Bemerkungen zum LCG Rupert Hartung,
|
|
- Mona Fertig
- vor 6 Jahren
- Abrufe
Transkript
1 mt Bemerkungen zum LCG Rupert Hartung, Wr betrachten den Lnear Congruental Generator (LCG) X 0, X 1,..., X,... X +1 = ax + c mod N (1) zur Erzeugung von Pseudozufallszahlen mäÿger Qualtät. De wchtgsten Charakterstka des LCG: er st lecht zu mplementeren und schnell zu berechnen, er erzeugt kene pseudozufällge Ausgabe m Snne der Vorlesung (s.u.), sene Ausgabe lässt sch für ncht allzu sensble Anwendungen dennoch anstelle von Zufallszahlen benutzen, falls de Perode hnrechend groÿ st. De Perode ener Funktonsteraton st denert als x 0, f(x 0 ), f(f(x 0 )),..., f (x 0 ),... λ := mn{l N N 0 : f +l (x 0 ) = f (x 0 )} Das Tupel (f (x 0 ), f +1 (x 0 ),..., f +l (x 0 )) für en solches heÿt der Zyklus der Iteraton. Er st bs auf zyklsche Vertauschungen wohldenert. De Perode hängt.a. von f und x 0 ab; m Falle des LCG also von a, c, N und X 0. Oenschtlch glt λ N. Proposton: Se N = k =1 de Prmfaktorzerlegung von N (d.h. p prm und paarwese verscheden, e N). Der LCG (1) hat Perode λ = N genau dann, wenn (c, N) = 1, a = 1 mod p für alle, 1 p k
2 falls 4 N, dann a = 1 mod 4. Insbesondere st de dann Perode unabhängg von X 0. Bewesskzze: () Zunächst bemerke, dass der LCG genau dann de Perode N hat, wenn jede Restklasse n Z N genau enmal m Zyklus vorkommt. Insbesondere hat er genau dann Perode N für en X 0, wenn er Perode N für alle X 0 hat. Also können wr o.b.d.a. X 0 = 0 annehmen. Beachte nun, dass dann X r = c = 0 r 1 a = c ar 1 Z, (2) falls a 1 (beachte, dass des ene Glechung n ganzen Zahlen st, ncht bloÿ modulo N). Wenn a = 1 st, st lecht enzusehen, dass der LCG maxmale Perode hat genau dann, wenn (c, N) = 1. Also nehmen wr auch a 1 an und dürfen (2) verwenden. () Der LCG benutzt nur algebrasche Operatonen n Z N. Da nach chnesschem Restsatz Z N = Z e p, können wr hn unabhängg n allen betrachten. We man lecht seht, st de Perode n Z N genau dann Z p e maxmal, wenn se modulo p e falls hlfrech, o.b.d.a. N = p e mt p prm setzen. maxmal st für alle. Wr können also () Der LCG (1) habe maxmale Perode. Zege, dass (c, N) = 1. Wr benutzen Kontraposton. Falls p (c, N), dann folgt aus (2), dass p X für alle. Folglch könnte ne 1 m Zyklus vorkommen. (v) Der LCG (1) habe maxmale Perode, es se N = p e mt ener Prmzahl p. Zege, dass a = 1 mod p. Wenn de Perode maxmal st, glt nsbesondere 0 = X N = X p e = c ape 1 We eben gezegt, st c Z N, also folgt 0 = ape 1 mod N. mod N. Angenommen a 1 mod p. Dann wäre Z p, und wr können de Glechung mt erwetern: 0 = a pe 1 mod p e. (3) 2
3 Insbesondere st a Z N, also p a. Seen u, v Z, 1 u p 1 so dass a = u + pv. Dann berechne a pe mt der bnomschen Formel. Aus (3) und Koezentenverglech folgt sofort, dass u = 1 sen muss, also a = 1 mod p, en Wderspruch. (v) Der LCG (1) habe maxmale Perode, es se N = 2 e und e 2. Zege, dass a = 1 mod 4 (durch Kontraposton). We m letzen Punkt gezegt, st a ungerade. Se also a = 3 mod 4. Durch drekte Rechnung seht man, dass a 2 = 1 mod 8 (das st berets der ganze Eekt, der de 2 von den anderen Prmzahlen her unterschedet). Induktv lässt sch sofort ausrechen, dass a 2f = 1 mod 2 f+2 für alle f 2. Insbesodere also glt a 2e 1 = 1 mod 2 e+1. Da 2, aber 4, folgt, dass a 2e 1 1 = 1 mod 2 e Damt st gezegt, dass für deses a der LCG nur de Hälfte der maxmalen Perode hat. (v) Rückrchtung: Se p ene ungerade Prmzahl, N = p e, a = 1 mod p und p c. Zege: Der LCG (1) hat maxmale Perode. Se also c as 1 = 0 mod pe (4) für en s N. Zu zegen st p e s. Da n c, folgt aus (4) a s 1 = 0 mod pe (5) Se u N so dass a = 1 mod p u, aber a 1 mod p u+1. Induktv seht man, dass dann a pf = 1 mod p u+f, aber a pf 1 mod p u+f+1 für alle f. Es folgt p f a pf 1, aber pf+1 apf 1. (6) 3
4 Insbesondere glt c ape 1 = 0 mod pe, d.h. de Perode st en Teler von p e, also ene Potenz von p. Wegen (6) aber kommt kene Potenz p f mt 1 f e 1 n Frage. (v) Es st klar, dass der LCG mt N = 2 und a = c = 1 maxmale Perode hat. (v) Se N = 2 e, e 2, a = 1 mod 4 und c ungerade. Zege: Der LCG (1) hat maxmale Perode. Her genügt de Beobachtung, dass wegen e 2 der Bewes für ungerade Prmzahlen wörtlch zu übertragen st. Be Polynomen höheren Grades kann de Perode bzw. de maxmale Perode wesentlch schwerger zu bestmmen sen. Insbesondere muss de maxmale Perode ncht mt N überenstmmen, d.h. es gbt Elemente von Z N, de ncht zum Zyklus gehören. Daher werden oft sehr beschränkte Famlen von Polynomen benutzt, de lechter zu analyseren snd. Pseudozufällgket. Generell snd Polynomteratonen, auch n mehreren Varablen, ncht pseudozufällg. Intutv legt es daran, dass jeder Wert durch senen Vorgänger bzw. wenge unmttelbare Vorgänger endeutg bestmmt st. Möchte man bewesen, dass solch en Verfahren ncht pseudozufällg st, muss man enen statstschen Test konstrueren, der de Vertelung der Ausgabe der Iteraton (X 0, X 1,..., X r ) zu zufällgem/n Startwert/en von der Glechvertelung auf Z r N unterscheden kann, d.h. en probablstscher Polynomalzetalgorthmus, dessen Wahrschenlchket, 1 auszugeben, sch zwschen den beden Engaben sgnkant (=ncht vernachlässgbar) unterschedet. Beachte, dass sgnkant (bzw. vernachlässgbar) Begre snd, de sch auf Grenzübergänge bezehen. Auch her müssen wr ene Indzerung verschedener LCG (weder n unserem Bespel) (a k, c k, N k ), k = 1, 2,... Herbe muss (nach snngemäÿer Interpretaton der Denton enes Pseudozufallsensembles) gelten, dass mt wachsenden auch lnear mehr zufällge 4
5 Informaton n den Startwert gegeben werden kann und dass echt mehr Daten daraus erzeugt werden. Das erste lässt sch am besten durch en lnear wachsendes N errechen, d.h. N k = Θ(k); für das zwete genügt, dass der LCG mndestens enmal aufgerufen wrd, d.h. dass mndestens zwe Werte ausgegeben werden. Es legt nahe, als statstschen Test enen Algorthmus zu deneren, der auf ene Kollson X = X +t wartet. Dann glt P[X +1 = X +t+1 X j snd nach LCG konstruert] = 1, P[U +1 = U +t+1 U j snd unabh. glechvertelt] = 1 N Der Algorthmus D, denert als 1. les engegebene Folge Y j bs Y = Y +t für geegnete, t 2. falls Y +1 = Y +t+1, gb 1 aus, sonst 0. erfüllt also für X j nach dem LCG, und P[D(X 0, X 1,...) = 1] = 1 P[D(U 0, U 1,...) = 1] = 1 N, für unabhängg glechvertelte U j ; en sgnkanter Untersched auch für groÿe N. Dese Methode st her leder ncht anwendbar, da be velen LCG de Perode exponentell groÿ st n log N (s.o.), d.h. her exponentell vele X j gelesen werden müssten, wr oben ausdrücklch erlaubt haben, dass für alle k ledglch X 0 und X 1 zur Verfügung stehen. En erfolgrecher Unterscheder D aber funktonert folgendermaÿen: wenn Y 1 = ay 0 + c mod N, dann gb 1 aus, sonst 0. 5
6 Es st klar, dass deser statstsche Test enen sgnkanten Untersched der Ausgabe-Wahrschenlchketen aufwest, nämlch P[D (X 0, X 1,...) = 1] = 1 P[D (U 0, U 1,...) = 1] = 1 N Natürlch st D auch en Polynomalzet-Algorthmus. Was überraschen mag, st, dass D de Konstanten a und c benutzt, obwohl dese ncht gegeben snd. Es wrd jedoch ncht behauptet, dass solch en D ezent konstruert werden könnte, sondern nur dass es exstert und da a, c exsteren, gbt es auch D. Wr können heran ablesen, dass der Begr der Pseudozufällgket sehr stark st. Damt st de Konstrukton jedoch noch ncht beendet. Um desen Unterscheder auf das gesamte Ensemble zu übertragen, müssen auch a k, c k für alle k m Unterscheder konstruert werden wr dürfen dese Werte ncht für jedes k neu raten. Wenn a k, c k determnstsch von k abhängen, dann kann deser Zusammenhang von D nachgerechnet werden (n allen snvollen Fällen st das ef- zent möglch). Des sollte zunächst als Regelfall gelten, wenn theoretsch vom LCG de Rede st. Bem LCG legt noch ene andere Methode nahe, de Vertelungen zu unterscheden: De zwe Parameter a k, c k können, als Lösung enes lnearen Glechungssystems mod N, m generschen Fall (d.h. für de mesten` Trpel (a k, c k, X 0 )) aus den zwe Glechungen a k X 0 + c k = X 1, a k X 1 + c k = X 2 bestmmt werden. De so gewonnenen a k, c k können nun zur Berechnung enes Tpps für X 3 verwendet werden. Dese Methode lässt sch ncht ohne weteres auf höhergradge Polynome übertragen, wohl aber auf multvarate LCGs. Wetere Varanten. Das meste her Gesagte zur Pseudozufällgket des LCG überträgt sch ohne weteres, mt snnvollen Modkatonen, auf belebge multvarate Polynomteratonen. De her gebrachten Argumente rechen 6
7 erst dann ncht mehr aus, wenn der Seed stark n de Wahl des Polynoms engeht. Wenn etwa auch a k, c k von oben ener Zufallswahl unterlegen, besteht noch de Chance, de beden Vertelungen unterscheden zu können, ndem man a k, c k gemäÿ derselben Vertelung rät und des ggf. polynomell oft wederholt. Beachte jedoch, dass wenn n a k, c k noch Zufall eneÿt, auch de Gröÿe des benötgten Seeds wächst und damt mndestens noch X 2 zur Verfügung steht, so dass der Test zusätzlch noch auf das Paar (X 1, X 2 ) angewandt werden kann. Um den LCG n sener lnearen Form dem Pseudozufall näher zu brngen, kann man de Technken, de etwa bem RSA-Generator zum Ensatz kamen, erproben. So kann man etwa (für ungerades N) den Startwert X 0 gehem halten und von allen Itererten nur de untersten Bts ausgeben. Be solchen Konstruktonen verlert man aber sofort de besoders gerge Laufzet des LCG. 7
Stochastische Prozesse
INSTITUT FÜR STOCHASTIK SS 009 UNIVERSITÄT KARLSRUHE Blatt 4 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 16: (Success Run, Fortsetzung)
MehrDiskrete Mathematik 1 WS 2008/09
Ruhr-Unverstät Bochum Lehrstuhl für Kryptologe und IT-Scherhet Prof. Dr. Alexander May M. Rtzenhofen, M. Mansour Al Sawad, A. Meurer Lösungsblatt zur Vorlesung Dskrete Mathematk 1 WS 2008/09 Blatt 7 /
MehrElemente der Mathematik - Sommer 2016
Elemente der Mathematk - Sommer 2016 Prof Dr Matthas Lesch, Regula Krapf Lösungen Übungsblatt 3 Aufgabe 9 (10 Punkte) Das Horner-Schema st ene Methode zum Auswerten enes Polynoms n a0 x an der Stelle s
MehrWeitere NP-vollständige Probleme
Wetere NP-vollständge Probleme Prosemnar Theoretsche Informatk Marten Tlgner December 10, 2014 Wr haben letzte Woche gesehen, dass 3SAT NP-vollständg st. Heute werden wr für enge wetere Probleme n NP zegen,
Mehr5. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013
O. Alaya, S. Demrel M. Fetzer, B. Krnn M. Wed 5. Gruppenübung zur Vorlesung Höhere Mathematk Wntersemester /3 Dr. M. Künzer Prof. Dr. M. Stroppel Lösungshnwese zu den Hausaufgaben: Aufgabe H 6. Darstellungen
MehrKleiner Fermatscher Satz, Chinesischer Restsatz, Eulersche ϕ-funktion, RSA
Klener Fermatscher Satz, Chnesscher Restsatz, Eulersche ϕ-funkton, RSA Manfred Gruber http://www.cs.hm.edu/~gruber SS 2008, KW 15 Klener Fermatscher Satz Satz 1. Se p prm und a Z p. Dann st a p 1 mod p
MehrStochastische Prozesse
INSTITUT FÜR STOCHASTIK SS 2009 UNIVERSITÄT KARLSRUHE Blatt 2 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 7: (B. Fredmans Urnenmodell)
MehrDie Jordansche Normalform
De Jordansche Normalform Danel Hug 29. Aprl 211 KIT Unverstät des Landes Baden-Württemberg und natonales Forschungszentrum n der Helmholtz-Gemenschaft www.kt.edu 1 Zerlegung n Haupträume 2 Fazt und nächstes
Mehr4. 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,
MehrAnalysis I. Vorlesung 17. Logarithmen. R R, x exp x,
Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analyss I Vorlesung 17 Logarthmen Satz 17.1. De reelle Exponentalfunkton R R, x exp x, st stetg und stftet ene Bjekton zwschen R und R +. Bewes. De Stetgket
Mehr3. 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
Mehr4.6 Das Pumping-Lemma für reguläre Sprachen:
Theoretsche Informatk 1 Vorlesungsskrpt vom Fretag, 30 Jun 000 Index: Erstellt von: (Matrkelnummer: 70899) Sete : 46 Das Pumpng-Lemma für reguläre Sprachen 1 Satz W 1 Zugrundelegende Idee des Pumpng-Lemma
Mehr6. Übung zur Linearen Algebra II
Unverstät Würzburg Mathematsches Insttut Prof. Dr. Peter Müller Dr. Peter Fleschmann SS 2006 30.05.2006 6. Übung zur Lnearen Algebra II Abgabe: Bs Mttwoch, 14.06.2006, 11:00 Uhr n de Brefkästen vor der
Mehr4.5 Lemma Das folgende Problem Par{ 1, 0, 1}max p ist NP-vollständig:
4.5 Lemma Das folgende Problem Par, 0, }max st NP-vollständg: Inut: d, m N mt m d, α N und x,...,x m, 0, } d l.u.. Frage: Exsteren κ,...,κ m, }, sodass m κ x α? Bemerkung: Beachte, dass wegen Satz 4.2
Mehrnonparametrische 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
MehrZusammenfassung der letzten LVA. Diskrete Mathematik
Zusammenfassung Dskrete Mathematk Chrstna Kohl Georg Moser Oleksandra Panasuk Chrstan Sternagel Vncent van Oostrom Insttut für Informatk @ UIBK Sommersemester 2017 Zusammenfassung der letzten LVA ene Telmenge
MehrDie 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
MehrGrundlagen 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
MehrAsymptotische Stochastik (SS 2010) Übungsblatt 1 P X. 0, n.
Insttut für Stochastk PD. Dr. Deter Kadelka Danel Gentner Asymptotsche Stochastk (SS 2) Übungsblatt Aufgabe (Arten von Konvergenz reeller Zufallsvarablen und deren Zusammenhänge) Es seen X,, n N reelle
Mehr2 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
MehrNetzwerkstrukturen. Entfernung in Kilometer:
Netzwerkstrukturen 1) Nehmen wr an, n enem Neubaugebet soll für 10.000 Haushalte en Telefonnetz nstallert werden. Herzu muss von jedem Haushalt en Kabel zur nächstgelegenen Vermttlungsstelle gezogen werden.
MehrFacility Location Games
Faclty Locaton Games Semnar über Algorthmen SS 2006 Klaas Joeppen 1 Abstract Wr haben berets sehr häufg von Nash-Glechgewchten und vor allem von deren Exstenz gesprochen. Das Faclty Locaton Game betet
MehrSeminar Einführung in die Kunst mathematischer Ungleichungen
Semnar Enführung n de Kunst mathematscher Unglechungen Cauchys erste Unglechung und de Unglechung vom arthmetschen und geometrschen Mttel Sopha Volmerng. prl 0 Inhaltsverzechns Cauchys erste Unglechung.
MehrMultilineare 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
MehrFunktionsgleichungen 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
Mehr6.5. 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
MehrDaten 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
MehrNäherungsverfahren. 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.:
MehrDie 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
MehrDie Leistung von Quicksort
De Lestung von Qucsort Jae Hee Lee Zusammenfassung Der Sorteralgorthmus Qucsort st als ens der effzenten Sorterverfahren beannt. In deser Ausarbetung werden wr sene Komplextät zuerst möglchst präzse schätzen
Mehr-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
MehrKonkave 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
MehrRegressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n
Regressonsgerade x x x x 3... x n y y y y 3... y n Bem Auswerten von Messrehen wrd häufg ene durch theoretsche Überlegungen nahegelegte lneare Bezehung zwschen den x- und y- Werten gesucht, d.h. ene Gerade
MehrLineare Optimierung Dualität
Kaptel Lneare Optmerung Dualtät D.. : (Dualtät ) Folgende Aufgaben der lnearen Optmerung heßen symmetrsch dual zuenander: und { z = c x Ax b x } max, 0 { Z b A c } mn =, 0. Folgende Aufgaben der lnearen
Mehrbinäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt:
Informatk I 6. Kaptel Raner Schrader Zentrum für Angewandte Informatk Köln 4. Jun 008 Wr haben bsher behandelt: Suchen n Lsten (lnear und verkettet) Suchen mttels Hashfunktonen jewels unter der Annahme,
MehrNeuronale Netze. M. Gruber (1) ausgeloste Reiz ist x (1) = (1) (s (1) ) mit (1) (s) = 1 sgn(s 1 ) sgn(s 2 ) T. .
Neuronale Netze M. Gruber 7.11.015 Begnnen wr mt enem Bespel. Bespel 1 Wr konstrueren enen Klasskator auf der Menge X = [ 1; 1], dessen Wrkung man n Abb.1 rechts sehen kann. Auf der blauen Telmenge soll
MehrArbeitsgruppe 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
Mehr1 Definition und Grundbegriffe
1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:
MehrGrundgedanke 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
MehrTheoretische Physik II Elektrodynamik Blatt 2
PDDr.S.Mertens M. Hummel Theoretsche Physk II Elektrodynamk Blatt 2 SS 29 8.4.29 1. Rechnen mt Nabla. Zegen Se durch Auswertung n kartesschen Koordnaten de folgende Relaton und werten Se de anderen Relatonen
MehrBeschreibung 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
MehrWie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?
We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für de
MehrÜbungsklausur 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
MehrGruppe. 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
MehrProf. 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
MehrNSt. 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
Mehr3.3 Lineare Abbildungen und Matrizen
33 LINEARE ABBILDUNGEN UND MATRIZEN 87 33 Lneare Abbldungen und Matrzen Wr wollen jetzt de numersche Behandlung lnearer Abbldungen zwschen Vektorräumen beschreben be der vorgegebene Basen de Hauptrolle
MehrSpiele 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,,
Mehrwird 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
Mehr6. 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
MehrWie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?
We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für de
MehrStreuungs-, 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
MehrFachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung
Fachberech Mathematk Prof. K. Grosse-Brauckmann D. Frsch WS 27/8./.. 6. Übungsblatt zur Lnearen Algebra für Physker Gruppenübung Aufgabe G7 (Kern, Bld, Rang und Orthogonaltät) Gegeben se ene lneare Abbldung
MehrDas zum dualen Problem (10.2) gehörige Barriere-Problem lautet analog
60 Kaptel 2. Lneare Optmerung 10 Innere-Punkte-Verfahren Lteratur: Geger, Kanzow, 2002, Kaptel 4.1 Innere-Punkte-Verfahren (IP-Verfahren) oder nteror pont methods bewegen sch m Gegensatz zum Smplex-Verfahren
MehrÜbung zur Vorlesung. Informationstheorie und Codierung
Übung zur Vorlesung Informatonstheore und Coderung Prof. Dr. Lla Lajm März 25 Ostfala Hochschule für angewandte Wssenschaften Hochschule Braunschweg/Wolfenbüttel Postanschrft: Salzdahlumer Str. 46/48 3832
Mehr18. 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
MehrGitterbasierte Kryptosysteme (Ajtai-Dwork, Regev) Sebastian Pape
Gtterbaserte Kryptosysteme (Ajta-Dwork, Regev) Sebastan Pape Überblck Motvaton Gtter SVP, usvp, Gtterbassredukton Kryptosysteme Ajta-Dwork Regev (2003), Regev (2005) Zusammenfassung Gtterbaserte Kryptosysteme
Mehr9 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.
MehrMathematische 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
MehrAbbildung 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
Mehr2. Klausur zur Vorlesung Algorithmen II Wintersemester 2012/2013
2. Klausur zur Vorlesung Algorthmen II Wntersemester 202/203 Her Aufkleber mt Name und Matrkelnummer anbrngen Vorname: Nachname: Matrkelnummer: Beachten Se: Brngen Se den Aufkleber mt Ihrem Namen und Matrkelnummer
MehrMethoden der innerbetrieblichen Leistungsverrechnung
Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den
MehrSeminar 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
MehrStatistik 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
MehrObere und untere Schranken beim Broadcasting in Funknetzwerken
Obere und untere Schranken bem Broadcastng n Funknetzwerken Tobas Bräutgam Burgstraße 3 98 Warsten-Hrschberg Mat.-Nr.: 6007 6. Januar 00 Zusammenfassung Dese Arbet untersucht de Zet, de ene Nachrcht ausgehend
Mehr12 UMPU Tests ( UMP unbiased )
89 1 UMPU Tests ( UMP unbased ) Nach Bemerkung 11.8(b) exstert m Allgemenen ken zwesetger UMP- Test zu enem Nveau α. Deshalb Enschränkung auf unverfälschte Tests: ϕ Φ α heßt unverfälscht (unbased) zum
MehrIn 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
MehrKlausur zur Vorlesung Lineare Modelle SS 2006 Diplom, Klausur A
Lneare Modelle m SS 2006, Prof. Dr. W. Zucchn 1 Klausur zur Vorlesung Lneare Modelle SS 2006 Dplom, Klausur A Aufgabe 1 (18 Punkte) a) Welcher grundsätzlche Untersched besteht n der Interpretaton von festen
MehrFinanzwirtschaft. Kapitel 3: Simultane Investitions- und Finanzplanung. Lehrstuhl für Finanzwirtschaft - Universität Bremen 1
Fnanzwrtschaft Kaptel 3: Smultane Investtons- und Fnanzplanung Prof. Dr. Thorsten Poddg Lehrstuhl für Allgemene Betrebswrtschaftslehre, nsbes. Fnanzwrtschaft Unverstät Bremen Hochschulrng 4 / WW-Gebäude
MehrKreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord
1 Kredtrskomodellerung und Rskogewchte m Neuen Baseler Accord erschenen n: Zetschrft für das gesamte Kredtwesen (ZfgK), 54. Jahrgang, 2001, S. 1004-1005. Prvatdozent Dr. Hans Rau-Bredow, Lehrstuhl für
MehrÜbungsblatt 4 - Lösung
Formle Sprchen und Automten Üungsltt 4 - Lösung 26. M 2013 1 Whr oder flsch? Begründe kurz dene Antwort! 1. In enem determnstschen endlchen Automten gt es für jedes Wort w Σ mxml enen kzepterenden Pfd.
MehrDynamisches 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,.
MehrLehrstuhl 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
Mehr9 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.
MehrNomenklatur - 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
MehrDer starre Körper. 1 Grundlagen. Dominik Fauser. 1.1 Denition. 1.2 Freiheitsgrade
Der starre Körper Domnk Fauser 1 Grundlagen 1.1 Denton Als enen starren Körper bezechnet man en System von Massepunkten m, deren Abstände zuenander konstant snd: r j = r r j. Mest betrachtet man ene sehr
Mehr2. 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
MehrFür 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
MehrBeschreibende 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 )
MehrInstitut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban
Insttut für Stochastk Prof Dr N Bäuerle Dpl-Math S Urban Lösungsvorschlag 6 Übungsblatt zur Vorlesung Fnanzatheatk I Aufgabe Put-Call-Party Wr snd nach Voraussetzung n ene arbtragefreen Markt, also exstert
MehrZ Z, kurz { } Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden.
Kombnator. Problemstellung Ausgangspunt be ombnatorschen Fragestellungen st mmer ene endlche Menge M, aus deren Elementen man endlche Zusammenstellungen von Elementen aus M bldet. Formal gesprochen bedeutet
MehrWir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt
Kaptel 3 Zwe Personen Spele 3.1 Matrxspele 3.2 Matrxspele n gemschten Strategen 3.3 B Matrxspele und quadratsche Programme 3.4 B Matrxspele und lneare Komplementartätsprobleme 3.1 Matrxspele Wr betrachten
MehrBachelorarbeit. Cayley s Formel und das Abzählen von Bäumen. Viktoria Piribauer. Wien, September 2013
Bachelorarbet Cayley s Formel und das Abzählen von Bäumen Vktora Prbauer Wen, September 2013 Matrkelnummer: 1007394 Studenrchtung: A 033621 Mathematk Betreuer: Mag. Dr. Bernhard Krön, Prvatdoz. Inhaltsverzechns
MehrBA_T3Compact_IPO_v1.0 (Draft_B)_050719
BA_T3Compact_IPO_v1.0 (Draft_B)_050719 Inhalt Inhalt...2 Machen Se sch mt Ihrem Telefon vertraut Wchtge Hnwese... 3 Ihr T3 Compact auf enen Blck... 6 T3 IP Telefon n Betreb nehmen (I5)... 7 Grundregeln
Mehr8. MARKOVKETTEN 127. Abbildung 8.1: Reduzible und periodische Markovkette. p ji IIP[X n 1 = j] = [(IIP[X n 1 = j]) j E P ] i. j=0
8. MARKOVKETTEN 17 8. Marovetten Abbldung 8.1: Reduzble und perodsche Marovette 8.1. Homogene Marovetten n dsreter Zet En Prozess {X n : n IIN} hesst homogene Marovette (n dsreter Zet) mt (abzählbarem)
MehrFallstudie 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
MehrLineare Regression. Stefan Keppeler. 16. Januar Mathematik I für Biologen, Geowissenschaftler und Geoökologen
Mathematk I für Bologen, Geowssenschaftler und Geoökologen 16. Januar 2012 Problemstellung Bespel Maß für Abwechung Trck Mnmum? Exponentalfunktonen Potenzfunktonen Bespel Problemstellung: Gegeben seen
MehrDer 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
MehrBA_T3Classic_IPO_v1.0 (Draft_B)_050719
BA_T3Classc_IPO_v1.0 (Draft_B)_050719 Inhalt Inhalt...2 Machen Se sch mt Ihrem Telefon vertraut Wchtge Hnwese... 3 Ihr T3 Classc auf enen Blck... 6 T3 IP Telefon n Betreb nehmen (I5)... 7 Grundregeln für
MehrUniversität Karlsruhe (TH)
Unverstät Karlsruhe (TH) Forschungsunverstät gegründet 825 Parallele Algorthmen I Augaben und Lösungen Pro. Dr. Walter F. Tchy Dr. Vctor Pankratus Davd Meder Augabe () Gegeben se en N-elementger Zahlenvektor
MehrChair of Software Engineering
1 2 Enführung n de Programmerung Bertrand Meyer Vorlesung 13: Contaner-Datenstrukturen Letzte Bearbetung 1. Dezember 2003 Themen für dese Vorlesung 3 Contaner-Datenstrukturen 4 Contaner und Genercty Enthalten
MehrVorlesungsprüfung Politische Ökonomie
Vorlesungsprüfung Poltsche Ökonome 22.06.2007 Famlenname/Vorname: Geburtsdatum: Matrkelnummer: Studenrchtung: Lesen Se den Text aufmerksam durch, bevor Se sch an de Beantwortung der Fragen machen. Ihre
MehrLineare Algebra IIa Vorlesung - Prof. Dr. Daniel Roggenkamp & Sven Balnojan
Lneare Algebra IIa - 04 orlesung - Pro Dr Danel Roggenkamp & Sen Balnojan 93 Untäre ektorräume hermtesche Form au enem C ektorraum sesqulnear (ant-lnear m ersten lnear m zweten Argument (, w (w, (, 2 R
MehrVorlesung Programmieren II
Hashng Vorlesung Prograeren II Mchael Bergau Fortsetzung der Stoffenhet Hashng Hashng 2 Was st Hashng? Hashng st ene Methode zur dynaschen Verwaltung von Daten, wobe de Daten durch enen Schlüssel (key)
MehrAufgabe 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
Mehr5.3.3 Relaxationsverfahren: das SOR-Verfahren
53 Iteratve Lösungsverfahren für lneare Glechungssysteme 533 Relaxatonsverfahren: das SOR-Verfahren Das vorangehende Bespel zegt, dass Jacob- sowe Gauß-Sedel-Verfahren sehr langsam konvergeren Für de Modellmatrx
MehrEntscheidungstheorie Teil 3. Thomas Kämpke
Entschedngstheore Tel 3 Thomas Kämpke Sete Entschedngstheore Tel 3 Inhalt St. Petersbrg Paradoon (Bernoll 73) Präferenzfnktonen ttelpnktsmethode zr Bestmmng von Wertfnktonen über Intervallen (endmensonal)
MehrProof of Knowledge for Factorization & Fair Encryption of ElGamal/RSA Keys
R. Fschln/15. Februar 000 Proof of Knowledge for Factorzaton & Far Encrypton of ElGamal/RS Keys G. Poupard und J. Stern [PS99a, PS99b] haben auf dem Lumny-Workshop enen (kurzen) Proof-of-Knowledge für
Mehr1.1 Das Prinzip von No Arbitrage
Fnanzmärkte H 2006 Tr V Dang Unverstät Mannhem. Das Prnzp von No Arbtrage..A..B..C..D..E..F..G..H Das Framework Bespele Das Fundamental Theorem of Fnance Interpretaton des Theorems und Zustandsprese No
Mehr