung lefert 8! = 6!! 6. Nun zum allgemenen Bewes: Jede Coderung für en Zehungsergebns besteht aus Ensen und n Nullen; de Ensen und de n Nullen snd ncht unterschedbar. Frage: We vele Coderungen gbt es? Trc: Wr tun zunächst so, als ob de Ensen und de n Nullen jewels unterschedbar wären; man hat also,..., und 0,...,0 n. Das snd ( n ) + Objete.

6 Frage also: We vele Möglcheten gbt es, de unterschedbaren Ensen und de n unterschedbaren Nullen auf ( n ) + Plätze zu vertelen? Antwort mttels der Aussage n.3 (c): Es gbt genau ( + n )! Möglcheten, de + ( n ) Objete auf ( n ) + Plätze anzuordnen. Da aber de Ensen und de n Nullen gar ncht unterschedbar snd, müssen wr alle! möglchen Anordnungen der unterschedbaren Ensen und alle ( n )! Anordnungen der n unterschedbaren Nullen jewels dentfzeren. Das heßt: Wr müssen de obge Zahl durch! und durch ( n )! dvderen. Das ergbt ( n ) ( n ) +!!! ( n ). Rechnung zegt: ( n ) +! + n =.!! (b) Bespel Zwe ncht unterschedbare Spatzen önnen sch auf 4 Bäume vertelen. We vele Möglcheten gbt es? n = 4, =. Also: = = = 0. Urnenmodell: 4 Kugeln: A,B,C,D (ver Bäume); Zehung von Kugeln: Bäume (Baum), de (der) von den Spatzen ausgesucht wrd. Alphabet-Modell: { A, B, C, D }, Wortlänge: =..6 Stchproben, be denen sch de Elemente mt vorgegebenen Anzahlen wederholen (Kombnator-Fgur: [mw va] ) < Alternatve Bezechnung deser Fgur n der Lteratur: Permutatonen mt Wederholungen. > (a) Aufgabenstellung Alphabet-Modell: Gegeben se en Alphabet { Z,..., Z n}. Nun sollen Wörter der Länge gebldet werden, wobe das Zechen Z genau -mal vorommen soll ( n). Anders formulert: Es sollen Wörter der Länge gebldet werden, wobe jedes Zechen ener vorgegebenen Anzahl We vele solcher Wörter gbt es? auftauchen soll ( n). Frage: Z mt Urnenmodell: Urne mt Kugeln n n Farben, wobe glt: In jeder Farbe F gbt es ncht unterschedbare Kugeln. Also n =. Frage: = We vele Möglcheten gbt es, dese Kugeln auf vorgegebene Plätze zu vertelen?

7 (b) Satz Werden aus dem Alphabet { Z,..., Z n} Permutatonen mt Wederholungen gebldet (Wörter der Länge, be denen jedes Zechen! so gbt es Möglcheten dafür.!... n! Z genau -mal vorommt), Bewes: < Semnargruppe I > Es gbt (wegen der Aussage n.3 (c) ) genau! Möglcheten, de unterschedbare Zechen Z,, Z,, Z,, Z anzuordnen (auf Plätze zu vertelen). n n n Da jewels de Zechen Z,, Z aber eben ncht unterschedbar snd, müssen wr alle! Anordnungen der Zechen Z,, Z dentfzeren, d.h. durch! dvderen. Das glt für jedes {,..., n}. Das lefert de Behauptung. (c) Bespele MISSISSIPPI-Aufgabe Alphabet { I, M, P, S }. We vele Wörter der Länge lassen sch aus desen ver Zechen blden, wenn gelten soll = ( I ) =, = ( M ) =, = ( P) =, ( S ) 4 Lösung: Da n = 4 und =, hat man 3 = =. 4 4! = = = !!! 4! 3 4 Permutatonen mt Wederholung. Mndestens enes deser Wörter st snnvoll, nämlch das Wort MISSISSIPPI! Sat-Spel (Vertelung der Karten: Speler: A, B, C: Je 0 Karten, Stoc S: Karten) Frage : We vele Ausgangspostonen für en Sat-Spel gbt es? <Semnargruppe I > Wr wollen de Frage auf zwe verschedene Wesen beantworten! Erste Möglchet zur Lösung (pragmatsche Lösung): Mschen, dann Vertelung der Karten auf de Speler we folgt: Karten, 4, 7, 0, 3, 6, 9,, 5, 8 an Speler A, Karten, 5, 8,, 4, 7, 0, 3, 6, 9 an Speler B, Karten 3, 6, 9,, 5, 8,, 4, 7, 30 an Speler C, Karten 3, 3 an den Sat. Permutatonen nnerhalb der Plätze ändern de Vertelung auf de dre Speler ncht! Aufgabe: We lautet de Antwort auf de Frage (be Benutzung der Fgur [ow Ruw] )? Zwete Möglchet zur Lösung (mathematsche Modellbldung mttels der Fgur [mw va] ): Es gbt 3 Plätze, nämlch de 3 Karten. Wr noteren dese Plätze: Kreuz-As Kreuz-Seben P-As P-Seben Herz-As Herz-Seben Karo-As Karo-Seben Dann Vertelung der Symbole A, B, C, S auf de 3 Plätze. < Bespel noteren! >

8 () Alphabet-Modell: 4 Zechen { A, B, C, S }. Velfachheten der Zechen: ( A) ( B) ( C) ( S ) = = = 0, =. Nun: Wörter der Länge 3 blden! () Urnenmodell: 3 Kugeln [0 mal A, 0 mal B, 0 mal C, mal S ] Nun: 3 Zehungen ohne Zurüclegen (also: = 3 ) und Vertelung der Kugeln auf de 3 Plätze. Es gbt 3! Möglcheten, 3 Zechen bzw. 3 Kugeln auf 3 Plätze zu vertelen. Aber: De Anordnungen der Zechen A bzw. B bzw. C bzw. S snd ncht zu unterscheden. Also: Jewels Identfaton deser Anordnungen; d.h. jewels Dvson durch de Zahl deser Anordnungen. = ( A) =, = ( B) =, = ( C ) =, ( Sat ) 0 0 De Antwort auf obge Frage lautet dann: Frage : [Bespel für W - Berechnungen] 3 0 Wr wollen p P ( Jeder Speler erhält genau enen Buben) = =. 4 3! 0! 0! 0!! = = berechnen.. <Semnargruppe II> Günstge Fälle: Vertelungen der Buben auf A,B,C, Sat. Da wchtg st, welcher Speler welchen Buben hat, snd de Anordnungen der Buben auf den Plätzen A,B,C, Sat wchtg. Also: 4! möglche Vertelungen für de Buben. 8! Vertelungen der restlchen 8 Karten: 9! 9! 9!! Möglcheten. Möglche Fälle: Sehe Antwort auf Frage! Insgesamt ergbt sch als Antwort auf Frage : 8! 4! ! 8! 0! 0! 0!! p =!!!! = = = =. 3! 9! 9! 9!! 3! ! 0! 0!!

Z Z, kurz. Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden.

Z Z, kurz. Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden. Kombator Problemstellug Ausgagsput be ombatorsche Fragestelluge st mmer ee edlche Mege M, aus dere Elemete ma edlche Zusammestelluge vo Elemete aus M bldet Formal gesproche bedeutet das: Ist M a,, a ee

Mehr

Grundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt

Grundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt Mathematsches Insttut der Unverstät München Wntersemester 3/4 Danel Rost Lukas-Faban Moser Grundlagen der Mathematk I Lösungsvorschlag zum. Tutorumsblatt Aufgabe. a De Formel besagt, daß de Summe der umrahmten

Mehr

6. Übung zur Linearen Algebra II

6. Übung zur Linearen Algebra II Unverstät Würzburg Mathematsches Insttut Prof. Dr. Peter Müller Dr. Peter Fleschmann SS 2006 30.05.2006 6. Übung zur Lnearen Algebra II Abgabe: Bs Mttwoch, 14.06.2006, 11:00 Uhr n de Brefkästen vor der

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 009 UNIVERSITÄT KARLSRUHE Blatt 4 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 16: (Success Run, Fortsetzung)

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 2009 UNIVERSITÄT KARLSRUHE Blatt 2 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 7: (B. Fredmans Urnenmodell)

Mehr

1 Mehrdimensionale Analysis

1 Mehrdimensionale Analysis 1 Mehrdmensonale Analyss Bespel: De Gesamtmasse der Erde st ene Funton der Erddchte ρ Erde und des Erdradus r Erde De Gesamtmasse der Erde st dann m Erde = V Erde ρ Erde Das Volumen ener Kugel mt Radus

Mehr

Die Leistung von Quicksort

Die Leistung von Quicksort De Lestung von Qucsort Jae Hee Lee Zusammenfassung Der Sorteralgorthmus Qucsort st als ens der effzenten Sorterverfahren beannt. In deser Ausarbetung werden wr sene Komplextät zuerst möglchst präzse schätzen

Mehr

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen Übungsklausur Wahrschenlchket und Regresson De Lösungen. Welche der folgenden Aussagen treffen auf en Zufallsexperment zu? a) En Zufallsexperment st en emprsches Phänomen, das n stochastschen Modellen

Mehr

Sei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ).

Sei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ). Taylorentwcklung (Approxmaton durch Polynome). Problemstellung Se T( x ) de Tangente an den Graphen der Funkton f(x) m Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ). Dann kann man de

Mehr

Elemente der Mathematik - Sommer 2016

Elemente der Mathematik - Sommer 2016 Elemente der Mathematk - Sommer 2016 Prof Dr Matthas Lesch, Regula Krapf Lösungen Übungsblatt 3 Aufgabe 9 (10 Punkte) Das Horner-Schema st ene Methode zum Auswerten enes Polynoms n a0 x an der Stelle s

Mehr

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x,

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x, Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analyss I Vorlesung 17 Logarthmen Satz 17.1. De reelle Exponentalfunkton R R, x exp x, st stetg und stftet ene Bjekton zwschen R und R +. Bewes. De Stetgket

Mehr

11 Charaktere endlicher Gruppen

11 Charaktere endlicher Gruppen $Id: chaakte.tex,v.4 2009/07/3 4:38:36 hk Exp $ Chaaktee endlche Guppen W hatten gesehen, dass w fü enge Guppen G allen mt Hlfe des Satz 3 de Anzahl und de Dmensonen de eduzblen Dastellungen beechnen können.

Mehr

Die Jordansche Normalform

Die Jordansche Normalform De Jordansche Normalform Danel Hug 29. Aprl 211 KIT Unverstät des Landes Baden-Württemberg und natonales Forschungszentrum n der Helmholtz-Gemenschaft www.kt.edu 1 Zerlegung n Haupträume 2 Fazt und nächstes

Mehr

Informatik II. Minimalpolynome und Implikanten. Minimalpolynome. Minimalpolynome. Rainer Schrader. 27. Oktober Was bisher geschah: Definition

Informatik II. Minimalpolynome und Implikanten. Minimalpolynome. Minimalpolynome. Rainer Schrader. 27. Oktober Was bisher geschah: Definition Informatk II Raner Schrader und Implkanten Zentrum für Angewandte Informatk Köln 27. Oktober 2005 1 / 28 2 / 28 Was bsher geschah: jede Boolesche Funkton kann durch enfache Grundfunktonen dargestellt werden

Mehr

Einführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung. Übersicht. Wahrscheinlichkeitsrechnung. bedinge Wahrscheinlichkeit

Einführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung. Übersicht. Wahrscheinlichkeitsrechnung. bedinge Wahrscheinlichkeit Enführung n de bednge Wahrschenlchket Laplace-Wahrschenlchket p 0.56??? Zufallsexperment Randwahrschenlchket Überscht Was st Wahrschenlchket? Rechenregeln Der Multplkatonssatz Axomatsche Herletung Unabhänggket

Mehr

4.6 Das Pumping-Lemma für reguläre Sprachen:

4.6 Das Pumping-Lemma für reguläre Sprachen: Theoretsche Informatk 1 Vorlesungsskrpt vom Fretag, 30 Jun 000 Index: Erstellt von: (Matrkelnummer: 70899) Sete : 46 Das Pumpng-Lemma für reguläre Sprachen 1 Satz W 1 Zugrundelegende Idee des Pumpng-Lemma

Mehr

22. Vorlesung Sommersemester

22. Vorlesung Sommersemester 22 Vorlesung Sommersemester 1 Bespel 2: Würfel mt festgehaltener Ecke In desem Fall wählt man den Koordnatenursprung n der Ecke und der Würfel st durch den Berech x = 0 a, y = 0 a und z = 0 a bestmmt De

Mehr

3.3 Lineare Abbildungen und Matrizen

3.3 Lineare Abbildungen und Matrizen 33 LINEARE ABBILDUNGEN UND MATRIZEN 87 33 Lneare Abbldungen und Matrzen Wr wollen jetzt de numersche Behandlung lnearer Abbldungen zwschen Vektorräumen beschreben be der vorgegebene Basen de Hauptrolle

Mehr

Zufallsvariable, Wahrscheinlichkeitsverteilungen und Erwartungswert

Zufallsvariable, Wahrscheinlichkeitsverteilungen und Erwartungswert R. Brnkmann http://brnkmann-du.de Sete..8 Zufallsvarable, Wahrschenlchketsvertelungen und Erwartungswert Enführungsbespel: Zwe Würfel (en blauer und en grüner) werden 4 mal zusammen geworfen. De Häufgketen

Mehr

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de

Mehr

Konkave und Konvexe Funktionen

Konkave und Konvexe Funktionen Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage

Mehr

An dem Ergebnis eines Zufallsexperiments interessiert oft nur eine spezielle Größe, meistens ein Messwert.

An dem Ergebnis eines Zufallsexperiments interessiert oft nur eine spezielle Größe, meistens ein Messwert. SS 2013 Prof. Dr. J. Schütze/ J. Puhl FB GW Ds. ZG 1 Zufallsgrößen An dem Ergebns enes Zufallsexperments nteressert oft nur ene spezelle Größe, mestens en Messwert. Bespel 1. Zufällge Auswahl enes Studenten,

Mehr

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree

Mehr

4. Rechnen mit Wahrscheinlichkeiten

4. Rechnen mit Wahrscheinlichkeiten 4. Rechnen mt Wahrschenlchketen 4.1 Axome der Wahrschenlchketsrechnung De Wahrschenlchketsrechnung st en Telgebet der Mathematk. Es st üblch, an den Anfang ener mathematschen Theore enge Axome zu setzen,

Mehr

Weitere NP-vollständige Probleme

Weitere NP-vollständige Probleme Wetere NP-vollständge Probleme Prosemnar Theoretsche Informatk Marten Tlgner December 10, 2014 Wr haben letzte Woche gesehen, dass 3SAT NP-vollständg st. Heute werden wr für enge wetere Probleme n NP zegen,

Mehr

3. Lineare Algebra (Teil 2)

3. Lineare Algebra (Teil 2) Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw

Mehr

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder - Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole

Mehr

Methoden der innerbetrieblichen Leistungsverrechnung

Methoden der innerbetrieblichen Leistungsverrechnung Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den

Mehr

Resultate / "states of nature" / mögliche Zustände / möglicheentwicklungen

Resultate / states of nature / mögliche Zustände / möglicheentwicklungen Pay-off-Matrzen und Entschedung unter Rsko Es stehen verschedene Alternatven (Strategen) zur Wahl. Jede Stratege führt zu bestmmten Resultaten (outcomes). Man schätzt dese Resultate für jede Stratege und

Mehr

16. Vorlesung Sommersemester

16. Vorlesung Sommersemester 16. Vorlesung Sommersemester 1 Das Egenwertproblem In allgemener Form hat das Egenwertproblem de Form A x = λ x, (1) wobe A ene n n-matrx, x en n-dmensonaler Vektor und λ der Egenwert st (n Englsch: egenvector,

Mehr

Fallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum

Fallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum Abgabe: Aufgabentext und Lösungen schrftlch bs zum 15. 6. 2012 I. Thema: Zehen mt und ohne Zurücklegen Lesen Se sch zunächst folgenden Text durch! Wr haben bsher Stchprobenzehungen aus Grundgesamtheten

Mehr

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher. PV - Hausaugabe Nr. 7.. Berechnen Se eakt und verglechen Se de Werte ür de Nullstelle, de mttels dem Verahren von Newton, der Regula als und ener Mttelung zu erhalten snd von der! Funkton: ( ) Lösungs

Mehr

Das Bayessche Theorem ist ein Ergebnis aus der Wahrscheinlichkeitstheorie und liefert einen Zusammenhang zwischen bedingten Wahrscheinlichkeiten.

Das Bayessche Theorem ist ein Ergebnis aus der Wahrscheinlichkeitstheorie und liefert einen Zusammenhang zwischen bedingten Wahrscheinlichkeiten. ayessches Theorem Das ayessche Theorem st en Ergens aus der ahrschenlchetstheore und lefert enen Zusammenhang zwschen edngten ahrschenlcheten.. ayessches Theorem für Eregnsse Senen und zwe elege Eregnsse.

Mehr

In der beschreibenden Statistik werden Daten erhoben, aufbereitet und analysiert. Beispiel einer Datenerhebung mit Begriffserklärungen (Vokabel)

In der beschreibenden Statistik werden Daten erhoben, aufbereitet und analysiert. Beispiel einer Datenerhebung mit Begriffserklärungen (Vokabel) Rudolf Brnkmann http://brnkmann-du.de Sete.. Datenerhebung, Datenaufberetung und Darstellung. In der beschrebenden Statstk werden Daten erhoben, aufberetet und analysert. Bespel ener Datenerhebung mt Begrffserklärungen

Mehr

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2 ETH Arbetsgruppe Radocheme Radochemsches Praktkum P 06 Enführung n de Statstk INHALTSVERZEICHNIS Sete 1. Zählung von radoaktven Zerfällen und Statstk 2 2. Mttelwert und Varanz 2 3. Momente ener Vertelung

Mehr

Lösungen der Aufgaben zu Kapitel 2

Lösungen der Aufgaben zu Kapitel 2 Lösungen der Aufgaben zu Kaptel Abschntt 1 Aufgabe 1 Wr benutzen de Potenzrechenregeln, um ene Potenz von mt geradem Eponenten n oder mt ungeradem Eponenten n + 1 we folgt darzustellen: n n und n+1 n n

Mehr

Der Satz von COOK (1971)

Der Satz von COOK (1971) Der Satz von COOK (1971) Voraussetzung: Das Konzept der -Band-Turng-Maschne (TM) 1.) Notatonen: Ene momentane Beschrebung (mb) ener Konfguraton ener TM st en -Tupel ( α1, α2,..., α ) mt α = xqy, falls

Mehr

18. Dynamisches Programmieren

18. Dynamisches Programmieren 8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus

Mehr

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2 1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:

Mehr

Verteilungen eindimensionaler diskreter Zufallsvariablen

Verteilungen eindimensionaler diskreter Zufallsvariablen Vertelungen endmensonaler dskreter Zufallsvarablen Enführung Dskrete Vertelungen Dskrete Glechvertelung Bernoull-Vertelung Bnomalvertelung Bblografe: Prof. Dr. Kück Unverstät Rostock Statstk, Vorlesungsskrpt,

Mehr

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel ultlneare Algebra und hre Anwendungen Nr. : Normalformen Verfasser: Yee Song Ko Adran Jenn Rebecca Huber Daman Hodel 9.5.7 - - ultlneare Algebra und hre Anwendungen Jordan sche Normalform Allgemene heore

Mehr

2 Zufallsvariable und Verteilungen

2 Zufallsvariable und Verteilungen Zufallsvarable und Vertelungen 7 Zufallsvarable und Vertelungen Wr wollen uns jetzt mt Zufallsexpermenten beschäftgen, deren Ausgänge durch (reelle) Zahlen beschreben werden können, oder be denen man jedem

Mehr

Aspekte zur Approximation von Quadratwurzeln

Aspekte zur Approximation von Quadratwurzeln Aspete zur Approxmaton von Quadratwurzeln Intervallschachtelung Intervallhalberungsverfahren Heron-Verfahren Rechnersche und anschaulche Herletung Zusammenhang mt Newtonverfahren Monotone und Beschränthet

Mehr

Streuungs-, Schiefe und Wölbungsmaße

Streuungs-, Schiefe und Wölbungsmaße aptel IV Streuungs-, Schefe und Wölbungsmaße B... Lagemaße von äufgketsvertelungen geben allen weng Auskunft über ene äufgketsvertelung. Se beschreben zwar en Zentrum deser Vertelung, geben aber kenen

Mehr

Facility Location Games

Facility Location Games Faclty Locaton Games Semnar über Algorthmen SS 2006 Klaas Joeppen 1 Abstract Wr haben berets sehr häufg von Nash-Glechgewchten und vor allem von deren Exstenz gesprochen. Das Faclty Locaton Game betet

Mehr

Rotation (2. Versuch)

Rotation (2. Versuch) Rotaton 2. Versuch Bekannt snd berets Vektorfelder be denen das Lnenntegral über ene geschlossene Kurve Null wrd Stchworte: konservatve Kraft Potentalfelder Gradentenfeld. Es gbt auch Vektorfelder be denen

Mehr

Bedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY)

Bedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY) Bedngte Entrope Kaptel : Bedngte Entrope Das vorherge Theorem kann durch mehrfache Anwendung drekt verallgemenert werden H (... H ( = Ebenso kann de bedngt Entrope defnert werden Defnton: De bedngte Entrope

Mehr

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung am Bespel enes Modells der chadenverscherung Für das Modell ener chadenverscherung se gegeben: s w s. n 4 chaden enes Verscherungsnehmers, wenn der chadenfall entrtt Wahrschenlchket dafür, dass der chadenfall

Mehr

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1. Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.

Mehr

1. Runde 2010. Aufgaben und Lösungen. Bundeswettbewerb Mathematik

1. Runde 2010. Aufgaben und Lösungen. Bundeswettbewerb Mathematik Bundeswettbewerb Mathemat Wssenschaftszentrum Postfach 2 14 48 53144 Bonn Fon: 228-9 59 15-2 Fax: 228-9 59 15-29 e-mal: nfo@bundeswettbewerb-mathemat.de www.bundeswettbewerb-mathemat.de Korreturommsson

Mehr

Dynamisches Programmieren

Dynamisches Programmieren Marco Thomas - IOI 99 -. Treffen n Bonn - Dynamsches Programmeren - Unverstät Potsdam - 8.02.999 Dynamsches Programmeren 957 R. Bellmann: Dynamc Programmng für math. Optmerungsprobleme Methode für Probleme,.

Mehr

3. Vorlesung Sommersemester

3. Vorlesung Sommersemester 3. Vorlesung Sommersemester 1 Bespele (Fortsetzung) 1. Der starre Körper: Formulerung der Zwangsbedngungen später. Anschaulch snd schon de Frehetsgrade: dre der Translaton (z. B. Schwerpuntsoordnaten)

Mehr

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen 196 6.5. Rückgewnnung des Zetvorgangs: Rolle der Pole und Nullstellen We n 6.2. und 6.. gezegt wurde, st de Übertragungsfunkton G( enes lnearen zetnvaranten Systems mt n unabhänggen Spechern ene gebrochen

Mehr

Die Transzendenz der Eulerschen Zahl e

Die Transzendenz der Eulerschen Zahl e De Transzendenz der Eulerschen Zahl e nach Jean-Paul Delahaye Der n [1, Seten 21-22] skzzerte Bewes der Transzendenz der Eulerschen Zahl e wrd m folgenden ausgeführt. En alternatver Bewes, der auf Ideen

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

Mehr

4. Musterlösung. Problem 1: Kreuzende Schnitte **

4. Musterlösung. Problem 1: Kreuzende Schnitte ** Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,

Mehr

c) schwierige freiwillige Zusatzaufgabe (ohne Bonuspunkte): Leiten Sie die allgemeinen iterativen Formeln für S, D, D R und V her.

c) schwierige freiwillige Zusatzaufgabe (ohne Bonuspunkte): Leiten Sie die allgemeinen iterativen Formeln für S, D, D R und V her. Rechnerarchtetur Lösungsvorschlag. Bonusübung oerseester Fachgebet Rechnerarchtetur Prof. R. Hoffann Patrc Edger. Aufgabe: Maße für Barrel-hfter 7 + 7 Punte Gegeben st en Barrel hfter t n= Prozessoren

Mehr

Course Dec 15, Statistische Mechanik plus. Course Hartmut Ruhl, LMU, Munich. People involved. Rationale

Course Dec 15, Statistische Mechanik plus. Course Hartmut Ruhl, LMU, Munich. People involved. Rationale Dec 15, 2016 ASC, room A 238, phone 089-21804210, emal hartmut.ruhl@lmu.de Patrc Böhl, ASC, room A205, phone 089-21804640, emal patrc.boehl@phys.un-muenchen.de. Dsusson der Besetzungszahldarstellungen

Mehr

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1. Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.

Mehr

Lineare Optimierung Einführung

Lineare Optimierung Einführung Kaptel Lneare Optmerung Enführung B... (Dre klasssche Anwendungen) Im Folgenden führen wr de ersten dre klassschen (zvlen) Anwendungen der lnearen Optmerung an: BS... (Produktonsplanoptmerung) En Betreb

Mehr

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com.

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com. Verfahren für de Polygonalserung ener Kugel Eldar Sultanow, Unverstät Potsdam, sultanow@gmal.com Abstract Ene Kugel kann durch mathematsche Funktonen beschreben werden. Man sprcht n desem Falle von ener

Mehr

z.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel!

z.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel! Aufgabe : Vorbemerkung: Ene Zufallsvarable st ene endeutge Funkton bzw. ene Abbldungsvorschrft, de angbt, auf welche Art aus enem Elementareregns ene reelle Zahl gewonnen wrd. x 4 (, ) z.b. Münzwurf: Kopf

Mehr

Lineare Optimierung Dualität

Lineare Optimierung Dualität Kaptel Lneare Optmerung Dualtät D.. : (Dualtät ) Folgende Aufgaben der lnearen Optmerung heßen symmetrsch dual zuenander: und { z = c x Ax b x } max, 0 { Z b A c } mn =, 0. Folgende Aufgaben der lnearen

Mehr

Seminar Einführung in die Kunst mathematischer Ungleichungen

Seminar Einführung in die Kunst mathematischer Ungleichungen Semnar Enführung n de Kunst mathematscher Unglechungen Cauchys erste Unglechung und de Unglechung vom arthmetschen und geometrschen Mttel Sopha Volmerng. prl 0 Inhaltsverzechns Cauchys erste Unglechung.

Mehr

Erwartungswert, Varianz, Standardabweichung

Erwartungswert, Varianz, Standardabweichung RS 24.2.2005 Erwartungswert_Varanz_.mcd 4) Erwartungswert Erwartungswert, Varanz, Standardabwechung Be jedem Glücksspel nteresseren den Speler vor allem de Gewnnchancen. 1. Bespel: Setzen auf 1. Dutzend

Mehr

Maße der zentralen Tendenz (10)

Maße der zentralen Tendenz (10) Maße der zentralen Tendenz (10) - De Berechnung der zentralen Tendenz be ategorserten Daten mt offenen Endlassen I - Bespel 1: offene Endlasse Alter x f x f p x p p cum bs 20 1? 3? 6? 6 21-25 2 23 20 460

Mehr

Fallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung

Fallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung Fallstude 4 Qualtätsregelkarten (SPC) und Versuchsplanung Abgabe: Lösen Se de Aufgabe 1 aus Abschntt I und ene der beden Aufgaben aus Abschntt II! Aufgabentext und Lösungen schrftlch bs zum 31.10.2012

Mehr

Zwei Sätze von Joseph Wolstenholme. Johann Cigler

Zwei Sätze von Joseph Wolstenholme. Johann Cigler Zwe Sätze von Joseh Wolstenholme Johann Cgler Vor enger Zet sandte mr Herr P., en hlosohsch gebldeter älterer Mann, enge Bemerkungen zu enem Resultat von Joseh Wolstenholme, das er folgendermaßen formulerte:

Mehr

Standardnormalverteilung / z-transformation

Standardnormalverteilung / z-transformation Standardnormalvertelung / -Transformaton Unter den unendlch velen Normalvertelungen gbt es ene Normalvertelung, de sch dadurch ausgeechnet st, dass se enen Erwartungswert von µ 0 und ene Streuung von σ

Mehr

Vorlesung 3 Differentialgeometrie in der Physik 13

Vorlesung 3 Differentialgeometrie in der Physik 13 Vorlesung 3 Dfferentalgeometre n der Physk 13 Bemerkung. Ist M Manngfaltgket, p M und φ : U R n Karte mt p U, so nennt man U auch Koordnatenumgebung und φ auch Koordnatensystem n p. Bespel 2.4 Seen R >

Mehr

Diskrete Mathematik 1 WS 2008/09

Diskrete Mathematik 1 WS 2008/09 Ruhr-Unverstät Bochum Lehrstuhl für Kryptologe und IT-Scherhet Prof. Dr. Alexander May M. Rtzenhofen, M. Mansour Al Sawad, A. Meurer Lösungsblatt zur Vorlesung Dskrete Mathematk 1 WS 2008/09 Blatt 7 /

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

Mehr

Das Krümelmonsterproblem

Das Krümelmonsterproblem Projekttage Mathematk 008 Das Krümelmonsterproblem Gruppe 6: Prof Dr Wrth Telnehmer: Judth Albert, Stefan Blank, Stefan Ehrlch, Jürgen Feser, Zofa Fleszar, Klan Hohm, Danny Powroznk, Anton Specht Betreuer:

Mehr

Algorithmen und ihre Programmierung -Teil 3-

Algorithmen und ihre Programmierung -Teil 3- Veranstaltung Pr.-Nr.: Algorthmen und hre Programmerung -Tel - Veronka Waue WS / Veronka Waue: Grundstudum Wrtschaftsnformatk WS/ Übung Ersetzen Se n folgendem Bespel de For schlefe durch ene WhleWend-Schlefe

Mehr

Übung zur Vorlesung. Informationstheorie und Codierung

Übung zur Vorlesung. Informationstheorie und Codierung Übung zur Vorlesung Informatonstheore und Coderung Prof. Dr. Lla Lajm März 25 Ostfala Hochschule für angewandte Wssenschaften Hochschule Braunschweg/Wolfenbüttel Postanschrft: Salzdahlumer Str. 46/48 3832

Mehr

Sicherheit von Π MAC2

Sicherheit von Π MAC2 Scherhet von Π MAC2 Satz Scherhet von Π MAC2 Se Π scher. Dann st Π MAC2 ebenfalls scher. Bewes: Se A en Angrefer für Π MAC2 mt Erfolgsws ɛ(n). Wr konstrueren enen Angrefer A für Π. Algorthmus Angrefer

Mehr

5. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013

5. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013 O. Alaya, S. Demrel M. Fetzer, B. Krnn M. Wed 5. Gruppenübung zur Vorlesung Höhere Mathematk Wntersemester /3 Dr. M. Künzer Prof. Dr. M. Stroppel Lösungshnwese zu den Hausaufgaben: Aufgabe H 6. Darstellungen

Mehr

Mi , Dr. Ackermann Übungsaufgaben Gewöhnliche Differentialgleichungen Serie 13

Mi , Dr. Ackermann Übungsaufgaben Gewöhnliche Differentialgleichungen Serie 13 M. 3. 5-4. 45, Dr. Ackermann 6..4 Übungsaufgaben Gewöhnlche Dfferentalglechungen Sere 3.) Bestmmung ener homogenen Dfferentalglechung zu gegebenen Funktonen y (partkuläre Lösungen) enes Fundamentalsystems.

Mehr

Die hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x)

Die hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x) ZZ Lösung zu Aufgabe : Ch²-Test Häufg wrd be der Bearbetung statstscher Daten ene bestmmte Vertelung vorausgesetzt. Um zu überprüfen ob de Daten tatsächlch der Vertelung entsprechen, wrd en durchgeführt.

Mehr

Asymptotische Stochastik (SS 2010) Übungsblatt 1 P X. 0, n.

Asymptotische Stochastik (SS 2010) Übungsblatt 1 P X. 0, n. Insttut für Stochastk PD. Dr. Deter Kadelka Danel Gentner Asymptotsche Stochastk (SS 2) Übungsblatt Aufgabe (Arten von Konvergenz reeller Zufallsvarablen und deren Zusammenhänge) Es seen X,, n N reelle

Mehr

Determinanten - I. den i-ten Zeilenvektor der n n-matrix A bezeichnet.

Determinanten - I. den i-ten Zeilenvektor der n n-matrix A bezeichnet. Determnanten - I Ene Determnante st ene Abbldung, welche ener quadratschen (!) Matrx ene Zahl zuordnet. Wr verwenden n desem Zusammenhang de Schrebwese A = a 2, wobe den -ten Zelenvektor der n n-matrx

Mehr

Prof. Dr. Jürgen Dassow Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik. Codierungstheorie und Kryptographie

Prof. Dr. Jürgen Dassow Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik. Codierungstheorie und Kryptographie Prof. Dr. Jürgen Dassow Otto-von-Guercke-Unverstät Magdeburg Fakultät für Informatk Coderungstheore und Kryptographe Sommersemester 2005 1 2 Inhaltsverzechns 1 Defnton und Charakterserung von Codes 5 1.1

Mehr

( a ) z + ( 1 b ) z = ( 1 c ) z.

( a ) z + ( 1 b ) z = ( 1 c ) z. Hans Walser, [2000509a] Fermat mt negatven Exponenten Anregung: T. G., B. Vgl. [Morgan 200] Ausgangsrage Gesucht snd Lösungen a,b,c! der Glechung: a z + b z = c z, z! 2 Bespele und Gegenbespele a) Für

Mehr

Bachelorarbeit. Cayley s Formel und das Abzählen von Bäumen. Viktoria Piribauer. Wien, September 2013

Bachelorarbeit. Cayley s Formel und das Abzählen von Bäumen. Viktoria Piribauer. Wien, September 2013 Bachelorarbet Cayley s Formel und das Abzählen von Bäumen Vktora Prbauer Wen, September 2013 Matrkelnummer: 1007394 Studenrchtung: A 033621 Mathematk Betreuer: Mag. Dr. Bernhard Krön, Prvatdoz. Inhaltsverzechns

Mehr

Spiele und Codes. Rafael Mechtel

Spiele und Codes. Rafael Mechtel Spele und Codes Rafael Mechtel Koderungstheore Worum es geht Über enen Kanal werden Informatonen Übertragen. De Informatonen werden dabe n Worte über enem Alphabet Q übertragen, d.h. als Tupel w = (w,,

Mehr

Fachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung

Fachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung Fachberech Mathematk Prof. K. Grosse-Brauckmann D. Frsch WS 27/8./.. 6. Übungsblatt zur Lnearen Algebra für Physker Gruppenübung Aufgabe G7 (Kern, Bld, Rang und Orthogonaltät) Gegeben se ene lneare Abbldung

Mehr

-70- Anhang: -Lineare Regression-

-70- Anhang: -Lineare Regression- -70- Anhang: -Lneare Regressn- Für ene Messgröße y f(x) gelte flgender mathematsche Zusammenhang: y a+ b x () In der Regel läßt sch durch enen Satz vn Messwerten (x, y ) aber kene Gerade zechnen, da de

Mehr

Lösungen zum 3. Aufgabenblock

Lösungen zum 3. Aufgabenblock Lösungen zum 3. Aufgabenblock 3. Aufgabenblock ewerber haben n enem Test zur sozalen Kompetenz folgende ntervallskalerte Werte erhalten: 96 131 11 1 85 113 91 73 7 a) Zegen Se für desen Datensatz, dass

Mehr

Lösungen der Übungsaufgaben zu Kapitel 7

Lösungen der Übungsaufgaben zu Kapitel 7 Kapel 7: Prmzahlen Lösungen der Übungsaufgaben zu Kapel 7 Ü: Se p IP belebg gewähl. IA: n = : Zu zegen s p a a p a p a, des s aber genau de Aussage von Saz 7. und dam beres bewesen. IS: Se IN m belebg

Mehr

Zinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung

Zinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung Znsesznsformel (Abschntt 1.2) 3 Investton & Fnanzerung 1. Fnanzmathematk Unv.-Prof. Dr. Dr. Andreas Löffler (AL@wacc.de) t Z t K t Znsesznsformel 0 1.000 K 0 1 100 1.100 K 1 = K 0 + K 0 = K 0 (1 + ) 2

Mehr

1.11 Beispielaufgaben

1.11 Beispielaufgaben . Bespelaufgaben Darstellung komplexer Zahlen Aufgabe. Man stelle de komplexe Zahl z = +e 5f n algebrascher Form, also als x + y dar. Damt man de Formel für de Dvson anwenden kann, muss zunächst der Nenner

Mehr

( ) γ. (t 1 ) (t 2 ) = Arg γ 2(t 2 )

( ) γ. (t 1 ) (t 2 ) = Arg γ 2(t 2 ) Funktonentheore, Woche 10 Bholomorphe Abbldungen 10.1 Konform und bholomorph Ene konforme Abbldung erhält Wnkel und Orenterung. Damt st folgendes gement: Wenn sch zwe Kurven schneden, dann schneden sch

Mehr

Näherungsverfahren. Wiederhole den Algorithmusbegriff. Erläutere die Begriffe: Klasse der NP-Probleme. Probleme. Probleme. Approximative Algorithmen

Näherungsverfahren. Wiederhole den Algorithmusbegriff. Erläutere die Begriffe: Klasse der NP-Probleme. Probleme. Probleme. Approximative Algorithmen Näherungsverfahren Wederhole den Algorthmusbegrff. Erläutere de Begrffe: Klasse der P-ProblemeP Probleme Klasse der NP-Probleme Probleme Approxmatve Algorthmen Stochastsche Algorthmen ALGORITHMEN Def.:

Mehr

Nernstscher Verteilungssatz

Nernstscher Verteilungssatz Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.

Mehr

Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i

Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i Itemanalyse und Itemkennwerte De Methoden der Analyse der Itemegenschaften st ncht m engeren Snne Bestandtel der Klassschen Testtheore Im Rahmen ener auf der KTT baserenden Testkonstrukton und -revson

Mehr

Lösungen aller Aufgaben und Lernkontrollen

Lösungen aller Aufgaben und Lernkontrollen Oft gbt es be den Aufgaben mehr als nur enen rchtgen Lösungsweg. Es st jedoch mest nur ene Lösung dargestellt. Aufgaben u Kaptel Lösung u Aufgabe a) nach Defnton von. b) 4 ( ) ( ). c) 5 4. d) ( ) (( )

Mehr

Prof. Dr. P. Kischka WS 2012/13 Lehrstuhl für Wirtschafts- und Sozialstatistik. Klausur Statistische Inferenz

Prof. Dr. P. Kischka WS 2012/13 Lehrstuhl für Wirtschafts- und Sozialstatistik. Klausur Statistische Inferenz Prof. Dr. P. Kschka WS 2012/13 Lehrstuhl für Wrtschafts- und Sozalstatstk Klausur Statstsche Inferenz 15.02.2013 Name: Matrkelnummer: Studengang: Aufgabe 1 2 3 4 5 6 7 8 Summe Punkte 6 5 5 5 5 4 4 6 40

Mehr