Zulassungsprüfung Stochastik,

Größe: px
Ab Seite anzeigen:

Download "Zulassungsprüfung Stochastik,"

Transkript

1 Zulssungsprüfung Stochstik, Wir gehen stets von einem Mßrum, A, µ) bzw. einem Whrscheinlichkeitsrum,A,P) us. Die Borel σ-algebr uf R n wird mit B n bezeichnet, ds Lebesgue Mß uf R n wird mit λ n bezeichnet. Sollten Ihnen in Teilufgben Ergebnisse fehlen, dnn treffen Sie eine plusible Annhme dfür. Aufgbe 4 Punkte) Sei g : messbr. Ds Bildmß µ g von µ bezüglich g sei invrint, lso Beweisen Sie: A A : µ g A) µa). ) Für lle A A gilt A g g A). Hierbei wird mit A die Indiktorfunktion von A bezeichnet. b) Sei f : [0, ) messbr. Dnn gilt f dµ f gdµ. Zu ) Es gilt für lle A A und ω A gω)) gω) A ω g A) g A)ω). Sei f n α i Ai, α i 0, A i A, i,...,n eine positive Treppenfunktion. Dnn gilt wegen ) f g α i Ai g α i g A i) und somit folgt us f gdµ α i α i µa i ) g A i)dµ α i µg A i )) α i dµ A i α i µ g A i ) α i Ai dµ f dµ die Behuptung für positive Treppenfunktionen. Sei nun f 0. Es gibt eine Folge f n ) n N von positiven Treppenfunktionen mit f n 0 und f n ր f. D f n eine Treppenfunktion ist, gilt wie oben gezeigt f n dµ f n gdµ Ausf n ր f folgtf n g ր f g und mit dem Stz von der monotonen Konvergenz folgt für die beiden Seiten lim f n gdµ f gdµ, n f n dµ f dµ lim n

2 und somit insgesmt : f gdµ f dµ. Aufgbe 2 8 Punkte) Seien X,Y U0,) unbhängig, und sei V : mx{x,y}, W : min{x,y}. ) Bestimmen Sie die Verteilungsfunktionen von V und W. [Ergebnis: F V v) v 2, F W w) 2w w 2 ] b) Bestimmen Sie die Erwrtungswerte von V und W. c) Beweisen Sie VW XY. d) Bestimmen Sie CovV, W). e) Sind V und W unbhängig? Zu ) Die Verteilungsfunktion F der Gleichverteilung uf 0, ) ist gegeben durch x flls x [0,] F : R [0,], Fx) flls x >. Sei v,w R. Es gilt wegen der Unbhängigkeit von X,Y PV v) Pmx{X,Y} v) PX v,y v) PX v)py v) Fv) 2 PW w) Pmin{X,Y} w) Pmin{X,Y} > w) PX > w,y > w) PX > w)py > w) Fw)) 2 +2Fw) Fw) 2 2Fw) Fw) 2. Dmit ergeben sich die Verteilungsfunktionen F V, F W wie folgt: v 2 flls v [0,] 2w w 2 flls w [0,] F V v) flls v > und F W w) flls w > Aus ) erhält mn die Dichten f V und f W von V,W: Dmit folgt f V v) 2v 0,) f W w) 2 w) 0,). EV) EW) 0 0 2v 2 dv 2 3 2w 2w 2 dv

3 Zu c) Sei ω. Im Fll Xω) Yω) gilt Vω) Yω) und Wω) Xω), und dmit Xω)Yω) Vω)Wω). Im Fll Xω) Yω) ergibt sich nlog Xω)Yω) Vω)Wω). Zu d) Wegen b), c) und der Unbhängigkeit von X,Y gilt CovV,W) EVW) EV)EW) EXY) 2 9 EX)EY) Zu e) V und W sind nicht unbhängig, d sonst die Kovrinz verschwinden würde. Aufgbe 3 6 Punkte) Die Zufllsvrible A sei U[,b] verteilt und die Zufllsvrible X sei unter A bedingt Preto verteilt, d.h., für A α > 0 besitzt X die Verteilungsfunktion F X x) x α x. ) Bestimmen Sie den bedingten Erwrtungswert EX A α). Für welche α existiert er? [ ] Kontrollergebnis EX A) + A b) Bestimmen Sie EX). c) Sind die Zufllsvriblen X und A unbhängig? d) Bestimmen Sie die Whrscheinlichkeit PX x). Zu ) Die bedingte Dichte von X gegeben A α erhält mn durch Ableitung von F X nch x: { αx α x > fx α). Drus folgt EX A α) αxx α dx α x α dx. Ds uneigentliche Integrl existiert nur für α > und in diesem Fll gilt EX A α) α α + α. 3

4 Mit dem Stz vom iterierten Erwrtungswert gilt EX) EEX A)) E + A ) )+ln b ) + α dα + b ln. Zu c) Die Zufllsvriblen X und A sind nicht unbhängig, d sonst EX A) EX) gelten würde, ws offensichtlich nicht der Fll ist. Zu d) PX > x) PX > x A α)dα e αlnx dα lnx x x b ) lnx e αlnx x α dα b b lnx x α Aufgbe 4 8 Punkte) SeienX N,σ 2) mitσ 2 > 0. Es sei eine Stichprobe vom Umfngndurch unbhängige Relisierungen x,...,x n gegeben. Bestimmen Sie einen Mximum- Likelihood-Schätzer für den Prmeter σ 2. Wegen der Unbhängigkeit ist die Likelihood gegeben durch Lσ 2 ) Somit folgt für l : lnl lσ 2 ) n 2 n exp x i ) 2 ) 2πσ 2 2 σ 2 ) ) n/2 exp 2πσ 2 x i ) 2 2 σ 2. l σ 2 ) n 2σ 2 + 2σ 2 ) 2 l σ 2 ) ln2π)+lnσ 2 ) ) 2σ 2 n 2σ 2 ) 2 σ 2 ) 3 x i ) 2 x i ) 2 x i ) 2 Aus der zweiten Gleichung ergibt sich durch Nullsetzen und Auflösen ˆσ 2 n x i ) 2 4

5 und wegen l ˆσ 2 ) n 2ˆσ 2 ) 2 ˆσ 2 ) 3 x i ) 2 n 2ˆσ 2 ) 2 n ˆσ 2 ) 2 n 2ˆσ 2 ) 2 < 0 folgt, dss in ˆσ 2 ein Mximum vorliegt. Der gesuchte Schätzer ist n X i ) 2. Aufgbe 5 24 Punkte) Es liegen 20 Dten vor, die Tempertur-Jhresmittelwerte der Jhre Folgende Zusmmenfssung wird geliefert: Zeitrum Mittelwert empirische Stndrdbweichung ,5 C 0,60 C ,4 C 0,75 C ,7 C 0,73 C Wir gehen dvon us, dss die Jhresmitteltempertur eines Jhres normlverteilt ist und die Jhresmitteltemperturen jeweils unbhängig voneinnder sind. ) Wie beurteilen Sie die Behuptung, dss die Jhresmitteltempertur in den Jhren gegenüber den Jhren nicht gestiegen ist? Geben Sie ds Ergebnis zu einem Signifiknzniveu von 5 % n. Welche Annhmen treffen Sie? Begründen Sie ihr Vorgehen. b) In den folgenden Grphiken sind die Jhresmittel der Jhre und drgestellt zusmmen mit den Ausgleichsgerden. Eine Sttistiksoftwre liefert noch die folgenden Werte: y i ŷ i ) 2 3,63, y i ŷ i ) 2 3,7, 980 j j98 j 935,5) ,5 j 995,5) ,5 5

6 Wie beurteilen Sie ufgrund dieser Dten mit dem Modell der einfchen lineren Regression die Behuptung, dss ds Jhresmittel der Jhre i) ii) nicht vom Jhr bhängt? Verwenden Sie ds Signifiknzniveu von 5 %. Beschreiben Sie ds von Ihnen verwendete Modell. c) Ist Ihr Vorgehen in ) im Lichte Ihrer Ergebnisse von b) gerechtfertigt? d) Untersuchen Sie den lineren Trend im Zeitrum Stützen die Dten die Behuptung, dss er i) 0,3 C ii) 0,2 C iii) 0,4 C pro Jhrzehnt beträgt? Verwenden Sie ds Signifiknzniveu von 5 %. e) Eine Kliminititive stellt folgende Behuptungen uf: ) Die Tempertur der Jhre ist im Vergleich zu den Jhren ngestiegen. 2) Der linere Erwärmungstrend über die vergngenen 30 Jhre ) liegt bei 0,3 C pro Jhrzehnt. Kommentieren Sie kurz die Behuptungen der Kliminititive? Zu ) Sei t i ds Jhresmittel des Jhres i 89,...,200. Dnn wird ngenommen, dss die t i unbhängige Relisierungen von Zufllsvriblen T i sind mit T i iid X wobei X Nµ,σ 2 ), i 89,...,980 T i iid Y wobei Y Nµ2,σ 2 2), i 98,...,200. Nullhypothese ist hier H 0 : µ µ 2. Es wird der einseitige t-test verwendet, d die Vrinzen unbeknnt sind. Die Testgröße ist T y x mn s m+n, s2 n )s2 x +m )s 2 y. m+n 2 Konkret ergibt sich mit y 0,4, x 9,5, n 90, m 30 T 0, s 20 6, 67. s 89 0, , ,64 Die Hypothese wird wegen 6,67 > t 8,0.95,65 verworfen. Bemerkung zu H 0 : Die Whrscheinlichkeit fälschlicherweise nzunehmen, dss die mittlere Tempertur gestiegen ist beträgt bei diesem Vorgehen 5 %. Würde mn µ µ 2 testen, wäre keine Aussge über diese Whrscheinlichkeit möglich. Es werden die Modelle T i + bx i + ε i für i 89,...,980 bzw. i 98,...,200 getrennt untersucht. Die T i sind die Jhresmittelwerte, x i die 6

7 Jhre und ε i sind in jedem der beiden Modelle jeweils unbhängig, identisch normlverteilt mit Erwrtungswert 0. Die Nullhypothese lutet jeweils H 0 : b 0. Zu i) Die Testgröße lutet ˆb seb) 0, ,00243, 53. mit seb) 3, 63/ ,5 0,00243 Die Hypothese wird wegen t 88,0.95,96 nicht verworfen. Zu ii) Die Testgröße lutet ˆb seb) 0, ,0476 2, 23. mit seb) 3, 7/ ,5 0,0476 Die Hypothese wird wegen t 28,0.95 2,048 verworfen. Zu c) Ds Vorgehen in ) ist nicht korrekt, d die Annhme, dss die Jhresmittel der Jhre identisch verteilt sind, verletzt ist: der Erwrtungswert ist über die Jhre nicht konstnt. Zu d) Zu untersuchen sind die Nullhypothesen i)h 0 : b 0,03 ii)h 0 : b 0,02 iii)h 0 : b 0,04 Mit den Zhlen us b) lso seb) 0,0476 ergeben sich die Testgrößen 0, ,2 0,0476 i) 0, ,88 0,0476 ii) 0, ,48 0,0476 iii) Somit knn keine der ngegebenen Hypothesen verworfen werden. Zu e) Es fehlt die Angbe des Signifiknzniveus. Ferner wäre bei 2) die Angbe eines Schätzintervlls sinnvoller gewesen. Alle drei Behuptungen können ber bei einem Niveu von 5 % nicht verworfen werden. 7

Zulassungsprüfung Stochastik,

Zulassungsprüfung Stochastik, Zulssungsprüfung Stochstik, 2.0.2 Wir gehen stets von einem Mßrum (Ω, A, µ) bzw. einem Whrscheinlichkeitsrum (Ω,A,P) us. Die Borel σ-algebr uf R n wird mit B n bezeichnet, ds Lebesgue Mß uf R n wird mit

Mehr

Zulassungsprüfung Stochastik,

Zulassungsprüfung Stochastik, Zulassungsprüfung Stochastik, 10.10.14 Wir gehen stets von einem Maßraum (Ω, A, µ) bzw. einem Wahrscheinlichkeitsraum (Ω,A,P) aus. Die Borel σ-algebra auf R n wird mit B n bezeichnet, das Lebesgue Maß

Mehr

Falls die Werte von X als Ergebnisse eines Zufallsvorgangs resultieren, wird X zu einer stetigen Zufallsvariable.

Falls die Werte von X als Ergebnisse eines Zufallsvorgangs resultieren, wird X zu einer stetigen Zufallsvariable. Sttistik I für Sttistiker, Mthemtiker und Informtiker Lösungen zu Bltt 11 Gerhrd Tutz, Jn Ulbricht, Jn Gertheiss WS 7/8 Theorie: Stetige Zufllsvriblen Begriff Stetigkeit: Eine Vrible oder ein Merkml X

Mehr

Kapitel 10. Integration. Josef Leydold Mathematik für VW WS 2015/16 10 Integration 1 / 35

Kapitel 10. Integration. Josef Leydold Mathematik für VW WS 2015/16 10 Integration 1 / 35 Kpitel 0 Integrtion Josef Leydold Mthemtik für VW WS 205/6 0 Integrtion / 35 Flächeninhlt Berechnen Sie die Inhlte der ngegebenen Flächen! f (x) = Fläche: A = f (x) = +x 2 Approximtion durch Treppenfunktion

Mehr

Satz 6.5 (Mittelwertsatz der Integralrechnung) Sei f : [a, b] R stetig. Dann gibt es ein ξ [a, b], so dass. b a. f dx = (b a)f(ξ) f dx (b a)m.

Satz 6.5 (Mittelwertsatz der Integralrechnung) Sei f : [a, b] R stetig. Dann gibt es ein ξ [a, b], so dass. b a. f dx = (b a)f(ξ) f dx (b a)m. Stz 6.5 (Mittelwertstz der Integrlrechnung) Sei f : [, b] R stetig. Dnn gibt es ein ξ [, b], so dss 9:08.06.2015 gilt. f dx = (b )f(ξ) Lemm 6.6 Sei f : [, b] R stetig und m f(x) M für lle x [, b]. Dnn

Mehr

Reelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 7. November 2013

Reelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 7. November 2013 Reelle Anlysis Vorlesungssript Enno Lenzmnn, Universität Bsel 7. November 213 5 Konvergenz- und Approximtionssätze 5.1 Monotone und Dominierte Konvergenz Wir strten mit einem grundlegenden Stz der Integrtionstheorie,

Mehr

Einführung in die Numerische Mathematik Vordiplomsklausur,

Einführung in die Numerische Mathematik Vordiplomsklausur, Institut für Angewndte Anlysis und Numerische Simultion Prof Dr C Eck, Dr M Schulz, Dipl- Mth J Giesselmnn Universität Stuttgrt Sommersemester 9 Einführung in die Numerische Mthemtik Vordiplomsklusur,

Mehr

1 Metrische Räume. Sei X eine nichtleere Menge. Definition 1.1. Eine Abbildung: d : X X R heißt Metrik auf X, falls für alle x, y, z X gilt

1 Metrische Räume. Sei X eine nichtleere Menge. Definition 1.1. Eine Abbildung: d : X X R heißt Metrik auf X, falls für alle x, y, z X gilt Metrische Räume Sei X eine nichtleere Menge. Definition.. Eine Abbildung: d : X X R heißt Metrik uf X, flls für lle x, y, z X gilt (i) d(x, y) 0, (ii) d(x, y) = d(y, x), (iii) d(x, y) d(x, z) + d(z, y)

Mehr

Serie 13 Lösungsvorschläge

Serie 13 Lösungsvorschläge D-Mth Mss und Integrl FS 204 Prof. Dr. D. A. Slmon Serie 3 Lösungsvorschläge. Sei I := [, b] R ein kompktes Intervll und sei B 2 I die Borel-σ-Algebr. Def. Eine Funktion f : I R heisst von beschränkter

Mehr

III. Optimale Portfolioselektion

III. Optimale Portfolioselektion III. Optimle Portfolioselektion Schon bei der Bewertung meriknischer Optionen hben wir gesehen, dss Optimierungsprobleme in der Finnzmthemtik eine wichtige Rolle spielen. Ein weiteres Optimierungsproblem

Mehr

Musterlösung zu Blatt 9, Aufgabe 2

Musterlösung zu Blatt 9, Aufgabe 2 Musterlösung zu Bltt 9, Aufgbe Anlysis II MIIA SoSe 7 Mrtin Schottenloher Musterlösung zu Bltt 9, Aufgbe I Aufgbenstellung Es sei J [, ] und f : J R deniert durch fx x 3. Finden Sie eine Folge f n n N

Mehr

2.5 Messbare Mengen und Funktionen

2.5 Messbare Mengen und Funktionen 1 2.5 Messbre Mengen und Funktionen Definition Eine beschränkte Menge M R n heißt messbr, flls die chrkteristische Funktion χ M integrierbr ist. Die Zhl vol n (M) := χ M dµ n nennt mn ds Volumen von M.

Mehr

Lösungsvorschläge zum 9. Übungsblatt.

Lösungsvorschläge zum 9. Übungsblatt. Übung zur Anlysis II SS 1 Lösungsvorschläge zum 9. Übungsbltt. Aufgbe 33 () A : {(x, y) R : x [ 1, 1] und y oder x und y [ 1, 1]}. (b) A : {(x, y) R : x < y < 1 + x }. (c) A : {(x, y) R : x < y < 1 + x

Mehr

UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl. Sommersemester 2009

UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl. Sommersemester 2009 UNIVERSIÄ KARLSRUHE Institut für Anlysis HDoz. Dr. P. C. Kunstmnn Dipl.-Mth. M. Uhl Sommersemester 9 Höhere Mthemti II für die Fchrichtungen Eletroingenieurwesen, Physi und Geodäsie inlusive Komplexe Anlysis

Mehr

KAPITEL 18 UND 19 H. KOCH. Kapitel 18. x>a. x<y

KAPITEL 18 UND 19 H. KOCH. Kapitel 18. x>a. x<y KAPITEL 18 UND 19 H. KOCH 1. VORLESUNG VOM 08.01.2018 Kpitel 18 Definition 1 (Zerlegungen, Treppenfunktionen, Regelfunktionen) Sei < b. 1. Eine Zerlegung τ von [, b] besteht us einer Zhl N N und (N + 1)

Mehr

Stochastische Eingangsprüfung, 17.05.2008

Stochastische Eingangsprüfung, 17.05.2008 Stochastische Eingangsprüfung, 17.5.8 Wir gehen stets von einem Wahrscheinlichkeitsraum (Ω, A, P) aus. Aufgabe 1 ( Punkte) Sei X : Ω [, ) eine integrierbare Zufallsvariable mit XdP = 1. Sei Q : A R, Q(A)

Mehr

c a+ bzw. f(x) dx. c a bzw. 1 =

c a+ bzw. f(x) dx. c a bzw. 1 = 3. Uneigentliche Integrle Die Funktion f sei uf dem rechts oenen Intervll x < b erklrt und uf jedem bgeschlossenen Teilintervll [, c], c < b, stuckweise stetig, b R { }. Dnn der Integrlbegri erweitert

Mehr

Aufgaben zur Vorlesung Analysis II Prof. Dr. Holger Dette SS 2012 Lösungen zu Blatt 6

Aufgaben zur Vorlesung Analysis II Prof. Dr. Holger Dette SS 2012 Lösungen zu Blatt 6 Aufgben zur Vorlesung Anlysis II Prof. Dr. Holger Dette SS 0 Lösungen zu Bltt 6 Aufgbe. Die Funktion f : [, ) R sei in jedem endlichen Teilintervll von [, ) Riemnnintegrierbr. Für n N sei I n := f() d.

Mehr

Thema 7 Konvergenzkriterien (uneigentliche Integrale)

Thema 7 Konvergenzkriterien (uneigentliche Integrale) Them 7 Konvergenzkriterien (uneigentliche Integrle) In diesem Kpitel betrchten wir unendliche Reihen n= n, wobei ( n ) eine Folge von reellen Zhlen ist. Die Reihe konvergiert gegen s (oder s ist die Summe

Mehr

Wahrscheinlichkeit. Inhaltsverzeichnis. W.1 Wahrscheinlichkeiten. Wahrscheinlichkeit 1. Ereignisraum, Grundraum. Wahrscheinlichkeitsmass

Wahrscheinlichkeit. Inhaltsverzeichnis. W.1 Wahrscheinlichkeiten. Wahrscheinlichkeit 1. Ereignisraum, Grundraum. Wahrscheinlichkeitsmass WAHRSCHEINLICHKEIT UND STATISTIK W. WAHRSCHEINLICHKEITEN Inhltsverzeichnis Whrscheinlichkeit W. Whrscheinlichkeiten W.. Ereignisrum, Grundrum............... W..2 Whrscheinlichkeitsmss................ W..3

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN Prof. Dr. M. Wolf Dr. M. Prähofer Aufgben TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mthemtik Mthemtik für Physiker 3 Anlysis ) Sommersemester Probeklusur Lösung) http://www-m5.m.tum.de/allgemeines/ma93 S

Mehr

Uneigentliche Riemann-Integrale

Uneigentliche Riemann-Integrale Uneigentliche iemnn-integrle Zweck dieses Abschnitts ist es, die Vorussetzungen zu lockern, die wir n die Funktion f : [, b] bei der Einführung des iemnn-integrls gestellt hben. Diese Vorussetzungen wren:

Mehr

Anwendungen der Integralrechnung

Anwendungen der Integralrechnung Anwendungen der Integrlrechnung 8. Flächeninhlt und Flächenschwerpunkt............... 4 8. Kurvenlänge............................. 7 8. Rottionskörper........................... 9 8.3 Whrscheinlichkeitsverteilungen

Mehr

nennt man eine Zerlegung (Partition, Unterteilung) des Intervalls [a, b]. Die Feinheit der Zerlegung ist dabei

nennt man eine Zerlegung (Partition, Unterteilung) des Intervalls [a, b]. Die Feinheit der Zerlegung ist dabei Kpitel 8: Integrtion Erläuterung uf Folie 8.1 Ds bestimmte Integrl Sei f : [, b] R eine beschränkte Funktion uf einem (zunächst) kompkten Intervll [, b]. Definition: 1) Eine Menge der Form Z = { = x 0

Mehr

Würfel (1) Würfel werden im Kasino und bei vielen Gesellschaftsspielen verwendet.

Würfel (1) Würfel werden im Kasino und bei vielen Gesellschaftsspielen verwendet. Würfel (1) Aufgbennummer: B_078 Technologieeinstz: möglich erforderlich Würfel werden im Ksino und bei vielen Gesellschftsspielen verwendet. ) Die Mthemtiker Blise Pscl und Pierre de Fermt beschäftigten

Mehr

3. Seminar Statistik

3. Seminar Statistik Sndr Schlick Seite.Seminr05.doc. Seminr Sttistik 0 Kurztest 5 Präsenttion diskrete Verteilungen Puse 0 Üungen diskrete Verteilungen 5 Präsenttion stetige Verteilungen 0 Üungen stetige Verteilungen Husufgen:

Mehr

Klausur Wirtschaftsmathematik VO

Klausur Wirtschaftsmathematik VO Klusur Wirtschftsmthemtik VO 04. Juli 2015 Bitte leserlich in Druckbuchstben usfüllen! NACHNAME: VONAME: MATIKELNUMME: ELAUBT: nur die Formelsmmlung des Instituts! VEBOTEN: Tschenrechner und Hndys m Arbeitspltz!

Mehr

Übungen zur Vorlesung Physikalische Chemie I Lösungsvorschlag zu Blatt 3

Übungen zur Vorlesung Physikalische Chemie I Lösungsvorschlag zu Blatt 3 Übungen zur Vorlesung Physiklische Chemie I Lösungsvorschlg zu Bltt 3 Prof. Dr. Norbert Hmpp 1. Aufgbe ) Die gegebene Verteilung besteht nur us diskreten Werten! Die durchgezogene Linie würde nur bei einer

Mehr

Schriftliche Reifeprüfung aus Mathematik

Schriftliche Reifeprüfung aus Mathematik Schriftliche Reifeprüfung us Mthemtik 1) Linere Optimierung Ein Händler für Bürortikel füllt für den Schulnfng sein Lger mit Tschenrechnern des Typs Advnced und des Typs Bsic uf. Typ A kostet ihn im Einkuf

Mehr

Lösungen zur Probeklausur Lineare Algebra 1

Lösungen zur Probeklausur Lineare Algebra 1 Prof. Dr. Ktrin Wendlnd Dr. Ktrin Leschke WS 2006/2007 Lösungen zur Probeklusur Linere Algebr Ausgbe: 2. Dezember 2006 Aufgbe.. Geben Sie die Definition des Begriffs Gruppe n. Eine Gruppe ist eine Menge

Mehr

Ungleichungen. Jan Pöschko. 28. Mai Einführung

Ungleichungen. Jan Pöschko. 28. Mai Einführung Ungleichungen Jn Pöschko 8. Mi 009 Inhltsverzeichnis Einführung. Ws sind Ungleichungen?................................. Äquivlenzumformungen..................................3 Rechnen mit Ungleichungen...............................

Mehr

Präsenz-Aufgaben = i. (a) i 15 = i 14 i = (i 2 ) 7 i = ( 1) 7 i = i i 15 = 0 + ( 1)i, i (i i) = i 1 = i i 15 = 0 + 1i,

Präsenz-Aufgaben = i. (a) i 15 = i 14 i = (i 2 ) 7 i = ( 1) 7 i = i i 15 = 0 + ( 1)i, i (i i) = i 1 = i i 15 = 0 + 1i, Präsenz-Aufgben 1. 1. Schreiben Sie z in der Form z α + βi mit α,β R. Aus der Vorlesung ist beknnt: i i i 1, i 1 1 i i i i i 1 i. () i 15 i 1 i (i ) 7 i ( 1) 7 i i i 15 + ( 1)i, (b) i 15 1 i 15 () 1 i

Mehr

Funktionale Grenzwertsätze

Funktionale Grenzwertsätze Ds fundmentle Resultt dieses Kpitels ist der Funktionle Zentrle Grenzwertstz, welcher zuerst von Donsker 1951 bewiesen wurde. Er sgt, dss die Verteilung einer resklierten Irrfhrt mit zentrierten iid-zuwächsen

Mehr

29 Uneigentliche Riemann-Integrale

29 Uneigentliche Riemann-Integrale 29 Uneigentlihe Riemnn-Integrle 29.2 Uneigentlihe Riemnn-Integrle bei einer kritishen Integrtionsgrenze 29.3 Zusmmenhng des uneigentlihen mit dem eigentlihen Riemnn-Integrl 29.5 Cuhy-Kriterium für uneigentlihe

Mehr

Lineare DGL zweiter Ordnung

Lineare DGL zweiter Ordnung Universität Duisburg-Essen Essen, 03.06.01 Fkultät für Mthemtik S. Buer C. Hubcsek C. Thiel Linere DGL zweiter Ordnung Betrchten wir ds AWP { x + x + bx = 0 mit, b, t 0, x 0, v 0 R. Der Anstz xt 0 = x

Mehr

Beispiel-Abiturprüfung

Beispiel-Abiturprüfung Mthemtik BeispielAbiturprüfung Prüfungsteile A und B Bewertungsschlüssel und Lösungshinweise (nicht für den Prüfling bestimmt) Die Bewertung der erbrchten Prüfungsleistungen ht sich für jede Aufgbe nch

Mehr

Zum Satz von Taylor. Klaus-R. Loeffler. 2 Der Satz von Taylor 2

Zum Satz von Taylor. Klaus-R. Loeffler. 2 Der Satz von Taylor 2 Zum Stz von Tylor Klus-R. Loeffler Inhltsverzeichnis 1 Der verllgemeinerte Stz von Rolle 1 2 Der Stz von Tylor 2 3 Folgerungen, Anwendungen und Gegenbeispiele 4 3.1 Jede gnzrtionle Funktion ist ihr eigenes

Mehr

Die Zufallsvariable und ihre Verteilung

Die Zufallsvariable und ihre Verteilung Die Zufllsvrible und ihre Verteilung Die Zufllsvrible In der Whrscheinlichkeitstheorie bzw. Sttistik betrchtet mn Zufllsvriblen. Eine Zufllsvrible ist eine Funktion, die Ergebnissen eines Zufllsexperimentes

Mehr

Übungen zur Vorlesung Differential und Integralrechnung I Lösungsvorschlag

Übungen zur Vorlesung Differential und Integralrechnung I Lösungsvorschlag MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr. E. Schörner WS 015/16 Bltt 4 09.11.015 Übungen zur Vorlesung Differentil und Integrlrechnung I Lösungsvorschlg 13. Zu betrchten ist die durch 0 = 1 und

Mehr

VII. Folgen und Reihen von Funktionen (Vertauschung von Grenzprozessen)

VII. Folgen und Reihen von Funktionen (Vertauschung von Grenzprozessen) VII. Folgen und Reihen von Funktionen (Vertuschung von Grenzprozessen) Definition. Sei {f n } eine Folge von Funktionen, die uf einer Menge E definiert sind. Die Folgen der Funktionswerte {f n (x)} seien

Mehr

Höhere Mathematik für Ingenieure , Uhr

Höhere Mathematik für Ingenieure , Uhr Studiengng: Mtrikelnummer: 3 5 6 Z Punkte Note Prüfungsklusur zum Modul Höhere Mthemtik für Ingenieure 0. 7. 05, 8.00 -.00 Uhr Zugelssene Hilfsmittel: A-Blätter eigene, hndschriftliche Ausrbeitungen ber

Mehr

BINOMISCHE FORMELN FRANZ LEMMERMEYER

BINOMISCHE FORMELN FRANZ LEMMERMEYER BINOMISCHE FORMELN FRANZ LEMMERMEYER Ds Distributivgesetz. Die binomischen Formeln sind im wesentlichen Vrinten des Distributivgesetzes. Dieses kennen wir schon; es besgt, dss () (b + = b + c und ( + b)c

Mehr

Uneigentliche Integrale & mehrdim. Differenzialrechnung

Uneigentliche Integrale & mehrdim. Differenzialrechnung Mthemtik I für Biologen, Geowissenschftler und Geoökologen Uneigentliche Integrle & mehrdimensionle Differenzilrechnung 25. Jnur 2010 Uneigentliche Integrle Unendlich Integrnd divergiert Grenze Prtielle

Mehr

Resultat: Hauptsatz der Differential- und Integralrechnung

Resultat: Hauptsatz der Differential- und Integralrechnung 17 Der Huptstz der Differentil- und Integrlrechnung Lernziele: Konzept: Stmmfunktion Resultt: Huptstz der Differentil- und Integrlrechnung Methoden: prtielle Integrtion, Substitutionsregel Kompetenzen:

Mehr

Musterlösung der 1. Klausur zur Vorlesung

Musterlösung der 1. Klausur zur Vorlesung Prof. Dr. M. Röger Dipl.-Mth. C. Zwilling Fkultät für Mthemtik TU Dortmund Musterlösung der. Klusur zur Vorlesung Anlysis I (24.02.206) Wintersemester 205/6 Aufgbe. Sei R mit sin() 0. Der Beweis erfolgt

Mehr

Numerische Integration durch Extrapolation

Numerische Integration durch Extrapolation Numerische Integrtion durch Extrpoltion Pblo Thiel Romberg-Verfhren Idee: Im Gegenstz zur numerischen Integrtion mit Hilfe der einfchen bzw. zusmmengesetzten Trpez-, Simpson-, 3/8- oder zum Beispiel der

Mehr

Infinitesimalrechnung, Mengenlehre und logische Verknüpfungen

Infinitesimalrechnung, Mengenlehre und logische Verknüpfungen Vorlesung 16 Infinitesimlrechnung, Mengenlehre und logische Verknüpfungen 16.1 Huptstz der Differentil- und Integrlrechnung Wir verknüpfen nun Differentil- mit Integrlrechnung. Definition 16.1.1. Eine

Mehr

Antworten auf Anfragen von Kursteilnehmern. Zu folgender Aussage aus den Multiple-Choice-Aufgaben: f (n) (a) (x a) n n! n=0

Antworten auf Anfragen von Kursteilnehmern. Zu folgender Aussage aus den Multiple-Choice-Aufgaben: f (n) (a) (x a) n n! n=0 Ferienkurs Anlysis 1 WS 11/12 Florin Drechsler Antworten uf Anfrgen von Kursteilnehmern Zu Tylorreihen Zu folgender Aussge us den Multiple-Choice-Aufgben: Es gibt Funktionen f C (R) mit konvergenter Tylorreihe

Mehr

11. DER HAUPTSATZ DER DIFFERENTIAL- UND INTEGRALRECHNUNG

11. DER HAUPTSATZ DER DIFFERENTIAL- UND INTEGRALRECHNUNG 91 Dieses Skript ist ein Auszug mit Lücken us Einführung in die mthemtische Behndlung der Nturwissenschften I von Hns Heiner Storrer, Birkhäuser Skripten. Als StudentIn sollten Sie ds Buch uch kufen und

Mehr

AnKa Hyp. , tan α= Weil die Ankathete des einen Winkels der Gegenkathete des anderen entspricht, gilt auch: sin α = cos β und sinβ = cosα.

AnKa Hyp. , tan α= Weil die Ankathete des einen Winkels der Gegenkathete des anderen entspricht, gilt auch: sin α = cos β und sinβ = cosα. Trigonometrie Wenn mn die Trigonometrischen Funktionen Sinus, Kosinus und Tngens berechnen will, ist es wichtig, uf welchen Winkel sie sich beziehen. Die Kthete, die direkt m Winkel nliegt, heißt Ankthete

Mehr

2 Lineare Operatoren. T(αx + βy) = αtx + βty x,y X, α, β K. (b) Ist T linear, so heißt

2 Lineare Operatoren. T(αx + βy) = αtx + βty x,y X, α, β K. (b) Ist T linear, so heißt 2 Linere Opertoren Im Folgenden seien X,Y, Z stets normierte Räumen über dem selben Körper K = C oder K = R. 2.1. Definition. () Eine Abbildung T : X Y heißt liner, flls T(αx + βy) = αtx + βty x,y X, α,

Mehr

Übungsblatt 2 Musterlösung

Übungsblatt 2 Musterlösung Numerik gewöhnlicher Differentilgleichungen MA234 - SS6 Übungsbltt 2 Musterlösung Funktion s k : [,b] R ist ein Spline vom Grd k, bezüglich der Knoten x,...,x n, flls i) s k C k ([,b]), ii) s k [xj,x j+

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG R Käppeli L Herrmnn W Wu Herbstsemester 206 Linere Algebr und Numerische Mthemtik für D-BAUG Beispiellösung für Serie 5 ETH Zürich D-MATH Aufgbe 5 5) Seien u und v Lösungen des LGS Ax = b mit n Unbeknnten

Mehr

I Grundbegriffe 1 1 Wahrscheinlichkeitsräume Bedingte Wahrscheinlichkeiten und Unabhängigkeit Reellwertige Zufallsvariablen...

I Grundbegriffe 1 1 Wahrscheinlichkeitsräume Bedingte Wahrscheinlichkeiten und Unabhängigkeit Reellwertige Zufallsvariablen... Inhaltsverzeichnis I Grundbegriffe 1 1 Wahrscheinlichkeitsräume......................... 1 2 Bedingte Wahrscheinlichkeiten und Unabhängigkeit........... 7 3 Reellwertige Zufallsvariablen........................

Mehr

a) x 0, (Nichtnegativität) b) x = 0 x = 0, (Eindeutigkeit) c) αx = α x, (Skalierung)

a) x 0, (Nichtnegativität) b) x = 0 x = 0, (Eindeutigkeit) c) αx = α x, (Skalierung) Definition 1.20 Ein metrischer Rum besteht us einer Menge X und einer Abbildung d : X X R, die jedem geordneten Pr von Elementen us X eine reelle Zhl zuordnet, d.h. (x,y) X X d(x,y) R. Diese Abbildung

Mehr

10 Das Riemannsche Integral

10 Das Riemannsche Integral 10 Ds Riemnnsche Integrl 50 10 Ds Riemnnsche Integrl Ziel dieses Prgrphen ist es, den Inhlt einer Fläche, die vom Grphen einer Funktion berndet wird, exkt zu definieren. f(b) f() = t 0 t1 t2 t3 t4 t5 t

Mehr

5.1 Charakterisierung relativ kompakter und kompakter

5.1 Charakterisierung relativ kompakter und kompakter Kpitel 5 Kompkte Mengen 5.1 Chrkterisierung reltiv kompkter und kompkter Mengen X sei im weiteren ein Bnchrum. Definition 5.1. Eine Menge K X heißt kompkt, wenn us jeder offenen Überdeckung von K eine

Mehr

b f(x)p(x) dx = f(ξ) 2e 2 , Hess f (2, 0) =

b f(x)p(x) dx = f(ξ) 2e 2 , Hess f (2, 0) = Es seien U R n offen und ψ : U R n stetig differenzierbr. Weiter sei f : U R zweiml stetig differenzierbr. Kennzeichnen Sie whre Aussgen mit W und flsche Aussgen mit F. F Flls dψ(x) ein Isomorphismus für

Mehr

2.6 Unendliche Reihen

2.6 Unendliche Reihen 2.6 Unendliche Reihen In normierten Räumen steht ds wichtige Werkzeug der Bildung von unendlichen Reihen zur Verfügung. Mn denke in diesem Zusmmenhng drn, dss mn in der Anlysis Potenz- und Fourierreihen

Mehr

Musterlösung für die Nachklausur zur Analysis II

Musterlösung für die Nachklausur zur Analysis II MATHEMATISCHES INSTITUT WiSe 213/14 DER UNIVERSITÄT MÜNCHEN Musterlösung für die Nchklusur zur Anlysis II Aufgbe 1 Gilt folgende Aussge? Eine im Punkt x R 2 prtiell differenzierbre Funktion f : R 2 R ist

Mehr

Erwartungswert und Varianz von Zufallsvariablen

Erwartungswert und Varianz von Zufallsvariablen Kapitel 7 Erwartungswert und Varianz von Zufallsvariablen Im Folgenden sei (Ω, A, P ) ein Wahrscheinlichkeitsraum. Der Erwartungswert von X ist ein Lebesgue-Integral (allerdings allgemeiner als in Analysis

Mehr

Musterlösung zur Klausur im Fach Fortgeschrittene Statistik am Gesamtpunktzahl: 60

Musterlösung zur Klausur im Fach Fortgeschrittene Statistik am Gesamtpunktzahl: 60 WESTFÄLISCHE WILHELMS - UNIVERSITÄT MÜNSTER Wirtschaftswissenschaftliche Faktultät Prof. Dr. Bernd Wilfling Professur für VWL, insbesondere Empirische Wirtschaftsforschung Musterlösung zur Klausur im Fach

Mehr

Lösungen zu den Übungsaufgaben

Lösungen zu den Übungsaufgaben Lösungen zu den Übungsufgben Aufgbe A.2. Ist k L () mit k(x)dx = und ist f : beschränkt, Lebesgue-messbr und stetig in x, dnn gilt lim r r k(x y r )f(y)dy = f(x). Lösung A.2. Zunächst ist mit der Substitutionsregel

Mehr

4 Absolutstetige Verteilungen und Zufallsvariablen 215/1

4 Absolutstetige Verteilungen und Zufallsvariablen 215/1 4 Absolutstetige Verteilungen und Zufallsvariablen 215/1 23. Bemerkung Integralbegriffe für Funktionen f : R d R (i) Lebesgue-Integral (Vorlesung Analysis IV). Spezialfall: (ii) Uneigentliches Riemann-Integral

Mehr

Algebra - Lineare Abbildungen

Algebra - Lineare Abbildungen Algebr - Linere Abbildungen oger Burkhrdt (roger.burkhrdt@fhnw.ch) 8 Hochschule für Technik . Der Vektorrum Hochschule für Technik Hochschule für Technik 4 Vektorrum Definition: Ein Vektorrum über einen

Mehr

Riemann-integrierbare Funktionen

Riemann-integrierbare Funktionen Kpitel VI Riemnn-integrierbre Funktionen 26 Ds Riemnn-Integrl ls Grenzwert von Zwischensummen 27 Der Huptstz der Differentil- und Integrlrechnung nebst Folgerungen 28 Äquivlente Definitionen des Riemnn-

Mehr

Eingangsprüfung Stochastik,

Eingangsprüfung Stochastik, Eigagsprüfug Stochastik, 5.5. Wir gehe stets vo eiem Wahrscheilichkeitsraum (Ω, A, P aus. Die Borel σ-algebra auf wird mit B bezeichet, das Lebesgue Maß auf wird mit λ bezeichet. Aufgabe ( Pukte Sei x

Mehr

Scheinklausur zur Vorlesung Stochastik II

Scheinklausur zur Vorlesung Stochastik II Institut für Mathematische Stochastik WS 2007/2008 Universität Karlsruhe 25. 02. 2008 Dr. B. Klar Scheinklausur zur Vorlesung Stochastik II Muster-Lösung Dauer: 90 Minuten Name: Vorname: Matrikelnummer:

Mehr

Skriptbausteine zur Vorlesung Maßtheorie

Skriptbausteine zur Vorlesung Maßtheorie Skriptbusteine zur Vorlesung Mßtheorie Vorlesender: Prof. Dr. Bernd Hofmnn Der folgende Text soll die Nchrbeit der Vorlesung erleichtern und dbei n Definitionen, Sätze und Beispiele erinnern. Ds Skript

Mehr

10: Lineare Abbildungen

10: Lineare Abbildungen Chr.Nelius: Linere Alger SS 2008 1 10: Linere Aildungen 10.1 BEISPIEL: Die Vektorräume V 2 und Ê 2 hen diegleiche Struktur. Es git eine ijektive Aildung f : V 2 Ê 2, die durch die Vorschrift definiert

Mehr

Abiturprüfung 2006 MATHEMATIK. als Grundkursfach. Arbeitszeit: 180 Minuten

Abiturprüfung 2006 MATHEMATIK. als Grundkursfach. Arbeitszeit: 180 Minuten Abiturprüfung 2006 MATHEMATIK ls Grundkursfch Arbeitszeit: 180 Minuten Der Fchusschuss wählt je eine Aufgbe us den Gebieten GM1, GM2 und GM3 zur Berbeitung us. Die Angbe ist vom Prüfling mit dem Nmen zu

Mehr

Quadratische Funktionen

Quadratische Funktionen Qudrtische Funktionen Die Scheitelpunktform ist eine spezielle Drstellungsform von qudrtischen Funktionen, nhnd der viele geometrische Eigenschften des Funktionsgrphen bgelesen werden können. Abbildung

Mehr

Übungen zur Analysis 2

Übungen zur Analysis 2 Mthemtisches Institut der Universität München Prof. Dr. Frnz Merkl Sommersemester 2013 Bltt 2 26.4.2013 Übungen zur Anlysis 2 2.1 Vernschulichung der Cuchy-Schwrz-Ungleichung. Gegeben seien die Vektoren

Mehr

kann man das Riemannsche Unter- bzw. Oberintegral auch wie folgt definieren: xk+1 x k

kann man das Riemannsche Unter- bzw. Oberintegral auch wie folgt definieren: xk+1 x k Integrlrechnung Definition 1 (Treppenfunktion, Zerlegung eines Intervlls): Sei [, b] R ein Intervll. Eine Funktion g : [, b] R heißt Treppenfunktion, flls es eine Zerlegung := { =: 0 < 1

Mehr

1. Stegreifaufgabe aus der Physik Lösungshinweise

1. Stegreifaufgabe aus der Physik Lösungshinweise . Stegreifufgbe us der Physik Lösungshinweise Gruppe A Aufgbe Ds.Newtonsche Gesetz lässt sich zum Beispiel so formulieren: Wirkt uf einen Körper keine Krft (oder ist die Summe ller Kräfte null) so bleibt

Mehr

f(ξ k )(x k x k 1 ) k=1

f(ξ k )(x k x k 1 ) k=1 Integrlrechnung Definition des bestimmten Integrls Die Integrtion ist die Umkehropertion zur Differentition. Grundufgbe der Integrlrechnung ist die Bestimmung von Flächen. Will mn beispielsweise den Inhlt

Mehr

9.4 Integration rationaler Funktionen

9.4 Integration rationaler Funktionen 9.4 Integrtion rtionler Funktionen Ziel: Integrtion rtionler Funktionen R(x) = p(x) q(x) wobei p(x) = n k x k, q(x) = k=0 m b k x k. k=0 Methode: Prtilbruch-Zerlegung von rtionler Funktion R(x). Anstz:

Mehr

MC-Serie 12 - Integrationstechniken

MC-Serie 12 - Integrationstechniken Anlysis D-BAUG Dr. Meike Akveld HS 15 MC-Serie 1 - Integrtionstechniken 1. Die Formel f(x) dx = xf(x) xf (x) dx i) ist im Allgemeinen flsch. ii) folgt us der Sustitutionsregel. iii) folgt us dem Huptstz

Mehr

Kapitel II. Beschränkte Operatoren und kompakte Operatoren. 3. Beschränkte Operatoren im Hilbertraum.

Kapitel II. Beschränkte Operatoren und kompakte Operatoren. 3. Beschränkte Operatoren im Hilbertraum. Kpitel II. Beschränkte Opertoren und kompkte Opertoren. 3. Beschränkte Opertoren im Hilbertrum. 3.1. Definition. Seien H 1 und H 2 Hilberträume. Eine linere Abb. A : H 1 H 2 heißt ein (linerer) Opertor.

Mehr

Taylorreihen - Uneigentlische Integrale

Taylorreihen - Uneigentlische Integrale Anlysis II für M, LG und Ph, WS 2006/07, Übung 2, Lösungsskizze Gruppenübung Tylorreihen - Uneigentlische Integrle G 5 Berechnen Sie die Tylorreihe mit der Entwicklungsmitte 0 von f (x) = log(x + ), f

Mehr

Wichtige Definitionen und Aussagen

Wichtige Definitionen und Aussagen Wichtige Definitionen und Aussagen Zufallsexperiment, Ergebnis, Ereignis: Unter einem Zufallsexperiment verstehen wir einen Vorgang, dessen Ausgänge sich nicht vorhersagen lassen Die möglichen Ausgänge

Mehr

Mathematik 1 für Bauwesen 14. Übungsblatt

Mathematik 1 für Bauwesen 14. Übungsblatt Mthemtik für Buwesen Übungsbltt Fchbereich Mthemtik Wintersemester 0/0 Dr Ivn Izmestiev 8/900 Dr Vince Bárány, M Sc Juli Plehnert Gruppenübung Aufgbe G () Berechnen Sie ds Volumen des Rottionskörpers,

Mehr

Kriterien für starke und schwache Konvergenz in L 1

Kriterien für starke und schwache Konvergenz in L 1 Technische Universität Berlin Institut für Mthemtik Bchelorrbeit Im Studiengng Mthemtik Kriterien für strke und schwche Konvergenz in L 1 vorgelegt von Thoms Jnkuhn betreut durch Dr. Hns-Christin Kreusler

Mehr

Ich kann den SdP anwenden, um Seitenlängen in rechtwinkligen Dreiecken zu berechnen.

Ich kann den SdP anwenden, um Seitenlängen in rechtwinkligen Dreiecken zu berechnen. Klsse 9c Mthemtik Vorbereitung zur Klssenrbeit Nr. m.5.018 Themen: Stz des Pythgors, Qudrtische Gleichungen Checkliste Ws ich lles können soll Ich knn den Stz des Pythgors (SdP) in Worten formulieren.

Mehr

Klausurvorbereitungsausfgaben für die Feiertage Analysis II im WS 2013/2014

Klausurvorbereitungsausfgaben für die Feiertage Analysis II im WS 2013/2014 Institut für Mthemtik Freie Universität Berlin C. Hrtmnn, A. Ppke Wer spricht von Siegen, Überleben ist lles. Riner Mri Rilke Lösung zu Klusurvorbereitungsusfgben für die Feiertge Anlysis II im WS 23/24

Mehr

2. Funktionen in der Ökonomie

2. Funktionen in der Ökonomie FHW, ZSEBY, ANALYSIS - - Funktionen in der Ökonomie Beispiele: qudrtische Funktionen, Eponentilfunktion Qudrtische Funktionen Einfchste qudrtische Funktion: y = Allgemeine qudrtische Funktion: y = + b

Mehr

Prof. Dr. Siegfried Echterhoff.. 1 HAUPTSATZ DER INTEGRAL UND DIFFERENTIALRECHNUNG

Prof. Dr. Siegfried Echterhoff.. 1 HAUPTSATZ DER INTEGRAL UND DIFFERENTIALRECHNUNG Vorlesung SS 29 Anlysis 2 HAUPTSATZ DER INTEGRAL UND DIFFERENTIALRECHNUNG Teil : Fortsetzung des Studiums von Funktionen in einer reellen Vriblen (Integrtion und Tylorreihen). Huptstz der Integrl und Differentilrechnung

Mehr

Höhere Mathematik II für die Fachrichtung Informatik. Lösungsvorschläge zum 8. Übungsblatt

Höhere Mathematik II für die Fachrichtung Informatik. Lösungsvorschläge zum 8. Übungsblatt KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmnn SS Höhere Mthemtik II für die Fchrichtung Informtik Lösungsvorschläge zum 8. Übungsbltt Aufgbe 9 erechnen

Mehr

9 Das Riemannsche Integral

9 Das Riemannsche Integral 1 9 Ds Riemnnsche Integrl 9.1 Definition und Beispiele Sei I = [, ] R mit

Mehr

Darstellung von Ebenen

Darstellung von Ebenen Drstellung von Ebenen. Ebenengleichung in Prmeterform: Sei E eine Ebene. Dnn lässt sich die Ebene drstellen durch eine Gleichung der Form p u x = p + r v u + s v (r, s R). p u v Der Vektor p heißt Stützvektor

Mehr

6.6 Integrationsregeln

6.6 Integrationsregeln 50 KAPITEL 6. DAS RIEMANN-INTEGRAL Beispiel 6.5.4 (Differenzierbreit und gleichmäßige Konvergenz) Die Funtionenfolge {f n (x)} n N definiert durch f n (x) = n sin(nx) onvergiert uf jedem Intervll gleichmäßig

Mehr

( N. m)( n m. P(X = m) EX = n M N. 1 M ) N n

( N. m)( n m. P(X = m) EX = n M N. 1 M ) N n .3.2.5 Hypergeometrische Verteilung Als Referenzmodell dient die bereits beknnte Urne mit N Kugeln, von denen M Kugeln schwrz und N M Kugeln weiß sind. Wir ziehen ohne Zurücklegen n Kugeln, wobei unsere

Mehr

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wirtschftsmthemtik für Interntionl Mngement (BA) und Betriebswirtschft (BA) Wintersemester 2013/14 Stefn Etschberger Hochschule Augsburg Mthemtik: Gliederung 1 Aussgenlogik 2 Linere Algebr 3 Linere

Mehr

Ferienkurs Experimentalphysik

Ferienkurs Experimentalphysik Ferienkurs Experimentlphysik 4 009 Übung 1 Heisenberg sche Unschärfereltion Zeigen Sie, dss eine Messprtur beim Doppelspltexperiment, die den Durchgng eines Teilchens durch ein Loch detektieren knn, ds

Mehr

Theoretische Physik IV - Blatt 3

Theoretische Physik IV - Blatt 3 Theoretische Physi IV - Bltt 3 Christopher Bronner, Frn Essenberger FU Berlin 4.November 006 Aufgbe 5 Energieeigenfuntionen Uns ist folgendes Potentil gegeben, wobei V 0 > 0 sei: V (x) V 0 bei x [, ] V

Mehr

9.6 Parameterabhängige Integrale

9.6 Parameterabhängige Integrale Kpitel 9: Integrtion 9.6 Prmeterbhängige Integrle Beispiel: Die Gmm-Funktion Γ(x) := f(x, t)dt = e t t x 1 dt. Zunächst: Prmeterbhängige eigentliche Integrle. Sei f : I [, b] R, I R, so dss f für festes

Mehr

Mathematik III. Vorlesung 85. Riemannsche Mannigfaltigkeiten

Mathematik III. Vorlesung 85. Riemannsche Mannigfaltigkeiten Prof Dr H Brenner Osnbrück WS 2010/2011 Mthemtik III Vorlesung 85 Riemnnsche Mnnigfltigkeiten Georg Friedrich Bernhrd Riemnn (1826-1866) Die Kugeloberfläche einer Kugel mit Rdius r besitzt den Flächeninhlt

Mehr

Lösung zur Klausur. Grundlagen der Theoretischen Informatik. 1. Zeigen Sie, dass die folgende Sprache regulär ist: w {a, b} w a w b 0 (mod 3) }.

Lösung zur Klausur. Grundlagen der Theoretischen Informatik. 1. Zeigen Sie, dass die folgende Sprache regulär ist: w {a, b} w a w b 0 (mod 3) }. Lösung zur Klusur Grundlgen der Theoretischen Informtik 1. Zeigen Sie, dss die folgende Sprche regulär ist: { w {, } w w 0 (mod 3) }. Lösung: Wir nennen die Sprche L. Eine Sprche ist genu dnn regulär,

Mehr

Das Bogenintegral einer gestauchten Normalparabel

Das Bogenintegral einer gestauchten Normalparabel Ds Bogenintegrl einer gestuchten Normlprbel Jn Günther und Luks Vrnhorst Im Mthemtikleistungskurs der Jhrgngsstufe sind wir uf folgende Aufgbe gestoÿen: Bestimmen Sie eine Stmmfunktion von f(x) + x mit

Mehr

Logarithmen zu speziellen und häufig gebrauchten Basen haben eigene Namen: Der Logarithmus zur Basis 10 heißt dekadischer oder Zehnerlogarithmus:

Logarithmen zu speziellen und häufig gebrauchten Basen haben eigene Namen: Der Logarithmus zur Basis 10 heißt dekadischer oder Zehnerlogarithmus: 0 Dr Andres M Seifert Sternstunden in Mthe, Physik und Technik wwwsternstunden-odenwldde Logrithmen Die Gleichung vom Typ b wird mit Hilfe des Logrithmus gelöst Der Logrithmus von zur Bsis b ist die Zhl,

Mehr