Einführung in die Informatik mit Java
|
|
- Bastian Schmidt
- vor 6 Jahren
- Abrufe
Transkript
1 Vorlesung vom
2 Übersicht 1 Polygonzüge und Anfangswertprobleme 2 Das Diffusionsmodell nach Bass 3 Erweiterung des Modells 4 Ein Parameteranpassungsproblem
3 Polygonzüge und Anfangswertprobleme 1 Polygonzüge und Anfangswertprobleme 2 Das Diffusionsmodell nach Bass 3 Erweiterung des Modells 4 Ein Parameteranpassungsproblem
4 Polygonzüge Polygonzüge sind stückweise lineare Funktionen p : [a, b] R. y (t 1, y 1 ) (t n, y n ) (t 0, y 0 ) t Sie sind durch ihre Stützstellen t 0 < t 1 <... < t n und ihre Stützwerte y 0, y 1,...,y n eindeutig bestimmt.
5 Polygonzüge Die Einschränkung eines Polygonzugs auf ein Teilintervall [t i 1, t i ] ist von folgender Form p [ti 1,t i ](t) = t i t t i t i 1 y i 1 + t t i 1 t i t i 1 y i y (t i 1, y i 1 ) (t i, y i ) t
6 Beispiel Ein Polygonzug p habe die Stützpunkte (1, 3) und (2, 2). Aufgabe: Geben Sie die Einschränkung des Polygonzugs auf das Teilintervall [t i 1, t i ] = [1, 2] in der Form p [ti 1,t i ](t) = t i t t i t i 1 y i 1 + t t i 1 t i t i 1 y i an. Welchen Wert hat der Polygonzug p an der Stelle t = 1.5? Lösung: p [1,2] (t) = (2 t)3 + (t 1)2, p(1.5) = p [1,2] (1.5) = 2.5
7 Anfangswertprobleme Ein Anfangswertproblem (AWP) ist ein Problem, bei dem eine differenzierbare Funktion y : R R gesucht ist, die { y (t) = f (t, y(t)), y(0) = η erfüllt. Dabei ist f eine vorgegebene Funktion von zwei Veränderlichen, genannt rechte Seite, und η ein vorgegebener Anfangswert ist.
8 Eulersches Polygonzugverfahren Das Eulersche Polygonzugverfahren konstruiert einen Polygonzug y h, der die Lösung y eines Anfangswertproblems { y (t) = f (t, y(t)) für alle t [a, b] annähert. y(a) = η y y(0) y h (t) y(t) t
9 Eulersches Polygonzugverfahren Die Stütztstellen t 0 < t 1 <... < t n und die Stützwerte y 0, y 1,...,y n der Näherungslösung y h werden nach folgenden Vorschriften berechnet. Stützstellen: t i := ih i = 0,...,n Stützwerte: { yi = y i 1 + hf (t i 1, y i 1 ) i = 1,...,n y 0 := η Dabei ist h = b a n die Schrittweite des Verfahrens.
10 Einfluss der Schrittweite Je kleiner die Schrittweite h, desto genauer nähert y h die Lösung y des Anfangswertproblems an. y y h = 1 h = 0.5 t t
11 Das Diffusionsmodell nach Bass 1 Polygonzüge und Anfangswertprobleme 2 Das Diffusionsmodell nach Bass 3 Erweiterung des Modells 4 Ein Parameteranpassungsproblem
12 Fragestellung Diffusion Der Begriff Diffusion bezeichnet hier die Gesamtheit aller Prozesse, die dazu führen, dass sich neue Produkte, Technologien oder Ideen innerhalb einer sozialen Gruppe ausbreiten und von den Individuen der Gruppe angenommen werden. Im folgenden soll es um die Verbreitung eines neuen Produktes auf einem Mark von Käufern gehen.
13 Das Diffusionsmodell nach Bass Das Bass Modell Das hier vorgestellte Modell wurde 1969 vom amerikanischen Marketing Professor Frank M. Bass entwickelt [1] und von diesem und anderen 1994 erweitert [2]. Mit diesem Modell konnten die Verkaufszahlen bestimmter Produkte gut simuliert werden. Betrachtet wurden beispielsweise die Verkaufszahlen von Tiefkühltruhen [1] Schwarzweiß Fernsehgeräten [1] Klimaanlagen [2]
14 Innovatoren und Immitatoren Das Diffusionsmodell nach Bass unterscheidet zwei Käufertypen, die ein neues Produkt annehmen: 1 Innovatoren entscheiden sich zum Kauf des neuen Produkts unabhängig von der Kaufentscheidung anderer. 2 Imitatoren entscheiden sich zum Kauf des neuen Produkts aufgrund von sozialem Druck, der dadurch entsteht, dass andere sich bereits zum Kauf des Produkts entschieden haben.
15 Innovatoren Innovatoren kaufen das neue Produkt typischerweise, weil sie sich davon einen Vorteil gegenüber anderen versprechen. um sich von anderen abzusetzen. weil sie die Möglichkeiten erkannt haben, die ihnen das neue Produkt bietet.
16 Innovatoren Nach Everett M. Rogers [3] zeichnen sich Innovatoren durch folgende Eigenschaften aus: sie sind eher optimistisch und risikofreudig. sie sind gebildet. sie verwenden mehrere Informationsquellen, bevor sie eine Entscheidung treffen.
17 Imitatoren Imitatoren kaufen das neue Produkt typischerweise, weil ihre Bekannten das Produkt ebenfalls gekauft haben. um mitreden zu können. weil das neue Produkt ein ihnen bekanntes Produkt vom Markt verdrängt hat.
18 Innovatoren Nach Everett M. Rogers [3] zeichnen sich Imitatoren durch folgende Eigenschaften aus: sie sind eher skeptisch und traditionsbewusst. sie sind weniger gebildet. sie verwenden vor allem den Rat von Bekannten, bevor sie Entscheidungen treffen.
19 Modellierung des Verhaltens Basierend auf den Charakterisierungen von Innovatoren und Imitatoren macht das Diffusionsmodell nach Bass folgende Annahmen: 1 Die Wahrscheinlichkeit dafür, dass ein Imitator das neue Produkt kauft, verhält sich proportional zur Anzahl der bereits verkauften Produkte. 2 Die Wahrscheinlichkeit dafür, dass ein Innovator das neue Produkt kauft, hängt zunächst nicht von der Anzahl der bereits verkauften Produkte ab. Sie sinkt jedoch mit der Anzahl der verkauften Produkte.
20 Mathematische Formulierung des Bass Modells Wir modellieren die Verbreitung des neuen Produkts relativ zum gesamten Markt durch eine differenzierbare Funktion y : [0, ) [0, 1] Wir interpretieren y(t) als die momentane Verbreitung des Produkts zum Zeitpunkt t. Damit kann y (t) als die momentane Verkaufsrate des Produkts zum Zeitpunkt t interpretiert werden.
21 Mathematische Formulierung des Bass Modells Modellgleichung Das Diffusionsmodell nach Bass stellt folgenden Zusammenhang zwischen der Verkaufsrate y und der Verbreitung y her: y (t) = (p + qy(t))(1 y(t)) p q wird Innovationskoeffizient genannt wird Imitationskoeffizient genannt
22 Interpretation der Modellgleichung Es gilt y (t) = (p + qy(t))(1 y(t)) = p (1 y(t)) +q y(t)(1 y(t)) }{{}}{{} (a) (b) (a) Verhalten der Innovatoren: p entspricht der Wahrscheinlichkeit, dass ein Innovator das neue Produkt kauft. (b) Verhalten der Imitatoren: q entspricht der Wahrscheinlichkeit, dass ein Imitator das neue Produkt kauft.
23 Anfangswertproblem Bass Modell Nach dem Bass Modell kann die Verbreitung eines neues Produkts durch folgendes Anfangswertproblem beschrieben werden { y (t) = (p + qy(t))(1 y(t)) für t 0, y(0) = 0. Werte für p und q werden aus empirischen Studien abgeleitet. Typischerweise gilt p 0.01, q 0.5.
24 Lösung des Anfangswertproblems Die Verbreitung eines neuen Produkts zeigt überlicherweise folgenden Verlauf 1 y t
25 Erweiterung des Modells 1 Polygonzüge und Anfangswertprobleme 2 Das Diffusionsmodell nach Bass 3 Erweiterung des Modells 4 Ein Parameteranpassungsproblem
26 Erweiterung des Modells Das Bass Modell kann erweitert werden, indem man einen so genannten Marketingkoeffizienten x > 0 einführt [2]. Bass Modell Nach dem erweiterten Bass Modell kann die Verbreitung eines neues Produkts durch folgendes Anfangswertproblem beschrieben werden { y (t) = (p + qy(t))(1 y(t))x für t 0, y(0) = 0.
27 Der Marketingkoeffizient Der Marketingkoeffizient x soll den Aufwand beschreiben, den ein Produzent betreibt, um sein Produkt am Markt zu plazieren. Einfluss auf diesen Koeffizienten können beispielsweise folgende Maßnahmen haben Werbekampagnen Sonderpreiskampagnen Kosten In der Regel führt eine Erhöhung des Marketingkoeffizienten zu erhöhten Kosten für den Produzenten!
28 Einfluss des Marketingkoeffizienten Für die Verkaufsrate im erweiterten Bass Modell gilt y (t) = (p + qy(t))(1 y(t))x Für x = 1 erhält man das gewöhnliche Bass Modell Für x < 1 ist die Verkaufsrate niedriger als im gewöhnlichen Bass Modell: Das Produkt verbreitet sich langsamer. Für x > 1 ist die Verkaufsrate höher als im gewöhnlichen Bass Modell: Das Produkt verbreitet sich schneller.
29 Einfluss des Marketingkoeffizienten Sei y x die Lösung des Anfangswertproblems aus dem erweiterten Bass Modell, d.h. y x erfülle { y x (t) = (p + qy x (t))(1 y x (t))x für t 0, y x (0) = 0. für einen fest gewählten Marketingkoeffizienten x. Einfluss des Markingkoeffizienten Sei t > 0 ein fest gewählter Zeitpunkt. Dann ist die Abbildung x y x (t) streng monoton wachsend.
30 Fragestellung Wie groß muss man den Marketingkoeffizienten x mindestens wählen, um zu einem gegebenen Zeitpunkt t > 0 eine bestimmte Verbreitung y x (t) des neues Produkts zu erreichen?
31 Quellen F. M. Bass. A new product growth model for consumer durables. Management Science, 15: , F. M. B. et. al. Why the bass model fits without decision variables. Marketing Science, 13: , E. M. Rogers. New product adoption and diffusion. Journal of Consumer Research, 2: , 1976.
32 Ein Parameteranpassungsproblem 1 Polygonzüge und Anfangswertprobleme 2 Das Diffusionsmodell nach Bass 3 Erweiterung des Modells 4 Ein Parameteranpassungsproblem
33 Parameteranpassungsproblem Definition Ein Parameteranpassungsproblem ist ein mathematisches Problem, bei dem eine Zielfunktion J : R R gegeben ist, die von einem Parameter x R abhängt. Es werden Parameter x 1, x 2,... gesucht, für die J(x) = ζ gilt, wobei ζ ein vorgegebener Zielwert ist.
34 Behandlung von Parameteranpassungsproblemen Offenbar gilt genau dann, wenn J(x) = ζ J(x) ζ = 0 gilt. Nullstellenproblem Jedes Parameteranpassungsproblem kann in ein Nullstellenproblem für die Funktion F(x) = J(x) ζ umformuliert werden.
35 Im Fall des Bass Modells Fragestellung Wie groß muss man den Marketingkoeffizienten x mindestens wählen, um zum Zeitpunkt t = 10 eine Verbreitung y x von 50% zu erreichen? Zielfunktion: J(x) = y x (10) y x,h (10) (Polygonzugverfahren) Zielwert: ζ = 0.5 Nullstellenproblem für die Funktion F(x) = y x,h (10) ζ
36 Das wars... Vielen Dank für Ihre Aufmerksamkeit!
Einstieg in die Informatik mit Java
Vorlesung vom 07.01.2008 Übersicht 1 Warm-Up zum Jahresbeginn 2 Anfangswertprobleme 3 Polygonzüge 4 Das Eulersche Polygonzugverfahren Warm-Up zum Jahresbeginn 1 Warm-Up zum Jahresbeginn 2 Anfangswertprobleme
MehrHöhere Mathematik III
Universität Stuttgart Fachbereich Mathematik Prof. Dr. J. Pöschel Dr. D. Zimmermann Dipl.-Math. K. Sanei Kashani Blatt 5 Höhere Mathematik III el, kb, mecha, phs Vortragsübungen (Musterlösungen) 7..4 Aufgabe
MehrKapitel 8: Gewöhnliche Differentialgleichungen 8.1 Definition, Existenz, Eindeutigkeit von Lösungen Motivation: z.b. Newton 2.
Kapitel 8: Gewöhnliche Differentialgleichungen 8.1 Definition, Existenz, Eindeutigkeit von Lösungen Motivation: z.b. Newton 2. Gesetz: (enthalten Ableitungen der gesuchten Funktionen) Geschwindigkeit:
MehrMathematik für Anwender II
Prof. Dr. H. Brenner Osnabrück SS 2012 Mathematik für Anwender II Vorlesung 37 Wir haben schon im ersten Semester gewöhnliche Differentialgleichungen samt einiger Lösungsverfahren besprochen. Dort ging
Mehr2 Funktionen einer Variablen
2 Funktionen einer Variablen 2.1 Einführende Beispiele Kostenfunktion und Stückkostenfunktion: Das Unternehmen Miel produziert hochwertige Waschmaschinen. Es hat monatliche Fikosten von 170.000. Die sind
MehrDifferentialgleichungen
Differentialgleichungen Viele physikalische Probleme können mathematisch als gewöhnliche Differentialgleichungen formuliert werden nur eine unabhängige Variable (meist t), z.b. Bewegungsgleichungen: gleichmäßig
MehrSchlussrechnung, Modellbildung und Interpolation
Schlussrechnung, Modellbildung und Interpolation Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 13/7, A-6020 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at Vortrag beim Lehrerfortbildungstag
MehrDierentialgleichungen 2. Ordnung
Dierentialgleichungen 2. Ordnung haben die allgemeine Form x = F (x, x, t. Wir beschränken uns hier auf zwei Spezialfälle, in denen sich eine Lösung analytisch bestimmen lässt: 1. reduzible Dierentialgleichungen:
MehrVorlesung 3: Risikoaversion
Vorlesung 3: Risikoaversion Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Entscheidung VL 3 (FS 11) Risikoaversion 1 / 21 1. Modellrahmen In diesem Kapitel betrachten wir nur monetäre
MehrSkalare Differenzialgleichungen
3 Skalare Differenzialgleichungen Differenzialgleichungen stellen eine Beziehung her zwischen einer oder mehreren Funktionen und ihren Ableitungen. Da Ableitungen Veränderungen beschreiben, modellieren
MehrDifferentialgleichungen
Kapitel Differentialgleichungen Josef Leydold Mathematik für VW WS 05/6 Differentialgleichungen / Ein einfaches Modell (Domar) Im Domar Wachstumsmodell treffen wir die folgenden Annahmen: () Erhöhung der
MehrMathematik für Anwender I
Prof. Dr. H. Brenner Osnabrück WS 20/202 Mathematik für Anwender I Vorlesung 30 Gewöhnliche Differentialgleichungen mit getrennten Variablen Definition 30.. Eine Differentialgleichung der Form y = g(t)
MehrNumerische Integration
A1 Numerische Integration Einführendes Beispiel In einem Raum mit der Umgebungstemperatur T u = 21.7 C befindet sich eine Tasse heissen Kaffees mit der anfänglichen Temperatur T 0 80 C. Wie kühlt sich
Mehrf(x 0 ) = lim f(b k ) 0 0 ) = 0
5.10 Zwischenwertsatz. Es sei [a, b] ein Intervall, a < b und f : [a, b] R stetig. Ist f(a) < 0 und f(b) > 0, so existiert ein x 0 ]a, b[ mit f(x 0 ) = 0. Wichtig: Intervall, reellwertig, stetig Beweis.
Mehr3. Ebene Systeme und DGL zweiter Ordnung
H.J. Oberle Differentialgleichungen I WiSe 2012/13 3. Ebene Systeme und DGL zweiter Ordnung A. Ebene autonome DGL-Systeme. Ein explizites DGL-System erster Ordung, y (t) = f(t, y(t)), heißt bekanntlich
MehrDifferentialgleichungen sind überall!
Differentialgleichungen sind überall! Helmut Abels Fakultät für Mathematik Universität Regensburg Folien und Co.: http://www.uni-r.de/fakultaeten/nat Fak I/abels/Aktuelles.html Tag der Mathematik am Albrecht-Altdorfer-Gymnasium
MehrBeschränktheit, Monotonie & Symmetrie
Beschränktheit, Monotonie & Symmetrie ein Referat Dies ist eine Beilage zum Gruppen-SOL - Projekt Potenz- & Exponentialfunktionen Ronald Balestra CH - 8046 Zürich www.ronaldbalestra.ch November 2015 Inhaltsverzeichnis
MehrNichtlineare Optimierung ohne Nebenbedingungen
Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt
MehrKlausurenkurs zum Staatsexamen (WS 2016/17): Differential und Integralrechnung 8
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 2016/17): Differential und Integralrechnung 8 8.1 (Herbst 2012, Thema 2, Aufgabe 5) Bestimmen Sie die allgemeine Lösung der Differentialgleichung (
MehrVorlesung 6: Alternativen zur Erwartungsnutzentheorie
Vorlesung 6: Alternativen zur Erwartungsnutzentheorie Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Entscheidung VL 6 (FS 11) Alternativen zur Erwartungsnutzentheorie 1 / 21 1.
MehrDie Differentialgleichung :
Die Differentialgleichung : Erstellt von Judith Ackermann 1.) Definition, Zweck 1.1) verschiedene Arten von Differentialgleichungen 2.) Beispiele und Lösungswege 2.1) gewöhnliche Differentialgleichungen
MehrPolynominterpolation
Polynominterpolation In der numerischen Mathematik versteht man unter Polynominterpolation die Suche nach einem Polynom, welches exakt durch vorgegebene Punkte (z. B. aus einer Messreihe) verläuft. Dieses
MehrWahrscheinlichkeitsrechnung und Quantentheorie
Physikalische Chemie II: Atombau und chemische Bindung Winter 2013/14 Wahrscheinlichkeitsrechnung und Quantentheorie Messergebnisse können in der Quantenmechanik ganz prinzipiell nur noch mit einer bestimmten
MehrMATHEMATISCHE METHODEN DER PHYSIK 1
MATHEMATISCHE METHODEN DER PHYSIK 1 Helmuth Hüffel Fakultät für Physik der Universität Wien Vorlesungsskriptum Sommersemester 2012 Version vom 08-03-2012 Inhaltsverzeichnis 1 Lineare gewöhnliche Differentialgleichungen
MehrAufgabenstellung: Explizite gewöhnliche Differentialgleichung 1. Ordnung mit Anfangsbedingung Gesucht ist eine Funktion y = y(x).
I Neunte Übungseinheit Inhalt der neunten Übungseinheit: Gewöhnliche Differentialgleichungen erster Ordnung I. Gewöhnliche Differentialgleichungen erster Ordnung Aufgabenstellung: Explizite gewöhnliche
MehrDefinition 3.1: Ein Differentialgleichungssystem 1. Ordnung
Kapitel 3 Dynamische Systeme Definition 31: Ein Differentialgleichungssystem 1 Ordnung = f(t, y) ; y R N ; f : R R N R N heißt namisches System auf dem Phasenraum R N Der Parameter t wird die Zeit genannt
Mehr6.6 Poisson-Verteilung
6.6 Poisson-Verteilung Die Poisson-Verteilung ist eine Wahrscheinlichkeitsverteilung, die zur Modellierung der Anzahl von zufälligen Vorkommnissen in einem bestimmten räumlichen oder zeitlichen Abschnitt
Mehr6. Polynom-Interpolation
6. Polynom-Interpolation 1 6.1. Klassische Polynom-Interpolation 2 6.2. Lösung mit Hilfe Lagrange scher Basisfunktionen 3 6.3. Lösung mit Hilfe Newton scher Basisfunktionen 4 6.4. Fehlerabschätzung für
MehrModell zur Einflussanalyse Ein Modell zur Einflussanalyse von Methodenänderungen in Entwicklungsprozessen
Modell zur Einflussanalyse Ein Modell zur Einflussanalyse von Methodenänderungen in Entwicklungsprozessen Roland Koppe, Stefan Häusler, Axel Hahn 2 Übersicht Einleitung und Motivation Ansatz und Methodik
MehrVorlesung 2: Erwartungsnutzen
Vorlesung 2: Erwartungsnutzen Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Entscheidung VL 2 (FS 11) Erwartungsnutzen 1 / 28 1. Modellrahmen 1.1 Die Alternativen Wir betrachten
MehrNach der Theorie der Partialbruchzerlegung kann der Bruch auf der linken Seite in Teilbrüche zerlegt werden: = + =
ist ( 6.4 Logistisches Wachstum Ein Nachteil des Modells vom beschränkten Wachstum besteht darin, dass für kleine t die Funktion ungefähr linear statt exponentiell wächst. Diese chwäche wird durch das
MehrVorlesung 4: Risikoallokation
Vorlesung 4: Risikoallokation Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie, FS 12 Risikoallokation 1/23 2 / 23 4.1 Einleitung Bisher haben wir uns ausschliesslich
Mehr1 Einführung, Terminologie und Einteilung
Zusammenfassung Kapitel V: Differentialgleichungen 1 Einführung, Terminologie und Einteilung Eine gewöhnliche Differentialgleichungen ist eine Bestimmungsgleichung um eine Funktion u(t) einer unabhängigen
MehrEinführung. Ablesen von einander zugeordneten Werten
Einführung Zusammenhänge zwischen Größen wie Temperatur, Geschwindigkeit, Lautstärke, Fahrstrecke, Preis, Einkommen, Steuer etc. werden mit beschrieben. Eine Zuordnung f, die jedem x A genau ein y B zuweist,
MehrDie Forderungen 1) und 2) sind sowohl mathematisch als auch physikalisch vernünftig und einleuchtend. 3) ist eine Forderung über die
Kapitel II Elementares zu den Partiellen Differentialgleichungen 4 Sachgemäßheit und Superposition Definition 4.1 Sachgemäßheit Eine ARWA, AWA oder RWA heißt sachgemäß, falls 1) die Aufgabe eine Lösung
MehrGewöhnliche Dierentialgleichungen
Gewöhnliche Dierentialgleichungen sind Gleichungen, die eine Funktion mit ihren Ableitungen verknüpfen. Denition Eine explizite Dierentialgleichung (DGL) nter Ordnung für die reelle Funktion t x(t) hat
MehrExplizite Runge-Kutta-Verfahren
Explizite Runge-Kutta-Verfahren Proseminar Numerische Mathematik Leitung: Professor Dr. W. Hofmann Dominik Enseleit 06.07.2005 1 1 Einleitung Nachdem wir schon einige numerische Verfahren zur Lösung gewöhnlicher
MehrDifferentialgleichungen sind überall!
Differentialgleichungen sind überall! Helmut Abels Fakultät für Mathematik Universität Regensburg Folien und Co.: http://www.uni-regensburg.de/mathematik/mathematik-abels/aktuelles/index.html Schnupperstudium
MehrAbleitungsfunktion einer linearen Funktion
Ableitungsfunktion einer linearen Funktion Aufgabennummer: 1_009 Prüfungsteil: Typ 1! Typ 2 " Aufgabenformat: Konstruktionsformat Grundkompetenz: AN 3.1! keine Hilfsmittel! gewohnte Hilfsmittel möglich
Mehr8.1 Begriffsbestimmung
8 Gewöhnliche Differentialgleichungen 8 Gewöhnliche Differentialgleichungen 8.1 Begriffsbestimmung Wir betrachten nur Differentialgleichungen für Funktionen einer (reellen) Variablen. Definition: Für eine
MehrLösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 2016
Institut für Analysis Prof Dr Michael Plum Lösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 0 0090 Aufgabe Punkte: Betrachten Sie das lineare Gleichungssystem Ax = b mit A = 0 und b
Mehr23. DIFFERENTIALRECHNUNG VON FUNKTIONEN VON MEHREREN VARIABLEN
204 Dieses Skript ist ein Auszug mit Lücken aus Einführung in die mathematische Behandlung der Naturwissenschaften I von Hans Heiner Storrer, Birkhäuser Skripten. Als StudentIn sollten Sie das Buch auch
MehrFlüsse, Fixpunkte, Stabilität
1 Flüsse, Fixpunkte, Stabilität Proseminar: Theoretische Physik Yannic Borchard 7. Mai 2014 2 Motivation Die hier entwickelten Formalismen erlauben es, Aussagen über das Verhalten von Lösungen gewöhnlicher
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrKlausurlösung Einführung in Numerische Methoden und FEM Universität Siegen, Department Maschinenbau,
Universität Siegen, Department Maschinenbau, 7.7. Aufgabe y 3 l 3 3 F l l x Das dargestellte Fachwerk soll statisch mit Hilfe der FEM untersucht werden. Die Knoten und Elemente sind in der Abbildung nummeriert.
MehrParareal. Ein paralleler Lösungsalgorithmus für gewöhnliche Differentialgleichungen. Johannes Reinhardt. Parareal 1 Johannes Reinhardt
Ein paralleler Lösungsalgorithmus für gewöhnliche Differentialgleichungen Johannes Reinhardt 1 Johannes Reinhardt Übersicht Grundlagen Gewöhnliche Differentialgleichungen Numerische Methoden Der Algorithmus
MehrMathematik 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
Mehr12 Gewöhnliche Differentialgleichungen
2 2 Gewöhnliche Differentialgleichungen 2. Einleitung Sei f : D R wobei D R 2. Dann nennt man y = f(x, y) (5) eine (gewöhnliche) Differentialgleichung (DGL) erster Ordnung. Als Lösung von (5) akzeptiert
Mehr5 Numerische Mathematik
6 5 Numerische Mathematik Die Numerische Mathematik setzt sich aus mehreren Einzelmodulen zusammen Für alle Studierenden ist das Modul Numerische Mathematik I: Grundlagen verpflichtend In diesem Modul
MehrVorlesung 3: Versicherungsnachfrage
Vorlesung 3: Versicherungsnachfrage Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie, FS 12 Versicherungsnachfrage 1/20 2 / 20 3. 1 Das Versicherungsnachfrageproblem
MehrProbeklausur zur Analysis II
Probeklausur zur Analysis II Prof. Dr. C. Löh/M. Blank 3. Februar 2012 Name: Matrikelnummer: Vorname: Übungsleiter: Diese Klausur besteht aus 8 Seiten. Bitte überprüfen Sie, ob Sie alle Seiten erhalten
MehrMathematischer Vorkurs Dr. Thomas Zehrt Funktionen 1. 1 Grundlagen 2. 2 Der Graph einer Funktion 4. 3 Umkehrbarkeit 5
Universität Basel Wirtschaftswissenschaftliches Zentrum Abteilung Quantitative Methoden Mathematischer Vorkurs Dr. Thomas Zehrt Funktionen 1 Inhaltsverzeichnis 1 Grundlagen 2 2 Der Graph einer Funktion
MehrMathematische Methoden für Informatiker
Prof. Dr. www.math.tu-dresden.de/ baumann 8.12.2016 20. Vorlesung Differentialgleichungen n-ter Ordnung Lösung einer Differentialgleichung Veranschaulichung der Lösungsmenge Anfangswertprobleme Differentialgleichungen
Mehrπ und die Quadratur des Kreises
π und die Quadratur des Kreises Schnupper-Uni für SchülerInnen 8. Februar 2006 Dr. Michael Welter http://www.math.uni-bonn.de/people/welter 1 Konstruktionen mit Zirkel und Lineal Gegeben sei eine Menge
MehrVorlesung Mathematik 2 für Ingenieure (A)
1 Vorlesung Mathematik 2 für Ingenieure (A) Sommersemester 2017 Kapitel 8: Gewöhnliche Differenzialgleichungen Prof. Dr. Gerald Warnecke Nach Folienvorlage von Prof. Dr. Volker Kaibel Otto-von-Guericke
MehrMathematik für Ökonomen 1
Mathematik für Ökonomen 1 Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Herbstemester 2008 Mengen, Funktionen und Logik Inhalt: 1. Mengen 2. Funktionen 3. Logik Teil 1 Mengen
MehrSystemwissenschaften, Mathematik und Statistik
Systemwissenschaften, Mathematik und Statistik Systemwissenschaften: 1 WS: Systemwissenschaften 1, VO 2std 2 SS: Systemwissenschaften 2, VO 2std Übung zu Systemwissenschaften, UE 2std 3 WS: Systemwissenschaften
MehrSeminar Gewöhnliche Differentialgleichungen
Seminar Gewöhnliche Differentialgleichungen Dynamische Systeme I 1 Einleitung 1.1 Nichtlineare Systeme In den vorigen Vorträgen haben wir uns mit linearen Differentialgleichungen beschäftigt. Nun werden
MehrHöhere Mathematik III für die Fachrichtung Elektrotechnik und Informationstechnik
Karlsruher Institut für Technologie Institut für Analysis Priv.-Doz. Dr. P. C. Kunstmann Dipl.-Math. Sebastian Schwarz SS 6.4.6 Höhere Mathematik III für die Fachrichtung Elektrotechnik und Informationstechnik
Mehr5 Interpolation und Approximation
5 Interpolation und Approximation Problemstellung: Es soll eine Funktion f(x) approximiert werden, von der die Funktionswerte nur an diskreten Stellen bekannt sind. 5. Das Interpolationspolynom y y = P(x)
MehrAnwendungen des Fréchet-Abstandes Das Constrained Free Space Diagram zur Analyse von Körperbewegungen
Anwendungen des Fréchet-Abstandes Das Constrained Free Space Diagram zur Analyse von Körperbewegungen David Knötel Freie Universität Berlin, Institut für Informatik Seminar über Algorithmen Leitfaden Wiederholung
Mehr6 Gewöhnliche Differentialgleichungen
6 Gewöhnliche Differentialgleichungen Differentialgleichungen sind Gleichungen in denen nicht nur eine Funktion selbst sondern auch ihre Ableitungen vorkommen. Im einfachsten Fall gibt es eine unabhängige
Mehr2 für 1: Subventionieren Fahrgäste der 2. Klasse bei der Deutschen Bahn die 1. Klasse?
2 für 1: Subventionieren Fahrgäste der 2. Klasse bei der Deutschen Bahn die 1. Klasse? Felix Zesch November 5, 2016 Abstract Eine kürzlich veröffentlichte These lautet, dass bei der Deutschen Bahn die
MehrKapitel 2. Mathematik für Mikroökonomie
Kapitel Mathematik für Mikroökonomie 1 Mathematik der Optimierung Ökonomische Theorien basieren auf der Annahme, dass die Agenten versuchen, den optimalen Wert einer Funktion zu wählen. Konsumenten maximieren
MehrMengen, Funktionen und Logik
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Mengen, Funktionen und Logik Literatur Referenz: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,
Mehr13. Funktionen in einer Variablen
13. Funktionen in einer Variablen Definition. Seien X, Y Mengen. Eine Funktion f : X Y ist eine Vorschrift, wo jedem Element der Menge X eindeutig ein Element von Y zugeordnet wird. Wir betrachten hier
MehrWas ist eine Funktion?
Lerndomino zum Thema Funktionsbegriff Kopiereen Sie die Seite (damit Sie einen Kontrollbogen haben), schneiden Sie aus der Kopie die "Dominosteine" zeilenweise aus, mischen Sie die "Dominosteine" und verteilen
Mehre. Für zwei reelle Zahlen x,y R gelten die Additionstheoreme sin(x+y) = cos(x) sin(y)+sin(x) cos(y). und f. Für eine reelle Zahl x R gilt e ix = 1.
8. GRENZWERTE UND STETIGKEIT VON FUNKTIONEN 51 e. Für zwei reelle Zahlen x,y R gelten die Additionstheoreme cos(x+y) = cos(x) cos(y) sin(x) sin(y) und sin(x+y) = cos(x) sin(y)+sin(x) cos(y). f. Für eine
Mehr4 Gewöhnliche Differentialgleichungen
4 Gewöhnliche Differentialgleichungen 4.1 Einleitung Definition 4.1 Gewöhnliche Differentialgleichung n-ter Ordnung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten
MehrBestimmen Sie die Lösung des Anfangswertproblems. y (x) 4y (x) 5y(x) = 6e x. y(0) = y (0) = 0.
Aufgabe Bestimmen Sie die Lösung des Anfangswertproblems y (x) 4y (x) 5y(x) = 6e x y(0) = y (0) = 0. Zunächst bestimmen wir die Lösung der homogenen DGL. Das charakteristische Polynom der DGL ist λ 2 4λ
MehrDifferential- und Integralrechnung
Brückenkurs Mathematik TU Dresden 2016 Differential- und Integralrechnung Schwerpunkte: Differentiation Integration Eigenschaften und Anwendungen Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik
MehrMonotonie, Konkavität und Extrema
Kapitel 8 Monotonie, Konkavität und Extrema Josef Leydold Auffrischungskurs Mathematik WS 2017/18 8 Monotonie, Konkavität und Extrema 1 / 55 Monotonie Eine Funktion f heißt monoton steigend, falls x 1
MehrDifferenzengleichungen
Universität Basel Wirtschaftswissenschaftliches Zentrum Differenzengleichungen Dr. Thomas Zehrt Inhalt: 1. Einführungsbeispiele 2. Definition 3. Lineare Differenzengleichungen 1. Ordnung (Wiederholung)
MehrWiederholungsklausur zur Analysis II
Wiederholungsklausur zur Analysis II Prof. Dr. C. Löh/M. Blank 11. April 2012 Name: Matrikelnummer: Vorname: Übungsleiter: Diese Klausur besteht aus 8 Seiten. Bitte überprüfen Sie, ob Sie alle Seiten erhalten
MehrFolie zur Vorlesung Wahrscheinlichkeitsrechnung und Stoch. Prozesse
Folie zur Vorlesung Wahrscheinlichkeitsrechnung und Stoch. Prozesse Zu Markov-Prozessen: Bemerkungen: 17.01.2013 Wir betrachten im Folgenden eine Markovkette (X n ) n N0, wobei jedes X n Werte in Z = {0,1,2,...,s}
MehrMathematische Grundlagen der dynamischen Simulation
Mathematische Grundlagen der dynamischen Simulation Dynamische Systeme sind Systeme, die sich verändern. Es geht dabei um eine zeitliche Entwicklung und wie immer in der Informatik betrachten wir dabei
MehrStetige Funktionen. Definition. Seien (X, d) und (Y, D) metrische Räume und f : X Y eine Abbildung. i) f heißt stetig in x 0 (x 0 D(f)), wenn
Stetige Funktionen Eine zentrale Rolle in der Analysis spielen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume). Dabei sind i.a. nicht beliebige
MehrFunktionen mehrerer Variablen
Funktionen mehrerer Variablen Partielle Ableitungen 1-E Die Grundfragen Um Differentialrechnung im Mehrdimensionalen zu formulieren, müssen wir folgende Fragen beantworten: 1-1 Wie wird die Konstruktion
Mehr9.4 Lineare gewöhnliche DGL
9.4 Lineare gewöhnliche DGL Allgemeinste Form einer gewöhnlichen DGL: Falls linear in ist, sprechen wir von einer "linearen" DGL: und eine Matrix zeitabhängigen Komponenten ein zeitabhängiger Vektor In
MehrWechselkurse und Finanzmarkt-Indizes
8. Mai 2008 Inhaltsverzeichnis 1 Wechselkurse Einführung Wechselkurs US Dollar - Deutsche Mark Statistischer Prozess 2 Reinjektion Eigenschaften der Fluktuationen von x(τ) 3 Diffusion auf Finanzmärkten
Mehr2. Teilbarkeit. Euklidischer Algorithmus
O. Forster: Einführung in die Zahlentheorie 2. Teilbarkeit. Euklidischer Algorithmus 2.1. Wir benutzen die folgenden Bezeichnungen: Z = {0, ±1, ±2, ±3,...} Menge aller ganzen Zahlen N 0 = {0, 1, 2, 3,...}
Mehr9 Funktionen und ihre Graphen
57 9 Funktionen und ihre Graphen Funktionsbegriff Eine Funktion ordnet jedem Element aus einer Menge D f genau ein Element aus einer Menge W f zu. mit = f(), D f Die Menge aller Funktionswerte nennt man
MehrWichtige Klassen reeller Funktionen
0 Wichtige Klassen reeller Funktionen Monotone Funktionen sind i.a. unstetig, aber man kann etwas über das Grenzwertverhalten aussagen, wenn man nur einseitige Grenzwerte betrachtet. Definition 0. : Sei
MehrMonte-Carlo Tests. Diplomarbeit. Wiebke Werft. Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf
Monte-Carlo Tests Diplomarbeit Wiebke Werft Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf Düsseldorf im Dezember 2003 Betreuung: Prof. Dr. Arnold Janssen Inhaltsverzeichnis Einleitung
MehrKapitel 3. Konvergenz von Folgen und Reihen
Kapitel 3. Konvergenz von Folgen und Reihen 3.1. Normierte Vektorräume Definition: Sei V ein Vektorraum (oder linearer Raum) über (dem Körper) R. Eine Abbildung : V [0, ) heißt Norm auf V, falls die folgenden
Mehr2. Übungsblatt zur Mathematik III für MB/MPE, LaB/WFM, VI, WI/MB
Fachbereich Mathematik Prof. Dr. J. Lang Dipl.-Math. C. Schönberger Dipl.-Math. L. Kamenski WS 007/08 6.Oktober 007. Übungsblatt zur Mathematik III für MB/MPE, LaB/WFM, VI, WI/MB Gruppenübung Aufgabe G4
Mehr4. Weitere Ableitungregeln ================================================================= 4.1 Die Ableitung der Sinus-und Kosinusfunktion
4. Weitere Ableitungregeln ================================================================= 4.1 Die Ableitung der Sinus-und Kosinusfunktion ----------------------------------------------------------------------------------------------------------------
MehrExponentialfunktionen. Eigenschaften, graphische Darstellungen 1-E1 Vorkurs, Mathematik
e Exponentialfunktionen Eigenschaften, graphische Darstellungen 1-E1 Vorkurs, Mathematik Exponentialfunktionen Potenzfunktion: y = x 9 Exponentialfunktion: y = 9 x Die Potenz- und die Exponentialfunktionen
MehrMathematik für Biologen und Chemiker Prof. Scheltho - Übungen Mathe 2
Mathematik für Biologen und Chemiker Prof. Scheltho - Übungen Mathe 2 Fortsetzung der komlexen Zahlen : 9. Radizieren und Potenzen a) Berechnen Sie (1+i) 20 und geben Sie das Resultat als Polarkoordinaten
MehrÜbungsaufgaben zur Vorlesung ANALYSIS I (WS 12/13) Lösungsvorschlag Serie 12
Humboldt-Universität zu Berlin Institut für Mathematik Prof. A. Griewank Ph.D.; Dr. A. Hoffkamp; Dipl.Math. T.Bosse; Dipl.Math. L. Jansen Übungsaufgaben zur Vorlesung ANALYSIS I (WS 2/3) Lösungsvorschlag
MehrNewton-Verfahren für ein Skalarfunktion
Newton-Verfahren für ein Skalarfunktion Für eine Näherungsberechnung von Nullstellen einer reellen Funktion f(x) : R R benutzt man das Newton-Verfahren: x (n+1) = x (n) f(x (n) )/f (x (n) ). Das Newton-Verfahren
MehrCaputo fraktionale Differentialgleichungen. 1 Riemann Liouville fraktionale Differentialgleichungen
Seminar Fraktionale Differentialgleichungen Prof. Dr. P.E. Kloeden, WS1000/2001 Caputo fraktionale Differentialgleichungen Lars Grüne, 25.1.2001 Basierend auf Fractional Differential Equations, Theory
MehrKLAUSUR zur Numerik I mit Lösungen. Aufgabe 1: (10 Punkte) [ wahr falsch ] 1. Die maximale Ordnung einer s-stufigen Quadraturformel ist s 2.
MATHEMATISCHES INSTITUT PROF. DR. ACHIM SCHÄDLE 9.8.7 KLAUSUR zur Numerik I mit Lösungen Aufgabe : ( Punkte) [ wahr falsch ]. Die maximale Ordnung einer s-stufigen Quadraturformel ist s. [ ]. Der Clenshaw
MehrKevin Caldwell. 18.April 2012
im Rahmen des Proseminars Numerische Lineare Algebra von Prof.Dr.Sven Beuchler 18.April 2012 Gliederung 1 2 3 Mathematische Beschreibung von naturwissenschaftlich-technischen Problemstellungen führt häufig
MehrAnalysis I. Vorlesung 28
Prof. Dr. H. Brenner Osnabrück WS 203/204 Analysis I Vorlesung 28 Gewöhnliche Differentialgleichungen Welche Bewegung vollzieht ein Löwenzahnfallschirmchen? Das Fallschirmchen lässt sich zu jedem Zeitpunkt
MehrComputersimulationen in der Astronomie
Computersimulationen in der Astronomie Fabian Heimann Universität Göttingen, Fabian.Heimann@stud.uni-goettingen.de Astronomisches Sommerlager 2013 Inhaltsverzeichnis 1 Differentialgleichungen 3 1.1 Beispiele.....................................
MehrLeitfaden a tx t
Leitfaden -0.7. Potenz-Reihen. Definition: Es sei (a 0, a, a 2,...) eine Folge reeller Zahlen (wir beginnen hier mit dem Index t 0). Ist x R, so kann man die Folge (a 0, a x, a 2 x 2, a 3 x 3,...) und
MehrLinearisierung einer Funktion Tangente, Normale
Linearisierung einer Funktion Tangente, Normale 1 E Linearisierung einer Funktion Abb. 1 1: Die Gerade T ist die Tangente der Funktion y = f (x) im Punkt P Eine im Punkt x = a differenzierbare Funktion
MehrTeil VI. Gemeinsame Verteilungen. Lernziele. Beispiel: Zwei Würfel. Gemeinsame Verteilung
Zusammenfassung: diskrete und stetige Verteilungen Woche 4: Verteilungen Patric Müller diskret Wahrscheinlichkeitsverteilung p() stetig Wahrscheinlichkeitsdichte f ()
Mehr