Dynamisches Programmieren
|
|
- Jakob Amsel
- vor 6 Jahren
- Abrufe
Transkript
1 Marco Thomas - IOI Treffen n Bonn - Dynamsches Programmeren - Unverstät Potsdam Dynamsches Programmeren 957 R. Bellmann: Dynamc Programmng für math. Optmerungsprobleme Methode für Probleme,. de rekursv beschrebbar snd, 2. de dem Optmaltätsprnzp genügen, d. h. ene optmale Lösung für das Ausgangsproblem setzt sch aus optmalen Lösungen für de kleneren Probleme, auf de rekurrert wrd, zusammen, und 3. deren Berechnung mehrfach gleche Tellösungen benötgt
2 Marco Thomas - IOI Treffen n Bonn - Dynamsches Programmeren - Unverstät Potsdam Fbonacc-Zahlen. Rekursve Beschrebung des Problems: f(n- ) + f( ) f( 2 ) f(n) f(n-2 ), falls n > 3 f(n-) f(n) + f(n-2) f(3) Komplextät: O( 2 n ) f(3) f(2) f() Idee! Spare möglchst vele Mehrfach-Berechnungen f(2) f() 2. Bestmme de Menge R der kleneren Probleme, auf de be Lösung enes Problems P (drekt oder ndrekt) rekurert wrd: her: für das Problem n ergbt sch R {,..., n-} 3. Bestmme ene mt der Aufrufrehenfolge kompatble Rehenfolge P,..., P r der Probleme n R, so dass be der Lösung von Problemen P x, x r, nur auf Probleme P y mt Index y klener als x rekurrert wrd. her: Rehenfolge, 2,..., n- 4. Sukzessves Berechnen und Spechern von Lösungen für P,..., P r n deser Rehenfolge (wobe berechnete Lösungen solange gespechert bleben, we se noch benötgt werden). f() 2 3 f(2)+f()2 4 f(3)+f(2)3 > O(n) Anm.: Aus der Tabelle st erschtlch, dass nur zwe Hlfsvarablen benötgt werden.
3 Marco Thomas - IOI Treffen n Bonn - Dynamsches Programmeren - Unverstät Potsdam Gegeben: Rucksackproblem (Optmerungsproblem) n Gegenstände mt enem Wert w und enem Gewcht g Rucksack, der maxmal das Gewcht G fassen kann (n, w, g, G aus ) Gesucht: Füllung des Rucksacks mt maxmalem Wert. Rekursve Beschrebung des Problems: p(n,g) max p(n-,g) p(n-, G-g n ) p(n-2,g) p(n-2,g-g n- ) p(n-2, G-g n ) p(n-2, G-g n -g n- ) p(0,g)... p(0,0) p(0, g) 0 max p(, g) p(, g) ( p(, g), p(, g g ) + w ) wenn sonst g g 0 Mt p(,g) : max. Wert für de Fassungskapaztät g unter Berückschtgung der ersten Gegenstände > O(2 n ), aber: es gbt nur n*g verschedene Telprobleme! 2. Menge R der kleneren Probleme, auf de rekurert wrd: her: R {(0,0),..., (n-,0), (,0),...,..., (n-, G), (n, 0),..., (n, G-)} 3. Aufrufrehenfolge der Probleme n R her: für 0,,..., n: für g,..., G!! (n,g) wrd zuletzt berechnet
4 Marco Thomas - IOI Treffen n Bonn - Dynamsches Programmeren - Unverstät Potsdam a. Sukzessves Berechnen und Spechern von Lösungen n deser Rehenfolge Bsp. p(4,7) mt g w p(,g) g > O(n*G) 4b. Konstrukton des "Weges" von p(0,0) nach p(n,g) falls p(-,g) p(,g) Gegenstand st ncht n der Lösung, be p(-,g) fortfahren sonst Gegenstand st n der Lösung, be p(-,g-g ) fortfahren Anm. Der Index wrd so gewählt, dass de g aufstegend sortert snd.
5 Marco Thomas - IOI Treffen n Bonn - Dynamsches Programmeren - Unverstät Potsdam Matrxmultplkaton Gegeben: n Matrzen M,..., M n mt den Dmensonen p 0 p, p p 2,..., p n- p n Gesucht: We muss M... M n geklammert werden, so dass de Anzahl der erforderlchen Multplkatonen mnmal st (Beschränkung auf de Ausgabe der Anzahl der erforderlchen Multplkatonen)?. Rekursve Beschrebung des Problems: Matrx hat de Dmenson p - p m(,j) : mnmale Anzahl an Multplkatonen für de Matrzen bs j ( j) m(,n) mn k m(,k) m(k+, n) m(, 2) m(2, 3)... m(n-, n) m(, j) mn( m(, k) + m( k p p p+ +, j) + p pk p < k < j 2) falls j > sonst + 2. Menge R der kleneren Probleme R {(,j) j- < n- } 3. Aufrufrehenfolge for abstand : to n-: for : to n-abstand j:+abstand 4. Sukzessve Berechnung und Specherung der Lösungen m(,j) j Anm. - das jewelge k für m(,j) wrd durch Proberen ermttelt < k < j > O(n 2 )
6 Marco Thomas - IOI Treffen n Bonn - Dynamsches Programmeren - Unverstät Potsdam Wetere Bespele Longest Common Subsequence Problem Gegeben: Zwe Folgen X und Y Gesucht: De längste Telfolge, de ncht notwendgerwese zusammenhängend n beden Folgen enthalten st. Edterdstanz Gegeben: zwe Zechenketten u, v mt den Operatonen Löschen enes Symbols aus ener Zechenkette Enfügen enes Symbols n ene Zechenkette Ersetzen enes Symbols n ener Zechenkette Gesucht: Edtersequenz s mt mnmaler Edterdstanz D(u,v) mnmale Anzahl der obgen Operatonen um de obge Zechenkette u n de Zechenkette v zu überführen Wettbewerbsaufgaben IOI95: Shop-Aufgabe BWInf 3..3: Rätselecke BWInf 5.2.3: Ähnlchket von Zechenketten
7 Marco Thomas - IOI Treffen n Bonn - Dynamsches Programmeren - Unverstät Potsdam Dynamsche Programmerung m Verglech zu Tele-und-Herrsche Gemensamket: Lösen enes Problems durch separates Lösen klenerer Telprobleme Untersched: be Tele-und-Herrsche snd de Telproblem typscherwese nur halb so groß we das Ausgangsproblem > typsche Laufzet O(n*log(n)) des glt be Dynamscher Programmerung ncht, daher müssen Mehrfachberechnungen vermeden werden.
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
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
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,
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,,
MehrBoost-Schaltwandler für Blitzgeräte
jean-claude.feltes@educaton.lu 1 Boost-Schaltwandler für Bltzgeräte In Bltzgeräten wrd en Schaltwandler benutzt um den Bltzkondensator auf ene Spannung von engen 100V zu laden. Oft werden dazu Sperrwandler
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,
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
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
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
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.
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
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 /
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
MehrNernstscher Verteilungssatz
Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.
MehrAuswertung univariater Datenmengen - deskriptiv
Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;
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;
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
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:
MehrEinführung in Origin 8 Pro
Orgn 8 Pro - Enführung 1 Enführung n Orgn 8 Pro Andreas Zwerger Orgn 8 Pro - Enführung 2 Überscht 1) Kurvenft, was st das nochmal? 2) Daten n Orgn mporteren 3) Daten darstellen / plotten 4) Kurven an Daten
MehrVERGLEICH 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
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
MehrTemporäre 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
MehrDer technische Stand der Antriebstechnik einer Volkswirtschaft läßt sich an ihrem Exportanteil am Gesamtexportvolumen aller Industrieländer messen.
- 14.1 - Antrebstechnk Der technsche Stand der Antrebstechnk ener Volkswrtschaft läßt sch an hrem Exportantel am Gesamtexportvolumen aller Industreländer messen. Mt 27,7 % des gesamten Weltexportvolumens
MehrEinführung in Moderne Portfolio-Theorie. Dr. Thorsten Oest Oktober 2002
Enfühung n Modene Potfolo-Theoe D. Thosten Oest Oktobe Enletung Übeblck Gundlegende Fage be Investtonen: We bestmmt sch ene optmale Statege fü ene Geldanlage?. endte und sko. Dvesfkaton 3. Enfühung n Modene
MehrFlußnetzwerke - Strukturbildung in der natürlichen Umwelt -
Flußnetzwerke - Strukturbldung n der natürlchen Umwelt - Volkhard Nordmeer, Claus Zeger und Hans Joachm Schlchtng Unverstät - Gesamthochschule Essen Das wohl bekannteste und größte exsterende natürlche
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
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
MehrInstitut 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
MehrOperations Research II (Netzplantechnik und Projektmanagement)
Operatons Research II (Netzplantechnk und Projektmanagement). Aprl Frank Köller,, Hans-Jörg von Mettenhem & Mchael H. Bretner.. # // ::: Gute Vorlesung:-) Danke! Feedback.. # Netzplantechnk: Überblck Wchtges
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:
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
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
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.
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
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
MehrBildverarbeitung Herbstsemester 2012. Bildspeicherung
Bldverarbetung Herbstsemester 2012 Bldspecherung 1 Inhalt Bldformate n der Überscht Coderung m Überblck Huffman-Coderung Datenredukton m Überblck Unterabtastung Skalare Quantserung 2 Lernzele De wchtgsten
MehrIonenselektive Elektroden (Potentiometrie)
III.4.1 Ionenselektve Elektroden (otentometre) Zelstellung des Versuches Ionenselektve Elektroden gestatten ene verhältnsmäßg enfache und schnelle Bestmmung von Ionenkonzentratonen n verschedenen Meden,
Mehr6. 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
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
MehrSIMULATION 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
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
MehrKennlinienaufnahme des Transistors BC170
Kennlnenufnhme des Trnsstors 170 Enletung polre Trnsstoren werden us zwe eng benchbrten pn-übergängen gebldet. Vorrusetzung für ds Funktonsprnzp st de gegensetge eenflussung beder pn-übergänge, de nur
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
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
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
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!
MehrWechselstrom. 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:!"
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
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
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
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
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)
MehrKlassische 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
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
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
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
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
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
MehrFranzis Verlag, 85586 Poing ISBN 978-3-7723-4046-8 Autor des Buches: Leonhard Stiny
eseproben aus dem Buch "n mt en zur Elektrotechnk" Franzs Verlag, 85586 Pong ISBN 978--77-4046-8 Autor des Buches: eonhard Stny Autor deser eseprobe: eonhard Stny 005/08, alle echte vorbehalten. De Formaterung
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
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)
Mehr14 Überlagerung einfacher Belastungsfälle
85 De bsher betrachteten speellen Belastungsfälle treten n der Technk. Allg. ncht n rener orm auf, sondern überlagern sch. Da de auftretenden Verformungen klen snd und en lnearer Zusammenhang wschen Verformung
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
MehrKapitel 1. Grundlagen der Fehleranalyse
Kaptel Grundlagen der Fehleranalyse B... (Fehlerarten): Von den Fehlerquellen ausgehend unterscheden wr dre unterschedlche Fehlerarten: () Engangsehler Dese entstehen durch a) Modellerungsehler (Z.B. wenn
MehrGrundlagen der Elektrotechnik II (GET II)
Grundlgen der Elektrotechnk (GET ) Vorlesung m 8.07.005 Do. :5-3.45 Uhr;. 603 (Hörsl) Dr.-ng. ené Mrklen E-Ml: mrklen@un-kssel.de Tel.: 056 804 646; Fx: 056 804 6489 UL: http://www.tet.e-technk.un-kssel.de
Mehrp : Impuls in Ns v : Geschwindigkeit in m/s
-I.C9-4 Impuls 4. Impuls und Kraftstoß 4.. Impuls De Bewegung enes Körpers wrd bespelswese durch de Geschwndgket beschreben. Um de Bewegung enes Körpers zu ändern braucht man ene Kraft (Abb.). Dese führt
MehrStandortplanung. 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
MehrAnwendungsmöglichkeiten 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
MehrSteigLeitern Systemteile
140 unten 420 2 0 9 12 1540 1820 Länge 140 StegLetern Leterntele/Leterverbnder Materal Alumnum Stahl verznkt Sprossenabstand 2 mm Leternholme 64 mm x 25 mm 50 x 25 mm Leternbrete außen 500 mm Sprossen
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
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:
MehrH I HEIZUNG I 1 GRUNDLAGEN 1.1 ANFORDERUNGEN. 1 GRUNDLAGEN 1.1 Anforderungen H 5
1 GRUNDLAGEN 1.1 Anforderungen 1.1.1 Raumklma und Behaglchket Snn der Wärmeversorgung von Gebäuden st es, de Raumtemperatur n der kälteren Jahreszet, das snd n unseren Breten etwa 250 bs 0 Tage m Jahr,
MehrUNIVERSITÄT 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
MehrDie Kugel Lösungen. 1. Von einer Kugel ist der Radius bekannt. Berechne Volumen und Oberfläche der
De Kugel Lösungen 1. Von ener Kugel st der Radus bekannt. Berechne Volumen und Oberfläche der Kugel. r,8 cm 5, cm 18,6 cm 4, cm 5,6 cm 4,8 cm V 0 cm³ 64 cm³ 6 954 cm³ cm³ 76 cm³ 46 cm³ O 181 cm² 5 cm²
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
MehrALBERT-LUDWIGS-UNIVERSITÄT FREIBURG INSTITUT FÜR INFORMATIK
ALBERT-LUDWIGS-UNIVERSITÄT FREIBURG INSTITUT FÜR INFORMATIK Arbetsgruppe Autonome Intellgente Systeme Prof. Dr. Wolfram Burgard Lernen von Lnenmodellen aus Laserscannerdaten für moble Roboter Dplomarbet
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
MehrInnovative Handelssysteme für Finanzmärkte und das Computational Grid
Innovatve Handelssysteme für Fnanzmärkte und das Computatonal Grd von Dpl.-Kfm. Mchael Grunenberg Dr. Danel Vet & Dpl.-Inform.Wrt. Börn Schnzler Prof. Dr. Chrstof Wenhardt Lehrstuhl für Informatonsbetrebswrtschaftslehre,
MehrKapitel 8: Graph-Strukturierte Daten
Ludwg Maxmlans Unerstät München Insttut für Informatk Lehr- und Forschungsenhet für Datenbanksysteme Skrpt zur Vorlesung Knowledge Dscoery n Dtb Databases II m Wntersemester 2011/2012 Kaptel 8: Graph-Strukturerte
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
MehrFinanzwirtschaft. 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
MehrKleiner Fermatscher Satz, Chinesischer Restsatz, Eulersche ϕ-funktion, RSA
Klener Fermatscher Satz, Chnesscher Restsatz, Eulersche ϕ-funkton, RSA Manfred Gruber http://www.cs.hm.edu/~gruber SS 2008, KW 15 Klener Fermatscher Satz Satz 1. Se p prm und a Z p. Dann st a p 1 mod p
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
MehrWie 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
MehrERP Cloud Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Preise erfassen. www.comarch-cloud.de
ERP Cloud SFA ECM Backup E-Commerce ERP EDI Prese erfassen www.comarch-cloud.de Inhaltsverzechns 1 Zel des s 3 2 Enführung: Welche Arten von Presen gbt es? 3 3 Beschaffungsprese erfassen 3 3.1 Vordefnerte
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
MehrWie 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
Mehr5 Branch-and-Bound Verfahren
65 5 Branch-and-Bound Verfahren 5.1 Grundstruktur des Branch-and-Bound Verfahrens Das Branch-and-Bound Verfahren st en exaktes Verfahren für dskrete Optmerungsprobleme. Es wurde n den 60zger Jahren vorgestellt
MehrProjektmanagement / Netzplantechnik Sommersemester 2005 Seite 1
Projektmanagement / Netzplantechnk Sommersemester 005 Sete 1 Prüfungs- oder Matrkel-Nr.: Themenstellung für de Kredtpunkte-Klausur m Haupttermn des Sommersemesters 005 zur SBWL-Lehrveranstaltung Projektmanagement
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:
MehrEntscheidungsprobleme der Marktforschung (1)
Prof. Dr. Danel Baer. Enführung 2. Informatonsbedarf 3. Datengewnnung 2. Informatonsbedarf Entschedungsprobleme der () Informatonsbedarf Art Qualtät Menge Informatonsbeschaffung Methodk Umfang Häufgket
MehrFähigkeitsuntersuchungen 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
Mehrmit der Anfangsbedingung y(a) = y0
Numersce Lösung von Dfferentalglecungen De n den naturwssenscaftlc-tecnscen Anwendungen auftretenden Dfferentalglecungen snd n den wengsten Fällen eplzt lösbar. Man st desalb auf Näerungsverfaren angewesen.
MehrFormeln und Aufgaben Zins- und Rentenrechnung
Foreln und ufgaben Zns- und Rentenrechnung Detrch Baugarten «14. Januar 014 Inhaltsverzechns 1 Rentenrechnung 1 1.1 Zusaenfassung............................... 1 1. Bespele....................................
MehrEntgelte für die Netznutzung, Messung und Abrechnung im Gasverteilnetz
Entgelte für de Netznutzung, Messung und Abrechnung m Gasvertelnetz Gültg vom 22.12.2006 bs 30.09.2007 reslste (netto) 1. Netzentgelt (netto) De Netzentgelte der Kunden der Stadtwerke Osnabrück AG werden
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
MehrIP Kamera 9483 - Konfigurations-Software Gebrauchsanleitung
IP Kamera 9483 - Konfguratons-Software Gebrauchsanletung VB 612-3 (06.14) Sehr geehrte Kunden......mt dem Kauf deser IP Kamera haben Se sch für en Qualtätsprodukt aus dem Hause RAEMACHER entscheden. Wr
Mehrifh@-anwendung ifh@-anwendung Technische Rahmenbedingungen Welche Mindestvoraussetzungen müssen erfüllt sein?
FH@-Anwendung Für de Umsetzung von Strukturfonds-Förderungen st laut Vorgaben der EU de Enrchtung enes EDV- Systems für de Erfassung und Übermttlung zuverlässger fnanzeller und statstscher Daten sowe für
MehrChair of Software Engineering
1 2 Enführung n de Programmerung Bertrand Meyer Vorlesung 13: Contaner-Datenstrukturen Letzte Bearbetung 1. Dezember 2003 Themen für dese Vorlesung 3 Contaner-Datenstrukturen 4 Contaner und Genercty Enthalten
Mehr