Aufgabe 2. Kolloquium zur Klausurnachbesprechung Instrumente des Controlling Wintersemester 2010/11. Dr. Michael Holtrup
|
|
- Gert Hafner
- vor 7 Jahren
- Abrufe
Transkript
1 Aufgabe 2 Kolloquum zur Klausurnachbesprechung Instrumente des Controllng Wntersemester 2010/11 Dr. Mchael Holtrup
2 Agenda 1 Aufgabe 2a 2 Aufgabe 2b 3 Aufgabe 2c 2»
3 Agenda 1 Aufgabe 2a 2 Aufgabe 2b 3 Aufgabe 2c 3»
4 Aufgabe 2a: 18 Punkte Was zechnet en A-, en B- und en C-Gut m Rahmen ener klassschen ABC-Analyse aus? Was snd de Charakterstka enes X-, enes Y- und enes Z-Gutes m Rahmen der XYZ- Analyse? Warum wrd de ABC-Analyse oft mt der XYZ- Analyse kombnert? Begründen Se Ihre Aussage! Stellen Se ene ABC-XYZ-Kombnatonsmatrx auf und geben Se für ver der so entstandenen Güterkombnatonen ene konkrete Handlungsempfehlung bezüglch der Lagerhaltung. 4»
5 Aufgabe 2a Lösungshnwese Was zechnet en A-, B- und C-Gut aus? A-Güter stellen, bezogen auf de beschafften Postonen, enen hohen Wertantel dar. B-Güter stellen, bezogen auf de beschafften Postonen, enen mttleren Wertantel dar. C-Güter stellen, bezogen auf de beschafften Postonen, enen gerngen Wertantel dar. 5»
6 Aufgabe 2a Lösungshnwese Charakterstka von X-, Y- und Z-Gütern? Art Merkmale Grafsche Darstellung X-Gut glechartge Verbrauchsstruktur gernge/gut vorhersehbare Schwankungen gute Vorhersagbarket Abwechung Plan/Ist-Verbrauch μ t Y-Gut unregelmäßger Verbrauch ncht vorhersehbare Schwankungsmpulse mttlere Vorhersagbarket Abwechung Plan/Ist-Verbrauch μ t Z-Gut chaotscher Verbrauch starke und unregelmäßge Schwankungen schlechte Vorhersagbarket Abwechung Plan/Ist-Verbrauch μ t 6»
7 Aufgabe 2a Lösungshnwese Kombnaton ABC- und XYZ-Analyse (begründet) Anhand der Kombnaton der Merkmale A, B, C und X, Y, Z können bessere Handlungsempfehlungen, z. B. bezüglch der Lagerhaltung, abgeletet werden, als es nur unter Kenntns enes der Merkmale möglch wäre. So st be enem AZ-Gut z. B. auf ene schnelle Leferbarket zu achten, während en CZ-Gut, so ncht verderblch und mt großem Volumen, mt großem Scherhetsbestand auf Lager gelegt werden sollte. 7»
8 Aufgabe 2a Lösungshnwese ABC-XYZ-Komb-Matrx (mt Handlungsempfehlung zur Lagerhaltung) A B C X 1) 2) Y Z 3) 4) 8»
9 Aufgabe 2a Lösungshnwese (ABC-XYZ-Komb-Matrx mt ) Handlungsempfehlung zur Lagerhaltung 1) AX-Gut (hoher Wertantel/gut planbar): gernger Lagerbestand durch genaue Bedarfsplanung. 2) CX-Gut: (gernger Wertantel/gut planbar): Lager mt gernger Scherhetsreserve, größerer Lagerbestand. d. R. ncht schädlch, sowet ncht verderblch oder volumnös. 3) AZ-Gut (hoher Wertantel/schlecht planbar): ausrechende Scherhetsreserve unter Inkaufnahme der Opportuntätskosten blden oder schnelle Nachleferbarket schern, so dass nur en gerngerer Lagerbestand von Nöten st. 4) CZ-Gut (gernger Wertantel/schlecht planbar): hohen Scherhetsbestand blden, um unvorhersehbare Schwankungen auszuglechen. 9»
10 Agenda 1 Aufgabe 2a 2 Aufgabe 2b 3 Aufgabe 2c 10»
11 Aufgabe 2b: 10 Punkte Folgender Ausdruck st m Zusammenhang mt der XYZ- Analyse bekannt: T SQ 0,5* SQ 1 SF * 1 V We wrd deser Ausdruck genannt und welche Aussage kann mt hm ermttelt werden? Erläutern Se n desem Zusammenhang folgende Ausdrücke: SQ SQ 1 T Was bedeutet es m Hnblck auf de XYZ-Analyse, wenn der ermttelte Wert für SQ sehr hoch st? Welche Aussage kann getroffen werden, wenn der Wert nahe Null legt? 11» V SF T 1 V
12 Aufgabe 2b Lösungshnwese Nennung des Ausdrucks Hartmannscher Schwankungskoeffzent Ermttelbare Aussage We gut st de Vorhersagbarket des Verbrauchs des betrachteten Gutes? Erläuterung der Ausdrücke SQ : Schwankungskoeffzent der -ten (betrachteten) Perode. SQ -1 : Schwankungskoeffzent der vorhergehenden Perode. T : tatsächlcher Verbrauch der betrachteten Perode. V : vorhergesagter Verbrauch der betrachteten Perode. SF: Scherhetsfaktor: Ergbt sch dadurch, dass man den Bedarf als normalvertelte Zufallsvarable annmmt und de Nachfrage mt ener bestmmten Wahrschenlchket befredgen möchte. T 1 : Prozentuale Abwechung des tatsächlchen vom vorhergesagtem Verbrauch V Hoher SQ -Wert schlechte Vorhersagbarket des tatsächlchen Verbrauchs (Z-Gut) SQ -Wert nahe Null gute Vorhersagbarket des tatsächlchen Verbrauchs (X-Gut) 12» T 1 V V V T V V T V
13 Agenda 1 Aufgabe 2a 2 Aufgabe 2b 3 Aufgabe 2c 13»
14 Aufgabe 2c: 12 Punkte Der Verbrauch an gründlch galvanserten Plümpeln der GWS GmbH west folgende Struktur auf: galvanserte Plümpel Perode prognostzerter Verbrauch tatsächlcher Verbrauch Berechnen Se SQ für alle Peroden. SF se 3. Runden Se auf dre Nachkommastellen. Welche Prämsse st bezüglch der ersten Perode snnvoller Wese zu treffen? Welche Konsequenzen ergeben sch daraus für de Berechnung n den nachfolgenden Peroden? Interpreteren Se das Ergebns m Hnblck auf de XYZ-Analyse. De Wertgrenzen zur Beurtelung sollen be SQ A = 1 und SQ B = 5 gezogen werden. 14»
15 Aufgabe 2c Lösungshnwese Berechnung der SQ-Werte: galvanserte Plümpel Perode prognostzerter Verbrauch tatsächlcher Verbrauch T SQ 0,5* SQ 1 SF * 1 V 300 SQ1 0,5* 3* 1-0, SQ2 0,5* 0,300 3* 1-0, SQ3 0,5* 0,650 3* 1 1, SQ 100 0,5* 1,225 3* ,613 15»
16 Aufgabe 2c Lösungshnwese Annahme n der ersten Perode Der SQ-Wert der Vorperode se 0 Bedeutung für de Folgeperoden Der SQ-Wert fällt m Regelfall (Ausnahme: Perfektes X-Gut vor dem Zetpunkt 1) zu gerng aus. De Verzerrung durch de Annahme nmmt jedoch m Zetverlauf ab, so dass de Verzerrung be ener hnrechend großen Anzahl an Peroden kaum noch ns Gewcht fällt. Möglche Interpretaton T SQ 0,5* SQ 1 SF * 1 V Das Ergebns st ncht endeutg. Sowohl n der ersten, zweten als auch verten Perode lässt das Gut sch be den gewählten Grenzen und dem gegebenen Scherhetsfaktor als X-Gut kategorseren. In der drtten Perode ergbt es sch als Y-Gut. Ggf. sollten mehr Peroden betrachtet werden, so möglch. Im Snne des Vorschtsprnzps könnte das Gut, obwohl 3x als X-Gut gekennzechnet, als Y-Gut behandelt werden. 16»
17 Velen Dank für Ihre Aufmerksamket! 17»
Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung
am Bespel enes Modells der chadenverscherung Für das Modell ener chadenverscherung se gegeben: s w s. n 4 chaden enes Verscherungsnehmers, wenn der chadenfall entrtt Wahrschenlchket dafür, dass der chadenfall
MehrÜbungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen
Übungsklausur Wahrschenlchket und Regresson De Lösungen. Welche der folgenden Aussagen treffen auf en Zufallsexperment zu? a) En Zufallsexperment st en emprsches Phänomen, das n stochastschen Modellen
MehrDer Erweiterungsfaktor k
Der Erweterungsfaktor k Wahl des rchtgen Faktors S. Meke, PTB-Berln, 8.40 Inhalt: 1. Was macht der k-faktor? 2. Welche Parameter legen den Wert des k-faktors fest? 3. Wo trtt der k-faktor auf? 4. Zusammenhang
Mehrwird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:
Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab
MehrStatistik und Wahrscheinlichkeitsrechnung
Statstk und Wahrschenlchketsrechnung Statstk und Wahrschenlchketsrechnung 5. Vorlesung Dr. Jochen Köhler.03.0 Statstk und Wahrschenlchketsrechnung Wchtg!!! Vorlesung Do 4.03.0 HCI G3 Übung 5 D 9.03.0 Fnk
MehrStandardnormalverteilung / z-transformation
Standardnormalvertelung / -Transformaton Unter den unendlch velen Normalvertelungen gbt es ene Normalvertelung, de sch dadurch ausgeechnet st, dass se enen Erwartungswert von µ 0 und ene Streuung von σ
MehrDie hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x)
ZZ Lösung zu Aufgabe : Ch²-Test Häufg wrd be der Bearbetung statstscher Daten ene bestmmte Vertelung vorausgesetzt. Um zu überprüfen ob de Daten tatsächlch der Vertelung entsprechen, wrd en durchgeführt.
MehrNSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.
PV - Hausaugabe Nr. 7.. Berechnen Se eakt und verglechen Se de Werte ür de Nullstelle, de mttels dem Verahren von Newton, der Regula als und ener Mttelung zu erhalten snd von der! Funkton: ( ) Lösungs
MehrGrundgedanke der Regressionsanalyse
Grundgedanke der Regressonsanalse Bsher wurden durch Koeffzenten de Stärke von Zusammenhängen beschreben Mt der Regressonsrechnung können für ntervallskalerte Varablen darüber hnaus Modelle geschätzt werden
MehrIn der beschreibenden Statistik werden Daten erhoben, aufbereitet und analysiert. Beispiel einer Datenerhebung mit Begriffserklärungen (Vokabel)
Rudolf Brnkmann http://brnkmann-du.de Sete.. Datenerhebung, Datenaufberetung und Darstellung. In der beschrebenden Statstk werden Daten erhoben, aufberetet und analysert. Bespel ener Datenerhebung mt Begrffserklärungen
MehrStreuungs-, Schiefe und Wölbungsmaße
aptel IV Streuungs-, Schefe und Wölbungsmaße B... Lagemaße von äufgketsvertelungen geben allen weng Auskunft über ene äufgketsvertelung. Se beschreben zwar en Zentrum deser Vertelung, geben aber kenen
MehrNetzwerkstrukturen. Entfernung in Kilometer:
Netzwerkstrukturen 1) Nehmen wr an, n enem Neubaugebet soll für 10.000 Haushalte en Telefonnetz nstallert werden. Herzu muss von jedem Haushalt en Kabel zur nächstgelegenen Vermttlungsstelle gezogen werden.
Mehr5. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013
O. Alaya, S. Demrel M. Fetzer, B. Krnn M. Wed 5. Gruppenübung zur Vorlesung Höhere Mathematk Wntersemester /3 Dr. M. Künzer Prof. Dr. M. Stroppel Lösungshnwese zu den Hausaufgaben: Aufgabe H 6. Darstellungen
Mehr1.Schularbeit 22.Okt A. A) Berechne ohne TI-92: Beachte: Für die Beispiele 1 und 2 sind alle notwendigen Rechenschritte anzugeben.
1.Schularbet.Okt. 1997 7.A A) Berechne ohne TI-9: Beachte: Für de Bespele 1 und snd alle notwendgen Rechenschrtte anzugeben. 1a) De zu z= a + bkonjugert komplexe Zahl st z= a b. Zege für z 1 = -4 + 3 und
MehrEinführung in die Finanzmathematik
1 Themen Enführung n de Fnanzmathematk 1. Znsen- und Znsesznsrechnung 2. Rentenrechnung 3. Schuldentlgung 2 Defntonen Kaptal Betrag n ener bestmmten Währungsenhet, der zu enem gegebenen Zetpunkt fällg
Mehr2 Zufallsvariable und Verteilungen
Zufallsvarable und Vertelungen 7 Zufallsvarable und Vertelungen Wr wollen uns jetzt mt Zufallsexpermenten beschäftgen, deren Ausgänge durch (reelle) Zahlen beschreben werden können, oder be denen man jedem
MehrÜbung zu Erwartungswert und Standardabweichung
Aufgabe Übung zu Erwartungswert und Standardabwechung In ener Lottere gewnnen 5 % der Lose 5, 0 % der Lose 0 und 5 % der Lose. En Los kostet 2,50. a)berechnen Se den Erwartungswert für den Gewnn! b)der
MehrResultate / "states of nature" / mögliche Zustände / möglicheentwicklungen
Pay-off-Matrzen und Entschedung unter Rsko Es stehen verschedene Alternatven (Strategen) zur Wahl. Jede Stratege führt zu bestmmten Resultaten (outcomes). Man schätzt dese Resultate für jede Stratege und
MehrLösungen zum 3. Aufgabenblock
Lösungen zum 3. Aufgabenblock 3. Aufgabenblock ewerber haben n enem Test zur sozalen Kompetenz folgende ntervallskalerte Werte erhalten: 96 131 11 1 85 113 91 73 7 a) Zegen Se für desen Datensatz, dass
MehrKapitel V. Parameter der Verteilungen
Kaptel V Parameter der Vertelungen D. 5.. (Erwartungswert) Als Erwartungswert ener Zufallsvarablen X bezechnet man: E( X ) : Dabe se vorausgesetzt: = = + p falls X dskret f d falls X stetg und = + p
MehrRotation (2. Versuch)
Rotaton 2. Versuch Bekannt snd berets Vektorfelder be denen das Lnenntegral über ene geschlossene Kurve Null wrd Stchworte: konservatve Kraft Potentalfelder Gradentenfeld. Es gbt auch Vektorfelder be denen
MehrProf. Dr. Marc Gürtler SS Prof. Dr. Marc Gürtler. Klausur zur 4/8 SWS-Vertiefung Finanzwirtschaftliches Risikomanagement Finanzwirtschaft
Prof. Dr. Marc Gürtler Klausur zur 4/8 SWS-Vertefung Fnanzwrtschaftlches Rskomanagement Fnanzwrtschaft Lösungsskzze Aufgabe : (6 Punkte) ) (0 Punkte) Aufstellung und Lösung enes Glechungssystems 70V 800,4
MehrStatistik und Wahrscheinlichkeit
Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse
MehrBedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY)
Bedngte Entrope Kaptel : Bedngte Entrope Das vorherge Theorem kann durch mehrfache Anwendung drekt verallgemenert werden H (... H ( = Ebenso kann de bedngt Entrope defnert werden Defnton: De bedngte Entrope
MehrProf. Dr. P. Kischka WS 2012/13 Lehrstuhl für Wirtschafts- und Sozialstatistik. Klausur Statistische Inferenz
Prof. Dr. P. Kschka WS 2012/13 Lehrstuhl für Wrtschafts- und Sozalstatstk Klausur Statstsche Inferenz 15.02.2013 Name: Matrkelnummer: Studengang: Aufgabe 1 2 3 4 5 6 7 8 Summe Punkte 6 5 5 5 5 4 4 6 40
MehrDer stöchiometrische Luftbedarf einer Reaktion kann aus dem Sauerstoffbedarf der Reaktion und der Zusammensetzung der Luft berechnet werden.
Stoffwerte De Stoffwerte für de enzelnen omponenten raftstoff, Luft und Abgas snd den verschedenen Stellen aus den Lteraturhnwesen zu entnehmen, für enge Stoffe sollen jedoch de grundlegenden Zusammenhänge
MehrKonkave und Konvexe Funktionen
Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage
MehrStochastische Prozesse
INSTITUT FÜR STOCHASTIK SS 009 UNIVERSITÄT KARLSRUHE Blatt 4 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 16: (Success Run, Fortsetzung)
MehrDaten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.
Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve
MehrSei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ).
Taylorentwcklung (Approxmaton durch Polynome). Problemstellung Se T( x ) de Tangente an den Graphen der Funkton f(x) m Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ). Dann kann man de
MehrErwartungswert, Varianz, Standardabweichung
RS 24.2.2005 Erwartungswert_Varanz_.mcd 4) Erwartungswert Erwartungswert, Varanz, Standardabwechung Be jedem Glücksspel nteresseren den Speler vor allem de Gewnnchancen. 1. Bespel: Setzen auf 1. Dutzend
Mehr18. Vorlesung Sommersemester
8. Vorlesung Sommersemester Der Drehmpuls des starren Körpers Der Drehmpuls des starren Körpers st etwas komplzerter. Wenn weder de Wnkelgeschwndgket um de feste Rotatonsachse st, so wrd mt Hlfe des doppelten
MehrFranzis Verlag, 85586 Poing ISBN 978-3-7723-4046-8 Autor des Buches: Leonhard Stiny
eseproben aus dem Buch "n mt en zur Elektrotechnk" Franzs Verlag, 85586 Pong ISBN 978--77-4046-8 Autor des Buches: eonhard Stny Autor deser eseprobe: eonhard Stny 005/08, alle echte vorbehalten. De Formaterung
MehrDatenaufbereitung und -darstellung III
Datenafberetng nd Darstellng 1 Glederng: Zel der Datenafberetng nd Darstellng Datenverdchtng Tabellen nd grafsche Darstellngen Darstellng nvarater Datenmengen (Abschntt 4.4 Darstellng mltvarater Daten
MehrMaße der zentralen Tendenz (10)
Maße der zentralen Tendenz (10) - De Berechnung der zentralen Tendenz be ategorserten Daten mt offenen Endlassen I - Bespel 1: offene Endlasse Alter x f x f p x p p cum bs 20 1? 3? 6? 6 21-25 2 23 20 460
Mehrz.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel!
Aufgabe : Vorbemerkung: Ene Zufallsvarable st ene endeutge Funkton bzw. ene Abbldungsvorschrft, de angbt, auf welche Art aus enem Elementareregns ene reelle Zahl gewonnen wrd. x 4 (, ) z.b. Münzwurf: Kopf
MehrZinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung
Znsesznsformel (Abschntt 1.2) 3 Investton & Fnanzerung 1. Fnanzmathematk Unv.-Prof. Dr. Dr. Andreas Löffler (AL@wacc.de) t Z t K t Znsesznsformel 0 1.000 K 0 1 100 1.100 K 1 = K 0 + K 0 = K 0 (1 + ) 2
MehrItemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i
Itemanalyse und Itemkennwerte De Methoden der Analyse der Itemegenschaften st ncht m engeren Snne Bestandtel der Klassschen Testtheore Im Rahmen ener auf der KTT baserenden Testkonstrukton und -revson
MehrFacility Location Games
Faclty Locaton Games Semnar über Algorthmen SS 2006 Klaas Joeppen 1 Abstract Wr haben berets sehr häufg von Nash-Glechgewchten und vor allem von deren Exstenz gesprochen. Das Faclty Locaton Game betet
MehrGrundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt
Mathematsches Insttut der Unverstät München Wntersemester 3/4 Danel Rost Lukas-Faban Moser Grundlagen der Mathematk I Lösungsvorschlag zum. Tutorumsblatt Aufgabe. a De Formel besagt, daß de Summe der umrahmten
MehrI) Mechanik 1.Kinematik (Bewegung)
I)1. Knematk I) Mechank 1.Knematk (Bewegung) 2. Dynamk on Massenpunkten (Enfluss on Kräften) 3. Starre Körper 4.Deformerbare Meden 5. Schwngungen, Wellen, Akustk I)1. Knematk Bewegungslehre (Zel: Quanttate
MehrGruppe. Lineare Block-Codes
Thema: Lneare Block-Codes Lneare Block-Codes Zele Mt desen rechnerschen und expermentellen Übungen wrd de prnzpelle Vorgehenswese zur Kanalcoderung mt lnearen Block-Codes erarbetet. De konkrete Anwendung
MehrModul Instrumente des Controlling
Prof. Dr. Jörn Littkemann Dr. Michael Holtrup Modul 31601 Instrumente des Controlling Kurs 41600 Kurseinheit 1: Beschaffungscontrolling LESEPROBE Der Inhalt dieses Dokumentes darf ohne vorherige schriftliche
MehrStochastische Prozesse
INSTITUT FÜR STOCHASTIK SS 2009 UNIVERSITÄT KARLSRUHE Blatt 2 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 7: (B. Fredmans Urnenmodell)
MehrContents blog.stromhaltig.de
Contents We hoch st egentlch Ihre Grundlast? Ene ncht ganz unwchtge Frage, wenn es um de Dmensonerung ener senannten Plug&Play Solar-Anlage geht. Solarsteckdosensystem für jermann, auch für Meter lautete
MehrPolygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com.
Verfahren für de Polygonalserung ener Kugel Eldar Sultanow, Unverstät Potsdam, sultanow@gmal.com Abstract Ene Kugel kann durch mathematsche Funktonen beschreben werden. Man sprcht n desem Falle von ener
MehrMathematikaufgabe 100
Home Startsete Impressum Kontakt Gästebuch Aufgabe: Sechs Flugzeuge mt unterschedlchen Geschwndgketen und Abständen flegen n ener Warteschlefe m Kres. Lösen Se de Aufgabenstellung, daß alle Flugzeuge mt
MehrI)1. Kinematik. EP WS 2009/10 Dünnweber/Faessler
I)1. Knematk I) Mechank 1.Knematk (Bewegung) 2. Dynamk on Massenpunkten (Enfluss on Kräften) 3. Starre Körper 4.Deformerbare Meden 5. Schwngungen, Wellen, Akustk I)1. Knematk Bewegungslehre (Zel: Quanttate
MehrInvestition in Übungen
Vahlens Übungsbücher der Wrtschafts- und Sozalwssenschaften Investton n Übungen von Prof. Dr. Hartmut Beg, Prof. Dr. Henz Kußmaul, Prof. Dr. Gerd Waschbusch 3., durchgesehene und überarbetete Auflage Verlag
MehrNäherungsverfahren. Wiederhole den Algorithmusbegriff. Erläutere die Begriffe: Klasse der NP-Probleme. Probleme. Probleme. Approximative Algorithmen
Näherungsverfahren Wederhole den Algorthmusbegrff. Erläutere de Begrffe: Klasse der P-ProblemeP Probleme Klasse der NP-Probleme Probleme Approxmatve Algorthmen Stochastsche Algorthmen ALGORITHMEN Def.:
MehrVerteilungen eindimensionaler diskreter Zufallsvariablen
Vertelungen endmensonaler dskreter Zufallsvarablen Enführung Dskrete Vertelungen Dskrete Glechvertelung Bernoull-Vertelung Bnomalvertelung Bblografe: Prof. Dr. Kück Unverstät Rostock Statstk, Vorlesungsskrpt,
MehrÜbung zur Vorlesung - Theorien Psychometrischer Tests II
Übung zur Vorlesung - Theoren Psychometrscher Tests II N. Rose 9. Übung (15.01.2009) Agenda Agenda 3-parametrsches logstsches Modell nach Brnbaum Lnkfunktonen 3PL-Modell nach Brnbaum Modellglechung ( =
Mehr6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen
196 6.5. Rückgewnnung des Zetvorgangs: Rolle der Pole und Nullstellen We n 6.2. und 6.. gezegt wurde, st de Übertragungsfunkton G( enes lnearen zetnvaranten Systems mt n unabhänggen Spechern ene gebrochen
MehrFallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung
Fallstude 4 Qualtätsregelkarten (SPC) und Versuchsplanung Abgabe: Lösen Se de Aufgabe 1 aus Abschntt I und ene der beden Aufgaben aus Abschntt II! Aufgabentext und Lösungen schrftlch bs zum 31.10.2012
MehrAn welche Stichwörter von der letzten Vorlesung können Sie sich noch erinnern?
An welche Stchwörter von der letzten Vorlesung können Se sch noch ernnern? Gasgesetz ür deale Gase pv = nr Gelestete Arbet be sotherme Ausdehnung adabatsche Ausdehnung 2 n Reale Gase p + a 2 ( V nb) =
Mehr6. Modelle mit binären abhängigen Variablen
6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch
MehrSind die nachfolgenden Aussagen richtig oder falsch? (1 Punkt pro korrekter Beantwortung)
LÖSUNG KLAUSUR STATISTIK I Berufsbegletender Studengang Betrebswrtschaftslehre Sommersemester 016 Aufgabentel I: Theore (10 Punkte) Snd de nachfolgenden Aussagen rchtg oder falsch? (1 Punkt pro korrekter
MehrRegressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n
Regressonsgerade x x x x 3... x n y y y y 3... y n Bem Auswerten von Messrehen wrd häufg ene durch theoretsche Überlegungen nahegelegte lneare Bezehung zwschen den x- und y- Werten gesucht, d.h. ene Gerade
MehrLineare Optimierung Einführung
Kaptel Lneare Optmerung Enführung B... (Dre klasssche Anwendungen) Im Folgenden führen wr de ersten dre klassschen (zvlen) Anwendungen der lnearen Optmerung an: BS... (Produktonsplanoptmerung) En Betreb
MehrFallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum
Abgabe: Aufgabentext und Lösungen schrftlch bs zum 15. 6. 2012 I. Thema: Zehen mt und ohne Zurücklegen Lesen Se sch zunächst folgenden Text durch! Wr haben bsher Stchprobenzehungen aus Grundgesamtheten
Mehr(Theoretische) Konfidenzintervalle für die beobachteten Werte: Die Standardabweichung des Messfehlers wird Standardmessfehler genannt:
(Theoretsche Konfdenzntervalle für de beobachteten Werte: De Standardabwechung des Messfehlers wrd Standardmessfehler genannt: ( ε ( 1- REL( Mt Hlfe der Tschebyscheff schen Unglechung lassen sch be bekanntem
MehrFORMELSAMMLUNG STATISTIK (I)
Statst I / B. Zegler Formelsammlng FORMELSAMMLUG STATISTIK (I) Statstsche Formeln, Defntonen nd Erläterngen A a X n qaltatves Mermal Mermalsasprägng qanttatves Mermal Mermalswert Anzahl der statstschen
MehrZufallsvariable, Wahrscheinlichkeitsverteilungen und Erwartungswert
R. Brnkmann http://brnkmann-du.de Sete..8 Zufallsvarable, Wahrschenlchketsvertelungen und Erwartungswert Enführungsbespel: Zwe Würfel (en blauer und en grüner) werden 4 mal zusammen geworfen. De Häufgketen
Mehr1.1 Grundbegriffe und Grundgesetze 29
1.1 Grundbegrffe und Grundgesetze 9 mt dem udrtschen Temperturkoeffzenten 0 (Enhet: K - ) T 1 d 0. (1.60) 0 dt T 93 K Betrchtet mn nun den elektrschen Wderstnd enes von enem homogenen elektrschen Feld
MehrArbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2
ETH Arbetsgruppe Radocheme Radochemsches Praktkum P 06 Enführung n de Statstk INHALTSVERZEICHNIS Sete 1. Zählung von radoaktven Zerfällen und Statstk 2 2. Mttelwert und Varanz 2 3. Momente ener Vertelung
MehrBeschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression
Beschrebung des Zusammenhangs zweer metrscher Merkmale Streudagramme Korrelatonskoeffzenten Regresson Alter und Gewcht be Kndern bs 36 Monaten Knd Monate Gewcht 9 9 5 8 3 4 7.5 4 3 6 5 3 6 4 3.5 7 35 5
MehrUniversität Karlsruhe (TH)
Unverstät Karlsruhe (TH) Forschungsunverstät gegründet 825 Parallele Algorthmen I Augaben und Lösungen Pro. Dr. Walter F. Tchy Dr. Vctor Pankratus Davd Meder Augabe () Gegeben se en N-elementger Zahlenvektor
MehrAbbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)).
44 n n F F a) b) Abbldung 3.: Besetzungszahlen enes Fermgases m Grundzustand (a)) und für ene angeregte Konfguraton (b)). 3.3 Ferm Drac Statstk In desem Abschntt wollen wr de thermodynamschen Egenschaften
MehrWas sind Messunsicherheiten?
Edgenösssches Justz- und Polzedepartement EJPD Bundesamt für Metrologe METAS Was snd Messunscherheten? Chrstan Hof Was snd Messunscherheten? allgemene Defntonen von Begrffen das standardserte Vorgehen
Mehr-1- Alles kein Zufall. - Starkes Markenmanagement - Inhaltsverzeichnis und Übersicht
-1- Alles ken Zufall - Starkes Markenmanagement - Inhaltsverzechns und Überscht -2- Alles ken Zufall Das Inhaltsverzechns 1. De Grundlagen moderner Markenführung. 5. Postonerung und Framng. De Analyse
MehrQualitätsparameter in der. Ausgleichungsrechnung
Insttut für Geodäse und Geonformatonstechnk Fachgebet Geodäse und Ausglechungsrechnung Qualtätsparameter n der Ausglechungsrechnung Prof. Dr.-Ing. Frank Netzel Semnar Qualtätsanalyse des Legenschaftskatasters
MehrProf. Dr.- Ing. Herzig Vorlesung "Grundlagen der Elektrotechnik 1" 1etv3-4
Prof. Dr.- ng. Herzg.6 Spezelle erechnungsverfahren lnearer Netzwerke.6. Überlagerungsverfahren Der Lernende kann - den Überlagerungssatz und das darauf beruhende erechnungsprnzp lnearer Netzwerke erklären
MehrAuswertung univariater Datenmengen - deskriptiv
Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;
MehrDefinition des linearen Korrelationskoeffizienten
Defnton des lnearen Korrelatonskoeffzenten r xy x y y r x xy y 1 x x y y x Der Korrelatonskoeffzent st en Indkator dafür, we gut de Punkte (X,Y) zu ener Geraden passen. Sen Wert legt zwschen -1 und +1.
MehrAuswertung univariater Datenmengen - deskriptiv
Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;
Mehr1.1 Das Prinzip von No Arbitrage
Fnanzmärkte H 2006 Tr V Dang Unverstät Mannhem. Das Prnzp von No Arbtrage..A..B..C..D..E..F..G..H Das Framework Bespele Das Fundamental Theorem of Fnance Interpretaton des Theorems und Zustandsprese No
MehrStatistik Exponentialfunktion
! " Statstk " Eponentalfunkton # $ % & ' $ ( )&* +, - +. / $ 00, 1 +, + ) Ensemble von radoaktven Atomkernen Zerfallskonstante λ [1/s] Lebensdauer τ 1/λ [s] Anzahl der pro Zetenhet zerfallenden Kerne:
MehrKonzept der Chartanalyse bei Chart-Trend.de
Dpl.-Phys.,Dpl.-Math. Jürgen Brandes Konzept der Chartanalyse be Chart-Trend.de Konzept der Chartanalyse be Chart-Trend.de... Bewertungsgrundlagen.... Skala und Symbole.... Trendkanalbewertung.... Bewertung
MehrSchriftliche Prüfung aus Signaltransformationen Teil: Dourdoumas am
TU Graz, Insttut für Regelungs- und Automatserungstechnk 1 Schrftlche Prüfung aus Sgnaltransformatonen Tel: Dourdoumas am 1. 10. 01 Name / Vorname(n): Kennzahl / Matrkel-Nummer: 1 errechbare Punkte 4 errechte
MehrDenavit-Hartenberg-Notation
DENAVIT und HARTENBERG haben ene Methode engeführt, de es erlaubt für alle knematsche Ketten de Lagen der Gleder zuenander enhetlch auszudrücken. De Gelenke, de de Gleder mtenander verbnden, dürfen dabe
MehrStandortplanung. Positionierung von einem Notfallhubschrauber in Südtirol. Feuerwehrhaus Zentrallagerpositionierung
Standortplanung Postonerung von enem Notfallhubschrauber n Südtrol Postonerung von enem Feuerwehrhaus Zentrallagerpostonerung 1 2 Postonerung von enem Notfallhubschrauber n Südtrol Zu bekannten Ensatzorten
Mehr1 BWL 4 Tutorium V vom 15.05.02
1 BWL 4 Tutorum V vom 15.05.02 1.1 Der Tlgungsfaktor Der Tlgungsfaktor st der Kehrwert des Endwertfaktors (EWF). EW F (n; ) = (1 + )n 1 T F (n; ) = 1 BWL 4 TUTORIUM V VOM 15.05.02 (1 ) n 1 Mt dem Tlgungsfaktor(TF)
Mehr1 Finanzmathematik. 1.1 Das Modell. Sei Xt
1.1 Das Modell Se Xt der Pres enes Assets zur Zet t und X = X ) 1 d der Rd +-dmensonale Presprozess. Das Geld kann auch zu dem rskolosen Znssatz r be ener Bank angelegt werden. Der Wert deser Anlage wrd
MehrKlausur zur Vorlesung Lineare Modelle SS 2006 Diplom, Klausur A
Lneare Modelle m SS 2006, Prof. Dr. W. Zucchn 1 Klausur zur Vorlesung Lneare Modelle SS 2006 Dplom, Klausur A Aufgabe 1 (18 Punkte) a) Welcher grundsätzlche Untersched besteht n der Interpretaton von festen
MehrInformatik II. Minimalpolynome und Implikanten. Minimalpolynome. Minimalpolynome. Rainer Schrader. 27. Oktober Was bisher geschah: Definition
Informatk II Raner Schrader und Implkanten Zentrum für Angewandte Informatk Köln 27. Oktober 2005 1 / 28 2 / 28 Was bsher geschah: jede Boolesche Funkton kann durch enfache Grundfunktonen dargestellt werden
MehrWechselstrom. Dr. F. Raemy Wechselspannung und Wechselstrom können stets wie folgt dargestellt werden : U t. cos (! t + " I ) = 0 $ " I
Wechselstrom Dr. F. Raemy Wechselspannung und Wechselstrom können stets we folgt dargestellt werden : U t = U 0 cos (! t + " U ) ; I ( t) = I 0 cos (! t + " I ) Wderstand m Wechselstromkres Phasenverschebung:!"
MehrInduktive Strombegrenzung für AC-gespeiste SGTC mit netzsynchroner rotierender Funkenstrecke
Induktve Strombegrenung für AC-gespeste SGTC mt netsynchroner roterender Funkenstrecke Es wrd von ener SGTC ausgegangen, welche mt ener 5 H-netfrequen-synchron roterenden prmären Funkenstrecke ausgestattet
MehrDynamisches 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,.
MehrStatistische Berichte
Statstsche Berchte De Entcklung der Bevölkerung m Saarland 2014 bs 2060 Ergebnsse der 13. koordnerten Bevölkerungsvorausberechnung Altersaufbau der Bevölkerung m Saarland Altersjahre 100 95 90 85 80 75
MehrGrundlagen der Technischen Informatik. 12. Übung. Christian Knell Keine Garantie für Korrekt-/Vollständigkeit
Grundlagen der Technschen Informatk 12. Übung Chrstan Knell Kene Garante für Korrekt-/Vollständgket 12. Übungsblatt Themen Aufgabe 1: Aufgabe 2: Aufgabe 3: Komparator Adderer/Subtraherer Mehr-Operanden-Adderer
MehrAufgabenteil. - wird nicht mit abgegeben - 21.03.2011, 18.00-20.00 Uhr. Fakultät für Wirtschaftswissenschaft
Fakultät für Wrtschaftswssenschaft Lehrstuhl für Volkswrtschaftslehre, nsb. Makroökonomk Unv.-Prof. Dr. Helmut Wagner Klausur: Termn: Prüfer: Makroökonome 2.03.20, 8.00-20.00 Uhr Unv.-Prof. Dr. Helmut
Mehre dt (Gaußsches Fehlerintegral)
Das Gaußsche Fehlerntegral Φ Ac 5-8 Das Gaußsche Fehlerntegral Φ st denert als das Integral über der Standard-Normalvertelung j( ) = -,5 n den Grenzen bs, also F,5 t ( ) = - e dt (Gaußsches Fehlerntegral)
MehrVersicherungstechnischer Umgang mit Risiko
Verscherungstechnscher Umgang mt Rsko. Denstlestung Verscherung: Schadensdeckung von für de enzelne Person ncht tragbaren Schäden durch den fnanzellen Ausglech n der Zet und m Kollektv. Des st möglch über
MehrEinführung in die theoretische Physik 1
Enführung n de theoretsche hysk 1 rof. Dr. L. Mathey Denstag 15:45 16:45 und Donnerstag 10:45 12:00 Begnn: 23.10.12 Jungus 9, Hörs 2 Mathey Enführung n de theor. hysk 1 1 Grundhypothese der Thermostatk
MehrBeschreibung von Vorgängen durch Funktionen
Beschrebung von Vorgängen durch Funktonen.. Splnes (Sete 6) a +b c Zechenerklärung: [ ] - Drücken Se de entsprechende Taste des Graphkrechners! [ ] S - Drücken Se erst de Taste [SHIFT] und dann de entsprechende
MehrPotenzen einer komplexen Zahl
Potenzen ener komplexen Zahl 1-E1 1-E Abraham cc de Movre Abraham de Movre (17 175) französscher Mathematker Abraham de Movre der als Emgrant n London lebte glt als ener der Ponere der Wahrschenlchketsrechnung.
Mehr4. Musterlösung. Problem 1: Kreuzende Schnitte **
Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,
MehrSchriftliche Prüfung aus Systemtechnik am
U Graz, Insttut egelungs- und Automatserungstechnk Schrftlche Prüfung aus Systemtechnk am 4.. 5 Name / Vorname(n): Kenn-Matr.Nr.: Bonuspunkte: 4 errechbare Punkte 4 5 7 5 errechte Punkte U Graz, Insttut
MehrEmpfehlung zur Verwendung von Flächenklassen bei der Angemessenheitsprüfung
Empfehlung zur Verwendung von Flächenklassen be der Angemessenhetsprüfung von Angeboten für Flächenvermessungen Bezüge: (1) Ergebnsvermerk der 16. Stzung des AK Vermessung, am 10.10.2016 n Hamburg (2)
Mehrnonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen
arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree
Mehr