BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS

Größe: px
Ab Seite anzeigen:

Download "BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS"

Transkript

1 Name: Vorname: Markel-Nr.: BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Prüfngsgebe: Enführng n de Wrschafsnformak (PO 2006) Grndlagen von Decson Sppor Sysemen (BWW 1.14) Tag der Prüfng: Name des Prüfers: Prof. Dr. S. Bock Erlabe Hlfsmel: Taschenrechner (nch programmerbar) Der Klasr begefüge Formelsammlng Bearbeen Se jede der angegebenen Afgaben! De Lösngen z den Afgaben sollen gegleder sowe n vollsändgen, zsammenhängenden Säzen dargesell werden nd Rechnngen m hren Zwschenschren nachvollzehbar sen. Daz gehör ach das explze Afschreben aller verwendeen Formeln. En Ergebns ohne nachvollzehbare Rechnng erhäl kene Pnke. Rnden Se af ver Sellen hner dem Komma. De Darsellngsform nd de Sysemak der Gedankenführng gehen n de Bewerng ebenfalls en. In Klammern s für jede Afgabe de Anzahl der maxmal möglchen Pnke angegeben, de be ener rchgen nd vollsändgen Bearbeng errech werden können. Zdem ensprch de angegebene Pnkezahl ngefähr der Daer n Mnen, de Se für de Lösng der jewelgen Afgabe benögen sollen. Insgesam können 90 Pnke errech werden. Für ene erfolgreche Bearbeng müssen wengsens 45 Pnke erworben werden.

2 Daenbanksyseme (45 Pnke) Afgabe 1: Allgemene Thesen (Insgesam 12 Pnke) Nehmen Se z den folgenden Thesen krz begründe Sellng. Ene af ja oder nen beschränke Anwor erhäl kene Pnke. a) De nerschedlchen Ebenen n der Dre-Schema-Archekr werden m dem Zel physscher nd logscher Daennabhänggke vonenander enkoppel. (3 Pnke) b) De Parzpaon enes Enäsyps E n enem Bezehngsyp B kann nr dann oal sen, wenn de dazgehörge Kardnalä 1 s. (3 Pnke) c) Für ene Relaon gl ses: De Anzahl von Arbsypen n enem belebgen Sperschlüssel, der de Anforderngen an enen Schlüssel nch erfüll, s mmer größer als de Anzahl der Arbsypen des asächlch gewählen Schlüssels. (3 Pnke) d) Uner dem Abschlss verseh man ene Menge fnkonaler Abhänggkeen, de wenn se nch weer redzer werden kann als mnmale Überdeckng bezechne wrd. (3 Pnke) Afgabe 2: Eny Relaonshp Modell Gegeben se der folgende Sachverhal z enem Fahrschlbereb: (Insgesam 13 Pnke) Ene Fahrschle, endeg denfzerbar anhand der Anschrf (Sraße, Hasnmmer, PLZ, Or), beschäfg Fahrlehrer (mndesens enen) als Angeselle. En Fahrlehrer, erkennbar an sener Asbldernmmer, kann für belebg vele Fahrschlen arbeen. Fahrschüler, denfzerbar drch Vorname, Nachname nd Gebrsdam, snd ses be gena ener Fahrschle angemelde. Das Aler enes Fahrschülers s wchg nd wrd daher ebenfalls angegeben. Be ener Fahrschle können belebg vele Fahrschüler angemelde sen. Fahrlehrer nd -schüler reffen sch z gemensamen Fahrsnden, wobe an ener Fahrsnde ses gena en Lehrer nd gena zwe Schüler elnehmen. Schüler nd Fahrlehrer können an belebg velen Fahrsnden elnehmen. En Prüfer, erkennbar an sener Lzenznmmer, prüf den Fahrschüler m Rahmen ener Fahrprüfng af Egnng. Be ener Prüfng s ach mmer en Fahrlehrer dabe. En Fahrschüler nmm an maxmal ener Prüfng el, Fahrlehrer nd -prüfer an belebg velen. Ersellen Se af der Grndlage des oben dargesellen Sachverhales en Eny Relaonshp Dagramm m Enäsypen, Bezehngsypen, Arbsypen, Toaläen nd Kardnaläen. Erläern Se jeden Ihrer Modellerngsschre krz.

3 Afgabe 3: Relaonale Algebra nd SQL (Insgesam 12 Pnke) Im Folgenden s de Asprägng ener Relaonalen Daenbank gegeben (de Fremdschlüssel FID- FK, PID-FK nd UID-FK referenzeren jewels de Schlüssel FID, PID bzw. UID): Formleren Se de nachsehenden Anfragen n Asdrücken der Relaonalen Algebra. Verwenden Se ledglch de n der Vorlesng vorgesellen Grndoperaonen. Beachen Se, nach welchen Informaonen jewels gena gefrag wrd nd geben Se ensprechend de Ergebnsrelaonen an. a) Welche Personen (PID, Name) fahren Porsche? (2 Pnke) b) Welche Farben (Farbe) haben de Fahrzege, de schon an Unfällen m ener Schadenshöhe von mehr als 5000 beelg waren? (4 Pnke) c) Welche Personen (Name, Aler) snd jünger als 50 Jahre nd waren schon an Unfällen beelg, de sch nachmags (nach 12 Uhr) eregne haben? (5 Pnke) d) Formleren Se de Anfrage as Afgabenel a) nn zsäzlch n SQL. (1 Pnk) Afgabe 4: Normalformen (Insgesam 8 Pnke) Gegeben se en Schema besehend as der Relaon R(A,B,C,D). Überführen Se deses Schema m Hlfe des n der Vorlesng vorgesellen Algorhms n de 3. Normalform. Führen Se dese Überführng jewels (gerenn) für de folgenden Mengen fnkonaler Abhänggkeen drch: a) F={ABCD} (3 Pnke) b) F={ABC, BD} (5 Pnke)

4 Operaons Managemen (45 Pnke) Afgabe 5: Exponenelle Gläng (Insgesam 18 Pnke) a) Peer Zaser neresser sch für en Invesmen n Aken enes bekannen Unernehmens. Der Akenkrs des Unernehmens hae m zween Halbjahr 2010 folgenden Verlaf: Qaral Tasächlcher Akenkrs 3. Qaral ,85 4. Qaral ,95 Er be Se, den Krs der Ake m der exponenellen Gläng für das 1. Qaral 2011 z prognoszeren. Inerpreeren Se das 3. Qaral 2010 als Index =1 nd besmmen Se de Sarwere a 2 nd b 2 als akeller Achsenabschn nd nale Segng. (2 Pnke) b) Herr Zaser ha den Krs der Ake des Aomoblnernehmens ach m 1. nd 2. Qaral 2011 beobache. Qaral Tasächlcher Akenkrs 1. Qaral ,75 2. Qaral ,70 Da er m Ihrer Prognose as Afgabenel a) zfreden war, beafrag er Se, Ihre Akenkrsprognose as dem vorhergen Afgabenel anhand deser Daen forzsezen nd den Akenkrs für das 2. Qaral 2011 nd das 3. Qaral 2011 z prognoszeren. Verwenden Se m Folgenden α = 0,1 nd β = 0,2. (9 Pnke) c) Im 3. Qaral 2011 beobache Herr Zaser enen Krssrz der Ake af 101,20. Da er wegen der n Afgabenel b) ersellen Prognose enen Krszwachs erware ha, wrf er Ihnen vor, dass Ihre Prognose ene sysemasche Überschäzng afwes. Überprüfen Se, ob der Vorwrf gerechferg s. Begnnen Se de Überprüfng m 1. Qaral 2011 nd nalseren Se den smoohed error m 0 nd den smoohed absole error m dem absolen Prognosefehler der ersen Perode. Verwenden Se als Glängsparameer den Wer 0,1. (7 Pnke) (Hnwes: Für den Fall, dass Se de Prognosewere n Afgabenel b) nch ermel haben, können Se de nen angegebenen verfälschen Prognosewere verwenden.) Qaral Prognosewer (verfälsch) Tasächlcher Akenkrs 1. Qaral , ,75 2. Qaral , ,70 3. Qaral , ,20

5 Afgabe 6: Allgemene Thesen (Insgesam 10 Pnke) Nehmen Se z den folgenden Thesen krz begründe Sellng. Ene af ja oder nen beschränke Anwor erhäl kene Pnke. a) Wr berachen das klasssche Besellmengenproblem m endlcher Leferrae. Segen de varablen Besellkosen be glechblebendem Lagerhalngskosensaz s es snnvoll, größere Enzelbesellmengen z ordern, wel de Besellkosen pro Enhe enen größeren Enflss af de Gesamkosen haben als de Lagerhalngskosen. (5 Pnke) b) Wr berachen das Newsvendor Problem m Rahmen des sochasschen Besandsmanagemens. Gegeben se, dass sch drch de Modfkaon der Kosensäze de opmale Besellmenge verklener. Ene Ursache herfür könne sen, dass der Unerbesandskosensaz be glechem Deckngsberag gesegen s. (5 Pnke) Afgabe 7: Besellmengenproblem (Insgesam 17 Pnke) En n Wpperal ansässger Farbhändler verkaf ene besondere Spezalfarbe. Sen Leferan verlang 10 je Spezalfarbdose nd 5 Leferkosen pro Besellng. Der Händler verkaf ene Dose der Spezalfarbe für jewels 22,50 an sene Knden nd sez monalch 50 Dosen ab. De Znsen af das nvesere Kapal beragen jährlch 5% nd blden Oppornäskosen für de Lagerng der Dosen. Da der Leferan große Leferngen gegenüber klenen Leferngen bevorzg, bee er dem Farbhändler be ener enzelnen Leferng von mehr als 100 Dosen 5% Nachlass af de gesame beselle Menge nd ab 150 Dosen je Enzelleferng sogar enen Nachlass von 7%. a) Idenfzeren Se, m welches Besellmengenproblem es sch her handel. Führen Se zr Begründng de m Tex genannen Modellannahmen af. (4 Pnke) b) Errechnen Se de Gesamkosen der opmalen Besellmenge an Dosen. (9 Pnke) c) Der Leferan möche senen Umsaz segern nd bee dem Farbhändler alernav z den oben afgeführen Nachlässen en nees Presmodell m angesoßenen Rabaen bezogen af de jährlche Besellmenge an. Anzahl beseller Dosen pro Jahr Pres 9,50 9,00 Für de Ensorgng nch benöger Dosen ensehen Kosen n Höhe von 0,10 je Dose. Enscheden Se begründe, ob der Farbhändler das nee Angebo annehmen soll. Erläern Se dabe Ihr Vorgehen. (4 Pnke) (Hnwes: Nehmen Se für den Fall, dass Se Afgabenel b) nch bearbee haben, an, dass sch n Afgabenel b) de opmale Besellmenge der höchsen m Afgabenex angegebenen Rabaklasse realseren leß.)

6 FORMELN SE TS = m SE = φ y y + φ SE SAE = φ y y + φ SAE ( ˆ ) ( 1 ) nd ˆ ( 1 ) 1, 1 1, 1 SAE T T T , ˆ 1, ( ˆ 1, ) MAD = T y y MSE = T y y MAPE = T = 1 = 1 = 1 CoVAR( x, y) b = a = n y b n x VAR( x) n n 1 1 = 1 = 1 n n n n n VAR( x) = n x n x CoVAR( x, y) n x y n x n y = = 1 = 1 = 1 = 1 = 1 ( ) ( ) σ µ σ J S = L z S = + z c 1 p 1 z = F z F CR CR 01 p h = m = 01 + c + c c = r c c = c v ( ) ( ) ( σ ) Z S = p + h f z Z S = c + c f z CR ( ) ( ) r = ( LT modlo T) 2 o 01 o 01 Π S = c Z S h = q Zns µ 1 2 k K x = k + x h + µ q x = x 2 h µ 1 µ 2 k K x = k + x h + µ q x = x 2 λ µ 1 h λ µ 1 2 k K x = k + x h + q x q = x 2 h µ o ( ) q, falls a x < a h = q Zns q = q (1 r ), falls a x < a, {1,, I -1} q (1 r ), falls a x 0 I I yˆ = α y + 1 α yˆ, + 1 1, 2 yˆ = a + b τm a = a + b + 2 α α y a b, + τ b = b + α 1 2 ( y a b ) 1 1 ( 1 ) yˆ = a + b τm a = α y + 1 α a + b, + τ =, + 1 τ τ = T + 1 yˆ T y b = β a a + β b 1 1 σ yˆ y y

7 STANDARDNORMALVERTEILUNG

BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS

BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Name: Vorname: Marikel-Nr.: BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Prüfngsgebie: Einführng in die Wirschafsinformaik (PO 2006) Grndlagen von Decision Sppor Sysemen

Mehr

BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS

BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Name: Vorname: Marikel-Nr.: BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Prüfngsgebie: Einführng in die Wirschafsinformaik (PO 2006) Grndlagen von Decision Sppor Sysemen

Mehr

BERGISCHE UNIVERSITÄT WUPPERTAL FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS

BERGISCHE UNIVERSITÄT WUPPERTAL FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Plaz-Nr.: Name: Vorname: Marikel-Nr.: BERGISCHE UNIVERSITÄT WUPPERTAL FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Prüfngsgebie: Einführng in die Wirschafsinformaik

Mehr

BERGISCHE UNIVERSITÄT WUPPERTAL FACHBEREICH WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS

BERGISCHE UNIVERSITÄT WUPPERTAL FACHBEREICH WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Plaz-Nr.: Name: Vorname: Marikel-Nr.: BERGISCHE UNIVERSITÄT WUPPERTAL FACHBEREICH WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Prüfngsgebie: Einführng in die Wirschafsinformaik

Mehr

BERGISCHE UNIVERSITÄT WUPPERTAL FACHBEREICH WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS

BERGISCHE UNIVERSITÄT WUPPERTAL FACHBEREICH WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Plaz-Nr.: Name: Vorname: Marikel-Nr.: BERGISCHE UNIVERSITÄT WUPPERTAL FACHBEREICH WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Prüfngsgebie: Einführng in die Wirschafsinformaik

Mehr

BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS

BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Name: Vorname: Matrikel-Nr.: BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Prüfngsgebiet: Einführng in die Wirtschaftsinformatik (PO 2006) Grndlagen von Decision Spport

Mehr

BERGISCHE UNIVERSITÄT WUPPERTAL FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS

BERGISCHE UNIVERSITÄT WUPPERTAL FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Plaz-Nr.: Name: Vorname: Marikel-Nr.: BERGISCHE UNIVERSITÄT WUPPERTAL FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Prüfngsgebie: Einführng in die Wirschafsinformaik

Mehr

BERGISCHE UNIVERSITÄT WUPPERTAL FACHBEREICH WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS

BERGISCHE UNIVERSITÄT WUPPERTAL FACHBEREICH WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Plaz-Nr.: Name: Vorname: Marikel-Nr.: BERGISCHE UNIVERSITÄT WUPPERTAL FACHBEREICH WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Prüfngsgebie: Einführng in die Wirschafsinformaik

Mehr

BERGISCHE UNIVERSITÄT WUPPERTAL FACHBEREICH WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS

BERGISCHE UNIVERSITÄT WUPPERTAL FACHBEREICH WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Plaz-Nr.: Name: Vorname: Marikel-Nr.: BERGISCHE UNIVERSITÄT WUPPERTAL FACHBEREICH WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Prüfngsgebie: Einführng in die Wirschafsinformaik

Mehr

BERGISCHE UNIVERSITÄT WUPPERTAL FACHBEREICH WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS

BERGISCHE UNIVERSITÄT WUPPERTAL FACHBEREICH WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Platz-Nr.: Name: Vorname: Matrikel-Nr.: BERGISCHE UNIVERSITÄT WUPPERTAL FACHBEREICH WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Prüfngsgebiet: Einführng in die Wirtschaftsinformatik

Mehr

2 Anwendung der Laplace- Transformation auf gewöhnliche Differenzialgleichungen

2 Anwendung der Laplace- Transformation auf gewöhnliche Differenzialgleichungen nwendng der aplace- Transformaon af gewöhnlche Dfferenzalglechngen. Häfg afreender Typ von Dfferenzalglechngen Das dynamsche Verhalen echnscher Syseme wrd häfg, zmndes näherngswese, drch lneare Dfferenzalglechngen

Mehr

Mserlösng zr Afgabe, H5. as Pnk Nach Messng könne es ach ene -Schalng sen. Für ene -Schalng würe aber be Messng e gesame Spannng über em Wersan as abfallen. 5 µf,sec Ω as as en as en as as as Pnke. = +

Mehr

Cayleys Formel. Drei Beweise durch geschicktes. Zahlen. Marc Wagner. Ferienakademie, September 1999

Cayleys Formel. Drei Beweise durch geschicktes. Zahlen. Marc Wagner. Ferienakademie, September 1999 Cayleys Formel Dre Bewese durch geschces Zahlen Marc Wagner mcwagnersud.nforma.un-erlangen.de Ferenaademe, Sepember 999 Vorberachungen Labeled Trees (nummerere Baume) En Labeled Tree s en zusammenhangender,

Mehr

F E R N U N I V E R S I T Ä T

F E R N U N I V E R S I T Ä T Matrkelnmmer Name: Vorname: F E R N U N I V E R S I T Ä T Fakltät für Wrtschaftswssenschaft Klasr: Modl 7 Markt nd Staat (6 SWS) Termn:.0.0, 9.00.00 Uhr Prüfer: Unv.-Prof. Dr. Thomas Echner Afgabe Smme

Mehr

{ } { } { } δ F. Die Knotenspannungen (Matrix u) nach dem Schritt k+1 erhält man entsprechend der Gleichung (*) aus den Werten des Schrittes k durch:

{ } { } { } δ F. Die Knotenspannungen (Matrix u) nach dem Schritt k+1 erhält man entsprechend der Gleichung (*) aus den Werten des Schrittes k durch: 2. Grndlagen der nmerschen Schalngsberechnng (Analysearen 2. D-Analyse Vor der weeren Berechnng der Vorgänge n Schalngen mß der D-Arbespn als Sarwer für alle Sröme nd Spannngen ermel werden. Dese D-Analyse

Mehr

Lösungen der Übungsaufgaben zu Kapitel 7

Lösungen der Übungsaufgaben zu Kapitel 7 Kapel 7: Prmzahlen Lösungen der Übungsaufgaben zu Kapel 7 Ü: Se p IP belebg gewähl. IA: n = : Zu zegen s p a a p a p a, des s aber genau de Aussage von Saz 7. und dam beres bewesen. IS: Se IN m belebg

Mehr

Schriftliche Prüfung aus Systemtechnik am

Schriftliche Prüfung aus Systemtechnik am U Graz, Insttt Regelngs- nd Atomatserngstechnk Schrftlche Prüfng as Sstemtechnk am 3.. Name / Vorname(n): Matrkel-Nmmer: Bonspnkte as den MALAB-Übngen: O ja O nen 3 4 errechbare Pnkte 5 6 6 4 errechte

Mehr

Aerodynamik des Flugzeugs Numerische Strömungssimulation

Aerodynamik des Flugzeugs Numerische Strömungssimulation Aerodnamk des Flgzegs Nmersche Srömngssmlaon Enleng Srömngssmlaon n Wndkanälen 3 Nmersche Srömngssmlaon 4 Poenalsrömngen 5 Tragflügel nendlcher Sreckng n nkompressbler Srömng 6 Tragflügel endlcher Sreckng

Mehr

Energieeffizienz-Betrachtung einer Anlage durch Energiemessung

Energieeffizienz-Betrachtung einer Anlage durch Energiemessung Applcaon Noe DK9221-1109-0007 Messechnk Keywords Energemessung Lesungsfakor Energeanalyse EherCAT-Klemme Busklemme KL3403 EL3403 Energeeffzenz-Berachung ener Anlage durch Energemessung Deses Applcaon Example

Mehr

BERGISCHE UNIVERSITÄT WUPPERTAL FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS

BERGISCHE UNIVERSITÄT WUPPERTAL FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Plaz-Nr.: Name: Vorame: Marikel-Nr.: BERGISCHE UNIVERSITÄT WUPPERTAL FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Prüfgsgebie: Eiführg i die Wirschafsiformaik (Happrüfg

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

Nachtrag Nr. 72 a. gemäß 10 Verkaufsprospektgesetz (in der vor dem 1. Juli 2005 geltenden Fassung) Unvollständigen Verkaufsprospekt

Nachtrag Nr. 72 a. gemäß 10 Verkaufsprospektgesetz (in der vor dem 1. Juli 2005 geltenden Fassung) Unvollständigen Verkaufsprospekt London Branch Nachrag Nr. 72 a gemäß 10 Verkaufsprospekgesez (n der vor dem 1. Jul 2005 gelenden Fassung) vom 6. November 2006 zum Unvollsändgen Verkaufsprospek vom 31. März 2005 über Zerfkae auf * über

Mehr

MC Datenexport und Übernahme in Excel

MC Datenexport und Übernahme in Excel MC Daenexpor und Übernahme n Excel Schr-für-Schr-Anleung zur Daenübernahme aus der MC- Applkaon und Überführung der Daen n en lokales Excel-Fle. Tel A: Daenübernahme aus MC (Wndows XP):. See 1 Tel B: Daenkonverson

Mehr

Tutorium Makroökonomik I:

Tutorium Makroökonomik I: UNIVERITÄTKOLLEG Unverstätskolleg: #tdm+ Ttorm Makroökonomk I:. Lneare Fnktonen mehrerer Varablen Dr. Krstn aetz Tobas Fscher Kostenlose satzangebote nd Lehrmateralen für alle tderenden Ttorm Makroökonomk

Mehr

Hittorfsche Überführungszahl

Hittorfsche Überführungszahl Insu für Physkalsche Cheme Forgeschrenenprakkum 4. Horfsche Überführungszahl Sand 06/04/05 Horfsche Überführungszahl Grundlagen zum Versuch Komponenen - Glechspannungsquelle - Elekrolyse-Apparaur - P-Elekroden.

Mehr

BERGISCHE UNIVERSITÄT WUPPERTAL

BERGISCHE UNIVERSITÄT WUPPERTAL BERGISCHE UNIVERSITÄT WUPPERTAL Klausuraufgabe zum Grudsudium Prüfugsgebie: Eiführug i die Wirschafsiformaik (PO 2006) Grudlage vo Decisio Suppor Syseme (BWiWi 1.14) Tag der Prüfug: 08.08.2008 Name des

Mehr

Die Fouriertransformation und ihre Eigenschaften

Die Fouriertransformation und ihre Eigenschaften De Fourerransormaon und hre Egenschaen Klene Formelsammlung zusammengesell von Pro. Dr. ajana Lange Fachberech Elekroechnk Fachhochschule Merseburg Inhal: Fourerrehe und Fourernegral ransormaon enger wchger

Mehr

4. Ratenmonotones Scheduling Rate-Monotonic Scheduling (LIU/LAYLAND 1973)

4. Ratenmonotones Scheduling Rate-Monotonic Scheduling (LIU/LAYLAND 1973) 4. Raenmonoones Schedulng Rae-Monoonc Schedulng (LIU/LAYLAND 973) 4.. Tasbeschrebung Tas Planungsenhe. Perodsche Folge von Jobs. T = {,..., n } Tasparameer Anforderungsze, Bereze (release me) Bearbeungs-,

Mehr

Praktikum Grundlagen der Elektrotechnik

Praktikum Grundlagen der Elektrotechnik Prakkm Grndlagen der Elekroechnk 1. Versch GET 3: Schalverhalen an C nd Faklä für Elekroechnk nd Informaonsechnk Ins für Informaonsechnk ehrgrppe Grndlagen der Elekroechnk. Sandor In nseren aboren m Helmholzba

Mehr

BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS

BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Name: Vorname: Matrikel-Nr.: BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Prüfungsgebiet: Einführung in die Wirtschaftsinformatik (PO 2006) Grundlagen von Decision

Mehr

I, U : Momentanwerte für Strom und Spannung I 0, U 0 : Scheitelwerte für Strom und Spannung

I, U : Momentanwerte für Strom und Spannung I 0, U 0 : Scheitelwerte für Strom und Spannung Wechselsrom B r A B sn( sn( Wrd de eerschlefe über enen Wdersand kurzgeschlossen fleß en Srom: sn( sn(, : Momenanwere für Srom und Spannung, : Scheelwere für Srom und Spannung ~ sn( sn( Effekvwere für

Mehr

Herbstworkshop Flexible Regressionsmodelle Magdeburg, 22./23. November 2007. der LMS-Methode

Herbstworkshop Flexible Regressionsmodelle Magdeburg, 22./23. November 2007. der LMS-Methode Herbsworkshop Flexble Regressonsmodelle Magdebrg./3. November 007 Schäzng von en- nd zwedmensonalen Perzenlkrven m der LMS-Mehode Segfred Kropf 1 Brge Peers 1 Karl-Oo Dbowy 1 Ins f. Bomere. Medznsche Informak

Mehr

D. Dorninger: Angaben für die Übungsaufgaben zu Mathematik 2 für Wirtschaftsinformatik 1 AUFGABEN

D. Dorninger: Angaben für die Übungsaufgaben zu Mathematik 2 für Wirtschaftsinformatik 1 AUFGABEN D. Dornnger: Angaben für de Übungsaufgaben zu Mahemak für Wrschafsnformak I. INTEGRALRECHNUNG. Konsumenenrene AUFGAEN Für enen Monopolsen se = (p) de Nachfrage n Abhänggke vom Pres p. p h : Höchspres,

Mehr

Facility Location Games

Facility Location Games Faclty Locaton Games Semnar über Algorthmen SS 2006 Klaas Joeppen 1 Abstract Wr haben berets sehr häufg von Nash-Glechgewchten und vor allem von deren Exstenz gesprochen. Das Faclty Locaton Game betet

Mehr

Berechnung des next-arrays

Berechnung des next-arrays Berechnung des nex-arrays Ernnerung: nex[] Länge des längsen Präfxes von P, das eches Suffx von P 1.. s Inalserung: nex[1] 0 Annahme: se nex[-1] j: P 1 P 2 P -1 P? Berache zwe Fälle: 1. P P j+1 nex[] j

Mehr

3. Echtzeit-Scheduling Grundlagen

3. Echtzeit-Scheduling Grundlagen 3. Echze-Schedulng Grundlagen 3.1. Grundbegrffe, Klassfkaon und Bewerung Grundbegrffe Job Planungsenhe für Schedulng e wce r d Ausführungsze, Bearbeungsze (execuon me) maxmale Ausführungsze Fregabeze,

Mehr

Transformation in der Gesichtserkennung

Transformation in der Gesichtserkennung Transformaon n der Geschserkennung en Proek m Rahmen des Proekkurses Bldanalse und Obekerkennung Seffen Mankecz Mchael Rommel Rober Sen Sebasan Thebes. Enleung De Erkennung von Geschern und Gennung von

Mehr

Netzwerkstrukturen. Entfernung in Kilometer:

Netzwerkstrukturen. Entfernung in Kilometer: Netzwerkstrukturen 1) Nehmen wr an, n enem Neubaugebet soll für 10.000 Haushalte en Telefonnetz nstallert werden. Herzu muss von jedem Haushalt en Kabel zur nächstgelegenen Vermttlungsstelle gezogen werden.

Mehr

1.6 Energie 1.6.1 Arbeit und Leistung Wird ein Körper unter Wirkung der Kraft F längs eines Weges s verschoben, so wird dabei die Arbeit

1.6 Energie 1.6.1 Arbeit und Leistung Wird ein Körper unter Wirkung der Kraft F längs eines Weges s verschoben, so wird dabei die Arbeit 3.6 Energe.6. Arbe und Lesung Wrd en Körper uner Wrkung der Kraf F längs enes Weges s verschoben, so wrd dabe de Arbe W = F s Arbe = Kraf Weg verrche. In deser enfachen Form gülg, wenn folgende Voraussezungen

Mehr

BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS

BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Name: Vorname: Matrikel-Nr.: BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Prüfungsgebiet: Einführung in die Wirtschaftsinformatik (PO 2006) Grundlagen von Decision

Mehr

BERGISCHE UNIVERSITÄT WUPPERTAL FACHBEREICH WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS. Klausuraufgaben

BERGISCHE UNIVERSITÄT WUPPERTAL FACHBEREICH WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS. Klausuraufgaben Platz-Nr.: Name: Vorname: Matrikel-Nr.: BERGISCHE UNIVERSITÄT WUPPERTAL FACHBEREICH WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Klausuraufgaben Prüfungsgebiet: Einführung in die

Mehr

BERGISCHE UNIVERSITÄT WUPPERTAL FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS

BERGISCHE UNIVERSITÄT WUPPERTAL FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Plaz-Nr.: Name: Vorame: Marikel-Nr.: BERGISCHE UNIVERSITÄT WUPPERTAL FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT - SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Prüfgsgebie: Eiführg i die Wirschafsiformaik (Happrüfg

Mehr

8. Elementare Zeitreihenanalyse

8. Elementare Zeitreihenanalyse 8 Elemenare Zerehenanalse Suaon: v De Schprobenwere enes Merkmals Y werden m Zeablauf, also zu besmmen Zepunken,,, n, beobache Zerehe v In wrschaflchen Anwendungen wrd häufg unersell, dass sch de Beobachungswere

Mehr

Gewöhnliche Differentialgleichungen

Gewöhnliche Differentialgleichungen Gewöhnlche Dfferenalglechungen (von Mchael Ddas, Wnersemeser 2001/2002) 1. Exsenz- und Endeugke von Lösungen 2. Trennung der Varablen 3. Syseme lnearer Dfferenalglechungen 1. Ordnung 4. Syseme m konsanen

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

Aufgaben mit Lösungen zur Ökonometrie I. 1. Ökonometrie und empirische Wirtschaftsforschung

Aufgaben mit Lösungen zur Ökonometrie I. 1. Ökonometrie und empirische Wirtschaftsforschung Aufgaben m Lösungen zur Ökonomere I 1. Ökonomere und emprsche Wrschafsforschung 1.1 Erläuern Se de konsuonellen Elemene der Ökonomere! De Ökonomere s ene Schnmenge aus ökonomscher Theore, der Mahemak und

Mehr

Elemente der Mathematik - Sommer 2016

Elemente der Mathematik - Sommer 2016 Elemente der Mathematk - Sommer 2016 Prof Dr Matthas Lesch, Regula Krapf Lösungen Übungsblatt 3 Aufgabe 9 (10 Punkte) Das Horner-Schema st ene Methode zum Auswerten enes Polynoms n a0 x an der Stelle s

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

Man erkennt, dass an der Induktivität die Spannung unendlich groß wird, wenn der Strom einen Sprung

Man erkennt, dass an der Induktivität die Spannung unendlich groß wird, wenn der Strom einen Sprung nverät Stttgart Intt für engselektronk nd Elektrsche Antrebe Abt. Elektrsche Energewandlng Prof. Dr.-Ing. N. Parspor Enschwngvorgänge Wenn n enem elektrschen Netzwerk en oder mehrere Energe spechernde

Mehr

Gewöhnliche Differentialgleichungen, erste Ordnung

Gewöhnliche Differentialgleichungen, erste Ordnung Gewöhnlche Derenalglechungen erse Ordnung wr haben beres gesehen daß sch ele Probleme n der Phsk durch gewöhnlche Derenalglechungen beschreben lassen besmme Varable als Funkon der Ze d d M den Anangsbedngung

Mehr

Schriftliche Prüfung aus Systemtechnik am

Schriftliche Prüfung aus Systemtechnik am U Graz, Insttut egelungs- und Automatserungstechnk Schrftlche Prüfung aus Systemtechnk am 4.. 5 Name / Vorname(n): Kenn-Matr.Nr.: Bonuspunkte: 4 errechbare Punkte 4 5 7 5 errechte Punkte U Graz, Insttut

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

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

IK: Einkommen, Beschäftigung und Finanzmärkte (Wintersemester 2011/12) Wichtige makroökonomische Variablen

IK: Einkommen, Beschäftigung und Finanzmärkte (Wintersemester 2011/12) Wichtige makroökonomische Variablen IK: Enkommen, Beschäfgung und Fnanzmärke (Wnersemeser 2011/12) Wchge makroökonomsche Varablen 1 Überblck Aggregerer Oupu Agg. Oupu hs. Abrss Berechnung des BIP; reales vs. nomnales BIP, BIP vs. BNE, verkeees

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

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

Zinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung

Zinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung Znsesznsformel (Abschntt 1.2) 3 Investton & Fnanzerung 1. Fnanzmathematk Unv.-Prof. Dr. Dr. Andreas Löffler (AL@wacc.de) t Z t K t Znsesznsformel 0 1.000 K 0 1 100 1.100 K 1 = K 0 + K 0 = K 0 (1 + ) 2

Mehr

Vorlesung: "Grundlagen ingenieurwissenschaftlichen Arbeitens (GIA)"

Vorlesung: Grundlagen ingenieurwissenschaftlichen Arbeitens (GIA) 6 Zuverlägke und Produklebenzyklu 6. Genaugke und Fehlerverhalen 6.2 Technche Zuverlägke 6.2. Klafkaon von Aufällen 6.2.2 Aufall- und Überlebenwahrchenlchke 6.2.3 Fehlerrae 6.3 Zuverlägke von Hardware-Funkonen

Mehr

Die hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x)

Die hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x) ZZ Lösung zu Aufgabe : Ch²-Test Häufg wrd be der Bearbetung statstscher Daten ene bestmmte Vertelung vorausgesetzt. Um zu überprüfen ob de Daten tatsächlch der Vertelung entsprechen, wrd en durchgeführt.

Mehr

VU Quantitative BWL. 1.Teil: Produktion und Logistik [Stefan Rath] 2.Teil: Finanzwirtschaft [Tomáš Sedliačik] Quantitative BWL: Finanzwirtschaft

VU Quantitative BWL. 1.Teil: Produktion und Logistik [Stefan Rath] 2.Teil: Finanzwirtschaft [Tomáš Sedliačik] Quantitative BWL: Finanzwirtschaft VU Quanave BWL.Tel: odukon und Logsk [Sefan Rah] 2.Tel: Fnanzwschaf [Tomáš Sedlačk] Quanave BWL: Fnanzwschaf Ogansaosches De LV beseh aus zwe Telen:. Tel: odukon und Logsk [4.0.203 22..203] Sefan Rah Insu

Mehr

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2 ETH Arbetsgruppe Radocheme Radochemsches Praktkum P 06 Enführung n de Statstk INHALTSVERZEICHNIS Sete 1. Zählung von radoaktven Zerfällen und Statstk 2 2. Mttelwert und Varanz 2 3. Momente ener Vertelung

Mehr

8. Elementare Zeitreihenanalyse

8. Elementare Zeitreihenanalyse 8 Elemenare Zerehenanalse De Komponenen ener Zerehe: Suaon: De Schprobenwere enes Merkmals Y werden m Zeablauf, also zu besmmen Zepunken, =,, n, beobache Zerehe In wrschaflchen Anwendungen wrd häufg unersell,

Mehr

Lernsituation: Eine Leuchtstofflampe an Wechselspannung untersuchen. Arbeitsauftrag 1: Errechnen von Spannungswerten und Zeichnen einer Sinuslinie

Lernsituation: Eine Leuchtstofflampe an Wechselspannung untersuchen. Arbeitsauftrag 1: Errechnen von Spannungswerten und Zeichnen einer Sinuslinie 8 Elektroenergeversorgng nd cherhet von Betrebsmtteln gewährlesten ernstaton: Ene echtstofflampe an Wechselspannng nterschen Ihr Betreb soll n ener chle de veraltete Deckenbelechtng enger Unterrchtsräme

Mehr

Controlling (Nebenfach) Wintersemester 2012/2013

Controlling (Nebenfach) Wintersemester 2012/2013 echnsche Unversä München Conrollng (Nebenfach) Wnersemeser 22/23 Mschrf der orlesung vom 3..22 Dr. Markus Brunner Lehrsuhl für Berebswrschafslehre Conrollng echnsche Unversä München Conrollng WS 22/3 2

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

Kapitel 5: Koordination der Personalführung im Führungssystem

Kapitel 5: Koordination der Personalführung im Führungssystem Kapel 5: Koordnaon der Personalführung m Führungssysem 5.1 Bezehungen zwschen Conrollng und Personalführung Kapel 5 5.2 Koordnaon der Personalführung m dem Informaonssysem 5.3 Koordnaon der Personalführung

Mehr

Bedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY)

Bedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY) Bedngte Entrope Kaptel : Bedngte Entrope Das vorherge Theorem kann durch mehrfache Anwendung drekt verallgemenert werden H (... H ( = Ebenso kann de bedngt Entrope defnert werden Defnton: De bedngte Entrope

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

FORMELSAMMLUNG STATISTIK (I)

FORMELSAMMLUNG STATISTIK (I) Statst I / B. Zegler Formelsammlng FORMELSAMMLUG STATISTIK (I) Statstsche Formeln, Defntonen nd Erläterngen A a X n qaltatves Mermal Mermalsasprägng qanttatves Mermal Mermalswert Anzahl der statstschen

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

6 Die Berechnung von Wechselstromkreisen bei sinusförmiger Erregung

6 Die Berechnung von Wechselstromkreisen bei sinusförmiger Erregung 6 De Berechnng von Wechselsromkresen be snsförmger Erregng Zfällge (sochassche Wechselgröße (aschsgnal ( 3 - n s.5..5. - -3 ( Deermnere Wechselgröße (Implsfolge Perodsche deermnere Wechselgröße (Sägezahnspannng

Mehr

Schriftliche Prüfung aus Control Systems 1 am

Schriftliche Prüfung aus Control Systems 1 am TU Graz, Institt für Regelngs- nd Atomatisierngstechnik A Schriftliche Prüfng as Control Systems am 5 0 006 Name / Vorname(n): Kenn-MatrNr: Gebrtsdatm: BONUSPUNKTE as Compterrechenübng: 3 erreichbare Pnkte

Mehr

Beraterì. Bewe Bege stern.

Beraterì. Bewe Bege stern. / c Prvaumzüge Schndlauer,l ;l ü[ o] Êl. Sffñ DMS Beraerì. Bewe Begesern. gen. Lokal verrau und global verbunden. Se 1968 s de Deusche Möbelspedon deuschlandwe enes der führenden melsändschen Transporunernehmen

Mehr

z.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel!

z.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel! Aufgabe : Vorbemerkung: Ene Zufallsvarable st ene endeutge Funkton bzw. ene Abbldungsvorschrft, de angbt, auf welche Art aus enem Elementareregns ene reelle Zahl gewonnen wrd. x 4 (, ) z.b. Münzwurf: Kopf

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

6.3.1 Allgemeiner Bayes-Filter

6.3.1 Allgemeiner Bayes-Filter 6.3 Baes Fler 6.3. Allgemener Baes-Fler Sa von Baes ' ' ' η Sa über de oale Wahrschenlchke Besel oen oen oen Beobachung lecher u ermeln Besel oen.6 oen. 3 oen.5 oen. 5 oen oen oen oen oen oen oen.6.5 oen.6.5.3.5

Mehr

Grundlagen der Technischen Informatik. 9. Übung

Grundlagen der Technischen Informatik. 9. Übung Grundlagen der Technschen Informatk 9. Übung Chrstan Knell Kene Garante für Korrekt-/Vollständgket 9. Übungsblatt Themen Aufgabe 1: Aufgabe 2: Aufgabe 3: Komparator Adderer/Subtraherer Mehr-Operanden-Adderer

Mehr

Gruppe. Lineare Block-Codes

Gruppe. Lineare Block-Codes Thema: Lneare Block-Codes Lneare Block-Codes Zele Mt desen rechnerschen und expermentellen Übungen wrd de prnzpelle Vorgehenswese zur Kanalcoderung mt lnearen Block-Codes erarbetet. De konkrete Anwendung

Mehr

Einführung in die numerische Mathematik

Einführung in die numerische Mathematik Prof. Dr. M. Günther K. Gauslng, M.Sc. C. Hendrcks, M.Sc. Sommersemester 1 Bergsche Unverstät Wuppertal Fachberech C Mathematk und Naturwssenschaften Angewandte Mathematk / Numersche Analyss Enführung

Mehr

Datenaufbereitung und -darstellung III

Datenaufbereitung und -darstellung III Datenafberetng nd Darstellng 1 Glederng: Zel der Datenafberetng nd Darstellng Datenverdchtng Tabellen nd grafsche Darstellngen Darstellng nvarater Datenmengen (Abschntt 4.4 Darstellng mltvarater Daten

Mehr

Contents blog.stromhaltig.de

Contents blog.stromhaltig.de Contents We hoch st egentlch Ihre Grundlast? Ene ncht ganz unwchtge Frage, wenn es um de Dmensonerung ener senannten Plug&Play Solar-Anlage geht. Solarsteckdosensystem für jermann, auch für Meter lautete

Mehr

Fachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung

Fachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung Fachberech Mathematk Prof. K. Grosse-Brauckmann D. Frsch WS 27/8./.. 6. Übungsblatt zur Lnearen Algebra für Physker Gruppenübung Aufgabe G7 (Kern, Bld, Rang und Orthogonaltät) Gegeben se ene lneare Abbldung

Mehr

Grundlagen der Technischen Informatik. 11. Übung

Grundlagen der Technischen Informatik. 11. Übung Grundlagen der Technschen Informatk 11. Übung Chrstan Knell Kene Garante für Korrekt-/Vollständgket 11. Übungsblatt Themen Aufgabe 1: Aufgabe 2: Aufgabe 3: Komparator Adderer / Subtraherer Mehr-Operanden-Adderer

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

Lineare Optimierung Einführung

Lineare Optimierung Einführung Kaptel Lneare Optmerung Enführung B... (Dre klasssche Anwendungen) Im Folgenden führen wr de ersten dre klassschen (zvlen) Anwendungen der lnearen Optmerung an: BS... (Produktonsplanoptmerung) En Betreb

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

Entscheidungstheorie Teil 3. Thomas Kämpke

Entscheidungstheorie Teil 3. Thomas Kämpke Entschedngstheore Tel 3 Thomas Kämpke Sete Entschedngstheore Tel 3 Inhalt St. Petersbrg Paradoon (Bernoll 73) Präferenzfnktonen ttelpnktsmethode zr Bestmmng von Wertfnktonen über Intervallen (endmensonal)

Mehr

28. Februar 2006 Prof. Dr. Peter M. Schulze. Kreditpunkte-Klausur zur Vorlesung Grundlagen der Ökonometrie (VST006V) bzw. (VAS004V) bzw.

28. Februar 2006 Prof. Dr. Peter M. Schulze. Kreditpunkte-Klausur zur Vorlesung Grundlagen der Ökonometrie (VST006V) bzw. (VAS004V) bzw. 8. Februar 6 Prof. Dr. Peer M. Schulze Kredpune-Klausur zur Vorlesung Grundlagen der Öonomere (VS6V) bzw. (VAS4V) bzw. (VAÖ4V) Hnwese: ) Es s de omplee Klausur zu bearbeen. Es beseh ene Wahlmöglche. )

Mehr

4. Musterlösung. Problem 1: Kreuzende Schnitte **

4. Musterlösung. Problem 1: Kreuzende Schnitte ** Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,

Mehr

Aufgabenteil. - wird nicht mit abgegeben - 21.03.2011, 18.00-20.00 Uhr. Fakultät für Wirtschaftswissenschaft

Aufgabenteil. - wird nicht mit abgegeben - 21.03.2011, 18.00-20.00 Uhr. Fakultät für Wirtschaftswissenschaft Fakultät für Wrtschaftswssenschaft Lehrstuhl für Volkswrtschaftslehre, nsb. Makroökonomk Unv.-Prof. Dr. Helmut Wagner Klausur: Termn: Prüfer: Makroökonome 2.03.20, 8.00-20.00 Uhr Unv.-Prof. Dr. Helmut

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 2009 UNIVERSITÄT KARLSRUHE Blatt 2 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 7: (B. Fredmans Urnenmodell)

Mehr

Für wen ist dieses Buch? Was ist dieses Buch? Besonderheiten. Neu in dieser Auflage

Für wen ist dieses Buch? Was ist dieses Buch? Besonderheiten. Neu in dieser Auflage Für wen st deses Bch? Das Taschenbch der Elektrotechnk rchtet sch an Stdentnnen nd Stdenten an nverstäten nd Fachhochschlen n den Berechen Elektrotechnk Nachrchtentechnk Technsche Informatk allgemene Ingenerwssenschaften

Mehr

3. Echtzeit-Scheduling Grundlagen

3. Echtzeit-Scheduling Grundlagen 3. Echze-Schedulng Grundlagen 3.1. Grundbegrffe, Klassfkaon und Bewerung Grundbegrffe Job Planungsenhe für Schedulng e wce r d Ausführungsze, Bearbeungsze (execuon me) maxmale Ausführungsze Fregabeze,

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

Bei Strecken höherer Ordnung wird auch hier die Strecke durch die Methode der Ersatzzeitkonstante

Bei Strecken höherer Ordnung wird auch hier die Strecke durch die Methode der Ersatzzeitkonstante Lösung Übung 9 Aufgabe: eglerauslegung mt blnearer Transformaton n s In der kontnuerlchen egelungstechnk wrd für gewöhnlch en PI-egler verwendet, um de größte Zetkonstante zu kompenseren bzw. be IT-Strecken

Mehr

n h i h n i e r e i Welche Wörter findest Du? Schreibe sie hier auf. OS /Symptomtraining

n h i h n i e r e i Welche Wörter findest Du? Schreibe sie hier auf. OS /Symptomtraining OS /Symptomtranng h r m h n h e r h n h e n h n e r Welche Wörter fndest Du? Schrebe se her auf. Arbetsblatt 1 OS/Symptomtranng Kannst Du de Wörter n Klammer mt enem der gefundenen Wörter ersetzen? Schrebe

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

Statistik und Wahrscheinlichkeit

Statistik und Wahrscheinlichkeit Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse

Mehr

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