Anhang 8. Klassischer Fehler, Berkson-Fehler und Ökologischer Messfehler
|
|
- Nikolas Hafner
- vor 6 Jahren
- Abrufe
Transkript
1 Anhn 8 Klssischer Fehler, Berkson-Fehler und Ökoloischer Messfehler
2 Klssischer Fehler, Berkson-Fehler und Ökoloischer Messfehler J.C. Kiser GSF - Institut für Strhlenschutz, Neuherber, Deutschlnd Dezember 2004
3 Anhn 8 Klssischer Fehler, Berkson-Fehler und Ökoloischer Messfehler 2 8. Klssischer Fehler, Berkson-Fehler und ökoloischer Messfehler 8.1 Klssischer Fehler und Berkson-Fehler Einführun Die Anlyse epidemioloischer Dten bsiert in der Reel uf der besten verfübren Informtion über die individuelle Exposition. Es ist edoch unvermeidlich, dss die Expositionsmessunen mit Fehlern behftet sind, die sowohl zufälli ls uch systemtisch sein können. Die Fehler in der Expositionsmessun führen zu einer Verzerrun der Risikoschätzer und ihrer Unsicherheiten (Crroll et l. 1995) In diesem Abschnitt behndeln wir die Auswirkun von zufällien Fehlern bei individuellen Personendosismessunen uf die Schätzer eines lineren Risikomodells. Wir betrchten ds klssische Fehlermodell und ds Berkson-Fehlermodell. Im klssischen Fehlermodell schwnkt der notierte (enl. rrded) Dosiswert zufälli um den whren (enl. true) Wert der Dosis. Dieses Modell entspricht der üblichen Vorstellun, dss der individuelle whre Wert mit einem Messerät unenu emessen wird. Die Schwnkun des Fehlers knn zum whren Wert ddiert oder mit dem whren Wert multipliziert werden. Für die Messunen von Strhlenexpositionen elte ein multipliktives Verhlten der Form rec true ( µ σ ) Drec = Dtrue D = D p, mit µ (1) zwischen dem individuellem Dosiswert Whrscheinlichkeitsdichte () D rec und dem whren Wert D true. Die nenommene p für die Verteilun des individuellen Messfehlers soll lonorml sein mit einem eometrischen Mittelwert µ und einer eometrischen Stndrdbweichun σ. Der eometrische Mittelwert soll den Wert eins nnehmen. Dnn erhält mn den rithmetischen Mittelwert der notierten Dosisverteilun D rec durch Multipliktion des whren Wertes D true mit dem rithmetischen Mittelwert der Dosisverteilun µ. Im Berkson-Fehlermodell schwnkt der whre Dosiswert zufälli um den notierten Wert der Dosis. Ds knn pssieren, wenn Messwerte von fest instllierten Messeräten einer Personenruppe zueordnet werden oder die Exposition mit unsicheren Modellen berechnet wird. Die whre Dosis knn nun um einen bestimmten Fktor höher oder niedrier sein ls die notierte Dosis emäß true rec ( µ σ ) mit Dtrue = Drec D = D p, µ. (2) Die Nomenkltur wird in Anloie zum klssischen Fehlermodell ewählt.
4 Anhn 8 Klssischer Fehler, Berkson-Fehler und Ökoloischer Messfehler µ = 1 σ = 1.5, µ = 1.1 σ = 2.25, µ = 1.4 σ = 3, µ = 1.8 Whrscheinlichkeitsdichte lo () Abbildun 1: Lonormle Whrscheinlichkeitsdichte-Funktion p( ) für die nenommene Verteilun des klssischen (1) bzw. Berkson (2)-Fehlers mit einem eometrischen Mittelwert µ = 1 und einer eometrischen Stndrdbweichun σ = 1,5, 2,25 und Simultion der Dosisverteilun Die Simultionen wurden mit drei verschiedenen Whrscheinlichkeitsdichten p ( ) durcheführt, die durch einen eometrischen Mittelwert µ = 1 und eine eometrische Stndrdbweichun σ = 1,5, 2,25 und 3 chrkterisiert werden. Die Funktionsverläufe sind in Abbildun 1 rfisch drestellt. Die Simultion der Fehler behfteten individuellen Personendosen wurde mit den vorläufien Dosisbschätzunen für 743 Ortschften us den Oblsts Zhytomyr, Chernihiv und Kyiv durcheführt. Die mittlere Personendosis beträt 0,173 Gy, der rößte individuelle Messwert liet bei unefähr 10 Gy. Die Risikoruppe enthält Personen us der Geburtskohorte , für die in den Jhren Fälle von Schilddrüsenkrebs reistriert wurden. Für eden Geburtshrn us einer Siedlun liet ein eschlechtsspezifischer Schätzer für den eometrischen Dosismittelwert vor. D dieser Schätzer nur schwch vom Geschlecht bhänt, wurden für eden Geburtshrn Mädchen und Junen bei der Dosissimultion zusmmenefsst. Eine enue Beschreibun der Dosissimultion steht in Anhn 5.
5 Anhn 8 Klssischer Fehler, Berkson-Fehler und Ökoloischer Messfehler 4 0,2 0,15 whre Dosis reltive Häufikeit 0,1 0,05 notierte Dosis 0 0,001 0,01 0, Dosis [Gy] Abbildun 2: Verteilun der whren (schwrze Linie) und notierten (rote Linie) Dosen für Personen im klssischen Fehlermodell für eine eometrische Stndrdbweichun σ = 3 der nenommenen Fehlerverteilun p( ) us ( 1) Im klssischen Fehlermodell wird zunächst für eine Person ihre whre Dosis ermittelt, dnch wird die notierte Dosis emäß (1) mit der nenommenen Fehlerverteilun p( ) us der whren Dosis bestimmt. Für die Gesmtzhl ller Personen bekommt mn zwei Verteilunen für die whren und die notierten Dosen (Abbildun 2). Die Verteilun der notierten Dosen ist dbei für σ > 1 immer breiter ls die Verteilun der whren Dosen. Im Berkson-Fehlermodell wird die Reihenfole der Dosisbestimmun umekehrt. Gemäß (2) wird us der simulierten notierten Dosis über die nenommene Fehlerverteilun p( ) die whre Dosis bestimmt. Mn erhält wieder zwei verschiedene Verteilunen für die whren und notierten Dosen. Im Geenstz zum klssischen Fehlermodell ist Verteilun der whren Dosen etzt breiter ls die Verteilun der notierten Dosen Simultion des Gesundheitszustndes Mit der Erkrnkunswhrscheinlichkeit für eine Person i us einer Ortschft P i ( h () t d ) = 1 exp i t (3) wird die Zhl der Krebsfälle simuliert. Sie hänt b von dem individuellen Risiko h i h0 + βd true, i =, (4)
6 Anhn 8 Klssischer Fehler, Berkson-Fehler und Ökoloischer Messfehler 5 ds us einem konstnten Hinterrundrisiko h 0 = 10 Fälle pro 10 6 Personenhren und einem Strhlen induzierten Risiko besteht. Letzteres wächst liner mit der whren individuellen Dosis D true, i proportionl zum EARPD (enl. excess bsolute risk per dose, dt. Zustzrisiko pro Einheitsdosis) β = 2 Fälle pro 10 4 Personenhren und Gy. Zur Vereinfchun wird nenommen, dss ds Risiko (4) über den Beobchtunszeitrum von T = 10 Jhren von konstnt ist. Eventuelle Alters- oder Geschlechtsbhänikeiten werden nicht berücksichtit. Mit den ewählten Werten für die Risikoprmeter h 0 und β bleibt ds Risiko klein selbst für Dosen in der Größenordnun von 10 Gy. Dmit eribt sich für die individuelle Erkrnkunswhrscheinlichkeit einer Person i us einer Ortschft näherunsweise P = T. (5) i h i Bestimmun der Risikoschätzer Für ds klssische und ds Berkson-Fehlermodell werden die Dosisverteilunen und die Krebsfälle simuliert wie in den Ablufschemt der Abbildunen 3 und 4 drestellt. Die Schätzer für die Risikoprmeter werden zunächst mit Hilfe der Poissonreression bestimmt, wobei ede Ortschft eine Poissonzelle drstellt. Die ökoloischen Risikoschätzer h 0, und β ereben sich durch die Minimierun der Poissonlikelihood ln L P N sett = 2 n = 1 λ + n λ ln n (6) wobei n die Anzhl der simulierten Krebsfälle in einer Ortschft bedeutet. Die Summtion läuft über N sett = 743 Ortschften. Zur Minimierun werden die Risikoschätzer so ewählt, dss in eder Ortschft mit N Minderährien im Jhre 1986 die Zhl der vom Risikomodell vorheresten Fälle 1 ( h0, + β Drec, ) mit Drec, = λ = N T Drec, i (7) N i mölichst weni von der Zhl der n simulierten Fälle bweicht. Dbei ist rithmetische Mittelwert der Ortsdosis einer Ortschft. D, der rec
7 Anhn 8 Klssischer Fehler, Berkson-Fehler und Ökoloischer Messfehler 6 Whre Dosisvertl sim. Notierte Dosisvertl. sim. Fälle FIT Abbildun 3: Ablufschem der Simultion von Dosisverteilunen und Krebsfällen mit nschließender Poissonreression oder Reression mit individueller Likelihood (FIT) im klssischen Fehlermodell Notierte Dosisvertl. sim. Whre Dosisvertl FIT Fälle sim. Abbildun 4: Ablufschem der Simultion von Dosisverteilunen und Krebsfällen mit nschließender Poissonreression oder Reression mit individueller Likelihood (FIT) im Berkson-Fehlermodell Mit der Reression der Likelihood-Funktion, ( ) ln L I = 2 ln 1 P i + ln Pi (8) kein Krebsfll Krebsfll die us individuellen Dten zusmmenesetzt wird, lssen sich lterntiv die Schätzer und β ind für die Risikoprmeter h 0 und β bestimmen. Hier wird keine Aretion der Dten in Ortschften vorenommen. Die Summtion in (8) erfolt direkt über lle Individuen, wobei unterschieden wird, ob eine Person einen Tumor besitzt oder nicht. Die Ablufschemt (Abbildunen 4 und 5) ändern sich dbei nicht. Durch Verleich von den Erebnissen us Poissonreression und Reression mit individueller Likelihood lässt sich der Einfluss der Aretion uf die Risikoschätzer bewerten. h 0, ind
8 Anhn 8 Klssischer Fehler, Berkson-Fehler und Ökoloischer Messfehler 7 Mit den ewählten Zhlenwerten für die Risikoprmeter h 0 und β sind in einem Simultionsluf 163 Fälle zu erwrten. Die Anzhl der simulierten Fälle ist poissonverteilt und schwnkt in der Größenordnun des ±1σ Unsicherheitsbereiches, der durch die Qudrtwurzel der esmten Fllzhl eeben ist. Um die ddurch uftretenden sttistischen Fluktutionen zu reduzieren, wurden die Ablufschemt der Abbildunen 3 und 4 eweils 100-ml durchlufen. Die Erebnisse für die Risikoschätzer und deren Fehlerblken sind deshlb die Mittelwerte us 100 Simultionsläufen. Die Fehlerblken wurden berechnet unter der Annhme eines prbolischen Verlufes der Likelihood-Funktion in der Nähe des Minimums. Sie sind deshlb symmetrisch Erebnisse Simultionsrechnunen wurden für ds klssische Fehlermodell und ds Berkson- Fehlermodell durcheführt. Die Risikoschätzer wurden sowohl mit Poissonreression ls uch mit Reression der individuellen Likelihood ermittelt. In den Tbellen 1 und 2 sind die Erebnisse für die Poissonreression in beiden Fehlermodellen drestellt. Tbelle 3 zeit die Resultte für die Reression der individuellen Likelihood im klssischen Fehlermodell. Für ds Berkson-Fehlermodell sind die Erebnisse us Poissonreression und Reression der individuellen Likelihood nnähernd identisch. Ds Hinterrundrisiko knn in drei Fällen unverzerrt eschätzt werden, nur bei der Reression der individuellen Likelihood im klssischen Fehlermodell tritt eine strke Überschätzun bis zu einem Fktor zwei uf. Wenn die Schätzer h 0, und β für die Risikoprmeter h 0 und β mit der Poissonreression bestimmt werden, ist die durch den Messfehler verurschte Verzerrun (kurz: Messfehler-Bis) β β µ β µ = im klssischen Fehlermodell und = im Berkson - Fehlermodell. (9) µ β µ Hierbei sind µ und µ der eometrische und rithmetische Mittelwert der nenommenen Verteilun des Fehlers einer Einzelmessun us (1) und (2). Dieses empirisch ewonnene Erebnis der Simultionen knn nlytisch exkt bewiesen werden. Dzu muss mn vorehen, wie im Anhn B des Anhnes 5 beschrieben und ein System von zwei Gleichunen für die zwei Schätzer h 0, und β lösen. Für β ist die Lösun bhäni vom Fehlermodell in (8) eeben. Für ds Hinterrundrisiko ilt h0, = h0, es knn in der Poissonreression in den hier ezeiten Beispielen unverzerrt eschätzt werden. Dieses Erebnis ilt ber nicht llemein, Geenbeispiele sind schon im Anhn 6.2 für den ökoloischen Messfehler zu finden. Abbildun 5 zeit den Verluf der Verzerrun des EARPD ls Funktion der eometrischen Stndrdbweichun σ der nenommenen Fehlerverteilun p () us Abbildun 1.
9 Anhn 8 Klssischer Fehler, Berkson-Fehler und Ökoloischer Messfehler 8 3 Bis für ds EARPD eometrische Stndrdbweichun σ Abbildun 5: Verzerrun des EARPD ls Funktion der eometrischen Stndrdbweichun σ der individuellen Fehlerverteilun p( ) im klssischen Fehlermodell mit Poissonreression (schwrze Linie) und mit Reression der individuellen Likelihood (rüne Linie), im Berkson-Fehlermodell (rote Linie) nur für Poissonreression, die Kurve für die Reression der individuellen Likelihood verläuft leich Mit der Beziehun µ 1 2 µ exp ln σ (10) 2 = berechnet sich der rithmetische Mittelwert einer Lonormlverteilun us den eometrischen Prmetern. Der rithmetische Mittelwert wächst mit der Breite der Lonormlverteilun. Im klssischen Fehlermodell bewirkt dieses Verhlten eine Verzerrun hin zur Null (enl. bis towrds zero). Im hier ewählten Berkson-Fehlermodell steit der Messfehler-Bis liner mit wchsendem rithmetischem Mittelwert der Fehlerverteilun. Für die Reression der individuellen Likelihood konnte keine nlytische Lösun efunden werden. Aus den Simultionserebnissen folt, dss im Berkson-Fehlermodell ds leiche Verhlten wie bei der Poissonreression uftritt. Im klssischen Fehlermodell werden die Schätzer für ds Hinterrundrisiko h 0,ind und ds EARPD β ind verzerrt wieder eeben. Für ds EARPD ist die Verzerrun deutlich stärker ls bei der Poissonreression.
10 Anhn 8 Klssischer Fehler, Berkson-Fehler und Ökoloischer Messfehler 9 Tbelle 1: Schätzer für ds ökoloische Hinterrundrisiko h 0, und ds EARPD β mit ±1σ Fehlerintervllen us der Poissonreression, Messfehler-Bis und Verhältnis µ /µ von eometrischem und rithmetischen Mittelwert der Verteilun des individuellen Fehlers im klssischen Fehlermodell Geometrische Stndrdbw. σ Hinterrundrisiko h 0, EARPD β Messfehler-Bis β /β - [10-6 PY -1 ] [10-4 PY -1 Gy -1 ] - - 1,5 10,2±3,6 1,83±0,23 0,92 0,92 2,25 10,3±3,7 1,43±0,18 0,72 0, ,5±3,8 1,08±0,14 0,54 0,55 Verhältnis µ /µ Tbelle 2: Schätzer für ds ökoloische Hinterrundrisiko h 0, und ds EARPD β mit ±1σ Fehlerintervllen us der Poissonreression, Messfehler-Bis und Verhältnis µ /µ von eometrischem und rithmetischen Mittelwert der Verteilun des individuellen Fehlers im Berkson-Fehlermodell Geometrische Stndrdbw. σ Hinterrundrisiko h 0, EARPD β Messfehler-Bis β /β - [10-6 PY -1 ] [10-4 PY -1 Gy -1 ] - - 1,5 10,0±3,6 2,17±0,27 1,09 1,09 2,25 10,2±3,6 2,75±0,30 1,38 1, ,3±3,6 3,61±0,33 1,81 1,83 Verhältnis µ /µ Tbelle 3: Schätzer für ds Hinterrundrisiko h 0,ind und ds EARPD β ind mit ±1σ Fehlerintervllen us der Reression mit individueller Likelihood, Messfehler-Bis im klssischen Fehlermodell Geometrische Stndrdbw. σ Hinterrundrisiko h 0,ind EARPD β ind Messfehler-Bis β ind /β - [10-6 PY -1 ] [10-4 PY -1 Gy -1 ] - 1,5 11,9±2,9 1,74±0,20 0,89 2,25 17,1±3,1 1,14±0,15 0, ,9±3,2 0,72±0,10 0, Diskussion Die Simultionen zum Einfluss von individuellen Messfehlern uf die Schätzprmeter eines lineren Risikomodells wurden im klssischen und im Berkson-Fehlermodell durcheführt. Unter der einfchen Annhme, dss die Verteilun des individuellen Messfehlers für ede Person leich ist, knn die Verzerrun us der Poissonreression nlytisch uch exkt berechnet werden. Verlichen mit den Verzerrunen, die us der Zusmmenfssun der Individuldten bei leichzeiti vorhndenem Screenin-Effekt entstehen, sind die hier beobchteten Verzerrunen deutlich rößer. Eine Korrektur der Verzerrun ist edoch bei den hier betrchteten einfchen Beispielen mölich, wenn die Poissonreression zur Ermittlun der Risikoschätzer verwendet wird. Die Methode der Reression der individuellen Likelihood sollte bevorzut newndt werden, wenn Individuldten zu Exposition und Erkrnkun verfübr sind. Mit dieser Methode wird eine Verzerrun der Risikoschätzer durch Zusmmenfssun von Ausnsdten vermieden. Dieser wichtie Vorteil wird edoch teilweise uselichen, weil die Risikoschätzer, die us der Reression der individuellen Likelihood bestimmt werden, viel empfindlicher uf Messfehler im klssischen Fehlermodell reieren. Eine numerische Korrektur der Verzerrun ist edoch uch hier mölich und wurde uch schon mit nichtlineren Dosis-Wirkunsbeziehunen durcheführt (Heidenreich et l. 2004).
11 Anhn 8 Klssischer Fehler, Berkson-Fehler und Ökoloischer Messfehler Ökoloischer Messfehler Die mittlere Siedlunsdosis wurde bestimmt in 670 Ortschften mit mehr ls zehn personenbezoenen Aktivitätsmessunen. Genue Informtion über die Anzhl emessener Personen ist edoch nur in 581 Ortschften mit Personen us der Geburtskohorte verfübr. Durch die Reduktion um 89 Orte mit kleiner Bevölkerunszhl wurde die Risikoruppe nur unwesentlich kleiner. In keinem dieser Orte wurde ein Fll reistriert, so dss die Fllzhl für die Jhre konstnt bei 350 Fällen blieb. Die mittlere Dosis betru 0,079 Gy. Die 581 Ortschften bilden die Grundle der Simultionen in diesem Abschnitt. Jedoch wurde in keiner Ortschft die risikobehftete Personenruppe vollständi emessen, sondern eweils nur ein Bruchteil. Abbildun 6 zeit, dss dieser Bruchteil in Orten mit eriner Bevölkerunszhl höher ist ls in rößeren Städten. In Kyiv wurden nur 0,66% der Risikoruppe emessen, in Chernihiv betru der Anteil 7% und in Zhytomyr betru er 0,32%. Insesmt wurden Kinder und une Erwchsene emessen, ds entspricht einem Anteil n der Risikoruppe von 7%. 100 Gemessener Anteil [%] 10 1 Chernihiv Kyiv Zhytomyr Anzhl minderährier Personen pro Siedlun in 1986 Abbildun 6: Bruchteil der Personen mit individueller Messun der Schilddrüsenktivität pro Siedlun Durch die unvollständie Messun knn der Dosismittelwert in einer Ortschft nur unenu bestimmt werden. Mn st, dss er mit einem ökoloischen Messfehler behftet ist (Brenner et l. 1992). Würde mn in einer Ortschft unbhäni voneinnder mehrere unbhänie unvollständie Messunen durchführen, würden die Mittelwerte dieser Messunen um den whren Dosismittelwert us der vollständien Messun schwnken. Dher knn mn vermuten, dss sich der ökoloische Messfehler bei der Risikoschätzun wie ein klssischer Messfehler uswirkt. Diese Vermutun wurde mit Simultionen etestet. Zur Simultion der Krebsfälle wurde ein einfches lineres Risikomodell benutzt mit einem Hinterrundrisiko h 0 von 14,7 Fällen pro 10 6 PY und einen EARPD β von 2,51 Fällen pro
12 Anhn 8 Klssischer Fehler, Berkson-Fehler und Ökoloischer Messfehler PY Gy. Mit diesen Werten sind im Mittel 344 Krebsfälle zu erwrten. Ohne den ökoloischen Messfehler würde dieses einfche Modell keinen ökoloischen Bis liefern, weil es nicht durch den Screenin-Effekt beeinflusst wird. Der Bis entsteht hier, weil die Poissonreression mit Fehler behfteten mittleren Ortsdosen durcheführt wird. Zur Bewertun des Bis durch den ökoloischen Messfehler wurden zwei Vrinten betrchtet. In der ersten Vrinte wurde der reltive Anteil der emessenen Personen in eder Ortschft verändert. Der Anteil konnte die Werte von 90 %, 50 % und 7 % nnehmen. Nun hben die emessenen Personen und die Gesmtzhl der Personen die leiche mittlere Dosis. Auch die Ortsdosen sind im Mittel leich, llerdins ist die Verteilun der Ortsmittelwerte breiter, weil nicht lle Personen emessen wurden. In der zweiten Vrinte betru die bsolute Anzhl emessener Personen 1, 5 und 10. Für eden Vrintenprmeter wurden 100 verschiedene Dtensätze mit personenbezoener Exposition und Gesundheitszustnd simuliert. Die mittlere Dosis der emessenen Personen beträt nun c. 0,4 Gy. Sie weicht deutlich von der mittleren Dosis der esmten Kohorte b, weil die einzelnen Orte mit unterschiedlichen Bevölkerunsnteilen repräsentiert werden. Mit edem Dtenstz wurde die Poissonreression zweiml durcheführt zur Bestimmun des ökoloischen EARPD β und des ERRPD γ. Ds ökoloische Hinterrundrisiko <h 0 > wr in beiden Reressionsrechnunen völli identisch. Dnn wurde für die drei Risikoschätzer eweils der Mittelwert über die 100 Dtensätze ebildet. Ds leiche Verfhren wurde zur Bestimmun der Konfidenzintervlle newendet. Sie sind symmetrisch, weil die Form der Devince in der Nähe des Minimums durch eine Prbel pproximiert wurde. Ddurch ereben sich so ennnte Wld-bsierte Stndrdfehler. Aus Tbelle 4 eht hervor, dss der Bis für ds Hinterrundrisiko, ds EARPD und ds ERRPD vernchlässibr ist, wenn der Anteil emessener Personen 90 % oder 50 % beträt. Selbst bei einem Anteil von 7 % emessenen Personen in eder Ortschft wächst der Bis uf höchstens 0,05. Simuliert mn die emessenen Personen nhnd der Liste, ist der Anteil der emessenen Personen uch leich 7 % in der esmten Risikoruppe. Jedoch knn der Anteil von Ortschft zu Ortschft schwnken. Außerdem wurden mehr ältere Personen emessen, so dss der Dosismittelwert der emessenen Personen bei 0,265 Gy liet, deutlich über dem Mittelwert von 0,079 Gy für die esmte Kohorte. Deshlb sind die Risikoschätzer in der vorletzten und letzten Zeile von Tbelle 4 unterschiedlich. Ds ökoloische Hinterrundrisiko ist deutlich erhöht für den Fll, dss die Personen emäß einer voreebenen Liste emessen wurden. Tbelle 4: Bis in Abhänikeit vom reltiven Anteil emessener Personen in einer Siedlun Gemessener Anteil [%] [10-6 PY -1 ] <h 0 > bis EARPD β bis ERRPD γ bis <h 0 > / <h 0 > [10-4 PY -1 Gy -1 ] β /β [Gy -1 ] γ /γ ± ± ± ± ± ± ± ± ± Liste (7) 18.1± ± ±
13 Anhn 8 Klssischer Fehler, Berkson-Fehler und Ökoloischer Messfehler 12 Tbelle 5: Bis in Abhänikeit von der bsoluten Anzhl emessener Personen in einer Siedlun Anzhl emessener Personen in Siedlun [10-6 PY -1 ] <h 0 > bis EARPD bis ERRPD bis <h 0 >/ <h 0 > pop [10-4 PY -1 Gy -1 ] β/β pop [Gy -1 ] γ/γ pop ± ± ± ± ± ± ± ± ± In Tbelle 5 sind die Erebnisse der Poissonreression zusmmenefsst für den Fll, dss in eder Ortschft enu 1, 5 oder 10 Personen emessen wurden. Für diese drei Fälle beträt die mittlere Dosis der emessenen Personen c. 0,4 Gy. Die Risikokoeffizienten EARPD und ERRPD werden deutlich unterschätzt. Wie zu erwrten, wird der Bis kleiner, wenn mehr Personen emessen werden. Wenn ein ökoloischer Messfehler vorliet, übersteit der Bis für ds reltive Risiko den Bis für ds bsolute Risiko. Die whren Koeffizienten für ds zusätzliche Risiko werden hier immer unterschätzt. Diese Ttsche unterstützt die Interprettion des ökoloischen Messfehlers ls klssischen Fehler. Litertur Crroll RJ, Ruppert D und Stefnski LA, 1995, Mesurement Error in Nonliner Models, Chpmn & Hll, London Heidenreich WF, Luebeck EG und Moolvkr SH, 2004, Effects of Exposure Uncertinties in the TSCE Model nd Appliction to the Colordo Miners Dt, Rdition Reserch 161, Brenner H, Svitz DA, Jöckel KH nd Greenlnd S, 1992, Effects of Nondifferentil Exposure Misclssifiction in Ecoloic Studies, Americn Journl of Epidemioloy 135, 85-95
Versuchsplanung. Grundlagen. Extrapolieren unzulässig! Beobachtungsbereich!
Versuchsplnung 22 CRGRAPH www.crgrph.de Grundlgen Die Aufgbe ist es Versuche so zu kombinieren, dss die Zusmmenhänge einer Funktion oder eines Prozesses bestmöglich durch eine spätere Auswertung wiedergegeben
MehrFalls die Werte von X als Ergebnisse eines Zufallsvorgangs resultieren, wird X zu einer stetigen Zufallsvariable.
Sttistik I für Sttistiker, Mthemtiker und Informtiker Lösungen zu Bltt 11 Gerhrd Tutz, Jn Ulbricht, Jn Gertheiss WS 7/8 Theorie: Stetige Zufllsvriblen Begriff Stetigkeit: Eine Vrible oder ein Merkml X
MehrBrückenkurs Lineare Gleichungssysteme und Vektoren
Brückenkurs Linere Gleichungssysteme und Vektoren Dr Alessndro Cobbe 30 September 06 Linere Gleichungssyteme Ws ist eine linere Gleichung? Es ist eine lgebrische Gleichung, in der lle Vriblen nur mit dem
Mehr- 1 - VB Inhaltsverzeichnis
- - VB Inhltsverzeichnis Inhltsverzeichnis... Die Inverse einer Mtrix.... Definition der Einheitsmtrix.... Bedingung für die inverse Mtrix.... Berechnung der Inversen Mtrix..... Ds Verfhren nch Guß mit
MehrRepetitionsaufgaben Exponential-und Logarithmusfunktion
Repetitionsufgben Eponentil-und Logrithmusfunktion Inhltsverzeichnis A) Vorbemerkungen B) Lernziele C) Eponentilfunktionen mit Beispielen 2 D) Aufgben Ep.fkt. mit Musterlösungen 6 E) Logrithmusfunktionen
MehrFehlerrechnung in der Optik
HTL Saalfelden Fehlerrechnun in der Optik Seite von 6 Heinrich Schmidhuber heinrich_schmidh@hotmail.com Fehlerrechnun in der Optik Mathematische / Fachliche Inhalte in Stichworten: Fehlerarten, Fehlerfortplanzun,
MehrSeminar Quantum Computation - Finite Quanten-Automaten und Quanten-Turingmaschinen
Seminr Quntum Computtion - Finite Qunten-Automten und Qunten-Turingmschinen Sebstin Scholz sscholz@informtik.tu-cottbus.de Dezember 3. Einleitung Aus der klssischen Berechenbrkeitstheorie sind die odelle
MehrJUSTUS-LIEBIG-UNIVERSITÄT GIESSEN
JUSTUS-LIEBIG-UNIVERSITÄT GIESSEN Professur für VWL II Wolfgng Scherf Die Exmensklusur us der Volkswirtschftslehre Erschienen in: WISU 8-9/2000, S. 1163 1166. Fchbereich Wirtschftswissenschften Prof. Dr.
MehrKapitel 10. Integration. Josef Leydold Mathematik für VW WS 2015/16 10 Integration 1 / 35
Kpitel 0 Integrtion Josef Leydold Mthemtik für VW WS 205/6 0 Integrtion / 35 Flächeninhlt Berechnen Sie die Inhlte der ngegebenen Flächen! f (x) = Fläche: A = f (x) = +x 2 Approximtion durch Treppenfunktion
MehrCanon Nikon Sony. Deutschland 55 45 25. Österreich 40 35 35. Schweiz 30 30 20. Resteuropa 60 40 30 55 45 25 40 35 35 J 30 30 20 60 40 30
15 Mtrizenrechnung 15 Mtrizenrechnung 15.1 Mtrix ls Zhlenschem Eine Internetfirm verkuft über einen eigenen Shop Digitlkmers. Es wird jeweils nur ds Topmodel der Firmen Cnon, Nikon und Sony ngeboten. Verkuft
MehrDef.: Sei Σ eine Menge von Zeichen. Die Menge Σ* aller Zeichenketten (Wörter) über Σ ist die kleinste Menge, für die gilt:
8. Grundlgen der Informtionstheorie 8.1 Informtionsgehlt, Entropie, Redundnz Def.: Sei Σ eine Menge von Zeichen. Die Menge Σ* ller Zeichenketten (Wörter) über Σ ist die kleinste Menge, für die gilt: 1.
Mehr1.2 Der goldene Schnitt
Goldener Schnitt Psclsches Dreieck 8. Der goldene Schnitt Beim Begriff Goldener Schnitt denken viele Menschen n Kunst oder künstlerische Gestltung. Ds künstlerische Problem ist, wie ein Bild wohlproportioniert
MehrMatrizen und Determinanten
Mtrizen und Determinnten Im bschnitt Vektorlgebr Rechenregeln für Vektoren Multipliktion - Sklrprodukt, Vektorprodukt, Mehrfchprodukte wurde in einem Vorgriff bereits eine interessnte mthemtische Konstruktion
MehrWurzeln. bestimmen. Dann braucht man Wurzeln. Treffender müsste man von Quadratwurzeln sprechen. 1. Bei Quadraten, deren Fläche eine Quadratzahl ist,
Seitenlängen von Qudrten lssen sich mnchml sehr leicht und mnchml etws schwerer Wurzeln bestimmen. Dnn brucht mn Wurzeln. Treffender müsste mn von Qudrtwurzeln sprechen. Sie stehen in enger Beziehung zu
MehrFernUniversität Gesamthochschule in Hagen
FernUniversität Gesmthochschule in Hgen FACHBEREICH MATHEMATIK LEHRGEBIET KOMPLEXE ANALYSIS Prof. Dr. Andrei Dum Proseminr 9 - Anlysis Numerische Integrtion Ulrich Telle Mtrikel-Nr. 474 Köln, den 7. Dezember
MehrDifferenzial- und Integralrechnung III
Differenzil- und Integrlrechnung III Riner Huser April 2012 1 Einleitung 1.1 Polynome und Potenzfunktionen Die Polynome oder Polynomfunktionen lssen sich durch die endliche Anzhl von n+1 Prmetern i R in
MehrLeitfaden für die Berechnung des Netzentgeltes bei der Rhein-Ruhr Verteilnetz GmbH
Leitfden für die Berechnung des Netzentgeltes bei der Rhein-Ruhr Verteilnetz GmbH Stnd: 20.01.2012 Gültig b: 01.01.2012 Inhltsverzeichnis 1 Benötigte Dten... 3 2 Netzentgelte... 4 2.1 Entgelt für Entnhme
Mehr1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. Bäume / Graphen 5. Hashing 6. Algorithmische Geometrie
Gliederun 1. Motivtion / Grundlen 2. Sortierverfhren 3. Elementre Dtenstrukturen / Anwendunen 4. Bäume / Grphen 5. Hshin 6. Alorithmische Geometrie 3/1, Folie 1 2010 Prof. Steffen Lne - HD/FbI - Dtenstrukturen
Mehrt 1 t cos(t) sin(t) haben als Spur jeweils den Einheitshalbkreis in der oberen Halbebene.
Kpitel Kurvenintegrle Kurven Sei I = [, b] R ein Intervll Eine Weg ist eine Abbildung dieses Intervlls in den R d, d, : I R d Dbei nennt mn () den Anfngspunkt, (b) den Endpunkt und ds Bild ([, b]) die
Mehr1.6 Bruchterme. 1 Einführung und Repetition 2. 2 Multiplikation und Division von Bruchtermen 3. 3 Die Addition von zwei Bruchtermen-Methode I 3
.6 Bruchterme Inhltsverzeichnis Einführung und Repetition 2 2 Multipliktion und Division von Bruchtermen 3 3 Die Addition von zwei Bruchtermen-Methode I 3 4 Doppelbrüche 5 5 Die Addition von zwei Bruchtermen
MehrVorkurs Mathematik DIFFERENTIATION
Vorkurs Mthemtik 6 DIFFERENTIATION Beispiel (Ableitung von sin( )). Es seien f() = sin g() = h() =f(g()) = sin. (f () =cos) (g () =) Also ist die Ableitung von h: h () =f (g())g () =cos = cos. Mn nennt
MehrAbiturprüfung 2007. Mathematik, Leistungskurs 0,02
M LK HT Seite von Nme: Abiturprüfung 007 Mthemti, Leistungsurs Aufgbenstellung: Gegeben ist die Funtion f mit Ein Teil des Grphen von f ist für 0,0 t ft () = t e, t IR. 0 t 5 m Ende der Aufgbe uf Seite
MehrMonte Carlo Methoden. Kapitel 3. 3.1 Simple Sampling
Kpitel 3 Monte Crlo Methoden Historisch wird der Begriff der Monte Crlo Methode 1947 geprägt [38] 1 und zum ersten MlzweiJhrespäter im Titel einer Veröffentlichung verwendet [39]. Wie der Nme nklingen
MehrMathe Warm-Up, Teil 1 1 2
Mthe Wrm-Up, Teil 1 1 2 HEUTE: 1. Elementre Rechenopertionen: Brüche, Potenzen, Logrithmus, Wurzeln 2. Summen- und Produktzeichen 3. Gleichungen/Ungleichungen 1 orientiert sich n den Kpiteln 3,4,6,8 des
MehrMathematik PM Rechenarten
Rechenrten.1 Addition Ds Pluszeichen besgt, dss mn zur Zhl die Zhl b hinzuzählt oder ddiert. Aus diesem Grunde heisst diese Rechenrt uch Addition. + b = c Summnd plus Summnd gleich Summe Kommuttivgesetz
Mehr8 Integralrechnung. 8.1 Das Riemann-Integral
8 Integrlrechnung Der Integrlbegriff ist wie der Ableitungsbegriff motiviert durch die physiklische Beschreibung von Bewegungsbläufen (Geschwindigkeit, Beschleunigung). Er ist u.. uch von Bedeutung bei
MehrPräfixcodes und der Huffman Algorithmus
Präfixcodes und der Huffmn Algorithmus Präfixcodes und Codebäume Im Folgenden werden wir Codes untersuchen, die in der Regel keine Blockcodes sind. In diesem Fll können Codewörter verschiedene Länge hben
Mehrx usw., wie oben unter 1.) behauptet.]
[Anmerkung zur Berechnung im Beispiel: Ersetzen wir die Zhlen der AzM durch die Koeffizienten, 2, 2 und 22, so lässt sich die Rechnung sowohl für ) ls uch b) gnz nlog durchführen, und es ergibt sich z.
MehrNutzung der Abwärme aus Erneuerbare-Energie-Anlagen
5 2014 Sonderdruck us BWK 5-2014 Wichtige Kennzhlen und effiziente Plnung für die dezentrle Wärmewende Nutzung der Abwärme us Erneuerbre-Energie-Anlgen Wichtige Kennzhlen und effiziente Plnung für die
MehrOrientierungstest Mathematische Grundlagen
Orientierungstest Mthemtische Grundlgen Lösungen:. Welche Zhlenmengen git es? Beispiele? Menge der ntürlichen Zhlen N {,,, } Menge der gnzen Zhlen Z {,, 0,,, } Menge der rtionlen Zhlen Q Menge ller ls
MehrA.25 Stetigkeit und Differenzierbarkeit ( )
A.5 Stetigkeit / Differenzierbrkeit A.5 Stetigkeit und Differenzierbrkeit ( ) Eine Funktion ist wenn die Kurve nicht unterbrochen wird, lso wenn mn sie zeichnen knn, ohne den Stift vom Bltt bzusetzen.
MehrInternationale Ökonomie I Vorlesung 3: Das Riccardo-Modell: Komparative Vorteile und Produktivität (Master)
Interntionle Ökonomie I Vorlesung 3: Ds Riccrdo-Modell: Komprtive Vorteile und Produktivität (Mster) Dr. Dominik Mltritz Vorlesungsgliederung 1. Einführung 2. Der Welthndel: Ein Überblick 3. Ds Riccrdo-Modell:
MehrBeispiel-Abiturprüfung
Mthemtik BeispielAbiturprüfung Prüfungsteile A und B Bewertungsschlüssel und Lösungshinweise (nicht für den Prüfling bestimmt) Die Bewertung der erbrchten Prüfungsleistungen ht sich für jede Aufgbe nch
MehrAnalyse und Untersuchung der Quantisierungseffekte beim Goertzel-Filter
Adv. Rdio Sci., 7, 73 81, 2009 www.dv-rdio-sci.net/7/73/2009/ Author(s) 2009. This work is distributed under the Cretive Commons Attribution 3.0 License. Advnces in Rdio Science Anlyse und Untersuchung
MehrEinführung in die Fehlerrechnung (statistische Fehler und Fehlerfortpflanzung) anhand eines Beispielexperiments (Brennweitenbestimmung einer Linse)
Physiklabor Prof. Dr. M. Wülker Einführun in die Fehlerrechnun (statistische Fehler und Fehlerfortpflanzun) anhand eines Beispielexperiments (Brennweitenbestimmun einer Linse) Diese Einführun erläutert
Mehr-25/1- DIE RÖHRENDIODE
-25/1- DIE RÖHRENDIODE ufgben: Messverfhren: Vorkenntnisse: Lehrinhlt: Litertur: ufnhme der Kennlinie einer Röhrendiode und einiger rbeitskennlinien. Bestimmung des Exponenten der Schottky-Lngmuirschen
MehrInformationen zu den gemeinsamen Fächern im Zentralabitur 2010 in Berlin und Brandenburg. Nr. 1 Mathematik
Ministerium für Bildung, Jugend und Sport Sentsverwltung für Bildung, Wissenschft und Forschung Informtionen zu den gemeinsmen Fächern im Zentrlbitur 00 in Berlin und Brndenburg Nr..0.009 Beispielufgben
MehrMusterlösung zu Aufgabe 1 (Klassenstufe 9/10)
Musterlösung zu Aufgbe 1 (Klssenstufe 9/10) Aufgbe. Drei Freunde spielen mehrere Runden eines Spiels, bei dem sie je nch Rundenpltzierung in jeder Runde einen festen, gnzzhligen Betrg x, y oder z usgezhlt
MehrUNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl. Sommersemester 2009
UNIVERSIÄ KARLSRUHE Institut für Anlysis HDoz. Dr. P. C. Kunstmnn Dipl.-Mth. M. Uhl Sommersemester 9 Höhere Mthemti II für die Fchrichtungen Eletroingenieurwesen, Physi und Geodäsie inlusive Komplexe Anlysis
MehrEinführung Finanzmathematische Grundlagen Zinsrechnungen Rentenrechnungen Tilgungsrechnungen Bestimmung von Kurs und Rendite
Inhltsübersicht A B C D E F Einführung Finnzmthemtische Grundlgen Zinsrechnungen Rentenrechnungen Tilgungsrechnungen Bestimmung von Kurs und Rendite Dr. A. Brink Dr. A. Brink 1 1 Terminpln (geplnt) Zeit:
MehrGrundwissen Mathematik 8. Klasse. Eigenschaften Besonderheiten - Beispiele
Themen Direkte Proportionlität Eigenschften Besonderheiten - Beispiele Zwei Größen und y heißen direkt proportionl, wenn gilt: Zum k-fchen Wert von gehört der k-fche Wert von y; Der Quotient q = y ht für
MehrTE- und TM-Moden im Wellenleiter. Bachelorarbeit
TE- und TM-Moden im Wellenleiter Sebstin Rubitzek 30. September 2014 in Grz Bchelorrbeit betreut von Ao.Univ.-Prof. Mg. Dr.rer.nt. Ulrich Hohenester 1 Inhltsverzeichnis 1 Einleitung 3 1.1 Ws ist ein Wellenleiter?......................
MehrGrundwissen Abitur Analysis
GYMNASIUM MIT SCHÜLERHEIM PEGNITZ mthem-technolog u sprchl Gmnsium WILHELM-VON-HUMBOLDT-STRASSE 7 9257 PEGNITZ FERNRUF 0924/48333 FAX 0924/2564 Grundwissen Abitur Anlsis Ws sind Potenzfunktion mit ntürlichen
MehrVerbrauchswerte. 1. Umgang mit Verbrauchswerten
Verbruchswerte Dieses Unterkpitel ist speziell dem Them Energienlyse eines bestehenden Gebäudes nhnd von Verbruchswerten (Brennstoffverbräuche, Wrmwsserverbruch) gewidmet. BEISPIEL MFH: Ds Beispiel des
MehrFür den Mathe GK, Henß. - Lineare Algebra und analytische Geometrie -
Für den Mthe GK, Henß - Linere Alger und nlytische Geometrie - Bis uf die Astände ist jetzt lles drin.. Ich h noch ne tolle Seite entdeckt mit vielen Beispielen und vor llem Aufgen zum Üen mit Lösungen..
MehrBrückenkurs Mathematik
Prof. Dr.Ing. W. Scheideler Brückenkurs Mthemtik WS 0/ us und überrbeitet von B. Eng. Sevd Hppel und Dipl.Ing. Jun Rojs Prof. Dr.Ing. W. Scheideler Inhltsverzeichnis Brüche, Potenzen und Wurzeln. Brüche..
MehrAnalysis mit dem Voyage 1
Anlysis mit dem Voyge 1 1. Kurvendiskussion Gegeben ist die Funktionschr Den Nenner erhält mn mit Hilfe der Funktion getdenom. Zeros liefert die Nullstellen des Nenners und dmit die Werte, die us dem Definitionsbereich
Mehr10 Anwendungen der Integralrechnung
9 nwendungen der Integrlrechnung Der Inhlt von 9 wren die verschiedenen Verfhren zur Berechnung eines Integrls Der Inhlt von sind die verschiedenen Bedeutungen, die ein Integrl hen knn Die Integrlrechnung
MehrÜbungen zur Vorlesung Physikalische Chemie I Lösungsvorschlag zu Blatt 3
Übungen zur Vorlesung Physiklische Chemie I Lösungsvorschlg zu Bltt 3 Prof. Dr. Norbert Hmpp 1. Aufgbe ) Die gegebene Verteilung besteht nur us diskreten Werten! Die durchgezogene Linie würde nur bei einer
MehrSTATUS DES WINDENERGIEAUSBAUS
Jhr STATUS DES WINDENERGIEAUSBAUS AN LAND Zusätzliche Auswertungen und Dten für ds Jhr Deutsche WindGurd GmbH - Oldenburger Strße 65-26316 Vrel 4451/9515 - info@windgurd.de - www.windgurd.de Jhr STATISTISCHE
MehrADSORPTIONS-ISOTHERME
Institut für Physiklishe Chemie Prktikum Teil und B 8. DSORPTIONS-ISOTHERME Stnd 30/0/008 DSORPTIONS-ISOTHERME. Versuhspltz Komponenten: - Büretten - Pipetten - Shütteltish - Wge - Filtriergestell - Behergläser.
MehrMathematik schriftlich
WS KV Chur Abschlussprüfungen 00 für die Berufsmtur kufmännische Richtung Mthemtik schriftlich LÖSUNGEN Kndidtennummer Nme Vornme Dtum der Prüfung Bewertung mögliche erteilte Punkte Punkte. Aufgbe 0. Aufgbe
MehrMicronas Unified Galois Field Accelerator (MUGFA) Freiburg, 2005
Microns Unified Glois Field Accelertor MUGFA Christin enger, Dejn Lzich Freiburg, 2005 2 Elliptische Kurven EK über EK sind Teilmengen der Ebene, definiert durch und b in Gleichungen der Form 2 3 + + b
Mehr(Grob-) Gliederung. B Finanzmathematische Grundlagen C Zinsrechnungen D Rentenrechnungen E Tilgungsrechnungen F Kurs und Rendite
(Grob-) Gliederung A Einführung Them: Einführung B Finnzmthemtische Grundlgen C Zinsrechnungen D Rentenrechnungen E Tilgungsrechnungen F Kurs und Rendite Dr. Alfred Brink Dr. A. Brink Institut für Wirtschfts-
Mehrt ) - auch Zerfallsrate genannt - ist
Differentilgleichungen - Ausgewählte Proleme us der Phsik Beisiel: Rdioktiver Zerfll Eine gnze Reihe hsiklischer Erscheinungen lässt sich unter dem Stichwort Zerfll ngeregter Zustände einordnen. Ein Beisiel
MehrKarlsruhe - Mannheim - Aachen
Deutsche Finnzdtenbnk - DFDB Krlsruhe - Mnnheim - Achen - Krlsruhe - Die Bereinigung von Aktienkursen - Ein kurzer Uberblick uber Konzept und prktische Umsetzung - Andres Suer Version 10, August 1991 Projektleitung:
MehrENERGIETECHNISCHES PRAKTIKUM II
ENERGIETECHNISCHES PRAKTIKUM II Versuch 4: Geregelter Vier-Qudrnten-Antrieb mit Gleichstrommschine 1 EINLEITUNG...2 1.1 Lst- und Antriebskennlinien... 3 1.1.1 Lstkennlinien... 3 1.1.2 Fremderregte Gleichstrommschine...
MehrBruchterme und gebrochen rationale Funktionen ================================================================== Der Quotient zweier Terme
Bruchterme und gebrochen rtionle Funktionen Der Quotient zweier Terme Es ist ist 3 : 4 3 und. 4 : 3 4 3 4 Dehnt mn die Bruchschreibweise uf Terme us, dnn erhält mn sog. Bruchteme. ² ( + ) : (3 + 4) + 3
Mehr3. Ganzrationale Funktionen
3. Gnzrtionle Funktionen ) Definitionen und Beispiele Definition: Eine gnzrtionle Funktion n-ten Grdes ht ls Definitionsterm ein Polynom n-ten Grdes, d.h. y = f() = n n n-1 n-1 1 0. n 0, i ( i = 1, n)
MehrGrundlagen in Mathematik für die 1. Klassen der HMS und der FMS
Grundlgen in Mthemtik für die. Klssen der HMS und der FMS Einleitung In der Mthemtik wird häufig uf bereits Gelerntem und Beknntem ufgebut. Wer die Grundlgen nicht beherrscht, ht deshlb oft Mühe und Schwierigkeiten,
MehrKapitel 13. Taylorentwicklung Motivation
Kpitel 13 Tylorentwicklung 13.1 Motivtion Sei D R offen. Sie erinnern sich: Eine in D stetig differenzierbre Funktion f : D R wird durch die linere Funktion g(x) = f() + f ()(x ) in einer Umgebung von
Mehrv P Vektorrechnung k 1
Vektorrechnung () Vektorielle Größen in der hysik: Sklren Größen wie Zeit, Msse, Energie oder Tempertur werden in der hysik mit einer Mßzhl und einer Mßeinheit ngegeen: 7 sec, 4.5 kg. Wichtige physiklische
Mehrhat genau eine eindeutig bestimmte Lösung, wenn für die Determinante der Koeffizientenmatrix gilt:
1 Determinnten Die Determinnte einer qudrtischen Mtrix ist eine reelle Zhl. Sie ermöglicht insbesondere eine Aussge über die Existenz der inversen Mtrix bzw. über die Lösbrkeit von lineren leichungssystemen.
MehrLUDWIG-MAXIMILIANS-UNIVERSITÄT MÜNCHEN. 7. Übung/Lösung Mathematik für Studierende der Biologie 25.11.2015
LUDWIG-MAXIMILIANS-UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR BIOLOGIE Prof. Anres Herz, Dr. Stefn Häusler emil: heusler@biologie.uni-muenchen.e Deprtment Biologie II Telefon: 089-280-74800 Großhernerstr. 2 Fx:
MehrÜbung (1) 1 a a b + a c , 8 2 3. 7. Die Gerade g geht durch die Punkte (1, 3) und ( 4, 2). Beschreiben Sie die Gerade in folgenden beiden Formen: x
Übung (). Formulieren Sie in Worten genu die Kürzungs- bzw. Erweiterungregel für Brüche. (Welche einheitliche Formulierung reicht für beide Fälle?) 2. Wie vereinfcht mn zweckmäßig den Ausdruck b + c (Ws
Mehr5 Gleichungen (1. Grades)
Mthemtik PM Gleichungen (. Grdes) Gleichungen (. Grdes). Einführung Betrchtet mn und (, Q) und vergleicht sie miteinnder, so git es Möglichkeiten:. > ist grösser ls. = ist gleich gross wie. < ist kleiner
MehrVersuchsumdruck. Schaltungsvarianten des Operationsverstärkers
Hchschule STDIENGANG Wirtschftsingenieurwesen Bltt n 6 Aschffenburg Prf. Dr.-Ing.. Bchtler, Armin Huth Versuch 2 Versin. m 23.3.2 Versuchsumdruck Schltungsrinten des Opertinserstärkers Inhlt Verwendete
MehrUmwandlung von endlichen Automaten in reguläre Ausdrücke
Umwndlung von endlichen Automten in reguläre Ausdrücke Wir werden sehen, wie mn us einem endlichen Automten M einen regulären Ausdruck γ konstruieren knn, der genu die von M kzeptierte Sprche erzeugt.
MehrBerechnung der inversen Matrix.
Inverse Mtrix Berechnung der inversen Mtrix. Es ist ds LGS A X = E zu lösen. X = A 1 ist eine Mtrix. Verwendung des Guss-Algorithmus: Trnsformiere (A E in (E X. Steffen Voigtmnn Beuth Hochschule für Technik
MehrBoole'sche Algebra. Inhaltsübersicht. Binäre Funktionen, Boole'sche Algebren, Schaltalgebra. Verknüpfungen der mathematischen Logik
Boole'sche Algebr Binäre Funktionen, Boole'sche Algebren, Schltlgebr Inhltsübersicht Verknüpfungen der mthemtischen Logik Boole sche Algebren Grundelemente der Schltlgebr Regeln der Schltlgebr Normlformen
MehrÜbungen zu Wurzeln III
A.Nenner rtionl mchen: Nenner ist Qudrtwurzel: 5 bc 1.).).).) 5.) 1 15 9 bc.).) 8.) 9.) 10.) 5 5 B.Nenner rtionl mchen: Nenner ist höhere Wurzel: 1 1 9 5 1 1.).).).) 5.).) 5 C.Nenner rtionl mchen: Nenner
MehrÜBUNGSAUFGABEN SERIE 04
Elementreometrie ÜBUNGSAUFGABEN SERIE 04 AUFGABE 1: Beweisen Sie den folenden Stz: Stz 2.10: Die Nceinnderusfürun mit ist eine Verscieun. Zum Beweis verwenden wir Stz 2.9: Eine Beweun verscieden von der
MehrDifferentialgleichungen Gewöhnliche Differentialgleichungen
Differentilgleichungen Gewöhnliche Differentilgleichungen ( n) + + +... ++ Eplizite Form: (Gleichung lässt sich nch höchster Ableitung uflösen Implizite Form: + 0 Lösung: Durch eine Funktion Lösungsweg:
MehrReader. für den Einsatz in der Wiederholungsphase im Mathematikunterricht der Jahrgangsstufe 11
Reder für den Einstz in der Wiederholungsphse im Mthemtikunterricht der Jhrgngsstufe Anhng zur schriftlichen Husrbeit zur Zweiten Sttsprüfung für ds Lehrmt n öffentlichen Schulen von Andres Rschke Vorwort
MehrTrotz Rückgang arbeitsmarktpolitischer Maßnahmen Stabilisierung der Beschäftigungslage in Ostdeutschland
Trotz Rückgng rbeitsmrktpolitischer Mßnhmen Stbilisierung der Beschäftigungslge in Ostdeutschlnd Nch der Währungs-, Wirtschfts- und Sozilunion setzte in Ostdeutschlnd ein Beschäftigungsbbu ein, der sowohl
MehrComputer Vision Group Prof. Daniel Cremers. Fließkomma-Arithmetik und Fehlerfortpflanzung
Computer Vision Group Prof. Dniel Cremers Fließkomm-Arithmetik und Fehlerfortpflnzung Fließkomm-Arithmetik Definition einer Mschinenopertion: 1. Berechne für Mschinenzhlen ds Ergenis der Opertion mit höherer
MehrSponsored Search Markets
Sponsored Serch Mrkets ngelehnt n [EK1], Kpitel 15 Seminr Mschinelles Lernen, WS 21/211 Preise Slots b c Interessenten y z 19. Jnur 211 Jn Philip Mtuschek Sponsored Serch Mrkets Folie 1 Them dieses Vortrgs
MehrGrundwissen Jahrgangsstufe 7
GM 7.1 chsensymmetrie Grundwissen Jhrgngsstufe 7 Definition Zwei unkte liegen symmetrisch bezüglich einer chse, wenn ihre Verbindungsstrecke von der chse senkrecht hlbiert wird. M und liegen symmetrisch
Mehrdem Verfahren aus dem Beweis zu Satz 2.20 erhalten wir zunächst die folgenden beiden ε-ndeas für die Sprachen {a} {b} und {ε} {a} +
Lösungen zu Üungsltt 3 Aufge 1. Es gilt L(( ) ) = ({} {}) {} = ({} {}) ({} {} + ). Mit dem Verfhren us dem Beweis zu Stz 2.20 erhlten wir zunächst die folgenden eiden -NDEAs für die Sprchen {} {} und {}
MehrNumerische Mathematik I
Numerische Mthemtik I Dr. Wolfgng Metzler Universität Kssel unter Mitwirkung von Dipl.-Mth. Mrtin Steigemnn Sommersemester 2005 ii c 2005 Dr. Wolfgng Metzler, Fchbereich Mthemtik und Informtik der Universität
MehrGrundwissen 7. Jahrgangsstufe 1. Symmetrie Wissen Können Beispiele a) Achsenspiegelung : Symmetrieachse Mittelsenkrechte Winkelhalbierende
Grundwissen 7. Jhrgngsstufe 1. Symmetrie ) chsenspiegelung : Symmetriechse Mittelsenkrechte Winkelhlbierende Konstruktion Spiegelpunkt, Spiegelchse Mittelsenkrechte: Winkelhlbierende: Lot: Eigenschften
MehrInhaltsverzeichnis der Module
nle 2: Modulbeschreibunen In der Fssun des 3. Beschlusses vom 10.06.2009 30.09.2009 7.35.06 Nr. 1 S. 1 Inhltsverzeichnis der Module ode Bezeichnun Semester PSY-B-PM-01 PSY-B-PM-02 PSY-B-PM-03 PSY-B-PM-04
MehrEinführung in Mathcad 14.0 2011 H.
Einführung in Mthc. H. Glvnik Eitieren von Termen Tet schreiben mit Shift " + + Nvigtion mit Leertste un Cursor + Löschen mit Shift + Entf + + 5 sin( ) + Arten von Gleichheitszeichen Definition eines Terms
MehrRegiomontanus - Gymnasium Haßfurt - Grundwissen Mathematik Jahrgangsstufe 5
RMG Hßfurt Grundwissen Mthemtik Jhrnsstufe 5 Reiomontnus - Gymnsium Hßfurt - Grundwissen Mthemtik Jhrnsstufe 5 Wissen und Können. Ntürliche und nze Zhlen Sicherer Umn mit den 4 Grundrechenrten, Ausnutzen
MehrGedanken stoppen und entschleunigen
32 AGOGIK 2/10 Bertie Frei, Luigi Chiodo Gednken stoppen und entschleunigen Individuelles Coching Burn-out-Prävention Probleme knn mn nie mit derselben Denkweise lösen, durch die sie entstnden sind. Albert
MehrVorlesungsskript Mathematik I für Wirtschaftsingenieure
Vorlesungsskript Mthemtik I für Wirtschftsingenieure Verfsserin: HSD Dr. Sybille Hndrock TU Chemnitz Fkultät für Mthemtik e-mil: hndrock@mthemtik.tu-chemnitz.de Wintersemester 2005/06 Litertur [] Dllmnn,
Mehr1KOhm + - y = x LED leuchtet wenn Schalter x gedrückt ist
. Ohm = LED leuchtet wenn chlter gedrückt ist 2. Ohm = NICH ( = NO ) LED leuchtet wenn chlter nicht gedrückt ist = ist die Negtion von? Gibt es so einen kleinen chlter (Mikrotster)? 2. Ohm = UND LED leuchtet
MehrBestimmung der Dichte eines festen Körpers aus dem Auftrieb in Flüssigkeiten Versuchsprotokoll
Bestimmun der Dichte eines festen Körpers aus dem Auftrieb in Flüssikeiten Versuchsprotokoll Tobias Brinkert email: Homepae: 27.0.200 Version: 1.3 Inhaltsverzeichnis
Mehr2 Berechnung von Flächeninhalten unter Kurvenstücken
Übungsmteril 1 Berechnung von Flächeninhlten unter Kurvenstücken.1 Annäherung durch Rechtecke Um die Fläche zu berechnen, die zwischen dem Funktionsgrphen einer Funktion und der -Achse eingeschlossen wird,
Mehr4 Stetigkeit. 4.1 Intervalle
4 Stetigkeit Der Grenzwertbegriff für Zhlenfolgen lässt sich uf Funktionen übertrgen. Funktionen (oder Abbildungen) wren bereits im Kpitel über Mengen ufgetreten. Hier wird nun der Fll betrchtet, dss Definitionsbereich
MehrNumerische Untersuchungen zum schwingungsüberlagerten Pressen von Aluminiumpulver
Numerische Untersuchungen zum schwingungsüberlgerten Pressen von Aluminiumpulver Bernd-Arno Behrens, Mtthis Kmmler, Edin Gstn, Fbin Lnge* Institut für Umformtechnik und Umformmschinen (IFUM) Leibniz Universität
Mehr8. Abtastung. Kontinuierliches Signal: Signalspektrum: Abgetastetes Signal: ( t) Abtastfunktion: 1 f a. Spektrum der Abtastfunktion:
Pro. Dr.-In. W.-P. Buchwld Sinl- und Sysemheorie 8. Absun Koninuierliches Sinl: u() Sinlspekrum: U() Abesees Sinl: ( ) = u( ) ( ) u Absunkion: + n= ( ) = δ ( n ) Spekrum der Absunkion: + n= Spekrum des
MehrElemente der Analysis II: Zusammenfassung der wichtigsten Definitionen und Ergebnisse
Elemente der Anlysis II: Zusmmenfssung der wichtigsten Definitionen und Ergebnisse J. Wengenroth Dies ist die einzige zugelssene Formelsmmlung, die bei der Klusur benutzt werden drf. Es dürfen Unterstreichungen
MehrVorlesung. Einführung in die mathematische Sprache und naive Mengenlehre
Vorlesung Einführung in die mthemtische Sprche und nive Mengenlehre 1 Allgemeines RUD26 Erwin-Schrödinger-Zentrum (ESZ) RUD25 Johnn-von-Neumnn-Hus Fchschft Menge ller Studenten eines Institutes Fchschftsrt
MehrBeispiel-Abiturprüfung. Fach Mathematik
Beispiel-Abiturprüfung in den Bildungsgängen des Berufskollegs. Leistungskurs Fch Mthemtik Fchbereich Technik mthe_lk_tech_beispielufg09_0085.doc Seite von 9 Konstruktionsmerkmle der Aufgbe rten Aufgbe
MehrEntwurf und Realisierung analoger und digitaler Filter
Signl- und Messwert- Verrbeitung Dr. K. Schefer Entwurf und Relisierung nloger und digitler Filter Im Rhmen dieses Versuchs wollen wir uns mit der Dimensionierung von nlogen und digitlen Filtern und mit
MehrKapitalerhöhungen börsennotierter Gesellschaften ohne börslichen Bezugsrechtshandel
Kpitlerhöhungen börsennotierter Gesellschften ohne börslichen Bezugsrechtshndel Udo Terstege* ) / Gunnr Strk** ) Diskussionsbeitrg Nr. 390 2006 * PD Dr. Udo Terstege ist Hochschuldozent m Lehrstuhl für
MehrBestimmung der Adsorptionsisotherme von Essigsäure an Aktivkohle
S2-Adsorptionsisothermen_UWW rstelldtum 28.3.214 7:41: Üungen in physiklischer Chemie für Studierende der Umweltwissenschften Versuch Nr.: S2 Version 214 Kurzezeichnung: Adsorptionsisotherme estimmung
Mehr