8 Das Leistungsdichtespektrum
|
|
- Carsten Sternberg
- vor 6 Jahren
- Abrufe
Transkript
1 8 Das Leistungsdichtespektrum X (X(t), t T ) sei ein stationärer Prozess mit konstanter Mittelwertfunktion EX(t) m X und Autokorrelationsfunktion R X (t) EX(s + t)x (s). Wir nehmen für dieses und die folgenden Kapitel an, dass die betrachteten stationären Prozesse stets Mittelwert m X besitzen (bzw. betrachten den Prozess X(t) X(t) m X ). Die Autokorrelationsfunktion ist, wie in einem früheren Kapitel bereits gezeigt, eine positiv semidefinite Funktion, d.h. für beliebige t 1, t 2,..., t n aus T und beliebige komplexe Zahlen z 1, z 2,..., z n gilt n i1 k1 n R X (t i t k )z i zk (18) Diese Eigenschaft gestattet eine Frequenzbereichsdarstellung und -analyse von stationären Prozessen. Wir behandeln dabei den zeitkontinuierlichen und den zeitdiskreten Fall getrennt. 8.1 Der zeitkontinuierliche Fall X(t) mit reellem Zeitargument t (, ) sei ein stationärer Prozess mit EX(t) und stetiger Autokorrelationsfunktion R X (t). Aus der Eigenschaft (18) folgt insbesondere R X (). Wenn wir den uninteressanten Fall X(t) für alle t ausschließen, können wir annehmen, dass r : R X () > Für derartige Funktionen R X (t) gilt der Satz von Bochner, den wir hier in einer an den ersten Teil der Vorlesung angepassten Terminologie formulieren: Satz 8.1 (Bochner) Zu einer stetigen positiv semidefiniten Funktion R X (t) mit r R X () > gibt es eine Wahrscheinlichkeitsverteilung P auf der reellen Zahlengeraden so, dass für alle t R gilt R X (t) e j2πft r P (df) (19) Einen Beweis findet man z.b. bei Cramèr und Leadbetter [1] in Kapitel 7.4. Für die Anwendungen ist nur der Fall interessant, dass die Verteilung P absolutstetig ist, d.h. eine Dichte g(f) besitzt. Die Funktion S X (f) r g(f) ist dann reellwertig und nichtnegativ und besitzt die Eigenschaft woraus speziell R X (t) E X(t) 2 R X () e j2πft S X (f) df (2) S X (f) df (21) 42
2 folgt. Man kann R X als Überlagerung von harmonischen Schwingungen mit Frequenzen f interpretieren und die mittlere Leistung E X(t) 2 als Summe von Leistungsanteilen S X (f)df bei Frequenzen f. Daraus resultiert die folgende Bezeichnung: Definition 8.1 Ist X(t) ein stationärer Prozess mit t R und einer stetigen Autokorrelationsfunktion R X (t) der Form (2), so heißt die Funktion S X (f) das Leistungsdichtespektrum (LDS) des Prozesses X(t). Falls das Integral existiert, gilt umgekehrt S X (f) e j2πft R X (t) dt (22) d.h. S X (f) ist die Fouriertransformierte der Autokorrelationsfunktion. Anmerkungen zur Fouriertransformation 1. Wir verwenden die symmetrische Form der Fouriertransformation mit Zeitvariabler t und Frequenzen f: x(f) F[x](f) mit der inversen Fouriertransformation x(t) F 1 [ x](t) e j2πft x(t) dt e j2πft x(f) df 2. Der Umgang mit Fourierintegralen wird mathematisch nicht allzu streng gehandhabt. Wir nehmen stets an, dass die nötigen Voraussetzungen gegeben sind, wobei auch verallgemeinerte Funktionen wie die Diracsche Deltafunktion als Integranden und Lösungen zugelassen sind. Aus dem Satz von Bochner folgt bereits, dass das LDS reell und nichtnegativ ist. Speziell für reelle stationäre Prozesse gilt noch Satz 8.2 Ist X(t) ein reeller stationärer Prozess, so ist das LDS eine gerade Funktion: S X ( f) S X (f) Beweis: Ist der Prozess X(t) reell, dann auch die Autokorrelationsfunktion. Daher gilt R X (t) R X( t) R X ( t) d.h. R X (t) ist eine gerade Funktion. Für das LDS ergibt sich daraus S X (f) e j2πft R X (t) dt cos(2πft)r X (t) dt j (cos(2πft) j sin(2πft)) R X (t) dt sin(2πft)r X (t) dt 43
3 Das zweite Integral verschwindet, weil der Integrand bezüglich der Variablen t eine ungerade Funktion ist. Da cos(x) cos( x) eine gerade Funktion ist, folgt S X ( f) cos(2π( f)t)r X (t) dt cos(2πft)r X (t) dt S X (f) Beispiele 1. Das Zufallstelegraphensignal Für R X (t) e 2λ t erhält man S X (f) lim a lim a e 2λt e j2πft dt + e (2λ j2πf)t dt + [ a e (2λ j2πf)t dt + lim e (2λ j2πf)t 2λ j2πf ] 1 2λ j2πf lim a 1 2λ j2πf + 1 4λ 4λ 2 + 4π 2 f 2 a e 2λt e j2πft dt e (2λ+j2πf)t dt b + lim b 2λ + j2πf λ λ 2 + π 2 f 2 2. Kosinusschwingung mit zufälliger Phase [ b e (2λ+j2πf)t dt e (2λ+j2πf)t 2λ + j2πf ] b e 2λa e j2πfa 2λ j2πa + 1 2λ + j2πf lim b e 2λb e j2πfb 2λ + j2πb Die Autokorrelationsfunktion R X (t) a2 2 cos(2πf t) liefert als LDS die Distribution S X (f) a2 4 δ(f f ) + a2 4 δ(f + f ) wovon man sich durch Berechnen der inversen Fouriertransformierten leicht überzeugen kann. 3. Weißes Rauschen Bandbegrenztes weißes Rauschen hat ein LDS der Form { N S X (f) 2, W f W, sonst 44
4 Die mittlere Leistung ist E X(t) 2 W W N 2 df N W wozu jede Frequenz im Bereich [ W, W ] den gleichen Anteil beiträgt. Die zugehörige Autokorrelationsfunktion ist R X (t) 1 2 N W W e j2πft df 1 2 N e j2πw t e j2πw t j2πt N sin(2πw t) 2πt Für W erhält man das LDS S X (f) N für < f < mit unendlicher 2 mittlerer Leistung und der Autokorrelationsfunktion Das Kreuzleistungsspektrum R X (t) N 2 δ(t) Zwei stochastische Prozesse X(t) und Y (t) heißen gemeinsam stationär, wenn sie stationär sind und die Kreuzkorrelation von X und Y nur von der Zeitdifferenz abhängt: EX(s + t)y (s) R XY (t) für alle s und t. Dementsprechend führen wir die folgende Größe ein: Definition 8.2 S XY (f) e j2πft R XY (t) dt heißt das Kreuzleistungsspektrum der gemeinsam stationären Prozesse X und Y. Die Funktion S XY (f) ist im allgemeinen komplexwertig. Wegen R XY (t) RY X ( t) gilt S XY (f) S Y X(f) Beispiel 8.1 Sind X(t) und Y (t) gemeinsam stationäre Prozesse, so besitzt die Summe Z(t) X(t) + Y (t) die Autokorrelationsfunktion R Z (t) EZ(s + t)z (s) E [X(s + t) + Y (s + t)] [X (s) + Y (s)] EX(s + t)x (s) + EX(s + t)y (s) + EY (s + t)x (s) + EY (s + t)y (s) R X (t) + R XY (t) + R Y X (t) + R Y (t) 45
5 und das LDS S Z (f) S X (f) + S XY (f) + S Y X (f) + S Y (f) S X (f) + S XY (f) + S XY (f) + S Y (f) S X (f) + 2Re S XY (f) + S Y (f) Beispiel 8.2 Für eine um d Zeiteinheiten verzögerte Version Y (t) X(t d) eines stationären Prozesses X(t) gilt EY (s + t)y (s) EX ((s d) + t) X (s d) R X (t) d.h. R Y (t) R X (t) und damit S Y (f) S X (f). Der Unterschied wirkt sich nur in der Kreuzkorrelation aus: R XY (t) EY (s + t)x (s) EX (s + (t d)) X (s) R X (t d) Mit der Variablensubstitution s t d erhält man für das Kreuzleistungsspektrum: S XY (f) Definition 8.3 Die Funktion S X (f)e j2πfd e j2πft R X (t d) dt e j2πfs e j2πfd R X (s) ds S X (f) cos(2πfd) js X (f) sin(2πfd) G XY (f) S XY (f) SX (f)s Y (f) heißt die Kohärenzfunktion der Prozesse X und Y. 8.2 Der zeitdiskrete Fall X (X n, n Z) sei eine stationäre Folge von Zufallsvariablen mit EX n für alle n und der Autokorrelationsfunktion R X (k) EX n+k Xn Definition 8.4 Die Fourierreihe S X (f) R X (k)e j2πkf, 1 2 f 1 2 k heißt das Leistungsdichtespektrum der Folge X. 46
6 Es gilt R X (k) 1/2 1/2 S X (f)e j2πkf df und S X (f) besitzt die gleichen Eigenschaften wie das LDS von zeitkontinuierlichen Prozessen: S X (f) und für reellwertige Prozesse S X ( f) S X (f). Beispiel 8.3 Zeitdiskretes weißes Rauschen: Ist X eine Folge von reellen unkorrelierten Zufallsvariablen X n mit EX n und var(x n ) EXn 2 : σx 2, so ist { σ 2 R X (k) X für k für k und damit S X (f) σ 2 X const, d.h. alle Frequenzen sind gleichmäßig vertreten. Beispiel 8.4 Für die Folge der Zufallsvariablen Y n X n + αx n 1 mit den X n aus Beispiel 8.3 ist EY n und EY n+k Y n E(X n+k + αx n+k 1 )(X n + αx n 1 ) EX n+k X n + αex n+k X n 1 + αex n+k 1 X n + α 2 EX n+k 1 X n 1 (1 + α 2 )σx 2, k ασ 2 X, k ±1, k > 1 R Y (k) Y (Y n ) ist damit stationär und besitzt das Leistungsdichtespektrum S Y (f) R Y ( 1)e j2πf + R Y () + R Y (1)e j2πf σx 2 [ (1 + α 2 ) + 2α cos(2πf) ] Analog zum zeitkontinuierlichen Fall definieren wir Definition 8.5 Für zwei gemeinsam stationäre Folgen (X n ) und (Y n ) von Zufallsvariablen mit der Kreuzkorrelationsfunktion R XY (k) EX n+k Yn heißt S XY (f) R XY (k)e j2πkf k das Kreuzleistungsspektrum der Folgen (X n ) und (Y n ). 47
7 9 Lineare zeitinvariante Systeme Lineare zeitinvariante Systeme (LZI-Systeme) sind Abbildungen y(t) T [x](t), die ein (deterministisches) Eingangssignal x(t) in ein Ausgangssignal y(t) transformieren und die Eigenschaften der Linearität und der Zeitinvarianz T [α 1 x 1 + α 2 x 2 ](t) α 1 T [x 1 ](t) + α 2 T [x 2 ](t) T [x( τ)](t) T [x](t τ) besitzen. Wir befassen uns in diesem Kapitel mit stochastischen Eingangssignalen. 9.1 Der zeitkontinuierliche Fall Im zeitkontinuierlichen Fall lässt sich ein LZI-System im Zeitbereich durch y(t) (h x)(t) h(s)x(t s) ds h(t s)x(s) ds (23) Die Funktion h(t) heißt die Impulsantwort, da sie die Antwort h(t) T [δ](t) des Systems auf einen Dirac-Impuls als Eingangssignal darstellt. Das System heißt kausal, wenn h(t) für t < gilt. Nach (23) bedeutet das, dass das Ausgangssignal y(t) zum Zeitpunkt t nur aus Eingangsignalwerten x(s) mit s t zusammengesetzt wird und keine Vorwegnahme der Zukunft stattfindet. Definition 9.1 Die Fouriertransformierte H(f) e j2πft h(t) dt der Impulsantwort heißt die Übertragungsfunktion des Sytems. X (X(t), t R) sei wieder ein stationärer Prozess mit Mittelwert EX(t) m x und Autokorrelationsfunktion R X (t). Wir definieren einen neuen stochastischen Prozess Y (t) durch Y (t) h(s)x(t s) ds h(t s)x(s) ds wobei das Integral im quadratischen Mittel zu verstehen ist. Dann kann man auf die in diesem Zusammenhang übliche Weise zeigen, dass der Erwartungswert durch EY (t) E h(s)x(t s) ds m X h(s) ds m X H() h(s)ex(t s) ds 48
8 gegeben ist. Die Autokorrelationsfunktion [ EY (s + t)y (s) E R Y (t) h(u)x(s + t u) du ] h (v)x (s v) dv h(u)h (v)e[x(s + t u)x (s v)] du dv h(u)h (v)r X (t u + v) du dv von Y hängt offensichtlich nur von der Zeitdifferenz t ab. Y ist damit ein stationärer Prozess mit dem Leistungsdichtespektrum S Y (f) R Y (t)e j2πft dt Variablensubstitution s t u + v ergibt S Y (f) h(u)e j2πfu du H(f)H (f)s X (f) H(f) 2 S X (f) h(u)h (v)r X (t u + v)e j2πft du dv dt h(u)h (v)r X (s)e j2πf(s+u v) du dv ds Die Kreuzkorrelationsfunktion berechnet sich zu h (v)e j2πfv dv R Y X (t) EY (s + t)x (s) [ ] E h(u)x(s + t u) dux (s) (h R X )(t) woraus sich das Kreuzleistungsspektrum h(u)e[x(s + t u)x (s)] du h(u)r X (t u) du S Y X (f) H(f)S X (f) R X (s)e j2πfs ds mit ergibt. S XY (f) S Y X(f) H (f)s X (f) 49
9 9.2 Der zeitdiskrete Fall Im zeitdiskreten Fall ist die Impulsantwort eine Folge h (h n, n Z) mit der Übertragungsfunktion H(f) k h k e j2πkf und die stationäre Folge Y (Y n ) ergibt sich aus X (X n ) durch Y k (h X) k n h n X k n + n h k n X n Die Formeln für das Leistungsdichtespektrum und das Kreuzleistungsdichtespektrum bleiben die gleichen wie im zeitkontinuierlichen Fall. Die in der Praxis wichtigsten Prozesse dieser Art sind die sog. ARMA-Prozesse (autoregressive moving average) Y k q α n Y k n + n1 p β m X k m wo X (X n ) zeitdiskretes weißes Rauschen ist. Die Übertragungsfunktion ist m H(f) p m β me j2πmf 1 + q n1 α ne j2πnf und die LDS S Y (f) H(f) 2 σ 2 X Im Fall β β 1... β p spricht man von einem autoregressiven Prozess und im Fall α 1 α 2... α q von einem gleitenden Mittelwertprozess (moving average process). 5
Probeklausur Signale + Systeme Kurs TIT09ITA
Probeklausur Signale + Systeme Kurs TIT09ITA Dipl.-Ing. Andreas Ströder 13. Oktober 2010 Zugelassene Hilfsmittel: Alle außer Laptop/PC Die besten 4 Aufgaben werden gewertet. Dauer: 120 min 1 Aufgabe 1
MehrSignale und Systeme. A1 A2 A3 Summe
Signale und Systeme - Prof. Dr.-Ing. Thomas Sikora - Name:............................... Vorname:.......................... Matr.Nr:.............................. Ergebnis im Web mit verkürzter Matr.Nr?
MehrAnalyse von Zeitreihen in der Umweltphysik und Geophysik Stochastische Prozesse
Analyse von Zeitreihen in der Umweltphysik und Geophysik Stochastische Prozesse Yannik Behr Gliederung 1 Stochastische Prozesse Stochastische Prozesse Ein stochastischer Prozess ist ein Phänomen, dessen
MehrKybernetik LTI-Systeme
Kybernetik LTI-Systeme Mohamed Oubbati Institut für Neuroinformatik Tel.: (+49) 731 / 50 24153 mohamed.oubbati@uni-ulm.de 26. 04. 2012 Was ist Kybernetik? environment agent Kybernetik ermöglicht, die Rückkopplung
MehrA2.5: Scatter-Funktion
A2.5: Scatter-Funktion Für den Mobilfunkkanal als zeitvariantes System gibt es vier Systemfunktionen, die über die Fouriertransformation miteinander verknüpft sind. Mit der in diesem Lerntutorial formalisierten
MehrZulassungsprüfung für den Master-Studiengang in Elektrotechnik und Informationstechnik an der Leibniz Universität Hannover
Zulassungsprüfung für den Master-Studiengang in Elektrotechnik und Informationstechnik an der Leibniz Universität Hannover Zulassungsjahr: 203 (Sommersemester) Allgemeine Informationen: Der deutschsprachige
Mehr2. Eigenschaften digitaler Nachrichtensignale
FH OOW / Fachb. Technik / Studiengang Elektrotechnik u. Automatisierungstechnik Seite 2-2. Eigenschaften digitaler Nachrichtensignale 2. Abgrenzung zu analogen Signalen Bild 2.- Einteilung der Signale
MehrStatistische Thermodynamik I Lösungen zur Serie 1
Statistische Thermodynamik I Lösungen zur Serie Zufallsvariablen, Wahrscheinlichkeitsverteilungen 4. März 2. Zwei Lektoren lesen ein Buch. Lektor A findet 2 Druckfehler, Lektor B nur 5. Von den gefundenen
MehrGrundlagen der Signalverarbeitung und Robo2k
Grundlagen der Signalverarbeitung und Robo2k Bernd Neumann Jianwei Zhang Teil 1: Grundlagen der Signalverarbeitung Vorlesung: Übungen 1: Übungen 2: Do 10:15 11:45 Do 12:30 14:00 Mi 10:15 11:45 Übungen
MehrBeispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen
4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.
MehrLongitudinale und transversale Relaxationszeit
Longitudinale und transversale Relaxationszeit Longitudinale Relaxationszeit T 1 (Zeit, die das System benötigt, um nach dem rf- Puls zurück ins Gleichgewicht zu kommen) Transversale Relaxationszeit T
MehrZeitdiskrete, digitale Filter und schnelle Fourier-Transformation (FFT)
Zeitdiskrete, digitale Filter und schnelle Fourier-Transformation (FFT) Inhaltsverzeichnis 1 Allgemeines Filter... 2 2 Filter auf dem Signalprozessor... 2 3 Zusammenhang Zeitsignal und Frequenzspektrum...
MehrCharakteristikenmethode im Beispiel
Charakteristikenmethode im Wir betrachten die PDE in drei Variablen xu x + yu y + (x + y )u z = 0. Das charakteristische System lautet dann ẋ = x ẏ = y ż = x + y und besitzt die allgemeine Lösung x(t)
MehrStochastische Eingangsprüfung, 17.05.2008
Stochastische Eingangsprüfung, 17.5.8 Wir gehen stets von einem Wahrscheinlichkeitsraum (Ω, A, P) aus. Aufgabe 1 ( Punkte) Sei X : Ω [, ) eine integrierbare Zufallsvariable mit XdP = 1. Sei Q : A R, Q(A)
Mehr1 C A = A. y 1 y 2. x 1 x 2. x n B @ B @ C A. y m
Kapitel Systeme Ein System ist eine Anordnung von miteinander verbundenen Komponenten zur Realisierung einer technischen Aufgabenstellung. Ein System kann als Operator aufgefasst werden, der Eingangsgrößen
MehrProjektdokumentation
Thema: Bildschärfung durch inverse Filterung von: Thorsten Küster 11027641 Lutz Kirberg 11023468 Gruppe: Ibv-team-5 Problemstellung: Bei der Übertragung von Kamerabildern über ein Video-Kabel kommt es
MehrArgumente für die diskrete Realisierung der Fourierintegrale
Argumente für die diskrete Realisierung der Fourierintegrale Die Fouriertransformation gemäß der Beschreibung in Kapitel 3.1 weist aufgrund der unbegrenzten Ausdehnung des Integrationsintervalls eine unendlich
MehrKybernetik Laplace Transformation
Kybernetik Laplace Transformation Mohamed Oubbati Institut für Neuroinformatik Tel.: (+49) 73 / 50 2453 mohamed.oubbati@uni-ulm.de 08. 05. 202 Laplace Transformation Was ist eine Transformation? Was ist
MehrInhaltsverzeichnis Determinierte Signale in linearen zeitinvarianten Systemen Fourier-Transformation
Inhaltsverzeichnis 1. Determinierte Signale in linearen zeitinvarianten Systemen 1 1.1 Elementarsignale... 1 1.2 ZumBegriffdesSystems... 5 1.3 LinearezeitinvarianteSysteme... 6 1.4 DasFaltungsintegral...
Mehr2. Der Phasenregelkreis (PLL = Phase Locked Loop)
. Der Phasenregelkreis (PLL = Phase Locked Loop). PLL-Grundlagen. Stationäres Verhalten.3 Nachführverhalten hrverhalten.4 Rauschverhalten.5 Phasendetektoren: Realisierungsaspekte W. Koch: Synchronisationsverfahren,,
MehrReell. u(t) Komplex u(t), Zeitabhängig Zeitunabhängig. u(t)e jωt. Reell Û. Elektrische Größe. Spitzenwert. Komplex Û. Reell U. Effektivwert.
Aufgaben Reell u(t) Elektrische Größe Zeitabhängig Zeitunabhängig Spitzenwert Effektivwert Komplex u(t), Reell Û Komplex Û Reell U Komplex U u(t)e jωt Institut für Technische Elektronik, RWTH - Aachen
MehrTitel: Fouriertransformation. Titel-Kürzel: FT. Autoren: Ulrich Gysel, gys, Niklaus Schmid, sni; Koautoren: G. Lekkas Version-v2.0: 31.
Titel: Titel-Kürzel: FT Autoren: Ulrich Gysel, gys, Niklaus Schmid, sni; Koautoren: G. Lekkas Version-v2.: 3. Oktober 25 Lernziele: Sie wissen, warum bei aperiodischen Signalen nicht mehr mit der Fourierreihe,
MehrDigitale Signalbearbeitung und statistische Datenanalyse
Digitale Signalbearbeitung und statistische Datenanalyse Teil 5 8 Aus ontinuierlichem Signal werden in onstanten Zeitintervallen Daten entnommen ontinuierliches Signal x(t) Einheitsimpulsfuntion Gewichtete
MehrAbsolute Stetigkeit von Maßen
Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches
MehrSkalare Differentialgleichungen
Kapitel 2 Skalare Differentialgleichungen 2.1 Skalare lineare Differentialgleichungen 2.2 Bernoulli und Riccati Differentialgleichungen 2.3 Differentialgleichungen mit getrennten Variablen 2.4 Exakte Differentialgleichungen
MehrZulassungsprüfung für den Master-Studiengang in Elektrotechnik und Informationstechnik an der Leibniz Universität Hannover
Zulassungsprüfung für den Master-Studiengang in Elektrotechnik und Informationstechnik an der Leibniz Universität Hannover Zulassungsjahr: 202 (Sommersemester) Allgemeine Informationen: Der deutschsprachige
MehrExtremwertverteilungen
Seminar Statistik Institut für Stochastik 12. Februar 2009 Gliederung 1 Grenzwertwahrscheinlichkeiten 2 3 MDA Fréchet MDA Weibull MDA Gumbel 4 5 6 Darstellung von multivariaten, max-stabilen Verteilungsfunktionen
MehrTEILWEISE ASYNCHRONE ALGORITHMEN
TEILWEISE ASYNCHRONE ALGORITHMEN FRANK LANGBEIN Literatur: D. Berseas, J. Tsitsilis: Parallel and distributed computatoin, pp. 48 489 URI: http://www.langbein.org/research/parallel/ Modell teilweiser asynchroner
Mehr9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83
9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x
MehrDefinition 3.1: Ein Differentialgleichungssystem 1. Ordnung
Kapitel 3 Dynamische Systeme Definition 31: Ein Differentialgleichungssystem 1 Ordnung = f(t, y) ; y R N ; f : R R N R N heißt namisches System auf dem Phasenraum R N Der Parameter t wird die Zeit genannt
Mehr13.5 Der zentrale Grenzwertsatz
13.5 Der zentrale Grenzwertsatz Satz 56 (Der Zentrale Grenzwertsatz Es seien X 1,...,X n (n N unabhängige, identisch verteilte zufällige Variablen mit µ := EX i ; σ 2 := VarX i. Wir definieren für alle
MehrAufgabe 3. Signal Processing and Speech Communication Lab. Graz University of Technology
Signal Processing and Speech Communication Lab. Graz University of Technology Aufgabe 3 Senden Sie die Hausübung bis spätestens 15.06.2015 per Email an hw1.spsc@tugraz.at. Verwenden Sie MatrikelNummer1
MehrMartingale. Kapitel 6. 6.1 Martingale in diskreter Zeit. 6.1.1 Definition und Beispiele
Kapitel 6 Martingale In der Statistik modellieren Martingale z.b. Glücksspiele oder Handelsstrategien in Finanzmärkten und sind ein grundlegendes Hilfsmittel für die statistische Inferenz stochastischer
MehrVor- und Nachteile FIR- und IIR-Filter DSV 1, 2005/01, Rur, Filterentwurf, 1
Vor- und Nachteile FIR- und IIR-Filter DSV 1, 2005/01, Rur, Filterentwurf, 1 FIR-Filter sind nichtrekursive LTD-Systeme werden meistens in Transversalstruktur (Direktform 1) realisiert + linearer Phasengang
MehrSolvency II und die Standardformel
Fakultät Mathematik und Naturwissenschaften Institut für Mathematische Stochastik Solvency II und die Standardformel Festkolloquium 20 Jahre (neue) Versicherungsmathematik an der TU Dresden Sebastian Fuchs
Mehr4.2 Abtastung und Rekonstruktion zeitkontinuierlicher
7 4 Fouriertransformation für zeitdiskrete Signale und Systeme nicht auf [, ] zeitbegrenzt ist. Es kommt daher zu einer Überlappung der periodischen Fortsetzungen. Für die Herleitung der Poissonschen Summenformel
MehrAufgabe 1: Diskrete und kontin. Signale
AG Digitale Signalverarbeitung - Klausur in Signale und Systeme Frühjahr 2009 Aufgabe : Diskrete und kontin. Signale 25 Pkt. Aufgabe : Diskrete und kontin. Signale 25 Pkt.. Gegeben sei das als Summierer
MehrBildverarbeitung Herbstsemester 2012. Fourier-Transformation
Bildverarbeitung Herbstsemester 2012 Fourier-Transformation 1 Inhalt Fourierreihe Fouriertransformation (FT) Diskrete Fouriertransformation (DFT) DFT in 2D Fourierspektrum interpretieren 2 Lernziele Sie
MehrB H 0 H definieren, die somit die Antwort des Ordnungsparameters auf eine Variation der dazu konjugierten
In Anwesenheit eines äußeren magnetischen Felds B entsteht in der paramagnetischen Phase eine induzierte Magnetisierung M. In der ferromagnetischen Phase führt B zu einer Verschiebung der Magnetisierung
MehrDigitale Regelung. Vorlesung: Seminarübungen: Dozent: Professor Ferdinand Svaricek Ort: 33/2211 Zeit:Di 15.00 16.30 Uhr
Vorlesung: Dozent: Professor Ferdinand Svaricek Ort: 33/2211 Zeit:Di 15.00 16.30 Uhr Seminarübungen: Dozent: Alexander Weber Ort: 33/1101 Zeit: Mo 9.45 11.15 Uhr (Beginn: 20.04.2015) Vorlesungsskript:
MehrA2.1: 2 dimensionale Impulsantwort
Abschnitt: 2.1 Allgemeine Beschreibung zeitvarianter Systeme A2.1: 2 dimensionale Impulsantwort Es soll die zweidimensionale Impulsantwort gemäß der nebenstehenden Grafik analysiert werden. Die beiden
MehrAusarbeitung des Seminarvortrags zum Thema
Ausarbeitung des Seminarvortrags zum Thema Anlagepreisbewegung zum Seminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn von Imke Meyer im W9/10 Anlagepreisbewegung
MehrBestimmung einer ersten
Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,
MehrLebensdauer eines x-jährigen
Lebensdauer eines x-jährigen Sabrina Scheriau 20. November 2007, Graz 1 INHALTSVERZEICHNIS 2 Inhaltsverzeichnis 1 Einleitung 3 2 Sterbewahrscheinlichkeiten 4 2.1 Definition und Ermittlung....................
Mehra n := ( 1) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 10n + 1. a n := 1 3 + 1 2n 5n 2 n 2 + 7n + 8 b n := ( 1) n
Folgen und Reihen. Beweisen Sie die Beschränktheit der Folge (a n ) n N mit 2. Berechnen Sie den Grenzwert der Folge (a n ) n N mit a n := ( ) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 n +. 4 3. Untersuchen
MehrUNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl. Sommersemester 2009
UNIVERSIÄ KARLSRUHE Institut für Anlysis HDoz. Dr. P. C. Kunstmnn Dipl.-Mth. M. Uhl Sommersemester 9 Höhere Mthemti II für die Fchrichtungen Eletroingenieurwesen, Physi und Geodäsie inlusive Komplexe Anlysis
MehrDie Fourier Transformation und ihre Anwendungen in der Nachrichtentechnik
A FT I Anwendungen der Fourier-Transformation Die Fourier Transformation und ihre Anwendungen in der Nachrichtentechnik Die Fourier Transformation und damit der Zusammenhang zwischen Zeit und Frequenzbereich
MehrMusterlösungen zu den Aufgaben der Kapitel 1 8
Musterlösungen zu den Aufgaben der Kapitel 8 Kapitel.. Linearität: st) = i a i s i t) gt) = i a i g i t) a) gt) = d dt a i s i t) = i i a i d dt s it) = i a i g i t) linear b) gt) = [s t) + s t)] = s t)
MehrAllgemeine Beschreibung von Blockcodes
Allgemeine Beschreibung von Blockcodes Bei Blockcodierung wird jeweils eine Sequenz von m q binären Quellensymbolen (M q = 2) durch einen Block von m c Codesymbolen mit dem Symbolumfang M c dargestellt.
MehrElemente der Analysis II
Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel
MehrMathematik I Internationales Wirtschaftsingenieurwesen
Mathematik I Internationales Wirtschaftsingenieurwesen Integralrechnung 03.12.08 Das unbestimmte Integral/Stammfunktion Das bestimmte Integral/Flächenberechnung Integral als Umkehrung der Ableitung Idee:
MehrDigitales Speicheroszilloskop und digitaler Spektrum-Analysator
INSTITUT FÜR MESS- UND REGELUNGSTECHNIK MIT MASCHINENLABORATORIUM UNIVERSITÄT KARLSRUHE (TH) PROF. DR.-ING. C. STILLER 76131 KARLSRUHE ENGLER-BUNTE-RING 21 FON: (0721) 608 23 34 FAX: (0721) 66 18 74 Digitales
MehrMathematische Ökologie
Mathematische Ökologie Eine Zusammenfassung von Bernhard Kabelka zur Vorlesung von Prof. Länger im WS 2002/03 Version 1.04, 15. März 2004 Es sei ausdrücklich betont, dass (1) dieses Essay ohne das Wissen
Mehr1 Stochastische Prozesse in stetiger Zeit
1 Stochastische Prozesse in stetiger Zeit 1.1 Grundlagen Wir betrachten zufällige Prozesse, definiert auf einem Wahrscheinlichkeitsraum (Ω, F, P), welche Werte in einen fest gewählten Zustandsraum annehmen.
MehrKommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 3/4 (.3.4). (a) Für z = + i und z = 3 4i berechne man z z und z z. Die Ergebnisse sind in kartesischer Form anzugeben.
MehrVersuch 35: Speckle. F-Praktikum Versuch 35: Speckle N. Lindlein
Versuch 35: Speckle Norbert Lindlein nstitut für Optik, nformation und Photonik (Max-Planck-Forschungsgruppe) Universität Erlangen-Nürnberg Staudtstr. 7/B, D-958 Erlangen E-mail: norbert.lindlein@optik.uni-erlangen.de
Mehr4. Versicherungsangebot
4. Versicherungsangebot Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie (FS 11) Versicherungsangebot 1 / 13 1. Einleitung 1.1 Hintergrund In einem grossen Teil
Mehr4. Auflage. Kapitel IX: Bubbles
Eine Einführung in die Theorie der Güter-, Arbeits- und Finanzmärkte Mohr Siebeck c Kapitel IX: Bubbles Inhaltsverzeichnis Dieses Kapitel widmet sich Finanzmärkten, auf denen Finanzprodukte (Assets) gehandelt
MehrFourier-Transformation und Signalanalyse
Physikalisches Praktikum, Hrsg. W. Schenk, F. Kremer Ergänzungen zum Kapitel Fourier-Transformation und Signalanalyse Methoden der Messtechnik - Signal und Bildverarbeitung Für die Überlassung des Skripts
MehrSignal- und Systemtheorie 2
Signal- und Systemtheorie 2 Tamara Ulrich WS 03/04 ii Inhaltsverzeichnis 1 Elementare Prinzipien und Modellierung 1 1.1 Elemente in Systemen........................ 1 1.1.1 Mechanisches Translationssystem
MehrStabilität mittels Ljapunov Funktion
Stabilität mittels Ljapunov Funktion Definition Eine C 1 Funktion V : D R, D R, heißt eine Ljapunov Funktion auf K r (0) D für f(y), falls gilt: 1) V(0) = 0, V(y) > 0 für y 0 2) V,f(y) 0 ( y, y r) Gilt
MehrÜbertragungsglieder mit Sprung- oder Impulserregung
Ernst-Moritz-Arndt-Universität Greifswald Fachbereich Physik Elektronikpraktikum Protokoll-Nr.: 4 Übertragungsglieder mit Sprung- oder Impulserregung Protokollant: Jens Bernheiden Gruppe: Aufgabe durchgeführt:
MehrArbeit und Leistung. 2mgs/2 = mgs. m g. m g. mgs = const. m g. 2m g. .. nmgs/n = mgs
Arbeit und Leistung s s m g m g mgs = mgs s/2 mgs = const. s 2m g m g 2mgs/2 = mgs.. nmgs/n = mgs Arbeit und Leistung Arbeit ist Kraft mal Weg Gotthardstraße Treppe und Lift Feder Bergsteiger/Wanderer
MehrVersuch 3: Anwendungen der schnellen Fourier-Transformation (FFT)
Versuch 3: Anwendungen der schnellen Fourier-Transformation (FFT) Ziele In diesem Versuch lernen Sie zwei Anwendungen der Diskreten Fourier-Transformation in der Realisierung als recheneffiziente schnelle
Mehr2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also
Universität Konstanz Fachbereich Mathematik und Statistik Repetitorium Analysis 0 Dr DK Huynh Blatt 8 Aufgabe 6 Bestimmen Sie (a) (x + x 7x+)dx (c) (f) x n exp(x)dx (n N fest) sin (x)dx (g) (b) (d) ln(x)dx
MehrUniversität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip. KLAUSUR Statistik B
Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip Sommersemester 2010 KLAUSUR Statistik B Hinweise zur Bearbeitung: Bei allen Teilaufgaben
MehrKernel, Perceptron, Regression. Erich Schubert, Arthur Zimek. 2014-07-20 KDD Übung
Kernel, Perceptron, Regression Erich Schubert, Arthur Zimek Ludwig-Maximilians-Universität München 2014-07-20 KDD Übung Kernel-Fukctionen Kernel kann mehrdeutig sein! Unterscheidet zwischen: Kernel function
MehrGaußsche Prozesse - ein funktionalanalytischer Zugang
Universität Ulm Fakultät für Mathematik und Wirtschaftswissenschaften Gaußsche Prozesse - ein funktionalanalytischer Zugang Bachelorarbeit in Wirtschaftsmathematik vorgelegt von Clemens Kraus am 31. Mai
MehrKapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung
Kapitel 3 Zufallsvariable Josef Leydold c 2006 Mathematische Methoden III Zufallsvariable 1 / 43 Lernziele Diskrete und stetige Zufallsvariable Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion
Mehr2.12 Potenzreihen. 1. Definitionen. 2. Berechnung 2.12. POTENZREIHEN 207. Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen.
2.2. POTENZREIHEN 207 2.2 Potenzreihen. Definitionen Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen. Eine Potenzreihe mit Entwicklungspunkt x 0 ist eine Reihe a n x x 0 n. Es gilt: es
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2013/14 Hochschule Augsburg : Gliederung 1 Aussagenlogik 2 Lineare Algebra 3 Lineare Programme 4 Folgen
MehrInstitut für Leistungselektronik und Elektrische Antriebe. Übungen Regelungstechnik 2
Institut für Leistungselektronik und Elektrische Antriebe Prof. Dr.-Ing. J. Roth-Stielow Übungen Regelungstechnik 2 Inhalt der Übungen: 1. Grundlagen (Wiederholung RT1) 2. Störgrößenaufschaltung 3. Störgrößennachbildung
MehrKlausur zur Vorlesung Signale und Systeme
Name: 10. Juli 2008, 11.00-13.00 Uhr Allgemeine Hinweise: Dauer der Klausur: Zugelassene Hilfsmittel: 120 min, 2 Zeitstunden Vorlesungsmitschrift, Mitschrift Übungen, Skript, handgeschriebene 2-seitige
MehrMarkov-Prozesse mit stetigem Zustands- und Parameterraum
Kapitel 8 Markov-Prozesse mit stetigem Zustands- und Parameterraum Markov-Prozesse mit stetigem Zustandsraum S R (bzw. mehrdimensional S R p und in stetiger Zeit, insbesondere sogenannte Diffusionsprozesse
MehrGeometrische Mannigfaltigkeiten
Geometrische Mannigfaltigkeiten Thilo Kuessner Abstract Kurzfassung der Vorlesung: Definitionen, Beispiele und Sätze, keine Beweise. Definition 1. Ein topologischer Raum ist eine Menge X mit einer Familie
MehrMathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011
Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h
MehrEinfache Differentialgleichungen
Differentialgleichungen (DGL) spielen in der Physik eine sehr wichtige Rolle. Im Folgenden behandeln wir die grundlegendsten Fälle 1, jeweils mit einer kurzen Herleitung der Lösung. Dann schliesst eine
MehrVorlesung. Funktionen/Abbildungen 1
Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.
MehrPräsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik
Präsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik Dozent: Volker Krätschmer Fakultät für Mathematik, Universität Duisburg-Essen, WS 2012/13 1. Präsenzübung Aufgabe T 1 Sei (Z 1,...,
MehrDas Drei-Komponenten-Modell
Control signal ycc Input signal yi H. Gerisch / W. Wolf Institut für Informationstechnik 1 Fakultät für Elektrotechnik und Informationstechnik Organisationsstruktur in der Forschung Universität der Bundeswehr
MehrSerie 13: Online Test
D-ERDW, D-HEST, D-USYS Mathematik I HS 3 Dr. Ana Cannas Serie 3: Online Test Einsendeschluss: 3. Januar 4 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung verwenden.
Mehrax 2 + bx + c = 0, (4.1)
Kapitel 4 Komplexe Zahlen Wenn wir uns auf die reellen Zahlen beschränken, ist die Operation des Wurzelziehens (also die Umkehrung der Potenzierung) nicht immer möglich. Zum Beispiel können wir nicht die
MehrMATLAB Kurs 2010 Teil 2 Eine Einführung in die Frequenzanalyse via MATLAB
MATLAB Kurs 2010 Teil 2 Eine Einführung in die via MATLAB 26.11.2010 & 03.12.2010 nhaltsverzeichnis 1 2 3 Ziele Kurze Einführung in die -Analyse Ziele Kurze Einführung in die -Analyse MATLAB Routinen für
MehrMathematischer Vorkurs für Physiker WS 2009/10
TU München Prof. Dr. P. Vogl, Dr. S. Schlicht Mathematischer Vorkurs für Physiker WS 2009/10 Vorlesung 1, Montag vormittag Vektoralgebra Ein Vektor lässt sich geometrisch als eine gerichtete Strecke darstellen,
MehrMatrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.
Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen
MehrÜbungsrunde 7, Gruppe 2 LVA 107.369, Übungsrunde 7, Gruppe 2, 28.11. Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 11/2006
1 3.34 1.1 Angabe Übungsrunde 7, Gruppe 2 LVA 107.369, Übungsrunde 7, Gruppe 2, 28.11. Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 11/2006 U sei auf dem Intervall (0, 1) uniform verteilt. Zeigen
Mehr, dt. $+ f(x) = , - + < x < +, " > 0. " 2# Für die zugehörige Verteilungsfunktion F(x) ergibt sich dann: F(x) =
38 6..7.4 Normalverteilung Die Gauß-Verteilung oder Normal-Verteilung ist eine stetige Verteilung, d.h. ihre Zufallsvariablen können beliebige reelle Zahlenwerte annehmen. Wir definieren sie durch die
MehrAbituraufgabe zur Analysis, Hessen 2009, Grundkurs (TR)
Abituraufgabe zur Analysis, Hessen 2009, Grundkurs (TR) Gegeben ist die trigonometrische Funktion f mit f(x) = 2 sin(2x) 1 (vgl. Material 1). 1.) Geben Sie für die Funktion f den Schnittpunkt mit der y
MehrZufallsgrößen. Vorlesung Statistik für KW 29.04.2008 Helmut Küchenhoff
Zufallsgrößen 2.5 Zufallsgrößen 2.5.1 Verteilungsfunktion einer Zufallsgröße 2.5.2 Wahrscheinlichkeits- und Dichtefunktion Wahrscheinlichkeitsfunktion einer diskreten Zufallsgröße Dichtefunktion einer
MehrSkriptum zur 4. Laborübung. Spektren
Elektrotechnische Grundlagen der Informatik (LU 182.085) Skriptum zur 4. Laborübung Spektren Christof Pitter Wolfgang Puffitsch Technische Universität Wien Institut für Technische Informatik (182) 1040,
MehrFachhochschule Düsseldorf. Simulation der Eigenschaften eines CDMA- Systems mittels ADS
Fachhochschule Düsseldorf Fachbereich Elektrotechnik Simulation der Eigenschaften eines CDMA- Systems mittels ADS Prof. Dr. P. Pogatzki Name: Matr.-Nr.: Testat: 2 Einleitung Ziel dieses Versuches ist es,
MehrOptimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen
Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Dr. Nico Düvelmeyer Freitag, 1. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Einführung und Wiederholung Beispiel
MehrOptimalitätskriterien
Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen
MehrFrequenzanalyse. Der Abstand der diskreten Frequenzlinien ist der Kehrwert der Periodendauer:
WS 0 Fourier-Reihe: Jede einigrermaßen gutartige 1 periodishe reelle Zeitfuntion x(t) ann mittels einer Fourier-Reihe dargestellt werden als eine Summe omplexer Amplituden (Fourier-Synthese): xt () e n
MehrBeschreibung im Frequenzbereich (1)
Beschreibung im Frequenzbereich (1) Wir betrachten die folgende Aufgabenstellung: Ein Nachrichtensignal q(t), dessen Spektrum Q(f) auf den Bereich ±B NF bandbegrenzt ist, soll mit Hilfe einer harmonischen
MehrMathematik 1 für Wirtschaftsinformatik
Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 7 Folgen und Reihen 8 Finanzmathematik 9 Reelle Funktionen 10 Differenzieren 1 11 Differenzieren 2 12 Integration
MehrDiplomarbeit. Vibrationsanalyse. Markus Gölles
Diplomarbeit Vibrationsanalyse Markus Gölles Institut für Elektrische Meßtechnik und Meßsignalverarbeitung Technische Universität Graz Vorstand: Univ.-Prof. Dipl.-Ing. Dr. techn. Georg Brasseur Begutachter:
MehrEinführung in die Statistik
Einführung in die Statistik Dr. C.J. Luchsinger 2 Zufallsgrössen Literatur Kapitel 2 * Statistik in Cartoons: Kapitel 4 * Krengel: 3.1 und 3.2 in 3 und (Honours Program) 10 sowie 11.1, 11.2 und 11.3 in
MehrTechnik der Fourier-Transformation
Was ist Fourier-Transformation? Fourier- Transformation Zeitabhängiges Signal in s Frequenzabhängiges Signal in 1/s Wozu braucht man das? Wie macht man das? k = 0 Fourier- Reihe f ( t) = Ak cos( ωkt) +
MehrBisher angenommen: jeder Spieler kennt alle Teile des Spiels. - Diskontfaktor des Verhandlungspartners
1 KAP 15. Spiele unter unvollständiger Information Bisher angenommen: jeder Spieler kennt alle Teile des Spiels seine Gegenspieler, deren Aktionen, deren Nutzen, seinen eigenen Nutzen etc. Oft kennt man
Mehr