Nichtlineare Zeitreihenanalyse
|
|
- Ulrich Morgenstern
- vor 6 Jahren
- Abrufe
Transkript
1 Studentenseminar "Statistische Methoden in der Physik" 27
2 Gliederung 1 2 Kritik an Methoder der 3
3 Gliederung 1 2 Kritik an Methoder der 3
4 Charakterisierung (Deterministisches) dynamisches System gegeben durch Zustandsgrößen x R n, bilden Beispiel x = (x 1,..., x n ) x = ( x, x ) x = (T,V, p) Vorschrift für Zeitentwicklung der Vektoren im Zeitkontinuierlich dx dt = f(p, t, x), t R Zeitdiskret x t+1 = F(p, t, x t ), t Z Anfangsbedingungen, x(t ) bzw. x Trajektorie Nichtlineare Dynamik: f bzw. F nichtlinear
5 volumen Betrachte gebundene Lösungen Konservative Systeme: volumen erhalten Dissipative Systeme: volumen schrumpft div f < bzw. det J F < 1 (im Mittel) Physikalisch: Energie ist erhalten oder wird dem System entzogen. kann auch in eine Richtung gestreckt, in andere gestaucht werden.
6 Atraktoren Assymptotisches Verhalten der Trajektorien Definition (Atraktor A) A kompakt A invariant unter Dynamik offene Umgebung U A, die sich auf A zusammenzieht Einzugsbereich (Atraktorbecken) Maximale Menge, die sich auf A kontrahiert.
7 Beispiele für Atraktoren Fixpunkt (ged. harm. Oszillator) Grenzzyklus (van der Pol Oszillator) Fraktaler Atraktor (Lorenz-Atraktor)
8 Gliederung 1 2 Kritik an Methoder der 3
9 Stretch and Fold Beispiel (Hénon-Map) Beispiel (Rössler-System)
10 Fraktale Dimension eines Atraktors chaotisches Verhalten: kleine Änderung große Abweichung topologische Dimension nicht-ganzzahlig jede Bahn im Einzugsbereich kommt jedem Punkt des Atraktors beliebig nahe Überdeckungsdimension (Boxcounting-Dimension) überdecke A mit ε-würfeln für kleine ε: benötigte Anzahl N(ε) 1 ε D B D B = lim ε ln N(ε) ln( 1 ε)
11 Lyapunov-Exponent : exponentielles Auseinanderlaufen naher Trajektorien linearisiere System lokal d(x+δx) dt = f(x + δx) f(x) + δxd f(x), mit Jakobimatrix D f(x) dδx dt = δxd f(x) δx(t) = δx()e λt, Lyapunov-Exp. λ Betrag größter Eigenwert λ max > dissipatives System: i λ i <
12 Gliederung 1 2 Kritik an Methoder der 3
13 Einbettung Problem Gegeben eindimensionale diskrete Zeitreihe {x i } N i=1. Wie ist Atraktor zu rekonstruieren? wähle Einbettungsdimension m, delay τ x i = ( x i, x i τ, x i 2τ,...,x i (m 1)τ ) Ergebnis sollte topologisch äquivalent zum Atraktor des Systems sein mathematische Behandlung in embedding theorems, Bedingungen an m und τ
14 Beispiel Einbettung Einbettung der x-koordinate eines Lorenz-Atraktors. m = 3, τ = 1, 7,
15 Korrellationsdimension Korrelationssumme C(ε) = 2 N(N 1) N i=1 N j=i+1 Θ ( ε x i x j ) Anteil aller möglichen Punktpaare, die näher als ε beieinander liegen (hängt implizit von Einbettung ab) Für ε, N sollte C(ε) ε D Korrelationsdimension D d(n,ε) = ln C(ε,N) ln ε, D = lim ε lim N d(n,ε)
16 Gliederung Kritik an Methoder der 1 2 Kritik an Methoder der 3
17 Methode Kritik an Methoder der Daten Lat: surrogatum, der Ersatz. Ersatzdaten für eine gegebene Zeitreihe stelle Nullhypothese generiere n unter Nullhypothese berechne Teststatistik auf allen n (Q Hi ) und auf echten Daten (Q D ) verschiedene Teststatistiken denkbar
18 Zurückweisen der Nullhypothese Kritik an Methoder der Test auf Gleichheit der Verteilungen z.b. Kolmogorov-Smirnov-Test nur praktikabel wenn mehrere echte existieren (oder Stückeln der Daten) Nehme Q Hi gaußverteilt an oft sinnvolle Näherung berechne Signifikanz: Abweichung Q D vom Mittelwert der Q Hi in Einheiten der Standardabweichung Häufigkeit discriminating statistic
19 Erzeugen der Kritik an Methoder der als parametrischer Bootstrap behalte typisch lineare Parameter des Prozesses: Mittelwert, Powerspektrum zerstöre Phasenkorrelationen Technisch Periodogramm I X (ω) = 1 2πN N t=1 X t exp( iωt) 2 ziehe θ j, unabhängig und gleichverteilt auf [, 2π] Rücktransformation: X t = X + 2π N m j=1 2 I X (ω j ) cos(ω j + θ j )
20 Erzeugen der Kritik an Methoder der generierte automatisch linear, Gaussch, stationär, stochastisch verschiedene Spielarten falls Zeitreihe nicht periodisch, falsche hochfrequente Anteile Windowed Fourier transform algorithm falls Zeitreihe monotone nichtlineare Transformation eines linearen gausschen Prozesses Amplitude adjusted Fourier transfom algorithm
21 Teststatistiken Kritik an Methoder der Zum Beispiel Vorhersagefehler Lyapunov-Exponenten Korrelations-Dimension Momente höherer Ordnung
22 Gliederung Kritik an Methoder der 1 2 Kritik an Methoder der 3
23 Nullhypothese zu restriktiv Kritik an Methoder der Nullhypothese Daten liegt linearer, Gausscher, stationärer, stochastischer Prozess zugrunde. Nie erfüllt! wird mit genug Daten immer zurückgewiesen Aber: sagt noch nichts über die Alternative nicht die durch Teststatistik suggerierte Alternative trifft automatisch zu
24 Power der n-tests Wann ist Aussage über bestimmte Alternative möglich? Nur wenn... Power für diese Alternative hoch Power für alle anderen Alternativen niedrig Beispiel Modelliert: AR[2], leichte Verletzungen der Stationarität Testfeature: getrimmte Korrelationsdimension
25 Außerdem... Kritik an Methoder der erzeuge 1 Prozesse unter Nullhypothese schätze daraus Verteilung der Teststatistik, kritischen Wert erzeuge für jeden 1, jeweils 95%-Quantil 1 ersatz -kritische Werte Hoffnung Test, der zurückweist, falls Teststatistik > kritischer Wert äquivalent zu auf n basierendem Test
26 Ergebnis Kritik an Methoder der Aber: 12 ntest hält zwar korrektes Level ein
27 Weiterführende Themen Spektralanalyse auf nichtlinearen Stochastische Einflüsse, Beobachtungsrauschen, Rauschen in der Dynamik Nichtlineare Rauschunterdrückung Modellbildung
28 Literatur J Theiler, S Eubank, A Longtin, B Galdrikian, and JD Farmer. Testing for nonlinearity in time-series - the method of surrogate data. Physica D, 58:77 94, Sep E Mammen and S Nandi. Change of the nature of a test when surrogate data are applied. Physical Review E, 7:16121, Jul 24. J Timmer. Power of surrogate data testing with respect to nonstationarity. Physical Review E, 58: , Oct J Timmer. What can be inferred from surrogate data testing? Physical Review Letters, 85: , Sep 2. H. Kantz and T. Schreiber. Nonlinear time series analysis. Cambridge University Press, J. Kurths. Lineare und nichtlineare Methoden der analyse. Vorlesungsskript, Okt 2
Nichtlineare Dynamik Einführung
Nichtlineare Dynamik Einführung Tobias Kerscher gekürzte Internetversion (ohne fremde Bilder) Sommerakademie Ftan 2004, 13. August Gliederung 1. Def: Nichtlineare Physik 2. Typische Beispiele 3. Dynamische
Mehrunivariate/multivariate Zeitreihenanalyse
univariate/multivariate Zeitreihenanalyse lineare Verfahren - statistische Momente - Fourier Transformation - Hilbert Transformation - Wavelet Transformation - Auto- / Kreuzkorrelationsfunktion - ARMA-Modelle
MehrNichtlinearität in der klassischen Physik
Nichtlinearität in der klassischen Physik Dr. Peter Schlagheck Vorlesung an der Uni Regensburg im Wintersemester 25/26 Inhaltsverzeichnis Klassische Mechanik 2. Lagrange-Formalismus........................................
MehrDeterministisches Chaos
Deterministisches Chaos Um 1900 Henri Poincaré: Bewegung von zwei Planeten um die Sonne kann zu sehr komplizierten Bahnen führen. (chaotische Bahnen) Seit ca. 1970 Entwicklung der Chaostheorie basierend
Mehrnichtlineare dynamische Systeme
nichtlineare dynamische Systeme dynamische Systeme: - Systeme mit Krafteinwirkung (δυναµιο = Kraft) - zeitabhängige Systemzustände - Zustandsänderung abhängig vom momentanen Zustand deterministisch gleiche
MehrDynamisches Chaos. 1. Einleitung: Determinismus und Chaos
Dynamisches Chaos 1. Einleitung: Determinismus und Chaos In der üblichen Betrachtungsweise ist der Zufall nur auf dem Mikroniveau erlaubt: - das Boltzmannsche molekulare Chaos; - die quantenmechanischen
MehrSeltsame Attraktoren
1 Seltsame Attraktoren Proseminar: Theoretische Physik Jonas Haferkamp 9. Juli 2014 Abbildung: Poincaré-Schnitt der Duffing-Gleichungen 2 3 Gliederung 1 Motivation 2 Was ist ein (seltsamer) Attraktor?
MehrTheorie Parameterschätzung Ausblick. Schätzung. Raimar Sandner. Studentenseminar "Statistische Methoden in der Physik"
Studentenseminar "Statistische Methoden in der Physik" Gliederung 1 2 3 Worum geht es hier? Gliederung 1 2 3 Stichproben Gegeben eine Beobachtungsreihe x = (x 1, x 2,..., x n ): Realisierung der n-dimensionalen
MehrExkurs: Method of multiple scales (Mehrskalen Methode)
Exkurs: Method of multiple scales (Mehrskalen Methode) dr. karin mora* Im folgenden betrachten wir nichtlineare dynamische Systeme (NDS) mit sogenannten kleinen nichtlinearen Termen. Viele mathematische
Mehr3.7 Chaos. Ist N 3, können chaotische Trajektorien auftreten (Zwei-Planeten- Problem, Doppel-Pendel).
3.7 Chaos Wir untersuchen weiter autonome Systeme der Form dy i dt = f i(y,y 2,..y N ), y i (0) = a i, i =...N () (f i hängt nicht explizit von der Zeit ab). Eindeutigkeit der Lösung: aus y(t) folgt genau
Mehr6.1 Beispiele dissipativer Systeme. Der Duffing Ozillator. Bewegungsgleichung: Nichtlinearität
6.1 Beispiele dissipativer Systeme Der Duffing Ozillator z.b. für (Ueda Oszillator) Potential Bewegungsgleichung: Nichtlinearität nur zwei Parameter Kartierung des Verhaltens in der (f,r)- Ebene äußerst
MehrChaos im getriebenen nicht-linearen Pendel
Chaos im getriebenen nicht-linearen Pendel Alle drei Ingredienzen: Nichtlinearität, Reibung, treibende Kraft 2 d θ g dθ = sinθ q + F sin 2 dt L dt ( t) D Ω D Das ist ein so genanntes physikalisches Pendel
MehrPROBEPRÜFUNG MATHEMATIK I UND II
PROBEPRÜFUNG MATHEMATIK I UND II für die Studiengänge Agrar-, Erd-, Lebensmittelund Umweltnaturwissenschaften Für diese Probeprüfung sind ca 4 Stunden vorgesehen. Die eigentliche Prüfung wird signifikant
MehrProbestudium der Physik 2011/12
Probestudium der Physik 2011/12 Karsten Kruse 2. Mechanische Schwingungen und Wellen - Theoretische Betrachtungen 2.1 Der harmonische Oszillator Wir betrachten eine lineare Feder mit der Ruhelänge l 0.
MehrBericht zur Mathematischen Zulassungsprüfung im Mai 2010
Bericht zur Mathematischen Zulassungsprüfung im Mai 2 Heinz-Willi Goelden, Wolfgang Lauf, Martin Pohl Am 5. Mai 2 fand die Mathematische Zulassungsprüfung statt. Die Prüfung bestand aus einer 9-minütigen
MehrKorrelationsdimension und 1/f -Rauschen
α Korrelationsdimension und 1/f -Rauschen D 2 10 9 8 7 6 5 4 3 2 1 0 0 1 2 3 4 5 6 aus: Osborne & Provenzale (Physica D 35, pp 357, 1989): "Finite correlation dimension for stochastic systems with power-law
MehrWechselkurse und Finanzmarkt-Indizes
8. Mai 2008 Inhaltsverzeichnis 1 Wechselkurse Einführung Wechselkurs US Dollar - Deutsche Mark Statistischer Prozess 2 Reinjektion Eigenschaften der Fluktuationen von x(τ) 3 Diffusion auf Finanzmärkten
MehrMotivation. Motivation 2
Grenzzyklen 1 Motivation Grenzzyklen modellieren von selbst oszillierende Systeme Stabile Grenzzyklen kleine Abweichungen in den Anfangsbedingungen gehen in Grenzzyklus über Beispiele: Van-der-Pol Schwingkreis
MehrSpezielle Kinetik MC 1.3. Prof. Dr. B. Dietzek. Friedrich-Schiller-Universität Jena, Institut für Physikalische Chemie. Wintersemester 2016/2017
Spezielle Kinetik MC 1.3 Prof. Dr. B. Dietzek Friedrich-Schiller-Universität Jena, Institut für Physikalische Chemie Wintersemester 2016/2017 B. Dietzek/D. Bender Spezielle Kinetik 1 Physikalische Chemie//Master
MehrWinter-Semester 2017/18. Moderne Theoretische Physik IIIa. Statistische Physik
Winter-Semester 2017/18 Moderne Theoretische Physik IIIa Statistische Physik Dozent: Alexander Shnirman Institut für Theorie der Kondensierten Materie Do 11:30-13:00, Lehmann Raum 022, Geb 30.22 http://www.tkm.kit.edu/lehre/
MehrDer Duffing-Oszillator
11.04.2006 Inhalt Inhalt Erwartung im stationären Fall: eine instabile Ruhelage, zwei asymptotisch stabile Ruhelagen. Inhalt Erwartung im stationären Fall: eine instabile Ruhelage, zwei asymptotisch stabile
MehrSeminar Fraktale. Kapitel 13 Dynamical Systems. Von Dirk Simon
Seminar Fraktale Kapitel 13 Dynamical Systems Von Dirk Simon Übersicht Einführung und Definitionen Dynamische Systeme Attraktoren Chaos Ein paar Beispiele Anwendungen Einführung Anwendung für f r Dynamische
MehrWichtige Definitionen und Aussagen
Wichtige Definitionen und Aussagen Zufallsexperiment, Ergebnis, Ereignis: Unter einem Zufallsexperiment verstehen wir einen Vorgang, dessen Ausgänge sich nicht vorhersagen lassen Die möglichen Ausgänge
MehrFlüsse, Fixpunkte, Stabilität
1 Flüsse, Fixpunkte, Stabilität Proseminar: Theoretische Physik Yannic Borchard 7. Mai 2014 2 Motivation Die hier entwickelten Formalismen erlauben es, Aussagen über das Verhalten von Lösungen gewöhnlicher
MehrWir betrachten die zeitliche Entwicklung einer Population N (z.b. die Zahl der Fische in einem Teich). Es gilt dn dt wobei die Symbole bedeuten:
Kapitel 3 Nichtlineare Systeme 3. Logistische Gleichung Wir betrachten die zeitliche Entwicklung einer Population N (z.b. die Zahl der Fische in einem Teich). Es gilt dn dt wobei die Symbole bedeuten:
MehrVerteilung ordinaler Muster in EEG-Daten
Verteilung ordinaler Muster in EEG-Daten Karsten Keller Mathieu Sinn Institut für Mathematik Universität zu Lübeck GMDS-Jahrestagung 2006 a we want to develop methods combining symbolic dynamics, nominal
MehrProbeklausur zu Mathematik 3 für Informatik Lösungshinweise (ohne Garantie auf Fehlefreiheit)
Gunter Ochs 9. Juni 05 Probeklausur zu Mathematik für Informatik Lösungshinweise ohne Garantie auf Fehlefreiheit. Sei fx x x. a Bestimmen Sie den Grenzwert lim x fx. Da an der Stelle x Zähler Nenner Null
MehrÜbungen zur Theoretischen Physik 1 Lösungen zum Mathe-Test
Prof. C. Greiner, Dr. H. van Hees Wintersemester 2012/2013 Übungen zur Theoretischen Physik 1 Lösungen zum Mathe-Test Aufgabe 1: Bruchrechnung Lösen Sie die folgenden Gleichungen nach x auf (a) x x 2 1
MehrAufgabe 3 Nichtlineare Schaltung zweiten Grades
33 Aufgabe 3 Nichtlineare Schaltung zweiten Grades (33 Punkte) Bild 3 zeigt eine dynamische Schaltung zweiten Grades mit positiven Werten G, C und L und nichtlinearem Widerstand R, für den gilt: u R =
MehrStatistische Methoden der Datenanalyse Wintersemester 2012/2013 Albert-Ludwigs-Universität Freiburg
Statistische Methoden der Datenanalyse Wintersemester 2012/2013 Albert-Ludwigs-Universität Freiburg Prof. Markus Schumacher, Dr. Stan Lai Physikalisches Institut Westbau 2 OG E-Mail: Markus.Schumacher@physik.uni-freiburg.de
MehrDas magische Quadrat für stochastische Prozesse
. Geodätische Woche Das magische Quadrat für stochastische Prozesse 1 Institut für Geodäsie und Geoinformation Professur für Theoretische Geodäsie - Universität Bonn Ina Krasbutter, Boris Kargoll, Wolf-Dieter
MehrPrüfungsfragen und Prüfungsaufgaben
Mathematische Modelle in der Technik WS 3/4 Prüfungsfragen und Prüfungsaufgaben Fragen - 9:. Modellieren Sie ein örtlich eindimensionales, stationäres Wärmeleitproblem (Integralbilanzformulierung, differentielle
MehrSystemanalyse und Modellbildung
Systemanalyse und Modellbildung Universität Koblenz-Landau Fachbereich 7: Natur- und Umweltwissenschaften Institut für Umweltwissenschaften Dr. Horst Niemes(Lehrbeauftragter) 10.1 Systemdefinition Eine
MehrErgebnis: Allg. Lösung der homogenen DGL ist Summe über alle Eigenlösungen: mit
Zusammenfassung: Lineare DGL mit konstanten Koeffizienten (i) Suche Lösung für homogene DGL per Exponential-Ansatz: e-ansatz: Zeitabhängigkeit nur im Exponenten! zeitunabhängiger Vektor, Ergebnis: Allg.
MehrAnalysis und Lineare Algebra mit MuPAD
Analysis und Lineare Algebra mit MuPAD Dehling/Kubach Mögliche Themen für Abschlussprojekte 1 Fourier-Reihen Zu einer integrierbaren Funktion f : [0,2π] R definieren wir die Fourier-Reihe wobei a 0 = 1
Mehr1. Grundbegri e der Stochastik
Wiederholung von Grundwissen der Stochastik. Grundbegri e der Stochastik Menge der Ereignisse. Die Elemente! der Menge heißen Elementarereignisse und sind unzerlegbare Ereignisse. Das Ereignis A tritt
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 1 Inhalt der heutigen Vorlesung Statistik und Wahrscheinlichkeitsrechnung Zusammenfassung der vorherigen Vorlesung Übersicht über Schätzung und
MehrGaußsche Felder und Simulation
3 2 data_2d_1.dat data_2d_2.dat data_2d_64.dat data_2d_128.dat 1-1 -2-3 1 2 3 4 5 6 7 Gaußsche Felder und Simulation Benedikt Jahn, Aaron Spettl 4. November 28 Institut für Stochastik, Seminar Zufällige
Mehrdas Kleingedruckte...
Gepaarte t-tests das Kleingedruckte... Datenverteilung ~ Normalverteilung QQ-plot statistischer Test (Shapiro-Wilk, Kolmogorov-Smirnov) wenn nicht : nicht-parametrische Tests gleiche Varianz (2-Proben
MehrAdaptive Systeme. Sommersemester Prof. Dr. -Ing. Heinz-Georg Fehn. Prof. Dr. rer. nat. Nikolaus Wulff
Adaptive Systeme Sommersemester 2015 Prof. Dr. -Ing. Heinz-Georg Fehn Prof. Dr. rer. nat. Nikolaus Wulff Prof. Dr. H.-G. Fehn und Prof. Dr. N. Wulff 1 Adaptive Systeme Adaptives System: ein System, das
MehrBlatt 1. Kinematik- Lösungsvorschlag
Fakultät für Physik der LMU München Lehrstuhl für Kosmologie, Prof. Dr. V. Mukhanov Übungen zu Klassischer Mechanik (T1) im SoSe 011 Blatt 1. Kinematik- Lösungsvorschlag Aufgabe 1.1. Schraubenlinie Die
Mehr4 Absolutstetige Verteilungen und Zufallsvariablen 215/1
4 Absolutstetige Verteilungen und Zufallsvariablen 215/1 23. Bemerkung Integralbegriffe für Funktionen f : R d R (i) Lebesgue-Integral (Vorlesung Analysis IV). Spezialfall: (ii) Uneigentliches Riemann-Integral
MehrLjapunov Exponenten. Reiner Lauterbach
Ljapunov Exponenten Reiner Lauterbach 28. Februar 2003 2 Zusammenfassung n diesem Teil betrachten wir ein wichtiges Thema: sensitive Abhängigkeit. Zunächst hat man ja stetige Abhängigkeit, wie man sie
MehrStatistische Methoden der Datenanalyse Wintersemester 2012/2013 Albert-Ludwigs-Universität Freiburg
Statistische Methoden der Datenanalyse Wintersemester 2012/2013 Albert-Ludwigs-Universität Freiburg Prof. Markus Schumacher, Dr. Stan Lai Physikalisches Institut Westbau 2 OG E-Mail: Markus.Schumacher@physik.uni-freiburg.de
MehrVon der Schönheit des mathematischen Chaos. Eine Einführung in Seltsame Attraktoren mit jreality
Von der Schönheit des mathematischen Chaos Eine Einführung in Seltsame Attraktoren mit jreality Inhalt Physikalische Grundlagen Definition Eigenschaften Beispiele Implementierung Demonstration Physikalische
Mehr2 Stationarität. Strikte Stationarität
2 Stationarität. Strikte Stationarität Die in 1 benutzten Begriffe sind noch zu präzisieren : Definition 2.1. a) Ein stochastischer Prozess {X t } t T heißt strikt stationär, falls für je endlich viele
MehrLösung zur Klausur zur Analysis II
Otto von Guericke Universität Magdeburg 9.7.4 Fakultät für Mathematik Lösung zur Klausur zur Analysis II Vorlesung von Prof. L. Tobiska, Sommersemester 4 Bitte benutzen Sie für jede Aufgabe ein eigenes
MehrStatistische Kennwerte und -funktionen. Dr.-Ing. habil. H. Nobach
Statistische Kennwerte und -funktionen Dr.-Ing. habil. H. Nobach 1. Einführung Statistische Kennwerte und -funktionen, wie Mittelwert Varianz Wahrscheinlichkeitsdichte Autokorrelation spektrale Leistungsdichte
MehrFourier-Reihen und Fourier-Transformation
Fourier-Reihen und Fourier-Transformation Matthias Dreÿdoppel, Martin Koch, Bernhard Kreft 25. Juli 23 Einleitung Im Folgenden sollen dir und die Fouriertransformation erläutert und mit Beispielen unterlegt
MehrBootstrap-Methoden zur Ermittlung kritischer Werte für asymptotische FWER-Kontrolle
Bootstrap-Methoden zur Ermittlung kritischer Werte für asymptotische FWER-Kontrolle [Dudoit, van der Laan, Pollard: Multiple Testing. Part I Single-Step Procedures for Control of General Type-I-Error Rates]
MehrMehrdimensionale Zufallsvariablen
Mehrdimensionale Zufallsvariablen Im Folgenden Beschränkung auf den diskreten Fall und zweidimensionale Zufallsvariablen. Vorstellung: Auswerten eines mehrdimensionalen Merkmals ( ) X Ỹ also z.b. ω Ω,
Mehr5 Erwartungswerte, Varianzen und Kovarianzen
47 5 Erwartungswerte, Varianzen und Kovarianzen Zur Charakterisierung von Verteilungen unterscheidet man Lageparameter, wie z. B. Erwartungswert ( mittlerer Wert ) Modus (Maximum der Wahrscheinlichkeitsfunktion,
Mehr8. Deterministisches Chaos
8. Deterministisches Chaos Widerspruch: deterministisch chaotisch Schmetterlingseffekt: Der Flügelschlag eines Schmetterlings entscheidet über die Entwicklung eines Sturms. Allgemein: kleinste Änderungen
MehrSystem von n gewöhnlichen DG 1. Ordnung hat die allgemeine Form:
C7.5 Differentialgleichungen 1. Ordnung - Allgemeine Aussagen System von n gewöhnlichen DG 1. Ordnung hat die allgemeine Form: Kompaktnotation: Anfangsbedingung: Gesuchte Lösung: Gleichungen dieser Art
Mehr11. Nichtlineare Dynamik und Chaos. Bei den meisten bisherigen Phänomenen z. B: Pendelbewegung: Kraft linear als Fkt.
11. Nichtlineare Dynamik und Chaos Bei den meisten bisherigen Phänomenen z. B: Pendelbewegung: Kraft linear als Fkt. der Auslenkung Fadenlänge L, Masse m, Auslenkwinkel φ Rücktreibende Kraft: Beschleunigung:
MehrEinführung in die Stochastik für Informatiker Übungsaufgaben mit Lösungen
Einführung in die Stochastik für Informatiker Übungsaufgaben mit Lösungen David Geier und Sven Middelberg RWTH Aachen, Sommersemester 27 Inhaltsverzeichnis Information 2 Aufgabe 4 Aufgabe 2 6 4 Aufgabe
MehrSeminar Gewöhnliche Differentialgleichungen
Seminar Gewöhnliche Differentialgleichungen Dynamische Systeme I 1 Einleitung 1.1 Nichtlineare Systeme In den vorigen Vorträgen haben wir uns mit linearen Differentialgleichungen beschäftigt. Nun werden
MehrDiskrete und Schnelle Fourier Transformation. Patrick Arenz
Diskrete und Schnelle Fourier Transformation Patrick Arenz 7. Januar 005 1 Diskrete Fourier Transformation Dieses Kapitel erläutert einige Merkmale der Diskreten Fourier Transformation DFT), der Schnellen
MehrDozent: Alexander Shnirman Institut für Theorie der Kondensierten Materie
Sommer-Semester 2011 Moderne Theoretische Physik III Statistische Physik Dozent: Alexander Shnirman Institut für Theorie der Kondensierten Materie Di 09:45-11:15, Lehmann HS 022, Geb 30.22 Do 09:45-11:15,
MehrBrownsche Bewegung Seminar - Weiche Materie
Brownsche Bewegung Seminar - Weiche Materie Simon Schnyder 11. Februar 2008 Übersicht Abbildung: 3 Realisationen des Weges eines Brownschen Teilchens mit gl. Startort Struktur des Vortrags Brownsches Teilchen
MehrExperimentalphysik E1
Experimentalphysik E1 Gedämpfte & erzwungene Schwingungen Alle Informationen zur Vorlesung unter : http://www.physik.lmu.de/lehre/vorlesungen/index.html 16. Dez. 16 Harmonische Schwingungen Auslenkung
MehrDynamische Lasten. 1. Kraft- und Weganregung 2. Deterministische Lasten. 3. Stochastische Lasten
Dynamische Lasten 1. Kraft- und Weganregung 2. Deterministische Lasten 2.1 Allgemeine zeitabhängige Lasten 2.2 Periodische Lasten 2.3 Harmonische Lasten 3. Stochastische Lasten 3.1 Instationäre stochastische
MehrProbestudium der Physik 2011/12
Probestudium der Physik 2011/12 1 Schwingungen und Wellen: Einführung in die mathematischen Grundlagen 1.1 Die Sinus- und die Kosinusfunktion Die Sinusfunktion lässt sich genauso wie die Kosinusfunktion
MehrWahrscheinlichkeit und Statistik: Zusammenfassung
HSR Hochschule für Technik Rapperswil Wahrscheinlichkeit und Statistik: Zusammenfassung beinhaltet Teile des Skripts von Herrn Hardy von Lukas Wilhelm lwilhelm.net 12. Januar 2007 Inhaltsverzeichnis 1
Mehr5 Fehlerfortpflanzung
5 Fehlerfortpflanzung Diese Lektion folgt D.S. Sivia, Data Analysis: A Bayesian Tutorial, Oxford University Press, Chapter 3.6. Lernziele Lektion 5 Sie wissen, wie man Wahrscheinlichkeitsverteilungen von
MehrGitterfreie Methoden. Florian Hewener. 29. Oktober 2013
Gitterfreie Methoden 1D 2D Florian Hewener 29. Oktober 2013 Gliederung 1 Interpolationsprobleme Problemstellung Haar-Räume 2 Mehrdimensionale Polynominterpolation 3 Splines Kubische Splines und natürliche
Mehr1. Kraft- und Weganregung 2. Deterministische Lasten. 3. Stochastische Lasten
Dynamische Lasten 1. Kraft- und Weganregung 2. Deterministische Lasten 2.1 Periodische Lasten 2.2 Allgemeine zeitabhängige Lasten 2.3 Harmonische Lasten 3. Stochastische Lasten 3.1 Instationäre stochastische
MehrKontinuierliche Fourier-Transformation. Laplace-Transformation
Kontinuierliche Fourier-Transformation. Laplace-Transformation Jörn Loviscach Versionsstand: 16. Juni 2010, 17:56 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Videos dazu:
MehrSpektralanalyse. Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann!
Spektralanalyse Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann! Mit der Spektralanalyse können wir Antworten auf folgende Fragen bekommen:
MehrNichtlineare Zeitreihenanalyse: Beeinflussende Faktoren
Nichtlineare Zeitreihenanalyse: Beeinflussende Faktoren Genauigkeit der Daten (Digitalisierung) Länge des Datensatzes (Stationarität) Surrogate Filterung (Grenzfrequenz, Charakteristik) Nichtlineare Maße
MehrSerie 4: Gradient und Linearisierung
D-ERDW, D-HEST, D-USYS Mathematik II FS 5 Dr. Ana Cannas Serie 4: Gradient und Linearisierung Bemerkungen: Die Aufgaben der Serie 4 bilden den Fokus der Übungsgruppen vom 7./9. März.. Wir betrachten die
MehrBlatt 05.2: Green sche Funktionen
Fakultät für Physik T: Klassische Mechanik, SoSe 05 Dozent: Jan von Delft Übungen: Katharina Stadler, Frauke Schwarz, Dennis Schimmel, Lukas Weidinger http://homepages.physik.uni-muenchen.de/~vondelft/lehre/5t/
MehrExperimente, Ideen und Entwicklung der Chaostheorie
Experimente, Ideen und Entwicklung der Chaostheorie Stephan Lück Ursprünge der Chaostheorie Edward Lorenz (1917-2008) Meteorologe einfaches Atmosphärenmodell (ca. 1960) basierend auf Konvektion Modellexperiment
MehrStatistische Tests. Kapitel Grundbegriffe. Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe
Kapitel 4 Statistische Tests 4.1 Grundbegriffe Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe X 1,..., X n. Wir wollen nun die Beobachtung der X 1,...,
MehrSimulation von Zufallsvariablen und Punktprozessen
Simulation von Zufallsvariablen und Punktprozessen 09.11.2009 Inhaltsverzeichnis 1 Einleitung 2 Pseudozufallszahlen 3 Punktprozesse Zufallszahlen Definition (Duden): Eine Zufallszahl ist eine Zahl, die
MehrStochastik I. Vorlesungsmitschrift
Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................
MehrNumerische Methoden und Algorithmen in der Physik
Numerische Methoden und Algorithmen in der Physik Hartmut Stadie, Christian Autermann 15.01.2009 Numerische Methoden und Algorithmen in der Physik Christian Autermann 1/ 47 Methode der kleinsten Quadrate
MehrMathematik-Tutorium für Maschinenbauer II: Differentialgleichungen und Vektorfelder
DGL Schwingung Physikalische Felder Mathematik-Tutorium für Maschinenbauer II: Differentialgleichungen und Vektorfelder Johannes Wiedersich 23. April 2008 http://www.e13.physik.tu-muenchen.de/wiedersich/
MehrBiosignalverarbeitung
Peter Husar Biosignalverarbeitung Springer Inhaltsverzeichnis 1 Entstehung bioelektrischer Signale 9 1.1 Das Neuron 9 1.2 Elektrische Erregungsleitung und Projektion 15 2 Verstärkung und analoge Filterung
MehrLösungsvorschlag Klausur MA9802
Lehrstuhl für Numerische Mathematik Garching, den 3.8.22 Prof. Dr. Herbert Egger Dr. Matthias Schlottbom Lösungsvorschlag Klausur MA982 Aufgabe [3 + 3 Punkte] Berechnen Sie, falls existent, die folgenden
MehrReelle Zufallsvariablen
Kapitel 3 eelle Zufallsvariablen 3. Verteilungsfunktionen esultat aus der Maßtheorie: Zwischen der Menge aller W-Maße auf B, nennen wir sie W B ), und der Menge aller Verteilungsfunktionen auf, nennen
MehrTheoretische Physik II: Quantenmechanik
Theoretische Physik II: Quantenmechanik Hans-Werner Hammer Marcel Schmidt (mschmidt@theorie.ikp.physik.tu-darmstadt.de) Wintersemester 2016/17 Probeklausur 12./13. Januar 2017 Name: Matrikelnummer: Studiengang:
Mehr9 Höhere partielle Ableitungen und die Taylorformel
Vorlesung SS 29 Analsis 2 Prof Dr Siegfried Echterhoff 9 Höhere partielle Ableitungen und die Talorformel Definition 91 Sei U R n offen, f : U R m eine Funktion Dann heißt f 2-mal partiell differenzierbar,
Mehr13 Mehrdimensionale Zufallsvariablen Zufallsvektoren
3 Mehrdimensionale Zufallsvariablen Zufallsvektoren Bisher haben wir uns ausschließlich mit Zufallsexperimenten beschäftigt, bei denen die Beobachtung eines einzigen Merkmals im Vordergrund stand. In diesem
MehrAnpassungsrechnungen mit kleinsten Quadraten und Maximum Likelihood
Anpassungsrechnungen mit kleinsten Quadraten und Maximum Likelihood KARLSRUHER INSTITUT FÜR TECHNOLOGIE (KIT) 0 KIT 06.01.2012 Universität des Fabian Landes Hoffmann Baden-Württemberg und nationales Forschungszentrum
MehrMultivariate Verteilungen
Multivariate Verteilungen Zufallsvektoren und Modellierung der Abhängigkeiten Ziel: Modellierung der Veränderungen der Risikofaktoren X n = (X n,1, X n,2,..., X n,d ) Annahme: X n,i und X n,j sind abhängig
MehrGleichgewichte von Differentialgleichungen
Gleichgewichte von Differentialgleichungen Gleichgewichte von Differentialgleichungen Teil 1 Zur Erinnerung: Zur Erinnerung: Wir hatten lineare Differentialgleichungen betrachtet: in R 1 : Zur Erinnerung:
MehrTopologie und Differentialrechnung mehrerer Veränderlicher, SS 2009 Modulprüfung/Abschlussklausur. Aufgabe Punkte
Universität München 22. Juli 29 Topologie und Differentialrechnung mehrerer Veränderlicher, SS 29 Modulprüfung/Abschlussklausur Name: Aufgabe 2 3 4 Punkte Gesamtpunktzahl: Gesamturteil: Schreiben Sie unbedingt
MehrÜbungsblatt 2: Modellierung und Linearisierung (Abgabe am von 8:00-8:15 im Vorlesungs-Hörsaal) Prof. Dr. Moritz Diehl
Vorlesung Systemtheorie und Regelungstechnik (SR Albert-Ludwigs-Universität Freiburg Sommersemester 2014 Übungsblatt 2: Modellierung und Linearisierung (Abgabe am 21.5.2014 von 8:00-8:15 im Vorlesungs-Hörsaal
MehrBASISPRÜFUNG MATHEMATIK I UND II
ETH Zürich Sommer 015 Dr. Ana Cannas BASISPRÜFUNG MATHEMATIK I UND II für die Studiengänge Agrar-, Erd-, Lebensmittelund Umweltnaturwissenschaften 1. Sei a) Ist das System lösbar? b) Lösen Sie das System
Mehr4.2 Der Harmonische Oszillator
Dieter Suter - 208 - Physik B3, SS03 4.2 Der Harmonische Oszillator 4.2.1 Harmonische Schwingungen Die Zeitabhängigkeit einer allgemeinen Schwingung ist beliebig, abgesehen von der Periodizität. Die mathematische
MehrMusterlösungen Blatt Theoretische Physik IV: Statistische Physik
Musterlösungen Blatt 4.7.004 Theoretische Physik IV: Statistische Physik Prof. Dr. G. Alber Dr. O. Zobay Eindimensionales Ising-Modell. Das eindimensionale Ising-Modell für N Spins mit Wechselwirkung zwischen
MehrAuswertung des Versuches Resonanzverhalten nichtlinearer Oszillatoren
Auswertung des Versuches Resonanzverhalten nichtlinearer Oszillatoren Andreas Buhr, Matrikelnummer 1229903 23. Juni 2006 Inhaltsverzeichnis 1 Formales 3 2 Überblick über den Versuch 4 3 Grundlagen 4 3.1
MehrTeil VIII Hypothesentests für zwei Stichproben
Woche 9: Hypothesentests für zwei Stichproben Teil VIII Hypothesentests für zwei Stichproben WBL 15/17, 22.06.2015 Alain Hauser Berner Fachhochschule, Technik und Informatik Berner
MehrNichtlineare Prozesse in der Elektrochemie II
Nichtlineare Prozesse in der Elektrochemie II 5. Stabilität und Instabilität Neue (dissipative) Strukturen entstehen, wenn der bisherige stationäre Zustand, der den thermodynamischen Zweig repräsentiert,
MehrZufallszahlen in Testbetten und Simulationen
Zufall Wofür brauchen wir Zufallszahlen? Zufall Wofür brauchen wir Zufallszahlen? Simulation von Dingen, die wir nicht genau beschreiben wollen Zufall Wofür brauchen wir Zufallszahlen? Simulation von Dingen,
MehrEinführung in die statistische Testtheorie II
1 Seminar: Simulation und Bildanalyse mit Java Einführung in die statistische Testtheorie II Guntram Seitz Sommersemester 2004 1 WIEDERHOLUNG 2 1 Wiederholung Grundprinzip: Annahme: Beobachtungen bzw.
MehrA. Grundlagen der Stochastik
A. Grundlagen der Stochastik Satz A.1 (Axiome der Wahrscheinlichkeit). Folgende Axiome der Wahrscheinlichkeit können definiert werden: (1) Die Wahrscheinlichkeit P(A) eines Ergebnisses A bei einem Experiment
MehrA. Grundlagen der Stochastik
A. Grundlagen der Stochastik Satz A.1 (Axiome der Wahrscheinlichkeit). Folgende Axiome der Wahrscheinlichkeit können definiert werden: (1) Die Wahrscheinlichkeit P(A) eines Ergebnisses A bei einem Experiment
MehrSpektralanalyse. Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann!
Spektralanalyse Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann! Mit der Spektralanalyse können wir Antworten auf folgende Fragen bekommen:
Mehr