P (X = 0) = P (X = 2) = 2

Größe: px
Ab Seite anzeigen:

Download "P (X = 0) = P (X = 2) = 2"

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.

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

Mehr

P (X = 0) = 0.6 P (X = 1) = 0.4.

P (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

Mehr

Grundlagen der Nachrichtentechnik

Grundlagen 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.

Mehr

Klausur zur Vorlesung Informationstheorie

Klausur 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

Mehr

1.1 Bestimmen Sie diejenigen Werte von a, für die f a mehr als eine Nullstelle hat. (3 P)

1.1 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

Mehr

Übertragungsverfahren der Nachrichtentechnik 2 Ex Beispiele zum 1. Übungstest

Übertragungsverfahren 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

Mehr

Grundlagen der Nachrichtentechnik

Grundlagen 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.

Mehr

i =1 i =2 i =3 x i y i 4 0 1

i =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

Mehr

Fachprüfung. Nachrichtencodierung

Fachprüfung. Nachrichtencodierung Fachprüfung Nachrichtencodierung 14. März 2006 Prüfer: Prof. Dr. P. Pogatzki Bearbeitungszeit: 2 Stunden Hilfsmittel: Taschenrechner, Vorlesungsscript, Übungsaufgaben Name:... Matr.-Nr.:... Unterschrift:...

Mehr

Übungsblatt Nr. 6. Lösungsvorschlag

Übungsblatt 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)

Mehr

1.1 Bestimmen Sie diejenigen Werte von a, für die f a mehr als eine Nullstelle hat. (3 P)

1.1 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

Mehr

Grundlagen der Nachrichtentechnik

Grundlagen 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,

Mehr

TGI-Übung Dirk Achenbach

TGI-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

Mehr

Zusatzübung zur Theoretischen Informationstechnik

Zusatzübung 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

Mehr

Aufgabe 1 - Pegelrechnung und LTI-Systeme

Aufgabe 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

Mehr

Kommunikationstechnik II Wintersemester 08/09

Kommunikationstechnik 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

Mehr

0 für t < für 1 t < für 2 t < für 3 t < für 4 t < 5 1 für t 5

0 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

Mehr

Übungen zur Vorlesung Statistische Methoden Kapitel 1-2

Übungen 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

Mehr

Fachprüfung. Nachrichtencodierung

Fachprüfung. Nachrichtencodierung Fachprüfung Nachrichtencodierung 23. Februar 2010 Prüfer: Prof. Dr. P. Pogatzki Bearbeitungszeit: 2 Stunden Hilfsmittel: Taschenrechner, Vorlesungsscript, Übungsaufgaben Name: Vorname: Matr.-Nr.: Unterschrift:

Mehr

zu Aufgabe 26: a) A 3 A 2 A 4 A 1 A 5 A 0 A 6

zu 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(

Mehr

1 Multivariate Zufallsvariablen

1 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)

Mehr

Aufgaben zu den ganzrationalen Funktionen

Aufgaben 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

Mehr

Einführung in Stochastische Prozesse und Zeitreihenanalyse Vorlesung, 2017S, 2.0h 24.November 2017 Hubalek/Scherrer

Einführung 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,

Mehr

Fachprüfung. Nachrichtencodierung

Fachprüfung. Nachrichtencodierung Fachprüfung Nachrichtencodierung 6. August 2009 Prüfer: Prof. Dr. P. Pogatzki Bearbeitungszeit: 2 Stunden Hilfsmittel: Taschenrechner, Vorlesungsscript, Übungsaufgaben Name: Vorname: Matr.-Nr.: Unterschrift:

Mehr

Empirische Wirtschaftsforschung

Empirische Wirtschaftsforschung Empirische Wirtschaftsforschung Prof. Dr. Bernd Süßmuth Universität Leipzig Institut für Empirische Wirtschaftsforschung Volkswirtschaftslehre, insbesondere Ökonometrie 1 3. Momentenschätzung auf Stichprobenbasis

Mehr

Institut für Stochastik Prof. Dr. N. Henze Dipl.-Math. V. Riess

Institut 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.

Mehr

Übungen zur Nachrichtenübertragung

Übungen 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

Mehr

Klausur zur Vorlesung Stochastik II

Klausur 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

Mehr

Grundlagen der Statistischen Nachrichtentheorie

Grundlagen der Statistischen Nachrichtentheorie - Prof. Dr.-Ing. Thomas Sikora - Name:............................ Vorname:......................... Matr.Nr:........................... Ich bin mit der Veröffentlichung des Klausurergebnisses unter meiner

Mehr

6.1 Direktempfang. Blockschaltbild eines OOK-Empfängers. Photodiode

6.1 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

Mehr

Statistik, Datenanalyse und Simulation

Statistik, 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) =

Mehr

A4.1: WDF, VTF und Wahrscheinlichkeit

A4.1: 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

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik und Wahrscheinlichkeitsrechnung Übung 1 1 Inhalt der heutigen Übung Statistik und Wahrscheinlichkeitsrechnung Hausübung F.4 (Zuverlässigkeitsberechnung) Bayes sche Entscheidungsanalyse (Aufgabe

Mehr

Beispiel 6 (Einige Aufgaben zur Gleichverteilung)

Beispiel 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

Mehr

Aufgabe 2.1 Gegeben seien zwei voneinander statistisch unabhängige Gauß-Prozesse s(t) und g(t) mit den zeitunabhängigen Verteilungsdichtefunktionen

Aufgabe 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.

Mehr

Verfahren zur Datenanalyse gemessener Signale

Verfahren 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,

Mehr

Fachprüfung. Nachrichtencodierung

Fachprüfung. Nachrichtencodierung Fachprüfung Nachrichtencodierung 14. Juli 2011 Prüfer: Prof. Dr. P. Pogatzki Bearbeitungszeit: 2 Stunden Hilfsmittel: Taschenrechner, Vorlesungsscript, Übungsaufgaben Name:... Matr.-Nr.:... Unterschrift:...

Mehr

Klausur zur Vorlesung Informationstheorie

Klausur 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:

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik 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

Mehr

Initiative Baukulturvermittlung

Initiative 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 --

Mehr

Vorkurs zu Mathematische Methoden Test zur Einschätzung der eigenen mathematischen Grundkenntnisse

Vorkurs 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

Mehr

2004, x 0 (e 2x + x) x 1, x > 0. Untersuchen Sie die Funktion auf Stetigkeit an der Stelle x 0 = 0!

2004, 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

Mehr

Klausur: Diskrete Strukturen I

Klausur: 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

Mehr

70 Wichtige kontinuierliche Verteilungen

70 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

Mehr

Analysis. 1.2 Bestimmen Sie die maximalen Intervalle, in denen die Funktion f a echt monoton zu- bzw. abnimmt.

Analysis. 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

Mehr

Initiative Baukulturvermittlung

Initiative 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 --

Mehr

Vorlesung 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 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

Mehr

Einführungsphase Mathematik. Thema: Quadratische Funktionen. quadratische Gleichungen

Einführungsphase 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

Mehr

Die gebrochenrationale Funktion

Die 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 +...+

Mehr

Digitale Signalübertragung 3. Übung

Digitale Signalübertragung 3. Übung Fakultät Elektrotechnik und Informationstechnik Institut für Nachrichtentechnik Vodafone Stiftungslehrstuhl für Mobile Nachrichtensysteme Prof. Dr.-Ing. G. Fettweis Digitale Signalübertragung 3. Übung

Mehr

Wahrscheinlichkeitstheorie und Statistik für Studierende des Maschinenbaus vom

Wahrscheinlichkeitstheorie 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

Mehr

Kapitel 8: Zufallsvektoren

Kapitel 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

Mehr

Übungsaufgaben zur Vorlesung Quellencodierung

Übungsaufgaben 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

Mehr

Signale und Systeme Die Fourier-Reihe

Signale 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

Mehr

Klausur Informationstheorie und Codierung

Klausur 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

Mehr

Tutorium: Analysis und lineare Algebra

Tutorium: 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

Mehr

Zulassungsprüfung 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 Zulassungsprüfung für den Master-Studiengang in Elektrotechnik und Informationstechnik an der Leibniz Universität Hannover Zulassungsjahr: 205 (Sommersemester) Allgemeine Informationen: Der deutschsprachige

Mehr

Prof. Dr. Stefan Weinzierl Audiosymbole mit einer Länge von 8 bit werden mit einem Paritätsbit zur Fehlererkennung kodiert.

Prof. 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

Mehr

Anpassungsrechnungen mit kleinsten Quadraten und Maximum Likelihood

Anpassungsrechnungen 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

Mehr

Stetige Verteilungen Rechteckverteilung

Stetige 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

Mehr

Theoretische Grundlagen der Informatik WS 09/10

Theoretische 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

Mehr

Übung 4: Physical layer and limits

Übung 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-

Mehr

Mathematik. Juni 2015 AHS. Kompensationsprüfung Angabe für Kandidatinnen/Kandidaten

Mathematik. 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

Mehr

Klausur zur Vorlesung Stochastik II

Klausur 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,

Mehr

Vorlesung 9b. Rechnen mit Ereignissen und Indikatoren

Vorlesung 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

Mehr

ChaosSeminar - Informationstheorie

ChaosSeminar - 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

Mehr

Abschlussprüfung Nachrichtentechnik 03. August 2015

Abschlussprüfung 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

Mehr

Mathematik für Biologen

Mathematik 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

Mehr

1 Wahrscheinlichkeitsrechnung. 2 Zufallsvariablen und ihre Verteilung. 3 Statistische Inferenz. 4 Hypothesentests. 5 Regression

1 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

Mehr

2 Zufallsvariable, Verteilungen, Erwartungswert

2 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

Mehr

Institut für Stochastik, SoSe K L A U S U R , 13:

Institut 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

Mehr

Zufallsgröße. Würfelwurf mit fairem Würfel. Wahrscheinlichkeitsverteilung einer diskreten

Zufallsgröße. 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

Mehr

Probeklausur - Statistik II, SoSe 2017

Probeklausur - 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

Mehr

Übung 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 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

Mehr

Entwurf, Synthese und Analyse zeitvarianter Übertragungssysteme

Entwurf, 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

Mehr

10 Transformation von Zufallsvariablen

10 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 :

Mehr

Statistik für Informatiker, SS Verteilungen mit Dichte

Statistik 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

Mehr

Praxiswerkstatt Algorithmen der Signalcodierung

Praxiswerkstatt 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.

Mehr

3 a) Berechnen Sie die normierte Zeilenstufenform der Matrix A = normierte Zeilenstufenform:

3 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

Mehr

Vorlesung: Statistik II für Wirtschaftswissenschaft

Vorlesung: 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

Mehr

f(x)dx F(b) F(3) F(b).

f(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

(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,

Mehr

Ableitungen von Funktionen

Ableitungen 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.

Mehr

Institut für Stochastik, SoSe K L A U S U R , 8:00-11:00. Aufgabe Punkte erreichte Punkte Korrektur

Institut 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

Mehr

Exponentialverteilung

Exponentialverteilung Exponentialverteilung Dauer von kontinuierlichen Vorgängen (Wartezeiten; Funktionszeiten technischer Geräte) Grenzübergang von der geometrischen Verteilung Pro Zeiteinheit sei die Eintrittswahrscheinlichkeit

Mehr

Klausur zur HM3 (vertieft) für LRT und MaWi

Klausur 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

Mehr

Klausur zur Höheren Mathematik III (vertieft)

Klausur 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.

Mehr

Partialbruchzerlegung für Biologen

Partialbruchzerlegung 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

Mehr

Lösungsvorschläge zu Blatt Nr. 13

Lösungsvorschläge 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

Mehr

Doz. Dr. H.P. Scheffler Sommer 2000 Klausur zur Vorlesung Stochastik I

Doz. 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.

Mehr

2. Übung zur Vorlesung Statistik 2

2. 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

Mehr

Exemplar für Prüfer/innen

Exemplar 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

(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 ) =

Mehr

Wozu braucht man Vektorrechnung bei der Datenübertragung?

Wozu 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,

Mehr

Fakultät Verkehrswissenschaften Friedrich List Professur für Ökonometrie und Statistik, insb. im Verkehrswesen. Statistik II. Prof. Dr.

Fakultät 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;

Mehr

d 1 P N G A L S2 d 2

d 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

Mehr

Lösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK

Lösungen 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

Mehr

D-CHAB Grundlagen der Mathematik I (Analysis A) HS 2015 Theo Bühler

D-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