Chair of Software Engineering

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Chair of Software Engineering"

Transkript

1 1 2 Enführung n de Programmerung Bertrand Meyer Vorlesung 13: Contaner-Datenstrukturen Letzte Bearbetung 1. Dezember 2003 Themen für dese Vorlesung 3 Contaner-Datenstrukturen 4 Contaner und Genercty Enthalten andere Objekte ( s ) Statsche Typserung Bespel: Ene Metrolne st unter anderem en Contaner von Haltestellen Lestung von Algorthmen beurtelen: Bg-Oh- Notaton Verkettete Lsten Möglche Operatonen auf enem Contaner: En Item enfügen Herausfnden, ob en Element enthalten st En Element entfernen De Struktur traverseren um ene Operaton auf jedes Item anzuwen Arrays Vele Arten: Lsten (nkl. lnked lst, ublylnked lsts ), zrkuläre Lsten, Arrays, Stacks, Queues, Prorty-Queues, Hashtabellen En Grundproblem von Contanern 5 Ernnerung: Lsten-Konventonen 6 We behandeln wr Varanten ener Contaner- Klasse, de sch nur durch den Typ hrer Items unterscheden? before after Metrolne: Lste von Haltestellen Route: Lste von Segmenten Telefonlste: Lste von Verzechnsenträgen Aga: Lste von Verabredungen 1 start ndex back forth (Der Cursor) 1

2 Ohne Genercty 7 Ohne Genercty 8 class METRO_LINE feature start s forth s : METRO_STOP s put_rght (x: METRO_STOP) s Somethng nvolvng x ext (x: METRO_STOP) s class ROUTE feature start s forth s : SEGMENT s put_rght (x: SEGMENT) s Somethng nvolvng x ext (x: SEGMENT) s Ohne Genercty 9 Ene ncht-genersche Lst-Klasse 10 class AGENDA feature start s forth s : APPOINTMENT s put_rght (x: APPOINTMENT) s Somethng nvolvng x ext (x: APPOINTMENT) s class LIST1 feature start s forth s : ANY s put_rght (x: ANY) s Somethng nvolvng x ext (x: ANY) s Generalserte Lste benutzen 11 Lösungen 12 my_route: LIST1 my_aga: LIST1 my_route.ext (seg) my_aga.ext (app) seg := my_route. app := my_aga. seg: SEGMENT app: APPOINTMENT Code wederholen (ncht wrklch akzeptabel) Konversonen, oder casts, erlauben Ungeprüft: C, C++ Geprüft: Java, C# app?= my_aga. f app /= Vod then app := my_route. --????????? Typen-Parametrserung explzt machen (Effel): Genercty 2

3 Lösung: Genercty 13 Generalserte Lste benutzen 14 class LINKED_LIST [G] feature start s Formaler generscher forth s Parameter : G s put_rght (x: G) s Somethng nvolvng x ext (x: G) s my_route: LIST1 my_aga: LIST1 my_route.ext (seg) my_aga.ext (app) seg := my_route. app := my_aga. app := my_route. --????????? seg: SEGMENT app: APPOINTMENT Genersche Lst-Klasse benutzen 15 Statsche Typserung 16 my_route: LIST [SEGMENT] my_aga: LIST [APPOINTMENT] my_route.ext (seg) my_aga.ext (app) seg := my_route. app := my_aga. seg: SEGMENT app: APPOINTMENT tatsächlcher generscher Parameter Jede Enttät des Programms st mt enem Typen deklarert Jede Zuwesung und jeder Feature-Aufruf muss de Typkompatbltäts-Regeln befolgen Zel: Ne en Feature auf en Objekt anwen, für das deses Feature ncht defnert st app := my_route. -- Type-wrong, rejected Wchtgste Plattüde n der Software-Entwcklung! 17 Ene genersche Klasse: LINKED_LIST 18 Besser enen Fehler früh als spät abfangen Demo (sehe EffelStudo) Besser n der Analyse als m Desgn Besser m Desgn als n der Implementaton Besser n der Komplaton als bem Testen Besser bem Testen als m Ensatz 3

4 Maxmum berechnen, Verson 1 19 Der Routne-Body, Verson 1 20 hghest_name (lne: METRO_LINE): STRING s -- Alphabetsch grösster Statonsname der Lne lne_exsts: lne /= Vod fancy_lne.start ; Result := " nvarant varant fancy_lne.after Result := greater (Result, lne..name) fancy_lne.forth ensure Result /= Vod and then not Result.empty forth fancy_lne.start ; Result := "" fancy_lne.after Result := greater (Result, lne..name) fancy_lne.forth Der Routne-Body, Verson 2 21 Der Routne-Body, Verson 3 22 : INTEGER _th () : INTEGER _th () := 0 ; Result := "" > n := + 1 Result := greater (Result, lne._th ().name) := + 1 ; Result := "" = 0 := 1 Result := greater (Result, lne._th ().name) We schnell st der Algorthmus? 23 Wesentlche Effzenz abschätzen 24 Abhängg von der Hardware, Betrebssystem, Belastung der Maschne Aber am fundamentalsten abhängg vom Algorthmus! We verhält sch de Laufzet (und der Specherverbrauch) des Algorthmus als Funkton der Grösse der Daten, wenn dese Grösse resg wrd? Verson 1: Zet etwa proportonal zu. Versonen 2 und 3: könnte proportonal zu oder zu 2 sen! = * ( + 1) / 2 4

5 Bg Oh Notaton 25 Formell 26 O (f (n)), wobe n de Grösse der Engabe repräsentert, bedeutet n der Grössenordnung von f (n). f st n O (g (n)) bedeutet, es gbt ene Konstante K, so dass für alle n glt: Zet für Verson 1 st O () f (n) / g (n) <= K Zet für Versonen 2 und 3 kann O () oder O ( 2 ) sen. O (1) bedeutet also n konstanter Zet, oder durch ene Konstante beschränkte Zet. Auch verwet: f (n) = 3 n 2 + O (g (n)) Bespele 27 Mt ener 1000mal schnelleren Maschne 28 n 2 = 3 n 2 = 3 n n + 1 = O (n 2 ) O (n 2 ) O (n 2 ) Ver Algorthmen: O (log (n)) Vorherge Maxalgrösse: N Neues Maxmum: N n n + 1 = O (2 n 2 ) O (n) 1000 N O (n 2 ) 32 N 3 n n + 1 = 3 n 2 + O (n) O (2 n ) N + 10 Verkettete Lsten 29 hghest_name, Verson 2 30 Haldenegg rght 3 actve Central (Der Cursor) frst_element rght Hauptbahnhof rght : INTEGER _th () := 0 ; Result := "" > n := + 1 Result := greater (Result, lne._th ().name) 5

6 hghest_name, Verson 3 31 Performance 32 : INTEGER _th () := + 1 ; Result := "" = 0 := 1 Result := greater (Result, lne._th ().name) _th st n O () (n Verson 3) Folglch st hghest_name, und jede andere solche Traverserung, n O ( 2 )! = * ( + 1) / 2 = O ( 2 ) Arrays 33 Array Klassen-Interface 34 class ARRAY [G] feature Indexert von ener unteren bs zu ener oberen Schranke Zugrff auf oder Modfkaton enes Elements st n O (1) (konstante Zet) () lower, upper: INTEGER make (l, h: INTEGER) s -- Allocate wth bound l and h. hgh >= low hgher >= low lower upper Im Memory: n aufenander folgen Stellen gespechert (: INTEGER): G s -- Entry of ndex >= lower <= upper put (x: G; : INTEGER) s -- Replace by x the value of the entry of ndex >= lower <= upper Arrays benutzen 35 Varante: Hashtabellen 36 your_array: ARRAY [REAL] drectory: HASH_TABLE [METRO_STATION, STRING] create your_array.make (1, 100) your_array.put (35.6, 7) your_array.put ( 45.0, 8) create drectory.make (100) drectory.put (Staton_balard, "BALARD") drectory.put (Staton_montrouge, "MONTROUGE") prnt (your_array. (8)) prnt (drectory. ("MONTROUGE")) 6

7 37 Ende der Vorlesung 13 7

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt:

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt: Informatk I 6. Kaptel Raner Schrader Zentrum für Angewandte Informatk Köln 4. Jun 008 Wr haben bsher behandelt: Suchen n Lsten (lnear und verkettet) Suchen mttels Hashfunktonen jewels unter der Annahme,

Mehr

18. Dynamisches Programmieren

18. Dynamisches Programmieren 8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus

Mehr

Universität Karlsruhe (TH)

Universität 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

Mehr

Methoden der innerbetrieblichen Leistungsverrechnung

Methoden der innerbetrieblichen Leistungsverrechnung Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den

Mehr

Gruppe. Lineare Block-Codes

Gruppe. Lineare Block-Codes Thema: Lneare Block-Codes Lneare Block-Codes Zele Mt desen rechnerschen und expermentellen Übungen wrd de prnzpelle Vorgehenswese zur Kanalcoderung mt lnearen Block-Codes erarbetet. De konkrete Anwendung

Mehr

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de

Mehr

Dynamisches Programmieren

Dynamisches Programmieren Marco Thomas - IOI 99 -. Treffen n Bonn - Dynamsches Programmeren - Unverstät Potsdam - 8.02.999 Dynamsches Programmeren 957 R. Bellmann: Dynamc Programmng für math. Optmerungsprobleme Methode für Probleme,.

Mehr

Backup- und Restore-Systeme implementieren. Technische Berufsschule Zürich IT Seite 1

Backup- und Restore-Systeme implementieren. Technische Berufsschule Zürich IT Seite 1 Modul 143 Backup- und Restore-Systeme mplementeren Technsche Berufsschule Zürch IT Sete 1 Warum Backup? (Enge Zahlen aus Untersuchungen) Wert von 100 MByte Daten bs CHF 1 500 000 Pro Vorfall entstehen

Mehr

6. Modelle mit binären abhängigen Variablen

6. Modelle mit binären abhängigen Variablen 6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch

Mehr

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung am Bespel enes Modells der chadenverscherung Für das Modell ener chadenverscherung se gegeben: s w s. n 4 chaden enes Verscherungsnehmers, wenn der chadenfall entrtt Wahrschenlchket dafür, dass der chadenfall

Mehr

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1. Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.

Mehr

Facility Location Games

Facility Location Games Faclty Locaton Games Semnar über Algorthmen SS 2006 Klaas Joeppen 1 Abstract Wr haben berets sehr häufg von Nash-Glechgewchten und vor allem von deren Exstenz gesprochen. Das Faclty Locaton Game betet

Mehr

1 BWL 4 Tutorium V vom 15.05.02

1 BWL 4 Tutorium V vom 15.05.02 1 BWL 4 Tutorum V vom 15.05.02 1.1 Der Tlgungsfaktor Der Tlgungsfaktor st der Kehrwert des Endwertfaktors (EWF). EW F (n; ) = (1 + )n 1 T F (n; ) = 1 BWL 4 TUTORIUM V VOM 15.05.02 (1 ) n 1 Mt dem Tlgungsfaktor(TF)

Mehr

Statistik und Wahrscheinlichkeit

Statistik und Wahrscheinlichkeit Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse

Mehr

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

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

Mehr

Netzsicherheit I, WS 2008/2009 Übung 3. Prof. Dr. Jörg Schwenk 27.10.2008

Netzsicherheit I, WS 2008/2009 Übung 3. Prof. Dr. Jörg Schwenk 27.10.2008 Netzscherhet I, WS 2008/2009 Übung Prof. Dr. Jörg Schwenk 27.10.2008 1 Das GSM Protokoll ufgabe 1 In der Vorlesung haben Se gelernt, we sch de Moble Staton (MS) gegenüber dem Home Envroment (HE) mt Hlfe

Mehr

2. Spiele in Normalform (strategischer Form)

2. Spiele in Normalform (strategischer Form) 2. Spele n Normalform (strategscher Form) 2.1 Domnante Strategen 2.2 Domnerte Strategen 2.3 Sukzessve Elmnerung domnerter Strategen 2.4 Nash-Glechgewcht 2.5 Gemschte Strategen und Nash-Glechgewcht 2.6

Mehr

FORMELSAMMLUNG STATISTIK (I)

FORMELSAMMLUNG STATISTIK (I) Statst I / B. Zegler Formelsammlng FORMELSAMMLUG STATISTIK (I) Statstsche Formeln, Defntonen nd Erläterngen A a X n qaltatves Mermal Mermalsasprägng qanttatves Mermal Mermalswert Anzahl der statstschen

Mehr

ERP Cloud Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Preise erfassen. www.comarch-cloud.de

ERP Cloud Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Preise erfassen. www.comarch-cloud.de ERP Cloud SFA ECM Backup E-Commerce ERP EDI Prese erfassen www.comarch-cloud.de Inhaltsverzechns 1 Zel des s 3 2 Enführung: Welche Arten von Presen gbt es? 3 3 Beschaffungsprese erfassen 3 3.1 Vordefnerte

Mehr

Der Satz von COOK (1971)

Der Satz von COOK (1971) Der Satz von COOK (1971) Voraussetzung: Das Konzept der -Band-Turng-Maschne (TM) 1.) Notatonen: Ene momentane Beschrebung (mb) ener Konfguraton ener TM st en -Tupel ( α1, α2,..., α ) mt α = xqy, falls

Mehr

Listen, Stapel, Warteschlangen

Listen, Stapel, Warteschlangen Lsten, Stapel, Warteschlangen Thomas Röfer Abstrakte Datentypen Rehung Stapel Warteschlange Enfach und doppelt verkettete Lste Rückblck Prozeduren, Funktonen, Datenströme, JavaDoc Unterprogramme Prozeduren

Mehr

4. Musterlösung. Problem 1: Kreuzende Schnitte **

4. Musterlösung. Problem 1: Kreuzende Schnitte ** Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,

Mehr

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt -

Flußnetzwerke - 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

Mehr

Vorlesung Programmieren II

Vorlesung Programmieren II Hashng Vorlesung Prograeren II Mchael Bergau Fortsetzung der Stoffenhet Hashng Hashng 2 Was st Hashng? Hashng st ene Methode zur dynaschen Verwaltung von Daten, wobe de Daten durch enen Schlüssel (key)

Mehr

Übung zur Vorlesung - Theorien Psychometrischer Tests II

Übung zur Vorlesung - Theorien Psychometrischer Tests II Übung zur Vorlesung - Theoren Psychometrscher Tests II N. Rose 9. Übung (15.01.2009) Agenda Agenda 3-parametrsches logstsches Modell nach Brnbaum Lnkfunktonen 3PL-Modell nach Brnbaum Modellglechung ( =

Mehr

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com.

Polygonalisierung 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

Mehr

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1. Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.

Mehr

Abbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)).

Abbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)). 44 n n F F a) b) Abbldung 3.: Besetzungszahlen enes Fermgases m Grundzustand (a)) und für ene angeregte Konfguraton (b)). 3.3 Ferm Drac Statstk In desem Abschntt wollen wr de thermodynamschen Egenschaften

Mehr

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder - Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole

Mehr

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich Drtter Hauptsatz der Thermodynamk Rückblck auf vorherge Vorlesung Methoden zur Erzeugung tefer Temperaturen: - umgekehrt laufende WKM (Wärmepumpe) - Joule-Thomson Effekt bs 4 K - Verdampfen von flüssgem

Mehr

tutorial N o 1a InDesign CS4 Layoutgestaltung Erste Schritte - Anlegen eines Dokumentes I a (Einfache Nutzung) Kompetenzstufe keine Voraussetzung

tutorial N o 1a InDesign CS4 Layoutgestaltung Erste Schritte - Anlegen eines Dokumentes I a (Einfache Nutzung) Kompetenzstufe keine Voraussetzung Software Oberkategore Unterkategore Kompetenzstufe Voraussetzung Kompetenzerwerb / Zele: InDesgn CS4 Layoutgestaltung Erste Schrtte - Anlegen enes Dokumentes I a (Enfache Nutzung) kene N o 1a Umgang mt

Mehr

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden. Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve

Mehr

Wahl auf Bäumen: FireWire

Wahl auf Bäumen: FireWire Wahl auf Bäumen: FreWre IEEE 94 Hgh Performance Seral Bus (FreWre) Internatonaler Standard Hochgeschwndgketsbus Transport von dgtalen Audo- und Vdeo-Daten 400 Mbps (94b: 800 MBps... 3200 Mbps) Hot-pluggable

Mehr

Übungen zu Algorithmen

Übungen zu Algorithmen Insttut für Informatk Unverstät Osnabrück, 06.12.2016 Prof. Dr. Olver Vornberger http://www-lehre.nf.uos.de/~anf Lukas Kalbertodt, B.Sc. Testat bs 14.12.2016, 14:00 Uhr Nls Haldenwang, M.Sc. Übungen zu

Mehr

Netzwerkstrukturen. Entfernung in Kilometer:

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

Mehr

Leitliniengerechte psychosoziale Versorgung aus der Sicht des Krankenhausmanagements

Leitliniengerechte psychosoziale Versorgung aus der Sicht des Krankenhausmanagements Unser Auftrag st de aktve Umsetzung der frohen Botschaft Jesu m Denst am Menschen. Ene Herausforderung, der wr täglch neu begegnen. Mt modernster Technk und Kompetenz. Und vor allem mt Menschlchket. Letlnengerechte

Mehr

Übung zur Vorlesung - Theorien Psychometrischer Tests II

Übung zur Vorlesung - Theorien Psychometrischer Tests II Übung zur Vorlesung - Theoren Psychometrscher Tests II N. Rose 8. Übung (08.01.2008) Agenda Agenda Verglech Rasch-Modell vs. 2-parametrsches logstsches Modell nach Brnbaum 2PL-Modelle n Mplus Verglech

Mehr

Wechselstrom. Dr. F. Raemy Wechselspannung und Wechselstrom können stets wie folgt dargestellt werden : U t. cos (! t + " I ) = 0 $ " I

Wechselstrom. Dr. F. Raemy Wechselspannung und Wechselstrom können stets wie folgt dargestellt werden : U t. cos (! t +  I ) = 0 $  I Wechselstrom Dr. F. Raemy Wechselspannung und Wechselstrom können stets we folgt dargestellt werden : U t = U 0 cos (! t + " U ) ; I ( t) = I 0 cos (! t + " I ) Wderstand m Wechselstromkres Phasenverschebung:!"

Mehr

Nullstellen Suchen und Optimierung

Nullstellen Suchen und Optimierung Nullstellen Suchen und Optmerung Typsche Probleme: De optmale Bahnkurve De Mnmerung des Erwartungswertes ür den Hamltonan Wr möchten ene Funkton mnmeren oder mameren solch en Problem wrd Optmerung genannt!

Mehr

IT- und Fachwissen: Was zusammengehört, muss wieder zusammenwachsen.

IT- und Fachwissen: Was zusammengehört, muss wieder zusammenwachsen. IT- und achwssen: Was zusammengehört, muss weder zusammenwachsen. Dr. Günther Menhold, regercht 2011 Inhalt 1. Manuelle Informatonsverarbetung en ntegraler Bestandtel der fachlchen Arbet 2. Abspaltung

Mehr

4.6 Das Pumping-Lemma für reguläre Sprachen:

4.6 Das Pumping-Lemma für reguläre Sprachen: Theoretsche Informatk 1 Vorlesungsskrpt vom Fretag, 30 Jun 000 Index: Erstellt von: (Matrkelnummer: 70899) Sete : 46 Das Pumpng-Lemma für reguläre Sprachen 1 Satz W 1 Zugrundelegende Idee des Pumpng-Lemma

Mehr

An welche Stichwörter von der letzten Vorlesung können Sie sich noch erinnern?

An welche Stichwörter von der letzten Vorlesung können Sie sich noch erinnern? An welche Stchwörter von der letzten Vorlesung können Se sch noch ernnern? Gasgesetz ür deale Gase pv = nr Gelestete Arbet be sotherme Ausdehnung adabatsche Ausdehnung 2 n Reale Gase p + a 2 ( V nb) =

Mehr

3.1 Extensive Form, Spielbaum und Teilspiele

3.1 Extensive Form, Spielbaum und Teilspiele 3. Spele n extensver Form 3.1 Extensve Form, Spelbaum und Telspele 3.2 Strategen n extensven Spelen 4. Spele mt vollkommener Informaton 4.1 Telspelperfekte Nash-Glechgewchte 4.2 Das chan-store -Paradox

Mehr

Die Leistung von Quicksort

Die Leistung von Quicksort De Lestung von Qucsort Jae Hee Lee Zusammenfassung Der Sorteralgorthmus Qucsort st als ens der effzenten Sorterverfahren beannt. In deser Ausarbetung werden wr sene Komplextät zuerst möglchst präzse schätzen

Mehr

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

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

Mehr

Bemerkungen zum LCG Rupert Hartung,

Bemerkungen zum LCG Rupert Hartung, mt Bemerkungen zum LCG Rupert Hartung, 24.6.2005 Wr betrachten den Lnear Congruental Generator (LCG) X 0, X 1,..., X,... X +1 = ax + c mod N (1) zur Erzeugung von Pseudozufallszahlen mäÿger Qualtät. De

Mehr

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2 1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:

Mehr

Näherungsverfahren. Wiederhole den Algorithmusbegriff. Erläutere die Begriffe: Klasse der NP-Probleme. Probleme. Probleme. Approximative Algorithmen

Näherungsverfahren. Wiederhole den Algorithmusbegriff. Erläutere die Begriffe: Klasse der NP-Probleme. Probleme. Probleme. Approximative Algorithmen Näherungsverfahren Wederhole den Algorthmusbegrff. Erläutere de Begrffe: Klasse der P-ProblemeP Probleme Klasse der NP-Probleme Probleme Approxmatve Algorthmen Stochastsche Algorthmen ALGORITHMEN Def.:

Mehr

Boost-Schaltwandler für Blitzgeräte

Boost-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

3. Lineare Algebra (Teil 2)

3. Lineare Algebra (Teil 2) Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw

Mehr

Anwendungsmöglichkeiten von Lernverfahren

Anwendungsmöglichkeiten von Lernverfahren Künstlche Neuronale Netze Lernen n neuronalen Netzen 2 / 30 Anwendungsmöglcheten von Lernverfahren Prnzpelle Möglcheten Verbndungsorentert 1 Hnzufügen neuer Verbndungen 2 Löschen bestehender Verbndungen

Mehr

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct? We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für de

Mehr

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct? We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für de

Mehr

Verteilungen eindimensionaler diskreter Zufallsvariablen

Verteilungen eindimensionaler diskreter Zufallsvariablen Vertelungen endmensonaler dskreter Zufallsvarablen Enführung Dskrete Vertelungen Dskrete Glechvertelung Bernoull-Vertelung Bnomalvertelung Bblografe: Prof. Dr. Kück Unverstät Rostock Statstk, Vorlesungsskrpt,

Mehr

Einführungsaufwand von Filesystemen für virtualisierte parallele Datenbanken

Einführungsaufwand von Filesystemen für virtualisierte parallele Datenbanken Enführungsaufwand von Flesystemen für vrtualserte parallele Datenbanken best Systeme GmbH, Unterföhrng Wolfgang Stef stef@best.de Dpl.-Ing. (FH) Systemngeneur Unx 2004-07-08 GIMS Zugsptze 1/17 P Agenda

Mehr

Erweiterte Suche IRON MOUNTAIN CONNECT AKTENARCHIVVERWALTUNG C

Erweiterte Suche IRON MOUNTAIN CONNECT AKTENARCHIVVERWALTUNG C Erweterte Suche IRON MOUNTAIN CONNECT AKTENARCHIVVERWALTUNG C3.0 01.16 2016 2015 Iron Mountan Incorporated. Alle Rechte vorbehalten. Iron Mountan und das Desgn des Bergsymbols snd engetragene Marken von

Mehr

1.1 Das Prinzip von No Arbitrage

1.1 Das Prinzip von No Arbitrage Fnanzmärkte H 2006 Tr V Dang Unverstät Mannhem. Das Prnzp von No Arbtrage..A..B..C..D..E..F..G..H Das Framework Bespele Das Fundamental Theorem of Fnance Interpretaton des Theorems und Zustandsprese No

Mehr

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree

Mehr

Lineare Regression (1) - Einführung I -

Lineare Regression (1) - Einführung I - Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:

Mehr

Einführung in die Finanzmathematik

Einführung in die Finanzmathematik 1 Themen Enführung n de Fnanzmathematk 1. Znsen- und Znsesznsrechnung 2. Rentenrechnung 3. Schuldentlgung 2 Defntonen Kaptal Betrag n ener bestmmten Währungsenhet, der zu enem gegebenen Zetpunkt fällg

Mehr

Unter der Drehgruppe verstehen wir diegruppe der homogenen linearen Transformationen

Unter der Drehgruppe verstehen wir diegruppe der homogenen linearen Transformationen Darstellunstheore der SO() und SU() Powtschnk Alexander. Defnton Darstellun Ene Darstellun ener Gruppe G st homomorphe Abbldun von deser Gruppe auf ene Gruppe nchtsnulärer lnearer Operatoren auf enem Vektorraum

Mehr

Elemente der Mathematik - Sommer 2016

Elemente der Mathematik - Sommer 2016 Elemente der Mathematk - Sommer 2016 Prof Dr Matthas Lesch, Regula Krapf Lösungen Übungsblatt 3 Aufgabe 9 (10 Punkte) Das Horner-Schema st ene Methode zum Auswerten enes Polynoms n a0 x an der Stelle s

Mehr

1 Definition und Grundbegriffe

1 Definition und Grundbegriffe 1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:

Mehr

ifh@-anwendung ifh@-anwendung Technische Rahmenbedingungen Welche Mindestvoraussetzungen müssen erfüllt sein?

ifh@-anwendung ifh@-anwendung Technische Rahmenbedingungen Welche Mindestvoraussetzungen müssen erfüllt sein? FH@-Anwendung Für de Umsetzung von Strukturfonds-Förderungen st laut Vorgaben der EU de Enrchtung enes EDV- Systems für de Erfassung und Übermttlung zuverlässger fnanzeller und statstscher Daten sowe für

Mehr

50 Matrixnormen und Eigenwertabschätzungen

50 Matrixnormen und Eigenwertabschätzungen 50 Matrxnormen und Egenwertabschätzungen 501 Motvaton De Berechnung der Egenwerte ener Matrx st aufwändg (vgl Kaptel 45, Kaptel 51) Kann man de Egenwerte ener Matrx mt gerngem Aufwand abschätzen? Des spelt

Mehr

Modul 1: Einführung und Wahrscheinlichkeitsrechnung

Modul 1: Einführung und Wahrscheinlichkeitsrechnung Modul : Enführung und Wahrschenlchketsrechnung Informatonstheore Dozent: Prof. Dr. M. Gross E-mal: grossm@nf.ethz.ch Assstenten: Danel Cottng, Rchard Keser, Martn Wcke, Cyrl Flag, Andrea Francke, Jonas

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 009 UNIVERSITÄT KARLSRUHE Blatt 4 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 16: (Success Run, Fortsetzung)

Mehr

Kapitel 4: Lernen als Optimierung. Maschinelles Lernen und Neural Computation

Kapitel 4: Lernen als Optimierung. Maschinelles Lernen und Neural Computation Kaptel 4: Lernen als Optmerung 71 Lernen als Funktonsoptmerung Gegeben: Fehlerfunkton (.a. neg. log Lkelhood) n z.b.: 2 E E ( ) ( ( ) W = f x ; W t ) n = 1 ( ) ( ( ) ( = + ) ( ( W t log f x t f x ) n ;

Mehr

Aufgabenteil. - wird nicht mit abgegeben - 21.03.2011, 18.00-20.00 Uhr. Fakultät für Wirtschaftswissenschaft

Aufgabenteil. - wird nicht mit abgegeben - 21.03.2011, 18.00-20.00 Uhr. Fakultät für Wirtschaftswissenschaft Fakultät für Wrtschaftswssenschaft Lehrstuhl für Volkswrtschaftslehre, nsb. Makroökonomk Unv.-Prof. Dr. Helmut Wagner Klausur: Termn: Prüfer: Makroökonome 2.03.20, 8.00-20.00 Uhr Unv.-Prof. Dr. Helmut

Mehr

d da B A Die gesamte Erscheinung der magnetischen Feldlinien bezeichnet man als magnetischen Fluss. = 1 V s = 1 Wb

d da B A Die gesamte Erscheinung der magnetischen Feldlinien bezeichnet man als magnetischen Fluss. = 1 V s = 1 Wb S N De amte Erschenng der magnetschen Feldlnen bezechnet man als magnetschen Flss. = V s = Wb Kraftflssdchte oder magnetsche ndkton B. B d da B = Wb/m = T Für homogene Magnetfelder, we se m nneren von

Mehr

Spiele und Codes. Rafael Mechtel

Spiele und Codes. Rafael Mechtel Spele und Codes Rafael Mechtel Koderungstheore Worum es geht Über enen Kanal werden Informatonen Übertragen. De Informatonen werden dabe n Worte über enem Alphabet Q übertragen, d.h. als Tupel w = (w,,

Mehr

Nomenklatur - Übersicht

Nomenklatur - Übersicht Nomenklatur - Überscht Name der synthetschen Varable Wert der synthetschen Varable durch synth. Varable erklärte Gesamt- Streuung durch synth. Varable erkl. Streuung der enzelnen Varablen Korrelaton zwschen

Mehr

Für wen ist dieses Buch? Was ist dieses Buch? Besonderheiten. Neu in dieser Auflage

Für 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

Mehr

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen Übungsklausur Wahrschenlchket und Regresson De Lösungen. Welche der folgenden Aussagen treffen auf en Zufallsexperment zu? a) En Zufallsexperment st en emprsches Phänomen, das n stochastschen Modellen

Mehr

Die Kugel Lösungen. 1. Von einer Kugel ist der Radius bekannt. Berechne Volumen und Oberfläche der

Die Kugel Lösungen. 1. Von einer Kugel ist der Radius bekannt. Berechne Volumen und Oberfläche der De Kugel Lösungen 1. Von ener Kugel st der Radus bekannt. Berechne Volumen und Oberfläche der Kugel. r,8 cm 5, cm 18,6 cm 4, cm 5,6 cm 4,8 cm V 0 cm³ 64 cm³ 6 954 cm³ cm³ 76 cm³ 46 cm³ O 181 cm² 5 cm²

Mehr

Standardnormalverteilung / z-transformation

Standardnormalverteilung / z-transformation Standardnormalvertelung / -Transformaton Unter den unendlch velen Normalvertelungen gbt es ene Normalvertelung, de sch dadurch ausgeechnet st, dass se enen Erwartungswert von µ 0 und ene Streuung von σ

Mehr

Baudynamik und Erdbebeningenieurwesen

Baudynamik und Erdbebeningenieurwesen Baudynamk und Erdbebenngeneurwesen Themen und Antworten für de Lzenzprüfung 1. Defneren Se den Begrff: Grad des dynamschen Frehetsgrads. Geben Se Bespele von Systemen mt enem enzgen Grad des dynamschen

Mehr

Einführung in die theoretische Physik 1

Einführung in die theoretische Physik 1 Enführung n de theoretsche hysk 1 rof. Dr. L. Mathey Denstag 15:45 16:45 und Donnerstag 10:45 12:00 Begnn: 23.10.12 Jungus 9, Hörs 2 Mathey Enführung n de theor. hysk 1 1 Grundhypothese der Thermostatk

Mehr

Kreditpunkte-Klausur zur Lehrveranstaltung Projektmanagement (inkl. Netzplantechnik)

Kreditpunkte-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:

Mehr

Fallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum

Fallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum Abgabe: Aufgabentext und Lösungen schrftlch bs zum 15. 6. 2012 I. Thema: Zehen mt und ohne Zurücklegen Lesen Se sch zunächst folgenden Text durch! Wr haben bsher Stchprobenzehungen aus Grundgesamtheten

Mehr

Hydrosystemanalyse: Finite-Elemente-Methode (FEM)

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

Mehr

Seminar Netzwerkanalyse. Kapitel 12 Vergleiche von Netzw erken. Sommersemester 2005 Universität Trier

Seminar Netzwerkanalyse. Kapitel 12 Vergleiche von Netzw erken. Sommersemester 2005 Universität Trier Kaptel 2 Vergleche von Netzw erken Sommersemester 2005, 697862 Kaptel 2.0 Allgemenes Allgemenes Graph-Isomorphsmus Problem (GI) besteht darn festzustellen, ob zwe gegebene Graphen somorph snd In der Praxs

Mehr

Konkave und Konvexe Funktionen

Konkave und Konvexe Funktionen Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage

Mehr

Projektmanagement / Netzplantechnik Sommersemester 2005 Seite 1

Projektmanagement / Netzplantechnik Sommersemester 2005 Seite 1 Projektmanagement / Netzplantechnk Sommersemester 005 Sete 1 Prüfungs- oder Matrkel-Nr.: Themenstellung für de Kredtpunkte-Klausur m Haupttermn des Sommersemesters 005 zur SBWL-Lehrveranstaltung Projektmanagement

Mehr

Neuronale Netze. M. Gruber (1) ausgeloste Reiz ist x (1) = (1) (s (1) ) mit (1) (s) = 1 sgn(s 1 ) sgn(s 2 ) T. .

Neuronale Netze. M. Gruber (1) ausgeloste Reiz ist x (1) = (1) (s (1) ) mit (1) (s) = 1 sgn(s 1 ) sgn(s 2 ) T. . Neuronale Netze M. Gruber 7.11.015 Begnnen wr mt enem Bespel. Bespel 1 Wr konstrueren enen Klasskator auf der Menge X = [ 1; 1], dessen Wrkung man n Abb.1 rechts sehen kann. Auf der blauen Telmenge soll

Mehr

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2 ETH Arbetsgruppe Radocheme Radochemsches Praktkum P 06 Enführung n de Statstk INHALTSVERZEICHNIS Sete 1. Zählung von radoaktven Zerfällen und Statstk 2 2. Mttelwert und Varanz 2 3. Momente ener Vertelung

Mehr

Die Ausgangssituation... 14 Das Beispiel-Szenario... 14

Die Ausgangssituation... 14 Das Beispiel-Szenario... 14 E/A Cockpt Für Se als Executve Starten Se E/A Cockpt........................................................... 2 Ihre E/A Cockpt Statusüberscht................................................... 2 Ändern

Mehr

mit der Anfangsbedingung y(a) = y0

mit 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.

Mehr

Ihr geschützter Bereich Organisation Einfachheit Leistung

Ihr geschützter Bereich Organisation Einfachheit Leistung Rev. 07/2012 Ihr geschützter Berech Organsaton Enfachhet Lestung www.vstos.t Ihr La geschützter tua area rservata Berech 1 MyVstos MyVstos st ene nformatsche Plattform für den Vstos Händler. Se ermöglcht

Mehr

-1- Alles kein Zufall. - Starkes Markenmanagement - Inhaltsverzeichnis und Übersicht

-1- Alles kein Zufall. - Starkes Markenmanagement - Inhaltsverzeichnis und Übersicht -1- Alles ken Zufall - Starkes Markenmanagement - Inhaltsverzechns und Überscht -2- Alles ken Zufall Das Inhaltsverzechns 1. De Grundlagen moderner Markenführung. 5. Postonerung und Framng. De Analyse

Mehr

"Zukunft der Arbeit" Arbeiten bis 70 - Utopie - oder bald Realität? Die Arbeitnehmer der Zukunft

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

Mehr

Einführung in die Programmierung

Einführung in die Programmierung Chair of Software Engineering Einführung in die Programmierung Prof. Dr. Bertrand Meyer Lecture 13: (Container-)Datenstrukturen Themen dieser Lektion Container und Generizität Container- Operationen Die

Mehr

wissenschaftliche Einrichtung elektronik

wissenschaftliche Einrichtung elektronik wssenscaftlce Enrctung elektronk Oberscwngungen, Begrffe und Defntonen Prof.. Burgolte Labor Elektromagnetsce Verträglcket Facberec ngeneurwssenscaften Begrff Störgröße (dsturbance) Störfestgket (mmunty)

Mehr

Physikalisches Anfängerpraktikum Teil 2 Versuch PII 33: Spezifische Wärmekapazität fester Körper Auswertung

Physikalisches Anfängerpraktikum Teil 2 Versuch PII 33: Spezifische Wärmekapazität fester Körper Auswertung Physkalsches Anfängerpraktkum Tel 2 Versuch PII 33: Spezfsche Wärmekapaztät fester Körper Auswertung Gruppe M-4: Marc A. Donges , 060028 Tanja Pfster, 204846 2005 07 spezfsche Wärmekapaztäten.

Mehr

Vorlesung 1. Prof. Dr. Klaus Röder Lehrstuhl für BWL, insb. Finanzdienstleistungen Universität Regensburg. Prof. Dr. Klaus Röder Folie 1

Vorlesung 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

Mehr

Klausur zur Vorlesung Lineare Modelle SS 2006 Diplom, Klausur A

Klausur zur Vorlesung Lineare Modelle SS 2006 Diplom, Klausur A Lneare Modelle m SS 2006, Prof. Dr. W. Zucchn 1 Klausur zur Vorlesung Lneare Modelle SS 2006 Dplom, Klausur A Aufgabe 1 (18 Punkte) a) Welcher grundsätzlche Untersched besteht n der Interpretaton von festen

Mehr

2. Klausur zur Vorlesung Algorithmen II Wintersemester 2012/2013

2. Klausur zur Vorlesung Algorithmen II Wintersemester 2012/2013 2. Klausur zur Vorlesung Algorthmen II Wntersemester 202/203 Her Aufkleber mt Name und Matrkelnummer anbrngen Vorname: Nachname: Matrkelnummer: Beachten Se: Brngen Se den Aufkleber mt Ihrem Namen und Matrkelnummer

Mehr

Weitere NP-vollständige Probleme

Weitere NP-vollständige Probleme Wetere NP-vollständge Probleme Prosemnar Theoretsche Informatk Marten Tlgner December 10, 2014 Wr haben letzte Woche gesehen, dass 3SAT NP-vollständg st. Heute werden wr für enge wetere Probleme n NP zegen,

Mehr

Finanzwirtschaft. Kapitel 3: Simultane Investitions- und Finanzplanung. Lehrstuhl für Finanzwirtschaft - Universität Bremen 1

Finanzwirtschaft. Kapitel 3: Simultane Investitions- und Finanzplanung. Lehrstuhl für Finanzwirtschaft - Universität Bremen 1 Fnanzwrtschaft Kaptel 3: Smultane Investtons- und Fnanzplanung Prof. Dr. Thorsten Poddg Lehrstuhl für Allgemene Betrebswrtschaftslehre, nsbes. Fnanzwrtschaft Unverstät Bremen Hochschulrng 4 / WW-Gebäude

Mehr