Short Listing für multikriterielle Job-Shop Scheduling-Probleme

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Short Listing für multikriterielle Job-Shop Scheduling-Probleme"

Transkript

1 Short Lstg für ultkrterelle Job-Shop Schedulg-Problee Dr. Adré Heg, r.z.w.-cdata AG, Zu Hosptalgrabe 2, Wear, 1. Multkrterelle Job-Shop Schedulg-Problee Das Job-Shop Schedulg-Proble, Folgede als JSP bezechet, st foral we folgt defert: J = J de auf eer Mege vo Masche Das JSP besteht aus eer Mege vo Jobs { } { } bearbetet werde üsse. Jeder Job M = M = 1 { } J =1 besteht aus eer Mege vo Vorgäge T = T 1, T 2,...,T, de auch als Tasks oder Operatoe bezechet werde. De zu ee Job gehörede Tasks üsse eer vorgegebee feste Rehefolge auf de Masche bearbetet werde. Es gbt sgesat N Vorgäge, T = N = = 1. Der Vorgag T gehört zu Job J ud uss auf Masche M für ee uuterbrochee Dauer p bearbetet werde. Jeder Job hat see egee, vo de adere Jobs uabhägge Mascherehefolge ud durchläuft ede Masche höchstes eal. Jede Masche ka ur ee Vorgag glechzetg bearbete. Zwe Vorgäge des gleche Jobs köe cht sulta bearbetet werde. E zulässger Maschebelegugspla (egl. Schedule) st durch Startzete s 0 für alle Vorgäge T defert, so dass alle obge Nebebedguge erfüllt sd. Gesucht st e Schedule, der ee gegebee Zelfukto ert. Deses bekate Modell st für praktsche Aweduge zu uflexbel. Deshalb werde her folgede Erweteruge betrachtet: 1. Verallgeeerte Rehefolgebezehuge I der Praxs st de Ordug der Vorgäge erhalb ees Jobs cht er lear vorgegebe. Das bedeutet, de Vorgäge ee Job sd ur telwese geordet. Dese Schedulg- Problee werde als Mxed-Job-Problee bezechet. Vorgäge ees Jobs, zwsche dee kee Vorragbezehuge bestehe, werde als parallele Tasks bezechet. Wetere Rehefolgebezehuge ergebe sch aus Motageaufträge. Koplexe Edprodukte bestehe der Praxs est aus ehrere Baugruppe. Jede Baugruppe beötgt zur Produkto Ressource ud hat ee vorgegebee techologsche Rehefolge. De Produkto eer Baugruppe ka deshalb als Job Se ees Mxed-Job-Probles betrachtet werde. De Motagebezehuge werde durch Rehefolgebezehuge zwsche de Jobs odellert. 2. Verfügbarketstervalle auf Masche ud Fällgketstere Masche habe reale Produktosugebuge deterstsche Stllstadzete (z.b. Schchtpause). De Bearbetug der Vorgäge wrd währed der Stllstadszete gestoppt ud zu Beg des ächste Verfügbarketstervalls wetergeführt. Das bedeutet, dass de Dauer ees Vorgags vo der Startzet abhägg st. 3. Ereuerbare dskrete Ressource Oft beötge Vorgäge wetere Ressource zur Bearbetug. Das köe Werkzeuge, Palette oder Arbetskräfte se. Dese Ressource heße ereuerbar, da se ach Beedgug ees Vorgags weder zur Verfügug stehe ud cht (we z.b. Materale ) verbraucht werde. Der Mege = der r verschedee Ressourcearte Schedulg-Proble wrd der R { R } r k k = 1 Vektor ( ) Ν ra = ra 1,...,rar, rak zugeordet, der für ede Ressource de verfügbare Mege agbt. Jeder Vorgag ka ede Ressource erhalb hrer vorhadee Mege zur Bearbetug beötge. E weteres Merkal praktscher Schedulg-Problee st das Vorhadese ehrerer Zelfuktoe. Her wurde der Makespa C, de Lateess L, de totale Tardess T ud de ax ax

2 Sue der Bearbetugszete C sowohl ezel als auch ultkrterelle Schedulg- Problee betrachtet. De so egeführte verallgeeerte Job-Shop-Problee werde Wetere als praktsche Job- Shop Schedulg-Problee PJSP bezechet. Dese behalte ee oder ehrere Verallgeeeruge sowe verschedee oder ehrere Zelfuktoe. Für de Notato ultkrtereller Schedulg-Problee wrd de [12] vorgeschlagee Schrebwese für das γ-feld der α β γ- Notato geutzt. De Suche ach der Mege der chtdoerte Lösuge be Zelfuktoe wrd t #( f1,..., f ), f { Cax, Lax, T, C }, { 1,2,3,4 } γ-feld agegebe. 2. Algorthe zur Opterug eer Zelfukto ud zur Approxato der Pareto- Mege Da de Zelfuktoe sehr verschede sd ud sot auch de Struktur des Probles, wurde ee geetsche lokale Suche GLS etwckelt, u de Strukture scho gefudeer Lösuge zu utze. Als Lösugsrepräsetato wurde de topologsche Ordug oder aufstegede Nuererug der Vorgäge zugehörge dsuktve Graphe verwedet. I der lokale Suche wurde de Shft- Shft-Nachbarschaft pleetert. Dabe sd alle Lösuge beachbart, be der de Vertauschug zweer Vorgäge der topologsche Ordug weder zu eer zulässge Lösug führt. Als Varate der lokale Suche wurde e deterstscher Schwellwertalgorthus verwedet. Herbe werde alle geäß Shft-Shft-Nachbarschaft beachbarte Lösuge zufällger Rehefolge durchlaufe. Falls e Nachbar t gleche oder bessere Zelfuktoswert gefude wrd, wrd zu dese übergegage. Der Übergag zu ee Nachbar t gleche Fuktoswert wrd als Sdestep bezechet. De Suche brcht ab, falls der Nachbarschaft kee Lösug t gleche oder bessere Fuktoswert exstert oder ach eer vorgegebee Azahl vo Nachbarschaftsschrtte ohe Verbesserug. Als Rekobatosoperator der GLS wurde de [11] egeführte Mttelwertbldug der Afagszete der Vorgäge de Elterlösuge verwedet. Defto 1: (Mttelwertbldug) 1 2 Π = π, π,..., π k, k 2 de Mege der zulässge Elterlösuge hrer Darstellug als Se { } aufstegede Nuererug ud N de Azahl der Vorgäge der Lösuge. s, k = 1,...,k se de Startzet desvorgags der Lösug. Setze s = = 1,.., N, Algorthus 1: Geetsche lokale Suche für ee Zelfukto Se de axale Azahl der Lösuge Pool P. 1. Für = 1,..., (a) Geerere zufällge Startlösug y (b) Fde t Sdestep Algorthus beged t y lokales Optu x ud füge x P e. 2. Wähle zufällg geäß Glechvertelug k Lösuge { x 1,...x k } aus P t k. s = 1 für edes = 1,..., N ud sortere de Vorgäge aufsteged ach s. De resulterede Perutato π der Vorgäge st de durch Mttelwertbldug erzeugte aufstegede Nuererug der Rekobatoslösug. De Mttelwertlösug st zulässg ud der korrespoderede gerchtete Graph kresfre. Aus der aufstegede Nuererug wurde der se-aktve Schedule ud dat de Startzete der Vorgäge erttelt. Algorthus 1 beschrebt de GLS be Opterug t eer Zelfukto Pseudocode. De Startlösuge werde t ee Prortätsregelverfahre be zufällger Auswahl erzeugt.

3 3. Blde Mttelwertlösug x aus de k Lösuge. 4. Fde t Sdestep Algorthus beged t x lokales Optu y ud füge y P e. 5. Etfere de geäß Zelfukto schlechteste Lösug aus P. 6. Falls Abbruchkrteru erfüllt, STOPP. Sost gehe zu 2. De durch de Sdestep Algorthus erzeugte lokale Opta werde ur de Pool egefügt, falls Pool kee Lösug t de gleche krtsche Pfad bezüglch C ax exstert, u zu schelle Kovergez gege schlechte lokale Opta zu verhder. Das Abbruchkrteru der GLS st ee Zetschrake oder ee vorgegebee Azahl vo Geeratoe. De GLS wurde auf eer Mege vo 242 Stadard-Bechark-Istaze für J ud a 60 C ax Istaze für J L ax getestet. [1,6,10] Vo dese gut utersuchte Istaze wurde be 78 de obere Schrake für de Makespa verbessert ud be wetere 141 Istaze Lösuge für de bekate obere Schrake gefude. Be de restlche 23 Bechark-Istaze lag de Abwechug zur obere Schrake be uter ee Prozet. Be de 60 J L ax -Istaze wurde alle bekate obere Schrake verbessert. Mt eer Zetbeschräkug vo 500 Sekude auf ee 1GHz Petu III Recher errechte de GLS Lösuge, de Durchschtt axal 5% über der beste bekate obere Schrake lage. [5] De verwedete Nachbarschaft ud der Rekobatosoperator ware be dese Utersuchuge uabhägg vo der zu opterede Zelfukto. Auf deser Bass wurde de GLS zur Approxato der Mege der Pareto-optale Lösuge verallgeeert. Zu Verglech der Lösuge der Nachbarschaft der lokale Suche wrd ee Rakg-Fukto F beötgt. Defto 2: (Rakg-Fukto F ) S = ee Mege vo Lösuge ees Schedulg-Probles, = de s Se { } =1,..., Mege der relevate Zelfuktoe ud w = 1 { } w =1,..., { f } F =1,..., W = ee Mege vo Gewchte für de Zelfuktoe aus F t = 1. Se f = f (s ) das Mu aller Lösuge aus = 1,..., S ud ax ax f ( ) das Maxu, da st de Rakg-Fukto F we folgt defert: für ax f = s = 1,..., f f F ( s ) = f ( s ) w = ax f 1. Be Glechhet wrd der Quotet glech 0 gesetzt. Der Pool P der Startlösuge der ultkrterelle geetsche lokale Suche (MGLS) wrd t zufällge Startlösuge oder t lokale Opta (bezüglch der ezele Zelfuktoe aus ) gefüllt. Mt Hlfe der Rakg-Fukto ud der vo Beutzer vorgegebee { f } F = = 1,..., Gewchtug, köe de Lösuge Pool geordet werde. I der ultkrterelle Verso des Sdestep Algorthus wrd e Nachbarschaftsschrtt durchgeführt, falls der Nachbar ee bessere Rakg-Fuktoswert hat oder bezüglch des Pools der MGLS de gleche Rag bestzt. Letzteres wrd her als Sdestep bezechet. Der ultkrterelle Sdestep Algorthus führt ee Lste t alle währed des Durchlaufs gefudee Pareto-optale Lösuge t. Dese werde ach de Abbruch des Sdestep Algorthus de Pool egefügt. Aus de Pool werde da de doerte Lösuge etfert, de de schlechteste Rakg-Fuktoswert bestze. Des wrd fortgesetzt, bs de vorgegebee Poolgröße errecht st. Falls ur och Pareto-optale Lösuge Pool exstere, werde ebefalls de t de schlechteste Rakg-Fuktoswert etfert. Zur Selekto aus de Pool der MGLS wrd de vo Beutzer vorgegebee Gewchtug verwedet. Für ede Lauf des ultkrterelle Sdestep Algorthus wrd ee eue Gewchtug zufällg glechvertelt erzeugt. f f

4 3. Short Lstg Mt der ultkrterelle geetsche lokale Suche lässt sch ee Approxato der Mege der Pareto-optale Lösuge für praktsche Schedulg Problee erzeuge. De Aufgabe des Etschedugsträgers besteht dar, aus deser Mege vo Lösuge deege auszuwähle, de für de Awedug überoe werde soll. Rakg-Fuktoe köe herbe als ultkrterelle Bewertugsethode verwedet werde. Schwergkete bestehe der subektve Gewchtug der Zelfuktoe, Äderuge der Rehefolge Rakg durch hzufüge oder herausehe eer Lösug aus de Pool ud der Auswahl der Rakg-Fukto selbst. De große Azahl der Lösuge Pool ud de Dateege eer Lösug hgege erschwert de Vsualserug ud sot de Verglech aller Lösuge. Es wrd ee Methode zur Etschedugsuterstützug beötgt, de de Mege der Lösuge Pool auf ee überschaubare Mege (3 bs 6 Lösuge) reduzert. Dese reduzerte Mege ka de Etschedugsträger vorgelegt ud vsualsert werde. Wchtg st herbe, dass durch de Reduzerug öglchst strukturell verschedee Lösuge ausgewählt werde, u de Etscheder echte Alteratve zu bete. Aussage über de strukturelle Verschedehet vo Lösuge köe durch Abstadsaße Lösugsrau getroffe werde. Als Methode zur Redukto der Azahl der Lösuge betet sch de Clusterug der Lösuge ach dese Abstadsaße a. Aus de Cluster werde Lösuge ausgewählt, ud de so etstadee Lste überschaubar weger Lösuge wrd de Etscheder zur Auswahl vorgelegt. Der Vorgag der Redukto veler Vorschläge auf wege Kaddate wrd als Short Lstg bezechet. De her etwckelte GLS st ee Heurstk zur Rehefolgeopterug der Vorgäge auf de Masche. De Mege der Vorgäge { } üsse, st für alle Lösuge eer Istaz glech. Der Abstad π ud σ ka aus dese Grud we folgt defert werde: T, de auf der gleche Masche bearbetet werde ( σ ) = ( A, A π, σ = 1 σ sd herbe Perutatoe der Tasks aus { } π ). M A ( π,σ ) zwsche zwe Lösuge π ud T, de auf der Masche M bearbetet werde üsse. Weterh glt durch de Defto vo Abstadaße das Folgede. Se f ee Abbldug der Mege { T } auf de Mege {,..., }, = { } 1 T, da glt ( π, σ ) A ( α, β ) = f oσ Perutatoe auf der Mege {,...,} A, de auf der Mege {,...,} A =, wobe α = f oπ ud β 1 sd. Wr köe us sot auf de Utersuchug vo Abstadsaße 1 defert sd, beschräke. Aus Verefachugsgrüde wrd Wetere der Idex weggelasse. Abstadsaße auf Perutatoe sd aus der Lteratur bekat. Ee Überscht fdet a [2]. Her werde folgede Dstazaße verwedet: ( α, β ) ( α,β ) D = α ( ) β ( ) (Footrule) ud T =ale Azahl vo Traspostoe, u α β zu überführe (Cayley-Abstad). Bede Maße lasse sch learer Zet der Läge der Perutato bereche. Basered auf dese Abstadsaße ka de Mege der potetell Pareto-optale Lösuge geclustert werde. Als Heterogetätaße zwsche zwe Cluster C, wurde der ale Abstad zweer Lösuge Cluster v s (sgle lkage), der axale Abstad zweer Lösuge Cluster vc (coplete lkage) ud der durchschttlche Abstad der Lösuge beder Cluster (average lkage) verglche. Zur Klassfkato wurde e herarchsches ud e cht-herarchschesverfahre pleetert. I herarchsche Verfahre wurde kleere Cluster zu größere geeralsert (botto up). Begoe wurde t Cluster t ewels eer Lösug. De Cluster t der gergste Dstaz C va

5 wurde zusaegefasst. De Azahl k der Cluster be der gestoppt wurde, wurde vo Etscheder bestt. Das cht-herarchsche Verfahre st e lokale Suche Algorthus. Zu Beg werde zufällg geäß Glechvertelug k Cluster erzeugt. Daach wurde de Lösuge zufällger Rehefolge durchlaufe. De ewels ausgewählte Lösug wurde aus hre Cluster etfert ud de Cluster t de gergste Abstad zugeordet. Gestoppt wurde, we ee Durchlauf kee Lösug hre Cluster gewechselt hat. Zu Verglech der Klassfkatosverfahre wrd och e Güteaß für ee Klassfkato C beötgt. Se das Hoogetätsaß der durchschttlche Abstad der Lösuge ee h a Cluster C. Das her verwedete Güteaß g( C) wrd folgederaße defert: g ( C) = ( C 1) ha ( C ) C C va ( C, C ) C, C C C C Für de Verglech der Klassfkatosalgorthe wurde ee Telege vo 60 Bechark- Istaze t verschedee Desoe verwedet. Zu eder Zelfuktoskobato wurde t der MGLS für edes Bechark e Pool vo 50 Lösuge erzeugt, de da t bede Verfahre geclustert wurde. [5] I de Versuche zegte sch, dass de durch das herarchsche Clusterverfahre erttelte Klassfkatoe be alle Zelfuktoskobatoe, zwe Abstadsaße ud dre Heterogetätsaße bessere Werte für das Güteaß als das cht-herarchsche Verfahre erreche. De Wahl des Abstadsaßes hat ur ee gerge Efluss auf de Güte der Klassfkato. Be de dre Heterogetätsaße sd de Uterschede der Güte der Klassfkatoe deutlcher. Das Maß errecht be herarchsche Clusterverfahre de beste Güte ud be cht-herarchsche v s de schlechteste. Be Verglech der Maße v c ud va erreche de Verfahre t va de etwas bessere Ergebsse. Nebe der Güte der Klassfkato sd wetere Egeschafte der Verfahre vo Bedeutug. Zu ee de Laufzet der Algorthe, da de Auswahl der Lösug aus de vorhadee Pool durch de Etscheder teraktv erfolgt. Her hat das cht-herarchsche Verfahre Vortele, da de Atwortzete deutlch gerger sd. Be eer Azahl vo 600 Vorgäge der Istaz ud eer Poolgröße vo 50 Lösuge, st das cht-herarchsche Verfahre u etwa de Faktor 4 scheller. Zu adere st de Größe der Cluster vo Bedeutug, falls der Etscheder de präfererte Lösug t adere ählch strukturerte Lösuge vergleche öchte. I de Fall sd Verfahre, de ehrere Cluster t eer Lösug ud ee Cluster t de restlche Lösuge lefer, ugüstg. Aus dese Grud wurde de Clustergröße der durch de 12 Varate erstellte Klassfkatoe erttelt. Dabe war erschtlch, dass das herarchsche Clusterverfahre zur Bldug kleer Cluster egt. Zel der Clusterug der Lösugsege st de Redukto der zur Auswahl stehede Lösuge. Dazu wurde aus ede Cluster ee Lösug ausgewählt. Es wurde de folgede zwe Methode der Auswahl utersucht: 1. I ede Cluster wurde de Lösuge ach der Rakg-Fukto sortert ud ewels de Lösug auf de erste Rag selektert. Dabe hatte alle Zelfuktoe de gleche Gewchtug. 2. Aus ede Cluster wrd de Medalösug selektert, d.h. de Lösug de de ale durchschttlche Abstad zu de adere Lösuge Cluster hat. Zur Utersuchug deser bede Varate wurde de obe erttelte Klassfkatoe verwedet. Dat wurde aus eder Klassfkato dre Lösuge ausgewählt. Es wurde der durchschttlche Abstad zwsche de Lösuge ud der ale Abstad zwsche e zwe der dre Lösuge erttelt. De de Versuche erttelte Date lasse folgede Beobachtuge zu:.

6 1. De durch das herarchsche Clusterverfahre erzeugte Klassfkatoe lefer größere Abstäde zwsche de ausgewählte Lösuge als de durch das cht-herarchsche Verfahre erzeugte Klassfkatoe. Des glt für bede Auswahlverfahre. 2. De Abstäde zwsche de Lösuge sd be Auswahl der ewels erste Lösug Cluster größer als be der Auswahl der Medalösug. Des glt wederu für bede Klassfkatosalgorthe. 3. De Wahl des Abstadsaßes hat ur ee gerge Efluss auf de relatve Abstäde zwsche de ausgewählte Lösuge. 4. Das Heterogetätsaß v s lefert uter Verwedug des cht-herarchsche Verfahres de schlechteste Ergebsse. Nach dese Resultate st es be bede Clusteralgorthe a güstgste, de Lösuge auf de erste Rag aus ede Cluster zu wähle. Dabe wrd Verglech t der zwete Auswahlethode de größte Dverstät zwsche de ausgewählte Lösuge errecht. Weterh werde dadurch de Präfereze des Etscheder berückschtgt. Es blebt festzuhalte, dass de Vortele des herarchsche Verfahres der bessere Güte der Klassfkatoe ud der größere Dverstät der ausgewählte Lösuge lege. De Vortele des cht-herarchsche Algorthus lege der kürzere Laufzet, der ugefähr gleche Größe der Cluster ud der bessere Berückschtgug der Etschederpräfereze. Be bede Algorthe errechte de Heterogetätsaße v ud v sowe de Auswahlethode 1 de beste Ergebsse. c a Lteratur [1] Bechark-Istaces of Derkol et al. [2] Dacos, P.: Group Represetatos Probablty ud Statstcs. Lecture Notes - Moograph Seres, Vol. 11, Isttute of Matheatcal Statstcs, Harvard Uversty (1988). [3] Esquvel S.; Ferrero S.; Gallard R.; Salto C.; Alfoso H.; Schütz M.: Ehaced evolutoary algorths for sgle ad ultobectve optzato the ob shop schedulg proble. Kowledge-Based Systes 15, (2002). [4] Hase, M. P.; Jaszkewcz, A.: Evaluatg the qualty of approxatos to the o-doated set. Techcal report 07/98, Isttute of Matheatcal Modellg, Techcal Uversty of Deark, Lygby, Deark (1998). [5] Heg, A.: Praktsche Job-Shop Schedulg-Problee. Dssertato, Fakultät für Matheatk ud Iforatk, Fredrch-Schller-Uverstät Jea, Jea (2002). [6] Tallard, É: Hoepage : [7] Ja, A. S.: A ult-level hybrd fraework for the deterstc ob-shop schedulg proble. Ph. D. Thess, Departet of Appled Physcs ad Electroc ad Mechacal Egeerg, Uversty of Dudee (1998). [8] Neua, K.; Schwdt, C.; Zera, J.: Proect schedulg wth te wdows ad scarce resources. Lecture Notes Ecoocs ad Matheatcal Systes, Vol. 508, Sprger, Berl Hedelberg New York (2001). [9] Nowck, E.; Sutck, C.: New deas TS for ob shop schedulg. Preprt r 50/2001, Isttute of Egeerg Cyberetcs, Techcal Uversty of Wroclaw, Wroclaw, Polad (2001). [10] OR-Lbrary: [11] Rose, C.: Mehrhetsbldug der Kobatorsche Opterug. Dssertato, Fakultät für Matheatk ud Iforatk, Fredrch-Schller-Uverstät Jea, Jea (2001). [12] T'kdt, V; Bllaut, J.-C.: Multcrtera schedulg probles: a survey. RAIRO Oper. Res. 35, (2001).

Sitzplatzreservierungsproblem

Sitzplatzreservierungsproblem tzplatzreserverugsproblem Be vele Zugsysteme Europa müsse Passagere mt hrem Zugtcet ee tzplatzreserverug aufe. Da das Tcetsystem Kude ee ezele Platz zuwese muss, we dese e Tcet aufe, ohe zu wsse, welche

Mehr

2. Mittelwerte (Lageparameter)

2. Mittelwerte (Lageparameter) 2. Mttelwerte (Lageparameter) Bespele aus dem täglche Lebe Pro Hemspel hatte Borussa Dortmud der letzte Saso durchschttlch 7.2 Zuschauer. De deutsche Akte sd m Durchschtt um 0 Zähler gefalle. I Ide wurde

Mehr

Leitfaden zu den Indexkennzahlen der Deutschen Börse

Leitfaden zu den Indexkennzahlen der Deutschen Börse Letfade zu de Idexkezahle der Deutsche Börse Verso.5 Deutsche Börse AG Verso.5 Letfade zu de Idexkezahle der Deutsche Börse Page Allgemee Iformato Um de hohe Qualtät der vo der Deutsche Börse AG berechete

Mehr

Lösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung

Lösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung Lösuge zum Übugs-Blatt 7 Wahrschelchketsrechug BMT Bostatstk Prof. Dr. B. Grabowsk ----------------------------------------------------------------------------------------------- Bedgte Wahrschelchket

Mehr

Im Wöhlerdiagramm wird die Lebensdauer (Lastwechsel oder Laufzeit) eines Bauteils in Abhängigkeit von der Belastung dargestellt.

Im Wöhlerdiagramm wird die Lebensdauer (Lastwechsel oder Laufzeit) eines Bauteils in Abhängigkeit von der Belastung dargestellt. Webull & Wöhler 0 CRGRAPH Wöhlerdagramm Im Wöhlerdagramm wrd de Lebesdauer ( oder Laufzet) ees Bautels Abhägget vo der Belastug dargestellt. Kurzetfestget Beaspruchug Zetfestget auerfestget 0 5 3 4 6 0

Mehr

Konzentrationsanalyse

Konzentrationsanalyse Kaptel V Kozetratosaalyse B. 5.. Im Allgemee wrd aus statstscher Scht zwsche - absoluter ud - relatver Kozetrato uterschede Der absolute ud relatve Aspekt wrd och emal utertelt - statscher ud - dyamscher

Mehr

Ordnungsstatistiken und Quantile

Ordnungsstatistiken und Quantile KAPITEL Ordugsstatste ud Quatle Um robuste Lage- ud Streuugsparameter eführe zu öe, beötge wr Ordugsstatste ud Quatle... Ordugsstatste ud Quatle Defto... Se (x,..., x R ee Stchprobe. Wr öe de Elemete der

Mehr

14. Folgen und Reihen, Grenzwerte

14. Folgen und Reihen, Grenzwerte 4. Folge ud Rehe, Grezwerte 4. Folge ud Rehe, Grezwerte 4. Ee Folge defere Defere de Folge (a ) Õ mt a =+: Eplzte Defto *+ a() Doe 3, falls = Rekursve Defto Defere de Folge (b ) Õ, b = : b + sost whe(=,

Mehr

Spannweite, Median Quartilsabstand, Varianz und Standardabweichung.

Spannweite, Median Quartilsabstand, Varianz und Standardabweichung. Rudolf Brkma http://brkma-du.de Sete 06.0.008 Spawete, Meda Quartlsabstad, Varaz ud Stadardabwechug. Streuug um de Mttelwert. I de folgede Säuledagramme st de Notevertelug zweer Schülergruppe (Mädche,

Mehr

Lösungen zu Übungs-Blatt 7 Klassische Wahrscheinlichkeit in Glücksspielen, Bedingte Wkt, Unabhängigkeit, Satz von Bayes

Lösungen zu Übungs-Blatt 7 Klassische Wahrscheinlichkeit in Glücksspielen, Bedingte Wkt, Unabhängigkeit, Satz von Bayes Lösuge zu Übugs-latt 7 Klasssche Wahrschelchet Glücsspele, edgte Wt, Uabhägget, Satz vo ayes Master M Höhere ud gewadte Mathemat rof. Dr.. Grabows De folgede ufgabe löse wr uter Verwedug der bede ombatorsche

Mehr

Quantitative BWL 2. Teil: Finanzwirtschaft

Quantitative BWL 2. Teil: Finanzwirtschaft Quattatve BWL. el: Fazwtschaft Mag. oáš Sedlačk Lehstuhl fü Fazdestlestuge Uvestät We Quattatve BWL: Fazwtschaft Ogasatosches Isgesat wd es 6 ee gebe (5 Ehete + Klausu Klausu fdet a D 7. Jaua 009 statt

Mehr

19. Amortisierte Analyse

19. Amortisierte Analyse 9. Amortserte Aalyse Amortserte Aalyse wrd egesetzt zur Aalyse der Laufzet vo Operatoe Datestrukture. Allerdgs wrd cht mehr Laufzet ezeler Operatoe aalysert, soder de Gesamtlaufzet eer Folge vo Operatoe.

Mehr

Einführung Fehlerrechnung

Einführung Fehlerrechnung IV Eführug Fehlerrechug Fehlerrechuge werde durchgeführt, um de Vertraueswürdgket vo Meßergebsse beurtele zu köe. Uter dem Fehler eer Messug versteht ma de Abwechug ees Meßergebsses vom (grudsätzlch ubekate

Mehr

(Markowitz-Portfoliotheorie)

(Markowitz-Portfoliotheorie) Thema : ortfolo-selekto ud m-s-rzp (Markowtz-ortfolotheore) Beurtelugskrtere be quadratscher Nutzefukto: Beroull-rzp + quadratsche Nutzefukto Thema Höhekompoete: Erwartugswert µ Rskokompoete: Stadardabwechug

Mehr

Unter einer Rente versteht man eine regelmässige und konstante Zahlung

Unter einer Rente versteht man eine regelmässige und konstante Zahlung 8 Aweduge aus der Fazmathematk Perodsche Zahluge: Rete ud Leasg Uter eer Rete versteht ma ee regelmässge ud kostate Zahlug Bespele: moatlche Krakekassepräme, moatlche Altersrete, perodsches Spare, verteljährlcher

Mehr

Lösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung

Lösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung Lösuge zum Übugs-Blatt 7 Wahrschelchketsrechug BMT Bostatstk Prof. Dr. B. Grabowsk ----------------------------------------------------------------------------------------------- Satz vo Bayes ud totale

Mehr

Eigenwerteinschließungen I

Eigenwerteinschließungen I auptsemar: Numersche Lösuge für Egewertaufgabe Egewerteschleßuge I Referet: Wolfgag Wesselsky Glederug Eletug Kodto vo Egewerte 3 Eschleßugssätze Bauer-Fke, Gershgor, Wlkso, Bedxo 4 Zusatz: Courat / Weyl

Mehr

Grundlagen der Entscheidungstheorie

Grundlagen der Entscheidungstheorie Kaptel 0 Grudlage der Etschedugstheore B. 0 (Gegestad) De Etschedugstheore befasst sch mt dem Etschedugsverhalte vo Idvdue ud Gruppe. Se besteht aus we Telgebete. Deskrptve Etschedugstheore De deskrptve

Mehr

Erzeugen und Testen von Zufallszahlen

Erzeugen und Testen von Zufallszahlen Erzeuge ud Teste vo Zufallszahle Jürge Zumdck Eletug Ee Lergruppe wrd aufgefordert 00 Zufallszahle (0 oder ) ach folgede Methode zu erzeuge: De Hälfte der Gruppe beutzt a) ee Müze oder b) de Zufallszahlefukto

Mehr

Methoden der computergestützten Produktion und Logistik

Methoden der computergestützten Produktion und Logistik Methode der comutergestützte Produkto ud Logstk 9. Bedesysteme ud Warteschlage Prof. Dr.-Ig. habl. Wlhelm Dagelmaer Modul W 336 SS 06 Bedesysteme ud Warteschlage Besel: Fahrradfabrk Presse Puffer Lackerere

Mehr

Statistik. ist die Kunst, Daten zu gewinnen, darzustellen, zu analysieren und zu interpretieren um zu neuem Wissen zu gelangen.

Statistik. ist die Kunst, Daten zu gewinnen, darzustellen, zu analysieren und zu interpretieren um zu neuem Wissen zu gelangen. Statstk st de Kust, Date zu gewe, darzustelle, zu aalysere ud zu terpretere um zu euem Wsse zu gelage. Sachs (984) Aufgabe De Statstk hat also folgede Aufgabe: Zusammefassug vo Date Darstellug vo Date

Mehr

Grundlagen der Energietechnik Energiewirtschaft Kostenrechnung. Vorlesung EEG Grundlagen der Energietechnik

Grundlagen der Energietechnik Energiewirtschaft Kostenrechnung. Vorlesung EEG Grundlagen der Energietechnik Prof. Dr. Ig. Post Grudlage der Eergetechk Eergewrtschaft Kosterechug EEG. Vorlesug EEG Grudlage der Eergetechk De elektrsche Eergetechk st e sogeates klasssches Fach. Folglch st deses Fach vele detallert

Mehr

Stoffwerte von Flüssigkeiten. Oberflächenspannung (PHYWE)

Stoffwerte von Flüssigkeiten. Oberflächenspannung (PHYWE) Stoffwerte vo Flüssgkete Oberflächespaug (PHYWE) Zel des Versuches st, de Platzbedarf ees Ethaol-Moleküls der Grezfläche zwsche Dapfphase ud Lösug aus der Kozetratosabhäggket der Oberflächespaug be wässrge

Mehr

Quellencodierung I: Redundanzreduktion, redundanzsparende Codes

Quellencodierung I: Redundanzreduktion, redundanzsparende Codes Quellecoderug I: Redudazredukto, redudazsparede Codes. Redudaz. Eführug. Defto der Redudaz. allgemee Redudazredukto. redudazsparede Codes. Coderug ach Shao. Coderug ach Fao. Coderug ach Huffma.4 Coderug

Mehr

Zur Interpretation einer Beobachtungsreihe kann man neben der grafischen Darstellung weitere charakteristische Größen heranziehen.

Zur Interpretation einer Beobachtungsreihe kann man neben der grafischen Darstellung weitere charakteristische Größen heranziehen. Rudolf Brkma http://brkma-du.de Sete 0.0.008 Lagemaße der beschrebede Statstk. Zur Iterpretato eer Beobachtugsrehe ka ma ebe der grafsche Darstellug wetere charakterstsche Größe herazehe. Mttelwert ud

Mehr

Deskriptive Statistik - Aufgabe 3

Deskriptive Statistik - Aufgabe 3 Desrptve Statst - Aufgabe 3 De Überachtugszahle der Fremdeverehrsgemede "Bachstadt" für de Moate ud zege auf de erste Blc scho deutlche Uterschede de ezele Ortschafte. We seht e etsprecheder Verglech der

Mehr

Lösungen. Häufigkeitsverteilung (Stabdiagramm) Aufgabe 1. Häufigkeit (h) Merkmal (x)

Lösungen. Häufigkeitsverteilung (Stabdiagramm) Aufgabe 1. Häufigkeit (h) Merkmal (x) Lösuge Aufgabe Merkmal (x) Häufgket (h) h x,, 3, 3,, 8, 5, 5, 6, 6, 7, 3, 8, 3 5, 9, 38,, 5,, 8 68,, 6 3, 3, 9,, 8, 5, 5 5, 6, 3 78, 7, 5, 8, 8, 3, 3, Summe 5.63, Aufgabe Häufgketsvertelug (Stabdagramm)

Mehr

Formelsammlung für die Lehrveranstaltung Wirtschaftsmathematik / Statistik

Formelsammlung für die Lehrveranstaltung Wirtschaftsmathematik / Statistik Formelsammlug rtschaftsmathemat / Statst Formelsammlug für de Lehrverastaltug rtschaftsmathemat / Statst zugelasse für de Klausure zur rtschaftsmathemat ud Statst de Studegäge der Techsche Betrebswrtschaft

Mehr

Marketing- und Innovationsmanagement Herbstsemester 2013 - Übungsaufgaben Lesender: Prof. Dr. Andreas Fürst

Marketing- und Innovationsmanagement Herbstsemester 2013 - Übungsaufgaben Lesender: Prof. Dr. Andreas Fürst Marketg- ud Iovatosmaagemet Herbstsemester 2013 - Übugsaufgabe Leseder: Prof. Dr. Adreas Fürst Isttut für Marketg ud Uterehmesführug Abtelug Marketg Uverstät Ber Ihaltsverzechs 1 Eletug Allgemee Grudlage

Mehr

Grundgesetze der BOOLEschen Algebra und Rechenregeln

Grundgesetze der BOOLEschen Algebra und Rechenregeln 5... Grudgesetze der BOOLEsche Algebra ud Recheregel Auf de mathematsch korrekte Eführug der BOOLEsche Algebra ka ch verzchte, da das Ihrer Mathematkausbldug ausführlch behadelt wrd. Ich stelle Ihe zuächst

Mehr

Aufgaben. 1. Gegeben seien folgende Daten einer statistischen Erhebung, bereits nach Größe sortiert (Rangliste):

Aufgaben. 1. Gegeben seien folgende Daten einer statistischen Erhebung, bereits nach Größe sortiert (Rangliste): Aufgabe. Gegebe see folgede Date eer statstsche Erhebug, berets ach Größe sortert (Raglste): 0 3 4 4 5 6 7 7 8 8 8 9 9 0 0 0 0 0 3 3 3 3 4 4 5 5 5 5 5 6 6 6 7 7 8 30 Erstelle Se ee Tabelle, der de Merkmalsauspräguge

Mehr

Histogramm / Säulendiagramm

Histogramm / Säulendiagramm Hstogramm / Säuledagramm Häugkete 10 9 8 7 6 5 4 3 2 1 0 3,45 3,75 4,05 4,35 4,65 Flüge lläge [mm] Be Hstogramme st soort deutlch, daß es sch um Häugketsauszähluge hadelt. De Postoe der Klasse sowe hre

Mehr

Lohnkosten pro Arbeitsstunde. Wie hoch sind die Lohnkosten pro Arbeitsstunde im Jahresdurchschnitt?

Lohnkosten pro Arbeitsstunde. Wie hoch sind die Lohnkosten pro Arbeitsstunde im Jahresdurchschnitt? Klausur Wrtschaftsstatstk. [ Pukte] E Uterehme hat folgede Date ermttelt: Moat Gelestete Arbetsstude Lohkoste pro Arbetsstude Jauar 86.400 0,06 Februar 75.000 3,0 März 756.000 4,47 Aprl 768.000,53 Ma 638.400

Mehr

BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS

BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Name: Vorame: Matrkel-Nr.: BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Itegrerter Studegag Wrtshaftswsseshaft Klausuraufgabe zur Hauptprüfug Prüfugsgebet: BWW 2.8

Mehr

5.5 MSC - Erweiterungen

5.5 MSC - Erweiterungen 5.5 MSC - Erweteruge MSC - Erweteruge Her ohe foral deferte Seat. Seat t Prozessalgebra öglch (sehe Dssertato vo Reers). Textuelle Sytax leße sch auch erweter. 1 5.5 MSC - Erweteruge Prozesserzeugug ud

Mehr

F 6-2 π. Seitenumbruch

F 6-2 π. Seitenumbruch 6 trebsauslegug Für dese ckelprozess üsse de otore so ausgelegt werde, dass dese Fahrbetreb cht überlastet werde. Herfür üsse de ezele asseträghetsoete [7] der Bautele (otor, etrebe, ckler ud Ulekrolle)

Mehr

2.2 Rangkorrelation nach Spearman

2.2 Rangkorrelation nach Spearman . Ragkorrelato ach Spearma Wr wolle desem Kaptel de Ragkorrelatoskoeffzete ach Spearma bereche. De erste Daterehe besteht aus Realseruge x, x,..., x der uabhägg ud detsch stetg vertelte Zufallsvarable

Mehr

14. Folgen und Reihen, Grenzwerte

14. Folgen und Reihen, Grenzwerte 4. Folge ud Rehe, Grezwerte 4. Folge ud Rehe, Grezwerte 4. Ee Folge defere Eplzte Defto Reursve Defto 4. Gleder eer vorher deferte Folge bereche E Gled Mehrere Gleder 6 4 5 4.3 Ee Folge defere ud ege hrer

Mehr

WIB 2 Mathematik und Statistik Formelsammlung. Z Menge der ganzen Zahlen {...,-3,-2,-1,0,1,2,3,...}

WIB 2 Mathematik und Statistik Formelsammlung. Z Menge der ganzen Zahlen {...,-3,-2,-1,0,1,2,3,...} 1 Allgeme Geometrsche Rehe: q t = 1 q1 t=0 1 q Mtterachtsformel: ax 2 bxc=0 x 1/ 2 = b±b2 4ac 2a Bomsche Formel: 1. ab 2 =a 2 2abb 2 2. a b 2 =a 2 2abb 2 3. ab a b=a 2 b 2 Wurzel: ugerade 1 Ergebs gerade

Mehr

Entladung Wanderung Entladung Wanderung H + --- Q -t - F OH - - F. Q --- +t - F

Entladung Wanderung Entladung Wanderung H + --- Q -t - F OH - - F. Q --- +t - F B - - Überführgszahle d Wadergsgeschwdgke fgabe: Besmmg der orfsche Überführgszahle vo - d O - -oe 0N O oder vo 2 - d SO 4 -oe 0N 2SO 4 d Berechg hrer oeäqvalelefähgkee 2 Besmmg der Wadergsgeschwdgkee

Mehr

Übungen zur Wahrscheinlichkeitsrechnung und Schliessenden Statistik

Übungen zur Wahrscheinlichkeitsrechnung und Schliessenden Statistik Übuge zur Wahrschelchketsrechug ud Schlessede Statstk Aufgabe ud Lösuge vo Peter M Schulze, Verea Dexhemer. Auflage Übuge zur Wahrschelchketsrechug ud Schlessede Statstk Schulze / Dexhemer schell ud portofre

Mehr

Wie gelingt es den Buchmachern (oder FdJ 1 ) IMMER zu gewinnen

Wie gelingt es den Buchmachern (oder FdJ 1 ) IMMER zu gewinnen We gelgt es de Buchacher (oder FdJ IMMER zu gewe Eletug Schrebwese ud Varable Erwarteter Gew des Buchachers 4 4 De Stratege der Buchacher 5 4 Der ehrlche Buchacher 6 4 "real lfe" Buchacher6 4 La FdJ 9

Mehr

Prinzip "Proportional Reduction of Error" (PRE)

Prinzip Proportional Reduction of Error (PRE) Dr. Reate Prust: Eführug quattatve Forschugsmethode Bvarate Maße: Przp "Proportoal Reducto of Error" (PRE) E 1 - E Fehler be Regel 1 - Fehler be Regel = E 1 Fehler be Regel 1 Regel 1: Vorhersageregel ur

Mehr

4. Marshallsche Nachfragefunktionen Frage: Wie hängt die Nachfrage nach Gütern

4. Marshallsche Nachfragefunktionen Frage: Wie hängt die Nachfrage nach Gütern Prof. Dr. Fredel Bolle Vorlesug "Mkroökoome" WS 008/009 III. Theore des Haushalts 0 Prof. Dr. Fredel Bolle Vorlesug "Mkroökoome" WS 008/009 III. Theore des Haushalts 0 4. Marshallsche Nachfragefuktoe Frage:

Mehr

Formelsammlung zur Zuverlässigkeitsberechnung

Formelsammlung zur Zuverlässigkeitsberechnung Formelsmmlug zur Zuverlässgetsberechug zusmmegestellt vo Tt Lge Fchhochschule Merseburg Fchberech Eletrotech Ihlt:. Zuverlässget vo Betrchtugsehete.... Zuverlässget elemetrer, chtreprerbrer ysteme... 3.

Mehr

2. Die Elementarereignisse sind die Kombinationsmöglichkeiten von: Wappen = W und:

2. Die Elementarereignisse sind die Kombinationsmöglichkeiten von: Wappen = W und: 1 L - Hausaufgabe Nr. 55 Sotag, 1. Ju 2003 Ee Müze werde dremal geworfe. Was st das Zufallsexpermet, das Elemetareregs, das zusammegesetzte Eregs, der Eregsraum ud de Wahrschelchket? Lösugs kte.: 1 De

Mehr

Statistik. Vorlesungsmitschrift - Kurzfassung. Prof. Dr. rer. nat. B. Grabowski

Statistik. Vorlesungsmitschrift - Kurzfassung. Prof. Dr. rer. nat. B. Grabowski Sttstk Vorlesugstschrft - Kurzfssug Prof. Dr. rer. t. B. Grbowsk HTW des Srldes 5 Ltertur LITERATUR. Deses (vorlesugsbegletede) Skrpt de Tele I - Deskrptve Sttstk, II - Whrschelchketsrechug, III- Schleßede

Mehr

Frequently Asked Questions FAQ. Stand: 1. Januar KGAST Immo-Index

Frequently Asked Questions FAQ. Stand: 1. Januar KGAST Immo-Index Stad: 1. Jauar 217 KGAST Immo-Idex KGAST Immo-Idex-Famle FREQUENTLY ASKED QUESTIONS Was behaltet der KGAST Immo-Idex? De KGAST Immo-Idex-Famle umfasst ee Hauptdex ud dre Subdzes. Der KGAST Immo- Idex als

Mehr

6. Zusammenhangsmaße (Kovarianz und Korrelation)

6. Zusammenhangsmaße (Kovarianz und Korrelation) 6. Zuammehagmaße Kovaraz ud Korrelato Problemtellug: Bher: Ee Varable pro Merkmalträger, Stchprobe x,, x Geucht: Maße für Durchchtt, Streuug, uw. Jetzt: Zwe metrche! Varable pro Merkmalträger, Stchprobe

Mehr

Verdichtete Informationen

Verdichtete Informationen Verdchtete Iormatoe Maßzahle Statstke be Stchprobe Parameter be Grudgesamthete Maßzahle zur Beschrebug uvarater Verteluge Maßzahle der zetrale Tedez (Mttelwerte) Maßzahle der Varabltät (Streuugswerte)

Mehr

Statistik für Ingenieure (IAM) Version 3.0/21.07.2004

Statistik für Ingenieure (IAM) Version 3.0/21.07.2004 Stattk fü Igeeue (IAM) Veo 74 Vaazaalye Mt de efache Vaazaalye (ANOVA Aaly of Vaace) wd de Hypothee gepüft, ob de Mttelwete zwee ode mehee Stchpobe detch d, de au omaletelte Gudgeamthete gezoge wede, de

Mehr

Mathematik für VIW - Prof. Dr. M. Ludwig ( ) ( ) ( ) n f. bestimmt m Funktionen. durch die Festlegung f (,,

Mathematik für VIW - Prof. Dr. M. Ludwig ( ) ( ) ( ) n f. bestimmt m Funktionen. durch die Festlegung f (,, Matheatk ür VIW - Pro. Dr. M. Ludwg 8. Deretato reeller Fuktoe ehrerer Varabler 8. Skalare Felder Vektorelder Koordatesystee Bsher wurde reelle Fuktoe ür ee Varable utersucht: : D t der egeührte Schrebwese

Mehr

Multiple Regression (1) - Einführung I -

Multiple Regression (1) - Einführung I - Multple Regreo Eführug I Mt eem Korrelatokoeffzete ud der efache leare Regreo köe ur varate Zuammehäge zwche zwe Varale uterucht werde. Beutzt ma tatt dee mehrere Varale zur Vorherage, egt ma ch auf da

Mehr

Investmentfonds. Kennzahlenberechnung. Performance Risiko- und Ertragsanalyse, Risikokennzahlen

Investmentfonds. Kennzahlenberechnung. Performance Risiko- und Ertragsanalyse, Risikokennzahlen Ivestmetfods Kezahleberechug erformace Rsko- ud Ertragsaalyse, Rskokezahle Gültg ab 01.01.2007 Ihalt 1 erformace 4 1.1 Berechug der erformace über de gesamte Beobachtugzetraum (absolut)... 4 1.2 Aualserug

Mehr

Gliederung: A. Vermögensverwaltung I. Gegenstand II. Ablauf III. Kosten. Jan Lenkeit

Gliederung: A. Vermögensverwaltung I. Gegenstand II. Ablauf III. Kosten. Jan Lenkeit Glederug: A. Vermögesverwaltug I. Gegestad II. Ablauf III. Koste B. Grudzüge der Kaptalmarkttheore I. Portefeulletheore 1. Darstellug. Krtk II. Captal Asset Prcg Model (CAPM) 1. Darstellug. Krtk III. Arbtrage

Mehr

Einführung in die Stochastik 3. Übungsblatt

Einführung in die Stochastik 3. Übungsblatt Eführug de Stochastk 3. Übugsblatt Fachberech Mathematk SS 0 M. Kohler 06.05.0 A. Fromkorth D. Furer Gruppe ud Hausübug Aufgabe 9 (4 Pukte) Der Mkrozesus st ee statstsche Erhebug. Herbe werde ach bestmmte

Mehr

2. Zusammenhangsanalysen: Korrelation und Regression

2. Zusammenhangsanalysen: Korrelation und Regression 2. Zusammehagsaalse: Korrelato ud Regresso Dowloads zur Vorlesug 2. Zusammehagsaalse: Korrelato ud Regresso 2 Grudbegrffe zwedmesoale Stchprobe De Gewug vo mehrere Merkmale vo eer Beobachtugsehet führt

Mehr

Ergebnis- und Ereignisräume

Ergebnis- und Ereignisräume I Ergebs- ud Eregsräume Zufallsexpermete Defto: E Expermet, welches belebg oft uter gleche Bedguge wederholbar st ud desse Ergebs cht mt Bestmmthet vorhergesagt werde ka (d.h. es gbt md. 2 Mgk.), heßt

Mehr

Physikalisch-Technische Bundesanstalt, Braunschweig

Physikalisch-Technische Bundesanstalt, Braunschweig Üerscht üer essuscherhetserechuge vo der Darstellug der Ehet des Drehmometes üer de Wetergae s h zur Aedug ud Bespel eer Ope-ource-Aedug dafür Drk Röske Physkalsch-Techsche Budesastalt, Brauscheg Darstellug

Mehr

Allgemeine Prinzipien

Allgemeine Prinzipien Allgemee Przpe Es estere sebe Grudehete der Physk; alle adere physkalsche Größe ka ma darauf zurückführe. Dese Grudehete sd: Läge [m] Masse [kg] Zet [s] Elektrsche Stromstärke [A] Temperatur [K], Stoffmege

Mehr

2 Regression, Korrelation und Kontingenz

2 Regression, Korrelation und Kontingenz Regresso, Korrelato ud Kotgez I desem Kaptel lerst du de Zusammehag zwsche verschedee Merkmale durch Grafke zu beschrebe, Maßzahle ür de Stärke des Zusammehags zu bereche ud dese zu terpretere, das Wsse

Mehr

Festverzinsliche Wertpapiere. Kurse und Renditen bei ganzzahligen Restlaufzeiten

Festverzinsliche Wertpapiere. Kurse und Renditen bei ganzzahligen Restlaufzeiten Festverzslche Wertaere Kurse ud Redte be gazzahlge Restlaufzete Glederug. Rückblck: Grudlage der Kursrechug ud Redteermttlug 2. Ausgagsstuato 3. Herletug der Formel 4. Abhäggket vom Marktzsveau 5. Übugsaufgabe

Mehr

Entwicklung einer Dispatcherfunktion zur Überprüfung von Nominierungsmengen in der Betriebsführung von Erdgasspeichern

Entwicklung einer Dispatcherfunktion zur Überprüfung von Nominierungsmengen in der Betriebsführung von Erdgasspeichern AMMO Berchte aus Forschug ud Techologetrasfer Etwcklug eer Dsatcherfukto zur Überrüfug vo Nomerugsmege der Betrebsführug vo Erdgassecher Prof. Dr. sc. tech. Dr. rer. at. R. Ueckerdt Dr.Ig. H.W. Schmdt

Mehr

Regressionsverfahren haben viele praktische Anwendungen. Die meisten Anwendungen fallen in eine der folgenden beiden Kategorien:

Regressionsverfahren haben viele praktische Anwendungen. Die meisten Anwendungen fallen in eine der folgenden beiden Kategorien: Regressoslse De Regressoslse st ee Slug vo sttstshe Alseverfhre. Zel e de häufgste egesetzte Alseverfhre st es Bezehuge zwshe eer hägge ud eer oder ehrere uhägge rle festzustelle. Se wrd sesodere verwedet

Mehr

Physikalische Messungen sind immer fehlerbehaftet! Der wahre Wert ist nicht ermittelbar. Der wahre Wert x ist nicht identisch mit dem Mittelwert

Physikalische Messungen sind immer fehlerbehaftet! Der wahre Wert ist nicht ermittelbar. Der wahre Wert x ist nicht identisch mit dem Mittelwert Physkalsche Messuge sd mmer fehlerbehaftet! Der wahre Wert st cht ermttelbar. Der wahre Wert st cht detsch mt dem Mttelwert Der Wert legt mt eer gewsse Wahrschelchket (Kofdezahl bzw. Vertrauesveau %) m

Mehr

Grundlagen der Informatik 2. Grundlagen der Digitaltechnik. 3. Entwicklungssatz der Schaltalgebra

Grundlagen der Informatik 2. Grundlagen der Digitaltechnik. 3. Entwicklungssatz der Schaltalgebra Grudlage der Iormatk Grudlage der Dgtaltechk 3. Etwcklugssatz der Schaltalgebra Pro. Dr.-Ig. Jürge Tech Dr.-Ig. Chrsta Haubelt Lehrstuhl ür Hardware-Sotware Sotware-Co-Desg Grudlage der Dgtaltechk Etwcklugssatz

Mehr

Schiefe-, Wölbungs- und Konzentrationsmaße

Schiefe-, Wölbungs- und Konzentrationsmaße Statstk für SozologIe Schefe-, Wölbugs- ud Kozetratosmaße Uv.Prof. Dr. Marcus Hudec Höhere Vertelugsmaßzahle E stetges Merkmal wurde 3 Gruppe beobachtet ud Form der folgede Häufgketstabelle berchtet: Klasse

Mehr

Intervallschätzungen geben unter Berücksichtigung des Verteilungstyps von X einen Bereich an, der den Parameter mit vorgegebener Sicherheit enthält.

Intervallschätzungen geben unter Berücksichtigung des Verteilungstyps von X einen Bereich an, der den Parameter mit vorgegebener Sicherheit enthält. Parameterschätzuge Fachhochschule Jea Uversty of Appled Sceces Jea Oft st der Vertelugstyp eer Zufallsgröße X bekat, ur de Parameter sd ubekat. Da erfolgt hre Schätzug aus eer Stchprobe. Ma uterschedet

Mehr

Geometrisches Mittel und durchschnittliche Wachstumsraten

Geometrisches Mittel und durchschnittliche Wachstumsraten Dpl.-Kaufm. Wolfgag Schmtt Aus meer Skrpterehe: " Kee Agst vor... " Ausgewählte Theme der deskrptve Statstk Geometrsches Mttel ud durchschttlche Wachstumsrate Modellaufgabe Übuge Lösuge www.f-lere.de Geometrsches

Mehr

Maße zur Kennzeichnung der Form einer Verteilung (1)

Maße zur Kennzeichnung der Form einer Verteilung (1) Maße zur Kezechug der Form eer Vertelug (1) - Schefe (skewess): Defto I - Ee Vertelug vo Messwerte wrd als schef bezechet, we se der Wese asymmetrsch st, dass lks oder rechts des Durchschtts ee Häufug

Mehr

Die Binomialverteilung als Wahrscheinlichkeitsverteilung für die Schadenversicherung

Die Binomialverteilung als Wahrscheinlichkeitsverteilung für die Schadenversicherung De Bomalvertelg al Wahrchelchketvertelg für de Schadevercherg Für da Modell eer Schadevercherg e gegebe: = Schade ee Verchergehmer, we der Schadefall etrtt w = Wahrchelchket dafür, da der Schadefall etrtt

Mehr

( ) ( ) ) ( ) 1/ ( ) Beispiel: U = y1. 3. Ergänzungen zur Haushaltstheorie, insbesondere Dualität und Anwendungen

( ) ( ) ) ( ) 1/ ( ) Beispiel: U = y1. 3. Ergänzungen zur Haushaltstheorie, insbesondere Dualität und Anwendungen Prof. Dr. Fredel Bolle 3. rgäzuge zur Haushaltstheore, sbesodere Dualtät ud Aweduge (Btte wederhole Se zuächst emal de Haushaltstheore aus Mkro I!!!) komme gegebe errechbare Idfferezkurve festgelegt Güterprese

Mehr

Definitionen und Aussagen zu Potenzreihen

Definitionen und Aussagen zu Potenzreihen Deftoe ud Aussage zu Potezrehe User bsherges Repertore a stetge Abblduge basert auf ratoale Fuktoe, also Ausdrücke, dee Addto, Subtrakto, Multplkato ud Dvso vorkomme. Auf dese Wese sd aber Epoetalfukto,

Mehr

Verteilungen und Schätzungen

Verteilungen und Schätzungen Verteluge ud Schätzuge Zufallseperet Grudbegrffe Vorgag ach eer bestte Vorschrft ausgeführt ( Przp) belebg oft wederholbar se Ergebs st zufallsabhägg be ehralge Durchführug des Eperets beeflusse de Ergebsse

Mehr

1.1. Jährliche Rentenzahlungen 1.1.1. Vorschüssige Rentenzahlungen. 1.1. Jährliche Rentenzahlungen 1.1.1. Vorschüssige Rentenzahlungen

1.1. Jährliche Rentenzahlungen 1.1.1. Vorschüssige Rentenzahlungen. 1.1. Jährliche Rentenzahlungen 1.1.1. Vorschüssige Rentenzahlungen .. Jährlche Retezahluge... Vorschüssge Retezahluge Ausgagspukt: Über ee edlche Zetraum wrd aus eem Kaptal (Retebarwert v, ), das zseszslch agelegt st, jewels zu Beg ees Jahres ee bestmmte Reterate ř gezahlt

Mehr

Thema 5: Reduzierte Datenanforderungen II: Naive Diversifikation

Thema 5: Reduzierte Datenanforderungen II: Naive Diversifikation Thea 5: Reduzerte Dateaforderuge II: Nave Dversfkato roble: Klealeger verfüge oft cht eal über hrechede Iforatoe zur Awedug des Sgle-Idex-Modells. I wetere: Herletug eer Hadlugsepfehlug für de Fall fehleder

Mehr

= k. , mit k als Anzahl der Hypothesen A i und den Daten B. Bestimmtheitsmaß:!Determinationskoeffizient

= k. , mit k als Anzahl der Hypothesen A i und den Daten B. Bestimmtheitsmaß:!Determinationskoeffizient Ablehugsberech:!Sgfkazveau abhägge Gruppe: Gruppe vo Versuchspersoe, dee jede ezele Versuchsperso aus Gruppe A eer äquvalete Versuchsperso aus Gruppe B etsprcht (oder tatsächlch de gleche Versuchsperso

Mehr

die Schadenhöhe ( = Risikoergebnis) des i-ten Versicherungsnehmers i 1,, n).

die Schadenhöhe ( = Risikoergebnis) des i-ten Versicherungsnehmers i 1,, n). Aufgabe Wr betrachte ee Reteverscherug der Retebezugszet mt jährlch vorschüssger Retezahlug solage der Verscherte lebt. a) Bezeche V bzw. V de rechugsmäßge Deckugsrückstellug am Afag bzw. am Ede des Verscherugsjahres.

Mehr

v. Weter st + r X + = ( X + ) = ( X + ) ( X + ) = P Deshalb fr 6 6 = + X = K, d. h. I desem Berech ( 6 6 ) glt also ( Idukto ach ) ( ) ( mod ), was fr

v. Weter st + r X + = ( X + ) = ( X + ) ( X + ) = P Deshalb fr 6 6 = + X = K, d. h. I desem Berech ( 6 6 ) glt also ( Idukto ach ) ( ) ( mod ), was fr 5. De Stze vo Sylow Im gaze Abschtt st G ee edlche Grue, 4 #( G). 5.. Problem: Gbt es zu jedem Teler t vo ( tj ) ee Utergrue H mt #( H) = t? We ja, wevele? Gegebesel: 9 Utergrue H vo G = A 5 mt #( H) =

Mehr

Analyse und praktische Umsetzung unterschiedlicher Methoden des Randomized Branch Sampling

Analyse und praktische Umsetzung unterschiedlicher Methoden des Randomized Branch Sampling Aalse ud praktsche Umsetzug uterschedlcher Methode des Radomzed Brach Samplg Dssertato zur Erlagug des Doktorgrades der Fakultät für Forstwsseschafte ud Waldökologe der GeorgAugustUverstät Göttge vorgelegt

Mehr

Statistik. (Inferenzstatistik)

Statistik. (Inferenzstatistik) Statstk Mathematsche Hlfswsseschaft mt der Aufgabe, Methode für de Sammlug, Aufberetug, Aalyse ud Iterpretato vo umersche Date beretzustelle, um de Struktur vo Masseerscheuge zu erkee. Deskrptve (beschrebede)

Mehr

Mathematik: Mag. Schmid Wolfgang & LehrerInnenteam Arbeitsblatt Semester ARBEITSBLATT 7-8 WAHRSCHEINLICHKEITSRECHNUNG UND STATISTIK

Mathematik: Mag. Schmid Wolfgang & LehrerInnenteam Arbeitsblatt Semester ARBEITSBLATT 7-8 WAHRSCHEINLICHKEITSRECHNUNG UND STATISTIK Mathematk: Mag. Schmd Wolfgag & LehrerIeteam Arbetsblatt 7-7 7. Semester ARBEITSBLATT 7-8 WAHRSCHEINLICHKEITSRECHNUNG UND STATISTIK STATISTISCHE GRUNDBEGRIFFE Statstk gledert sch zwe Telbereche De Beschrebede

Mehr

Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3 54

Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3 54 Prof. Dr. H. Rommelfager: tschedugstheore, Katel 3 54 3.2.8 ARROW-PRATT-Maß für de Rskoestellug Rskoverhalte bsher grob kategorsert ach Rskoeutraltät, -symathe ud averso be Rskoaverso: (X) < SÄ Rskoräme

Mehr

Schiefe- und Konzentrationsmaße

Schiefe- und Konzentrationsmaße Statstk für SozologIe Schefe- ud Kozetratosmaße Uv.Prof. Dr. Marcus Hudec Höhere Vertelugsmaßzahle E stetges Merkmal wurde 3 Gruppe beobachtet ud Form der folgede Häufgketstabelle berchtet: Klasse m Gruppe

Mehr

EINLEITUNG, FEHLERRECHNUNG

EINLEITUNG, FEHLERRECHNUNG Eletug FEHLERRECHNUNG ohe Dfferetalrechug 04.05.006 Blatt 1 EINLEITUNG, FEHLERRECHNUNG Aufgabe des physkalsche Praktkums st es, dem Studerede de Physk durch das Expermet äher zu brge, h mt der Methode

Mehr

Schiefe- und Konzentrationsmaße

Schiefe- und Konzentrationsmaße Statst für SozologIe Schefe- ud Kozetratosmaße Uv.Prof. Dr. Marcus Hudec Höhere Vertelugsmaßzahle E stetges Mermal wurde 3 Gruppe beobachtet ud Form der folgede Häufgetstabelle berchtet: Klasse m Gruppe

Mehr

Zum Problem unterjähriger Zinsen und Zahlungen in der Zinseszinsrechnung

Zum Problem unterjähriger Zinsen und Zahlungen in der Zinseszinsrechnung Zu Proble urjährger Zse ud Zahluge der Zsessrechug Gewöhlch geht a der Zsessrechug davo aus, dass de Zse ach ee Jahr de Kapl ugeschlage werde ud da weder Zse trage. Der Zssat, t de das Kapl ultplert wrd,

Mehr

Schiefe-, Wölbungs- und Konzentrationsmaße

Schiefe-, Wölbungs- und Konzentrationsmaße Statstk für SozologIe Schefe-, Wölbugs- ud Kozetratosmaße Uv.Prof. Dr. Marcus Hudec Höhere Vertelugsmaßzahle E stetges Merkmal wurde 3 Gruppe beobachtet ud Form der folgede Häufgketstabelle berchtet: Klasse

Mehr

AG Konstruktion KONSTRUKTION 2. Planetengetriebe (Umlaufgetriebe) Skript. TU Berlin, AG Konstruktion

AG Konstruktion KONSTRUKTION 2. Planetengetriebe (Umlaufgetriebe) Skript. TU Berlin, AG Konstruktion AG Kstrut KONTRUKTION Plaetegetrebe (Umlaufgetrebe) rpt TU Berl, AG Kstrut Plaetegetrebe Vrtele Plaetegetrebe: e Achsversatz z.t. sehr grße Über-/Utersetzuge möglch grße Tragraft guter Wrugsgrad Rhlff

Mehr

Skript Teil 7: Polygonzug

Skript Teil 7: Polygonzug Prof. Dr. tech. Alfred Mschke Vorlesug zur Verastaltug Vermessugskude Skrpt Tel 7: Polgozug Der Begrff Polgo letet sch aus Pol = vel ud Go = Wkel ab ud bedeutet uregelmäßges Veleck. Das Polgoere det zum

Mehr

Oesterreichische Kontrollbank AG. Pensionskassen. Performanceberechnung Asset Allocation. Berechnungsmethoden

Oesterreichische Kontrollbank AG. Pensionskassen. Performanceberechnung Asset Allocation. Berechnungsmethoden Oeserrechsche Korollbak AG esoskasse erformaceberechug Asse Allocao Berechugsmehode Jul 200 Ihal erformaceberechug der OeKB...3 2 erformace...3 2. Defo der erformace...3 2.2 Berechugsmehode...4 2.3 Formel...4

Mehr

Prof. Dr. B.Grabowski. Die Behauptung I folgt aus der Multiplikationsformel: )

Prof. Dr. B.Grabowski. Die Behauptung I folgt aus der Multiplikationsformel: ) Höhere Mathemat KI Master rof. Dr..Grabows E-ost: grabows@htw-saarlad.de Satz vo ayes ud totale Wahrschelchet Zu ufgabe anachwes der Formel I ud II: eh.: I. Formel der totale Wahrschelchet: ewes: Es glt:...

Mehr

1.2.2 Prozentrechnung

1.2.2 Prozentrechnung .2. Verhältsglechuge, Produktglechuge Ee Awedug vo leare Glechuge sd Verhälts- ud Produktglechuge Be Verhältsglechuge st das Verhälts zwsche zwe Varable kostat, z.b. hergestellte Stückzahl zu beötgter

Mehr

Induktion am Beispiel des Pascalschen Dreiecks

Induktion am Beispiel des Pascalschen Dreiecks Iduto am Bespel des Pascalsche Dreecs Alexader Rehold Coldtz 0.02.2005 Eletug vollstädge Iduto De vollstädge Iduto st ebe dem drete ud drete Bewesverfahre ees der wchtgste der Mathemat. Eher bespelhaft

Mehr

Ralf Korn. Elementare Finanzmathematik

Ralf Korn. Elementare Finanzmathematik Ralf Kor Elemetare Fazmathematk Ihaltsverzechs. Eletug Exkurs : Akte Begrffe, Grudlage ud Geschchte. We modellert ma Aktekurse? 4. Edlche E-Perode-Modelle 6. Edlche Mehr-Perode-Modelle 3.3 Das Black-Scholes-Modell

Mehr

Teil IV Musterklausuren (Univ. Essen) mit Lösungen

Teil IV Musterklausuren (Univ. Essen) mit Lösungen Tel IV Musterklausure (Uv. Esse) mt Lösuge Hauptklausur WS 9/9 Aufgabe : a) Revolverheld R stzt m Saloo ud pokert. De Wahrschelchket, daß er dabe ee seer Mtspeler bem Falschspel erwscht (Eregs F), bezffert

Mehr

BANK ONLINE Zentraler Bankdaten-Transfer

BANK ONLINE Zentraler Bankdaten-Transfer BANK ONLINE Zetraler Bakdate-Trasfer Ihaltsverzechs 1 Lestugsbeschrebug... 3 2 Itegrato das Ageda-System... 4 3 Hghlghts... 5 3.1 Efachste Aktverug... 5 3.2 Abruf vo Kotoauszüge... 6 3.3 Bakeübergrefede

Mehr

REGRESSION. Marcus Hudec Christian Neumann. Eine anwendungsorientierte Einführung. Unterstützt von Institut für Statistik der Universität Wien

REGRESSION. Marcus Hudec Christian Neumann. Eine anwendungsorientierte Einführung. Unterstützt von Institut für Statistik der Universität Wien REGRESSION Ee awedugsoreterte Eführug Marcus Hudec Chrsta Neuma Uterstützt vo Isttut für Statstk der Uverstät We Eletug De Regresso st e velfältg esetzbares Werkzeug zur Beschrebug ees fuktoale Zusammehags

Mehr

1 Elementare Finanzmathematik

1 Elementare Finanzmathematik Elemetare Fazmathemat 4 Elemetare Fazmathemat Zel: Bewertug ud Verglech atueller ud zuüftger Geldströme. Determstsche Zahlugsströme Defto: E determstscher Zahlugsstrom st ee Futo Z: N R, de jedem Zetput

Mehr

Klausur Betriebswirtschaftslehre PM/B

Klausur Betriebswirtschaftslehre PM/B Isttut für Fazwrtschaft, Bake ud Verscheruge, Karlsruher Isttut für Techologe Klausur Betrebswrtschaftslehre PM/B Achtug: Ihalte der Vorlesug köe Zukuft ggf. cht mehr kosstet mt de Ihalte deser Klausur

Mehr