P (X = 0) = P (X = 2) = 2
|
|
- Cathrin Grosser
- vor 5 Jahren
- Abrufe
Transkript
1 Aufgabe 3% Gegeben ist der diskrete Kanal in Abbildung mit ufallsvariable X {,, } am Sender und Y {A, B} am Empf anger. Nehmen Sie an, dass gilt p P (X ) p p P (X ) P (X ) X Y.8. A.5.5 B..8 Abbildung : Ein diskreter Kanal. 8%. Bestimmen Sie die Transinformation I(X; Y ) als Funktion von p. Hinweis: log 3.6, log 5.3 und log 7.8 P (Y A) P (Y B) I(X; Y ) H(Y ) H(Y X) P P H(.5,.5) H(.,.8) + P H(.5,.5) + H(.,.8) [( P ).7 + P ].3.3P 8%. Nutzen Sie die Maximum-a-posteriori-Detektion, um die optimale Entscheidung beim Empf anger zu bestimmen, wenn das empfangene Symbol A ist. argmax px Y (X Y A) PX Y (X Y A) P (Y A X x)p (X x) P (Y A) / Fortsetzung der Klausur...
2 PX Y X.8( P ) X X P.( P ) Fallunterscheidung: F ur P <. ist die optimale Entscheidung X. F ur P >. ist die optimale Entscheidung X. F ur P. ist die optimale Entscheidung sowohl X als auch X. 7%.3 Wie groß ist die Fehlerwahrscheinlichkeit, die sich im Aufgabeteil. ergibt? P <. P (Error Y A) P (X Y A) + P (X Y A). +.8P P >. P (Error Y A) P (X Y A) + P (X Y A) P P >. P (Error Y A) P. +.8P Aufgabe % Gegeben ist die Wahrscheinlichkeitsdichtefunktion der kontinuierlichen ufallsvariable X in Abbildung. Diese ufallsvariable wird anhand des folgenden Schemas quantisiert ( ˆ falls X, X 3 falls X > ˆ die ufallsvariable nach der Quantisierung darstellt. wobei X Hinweis: Die Quantisierungspunkte sind xˆ und xˆ 3 und die Entscheidungsschwelle liegt bei. / Fortsetzung der Klausur...
3 fx (x) /8 3/8 /8 /8 3 x Abbildung : Die Verteilung der ufallsvariable X. ˆ 6%. Bestimmen Sie die Transinformation I(X; X). Hinweis: log 3.6, log 5.3 und log 7.8 ˆ {, 3} { 5, 3 } X 8 8 ˆ H(X) ˆ H(X X) ˆ I(X; X) 5 H( ) %. Ist diese Wahl der Quantisierungspunkte und Entscheidungsschwelle optimal? Begr unden Sie Ihre Antwort. Nein, weil E[X X Ri ] 6 xˆi. E[X X Ri ] x X Ri fx (x) dx P (X Ri ) 3 E[X X R ] 7 E[X X R ] 6 8%.3 Bestimmen Sie den mittleren quadratischen Fehler (MSE). 3/ Fortsetzung der Klausur...
4 MSE X i (x xˆi )fx (x)dx x Ri (x 3) fx (x)dx (x ) fx (x)dx (x ) dx + (x ) dx + (x 3) dx + (x 3) dx Aufgabe 3 33% Ein System kann sich in drei ust anden {R, U, F } befinden. Das ustandsdiagramm des Systems ist in Abbildung 3 gegeben. PU R.8 PR U R U PU F PR F PF U F Abbildung 3: Das ustandsdiagramm mit den drei ust anden R, U und F. 8% 3. Nehmen Sie an, dass P (R).7, P (U )., P (F ).. Berechnen Sie die Wahrscheinlichkeiten PF U, PR U, PU R, PR F und PU F. / Ende der Klausur
5 PU R PR R. P (F ).5 PF U P (U ) PR U PF U.5 P (R) [P (U )PR U + P (R)PR R ] PR F. P (F ) PU F PR F.6 Hinweis: Wenn Sie Aufgabenteil 3. nicht l osen k onnen, verwenden Sie alternativ zur Bearbeitung der anschließenden Aufgabenteile die folgenden Wahrscheinlichkeiten: PF U., PR U.6, PU R., PR F.3 und PU F.7. 5% 3. Was ist die Wahrscheinlichkeit, dass der u bern achste ustand R ist, wenn der aktuelle ustand R ist: P (3 R R)? P (3 R R) P (3 R, R R) + P (3 R, U R) + P (3 R, F R) {z } P (3 R R, R)P ( R R) + P (3 R U, R)P ( U R) P (3 R R)P ( R R) + P (3 R U )P ( U R).7 Die alternative L osung: P (3 R R).76 % 3.3 Bestimmen Sie H(i ). Hinweis: log 3.6, log 5.3 und log 7.8 H(i ) H(.7,.,.) 8% 3. Bestimmen Sie H(i i ). Hinweis: log 3.6, log 5.3 und log 7.8 5/ Fortsetzung der Klausur...
6 H(i i ) P (R)H(.8) + P (U )H(.5) + P (F )H(.).78 Die alternative L osung: H(i i ).76 % 3.5 Bestimmen Sie I(i ; i, i ). Hinweis: Wenn Sie Aufgabenteilen 3.3 and 3. nicht l osen k onnen, verwenden Sie alternativ zur Bearbeitung dieses Aufgabenteils: H( ).5 und H( ).8. I(i ; i, i ) I(i ; i ) + I(i ; i i ) I(i ; i ) + I(i ; i i ) {z } H(i ) H(i i ).356 % 3.6 eigen Sie, dass die folgenden Ausdr ucke richtig sind.. H(,, 3 ) H(, ). I( ; 3 ) I( ; 3 ) H(,, 3 ) H(, ) + H(3, ) {z } I( ; 3 ) H(3 ) H(3 ) H(3 ) H(3, ) H(3 ) H(3 ) I( ; 3 ) Aufgabe % Ein Sender sendet Signale x[k] X u ber einen Kanal, wobei k den eitindex darstellt. Das Signal X ist mittelwertsfrei und hat die mittlere Leistung P. Nehmen Sie an, dass die gesendeten Signale voneinander stochastisch unabh angig sind. Die Kanalimpulsantwort ist wie folgt gegeben: h[l] δ[l] + δ[l ] + δ[l ]. Nehmen Sie außerdem einen AWGN-Kanal mit der Rausch-Verteilung n N (, ) am Empf anger an. 6/ Fortsetzung der Aufgabe...
7 6%. Bestimmen Sie hdes und H int mit dem Empfangssignal hdes x[k] + H int xint [k] + n[k] {z } {z } {z} y[k] gew unschte Signal und y[k] y[k] y[k + ] y[k + ] Interferenzsignal () Rauschen n[k] n[k] n[k + ]. n[k + ] x[k ] xint [k] x[k + ] Hinweis: Wenn Sie diesen Aufgabenteil nicht l osen k onnen, verwenden Sie zur Bearbeitung der anschließenden Aufgabenteile die folgenden Werte: H int 8. hdes 8 hdes H int. 6%. Gegeben sei das Empfangsfilter (ero-forcing Filter oder Matched-Filter) u c c. c3 Bestimmen Sie die reellen Koeffizienten c, c und c3 so, dass das Empfangsfilter u f ur sehr große Sendeleistung P geeignet ist. Bestimmen Sie den Koeffizienten so, dass die gew unschte Signalleistung P betr agt. F ur sehr große Sendeleistung: ero-forcing Filter: ut H int. c + c 8 c3 c + c3 8 ut hdes c Die alternative L osung: c 6%.3 Bestimmen Sie ein Empfangsfilter (ero-forcing Filter oder Matched-Filter), das f ur sehr kleine Sendeleistung P geeignet ist. F ur sehr kleine Sendeleistung: Matched Filter: u hhdes. des u 7/ Fortsetzung der Aufgabe...
8 %. Gegeben ist ein optimales Filter w. Berechnen Sie f ur u aw das SINR (Signal zu Interferenz-Rausch-Verh altnis). Welchen Einfluss hat a auf das SINR? ut hdes htdes up SINR T u H int H Tint up + ut u a wt hdes htdes wp T a w H int H Tint wp + a wt w wt hdes htdes wp T w H int H Tint wp + wt w Der Faktor a hat keinen Einfluss auf das SINR. 8/ Fortsetzung der Aufgabe...
Y = X + N, wobei die Wahrscheinlichkeitsdichtefunktion des empfangenen Rauschens N wie folgt gegeben ist: n a R + δ(n)dn = 1.
..7 Aufgabe 7% %. Nehmen Sie an, dass die ufallsvariable X {,, } mit den jeweiligen Auftrittswahrscheinlichkeiten {.4,.,.4} u ber einen Kanal gesendet wird. Die empfangene ufallsvariable ist: Y X N, wobei
MehrP (X = 0) = 0.6 P (X = 1) = 0.4.
.7. Aufgabe % Geqgeben is folgender diskreer Kanal mi Zufallsvariable X {, } am Sender und Y {A, B, C} am Empfa nger. Nehmen Sie an, dass gil: (X ).6 (X ).. X Y A....6 B.. C 6%. Besimmen Sie die Transinformaion
MehrGrundlagen der Nachrichtentechnik
Universität Bremen Arbeitsbereich Nachrichtentechnik Prof. Dr.-Ing. A. Dekorsy Schriftliche Prüfung im Fach Grundlagen der Nachrichtentechnik Name: Vorname: Mat.-Nr.: BSc./Dipl.: Zeit: Ort: Umfang: 07.
MehrKlausur zur Vorlesung Informationstheorie
INSTITUT FÜR INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 0167 Hannover Klausur zur Vorlesung Informationstheorie Datum:.02.2006 Uhrzeit: 9:00 Uhr Zeitdauer: 2 Stunden Hilfsmittel: ausgeteilte
Mehr1.1 Bestimmen Sie diejenigen Werte von a, für die f a mehr als eine Nullstelle hat. (3 P)
Schriftliche Abiturprüfung 215 HMF 1 - Analysis (Pool 1) Für jeden Wert von a (a R,a ) ist eine Funktion f a durch f a (x) = a x 6 x 4 (x R) gegeben. 1.1 Bestimmen Sie diejenigen Werte von a, für die f
MehrÜbertragungsverfahren der Nachrichtentechnik 2 Ex Beispiele zum 1. Übungstest
Ex Beispiele zum 1. Übungstest 1 PAM Grundlagen Aufgabe 1.1 Zur Übertragung eines einzelnen binären Symbols über einen verzerrungsfreien Kanal mit additivem weißem Gaußschem Rauschen (Leistungsdichtespektrum
MehrGrundlagen der Nachrichtentechnik
Universität Bremen Arbeitsbereich Nachrichtentechnik Prof. Dr.-Ing. A. Dekorsy Schriftliche Prüfung im Fach Grundlagen der Nachrichtentechnik Name: Vorname: Mat.-Nr.: BSc./Dipl.: Zeit: Ort: Umfang: 07.
Mehri =1 i =2 i =3 x i y i 4 0 1
Aufgabe (5+5=0 Punkte) (a) Bei einem Minigolfturnier traten 6 Spieler gegeneinander an. Die Anzahlen der von ihnen über das gesamte Turnier hinweg benötigten Schläge betrugen x = 24, x 2 = 27, x = 2, x
MehrFachprüfung. Nachrichtencodierung
Fachprüfung Nachrichtencodierung 14. März 2006 Prüfer: Prof. Dr. P. Pogatzki Bearbeitungszeit: 2 Stunden Hilfsmittel: Taschenrechner, Vorlesungsscript, Übungsaufgaben Name:... Matr.-Nr.:... Unterschrift:...
MehrÜbungsblatt Nr. 6. Lösungsvorschlag
Institut für Kryptographie und Sicherheit Prof. Dr. Jörn Müller-Quade Nico Döttling Dirk Achenbach Tobias Nilges Vorlesung Theoretische Grundlagen der Informatik Übungsblatt Nr. 6 Aufgabe (K) (4 Punkte)
Mehr1.1 Bestimmen Sie diejenigen Werte von a, für die f a mehr als eine Nullstelle hat. (3 P)
Schriftliche Abiturprüfung 215 HMF 1 - Analysis (Pool 1) Für jeden Wert von a (a R,a ) ist eine Funktion f a durch f a (x) = a x 6 x 4 (x R) gegeben. 1.1 Bestimmen Sie diejenigen Werte von a, für die f
MehrGrundlagen der Nachrichtentechnik
Universität Bremen Arbeitsbereich Nachrichtentechnik Prof. Dr.-Ing. K.D. Kammeyer Schriftliche Prüfung im Fach Grundlagen der Nachrichtentechnik Name: Vorname: Mat.-Nr.: Zeit: Ort: Umfang: 05. April 2005,
MehrTGI-Übung Dirk Achenbach
TGI-Übung 7 06.02.2014 Dirk Achenbach INSTITUT FÜR THEORETISCHE INFORMATIK KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Agenda
MehrZusatzübung zur Theoretischen Informationstechnik
Lehrstuhl für Theoretische Informationstechnik Zusatzübung zur Theoretischen Informationstechnik Prof. Dr. Anke Schmeink, Martijn Arts, Fabian Altenbach, Christoph Schmitz 14.03.2013 TI I: Aufgabe 1-4
MehrAufgabe 1 - Pegelrechnung und LTI-Systeme
KLAUSUR Nachrichtentechnik 06.08.0 Prof. Dr.-Ing. Dr. h.c. G. Fettweis Dauer: 0 min. Aufgabe 3 4 Punkte 5 0 4 50 Aufgabe - Pegelrechnung und LTI-Systeme Hinweis: Die Teilaufgaben (a), (b) und (c) können
MehrKommunikationstechnik II Wintersemester 08/09
Kommunikationstechnik II Wintersemester 8/9 Prof. Dr. Stefan Weinzierl Musterlösung: 8. Aufgabenblatt Lösung in der Rechenübung am 9.1.9 1. Aufgabe: Fehlererkennung/-korrektur Audio Symbole mit einer Länge
Mehr0 für t < für 1 t < für 2 t < für 3 t < für 4 t < 5 1 für t 5
4 Verteilungen und ihre Kennzahlen 1 Kapitel 4: Verteilungen und ihre Kennzahlen A: Beispiele Beispiel 1: Eine diskrete Zufallsvariable X, die nur die Werte 1,, 3, 4, 5 mit positiver Wahrscheinlichkeit
MehrÜbungen zur Vorlesung Statistische Methoden Kapitel 1-2
TECHNISCHE UNIVERSITÄT DORTMUND Sommersemester 2011 FAKULTÄT STATISTIK Dr. M. Arnold Dipl.-Stat. R. Walter Übungen zur Vorlesung Statistische Methoden Kapitel 1-2 Aufgabe 1: Gegeben ist eine diskrete Zufallsvariable
MehrFachprüfung. Nachrichtencodierung
Fachprüfung Nachrichtencodierung 23. Februar 2010 Prüfer: Prof. Dr. P. Pogatzki Bearbeitungszeit: 2 Stunden Hilfsmittel: Taschenrechner, Vorlesungsscript, Übungsaufgaben Name: Vorname: Matr.-Nr.: Unterschrift:
Mehrzu Aufgabe 26: a) A 3 A 2 A 4 A 1 A 5 A 0 A 6
zu ufgabe 6: a) 3 5 6 7 p( ) p( ) p( 3 ) p( ) p( 5 ) p( 6 ) p( 7 ) = p( 3 ) = p( 3 ) = p( 3 ) = p( ) = p( ) = p( ) = p( ) = p( ) = p( ) = p( ) = p( ) = 8 p( ) = p( ) = p( ) = p( ) Lösung: b) binär 8 p(
Mehr1 Multivariate Zufallsvariablen
1 Multivariate Zufallsvariablen 1.1 Multivariate Verteilungen Definition 1.1. Zufallsvariable, Zufallsvektor (ZV) Sei Ω die Ergebnismenge eines Zufallsexperiments. Eine (univariate oder eindimensionale)
MehrAufgaben zu den ganzrationalen Funktionen
Aufgaben zu den ganzrationalen Funktionen 1. Bestimmen Sie die Nullstellen folgender ganzrationaler Funktionen. a) y = x + x 6 b) y = x 3 3x + x c) y = (x + 4)(x + x ) d) y = x 4 5x + 4 e) y = x 3 + x
MehrEinführung in Stochastische Prozesse und Zeitreihenanalyse Vorlesung, 2017S, 2.0h 24.November 2017 Hubalek/Scherrer
Name: Mat.Nr.: Bitte keinen Rotstift oder Bleistift verwenden! 105.59 Einführung in Stochastische Prozesse und Zeitreihenanalyse Vorlesung, 2017S, 2.0h 24.November 2017 Hubalek/Scherrer (Dauer 90 Minuten,
MehrFachprüfung. Nachrichtencodierung
Fachprüfung Nachrichtencodierung 6. August 2009 Prüfer: Prof. Dr. P. Pogatzki Bearbeitungszeit: 2 Stunden Hilfsmittel: Taschenrechner, Vorlesungsscript, Übungsaufgaben Name: Vorname: Matr.-Nr.: Unterschrift:
MehrEmpirische Wirtschaftsforschung
Empirische Wirtschaftsforschung Prof. Dr. Bernd Süßmuth Universität Leipzig Institut für Empirische Wirtschaftsforschung Volkswirtschaftslehre, insbesondere Ökonometrie 1 3. Momentenschätzung auf Stichprobenbasis
MehrInstitut für Stochastik Prof. Dr. N. Henze Dipl.-Math. V. Riess
Institut für Stochastik Prof. Dr. N. Henze Dipl.-Math. V. Riess Name: Vorname: Matrikelnummer: Lösungsvorschlag zur Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik (Stochastik) Datum: 07.
MehrÜbungen zur Nachrichtenübertragung
Karl-Dirk Kammeyer Peter Kienner Mark Petermann Übungen zur Nachrichtenübertragung Übungs- und Aufgabenbuch Mit 107 Abbildungen und 15 Tabellen STUDIUM VIEWEG+ TEUBNER Inhaltsverzeichnis I Signale und
MehrKlausur zur Vorlesung Stochastik II
Institut für Mathematische Stochastik WS 003/004 Universität Karlsruhe 05. 04. 004 Prof. Dr. G. Last Klausur zur Vorlesung Stochastik II Dauer: 90 Minuten Name: Vorname: Matrikelnummer: Diese Klausur hat
MehrGrundlagen der Statistischen Nachrichtentheorie
- Prof. Dr.-Ing. Thomas Sikora - Name:............................ Vorname:......................... Matr.Nr:........................... Ich bin mit der Veröffentlichung des Klausurergebnisses unter meiner
Mehr6.1 Direktempfang. Blockschaltbild eines OOK-Empfängers. Photodiode
Blockschaltbild eines OOK-Empfängers rauschfreier opt. Verstärker s(t) g(t) w(t) Photodiode 2 R y k n(t) optisches Filter incl. Polfilter das Verhalten wird im äquivalenten Tiefpass-Bereich analysiert
MehrStatistik, Datenanalyse und Simulation
Dr. Michael O. Distler distler@kph.uni-mainz.de Mainz, 29. Oktober 2007 1. Statistik 1.1 Wahrscheinlichkeit Pragmatisch: p(e) = n(e) N für N sehr groß Kombination von Wahrscheinlichkeiten p(a oder B) =
MehrA4.1: WDF, VTF und Wahrscheinlichkeit
Abschnitt: 4.1 Differentielle Entropie A4.1: WDF, VTF und Wahrscheinlichkeit Zur Wiederholung einiger wichtiger Grundlagen aus dem Buch Stochastische Signaltheorie beschäftigen wir uns mit der Wahrscheinlichkeitsdichtefunktion
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Übung 1 1 Inhalt der heutigen Übung Statistik und Wahrscheinlichkeitsrechnung Hausübung F.4 (Zuverlässigkeitsberechnung) Bayes sche Entscheidungsanalyse (Aufgabe
MehrBeispiel 6 (Einige Aufgaben zur Gleichverteilung)
Beispiel 6 (Einige Aufgaben zur Gleichverteilung) Aufgabe (Anwendung der Chebyshev-Ungleichung) Sei X eine Zufallsvariable mit E(X) = µ und var(x) = σ a) Schätzen Sie die Wahrscheinlichkeit dafür, daß
MehrAufgabe 2.1 Gegeben seien zwei voneinander statistisch unabhängige Gauß-Prozesse s(t) und g(t) mit den zeitunabhängigen Verteilungsdichtefunktionen
Aufgabe 2. Gegeben seien zwei voneinander statistisch unabhängige Gauß-Prozesse s(t) und g(t) mit den zeitunabhängigen Verteilungsdichtefunktionen p s (x) = 2πσ 2 s e x2 2σ 2 s, p g (y) = e y 2 2σ g 2.
MehrVerfahren zur Datenanalyse gemessener Signale
Verfahren zur Datenanalyse gemessener Signale Dr. rer. nat. Axel Hutt Vorlesung 4 zum Übungsblatt Aufgabe 1: sin( (f 3Hz)5s) sin( (f +3Hz)5s) X T (f) 1 i f 3Hz f +3Hz Nullstellen: T=5s: T=1s: f=3hz+2/5s,
MehrFachprüfung. Nachrichtencodierung
Fachprüfung Nachrichtencodierung 14. Juli 2011 Prüfer: Prof. Dr. P. Pogatzki Bearbeitungszeit: 2 Stunden Hilfsmittel: Taschenrechner, Vorlesungsscript, Übungsaufgaben Name:... Matr.-Nr.:... Unterschrift:...
MehrKlausur zur Vorlesung Informationstheorie
INSTITUT FÜR THEORETISCHE NACHRICHTENTECHNIK UND INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 07 Hannover Klausur zur Vorlesung Informationstheorie Datum: 0.0.00 Uhrzeit: 09:00 Uhr Zeitdauer:
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung 11. Vorlesung Jochen Köhler 10.05.011 1 Inhalt der heutigen Vorlesung Zusammenfassung Parameterschätzung Übersicht über Schätzung und Modellbildung Modellevaluation
MehrInitiative Baukulturvermittlung
Z W V: : T : 10 O 2010 08:14:23 MEZ A: 8 9 H Ex A 150000 A 14 15 J Ö F E ö T Py C M T W p Ö T Z 150 J Z j J p 11 15 O E A Wp p Exp W Kpp Pp V M T ö W ö Ex U J F M F U A V P: : M A : U j j Wp A Z --
MehrVorkurs zu Mathematische Methoden Test zur Einschätzung der eigenen mathematischen Grundkenntnisse
Universität zu Köln Seminar für Wirtschafts- und Sozialstatistik Lehrstuhl für Statistik und Ökonometrie Vorkurs zu Mathematische Methoden Test zur Einschätzung der eigenen mathematischen Grundkenntnisse
Mehr2004, x 0 (e 2x + x) x 1, x > 0. Untersuchen Sie die Funktion auf Stetigkeit an der Stelle x 0 = 0!
Klausur 25.02.2004 Aufgabe 5 Gegeben ist die Funktion f(x) = 2004, x 0 (e 2x + x) x 1, x > 0. Untersuchen Sie die Funktion auf Stetigkeit an der Stelle x 0 = 0! Klausur 06.08.2003 Aufgabe 5 Gegeben ist
MehrKlausur: Diskrete Strukturen I
Universität Kassel Fachbereich 10/1 13.03.2013 Klausur: Diskrete Strukturen I Name: Vorname: Matrikelnummer: Versuch: Unterschrift: Bitte fangen Sie für jede Aufgabe ein neues Blatt an. Beschreiben Sie
Mehr70 Wichtige kontinuierliche Verteilungen
70 Wichtige kontinuierliche Verteilungen 70. Motivation Zufallsvariablen sind nicht immer diskret, sie können oft auch jede beliebige reelle Zahl in einem Intervall [c, d] einnehmen. Beispiele für solche
MehrAnalysis. 1.2 Bestimmen Sie die maximalen Intervalle, in denen die Funktion f a echt monoton zu- bzw. abnimmt.
1.0 Gegeben sind die reellen Funktionen f :xaf (x); D = R a a f a Analysis 1 3 fa (x) = (ax + 27x) mit a R a 0. 27 Der Graph einer solchen Funktion wird mit bezeichnet. 1.1 Berechnen Sie die Nullstellen
MehrInitiative Baukulturvermittlung
Z W V: : T : 10 O 2010 08:14:23 MEZ A: 8 9 H Ex A 150000 A 14 15 J Ö F E ö T Py C M T W p Ö T Z 150 J Z j J p 11 15 O E A Wp p Exp W Kpp Pp V M T ö W ö Ex U J F M F U A V P: : M A : U j j Wp A Z --
MehrVorlesung Donnerstag, 10:00-11:30 Uhr M629 Freitag, 8:15-9:45 Uhr R513
Vorlesung Donnerstag, 10:00-11:30 Uhr M629 Freitag, 8:15-9:45 Uhr R513 Übungen Mo 18:45-20:15 M630 Alex. Fiedler/Alex. Haas Di 18:45-20:15 M631 Alex. Fiedler/Alex. Haas Mi 17:00-18:30 M631 Kathy Su/Antonia
MehrEinführungsphase Mathematik. Thema: Quadratische Funktionen. quadratische Gleichungen
Thema: Quadratische Funktionen quadratische Gleichungen Normalform einer linearen Funktion Normalform einer quadratischen Funktion Handelt es sich um quadratische Funktionen??? Ja, denn a = 3, b = 0, c
MehrDie gebrochenrationale Funktion
Die gebrochenrationale Funktion Definition: Unter einer gebrochenrationalen Funktion versteht man den Quotienten zweier ganzrationaler Funktionen, d.h. Funktionen der Form f :x! a n xn + a n 1 x n 1 +...+
MehrDigitale Signalübertragung 3. Übung
Fakultät Elektrotechnik und Informationstechnik Institut für Nachrichtentechnik Vodafone Stiftungslehrstuhl für Mobile Nachrichtensysteme Prof. Dr.-Ing. G. Fettweis Digitale Signalübertragung 3. Übung
MehrWahrscheinlichkeitstheorie und Statistik für Studierende des Maschinenbaus vom
Institut für Stochastik WS 009/10 Karlsruher Institut für Technologie (KIT) Dr. B. Klar Klausur Wahrscheinlichkeitstheorie und Statistik für Studierende des Maschinenbaus vom 08.0.010 Musterlösungen Aufgabe
MehrKapitel 8: Zufallsvektoren
Folie zur Vorlesung Wahrscheinlichkeitsrechnung und Stoch. Prozesse 03.12.2015 Kapitel 8: Zufallsvektoren Statt einem Merkmal werden häufig mehrere Merkmale gleichzeitig betrachtet, z.b. Körpergröße und
MehrÜbungsaufgaben zur Vorlesung Quellencodierung
Übungsaufgaben zur Vorlesung Quellencodierung Aufgabe 1: Gegeben seien die Verbundwahrscheinlichkeiten zweier diskreter Zufallsvariablen x und y: P(x, y) x 1 = 1 x 2 = 2 x 3 = 3 y 1 = 1 0.1 0.1 0.1 y 2
MehrSignale und Systeme Die Fourier-Reihe
Signale und Systeme Die Fourier-Reihe Zsolt Kollar BME HVT hvt.bme.hu 26. März 2012 Gliederung 1 Die kontinuierliche Fourier-Reihe Rekapitulation Berechnung der Koeffizienten Genauigkeit Spezielle Eigenschaften
MehrKlausur Informationstheorie und Codierung
Klausur Informationstheorie und Codierung WS 2013/2014 23.01.2014 Name: Vorname: Matr.Nr: Ich fühle mich gesundheitlich in der Lage, die Klausur zu schreiben Unterschrift: Aufgabe A1 A2 A3 Summe Max. Punkte
MehrTutorium: Analysis und lineare Algebra
Tutorium: Analysis und lineare Algebra Vorbereitung der Abschlussklausur (Teil 2) Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 Komplexe Zahlen 3 Komplexe Zahlen Komplexe Zahlen I Es sei
MehrZulassungsprüfung für den Master-Studiengang in Elektrotechnik und Informationstechnik an der Leibniz Universität Hannover
Zulassungsprüfung für den Master-Studiengang in Elektrotechnik und Informationstechnik an der Leibniz Universität Hannover Zulassungsjahr: 205 (Sommersemester) Allgemeine Informationen: Der deutschsprachige
MehrProf. Dr. Stefan Weinzierl Audiosymbole mit einer Länge von 8 bit werden mit einem Paritätsbit zur Fehlererkennung kodiert.
Audiotechnik II Digitale Audiotechnik: 8. Tutorium Prof. Dr. Stefan Weinzierl 9.2.23 Musterlösung: 9. Dezember 23, 8:34 Fehlerkorrektur II Audiosymbole mit einer Länge von 8 bit werden mit einem Paritätsbit
MehrAnpassungsrechnungen mit kleinsten Quadraten und Maximum Likelihood
Anpassungsrechnungen mit kleinsten Quadraten und Maximum Likelihood Hauptseminar - Methoden der experimentellen Teilchenphysik WS 2011/2012 Fabian Hoffmann 2. Dezember 2011 Inhaltsverzeichnis 1 Einleitung
MehrStetige Verteilungen Rechteckverteilung
Stetige Verteilungen Rechteckverteilung Die Längenabweichungen X produzierter Werkstücke von der Norm seien gleichmäßig verteilt zwischen a = mm und b = 4mm. Die Dichtefunktion lautet also f(x) = für a
MehrTheoretische Grundlagen der Informatik WS 09/10
Theoretische Grundlagen der Informatik WS 09/10 - Tutorium 6 - Michael Kirsten und Kai Wallisch Sitzung 13 02.02.2010 Inhaltsverzeichnis 1 Formeln zur Berechnung Aufgabe 1 2 Hamming-Distanz Aufgabe 2 3
MehrÜbung 4: Physical layer and limits
Wintersemester 217/218 Rechnernetze Universität Paderborn Fachgebiet Rechnernetze Übung 4: Physical layer and limits 217-11-3 1. Basisband/Breitband Diese Aufgabe soll den Unterschied zwischen Basisband-
MehrMathematik. Juni 2015 AHS. Kompensationsprüfung Angabe für Kandidatinnen/Kandidaten
Name: Datum: Klasse: Kompensationsprüfung zur standardisierten kompetenzorientierten schriftlichen Reifeprüfung AHS Juni 2015 Mathematik Kompensationsprüfung Angabe für Kandidatinnen/Kandidaten Hinweise
MehrKlausur zur Vorlesung Stochastik II
Institut für Stochastik WS 007/008 Universität Karlsruhe. 0. 008 r. B. Klar Klausur zur Vorlesung Stochastik II Muster-Lösung auer: 90 Minuten Name: Vorname: Matrikelnummer: iese Klausur hat bestanden,
MehrVorlesung 9b. Rechnen mit Ereignissen und Indikatoren
Vorlesung 9b Rechnen mit Ereignissen und Indikatoren 1 {0, 1}-wertige Zufallsvariablen nennen wir auch 2 {0, 1}-wertige Zufallsvariablen nennen wir auch Indikatoren. {0, 1}-wertige Zufallsvariablen nennen
MehrChaosSeminar - Informationstheorie
Alexander.Bernauer@ulm.ccc.de Stephanie.Wist@ulm.ccc.de 18. November 2005 Motivation schnelle Übertragung von Daten über gestörten Kanal Shannon48 Was ist Information? Information ist Abnahme von Unsicherheit
MehrAbschlussprüfung Nachrichtentechnik 03. August 2015
Abschlussprüfung Nachrichtentechnik 03. August 2015 Name:... Vorname:... Matrikelnr.:... Studiengang:... Aufgabe 1 2 3 4 Summe Note Punkte Hinweis: Die Teilaufgaben (a), (b) und (c) können unabhängig voneinander
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 1. Dezember 21 1 Integralrechnung Flächeninhalt Stammfunktion Rechenregeln 2 Dichten von Erwartungswert und Varianz
Mehr1 Wahrscheinlichkeitsrechnung. 2 Zufallsvariablen und ihre Verteilung. 3 Statistische Inferenz. 4 Hypothesentests. 5 Regression
0 Einführung 1 Wahrscheinlichkeitsrechnung 2 Zufallsvariablen und ihre Verteilung 3 Statistische Inferenz 4 Hypothesentests 5 Regression Zufallsgrößen Ergebnisse von Zufallsexperimenten werden als Zahlen
Mehr2 Zufallsvariable, Verteilungen, Erwartungswert
2 Zufallsvariable, Verteilungen, Erwartungswert Bisher: Zufallsexperimente beschrieben durch W-Räume (Ω, A, P) Häufig interessiert nur eine zufällige Größe X = X(ω), die vom Ergebnis ω des Zufallsexperiments
MehrInstitut für Stochastik, SoSe K L A U S U R , 13:
Institut für Stochastik, SoSe 2014 Mathematische Statistik Paravicini/Heusel 1. K L A U S U R 12.7.2014, 13:00-16.00 Name: Geburtsdatum: Vorname: Matrikelnummer: Übungsgruppe bei: Studiengang & angestrebter
MehrZufallsgröße. Würfelwurf mit fairem Würfel. Wahrscheinlichkeitsverteilung einer diskreten
Zufallsgrößen Ergebnisse von Zufallsexperimenten werden als Zahlen dargestellt 0 Einführung Wahrscheinlichkeitsrechnung 2 Zufallsvariablen und ihre Verteilung 3 Statistische Inferenz 4 Hypothesentests
MehrProbeklausur - Statistik II, SoSe 2017
Probeklausur - Statistik II, SoSe 2017 Aufgabe 1: Mehrdimensionale Zufallsvariablen (15 Punkte) Gegeben sei ein zweidimensionaler stetiger Zufallsvektor X = (X 1, X 2 ) T mit der gemeinsamen Dichtefunktion
MehrÜbung 4. Tutorübung zu Grundlagen: Rechnernetze und Verteilte Systeme (Gruppen Mo-T1 / Di-T11 SS 2016) Dennis Fischer
Übung 4 Tutorübung zu Grundlagen: Rechnernetze und Verteilte Systeme (Gruppen Mo-T1 / Di-T11 SS 2016) Dennis Fischer Technische Universität München Fakultät für Informatik 09.05.2016 / 10.05.2016 1/12
MehrEntwurf, Synthese und Analyse zeitvarianter Übertragungssysteme
RUHR-UNIVERSITY BOCHUM Entwurf, Synthese und Analyse zeitvarianter Übertragungssysteme Vorlesung Zeitvariante Kommunikationssysteme PD Dr.-Ing. Karlheinz Ochs Lehrstuhl für Digitale Kommunikationssysteme
Mehr10 Transformation von Zufallsvariablen
10 Transformation von Zufallsvariablen Sei X : Ω R eine Zufallsvariable mit Verteilungsfunktion F X (x) = P(X < x). Wir betrachten eine Funktion g: R R und sei Zufallsvariable Y : Ω R mit Y = g(x). Y :
MehrStatistik für Informatiker, SS Verteilungen mit Dichte
1/39 Statistik für Informatiker, SS 2017 1.1.6 Verteilungen mit Dichte Matthias Birkner http://www.staff.uni-mainz.de/birkner/statinfo17/ 17.5.2017 Zufallsvariablen mit Dichten sind ein kontinuierliches
MehrPraxiswerkstatt Algorithmen der Signalcodierung
Praxiswerkstatt Algorithmen der Signalcodierung 2. Termin Themen heute: Abtastung Lineare Zeitinvariante Systeme Seite 1 Abtastung letztes Mal haben wir gesehen: 3,9 khz kaum noch hörbar bei 8 khz Abtastrate.
Mehr3 a) Berechnen Sie die normierte Zeilenstufenform der Matrix A = normierte Zeilenstufenform:
1. Aufgabe (9 Punkte) In dieser Aufgabe müssen Sie Ihre Antwort nicht begründen. Es zählt nur das Ergebnis. Tragen Sie nur das Ergebnis auf diesem Blatt im jeweiligen Feld ein. 0 1 3 a) Berechnen Sie die
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenho Institut für Statistik, LMU München Sommersemester 2017 Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2 Elementare
Mehrf(x)dx F(b) F(3) F(b).
Aufgaben aus dem Aufgabenpool. Analysis A_ Die Abbildung zeigt den Graphen der in IR definierten Funktion f. a) Bestimmen Sie mithilfe der Abbildung einen Näherungswert für 5 f(x)dx. ( ) Die Funktion F
Mehr(8 + 2 Punkte) = = 0.75
Aufgabe 1 (8 + 2 Punkte) Von 20 Teilnehmern einer Bergwanderung geben 8 Personen an Knieschmerzen zu haben. 6 Teilnehmer leiden an Sonnenbrand. 8 Teilnehmer blieben unversehrt. a) Wie groß ist die Wahrscheinlichkeit,
MehrAbleitungen von Funktionen
Kapitel 8 Ableitungen von Funktionen 8. Der Begriff der Ableitung Aufgabe 8. : Prüfen Sie mit Hilfe des Differenzenquotienten, ob folgende Funktionen an den gegebenen Stellen x 0 differenzierbar sind.
MehrInstitut für Stochastik, SoSe K L A U S U R , 8:00-11:00. Aufgabe Punkte erreichte Punkte Korrektur
Institut für Stochastik, SoSe 2014 Mathematische Statistik Paravicini/Heusel 2. K L A U S U R 29.9.2014, 8:00-11:00 Name: Geburtsdatum: Vorname: Matrikelnummer: Übungsgruppe bei: Studiengang & angestrebter
MehrExponentialverteilung
Exponentialverteilung Dauer von kontinuierlichen Vorgängen (Wartezeiten; Funktionszeiten technischer Geräte) Grenzübergang von der geometrischen Verteilung Pro Zeiteinheit sei die Eintrittswahrscheinlichkeit
MehrKlausur zur HM3 (vertieft) für LRT und MaWi
Klausur zur HM3 (vertieft) für LRT und MaWi Aufgabe 1. Bitte füllen Sie folgendes aus! (1 Punkt) Name: Matrikelnummer: Vorname: Fachrichtung: Bitte beachten Sie folgende Hinweise: Bearbeitungszeit: 120
MehrKlausur zur Höheren Mathematik III (vertieft)
Kimmerle 26.02.2014 Klausur zur Höheren Mathematik III (vertieft) für Luft- und Raumfahrttechnik, Materialwissenschaften Bitte beachten Sie die folgenden Hinweise: Die Bearbeitungszeit beträgt 120 Minuten.
MehrPartialbruchzerlegung für Biologen
Partialbruchzerlegung für Biologen Rationale Funktionen sind Quotienten zweier Polynome, und sie tauchen auch in der Biologie auf. Die Partialbruchzerlegung bedeutet, einen einfacheren Ausdruck für eine
MehrLösungsvorschläge zu Blatt Nr. 13
Institut für Algorithmen und Kognitive Systeme Dr. Jörn Müller-Quade Carmen Kempka Christian Henrich Nico Döttling Vorlesung Informatik III Lösungsvorschläge zu Blatt Nr. Aufgabe (K ( Punkte Gegeben ist
MehrDoz. Dr. H.P. Scheffler Sommer 2000 Klausur zur Vorlesung Stochastik I
Doz. Dr. H.P. Scheffler Sommer 2000 Klausur zur Vorlesung Stochastik I Wählen Sie aus den folgenden sechs Aufgaben fünf Aufgaben aus. Die maximal erreichbare Punktezahl finden Sie neben jeder Aufgabe.
Mehr2. Übung zur Vorlesung Statistik 2
2. Übung zur Vorlesung Statistik 2 Aufgabe 1 Welche der folgenden grafischen Darstellungen und Tabellen zeigen keine (Einzel-)Wahrscheinlichkeitsverteilung? Kreuzen Sie die richtigen Antworten an und begründen
MehrExemplar für Prüfer/innen
Exemplar für Prüfer/innen Kompensationsprüfung zur standardisierten kompetenzorientierten schriftlichen Reifeprüfung AHS Juni 2015 Mathematik Kompensationsprüfung Angabe für Prüfer/innen Hinweise zur Kompensationsprüfung
Mehr(1 + z 2j ) = 1 z2n+2. 1 z. (1 + z)(1 z) 1 z. 1 z. (1 + z 2j ) = 1 z. 1 z 1 z
Aufgabe Zeigen Sie mit vollständiger Induktion: Für alle n N gilt (8 Punkte) n ( + z 2j ) = 2n+, wobei z C, z, eine komplexe Zahl ist Lösung [8 Punkte] Induktionsanfang: n = : ( + z 2j ) = ( + z 2 ) =
MehrWozu braucht man Vektorrechnung bei der Datenübertragung?
Wozu braucht man Vektorrechnung bei der Datenübertragung? Henrik Schulze Fachhochschule Südwestfalen Meschede Nürnberg, 2011-06-07 Überblick Eigenschaften von Vektoren Signale als Vektoren Projektion,
MehrFakultät Verkehrswissenschaften Friedrich List Professur für Ökonometrie und Statistik, insb. im Verkehrswesen. Statistik II. Prof. Dr.
Statistik II Fakultät Verkehrswissenschaften Friedrich List Professur für Ökonometrie und Statistik, insb. im Verkehrswesen Statistik II 2. Parameterschätzung: 2.1 Grundbegriffe; 2.2 Maximum-Likelihood-Methode;
Mehrd 1 P N G A L S2 d 2
Abschlussprüfung Nachrichtentechnik 28. Juli 2014 Name:... Vorname:... Matrikelnr.:... Studiengang:... Aufgabe 1 2 3 4 Summe Note Punkte Hinweis: Die Teilaufgaben (a), (b) und (c) können unabhängig voneinander
MehrLösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK
Institut für Stochastik Dr. Steffen Winter Lösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK für Studierende der INFORMATIK vom 17. Juli 01 (Dauer: 90 Minuten) Übersicht über
MehrD-CHAB Grundlagen der Mathematik I (Analysis A) HS 2015 Theo Bühler
D-CHAB Grundlagen der Mathematik I Analysis A) HS 015 Theo Bühler Lösung 3 1. Führe die folgenden Polynomdivisionen mit Rest durch. a) x 3 x 5x + 5) : x 3) Lösung. Also gilt oder x 3 x 5x +5) : x 3) x
Mehr