Kombinatorik. Hallo Welt Philip Kranz. 12. Juli Philip Kranz () Kombinatorik 12. Juli / 47

Größe: px
Ab Seite anzeigen:

Download "Kombinatorik. Hallo Welt Philip Kranz. 12. Juli Philip Kranz () Kombinatorik 12. Juli / 47"

Transkript

1 Kombinatorik Hallo Welt 2011 Philip Kranz 12. Juli 2011 Philip Kranz () Kombinatorik 12. Juli / 47

2 Inhalt 1 Einführung 2 Grundlagen Permutationen Variationen Kombinationen Binomialkoeffizient / Pascal sches Dreieck Zusammenfassung / Beispiel 3 Zahlenfolgen Fibonacci Catalan-Zahlen Stirling-Zahlen Euler-Zahlen Integer-Partitionen Zusammenfassung 4 Abschluss Philip Kranz () Kombinatorik 12. Juli / 47

3 Einführung Kombinatorik? Teilgebiet der diskreten Mathematik Behandelt im Wesentlichen das Zählen von Elementen in Mengen Genauer: abzählende Kombinatorik Philip Kranz () Kombinatorik 12. Juli / 47

4 Permutationen Grundlagen Permutationen Definition Jede mögliche Anordnung von n Elementen, in der alle Elemente verwendet werden, heißt Permutation dieser Elemente. Das bedeutet: Eine Permutation ist eine bijektive Abbildung einer Menge auf sich selbst. Matrixschreibweise Zykelschreibweise Permutationsmatrix ( ) (1, 4)(2)(3, 6, 5) Philip Kranz () Kombinatorik 12. Juli / 47

5 Grundlagen Permutationen Permutationen ohne Wiederholung Frage Wie viele Möglichkeiten habe ich, meine 5 Kinder in einer Reihe aufzustellen? Philip Kranz () Kombinatorik 12. Juli / 47

6 Grundlagen Permutationen Permutationen ohne Wiederholung Frage Wie viele Möglichkeiten habe ich, meine 5 Kinder in einer Reihe aufzustellen? Die erste Position können wir aus allen Kindern wählen, für die zweite Position haben wir noch 4 Kinder zur Auswahl usw. Damit kommen wir am Ende auf Möglichkeiten = 5! Philip Kranz () Kombinatorik 12. Juli / 47

7 Grundlagen Permutationen Permutationen von gruppenweise ununterscheidbaren Objekten Frage Wie viele Möglichkeiten habe ich, 80 Studenten auf 4 Räume zu verteilen, so dass in jedem Raum 20 Studenten sitzen? Philip Kranz () Kombinatorik 12. Juli / 47

8 Grundlagen Permutationen Permutationen von gruppenweise ununterscheidbaren Objekten Frage Wie viele Möglichkeiten habe ich, 80 Studenten auf 4 Räume zu verteilen, so dass in jedem Raum 20 Studenten sitzen? Es gibt 80! Möglichkeiten, 80 Studenten der Reihe nach auszuwählen Wir eliminieren alle äquivalenten Möglichkeiten, in denen die gleichen Studenten in anderer Reihenfolge in einem Raum sind Pro Raum können die Studenten auf 20! verschiedene Arten permutiert werden Damit ergeben sich Möglichkeiten. 80! 20! 20! 20! 20! Philip Kranz () Kombinatorik 12. Juli / 47

9 Grundlagen Variationen Variationen Definition Eine Variation ist eine Permutation einer Teilmenge einer gegebenen Menge. Dies ist wieder eine bijektive Abbildung, diesmal allerdings von der Teilmenge auf sich selbst. Philip Kranz () Kombinatorik 12. Juli / 47

10 Grundlagen Variation ohne Wiederholung Variationen Frage Wie viele Möglichkeiten habe ich, 3 meiner 5 Kinder in einer Reihe aufzustellen? Philip Kranz () Kombinatorik 12. Juli / 47

11 Grundlagen Variationen Variation ohne Wiederholung Frage Wie viele Möglichkeiten habe ich, 3 meiner 5 Kinder in einer Reihe aufzustellen? Gleiche Überlegung, wie bei allen 5 Kindern Wir hören einfach nach dem 3. Kind auf Es ergeben sich: Möglichkeiten = 5 i = i=3 5! (5 3)! Philip Kranz () Kombinatorik 12. Juli / 47

12 Grundlagen Variation mit Wiederholung Variationen Frage Wie viele Versuche brauche ich maximal, um ein fünfstelliges Fahrradschloss zu knacken? Philip Kranz () Kombinatorik 12. Juli / 47

13 Grundlagen Variationen Variation mit Wiederholung Frage Wie viele Versuche brauche ich maximal, um ein fünfstelliges Fahrradschloss zu knacken? Wir können fünfmal wählen Für jede Ziffer haben wir die freie Auswahl zwischen 0 und 9 Wir erhalten Möglichkeiten = 10 5 Philip Kranz () Kombinatorik 12. Juli / 47

14 Grundlagen Kombinationen Kombinationen Definition Eine Kombination ist eine Variation, bei der die Reihenfolge der Elemente nicht beachtet wird. Würden wir also aus einer Menge {a, b, c, d} Stichproben nehmen, so würden wir nicht zwischen {a, c} und {c, a} unterscheiden. Die Frage ist also: Auf wie viele verschiedene Arten können wir von einer bestimmten Menge eine Teilmenge der Größe n bilden. Philip Kranz () Kombinatorik 12. Juli / 47

15 Grundlagen Kombination ohne Wiederholung Kombinationen Frage Wie viele Möglichkeiten gibt es, 6 aus 49 Zahlen zu ziehen? Philip Kranz () Kombinatorik 12. Juli / 47

16 Grundlagen Kombination ohne Wiederholung Kombinationen Frage Wie viele Möglichkeiten gibt es, 6 aus 49 Zahlen zu ziehen? Würden wir die Reihenfolge beachten, wäre die Antwort 49! (49 6)! Philip Kranz () Kombinatorik 12. Juli / 47

17 Grundlagen Kombination ohne Wiederholung Kombinationen Frage Wie viele Möglichkeiten gibt es, 6 aus 49 Zahlen zu ziehen? Würden wir die Reihenfolge beachten, wäre die Antwort 49! (49 6)! Unsere 6 gewählten Elemente können auf 6! verschiedene Weisen permutiert sein. Nach Elimination dieser Permutationen ergeben sich: ( ) 49! 49 (49 6)!6! = 6 Möglichkeiten. Philip Kranz () Kombinatorik 12. Juli / 47

18 Grundlagen Kombination mit Wiederholung Kombinationen Frage Wenn ich aus einer (unendlich großen) Tüte mit 3 Farben Gummibärchen 5 Gummibärchen nehme, wie viele verschiedene Farbkombinationen kann ich erhalten? Philip Kranz () Kombinatorik 12. Juli / 47

19 Grundlagen Kombinationen Kombination mit Wiederholung Wir stellen uns eine Kombination als eine Folge von Nullen und Einsen vor, die die gezogenen Gummibärchen in drei Farbgruppen einteilt. Eine Null steht für ein Bärchen, eine Eins ist ein Trennzeichen zwischen den drei Farbgruppen. Beispiele (Drei rote, ein gelbes, ein grünes) (Ein rotes, zwei gelbe, zwei grüne) Philip Kranz () Kombinatorik 12. Juli / 47

20 Grundlagen Kombinationen Kombination mit Wiederholung Wir stellen uns eine Kombination als eine Folge von Nullen und Einsen vor, die die gezogenen Gummibärchen in drei Farbgruppen einteilt. Eine Null steht für ein Bärchen, eine Eins ist ein Trennzeichen zwischen den drei Farbgruppen. Beispiele (Drei rote, ein gelbes, ein grünes) (Ein rotes, zwei gelbe, zwei grüne) Damit haben wir das Problem auf eine Permutation von 7 Objekten, die teilweise ununterscheidbar sind zurückgeführt. Mögliche Permutationen von 5 Nullen und 2 Einsen sind: 7! 5! 2! = ( ) 7 = 21 5 Philip Kranz () Kombinatorik 12. Juli / 47

21 Grundlagen Kombination mit Wiederholung Kombinationen Da wir bei n verschiedenen Elementen und k Ziehungen immer genau k Nullen und n 1 Einsen brauchen, ergibt sich allgemein: (n + k 1)! (n 1)!k! ( ) n + k 1 = k Philip Kranz () Kombinatorik 12. Juli / 47

22 Grundlagen Binomialkoeffizient / Pascal sches Dreieck Binomialkoeffizient ( ) n (gelesen: k aus n ) heißt Binomialkoeffizient. k Direkte Berechnung mit n! k!(n k)! meistens ineffizient oder überlaufträchtig. Philip Kranz () Kombinatorik 12. Juli / 47

23 Binomialkoeffizient Grundlagen Binomialkoeffizient / Pascal sches Dreieck ( ) n (gelesen: k aus n ) heißt Binomialkoeffizient. k Direkte Berechnung mit n! k!(n k)! meistens ineffizient oder überlaufträchtig. Rekursionsformel: ( ) n = k ( n 1 k ) + ( ) n 1, k 1 ( ) n = n ( ) n = 1, 0 ( ) n = n 1 Philip Kranz () Kombinatorik 12. Juli / 47

24 Binomialkoeffizient Grundlagen Binomialkoeffizient / Pascal sches Dreieck ( ) n (gelesen: k aus n ) heißt Binomialkoeffizient. k Direkte Berechnung mit n! k!(n k)! meistens ineffizient oder überlaufträchtig. Rekursionsformel: ( ) n = k ( n 1 k ) + ( ) n 1, k 1 ( ) n = n ( ) n = 1, 0 ( ) n = n 1 Produktformel: n i=k i k! = k i=1 n k + i i Philip Kranz () Kombinatorik 12. Juli / 47

25 Grundlagen Berechnung Binomialkoeffizient Binomialkoeffizient / Pascal sches Dreieck Iterativ int binom ( int n, int k) { int result = 1; /* Ausnutzen der Symmetrie */ if (k > n - k) k = n - k; for ( int i = 1; i <= k; i ++) { result *= (n - k + i); result /= i; } return result ; } Philip Kranz () Kombinatorik 12. Juli / 47

26 Grundlagen Berechnung Binomialkoeffizient DP mit Rekursionsformel int binom ( int n, int k) { int dp[n +1][ k +1]; if (k > n) return 0; Binomialkoeffizient / Pascal sches Dreieck for ( int i = 0; i <= n; i ++) { dp[i ][0] = 1; dp[i][i] = 1; for ( int j = 1; j < i; j ++) dp[i][j] = dp[i -1][j -1] + dp[i -1][ j]; } } return dp[n][k]; Philip Kranz () Kombinatorik 12. Juli / 47

27 Pascal sches Dreieck Grundlagen Binomialkoeffizient / Pascal sches Dreieck DP-Version des Binomialkoeffizienten. n ( ) n ( ) n ( ) n ( ) n ( ) n ( ) n ( ) n n ( ) n i=0 i Die Summe der Elemente einer Zeile n ist immer 2 n. Dies entspricht der Mächtigkeit der Potenzmenge einer n-elementigen Menge. Philip Kranz () Kombinatorik 12. Juli / 47

28 Grundlagen Zusammenfassung / Beispiel Zusammenfassung Permutation/Variation/Kombination ohne Wiederholung mit Wiederholung Permutation n! n! n 1! n 2!... n i! n! Variation (n k)! n k ( ) ( ) n Kombination = n! n + k 1 k (n k)!k! k Philip Kranz () Kombinatorik 12. Juli / 47

29 Beispiel Grundlagen Zusammenfassung / Beispiel TopCoder Problem Wir spielen Lotto. Es werden m aus n Zahlen gezogen, ebenso wählen wir m aus n Zahlen. Wir gewinnen, wenn wir wenigstens k richtige Zahlen gewählt haben. Mit welcher Wahrscheinlichkeit gewinnen wir? Philip Kranz () Kombinatorik 12. Juli / 47

30 Beispiel Grundlagen Zusammenfassung / Beispiel Die Möglichkeiten, genau i Zahlen zu treffen, berechnen sich wie folgt: Philip Kranz () Kombinatorik 12. Juli / 47

31 Beispiel Grundlagen Zusammenfassung / Beispiel Die Möglichkeiten, genau i Zahlen zu treffen, ( berechnen ) sich wie folgt: n Möglichkeiten, m aus n Zahlen zu ziehen:. m Philip Kranz () Kombinatorik 12. Juli / 47

32 Beispiel Grundlagen Zusammenfassung / Beispiel Die Möglichkeiten, genau i Zahlen zu treffen, ( berechnen ) sich wie folgt: n Möglichkeiten, m aus n Zahlen zu ziehen:. m ( ) m Möglichkeiten, in diesen m Zahlen i richtige zu treffen:. i Philip Kranz () Kombinatorik 12. Juli / 47

33 Beispiel Grundlagen Zusammenfassung / Beispiel Die Möglichkeiten, genau i Zahlen zu treffen, ( berechnen ) sich wie folgt: n Möglichkeiten, m aus n Zahlen zu ziehen:. m ( ) m Möglichkeiten, in diesen m Zahlen i richtige zu treffen:. i ( ) n i Möglichkeiten, dass die restlichen Zahlen falsch sind: m i Philip Kranz () Kombinatorik 12. Juli / 47

34 Beispiel Grundlagen Zusammenfassung / Beispiel Die Möglichkeiten, genau i Zahlen zu treffen, ( berechnen ) sich wie folgt: n Möglichkeiten, m aus n Zahlen zu ziehen:. m ( ) m Möglichkeiten, in diesen m Zahlen i richtige zu treffen:. i ( ) n i Möglichkeiten, dass die restlichen Zahlen falsch sind: m i ( ) 2 n Es gibt genau Möglichkeiten, zweimal m aus n Zahlen zu ziehen. m Unsere Wahrscheinlichkeit ist also: ( ) ( ) ( ) n n m n i i=k m i m i ( ) 2 n m Philip Kranz () Kombinatorik 12. Juli / 47

35 Fibonacci-Zahlen Zahlenfolgen Fibonacci ICPC-Aufgabe Ein spezieller Morsecode besteht aus kurzen Tönen, die eine Zeiteinheit dauern und langen Tönen, die zwei Zeiteinheiten dauern. Wie viele verschiedene Nachrichten gibt es, die genau n Zeiteinheiten dauern? Philip Kranz () Kombinatorik 12. Juli / 47

36 Zahlenfolgen Fibonacci Fibonacci-Zahlen ICPC-Aufgabe Ein spezieller Morsecode besteht aus kurzen Tönen, die eine Zeiteinheit dauern und langen Tönen, die zwei Zeiteinheiten dauern. Wie viele verschiedene Nachrichten gibt es, die genau n Zeiteinheiten dauern? Gesucht ist eine Funktion f(n). Beginne mit den Basisfällen: f(0) = 0 f(1) = 1 f(2) = 2 Philip Kranz () Kombinatorik 12. Juli / 47

37 Zahlenfolgen Fibonacci Fibonacci-Zahlen Per Induktion gelangen wir zu f(n): Ein Code der Länge n lässt sich bilden, indem wir entweder einen kurzen Ton an irgendeinen Code der Länge n 1 oder einen langen Ton an irgendeinen Code der Länge n 2 anhängen. Philip Kranz () Kombinatorik 12. Juli / 47

38 Zahlenfolgen Fibonacci Fibonacci-Zahlen Per Induktion gelangen wir zu f(n): Ein Code der Länge n lässt sich bilden, indem wir entweder einen kurzen Ton an irgendeinen Code der Länge n 1 oder einen langen Ton an irgendeinen Code der Länge n 2 anhängen. Wir addieren die Möglichkeiten, die sich für beide Restcodes ergeben. Somit: f(n) = f(n 1) + f(n 2) Philip Kranz () Kombinatorik 12. Juli / 47

39 Fibonacci-Zahlen Zahlenfolgen Fibonacci Definition 0 n = 0 f n = 1 n = 1 f n 1 + f n 2 sonst f n = 0, 1, 1, 2, 3, 5, 8, 13, 21, 34 Philip Kranz () Kombinatorik 12. Juli / 47

40 Zahlenfolgen Fibonacci Berechnung der Fibonacci-Zahlen Entweder mit DP Oder per Fast Exponentiation von Matrizen: ( ) n ( ) 1 1 fn+1 f = n 1 0 f n f n 1 Näherungsformel: f n 1 5 φ n mit φ = Korrektes Runden führt zum exakten Ergebnis. Philip Kranz () Kombinatorik 12. Juli / 47

41 Catalan-Zahlen Zahlenfolgen Catalan-Zahlen Frage Wie viele Möglichkeiten gibt es, gültige Klammerausdrücke (Dyck-Worte) mit genau n Klammerpaaren zu bauen? Gültige Ausdrücke sind z.b.: (())(), ()()(), ()((()())) Ungültige Ausdrücke sind z.b.: )()(, ())()), (((()) Philip Kranz () Kombinatorik 12. Juli / 47

42 Zahlenfolgen Catalan-Zahlen Catalan-Zahlen Gesucht: Eine Funktion C(n). Basisfälle: C(0) = 1 C(1) = 1 Philip Kranz () Kombinatorik 12. Juli / 47

43 Zahlenfolgen Catalan-Zahlen Catalan-Zahlen Gesucht: Eine Funktion C(n). Basisfälle: C(0) = 1 C(1) = 1 Ein gültiger Ausdruck ist immer von der Form (c 1 )c 2, wobei c 1 und c 2 wieder gültige Ausdrücke oder leer sind. Philip Kranz () Kombinatorik 12. Juli / 47

44 Catalan-Zahlen Zahlenfolgen Catalan-Zahlen Gesucht: Eine Funktion C(n). Basisfälle: C(0) = 1 C(1) = 1 Ein gültiger Ausdruck ist immer von der Form (c 1 )c 2, wobei c 1 und c 2 wieder gültige Ausdrücke oder leer sind. Genau n 1 Möglichkeiten, den Ausdruck derart aufzuteilen. Für jede Aufteilung ergeben sich unterschiedlich lange c 1 und c 2. Wenn wir für jede Platzierung die Möglichen Kombinationen von c 1 und c 2 aufsummieren, erhalten wir: n C(n + 1) = C(i) C(n i) C(n) heissen Catalan-Zahlen. i=0 Philip Kranz () Kombinatorik 12. Juli / 47

45 Catalan-Zahlen Zahlenfolgen Catalan-Zahlen C(n) = 1, 1, 2, 5, 14, 42, 132, 429, 1430, 4862,... Auch berechenbar mithilfe des Binomialkoeffizienten: C(n) = 1 ( ) 2n 1 + n n Philip Kranz () Kombinatorik 12. Juli / 47

46 Catalan-Zahlen Zahlenfolgen Catalan-Zahlen C(n) = 1, 1, 2, 5, 14, 42, 132, 429, 1430, 4862,... Auch berechenbar mithilfe des Binomialkoeffizienten: C(n) = 1 ( ) 2n 1 + n n Die Catalan-Zahlen sind vielseitig interpretierbar. Beispiele: Die Anzahl der wohlgeformten Klammerausdrücke mit n Klammerpaaren. Die Anzahl der Möglichkeiten, in einem rechteckigen Raster von der linken unteren in die rechte obere Ecke zu kommen, ohne die Diagonale zu überschreiten. Die Anzahl aller möglichen Binärbäume mit n inneren Knoten, bzw. aller Binärbäume mit n + 1 Blattknoten. Philip Kranz () Kombinatorik 12. Juli / 47

47 Catalan-Zahlen Zahlenfolgen Catalan-Zahlen Anzahl möglicher Binärbäume: Jeder innere Knoten ist ein Klammerpaar. Philip Kranz () Kombinatorik 12. Juli / 47

48 Stirling-Zahlen 2. Art Zahlenfolgen Stirling-Zahlen Frage Auf wie viele verschiedene Arten kann man eine n-elementige Menge in k nichtleere disjunkte Teilmengen teilen? Beispiel: Wie viele Möglichkeiten gibt es, 5 Gäste auf 2 Gästezimmer zu verteilen, wobei beide Zimmer nicht unterscheidbar sind? Philip Kranz () Kombinatorik 12. Juli / 47

49 Zahlenfolgen Stirling-Zahlen Stirling-Zahlen 2. Art Gesucht ist eine Funktion S(n, k). Basisfälle sind: S(n, 0) = 0, n > 0 S(n, n) = 1 Philip Kranz () Kombinatorik 12. Juli / 47

50 Zahlenfolgen Stirling-Zahlen Stirling-Zahlen 2. Art Gesucht ist eine Funktion S(n, k). Basisfälle sind: S(n, 0) = 0, n > 0 S(n, n) = 1 Wir denken uns S(n, k) als die Summe der Aufteilungen, die die Teilmenge {n} beinhalten (Gruppe A) und denen, bei denen n in einer Menge zusammen mit anderen Werten vorkommt (Gruppe B). Philip Kranz () Kombinatorik 12. Juli / 47

51 Zahlenfolgen Stirling-Zahlen Stirling-Zahlen 2. Art Gesucht ist eine Funktion S(n, k). Basisfälle sind: S(n, 0) = 0, n > 0 S(n, n) = 1 Wir denken uns S(n, k) als die Summe der Aufteilungen, die die Teilmenge {n} beinhalten (Gruppe A) und denen, bei denen n in einer Menge zusammen mit anderen Werten vorkommt (Gruppe B). Beispiel S(4, 3) Aufteilungen mit {n}: {4}, {1, 2}, {3}; {4}, {1}, {2, 3}; {4}, {1, 3}, {2}; Aufteilungen ohne {n}: {1}, {2}, {3, 4}; {1}, {3}, {2, 4}; {2}, {3}, {1, 4} Philip Kranz () Kombinatorik 12. Juli / 47

52 Stirling-Zahlen 2. Art Zahlenfolgen Stirling-Zahlen Zählen von Gruppe A Da das Element {n} fest vorgegeben ist, ist diese Gruppe genauso groß, wie die Aufteilungen der restlichen n 1 Elemente in k 1 Teilmengen, also S(n 1, k 1). Philip Kranz () Kombinatorik 12. Juli / 47

53 Stirling-Zahlen 2. Art Zahlenfolgen Stirling-Zahlen Zählen von Gruppe A Da das Element {n} fest vorgegeben ist, ist diese Gruppe genauso groß, wie die Aufteilungen der restlichen n 1 Elemente in k 1 Teilmengen, also S(n 1, k 1). Zählen von Gruppe B Wir betrachten alle Aufteilungen von n 1 Elementen in k Teilmengen. Offensichtlich können wir Gruppe B bilden, indem wir in jeder möglichen Aufteilung jeweils in jede Teilmenge ein n einfügen. Da wir bei jeder Aufteilung k Teilmengen zur Auswahl haben, ergibt sich für Gruppe B: k S(n 1, k). Philip Kranz () Kombinatorik 12. Juli / 47

54 Stirling-Zahlen 2. Art Zahlenfolgen Stirling-Zahlen Zählen von Gruppe A Da das Element {n} fest vorgegeben ist, ist diese Gruppe genauso groß, wie die Aufteilungen der restlichen n 1 Elemente in k 1 Teilmengen, also S(n 1, k 1). Zählen von Gruppe B Wir betrachten alle Aufteilungen von n 1 Elementen in k Teilmengen. Offensichtlich können wir Gruppe B bilden, indem wir in jeder möglichen Aufteilung jeweils in jede Teilmenge ein n einfügen. Da wir bei jeder Aufteilung k Teilmengen zur Auswahl haben, ergibt sich für Gruppe B: k S(n 1, k). Daraus ergibt sich die Rekursionsformel: { } n S(n, k) = = k k { n 1 k } + { } n 1 k 1 Philip Kranz () Kombinatorik 12. Juli / 47

55 Stirling-Zahlen 2. Art Zahlenfolgen Stirling-Zahlen n { } n { } n { } n { } n { } n { } n { } n Die Berechnung ist auch möglich mithilfe des Binomialkoeffizienten: { } n = 1 k k! k ( ) ( 1) i k (k i) n i i=0 Philip Kranz () Kombinatorik 12. Juli / 47

56 Stirling-Zahlen 1. Art Zahlenfolgen Stirling-Zahlen Frage Auf wie viele verschiedene Arten kann man eine n-elementige Menge in k Zyklen aufteilen? Ein Zyklus ist eine Menge, bei der wir die Reihenfolge beachten, wobei z.b. [1, 2, 3], [2, 3, 1] und [3, 1, 2] äquivalent sind. Philip Kranz () Kombinatorik 12. Juli / 47

57 Zahlenfolgen Stirling-Zahlen Stirling-Zahlen 1. Art Überlegung ähnlich zu den Stirling-Zahlen 2. Art. Gesucht ist eine Funktion S 1 (n, k) mit den Basisfällen: S 1 (n, n) = 1 S 1 (n, 0) = 0, n > 0 Wir bilden wieder zwei Gruppen: Eine, bei der [n] als einzelner Zyklus vorkommt und eine, bei der n Teil eines größeren Zyklus ist. Beispiel S 1 (4, 2) Gruppe A: [4], [1, 2, 3]; [4], [1, 3, 2] Gruppe B: [1, 2], [3, 4]; [1, 3], [2, 4]; [1, 4], [2, 3]; [1], [2, 3, 4]; [1], [2, 4, 3]; [2], [1, 3, 4]; [2], [1, 4, 3]; [3], [1, 2, 4]; [3], [1, 4, 2]; Philip Kranz () Kombinatorik 12. Juli / 47

58 Stirling-Zahlen 1. Art Zahlenfolgen Stirling-Zahlen Zählen von Gruppe A Analog zu den Stirling-Zahlen 2. Art können wir Gruppe A sehen als alle Aufteilungen mit n 1 Elementen und k 1 Zyklen, wobei wir einfach den Zyklus [n] hinzufügen. Also wieder: S 1 (n 1, k 1). Philip Kranz () Kombinatorik 12. Juli / 47

59 Stirling-Zahlen 1. Art Zahlenfolgen Stirling-Zahlen Zählen von Gruppe A Analog zu den Stirling-Zahlen 2. Art können wir Gruppe A sehen als alle Aufteilungen mit n 1 Elementen und k 1 Zyklen, wobei wir einfach den Zyklus [n] hinzufügen. Also wieder: S 1 (n 1, k 1). Zählen von Gruppe B Wir betrachten wieder die Aufteilungen mit n 1 Elementen und k Zyklen. Wir können nun bei jeder Aufteilung vor (oder nach) jedem der n 1 Elemente unser n einfügen, um unterschiedliche Zyklen zu erzeugen. Da wir genau n 1 Stellen haben, an denen wir das n einfügen können, ergibt sich: (n 1) S 1 (n 1, k) Es ergibt sich die Rekursion: [ ] n S 1 (n, k) = = (n 1)S k 1 (n 1, k) + S 1 (n 1, k 1) Philip Kranz () Kombinatorik 12. Juli / 47

60 Stirling-Zahlen 1. Art Zahlenfolgen Stirling-Zahlen n [ ] n [ ] n [ ] n [ ] n [ ] n [ ] n [ ] n Philip Kranz () Kombinatorik 12. Juli / 47

61 Euler-Zahlen Zahlenfolgen Euler-Zahlen ICPC-Sommercontest 2008 (Building Mountains) Wir sollen Levels für ein Sidescroll-Jump n Run entwickeln. Wir erhalten n Bausteine für das Terrain, die alle unterschiedlich hoch sind. Wie viele Möglichkeiten haben wir, eine Welt zu bauen, die genau k Steigungen besitzt? Beispiel: Bei drei Bausteinen und einer Steigung gibt es 4 Möglichkeiten: Philip Kranz () Kombinatorik 12. Juli / 47

62 Euler-Zahlen Zahlenfolgen Euler-Zahlen ICPC-Sommercontest 2008 (Building Mountains) Wir sollen Levels für ein Sidescroll-Jump n Run entwickeln. Wir erhalten n Bausteine für das Terrain, die alle unterschiedlich hoch sind. Wie viele Möglichkeiten haben wir, eine Welt zu bauen, die genau k Steigungen besitzt? Beispiel: Bei drei Bausteinen und einer Steigung gibt es 4 Möglichkeiten: Darstellung als Zahlenfolgen: [1, 3, 2], [2, 3, 1], [2, 1, 3], [3, 1, 2] Philip Kranz () Kombinatorik 12. Juli / 47

63 Zahlenfolgen Euler-Zahlen Euler-Zahlen Gesucht: Funktion E(n, k) = Anzahl aller möglichen Zahlenfolgen der Zahlen 1..n mit genau k aufsteigenden Teilfolgen. Basisfälle: E(n, 0) = 1 E(n, n) = 0, n > 0 E(n, n 1) = 1 Philip Kranz () Kombinatorik 12. Juli / 47

64 Zahlenfolgen Euler-Zahlen Euler-Zahlen Gesucht: Funktion E(n, k) = Anzahl aller möglichen Zahlenfolgen der Zahlen 1..n mit genau k aufsteigenden Teilfolgen. Basisfälle: E(n, 0) = 1 E(n, n) = 0, n > 0 E(n, n 1) = 1 Aufteilung in 2 Gruppen: In Gruppe A steht das Element n am Anfang. In Gruppe B steht es irgendwo anders. Philip Kranz () Kombinatorik 12. Juli / 47

65 Euler-Zahlen Zahlenfolgen Euler-Zahlen Zählen von Gruppe A Da das größte Element am Anfang steht, hat jede Folge dieser Gruppe genau so viele Steigungen wie dieselbe Folge ohne das Element n. Daher ist die Zahl der Folgen in dieser Gruppe E(n 1, k). Philip Kranz () Kombinatorik 12. Juli / 47

66 Euler-Zahlen Zahlenfolgen Euler-Zahlen Zählen von Gruppe A Da das größte Element am Anfang steht, hat jede Folge dieser Gruppe genau so viele Steigungen wie dieselbe Folge ohne das Element n. Daher ist die Zahl der Folgen in dieser Gruppe E(n 1, k). Zählen von Gruppe B Wir betrachten die Folgen mit n 1 Elementen und k 1 Steigungen. Wir müssen nun n in jede Folge so einsetzen, dass sich eine zusätzliche Steigung ergibt, also entweder an einem Gefälle oder ganz am Ende. Die Anzahl der Gefälle ist n k, somit ergibt sich (n k + 1) E(n 1, k 1). Zusammengesetzt: E(n, k) = n k = n (n k + 1) n k k 1 Philip Kranz () Kombinatorik 12. Juli / 47

67 Zahlenfolgen Euler-Zahlen Euler-Zahlen n n 0 n 1 n 2 n 3 n 4 n 5 n Berechnung auch mithilfe des Binomialkoeffizienten: n k ( ) k = ( 1) i n (k i + 1) n k i=0 Philip Kranz () Kombinatorik 12. Juli / 47

68 Zahlenfolgen Integer-Partitionen Integer-Partitionen Definition Die Menge aller Summen von natürlichen Zahlen, die n ergeben, nennt man Integer-Partitionen von n. Siehe auch das Münzproblem. Philip Kranz () Kombinatorik 12. Juli / 47

69 Zahlenfolgen Integer-Partitionen Integer-Partitionen Gesucht ist eine Funktion f(n, k), die alle möglichen Zerlegungen in Zahlen k liefert. Dann ergeben sich die Basisfälle f(0, k) = 0 f(n, 0) = 0 f(n, 1) = 1 Philip Kranz () Kombinatorik 12. Juli / 47

70 Zahlenfolgen Integer-Partitionen Integer-Partitionen Gesucht ist eine Funktion f(n, k), die alle möglichen Zerlegungen in Zahlen k liefert. Dann ergeben sich die Basisfälle f(0, k) = 0 f(n, 0) = 0 f(n, 1) = 1 Für f(n, k) addieren wir nun die Anzahl der Möglichkeiten, wenn k Teil der Partition ist und wenn nicht. Somit ergibt sich: f(n, k) = f(n k, k) + f(n, k 1) Philip Kranz () Kombinatorik 12. Juli / 47

71 Zahlenfolgen Integer-Partitionen Integer-Partitionen Gesucht ist eine Funktion f(n, k), die alle möglichen Zerlegungen in Zahlen k liefert. Dann ergeben sich die Basisfälle f(0, k) = 0 f(n, 0) = 0 f(n, 1) = 1 Für f(n, k) addieren wir nun die Anzahl der Möglichkeiten, wenn k Teil der Partition ist und wenn nicht. Somit ergibt sich: f(n, k) = f(n k, k) + f(n, k 1) Die Zahl aller möglichen Integer-Partitionen einer Zahl n erhalten wir mit: f(n, n) Philip Kranz () Kombinatorik 12. Juli / 47

72 Zahlenfolgen Zusammenfassung Zahlenfolgen Zusammenfassung Folge Fibonacci Catalan Stirling 2. Art Stirling 1. Art Euler Interpretation Triangulationen eines n + 2-Ecks Zahl möglicher Klammer ausdrücke Zahl möglicher Binärbäume... Aufteilungen einer Menge in Teilmengen Aufteilungen einer Menge in Zyklen Permutationen einer Menge mit k aufsteigenden Teilfolgen Philip Kranz () Kombinatorik 12. Juli / 47

73 Zahlenfolgen Zusammenfassung Online Encyclopedia Of Integer Sequences Beispiele: Catalan-Zahlen: A Stirling-Zahlen 2. Art: A Philip Kranz () Kombinatorik 12. Juli / 47

74 Abschluss Zusammenfassung Kombinatorik behandelt das Zählen der Elemente von Mengen. Wir unterscheiden Permutationen, Variationen und Kombinationen. Lösungsansätze für kombinatorische Probleme: Mischung von Permutation/Kombination/Variation oder Induktion/Teile-Und-Herrsche Es gibt ein mannigfaltiges Ökosystem von Zahlenfolgen, die jeweils bestimmte kombinatorische Eigenschaften haben. Je mehr dieser Folgen wir kennen, um so mehr kombinatorische Probleme können wir lösen. Philip Kranz () Kombinatorik 12. Juli / 47

75 Abschluss Literatur &threadid= &d1=tutorials&d2=combinatorics R. L. Graham, D. E. Knuth, O. Patashnik: Concrete Mathematics, Addison Wesley Hallo Welt 2004, Kombinatorik, Tillmann Spiegelhauer Hallo Welt 2010, Kombinatorik, Mathhias Bayerlein Wikipedia Philip Kranz () Kombinatorik 12. Juli / 47

Kombinatorik. Simon Rainer 21. Juli Simon Kombinatorik 21. Juli / 51

Kombinatorik. Simon Rainer 21. Juli Simon Kombinatorik 21. Juli / 51 Kombinatorik Simon Rainer sr@mail25.de 21. Juli 2015 Simon Rainersr@mail25.de Kombinatorik 21. Juli 2015 1 / 51 Was ist Kombinatorik? Teilgebiet der diskreten Mathematik Endliche oder abzählbar unendliche

Mehr

Kombinatorik. Matthias Wirth Matthias Wirth Kombinatorik / 46

Kombinatorik. Matthias Wirth Matthias Wirth Kombinatorik / 46 Kombinatorik Matthias Wirth 25.06.2013 Matthias Wirth Kombinatorik 25.06.2013 1 / 46 Überblick Grundlagen Zahlenfolgen Fibonacci Catalan Euler Stirling Integer-Partitionen Anwendungsbeispiele jeweils zu

Mehr

Einleitung Grundlagen spez. Zahlenfolgen Zusammenfassung Kombinatorik. im Rahmen Hallo Welt für Fortgeschrittene. Johannes Simon

Einleitung Grundlagen spez. Zahlenfolgen Zusammenfassung Kombinatorik. im Rahmen Hallo Welt für Fortgeschrittene. Johannes Simon Kombinatorik im Rahmen Hallo Welt für Fortgeschrittene Johannes Simon - 27.06.2008 TODO 1 / 41 Kombinatorik ist ein Teilgebiet der Mathematik, das sich mit der Bestimmung der Zahl möglicher Anordnungen

Mehr

Technische Universität München. Kombinatorik. Christian Fuchs

Technische Universität München. Kombinatorik. Christian Fuchs Kombinatorik Christian Fuchs 1.Definition Kombinatorik 2.Grundlegende Zählmethoden 3.Binomialkoeffizienten 4.Permutationen 5.Stirling-Zahlen 6.Catalan-Zahlen 7.Zahlpartitionen 8.Aufgaben 9.Literatur Technische

Mehr

Kombinatorik. Dr. Lucia Draque Penso. Universität Ulm. Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 1 / 26

Kombinatorik. Dr. Lucia Draque Penso. Universität Ulm. Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 1 / 26 Kombinatorik Dr. Lucia Draque Penso Universität Ulm Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 1 / 26 Erste Vorlesung Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 2 / 26 Formales Vorlesung:

Mehr

Hallo Welt für Fortgeschrittene

Hallo Welt für Fortgeschrittene Hallo Welt für Fortgeschrittene Kombinatorik Tanja Fischer Informatik 2 Programmiersysteme Martensstraße 3 9058 Erlangen Einstieg Die Wahrscheinlichkeit, dass bei 57 Personen, 2 am gleichen Tag Geburtstag

Mehr

Berechnung von Teilmengen

Berechnung von Teilmengen Berechnung von Teilmengen Satz Anzahl der Teilmengen 2 n = n k=0 k=0 ( ) n k Beweis Korollar aus Binomischem Lehrsatz (1 + 1) n = n ( n k=0 k) 1 k 1 n k. Oder kombinatorisch: Sei M Menge mit M = n. Die

Mehr

Sachrechnen/Größen WS 14/15-

Sachrechnen/Größen WS 14/15- Kapitel Daten & Wahrscheinlichkeit 3.1 Kombinatorische Grundlagen 3.2 Kombinatorik & Wahrscheinlichkeit in der Grundschule 3.3 Daten Darstellen 3.1 Kombinatorische Grundlagen Verschiedene Bereiche der

Mehr

Kombinatorik kompakt. Stochastik WS 2016/17 1

Kombinatorik kompakt. Stochastik WS 2016/17 1 Kombinatorik kompakt Stochastik WS 2016/17 1 Übersicht Auswahl/Kombinationen von N aus m Elementen Statistische unterscheidbare ununterscheidbare Physik Objekte (gleiche) Objekte ( ohne m N m+n 1 ) N mit

Mehr

7 Das Zählen von Objekten. Themen: Teile und Herrsche Zählen durch Bijektion

7 Das Zählen von Objekten. Themen: Teile und Herrsche Zählen durch Bijektion 7 Das Zählen von Objekten Themen: Teile und Herrsche Zählen durch Bijektion Grundprinzipien des Zählens 1. Teile und Hersche: Strukturiere die zu zählenden Objekte so, dass sie in Teilklassen zerfallen,

Mehr

WS 2008/09. Diskrete Strukturen

WS 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

Mehr

Vollständige Induktion. Analysis I. Guofang Wang. Universität Freiburg

Vollständige Induktion. Analysis I. Guofang Wang. Universität Freiburg Universität Freiburg 26.10.2011 Vollständige Induktion Wir unterbrechen jetzt die Diskussion der Axiome der reellen Zahlen, um das Beweisverfahren der vollständigen Induktion kennenzulernen. Wir setzen

Mehr

Der Binomische Lehrsatz, die Binomialkoeffizienten und das PASCALsche Dreieck

Der Binomische Lehrsatz, die Binomialkoeffizienten und das PASCALsche Dreieck 1 Der Binomische Lehrsatz, die Binomialkoeffizienten und das PASCALsche Dreieck Wir kennen die beiden binomischen Formeln: Sie sind ein Sonderfall des Binomischen Lehrsatzes: Wir sehen, dass die Potenzen

Mehr

Kapitel 2. Kapitel 2 Zählen (Kombinatorik)

Kapitel 2. Kapitel 2 Zählen (Kombinatorik) Zählen (Kombinatorik) Inhalt 2.1 2.1 Einfache Zählformeln A A B B = A A + B. B. 2.2 2.2 Binomialzahlen 2.3 2.3 Die Die Siebformel 2.4 2.4 Permutationen Seite 2 2.1 Einfache Zählformeln Erinnerung: Für

Mehr

Tutorium: Diskrete Mathematik

Tutorium: Diskrete Mathematik Tutorium: Diskrete Mathematik Vorbereitung der Bonusklausur am 24.11.2016 (Teil 2) 23. November 2016 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2016 Steven Köhler 23. November 2016

Mehr

WS 2016/17 Diskrete Strukturen Kapitel 3: Kombinatorik (1)

WS 2016/17 Diskrete Strukturen Kapitel 3: Kombinatorik (1) WS 2016/17 Diskrete Strukturen Kapitel 3: Kombinatorik (1) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16

Mehr

WS 2009/10. Diskrete Strukturen

WS 2009/10. Diskrete Strukturen WS 2009/10 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/ws0910

Mehr

Prof. S. Krauter Kombinatorik. WS Blatt04.doc

Prof. S. Krauter Kombinatorik. WS Blatt04.doc Prof. S. Krauter Kombinatorik. WS-05-06 Blatt04.doc Mengenpartitionen:. Auf dem Tisch liegen 7 verschiedene Gegenstände. Wie viele verschiedene Möglichkeiten gibt es, diese 7 Gegenstände in 3 gleiche Schachteln

Mehr

Kombinatorik: Abzählverfahren (Teschl/Teschl 7) Summenregel. Allgemeiner

Kombinatorik: Abzählverfahren (Teschl/Teschl 7) Summenregel. Allgemeiner Kombinatorik: Abzählverfahren Teschl/Teschl 7 Fragestellung: Wie viele verschiedene Möglichkeiten gibt es, Elemente auszuwählen, z. B. Anzahl verschiedener möglicher Passwörter, IPAdressen, Zahlenkombinationen

Mehr

2.6 Zahlpartitionen. 2.7 Mehr Rekursionsformeln - Catalanzahlen

2.6 Zahlpartitionen. 2.7 Mehr Rekursionsformeln - Catalanzahlen Beweis. (kombinatorisch): Links steht die Anzahl der k-partitionen einer n-elementigen Menge. Wie entstehen diese? Wir wählen wieder ein festes Element e n aus M. Man kann die k-partitionen von M dann

Mehr

Kombinatorik. Jörn Loviscach. Versionsstand: 31. Oktober 2009, 17:22. 1 Begriff Kombinatorik; Zahl aller Teilmengen

Kombinatorik. Jörn Loviscach. Versionsstand: 31. Oktober 2009, 17:22. 1 Begriff Kombinatorik; Zahl aller Teilmengen Kombinatorik Jörn Loviscach Versionsstand: 31. Oktober 2009, 17:22 1 Begriff Kombinatorik; Zahl aller Teilmengen Die Kombinatorik ein recht kleines Gebiet der Mathematik befasst sich mit dem Abzählen von

Mehr

Diskrete Mathematik 1 WS 2008/09

Diskrete Mathematik 1 WS 2008/09 Ruhr-Universität Bochum Lehrstuhl für Kryptologie und IT-Sicherheit Prof. Dr. Alexander May M. Ritzenhofen, M. Mansour Al Sawadi, A. Meurer Lösungsblatt zur Vorlesung Diskrete Mathematik 1 WS 2008/09 Blatt

Mehr

KAPITEL 2. Kombinatorik

KAPITEL 2. Kombinatorik KAPITEL 2 Kombinatori In der Kombinatori geht es um das Abzählen von Kombinationen 21 Geburtstagsproblem Beispiel 211 (Geburtstagsproblem In einem Raum befinden sich 200 Studenten Wie groß ist die Wahrscheinlicheit,

Mehr

Surjektive, injektive und bijektive Funktionen.

Surjektive, injektive und bijektive Funktionen. Kapitel 1: Aussagen, Mengen, Funktionen Surjektive, injektive und bijektive Funktionen. Definition. Sei f : M N eine Funktion. Dann heißt f surjektiv, falls die Gleichung f(x) = y für jedes y N mindestens

Mehr

4. Kombinatorik *) In der Kombinatorik werden drei wichtige Symbole benötigt: o n! o (n) k o

4. Kombinatorik *) In der Kombinatorik werden drei wichtige Symbole benötigt: o n! o (n) k o *) Die Berechnung der Wahrscheinlichkeit im Laplace-Experiment wirkt zunächst einfach. Man muss einfach die Anzahl der günstigen Fälle durch die Anzahl der möglichen Fälle teilen. Das Feststellen dieser

Mehr

Wahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26)

Wahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26) Wahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26 Ein Wahrscheinlichkeitsraum (Ω, P ist eine Menge Ω (Menge aller möglichen Ausgänge eines Zufallsexperiments: Ergebnismenge versehen mit einer Abbildung

Mehr

Prinzip der Inklusion- Exklusion

Prinzip der Inklusion- Exklusion Prinzip der Inklusion- Exklusion Ziel: Zählen von Elementen in nicht-disjunkten Mengen. 2 Mengen A 1, A 2 : Zählen zunächst die Elemente in A 1. Addieren dazu die Anzahl der Elemente in A 2. Zählen damit

Mehr

von Zahlenfolgen, die bei Gebietsteilungsproblemen

von Zahlenfolgen, die bei Gebietsteilungsproblemen Zahlenfolgen bei Gebietsteilungsproblemen Karin Halupczok Oktober 005 Zusammenfassung Gesucht sind rekursive und explizite Bildungsgesetze von Zahlenfolgen, die bei Gebietsteilungsproblemen auftauchen:

Mehr

Beispiel 2 ([1], Ex ) Sei jxj = m, jy j = n. Wieviele Funktionen f : X! Y

Beispiel 2 ([1], Ex ) Sei jxj = m, jy j = n. Wieviele Funktionen f : X! Y Kombinatorik Nach [1], Chap.4 (Counting Methods and the Pigeonhole Principle). Multiplikationsprinzip Beispiel 1 Wieviele Wörter der Länge 4 kann man aus den Buchstaben A,B,C,D,E bilden,... 1. wenn Wiederholungen

Mehr

Diskrete Strukturen. Hausaufgabe 1 (5 Punkte)

Diskrete Strukturen. Hausaufgabe 1 (5 Punkte) Technische Universität München Fakultät für Informatik Lehrstuhl für Informatik 15 Computergraphik & Visualisierung Prof. Dr. Rüdiger Westermann Dr. Werner Meixner Wintersemester 007/08 Lösungsblatt 7

Mehr

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18 Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18 16. November 2017 1/35 Modulare Arithmetik Modulare Arithmetik Definition 3.33 Es sei

Mehr

: das Bild von ) unter der Funktion ist gegeben durch

: das Bild von ) unter der Funktion ist gegeben durch % 1.3 Funktionen Seien und Mengen nennt man Funktion oder Abbildung. Beachte: Zuordnung ist eindeutig. Bezeichnungen: : Definitionsbereich : Bildbereich (Zielmenge) von Der Graph einer Funktion: graph!

Mehr

3. Kombinatorik Modelltheoretische Wahrscheinlichkeiten Regeln der Kombinatorik

3. Kombinatorik Modelltheoretische Wahrscheinlichkeiten Regeln der Kombinatorik 3. Kombinatorik Modelltheoretische Wahrscheinlichkeiten lassen sich häufig durch Abzählen der günstigen und möglichen Fällen lösen. Kompliziertere Fragestellungen bedürfen aber der Verwendung mathematischer

Mehr

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 1

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 1 TUM, Zentrum Mathematik Lehrstuhl für Mathematische Physik WS 2013/ Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weidner Tutoraufgaben: Einführung in die Wahrscheinlichkeitstheorie svorschläge zu

Mehr

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 2

Einführung in die Wahrscheinlichkeitstheorie Lösungsvorschläge zu Übungsblatt 2 TUM, Zentrum Mathematik Lehrstuhl für Mathematische Physik WS 2013/14 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weidner Tutoraufgaben: Einführung in die Wahrscheinlichkeitstheorie svorschläge

Mehr

3. Kombinatorik und Wahrscheinlichkeit

3. Kombinatorik und Wahrscheinlichkeit 3. Kombinatorik und Wahrscheinlichkeit Es geht hier um die Bestimmung der Kardinalität endlicher Mengen. Erinnerung: Seien A, B, A 1,..., A n endliche Mengen. Dann gilt A = B ϕ: A B bijektiv Summenregel:

Mehr

Notizen zu Transformationen und Permutationen. T (A) = {f : A A}

Notizen zu Transformationen und Permutationen. T (A) = {f : A A} Transformationen Notizen zu Transformationen und Permutationen Ist A eine Menge, so ist die Menge T (A) = {f : A A} bezüglich der Komposition (Hintereinanderausführung) als Operation und der identischen

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 12. Dezember 2012 1 Kombinatorik Fakultät Binomialkoeffizienten Urnenmodelle 2 Definition Fakultät Die Zahl n! =

Mehr

(b) Man nennt die Menge M beschränkt, wenn sie nach oben und unten beschränkt ist.

(b) Man nennt die Menge M beschränkt, wenn sie nach oben und unten beschränkt ist. 8 Punktmengen Für die Menge M = { 1 n ; n N } ist 1 = max(m), denn 1 M und 1 n 1 für alle n N. Die Menge M besitzt aber kein Minimum, denn zu jeder Zahl x = 1 n M existiert ein y M mit y < x, etwa y =

Mehr

1 Begriff Kombinatorik; Zahl aller Teilmengen

1 Begriff Kombinatorik; Zahl aller Teilmengen 6 Kombinatorik Jörn Loviscach Versionsstand: 2. Dezember 2011, 16:25 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Videos dazu: http://www.j3l7h.de/videos.html This work

Mehr

Stetige Funktionen, Binomischer Lehrsatz

Stetige Funktionen, Binomischer Lehrsatz Vorlesung 13 Stetige Funktionen, Binomischer Lehrsatz 13.1 Funktionenfolgen Wir verbinden nun den Grenzwertbegriff mit dem Funktionsbegriff. Es seien (a n ) n N eine reelle Folge und f : R R eine Funktion.

Mehr

Binomischer Lehrsatz. Gymnasium Immensee Vertiefungskurs Mathematik. Bettina Bieri

Binomischer Lehrsatz. Gymnasium Immensee Vertiefungskurs Mathematik. Bettina Bieri Binomischer Lehrsatz Gymnasium Immensee Vertiefungskurs Mathematik Bettina Bieri 24. Juli 20 Inhaltsverzeichnis Nötiges Vorwissen. Fakultät................................ Definition...........................2

Mehr

Vorkurs Mathematik. Christoph Hindermann. Mengenlehre und Kombinatorik

Vorkurs Mathematik. Christoph Hindermann. Mengenlehre und Kombinatorik Kapitel 1 Christoph Hindermann Vorkurs Mathematik 1 1.1.1 Begriff der Menge Eine Menge ist eine Zusammenfassung bestimmer, wohl unterscheidbarer Objekte unserer Anschauung oder unseres Denkens. Die Objekte

Mehr

Kapitel 1. Grundlagen

Kapitel 1. Grundlagen Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig

Mehr

Wahrscheinlichkeitstheorie Aufgaben mit Lösungen. Jörg Gayler, Lubov Vassilevskaya

Wahrscheinlichkeitstheorie Aufgaben mit Lösungen. Jörg Gayler, Lubov Vassilevskaya Wahrscheinlichkeitstheorie Aufgaben mit Lösungen Jörg Gayler, Lubov Vassilevskaya i Inhaltsverzeichnis Kombinatorisches Rechnen. Formelsammlung.................................... 2. Fakultät : Definition,

Mehr

Musterlösung zur Probeklausur zur Kombinatorik

Musterlösung zur Probeklausur zur Kombinatorik UNIVERSITÄT ULM Institut für Zahlentheorie und Wahrscheinlichkeitstheorie Musterlösung zur Probeklausur zur Kombinatorik Prof. Dr. Helmut Maier, Hans- Peter Reck Gesamtpunktzahl: 00 Punkte Freitag,. Dezember

Mehr

Universität Basel Wirtschaftswissenschaftliches Zentrum. Kombinatorik. Dr. Thomas Zehrt. Inhalt: 1. Endliche Mengen 2. Einfache Urnenexperimente

Universität Basel Wirtschaftswissenschaftliches Zentrum. Kombinatorik. Dr. Thomas Zehrt. Inhalt: 1. Endliche Mengen 2. Einfache Urnenexperimente Universität Basel Wirtschaftswissenschaftliches Zentrum Kombinatorik Dr. Thomas Zehrt Inhalt: 1. Endliche Mengen 2. Einfache Urnenexperimente 2 Teil 1 Endliche Mengen Eine endliche Menge M ist eine Menge,

Mehr

Counting-Übungen (SS4) Felix Rohrer. Grundlagen des Zählens. 1. KR, Abschnitt 5.1, Aufgabe 7: I. KR, Abschnitt 5.1, Aufgabe 15:

Counting-Übungen (SS4) Felix Rohrer. Grundlagen des Zählens. 1. KR, Abschnitt 5.1, Aufgabe 7: I. KR, Abschnitt 5.1, Aufgabe 15: Counting-Übungen (SS4) Felix Rohrer Grundlagen des Zählens 1. KR, Abschnitt 5.1, Aufgabe 7:? Es gibt 17'576 Monogramme 17576 (1.1) I. KR, Abschnitt 5.1, Aufgabe 15: Wörter mit 1 Zeichen + Wörter mit 2

Mehr

Vorkurs Mathematik. JProf. Dr. Pia Pinger / Dr. Andreas Pondorfer. September/Oktober Lennéstraße 43, 1. OG

Vorkurs Mathematik. JProf. Dr. Pia Pinger / Dr. Andreas Pondorfer. September/Oktober Lennéstraße 43, 1. OG Vorkurs Mathematik JProf. Dr. Pia Pinger / Dr. Andreas Pondorfer Lennéstraße 43, 1. OG pinger@uni-bonn.de September/Oktober 2017 JProf. Dr. Pia Pinger / Dr. Andreas Pondorfer Vorkurs Mathematik September/Oktober

Mehr

Hallo Welt für Fortgeschrittene

Hallo Welt für Fortgeschrittene Hallo Welt für Fortgeschrittene Kombinatorik Andreas Siegling Informatik 2 Programmiersysteme Martensstraße 3 91058 Erlangen Einstieg Es gibt ca. 6.7 x 10 21 verschiedene 9x9 Standard-Sudokus. Für Tic

Mehr

Diskrete Strukturen Kapitel 2: Grundlagen (Mengen)

Diskrete Strukturen Kapitel 2: Grundlagen (Mengen) WS 2016/17 Diskrete Strukturen Kapitel 2: Grundlagen (Mengen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16

Mehr

Binomialkoeffizienten

Binomialkoeffizienten Binomialkoeffizienten ) = n! Die Anzahl ( n k der k-elementigen Teilmengen einer k!(n k)! n-elementigen Menge heißt Binomialkoeffizient n über k. Wichtig sind folgende Eigenschaften, welche die Berechnung

Mehr

5. Äquivalenzrelationen

5. Äquivalenzrelationen 5. Äquivalenzrelationen 35 5. Äquivalenzrelationen Wenn man eine große und komplizierte Menge (bzw. Gruppe) untersuchen will, so kann es sinnvoll sein, zunächst kleinere, einfachere Mengen (bzw. Gruppen)

Mehr

Hilfsmittel aus der Kombinatorik, Vollständige Induktion, Reelle Zahlenfolgen

Hilfsmittel aus der Kombinatorik, Vollständige Induktion, Reelle Zahlenfolgen 7. Vorlesung im Brückenkurs Mathematik 2017 Hilfsmittel aus der Kombinatorik, Vollständige Induktion, Reelle Zahlenfolgen Dr. Markus Herrich Markus Herrich Kombinatorik, Vollständige Induktion, Zahlenfolgen

Mehr

Übungen Abgabetermin: Freitag, , 10 Uhr

Übungen Abgabetermin: Freitag, , 10 Uhr Universität Münster Institut für Mathematische Statistik Stochastik für Lehramtskandidaten SoSe 015, Blatt 1 Löwe/Heusel Übungen Abgabetermin: Freitag, 10.7.015, 10 Uhr Hinweis: Dies ist nur eine Beispiellösung.

Mehr

Wiederholung: Laplace scher W.-Raum

Wiederholung: Laplace scher W.-Raum 1 Wiederholung: Laplace scher W.-Raum Sei Ω = {ω 1,ω 2,...,ω s } eine s-elementige Menge von Elementarereignissen und gelte p(ω) = 1/s für alle ω Ω. Dann nennen wir (Ω,P ) einen Laplace schen W-Raum. Problem:

Mehr

Kombinatorik. 1. Permutationen 2. Variationen 3. Kombinationen. ad 1) Permutationen. a) Permutationen von n verschiedenen Elementen

Kombinatorik. 1. Permutationen 2. Variationen 3. Kombinationen. ad 1) Permutationen. a) Permutationen von n verschiedenen Elementen Kombinatorik Zur Berechnung der Wahrscheinlichkeit eines zusammengesetzten Ereignisses ist oft erforderlich, zwei verschiedene Anzahlen zu berechnen: die Anzahl aller Elementarereignisse und die Anzahl

Mehr

Vorlesung. Vollständige Induktion 1

Vorlesung. Vollständige Induktion 1 WS 015/16 Vorlesung Vollständige Induktion 1 1 Einführung Bei der vollständigen Induktion handelt es sich um ein wichtiges mathematisches Beweisverfahren, mit dem man Aussagen, die für alle natürlichen

Mehr

Die Schreibweise x M bedeutet, dass das Objekt x in der Menge M liegt. Ist dies nicht der Fall, dann schreibt man

Die Schreibweise x M bedeutet, dass das Objekt x in der Menge M liegt. Ist dies nicht der Fall, dann schreibt man Die Schreibweise x M bedeutet, dass das Objekt x in der Menge M liegt. Ist dies nicht der Fall, dann schreibt man x / M. Man sagt, M ist Teilmenge von N und schreibt M N, wenn für jedes x M auch x N gilt.

Mehr

SS 2016 Torsten Schreiber

SS 2016 Torsten Schreiber SS 01 Torsten Schreiber 15 Ein lineares Gleichungssystem besteht immer aus einer Anzahl an Variablen und Gleichungen. Die Zahlen vor den Variablen werden in der sogenannten zusammen gefasst und die Zahlen

Mehr

Vorlesung. Prof. Janis Voigtländer Übungsleitung: Dennis Nolte. Mathematische Strukturen Sommersemester 2017

Vorlesung. Prof. Janis Voigtländer Übungsleitung: Dennis Nolte. Mathematische Strukturen Sommersemester 2017 Vorlesung Mathematische Strukturen Sommersemester 017 Prof. Janis Voigtländer Übungsleitung: Dennis Nolte Kombinatorik: Einführung Es folgt eine Einführung in die abzählende Kombinatorik. Dabei geht es

Mehr

Unter dem Symbol n! (gelesen n Fakultät) versteht man das Produkt der natürlichen Zahlen von 1 bis n.

Unter dem Symbol n! (gelesen n Fakultät) versteht man das Produkt der natürlichen Zahlen von 1 bis n. Die Fakultät Definition: Unter dem Symbol n! (gelesen n Fakultät) versteht man das Produkt der natürlichen Zahlen von 1 bis n. n! = 1 2 3... (n 2) (n 1) n Zusätzlich wird definiert 0! = 1 Wie aus der Definition

Mehr

Klausur: Diskrete Strukturen I

Klausur: Diskrete Strukturen I Universität Kassel Fachbereich 10/1 13.03.2013 Klausur: Diskrete Strukturen I Name: Vorname: Matrikelnummer: Versuch: Unterschrift: Bitte fangen Sie für jede Aufgabe ein neues Blatt an. Beschreiben Sie

Mehr

t r Lineare Codierung von Binärbbäumen (Wörter über dem Alphabet {, }) Beispiel code( ) = code(, t l, t r ) = code(t l ) code(t r )

t r Lineare Codierung von Binärbbäumen (Wörter über dem Alphabet {, }) Beispiel code( ) = code(, t l, t r ) = code(t l ) code(t r ) Definition B : Menge der binären Bäume, rekursiv definiert durch die Regeln: ist ein binärer Baum sind t l, t r binäre Bäume, so ist auch t =, t l, t r ein binärer Baum nur das, was durch die beiden vorigen

Mehr

Ü b u n g s b l a t t 10

Ü b u n g s b l a t t 10 Einführung in die Stochastik Sommersemester 07 Dr. Walter Oevel. 6. 2007 Ü b u n g s b l a t t 0 Mit und gekennzeichnete Aufgaben können zum Sammeln von Bonuspunkten verwendet werden. Lösungen von -Aufgaben

Mehr

Entscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen?

Entscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Entscheidungsbäume Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Definition Entscheidungsbaum Sei T ein Binärbaum und A = {a 1,..., a n } eine zu sortierenden Menge. T ist ein Entscheidungsbaum

Mehr

Mathematik für Naturwissenschaftler I WS 2009/2010

Mathematik für Naturwissenschaftler I WS 2009/2010 Mathematik für Naturwissenschaftler I WS 2009/2010 Lektion 8 10. November 2009 Kapitel 2. Konvergenz von Folgen und Reihen Definition 27. Eine (reelle bzw. komplexe) Zahlenfolge ist eine R- bzw. C-wertige

Mehr

1 Natürliche Zahlen und vollständige Indution Beispiel : Für jede Zahl x 6 1gilt die geometrische Summenformel 1+x + x + :::+ x n 1 xn+1 1 x : (I) Für

1 Natürliche Zahlen und vollständige Indution Beispiel : Für jede Zahl x 6 1gilt die geometrische Summenformel 1+x + x + :::+ x n 1 xn+1 1 x : (I) Für 1 Natürliche Zahlen und vollständige Indution Die ganzen Zahlen hat der liebe Gott gemacht, alles andere ist Menschenwer. (L. Kronecer) Wir setzen das System N der natürlichen Zahlen 1; ; 3;::: als beannt

Mehr

2 ZAHLEN UND VARIABLE

2 ZAHLEN UND VARIABLE Zahlen und Variable 2 ZAHLEN UND VARIABLE 2.1 Grundlagen der Mengenlehre Unter einer Menge versteht man die Zusammenfassung von unterscheidbaren Objekten zu einem Ganzen. Diese Objekte bezeichnet man als

Mehr

Übungen zum Vorkurs Mathematik für Studienanfänger Ein leeres Produkt ist gleich 1, eine leere Summe 0. ***

Übungen zum Vorkurs Mathematik für Studienanfänger Ein leeres Produkt ist gleich 1, eine leere Summe 0. *** Universität Bonn Mathematisches Institut Dr. Michael Welter Übungen zum Vorkurs Mathematik für Studienanfänger 2013 Einige Zeichen und Konventionen: IN := {1, 2, 3, 4,...} Die Menge der natürlichen Zahlen

Mehr

2. Symmetrische Gruppen

2. Symmetrische Gruppen 14 Andreas Gathmann 2 Symmetrische Gruppen Im letzten Kapitel haben wir Gruppen eingeführt und ihre elementaren Eigenschaften untersucht Wir wollen nun eine neue wichtige Klasse von Beispielen von Gruppen

Mehr

Wahrscheinlichkeiten beim Doppelkopf

Wahrscheinlichkeiten beim Doppelkopf Wahrscheinlichkeiten beim Doppelkopf Carsten Wieneke 14. März 2015 Zusammenfassung Die folgenden Seiten geben zunächst einen Überblick über theoretische Grundlagen zur Berechnung von Wahrscheinlichkeiten

Mehr

Kombinatorik. LSGM Leipziger Schülergesellschaft für Mathematik. Toscho Mathecamp 12. Juli 21. Juli 2008 Klasse 11/12. Inhaltsverzeichnis

Kombinatorik. LSGM Leipziger Schülergesellschaft für Mathematik. Toscho Mathecamp 12. Juli 21. Juli 2008 Klasse 11/12. Inhaltsverzeichnis LSGM Leipziger Schülergesellschaft für Mathemati Kombinatori Toscho Mathecamp 1. Juli 1. Juli 008 Klasse 11/1 Inhaltsverzeichnis 1 Grundlagen Aufgaben 3 3 Politi in der Mathemati 3 4 Olympiadeaufgaben

Mehr

Grundlagen: 1. Logik. Aussagen und Aussagenformen Wahrheitstabellen; Tautologien und Kontradiktionen Logische Äquivalenz. Prädikate und Quantoren

Grundlagen: 1. Logik. Aussagen und Aussagenformen Wahrheitstabellen; Tautologien und Kontradiktionen Logische Äquivalenz. Prädikate und Quantoren Zusammenfassung Grundlagen Logik, Mengen, Relationen, Folgen & Mengenfamilien, Kardinalitäten Techniken Mathematisches Beweisen, Induktion, Kombinatorische Beweise Strukturen Graphen 1 Grundlagen: 1. Logik

Mehr

3. Kombinatorik Modelltheoretische Wahrscheinlichkeiten Regeln der Kombinatorik

3. Kombinatorik Modelltheoretische Wahrscheinlichkeiten Regeln der Kombinatorik 3. Kombinatorik Modelltheoretische Wahrscheinlichkeiten lassen sich häufig durch Abzählen der günstigen und möglichen Fällen lösen. Kompliziertere Fragestellungen bedürfen aber der Verwendung mathematischer

Mehr

5 Kombinatorik. 5.1 Permutationen. Übungsmaterial 1

5 Kombinatorik. 5.1 Permutationen. Übungsmaterial 1 Übungsmaterial 1 5 Kombinatorik In der Kombinatorik gibt es eine Reihe von odellen. Im Folgenden werden diese jeweils an einem Beispiel erklärt, im nschluss wird eine allgemeine Formel hergeleitet. 5.1

Mehr

Frage 1. Wie viele Möglichkeiten gibt es, ein Element aus einer Menge M auszuwählen? n = M

Frage 1. Wie viele Möglichkeiten gibt es, ein Element aus einer Menge M auszuwählen? n = M Kapitel 1 Kombinatorik (Prof. K. Gerald van den Boogaart) 1.1 Grundprinzipien 1.1.1 Auswahl aus Möglichkeiten Frage 1. Wie viele Möglichkeiten gibt es, ein Element aus einer Menge M auszuwählen? n = M

Mehr

Grundlagen der Kombinatorik

Grundlagen der Kombinatorik Statistik 1 für SoziologInnen Grundlagen der Kombinatorik Univ.Prof. Dr. Marcus Hudec Zufallsauswahl aus Grundgesamtheiten In der statistischen Praxis kommt dem Ziehen von Stichproben größte Bedeutung

Mehr

Elemente der Stochastik (SoSe 2016) 6. Übungsblatt

Elemente der Stochastik (SoSe 2016) 6. Übungsblatt Dr. M. Weimar 19.05.2016 Elemente der Stochastik (SoSe 2016 6. Übungsblatt Aufgabe 1 ( Punkte Eine Klausur, die insgesamt von zwölf Kursteilnehmern geschrieben wurde, soll von drei Gutachtern bewertet

Mehr

Geoinformation I Landkarten

Geoinformation I Landkarten Folie 1 von 17 Geoinformation I Landkarten Folie 2 von 17 Landkarte Übersicht! Tesselation: Definition! Landkarte " Definition " Einschränkungen " Topologische Beziehungen " Euler-Formel " Topologische

Mehr

Geoinformation I Landkarten

Geoinformation I Landkarten Folie 1 von 17 Geoinformation I Landkarten Folie 2 von 17 Landkarte Übersicht Tesselation: Definition Landkarte Definition Einschränkungen Topologische Beziehungen Euler-Formel Topologische Fehler Integritätsbedingungen

Mehr

Numerische Verfahren und Grundlagen der Analysis

Numerische Verfahren und Grundlagen der Analysis Numerische Verfahren und Grundlagen der Analysis Rasa Steuding Hochschule RheinMain Wiesbaden Wintersemester 2011/12 R. Steuding (HS-RM) NumAna Wintersemester 2011/12 1 / 26 1. Folgen R. Steuding (HS-RM)

Mehr

WS 2014/15 Diskrete Strukturen Kapitel 3: Kombinatorik (2)

WS 2014/15 Diskrete Strukturen Kapitel 3: Kombinatorik (2) WS 2014/15 Diskrete Strukturen Kapitel 3: Kombinatorik (2) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_14

Mehr

Einführung in die Wahrscheinlichkeitsrechnung

Einführung in die Wahrscheinlichkeitsrechnung Marco Cattaneo Institut für Statistik Ludwig-Maximilians-Universität München Sommersemester 2011 1. Wahrscheinlichkeitsrechnung 2. Diskrete Zufallsvariable 3. Stetige Zufallsvariable 4. Grenzwertsätze

Mehr

4. Die elementaren Zählfunktionen. Definition 165 (Binomialkoeffizienten) 4.1 Untermengen. align

4. Die elementaren Zählfunktionen. Definition 165 (Binomialkoeffizienten) 4.1 Untermengen. align 4. Die elementaren Zählfuntionen 4.1 Untermengen Definition 165 (Binomialoeffizienten) align ( ) n := 1 n N 0 0 ( ) n := 0 n

Mehr

Rekursion. Annabelle Klarl. Einführung in die Informatik Programmierung und Softwareentwicklung

Rekursion. Annabelle Klarl. Einführung in die Informatik Programmierung und Softwareentwicklung Rekursion Annabelle Klarl Zentralübung zur Vorlesung Einführung in die Informatik: http://www.pst.ifi.lmu.de/lehre/wise-12-13/infoeinf WS12/13 Aufgabe 1: Potenzfunktion Schreiben Sie eine Methode, die

Mehr

2 Folgen und Reihen. 2.1 Folgen in C Konvergenz von Folgen. := f(n)

2 Folgen und Reihen. 2.1 Folgen in C Konvergenz von Folgen. := f(n) 2 Folgen und Reihen 2.1 Folgen in C 2.1.1 Konvergenz von Folgen Eine Folge komplexer Zahlen ist eine Funktion f : N C. Mit a n schreibt man (a n ) n=1, (a n ) oder auch a 1, a 2,.... := f(n) (a n ) heißt

Mehr

7 Äquivalenzrelationen

7 Äquivalenzrelationen 71 7 Äquivalenzrelationen 7.1 Äquivalenzrelationen und Klassen Definition Eine Relation R auf einer Menge oder einem allgemeineren Objektbereich heißt eine Äquivalenzrelation, falls sie reflexiv, symmetrisch

Mehr

Kombinatorik und Urnenmodelle

Kombinatorik und Urnenmodelle Kapitel 2 Kombinatori und Urnenmodelle In diesem Abschnitt nehmen wir an, dass (Ω, A, P ein Laplace scher Wahrscheinlicheitsraum ist (vgl. Bsp.1.3, d.h. Ω ist endlich, A = P (Ω und P (A = A Ω A Ω. Für

Mehr

Vorkurs Mathematik für Informatiker Kombinatorik --

Vorkurs Mathematik für Informatiker Kombinatorik -- Vorkurs Mathematik für Informatiker -- 10 Kombinatorik -- Thomas Huckle Stefan Zimmer 30.09.2014 1 Urnenmodell In der Kombinatorik interessiert man sich dafür, wie viele Möglichkeiten es für die Ergebnisse

Mehr

Kombinatorik. Additions- und Multiplikationsgesetz

Kombinatorik. Additions- und Multiplikationsgesetz Kombinatorik Die Kombinatorik beschäftigt sich mit der Berechnung der Anzahl Möglichkeiten, eine Anzahl von Objekten aus einer Grundmenge auszuwählen. Z.B. beim Schweizer Zahlenlotto 6 aus 45. Dabei wird

Mehr

1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6

1 Vorbemerkungen 1. 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2. 3 Wahrscheinlichkeitsaxiome 4. 4 Laplace-Experimente 6 Inhaltsverzeichnis 1 Vorbemerkungen 1 2 Zufallsexperimente - grundlegende Begriffe und Eigenschaften 2 3 Wahrscheinlichkeitsaxiome 4 4 Laplace-Experimente 6 5 Hilfsmittel aus der Kombinatorik 7 1 Vorbemerkungen

Mehr

Kombinatorik. smo osm. Thomas Huber, Viviane Kehl. Inhaltsverzeichnis. Aktualisiert: 1. Dezember 2015 vers Divide and Conquer 2

Kombinatorik. smo osm. Thomas Huber, Viviane Kehl. Inhaltsverzeichnis. Aktualisiert: 1. Dezember 2015 vers Divide and Conquer 2 Schweizer Mathematik-Olympiade smo osm Kombinatorik Thomas Huber, Viviane Kehl Aktualisiert: 1. Dezember 2015 vers. 1.0.0 Inhaltsverzeichnis 1 Divide and Conquer 2 2 Die vier fundamentalen Auswahlprozesse

Mehr

Kapitel 4 MATHEMATISCHES RÄTSELRATEN

Kapitel 4 MATHEMATISCHES RÄTSELRATEN Kapitel 4 MATHEMATISCHES RÄTSELRATEN Kombinatorik Mathematisches Rätselraten In der Wahrscheinlichkeitsrechnung befassen wir uns oftmals mit Fragen, für die wir gleiche oder verschiedene Gegenstände nach

Mehr

12 Kombinatorik Prof. Dr. rer. nat. Claus Brell Hochschule Niederrhein Stand:

12 Kombinatorik Prof. Dr. rer. nat. Claus Brell Hochschule Niederrhein Stand: 409 www.statistik-von-null-auf-hundert.de 12 Kombinatorik Prof. Dr. rer. nat. Claus Brell Hochschule Niederrhein Stand: 10.04.2014 Kombinatorik 410 Definition: Kombinatorik ist die Lehre des Zählens. Gegenstand:

Mehr

Zentralübung zur Vorlesung Diskrete Strukturen

Zentralübung zur Vorlesung Diskrete Strukturen WS 2010/11 Zentralübung zur Vorlesung Diskrete Strukturen Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2010ws/ds/uebung/ 22. Dezember 2010 ZÜ DS ZÜ IX Übersicht: 1.

Mehr

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende

Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Universität Duisburg-Essen Essen, den 12.02.2010 Fakultät für Mathematik Prof. Dr. M. Winkler C. Stinner Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Lösung Die Klausur gilt als bestanden,

Mehr

Isomorphie von Bäumen

Isomorphie von Bäumen Isomorphie von Bäumen Alexandra Weinberger 23. Dezember 2011 Inhaltsverzeichnis 1 Einige Grundlagen und Definitionen 2 1.1 Bäume................................. 3 1.2 Isomorphie..............................

Mehr

Lineare Algebra 1. Roger Burkhardt

Lineare Algebra 1. Roger Burkhardt Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2010/11 3 und lineare Gleichungssysteme und

Mehr