Klausuraufgaben zur Vorlesung Computer Vision. Prüfung I W772. Termin: 5. Februar Maximal mögliche Punktzahl: = 50.
|
|
- Alfred Fried
- vor 5 Jahren
- Abrufe
Transkript
1 Klausuraufgaben zur Vorlesung Computer Vision Prüfung I W772 Prüfer: Laubenheimer Termin: 5. Februar 2009 Beginn: 14:00 Uhr Dauer: 90 Minuten Maximal mögliche Punktzahl: = 50 Name Matrikelnummer 1. Situationsbeschreibung: 7 Punkte (a) Welche Komponente des Interpretationszyklus ist für die Situationsbeschreibung relevant? 1 Punkt (b) Welche Komponenten der Situationsgrafen werden durch die Bildauswertung bestimmt? 1 Punkt (c) Für eine sensorbasierte Einparkhilfe für PKWs soll ein (vereinfachter) Situationsgraph erstellt werden. Gehen Sie von folgener Aufgabenstellung aus. Die PKWs sind mit Sensoren ausgestattet, die Ihnen folgende Informationen liefern: Wird im Abstand von 1,5 Metern vor dem Fahrzeug ein Hindernis detektiert, so liefert eine Variable obstacle = true, andernfalls obstacle = false. Im Fall eines detektierten Hindernisses liefert das System außerdem die Variable distance, die die Entfernung zum Hindernis in Metern angibt. In Abhängigkeit von der Entfernung vom Hindernis soll das Fahrzeug einen der folgenden Warntöne von sich geben. distance größer als 1,0 Meter zwischen 1,0 Metern und 0,3 Metern kleiner als 0,3 Meter Warnton moderat mittel aufdringlich Ergänzen Sie den Situationsgraphen um Zustands- und Handlungsschemata sowie um Prädiktionskanten. 5 Punkte 1
2 2. Anwendungsbeispiel Walnüsse: 35 Punkte Bei der Verpackung von Walnüssen soll ein Sichtprüfsystem eingerichtet werden, um die Qualität der eingehenden Lieferungen zu überwachen. Sie können von folgenden, vereinfachenden Voraussetzungen ausgehen: Die Beleuchtungsbedingungen sind konstant. Die Helligkeit der Walnüsse ist ebenfalls konstant (was in der Realität nicht der Fall ist!). (a) Zur stichprobenartigen Kontrolle der Größe der Walnüsse werden Bilder entsprechend Abbildung (a) eingezogen. In diesen Bildern sollen die Walnüsse anhand einer Schwelle segmentiert werden (vgl. Abbildung (b)), die automatisch bestimmt werden soll. Die 2
3 Histogramme H O und H H von Vorder- und Hintergrundpixeln sind aus einem repräsentativen Beispielbild bekannt: q H O (q) q H H (q) Berechnen Sie aus diesen (vereinfachten) Histogrammen die Mittelwerte und Varianzen µ O, µ H, σ 2 O und σ2 H. 4 Punkte (b) Was muss (neben der Auswahl eines repräsentativen Beispielbilds) gegeben sein, um das Verfahren zur automatischen Schwellwertbestimmung anwenden zu können? 1 Punkt (c) Nach der Binarisierung müssen in obigem Beispiel noch kleine Störstrukturen im Hintergrund beseitigt werden. Welche morphologische Operation wenden Sie an und aus welchen Grundoperationen setzt sich diese zusammen? 2 Punkte (d) Für Walnüsse ist die Größe ein Qualitätsmerkmal. Darüber hinaus sind Lieferungen, deren Walnüsse eine möglichst gleichmäßige Größe besitzen, wünschenswert. Beschreiben Sie in Stichworten, wie Sie auf Basis der segmentierten Bilder erstens die durchschnittliche Größe und zweitens die Schwankung um diesen Durchschnitt quantitativ ermitteln können. 3 Punkte 3
4 (e) Wie können aus dem Binärbild die Ränder der Walnüsse mit morphologischen Operatoren extrahiert werden? 2 Punkte (f) Die Walnüsse sollen nun als Kettencode gespeichert werden. Geben Sie den startpunktinvarianten Kettencode der folgenden (vereinfachten) Walnuss an (ein bezeichnet ein Randpixel). 3 Punkte (g) Alternativ können die Randpixel der Walnüsse auch mit Hilfe von Kantenoperationen auf dem Grauwertbild gewonnen werden. Beschreiben Sie in Stichworten diejenigen Schritte, die durchgeführt werden müssen, um über die erste Ableitung ein binarisiertes Bild mit Kantenpixelkandidaten zu erhalten. 4 Punkte 4
5 (h) Mit Hilfe der gespiegelten Faltungskerne lassen sich die partiellen Ableitungen in x- und y-richtung approximieren. Berechnen Sie die Ergebnisbilder dieser Faltungen für den folgenden Bildausschnitt. 4 Punkte (i) Berechnen Sie das Gradientenbetragsbild. 4 Punkte 5
6 (j) Inwiefern unterscheidet sich die Berechnung von Kantenbildpunkten, wenn statt des Sobel-Operators der Laplace-Operator verwendet wird? 2 Punkte (k) Nun sollen die Bilder ohne Informationsverlust bzw. -verfälschung verkleinert werden. Welcher Satz gibt Aufschluss darüber, wie groß das Abtastintervall sein darf, um das Bild aus den abgetasteten Punkten exakt rekonstruieren zu können? Wie lautet der Satz (verbal)? 3 Punkte (l) Wie stark dürfen Sie das Bild in x- und y-richtung verkleinern, ohne dass die im Bild enthaltene Information reduziert oder verfälscht wird, wenn die oberen Grenzfrequenzen in x- und y-richtung jeweils ũ = ỹ = 0.25 betragen? 2 Punkte (m) Zur Berechnung der oberen Grenzfrequenzen müssen Sie die diskrete Fouriertransformierte des Bildes berechnen. Nennen Sie zwei Möglichkeiten zur Beschleunigung der Berechnung der DFT und ggf. die Voraussetzungen, die erfüllt sein müssen, um sie anzuwenden? 2 Punkte 6
7 3. Nachtrag Texturextraktion: 8 Punkte (a) Berechnen Sie die Coocurrence-Matrix für den folgenden Bildausschnitt für Q = 5 und den Positionsoperator P 1,0. 3 Punkte (b) Berechnen Sie aus dieser Coocurrence-Matrix die Energie. Korrektes Einsetzen in die Formel ist für die volle Punktzahl ausreichend! 2 Punkte i j c 2 ij (c) Welche Grundidee verbindet die Coocurrencematrix und die Unser-Methode. Worin unterscheiden sie sich? 3 Punkte 7
8
Klausuraufgaben zur Vorlesung Computer Vision. Prüfung I W772. Termin: 5. Februar Maximal mögliche Punktzahl: = 50.
Klausuraufgaben zur Vorlesung Computer Vision Prüfung I W772 Prüfer: Laubenheimer Termin: 5. Februar 2009 Beginn: 8:00 Uhr Dauer: 90 Minuten Maximal mögliche Punktzahl: 7+35+8 = 50 Name Matrikelnummer
MehrKlausuraufgaben zur Vorlesung Computer Vision. Prüfung I W772, I 2M54. Termin: 17. Juli bzw. 90 Minuten Maximal mögliche Punktzahl: 48
Klausuraufgaben zur Vorlesung Computer Vision Prüfung I W772, I 2M54 Prüfer: Laubenheimer Termin: 17. Juli 2008 Beginn: 8:00 Uhr Dauer: 60 bzw. 90 Minuten Maximal mögliche Punktzahl: 48 Name Matrikelnummer
MehrMorphologische Filter
Morphologische Filter Industrielle Bildverarbeitung, Vorlesung No. 8 1 M. O. Franz 28.11.2007 1 falls nicht anders vermerkt, sind die Abbildungen entnommen aus Burger & Burge, 2005. Übersicht 1 Morphologische
MehrHauptklausur zur Vorlesung Bildverarbeitung WS 2002/2003
Name:........................................ Vorname:..................................... Matrikelnummer:.............................. Bitte Studiengang ankreuzen: Computervisualistik Informatik Hauptklausur
MehrSignalverarbeitung g für audiovisuelle Kommunikation
University of Applied Science Signalverarbeitung g für audiovisuelle Kommunikation 3. Segmentierung - Morphologische Operationen Morphologische Operationen Morphologie: die Gestalt betreffend Gestalt in
MehrD-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler. Lösung 4
D-MATH, D-PHYS, D-CHAB Analysis I HS 017 Prof. Manfred Einsiedler Lösung 4 Hinweise 1. Zeigen Sie, dass inf X die kleinste obere Schranke von X ist.. Dass z 1, z Lösungen sind, kann man durch Einsetzen
MehrComputergrafik 2: Morphologische Operationen
Computergrafik 2: Morphologische Operationen Prof. Dr. Michael Rohs, Dipl.-Inform. Sven Kratz michael.rohs@ifi.lmu.de MHCI Lab, LMU München Folien teilweise von Andreas Butz, sowie von Klaus D. Tönnies
MehrComputergrafik 2: Übung 9. Morphologische Operationen
Computergrafik 2: Übung 9 Morphologische Operationen Organisation KLAUSURANMELDUNG (UNIWORX) NICHT VERGESSEN! Computergrafik 2 SS2012 2 Besprechung Übung 8 Anmerkungen? Computergrafik 2 SS2012 3 Quiz Watershed-Algorithmus
MehrComputergrafik 2: Morphologische Operationen
Computergrafik 2: Morphologische Operationen Prof. Dr. Michael Rohs, Dipl.-Inform. Sven Kratz michael.rohs@ifi.lmu.de MHCI Lab, LMU München Folien teilweise von Andreas Butz, sowie von Klaus D. Tönnies
MehrLösung II Veröffentlicht:
1 Momentane Bewegung I Die Position eines Teilchens auf der x-achse, ist gegeben durch x = 3m 30(m/s)t + 2(m/s 3 )t 3, wobei x in Metern und t in Sekunden angeben wird (a) Die Position des Teilchens bei
MehrWas bisher geschah. digitale Bilder: Funktion B : pos col Matrix B col
Was bisher geschah digitale Bilder: Funktion B : pos col Matrix B col pos mit den Mengen pos von Positionen (Adressen) col von Farben, Intensitäten Aufgaben maschineller Bildverarbeitung: Erzeugung, Wiedergabe,
MehrEinführung in die medizinische Bildverarbeitung WS 12/13
Einführung in die medizinische Bildverarbeitung WS 12/13 Stephan Gimbel Kurze Wiederholung Pipeline Pipelinestufen können sich unterscheiden, beinhalten aber i.d.r. eine Stufe zur Bildvorverarbeitung zur
Mehr"Kanten- und Linienerkennung in Grauwertbildern für Bildverarbeitungsstufen im Antikollissionssystem des Faustfahrzeugs"
"Kanten- und Linienerkennung in Grauwertbildern für Bildverarbeitungsstufen im Antikollissionssystem des Faustfahrzeugs" Ning Liu HAW-Hamburg Seminarvortrag December 15, 2006 Ning Liu Kanten- und Linienerkennung
MehrForm: Gradient. Informationsgewinnung
Form: Gradient Motivation: Wenn Objekte homoen bezülich dem Grauwert oder einem Teturmerkmal sind dann treten an den Objektrenzen starke Gradienten auf. Grauwertbild Gradientenbetrasbild Computer Vision
MehrBitte bearbeite zunächst alle Aufgaben bevor du einen Blick in die Lösungen wirfst.
Übungsblatt 2 - Varianz, Standardabweichung, Kovarianz Das zweite Übungsblatt umfasst die Themen Varianz, Standardabweichung und Kovarianz. Hinter den Aufgaben steht wie gewohnt in Klammern die durchschnittliche
MehrInhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Seite 1 von 15 Prof. Dr. Karin Melzer, Prof. Dr. Gabriele Gühring, Fakultät Grundlagen
Inhaltsverzeichnis: Übungsaufgaben zu Kapitel 6... 2 Aufgabe 133... 2 Aufgabe 134... 5 Aufgabe 135 (Grunderhebung für eine Qualitätsregelkarte)... 8 Aufgabe 136 (Klausuraufgabe SS 04)... 10 Aufgabe 137
MehrAbschlussklausur , 10:30 bis 13:30
FU Berlin: SoSe 18 (Mathematik I, Weber) Abschlussklausur 25.9.2018, 10:30 bis 13:30 Name: Matrikelnummer: Unterschrift: Bewertung (vom Dozenten auszufüllen): Aufgabe 1 2 3 4 5 6 7 8 Summe Maximal erreichbare
MehrÄnderungsmaße. möglich. Die nachstehende Abbildung zeigt den Graphen der Funktion f mit der Gleichung f(x) = 0,1x ².
Änderungsmaße Typ 1 S Aufgabennummer: 1_004 Prüfungsteil: Aufgabenformat: Multiple Choice ( aus 5) Grundkompetenz: AN 1.3 keine Hilfsmittel S erforderlich Hilfsmittel S gewohnte möglich Typ Technologie
MehrD-MATH Numerische Methoden FS 2017 Dr. Vasile Gradinaru Luc Grosheintz. Serie 10
D-MATH Numerische Methoden FS 2017 Dr. Vasile Gradinaru Luc Grosheintz Serie 10 Abgabedatum: 23.5/24.5, in den Übungsgruppen Koordinatoren: Luc Grosheintz, HG G 46, luc.grosheintz@sam.math.ethz.ch Webpage:
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrProbematura Mathematik
BRP Mathematik VHS Floridsdorf 05/06 2012 Seite 1/5 Probematura Mathematik Volkshochschule Floridsdorf / Frühjahr 2012 Beurteilungsschlüssel: 55-60 P.: 1, 8-5 P.: 2. 39-7 P.: 3, 30-39 P.: 5, 0-29 P.: 5
MehrVorwarnsystem. Ingmar Rubin, Berlin 5. Oktober 2003
ngmar Rubin, Berlin 5. Oktober 2003 Siegfried und Bernhard sind Entwicklungsingenieure bei einer großen Automobilfirma. Der Vetriebsschef hat für das Design der neuen XXL-C2 Class ein neues Sicherheitsfeature
MehrIngenieurinformatik II Numerik für Ingenieure Teil 2
Hochschule München, FK 03 MB SS 013 Name Vorname Matrikelnummer Sem.Gr. Hörsaal Platz Ingenieurinformatik II Numerik für Ingenieure Teil Bearbeitungszeit : 60 Minuten Aufgabensteller : Dr. Reichl Hilfsmittel
MehrÜbungsblatt 13 Ausgabe: 11. Juli 2018
Universität Stuttgart 1. Institut für Theoretische Physik Prof. Dr. Jörg Main Übungen zur Vorlesung Physik auf dem Computer Sommersemester 218 Übungsgruppenleiter: Robin Bardakcioglu rhb@itp1.uni-stuttgart.de;
MehrAufgabe 2: Analysis (WTR)
Abitur Mathematik: Nordrhein-Westfalen 2013 Aufgabe 2 a) (1) STARTPUNKT BERECHNEN Der x Wert des Startpunktes ist mit 8 gegeben. Der zugehörige y Wert ist 8 1 50 8 3 106 8 4,24. 4 25 Der Startpunkt liegt
MehrD-MATH Numerische Methoden FS 2016 Dr. Vasile Gradinaru Alexander Dabrowski. Serie 9
D-MATH Numerische Methoden FS 2016 Dr. Vasile Gradinaru Alexander Dabrowski Serie 9 Best Before: 24.5/25.5, in den Übungsgruppen (2 wochen) Koordinatoren: Alexander Dabrowski, HG G 52.1, alexander.dabrowski@sam.math.ethz.ch
MehrÜbungen mit dem Applet Rangwerte
Rangwerte 1 Übungen mit dem Applet Rangwerte 1 Statistischer Hintergrund... 2 1.1 Verteilung der Einzelwerte und der Rangwerte...2 1.2 Kurzbeschreibung des Applets...2 1.3 Ziel des Applets...4 2 Visualisierungen
MehrÜbungsaufgaben zu Kapitel 6
Inhaltsverzeichnis: Übungsaufgaben zu Kapitel 6... Aufgabe 133... Aufgabe 134... 5 Aufgabe 135 (Grunderhebung für eine Qualitätsregelkarte)... 8 Aufgabe 136 (Klausuraufgabe SS 04)... 10 Aufgabe 137 (Überwachung
MehrModul Digitale Bildverarbeitung SS16 Bestandteile der Lehrveranstaltung und Prüfung: Vorlesungen Übungsserien Praktika (ImageJ) bis Mai 2016 Projekt
Modul Digitale Bildverarbeitung SS16 Bestandteile der Lehrveranstaltung und Prüfung: Vorlesungen Übungsserien Praktika (ImageJ) bis Mai 2016 Projekt im Juni 2016 Themen: Digitale Bilder, Eigenschaften
Mehr28. Lineare Approximation und Differentiale
28. Lineare Approximation und Differentiale Sei y = f(x) differenzierbar. Die Gleichung der Tangente t im Punkt x 0 lautet t : y f(x 0 ) = f (x 0 )(x x 0 ) Für x nahe bei x 0 können wir f(x) durch den
MehrHochschule München, FK 03 WS 2015/16. Ingenieurinformatik. Name Vorname Matrikelnummer Sem.Gr. Hörsaal Platz. Zulassung geprüft Note :
Hochschule München, FK 03 WS 2015/16 Ingenieurinformatik Name Vorname Matrikelnummer Sem.Gr. Hörsaal Platz Zulassung geprüft Note : Die Prüfung ist nur dann gültig, wenn Sie die erforderliche Zulassungsvoraussetzung
Mehr6. Texterkennung in Videos Videoanalyse
6. Texterkennung in Videos Videoanalyse Dr. Stephan Kopf 1 Übersicht Motivation Texterkennung in Videos 1. Erkennung von Textregionen/Textzeilen 2. Segmentierung einzelner Buchstaben 3. Auswahl der Buchstabenpixel
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Analysis - Grundlagen der Differentialrechnung: Ableitungsfunktion
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Analysis - Grundlagen der Differentialrechnung: Ableitungsfunktion Das komplette Material finden Sie hier: School-Scout.de SCHOOL-SCOUT
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 22 Übersicht Weitere Hypothesentests in der Statistik 1-Stichproben-Mittelwert-Tests 1-Stichproben-Varianz-Tests 2-Stichproben-Tests Kolmogorov-Smirnov-Test
MehrGrundlagen der Mathematik II (LVA U)
Dr. Marcel Dettling 21.05.2010 Dr. Daniel Haase FS 2010 daniel.haase@math.ethz.ch Grundlagen der Mathematik II (LVA 401-0622-00 U 11 Zur Übungsstunde vom 21.05.2010 Aufgabe 31 (Rechnen mit der Normalverteilung
MehrDistributed Algorithms. Image and Video Processing
Chapter 6 Optical Character Recognition Distributed Algorithms for Übersicht Motivation Texterkennung in Bildern und Videos 1. Erkennung von Textregionen/Textzeilen 2. Segmentierung einzelner Buchstaben
MehrFotografie. Nach 0,3 Sekunden ist der Kondensator auf eine Spannung von 5,25 V aufgeladen.
Fotografie Aufgabennummer: B_047 Technologieeinsatz: möglich erforderlich S 1924 wurden erstmals Kleinbildkameras in Serie gefertigt. Die Automatisierung der bis dahin überwiegend mechanisch funktionierenden
MehrDigitale Bildverarbeitung - Rechnerübung 3
Digitale Bildverarbeitung - Rechnerübung 3 1. Khoros Zur Durchführung der Rechnerübung wird das Programmpaket KHOROS mit seiner Benutzerschnittstelle Cantata verwendet. Nach der Anmeldung am Rechner durch
MehrAbstand zweier zueinander windschiefen Geraden
Fachreferat aus dem Fach Mathematik Abstand zweier zueinander windschiefen Geraden Jakob Schöttl 2009-02-17 Inhaltsverzeichnis 1 Deklaration 1 2 Denition von windschief 2 3 Meine eigenen Versuche 2 3.1
MehrLösungen zu Übungsblatt 2
PN1 - Physik 1 für Chemiker und Biologen Prof. J. Lipfert WS 217/18 Übungsblatt 2 Lösungen zu Übungsblatt 2 Aufgabe 1 Koppelnavigation. a) Ein Schiff bestimmt seine Position bei Sonnenuntergang durch den
MehrAngewandte Mathematik (BHS) Berufsreifeprüfung Mathematik
Kompensationsprüfung zur standardisierten kompetenzorientierten schriftlichen Reife- und Diplomprüfung bzw. zur standardisierten kompetenzorientierten schriftlichen Berufsreifeprüfung Oktober 217 Angewandte
MehrÜbung 15. Zeige, dass man jede Formel äquivalent in eine neue Formel umwandeln kann, die nur die Operatoren und! verwendet.
Logik und Diskrete Strukturen (Sommer 28) Übung 5 Zeige, dass man jede Formel äquivalent in eine neue Formel umwandeln kann, die nur die Operatoren und! verwendet. Zum Beweis muss man nur prüfen, dass
MehrComputer Vision: Kalman Filter
Computer Vision: Kalman Filter D. Schlesinger TUD/INF/KI/IS D. Schlesinger () Computer Vision: Kalman Filter 1 / 8 Bayesscher Filter Ein Objekt kann sich in einem Zustand x X befinden. Zum Zeitpunkt i
MehrInhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Seite 1 von 16 Prof. Dr. Karin Melzer, Fakultät Grundlagen
Inhaltsverzeichnis: Übungsaufgaben zu Kapitel 6... 2 Aufgabe 126... 2 Aufgabe 127... 5 Aufgabe 128 (Grunderhebung für eine Qualitätsregelkarte)... 8 Aufgabe 129 (Klausuraufgabe SS 04)... 10 Aufgabe 130
MehrAnleitung: Standardabweichung
Anleitung: Standardabweichung So kann man mit dem V200 Erwartungswert und Varianz bzw. Standardabweichung bei Binomialverteilungen für bestimmte Werte von n, aber für allgemeines p nach der allgemeinen
Mehr] bestimmen kann. Interpretieren Sie die Bedeutung der Zahl 6,5 im gegebenen Sachzusammenhang. (R)
b) Ein Auto macht eine Vollbremsung, bis es zum Stillstand kommt. Der Weg, den es dabei bis zum Stillstand zurücklegt, lässt sich in Abhängigkeit von der vergangenen Zeit t durch die Funktion s beschreiben:
MehrG13 KLAUSUR 1. (1) (2 VP) Bilden Sie die erste Ableitung der Funktion f mit. f(x) = e 2x+1 x
G3 KLAUSUR PFLICHTTEIL Aufgabe 2 3 4 5 6 7 8 Punkte (max) 2 2 3 3 5 3 5 3 Punkte () (2 VP) Bilden Sie die erste Ableitung der Funktion f mit f(x) = e 2x+. x (2) (2 VP) Gegeben ist die Funktion f mit f(x)
Mehrauf C[; ] sind linear III Formale Dierentiation und Integration: Die Abbildungen und a + a t + + a n t n a + a t + + na n t n a + a t + + a n t n an a
x LINEARE ABBILDUNGEN Denition: Seien V; V Vektorraume Eine Abbildung f heit linear, falls (i) (ii) f(x + y) f(x) + f(y) (x; y V ) f(x) f(x) ( R; x V ) Bemerkungen: I (i) und (ii) oben sind aquivalent
MehrWenn man den Kreis mit Radius 1 um (0, 0) beschreiben möchte, dann ist. (x, y) ; x 2 + y 2 = 1 }
A Analsis, Woche Implizite Funktionen A Implizite Funktionen in D A3 Wenn man den Kreis mit Radius um, beschreiben möchte, dann ist { x, ; x + = } eine Möglichkeit Oft ist es bequemer, so eine Figur oder
MehrEine Herleitung zur Dichtefunktion der Normalverteilung
Eine Herleitung zur Dichtefuntion der Normalverteilung Michael D. Pfeifer (michael.pfeifer@hotmail.com) 1. Februar 16 1 Einführung Die Normalverteilung ist für viele wissenschaftliche Anwendungen wesentlich.
MehrPotentialfelder und ihre Bedeutung für Kurvenintegrale
Potentialfelder und ihre Bedeutung für Kurvenintegrale Gegeben sei ein Vektorfeld v, entweder im Zweidimensionalen, also von der Gestalt ( ) v1 (x,y), v 2 (x,y) oder im Dreidimensionalen, also von der
MehrÜbung 2: Lösungen. Technische Universität München SS 2004 Zentrum Mathematik Prof. Dr. K. Buchner
Technische Universität München SS 004 Zentrum Mathematik 3.5.004 Prof. Dr. K. Buchner Dr. W. Aschbacher Analysis II Übung : Lösungen Aufgabe T 4 Implizite Funktionen Die Funktion f : R R, fx, y := e sinxy
Mehr, das Symmetrieverhalten des Graphen von f a. und die Werte von a, für welche die Wertemenge von f a. die Zahl 1 enthält. a 2 x 2 vgl.
Abiturprüfung Berufliche Oberschule 00 Mathematik Technik - A II - Lösung Teilaufgabe.0 Gegeben ist die Funktion f a ( ) a a mit a IR \ {0} in der von a unabhängigen Definitionsmenge D f IR \ {0}. Teilaufgabe.
Mehr1. Selbsttest Heron-Verfahren Gleichungen
1. Selbsttest 1.1. Heron-Verfahren Mit dem Heron-Verfahren soll ein Näherungswert für 15 gefunden werden. Führe die ersten drei Schritte des Heron- Verfahrens durch. Gib dann unter Verwendung der Werte
MehrBildverarbeitung: Filterung. D. Schlesinger () Bildverarbeitung: Filterung 1 / 17
Bildverarbeitung: Filterung D. Schlesinger () Bildverarbeitung: Filterung 1 / 17 Allgemeines Klassische Anwendung: Entrauschung (Fast) jeder Filter basiert auf einem Modell (Annahme): Signal + Rauschen
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
MehrAngewandte Mathematik (BHS) Berufsreifeprüfung Mathematik
Kompensationsprüfung zur standardisierten kompetenzorientierten schriftlichen Reife- und Diplomprüfung bzw. zur standardisierten kompetenzorientierten schriftlichen Berufsreifeprüfung Juni 2018 Angewandte
MehrMathematische Grundlagen
G-CSC Goethe-Center for Scientific Computing der Universität Frankfurt 2 Übung zur Vorlesung Modellierung und Simulation 3 (WS 2013/14) Prof Dr G Queisser Markus Breit, Martin Stepniewski Abgabe: Dienstag,
MehrExemplar für Prüfer/innen
Exemplar für Prüfer/innen Kompensationsprüfung zur standardisierten kompetenzorientierten schriftlichen Reife- und Diplomprüfung bzw. zur standardisierten kompetenzorientierten schriftlichen Berufsreifeprüfung
MehrRunde 9, Beispiel 57
Runde 9, Beispiel 57 LVA 8.8, Übungsrunde 9,..7 Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 3..7 Angabe Seien y, z C N und c, d C N ihre Spektralwerte. Außerdem bezeichne (x k ) k die N - periodische
MehrLösung II Veröentlicht:
1 Momentane Bewegung I Die Position eines Teilchens auf der x-achse ist gegeben durch x = 6m 60(m/s)t + 4(m/s 2 )t 2, wobei x in Metern t in Sekunden ist (a) Wo ist das Teilchen zur Zeit t= 0 s? (2 Punkte)
MehrARBEITSBLATT 14 ANALYTISCHE BERECHNUNGEN AM KREIS
ARBEITSBLATT 14 ANALYTISCHE BERECHNUNGEN AM KREIS Bisher konnten wir lediglich die Fläche, den Umfang oder den Radius eines Kreises berechnen. Es ist uns bisher aber noch nicht möglich, zum Beispiel den
MehrKapitel 8. Parameter multivariater Verteilungen. 8.1 Erwartungswerte
Kapitel 8 Parameter multivariater Verteilungen 8.1 Erwartungswerte Wir können auch bei mehrdimensionalen Zufallsvariablen den Erwartungswert betrachten. Dieser ist nichts anderes als der vektor der Erwartungswerte
MehrHauptprüfung Fachhochschulreife Baden-Württemberg
Hauptprüfung Fachhochschulreife 013 Baden-Württemberg Aufgabe 7 Mathematik in der Praxis Hilfsmittel: grafikfähiger Taschenrechner Berufskolleg Alexander Schwarz www.mathe-aufgaben.com Dezember 013 1 7.1
MehrVektorrechnung: Anwendungsaufgaben zu Graden und Ebenen
Vektorrechnung: Anwendungsaufgaben zu Graden und Ebenen ) Ein Flugzeug fliegt auf geradem Weg von A(; 4; ) nach B(5; ; ) und benötigt dafür eine Minute. Die Koordinaten wurden in km angegeben. Es fliegt
Mehr4. Verteilungen von Funktionen von Zufallsvariablen
4. Verteilungen von Funktionen von Zufallsvariablen Allgemeine Problemstellung: Gegeben sei die gemeinsame Verteilung der ZV en X 1,..., X n (d.h. bekannt seien f X1,...,X n bzw. F X1,...,X n ) Wir betrachten
MehrPrüfungsteil 1, Aufgabe 2. Analysis. Nordrhein-Westfalen 2012LK. Aufgabe a (1) Aufgabe a (2) Aufgabe a (3) Abitur Mathematik: Musterlösung
Abitur Mathematik: Prüfungsteil 1, Aufgabe 2 Nordrhein-Westfalen 2012LK Aufgabe a (1) Anhand der Graphen ist erkennbar, dass sowohl in der Stadt als auch auf Land die Ozonbelastung im Verlauf des Morgens
MehrSubstitutionsverfahren vs. Lagrange-Methode
Substitutionsverfahren vs. Lagrange-Methode 1 Motivation Substitutionsverfahren und Lagrange-Methode sind Verfahren, die es ermöglichen, Optimierungen unter Nebenbedingungen durchzuführen. Die folgende
MehrHöhere Mathematik für Ingenieure , Uhr (1. Termin)
Studiengang: Matrikelnummer: 1 3 4 5 6 Z Punkte Note Prüfungsklausur A zum Modul Höhere Mathematik für Ingenieure 1 17.. 14, 8. - 11. Uhr 1. Termin Zugelassene Hilfsmittel: A4-Blätter eigene, handschriftliche
MehrWirtschaftsstatistik-Klausur am
Wirtschaftsstatistik-Klausur am 03.07.208 Aufgabe Statistik-Dozent K.R. lehrt an einer privaten FH in Köln, wohnt aber in Frankfurt am Main. Er hat - wegen möglicher saisonaler Schwankungen - zwei Semester
MehrBild-Erkennung & -Interpretation
Kapitel I Bild-Erkennung & -Interpretation FH Aachen / Jülich, FB 9 Prof. Dr. rer.nat. Walter Hillen (Dig Img I) 1 Einführung Schritte zur Bilderkennung und Interpretation: Bild-Erfassung Vorverarbeitung
MehrComputergrafik 2: Übung 7. Hough Transformation
Computergrafik 2: Übung 7 Hough Transformation Organisation KLAUSURANMELDUNG (UNIWORX) NICHT VERGESSEN! Computergrafik 2 SS2012 2 Quiz Berechnung der ersten Ableitung eines Bildes? Berechnung der zweiten
MehrNumerische Verfahren und Grundlagen der Analysis
Numerische Verfahren und Grundlagen der Analysis Rasa Steuding Hochschule RheinMain Wiesbaden Wintersemester 2011/12 R. Steuding (HS-RM) NumAna Wintersemester 2011/12 1 / 20 Wiederholung: Fehlerbetrachtung.
MehrÜbungsblatt
Übungsblatt 3 3.5.27 ) Die folgenden vier Matrizen bilden eine Darstellung der Gruppe C 4 : E =, A =, B =, C = Zeigen Sie einige Gruppeneigenschaften: a) Abgeschlossenheit: Berechnen Sie alle möglichen
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrProgrammiervorkurs für die Numerik Teil 2/4
line 1 1 0.8 0.6 0.4 0.2 0-0.2-0.4 Programmiervorkurs für die Numerik Teil 2/4 Christian Power Mathematisches Institut Universität Tübingen -8-6 -4-2 0 05.10.2016 2 4 6 8-8 -6-4 -2 0 2 4 6 8 Wiederholung
MehrTU Dresden Fachrichtung Mathematik Institut für Numerische Mathematik 1. Dr. M. Herrich SS 2017
TU Dresden Fachrichtung Mathematik Institut für Numerische Mathematik 1 Prof. Dr. K. Eppler Institut für Numerische Mathematik Dr. M. Herrich SS 2017 Aufgabe 1 Übungen zur Vorlesung Mathematik II 4. Übung,
MehrMusterlösung. Modulklausur Multivariate Verfahren
Musterlösung Modulklausur 31821 Multivariate Verfahren 25. September 2015 Aufgabe 1 (15 Punkte) Kennzeichnen Sie die folgenden Aussagen zur Regressionsanalyse mit R für richtig oder F für falsch. F Wenn
Mehr5. Numerische Differentiation. und Integration
5. Numerische Differentiation und Integration 1 Numerische Differentiation Problemstellung: Gegeben ist eine differenzierbare Funktion f : [a,b] R und x (a,b). Gesucht sind Näherungen für die Ableitungen
Mehr2. Rechnen Sie auf mindestens fünf genaue Ziffern (das sind nicht notwendigerweise fünf Nachkommastellen) im Endergebnis. 1
Fach: Prüfer: Finanzierung und Investition Prof. Dr. Dr. A. Löffler Veranstaltung: W2261 Entscheidungstheorie WS 8/9 Name Vorname Matrikelnummer Punkte Note Beachten Sie bitte folgende Hinweise: 1. Schreiben
Mehr5.4 Verteilungsfunktion Verteilungsfunktion diskreten Zufallsvariablen stetigen Zufallsvariablen Verteilungsfunktion
5. Verteilungsfunktion Die Verteilungsfunktion gibt an welche Wahrscheinlichkeit sich bis zu einem bestimmten Wert der Zufallsvarialben X kumuliert Die Verteilungsfunktion F() gibt an, wie groß die die
MehrHauptprüfung 2007 Aufgabe 3
Hauptprüfung 7 Aufgabe. Gegeben sind die Funktionen f, g und h mit f (x) = sin x g (x) = sin(x) +, x h(x) = sin x Ihre Schaubilder sind Beschreiben Sie, wie hervorgehen.. Skizzieren Sie K g. K f, K f,
MehrKlausur zur Vorlesung Logistik im Sommersemester 2012
Leibniz Universität Hannover Wirtschaftswissenschaftliche Fakultät Institut für Produktionswirtschaft Jun.-Prof. Dr. Florian Sahling Klausur zur Vorlesung Logistik im Sommersemester 2012 Hinweise: Die
MehrAngewandte Mathematik (BHS) Berufsreifeprüfung Mathematik
Kompensationsprüfung zur standardisierten kompetenzorientierten schriftlichen Reife- und Diplomprüfung bzw. zur standardisierten kompetenzorientierten schriftlichen Berufsreifeprüfung Juni 2018 Angewandte
MehrTechnische Universität Ilmenau Fakultät für Elektrotechnik und Informationstechnik. Hausaufgabe
Technische Universität Ilmenau Fakultät für Elektrotechnik und Informationstechnik Hausaufgabe im Fach Grundlagen der analogen Schaltungstechnik GaST (WS 205/6) Bearbeiter Matr.-Nr. Emailadresse Aufgabe
MehrMathematik IT 2 (Lineare Algebra)
Lehrstuhl Mathematik, insbesondere Numerische und Angewandte Mathematik Prof Dr L Cromme Mathematik IT (Lineare Algebra für die Studiengänge Informatik, IMT und ebusiness im Sommersemester 3 Lineare Gleichungssysteme
MehrTEILPRÜFUNG ZUR BERUFSREIFEPRÜFUNG. Themenstellung für die schriftliche Berufsreifeprüfung. aus dem Fach Mathematik und angewandte Mathematik
TEILPRÜFUNG ZUR BERUFSREIFEPRÜFUNG Themenstellung für die schriftliche Berufsreifeprüfung aus dem Fach Mathematik und angewandte Mathematik Termin: Frühjahr 2017 Prüfer: Andreas Aschbacher Nikolaus Ettel
MehrWas ist eine Funktion?
Lerndomino zum Thema Funktionsbegriff Kopiereen Sie die Seite (damit Sie einen Kontrollbogen haben), schneiden Sie aus der Kopie die "Dominosteine" zeilenweise aus, mischen Sie die "Dominosteine" und verteilen
MehrStatistik für Ingenieure Vorlesung 3
Statistik für Ingenieure Vorlesung 3 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 14. November 2017 3. Zufallsgrößen 3.1 Zufallsgrößen und ihre Verteilung Häufig sind
MehrKlausur zur Statistik
Klausur zur Statistik. Hinweis: Es können 94 Punkte erreicht werden. Zum Bestehen reichen 4 Punkte sicher aus.. Hinweis: Achten Sie darauf das Ihre Rechnungen nachvollziehbar sind und geben Sie alle Schritte
MehrLineare Algebra. Wintersemester 2018/19. Berechnen Sie die Determinanten der folgenden Matrizen mit Einträgen in R: 4 2 = = 18.
Goethe-Universität Frankfurt Institut für Mathematik Lineare Algebra Wintersemester 218/19 Prof Dr Jakob Stix Martin Lüdtke Übungsblatt 11 15 Januar 219 Aufgabe 1 (5=1+1+1,5+1,5 Punkte) Berechnen Sie die
Mehr13 Mehrdimensionale Zufallsvariablen Zufallsvektoren
3 Mehrdimensionale Zufallsvariablen Zufallsvektoren Bisher haben wir uns ausschließlich mit Zufallsexperimenten beschäftigt, bei denen die Beobachtung eines einzigen Merkmals im Vordergrund stand. In diesem
MehrWirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11.
Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2010/11 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer
MehrSatz über implizite Funktionen und seine Anwendungen
Satz über implizite Funktionen und seine Anwendungen Gegeben sei eine stetig differenzierbare Funktion f : R 2 R, die von zwei Variablen und abhängt. Wir betrachten im Folgenden die Gleichung f(,) = 0.
MehrHochschule RheinMain WS 2018/19 Prof. Dr. D. Lehmann. 8. Übungsblatt zur Vorlesung Ökonometrie
Hochschule RheinMain WS 2018/19 Prof. Dr. D. Lehmann 8. Übungsblatt zur Vorlesung Ökonometrie Aufgabe 1: In der Vorlesung haben wir das lineare Regressionsproblem als statistisches Problem formuliert:
MehrMatrixelemente von Tensoroperatoren und die Auswahlregeln
Vorlesung 3 Matrixelemente von Tensoroperatoren und die Auswahlregeln In der Quantenmechanik müssen wir ab und zu die Matrixelemente von verschiedenen Operatoren berechnen. Von spezieller Bedeutung sind
MehrLösung 5: Gram-Schmidt Orthogonalisierung, adjungierte Abbildungen
D-MATH Lineare Algebra II FS 7 Dr. Meike Akveld Lösung 5: Gram-Schmidt Orthogonalisierung, adjungierte Abbildungen. a) Wegen der Linearität im ersten Argument gilt sicherlich w S :, w =. Somit ist S und
MehrS1. a. Drücken Sie allgemein p durch die anderen in der Formel verwendeten Größen aus! Wie groß ist p, wenn a = 0.08, u = 1.96 und n = 120?
S1. a. Drücken Sie allgemein p durch die anderen in der Formel verwendeten Größen aus! Wie groß ist p, wenn a = 0.08, u = 1.96 und n = 120? a = u p ( 1 p) n b. Wenn am 28. Oktober (Nach Auszählen der Briefwähler)
MehrBewertungsschlüssel Aufgabe max. Punktzahl
Studiengang Betriebswirtschaft Fach Wirtschaftsstatistik Art der Leistung Prüfungsleistung Klausur-Knz. BW-WST-P11-030524 Datum 24.05.03 Bezüglich der Anfertigung Ihrer Arbeit sind folgende Hinweise verbindlich:
Mehr