Einführung in die automatische Spracherkennung
|
|
- Emma Schulz
- vor 5 Jahren
- Abrufe
Transkript
1 Einführung in die automatische Spracherkennung Klausur Name:... Vorname:... Matr.-Nr:... Studiengang:... Hinweise: 1. Schreiben Sie bitte auf jedes Zusatz-Blatt Ihren Namen und Ihre Matrikelnummer. 2. Zugelassene Hilfsmittel: Taschenrechner, Stifte. 3. Lösungen in Bleistift können leider nicht gewertet werden.
2 Aufgabe 1: Phonetik a) Bitte zeichnen Sie im gegebenen Bild an den Pfeilen die Bezeichnungen der Sprechorgane ein. An welcher Stelle in diesem Diagramm werden das "b" das "s" und das "g" erzeugt und wie werden diese Laute jeweils bezeichnett? (Das "j" ist ein palataler, stimmhafter Frikativlaut, geben Sie bitte die analogen Bezeichnungen an.) (4 Punkte)
3 b) Wonach werden Vokale klassifiziert und wonach teilt man Konsonanten ein? Was ist die Definiton eines Phonems? Auf welche beiden Arten kann ein Linguist oder auch eine Linguistin festlegen, welche Phone einer Sprache zu Phonemen zusammengefasst werden sollten? (4 Punkte)
4 Aufgabe 2: Signalanalyse a) Frequenzanalyse: Die diskrete Fouriertransformation eines Signalsegments der Länge N vom Zeitbereichssignal x wird berechnet aus: N X(k) = sum x(n)*exp(-j*2*pi*(k-1)*(n-1)/n), 1 <= k <= N. n=1 Für den Fall, dass N = 100 ist und die Abtastfrequenz 16000Hz beträgt, geben Sie bitte an, welche Mittenfrequenz die Bänder k = 1,2,3 besitzen und wie sich das aus der Transformationsvorschrift erkennen läßt. Welche Frequenzbänder sind in diesem Fall redundant? (3 Punkte) b) Cepstralanalyse: Gegeben ist eine Fouriertransformierte eines stimmhaften Sprachsignals und deren zugehöriges Cepstrum. Welche Einheit und Skalierung hat die x-achse des Cepstrum? Was zeigt der markierte Peak? (1 Punkt)
5 c) Welches Modell zur Entstehung der Sprach- und Mikrophonsignale bildet die Motivation für die Cepstralanalyse? Zeichnen Sie bitte das Blockdiagramm dieses Modells. Welche Komponenten des Modells müssen für die Spracherkennung und welche für die Sprechererkennung möglichst gut isoliert werden? Und wie lassen sich mit Hilfe der Cepstralanalyse die drei wesentlichen Komponenten des Modells separieren? (5 Punkte)
6 Aufgabe 3: Statistik a) Wie lautet der Satz von der totalen Wahrscheinlichkeit? Bestimmen Sie bitte mit Hilfe des Satzes von der Totalen Wahrscheinlichkeit die Wahrscheinlichkeit dafür, dass die Summe der Augenzahlen nach zweimaligem Würfeln mit einem idealen Würfel genau 4 beträgt. (3 Punkte)
7 b) Die Exponential-Verteilung besitzt die Form p( o ) 0 exp( o) für o 0 sonst Wie kann man mit Hilfe der Maximum-Likelihood-Schätzung den Parameter bestimmen? Führen Sie bitte die Herleitung für zwei gegebene, unabhängige Datenpunkte o 1 und o 2, jeweils > 0, also für die Verteilungsdichte p( o1, o2 ) exp( o1 ) exp( o2 ) durch. (4 Punkte)
8 Aufgabe 4: Markov-Modelle Für ein HMM sind die folgenden Parameter bekannt: A= [0 1; 0 1] b 1 : p(6)= 1/2, p(7)=1/2 b 2 : p(7)= 1/4, p(8) = 1/2, p(9) = 1/4 = [1 0] a) Bitte zeichnen Sie die Struktur des HMM und bezeichnen Sie dabei die Zustände. Versehen Sie bitte darin die Zustandsübergänge mit den dazugehörigen Wahrscheinlichkeiten und zeichnen Sie die Verteilungsdichten an die jeweiligen Zustände. (2 Punkte)
9 b) Die Wahrscheinlichkeit, mit dem HMM aus Aufgabe 4a eine Sequenz von drei Beobachtungen [o 1,o 2,o 3 ] zu erzeugen, beträgt p(o 1,o 2,o 3 )= p(o 1,o 2,o 3 x 1 =1, x 2 =1, x 3 =1) p(x 1 =1,x 2 =1,x 3 =1) + p(o 1,o 2,o 3 x 1 =1, x 2 =1, x 3 =2) p(x 1 =1,x 2 =1,x 3 =2) + p(o 1,o 2,o 3 x 1 =1, x 2 =2, x 3 =1) p(x 1 =1,x 2 =2,x 3 =1) +... {[ x1, x2, x3]} p(o,o 1 2,o3 x1,x2,x3)p(x 1,x2,x3) Wie kann diese Wahrscheinlichkeit mit Hilfe der a ij,b i und i berechnet werden? Führen Sie bitte die Herleitung durch. Dabei können Sie die Definitionen p(x 1 ) = (x 1 ) p(x t x t-1 ) =a xt,xt-1 und p(o t x t ) = b xt (o t ) verwenden. Was ist dementsprechend die Wahrscheinlichkeit der Beobachtungssequenz [o 1,o 2,o 3 ]=[6,7,9]? (5 Punkte)
10 c) Um die Wahrscheinlichkeit aus Aufgabenteil b effizient zu berechnen, kann der Vorwärts- Algorithmus eingesetzt werden. Bitte schildern Sie kurz aber vollständig diesen Algorithmus. (4 Punkte)
Grundlagen der Statistischen Nachrichtentheorie
Grundlagen der Statistischen Nachrichtentheorie - Prof. Dr.-Ing. Thomas Sikora - Name:............................ Vorname:......................... Matr.Nr:........................... Ich bin mit der
MehrHidden-Markov-Modelle
Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen Hidden-Markov-Modelle Tobias Scheffer Thomas Vanck Hidden-Markov-Modelle: Wozu? Spracherkennung: Akustisches Modell. Geschriebene
MehrÜbungsblatt 7 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker
Aufgabe Aufgabe 2 Übungsblatt 7 zur Vorlesung Wahrscheinlichkeitsrechnung und mathematische Statistik für Informatiker.2.202 Aufgabe Aufgabe 2 Bei einem Zufallsexperiment werden zwei Würfel geworfen und
MehrVorname: Nachname: Matrikel-Nr.: Klausur Statistik
Vorname: Nachname: Matrikel-Nr.: Klausur Statistik Prüfer Etschberger, Heiden, Jansen Prüfungsdatum 21. Januar 2016 Prüfungsort Augsburg Studiengang IM und BW Bearbeitungszeit: 90 Minuten Punkte: 90 Die
MehrNachklausur zur Vorlesung. Statistik für Studierende der Biologie
Institut für Mathematische Stochastik WS 1999/2000 Universität Karlsruhe 11. Mai 2000 Dr. Bernhard Klar Nachklausur zur Vorlesung Statistik für Studierende der Biologie Bearbeitungszeit: 90 Minuten Name:
MehrKlausur zur Vorlesung Wahrscheinlichkeitsrechnung
Name: 31. Januar 2001, 11.00-12.30 Uhr Allgemeine Hinweise: Dauer der Klausur: Zugelassene Hilfsmittel: 90 min, 1.5 Zeitstunden Skript, Vorlesungsmitschrift, Taschenrechner Schreiben Sie bitte auf dieses
MehrKlausur zur Vorlesung Angewandte Mathematik 3
Name: Masterstudiengang Maschinenbau 8. Juli 2005, 8.30-10.00 Uhr Allgemeine Hinweise: Dauer der Klausur: Zugelassene Hilfsmittel: 90 min, 1.5 Zeitstunden Bücher, Vorlesungsmitschrift(en), Taschenrechner
MehrHidden Markov Modelle
Hidden Markov Modelle in der Sprachverarbeitung Paul Gabriel paul@pogo.franken.de Seminar Sprachdialogsysteme: Hidden Markov Modelle p.1/3 Überblick Merkmalsvektoren Stochastischer Prozess Markov-Ketten
MehrKlausur im Lehrgebiet. Signale und Systeme. - Prof. Dr.-Ing. Thomas Sikora -
Signale und Systeme - Prof. Dr.-Ing. Thomas Sikora - Name:............................ Bachelor ET Master TI Vorname:......................... Diplom KW Magister... Matr.Nr:.......................... Erasmus
MehrKlausur zur Vorlesung Wahrscheinlichkeitsrechnung
FH Karlsruhe - Hochschule Technik Name: 3. Februar 2005, 10.30-12.00 Uhr Allgemeine Hinweise: Dauer der Klausur: Zugelassene Hilfsmittel: 90 min, 1,5 Zeitstunden Skriptum, Taschenrechner Schreiben Sie
MehrKlausur zur Vorlesung Signale u. Systeme I
Name: 8. Februar 2001, 11.30-13.00 Uhr Allgemeine Hinweise: Dauer der Klausur: Zugelassene Hilfsmittel: 90 min, 1.5 Zeitstunden Skript, Vorlesungsmitschrift, Formelsammlung Schreiben Sie bitte auf dieses
MehrKlausur zur Vorlesung Höhere Mathematik I
Name: 30. Januar 200,.00-3.00 Uhr Allgemeine Hinweise: Dauer der Klausur: Zugelassene Hilfsmittel: 20 min, 2 Zeitstunden Skript, Vorlesungsmitschrift Schreiben Sie bitte auf dieses Deckblatt oben rechts
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
MehrFachprüfung. Nachrichtencodierung
Fachprüfung Nachrichtencodierung 23. Februar 2010 Prüfer: Prof. Dr. P. Pogatzki Bearbeitungszeit: 2 Stunden Hilfsmittel: Taschenrechner, Vorlesungsscript, Übungsaufgaben Name: Vorname: Matr.-Nr.: Unterschrift:
MehrKlausur Stochastik und Statistik 31. Juli 2012
Klausur Stochastik und Statistik 31. Juli 2012 Prof. Dr. Matthias Schmid Institut für Statistik, LMU München Wichtig: ˆ Überprüfen Sie, ob Ihr Klausurexemplar vollständig ist. Die Klausur besteht aus fünf
MehrMusterklausur 1 zu Signal- und Systemtheorie I 5. Januar 2013
Institut für Kommunikationstechnik Prof. Dr. Helmut Bölcskei Musterklausur 1 zu Signal- und Systemtheorie I 5. Januar 2013 Bitte beachten Sie: Prüfungsdauer: 180 Minuten Erreichbare Punkte: 100 Als Hilfsmittel
MehrSchriftlicher Test Teilklausur 2
Technische Universität Berlin Fakultät IV Elektrotechnik und Informatik Künstliche Intelligenz: Grundlagen und Anwendungen Wintersemester 2011 / 2012 Albayrak, Fricke (AOT) Opper, Ruttor (KI) Schriftlicher
MehrKlausur zur Vorlesung Digitale Signalverarbeitung
INSTITUT FÜR THEORETISCHE NACHRICHTENTECHNIK UND INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 3067 Hannover Klausur zur Vorlesung Digitale Signalverarbeitung Datum: 5.0.005 Uhrzeit: 09:00
MehrKlausur zur Vorlesung Digitale Signalverarbeitung
INSTITUT FÜR INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 3067 Hannover Klausur zur Vorlesung Digitale Signalverarbeitung Datum:.08.006 Uhrzeit: 09:00 Uhr Zeitdauer: Stunden Hilfsmittel:
MehrStatistik für Betriebswirte I 1. Klausur Wintersemester 2014/
Statistik für Betriebswirte I 1. Klausur Wintersemester 2014/2015 13.02.2015 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN Nachname:................................................................... Vorname:....................................................................
MehrInstitut für Stochastik, SoSe K L A U S U R , 8:00-11:00. Aufgabe Punkte erreichte Punkte Korrektur
Institut für Stochastik, SoSe 2014 Mathematische Statistik Paravicini/Heusel 2. K L A U S U R 29.9.2014, 8:00-11:00 Name: Geburtsdatum: Vorname: Matrikelnummer: Übungsgruppe bei: Studiengang & angestrebter
MehrSchriftlicher Test Teilklausur 2
Technische Universität Berlin Fakultät IV Elektrotechnik und Informatik Künstliche Intelligenz: Grundlagen und Anwendungen Wintersemester 2014 / 2015 Albayrak, Fricke (AOT) Opper, Ruttor (KI) Schriftlicher
MehrGrundlagen der Statistischen Nachrichtentheorie
- Prof. Dr.-Ing. Thomas Sikora - Name:............................ Vorname:......................... Matr.Nr:........................... Ich bin mit der Veröffentlichung des Klausurergebnisses unter meiner
MehrKlausur zur Vorlesung Funktionentheorie Sommersemester Mittwoch, , 9:00 12:00 Uhr
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Prof. Dr. Roland Speicher M.Sc. Tobias Mai Klausur zur Vorlesung Funktionentheorie Sommersemester 2012 Mittwoch, 1.8.2012, 9:00 12:00 Uhr Willkommen
MehrWoche 2: Zufallsvariablen
Woche 2: Zufallsvariablen Patric Müller ETHZ WBL 19/21, 29.04.2019 Wahrscheinlichkeit und Statistik Patric Müller WBL 2019 Teil III Zufallsvariablen Wahrscheinlichkeit
MehrProbeklausur Statistik II
Prof. Dr. Chr. Müller PROBE-KLAUSUR 1 1 2 3 4 5 6 7 8 Gesamt: 15 8 16 16 7 8 15 15 100 Probeklausur Statistik II Name: Vorname: Fachrichtung: Matrikel-Nummer: Bitte beachten Sie folgendes: 1) Die Klausur
MehrKlausur zur Vorlesung,,Algorithmische Mathematik II
Institut für angewandte Mathematik, Institut für numerische Simulation Sommersemester 2015 Prof. Dr. Anton Bovier, Prof. Dr. Martin Rumpf Klausur zur Vorlesung,,Algorithmische Mathematik II Bitte diese
Mehri =1 i =2 i =3 x i y i 4 0 1
Aufgabe (5+5=0 Punkte) (a) Bei einem Minigolfturnier traten 6 Spieler gegeneinander an. Die Anzahlen der von ihnen über das gesamte Turnier hinweg benötigten Schläge betrugen x = 24, x 2 = 27, x = 2, x
MehrKlausur Analysis II
WS 28/9 Prof. Dr. John M. Sullivan Kerstin Günther Technische Universität Berlin Fakultät II Institut für Mathematik Klausur Analysis II 6.2.28 Name: Vorname: Matr.-Nr.: Studiengang: Mit der Veröffentlichung
MehrKlausur zur Vorlesung Wahrscheinlichkeitsrechnung
Name: 1. Februar 2002, 8.30-10.00 Uhr Allgemeine Hinweise: Dauer der Klausur: Zugelassene Hilfsmittel: 90 min, 1.5 Zeitstunden Skript, Vorlesungsmitschrift, Taschenrechner Schreiben Sie bitte auf dieses
MehrStatistik I für Betriebswirte Vorlesung 3
Statistik I für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 15. April 2019 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 3 Version: 1. April
MehrFachprüfung. Nachrichtencodierung
Fachprüfung Nachrichtencodierung 6. August 2009 Prüfer: Prof. Dr. P. Pogatzki Bearbeitungszeit: 2 Stunden Hilfsmittel: Taschenrechner, Vorlesungsscript, Übungsaufgaben Name: Vorname: Matr.-Nr.: Unterschrift:
MehrKapitel 2: Spracherkennung Automatisches Verstehen gesprochener Sprache
Automatisches Verstehen gesprochener Sprache. Spracherkennung Martin Hacker Bernd Ludwig Günther Görz Professur für Künstliche Intelligenz Department Informatik Friedrich-Alexander-Universität Erlangen-Nürnberg
MehrNachklausur Wahrscheinlichkeitstheorie und Inferenz II Sommersemester Oktober 2011
Nachklausur Wahrscheinlichkeitstheorie und Inferenz II Sommersemester 2011 28. Oktober 2011 Prof. Dr. Torsten Hothorn Institut für Statistik Nachname: Vorname: Matrikelnummer: Anmerkungen: ˆ Schreiben
MehrName: SS Universität Kassel Prof. Dr. Hadrian Heil
SS 2015 Name: Universität Kassel Prof. Dr. Hadrian Heil Mathematik IV für Ingenieure (Stochastik) Klausur, 25.9.2015. Bearbeitungszeit 2 Stunden Ergebnis (nicht ausfüllen): K1 K2 K3 K4 K5 K6 K7 Note Tragen
MehrStatistik I für Betriebswirte Vorlesung 4
Statistik I für Betriebswirte Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 25. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrKAPITEL 5. Erwartungswert
KAPITEL 5 Erwartungswert Wir betrachten einen diskreten Wahrscheinlichkeitsraum (Ω, P) und eine Zufallsvariable X : Ω R auf diesem Wahrscheinlichkeitsraum. Die Grundmenge Ω hat also nur endlich oder abzählbar
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:.................................... VORNAME:.................................... MAT. NR.:................................... 2. Teilprüfung 389.055 B Signale und Systeme 2 Institute of Telecommunications
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:.................................... VORNAME:.................................... MAT. NR.:................................... 2. Teilprüfung 389.055 A Signale und Systeme 2 Institute of Telecommunications
MehrProbe-Klausur zur Vorlesung Multilinguale Mensch-Maschine Kommunikation 2013
Probe-Klausur zur Vorlesung Multilinguale Mensch-Maschine Kommunikation 2013 Klausurnummer Name: Vorname: Matr.Nummer: Bachelor: Master: Aufgabe 1 2 3 4 5 6 7 8 max. Punkte 10 5 6 7 5 10 9 8 tats. Punkte
MehrSpracherkennung und Sprachsynthese
Spracherkennung und Sprachsynthese Einführung in die Computerlinguistik Sommersemester 2012 Peter Kolb Spracherkennung / -synthese Spracherkennung (automatic speech recognition, ASR) Sprachsynthese (text-to-speech,
MehrKlausur. Diskrete Mathematik I. Donnerstag, den um 14 Uhr
, Klausur Diskrete Mathematik I Donnerstag, den 29.02.2008 um 14 Uhr Aufgabenblätter Füllen Sie das Deckblattvollständigaus. Prüfen Sie, ob die Klausur 8 Aufgaben enthält.. Kennzeichnen Sie alle verwendeten
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:.................................... VORNAME:.................................... MAT. NR.:................................... Prüfung 389.153 B Datenkommunikation Institute of Telecommunications
MehrKlausur zur Vorlesung Informationstheorie
INSTITUT FÜR INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 0167 Hannover Klausur zur Vorlesung Informationstheorie Datum:.02.2006 Uhrzeit: 9:00 Uhr Zeitdauer: 2 Stunden Hilfsmittel: ausgeteilte
MehrAufgabe Punkte
Institut für Mathematik Freie Universität Berlin Carsten Hartmann, Stefanie Winkelmann Musterlösung für die Nachklausur zur Vorlesung Stochastik I im WiSe 20/202 Name: Matr.-Nr.: Studiengang: Mathematik
MehrKlausur zu,,einführung in die Wahrscheinlichkeitstheorie
Institut für angewandte Mathematik Wintersemester 2009/10 Andreas Eberle, Matthias Erbar, Bernhard Hader Klausur zu,,einführung in die Wahrscheinlichkeitstheorie Bitte diese Felder in Druckschrift ausfüllen
MehrFachprüfung. Nachrichtencodierung
Fachprüfung Nachrichtencodierung 14. März 2006 Prüfer: Prof. Dr. P. Pogatzki Bearbeitungszeit: 2 Stunden Hilfsmittel: Taschenrechner, Vorlesungsscript, Übungsaufgaben Name:... Matr.-Nr.:... Unterschrift:...
MehrTechnische Universität Clausthal
Technische Universität Clausthal Klausur im Wintersemester 2012/2013 Grundlagen der Elektrotechnik I Datum: 18. März 2013 Prüfer: Prof. Dr.-Ing. Beck Institut für Elektrische Energietechnik Univ.-Prof.
MehrKlausur Wirtschafts- und Finanzmathematik
Vorname: Nachname: Matrikel-Nr.: Studiengang: Versuch Nr.: Klausur Wirtschafts- und Finanzmathematik Prüfer Burkart, Etschberger, Jansen Prüfungsdatum 18. Januar 2017 Prüfungsort Augsburg Studiengang IM
MehrKlausur Algorithmen und Datenstrukturen
Technische Universität Braunschweig Wintersemester 2014/2015 Institut für Betriebssysteme und Rechnerverbund Abteilung Algorithmik Prof. Dr. Sándor P. Fekete Dr. Christian Scheffer Klausur Algorithmen
MehrKlausur im Lehrgebiet. Signale und Systeme. - Prof. Dr.-Ing. Thomas Sikora - Name:... Bachelor ET Master TI Vorname:... Diplom KW Magister...
Signale und Systeme - Prof. Dr.-Ing. Thomas Sikora - Name:............................ Bachelor ET Master TI Vorname:......................... Diplom KW Magister.............. Matr.Nr:..........................
MehrSchriftlicher Test Teilklausur 2
Technische Universität Berlin Fakultät IV Elektrotechnik und Informatik Künstliche Intelligenz: Grundlagen und Anwendungen Wintersemester 2012 / 2013 Albayrak, Fricke (AOT) Opper, Ruttor (KI) Schriftlicher
MehrInstitut für Stochastik, SoSe K L A U S U R , 13:
Institut für Stochastik, SoSe 2014 Mathematische Statistik Paravicini/Heusel 1. K L A U S U R 12.7.2014, 13:00-16.00 Name: Geburtsdatum: Vorname: Matrikelnummer: Übungsgruppe bei: Studiengang & angestrebter
MehrTechnische Universität Clausthal
Technische Universität Clausthal Klausur im Sommersemester 2013 Grundlagen der Elektrotechnik II Datum: 09. September 2013 Prüfer: Prof. Dr.-Ing. Beck Institut für Elektrische Energietechnik Univ.-Prof.
MehrKlausur Wirtschaftsmathematik (alte PO)
Vorname: Nachname: Matrikel-Nr.: Studiengang: Versuch Nr.: Klausur Wirtschaftsmathematik (alte PO) Prüfer Etschberger Prüfungsdatum 17. November 2018 Prüfungsort Augsburg Studiengang Wing Bearbeitungszeit:
MehrClassPad- Workshop Wahrscheinlichkeit. Merkblatt zu Wahrscheinlichkeiten mit dem ClassPad
09_Wahrscheinlichkeit_Eisenmann_Classpad, Eisenmann, Ganerben-Gymnasium, Künzelsau ClassPad- Workshop Wahrscheinlichkeit Merkblatt zu Wahrscheinlichkeiten mit dem ClassPad Im Statistik- Menü des ClassPad
MehrKlausur zum Fach GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK. für Studierende der INFORMATIK
Institut für Stochastik Prof. Dr. Daniel Hug Name: Vorname: Matr.-Nr.: Klausur zum Fach GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK für Studierende der INFORMATIK Datum: 08. Februar 0 Dauer:
MehrKlausur zur Vorlesung Digitale Signalverarbeitung
INSTITUT FÜR INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 3067 Hannover Klausur zur Vorlesung Digitale Signalverarbeitung Datum: 7.03.007 Uhrzeit: 3:30 Uhr Zeitdauer: Stunden Hilfsmittel:
MehrWahrscheinlichkeitsrechnung und Statistik
8. Vorlesung Pseudozufallszahlen sind, wie der Name schon sagt, keine echten Zufallszahlen, sondern werden durch Generatoren erzeugt. Als Pseudozufallszahlen bezeichnet man Zahlenfolgen die durch einen
MehrWahrscheinlichkeitstheorie und Statistik für Studierende des Maschinenbaus vom
Institut für Stochastik WS 009/10 Karlsruher Institut für Technologie (KIT) Dr. B. Klar Klausur Wahrscheinlichkeitstheorie und Statistik für Studierende des Maschinenbaus vom 08.0.010 Musterlösungen Aufgabe
MehrStatistik I für Betriebswirte Vorlesung 3
Statistik I für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 20. April 2017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 3 Version: 18.
MehrBitte tragen Sie zuerst in Druckschrift Ihren Namen und Ihre Matrikelnummer ein.
Klausur zur Vorlesung Zahlentheorie 21. Juli 2010 12 Uhr 15 14 Uhr 00 Ruhr-Universität Bochum PD. Dr. Claus Mokler Bitte tragen Sie zuerst in Druckschrift Ihren Namen und Ihre Matrikelnummer ein. Name,
MehrTechnische Universität Berlin Fakultät II Institut für Mathematik WS 03/04 Eppler, Richter, Scherfner, Seiler, Zorn 25.
A Technische Universität Berlin Fakultät II Institut für Mathematik WS 3/4 Eppler, Richter, Scherfner, Seiler, Zorn 5. Februar 4 Februar Klausur (Rechenteil) Lösungen: Lineare Algebra für Ingenieure Name:.......................................
MehrSystemmodellierung. Teil Ereignisdiskrete Systeme
Prüfungsklausur Im Modul Systemmodellierung Teil Ereignisdiskrete Systeme 12. März 2018 Name: Vorname: Matrikelnummer: Zugelassene Hilfsmittel: Taschenrechner, Schreib- und Zeichenwerkzeug (kein roter
MehrWahrscheinlichkeit und Statistik BSc D-INFK
Prof. Dr. P. Embrechts ETH Zürich Sommer 2015 Wahrscheinlichkeit und Statistik BSc D-INFK Name: Vorname: Stud. Nr.: Das Folgende bitte nicht ausfüllen! Aufg. Summe Kontr. Pkte.-Max. 1 10 2 10 3 10 4 10
MehrKlausur zur Vorlesung Systemaspekte Verteilter Systeme WS 04/05 Prof. Dr. Odej Kao 9. Februar 2005
Klausur zur Vorlesung Systemaspekte Verteilter Systeme WS 04/05 Prof. Dr. Odej Kao 9. Februar 2005 Aufkleber Name: Vorname: Matrikel: Studiengang: Schreiben Sie zunächst Ihren Namen oder Matrikelnummer
MehrKlausur zur Vorlesung Höhere Mathematik I
Name: 4. Februar 2002, 8.30-10.30 Uhr Allgemeine Hinweise: Dauer der Klausur: Zugelassene Hilfsmittel: 120 min, 2 Zeitstunden Vorlesungsmitschrift, Übungen Schreiben Sie bitte auf dieses Deckblatt oben
MehrÜbung Zeigen Sie, dass dies als Grenzwert der Wahrscheinlichkeitsfunktion der Binomialverteilung mit
Übung 2 24..23 Ü b u n g 2 Aufgabe Die Poissonverteilung P(λ) hat die Wahrscheinlichkeitsfunktion p(x) = λx e λ (x ) x! Zeigen Sie, dass dies als Grenzwert der Wahrscheinlichkeitsfunktion der Binomialverteilung
MehrWiederholung der Modulabschlussklausur
Sommersemester 2010 Dr. Reimund Albers Modul EM1: Mathematisches Denken in Arithmetik und Geometrie Wiederholung der Modulabschlussklausur Name: Mat.Nr.: Schulschwerpunkt: Grund- oder Sekundarbitte ankreuzen
MehrKlausur zur Vorlesung Informationstheorie
INSTITUT FÜR THEORETISCHE NACHRICHTENTECHNIK UND INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 07 Hannover Klausur zur Vorlesung Informationstheorie Datum: 0.0.00 Uhrzeit: 09:00 Uhr Zeitdauer:
MehrSignalverarbeitung 2. Volker Stahl - 1 -
- 1 - Hidden Markov Modelle - 2 - Idee Zu klassifizierende Merkmalvektorfolge wurde von einem (unbekannten) System erzeugt. Nutze Referenzmerkmalvektorfolgen um ein Modell Des erzeugenden Systems zu bauen
MehrTU DORTMUND Sommersemester 2018
Fakultät Statistik. April 08 Blatt Aufgabe.: Wir betrachten das Zufallsexperiment gleichzeitiges Werfen zweier nicht unterscheidbarer Würfel. Sei A das Ereignis, dass die Augensumme beider Würfel ungerade
MehrTechnische Universität Dresden 13. Februar 2017 Institut für Numerische Mathematik Prof. Dr. O. Sander, Dr. M. Herrich
Technische Universität Dresden 13. Februar 2017 Institut für Numerische Mathematik Prof. Dr. O. Sander, Dr. M. Herrich Klausur Mathematik III Modul Integraltransformationen, Integralrechnung für Funktionen
MehrPrüfungsklausur zur Stochastik (LMG)/ Elementare Wahrscheinlichkeitstheorie und Statistik
B. Schmalfuß Jena, den 20.02.2018 Prüfungsklausur zur Stochastik (LMG)/ Elementare Wahrscheinlichkeitstheorie und Statistik Allgemeine Hinweise: Zur Verfügung stehende Zeit: 90 min. Hilfsmittel: keine.
MehrKlausur: Statistik. Jürgen Meisel. Zugelassene Hilfsmittel: Taschenrechner; Formelsammlung. 1.) Mittelwerte und Streumaße
Klausur: Statistik Jürgen Meisel Zugelassene Hilfsmittel: Taschenrechner; Formelsammlung Bearbeitungszeit: 60 Minuten 1.) Mittelwerte und Streumaße In einer Vorlesung auf der Universität sitzen 30 Studenten
MehrWiederholungsklausur zur Analysis II
Wiederholungsklausur zur Analysis II Prof. Dr. C. Löh/M. Blank 11. April 2012 Name: Matrikelnummer: Vorname: Übungsleiter: Diese Klausur besteht aus 8 Seiten. Bitte überprüfen Sie, ob Sie alle Seiten erhalten
MehrGrundlagen der Nachrichtentechnik
Universität Bremen Arbeitsbereich Nachrichtentechnik Prof. Dr.-Ing. A. Dekorsy Schriftliche Prüfung im Fach Grundlagen der Nachrichtentechnik Name: Vorname: Mat.-Nr.: BSc./Dipl.: Zeit: Ort: Umfang: 07.
MehrSignale und Systeme. A1 A2 A3 Summe
Signale und Systeme - Prof. Dr.-Ing. Thomas Sikora - Name:............................... Vorname:.......................... Matr.Nr:.............................. Ergebnis im Web mit verkürzter Matr.Nr?
MehrModulklausur Multivariate Verfahren
Name, Vorname Matrikelnummer Modulklausur 31821 Multivariate Verfahren Datum Note Termin: 24. März 2017, 11.30-13.30 Uhr Erstprüfer: Univ.-Prof. Dr. H. Singer Hinweise zur Bearbeitung der Modulklausur
MehrMusterlösung zur Klausur im Fach Fortgeschrittene Statistik am Gesamtpunktzahl: 60
WESTFÄLISCHE WILHELMS - UNIVERSITÄT MÜNSTER Wirtschaftswissenschaftliche Faktultät Prof. Dr. Bernd Wilfling Professur für VWL, insbesondere Empirische Wirtschaftsforschung Musterlösung zur Klausur im Fach
MehrKlausur zur Vorlesung Statistik für BWL Name Vorname Matrikelnr.
Hochschule Darmstadt Fachbereich MN Prof. Dr. Dietrich Baumgarten Darmstadt, den 9.7.2012 Klausur zur Vorlesung Statistik für BWL Name Vorname Matrikelnr. Aufgabe 1 2 3 4 5 6 Summe Note Punkte 1 Aufgabe
MehrTechnische Universität Clausthal
Technische Universität Clausthal Klausur im Sommersemester 2012 Grundlagen der Elektrotechnik I Datum: 17. September 2012 Prüfer: Prof. Dr.-Ing. Beck Institut für Elektrische Energietechnik Univ.-Prof.
MehrF E R N U N I V E R S I T Ä T
Matrikelnummer Name: Vorname: F E R N U N I V E R S I T Ä T Fakultät für Wirtschaftswissenschaft Klausur: Modul 3171 Markt und Staat (6 SWS) Termin: 19.03.014, 9.00 11.00 Uhr Aufgabe 1 3 Summe Max. Punktzahl
MehrSchriftliche Prüfung im Fach Robotertechnik
Fachhochschule Augsburg Fachbereich Maschinenbau Dr.-Ing. E. Roos Schriftliche Prüfung im Fach Robotertechnik am in der Zeit von 14.30 Uhr bis 16.00 Uhr im Raum B302 vom Studenten auszufüllen: : (Druckschrift)...
MehrBeispiel 6 (Einige Aufgaben zur Gleichverteilung)
Beispiel 6 (Einige Aufgaben zur Gleichverteilung) Aufgabe (Anwendung der Chebyshev-Ungleichung) Sei X eine Zufallsvariable mit E(X) = µ und var(x) = σ a) Schätzen Sie die Wahrscheinlichkeit dafür, daß
Mehr1. Was ist eine Wahrscheinlichkeit P(A)?
1. Was ist eine Wahrscheinlichkeit P(A)? Als Wahrscheinlichkeit verwenden wir ein Maß, welches die gleichen Eigenschaften wie die relative Häufigkeit h n () besitzt, aber nicht zufallsbehaftet ist. Jan
MehrTechnische Universität Clausthal
Technische Universität Clausthal Klausur im Sommersemester 2012 Grundlagen der Elektrotechnik II Datum: 17. September 2012 Prüfer: Prof. Dr.-Ing. Beck Institut für Elektrische Energietechnik Univ.-Prof.
MehrHidden Markov Modelle
Hidden Markov Modelle (Vorabversion begleitend zur Vorlesung Spracherkennung und integrierte Dialogsysteme am Lehrstuhl Medieninformatik am Inst. f. Informatik der LMU München, Sommer 2005) Prof. Marcus
MehrKlausur zur Vorlesung Höhere Mathematik I
Name: 28. Januar 2004, 8.30-10.30 Uhr Allgemeine Hinweise: Dauer der Klausur: Zugelassene Hilfsmittel: 120 min, 2 Zeitstunden Vorlesungsmitschrift, Übungen, Formelsammlung Schreiben Sie bitte auf dieses
MehrPrüfungs-/Übungsschein-Klausur (Rechenteil) Lineare Algebra für Ingenieure/E-Techniker
TECHNISCHE UNIVERSITÄT BERLIN SS 2001 Fachbereich 3 - Mathematik Pohst / Lusala Prüfungs-/Übungsschein-Klausur (Rechenteil) Lineare Algebra für Ingenieure/E-Techniker Name:................................................................................
MehrProf. Dr. Christoph Karg Hochschule Aalen. Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik. Sommersemester 2017
Prof. Dr. Christoph Karg 10.7.2017 Hochschule Aalen Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik Sommersemester 2017 Name: Unterschrift: Klausurergebnis Aufgabe 1 (10 Punkte) Aufgabe
MehrWahrscheinlichkeit und Statistik BSc D-INFK
Prof. Dr. M. Schweizer ETH Zürich Frühling 2014 Wahrscheinlichkeit und Statistik BSc D-INFK Name: Vorname: Stud. Nr.: Das Folgende bitte nicht ausfüllen! Aufg. Summe Kontr. Pkte.-Max. 1 10 2 10 3 10 4
MehrAUFGABEN. Klausur: Modul Planen mit mathematischen Modellen. Termin:
Lehrstuhl für Betriebswirtschaftslehre, insb. Quantitative Methoden und Wirtschaftsmathematik Univ.-Prof. Dr. Andreas Kleine AUFGABEN Klausur: Modul 31811 Termin: 07.03.2016 Prüfer: Univ.-Prof. Dr. Andreas
MehrBasiswissen Daten und Zufall Seite 1 von 8 1 Zufallsexperiment Ein Zufallsexperiment ist ein Versuchsaufbau mit zufälligem Ausgang, d. h. das Ergebnis kann nicht vorhergesagt werden. 2 Ergebnis (auch Ausgang)
MehrPrüfung zur Vorlesung Mathematik I/II
Dr. A. Caspar ETH Zürich, Januar 0 D BIOL, D CHAB Prüfung zur Vorlesung Mathematik I/II Bitte ausfüllen! Name: Vorname: Legi-Nr.: Nicht ausfüllen! Aufgabe Punkte Kontrolle 3 6 Total Vollständigkeit Bitte
MehrF E R N U N I V E R S I T Ä T
Matrikelnummer Name: Vorname: F E R N U N I V E R S I T Ä T Fakultät für Wirtschaftswissenschaft Klausur: Modul 31721 Markt und Staat (6 SWS) Termin: 21.09.2016, 9.00 11.00 Uhr Aufgabe 1 2 3 Summe Max.
MehrKlausur Statistik Lösungshinweise
Klausur Statistik Lösungshinweise Prüfungsdatum: 21. Januar 2016 Prüfer: Etschberger, Heiden, Jansen Studiengang: IM und BW Punkte: 15, 15, 12, 14, 16, 18 ; Summe der Punkte: 90 Aufgabe 1 15 Punkte Bei
MehrHöhere Mathematik II. Variante C
Lehrstuhl II für Mathematik Prof. Dr. E. Triesch Höhere Mathematik II SoSe 01 Variante C Zugelassene Hilfsmittel: Als Hilfsmittel zugelassen sind zehn handbeschriebene DinA-Blätter Vorder- und Rückseite
Mehr