Analyse von Extremwerten
|
|
- Nadja Schenck
- vor 8 Jahren
- Abrufe
Transkript
1 Analyse von Extremwerten Interdisziplinäres Seminar: Statistische Verfahren in den Geowissenschaften Anna Hamann betreut durch Prof. Dr. Helmut Küchenhoff, Institut für Statistik Ludwig Maximilians Universität München. 3.Dezember 2009
2 Inhaltsverzeichnis 1 Einleitung 2 2 Die Generalisierte Extremwertverteilung Der zentrale Grenzwertsatz Das Theorem von Fisher Tippet Die drei Extremwertverteilungen Beweis-Idee Domain of Attraction Der Domain of Attraction der Fréchet-Verteilung Φ α Der Domain of Attraction der Weibull-Verteilung Ψ α Der Domain of Attraction der Gumbel-Verteilung Λ. 9 3 Inferenz Methode der Block-Maxima Maximum-Likelihood-Methode Beispiel: Luftverschmutzung in München 13 5 Zusammenfassung 16 1
3 Kapitel 1 Einleitung Die klassische Statistik befasst sich mit durchschnittlichen Werten, beschreibt das Verhalten von Zufallsvariablen ausgehend von ihrem Mittelwert. Damit können etliche Problemstellungen gelöst werden. Interessiert man sich aber etwa dafür, wie stabil ein Haus in einem erdbebengefährdeten Gebiet gebaut werden muss, wie viel ein Deich aushalten muss, wie sportliche Rekorde zusammenhängen oder wie oft hohe Konzentrationen von Luftschadstoffen einen Grenzwert überschreiten, so sind durchschnittliche Werte nicht interessant, sondern vielmehr die Ausnahmen, die extremen Ereignisse. Diese extremen Ereignisse liegen in den Ausläufern der Verteilung der Zufallsvariablen und ihr Verhalten wird daher nur schlecht durch diese Verteilung erklärt. Mit Hilfe der Extremwerttheorie lässt sich das Verhalten dieser extremen Ereignisse modellieren. Betrachtet man die Globale Magnitudenhäufigkeit (vgl.wassermann Folien) abhängig von der Magnitudenstärke, so kann man mit Hilfe der Extremwerttheorie die erwarteten N-Year-Return-Levels von sehr seltenen, starken Erdbeben schätzen. Außerdem ist es möglich auch eine Prognose für ein noch nie dagewesenes Ereigniss zu treffen. 2
4 Kapitel 2 Die Generalisierte Extremwertverteilung 2.1 Der zentrale Grenzwertsatz Der Zentrale Grenzwertsatz ist eine wesentliche Grundlage für die statistische Analyse von Mittelwerten und Varianzen von Zufallsvariablen. Er besagt, dass die zentrierte und normierte Summe von unabhängig identisch verteilten Zufallsvariablen annähernd normalverteilt ist. n i=1 X i µn σ/ D N(0, 1) (2.1) n Durch den Zentralen Grenzwertsatz spielt die Normalverteilung in der Statistik eine besonders wichtige Rolle. 2.2 Das Theorem von Fisher Tippet In der Extremwerttheorie gibt es eine Art Analogon zum Zentralen Grenzwertsatz, das Theorem von Fisher und Tippet. Man betrachtet, wie auch beim zentralen Grenzwertsatz, unabhängig identisch verteilte Zufallsvariablen {X i } i=1,...,n mit Verteilungsfunktion F(x). In der Extremwerttheorie ist jedoch nicht der durchschnittliche Wert von Interesse, man interessiert sich vielmehr für die maximalen Werte der Zufallsvariablen. Das Stichprobenmaximum sei durch M 1 = X 1, M n = max(x 1,..., X n ) n 2 gegeben. Die Verteilung des Stichprobenmaximums erhält man direkt aus der Verteilung F, der Verteilung der X i. P (M n x) = P (X 1 x,..., X n x) = P (X 1 x)... P (X n x) = F n (x) 3
5 KAPITEL 2. DIE GENERALISIERTE EXTREMWERTVERTEILUNG 4 Das Theorem von Fisher und Tippet: Das Theorem besagt, dass zwei feste Folgen a n > 0 und b n R existieren, so dass M n b n a n D G(X) (2.2) Die Verteilungsfunktion G gehört dabei zum Typ der Weilbull-, Gumbeloder Frechet-Verteilungen, also einer Extremwertverteilung. Im Folgenden werden zunächst die drei Extremwertverteilungen vorgestellt, anschließend werden die wichtigsten Punkte der Beweisidee vorgestellt Die drei Extremwertverteilungen GumbelverteilungΛ G(x) = exp( exp(x)), x R Féchetverteilung Φ α { exp( x α ), x (0, ) und α > 0 G(x) = 0, sonst Weibullverteilung Ψ α { exp( ( x) α ), x (, 0) und α > 0, G(x) = 1, x [0, ) Fasst man die drei Extremwertverteilungen zusammen, so erhält man die Generalisierte Extremwertverteilung. { exp( (1 + γ( y µ 1 G γ (y) = σ )) γ ), γ 0 (2.3) exp( exp( x)), γ = 0 Die Parameter µ R und σ > 0 sind der Orts- und der Skalen-Parameter. Der Parameter γ wird als shape-parameter bezeichnet und bestimmt die Klasse der Verteilung. Er ist also entscheidend für die Extremwerttheorie und wird daher Extremwertindex genannt. γ = α 1 > 0 entspricht der Fréchetverteilung, γ = 0 entspricht der Gumbelverteilung und γ = α 1 < 0 entspricht der Weibullverteilung.
6 KAPITEL 2. DIE GENERALISIERTE EXTREMWERTVERTEILUNG Beweis-Idee Die Beweis-Idee für das Theorem von Fisher und Tippet besteht im wesentlichen aus 3 Punkten: Eindeutigkeit der Grenzverteilung G bis auf affine Transformation G ist Grenzverteilung G ist max-stabil G ist max-stabil G ist vom Typ Weibull, Gumbel oder Fréchet Eine wichtige Definition für die Beweisskizze ist die der Max-Stabilität sowie, das darauffolgende Lemma. Max-stabile Verteilung: Eine Verteilungsfunktion heißt max-stabil, falls für geeignete Konstanten a n > 0 und b n R G n ( x a n + b n ) = G(x) max(x 1,..., X n ) D = a n X + b n x R Lemma: Sei G max-stabil, dann existieren zwei messbare Funktionen a und b, so dass G s (a(s)x + b(s)) = G(x) Zurück zur Beweisidee: Betrachtet man den zweiten Punkt: G ist Grenzverteilung G ist max-stabil : ergibt sich aus der Definition der Maxstabilität : Annahme: F n (a n x + b n ) G(x) lim n F nk (a n x + b n ) = ( lim n F n (a n x + b n )) k = G k (x)
7 KAPITEL 2. DIE GENERALISIERTE EXTREMWERTVERTEILUNG 6 außerdem ( lim n F nk (a nk x + b nk )) = G(x) dann existieren Konstanten ã k > 0 und b k R, so dass damit gilt a nk b nk b n lim = ã k lim n a n n a n max(y 1,..., Y k ) D = ã k Y 1 + b k = b k Die Eindeutigkeit der Grenzverteilung bis auf eine lineare Transformation ist durch die Existenz von ã k > 0 und b k R gegeben. Die Eindeutigkeit und die Max-Stabilität sind gezeigt, es bleibt also nur noch die Frage nach dem Typ der Grenzverteilungen: G ist max-stabil G ist vom Typ Weibull, Gumbel oder Fréchet lässt sich einfach nachrechnen. ist deutlich komplizierter zu zeigen. Die Idee dabei ist, dass die Funktionalgleichung aus dem Lemma nur durch die drei Typen, Gumbel, Weibull und Frechet gelöst werden kann. 2.3 Domain of Attraction Der Domain of Attraction bezeichnet die Menge aller möglichen Verteilungen F, also die Verteilung der X i, für die die Folge gegen die spezifische Grenzverteilung G konvergiert und wird als D(G) definiert. Aufgrund der drei unterschiedlichen Grenzverteilungen gibt es auch drei verschiedene Typen des Domain of Attraction. Es stellt sich die Frage welche Verteilungen gegen welchen Typ der Grenzverteilungen konvergieren. Da sich das Maximum am rechten Rand der Verteilung befindet, ist eben genau das Verhalten der Verteilung F am rechten Rand ausschlaggebend für die Zugehörigkeit Der Domain of Attraction der Fréchet-Verteilung Φ α Die Verteilungsfunktion F ist Element des Domain of Attraction der Fréchet- Verteilung, α > 0, genau dann, wenn F (x) = x α L(x) für eine langsam variierende Funktion L und wenn x F =. Ist F D(Φ α ), dann a 1 D n M n Φα
8 KAPITEL 2. DIE GENERALISIERTE EXTREMWERTVERTEILUNG 7 wobei die Normierungskonstante a n folgendermaßen gewählt werden kann: a n = F 1 (1 n 1 ) = (1/ F ) 1 (n). Da eine Zentrierungskonstante nicht notwendig ist, wird b n = 0 gesetzt D.h. der Domain of Attraction von Φ α besteht genau aus den Verteilungen F, deren rechter Rand polynomial fällt und mit dem Index α variiert. Eine paar Beispiele für Verteilungen F D(Φ α ) und deren Normierungskonstanten sind in folgender Tabelle aufgelistet: Verteilungen F D(Φ α) Dichte/Tailquantilfunktion Konstanten a n, b n Cauchy f(x) = (π(1 + x 2 )) 1, a n = n/π x R Pareto F Kx α, K, α > 0 a n = (Kn) 1/α Loggamma f(x) = αβ Γ(β) (lnx)β 1 x α 1, x > 1, α, β > 0 a n = ((Γ(β)) 1 (lnn) β 1 n) 1/α Beispiel Cauchy-Verteilung: F = (πx) 1, damit ist P (M n nx π ) = (1 F ( nx π ))n = (1 1 nx + o(1))n exp( x 1 ) = Φ 1 (x) Fréchet n = 5 n = x Der Domain of Attraction der Weibull-Verteilung Ψ α Die Verteilungsfunktion F ist im Domain of Attraction der Weibullvereilung Ψ α, α > 0 enthalten, geanu dann, wenn x F < und F (x F x 1 ) = x α L(x)
9 KAPITEL 2. DIE GENERALISIERTE EXTREMWERTVERTEILUNG 8 für eine langsam variierende Funktion L. Falls F D(Ψ α ), dann a 1 n (M n b n ) D Ψ α Die Konstanten a n und b n können dabei wie folgt gewählt werden: a n = x F F 1 (1 n 1 ) und b n = x F D.h. der Domain of Attraction von Ψ α enthält Verteilungen F, deren Endpunkt x F endlich ist. Außerdem sind D(Ψ α ) und D(Φ α ) miteinander verknüpft, da Ψ α ( x 1 ) = Φ α (x). Eine paar Beispiele für Verteilungen F D(Φ α ) und deren Normierungskonstanten sind in folgender Tabelle aufgelistet: Verteilungen F D(Φ α) Dichte/Tailquantilfunktion Uniform f(x) = 1, x (0, 1) Polynomial F = K(xF x) α, x F K 1/α x x F Beta f(x) = Γ(a+b) Γ(a)Γ(b) xa 1 (1 x) b 1, 0 < x < 1, a, b > 0 Konstanten a n, b n a n = n 1 b n = 1 a n = (Kn) 1/α b n = x F a n = (n Γ(a+b) Γ(a)Γ(b+1) ) 1/b b n = 1 Beispiel Gleichverteilung: x F = 1 und F (1 x 1 ) = x 1 a n = 1/n und b n = 1, damit ist P (a 1 n (M n b n ) x) = P (M n xa n + b n ) = F n (xa n + b n ) F n ( x n + 1) = (x n + 1)n exp(x) = Ψ Weibull n = 5 n = x
10 KAPITEL 2. DIE GENERALISIERTE EXTREMWERTVERTEILUNG Der Domain of Attraction der Gumbel-Verteilung Λ Sei F eine Von-Mises-Funktion, d.h. x 1 F (x) = c exp( a(t) dt) mit Konstante c > 0, einer positiven, stetigen Hilfsfunktion a, für deren Dichte a gilt a (x) x x F 0 und z < x F. Dann ist F im Domain of Attraction der Gumbelverteilung Λ enthalten. Mögliche Normierungskonstanten sind gegeben durch: b n = F 1 (1 n 1 ) und a n = a(b n ) D.h. das Verhalten von F am rechen Rand ist exponentiell. z Verteilungen F D(Λ) Dichte/Tailquantilfunktion Konstanten a n, b n F (x) = K exp( λx) a n = λ 1, K, λ > 0 b n = λ 1 ln(kn) Exponentiallike Weibull-like F = Kx α exp( cx τ ), K, c, τ > 0, α R Gamma f(x) = βα ) Γ(α) xα 1 exp( x βx ), x > 0, α, β > 0 Normal ϕ(x) = 1 exp( x 2 /2), 2π x R Lognormal f(x) = 1 2πσx exp( (lnx µ)2 2σ 2 ), x, σ > 0, µ R a n = (cτ) 1 (c 1 ln(n)) 1/τ 1, b n = (c 1 ln(n)) 1/τ + 1 τ (c 1 ln(n)) 1/τ 1 ( α cτ ln(c 1 ln(n)) + ln K ) c a n = β 1, b n = β 1 (ln(n)+(α 1)ln(ln(n)) ln(γ(α))) a n = (2ln(n)) 1/2, b n = 2ln(n) ln(4π)+ln(ln(n)) 2(2ln(n)) 1/2 a n = σ(2ln(n)) 1/2 b n, b n = exp(µ+σ( 2ln(n) ln(4π)+ln(ln(n)) 2(2ln(n)) 1/2 )) Beispiel Exponentialverteilung: F = exp( λx) F (x) = 1 exp( x) für x > 0. Dann ist P ( M n b n a n x) = P (M n a n x + b n ) = F n (a n x + b n ) Man wähle a n = 1 und b n = log(n) F n (x+log(n)) = (1 exp( (x+log(n)))) n = (1 1 n exp( x))n exp(exp( x)) = Λ
11 KAPITEL 2. DIE GENERALISIERTE EXTREMWERTVERTEILUNG Fréchet n = 5 n = x
12 Kapitel 3 Inferenz 3.1 Methode der Block-Maxima Die Idee der Block-Maxima besteht darin, die Daten in m disjunkte Blöcke zu teilen (z.b.monate) und dann die Maxima der Blöcke zu betrachten. Diese werden im folgenden als Y i bezeichnet, so dass man aus den m Stichproben m Maxima erhält. Diese bilden wiederum eine unabhängige Stichprobe. Diese Maxima können beispielsweise die maximalen monatlichen Schadstoffwerte sein. Wie zuvor schon gezeigt, sind die normierten Maxima GEV- verteilt. Das Ziel der Block- Maxima- Methode ist nun, die Parameter der GEV aus den Daten zu schätzen. Die Parameter der Verteilung können zum einen durch die Maximum-Likelihood- Methode geschätzt werden, zum anderen aber auch durch die Probability-Weighted-Moments-Methode Maximum-Likelihood-Methode Die Log-Likelihood-Funktion sieht folgendermaßen aus: Für γ 0 und 1 + γ y i µ σ > 0: logl(σ, γ, µ) = mlog(σ) ( 1 γ +1) m Für γ = 0: logl(σ, 0, µ) = mlog(σ) i=1 log(1+γ y i µ σ m i=1 m ) exp( y i µ ) σ i=1 m i=1 (1+γ y i µ σ ( y i µ σ ) ) 1/γ Durch das Maximieren (numerisch) der Loglikelihoods erhält man die ML- Schätzer (ˆσ, ˆγ, ˆµ). Eigenschaften des ML-Schätzers: 11
13 KAPITEL 3. INFERENZ 12 Erwartungstreue: E(ˆσ, ˆγ, ˆµ) m (σ, γ, µ) Asymptotische Normalität unter der Restriktion γ > 0.5: m((ˆσ, ˆγ, ˆµ) (σ, γ, µ)) D N(0, V ) V ist dabei die inverse Fischerinformationsmatrix. Bei der ML-Methode wird als Likelihood die GEV verwendet, die jedoch nur die asymptotische Verteilung ist. Somit ist diese Methode gerade bei kleinem Stichprobenumfang kritisch zu betrachen. Eine Alternative zur ML-Schätzung ist die PWM-Methode die auf der Schätzung der Momente beruht.
14 Kapitel 4 Beispiel: Luftverschmutzung in München Im Beispiel werden die tägliche Werte von Ozon und Nitrogen Dioxiden an zwei Messstationen in München (Lothstr. und Stachus) untersucht. Die Daten stammen aus dem Zeitraum Januar 1980 bis Oktober Von Interesse sind die maximalen Werte, somit werden die monatlichen Maxima der durchschnittlichen Tageswerte betrachtet. Die Zeitreihen der täglichen Durchschnittswerte von Ozon (Lothstr.) und Nitrogen Dioxid (Stachus) sind in folgenden Graphiken dargestellt. 13
15 KAPITEL 4. BEISPIEL: LUFTVERSCHMUTZUNG IN MÜNCHEN 14 Man kann erkennen, dass die Konzentrationen korrelliert sind, zudem sind beim Ozon eine saisonale Unterschiede zu erkennen. Deshalb werden die Monate April bis August separat von den Monaten September bis März behandelt. Die Verteilung der monatlichen Maxima kann durch eine Generalisierte Extremwertverteilug modelliert werden. Die Unabhängigkeit der Maxima kann damit begründet werden, dass die Maxima meistens durch ein paar Tage getrennt sind. Die Parameter der GEV basierend auf der Block-Maxima- Methode durch die PWM-Methode geschätzt, da diese bei kleinem Stichprobenumfang besser geeignet ist. Der Parameter γ wurde als nicht signifikant verschieden von 0 getestet. Somit sind die monatlichen Maxima approximativ gumbelverteilt. Eine Größe, die häufig von Interesse ist, ist das N-Month-Return-Level, es ist definiert als der Wert der beobachteten Konzentrationen, der erwartungsgemäß einmal während einer N-month Period überschritten wird. G 1 (1 1/N). N > 1 Die Tabelle zeigt, dass der Standard für Nitrogen Dioxid (0.1mg/m 3 ) erwartungsgemäß alle zwei Monate überschritten wird. Das Standard-Luftqualitäts- Ozon-Level beträgt 0.05mg/m 3. Dieser Wert wird erwartungsgemäß im Winterhalbjahr nur alle vier Monate überschritten, im Sommer dagegen liegt er
16 KAPITEL 4. BEISPIEL: LUFTVERSCHMUTZUNG IN MÜNCHEN 15 erwärtungsgemäß immer darüber.
17 Kapitel 5 Zusammenfassung Das Theorem von Fisher und Tippet zeigt, dass es in der Extremwerttheorie wie in der klassischen Statistik einen wichtigen Grenzwertsatz gibt. Es gibt drei verschiedene Grenzwertverteilungen für Maxima von iid Zufallsstichvariablen, die Frechet-, die Weibull- und die Gumbelverteilung. Die Menge der Verteilungen, die gegen eine der Grenzverteilungen konvergiert, ist durch den Domain of Attraction definiert, dabei ist die Zugehörigkeit der Verteilung F zu einem der Domain of Attractions durch die Tails der Verteilungen gegeben. Verhält sich der rechte Tail exponentiell, so gehört die Verteilung zum Domain of Attraction der Gumbelverteilung, verhält er sich polynomial, so gehört die Verteilung zum Domain of Attraction der Fréchetverteilung, ist er nach oben beschränkt, so gehört die Verteilung zum Domain of Attraction der Weibullverteilung. Durch die Block-Maxima-Methode können die Parameter der GEV geschätzt werden und mit Hilfe dieser wichtige Werte, wie z.b. die N-Month-Return- Levels berechnet werden. 16
18 Literaturverzeichnis Embrechts P.& Klüppelberg C.& Mikosch T. (1997): Modelling Extremal Events, Berlin, Heidelberg, New York: Springer. Beirlant J.& Goegebeur Y.& Segers J. & Teugles J. (2004): Statistics of Extremes: Theory and Applications, John Wiley& Sons. Küchenhoff H.& Thamerus M. (1995): Extreme value analysis of Munich airpollution data. Sonderforschungsbereich 386, Discussion Paper 4 Hothorn T. (2008): Skript zu Statistik III und IV Küchenhoff H.(2008): helmut/geo/stat_geo_12_folien.pdf 17
Extremwertverteilungen
Seminar Statistik Institut für Stochastik 12. Februar 2009 Gliederung 1 Grenzwertwahrscheinlichkeiten 2 3 MDA Fréchet MDA Weibull MDA Gumbel 4 5 6 Darstellung von multivariaten, max-stabilen Verteilungsfunktionen
MehrStochastische Eingangsprüfung, 17.05.2008
Stochastische Eingangsprüfung, 17.5.8 Wir gehen stets von einem Wahrscheinlichkeitsraum (Ω, A, P) aus. Aufgabe 1 ( Punkte) Sei X : Ω [, ) eine integrierbare Zufallsvariable mit XdP = 1. Sei Q : A R, Q(A)
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
MehrStatistik II für Betriebswirte Vorlesung 2
PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 2 21. Oktober 2014 Verbundene Stichproben Liegen zwei Stichproben vor, deren Werte einander
MehrFüllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge
2.4 Stetige Zufallsvariable Beispiel. Abfüllung von 500 Gramm Packungen einer bestimmten Ware auf einer automatischen Abfüllanlage. Die Zufallsvariable X beschreibe die Füllmenge einer zufällig ausgewählten
MehrB 2. " Zeigen Sie, dass die Wahrscheinlichkeit, dass eine Leiterplatte akzeptiert wird, 0,93 beträgt. (genauerer Wert: 0,933).!:!!
Das folgende System besteht aus 4 Schraubenfedern. Die Federn A ; B funktionieren unabhängig von einander. Die Ausfallzeit T (in Monaten) der Federn sei eine weibullverteilte Zufallsvariable mit den folgenden
MehrAbsolute Stetigkeit von Maßen
Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches
MehrVerteilungsmodelle. Verteilungsfunktion und Dichte von T
Verteilungsmodelle Verteilungsfunktion und Dichte von T Survivalfunktion von T Hazardrate von T Beziehungen zwischen F(t), S(t), f(t) und h(t) Vorüberlegung zu Lebensdauerverteilungen Die Exponentialverteilung
MehrStatistische Thermodynamik I Lösungen zur Serie 1
Statistische Thermodynamik I Lösungen zur Serie Zufallsvariablen, Wahrscheinlichkeitsverteilungen 4. März 2. Zwei Lektoren lesen ein Buch. Lektor A findet 2 Druckfehler, Lektor B nur 5. Von den gefundenen
MehrBox-and-Whisker Plot -0,2 0,8 1,8 2,8 3,8 4,8
. Aufgabe: Für zwei verschiedene Aktien wurde der relative Kurszuwachs (in % beobachtet. Aus den jeweils 20 Quartaldaten ergaben sich die folgenden Box-Plots. Box-and-Whisker Plot Aktie Aktie 2-0,2 0,8,8
Mehr1.3 Die Beurteilung von Testleistungen
1.3 Die Beurteilung von Testleistungen Um das Testergebnis einer Vp zu interpretieren und daraus diagnostische Urteile ableiten zu können, benötigen wir einen Vergleichsmaßstab. Im Falle des klassischen
MehrQuantilsschätzung als Werkzeug zur VaR-Berechnung
Quantilsschätzung als Werkzeug zur VaR-Berechnung Ralf Lister, Aktuar, lister@actuarial-files.com Zusammenfassung: Zwei Fälle werden betrachtet und die jeweiligen VaR-Werte errechnet. Im ersten Fall wird
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de
MehrAusarbeitung des Seminarvortrags zum Thema
Ausarbeitung des Seminarvortrags zum Thema Anlagepreisbewegung zum Seminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn von Imke Meyer im W9/10 Anlagepreisbewegung
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
MehrDie Optimalität von Randomisationstests
Die Optimalität von Randomisationstests Diplomarbeit Elena Regourd Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf Düsseldorf im Dezember 2001 Betreuung: Prof. Dr. A. Janssen Inhaltsverzeichnis
Mehrgeben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen
geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde
MehrR ist freie Software und kann von der Website. www.r-project.org
R R ist freie Software und kann von der Website heruntergeladen werden. www.r-project.org Nach dem Herunterladen und der Installation von R kann man R durch Doppelklicken auf das R-Symbol starten. R wird
MehrBinäre abhängige Variablen
Binäre abhängige Variablen Thushyanthan Baskaran thushyanthan.baskaran@awi.uni-heidelberg.de Alfred Weber Institut Ruprecht Karls Universität Heidelberg Einführung Oft wollen wir qualitative Variablen
MehrAustausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen
Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:
Mehr9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83
9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x
MehrData Mining: Einige Grundlagen aus der Stochastik
Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener
Mehr9. Schätzen und Testen bei unbekannter Varianz
9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,
Mehrε heteroskedastisch BINARY CHOICE MODELS Beispiele: Wahlentscheidung Kauf langlebiger Konsumgüter Arbeitslosigkeit Schätzung mit OLS?
BINARY CHOICE MODELS 1 mit Pr( Y = 1) = P Y = 0 mit Pr( Y = 0) = 1 P Beispiele: Wahlentscheidung Kauf langlebiger Konsumgüter Arbeitslosigkeit Schätzung mit OLS? Y i = X i β + ε i Probleme: Nonsense Predictions
MehrProfil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8
1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen
MehrDie Pareto Verteilung wird benutzt, um Einkommensverteilungen zu modellieren. Die Verteilungsfunktion ist
Frage Die Pareto Verteilung wird benutzt, um Einkommensverteilungen zu modellieren. Die Verteilungsfunktion ist k a F (x) =1 k>0,x k x Finden Sie den Erwartungswert und den Median der Dichte für a>1. (Bei
MehrUniversität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip. KLAUSUR Statistik B
Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip Sommersemester 2010 KLAUSUR Statistik B Hinweise zur Bearbeitung: Bei allen Teilaufgaben
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
MehrMelanie Kaspar, Prof. Dr. B. Grabowski 1
7. Hypothesentests Ausgangssituation: Man muss sich zwischen 2 Möglichkeiten (=Hypothesen) entscheiden. Diese Entscheidung soll mit Hilfe von Beobachtungen ( Stichprobe ) getroffen werden. Die Hypothesen
MehrName:... Matrikel-Nr.:... 3 Aufgabe Handyklingeln in der Vorlesung (9 Punkte) Angenommen, ein Student führt ein Handy mit sich, das mit einer Wahrscheinlichkeit von p während einer Vorlesung zumindest
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrQM: Prüfen -1- KN16.08.2010
QM: Prüfen -1- KN16.08.2010 2.4 Prüfen 2.4.1 Begriffe, Definitionen Ein wesentlicher Bestandteil der Qualitätssicherung ist das Prüfen. Sie wird aber nicht wie früher nach der Fertigung durch einen Prüfer,
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
MehrBONUS MALUS SYSTEME UND MARKOV KETTEN
Fakultät Mathematik und Naturwissenschaften, Fachrichtung Mathematik, Institut für Mathematische Stochastik BONUS MALUS SYSTEME UND MARKOV KETTEN Klaus D. Schmidt Ringvorlesung TU Dresden Fakultät MN,
Mehr1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:
Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:
MehrDefinition:Eine meromorphe Modulform vom Gewicht k Z ist eine meromorphe. f : H C. (ii) C > 0, so daß f(z) im Bereich Im z > C keine Singularität hat.
Die k/2 - Formel von Renate Vistorin Zentrales Thema dieses Vortrages ist die k/2 - Formel für meromorphe Modulformen als eine Konsequenz des Residuensatzes. Als Folgerungen werden danach einige Eigenschaften
MehrBeispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen
4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.
MehrAbituraufgabe zur Analysis, Hessen 2009, Grundkurs (TR)
Abituraufgabe zur Analysis, Hessen 2009, Grundkurs (TR) Gegeben ist die trigonometrische Funktion f mit f(x) = 2 sin(2x) 1 (vgl. Material 1). 1.) Geben Sie für die Funktion f den Schnittpunkt mit der y
Mehri x k k=1 i u i x i v i 1 0,2 24 24 0,08 2 0,4 30 54 0,18 3 0,6 54 108 0,36 4 0,8 72 180 0,60 5 1,0 120 300 1,00 2,22 G = 1 + 1 n 2 n i=1
1. Aufgabe: Der E-Commerce-Umsatz (in Millionen Euro) der fünf größten Online- Shopping-Clubs liegt wie folgt vor: Club Nr. Umsatz 1 120 2 72 3 54 4 30 5 24 a) Bestimmen Sie den Ginikoeffizienten. b) Zeichnen
MehrBasis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.
Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren
MehrIn konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert.
Konstante Modelle: In konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert. Der prognostizierte Wert für die Periode T+i entspricht
MehrAngewandte Ökonometrie, WS 2012/13, 1. Teilprüfung am 6.12.2012 - Lösungen. Das folgende Modell ist ein GARCH(1,1)-Modell:
Angewandte Ökonometrie, WS 2012/13, 1. Teilprüfung am 6.12.2012 - Lösungen LV-Leiterin: Univ.Prof.Dr. Sylvia Frühwirth-Schnatter 1 Wahr oder falsch? 1. Das folgende Modell ist ein GARCH(1,1)-Modell: Y
MehrAnalytische Methoden und die Black-Scholes Modelle
Analytische Methoden und die Black-Scholes Modelle Diplomverteidigung Universität Rostock Institut für Mathematik 20.01.2011 Agenda 1 Das Ornstein-Uhlenbeck Volatilitätsmodell 2 in L 2 (R 2 ) 3 4 Problem
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
MehrAufgaben zur Flächenberechnung mit der Integralrechung
ufgaben zur Flächenberechnung mit der Integralrechung ) Geben ist die Funktion f(x) = -x + x. a) Wie groß ist die Fläche, die die Kurve von f mit der x-chse einschließt? b) Welche Fläche schließt der Graph
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
MehrDie Online-Meetings bei den Anonymen Alkoholikern. zum Thema. Online - Meetings. Eine neue Form der Selbsthilfe?
Die Online-Meetings bei den Anonymen Alkoholikern zum Thema Online - Meetings Eine neue Form der Selbsthilfe? Informationsverhalten von jungen Menschen (Quelle: FAZ.NET vom 2.7.2010). Erfahrungen können
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
MehrMusterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
MehrStatistische Auswertung:
Statistische Auswertung: Die erhobenen Daten mittels der selbst erstellten Tests (Surfaufgaben) Statistics Punkte aus dem Punkte aus Surftheorietest Punkte aus dem dem und dem Surftheorietest max.14p.
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt. Stock, Nordflügel R. 0-49 (Persike) R. 0- (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de WS 008/009 Fachbereich
MehrBerechnung der Erhöhung der Durchschnittsprämien
Wolfram Fischer Berechnung der Erhöhung der Durchschnittsprämien Oktober 2004 1 Zusammenfassung Zur Berechnung der Durchschnittsprämien wird das gesamte gemeldete Prämienvolumen Zusammenfassung durch die
MehrERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN
ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN CHRISTIAN HARTFELDT. Zweiter Mittelwertsatz Der Mittelwertsatz Satz VI.3.4) lässt sich verallgemeinern zu Satz.. Seien f, g : [a, b] R auf [a,
Mehr4. Versicherungsangebot
4. Versicherungsangebot Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie (FS 11) Versicherungsangebot 1 / 13 1. Einleitung 1.1 Hintergrund In einem grossen Teil
Mehr3.3 Eigenwerte und Eigenräume, Diagonalisierung
3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.
MehrWS 2013/14. Diskrete Strukturen
WS 2013/14 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws1314
MehrMonte-Carlo-Simulationen mit Copulas. Kevin Schellkes und Christian Hendricks 29.08.2011
Kevin Schellkes und Christian Hendricks 29.08.2011 Inhalt Der herkömmliche Ansatz zur Simulation logarithmischer Renditen Ansatz zur Simulation mit Copulas Test und Vergleich der beiden Verfahren Fazit
MehrDIFFERENTIALGLEICHUNGEN
DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung
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.
MehrGrundlagen der Informatik
Mag. Christian Gürtler Programmierung Grundlagen der Informatik 2011 Inhaltsverzeichnis I. Allgemeines 3 1. Zahlensysteme 4 1.1. ganze Zahlen...................................... 4 1.1.1. Umrechnungen.................................
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
MehrExtrema von Funktionen in zwei Variablen
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Extrema von Funktionen in zwei Variablen Literatur: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,
MehrDer Zwei-Quadrate-Satz von Fermat
Der Zwei-Quadrate-Satz von Fermat Proseminar: Das BUCH der Beweise Fridtjof Schulte Steinberg Institut für Informatik Humboldt-Universität zu Berlin 29.November 2012 1 / 20 Allgemeines Pierre de Fermat
MehrWS 2008/09. Diskrete Strukturen
WS 2008/09 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0809
MehrDefinition 3.1: Ein Differentialgleichungssystem 1. Ordnung
Kapitel 3 Dynamische Systeme Definition 31: Ein Differentialgleichungssystem 1 Ordnung = f(t, y) ; y R N ; f : R R N R N heißt namisches System auf dem Phasenraum R N Der Parameter t wird die Zeit genannt
MehrZwei einfache Kennzahlen für große Engagements
Klecksen nicht klotzen Zwei einfache Risikokennzahlen für große Engagements Dominik Zeillinger, Hypo Tirol Bank Die meisten Banken besitzen Engagements, die wesentlich größer sind als der Durchschnitt
MehrW-Rechnung und Statistik für Ingenieure Übung 11
W-Rechnung und Statistik für Ingenieure Übung 11 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) Mathematikgebäude Raum 715 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) W-Rechnung und Statistik
Mehr90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft
Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte
MehrFachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum
Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume
Mehrq = 1 p = 0.8 0.2 k 0.8 10 k k = 0, 1,..., 10 1 1 0.8 2 + 10 0.2 0.8 + 10 9 1 2 0.22 1 = 0.8 8 [0.64 + 1.6 + 1.8] = 0.678
Lösungsvorschläge zu Blatt 8 X binomialverteilt mit p = 0. und n = 10: a PX = = 10 q = 1 p = 0.8 0. 0.8 10 = 0, 1,..., 10 PX = PX = 0 + PX = 1 + PX = 10 10 = 0. 0 0.8 10 + 0. 1 0.8 9 + 0 1 10 = 0.8 8 [
MehrTheoretische Grundlagen der Informatik WS 09/10
Theoretische Grundlagen der Informatik WS 09/10 - Tutorium 6 - Michael Kirsten und Kai Wallisch Sitzung 13 02.02.2010 Inhaltsverzeichnis 1 Formeln zur Berechnung Aufgabe 1 2 Hamming-Distanz Aufgabe 2 3
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
MehrDerivate und Bewertung
. Dr. Daniel Sommer Marie-Curie-Str. 30 60439 Franfurt am Main Klausur Derivate und Bewertung.......... Wintersemester 2008/09 Klausur Derivate und Bewertung Wintersemester 2008/09 Aufgabe 1: Zinsurven,
MehrDer monatliche Tarif für ein Handy wurde als lineare Funktion der Form f(x) = k x + d modelliert (siehe Grafik).
1) Handytarif Der monatliche Tarif für ein Handy wurde als lineare Funktion der Form f(x) = k x + d modelliert (siehe Grafik). Euro Gesprächsminuten Tragen Sie in der folgenden Tabelle ein, welche Bedeutung
MehrGibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero?
Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero? Manche sagen: Ja, manche sagen: Nein Wie soll man das objektiv feststellen? Kann man Geschmack objektiv messen? - Geschmack ist subjektiv
MehrDie reellen Lösungen der kubischen Gleichung
Die reellen Lösungen der kubischen Gleichung Klaus-R. Löffler Inhaltsverzeichnis 1 Einfach zu behandelnde Sonderfälle 1 2 Die ganzrationale Funktion dritten Grades 2 2.1 Reduktion...........................................
MehrEinfache Varianzanalyse für abhängige
Einfache Varianzanalyse für abhängige Stichproben Wie beim t-test gibt es auch bei der VA eine Alternative für abhängige Stichproben. Anmerkung: Was man unter abhängigen Stichproben versteht und wie diese
MehrWas ist Sozial-Raum-Orientierung?
Was ist Sozial-Raum-Orientierung? Dr. Wolfgang Hinte Universität Duisburg-Essen Institut für Stadt-Entwicklung und Sozial-Raum-Orientierte Arbeit Das ist eine Zusammen-Fassung des Vortrages: Sozialräume
MehrEine Logikschaltung zur Addition zweier Zahlen
Eine Logikschaltung zur Addition zweier Zahlen Grundlegender Ansatz für die Umsetzung arithmetischer Operationen als elektronische Schaltung ist die Darstellung von Zahlen im Binärsystem. Eine Logikschaltung
MehrAnhand des bereits hergeleiteten Models erstellen wir nun mit der Formel
Ausarbeitung zum Proseminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn zum Thema Simulation des Anlagenpreismodels von Simon Uphus im WS 09/10 Zusammenfassung
MehrAuswerten mit Excel. Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro
Auswerten mit Excel Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro 1. Pivot-Tabellen erstellen: In der Datenmaske in eine beliebige Zelle klicken Registerkarte Einfügen
MehrThermodynamik Wärmeempfindung
Folie 1/17 Warum fühlt sich 4 warmes wesentlich heißer an als warme? Und weshalb empfinden wir kühles wiederum kälter als kühle? 7 6 5 4 2 - -2 32 32 Folie 2/17 Wir Menschen besitzen kein Sinnesorgan für
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)
Mehrimpact ordering Info Produktkonfigurator
impact ordering Info Copyright Copyright 2013 veenion GmbH Alle Rechte vorbehalten. Kein Teil der Dokumentation darf in irgendeiner Form ohne schriftliche Genehmigung der veenion GmbH reproduziert, verändert
MehrPTV VISWALK TIPPS UND TRICKS PTV VISWALK TIPPS UND TRICKS: VERWENDUNG DICHTEBASIERTER TEILROUTEN
PTV VISWALK TIPPS UND TRICKS PTV VISWALK TIPPS UND TRICKS: VERWENDUNG DICHTEBASIERTER TEILROUTEN Karlsruhe, April 2015 Verwendung dichte-basierter Teilrouten Stellen Sie sich vor, in einem belebten Gebäude,
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
Mehr1. Einführung 2. 2. Erstellung einer Teillieferung 2. 3. Erstellung einer Teilrechnung 6
Inhalt 1. Einführung 2 2. Erstellung einer Teillieferung 2 3. Erstellung einer Teilrechnung 6 4. Erstellung einer Sammellieferung/ Mehrere Aufträge zu einem Lieferschein zusammenfassen 11 5. Besonderheiten
MehrPraktikum Nr. 3. Fachhochschule Bielefeld Fachbereich Elektrotechnik. Versuchsbericht für das elektronische Praktikum
Fachhochschule Bielefeld Fachbereich Elektrotechnik Versuchsbericht für das elektronische Praktikum Praktikum Nr. 3 Manuel Schwarz Matrikelnr.: 207XXX Pascal Hahulla Matrikelnr.: 207XXX Thema: Transistorschaltungen
Mehr8. Berechnung der kalkulatorischen Zinsen
8. Berechnung der kalkulatorischen Zinsen 8.1. Allgemeines In der laufenden Rechnung werden im Konto 322.00 Zinsen nur die ermittelten Fremdkapitalzinsen erfasst. Sobald aber eine Betriebsabrechnung erstellt
MehrBERECHNUNG DER FRIST ZUR STELLUNGNAHME DES BETRIEBSRATES BEI KÜNDIGUNG
Frist berechnen BERECHNUNG DER FRIST ZUR STELLUNGNAHME DES BETRIEBSRATES BEI KÜNDIGUNG Sie erwägen die Kündigung eines Mitarbeiters und Ihr Unternehmen hat einen Betriebsrat? Dann müssen Sie die Kündigung
MehrPädagogik. Melanie Schewtschenko. Eingewöhnung und Übergang in die Kinderkrippe. Warum ist die Beteiligung der Eltern so wichtig?
Pädagogik Melanie Schewtschenko Eingewöhnung und Übergang in die Kinderkrippe Warum ist die Beteiligung der Eltern so wichtig? Studienarbeit Inhaltsverzeichnis 1. Einleitung.2 2. Warum ist Eingewöhnung
MehrWillkommen zur Vorlesung Statistik
Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Varianzanalyse Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften Prof. Dr. Wolfgang
MehrDie Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
MehrObjektorientierte Programmierung für Anfänger am Beispiel PHP
Objektorientierte Programmierung für Anfänger am Beispiel PHP Johannes Mittendorfer http://jmittendorfer.hostingsociety.com 19. August 2012 Abstract Dieses Dokument soll die Vorteile der objektorientierten
MehrMathematischer Vorbereitungskurs für Ökonomen
Mathematischer Vorbereitungskurs für Ökonomen Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Gleichungen Inhalt: 1. Grundlegendes 2. Lineare Gleichungen 3. Gleichungen mit Brüchen
MehrMedia Teil III. Begriffe, Definitionen, Übungen
Media Teil III. Begriffe, Definitionen, Übungen Kapitel 1 (Intermedia- Vergleich: Affinität) 1 Affinitätsbewertung als Mittel des Intermedia-Vergleichs Um die Streugenauigkeit eines Werbeträgers zu bestimmen,
MehrLichtbrechung an Linsen
Sammellinsen Lichtbrechung an Linsen Fällt ein paralleles Lichtbündel auf eine Sammellinse, so werden die Lichtstrahlen so gebrochen, dass sie durch einen Brennpunkt der Linse verlaufen. Der Abstand zwischen
Mehr3. LINEARE GLEICHUNGSSYSTEME
176 3. LINEARE GLEICHUNGSSYSTEME 90 Vitamin-C-Gehalt verschiedener Säfte 18,0 mg 35,0 mg 12,5 mg 1. a) 100 ml + 50 ml + 50 ml = 41,75 mg 100 ml 100 ml 100 ml b) : Menge an Kirschsaft in ml y: Menge an
MehrWord 2010 Schnellbausteine
WO.001, Version 1.0 02.04.2013 Kurzanleitung Word 2010 Schnellbausteine Word 2010 enthält eine umfangreiche Sammlung vordefinierter Bausteine, die sogenannten "Schnellbausteine". Neben den aus den früheren
Mehr