7/7/06. Formulierung mittels Dynamischer Programmierung. Berechnungsbeispiel. Gewinnung der optimalen Reihenfolge

Größe: px
Ab Seite anzeigen:

Download "7/7/06. Formulierung mittels Dynamischer Programmierung. Berechnungsbeispiel. Gewinnung der optimalen Reihenfolge"

Transkript

1 Formulerug mttels Dyamscher Programmerug Berechugsbespel Beobachtug: de Azahl der Telprobleme A j mt j st ur Folgerug: der aïve rekursve Algo berechet vele Telprobleme mehrfach! Idee: Bottom-up-Berechug der optmale Lösug, spechere Tellösuge Tabelle ( daher "dyamsche Programmerug") j A : 5 A : 5 5 A : 5 5 A : 5 A 5 : A 6 : 5 p = (, 5, 5, 5,,, 5) j m Welche Tabelleeträge werde für m[,j] beötgt? 6 Her: Bottom-up = vo der Dagoale ach "rechts obe". Zachma Iformatk - SS 6 Dyamsche Programmerug. Zachma Iformatk - SS 6 Dyamsche Programmerug 5 ewug der optmale Rehefolge Implemeterug mttels dyamscher Programmerug Spechere de Posto für de beste Treug, d.h., dejege Wert k, der zum mmale Wert vo m[,j] führt Spechere dazu eem zwete Array s[,j] deses optmale k: s[,j] wrd ur für Folge mt mdestes Matrze ud j > beötgt s[,j] gbt a, welche Multplkato zuletzt ausgeführt werde soll Für s[,j] = k ud de Telfolge A j st es optmal, zuerst A k, daach A k+ j ud zum Schluss de bede Telergebsse zu multplzere m s = le(p) for rage(,+ ): # assume m has dm (+). (+) m[,] = for l rage(,+ ): # cosder chas of legth l for rage(,-l ): j = +l- # le l j- = l- m[,j] = for k rage(,j ): q = m[,k] + m[k+,j] + p[-]*p[k]*p[j] f q < m[,j]: m[,j] = q s[,j] = k Komplextät: es gbt geschachtelte Schlefe, de jewels höchstes -mal durchlaufe werde, de Laufzet beträgt also O( ). Zachma Iformatk - SS 6 Dyamsche Programmerug 6. Zachma Iformatk - SS 6 Dyamsche Programmerug 7

2 Bespel Techk der dyamsche Programmerug egebe: Folge vo Dmesoe (5,, 6,, 7) Multplkato vo A (5 ), A ( 6), A (6 ) ud A ( 7) Optmale Folge st ((A (A A ))A ) Rekursver Asatz: Löse ees Problems durch Löse mehrerer kleerer Telprobleme, aus dee sch de Lösug für das Ausgagsproblem zusammesetzt Phäome: Mehrfachberechuge vo Lösuge j A 8 A 6 8 m[,j] A A 7 j s[,j] A A A A optmale Folge Bottom-up-Berechug: fügt Lösuge kleerer Uterprobleme zusamme, um größere Uterprobleme zu löse ud lefert so ee Lösug für das gesamte Problem Methode: teratve Erstellug eer Tabelle Optmaltätsprzp: ee optmale Lösug für das Ausgagsproblem setzt sch aus optmale Lösuge für kleere Probleme zusamme. Zachma Iformatk - SS 6 Dyamsche Programmerug 8. Zachma Iformatk - SS 6 Dyamsche Programmerug 9 Wchtge Begrffe Optmale Uterstruktur (Przp der Optmaltät): E Problem bestzt de (Egeschaft der) optmale Substruktur, bzw. gehorcht dem Przp der Optmaltät : :. De Lösug ees Problems setzt sch aus de Lösuge vo Telprobleme zusamme - Bsp. MMP: gesuchte Klammerug vo A A setzt sch zusamme aus der Klammerug eer (bestmmte) Telkette A A k ud eer Telkette A k+ A. We de Lösug optmal st, da müsse auch de Tellösuge optmal se! - Bsp. MMP: wr habe folgede Behauptug bewese: Falls Klammerug zu A A k cht optmal Klammerug zu A A (de gemäß A. Tellsg zu A A k ethält) ka cht optmal se Achtug: Zwete Bedgug (Tellösuge müsse optmal se) st machmal cht erfüllt: Bsp.: lägster Pfad durch ee raphe Aufgabe m Bsp.: bestmme lägste Pfad vo a ach c Im Bsp rechts: Lösug besteht aus Telpfade a b ud b c Aber dese sd cht optmale(!) Lösuge der etspr. Telprobleme - Optmale (d.h., lägste) Lösug für a b = a d c b a d b c. Zachma Iformatk - SS 6 Dyamsche Programmerug. Zachma Iformatk - SS 6 Dyamsche Programmerug

3 Uabhäggket der Tellösuge: De Telprobleme heße (m Se der Dy. Progr.) uabhägg : : de Optmerug des ee Telproblems beeflußt cht de Optmerug des adere (z.b. be der Wahl der Utertelug) - Bsp. MMP: de Wahl der Klammerug für A A k st völlg uabhägg vo der Klammerug für A k+ A - egebsp. "lägster Pfad": de optmale Lsg für a b (ämlch a d c b) mmt der optmale Lsg für b c Elemete weg a d b c Überlappede Telprobleme: Problem wrd zerlegt Uterprobleme, dese weder Uter- Uterprobleme, usw. Ab rgedeem rad müsse deselbe Uter-Uterprobleme mehrfach vorkomme, sost ergbt das DP wahrschelch kee effzete Lösug - Bsp. MMP: Rekursosbaum ethält vele überlappede Telprobleme. Zachma Iformatk - SS 6 Dyamsche Programmerug. Zachma Iformatk - SS 6 Dyamsche Programmerug Schrtte be der dyamsche Programmerug Rekostrukto der optmale Lösug: Optmale Lösug für esamtproblem behaltet Schrtte:. Etschedug treffe zur Zerlegug des Problems Tele. Optmale Wert für Telprobleme bereche. Optmale Wert für esamtproblem "zusammesetze" Dyamsche Programmerug berechet zuächst oft ur de "Weg" zur optmale Lösug, aber - m zwete Schrtt wrd da de optmale Lösug mttels dese Weges berechet - dazu Etscheduge efach Phase specher ud Phase da "abspele" m s - Bespel: MMP Spechere Idex k, der zum optmale Wert führt zwetem Array s. haraktersere de (rekursve) Struktur der optmale Lösug. Defere de Wert eer optmale Lösug rekursv. Trasformere de rekursve Methode ee teratve bottom-up Methode, be der alle Zwscheergebsse eer Tabelle gespechert werde. Erstelle ee optmale Lösug aus dem () berechete optmale Wert, zusamme mt der ebefalls () gespecherte Zusatzformatoe. Zachma Iformatk - SS 6 Dyamsche Programmerug. Zachma Iformatk - SS 6 Dyamsche Programmerug 5

4 Optmale Suchbäume Problemstellug Bespel: Wörterbuch Eglsch Frazössch Mt AVL-Bäume oder perfekt balacerte Bäume bekommt ma O( log ) worst-case Lookup-Zet Bsp.: Übersetzug ees eglsche Textes Folge: mache Wörter werde wesetlch häufger als adere achgesehe Zel: esamtzet zum Übersetze ees Textes möglchst kle, d.h., esamtzet für Lookup (oft mehrfach) aller Wörter des Textes soll kle se egebe se Folge K = k < k <... < k vo sortere Keys, mt eer Suchwahrschelchket p für jede Key k Es soll e bärer Suchbaum (BST) mt mmal zu erwartede Suchkoste erstellt werde Koste ees Lookup = Azahl der besuchte Kote m Baum Für jede Key k sd de Koste = d T (k )+, mt d T (k ) = Tefe vo k m BST T M.a.W.: durchschttlche Lookup-Zet pro Wort soll kle se Folge: häufge Wörter müsse "eher weter obe" a der Wurzel stehe. Zachma Iformatk - SS 6 Dyamsche Programmerug 6. Zachma Iformatk - SS 6 Dyamsche Programmerug 7 Bespel egebe see 5 Keys mt de Suchwahrschelchkete: p =.5, p =., p =.5, p =., p 5 =. Beobachtuge: optmaler BST muß cht de kleste Höhe habe k k k k d T (k ). k k k k k 5 d T (k ) p k. d T (k ) d T (k ) p.5.5 E[Suchkoste] =.5 E[Suchkoste] =. Des st der optmale Baum für dese Key-Mege optmaler BST muß cht de größte Wahrschelchket a der Wurzel habe Erstelle durch erschöpfedes Teste? (exhaustve eumerato) erstelle alle möglche BST mt Kote für jede BST: vertele de Schlüssel ud bereche de zu erwartede Suchkoste es gbt aber verschedee BST mt Kote. Zachma Iformatk - SS 6 Dyamsche Programmerug 8. Zachma Iformatk - SS 6 Dyamsche Programmerug 9

5 Optmale Uterstruktur. Jeder Uterbaum ees BST behaltet Schlüssel eem zusammehägee Berech k,, k j für j. We T e optmaler BST st ud de Uterbaum T' ethält, da st auch T' e optmaler BST für de Keys k,, k j Bewes: "ut ad paste", d.h., Bewes durch Wderspruch: Aahme: T' cht optmal für k,, k j Es ex. T'' der besser als T st Se der BST, der aus T etsteht, dem T' durch T'' ersetzt wrd st korrekter BST ud hat außerdem kleere mttlere Suchkoste als T W! T T. Eer der Schlüssel k,, k j, z.b. k r mt r j, muß de Wurzel ees optmale Uterbaumes für dese Schlüssel se Der lke Uterbaum vo k r ethält k,, k r- Der rechte Uterbaum vo k r ethält k r+,, k j. Zum Fde ees optmale BST: betrachte alle Kote k r ( r j), de als Wurzel Frage komme bestmme alle optmale BSTs für k,, k r- ud k r+,, k j k r k k r- k r+ k j. Zachma Iformatk - SS 6 Dyamsche Programmerug. Zachma Iformatk - SS 6 Dyamsche Programmerug Rekursve Lösug Fde optmale BST für k,, k j mt j, für j < st der Baum leer Defere e[,j] := erwartete Suchkoste des optmale BST für k,, k j We = j, da e[,] = p Zur techsche Verefachug setze e[,j] = für j < Falls j > : wähle Wurzel k r für r j erstelle rekursv ee optmale BST - für k,, k r- als de lke Uterbaum ud - für k r+,, k j als de rechte Uterbaum Nützlche Verallgemeerug: Es wrd cht mehr verlagt, daß p,, p j ee Wahrschelchketsvertelug blde; es darf gelte esucht st aber weterh e BST für k,, k j, so daß de Summe mmert wrd Dese Summe wrd deoch erwarteter Suchaufwad geat. Zachma Iformatk - SS 6 Dyamsche Programmerug. Zachma Iformatk - SS 6 Dyamsche Programmerug 5

6 Bottom-up-Berechug eer optmale Lösug We k r de Wurzel ees optmale BST für k,, k j : k r T T T Spechere für jedes Uterproblem (,j): zu erwartede Suchkoste eer Tabelle e[,j] mt j r[,j] = Wurzel des Uterbaums mt de Schlüssel k,, k j, r[,j] j w[,j] [,] = Summe der Wahrschelchkete - w[,] = p für - w[,j] = w[,j-] + p j für j Aber k r st cht bekat, daher glt. Zachma Iformatk - SS 6 Dyamsche Programmerug. Zachma Iformatk - SS 6 Dyamsche Programmerug 5 def optmal_bst( p,q, ): for rage(, ): e[,] = w[,] = p[] for l rage(, ):# calc all opt trees w/ l keys for rage(, -l ): # - ell j = +l- e[,j] = # z.b. ^- w[,j] = w[,j-] + p[j] for r rage(, j+ ): t = e[,r-] + e[r+,j] + w[,j] f t < e[,j]: e[,j] = t r[,j] = r retur e,r Satz: E optmaler Suchbaum für Keys mt gegebee Zugrffshäufgkete ka Zet O( ) kostruert werde. Laufzet: O( ). Zachma Iformatk - SS 6 Dyamsche Programmerug 6. Zachma Iformatk - SS 6 Dyamsche Programmerug 7 6

Formulierung mittels Dynamischer Programmierung

Formulierung mittels Dynamischer Programmierung Formulierung mittels Dynamischer Programmierung Beobachtung: die Anzahl der Teilprobleme A i j n mit i j n ist nur Folgerung: der naïve rekursive Algo berechnet viele Teilprobleme mehrfach! Idee: Bottom-up-Berechnung

Mehr

19. Amortisierte Analyse

19. Amortisierte Analyse 9. Amortserte Aalyse Amortserte Aalyse wrd egesetzt zur Aalyse der Laufzet vo Operatoe Datestrukture. Allerdgs wrd cht mehr Laufzet ezeler Operatoe aalysert, soder de Gesamtlaufzet eer Folge vo Operatoe.

Mehr

Informatik II Dynamische Programmierung

Informatik II Dynamische Programmierung lausthal Iformatik II Dyamische Programmierug. Zachma lausthal Uiversity, ermay zach@i.tu-clausthal.de Zweite Techik für de Algorithmeetwurf Zum Name: "Dyamische " hat ichts mit "Dyamik" zu tu, soder mit

Mehr

Lösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung

Lösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung Lösuge zum Übugs-Blatt 7 Wahrschelchketsrechug BMT Bostatstk Prof. Dr. B. Grabowsk ----------------------------------------------------------------------------------------------- Bedgte Wahrschelchket

Mehr

Quellencodierung I: Redundanzreduktion, redundanzsparende Codes

Quellencodierung I: Redundanzreduktion, redundanzsparende Codes Quellecoderug I: Redudazredukto, redudazsparede Codes. Redudaz. Eführug. Defto der Redudaz. allgemee Redudazredukto. redudazsparede Codes. Coderug ach Shao. Coderug ach Fao. Coderug ach Huffma.4 Coderug

Mehr

Lösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung

Lösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung Lösuge zum Übugs-Blatt 7 Wahrschelchketsrechug BMT Bostatstk Prof. Dr. B. Grabowsk ----------------------------------------------------------------------------------------------- Satz vo Bayes ud totale

Mehr

2. Die Elementarereignisse sind die Kombinationsmöglichkeiten von: Wappen = W und:

2. Die Elementarereignisse sind die Kombinationsmöglichkeiten von: Wappen = W und: 1 L - Hausaufgabe Nr. 55 Sotag, 1. Ju 2003 Ee Müze werde dremal geworfe. Was st das Zufallsexpermet, das Elemetareregs, das zusammegesetzte Eregs, der Eregsraum ud de Wahrschelchket? Lösugs kte.: 1 De

Mehr

Im Wöhlerdiagramm wird die Lebensdauer (Lastwechsel oder Laufzeit) eines Bauteils in Abhängigkeit von der Belastung dargestellt.

Im Wöhlerdiagramm wird die Lebensdauer (Lastwechsel oder Laufzeit) eines Bauteils in Abhängigkeit von der Belastung dargestellt. Webull & Wöhler 0 CRGRAPH Wöhlerdagramm Im Wöhlerdagramm wrd de Lebesdauer ( oder Laufzet) ees Bautels Abhägget vo der Belastug dargestellt. Kurzetfestget Beaspruchug Zetfestget auerfestget 0 5 3 4 6 0

Mehr

2.2 Rangkorrelation nach Spearman

2.2 Rangkorrelation nach Spearman . Ragkorrelato ach Spearma Wr wolle desem Kaptel de Ragkorrelatoskoeffzete ach Spearma bereche. De erste Daterehe besteht aus Realseruge x, x,..., x der uabhägg ud detsch stetg vertelte Zufallsvarable

Mehr

Ordnungsstatistiken und Quantile

Ordnungsstatistiken und Quantile KAPITEL Ordugsstatste ud Quatle Um robuste Lage- ud Streuugsparameter eführe zu öe, beötge wr Ordugsstatste ud Quatle... Ordugsstatste ud Quatle Defto... Se (x,..., x R ee Stchprobe. Wr öe de Elemete der

Mehr

Sitzplatzreservierungsproblem

Sitzplatzreservierungsproblem tzplatzreserverugsproblem Be vele Zugsysteme Europa müsse Passagere mt hrem Zugtcet ee tzplatzreserverug aufe. Da das Tcetsystem Kude ee ezele Platz zuwese muss, we dese e Tcet aufe, ohe zu wsse, welche

Mehr

Lösungen zu Übungs-Blatt 7 Klassische Wahrscheinlichkeit in Glücksspielen, Bedingte Wkt, Unabhängigkeit, Satz von Bayes

Lösungen zu Übungs-Blatt 7 Klassische Wahrscheinlichkeit in Glücksspielen, Bedingte Wkt, Unabhängigkeit, Satz von Bayes Lösuge zu Übugs-latt 7 Klasssche Wahrschelchet Glücsspele, edgte Wt, Uabhägget, Satz vo ayes Master M Höhere ud gewadte Mathemat rof. Dr.. Grabows De folgede ufgabe löse wr uter Verwedug der bede ombatorsche

Mehr

5 Reproduktions- und Grenzwertsätze

5 Reproduktions- und Grenzwertsätze Reproduktos- ud Grezwertsätze Reproduktos- ud Grezwertsätze. Reproduktossätze Bespel 0: Der Aufzug eer Frma st zugelasse für Persoe bzw. 000 kg. Das Durchschttsgewcht der Agestellte der Frma st µ = 80

Mehr

Spannweite, Median Quartilsabstand, Varianz und Standardabweichung.

Spannweite, Median Quartilsabstand, Varianz und Standardabweichung. Rudolf Brkma http://brkma-du.de Sete 06.0.008 Spawete, Meda Quartlsabstad, Varaz ud Stadardabwechug. Streuug um de Mttelwert. I de folgede Säuledagramme st de Notevertelug zweer Schülergruppe (Mädche,

Mehr

Induktion am Beispiel des Pascalschen Dreiecks

Induktion am Beispiel des Pascalschen Dreiecks Iduto am Bespel des Pascalsche Dreecs Alexader Rehold Coldtz 0.02.2005 Eletug vollstädge Iduto De vollstädge Iduto st ebe dem drete ud drete Bewesverfahre ees der wchtgste der Mathemat. Eher bespelhaft

Mehr

Lösungen. Häufigkeitsverteilung (Stabdiagramm) Aufgabe 1. Häufigkeit (h) Merkmal (x)

Lösungen. Häufigkeitsverteilung (Stabdiagramm) Aufgabe 1. Häufigkeit (h) Merkmal (x) Lösuge Aufgabe Merkmal (x) Häufgket (h) h x,, 3, 3,, 8, 5, 5, 6, 6, 7, 3, 8, 3 5, 9, 38,, 5,, 8 68,, 6 3, 3, 9,, 8, 5, 5 5, 6, 3 78, 7, 5, 8, 8, 3, 3, Summe 5.63, Aufgabe Häufgketsvertelug (Stabdagramm)

Mehr

Statistische Grundlagen Ein kurzer Überblick (diskret)

Statistische Grundlagen Ein kurzer Überblick (diskret) Prof. J.C. Jackwerth 1 Statstsche Grudlage E kurzer Überblck (dskret De wchtgste Begrffe ud Deftoe: 1 Erwartugswert Varaz / Stadardabwechug 3 Stchprobevaraz 4 Kovaraz 5 Korrelatoskoeffzet 6 Uabhäggket

Mehr

Grundlagen der Energietechnik Energiewirtschaft Kostenrechnung. Vorlesung EEG Grundlagen der Energietechnik

Grundlagen der Energietechnik Energiewirtschaft Kostenrechnung. Vorlesung EEG Grundlagen der Energietechnik Prof. Dr. Ig. Post Grudlage der Eergetechk Eergewrtschaft Kosterechug EEG. Vorlesug EEG Grudlage der Eergetechk De elektrsche Eergetechk st e sogeates klasssches Fach. Folglch st deses Fach vele detallert

Mehr

Grundlagen der Entscheidungstheorie

Grundlagen der Entscheidungstheorie Kaptel 0 Grudlage der Etschedugstheore B. 0 (Gegestad) De Etschedugstheore befasst sch mt dem Etschedugsverhalte vo Idvdue ud Gruppe. Se besteht aus we Telgebete. Deskrptve Etschedugstheore De deskrptve

Mehr

Lohnkosten pro Arbeitsstunde. Wie hoch sind die Lohnkosten pro Arbeitsstunde im Jahresdurchschnitt?

Lohnkosten pro Arbeitsstunde. Wie hoch sind die Lohnkosten pro Arbeitsstunde im Jahresdurchschnitt? Klausur Wrtschaftsstatstk. [ Pukte] E Uterehme hat folgede Date ermttelt: Moat Gelestete Arbetsstude Lohkoste pro Arbetsstude Jauar 86.400 0,06 Februar 75.000 3,0 März 756.000 4,47 Aprl 768.000,53 Ma 638.400

Mehr

Zur Interpretation einer Beobachtungsreihe kann man neben der grafischen Darstellung weitere charakteristische Größen heranziehen.

Zur Interpretation einer Beobachtungsreihe kann man neben der grafischen Darstellung weitere charakteristische Größen heranziehen. Rudolf Brkma http://brkma-du.de Sete 0.0.008 Lagemaße der beschrebede Statstk. Zur Iterpretato eer Beobachtugsrehe ka ma ebe der grafsche Darstellug wetere charakterstsche Größe herazehe. Mttelwert ud

Mehr

Erinnerung: Funktionslernen. 5.6 Support Vector Maschines (SVM) Beispiel: Funktionenlernen. Reale Beispiele

Erinnerung: Funktionslernen. 5.6 Support Vector Maschines (SVM) Beispiel: Funktionenlernen. Reale Beispiele Ererug: Fuktoslere 5.6 Support Vector Masches (SVM) überomme vo Stefa Rüpg, Kathara Mork Uverstät Dortmud Vorlesug Maschelles Lere ud Data Mg WS 2002/03 Gegebe: Bespele X LE de ahad eer Wahrschelchketsvertelug

Mehr

Definitionen und Aussagen zu Potenzreihen

Definitionen und Aussagen zu Potenzreihen Deftoe ud Aussage zu Potezrehe User bsherges Repertore a stetge Abblduge basert auf ratoale Fuktoe, also Ausdrücke, dee Addto, Subtrakto, Multplkato ud Dvso vorkomme. Auf dese Wese sd aber Epoetalfukto,

Mehr

Physikalische Messungen sind immer fehlerbehaftet! Der wahre Wert ist nicht ermittelbar. Der wahre Wert x ist nicht identisch mit dem Mittelwert

Physikalische Messungen sind immer fehlerbehaftet! Der wahre Wert ist nicht ermittelbar. Der wahre Wert x ist nicht identisch mit dem Mittelwert Physkalsche Messuge sd mmer fehlerbehaftet! Der wahre Wert st cht ermttelbar. Der wahre Wert st cht detsch mt dem Mttelwert Der Wert legt mt eer gewsse Wahrschelchket (Kofdezahl bzw. Vertrauesveau %) m

Mehr

Erzeugen und Testen von Zufallszahlen

Erzeugen und Testen von Zufallszahlen Erzeuge ud Teste vo Zufallszahle Jürge Zumdck Eletug Ee Lergruppe wrd aufgefordert 00 Zufallszahle (0 oder ) ach folgede Methode zu erzeuge: De Hälfte der Gruppe beutzt a) ee Müze oder b) de Zufallszahlefukto

Mehr

Festverzinsliche Wertpapiere. Kurse und Renditen bei ganzzahligen Restlaufzeiten

Festverzinsliche Wertpapiere. Kurse und Renditen bei ganzzahligen Restlaufzeiten Festverzslche Wertaere Kurse ud Redte be gazzahlge Restlaufzete Glederug. Rückblck: Grudlage der Kursrechug ud Redteermttlug 2. Ausgagsstuato 3. Herletug der Formel 4. Abhäggket vom Marktzsveau 5. Übugsaufgabe

Mehr

Die Methode des 2.Moments

Die Methode des 2.Moments De Methode des 2.Momets Chrstoph Schmdt July 13, 2004 1 Eletug De Varaz eer Zufallsvarable st hre mttlere quadratsche Abwechug vo hrem Erwartugswert. V ar[x] = E[(X EX) 2 ] = E[X 2 ] E[X] 2 Der Term E[X

Mehr

Quellencodierung I: Redundanzreduktion, redundanzsparende Codes

Quellencodierung I: Redundanzreduktion, redundanzsparende Codes Quellecoderug I: Redudazredukto, redudazsparede Codes Quellecoderug Durch de Quellecoderug werde de Date aus der Quelle codert, bevor se ee Übertragugskaal übertrage werde De Coderug det der Verkleerug

Mehr

Konzentrationsanalyse

Konzentrationsanalyse Kaptel V Kozetratosaalyse B. 5.. Im Allgemee wrd aus statstscher Scht zwsche - absoluter ud - relatver Kozetrato uterschede Der absolute ud relatve Aspekt wrd och emal utertelt - statscher ud - dyamscher

Mehr

Eigenwerteinschließungen I

Eigenwerteinschließungen I auptsemar: Numersche Lösuge für Egewertaufgabe Egewerteschleßuge I Referet: Wolfgag Wesselsky Glederug Eletug Kodto vo Egewerte 3 Eschleßugssätze Bauer-Fke, Gershgor, Wlkso, Bedxo 4 Zusatz: Courat / Weyl

Mehr

v. Weter st + r X + = ( X + ) = ( X + ) ( X + ) = P Deshalb fr 6 6 = + X = K, d. h. I desem Berech ( 6 6 ) glt also ( Idukto ach ) ( ) ( mod ), was fr

v. Weter st + r X + = ( X + ) = ( X + ) ( X + ) = P Deshalb fr 6 6 = + X = K, d. h. I desem Berech ( 6 6 ) glt also ( Idukto ach ) ( ) ( mod ), was fr 5. De Stze vo Sylow Im gaze Abschtt st G ee edlche Grue, 4 #( G). 5.. Problem: Gbt es zu jedem Teler t vo ( tj ) ee Utergrue H mt #( H) = t? We ja, wevele? Gegebesel: 9 Utergrue H vo G = A 5 mt #( H) =

Mehr

Einführung Fehlerrechnung

Einführung Fehlerrechnung IV Eführug Fehlerrechug Fehlerrechuge werde durchgeführt, um de Vertraueswürdgket vo Meßergebsse beurtele zu köe. Uter dem Fehler eer Messug versteht ma de Abwechug ees Meßergebsses vom (grudsätzlch ubekate

Mehr

Prof. Dr. B.Grabowski. Die Behauptung I folgt aus der Multiplikationsformel: )

Prof. Dr. B.Grabowski. Die Behauptung I folgt aus der Multiplikationsformel: ) Höhere Mathemat KI Master rof. Dr..Grabows E-ost: grabows@htw-saarlad.de Satz vo ayes ud totale Wahrschelchet Zu ufgabe anachwes der Formel I ud II: eh.: I. Formel der totale Wahrschelchet: ewes: Es glt:...

Mehr

Übungen zur Wahrscheinlichkeitsrechnung und Schliessenden Statistik

Übungen zur Wahrscheinlichkeitsrechnung und Schliessenden Statistik Übuge zur Wahrschelchketsrechug ud Schlessede Statstk Aufgabe ud Lösuge vo Peter M Schulze, Verea Dexhemer. Auflage Übuge zur Wahrschelchketsrechug ud Schlessede Statstk Schulze / Dexhemer schell ud portofre

Mehr

Grundgesetze der BOOLEschen Algebra und Rechenregeln

Grundgesetze der BOOLEschen Algebra und Rechenregeln 5... Grudgesetze der BOOLEsche Algebra ud Recheregel Auf de mathematsch korrekte Eführug der BOOLEsche Algebra ka ch verzchte, da das Ihrer Mathematkausbldug ausführlch behadelt wrd. Ich stelle Ihe zuächst

Mehr

Teil IV Musterklausuren (Univ. Essen) mit Lösungen

Teil IV Musterklausuren (Univ. Essen) mit Lösungen Tel IV Musterklausure (Uv. Esse) mt Lösuge Hauptklausur WS 9/9 Aufgabe : a) Revolverheld R stzt m Saloo ud pokert. De Wahrschelchket, daß er dabe ee seer Mtspeler bem Falschspel erwscht (Eregs F), bezffert

Mehr

Zahlensysteme. Dezimalsystem. Binär- oder Dualsystem. Hexadezimal- oder Sedezimalzahlen

Zahlensysteme. Dezimalsystem. Binär- oder Dualsystem. Hexadezimal- oder Sedezimalzahlen IT Zahlesysteme Zahledarstellug eem Stellewertcode (jede Stelle hat ee bestmmte Wert) Def. Code: Edeutge Abbldugsvorschrft für de Abbldug ees Zeche-Vorrates eem adere Zechevorrat. Dezmalsystem De Bass

Mehr

4. Marshallsche Nachfragefunktionen Frage: Wie hängt die Nachfrage nach Gütern

4. Marshallsche Nachfragefunktionen Frage: Wie hängt die Nachfrage nach Gütern Prof. Dr. Fredel Bolle Vorlesug "Mkroökoome" WS 008/009 III. Theore des Haushalts 0 Prof. Dr. Fredel Bolle Vorlesug "Mkroökoome" WS 008/009 III. Theore des Haushalts 0 4. Marshallsche Nachfragefuktoe Frage:

Mehr

DOOH Audience Measurement 2015

DOOH Audience Measurement 2015 DOOH Audece Measuremet 2015 Berechug Kezahle GfK Swtzerlad Hergswl, 2. März 2016 1 Modul A Stadort-Stchrobe (vor Ort) Werbeträger- ud Werbemttel-Kotakt-Chace Stellschraube Modul B Reräsetatve Bevölkerugsstude

Mehr

Dynamisches Programmieren

Dynamisches Programmieren Marco Thomas - IOI 99 -. Treffen n Bonn - Dynamsches Programmeren - Unverstät Potsdam - 8.02.999 Dynamsches Programmeren 957 R. Bellmann: Dynamc Programmng für math. Optmerungsprobleme Methode für Probleme,.

Mehr

Dr. H. Grunert Einführung in die Wahrscheinlichkeitsrechnung Vorlesungscharts. Vorlesung 5.2. Eigenschaften von Zufallsvariablen

Dr. H. Grunert Einführung in die Wahrscheinlichkeitsrechnung Vorlesungscharts. Vorlesung 5.2. Eigenschaften von Zufallsvariablen Vorlesugscharts Vorlesug 5. Egeschafte vo Zufallsvarable Reproduktvtät Approxmatoe Zetraler Grezwertsatz Sete vo Chart : Uabhäggket vo Zufallsvarable Zwe Zufallsvarable X ud Y mt hre Realsatoe { x, x,...,

Mehr

1. Zufallsbewegung und Binomialverteilung. Statistische Betrachtungsweise bezieht sich stets auf ein Ensemble.

1. Zufallsbewegung und Binomialverteilung. Statistische Betrachtungsweise bezieht sich stets auf ein Ensemble. . Zfallsbewegg d Boalvertelg Statstsche Betrachtgswese bezeht sch stets af e Eseble. Eseble: Gesathet eer sehr große Zahl N detscher Systee. Wahrschelchket für das Etrete ees Eregsses A: Brchtel der Systee,

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statstk ud Wahrschelchketsrechug Mathas Graf 8.04.009 Ihalt der heutge Vorlesug Auswahl eer Vertelugsfukto: Wahrschelchketspaper Schätzug ud Modelletwcklug: Methode der Momete Methode der Maxmum Lkelhood

Mehr

Schiefe- und Konzentrationsmaße

Schiefe- und Konzentrationsmaße Statstk für SozologIe Schefe- ud Kozetratosmaße Uv.Prof. Dr. Marcus Hudec Höhere Vertelugsmaßzahle E stetges Merkmal wurde 3 Gruppe beobachtet ud Form der folgede Häufgketstabelle berchtet: Klasse m Gruppe

Mehr

Klausur Statistik IV Sommersemester 2009

Klausur Statistik IV Sommersemester 2009 Klausur Statstk IV (Lösug) Name, Vorame 013456 Klausur Statstk IV Sommersemester 009 Prof. Dr. Torste Hothor Isttut für Statstk Name: Name, Vorame Matrkelummer: 013456 Wchtg: ˆ Überprüfe Se, ob Ihr Klausurexemplar

Mehr

( x) eine Funktion definiert, in der nur die i-te Komponente variabel ist. Folgende Schreibweisen werden aufgrund dieser Anmerkungen auch verwendet:

( x) eine Funktion definiert, in der nur die i-te Komponente variabel ist. Folgende Schreibweisen werden aufgrund dieser Anmerkungen auch verwendet: Pro. Dr. Fredel Bolle LS ür Volkswrtschatslehre sb. Wrtschatstheore (Mkroökoome) Vorlesug Mathematk - WS 008/009 4. Deretalrechug reeller Fuktoe IR IR (Karma, S. 00 06, dort glech ür IR IR m ) 4. Partelle

Mehr

2. Mittelwerte (Lageparameter)

2. Mittelwerte (Lageparameter) 2. Mttelwerte (Lageparameter) Bespele aus dem täglche Lebe Pro Hemspel hatte Borussa Dortmud der letzte Saso durchschttlch 7.2 Zuschauer. De deutsche Akte sd m Durchschtt um 0 Zähler gefalle. I Ide wurde

Mehr

Kapitel 6: Regression

Kapitel 6: Regression udwg-maxmlas-uverstät Müche Isttut für Iformatk ehr- ud Forschugsehet für Datebaksysteme Skrpt zur Vorlesug Kowledge Dscovery Databases m Sommersemester 05 Kaptel 6: Regresso Vorlesug: PD Dr. Arthur Zmek

Mehr

Schiefe- und Konzentrationsmaße

Schiefe- und Konzentrationsmaße Statst für SozologIe Schefe- ud Kozetratosmaße Uv.Prof. Dr. Marcus Hudec Höhere Vertelugsmaßzahle E stetges Mermal wurde 3 Gruppe beobachtet ud Form der folgede Häufgetstabelle berchtet: Klasse m Gruppe

Mehr

Der Approximationssatz von Weierstraß

Der Approximationssatz von Weierstraß Der Approxmatossatz vo Weerstraß Ja Köster 22. Oktober 2007 1 Eführug Aus der Aalyss wsse wr, dass sch aalytsche Fuktoe durch Potezrehe der Form f(x = a 0 + a 1 x + a 2 x 2 +... darstelle lasse. Dabe kovergert

Mehr

Intervallschätzungen geben unter Berücksichtigung des Verteilungstyps von X einen Bereich an, der den Parameter mit vorgegebener Sicherheit enthält.

Intervallschätzungen geben unter Berücksichtigung des Verteilungstyps von X einen Bereich an, der den Parameter mit vorgegebener Sicherheit enthält. Parameterschätzuge Fachhochschule Jea Uversty of Appled Sceces Jea Oft st der Vertelugstyp eer Zufallsgröße X bekat, ur de Parameter sd ubekat. Da erfolgt hre Schätzug aus eer Stchprobe. Ma uterschedet

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. Kombator Problemstellug Ausgagsput be ombatorsche Fragestelluge st mmer ee edlche Mege M, aus dere Elemete ma edlche Zusammestelluge vo Elemete aus M bldet Formal gesproche bedeutet das: Ist M a,, a ee

Mehr

14. Folgen und Reihen, Grenzwerte

14. Folgen und Reihen, Grenzwerte 4. Folge ud Rehe, Grezwerte 4. Folge ud Rehe, Grezwerte 4. Ee Folge defere Defere de Folge (a ) Õ mt a =+: Eplzte Defto *+ a() Doe 3, falls = Rekursve Defto Defere de Folge (b ) Õ, b = : b + sost whe(=,

Mehr

Deskriptive Statistik - Aufgabe 3

Deskriptive Statistik - Aufgabe 3 Desrptve Statst - Aufgabe 3 De Überachtugszahle der Fremdeverehrsgemede "Bachstadt" für de Moate ud zege auf de erste Blc scho deutlche Uterschede de ezele Ortschafte. We seht e etsprecheder Verglech der

Mehr

Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3 54

Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3 54 Prof. Dr. H. Rommelfager: tschedugstheore, Katel 3 54 3.2.8 ARROW-PRATT-Maß für de Rskoestellug Rskoverhalte bsher grob kategorsert ach Rskoeutraltät, -symathe ud averso be Rskoaverso: (X) < SÄ Rskoräme

Mehr

Übungen zum Vorkurs Mathematik

Übungen zum Vorkurs Mathematik Matheatsches Isttut der Uverstät zu Köl Dr. L. Galat WSe 016/017 Motag, 19.09.016 Blatt 6-10 Übuge zu Vorkurs Matheatk Aufgabe 0. (1 Es gbt 6 5 4 3 7893600 Möglchkete. 1 ( Uter Aahe vo Glechvertelug ergbt

Mehr

Verdichtete Informationen

Verdichtete Informationen Verdchtete Iormatoe Maßzahle Statstke be Stchprobe Parameter be Grudgesamthete Maßzahle zur Beschrebug uvarater Verteluge Maßzahle der zetrale Tedez (Mttelwerte) Maßzahle der Varabltät (Streuugswerte)

Mehr

annehmen, so heißt die Funktion, die jedem atomaren Ereignis { x i } mit i { 1; 2; ;

annehmen, so heißt die Funktion, die jedem atomaren Ereignis { x i } mit i { 1; 2; ; Wahrschelchet Ee Futo X : Ω R, de edem Ergebs ees zufällge Vorgages ee reelle Zahl zuordet, heßt Zufallsgröße (oder auch Zufallsvarable Ee Zufallsgröße X heßt edlch, we X ur edlch vele Werte x aehme a

Mehr

Carl Friedrich Gauß (Deutscher Mathematiker, 1777 bis 1855) formulierte die folgende Formel n

Carl Friedrich Gauß (Deutscher Mathematiker, 1777 bis 1855) formulierte die folgende Formel n mthphys-ole Alyss. Klsse Techk Itegrlrechug Vertefug des Itegrlegrffs De Itegrlrechug ht ds Zel, de Flächehlt krummlg egrezter Flächestücke zu ereche. Be der äherugswese Berechug der Fläche uter Polyomfuktoe

Mehr

Elemente der Algebra und Zahlentheorie Musterlösung, Serie 7, Wintersemester vom 21. Januar 2006

Elemente der Algebra und Zahlentheorie Musterlösung, Serie 7, Wintersemester vom 21. Januar 2006 Prof. E.-W. Zk Isttut für Matheatk Huboldt-Uverstät zu Berl Eleete der Algebra ud Zahletheore Musterlösug, Sere 7, Wterseester 2005-06 vo 21. Jauar 2006 1. Se = 2 p 1 Mersee-Zahl, d.h. p P 1. a) Zege:

Mehr

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

BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Name: Vorame: Matrkel-Nr.: BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Itegrerter Studegag Wrtshaftswsseshaft Klausuraufgabe zur Hauptprüfug Prüfugsgebet: BWW 2.8

Mehr

Rekurrenz. Algorithmen rufen sich selbst (rekursiv) auf.

Rekurrenz. Algorithmen rufen sich selbst (rekursiv) auf. Rekurrez Rekurso: Algorthme rue sch selst rekursv u. Rekurrez: Ds Luzetverhlte zw. der Specherpltzedr vo rekursve Algorthme k der Regel durch ee Rekursosormel recurrece, RF eschree werde. Rekurrez Bespel:

Mehr

Mathematische Modellierung Lösungen zum 1. Übungsblatt

Mathematische Modellierung Lösungen zum 1. Übungsblatt Mathematsche Modellerug Lösuge zum Klaus G. Blümel Lars Hoege 6. Oktober 005 Aufgabe 1 a) Der Raumhalt vo eem Kubkmeter etsprcht gerade 1000 Lter, d.h. 1 m 3 = 1000 l. Reche zuächst 1 m 3 cm 3 um. E Meter

Mehr

Wenn man mehrere Verbraucher in Reihe schaltet, so werden alle vom gleichen Strom durchflossen, siehe auch Abschnitt und Formel ( ).

Wenn man mehrere Verbraucher in Reihe schaltet, so werden alle vom gleichen Strom durchflossen, siehe auch Abschnitt und Formel ( ). - rudlage der Elektrotechk - 60 22..04 4 Der komplzertere elektrsche lechstromkres 4. Kombato vo Verbraucher 4.. Sere- oder eheschaltug vo Wderstäde We ma mehrere Verbraucher ehe schaltet, so werde alle

Mehr

Ergebnis- und Ereignisräume

Ergebnis- und Ereignisräume I Ergebs- ud Eregsräume Zufallsexpermete Defto: E Expermet, welches belebg oft uter gleche Bedguge wederholbar st ud desse Ergebs cht mt Bestmmthet vorhergesagt werde ka (d.h. es gbt md. 2 Mgk.), heßt

Mehr

KOMBINATORIK. Doina Logofătu Hochschule München, FK und 15 April 2008

KOMBINATORIK. Doina Logofătu Hochschule München, FK und 15 April 2008 KOMINORIK Doa Logofătu Hochschule Müche, FK 7 4 ud prl 8 Was st Kombator? espele für Frage ud ufgabe aus der Kombator. Was mache wr heute? (Dsusso). Przp der Iluso ud Eluso. Schubfachprzp. Permutatoe 4.

Mehr

Klausur SS 2005 Version 1

Klausur SS 2005 Version 1 BEMERKUG: für de Rchtgket der Lösuge wrd atürlch kee Garate überomme!! Klausur SS 005 Verso Aufgabe : e Gamma-Quat hat kee Ladug > el. Felder übe kee Kräfte aus > kee Kräfte, kee Äderug der Bewegug (ewto)

Mehr

Reihen n. Man benutzt letztere Schreibweise aber häufig auch zur Bezeichnung der Partialsummenfolge. konvergiert, die geometrische Reihe.

Reihen n. Man benutzt letztere Schreibweise aber häufig auch zur Bezeichnung der Partialsummenfolge. konvergiert, die geometrische Reihe. Deftoe ud Aussge über Rehe Bchräume ud Hlberträume E vollstädger ormerter Vektorrum (sehe Bemerkuge zur Alyss) heßt Bchrum Stmmt de Norm vo eem Sklrprodukt v = , so sprcht m vo eem Hlbertrum ZB sd

Mehr

Verteilungen und Schätzungen

Verteilungen und Schätzungen Verteluge ud Schätzuge Zufallseperet Grudbegrffe Vorgag ach eer bestte Vorschrft ausgeführt ( Przp) belebg oft wederholbar se Ergebs st zufallsabhägg be ehralge Durchführug des Eperets beeflusse de Ergebsse

Mehr

6.Hashing. Vorlesung Algorithmen (RN/MK/AZ) WSI für Informatik, Universität Tübingen 1

6.Hashing. Vorlesung Algorithmen (RN/MK/AZ) WSI für Informatik, Universität Tübingen 1 6.Hashg Hash-Tafel ( Streutafel ) dee zur Ipleeterug vo Wörterbücher (Dctoares) ud solle daher de Operatoe Zugrff, Efüge ud Streche uterstütze. Ausgagslage: Uversu U [... N-], S U st de zu verwaltede Mege.

Mehr

Korrelations- und Regressionsanalyse

Korrelations- und Regressionsanalyse Kaptel VI Korrelatos- ud Regressosaalse B 6 (Gegestad der Korrelatos- ud Regressosaalse) Währed de Korrelatosaalse de Estez, de Stärke ud de Rchtug des Zusammehags zwsche zwe oder mehrere statstsche Varable

Mehr

Einführung in die Stochastik 3. Übungsblatt

Einführung in die Stochastik 3. Übungsblatt Eführug de Stochastk 3. Übugsblatt Fachberech Mathematk SS 0 M. Kohler 06.05.0 A. Fromkorth D. Furer Gruppe ud Hausübug Aufgabe 9 (4 Pukte) Der Mkrozesus st ee statstsche Erhebug. Herbe werde ach bestmmte

Mehr

DIE VAPNIK-CHERVONENKIS THEORIE. Inhaltsverzeichnis

DIE VAPNIK-CHERVONENKIS THEORIE. Inhaltsverzeichnis DIE VAPNIK-CHERVONENKIS THEORIE MATHIS KLEPPER, MICHAEL SAß Ihaltsverzechs Tel Vapk-Chervoeks Theore Tel I 2 Eführug 2 2 Glveko-Catell 5 3 Vapk-Chervoeks-Theore 0 Tel 2 Vapk-Chervoeks Theore Tel II 2 4

Mehr

Prinzip "Proportional Reduction of Error" (PRE)

Prinzip Proportional Reduction of Error (PRE) Dr. Reate Prust: Eführug quattatve Forschugsmethode Bvarate Maße: Przp "Proportoal Reducto of Error" (PRE) E 1 - E Fehler be Regel 1 - Fehler be Regel = E 1 Fehler be Regel 1 Regel 1: Vorhersageregel ur

Mehr

Regressionsrechnung und Korrelationsrechnung

Regressionsrechnung und Korrelationsrechnung Regressosrechug ud Korrelatosrechug Beschrebede Statstk Modul : Probleme be der Abhäggketsaalyse Problem : Es gbt mest cht ur ee Eflussfaktor (Probleme sd selte mookausal ) A Ursache() Wrkug B C - efache

Mehr

14. Folgen und Reihen, Grenzwerte

14. Folgen und Reihen, Grenzwerte 4. Folge ud Rehe, Grezwerte 4. Folge ud Rehe, Grezwerte 4. Ee Folge defere Eplzte Defto Reursve Defto 4. Gleder eer vorher deferte Folge bereche E Gled Mehrere Gleder 6 4 5 4.3 Ee Folge defere ud ege hrer

Mehr

(Markowitz-Portfoliotheorie)

(Markowitz-Portfoliotheorie) Thema : ortfolo-selekto ud m-s-rzp (Markowtz-ortfolotheore) Beurtelugskrtere be quadratscher Nutzefukto: Beroull-rzp + quadratsche Nutzefukto Thema Höhekompoete: Erwartugswert µ Rskokompoete: Stadardabwechug

Mehr

Lösungen. Lösung zu d):

Lösungen. Lösung zu d): Löuge Löug zu a De Date chee ch äherugwee etlag eer Gerade potoert zu e. Da lät cho recht gut vermute, da e learer Zuammehag vorhade e köte. Löug zu b We e Ateg/ee Abahme der Deutche Bak Akte auch zu eem

Mehr

WIB 2 Mathematik und Statistik Formelsammlung. Z Menge der ganzen Zahlen {...,-3,-2,-1,0,1,2,3,...}

WIB 2 Mathematik und Statistik Formelsammlung. Z Menge der ganzen Zahlen {...,-3,-2,-1,0,1,2,3,...} 1 Allgeme Geometrsche Rehe: q t = 1 q1 t=0 1 q Mtterachtsformel: ax 2 bxc=0 x 1/ 2 = b±b2 4ac 2a Bomsche Formel: 1. ab 2 =a 2 2abb 2 2. a b 2 =a 2 2abb 2 3. ab a b=a 2 b 2 Wurzel: ugerade 1 Ergebs gerade

Mehr

Die Binomialverteilung als Wahrscheinlichkeitsverteilung für die Schadenversicherung

Die Binomialverteilung als Wahrscheinlichkeitsverteilung für die Schadenversicherung De Bomalvertelg al Wahrchelchketvertelg für de Schadevercherg Für da Modell eer Schadevercherg e gegebe: = Schade ee Verchergehmer, we der Schadefall etrtt w = Wahrchelchket dafür, da der Schadefall etrtt

Mehr

Multiple Regression (1) - Einführung I -

Multiple Regression (1) - Einführung I - Multple Regreo Eführug I Mt eem Korrelatokoeffzete ud der efache leare Regreo köe ur varate Zuammehäge zwche zwe Varale uterucht werde. Beutzt ma tatt dee mehrere Varale zur Vorherage, egt ma ch auf da

Mehr

Der Korrelationskoeffizient ist ein Maß für den linearen Zusammenhang zwischen zwei Variablen X und Y. Er ist durch folgende Formel charakterisiert:

Der Korrelationskoeffizient ist ein Maß für den linearen Zusammenhang zwischen zwei Variablen X und Y. Er ist durch folgende Formel charakterisiert: Korrelatoskoeffzet Der Korrelatoskoeffzet st e Maß für de leare Zusammehag zwsche zwe Varable X ud Y. Er st durch folgede Formel charaktersert: r xy corr XY ( x x)( y y) ( ) x x ( y y) x x y x ( ) ( )

Mehr

Vl. Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 3: Diskrete Verteilungen

Vl. Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 3: Diskrete Verteilungen Vl. Statstsche Prozess- ud Qualtätsotrolle ud Versuchsplaug Übug 3: Dsrete Verteluge Prof. Dr. B. Grabows Zur Lösug der folgede Aufgabe öe Se auch de begefügte Tabelle der dsrete Verteluge m Ahag verwede.

Mehr

Programmierung und Angewandte Mathematik

Programmierung und Angewandte Mathematik Progrmmerug ud Agewdte Mthemtk C++ /Sclb Progrmmerug ud Eführug ds Kozept der objektoreterte Aweduge zu wsseschftlche Reches SS Ihlt Folge Rehe Verfhre zur Kovergez Bestmmug Progrmmerug ud Agewdte Mthemtk

Mehr

Unter einer Rente versteht man eine regelmässige und konstante Zahlung

Unter einer Rente versteht man eine regelmässige und konstante Zahlung 8 Aweduge aus der Fazmathematk Perodsche Zahluge: Rete ud Leasg Uter eer Rete versteht ma ee regelmässge ud kostate Zahlug Bespele: moatlche Krakekassepräme, moatlche Altersrete, perodsches Spare, verteljährlcher

Mehr

Kapitel XI. Funktionen mit mehreren Variablen

Kapitel XI. Funktionen mit mehreren Variablen Kaptel XI Fuktoe mt mehrere Varable D (Fuktoe vo uabhägge Varable Se R ud D( f R Ist jedem Vektor (Pukt (,,, D( f durch ee Vorschrft f ee reelle Zahl z = f (,,, zugeordet, so heßt f ee Fukto vo uabhägge

Mehr

Histogramm / Säulendiagramm

Histogramm / Säulendiagramm Hstogramm / Säuledagramm Häugkete 10 9 8 7 6 5 4 3 2 1 0 3,45 3,75 4,05 4,35 4,65 Flüge lläge [mm] Be Hstogramme st soort deutlch, daß es sch um Häugketsauszähluge hadelt. De Postoe der Klasse sowe hre

Mehr

Mathematik: Mag. Schmid Wolfgang & LehrerInnenteam Arbeitsblatt Semester ARBEITSBLATT 7-8 WAHRSCHEINLICHKEITSRECHNUNG UND STATISTIK

Mathematik: Mag. Schmid Wolfgang & LehrerInnenteam Arbeitsblatt Semester ARBEITSBLATT 7-8 WAHRSCHEINLICHKEITSRECHNUNG UND STATISTIK Mathematk: Mag. Schmd Wolfgag & LehrerIeteam Arbetsblatt 7-7 7. Semester ARBEITSBLATT 7-8 WAHRSCHEINLICHKEITSRECHNUNG UND STATISTIK STATISTISCHE GRUNDBEGRIFFE Statstk gledert sch zwe Telbereche De Beschrebede

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

Schiefe-, Wölbungs- und Konzentrationsmaße

Schiefe-, Wölbungs- und Konzentrationsmaße Statstk für SozologIe Schefe-, Wölbugs- ud Kozetratosmaße Uv.Prof. Dr. Marcus Hudec Höhere Vertelugsmaßzahle E stetges Merkmal wurde 3 Gruppe beobachtet ud Form der folgede Häufgketstabelle berchtet: Klasse

Mehr

1. StatischeSpielemit vollständiger Information

1. StatischeSpielemit vollständiger Information Dr. Jeaette Brosg, Vorlesug Speltheore. StatscheSpelemt vollstädger Iformato Das Allmede-Problem Hard (968): The Tragedy of the Commos The ratoal herdsma cocludes that the oly sesble course for hm to pursue

Mehr

Seminar: Stochastische Geometrie und ihre Anwendungen - Unbegrenzt teilbare und stabile Verteilungen.

Seminar: Stochastische Geometrie und ihre Anwendungen - Unbegrenzt teilbare und stabile Verteilungen. Uverstät Ulm, Isttut Stochastk 5. Jul 200 Semar: Stochastsche Geometre ud hre Aweduge - Ubegrezt telbare ud stable Verteluge. Ausarbetug: Stefa Fuke Betreuer: Ju.-Prof. Dr. Zakhar Kabluchko Ubegrezt telbare

Mehr

Hochschule Furtwangen University Sommersemester Prof. Dr. Thomas Schneider Medien und Informatik 2. Übungsblatt 5. dar.

Hochschule Furtwangen University Sommersemester Prof. Dr. Thomas Schneider Medien und Informatik 2. Übungsblatt 5. dar. Hochschle Frtwage Uversty Sommersemester 0 Fakltät Dgtale Mede Mathematk Prof. Dr. Thomas Scheder Mede d Iformatk Übgsblatt. Elemetares Reche mt komplexe Zahle Es se w= +. a) Blde Se de komplex Kojgerte

Mehr

Fehlerrechnung im Praktikum

Fehlerrechnung im Praktikum Fehlerrechug m Pratum Pratum Phsalsche Cheme (A. Dael Boese) I chts zegt sch der Magel a mathematscher Bldug mehr, als eer überbertrebe geaue Rechug. Carl Fredrch Gauß, 777-855 Themegebete Utertelug vo

Mehr

Strittige Auffassungen zu Anforderungsprofil und Betriebsart bei der Neufassung der IEC 61508-3 und -7

Strittige Auffassungen zu Anforderungsprofil und Betriebsart bei der Neufassung der IEC 61508-3 und -7 Strtte Auffassue zu Aforderusrofl ud Betrebsart be der Neufassu der IEC 6508-3 ud -7 Vortra a der TU Brauschwe m November 205 vo Wolfa Ehreberer, Hochschule Fulda 7..205 Ehreberer, IEC 6508, Strtte Auffassue...

Mehr

Seminar aus reiner Mathematik

Seminar aus reiner Mathematik KARL FRANZENS UNIVERSITÄT RAZ Semar aus reer Mathemat E Lob der Uglechuge Tscherutter Dael 4. November 03 INHALTSVERZEICHNIS Eletug 3 Bewese der Uglechuge 4. Cauchy-Schwarz-Uglechug.............................

Mehr