z.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel!
|
|
- Leon Heinrich
- vor 6 Jahren
- Abrufe
Transkript
1 Aufgabe : Vorbemerkung: Ene Zufallsvarable st ene endeutge Funkton bzw. ene Abbldungsvorschrft, de angbt, auf welche Art aus enem Elementareregns ene reelle Zahl gewonnen wrd. x 4 (, ) z.b. Münzwurf: Kopf Zahl oder z.b. Würfel: Merkmal Summe der Augenzahlen, also her: Blde de Summe der Augenzahlen der beden Würfel! dskrete Zufallsvarable: kann endlch vele verschedene Werte annehmen ( x ) stetge Zufallsvarable: kann unendlch vele verschedene Werte annehmen,... x k Erwartungswert E X x f x k ( ) ( ) z.b. möglche Eregnsse be enem Würfelwurf E {,, 3, 4,, 6} mt f ( x ) 6 Erwartungswert E( X ) x f ( x ) E( X ) x 3, 6 6 Varanz [ ] k VAR( X ) x E ( X ) f ( x ),97 Lösung der Aufgabe: a). Schrtt: Darstellung des Ergebnsraumes (Defntonsberech von X) möglche Eregnsse be zwe Würfeln Eregnsraum:
2 { (,) (,) (,3) (,4) (,) (,6) (,) (,) (,3) (,4) (,) (,6) (3,) (3,) (3,3) (3,4) (3,) (3,6) (4,) (4,) (4,3) (4,4) (4,) (4,6) (,) (,) (,3) (,4) (,) (,6) (6,) (6,) (6,3) (6,4) (6,) (6,6) } Elementareregnsse e. Schrtt: Bestmmung des Wertebereches von X Defnton des Zufallseregnsses A : Gleche Summe der Würfelaugen Eregnsraum: A { e X( e ) x } A A A 3 A 4 A A 6 A 7 A 8 A 9 A 0 A Festlegung des Wertebereches Z: Z{,3,...,,} 3. Schrtt: Bestmmung der Wahrschenlchket f ( x ) Entrttswahrschenlchketen von A : günstge_ Eregnsse P( A) ungünstge_ Eregnsse P( A ) { e X ( e ) x } e e Wahrschenlchketsfunkton f(x) ener dskreten Zufallsvarable
3 Ene allgemen angegebene Zuordnungsvorschrft, nach der edem Wert ener dskreten Zufallsvarablen ene entsprechende Wahrschenlchket zugeordnet wrd, heßt Wahrschenlchketsfunkton. f ( x ) p( X x ) mt f x ( ) ( ) 0 und f x f ( x) p( x ) P( A) f ( x ) p( x 3) P( A) 3 f ( x3) p( x 4) P( A3 ) 4 f ( x4 ) p( x ) P( A4 ) f ( x) p( x 6) P( A ) 6 f ( x6 ) p( x 7) P( A6) f ( x7 ) p( x 8) P( A7) 4 f ( x8) p( x 9) P( A8 ) 3 f ( x9 ) p( x 0) P( A9 ) f ( x0) p( x ) P( A0) f ( x) p( x ) P( A) Erwartungswert: k E( X) x f ( x ) E( X) E( X) 7 E(X) entsprcht dem Mttelwert der Vertelung. 4. Schrtt: Tabellarsche Darstellung und Arbetstabelle x f ( x ) F ( x ) x f ( x ) x E X ( ) [ ] x E( X) f ( x ) / / / - / 3 / 3/ 6/ -4 3/ 4 3/ 6/ / -3 7/ 4/ 0/ 0/ - 6/
4 6 / / 30/ - / 7 6/ / 4/ / 6/ 40/ / 9 4/ 30/ / 6/ 0 3/ 33/ 30/ 3 7/ / 3/ / 4 3/ / / / / S E( X) 7 0 VAR( X ), 833 Varanz: VAR( X ), 833 Darstellung der Wahrschenlchketsfunkton: Wahrschenlchketsrechnung 0,8 /6 0,6 0,4 / / 0, /9 /9 0,0 0,08 / / 0,06 /8 /8 0,04 0,0 / / 0, Vertelungsfunkton ener dskreten Zufallsvarablen: Als Vertelungsfunkton F x ( ) ener Zufallsvarablen X bezechnet man de Funkton, de de Wahrschenlchket dafür angbt, daß de Zufallsvarable X höchstens den Wert x annmmt, also beschrebt se de Wahrschenlchket, daß X klener glech ( ) x st.
5 F ( x ) p( x x ) f ( x ) (analog zur Summenhäufgketsfunkton) F(x) 0 (x<) / (x<3) 3/ (x<4) /6 (x<) 0/ (x<6) / (x<7) 7/ (x<8) 3/8 (x<9) /6 (x<0) / (x<) 3/ (x<) (x ) Vertelungsfunkton / 4/ 3/ / / 0 < x<3 x<4 x< x<6 x<7 x<8 x<9 x<0 x< x< Rehe 0 / / /6 /8 / 7/ 3/8 /6 / 3/
6 b) we hoch müßte der Ensatz mndestens sen? Der Ensatz müßte dem Erwartungswert entsprechen, damt de Bank ohne Gewnn und Verlust spelt, also k E( X) x f ( x ) 7
7 Aufgabe : Tabelle: x f ( x ) F ( x ) x f x ( ) x E X x E( X) f ( ) [ ] 8 3/4 3/ /4 7/4-4,67 6 9/4 6/ /4 / /4 4/4 8,33 S E( X) 6 0 VAR( X) 0 Zechnung der Vertelungsfunkton: Vertelungsfunkton / 4/ 3/ Rehe / / Aufgabe 3: Der Gewnn wrd der Enfachhet halber als Ennahmen - Ausgaben defnert. Für de Lösung snd also de Ennahmen der Verscherung den entsprechenden Ausgabeerwartungen gegenüberzustellen. Der Saldo st dann der Gewnn bzw. Verlust der Verscherung. De Ennahmen ergeben sch aus der Verscherungspräme:
8 E 40, DM De Ausgabeerwartung der Verscherung st der Auszahlungsbetrag der Verscherung für das multplzert mt der Sterbewahrschenlchket des Verscherungsnehmers, also E( ) , , 00DM Tod Berechnet man de zu erwartende Auszahlung als Erwartungswert der Zufallsvarablen X (Auszahlungsbetrag) mt x 0 m Überlebensfall und x m Sterbefall, so ergbt sch: E( X) x f ( x ) 0 0, , , 00 DM Der erwartete Gewnn beträgt also G 40,00DM - 40,00DM 0,00DM Aufgabe 4: Ene Dchtefunkton hat de Egenschaft, daß de Fläche unter hrer Kurve den Wert hat, also + f ( x) dx, deshalb muß gelten x f ( x ) dx k xdx k xdx k 9 8 k k k 8 k 8 Graphsche Darstellung der Dchtefunkton: f(x) 9
9 x De Vertelungsfunkton erhält man für x 9 als + x x v x F ( x) f v dv ( v) dv für x < F( x) ( x ) für x 9 6 für x > 9 6 ( ) ( x ) Graphsche Darstellung der Vertelungsfunkton: f(x)
10 x Medan der Funkton: Der Medan st der Wert, der de Vertelung n zwe gleche Hälften telt, also der x-wert, be dem de Vertelungsfunkton den Wert 0, hat. D.h. ( x ) F( x) 6 0, 6 8 x x 3 ( x ) x Med. 3 7, 8 Erwartungswert der Funkton: E( x) 9 x f ( x) dx 9 ( x x) dx 9 x² dx x³,,, Varanz der Funkton: VAR( x) 9 x² f ( x) dx E( x)² 9 x³ dx, x,,,,, 4 7 9² 8 7 9² ²
11 Aufgabe : De Wahrschenlchket, daß Papageen das Sprechen erlernen, st bnomalvertelt. De Bnomalvertelung zählt zu den dskreten Vertelungen. Se glt für zwewertge Zufallsgrößen, d.h., de Varablen haben genau zwe Realsatonsmöglchketen (sprechen/ncht sprechen). Desen dchotomen (zwegetelten) Varablen legen enander komplementäre Eregnsse zugrunde. Das günstge Eregns wrd mt der Wahrschenlchket p belegt, wobe 0 p st. Das komplementäre Eregns hat de Wahrschenlchket q. Da nur dese beden Realsatonsmöglchketen exsteren, telt sch de Gesamtwahrschenlchket auf n p und q p + q De Wahrschenlchket, be Durchführung ener Bernoull-Kette der Länge n genau k Treffer zu erzelen, st gegeben durch de Formel B n k p q,, k ( n k p) ( n k ) (Herletung der Formel auf S. 49) a) genau von Vögeln sollen sngen können n k ( n k ) B( ) p q n, k, p k, also ( ) ( ) ( p ) 3 günstge !,,,, ( )!! p ( ) günstge 0 0, 6 0, 6 0, 346 (vgl. mt dem Tabellenwert) Wolfgang A. kann mt ener Wahrschenlchket von 0,346 damt rechnen, daß zwe sener Vögel das Sprechen lernen. b) Wahrschenlchket, daß kener sprechen kann, ergbt sch als: 0, 4 0, 6 0, , ; ;, 0 0 B( ) c) Wahrschenlchket, daß wengstens ener begabt st. Wengstens ener bedeutet, daß,,3,4 oder sogar alle das Sprechen erlernen. Das Ergebns errechnet sch also aus der Addton der Enzelwahrschenlchketen für,,3,4 oder Sprecher, oder als B ( ; 0 ; 0, 4), dem scheren Eregns abzüglch der Wahrschenlchket dafür, das kener das Sprechen erlernt.
12 0 ( 0 0 4) B ; ;,,,,, Mt 9,4%ger Scherhet kann mndestens ener der Vögel sprechen. d) Berechnung des Erwartungswertes und der Varanz der Bnomalvertelung Erwartungswert: E x n p Varanz: VAR x n p q ( ) 0, 4 ( ) 0, 4 0, 6, Aufgabe 6: De Wahrschenlchket p, daß emand der den Laden betrtt etwas kauft, beträgt 0,. Es betreten n Kunden den Laden. a) Wahrschenlchket, daß kener kauft 0, 0, 8 0, , 3768 ; ;, 0 0 B( 0 0 ) b) Wahrschenlchket, daß oder 3 enen Anzug kaufen: p( ) B( ) oder 3 B 0 ( 3 0 ) ,, + 3,,, +,, ; ;, ; ;, De Wahrschenlchket beträgt,6%. c) Wahrschenlchket, daß wengstens ener enen Anzug kauft entsprcht entweder der Summe der Enzelwahrschenlchketen für,,3,4 und Käufer, oder -(Wahrschenlchket für kenen Kunden), also ( ) B ; ;,,,,, De Wahrschenlchket beträgt 67,3%. d) Wahrschenlchket, daß alle enen Anzug kaufen, beträgt 0, 0, 8 0, , 0003 ; ;, 0 B( 0 )
13 De Wahrschenlchket beträgt 0,03%. Erwartungswert und Varanz be n 0 Kunden: E ( x) n p, kaufen) Kunden (4 von 0 Kunden werden m enen Anzug VAR( x) n p q 0 0, 0, 8 3, Kunden.
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
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
Lehrstuhl für Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen
MehrStochastik - Kapitel 4
Aufgaben ab Sete 5 4. Zufallsgrößen / Zufallsvarablen und hre Vertelungen 4. Zufallsgröße / Zufallsvarable Defnton: Ene Zufallsgröße (Zufallsvarable) X ordnet jedem Versuchsergebns ω Ω ene reelle Zahl
Mehr2πσ. 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
MehrStandardnormalverteilung / z-transformation
Standardnormalvertelung / -Transformaton Unter den unendlch velen Normalvertelungen gbt es ene Normalvertelung, de sch dadurch ausgeechnet st, dass se enen Erwartungswert von µ 0 und ene Streuung von σ
Mehrwird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:
Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab
MehrAufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):
LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete
MehrP(mindestens zwei gleiche Augenzahlen) = = 0.4 = = 120. den 5 vorbereiteten Gebieten drei auszuwählen: = 10. Deshalb ist 120 =
Hochschule Harz Fachberech Automatserung und Informatk Prof. Dr. T. Schade Ft for Ab & Study - Aprl 2014 Lösungen zu den Aufgaben zu elementarer Wahrschenlchketsrechnung 1. a 12 11 10 9 = 33 = 0.102 20
MehrVersicherungstechnischer 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
MehrStatistik und Wahrscheinlichkeit
Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse
Mehr6. Modelle mit binären abhängigen Variablen
6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch
MehrStatistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler, Eidgenössische Technische Hochschule, ETH Zürich. 1. Teilprüfung FS 2008.
Dr. Jochen Köhler, Edgenösssche Technsche Hochschule, ETH Zürch. Telprüfung Statstk und Wahrschenlchketsrechnung FS 2008 Lösungen Dr. J. Köhler ETH Zürch Donnerstag 0. Aprl 2008 08:5 09:45 0BTel : Multple
MehrBeim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):
Aufgabe 1 (4 + 2 + 3 Punkte) Bem Wegen von 0 Respaketen ergaben sch folgende Gewchte X(n Gramm): 1 2 3 4 K = (x u, x o ] (98,99] (99, 1000] (1000,100] (100,1020] n 1 20 10 a) Erstellen Se das Hstogramm.
MehrNSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.
PV - Hausaugabe Nr. 7.. Berechnen Se eakt und verglechen Se de Werte ür de Nullstelle, de mttels dem Verahren von Newton, der Regula als und ener Mttelung zu erhalten snd von der! Funkton: ( ) Lösungs
MehrMethoden der innerbetrieblichen Leistungsverrechnung
Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den
MehrForschungsstatistik I
Psychologe Prof. Dr. G. Menhardt 2. Stock, Nordflügel R. 02-429 (Perske) R. 02-431 (Menhardt) Sprechstunde jederzet nach Verenbarung Forschungsstatstk I Dr. Malte Perske perske@un-manz.de WS 2008/2009
Mehrnonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen
arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree
MehrSeminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -
Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole
MehrKonkave und Konvexe Funktionen
Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage
MehrAuswertung univariater Datenmengen - deskriptiv
Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;
Mehr1 Definition und Grundbegriffe
1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:
MehrSpiele und Codes. Rafael Mechtel
Spele und Codes Rafael Mechtel Koderungstheore Worum es geht Über enen Kanal werden Informatonen Übertragen. De Informatonen werden dabe n Worte über enem Alphabet Q übertragen, d.h. als Tupel w = (w,,
Mehr1 BWL 4 Tutorium V vom 15.05.02
1 BWL 4 Tutorum V vom 15.05.02 1.1 Der Tlgungsfaktor Der Tlgungsfaktor st der Kehrwert des Endwertfaktors (EWF). EW F (n; ) = (1 + )n 1 T F (n; ) = 1 BWL 4 TUTORIUM V VOM 15.05.02 (1 ) n 1 Mt dem Tlgungsfaktor(TF)
MehrEntscheidungstheorie Teil 1. Thomas Kämpke
Entschedungstheore Tel Thomas Kämpke Sete 2 Entschedungstheore Tel Inhalt Kompaktensteg Wahrschenlchketsrechnung Wahrschenlchketsmaß auf Grundraum Enfaches Lotto Stochastsche Unabhänggket Verknüpfung von
MehrAUFGABEN ZUR INFORMATIONSTHEORIE
AUFGABEN ZUR INFORMATIONSTHEORIE Aufgabe Wr betrachten das folgende Zufallsexperment: Ene fare Münze wrd so lange geworfen, bs erstmals Kopf erschent. De Zufallsvarable X bezechne de Anzahl der dazu notwendgen
MehrNetzwerkstrukturen. 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.
MehrGruppe. Lineare Block-Codes
Thema: Lneare Block-Codes Lneare Block-Codes Zele Mt desen rechnerschen und expermentellen Übungen wrd de prnzpelle Vorgehenswese zur Kanalcoderung mt lnearen Block-Codes erarbetet. De konkrete Anwendung
MehrKlasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten
Versuch r. 1: achwes des Hook schen Gesetzes und Bestmmung der Federkonstanten achwes des Hookeschen Gesetzes und Bestmmung der Federkonstanten Klasse : ame1 : ame 2 : Versuchszel: In der Technk erfüllen
Mehr4. Musterlösung. Problem 1: Kreuzende Schnitte **
Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,
Mehrd da B A Die gesamte Erscheinung der magnetischen Feldlinien bezeichnet man als magnetischen Fluss. = 1 V s = 1 Wb
S N De amte Erschenng der magnetschen Feldlnen bezechnet man als magnetschen Flss. = V s = Wb Kraftflssdchte oder magnetsche ndkton B. B d da B = Wb/m = T Für homogene Magnetfelder, we se m nneren von
Mehr12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2
1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:
MehrDiskrete Mathematik 1 WS 2008/09
Ruhr-Unverstät Bochum Lehrstuhl für Kryptologe und IT-Scherhet Prof. Dr. Alexander May M. Rtzenhofen, M. Mansour Al Sawad, A. Meurer Lösungsblatt zur Vorlesung Dskrete Mathematk 1 WS 2008/09 Blatt 7 /
Mehr) ergeben die i i. Es gelten folgende allgemeinen Resultate (in informeller Sprache formuliert).
V. Kolluson Im olgopolstschen Wettbewerb treffen mtunter mmer weder de glechen Frmen aufenander. Des eröffnet de Möglchket für stlles Zusammenspel, wel abwechendes Verhalten n späteren Zusammentreffen
MehrOrdered 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,
Mehr18. Dynamisches Programmieren
8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus
MehrKursthemen 2. Sitzung. Tabellarische und graphische Darstellung diskreter Daten. Tabellarische und graphische Darstellung diskreter Daten
Kursthemen 2. Stzung Fole I - 2-1 Tabellarsche und graphsche Darstellung dskreter Daten Tabellarsche und graphsche Darstellung dskreter Daten A) Nomnalskalen (Fole 2 bs 7) A) Nomnalskalen (Fole 2 bs 7)
MehrLineare Regression (1) - Einführung I -
Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:
MehrKreditpunkte-Klausur zur Lehrveranstaltung Projektmanagement (inkl. Netzplantechnik)
Kredtpunkte-Klausur zur Lehrveranstaltung Projektmanagement (nkl. Netzplantechnk) Themensteller: Unv.-Prof. Dr. St. Zelewsk m Haupttermn des Wntersemesters 010/11 Btte kreuzen Se das gewählte Thema an:
Mehr3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale
3. De Kennzechnung von Patkeln 3..1 Patkelmekmale De Kennzechnung von Patkeln efolgt duch bestmmte, an dem Patkel mess bae und deses endeutg beschebende physka lsche Gößen (z.b. Masse, Volumen, chaaktestsche
MehrKreditrisikomodellierung 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
MehrDer 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
MehrNomenklatur - 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
MehrKapitel 4: Wahrscheinlichkeitsrechnung und Kombinatorik
Kaptel 4: Wahrschenlchetsrechnung und Kombnator 1 4. Wahrschenlchetsrechnung De Wahrschenlchetsrechung stellt Modelle beret zur Beschrebung und Interpretaton solcher zufällger Erschenungen, de statstsche
Mehr3. Lineare Algebra (Teil 2)
Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw
Mehr6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen
196 6.5. Rückgewnnung des Zetvorgangs: Rolle der Pole und Nullstellen We n 6.2. und 6.. gezegt wurde, st de Übertragungsfunkton G( enes lnearen zetnvaranten Systems mt n unabhänggen Spechern ene gebrochen
Mehr1.1 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
MehrBeschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression
Beschrebung des Zusammenhangs zweer metrscher Merkmale Streudagramme Korrelatonskoeffzenten Regresson Alter und Gewcht be Kndern bs 36 Monaten Knd Monate Gewcht 9 9 5 8 3 4 7.5 4 3 6 5 3 6 4 3.5 7 35 5
Mehr2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar.
. Nullstellensuche Enes der ältesten numerschen Probleme stellt de Bestmmung der Nullstellen ener Funkton = dar. =c +c =c +c +c =Σc =c - sn 3 Für ene Gerade st das Problem trval, de Wurzel ener quadratschen
MehrBeschreibende Statistik Mittelwert
Beschrebende Statstk Mttelwert Unter dem arthmetschen Mttel (Mttelwert) x von n Zahlen verstehen wr: x = n = x = n (x +x +...+x n ) Desen Mttelwert untersuchen wr etwas genauer.. Zege für n = 3: (x x )
MehrAuswertung univariater Datenmengen - deskriptiv
Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;
MehrFunktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e
Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de
MehrSchätzfehler in der linearen Regression (1) Einführung
Schätzfehler ( Reduum: Schätzfehler n der lnearen Regreon ( e Enführung Zel der Regreontattk t e, Schätzglechungen nach dem Krterum der klenten Quadrate aufzutellen und anzugeben, we groß der jewelge Schätzfehler
MehrLösungen zum 3. Aufgabenblock
Lösungen zum 3. Aufgabenblock 3. Aufgabenblock ewerber haben n enem Test zur sozalen Kompetenz folgende ntervallskalerte Werte erhalten: 96 131 11 1 85 113 91 73 7 a) Zegen Se für desen Datensatz, dass
MehrFORMELSAMMLUNG STATISTIK (I)
Statst I / B. Zegler Formelsammlng FORMELSAMMLUG STATISTIK (I) Statstsche Formeln, Defntonen nd Erläterngen A a X n qaltatves Mermal Mermalsasprägng qanttatves Mermal Mermalswert Anzahl der statstschen
Mehr50 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
MehrZinseszinsformel (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
MehrStatistische Datenanalyse und Optimierung
Statstsche Datenanalyse und Optmerung.0.00 Glederung Vertelungsfunktonen Normalvertelung Normalvertelung mehrerer Vayrablen Abgeletete Vertelungen: χ -Vertelung, Student-t-Vertelung Statstsche ests Fehlerfortpflanzung
MehrGrundlagen der Wahrscheinlichkeitsrechnung
Kaptel 1 Grundlagen der Wahrschenlchketsrechnung 1.1 Kombnatork Addtonsprnzp (Summenregel). Es se A = A 1 A 2 A n, wo A ( = 1, 2,..., n) paarwese dsjunkte endlche Mengen snd. Dann st A = A 1 + A 2 + +
MehrKapitel 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
MehrStochastische Prozesse
INSTITUT FÜR STOCHASTIK SS 2009 UNIVERSITÄT KARLSRUHE Blatt 2 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 7: (B. Fredmans Urnenmodell)
MehrPortfoliothorie (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?
MehrPolygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com.
Verfahren für de Polygonalserung ener Kugel Eldar Sultanow, Unverstät Potsdam, sultanow@gmal.com Abstract Ene Kugel kann durch mathematsche Funktonen beschreben werden. Man sprcht n desem Falle von ener
MehrKlausuren zum Üben. Gesamtdauer der Anrufe in [Min]: bis 20 bis 40 bis 60 bis 90 bis 120 Anzahl der Schüler/innen:
Klausuren zum Üben Aufgabentyp I. Unter den Schülernnen und Schülern der Klassenstufe 5 ener Realschule bestzen 40 en Handy. Unter desen wurde ene Erhebung durchgeführt über de Anzahl von Anrufen (Merkmal
MehrItemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i
Itemanalyse und Itemkennwerte De Methoden der Analyse der Itemegenschaften st ncht m engeren Snne Bestandtel der Klassschen Testtheore Im Rahmen ener auf der KTT baserenden Testkonstrukton und -revson
MehrDiplomprüfung für Kaufleute 2001/I
Dplomprüfung für Kaufleute 00/I Prüfungsfach: Unternehmensfnanzerung und Betrebswrtschaftslehre der Banken Thema : a) Warum st es trotz Rskoaverson der Markttelnehmer möglch, be der Bewertung von Optonen
Mehr9 Diskriminanzanalyse
9 Dskrmnanzanalyse Zel ener Dskrmnanzanalyse: Berets bekannte Objektgruppen (Klassen/Cluster) anhand hrer Merkmale charakterseren und unterscheden sowe neue Objekte n de Klassen enordnen. Nötg: Lernstchprobe
MehrFree 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
MehrLehrstuhl 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
MehrPhysikalisches Praktikum PAP 1 für Physiker (B.Sc.) September 2010
Physkalsches Praktkum PAP 1 für Physker (B.Sc.) September 010 (Kurze) Enführung n de Grundlagen der Fehlerrechnung oder besser: Bestmmung von Messunscherheten Step nsde, lades & gentlemen, sad the museum
MehrSteuerungsverfahren 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
Mehr1 - Prüfungsvorbereitungsseminar
1 - Prüfungsvorberetungssemnar Kaptel 1 Grundlagen der Buchführung Inventur Inventar Blanz Inventur st de Tätgket des mengenmäßgen Erfassens und Bewertens aller Vermögenstele und Schulden zu enem bestmmten
MehrNernstscher Verteilungssatz
Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.
MehrOnline 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
Mehr5. 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
MehrFür jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich
Drtter Hauptsatz der Thermodynamk Rückblck auf vorherge Vorlesung Methoden zur Erzeugung tefer Temperaturen: - umgekehrt laufende WKM (Wärmepumpe) - Joule-Thomson Effekt bs 4 K - Verdampfen von flüssgem
Mehr6. Elektrische Wechselgrössen
Grundlagen der Elektrotechnk GE 2 [Buch GE 2: Seten 72-14] Grundbegrffe Wechselgrössen Perodsche Wechselgrössen Lnearer und quadratscher Mttelwert Der Effektvwert Bezugspfele Verallgemenerte Zetfunktonen
MehrFallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung
Fallstude 4 Qualtätsregelkarten (SPC) und Versuchsplanung Abgabe: Lösen Se de Aufgabe 1 aus Abschntt I und ene der beden Aufgaben aus Abschntt II! Aufgabentext und Lösungen schrftlch bs zum 31.10.2012
MehrIonenselektive Elektroden (Potentiometrie)
III.4.1 Ionenselektve Elektroden (otentometre) Zelstellung des Versuches Ionenselektve Elektroden gestatten ene verhältnsmäßg enfache und schnelle Bestmmung von Ionenkonzentratonen n verschedenen Meden,
MehrVorlesung 1. Prof. Dr. Klaus Röder Lehrstuhl für BWL, insb. Finanzdienstleistungen Universität Regensburg. Prof. Dr. Klaus Röder Folie 1
Vorlesung Entschedungslehre h SS 205 Prof. Dr. Klaus Röder Lehrstuhl für BWL, nsb. Fnanzdenstlestungen Unverstät Regensburg Prof. Dr. Klaus Röder Fole Organsatorsches Relevante Informatonen önnen Se stets
MehrAuswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07
Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 3.Auflage Dese Broschüre hlft bem Verfassen und Betreuen von Maturaarbeten. De 3.Auflage
Mehr8 Logistische Regressionsanalyse
wwwstatstkpaketde 8 Logstsche Regressonsanalyse De logstsche Regressonsanalyse dent der Untersuchung des Enflusses ener quanttatven Varable auf ene qualtatve (n unserem Fall dchotomen Varable Wr gehen
MehrUnter 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
MehrGeld- und Finanzmärkte
Gel- un Fnanzmärkte Prof. Dr. Volker Clausen akroökonomk 1 Sommersemester 2008 Fole 1 Gel- un Fnanzmärkte 4.1 De Gelnachfrage 4.2 De Bestmmung es Znssatzes I 4.3 De Bestmmung es Znssatzes II 4.4 Zwe alternatve
Mehr12 UMPU Tests ( UMP unbiased )
89 1 UMPU Tests ( UMP unbased ) Nach Bemerkung 11.8(b) exstert m Allgemenen ken zwesetger UMP- Test zu enem Nveau α. Deshalb Enschränkung auf unverfälschte Tests: ϕ Φ α heßt unverfälscht (unbased) zum
MehrNullstellen Suchen und Optimierung
Nullstellen Suchen und Optmerung Typsche Probleme: De optmale Bahnkurve De Mnmerung des Erwartungswertes ür den Hamltonan Wr möchten ene Funkton mnmeren oder mameren solch en Problem wrd Optmerung genannt!
MehrThema 7: Übungsaufgaben
Thema 7: Übungsaufgaben Übungsaufgabe 1: a) Kaptalangebotskurve (Skzze): (S) (H) 0 280 F Der endogene Kalkulatonsznsfuß beträgt mndestens (H) = 9 % und maxmal (S) = 16 %. Damt sollten alle Investtonsprojekte
MehrValidierung der Software LaborValidate Testbericht
Valderung der Software LaborValdate Tetbercht De Software LaborValdate dent dazu Labormethoden zu Valderen. Dazu mu nachgeween en, da de engeetzten Funktonen dokumentert und nachvollzehbar nd. De Dokumentaton
Mehrbinäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt:
Informatk I 6. Kaptel Raner Schrader Zentrum für Angewandte Informatk Köln 4. Jun 008 Wr haben bsher behandelt: Suchen n Lsten (lnear und verkettet) Suchen mttels Hashfunktonen jewels unter der Annahme,
MehrNetzsicherheit 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
MehrEinführung in die Finanzmathematik
1 Themen Enführung n de Fnanzmathematk 1. Znsen- und Znsesznsrechnung 2. Rentenrechnung 3. Schuldentlgung 2 Defntonen Kaptal Betrag n ener bestmmten Währungsenhet, der zu enem gegebenen Zetpunkt fällg
MehrPraktikum 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
MehrNeuronale 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
MehrStatistik. 1. Vorbereitung / Planung - präzise Formulierung der Ziele - detaillierte Definition des Untersuchungsgegenstandes
Statstk Defnton: Entwcklung und Anwendung von Methoden zur Erhebung, Aufberetung, Analyse und Interpretaton von Daten. Telgebete der Statstk: - Beschrebende (deskrptve) Statstk - Wahrschenlchketsrechnung
MehrIch 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
MehrÜbung 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
MehrFür wen ist dieses Buch? Was ist dieses Buch? Besonderheiten. Neu in dieser Auflage
Für wen st deses Bch? Das Taschenbch der Elektrotechnk rchtet sch an Stdentnnen nd Stdenten an nverstäten nd Fachhochschlen n den Berechen Elektrotechnk Nachrchtentechnk Technsche Informatk allgemene Ingenerwssenschaften
Mehr1.1 Grundbegriffe und Grundgesetze 29
1.1 Grundbegrffe und Grundgesetze 9 mt dem udrtschen Temperturkoeffzenten 0 (Enhet: K - ) T 1 d 0. (1.60) 0 dt T 93 K Betrchtet mn nun den elektrschen Wderstnd enes von enem homogenen elektrschen Feld
MehrWir 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
Mehr11 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