12. Maschinelles Lernen
|
|
- Sofie Bachmeier
- vor 8 Jahren
- Abrufe
Transkript
1 12. Maschinelles Lernen Maschinelles Lernen dient der Herbeiführung vn Veränderungen im System, die adaptiv sind in dem Sinne, daß sie es dem System ermöglichen, dieselbe der eine ähnliche Aufgabe beim nächsten Mal besser zu lösen. (Simn 1983) Ziele: Nutzbarmachung vn Erfahrungen Verbesserung der Leistungsfähigkeit Erweiterung des Wissens Erkennung vn Ähnlichkeiten Anpassung an sich verändernde Umweltbedingungen Einf. in die KI 12 1
2 Maschinelles Lernen: Mtivatin Mtive: Lernen als wichtiger Aspekt vn Intelligenz Entwicklung eines besseren Verständnisses des Lernvrgangs Unterstützung des Wissenserwerbs für wissensbasierte Systeme Mdellierung adaptiven Verhaltens Anwendungsgebiete: Intelligente Benutzerschnittstellen Intelligente Tutrsysteme Realisierung autnmer Systeme Generierung vn Prgrammen Einf. in die KI 12 2
3 Lernende Agenten (1) Perfrmance standard Critic Sensrs feedback learning gals Learning element changes knwledge Perfrmance element Envirnment Prblem generatr Agent Effectrs Einf. in die KI 12 3
4 Lernende Agenten: Kmpnenten Ausführungskmpnente (Perfrmance element): entspricht dem, was wir bisher als Agent bezeichnet haben. Aufnahme vn Perzepten, Auswahl vn Aktinen. Lernkmpnente (Learning element): bestimmt die ntwendigen Mdifikatinen der Ausführungskmpnente auf der Basis vn Kritik und Wissen über diese Kmpnente. Kritik (Critic): ermittelt aufgrund festgelegter Leistungskriterien die Qualität der Ausführungskmpnente. Prblemgeneratr (Prblem generatr): schlägt explrative Schritte vr, die u.u. auch subptimale Aktinen enthalten. Struktur und Gestaltung einer Lernkmpnente hängen vn der benötigten Ausführungskmpnente ab. Einf. in die KI 12 4
5 Entwurf vn Lernkmpnenten (1) Aufgaben: Generierung vn Lernzielen Verbesserung der Ausführungskmpnente Analyse: Welche Bestandteile der Ausführungskmpnente sind zu mdifizieren? Wie sieht der Repräsentatinsfrmalismus aus? Welcher Art sind mögliche Rückmeldungen? Auf welche Vrab-Infrmatin kann aufgesetzt werden? Einf. in die KI 12 5
6 Entwurf vn Lernkmpnenten (2) Ausführungskmpnenten: erzeugen Aktinen in Abhängigkeit vm aktuellen Zustand; leiten Eigenschaften des aktuellen Zustandes aus Perzeptflgen ab; besitzen Infrmatin über die Veränderung der Umgebung über der Zeit und die Effekte möglicher Aktinen; verwenden Bewertungsfunktinen, die Auskunft über die Adäquatheit bestimmter Aktinen geben (wie erstrebenswert ist ein bestimmter Zustand, wie nützlich ist eine bestimmte Aktin); Alle Funktinen vn Ausführungskmpnenten können erlernt bzw. durch Lernen verbessert werden. Einf. in die KI 12 6
7 Entwurf vn Lernkmpnenten (3) Beispiele: Ausführung einer Aktin und Bebachtung des resultierenden Umgebungszustandes führt zum Erlernen der Effekte vn Aktinen. Über die Rückmeldungen der Kritik, die aus externen Leistungskriterien und Perzepten berechnet werden, können Bewertungsfunktinen erlernt werden. Alle Bestandteile vn Ausführungskmpnenten können als mathematische Funktinen aufgefaßt werden. Lernen vn Funktinen Einf. in die KI 12 7
8 Methden des Maschinellen Lernens Überwachtes Lernen (Supervised Learning) Der Agent führt Aktinen aus und verwendet Infrmatin über die möglichen Effekte vn Aktinen. Die Kritik ermittelt aus Perzepten die tatsächlichen Effekte. Feedback Nicht-überwachtes Lernen (Unsupervised Learning) Der Agent erhält keine Infrmatin über die tatsächlichen Auswirkungen seiner Aktinen. Bebachtung und Vergleich der Perzepte Bewertungsfunktin ntwendig Reinfrcement Learning Der Agent erhält eine Bewertung seiner Aktinen, aber keine Infrmatin darüber, wie in einer bestimmten Situatin krrekt zu agieren ist. Einf. in die KI 12 8
9 Induktives Lernen Lernen aus Beispielen: (Supervised Learning) Die Lernkmpnente erhält zu einer Menge vn Eingabewerten die (annähernd) krrekten Ausgabewerte einer Funktin. Die Lernkmpnente verändert schrittweise die interne Repräsentatin dieser Funktin. Induktives Lernen: Entwicklung allgemeiner Muster, Schemata, der Regeln aus Beispieldaten Ableitung allgemeiner Aussagen aus speziellen Aussagen Erzeugen vn Mdellen und Therien Abstraktin Beispiel: ein Paar vn Ein-/Ausgabewerten (x, f (x)) einer Funktin f. Induktive Inferenz: Aus einer Menge vn Beispielen für eine Funktin f wird eine Funktin h erzeugt, die f apprximiert. h heißt die Hypthese. Einf. in die KI 12 9
10 Induktives Lernen: Beispiel (a) (b) (c) (d) (a) Paare (x, y) mit y = f (x) (b) h: Eine punktweise lineare Funktin. (c) h: Eine kmplexe Funktin, die ebenfalls alle gegebenen Beispielpaare trifft, sich aber für andere Eingabewerte vn (b) unterscheidet. (d) h: Eine einfache Funktin, die bis auf eine Ausnahme alle Beispielpaare trifft. Einf. in die KI 12 10
11 Ein lernender Reflex-Agent glbal examples functin REFLEX-PERFORMANCE-ELEMENT( percept) returns an actin if ( percept, a) in examples then return a else h INDUCE(examples) return h( percept) prcedure REFLEX-LEARNING-ELEMENT(percept, actin) inputs: percept, feedback percept actin, feedback actin examples examples ( percept,actin) Lernalgrithmen verwenden Präferenzen. Die Präferenz einer Hypthese gegenüber einer anderen (bias) ist durch Optimalitätskriterien gegeben. Inkrementelles Lernen: Anpassung der Hypthese h an neue Beispiele. Einf. in die KI 12 11
12 Repräsentatinsfrmalismen Lgik: Lernen vn lgischen Aussagen der Knzepten Entscheidungen: Ble sche Funktinen Entscheidungsbäume Versinsräume Neurnale Netze: Lernen nichtlinearer, numerischer Funktinen Einf. in die KI 12 12
13 Entscheidungsbäume Entscheidungsbaum-Induktin ist eines der einfachsten Lernverfahren. Entscheidungsbäume: Eingabe Ausgabe Knten Kanten Lgische Objekt- der Situatinsbeschreibung Ja/Nein-Entscheidung Tests: Hat ein Objekt eine bestimmte Eigenschaft (Attribut)? Mögliche Attributwerte Blätter Nullstellige Prädikate: Yes (T) bzw. N (F) Ein Entscheidungsbaum stellt die Ausführungskmpnente eines lernenden Systems dar. Einf. in die KI 12 13
14 Beispiel: Restaurant-Besuch Ziel: Test zur Entscheidung, b man auf einen freien Tisch warten sll. Attribute: Alternate: Gibt es ein anderes Restaurant in der Nähe? Bar: Gibt es eine Bar für die Wartezeit? Fri/Sat: Ist Freitag der Samstag? Hungry: Sind wir hungrig? Patrns: Wieviele Gäste sind schn da? (nne, sme, full) Price: Zu welcher Preiskategrie gehört das Restaurant? ($, $$, $$$) Raining: Regnet es? Reservatin: Haben wir eine Reservierung? Type: Art des Restaurants (French, Italian, Thai, Burger) WaitEstimate: Geschätzte Wartezeit (0 10, 10 30, 30 60, > 60) Einf. in die KI 12 14
15 Beispiel: Ein Entscheidungsbaum Ein Entscheidungsbaum kann als Repräsentatin einer Menge lgischer Implikatinen aufgefaßt werden. Eine mögliche Definitin des WillWait-Tests: Einf. in die KI 12 15
16 Patrns? Nne Sme Full N Yes WaitEstimate? > N Alternate? Hungry? Yes N Yes N Yes Reservatin? Fri/Sat? Yes Alternate? N Yes N Yes N Yes Bar? Yes N Yes Yes Raining? N Yes N Yes N Yes N Yes Einf. in die KI 12 16
17 Entscheidungsbaum-Induktin (1) Begriffe: Beispiel: Werte der verwendeten Attribute und Wert des Testprädikats. Klassifikatin: eines Beispiels ist der Wert des Testprädikats für das Beispiel. Entsprechend gibt es psitive und negative Beispiele. Trainingsmenge: Menge der für das Lernen verfügbaren Beispiele. Einf. in die KI 12 17
18 Example Attributes Gal Alt Bar Fri Hun Pat Price Rain Res Type Est WillWait X 1 Yes N N Yes Sme $$$ N Yes French 0 10 Yes X 2 Yes N N Yes Full $ N N Thai N X 3 N Yes N N Sme $ N N Burger 0 10 Yes X 4 Yes N Yes Yes Full $ N N Thai Yes X 5 Yes N Yes N Full $$$ N Yes French >60 N X 6 N Yes N Yes Sme $$ Yes Yes Italian 0 10 Yes X 7 N Yes N N Nne $ Yes N Burger 0 10 N X 8 N N N Yes Sme $$ Yes Yes Thai 0 10 Yes X 9 N Yes Yes N Full $ Yes N Burger >60 N X 10 Yes Yes Yes Yes Full $$$ N Yes Italian N X 11 N N N N Nne $ N N Thai 0 10 N X 12 Yes Yes Yes Yes Full $ N N Burger Yes Einf. in die KI 12 18
19 Entscheidungsbaum-Induktin (2) Das Vrgehen am Beispiel: Aufteilung der Trainingsmenge in psitive und negative Beispiele. Auswahl eines Attributes als erstes Testprädikat (Wurzel). Kriterium: Wie stark differenziert das Prädikat die Beispielmenge? Die Wahl vn Patrns als Testprädikat liefert für die Fälle Nne und Sme bereits eine Entscheidung. Type ist ein schlechtes Unterscheidungsmerkmal: Für jeden der vier möglichen Werte haben wir ebens viele psitive wie negative Beispiele. Wir wählen das wichtigste Unterscheidungsmerkmal als Wurzeltest. Einf. in die KI 12 19
20 Entscheidungsbaum-Induktin: Auswahl vn Testprädikaten Einf. in die KI 12 20
21 (a) +: X1,X3,X4,X6,X8,X12 : X2,X5,X7,X9,X10,X11 Patrns? Nne Sme Full +: : X7,X11 +: X1,X3,X6,X8 : +: X4,X12 : X2,X5,X9,X10 (b) +: X1,X3,X4,X6,X8,X12 : X2,X5,X7,X9,X10,X11 Type? French Italian Thai Burger +: X1 : X5 +: X6 : X10 +: X4,X8 : X2,X11 +: X3,X12 : X7,X9 (c) +: X1,X3,X4,X6,X8,X12 : X2,X5,X7,X9,X10,X11 Patrns? Nne Sme Full +: : X7,X11 +: X1,X3,X6,X8 : +: X4,X12 : X2,X5,X9,X10 Yes N Hungry? Y +: X4,X12 : X2,X10 N +: : X5,X9 Einf. in die KI 12 21
22 Entscheidungsbaum-Induktin (4) Zu jedem Nachflgerknten der Wurzel wird rekursiv ein neuer Entscheidungsbaum erzeugt für eine reduzierte Trainingsmenge eine reduzierte Attributmenge Flgende Fälle können auftreten: Es gibt swhl psitive als auch negative Beispiele. Wähle erneut das wichtigste Attribut als Testprädikat, um die verbleibenden Beispiele zu differenzieren, z.b. Hungry Alle Beispiele sind psitiv (negativ). Der Entscheidungsbaum ist kmplett; alle Beispiele sind klassifiziert. Es sind keine Beispiele vrhanden. Es gibt kein entsprechendes Beispiel; ein Default-Wert kann bestimmt werden. Einf. in die KI 12 22
23 Es gibt psitive und negative Beispiele, aber keine Attribute. Die Beispiele sind auf die gleiche Weise beschrieben, werden jedch unterschiedlich klassifiziert. Die Datenmenge ist inknsistent, d.h. sie enthält Fehler (Rauschen). Einf. in die KI 12 23
24 Entscheidungsbaum-Induktin: Ergebnis Patrns? Nne Sme Full N Yes Hungry? N Yes Type? N French Italian Thai Burger Yes N Fri/Sat? Yes N Yes N Yes Einf. in die KI 12 24
25 Ein Lernalgrithmus für Entscheidungsbäume functin DECISION-TREE-LEARNING(examples, attributes, default) returns a decisin tree inputs: examples, set f examples attributes, set f attributes default, default value fr the gal predicate if examples is empty then return default else if all examples have the same classificatin then return the classificatin else if attributes is empty then return MAJORITY-VALUE(examples) else best CHOOSE-ATTRIBUTE(attributes, examples) tree a new decisin tree with rt test best fr each value v i f best d examples i elements f examples with best = v i subtree DECISION-TREE-LEARNING(examples i, attributes best, MAJORITY-VALUE(examples)) add a branch t tree with label v i and subtree subtree end return tree Einf. in die KI 12 25
26 Entscheidungsbaum-Induktin (6) Merkmale: Lernaufgabe Generierung eines Entscheidungsbaums mit dem Ziel einer möglichst effizienten Klassifikatin, z.b. möglichst wenige Tests (möglichst flacher Entscheidungsbaum). Repräsentatinsfrmalismus Aussagenlgik Das zu lernende Knzept ist als Entscheidungsbaum darstellbar. Die Klassifikatin erflgt über Attribute mit einer (kleinen) endlichen Menge diskreter, sich gegenseitig ausschließender Werte. Die Sprache ist eingeschränkt auf einstellige Prädikate, d.h. getestet wird jeweils ein Objekt. Einf. in die KI 12 26
27 Entscheidungsbaum-Induktin (7) Merkmale (Frts.): Im allgemeinen sind viele verschiedene Entscheidungsbäume für ein Prblem möglich. Einfache Bäume werden bevrzugt. Die Teilbäume an einem Knten haben im allgemeinen unterschiedliche Struktur. Die Auswahl des nächsten zu testenden Attributs erflgt nach infrmatinstheretischen Gesichtspunkten: Das Attribut mit dem größten Unterscheidungsptential wird bevrzugt. Bestmögliche Separierung vn psitiven und negativen Beispielen. Ein Entscheidungsbaum kann für die Unterscheidung zwischen zwei (Yes, N) der mehr Klassen knstruiert werden. Einf. in die KI 12 27
28 Entscheidungsbaum-Induktin: Vrgehensweise Auswahl vn adäquaten Attributen, die auf der Basis ihrer Werte eine Unterscheidung der gewünschten Klassen erlauben. Im allgemeinen ist eine Kmbinatin verschiedener Attribute ntwendig, um zu entscheiden, welcher Klasse ein Beispiel angehört. Disjunktive Knzepte sind dadurch gekennzeichnet, daß mehr als ein Blattknten psitiv markiert ist. Das bedeutet, es gibt Beispiele mit unterschiedlichen Merkmalswerten, die zum selben Knzept gehören. Iteratives Vrgehen. Zunächst wird nur eine kleine Teilmenge an Beispielen ausgewählt. Der damit knstruierte Entscheidungsbaum wird mit den übrigen Beispieldaten getestet. Falls dabei Beispiele falsch klassifiziert werden, wird die Generierung des Baums mit einer größeren Datenmenge wiederhlt. Häufig kmmt man damit schneller zu einer Lösung. Einf. in die KI 12 28
4. Lernen von Entscheidungsbäumen. Klassifikation mit Entscheidungsbäumen. Entscheidungsbaum
4. Lernen von Entscheidungsbäumen Klassifikation mit Entscheidungsbäumen Gegeben sei eine Menge von Objekten, die durch /Wert- Paare beschrieben sind. Jedes Objekt kann einer Klasse zugeordnet werden.
MehrKünstliche Intelligenz Maschinelles Lernen
Künstliche Intelligenz Maschinelles Lernen Stephan Schwiebert Sommersemester 2009 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Maschinelles Lernen Überwachtes Lernen
MehrNewsletter e-rechnung an die öffentliche Verwaltung
Vn: E-Rechnung an den Bund Gesendet: Miwch, 05. Nvember 201414:43 Betreff: ERB-Newsleer: Deutsch Newsletter e-rechnung an die öffentliche Verwaltung Sehr geehrte Abnnentin, sehr geehrter
MehrErfahrungen mit Hartz IV- Empfängern
Erfahrungen mit Hartz IV- Empfängern Ausgewählte Ergebnisse einer Befragung von Unternehmen aus den Branchen Gastronomie, Pflege und Handwerk Pressegespräch der Bundesagentur für Arbeit am 12. November
MehrSoftware Engineering. Sommersemester 2012, Dr. Andreas Metzger
Software Engineering (Übungsblatt 2) Sommersemester 2012, Dr. Andreas Metzger Übungsblatt-Themen: Prinzip, Technik, Methode und Werkzeug; Arten von Wartung; Modularität (Kohäsion/ Kopplung); Inkrementelle
Mehr2. Lernen von Entscheidungsbäumen
2. Lernen von Entscheidungsbäumen Entscheidungsbäume 2. Lernen von Entscheidungsbäumen Gegeben sei eine Menge von Objekten, die durch Attribut/Wert- Paare beschrieben sind. Jedes Objekt kann einer Klasse
MehrBachelor-/Masterarbeit: Entwicklung eines Konzepts zur Gestaltung interaktiver Benutzeroberflächen (GUI/NUI) für Montagearbeitsplätze
Bachelr-/Masterarbeit: Entwicklung eines Knzepts zur Gestaltung interaktiver Benutzerberflächen (GUI/NUI) für Mntagearbeitsplätze - Hypthese: Unter der Berücksichtigung bestimmter, zu analysierender Faktren
MehrAbgestimmte Kennwortrichtlinien
Abgestimmte Kennwrtrichtlinien Maik Görlich In Active Directry Dmänen unter Windws 2000 Server und Windws Server 2003 knnte jeweils nur eine einheitliche Kennwrtrichtlinie und eine Kntsperrungsrichtlinie
MehrErlä uterungen zu Meldungen IP Losses Art. 101 CRR
Erlä uterungen zu Meldungen IP Lsses Art. 101 CRR Rechtlicher Hintergrund Die Verlustdaten, welche in Art. 101 CRR gemeldet werden, werden vn der FMA herangezgen, um zu beurteilen, b die (begünstigten)
MehrAussage: Das Seminar ist hilfreich für meine berufliche Entwicklung
Nachhaltigkeitsüberprüfung der Breuel & Partner Gruppendynamikseminare In der Zeit von Januar bis Februar 2009 führten wir im Rahmen einer wissenschaftlichen Arbeit eine Evaluation unserer Gruppendynamikseminare
MehrRepetitionsaufgaben Wurzelgleichungen
Repetitionsaufgaben Wurzelgleichungen Inhaltsverzeichnis A) Vorbemerkungen B) Lernziele C) Theorie mit Aufgaben D) Aufgaben mit Musterlösungen 4 A) Vorbemerkungen Bitte beachten Sie: Bei Wurzelgleichungen
Mehr4. Lernen von Entscheidungsbäumen
4. Lernen von Entscheidungsbäumen Entscheidungsbäume 4. Lernen von Entscheidungsbäumen Gegeben sei eine Menge von Objekten, die durch Attribut/Wert- Paare beschrieben sind. Jedes Objekt kann einer Klasse
MehrAnita Breitner- Käser Homepage: regenbogen.geisenfeld.de E- Mail: regenbogen@geisenfeld.de
_ Anita Breitner- Käser Homepage: regenbogen.geisenfeld.de E- Mail: regenbogen@geisenfeld.de Der Übergang: Der Übergang von der Krippe in den Kindergarten ist mit einer Trennungssituation verbunden. Immer
MehrKorrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
MehrWir machen neue Politik für Baden-Württemberg
Wir machen neue Politik für Baden-Württemberg Am 27. März 2011 haben die Menschen in Baden-Württemberg gewählt. Sie wollten eine andere Politik als vorher. Die Menschen haben die GRÜNEN und die SPD in
MehrFestigkeit von FDM-3D-Druckteilen
Festigkeit von FDM-3D-Druckteilen Häufig werden bei 3D-Druck-Filamenten die Kunststoff-Festigkeit und physikalischen Eigenschaften diskutiert ohne die Einflüsse der Geometrie und der Verschweißung der
MehrTitel des Mysterys: Cola-Mentos-Fontäne
Titel des Mysterys: Cla-Ments-Fntäne Vn J. Dittmar und I. Eilks Universität Bremen FundedbytheSeventhFramewrkPrgrammeftheEurpeanUnin FP7;Science;in;Sciety;2012;1,GrantAgreementN.321403 FundedbytheSeventhFramewrkPrgrammeftheEurpeanUnin
MehrGlaube an die Existenz von Regeln für Vergleiche und Kenntnis der Regeln
Glaube an die Existenz von Regeln für Vergleiche und Kenntnis der Regeln Regeln ja Regeln nein Kenntnis Regeln ja Kenntnis Regeln nein 0 % 10 % 20 % 30 % 40 % 50 % 60 % 70 % 80 % 90 % Glauben Sie, dass
MehrHOTEL BÄREN. Familie Sauter Beobachtungen & Problembereiche. Interview mit Stefan Sauter (Miteigentümer)
HOTEL BÄREN Familie Sauter Beobachtungen & Problembereiche Interview mit Stefan Sauter (Miteigentümer) Werdegang Stefan Sauter 1990 bis 2004 Wie sein Bruder Thomas im Angestelltenverhältnis 1995 bis 2000
MehrMerkblatt 4-12. Sicherungsstrategien. Das Archivbit. Datensicherung. Es müssen prinzipiell zwei Arten von Sicherungsstrategien unterschieden werden:
Mdul 4 - Datensicherung Merkblatt 4-12 Datensicherung Sicherungsstrategien Es müssen prinzipiell zwei Arten vn Sicherungsstrategien unterschieden werden: Sicherung des Betriebsystems für eine Wiederherstellung
MehrNewsletter e-rechnung an die öffentliche Verwaltung
Vn: E-Rechnung an den Bund Gesendet: Dnnerstag, 16. Oktber 201413:16 Betreff: ERB-Newsle)er: Deutsch Newsletter e-rechnung an die öffentliche Verwaltung Sehr geehrte Abnnentin, sehr
MehrSenioren ans Netz. schreiben kurze Texte. Lektion 9 in Themen aktuell 2, nach Übung 7
Senioren ans Netz Lektion 9 in Themen aktuell 2, nach Übung 7 Was lernen Sie hier? Sie üben Leseverstehen, suchen synonyme Ausdrücke, sagen Ihre Meinung. Was machen Sie? Sie erkennen und erklären Stichwörter,
MehrAGROPLUS Buchhaltung. Daten-Server und Sicherheitskopie. Version vom 21.10.2013b
AGROPLUS Buchhaltung Daten-Server und Sicherheitskopie Version vom 21.10.2013b 3a) Der Daten-Server Modus und der Tresor Der Daten-Server ist eine Betriebsart welche dem Nutzer eine grosse Flexibilität
MehrGrundlagen der Theoretischen Informatik, SoSe 2008
1. Aufgabenblatt zur Vorlesung Grundlagen der Theoretischen Informatik, SoSe 2008 (Dr. Frank Hoffmann) Lösung von Manuel Jain und Benjamin Bortfeldt Aufgabe 2 Zustandsdiagramme (6 Punkte, wird korrigiert)
MehrAnwendertreffen 20./21. Juni
Anwendertreffen Verbindungsmittelachsen VBA Allgemein Die Verbindungsmittelachsen werden nun langsam erwachsen. Nach zwei Jahren Einführungszeit haben wir bereits viele Rückmeldungen mit Ergänzungswünschen
MehrNeuigkeiten in SVENSON AccountPOOL 1.7.4
Neuigkeiten in SVENSON AccuntPOOL 1.7.4 Änderungen seit Versin 1.7.3 Imprt und Überleitungen Definitinen / Überleitung / Rechtsklick auf Überleitungen: neue fix definierte Standardüberleitungen verfügbar,
MehrIntegrierte Dienstleistungen regionaler Netzwerke für Lebenslanges Lernen zur Vertiefung des Programms. Lernende Regionen Förderung von Netzwerken
Integrierte Dienstleistungen regionaler Netzwerke für Lebenslanges Lernen zur Vertiefung des Programms Lernende Regionen Förderung von Netzwerken Gefördert vom Bundesministerium für Bildung und Forschung
MehrBinäre Bäume. 1. Allgemeines. 2. Funktionsweise. 2.1 Eintragen
Binäre Bäume 1. Allgemeines Binäre Bäume werden grundsätzlich verwendet, um Zahlen der Größe nach, oder Wörter dem Alphabet nach zu sortieren. Dem einfacheren Verständnis zu Liebe werde ich mich hier besonders
MehrAnleitung über den Umgang mit Schildern
Anleitung über den Umgang mit Schildern -Vorwort -Wo bekommt man Schilder? -Wo und wie speichert man die Schilder? -Wie füge ich die Schilder in meinen Track ein? -Welche Bauteile kann man noch für Schilder
MehrMORE Profile. Pass- und Lizenzverwaltungssystem. Stand: 19.02.2014 MORE Projects GmbH
MORE Profile Pass- und Lizenzverwaltungssystem erstellt von: Thorsten Schumann erreichbar unter: thorsten.schumann@more-projects.de Stand: MORE Projects GmbH Einführung Die in More Profile integrierte
MehrLIFO -Stärkenmanagement: Übungen und Spiele
LIFO -Stärkenmanagement: Übungen und Spiele Kirsten Möbius Mai 2011 1 Inhaltsangabe Übung zur Interpretation des LIFO - Fragebogens Übung zur Vertiefund der LIFO - Stile (Aufstellung) Übung zur Vertiefung
MehrWie ist das Wissen von Jugendlichen über Verhütungsmethoden?
Forschungsfragen zu Verhütung 1 Forschungsfragen zu Verhütung Wie ist das Wissen von Jugendlichen über Verhütungsmethoden? Wie viel Information über Verhütung ist enthalten? Wie wird das Thema erklärt?
MehrLehrer: Einschreibemethoden
Lehrer: Einschreibemethoden Einschreibemethoden Für die Einschreibung in Ihren Kurs gibt es unterschiedliche Methoden. Sie können die Schüler über die Liste eingeschriebene Nutzer Ihrem Kurs zuweisen oder
MehrSchritt 1 der gender-sensitiven Personalauswahl und -beurteilung: Anleitung Anforderungsanalyse
Schritt 1 der gender-sensitiven Persnalauswahl und -beurteilung: Anleitung Anfrderungsanalyse Erstellt im Vrhaben Auswahl und Beurteilung vn Führungskräften in Wissenschaft und Wirtschaft - wie unterscheiden
MehrÜbungen 19.01.2012 Programmieren 1 Felix Rohrer. Übungen
Übungen if / else / else if... 2... 2 Aufgabe 2:... 2 Aufgabe 3:... 2 Aufgabe 4:... 2 Aufgabe 5:... 2 Aufgabe 6:... 2 Aufgabe 7:... 3 Aufgabe 8:... 3 Aufgabe 9:... 3 Aufgabe 10:... 3 switch... 4... 4 Aufgabe
MehrDeutliche Mehrheit der Bevölkerung für aktive Sterbehilfe
Allensbacher Kurzbericht 6. Oktober 2014 Deutliche Mehrheit der Bevölkerung für aktive Sterbehilfe Zwei Drittel sind für die Erlaubnis aktiver Sterbehilfe, 60 Prozent für die Zulassung privater Sterbehilfe-Organsationen.
MehrSWOT Analyse zur Unterstützung des Projektmonitorings
SWOT Analyse zur Unterstützung des Projektmonitorings Alle QaS-Dokumente können auf der QaS-Webseite heruntergeladen werden, http://qas.programkontoret.se Seite 1 Was ist SWOT? SWOT steht für Stärken (Strengths),
Mehrrmdata GeoProject Release Notes Version 2.4 Organisation und Verwaltung von rmdata Projekten Copyright rmdata GmbH, 2015 Alle Rechte vorbehalten
Release Ntes rmdata GePrject Versin 2.4 Organisatin und Verwaltung vn rmdata Prjekten Cpyright rmdata GmbH, 2015 Alle Rechte vrbehalten rmdata Vermessung Österreich rmdata Vermessung Deutschland Industriestraße
MehrGI-Technologien zur Umsetzung der EU-Wasserrahmenrichtlinie (WRRL): Wissensbasen. Teil 1: Einführung: Wissensbasis und Ontologie.
GI-Technologien zur Umsetzung der EU-Wasserrahmenrichtlinie (WRRL): Wissensbasen Teil 1: Einführung: Wissensbasis und Ontologie Was ist eine Wissensbasis? Unterschied zur Datenbank: Datenbank: strukturiert
MehrUmfrage. Didaktischer Kommentar. Lernplattform
Lernplattform Umfrage Didaktischer Kommentar Die Aktivität Umfrage ist ein nützliches Tool, um Einstellungen der Kursteilnehmer zu Beginn und zum Ende des Kurses abzufragen und zu vergleichen. Die Umfrage
Mehr13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.
13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)
MehrMARCANT - File Delivery System
MARCANT - File Delivery System Dokumentation für Administratoren Der Administrationsbereich des File Delivery Systems ist ebenfall leicht zu bedienen. Die wichtigsten drei Abschnitte sind: 1. Profil, 2.
MehrSCHRITT 1: Öffnen des Bildes und Auswahl der Option»Drucken«im Menü»Datei«...2. SCHRITT 2: Angeben des Papierformat im Dialog»Drucklayout«...
Drucken - Druckformat Frage Wie passt man Bilder beim Drucken an bestimmte Papierformate an? Antwort Das Drucken von Bildern ist mit der Druckfunktion von Capture NX sehr einfach. Hier erklären wir, wie
MehrCATIA Richtlinien. Es wird zuerst ein quadratischer Tank (geschlossene Form) konstruiert, dieser wird zu:
CATIA Richtlinien Inhalt: 1. Benennung vn Bauteile 2. Benennung vn Baugruppen 3. Strukturierung vn CATIA-Dateien 4. Uplad auf Agra Um die Benennung und die Struktur in CATIA zu vereinheitlichen bitten
MehrErweiterung der Aufgabe. Die Notenberechnung soll nicht nur für einen Schüler, sondern für bis zu 35 Schüler gehen:
VBA Programmierung mit Excel Schleifen 1/6 Erweiterung der Aufgabe Die Notenberechnung soll nicht nur für einen Schüler, sondern für bis zu 35 Schüler gehen: Es müssen also 11 (B L) x 35 = 385 Zellen berücksichtigt
MehrErstellen von x-y-diagrammen in OpenOffice.calc
Erstellen von x-y-diagrammen in OpenOffice.calc In dieser kleinen Anleitung geht es nur darum, aus einer bestehenden Tabelle ein x-y-diagramm zu erzeugen. D.h. es müssen in der Tabelle mindestens zwei
MehrBernadette Büsgen HR-Consulting www.buesgen-consult.de
Reiss Profile Es ist besser mit dem Wind zu segeln, als gegen ihn! Möchten Sie anhand Ihres Reiss Rofiles erkennen, woher Ihr Wind weht? Sie haben verschiedene Möglichkeiten, Ihr Leben aktiv zu gestalten.
MehrReinforcement Learning
Effiziente Darstellung von Daten Reinforcement Learning 02. Juli 2004 Jan Schlößin Einordnung Was ist Reinforcement Learning? Einführung - Prinzip der Agent Eigenschaften das Ziel Q-Learning warum Q-Learning
MehrStatuten in leichter Sprache
Statuten in leichter Sprache Zweck vom Verein Artikel 1: Zivil-Gesetz-Buch Es gibt einen Verein der selbstbestimmung.ch heisst. Der Verein ist so aufgebaut, wie es im Zivil-Gesetz-Buch steht. Im Zivil-Gesetz-Buch
MehrInformationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
Mehr3. Lernen von Entscheidungsbäumen
3. Lernen von Entscheidungsbäumen Entscheidungsbäume 3. Lernen von Entscheidungsbäumen Gegeben sei eine Menge von Objekten, die durch Attribut/Wert- Paare beschrieben sind. Jedes Objekt kann einer Klasse
MehrLineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3
Lineare Funktionen Inhaltsverzeichnis 1 Proportionale Funktionen 3 1.1 Definition............................... 3 1.2 Eigenschaften............................. 3 2 Steigungsdreieck 3 3 Lineare Funktionen
MehrFachdidaktik der Informatik 18.12.08 Jörg Depner, Kathrin Gaißer
Fachdidaktik der Informatik 18.12.08 Jörg Depner, Kathrin Gaißer Klassendiagramme Ein Klassendiagramm dient in der objektorientierten Softwareentwicklung zur Darstellung von Klassen und den Beziehungen,
MehrAusbildung zum diplomierten Resilienz Coach
Ausbildung zum diplmierten Resilienz Cach Als Resilienz bezeichnet man die innere Stärke eines Menschen und seine Fähigkeit mit Knflikten, Misserflgen, Lebenskrisen, berufliche Fehlschlägen der traumatischen
MehrImplementierung von Manufacturing Execution Systemen (MES) Zusammenfassung
Implementierung vn Manufacturing Executin Systemen (MES) Zusammenfassung Das Management der Fertigungs- und Mntageprzesse mit allen unmittelbar prduktinsbeeinflussenden Przessen wird zunehmend zu einer
MehrInformationen zum Projekt Selbstreflexives Lernen im schulischen Kontext
Prf. Dr. K. Maag Merki Prf. Dr. H.-G. Ktthff Prf. Dr. A. Hlzbrecher Infrmatinen zum Prjekt Selbstreflexives Lernen im schulischen Kntext Die Studie Selbstreflexives Lernen im schulischen Kntext wird in
MehrDaten sammeln, darstellen, auswerten
Vertiefen 1 Daten sammeln, darstellen, auswerten zu Aufgabe 1 Schulbuch, Seite 22 1 Haustiere zählen In der Tabelle rechts stehen die Haustiere der Kinder aus der Klasse 5b. a) Wie oft wurden die Haustiere
MehrStand 15. Oktober 2015. Fragen und Antworten
Stand 15. Oktober 2015 Fragen und Antworten Caritaspanel auf einen Blick (Link) Fragebogen als PDF (Link) Online-Befragung: https://www.skopos1.de/uc /caritaspanel/ 2 Hintergrund: Das IAB-Betriebspanel
MehrLabel-Guide Stand: 10 2014
Label-Guide Stand: 10 2014 Der ClimatePartner Label-Guide 2 Über ClimatePartner ClimatePartner ist ein führender Business Slutin Prvider für Klimaschutz und unterstützt Unternehmen aller Branchen dabei,
MehrGrundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen
Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
MehrGroßbeerener Spielplatzpaten
Großbeerener Spielplatzpaten 1. Vorwort 2. Die Idee 3. Das Ziel 4. Die Spielplatzpaten 5. Die Aufgaben der Paten 6. Die Aufgaben der Gemeinde Großbeeren 1. Die Vorwort Die Gemeinde Großbeeren erfreut sich
MehrUMSETZUNGSHILFE Exta Einladung zur Durchführung eines betrieblichen Eingliederungsmanagement nach 84 Abs. 2 SGB IX
UMSETZUNGSHILFE Exta Einladung zur Durchführung eines betrieblichen Eingliederungsmanagement nach 84 Abs. 2 SGB IX Mai 2015 & Thmas Hchgeschurtz 1. Anschreiben an Mitarbeiter zur Verfahrenseinleitung Einladung
MehrVorbereitung der Abiturzeugnisse mit CUBE-SVS
Vrbereitung der Abiturzeugnisse mit CUBE-SVS Zur Schreibweise: Menüpunkt im Hauptmenü (waagerecht) Menüpunkt im Untermenü (klappt senkrecht herunter) Bearbeitungsvrgang / ntwendige Einstellungen Die ntwendigen
MehrFragebogen zur Erhebung der Zufriedenheit und Kooperation der Ausbildungsbetriebe mit unserer Schule
Fragebogen zur Erhebung der Zufriedenheit und Kooperation der Ausbildungsbetriebe mit unserer Schule Sehr geehrte Ausbilderinnen und Ausbilder, die bbs1celle betreiben nun bereits seit einigen Jahren ein
MehrDokumentation. Black- und Whitelists. Absenderadressen auf eine Blacklist oder eine Whitelist setzen. Zugriff per Webbrowser
Dokumentation Black- und Whitelists Absenderadressen auf eine Blacklist oder eine Whitelist setzen. Zugriff per Webbrowser Inhalt INHALT 1 Kategorie Black- und Whitelists... 2 1.1 Was sind Black- und Whitelists?...
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
MehrWarum sind Schimpansen einzigartig?
Warum sind Schimpansen einzigartig? Schimpansen sind uns sehr ähnlich: Schimpansen sind erstaunlich: Es ist einfach zu erkennen, warum Sie leben in engen Sozialverbänden, sie Menschen von diesen ausgesprochen
MehrTutorium zur Mikroökonomie II WS 02/03 Universität Mannheim Tri Vi Dang. Aufgabenblatt 3 (KW 44) (30.10.02)
Tutorium zur Mikroökonomie II WS 02/03 Universität Mannheim Tri Vi Dang Aufgabenblatt 3 (KW 44) (30.10.02) Aufgabe 1: Preisdiskriminierung dritten Grades (20 Punkte) Ein innovativer Uni-Absolvent plant,
MehrVorkurs Mathematik Übungen zu Polynomgleichungen
Vorkurs Mathematik Übungen zu en 1 Aufgaben Lineare Gleichungen Aufgabe 1.1 Ein Freund von Ihnen möchte einen neuen Mobilfunkvertrag abschließen. Es gibt zwei verschiedene Angebote: Anbieter 1: monatl.
MehrInhalt. Allgemeine Einführung. Argumentationsvermögen. Räumliches Vorstellungsvermögen. Begabungen und Fähigkeiten messen
Beispielheft Inhalt Allgemeine Einführung Test Eins: Test Zwei: Test Drei: Test Vier: Test Fünf: Argumentationsvermögen Auffassungsvermögen Zahlenvermögen Sprachverständnis Räumliches Vorstellungsvermögen
MehrSehr wichtige Information
1 Sehr wichtige Infrmatin vn Mensch zuerst Netzwerk Peple First Deutschland e.v. Es gibt eine sehr wichtige Änderung für die Bilder aus 'Das neue Wörterbuch für Leichte Sprache'. Es geht um die bunten
MehrMobile Intranet in Unternehmen
Mobile Intranet in Unternehmen Ergebnisse einer Umfrage unter Intranet Verantwortlichen aexea GmbH - communication. content. consulting Augustenstraße 15 70178 Stuttgart Tel: 0711 87035490 Mobile Intranet
MehrApproximation durch Taylorpolynome
TU Berlin Fakultät II - Mathematik und Naturwissenschaften Sekretariat MA 4-1 Straße des 17. Juni 10623 Berlin Hochschultag Approximation durch Taylorpolynome Im Rahmen der Schülerinnen- und Schüler-Uni
MehrThe Cable Guy: Dynamische DNS-Aktualisierung in Windows 2000
The Cable Guy: Dynamische DNS-Aktualisierung in Windws 2000 (Engl. Originaltitel: The Cable Guy: DNS Dynamic Update in Windws 2000) DNS (Dmain Name System) unterstützt einen Mechanismus zum Auflösen vn
MehrQualitätsbereich. Mahlzeiten und Essen
Qualitätsbereich Mahlzeiten und Essen 1. Voraussetzungen in unserer Einrichtung Räumliche Bedingungen / Innenbereich Für die Kinder stehen in jeder Gruppe und in der Küche der Körpergröße entsprechende
MehrAnmerkungen zur Übergangsprüfung
DM11 Slide 1 Anmerkungen zur Übergangsprüfung Aufgabeneingrenzung Aufgaben des folgenden Typs werden wegen ihres Schwierigkeitsgrads oder wegen eines ungeeigneten fachlichen Schwerpunkts in der Übergangsprüfung
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
MehrMining High-Speed Data Streams
Mining High-Speed Data Streams Pedro Domingos & Geoff Hulten Departement of Computer Science & Engineering University of Washington Datum : 212006 Seminar: Maschinelles Lernen und symbolische Ansätze Vortragender:
MehrMeinungen der Bürgerinnen und Bürger in Hamburg und Berlin zu einer Bewerbung um die Austragung der Olympischen Spiele
Meinungen der Bürgerinnen und Bürger in Hamburg und Berlin zu einer Bewerbung um die Austragung der Olympischen Spiele 4. März 2015 q5337/31319 Le forsa Politik- und Sozialforschung GmbH Büro Berlin Schreiberhauer
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrAutoCAD 2007 - Dienstprogramm zur Lizenzübertragung
AutoCAD 2007 - Dienstprogramm zur Lizenzübertragung Problem: Um AutoCAD abwechselnd auf mehreren Rechnern einsetzen zu können konnte man bis AutoCAD 2000 einfach den Dongle umstecken. Seit AutoCAD 2000i
MehrHäufig gestellte Fragen
Häufig gestellte Fragen Details zum Artikel Kann der Preis reduziert werden? Wir freuen uns über Ihr Interesse an unserem Artikel. Leider sind unsere Verkaufspreise nicht verhandelbar. Kann ich weiteres
MehrRente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren Rentenperiode = Zeitabstand zwischen zwei Rentenzahlungen
5.2. entenrechnung Definition: ente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren entenperiode = Zeitabstand zwischen zwei entenzahlungen Finanzmathematisch sind zwei
MehrSpeicher in der Cloud
Speicher in der Cloud Kostenbremse, Sicherheitsrisiko oder Basis für die unternehmensweite Kollaboration? von Cornelius Höchel-Winter 2013 ComConsult Research GmbH, Aachen 3 SYNCHRONISATION TEUFELSZEUG
MehrTangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort:
Tangentengleichung Wie Sie wissen, gibt die erste Ableitung einer Funktion deren Steigung an. Betrachtet man eine fest vorgegebene Stelle, gibt f ( ) also die Steigung der Kurve und somit auch die Steigung
MehrEigenwerte und Eigenvektoren von Matrizen
Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt
MehrDigital Director Kompatibiltätsliste für Kameras
Digital Directr Kmpatibiltätsliste für Kameras (eine Dwnlad-Versin steht zur Verfügung unter www.manfrtt.cm) Kapitel.1 Liste der kmpatiblen Kameras Kapitel.2 Besnderheiten für jedes Mdell Kapitel.1 Liste
MehrDatenbank LAP - Chefexperten Detailhandel
AJR Informatique Conseil Datenbank LAP - Chefexperten Detailhandel Kurzanleitung Version 01-17 Februar 2009 1 Zugang zur Datenbank Zugang zur Datenbank erhalten Sie unter www.dblap.ch. Zum Training können
MehrFormale Systeme, WS 2012/2013 Lösungen zu Übungsblatt 4
Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter H. Schmitt David Farago, Christoph Scheben, Mattias Ulbrich Formale Systeme, WS 2012/2013 Lösungen zu Übungsblatt
Mehr6.2 Scan-Konvertierung (Scan Conversion)
6.2 Scan-Konvertierung (Scan Conversion) Scan-Konvertierung ist die Rasterung von einfachen Objekten (Geraden, Kreisen, Kurven). Als Ausgabemedium dient meist der Bildschirm, der aus einem Pixelraster
Mehr1 topologisches Sortieren
Wolfgang Hönig / Andreas Ecke WS 09/0 topologisches Sortieren. Überblick. Solange noch Knoten vorhanden: a) Suche Knoten v, zu dem keine Kante führt (Falls nicht vorhanden keine topologische Sortierung
MehrWelche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
MehrErstellen einer Collage. Zuerst ein leeres Dokument erzeugen, auf dem alle anderen Bilder zusammengefügt werden sollen (über [Datei] > [Neu])
3.7 Erstellen einer Collage Zuerst ein leeres Dokument erzeugen, auf dem alle anderen Bilder zusammengefügt werden sollen (über [Datei] > [Neu]) Dann Größe des Dokuments festlegen beispielsweise A4 (weitere
MehrDOWNLOAD. Kniffliges für gute Mathe-Schüler 2. Klasse 4. Anspruchsvolle Aufgaben durch Skizzen und Gleichungen lösen. in der 2.
DOWNLOAD Ralph Birkholz Kniffliges für gute Mathe-Schüler 2. Klasse 4 Anspruchsvolle Aufgaben durch Skizzen und Gleichungen lösen Ralph Birkholz in der 2. Klasse Bergedorfer Unterrichtsideen Downloadauszug
MehrAnleitung zum neuen Überaumbuchungssystem der Hochschule für Musik und Tanz Köln
Anleitung zum neuen Überaumbuchungssystem der Hochschule für Musik und Tanz Köln Dieses System wird im Sommersemester 2015 getestet und gilt nur für das Übehaus. Das Üben in Räumen des Haupthauses wird
MehrUnivariates Chi-Quadrat-Verfahren für ein dichotomes Merkmal und eine Messwiederholung: Test nach McNemar
Univariates Chi-Quadrat-Verfahren für ein dichotomes Merkmal und eine Messwiederholung: Test nach McNemar Inhaltsverzeichnis Univariates Chi-Quadrat-Verfahren für ein dichotomes Merkmal und eine Messwiederholung:
MehrAMS Leitbild. April 2013. Willkommen in der mobile family...
AMS Leitbild April 2013 Willkommen in der mobile family... AMS Leitbild Unser Leitbild Das AMS-Leitbild zeigt unseren Mitarbeitenden, unseren Kunden, Partnern und Lieferanten auf, welche Werte (Verhalten),
MehrZählen von Objekten einer bestimmten Klasse
Zählen von Objekten einer bestimmten Klasse Ziel, Inhalt Zur Übung versuchen wir eine Klasse zu schreiben, mit der es möglich ist Objekte einer bestimmten Klasse zu zählen. Wir werden den ++ und den --
MehrBundesverband Flachglas Großhandel Isolierglasherstellung Veredlung e.v. U g -Werte-Tabellen nach DIN EN 673. Flachglasbranche.
Bundesverband Flachglas Großhandel Isolierglasherstellung Veredlung e.v. U g -Werte-Tabellen nach DIN EN 673 Ug-Werte für die Flachglasbranche Einleitung Die vorliegende Broschüre enthält die Werte für
Mehr