Zuverlässigkeitstechnik

Größe: px
Ab Seite anzeigen:

Download "Zuverlässigkeitstechnik"

Transkript

1 Fakultät Elektrotechnik & Informationstechnik Institut für Automatisierungstechnik, Professur für Prozessleittechnik Zuverlässigkeitstechnik VL Prozessinformationsverarbeitung Dresden,

2 Übersicht Zuverlässigkeit, Sicherheit, Verlässlichkeit Zuverlässigkeitstechnik Überlebensfunktion Verfügbarkeit Zuverlässigkeitsstrukturen Prinzip der physikalische Redundanz Ausfallwahrscheinlichkeit einfacher Zuverlässigkeitsstrukturen Komplexe Ausfallmechanismen Modellierung und Berechnung mit Markov-Modellen TU Dresden, Zuverlässigkeitstechnik PIV, 2009 (c) Urbas Folie 2

3 Zuverlässigkeit = Sicherheit? Im Alltagsgebrauch oft fast synonym gebraucht Sicherheit = Schutz Das sichere Ereignis, mit an Sicherheit grenzender Wahrscheinlichkeit In technischen System (und der PIV) jedoch: Zuverlässigkeit: Verhinderung des Ausfalls eines Systems Sicherheit: Verhinderung einer Gefahr Achtung: Die Eigenschaften sicher und zuverlässig können in technischen Systemen weitgehend unabhängig voneinander auftreten! Beispiel Verkehrsmittel: zuverlässig (ich kann mich darauf verlassen, pünktlich anzukommen), sicher (ich kann darin vertrauen, dass mir nichts passiert) TU Dresden, Zuverlässigkeitstechnik PIV, 2009 (c) Urbas Folie 3

4 Zuverlässigkeit Zuverlässigkeit (engl. Reliability) ist ein Maß für die Fähigkeit des Systems, funktionstüchtig zu bleiben, z.b. die Wahrscheinlichkeit, dass das System während einer bestimmten Zeitdauer t nicht versagt DIN 40041: Zuverlässigkeit ist die Beschaffenheit bezüglich der Eignung, während oder nach vorgegebenen Zeitspannen bei vorgegebenen Arbeitsbedingungen die Zuverlässigkeitsanforderungen zu erfüllen TU Dresden, Zuverlässigkeitstechnik PIV, 2009 (c) Urbas Folie 4

5 Verlässlichkeit (aus der Ecke fehlertolerante Software) Verlässlichkeit (Dependability): Grad der Vertrauenswürdigkeit in die vom System erbrachte Leistung Subjektive Bewertung eines Systems! Komponenten, die zu Verlässlichkeit beitragen: Zuverlässigkeit (reliability) * Verfügbarkeit (availiability) * Wartbarkeit (maintainability) * Sicherheit (safety) ** Integrität (integrity) ** Vertraulichkeit (confidentiality) ** * Laprie (1985) Dependable Computing and Fault Tolerance: Concepts and terminology ** Avizienis, Laprie, Randell (2001) Fundamental Concepts of Dependability TU Dresden, Zuverlässigkeitstechnik PIV, 2009 (c) Urbas Folie 5

6 Zuverlässigkeitstechnik Ziel: Berechnung quantitativer Kenngrößen von reparierbaren oder nicht reparierbaren Betrachtungseinheiten zur Vorhersage der Funktionsfähigkeit des Gesamtsystems Betrachtungseinheit Teilsystem, Software, Baugruppe, Bauelement (je nach Aufgabe) Achtung! Vereinfachte Betrachtungsweise: Jede Betrachtungseinheit ist entweder funktionsfähig Verhalten entspricht der Anforderungsspezifikation oder nicht funktionsfähig Verhalten entspricht nicht der Anforderungsspezifikation TU Dresden, Zuverlässigkeitstechnik PIV, 2009 (c) Urbas Folie 6

7 Fehler und Ausfall Fehler: Ausfall: DIN40041: Nichterfüllung einer Forderung Nichterfüllung vorgegebener Forderungen durch einen Merkmalswert (Zustand) Eine Komponente ist in einem nicht funktionsfähigen Zustand. DIN40041: Beendigung der Funktionsfähigkeit einer materiellen Einheit im Rahmen der zugelassenen Beanspruchung Das Aussetzen der Ausführung einer festgelegten Aufgabe. Übergang vom fehlerfreien (= funktionsfähigem) in den fehlerhaften (= nicht funktionsfähigem) Zustand (Ereignis). TU Dresden, Zuverlässigkeitstechnik PIV, 2009 (c) Urbas Folie 7

8 Fragestellungen der Zuverlässigkeitstechnik Wie zuverlässig ist eine Funktionseinheit? Beschaffenheit einer Funktionseinheit bzgl. ihrer Fähigkeit, während oder nach vorgegebenen Zeitspannen bei festgelegten Betriebsbedingungen die Zuverlässigkeitsanforderungen zu erfüllen (DIN 40041, DIN 55350). Wie hoch ist die Lebensdauer einer Betrachtungseinheit? für die einzelne nicht instandsetzbare Betrachtungseinheit die beobachte Zeitspanne L vom Beanspruchungsbeginn t 0 bis zum Ausfallzeitpunkt t F : L := t F t 0 Wie hoch ist die Verfügbarkeit eines Systems? Wahrscheinlichkeit V, ein System zu einem vorgegebenen Zeitpunkt t in einem funktionsfähigen Zustand anzutreffen. TU Dresden, Zuverlässigkeitstechnik PIV, 2009 (c) Urbas Folie 8

9 Zuverlässigkeitsfunktion (Überlebenswahrscheinlichkeit) Zuverlässigkeitsfunktion R(t) = W(T>t) gibt an, mit welcher Wahrscheinlichkeit Betriebszeiten T auftreten, die länger sind als ein vorgegebener Zeitraum t auch mit welcher Wahrscheinlichkeit ist die Lebensdauer L := t F t 0 größer als ein vorgegebener Zeitraum t TU Dresden, Zuverlässigkeitstechnik PIV, 2009 (c) Urbas Folie 9

10 Empirische Bestimmung der Zuverlässigkeitsfunktion Mehrere baugleiche Betrachtungseinheiten Gleichzeitige Inbetriebsetzung Zufällige Ausfallmechanismen führen zu unterschiedliche Ausfallzeiten T Model gilt nicht für Software! BE1 BE2 Funktionsfähig Nicht Funktionsfähig Funktionsfähig Nicht Funktionsfähig T T Zeit t Zeit t Gemessen wird der Zeitpunkt der beobachteten Ausfälle für die Betrachtungseinheiten. Daraus wird eine Verteilungsfunktion abgeleitet R(t) BEn Funktionsfähig Nicht Funktionsfähig R(t) T Zeit t Zeit t TU Dresden, Zuverlässigkeitstechnik PIV, 2009 (c) Urbas Folie 10

11 Beispiel ( Excel) 1 R(t) [%] [1/t] 0,75 Anzahl BE für die T > t Ausfallrate ΔBE(t)/BE(t) 0,5 0, ,5 t 1 TU Dresden, Zuverlässigkeitstechnik PIV, 2009 (c) Urbas Folie 11

12 Versagenswahrscheinlichkeit Versagenswahrscheinlichkeit Die Wahrscheinlichkeit, dass die Betriebszeiten T bis zum Versagen nicht länger sind als t Q(t) = W(T t) = 1 - R(t) MTTF (mittlere Lebensdauer) En ISO : Mittlere Betriebsdauer bis zum Ausfall Bei konst. Ausfallrate zum Zeitpunkt MTTF etwa 63 % der Einheiten ausgefallen! TU Dresden, 13.Apr 2006 PRLT, Urbas (c) Folie 12

13 Versagensrate Versagensrate / Ausfallrate Negativer Wert der Ableitung der logarithmischen Zuverlässigkeitsfunktion d (t) - dt ln R(t) - 1 R(t) dr(t) dt R(t) t 0 e ( ) d Gleichung hat einfache Lösung für mittlere Versagensrate (t) = const. R(t) = e -t und = 1/MTTF Gebrauchsphase TU Dresden, 13.Apr 2006 PRLT, Urbas (c) Folie 13

14 Mittel zur Erhöhung der Zuverlässigkeit Konstruktion zuverlässigerer Komponenten Material Herstellungstechnologie Konstruktion/Gestaltung Auswahl geeigneter Komponenten (Eingangskontrolle, Burn-in) Überdimensionierung, Unterlastung Störfestigkeit, Schutz gegen Umwelteinflüsse Verwendung von Selbsttestverfahren Redundanzmaßnahmen Idee: Doppelt genäht hält besser wenn eine Komponente ausfällt, dann übernimmt eine andere die Aufgabe wenn es zwei tun, dann fällt s nicht auf wenn einer wegfällt TU Dresden, Zuverlässigkeitstechnik PIV, 2009 (c) Urbas Folie 14

15 Erhöhung der Redundanz Redundanz (DIN40041): Funktionsbereites Vorhandensein zusätzlicher technischer Mittel Passive Redundanz: ( nicht funktionsbeteiligte, kalte, dynamische, heißer/kalter stand-by ) Zusätzliche Mittel sind bereitgestellt, werden aber erst bei Ausfall an der Aufgabe beteiligt. Aktive Redundanz: ( funktionsbeteiligte, heiße, statische ) Mehrere technische Mittel führen die Aufgabe gleichzeitig aus. Frage: Welche grundlegende Voraussetzung muss erfüllt sein, dass das überhaupt funktioniert? TU Dresden, Zuverlässigkeitstechnik PIV, 2009 (c) Urbas Folie 15

16 Passive Redundanz Prinzip: Ein gleiches technisches Mittel steht eingeschaltet (hot standby) oder ausgeschaltet (cold standby) zur Verfügung. Im Falle eines Ausfalls muss es nur stoßfrei aktiviert werden. Prozedur: Schritt 1: Erkenne, dass es einen Ausfall gab Schritt 2: Lokalisiere die ausgefallene Einheit Schritt 3: Wähle eine geeignete redundante Einheit aus Schritt 4: Bringe die redundante Einheit auf Stand Schritt 5: Schalte auf die redundante Einheit um Schritt 6: Isoliere die ausgefallene Einheit Schritt 7: Redundante Einheit hat all Fkt. der ausgefallenen übernommen Jeder Schritt ist selbst fehleranfällig! TU Dresden, Zuverlässigkeitstechnik PIV, 2009 (c) Urbas Folie 16

17 Aktive Redundanz Prinzip: Gleiche Mittel werden mehrfach eingesetzt und geeignet verschaltet Ausfallart FSN Ausfallart FÖN Beispiel: Kontakt am Relais Serienschaltung S1 S2 Ausfall System Funktion System Zwei Ausfallarten: FSN (Kontakt schließt nicht, Kontakt abgebrannt) und FÖN (Kontakt öffnet nicht, Kontakt verklebt) Parallelschaltung S S2 Funktion System Ausfall System TU Dresden, Zuverlässigkeitstechnik PIV, 2009 (c) Urbas Folie 17

18 Aktive Redundanz Komplexere Strukturen Serienparallelschaltung S1 S S3 S4 Parallelserienschaltung S1 S S3 S4 Ausfallart FSN (Einfachfehler) Funktion System Funktion System Ausfallart FÖN (Einfachfehler) Funktion System Funktion System TU Dresden, Zuverlässigkeitstechnik PIV, 2009 (c) Urbas Folie 18

19 Zuverlässigkeitsmodelle für Hardwaresysteme Serienanordnung System lebt, solange alle Komponenten leben Parallelanordnung System fällt aus, wenn alle Komponenten ausfallen R ges ( t) MTBF ges n i1 R ( t) n i i1 1 1 MTBF i A1 Q1(t) A2 Q2(t) A3 Q3(t) Q ges ( t) n i1 Q ( t) i R ges ( t) 1 n i1 (1 R ( t)) i TU Dresden, 13.Apr 2006 PRLT, Urbas (c) Folie 19

20 Redundanzstrukturen (Forts. 1) Mit: Φ = ( c 1 Vc 2 ) Λ c 3 und Pr(c i ) = a i Pr(Φ) = Pr(( c 1 Vc 2 ) Λ c 3 ) Wenn Ereignisse statistisch unabhängig sind, dann gilt Pr(Φ 1 ΛΦ 2 ) = Pr(Φ 1 ) * Pr(Φ 2 ) Pr(Φ 1 V Φ 2 ) = Pr(Φ 1 ) + Pr(Φ 2 ) - Pr(Φ 1 ΛΦ 2 ) Pr( Φ 1 ) = 1 - Pr(Φ 1 ) TU Dresden, Zuverlässigkeitstechnik PIV, 2009 (c) Urbas Folie 20

21 Redundanzstrukturen Beispiel 1) Systemkomponenten: 2 Server c 1,c 2 ; 1 Netzwerk c 3 System funktionsfähig, wenn mindestens ein Server und das Netzwerk funktionieren. Redundanzstruktur Φ Boolscher Ausdruck mit der semantischen Belegung des Wahrheitswerts Komponente/System ist verfügbar Hier: Φ = ( c 1 Vc 2 ) Λ c 3 Wenn Ereignisse statistisch unabhängig sind, dann gilt: Pr(Φ 1 ΛΦ 2 ) = Pr(Φ 1 ) * Pr(Φ 2 ) Pr(Φ 1 V Φ 2 ) = Pr(Φ 1 ) + Pr(Φ 2 ) - Pr(Φ 1 ΛΦ 2 ) Pr( Φ 1 ) = 1 - Pr(Φ 1 ) Berechnung Beispiel Tafelbild TU Dresden, Zuverlässigkeitstechnik PIV, 2009 (c) Urbas Folie 21

22 Redundanzstrukturen / Forts Beispiel 2) Drei Systemkomponenten c 1,c 2,c 3 System funktionsfähig, wenn mindestens zwei Komponenten funktionieren. Φ = ( c 1 Λ c 2 ) V ( c 1 Λ c 3 ) V ( c 2 Λ c 3 ) Achtung! Terme sind nicht stochastisch unabhängig voneinander Shannon Dekomposition: Substition von redundanten Variablen c i durch Zerlegung in Teilausdrücke mit c i =true und c i =false bis keine Variablen in den Termen mehrfach auftreten! Pr(Φ) = a 1 * Pr(Φ c1=ture ) + (1-a 1 ) * Pr(Φ c1=false ) Berechnung Beispiel Tafelbild TU Dresden, Zuverlässigkeitstechnik PIV, 2009 (c) Urbas Folie 22

23 Mit Reparierbaren Einheiten: Verfügbarkeit Betrachtungseinheit sei reparierbar Verfügbarkeit: Wahrscheinlichkeit, eine reparierbare Betrachtungseinheit zu einem Zeitpunkt t im Zustand funktionsfähig anzutreffen TU Dresden, 13.Apr 2006 PRLT, Urbas (c) Folie 23

24 Berechnung der Verfügbarkeit V n i1 Betriebszeit Gesamtzeit Gesamtzeit n i i1 n i1 Betriebszeit Reperaturzeit i i V MTTF MTTF MTTR TU Dresden, 13.Apr 2006 PRLT, Urbas (c) Folie 24

25 Berechnung komplexer reparierbarer Systeme mit Redundanzstrukturen Ziel: Berechnung Verfügbarkeit Methode: Markov-Ketten Idee: BE wechselt ständig zwischen Arbeits- und Reperaturzustand Nach jeder Instandsetzung ist BE neuwertig Arbeits- und Reperaturzeiten jeder BE sind stetig und stochastisch unabhängig Umschalteinrichtungen arbeiten perfekt Markov-Methode: Modellierung als Markov-Prozess mit endlich vielen Zuständen s 0,s 1,s 2,,s n Entwicklung nur von t und gegenwärtigem Zustand abhängig gilt nur für konstante Ausfall/Reperaturraten TU Dresden, Zuverlässigkeitstechnik PIV, 2009 (c) Urbas Folie 25

26 Vorgehen zur Erstellung von Markov-Modellen 1. Zustandsdefinition 2. Erstellen des Zustandsgraphen 3. Aufstellen der Zustandsdifferentialgleichungen 4. Normierungs- und Anfangsbedingungen 5. Lösung des Systems im Laplace-Bereich 6. Berechnung der Grenzwerte im Laplace-Bereich TU Dresden, Zuverlässigkeitstechnik PIV, 2009 (c) Urbas Folie 26

27 Beispiel Einzelelement Beispiel: Ein Element Ausfallrate λ, Reparaturrate µ Zustandsanalyse: System hat 2 Zustände s0,s1. In Zustand s0 funktioniert das System, in Zustand s1 nicht. λ 1-λ s0 s1 1-µ µ TU Dresden, Zuverlässigkeitstechnik PIV, 2009 (c) Urbas Folie 27

28 Zustandsdifferentialgleichung Die Änderung der Aufenthaltswahrscheinlichkeit in einem Knoten i, dp i (t)/dt ergibt sich aus der Summe der Wahrscheinlichkeiten Bedingte WS zum Zeitpunkt t in Knoten i zu sein und diesen zu verlassen: -P i (t) * Σ Raten der abgehende Kanten Bedingte WS Zum Zeitpunkt t den Knoten i aus einem anderen Knoten j i zu betreten Σ P j (t) * Rate der aus j nach i eingehenden Kanten In Matrixschreibweise: dp(t)/dt = M * P(t) P(t) Vektor der Zustandswahrscheinlichkeiten M Matrix der Zustandsübergangsraten c c M c n c 21 T P( t) P1 ( t) c c n1 P ( t) n nn TU Dresden, Zuverlässigkeitstechnik PIV, 2009 (c) Urbas Folie 28

29 Lösung im Laplacebereich DGL: dp(t)/dt = M * P(t) Laplacebereich: sp(s)-p(0) = M * P(s) (Es - M) * P(s) = P(0) Tafel: Lösung mittels der Determinante D von ( Es-M ) und D i (i-te Spalte von D durch P(0) ersetzt) P i (s) = D i /D Berechnung Verfügbarkeit: Grenzübergang: lim P i (t) = lim s * P i (s) t s 0 Berechnung Beispiel Tafelbild TU Dresden, Zuverlässigkeitstechnik PIV, 2009 (c) Urbas Folie 29

30 Beispiel Beispiel: 2oo3 (2-out-of-3) System. Drei identische Komponenten, System funktioniert wenn 2 davon funktionieren, welches ist egal. Ausfallrate λ, Reparaturrate µ Zustandsanalyse: System hat 4 Zustände s0,s1,s2,s3. Index steht für Anzahl fehlerhafter Komponenten 3λ 2λ 1λ µ 2µ 3µ Berechnung Beispiel Tafelbild TU Dresden, Zuverlässigkeitstechnik PIV, 2009 (c) Urbas Folie 30

31 Literatur Lehrbücher Schneeweiß, W.G. (1992) Zuverlässigkeitstechnik. von den Komponenten zum System. Köln:Datakontext-Verlag. (SLUB) Bertsche, Göhner, Jensen, Schinköthe, Wunderlich (2009) Zuverlässigkeit mechatronischer Systeme. Grundlagen und Bewertung in frühen Entwicklungsphasen. Berlin:Springer Normen DIN Zuverlässigkeit; Begriffe DIN Begriffe zum Qualitätsmanagement EN Sicherheit von Maschinen Sicherheitsbezogene Teile von Steuerungen Verlässlichkeit von Fehlertoleranten Rechnersystemen Laprie (1985) Dependable Computing and Fault Tolerance: Concepts and terminology Avizienis, Laprie, Randell (2001) Fundamental Concepts of Dependability TU Dresden, Zuverlässigkeitstechnik PIV, 2009 (c) Urbas Folie 31

Zuverlässigkeitstechnik. Grundlagen. VL PLT-2 Professur für Prozessleittechnik

Zuverlässigkeitstechnik. Grundlagen. VL PLT-2 Professur für Prozessleittechnik Fakultät Elektrotechnik & Informationstechnik Institut für Automatisierungstechnik, Professur für Prozessleittechnik Zuverlässigkeitstechnik Grundlagen VL PLT-2 Professur für Prozessleittechnik Übersicht

Mehr

Sicherheit & Zuverlässigkeit

Sicherheit & Zuverlässigkeit Fakultät Elektrotechnik & Informationstechnik Institut für Automatisierungstechnik, Professur für Prozessleittechnik Sicherheit & Zuverlässigkeit Einführung VL PLT-2 Professur für Prozessleittechnik Übersicht

Mehr

Betrieb und Instandhaltung von Energieanlagen

Betrieb und Instandhaltung von Energieanlagen Institut für Energietechnik, Professur Verbrennung, Wärme- und Stoffübertragung Betrieb und Instandhaltung von Energieanlagen Zuverlässigkeit und Lebensdauer Die Lebensdauer (life time) oder Funktionsdauer

Mehr

8 Die Exponentialverteilung

8 Die Exponentialverteilung 8 Die Exponentialverteilung 8.1 Einführung Modelle Zuverlässigkeitsmodelle Lebensdauermodelle Bedienungsmodelle. 277 W.Kössler, Humboldt-Universität zu Berlin Def. 26 (Exponentialverteilung) Sei X eine

Mehr

Prüfungsvorbereitungskurs Höhere Mathematik 3

Prüfungsvorbereitungskurs Höhere Mathematik 3 Prüfungsvorbereitungskurs Höhere Mathematik 3 Wahrscheinlichkeitstheorie (Klausuraufgaben) Marcel Bliem Marco Boßle Jörg Hörner Mathematik Online Herbst 2010 Bliem/Boßle/Hörner (MO) PV-Kurs HM 3 1 / 7

Mehr

3. Prozesse mit kontinuierlicher Zeit

3. Prozesse mit kontinuierlicher Zeit 3. Prozesse mit kontinuierlicher Zeit 3.1 Einführung Wir betrachten nun Markov-Ketten (X(t)) t R +. 0 Wie beim Übergang von der geometrischen zur Exponentialverteilung können wir uns auch hier einen Grenzprozess

Mehr

Mean Time Between Failures (MTBF)

Mean Time Between Failures (MTBF) Mean Time Between Failures (MTBF) Hintergrundinformation zur MTBF Was steht hier? Die Mean Time Between Failure (MTBF) ist ein statistischer Mittelwert für den störungsfreien Betrieb eines elektronischen

Mehr

1 Zuverlässigkeit von Netzwerken

1 Zuverlässigkeit von Netzwerken 1 Zuverlässigkeit von Netzwerken Wir betrachten Mehrkomponenten-Netzwerke. Diese werden durch Zuverlässigkeitsschaltbilder dargestellt. Dies sind Graphen, die zur Zuverlässigkeitsanalyse von Netzwerken

Mehr

Übungsscheinklausur,

Übungsscheinklausur, Mathematik IV für Maschinenbau und Informatik (Stochastik) Universität Rostock, Institut für Mathematik Sommersemester 27 Prof. Dr. F. Liese Übungsscheinklausur, 3.7.27 Dipl.-Math. M. Helwich Name:...

Mehr

Modellbasierte Software- Entwicklung eingebetteter Systeme

Modellbasierte Software- Entwicklung eingebetteter Systeme Modellbasierte Software- Entwicklung eingebetteter Systeme Prof. Dr. Holger Schlingloff Institut für Informatik der Humboldt Universität und Fraunhofer Institut für offene Kommunikationssysteme FOKUS Folie

Mehr

Übungsaufgaben Lösungen

Übungsaufgaben Lösungen Übungsaufgaben Lösungen Stochastische Matrizen, Markov-Prozesse MV5.1 Eine N N-Matrix P heißt stochastisch, wenn ihre Matrixelemente nicht-negativ sind und alle Zeilensummen 1 ergeben. In Formeln: P ij

Mehr

Zuverlässigkeit und Sicherheit

Zuverlässigkeit und Sicherheit Beispiele Verfügbarkeit von Web-Services 24/7 Redundante Hardware (Rechner, Platten), um Verfügbarkeit zu erhöhen Flugzeugsteuerung, Space Shuttle/Ariane Redundante Hardware (Rechner, Platten), um Sicherheit

Mehr

Das System funktioniert, wenn A UND B gleichzeitig funktionieren. A: Komponente A funktioniert. A : B :

Das System funktioniert, wenn A UND B gleichzeitig funktionieren. A: Komponente A funktioniert. A : B : Ein System, das aus einer Serien-Schaltung mit zwei Komponenten besteht, funktioniert dann, wenn beide einzelnen Komponenten gleichzeitig funktionieren. Die Komponenten bzw. seien unabhängig von einander,

Mehr

Vorlesung Informatik 2

Vorlesung Informatik 2 Vorlesung Informatik 2 Teil 4: Rechnerarchitektur und Parallelverarbeitung Qualitätsbegriffe Stand 6.3.2008 Inhalt Einleitung Qualitätsbegriffe technischer Systeme Qualitätsbegriffe in Softwaresystemen

Mehr

Ausgewählte Kapitel der Systemsoftwaretechnik: Fehlertolerante Systeme

Ausgewählte Kapitel der Systemsoftwaretechnik: Fehlertolerante Systeme Ausgewählte Kapitel der Systemsoftwaretechnik: Fehlertolerante Systeme Peter Ulbrich Lehrstuhl für Informatik 4 Verteilte Systeme und Betriebssysteme Friedrich-Alexander-Universität Erlangen-Nürnberg Wintersemester

Mehr

WAHRSCHEINLICHKEITSTHEORIE A N W E N D U N G Terminologie

WAHRSCHEINLICHKEITSTHEORIE A N W E N D U N G Terminologie Seite 1 von 27 WAHRSCHEINLICHKEITSTHEORIE A N W E N D U N G Terminologie Netzwerke, Systeme, Komponenten, Zuverlässigkeitsschaltbild Ein System S ist ein Netzwerk aus zusammengehörigen (verbundenen) Komponenten

Mehr

Zuverlässigkeit und Redundanz

Zuverlässigkeit und Redundanz MG POWER ENGINEERING AG A solution for you a challenge for us Zuverlässigkeit und Redundanz Erschienen in der Fachzeitschrift Elektrotechnik 08/04 Markus Gehrig Mit redundanten Konfigurationen wir oft

Mehr

Zuverlässigkeit und Lebensdauer

Zuverlässigkeit und Lebensdauer Zuverlässigkeit und Um was geht es? Die DIN fordert unter Designlenkung eine Überprüfung, ob die geforderte der Produkte erfüllt wird. Dies geht nur mit Hilfe der Statistik, d.h. mit der Weibull-Verteilung.

Mehr

3 Bedingte Wahrscheinlichkeit, Unabhängigkeit

3 Bedingte Wahrscheinlichkeit, Unabhängigkeit 3 Bedingte Wahrscheinlichkeit, Unabhängigkeit Bisher : (Ω, A, P) zur Beschreibung eines Zufallsexperiments Jetzt : Zusatzinformation über den Ausgang des Experiments, etwa (das Ereignis) B ist eingetreten.

Mehr

Stetige Verteilungen Rechteckverteilung

Stetige Verteilungen Rechteckverteilung Stetige Verteilungen Rechteckverteilung Die Längenabweichungen X produzierter Werkstücke von der Norm seien gleichmäßig verteilt zwischen a = mm und b = 4mm. Die Dichtefunktion lautet also f(x) = für a

Mehr

Gewöhnliche Differentialgleichungen Aufgaben, Teil 1

Gewöhnliche Differentialgleichungen Aufgaben, Teil 1 Gewöhnliche Differentialgleichungen Aufgaben, Teil 1 4-E1 4-E2 4-E3 Gewöhnliche Differentialgleichung: Aufgaben Bestimmen Sie allgemeine und spezielle Lösungen der folgenden Differentialgleichungen Aufgabe

Mehr

Satz 18 (Satz von der totalen Wahrscheinlichkeit)

Satz 18 (Satz von der totalen Wahrscheinlichkeit) Ausgehend von der Darstellung der bedingten Wahrscheinlichkeit in Gleichung 1 zeigen wir: Satz 18 (Satz von der totalen Wahrscheinlichkeit) Die Ereignisse A 1,..., A n seien paarweise disjunkt und es gelte

Mehr

Partielle Ableitungen & Tangentialebenen. Folie 1

Partielle Ableitungen & Tangentialebenen. Folie 1 Partielle Ableitungen & Tangentialebenen Folie 1 Bei Funktionen mit einer Variable, gibt die Ableitung f () die Steigung an. Bei mehreren Variablen, z(,), gibt es keine eindeutige Steigung. Die Steigung

Mehr

Satz 16 (Multiplikationssatz)

Satz 16 (Multiplikationssatz) Häufig verwendet man die Definition der bedingten Wahrscheinlichkeit in der Form Damit: Pr[A B] = Pr[B A] Pr[A] = Pr[A B] Pr[B]. (1) Satz 16 (Multiplikationssatz) Seien die Ereignisse A 1,..., A n gegeben.

Mehr

2. Übung zur Vorlesung Statistik 2

2. Übung zur Vorlesung Statistik 2 2. Übung zur Vorlesung Statistik 2 Aufgabe 1 Welche der folgenden grafischen Darstellungen und Tabellen zeigen keine (Einzel-)Wahrscheinlichkeitsverteilung? Kreuzen Sie die richtigen Antworten an und begründen

Mehr

Statistik für Ingenieure Vorlesung 2

Statistik für Ingenieure Vorlesung 2 Statistik für Ingenieure Vorlesung 2 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 24. Oktober 2016 2.4 Bedingte Wahrscheinlichkeiten Häufig ist es nützlich, Bedingungen

Mehr

Statistik I für Betriebswirte Vorlesung 2

Statistik I für Betriebswirte Vorlesung 2 Statistik I für Betriebswirte Vorlesung 2 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 11. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung

Mehr

K. Felten: Internet Network infrastucture Fachhochschule Kiel, Fachbereich IuE

K. Felten: Internet Network infrastucture Fachhochschule Kiel, Fachbereich IuE Defiitio ach DIN4004 Als Zuverlässigkeit ( reliability ) gilt die Fähigkeit eier Betrachtugseiheit ierhalb vorgegebeer Greze dejeige durch de Awedugszweck bedigte Aforderuge zu geüge, die a das Verhalte

Mehr

Brownsche Bewegung Seminar - Weiche Materie

Brownsche 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

Mehr

3.6 Eigenwerte und Eigenvektoren

3.6 Eigenwerte und Eigenvektoren 3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse

Mehr

Markov-Prozesse. Markov-Prozesse. Franziskus Diwo. Literatur: Ronald A. Howard: Dynamic Programming and Markov Processes

Markov-Prozesse. Markov-Prozesse. Franziskus Diwo. Literatur: Ronald A. Howard: Dynamic Programming and Markov Processes Markov-Prozesse Franziskus Diwo Literatur: Ronald A. Howard: Dynamic Programming and Markov Processes 8.0.20 Gliederung Was ist ein Markov-Prozess? 2 Zustandswahrscheinlichkeiten 3 Z-Transformation 4 Übergangs-,

Mehr

Allgemeine diskrete Wahrscheinlichkeitsräume II. Beispiel II. Beispiel I. Definition 6.3 (Diskreter Wahrscheinlichkeitsraum)

Allgemeine diskrete Wahrscheinlichkeitsräume II. Beispiel II. Beispiel I. Definition 6.3 (Diskreter Wahrscheinlichkeitsraum) Allgemeine diskrete Wahrscheinlichkeitsräume I Allgemeine diskrete Wahrscheinlichkeitsräume II Verallgemeinerung von Laplaceschen Wahrscheinlichkeitsräumen: Diskrete Wahrscheinlichkeitsräume Ω endlich

Mehr

Stochastik und Statistik für Ingenieure Vorlesung 4

Stochastik und Statistik für Ingenieure Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik Stochastik und Statistik für Ingenieure Vorlesung 4 30. Oktober 2012 Quantile einer stetigen Zufallsgröße Die reelle Zahl

Mehr

Zufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential

Zufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential Zufallsvariablen Diskret Binomial Hypergeometrisch Poisson Stetig Normal Lognormal Exponential Verteilung der Stichprobenkennzahlen Zufallsvariable Erinnerung: Merkmal, Merkmalsausprägung Deskriptive Statistik:

Mehr

Methoden der Werkstoffprüfung Kapitel I Grundlagen. WS 2009/2010 Kapitel 1.0

Methoden der Werkstoffprüfung Kapitel I Grundlagen. WS 2009/2010 Kapitel 1.0 Methoden der Werkstoffprüfung Kapitel I Grundlagen WS 2009/2010 Kapitel 1.0 Grundlagen Probenmittelwerte ohne MU Akzeptanzbereich Probe 1 und 2 liegen im Akzeptanzbereich Sie sind damit akzeptiert! Probe

Mehr

Grundbegriffe der Wahrscheinlichkeitsrechnung

Grundbegriffe der Wahrscheinlichkeitsrechnung Algorithmen und Datenstrukturen 349 A Grundbegriffe der Wahrscheinlichkeitsrechnung Für Entwurf und Analyse randomisierter Algorithmen sind Hilfsmittel aus der Wahrscheinlichkeitsrechnung erforderlich.

Mehr

Lineare Gleichungssysteme: eine Ergänzung

Lineare Gleichungssysteme: eine Ergänzung Lineare Gleichungssysteme: eine Ergänzung Ein lineares Gleichungssystem, bei dem alle Einträge auf der rechten Seite gleich sind heiÿt homogenes lineares Gleichungssystem: a x + a 2 x 2 +... + a n x n

Mehr

3. Übungsblatt zur Lineare Algebra I für Physiker

3. Übungsblatt zur Lineare Algebra I für Physiker Fachbereich Mathematik Prof. Dr. Mirjam Dür Dipl. Math. Stefan Bundfuss. Übungsblatt zur Lineare Algebra I für Physiker WS 5/6 6. Dezember 5 Gruppenübung Aufgabe G (Basis und Erzeugendensystem) Betrachte

Mehr

Modellbasierte Software- Entwicklung eingebetteter Systeme

Modellbasierte Software- Entwicklung eingebetteter Systeme Modellbasierte Software- Entwicklung eingebetteter Systeme Prof. Dr. Holger Schlingloff Institut für Informatik der Humboldt Universität und Fraunhofer Institut für offene Kommunikationssysteme FOKUS Folie

Mehr

Manuelle Rückstellung

Manuelle Rückstellung Applikationsbeispiel 201500697 (Lenze-Dokumentennummer) Manuelle Rückstellung Datum: 28.10.2015 Seite 1/10 1 Ziel -----------------------------------------------------------------------------------------------------------------

Mehr

Prozessindustrie EN 61508 / EN 61511. VL PLT2, SS 2012 Professur für Prozessleittechnik

Prozessindustrie EN 61508 / EN 61511. VL PLT2, SS 2012 Professur für Prozessleittechnik Funktionale Sicherheit in der Prozessindustrie EN 6508 / EN 65 VL PL2, SS 202 Professur für Prozessleittechnik ik Übersicht PL-Schutzeinrichtungen Sicherheitsgrundnorm h it EN 6508 Funktionale Sicherheit

Mehr

Systeme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1.

Systeme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1. Systeme von Differentialgleichungen Beispiel : Chemische Reaktionssysteme System aus n Differentialgleichungen Ordnung: y (x = f (x, y (x,, y n (x Kurzschreibweise: y y 2 (x = f 2(x, y (x,, y n (x y n(x

Mehr

Software-Qualität Ausgewählte Kapitel

Software-Qualität Ausgewählte Kapitel Martin Glinz Software-Qualität Ausgewählte Kapitel Kapitel 9 Verlässlichkeit 2009-2010 Martin Glinz. Alle Rechte vorbehalten. Speicherung und Wiedergabe für den persönlichen, nicht kommerziellen Gebrauch

Mehr

Zusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen

Zusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zusammenfassung Mathe II Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zufallsexperiment: Ein Vorgang, bei dem mindestens zwei Ereignisse möglich sind

Mehr

Definitionen von Begriffen im Kontext Sicherheit (safety)

Definitionen von Begriffen im Kontext Sicherheit (safety) Definitionen von Begriffen im Kontext Sicherheit (safety) Udo Voges Forschungszentrum Karlsruhe Institut für Angewandte Informatik Postfach 3640 76021 Karlsruhe Tel. +49-(0)7247-82-5725 email: [email protected]

Mehr

Tutorium Mathematik II, M Lösungen

Tutorium Mathematik II, M Lösungen Tutorium Mathematik II, M Lösungen März 03 *Aufgabe Bestimmen Sie durch Hauptachsentransformation Lage und Typ der Kegelschnitte (a) 3x + 4x x + 3x 4x = 0, (b) 3x + 4x x + 3x 4x 6 = 0, (c) 3x + 4x x +

Mehr

(8 + 2 Punkte) = = 0.75

(8 + 2 Punkte) = = 0.75 Aufgabe 1 (8 + 2 Punkte) Von 20 Teilnehmern einer Bergwanderung geben 8 Personen an Knieschmerzen zu haben. 6 Teilnehmer leiden an Sonnenbrand. 8 Teilnehmer blieben unversehrt. a) Wie groß ist die Wahrscheinlichkeit,

Mehr

Statistik-Klausur vom

Statistik-Klausur vom Statistik-Klausur vom 09.02.2009 Bearbeitungszeit: 90 Minuten Aufgabe 1 a) Ein Unternehmen möchte den Einfluss seiner Werbemaßnahmen auf den erzielten Umsatz quantifizieren. Hierfür werden die jährlichen

Mehr

Elektrotechnik und Informationstechnik

Elektrotechnik und Informationstechnik Elektrotechnik und Informationstechnik Institut für Automatisierungstechnik, Professur Prozessleittechnik Bayes'sche Netze VL PLT2 Professur für Prozessleittechnik Prof. Leon Urbas, Dipl. Ing. Johannes

Mehr

Qualitätssicherung von Software

Qualitätssicherung von Software Qualitätssicherung von Software Prof. Dr. Holger Schlingloff Huboldt-Universität zu Berlin und Fraunhofer FIRST Folie 2 Wo stehen wir? 1. Einleitung, Begriffe, Software-Qualitätskriterien 2. anuelle und

Mehr

7 Die Hamilton-Jacobi-Theorie

7 Die Hamilton-Jacobi-Theorie 7 Die Hamilton-Jacobi-Theorie Ausgearbeitet von Rolf Horn und Bernhard Schmitz 7.1 Einleitung Um die Hamilton schen Bewegungsgleichungen q k = H(q, p) p k ṗ k = H(p, q) q k zu vereinfachen, führten wir

Mehr

Elektronische Sicherheitssysteme

Elektronische Sicherheitssysteme Josef Börcsök Elektronische Sicherheitssysteme Hardwarekonzepte, Modelle und Berechnung f 2., überarbeitete Auflage Hüthig Verlag Heidelberg Inhaltsverzeichnis 1 Einleitung 1 1.1 Gründlegende Forderungen

Mehr

Zuverlässigkeit und Sicherheit von Automatisierungssystemen

Zuverlässigkeit und Sicherheit von Automatisierungssystemen Universität Stuttgart Institut für Automatisierungs- und Softwaretechnik Prof. Dr.-Ing. Dr. h. c. P. Göhner Zuverlässigkeit und Sicherheit von Automatisierungssystemen Sommersemester 2015 www.ias.uni-stuttgart.de/zsa

Mehr

Universität Stuttgart Institut für Automatisierungs- und Softwaretechnik Prof. Dr.-Ing. Dr. h. c. P. Göhner

Universität Stuttgart Institut für Automatisierungs- und Softwaretechnik Prof. Dr.-Ing. Dr. h. c. P. Göhner Universität Stuttgart Institut für Automatisierungs- und Softwaretechnik Prof. Dr.-Ing. Dr. h. c. P. Göhner PRÜFUNG AUTOMATISIERUNGSTECHNIK II SS 20 Name: Matrikelnummer: Note: Prüfungstag: 5.09.20 Prüfungsdauer:

Mehr

Einführung in die (induktive) Statistik

Einführung in die (induktive) Statistik Einführung in die (induktive) Statistik Typische Fragestellung der Statistik: Auf Grund einer Problemmodellierung sind wir interessiert an: Zufallsexperiment beschrieben durch ZV X. Problem: Verteilung

Mehr

Was heißt eigentlich Einfehlersicherheit? Was verlangt EN zu sicherheitsbezogenen Teilen an Steuerungen und wie erfolgt die Umsetzung?

Was heißt eigentlich Einfehlersicherheit? Was verlangt EN zu sicherheitsbezogenen Teilen an Steuerungen und wie erfolgt die Umsetzung? Dipl.-Ing. Institut für Arbeitsschutz der Deutschen Gesetzlichen Unfallversicherung (IFA), Sankt Augustin Was verlangt EN 13849-1 zu sicherheitsbezogenen Teilen an Steuerungen und wie erfolgt die Umsetzung?

Mehr

Die n-dimensionale Normalverteilung

Die n-dimensionale Normalverteilung U. Mortensen Die n-dimensionale Normalverteilung Es wird zunächst die -dimensionale Normalverteilung betrachtet. Die zufälligen Veränderlichen X und Y seien normalverteilt. Gesucht ist die gemeinsame Verteilung

Mehr

1 Lineare Gleichungssysteme und Matrizen

1 Lineare Gleichungssysteme und Matrizen 1 Lineare Gleichungssysteme und Matrizen Das Studium linearer Gleichungssysteme und ihrer Lösungen ist eines der wichtigsten Themen der linearen Algebra. Wir werden zunächst einige grundlegende Begriffe

Mehr

Formale Grundlagen der Fehlertoleranz in verteilten Systemen

Formale Grundlagen der Fehlertoleranz in verteilten Systemen 1/27 Formale Grundlagen der Fehlertoleranz in verteilten Systemen Felix Gärtner TU Darmstadt [email protected] 2/27 Bezug zur formalen Softwareentwicklung formale SE Definitionsphase Aufsplittung

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike

Mehr

Wahrscheinlichkeitsrechnung und Quantentheorie

Wahrscheinlichkeitsrechnung und Quantentheorie Physikalische Chemie II: Atombau und chemische Bindung Winter 2013/14 Wahrscheinlichkeitsrechnung und Quantentheorie Messergebnisse können in der Quantenmechanik ganz prinzipiell nur noch mit einer bestimmten

Mehr

Zuverlässigkeit technischer Systeme 2

Zuverlässigkeit technischer Systeme 2 Zuverlässigkeit, eine Einführung Seite 1 Zuverlässigkeit technischer Systeme 2 1 Sicherheit und Lebensdauer bestimmen die Zuverlässigkeit... 2 2 Zuverlässigkeitskenngrößen ermitteln... 3 2.1 Beobachten

Mehr

Stochastik. 1. Wahrscheinlichkeitsräume

Stochastik. 1. Wahrscheinlichkeitsräume Stochastik 1. Wahrscheinlichkeitsräume Ein Zufallsexperiment ist ein beliebig oft und gleichartig wiederholbarer Vorgang mit mindestens zwei verschiedenen Ergebnissen, bei dem der Ausgang ungewiß ist.

Mehr

Subversion Grundprinzipien und grundlegende Anwendung

Subversion Grundprinzipien und grundlegende Anwendung Fakultät Elektrotechnik und Informationstechnik Institut für Automatisierungstechnik Subversion Grundprinzipien und grundlegende Anwendung Dresden, 05.05.2009 01 Einführung Was ist Subversion überhaupt

Mehr

Ü b u n g s b l a t t 11

Ü b u n g s b l a t t 11 Einführung in die Stochastik Sommersemester 07 Dr Walter Oevel 8 007 Ü b u n g s b l a t t Mit und gekennzeichnete Aufgaben können zum Sammeln von Bonuspunkten verwendet werden Lösungen von -Aufgaben sind

Mehr

Grundlagen Funktionale Sicherheit

Grundlagen Funktionale Sicherheit Grundlagen Funktionale Sicherheit Vorlesung BA Bautzen Grundlagen Maschinensicherheit und Praktische Ausführung Sicherheitstechnik Tilo Schmidt / Pilz GmbH & Co. KG Sicherheitskette Eingabe Eingangssignal

Mehr

Grundbegriffe der Wahrscheinlichkeitstheorie. Karin Haenelt

Grundbegriffe der Wahrscheinlichkeitstheorie. Karin Haenelt Grundbegriffe der Wahrscheinlichkeitstheorie Karin Haenelt 1 Inhalt Wahrscheinlichkeitsraum Bedingte Wahrscheinlichkeit Abhängige und unabhängige Ereignisse Stochastischer Prozess Markow-Kette 2 Wahrscheinlichkeitsraum

Mehr

5 Der Gaußsche und Stokes sche Integralsatz

5 Der Gaußsche und Stokes sche Integralsatz HM III = MATH III FT 2013 50 5 Der Gaußsche und Stokes sche Integralsatz Der Gaußsche Integralsatz umgangssprachlich am eispiel strömender Flüssigkeiten: Die Flüssigkeitsmenge, die durch die Oberfläche

Mehr

Methode der kleinsten Quadrate

Methode der kleinsten Quadrate Versus QR Matrizen mit vollem Rang 27. Mai 2011 Versus QR Inhaltsverzeichnis 1 2 3 Beispiel 4 Beispiel 5 6 Versus QR Kondition Vergleich Beispiel Versus QR Zu finden: Gerade, die den Punkten (0, 6), (1,

Mehr

Fehlerfortpflanzung. M. Schlup. 27. Mai 2011

Fehlerfortpflanzung. M. Schlup. 27. Mai 2011 Fehlerfortpflanzung M. Schlup 7. Mai 0 Wird eine nicht direkt messbare physikalische Grösse durch das Messen anderer Grössen ermittelt, so stellt sich die Frage, wie die Unsicherheitsschranke dieser nicht-messbaren

Mehr

Institut für Biometrie und klinische Forschung. WiSe 2012/2013

Institut für Biometrie und klinische Forschung. WiSe 2012/2013 Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie (3) Überblick. Deskriptive Statistik I 2. Deskriptive

Mehr

8 Kenngrößen eines Sicherheitssystems

8 Kenngrößen eines Sicherheitssystems Mehr Informationen zu einem Titel 8 Kenngrößen eines Sicherheitssystems Dieses Kapitel beschreibt die quantitativen Stufen der Sicherheit, die Erfüllung der notwendigen Maßnahmen zur Risikominderung und

Mehr

Allgemeine Hinweise: TECHNISCHE UNIVERSITÄT MÜNCHEN. Name Vorname Studiengang Matrikelnummer. Hörsaal Reihe Sitzplatz Unterschrift

Allgemeine Hinweise: TECHNISCHE UNIVERSITÄT MÜNCHEN. Name Vorname Studiengang Matrikelnummer. Hörsaal Reihe Sitzplatz Unterschrift TECHNISCHE UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR INFORMATIK Lehrstuhl für Sprachen und Beschreibungsstrukturen WS 2008/09 Einführung in die Informatik 2 Klausur Prof. Dr. Helmut Seidl, T. M. Gawlitza, S. Pott,

Mehr

Stochastische Unabhängigkeit. 01. Dezember 2014

Stochastische Unabhängigkeit. 01. Dezember 2014 Stochastische Unabhängigkeit 0. Dezember 204 Der Begriff der Unabhängigkeit Großbritannien, im November 999. Die Anwältin Sally Clark wird wegen Mordes an ihren Kindern angeklagt. Clark geriet unter Verdacht

Mehr

Lineare Abbildungen - I

Lineare Abbildungen - I Lineare Abbildungen - I Definition. Seien V und W K-Vektorräume (über demselben K). Eine Abbildung F : V W heißt K-linear, wenn L1) F (v + w) = F (v) + F (w) v, w V L2) F (λv) = λf (v) v V, λ K. Somit

Mehr

Bayes sche und probabilistische Netze

Bayes sche und probabilistische Netze Bayes sche und probabilistische Netze Gliederung Wahrscheinlichkeiten Bedingte Unabhängigkeit, Deduktion und Induktion Satz von Bayes Bayes sche Netze D-Separierung Probabilistische Inferenz Beispielanwendung

Mehr

Statistische Tests für unbekannte Parameter

Statistische Tests für unbekannte Parameter Konfidenzintervall Intervall, das den unbekannten Parameter der Verteilung mit vorgegebener Sicherheit überdeckt ('Genauigkeitsaussage' bzw. Zuverlässigkeit einer Punktschätzung) Statistischer Test Ja-Nein-Entscheidung

Mehr

9.4 Lineare gewöhnliche DGL

9.4 Lineare gewöhnliche DGL 9.4 Lineare gewöhnliche DGL Allgemeinste Form einer gewöhnlichen DGL: Falls linear in ist, sprechen wir von einer "linearen" DGL: und eine Matrix zeitabhängigen Komponenten ein zeitabhängiger Vektor In

Mehr

Lösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK

Lösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK Institut für Stochastik Dr. Steffen Winter Lösungen zur Klausur GRUNDLAGEN DER WAHRSCHEINLICHKEITSTHEORIE UND STATISTIK für Studierende der INFORMATIK vom 17. Juli 01 (Dauer: 90 Minuten) Übersicht über

Mehr

Statistik I für Betriebswirte Vorlesung 14

Statistik I für Betriebswirte Vorlesung 14 Statistik I für Betriebswirte Vorlesung 14 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. Juli 017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 14 Version: 8. Juli

Mehr

Übung 2 im Fach "Biometrie / Q1"

Übung 2 im Fach Biometrie / Q1 Universität Ulm, Institut für Epidemiologie und Medizinische Biometrie, D-897 Ulm Institut für Epidemiologie und Medizinische Biometrie Leiter: Prof. Dr. D. Rothenbacher Schwabstr. 3, 8975 Ulm Tel. +49

Mehr

Wirtschaftsmathematik Formelsammlung

Wirtschaftsmathematik Formelsammlung Wirtschaftsmathematik Formelsammlung Binomische Formeln Stand März 2015 (a + b) 2 = a 2 +2ab + b 2 (a b) 2 = a 2 2ab + b 2 (a + b) (a b) =a 2 b 2 Fakultät (Faktorielle) n! =1 2 3 4 (n 1) n Intervalle Notation

Mehr

1 Stochastische Konvergenz 2. 2 Das Gesetz der grossen Zahlen 4. 3 Der Satz von Bernoulli 6

1 Stochastische Konvergenz 2. 2 Das Gesetz der grossen Zahlen 4. 3 Der Satz von Bernoulli 6 Wirtschaftswissenschaftliches Zentrum 0 Universität Basel Mathematik Dr. Thomas Zehrt Grenzwertsätze Benötigtes Vorwissen: Der Stoff der Vorlesung,,Statistik wird als bekannt vorausgesetzt, insbesondere

Mehr

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13 Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Deskriptive Statistik und Wahrscheinlichkeitsrechnung Wintersemester 2012/13 Aufgabenstellung und Ergebnisse Dr. Martin Becker Hinweise für die

Mehr

Wiederholung der Hauptklausur STATISTIK

Wiederholung der Hauptklausur STATISTIK Name, Vorname: Matrikel-Nr. Die Klausur enthält zwei Typen von Aufgaben: Teil A besteht aus Fragen mit mehreren vorgegebenen Antwortvorschlägen, von denen mindestens eine Antwort richtig ist und von denen

Mehr

Eigenwerte und Diagonalisierung

Eigenwerte und Diagonalisierung Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende

Mehr

ETWR Teil B. Spezielle Wahrscheinlichkeitsverteilungen (stetig)

ETWR Teil B. Spezielle Wahrscheinlichkeitsverteilungen (stetig) ETWR Teil B 2 Ziele Bisher (eindimensionale, mehrdimensionale) Zufallsvariablen besprochen Lageparameter von Zufallsvariablen besprochen Übertragung des gelernten auf diskrete Verteilungen Ziel des Kapitels

Mehr

Ü b u n g s b l a t t 13

Ü b u n g s b l a t t 13 Einführung in die Stochastik Sommersemester 06 Dr. Walter Oevel 5. 6. 006 Ü b u n g s b l a t t 3 Mit und gekennzeichnete Aufgaben können zum Sammeln von Bonuspunkten verwendet werden. Lösungen von -Aufgaben

Mehr

Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom

Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eine Fragestellung, die uns im weiteren beschäftigen wird, ist das Finden eines möglichst einfachen Repräsentanten aus jeder Äquivalenzklasse

Mehr

Theoretische Überlegungen zur Ausbreitung von Infektionserregern auf Kontaktnetzen. Hartmut Lentz, Maria Kasper, Ansgar Aschfalk und Thomas Selhorst

Theoretische Überlegungen zur Ausbreitung von Infektionserregern auf Kontaktnetzen. Hartmut Lentz, Maria Kasper, Ansgar Aschfalk und Thomas Selhorst Theoretische Überlegungen zur Ausbreitung von Infektionserregern auf Kontaktnetzen Hartmut Lentz, Maria Kasper, Ansgar Aschfalk und Thomas Selhorst Netzwerke / Graphen verschiedene Typen von Graphen: einfache

Mehr

Wahrscheinlichkeitstheorie und Statistik vom

Wahrscheinlichkeitstheorie und Statistik vom INSTITUT FÜR STOCHASTIK SS 2007 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Dipl.-Math. oec. W. Lao Klausur (Maschineningenieure) Wahrscheinlichkeitstheorie und Statistik vom 2.9.2007 Musterlösungen

Mehr

10. Sicherheit. 10. Sicherheit. VO Grundlagen der WZM-Steuerung Dr.-Ing. B. Kauschinger

10. Sicherheit. 10. Sicherheit. VO Grundlagen der WZM-Steuerung Dr.-Ing. B. Kauschinger (1) Motivation - Sicherheitsfunktionen zum Schutz: - der Gesundheit der Beschäftigen - der Umwelt - von Gütern - Typ. Sicherheitsfunktionen: - NOTAUS - Abschalten überhitzter Geräte - Überwachung gefährlicher

Mehr

Lineare Differenzengleichungen und Polynome. Franz Pauer

Lineare Differenzengleichungen und Polynome. Franz Pauer Lineare Differenzengleichungen und Polynome Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 13/7, A-600 Innsbruck, Österreich. [email protected] Vortrag beim ÖMG-LehrerInnenfortbildungstag

Mehr

Grundlagen, Bedeutung und Messbarkeit von Qualität in der Arbeitsintegration

Grundlagen, Bedeutung und Messbarkeit von Qualität in der Arbeitsintegration supported employment schweiz Fachtagung 2014 Grundlagen, Bedeutung und Messbarkeit von Qualität in der Arbeitsintegration Claudio Spadarotto, KEK-CDC Consultants Universitätstrasse 69, CH-8006 Zürich [email protected]

Mehr