Laboratory vibration test of operator seats Uncertainty of measurement

Größe: px
Ab Seite anzeigen:

Download "Laboratory vibration test of operator seats Uncertainty of measurement"

Transkript

1 VDI-Berchte Nr. 190, Unscherhet von Messergebnssen be der Schwngungsprüfung von Fahrerstzen Laboratory vbraton test of operator seats Uncertanty of measurement Dr. J. Rssler, Insttut für Arbetsschutz der Deutschen Gesetzlchen Unfallverscherung, Sankt Augustn; Dpl.-Ing. L. Meyer, ISRINGHAUSEN GmbH & Co. KG, Lemgo; Abstract The sources of uncertanty that affect the measurement of the seat effectve ampltude transmssblty (SEAT) n standardzed laboratory test codes are dscussed. The effect of the dfferent sources s estmated n two ways. Frstly, on the bass of a lnearzed mathematcal model as outlned n the Gude to the Expresson of Uncertanty n Measurement (GUM). Secondly, the effects are estmated by a numercal Monte-Carlo smulaton as descrbed n supplement 1 of the GUM. In addton, measurement results of the SEAT n two laboratores are gven. 1. Enletung De Bestmmung der Unscherhet ener (Mess-)Größe st ene grundlegende Anforderung an ede Messstelle. Wchtger als de rene Angabe enes Unscherhetsberechs st es, en Unscherhetsbudget aufzustellen, das de verfügbaren Informatonen über de Enflussgrößen enthält, de zu desem Unscherhetsberech führen. Dadurch wrd de Angabe des Unscherhetsberechs transparent, und de Qualtät vermentlch großer oder klener Unscherhetsbereche wrd augenfällg. Damt st de Angabe des Unscherhetsbereches samt Unscherhetsbudget zunächst enmal en Qualtätsmerkmal ener Messstelle. Darüber hnaus kann dese Angabe auch genutzt werden, um enen Verglech mt Anforderungswerten anzustellen. Im Berech der Schwngungsprüfung von Fahrerstzen nur wenge Angaben [1] zur Unscherhet der üblchen Messgrößen verfügbar. En Grund dafür st, dass de Prüfnormen über das Dämpfungsverhalten von Stzen [-6] kene Angaben zur Messunscherhet vorsehen. Stattdessen machen dese Normen genaue Angaben zur Gültgket ener Prüfung.

2 VDI-Berchte Nr. 190, Ene gültge Prüfung fndet demnach unter Bedngungen statt, de de Unscherhet möglchst verrngern. In deser Arbet soll zum enen ganz allgemen de Größenordnung des Unscherhetsberechs ermttelt werden, der für ene Messung be der Schwngungsprüfung von Fahrerstzen zu erwarten st. Dafür wrd m Abschntt zunächst en allgemenes Unscherhetsbudget für dese Messung aufgestellt und darauf das Verfahren der Unscherhetsbetrachtung angewendet, we es m Gude to the Expresson of Uncertanty n Measurement (GUM) [7, 8] angegeben st. Des schleßt ene kurze Beschrebung der Monte-Carlo Methode en, de m GUM vorgesehen snd [8], und de es erlaubt, de Unscherhet für nahezu belebge Stuatonen numersch zu bestmmen. Nachdem so en allgemener Überblck über de zu erwartenden Unscherhetsbereche gewonnen st, werden m Abschntt 3 Messungen vorgestellt, de geegnet snd, Telaspekte des Unscherhetsbudgets aus Abschntt zu bestmmen. Im Abschntt 4 werden de gewonnenen Ergebnsse zusammengefasst.. GUM anhand enes Bespels aus der Stzprüfung Zunächst sollen de Methoden des GUM, nklusve senes Anhangs 1 vorgestellt werden. Danach werden dese Methoden auf das Unscherhetsbudget ener Bespelmessung aus dem Berech der Stzprüfung angewandt..1 Methoden des GUM Ene Ausgangsgröße y = f(x ) hängt von mehreren Engangsgrößen x ab. Entwckelt man y um den Wert Y, den se an den Messwerten X ennmmt, erhält man f 1 f Y = f X X X x, ( x ) + ( X x ) + ( X x )( X x ) + R mt dem Restgled R. Vernachlässgen aller quadratschen und höheren Terme führt nach Quadreren zu ( Y f ( x )) ( ) ( ) ( ) = c X x + c c X x X x () Dabe snd de partellen Abletungen von f nach den Engangsgrößen x an den besten Schätzwerten (Messwerten) X de Senstvtätskoeffzenten: (1) c f = X x Im Erwartungswert für Glechung () (3)

3 VDI-Berchte Nr. 190, E [( Y f ( x )) ] = c E ( X x ) snd [ ] E ( f ( x )) [ ] + c c E[ ( X x ) ( X x ) ] Y de kombnerte Varanz V c = σ c,gum ausgedrückt als Quadrat der kombnerten Standardabwechung σ c,gum. [ ] E ( x ) X de Varanzen V = σ der Enflussgrößen x ausgedrückt als Quadrat der Standardabwechungen σ. [ ] E ( X x ) ( X x ) de Kovaranzen, de für unkorrelerte Größen glech Null snd. Damt ergbt sch für de kombnerte Standardabwechung be unkorrelerten Enflussgrößen n lnearer Näherung folgende Darstellung: σ = c σ (5) c, GUM De c ergeben sch aus dem mathematschen Modell y = f(x ), das ncht mmer vollständg bekannt st. De Standardabwechungen σ ergeben sch aus der Wederholungsgenaugket, de aus Wederholungsmessungen gewonnen werden kann, oder anderen Informatonsquellen, we zum Bespel Expertenwssen. Bem Expertenwssen snd zwe Fälle von besonderer Bedeutung, de nach dem Prnzp der maxmalen Entrope abgeschätzt werden können [9]: Ist bekannt, dass ene Enflussgröße nur n enem Berech vorkommt, so kann n desem Berech ene Glechvertelung angenommen werden. Be ener symmetrschen Vertelung um den Schätzwert X ± a ergbt sch de Standardabwechung zu σ = a 3-0,5. Snd Schätzwert und ene Standardabwechung bekannt (etwa aus Kalbrerschenen), so kann ene Normalvertelung mt der angegebenen Standardabwechung angenommen werden. En Ergebns Y±U wrd mt ener erweterten Unscherhet U = k σ c angegeben, wobe sch der dmensonslose Erweterungsfaktor k danach rchtet, welchen Antel der Messwerte man m Berech ±U erwartet. Anstatt Glechung (5) zu benutzen, um de Varanz der Größe y zu bestmmen, können nach Anhang 1 des GUM auch numersche Monte-Carlo Smulatonen genutzt werden. Dabe st weder ene lneare Näherung (Glechung ()) notwendg, noch de Annahme, dass de Messgröße normalvertelt st. Ausgehend vom mathematschen Modell y = f(x ) werden für alle unkorrelerten Enflussgrößen x Vertelungen mt Mttelwert und Standardabwechung (4)

4 VDI-Berchte Nr. 190, vorgegeben. Aus desen Vertelungen werden Zufallszahlen gezogen. De Anzahl der Zehungen hängt von der gewünschten Genaugket ab und führt zu ener Häufgketsvertelung der Größe Y. Für dese Vertelung wrd de Standardabwechung und damt de Unscherhet berechnet.. Bespel aus der Stzprüfung: Unscherhetsbudget und mathematsches Modell Als Bespel für ene Größe y soll der Stzübertragungsfaktor SEAT betrachtet werden: a SEAT = a ws,1 wp,1 (6) Dabe st a ws,1 (a wp,1 ) der quadratsche Mttelwert der frequenzbewerteten Beschleungung auf der Stzfläche (der Plattform) zwschen den Frequenzen f 1 und f, de e nach Prüferregerspektrum verscheden sen können [-6]. Für de Beschleungungswerte kommen n enem Unscherhetsbudget de folgenden Beträge n Betracht, de durch ene Standardunscherhet σ ausgedrückt werden: Messkette σ Messkette Sowohl a ws als auch a wp werden mt Prüfmtteln gemessen, deren Messunscherhet dem Kalbrerschen entnommen werden kann. Sollte dort ene erweterte Messunscherhet angegeben sen, so muss noch durch den ebenfalls angegebenen Erweterungsfaktor k dvdert werden. Für dese Arbet wrd angenommen, dass de Unscherhet durch de Messkette ener Normalvertelung folgt, deren Standardabwechungen be σ Messkette (ā 0,05) legen. Versuchsperson-Stz σ Person-Stz oder σ Person, σ Stz De Versuchsperson hat durch hre schenbare Masse und hr Verhalten (Anspannung, Haltung etc.) enen nchtlnearen Enfluss auf de Messung. Durch Versuchsvorgaben n den Normen für de Körperhaltung während der Prüfung soll de dadurch verursachte Unscherhet gerng gehalten werden. Der Stz st ebenfalls en nchtlneares System, be dem zusätzlch de Enstellung sener Elemente (Feder, Dämpfer, Rückenlehne ) Enfluss auf de Messung nehmen kann. Da auch de Versuchsperson ene Rückwrkung auf den Stz hat, st ncht klar, ob dese Enflüsse als unabhängg vonenander angenommen werden können. Um enen Endruck davon zu erlangen, we dese Beträge sch generell auswrken, wrd der folgende Berech betrachtet: {σ Person, σ Stz } (ā ws,1 0,0), der größer st, als nach [1] zu vermuten.

5 VDI-Berchte Nr. 190, Anregungssgnal σ Sgnal Für ene gültge Messung muss das Anregungssgnal Bedngungen genügen, de n den Prüfnormen festgelegt snd. Rückwrkungen der Stze und der Versuchsperson auf de Erzeugung der Schwngungsanregung werden durch Nachregeln so ausgeglchen, dass weder ene gültge Anregung vorlegt. Der Mttelwert der unbewerteten Beschleungung ā P,1 darf zum Bespel nur um 5 % [3, 5, 6] oder 10% von enem Normwert abwechen [4]. Im zu bewertenden Frequenzberech dürfen Toleranzkurven ncht über- oder unterschreten werden. Für edes Prüferregerspektrum kann damt de Abwechung angegeben werden, de für gültge Messungen nach Norm möglch snd. In deser Arbet wrd angenommen, dass durch das Sgnal de Werte maxmal n enem Berech um ā wp,1 ± (ā wp,1 0,1) legen. Um dese Enflussgrößen n das mathematsche Modell zu übertragen, snd de folgenden Untermodelle snnvoll: a a ws,1 wp,1 = a = a ws,1 wp,1 x = a x = a ws,1 wp,1 ( xpersonxstzxmesskette) ( x x ) Sgnal Messkette Das Untermodell für de Stzfläche kann anstatt zwe Beträgen für Stz und Person auch nur enen Betrag x Person-Stz enthalten, der bede Enflüsse beschrebt. Dabe snd de x unkorrelerte Zufallsgrößen, deren Mttelwert X = 1 st, und ā ws,1, ā wp,1 de Messwerte nach Norm darstellen. De Standardabwechungen 0 < σ < 1 snd dmensonslos und als prozentuale Abwechungen vom Mttelwert zu verstehen. Für Untermodelle nach Glechung (7) st ene lneare Näherung ncht notwendg. Ihre Varanzen für K unabhängge Enflussgrößen, wenn a ene Konstante st, lassen sch exakt angeben zu [10]: V a K x = a V K x = a K K ( V + X ) X Glechung (5) nmmt damt folgende Form an: (7) (8) σ c σ σ c,gum Stz Stz = a Plattform = = a 1 c wp,1 ws,1 = a Stz σ ( σ Person + 1)( σ Stz + 1)( σ Messkette + 1) 1) ( σ + 1)( σ + 1) 1) 0, 5 wp,1 Stz c + c Plattform Sgnal Plattform σ a = a Plattform ws,1 wp,1 Messkette 0,5 (9)

6 VDI-Berchte Nr. 190, Mt desen Angaben lassen sch für verschedene Werte von ā ws,1 und ā wp,1 Standardabwechungen berechnen oder smuleren. Wenn nchts anderes angegeben st, wrd n deser Arbet ā wp,1 = {0,6; 0,7 1,9} gewählt, was dem Berech entsprcht, der n den aktuellen Stzprüfnormen vorgegeben st [3-6]. Für eden Wert ā wp,1 werden acht Werte für ā ws,1 so ausgesucht, dass SEAT = {0,5, 0,6 1,}. De Anzahl und Größe der Standardabwechungen σ st dabe von dem betrachteten Problem abhängg und wrd m Enzelnen angegeben. Be ener Smulaton werden für ede Parameterkombnaton (ā ws,1, ā wp,1, {σ }) 10 6 Zehungen eder Zufallsgröße vorgenommen, was ene Häufgketsvertelung des SEAT ergbt. Bestmmt werden der Mttelwert SEAT GUM1 und de Standardabwechung σ c,gum1 als Mttelwerte aus 30 Häufgketsvertelungen für deselbe Parameterkombnaton: 1 1 SEATGUM1 = SEATGUM1, σ c,gum1 = σ c, GUM1, (10) De numersche Genaugket P deser Parameter ergbt sch aus den Standardabwechungen der Mttelwerte. P 1 ( GUM1) = ( SEATGUM1, SEATGUM1) P SEAT 30(30 1) 1 30(30 1) ( σ c,gum1) = ( σ c,gum1, σ c,gum1) Wenn nchts anderes angegeben st, wrd ene Genaugket P n Glechung (11) von mndestens 0,0005 errecht. (11).3 Bereche der kombnerten Standardunscherhet nach GUM Da de Smulaton nach Anhang 1 des GUM noch ncht wet verbretet st, werden her erst Smulatonen vorgestellt, be denen zunächst nur a ws,1, dann nur a wp,1 von e ener normalvertelten Enflussgröße abhängen. Dabe werden auch zwe Probleme der Normalvertelung deutlch: negatve Beschleungungswerte und sehr hohe SEAT. Es wrd dann en weterer Vortel des Untermodells aus Glechung (7) vorgestellt, nämlch de Form der resulterenden Häufgketsvertelung. Schleßlch wrd der Parameterberech aus Abschntt. betrachtet, der für Praxsfälle relevant sen sollte..3.1 Nur ene normalvertelte Enflussgröße für a ws,1 En Testfall für de Smulaton nach Anhang 1 des GUM st de Stuaton, dass n Glechung (7) a ws,1 = ā ws,1 x 1 nur von ener, normalvertelten Enflussgröße (x 1, σ 1 ) abhängt, und a wp,1 = ā wp,1 konstant st. In desem Fall beschrebt Glechung (5) de exakte

7 VDI-Berchte Nr. 190, Standardabwechung, sodass Smulaton und de analytschen Formulerung des GUM deselben Ergebnsse lefern müssen. Des war der Fall für den Parameterberech, we er n Abschntt. beschreben st. Für ede Kombnaton von ā ws,1 und ā wp,1 snd dabe 0 Standardabwechungen 0,01 σ 1 0,6 ausgewählt worden. H(SEAT) SEAT Bld 1: Häufgketen H(SEAT) für a wp,1 = 0,6 ms -, a ws,1 = 0,3 ms - x 1 x 1 normalvertelt mt dem Mttelwert X 1 = 1 und σ 1 = 0,6. Zwar stmmen de analytsch berechneten und smulerten Standardabwechungen überen, es trtt aber en Problem der Normalvertelung für große Standardabwechungen zutage: In Bld 1 snd Häufgketen ener Smulaton zu sehen, de für SEAT = 0,5 für ā ws,1 = 0,3 ms - berechnet worden st mt σ 1 = 0,6. Obwohl 95 % der SEAT Werte noch postv snd, legen doch etwa 5 % be negatven und damt unphyskalschen Werten. Deser Effekt trtt schon be σ 1 0,3 auf. Unscherhetsbeträge n deser Größenordnung sollten be Laborexpermenten, de her untersucht werden, unwahrschenlch sen. Se können aber be anderen Schwngungsmessungen auftreten, so dass der untere Ausläufer der Häufgketsvertelung stets beobachtet werden sollte. Falls en zu hoher Antel negatver Beschleungungen auftrtt, kann auf logarthmsche Normalvertelungen ausgewchen werden..3. Nur ene normalvertelte Enflussgröße für a wp,1 En weteres, numersches Problem trtt auf, wenn auch a wp,1 von ener normalvertelten Größe abhängt. Durch das numersche Zehen der Werte st a wp,1 = 0 zwar nahezu ausgeschlossen, aber klene a wp,1 führen zu unphyskalsch hohen SEAT (etwa SEAT = 140), und de Häufgketsvertelungen können ncht mehr snnvoll ausgewertet werden. Deses Problem st auch ncht dadurch zu lösen, dass n der Smulaton mehr Zahlen gezogen werden. Es st aber möglch, 0,1 % der smulerten SEAT aus der Auswertung zu strechen: ewels 0,05 % am unteren und oberen Rand der Häufgketsvertelung. In Bld snd dafür

8 VDI-Berchte Nr. 190, Ergebnsse dargestellt für ede Kombnaton von ā ws,1 und ā wp,1 aus dem Parameterberech aus Abschntt.. Für a wp,1 snd zehn Standardabwechungen 0,0 σ 1 0, ausgewählt worden, a ws,1 = ā ws,1 war konstant. Im lnken Dagramm von Bld wrd der gesamte Berech der erhaltenen Standardabwechungen gezegt, aus dem deutlch wrd, dass nur für klene Werte von σ c 0,05 de lneare Näherung von Glechung (5) noch gut durch de Smulaton dargestellt wrd, was m rechten Dagramm von Bld zu sehen st. σc,gum1 0,35 0,3 0,5 0, 0,15 0,1 0,05 0 0,0 0, ,1 0, 0,3 σ c,gum σc,gum1 0,06 0,05 0,04 0,03 y = 1,0093x R² = 0, ,0 0,04 0,06 σ c,gum Bld : Abwechung smulerter Standardabwechungen σ c,gum1 von analytsch berechneten σ c,gum nach Glechung (5) (Parameterberech Abschntt., a ws,1 = ā ws,1, a wp,1 = ā wp,1 x 1 ):lnks: 0,0 σ 1 0,; rechts: 0 σ c,gum 0,56 mt Ausglechsgerade De Ausglechsgerade m rechten Dagramm von Bld hat als Randbedngung, dass se durch den Ursprung gehen muss und lefert noch ene gute Korrelaton. Wenn man den Antel der zu strechenden Werte n ener Smulaton von SEAT auf 1 % erhöht, kann der Berech mt enem Bestmmthetsmaß R > 0,99 auf etwa σ c 0,1 erhöht werden. De Stegung der Ausglechsgerade wecht dann aber m Prozentberech vom Wert 1 ab. Es wurde darauf verzchtet, de numersche Stabltät mt deser Methode weter zu erhöhen, oder den Gültgketsberech von Glechung (5) für desen Fall zu untersuchen. Es blebt festzustellen, dass Glechung (5) bs σ c 0,05 noch ene gute Näherung für a wp,1 = ā wp,1 x 1 be a ws,1 = ā ws,1 darstellt. Ene wetere Lösung für deses Problem st es, wenn a wp,1 von ener glechvertelten Größe abhängt, deren Vertelung hnrechend wet von a wp,1 = 0 entfernt st. Da des auch be der Kombnaton von ener solchen Glechvertelung mt Normalvertelungen n Glechung (7) glt, wrd es m nächsten Abschntt vorgestellt.

9 VDI-Berchte Nr. 190, Kombnaton mehrerer Enflussgrößen für a ws,1, a wp,1 Für de Kombnaton mehrerer Enflussgrößen nach Glechung (7) für a ws,1 be konstantem a wp,1 soll her nur der Effekt für de sch ergebende Häufgketsvertelung vorgestellt werden. Dese kommen nämlch ener logarthmschen Normalvertelung nahe, was be großen σ en Vortel st, da de unphyskalschen negatven Werte wenger häufg werden als be ener Normalvertelung mt verglechbarer Standardabwechung. Bld 3 zegt en Bespel für dre angenommene Enflussgrößen für a ws,1 = 0,3 ms - x 1 x x 3 mt ewels σ = 0,3 be konstantem a wp,1 = 0,6 ms -. H(SEAT) SEAT Bld 3: Häufgketen H(SEAT) für a wp,1 = 0,6 ms - ; a ws,1 = 0,3 ms - x 1 x x 3 x normalvertelt mt dem Mttelwert X = 1 und σ = 0,3. Als letzter Fall soll de Kombnaton von zwe Enflussgrößen auf a wp,1 = ā wp,1 x 1 x be konstantem a ws,1 = ā ws,1 untersucht werden. Dabe sollen für x 1 und x de Feststellungen gelten, de m Unscherhetsbudget für de Enflussgrößen Sgnal und Messkette genannt snd. Wenn also x 1 aus ener Glechvertelung gezogen wrd, deren Werte zwschen 1±0,1 legen, und für x fünf verschedene Normalvertelung mt 0,1 σ 0,05 betrachtet werden, zegt Bld 4, we de Standardabwechungen der Smulaton und aus Glechung (5) für den Parameterberech aus Abschntt. vonenander abhängen. De Ausglechsgerade musste weder der Bedngung genügen, durch den Ursprung zu gehen. De Abwechung der Stegung vom Wert 1 st wenger als 1 %. Auch n desem Fall st Glechung (5) ene gute Näherung für de kombnerte Standardunscherhet.

10 VDI-Berchte Nr. 190, σc,gum1 0,1 0,08 0,06 0,04 0,0 0 y = 1,008x R² = 1 0 0,05 0,1 σ c,gum Bld 4: Abwechung smulerter Standardabwechungen σ c,gum1 von analytsch berechneten σ c,gum nach Glechung (5) (ā ws,1, ā wp,1 aus Abschntt., a ws,1 = ā ws,1, a wp,1 = ā wp,1 x 1 x mt σ 1 = 0,1 3-0,5, 0,1 σ 0,05) mt Ausglechsgerade.3.4 Berech von σ c Nun blebt nur noch, sowohl für a ws,1 als auch für a wp,1 de Enflussgrößen anzusetzen, de m Unscherhetsbudget von Abschntt. aufgeführt snd. Damt ergbt sch weder, we n Abschntt.3.3, a wp,1 = ā wp,1 x 1P x P mt σ 1P = 0,1 3-0,5, 0,1 σ P 0,05. Zusätzlch soll gelten a ws,1 = ā ws,1 x 1S x S x 3S mt normalvertelten Zufallsgrößen für de Messkette (0,1 σ 1S 0,05), de Person (0,1 σ S 0,) und den Stz (0,1 σ 3S 0,). De Vorgaben für ā wp,1 und ā ws,1 werden weder aus Abschntt. genommen. Im Bld 5 st für desen Parameterberech de Standardabwechungen der Smulaton σ c,gum1 gegen de analytsch berechnete Standardabwechung σ c,gum aufgetragen. De Ausglechsgerade führt als Nebenbedngung durch den Ursprung, und hre Stegung wecht weder kaum vom Wert 1 ab. Daher auch st de lneare Näherung Glechung (5) be dem vorgeschlagenen Unscherhetsbudget für de angenommenen Parameter ene gute Näherung für de kombnerte Standardunscherhet. Der Parameterberech, der für Bld 4 gewählt worden st, führt zu kombnerten Standardabwechungen, de für de Stzprüfung scherlch zu groß snd. Als Faustregel kann gelten, dass wenn de Summe aller σ unter 0,1 legt, auch σ c ncht größer als 0,1 wrd.

11 VDI-Berchte Nr. 190, σc,gum1 0,4 0,3 0, y = 1,007x R² = 1 0, ,1 0, 0,3 0,4 σ c,gum Bld 4: Abwechung smulerter Standardabwechungen σ c,gum1 von analytsch berechneten σ c,gum nach Glechung (5) (ā ws,1, ā wp,1 aus Abschntt., a wp,1 = ā wp,1 x 1P x P mt σ 1P = 0,1 3-0,5, 0,01 σ P 0,05, a ws,1 = ā ws,1 x 1S x S x 3S mt 0,01 σ 1S 0,05, 0,1 σ S 0,, 0,1 σ 3S 0,) mt Ausglechsgerade 3. Verglechsmessungen In Bld 5 snd für enge Prüferregespektren der ISO 7096 de Ergebnsse aus Verglechsmessungen für a ws,1 und a wp,1 n zwe Laboren gezegt. De Datenrehen, de n Bld 5 ncht mt enem Stern gekennzechnet snd, bezehen sch auf e ene Prüfung nach Norm n den beden Laboren mt denselben Stzen, also 1 Messwerte von ver Personen. Für de Datenrehen mt enem oder zwe Sternen st en weterer Stz wederum n beden Laboren verwendet worden, und das Erregersgnal (EM1, EM6) st kopert worden, sodass bede Labore dasselbe Sgnal verwendet haben. De Versuchsrehe mt enem Stern bezeht sch auf dre lechte und dre schwere Versuchspersonen, de n beden Laboren untersucht worden snd: also 36 Messwerte von sechs Personen. Mt zwe Sternen snd Messungen an sechs Bleschrotgewchen zwschen 45 kg und 85 kg bezechnet. Es zegt sch, dass de Sgnale gut reproduzert werden können. De Standardabwechungen für a wp,1 betragen wenger als 1,5 % der Mttelwerte. Der Untersched m SEAT für de Messrehe EM1 und EM1* legt an dem unterschedlchen Stz. Für EM6 stmmte der SEAT für EM6 und EM6* zufällg überen. Be a ws,1 snd de Standardabwechungen größer, we es auch m Abschntt. angenommen worden st. In den mesten Fällen beträgt de Standardabwechung % - 7 % des Mttelwertes von a ws,1. Nur be EM6 beträgt se etwa 14 %. Obwohl n der Versuchsrehe mt enem Stern de Versuchsperson glech gebleben st, st de Standardabwechung für a ws,1 und EM1, EM6 verglechbar mt dem Fall, ndem de Versuchspersonen wechselten. De Messwerte mt Bleschrot zegen n beden untersuchten

12 VDI-Berchte Nr. 190, Fällen ähnlch große Standardabwechungen we für de Messrehe mt Versuchspersonen. De Unscherhet für a ws,1 st aber ncht durch den Stz allen gegeben: Verglecht man deselbe Versuchsperson zwschen den Laboren, so kann de Abwechung, etwa m SEAT auch für EM6 m Enzelfall nur enge Prozent betragen. Es lässt sch daher aus desen Daten kene Unscherhet bestmmen, de dem Stz oder der Person allen zugeordnet werden könnte. 3,00,50 aws,1 awp,1,00 [ms - ] 1,50 1,00 0,50 0,00 Bld 5: Gemessene Werte für a wp,1, a ws,1 aus Verglechsmessungen mt demselben Stz n zwe Laboren, de Fehlerbalken snd Standardabwechungen: EM{1,, 3, 4, 6, 7}: 1 Messungen; für ver Personen EM{1, 6}*: 36 Messungen für deselben dre lechten und dre schweren Personen EM{1, 6}**: Ver Messungen für sechs Bleschrotgewchte (45 kg 85 kg) Mt der Informaton aus Bld 5 sollte für EM6 en anderer Unscherhetsberech für a ws,1 zum Tragen kommen, als für de anderen Prüferregerspektren. En Grund für desen Untersched könnte n der Form der Prüferregerspektren legen. Dagegen lefert de frühere Stude [1] auch für EM6 gernge Standardabwechungen m SEAT: σ Person (SEAT 0,05), de wahrschenlch auch aus der Unscherhet von a ws,1 herrührt. Dese Unterschede für EM6 können nur durch wetere Untersuchungen geklärt werden. Damt umfasst der n Abschntt untersuchte Berech der Unscherhet auch de her gefundenen Unscherheten, de auch durchaus klener snd. Es lässt sch das folgende Unscherhetsbudget ableten: Messkette σ Messkette Her kann aus den Kalbrerschenen der verwendeten Geräte ene Unscherhet von 1 % angegeben werden.

13 VDI-Berchte Nr. 190, Versuchsperson-Stz σ Person-Stz Es lässt sch nur en Wert für σ Person-Stz angeben, der für (EM6) σ Person-Stz = 0, beträgt, für de anderen untersuchten Anregungen (EM1,, 3, 7) σ Person-Stz = 0,05. Anregungssgnal σ Sgnal Dem Sgnal lässt sch ene Unscherhet von σ Sgnal = 0,015 zuordnen. Dafür ergbt sch ene kombnerte Standardunscherhet für das mathematsche Modell aus Abschntt für EM1,, 3 und 7 σ c,gum = SEAT 0,054, was auch durch de Smulaton bestätgt wrd. Für Fälle we EM6 mt σ c,gum = SEAT 0,01, was ebenfalls durch de Smulaton bestätgt wrd, sollten mehr Informatonen gesammelt werden, de helfen, de Unscherhet zu verrngern. 4. Zusammenfassung Dese Arbet stellt en Unscherhetsbudget und en mathematsches Modell für de Messung des SEAT be ener Stzprüfung vor. Das mathematsche Modell st enfach genug formulert, dass de lneare Näherung des GUM über enem Parameterberech gültg blebt, der de vorlegenden expermentellen Daten umfasst, und auch größere Unscherhetsbereche enschleßt. Auch mt Blck auf große Unscherheten wrd vorgeschlagen, als Untermodell en Produkt nach Glechung (7) zu verwenden, um unphyskalsche Werte zu vermeden. Bem Verglech mt expermentellen Daten stellt sch heraus, dass für vele Praxsfälle de kombnerte Standardunscherhet für den SEAT be 5 % legt. Es gbt aber auch Fälle, we das Prüferregerspektrum EM6, be denen de Unscherhet höher sen kann und mehr Informatonen gesammelt werden müssen. Für andere Fälle der Beschleungungsmessung mt komplexeren, mathematschen Modellen und größeren Unscherheten kann sch de numersche Smulaton nach Anhang 1 des GUM nützlch erwesen, um de Unscherhet zu bestmmen. Danksagung De Autoren danken Herrn Prof. Hlgers (RWTH Aachen) für sene wertvollen Hnwese und Anregungen.

14 VDI-Berchte Nr. 190, Lteratur [1] Hnz, B., Menzel, G., Blüthner, R., Sedel, H.: Laboratory testng of operator seat vbraton wth 37 subects crtcal comment on ISO/DIS 7096, Journal of Sound and Vbraton, 15(4), 1998, [] DIN EN /A1:008, Mechansche Schwngungen - Laborverfahren zur Bewertung der Schwngungen von Fahrzeugstzen - Grundlegende Anforderungen; Änderung 1 (ISO :199/Amd. 1:007); Deutsche Fassung EN :1994/A1:007, Berchtgung zu DIN EN /A1: [3] DIN EN ISO 7096:010, Erdbaumaschnen - Laborverfahren zur Bewertung der Schwngungen des Maschnenführerstzes (ISO 7096:000); Deutsche Fassung EN ISO 7096:008 + AC:009. [4] DIN EN 13490:009, Mechansche Schwngungen - Flurförderzeuge - Laborverfahren zur Bewertung sowe Spezfkaton der Schwngungen des Maschnenführerstzes; Deutsche Fassung EN 13490:001+A1:008. [5] ISO 5007:003, Landwrtschaftlche Traktoren mt Rädern - Fahrerstz - Laborprüfverfahren zur Schwngungsmessung. [6] DIN EN 15059:009, Pstenpflegegeräte - Scherhetsanforderungen; Deutsche Fassung EN 15059:009. [7] DIN V ENV 13005:1999, Letfaden zur Angabe der Unscherhet bem Messen, Deutsche Fassung ENV 13005:1999. Englsch: [8] DIN V ENV Beblatt 1:01, Letfaden zur Angabe der Unscherhet bem Messen - Beblatt 1: Fortpflanzung von Vertelungen unter Verwendung ener Monte- Carlo-Methode. Englsch: [9] Jaynes, E. T.: Informaton Theory and Statstcal Mechancs. Physcal Revew 106 (1957) S Jaynes, E. T.: Pror Probabltes. IEEE Transactons On Systems Scence and Cybernetcs sec-4, 3 (1968) S [10] Goodman, L. A.: The Varance of the Product of K Random Varables. Journal of the Amercan Statstcal Assocaton (196) S

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

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

Ionenselektive Elektroden (Potentiometrie)

Ionenselektive Elektroden (Potentiometrie) III.4.1 Ionenselektve Elektroden (otentometre) Zelstellung des Versuches Ionenselektve Elektroden gestatten ene verhältnsmäßg enfache und schnelle Bestmmung von Ionenkonzentratonen n verschedenen Meden,

Mehr

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

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

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07

Auswertung 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

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

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

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

Auswertung univariater Datenmengen - deskriptiv

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

Mehr

VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE

VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE Karl Rudolf KOCH Knut RIESMEIER In: WELSCH, Walter (Hrsg.) [1983]: Deformatonsanalysen 83 Geometrsche Analyse und Interpretaton von Deformatonen

Mehr

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

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

SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT

SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT Smulaton von Hybrdfahrzeugantreben mt optmerter Synchronmaschne 1 SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT OPTIMIERTER SYNCHRONMASCHINE H. Wöhl-Bruhn 1 EINLEITUNG Ene Velzahl von Untersuchungen hat sch

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

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

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

VERGLEICH EINER EXPERIMENTELLEN UND SIMULATIONSBASIERTEN SENSITIVITÄTSANALYSE EINER ADAPTIVEN ÖLWANNE

VERGLEICH EINER EXPERIMENTELLEN UND SIMULATIONSBASIERTEN SENSITIVITÄTSANALYSE EINER ADAPTIVEN ÖLWANNE VERGLEICH EINER EXPERIMENTELLEN UND SIMULATIONSBASIERTEN SENSITIVITÄTSANALYSE EINER ADAPTIVEN ÖLWANNE Y. L*, S-O. Han*, T. Pfeffer** *) Fachgebet Systemzuverlässgket und Maschnenakustk, TU Darmstadt **)

Mehr

Auswertung univariater Datenmengen - deskriptiv

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

Mehr

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

Nernstscher Verteilungssatz

Nernstscher Verteilungssatz Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.

Mehr

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

6 Wandtafeln. 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln. 6.3.1 Allgemeines

6 Wandtafeln. 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln. 6.3.1 Allgemeines 6 Wandtafeln 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln 6.3.1 Allgemenes Be der Berechnung der auf de enzelnen Wandtafeln entfallenden Horzontalkräfte wrd ene starre Deckenschebe angenommen.

Mehr

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz): LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete

Mehr

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

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

Mehr

BAM-Leitfaden zur Ermittlung von Messunsicherheiten bei quantitativen Prüfergebnissen 1. Fassung 11. vom März 2004

BAM-Leitfaden zur Ermittlung von Messunsicherheiten bei quantitativen Prüfergebnissen 1. Fassung 11. vom März 2004 Dr. rer. nat. Werner Hässelbarth BAM-Letfaden zur Ermttlung von Messunscherheten be quanttatven Prüfergebnssen. Fassung. vom März 004 Forschungsbercht 66 Berln 004 Autor: Textbeträge: Redakton: Fregabe:

Mehr

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

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

Mehr

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen 196 6.5. Rückgewnnung des Zetvorgangs: Rolle der Pole und Nullstellen We n 6.2. und 6.. gezegt wurde, st de Übertragungsfunkton G( enes lnearen zetnvaranten Systems mt n unabhänggen Spechern ene gebrochen

Mehr

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):

Beim 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.

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

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

Portfoliothorie (Markowitz) Separationstheorem (Tobin) Kapitamarkttheorie (Sharpe

Portfoliothorie (Markowitz) Separationstheorem (Tobin) Kapitamarkttheorie (Sharpe Portfolothore (Markowtz) Separatonstheore (Tobn) Kaptaarkttheore (Sharpe Ene Enführung n das Werk von dre Nobelpresträgern zu ene Thea U3L-Vorlesung R.H. Schdt, 3.12.2015 Wozu braucht an Theoren oder Modelle?

Mehr

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007 Lehrstuhl für Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen

Mehr

Versicherungstechnischer Umgang mit Risiko

Versicherungstechnischer Umgang mit Risiko Verscherungstechnscher Umgang mt Rsko. Denstlestung Verscherung: Schadensdeckung von für de enzelne Person ncht tragbaren Schäden durch den fnanzellen Ausglech n der Zet und m Kollektv. Des st möglch über

Mehr

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale 3. De Kennzechnung von Patkeln 3..1 Patkelmekmale De Kennzechnung von Patkeln efolgt duch bestmmte, an dem Patkel mess bae und deses endeutg beschebende physka lsche Gößen (z.b. Masse, Volumen, chaaktestsche

Mehr

Ich habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf.

Ich habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf. Ich habe en Bespel ähnlch dem der Ansys-Issue [ansys_advantage_vol_ssue3.pdf durchgeführt. Es stammt aus dem Dokument Rfatgue.pdf. Abbldung 1: Bespel aus Rfatgue.pdf 1. ch habe es manuell durchgerechnet

Mehr

Übung zur Vorlesung. Informationstheorie und Codierung

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

Mehr

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

Entscheidungsprobleme der Marktforschung (1)

Entscheidungsprobleme der Marktforschung (1) Prof. Dr. Danel Baer. Enführung 2. Informatonsbedarf 3. Datengewnnung 2. Informatonsbedarf Entschedungsprobleme der () Informatonsbedarf Art Qualtät Menge Informatonsbeschaffung Methodk Umfang Häufgket

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

Kreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord

Kreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord 1 Kredtrskomodellerung und Rskogewchte m Neuen Baseler Accord erschenen n: Zetschrft für das gesamte Kredtwesen (ZfgK), 54. Jahrgang, 2001, S. 1004-1005. Prvatdozent Dr. Hans Rau-Bredow, Lehrstuhl für

Mehr

Franzis Verlag, 85586 Poing ISBN 978-3-7723-4046-8 Autor des Buches: Leonhard Stiny

Franzis 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

Mehr

Free Riding in Joint Audits A Game-Theoretic Analysis

Free Riding in Joint Audits A Game-Theoretic Analysis . wp Wssenschatsorum, Wen,8. Aprl 04 Free Rdng n Jont Audts A Game-Theoretc Analyss Erch Pummerer (erch.pummerer@ubk.ac.at) Marcel Steller (marcel.steller@ubk.ac.at) Insttut ür Rechnungswesen, Steuerlehre

Mehr

1 = Gl.(12.7) Der Vergleich mit Gl. (12.3) zeigt, dass für die laminare Rohrströmung die Rohrreibungszahl

1 = Gl.(12.7) Der Vergleich mit Gl. (12.3) zeigt, dass für die laminare Rohrströmung die Rohrreibungszahl 0. STRÖMUNG INKOMPRESSIBLER FLUIDE IN ROHRLEITUNGEN Enführung Vorlesung Strömungslehre Prof. Dr.-Ing. Chrstan Olver Pascheret C. O. Pascheret Insttute of Flud Mechancs and Acoustcs olver.pascheret@tu-berln.de

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

AUFGABEN ZUR INFORMATIONSTHEORIE

AUFGABEN 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

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

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

UNIVERSITÄT STUTTGART INSTITUT FÜR THERMODYNAMIK UND WÄRMETECHNIK Professor Dr. Dr.-Ing. habil. H. Müller-Steinhagen P R A K T I K U M.

UNIVERSITÄT STUTTGART INSTITUT FÜR THERMODYNAMIK UND WÄRMETECHNIK Professor Dr. Dr.-Ing. habil. H. Müller-Steinhagen P R A K T I K U M. UNIVERSITÄT STUTTGART INSTITUT FÜR THERMODYNAMIK UND WÄRMETECHNIK Professor Dr. Dr.-Ing. habl. H. Müller-Stenhagen P R A K T I K U M Versuch 9 Lestungsmessung an enem Wärmeübertrager m Glech- und Gegenstrombetreb

Mehr

9 Phasengleichgewicht in heterogenen Mehrkomponentensystemen

9 Phasengleichgewicht in heterogenen Mehrkomponentensystemen 9 Phasenglechgewcht n heterogenen Mehrkomonentensystemen 9. Gbbs sche Phasenregel α =... ν Phasen =... k Komonenten Y n (α) -Molzahl der Komonente Y n der Phase α. Für jede Phase glt ene Gbbs-Duhem-Margules

Mehr

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

Institut für Technische Chemie Technische Universität Clausthal

Institut für Technische Chemie Technische Universität Clausthal Insttut für Technsche Cheme Technsche Unverstät Clusthl Technsch-chemsches Prktkum TCB Versuch: Wärmeübertrgung: Doppelrohrwärmeustuscher m Glechstrom- und Gegenstrombetreb Enletung ür de Auslegung von

Mehr

Transistor als Schalter

Transistor als Schalter Elektrotechnsches Grundlagen-Labor II Transstor als Schalter Versuch Nr. 5 Erforderlche Geräte Anzahl Bezechnung, Daten GL-Nr. 1 Doppelnetzgerät 198 1 Oszllograph 178 1 Impulsgenerator 153 1 NF-Transstor

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

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

11 Chemisches Gleichgewicht

11 Chemisches Gleichgewicht 11 Chemsches Glechgewcht 11.1 Chemsche Reaktonen und Enstellung des Glechgewchts Untersucht man den Mechansmus chemscher Reaktonen, so wrd man dese enersets mt enem mkroskopschen oder knetschen Blck auf

Mehr

Praktikum Physikalische Chemie I (C-2) Versuch Nr. 6

Praktikum Physikalische Chemie I (C-2) Versuch Nr. 6 Praktkum Physkalsche Cheme I (C-2) Versuch Nr. 6 Konduktometrsche Ttratonen von Säuren und Basen sowe Fällungsttratonen Praktkumsaufgaben 1. Ttreren Se konduktometrsch Schwefelsäure mt Natronlauge und

Mehr

Fallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung

Fallstudie 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

Mehr

Datenträger löschen und einrichten

Datenträger 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

Mehr

Kommentierte Linkliste

Kommentierte Linkliste Mobbng Kommenterte Lnklste Mobbng fndet sch n allen sozalen Schchten und Altersgruppen: auch be Kndern und Jugendlchen. Aktuelle Studen kommen zu dem Ergebns, dass jede/r verte österrechsche SchülerIn

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

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

5. ZWEI ODER MEHRERE METRISCHE MERKMALE

5. ZWEI ODER MEHRERE METRISCHE MERKMALE 5. ZWEI ODER MEHRERE METRISCHE MERKMALE wenn an ener Beobachtungsenhet zwe (oder mehr) metrsche Varablen erhoben wurden wesentlche Problemstellungen: Frage nach Zusammenhang: Bsp.: Duxbury Press (sehe

Mehr

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

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

Mehr

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

Ordered Response Models (ORM)

Ordered Response Models (ORM) Handout: Mkroökonometre Ordered Response Models Domnk Hanglberger - SS 28 Ordered Response Models (ORM) Ist de abhängge Varable ordnal skalert (d.h. hre Kategoren lassen sch n ene Rangrehenfolge brngen,

Mehr

Grundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften

Grundlagen 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

Mehr

1.1 Grundbegriffe und Grundgesetze 29

1.1 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

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

Die Zahl i phantastisch, praktisch, anschaulich

Die 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

Mehr

Versuch C2: Monte-Carlo Simulationen eines Ferromagneten im Rahmen des Ising-Modells

Versuch C2: Monte-Carlo Simulationen eines Ferromagneten im Rahmen des Ising-Modells Versuch C2: Monte-Carlo Smulatonen enes Ferromagneten m Rahmen des Isng-Modells 15. November 2010 1 Zelstellung Es glt de Temperatur des Phasenüberganges zwschen dem ferro- und paramagnetschen Verhalten

Mehr

Standortplanung. Positionierung von einem Notfallhubschrauber in Südtirol. Feuerwehrhaus Zentrallagerpositionierung

Standortplanung. Positionierung von einem Notfallhubschrauber in Südtirol. Feuerwehrhaus Zentrallagerpositionierung Standortplanung Postonerung von enem Notfallhubschrauber n Südtrol Postonerung von enem Feuerwehrhaus Zentrallagerpostonerung 1 2 Postonerung von enem Notfallhubschrauber n Südtrol Zu bekannten Ensatzorten

Mehr

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

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 2009 UNIVERSITÄT KARLSRUHE Blatt 2 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 7: (B. Fredmans Urnenmodell)

Mehr

50. Internationales Wissenschaftliches Kolloquium. Maschinenbau von Makro bis Nano / Mechanical Engineering from Macro to Nano.

50. Internationales Wissenschaftliches Kolloquium. Maschinenbau von Makro bis Nano / Mechanical Engineering from Macro to Nano. 5. Internatonales Wssenschaftlches Kolloquum September, 19-23, 25 Maschnenbau von Makro bs Nano / Mechancal Engneerng from Macro to Nano Proceedngs Fakultät für Maschnenbau / Faculty of Mechancal Engneerng

Mehr

Wir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt

Wir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt Kaptel 3 Zwe Personen Spele 3.1 Matrxspele 3.2 Matrxspele n gemschten Strategen 3.3 B Matrxspele und quadratsche Programme 3.4 B Matrxspele und lneare Komplementartätsprobleme 3.1 Matrxspele Wr betrachten

Mehr

Bestimmung des Aktivitätskoeffizienten mittels Dampfdruckerniedrigung

Bestimmung des Aktivitätskoeffizienten mittels Dampfdruckerniedrigung Grundraktkum Physkalsche Cheme Versuch 22 Bestmmung des Aktvtätskoeffzenten mttels Damfdruckernedrgung Überarbetetes Versuchsskrt, 27..204 Grundraktkum Physkalsche Cheme, Versuch 22: Aktvtätskoeffzent

Mehr

Quant oder das Verwelken der Wertpapiere. Die Geburt der Finanzkrise aus dem Geist der angewandten Mathematik

Quant 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

Mehr

Nutzergleichgewicht oder Systemoptimum - Die systemoptimale Verkehrsumlegung in makroskopischen Verkehrsnetzen

Nutzergleichgewicht oder Systemoptimum - Die systemoptimale Verkehrsumlegung in makroskopischen Verkehrsnetzen Nutzerglechgewcht oder Systemoptmum - De systemoptmale Verkehrsumlegung n makroskopschen Verkehrsnetzen Vortrag zu den. Verkehrswssenschaftlchen Tagen M. Boden a, M. Treber a a TU Dresden, Insttut für

Mehr

Qualitative Evaluation einer interkulturellen Trainingseinheit

Qualitative Evaluation einer interkulturellen Trainingseinheit Qualtatve Evaluaton ener nterkulturellen Tranngsenhet Xun Luo Bettna Müller Yelz Yldrm Kranng Zur Kulturgebundenhet schrftlcher und mündlcher Befragungsmethoden und hrer Egnung zur Evaluaton m nterkulturellen

Mehr

Fähigkeitsuntersuchungen beim Lotpastendruck

Fähigkeitsuntersuchungen beim Lotpastendruck Fakultät Elektrotechnk und Informatonstechnk Insttut für Aufbau- und Verbndungstechnk der Elektronk Fähgketsuntersuchungen bem Lotpastendruck Dr.-Ing. H. Wohlrabe Ottobrunn, 2. Februar 2009 Qualtätsmerkmale

Mehr

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

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

Mehr

EAU SWH l$,0, wohngebäude

EAU 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

Mehr

Klassische Gatter und Logikelemente. Seminarvortrag zu Ausgewählte Kapitel der Quantentheorie Quantenalgorithmen

Klassische Gatter und Logikelemente. Seminarvortrag zu Ausgewählte Kapitel der Quantentheorie Quantenalgorithmen Klasssche Gatter und Logkelemente Semnarvortrag zu Ausgewählte Kaptel der Quantentheore Quantenalgorthmen Gerd Ch. Krzek WS 2003 I. Grundlagen und Methoden der Logk: Im folgenden soll de Konstrukton und

Mehr

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Übung/Tutorate Statistik II: Schließende Statistik SS 2007

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Übung/Tutorate Statistik II: Schließende Statistik SS 2007 Übung/Tutorate Statstk II: Schleßende Statstk SS 7 Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt

Mehr

Temporäre Stilllegungsentscheidungen mittels stufenweiser E W U F W O R K I N G P A P E R

Temporäre Stilllegungsentscheidungen mittels stufenweiser E W U F W O R K I N G P A P E R Temporäre Stlllegungsentschedungen mttels stufenweser Grenzkostenrechnung E W U F W O R K I N G P A P E R Mag. Dr. Thomas Wala, FH des bf Wen PD Dr. Leonhard Knoll, Unverstät Würzburg Mag. Dr. Stephane

Mehr

Analytische Chemie. LD Handblätter Chemie. Bestimmung der chemischen Zusammensetzung. mittels Röntgenfluoreszenz C3.6.5.2

Analytische Chemie. LD Handblätter Chemie. Bestimmung der chemischen Zusammensetzung. mittels Röntgenfluoreszenz C3.6.5.2 SW-214-3 Analytsche Cheme Angewandte Analytk Materalanalytk LD andblätter Cheme Bestmmung der chemschen Zusammensetzung ener Messngprobe mttels Röntgenfluoreszenz Versuchszele Mt enem Röntgengerät arbeten.

Mehr

Steuerungsverfahren und ihre Datenstrukturen 09 - Netzplantechnik

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

Mehr

Vermessungskunde für Bauingenieure und Geodäten

Vermessungskunde für Bauingenieure und Geodäten Vermessungskunde für Baungeneure und Geodäten Übung 4: Free Statonerung (Koordnatentransformaton) und Flächenberechnung nach Gauß Mlo Hrsch Hendrk Hellmers Floran Schll Insttut für Geodäse Fachberech 13

Mehr

Messtechnik/Qualitätssicherung

Messtechnik/Qualitätssicherung Name, Vorname Matrkel-Nr. Studenzentrum Studengang Wrtschaftsngeneurwesen Fach Messtechnk/Qualtätsscherung Art der Lestung Prüfungslestung Klausur-Knz. WI-MQS-P 08053 Datum 3.05.008 Hnwes zur Rückgabe

Mehr

Diskrete Mathematik 1 WS 2008/09

Diskrete Mathematik 1 WS 2008/09 Ruhr-Unverstät Bochum Lehrstuhl für Kryptologe und IT-Scherhet Prof. Dr. Alexander May M. Rtzenhofen, M. Mansour Al Sawad, A. Meurer Lösungsblatt zur Vorlesung Dskrete Mathematk 1 WS 2008/09 Blatt 7 /

Mehr

Kapitel 2: Klassifikation. Maschinelles Lernen und Neural Computation

Kapitel 2: Klassifikation. Maschinelles Lernen und Neural Computation Kaptel 2: Klassfkaton Maschnelles Lernen und Neural Computaton 28 En enfacher Fall En Feature, Hstogramme für bede Klassen (z.b. Glukosewert, Dabetes a/nen) Kene perfekte Trennung möglch Entschedung: Schwellwert

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

Reale Außenwirtschaft

Reale Außenwirtschaft Vorlesungsskrpt Reale Außenwrtschaft. Auflage (erwetert und verbessert), 007 Mchael Rauscher Glederung. Vorbemerkungen. Gegenstand der realen Außenwrtschaftstheore?. En emprsches Bld der nternatonalen

Mehr

Online Algorithmen. k-server randomisiert Teil II

Online Algorithmen. k-server randomisiert Teil II Onlne Algorthmen k-server randomsert Tel II Ausarbetung für das Semnar Onlne Algorthmen Prof. Dr. Ro. Klen Anette Ebbers-Baumann Ansgar Grüne Insttut für Informatk Theorethsche Informatk und formale Methoden

Mehr

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

Physikalisch- Technische Bundesanstalt. Richtlinie Kalibrierung von Druckmessgeräten

Physikalisch- Technische Bundesanstalt. Richtlinie Kalibrierung von Druckmessgeräten Physkalsch- Technsche Bundesanstalt Rchtlne DKD-R 6-1 Kalbrerung von Druckmessgeräten Ausgabe 03/014 Kalbrerung von Druckmessgeräten Sete: Herausgegeben vom Deutschen Kalbrerdenst (DKD) unter Schrmherrschaft

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

"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