Quellencodierung. Bild 1: Redundanz- und Irrelevanzreduktion zur Codierung von Audiosignalen [1]

Größe: px
Ab Seite anzeigen:

Download "Quellencodierung. Bild 1: Redundanz- und Irrelevanzreduktion zur Codierung von Audiosignalen [1]"

Transkript

1 Quellencderung Da Zel der Quellencderung t e, de Infrmatn ener Quelle al Datentrm mt ener möglcht gerngen Datenrate zu cderen. De tendgket der Datenreduktn ergbt ch, da be den meten Übertragungkanälen de Bandbrete und damt der maxmal möglche Datenflu bechränkt t bz. man au rtchaftlchen Gechtpunkten ene möglcht gernge Bandbrete n Anpruch nehmen möchte. Bepelee t der Betreber ene Mblfunknetze daran ntereert, n dem hm zur Verfügung tehenden Frequenzband möglcht vele Telnehmerverbndungen aufbauen zu können. De bedeutet m Falle ener Sprachverbndung, da man durch de Quellencderung de zur Übertragung de Sprachgnal benötgte Datenrate möglcht etgehend reduzeren möchte. Dee Datenreduktn t möglch durch da Elmneren der Reduzeren genannter redundanter und rrelevanter Antele der zu übertragenden Infrmatn der achrcht, e e bepelhaft n Bld für de Cderung vn Audgnalen dargetellt rd. Dabe rd en enkanalge Audgnal, da be Abtatung mt 48 khz und ener Quanterung mt 6 Bt be Verendung der Pulcdemdulatn enen Datentrm vn 768 kbt/ erzeugt, mt eta kbt/ cdert, da en Antel am Datentrm vn eta 6 kbt/ al redundant und rrelevant angeehen erden kann. Bld : Redundanz- und Irrelevanzreduktn zur Cderung vn Audgnalen [] Ene achrcht benhaltet redundante Infrmatnantele, enn da de achrcht bechrebende Sgnal betmmte tattche Egenchaften aufet. Flgt bepelee auf en zu übertragende Zechen A n allen Fällen en Zechen B, braucht man de auf da A flgenden Zechen B ncht eparat zu cderen. Da Elmneren redundanter Antele führt zu kenem Infrmatnverlut. Da Quellengnal lät ch bem Empfänger eder fehlerfre rekntrueren. H.G. Hrch DKS SS5

2 Man prcht n deem Fall vn ener verlutfreen (lle) Cderung. Al Bepel ener verlutfreen Cderung, be der redundante Antele entfernt erden, laen ch de Verfahren zur Kmpren vn Dateen auf enem Rechner anführen. Da Entfernen rrelevanter Antele führt hngegen bektv zu enem Infrmatnverlut, der edch vm Menchen al letztlchem Empfänger der achrcht enteder ncht ahrzunehmen t der hn be der Aufnahme der Infrmatn ncht eentlch beenträchtgt. Dazu kann man bepelee de vrhandenen Grenzen der nnephylgchen Wahrnehmungfähgketen de menchlchen Ohre der Auge aunutzen, um rrelevante Antele be Aud-, Sprach- und Bldgnalen zu entfernen. De Cderung vn Mukgnalen gemäß dem al MP-3 bezechneten Verfahren t en Bepel ener Frm der Quellencderung, be der neben redundanten m eentlchen rrelevante Antele entfernt erden. E erden zunächt Verfahren zur Cderung vn Texten der allgemener frmulert zur Cderung de begrenzten Zechenvrrat ener dkreten Quelle vrgetellt. Damt lät ch ene Reduktn redundanter Infrmatnantele errechen. In den nachflgenden Abchntten erden Verfahren zur Cderung vn Sprachgnalen und zur Cderung vn Bldgnalen vrgetellt. Dabe erden neben redundanten auch rrelevante Antele entfernt. Cderung vn Texten der dkreten Quellen De aufenanderflgenden Buchtaben der Zechen ene Texte kann man al Bepel ener Quelle betrachten, de ene Flge dkreter Zechen der Symble generert. Der mttlere Infrmatngehalt ener lchen Quelle, der al Entrpe bezechnet rd, tellt den theretchen Grenzert dar, den man m güntgten Fall mt ener geegneten Cderung erzelen kann. Daher t e nnvll, vr der Cderung de Zechenvrrat ener Quelle, zunächt de Entrpe zu betmmen. Damt t e möglch, de maxmal möglche Datenreduktn abzuchätzen und de Entchedung zu treffen, b ene Quellencderung überhaupt nnvll t. Entrpe E rd ene Quelle betrachtet, de ene Flge vn verchedenen, dkreten Zechen generert. Der Infrmatngehalt ene Zechen deer Quelle t defnert zu x ) bt,2 I ld ld p x,..., ( ) H.G. Hrch 2 DKS SS5

3 Dabe t x ) de Wahrchenlchket für da Auftreten de Zechen x. Der Infrmatngehalt bechrebt zuagen den eugketert ene Zechen. It de Wahrchenlchket für da Auftreten vn x gerng, betzt dee Zechen enen hhen Infrmatngehalt. Umgekehrt t der Infrmatngehalt gerng für Zechen mt ener hhen Auftrttahrchenlchket. Man verendet de Enhet bt zur Bechrebung de Infrmatngehalt. De Entrpe al mttlerer Infrmatngehalt der Quelle lät ch al Erartungert de Infrmatngehalt berechnen: H( X ) E I x ) I x ) ld x ) ld x ) [ bt / Zechen ] x ) De Entrpe berückchtgt al ederum de Wahrchenlchket, mt der da enzelne Zechen x und damt der Infrmatngehalt I auftrtt. Al Enhet rd de Bezechnung bt/zechen der bt/symbl verendet. Bepelhaft rd en Bldgnal betrachtet, da ledglch durch charze und eße Bldpunkte bechreben rd. De Quelle lefert mt ze Zechen, de enteder enen eßen der enen charzen Bldpunkt repräenteren. De Entrpe lät ch mt den Auftrttahrchenlchketen der krrekter frmulert mt den Auftrtthäufgketen ) und ) betmmen zu H ( X ) ) ld Da ) ) Für ) der ) H ( X ) bt Bldpunkt Für ),5 ) ld ) H ( X ) ) ld H ( X ),5 ld ) ) 2,5 ld 2 bt Bldpunkt ) ld ) In Bld 2 t der Verlauf der Entrpe n Abhänggket der Auftrtthäufgket eßer Bldpunkte ) dargetellt. It de Auftrtthäufgket )= der )=, al beteht de Bldvrlage vlltändg au eßen der charzen Bldpunkten, t der mttlere Infrmatngehalt glech ull. Treten charze und eße Bldpunkte mt glecher Häufgket auf, nmmt de Entrpe hren maxmalen Wert vn an. De Entrpe be glechahrchenlchem Auftreten vn verchedenen Zechen bezechnet man al den Entchedunggehalt H p x ld ( ) Für p x H p x ( ) ( ) ld ld H.G. Hrch 3 DKS SS5

4 Bld 2: Entrpe n Abhänggket der Auftrttahrchenlchket ene Zechen Betzt man kene Kenntn über de Auftrttahrchenlchketen der enzelnen Zechen, tellt der Entchedunggehalt H den Wert dar, den man be ener Cderung theretch errechen kann. Augehend vn der bepelhaften Dartellung n Bld 2 für =2, tellt H m Allgemenen für enen belebgen Wert vn den Maxmalert dar: H( X ) H Be Kenntn und Berückchtgung der Auftrttahrchenlchketen ergbt ch al n der Regel en klenerer Wert für de Entrpe, den man durch ene geegnete Cderung theretch errechen kann. De Dfferenz zchen Entchedunggehalt und Entrpe bezechnet man al de Redundanz H H( X ) der Quelle: R H H( X ) r % ( relatve Re dundanz) H De Redundanz bechrebt ablut der relatv den Genn, den man theretch durch Berückchtgung de ncht glechahrchenlchen Auftreten der Zechen errechen kann, hne dabe Infrmatnverlute n Kauf nehmen zu müen. De Größe de redundanten Antel kann zur Entchedung herangezgen erden, b ene Cderung überhaupt nnvll t und elchen Genn man dabe erzelen kann. Al Bepel rd m Flgenden de Entrpe und Redundanz ene deutchen Texte betrachtet. In der nachflgenden Tabelle nd auzugee de Buchtaben und hre Auftrtthäufgket n der deutchen Sprache angegeben. H.G. Hrch 4 DKS SS5

5 Buchtabe E I S T R Y X Häufgket Tabelle : Häufgket der Buchtaben n der deutchen Sprache Der Entchedunggehalt lät ch für =26 Buchtaben betmmen zu 26 4,7 bt Zechen H ld / De Entrpe betzt unter Berückchtgung der Auftrttahrchenlchketen der Buchtaben n der deutchen Sprache den Wert H( X ) Damt betmmt ch de Redundanz zu 26 x ) ld 4,97 bt Zechen x ) / 4,7 4,97 R 4,7 4,97,63 bt / Zechen r % 2,83 % 4,7 Der mttlere Infrmatngehalt nmmt m Fall de Vrhandenen tattcher Abhänggketen aufenanderflgender Zechen klenere Werte an, enn man ncht nur enzelne Zechen, ndern Gruppen vn Zechen cdert. Für da Bepel vn Texten n der deutchen Sprache ergbt ch unter Berückchtgung vn Buchtaben-Paaren ene Entrpe vn 3.5 bt/zechen, m Fall vn Buchtaben-Trplett en Wert vn 3. bt/zechen. Berückchtgt man de Auftrtthäufgketen vn Wörtern und deren tattche Bndung nnerhalb vn Sätzen, ergbt ch de Entrpe zu eta.6 bt/zechen. Damt beträgt de relatve Redundanz eta 66%. Bedngte Entrpe De tattche Bndung aufenanderflgender Zechen lät ch durch de Übergangahrchenlchket bechreben, de auch al bedngte Wahrchenlchket bezechnet rd. Dabe ll de Betrachtung auf de Abhänggket de Auftreten ene Zechen nur vn dem unmttelbar vrhergehenden Zechen bechränkt erden. Man bechrebt de al enen genannten Markff Prze erter Ordnung. Be enem Markff Prze der Ordnung m rd de Abhänggket de Auftreten ene Zechen vn m vrhergehenden Zechen berückchtgt. De bedngte Wahrchenlchket x x ) bechrebt de Wahrchenlchket für da Auftreten ene Zechen x, enn zuvr beret da Zechen x aufgetreten t. De Wahrchenlchket x x ) rd auch al Übergangahrchenlchket bezechnet, da damt de Wahrchenlchket de Übergang vn enem betmmten x zu enem der möglchen x bechreben rd. Au dem Vrauetzen H.G. Hrch 5 DKS SS5

6 de Auftreten vn Zechen x lät ch flgern, da für de Summe der Wahrchenlchketen aller Übergänge vn dem Zechen x zu allen anderen möglchen Zechen gelten mu: p x x Anchaulch lät ch en Markff Prze erter Ordnung n enem Zutandgraphen dartellen, e e bepelhaft für =2 n Bld 3 zu ehen t. 2 ) ) 2 2 2) 2) Bld 3: Zutandgraph ene Markff Przee erter Ordnung mt ze Zutänden De Matrx der Übergangahrchenlchketen lät ch dartellen al x x 2 x x ) ) 2 ) E glt: 2 2) 2 2) ) + 2 ) = 2) + 2 2) = Multplzert man de Übergangahrchenlchket x x ) mt der Wahrchenlchket x ) de Zechen, deen Auftreten vraugeetzt rd, betmmt man de genannte Verbundahrchenlchket, de de Wahrchenlchket für da Auftreten ene Paare aufenanderflgender Zechen x und x bechrebt: px, x px x px Au den Verbundahrchenlchketen laen ch de Auftrttahrchenlchketen der enzelnen Zechen berechnen zu p x, x px x px px px x px px px, x = De Übergang- und de Verbundahrchenlchketen erden m flgenden zahlenmäßg am Bepel ener S/W Bldvrlage betrachtet, für de de m flgenden Zutandgraphen dargetellten bedngten Wahrchenlchketen für da Auftreten eßer bz. charzer Bldpunkte n Abhänggket de vrhergehenden Bldpunkt ermttelt urden: H.G. Hrch 6 DKS SS5

7 ) =.4 ) =.6 3/8 5/8 W S 3/4 Bld 4: Zutandgraph ene Markff Przee erter Ordnung mt ze Zutänden /4 x 5/8 / 4 x, x ) x x ) x ) x ) x x 3/ 8 3/ 4 x x x x 5/8,4 / 4,6 3/8,4 3/ 4,6,25,5,5,45 Der mttlere Infrmatngehalt unter Berückchtgung der tattchen Abhänggketen ene Markff Przee erter Ordnung lät ch al genannte bedngte Entrpe berechnen zu H( Y X ) p x, x ld p x p x x ld p x x p x x De bedngte Entrpe betzt de Enhet bt/zechen, da de bedngte Wahrchenlchket ch auf da Auftreten ene enzelnen Zechen bezeht, nur unter Berückchtgung ene betmmten vrhergehenden Zechen. Für de bedngte Entrpe glt: H( Y X ) H( X ) H Snd tattche Abhänggketen bezüglch der Aufenanderflge der Zechen vrhanden, t der mttlere Infrmatngehalt be Berückchtgung deer tattchen Bndungen gernger al der Infrmatngehalt, der ch au der lerten Betrachtung der enzelnen Zechen ergbt. E ergbt ch en größerer redundanter Antel, der mt ener geegneten Quellencderung entfernt erden kann. Im Flgenden erden Verfahren zur genannten Optmalcderung vrgetellt, mt denen man ene Cderung der enzelnen Zechen der Quelle der vn Blöcken aufenanderflgender Zechen vrnehmen kann. H.G. Hrch 7 DKS SS5

8 Optmalcderung Be der Optmalcderung nutzt man de Kenntn de ncht glechahrchenlchen Auftreten der Zechen au. De ncht glechahrchenlch auftretenden Zechen x erden auf dgtale Cdeörter C mt unterchedlcher Länge, al unterchedlcher Btanzahl, abgebldet. De rd n Bld 5 veranchaulcht. x =,2,, Optmalcderer C = (c,c 2,,c k ) =,2,, und c k {,} und k=,2,, Bld 5: Prnzp der Optmalcderung Dabe erden Zechen, de mt ener hhen Wahrchenlchket auftreten, auf kurze Cdeörter mt ener gerngen Anzahl bnärer Elemente und umgekehrt Zechen mt ener gerngen Auftrttahrchenlchket auf lange Cdeörter mt ener größeren Anzahl vn Bnärtellen abgebldet. Letztlch erhält man durch de Cderung Cdeörter mt ener mttleren L E Cdertlänge vn x ) Man kann ch durch ene derartge Cderung dem theretchen Grenzert, der n Frm der Entrpe gegeben t, annähern: H( X ) L De Effzenz der Cderung kann man al de genannte Cde-Redundanz angeben: c r L H( X ) % L Dee Cde-Redundanz bechrebt den relatven Infrmatnantel de dkreten Cde mt unglech langen Cdeörtern, der nch redundant t m Verglech zur Entrpe der Quelle. De Größe der Cde-Redundanz kann man flglch auch al en Maß anehen, neet der gefundene Cde ncht ptmal t. Im Flgenden rd en Verfahren zur Betmmung vn Optmalcde vrgetellt, de Cderung nach dem Verfahren vn Huffman. Daneben extert da her ncht näher vrgetellte Verfahren vn Shannn-Fan, mt dem nahezu de glechen Cderungergebne erzelt erden e mt dem Verfahren vn Huffman. Da Zel beder Cderverfahren t en glechahrchenlche Auftreten der Bnärerte und be eder Bnärtelle ene Cdert. We n dem vrhergehenden H.G. Hrch 8 DKS SS5

9 Kaptel zur Infrmatnthere gezegt urde, betzt de enzelne Bnärtelle dann hren maxmalen Infrmatngehalt, enn de beden Werte und glechahrchenlch auftreten. Darau flgt da Kntruktnprnzp, de zu cderenden Zechen n Gruppen mt möglcht glech grßer Auftrttahrchenlchket anzurdnen. De Weteren müen de Cdeörter bem Empfänger endeutg decderbar en. Darau flgt de prnzpelle Bedngung, da be der Betrachtung der unglech langen Cdeörter ken Cdert lnker Betandtel ene anderen Cdert en darf. Be ener achrchtenübertragung mt ener derartgen Cderung der Zechen kann e m Fall ener getörten Übertragung lecht zu Synchrnatnprblemen kmmen aufgrund der unterchedlchen Cdertlängen. Daher erden be praktchen Anendungen al Betandtel de Datentrm Synchrnatnequenzen engefügt und übertragen. Verfahren nach Huffman Be der Cderung nach Huffman betrachtet man de beden Zechen der m eteren Verlauf de beden Gruppen vn Zechen mt der gerngten Auftrttahrchenlchket und fat dee zu ener neuen Untergruppe zuammen. Im Rahmen der Zuammenfaung erflgt dabe de Zurdnung vn und für ene Bnärtelle de Cde. Dabe verflgt man de Zeletzung, de enzelnen Zechen n Gruppen mt möglcht glech grßer Wahrchenlchket zuammenzufaen, b man letztlch alle Zechen zuammengefat hat und damt für ede Zechen en Cdert gefunden hat. Für de Cderung nach Huffman erden de Zechen mt fallender Auftrttahrchenlchket angerdnet, e e bepelhaft n Tabelle 2 für =6 Zechen zu ehen t. Danach erden de dre flgenden Cderchrtte frtgeetzt angeendet, b für ede Zechen en Cdert gefunden urde: ) Zuammenfaung der beden Zechen der Untergruppen vn Zechen mt gerngter Wahrchenlchket zu ener neuen Untergruppe, deren Auftrttahrchenlchket der Summe der Auftrttahrchenlchketen der zuammengefaten Zechen bz. der n den Untergruppen enthaltenen Zechen entprcht. 2) Zurdnung ener bnären bz. al ene Bnärtelle de Cdert be den beden zuammengefaten Zechen der Untergruppen. 3) eurdnung der verblebenden Zechen und Untergruppen nach fallender Auftrttahrchenlchket, be de zuletzt neu enttandene Untergruppe möglcht et nach ben rückt. H.G. Hrch 9 DKS SS5

10 . Schrtt 2. Schrtt 3. Schrtt 4. Schrtt 5. Schrtt x x ) x x ) x x ) x x ) x x ) Cde A,4 A,4 A,4 B,E,F,4 A,C,D,6 B,2 E,F,2 C,D,2 A,4 B,E,F,4 C, B,2 E,F,2 C,D,2 D, C, B,2 E, D, F, Tabelle 2: Optmalcderung nach Huffman Abchleßend kann man nach der vlltändgen Zuammenfaung aller Zechen und Untergruppen durch rückärtge Verflgen der Zuammenfaungen und der dabe zugerdneten Bnärerte de Cdeörter der enzelnen Zechen ableen. De Entrpe und de mttlere Cdertlänge laen ch betmmen zu H ( X ) L 6 6 x ) x ) ld,4 ld 2,5,2 ld 5 4, ld 2,32 bt / Zechen x ),4 2,2 2 4, 3 2,4 bt / Zechen L H( X ) 2,4 2,32 Darau reultert ene Cde-Redundanz vn c r % % 3,3 % L 2,4 De Decderung der enzelnen Zechen au den unterchedlch langen Cdeörtern kann mt Hlfe ene Entchedungbaum vrgenmmen erden, e er n Bld 2.6 dargetellt t. ABCDEF ACD BEF A B EF F H.G. Hrch DKS SS5 C D E

11 Bld 2.6: Entchedungbaum zur Decderung de Optmalcde Ene rklch ptmale Cderung n dem Snn, da de mttlere Cdertlänge glech der Entrpe H(X) t, kann man nur n dem Fall errechen, da de enzelnen Zechen und mt auch de Untergruppen vn Zechen mt Wahrchenlchketen /2 mt =,2,3, auftreten. ur n deem Fall ergeben ch en glechahrchenlche Auftreten vn und be eder Bnärtelle und damt ene Maxmerung de Infrmatngehalt e Bnärtelle. Cderung vn Zechengruppen Snd tattche Abhänggketen der Aufenanderflge vn Zechen vrhanden, kann man de Effzenz durch ene Cderung vn Gruppen aufenanderflgender Zechen tegern. Der theretche Grenzert t dabe de bedngte Entrpe H(Y/X), de klener al de Entrpe H(X) t. De Cderung vn Zechengruppen brngt auch enen Genn m Fall der tattchen Unabhänggket, enn ch be der Cderung der enzelnen Zechen ene relatv hhe Cde- Redundanz ergeben hat. E ergbt ch ene Reduktn der Cde-Redundanz durch ene beere Annäherung der Auftrttahrchenlchketen der Zechenpaare an de zuvr genannte Bedngung, da de Zechen der Untergruppen mt Wahrchenlchketen /2 mt =,2,3, auftreten. Bepelhaft rd ene Scharz-/Weß-Bldvrlage betrachtet, be der de eßen Bldpunkte mt der Wahrchenlchket )=,3 und de charzen Bldpunkte mt der Wahrchenlchket )=,7 auftreten. Damt ergbt ch de Entrpe zu H(X) = -,3ld,3,7ld,7 =,883 bt/bldpunkt. Würde man eden enzelnen Bldpunkt cderen, könnte man den eßen Bldpunkten ene und den charzen ene zurdnen. De mttlere Cdertlänge t damt bt/bldpunkt und de Cde-Redundanz beträgt,9%. mmt man zunächt ene tattche Unabhänggket aufenanderflgender Bldpunkte an, ergeben ch de Verbundahrchenlchketen, de da Auftreten betmmter Bldpunktpaare bechreben, zu H.G. Hrch DKS SS5

12 x, x ) x ) x ) x x,9,2,2,49 mmt man ene Cderung nach Huffman für dee Bldpunktpaare vr, ergbt ch der n Tabelle 3 dargetellte Cde.. Schrtt 2. Schrtt 3. Schrtt x x ) x x ) x x ) Cde,49,49,,,5,2,,3,49,2,2,9 Tabelle 3: Optmalcderung vn Zechenpaaren nach Huffman De mttlere Cdertlänge und de Cde-Redundanz ergeben ch zu H ( X, Y ) L c r 4 2 2,7626 bt / Bldpunktpaar,883 bt / Bldpunkt x ) x, x ) ld x, x,49,2 2,3 3,8 bt / Bldpunktpaar L H ( X, Y ),8,7626 % % 2,62 % L,8,49ld,49 2,2ld,2,9ld,9 ) Den mttleren Infrmatngehalt der Bldpunktpaare kann man m Fall der tattchen Unabhänggket alternatv auch al H(X,Y) = H(X) + H(Y) = 2 H(X) berechnen. Man kann erkennen, da ch durch ene Betrachtung vn Bldpunktpaaren de Cde-Redundanz reduzeren lät und damt ene effzentere Quellencderung möglch macht. Dee Vrgehenee kann man eter frtetzen, n dem man Gruppen mt 3 der mehr aufenanderflgenden Bldpunkten betrachtet. H.G. Hrch 2 DKS SS5

13 De bher angetellte Betrachtung geht vn der tattchen Unabhänggket aufenanderflgender Bldpunkte au. In der Regel nd edch be enem Bld tattchen Abhänggketen vrhanden, a de Aufenanderflge vn charzen und eßen Bldpunkten angeht. Dazu kann man möglcht vele typche Blder, de man cderen möchte, auf de Abflge der Werte vn charz und eß hn analyeren und darau de Übergangahrchenlchketen x x ) zur Bechrebung der Genererung der charz/eßerte al Markff Prze erter Ordnung betmmen. Bepelhaft ll de nachtehende Matrx der Übergangahrchenlchketen betrachtet erden, deren Werte au enem entprechenden Analyeprze hervrgegangen nd: x x ),75,7,25,893 Mt deen Übergangahrchenlchketen und den chn zuvr verendeten Wahrchenlchketen )=,3 und )=,7 laen ch de Verbund- der Paarahrchenlchketen berechnen: x, x ) x x ) x ),75,3,7,7,25,3,893,7,225,75,75,625 Der mttlere Infrmatngehalt unter Berückchtgung der tattchen Abhänggketen ene Markff Przee erter Ordnung lät ch al genannte bedngte Entrpe berechnen zu H ( Y X ) p x, x ld px x,225ld,75ld,75ld.7,625ld,5872 bt Bldpunkt.893 Au dem Verglech de Wert vn,5872 bt/bldpunkt mt der Entrpe H(X)=,883 bt/bldpunkt, de für de lerte Betrachtung der enzelnen Bldpunkte bz. m Fall der tattchen Unabhänggket den theretchen Grenzert für ene Cderung dartellt, lät ch ableten, da m Fall tattcher Abhänggketen ene deutlch effzentere Cderung möglch en llte. De praktche Umetzung kann n Frm der Cderung ener betmmten Anzahl aufenanderflgender Zechen, m enfachten Fall der Cderung vn Bldpunktpaaren, erflgen De Auftrttahrchenlchketen x,x, ) der Bldpunktpaare können benutzt erden, um damt enen Optmalcde nach Huffman zu betmmen: H.G. Hrch 3 DKS SS5

14 . Schrtt 2. Schrtt 3. Schrtt x x ) x x ) x x ) Cde,625,625,,,625,225,225,375,75,,5,75 Tabelle 4: Optmalcderung vn Zechenpaaren nach Huffman De mttlere Cdertlänge und de Cderedundanz, de ch au dem Verglech der mttleren Cdertlänge mt dem theretchen Grenzert H(Y/X) berechnen lät, nehmen de flgenden Werte an. H ( X, Y ) L c r 2,7626 bt / Bldpunktpaar,883 bt / Bldpunkt x, x x, x ) ) ld x, x,49ld,49 2,2ld,2,9ld,9 ),625, ,753,525 bt Bldpunktpaar L 2 H ( Y / X ),525 2,5872 % % 22,98 % L,525 Au der relatv hhen Cderedundanz vn eta 22 % lät ch ableten, da man durch de Cderung vn Blöcken mt ener größeren Anzahl vn Bldpunkten ene nch effzentere Quellencderung möglch en llte. Quellenangabe zu Bldern: [] U. Remer: DVB Dgtale Fernehtechnk, Sprnger Verlag H.G. Hrch 4 DKS SS5

Kapitel 7. Netzplantechnik CPM/PERT. - Bezeichnung der Aktivitäten und ihre Beschreibung - Festlegung der Vorgänger - Dauer der Aktivitäten

Kapitel 7. Netzplantechnik CPM/PERT. - Bezeichnung der Aktivitäten und ihre Beschreibung - Festlegung der Vorgänger - Dauer der Aktivitäten Kaptel 7 Netzplantechnk CPM/PER ALG. 7. 1 (CPM) Schrtt 1 (Aulten der Aktvtäten): Stelle ene abelle au mt olgenden Inormatonen: - Bezechnung der Aktvtäten und hre Bechrebung - Fetlegung der Vorgänger -

Mehr

Kurzinformation zu ergänzenden Modulen und Dienstleistungen der B.K.L.-isos GmbH beim Einsatz von SER DOMEA

Kurzinformation zu ergänzenden Modulen und Dienstleistungen der B.K.L.-isos GmbH beim Einsatz von SER DOMEA B.K.L. - Integratnervce für ffene Syteme Kurznfrmatn zu ergänzenden Mdulen und Dentletungen der B.K.L.- bem Enatz vn SER DOMEA Stand: 5/2003 De B.K.L.- t et velen Jahren DOMEA -Partner und hat für Kunden

Mehr

Streuungs-, Schiefe und Wölbungsmaße 1

Streuungs-, Schiefe und Wölbungsmaße 1 aptel IV Streuung-, Schefe und Wölbungmaße B... Lagemaße von äufgketvertelungen geben allen weng Aukunft über ene äufgketvertelung. Se bechreben zwar en Zentrum deer Vertelung, geben aber kenen Anhaltpunkt

Mehr

Schätzfehler in der linearen Regression (1) Einführung

Schätzfehler in der linearen Regression (1) Einführung Schätzfehler ( Reduum: Schätzfehler n der lnearen Regreon ( e Enführung Zel der Regreontattk t e, Schätzglechungen nach dem Krterum der klenten Quadrate aufzutellen und anzugeben, we groß der jewelge Schätzfehler

Mehr

Gruppe. Lineare Block-Codes

Gruppe. Lineare Block-Codes Thema: Lneare Block-Codes Lneare Block-Codes Zele Mt desen rechnerschen und expermentellen Übungen wrd de prnzpelle Vorgehenswese zur Kanalcoderung mt lnearen Block-Codes erarbetet. De konkrete Anwendung

Mehr

Produkt-Moment-Korrelation (1) - Einführung I -

Produkt-Moment-Korrelation (1) - Einführung I - Produkt-Moment-Korrelaton - Enführung I - Kennffer ur Bechreung de lnearen Zuammenhang wchen we Varalen X und Y. Bechret de Rchtung und de Enge de Zuammenhang m Snne von je... deto... oder wenn... dann...

Mehr

Validierung der Software LaborValidate Testbericht

Validierung der Software LaborValidate Testbericht Valderung der Software LaborValdate Tetbercht De Software LaborValdate dent dazu Labormethoden zu Valderen. Dazu mu nachgeween en, da de engeetzten Funktonen dokumentert und nachvollzehbar nd. De Dokumentaton

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

3 g-adische Ziffernentwicklung reeller Zahlen

3 g-adische Ziffernentwicklung reeller Zahlen 1 3 g-adche Zffernentwcklung reeller Zahlen In deem Kaptel e tet 2 g N und Z g = {0, 1, 2, 3,..., g 1} N. Motvaton: Wr wollen jede potve reelle Zahl x > 0 n der Ba g 2 dartellen (g-adche Dartellung von

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

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

II. Das Bestimmtheitsmaß R 2

II. Das Bestimmtheitsmaß R 2 II. Da Betmmthetmaß R Bepel: (a) ( ) ( )( ) - - 6 6 b ˆ /, und b ˆ, ˆ +, (b) ( ) ( )( ) - / -/ / / 6 6 b ˆ /, und b ˆ, ˆ +, D.h. de KQ-Geraden nd n beden Fällen glech, aber 7. Elementare Regrenrechnung

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

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

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

3 Einführung und Validierung von Analysenmethoden

3 Einführung und Validierung von Analysenmethoden MEBAK 3 Enführung und Valderung von Analenmethoden 3 Enführung und Valderung von Analenmethoden 3. Allgemene Be der Enführung von neuen Methoden kann man grundätzlch dre Fälle untercheden: - Enführung

Mehr

Algorithmische Bioinformatik

Algorithmische Bioinformatik Algorthmche Bonformatk HMM Algorthmen: Forward-Backward Baum-Welch Anwendung m equenzalgnment Ulf Leer Wenmanagement n der Bonformatk Formale Defnton von HMM Defnton Gegeben Σ. En Hdden Markov Modell t

Mehr

AUFGABEN ZUR INFORMATIONSTHEORIE

AUFGABEN ZUR INFORMATIONSTHEORIE AUFGABEN ZUR INFORMATIONSTHEORIE Aufgabe Wr betrachten das folgende Zufallsexperment: Ene fare Münze wrd so lange geworfen, bs erstmals Kopf erschent. De Zufallsvarable X bezechne de Anzahl der dazu notwendgen

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

SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT

SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT Smulaton von Hybrdfahrzeugantreben mt optmerter Synchronmaschne 1 SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT OPTIMIERTER SYNCHRONMASCHINE H. Wöhl-Bruhn 1 EINLEITUNG Ene Velzahl von Untersuchungen hat sch

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

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

Klasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten

Klasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten Versuch r. 1: achwes des Hook schen Gesetzes und Bestmmung der Federkonstanten achwes des Hookeschen Gesetzes und Bestmmung der Federkonstanten Klasse : ame1 : ame 2 : Versuchszel: In der Technk erfüllen

Mehr

isos Integrationsservice für offene Systeme

isos Integrationsservice für offene Systeme Integratnervce für ffene Syteme Kurzdartellung LnDek für DOMEA Stand: 07/2008 Kurzdartellung LnDek für DOMEA Sete 1 vn 59 Dreden, 07/2008 Integratnervce für ffene Syteme Impreum Dee Dkument tellt ene Bechrebung

Mehr

Contents blog.stromhaltig.de

Contents blog.stromhaltig.de Contents We hoch st egentlch Ihre Grundlast? Ene ncht ganz unwchtge Frage, wenn es um de Dmensonerung ener senannten Plug&Play Solar-Anlage geht. Solarsteckdosensystem für jermann, auch für Meter lautete

Mehr

folgende Wärmeübergangsbeziehung: Nu = 0, 664 Re

folgende Wärmeübergangsbeziehung: Nu = 0, 664 Re Aufgabe 3.5: Berechnung ene Wärmeübergangkoezenten En Körper mt der Oberäche A = 1 m 2 und der Temperatur ϑ W = 30 C wrd mt Luft der Temperatur ϑ F = 10 C (Druck p = 1 bar) angetrömt. De Gechwndgket der

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

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

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

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

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

Datenaufbereitung und -darstellung III

Datenaufbereitung und -darstellung III Datenafberetng nd Darstellng 1 Glederng: Zel der Datenafberetng nd Darstellng Datenverdchtng Tabellen nd grafsche Darstellngen Darstellng nvarater Datenmengen (Abschntt 4.4 Darstellng mltvarater Daten

Mehr

Franzis Verlag, 85586 Poing ISBN 978-3-7723-4046-8 Autor des Buches: Leonhard Stiny

Franzis Verlag, 85586 Poing ISBN 978-3-7723-4046-8 Autor des Buches: Leonhard Stiny eseproben aus dem Buch "n mt en zur Elektrotechnk" Franzs Verlag, 85586 Pong ISBN 978--77-4046-8 Autor des Buches: eonhard Stny Autor deser eseprobe: eonhard Stny 005/08, alle echte vorbehalten. De Formaterung

Mehr

11 Chemisches Gleichgewicht

11 Chemisches Gleichgewicht 11 Chemsches Glechgewcht 11.1 Chemsche Reaktonen und Enstellung des Glechgewchts Untersucht man den Mechansmus chemscher Reaktonen, so wrd man dese enersets mt enem mkroskopschen oder knetschen Blck auf

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

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale 3. De Kennzechnung von Patkeln 3..1 Patkelmekmale De Kennzechnung von Patkeln efolgt duch bestmmte, an dem Patkel mess bae und deses endeutg beschebende physka lsche Gößen (z.b. Masse, Volumen, chaaktestsche

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

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz): LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete

Mehr

FORMELSAMMLUNG STATISTIK (I)

FORMELSAMMLUNG STATISTIK (I) Statst I / B. Zegler Formelsammlng FORMELSAMMLUG STATISTIK (I) Statstsche Formeln, Defntonen nd Erläterngen A a X n qaltatves Mermal Mermalsasprägng qanttatves Mermal Mermalswert Anzahl der statstschen

Mehr

Wahl auf Bäumen: FireWire

Wahl auf Bäumen: FireWire Wahl auf Bäumen: FreWre IEEE 94 Hgh Performance Seral Bus (FreWre) Internatonaler Standard Hochgeschwndgketsbus Transport von dgtalen Audo- und Vdeo-Daten 400 Mbps (94b: 800 MBps... 3200 Mbps) Hot-pluggable

Mehr

Gewichtetes arithmetisches Mittel und Streuung

Gewichtetes arithmetisches Mittel und Streuung Dpl.-Kaufm. Wolfgang Schmtt u mener Skrptenrehe: " Kene ngt vor... " ugewählte Themen der dekrptven Stattk Gewchtete arthmetche Mttel und Streuung Modellaufgabe Übungen Löungen www.nf-lernen.de Modellaufgabe:

Mehr

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung: Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab

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

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

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

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

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07 Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 3.Auflage Dese Broschüre hlft bem Verfassen und Betreuen von Maturaarbeten. De 3.Auflage

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

Einführung und Validierung von Analysenmethoden

Einführung und Validierung von Analysenmethoden Enführung und Valderung von Analyenmethoden Allgemene Enführung und Valderung von Analyenmethoden Be der Enführung von neuen Methoden können grundätzlch dre Fälle untercheden werden: - Enführung offzeller

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

Systems Engineering Übung 4: Designauswahlzyklus

Systems Engineering Übung 4: Designauswahlzyklus 1. Vrntenbldung Sytem Engneerng Übung 4: Degnuhlzylu (SoSe2011) Um de Anforderungen u Übung 1 zu erfüllen müen Löunglterntven ertellt erden. Löunglterntven nd her verchedene Vrnten von Rumnzügen. Stellen

Mehr

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden. Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve

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

1.1 Grundbegriffe und Grundgesetze 29

1.1 Grundbegriffe und Grundgesetze 29 1.1 Grundbegrffe und Grundgesetze 9 mt dem udrtschen Temperturkoeffzenten 0 (Enhet: K - ) T 1 d 0. (1.60) 0 dt T 93 K Betrchtet mn nun den elektrschen Wderstnd enes von enem homogenen elektrschen Feld

Mehr

Grundgedanke der Regressionsanalyse

Grundgedanke der Regressionsanalyse Grundgedanke der Regressonsanalse Bsher wurden durch Koeffzenten de Stärke von Zusammenhängen beschreben Mt der Regressonsrechnung können für ntervallskalerte Varablen darüber hnaus Modelle geschätzt werden

Mehr

Eine kurze Einführung in die Dichtefunktionaltheorie (DFT)

Eine kurze Einführung in die Dichtefunktionaltheorie (DFT) Ene kurze Enführung n de Dchtefunktonaltheore (DFT) Mchael Martns Lteratur: W. Koch, M.C. Holthausen A Chemst s Gude to Densty Functonal Theory Wley-VCH 2001 Dchtefunktonaltheore p.1 Enletung Im Falle

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

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

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

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

R R R R R. Beim Herausziehen des Weicheisenkerns steigt die Stromstärke.

R R R R R. Beim Herausziehen des Weicheisenkerns steigt die Stromstärke. . Selbstndukton Spule mt Wechesenkern Wrd en Wechesenkern n ene stromdurchflossene Spule hnengeschoben, so snkt vorübergehend de Stromstärke I. Erklärung: Das Esen erhöht de Flussdchte B und damt den magnetschen

Mehr

Musterlösung zu Übung 4

Musterlösung zu Übung 4 PCI Thermodynamk G. Jeschke FS 05 Musterlösung zu Übung erson vom 6. Februar 05) Aufgabe a) En Lter flüssges Wasser egt m H O, l ρ H O, l L 998 g L 998 g. ) De Stoffmenge n H O, l) von enem Lter flüssgen

Mehr

Copyright 2004 by AMA Musikverlag. Probeseiten. Abenteuer Gitarre

Copyright 2004 by AMA Musikverlag. Probeseiten. Abenteuer Gitarre Coyrght by AMA Muskverlag Probeseten Abenteuer Gtarre Coyrght by AMA Muskverlag Probeseten Abenteuer Gtarre Coyrght by AMA Muskverlag Probeseten Abenteuer Gtarre 6 Fngergymnastk für de lnke Hand Dese Übungen

Mehr

Statistik und Wahrscheinlichkeit

Statistik und Wahrscheinlichkeit Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse

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

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

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

Übung zu Erwartungswert und Standardabweichung

Übung zu Erwartungswert und Standardabweichung Aufgabe Übung zu Erwartungswert und Standardabwechung In ener Lottere gewnnen 5 % der Lose 5, 0 % der Lose 0 und 5 % der Lose. En Los kostet 2,50. a)berechnen Se den Erwartungswert für den Gewnn! b)der

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

Datenaufbereitung und Darstellung

Datenaufbereitung und Darstellung Datenaufberetung und Darstellung 1 Glederung: Zel der Datenaufberetung und Darstellung Datenverdchtung Tabellen und grafsche Darstellungen Darstellung unvarater Datenmengen Darstellung multvarater Daten

Mehr

6. Modelle mit binären abhängigen Variablen

6. Modelle mit binären abhängigen Variablen 6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch

Mehr

Statistische Berichte

Statistische Berichte Statstsche Berchte De Entcklung der Bevölkerung m Saarland 2014 bs 2060 Ergebnsse der 13. koordnerten Bevölkerungsvorausberechnung Altersaufbau der Bevölkerung m Saarland Altersjahre 100 95 90 85 80 75

Mehr

Bildverarbeitung Herbstsemester 2012. Bildspeicherung

Bildverarbeitung Herbstsemester 2012. Bildspeicherung Bldverarbetung Herbstsemester 2012 Bldspecherung 1 Inhalt Bldformate n der Überscht Coderung m Überblck Huffman-Coderung Datenredukton m Überblck Unterabtastung Skalare Quantserung 2 Lernzele De wchtgsten

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

Praktikum Physikalische Chemie I (C-2) Versuch Nr. 6

Praktikum Physikalische Chemie I (C-2) Versuch Nr. 6 Praktkum Physkalsche Cheme I (C-2) Versuch Nr. 6 Konduktometrsche Ttratonen von Säuren und Basen sowe Fällungsttratonen Praktkumsaufgaben 1. Ttreren Se konduktometrsch Schwefelsäure mt Natronlauge und

Mehr

Regressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n

Regressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n Regressonsgerade x x x x 3... x n y y y y 3... y n Bem Auswerten von Messrehen wrd häufg ene durch theoretsche Überlegungen nahegelegte lneare Bezehung zwschen den x- und y- Werten gesucht, d.h. ene Gerade

Mehr

1 BWL 4 Tutorium V vom 15.05.02

1 BWL 4 Tutorium V vom 15.05.02 1 BWL 4 Tutorum V vom 15.05.02 1.1 Der Tlgungsfaktor Der Tlgungsfaktor st der Kehrwert des Endwertfaktors (EWF). EW F (n; ) = (1 + )n 1 T F (n; ) = 1 BWL 4 TUTORIUM V VOM 15.05.02 (1 ) n 1 Mt dem Tlgungsfaktor(TF)

Mehr

Physikalisches Anfängerpraktikum Teil 2 Versuch PII 33: Spezifische Wärmekapazität fester Körper Auswertung

Physikalisches Anfängerpraktikum Teil 2 Versuch PII 33: Spezifische Wärmekapazität fester Körper Auswertung Physkalsches Anfängerpraktkum Tel 2 Versuch PII 33: Spezfsche Wärmekapaztät fester Körper Auswertung Gruppe M-4: Marc A. Donges , 060028 Tanja Pfster, 204846 2005 07 spezfsche Wärmekapaztäten.

Mehr

Alternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF

Alternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF Alternatve Darstellung des -Stchprobentests für Antele DCF CF Total n= 111 11 3 Response 43 6 69 Resp. Rate 0,387 0,3 0,309 Beobachtete Response No Response Total absolut DCF 43 68 111 CF 6 86 11 69 154

Mehr

Abbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)).

Abbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)). 44 n n F F a) b) Abbldung 3.: Besetzungszahlen enes Fermgases m Grundzustand (a)) und für ene angeregte Konfguraton (b)). 3.3 Ferm Drac Statstk In desem Abschntt wollen wr de thermodynamschen Egenschaften

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

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

Grundlagen der Technischen Informatik. 9. Übung

Grundlagen der Technischen Informatik. 9. Übung Grundlagen der Technschen Informatk 9. Übung Chrstan Knell Kene Garante für Korrekt-/Vollständgket 9. Übungsblatt Themen Aufgabe 1: Aufgabe 2: Aufgabe 3: Komparator Adderer/Subtraherer Mehr-Operanden-Adderer

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

Das zum dualen Problem (10.2) gehörige Barriere-Problem lautet analog

Das zum dualen Problem (10.2) gehörige Barriere-Problem lautet analog 60 Kaptel 2. Lneare Optmerung 10 Innere-Punkte-Verfahren Lteratur: Geger, Kanzow, 2002, Kaptel 4.1 Innere-Punkte-Verfahren (IP-Verfahren) oder nteror pont methods bewegen sch m Gegensatz zum Smplex-Verfahren

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

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

Qualitative Evaluation einer interkulturellen Trainingseinheit

Qualitative Evaluation einer interkulturellen Trainingseinheit Qualtatve Evaluaton ener nterkulturellen Tranngsenhet Xun Luo Bettna Müller Yelz Yldrm Kranng Zur Kulturgebundenhet schrftlcher und mündlcher Befragungsmethoden und hrer Egnung zur Evaluaton m nterkulturellen

Mehr

Erzeugung mit einer rotierenden flachen Spule

Erzeugung mit einer rotierenden flachen Spule 2. Snuförmge Wechelpannung De elektromagnetche Indukton t ene der Grundlagen unerer technchen Zvlaton. Der Strom, der au der Steckdoe kommt, t bekanntlch en Wecheltrom. De hn verurachende Wechelpannung

Mehr

Der stöchiometrische Luftbedarf einer Reaktion kann aus dem Sauerstoffbedarf der Reaktion und der Zusammensetzung der Luft berechnet werden.

Der stöchiometrische Luftbedarf einer Reaktion kann aus dem Sauerstoffbedarf der Reaktion und der Zusammensetzung der Luft berechnet werden. Stoffwerte De Stoffwerte für de enzelnen omponenten raftstoff, Luft und Abgas snd den verschedenen Stellen aus den Lteraturhnwesen zu entnehmen, für enge Stoffe sollen jedoch de grundlegenden Zusammenhänge

Mehr

4 Digitale Filter und Bildoperationen

4 Digitale Filter und Bildoperationen Dgtale Flter und Bldoperatonen 51 4 Dgtale Flter und Bldoperatonen Blder welche durch ene Kamera augenommen wurden snd otmals ncht drekt ür ene nacholgende Bldanalyse geegnet. Gründe daür snd bespelswese

Mehr

Free Riding in Joint Audits A Game-Theoretic Analysis

Free Riding in Joint Audits A Game-Theoretic Analysis . wp Wssenschatsorum, Wen,8. Aprl 04 Free Rdng n Jont Audts A Game-Theoretc Analyss Erch Pummerer (erch.pummerer@ubk.ac.at) Marcel Steller (marcel.steller@ubk.ac.at) Insttut ür Rechnungswesen, Steuerlehre

Mehr

(2) i = 0) in Abhängigkeit des Zeitunterschieds x ZeitBus ZeitAuto für seinen Arbeitsweg.) i = 1) oder Bus ( y

(2) i = 0) in Abhängigkeit des Zeitunterschieds x ZeitBus ZeitAuto für seinen Arbeitsweg.) i = 1) oder Bus ( y 5. Probt-Modelle Ökonometre II - Peter Stalder "Bnar Choce"-Modelle - Der Probt-Ansatz Ene ncht drekt beobachtbare stochastsche Varable hängt von x ab: x u 2 u ~ N(0, ( Beobachtet wrd ene bnäre Varable

Mehr

ME II, Prof. Dr. T. Wollmershäuser. Kapitel 2 Das IS-LM-Modell

ME II, Prof. Dr. T. Wollmershäuser. Kapitel 2 Das IS-LM-Modell ME II, Prof. Dr. T. Wollmershäuser Kaptel 2 Das IS-LM-Modell Verson: 26.04.2011 2.1 Der Gütermarkt De gesamte Güternachfrage Z (Verwendung des BIP) lässt sch we folgt darstellen: Z C+ I + G ME II, Prof.

Mehr

Technische Universität München Zentrum Mathematik Diskrete Optimierung: Fallstudien aus der Praxis. Das Cutting Stock-Problem

Technische Universität München Zentrum Mathematik Diskrete Optimierung: Fallstudien aus der Praxis. Das Cutting Stock-Problem 1 Problem Technsche Unverstät München Zentrum Mathematk Dskrete Optmerung: Fallstuden aus der Praxs Barbara Wlhelm Mchael Rtter Das Cuttng Stock-Problem Ene Paperfabrk produzert Paperrollen der Brete B.

Mehr

1 Definition und Grundbegriffe

1 Definition und Grundbegriffe 1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:

Mehr

EAU SWH l$,0, wohngebäude

EAU SWH l$,0, wohngebäude EAU SWH l$,0, wohngebäude gemäß den $$ 6 ff, Energeensparverordnung (EnEV) :,:: Gültsbs: 09208 Gebäude Gebäudetyp Altbau Mehrfamlenhaus Adresse Hardstraße 3 33, 40629 Düsseldorf Gebäudetel Baujahr Gebäude

Mehr

Neue Erfahrungen und Erkenntnisse bei der Regionalisierung von Input- Output-Tabellen

Neue Erfahrungen und Erkenntnisse bei der Regionalisierung von Input- Output-Tabellen Neue Erfahrungen und Erkenntnsse be der Regonalserung von Input- Output-Tabellen Tobas Kronenberg & Johannes Többen 7. Input-Output-Workshop Osnabrück, 03.-04.04.2014 Inhalt Enführung Nonsurvey-Methoden

Mehr

Mikroökonomik. 5.5 Preisstrategien

Mikroökonomik. 5.5 Preisstrategien Mkroökonomk 5.5 Presstrategen 5.5. Presskrmnerung Arten von Presskrmnerung nach Pgou: ersten Graes: Kunen zahlen für jee Enhet hren Reservatonsres zweten Graes: Kunen zahlen ro Enhet n Abhänggket von er

Mehr

SS 2017 Torsten Schreiber

SS 2017 Torsten Schreiber SS Torsten Schreber e den Ebenen unterscheden wr de und de prmeterfree Drstellung. Wenn wr ene Ebenenglechung durch dre Punkte bestmmen wollen, so müssen de zugehörgen Vektoren sen, d es sonst nur ene

Mehr