Page-Rank: Markov-Ketten als Grundlage für Suchmaschinen im Internet

Größe: px
Ab Seite anzeigen:

Download "Page-Rank: Markov-Ketten als Grundlage für Suchmaschinen im Internet"

Transkript

1 Humboldt-Uiversität zu Berli Istitut für Iformatik Logik i der Iformatik Prof. Dr. Nicole Schweikardt Page-Rak: Markov-Kette als Grudlage für Suchmaschie im Iteret Skript zum gleichamige Kapitel der im Sommersemester 25 vo Prof. Freytag ud Prof. Schweikardt gehaltee Vorlesug Big Data Aalytics i Theorie ud Praxis Versio vom 2. Mai 25

2 2

3 Page-Rak: Markov-Kette als Grudlage der Fuktiosweise vo Suchmaschie im Iteret Ziel dieses Kapitels ist, eie kurze Überblick über die Arbeitsweise vo Suchmaschie für das Iteret zu gebe. Wir betrachte hierbei eie Suchmaschie, die als Eigabe ei Stichwort oder eie Liste vo Stichworte erhält, ud die als Ausgabe eie Liste vo Liks auf Webseite gebe soll, dere Ihalt relevate Iformatioe zu de eigegebee Stichworte ethält. Diese Liste soll so sortiert sei, dass die iformativste Liks am weiteste obe stehe. Die Herausforderuge, die sich beim Bau eier Suchmaschie stelle, sid vielfältig. Zum eie ist die Azahl der Webseite sehr groß: Bereits im Jahr 2008 gab es mehr als Billio Webseite. Beachte Sie: Billio = = 0 2. Niemad ket de geaue Ihalt des gesamte Iterets, ud das Iteret verädert sich städig: Täglich komme eue Webseite hizu, viele Webseite werde täglich aktualisiert, ud adere ach eiiger Zeit auch wieder gelöscht. Eie Suchmaschie muss daher eie eorm große Mege vo Date verarbeite, die i kurze Zeitabstäde immer wieder aktualisiert werde. Trotzdem müsse Suchafrage, die a eie Suchmaschie geschickt werde, i Echtzeit beatwortet werde. Um die Ergebisse ach ihrer Relevaz für die jeweilige Suchbegriffe sortiere zu köe, beötigt ma auch ei sivolles Maß dafür, welche Webseite als besoders iformativ bewertet werde solle.. Die Architektur vo Suchmaschie Die Herausforderug besteht dari, Afrage für eie sich rasat äderde Suchraum gigatischer Größe ohe merkliche Reaktioszeit zu beatworte. Um dies zu gewährleiste, utze Suchmaschie u.a. die folgede Kompoete: () Web-Crawler: Computerprogramme, die Crawler geat werde, durchforste das Iteret, um eue oder veräderte Webseite zu idetifiziere. Die vo de Crawler gefudee Iformatioe über Webseite ud dere Ihalt werde aufbereitet ud gespeichert. (2) Idexierug: Die Iformatioe werde i eier Datestruktur gespeichert, mit dere Hilfe bei Eigabe eies Suchworts i Echtzeit alle Webseite ermittelt werde köe, die das Suchwort ethalte. (3) Bewertug der Webseite: Die ausgewählte Webseite werde im Hiblick auf ihre Iformatiosgehalt (hisichtlich möglicher Suchworte sowie hisichtlich ihrer geerelle Bedeutug im Iteret) bewertet. Quelle: zuletzt besucht am

4 Idex Zu jeder vom Crawler gefudee Webseite wird die URL (d.h. die Adresse) sowie der Ihalt der Webseite gespeichert. Der Ihalt der Webseite wird aalysiert ud es werde Iformatioe darüber gespeichert, welches Wort mit welcher Häufigkeit ud a welche Positioe (etwa: im Titel, als Überschrift, im Fließtext, mit welcher Schriftgröße etc.) i der Webseite vorkommt. Diese Iformatioe werde im so geate Idex gespeichert. Außerdem werde die Liks, die auf Webseite agegebe sid, aalysiert. Ethält Webseite i eie Lik auf eie Webseite j, so wird der Text, mit dem der Lik beschriftet ist, im zu j gehörede Idex-Eitrag abgelegt. Diese Likbeschriftuge gebe wertvolle Hiweise darüber, welche Iformatioe die Webseite j ethält. Aus dem Idex wird der so geate ivertierte Idex geeriert. Dies ist eie Datestruk- tur, die zu jedem mögliche Suchwort eie Liste aller Webseite agibt, die dieses Suchwort ethalte. Dabei werde jeweils auch Zusatziformatioe gespeichert, die die Wichtigkeit des Suchworts ierhalb der Webseite beschreibe, z.b. die Häufigkeit des Stichworts, seie Positio ud Schriftgröße ierhalb der Webseite sowie das Vorkomme des Stichworts i Beschriftuge vo Liks auf die Webseite. Die Lik-Struktur des Iterets ka ma durch eie gerichtete Graphe modelliere, bei dem jede Webseite (d.h. jede URL) durch eie Kote repräsetiert wird, ud bei dem es eie Kate vo Kote i zu Kote j gibt, we die Webseite i eie Lik auf Webseite j ethält. Dieser Graph wird Lik-Idex oder Web-Graph geat. Der Web-Graph wird üblicherweise als Adjazezliste gespeichert. ivertierter Idex Lik-Idex Web-Graph Bearbeitug vo Such-Afrage: Bei Eigabe eier Liste vo Such-Stichworte soll die Suchmaschie die hisichtlich dieser Stichworte iformativste Webseite fide ud diese sortiert ach ihrer Relevaz azeige. Dabei werde folgede Kriterie berücksichtigt: () die Häufigkeit ud Positioierug der Suchbegriffe auf der jeweilige Webseite sowie i der Beschriftug vo Liks, die auf diese Webseite verweise, ud (2) die grudlegede Bedeutug eier Webseite. Für () köe Methode aus dem Bereich Iformatio Retrieval verwedet werde; Details dazu fide sich z.b. i Kapitel 6 vo [8]. Für (2) wird die Lik-Struktur des Iterets, d.h. der Web-Graph berücksichtigt. Als Rechtfertigug für die Güte dieses Asatzes, geht ma vo der folgede Aahme aus: We eie Webseite i eie Lik auf eie Webseite j ethält, da gibt es eie ihaltliche Beziehug zwische beide Webseite, ud der Autor der Webseite i hält die Iformatioe auf Webseite j für wertvoll. Es gibt verschiedee Verfahre, die Maße für die grudlegede Bedeutug eier Webseite liefer, beispielsweise das vo Google geutzte Page-Rak Verfahre vo Bri ud Page [2] oder die HITS (Hypertext Iduced Topic Search) Methode vo Kleiberg [6]. Beide Asätze versuche, die i der Lik-Struktur maifestierte relative Wertschätzug zwische eizele Webseite i eie grudlegede Bedeutug der Webseite umzureche. Details zu de beide Verfahre fide sich i dem Buch [7]. Bei der Bearbeitug eier Suchafrage, bei der eie Liste s vo Such-Stichworte eigegebe wird, wird da uter Verwedug vo () ud (2) jeder Webseite i ei Wert Score(i, s) zugeordet, der als Maß für die Relevaz der Webseite i hisichtlich der Suchafrage s diet. Als 4

5 Trefferliste gibt die Suchmaschie da eie Liste aller Webseite aus, dere Score über eier bestimmte Schrake liegt ud sortiert die Liste so, dass die Webseite mit dem höchste Score am weiteste obe stehe. Wie der Wert Score(i, s) gewählt wird, ist Betriebsgeheimis der eizele Betreiber vo Suchmaschie. Im Rest dieses Kapitels werde wir us ahad des Page-Rak Verfahres etwas geauer asehe, wie die grudlegede Bedeutug eier Webseite modelliert ud berechet werde ka..2 Der Page-Rak eier Webseite Der Page-Rak liefert ei Maß für die grudlegede Bedeutug eier Webseite, das allei also aus der Lik-Struktur des Iterets bestimmt wird, ohe dass der textuelle Ihalt eier Webseite dabei berücksichtigt wird. Wir schreibe im Folgede G = (V, E), um de Web-Graphe zu bezeiche. Der Eifachheit halber ehme wir a, dass die Webseite mit de Zahle,..., durchummeriert sid (wobei = V ist), ud dass V = {, 2,..., } ist. Jeder Kote vo G repräsetiert eie Webseite, ud jede Kate (i, j) E modelliert eie Lik vo Webseite i auf Webseite j. Für jede Kote i V sei := Aus-Grad G (i) = {j V : (i, j) E} der Ausgagsgrad vo i i G. D.h. ist die Azahl der Hyperliks, die vo der Webseite i auf adere Webseite verweise. Für eie Webseite j V schreibe wir Vor G (j), um die Mege aller Webseite zu bezeiche, die eie Lik auf j ethalte, d.h. Vor G (j) = {i V : (i, j) E}. Die Elemete i Vor G (j) werde Vorgäger vo j geat. Die grudlegede Bedeutug eier Webseite i wird im Folgede durch eie Zahl modelliert, dem so geate Page-Rak vo i. Der Wert soll die Qualität (im Sie vo Reommee oder Asehe ) vo Webseite i widerspiegel; die Zahl soll umso größer sei, je höher das Reommee der Webseite i ist. Das Reommee (ud damit der Wert PR j ) eier Webseite j wird als hoch bewertet, we viele Webseite i mit hohem Page-Rak eie Lik auf die Seite j ethalte. Die Werte, die alle Webseite i V zugeordet werde, werde daher so gewählt, dass Folgedes gilt: Page-Rak Eie Webseite i mit ausgehede Liks vererbt ihre Page-Rak a jede Webseite j mit (i, j) E um de Ateil PRi. Mit dieser Sichtweise müsste also für alle j V mit Vor G (j) gelte: PR j =. (.) Ei Problem stelle hierbei Kote dar, dere Ausgagsgrad 0 ist, da solche Kote ihre Page-Rak icht a adere Kote weitervererbe ud daher zu Werte führe köe, die kei sivolles Maß für die Bedeutug eier Webseite liefer. Als Beispiel betrachte ma de folgede Graphe G = (V, E): 5

6 Seke Ei weiteres Problem stelle Kotemege dar, die uter sich zwar verbude sid, die aber keie Kate zu eiem adere Kote des Graphe G ethalte. Als eifaches Beispiel betrachte wir de folgede Graphe G = (V, E): Ma ka sich leicht davo überzeuge, dass Werte PR, PR 2, PR 3, PR 4, PR 5 R geau da die Gleichug (.) erfülle, we PR = PR 2 = PR 3 = 0 ud PR 4 = PR 5 ist. Ählich wie im vorherige Beispiel spiegel diese Werte icht die ituitive grudlegede Bedeutug wider, die ma de Webseite 5 zuorde würde. D.h. die durch die Gleichug (.) gegebee Werte PR,..., PR 5 liefer kei sivolles Maß, um die grudlegede Bedeutug der eizele Webseite zu bewerte. Um dieses Problem zu vermeide, wird die Vererbug vo auf die Nachfolgeseite j mit (i, j) E meistes um eie Dämpfugsfaktor d mit 0 d abgeschwächt. Dies wird i der folgede Defiitio präzisiert. Dämpfugsfaktor Die eizige Werte PR, PR 2, PR 3, PR 4 R, die die Gleichug (.) erfülle, sid PR = PR 2 = PR 3 = PR 4 = 0. Diese Werte spiegel aber icht die ituitive grudlegede Bedeutug wider, die ma de Webseite, 2, 3 ud 4 zuorde würde. Im Folgede werde Kote vom Ausgagsgrad 0 auch Seke geat. Zur Bestimmug des Page-Raks betrachtet ma i der Regel ur Graphe ohe Seke, d.h. gerichtete Graphe, bei dee jeder Kote eie Ausgagsgrad hat. Natürlich gibt es keie Garatie, dass der Web-Graph keie Seke besitzt. Die Autore vo [2, 9] schlage zwei Möglichkeite vor, de Web-Graphe i eie Graphe ohe Seke zu trasformiere: Die eie Möglichkeit ist, vo jeder Seke Kate zu alle Kote hizuzufüge. Die adere Möglichkeit ist, alle Seke zu lösche ud dies rekursiv so lage zu tu, bis ei Graph übrig bleibt, der keie Seke besitzt. Wir ehme im Folgede a, dass eie dieser beide Trasformatioe durchgeführt wurde ud dass der Web-Graph durch eie edliche gerichtete Graphe G = (V, E) repräsetiert wird, der keie Seke besitzt. Page-Rak- Eigeschaft bezüglich d Defiitio (Page-Rak-Eigeschaft). Sei d eie reelle Zahl mit 0 d. Die Zahl d wird im Folgede Dämpfugsfaktor geat. Sei G = (V, E) ei gerichteter Graph, der keie Seke besitzt, ud sei := V N ud V = {,..., }. Für alle i, j V sei := Aus-Grad G (i) ud Vor G (j) := {i V : (i, j) E}. Ei Tupel PR = (PR,..., PR ) R hat die Page-Rak-Eigeschaft bezüglich d, we für alle j V gilt: PR j = d + d. (.2) 6

7 Beachte: Für de Dämpfugsfaktor d = erhält ma gerade die Gleichug (.). Für de Dämpfugsfaktor d = 0 ist PR = PR 2 =... = PR =. I [2] wird empfohle, de Wert d = 0.85 = 7 20 zu wähle. Beispiel 2. Zur Veraschaulichug der Page-Rak-Eigeschaft betrachte wir de Dämpfugsfaktor d := 2 ud de folgede Graphe G = (V, E): 2 3 Wir suche ei Tupel PR = (PR, PR 2, PR 3 ) vo reelle Zahle, das die Page-Rak-Eigeschaft bzgl. d = 2 hat, d.h. es gilt: () PR = PR3 (2) PR 2 = PR 2 (3) PR 3 = ( PR 2 + PR2 ). Die Werte PR, PR 2 ud PR 3 köe wir daher fide, idem wir das Lieare Gleichugssystem löse, das aus de folgede drei Gleichuge besteht: () PR 2 PR 3 = 6 (2) 4 PR + PR 2 = 6 (3) 4 PR 2 PR 2 + PR 3 = 6 Die Auflösug dieses lieare Gleichugssystems (z.b. mittels Gauß-Elimiatio) liefert die Werte PR = 4 39, PR 2 = 0 39, PR 3 = Ede Beispiel 2 Auf die gleiche Art wie i diesem Beispiel erhält ma auch für de Web-Graphe ud eie geeigete Dämpfugsfaktor d ei etsprechedes lieares Gleichugssystem. Um de Page-Rak der eizele Webseite zu bereche, müsse wir ur dieses lieare Gleichugssystem löse. Dabei stelle sich folgede Probleme: () Zuächst ist völlig uklar, ob dieses lieare Gleichugssystem überhaupt eie Lösug besitzt, ud falls ja, ob die Lösug eideutig ist. Ahad vo Defiitio ist ämlich prizipiell auch dekbar, dass es gar kei Tupel gibt, das die Page-Rak-Eigeschaft bzgl. d hat, oder dass es mehrere verschiedee Tupel gibt, die die Page-Rak-Eigeschaft bzgl. d besitze. (2) Das lieare Gleichugssystem hat Ubekate, wobei die Azahl der Webseite im Iteret ist ud diese Zahl ist eorm groß. Um de Page-Rak aller Webseite zu bestimme, beötige daher ei extrem effizietes Verfahre zum Löse dieses lieare Gleichugssystems. 7

8 I de folgede beide Abschitte werde wir sehe, dass die Theorie der Markov-Kette us hilft, diese Probleme zu löse. Dazu ist die im folgede Abschitt dargestellte Sichtweise auf de Page-Rak sehr hilfreich..3 Der Zufalls-Surfer Zufalls-Surfer Wir ehme a, dass der Webgraph durch eie gerichtete Graphe G = (V, E) mit Kotemege V = {,..., } repräsetiert wird, der keie Seke besitzt. Des Weitere sei d eie beliebige reelle Zahl mit 0 d. Wir betrachte eie Zufalls-Surfer (eglisch: radom surfer), der auf eier beliebige Webseite begit ud beliebige Liks verfolgt, ohe dabei auf Ihalte zu achte. We der Zufalls-Surfer auf eier Webseite i ist, so wählt er mit Wahrscheilichkeit d eie Lik, der vo Seite i ausgeht. Hierbei wird da jeder der = Aus-Grad G (i) ausgehede Liks mit derselbe Wahrscheilichkeit d ausgewählt. mit Wahrscheilichkeit ( d) eie beliebige Webseite im Web-Graphe. Hierbei wird da jede der Webseite mit derselbe Wahrscheilichkeit d ausgewählt. Für alle i, j V gibt daher p i,j := d + d, falls (i, j) E d, falls (i, j) / E die Wahrscheilichkeit a, mit der der Zufalls-Surfer i eiem Schritt vo Seite i zu Seite j wechselt. Diese Wahrscheilichkeite, mit dee sich der Zufalls-Surfer vo Kote zu Kote bewegt, lasse sich kompakt durch die folgede Matrix darstelle. (.3) Page-Rak- Matrix Defiitio 3 (Die Page-Rak-Matrix P (G, d)). Sei d R mit 0 d, sei N ud sei G = (V, E) mit V = {,..., } ei gerichteter Graph ohe Seke. Für jedes i V sei := Aus-Grad G (i). Die Page-Rak-Matrix ist die -Matrix P (G, d) := p, p,.. p, p, wobei für alle i, j V der Eitrag i Zeile i ud Spalte j der i Gleichug (.3) festgelegte Wert p i,j ist. Wir schreibe auch kurz (p i,j ) i,,...,, um die Matrix P (G, d) zu bezeiche., Beispiel 4. Für de Wert d = 2 ud de Graphe G aus Beispiel 2 ist beispielsweise p, = 6, p,2 = = 5 2, p 2,3 = = 2 3 ud isgesamt P (G, d) =

9 Um de Zusammehag zwische dem Zufalls-Surfer, der Page-Rak-Matrix ud Tupel mit der Page-Rak-Eigeschaft beschreibe zu köe, beötige wir folgede Notatio für das Reche mit Matrize. Zur Erierug (Vektor-Matrix-Produkt). Sei N, ud für alle i, j {,..., } sei p i,j eie reelle Zahl. Sei P := (p i,j ) i,,..., die -Matrix, die i Zeile i ud Spalte j de Eitrag p i,j hat (für alle i, j {,..., }). Ist X = (X,..., X ) ei Tupel aus reelle Zahle, so ist das Vektor-Matrix-Produkt X P das Tupel Y = (Y,..., Y ) R, bei dem für jedes j {,..., } gilt: Y j := X i p i,j. i= Vektor-Matrix- Produkt X P Der folgede Satz beschreibt de geaue Zusammehag zwische Zufalls-Surfer, Page-Rak- Matrix ud Tupel mit der Page-Rak-Eigeschaft. Satz 5. Sei d R mit 0 d <, sei N ud sei G = (V, E) ei gerichteter Graph mit V = {,..., }, der keie Seke besitzt. Da gilt: (a) Ist PR = (PR,..., PR ) R ei Tupel, das die Page-Rak-Eigeschaft bzgl. d besitzt, so ist i= =. (b) Für jedes Tupel X = (X,..., X ) R mit i= X i = gilt: X besitzt die Page-Rak-Eigeschaft bzgl. d X P (G, d) = X. Beweis: (a) Sei PR = (PR,..., PR ) R ei Tupel, das die Page-Rak-Eigeschaft bzgl. d besitzt. D.h. es gilt f.a. j {,..., }, dass Somit gilt: PR j = ( PR j = d d = ( d) + d G ohe Seke = ( d) + d = ( d) + d + d. + d ) (i,j) E = d + d = ( d) + d ( ) ai PRi i= PR j. = ( d) + d i= j:(i,j) E i= 9

10 Isbesodere gilt also: ( d) PR j = ( d). (.4) Wege d ist ( d) 0, ud daher erhalte wir aus Gleichug (.4), dass PR j = ist. Dies schließt de Beweis vo Teil (a) ab. (b) Sei X = (X,..., X ) R mit i= X i =. Sei Y = (Y,..., Y ) so dass X P (G, d) = Y. Da gilt gemäß Defiitio.3 ud Defiitio 3 für jedes j {,..., }, dass Y j = i= Gl. (.3) X i p i,j = i= = X i= = i= d d X i d + X i + d i= + d X i d X i, X i d.h. es gilt Y j = d + d X i. (.5) Aus Defiitio zusamme mit Gleichug (.5) folgt: X besitzt die Page-Rak-Eigeschaft bzgl. d f.a. j {,..., } gilt: X j = Y j X P (G, d) = X. Beachte: Für de Beweis vo Satz 5 (a) ist wichtig, dass d ist ud dass G keie Seke besitzt ud dass d ist. Eigevektor Notatio 6 (Eigevektor). Ei Vektor X = (X,..., X ) heißt liker Eigevektor zum Eigewert der -Matrix P, falls gilt: X P = X ud X (0,..., 0). Satz 5 besagt also, dass ei Tupel PR = (PR,..., PR ) R geau da die Page-Rak- Eigeschaft bzgl. d besitzt, we es ei liker Eigevektor zum Eigewert der Matrix P (G, d) ist, für de i= = ist. Diese Sichtweise auf de Page-Rak sowie die im folgede Abschitt vorgestellte Theorie der Markov-Kette helfe us, um die beide am Ede vo Abschitt.2 gestellte Probleme zu löse. 0

11 .4 Markov-Kette Markov-Kette sid ach dem russische Mathematiker Adrei A. Markov ( ) beat. I der Literatur werde uterschiedliche Schreibweise des Names verwedet, z.b. Markov, Markow oder Markoff. Defiitio 7 (Markov-Kette). Eie (homogee) Markov-Kette mit Übergagsmatrix P wird durch eie -Matrix P = ( p i,j )i,,..., Markov-Kette Übergagsmatrix mit N beschriebe, für die gilt: () p i,j 0 für alle i, j {,..., }, ud (2) für jede Zeile i {,..., } gilt: p i,j =. Eie Matrix P, die die Eigeschafte () ud (2) besitzt, wird auch stochastische Matrix geat. Der zu P gehörede Graph ist der gerichtete Graph mit Kotemege V = {,..., }, so dass für alle i, j {,... } gilt: Es gibt i G geau da eie Kate vo i ach j, we p i,j > 0 ist. De Eitrag p i,j i Zeile i ud Spalte j vo P ka ma als Wahrscheilichkeit dafür auffasse, dass ei Zufalls-Surfer im Graphe G i eiem Schritt vo Kote i zu Kote j sprigt. stochastische Matrix Beispiel 8. Sei G = (V, E) ei beliebiger gerichteter Graph mit Kotemege V = {,..., } (für := V N ), der keie Seke besitzt. Seit d eie reelle Zahl mit 0 d < ud sei P := P (G, d) die zugehörige Page-Rak-Matrix. Gemäß der Defiitio vo P (G, d) ist p i,j > 0 für alle i, j {,..., } (dazu beachte ma, dass 0 d < ist). Außerdem gilt für jede Zeile i {,..., }, dass p i,j = d + d j : (i,j) E G ohe Seke = ( d) + d =. Somit ist P eie stochastische Matrix, die eie Markov-Kette beschreibt. Für jedes i, j {,..., } gibt der Wert p i,j die Wahrscheilichkeit dafür a, dass der Zufalls-Surfer i eiem Schritt vo Webseite i zu Webseite j sprigt. Da p i,j > 0 ist, ist der zu P gehörede Graph der vollstädige gerichtete Graph auf Kote, d.h. der Graph mit Kotemege V = {,..., } ud Katemege V V. Diese Graphe bezeiche wir im Folgede mit K. K Die Theorie der Markov-Kette ud der stochastische Matrize wurde i der Literatur gut utersucht (siehe [5, 4]). Isbesodere ist Folgedes bekat (vgl. [3]): Satz 9. Sei N ud sei P = (p i,j ) i,,..., eie stochastische Matrix, bei der für alle i, j {,..., } gilt: p i,j > 0. Da gilt:

12 (a) Es gibt es geau ei Tupel X = (X,..., X ) R mit i= X i =, das ei liker Eigevektor zum Eigewert vo P ist. (b) Dieses Tupel X hat die Eigeschaft, dass für jedes i {,..., } der Wert X i > 0 ist. Wir gebe hier ur de Beweis vo Teil (a) des Satzes a ud verweise für de Beweis vo Teil (b) auf die Literatur. Beweis vo Satz 9(a): I diesem Beweis bezeichet der Buchstabe X stets eie Zeilevektor X = (X,..., X ) R, währed das Symbol y stets eie Spaltevektor i R der Form y = mit y i R für alle i {,..., } bezeichet. Wir schreibe, um de Spaltevektor y mit y i = für alle i {,..., } zu bezeiche. Aalog bezeiche 0 de Spaltevektor y mit y i = 0 für alle i {,..., }. Mit I bezeiche wir die Idetitätsmatrix vom Format, d.h. die ( )-Matrix, bei der auf der Diagoale e stehe ud a alle adere Stelle 0e. y. y Offesichtlicherweise gilt für eie Zeilevektor X R : X P = X X P X = (0,..., 0) X (P I) = (0,..., 0) (P I) T X T = 0, wobei wir für eie ( )-Matrix A = (,j ) i,,..., mit A T die zu A traspoierte Matrix bezeiche, d.h. A T = (a j,i ) j,i=,...,. Die Aussage vo Satz 9(a) ist äquivalet zu der Aussage, dass für die Matrix A := P I gilt: Der Ker vo A T hat Dimesio, d.h. es gilt: () es gibt eie Vektor y 0, so dass A T y = 0, ud (2) für jede Vektor z mit A T z = 0 gibt es eie Zahl k R, so dass z = k y. Aus der lieare Algebrst bekat, dass für jede ( )-Matrix A gilt: Der Ker vo A T hat geau da Dimesio, we der Ker vo A Dimesio hat. Wir köe daher a Stelle vo A T die Matrix A betrachte ud brauche ur zu zeige, dass gilt: () es gibt eie Vektor y 0, so dass A y = 0, ud (2) für jede Vektor z mit A z = 0 gibt es eie Zahl k R, so dass z = k y. 2

13 Da A = P I ud da P eie stochastische Matrix ist, erhalte wir Aussage (), idem wir y := wähle, de A = P, ud der Eitrag i Zeile i vo P ist gerade die Zahl p i,j =, für jedes i {,..., }. Um Aussage (2) zu beweise, sei z ei beliebiger Spaltevektor mit A z = 0. User Ziel ist, zu zeige, dass die Eiträge vo z i alle Zeile idetisch sid, d.h. z = z 2 = = z. Wege A = P I gilt für jedes i {,..., }, dass der Eitrag i Zeile i des Vektors A z wege A z = 0 wie folgt aussieht: ( ) p i,j z j z i = 0. Somit gilt: z i = p i,j z j. Wähle u i {,..., } so, dass z i z i für alle i {,..., } gilt. Da laut Voraussetzug p i,j 0 für alle i, j {,..., } gilt, erhalte wir: z i = p i,j z j z j z i = p i,j z i ( = z i = z i. p i,j ) z i Somit ka das -Zeiche i Zeile 2 ersetzt werde durch ei = -Zeiche, ud wir wisse, dass p i,j z j = p i,j z i. (.6) Ageomme, es gibt ei j {,..., }, so dass z j < z i. Da laut Voraussetzug p i,j > 0 ist, würde da aber p i,j z j < p i,j z i. gelte, was im Widerspruch zu Gleichug (.6) steht. Somit muss also z j = z i für alle j {,..., } gelte. D.h. z = z 2 = = z, ud daher ist z = k für k := z i. Ma beachte, dass sich aus der Kombiatio vo Satz 9(a), Beispiel 8 ud Satz 5 die Lösug des am Ede vo Abschitt.2 geate Problems () ergibt: Folgerug 0 (Lösug vo Problem () auf Seite 7). Ist G = (V, E) ei gerichteter Graph mit V = {,..., } (für N ), der keie Seke besitzt, ud ist d R ei Dämpfugsfaktor mit 0 d <, so gibt es geau ei Tupel PR = (PR,..., PR ) R, das die Page-Rak-Eigeschaft bezüglich d besitzt. Für dieses Tupel ist i= =, ud gemäß Satz 9(b) gilt > 0 für alle i {,..., }. 3

... a ik) i=1...m, k=1...n A = = ( a mn

... a ik) i=1...m, k=1...n A = = ( a mn Zurück Stad: 4..6 Reche mit Matrize I der Mathematik bezeichet ma mit Matrix im Allgemeie ei rechteckiges Zahleschema. I der allgemeie Darstellug habe die Zahle zwei Idizes, de erste für die Zeileummer,

Mehr

Informatik II Dynamische Programmierung

Informatik II Dynamische Programmierung lausthal Iformatik II Dyamische Programmierug. Zachma lausthal Uiversity, ermay zach@i.tu-clausthal.de Zweite Techik für de Algorithmeetwurf Zum Name: "Dyamische " hat ichts mit "Dyamik" zu tu, soder mit

Mehr

2 Vollständige Induktion

2 Vollständige Induktion 8 I. Zahle, Kovergez ud Stetigkeit Vollstädige Iduktio Aufgabe: 1. Bereche Sie 1+3, 1+3+5 ud 1+3+5+7, leite Sie eie allgemeie Formel für 1+3+ +( 3)+( 1) her ud versuche Sie, diese zu beweise.. Eizu5% ZiseproJahragelegtes

Mehr

Satz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist.

Satz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist. Erfüllbarkeit, Uerfüllbarkeit, Allgemeigültigkeit Defiitio Eie Belegug β ist passed zu eiem Boolesche Term t, falls β für alle atomare Terme i t defiiert ist. (Wird ab jetzt ageomme.) Ist β(t) = true,

Mehr

Kunde. Kontobewegung

Kunde. Kontobewegung Techische Uiversität Müche WS 2003/04, Fakultät für Iformatik Datebaksysteme I Prof. R. Bayer, Ph.D. Lösugsblatt 4 Dipl.-Iform. Michael Bauer Dr. Gabi Höflig 17.11. 2003 Abbildug E/R ach relatioal - Beispiel:

Mehr

Kapitel 4: Stationäre Prozesse

Kapitel 4: Stationäre Prozesse Kapitel 4: Statioäre Prozesse M. Scheutzow Jauary 6, 2010 4.1 Maßerhaltede Trasformatioe I diesem Kapitel führe wir zuächst de Begriff der maßerhaltede Trasformatio auf eiem Wahrscheilichkeitsraum ei ud

Mehr

3. Tilgungsrechnung. 3.1. Tilgungsarten

3. Tilgungsrechnung. 3.1. Tilgungsarten schreier@math.tu-freiberg.de 03731) 39 2261 3. Tilgugsrechug Die Tilgugsrechug beschäftigt sich mit der Rückzahlug vo Kredite, Darlehe ud Hypotheke. Dabei erwartet der Gläubiger, daß der Schulder seie

Mehr

Statistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S

Statistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S Statistik mit Excel 2013 Peter Wies Theme-Special 1. Ausgabe, Februar 2014 W-EX2013S 3 Statistik mit Excel 2013 - Theme-Special 3 Statistische Maßzahle I diesem Kapitel erfahre Sie wie Sie Date klassifiziere

Mehr

15.4 Diskrete Zufallsvariablen

15.4 Diskrete Zufallsvariablen .4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet

Mehr

Kleines Matrix-ABC. Fachgebiet Regelungstechnik Leiter: Prof. Dr.-Ing. Johann Reger. 1 Elementares

Kleines Matrix-ABC. Fachgebiet Regelungstechnik Leiter: Prof. Dr.-Ing. Johann Reger. 1 Elementares 4 6 Fachgebiet Regelugstechik Leiter: Prof. Dr.-Ig. Joha Reger Kleies Matrix-ABC 1 Eleetares Eie ( )-Matrix ist eie rechteckige Aordug vo reelle oder koplexe Zahle a ij (auch Skalare geat) ud besteht aus

Mehr

SUCHPROBLEME UND ALPHABETISCHE CODES

SUCHPROBLEME UND ALPHABETISCHE CODES SUCHPROBLEME UND ALPHABETISCHE CODES Der Problematik der alphabetische Codes liege Suchprobleme zugrude, dere Lösug dem iformatiostheoretische Problem der Fidug eies (optimale) alphabetische Codes gleich

Mehr

Übungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 0

Übungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 0 UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Prof. Dr. Rolad Speicher M.Sc. Tobias Mai Übuge zur Vorlesug Fuktioetheorie Sommersemester 01 Musterlösug zu Blatt 0 Aufgabe 1. Käpt Schwarzbart,

Mehr

Lösungen der Aufgaben zur Vorbereitung auf die Klausur Mathematik für Informatiker I

Lösungen der Aufgaben zur Vorbereitung auf die Klausur Mathematik für Informatiker I Uiversität des Saarlades Fakultät für Mathematik ud Iformatik Witersemester 2003/04 Prof. Dr. Joachim Weickert Dr. Marti Welk Dr. Berhard Burgeth Lösuge der Aufgabe zur Vorbereitug auf die Klausur Mathematik

Mehr

Lernhilfe in Form eines ebooks

Lernhilfe in Form eines ebooks Ziseszisrechug Lerhilfe i Form eies ebooks apitel Thema Seite 1 Vorwort ud Eiführug 2 2 Theorie der Ziseszisrechug 5 3 Beispiele ud Beispielrechuge 12 4 Testaufgabe mit Lösuge 18 Zis-Ziseszis.de 212 Seite

Mehr

LV "Grundlagen der Informatik" Programmierung in C (Teil 2)

LV Grundlagen der Informatik Programmierung in C (Teil 2) Aufgabekomplex: Programmiere i C (Teil vo ) (Strukturierte Datetype: Felder, Strukture, Zeiger; Fuktioe mit Parameterübergabe; Dateiarbeit) Hiweis: Alle mit * gekezeichete Aufgabe sid zum zusätzliche Übe

Mehr

2. Gleichwertige Lösungen

2. Gleichwertige Lösungen 8. Gleichwertige Lösuge Für die Lösug jeder lösbare Aufgabe gibt es eie uedliche Azahl vo (abstrakte ud kokrete) Algorithme. Das folgede Problem illustriert, dass eie Aufgabe eifacher oder kompliziert,

Mehr

Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39

Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39 Statistik Eiführug Kofidezitervalle für eie Parameter Kapitel 7 Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Kofidezitervalle

Mehr

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban Istitut für tochastik Prof. Dr. N. Bäuerle Dipl.-Math.. Urba Lösugsvorschlag 9. Übugsblatt zur Vorlesug Fiazmathematik I Aufgabe Ei euartiges Derivat) Wir sid i eiem edliche, arbitragefreie Fiazmarkt,

Mehr

IWW Studienprogramm. Aufbaustudium. Gründungscontrolling. Lösungshinweise zur 3. Musterklausur

IWW Studienprogramm. Aufbaustudium. Gründungscontrolling. Lösungshinweise zur 3. Musterklausur Istitut für Wirtschaftswisseschaftliche Forschug ud Weiterbildug GmbH Istitut a der FerUiversität i Hage IWW Studieprogramm Aufbaustudium Grüdugscotrollig Lösugshiweise zur 3. Musterklausur Lösugshiweise

Mehr

Das Digitale Archiv des Bundesarchivs

Das Digitale Archiv des Bundesarchivs Das Digitale Archiv des Budesarchivs 2 3 Ihaltsverzeichis Das Digitale Archiv des Budesarchivs 4 Techische Ifrastruktur 5 Hilfsmittel zur Archivierug 5 Archivierugsformate 6 Abgabe vo elektroische Akte

Mehr

AVANTI Neuerungen. Inhalt. I. Neuerungen Version 16. 1. Pin Funktion. 2. Status für Nachtragspositionen. 3. DBD Baupreise EFB

AVANTI Neuerungen. Inhalt. I. Neuerungen Version 16. 1. Pin Funktion. 2. Status für Nachtragspositionen. 3. DBD Baupreise EFB Neueruge Software Techologie GmbH 67433 Neustadt / Weistraße Ihalt I. Neueruge Versio 16 3 1. Pi Fuktio 3 2. Status für Nachtragspositioe 5 3. DBD Baupreise EFB 6 4. Programm Eistiegs Assistet 8 5. Voreistellugs-Assistet

Mehr

Übungsblatt 1 zur Vorlesung Angewandte Stochastik

Übungsblatt 1 zur Vorlesung Angewandte Stochastik Dr Christoph Luchsiger Übugsblatt 1 zur Vorlesug Agewadte Stochastik Repetitio WT Herausgabe des Übugsblattes: Woche 9, Abgabe der Lösuge: Woche 1 (bis Freitag, 1615 Uhr), Rückgabe ud Besprechug: Woche

Mehr

n 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:

n 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen: 61 6.2 Grudlage der mathematische Statistik 6.2.1 Eiführug i die mathematische Statistik I der mathematische Statistik behadel wir Masseerscheiuge. Wir habe es deshalb im Regelfall mit eier große Zahl

Mehr

BINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008

BINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008 Stochasti ud ihre Didati Refereti: Iris Wiler 10.11.2008 Aufgabe: Führe Sie i der Seudarstufe II die Biomialoeffiziete als ombiatorisches Azahlproblem ei. Erarbeite Sie mit de Schülerie ud Schüler mithilfe

Mehr

Kryptologie: Kryptographie und Kryptoanalyse Kryptologie ist die Wissenschaft, die sich mit dem Ver- und Entschlüsseln von Informationen befasst.

Kryptologie: Kryptographie und Kryptoanalyse Kryptologie ist die Wissenschaft, die sich mit dem Ver- und Entschlüsseln von Informationen befasst. Krytologie: Krytograhie ud Krytoaalyse Krytologie ist die Wisseschaft, die sich mit dem Ver- ud Etschlüssel vo Iformatioe befasst. Beisiel Iteretkommuikatio: Versiegel (Itegrität der Nachricht) Sigiere

Mehr

Byzantinische Einigung im Full-Information-Modell in O(log n) Runden

Byzantinische Einigung im Full-Information-Modell in O(log n) Runden Byzatiische Eiigug im Full-Iformatio-Modell i O(log ) Rude Martia Hüllma Uiversität Paderbor (martiah@upb.de) Zusammefassug. Byzatiische Eiigug stellt ei grudlegedes Problem im Bereich verteilter Systeme

Mehr

Aufgaben und Lösungen der Probeklausur zur Analysis I

Aufgaben und Lösungen der Probeklausur zur Analysis I Fachbereich Mathematik AG 5: Fuktioalaalysis Prof. Dr. K.-H. Neeb Dipl.-Math. Rafael Dahme Dipl.-Math. Stefa Wager ATECHNISCHE UNIVERSITÄT DARMSTADT SS 007 19. Jui 007 Aufgabe ud Lösuge der Probeklausur

Mehr

Grundgesamtheitsanaylsen und Stichproben. Betrachtungen zur Stichprobenfindung

Grundgesamtheitsanaylsen und Stichproben. Betrachtungen zur Stichprobenfindung MaMaEuSch Maagemet Mathematics for Europea Schools http://www.mathematik.uikl.de/ mamaeusch Grudgesamtheitsaaylse ud Stichprobe. Betrachtuge zur Stichprobefidug Paula Lagares Justo Puerto 1 MaMaEuSch 2

Mehr

Aufgaben zur vollständigen Induktion

Aufgaben zur vollständigen Induktion c 7 by Raier Müller - Aufgabe zur vollstädige Idutio We ichts aderes agegebe ist, da gelte die Behauptuge für IN {; ; ;...}. A) Teilbareit: ) ist gerade (d.h. durch teilbar). ) ist durch teilbar. ) ist

Mehr

Versuch 13/1 NEWTONSCHE INTERFERENZRINGE Blatt 1 NEWTONSCHE INTERFERENZRINGE

Versuch 13/1 NEWTONSCHE INTERFERENZRINGE Blatt 1 NEWTONSCHE INTERFERENZRINGE Versuch 3/ NEWTONSCHE INTERFERENZRINGE Blatt NEWTONSCHE INTERFERENZRINGE Die Oberfläche vo Lise hat im allgemeie Kugelgestalt. Zur Messug des Krümmugsradius diet das Sphärometer. Bei sehr flacher Krümmug

Mehr

Kapitel 6: Statistische Qualitätskontrolle

Kapitel 6: Statistische Qualitätskontrolle Kapitel 6: Statistische Qualitätskotrolle 6. Allgemeies Für die Qualitätskotrolle i eiem Uterehme (produzieredes Gewerbe, Diestleistugsuterehme, ) gibt es verschiedee Möglichkeite. Statistische Prozesskotrolle

Mehr

Höhere Finanzmathematik. Sehr ausführliches Themenheft (d. h. mit Theorie) Aber auch mit vielen Trainingsaufgaben

Höhere Finanzmathematik. Sehr ausführliches Themenheft (d. h. mit Theorie) Aber auch mit vielen Trainingsaufgaben Expoetielles Wachstum Höhere Fiazmathematik Sehr ausführliches Themeheft (d. h. mit Theorie) Aber auch mit viele Traiigsaufgabe Es hadelt sich um eie Awedug vo Expoetialfuktioe (Wachstumsfuktioe) Datei

Mehr

Lerneinheit 2: Grundlagen der Investition und Finanzierung

Lerneinheit 2: Grundlagen der Investition und Finanzierung Lereiheit 2: Grudlage der Ivestitio ud Fiazierug 1 Abgrezug zu de statische Verfahre Durchschittsbetrachtug wird aufgegebe Zeitpukt der Zahlugsmittelbewegug explizit berücksichtigt exakte Erfassug der

Mehr

elektr. und magnet. Feld A 7 (1)

elektr. und magnet. Feld A 7 (1) FachHochschule Lausitz Physikalisches Praktikum α- ud β-strahlug im elektr. ud maget. Feld A 7 Name: Matrikel: Datum: Ziel des Versuches Das Verhalte vo α- ud β-strahlug im elektrische ud magetische Feld

Mehr

Testumfang für die Ermittlung und Angabe von Fehlerraten in biometrischen Systemen

Testumfang für die Ermittlung und Angabe von Fehlerraten in biometrischen Systemen Testumfag für die Ermittlug ud Agabe vo Fehlerrate i biometrische Systeme Peter Uruh SRC Security Research & Cosultig GmbH peter.uruh@src-gmbh.de Eileitug Biometrische Systeme werde durch zwei wichtige

Mehr

Qualitätskennzahlen für IT-Verfahren in der öffentlichen Verwaltung Lösungsansätze zur Beschreibung von Metriken nach V-Modell XT

Qualitätskennzahlen für IT-Verfahren in der öffentlichen Verwaltung Lösungsansätze zur Beschreibung von Metriken nach V-Modell XT Qualitätskezahle für IT-Verfahre i der öffetliche Verwaltug Lösugsasätze zur Vo Stefa Bregezer Der Autor arbeitet im Bereich Softwaretest ud beschäftigt sich als Qualitätsbeauftragter mit Theme zu Qualitätssicherug

Mehr

Allgemeine Lösungen der n-dimensionalen Laplace-Gleichung und ihre komplexe Variable

Allgemeine Lösungen der n-dimensionalen Laplace-Gleichung und ihre komplexe Variable Allgemeie Lösuge der -dimesioale Laplace-Gleichug ud ihre komplexe Variable Dr. rer. at. Kuag-lai Chao Göttige, de 4. Jauar 01 Abstract Geeral solutios of the -dimesioal Laplace equatio ad its complex

Mehr

Lektion II Grundlagen der Kryptologie

Lektion II Grundlagen der Kryptologie Lektio II Grudlage der Kryptologie Klassische Algorithme Ihalt Lektio II Grudbegriffe Kryptologie Kryptographische Systeme Traspositioschiffre Substitutioschiffre Kryptoaalyse Übuge Vorlesug Datesicherheit

Mehr

Robuste Asset Allocation in der Praxis

Robuste Asset Allocation in der Praxis Fiazmarkt Sachgerechter Umgag mit Progosefehler Robuste Asset Allocatio i der Praxis Pesiosfods ud adere istitutioelle Aleger sid i aller Regel a ei bestimmtes Rediteziel (Rechugszis) gebude, das Jahr

Mehr

Zahlenfolgen, Grenzwerte und Zahlenreihen

Zahlenfolgen, Grenzwerte und Zahlenreihen KAPITEL 5 Zahlefolge, Grezwerte ud Zahlereihe. Folge Defiitio 5.. Uter eier Folge reeller Zahle (oder eier reelle Zahlefolge) versteht ma eie auf N 0 erlarte reellwertige Futio, die jedem N 0 ei a R zuordet:

Mehr

[ Installation medisign Signaturkarten ] 10-2009

[ Installation medisign Signaturkarten ] 10-2009 Awederiformatio [ Istallatio medisig Sigaturkarte ] 10-2009 medisig earztausweis medisig epsychotherapeuteausweis medisig ZOD Card medisig Card Impressum Herausgeber: medisig GmbH Sitz der Gesellschaft:

Mehr

Musterlösung zu Übungsblatt 2

Musterlösung zu Übungsblatt 2 Prof. R. Padharipade J. Schmitt C. Schießl Fuktioetheorie 25. September 15 HS 2015 Musterlösug zu Übugsblatt 2 Aufgabe 1. Reelle Fuktioe g : R R stelle wir us üblicherweise als Graphe {(x, g(x)} R R vor.

Mehr

Innerbetriebliche Leistungsverrechnung

Innerbetriebliche Leistungsverrechnung Ierbetriebliche Leistugsverrechug I der Kostestellerechug bzw. im Betriebsabrechugsboge (BAB ist ach der Erfassug der primäre Kostestellekoste das Ziel, die sekudäre Kostestellekoste, also die Koste der

Mehr

Projekte des BTW. Deutscher Bundestag/Stephan Erfurt. Projekte des BTW

Projekte des BTW. Deutscher Bundestag/Stephan Erfurt. Projekte des BTW Projekte des BTW Deutscher Budestag/Stepha Erfurt Projekte des BTW 21 Wirtschaftsfaktor Tourismus Belastbare Zahle für eie umsatzstarke Querschittsbrache Das Jahr 2011 stad für de BTW uter aderem im Zeiche

Mehr

Übungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 11. c n (z a) n,

Übungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 11. c n (z a) n, f : a P UNIVERSIÄ DES SAARLANDES FACHRICHUNG 6. MAHEMAIK Prof. Dr. Rolad Speicher M.Sc. obias Mai Übuge zur Vorlesug Fuktioetheorie Sommersemester 202 Musterlösug zu Blatt Aufgabe. Zeige Sie durch Abwadlug

Mehr

Sichtbar im Web! Websites für Handwerksbetriebe. Damit Sie auch online gefunden werden.

Sichtbar im Web! Websites für Handwerksbetriebe. Damit Sie auch online gefunden werden. Sichtbar im Web! Websites für Hadwerksbetriebe. Damit Sie auch olie gefude werde. Professioelles Webdesig für: Hadwerksbetriebe Rudum-sorglos-Pakete Nur für Hadwerksbetriebe Webdesig zu Festpreise - ukompliziert

Mehr

Elektronikpraktikum: Digitaltechnik 2

Elektronikpraktikum: Digitaltechnik 2 Elektroikpraktikum: Digitaltechik 2 Datum, Ort: 16.05.2003, PHY/D-213 Betreuer: Schwierz Praktikate: Teshi C. Hara, Joas Posselt (beide 02/2/PHY/02) Gruppe: 8 Ziele Aufbau eier 3-Bit-Dekodierschaltug;

Mehr

Statistik I/Empirie I

Statistik I/Empirie I Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass

Mehr

Versuch D3: Energiebilanz einer Verbrennung

Versuch D3: Energiebilanz einer Verbrennung Versuch D: Eergiebilaz eier Verbreug 1. Eiführug ud Grudlage 1.1 Eergiebilaz eier Verbreug Die Eergiebilaz eier Verbreug wird am eispiel eier kleie rekammer utersucht, i welcher die bei der Verbreug vo

Mehr

Klasse: Platzziffer: Punkte: / Graph zu f

Klasse: Platzziffer: Punkte: / Graph zu f Pflichtteil Mathematik I Aufgabe P Name: Vorame: Klasse: Platzziffer: Pukte: / P.0 Gegebe ist die Fuktio f mit der Gleichug (siehe Zeichug). y x8 y,25 4 mit GI IRIR Graph zu f O x P. x 8 Die Pukte C (x,25

Mehr

3 Die Außenfinanzierung durch Fremdkapital (Kreditfinanzierung)

3 Die Außenfinanzierung durch Fremdkapital (Kreditfinanzierung) 3 Die Außefiazierug durch Fremdkapital (Kreditfiazierug) 3.1 Die Charakteristika ud Forme der Kreditfiazierug Aufgabe 3.1: Idealtypische Eigeschafte vo Eige- ud Fremdkapital Stelle Sie die idealtypische

Mehr

beck-shop.de 2. Online-Marketing

beck-shop.de 2. Online-Marketing beck-shop.de 2. Olie-Marketig aa) Dateschutzrechtliche Eiwilligug immer erforderlich Ohe Eiwilligug des Nutzers ist eie Erhebug persoebezogeer Date icht zulässig. Eie derartige Eiwilligug ka auch icht

Mehr

AUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2. Datenfluß und Programmablauf 2. Vorbedingung 3. Nachbedingung 3. Schleifeninvariante 3

AUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2. Datenfluß und Programmablauf 2. Vorbedingung 3. Nachbedingung 3. Schleifeninvariante 3 INHALTSVERZEICHNIS AUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2 Datefluß ud Programmablauf 2 Vorbedigug 3 Nachbedigug 3 Schleifeivariate 3 KONSTRUKTION 4 ALTERNATIVE ENTWURFSMÖGLICHKEITEN 5 EFFEKTIVE

Mehr

Variiert man zusätzlich noch die Saatstärke (z.b. 3 Stärkearten), würde man von einer zweifaktoriellen Varianzanalyse sprechen.

Variiert man zusätzlich noch die Saatstärke (z.b. 3 Stärkearten), würde man von einer zweifaktoriellen Varianzanalyse sprechen. 3. Variazaalyse Die Variazaalyse mit eier quatitative abhägige Variable ud eier oder mehrerer qualitativer uabhägiger Variable wird auch als ANOVA (Aalysis of Variace) bezeichet. Mit eier Variazaalyse

Mehr

2. Diophantische Gleichungen

2. Diophantische Gleichungen 2. Diophatische Gleichuge [Teschl05, S. 91f] 2.1. Was ist eie diophatische Gleichug ud wozu braucht ma sie? Def D2-1: Eie diophatische Gleichug ist eie Polyomfuktio i x,y,z,, bei der als Lösuge ur gaze

Mehr

x 2 + 2 m c Φ( r, t) = n q n (t) φ n ( r) (5) ( + k 2 n ) φ n ( r) = 0 (6a)

x 2 + 2 m c Φ( r, t) = n q n (t) φ n ( r) (5) ( + k 2 n ) φ n ( r) = 0 (6a) Quatisierug eies skalare Feldes Das Ziel ist eigetlich das elektromagetische Feld zu quatisiere, aber wie ma scho a de MAXWELLsche Gleichuge sehe ka, ist es zu kompliziert, um damit zu begie. Außerdem

Mehr

Modellbasierte Testautomatisierung: Von der Anforderungsanalyse zu automatisierten Testabläufen

Modellbasierte Testautomatisierung: Von der Anforderungsanalyse zu automatisierten Testabläufen Modellbasierte Testautomatisierug: Vo der Aforderugsaalyse zu automatisierte Testabläufe Modellbasierte Testautomatisierug: Vo der Aforderugsaalyse zu automatisierte Testabläufe Das i diesem Artikel beschriebee

Mehr

Die Instrumente des Personalmanagements

Die Instrumente des Personalmanagements 15 2 Die Istrumete des Persoalmaagemets Zur Lerorietierug Sie solle i der Lage sei:! die Ziele, Asätze ud Grüde eier systematische Persoalplaug darzulege;! die Istrumete der Persoalplaug zu differeziere;!

Mehr

cubus EV als Erweiterung für Oracle Business Intelligence

cubus EV als Erweiterung für Oracle Business Intelligence cubus EV als Erweiterug für Oracle Busiess Itelligece... oder wie Oracle-BI-Aweder mit Essbase-Date vo cubus outperform EV Aalytics (cubus EV) profitiere INHALT 01 cubus EV als Erweiterug für die Oracle

Mehr

Fachgerechte Strukturierung von Planungsinformationen auf der Basis von Gebäudemodellen in Projektkommunikationssystemen

Fachgerechte Strukturierung von Planungsinformationen auf der Basis von Gebäudemodellen in Projektkommunikationssystemen Fachgerechte Strukturierug vo Plaugsiformatioe auf der Basis vo Gebäudemodelle i Projektkommuikatiossysteme Michael Peterse, Joaquí Díaz CIP Igeieurgesellschaft mbh Robert-Bosch-Str. 7, 64293 Darmstadt

Mehr

Fingerprinting auf Basis der Geometrischen Struktur von Videos

Fingerprinting auf Basis der Geometrischen Struktur von Videos 35.1 Figerpritig auf Basis der Geometrische Struktur vo Videos Dima Pröfrock, Mathias Schlauweg, Erika Müller Uiversität Rostock, Istitut für Nachrichtetechik, Richard Wager Str. 31, 18119 Rostock, {dima.proefrock,

Mehr

Das Rätsel mit der Balkenwaage

Das Rätsel mit der Balkenwaage Das Rätsel mit der Balkewaage Mathematische Abhadlug über ei Iformatiosproblem 6. Juli 998:. Fassug 6. Jauar 999: 2. Fassug 24. Jui 2005: Überarbeitug Marti Abbühl, Thu, CH balkewaage@abbuehl.et 0. Ihalt

Mehr

Finanzmathematik. srdp orientierte. Seminar in Salzburg, HLW Annahof. Inhalt: I Display und Screenshots 2. II Grundbegriffe 3

Finanzmathematik. srdp orientierte. Seminar in Salzburg, HLW Annahof. Inhalt: I Display und Screenshots 2. II Grundbegriffe 3 Semiar i Salzburg, HLW Aahof srdp orietierte Fiazmathematik mit TI 82 stats Ihalt: I Display ud Screeshots 2 II Grudbegriffe 3 III Eifache Verzisug 3 IV Ziseszis 4 VI Äquivalezprizip 4 VII Uterjährige

Mehr

SQL. Grundlagen und Datenbankdesign. Elmar Fuchs. 2. Ausgabe, April 2012 SQL

SQL. Grundlagen und Datenbankdesign. Elmar Fuchs. 2. Ausgabe, April 2012 SQL SQL Elmar Fuchs 2. Ausgabe, April 202 Grudlage ud Datebakdesig SQL 3 SQL - Grudlage ud Datebakdesig 3 Der Datebaketwurf I diesem Kapitel erfahre Sie wie sich der Datebak-Lebeszyklus vollzieht welche Etwurfsphase

Mehr

Betriebswirtschaft Wirtschaftsmathematik Studienleistung BW-WMT-S12 011110

Betriebswirtschaft Wirtschaftsmathematik Studienleistung BW-WMT-S12 011110 Name, Vorame Matrikel-Nr. Studiezetrum Studiegag Fach Art der Leistug Klausur-Kz. Betriebswirtschaft Wirtschaftsmathematik Studieleistug Datum 10.11.2001 BW-WMT-S12 011110 Verwede Sie ausschließlich das

Mehr

Löslichkeitsdiagramm. Grundlagen

Löslichkeitsdiagramm. Grundlagen Grudlage Löslichkeitsdiagramm Grudlage Zur etrachtug des Mischugsverhaltes icht vollstädig mischbarer Flüssigkeite, das heißt Flüssigkeite, die sich icht bei jeder Temperatur i alle Megeverhältisse miteiader

Mehr

Die allgemeinen Daten zur Einrichtung von md cloud Sync auf Ihrem Smartphone lauten:

Die allgemeinen Daten zur Einrichtung von md cloud Sync auf Ihrem Smartphone lauten: md cloud Syc / FAQ Häufig gestellte Frage Allgemeie Date zur Eirichtug Die allgemeie Date zur Eirichtug vo md cloud Syc auf Ihrem Smartphoe laute: Kototyp: Microsoft Exchage / ActiveSyc Server/Domai: mailsyc.freeet.de

Mehr

Versuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK. 1. Vorbemerkung

Versuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK. 1. Vorbemerkung Versuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK Physikalische Prozesse, die eier statistische Gesetzmäßigkeit uterworfe sid, lasse sich mit eier Verteilugsfuktio beschreibe. Die Gauß-Verteilug

Mehr

Wirtschaftsmathematik

Wirtschaftsmathematik Studiegag Betriebswirtschaft Fach Wirtschaftsmathematik Art der Leistug Studieleistug Klausur-Kz. BW-WMT-S1 040508 Datum 08.05.004 Bezüglich der Afertigug Ihrer Arbeit sid folgede Hiweise verbidlich: Verwede

Mehr

Wahrscheinlichkeit & Statistik

Wahrscheinlichkeit & Statistik Wahrscheilichkeit & Statistik created by Versio: 3. Jui 005 www.matheachhilfe.ch ifo@matheachhilfe.ch 079 703 7 08 Mege als Sprache der Wahrscheilichkeitsrechug, Begriffe, Grudregel Ereigisraum: Ω Ω Mege

Mehr

Mengenbegriff und Mengendarstellung

Mengenbegriff und Mengendarstellung R. Brikma http://brikma-du.de Seite 1 05.10.008 Megebegriff ud Megedarstellug Eie Mege, ist die Zusammefassug bestimmter, wohluterschiedeer Objekte userer Aschauug ud useres Dekes welche Elemete der Mege

Mehr

Zur Definition. der wirksamen. Wärmespeicherkapazität

Zur Definition. der wirksamen. Wärmespeicherkapazität Ao. Uiv. Prof. Dipl.-Ig. Dr. tech. Klaus Kreč, Büro für Bauphysik, Schöberg a Kap, Österreich Zur Defiitio der wirksae Wärespeicherkapazität vo Ao. Uiv. Prof. Dipl.-Ig. Dr. tech. Klaus Kreč Büro für Bauphysik

Mehr

Ausgangspunkt: Über einen endlichen Zeitraum wird aus einem Kapital (Rentenbarwert RBW v n,i

Ausgangspunkt: Über einen endlichen Zeitraum wird aus einem Kapital (Rentenbarwert RBW v n,i D. Reterechug 1.1. Jährliche Retezahluge 1.1.1. Vorschüssige Retezahluge Ausgagspukt: Über eie edliche Zeitraum wird aus eiem Kapital (Retebarwert RBW v,i ), das ziseszislich agelegt ist, jeweils zu Begi

Mehr

A/D UND D/A WANDLER. 1. Einleitung

A/D UND D/A WANDLER. 1. Einleitung A/D UND D/A WANDLER. Eileitug Zur Umwadlug physikalischer Größe, beispielsweise i eie Spaug, werde Wadlerbausteie - auch allgemei Sigalumsetzer geat- beötigt. Ei Sesor liefert ei aaloges Sigal, das i geeigeter

Mehr

Die Gasgesetze. Die Beziehung zwischen Volumen und Temperatur (Gesetz von J.-L. und J. Charles): Gay-Lussac

Die Gasgesetze. Die Beziehung zwischen Volumen und Temperatur (Gesetz von J.-L. und J. Charles): Gay-Lussac Die Gasgesetze Die Beziehug zwische olume ud Temeratur (Gesetz vo J.-L. Gay-Lussac ud J. Charles): cost. T oder /T cost. cost.. hägt h vo ud Gasmege ab. Die extraolierte Liie scheidet die Temeratur- skala

Mehr

1741 SWITZERLAND EQUAL WEIGHTED INDEX

1741 SWITZERLAND EQUAL WEIGHTED INDEX 1741 Switzerlad Idex Series 1741 SWITZERLAND EQUAL WEIGHTED INDEX Reglemet Versio vom 01.07.2015 1741 Switzerlad Equal Weighted Idex 2 INHALTSVERZEICHNIS 1 Eileitug 3 2 Idex Spezifikatioe 4 3 Idex Uiversum

Mehr

Nachklausur - Analysis 1 - Lösungen

Nachklausur - Analysis 1 - Lösungen Prof. Dr. László Székelyhidi Aalysis I, WS 212 Nachklausur - Aalysis 1 - Lösuge Aufgabe 1 (Folge ud Grezwerte). (i) (1 Pukt) Gebe Sie die Defiitio des Häufugspuktes eier reelle Zahlefolge (a ) N. Lösug:

Mehr

FIBU Kontoauszugs- Manager

FIBU Kontoauszugs- Manager FIBU Kotoauszugs- Maager Ihaltsverzeichis 1 Leistugsbeschreibug... 3 2 Highlights... 4 2.1 Buchugsvorschläge i der Buchugserfassug... 4 2.2 Vergleichstexterstellug zur automatische Vorkotierug... 5 2.3

Mehr

Protokoll zum Anfängerpraktikum

Protokoll zum Anfängerpraktikum Protokoll zum Afägerpraktikum Polarisatio vo Licht Gruppe, Team 5 Sebastia Korff Frerich Max 0.07.06 Ihaltsverzeichis. Eileitug -3-. Polarisatio -3-. Dichroismus -4-.3 BREWSTER Wikel -5-.4 Der FARADAY

Mehr

1 Analysis T1 Übungsblatt 1

1 Analysis T1 Übungsblatt 1 Aalysis T Übugsblatt A eier Weggabelug i der Wüste lebe zwei Brüder, die vollkomme gleich aussehe, zwische dee es aber eie gewaltige Uterschied gibt: Der eie sagt immer die Wahrheit, der adere lügt immer.

Mehr

Organisatorische Strukturen und Stammdaten in ERP-Systemen

Organisatorische Strukturen und Stammdaten in ERP-Systemen Attributame Beschreibug Name des Lerobjekts Autor/e Zielgruppe Vorwisse Lerziel Beschreibug Dauer der Bearbeitug Keywords Orgaisatorische Strukture ud Stammdate i ERP-Systeme FH Vorarlberg: Gasser Wirtschaftsiformatik

Mehr

Transformator. n Windungen

Transformator. n Windungen echische iversität Dresde stitut für Ker- ud eilchephysik R. Schwierz V/5/29 Grudpraktikum Physik Versuch R rasformator rasformatore werde i viele ereiche der Elektrotechik ud Elektroik eigesetzt. Für

Mehr

Die Forschungsdatenbank zu Inschriften/Scans/Bildern im. Institut für Urchristentum und Antike

Die Forschungsdatenbank zu Inschriften/Scans/Bildern im. Institut für Urchristentum und Antike Gebhard Dettmar Istitut für Urchristetum ud Atike www2.hu-berli.de/ura Die Forschugsdatebak zu Ischrifte/Scas/Bilder im Istitut für Urchristetum ud Atike Eie Etwurfsdokumetatio zum Datebaketwurf ach dem

Mehr

Empirische Methoden I

Empirische Methoden I Hochschule für Wirtschaft ud 2012 Umwelt Nürtige-Geislige Fakultät Betriebswirtschaft ud Iteratioale Fiaze Prof. Dr. Max C. Wewel Prof. Dr. Corelia Niederdrek-Felger Aufgabe zum Tutorium Empirische Methode

Mehr

PageRank: Wie Google funktioniert

PageRank: Wie Google funktioniert PageRa: Wie Google futioiert Außermathematische Aweuge im Mathematiuterricht WS 0/ Fraz Embacher, Uiversität Wie Das Erfolgsrezept er Suchmaschie vo Google lag zuächst i er überzeugee Reihug vo reffer.

Mehr

Physikalische Grundlagen: Strahlengang durch optische Systeme

Physikalische Grundlagen: Strahlengang durch optische Systeme ieser Text ist ür iteressierte Leser gedacht, die sich über die klausur-relevate, physiologische Grudlage hiaus mit der Optik des Auges beschätige wolle! Physikalische Grudlage: Strahlegag durch optische

Mehr

2. Datenbankentwurf mittels. Entity-Relationship - Modell (ERM) 2.1. Entities. Definitionen:

2. Datenbankentwurf mittels. Entity-Relationship - Modell (ERM) 2.1. Entities. Definitionen: - 2 - - 22-2. Datebaketwurf mittels Etity-Relatioship - Modell (ERM) Ursprug: Che 976, heute viele Variate Bedeutug: grafisches Hilfsmittel zur sematische Modellierug der Diskurswelt (Awedugsgebiet) (d.h.

Mehr

Stetigkeit und Differenzierbarkeit. Vorlesung zur Didaktik der Analysis

Stetigkeit und Differenzierbarkeit. Vorlesung zur Didaktik der Analysis Stetigkeit ud Dierezierbarkeit Vorlesug zur Didaktik der Aalysis Ihalt Nachtrag: Fuktioegrezwert Stetigkeit Aschauliche Bedeutug Mathematische Präzisierug Topologische Charakterisierug Gleichmäßige Stetigkeit

Mehr

Korrekturrichtlinie zur Studienleistung Wirtschaftsmathematik am 22.12.2007 Betriebswirtschaft BB-WMT-S11-071222

Korrekturrichtlinie zur Studienleistung Wirtschaftsmathematik am 22.12.2007 Betriebswirtschaft BB-WMT-S11-071222 Korrekturrichtliie zur Studieleistug Wirtschaftsmathematik am..007 Betriebswirtschaft BB-WMT-S-07 Für die Bewertug ud Abgabe der Studieleistug sid folgede Hiweise verbidlich: Die Vergabe der Pukte ehme

Mehr

Evaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt

Evaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt 2.4.5 Gauss-Test ud t-test für verbudee Stichprobe 2.4.5.8 Zum Begriff der verbudee Stichprobe Verbudee Stichprobe: Vergleich zweier Merkmale X ud Y, die jetzt a deselbe Persoe erhobe werde. Vorsicht:

Mehr

Beschreibende Statistik Kenngrößen in der Übersicht (Ac)

Beschreibende Statistik Kenngrößen in der Übersicht (Ac) Beschreibede Statistik Kegröße i der Übersicht (Ac) Im folgede wird die Berechugsweise des TI 83 (sowie vo SPSS, s. ute) verwedet. Diese geht auf eie Festlegug vo Moore ud McCabe (00) zurück. I der Literatur

Mehr

FINANZMATHEMATIK. 1. Zinsen und Zinseszinsen. Finanzmathematik 81

FINANZMATHEMATIK. 1. Zinsen und Zinseszinsen. Finanzmathematik 81 Fiazmathematik 8 FINANZMATHEMATIK. Zise ud Ziseszise Die Zise als Preis für die Zurverfügugstellug vo Geld bilde das zetrale Elemet i der Fiazmathematik. Hierbei sid verschiedee Arte der Verzisug zu uterscheide.

Mehr

Stichproben im Rechnungswesen, Stichprobeninventur

Stichproben im Rechnungswesen, Stichprobeninventur Stichprobe im Rechugswese, Stichprobeivetur Prof Dr Iree Rößler ud Prof Dr Albrecht Ugerer Duale Hochschule Bade-Württemberg Maheim Im eifachste Fall des Dollar-Uit oder Moetary-Uit Samplig (DUS oder MUS-

Mehr

Arbeitsplätze in SAP R/3 Modul PP

Arbeitsplätze in SAP R/3 Modul PP Arbeitsplätze i SAP R/3 Modul PP Was ist ei Arbeitsplatz? Der Stadort eier Aktioseiheit, sowie dere kokrete räumliche Gestaltug Was ist eie Aktioseiheit? kleiste produktive Eiheit i eiem Produktiosprozess,

Mehr

Finanzmathematische Formeln und Tabellen

Finanzmathematische Formeln und Tabellen Jui 2008 Dipl.-Betriebswirt Riccardo Fischer Fiazmathematische Formel ud Tabelle Arbeitshilfe für Ausbildug, Studium ud Prüfug im Fach Fiaz- ud Ivestitiosrechug Dieses Werk, eischließlich aller seier Teile,

Mehr

Netzangriff. Arbeitsmaterialien zum Medienpaket Netzangriff

Netzangriff. Arbeitsmaterialien zum Medienpaket Netzangriff Mediepaket der Polizeiliche Krimialprävetio der Läder ud des Budes zum Thema Cybermobbig Arbeitsmaterialie zum Mediepaket Netzagriff Die vorliegede Arbeitsmaterialie sid im Auftrag des Ladeskrimialamts

Mehr

8.3. Komplexe Zahlen

8.3. Komplexe Zahlen 8.. Komplee Zhle Wie bereits i 8.. drgestellt, wurde die fortlufede Erweiterug der Zhlbereiche durch die Eiführug immer kompleerer Recheopertioe otwedig:. Auf de türliche Zhle führte der Wusch ch iverse

Mehr

Bitte schicken Sie mir eine E-mail, wenn Sie einen Fehler gefunden haben 1. Moritz Kaßmann

Bitte schicken Sie mir eine E-mail, wenn Sie einen Fehler gefunden haben 1. Moritz Kaßmann Das folgede Skript zur Vorlesug Spezielle Aspekte der Aalysis für Studierede des Lehramts a Grud, Haupt ud Realschule wird fortlaufed aktualisiert ud verädert werde. Das Skript ethält bei weitem icht alle

Mehr

Reengineering mit Sniffalyzer

Reengineering mit Sniffalyzer Reegieerig mit Siffalyzer Dr. Walter Bischofberger Wid River Ic. wbischofberger@acm.org http://www.widriver.com/siff 30.10.01 2001 Wid River Systems, Ic. 1 Das Siffgate Projekt Motivatio Schaffe eier Plattform

Mehr