5 Stationäre Prozesse (Version Januar 2012)
|
|
- Alma Kruse
- vor 6 Jahren
- Abrufe
Transkript
1 5 Statioäre Prozesse (Versio Jauar 2012) 5.1 Maßerhaltede Trasformatioe I diesem Kapitel führe wir zuächst de Begriff der maßerhaltede Trasformatio auf eiem Wahrscheilichkeitsraum ei ud defiiere, wa eie solche Trasformatio ergodisch bzw. misched heißt. Parallel dazu etwickel wir de Begriff eies statioäre Prozesses ud erarbeite die Beziehug zwische diese Begriffe. Höhepukt des Kapitels ist der Ergodesatz, Satz Im gaze Kapitel ist (Ω, F, P) ei fester Wahrscheilichkeitsraum. Defiitio 5.1. Sei (E, E) ei Messraum. Ei (E, E)-wertiger Prozess X = (X ) N heißt statioär, we gilt L((X ) N ) = L((X +1 ) N ). Bemerkug: Iduktiv folgt da für jedes k N L((X ) N ) = L((X +k ) N ). Bemerkug: Ei (E, E)-wertiger Prozess X ist statioär, geau da we für jedes k N gilt. L((X 1, X 2,..., X k )) = L((X 2, X 3,..., X k+1 )) Bemerkug: Statt N wird oft auch N 0 als Idexmege eies statioäre Prozesses verwedet. Warug: Ma beachte, dass es i obiger Defiitio keieswegs geügt, dass L(X ) = L(X +1 ) für alle N gilt: Sid zum Beispiel Y 1, Y 2,... uabhägig N (0, 1)-verteilt ud X 1 = X 2 = Y 2 ud X k := Y k für k 3, da gilt L(X ) = L(X +1 ) = N (0, 1) für alle N, aber der Prozess (X ) N ist icht statioär, da zum Beispiel L(X 1, X 2 ) L(X 2, X 3 )! Beispiel: Jede Folge vo u.i.v. Zufallsgröße (mit Werte i eiem beliebige Messraum (E, E)) ist ei statioärer Prozess. Defiitio 5.2. Eie Abbildug T : Ω Ω heißt maßerhaltede Trasformatio auf (Ω, F, P), we T F-F-messbar ist ud PT 1 = P gilt. Bemerkug: Die messbare Abbildug T : Ω Ω ist maßerhalted geau da, we PT 1 (A) = P(A) für alle A aus eiem -stabile Erzeuger vo F gilt. Lemma 5.3. Sei T eie maßerhaltede Trasformatio auf (Ω, F, P) ud Y eie (E, E)- wertige Zufallsgröße auf (Ω, F, P). Da ist X 1 := Y, X 2 := X 1 T, X 3 := X 2 T,... statioär. 1
2 Beweis. Für N ud A 1,..., A E gilt P{X 1 A 1,...X A } = PT 1 {X 1 A 1,...X A } = P{X 1 T A 1,..., X T A } = P{X 2 A 1,..., X +1 A }. Da {A 1... A Ω...; N, A 1,..., A E} ei -stabiler Erzeuger vo E N ist, folgt die Behauptug. Es stellt sich die Frage ach eier Umkehrug vo Lemma 5.3. Nu ka ma sehr leicht sehe, dass es zu eiem gegebee statioäre Prozess X = (X ) N auf eiem Wahrscheilichkeitsraum (Ω, F, P) im allgemeie keie maßerhaltede Trasformatio T auf (Ω, F, P) ud Zufallsgröße Y gibt, so dass X 1 = Y, X 2 := X 1 T, X 3 := X 2 T,... gilt (siehe das Beispiel weiter ute). Es gilt aber folgedes: X : (Ω, F, P) (E N, E N ) ist messbar. Sei ˆP = PX 1 die Verteilug vo X ud T : E N E N der Liksshift defiiert als T ((x 1, x 2,...)) = (x 2, x 3,...). Da ist T maßerhalted auf (E N, E N, ˆP) (wie ma sehr leicht überprüft). Daher ist der kaoische Prozess ˆX auf (E N, E N, ˆP), defiiert durch ˆX (x 1, x 2,...) := x statioär. Es gilt L( ˆX) = L(X) = ˆP ud für Y (x 1, x 2,...) := x 1 gilt ˆX 1 = Y, ˆX2 = Y T 2, ˆX3 = Y T 3,... Beispiel: Sei Ω = {a, b, c}, F = P(Ω) ud P({a}) = 1/2, P({b}) = P({c}) = 1/4. Weiter gelte: X (a) = 1, X (b) = X (c) = 0, falls gerade ist ud X (a) = 0, X (b) = X (c) = 1, falls ugerade ist, also X(a) = (0, 1, 0, 1, 0, 1,...) X(b) = X(c) = (1, 0, 1, 0, 1, 0...). X ist statioär. Es existiert aber keie maßerhaltede Trasformatio T auf (Ω, F, P), so dass X 2 = X 1 T. Ageomme doch, da gilt 1 = X 2 (a) = X 1 (T (a)), dh. T (a) {b, c}. Ageomme es gilt T (a) = b, da gilt 1/4 = P({b}) = PT 1 ({b}) P({a}) 1/2, was icht möglich ist. Dasselbe gilt im Fall T (a) = c. Defiitio 5.4. Sei T eie maßerhaltede Trasformatio auf (Ω, F, P). a) A F heißt T -ivariat, we T 1 (A) = A gilt. b) T heißt ergodisch, we für jede T -ivariate Mege A gilt: P(A) {0, 1}. 2
3 Bezeichug ud Bemerkug: Ist T eie maßerhaltede Trasformatio auf (Ω, F, P), so wird die Familie aller T -ivariate Mege mit J bezeichet. Ma überprüft uschwer, dass J eie Teil-σ-Algebra vo F ist. Ma et J die ivariate σ-algebra (bezüglich T ). Defiitio 5.5. Eie maßerhaltede Trasformatio T auf (Ω, F, P) heißt misched, we für alle A, B F gilt: lim P(A T B) = P(A) P(B). Propositio 5.6. Jede mischede Trasformatio ist ergodisch. Beweis. Ist A F T -ivariat, so gilt P(A) = P(A A) = P(A T A) P(A) P(A), das heißt P(A) = (P(A)) 2, also P(A) {0, 1}. Lemma 5.7. Sei T eie maßerhaltede Trasformatio auf (Ω, F, P) ud D ei -stabiler Erzeuger vo F. We lim P(A T B) = P(A) P(B) für alle A, B D gilt, da ist T misched. Beweis. 1. Schritt: Für B D sei D B := {A F : P(A T B) P(A) P(B)}. Da überprüft ma sehr leicht, dass D B ei Dykisystem ist. Für B D gilt also D D B F ud mit dem Hauptsatz über Dykisysteme folgt D B = F. 2. Schritt: Für A F sei E A := {B F : P(A T B) P(A) P(B)}. Da überprüft ma ebeso leicht, dass E A ei Dykisystem ist. Nach dem erste Schritt folgt E A D ud daher mit dem Hauptsatz über Dykisysteme E A = F. 5.2 Beispiele Beispiel 5.8. Sei D := {z C : z = 1} der Rad des komplexe Eiheitskreises, B D die Borel-σ- Algebra auf D ud λ D das ormierte Lebesguemaß auf (D, B D ). Weiter sei für c D die Abbildug T c : D D defiiert durch T c (ω) := c ω. Da ist T c maßerhalted ud es gilt: a) T c ist ergodisch geau da we c keie Eiheitswurzel ist. b) T c ist für kei c misched. 3
4 Beweis. Es ist klar, dass T c für jedes c D maßerhalted ist. a) Sei c D eie Eiheitswurzel. Da existiert ei N mit c = 1. Sei A B D eie beliebige Mege mit der Eigeschaft 0 < λ D (A) < 1 1 ud B := A T c (A)... Tc ( 1) (A). Da ist B B D, Tc 1 (B) = B (da Tc (A) = A) ud 0 < λ D (B) < 1. Also ist J icht trivial ud damit T c icht ergodisch. Sei u c keie Eiheitswurzel. Für die folgede Überlegug ist es ageehmer, D mit [0, 1) zu idetifiziere ud T c mit der Abbildug T c (x) = x + c mod 1 (wobei u c [0, 1) irratioal ist). Statt λ D schreibe wir ur λ für das Lebesguemaß auf [0, 1). Sei also A B [0,1) ivariat uter T c. Da { e 2πikt, k Z} eie ONB des komplexe L 2 ([0, 1), λ) ist ud 1 A L 2 ([0, 1), λ), existiert (i L 2 ) eie Darstellug der Form 1 A (t) = k Z c k e 2πikt, mit k c k 2 <. Da A ivariat ist, folgt 1 A (t) = 1 A (T c (t)) = k Z c k e 2πik(t+c). Da die Darstellug durch eie ONB eideutig ist, folgt für jedes k Z c k = c k e 2πikc, also etweder c k = 0 oder kc Z. Da c ach Voraussetzug irratioal ist, ka kc allefalls für k = 0 gazzahlig sei ud daher gilt c k = 0 für alle k 0. Es folgt also, dass 1 A fast sicher gleich der Kostate c 0 ist (welche otwedigerweise 0 oder 1 ist). Also folgt λ(a) {0, 1} ud damit die Trivialität vo J, d.h. T c ist ergodisch. b) Es geügt, die Behauptug i dem Fall zu zeige, i dem c keie Eiheitswurzel ist. Dazu beachte ma zuerst, dass da die Mege C := {c N 0 } dicht i D liegt, de die Folge hat (da D kompakt ist) midestes eie Häufugspukt ω 0 i D. Sei ε > 0 ud m > 0 so dass c ω 0 < ε ud 2 cm ω 0 < ε. Da gilt mit der Dreiecksugleichug 0 < 2 cm 1 < ε ud damit existiert für jedes ω D ei k N 0, so dass ω c (m )k < ε, d.h. C ist dicht i D. Um zu zeige, dass im Fall, i dem c keie Eiheitswurzel ist, T c icht misched ist, wähle wir die Mege A = B = { e 2πix : 0 x 1 }. Da C dicht i D ist, existiert eie Folge 4 k so dass A T k (A) = ud daher P(A T k(a)) = 0 1 = 16 P(A)2. Beispiel 5.9. Sei (E, E, µ) ei Wahrscheilichkeitsraum. Da ist der Liksshift T : (E N, E N, µ N ) (E N, E N, µ N ) maßerhalted ud misched. Beweis. Es ist klar, dass T maßerhalted ist. Sei A = A 1... A k E... ud B = B 1... B m E... mit A 1,..., B m E. Da gilt für k µ N (A T (B)) = µ(a 1 )...µ(a k )µ(b 1 )...µ(b m ) = µ N (A)µ N (B). Da Mege A ud B der obige Form eie -stabile Erzeuger vo E N bilde, folgt aus Lemma 5.7, dass T misched ist. 4
5 5.3 Birkhoffscher Ergodesatz Nu wolle wir de Birkhoffsche Ergodesatz formuliere ud beweise. Dafür bedürfe wir des folgede Lemmas. Im gaze Abschitt sei T eie maßerhaltede Trasformatio auf (Ω, F, P) ud J die ivariate σ-algebra. Lemma Ist Y L 1 (Ω, F, P) ud E(Y J ) < 0 lim sup Y T j 0 P-f.s., so gilt: P-f.s. Beweis. Erklärt ma 1 M := max{0, Y, Y + Y T, Y + Y T + Y T 2,..., Y T j }, so gilt: 0 M (ω) M +1 (ω). Isbesodere existiert also M(ω) := lim M (ω). Wir zeige, dass M < fast sicher gilt. Nu ist Y + M T = max{y, Y + Y T, Y + Y T + Y T 2,..., Y T j } ud (Y + M T ) + = max{0, Y + M T } = M +1, bzw. für : (Y + M T ) + = M. Wege Y (ω) <, folgt hieraus: d.h. für A := {M = } gilt: M(ω) = (M T )(ω) = M(T (ω)) =, T 1 (A) = {ω T (ω) A} = {M T = } = {M = } = A J. Allgemei gilt für reelle Zahle a, b : (a + b) + = b mi(b, a). Agewadt auf M ergibt dies: M +1 = (Y + M T ) + = M T mi{m T, Y } M, d.h. E(1 A M T ) E(1 A mi{m T, Y }) E(1 A M ). Weil A ivariat ud T maßerhalted ist, gilt: E(1 A M T ) = E(1 T 1 (A) M T ) = E(1 A T M T ) = E(1 A M ), bzw. da der letzte Ausdruck edlich ist E(1 A mi(m T, Y )) 0. Hieraus folgt schließlich mit dem Satz vo der beschräkte Kovergez: E(1 A mi{m T, Y }) 0. }{{} =1 A ( Y ) 5
6 Mithi gilt E(1 A Y ) 0, woraus sich wege E(Y J ) < 0 P - f.s. sofort P(A) = 0 ergibt, d.h. M < P -f.s. Aus Y T j 1 M 1 M folgt da die Behauptug. Lemma Ist Z eie reelle J messbare Zufallsgröße, so gilt: Z T = Z. Beweis. Für jede reelle Zahl a ist Z 1 ({a}) J, d.h. Z 1 ({a}) = T 1 (Z 1 ({a})) = (Z T ) 1 ({a}), also gilt: Z(ω) = a (Z T )(ω) = a, bzw. Z = Z T. Der Birkhoffsche Ergodesatz lautet u wie folgt. Satz Falls X L 1 (Ω, F, P) ist, gilt: lim X T j = E(X J ) P-f.s.. Beweis. Für beliebiges ε > 0 ud Y := X E(X J ) ε gilt Y L 1 (Ω, F, P) ud E(Y J ) = ε < 0. Nach Lemma 5.11 ist E(X J ) T j = E(X J ) für alle j, also: bzw. Y T j = X T j E(X J ) ε X T j = E(X J ) + ε + Y T j. Mit Lemma 5.10 folgt hieraus: lim sup X T j E(X J ) + ε. Die gleiche Überlegug mit X L 1 (Ω, F, P) liefert: Isgesamt folgt also: ( lim sup ) X T j E(X J ) + ε ε + E(X J ) lim if X T j lim sup X T j E(X J ) + ε, 6
7 also lim X T j = E(X J ) P-f.s.. Nu formuliere wir als Folgerug aus dem Birkhoffsche Ergodesatz de Ergodesatz für statioäre Prozesse. Satz Sei X = (X 1, X 2,...) ei reellwertiger, statioärer Prozess mit E X 1 < defiiert auf eiem Raum (Ω, F, P). Da gilt 1 X j E(X 1 X 1 (J )) f.s., j=1 wobei J die ivariate σ-algebra des Liksshifts T auf (R N, B N, ˆP) ist, wobei ˆP = PX 1 ist. Beweis. Nach Satz 5.12 gilt für π 1 : R N R, π 1 (x) := x 1 lim π 1 T j (x) = E(π 1 J )(x) ˆP-f.s., da E ˆP π 1 (x) = E X 1 <. Ersetzt ma x durch X(ω), so folgt lim X j+1 (ω) = E(π 1 J )(X(ω)) P-f.s.. Wir müsse also och zeige, dass E(π 1 J )(X(ω)) = E(X 1 X 1 (J ))(ω) P-fast sicher gilt, also (i) E(π 1 J )(X(ω)) ist X 1 (J )-messbar ud (ii) A E(π 1 J )(X(ω)) dp(ω) = A X 1 dp für alle A X 1 (J ). Zu (i): Dies folgt, da Kompositioe messbarer Abbilduge messbar sid. Zu (ii): Stelle A X 1 1 (J ) i der Form A = X (Ã) mit à J dar. Da gilt E(π 1 J )(X(ω)) dp(ω) = E(π 1 J )(x) d ˆP(x) X 1 (Ã) à = π 1 (x) d ˆP(x) = π 1 (X(ω)) dp(ω) = X 1 (ω) dp(ω), à X 1 (Ã) X 1 (Ã) womit die Behauptug gezeigt ist. Als Korollar erhalte wir das starke Gesetz der große Zahle für u.i.v. Zufallsgröße. 7
8 Korollar Seie X 1, X 2,... u.i.v. i L 1 (Ω, F, P). Da folgt lim 1 j=1 X j = EX 1 f.s. Beweis. Sei ˆP die Verteilug vo X = (X 1, X 2,...), d.h. ˆP = L(X 1 ) N. Nach Beispiel 5.9 ist der Liksshift T : (R N, B N, ˆP) (R N, B N, ˆP) ergodisch. Daher ist die zugehörige ivariate σ-algebra J trivial, also auch X 1 (J ), d.h. E(X 1 X 1 (J )) = EX 1 f.s. ud die Behauptug folgt aus Satz Aweduge des Ergodesatzes Eie Awedug des Ergodesatzes ist die folgede Propositio. Propositio Eie maßerhaltede Trasformatio T auf (Ω, F, P) ist ergodisch geau da, we für alle A, B F gilt Beweis. (ach [1], Seite 426) lim P(A T k (B)) = P(A)P(B). k=0 Sei T ergodisch ud A, B F. Da folgt aus dem Ergodesatz 1 A T (B)(ω) = 1 A(ω) k k=0 1 1 B (T k ω) 1 A (ω)e1 B f.s., k=0 ud mit beschräkter Kovergez folgt die Kovergez der Erwartugswerte, d.h. die Behauptug. Sei A J (ud B := A). Da gilt P(A) = lim P(A T k (A)) = P(A) 2, k=0 also folgt P(A) {0, 1}. Also ist T ergodisch. 5.5 Markovkette Sei X 0, X 1, X 2,... eie irreduzible, statioäre Markovkette defiiert auf (Ω, F, P) mit Werte i eier abzählbare Mege E. Auf E wähle wir die Potezmege E als σ-algebra. Weiter sei ˆP die Verteilug der (statioäre) Markovkette auf dem Raum (E N 0, E N 0 ) ud T : E N 0 E N 0 der Liksshift. Da ist T maßerhalted. Weiter gilt der folgede Satz. Satz Es gilt 8
9 a) T ist ergodisch. b) T ist misched geau da we die Markovkette aperiodisch ist. Beweis. a) Sei A E N 0 ivariat, d.h. T 1 (A) = A. Zu zeige ist ˆP(A) {0, 1}. Sei π : E N 0 E die Projektio auf die -te Kompoete ud F := σ(π m, m ) F = F = E N 0, N 0. Für x E sei h(x) := E x (1 A )(= E(1 A π 0 = x) = ˆP(A π 0 = x)), wobei E der Erwartugswert bezüglich ˆP ist. Nu ist E(1 A F ), N 0 ei F-Martigal, welches regulär ist ud daher für fast sicher ud i L 1 gege 1 A kovergiert. Weiter gilt für ω E N 0 ud N 0 E(1 A F )(ω) = E(1 A T F )(ω) = E(1 A T π )(ω) = ˆP(T (A) π = ω ) = ˆP((π, π +1...) A π = ω ), = ˆP(A π 0 = ω ) = h(π (ω)), wobei wir beim zweite ud vorletzte Gleichheitszeiche die Markoveigeschaft beutzte. Da (π ) N0 rekurret ist ud h(π ) fast sicher gege 1 A kovergiert, folgt etweder h 0 oder h 1, also ˆP(A) {0, 1}. b) Wir ehme zuerst a, dass T aperiodisch ist ud bezeiche die Übergagswahrscheilichkeite der Markovkette mit p i,j, i, j E ud die Verteilug vo X 0 mit µ (µ ist die eideutige ivariate Verteilug der Markovkette). Weiter sei { {x D := E N 0 } } : x 0 = v 0,..., x m = v m : m N0, v 0,..., v m E. D ist ei -stabiler Erzeuger vo E N 0. Nu sei A := {x E N 0 : x 0 = v 0,..., x m = v m } ud B := {x E N 0 : x 0 = w 0,..., x k = w k }, wobei v 0,..., v m, w 0,..., w k E. Da gilt für m mit der Markoveigeschaft ˆP(A T (B)) = P({X 0 = v 0,..., X m = v m } {X = w 0,..., X +k = w k }) = P({X = w 0,..., X +k = w k } X m = v m )P(X 0 = v 0,..., X m = v m ). Der zweite Faktor ist gleich P(A) ud der erste ist gleich p ( m) v m,w 0 p w0,w 1...p wk 1,w k. Da die Kette aperiodisch ist, kovergiert p ( m) v m,w 0 ach dem Hauptsatz für Markovkette für gege µ w0 ud damit kovergiert P({X = w 0,..., X +k = w k } X m = v m ) gege P(B). Die Behauptug folgt u aus Lemma
10 Wir müsse och die Umkehrug zeige, d.h. zeige, dass eie irreduzible ud statioäre Markovkette, die periodisch ist, icht misched sei ka. Da dies sehr eifach ud gleichzeitig eie gute Übugsaufgabe ist (dere Lösug i [1], Seite 428 steht), verzichte wir auf de Beweis. 5.6 Ergäzuge Oft ist der folgede Begriff ützlich. Defiitio Eie maßerhaltede Trasformatio T auf (Ω, F, P) heißt schwach misched, we für alle A, B F gilt: lim P(A T k B) P(A) P(B) = 0. k=0 Offesichtlich ist jede mischede Trasformatio schwach misched. Aus Propositio 5.15 folgt sofort, dass jede schwach mischede Trasformatio ergodisch ist. Das folgede Beispiel zeigt, dass aus ergodisch icht schwach misched folgt. Es gibt Beispiele vo schwach mischede Trasformatioe, die icht misched sid. Beispiel Sei Ω = {0, 1} mit der Potezmege als σ-algebra ud der Gleichverteilug P als Wahrscheilichkeitsmaß. Die Abbildug T defiiert durch T (0) = 1, T (1) = 0 ist offesichtlich maßerhalted ud ergodisch aber icht schwach misched, wie ma sieht, we ma A = {0} ud B = {1} wählt. Ei Hauptgrud für die Eiführug des Begriffes schwach misched ist die folgede Aussage, dere Beweis sich i [2] fidet. Satz Sei T eie maßerhaltede Trasformatio auf (Ω, F, P) ud T T : (Ω, F, P) (Ω, F, P) defiiert durch T T (ω 1, ω 2 ) := (T (ω 1 ), T (ω 2 )). Da sid äquivalet i) T ist schwach misched ii) T T ist ergodisch iii) T T ist schwach misched. Ma beachte, dass daher aus der Ergodizität vo T icht die Ergodizität vo T T folgt. Sie gilt sogar ie, we T ur ergodisch aber icht schwach misched ist. Ma überzeuge sich davo, dass i obigem Beispiel T T i der Tat icht ergodisch ist! Refereces [1] Kleke, A. (2006). Wahrscheilichkeitstheorie. Spriger, Berli. [2] Walters, P. (1975). Ergodic Theory - Itroductory Lectures. Spriger LNM 458, Berli. 10
Kapitel 4: Stationäre Prozesse
Kapitel 4: Statioäre Prozesse M. Scheutzow Jauary 6, 2010 4.1 Maßerhaltede Trasformatioe I diesem Kapitel führe wir zuächst de Begriff der maßerhaltede Trasformatio auf eiem Wahrscheilichkeitsraum ei ud
MehrÜbungsblatt 1 zur Vorlesung Angewandte Stochastik
Dr Christoph Luchsiger Übugsblatt 1 zur Vorlesug Agewadte Stochastik Repetitio WT Herausgabe des Übugsblattes: Woche 9, Abgabe der Lösuge: Woche 1 (bis Freitag, 1615 Uhr), Rückgabe ud Besprechug: Woche
MehrNachklausur - Analysis 1 - Lösungen
Prof. Dr. László Székelyhidi Aalysis I, WS 212 Nachklausur - Aalysis 1 - Lösuge Aufgabe 1 (Folge ud Grezwerte). (i) (1 Pukt) Gebe Sie die Defiitio des Häufugspuktes eier reelle Zahlefolge (a ) N. Lösug:
MehrSatz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist.
Erfüllbarkeit, Uerfüllbarkeit, Allgemeigültigkeit Defiitio Eie Belegug β ist passed zu eiem Boolesche Term t, falls β für alle atomare Terme i t defiiert ist. (Wird ab jetzt ageomme.) Ist β(t) = true,
MehrStochastik für WiWi - Klausurvorbereitung
Dr. Markus Kuze WS 2013/14 Dipl.-Math. Stefa Roth 11.02.2014 Stochastik für WiWi - Klausurvorbereitug Gesetz der totale Wahrscheilichkeit ud Satz vo Bayes (Ω, F, P) Wahrscheilichkeitsraum, E 1,..., E F
MehrZahlenfolgen, Grenzwerte und Zahlenreihen
KAPITEL 5 Zahlefolge, Grezwerte ud Zahlereihe. Folge Defiitio 5.. Uter eier Folge reeller Zahle (oder eier reelle Zahlefolge) versteht ma eie auf N 0 erlarte reellwertige Futio, die jedem N 0 ei a R zuordet:
MehrAllgemeine Lösungen der n-dimensionalen Laplace-Gleichung und ihre komplexe Variable
Allgemeie Lösuge der -dimesioale Laplace-Gleichug ud ihre komplexe Variable Dr. rer. at. Kuag-lai Chao Göttige, de 4. Jauar 01 Abstract Geeral solutios of the -dimesioal Laplace equatio ad its complex
Mehr2 Vollständige Induktion
8 I. Zahle, Kovergez ud Stetigkeit Vollstädige Iduktio Aufgabe: 1. Bereche Sie 1+3, 1+3+5 ud 1+3+5+7, leite Sie eie allgemeie Formel für 1+3+ +( 3)+( 1) her ud versuche Sie, diese zu beweise.. Eizu5% ZiseproJahragelegtes
MehrAufgaben und Lösungen der Probeklausur zur Analysis I
Fachbereich Mathematik AG 5: Fuktioalaalysis Prof. Dr. K.-H. Neeb Dipl.-Math. Rafael Dahme Dipl.-Math. Stefa Wager ATECHNISCHE UNIVERSITÄT DARMSTADT SS 007 19. Jui 007 Aufgabe ud Lösuge der Probeklausur
MehrSUCHPROBLEME UND ALPHABETISCHE CODES
SUCHPROBLEME UND ALPHABETISCHE CODES Der Problematik der alphabetische Codes liege Suchprobleme zugrude, dere Lösug dem iformatiostheoretische Problem der Fidug eies (optimale) alphabetische Codes gleich
MehrÜbungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 0
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Prof. Dr. Rolad Speicher M.Sc. Tobias Mai Übuge zur Vorlesug Fuktioetheorie Sommersemester 01 Musterlösug zu Blatt 0 Aufgabe 1. Käpt Schwarzbart,
MehrAufgaben zur vollständigen Induktion
c 7 by Raier Müller - Aufgabe zur vollstädige Idutio We ichts aderes agegebe ist, da gelte die Behauptuge für IN {; ; ;...}. A) Teilbareit: ) ist gerade (d.h. durch teilbar). ) ist durch teilbar. ) ist
MehrBINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008
Stochasti ud ihre Didati Refereti: Iris Wiler 10.11.2008 Aufgabe: Führe Sie i der Seudarstufe II die Biomialoeffiziete als ombiatorisches Azahlproblem ei. Erarbeite Sie mit de Schülerie ud Schüler mithilfe
MehrInstitut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban
Istitut für tochastik Prof. Dr. N. Bäuerle Dipl.-Math.. Urba Lösugsvorschlag 9. Übugsblatt zur Vorlesug Fiazmathematik I Aufgabe Ei euartiges Derivat) Wir sid i eiem edliche, arbitragefreie Fiazmarkt,
Mehr1 Analysis T1 Übungsblatt 1
Aalysis T Übugsblatt A eier Weggabelug i der Wüste lebe zwei Brüder, die vollkomme gleich aussehe, zwische dee es aber eie gewaltige Uterschied gibt: Der eie sagt immer die Wahrheit, der adere lügt immer.
Mehrx 2 + 2 m c Φ( r, t) = n q n (t) φ n ( r) (5) ( + k 2 n ) φ n ( r) = 0 (6a)
Quatisierug eies skalare Feldes Das Ziel ist eigetlich das elektromagetische Feld zu quatisiere, aber wie ma scho a de MAXWELLsche Gleichuge sehe ka, ist es zu kompliziert, um damit zu begie. Außerdem
MehrKapitel 6: Statistische Qualitätskontrolle
Kapitel 6: Statistische Qualitätskotrolle 6. Allgemeies Für die Qualitätskotrolle i eiem Uterehme (produzieredes Gewerbe, Diestleistugsuterehme, ) gibt es verschiedee Möglichkeite. Statistische Prozesskotrolle
Mehrn 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:
61 6.2 Grudlage der mathematische Statistik 6.2.1 Eiführug i die mathematische Statistik I der mathematische Statistik behadel wir Masseerscheiuge. Wir habe es deshalb im Regelfall mit eier große Zahl
MehrPage-Rank: Markov-Ketten als Grundlage für Suchmaschinen im Internet
Humboldt-Uiversität zu Berli Istitut für Iformatik Logik i der Iformatik Prof. Dr. Nicole Schweikardt Page-Rak: Markov-Kette als Grudlage für Suchmaschie im Iteret Skript zum gleichamige Kapitel der im
MehrLösungen der Aufgaben zur Vorbereitung auf die Klausur Mathematik für Informatiker I
Uiversität des Saarlades Fakultät für Mathematik ud Iformatik Witersemester 2003/04 Prof. Dr. Joachim Weickert Dr. Marti Welk Dr. Berhard Burgeth Lösuge der Aufgabe zur Vorbereitug auf die Klausur Mathematik
MehrEin kleines Einmaleins über Mittelwertbildungen
Vorlesugsergäzug zur Igeieurmathematik R.Brigola Ei kleies Eimaleis über Mittelwertbilduge Grudlage über arithmetische Mittel, geometrische Mittel, harmoische Mittel, quadratische Mittel ud das arithmetisch-geometrische
Mehr15.4 Diskrete Zufallsvariablen
.4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet
Mehr1 = 1. 6 Induktionsannahme: Die Formal gelte für n = k. Induktionsschritt: Gültigkeit der Formel für k+1: 1 2 + 2 2 +... + k 2 + (k + 1) 2 = 2 = 6 = 6
65 Eric Müller Vollstädige Iduktio Nach GIUSEPPE PEANO (858-93) ka ma die Mege N der atürliche Zahle durch folgede Axiome defiiere []:. ist eie atürliche Zahl.. Zu jeder atürliche Zahl gibt es geau eie
Mehr3. Tilgungsrechnung. 3.1. Tilgungsarten
schreier@math.tu-freiberg.de 03731) 39 2261 3. Tilgugsrechug Die Tilgugsrechug beschäftigt sich mit der Rückzahlug vo Kredite, Darlehe ud Hypotheke. Dabei erwartet der Gläubiger, daß der Schulder seie
MehrMusterlösung zu Übungsblatt 2
Prof. R. Padharipade J. Schmitt C. Schießl Fuktioetheorie 25. September 15 HS 2015 Musterlösug zu Übugsblatt 2 Aufgabe 1. Reelle Fuktioe g : R R stelle wir us üblicherweise als Graphe {(x, g(x)} R R vor.
MehrMathematik für Wirtschaftswissenschaftler Beispiele, Graken, Beweise. c Uwe Jensen
Mathematik für Wirtschaftswisseschaftler Beispiele, Grake, Beweise c Uwe Jese 8. Oktober 2007 Ihaltsverzeichis 4 Folge, Reihe, Grezwerte, Stetigkeit 47 4. Folge ud Reihe............................ 47
MehrElementare Wahrscheinlichkeitsrechnung und Statistik
CURANDO UNIVERSITÄT ULM SCIENDO DOCENDO Elemetare Wahrscheilichkeitsrechug ud Statistik Uiversität Ulm Istitut für Stochastik Vorlesugsskript Prof. Dr. Volker Schmidt Stad: Witersemester 28/9 Ulm, im Februar
MehrKapitel 6: Quadratisches Wachstum
Kapitel 6: Quadratisches Wachstum Dr. Dakwart Vogel Ui Esse WS 009/10 1 Drei Beispiele Beispiel 1 Bremsweg eies PKW Bremsweg Auto.xls Ui Esse WS 009/10 Für user Modell des Bremsweges gilt a = a + d a =
MehrBitte schicken Sie mir eine E-mail, wenn Sie einen Fehler gefunden haben 1. Moritz Kaßmann
Das folgede Skript zur Vorlesug Spezielle Aspekte der Aalysis für Studierede des Lehramts a Grud, Haupt ud Realschule wird fortlaufed aktualisiert ud verädert werde. Das Skript ethält bei weitem icht alle
MehrLektion II Grundlagen der Kryptologie
Lektio II Grudlage der Kryptologie Klassische Algorithme Ihalt Lektio II Grudbegriffe Kryptologie Kryptographische Systeme Traspositioschiffre Substitutioschiffre Kryptoaalyse Übuge Vorlesug Datesicherheit
MehrVorlesung Informationssysteme
Saarbrücke, 2.05.205 Iformatio Systems Group Vorlesug Iformatiossysteme Vertiefug Kapitel 4: Vo (E)ER is Relatioemodell Erik Buchma (buchma@cs.ui-saarlad.de) Foto: M. Strauch Aus de Videos wisse Sie......welche
MehrFormelsammlung Mathematik
Formelsammlug Mathematik 1 Fiazmathematik 1.1 Reterechug Sei der Zissatz p%, der Zisfaktor q = 1 + p 100. Seie R die regelmäßig zu zahlede Rate, die Laufzeit. Edwert: Barwert: achschüssig R = R q 1 q 1
MehrTao De / Pan JiaWei. Ihrig/Pflaumer Finanzmathematik Oldenburg Verlag 1999 =7.173,55 DM. ges: A m, A v
Tao De / Pa JiaWei Ihrig/Pflaumer Fiazmathematik Oldeburg Verlag 1999 1..Ei Darlehe vo. DM soll moatlich mit 1% verzist ud i Jahre durch kostate Auitäte getilgt werde. Wie hoch sid a) die Moatsrate? b)
Mehr2. Diophantische Gleichungen
2. Diophatische Gleichuge [Teschl05, S. 91f] 2.1. Was ist eie diophatische Gleichug ud wozu braucht ma sie? Def D2-1: Eie diophatische Gleichug ist eie Polyomfuktio i x,y,z,, bei der als Lösuge ur gaze
MehrWintersemester 2006/2007, Universität Rostock Abgabetermin: spätestens 24.10.2006, 09:00 Uhr. Aufgabe 1.1: (5 P)
Serie Abgabetermi: spätestes 24.0.2006, 09:00 Uhr Aufgabe.: 5 P Zeige Sie, dass das geometrische Mittel icht größer ist als das arithmetische Mittel, d.h., dass für alle Zahle a, b R mit a, b 0 gilt ab
MehrInnerbetriebliche Leistungsverrechnung
Ierbetriebliche Leistugsverrechug I der Kostestellerechug bzw. im Betriebsabrechugsboge (BAB ist ach der Erfassug der primäre Kostestellekoste das Ziel, die sekudäre Kostestellekoste, also die Koste der
MehrStatistik I/Empirie I
Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass
MehrAUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2. Datenfluß und Programmablauf 2. Vorbedingung 3. Nachbedingung 3. Schleifeninvariante 3
INHALTSVERZEICHNIS AUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2 Datefluß ud Programmablauf 2 Vorbedigug 3 Nachbedigug 3 Schleifeivariate 3 KONSTRUKTION 4 ALTERNATIVE ENTWURFSMÖGLICHKEITEN 5 EFFEKTIVE
MehrMathematischer Vorkurs zum Studium der Physik
Uiversität Heidelberg Mathematischer Vorkurs zum Studium der Physik Übuge Aufgabe zu Kapitel 1 (aus: K. Hefft Mathematischer Vorkurs zum Studium der Physik, sowie Ergäzuge) Aufgabe 1.1: SI-Eiheite: a)
MehrZusammenfassung Wirtschaftsinformatik Stefan Käßmann
I. Iformatio ud Nachricht 1. Iformatio ud Nachricht - Nachricht (Sytax), Sigale, Zeiche - Iformatio (Sematik), bit - Rausche 2. digitale Nachrichte - digitale Sigale (Sigalparameter aus edlicher Zeichevorrat)
MehrKunde. Kontobewegung
Techische Uiversität Müche WS 2003/04, Fakultät für Iformatik Datebaksysteme I Prof. R. Bayer, Ph.D. Lösugsblatt 4 Dipl.-Iform. Michael Bauer Dr. Gabi Höflig 17.11. 2003 Abbildug E/R ach relatioal - Beispiel:
MehrWahrscheinlichkeit & Statistik
Wahrscheilichkeit & Statistik created by Versio: 3. Jui 005 www.matheachhilfe.ch ifo@matheachhilfe.ch 079 703 7 08 Mege als Sprache der Wahrscheilichkeitsrechug, Begriffe, Grudregel Ereigisraum: Ω Ω Mege
MehrInformatik II Dynamische Programmierung
lausthal Iformatik II Dyamische Programmierug. Zachma lausthal Uiversity, ermay zach@i.tu-clausthal.de Zweite Techik für de Algorithmeetwurf Zum Name: "Dyamische " hat ichts mit "Dyamik" zu tu, soder mit
MehrÜbungen zur Analysis 1 für Informatiker und Statistiker. Lösung zu Blatt 12
Mthemtisches Istitut der Uiversität Müche Prof. Dr. Peter Otte WiSe 203/4 Lösug 2 2.0.204 Aufgbe 2. [8 Pute] Übuge zur Alysis für Iformtier ud Sttistier Lösug zu Bltt 2 Für eie Teilmege Ω R, sei {, flls
Mehr5 Bernoulli-Kette. 5.1 Bernoulli-Experiment. Jakob Bernoulli 1654-1705 Schweizer Mathematiker und Physiker. 5.1.1 Einleitung
Seite vo 7 5 Beroulli-Kette Jakob Beroulli 654-705 Schweizer Mathematiker ud Physiker 5. Beroulli-Exerimet 5.. Eileitug Oft iteressiert ma sich bei Zufallsexerimete icht für die eizele Ergebisse, soder
MehrFINANZMATHEMATIK. 1. Zinsen und Zinseszinsen. Finanzmathematik 81
Fiazmathematik 8 FINANZMATHEMATIK. Zise ud Ziseszise Die Zise als Preis für die Zurverfügugstellug vo Geld bilde das zetrale Elemet i der Fiazmathematik. Hierbei sid verschiedee Arte der Verzisug zu uterscheide.
Mehr8.3. Komplexe Zahlen
8.. Komplee Zhle Wie bereits i 8.. drgestellt, wurde die fortlufede Erweiterug der Zhlbereiche durch die Eiführug immer kompleerer Recheopertioe otwedig:. Auf de türliche Zhle führte der Wusch ch iverse
MehrEinführung in die mathematische Statistik
Kapitel 7 Eiführug i die mathematische Statistik 7.1 Statistische Modellierug Bei der Modellierug eies Zufallsexperimets besteht oft Usicherheit darüber, welche W-Verteilug auf der Ergebismege adäquat
Mehr2. Gleichwertige Lösungen
8. Gleichwertige Lösuge Für die Lösug jeder lösbare Aufgabe gibt es eie uedliche Azahl vo (abstrakte ud kokrete) Algorithme. Das folgede Problem illustriert, dass eie Aufgabe eifacher oder kompliziert,
MehrVersuch 13/1 NEWTONSCHE INTERFERENZRINGE Blatt 1 NEWTONSCHE INTERFERENZRINGE
Versuch 3/ NEWTONSCHE INTERFERENZRINGE Blatt NEWTONSCHE INTERFERENZRINGE Die Oberfläche vo Lise hat im allgemeie Kugelgestalt. Zur Messug des Krümmugsradius diet das Sphärometer. Bei sehr flacher Krümmug
MehrDie Gasgesetze. Die Beziehung zwischen Volumen und Temperatur (Gesetz von J.-L. und J. Charles): Gay-Lussac
Die Gasgesetze Die Beziehug zwische olume ud Temeratur (Gesetz vo J.-L. Gay-Lussac ud J. Charles): cost. T oder /T cost. cost.. hägt h vo ud Gasmege ab. Die extraolierte Liie scheidet die Temeratur- skala
MehrMathematische Statistik
Skript Mathematische Statistik Max v. Reesse Aufgezeichet vo Tobias Weihrauch Sommersemester 202 Uiversität Leipzig INHALTSVERZEICHNIS Ihaltsverzeichis Eiführug 3. Statistik als Teil der Stochastik........................
MehrByzantinische Einigung im Full-Information-Modell in O(log n) Runden
Byzatiische Eiigug im Full-Iformatio-Modell i O(log ) Rude Martia Hüllma Uiversität Paderbor (martiah@upb.de) Zusammefassug. Byzatiische Eiigug stellt ei grudlegedes Problem im Bereich verteilter Systeme
MehrQualitätskennzahlen für IT-Verfahren in der öffentlichen Verwaltung Lösungsansätze zur Beschreibung von Metriken nach V-Modell XT
Qualitätskezahle für IT-Verfahre i der öffetliche Verwaltug Lösugsasätze zur Vo Stefa Bregezer Der Autor arbeitet im Bereich Softwaretest ud beschäftigt sich als Qualitätsbeauftragter mit Theme zu Qualitätssicherug
MehrLerneinheit 2: Grundlagen der Investition und Finanzierung
Lereiheit 2: Grudlage der Ivestitio ud Fiazierug 1 Abgrezug zu de statische Verfahre Durchschittsbetrachtug wird aufgegebe Zeitpukt der Zahlugsmittelbewegug explizit berücksichtigt exakte Erfassug der
MehrBeurteilung des Businessplans zur Tragfähigkeitsbescheinigung
Fachkudige Stellugahme Beurteilug des Busiessplas zur Tragfähigkeitsbescheiigug Name Datum Has Musterma 7. Oktober 2015 Wilfried Orth Grüdugsberatug Stadort Würzburg: Stadort Stuttgart: Waldleite 9a Möhriger
MehrMonte Carlo-Simulation
Mote Carlo-Simulatio Mote Carlo-Methode Der Begriff Mote Carlo-Methode etstad i de 1940er Jahre, als ma im Zusammehag mit dem Bau der Atombombe die Simulatio vo Zufallsprozesse erstmals i größerem Stil
MehrTestumfang für die Ermittlung und Angabe von Fehlerraten in biometrischen Systemen
Testumfag für die Ermittlug ud Agabe vo Fehlerrate i biometrische Systeme Peter Uruh SRC Security Research & Cosultig GmbH peter.uruh@src-gmbh.de Eileitug Biometrische Systeme werde durch zwei wichtige
MehrBeschreibende Statistik Kenngrößen in der Übersicht (Ac)
Beschreibede Statistik Kegröße i der Übersicht (Ac) Im folgede wird die Berechugsweise des TI 83 (sowie vo SPSS, s. ute) verwedet. Diese geht auf eie Festlegug vo Moore ud McCabe (00) zurück. I der Literatur
MehrStatistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S
Statistik mit Excel 2013 Peter Wies Theme-Special 1. Ausgabe, Februar 2014 W-EX2013S 3 Statistik mit Excel 2013 - Theme-Special 3 Statistische Maßzahle I diesem Kapitel erfahre Sie wie Sie Date klassifiziere
MehrLernhilfe in Form eines ebooks
Ziseszisrechug Lerhilfe i Form eies ebooks apitel Thema Seite 1 Vorwort ud Eiführug 2 2 Theorie der Ziseszisrechug 5 3 Beispiele ud Beispielrechuge 12 4 Testaufgabe mit Lösuge 18 Zis-Ziseszis.de 212 Seite
Mehr3. Einführung in die Statistik
3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :
MehrChangepoint-Analyse für Kenngrößen der Telekommunikation: Theorie und Simulationen
Chagepoit-Aalyse für Kegröße der Telekommuikatio: Theorie ud Simulatioe DISSERTATION zur Erlagug des Doktorgrades der Naturwisseschafte Dr. rer. at., dem Fachbereich Mathematik ud Iformatik der Philipps-Uiversität
MehrWissenschaftliches Arbeiten Studiengang Energiewirtschaft
Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:
MehrWirtschaftsmathematik
Studiegag Betriebswirtschaft Fach Wirtschaftsmathematik Art der Leistug Studieleistug Klausur-Kz. BW-WMT-S1 040508 Datum 08.05.004 Bezüglich der Afertigug Ihrer Arbeit sid folgede Hiweise verbidlich: Verwede
MehrMit Ideen begeistern. Mit Freude schenken.
Mehr Erfolg. I jeder Beziehug. Mit Idee begeister. Mit Freude scheke. Erfolgreiches Marketig mit Prämie, Werbemittel ud Uterehmesausstattuge. Wo Prämie ei System habe, hat Erfolg Methode. Die Wertschätzug
MehrKombinatorik für Klasse 8
Kombiatorik für Klasse 8 Lisa Sauerma März 013 Kombiatorik ist ei Gebiet, das oft bei Mathematikolympiade vorkommt. Es gibt dabei Aufgabe i beliebige Schwierigkeitsstufe. I utere Klassestufe werde oft
MehrSeminar Derivate Finanzprodukte aus mathematischer Sicht Up-and-out Call Option
Semiar Derivate Fiazprodukte aus mathematischer Sicht Up-ad-out Call Optio UIVERSITÄT TRIER Fachbereich IV Wirtschaftswisseschafte / Mathematik Witersemester 22/3 Leiter: Prof. Dr. H. Luschgy Eigereicht
MehrBetriebswirtschaft Wirtschaftsmathematik Studienleistung BW-WMT-S12 011110
Name, Vorame Matrikel-Nr. Studiezetrum Studiegag Fach Art der Leistug Klausur-Kz. Betriebswirtschaft Wirtschaftsmathematik Studieleistug Datum 10.11.2001 BW-WMT-S12 011110 Verwede Sie ausschließlich das
MehrAussagenlogik Schnelldurchlauf
Aussagelogik Schelldurchlauf Michael Leuschel Softwaretechik ud Programmiersprache Lecture 3 Teil 1: Sprache (Sytax) Bestadteile Atomare Aussage (atomic propositios) Etweder wahr oder falsch (Wahrheitswert,
MehrGliederung. Value-at-Risk
Value-at-Risk Dr. Richard Herra Nürberg, 4. Noveber 26 IVS-Foru Gliederug Modell Beispiel aus der betriebliche Altersversorgug Verteilug des Gesatschades Value-at-Risk ud Tail Value-at-Risk Risikobeurteilug
MehrProf. Dr. Günter Hellmig. Aufgabenskript Finanzmathematik
Prof. Dr. Güter Hellmig Aufgabeskript Fiazmathematik Ihalt: Aufgabe -: Eifache achschüssige Zise Aufgabe : Eifache vorschüssige Zise Aufgabe 4-5: Ziseszise bei Zisasammlug Aufgabe 6-: Ziseszise bei Zisauszahlug
MehrLöslichkeitsdiagramm. Grundlagen
Grudlage Löslichkeitsdiagramm Grudlage Zur etrachtug des Mischugsverhaltes icht vollstädig mischbarer Flüssigkeite, das heißt Flüssigkeite, die sich icht bei jeder Temperatur i alle Megeverhältisse miteiader
MehrAuch im Risikofall ist das Entscheidungsproblem gelöst, wenn eine dominante Aktion in A existiert.
Prof. Dr. H. Rommelfager: Etscheidugstheorie, Kaitel 3 7 3. Etscheidug bei Risiko (subjektive oder objektive) Eitrittswahrscheilichkeite für das Eitrete der mögliche Umweltzustäde köe vom Etscheidugsträger
MehrHöhere Finanzmathematik. Sehr ausführliches Themenheft (d. h. mit Theorie) Aber auch mit vielen Trainingsaufgaben
Expoetielles Wachstum Höhere Fiazmathematik Sehr ausführliches Themeheft (d. h. mit Theorie) Aber auch mit viele Traiigsaufgabe Es hadelt sich um eie Awedug vo Expoetialfuktioe (Wachstumsfuktioe) Datei
MehrHARDWARE-PRAKTIKUM. Versuch L-4. Komplexe Schaltwerke. Fachbereich Informatik. Universität Kaiserslautern
HARDWARE-PRAKTIKUM Versuch L-4 Komplexe Schaltwerke Fachbereich Iformatik Uiversität Kaiserslauter Seite 2 Versuch L-4 Versuch L-4 I diesem Versuch soll ei Rechewerk zur Multiplikatio vo zwei vorzeichelose
MehrElektronikpraktikum: Digitaltechnik 2
Elektroikpraktikum: Digitaltechik 2 Datum, Ort: 16.05.2003, PHY/D-213 Betreuer: Schwierz Praktikate: Teshi C. Hara, Joas Posselt (beide 02/2/PHY/02) Gruppe: 8 Ziele Aufbau eier 3-Bit-Dekodierschaltug;
MehrInvestitionsentscheidungsrechnung Annuitäten Methode
Mit Hilfe der köe folgede Ivestitioe beurteilt werde: eizele Ivestitioe alterative Ivestitiosobjekte optimale Ersatzzeitpukte Seite 1 Folgeder Zusammehag besteht zwische der Kapitalbarwertmethode ud der
MehrLV "Grundlagen der Informatik" Programmierung in C (Teil 2)
Aufgabekomplex: Programmiere i C (Teil vo ) (Strukturierte Datetype: Felder, Strukture, Zeiger; Fuktioe mit Parameterübergabe; Dateiarbeit) Hiweis: Alle mit * gekezeichete Aufgabe sid zum zusätzliche Übe
MehrGeodäten im hyperbolischen Raum und Zahlentheorie
Petridis, Yiais Geodäte im hyperbolische Raum ud Zahletheorie Tätigkeitsbericht 2006 Geodäte im hyperbolische Raum ud Zahletheorie Petridis, Yiais Max-Plack-Istitut für Mathematik, Bo Forschugsbereich
MehrVersuch D3: Energiebilanz einer Verbrennung
Versuch D: Eergiebilaz eier Verbreug 1. Eiführug ud Grudlage 1.1 Eergiebilaz eier Verbreug Die Eergiebilaz eier Verbreug wird am eispiel eier kleie rekammer utersucht, i welcher die bei der Verbreug vo
MehrAnalysis I Probeklausur 2
WS /2 Mriescu/ Ert Alysis I Probeklusur 2. Aufgbe Die Folge (x ) N sei rekursiv defiiert durch x =, x + = 2+x. () Beweise, dss die Folge (x ) N streg mooto wchsed ist. (b) Beweise, dss (x ) N durch 2 ch
MehrVersicherungstechnik
Operatios Research ud Wirtschaftsiformati Prof. Dr. P. Recht // Dipl.-Math. Rolf Wedt DOOR Versicherugstechi Übugsblatt 3 Abgabe bis zum Diestag, dem 03..205 um 0 Uhr im Kaste 9 Lösugsvorschlag: Vorbereituge
MehrMathematik. Vorlesung im Bachelor-Studiengang Business Administration (Modul BWL 1A) an der FH Düsseldorf im Wintersemester 2008/09
Mathematik Vorlesug im Bachelor-Studiegag Busiess Admiistratio (Modul BWL A) a der FH Düsseldorf im Witersemester 2008/09 Dozet: Dr. Christia Kölle Teil I Fiazmathematik, Lieare Algebra, Lieare Optimierug
Mehrelektr. und magnet. Feld A 7 (1)
FachHochschule Lausitz Physikalisches Praktikum α- ud β-strahlug im elektr. ud maget. Feld A 7 Name: Matrikel: Datum: Ziel des Versuches Das Verhalte vo α- ud β-strahlug im elektrische ud magetische Feld
MehrGruppe 108: Janina Bär Christian Hörr Robert Rex
TEHNIHE UNIVEITÄT HEMNITZ FAULTÄT FÜ INFOMATI Hardwarepraktikum im W /3 Versuch 3 equetielle ysteme I Gruppe 8: aia Bär hristia Hörr obert ex hemitz, 7. November Hardwarepraktikum equetielle ysteme I Aufgabe
MehrOntologische Evaluierung von Referenzmodellen Überblick über Methode und Anwendung
Otologische Evaluierug vo Referezmodelle Überblick über Methode ud Awedug Peter Fettke, Peter Loos Johaes Guteberg-Uiversität Maiz Iformatio Systems & Maagemet Lehrstuhl Wirtschaftsiformatik ud Betriebswirtschaftslehre
Mehr3 Die Außenfinanzierung durch Fremdkapital (Kreditfinanzierung)
3 Die Außefiazierug durch Fremdkapital (Kreditfiazierug) 3.1 Die Charakteristika ud Forme der Kreditfiazierug Aufgabe 3.1: Idealtypische Eigeschafte vo Eige- ud Fremdkapital Stelle Sie die idealtypische
MehrDas Rätsel mit der Balkenwaage
Das Rätsel mit der Balkewaage Mathematische Abhadlug über ei Iformatiosproblem 6. Juli 998:. Fassug 6. Jauar 999: 2. Fassug 24. Jui 2005: Überarbeitug Marti Abbühl, Thu, CH balkewaage@abbuehl.et 0. Ihalt
MehrVorlesung Einführung in die mathematische Statistik
Vorlesug Eiführug i die mathematische Statistik Prof. A. Atille Sommersemester 2004 Literatur P.J. Bickel K.A. Doksum, Mathematical Statistics: Basic Ideas ad Selected Topics Holde-Day, 1977. L. Breima,
MehrAbruf vom 28.05.2015, 12:32
Ausdruck Hadelsregister B Eitra gug Firma b) Sitz, Niederlassug, ilädische Geschäftsaschrift, empfagsberechtigte Perso, Zweigiederlassuge c) Gegestad des Uterehmes Grud- oder Allgemeie Vertretugsregelug
Mehr1. Ein Kapital von 5000 ist zu 6,5% und ein Kapital von 4500 zu 7% auf 12 Jahre angelegt. Wie groß ist der Unterschied der Endkapitalien?
Fiazmathematik Aufgabesammlug. Ei Kapital vo 5000 ist zu 6,5% ud ei Kapital vo 4500 zu 7% auf 2 Jahre agelegt. Wie groß ist der Uterschied der Edkapitalie? 2. Wa erreicht ei Kapital eie höhere Edwert,
MehrProtokoll zum Anfängerpraktikum
Protokoll zum Afägerpraktikum Polarisatio vo Licht Gruppe, Team 5 Sebastia Korff Frerich Max 0.07.06 Ihaltsverzeichis. Eileitug -3-. Polarisatio -3-. Dichroismus -4-.3 BREWSTER Wikel -5-.4 Der FARADAY
MehrMathematik Abiturwissen. Script von Michael Telgkamp Vorlesung Dr. Bruder
Mathematik Abiturwisse Script vo Michael Telgkamp Vorlesug Dr. Bruder . Eiführug Abiturwisse Mathematik / 9. Zahlebereiche: N atürliche Zahle Z gaze Zahle Q ratioale Zahle R reelle Zahle C komplee Zahle
MehrKorrekturrichtlinie zur Studienleistung Wirtschaftsmathematik am 22.12.2007 Betriebswirtschaft BB-WMT-S11-071222
Korrekturrichtliie zur Studieleistug Wirtschaftsmathematik am..007 Betriebswirtschaft BB-WMT-S-07 Für die Bewertug ud Abgabe der Studieleistug sid folgede Hiweise verbidlich: Die Vergabe der Pukte ehme
MehrMethodische Grundlagen der Kostenkalkulation
Methodische Grudlage der Kostekalkulatio Plaugsebee Gebrauchsgüter Die i der ladwirtschaftliche Produktio eigesetzte Produktiosmittel werde i Gebrauchsgüter ud Verbrauchsgüter uterteilt. Zu de Gebrauchsgüter
MehrDas Digitale Archiv des Bundesarchivs
Das Digitale Archiv des Budesarchivs 2 3 Ihaltsverzeichis Das Digitale Archiv des Budesarchivs 4 Techische Ifrastruktur 5 Hilfsmittel zur Archivierug 5 Archivierugsformate 6 Abgabe vo elektroische Akte
MehrLeitfaden zu den Zertifikate-Indizes. Discount-Index Outperformance-Index Bonus-Index Kapitalschutz-Index Aktienanleihen-Index
Leitfade zu de Zertifikate-Idizes Discout-Idex Outerformace-Idex Bous-Idex Kaitalschutz-Idex Aktiealeihe-Idex Fassug vom 22.02.2011 Versiosübersicht Versios- ID 1.00 1.10 1.20 1.30 Datum 28.02.2009 28.04.2009
MehrVersuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK. 1. Vorbemerkung
Versuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK Physikalische Prozesse, die eier statistische Gesetzmäßigkeit uterworfe sid, lasse sich mit eier Verteilugsfuktio beschreibe. Die Gauß-Verteilug
Mehr