Bivariable/bivariate Verteilungen. Tabellen Grafiken Maßzahlen

Größe: px
Ab Seite anzeigen:

Download "Bivariable/bivariate Verteilungen. Tabellen Grafiken Maßzahlen"

Transkript

1 Bvaable/bvaate Vetelungen Tabellen Gafken Maßzahlen 153

2 Ulste: Wetepaae x/y ode x 1 /x x = Flügellänge [mm], y = Gewcht [g] 3,8; 0,8 3,6; 0,7 4,3; 1,3 3,5; 0,7 4,1; 1,1 4,4; 1,3 4,5; 1,6 3,6; 0,75 3,8; 0,8 3,3; 0,7 4,3; 1, 3,9; 0,85 4,3; 1,3 4,4; 1,4 4,1; 1,0 3,6; 0,8 4,; 1,1 3,9; 1.0 3,8; 0,9 4,4; 1,5 3,8; 0,85 4,7;,0 3,8; 0,9 3,6; 0,7 4,3; 1,3 154

3 Klasse Beech von Messweten Mtte Häufgket kumulete Häufgket kumulete Pozente x < 3.6 3, x < 3.9 3, x < 4. 4, x < 4.5 4, x < 4.8 4, ,8; 0,8 3,6; 0,7 4,3; 1,3 3,5; 0,7 4,1; 1,1 4,4; 1,3 4,5; 1,6 3,6; 0,75 3,8; 0,8 3,3; 0,7 4,3; 1, 3,9; 0,85 4,3; 1,3 4,4; 1,4 4,1; 1,0 3,6; 0,8 4,; 1,1 3,9; 1.0 3,8; 0,9 4,4; 1,5 3,8; 0,85 4,7;,0 3,8; 0,9 3,6; 0,7 4,3; 1,3 3,3 3,5 3,6 3,6 3,6 3,6 3,8 3,8 3,8 3,8 3,8 3,9 3,9 4,1 4,1 4, 4,3 4,3 4,3 4,3 4,4 4,4 4,4 4,5 0,7 0,7 0,7 0,7 0,75 0,8 0,8 0,8 0,85 0,9 0,9 0, ,1 1,1 1, 1,3 1,3 1,3 1,3 1,4 1,5 1,6 155

4 Gewcht: 0.7 y < y < y < y < y <. Beech von Messweten 3.3 x < Randhäufgket Randhäufgket 3.6 x < x < x < x <

5 Scatteplot,5 Gewcht [g] 1,5 1 0, , 4,4 4,6 4,8 Flügellänge [mm] ,85 1,15 1,45 1,75,05 3,45 4,05 4,65 157

6 158

7 159

8 160 Peasonsche Maßkoelatonskoeffzent Anwendung: ntevall- und atoskalete Daten; n> Voaussetzung: annähend lneae Zusammenhang zwschen x und y- Weten, d.h ene Geade kann duch de x-y-paae gezogen weden und de Punkte legen meh ode wenge gut auf de Geaden. Fomel wobe x, y x- und y-wete des -ten Mekmalspaaes Mttelwete n Anzahl de Wetepaae n y y n x x n y x y x y y x x y y x x ) ( ) ( ) )( ( ) ( ) ( ) )( ( y x,

9 Bedeutung des Zahlenwetes von De Wet von legt zwschen -1 und +1 >0: wenn x wächst/fällt, wächst/fällt y: Geade hat postve Stegung <0: "antkoelet": wenn x wächst, fällt y, und umgekeht: Geade hat negatve Stegung 0 : ken Zusammenhang (Geade paallel zu ene Achse) Je göße de Absolutwet von, desto nähe legen de Punkte an de Geaden (=1 bzw. 1: Wete legen auf de Geaden) 161

10 16

11 163

12 164

13 Das Bestmmthetsmaß B wevel Pozent de Veändeung enes Mekmals (z.b. y) kann duch de Veändeung des andeen Mekmals (z.b. x) eklät (d.h. voausgesagt) weden? Fomel: B = 165

14 Intepetaton von Koelatonskoeffzent bzw Bestmmthetsmaß Es handelt sch um enen en mathematschen Zusammenhang zwschen zwe Mekmalen, de zunächst nchts übe de Kausaltät aussagt! Möglche Aten, we en mathematsche Zusammenhang zustande kommen kann: 1) ensetge Abhänggket: unabhängges und abhängges Mekmal ) wechselsetge Abhänggket: z.b. de Mekmale messen Ähnlches 3) Gemensamketskoelaton: Kausaltät übe ene dtte Göße z, von de x und y abhängen 4) Inhomogentätskoelaton: Zusammenhang entsteht duch (unzulässge) Zusammenfassung mehee Populatonen 5) Fomale Koelaton: z.b. Summe von x und y st ene Konstante Wssenschaft beteben heßt untesuchen, woduch Zusammenhang zustande kommt 166

15 Aussagekaft von und B Kausaltät nu m Falle de ensetgen Abhänggket es gbt kene absoluten Regeln fü de Bedeutung de Göße von und B= B hat ene anschaulchee Bedeutung, nämlch de des ekläten Pozentsatzes de Vaaton enes Mekmales bevo man den Zahlenwet vesucht zu ntepeteen, sollte man sch mme enen Scatteplot anschauen: glt de Lneatät? 167

16 Speamansche Rangkoelatonskoeffzent R Anwendung: mndestens odnalskalete Daten; n>5 lt. KSV Voaussetzung: monotone Zusammenhang zwschen x und y-weten Vogehen: den x - und y -Weten weden Rangplätze zugeodnet - Soteung de Daten nach Göße wenn alle Daten unteschedlch : Rangplätze = Rehenfolgezahlen wenn Daten glech: "Bndungen" (tes) Rangplätze = Mttelwete de Rehenfolgezahlen Bezechnung de Ränge: x und y 168

17 Fomeln zu Beechnung von R a) allgemen: Fomel we Maßkoelatonskoeffzent, mt x und y anstelle von x und y R ( ( x x ) x x )( y ) ( y y ) y x ( x y n ( x ) x )( n y y ) ( n y ) Achtung: bedeutet he Rangplatz, ncht Koelaton! b) Falls kene Bndungen exsteen (KSV Fomel 6.3): R 6 1 n( n d 1) d Dffeenzen de Rangplätze x und y 169

18 R kann auch be ntevall- und atoskaleten Daten vewendet weden. Des st nsbesondee dann snnvoll, wenn x und y kene lneae Bezehung zuenande haben. Intepetaton des Zahlenwetes von R genau we de von! Man nennt den Übegang (de Tansfomaton) auf en nedgees Skalennveau Skalentansfomaton 170

19 Bespel: x = fehlende Tage ; y = Note Tage Rang (Tage) Note Rang (Note) Peason C:E Dffeenzen Dffeenzen-Quadate Anna Doa 0,5 3,5-1 1 Ek Ena Ida Kal Mac Max 0,5 1 1,5 1 1 Paul 0,5 1 1,5 1 1 Rta Uwe 0,5 3, , , x x y y R d d KSV Fomel 6.3 Pobe: n 1 x n 1 y n( n 1) 171

20 tylevgen.com: Spuous Coelatons (Amazon) Age of Mss Ameca coelates wth Mudes by steam, hot vapous and hot objects 5 ys mudes Age of Mss Ameca 3.75 ys.5 ys 1.5 ys 0 ys 6 mudes 4 mudes Mudes by steam ys mudes Mudes by steam Age of Mss Ameca tylevgen.com =

21 = $30 bllon US spendng on scence, space, and technology US spendng on scence US spendng on scence, space, and technology coelates wth Sucdes by hangng, stangulaton and suffocaton coelates wth $30 bllon sucdes Sucdes by hangng, stangulaton and suffocaton $5 bllon 8000 sucdes $0 bllon sucdes $15 bllon 4000 sucdes Hangng sucdes sucdes Hangng sucdes US spendng on scence US spendng on scence $5 bllon $0 bllon tylevgen.com 8000 sucdes 6000 sucdes Hangng sucdes $15 bllon sucdes Hangng sucdes US spendng on scence tylevgen.com 173

22 =0.666 Numbe of people who downed by fallng nto a pool coelates wth Flms Ncolas Cage appeaed n 140 downngs flms Swmmng pool downngs 10 downngs 100 downngs 4 flms flms Ncholas Cage 80 downngs flms Ncholas Cage Swmmng pool downngs tylevgen.com 174

11 Charaktere endlicher Gruppen

11 Charaktere endlicher Gruppen $Id: chaakte.tex,v.4 2009/07/3 4:38:36 hk Exp $ Chaaktee endlche Guppen W hatten gesehen, dass w fü enge Guppen G allen mt Hlfe des Satz 3 de Anzahl und de Dmensonen de eduzblen Dastellungen beechnen können.

Mehr

Seminar über Algorithmen. Load Balancing. Slawa Belousow Freie Universität Berlin, Institut für Informatik SS 2006

Seminar über Algorithmen. Load Balancing. Slawa Belousow Freie Universität Berlin, Institut für Informatik SS 2006 Semna übe Algothmen Load Balancng Slawa Belousow Fee Unvestät Beln, Insttut fü Infomatk SS 2006 1. Load Balancng was st das? Mt Load Balancng ode Lastvetelung weden Vefahen bescheben, um be de Specheung,

Mehr

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale 3. De Kennzechnung von Patkeln 3..1 Patkelmekmale De Kennzechnung von Patkeln efolgt duch bestmmte, an dem Patkel mess bae und deses endeutg beschebende physka lsche Gößen (z.b. Masse, Volumen, chaaktestsche

Mehr

Statisches Gleichgewicht des starren Körpers (Statik)

Statisches Gleichgewicht des starren Körpers (Statik) Us Wyde CH- 4057 Basel Us.Wyde@edubs.ch Statsches Glechgewcht des staen Köpes (Statk) Glechgewchtsbedngungen En Köpe befndet sch n Ruhe (ode bewegt sch mt konstante Geschwndgket), wenn de Summe de Käfte

Mehr

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression Beschrebung des Zusammenhangs zweer metrscher Merkmale Streudagramme Korrelatonskoeffzenten Regresson Alter und Gewcht be Kndern bs 36 Monaten Knd Monate Gewcht 9 9 5 8 3 4 7.5 4 3 6 5 3 6 4 3.5 7 35 5

Mehr

Grundgedanke der Regressionsanalyse

Grundgedanke der Regressionsanalyse Grundgedanke der Regressonsanalse Bsher wurden durch Koeffzenten de Stärke von Zusammenhängen beschreben Mt der Regressonsrechnung können für ntervallskalerte Varablen darüber hnaus Modelle geschätzt werden

Mehr

4. Merkmalszusammenhänge 4.1 Kovarianz und Korrelation Der Begriff des Zusammenhangs Die Kovarianz

4. Merkmalszusammenhänge 4.1 Kovarianz und Korrelation Der Begriff des Zusammenhangs Die Kovarianz 4. Mekmalszusammenhänge De mesten Hpothesen übe enen empschen Sachvehalt benhalten offen ode vedeckt fomulete Annahmen übe Kausalbezehungen. Das Aufdecken solche Kausalzusammenhänge elaubt uns, übe das

Mehr

Leistungsmessung im Drehstromnetz

Leistungsmessung im Drehstromnetz Labovesuch Lestungsmessung Mess- und Sensotechnk HTA Bel Lestungsmessung m Dehstomnetz Nomalewese st es ken allzu gosses Poblem, de Lestung m Glechstomkes zu messen. Im Wechselstomkes und nsbesondee n

Mehr

Einführung in Moderne Portfolio-Theorie. Dr. Thorsten Oest Oktober 2002

Einführung in Moderne Portfolio-Theorie. Dr. Thorsten Oest Oktober 2002 Enfühung n Modene Potfolo-Theoe D. Thosten Oest Oktobe Enletung Übeblck Gundlegende Fage be Investtonen: We bestmmt sch ene optmale Statege fü ene Geldanlage?. endte und sko. Dvesfkaton 3. Enfühung n Modene

Mehr

9. Der starre Körper; Rotation I

9. Der starre Körper; Rotation I Mechank De stae Köpe; Rotaton I 9. De stae Köpe; Rotaton I 9.. Enletung bshe: (Systeme on) Punktmassen jetzt: Betachtung ausgedehnte Köpe, übe de de Masse glechmäßg etelt st (kene Atome). Köpe soll sch

Mehr

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung: Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab

Mehr

Versuche: Trommelstock Drehstuhl mit Kreisel (Erhaltung des Gesamtdrehimpulses) Drehstuhl mit Hanteln (Variation des Trägheitsmoments)

Versuche: Trommelstock Drehstuhl mit Kreisel (Erhaltung des Gesamtdrehimpulses) Drehstuhl mit Hanteln (Variation des Trägheitsmoments) 7.Volesung Übeblck I) Mechank 4. stae Köpe a) Dehmoment b) Schwepunkt c) Dehmpuls 5. Mechansche Egenschaften von Stoffen a) Defomaton von Festköpen b) Hydostatk Vesuche: Tommelstock Dehstuhl mt Kesel (Ehaltung

Mehr

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen Übungsklausur Wahrschenlchket und Regresson De Lösungen. Welche der folgenden Aussagen treffen auf en Zufallsexperment zu? a) En Zufallsexperment st en emprsches Phänomen, das n stochastschen Modellen

Mehr

Zur Erinnerung. Stichworte aus der 9. Vorlesung: Einteilung von Stößen:

Zur Erinnerung. Stichworte aus der 9. Vorlesung: Einteilung von Stößen: Zu nneung tchwote aus de 9. Volesung: ntelung von tößen: kn, kn kn,, kn, Q Q = 0 elastsche töße de umme de nneen nege de Telchen (chwngung und Rotaton) blebt unveändet, Q > 0 unelastsche töße knetsche

Mehr

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden. Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve

Mehr

ermittelt. Für zwei Wertpapiere i und j ermittelt er eine Schätzung der Kovarianz ˆ

ermittelt. Für zwei Wertpapiere i und j ermittelt er eine Schätzung der Kovarianz ˆ Pof. D. Mac Gütle SS 05 Klausu zu Vetefung Fnanzwtschaft Telbeech Empsche Fnanzwtschaft Alle folgenden zwe Aufgaben snd zu beabeten. Behauptungen snd zu begünden, Rechnungen snd zu eläuten! Runden Se btte

Mehr

Wärmeübertragung. Grundsätzlich sind drei verschiedene Möglichkeiten der Wärmeübertragung möglich: Wärmeleitung, Konvektion und Strahlung:

Wärmeübertragung. Grundsätzlich sind drei verschiedene Möglichkeiten der Wärmeübertragung möglich: Wärmeleitung, Konvektion und Strahlung: ämeübetgung Unte ämeübetgung vesteht mn sämtlche Eschenungen, e enen äumlchen nspot von äme umfssen. De ämeübegng efolgt mme ufgun enes empetugefälles, un zw mme von e höheen zu neeen empetu (.Huptstz).

Mehr

Capital Asset Pricing Model (CAPM)

Capital Asset Pricing Model (CAPM) Captal Asset Pcng odel (CAP) Aus de Denton des aktpotolos, als Tangentalpunkt von (0, ) au den zulässgen Beech, lässt sch olgendes Vehältns heleten (sehe Luenbege S 178) = + σ 2 Des st de gundlegende CAP-Bedngung,

Mehr

Lösungen zu den Übungsaufgaben

Lösungen zu den Übungsaufgaben Lösungen zu den Übungsaufgaben Enfühung n de Statstk SS 004 D. H. Gunet Fanzstaße 49, 06406 Benbug Tel. 0347-66493, Fa 0347-66496 Emal: gunet @ mws-bbg.de D. H. Gunet Enfühung n de Statstk SS 004 II. Häufgketsvetelungen,

Mehr

Streuungs-, Schiefe und Wölbungsmaße

Streuungs-, Schiefe und Wölbungsmaße aptel IV Streuungs-, Schefe und Wölbungsmaße B... Lagemaße von äufgketsvertelungen geben allen weng Auskunft über ene äufgketsvertelung. Se beschreben zwar en Zentrum deser Vertelung, geben aber kenen

Mehr

Beschreibende Statistik Mittelwert

Beschreibende Statistik Mittelwert Beschrebende Statstk Mttelwert Unter dem arthmetschen Mttel (Mttelwert) x von n Zahlen verstehen wr: x = n = x = n (x +x +...+x n ) Desen Mttelwert untersuchen wr etwas genauer.. Zege für n = 3: (x x )

Mehr

12. Vortrag Verzweigung. Seminar Zahlentheorie WS 07/08

12. Vortrag Verzweigung. Seminar Zahlentheorie WS 07/08 12. Votag Vezwegung Semna Zahlentheoe WS 07/08 Pof. D. Tosten Wedhon Unvestät Padebon von Geda Weth und Ingo Plaschczek 22. Janua 2008 12. Vezwegung (A) p-adsche Bewetung enes gebochenen Ideals n enem

Mehr

Regressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n

Regressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n Regressonsgerade x x x x 3... x n y y y y 3... y n Bem Auswerten von Messrehen wrd häufg ene durch theoretsche Überlegungen nahegelegte lneare Bezehung zwschen den x- und y- Werten gesucht, d.h. ene Gerade

Mehr

Informatik II. Minimalpolynome und Implikanten. Minimalpolynome. Minimalpolynome. Rainer Schrader. 27. Oktober Was bisher geschah: Definition

Informatik II. Minimalpolynome und Implikanten. Minimalpolynome. Minimalpolynome. Rainer Schrader. 27. Oktober Was bisher geschah: Definition Informatk II Raner Schrader und Implkanten Zentrum für Angewandte Informatk Köln 27. Oktober 2005 1 / 28 2 / 28 Was bsher geschah: jede Boolesche Funkton kann durch enfache Grundfunktonen dargestellt werden

Mehr

Prof. Dr. Johann Graf Lambsdorff Universität Passau. Pflichtlektüre: WS 2007/08

Prof. Dr. Johann Graf Lambsdorff Universität Passau. Pflichtlektüre: WS 2007/08 y, s. y Pof. D. Johann Gaf Lambsdoff Unvestät Passau y* VI. Investton und Zns c* WS 2007/08 f(k) (n+δ)k Pflchtlektüe: Mankw, N. G. (2003), Macoeconomcs. 5. Aufl. S. 267-271. Wohltmann, H.-W. (2000), Gundzüge

Mehr

Einschub: Der Fluss eines Vektorfeldes am Beispiel des Strömungsfeldes

Einschub: Der Fluss eines Vektorfeldes am Beispiel des Strömungsfeldes Enschub: De Fluss enes Vektofeldes am Bespel des Stömungsfeldes Vektofeld: Jedem Punkt m Raum ode n enem begenzten Gebet des Raumes wd en Vekto zugeodnet. Bespele: Gatatonsfeld t elektsches Feld Magnetfeld

Mehr

Definition: Unter dem vektoriellen Flächenelement einer ebnen Fläche A versteht man einen Vektor A r der

Definition: Unter dem vektoriellen Flächenelement einer ebnen Fläche A versteht man einen Vektor A r der Obeflächenntegale Vektofluß duch ene Fläche - betachtet wd en homogenes Vektofeld v (B Lchtbündel) - das Lcht falle auf enen Spalt Defnton: Unte dem vektoellen Flächenelement ene ebnen Fläche vesteht man

Mehr

Hochschule für Technik und Informatik HTI Burgdorf. Elektrotechnik. 1. Elektrisches Feld... 3

Hochschule für Technik und Informatik HTI Burgdorf. Elektrotechnik. 1. Elektrisches Feld... 3 ene achhochschule Hochschule fü Technk und Infomatk HTI ugdof Zusammenfassung lektotechnk uto: Nklaus uen Datum: 8. Septembe 004 Inhalt. lektsches eld... 3.. Gundlagen... 3... Lnenntegal... 3... lächenntegal...

Mehr

7.Vorlesung. Überblick

7.Vorlesung. Überblick 7.Volesung Übeblck I) Mechank 4. stae Köpe a) Dehmoment b) Schwepunkt c) Dehmpuls 5. Mechansche Egenschaften von Stoffen a) Defomaton von Festköpen b) Hydostatk Vesuche: Ganolle Tommelstock Dehstuhl mt

Mehr

Exkurs: Entropie in der Wahrscheinlichkeitstheorie

Exkurs: Entropie in der Wahrscheinlichkeitstheorie Exkurs: Entrope n der Wahrschenlchketstheore a) Physk/Thermodynamk: S = k B ln(w) mt W=Anzahl glech-wahrschenlcher Möglchketen (Mkrozustände) a) Informatonstheore: Shannon (1948) Entrope wobe p = f /N

Mehr

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x,

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x, Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analyss I Vorlesung 17 Logarthmen Satz 17.1. De reelle Exponentalfunkton R R, x exp x, st stetg und stftet ene Bjekton zwschen R und R +. Bewes. De Stetgket

Mehr

3. Lineare Algebra (Teil 2)

3. Lineare Algebra (Teil 2) Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw

Mehr

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2 1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:

Mehr

Kernphysik I. Kernmodelle: Schalenmodell

Kernphysik I. Kernmodelle: Schalenmodell Kenphysk I Kenmodee: Schaenmode Schaenmode Töpfchenmode und Femgasmode snd phänemonoogsche Modee mt beschänktem Anwendungsbeech. Se weden an de Expemente angepasst z.b. de Konstanten fü de Teme n de Massenfome

Mehr

Konkave und Konvexe Funktionen

Konkave und Konvexe Funktionen Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage

Mehr

2 Zufallsvariable und Verteilungen

2 Zufallsvariable und Verteilungen Zufallsvarable und Vertelungen 7 Zufallsvarable und Vertelungen Wr wollen uns jetzt mt Zufallsexpermenten beschäftgen, deren Ausgänge durch (reelle) Zahlen beschreben werden können, oder be denen man jedem

Mehr

Physik II TU Dortmund SS2018 Götz Uhrig Shaukat Khan Kapitel 1. Bisher: Elektrostatik im Vakuum (keine Felder in Materie), keine Magnetfelder

Physik II TU Dortmund SS2018 Götz Uhrig Shaukat Khan Kapitel 1. Bisher: Elektrostatik im Vakuum (keine Felder in Materie), keine Magnetfelder Physk II T Dotmund SS8 Götz hg Shaukat Khan Kaptel Maxwellsche Glechungen Bshe: Elektostatk m Vakuum (kene Felde n Matee), kene Magnetfelde dffeenzelle Fom ntegale Fom ( ) Gauß E E da dv V E Stokes E d

Mehr

Funds Transfer Pricing. Daniel Schlotmann

Funds Transfer Pricing. Daniel Schlotmann Danel Schlotmann Fankfut, 8. Apl 2013 Defnton Lqudtät / Lqudtätssko Lqudtät Pesonen ode Untenehmen: snd lqude, wenn se he laufenden Zahlungsvepflchtungen jedezet efüllen können. Vemögensgegenstände: snd

Mehr

In der beschreibenden Statistik werden Daten erhoben, aufbereitet und analysiert. Beispiel einer Datenerhebung mit Begriffserklärungen (Vokabel)

In der beschreibenden Statistik werden Daten erhoben, aufbereitet und analysiert. Beispiel einer Datenerhebung mit Begriffserklärungen (Vokabel) Rudolf Brnkmann http://brnkmann-du.de Sete.. Datenerhebung, Datenaufberetung und Darstellung. In der beschrebenden Statstk werden Daten erhoben, aufberetet und analysert. Bespel ener Datenerhebung mt Begrffserklärungen

Mehr

Lineare Regression. Stefan Keppeler. 16. Januar Mathematik I für Biologen, Geowissenschaftler und Geoökologen

Lineare Regression. Stefan Keppeler. 16. Januar Mathematik I für Biologen, Geowissenschaftler und Geoökologen Mathematk I für Bologen, Geowssenschaftler und Geoökologen 16. Januar 2012 Problemstellung Bespel Maß für Abwechung Trck Mnmum? Exponentalfunktonen Potenzfunktonen Bespel Problemstellung: Gegeben seen

Mehr

Definition des linearen Korrelationskoeffizienten

Definition des linearen Korrelationskoeffizienten Defnton des lnearen Korrelatonskoeffzenten r xy x y y r x xy y 1 x x y y x Der Korrelatonskoeffzent st en Indkator dafür, we gut de Punkte (X,Y) zu ener Geraden passen. Sen Wert legt zwschen -1 und +1.

Mehr

12 UMPU Tests ( UMP unbiased )

12 UMPU Tests ( UMP unbiased ) 89 1 UMPU Tests ( UMP unbased ) Nach Bemerkung 11.8(b) exstert m Allgemenen ken zwesetger UMP- Test zu enem Nveau α. Deshalb Enschränkung auf unverfälschte Tests: ϕ Φ α heßt unverfälscht (unbased) zum

Mehr

18. Dynamisches Programmieren

18. Dynamisches Programmieren 8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus

Mehr

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung am Bespel enes Modells der chadenverscherung Für das Modell ener chadenverscherung se gegeben: s w s. n 4 chaden enes Verscherungsnehmers, wenn der chadenfall entrtt Wahrschenlchket dafür, dass der chadenfall

Mehr

6. Übung zur Linearen Algebra II

6. Übung zur Linearen Algebra II Unverstät Würzburg Mathematsches Insttut Prof. Dr. Peter Müller Dr. Peter Fleschmann SS 2006 30.05.2006 6. Übung zur Lnearen Algebra II Abgabe: Bs Mttwoch, 14.06.2006, 11:00 Uhr n de Brefkästen vor der

Mehr

Die Jordansche Normalform

Die Jordansche Normalform De Jordansche Normalform Danel Hug 29. Aprl 211 KIT Unverstät des Landes Baden-Württemberg und natonales Forschungszentrum n der Helmholtz-Gemenschaft www.kt.edu 1 Zerlegung n Haupträume 2 Fazt und nächstes

Mehr

Lineare Regression (1) - Einführung I -

Lineare Regression (1) - Einführung I - Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:

Mehr

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm): Aufgabe 1 (4 + 2 + 3 Punkte) Bem Wegen von 0 Respaketen ergaben sch folgende Gewchte X(n Gramm): 1 2 3 4 K = (x u, x o ] (98,99] (99, 1000] (1000,100] (100,1020] n 1 20 10 a) Erstellen Se das Hstogramm.

Mehr

Grundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt

Grundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt Mathematsches Insttut der Unverstät München Wntersemester 3/4 Danel Rost Lukas-Faban Moser Grundlagen der Mathematk I Lösungsvorschlag zum. Tutorumsblatt Aufgabe. a De Formel besagt, daß de Summe der umrahmten

Mehr

Rotation (2. Versuch)

Rotation (2. Versuch) Rotaton 2. Versuch Bekannt snd berets Vektorfelder be denen das Lnenntegral über ene geschlossene Kurve Null wrd Stchworte: konservatve Kraft Potentalfelder Gradentenfeld. Es gbt auch Vektorfelder be denen

Mehr

TU Dresden, AG Mechanische Verfahrenstechnik, Vorlesender: Dr.-Ing. Benno Wessely 1/7. Zyklonabscheider

TU Dresden, AG Mechanische Verfahrenstechnik, Vorlesender: Dr.-Ing. Benno Wessely 1/7. Zyklonabscheider TU Deen, AG Mechanche Vefahentechnk, Voleene: D.Ing. Benno Weely 1/7 yklonabchee Lteatu: E. Muchelknautz (Stuttgat), CIT 44 (197), N. 1+, S. 671 Duckelut un Abcheega n yklonen, VDI Wämeatla, 6. Aufl.,

Mehr

4. Krummlinige orthogonale Koordinaten

4. Krummlinige orthogonale Koordinaten 4 Kummlnge othogonale Koodnaten ückblck Zu uanttatven Efassung äumlche (und etlche) Beüge denen Koodnatensysteme Bshe haben w Katessche Koodnaten betachtet: { } { } { } Bass: e,,, Koodnaten:,,,, y, Vektoen:

Mehr

Analyse von Querschnittsdaten. Drittvariablenkontrolle

Analyse von Querschnittsdaten. Drittvariablenkontrolle Analse von Queschnttsdaten Dttvaablenkontolle Waum geht es n den folgenden Stzungen? Kontnuelche Vaablen Deskptve Modelle kategoale Vaablen Datum 8.0.006 8.0.006 5.0.006 08..006 5..006..006 9..006 06..006

Mehr

1 Lineare, affine und konvexe Kombinationen. für einen Punkt (Vektor) von IR d. IR heißt affin unabhängig, wenn für alle r IN, x1,, R S

1 Lineare, affine und konvexe Kombinationen. für einen Punkt (Vektor) von IR d. IR heißt affin unabhängig, wenn für alle r IN, x1,, R S U. BEHM: Konvexgeoete 1-1 1 Lneae, affne un konvexe Kobnatonen W abeten -enonalen euklchen au I un cheben x ( 1,, ) ( I, = 1,, ) fü enen Punkt (Vekto) von I. Da nnee Poukt auf I von Vektoen x un y (,,

Mehr

Seite 2. Anatomische, physikalische und funktionelle. Modelle des menschlichen Körpers. Delaunay Algorithmus 2D/3D.

Seite 2. Anatomische, physikalische und funktionelle. Modelle des menschlichen Körpers. Delaunay Algorithmus 2D/3D. Anatomsche, physkalsche und funktonelle Modelle des menschlchen Köpes Gundlagen de Modelleung Vsualseung Venetzung Vsualseung Was soll dagestellt weden? Medznsche Blddaten (CT, MT, Photogaphe,...) Anatome

Mehr

R S T R S T R S T. 1 Lineare, affine und konvexe Kombinationen. Definition: X. Definition: Sei X. U. BREHM: Konvexgeometrie 1-1

R S T R S T R S T. 1 Lineare, affine und konvexe Kombinationen. Definition: X. Definition: Sei X. U. BREHM: Konvexgeometrie 1-1 U. BEHM: Konvexgeoete - Lneae, affne un konvexe Kobnatonen W abeten -enonalen euklchen au I un cheben x = ( x,, x ) ( ξ I, =,, ) fü enen Punkt (Vekto) von I. Da nnee Poukt auf I von Vektoen x un y = (

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 009 UNIVERSITÄT KARLSRUHE Blatt 4 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 16: (Success Run, Fortsetzung)

Mehr

Resultate / "states of nature" / mögliche Zustände / möglicheentwicklungen

Resultate / states of nature / mögliche Zustände / möglicheentwicklungen Pay-off-Matrzen und Entschedung unter Rsko Es stehen verschedene Alternatven (Strategen) zur Wahl. Jede Stratege führt zu bestmmten Resultaten (outcomes). Man schätzt dese Resultate für jede Stratege und

Mehr

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1. Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.

Mehr

Maße der zentralen Tendenz (10)

Maße der zentralen Tendenz (10) Maße der zentralen Tendenz (10) - De Berechnung der zentralen Tendenz be ategorserten Daten mt offenen Endlassen I - Bespel 1: offene Endlasse Alter x f x f p x p p cum bs 20 1? 3? 6? 6 21-25 2 23 20 460

Mehr

Mathematik für das Ingenieurstudium

Mathematik für das Ingenieurstudium Mathematk für das Ingeneurstudum von Martn Stämpfle, Jürgen Koch 2., aktual. Aufl. Hanser München 2012 Verlag C.H. Beck m Internet: www.beck.de ISBN 978 3 446 43232 1 Zu Inhaltsverzechns schnell und portofre

Mehr

-70- Anhang: -Lineare Regression-

-70- Anhang: -Lineare Regression- -70- Anhang: -Lneare Regressn- Für ene Messgröße y f(x) gelte flgender mathematsche Zusammenhang: y a+ b x () In der Regel läßt sch durch enen Satz vn Messwerten (x, y ) aber kene Gerade zechnen, da de

Mehr

Kapitel 7: Ensemble Methoden. Maschinelles Lernen und Neural Computation

Kapitel 7: Ensemble Methoden. Maschinelles Lernen und Neural Computation Kaptel 7: Ensemble Methoden 133 Komtees Mehrere Netze haben bessere Performanz als enzelne Enfachstes Bespel: Komtee von Netzen aus der n-fachen Kreuzvalderung (verrngert Varanz) De Computatonal Learnng

Mehr

ME II, Prof. Dr. T. Wollmershäuser. Kapitel 2 Das IS-LM-Modell

ME II, Prof. Dr. T. Wollmershäuser. Kapitel 2 Das IS-LM-Modell ME II, Prof. Dr. T. Wollmershäuser Kaptel 2 Das IS-LM-Modell Verson: 26.04.2011 2.1 Der Gütermarkt De gesamte Güternachfrage Z (Verwendung des BIP) lässt sch we folgt darstellen: Z C+ I + G ME II, Prof.

Mehr

Computer-Aided Reactor Design

Computer-Aided Reactor Design Compute-Ae Reacto Desgn Rechneübung zu Volesung Reaktoesgn Beteb un Auslegung chemsche Reaktoen Lehstuhl I fü Technsche Cheme Skpt un Fles: www.ch.tum.e/tc Stuum & Lehe Paktka Reaktoesgn Downloa Inhalt

Mehr

Elektrolytlösungen, Leitfähigkeit, Ionentransport. Teil I

Elektrolytlösungen, Leitfähigkeit, Ionentransport. Teil I Ludwg Pohlmann PC III - Elektoheme SS 5 Elektolytlösungen, Letfähgket, Ionentanspot Tel I. Enfühende Übelegungen. Solvataton, Hydataton 3. Ionenbeweglhketen und Letfähgketen Lteatu: Wedle.6. -.6.7 Tel

Mehr

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree

Mehr

Hochschule Heilbronn Technik Wirtschaft Informatik Heilbronn University Institut für math.-naturw. Grundlagen

Hochschule Heilbronn Technik Wirtschaft Informatik Heilbronn University Institut für math.-naturw. Grundlagen Versuch : Messung von Glechspannung und Glechstrom mt Multmetern 1. Aufgabenstellung Messung von Glechspannung u. Glechstrom mt analogen und dgtalen Messgeräten Verglech verschedener Messgeräte, Messgenaugket

Mehr

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1. Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

Mehr

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz): LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statstk und Wahrschenlchketsrechnung Statstk und Wahrschenlchketsrechnung 5. Vorlesung Dr. Jochen Köhler.03.0 Statstk und Wahrschenlchketsrechnung Wchtg!!! Vorlesung Do 4.03.0 HCI G3 Übung 5 D 9.03.0 Fnk

Mehr

WS 2016/17 Prof. Dr. Horst Peters , Seite 1 von 9

WS 2016/17 Prof. Dr. Horst Peters , Seite 1 von 9 WS 2016/17 Prof. Dr. Horst Peters 06.12.2016, Sete 1 von 9 Lehrveranstaltung Statstk m Modul Quanttatve Methoden des Studengangs Internatonal Management (Korrelaton, Regresson) 1. Überprüfen Se durch Bestmmung

Mehr

4.6 Das Pumping-Lemma für reguläre Sprachen:

4.6 Das Pumping-Lemma für reguläre Sprachen: Theoretsche Informatk 1 Vorlesungsskrpt vom Fretag, 30 Jun 000 Index: Erstellt von: (Matrkelnummer: 70899) Sete : 46 Das Pumpng-Lemma für reguläre Sprachen 1 Satz W 1 Zugrundelegende Idee des Pumpng-Lemma

Mehr

An welche Stichwörter von der letzten Vorlesung können Sie sich noch erinnern?

An welche Stichwörter von der letzten Vorlesung können Sie sich noch erinnern? An welche Stchwörter von der letzten Vorlesung können Se sch noch ernnern? Gasgesetz ür deale Gase pv = nr Gelestete Arbet be sotherme Ausdehnung adabatsche Ausdehnung 2 n Reale Gase p + a 2 ( V nb) =

Mehr

Erläuterungen zur Analyse des Zinssatzswaps Referenz N//83734/5 zwischen der A/B Duegården und der Nykredit Bank A/S

Erläuterungen zur Analyse des Zinssatzswaps Referenz N//83734/5 zwischen der A/B Duegården und der Nykredit Bank A/S Erläuterungen zur Analyse des Znssatzswaps Referenz 3584455N//83734/5 zwschen der A/B Duegården und der Nykredt Bank A/S 1. Zusammenfassung der Analyse De A/B Duegården und de Nykredt Bank A/S haben am

Mehr

8. Mathematische Begriffe der Thermodynamik. Basel, 2008

8. Mathematische Begriffe der Thermodynamik. Basel, 2008 8. Mathematsche Begre der Thermodnamk Basel, 2008 1. Enührung 8. Mathematsche Begre der Thermodnamk 2. Zustandsunktonen mehrerer Varabeln 3. Totales Derental 4. Homogene Funktonen 5. Mengen-Angaben 6.

Mehr

1 3«^ ÖÖ. Vorbereitung für 1. Klassenarbeit Dezimalzahlen und Zuordnungen

1 3«^ ÖÖ. Vorbereitung für 1. Klassenarbeit Dezimalzahlen und Zuordnungen Vobeetung fü. Klassenabet Dezmalzahlen und Zuodnungen Name:. Setze de chtgen Zechen en:

Mehr

MECHATRONISCHE NETZWERKE

MECHATRONISCHE NETZWERKE MECHATRONISCHE NETZWERKE Jörg Grabow Tel 3: Besondere Egenschaften 3.Besondere Egenschaften REZIPROZITÄT REZIPROZITÄT Neben den allgemenen Enschränkungen (Lneartät, Zetnvaranz) be der Anwendung der Verpoltheore

Mehr

4.12 Zentrifugalkraft

4.12 Zentrifugalkraft 4. Zentfugalkaft Beobachtung aus uhendem System: Kesbewegung de Kugel Es wkt ee Zentpetalkaft Im oteenden Bezugsystem st Kugel Ruhe! Im oteenden Bezugsystem wkt ee Schekaft, de Zentpetalkaft genau kompenset

Mehr

Kapitel V. Parameter der Verteilungen

Kapitel V. Parameter der Verteilungen Kaptel V Parameter der Vertelungen D. 5.. (Erwartungswert) Als Erwartungswert ener Zufallsvarablen X bezechnet man: E( X ) : Dabe se vorausgesetzt: = = + p falls X dskret f d falls X stetg und = + p

Mehr

2. Mittelwerte (Lageparameter)

2. Mittelwerte (Lageparameter) . Mttelwete (Lagepaamete) Bespele aus dem täglche Lebe Po Hemspel hatte Boussa Dotmud de letzte Saso duchschttlch 7. Zuschaue. De deutsche Akte sd m Duchschtt um 0 Zähle gefalle. I Ide wude de letzte 0

Mehr

Drehbewegungen. F r. F r x1. F r 1. r r r. Das Drehmoment: Beispiel Wippe: Erfahrung:

Drehbewegungen. F r. F r x1. F r 1. r r r. Das Drehmoment: Beispiel Wippe: Erfahrung: Dehbewegungen Das Dehoent: Bespe Wppe: D Efahung: De Käfte und bewken ene Dehbewegung u de Dehachse D. De Dehwkung hängt ncht nu von de Kaft, sonden auch vo Kafta, d.h. Abstand Dehachse-Kaft ab. De Kaft

Mehr

3.3 Lineare Abbildungen und Matrizen

3.3 Lineare Abbildungen und Matrizen 33 LINEARE ABBILDUNGEN UND MATRIZEN 87 33 Lneare Abbldungen und Matrzen Wr wollen jetzt de numersche Behandlung lnearer Abbldungen zwschen Vektorräumen beschreben be der vorgegebene Basen de Hauptrolle

Mehr

1 Mehrdimensionale Analysis

1 Mehrdimensionale Analysis 1 Mehrdmensonale Analyss Bespel: De Gesamtmasse der Erde st ene Funton der Erddchte ρ Erde und des Erdradus r Erde De Gesamtmasse der Erde st dann m Erde = V Erde ρ Erde Das Volumen ener Kugel mt Radus

Mehr

1.Schularbeit 22.Okt A. A) Berechne ohne TI-92: Beachte: Für die Beispiele 1 und 2 sind alle notwendigen Rechenschritte anzugeben.

1.Schularbeit 22.Okt A. A) Berechne ohne TI-92: Beachte: Für die Beispiele 1 und 2 sind alle notwendigen Rechenschritte anzugeben. 1.Schularbet.Okt. 1997 7.A A) Berechne ohne TI-9: Beachte: Für de Bespele 1 und snd alle notwendgen Rechenschrtte anzugeben. 1a) De zu z= a + bkonjugert komplexe Zahl st z= a b. Zege für z 1 = -4 + 3 und

Mehr

Z Z, kurz { } Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden.

Z Z, kurz { } Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden. Kombnator. Problemstellung Ausgangspunt be ombnatorschen Fragestellungen st mmer ene endlche Menge M, aus deren Elementen man endlche Zusammenstellungen von Elementen aus M bldet. Formal gesprochen bedeutet

Mehr

Zufallsvariable, Wahrscheinlichkeitsverteilungen und Erwartungswert

Zufallsvariable, Wahrscheinlichkeitsverteilungen und Erwartungswert R. Brnkmann http://brnkmann-du.de Sete..8 Zufallsvarable, Wahrschenlchketsvertelungen und Erwartungswert Enführungsbespel: Zwe Würfel (en blauer und en grüner) werden 4 mal zusammen geworfen. De Häufgketen

Mehr

Das Risiko ist jedoch nicht nur vom Risiko der einzelnen Aktien, sondern auch von deren Kovarianz abhängig: Bsp. 2-Aktien-Portfolio.

Das Risiko ist jedoch nicht nur vom Risiko der einzelnen Aktien, sondern auch von deren Kovarianz abhängig: Bsp. 2-Aktien-Portfolio. SBWL GK nanzwtschaft Schedelseke otefeulletheoe Ene Enfühung. akowtz-odell (a) nnahen De Entschedungen de Investoen snd ewels auf ene eode gechtet. Investoen vefügen übe subektve Wahschenlchketsvostellungen

Mehr

1.11 Beispielaufgaben

1.11 Beispielaufgaben . Bespelaufgaben Darstellung komplexer Zahlen Aufgabe. Man stelle de komplexe Zahl z = +e 5f n algebrascher Form, also als x + y dar. Damt man de Formel für de Dvson anwenden kann, muss zunächst der Nenner

Mehr

Prof. Dr. P. Kischka WS 2012/13 Lehrstuhl für Wirtschafts- und Sozialstatistik. Klausur Statistische Inferenz

Prof. Dr. P. Kischka WS 2012/13 Lehrstuhl für Wirtschafts- und Sozialstatistik. Klausur Statistische Inferenz Prof. Dr. P. Kschka WS 2012/13 Lehrstuhl für Wrtschafts- und Sozalstatstk Klausur Statstsche Inferenz 15.02.2013 Name: Matrkelnummer: Studengang: Aufgabe 1 2 3 4 5 6 7 8 Summe Punkte 6 5 5 5 5 4 4 6 40

Mehr

1 Definition und Grundbegriffe

1 Definition und Grundbegriffe 1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:

Mehr

Standardnormalverteilung / z-transformation

Standardnormalverteilung / z-transformation Standardnormalvertelung / -Transformaton Unter den unendlch velen Normalvertelungen gbt es ene Normalvertelung, de sch dadurch ausgeechnet st, dass se enen Erwartungswert von µ 0 und ene Streuung von σ

Mehr

4.2 Grundlagen der Testtheorie

4.2 Grundlagen der Testtheorie 4.2 Grundlagen der Testtheore Wntersemester 2008 / 2009 Hochschule Magdeburg-Stendal (FH) Frau Prof. Dr. Gabrele Helga Franke Deskrptve Statstk 4-1 bs 4-2 1 GHF m WSe 2008 / 2009 an der HS MD-SDL(FH) m

Mehr

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen 196 6.5. Rückgewnnung des Zetvorgangs: Rolle der Pole und Nullstellen We n 6.2. und 6.. gezegt wurde, st de Übertragungsfunkton G( enes lnearen zetnvaranten Systems mt n unabhänggen Spechern ene gebrochen

Mehr

IK: Einkommen, Beschäftigung und Finanzmärkte (Wintersemester 2011/12) Das IS LM Modell

IK: Einkommen, Beschäftigung und Finanzmärkte (Wintersemester 2011/12) Das IS LM Modell IK: Enkommen, Beschäftgung und Fnanzmärkte (Wntersemester 2011/12) Das IS LM Modell Zele und Inhalt Zel: Zusammenführung von Güter-und Fnanzmärkten um den Output und den Znssatz ener Ökonome n der kurzen

Mehr