Einführung in die Geostatistik (4) Fred Hattermann (Vorlesung), Michael Roers (Übung),
|
|
- Minna Kohler
- vor 7 Jahren
- Abrufe
Transkript
1 Einfürung in die Geostatistik (4) Fred Hattermann (Vorlesung), Micael Roers (Übung),
2 Gliederung 4 Grundlegende (geo-)statistisce Annamen 4. Stationarität erster und zweiter Ordnung 4. Intrinsisce Hypotese 4.3 Vergleic der Hypotesen 5 Variogrammscätzung 5. Experimentelle Variogramme 5. Teoretisce Variogramme 5.3 Variogrammanpassung
3 4 Einfürung Geostatistik Geostatistik im weiteren Sinne: Anwendung von statistiscen Metoden in den Geowissenscaften. Geostatistik im engeren Sinne: Analyse und Modellierung räumlicer Pänomene unter Nutzung statistiscer Metoden G. Materon: Geostatistik ist die Anwendung der Formalismen von Zufallsfunktionen auf die Erkundung und Scätzung natürlicer Pänomene, die als ortsabängige (ortsgebundene, regionalisierte) Variablen statistisc gesetzmäßig räumlic variieren. Scwerpunkt der Vorlesung und Übung: D
4 4 Einfürung Geostatistik D.G. Krige: Anwendung statistiscer Tecniken zur Erkundung von Goldlagerstätten in Südafrika in den 50iger Jaren des 0. Jarunderts G. Materon: Entwicklung eines teoretiscen Konzeptes zu den von Krige entwickelten Metoden in den 60iger Jaren des 0. Jarunderts Ursprünglice Anwendung: Erkundung von Lagerstätten und Ressourcenscätzung Heutige Anwendungen: Bergbau, Bodenkunde, Hydrogeologie, Hydrologie, Meteorologie, Ökologie, Landwirtscaft, Kartograpie...
5 4 Einfürung Geostatistik Ausgangspunkt: ortsabängige (ortsgebundene, regionalisierte) Variable, d.. Messung einer Variablen an versciedenen Punkten im Raum Ziele: Bescreibung der räumlicen Struktur von Variablen: Variograpie Scätzung der Variablenwerte an unbeobacteten Punkten, Ermittlung der räumlicen Verteilung der Variablen im gesamten Untersucungsgebiet: Interpolation (Kriging) Quantifizierung und Propagation der Unsicereit möglicer Parameterverteilungen: geostatistisce Simulation Evaluierung und Optimierung von Messnetzen Geostatistik nutzt die Teorie der regionalisierten Variablen.
6 Arbeitsscritte bei der geostatistiscen Analyse Variogram ) Messung ) Datenanalyse ) Variograpie 5) Validierung Feleranalyse! Column C: Ozon [ppm]? Direction: 0.0 Tolerance: ) Interpolation mit Kriging Lag Distance
7 Grundlegendes Problem Ermittlung der räumlicen Korrelation der Zufallsvariablen Z und des Wertes der Variablen für unbeobactete Punkte Genauer: Wie scätzt man den Wert einer ortsabängigen Variablen Z(u) an einem Ort u, an dem keine Messwerte vorliegen, auf der Basis von benacbarten Messwerten z(u i ). Idee: Neuer Wert Z*(u) ist gewictetes Mittel der Nacbarwerte Z *( u) i n z( i u i )? mit den Gewicten λ i
8 Nictstatistisce und statistisce Interpolationsverfaren Beispiele für nictstatistisce Interpolationsverfaren: Tiessen-Polygone Inverse Distanz Triangulation Splines Nacteil: nictstatistisce Interpolationsverfaren wissen nicts über die zu interpolierende Variable. Statistisce Interpolationsverfaren zeicnen sic dadurc aus, dass inen ein (geo-)statistisces Modell zugrunde liegt, durc das die spezifiscen räumlicen Eigenscaften der zu untersucenden Variablen in die Interpolation einbezogen werden können.
9 Niedersclag [mm] Augenzal Fallöe [m] Was ist ein statistisces Modell? Ein statistisces Modell bescreibt die Eigenscaften eines Zufallsprozesses. Beispiel für deterministisces Ereignis: Fallöe eines Balles. Zeit [t] Beispiel für unkorreliertes stocastisces (stat.) Ereignis: Würfeln. Zeit [t] Zeit [t] Beispiel für korreliertes stocastisces (stat.) Ereignis: Niedersclagsöe.
10 y Was ist ein statistisces Modell? Wictigstes statistisces Modell: Normalverteilung Mit Mittelwert (Erwartungswert) µ, Streuung (Varianz) σ und Standardabweicung σ. Für die Standardnormalverteilung ist µ = 0 und σ =. y e ( x ) σ µ + σ Normalverteilung x
11 Durc welce Parameter wird ein statistisces Modell bescrieben?. Moment: Erwartungswert von Z: E [ Z] z f ( z) dz x n i n x i Für Normalverteilung gleic dem Mittelwert. Moment: Varianz von Z Var[ Z] E[( Z E[ Z]) ] s n i n ( x i x) Kovarianz zweier Zufallsvarialen Z und Z : Cov[ ZZ] E[( Z E[ Z])( Z E[ Z])] n Cov( Z, Z) ( z, i z)( z, i z) n i Korrelation zweier Zufallsvariablen: Kor[ Z Z ] Cov( Z Z Var[ Z ) ] Var[ Z ]
12 Frage: Kann das statistisces Modell für die räumlice Variable angewendet werden? Problem: Probename räumlicer Daten lässt sic nict wiederolen, dadurc kann es keine Wiederolungen geben. Beispiel: Pipettieren zum Messen der Säurestärke. Der Versuc kann teoretisc unendlice Male wiederolt werden. => Ein statistisce Modell kann einfac durc Anpassung an die Messergebnisse ermittelt werden.? Beispiel: Borungen zur geologiscen Erkundung. An jedem Ort kann nur genau eine Probe genommen werden, Wiederolungen sind nict möglic. => Wie kann man ein statistisces Modell zur Interpolation eranzieen?
13 4 Einfürung Geostatistik Notation: Z(u i ): z(u i ): Z(u): z(u): Zufallsvariable am Ort u i Wert der Zufallsvariablen am Ort u i (konkreter Messwert) Zufallsfunktion = Menge aller Zufallsvariablen an den Punkten u im Raum D Z(u) = {Z(u ), Z(u ),..., Z(u n )} u D Realisation der Zufallsfunktion (Menge der Messwerte) = regionalisierte, ortsabängige Variable, Menge aller Werte für einen Zustand an den Punkten u im Raum D z(u) = {z(u ), z(u ),..., z(u n )} u D z(u i +): Messwert am Ort u i +, wobei der Abstandsvektor ist: z(u i ) z(u i +) Wictig: Vektoren aben eine Rictung und eine Länge!
14 4 Geostatistisce Hypotesen I Problem: Es können von einer Probename keine Wiederolungen gebildet werden, dadurc mangelnder Sticprobenumfang - Nur ein Wert pro Punkt / Ort u zur Scätzung von Z(u i ) - nur eine Realisation z(u) zur Scätzung von Z(u) Lösung: Felende Wiederolungen an einem Punkt werden ersetzt durc Verwenden von Werten, die an anderen Orten gemessen wurden. -> Es werden Annamen die Warsceinlickeitsstruktur der räumlicen Zufallsvariablen betreffend getroffen. -> die Werte müssen derselben Grundgesamteit entstammen
15 4 Geostatistisce Hypotesen 4. Strenge Stationarität. Strenge Stationarität: Verteilung der Zufallsfunktion Z(u) ist unabängig von den Orten u. -> ser starke Anname. Exkurs zur Stationarität: Stationarität einer Variablen bedeutet, dass das zugrundeliegende statistisce Modell invariant gegen zeitlice oder räumlice Translationen ist y y Links: Zu zwei untersciedlicen Zeitpunkten wurde eine Variable Y gemessen; Die Verteilungen zeigen nictstationäres Veralten. Beispiel: Hydrologisce Größen unter Klimawandel!
16 Exkurs zur Stationarität Die Skale ist wictig! Unter nictstationären Bedingungen entstammen die Messungen nict aus derselben Grundgesamteit!
17 4 Geostatistisce Hypotesen II 4. Scwace Stationarität. Scwace Stationarität / Stationarität. Ordnung:. Erwartungswert der Zufallsfunktion Z(u) ist konstant über das gesamte Gebiet D: E[Z(u)] = m für alle u D. Die Kovarianz* der Zufallsvariablen von zwei Punkten ist nur abängig vom Abstandsvektor und nict vom Ort der zwei Punkte: E[(Z(u+)-m)(Z(u)-m)] = C() für alle u, u+ D für = 0: C(0) = E [(Z(u)-m)(Z(u)-m)] = Var[Z(u)] => konstante Varianz und konstanter Erwartungswert über das gesamte Gebiet. * Die Kovarianz ist eine Maßzal für den Zusammenang zweier statistiscer Merkmale X und Y.
18 4 Geostatistisce Hypotesen 4. Intrinsisce Hypotese 3. Intrinsisce Hypotese:. Der Erwartungswert der Zufallsfunktion Z(u) ist konstant über das gesamte Gebiet D. a. Der Erwartungswert der Differenzen zwiscen Z(u+) und Z(u) ist gleic null: E [Z(u+)-Z(u)] = 0 für alle u D b. Die (Semi-) Varianz des Inkrements Z(u+) Z(u) zwiscen zwei Punkten ist nur abängig vom Abstandsvektor und nict vom Ort der zwei Punkte: ½ Var [Z(u+)-Z(u)] = ½ E [(Z(u+)-Z(u)) ] = () für alle u D Im Gegensatz zur Stat.. Ordnung wird keine endlice Varianz verlangt. Bei der intrinsiscen Hypotese muss man nur das (Semi-) Variogramm () zur Bescreibung der räumlicen Korrelation kennen. Diese Bedingungen sind nict erfüllt, wenn eine Drift vorliegt: E [Z(u+)-Z(u)] 0
19 Wie bescreibt man die Varianz des Inkrementes? Ein Variogramm ist die statistisce Bescreibung der räumlicen Korrelation einer Zufallsfunktion. Allgemeine Scätzung anand einer Sticprobe: mit i : N() N() : Anzal N() : Abstandsin tervall z(u ) : Messwert i der (z(u ) : Semivarianz an der i z(u Wertepaare mit i )) Stelle u i Abstand
20 Exkurs: Kovariogramm und Semivariogramm Variogramm: γ() = C(0) C() => Mit zunemendem Abstand nimmt die Kovarianz ab und die Semivarianz (Streuung) zu.
21 Exkurs: Herleitung der Semivarianz. Die Varianz s einer Verteilung: s n n i ( x i x). Die Semivarianz zweier Werte: s z ( z z) Mittelwert ( z z) ( z von z und z z ) 3. Übertragen auf zwei Messwerte einer räumlicen Variablen: s u [ z( u) z( u )] Koordinaten eines Punktes im Raum Abstandsve ktor 4. Übertragen auf viele/alle Messwerte einer räumlicen Variablen: s n n i [ z( u ) i z( u i )]
22 Das Variogramm - Kennwert des stationären stocastiscen Prozesses: Gesuct ist ein Maß für den räumlicen Zusammenang zwiscen zwei ortsbezogenen Zufallsvariablen des stocastiscen Prozesses. Hierzu verwenden wir die Varianz der Differenz der beiden Zufallsvariablen, die sic insictlic irer räumlicen Lage um den Abstandsvektor = v - u untersceiden und daer untersciedlice Prozesswerte aben können: Var[Z(u) - Z(v)] = Var[Z(u) - Z(u+)] Die Varianz ist ein Maß für die mittlere Streuung der Werte einer Zufallsvariable: Streuen die Werte der Differenz der beiden Zufallsvariablen Z(u) und Z(v) stark, ist also die Varianz irer Differenz groß, so bedeutet dies, daß die beiden Zufallsvariablen im Mittel ser versciedenen Werte annemen, ir räumlicer Zusammenang ist also klein. Streuen die Werte der Differenz Z(u) - Z(v) wenig, so eißt das, daß im Mittel Z(u) änlice Werte wie Z(v) annimmt, ir räumlicer Zusammenang ist also groß. Damit kann Var[Z(u) - Z(v)] als Maß für den räumlicen Zusammenang zweier Zufallsvariablen angeseen werden.
23 Gliederung 4 Grundlegende (geo-)statistisce Annamen 4. Stationarität erster und zweiter Ordnung 4. Intrinsisce Hypotese 4.3 Vergleic der Hypotesen 5 Variogrammscätzung 5. Experimentelle Variogramme 5. Teoretisce Variogramme 5.3 Variogrammanpassung
24 5. Berecnung eines experimentellen (empiriscen) Variogramms Ein Variogramm ist die statistisce Bescreibung der räumlicen Korrelation einer Zufallsfunktion: Variogramm: () = ½ E [(Z(u+)-Z(u)) ] Allgemeine Scätzung anand einer Sticprobe: mit : N( ) : i N( ) N ( ) i : Semivarian z Anzal der Wertepaare mit : Abstand svektor ( z( u ) z( u ) : Messwert an der Stelle u i z( u i )) i Abstand Berecnung kann nur in diskreten Abständen erfolgen => Es werden experimentelle Variogrammwerte für Vektoren berecnet, deren Scrittweite ein Merfaces k der Scrittweite l beträgt => = k*l
25 Messwert 5. Berecnung eines experimentellen (empiriscen) Variogramms N( ) N ( ) i ( z( u ) i z( u i )) mit : N( ) : Anzal der Wertepaare mit : Abstands vektor Abstand z( u ) : Messwert an der Stelle i u i Sucabstand (Abstandvektor) ( ) Sucabstand (Abstandvektor) ( ) Sucabstand (Abstandvektor) 3 ( 3 ) u u u 3 u 4 u 5 u 6 u 7 u 8 u 9 u 0 u u u 3 X [m]
26 Beispiel: Variogrammberecnung Messwert Ort z(u) = u = N( ) N ( ) i ( z( u i ) z( u i )) mit : N( ) : Anzal der Wertepaare mit Abstand : Abstandsin tervall oder Lag - distance z( u ) : Messwert an der Stelle i u i ((7 6) (6 5)...) 0.79 ((7 5) (6 5)...).09 Y 4 9 ((7 4) (6 3)...) 5.78
27 5. Empirisce/experimentelle Variogramm
28 Beispiel: Variogrammeinfluss bei Interpolation, Krigevarianz und Kreuzvalidierung
29 5. Variogramme: Range, Nugget und Sill Das Variogramm ist in der Regel eine monoton wacsende Funktion. So wie der Zusammenang zwiscen zwei Zufallsvariablen des stocastiscen Prozesses mit irem Abstand abnimmt, nimmt die Varianz der Differenz der beiden (also das Variogramm) zu. Der Abstand, bei dem das Variogramm asymptotisc einen Scwellenwert (sill) erreict, wird Aussageweite (range) genannt. Zufallsvariablen, die in größerem räumlicen Abstand als die Aussageweite zueinander steen, werden praktisc als unabängig voneinander betractet. Verläuft das Variogramm nict durc den Ursprung, so wird der Scnittpunkt mit der y- Acse Nuggeteffekt genannt.
30 Wodurc wird der Nugget-Effekt ervorgerufen? Durc tatsäclice Varianzen (Untersciede) im Mikrobereic: z.b. Goldnuggets; Durc Messfeler, welce eine öere Varianz der Werte im Nabereic vortäuscen; Durc zu große Messabstände im Nabereic; => Versucen, den Nugget zu erklären, Expertenwissen nutzen!
31 Reguläre und irreguläre Gitter: Sucdistanz und rictung Die meisten Messnetze sind in der Praxis (aus guten Gründen!) irregulär. Dadurc aben oft nur ser wenige Beobactungspunkte denselben Abstand in der Rictung des Abstandsvektors. Da aber nac einer Faustregel ungefär 30 Wertepaare in der Klasse N() entalten sein sollten, nimmt man diejenigen Tupel (Wertepaare) in die Klasse N(), deren Beobactungsorte ungefär denselben Abstand in ungefär derselben Rictung aufweisen. Man teilt damit den Raum in Entfernungs- und Rictungsklassen ein. Die Bedingung u i u j = muss abgescwäct werden. Es werden Abweicungen in Winkel und Länge des Vektors zugelassen und anscließend die Summation über die Punktpaare durcgefürt. Faustwerte für eine erste (isotrope) Scätzung: Abstandstoleranz = ½ * Scrittweite (Lag distance) Winkeltoleranz = 90
32 Sucparameter für die Variogrammscätzung Nord Winkeltoleranz lagtoleranz Scrittweite Sucweite lag 5 Sucwinkel lag 4 lag 3 lag lag Ost
33 Gliederung 4 Grundlegende (geo-)statistisce Annamen 4. Stationarität erster und zweiter Ordnung 4. Intrinsisce Hypotese 4.3 Vergleic der Hypotesen 5 Variogrammscätzung 5. Experimentelle Variogramme 5. Teoretisce Variogramme 5.3 Variogrammanpassung
34 Y 5. Teoretisce Variogramme Experimentelle Variogramme sind Näerungen an das teoretisce Variogramm. Sie können nur für eine begrenzte Anzal von Vektoren berecnet werden. In der Praxis ist man allerdings auc an den Werte dazwiscen interessiert. Es wurden untersciedlice teoretisce Variogrammfunktionen entwickelt, welce in zwei Gruppen unterteilt werden können, je nacdem, ob die Bedingungen der Stationarität zweiter Ordnung erfüllt werden oder nict. Gilt die Stationarität zweiter Ordnung und sind die Zufallsvariablen weit entfernter Punkte unabängig, so erält man Variogramme mit einem Scwellenwert (sill). In der Praxis werden fast ausscließlic diese beandelt. teoretisces Variogramm empirisces Variogramm Sucdistanz
35 5. Reiner Klumpeneffekt (Pure nugget effect) Semivarianz [ppm²] Unkorreliert / zufallsverteilt: () 0 für 0 () c für Distanz [m]
36 Semivarianz [ppm²] 5. Lineares Variogramm Parameter: a = 00 m (C+C 0 ) = 500 ppm² Distanz [m] () () C C 0 C 0 C C a 0 für für a a wobei: γ(): Semivarianz C 0 : Nugget, Mikrovarianz (C+C 0 ): Scwellenwert, Sill a: Reicweite, Range : Distanz
37 Semivarianz [ppm²] 5. Spärisces Variogramm Parameter: a = 00 m (C+C 0 ) = 500 ppm² () () C0 C C a C C 0 Distanz [m] a 3 3 für für a a wobei: γ(): Semivarianz C 0 : Nugget, Mikrovarianz (C+C 0 ): Scwellenwert, Sill a: Reicweite, Range : Distanz
38 Gauss`sces variaogramm und exponentielles Variogramm V ( 0 0 ) C C C e a Exponentielles Variaogramm: Effektiver Einflussbereic = 3a! ( ) C 0 C C 0 e a Gauss`sces Variogramm: Effektiver Einflussbereict a* 3 C C R 0 Nugget Sill Range V gauss Data V exponential Actung! Beim diesen Modellen ist der effektiver Range gefitteter Range!
39 V Gaußsces Variogramm () C 0 C C0 e a Gauss-Variogramm () C C C0 e a 95% des Sills a a eff 0 0* V E.5 a a eff * a a eff 0( gefittet) 0* effektiver Range gefitteter Range!
40 Gliederung 4 Grundlegende (geo-)statistisce Annamen 4. Stationarität erster und zweiter Ordnung 4. Intrinsisce Hypotese 4.3 Vergleic der Hypotesen 5 Variogrammscätzung 5. Experimentelle Variogramme 5. Teoretisce Variogramme 5.3 Variogrammanpassung
41 5.3 Variogrammscätzung : Berecnung des experimentellen Variogramms N( ) N ( ) i ( z( u ) z( i u i ))
42 5.3 Variogrammscätzung : Berecnung des teoretiscen Variogramms Spärisces Variogramm
43 5.3 Variogrammscätzung : Berecnung des teoretiscen Variogramms Gaussces Variogramm
44 5.3 Variogrammscätzung : Berecnung des teoretiscen Variogramms Exponentielles Variogramm
45 Y Y 5.3 Variogramme: Anisotropie Zonale Anisotropie: Scwellenwert (Sill) und eventuell auc Range in untersciedlicen Raumrictungen untersciedlic. In diesem Fall muss man mit versciedenen Variogrammen für die beiden Hauptanisotropieacsen arbeiten. Sucdistanz Geometrisce Anisotropie: Scwellenwert (Sill) gleic, der Range ist aber in untersciedlicen Raumrictungen untersciedlic. In diesem Fall kann man den Range für die untersciedlicen Hauptanisotropieacsen durc einen Faktor angleicen. Sucdistanz
46 5.3 Variogramme: Anisotropie Eine Zufallsfunktion ist isotrop, falls das Variogramm nur von der Länge des Vektors und nict auc von seiner Rictung abängig ist. Zur Prüfung der Isotropie berecnet man Variogramme in versciedene Raumrictungen und prüft die Übereinstimmung Untersciedlice Variogramme in versciedene Raumrictungen => Anisotropie! Grundwasserstände
47 Y Y 5.3 Variogramme: Drift und Hole- Effekt Sucdistanz Drift: Das Variogramm erreict nict oder nur sceinbar den Scwellenwert (Sill). Danac steigen die Variogrammwerte wieder. Daraus folgt, dass der Erwartungswert m über das Untersucungsgebiet nict konstant ist und nict-stationäre Verfaren angewandt werden müssen! Hole-Effekt: Scwellenwert (Sill) wird sceinbar erreict, danac fallen die Variogrammwerte wieder. In diesem Fall liegen oft regelmäßige Strukturen vor, so dass in einem regelmäßigen Abstand die Werte der Variablen wieder stärker äneln. Sucdistanz
48 5.3 Beispiel: Hole-Effekt 0,50 m,50 m Humoser Boden Sand; stark umos Feinsand 3,50 m 5,30 m Feinsand Feinsand 8,50 m 0,00 m Sand; scarf Grobsand; scarf,30 m 3,50 m Sand; kiesig, steinig 5,00 m Feinsand; scarf; Holz Vertikales Variogramm der Substratwerte. 8,40 m Grobsand; scarf Feinkies; feinsteinig Beispielborung 3,00 m 4,00 m Ton
49 5.3 Beispiel: Drift Variogramm in Nord-Südrictung Grundwasserstände
50 Beispiel: Variogrammeinfluss bei Interpolation, Krigevarianz und Kreuzvalidierung
Das Semi-Variogramm. Friedrich-Schiller-Universität Jena Institut für Geographie Wintersemester 2004/2005
Friedrich-Schiller-Universität Jena Institut für Geographie Wintersemester 004/005 Hausarbeit zum Seminar Analyse und Modellierung räumlicher Daten Thema: Das Semi-Variogramm Vorgelegt von: Oliver Roick
Mehr( ), und legen deshalb eine Ebene fest. Als Aufpunkt dient ein beliebiger Punkt von g oder h, als Spannvektoren
Lösungen zur analytiscen Geometrie, Buc S. 9f. a) E in die Parameterform umwandeln: x = x + x + Wäle: x = ; x = x = + E : X = x x x = + + = + In F einsetzen: + + = + = = In E einsetzen: s: X = + + ( )
MehrNumerische Simulation von Differential-Gleichungen der Himmelsmechanik
Numerisce Simulation von Differential-Gleicungen der Himmelsmecanik Teilnemer: Max Dubiel (Andreas-Oberscule) Frank Essenberger (Herder-Oberscule) Constantin Krüger (Andreas-Oberscule) Gabriel Preuß (Heinric-Hertz-Oberscule)
MehrNumerisches Programmieren, Übungen
Tecnisce Universität Müncen SoSe 2013 Institut für Informatik Prof. Dr. Tomas Huckle Dipl.-Inf. Cristop Riesinger Dipl.-Mat. Jürgen Bräckle Numerisces Programmieren, Übungen 2. Übungsblatt: Kondition,
MehrMusterlösung Übung 1
Allgemeine Cemie PC) Musterlösung Übung HS 07 Musterlösung Übung Aufgabe : Molmasse von Sauerstoff Da die Summe der natürlicen Häufigkeiten aller stabilen Isotope Σ i i = sein muss, ist die Häufigkeit
MehrBestimmung von Azimut und Abstand: Berechnete Höhe (= Entfernung des gegißten Ortes vom Bildpunkt):
Bestimmung von Azimut und Abstand: Stundenwinkel: t = Grt + λ + für E-Längen - für W-Längen Berecnete Höe (= Entfernung des gegißten Ortes vom Bildpunkt): sin = sin ϕ sin δ + cos ϕ cosδ cos t Bei der Verwendung
MehrZentrale schriftliche Abiturprüfungen im Fach Mathematik
Aufgabe 2 Wetterstation Aufgabe aus der scriftlicen Abiturprüfung Hamburg 05. In einer Wetterstation wird die Aufzeicnung eines Niedersclagmessgeräts vom Vortag (im Zeitraum von 0 Ur bis Ur) ausgewertet.
MehrFinanzmarktökonometrie: Zeitreihenanalyse Sommersemester 2010 Dr. Martin Becker
Wirtscaftswissenscaftlices Prüfungssekretariat Diplomprüfung Finanzmarktökonometrie: Zeitreienanalyse Sommersemester 2010 Dr. Martin Becker Name, Vorname: Matrikelnummer: B i t t e b e a c t e n S i e
Mehr3.2 Polarkoordinaten und exponentielle Darstellung
42 3.2 Polarkoordinaten und exponentielle Darstellung Ein Punkt z = a + bi der Gaußscen Zalenebene ist durc seine kartesiscen Koordinaten a und b eindeutig festgelegt. Man kann jedoc auc zwei andere Grössen
Mehr6. Die Exponentialfunktionen (und Logarithmen).
6- Funktionen 6 Die Eponentialfunktionen (und Logaritmen) Eine ganz wictige Klasse von Funktionen f : R R bilden die Eponentialfunktionen f() = c ep( ) = c e, ier sind, c feste reelle Zalen (um Trivialfälle
MehrGeometrische Mehrgitterverfahren. Annabell Schlüter
Geometrisce Mergitterverfaren Annabell Sclüter 13.07.2010 Inaltsverzeicnis 1 Einleitung 2 2 Das Mergitterverfaren für lineare Probleme 3 2.1 Dämpfungseigenscaften des Jacobiverfarens............ 3 2.2
MehrAnwendungen der Potenzreihenentwicklung: Approximation, Grenzwerte; Wachstum
Anwendungen der Potenzreienentwicklung: Approximation, Grenzwerte; Wacstum Lokale Näerung einer Funktion durc ganzrationale Funktionen Ganzrationale Funktionen aben viele angeneme Eigenscaften. Man weiß
MehrComptoneffekt (A6) Ziel des Versuches. Theoretischer Hintergrund. e -
Comptoneffekt (A6) Ziel des Versuces Die durc den Comptoneffekt verursacte Änderung der Wellenlänge gestreuter Röntgenstralung soll bestimmt werden. Teoretiscer Hintergrund Neben dem Potoeffekt tritt bei
Mehr2 Ein Beispiel und der Haken an der Sache
Numerik I. Version: 9.02.08 2 Ein Beispiel und der Haken an der Sace In lineare Algebra I-II wurde gezeigt, wie durc das Gaußsce Verfaren lineare Gleicungssysteme gelöst werden. Das folgende einface Beispiel
MehrJgst. 11/I 1.Klausur
Jgst. /I.Klausur..00 A. Bestimme den Scnittpunkt und den Scnittwinkel der beiden folgenden Geraden: g : x y = 5 : + y = 5x Zunäcst müssen die beiden Geraden auf Normalform gebract werden: x y = 5 y = x
MehrBSc: Waldmesslehre Waldinventur I
BSc: Waldmesslere Prof. Dr. Cristop Kleinn Institut für Waldinventur und Waldwacstum Arbeitsbereic Fernerkundung und Waldinventur Stratifizierte Sticprobe Stratifizierte Zufallsauswal In mancen Fällen
MehrDifferentialrechnung. Kapitel 7. Differenzenquotient. Graphische Interpretation des Differentialquotienten. Differentialquotient
Differenzenquotient Sei f : R R eine Funktion. Der Quotient Kapitel 7 Differentialrecnung f f 0 + f 0 f f 0 0 eißt Differenzenquotient an der Stelle 0. f, f Sekante 0, f 0 f 0 Josef Leydold Matematik für
MehrNumerische Simulation in der Luft- und Raumfahrttechnik
Numerisce Simulation in der Luft- und Raumfarttecnik Dr. Felix Jägle, Prof. Dr. Claus-Dieter Munz (IAG) Universität Stuttgart Pfaffenwaldring, 70569 Stuttgart Email: felix.jaegle@iag.uni-stuttgart.de Inalt
MehrMathematik 1 für Studierende der Biologie Teil II: Limes & Konvergenz
Matematik 1 für Studierende der Biologie Teil II: Limes & Konvergenz Cristian Leibold 7. Oktober 2014 Folgen Allgemeines zu Folgen Monotonie und Bescränkteit Grenzwerte und Konvergenz Summen und Reien
MehrMathematik für Chemiker I
Universität D U I S B U R G E S S E N Campus Essen, Matematik PD Dr. L. Strüngmann WS 007/08 Übungsmaterial sowie andere Informationen zur Veranstaltung unter: ttp://www.uni-due.de/algebra-logic/struengmann.stml
MehrGeostatistik und Anwendungen im Precision Farming
Geostatistik und Anwendungen im Precision Farming Irina Kuzyakova Institut für Pflanzenbau und Grünland Precision Farming Managementstrategie, die die räumlichen Informationstechnologien benutzt, um Entscheidungen
Mehr6.Wechselwirkung mit einem Flüssigkeitsfilm auf der kalten Thermode
6. WECHSELWIRKUNG MIT FLÜSSIGKEITSFILM AUF KALTER THEMODE 153 6.Wecselwirkung mit einem Flüssigkeitsfilm auf der kalten Termode Die an der kalten Termode angebracte Benetzungssperre verindert im allgemeinen
MehrÜbungen zum Mathematik-Abitur. Geometrie 1
Geometrie Übungen zum atematik-abitur -7/8 Übungen zum atematik-abitur Geometrie Gegeben sind die Punkte ( 4 ) und ( 5 6 4) P und die Gerade 7 4 g: x= + r 4 Aufgabe : Die Ebene E entält g und Bestimmen
MehrVORKURS MATHEMATIK DRAISMA JAN, ÜBERARBEITET VON BÜHLER IRMGARD UND TURI LUCA
VORKURS MATHEMATIK DRAISMA JAN, ÜBERARBEITET VON BÜHLER IRMGARD UND TURI LUCA Mittwoc: Ableiten, Kurvendiskussionen, Optimieren, Folgen und Reien Betracte auf einem Hügel einen Weg, dessen Seitenansict
MehrElastizitätsmodul. 1. Aufgabenstellung
M Elastizitätsmodul 1. Aufgabenstellung 1.1 Bestimmen Sie den Elastizitätsmodul E versciedener Metalle aus der Biegung von Stäben. 1. Stellen Sie den Biegepfeil s in Abängigkeit von der Belastung grafisc
MehrAufgaben und Lösungen Ausarbeitung der Übungsstunde zur Vorlesung Analysis I
Aufgaben und en Ausarbeitung der Übungsstunde zur Vorlesung Analysis I Wintersemester 008/009 Anweseneitsaufgaben Übung 4 Einleitung Es soll darauf ingewiesen werden, daß es in der Woce vor der Klausur
Mehrkleinsten mittleren Fehlerquadrats und die Maximum-a-posteriori-Schätzung. Die Bayes-Schätzung basiert auf dem Satz von Bayes:
4 Bayes-Scätzung 4.1 Überblick Die Bayes-Scätzung geört zu den wictigsten Konzepten der Signalverarbeitung. Sie stellt die Verallgemeinerung und damit ein Ramenwerk für einen Großteil klassiscer und moderner
MehrSkulptur. 0,25 m. 1,65 m 1,7 m Sockel. 0,6 m 0,6 m 10 m. Aufgabe 1: Die Skulptur
Aufgabe 1: Die Skulptur Um die Höe einer Skulptur zu bestimmen, die auf einem Sockel stet, stellt sic eine Person (Augenöe 1,70 m) in einer Entfernung von 10 m mit dem Rücken zur Skulptur und ält sic einen
MehrReise nach Rio Klimadiagramme lesen
Reise nac Rio Klimadiagramme lesen Maria will im Juli nac Brasilien fliegen und dort Urlaub macen. Um iren Koffer passend zu packen und Unternemungen planen zu können, suct sie im Internet zunäcst nac
Mehr3.2 Spline Interpolation
3.2 Spline Interpolation 3.2 Spline Interpolation Ein wesentlicer Defekt der globalen Interpolation aus dem vorerigen Abscnitt ist, dass die interpolierenden Polynome starke Oszillationen zwiscen den Stützstellen
Mehr1.06 Druck an gekrümmten Flächen y y = f(x) p = γ. (h-y) h y
1.06 Druck an gekrümmten läcen f() p γ. (-) p p ds p 0 0 Es andelt sic um ein zweidimensionales Problem in der -- Ebene. ür die Ermittlung von Kräften muss auc die Dimension senkrect zur Tafelebene berücksictigt
Mehr1 Berechnung einer Geschwindigkeitskonstanten mit der Theorie des Übergangszustandes
Pysikalisce Cemie II Lösung 11 4. Dezember 215 1 Berecnung einer Gescwindigkeitskonstanten mit der eorie des Übergangszustandes Mit Gl. 4.97 1. Eyringsce Gleicung ergibt sic für die termiscen Gescwindigkeitskonstanten
Mehr0.1. Lösung der Aufgabe 1. Nehme an, wir ( hätten ) die Aufgabe, n Personen aus 2n
.. Lösung der Aufgabe. Neme an, wir ätten die Aufgabe, n Personen aus n n Personen auszuwälen. Dafür gibt es natürlic Möglickeiten. Wir können aber n auc wie folgt verfaren. Teilen wir die n Personen auf
Mehr4.3.2 Ableitungsregeln
Vorbereitungskurs auf die Aufnameprüfung der ETH: Matematik 4.3.2 Ableitungsregeln Der Differentialquotient [s. 43] zur Definition der Ableitung beinaltet eine Grenzwertbildung Limes), welce meist dadurc
MehrWie hoch kann ein Sandturm werden?
Wie oc kann ein Sandtur werden? Soerspaß it ordsee-sand auf Langeoog Alltäglice inge lassen sic it den Mitteln der Ingenieure beandeln. So wird i folgenden Beitrag der Zusaenalt von Sandtüren erklärt und
MehrANALYSIS Differenzialrechnung Kapitel 1 5
TELEKOLLEG MULTIMEDIAL ANALYSIS Differenzialrecnung Kapitel 5 Ferdinand Weber BRmedia Service GmbH Inaltsverzeicnis Jedes Kapitel beginnt mit der Seitenzal.. Das Tangentenproblem. Steigung einer Geraden
MehrPN1 Einführung in die Physik für Chemiker 1 Prof. J. Lipfert
PN Einfürung in die Pysik für Cemiker Prof. J. Lipfert en zu Übungsblatt 7 WS 203/4 en zu Übungsblatt 7 Aufgabe Ballscleuder. Zwei Bälle werden übereinander und gleiczeitig fallen gelassen. Die Massen
MehrGeometrisch ergibt sich deren Graph als Schnitt von G mit der senkrechten Ebene y = b bzw. x = a:
Fläcen im Raum Grap und Scnittkurven Im ganzen Artikel bezeicnet D eine Teilmenge des R 2 und eine skalarwertige Funktion in zwei Veränderlicen. Der Grap f : D R 2 R : (x, y) z = f(x, y) G = { (x, y, z)
MehrVerlauf Material LEK Glossar Lösungen. Perspektivisch betrachtet Geometrie mit Fluchtlinien und Fluchtpunkten. Wolfgang Göbels, Bergisch Gladbach
Reie 15 S 1 Verlauf Material Perspektivisc betractet Geometrie mit Fluctlinien und Fluctpunkten Wolfgang Göbels, Bergisc Gladbac Hoc inaus Froscperspektive beim Altenberger Dom in Odental Klasse: 10 Dauer:
MehrÜbungsaufgaben zur Kursarbeit
Übungsaufgaben zur Kursarbeit I) Tema Funktionen. Gib jeweils die maximale Definitionsmenge der Funktion an f(x) = (x ) D f = R (x) = x D = {x R /x } g(x) = (x ) D = {x R /x } g k(x) = x D = {x R /x >
MehrNumerisches Programmieren (IN0019) 9. Symmetrisches Eigenwertproblem. Eigenwert-Problem. Verallgemeinerte Fourier-Reihe
Numerisces Programmieren (IN009) Frank R. Scmidt 9. Symmetrisces Eigenwertproblem Winter Semester 06/07 Verallgemeinerte Fourier-Reie Das Berecnen von Eigenwerten wird bei viele praktisce Anwendungen vorausgesetzt,
MehrPhysik I Übung 7, Teil 2 - Lösungshinweise
Pysik I Übung 7, Teil - Lösungsinweise Stefan Reutter SoSe 0 Moritz Kütt Stand:.06.0 Franz Fujara Aufgabe Clausius- Klappermann Clapeyron Revisited (Vorsict, Aufgabe vom Cef!) Da sic Prof. Fujara wie immer
MehrAndreas Platen
Seminar zur Approximationsteorie im Wintersemester 2009/2010 Monge-Ampère-Gleicung Numerisce Verfaren zur Lösung der Monge-Ampère-Gleicung, Teil II Andreas Platen 29.01.2010 1 Inaltsverzeicnis Inaltsverzeicnis
MehrGrundkurs Physik: Abiturprüfung 1997 Aufgabe 3 Atomphysik
Grundkurs Pysik: Abiturprüfung 1997 Aufgabe 3 Atompysik 1. Der gesamte sictbare Bereic (00 nm λ 750 nm) des elektromagnetiscen Spektrums soll auf einem Scirm dargestellt werden. a) Begründen Sie, warum
Mehrr 11 r 12 r 13 0 r 22 r r 33 l ik r kj die Gleichungen: k= (II) 2 (I) = 3 2 1
Tecnisce Universität Berlin Wintersemester 004/005 Fakultät II; Institut für Matematik Prof. Dr. G. Bärwolff/C. Mense.0.005 Probeklausur zur LV Numerik für Informatiker en Aufgabe a Berecnen Sie die LU-Zerlegung
MehrÁ 4. Differenzierbarkeit, Stetigkeit
Á 4. Differenzierbarkeit, Stetigkeit Historisc ist der Begriff der Differenzierbarkeit lange vor dem der Stetigkeit entwickelt worden. Untersciedlice Definitionen der Differenzierbarkeit werden von Gottfried
MehrRudolphs Schlitten. Aufgabe. Autor: Jochen Ricker
Rudolps Sclitten Autor: Jocen Ricker Aufgabe Endlic ist es wieder soweit: Weinacten stet vor der Tür! Diesmal at der Weinactsmann sic ein ganz besonderes Gescenk für seine Rentiere einfallen lassen. Sie
MehrTangentensteigung. Gegeben ist die Funktion f(x) = x 2.
Tangentensteigung Gegeben ist die Funktion () =. Um die Steigung der Tangente im Punkt P( ) zu bestimmen, ermitteln wir zunäcst die Steigung der Sekante durc P( ) und Q( ). Q soll so beweglic sein, dass
MehrWIFO VORTRÄGE LECTURES. Motivation, Methoden und Datenquellen. Marcus Scheiblecker ÖSTERREICHISCHES INSTITUT FÜR WIRTSCHAFTSFORSCHUNG
WIFO ÖSTERREICHISCHES INSTITUT FÜR WIRTSCHAFTSFORSCHUNG VORTRÄGE LECTURES Motivation, Metoden und Datenquellen der Vierteljärlicen Volkswirtscaftlicen Gesamtrecnung Marcus Sceiblecker 90/2004 Motivation,
MehrDas Delta-Potential. Gruppe PLANCK. Anton Hörl Thomas Kloiber Bernd Kollmann Miriam Mutici Jakob Schwarz. Quantenmechanik Projekt 2
Das Delta-Potential Quantenmecanik Projekt Gruppe PLANCK Anton Hörl Tomas Kloiber Bernd Kollmann Miriam Mutici Jakob Scwarz Max Planck (1858 1947) 4.4 Delta-Potential Ist die räumlice Ausdenung eines Potentials
MehrPolarisiertes Licht (O6)
Polarisiertes Lict (O6) Ziel der Versuces Aus linear polarisiertem Lict ist unter Verwendung einer λ/4-platte irkular und elliptisc polarisiertes Lict u ereugen und mit einem Analsator nacuweisen. Teoretiscer
Mehr2 Rastertunnelmikroskopie
Rastertunnelmikroskopie 7 Rastertunnelmikroskopie.1 Die Metode Die Rastertunnelmikroskopie (RTM) zält zu den Metoden in der Oberfläcenpysik, mit denen es möglic ist, elektronisce Zustände einzelner Atome
Mehr7.2 Moment und Varianz
7.2 Moment und Varianz Def. 21 Es sei X eine zufällige Variable. Falls der Erwartungswert E( X p ) existiert, heißt der Erwartungswert EX p p tes Moment der zufälligen Variablen X. Es gilt dann: + x p
MehrElektronenbeugungsröhre
Einleitung Bei der Elektronenbeugungsröre andelt es sic um einen evakuierten Glaskolben, in dem ein Elektronenstral erzeugt, bescleunigt und auf eine dünne Grapitfolie gescossen wird. Im Gegensatz zur
MehrANALYSEMETHODEN FÜR DIE VORHERSAGE UND KONTROLLE DES VERHALTENS VON TALSPERREN
mm Scweizerisces Talsperrenkomitee -8.00-6.00-4.00 -.00 0.00.00 4.00 6.00 8.00 10.00 1987 1988 1989 1990 1991 199 1993 1994 1995 1996 ANALYSEMETHODEN FÜR DIE VORHERSAGE UND KONTROLLE DES VERHALTENS VON
MehrAnwendungsaufgaben - Größen und Einheiten 1 Gib jeweils die Messgenauigkeit und die Anzahl der gültigen Ziffern an.
Anwendungsaufgaben - Größen und Eineiten 1 Gib jeweils die Messgenauigkeit und die Anzal der gültigen Ziffern an. Messgerät Messwert Messgenauigkeit gültige Ziffern Maßband Lineal Messscieber Mikrometer
MehrTeil 1. 2 Gleichungen mit 2 Unbekannten mit Textaufgaben. und 3 Gleichungen mit 2 Unbekannten. Datei Nr. 12180. Friedrich Buckel. Stand 11.
Teil Gleicungen mit Unbekannten mit Textaufgaben und 3 Gleicungen mit Unbekannten Datei Nr. 80 Stand. April 0 Lineare Gleicungssysteme INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK 80 Gleicungssysteme Vorwort
MehrLinear. Halbkreis. Parabel
Vom Parabolspiegel zur Ableitungsfunktion Im Folgenden get es darum erauszufinden, was ein Parabolspiegel ist und wie er funktioniert. Das fürt uns auf wictige Fragen eines Teilgebietes der Matematik,
MehrKraft F in N Dehnung s in m
. Klausur Pysik Leistungskurs Klasse 7. 9. 00 Dauer: 90 in. Wilel T., ein junger, talentierter Bogenscütze darf sic einen neuen Bogen kaufen. Er kann den Bogen it axial 50 N spannen und seine Are reicen
MehrAufgabe 6: Beschaffung und Lagerhaltung
ufgabe 6: escaffung und Lageraltung Sie sind Leiter einer Montageabteilung und werden von irer Gescäftsleitung aufgefordert in irem ereic die osten zu senken, da Ir Unternemen in artem Wettbewerb mit der
MehrZUM PROBLEM DER KÜRZESTEN DÄMMERUNG. von. Á. Kxss
ZUM PROBLEM DER KÜRZESTEN DÄMMERUNG von Á. Kxss Summary: (Contribution to te Problem of te Sortest Twiligt.) Te autor comes simply by an elementary matematical metod to te oterwise well-known Solution
MehrA 1. v = A 2 v 2. v 1
nergieöenerluste: nergieöenerluste bei turbulenter Strömung sind insbesondere om Quadrat der mittleren Strömungsgescwindigkeit abängig. Dies kann (nac BORDA-CARNOT) insbesondere für eine plötzlice (scarfkantige)
Mehr7.2. Ableitungen und lineare Approximation
7.. Ableitungen und lineare Approximation Eindimensionale Ableitungen und Differentialquotienten einer Funktion bekommt man bekanntlic als Limes von Differenzenquotienten f ( a) = f ( a + ) f( a ) = x
MehrManfred Burghardt. Allgemeine Hochschulreife und Fachhochschulreife in den Bereichen Erziehung, Gesundheit und Soziales
Manfred Burgardt Allgemeine Hocsculreife und Facocsculreife in den Bereicen Erzieung, Gesundeit und Soziales Version /4 Inaltsverzeicnis I Inaltsverzeicnis Inaltsverzeicnis... I Die Ableitungsfunktion
MehrDas Mehrgitterverfahren
KAPITEL 3 Das Mergitterverfaren Mergitterverfaren kombinieren ein iteratives Lösungsverfaren mit einer Hierarcie untersciedlicer Diskretisierungsgitter. Ausgeend von einer Näerungslösung auf einem feinen
Mehr1 Analytische Geometrie und Grundlagen
$Id: vektor.tex,v 1.41 2018/05/08 15:50:54 k Exp $ 1 Analytisce Geometrie und Grundlagen 1.5 Abstände und Winkel Am Ende der letzten Sitzung atten wir eine metrisce Form des Stralensatzes ergeleiten, gegeben
MehrAbiturprüfung Mathematik 2005 (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis Gruppe I, Lösung Aufgabe A
www.mate-aufgaben.com Abiturprüfung Matematik 5 (Baden-Württemberg) Beruflice Gymnasien one TG Analysis Gruppe I, Lösung Aufgabe A f () ( ) ( ) ( ) f () ( ) f () ( ) und f () Wendepunkte: f () ( ) f (
MehrOptimierungsbasierte Verfahren für die kurzfristige Bedarfsvorhersage in der Hochtechnologiebranche
Optimierungsbasierte Verfaren für die kurzfristige Bedarfsvorersage in der Hoctecnologiebrance Cristop Habla 1, Lars Mönc 1, Tomas Ponsignon 2, Hans Em 2 1 FernUniversität Hagen, Universitätsstraße 1,
MehrWas haben Beschleunigungs-Apps mit der Quadratur des Kreises zu tun?
Was aben Bescleunigungs-Apps mit der Quadratur des Kreises zu tun? Teilnemer: Jonatan Geuter Leonard Hackel Paul Hagemann Maximilian Kuc Amber Lucas Tobias Tieme Tobias Tiesse Niko Wolf Gruppenleiter:
MehrKantonale Prüfungen Mathematik II Prüfung für den Übertritt aus der 9. Klasse
Kantonale Prüfungen 2013 für die Zulassung zum gymnasialen Unterrict im 9. Sculjar Matematik II Serie H9 Gymnasien des Kantons Bern Matematik II Prüfung für den Übertritt aus der 9. Klasse Bitte beacten:
MehrExplizite, eingebettete und implizite RK-Verfahren
Kutta-Teorie: Explizite, eingebettete und implizite RK-Verfaren Lukas Klic Kutta-Teorie: : Explizite, eingebettete und implizite RK- Verfaren Lukas Klic Seite: Gliederung -Verfaren - Explizite Verfaren
MehrÜberholen mit konstanter Beschleunigung
HTL Überolen mit konstanter Seite 1 von 7 Nietrost Bernard bernard.nietrost@tl-steyr.ac.at Überolen mit konstanter Bescleunigung Matematisce / Faclice Inalte in Sticworten: Modellieren kinematiscer Vorgänge;
Mehr7. Stochastische Prozesse und Zeitreihenmodelle
7. Stochastische Prozesse und Zeitreihenmodelle Regelmäßigkeiten in der Entwicklung einer Zeitreihe, um auf zukünftige Entwicklung zu schließen Verwendung zu Prognosezwecken Univariate Zeitreihenanalyse
MehrInhalt. Teil I: Formale Grundlagen der Informatik I Endliche Automaten und formale Sprachen. Teil II: Formale Grundlagen der Informatik II
Inalt Teil I: Formale Grundlagen der Informatik I Endlice Automaten und formale Spracen Teil II: Formale Grundlagen der Informatik II Martin Otto Logik in der Informatik Professor für Matematisce Logik
Mehr7. Natürliche Exponential- und Logarithmusfunktion 7.1 Die natürliche Exponentialfunktion
7. Natürlice Eponential- und Logaritmusfunktion 7. Die natürlice Eponentialfunktion Wiederolung 0. Klasse: allgemeine Eponentialfunktion f() = a bekannt (a )' = lim = lim a a a = a lim a Ziel: f f = lim
MehrEinige Konzepte aus der Wahrscheinlichkeitstheorie (Wiederh.)
Einige Konzepte aus der Wahrscheinlichkeitstheorie (Wiederh.) 1 Zusammenfassung Bedingte Verteilung: P (y x) = P (x, y) P (x) mit P (x) > 0 Produktsatz P (x, y) = P (x y)p (y) = P (y x)p (x) Kettenregel
MehrEinführung in die Differentialrechnung
Reiner Winter Einfürung in die Differentialrecnung. Das Tangentenproblem als ein Grundproblem der Differentialrecnung Wir betracten im folgenden die quadratisce Normalparabel, d.. den Grapen GI f der Funktionsgleicung
MehrDifferenzieren kurz und bündig
mate online Skripten ttp://www.mate-online.at/skripten/ Differenzieren kurz und bündig Franz Embacer Fakultät für Matematik der Universität Wien E-mail: franz.embacer@univie.ac.at WWW: ttp://omepage.univie.ac.at/franz.embacer/
Mehr14. Landeswettbewerb Mathematik Bayern
4. Landeswettbewerb Matematik Bayern Lösungsbeispiele für die Aufgaben der. Runde / Aufgabe David wirft einen besnderen Würfel und screibt jeweils die ben liegende Zal auf. Die Abbildung zeigt ein Netz
Mehr4. Verteilungen von Funktionen von Zufallsvariablen
4. Verteilungen von Funktionen von Zufallsvariablen Allgemeine Problemstellung: Gegeben sei die gemeinsame Verteilung der ZV en X 1,..., X n (d.h. bekannt seien f X1,...,X n bzw. F X1,...,X n ) Wir betrachten
MehrRWTH Aachen, Lehrstuhl für Informatik IX Kapitel 3: Suchen in Mengen - Datenstrukturen und Algorithmen - 51
RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 51 Sucbäume Biser betractete Algoritmen für Suce in Mengen Sortierte Arrays A B C D - Nur sinnvoll für
MehrExperimentelle Untersuchungen von R744-Ejektordüsen
Experimentelle Untersucungen von R744-Ejektordüsen Dr Armin Hafner *, Dr Krzysztof Banasiak SINTEF Energy Researc, Trondeim, Norway ArminHafner@sintefno Silesian University of Tecnology, Gliwice, Poland,
MehrDas zweites Gesetz von Newton in einem rotierenden Bezugssystem Geostropische Bewegung Druckkoordinaten
Näcster Abscnitt => Das zweites Gesetz von Newton in einem rotierenden Bezugssystem Geostropisce Bewegung Druckkoordinaten Matematisce Herleitung der Coriolisbescleunigung Darstellung eines beliebigen
MehrCLUB APOLLO 13, 13. Wettbewerb Aufgabe 2
Der Auftrieb Diese Aufgabe wird vom Facbereic Pysik der eibniz Universität annover gestellt. Weitere Informationen zum Studiengang der Pysik findet ir unter ttp://www.pysik.uniannover.de/ CUB APOO 13,
MehrErmittlung und Aufbereitung der Daten
Auszug aus ALKER et al. (2000): Aufbereitung von Arbeitsplatzdaten - Seite 1 von 5 Ermittlung und Aufbereitung der Daten Auszug aus Alker M.; Gielen H.-G.; Sonnenscein G.; Pflaumbaum, W.: Aufbereitung
MehrCharaktere. 1 Wiederholung. 2 Charaktere verschiedener Darstellungen. 1.1 Zerlegung von Darstellungen. 1.2 Schursches Lemma
Caraktere 1 Wiederolung 1.1 Zerlegung von Darstellungen Jede Darstellung läßt sic Zelegen in V = V a1 1 V a Wobei die V i irreduzible Darstellungen von G sind und a i N. Die Sätze der Carakterteorie liefern
MehrPhysik in der Praxis: Fortgeschrittenen-Praktikum
MATHEMATISCH-NATURWISSENSCHAFTLICHE FAKULTÄT I INSTITUT FÜR PHYSIK Pysik in der Praxis: Fortgescrittenen-Praktikum 1. Versuc: Quantisierter Leitwert von Punktkontakten Durcfürung 19.04.2011 Abgabe am Übungsleiter
MehrÜber Formen des konvektiven Terms in Finite-Elemente-Diskretisierungen der inkompressiblen Navier-Stokes-Gleichungen
Über Formen des konvektiven Terms in Finite-Elemente-Diskretisierungen der inkompressiblen Navier-Stokes-Gleicungen Diplomarbeit zur Erlangung des akademiscen Grades Diplom-Matematikerin Freie-Universität
MehrEinstiegsphase Analysis (Jg. 11)
Einstiegspase Analysis (Jg. 11) Ac Geradengleicungen: Eine Gerade g verlaufe durc P(-3/-2) und Q(4/3). Eine Gerade gee durc R(1/y) und stee senkrect auf g. Zeicne diese Geraden und stelle ire Gleicungen
MehrMultivariate Verteilungen
Multivariate Verteilungen Zufallsvektoren und Modellierung der Abhängigkeiten Ziel: Modellierung der Veränderungen der Risikofaktoren X n = (X n,1, X n,2,..., X n,d ) Annahme: X n,i und X n,j sind abhängig
MehrSchriftliche Prüfung Schuljahr: 2008/2009 Schulform: Gymnasium. Mathematik
Ministerium für Bildung, Jugend und Sport Prüfungen am Ende der Jargangsstufe 10 Scriftlice Prüfung Sculjar: 2008/2009 Sculform: Matematik Allgemeine Arbeitsinweise Die Prüfungszeit beträgt 160 Minuten.
MehrEinführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management
Einführung in die Statistik für Wirtschaftswissenschaftler für Betriebswirtschaft und Internationales Management Sommersemester 2013 Hochschule Augsburg Lageparameter: Erwartungswert d) Erwartungswert
Mehr14 Die Integralsätze der Vektoranalysis
4 Die Integralsätze der Vektoranalysis 72 4 Die Integralsätze der Vektoranalysis Die Integralsätze stellen eine Verallgemeinerung des Hauptsatzes der Differential- und Integralrecnung dar und sind für
MehrÜbersicht. Einführung Universelles Hashing Perfektes Hashing
Hasing Übersict Einfürung Universelles Hasing Perfektes Hasing 2 Das Wörterbuc-Problem Gegeben: Universum U = [0 N-1], wobei N eine natürlice Zal ist. Ziel: Verwalte Menge S U mit folgenden Operationen.
MehrAnalysis: Ableitung, Änderungsrate,Tangente 1 Analysis Ableitung, Änderungsrate, Tangente Teil 1 Gymnasium Klasse 10
www.mate-aufgaben.com Analysis: Ableitung, Änderungsrate,Tangente Analysis Ableitung, Änderungsrate, Tangente Teil Gymnasium Klasse 0 Alexander Scwarz www.mate-aufgaben.com April 0 www.mate-aufgaben.com
MehrDas Goethe-Barometer Luftdruckmessungen mit einem historischen Gerät von Helmut Jena
Das Goete-Barometer uftdruckmessungen mit einem istoriscen Gerät von Helmut Jena Das Goete-Barometer als attraktiver und istoriscer uftdruck- Anzeiger fasziniert besonders den naturwissenscaftlic interessierten
MehrInformationen zur Kennzahlenanalyse und Unternehmensbewertung
Informationen zur Kennzalenanalyse und Unternemensbewertung Liquidität Kennzal Formel Sollwert Kommentar Cas Ratio (Liquiditätsgrad 1) ü 20-30% Widerspiegelt die Bezieung zwiscen Flüssigen Mitteln (inkl
Mehriek Institut für Entwerfen und Konstruieren
Grundlaen der Darstellun Institut für Entwerfen und Konstruieren Prof. José Luis Moro Heiko Stacel Mattias Rottner 1 Konstruktion der senkrecten Axonometrie 2 Mertafelprojektion B(A) A B A Aufriss Seitenriss
MehrNichtkonforme finite Elemente und Doedel-Kollokation für elliptische Differentialgleichungen
Nictkonforme finite Elemente und Doedel-Kollokation für elliptisce Differentialgleicungen - Diplomarbeit - Eingereict am Facbereic Matematik und Informatik der Pilipps-Universität Marburg von Bastian Goldlücke
Mehr