Analysis I. Vorlesung 17. Logarithmen. R R, x exp x,

Größe: px
Ab Seite anzeigen:

Download "Analysis I. Vorlesung 17. Logarithmen. R R, x exp x,"

Transkript

1 Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analyss I Vorlesung 17 Logarthmen Satz De reelle Exponentalfunkton R R, x exp x, st stetg und stftet ene Bjekton zwschen R und R +. Bewes. De Stetgket folgt aus Korollar Nach Korollar 15.8 (4) legt das Bld n R + und st nach dem Zwschenwertsatz en Intervall. De Unbeschränkthet des Bldes folgt aus Korollar 15.8 (3), woraus wegen Korollar 15.8 (2), folgt, dass auch belebg klene postve reelle Zahlen zum Bld gehören. Daher st das Bld glech R +. De Injektvtät ergbt sch aus Korollar 15.8 (6). Defnton Der natürlche Logarthmus ln : R + R, x ln x, st als de Umkehrfunkton der reellen Exponentalfunkton defnert. Satz Der natürlche Logarthmus ln : R + R, x ln x, st ene stetge, streng wachsende Funkton, de ene Bjekton zwschen R + und R stftet. Dabe glt für alle x,y R +. ln(x y) ln x+ ln y Bewes. Des folgt aus Satz 17.1, Satz 13.5, Satz 15.7 und Korollar

2 2 De Exponentalfunktonen für verschedene Basen Defnton Zu ener postven reellen Zahl b > 0 defnert man de Exponentalfunkton zur Bass b von z C als b z : exp(z ln b). Aufgabe 17.1 zegt, dass für reelle Argumente dese Defnton mt der aus der 14ten Vorlesung überenstmmt. Satz Für de Exponentalfunktonen C C, z a z, zur Bass a R + gelten de folgenden Rechenregeln (dabe seen a,b R + und z,w C, be (4) se zusätzlch z R). (1) a z+w a z a w. (2) a z 1. a z (3) (ab) z a z b z. (4) (a z ) w a zw. Bewes. Sehe Aufgabe Defnton Zu ener postven reellen Zahl b > 0 wrd der Logarthmus zur Bass b von x R + durch defnert. log b x : ln x ln b

3 3 Logarthmen zu verschedenen Basen Satz De Logarthmen zur Bass b erfüllen de folgenden Rechenregeln. (1) Es st log b (b x ) x und b log b (y) y, das heßt der Logarthmus zur Bass b st de Umkehrfunkton zur Exponentalfunkton zur Bass b. (2) Es glt log b (y z) log b y +log b z (3) Es glt log b y u u log b y für u R. (4) Es glt log a y log a (b log b y ) log b y log a b. Bewes. Sehe Aufgabe Summerbarket Be ener Rehe snd de aufzusummerenden Gleder durch de natürlchen Zahlen geordnet. Häufg kommt es vor, dass dese Ordnung verändert wrd. Dafür st es snnvoll, enen Summatonsbegrff zu bestzen, der unabhängg von jeder Ordnung der Indexmenge st. Wr werden dese Theore ncht systematsch entwckeln, sondern nur den großen Umordnungssatz bewesen, den wr soglech für das Entwckeln ener Potenzrehen n enem neuen Entwcklungspunkt benötgen. De Famle se als a, I, gegeben. Für jede endlche Telmenge E I kann man de zugehörgen Gleder aufsummeren, und wr setzen a E a. E Ene snnvolle Aufsummerung der gesamten Famle muss auf dese endlchen Telsummen a E Bezug nehmen. Defnton Se I ene Indexmenge und a, I, ene Famle von komplexen Zahlen. Dese Famle heßt summerbar, wenn es en s C gbt mt folgender Egenschaft: Zu jedem ǫ > 0 gbt es ene endlche Telmenge E 0 I derart, dass für alle endlchen Telmengen E I mt E 0 E de Bezehung a E s ǫ glt. Dabe st a E E a. Im summerbaren Fall heßt s de Summe der Famle.

4 4 Defnton Se I ene Indexmenge und a, I, ene Famle von komplexen Zahlen. Dese Famle heßt ene Cauchy-Famle, wenn es zu jedem ǫ > 0 ene endlche Telmenge E 0 I derart gbt, dass für jede endlche Telmenge D I mt E 0 D de Bezehung glt. Dabe st a D D a. a D ǫ Lemma Se I ene Indexmenge und a, I, ene Famle von komplexen Zahlen. Dann st de Famle genau dann summerbar, wenn se ene Cauchy-Famle st. Bewes. Se zunächst de Famle summerbar mt der Summe s, und se ǫ > 0 vorgegeben. Zu ǫ/2 gbt es ene endlche Telmenge E 0 I derart, dass für alle endlchen Mengen E I mt E 0 E de Abschätzung a E s ǫ/2 glt. Für jede zu E 0 dsjunkte endlche Telmenge D glt dann a D a D +a E0 s a E0 +s a D +a E0 s + a E0 s ǫ/2+ǫ/2 ǫ, so dass de Cauchy-Bedngung erfüllt st. Se nun a, I, ene Cauchy- Famle. Wr brauchen zunächst enen Kanddaten für de Summe. Für jedes n N + gbt es ene endlche Telmenge E n I derart, dass für jede endlche Telmenge D I mt E n D de Abschätzung a D 1/n glt. Wr können annehmen, dass E n E n+1 für alle n glt. Wr setzen Für k m n glt x k x m a E k x n : a En E n a. E m a aek \E m 1/m 1/n, da de Menge E k \ E m dsjunkt zu E m st. Daher st (x n ) n N ene Cauchy- Folge und somt wegen der Vollständgket von C konvergent gegen en s C. Wr behaupten, dass de Famle summerbar st mt der Summe s. Se dazu en ǫ > 0 vorgegeben. Es gbt n N + mt 1/n ǫ/2. Dann st wegen der Folgenkonvergenz x n s ǫ/2. Für jedes endlche E E n schreben wr E E n D mt E n D. Damt gelten de Abschätzungen a E s a En +a D s a En s + a D ǫ/2+ǫ/2 ǫ.

5 Korollar Es se a, I, ene summerbare Famle komplexer Zahlen und J I ene Telmenge. Dann st auch a, J, summerbar. 5 Bewes. Sehe Aufgabe Der große Umordnungssatz Satz Es se a, I, ene summerbare Famle von komplexen Zahlen mt der Summe s. Es se J ene wetere Indexmenge und zu jedem j J se ene Telmenge I j I gegeben mt j J I j I und I j I j für j j. 1 Dann snd de Telfamlen a, I j, summerbar und für hre Summen s j I j a glt, dass de Famle s j, j J, summerbar st mt s j J s j. Bewes. De Summerbarket der Telfamlen folgt aus Korollar Es se ǫ > 0 vorgegeben. Da de Ausgangsfamle summerbar st, gbt es ene endlche Telmenge E 0 I mt a E s ǫ/2 für alle endlchen Telmengen E I mt E 0 E. Es gbt ene endlche Telmenge F 0 J derart, dass E 0 j F 0 I j st. Wr behaupten, dass deses F 0 für de Famle s j, j J, de Summatonsegenschaft für ǫ erfüllt. Se dazu F J mt F 0 F endlch und n #(F). Da de Famlen a, I j, summerbar snd mt den Summen s j, gbt es für jedes j F en endlches G j,0 I j mt a Gj s j ǫ/2n für alle endlchen G j I j mt G j,0 G j. Wr wählen nun für jedes j F en solches G j so, dass zusätzlch E 0 I j G j glt. Dann st E 0 E : j F G j und daher j F a G j s E a s ǫ/2. Somt haben wr nsgesamt de Abschätzungen s j s j a Gj j F j F(s )+ a Gj s j F s j a Gj + a Gj s j F 1 D.h. de I j blden ene dsjunkte Verengung von I. j F

6 6 n ǫ/2n+ a s E n ǫ/2n+ǫ/2 ǫ. Der Entwcklungssatz für Potenzrehen Satz Es se f c n (z a) n n0 ene konvergente Potenzrehe mt dem Konvergenzradus R > 0 und se b U (a, R). Dann gbt es ene konvergente Potenzrehe h d (z b) 0 mt Entwcklungspunkt b und mt enem Konvergenzradus s R a b > 0 derart, dass de durch dese beden Potenzrehen dargestellten Funktonen auf U (b, s) überenstmmen. De Koeffzenten von h snd und nsbesondere st d d 1 n ( n ) c n (b a) n nc n (b a) n 1. n1 Bewes. Zur Notatonsverenfachung se a 0, b U (0, R) und z U (b,r b ). Wr betrachten de Famle ( ) n x n c n (z b) b n, n N, {0,...,n}. Wr zegen zuerst, dass dese Famle summerbar st. Des folgt aus der Abschätzung (unter Verwendung von Aufgabe 17.14) ( ) ( n N n ( ) ) n c n (z b) b n c n z b b n n0,...,n,0,...,n n0 0 N c n ( z b + b ) n n0

7 und daraus, dass wegen z b + b < R gemäß Lemma 16.7 de rechte Sete für belebges N beschränkt st. Wegen der Summerbarket gelten aufgrund des großen Umordnungssatzes de Glechungen f(z) c n z n n0 c n ((z b)+b) n n0 ( n ( ) n c n )(z b) b n 0 ( ) n c n (z b) b n ( ( ) n )c n b n (z b) n d (z b). n0 n N,0,...,n 0 0 7

8

9 Abbldungsverzechns Quelle Exponentals.svg, Autor Benutzer Superborsuk auf Commons, Lzenz CC-by-sa Quelle Fonctonslog3.svg, Autor Benutzer HB auf Commons, Lzenz CC-by-sa

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

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

Mathematik I. Vorlesung 24. Reihen

Mathematik I. Vorlesung 24. Reihen Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 24 Reihen Wir betrachten Reihen von komplexen Zahlen. Definition 24.1. Sei ( ) k N eine Folge von komplexen Zahlen. Unter der Reihe versteht

Mehr

3.3 Lineare Abbildungen und Matrizen

3.3 Lineare Abbildungen und Matrizen 33 LINEARE ABBILDUNGEN UND MATRIZEN 87 33 Lneare Abbldungen und Matrzen Wr wollen jetzt de numersche Behandlung lnearer Abbldungen zwschen Vektorräumen beschreben be der vorgegebene Basen de Hauptrolle

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

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

5. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013

5. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013 O. Alaya, S. Demrel M. Fetzer, B. Krnn M. Wed 5. Gruppenübung zur Vorlesung Höhere Mathematk Wntersemester /3 Dr. M. Künzer Prof. Dr. M. Stroppel Lösungshnwese zu den Hausaufgaben: Aufgabe H 6. Darstellungen

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

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

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

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

1 Mehrdimensionale Analysis

1 Mehrdimensionale Analysis 1 Mehrdmensonale Analyss Bespel: De Gesamtmasse der Erde st ene Funton der Erddchte ρ Erde und des Erdradus r Erde De Gesamtmasse der Erde st dann m Erde = V Erde ρ Erde Das Volumen ener Kugel mt Radus

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

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

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

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

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

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

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

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

Z Z, kurz { } Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden.

Z Z, kurz { } Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden. Kombnator. Problemstellung Ausgangspunt be ombnatorschen Fragestellungen st mmer ene endlche Menge M, aus deren Elementen man endlche Zusammenstellungen von Elementen aus M bldet. Formal gesprochen bedeutet

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

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

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

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

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

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

6. Hilbertraum und lineare Operatoren (mathematische Grundlagen QM)

6. Hilbertraum und lineare Operatoren (mathematische Grundlagen QM) 6. Hlbertraum und lneare Operatoren (mathematsche Grundlagen QM) 6.1 Hlbertraum Raum = mathematsches Konstrukt: Vektorraum a) Der lneare komplexe Raum st de Menge von mathematschen Objekten mt folgenden

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

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar.

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar. . Nullstellensuche Enes der ältesten numerschen Probleme stellt de Bestmmung der Nullstellen ener Funkton = dar. =c +c =c +c +c =Σc =c - sn 3 Für ene Gerade st das Problem trval, de Wurzel ener quadratschen

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

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

8. MARKOVKETTEN 127. Abbildung 8.1: Reduzible und periodische Markovkette. p ji IIP[X n 1 = j] = [(IIP[X n 1 = j]) j E P ] i. j=0

8. MARKOVKETTEN 127. Abbildung 8.1: Reduzible und periodische Markovkette. p ji IIP[X n 1 = j] = [(IIP[X n 1 = j]) j E P ] i. j=0 8. MARKOVKETTEN 17 8. Marovetten Abbldung 8.1: Reduzble und perodsche Marovette 8.1. Homogene Marovetten n dsreter Zet En Prozess {X n : n IIN} hesst homogene Marovette (n dsreter Zet) mt (abzählbarem)

Mehr

Beschreibende Statistik Mittelwert

Beschreibende Statistik Mittelwert Beschrebende Statstk Mttelwert Unter dem arthmetschen Mttel (Mttelwert) x von n Zahlen verstehen wr: x = n = x = n (x +x +...+x n ) Desen Mttelwert untersuchen wr etwas genauer.. Zege für n = 3: (x x )

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

Forschungsstatistik I

Forschungsstatistik I Psychologe Prof. Dr. G. Menhardt 2. Stock, Nordflügel R. 02-429 (Perske) R. 02-431 (Menhardt) Sprechstunde jederzet nach Verenbarung Forschungsstatstk I Dr. Malte Perske perske@un-manz.de WS 2008/2009

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

Hydrosystemanalyse: Finite-Elemente-Methode (FEM)

Hydrosystemanalyse: Finite-Elemente-Methode (FEM) Hydrosystemanalyse: Prof. Dr.-Ing. habl. Olaf Koldtz 1 Helmholtz Centre for Envronmental Research UFZ, Lepzg 2 Technsche Unverstät Dresden TUD, Dresden Dresden, 03. Jul 2015 1/31 Prof. Dr.-Ing. habl. Olaf

Mehr

Proof of Knowledge for Factorization & Fair Encryption of ElGamal/RSA Keys

Proof of Knowledge for Factorization & Fair Encryption of ElGamal/RSA Keys R. Fschln/15. Februar 000 Proof of Knowledge for Factorzaton & Far Encrypton of ElGamal/RS Keys G. Poupard und J. Stern [PS99a, PS99b] haben auf dem Lumny-Workshop enen (kurzen) Proof-of-Knowledge für

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

Mehr

Transformation von Gleichungen n - ter Ordnung in ein Gleichungssystem 1.Ordnung bei linearen gewoehnlichen Differentialgleichungen

Transformation von Gleichungen n - ter Ordnung in ein Gleichungssystem 1.Ordnung bei linearen gewoehnlichen Differentialgleichungen Praesentatonstechn SS4 Transformaton von Glechungen n - ter Ordnung n en Glechungssstem Ordnung be lnearen gewoehnlchen Dfferentalglechungen verfasst von den Studenten fuer Technsche Mathemat an der JKepler

Mehr

4. Rechnen mit Wahrscheinlichkeiten

4. Rechnen mit Wahrscheinlichkeiten 4. Rechnen mt Wahrschenlchketen 4.1 Axome der Wahrschenlchketsrechnung De Wahrschenlchketsrechnung st en Telgebet der Mathematk. Es st üblch, an den Anfang ener mathematschen Theore enge Axome zu setzen,

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

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

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

Mehr

Klasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten

Klasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten Versuch r. 1: achwes des Hook schen Gesetzes und Bestmmung der Federkonstanten achwes des Hookeschen Gesetzes und Bestmmung der Federkonstanten Klasse : ame1 : ame 2 : Versuchszel: In der Technk erfüllen

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

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

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

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

1. Runde 2010. Aufgaben und Lösungen. Bundeswettbewerb Mathematik

1. Runde 2010. Aufgaben und Lösungen. Bundeswettbewerb Mathematik Bundeswettbewerb Mathemat Wssenschaftszentrum Postfach 2 14 48 53144 Bonn Fon: 228-9 59 15-2 Fax: 228-9 59 15-29 e-mal: nfo@bundeswettbewerb-mathemat.de www.bundeswettbewerb-mathemat.de Korreturommsson

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

13.Selbstinduktion; Induktivität

13.Selbstinduktion; Induktivität 13Sebstndukton; Induktvtät 131 Sebstndukton be En- und Ausschatvorgängen Versuch 1: Be geschossenem Schater S wrd der Wderstand R 1 so groß gewäht, dass de Gühämpchen G 1 und G 2 gech he euchten Somt snd

Mehr

Algebraische Kombinatorik und Anwendungen in der kommutativen Algebra

Algebraische Kombinatorik und Anwendungen in der kommutativen Algebra Algebrasche Kombnatork und Anwendungen n der kommutatven Algebra Dr. Martna Kubtzke Wntersemester 2012/13 Goethe-Unverstät Frankfurt Inhaltsverzechns 1 Monomale Ideale und smplzale Komplexe 1 1.1 Monomale

Mehr

Einführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung. Übersicht. Wahrscheinlichkeitsrechnung. bedinge Wahrscheinlichkeit

Einführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung. Übersicht. Wahrscheinlichkeitsrechnung. bedinge Wahrscheinlichkeit Enführung n de bednge Wahrschenlchket Laplace-Wahrschenlchket p 0.56??? Zufallsexperment Randwahrschenlchket Überscht Was st Wahrschenlchket? Rechenregeln Der Multplkatonssatz Axomatsche Herletung Unabhänggket

Mehr

Grundlagen der Technischen Informatik. 9. Übung

Grundlagen der Technischen Informatik. 9. Übung Grundlagen der Technschen Informatk 9. Übung Chrstan Knell Kene Garante für Korrekt-/Vollständgket 9. Übungsblatt Themen Aufgabe 1: Aufgabe 2: Aufgabe 3: Komparator Adderer/Subtraherer Mehr-Operanden-Adderer

Mehr

III. Theorie des Haushalts

III. Theorie des Haushalts Pro. Dr. Fredel Bolle Vorlesung "Mkroökonome" WS 008/009 III. Theore des Haushalts 86 Pro. Dr. Fredel Bolle Vorlesung "Mkroökonome" WS 008/009 III. Theore des Haushalts 87 III. Theore des Haushalts Unternehmung

Mehr

Mathematik I. Vorlesung 7. Folgen in einem angeordneten Körper

Mathematik I. Vorlesung 7. Folgen in einem angeordneten Körper Prof. Dr. H. Brenner Osnabrück WS 009/010 Mathematik I Vorlesung 7 Folgen in einem angeordneten Körper Wir beginnen mit einem motivierenden Beispiel. Beispiel 7.1. Wir wollen die Quadratwurzel einer natürlichen

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

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

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

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

Übung zur Vorlesung. Informationstheorie und Codierung

Übung zur Vorlesung. Informationstheorie und Codierung Übung zur Vorlesung Informatonstheore und Coderung Prof. Dr. Lla Lajm März 25 Ostfala Hochschule für angewandte Wssenschaften Hochschule Braunschweg/Wolfenbüttel Postanschrft: Salzdahlumer Str. 46/48 3832

Mehr

Mathematik I. Vorlesung 25. Der große Umordnungssatz

Mathematik I. Vorlesung 25. Der große Umordnungssatz Prof. Dr. H. Brenner Osnabrück WS 009/010 Mathematik I Vorlesung 5 Der große Umordnungssatz Satz 5.1. (Großer Umordnungssatz) Es sei a i, i I, eine summierbare Familie von komplexen Zahlen mit der Summe

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

Zinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung

Zinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung Znsesznsformel (Abschntt 1.2) 3 Investton & Fnanzerung 1. Fnanzmathematk Unv.-Prof. Dr. Dr. Andreas Löffler (AL@wacc.de) t Z t K t Znsesznsformel 0 1.000 K 0 1 100 1.100 K 1 = K 0 + K 0 = K 0 (1 + ) 2

Mehr

5 Das Lebesgue Integral

5 Das Lebesgue Integral 5 AS LEBESGUE INTEGRAL 5 as Lebesgue Integral er Remann sche Integralbegrff m R n, den wr m ersten (für n = 1) und drtten Kaptel kennengelernt haben, eröffnet uns de Möglchket zur Berechnung ener sehr

Mehr

R R R R R. Beim Herausziehen des Weicheisenkerns steigt die Stromstärke.

R R R R R. Beim Herausziehen des Weicheisenkerns steigt die Stromstärke. . Selbstndukton Spule mt Wechesenkern Wrd en Wechesenkern n ene stromdurchflossene Spule hnengeschoben, so snkt vorübergehend de Stromstärke I. Erklärung: Das Esen erhöht de Flussdchte B und damt den magnetschen

Mehr

Der stöchiometrische Luftbedarf einer Reaktion kann aus dem Sauerstoffbedarf der Reaktion und der Zusammensetzung der Luft berechnet werden.

Der stöchiometrische Luftbedarf einer Reaktion kann aus dem Sauerstoffbedarf der Reaktion und der Zusammensetzung der Luft berechnet werden. Stoffwerte De Stoffwerte für de enzelnen omponenten raftstoff, Luft und Abgas snd den verschedenen Stellen aus den Lteraturhnwesen zu entnehmen, für enge Stoffe sollen jedoch de grundlegenden Zusammenhänge

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

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

Netzwerkstrukturen. Entfernung in Kilometer:

Netzwerkstrukturen. Entfernung in Kilometer: Netzwerkstrukturen 1) Nehmen wr an, n enem Neubaugebet soll für 10.000 Haushalte en Telefonnetz nstallert werden. Herzu muss von jedem Haushalt en Kabel zur nächstgelegenen Vermttlungsstelle gezogen werden.

Mehr

Grundlagen der stochastischen Integration

Grundlagen der stochastischen Integration Ruhr-Unverstät Bochum 2. November 29 Glederung Vorbemerkungen Vorberetungen (Fltratonen, Stoppzeten, Martngale) Lévy-Prozesse Stochastsche Integraton Itô-Formel Lteratur R. Cont, P. Tankov (24). Fnancal

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

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

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

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

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

2πσ. e ax2 dx = x exp. 2πσ. 2σ 2. Die Varianz ergibt sich mit Hilfe eines weiteren bestimmten Integrals: x 2 e ax2 dx = 1 π.

2πσ. e ax2 dx = x exp. 2πσ. 2σ 2. Die Varianz ergibt sich mit Hilfe eines weiteren bestimmten Integrals: x 2 e ax2 dx = 1 π. 2.5. NORMALVERTEILUNG 27 2.5 Normalvertelung De n der Statstk am häufgsten benutzte Vertelung st de Gauss- oder Normalvertelung. Wr haben berets gesehen, dass dese Vertelung aus den Bnomal- und Posson-Vertelungen

Mehr

Potenzen einer komplexen Zahl

Potenzen einer komplexen Zahl Potenzen ener komplexen Zahl 1-E1 1-E Abraham cc de Movre Abraham de Movre (17 175) französscher Mathematker Abraham de Movre der als Emgrant n London lebte glt als ener der Ponere der Wahrschenlchketsrechnung.

Mehr

Visualisierung der Volatilität bei der Interpolation von Zeitreihen: Excel-Makro Saffint

Visualisierung der Volatilität bei der Interpolation von Zeitreihen: Excel-Makro Saffint Vsualserung der Volatltät be der Interpolaton von Zetrehen: Excel-Makro Saffnt Norman Fckel Fredrch-Alexander-Unverstät Erlangen-Nürnberg Wrtschafts- und Sozalwssenschaftlche Fakultät Lehrstuhl für Statstk

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

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

Vorkurs Mathematik. Vorlesung 5. Cauchy-Folgen

Vorkurs Mathematik. Vorlesung 5. Cauchy-Folgen Prof. Dr. H. Brenner Osnabrück WS 2014/2015 Vorkurs Mathematik Vorlesung 5 Cauchy-Folgen Ein Problem des Konvergenzbegriffes ist, dass zur Formulierung der Grenzwert verwendet wird, den man unter Umständen

Mehr

Steuerungsverfahren und ihre Datenstrukturen 09 - Netzplantechnik

Steuerungsverfahren und ihre Datenstrukturen 09 - Netzplantechnik und hre Datenstrukturen 9-9....2 9. Zetplanung...2 9.. CPM... 3 9..2 PERT... 9..3 MPM... 5 9..4 Verglech zwschen CPM und MPM... 22 9.2 Ausblck: Kosten- und Kapaztätsplanung...23 9.3 Entschedungsnetzpläne...24

Mehr

Die Dreieckschaltung

Die Dreieckschaltung De Dreeckschaltung Handrechung zur Präsentaton Raphael Denert 5. Oktober 2016 Inhaltsverzechns 1 Wederholung: Knoten- und Maschenregel 1 1.1 Maschenregel.............................. 1 1.1.1 Bespel Maschenregel.....................

Mehr

1. Schaltungsbeschreibung - Netzwerktopologie. Regeln der Schaltwerktheorie:

1. Schaltungsbeschreibung - Netzwerktopologie. Regeln der Schaltwerktheorie: 1. Schaltungsbeschrebung - Netzwerktopologe Regeln der Schaltwerktheore: Krchhoffsche Spannungsregel Krchhoffsche Stromregel + Zweg- (bzw. Element-) Funktonen De Netzwerktopologe beschrebt de Verknüpfung

Mehr

Y 1 (rein) Y 2 (rein) Mischphase Bezeichnung (g) (g) (g) Mischung (l) (l) (l) Mischung,Lösung (l) (s) (l) Lösung. (s) (g) (s) Lösung

Y 1 (rein) Y 2 (rein) Mischphase Bezeichnung (g) (g) (g) Mischung (l) (l) (l) Mischung,Lösung (l) (s) (l) Lösung. (s) (g) (s) Lösung 3 Lösungen 3. Mschungen und Lösungen Homogene Phasen, n denen alle Komonenten glechartg behandelt werden, heßen Mschungen. Wenn ene Komonente m Überschuß vorlegt, kann man von Lösungen srechen. Sezfsche

Mehr

Hefte zur Logistik Prof. Dr. Siegfried Jetzke. Heft 1 Begriffsdefinitionen

Hefte zur Logistik Prof. Dr. Siegfried Jetzke. Heft 1 Begriffsdefinitionen Hefte zur Logstk Prof. Dr. Segfred Jetzke Heft 1 Begrffsdefntonen Jun 2010 Deses Heft st urheberrechtlch geschützt. Wenn Se de Quelle angeben, können Se gerne deses Heft wetergeben, Tele koperen oder aus

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

?? 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

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

Mathematik der Finanzmärkte Vorlesungsskript

Mathematik der Finanzmärkte Vorlesungsskript Mathematk der Fnanzmärkte Vorlesungsskrpt Wnter 24/25 Achm Klenke Insttut für Mathematk Johannes Gutenberg-Unverstät Manz Staudngerweg 9 D-5599 Manz 16. Februar 25 korrgert: 11. Aprl 25 2 Inhaltsverzechns

Mehr

3 g-adische Ziffernentwicklung reeller Zahlen

3 g-adische Ziffernentwicklung reeller Zahlen 1 3 g-adche Zffernentwcklung reeller Zahlen In deem Kaptel e tet 2 g N und Z g = {0, 1, 2, 3,..., g 1} N. Motvaton: Wr wollen jede potve reelle Zahl x > 0 n der Ba g 2 dartellen (g-adche Dartellung von

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

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

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

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

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