Berechnung der Messunsicherheit nach GUM Kurzfassung in 20 min

Größe: px
Ab Seite anzeigen:

Download "Berechnung der Messunsicherheit nach GUM Kurzfassung in 20 min"

Transkript

1 Berechnung der Messunscherhet nach GUM Kurzfassung n 0 mn MU der Stephan Meke PTB-Insttut Berln

2 Gegenstand Defnton (verkürzt) VIM (Wörterb. d. Metrologe) Bespele / Anmerkungen Größe Größenwert Messwert Egenschaft enes Phänomens, enes Körpers oder ener Substanz, Zahlenwert und Referenz, de zusammen ene Größe quanttatv angeben Größenwert, der en Messergebns repräsentert 1.1 Länge, Spannung, Energe, Stoffmengenkonzentraton 1.19 Masse enes Körpers: 0,15 kg ; Stoffmengenkonz. von L. n ener Plasmaprobe: 5,0 I E / L.10 MU der Messergebns Menge von Größenwerten, de ener Messgröße zugewesen snd, zusammen mt jeglcher verfügbarer relevanter Informaton.9 En Messergebns wrd m Allgemenen als en enzger Messwert und ene Messunscherhet ausgedrückt. Messunscherhet nchtnegatver Parameter [u], der de Streuung der Werte kennzechnet, de der Messgröße auf der Grundlage der benutzten Informaton begeordnet st.6 Überdeckungsntervall Intervall [U], das de Menge der wahren Werte ener Messgröße mt ener angegebenen Wahrschenlchket enthält,.36 Deutsch-englsche Fassung des ISO/IEC- Letfaden 99 PDF: Wahrschenlchketsdchtefunkton (probablty densty functon)

3 Vorgehen: 1) und Messgröße ) Messprnzp 3) Messmethode 4) Messverfahren MU der Ergebns: - Identfkaton der Messgröße - bessere Kenntns und Verständns des Messverfahrens

4 Bespel: CENAM / Euramet Begrffe 1 und Messgröße: Bestmmung des Volumens V enes Bechers mt enem Nennwert von L be ener Temperatur von 0 C. L Messprnzp: Volumen = Masse / Dchte MU der 3 Messmethode: Gravmetrsche Kalbrerung 1,995 kg 4 Messverfahren: Wederholtes Füllen des Bechers mt bdstllertem Wasser und Wegen der Masse m des enthaltenen Wassers

5 MU der Vorgehen: 1) Suchen der Größen, de de beenflussen könnten ) Struktureren und Bewerten der X 3) Aufstellen des mathematschen Modells der Ergebns: - Mathematsches Modell der Messgröße: Y = f( X 1, X, X N ) (Y : Ausgangsgröße, X : )

6 Ichkawa Dagramm (allgemen): MU der Ichkawa Dagramm (Bepel: L-Becher):

7 MU der Bespel ener Modellglechung: Volumenmessung V mt V m W Volumen des Bechers Masse des engefüllten Wassers Netto-Messwert (vermndert um de Masse des leeren Bechers) ΔW Cal Messabwechung der Waage (Kalbrerschen-Angabe) ΔW res Auflösung der Waage B ar m W B ar Korrektur des Luftauftrebs Dchte des Wassers W W cal W Hnwes: Dese Glechung verletzt de Lneartätsforderung des (Standard-)GUM. Praktsch st das, be hnrechend klenen Messunscherheten der, ohne Bedeutung. Be größeren Messunscherheten müßte de Berechnung mttels Monte-Carlo-Smulaton per Software durchgeführt werden. res B ar

8 Vorgehen: Bestmmung der Messunscherheten u( ) aller relevanten X durch oder aus anderen Informatonsquellen MU der Ergebns: Angaben zu jeder Engangsgröße X - bester Schätzwert - Informatonen zu dessen Messunscherhet u( )

9 Der beste Schätzwerte ener Engangsgröße X und dessen begeordnete Standardunscherhet u( ) kann auf zwe verschedenen Wegen ermttelt werden: Typ A Typ B MU der wederholte en be glechen Messbedngungen Angaben aus anderen Informatonsquellen Kalbrer- / Echschen Gerätespezfkaton Lteratur vorherge en usw

10 Typ A: wederholte en bester Schätzwert: arthmetscher Mttelwert (GUM 4..1) 1 q n n k 1 q k Standardunscherhet: Standardabwechung des Mttelwerts (GUM 4..3) MU der n s( qk ) 1 u( q) s( q) ( q n n( n 1) emprsche Standardabwechung k1 k q)

11 Typ B: Angaben aus anderen Informatonsquellen MU der Echschen: de Echfehlergrenzen werden engehalten Kalbrerschen: der Wert der Messgröße beträgt 19,98 C de erweterte Messunscherhet beträgt 0,10 C es wurden 5 Verglechsmessungen durchgeführt Herstellerangabe: Genaugket: 1% der Anzege + Dgts

12 Quelle: deutschen Übersetzung des GUM S1 Begrffe geechtes Gerät MU der Gerät mt Kalbrerschen Gerät mt Kalbrerschen und zusätzlchen Informatonen

13 MU der Vorgehen: 1) Typ A : Standardunscherhet berets als Standardabwechung des Mttelwerts bekannt. ) Typ B: Berechnung der Standardunscherheten (d.h.: Standardabwechungen) aller aus deren angenommenen Wahrschenlchketsdchtevertelungen nach festen Regeln. Ergebns: Standardunscherheten (bzw. Standardabwechungen) aller

14 MU der

15 MU der Ermttlung der kombnerten Standardunscherhet (GUM 5) De kombnerte Standardunscherhet enes Messergebnsses (ener Ausgangsgröße) u c wrd aus den Standardunscherheten durch Fehlerfortpflanzung berechnet. Dabe snd Fälle zu unterscheden: unkorrelerte [Unscherheten der] (GUM 5.1) mt folgt und korrelerte [Unscherheten der] (GUM 5.) N c u c y u 1 ) ( ) ( f c ) ( ) ( 1 N c u f y u ), ( ) ( ), ( ) ( j N N N j j j N N j j c u f f u f u f f y u unkorrelerter Fall Mschterme mt Kovaranzen

16 Hnwes zu korrelerten Gement st her de Korrelaton der Zufallsgrößen ncht de der physkalschen Größen (GUM 5..1). Wenn de Messunscherhet der enen Engangsgröße mt der Messunscherhet ener anderen Engangsgröße n glecher- oder gegenläufger Wese schwankt, kann das daran legen, dass für verschedene MU der dasselbe Messgerät, dasselbe Normal, derselbe Referenzwert, deselbe Energequelle, benutzt wrd.

17 Bespel: Volumenmessung (unkorellerter Fall) Modellglechung: V W W cal W res B ar kombnerte Standardunscherhet: u c ( V) ( c u( W )) ( c Wcal u( W W cal ( c u ( W )) ( c u ( B )) ( c u Wres res Bar ar ( )) )) MU der Empfndlchketskoeffzenten c : c W V W 1 c Wcal V W cal 1 c Wres V W res 1 V B 1 V W cal cbar c ar W W res B ar

18 MU der De erweterte Messunscherhet U gbt enen Berech um das Messergebns an, von dem erwartet werden kann, dass er enen großen Antel der Vertelung der Werte umfasst, de der Messgröße Y snnvollerwese zugeordnet werden können. Man erhält se durch Multplkaton der kombnerten Standardmessunscherhet u c (y) mt dem Erweterungsfaktor k: U k u c (y) Erweterte MU

19 Wert des Erweterungsfaktor be Begrffe Normalvertelung: MU der -3u c -u c -u c +u c +u c +3u c Erweterte MU Rechteckvertelung: Grad des Vertrauens p (n %) Erweterungsfaktor k p 57, , , ,73

20 Erweterungsfaktor normalvertelter Werte n Abhänggket von der Zahl der en (Frehetsgrade) MU der Erweterte MU

21 MU der GUM 7..3 Be der Angabe enes Messergebnsses sollte man, wenn de erweterte Unscherhet U = k u c (y) das Maß für de Unscherhet st: a) vollständg beschreben, we de Messgröße Y defnert st; b) das Messergebns n der Form Y = y ± U angeben; c) de relatve erweterte Unscherhet U / y angeben und wenn y 0; d) den zur Ermttlung von U verwendeten Wert von k angeben (oder zur Erlechterung für den Nutzer des Messergebnsses sowohl k als auch u c (y)); e) den annähernden Grad des Vertrauens angeben, der dem Berech y ± U zugeordnet st, sowe de Methode sener Ermttlung; f) de n GUM 7..7 skzzerte Informaton angeben oder auf ene Publkaton verwesen, de dese Informaton enthält.

22 QM-VA 5 Messunscherhetsangaben n Ergebnsberchten aus der PTB MU der In Kalbrerschenen und n Prüfberchten... st be der Angabe der Messunscherhet m Falle der Normalvertelung folgende Formulerung zu verwenden: Angegeben st de erweterte Messunscherhet, de sch aus der Standardmessunscherhet durch Multplkaton mt dem Erweterungsfaktor k= ergbt. Se wurde gemäß dem Gude to the Epresson of Uncertanty n Measurement (GUM) ermttelt. Der Wert der Messgröße legt dann m Regelfall mt ener Wahrschenlchket von annähernd 95 % m zugeordneten Überdeckungsntervall. Englsche Übersetzung: The uncertanty stated s the epanded measurement uncertanty obtaned by multplyng the standard measurement uncertanty by the coverage factor k =. It has been determned n accordance wth the Gude to the Epresson of Uncertanty n Measurement (GUM). The value of the measurand then normally les, wth a probablty of 95 %, wthn the attrbuted coverage nterval. Legt ene andere Vertelung vor, so st en anderer Erweterungsfaktor zu benutzen. De o.g. Formulerung st entsprechend anzupassen.

23 MU der Velen Dank für Ihre Aufmerksamket (geschätzte Redezet: 1 mn ± mn, k =, Grad des Vertrauens 95%)

Der Erweiterungsfaktor k

Der Erweiterungsfaktor k Der Erweterungsfaktor k Wahl des rchtgen Faktors S. Meke, PTB-Berln, 8.40 Inhalt: 1. Was macht der k-faktor? 2. Welche Parameter legen den Wert des k-faktors fest? 3. Wo trtt der k-faktor auf? 4. Zusammenhang

Mehr

Kurze Einführung in die Berechnung der Messunsicherheit nach GUM. Stephan Mieke Physikalisch-Technische Bundesanstalt Institut Berlin, 8.

Kurze Einführung in die Berechnung der Messunsicherheit nach GUM. Stephan Mieke Physikalisch-Technische Bundesanstalt Institut Berlin, 8. Kurze Enführung n de Berechnung der Messunscherhet nach GUM Stephan Meke Physkalsch-Technsche Bundesanstalt Insttut Berln, 8.40 Glederung Enletung Gude to the Epresson of Uncertanty (GUM) Monte-Carlo-Methode

Mehr

Was sind Messunsicherheiten?

Was sind Messunsicherheiten? Edgenösssches Justz- und Polzedepartement EJPD Bundesamt für Metrologe METAS Was snd Messunscherheten? Chrstan Hof Was snd Messunscherheten? allgemene Defntonen von Begrffen das standardserte Vorgehen

Mehr

Standardnormalverteilung / z-transformation

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

Mehr

Laboratory vibration test of operator seats Uncertainty of measurement

Laboratory vibration test of operator seats Uncertainty of measurement VDI-Berchte Nr. 190, 013 51 Unscherhet von Messergebnssen be der Schwngungsprüfung von Fahrerstzen Laboratory vbraton test of operator seats Uncertanty of measurement Dr. J. Rssler, Insttut für Arbetsschutz

Mehr

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

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

Mehr

Aufgaben zur Einführung in die Messtechnik Die ISO/BIPM-GUM Sicht: Schätzwert & Messunsicherheit

Aufgaben zur Einführung in die Messtechnik Die ISO/BIPM-GUM Sicht: Schätzwert & Messunsicherheit F Aufgaben zur Enführung n de Messtechnk De ISO/BIPM-GUM Scht: Schätzwert & Messunscherhet Wolfgang Kessel Braunschweg Copyrght 004 Dr.Wolfgang Kessel Braunschweg UPROB0.PPT/F/004--/Ke Messfehler/Enführung

Mehr

BAM-Leitfaden zur Ermittlung von Messunsicherheiten bei quantitativen Prüfergebnissen 1. Fassung 11. vom März 2004

BAM-Leitfaden zur Ermittlung von Messunsicherheiten bei quantitativen Prüfergebnissen 1. Fassung 11. vom März 2004 Dr. rer. nat. Werner Hässelbarth BAM-Letfaden zur Ermttlung von Messunscherheten be quanttatven Prüfergebnssen. Fassung. vom März 004 Forschungsbercht 66 Berln 004 Autor: Textbeträge: Redakton: Fregabe:

Mehr

Lösungen zum 3. Aufgabenblock

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

Mehr

2 Zufallsvariable und Verteilungen

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

Mehr

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

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

Mehr

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

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

Mehr

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

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

Mehr

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

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

Mehr

Lineare Regression (1) - Einführung I -

Lineare Regression (1) - Einführung I - Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:

Mehr

Udo Krüger, TechnoTeam Bildverarbeitung GmbH, Werner-v.-Siemens-Str. 10, D Ilmenau,

Udo Krüger, TechnoTeam Bildverarbeitung GmbH, Werner-v.-Siemens-Str. 10, D Ilmenau, Lux junor 005 3. bs 5.9.05 Dörnfeld Messunscherhet be der Angabe des f 1 -Kennwertes Udo Krüger, TechnoTeam Bldverarbetung GmbH, Werner-v.-Semens-Str. 10, D-98693 Ilmenau, emal: udo.krueger@technoteam.de

Mehr

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

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

Mehr

Streuungs-, Schiefe und Wölbungsmaße

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

Mehr

Fallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung

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

Mehr

6. Modelle mit binären abhängigen Variablen

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

Mehr

Erwartungswert, Varianz, Standardabweichung

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

Mehr

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

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

Mehr

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression Beschrebung des Zusammenhangs zweer metrscher Merkmale Streudagramme Korrelatonskoeffzenten Regresson Alter und Gewcht be Kndern bs 36 Monaten Knd Monate Gewcht 9 9 5 8 3 4 7.5 4 3 6 5 3 6 4 3.5 7 35 5

Mehr

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

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

Mehr

Physikalisch- Technische Bundesanstalt. Richtlinie Kalibrierung von Druckmessgeräten

Physikalisch- Technische Bundesanstalt. Richtlinie Kalibrierung von Druckmessgeräten Physkalsch- Technsche Bundesanstalt Rchtlne DKD-R 6-1 Kalbrerung von Druckmessgeräten Ausgabe 03/014 Kalbrerung von Druckmessgeräten Sete: Herausgegeben vom Deutschen Kalbrerdenst (DKD) unter Schrmherrschaft

Mehr

Ionenselektive Elektroden (Potentiometrie)

Ionenselektive Elektroden (Potentiometrie) III.4.1 Ionenselektve Elektroden (otentometre) Zelstellung des Versuches Ionenselektve Elektroden gestatten ene verhältnsmäßg enfache und schnelle Bestmmung von Ionenkonzentratonen n verschedenen Meden,

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II Methodenlehre e e Prof. Dr. G. Menhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzet nach Verenbarung und nach der Vorlesung. Mathematsche und statstsche Methoden II Dr. Malte Perske perske@un-manz.de

Mehr

Auswertung univariater Datenmengen - deskriptiv

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

Mehr

Nernstscher Verteilungssatz

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

Mehr

-70- Anhang: -Lineare Regression-

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

Mehr

Baudynamik und Erdbebeningenieurwesen

Baudynamik und Erdbebeningenieurwesen Baudynamk und Erdbebenngeneurwesen Themen und Antworten für de Lzenzprüfung 1. Defneren Se den Begrff: Grad des dynamschen Frehetsgrads. Geben Se Bespele von Systemen mt enem enzgen Grad des dynamschen

Mehr

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

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

Mehr

Messunsicherheit eines Stickstoffdioxid-Jahresmittelwerts aus Passivsammlermessungen mit Passivsammlern des Palmes-Typs

Messunsicherheit eines Stickstoffdioxid-Jahresmittelwerts aus Passivsammlermessungen mit Passivsammlern des Palmes-Typs Messunscherhet enes Stckstoffdoxd-Jahresmttelwerts aus Passvsammlermessungen mt Passvsammlern des Palmes-Typs TEIL II ANWENDUNG BESTIMMUNG DER MESSUNSICHERHEIT DER UGZ-PASSIVSAMMLER FÜR STICKSTOFFDIOXID

Mehr

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

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

Mehr

Charakteristische Grenzen nach DIN ISO 11929

Charakteristische Grenzen nach DIN ISO 11929 Insttut für Radoökologe und Strahlenschutz Lebnz Unverstät Hannover Dplomarbet Charakterstsche Grenzen nach DIN ISO 1199 Lnda Peters Matrkelnummer 53750 16. Februar 01 Referent: Prof. Dr. Rolf Mchel Korreferent:

Mehr

18. Vorlesung Sommersemester

18. Vorlesung Sommersemester 8. Vorlesung Sommersemester Der Drehmpuls des starren Körpers Der Drehmpuls des starren Körpers st etwas komplzerter. Wenn weder de Wnkelgeschwndgket um de feste Rotatonsachse st, so wrd mt Hlfe des doppelten

Mehr

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm): Aufgabe 1 (4 + 2 + 3 Punkte) Bem Wegen von 0 Respaketen ergaben sch folgende Gewchte X(n Gramm): 1 2 3 4 K = (x u, x o ] (98,99] (99, 1000] (1000,100] (100,1020] n 1 20 10 a) Erstellen Se das Hstogramm.

Mehr

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e

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

Mehr

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

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

Mehr

Multivariate Analysemethoden

Multivariate Analysemethoden Multvarate Analysemethoden q-q-plot Methode zur Prüfung der Multvaraten Normalvertelung Günter Menhardt Johannes Gutenberg Unverstät Manz Prüfung der NV-Annahme Vertelungsanpassung/Prüfung Prüfung der

Mehr

FORMELSAMMLUNG STATISTIK (I)

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

Mehr

Auswertung univariater Datenmengen - deskriptiv

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

Mehr

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

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

Mehr

18. Dynamisches Programmieren

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

Mehr

4. Musterlösung. Problem 1: Kreuzende Schnitte **

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

Mehr

2πσ. e ax2 dx = x exp. 2πσ. 2σ 2. Die Varianz ergibt sich mit Hilfe eines weiteren bestimmten Integrals: x 2 e ax2 dx = 1 π.

2πσ. e ax2 dx = x exp. 2πσ. 2σ 2. Die Varianz ergibt sich mit Hilfe eines weiteren bestimmten Integrals: x 2 e ax2 dx = 1 π. 2.5. NORMALVERTEILUNG 27 2.5 Normalvertelung De n der Statstk am häufgsten benutzte Vertelung st de Gauss- oder Normalvertelung. Wr haben berets gesehen, dass dese Vertelung aus den Bnomal- und Posson-Vertelungen

Mehr

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

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

Mehr

Eine kurze Einführung in die Dichtefunktionaltheorie (DFT)

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

Mehr

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

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

Mehr

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

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

Mehr

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

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

Mehr

Nomenklatur - Übersicht

Nomenklatur - Übersicht Nomenklatur - Überscht Name der synthetschen Varable Wert der synthetschen Varable durch synth. Varable erklärte Gesamt- Streuung durch synth. Varable erkl. Streuung der enzelnen Varablen Korrelaton zwschen

Mehr

Hausübung 1 Lösungsvorschlag

Hausübung 1 Lösungsvorschlag Hydrologe und Wasserwrtschaft Hausübung Lösungsvorschlag NIDRSCHLAG Hnwes: Be dem vorlegenden Dokument handelt es sch ledglch um enen Lösungsvorschlag und ncht um ene Musterlösung. s besteht ken Anspruch

Mehr

Konkave und Konvexe Funktionen

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

Mehr

ERP Cloud Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Preise erfassen. www.comarch-cloud.de

ERP Cloud Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Preise erfassen. www.comarch-cloud.de ERP Cloud SFA ECM Backup E-Commerce ERP EDI Prese erfassen www.comarch-cloud.de Inhaltsverzechns 1 Zel des s 3 2 Enführung: Welche Arten von Presen gbt es? 3 3 Beschaffungsprese erfassen 3 3.1 Vordefnerte

Mehr

Spiele und Codes. Rafael Mechtel

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

Mehr

Physikalisch- Technische Bundesanstalt. Richtlinie Kalibrierung von Druckmessgeräten

Physikalisch- Technische Bundesanstalt. Richtlinie Kalibrierung von Druckmessgeräten Physkalsch- Technsche Bundesanstalt Rchtlne Kalbrerung von Druckmessgeräten Ausgabe 03/014 Sete: von 49 Herausgegeben vom Deutschen Kalbrerdenst (DKD) unter Schrmherrschaft der Physkalsch-Technschen Bundesanstalt

Mehr

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

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

Mehr

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007 Lehrstuhl für Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen

Mehr

Fähigkeitsuntersuchungen beim Lotpastendruck

Fähigkeitsuntersuchungen beim Lotpastendruck Fakultät Elektrotechnk und Informatonstechnk Insttut für Aufbau- und Verbndungstechnk der Elektronk Fähgketsuntersuchungen bem Lotpastendruck Dr.-Ing. H. Wohlrabe Ottobrunn, 2. Februar 2009 Qualtätsmerkmale

Mehr

Die Transzendenz der Eulerschen Zahl e

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

Mehr

An welche Stichwörter von der letzten Vorlesung können Sie sich noch erinnern?

An welche Stichwörter von der letzten Vorlesung können Sie sich noch erinnern? An welche Stchwörter von der letzten Vorlesung können Se sch noch ernnern? Gasgesetz ür deale Gase pv = nr Gelestete Arbet be sotherme Ausdehnung adabatsche Ausdehnung 2 n Reale Gase p + a 2 ( V nb) =

Mehr

3. Lineare Algebra (Teil 2)

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

Mehr

Inhalt der Vorlesung. Von der Standardabweichung zur Messunsicherheit. Gauss und Legendre als Begründer

Inhalt der Vorlesung. Von der Standardabweichung zur Messunsicherheit. Gauss und Legendre als Begründer Inhalt der Vorlesung Von der Standardabwechung zur Messunscherhet Man msst egentlch mmer falsch. Man muss nur wssen wevel. Man kann heute sehr präzse sehr falsch messen Dave Packard Qualtätsmasse n der

Mehr

Gruppe. Lineare Block-Codes

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

Mehr

Grundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt

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

Mehr

WS 2016/17 Prof. Dr. Horst Peters , Seite 1 von 9

WS 2016/17 Prof. Dr. Horst Peters , Seite 1 von 9 WS 2016/17 Prof. Dr. Horst Peters 06.12.2016, Sete 1 von 9 Lehrveranstaltung Statstk m Modul Quanttatve Methoden des Studengangs Internatonal Management (Korrelaton, Regresson) 1. Überprüfen Se durch Bestmmung

Mehr

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

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

Mehr

Institut für Technische Chemie Technische Universität Clausthal

Institut für Technische Chemie Technische Universität Clausthal Insttut für Technsche Cheme Technsche Unverstät Clusthl Technsch-chemsches Prktkum TCB Versuch: Wärmeübertrgung: Doppelrohrwärmeustuscher m Glechstrom- und Gegenstrombetreb Enletung ür de Auslegung von

Mehr

Grundgedanke der Regressionsanalyse

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

Mehr

Statistik und Wahrscheinlichkeit

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

Mehr

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

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

Mehr

Maße der zentralen Tendenz (10)

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

Mehr

Einführung in die Finanzmathematik

Einführung in die Finanzmathematik 1 Themen Enführung n de Fnanzmathematk 1. Znsen- und Znsesznsrechnung 2. Rentenrechnung 3. Schuldentlgung 2 Defntonen Kaptal Betrag n ener bestmmten Währungsenhet, der zu enem gegebenen Zetpunkt fällg

Mehr

Lineare Regression - Mathematische Grundlagen

Lineare Regression - Mathematische Grundlagen FKULTÄT FÜR MTHEMTIK U TURWISSESCHFTE ISTITUT FÜR PHYSIK FCHGEBIET EXPERIMETLPHYSIK I r. rer. nat. orbert Sten, pl.-ing (FH) Helmut Barth Lneare Regresson - Mathematsche Grundlagen. llgemene Gerade Wr

Mehr

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

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

Mehr

Prof. Dr. Roland Füss Statistik II SS 2008

Prof. Dr. Roland Füss Statistik II SS 2008 5. Spezelle Testverfahren Zahlreche parametrsche und nchtparametrsche Testverfahren, de nach Testvertelung (Bnomal, t-test etc.), Analysezel (Anpassungs- und Unabhänggketstest) oder Konstrukton der Prüfgröße

Mehr

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

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

Mehr

Modul 1: Einführung und Wahrscheinlichkeitsrechnung

Modul 1: Einführung und Wahrscheinlichkeitsrechnung Modul : Enführung und Wahrschenlchketsrechnung Informatonstheore Dozent: Prof. Dr. M. Gross E-mal: grossm@nf.ethz.ch Assstenten: Danel Cottng, Rchard Keser, Martn Wcke, Cyrl Flag, Andrea Francke, Jonas

Mehr

Beschreibende Statistik Mittelwert

Beschreibende Statistik Mittelwert Beschrebende Statstk Mttelwert Unter dem arthmetschen Mttel (Mttelwert) x von n Zahlen verstehen wr: x = n = x = n (x +x +...+x n ) Desen Mttelwert untersuchen wr etwas genauer.. Zege für n = 3: (x x )

Mehr

Grundpraktikum M5 Oberflächenspannung

Grundpraktikum M5 Oberflächenspannung Grundpraktkum M5 Oberflächenspannung Julen Kluge 21. Ma 2015 Student: Julen Kluge (564513) Partner: Emly Albert (564536) Betreuer: Dr. Mykhaylo Semtsv Raum: 314 Messplatz: 2 INHALTSVERZEICHNIS 1 ABSTRACT

Mehr

Hefte zur Logistik Prof. Dr. Siegfried Jetzke. Heft 1 Begriffsdefinitionen

Hefte zur Logistik Prof. Dr. Siegfried Jetzke. Heft 1 Begriffsdefinitionen Hefte zur Logstk Prof. Dr. Segfred Jetzke Heft 1 Begrffsdefntonen Jun 2010 Deses Heft st urheberrechtlch geschützt. Wenn Se de Quelle angeben, können Se gerne deses Heft wetergeben, Tele koperen oder aus

Mehr

Schätzfehler in der linearen Regression (1) Einführung

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

Mehr

UNIVERSITÄT STUTTGART INSTITUT FÜR THERMODYNAMIK UND WÄRMETECHNIK Professor Dr. Dr.-Ing. habil. H. Müller-Steinhagen P R A K T I K U M.

UNIVERSITÄT STUTTGART INSTITUT FÜR THERMODYNAMIK UND WÄRMETECHNIK Professor Dr. Dr.-Ing. habil. H. Müller-Steinhagen P R A K T I K U M. UNIVERSITÄT STUTTGART INSTITUT FÜR THERMODYNAMIK UND WÄRMETECHNIK Professor Dr. Dr.-Ing. habl. H. Müller-Stenhagen P R A K T I K U M Versuch 9 Lestungsmessung an enem Wärmeübertrager m Glech- und Gegenstrombetreb

Mehr

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

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

Mehr

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

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

Mehr

Dynamisches Programmieren

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

Mehr

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar.

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar. . Nullstellensuche Enes der ältesten numerschen Probleme stellt de Bestmmung der Nullstellen ener Funkton = dar. =c +c =c +c +c =Σc =c - sn 3 Für ene Gerade st das Problem trval, de Wurzel ener quadratschen

Mehr

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen

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

Mehr

STATISTIK AUF DEM KREIS

STATISTIK AUF DEM KREIS - 17 - STATISTIK AUF DEM KREIS nach K. E. SElkrk, Unversty of Nottngham Orgnalttel n 'Teachng Statstcs' Vol. 4 (1982) Nr. 3: Statstcs on a Crcle tlbersetzung und Bearbetung: B. Wollrng De mesten Zufallsgrößen,

Mehr

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

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

Mehr

Inhaltsübersicht. Kapitel 12: Fehlerrechnung: ungefähr genau. Notizen zur Vorlesung Mathematik für Materialwissenschaftler I 1

Inhaltsübersicht. Kapitel 12: Fehlerrechnung: ungefähr genau. Notizen zur Vorlesung Mathematik für Materialwissenschaftler I 1 Inhaltsüberscht Kaptel 12: Fehlerrechnung: ungefähr genau Systematscher Fehler Gesetz der großen Zahlen Zufällger Fehler Fehlerfortpflanzung Ausglechsrechnung Berechnung von Warschenlchketen Kombnatork

Mehr

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

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

Mehr

Aspekte zur Approximation von Quadratwurzeln

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

Mehr

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich Drtter Hauptsatz der Thermodynamk Rückblck auf vorherge Vorlesung Methoden zur Erzeugung tefer Temperaturen: - umgekehrt laufende WKM (Wärmepumpe) - Joule-Thomson Effekt bs 4 K - Verdampfen von flüssgem

Mehr

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale

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

Mehr

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

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

Mehr

Statistik und Meßunsicherheit in der chemischen Praxis. Ermittlung der Meßunsicherheit gemäß GUM

Statistik und Meßunsicherheit in der chemischen Praxis. Ermittlung der Meßunsicherheit gemäß GUM Sttst nd Meßnscherhet n der chemschen Prs Ermttlng der Meßnscherhet gemäß GUM GUM Rücblc 978 CIPM betrgt BIPM, Empehlng zr MU z errbeten 979 Rücmeldng von MIs 980 WG legt IC- vor CIPM betrgt ISO, Letden

Mehr

Konzept der Chartanalyse bei Chart-Trend.de

Konzept der Chartanalyse bei Chart-Trend.de Dpl.-Phys.,Dpl.-Math. Jürgen Brandes Konzept der Chartanalyse be Chart-Trend.de Konzept der Chartanalyse be Chart-Trend.de... Bewertungsgrundlagen.... Skala und Symbole.... Trendkanalbewertung.... Bewertung

Mehr