Lexikalisch-Funktionale Grammatik (LFG)

Größe: px
Ab Seite anzeigen:

Download "Lexikalisch-Funktionale Grammatik (LFG)"

Transkript

1 Lexkalsch-Funktonale Grammatk (LFG) Vorlesung Grammatkformalsmen Alexander Koller. Jun 01

2 Zweck ener Grammatk Verbndung von Wortstellung und Valenz. Wortstellung: lneare Abfolge der Wörter m Satz; (je nach Grammatktheore auch Strukturerung n Konsttuentenbäume). Valenz: we werden de tefen grammatschen Argumente der enzelnen Wörter von anderen Wörtern gefüllt? Grammatkformalsmus: Beretstellung der formalen Werkzeuge, um das zu machen.

3 Wortstellung vs. Valenz Schwezerdeutsch: kfg rechen ncht, um gegebener Valenz de rchtge Wortstellung zuzuwesen. Jan sät das mer d chnd em Hans es huus haend wele laa hälfe aastrche. * Jan sät das mer em Hans d chnd es huus haend wele laa hälfe aastrche. w a m b n x c m d n y

4 Wortstellung vs. Valenz TAG: Valenz n Abletungsbaum darstellen, Wortstellung n abgeletetem Baum zuwesen. S A a A a b b S S S D D d C d C c α 1 α α α 4 β 1 α α α 4 c

5 Wortstellung vs. Valenz CCG: Ncht-kontextfree Wortstellungen mt crossed-composton-regel. das mer em Hans es huus hälfed aastrche NP nom NP dat NP acc S +SUB \NP nom \NP dat / \NP acc S +SUB\NP nom\np dat\np acc >Bx < S +SUB \NP nom \NP dat S +SUB \NP nom S +SUB < <

6 Wortstellung vs. Valenz RDG: drekte Beschrebung des Zusammenhangs mt Ordnungsannotatonen. <wrd: 101> <gegeben: 1,0> <Hans: 0> <KB: 10> Hans wrd en Käsebrot gegeben. <en: 0> Dependenzstruktur Baum mt Ordnungsannotatonen

7 Ablauf der Vorlesung kontextfree Grammatken rechere Abletungen Baumadjunktonrammatk (TAG) Kombnatorsche Kategoral- grammatk (CCG) wetere schwach kontext- senstve Formalsmen Features Lexkalsch-funktonale Grammatk (LFG) Head-drven PSG (HPSG)

8 Ablauf der Vorlesung kontextfree Grammatken rechere Abletungen Baumadjunktonrammatk (TAG) Kombnatorsche Kategoral- grammatk (CCG) wetere schwach kontext- senstve Formalsmen Features Lexkalsch-funktonale Grammatk (LFG) Head-drven PSG (HPSG)

9 LFG Lexkalsch-funktonale Grammatk (LFG): Frühe 1980er, Joan Bresnan/Ron Kaplan, West Coast Lngustcs. Idee: Grammatsche Analyse besteht aus zwe Telen. c-struktur (= Konsttuentenstruktur): Wortstellung und Konsttuentenstruktur f-struktur (= funktonale Struktur): Valenz; enthält auch andere Features.

10 Bespel S NP NP V Det N Hans sst en Käsebrot. c-struktur pred essen pred subj 1 num pred obj 4spec 4 num fn + 1, f-struktur # hans kb a

11 De f-struktur De f-struktur st ene Featurestruktur: Besteht aus Knoten. Jeder Knoten west Features Werte zu. Werte = Atome, semantsche Prädkatonen oder andere Featurestrukturen. f pred essen g pred subj 1 num pred obj 4spec 4 num fn + 1, # hans kb a (f FIN) = + (f ) = g (g ) = hans (f ) = hans

12 f-strukturen als DAGs f-strukturen snd gerchtete azyklsche Graphen (DAGs). f pred essen 1, # g pred hans subj 1 num pred kb obj 4spec a 4 num fn + `essen `hans g f OBJ SPEC FIN `kb a + pred call subj, obj h subj pred john obj 1 4 h topc 1 pred mary `call `john OBJ TOPIC `mary

13 Unfkaton Unfkaton verengt Knoten m DAG. pred schläft subj h agr num 1 # num 1 4subj 4agr case nom 4subj 4 pred h Hans agr num = pred schläft subj h agr num 1 pred Hans # 4 subj 4 num 1 agr case nom `schläft CASE nom `Hans

14 Unfkaton Unfkaton verengt Knoten m DAG. pred schläft subj h agr num 1 # num 1 4subj 4agr case nom 4subj 4 pred h Hans agr num = pred schläft subj h agr num 1 pred Hans # 4 subj 4 num 1 agr case nom `schläft CASE nom `Hans

15 Unfkaton Unfkaton verengt Knoten m DAG. pred schläft subj h agr num 1 # num 1 4subj 4agr case nom 4subj 4 pred h Hans agr num = pred schläft subj h agr num 1 pred Hans # 4 subj 4 num 1 agr case nom `schläft CASE nom `Hans

16 Unfkaton Unfkaton verengt Knoten m DAG. pred schläft subj h agr num 1 # num 1 4subj 4agr case nom 4subj 4 pred h Hans agr num = pred schläft subj h agr num 1 pred Hans # 4 subj 4 num 1 agr case nom `schläft CASE nom `Hans

17 Unfkaton Unfkaton verengt Knoten m DAG. pred schläft subj h agr num 1 # num 1 4subj 4agr case nom 4subj 4 pred h Hans agr num = pred schläft subj h agr num 1 pred Hans # 4 subj 4 num 1 agr case nom `schläft CASE nom `Hans

18 Unfkaton Unfkaton verengt Knoten m DAG. pred schläft subj h agr num 1 # num 1 4subj 4agr case nom 4subj 4 pred h Hans agr num = pred schläft subj h agr num 1 pred Hans # 4 subj 4 num 1 agr case nom `schläft CASE nom `Hans `schläft CASE nom `Hans

19 Unfkaton Unfkaton verengt Knoten m DAG. pred schläft subj h agr num 1 # num 1 4subj 4agr case nom pred h Knd agr num 4subj 4 = Knder pl fal `schläft CASE nom `Knd pl

20 Unfkaton Unfkaton verengt Knoten m DAG. pred schläft subj h agr num 1 # num 1 4subj 4agr case nom pred h Knd agr num 4subj 4 = Knder pl fal `schläft CASE nom `Knd pl

21 Unfkaton Unfkaton verengt Knoten m DAG. pred schläft subj h agr num 1 # num 1 4subj 4agr case nom pred h Knd agr num 4subj 4 = Knder pl fal `schläft CASE nom `Knd pl

22 Unfkaton Unfkaton verengt Knoten m DAG. pred schläft subj h agr num 1 # num 1 4subj 4agr case nom pred h Knd agr num 4subj 4 = Knder pl fal `schläft CASE nom `Knd pl

23 Unfkaton Unfkaton verengt Knoten m DAG. pred schläft subj h agr num 1 # num 1 4subj 4agr case nom pred h Knd agr num 4subj 4 = Knder pl fal `schläft CASE nom `Knd pl

24 Unfkaton Unfkaton verengt Knoten m DAG. pred schläft subj h agr num 1 # num 1 4subj 4agr case nom pred 4 subj 4agr Knd num = case des Kndes # gen fal `schläft CASE nom `Knd CASE gen

25 Unfkaton Unfkaton verengt Knoten m DAG. pred schläft subj h agr num 1 # num 1 4subj 4agr case nom pred 4 subj 4agr Knd num = case des Kndes # gen fal `schläft CASE nom `Knd CASE gen

26 Unfkaton Unfkaton verengt Knoten m DAG. pred schläft subj h agr num 1 # num 1 4subj 4agr case nom pred 4 subj 4agr Knd num = case des Kndes # gen fal `schläft CASE nom `Knd CASE gen

27 Unfkaton Unfkaton verengt Knoten m DAG. pred schläft subj h agr num 1 # num 1 4subj 4agr case nom pred 4 subj 4agr Knd num = case des Kndes # gen fal `schläft CASE nom `Knd CASE gen

28 Unfkaton Unfkaton verengt Knoten m DAG. pred schläft subj h agr num 1 # num 1 4subj 4agr case nom pred 4 subj 4agr Knd num = case des Kndes # gen fal `schläft CASE nom `Knd CASE gen

29 Unfkaton Unfkaton verengt Knoten m DAG. pred schläft subj h agr num 1 # num 1 4subj 4agr case nom pred 4 subj 4agr Knd num = case des Kndes # gen fal `schläft CASE nom `Knd CASE gen

30 Wohlgeformthet von f-strukturen Vollständgket: Wenn en Knoten f en - Feature hat, das de grammatschen Funktonen r 1,...,r n erwähnt, dann muss f Features r 1,..., r n haben. pred leben subj, h subj pred hans 4 h obj pred mara obj pred leben subj, 4 h subj pred hans obj Hans lebt Mara. * Hans lebt.

31 Wohlgeformthet von f-strukturen Kohärenz: Wenn en Knoten f ene regerbare grammatsche Funkton r als Feature hat, dann muss r m -Feature erwähnt werden. pred leben subj, h subj pred hans 4 h obj pred mara obj pred leben subj, h subj pred hans h obj pred mara 4 obj dat hpred kb obj Hans lebt Mara. * Hans lebt Mara enem Kb.

32 Regerbare Funktonen regerbare: : OBJ: COMP: XCOMP: OBJ θ : OBL θ : Subjekt Objekt Satz- oder abgeschlossenes (ncht-prädkatves) Infntvkomplement offenes (prädkatves) Komplement, oft nfntvsch, dessen -Funkton extern kontrollert wrd sekundäre OBJ-Funktonen, de mt ener besonderen, sprachspezfschen Menge grammatscher Rollen verbunden snd, m Englschen nur OBJ THEME. ene Gruppe thematsch beschränkter oblquer Funktonen we z. B. OBL GOAL oder OBL AGENT,deoftadpostonalenPhrasenn der c-struktur entsprechen. ncht regerbare: ADJ: TOPIC: FOCUS: Adjunkte dastopkeneräußerung derfokuseneräußerung

33 Wohlgeformthet von f-strukturen Endeutgket: En Knoten f darf kene zwe Features mt dem glechen Namen haben. pred leben subj, h subj pred hans 4 h obj pred mara obj pred leben subj, h subj pred hans h obj pred mara 4 h obj pred kb obj Hans lebt Mara. * Hans lebt Mara en Kb.

34 De Abbldung ϕ C-Struktur und f-struktur werden über ene Abbldung ϕ n Bezehung gesetzt. ϕ st Funkton von Knoten der c-struktur nach Knoten der f-struktur. Im allgemenen ncht njektv: Phrase und hr Kopf werden auf glechen f-struktur-knoten abgebldet. Daher st f-struktur typscherwese flacher als c-struktur.

35 Bespel S NP NP V Det N Hans sst en Käsebrot. c-struktur pred essen pred subj 1 num pred obj 4spec 4 num fn + 1, f-struktur # hans kb a Abbldung ϕ

36 Bespel S NP NP V Det N Hans sst en Käsebrot. c-struktur pred essen pred subj 1 num pred obj 4spec 4 num fn + 1, f-struktur # hans kb a Abbldung ϕ

37 Bespel S NP NP V Det N Hans sst en Käsebrot. c-struktur pred essen pred subj 1 num pred obj 4spec 4 num fn + 1, f-struktur # hans kb a Abbldung ϕ

38 Bespel S NP NP V Det N Hans sst en Käsebrot. c-struktur pred essen pred subj 1 num pred obj 4spec 4 num fn + 1, f-struktur # hans kb a Abbldung ϕ

39 Bespel S NP NP V Det N Hans sst en Käsebrot. c-struktur pred essen pred subj 1 num pred obj 4spec 4 num fn + 1, f-struktur # hans kb a Abbldung ϕ

40 Bespel S NP NP V Det N Hans sst en Käsebrot. c-struktur pred essen pred subj 1 num pred obj 4spec 4 num fn + 1, f-struktur # hans kb a Abbldung ϕ

41 LFG-Grammatken Ene LFG-Grammatk st ene kontextfree Grammatk, n der Regeln mt f-struktur- Constrants annotert snd. S! NP! V NP (subj) =# = # = # (obj) =# Lexkonenträge geben Kategore des Wortes an und haben ebenfalls f-constrants. Hans NP ( pred) = Hans Mara NP ( pred) = Mara lebt V ( pred) = lebt h (subj), (obj)

42 De Pfele S! NP (subj) =# = # Regel defnert Constrants auf f-struktur: Pfel nach oben = ϕ(vaterknoten n der c-struktur). Pfel nach unten = ϕ(deses Knd n der c-struktur). Glechung: Bezechnete f-knoten müssen glech sen. S pred leben subj, h subj pred hans 4 h obj pred mara NP V NP obj Hans lebt Mara.

43 Illustraton! V h = # V! V = # NP (obj) =# V NP h obj []

44 LFG-Abletungen Ene LFG-Abletung T besteht aus c-struktur + f-struktur + ϕ. T st grammatsch korrekt, wenn: c-struktur st Parsebaum der kfg. Für jeden Knoten der c-struktur gelten de f-struktur- Constrants der entsprechenden kfg-regel. f-struktur st endeutg, vollständg und kohärent. Man nteressert sch nur für mnmale Abletungen, d.h. klenste f-strukturen.

45 Bespel: Verbletztstellung Zele be Beschrebung von Verbletztsätzen: Verb kommt am Schluss, alle NP-Komplemente davor. NP-Komplemente n belebger Rehenfolge. Subkategorserung des Verbs lexkalsch spezfzeren.! V = #! NP (subj) =#! NP (obj) =# =# =#

46 Verbletztstellung! V = #! NP (subj) =#! NP (obj) =# =# =# Hans NP ( pred) = Hans (agr case) =nom Mara NP ( pred) = Mara (agr case) =acc lebt V ( pred) = leben h(subj), (obj) (subj agr case) =nom (obj agr case) =acc NP Hans NP Mara V lebt. pred leben subj, obj subj 4 pred hans h agr case nom 4obj 4 pred mara h agr case acc

47 Verbletztstellung! V = #! NP (subj) =#! NP (obj) =# =# =# Hans NP ( pred) = Hans (agr case) =nom Mara NP ( pred) = Mara (agr case) =acc lebt V ( pred) = leben h(subj), (obj) (subj agr case) =nom (obj agr case) =acc NP Mara NP Hans V lebt. pred leben subj, obj subj 4 pred hans h agr case nom 4obj 4 pred mara h agr case acc

48 Verbletztstellung! V = #! NP (subj) =#! NP (obj) =# =# =# Hans NP ( pred) = Hans (agr case) =nom Mara NP ( pred) = Mara (agr case) =acc lebt V ( pred) = leben h(subj), (obj) (subj agr case) =nom (obj agr case) =acc NP V pred leben subj, obj 4subj 4 pred hans h agr case nom * Hans lebt. ken grammatscher Strng (f-struktur ncht vollständg)

49 Verbletztstellung! V = #! NP (subj) =#! NP (obj) =# =# =# Hans NP ( pred) = Hans (agr case) =nom Mara NP ( pred) = Mara (agr case) =acc schläft V ( pred) = schlafen h(subj) (subj agr case) =nom NP V pred schlafen subj 4subj 4 pred h hans agr case nom * Hans schläft. grammatscher Strng (f-struktur st vollständg)

50 Verbletztstellung kfg-regeln n LFG dürfen sehr permssv sen: Sagen oft nchts über Subkategorserung aus. Subkategorserung wrd durch Kohärenz und Vollständgket der f-struktur schergestellt und m Lexkon für jedes Verb enzeln spezfzert. Frees Kombneren auf c-struktur-ebene erlaubt frees Scramblng der Komplemente.

51 Präpostonalphrasen PPs können als Komplemente oder als Adjunkte auftreten. Allgemene Regel für PPs: PP! P =# NP (obj) =# Lexkonenträge für Präpostonen: to P ( pred) = to h(obj) n P ( pred) = loc h(obj)

52 PPs als Adjunkte Adjunkte mt mengenwertgem ADJ-Feature. ADJ st ncht regerbar, also ncht von Kohärenz und Vollständgket betroffen.! =# PP # ( adj) John slept n Potsdam on Frday NP PP PP John slept n P. on F. pred sleep subj h subj pred john 8 >< pred loc obj adj 4 4 h >:, obj pred potsdam 9 pred tme obj >= 4 h obj pred frday >;

53 PPs als Komplemente PP-Komplement muss sagen, welche (regerbare) grammatsche Rolle des Funktors es füllen möchte. Verwende Schrebwese ( PCASE): Evaluert zum Wert des PCASE-Features des Kndes.! =# PP ((#PCASE)) = # to P ( pred) = to h(obj) (pcase) =obl-dr John gave the book to Mary NP NP PP John gave the book to M. pred gve subj, obj, obl-dr h subj pred john h obj pred book pred to obj obl-dr h 4 4obj pred mary pcase obl-dr

54 Passv Passv kann enfach als lexkalsche Ambgutät des Verbs beschreben werden: lebt V ( pred) = leben h(subj), (obj) (subj agr case) =nom (obj agr case) =acc gelebt V ( pred) = leben h(obl-ag), (subj) (subj agr case) =nom Nützt PP-Maschnere n Kombnaton mt Kohärenz/Vollständgket aus.

55 Zusammenfassung LFG: Trennt c-struktur und f-struktur: c-struktur = Konsttuentenstruktur f-struktur = Featurestruktur Subkategorserung (= korrekte Valenz) wrd durch Kohärenz und Vollständgket der f-struktur schergestellt. Dadurch Grammatkregeln sehr allgemen zu halten; vel Informaton m Lexkon.

Lineare Regression (1) - Einführung I -

Lineare Regression (1) - Einführung I - Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:

Mehr

Konkave und Konvexe Funktionen

Konkave und Konvexe Funktionen Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage

Mehr

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden. Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve

Mehr

4. Musterlösung. Problem 1: Kreuzende Schnitte **

4. Musterlösung. Problem 1: Kreuzende Schnitte ** Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,

Mehr

1 Definition und Grundbegriffe

1 Definition und Grundbegriffe 1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:

Mehr

Hefte zur Logistik Prof. Dr. Siegfried Jetzke. Heft 1 Begriffsdefinitionen

Hefte zur Logistik Prof. Dr. Siegfried Jetzke. Heft 1 Begriffsdefinitionen Hefte zur Logstk Prof. Dr. Segfred Jetzke Heft 1 Begrffsdefntonen Jun 2010 Deses Heft st urheberrechtlch geschützt. Wenn Se de Quelle angeben, können Se gerne deses Heft wetergeben, Tele koperen oder aus

Mehr

6. Modelle mit binären abhängigen Variablen

6. Modelle mit binären abhängigen Variablen 6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch

Mehr

Spiele und Codes. Rafael Mechtel

Spiele und Codes. Rafael Mechtel Spele und Codes Rafael Mechtel Koderungstheore Worum es geht Über enen Kanal werden Informatonen Übertragen. De Informatonen werden dabe n Worte über enem Alphabet Q übertragen, d.h. als Tupel w = (w,,

Mehr

3.3 Lineare Abbildungen und Matrizen

3.3 Lineare Abbildungen und Matrizen 33 LINEARE ABBILDUNGEN UND MATRIZEN 87 33 Lneare Abbldungen und Matrzen Wr wollen jetzt de numersche Behandlung lnearer Abbldungen zwschen Vektorräumen beschreben be der vorgegebene Basen de Hauptrolle

Mehr

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz): LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete

Mehr

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher. PV - Hausaugabe Nr. 7.. Berechnen Se eakt und verglechen Se de Werte ür de Nullstelle, de mttels dem Verahren von Newton, der Regula als und ener Mttelung zu erhalten snd von der! Funkton: ( ) Lösungs

Mehr

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt:

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt: Informatk I 6. Kaptel Raner Schrader Zentrum für Angewandte Informatk Köln 4. Jun 008 Wr haben bsher behandelt: Suchen n Lsten (lnear und verkettet) Suchen mttels Hashfunktonen jewels unter der Annahme,

Mehr

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree

Mehr

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale 3. De Kennzechnung von Patkeln 3..1 Patkelmekmale De Kennzechnung von Patkeln efolgt duch bestmmte, an dem Patkel mess bae und deses endeutg beschebende physka lsche Gößen (z.b. Masse, Volumen, chaaktestsche

Mehr

Ionenselektive Elektroden (Potentiometrie)

Ionenselektive Elektroden (Potentiometrie) III.4.1 Ionenselektve Elektroden (otentometre) Zelstellung des Versuches Ionenselektve Elektroden gestatten ene verhältnsmäßg enfache und schnelle Bestmmung von Ionenkonzentratonen n verschedenen Meden,

Mehr

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007 Lehrstuhl für Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen

Mehr

tutorial N o 1a InDesign CS4 Layoutgestaltung Erste Schritte - Anlegen eines Dokumentes I a (Einfache Nutzung) Kompetenzstufe keine Voraussetzung

tutorial N o 1a InDesign CS4 Layoutgestaltung Erste Schritte - Anlegen eines Dokumentes I a (Einfache Nutzung) Kompetenzstufe keine Voraussetzung Software Oberkategore Unterkategore Kompetenzstufe Voraussetzung Kompetenzerwerb / Zele: InDesgn CS4 Layoutgestaltung Erste Schrtte - Anlegen enes Dokumentes I a (Enfache Nutzung) kene N o 1a Umgang mt

Mehr

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm): Aufgabe 1 (4 + 2 + 3 Punkte) Bem Wegen von 0 Respaketen ergaben sch folgende Gewchte X(n Gramm): 1 2 3 4 K = (x u, x o ] (98,99] (99, 1000] (1000,100] (100,1020] n 1 20 10 a) Erstellen Se das Hstogramm.

Mehr

Diskrete Mathematik 1 WS 2008/09

Diskrete Mathematik 1 WS 2008/09 Ruhr-Unverstät Bochum Lehrstuhl für Kryptologe und IT-Scherhet Prof. Dr. Alexander May M. Rtzenhofen, M. Mansour Al Sawad, A. Meurer Lösungsblatt zur Vorlesung Dskrete Mathematk 1 WS 2008/09 Blatt 7 /

Mehr

18. Dynamisches Programmieren

18. Dynamisches Programmieren 8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus

Mehr

1.1 Das Prinzip von No Arbitrage

1.1 Das Prinzip von No Arbitrage Fnanzmärkte H 2006 Tr V Dang Unverstät Mannhem. Das Prnzp von No Arbtrage..A..B..C..D..E..F..G..H Das Framework Bespele Das Fundamental Theorem of Fnance Interpretaton des Theorems und Zustandsprese No

Mehr

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com.

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com. Verfahren für de Polygonalserung ener Kugel Eldar Sultanow, Unverstät Potsdam, sultanow@gmal.com Abstract Ene Kugel kann durch mathematsche Funktonen beschreben werden. Man sprcht n desem Falle von ener

Mehr

Kleiner Fermatscher Satz, Chinesischer Restsatz, Eulersche ϕ-funktion, RSA

Kleiner Fermatscher Satz, Chinesischer Restsatz, Eulersche ϕ-funktion, RSA Klener Fermatscher Satz, Chnesscher Restsatz, Eulersche ϕ-funkton, RSA Manfred Gruber http://www.cs.hm.edu/~gruber SS 2008, KW 15 Klener Fermatscher Satz Satz 1. Se p prm und a Z p. Dann st a p 1 mod p

Mehr

Hydrosystemanalyse: Finite-Elemente-Methode (FEM)

Hydrosystemanalyse: Finite-Elemente-Methode (FEM) Hydrosystemanalyse: Prof. Dr.-Ing. habl. Olaf Koldtz 1 Helmholtz Centre for Envronmental Research UFZ, Lepzg 2 Technsche Unverstät Dresden TUD, Dresden Dresden, 03. Jul 2015 1/31 Prof. Dr.-Ing. habl. Olaf

Mehr

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder - Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole

Mehr

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung: Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab

Mehr

IT- und Fachwissen: Was zusammengehört, muss wieder zusammenwachsen.

IT- und Fachwissen: Was zusammengehört, muss wieder zusammenwachsen. IT- und achwssen: Was zusammengehört, muss weder zusammenwachsen. Dr. Günther Menhold, regercht 2011 Inhalt 1. Manuelle Informatonsverarbetung en ntegraler Bestandtel der fachlchen Arbet 2. Abspaltung

Mehr

Ich habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf.

Ich habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf. Ich habe en Bespel ähnlch dem der Ansys-Issue [ansys_advantage_vol_ssue3.pdf durchgeführt. Es stammt aus dem Dokument Rfatgue.pdf. Abbldung 1: Bespel aus Rfatgue.pdf 1. ch habe es manuell durchgerechnet

Mehr

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen 196 6.5. Rückgewnnung des Zetvorgangs: Rolle der Pole und Nullstellen We n 6.2. und 6.. gezegt wurde, st de Übertragungsfunkton G( enes lnearen zetnvaranten Systems mt n unabhänggen Spechern ene gebrochen

Mehr

Vorlesung 7: LFG I. Einführung, c- und f-strukturen

Vorlesung 7: LFG I. Einführung, c- und f-strukturen Vorlesung 7: LFG I. Einführung, c- und f-strukturen Dozent: Gerold Schneider Übersicht Die Behandlung überkreuzender Abhängigkeiten Transformationen Diskontinuierliche Grammatiken Argumentskomposition

Mehr

Methoden der innerbetrieblichen Leistungsverrechnung

Methoden der innerbetrieblichen Leistungsverrechnung Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den

Mehr

Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i

Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i Itemanalyse und Itemkennwerte De Methoden der Analyse der Itemegenschaften st ncht m engeren Snne Bestandtel der Klassschen Testtheore Im Rahmen ener auf der KTT baserenden Testkonstrukton und -revson

Mehr

LFG-basierter Transfer

LFG-basierter Transfer Inhaltsverzeichnis 1 2 2 Ein Beispiel 4 3 Strukturaufbau 7 4 Alternative Übersetzungen 8 5 Adjunkte 9 6 Kodeskription 10 http://www.ims.uni-stuttgart.de/ gojunaa/mue_tut.html 1 1 Um einen quellsprachlichen

Mehr

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2 1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:

Mehr

3.1 Extensive Form, Spielbaum und Teilspiele

3.1 Extensive Form, Spielbaum und Teilspiele 3. Spele n extensver Form 3.1 Extensve Form, Spelbaum und Telspele 3.2 Strategen n extensven Spelen 4. Spele mt vollkommener Informaton 4.1 Telspelperfekte Nash-Glechgewchte 4.2 Das chan-store -Paradox

Mehr

12 UMPU Tests ( UMP unbiased )

12 UMPU Tests ( UMP unbiased ) 89 1 UMPU Tests ( UMP unbased ) Nach Bemerkung 11.8(b) exstert m Allgemenen ken zwesetger UMP- Test zu enem Nveau α. Deshalb Enschränkung auf unverfälschte Tests: ϕ Φ α heßt unverfälscht (unbased) zum

Mehr

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07 Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 3.Auflage Dese Broschüre hlft bem Verfassen und Betreuen von Maturaarbeten. De 3.Auflage

Mehr

Seminar Netzwerkanalyse. Kapitel 12 Vergleiche von Netzw erken. Sommersemester 2005 Universität Trier

Seminar Netzwerkanalyse. Kapitel 12 Vergleiche von Netzw erken. Sommersemester 2005 Universität Trier Kaptel 2 Vergleche von Netzw erken Sommersemester 2005, 697862 Kaptel 2.0 Allgemenes Allgemenes Graph-Isomorphsmus Problem (GI) besteht darn festzustellen, ob zwe gegebene Graphen somorph snd In der Praxs

Mehr

Statistik und Wahrscheinlichkeit

Statistik und Wahrscheinlichkeit Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse

Mehr

1. Schaltungsbeschreibung - Netzwerktopologie. Regeln der Schaltwerktheorie:

1. Schaltungsbeschreibung - Netzwerktopologie. Regeln der Schaltwerktheorie: 1. Schaltungsbeschrebung - Netzwerktopologe Regeln der Schaltwerktheore: Krchhoffsche Spannungsregel Krchhoffsche Stromregel + Zweg- (bzw. Element-) Funktonen De Netzwerktopologe beschrebt de Verknüpfung

Mehr

Einführung in die Finanzmathematik

Einführung in die Finanzmathematik 1 Themen Enführung n de Fnanzmathematk 1. Znsen- und Znsesznsrechnung 2. Rentenrechnung 3. Schuldentlgung 2 Defntonen Kaptal Betrag n ener bestmmten Währungsenhet, der zu enem gegebenen Zetpunkt fällg

Mehr

Anwendungsmöglichkeiten von Lernverfahren

Anwendungsmöglichkeiten von Lernverfahren Künstlche Neuronale Netze Lernen n neuronalen Netzen 2 / 30 Anwendungsmöglcheten von Lernverfahren Prnzpelle Möglcheten Verbndungsorentert 1 Hnzufügen neuer Verbndungen 2 Löschen bestehender Verbndungen

Mehr

1 Mehrdimensionale Analysis

1 Mehrdimensionale Analysis 1 Mehrdmensonale Analyss Bespel: De Gesamtmasse der Erde st ene Funton der Erddchte ρ Erde und des Erdradus r Erde De Gesamtmasse der Erde st dann m Erde = V Erde ρ Erde Das Volumen ener Kugel mt Radus

Mehr

Der Satz von COOK (1971)

Der Satz von COOK (1971) Der Satz von COOK (1971) Voraussetzung: Das Konzept der -Band-Turng-Maschne (TM) 1.) Notatonen: Ene momentane Beschrebung (mb) ener Konfguraton ener TM st en -Tupel ( α1, α2,..., α ) mt α = xqy, falls

Mehr

Erwartungswert, Varianz, Standardabweichung

Erwartungswert, Varianz, Standardabweichung RS 24.2.2005 Erwartungswert_Varanz_.mcd 4) Erwartungswert Erwartungswert, Varanz, Standardabwechung Be jedem Glücksspel nteresseren den Speler vor allem de Gewnnchancen. 1. Bespel: Setzen auf 1. Dutzend

Mehr

Praktikum Physikalische Chemie I (C-2) Versuch Nr. 6

Praktikum Physikalische Chemie I (C-2) Versuch Nr. 6 Praktkum Physkalsche Cheme I (C-2) Versuch Nr. 6 Konduktometrsche Ttratonen von Säuren und Basen sowe Fällungsttratonen Praktkumsaufgaben 1. Ttreren Se konduktometrsch Schwefelsäure mt Natronlauge und

Mehr

Gruppe. Lineare Block-Codes

Gruppe. Lineare Block-Codes Thema: Lneare Block-Codes Lneare Block-Codes Zele Mt desen rechnerschen und expermentellen Übungen wrd de prnzpelle Vorgehenswese zur Kanalcoderung mt lnearen Block-Codes erarbetet. De konkrete Anwendung

Mehr

VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE

VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE Karl Rudolf KOCH Knut RIESMEIER In: WELSCH, Walter (Hrsg.) [1983]: Deformatonsanalysen 83 Geometrsche Analyse und Interpretaton von Deformatonen

Mehr

Nullstellen Suchen und Optimierung

Nullstellen Suchen und Optimierung Nullstellen Suchen und Optmerung Typsche Probleme: De optmale Bahnkurve De Mnmerung des Erwartungswertes ür den Hamltonan Wr möchten ene Funkton mnmeren oder mameren solch en Problem wrd Optmerung genannt!

Mehr

Wahl auf Bäumen: FireWire

Wahl auf Bäumen: FireWire Wahl auf Bäumen: FreWre IEEE 94 Hgh Performance Seral Bus (FreWre) Internatonaler Standard Hochgeschwndgketsbus Transport von dgtalen Audo- und Vdeo-Daten 400 Mbps (94b: 800 MBps... 3200 Mbps) Hot-pluggable

Mehr

Unter der Drehgruppe verstehen wir diegruppe der homogenen linearen Transformationen

Unter der Drehgruppe verstehen wir diegruppe der homogenen linearen Transformationen Darstellunstheore der SO() und SU() Powtschnk Alexander. Defnton Darstellun Ene Darstellun ener Gruppe G st homomorphe Abbldun von deser Gruppe auf ene Gruppe nchtsnulärer lnearer Operatoren auf enem Vektorraum

Mehr

Operations Research II (Netzplantechnik und Projektmanagement)

Operations Research II (Netzplantechnik und Projektmanagement) Operatons Research II (Netzplantechnk und Projektmanagement). Aprl Frank Köller,, Hans-Jörg von Mettenhem & Mchael H. Bretner.. # // ::: Gute Vorlesung:-) Danke! Feedback.. # Netzplantechnk: Überblck Wchtges

Mehr

Vorlesung 1. Prof. Dr. Klaus Röder Lehrstuhl für BWL, insb. Finanzdienstleistungen Universität Regensburg. Prof. Dr. Klaus Röder Folie 1

Vorlesung 1. Prof. Dr. Klaus Röder Lehrstuhl für BWL, insb. Finanzdienstleistungen Universität Regensburg. Prof. Dr. Klaus Röder Folie 1 Vorlesung Entschedungslehre h SS 205 Prof. Dr. Klaus Röder Lehrstuhl für BWL, nsb. Fnanzdenstlestungen Unverstät Regensburg Prof. Dr. Klaus Röder Fole Organsatorsches Relevante Informatonen önnen Se stets

Mehr

Ordered Response Models (ORM)

Ordered Response Models (ORM) Handout: Mkroökonometre Ordered Response Models Domnk Hanglberger - SS 28 Ordered Response Models (ORM) Ist de abhängge Varable ordnal skalert (d.h. hre Kategoren lassen sch n ene Rangrehenfolge brngen,

Mehr

Prof. Dr.-Ing. P. Eberhard, Prof. Dr.-Ing. M. Hanss SS 2016 A 1.1

Prof. Dr.-Ing. P. Eberhard, Prof. Dr.-Ing. M. Hanss SS 2016 A 1.1 Insttut für Technsche und Num. Mechan Technsche Mechan IV Prof. Dr.-Ing. P. Eberhard, Prof. Dr.-Ing. M. Hanss SS 16 A 1.1 Aufgabe 1: En mechansches Sstem wrd durch folgende lnearserte Bewegungsglechungen

Mehr

Kapitel 8: Graph-Strukturierte Daten

Kapitel 8: Graph-Strukturierte Daten Ludwg Maxmlans Unerstät München Insttut für Informatk Lehr- und Forschungsenhet für Datenbanksysteme Skrpt zur Vorlesung Knowledge Dscoery n Dtb Databases II m Wntersemester 2011/2012 Kaptel 8: Graph-Strukturerte

Mehr

ERP Cloud Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Preise erfassen. www.comarch-cloud.de

ERP Cloud Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Preise erfassen. www.comarch-cloud.de ERP Cloud SFA ECM Backup E-Commerce ERP EDI Prese erfassen www.comarch-cloud.de Inhaltsverzechns 1 Zel des s 3 2 Enführung: Welche Arten von Presen gbt es? 3 3 Beschaffungsprese erfassen 3 3.1 Vordefnerte

Mehr

Einbau-/Betriebsanleitung Stahl-PE-Übergang Typ PESS / Typ PESVS Originalbetriebsanleitung Für künftige Verwendung aufbewahren!

Einbau-/Betriebsanleitung Stahl-PE-Übergang Typ PESS / Typ PESVS Originalbetriebsanleitung Für künftige Verwendung aufbewahren! Franz Schuck GmbH Enbau-/Betrebsanletung Stahl-PE-Übergang Typ PESS / Typ PESVS Orgnalbetrebsanletung Für künftge Verwendung aufbewahren! Enletung Dese Anletung st für das Beden-, Instandhaltungs- und

Mehr

Grundwissen Grammatik

Grundwissen Grammatik Ft für das Bachelorstudum Grundwssen Grammatk Verb 1 1. 1. 1 Konjugaton des Verbs Verben werden konjugert, d.h., se werden nachfünf verschedenen grammatschen Kategoren verändert: nach der Person: ch schree

Mehr

Standortplanung. Positionierung von einem Notfallhubschrauber in Südtirol. Feuerwehrhaus Zentrallagerpositionierung

Standortplanung. Positionierung von einem Notfallhubschrauber in Südtirol. Feuerwehrhaus Zentrallagerpositionierung Standortplanung Postonerung von enem Notfallhubschrauber n Südtrol Postonerung von enem Feuerwehrhaus Zentrallagerpostonerung 1 2 Postonerung von enem Notfallhubschrauber n Südtrol Zu bekannten Ensatzorten

Mehr

1.6 Energie 1.6.1 Arbeit und Leistung Wird ein Körper unter Wirkung der Kraft F längs eines Weges s verschoben, so wird dabei die Arbeit

1.6 Energie 1.6.1 Arbeit und Leistung Wird ein Körper unter Wirkung der Kraft F längs eines Weges s verschoben, so wird dabei die Arbeit 3.6 Energe.6. Arbe und Lesung Wrd en Körper uner Wrkung der Kraf F längs enes Weges s verschoben, so wrd dabe de Arbe W = F s Arbe = Kraf Weg verrche. In deser enfachen Form gülg, wenn folgende Voraussezungen

Mehr

Datenträger löschen und einrichten

Datenträger löschen und einrichten Datenträger löschen und enrchten De Zentrale zum Enrchten, Löschen und Parttoneren von Festplatten st das Festplatten-Denstprogramm. Es beherrscht nun auch das Verklenern von Parttonen, ohne dass dabe

Mehr

Bildverarbeitung Herbstsemester 2012. Bildspeicherung

Bildverarbeitung Herbstsemester 2012. Bildspeicherung Bldverarbetung Herbstsemester 2012 Bldspecherung 1 Inhalt Bldformate n der Überscht Coderung m Überblck Huffman-Coderung Datenredukton m Überblck Unterabtastung Skalare Quantserung 2 Lernzele De wchtgsten

Mehr

DLK Pro Multitalente für den mobilen Datendownload. Maßgeschneidert für unterschiedliche Anforderungen. www.dtco.vdo.de

DLK Pro Multitalente für den mobilen Datendownload. Maßgeschneidert für unterschiedliche Anforderungen. www.dtco.vdo.de DLK Pro Multtalente für den moblen Datendownload Maßgeschnedert für unterschedlche Anforderungen www.dtco.vdo.de Enfach brllant, brllant enfach DLK Pro heßt de Produktfamle von VDO, de neue Standards n

Mehr

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de

Mehr

I, U : Momentanwerte für Strom und Spannung I 0, U 0 : Scheitelwerte für Strom und Spannung

I, U : Momentanwerte für Strom und Spannung I 0, U 0 : Scheitelwerte für Strom und Spannung Wechselsrom B r A B sn( sn( Wrd de eerschlefe über enen Wdersand kurzgeschlossen fleß en Srom: sn( sn(, : Momenanwere für Srom und Spannung, : Scheelwere für Srom und Spannung ~ sn( sn( Effekvwere für

Mehr

Netzwerkstrukturen. Entfernung in Kilometer:

Netzwerkstrukturen. Entfernung in Kilometer: Netzwerkstrukturen 1) Nehmen wr an, n enem Neubaugebet soll für 10.000 Haushalte en Telefonnetz nstallert werden. Herzu muss von jedem Haushalt en Kabel zur nächstgelegenen Vermttlungsstelle gezogen werden.

Mehr

Musterklausur Wirtschaftsmathematik und Statistik. Zusatzstudium für Wirtschaftsingenieur

Musterklausur Wirtschaftsmathematik und Statistik. Zusatzstudium für Wirtschaftsingenieur Musterklausur Wrtschaftsmathematk und Statstk Zusatzstudum für Wrtschaftsngeneur Telnehmer (Name, Vorname): Datum:.2006 Prüfer: Böhm-Retg Matrkelnummer: REGELN 1. Zum Bestehen der Klausur snd mndestens

Mehr

18. Vorlesung Sommersemester

18. Vorlesung Sommersemester 8. Vorlesung Sommersemester Der Drehmpuls des starren Körpers Der Drehmpuls des starren Körpers st etwas komplzerter. Wenn weder de Wnkelgeschwndgket um de feste Rotatonsachse st, so wrd mt Hlfe des doppelten

Mehr

Werkstoffmechanik SS11 Baither/Schmitz. 5. Vorlesung

Werkstoffmechanik SS11 Baither/Schmitz. 5. Vorlesung Werkstoffmechank SS11 Bather/Schmtz 5. Vorlesung 0.05.011 4. Mkroskopsche Ursachen der Elastztät 4.1 Energeelastztät wrd bestmmt durch de Wechselwrkungspotentale zwschen den Atomen, oft schon auf der Bass

Mehr

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt -

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt - Flußnetzwerke - Strukturbldung n der natürlchen Umwelt - Volkhard Nordmeer, Claus Zeger und Hans Joachm Schlchtng Unverstät - Gesamthochschule Essen Das wohl bekannteste und größte exsterende natürlche

Mehr

14 Überlagerung einfacher Belastungsfälle

14 Überlagerung einfacher Belastungsfälle 85 De bsher betrachteten speellen Belastungsfälle treten n der Technk. Allg. ncht n rener orm auf, sondern überlagern sch. Da de auftretenden Verformungen klen snd und en lnearer Zusammenhang wschen Verformung

Mehr

Gesetzlicher Unfallversicherungsschutz für Schülerinnen und Schüler

Gesetzlicher Unfallversicherungsschutz für Schülerinnen und Schüler Gesetzlcher Unfallverscherungsschutz für Schülernnen und Schüler Wer st verschert? Lebe Eltern! Ihr Knd st während des Besuches von allgemen bldenden und berufsbldenden Schulen gesetzlch unfallverschert.

Mehr

Klassische Gatter und Logikelemente. Seminarvortrag zu Ausgewählte Kapitel der Quantentheorie Quantenalgorithmen

Klassische Gatter und Logikelemente. Seminarvortrag zu Ausgewählte Kapitel der Quantentheorie Quantenalgorithmen Klasssche Gatter und Logkelemente Semnarvortrag zu Ausgewählte Kaptel der Quantentheore Quantenalgorthmen Gerd Ch. Krzek WS 2003 I. Grundlagen und Methoden der Logk: Im folgenden soll de Konstrukton und

Mehr

Einführung in Origin 8 Pro

Einführung in Origin 8 Pro Orgn 8 Pro - Enführung 1 Enführung n Orgn 8 Pro Andreas Zwerger Orgn 8 Pro - Enführung 2 Überscht 1) Kurvenft, was st das nochmal? 2) Daten n Orgn mporteren 3) Daten darstellen / plotten 4) Kurven an Daten

Mehr

Nernstscher Verteilungssatz

Nernstscher Verteilungssatz Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.

Mehr

FORMELSAMMLUNG STATISTIK (I)

FORMELSAMMLUNG STATISTIK (I) Statst I / B. Zegler Formelsammlng FORMELSAMMLUG STATISTIK (I) Statstsche Formeln, Defntonen nd Erläterngen A a X n qaltatves Mermal Mermalsasprägng qanttatves Mermal Mermalswert Anzahl der statstschen

Mehr

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar.

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar. . Nullstellensuche Enes der ältesten numerschen Probleme stellt de Bestmmung der Nullstellen ener Funkton = dar. =c +c =c +c +c =Σc =c - sn 3 Für ene Gerade st das Problem trval, de Wurzel ener quadratschen

Mehr

Analyse von Querschnittsdaten. Bivariate Regression

Analyse von Querschnittsdaten. Bivariate Regression Analse von Querschnttsdaten Bvarate Regresson Warum geht es n den folgenden Stzungen? Kontnuerlche Varablen Deskrptve Modelle kategorale Varablen Datum 3.0.2004 20.0.2004 27.0.2004 03..2004 0..2004 7..2004

Mehr

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich Drtter Hauptsatz der Thermodynamk Rückblck auf vorherge Vorlesung Methoden zur Erzeugung tefer Temperaturen: - umgekehrt laufende WKM (Wärmepumpe) - Joule-Thomson Effekt bs 4 K - Verdampfen von flüssgem

Mehr

Finanzwirtschaft. Kapitel 3: Simultane Investitions- und Finanzplanung. Lehrstuhl für Finanzwirtschaft - Universität Bremen 1

Finanzwirtschaft. Kapitel 3: Simultane Investitions- und Finanzplanung. Lehrstuhl für Finanzwirtschaft - Universität Bremen 1 Fnanzwrtschaft Kaptel 3: Smultane Investtons- und Fnanzplanung Prof. Dr. Thorsten Poddg Lehrstuhl für Allgemene Betrebswrtschaftslehre, nsbes. Fnanzwrtschaft Unverstät Bremen Hochschulrng 4 / WW-Gebäude

Mehr

III. Theorie des Haushalts

III. Theorie des Haushalts Pro. Dr. Fredel Bolle Vorlesung "Mkroökonome" WS 008/009 III. Theore des Haushalts 86 Pro. Dr. Fredel Bolle Vorlesung "Mkroökonome" WS 008/009 III. Theore des Haushalts 87 III. Theore des Haushalts Unternehmung

Mehr

Free Riding in Joint Audits A Game-Theoretic Analysis

Free Riding in Joint Audits A Game-Theoretic Analysis . wp Wssenschatsorum, Wen,8. Aprl 04 Free Rdng n Jont Audts A Game-Theoretc Analyss Erch Pummerer (erch.pummerer@ubk.ac.at) Marcel Steller (marcel.steller@ubk.ac.at) Insttut ür Rechnungswesen, Steuerlehre

Mehr

Dynamik starrer Körper

Dynamik starrer Körper Dynamk starrer Körper Bewegungen starrer Körper können n Translaton und Rotaton zerlegt werden. De Rotaton stellt enen nneren Frehetsgrad des Körpers dar, der be Punktmassen ncht exstert. Der Schwerpunkt

Mehr

4 Die geometrische Darstellung der komplexen

4 Die geometrische Darstellung der komplexen 4 De geometrsche Darstellung der komplexen Zahlen Mt komplexen Zahlen kann man rechnen we mt gewöhnlchen Zahlen. Man kann mt hnen alle quadratschen Glechungen lösen. Aber das st be wetem ncht alles: Komplexe

Mehr

Portfoliothorie (Markowitz) Separationstheorem (Tobin) Kapitamarkttheorie (Sharpe

Portfoliothorie (Markowitz) Separationstheorem (Tobin) Kapitamarkttheorie (Sharpe Portfolothore (Markowtz) Separatonstheore (Tobn) Kaptaarkttheore (Sharpe Ene Enführung n das Werk von dre Nobelpresträgern zu ene Thea U3L-Vorlesung R.H. Schdt, 3.12.2015 Wozu braucht an Theoren oder Modelle?

Mehr

Die Kugel Lösungen. 1. Von einer Kugel ist der Radius bekannt. Berechne Volumen und Oberfläche der

Die Kugel Lösungen. 1. Von einer Kugel ist der Radius bekannt. Berechne Volumen und Oberfläche der De Kugel Lösungen 1. Von ener Kugel st der Radus bekannt. Berechne Volumen und Oberfläche der Kugel. r,8 cm 5, cm 18,6 cm 4, cm 5,6 cm 4,8 cm V 0 cm³ 64 cm³ 6 954 cm³ cm³ 76 cm³ 46 cm³ O 181 cm² 5 cm²

Mehr

MOD-01 LAGRANGE FORMALISMUS -- TEIL 1

MOD-01 LAGRANGE FORMALISMUS -- TEIL 1 MOD- LAGRAGE FORMALISMUS -- EIL. Zustandsfunktonen Defnton -: Zustandsfunkton Ene Zustandsfunkton W( () t, t) = W(, t) bzw. W ( ) st jede belebge skalare Funkton der Zustandsgrößen () t und der Zet t,

Mehr

1 - Prüfungsvorbereitungsseminar

1 - Prüfungsvorbereitungsseminar 1 - Prüfungsvorberetungssemnar Kaptel 1 Grundlagen der Buchführung Inventur Inventar Blanz Inventur st de Tätgket des mengenmäßgen Erfassens und Bewertens aller Vermögenstele und Schulden zu enem bestmmten

Mehr

Produkt-Moment-Korrelation (1) - Einführung I -

Produkt-Moment-Korrelation (1) - Einführung I - Produkt-Moment-Korrelaton - Enführung I - Kennffer ur Bechreung de lnearen Zuammenhang wchen we Varalen X und Y. Bechret de Rchtung und de Enge de Zuammenhang m Snne von je... deto... oder wenn... dann...

Mehr

Was erwarten wir als Ergebnis von freien Verhandlungen in einer Gruppe mit Koalitionsmöglichkeiten?

Was erwarten wir als Ergebnis von freien Verhandlungen in einer Gruppe mit Koalitionsmöglichkeiten? Prof. Dr. Fredel Bolle 1 Prof. Dr. Fredel Bolle Vorlesung 1 Defnton: Kooperatves Spel En ooperatves Spel Γ st en Tupel (N,V), wobe der N = {1,...,m} mt m > 1 de Menge der Speler bezechnet und Was erwarten

Mehr

Energiesäule mit drei Leereinheiten, Höhe 491 mm Energiesäule mit Lichtelement und drei Leereinheiten, Höhe 769 mm

Energiesäule mit drei Leereinheiten, Höhe 491 mm Energiesäule mit Lichtelement und drei Leereinheiten, Höhe 769 mm Montageanletung Energesäule mt dre Leerenheten, Höhe 491 mm 1345 26/27/28 Energesäule mt Lchtelement und dre Leerenheten, Höhe 769 mm 1349 26/27/28 Energesäule mt sechs Leerenheten, Höhe 769 mm, 1351 26/27/28

Mehr

DLK Pro Multitalente für den mobilen Datendownload. Maßgeschneidert für unterschiedliche Anforderungen. www.dtco.vdo.de

DLK Pro Multitalente für den mobilen Datendownload. Maßgeschneidert für unterschiedliche Anforderungen. www.dtco.vdo.de DLK Pro Multtalente für den moblen Datendownload Maßgeschnedert für unterschedlche Anforderungen Enfach brllant, brllant enfach Immer de rchtge Lösung DLK Pro heßt de Produktfamle von VDO, de neue Standards

Mehr

Grundlagen der LFG. (1) I danced a dance, I sneezed a sneeze, I laughed a laugh I stumbled a stumble, *I drowned a drown, *I floated a float

Grundlagen der LFG. (1) I danced a dance, I sneezed a sneeze, I laughed a laugh I stumbled a stumble, *I drowned a drown, *I floated a float Lösung 2 Grundlagen der LFG Einführung in die LFG Sommersemester 2010 Universität Konstanz Miriam Butt 1 Linking 1.1 Intransitive Verben Englisch Agentive Verbs: sneeze, swim, laugh, sleep Non-agentive

Mehr

Grundlagen Modul 4. Internet. Im Internet etwas suchen. Seite 1 GM4

Grundlagen Modul 4. Internet. Im Internet etwas suchen. Seite 1 GM4 Klene Schule Grundlagen Modul 4 Internet Im Internet etwas suchen Sete 1 De Schulungsunterlagen Der Aufbau De Schulungsunterlagen snd n verschedene Module aufgetelt. Enersets n Grundlagen Module, welche

Mehr

1 BWL 4 Tutorium V vom 15.05.02

1 BWL 4 Tutorium V vom 15.05.02 1 BWL 4 Tutorum V vom 15.05.02 1.1 Der Tlgungsfaktor Der Tlgungsfaktor st der Kehrwert des Endwertfaktors (EWF). EW F (n; ) = (1 + )n 1 T F (n; ) = 1 BWL 4 TUTORIUM V VOM 15.05.02 (1 ) n 1 Mt dem Tlgungsfaktor(TF)

Mehr

Boost-Schaltwandler für Blitzgeräte

Boost-Schaltwandler für Blitzgeräte jean-claude.feltes@educaton.lu 1 Boost-Schaltwandler für Bltzgeräte In Bltzgeräten wrd en Schaltwandler benutzt um den Bltzkondensator auf ene Spannung von engen 100V zu laden. Oft werden dazu Sperrwandler

Mehr

1. Normalfolge: Anfang Vorgang i+1 ist auf Ende Vorgang i abgestimmt. 2. Anfangsfolge: Anfang Vorgang i+1 ist auf Anfang Vorgang i abgestimmt.

1. Normalfolge: Anfang Vorgang i+1 ist auf Ende Vorgang i abgestimmt. 2. Anfangsfolge: Anfang Vorgang i+1 ist auf Anfang Vorgang i abgestimmt. Themengebet: Netzplantechnk ete: Arten von Anordnungsbezehungen nach DIN 99:. Normalfolge: Anfang + st auf Ende abgestmmt. 2. Anfangsfolge: Anfang + st auf Anfang abgestmmt.. Endfolge: Ende + st auf Ende

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 2009 UNIVERSITÄT KARLSRUHE Blatt 2 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 7: (B. Fredmans Urnenmodell)

Mehr