Informatik II Dynamische Programmierung

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Informatik II Dynamische Programmierung"

Transkript

1 lausthal Iformatik II Dyamische Programmierug. Zachma lausthal Uiversity, ermay Zweite Techik für de Algorithmeetwurf Zum Name: "Dyamische " hat ichts mit "Dyamik" zu tu, soder mit Tabulierug " Programmierug" hat ichts mit "Programmiere" zu tu, soder mit "Verfahre" Vergleiche "lieares Programmiere", "Iteger-Programmiere" (alles Begriffe aus der Optimierugstheorie) Typische Awedug für dyamisches Programmiere: Optimierug. Zachma Iformatik 2 SS Dyamische Programmierug 2

2 Matrix hai Multiplicatio Problem (MMP) egebe: eie Folge (Kette) A, A 2,, A vo Matrize mit verschiedee Dimesioe esucht: das Produkt A. A. 2. A Aufgabe: Orgaisiere die Multiplikatioe so, daß möglichst weig skalare Multiplikatioe ausgeführt werde. eerelle Idee hier: utze Assoziativität aus. Defiitio: Ei Matrizeprodukt heißt vollstädig geklammert, we es etweder eie eizele Matrix oder das geklammerte Produkt zweier vollstädig geklammerter Matrizeprodukte ist.. Zachma Iformatik 2 SS Dyamische Programmierug Multiplikatio zweier Matrize p A q q B r = r p # Eigabe: p q Matrix A, q r Matrix B # Ausgabe: p r Matrix = A B for i i rage(,p ): for j i rage(,r ): [i,j] = for k i rage(,q ): [i,j] += A[i,k] * B[k,j] Azahl der Muliplikatioe ud Additioe = p q r Bem: für 2 -Matrize werde hier Multiplikatioe beötigt, es geht auch mit O( 2.78 ). Zachma Iformatik 2 SS Dyamische Programmierug 4 2

3 Beispiel Berechug des Produkts vo A, A 2, A mit A : Matrix A 2 : 5 Matrix A : 5 5 Matrix. Klammerug ((A A 2 )A ) erfordert 2. Klammerug (A (A 2 A )) erfordert A' = (A A 2 ) 5 Mult. A' A 25 Mult. A'' = (A 2A ) 25 Mult. A A'' 5 Mult. Summe: 75 Mult. Summe: 75 Mult.. Zachma Iformatik 2 SS Dyamische Programmierug 5 Problemstellug egebe: Folge vo Matrize A, A 2,, A ud die Dimesioe p, p,, p, wobei Matrix A i Dimesio p i- p i hat esucht: eie Multiplikatiosreihefolge, die die Azahl der Multiplikatioe miimiert Beachte: der Algorithmus führt die Multiplikatioe icht aus, er bestimmt ur die optimale Reihefolge! Verallgemeierug: ermittle die optimale Ausführugsreihefolge für eie Mege vo Operatioe Z.B. im ompilerbau: ode-optimierug Bei Datebake: Afrageoptimierug. Zachma Iformatik 2 SS Dyamische Programmierug 6

4 Beispiel für A A 2 A Alle vollstädig geklammerte Matrizeprodukte der Folge A, A 2, A, A 4 sid: Klammeruge etspreche strukturell verschiedee Auswertugsbäume: A A 4 A A 4 etc A A 2 A A 4 A A 2 A A 4 A 4 A 2 A A 4 A 4 A 2 A A A 2 A A 4 A A A 4 A 2 A A A 2. Zachma Iformatik 2 SS Dyamische Programmierug 7 Azahl der verschiedee Klammeruge P() sei die Azahl der verschiedee Klammeruge vo A A k A k + A : Defiitio: P( +)=: = -te atala'sche Zahl Es gilt (o. Bew.): P( +)= π + O 5 Folge: Fide der optimale Klammerug durch Ausprobiere aller Möglichkeite ist silos. Zachma Iformatik 2 SS Dyamische Programmierug 8 4

5 Die Struktur der optimale Klammerug Sei A i j das Produkt der Matrize i bis j; A i j ist eie p i- p j -Matrix Behauptug: Jede optimale Lösug des MMP ethält optimale Lösuge vo Teilprobleme Aders gesagt: Jede optimale Lösug des MMP setzt sich zusamme aus optimale Lösuge vo bestimmte Teilprobleme. Zachma Iformatik 2 SS Dyamische Programmierug 9 Beweis (durch Widerspruch) Sei eie optimale Lösug so geklammert A i j = (A i k ) (A k+ j ), i k < j Behauptug: die Klammerug ierhalb A i k muß ihrerseits optimal sei A.: die Klammerug vo A i k ierhalb der optimale Lösug zu A i j sei icht optimal Es gibt bessere Klammerug vo A i k mit gerigere Koste Setze diese Teillösug i Lösug zu A i j = (A i k ) (A k+ j ) ei Ergibt eie bessere Lösug Widerspruch zur Aahme der Optimalität der ursprügliche Lösug zu A i j. Zachma Iformatik 2 SS Dyamische Programmierug 5

6 Eie rekursive Lösug Auf der höchste Stufe werde 2 Matrize multipliziert, d.h., für jedes k, k -, ist (A ) = ((A k ) (A k+ )) Die optimale Koste köe beschriebe werde als i = j Folge ethält ur eie Matrix, keie Koste i < j ka geteilt werde, idem jedes k, i k < j betrachtet wird: Koste für ei bestimmtes k = "Koste liks" + "Koste rechts" Koste für die Matrix-Multiplikatio (A i k ). (A k+ j ) Daraus lässt sich die folgede rekursive Regel ableite: m[i,j] sei die miimale Azahl vo Operatioe zur Berechug des Teilprodukts A i j. Zachma Iformatik 2 SS Dyamische Programmierug Ei aiver rekursiver Algorithmus # Iput p = Vektor der Array-röße # Output m[i,j] = optimale Koste für die # Multiplikatio der Arrays i,.., j def mcm_rek( p, i, j ): if i = j: retur m = for k i rage( i,j ): q = p[i-]*p[k]*p[j] + \ mcm_rek( p, i, k ) + \ mcm_rek( p, k+, j ) if q < m: m = q retur m Aufruf für das gesamte Problem: mcm_rek( p,, ). Zachma Iformatik 2 SS Dyamische Programmierug 2 6

7 Laufzeit des aive rekursive Algorithmus Sei T() die Azahl der Schritte zur Berechug vo mcm_rek für Eigabefolge der Läge Expoetielle Laufzeit!. Zachma Iformatik 2 SS Dyamische Programmierug Formulierug mittels Dyamischer Programmierug Beobachtug: die Azahl der Teilprobleme A i j (+) mit i j ist ur Θ 2 2 Folgerug: der aive rekursive Algo berechet viele Teilprobleme mehrfach! Idee: Bottom-up-Berechug der optimale Lösug: Speichere Teillösuge i eier Tabelle j i Daher "dyamische Programmierug" Welche Tabelleeiträge werde für m[i,j] beötigt? Hier: bottom-up = vo der Diagoale ach "rechts obe". Zachma Iformatik 2 SS Dyamische Programmierug 4 7

8 Berechugsbeispiel A : 5 A 2 : 5 5 A : 5 5 A 4 : 5 A 5 : 2 A 6 : 2 25 p = (, 5, 5, 5,, 2, 25) j i m Zachma Iformatik 2 SS Dyamische Programmierug 5 ewiug der optimale Reihefolge Speichere die Positio für die beste Treug, d.h., dejeige Wert k, der zum miimale Wert vo m[i,j] führt Speichere dazu i eiem zweite Array s[i,j] dieses optimale k: s[i,j] wird ur für Folge mit midestes 2 Matrize ud j > i beötigt m s s[i,j] gibt a, welche Multiplikatio zuletzt ausgeführt werde soll Für s[i,j] = k ud die Teilfolge A i j ist es optimal, zuerst A i k, daach A k+ j ud zum Schluss die beide Teilergebisse zu multipliziere:. Zachma Iformatik 2 SS Dyamische Programmierug 6 8

9 Algorithmus mittels dyamischer Programmierug = le(p) - for i i rage(, + ): # assume m has dim (+). (+) m[i,i] = for L i rage( 2,+ ): # cosider chais of legth L for i i rage(,-l ): j = i+l- # le = L j-i = L- m[i,j] = for k i rage( i,j ): q = m[i,k] + m[k+,j] + p[i-]*p[k]*p[j] if q < m[i,j]: m[i,j] = q s[i,j] = k Komplexität: es gibt geschachtelte Schleife, die jeweils höchstes -mal durchlaufe werde, die Laufzeit beträgt also O( ). Zachma Iformatik 2 SS Dyamische Programmierug 7 Beispiel egebe: die Folge vo Dimesioe (5, 4, 6, 2, 7) Multiplikatio vo A (5 4), A 2 (4 6), A (6 2) ud A 4 (2 7) Optimale Folge ist ((A (A 2 A ))A 4 ) j 2 4 j A 4 A i s[i,j] 2 2 i 2 m[i,j] A 2 A A A 2 A 2 A 2 optimale Folge. Zachma Iformatik 2 SS Dyamische Programmierug 8 9

10 Die Techik der dyamische Programmierug Rekursiver Asatz: Löse eies Problems durch Löse mehrerer kleierer Teilprobleme, aus dee sich die Lösug für das Ausgagsproblem zusammesetzt Häufiger Effekt: Mehrfachberechuge vo Lösuge Bottom-up-Berechug: fügt Lösuge kleierer Uterprobleme zusamme, um größere Uterprobleme zu löse ud liefert so eie Lösug für das gesamte Problem Methode: iterative Erstellug eier Tabelle. Zachma Iformatik 2 SS Dyamische Programmierug 9 Wichtige Begriffe Optimale Uterstruktur (optimal substructure): Ei Problem besitzt die (Eigeschaft der) optimale Substruktur, bzw. gehorcht dem Prizip der Optimalität : :. Die Lösug eies Problems setzt sich aus de Lösuge vo Teilprobleme zusamme - Bsp. MMP: gesuchte Klammerug vo A A setzt sich zusamme aus der Klammerug eier (bestimmte) Teilkette A A k ud eier Teilkette A k+ A 2. We die Lösug optimal ist, da müsse auch die Teillösuge optimal sei! - Bsp. MMP: wir habe folgede Behauptug bewiese: Falls Klammerug zu A A k icht optimal Klammerug zu A A (die gemäß A. Teillsg zu A A k ethält) ka icht optimal sei. Zachma Iformatik 2 SS Dyamische Programmierug 2

11 Achtug: die zweite Bedigug (Teillösuge müsse optimal sei) ist machmal icht erfüllt: Beispiel: lägster Pfad durch eie raphe a b Aufgabe hier: bestimme lägste Pfad vo a ach c d c Im Beispiel rechts: Lösug besteht aus Teilpfade a b ud b c Aber diese sid icht optimale(!) Lösuge der etspr. Teilprobleme - Optimale (d.h., lägste) Lösug für a b = a d c b. Zachma Iformatik 2 SS Dyamische Programmierug 2 Uabhägigkeit der Teillösuge: Die Teilprobleme heiße (im Sie der Dy. Progr.) uabhägig : : die Optimierug des eie Teilproblems beeiflußt icht die Optimierug des adere (z.b. bei der Wahl der Uterteilug) - Bsp. MMP: die Wahl der Klammerug für A A k ist völlig uabhägig vo der Klammerug für A k+ A - egebsp. "lägster Pfad": die optimale Lsg für a b (ämlich a d c b) immt der optimale Lsg für b c Elemete weg a d b c. Zachma Iformatik 2 SS Dyamische Programmierug 22

12 Überlappede Teilprobleme: Ei Problem wird zerlegt i Uterprobleme, diese wieder i Uter- Uterprobleme, usw. Ab irgedeiem rad müsse dieselbe Uter-Uterprobleme mehrfach vorkomme, sost ergibt das DP wahrscheilich keie effiziete Lösug - Bsp. MMP: Rekursiosbaum ethält viele überlappede Teilprobleme Zachma Iformatik 2 SS Dyamische Programmierug 2 Rekostruktio der optimale Lösug: Optimale Lösug für esamtproblem beihaltet Schritte:. Etscheidug treffe zur Zerlegug des Problems i Teile 2. Optimale Wert für Teilprobleme bereche. Optimale Wert für esamtproblem "zusammesetze" Dyamische Programmierug berechet zuächst oft ur de "Weg" zur optimale Lösug, aber - im zweite Schritt wird da die optimale Lösug mittels diese Weges berechet; - dazu Etscheiduge eifach i Phase speicher ud i Phase 2 da "abspiele" m s - Beispiel: MMP Speichere Idex k, der zum optimale Wert führt i zweitem Array s. Zachma Iformatik 2 SS Dyamische Programmierug 24 2

13 Schritte bei der dyamische Programmierug. harakterisiere die (rekursive) Struktur der optimale Lösug (Prizip der optimale Substruktur) 2. Defiiere de Wert eier optimale Lösug rekursiv. Trasformiere die rekursive Methode i eie iterative bottom-up Methode, bei der alle Zwischeergebisse i eier Tabelle gespeichert werde. Zachma Iformatik 2 SS Dyamische Programmierug 25 Das Rucksack-Problem (Kapsack Problem) Das Problem: "Die Qual der Wahl" Beispiel: ei Dieb raubt eie Lade aus; um möglichst flexibel zu sei, hat er für die Beute ur eie Rucksack dabei Im Lade fidet er egestäde; der i-te egestad hat de Wert v i ud das ewicht w i Sei Rucksack ka höchstes das ewicht c trage w i ud c sid gaze Zahle (die v i köe aus sei) Aufgabe: welche egestäde sollte für de maximale Profit gewählt werde?. Zachma Iformatik 2 SS Dyamische Programmierug 8

14 Beispiel Rucksack = 6 = 8 = 22 Fazit: es ist keie gute Strategie, das Objekt mit dem beste Verhältis Profit:ewicht als erstes zu wähle. Zachma Iformatik 2 SS Dyamische Programmierug 9 Eiige Variate des Kapsack-Problems Fractioal Kapsack Problem: Der Dieb ka Teile der egestäde mitehme Lösugsalgo später (mit reedy-strategie) - Kapsack Problem: Biäre Etscheidug zwische ud : jeder egestad wird vollstädig geomme oder gar icht Formale Problemstellug: x i = / : egestad i ist (icht) im Rucksack. Zachma Iformatik 2 SS Dyamische Programmierug 4 4

15 Die rekursive Lösug Betrachte de erste egestad i=; es gibt zwei Möglichkeite:. Der egestad wird i de Rucksack gepackt (x =) Rest-Problem: 2. Der egestad wird icht i de Rucksack gepackt (x =) Rest-Problem: Bereche beide Fälle, wähle de bessere. Zachma Iformatik 2 SS Dyamische Programmierug 4 Der Rekursiosbaum vorhadee Rest-Kapazität Wert des Rucksacks c Objekt c c - w v 2 c c - w 2 v 2 c - w v c - w - w 2 v + v 2 c c - w v c - w v c - w - w v + v. Zachma Iformatik 2 SS Dyamische Programmierug 42 5

... 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Mathematischer Vorkurs zum Studium der Physik

Mathematischer Vorkurs zum Studium der Physik Uiversität Heidelberg Mathematischer Vorkurs zum Studium der Physik Übuge Aufgabe zu Kapitel 1 (aus: K. Hefft Mathematischer Vorkurs zum Studium der Physik, sowie Ergäzuge) Aufgabe 1.1: SI-Eiheite: a)

Mehr

Zusammenfassung Wirtschaftsinformatik Stefan Käßmann

Zusammenfassung Wirtschaftsinformatik Stefan Käßmann I. Iformatio ud Nachricht 1. Iformatio ud Nachricht - Nachricht (Sytax), Sigale, Zeiche - Iformatio (Sematik), bit - Rausche 2. digitale Nachrichte - digitale Sigale (Sigalparameter aus edlicher Zeichevorrat)

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

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

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

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

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

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

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

Merge-Sort und Binäres Suchen

Merge-Sort und Binäres Suchen Merge-Sort ud Biäres Suche Ei Bericht vo Daiel Haeh Mediziische Iformatik, Prosemiar WS 05/06 Ihaltsverzeichis I. Eileitug 3 II. III. IV. i. Das Divide-ad-coquer -Verfahre Merge-Sort i. Eileitug ii. Fuktiosweise

Mehr

Wissenschaftliches Arbeiten Studiengang Energiewirtschaft

Wissenschaftliches Arbeiten Studiengang Energiewirtschaft Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:

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

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

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

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

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

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

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

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

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

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

Finanzmathematik für HAK

Finanzmathematik für HAK Fiazmathematik für HAK Dr.Mafred Gurter 2008. Kapitalverzisug bei der Bak mit lieare (eifache) Zise währed des Jahres Beispiel : Ei Kapital vo 3000 wird mit 5% für 250 Tage verzist. Wie viel bekommt ma

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

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

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

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

Folgen und Reihen Glege 03/01

Folgen und Reihen Glege 03/01 Folge ud Reihe Glege 03/0 I diesem Script werde folgede Theme behadelt: Folge (Eiführug)... Arithmetische Folge... Geometrische Folge...3 Mootoie...4 Kovergez...5 Grezwert...6 Schrake...7 Arithmetische

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

LS Retail. Die Branchenlösung für den Einzelhandel auf Basis von Microsoft Dynamics NAV

LS Retail. Die Branchenlösung für den Einzelhandel auf Basis von Microsoft Dynamics NAV LS Retail Die Brachelösug für de Eizelhadel auf Basis vo Microsoft Dyamics NAV akquiet Focus auf das Wesetliche User Focus liegt immer auf der Wirtschaftlichkeit: So weig wie möglich, soviel wie ötig.

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

5 Bernoulli-Kette. 5.1 Bernoulli-Experiment. Jakob Bernoulli 1654-1705 Schweizer Mathematiker und Physiker. 5.1.1 Einleitung

5 Bernoulli-Kette. 5.1 Bernoulli-Experiment. Jakob Bernoulli 1654-1705 Schweizer Mathematiker und Physiker. 5.1.1 Einleitung Seite vo 7 5 Beroulli-Kette Jakob Beroulli 654-705 Schweizer Mathematiker ud Physiker 5. Beroulli-Exerimet 5.. Eileitug Oft iteressiert ma sich bei Zufallsexerimete icht für die eizele Ergebisse, soder

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

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

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

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

Model CreditRisk + : The Economic Perspective of Portfolio Credit Risk Part I

Model CreditRisk + : The Economic Perspective of Portfolio Credit Risk Part I Model CreditRisk + : The Ecoomic Perspective of Portfolio Credit Risk Part I Semiar: Portfolio Credit Risk Istructor: Rafael Weißbach Speaker: Pablo Kimmig Ageda 1. Asatz ud Ziele Was ist CreditRisk +

Mehr

HARDWARE-PRAKTIKUM. Versuch L-4. Komplexe Schaltwerke. Fachbereich Informatik. Universität Kaiserslautern

HARDWARE-PRAKTIKUM. Versuch L-4. Komplexe Schaltwerke. Fachbereich Informatik. Universität Kaiserslautern HARDWARE-PRAKTIKUM Versuch L-4 Komplexe Schaltwerke Fachbereich Iformatik Uiversität Kaiserslauter Seite 2 Versuch L-4 Versuch L-4 I diesem Versuch soll ei Rechewerk zur Multiplikatio vo zwei vorzeichelose

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

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

Mathematik. Vorlesung im Bachelor-Studiengang Business Administration (Modul BWL 1A) an der FH Düsseldorf im Wintersemester 2008/09

Mathematik. Vorlesung im Bachelor-Studiengang Business Administration (Modul BWL 1A) an der FH Düsseldorf im Wintersemester 2008/09 Mathematik Vorlesug im Bachelor-Studiegag Busiess Admiistratio (Modul BWL A) a der FH Düsseldorf im Witersemester 2008/09 Dozet: Dr. Christia Kölle Teil I Fiazmathematik, Lieare Algebra, Lieare Optimierug

Mehr

Monte Carlo-Simulation

Monte Carlo-Simulation Mote Carlo-Simulatio Mote Carlo-Methode Der Begriff Mote Carlo-Methode etstad i de 1940er Jahre, als ma im Zusammehag mit dem Bau der Atombombe die Simulatio vo Zufallsprozesse erstmals i größerem Stil

Mehr

Einleitung. Aufgabe 1a/1b. Übung IV

Einleitung. Aufgabe 1a/1b. Übung IV Übug IV Eileitug Etity-Relatioship-Modell: Modellierug zu Aalyse- ud Etwurfszwecke (Phase 2 i Wasserfallodell). "diet dazu, de projektierte Awedugsbereich zu strukturiere." [Keper/Eickler: Datebaksystee]

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

Leitfaden zum. Bondm-Index

Leitfaden zum. Bondm-Index Leitfade zum Bodm-Idex Versio 1.0 vom 01. September 2011 1 Ihalt Eiführug 1 Parameter des Idex 1.1 Kürzel ud ISIN 1.2 Startwert 1.3 Verteilug 1.4 Preise ud Berechugsfrequez 1.5 Gewichtug 1.6 Idex-Komitee

Mehr

Von der Augenlinse zur Auftragssteuerung: einige praktische Anwendungsbeispiele

Von der Augenlinse zur Auftragssteuerung: einige praktische Anwendungsbeispiele Vo der Augelise zur Auftragssteuerug: eiige praktische Awedugsbeispiele Prosemiar Evolutiosstrategie August 00 Roy Pappert Ihalt. Optimierug vo Strukture 3.. Optimierug vo Fachwerk 3.. Neuroales Netz 6.3.

Mehr

Inhaltsverzeichnis Office Excel 2003 - Themen-Special: Statistik I

Inhaltsverzeichnis Office Excel 2003 - Themen-Special: Statistik I W-EX2003S Autor: Christia Müster Ihaltliches Lektorat: Peter Wies Überarbeitete Ausgabe vom 23. Mai 2007 by HERDT-Verlag für Bildugsmedie GmbH, Bodeheim Microsoft Office Excel 2003 für Widows Theme-Special:

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

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

1 = 1. 6 Induktionsannahme: Die Formal gelte für n = k. Induktionsschritt: Gültigkeit der Formel für k+1: 1 2 + 2 2 +... + k 2 + (k + 1) 2 = 2 = 6 = 6

1 = 1. 6 Induktionsannahme: Die Formal gelte für n = k. Induktionsschritt: Gültigkeit der Formel für k+1: 1 2 + 2 2 +... + k 2 + (k + 1) 2 = 2 = 6 = 6 65 Eric Müller Vollstädige Iduktio Nach GIUSEPPE PEANO (858-93) ka ma die Mege N der atürliche Zahle durch folgede Axiome defiiere []:. ist eie atürliche Zahl.. Zu jeder atürliche Zahl gibt es geau eie

Mehr

Gliederung. Value-at-Risk

Gliederung. Value-at-Risk Value-at-Risk Dr. Richard Herra Nürberg, 4. Noveber 26 IVS-Foru Gliederug Modell Beispiel aus der betriebliche Altersversorgug Verteilug des Gesatschades Value-at-Risk ud Tail Value-at-Risk Risikobeurteilug

Mehr

Stochastik für WiWi - Klausurvorbereitung

Stochastik für WiWi - Klausurvorbereitung Dr. Markus Kuze WS 2013/14 Dipl.-Math. Stefa Roth 11.02.2014 Stochastik für WiWi - Klausurvorbereitug Gesetz der totale Wahrscheilichkeit ud Satz vo Bayes (Ω, F, P) Wahrscheilichkeitsraum, E 1,..., E F

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

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

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

BERUFSKOLLEG KAUFMÄNNISCHE SCHULEN DES KREISES DÜREN Zweijährige Höhere Handelsschule

BERUFSKOLLEG KAUFMÄNNISCHE SCHULEN DES KREISES DÜREN Zweijährige Höhere Handelsschule BERUFSKOLLEG KAUFMÄNNISCHE SCHULEN DES KREISES DÜREN Zweijährige Höhere Hadelsschule Abschlussprüfug Sommer Fach: MATHEMATIK Bearbeitugszeit: Erlaubte Hilfsmittel: Zeitstude Nicht-programmierbarer Tascherecher

Mehr

1.1 Berechnung des Endwerts einer Einmalanlage bei linearer ganzjähriger Verzinsung nach n Verzinsungsjahren

1.1 Berechnung des Endwerts einer Einmalanlage bei linearer ganzjähriger Verzinsung nach n Verzinsungsjahren Forelsalug zur Fiazatheatik 1. Eifache Zisrechug (lieare Verzisug) 1.1 Berechug des Edwerts eier Eialalage bei liearer gazjähriger Verzisug ach Verzisugsjahre p = 1 + = ( 1+ i ) 1 1.2 Berechug des Gegewartswerts

Mehr

3. Einführung in die Statistik

3. Einführung in die Statistik 3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :

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

186.813 Algorithmen und Datenstrukturen 1 VU 6.0 1. Übungstest SS 2012 26. April 2012

186.813 Algorithmen und Datenstrukturen 1 VU 6.0 1. Übungstest SS 2012 26. April 2012 Techische Uiversität Wie Istitut für Computergraphik ud Algorithme Arbeitsbereich für Algorithme ud Datestrukture 186.813 Algorithme ud Datestrukture 1 VU 6.0 1. Übugstest SS 2012 26. April 2012 Mache

Mehr

Tonleiter oder Akkord: Wie spielt die Musik im Test

Tonleiter oder Akkord: Wie spielt die Musik im Test INFOGEM AG Iformatiker Gemeischaft für Uterehmesberatug Rütistrasse 9, Postfach 540 Bade, Switzerlad Phoe: +4 56 65 3 Iteret: www.ifogem.ch Toleiter oder Akkord: Wie spielt die Musik im Test Thomas Haas

Mehr

Fachartikel CVM-NET4+ Erfüllt die Energieeffizienz- Richtlinie. Neuer Multikanal-Leistungs- und Verbrauchsanalyser Aktuelle Situation

Fachartikel CVM-NET4+ Erfüllt die Energieeffizienz- Richtlinie. Neuer Multikanal-Leistungs- und Verbrauchsanalyser Aktuelle Situation 1 Joatha Azañó Fachartikel Abteilug Eergiemaagemet ud etzqualität CVM-ET4+ Erfüllt die Eergieeffiziez- Richtliie euer Multikaal-Leistugs- ud Verbrauchsaalyser Aktuelle Situatio Die gegewärtige Richtliie

Mehr

Mit Ideen begeistern. Mit Freude schenken.

Mit Ideen begeistern. Mit Freude schenken. Mehr Erfolg. I jeder Beziehug. Mit Idee begeister. Mit Freude scheke. Erfolgreiches Marketig mit Prämie, Werbemittel ud Uterehmesausstattuge. Wo Prämie ei System habe, hat Erfolg Methode. Die Wertschätzug

Mehr

Vereinheitlichung Einheitlicher Maßstab der Risikoeinschätzung. Limitierung / Steuerung Messung und Limitierung ist fundamental für die Steuerung

Vereinheitlichung Einheitlicher Maßstab der Risikoeinschätzung. Limitierung / Steuerung Messung und Limitierung ist fundamental für die Steuerung . Marktpreisrisiko Motivatio der VaR-Ermittlug Vereiheitlichug Eiheitlicher Maßstab der Risikoeischätzug Limitierug / Steuerug Messug ud Limitierug ist fudametal für die Steuerug Kapitaluterlegug Zur Deckug

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

Aktueller Status hinsichtlich der angekündigten Kursgewinnsteuer

Aktueller Status hinsichtlich der angekündigten Kursgewinnsteuer ÄNDERUNGEN IM JAHR 2011 Aktueller Status hisichtlich der ageküdigte Kursgewisteuer Abei möchte wir Sie über wesetliche Ihalte aus der Regierugsvorlage Budgetbegleitgesetz 2011-2014 vom 30.11.2010 zur Kursgewibesteuerug

Mehr

Prof. Dr. Günter Hellmig. Klausurenskript Finanzmathematik

Prof. Dr. Günter Hellmig. Klausurenskript Finanzmathematik Prof. Dr. Güter Hellig lausureskript Fiazatheatik Ihalt: lausur vo WS 9/. Eifache Zise: Vorschüssigkeit ud Nachschüssigkeit. Reterechug: Reteedwert ud Retebarwert 3. Tilgugsrechug: Tilgugspla bei Ratetilgug

Mehr

Klausur in 13.1 Thema: Datenbanken (Bearbeitungszeit: 90 Minuten)

Klausur in 13.1 Thema: Datenbanken (Bearbeitungszeit: 90 Minuten) Klausur i 13.1 Thema: Datebake (Bearbeitugszeit: 90 Miute) Iformatik 13 Name: Nachame, Vorame Hiweis: Speicher Sie regelmäßig Ihre Arbeit i eier Word-Datei mit dem Name klausur1_nachame.doc aber icht auf

Mehr

Diagnose von Kompetenzen in der beruflichen Grundbildung

Diagnose von Kompetenzen in der beruflichen Grundbildung Diagose vo Kompeteze i der berufliche Grudbildug Prof. Dr. Adreas rey Hochschule für Arbeitsmarktmaagemet i Maheim der uropäische Uio Übersicht BBG CH (2004) ud RLP-BBV (2006) Pädagogische Diagostik Defiitio

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

Remote Control Services. www.r-c-t.biz www.r-c-s.biz ON / OFF. Messen Kommunizieren Auswerten Agieren

Remote Control Services. www.r-c-t.biz www.r-c-s.biz ON / OFF. Messen Kommunizieren Auswerten Agieren Remote Cotrol www.r-c-t.biz www.r-c-s.biz C ON / OFF 0...5 V Messe Kommuiziere Auswerte Agiere Die RCS Web Applikatio Itelligete Ferberwachug via Iteret Alle Takihalte, Zählerstäde, Temperature, Gebäude

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

Entwurf von Datenbanken (Normalisierung)

Entwurf von Datenbanken (Normalisierung) Grudlage MS-Access97 Exkurs Datebake-Theorie 1/6 Etwurf vo Datebake (Normalisierug) Bevor ma mit der Implemetierug eier Datebak i eiem real existierede Datebaksystem begit, ist es otwedig, die Datebak

Mehr

Linsengesetze und optische Instrumente

Linsengesetze und optische Instrumente Lisegesetze ud optische Istrumete Gruppe X Xxxx Xxxxxxxxx Xxxxxxx Xxxxxx Mat.-Nr.: XXXXX Mat.-Nr.: XXXXX XX.XX.XX Theorie Im olgede werde wir eie kurze Überblick über die Fuktio, de Aubau ud die Arte vo

Mehr

2. Einführung in die Geometrische Optik

2. Einführung in die Geometrische Optik 2. Eiührug i die Geometrische Optik 2. Allgemeie Prizipie 2.. Licht ud Materie Optische Ssteme werde ür de Spektralbereich zwische dem extreme Ultraviolette ( m) ud dem thermische Irarote (Q-Bad bei 2

Mehr

Methodische Grundlagen der Kostenkalkulation

Methodische Grundlagen der Kostenkalkulation Methodische Grudlage der Kostekalkulatio Plaugsebee Gebrauchsgüter Die i der ladwirtschaftliche Produktio eigesetzte Produktiosmittel werde i Gebrauchsgüter ud Verbrauchsgüter uterteilt. Zu de Gebrauchsgüter

Mehr

von Prof. Dr. Ing. Dirk Rabe FH Emden/Leer

von Prof. Dr. Ing. Dirk Rabe FH Emden/Leer vo Prof. Dr. Ig. Dirk Rbe FH Emde/Leer Überblick: Folge ud Reihe Folge: Zhlefolge ( ) ; ; ; ist eie geordete Liste vo Zhle ( IN) : Glieder der Folge f(): Bildugsgesetz (eplizit i oder rekursiv) z.b.: (

Mehr

Engineering von Entwicklungsprojekten mit unsicheren Aktivitätszusammenhängen in der verfahrenstechnischen Industrie

Engineering von Entwicklungsprojekten mit unsicheren Aktivitätszusammenhängen in der verfahrenstechnischen Industrie Egieerig vo Etwicklugsprojekte mit usichere Aktivitätszusammehäge i der verfahrestechische Idustrie Christopher M. Schlick Berhard Kausch Sve Tackeberg 5. Symposium Iformatiostechologie für Etwicklug ud

Mehr

Aufgabenblatt 4. A1. Definitionen. Lösungen. Zins = Rate Zinskurve = Zinsstruktur Rendite = Yield

Aufgabenblatt 4. A1. Definitionen. Lösungen. Zins = Rate Zinskurve = Zinsstruktur Rendite = Yield Augabeblatt 4 Lösuge A. Deiitioe Zis = Rate Ziskurve = Zisstruktur Redite = Yield A. Deiitioe Zerobod = Nullkupoaleihe = Zero coupo bod Aleihe, die vor Ede der Lauzeit keie Zahluge leistet ud am Ede der

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

Auch im Risikofall ist das Entscheidungsproblem gelöst, wenn eine dominante Aktion in A existiert.

Auch im Risikofall ist das Entscheidungsproblem gelöst, wenn eine dominante Aktion in A existiert. Prof. Dr. H. Rommelfager: Etscheidugstheorie, Kaitel 3 7 3. Etscheidug bei Risiko (subjektive oder objektive) Eitrittswahrscheilichkeite für das Eitrete der mögliche Umweltzustäde köe vom Etscheidugsträger

Mehr