Wiederholung: Struktur und Eigenschaften

Größe: px
Ab Seite anzeigen:

Download "Wiederholung: Struktur und Eigenschaften"

Transkript

1 Wiederholung: Struktur und Eigenschaften Die Schichtstruktur beeinflusst: + Dichte + Mechanische Eigenschaften + Elektrische Eigenschaften + Magnetische Eigenschaften + Elektronische Eigenschaften

2 Wiederholung: Rauhigkeit und Schichtstruktur Die Schichtstruktur ist zu einem guten Teil von der Rauhigkeit der Wachstumsfront in den verschiedenen Wachstumsphasen bestimmt. Für sehr dünne Schichten kommt die Rauhigkeit in die Grössenordnung der Schichtdicke und wird daher wichteiger als die mittlere Schichtdicke. d r D

3 Wiederholung: Rauhigkeitstypen Stochastische Rauhigkeit Solid on Solid (SOS) Modell h() h ma a Selbstähnliche Oberflächen SOS Modell h() h min R R' R'' h Rf(L), R''>R'>R L L' L'' Ballistische Aggregation Porenbildung h()

4 Wiederholung: Abschattung Vorgegebenes Anfangsprofil und Einfallswinkelverteilung + Schmale Einfallswinkelverteilung: Spitzen sehen gleichen Partikelfluss wie Täler (a) + Breite Einfallswinkelverteilung: Spitzen sehen grösseren Partikelfluss als Täler (b) n( ϕ) ϕ h() g v n θ v n n( ϕ) ϕ g n( ϕ) v n θ v n n( ϕ) (a) (b)

5 Wiederholung: Abschattung und Wachstum Spitzen wachsen schneller als Täler + Bildung kolumnarer Strukturen (a) + Porenbildung in Kombination mit Oberflächendiffusion (b) (a) (b)

6 Wiederholung: Rauhigkeit im Realraum Umwandlung einer kontinuierlichen Funktion in diskrete Höhenwerte durch endliche laterale Auflösung eines Messgerätes. h() h i i LN Rauhigkeitswerte (vertikal) können von der lateralen Auflösung des Messgerätes abhängen.

7 Wiederholung: Geräte zur Rauhigkeitsmessung + Stylusprofilometer: d + Rastertunnelmikroskop, STM: 2d + Rasterkraftmikroskop, AFM: 2d + Opt. Nahfeldmikroskopie, SNOM: 2d

8 Wiederholung: das Rückkopplungsprinzip Beispiel: STM (a) absolute Spitzenposition konstant (b) relative Spitzenposition konstant h() STM-Spitze h() Piezoelement U STM-Spitze Piezo H const ref d() d()const I tunnel () Kontakt Spitze/Oberfläche U Piezo () (a) (b)

9 Wiederholung: Rauhigkeit im Fourierrraum Äussere Oberflächen Innere Oberflächen Licht Elektronen Ionen Röntgenstrahlung Synchrotronstrahlung Vorteile: + Zerstörungsfrei + nicht notwendigerweise vakuumbasiert Nachteil: + Oberflächenprofil nicht eindeutig rekonstruierbar

10 Wiederholung: Phaseninformation Streuung liefert im wesentlichen das Fourerspektrum einer Oberfläche Verlust der Phaseninformation keine eindeutige Rekonstruierbarkeit des Profils h() h() N k 0 Ak sin(k + ϕk ) h() bekannt unbekannt h()sin()+0.5sin(2)+0.25sin(3) h()sin()+0.5sin(2+ π/2)+0.25sin(3+ π) A ϕ 0 A ϕ 0 A 20.5 ϕ 20 A 20.5 ϕ 2 π/2 A ϕ 30 A ϕ3 π 0 2π 0 2π

11 Quantifizierung von Rauhigkeiten I Lineares Profil, Sampling Interval h() h LN i i L N Quadratischer Scan y L L L L N y 2 Mittlere Schichtdicke N i h i N h

12 Quantifizierung von Rauhigkeiten II R a -Wert: Mittlere absolute Abweichung R N h a N h i i R q -Wert oder RMS-Wert: Mittlere quadratische Abweichung R q R RMS RMS N N ( h h ) i i 2

13 Quantifizierung von Rauhigkeiten II Verschiedene Profile können gleiche R a bzw. RMS-Werte liefern: h() R h h() R h h() verschiedene Periodizitäten h() R h R h verschiedene Symmetrien

14 Formspezifische Parameter Erlauben begrenzte Aussagen über Profilform: Skewness Sk: Sk NR 3 q N ( h ) i h i 3 Sk<0: viele Höhenwerte < h Sk>0: viele Höhenwerte > h Kurtosis K: K NR 4 q N ( h ) i h i 4 K: Mass für die mittlere Flankensteilheit

15 Korrelationsfunktionen Erlauben detaillierte Aussagen sowohl über vertikale als auch laterale Profileigenschaften: Punkt-Punkt-Korrelationen an einem diskretisierten Profil: N n z. B.: R(X) R(n ) (hi h) (hi+ n h) N n i h() h i h i+n i i+n LN n0 > N Punktpaare n > N- Punktpaare n2 > N-2 Punktpaare Es können daher immer N-n Punktpaare im Intervall korreliert werden

16 Autokovarianzfunktion Diskretisiert R(X) R(n ) N n N n i (h i h) (hi+ n h) Kontinuum R( τ) L τ L τ 0 (h() h) (h( + τ) h)d

17 Strukturfunktion Diskretisiert S(X) S(n ) N n N n i [(h 2 i h) (hi+ n h)] Kontinuum S( τ) L τ L τ 0 [(h() h) (h( + τ) h)] 2 d

18 Zusammenhang zwischen R(τ) und S(τ) Normierte Autokovarianzfunktion (Autokorrelationsfunktion): ρ( X) R(X) / R(0) oder ρ( τ) R( τ) / R(0) Es gilt: R (0) S( τ) 2 R q 2R 2 q [ ρ( τ)]

19 Zusammenfassung Korrelationsfunktionen Nicht normierte Grössen Autokovarianzfunktion Normierte Grössen Autokorrelationsfunktion R( τ) h() h( + τ) d ρ( τ) R( τ) / R(0) Strukturfunktion S( τ) [h() h( + τ)] 2 S( τ) 2R 2 q [ ρ( τ)] Man beachte: Alle Höhenwerte werden von der mittleren Höhe h aus gemessen.

20 Korrelationslänge ξ Oberflächenprofil Autokovarianzfunktion Innerhalb von ξ weist das Profil ähnliche Höhenwerte auf. Periodizitäten liegen vor, wenn R(τ) maima bei τ 0 aufweist.

21 Unterscheidbarkeit von Profilen Autokorrelationsfunktion Strukturfunktion Die Strukturfunktion reagiert empfindlicher auf Änderungen der RMS-Rauhigkeit (hier als σ bezeichnet)

22 Korrelationsfunktionen und Fourierspektra Ergebnis eines Streueperimentes: "Power Spectral Density" P(k) lim l L (2π) P(k) ist die Fouriertransfomierte der Autokovarianzfunktion R(τ). 2 h(r)e ikr dr 2 k 2π λ λ... Wellenlänge eines Oberflächenmerkmales P(k) ikr R(r)e (2π) dr 2 Ein Streueperiment liefert daher im wesentlichen die Autokovarianzfunktion mit allen zugehörigen statistischen Kenngrössen (ξ, R q ).

23 Strukturzonenmodelle Ergebnis der Wachstumsphasen einer Schicht Nukleation am Substrat Teilweise Koaleszenz und Grenzflächenbildung Totale Koaleszenz und Bildung eines Polykristalls Wachstum der Körner des Polykristalls Strukturzonenmodelle liefern den qualitativen Schichtaufbau in Abhängigkeit von den Beschichtungsparametern.

24 Movchan-Demchishin: Aufdampfprozesse

25 Thornton: Sputterprozesse

26 Ionenplattieren

27 Zonen und Wachstumsmechanismen Zone Mechanismus Merkmal : T/T M <0,2 T: T/T M <0,4 2: T/T M <0,8 3: T/T M >0,8 Abschattung Teilchenenergie Oberflächendiffusion Volumsdiffusion Fibern, Poren Nanokörner Säulige Kristalle 3d - Körner

Wiederholung: Schichtdicke

Wiederholung: Schichtdicke Wiederholung: Schichtdicke Ideal Real d Schicht Substrat d Unzusammenhängend d Rauhigkeit r D d Dickegradienten Wiederholung: Gravimetrie I d = m ρ S A d = Schichtdicke ρ S =Dichte A = Substratfläche Achtung:

Mehr

Schichtvorbehandlung und Haftung

Schichtvorbehandlung und Haftung Schichtvorbehandlung und Haftung Wesentliche Voraussetzungen für eine optimalen Verbund zwischen Schicht und Substrat: Anforderungen an das Substrat: + partikelfrei, staubfrei + fettfrei + trocken + frei

Mehr

4. Schichteigenschaften, Schichtcharakterisierung

4. Schichteigenschaften, Schichtcharakterisierung 4. Schichteigenschaften, Schichtcharakterisierung 4. 1. Schichtdicke 4.1.1. Einleitung Um sicherzustellen, dass die mit verschiedenen Technologien hergestellten Beschichtungen den jeweiligen technischen

Mehr

4. Schichteigenschaften, Schichtcharakterisierung

4. Schichteigenschaften, Schichtcharakterisierung 4. Schichteigenschaften, Schichtcharakterisierung 4. 1. Schichtdicke 4.1.1. Einleitung Um sicherzustellen, dass die mit verschiedenen Technologien hergestellten Beschichtungen den jeweiligen technischen

Mehr

Statistische Kennwerte und -funktionen. Dr.-Ing. habil. H. Nobach

Statistische Kennwerte und -funktionen. Dr.-Ing. habil. H. Nobach Statistische Kennwerte und -funktionen Dr.-Ing. habil. H. Nobach 1. Einführung Statistische Kennwerte und -funktionen, wie Mittelwert Varianz Wahrscheinlichkeitsdichte Autokorrelation spektrale Leistungsdichte

Mehr

4 Autokovarianzfunktion und Spektralmaß

4 Autokovarianzfunktion und Spektralmaß 4 Autokovarianzfunktion und Spektralmaß Im Folgenden sei {X t } t T T R und eine komplexwertige stationäre Zeitreihe mit T Z oder m : EX t γ(h) : Cov(X t, X t+h ) E(X t+h m)(x t m) [ acv.f. ] ρ(h) : γ(h)γ(0)

Mehr

Theorie Parameterschätzung Ausblick. Schätzung. Raimar Sandner. Studentenseminar "Statistische Methoden in der Physik"

Theorie Parameterschätzung Ausblick. Schätzung. Raimar Sandner. Studentenseminar Statistische Methoden in der Physik Studentenseminar "Statistische Methoden in der Physik" Gliederung 1 2 3 Worum geht es hier? Gliederung 1 2 3 Stichproben Gegeben eine Beobachtungsreihe x = (x 1, x 2,..., x n ): Realisierung der n-dimensionalen

Mehr

6. Kontinuierliche Zufallsgrößen. Beispiel 1: Die Exponentialverteilungen Sei λ > 0. Setzen

6. Kontinuierliche Zufallsgrößen. Beispiel 1: Die Exponentialverteilungen Sei λ > 0. Setzen 6. Kontinuierliche Zufallsgrößen Definition: Eine Z. G. ξ ist absolut stetig mit (Wahrscheinlichkeits-) Dichte f : R R, wenn gilt: P ( a ξ < b ) = b a f(x) dx (a < b) allgem. Eigenschaften einer Dichte

Mehr

Wechselkurse und Finanzmarkt-Indizes

Wechselkurse und Finanzmarkt-Indizes 8. Mai 2008 Inhaltsverzeichnis 1 Wechselkurse Einführung Wechselkurs US Dollar - Deutsche Mark Statistischer Prozess 2 Reinjektion Eigenschaften der Fluktuationen von x(τ) 3 Diffusion auf Finanzmärkten

Mehr

Zeitreihenanalyse. Seminar Finanzmathematik. Andreas Dienst SS Einleitung - Begrüßung - Motivation - Inhaltsangabe. 2.

Zeitreihenanalyse. Seminar Finanzmathematik. Andreas Dienst SS Einleitung - Begrüßung - Motivation - Inhaltsangabe. 2. Seminar Finanzmathematik - Begrüßung - Motivation - Inhaltsangabe 3. Zusammen - fassung Zeitreihenanalyse Andreas Dienst SS 2006 Zeitreihen: Definition und Motivation - Begrüßung - Motivation - Inhaltsangabe

Mehr

7. Stochastische Prozesse und Zeitreihenmodelle

7. Stochastische Prozesse und Zeitreihenmodelle 7. Stochastische Prozesse und Zeitreihenmodelle Regelmäßigkeiten in der Entwicklung einer Zeitreihe, um auf zukünftige Entwicklung zu schließen Verwendung zu Prognosezwecken Univariate Zeitreihenanalyse

Mehr

5. Oberflächen-und Dünnschichtanalytik. Prof. Dr. Paul Seidel VL Vakuum- und Dünnschichtphysik WS 2014/15

5. Oberflächen-und Dünnschichtanalytik. Prof. Dr. Paul Seidel VL Vakuum- und Dünnschichtphysik WS 2014/15 5. Oberflächen-und Dünnschichtanalytik 1 5.1 Übersicht Schichtanalytik - Schichtmorphologie: - Oberflächeneigenschaften - Lichtmikroskop - Rasterelektronenmikroskop - Transmissionselektronenmikroskop -(STM,

Mehr

Zufällige stabile Prozesse und stabile stochastische Integrale. Stochastikseminar, Dezember 2011

Zufällige stabile Prozesse und stabile stochastische Integrale. Stochastikseminar, Dezember 2011 Zufällige stabile Prozesse und stabile stochastische Integrale Stochastikseminar, Dezember 2011 2 Stabile Prozesse Dezember 2011 Stabile stochastische Prozesse - Definition Stabile Integrale α-stabile

Mehr

Biostatistik, Sommer 2017

Biostatistik, Sommer 2017 1/51 Biostatistik, Sommer 2017 Wahrscheinlichkeitstheorie: Verteilungen, Kenngrößen Prof. Dr. Achim Klenke http://www.aklenke.de 8. Vorlesung: 09.06.2017 2/51 Inhalt 1 Verteilungen Normalverteilung Normalapproximation

Mehr

Gewöhnliche Autokorrelationsfunktion (ACF) eines stationären Prozesses {X t } t Z zum Lag h

Gewöhnliche Autokorrelationsfunktion (ACF) eines stationären Prozesses {X t } t Z zum Lag h 5. Die partielle Autokorrelationsfunktion 5.1 Definition, Berechnung, Schätzung Bisher: Gewöhnliche Autokorrelationsfunktion (ACF) eines stationären Prozesses {X t } t Z zum Lag h ρ X (h) = Corr(X t, X

Mehr

Punktschätzer Optimalitätskonzepte

Punktschätzer Optimalitätskonzepte Kapitel 1 Punktschätzer Optimalitätskonzepte Sei ein statistisches Modell gegeben: M, A, P ϑ Sei eine Funktion des Parameters ϑ gegeben, γ : Θ G, mit irgendeiner Menge G, und sei noch eine Sigma-Algebra

Mehr

κ Κα π Κ α α Κ Α

κ Κα π Κ α α Κ Α κ Κα π Κ α α Κ Α Ζ Μ Κ κ Ε Φ π Α Γ Κ Μ Ν Ξ λ Γ Ξ Ν Μ Ν Ξ Ξ Τ κ ζ Ν Ν ψ Υ α α α Κ α π α ψ Κ α α α α α Α Κ Ε α α α α α α α Α α α α α η Ε α α α Ξ α α Γ Α Κ Κ Κ Ε λ Ε Ν Ε θ Ξ κ Ε Ν Κ Μ Ν Τ μ Υ Γ φ Ε Κ Τ θ

Mehr

Statistik für NichtStatistiker

Statistik für NichtStatistiker Statistik für NichtStatistiker Zufall und Wahrscheinlichkeit von Prof. Dr. Karl Bosch 5., verbesserte Auflage R. Oldenbourg Verlag München Wien Inhaltsverzeichnis 1. ZufalLsexperimente und zufällige Ereignisse

Mehr

5 Erwartungswerte, Varianzen und Kovarianzen

5 Erwartungswerte, Varianzen und Kovarianzen 47 5 Erwartungswerte, Varianzen und Kovarianzen Zur Charakterisierung von Verteilungen unterscheidet man Lageparameter, wie z. B. Erwartungswert ( mittlerer Wert ) Modus (Maximum der Wahrscheinlichkeitsfunktion,

Mehr

2 Stationarität. Strikte Stationarität

2 Stationarität. Strikte Stationarität 2 Stationarität. Strikte Stationarität Die in 1 benutzten Begriffe sind noch zu präzisieren : Definition 2.1. a) Ein stochastischer Prozess {X t } t T heißt strikt stationär, falls für je endlich viele

Mehr

1 Wahrscheinlichkeitsrechnung. 2 Zufallsvariablen und ihre Verteilung. 3 Statistische Inferenz. 4 Intervallschätzung

1 Wahrscheinlichkeitsrechnung. 2 Zufallsvariablen und ihre Verteilung. 3 Statistische Inferenz. 4 Intervallschätzung 0 Einführung 1 Wahrscheinlichkeitsrechnung Zufallsvariablen und ihre Verteilung 3 Statistische Inferenz 4 Intervallschätzung Motivation und Hinführung Der wahre Anteil der rot-grün Wähler 009 war genau

Mehr

22 Charakteristische Funktionen und Verteilungskonvergenz

22 Charakteristische Funktionen und Verteilungskonvergenz 22 Charakteristische Funktionen und Verteilungskonvergenz Charakteristische Funktionen (Fourier-Transformierte liefern ein starkes analytisches Hilfsmittel zur Untersuchung von W-Verteilungen und deren

Mehr

Reflexion von Röntgenstrahlen. Marcus Beranek

Reflexion von Röntgenstrahlen. Marcus Beranek Reflexion von Röntgenstrahlen Marcus Beranek Röntgenreflexion Absorption Reflexion von Röntgenstrahlen Brechungsgesetz: n 1 cos # 1 = n 2 cos # 2 Brechungsindex für Photonen, die in Materie eindringen:

Mehr

Wahrscheinlichkeitstheorie Kapitel V - Stetige Verteilungen

Wahrscheinlichkeitstheorie Kapitel V - Stetige Verteilungen Wahrscheinlichkeitstheorie Kapitel V - Stetige Verteilungen Georg Bol georg.bol@statistik.uni-karlsruhe.de Markus Höchstötter hoechstoetter@statistik.uni-karlsruhe.de Stetige Verteilungen Definition: Sei

Mehr

Statistik für Ingenieure Vorlesung 3

Statistik für Ingenieure Vorlesung 3 Statistik für Ingenieure Vorlesung 3 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 14. November 2017 3. Zufallsgrößen 3.1 Zufallsgrößen und ihre Verteilung Häufig sind

Mehr

Der Einsatz der Ionenstrahlsputtertechnik zur Abscheidung von hochpräzisen Nanometer-Multischichten

Der Einsatz der Ionenstrahlsputtertechnik zur Abscheidung von hochpräzisen Nanometer-Multischichten 15.3.26, Mühlleithen: P. Gawlitza: Ionenstrahlsputtern für hochpräzise nm-multischichten Der Einsatz der Ionenstrahlsputtertechnik zur Abscheidung von hochpräzisen Nanometer-Multischichten P. Gawlitza,

Mehr

Die Varianz (Streuung) Definition

Die Varianz (Streuung) Definition Die (Streuung) Definition Diskrete Stetige Ang., die betrachteten e existieren. var(x) = E(X EX) 2 heißt der Zufallsvariable X. σ = Var(X) heißt Standardabweichung der X. Bez.: var(x), Var(X), varx, σ

Mehr

Wichtige Begriffe und Sätze aus der Wahrscheinlichkeitsrechnung

Wichtige Begriffe und Sätze aus der Wahrscheinlichkeitsrechnung Wichtige Begriffe und Sätze aus der Wahrscheinlichkeitsrechnung Version: 22. September 2015 Evelina Erlacher 1 Mengen Es sei Ω eine Menge (die Universalmenge ) und A, B seien Teilmengen von Ω. Dann schreiben

Mehr

12.8 Eigenschaften von elektronischen Übergängen. Übergangsfrequenz

12.8 Eigenschaften von elektronischen Übergängen. Übergangsfrequenz phys4.024 Page 1 12.8 Eigenschaften von elektronischen Übergängen Übergangsfrequenz betrachte die allgemeine Lösung ψ n der zeitabhängigen Schrödinger-Gleichung zum Energieeigenwert E n Erwartungswert

Mehr

Wichtige Begriffe und Sätze aus der Wahrscheinlichkeitsrechnung

Wichtige Begriffe und Sätze aus der Wahrscheinlichkeitsrechnung Wichtige Begriffe und Sätze aus der Wahrscheinlichkeitsrechnung Version: 15. Jänner 2017 Evelina Erlacher Inhaltsverzeichnis 1 Mengen 2 2 Wahrscheinlichkeiten 3 3 Zufallsvariablen 5 3.1 Diskrete Zufallsvariablen............................

Mehr

Mehrdimensionale Zufallsvariablen

Mehrdimensionale Zufallsvariablen Mehrdimensionale Zufallsvariablen Im Folgenden Beschränkung auf den diskreten Fall und zweidimensionale Zufallsvariablen. Vorstellung: Auswerten eines mehrdimensionalen Merkmals ( ) X Ỹ also z.b. ω Ω,

Mehr

Wachstum und Eigenschaften von dünnen Schichten

Wachstum und Eigenschaften von dünnen Schichten Wachstum und Eigenschaften von dünnen Schichten 11.06.2009 1 Einleitung 2 Wachstum Schichtanfänge Einfache Wachstumsmodelle Strukturzonen-Modelle 3 Eigenschaften elektrische Eigenschaften Langzeitverhalten

Mehr

Blatt 4. Stoß und Streuung - Lösungsvorschlag

Blatt 4. Stoß und Streuung - Lösungsvorschlag Fakultät für Physik der LMU München Lehrstuhl für Kosmologie, Prof. Dr. V. Mukhanov Übungen zu Klassischer Mechanik (T1) im SoSe 211 Blatt 4. Stoß und Streuung - Lösungsvorschlag Aufgabe 4.1. Stoß Zwei

Mehr

Dynamik des lokalen Strom/Spannungsverhaltens von Nafion-Membranen

Dynamik des lokalen Strom/Spannungsverhaltens von Nafion-Membranen Dynamik des lokalen Strom/Spannungsverhaltens von Nafion-Membranen Präsentation der Ergebnisse der Aversumsprojekte 2009 Steffen ink a Wolfgang G. Bessler, b A. Masroor, b Emil Roduner a a Universität

Mehr

Vorlesung Stetige Verteilungen / Mathematische Behandlung

Vorlesung Stetige Verteilungen / Mathematische Behandlung B E A C D Z Faultät Verehrswissenschaften Friedrich List Professur für Verehrsströmungslehre Verehrssystemtheorie I+II (V.-Wirtschaft) Vorlesung..0 Stetige Verteilungen / Mathematische Behandlung Neufert,

Mehr

Dynamische Lasten. 1. Kraft- und Weganregung 2. Deterministische Lasten. 3. Stochastische Lasten

Dynamische Lasten. 1. Kraft- und Weganregung 2. Deterministische Lasten. 3. Stochastische Lasten Dynamische Lasten 1. Kraft- und Weganregung 2. Deterministische Lasten 2.1 Allgemeine zeitabhängige Lasten 2.2 Periodische Lasten 2.3 Harmonische Lasten 3. Stochastische Lasten 3.1 Instationäre stochastische

Mehr

Linearer und quadratischer Mittelwert

Linearer und quadratischer Mittelwert Linearer und quadratischer ittelwert Erwartungswerte (auch Schar- oder Ensemblemittelwerte) betrachtet wird zunächst eine große Anzahl von Zufallssignalen; dabei ist x k (t) die k-te von insgesamt Realisierungen

Mehr

Abhängigkeitsmaße Seien X 1 und X 2 zwei Zufallsvariablen. Es gibt einige skalare Maße für die Abhängigkeit zwischen X 1 und X 2.

Abhängigkeitsmaße Seien X 1 und X 2 zwei Zufallsvariablen. Es gibt einige skalare Maße für die Abhängigkeit zwischen X 1 und X 2. Abhängigkeitsmaße Seien X 1 und X 2 zwei Zufallsvariablen. Es gibt einige skalare Maße für die Abhängigkeit zwischen X 1 und X 2. Lineare Korrelation Annahme: var(x 1 ),var(x 2 ) (0, ). Der Koeffizient

Mehr

Ultraschall. Bildgebung mit Ultraschall. Dorothee Wohlleben. Ultraschall. D.Wohlleben. Einleitung. Erzeugung und Empfang des Schalls

Ultraschall. Bildgebung mit Ultraschall. Dorothee Wohlleben. Ultraschall. D.Wohlleben. Einleitung. Erzeugung und Empfang des Schalls Bildgebung mit Dorothee Wohlleben 23. Mai 2016 Inhaltsverzeichnis 1 2 3 4 5 6 20.000Hz < < 1GHz Beliebtheit Anwendungsgebiete Piezoelektrischer Effekt Eigenschaft Kristalle Schallkopf Dicke Piezokristall

Mehr

4.2 Moment und Varianz

4.2 Moment und Varianz 4.2 Moment und Varianz Def. 2.10 Es sei X eine zufällige Variable. Falls der Erwartungswert E( X p ) existiert, heißt der Erwartungswert EX p p tes Moment der zufälligen Variablen X. Es gilt dann: EX p

Mehr

Normalverteilung. 1 2πσ. Gauß. 2 e 1 2 ((x µ)2 σ 2 ) Werkzeuge der empirischen Forschung. W. Kössler. Einleitung. Datenbehandlung. Wkt.

Normalverteilung. 1 2πσ. Gauß. 2 e 1 2 ((x µ)2 σ 2 ) Werkzeuge der empirischen Forschung. W. Kössler. Einleitung. Datenbehandlung. Wkt. Normalverteilung Diskrete Stetige f(x) = 1 2πσ 2 e 1 2 ((x µ)2 σ 2 ) Gauß 91 / 169 Normalverteilung Diskrete Stetige Satz: f aus (1) ist Dichte. Beweis: 1. f(x) 0 x R und σ > 0. 2. bleibt z.z. lim F(x)

Mehr

D-ITET Analysis II FS 13 Prof. Horst Knörrer. Musterlösung 1. 3xy 2 = 2 x 2. y y. 3 y y. 3 x v x + v = 2 3 v v.

D-ITET Analysis II FS 13 Prof. Horst Knörrer. Musterlösung 1. 3xy 2 = 2 x 2. y y. 3 y y. 3 x v x + v = 2 3 v v. D-ITET Analysis II FS 3 Prof. Horst Knörrer Musterlösung. a) Es gilt: dy d 3 + y 3 3y 3 y + y 3. Dies ist eine homogene Differentialgleichung, das heisst y hängt nur von y ab. Setze v : y y() v() y v +

Mehr

Rasterkraftmikroskopie

Rasterkraftmikroskopie Rasterkraftmikroskopie Patrick Schömann Technische Universität München 06.05.2014 1 / 34 Übersicht 1 Geschichte der Rastersondenmikroskopie 2 Rastertunnelmikroskop 3 Rasterkraftmikroskop Aufbau Wechselwirkungskräfte

Mehr

1-D photonische Kristalle

1-D photonische Kristalle 1-D photonische Kristalle Berechnung der Dispersionsrelation und der Zustandsdichte für elektromagnetische Wellen Antonius Dorda 15.03.09 Inhaltsverzeichnis 1 Einleitung 2 2 Herleitung der Relationen 2

Mehr

Weitere Lagemaße: Quantile/Perzentile I

Weitere Lagemaße: Quantile/Perzentile I 3 Auswertung von eindimensionalen Daten Lagemaße 3.3 Weitere Lagemaße: Quantile/Perzentile I Für jeden Median x med gilt: Mindestens 50% der Merkmalswerte sind kleiner gleich x med und ebenso mindestens

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

2 k k 1 k(k + 1) = 2n+1. n = 0 = k(k + 1) = 2n+1 n n. = 2 n+1 n + 2 (n + 1)(n + 2) + n. (n + 1)(n + 2)

2 k k 1 k(k + 1) = 2n+1. n = 0 = k(k + 1) = 2n+1 n n. = 2 n+1 n + 2 (n + 1)(n + 2) + n. (n + 1)(n + 2) Prof. Hesse Höhere Mathematik I und II Musterlösung 7. 0. 0, 80min Aufgabe (3 Punkte) Zeigen Sie mit vollständiger Induktion: Für alle n N gilt n k= k k k(k + ) = n+ n +. Induktionsanfang: k= Induktionsschluss

Mehr

4. Empirische Momente von ZR. 4. Empirische Momente von ZR. 4. Empirische Momente von ZR. 4. Empirische Momente von ZR

4. Empirische Momente von ZR. 4. Empirische Momente von ZR. 4. Empirische Momente von ZR. 4. Empirische Momente von ZR Im Allgemeinen wird sich das Verhalten einer ZR über die Zeit ändern, z.b. Trend, saisonales Verhalten, sich verändernde Variabilität. Eine ZR wird als stationär bezeichnet, wenn sich ihr Verhalten über

Mehr

ETWR Teil B. Spezielle Wahrscheinlichkeitsverteilungen (stetig)

ETWR Teil B. Spezielle Wahrscheinlichkeitsverteilungen (stetig) ETWR Teil B 2 Ziele Bisher (eindimensionale, mehrdimensionale) Zufallsvariablen besprochen Lageparameter von Zufallsvariablen besprochen Übertragung des gelernten auf diskrete Verteilungen Ziel des Kapitels

Mehr

Statistische Physik - Theorie der Wärme (PD Dr. M. Falcke) Übungsblatt 12: Ferromagnet

Statistische Physik - Theorie der Wärme (PD Dr. M. Falcke) Übungsblatt 12: Ferromagnet Freie Universität Berlin WS 2006/2007 Fachbereich Physik 26.01.2007 Statistische Physik - heorie der Wärme PD Dr. M. Falcke) Übungsblatt 12: Ferromagnet Aufgabe 1 6 Punkte) Ein ferromagnetisches System

Mehr

5 Konfidenzschätzung. 5.1 Einige Grundbegriffe zur Konfidenzschätzung

5 Konfidenzschätzung. 5.1 Einige Grundbegriffe zur Konfidenzschätzung 5 Konfidenzschätzung 5. Einige Grundbegriffe zur Konfidenzschätzung Diesem Kapitel liegt das parametrische Modell {X, B X, P } mit P {P Θ} zugrunde. {Θ, B Θ } sei ein Meßraum über Θ und µ ein σ-finites

Mehr

Verfahren Temperatur, C Ätzrate, µm/min Bemerkungen H 3 PO (1120 C)

Verfahren Temperatur, C Ätzrate, µm/min Bemerkungen H 3 PO (1120 C) Verfahren Temperatur, C Ätzrate, µm/min Bemerkungen H 3 PO 4 Na 2 B 4 O 7 PbF 2 NaHSO 4 V 2 O 5 H 2 Si 400... 500 1000... 850 450... 850 940 1200... 1500 1100... 1300-10 15 1... 20 2... 3 0.01... 0.1 0.4

Mehr

1. Kraft- und Weganregung 2. Deterministische Lasten. 3. Stochastische Lasten

1. Kraft- und Weganregung 2. Deterministische Lasten. 3. Stochastische Lasten Dynamische Lasten 1. Kraft- und Weganregung 2. Deterministische Lasten 2.1 Periodische Lasten 2.2 Allgemeine zeitabhängige Lasten 2.3 Harmonische Lasten 3. Stochastische Lasten 3.1 Instationäre stochastische

Mehr

1.3 Wiederholung der Konvergenzkonzepte

1.3 Wiederholung der Konvergenzkonzepte 1.3 Wiederholung der Konvergenzkonzepte Wir erlauben nun, dass der Stichprobenumfang n unendlich groß wird und untersuchen das Verhalten von Stichprobengrößen für diesen Fall. Dies liefert uns nützliche

Mehr

7.2 Moment und Varianz

7.2 Moment und Varianz 7.2 Moment und Varianz Def. 21 Es sei X eine zufällige Variable. Falls der Erwartungswert E( X p ) existiert, heißt der Erwartungswert EX p p tes Moment der zufälligen Variablen X. Es gilt dann: + x p

Mehr

2. Vorlesung Partielle Differentialgleichungen

2. Vorlesung Partielle Differentialgleichungen 2. Vorlesung Partielle Differentialgleichungen Wolfgang Reichel Karlsruhe, 22. Oktober 204 Institut für Analysis KIT University of the State of Baden-Wuerttemberg and National Research Center of the Helmholtz

Mehr

13 Mehrdimensionale Zufallsvariablen Zufallsvektoren

13 Mehrdimensionale Zufallsvariablen Zufallsvektoren 3 Mehrdimensionale Zufallsvariablen Zufallsvektoren Bisher haben wir uns ausschließlich mit Zufallsexperimenten beschäftigt, bei denen die Beobachtung eines einzigen Merkmals im Vordergrund stand. In diesem

Mehr

Reelle Zufallsvariablen

Reelle Zufallsvariablen Kapitel 3 eelle Zufallsvariablen 3. Verteilungsfunktionen esultat aus der Maßtheorie: Zwischen der Menge aller W-Maße auf B, nennen wir sie W B ), und der Menge aller Verteilungsfunktionen auf, nennen

Mehr

Signale, Transformationen

Signale, Transformationen Signale, Transformationen Signal: Funktion s(t), t reell (meist t die Zeit, s eine Messgröße) bzw Zahlenfolge s k = s[k], k ganzzahlig s reell oder komplex s[k] aus s(t): Abtastung mit t = kt s, s[k] =

Mehr

Einführung in die (induktive) Statistik

Einführung in die (induktive) Statistik Einführung in die (induktive) Statistik Typische Fragestellung der Statistik: Auf Grund einer Problemmodellierung sind wir interessiert an: Zufallsexperiment beschrieben durch ZV X. Problem: Verteilung

Mehr

Streuungsmaße. Die angegebenen Maßzahlen sind empirisch, d.h. sie sind Schätzungen für die wahre Varianz (empirische) Varianz (Streuung) s 2 = 1 n

Streuungsmaße. Die angegebenen Maßzahlen sind empirisch, d.h. sie sind Schätzungen für die wahre Varianz (empirische) Varianz (Streuung) s 2 = 1 n Streuungsmaße Diskrete Stetige Die angegebenen Maßzahlen sind empirisch, d.h. sie sind Schätzungen für die wahre (empirische) (Streuung) s 2 = 1 n (X i X) 2 n 1 i=1 s 2 n var(x) Warum Division durch (n

Mehr

Alle Atome haben Massen ungefähr einem vielfachen der Masse des Wasserstoff Atoms.

Alle Atome haben Massen ungefähr einem vielfachen der Masse des Wasserstoff Atoms. 02. Atom Page 1 2. Das Atom Atom: kleinster unveränderbarer Bestandteil eines chemischen Elements Charakteristische Eigenschaften von Atomen: Masse, Volumen, Ladung 2.1 Bestimmung der Atommasse expt. Befund:

Mehr

Dr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp

Dr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 8.-10. Januar 2010 BOOTDATA.GDT: 250 Beobachtungen für die Variablen... cm:

Mehr

3ω Messung an dünnen Schichten Eine Unsicherheitsanalyse

3ω Messung an dünnen Schichten Eine Unsicherheitsanalyse Bayerisches Zentrum für Angewandte Energieforschung e.v. 3ω Messung an dünnen Schichten Eine Unsicherheitsanalyse S. Rausch AK Thermophysik, Graz 2012 3ω METHODE - PRINZIP Messverfahren zur Bestimmung

Mehr

Spezielle Verteilungen einer Variablen

Spezielle Verteilungen einer Variablen Kapitel 2 Spezielle Verteilungen einer Variablen In diesem Kapitel werden wir einige häufig benutzte Verteilungen, die von einer Variablen abhängen, vorstellen. 2.1 Binomial-Verteilung Binomial-Verteilungen

Mehr

Verfahren der Mikrosystemtechnik zur Herstellung/Charakterisierung von Chemo- und Biosensoren

Verfahren der Mikrosystemtechnik zur Herstellung/Charakterisierung von Chemo- und Biosensoren Verfahren der Mikrosystemtechnik zur Herstellung/Charakterisierung von Chemo- und Biosensoren Teil 8: Analysemethoden zur Charakterisierung der Mikrosysteme II Dr. rer. nat. Maryam Weil Fachhochschule

Mehr

Kreissektoren und Bogenmaß

Kreissektoren und Bogenmaß M 10.1 Kreissektoren und Bogenmaß In einem Kreis mit Radius gilt für einen Kreissektor mit Mittelpunktswinkel : Länge des Kreisbogens Fläche des Kreissektors = = 360 360 Das Bogenmaß eines Winkels ist

Mehr

Anhang Häufig verwendete Symbole

Anhang Häufig verwendete Symbole 68 Anhang Häufig verwendete Symbole Anhang Häufig verwendete Symbole θ B exakter Braggwinkel θ B Abweichung vom Braggwinkel λ Wellenlänge d Netzebenenabstand π & σ Parallel- & Senkrechtkomponente der Polarisation

Mehr

Kreissektoren und Bogenmaß

Kreissektoren und Bogenmaß M 10.1 Kreissektoren und Bogenmaß In einem Kreis mit Radius gilt für einen Kreissektor mit Mittelpunktswinkel : Länge des Kreisbogens Fläche des Kreissektors = 2 = 360 360 Das Bogenmaß eines Winkels ist

Mehr

Copula Funktionen. Eine Einführung. Nils Friewald

Copula Funktionen. Eine Einführung. Nils Friewald Copula Funktionen Eine Einführung Nils Friewald Institut für Managementwissenschaften Abteilung Finanzwirtschaft und Controlling Favoritenstraße 9-11, 1040 Wien friewald@imw.tuwien.ac.at 13. Juni 2005

Mehr

Grundlagen der Quantentheorie

Grundlagen der Quantentheorie Grundlagen der Quantentheorie Ein Schwarzer Körper (Schwarzer Strahler, planckscher Strahler, idealer schwarzer Körper) ist eine idealisierte thermische Strahlungsquelle: Alle auftreffende elektromagnetische

Mehr

1.5 Mehrdimensionale Verteilungen

1.5 Mehrdimensionale Verteilungen Poisson eine gute Näherung, da np = 0 und 500p = 5 00 = n. Wir erhalten somit als Näherung Exakte Rechnung ergibt P(2 X 0) = k=2 0 k=2 π (k) = 0,26424. 0 ( ) 00 P(2 X 0) = 0,0 k 0,99 00 k = 0,264238. k.4.2.4

Mehr

Physikalisches Grundpraktikum Technische Universität Chemnitz

Physikalisches Grundpraktikum Technische Universität Chemnitz Physikalisches Grundpraktikum Technische Universität Chemnitz Protokoll «A10 - AVOGADRO-Konstante» Martin Wolf Betreuer: Herr Decker Mitarbeiter: Martin Helfrich Datum:

Mehr

Statistics, Data Analysis, and Simulation SS 2017

Statistics, Data Analysis, and Simulation SS 2017 Statistics, Data Analysis, and Simulation SS 2017 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Mainz, May 29, 2017 Dr. Michael O. Distler

Mehr

Adaptive Systeme. Sommersemester Prof. Dr. -Ing. Heinz-Georg Fehn. Prof. Dr. rer. nat. Nikolaus Wulff

Adaptive Systeme. Sommersemester Prof. Dr. -Ing. Heinz-Georg Fehn. Prof. Dr. rer. nat. Nikolaus Wulff Adaptive Systeme Sommersemester 2015 Prof. Dr. -Ing. Heinz-Georg Fehn Prof. Dr. rer. nat. Nikolaus Wulff Prof. Dr. H.-G. Fehn und Prof. Dr. N. Wulff 1 Adaptive Systeme Adaptives System: ein System, das

Mehr

A. Grundlagen der Stochastik

A. Grundlagen der Stochastik A. Grundlagen der Stochastik Satz A.1 (Axiome der Wahrscheinlichkeit). Folgende Axiome der Wahrscheinlichkeit können definiert werden: (1) Die Wahrscheinlichkeit P(A) eines Ergebnisses A bei einem Experiment

Mehr

A. Grundlagen der Stochastik

A. Grundlagen der Stochastik A. Grundlagen der Stochastik Satz A.1 (Axiome der Wahrscheinlichkeit). Folgende Axiome der Wahrscheinlichkeit können definiert werden: (1) Die Wahrscheinlichkeit P(A) eines Ergebnisses A bei einem Experiment

Mehr

Statistik. Sommersemester Prof. Dr. Stefan Etschberger HSA. für Betriebswirtschaft und International Management

Statistik. Sommersemester Prof. Dr. Stefan Etschberger HSA. für Betriebswirtschaft und International Management Statistik für Betriebswirtschaft und International Management Sommersemester 2014 Prof. Dr. Stefan Etschberger HSA Streuungsparameter Varianz Var(X) bzw. σ 2 : [x i E(X)] 2 f(x i ), wenn X diskret Var(X)

Mehr

Partielle Differentialgleichungen

Partielle Differentialgleichungen Partielle Differentialgleichungen Definition. Eine partielle Differentialgleichung ist eine Dgl., in der partielle Ableitungen einer gesuchten Funktion z = z(x 1, x 2,..., x n ) mehrerer unabhängiger Variabler

Mehr

Fachbereich Mathematik/Informatik 16. Juni 2012 Prof. Dr. H. Brenner. Mathematik für Anwender II. Testklausur mit Lösungen

Fachbereich Mathematik/Informatik 16. Juni 2012 Prof. Dr. H. Brenner. Mathematik für Anwender II. Testklausur mit Lösungen Fachbereich Mathematik/Informatik 6. Juni 0 Prof. Dr. H. Brenner Mathematik für Anwender II Testklausur mit Lösungen Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Ein Skalarprodukt

Mehr

Der Erwartungswert E[g(X)] von g(x) ist definiert. g(x k )w(x = x k ),

Der Erwartungswert E[g(X)] von g(x) ist definiert. g(x k )w(x = x k ), 2.5 Parameter einer Verteilung 2.5. Erwartungswert X eine Zufallsvariable, g : R R stetig. Der Erwartungswert E[g(X)] von g(x) ist definiert durch: E[g(X)] := k g(x k )w(x = x k ), falls X diskret ist

Mehr

Das Boolesche Modell

Das Boolesche Modell mit konvexen Körnern 3.12.2009 mit konvexen Körnern Ziele des heutigen Seminars: ist sehr anwendungsbezogen. Daher ist unser Ziel, am Ende die folgenden statistischen Fragen zu beantworten: Wann ist das

Mehr

Univ.-Prof. Dr. Georg Wydra

Univ.-Prof. Dr. Georg Wydra Univ.-Prof. Dr. Georg Wydra Methoden zur Auswertung von Untersuchungen 1 SKALENTYPEN UND VARIABLEN 2 ZUR BEDEUTUNG DER STATISTIK IN DER FORSCHUNG 3 STATISTIK ALS VERFAHREN ZUR PRÜFUNG VON HYPOTHESEN 4

Mehr

Klassische Theoretische Physik II. V: Prof. Dr. M. Mühlleitner, Ü: Dr. M. Rauch. Klausur 1 Lösung. 28. Juli 2014, Uhr

Klassische Theoretische Physik II. V: Prof. Dr. M. Mühlleitner, Ü: Dr. M. Rauch. Klausur 1 Lösung. 28. Juli 2014, Uhr KIT SS 4 Klassische Theoretische Physik II V: Prof Dr M Mühlleitner, Ü: Dr M auch Klausur Lösung 8 Juli 4, 7-9 Uhr Aufgabe : Kurzfragen (+++=8 Punkte (a Verallgemeinerte Koordinaten sind Koordinaten, die

Mehr

Pulverdiffraktometrie

Pulverdiffraktometrie Pulverdiffraktometrie Polykristallines Material Fingerprintmethode Homogenität/ Phasenanalyse Kristallsystem + Gitterparameter + Laue-Symmetrie Raumgruppe?? Zusammensetzung - quantitativ! Textur Partikelgröße

Mehr

Kapitel 6. Verteilungsparameter. 6.1 Der Erwartungswert Diskrete Zufallsvariablen

Kapitel 6. Verteilungsparameter. 6.1 Der Erwartungswert Diskrete Zufallsvariablen Kapitel 6 Verteilungsparameter Wie bei einem Merkmal wollen wir nun die Lage und die Streuung der Verteilung einer diskreten Zufallsvariablen durch geeignete Maßzahlen beschreiben. Beginnen wir mit Maßzahlen

Mehr

2. Vorlesung Partielle Differentialgleichungen

2. Vorlesung Partielle Differentialgleichungen 2. Vorlesung Partielle Differentialgleichungen Wolfgang Reichel 2.Transatlantische Vorlesung aus Oaxaca, Mexiko, 20. Oktober 2010 Institut für Analysis KIT University of the State of Baden-Wuerttemberg

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 9. Dezember 2010 1 Konfidenzintervalle Idee Schätzung eines Konfidenzintervalls mit der 3-sigma-Regel Grundlagen

Mehr

Schichtvorbehandlung und Haftung

Schichtvorbehandlung und Haftung Schichtvorbehandlung und Haftung Wesentliche Voraussetzungen für eine optimalen Verbund zwischen Schicht und Substrat: Anforderungen an das Substrat: + partikelfrei, staubfrei + fettfrei + trocken + frei

Mehr

Ü b u n g s b l a t t 13

Ü b u n g s b l a t t 13 Einführung in die Stochastik Sommersemester 06 Dr. Walter Oevel 5. 6. 006 Ü b u n g s b l a t t 3 Mit und gekennzeichnete Aufgaben können zum Sammeln von Bonuspunkten verwendet werden. Lösungen von -Aufgaben

Mehr

Multivariate Verteilungen

Multivariate Verteilungen Multivariate Verteilungen Zufallsvektoren und Modellierung der Abhängigkeiten Ziel: Modellierung der Veränderungen der Risikofaktoren X n = (X n,1, X n,2,..., X n,d ) Annahme: X n,i und X n,j sind abhängig

Mehr

Adaptive Systeme. Prof. Dr.-Ing. Heinz-Georg Fehn Prof. Dr. rer. nat. Nikolaus Wulff

Adaptive Systeme. Prof. Dr.-Ing. Heinz-Georg Fehn Prof. Dr. rer. nat. Nikolaus Wulff Adaptive Systeme Evolutionäre Algorithmen Teil II Evolutionsfenster durch Mutation und sexuelle Rekombination Prof. Dr.-Ing. Heinz-Georg Fehn Prof. Dr. rer. nat. Nikolaus Wulff Evolutionäre Algorithmen

Mehr

27. Wärmestrahlung. rmestrahlung, Quantenmechanik

27. Wärmestrahlung. rmestrahlung, Quantenmechanik 24. Vorlesung EP 27. Wärmestrahlung rmestrahlung, Quantenmechanik V. STRAHLUNG, ATOME, KERNE 27. Wärmestrahlung, Quantenmechanik Photometrie Plancksches Strahlungsgesetz Welle/Teilchen Dualismus für Strahlung

Mehr

7 Zufallszahlen, Simulation

7 Zufallszahlen, Simulation 7 Zufallszahlen, Simulation Es ist nützlich, Folgen von i.i.d. R[0, 1]-verteilten Zufallszahlen auf einem Rechner erzeugen zu können vgl. Simulation, Monte-Carlo-Verfahren). Letztere sind i.a. keine echten

Mehr

5. Amorphe Festkörper

5. Amorphe Festkörper 5. Amorphe Festkörper [ Hunklinger ] WS 2013/14 1 Bisher: kristalline Festkörper mit - Nahordnung und vor allem - Fernordnung in den Anordnungen der atomaren Bausteine Jede dabei auftretende Abweichung

Mehr

1 Verteilungsfunktionen, Zufallsvariable etc.

1 Verteilungsfunktionen, Zufallsvariable etc. 4. Test M3 ET 27 6.6.27 4. Dezember 27 Regelung für den.ten Übungstest:. Wer bei den Professoren Dirschmid, Blümlinger, Vogl oder Langer die UE aus Mathematik 2 gemacht hat, sollte dort die WTH und Statistik

Mehr

Topologie - Übungsblatt 1

Topologie - Übungsblatt 1 1 Topologie - Übungsblatt 1 1. Sei τ die cofinite Topologie auf einer Menge X. Man zeige: i) Ist X abzählbar, dann ist (X, τ) ein A 2 -Raum. ii) Ist X überabzählbar, dann ist (X, τ) kein A 1 -Raum. 2.

Mehr

5 Atmosphären. 5.1 Skalenhöhen. definiert als Länge, über die eine Größe x (z. B. Dichte, Druck,... ) auf 1/e abfällt lokale Definition: H x.

5 Atmosphären. 5.1 Skalenhöhen. definiert als Länge, über die eine Größe x (z. B. Dichte, Druck,... ) auf 1/e abfällt lokale Definition: H x. 5 Atmosphären 5.1 Skalenhöhen Definition: definiert als Länge, über die eine Größe x (z. B. Dichte, Druck,... ) auf 1/e abfällt lokale Definition: H x x x = x (z... z. B. Höhe [H dx p ] = Länge) dx x =

Mehr

Mathematik Übungsblatt - Lösung. b) x=2

Mathematik Übungsblatt - Lösung. b) x=2 Hochschule Regensburg Fakultät Informatik/Mathematik Christoph Böhm Sommersemester 204 Technische Informatik Bachelor IT2 Vorlesung Mathematik 2 Mathematik 2 4. Übungsblatt - Lösung Differentialrechnung

Mehr

2. Dirichlet-Reihen. Arithmetische Funktionen

2. Dirichlet-Reihen. Arithmetische Funktionen 2. Dirichlet-Reihen. Arithmetische Funktionen 2.. Eine Dirichlet-Reihe ist eine Reihe der Gestalt a n f(s = n, s wobei (a n n eine Folge komplexer Zahlen und s eine komplexe Variable ist. 2.2. σ a (f :=

Mehr