Hausübung 4 (Musterlösung )
|
|
- Jörn Geier
- vor 6 Jahren
- Abrufe
Transkript
1 SoSe 2014 Konzepte und Methoden der Systemsoftware Universität Paderborn Fachgebiet Rechnernetze Hausübung 4 (Musterlösung ) bis Hausübungsabgabe: Format: Lösungen in schriftlicher oder gedruckter Form abgeben. Quelltext wird digital abgegeben, siehe separate Beschreibung am Ende es Übungszettels. Ort: Lösung in markiertem Kasten in D3 Flur einwerfen. Uhrzeit: Annahme der Abgaben bis Montag, , 08:00 Uhr (s.t.) Gruppen: Geben Sie Ihre Namen, Matrikelnummern und ggf. IMT- -Addressen auf der Lösung an. Maximal 4 Personen pro Lösung. Eindeutig: Geben Sie höchstens eine Lösung zu einer Aufgabe ab. Aufgabe 1: Bankier-Algorithmus 15 P. Die folgenden Matrizen geben für vier Prozesse (a,b,c,d) und vier Betriebsmitteltypen (W,X,Y,Z) an, welche und wie viele Betriebsmittel die Prozesse maximal anfordern (Gesamtforderungsmatrix G), welche sie gerade belegt haben (aktuelle Belegung B) und wie viele Betriebsmittel insgesamt verfügbar sind (v). G = B = v = a b c d a b c d ( ) (a) Berechnen Sie aus diesen Angaben die Restforderungsmatrix R und den Vektor der momentan freien Betriebsmittel f. R = G B = a b c d f = ( ) (b) Was ist die Bedingung dafür, dass der Bankier-Algorithmus einen Belegungszustand als unsicher bewertet? KMS SoSe 2014 Hausübung 4 (Musterlösung ) 1/12
2 (c) Der Bankier-Algorithmus findet keine gültige Reihenfolge, in der die Restforderungen abgearbeitet werden können, d.h. egal in welcher Reihenfolge die Anforderungen abgearbeitet werden, gerät der Algorithmus immer in eine Situation in der f keine der Zeilen in R erfüllen kann. Prüfen Sie schrittweise mit Hilfe des Bankier-Algorithmus, ob der aktuelle Zustand sicher ist. Geben Sie entweder eine gültige Abarbeitungsreihenfolge der Prozesse an oder geben Sie an, an welcher Stelle Sie festgestellt haben, dass nicht alle Prozesse beendet werden können. Geben Sie nach jedem Schritt die neuen Werte für R und f an. 1. Ausgangssituation: R = a b c d f = ( ) (4 P.) 2. Wähle Prozess b (frei vs. benötigt: f R[b]): Prozess b bekommt Ressourcen R[b] und gibt seine Ressourcen B[b] wieder frei. R = a b c d f = ( ) 3. Wähle Prozess d (frei vs. benötigt: f R[d]): Prozess d bekommt Ressourcen R[d] und gibt seine Ressourcen B[d] wieder frei. R = a b c d f = ( ) 4. Wähle Prozess c (frei vs. benötigt: f R[c]): Prozess c bekommt Ressourcen R[c] und gibt seine Ressourcen B[c] wieder frei. R = a b c d f = ( ) KMS SoSe 2014 Hausübung 4 (Musterlösung ) 2/12
3 5. Wähle Prozess c (frei vs. benötigt: f R[a]): Prozess a bekommt Ressourcen R[a] und gibt seine Ressourcen B[a] wieder frei. R = a b c d f = ( ) (d) (e) (f) (g) Angenommen, ein Belegungszustand wurde als unsicher bewertet: Könnte es helfen, einen Prozess vorzeitig zu beenden, um ihm die Ressourcen zu entziehen? Erläutern Sie kurz. Im Allgemeinen könnte es helfen, wenn dadurch genug Ressourcen frei würden, dass alle andere Prozess laufen könnten. Angenommen, der Bankier-Algorithmus stellt fest, dass eine Belegungssituation sicher ist. Ist damit sichergestellt, dass im weiteren Programmablauf keine Verklemmung auftritt? Erläutern Sie kurz. Nein, es ist nur sichergestellt, dass eine Ausführungsreihenfolge existiert, die nicht zu einer Verklemmung führt. In realen Systemen wird der Bankier-Algorithmus kaum eingesetzt, obwohl er zuverlässig vor Verklemmungen schützen kann. Welches Problem besteht bei der Umsetzung des Bankier-Algorithmus für z.b. Verwaltung von Arbeitsspeicher im PC? Bei der Ausführung eines Prozesses ist nicht vorhersehbar, welche Ressourcen dieser noch während seiner Laufzeit anfordern wird. Der Bankier-Algorithmus trifft bestimmte Annahmen über das Prozessverhalten. In realen Systemen könnte dies dazu führen, dass ein als unsicher bewerteter Zustand trotzdem nicht zu einem Deadlock führt. Nennen Sie diese Annahmen. Ressourcen werden wieder freigegeben, nachdem der Prozess terminiert. Somit gibt ein Prozess keine Betriebsmittel wieder heraus, wenn er dieses einmal bekommen hat. Es gibt keine Möglichkeit einem Prozess Ressourcen wieder zu entziehen. KMS SoSe 2014 Hausübung 4 (Musterlösung ) 3/12
4 Aufgabe 2: Würfeln 20 P. Bei einem bekannten Kartenspiel muss ein Helden in einem Labyrinth voller Gefahren überleben. Eine der Gefahren sind aggressive Monster, die den Helden angreifen. Ist das Monster zu stark, bleibt dem Helden nur die Flucht. Erfolgreich geflohen ist der Held, wenn der Spieler mindestens eine 5 auf einem 6-seitigen Würfel erwürfelt hat. Hinweis: Der Würfel ist nicht manipuliert, d.h. alle Zahlen 1 6 sind gleichwahrscheinlich (Laplace-Experiment). (a) Modellieren Sie das Zufallsexperiment: i. Geben Sie den Ereignisraum des Würfelwurfs an: S = {1,2,3,4,5,6} Geben Sie die Wahrscheinlichkeit der Ereignisse an: P ( X = i) = P ({i}) = 1 6, i S i iv. Erklären Sie kurz, welches Ereignis mit A = {1,3} gemeint ist. In einem Ereignis (Würfelwurf) ist das Ereignis 1 oder 3. Geben Sie die Wahrscheinlichkeit an, dass der Held erfolgreich flieht: P (fliehen) = P ({5,6}) = P (X 5) = P ({5}) + P ({6}) = 1 3 (b) Wenn ein Monster von dem Helden bezwungen wurde, darf der Held das Lager des Monsters durchsuchen, um nützlichen Gegenstände zu finden und zu behalten; der Spieler zieht neue Ausrüstungskarten. Der Spieler zieht vier Karten, muss sich aber für eine der Karten entscheiden (Spielregel). Die Frage ist nun, welche dieser Karten gibt dem Helden den größten Vorteil? i. Die erste Karte erlauben Folgendes: Die Augenzahlen des Würfelwurfs werden erst um +1 erhöht und danach wird überprüft, ob sie mindestens 5 erreicht haben. Mit welcher Wahrscheinlichkeit flieht ihr Held? P (fliehen α ) = P ({4,5,6}) = P (X 4) = P ({4}) + P ({5}) + P ({6}) = 1 2 i Die zweite Karte erlaubt Folgendes: Eine Augenzahl von 5 6 führt zum Erfolg und bei einer 1 4 darf einmalig noch einmal gewürfelt werden. Die Flucht ist erfolgreich mit einer 5 6 im zweiten Wurf. Mit welcher Wahrscheinlichkeit flieht ihr Held? P (fliehen β )? Fallunterscheidung notwendig: 1. Erster Wurf erfolgreich: P ({5,6}) = 2 6 = 3 9 = P (A 1) 2. Erster Wurf nicht erfolgreich, zweiter Wurf erfolgreich: (1 P (A 1 )) P ({5,6}) = = 2 9 = P (A 2) P (fliehen β ) = P (A 1 ) + P (A 2 ) = 5 9 Zwei unabhängigen Zufallsexperimenten: P (B 1 )P (B 2 ) Die dritte Karte erlaubt Folgendes: Eine Augenzahl von 5 6 führt zum Erfolg. Bei einer 1 4 wird einmalig erneut gewürfelt; Erfolg im zweiten Wurf hat 1. eine ungerade Zahl, wenn im ersten Wurf schon eine ungerade Zahl gewürfelt wurde. 2. eine 6, wenn im ersten Wurf eine gerade Zahl gewürfelt wurde. Mit welcher Wahrscheinlichkeit flieht ihr Held? P (fliehen γ )? Fallunterscheidung: 1. Erster Wurf erfolgreich: P ({5,6}) = 2 6 = 3 9 (4 P.) (6 P.) KMS SoSe 2014 Hausübung 4 (Musterlösung ) 4/12
5 (c) iv. 2. Erster Wurf ungerade P ({1,3}), zweiter Wurf erfolgreich mit ungeraden Zahlen P ({1,3,5}) 3. Erster Wurf gerade P ({2,4}), zweiter Wurf erfolgreich mit 6 P ({6}) P (fliehen γ ) = P ({5,6}) + P ({1,3})P ({1,3,5}) + P ({2,4})P ({6}) = = 5 9 Die vierte Karte erlaubt Folgendes: Es muss zweimal gewürfelt werden und beide Mal muss mindestens eine 5 gewürfelt werden. Einmal darf im ersten oder zweiten Wurf (aber nicht in Beiden) auch eine 4 gewürfelt werden. Mit welcher Wahrscheinlichkeit flieht ihr Held? P (fliehen δ )? Wahrscheinlichkeit für beide mal 5 6 (zu viel); minus Wahrscheinlichkeit für einmalig 4: P ({4,5,6})P ({4,5,6}) P ({.,4}) = = 2 9 Welche Karte hat nun die größte Erfolgswahrscheinlichkeit zur Flucht? Mit der dritte Karte: P (fliehen β ) = P (fliehen γ ) = 5 9 > 1 2 (3 P.) KMS SoSe 2014 Hausübung 4 (Musterlösung ) 5/12
6 Aufgabe 3: Lehrveranstaltung 25 P. Zur Verbesserung der Lehre hat die Universität eine Untersuchung der Lehrveranstaltungen durchgeführt. Dabei wurde erhoben, ob Studenten Hausübungszettel gemacht hatten, ob sie in der Zentralübung waren und ob sie die Klausur bestanden hatten. Folgende Tabelle beschreibt die Studentenverteilung auf die fünf Gruppen und wie viel der Studenten einer Gruppe bestanden haben. Anteil aller Studenten Hausaufgaben Zentralübung Bestanden 10% persönlich gelöst zugehört 80% 20% abgeschrieben zugehört 50% 20% abgeschrieben nicht zugehört 30% 10% nichts abgegeben zugehört 40% 40% nichts abgegeben nicht zugehört 20% (a) Modellieren Sie das Zufallsexperiment: i. Wie viele Zufallsexperimente enthält die Tabelle? Wie sieht der Ereignisraum aus? (3 P.) 3 Zufallsexperimente: S Hausaufgaben = {persönlich, abgeschrieben, nicht} S Zentralübung = {zugehört, nicht} S Bestanden = {ja, nein} S = S Hausaufgaben S Zentralübung S Bestanden, S = = 12 Beispiel: Student der persönlich Hausaufgaben gelöst hat und in der Zentralübung war, aber dennoch die Klausur nicht bestanden hat: (persönlich, zugehört, nein) S Rahmenbedingung: 1 = e S P (e) Mit welcher Wahrscheinlichkeit hat ein Student die Hausaufgaben persönlich gelöst und in der Zentralübung zugehört? P ( Hausaufgaben persönlich gelöst und in der Zentralübung zugehört ) = P ({persönlich, zugehört, ja),(persönlich, zugehört, nein)}) = die Hausaufgaben abgeschrieben und in der Zentralübung zugehört? A = die Hausaufgaben abgeschrieben und in der Zentralübung zugehört P (A) = 0.2 = P ({(abgeschrieben, zugehört, ja),(abgeschrieben, zugehört, nein)})... die Hausaufgaben nicht abgegeben und in der Zentralübung zugehört? P ({(nicht, nicht, ja),(nicht, nicht, nein)}) = die Hausaufgaben persönlich gelöst und in der Zentralübung nicht zugehört? P ({(persönlich, nicht, ja),(persönlich, nicht, nein)}) = 0 i Mit welcher Wahrscheinlichkeit hat eine StudentIn die Klausur bestanden, wenn sie vorher die Hausaufgaben persönlich gelöst hatte und in der Zentralübung zugehört hatte? B = Bestanden = {(ja,x,y) x S Hausaufgaben,y S Zentralübung } P (B {(persönlich, zugehört,z) z S Bestanden }) = P ( Bestanden ( Hausaufgaben persönlich gelöst und in der Zentralübung zugehört ) = P ({ja} {(persönlich, zugehört, ja),(persönlich, zugehört, nein)}) = 0.8 (4 P.) KMS SoSe 2014 Hausübung 4 (Musterlösung ) 6/12
7 ... die Hausaufgaben abgeschrieben hatte und in der Zentralübung zugehört hatte? A = die Hausaufgaben abgeschrieben und in der Zentralübung zugehört P (B A) = 0.5 = P ({ja} {(abgeschrieben, zugehört, ja),(abgeschrieben, zugehört, nein)}) = P (B {(abgeschrieben, zugehört,z) z S Bestanden })... die Hausaufgaben nicht abgegeben hatte und in der Zentralübung zugehört hatte? P ({ja} {(nicht, nicht, ja),(nicht, nicht, nein)}) = 0.4 = P (B {(nicht, nicht,z) z S Bestanden })... die Hausaufgaben persönlich gelöst und in der Zentralübung nicht zugehört? P ({ja} {(persönlich, nicht, ja),(persönlich, nicht, nein)}) = 0 = P (B {(persönlich, nicht,z) z S Bestanden }) (b) Wie hoch ist die Wahrscheinlichkeit, dass ein (beliebiger) Student besteht? (Benutzen Sie den Satz der totalen Wahrscheinlichkeit.) (5 P.) B = {ja} (1) A 1 = {(persönlich, zugehört, ja),(persönlich, zugehört, nein)} (2) A 2 = {(abgeschrieben, zugehört, ja),(abgeschrieben, zugehört, nein)} (3) A 3 = {(abgeschrieben, nicht, ja),(abgeschrieben, nicht, nein)} (4) A 4 = {(nicht, zugehört, ja),(nicht, zugehört, nein)} (5) A 5 = {(nicht, nicht, ja),(nicht, nicht, nein)} (6) P (B) = i P (B A i )P (A i ) (7) = P (B A 1 )P (A 1 ) + + P (B A 5 )P (A 5 ) (8) = (9) = 0.36 (10) (c) Satz von Bayes: i. Wie lautet die Definition der bedingten Wahrscheinlichkeit? P (A B) = P (A B) P (B) Der Satz von Bayes lautet formal für P (A) > 0,P (B) > 0: P (A B) = P (B A)P (A). P (B) Beschreiben Sie kurz, was Sie durch Anwenden des Satzes berechnen können? Man kommt von P (A B) nach P (B A) (wenn auch P (A),P (B) bekannt sind). Hat man die (bedingte) Wahrscheinlichkeit für das Eintreten eines Ereignis A wenn ein anderes Ereignis B schon eingetreten ist, dann kann man die Wahrscheinlichkeit für das Eintreten von B, wenn A schon passiert ist, berechnen. KMS SoSe 2014 Hausübung 4 (Musterlösung ) 7/12
8 i Beweisen Sie den Satz von Bayes aufbauend auf der Definition der bedingten Wahrscheinlichkeit. P (B A)P (A) = P (A B) = P (B A) = P (A B)P (B) (11) P (B A)P (A) P (B) = P (A B) P (B) = P (A B) (12) (d) Besteht ein Student, mit welcher Wahrscheinlichkeit war er in welcher Gruppe? Rechnen Sie für jede Gruppe die Wahrscheinlichkeit aus. Gruppe A 1 : persönlich gelöste Hausaufgaben und in Zentralübung zugehört Gruppe A 2 : Hausaufgaben abgeschrieben und in Zentralübung zugehört Gruppe A 3 : Hausaufgaben abgeschrieben und in Zentralübung nicht zugehört Gruppe A 4 : Hausaufgaben nicht abgegeben und in Zentralübung zugehört Gruppe A 5 : Hausaufgaben nicht abgegeben und in Zentralübung nicht zugehört (6 P.) P (A i B) = P (A i)p (B A i ) P (B) (13) P (A 1 B) = = (14) 9 P (A 2 B) = (15) 0.36 P (A 3 B) = = (16) 6 P (A 4 B) = = (17) 9 P (A 5 B) = = (18) 9 KMS SoSe 2014 Hausübung 4 (Musterlösung ) 8/12
9 Aufgabe 4: Markov-Ketten 43 P. Ein Brettspiele-Entwickler bat Sie um Hilfe, um sein Brettspiel zu verbessern. Spielfiguren bewegen sich abwechselnd über N Felder. Die Felder sind in einem Kreis angeordnet: nach Feld N 1 kommt Feld 0. Spielfiguren fangen in Feld 0 an. Wie weit die Spielfiguren laufen, entscheidet ein Würfelwurf. Die Frage ist, welche Felder werden häufig und welche Felder sehr selten besucht. (a) Modellieren Sie das Spiel als Markov-Kette. Gegen Sie davon aus, 1. dass Sie zunächst allgemein N = 5 Felder haben und 2. dass ein W = 3 seitiger unmanipulierter Würfel geworfen wird. (Zahlen 1..W kommen gleichwahrscheinlich vor; Laplace Experiment) 3. dass vereinfacht nur eine Spielfigur betrachtet wird. i. Die Zustände beschreiben Spielfigur ist auf Feld i. Beschreiben Sie kurz wofür die Übergänge stehen. Die Würfelergebnisse bewegen die Spielfigur und sind die Übergänge zwischen den Zuständen. Zeichnen Sie die entsprechende Markov-Kette auf. (3 P.) i alle Kanten p=1/3 Geben Sie die Zustandsübergangsmatrix vollständig an. M = (19) iv. Geben Sie die Zustandsübergangsmatrix m ij mit beliebige N, W für N > W an. Nutzen Sie ggf. eine Fallunterscheidung. (4 P.) KMS SoSe 2014 Hausübung 4 (Musterlösung ) 9/12
10 1/W if 0 < j i W m ij = 1/W if 0 < j + N i W 0 else { 1/W if j i mod N W = 0 else (20) (21) v. Begründen Sie kurz, ob die Gesamtwahrscheinlichkeit der Übergange aus einem Zustand immer noch 1 sind, 1 = j m ij, i. (Voraussetzung für eine gültige Markov- Kette.) vi. Zeilensumme der Matrix ist immer 1 durch die beiden Bedingungen (und weil N > W gilt) (1 P) Ein Kommilitone behauptet 1 = i m ij, j muss auch gelten! Stimmt dies? Begründen Sie ihre Antwort. Mit i m ij werden die Wahrscheinlichkeiten für eingehende Kanten zusammenaddiert, z.b. in Aufg. (vii) gibt es Zustände in die man häufiger kommt, z.b. Feld 0 = j. Damit ist i m ij > 1. v Würde nach einem Würfelwurf die Spielfigur auf Feld 4 stehen bleiben, wird die Spielfigur stattdessen auf Feld 0 versetzt. Geben Sie die Zustandsübergangsmatrix, wie in (iii) vollständig an: M = (22) vi Wie verändert sich die angegebene Zustandsübergangsmatrix zu dieser Aufgabe in (iv), wenn zusätzlich N W gilt. Beschreiben Sie kurz in Worten. Es besteht die Möglichkeit mit der Spielfigur alle Felder einmal zu überspringen. Für diesen Fall müssen die Wahrscheinlichkeiten der Übergangskanten angepasst werden. (b) Nach wie viel Runden ist die Spielfigur mit welcher Wahrscheinlichkeit auf welchem Feld? Als Startsitutation vor dem ersten Würfelwurf befindet sich die Spielfigur auf Feld 0. i. Beschreiben Sie die Startsituation als Anfangsverteilung π (0) für beliebige Felder. π (0) = (1,0,0,... ) Berechnen Sie den Zeilenvektor nach 3 Runden und nach 9 Runden mit N = 5 Feldern und dreiseitigem Würfel (W = 3). Geben Sie die resultierenden Wahrscheinlichkeiten numerisch an. Wolfram Alpha: π (k) = π (0) M k auszurechnen: π (3) = 1 27 ( )T und π (9) = ( )T (3 P.) (4 P.) KMS SoSe 2014 Hausübung 4 (Musterlösung ) 10/12
11 i (Für M aus (a.iii) Alternative mit M aus (a.vii): π (3) = 1 27 ( )T π (9) = ( )T Beschreiben Sie in eigenen Worten was π (3) 4 = 0,235 ausdrückt. Mit 23,5%-iger Wahrscheinlichkeit befindet sich die Spielfiguren nach drei Runden auf Feld 4. (c) Wie sieht die Verteilung für eine lange Spielpartie aus, lim t inf? i. Beschreiben Sie kurz, was eine stationäre Verteilung einer Markov-Kette ist. π = π M, Eine stationäre Verteilung verändert sich nicht mehr über die Zeit. Geben Sie die stationäre Verteilung π für unser Beispiel an? Erklären Sie, wie Sie darauf gekommen sind. Hinweis: Die Übergangsmatrix ist nicht diagonalisierbar! Mit großer Anzahl Runden wird die Verteilung immer gleichförmiger π i = 1 N = 1 5 (ausprobieren). (3 P.) (d) Nun soll die Modellierung wie folgt geändert werden: Es gibt zwei Würfel mit W Seiten. Die Summe beider Würfel zieht die Spielfigur auf einmal. Wird ein Pasch (= beide Würfelaugenanzahl gleich) zum ersten Mal gewürfelt, wird die Spielfigur noch einmal gezogen. Werden zwei Pasche nacheinander gewürfelt, landet die Spielfigur auf Feld 0. Hinweis: Alle Zustände bekommen eine weitere Dimension, die angibt, ob ein Pasch vorher gewürfelt wurde oder nicht. i. Bonusaufgabe: Beschreiben Sie die Zustandsmenge für N beliebige Felder und W (3 P.) beliebige Würfelseiten als mathematische Formel (Konstruktionsvorschrift): S = S = { (a,b) 0 a N, a N, b = { 0 if ohne vorherigem Pasch 1 if vorher ein Pasch }} (23) Bonusaufgabe: Modellieren Sie zunächst die Wahrscheinlichkeiten für A i = Wert i wird gewürfelt ; P (A i )? z.b. durch Abzählen von W = 6 P (A i ) = H i 36 Wert i Wert i Häufigkeit H i (Beliebiges W kann durch Formel ausgedrückt werden.) B = irgendein Pasch wird gewürfelt ; P (B)? P (B) = 6 /36 B = i wurde als Pasch gewürfelt ; P (B A i )? Wert i 2, 4, 6, 8, 10, 12 3, 5, 7, 9, 11 P (B A i ) 1/36 0 (3 P.) KMS SoSe 2014 Hausübung 4 (Musterlösung ) 11/12
12 Hinweis: Ungewertete Zusatzaufgabe. i Bonusaufgabe: Beschreiben Sie die Zustandsübergangsmatrix für N beliebige Felder und W beliebige Würfelseiten als mathematische Formel (Konstruktionsvorschrift). Hinweis: Benutzen Sie die Wahrscheinlichkeiten aus (ii). Hinweis: Nehmen Sie vereinfacht an, dass 2W < N ist. Besonderheit hier: (i a,i b ) = i S, (j a,j b ) = j S (8 P.) j a i a if 0 < j a i a W ij = j a + M i a if 0 < j a + N i a W 0 else P (A ij ) P (B A ij ) if ij > 0 b i = 0 b j = 0 P (B A ij ) if ij > 0 b i = 0 b j = 1 m ij = P (A ij ) P (B A ij ) if ij > 0 b i = 1 b j = 0 P (B) if a j = 0 b i = 1 b j = 0 0 else (24) (25) KMS SoSe 2014 Hausübung 4 (Musterlösung ) 12/12
Übungen zur Mathematik für Pharmazeuten
Blatt 1 Aufgabe 1. Wir betrachten den Ereignisraum Ω = {(i,j) 1 i,j 6} zum Zufallsexperiment des zweimaligem Würfelns. Sei A Ω das Ereignis Pasch, und B Ω das Ereignis, daß der erste Wurf eine gerade Augenzahl
MehrAufgabe 2.1. Ergebnis, Ergebnismenge, Ereignis
Aufgabe 2. Ergebnis, Ergebnismenge, Ereignis Ergebnis und Ergebnismenge Vorgänge mit zufälligem Ergebnis, oft Zufallsexperiment genannt Bei der Beschreibung der Ergebnisse wird stets ein bestimmtes Merkmal
Mehry 1 2 3 4 5 6 P (Y = y) 1/6 1/6 1/6 1/6 1/6 1/6
Fachhochschule Köln Fakultät für Wirtschaftswissenschaften Prof. Dr. Arrenberg Raum 221, Tel. 39 14 jutta.arrenberg@fh-koeln.de Übungen zur Statistik für Prüfungskandidaten und Prüfungskandidatinnen Unabhängigkeit
MehrAufgabe 3: Übersetzen Sie die folgenden natürlich-sprachlichen Aussagen in die Sprache der
Aufgabe 1: Sind die folgenden Abbildungen jeweils injektiv, surjektiv und/oder bijektiv? (a) f 1 (x) = x, mit f 1 : R + R + (b) f (x) = x, mit f : R R (c) f 3 (x) = x, mit f 3 : R R (d) f 4 (x) = 3x, mit
MehrHausübung 2(Musterlösung)
SoSe 2014 Konzepte und Methoden der Systemsoftware Universität Paderborn Fachgebiet Rechnernetze Hausübung 2(Musterlösung) 2014-05-12 bis 2014-05-23 Hausübungsabgabe: Format: Lösungen in schriftlicher
MehrBei vielen Zufallsexperimenten interessiert man sich lediglich für das Eintreten bzw. das Nichteintreten eines bestimmten Ereignisses.
XI. Binomialverteilung ================================================================== 11.1 Definitionen -----------------------------------------------------------------------------------------------------------------
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
Mehr1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem P( ) = 0.
1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem Folg. 2 Sei (Ω, E, P) W.-raum. Seien A, B,A 1,...,A n Ereignisse. Es gelten die folgenden Aussagen: 1. P(A) = 1 P(A). 2. Für das unmögliche Ereignis gilt:
MehrÜbungsaufgaben Wahrscheinlichkeit
Übungsaufgaben Wahrscheinlichkeit Aufgabe 1 (mdb500405): In einer Urne befinden sich gelbe (g), rote (r), blaue (b) und weiße (w) Kugel (s. Bild). Ohne Hinsehen sollen aus der Urne in einem Zug Kugeln
Mehr173108 Großbrettspiel- Spielesammlung
Produktinformation 173108 Großbrettspiel- Spielesammlung Mit dem Großbrettspiel haben sie gleich eine ganze Ansammlung an tollen und bekannten Brettspielen. Alle Spiele sind auch für Blinde geeignet, da
MehrModul: Stochastik. Zufallsexperimente oder Wahrscheinlichkeit relative Häufigkeit Variation Permutation Kombinationen Binomialverteilung
Modul: Stochastik Ablauf Vorstellung der Themen Lernen Spielen Wiederholen Zusammenfassen Zufallsexperimente oder Wahrscheinlichkeit relative Häufigkeit Variation Permutation Kombinationen Binomialverteilung
MehrAlgorithmen & Datenstrukturen 1. Klausur
Algorithmen & Datenstrukturen 1. Klausur 7. Juli 2010 Name Matrikelnummer Aufgabe mögliche Punkte erreichte Punkte 1 35 2 30 3 30 4 15 5 40 6 30 Gesamt 180 1 Seite 2 von 14 Aufgabe 1) Programm Analyse
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.
MehrBestimmen der Wahrscheinlichkeiten mithilfe von Zählstrategien
R. Brinmann http://brinmann-du.de Seite 4.0.2007 Bestimmen der Wahrscheinlicheiten mithilfe von Zählstrategien Die bisherigen Aufgaben zur Wahrscheinlicheitsrechnung onnten im Wesentlichen mit übersichtlichen
MehrGrundlagen verteilter Systeme
Universität Augsburg Institut für Informatik Prof. Dr. Bernhard Bauer Stephan Roser Viviane Schöbel Wintersemester 07/08 Übungsblatt 5 08.01.08 Grundlagen verteilter Systeme Lösungsvorschlag Aufgabe 1:
MehrSCHALTEN ABER SCHLAU das GROẞe energieeffizienzspiel. spielregel
SCHALTEN ABER SCHLAU das GROẞe energieeffizienzspiel spielregel INHALT spielziel 03 Spielvorbereitung 04 Spielregel 06 Fragen und Antworten 09 Varianten 10 spielziel 03 spielziel Jeder Spieler verfolgt
MehrI. II. I. II. III. IV. I. II. III. I. II. III. IV. I. II. III. IV. V. I. II. III. IV. V. VI. I. II. I. II. III. I. II. I. II. I. II. I. II. III. I. II. III. IV. V. VI. VII. VIII.
MehrElementare statistische Methoden
Elementare statistische Methoden Vorlesung Computerlinguistische Techniken Alexander Koller 28. November 2014 CL-Techniken: Ziele Ziel 1: Wie kann man die Struktur sprachlicher Ausdrücke berechnen? Ziel
MehrFAQ Spielvorbereitung Startspieler: Wer ist Startspieler?
FAQ Spielvorbereitung Startspieler: Wer ist Startspieler? In der gedruckten Version der Spielregeln steht: der Startspieler ist der Spieler, dessen Arena unmittelbar links neben dem Kaiser steht [im Uhrzeigersinn].
MehrEntscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen?
Entscheidungsbäume Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Definition Entscheidungsbaum Sei T ein Binärbaum und A = {a 1,..., a n } eine zu sortierenden Menge. T ist ein Entscheidungsbaum
MehrProzessor (CPU, Central Processing Unit)
G Verklemmungen G Verklemmungen Einordnung: Prozessor (CPU, Central Processing Unit) Hauptspeicher (Memory) Ein-, Ausgabegeräte/ Periphere Geräte (I/O Devices) externe Schnittstellen (Interfaces) Hintergrundspeicher
MehrVon Paul Curzon, Queen Mary, University of London mit Unterstützung von Google und EPSRC
Compu terwissenscha ften mi t Spaßfak tor Spiele gewinnen: der perfekte Tic Tac Toe-Spieler Von Paul Curzon, Queen Mary, University of London mit Unterstützung von Google und EPSRC Spiele gewinnen: der
MehrVariationen Permutationen Kombinationen
Variationen Permutationen Kombinationen Mit diesen Rechenregeln lässt sich die Wahrscheinlichkeit bestimmter Ereigniskombinationen von gleichwahrscheinlichen Elementarereignissen ermitteln, und erleichtert
MehrWahrscheinlichkeit Klasse 8 7
7 Wahrscheinlichkeit Klasse 8 Ereignisse Seite 8 a) Ω {Herz 7; Herz 8; Herz 9; Herz 0; Herz Unter; Herz Ober; Herz König; Herz Ass; Eichel 7; Eichel 8; Eichel 9; Eichel 0; Eichel Unter; Eichel Ober; Eichel
MehrP X =3 = 2 36 P X =5 = 4 P X =6 = 5 36 P X =8 = 5 36 P X =9 = 4 P X =10 = 3 36 P X =11 = 2 36 P X =12 = 1
Übungen zur Stochastik - Lösungen 1. Ein Glücksrad ist in 3 kongruente Segmente aufgeteilt. Jedes Segment wird mit genau einer Zahl beschriftet, zwei Segmente mit der Zahl 0 und ein Segment mit der Zahl
MehrWinter der Toten FAQ Version 1.2
Winter der Toten FAQ Version 1.2 Inhaltsverzeichnis 1.0.0 Überlebende-karten 1.1.0 John Price... 2 1.2.0 Loretta Clay... 3 1.3.0 Edward White... 3 2.0.0 Schicksalskarten 2.1.0 Schicksalskarten Auslöser...
MehrWie löst man Mathematikaufgaben?
Wie löst man Mathematikaufgaben? Manfred Dobrowolski Universität Würzburg Wie löst man Mathematikaufgaben? 1 Das Schubfachprinzip 2 Das Invarianzprinzip 3 Das Extremalprinzip Das Schubfachprinzip Verteilt
MehrSpielanleitung Zahl der Spieler: Alter: Autor: Illustrationen: Inhalt:
Spielanleitung Art.-Nr.: 607-6362 Zahl der Spieler: Alter: Autor: Illustrationen: Inhalt: 1 6 ab 6 Jahren Michael Rüttinger Heidemarie Rüttinger, Alice Becker Spielplan mit Stadtplan von London 220 Karten
Mehr3.3 Eigenwerte und Eigenräume, Diagonalisierung
3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.
MehrSchriftliche Prüfungsarbeit zum mittleren Schulabschluss 2011 im Fach Mathematik. 18. Mai 2011
LAND BRANDENBURG Ministerium für Bildung, Jugend und Sport Senatsverwaltung für Bildung, Wissenschaft und Forschung Schriftliche Prüfungsarbeit zum mittleren Schulabschluss 2011 im Fach Mathematik 18.
MehrAustausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen
Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:
Mehr6.1 Grundlagen der Wahrscheinlichkeitsrechnung 6.1.1 Definitionen und Beispiele Beispiel 1 Zufallsexperiment 1,2,3,4,5,6 Elementarereignis
1 6.1 Grundlagen der Wahrscheinlichkeitsrechnung 6.1.1 Definitionen und Beispiele Spiele aus dem Alltagsleben: Würfel, Münzen, Karten,... u.s.w. sind gut geeignet die Grundlagen der Wahrscheinlichkeitsrechnung
Mehr3.7 Wahrscheinlichkeitsrechnung II
3.7 Wahrscheinlichkeitsrechnung II Inhaltsverzeichnis 1 bedingte Wahrscheinlichkeiten 2 2 unabhängige Ereignisse 5 3 mehrstufige Zufallsversuche 7 1 Wahrscheinlichkeitsrechnung II 28.02.2010 Theorie und
MehrErinnerung/Zusammenfassung zu Abbildungsmatrizen
Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend
Mehr5.2 Das All-Pairs-Shortest-Paths-Problem (APSP-Problem) Kürzeste Wege zwischen allen Knoten. Eingabe: Gerichteter Graph G =(V, E, c)
5.2 Das All-Pairs-Shortest-Paths-Problem (APSP-Problem) Kürzeste Wege zwischen allen Knoten. Eingabe: Gerichteter Graph G =(V, E, c) mit V = {1,...,n} und E {(v, w) 1 apple v, w apple n, v 6= w}. c : E!
Mehr6 Mehrstufige zufällige Vorgänge Lösungshinweise
6 Mehrstufige zufällige Vorgänge Lösungshinweise Aufgabe 6.: Begründen Sie, warum die stochastische Unabhängigkeit zweier Ereignisse bzw. zufälliger Vorgänge nur ein Modell der Realität darstellen kann.
MehrAktiv Kurs Thema Kompakt Test. Reißnägel werfen
. Reißnägel werfen Die Klasse 7a will wissen, mit welcher Wahrscheinlichkeit beim Reißnägel fallen lassen die Nadel nach oben zeigt. Dazu lässt jeder Schüler/jede Schülerin der Klasse einen Reißnagel 00-mal
MehrMusteraufgaben für das Fach Mathematik
Musteraufgaben für das Fach Mathematik zur Vorbereitung der Einführung länderübergreifender gemeinsamer Aufgabenteile in den Abiturprüfungen ab dem Schuljahr 013/14 Impressum Das vorliegende Material wurde
MehrName:... Matrikel-Nr.:... 3 Aufgabe Handyklingeln in der Vorlesung (9 Punkte) Angenommen, ein Student führt ein Handy mit sich, das mit einer Wahrscheinlichkeit von p während einer Vorlesung zumindest
MehrInformatik I WS 07/08 Tutorium 24
Info I Tutorium 24 Informatik I WS 07/08 Tutorium 24 20.12.07 Bastian Molkenthin E-Mail: infotut@sunshine2k.de Web: http://infotut.sunshine2k.de Rückblick Semi-Thue-Systeme Ein Semi-Thue-System besteht
MehrVorlesungsplan. Von Naïve Bayes zu Bayesischen Netzwerk- Klassifikatoren. Naïve Bayes. Bayesische Netzwerke
Vorlesungsplan 17.10. Einleitung 24.10. Ein- und Ausgabe 31.10. Reformationstag, Einfache Regeln 7.11. Naïve Bayes, Entscheidungsbäume 14.11. Entscheidungsregeln, Assoziationsregeln 21.11. Lineare Modelle,
MehrLeitprogramm Bubblesort
Leitprogramm Bubblesort Dr. Rainer Hauser Inhalt 1 Übersicht...1 2 Input-Block I: Der Sortieralgorithmus Bubblesort...2 3 Input-Block II: Die Effizienz von Bubblesort...6 4 Zusammenfassung...8 5 Lernkontrolle...9
MehrGuten Morgen und Willkommen zur Saalübung!
Guten Morgen und Willkommen zur Saalübung! 1 Wie gewinnt man ein Spiel? Was ist ein Spiel? 2 Verschiedene Spiele Schach, Tic-Tac-Toe, Go Memory Backgammon Poker Nim, Käsekästchen... 3 Einschränkungen Zwei
MehrInformatik für Schüler, Foliensatz 12 Pseudo-Zufallszahlen
rof. G. Kemnitz Institut für Informatik, Technische Universität Clausthal 14. April 2010 1/14 Informatik für Schüler, Foliensatz 12 Pseudo-Zufallszahlen Prof. G. Kemnitz Institut für Informatik, Technische
Mehr15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit
5.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit Einführendes Beispiel ( Erhöhung der Sicherheit bei Flugreisen ) Die statistische Wahrscheinlichkeit, dass während eines Fluges ein Sprengsatz an Bord
Mehr8 ALTER SCHNELLSPIEL-REGELN MONOPOLY AUF ZEIT
SCHNELLSPIEL-REGELN 8 ALTER 2 6 SPIELER Wenn Sie mit MONOPOLY vertraut sind, dann können Sie jetzt mit den Schnellspiel-Regeln eine kürzere Runde spielen. 1. Während der Vorbereitung des Spiels mischt
MehrSatz 2.8.3: Sei Q eine Intensitätsmatrix. Dann hat die
Satz 2.8.3: Sei Q eine Intensitätsmatrix. Dann hat die Rückwärtsgleichung P (t) = QP (t), P (0) = E eine minimale nicht negative Lösung (P (t) : t 0). Die Lösung bildet eine Matrix Halbgruppe, d.h. P (s)p
MehrUmsetzung von DEA in Excel
Umsetzung von DEA in Excel Thorsten Poddig Armin Varmaz 30. November 2005 1 Vorbemerkungen In diesem Dokument, das als Begleitmaterial zum in der Zeitschrift,,Controlling, Heft 10, 2005 veröffentlichten
Mehr2: Zahlentheorie / Restklassen 2.1: Modulare Arithmetik
Stefan Lucks Diskrete Strukturen (WS 2009/10) 57 2: Zahlentheorie / Restklassen 2.1: Modulare Arithmetik Uhr: Stunden mod 24, Minuten mod 60, Sekunden mod 60,... Rechnerarithmetik: mod 2 w, w {8, 16, 32,
MehrAbitur 2012 Mathematik GK Stochastik Aufgabe C1
Seite 1 Abiturloesung.de - Abituraufgaben Abitur 2012 Mathematik GK Stochastik Aufgabe C1 nter einem Regentag verstehen Meteorologen einen Tag, an dem mehr als ein Liter Niederschlag pro Quadratmeter gefallen
MehrKryptographie und Komplexität
Kryptographie und Komplexität Einheit 2.3 One-Time Pads und Perfekte Sicherheit 1. Perfekte Geheimhaltung 2. One-Time Pads 3. Strombasierte Verschlüsselung Wie sicher kann ein Verfahren werden? Ziel ist
Mehr3.8 Wahrscheinlichkeitsrechnung III
3.8 Wahrscheinlichkeitsrechnung III Inhaltsverzeichnis ufallsgrössen Der Erwartungswert 3 3 Die Binomialverteilung 6 4 Die kumulierte Binomialverteilung 8 4. Die Tabelle im Fundamentum (oder Formeln und
MehrMathematik-Dossier 5 Wahrscheinlichkeit Regelmässigkeit des Zufalls (angepasst an das Lehrmittel Mathematik 1)
Name: Mathematik-Dossier 5 Wahrscheinlichkeit Regelmässigkeit des Zufalls (angepasst an das Lehrmittel Mathematik 1) Inhalt: Absolute und relative Häufigkeit Wahrscheinlichkeit Voraussagen mit Wahrscheinlichkeit
MehrManfred Ludwig. Spielmaterial
Manfred Ludwig Manfred Ludwig wurde 1936 in München geboren. Er studierte an der Universität in München und arbeitete ab 1964 als Gymnasiallehrer für Französisch und Sport in Regensburg. Zum Spieleerfinden
MehrSoftware Engineering Übung 4 Architektur, Modulentwurf
software evolution & architecture lab Software Engineering Übung 4 Architektur, Modulentwurf 1 Informationen 1.1 Daten Ausgabe Di 27.10.2009 Abgabe So 08.11.2009 bis 23:59 Uhr Besprechung am Di 17.11.2009
MehrSPACY Das Spiel Das SPACY Spiel für 2 bis 6 Spieler ab 5 Jahren
SPACY Das Spiel Das SPACY Spiel für 2 bis 6 Spieler ab 5 Jahren Was wäre unsere Welt ohne Wasser? Und woher kam das Wasser? Vom Mars! Die Marsianer brachten uns das kostbare Nass und hatten dabei ganz
MehrSortieren durch Einfügen. Prof. Dr. W. Kowalk Sortieren durch Einfügen 1
Sortieren durch Einfügen Prof. Dr. W. Kowalk Sortieren durch Einfügen 1 Schon wieder aufräumen Schon wieder Aufräumen, dabei habe ich doch erst neulich man findet alles schneller wieder Bücher auf Regal
MehrSpielanleitung Wie funktioniert das Internet?
Spielanleitung Wie funktioniert das Internet? Ein Würfelspiel für 2 oder mehr Spieler 1. Für Spieler ab 6 Jahren. Spielmaterial: diese Spielanleitung 1 Spielwürfel (mit Augenzahlen 1 bis 4 und den Symbolen
MehrMaintenance & Re-Zertifizierung
Zertifizierung nach Technischen Richtlinien Maintenance & Re-Zertifizierung Version 1.2 vom 15.06.2009 Bundesamt für Sicherheit in der Informationstechnik Postfach 20 03 63 53133 Bonn Tel.: +49 22899 9582-0
MehrBeispielaufgaben zum Pflichtteil im Abitur Mathematik ab 2014
Beispielaufgaben zum Pflichtteil im Abitur Mathematik ab 04 Schwerpunkt: grundlegendes Anforderungsniveau 0 Inhaltsverzeichnis Inhaltsverzeichnis Seite Vorbemerkungen... Aufgabenvariationen und Ergänzungen
MehrWahrscheinlichkeitsrechnung
a.: Du bearbeitest die Aufgabe in Einzelarbeit. Lies dir die Aufgabe genau durch und überlege dir einen Lösungsansatz. Danach versuche eine Lösung zu erarbeiten. Für diese Phase hast du 10 Minuten Zeit.
MehrEinführung in die Informatik I
Einführung in die Informatik I Algorithmen und deren Programmierung Prof. Dr. Nikolaus Wulff Definition Algorithmus Ein Algorithmus ist eine präzise formulierte Handlungsanweisung zur Lösung einer gleichartigen
MehrAlgorithmen II Vorlesung am 15.11.2012
Algorithmen II Vorlesung am 15.11.2012 Kreisbasen, Matroide & Algorithmen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales
MehrKlausur Physikalische Chemie für TUHH (Chemie III)
07.03.2012 14.00 Uhr 17.00 Uhr Moritz / Pauer Klausur Physikalische Chemie für TUHH (Chemie III) Die folgende Tabelle dient Korrekturzwecken und darf vom Studenten nicht ausgefüllt werden. 1 2 3 4 5 6
Mehrvon Markus Kropf Ein Spiel für 2 7 Langohren ab 8 Jahren Spielmaterial Jeder der 7 Würfel hat folgende Symbole:
Ein Spiel für 2 7 Langohren ab 8 Jahren Tommy Has, Bürgermeister von Bunny Hill, schlägt Alarm. In den n seiner Stadt ist Full Has und die Zahl der Hasardeure ist dramatisch gestiegen. Für mehr und mehr
Mehr50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
MehrBin Packing oder Wie bekomme ich die Klamotten in die Kisten?
Bin Packing oder Wie bekomme ich die Klamotten in die Kisten? Ich habe diesen Sommer mein Abi gemacht und möchte zum Herbst mit dem Studium beginnen Informatik natürlich! Da es in meinem kleinen Ort keine
Mehr22. Algorithmus der Woche Partnerschaftsvermittlung Drum prüfe, wer sich ewig bindet
22. Algorithmus der Woche Partnerschaftsvermittlung Drum prüfe, wer sich ewig bindet Autor Volker Claus, Universität Stuttgart Volker Diekert, Universität Stuttgart Holger Petersen, Universität Stuttgart
MehrEinführung in die Kodierungstheorie
Einführung in die Kodierungstheorie Einführung Vorgehen Beispiele Definitionen (Code, Codewort, Alphabet, Länge) Hamming-Distanz Definitionen (Äquivalenz, Coderate, ) Singleton-Schranke Lineare Codes Hamming-Gewicht
MehrS=[n] Menge von Veranstaltungen J S kompatibel mit maximaler Größe J
Greedy-Strategie Definition Paradigma Greedy Der Greedy-Ansatz verwendet die Strategie 1 Top-down Auswahl: Bestimme in jedem Schritt eine lokal optimale Lösung, so dass man eine global optimale Lösung
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 12.01.2012 INSTITUT FÜR THEORETISCHE 0 KIT 12.01.2012 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der Informatik
MehrUnterrichtseinheit 11 «NetLa-Quiz»
Seite 1 Unterrichtseinheit 11 «NetLa-Quiz» Seite 1 Informationen zur Unterrichtseinheit... 2 Grundlagen für die Lehrperson... 3 Vorbereitung... 4 Ablauf der Unterrichtseinheit... 4 Erweiterungsmöglichkeiten
MehrAbschnitt: Algorithmendesign und Laufzeitanalyse
Abschnitt: Algorithmendesign und Laufzeitanalyse Definition Divide-and-Conquer Paradigma Divide-and-Conquer Algorithmen verwenden die Strategien 1 Divide: Teile das Problem rekursiv in Subproblem gleicher
MehrIngenieurinformatik Diplom-FA (Teil 2, C-Programmierung)
Hochschule München, FK 03 SS 2014 Ingenieurinformatik Diplom-FA (Teil 2, C-Programmierung) Zulassung geprüft: (Grundlagenteil) Die Prüfung ist nur dann gültig, wenn Sie die erforderliche Zulassungsvoraussetzung
MehrHOCHSCHULE KONSTANZ TECHNIK, WIRTSCHAFT UND GESTALTUNG. Das Luzifer-Rätsel. Prof. Dr. Hartmut Plesske Wintersemester 2008/09. von.
HOCHSCHULE KONSTANZ TECHNIK, WIRTSCHAFT UND GESTALTUNG Fakultät Informatik Das Luzifer-Rätsel Prof. Dr. Hartmut Plesske Wintersemester 2008/09 von Max Nagl nagl@fh-konstanz.de Inhaltsverzeichnis Inhaltsverzeichnis
MehrSpielregeln (die Vollversion mit den Optionen)
Spielregeln (die Vollversion mit den Optionen) Ziel des Spiels Plyt Herausforderungen Spieler richtig multiplizieren (oder hinzufügen) eine Anzahl von Würfeln zusammen und Rennen entlang der Strecke der
MehrBearbeitungshinweise. (20 Punkte)
Bearbeitungshinweise - Es sind alle Aufgaben zu bearbeiten. - Als Hilfsmittel sind lediglich nicht programmierbare Taschenrechner erlaubt. - Die Klausur darf nicht auseinander genommen werden. - Sämtliche
Mehr2. Programmierung in C
2. Programmierung in C Inhalt: Überblick über Programmiersprachen, Allgemeines zur Sprache C C: Basisdatentypen, Variablen, Konstanten Operatoren, Ausdrücke und Anweisungen Kontrollstrukturen (Steuerfluss)
MehrAlgorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 2014 / 2015. Vorlesung 5, Donnerstag, 20.
Algorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 2014 / 2015 Vorlesung 5, Donnerstag, 20. November 2014 (Wie baut man eine Hash Map, Universelles Hashing)
MehrDies ist die entscheidende Erkenntnis, um die es in diesem Buch geht. Nach Abschluss der Lektüre werden Sie verstehen, was genau ich damit meine.
Das Geheimnis der Spitzenspieler Das Spiel der Quoten No-Limit Hold em ist ein Spiel der Quoten. Liegen Sie mit Ihren Quoten grundlegend falsch, können Sie trotz noch so großem Engagement kein Gewinner
Mehr1.) Wie viele verschiedene Anordnungen mit drei unterschiedlichen Buchstaben lassen sich aus acht verschiedenen Buchstaben bilden?
Aufgaben zur Kombinatorik, Nr. 1 1.) Wie viele verschiedene Anordnungen mit drei unterschiedlichen Buchstaben lassen sich aus acht verschiedenen Buchstaben bilden? 2.) Jemand hat 10 verschiedene Bonbons
MehrDurch Wissen Millionär WerDen... Wer hat zuerst die Million erreicht? spielanleitung Zahl der spieler: alter: redaktion / autor: inhalt:
Spielanleitung Durch Wissen Millionär werden... Diesen Traum kann man sich in diesem beliebten Quiz-Spiel erfüllen. Ob allein oder in der geselligen Runde dieses Quiz enthält 330 Fragen und 1.320 Multiple-Choice-Antworten.
MehrDas Briefträgerproblem
Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................
MehrVorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel
Vorlesung 2 22 bzw 23 Januar 204 Lineares Gleichungssystem a a 2 b b 2 = F a a 2 a 3 b b 2 b 3 c c 2 c 3 = V V =< a, b c > c b a b a F V Seite 70 a x + a 2 x 2 + a 3 x 3 b = 0 < a x + a 2 x 2 + a 3 x 3
MehrWER? Dies sind die Verdächtigen. Einer dieser sechs Verdächtigen hat den Diebstahl begangen. Finden Sie heraus wer s war.
Der Ermittlungsstand Mehrere Gegenstände sind auf mysteriöse Weise in Rocky Beach verschwunden. Die Polizei hat anonyme Hinweise für verdächtige Aktivitäten an neun verschiedenen Orten bekommen und sechs
MehrTipp III: Leiten Sie eine immer direkt anwendbare Formel her zur Berechnung der sogenannten "bedingten Wahrscheinlichkeit".
Mathematik- Unterrichts- Einheiten- Datei e. V. Klasse 9 12 04/2015 Diabetes-Test Infos: www.mued.de Blutspenden werden auf Diabetes untersucht, das mit 8 % in der Bevölkerung verbreitet ist. Dabei werden
MehrStatistik 1: Einführung
Seite Stat- Statistik : Einführung Die mathematische Disziplin der Stochastik, die die Teilgebiete Wahrscheinlichkeitstheorie und mathematische Statistik umfaßt, beschäftigt sich mit der Beobachtung, Aufzeichnung
MehrNumerisches Programmieren
Technische Universität München SoSe 213 Institut für Informatik Prof. Dr. Thomas Huckle Dipl.-Inf. Christoph Riesinger Dipl.-Math. Jürgen Bräckle Numerisches Programmieren 2. Programmieraufgabe: Lineare
MehrDAP2-Klausur 07.08.2004
DAP2-Klausur 07.08.2004 Vorname : Familienname: Ich studiere (Bitte markieren): Informatik/Inform. Lehramt/Inf.technik/Physik/ Mathe/Statistik/Sonstiges: Bitte beachten: Auf jedem Blatt Matrikelnummer
MehrAbschlussklausur der Vorlesung Bank I, II:
Seite 1 von 23 Name: Matrikelnummer: Abschlussklausur der Vorlesung Bank I, II: Bankmanagement und Theory of Banking Hinweise: o Bitte schreiben Sie Ihren Namen und Ihre Matrikelnummer auf die Klausur
Mehr1 Ein Beispiel: Das Berechnen eines Schulzeugnisses
Funktionen in Excel 1 Ein Beispiel: Das Berechnen eines Schulzeugnisses Jim hat die folgenden Noten im 1. Trimester: Fach Prüfung 1 Prüfung 2 Prüfung 3 Englisch 35 38 43 Deutsch 44 42 48 Französisch 28
MehrLeitfaden Lineare Algebra: Determinanten
Leitfaden Lineare Algebra: Determinanten Die symmetrische Gruppe S n. Eine Permutation σ der Menge S ist eine bijektive Abbildung σ : S S. Ist S eine endliche Menge, so reicht es zu verlangen, dass σ injektiv
MehrProgrammierung 2. Dynamische Programmierung. Sebastian Hack. Klaas Boesche. Sommersemester 2012. hack@cs.uni-saarland.de. boesche@cs.uni-saarland.
1 Programmierung 2 Dynamische Programmierung Sebastian Hack hack@cs.uni-saarland.de Klaas Boesche boesche@cs.uni-saarland.de Sommersemester 2012 2 Übersicht Stammt aus den Zeiten als mit Programmierung
Mehrgeben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen
geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde
MehrData Mining: Einige Grundlagen aus der Stochastik
Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener
MehrLogo-Aufgaben mit Verbindung zur Mathematik
Logo-Aufgaben mit Verbindung zur Mathematik Student: Dozent: Prof. Juraj Hromkovic Datum: 13.06.007 Logo-Kenntnisse Für die Lösung der Aufgaben werden folge Logo-Befehle benötigt: Arithmetik: +, -, *,
Mehr6 Kontinente 42 Länder Armeen = Spielsteine
Risiko Ein Strategiespiel um die Befreiung besetzter Länder. Bei diesem Spiel gibt es - wie leider auch in der Realität - Einflußsphären, deren Bestand Besatzungsarmeen zu erhalten versuchen. Ziel von
MehrKurs 1575, Musterlösung zur Winter Klausur 2003/04
Kurs 1575, Musterlösung zur Klausur im Wintersemester 2003/04 1 Kurs 1575, Musterlösung zur Winter Klausur 2003/04 Aufgabe 1: Römische Zahlen Wer kennt das Problem nicht: Sie stehen vor einer Inschrift,
MehrWie Google Webseiten bewertet. François Bry
Wie Google Webseiten bewertet François Bry Heu6ge Vorlesung 1. Einleitung 2. Graphen und Matrizen 3. Erste Idee: Ranking als Eigenvektor 4. Fragen: Exisi6ert der Eigenvektor? Usw. 5. Zweite Idee: Die Google
MehrWahrscheinlichkeitstheorie. Zapper und
Diskrete Wahrscheinlichkeitsräume Slide 1 Wahrscheinlichkeitstheorie die Wissenschaft der Zapper und Zocker Diskrete Wahrscheinlichkeitsräume Slide 2 Münzwürfe, Zufallsbits Elementarereignisse mit Wahrscheinlichkeiten
Mehr