Runge-Kutta-Theorie: Adjungierte Verfahren, A-Stabilität, Steife Systeme

Größe: px
Ab Seite anzeigen:

Download "Runge-Kutta-Theorie: Adjungierte Verfahren, A-Stabilität, Steife Systeme"

Transkript

1 Runge-Kutta-Teore: Adjungerte Verfaren, A-Stabltät, Stefe Systeme Andre Neubert Semnar Numerk für Informatker, SS2004: Runge-Kutta-Teore Sete

2 Glederung : - Adjungerte Verfaren / Symmetrsce Verfaren - A-Stabltät - Stefe Systeme Semnar Numerk für Informatker, SS2004: Runge-Kutta-Teore Sete 2

3 Adjungerte Verfaren () Zur Umker der Zet glt für den exakten Fluß: ( ) Für unseren numerscen Fluß I st des so.a. nct möglc. F = F Defnton: * I ( I ) Das enem Verfaren adjungerte Verfaren st = I. En Verfaren mt * I = I eßt symmetrsc (selbstadjungert, reflexv, reversbel). Semnar Numerk für Informatker, SS2004: Runge-Kutta-Teore Sete 3

4 Adjungerte Verfaren (2) Satz: a) Wr können aus enem besteenden s-stufgem RK-Verfaren mt den Butcer-Parametern ( c ) ( a ), ( b ), folgendermaßen das ebenfalls s-stufge j j zugeörge adjungerte RK-Verfaren mt den Butcer-Parametern * * * ( ) ( a ), ( b ) c konstrueren:, j c = a = b a * * c, j j b = *, für j b j, j =, K, s b) En konsstentes s-stufges RK-Verfaren, dessen Butcer-Parameter de Symmetre c = c a = b a (), π () ( ), π, π j j ( j ) j mt ener belebgen Permutaton :{, K, s } {, K, s} symmetrsc. Es st notwendgerwese mplzt. b = b für, j =, K, s π π aufwesen, st Semnar Numerk für Informatker, SS2004: Runge-Kutta-Teore Sete 4

5 Adjungerte Verfaren (3) Zur Ordnung von adjungerten Verfaren: Satz: * Für de Adjungerte I enes RK-Verfarens I der Ordnung mt F p+ p+2 ( y) I ( y) = e( y) + Ο( ) p glt * p p+ p+ 2 ( y) I ( y) = ( ) e( y) + Ο( ) F. * Des bedeutet, dass das adjungerte Verfaren de Ordnung von übernmmt. I p I Semnar Numerk für Informatker, SS2004: Runge-Kutta-Teore Sete 5

6 Adjungerte Verfaren (4) Zur Ordnung von symmetrscen Verfaren: Satz: En symmetrsces RK-Verfaren at de Ordnung, wenn de Ordnungsglecungen ( ρτ ) = γ ( ρτ ) p Φ für alle Bäume mt ungerader Knotenzal ρτ p erfüllt snd. De Ordnung st stets gerade. Semnar Numerk für Informatker, SS2004: Runge-Kutta-Teore Sete 6

7 Adjungerte Verfaren (5) Bemerkung: Möcte man also mplzerte Verfaren konstrueren und berücksctgt dabe de Symmetreforderungen (Sete 4), brauct man de Ordnungsglecungen für Bäume mt gerader Knotenzal nct zu betracten um auf de gewünscte Ordnungszal zu kommen. Satz: De Gauß-Legendre-Verfaren snd symmetrsc. Semnar Numerk für Informatker, SS2004: Runge-Kutta-Teore Sete 7

8 A-Stabltät () Motvaton: Es gbt spezelle Systeme mt gewssen qualtatven Egenscaften. So laufen etwa be asymptotsc stablen dynamscen Systemen alle Lösungskurven für große Zeten gegen enen Grenzpunkt. Der Prototyp enes solcen Systems st das Skalare Testproblem, das gegeben st durc das DGL dy dt λ ( t t ) 0 dessen Lösungen ( ) ( ) von λ negatv st. y t = y t 0 e λy =, y ( t) λ C/,, gegen 0 konvergeren falls der Realtel Wr wollen nun untersucen, unter welcen Vorraussetzungen en numersces Verfaren deses Veralten mt belebger Scrttwete erält. Semnar Numerk für Informatker, SS2004: Runge-Kutta-Teore Sete 8

9 A-Stabltät (2) Satz: Se en s-tufges RK-Verfaren gegeben durc de Butcer-Parameter ( c ), ( a ), ( b ) mt A = ( ), ( ) j j a j b =. Der Zetscrtt ( y) p( λ)y I b j = des Verfarens angewendet auf das Testproblem st de Multplkaton mt enem skalaren Faktor p( λ ) Stabltätsfunkton des Verfarens. Mt dem eukldscen Skalarprodukt p ( z) = + z b, ( za) ene ratonale Funkton des Parameters z de Stabltätsfunkton en Polynom. S R/ e = (,, ) T R/ S, auf und e * det = det T ( z( A eb )) ( za), der K st = λ. Für explzte Verfaren st Semnar Numerk für Informatker, SS2004: Runge-Kutta-Teore Sete 9

10 A-Stabltät (3) Beobactung: Für en lneares System Zetscrtt dy = By auf dem N R/ dt lefert das RK-Verfaren den I ( y) = p( B)y durc Multplkaton mt der Matrx p ( B) B = T dag λ, K, λ T durc dagonalserbares ( ) p N ( B) = T dag( p( λ ), K, p( λ ) ) T gegeben st. Damt bescrebt de Wrkung des Integrators auf das Testproblem dy dt = λy (mt komplexem λ ) vollständg de Wrkung auf belebge lneare Systeme. Der exakte Fluß st durc gegeben. F N λ λ ( e, K, e N ) B = e = T dag T, de für Semnar Numerk für Informatker, SS2004: Runge-Kutta-Teore Sete 0

11 A-Stabltät (4) Defnton: Der Stabltätsberec enes Integrators mt Stabltätsfunkton { ; < } st = z C/ p( z) S. p : C/ C/ Der Integrator eßt A-stabl, wenn der Stabltätsberec de lnke Halbebene umfasst: p ( z) < z C/ mt Re ( ) < 0 z. Beobactung: Für explzte Verfaren st de Stabltätsfunkton en Polynom. Se st damt n der lnken komplexen Halbebene unbescränkt, und daer können explzte Verfaren nct A-stabl sen. Semnar Numerk für Informatker, SS2004: Runge-Kutta-Teore Sete

12 A-Stabltät (5) Bespel : dy dt Für das skalare Testproblem f ( y) y I ( y) y + f ( y) = ( + λ)y = = λ lefert das Euler-Verfaren =. De Stabltätsfunkton st also gegeben durc ( z) z p = +. Der Stabltätsberec S st der Enetskres n der komplexen Ebene mt dem Zentrum (,0). Das Euler-Verfaren st also nct A-stabl. Semnar Numerk für Informatker, SS2004: Runge-Kutta-Teore Sete 2

13 A-Stabltät (6) Bespel 2: Für de durc Y y + f (( y + Y )/ 2) = y + ( y + Y )/ 2 Mttelpunktsregel glt: De Forderung = λ defnerte mplzte I + λ / 2 λ / 2 ( y) = Y = y = p( λ)y, p( z) p 2 ( z) = p( z) p( z) st äquvalent zu Re ( ) = ( z + z) / 2 < 0 + = z. ( z + z) ( z + z) / 2 + / z / 2 =. z / 2 zz / 4 < zz / 4 Der Stabltätsberec st de offene lnke komplexe Halbebene, d.. de mplzte Mttelpunktsregel st A-stabl. Semnar Numerk für Informatker, SS2004: Runge-Kutta-Teore Sete 3

14 A-Stabltät (7) Interpretaton des Stabltätsberecs: Betracte en lneares AWP mt dagonalserbarer Matrx B we auf Sete 0. Mt dem tererten Zetscrtt I I 4243 o Ko n n (, ) T y 0 n n ( y ) = p( B) y = T dag p( λ ) K, p( λ ) 0 0 enes Integrators mt konstanter Scrttwete wrd das Abklngen der exakten Lösung numersc genau dann bescreben, wenn für alle Egenwerte glt: ( ) < p λ, d.. S λ. Be A-stablen Verfaren st dese Forderung scon wegen der Defnton gegeben. Be nct A-stablen Verfaren muss der Wal der Scrttwete besondere Aufmerksamket gescenkt werden. N Semnar Numerk für Informatker, SS2004: Runge-Kutta-Teore Sete 4

15 A-Stabltät (8) Bespel: Das AWP = y y y y dt d, ( ) ( ) = y y at de exakte Lösung ( ) ( ) t t e e t y =, ( ) t e t y = 2. (weter auf der Tafel) Semnar Numerk für Informatker, SS2004: Runge-Kutta-Teore Sete 5

16 A-Stabltät (9) Beobactung: Zur Integraton lnearer Systeme muss de Scrttwete so klen gewält werden, dass für alle Egenwerte mt negatvem Realtel glt: S λ. Andernfalls wrd n der numerscen Lösung en mt n anwacsender Term erzeugt, der n der exakten Lösung exponentell abklngt. Semnar Numerk für Informatker, SS2004: Runge-Kutta-Teore Sete 6

17 Stefe Systeme () Zum Erkennen solcer numersc problematscen Systeme soll nun en Maß engefürt werden: Defnton: En lneares System B glt: ( B) dy = By eßt stef, wenn mt den Egenwerten dt ( λ ) max Re : = >> max Re σ. ( λ ) Für nctlneare Systeme f ( y) Stefetsmaß ( y) = ( ) f f / y. ( f ( y) ) dy = auf dem N R/ dt betracte als lokales λ von σ mt der Jacob-Matrx erster parteller Abletungen Semnar Numerk für Informatker, SS2004: Runge-Kutta-Teore Sete 7

18 Stefe Systeme (2) Beacte: Es gbt n der Lteratur ken allgemen akzeptertes Stefetsmaß. Erklärung: De Egenwerte seen n der Form Re( λ ) Re( ) K geordnet. Durc λ st der fürende Term der exakten Lösung gegeben. Für n muss gelten: Re( λ ) <<. Um das Problem aus dem vorangegangenen Bespel zu vermeden, muss wetern gelten: N S λ. Des zwngt be klenem Stabltätsberec S dazu, de Scrttweten extrem klen zu wälen. λ N Semnar Numerk für Informatker, SS2004: Runge-Kutta-Teore Sete 8

19 Stefe Systeme (3) Faustregel: Zum Integreren stefer Systeme A-stable Verfaren verwenden, um nct zu klene Scrttweten wälen zu müssen. Her spelen mplzte Verfaren weder ene wctge Rolle, denn dese können trotz Meraufwand n enem Scrtt aufgrund der größeren Scrttwete enen gerngeren Gesamtaufwand errecen als explzte Verfaren. Semnar Numerk für Informatker, SS2004: Runge-Kutta-Teore Sete 9

20 Stefe Systeme (4) Satz: En RK-Verfaren gegeben durc de Butcer-Parameter ( c ) ( a ), ( b ),, für j j das de Symplektztätsegenscaft Symp b a + b a = b b : und > 0 glt j j j j b für, j, K, s =, st A-stabl. Folgerung: De Gauß-Legendre Verfaren snd A-stabl. Semnar Numerk für Informatker, SS2004: Runge-Kutta-Teore Sete 20

1 Definition und Grundbegriffe

1 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:

Mehr

mit der Anfangsbedingung y(a) = y0

mit der Anfangsbedingung y(a) = y0 Numersce Lösung von Dfferentalglecungen De n den naturwssenscaftlc-tecnscen Anwendungen auftretenden Dfferentalglecungen snd n den wengsten Fällen eplzt lösbar. Man st desalb auf Näerungsverfaren angewesen.

Mehr

4. Musterlösung. Problem 1: Kreuzende Schnitte **

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

Mehr

wissenschaftliche Einrichtung elektronik

wissenschaftliche Einrichtung elektronik wssenscaftlce Enrctung elektronk Oberscwngungen, Begrffe und Defntonen Prof.. Burgolte Labor Elektromagnetsce Verträglcket Facberec ngeneurwssenscaften Begrff Störgröße (dsturbance) Störfestgket (mmunty)

Mehr

6. Modelle mit binären abhängigen Variablen

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

Mehr

50 Matrixnormen und Eigenwertabschätzungen

50 Matrixnormen und Eigenwertabschätzungen 50 Matrxnormen und Egenwertabschätzungen 501 Motvaton De Berechnung der Egenwerte ener Matrx st aufwändg (vgl Kaptel 45, Kaptel 51) Kann man de Egenwerte ener Matrx mt gerngem Aufwand abschätzen? Des spelt

Mehr

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen

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

Mehr

Konkave und Konvexe Funktionen

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

Mehr

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

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

Mehr

3. Lineare Algebra (Teil 2)

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

Mehr

12 UMPU Tests ( UMP unbiased )

12 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

Mehr

Stochastische Prozesse

Stochastische 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)

Mehr

Diskrete Mathematik 1 WS 2008/09

Diskrete 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 /

Mehr

1.1 Das Prinzip von No Arbitrage

1.1 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

Spiele und Codes. Rafael Mechtel

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

Mehr

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

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

Mehr

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e

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

Mehr

3.2 Systeme des Bestandsmanagements. Wie kommt es zu Lagerbeständen? 3.2.1 Klassisches Bestellmengenproblem. Gründe für Lagerbestände

3.2 Systeme des Bestandsmanagements. Wie kommt es zu Lagerbeständen? 3.2.1 Klassisches Bestellmengenproblem. Gründe für Lagerbestände 3. Systeme des Bestandsmanagements Was st Bestandsmanagement? Grob gesagt, wrd m Bestandsmanagement festgelegt, welce Mengen enes Produktes zu welcem Zetpunkt zu bestellen snd Herdurc wrd der Bestand enes

Mehr

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

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

Mehr

1 BWL 4 Tutorium V vom 15.05.02

1 BWL 4 Tutorium V vom 15.05.02 1 BWL 4 Tutorum V vom 15.05.02 1.1 Der Tlgungsfaktor Der Tlgungsfaktor st der Kehrwert des Endwertfaktors (EWF). EW F (n; ) = (1 + )n 1 T F (n; ) = 1 BWL 4 TUTORIUM V VOM 15.05.02 (1 ) n 1 Mt dem Tlgungsfaktor(TF)

Mehr

Versicherungstechnischer Umgang mit Risiko

Versicherungstechnischer Umgang mit Risiko Verscherungstechnscher Umgang mt Rsko. Denstlestung Verscherung: Schadensdeckung von für de enzelne Person ncht tragbaren Schäden durch den fnanzellen Ausglech n der Zet und m Kollektv. Des st möglch über

Mehr

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt:

binäre 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,

Mehr

Statistik und Wahrscheinlichkeit

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

Mehr

Neuronale 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 (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

Mehr

Dynamik starrer Körper

Dynamik starrer Körper Dynamk starrer Körper Bewegungen starrer Körper können n Translaton und Rotaton zerlegt werden. De Rotaton stellt enen nneren Frehetsgrad des Körpers dar, der be Punktmassen ncht exstert. Der Schwerpunkt

Mehr

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

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

Mehr

18. Dynamisches Programmieren

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

Mehr

Wir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt

Wir 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

Mehr

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

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

Mehr

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

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

Mehr

Gruppe. Lineare Block-Codes

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

Mehr

Wenn 1 kg Wasser verdampft, leistet es gegen den Atmosphärendruck eine Arbeit von 169 kj.

Wenn 1 kg Wasser verdampft, leistet es gegen den Atmosphärendruck eine Arbeit von 169 kj. A. (Bespel) Welce Arbet wrd gelestet, wenn kg Wasser be o C (n der Küce) verdampft? ( l (H O) = 953,4 kg/m³, g (H O) =,5977 kg/m³ ) Der Vorgang läuft be dem konstanten Druck p =,3 bar ab. Da der Druck

Mehr

Gründe für Lagerbestände. 3.2 Systeme des Bestandsmanagements. Wie kommt es zu Lagerbeständen? 3.2.1 Klassisches Bestellmengenproblem.

Gründe für Lagerbestände. 3.2 Systeme des Bestandsmanagements. Wie kommt es zu Lagerbeständen? 3.2.1 Klassisches Bestellmengenproblem. 3. Systeme des Bestandsmanagements Was st Bestandsmanagement? Grob gesagt, wrd m Bestandsmanagement festgelegt, welce Mengen enes Produktes zu welcem Zetpunkt zu bestellen snd Herdurc wrd der Bestand enes

Mehr

Kleiner Fermatscher Satz, Chinesischer Restsatz, Eulersche ϕ-funktion, RSA

Kleiner 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

Mehr

6. Elektrische Wechselgrössen

6. Elektrische Wechselgrössen Grundlagen der Elektrotechnk GE 2 [Buch GE 2: Seten 72-14] Grundbegrffe Wechselgrössen Perodsche Wechselgrössen Lnearer und quadratscher Mttelwert Der Effektvwert Bezugspfele Verallgemenerte Zetfunktonen

Mehr

Werkstoffmechanik SS11 Baither/Schmitz. 5. Vorlesung

Werkstoffmechanik SS11 Baither/Schmitz. 5. Vorlesung Werkstoffmechank SS11 Bather/Schmtz 5. Vorlesung 0.05.011 4. Mkroskopsche Ursachen der Elastztät 4.1 Energeelastztät wrd bestmmt durch de Wechselwrkungspotentale zwschen den Atomen, oft schon auf der Bass

Mehr

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

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

Mehr

Bayessche Netzwerke. von Steffen Otto. Proseminar: Machine Learning

Bayessche Netzwerke. von Steffen Otto. Proseminar: Machine Learning Bayessce Netzwerke von Steffen Otto Prosemnar: Macne Learnng Bayessce Netzwerke Inaltsverzecns 1 Enletung... 3 2 Bayessce Netzwerke... 3 2.1 Allgemene Struktur... 3 2.2 Datenerebung zum Aufstellen enes

Mehr

Lineare Regression (1) - Einführung I -

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

Mehr

Franzis Verlag, 85586 Poing ISBN 978-3-7723-4046-8 Autor des Buches: Leonhard Stiny

Franzis Verlag, 85586 Poing ISBN 978-3-7723-4046-8 Autor des Buches: Leonhard Stiny eseproben aus dem Buch "n mt en zur Elektrotechnk" Franzs Verlag, 85586 Pong ISBN 978--77-4046-8 Autor des Buches: eonhard Stny Autor deser eseprobe: eonhard Stny 005/08, alle echte vorbehalten. De Formaterung

Mehr

Nernstscher Verteilungssatz

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

Mehr

Boost-Schaltwandler für Blitzgeräte

Boost-Schaltwandler für Blitzgeräte jean-claude.feltes@educaton.lu 1 Boost-Schaltwandler für Bltzgeräte In Bltzgeräten wrd en Schaltwandler benutzt um den Bltzkondensator auf ene Spannung von engen 100V zu laden. Oft werden dazu Sperrwandler

Mehr

Anwendungsmöglichkeiten von Lernverfahren

Anwendungsmöglichkeiten von Lernverfahren Künstlche Neuronale Netze Lernen n neuronalen Netzen 2 / 30 Anwendungsmöglcheten von Lernverfahren Prnzpelle Möglcheten Verbndungsorentert 1 Hnzufügen neuer Verbndungen 2 Löschen bestehender Verbndungen

Mehr

8 Logistische Regressionsanalyse

8 Logistische Regressionsanalyse wwwstatstkpaketde 8 Logstsche Regressonsanalyse De logstsche Regressonsanalyse dent der Untersuchung des Enflusses ener quanttatven Varable auf ene qualtatve (n unserem Fall dchotomen Varable Wr gehen

Mehr

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

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

Mehr

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale

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

Mehr

Einführung in die Finanzmathematik

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

Mehr

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

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

Mehr

Unter der Drehgruppe verstehen wir diegruppe der homogenen linearen Transformationen

Unter der Drehgruppe verstehen wir diegruppe der homogenen linearen Transformationen Darstellunstheore der SO() und SU() Powtschnk Alexander. Defnton Darstellun Ene Darstellun ener Gruppe G st homomorphe Abbldun von deser Gruppe auf ene Gruppe nchtsnulärer lnearer Operatoren auf enem Vektorraum

Mehr

Für wen ist dieses Buch? Was ist dieses Buch? Besonderheiten. Neu in dieser Auflage

Für wen ist dieses Buch? Was ist dieses Buch? Besonderheiten. Neu in dieser Auflage Für wen st deses Bch? Das Taschenbch der Elektrotechnk rchtet sch an Stdentnnen nd Stdenten an nverstäten nd Fachhochschlen n den Berechen Elektrotechnk Nachrchtentechnk Technsche Informatk allgemene Ingenerwssenschaften

Mehr

9 Phasengleichgewicht in heterogenen Mehrkomponentensystemen

9 Phasengleichgewicht in heterogenen Mehrkomponentensystemen 9 Phasenglechgewcht n heterogenen Mehrkomonentensystemen 9. Gbbs sche Phasenregel α =... ν Phasen =... k Komonenten Y n (α) -Molzahl der Komonente Y n der Phase α. Für jede Phase glt ene Gbbs-Duhem-Margules

Mehr

FORMELSAMMLUNG STATISTIK (I)

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

Mehr

Standortplanung. Positionierung von einem Notfallhubschrauber in Südtirol. Feuerwehrhaus Zentrallagerpositionierung

Standortplanung. Positionierung von einem Notfallhubschrauber in Südtirol. Feuerwehrhaus Zentrallagerpositionierung Standortplanung Postonerung von enem Notfallhubschrauber n Südtrol Postonerung von enem Feuerwehrhaus Zentrallagerpostonerung 1 2 Postonerung von enem Notfallhubschrauber n Südtrol Zu bekannten Ensatzorten

Mehr

Finanzwirtschaft. Kapitel 3: Simultane Investitions- und Finanzplanung. Lehrstuhl für Finanzwirtschaft - Universität Bremen 1

Finanzwirtschaft. 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

Mehr

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

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

Mehr

?? RUBRIK?? / 1 / Spezial

?? RUBRIK?? / 1 / Spezial ?? RUBRIK?? / 1 / Spezal carrere & more Semnarprogramm für Dozentnnen und Dozenten / 2 /?? RUBRIK?? Nveau st kene Handcreme! carrere & more Semnarprogramm für Dozentnnen und Dozenten S. 3 Vorwort S. 4

Mehr

Standardnormalverteilung / z-transformation

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

Mehr

Nullstellen Suchen und Optimierung

Nullstellen Suchen und Optimierung Nullstellen Suchen und Optmerung Typsche Probleme: De optmale Bahnkurve De Mnmerung des Erwartungswertes ür den Hamltonan Wr möchten ene Funkton mnmeren oder mameren solch en Problem wrd Optmerung genannt!

Mehr

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression

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

Mehr

Erstes Kirchhoffsches Gesetz

Erstes Kirchhoffsches Gesetz Amaterfnkkrs Landesverband Wen m ÖVSV Erstellt: 2010-2011 Letzte Bearbetng: 20. Febrar 2016 Themen 1 2 3 4 5 Erstes s Gesetz 3 2 1 4 5 2 + 3 + 5 =? Erstes s Gesetz 3 2 1 4 5 2 + 3 + 5 = 1 + 4 Zwetes s

Mehr

Online Algorithmen. k-server randomisiert Teil II

Online Algorithmen. k-server randomisiert Teil II Onlne Algorthmen k-server randomsert Tel II Ausarbetung für das Semnar Onlne Algorthmen Prof. Dr. Ro. Klen Anette Ebbers-Baumann Ansgar Grüne Insttut für Informatk Theorethsche Informatk und formale Methoden

Mehr

Leistungsmessung im Drehstromnetz

Leistungsmessung im Drehstromnetz Labovesuch Lestungsmessung Mess- und Sensotechnk HTA Bel Lestungsmessung m Dehstomnetz Nomalewese st es ken allzu gosses Poblem, de Lestung m Glechstomkes zu messen. Im Wechselstomkes und nsbesondee n

Mehr

Der Satz von COOK (1971)

Der Satz von COOK (1971) Der Satz von COOK (1971) Voraussetzung: Das Konzept der -Band-Turng-Maschne (TM) 1.) Notatonen: Ene momentane Beschrebung (mb) ener Konfguraton ener TM st en -Tupel ( α1, α2,..., α ) mt α = xqy, falls

Mehr

EAU SWH l$,0, wohngebäude

EAU SWH l$,0, wohngebäude EAU SWH l$,0, wohngebäude gemäß den $$ 6 ff, Energeensparverordnung (EnEV) :,:: Gültsbs: 09208 Gebäude Gebäudetyp Altbau Mehrfamlenhaus Adresse Hardstraße 3 33, 40629 Düsseldorf Gebäudetel Baujahr Gebäude

Mehr

Leitliniengerechte psychosoziale Versorgung aus der Sicht des Krankenhausmanagements

Leitliniengerechte psychosoziale Versorgung aus der Sicht des Krankenhausmanagements Unser Auftrag st de aktve Umsetzung der frohen Botschaft Jesu m Denst am Menschen. Ene Herausforderung, der wr täglch neu begegnen. Mt modernster Technk und Kompetenz. Und vor allem mt Menschlchket. Letlnengerechte

Mehr

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

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

Mehr

arxiv: v1 [math.nt] 10 Apr 2014

arxiv: v1 [math.nt] 10 Apr 2014 Über de ratonalen Punkte auf der Sphäre von Nkolay Moshchevtn 1 Moskau) arxv:1404.907v1 [math.nt] 10 Apr 014 Wr beschäftgen uns her mt der Approxmaton von Punkten auf der n-dmensonalen Sphäre durch ratonale

Mehr

Produkt-Moment-Korrelation (1) - Einführung I -

Produkt-Moment-Korrelation (1) - Einführung I - Produkt-Moment-Korrelaton - Enführung I - Kennffer ur Bechreung de lnearen Zuammenhang wchen we Varalen X und Y. Bechret de Rchtung und de Enge de Zuammenhang m Snne von je... deto... oder wenn... dann...

Mehr

Klassische Gatter und Logikelemente. Seminarvortrag zu Ausgewählte Kapitel der Quantentheorie Quantenalgorithmen

Klassische Gatter und Logikelemente. Seminarvortrag zu Ausgewählte Kapitel der Quantentheorie Quantenalgorithmen Klasssche Gatter und Logkelemente Semnarvortrag zu Ausgewählte Kaptel der Quantentheore Quantenalgorthmen Gerd Ch. Krzek WS 2003 I. Grundlagen und Methoden der Logk: Im folgenden soll de Konstrukton und

Mehr

Seminar Netzwerkanalyse. Kapitel 12 Vergleiche von Netzw erken. Sommersemester 2005 Universität Trier

Seminar Netzwerkanalyse. Kapitel 12 Vergleiche von Netzw erken. Sommersemester 2005 Universität Trier Kaptel 2 Vergleche von Netzw erken Sommersemester 2005, 697862 Kaptel 2.0 Allgemenes Allgemenes Graph-Isomorphsmus Problem (GI) besteht darn festzustellen, ob zwe gegebene Graphen somorph snd In der Praxs

Mehr

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

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

Mehr

Lagrangesche Mechanik

Lagrangesche Mechanik Kaptel Lagrangesche Mechank De Newtonsche Mechank hat enge Nachtele. 1) De Bewegungsglechungen snd ncht kovarant, d.h. se haben n verschedenen Koordnatensystemen verschedene Form. Z.B., zwedmensonale Bewegungsglechungen

Mehr

Grundlagen der Elektrotechnik II (GET II)

Grundlagen der Elektrotechnik II (GET II) Grundlgen der Elektrotechnk (GET ) Vorlesung m 8.07.005 Do. :5-3.45 Uhr;. 603 (Hörsl) Dr.-ng. ené Mrklen E-Ml: mrklen@un-kssel.de Tel.: 056 804 646; Fx: 056 804 6489 UL: http://www.tet.e-technk.un-kssel.de

Mehr

Kreisel. koerperfestes KS. z y. raumfestes KS. Starrer Körper: System von Massepunkten m i, deren Abstände r i r j untereinander konstant sind.

Kreisel. koerperfestes KS. z y. raumfestes KS. Starrer Körper: System von Massepunkten m i, deren Abstände r i r j untereinander konstant sind. Kresel z y koerperfestes KS z y x raumfestes KS x Starrer Körper: System von Massepunkten m, deren Abstände r r j unterenander konstant snd. Der Zustand läßt sch beschreben durch: Poston des Schwerpunktes,

Mehr

d da B A Die gesamte Erscheinung der magnetischen Feldlinien bezeichnet man als magnetischen Fluss. = 1 V s = 1 Wb

d da B A Die gesamte Erscheinung der magnetischen Feldlinien bezeichnet man als magnetischen Fluss. = 1 V s = 1 Wb S N De amte Erschenng der magnetschen Feldlnen bezechnet man als magnetschen Flss. = V s = Wb Kraftflssdchte oder magnetsche ndkton B. B d da B = Wb/m = T Für homogene Magnetfelder, we se m nneren von

Mehr

Netzsicherheit I, WS 2008/2009 Übung 3. Prof. Dr. Jörg Schwenk 27.10.2008

Netzsicherheit I, WS 2008/2009 Übung 3. Prof. Dr. Jörg Schwenk 27.10.2008 Netzscherhet I, WS 2008/2009 Übung Prof. Dr. Jörg Schwenk 27.10.2008 1 Das GSM Protokoll ufgabe 1 In der Vorlesung haben Se gelernt, we sch de Moble Staton (MS) gegenüber dem Home Envroment (HE) mt Hlfe

Mehr

Praktikum Physikalische Chemie I (C-2) Versuch Nr. 6

Praktikum Physikalische Chemie I (C-2) Versuch Nr. 6 Praktkum Physkalsche Cheme I (C-2) Versuch Nr. 6 Konduktometrsche Ttratonen von Säuren und Basen sowe Fällungsttratonen Praktkumsaufgaben 1. Ttreren Se konduktometrsch Schwefelsäure mt Natronlauge und

Mehr

Optische Systeme. Inhalte der Vorlesung. Hausaufgabe: Reflexion mit Winkel. Vergleichen Sie Ihre Rechnung mit einem Experiment! n = tan. sin.

Optische Systeme. Inhalte der Vorlesung. Hausaufgabe: Reflexion mit Winkel. Vergleichen Sie Ihre Rechnung mit einem Experiment! n = tan. sin. Inhalte der Vorlesung 3. Optsche Systeme Martna Gerken 05..007. Grundlagen der Wellenoptk. De Helmholtz-Glechung. Lösungen der Helmholtz-Glechung: Ebene Wellen und Kugelwellen.3 Das Huygenssche Prnzp.4

Mehr

Lösungen zum 3. Aufgabenblock

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

Mehr

Thermodynamik der Verbrennung

Thermodynamik der Verbrennung hermodynamk der Verbrennung Chemsche Reakton 1.0 Verbrennung Exotherme Reakton Endotherme Reakton Reversble Reakton: A+B C+D Z.B. Säure Base Glechgewchte Irreversble Reakton A+B C+D Z.B. Verbrennungsreaktonen

Mehr

VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE

VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE Karl Rudolf KOCH Knut RIESMEIER In: WELSCH, Walter (Hrsg.) [1983]: Deformatonsanalysen 83 Geometrsche Analyse und Interpretaton von Deformatonen

Mehr

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt -

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt - Flußnetzwerke - Strukturbldung n der natürlchen Umwelt - Volkhard Nordmeer, Claus Zeger und Hans Joachm Schlchtng Unverstät - Gesamthochschule Essen Das wohl bekannteste und größte exsterende natürlche

Mehr

Seminar zur Numerischen Analysis im Wintersemester 2009/2010 Splines Spline-Räume - B-Spline-Basen

Seminar zur Numerischen Analysis im Wintersemester 2009/2010 Splines Spline-Räume - B-Spline-Basen Semnar zur Numerschen Analyss m Wntersemester 2009/2010 Splnes Splne-Räume - B-Splne-Basen René Janssens 16.10.2009 Inhaltsverzechns 1 Enletung 1 2 Räume von Splnefunktonen 2 2.1 Der Raum der Splnes.............................

Mehr

2 Vektoren. 2.1 Vektorraum 2 VEKTOREN 1

2 Vektoren. 2.1 Vektorraum 2 VEKTOREN 1 2 VEKTOREN 1 2 Vektoren 2.1 Vektorraum In der Physk unterscheden wr skalare Grössen von vektorellen. En Skalar st ene reelle Messgrösse, mathematsch enfach ene Zahl, phykalsch ene dmensonsbehaftete Zahl.

Mehr

Was erwarten wir als Ergebnis von freien Verhandlungen in einer Gruppe mit Koalitionsmöglichkeiten?

Was erwarten wir als Ergebnis von freien Verhandlungen in einer Gruppe mit Koalitionsmöglichkeiten? Prof. Dr. Fredel Bolle 1 Prof. Dr. Fredel Bolle Vorlesung 1 Defnton: Kooperatves Spel En ooperatves Spel Γ st en Tupel (N,V), wobe der N = {1,...,m} mt m > 1 de Menge der Speler bezechnet und Was erwarten

Mehr

Methoden der innerbetrieblichen Leistungsverrechnung

Methoden 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

Mehr

14 Überlagerung einfacher Belastungsfälle

14 Überlagerung einfacher Belastungsfälle 85 De bsher betrachteten speellen Belastungsfälle treten n der Technk. Allg. ncht n rener orm auf, sondern überlagern sch. Da de auftretenden Verformungen klen snd und en lnearer Zusammenhang wschen Verformung

Mehr

11 Chemisches Gleichgewicht

11 Chemisches Gleichgewicht 11 Chemsches Glechgewcht 11.1 Chemsche Reaktonen und Enstellung des Glechgewchts Untersucht man den Mechansmus chemscher Reaktonen, so wrd man dese enersets mt enem mkroskopschen oder knetschen Blck auf

Mehr

Ionenselektive Elektroden (Potentiometrie)

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

Mehr

Entscheidungsprobleme der Marktforschung (1)

Entscheidungsprobleme der Marktforschung (1) Prof. Dr. Danel Baer. Enführung 2. Informatonsbedarf 3. Datengewnnung 2. Informatonsbedarf Entschedungsprobleme der () Informatonsbedarf Art Qualtät Menge Informatonsbeschaffung Methodk Umfang Häufgket

Mehr

Die Kugel Lösungen. 1. Von einer Kugel ist der Radius bekannt. Berechne Volumen und Oberfläche der

Die Kugel Lösungen. 1. Von einer Kugel ist der Radius bekannt. Berechne Volumen und Oberfläche der De Kugel Lösungen 1. Von ener Kugel st der Radus bekannt. Berechne Volumen und Oberfläche der Kugel. r,8 cm 5, cm 18,6 cm 4, cm 5,6 cm 4,8 cm V 0 cm³ 64 cm³ 6 954 cm³ cm³ 76 cm³ 46 cm³ O 181 cm² 5 cm²

Mehr

Kapitel 1. Grundlagen der Fehleranalyse

Kapitel 1. Grundlagen der Fehleranalyse Kaptel Grundlagen der Fehleranalyse B... (Fehlerarten): Von den Fehlerquellen ausgehend unterscheden wr dre unterschedlche Fehlerarten: () Engangsehler Dese entstehen durch a) Modellerungsehler (Z.B. wenn

Mehr

Kreditpunkte-Klausur zur Lehrveranstaltung Projektmanagement (inkl. Netzplantechnik)

Kreditpunkte-Klausur zur Lehrveranstaltung Projektmanagement (inkl. Netzplantechnik) Kredtpunkte-Klausur zur Lehrveranstaltung Projektmanagement (nkl. Netzplantechnk) Themensteller: Unv.-Prof. Dr. St. Zelewsk m Haupttermn des Wntersemesters 010/11 Btte kreuzen Se das gewählte Thema an:

Mehr

H I HEIZUNG I 1 GRUNDLAGEN 1.1 ANFORDERUNGEN. 1 GRUNDLAGEN 1.1 Anforderungen H 5

H I HEIZUNG I 1 GRUNDLAGEN 1.1 ANFORDERUNGEN. 1 GRUNDLAGEN 1.1 Anforderungen H 5 1 GRUNDLAGEN 1.1 Anforderungen 1.1.1 Raumklma und Behaglchket Snn der Wärmeversorgung von Gebäuden st es, de Raumtemperatur n der kälteren Jahreszet, das snd n unseren Breten etwa 250 bs 0 Tage m Jahr,

Mehr

Einführung in Origin 8 Pro

Einführung in Origin 8 Pro Orgn 8 Pro - Enführung 1 Enführung n Orgn 8 Pro Andreas Zwerger Orgn 8 Pro - Enführung 2 Überscht 1) Kurvenft, was st das nochmal? 2) Daten n Orgn mporteren 3) Daten darstellen / plotten 4) Kurven an Daten

Mehr

Free Riding in Joint Audits A Game-Theoretic Analysis

Free Riding in Joint Audits A Game-Theoretic Analysis . wp Wssenschatsorum, Wen,8. Aprl 04 Free Rdng n Jont Audts A Game-Theoretc Analyss Erch Pummerer (erch.pummerer@ubk.ac.at) Marcel Steller (marcel.steller@ubk.ac.at) Insttut ür Rechnungswesen, Steuerlehre

Mehr

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban

Institut 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

Mehr

Definition: Unter dem vektoriellen Flächenelement einer ebnen Fläche A versteht man einen Vektor A r der

Definition: Unter dem vektoriellen Flächenelement einer ebnen Fläche A versteht man einen Vektor A r der Obeflächenntegale Vektofluß duch ene Fläche - betachtet wd en homogenes Vektofeld v (B Lchtbündel) - das Lcht falle auf enen Spalt Defnton: Unte dem vektoellen Flächenelement ene ebnen Fläche vesteht man

Mehr