Übung 1: Populationsgenetik 1, HWE und genetische Drift
|
|
- Manfred Matthias Althaus
- vor 6 Jahren
- Abrufe
Transkript
1 Ihre Namen: Übung 1: Populationsgenetik 1, HWE und genetische Drift Teil 1: Mendelsche Vererbung 1) Schwarze Fellfarbe bei Pferden ist weitgehend bestimmt durch ein rezessives Allel des A-Locus. AA- bzw. Aa-Pferde haben nichtschwarzes Fell, z.b. braun, während aa-pferde schwarzes Fell aufweisen. Vor ein paar Jahren fragte ein Leser der Internet-Newsgroup rec.equestrian, warum es relativ wenige schwarze Pferde in der Araber-Rassengruppe gibt. Eine Antwort war: Schwarz ist eine seltene Farbe, weil das schwarze Allel rezessiv ist. Mehr Araber sind braun oder grau, weil diese Farben dominant sind. Was ist falsch an dieser Erklärung? Teil 2: Hardy-Weinberg-Gleichgewicht Dieser Teil dient dem Verständnis des Hardy-Weinberg-Gleichgewichts und dessen Anwendung. 2) In Menschen kodiert der COL1A1-Locus für ein bestimmtes, in Knochen vorkommendes Kollagen. Das normale Allel an diesem Locus wird mit S bezeichnet. Ein anderes Allel s wird in Verbindung gebracht mit reduzierter Knochenmineraldichte und erhöhtem Risiko von Frakturen bei Frauen nach der Menopause sowohl in ss- als auch Ss-Individuen. Einer Studie aus den Niederlanden zufolgen zeigten von 1333 Individuen 895 den SS-Genotyp, 395 den Ss-Genotyp und 43 waren vom Genotyp ss. a) Entspricht dieser Locus dem Hardy-Weinberg-Gleichgewicht? Führen Sie hierzu den in der Vorlesung besprochenen Chi-Quadrat-Test durch. Als Chi-Quadrat Wert benutzen wir die Irrtumswahrscheinlichkeit 0,05 und 1 Freiheitsgrad, d.h. die Nullhypothese wird abgelehnt wenn der Chi-Quadrat-Wert größer ist als 3,84. Seite 1 von
2 b) Was sagt das Ergebnis über die Auswirkung des s Allels auf die Fitness der Trägerinnen aus? c) Welche Information benötigen Sie, um sagen zu können, ob die Allele in der nächsten Generation im Hardy-Weinberg-Gleichgewicht sein werden? 3) Das Hardy-Weinberg-Prinzip lässt sich auf Loci mit beliebig vielen Allelen erweitern. Die erwarteten Häufigkeiten der Genotypen berechnen sich weiterhin als p 2 für Homozygote und 2pq für Heterozygote. Betrachten wir hierzu eine Heuschreckenpopulation. In einer Stichprobe finden Sie am A-Locus vier verschiedene Allele. Die Häufigkeiten der Allele A 1, A 2, A 3 und A 4 sind p 1 = 0,6, p 2 = 0,2, p 3 = 0,15 bzw. p 4 = 0,05. a) Berechnen Sie unter Annahme eines Hardy-Weinberg-Gleichgewichts den erwarteten Anteil jedes der 10 möglichen Genotypen. (Z.B. sollte der Anteil von A 2 A 3 0,1 betragen.) 3b) Zeigen Sie, dass alle Heterozygoten insgesamt 57,5% der Population ausmachen. 3c) Wie viele Exemplare, die heterozygot für das Allel A 4 sind, würden Sie in einer Stichprobe von 100 Heuschrecken erwarten? Wie viele sollten homozygot A 4 A 4 sein? Seite 2 von
3 4) In der Abbildung rechts sehen Sie ein Beispiel dafür, wie die Häufigkeit eines bestimmten Allels (Adh S ) in Fruchtfliegen bei Zugabe von Ethanol zum Futter stetig abnimmt (E1). Dies liegt daran, dass Fliegen mit dem Adh S -Allel besonders schlecht Alkohol abbauen können und somit einen Fitness-Nachteil haben. In Kontroll-Populationen ohne Ethanol würden wir solche Änderungen nicht erwarten. Sehen Sie sich die unselektierten Kontrollen (C1, C2) genauer an: Die Häufigkeit des Adh S -Allels verändert sich geringfügig, steigt und fällt wieder mit der Zeit. Welche Annahme des Hardy-Weinberg-Modells ist hier höchstwahrscheinlich verletzt worden? Würde dieses Experiment wiederholt, welche Änderung in der Versuchsplanung würde diese Abweichung vom Hardy-Weinberg-Gleichgewicht reduzieren? Teil 2: Genetische Drift Im zweiten Teil der heutigen Übungen wollen wir eine Voraussetzung für das Hardy-Weinberg- Gleichgewicht verletzen: Die unendliche Populationsgröße. Sobald Populationen eine endliche Größe haben, findet genetische Drift statt. Um den Effekt von genetischer Drift auf Variabilität innerhalb einer Population besser zu verstehen, benutzen wir das aus der Vorlesung bekannte Wright-Fisher-Modell. Manuelle Simulation eines Wright- Fisher-Modells mit Würfeln in R In dieser Übung wollen wir ein Wright- Fisher-Model "auswürfeln". Die Zahl der Seiten des Würfels entspricht dabei der Anzahl an Individuen in einer Population. Damit lässt sich die Zufallspaarung, wie sie in diesem Modell von einer Generation zur nächsten angenommen wird, simulieren. Anstatt tatsächliche Würfel zu benutzen, werden wir Zufallszahlen in R generieren. Dies beschleunigt den Vorgang erheblich. Um in R zu würfeln, können Sie folgenden Befehl benutzen: sample(1:6,6,replace=1). Dies zieht zufällig Zahlen von 1 bis 6, und zwar insgesamt 6-mal. replace=1 bedeutet, dass eine Zahl mehrmals vorkommen darf. Das Ergebnis entspricht 6 Würfen eines 6-seitigen Würfels. Indiv.: Gen20 Gen19 Gen18 Gen17 Gen16 Gen15 Gen14 Gen13 Gen12 Gen11 Gen10 Gen9 Gen8 Gen7 Gen6 Gen5 Gen4 Gen3 Gen2 Gen1 Seite 3 von
4 Simulieren wir hiermit nun eine Wright-Fisher-Population. Betrachten Sie die Tabelle oben. Jede Zeile stellt eine Generation Ihrer Population dar. Die Spaltenzahl entspricht der Anzahl an Individuen in Ihrer Population, sowie der Anzahl an Seiten des Würfels den Sie benutzen. 5a) Beginnen Sie in der untersten Zeile (Generation 1). Sorgen Sie zunächst für genetische Variabilität indem sie zufällig die Hälfte aller Individuen ausschraffieren. Sie erzeugen dadurch zwei Allele (schraffiert und weiß). Beide Allele starten also mit einer Frequenz von 50%. Würfeln Sie nun die Nachkommen in Generation 2 nach dem Wright-Fisher-Prinzip aus: Für jedes Individuum in Generation 2 wird ein Eltern-Individuum aus Generation 1 ermittelt. Beispiel: Sie starten mit Individuum 1 in Generation 2 und würfeln eine 3. Dies bedeutet, dass das Individuum 3 aus Generation 1 dessen Vorfahre ist. Der Vorfahre vererbt sein genetisches Material (also sein Allel) an seinen Nachkommen, d.h. falls es schraffiert ist, ist das Individuum 1 in Generation 2 ebenfalls schraffiert. Wiederholen Sie diesen Vorgang für alle Individuen der Generation 2. Dabei kann es passieren, dass einige Individuen aus Generation 1 keine Nachkommen produzieren, andere aber dafür sogar zwei oder mehr. Sobald Sie Generation 2 komplett ausgewürfelt haben, wiederholen Sie den Vorgang für Generation 3. D.h. hier würfeln Sie für alle Individuen der Generation 3 die jeweiligen Vorfahren aus Generation 2 aus. Auch hier wird wieder das Allel von Vorfahr an Nachfahr vererbt. Wiederholen Sie diesen Vorgang für mehrere Generationen und füllen Sie die Tabelle aus bis eines der Allele fixiert ist oder Sie Generation 20 erreicht haben. 5b) Können Sie nach 20 Generationen immer noch beide Allele in der Population beobachten? Wie haben sich die Frequenzen verändert? Vergleichen Sie Ihr Ergebnis mit anderen Gruppen. In einem Wright-Fisher-Modell hängt die Veränderung der Frequenz eines Allels von einer Generation zur nächsten von der Frequenz in der Ausgangsgeneration und der Größe der Population ab. Eine mathematische Analyse zeigt nämlich, dass diese Veränderung binomialverteilt ist. In jeder Generation hat ein Allel die Möglichkeit seine Frequenz beizubehalten oder sie zu ändern. Im obigen Beispiel starten wir mit drei schraffierten Allelen und können in der zweiten Generation, je nachdem wie die Würfel fallen, null bis sechs schraffierte Allele erhalten. Die jeweiligen Wahrscheinlichkeiten für diese sieben Fälle folgen einer Binomialverteilung, wobei die Beibehaltung von genau drei Allelen der wahrscheinlichste Ausgang ist. Wir können diese Erkenntnis nutzen um nun auch Populationen mit sehr vielen Individuen zu simulieren. Wir müssen nicht mehr jedes Individuum einzeln "auswürfeln", sondern können in jeder Generation direkt Zufallszahlen aus einer Binomialverteilung ziehen. In R geschieht dies mit der Funktion rbinom. 5c) Wir wollen den Frequenzverlauf eines Allels in Populationen mit 10, 100 und 1000 Individuen verfolgen. Benutzen Sie hierzu die untere Tabelle auf der nächsten Seite. Wir führen für alle drei Populationsgrößen jeweils zwei Simulationen durch. Sie beginnen in Generation 1 jeweils mit der Frequenz eines Allels von 50%. Um nun die Frequenz in der nächsten Generation z.b. für eine Population der Größe 10 zu erhalten führen Sie die Funktion rbinom(1,10,0.5) aus. Der erste Parameter besagt, dass Sie ein einziges Mal eine Zufallszahl ziehen wollen, der zweite steht für die Populationsgröße und der dritte für die Frequenz des Allels. Als Ergebnis erhalten Sie die Anzahl and Individuen die das untersuchte Allel in der nächsten Generation tragen. Erhalten sie z.b. eine 4, so hat sich die Frequenz von 0.5 auf 0.4 (4 von 10 Individuen) erniedrigt. Um die Frequenz in Generation 3 zu erhalten führen Sie rbinom erneut aus, jedoch diesmal mit der neuen Ausgangsfrequenz: rbinom(1,10,0.4). So können Sie die Veränderung der Frequenz nach und nach simulieren, wobei in jeder Generation die veränderte Frequenz im dritten Parameter von rbinom angepasst werden muss. Füllen Sie so die unten Seite 4 von
5 stehende Tabelle für 20 Generationen aus. Beachten Sie, dass Sie für die Populationen der Größen 100 und 1000 den zweiten Parameter anpassen müssen. Berechnen Sie abschließend Δp, den Frequenzunterschied zwischen der Startfrequenz (50%) und der Endfrequenz in Generation 20. N = 10 N = 100 N = 1000 Δp Gen20 Gen19 Gen18 Gen17 Gen16 Gen15 Gen14 Gen13 Gen12 Gen11 Gen10 Gen9 Gen8 Gen7 Gen6 Gen5 Gen4 Gen3 Gen2 Gen d) Welchen Zusammenhang zwischen der Frequenzänderung und der Populationsgröße vermuten Sie? 5e) Tragen Sie Ihre Werte in die Excel-Tabelle des Dozenten ein und notieren Sie sich die Mittelwerte hier: N=10 : N=100: N=1000: Dies sind also die durchschnittlichen Frequenzunterschiede nach 20 Generationen. Lässt sich nun besser ein Zusammenhang zwischen der Frequenzänderung und der Populationsgröße erkennen? Wright-Fisher-Simulationen mit Populus Im letzten Übungsteil werden wir nun das Computerprogramm Populus anwenden, um genauere Einblicke in die Konsequenzen von genetischer Drift zu erhalten. Öffnen Sie das Programm Populus. Wählen Sie unter Model Mendelian Genetics > Genetic Drift und dort Monte Carlo. Diese Funktion von Populus führt Wright-Fischer-Simulationen durch, ganz ähnlich wie Sie diese im vorherigen Übungsteil kennengelernt haben. Es wird das Schicksal von zwei Allelen an einem Lokus über einen gegeben Zeitraum simuliert. Klassischerweise werden die beiden Allele mit A und a bezeichnet und die Frequenz von A mit p angegeben. Bei diesen Seite 5 von
6 Simulationen findet keine Selektion statt! D.h. die unterschiedlichen Allele haben keinen Einfluss auf die Fitness des Organismus. Machen Sie sich erst einmal mit den unterschiedlichen Einstellungsmöglichkeiten vertraut. Setzen Sie zunächst Number of Loci = 1, Population Size (N) = 10 und belassen Sie die anderen Einstellungen. Starten Sie eine Simulation indem sie auf View klicken oder einfach auf der Tastatur Enter drücken. 6a) Interpretieren Sie den Output des Programms. Was ist auf der X- und was auf der Y-Achse aufgetragen? Wo sind die Gemeinsamkeiten zum Output der Simulationen, die Sie im ersten Teil manuell durchgeführt haben? 6b) Mit dem Parameter Population Size (N) kann die Anzahl der Individuen eingestellt werden. Allerdings simuliert POPULUS hier diploide Individuen. Was bedeutet das für die tatsächliche Anzahl an Genkopien in der Population? Setzen Sie nun Number of Loci = 10 und klicken Sie bei Runtime auf Other und setzen Sie Generations = 50. Hier werden nun 10 Loci unabhängig voneinander für 50 Generationen simuliert (d.h. es finden eigentlich 10 getrennte Simulationen statt) und das Ergebnis wird in einem einzigen Graphen ausgegeben wobei jeder Locus in einer anderen Farbe dargestellt wird. Lassen Sie die Simulationen einige Male laufen um ein Gefühl dafür zu bekommen. 7a) Wir wollen nun den Einfluss der Populationsgröße auf die Dynamik der Allele untersuchen. Vergleichen Sie den Effekt der Populationsgröße N = 10, N = 20 und N = 50. Lassen Sie die Simulation 10-mal für jede Populationsgröße laufen und notieren Sie für jeden Durchgang wie viele der 10 einzelnen Loci innerhalb der simulierten 50 Generationen eines der beiden Allele fixiert haben, d.h. die Frequenz des Allels eines Locus erreicht p = 0 oder p = 1. Berechnen Sie zudem den Mittelwert über alle Durchgänge. Benutzen Sie hierzu die Tabelle rechts. Durchgang Mittelwert Populationsgröße N = 10 N = 20 N = 50 7b) Tragen Sie Ihren Mittelwert in die Excel-Tabelle des Dozenten ein. Notieren Sie den Mittelwert über alle Gruppen hier: N=10 : N=20: N=50: 7c) Der Verlust eines Allels ist ein extremer Ausdruck der genetischen Drift. Hat dabei die Populationsgröße einen Effekt auf den möglichen Verlust eines Allels? Seite 6 von
7 7d) Sehen Sie Parallelen zu dem Ausgang des Würfel-Experiments aus dem ersten Teil? 7e) Betrachten wir nun eine relativ große Population (N = 500). Lassen Sie die Simulationen einige Male laufen und erhöhen Sie kontinuierlich die Anzahl der simulierten Generationen (gehen Sie ruhig bis auf 1000 oder 2000 Generationen). Ändert sich allgemein am Schicksal der Allele etwas? Was müsste passieren, damit beide Allele stabil in der Population verbleiben? 8a) Bis jetzt war uns bei Fixierungsereignissen egal, ob A (p = 1) oder a (p = 0) fixiert wurde. Betrachten wir dies nun etwas differenzierter. Setzen Sie N = 10 und Generations = Da die Zeitspanne so groß ist, sollten bei diesen Simulationen innerhalb der simulierten Zeit nun alle Loci fixieren (d.h. das Fenster mit dem Hinweis All loci have fixed by t = x generations sollte erscheinen). Führen Sie 10 Simulationsdurchgänge durch und notieren Sie für jeden Durchgang wie viele der 10 Loci das A-Allel fixiert haben, nicht das a Allel (d.h. wenn p 1 erreicht). In anderen Worten: schreiben Sie auf, wie viele Loci den oberen Rand erreicht haben. Wiederholen Sie die Simulationen, ändern Sie aber die Startfrequenz von A (initial frequency) auf 0,2 sowie auf 0,7. Sammeln Sie die Ergebnisse in der Tabelle rechts und berechnen Sie die jeweiligen Mittelwerte. Durchgang Mittelwert Startfrequenz von A p = 0,2 p = 0,5 p = 0,7 8b) Tragen Sie Ihre Mittelwerte in die Excel-Tabelle des Dozenten ein. Notieren Sie die Mittelwerte über alle Gruppen hier: p=0,2: p=0,5: p=0,7: 8c) Welcher Zusammenhang könnte zwischen der Startfrequenz und der Fixierungswahrscheinlichkeit bestehen? Seite 7 von
8 8d) Wiederholen Sie die Simulationen, setzen Sie aber nun N = 50. Zählen Sie wieder, wie oft das A-Allel fixiert und sammeln Sie Ihre Ergebnisse in der Tabelle rechts. 8e) Tragen Sie Ihre Mittelwerte in die Excel- Tabelle des Dozenten ein und notieren Sie die Mittelwerte über alle Gruppe hier: p=0,2: p=0,5: p=0,7: Durchgang Mittelwert Startfrequenz von A p = 0,2 p = 0,5 p = 0,7 8f) Haben sich die Fixierungswahrscheinlichkeiten von A geändert oder sind sie mehr oder weniger gleichgeblieben? Was für einen Effekt scheint die Populationsgröße auf die Fixierungswahrscheinlichkeit des hier simulierten A Allels zu haben? Bis jetzt haben wir mit Allelfrequenzen gearbeitet, die relativ hoch waren. Variabilität innerhalb einer Population entsteht jedoch indem eine neue Mutation (oder neues Allel) zunächst in einem einzelnen Individuum entsteht und sich dann ausbreitet. Hier betrachten wir wieder nur das Schicksal des A-Allels, nicht das vom a-allel. 9a) Wie hoch ist die Startfrequenz (p) eines neu entstandenen A Allels in einer Population der Größe N = 5 bzw. N = 50? (HINWEIS: Beachten Sie, dass wir immer von diploiden Organismen ausgehen!) N = 5: N = 50: 9b) Nach dem, was Sie aus Aufgabe 8 und 9a gelernt haben: In welcher der beiden Populationen hat ein neues A-Allel eher die Chance sich durchzusetzen? Führen Sie jeweils 50 Simulationen (mit 10 Loci) zum Schicksal eines neu entstanden A-Allels für jede der beiden oben genannten Populationen (N=5 und N=50) durch mit der in Frage 9a bestimmten Anfangsfrequenz p. Notieren Sie in wie viel Prozent der insgesamt 500 Simulationen die neue Mutation jeweils fixiert wird. N = 5: N = 50: Seite 8 von
9 9c) Entspricht das Ergebnis Ihren Erwartungen? Was ist der Grund für die eventuellen Unterschiede? 9d) Sie haben gesehen, dass genetische Drift ohne Zuhilfenahme von Selektion zu Evolution im klassischen Sinne führen kann: Eine neue Mutation entsteht und setzt sich dann innerhalb einer Population oder auch einer ganzen Art durch. Solange keine Selektion im Spiel ist, die Mutation also selektionsneutral ist, spricht man von neutraler Evolution. Was würden Sie intuitiv sagen: Kommt solche neutrale Evolution, also die Fixierung von selektionsneutralen neuer Mutationen (Allelen), eher in kleinen oder in großen Populationen vor? Hinweis: Überlegen Sie wie wahrscheinlich es ist, dass sich eine neue entstandene neutrale Mutation in einer Population durchsetzt. Bedenken Sie aber auch, wie viele neue Mutationen in einer Population jede Generation entstehen! Seite 9 von
Vererbungsgesetze, Modell
R Vererbungsgesetze, Modell 65564.00 Betriebsanleitung Das Model besteht aus einem Satz von 204 Symbolkarten und 3 Kreuzungs- und Nachkommenslinien. 81 der Symbolkarten zeigen Erscheinungsbilder (Phänotypen),
MehrBegleittext zum Foliensatz Erbgänge beim Menschen
Für ein besseres Verständnis der Folien werden vorab einige Begriffe definiert: Gen Genom Allel Ein Gen ist die physikalische und funktionelle Einheit der Vererbung. Biochemisch ist es eine geordnete Abfolge
MehrWarteschlangen. Vier Doppelstunden in der Carl-Bantzer-Schule Ziegenhain von Johannes Becker
Warteschlangen Vier Doppelstunden in der Carl-Bantzer-Schule Ziegenhain von Johannes Becker Inhaltsverzeichnis 1. Einleitung...1 2. Aufgaben...2 3. Simulation einer Warteschlange mit dem Würfel...2 4.
MehrGibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero?
Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero? Manche sagen: Ja, manche sagen: Nein Wie soll man das objektiv feststellen? Kann man Geschmack objektiv messen? - Geschmack ist subjektiv
MehrLabortechniken (2) Amplifikationskurve (linear linear) Realtime-PCR
Realtime PCR Quantitative PCR Prinzip: Nachweis der PCR-Produkte in Echtzeit und Quantifizierung anhand eines fluoreszenten Reporters R Q Taq-Polymerase Synthese- und Nuklease-Einheit R=Reporter, Q=Quencher
MehrInformatik für Schüler, Foliensatz 12 Pseudo-Zufallszahlen
rof. G. Kemnitz Institut für Informatik, Technische Universität Clausthal 14. April 2010 1/14 Informatik für Schüler, Foliensatz 12 Pseudo-Zufallszahlen Prof. G. Kemnitz Institut für Informatik, Technische
MehrSNPs, Indels, VNTRs. Gründe für ein Interesse an der genetischen Diversität
Genetische Diversität: SNPs, Indels, VNTRs Gründe für ein Interesse an der genetischen Diversität Aufklärung der Geschichte von Populationen (Migrationen, demographische Ereignisse) Forensik / Aussagen
MehrMonte-Carlo Simulation
Monte-Carlo Simulation Sehr häufig hängen wichtige Ergebnisse von unbekannten Werten wesentlich ab, für die man allerhöchstens statistische Daten hat oder für die man ein Modell der Wahrscheinlichkeitsrechnung
MehrInhalt des Vortrags. o genetische Grundlagen. o Wie findet man Erbfehler? o Zusammenfassung. Was ist ein Haplotyp?
Inhalt des Vortrags o genetische Grundlagen Was ist ein Haplotyp? o Wie findet man Erbfehler? basierend auf Phänotypen: Zwergwuchs basierend auf Genotypen: Braunvieh Haplotyp II o Zusammenfassung einige
MehrPopulationsstruktur. Einführung in die Populationsgenetik (7) Populationsstruktur. Genfluß. Das Insel-Modell. Genfluß und Populationsstruktur
Einführung in die Populationsgenetik (7) Genfluß und Populationsstruktur 008 David G Heckel Astrid T Groot Gerhard chöfl Populationsstruktur Ideal: Eine große, panmiktische Population. Realität: Die meisten
MehrSimulation von Zinsentwicklungen und Bewertung von gängigen Finanzprodukten
Simulation von Zinsentwicklungen und Bewertung von gängigen Finanzprodukten Andreas Eichler Institut für Finanzmathematik Johannes Kepler Universität Linz 1. Februar 2010 1 / 7 Gliederung 1 Was ist Finanzmathematik
MehrLeitprogramm Bubblesort
Leitprogramm Bubblesort Dr. Rainer Hauser Inhalt 1 Übersicht...1 2 Input-Block I: Der Sortieralgorithmus Bubblesort...2 3 Input-Block II: Die Effizienz von Bubblesort...6 4 Zusammenfassung...8 5 Lernkontrolle...9
MehrAusfüllkästchen und absolute Bezüge
Ausfüllkästchen und absolute Bezüge Übungsbeispiel Statistik Teil 1 Im Beispiel Statistik verwenden Sie das Ausfüllkästchen, um Zahlen- und Monatsreihen zu erstellen. Beim Vervielfältigen von Formeln ist
MehrBestimmen der Wahrscheinlichkeiten mithilfe von Zählstrategien
R. Brinmann http://brinmann-du.de Seite 4.0.2007 Bestimmen der Wahrscheinlicheiten mithilfe von Zählstrategien Die bisherigen Aufgaben zur Wahrscheinlicheitsrechnung onnten im Wesentlichen mit übersichtlichen
MehrWie funktioniert ein Heißluftballon? Einen Mini-Heißluftballon aufsteigen lassen
Wie funktioniert ein Heißluftballon? Einen Mini-Heißluftballon aufsteigen lassen In aller Kürze Hast du schon mal einen Heißluftballon am Himmel beobachtet? Wie kommt es eigentlich, dass er fliegen kann?
MehrGleichungen Lösen. Ein graphischer Blick auf Gleichungen
Gleichungen Lösen Was bedeutet es, eine Gleichung zu lösen? Was ist überhaupt eine Gleichung? Eine Gleichung ist, grundsätzlich eine Aussage über zwei mathematische Terme, dass sie gleich sind. Ein Term
MehrEin möglicher Unterrichtsgang
Ein möglicher Unterrichtsgang. Wiederholung: Bernoulli Experiment und Binomialverteilung Da der sichere Umgang mit der Binomialverteilung, auch der Umgang mit dem GTR und den Diagrammen, eine notwendige
MehrKapitel 3. Populationsgenetik: Gene und ihre Frequenzen
701-245-00L Pop - & Evol biol - 25 - Kap. 3: Populationsgenetik Kapitel 3 Populationsgenetik: Gene und ihre Frequenzen 3.1 Populationsgenetik Mikroevolutive Prozesse bilden die Grundlage allen Evolutionsgeschehens.
MehrR ist freie Software und kann von der Website. www.r-project.org
R R ist freie Software und kann von der Website heruntergeladen werden. www.r-project.org Nach dem Herunterladen und der Installation von R kann man R durch Doppelklicken auf das R-Symbol starten. R wird
MehrSpieltheorie Kapitel 7, 8 Evolutionary Game Theory Modelling Network Traffic using Game Theory
Spieltheorie Kapitel 7, 8 Evolutionary Game Theory Modelling Network Traffic using Game Theory 01.12.2010 Arno Mittelbach 1 Spieltheorie Einführung Evolutionary Game Theory Spieltheorie in Netzwerken Erstens
MehrGrundlagen der Vererbung beim Hund
Grundlagen der Vererbung beim Hund Züchterstammtisch: 10. August 2013 Referentin: Diana Ringpfeil Tätigkeit: Tierärztin Mail: Ringpfeil@arcor.de Referent: Kay Rostalski Diana Ringpfeil, Tierärztin, Kay
MehrMusterlösung Arbeitsblatt 2 - Wachstum und Easy ModelWorks
ETH Zürich, FS 2009 Musterlösung Arbeitsblatt 2 - Wachstum und Easy ModelWorks Dieses Arbeitsblatt dient dem näheren Kennenlernen des Modellierungs- und Simulationswerkzeugs Easy ModelWorks. Hierzu dient
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
MehrDynamisch unterrichten mit Excel
Reimund Albers Dynamisch unterrichten mit Excel Erstellen von Schiebereglern 1 Dynamisch unterrichten mit Excel oder: Wie erstelle ich einen Schieberegler in Excel? Beispiel: Demonstration der Abhängigkeit
MehrVarianzanalyse ANOVA
Varianzanalyse ANOVA Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/23 Einfaktorielle Varianzanalyse (ANOVA) Bisher war man lediglich in der Lage, mit dem t-test einen Mittelwertsvergleich für
MehrLarge Scale SNP Daten beim Pferd: Erste Erfahrungen und Anwendungen
Fotos: M. Rindlisbacher Large Scale SNP Daten beim Pferd: Erste Erfahrungen und Anwendungen H. Hasler 1, F. Berruex 3, B. Haase 2, C. Flury 1, T. Leeb 2, V. Gerber 4, H. Simianer 5, D. Burger 3, P.A. Poncet
Mehrl2l (Frage 1): Die Hardy-Weinberg-Gleichung wird häufig in der
Maikelnummer: Seite 1 Semesterklausur,,Evol utionsbiologie" SeruesrERKLAUsu R zur Vonlesu NG,, Evol utions biolog ie" ws 2014t2015 Wiederholungsklausur EnlAurenuruc: Die Zahlen in eckigen Klammern vor
MehrGrundlagen der Tabellenkalkulation Die wichtigsten Funktionen im Überblick Christian Schett
Grundlagen der Tabellenkalkulation Die wichtigsten Funktionen im Überblick Christian Schett Lektion 01: Spalten, Zeilen, Zellen Video-Tutorial: http://www.youtube.com/watch?v=wxt2dwicl38 Tabellenkalkulationsprogramme:
MehrV_Sim - software to calculate inbreeding coefficients
V_Sim - software to calculate inbreeding coefficients Ein Programm zur Berechnung von Inzuchtkoeffizienten und Abstammungskoeffizienten. Von Holger Krause Zweck des Programms Der Verwandtschaft-Simulator
MehrAnhand des bereits hergeleiteten Models erstellen wir nun mit der Formel
Ausarbeitung zum Proseminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn zum Thema Simulation des Anlagenpreismodels von Simon Uphus im WS 09/10 Zusammenfassung
MehrMonte Carlo Simulation (Grundlagen)
Der Titel des vorliegenden Beitrages wird bei den meisten Lesern vermutlich Assoziationen mit Roulette oder Black Jack hervorrufen. Allerdings haben das heutige Thema und die Spieltische nur den Namen
Mehr1 MAKROS AUFZEICHNEN. 1.1 Einführung
Makro Aufzeichnen Makro + VBA 2010 effektiv 1 MAKROS AUFZEICHNEN 1.1 Einführung Sie können Excel sehr einfach automatisieren, indem Sie ein Makro aufzeichnen. Ähnlich wie bei einem Kassettenrecorder werden
MehrInformatik-Sommercamp 2012. Mastermind mit dem Android SDK
Mastermind mit dem Android SDK Übersicht Einführungen Mastermind und Strategien (Stefan) Eclipse und das ADT Plugin (Jan) GUI-Programmierung (Dominik) Mastermind und Strategien - Übersicht Mastermind Spielregeln
MehrFalte den letzten Schritt wieder auseinander. Knick die linke Seite auseinander, sodass eine Öffnung entsteht.
MATERIAL 2 Blatt farbiges Papier (ideal Silber oder Weiß) Schere Lineal Stift Kleber Für das Einhorn benötigst du etwa 16 Minuten. SCHRITT 1, TEIL 1 Nimm ein einfarbiges, quadratisches Stück Papier. Bei
MehrFortgeschrittene Statistik Logistische Regression
Fortgeschrittene Statistik Logistische Regression O D D S, O D D S - R A T I O, L O G I T T R A N S F O R M A T I O N, I N T E R P R E T A T I O N V O N K O E F F I Z I E N T E N, L O G I S T I S C H E
MehrPRAKTIKUM Experimentelle Prozeßanalyse 2. VERSUCH AS-PA-2 "Methoden der Modellbildung statischer Systeme" Teil 2 (für ausgewählte Masterstudiengänge)
FACHGEBIET Systemanalyse PRAKTIKUM Experimentelle Prozeßanalyse 2 VERSUCH AS-PA-2 "Methoden der Modellbildung statischer Systeme" Teil 2 (für ausgewählte Masterstudiengänge) Verantw. Hochschullehrer: Prof.
MehrPR Statistische Genetik und Bioinformatik
PR Statistische Genetik und Bioinformatik Johanna Bertl Institut für Statistik und OR, Universität Wien Oskar-Morgenstern-Platz 1/6.344, 1090 Wien, Tel.: 01-4277-38617 johanna.bertl@univie.ac.at, homepage.univie.ac.at/johanna.bertl
Mehr1. Nachschreibeklausur zur Vorlesung "Genetik" im WS 09/10 A. Matrikel-Nr.: Versuch: 1 2 3
1. Nachschreibeklausur zur Vorlesung "Genetik" im WS 09/10 A Modul: Studiengang: Matrikel-Nr.: Versuch: 1 2 3 Vollständiger Name in Druckbuchstaben (Vorname Nachname): Jena, 01.04.2010, 10 12 Uhr; Unterschrift:
MehrMINT-Circle-Schülerakademie
1 Einführung MINT-Circle-Schülerakademie Kurze Einführung, was Maple ist, wozu es dienen kann, wo es verwendet wird. Zur Einführung die folgenden Aufgaben bearbeiten lassen. Aufgabe 1. Gib unter Maple
MehrP X =3 = 2 36 P X =5 = 4 P X =6 = 5 36 P X =8 = 5 36 P X =9 = 4 P X =10 = 3 36 P X =11 = 2 36 P X =12 = 1
Übungen zur Stochastik - Lösungen 1. Ein Glücksrad ist in 3 kongruente Segmente aufgeteilt. Jedes Segment wird mit genau einer Zahl beschriftet, zwei Segmente mit der Zahl 0 und ein Segment mit der Zahl
MehrComputational Finance
Computational Finance Kapitel 2.2: Monte Carlo Simulation Prof. Dr. Thorsten Poddig Lehrstuhl für Allgemeine Betriebswirtschaftslehre, insbes. Finanzwirtschaft Universität Bremen Hochschulring 4 / WiWi-Gebäude
MehrComputeria Rorschach Mit Excel Diagramme erstellen
Mit Excel Diagramme erstellen 25.12.2010 Roland Liebing Mit Excel Diagramme erstellen Diagramme können Zahlenwerte veranschaulichen, das heisst, mit Hilfe eines Diagramms können Zahlen besser miteinander
MehrOptimality and evolutionary tuning of the expression level of a protein. Erez Dekel & Uri Alon Nature Vol 436, July 2005
Optimality and evolutionary tuning of the expression level of a protein Erez Dekel & Uri Alon Nature Vol 436, July 2005 Wie Zellen Denken Übersicht Hintergrund Mathematische Formulierung (cost-benefit-theory)
MehrAnleitung zum Applet Schiefer Wurf
Anleitung zum Applet: Schiefer Wurf 1 Anleitung zum Applet Schiefer Wurf Bearbeitung von: Mathias Hartner SS 2009 Studiengang: Elektronik und Informationstechnik Betreuung durch: Prof. Dr. Wilhelm Kleppmann
MehrGratis Bildbearbeitungsprogramm
Gratis Bildbearbeitungsprogramm Inhaltsverzeichnis Download... 2 Was ist Irfan View... 2 Sprache ändern... 2 Erweiterungen... 3 Menüleiste... 5 Ausschnitt aus einem Bild... 5 Rote Augen entfernen... 8
MehrIm Folgenden wird Ihnen an einem Beispiel erklärt, wie Sie Excel-Anlagen und Excel-Vorlagen erstellen können.
Excel-Schnittstelle Im Folgenden wird Ihnen an einem Beispiel erklärt, wie Sie Excel-Anlagen und Excel-Vorlagen erstellen können. Voraussetzung: Microsoft Office Excel ab Version 2000 Zum verwendeten Beispiel:
MehrMolekulare Pathologie: 11 11 mögliche Mechanismen, die die die die Funktion eines eines Genproduktes einschränken oder oder zerstören können können
Molekulare Pathologie: 11 11 mögliche Mechanismen, Funktion es es Genproduktes schränken o o zerstören können können Erbkrankheiten Lit.: Lit.: Strachan Strachan & & Read, Read, 2005, 2005, Mol. Mol. Humangenetik
MehrEinfache Modelle für Paneldaten. Statistik II
Einfache Modelle für daten Statistik II Wiederholung Literatur daten Policy-Analyse II: Statistik II daten (1/18) Literatur Zum Nachlesen Einfache Modelle für daten Wooldridge ch. 13.1-13.4 (im Reader)
MehrDie quadratische Gleichung und die quadratische Funktion
Die quadratische Gleichung und die quadratische Funktion 1. Lösen einer quadratischen Gleichung Quadratische Gleichungen heißen alle Gleichungen der Form a x x c = 0, woei a,, c als Parameter elieige reelle
MehrSpielanleitung Zahl der Spieler: Alter: Autor: Illustrationen: Inhalt:
Spielanleitung Art.-Nr.: 607-6362 Zahl der Spieler: Alter: Autor: Illustrationen: Inhalt: 1 6 ab 6 Jahren Michael Rüttinger Heidemarie Rüttinger, Alice Becker Spielplan mit Stadtplan von London 220 Karten
MehrEinfache statistische Auswertungen mit dem Programm SPSS
Einfache statistische Auswertungen mit dem Programm SPSS Datensatz: fiktive_daten.sav Dipl. Päd. Anne Haßelkus Dr. Dorothea Dette-Hagenmeyer 11/2011 Überblick 1 Deskriptive Statistiken; Mittelwert berechnen...
MehrAtomic Force Microscopy
1 Gruppe Nummer 103 29.4.2009 Peter Jaschke Gerd Meisl Atomic Force Microscopy Inhaltsverzeichnis 1. Einleitung... 2 2. Theorie... 2 3. Ergebnisse und Fazit... 4 2 1. Einleitung Die Atomic Force Microscopy
MehrText-Zahlen-Formatieren
Text-Zahlen-Formatieren Beobachtung: Bei der Formatierung einer Zahl in eine Textzahl und umgekehrt zeigt Excel ein merkwürdiges Verhalten, welches nachfolgend skizziert werden soll: Wir öffnen eine neue
Mehr9. Schätzen und Testen bei unbekannter Varianz
9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,
MehrVon der Untersuchungsfrage zu statistischen Hypothesen, und wie war das nochmal mit dem α- und
Von der Untersuchungsfrage zu statistischen Hypothesen, und wie war das nochmal mit dem α- und β-fehler? Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de
MehrÜbung 7: Xylophon, Modalanalyse, ANSYS
Übung 7: Xylophon, Modalanalyse, ANSYS Teil I: Modellierung der Eigenfrequenzen und Eigenmoden des Xylophon Tons Fis Wir betrachten ein einfaches handelsübliches Xylophon mit Tonstäben aus Stahl. Durch
MehrMETHODENLEHRE I WS 2013/14 THOMAS SCHÄFER
METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER DAS THEMA: INFERENZSTATISTIK IV INFERENZSTATISTISCHE AUSSAGEN FÜR ZUSAMMENHÄNGE UND UNTERSCHIEDE Inferenzstatistik für Zusammenhänge Inferenzstatistik für Unterschiede
MehrTerminologie der Formalgenetik zur Identifizierung genetischer Modulatoren
Terminologie der Formalgenetik zur Identifizierung genetischer Modulatoren Stefan-Marcel Loitsch, Christian von Mallinckrodt, Tim Hirche, Thomas OF Wagner Pneumologie und Allergologie, Medizinische Klinik
MehrComputational Intelligence
Vorlesung Computational Intelligence Stefan Berlik Raum H-C 80 Tel: 027/70-267 email: berlik@informatik.uni-siegen.de Inhalt Überblick Rückblick Optimierungsprobleme Optimierungsalgorithmen Vorlesung Computational
MehrInformationsökonomik: Anwendung Versicherungsmarkt
Informationsökonomik: Anwendung Versicherungsmarkt Tone Arnold Universität des Saarlandes 13. Dezember 2007 Tone Arnold (Universität des Saarlandes) Informationsökonomik: Anwendung Versicherungsmarkt 13.
MehrVorlesung 2 GRUNDLAGEN
Vorlesung 2 GRUNDLAGEN Überblick Genetische Faktoren Quantitative Genetik Molekulare Genetik Untersuchungsdesigns 2 Genetische Faktoren Davey-Smith et al., 2007 Genetische Faktoren sind nicht korreliert
MehrInvestition und Risiko. Finanzwirtschaft I 5. Semester
Investition und Risiko Finanzwirtschaft I 5. Semester 1 Gliederung Ziel Korrekturverfahren: Einfache Verfahren der Risikoberücksichtigung Sensitivitätsanalyse Monte Carlo Analyse Investitionsentscheidung
MehrEine Fahrstuhlfahrt. Datengewinnung (TI 83)
Eine Fahrstuhlfahrt Zielsetzung: In diesem Experiment ist es unser Ziel die Bewegung eines Fahrstuhls zu untersuchen und seine Beschleunigung zu messen. Der Sensor ist ein Beschleunigungsmesser, der mit
MehrMein erstes Tableau-Dashboard. Tableau Software Schritt für Schritt kennenlernen und ein erstes Dashboard erstellen
Tableau Software Schritt für Schritt kennenlernen und ein erstes Dashboard erstellen Vorgehensweise 1) Datenaufbereitung in Microsoft Excel 2) Tableau - Datenimport 3) Erstellung verschiedener Tableau-Arbeitsblätter
MehrAuflösung von NaCl in Wasser
Steckbrief Lernbereich Lernen / Üben Fachbereich Natur und Technik (Chemie) Grobziel (ICT) Lernprogramme als Hilfsmittel für das eigene Lernen nutzen Grobziel (Fachbereich NuT) Modelle als Hilfsvorstellungen
MehrEINFACHES HAUSHALT- KASSABUCH
EINFACHES HAUSHALT- KASSABUCH Arbeiten mit Excel Wir erstellen ein einfaches Kassabuch zur Führung einer Haushalts- oder Portokasse Roland Liebing, im November 2012 Eine einfache Haushalt-Buchhaltung (Kassabuch)
MehrEigenen Farbverlauf erstellen
Diese Serie ist an totale Neulinge gerichtet. Neu bei PhotoLine, evtl. sogar komplett neu, was Bildbearbeitung betrifft. So versuche ich, hier alles einfach zu halten. Ich habe sogar PhotoLine ein zweites
Mehr6 Mehrstufige zufällige Vorgänge Lösungshinweise
6 Mehrstufige zufällige Vorgänge Lösungshinweise Aufgabe 6.: Begründen Sie, warum die stochastische Unabhängigkeit zweier Ereignisse bzw. zufälliger Vorgänge nur ein Modell der Realität darstellen kann.
MehrRisiko Familie. Die Genetik von Asthma. Nicole Herbon
Die Genetik von Asthma Risiko Familie Nicole Herbon Wie bei anderen Volkskrankheiten weiß man heute auch im Falle von Asthma, dass für seine Entstehung weder die Gene noch die Umwelt alleine verantwortlich
MehrFACHHOCHSCHULE LAUSITZ Prof. Dr.-Ing. M. Strunz Lehrgebiet Projektmanagement Übungsskript 1
1.3 Break-Even-Analyse FACHHOCHSCHULE LAUSITZ Prof. Dr.-Ing. M. Strunz Lehrgebiet Projektmanagement Übungsskript 1 Das folgende Beispiel behandelt die Break-Even-Analyse. Das ist ein Verfahren, bei dem
MehrGrundlagen Word Eigene Symbolleisten. Eigene Symbolleisten in Word erstellen
Eigene Symbolleisten in Word erstellen Diese Anleitung beschreibt, wie man in Word eigene Symbolleisten erstellt und mit Schaltflächen füllt. Im zweiten Teil wird erklärt, wie man mit dem Makrorekorder
MehrAgiles Schätzen. Quelle: Kap. 7 aus Wie schätzt man in agilen Projekten oder wieso Scrum-Projekte erfolgreicher sind [Boris Gloger 2014]
Agiles Schätzen Quelle: Kap. 7 aus Wie schätzt man in agilen Projekten oder wieso Scrum-Projekte erfolgreicher sind [Boris Gloger 2014] Schätzen der Größe Wir bestimmen die Größe, nicht den Aufwand. Auf
MehrPhotopaint - Linsen. (Speichere deine Arbeit von Anfang an regelmäßig unter dem Namen Linsen.cpt )
Photopaint - Linsen Arbeiten mit Linsen (Speichere deine Arbeit von Anfang an regelmäßig unter dem Namen Linsen.cpt ) Für diese Übung öffne die Datei Winter.jp2 du kannst natürlich auch mit jeder anderen
MehrZahlen auf einen Blick
Zahlen auf einen Blick Nicht ohne Grund heißt es: Ein Bild sagt mehr als 1000 Worte. Die meisten Menschen nehmen Informationen schneller auf und behalten diese eher, wenn sie als Schaubild dargeboten werden.
MehrInhalt. Allgemeine Einführung. Argumentationsvermögen. Räumliches Vorstellungsvermögen. Begabungen und Fähigkeiten messen
Beispielheft Inhalt Allgemeine Einführung Test Eins: Test Zwei: Test Drei: Test Vier: Test Fünf: Argumentationsvermögen Auffassungsvermögen Zahlenvermögen Sprachverständnis Räumliches Vorstellungsvermögen
MehrUm dennoch die Schrankenwirkung des Rheins abschätzen zu können, müssen genetische Unterschiede zwischen beiderseits lebenden Populationen
. zool. Beitr. 32 (1981), Heft 3-4 5 Genetische Unterschiede zwischen rechts- und linksrheinischen Waldmäusen (Apodemus sylvaticus) 1 ) von HUBERT GEMMEKE Zoologisches Institut der Universität Einleitung
Mehr1 Visual Basic for Application mit Excel (VBA)
Informatikfreikurs WS 2008/2009 1 1 Visual Basic for Application mit Excel (VBA) 1.1 Mosaik Puzzle Das untenstehende Zahlenschema ist ein sogenanntes Mosaik Puzzle. Jede Zahl zeigt an, wie viele der (höchstens
MehrTag 9: Datenstrukturen
Tag 9: Datenstrukturen A) Datenstrukturen B) Cell Arrays C) Anwendungsbeispiel: Stimulation in einem psychophysikalischen Experiment A) Datenstrukturen Wenn man komplizierte Datenmengen verwalten möchte,
MehrJwala und Karl Gamper. Ich bin genial Die 7 Erkenntnisse zum Genius
Jwala und Karl Gamper Ich bin genial Die 7 Erkenntnisse zum Genius 2 3 Inhaltsverzeichnis Was ist Genialität? 7 Die sieben Erkenntnisse 15 Erste Erkenntnis Erkenne deine Position 17 Nicht von einem Tag
MehrS p i e l a n l e i t u ng
E N E R G E T I C A S p i e l a n l e i t u ng Vorwort: Die heutigen, großen Stromerzeuger bilden die Atomkraftwerke und Erdöl- bzw. Kohlekraftwerke. Sie erzeugen Strom durch den Einsatz von fossilen Brennstoffen.
MehrAufbau von Hichert-Graphik Schritt für Schritt
Aufbau von Hichert-Graphik Schritt für Schritt Ausgangsdaten anlegen: o Sollte dann so aussehen: Umsatz Plan Ist Abweich. 60 40-20 o Details dazu: 4 Spaltenüberschriften eintragen: Plan, Ist, leer, Abweichung
MehrProgramme im Griff Was bringt Ihnen dieses Kapitel?
3-8272-5838-3 Windows Me 2 Programme im Griff Was bringt Ihnen dieses Kapitel? Wenn Sie unter Windows arbeiten (z.b. einen Brief schreiben, etwas ausdrucken oder ein Fenster öffnen), steckt letztendlich
MehrProgrammieren in JavaScript
Lineare Programme 1. Euro a) Schreiben Sie ein Programm, dass Frankenbeträge in Euro umrechnet. Der Benutzer gibt dazu den aktuellen Kurs ein, worauf das Programm einige typische Werte (z.b. für Fr 10,
MehrACDSee 2009 Tutorials: Rote-Augen-Korrektur
In diesem Tutorial lernen Sie den schnellsten Weg zum Entfernen roter Augen von Ihren Fotos mit der Rote-Augen- Korrektur. Die Funktion zur Reduzierung roter Augen ist ein Untermenü des Bearbeitungsmodus.
Mehr12. Vorlesung Spieltheorie in der Nachrichtentechnik
12. Vorlesung Spieltheorie in der Nachrichtentechnik Vorlesung: Eduard Jorswieck Übung: Rami Mochaourab Sommersemester 2010 Evolutionäre Spieltheorie Hines (1987): Game theory s greatest success to date
MehrAls aktiver Partner mit mindestens 2 direkt gesponserten aktiven Mitgliedern hast Du nun verschiedene Möglichkeiten Provisionen zu verdienen.
Liebe Lavylites Partner/Innen Als aktiver Partner mit mindestens 2 direkt gesponserten aktiven Mitgliedern hast Du nun verschiedene Möglichkeiten Provisionen zu verdienen. Beginnen wir mit dem Startbonus:
MehrValue at Risk Einführung
Value at Risk Einführung Veranstaltung Risk Management & Computational Finance Dipl.-Ök. Hans-Jörg von Mettenheim mettenheim@iwi.uni-hannover.de Institut für Wirtschaftsinformatik Leibniz Universität Hannover
MehrDie Haarfarben in der Pulizucht
Die Haarfarben in der Pulizucht Für die Farbe des Felles gibt es in der Natur unterschiedliche Gründe. Sie hängt im Wesentlichen von den Lebensbedingungen der Tiere ab. So haben einige Tiere Farben, die
MehrSchritt für Schritt zu tollen Origami-Figuren
Schritt für Schritt zu tollen Origami-Figuren Für Anfänger: Schmetterling Benötigtes Material: Papier-Quadrat in beliebiger Farbe (80 g/m 2, ca. 20x20cm) Schritt 1: Falten Sie das Faltblatt als Dreieck,
MehrArtikel Schnittstelle über CSV
Artikel Schnittstelle über CSV Sie können Artikeldaten aus Ihrem EDV System in das NCFOX importieren, dies geschieht durch eine CSV Schnittstelle. Dies hat mehrere Vorteile: Zeitersparnis, die Karteikarte
MehrZUSAMMENFASSUNG. Geschlechtsspezifische Strategien in einer Welt mit Geschlechterungleichgewicht
ZUSAMMENFASSUNG Geschlechtsspezifische Strategien in einer Welt mit Geschlechterungleichgewicht Deutsche Zusammenfassung Geschlechterallokation bei Vögeln Geschlechterallokation wird allgemein definiert
MehrLÖSUNGEN AUFGABEN: EXCEL XP (OHNE DATEIEN)
LÖSUNGEN AUFGABEN: EXCEL XP (OHNE DATEIEN) Übung (1) Elemente des Excelfensters Ordnen Sie die Begriffe richtig zu: [1] Titelleiste (Programmleiste) [9] waagrechte/horizontale Bildlaufleiste [2] Menüleiste
MehrAlgorithms for Regression and Classification
Fakultät für Informatik Effiziente Algorithmen und Komplexitätstheorie Algorithms for Regression and Classification Robust Regression and Genetic Association Studies Robin Nunkesser Fakultät für Informatik
MehrGrundlagen der Inferenzstatistik
Grundlagen der Inferenzstatistik (Induktive Statistik oder schließende Statistik) Dr. Winfried Zinn 1 Deskriptive Statistik versus Inferenzstatistik Die Deskriptive Statistik stellt Kenngrößen zur Verfügung,
Mehr1.1 Ändern der Formatvorlagen
Löschen einer Absatzmarke Angenommen zwei aufeinander folgende Absätze haben verschiedene Formatvorlagen und Sie löschen die Absatzmarke des ersten Absatzes, dann erhält der neue grosse Gesamtabsatz die
MehrLet's talk Gimp 2.8 für Fortgeschrittene
Animationen sind Bilder, auf denen sich Bereiche bewegen. Wie ein Minifilm oder ein Daumenkino... Bestimmt hast du auch schon ein Daumenkino gebastelt - z.b. aus deinem Mathebuch. Während mein Lehrer die
Mehrβ2-microglobulin deficient mice lack CD4-8+cytolytic T cells
β2-microglobulin deficient mice lack CD4-8+cytolytic T cells Mäuse mit einem Knock-out bezüglich ß-Microglobulin sind nicht in der Lage CD4-8+ cytotoxische T-Zellen zu bilden Nature,Vol 344, 19. April
MehrDies ist die entscheidende Erkenntnis, um die es in diesem Buch geht. Nach Abschluss der Lektüre werden Sie verstehen, was genau ich damit meine.
Das Geheimnis der Spitzenspieler Das Spiel der Quoten No-Limit Hold em ist ein Spiel der Quoten. Liegen Sie mit Ihren Quoten grundlegend falsch, können Sie trotz noch so großem Engagement kein Gewinner
MehrOfenplanung mit Palette CAD Seite 1 von 8 - Übungen für Einsteiger und Fortgeschrittene - Dipl.-Ing. Jürgen Feuerherm
Ofenplanung mit Palette CAD Seite 1 von 8 Diese Übung behandelt das Thema: Der Kachelmanager Der Kachelmanager Er ist nicht der Manager eines Kachelherstellers, wie man auf den ersten Blick denken könnte
Mehr