Darstellung univariater Datenmengen
|
|
- Curt Lorenz
- vor 6 Jahren
- Abrufe
Transkript
1 Darstellng nvarater Datenmengen Häfgketstabellen/ Häfgketsvertelngen Grafsche Darstellng Emprsche Vertelngsfnktn Endmensnale Häfgketstabelle bzw. Häfgketsvertelng Ene Häfgketstabelle st ene besndere Verdchtngsfrm (Grpperng bzw. Klasserng ener Rehe vn Bebachtngen, ach Uhrlste benannt. Dese Tabelle enthält mndestens zwe Spalten. In der erste Spalte befnden sch de Grppen bzw. Klassen nd n der anderen Spalten de abslten bzw. relatven Häfgketen der Grppen bzw. Klassen. Dese Tabelle wrd ach als Häfgketsvertelng bezechnet. 2
2 Allgemener Afba ener endmensnalen Häfgketstabelle Grppen bzw. Klassen kmlerte Häfgketen Häfgketen abslte relatve abslte relatve h f H F h f H F 2 h 2 f 2 H 2 F 2 : : : : : k h k f k N N Smme N - - k h h = N f = H = h j F = f = N j= j= j = De abslten Häfgketen lassen sch enfach drch Aszählen ermtteln. H N 3 Bespel: Häfgketstabelle für en nmnalskalertes Merkmal Herknftsgebet kmlerte Häfgketen Häfgketen abslte relatve abslte relatve h f H F MV 250 0, ,625 ABL 50 0, ,750 NBL 00 0, Smme f = h N H = h j j= F = f j De Grppen müssen ncht nbedent srtert werden. = j= H N 4
3 Bespel: Häfgketstabelle für en rdnalskalertes Merkmal Anzahl der Geschwster kmlerte Häfgketen Häfgketen abslte relatve abslte relatve h f H F , , , , , ,925 3 der mehr 30 0, Smme h f = H = h j F = f j N j= De Grppen werden srtert dargestellt. = j= H N 5 Bespel: Häfgketstabelle für en metrsch skalertes Merkmal Mtrlestng vn bs nter n PS kmlerte Häfgketen Häfgketen abslte relatve abslte relatve h f H F nter , , , , ,80 2 0, , , , , der mehr 6 0, Smme
4 Charakterserng der Klassen Klassenbrete ntere Klassengrenze = bere Klassengrenze ' = + 2 Klassenmtte 7 Klasserngsprnzpen Bldng möglchst glech breter (äqdstanter Klassen. Bldng ncht äqdstanter Klassen mt gerngerer Brete drt, w Merkmalsasprägngen sehr dcht legen. Bldng ncht äqdstanter Klassen mt größerer Brete drt, w nr wenge Merkmalsasprägngen legen. 8
5 Klasserngsprnzpen Es sllen ncht wenger als 5 Klassen nd ncht mehr als 5 sen. Fastregel: de Anzahl der Klassen sll etwa der Wrzel des Gesamthetsmfanges entsprechen, das st nr en Anhaltspnkt. Wchtger st jedch, dass das Spezfkm des Datenmaterals erhalten blebt. Aftretende Löcher dürfen ncht drch de Klassenbldng verdeckt werden. 9 Grafsche Darstellng vn Häfgketsvertelngen Nach Skalentyp werden flgende Dagrammen gentzt: Kresdagramme, Sälen- nd Balkendagramme Für nmnalskalerte Merkmale Sälen- nd Balkendagramme Für rdnalskalerte Merkmale Hstgramm, Freqenzplygn Für metrsch skalerte Merkmale 0
6 Kresdagramm... st besnders geegnet, m de Vertelng enes nmnalskalerten Merkmals abzblden, wbe der Vllkres de Gesamthet repräsentert nd de Sektren de Antele der Telmengen an der Grndgesamthet afzegen. Jra 0% WWss 7% AUWss 6% IngWss 5% MatNat 8% GeWss 9% LÄ 4% Med % Bespel: Stderende m Wntersemester 0/02 an der Unverstät Rstck nach Fächergrppen (Gesamt Stderende Jra 0% WWss 7% AUWss 6% IngWss 5% MatNat 8% GeWss 9% LÄ 4% Med % 2
7 Bespel: Gestaltngsmöglchketen be Kresdagrammen Paare hne Knder 27% Partner/n 7% Strktr der Bevölkerng nach Lebensfrmen 200 8,5 M. Allen Lebende 7% snstge Persnen Paare mt Kndern 47% 3 Bespel: Lestngsempfänger nach dem Asylgesetz gegledert, nach Herknftsregn Afrka 8,2% nbekannt 7,0% Asen 23,8% übrge Staaten, Staatenls 0,4% Erpa 60,6% Sr Lanka 8% Vetnam 3% übrges Aen 37% Bsnen- Herzegwna 3% übrges Erpa 3% Pakstan 6% Türke 9% Lbann 2% Iran 7% Afganstan 7% Rsssche Förderatn % Serben nd Mntenegr 64% 4
8 Balken- bzw. Sälendagramm... Se snd besnders geegnet, m Vertelngen enes nmnal-, bzw. rdnalskalerten Merkmals abzblden. De Länge der Balken bzw. der Sälen stellen de abslten bzw. relatven Häfgketen der Grppen dar. 5 Bespel: Balkendagramm - nebenenander 7- nd 8-jährge Schüler der gymnasalen Oberstfe gegledert nach berflcher Stellng der Eltern nd Regn Arbeter Angestellte Beamte Nee Länder nd Berln-Ost Früheres Bndesgebet Selbständge Assage: 64% der Schüler, deren Eltern Beamte snd, beschen n den alten Ländern das Gymnasm während es n den neen Ländern ledglch 46% snd. 6
9 Bertelen Se selbst an Bespelen der Amtlchen Statstk 7 Hstgramm En Hstgramm st ene spezelle Darstellngsfrm des Sälendagramms, welches de relatven Häfgketen enes klasserten stetges Merkmal vermttelt. Da es sch her m ene stetges Merkmals handelt, darf zwschen den Sälen ken leerer Ram bleben. De relatven Häfgketen werden n deser Darstellngsfrm drch de Fläche nd ncht drch de Höhe der Sälen charaktersert! De Gesamtfläche des Hstgramm sll glech Ens sen. Besnders vrschtg mss man her handelt, wenn de Klassen ncht äqdstant snd. Für bretere Klassen mss de Höhe der dazgehörenden Säle entsprechend verklenert werden nd mgekehrt. Man kann mt dem Hstgramm ach de abslten Häfgketen darstellen. 8
10 Przente Bespel: Hstgramm 25% 20% 5% 0% De Gesamtfläche st Ens! 5% Lestng [PS] 9 Bespel: Hstgramm 25% Przente 20% 5% 0% 5% Ist ene Klasse drefach s bret we de anderen Klassen, dann mss de Häfgket deser Klasse drch dre dvdert werden, damt de gesamte Fläche (Ens erhalten blebt! Lestng [PS] 20
11 Bertelen Se selbst an Bespelen der Amtlchen Statstk 2 Zsammenhang zwschen Häfgket nd Smmenhäfgketsfnktn f F k = 00% Afsmmeren De Sälenfläche des Hstgramms kmleren sch nd blden de entsprechenden Sälen m Dagramm der Smmenhäfgketen. 22
12 Przente Bertelng vn Hstgrammen Hstgramme verschaffen enen vsellen Endrck der Vertelng Der Endrck st jedch vn der Wahl der Klassenbrete (vn der Zahl der Klassen abhängg! Be nchtbreten Klassen wrd de Anschalchket des Dagramms erschwert, zmal de Häfgketen ncht mt der Höhe der Sälen, sndern mt der Fläche zm Asdrck gebracht werden! Wel das qanttatve Merkmal stetge skalert st, sllte zwschen den Sälen ken Zwschenram sen. 23 Freqenzplygn Verbndet man de Mttelpnkte der Sälen enes Hstgramm drch Lnenabschntte, bekmmt man en Freqenzplygn. Deses Plygn sll an der X-Achse begnnen nd enden. Daz fügt man zwe nee Klassen en, de lgscherwese de Freqenz Nll haben. 25% 20% 5% 0% 5% Lestng [PS] 24
13 Bertelen Se selbst an Bespelen der Amtlchen Statstk 25 Emprsche Vertelngsfnktn De emprsche Vertelngsfnktn F enes kardnalskalerten Merkmals X wrd für alle reelle Zahlen defnert nd gbt den Antel F( der Bebachtngen an, de klener der glech den Wert snd. F(=W(X De relatven Smmenhäfgketen der entsprechenden Häfgketstabelle blden de Bass für de Berechnng der emprschen Vertelngsfnktn des nterschten Merkmals. Man nterschedet zwschen dskreten nd stetgen Merkmalen. 26
14 F( = Emprsche Vertelngsfnktn enes dskreten Merkmals Wert Nll für alle, de klener snd als de erfassten Werte. 0 F für < für für < k + ( =,..., k F( = 00% Ens für alle, de größer snd als de erfassten Werte. + k F für alle zwschen ener Asprägng nd der nächsten. An jeder Asprägng sprngt de Fnktn m f Bespel: Emprsche Vertelngsfnktn für Geschwsteranzahl De grafsche Darstellng der emprschen Vertelngsfnktn enes dskreten Merkmals ergbt das Bld ener Treppenfnktn: = 00% 0,85 = 85 % 0,55 = 55 % Nte f F 0,30 0,30 2 0,25 0,55 0,3 = 30 % Assage 3 0,30 0,85 4 0,5,00 Alle Stdenten legen m Ntenberech vn bs 4, 55% aller Stdenten wrden mt Nte 2 nd besser bentet, 85 % aller Stdenten wrden mt Nte 3 nd besser bentet. 28
15 Emprschen Vertelngsfnktn enes klasserten stetgen Merkmals De emprsche Vertelngsfnktn enes stetgen klasserten Merkmals entsprcht der relatven Smmenhäfgket an der Klassengrenze. Für alle andere st F( nbekannt. Man kann se nter der Annahme Glechvertelng nnerhalb der Klassen drch lneare Interplatn apprmatv berechnen. De grafsche Darstellng der emprschen Vertelngsfnktn enes stetgen klasserten Merkmals ergbt das Bld enes Smmenplygns. 29 Smmenplygn F( k F( F( F( 30
16 Bespel: Emprsche Vertelngsfnktn enes stetg skalerten Merkmals De grafsche Darstellng der emprschen Vertelngsfnktn enes stetgen klasserten Merkmals ergbt das Bld enes Smmenplygns. = 00% 0,85 = 85 % 0,55 = 55 % 0, = 0 % Brttmnatsverdenst Assage Alle befragten Persnen haben höchstens en Enkmmen vn 4.000, 55% aller befragten Persnen haben en mnatl. Brttenkmmen vn mamal 2.000, 0 % aller Befragten erhalten en mnatl. Brttenkmmen vn ma Emprsche Vertelngsfnktn enes stetg Merkmals F ( = 0 - F( + Nll für alle, de klener snd als de nterste Klassengrenze. f für < für für < k ( =,...,k Ens für alle, de größer snd als de bere Klassengrenze der letzten Klasse Für jeden anderen Wert, der nnerhalb der abgebldeten Klassen legt, lassen sch drch de gegebene Frmel (lneare Interplatn apprmatv bestmmen. 32
17 Lneare Interplatn Asgangspnkt se: en klassertes stetges Merkmal Glechvertelng nnerhalb der Klassen Gescht: De Ordnate F( der rten Strecke an jeder Stelle F( F( F( gescht f = F( F( F( - = Klassenbrete 33 Vrgehen zr Ordnatenbestmmng Es glt: a c b d a b = c d b = a c d b = a c d F( - b f F( = F( - + f 34
18 Vrgehen zr Abszssenbestmmng In desem Fall st F( = p gegeben. Es wrd den entsprechenden -Wert gescht. Generell handelt man analg zr Ermttlng der F(-Werte. Man verwendet de lneare Interplatn. Daz st ene andere Strecke m Verhältnsdreeck z bestmmen.! p F( F( F( F( gescht Klassenbrete ( = ( 35 Vrgehen zr Abszssenbestmmng a c b p d = + a c = b d c b a = d p F F( F( c bzw. a = b d ( ( 36
19 Verwendng vn F( Antelsbestmmng Es kann mt der emprschen Vertelngsfnktn de Frage beantwrtet werden, welcher Antel (bzw. wevel Przent aller erfassten Enheten enen bestmmten Merkmalswert ncht überschreten. Man nmmt ene Antelsbestmmng vr. (rechnersch, ndem man de angeführte Frmel der emprschen Vertelngsfnktn verwendet We hch st der Antel der Hashalte mt Hashaltsenkmmen vn höchstens 500 Er? 37 Verwendng vn F( Merkmalasprägngsbestmmng Se kann aber ach zr Beantwrtng der mgekehrten Fragestellng bentzt werden, ndem vn enem gegebenen Qantl asgegangen wrd nd der entsprechende Merkmalswert ermttelt wrd. Man nmmt ene Asprägngsbestmmng vr. (rechnersch, ndem man de angeführte Glechng der emprschen Vertelngsfnktn für löst We hch st das ma. Hashaltsenkmmen der ntersten 0% der prvaten Hashalte? 38
20 Bespel Erwerbsstatstk vn DESTATIS: Vertelngsfnktn berechnen, damt Se de flgenden Fragen beantwrten können! 39 Beantwrten Se af Grnd der Erwerbsdaten flgende Fragen: We alt st das ntere Vertel der erwerbstätgen Männer (Fraen n Detschland per ? We alt st de mttlere Hälfte der erwerbstätgen Männer (Fraen n Detschland per ? Geben Se de Grenzen des Altersbereches an! 20 Przent der Erwerbstätgen n Detschland snd per ncht älter als... Jahre alt. De Hälfte der Erwerbstätgen n Detschland st per höchstens Jahre alt. 40
21 Bespel Erwerbsstatstk vn DESTATIS, Qelle EVS 2003: HHNE vn bs nter Er Früheres Bndesgebet Unter 900 7,2 2, ,7 6, ,6 7, ,7 7, ,7 6, , 5, ,6 8, ,2 5,4 Mt Persnen m HH 36,8 35,6 2 33,6 35,4 3 3,7 6,9 4,4 9,7 5 nd mehr 4,6 2,4 Nee Länder nd Berln- Ost 4 Beantwrten Se af Grnd der Erwerbsdaten flgende Fragen: Welches Hashaltsnettenkmmen hat de Hälfte der Hashalte n Detschland (Früheres Bndesgebet, Nee Länder nd Berln- Ost 2003? We hch st das Hashaltsnettenkmmen mndestens für de 0 Przent höchsten Enkmmensbezeher m Früheren Bndesgebet nd n den Neen Ländern nd Berln-Ost m Jahr 2003? Dre Vertel der Hashalte n Detschland (Früheres Bndesgebet, Nee Länder nd Berln-Ost verfügen 2003 über höchstens Er mnatlches Nettenkmmen. In der Hälfte der detschen Hashalte (Früheres Bndesgebet, Nee Länder nd Berln-Ost leben 2003 ncht mehr als Persnen. 42
Gliederung des Kurses:
Endmensonale Häfgketsvertelng Sete 1 Glederng des Krses: I II Allgemene Grndlagen Statstsche Analyse enes enzelnen Merkmals Analyse/Beschrebng enes enzelnen Merkmals Zel: Verdchtng (Komprmerng) ener nüberschabaren
MehrAuswertung univariater Datenmengen - deskriptiv
Aswertng nvarater Datenmengen - deskrptv Maßzahlen zr Beschrebng der Häfgketsvertelngen Häfgster Wert (Mods) Zentralwert (Medan) Arthmetsches Mttel Bblografe Prof. Dr. Kück; Statstk, Vorlesngsskrpt Abschntt
MehrFORMELSAMMLUNG 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
MehrAuswertung univariater Datenmengen - deskriptiv
Aswertng nvarater Datenmengen - desrptv Lageparameter ener Vertelng Häfgster Wert (Mods) Zentralwert (Medan) Mttelwert (Arthmetsches Mttel) Prof. Küc / Dr. Rcabal Lage- nd Strengsparameter I Bblografe
MehrFunktionsgleichungen 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
MehrÜbungsaufgabeN mit Lösungen
ÜbngsafgabeN mt Lösngen Statstk / Grndstdm Statstk I G - 3. Fachhochschle der Detschen Bndesbank Dr. Detmar Hbrch Dr. Detmar Hbrch Statstk I Afgaben nd Lösngen Fachhochschle der G 3. Detschen Bndesbank
MehrAuswertung 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;
MehrMan erkennt, dass an der Induktivität die Spannung unendlich groß wird, wenn der Strom einen Sprung
nverät Stttgart Intt für engselektronk nd Elektrsche Antrebe Abt. Elektrsche Energewandlng Prof. Dr.-Ing. N. Parspor Enschwngvorgänge Wenn n enem elektrschen Netzwerk en oder mehrere Energe spechernde
Mehr12 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:
Mehrwird 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
Mehrnonparametrische 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
MehrFür wen ist dieses Buch? Was ist dieses Buch? Besonderheiten. Neu in dieser Auflage
Für wen st deses Bch? Das Taschenbch der Elektrotechnk rchtet sch an Stdentnnen nd Stdenten an nverstäten nd Fachhochschlen n den Berechen Elektrotechnk Nachrchtentechnk Technsche Informatk allgemene Ingenerwssenschaften
Mehr3.1 Häufigkeiten bei diskreten Merkmalen Absolute und relative Häufigkeiten Graphische Darstellungen 40
3 Häufgketen 3. Häufgketen be dskreten Merkmalen 39 3.. Absolute und relatve Häufgketen 39 3..2 Graphsche Darstellungen 40 3.2 Häufgketen be stetgen Merkmalen 42 3.2. Das Prnzp der Klassenbldung 42 3.2.2
MehrAuswertung 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;
MehrDie Schnittstellenmatrix Autor: Jürgen P. Bläsing
QUALITY-APPs Applkatonen für das Qaltätsmanagement Prozessmanagement De Schnttstellenmatrx Ator: Jürgen P. Bläsng Schnttstellen (Übergangsstellen, Verbndngsstellen) n betreblchen Prozessen ergeben sch
Mehr6. 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
MehrFranzis Verlag, 85586 Poing ISBN 978-3-7723-4046-8 Autor des Buches: Leonhard Stiny
eseproben aus dem Buch "n mt en zur Elektrotechnk" Franzs Verlag, 85586 Pong ISBN 978--77-4046-8 Autor des Buches: eonhard Stny Autor deser eseprobe: eonhard Stny 005/08, alle echte vorbehalten. De Formaterung
MehrDaten 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
MehrIonenselektive 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,
Mehr6.5. 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
MehrKursthemen 2. Sitzung. Tabellarische und graphische Darstellung diskreter Daten. Tabellarische und graphische Darstellung diskreter Daten
Kursthemen 2. Stzung Fole I - 2-1 Tabellarsche und graphsche Darstellung dskreter Daten Tabellarsche und graphsche Darstellung dskreter Daten A) Nomnalskalen (Fole 2 bs 7) A) Nomnalskalen (Fole 2 bs 7)
Mehrd 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
MehrSpule, Induktivität und Gegeninduktivität
.7. Sple, ndktvtät nd Gegenndktvtät Bldqelle: Doglas C. Gancol, Physk, Pearson-Stdm, 006 - das Magnetfeld Glechnamge Pole enes Magneten stoßen enander ab; nglechnamge Pole zehen sch gegensetg an. Wenn
MehrMethoden 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
MehrKlasse : 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
MehrStatistik. 1. Vorbereitung / Planung - präzise Formulierung der Ziele - detaillierte Definition des Untersuchungsgegenstandes
Statstk Defnton: Entwcklung und Anwendung von Methoden zur Erhebung, Aufberetung, Analyse und Interpretaton von Daten. Telgebete der Statstk: - Beschrebende (deskrptve) Statstk - Wahrschenlchketsrechnung
MehrAuswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07
Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 3.Auflage Dese Broschüre hlft bem Verfassen und Betreuen von Maturaarbeten. De 3.Auflage
MehrLernsituation: Eine Leuchtstofflampe an Wechselspannung untersuchen. Arbeitsauftrag 1: Errechnen von Spannungswerten und Zeichnen einer Sinuslinie
8 Elektroenergeversorgng nd cherhet von Betrebsmtteln gewährlesten ernstaton: Ene echtstofflampe an Wechselspannng nterschen Ihr Betreb soll n ener chle de veraltete Deckenbelechtng enger Unterrchtsräme
MehrLehrstuhl 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
Mehr3.2 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
MehrStandardnormalverteilung / 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
MehrGruppe. 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
Mehr1 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:
MehrSpiele 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,,
MehrEinführung 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
Mehr4. 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,
MehrErstes Kirchhoffsches Gesetz
Amaterfnkkrs Landesverband Wen m ÖVSV Erstellt: 2010-2011 Letzte Bearbetng: 20. Febrar 2016 Themen 1 2 3 4 5 Erstes s Gesetz 3 2 1 4 5 2 + 3 + 5 =? Erstes s Gesetz 3 2 1 4 5 2 + 3 + 5 = 1 + 4 Zwetes s
MehrSeminar 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
MehrLineare 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:
MehrPolygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com.
Verfahren für de Polygonalserung ener Kugel Eldar Sultanow, Unverstät Potsdam, sultanow@gmal.com Abstract Ene Kugel kann durch mathematsche Funktonen beschreben werden. Man sprcht n desem Falle von ener
Mehr14 Überlagerung einfacher Belastungsfälle
85 De bsher betrachteten speellen Belastungsfälle treten n der Technk. Allg. ncht n rener orm auf, sondern überlagern sch. Da de auftretenden Verformungen klen snd und en lnearer Zusammenhang wschen Verformung
MehrMusterklausur Wirtschaftsmathematik und Statistik. Zusatzstudium für Wirtschaftsingenieur
Musterklausur Wrtschaftsmathematk und Statstk Zusatzstudum für Wrtschaftsngeneur Telnehmer (Name, Vorname): Datum:.2006 Prüfer: Böhm-Retg Matrkelnummer: REGELN 1. Zum Bestehen der Klausur snd mndestens
Mehrmit der Anfangsbedingung y(a) = y0
Numersce Lösung von Dfferentalglecungen De n den naturwssenscaftlc-tecnscen Anwendungen auftretenden Dfferentalglecungen snd n den wengsten Fällen eplzt lösbar. Man st desalb auf Näerungsverfaren angewesen.
Mehr3. 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
Mehr3.3 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
MehrZufallsvariable, Wahrscheinlichkeitsverteilungen und Erwartungswert
R. Brnkmann http://brnkmann-du.de Sete..8 Zufallsvarable, Wahrschenlchketsvertelungen und Erwartungswert Enführungsbespel: Zwe Würfel (en blauer und en grüner) werden 4 mal zusammen geworfen. De Häufgketen
MehrNernstscher Verteilungssatz
Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.
MehrFür 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
MehrKonzept der Chartanalyse bei Chart-Trend.de
Dpl.-Phys.,Dpl.-Math. Jürgen Brandes Konzept der Chartanalyse be Chart-Trend.de Konzept der Chartanalyse be Chart-Trend.de... Bewertungsgrundlagen.... Skala und Symbole.... Trendkanalbewertung.... Bewertung
MehrBeschreibung 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
MehrLösungen 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"Diode, Transistor, Thyristor"
Elektrotechnsches Praktkm für aschnenbaer Ort: Denckestraße Ram-Nr.: 0051 (drekt über der ensa) Versch: "Dode, ransstor, hyrstor" echnsche Unverstät Hambrg-Harbrg Insttt für Hochfreqenztechnk Prof. Dr.-Ing.
MehrQuant oder das Verwelken der Wertpapiere. Die Geburt der Finanzkrise aus dem Geist der angewandten Mathematik
Quant der das Verwelken der Wertpapere. De Geburt der Fnanzkrse aus dem Gest der angewandten Mathematk Dmensnen - de Welt der Wssenschaft Gestaltung: Armn Stadler Sendedatum: 7. Ma 2012 Länge: 24 Mnuten
MehrBoost-Schaltwandler für Blitzgeräte
jean-claude.feltes@educaton.lu 1 Boost-Schaltwandler für Bltzgeräte In Bltzgeräten wrd en Schaltwandler benutzt um den Bltzkondensator auf ene Spannung von engen 100V zu laden. Oft werden dazu Sperrwandler
Mehr"Zukunft der Arbeit" Arbeiten bis 70 - Utopie - oder bald Realität? Die Arbeitnehmer der Zukunft
"Zukunft der Arbet" Arbeten bs 70 - Utope - oder bald Realtät? De Arbetnehmer der Zukunft Saldo - das Wrtschaftsmagazn Gestaltung: Astrd Petermann Moderaton: Volker Obermayr Sendedatum: 7. Dezember 2012
MehrUniversität Karlsruhe (TH)
Unverstät Karlsruhe (TH) Forschungsunverstät gegründet 825 Parallele Algorthmen I Augaben und Lösungen Pro. Dr. Walter F. Tchy Dr. Vctor Pankratus Davd Meder Augabe () Gegeben se en N-elementger Zahlenvektor
MehrDatenaufbereitung und Darstellung
Datenaufberetung und Darstellung 1 Glederung: Zel der Datenaufberetung und Darstellung Datenverdchtung Tabellen und grafsche Darstellungen Darstellung unvarater Datenmengen Darstellung multvarater Daten
MehrZur Interpretation einer Beobachtungsreihe kann man neben der grafischen Darstellung weitere charakteristische Größen heranziehen.
Rudolf Brkma http://brkma-du.de Sete 0.0.008 Lagemaße der beschrebede Statstk. Zur Iterpretato eer Beobachtugsrehe ka ma ebe der grafsche Darstellug wetere charakterstsche Größe herazehe. Mttelwert ud
MehrAufgabe 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
MehrStochastische 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)
Mehr1 - Prüfungsvorbereitungsseminar
1 - Prüfungsvorberetungssemnar Kaptel 1 Grundlagen der Buchführung Inventur Inventar Blanz Inventur st de Tätgket des mengenmäßgen Erfassens und Bewertens aller Vermögenstele und Schulden zu enem bestmmten
Mehr1 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)
Mehr18. 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
MehrProf. Dr.- Ing. Herzig Vorlesung "Grundlagen der Elektrotechnik 1" 1etv3-4
Prof. Dr.- ng. Herzg.6 Spezelle erechnungsverfahren lnearer Netzwerke.6. Überlagerungsverfahren Der Lernende kann - den Überlagerungssatz und das darauf beruhende erechnungsprnzp lnearer Netzwerke erklären
MehrStatistik 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
MehrHausübung 1 Lösungsvorschlag
Hydrologe und Wasserwrtschaft Hausübung Lösungsvorschlag NIDRSCHLAG Hnwes: Be dem vorlegenden Dokument handelt es sch ledglch um enen Lösungsvorschlag und ncht um ene Musterlösung. s besteht ken Anspruch
MehrKonkave 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
MehrAKADEMIE DER WISSENSCHAF1'EN
S ZUN GSBER ehe DER KÖNGLCH REUSSSCHEN AKADEME DER WSSENSCHAF1'EN JAH~GANll- 1913 Z'VEER HALBBAND. JUL BS DECEvBER SÜCK XXX -- L M ENER AFEL DRM VERZECHNSS DER ENGEGANGENEN DRUCKSCHRFEN NAMEN- UND SACHREGSER
MehrEinführung 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
MehrNSt. 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
MehrElektronik für den Maschinenbau
Höchstfreqenzelektronk Prof. Dr.-Ing. Andreas Thede Warbrger Str. 3398 Paderborn am P.4. Fon 5 5. 6-3 4 Fax 5 5. 6-4 6 E-Mal thede@pb.de Web grops.pb.de/hfe Vorlesng Elektronk für den Maschnenba A. Thede
MehrFallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung
Fallstude 4 Qualtätsregelkarten (SPC) und Versuchsplanung Abgabe: Lösen Se de Aufgabe 1 aus Abschntt I und ene der beden Aufgaben aus Abschntt II! Aufgabentext und Lösungen schrftlch bs zum 31.10.2012
MehrBeim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):
Aufgabe 1 (4 + 2 + 3 Punkte) Bem Wegen von 0 Respaketen ergaben sch folgende Gewchte X(n Gramm): 1 2 3 4 K = (x u, x o ] (98,99] (99, 1000] (1000,100] (100,1020] n 1 20 10 a) Erstellen Se das Hstogramm.
MehrEAU SWH l$,0, wohngebäude
EAU SWH l$,0, wohngebäude gemäß den $$ 6 ff, Energeensparverordnung (EnEV) :,:: Gültsbs: 09208 Gebäude Gebäudetyp Altbau Mehrfamlenhaus Adresse Hardstraße 3 33, 40629 Düsseldorf Gebäudetel Baujahr Gebäude
MehrVorlesung 1. Prof. Dr. Klaus Röder Lehrstuhl für BWL, insb. Finanzdienstleistungen Universität Regensburg. Prof. Dr. Klaus Röder Folie 1
Vorlesung Entschedungslehre h SS 205 Prof. Dr. Klaus Röder Lehrstuhl für BWL, nsb. Fnanzdenstlestungen Unverstät Regensburg Prof. Dr. Klaus Röder Fole Organsatorsches Relevante Informatonen önnen Se stets
MehrItemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i
Itemanalyse und Itemkennwerte De Methoden der Analyse der Itemegenschaften st ncht m engeren Snne Bestandtel der Klassschen Testtheore Im Rahmen ener auf der KTT baserenden Testkonstrukton und -revson
MehrDatenträger löschen und einrichten
Datenträger löschen und enrchten De Zentrale zum Enrchten, Löschen und Parttoneren von Festplatten st das Festplatten-Denstprogramm. Es beherrscht nun auch das Verklenern von Parttonen, ohne dass dabe
Mehr5. 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
MehrGrundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften
Bassmodul Makroökonomk /W 2010 Grundlagen der makroökonomschen Analyse klener offener Volkswrtschaften Terms of Trade und Wechselkurs Es se en sogenannter Fall des klenen Landes zu betrachten; d.h., de
MehrK A N D I D A T E N V O R L A G E
Jahrgang 2004 Berfskenntnsse schrftlch Elektrotechnk, Elektronk Name Gewerblche Lehrabschlssprüfngen Elektromonter / Elektromontern Prüfngsnmmer... Vorname...... Datm... K A N D I D A T E N V O R L A G
Mehrbinäre 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,
Mehr2. 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
MehrBeschreibende 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 )
MehrIngenieurmonitor Fachkräftebedarf und -angebot nach Berufsordnungen und regionalen Arbeitsmärkten
Methodenbercht Ingeneurmontor Fachkräftebedarf und -angebot nach Berufsordnungen und regonalen Arbetsmärkten n Kooperaton mt: Veren Deutscher Ingeneure e.v. (VDI) VDI-Platz 1 40468 Düsseldorf Ansprechpartner
MehrDiskrete 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 /
MehrF A C H H O C H S C H U L E W E D E L. Seminararbeit Informatik
F A C H H O C H S C H U L E W E D E L Semnararbet Informatk n der Fachrchtung Wrtschaftsnformatk Themenberech Künstlche Intellgenz Thema Nr. 3 Dskrmnanzanalyse Engerecht von: Erarbetet m: Patrck Wolf Wedeler
MehrAUFGABEN ZUR INFORMATIONSTHEORIE
AUFGABEN ZUR INFORMATIONSTHEORIE Aufgabe Wr betrachten das folgende Zufallsexperment: Ene fare Münze wrd so lange geworfen, bs erstmals Kopf erschent. De Zufallsvarable X bezechne de Anzahl der dazu notwendgen
MehrDynamik starrer Körper
Dynamk starrer Körper Bewegungen starrer Körper können n Translaton und Rotaton zerlegt werden. De Rotaton stellt enen nneren Frehetsgrad des Körpers dar, der be Punktmassen ncht exstert. Der Schwerpunkt
MehrProf. Dr.-Ing. P. Eberhard, Prof. Dr.-Ing. M. Hanss SS 2016 A 1.1
Insttut für Technsche und Num. Mechan Technsche Mechan IV Prof. Dr.-Ing. P. Eberhard, Prof. Dr.-Ing. M. Hanss SS 16 A 1.1 Aufgabe 1: En mechansches Sstem wrd durch folgende lnearserte Bewegungsglechungen
MehrPhysik A VL11 ( )
Physk A VL11 (0.11.01) Dynamk der Rotatonsbewegung I Kresbewegung und Kräfte Drehmoment und räghetsmoment Kresbewegung und Kräfte en Massepunkt (Schwerpunkt) führt nur ene ranslatonsbewegung aus ausgedehnte
MehrFlußnetzwerke - Strukturbildung in der natürlichen Umwelt -
Flußnetzwerke - Strukturbldung n der natürlchen Umwelt - Volkhard Nordmeer, Claus Zeger und Hans Joachm Schlchtng Unverstät - Gesamthochschule Essen Das wohl bekannteste und größte exsterende natürlche
MehrKleiner 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
MehrH I HEIZUNG I 1 GRUNDLAGEN 1.1 ANFORDERUNGEN. 1 GRUNDLAGEN 1.1 Anforderungen H 5
1 GRUNDLAGEN 1.1 Anforderungen 1.1.1 Raumklma und Behaglchket Snn der Wärmeversorgung von Gebäuden st es, de Raumtemperatur n der kälteren Jahreszet, das snd n unseren Breten etwa 250 bs 0 Tage m Jahr,
MehrKreditpunkte-Klausur zur Lehrveranstaltung Projektmanagement (inkl. Netzplantechnik)
Kredtpunkte-Klausur zur Lehrveranstaltung Projektmanagement (nkl. Netzplantechnk) Themensteller: Unv.-Prof. Dr. St. Zelewsk m Haupttermn des Wntersemesters 010/11 Btte kreuzen Se das gewählte Thema an:
Mehr1.1 Grundbegriffe und Grundgesetze 29
1.1 Grundbegrffe und Grundgesetze 9 mt dem udrtschen Temperturkoeffzenten 0 (Enhet: K - ) T 1 d 0. (1.60) 0 dt T 93 K Betrchtet mn nun den elektrschen Wderstnd enes von enem homogenen elektrschen Feld
MehrErwartungswert, Varianz, Standardabweichung
RS 24.2.2005 Erwartungswert_Varanz_.mcd 4) Erwartungswert Erwartungswert, Varanz, Standardabwechung Be jedem Glücksspel nteresseren den Speler vor allem de Gewnnchancen. 1. Bespel: Setzen auf 1. Dutzend
MehrDer 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
Mehr18. Vorlesung Sommersemester
8. Vorlesung Sommersemester Der Drehmpuls des starren Körpers Der Drehmpuls des starren Körpers st etwas komplzerter. Wenn weder de Wnkelgeschwndgket um de feste Rotatonsachse st, so wrd mt Hlfe des doppelten
MehrDie Zahl i phantastisch, praktisch, anschaulich
Unverstät Würzburg 977 Würzburg Telefon: (91 888 5598 De Zahl phantastsch, praktsch, anschaulch De Geschchte der Zahl war dre Jahrhunderte lang dadurch geprägt, dass se und damt de kompleen Zahlen n Mathematkerkresen
MehrNullstellen 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