AUSLEGUNGSVERFAHREN FÜR AUTARKE PV BATTERIE WASSERSTOFF HYBRIDSYSTEME MITTELS PARTIKEL SCHWARM OPTIMIERUNG

Größe: px
Ab Seite anzeigen:

Download "AUSLEGUNGSVERFAHREN FÜR AUTARKE PV BATTERIE WASSERSTOFF HYBRIDSYSTEME MITTELS PARTIKEL SCHWARM OPTIMIERUNG"

Transkript

1 Isttut für Eergetechk Professur für Eergespechersysteme AUSLEGUNGSVERFAHREN FÜR AUTARKE PV BATTERIE WASSERSTOFF HYBRIDSYSTEME MITTELS PARTIKEL SCHWARM OPTIMIERUNG Mart Paultschke Dresde, 15. November 2016

2 Auslegugsverfahre für autarke PV-Battere-Wasserstoff-Hybrdsysteme mttels Partkel-Schwarm-Optmerug Ageda 1. Motvato 2. autarke Eergeversorgugsehet 3. Auslegug mttels Partkel-Schwarm-Algorthmus 4. Auslegugsergebs Professur für Eergespechersysteme Mart Paultschke Fole 2 vo 21

3 Auslegugsverfahre für autarke PV-Battere-Wasserstoff-Hybrdsysteme mttels Partkel-Schwarm-Optmerug 1. Motvato 100% ereuerbare Eergeversorgug Wd Soe Wasser dezetrale Alage Flächealage Großproekte (DESERTEC) autarke Alage etzgebudee Alage Auslegug Betrebsführug Professur für Eergespechersysteme Mart Paultschke Fole 3 vo 21

4 Auslegugsverfahre für autarke PV-Battere-Wasserstoff-Hybrdsysteme mttels Partkel-Schwarm-Optmerug 2. autarke Eergeversorgugsehet Bespelawedug Bespel für PV-Lestugsverlauf gemäßgte Brete typscher elektrscher Eergebedarf ees Prvathaushaltes (5MWh/a) Professur für Eergespechersysteme Mart Paultschke Fole 4 vo 21

5 Auslegugsverfahre für autarke PV-Battere-Wasserstoff-Hybrdsysteme mttels Partkel-Schwarm-Optmerug 2. autarke Eergeversorgugsehet Bespelawedug Bespelverlauf der Dfferezlestug über dre Tage m Aprl P Dff = P PV P Last Professur für Eergespechersysteme Mart Paultschke Fole 5 vo 21

6 Auslegugsverfahre für autarke PV-Battere-Wasserstoff-Hybrdsysteme mttels Partkel-Schwarm-Optmerug 2. autarke Eergeversorgugsehet Aufbau P PV,Ne P PV, max, soll Betrebsführugsparameter PV - Alage Verbraucher Betrebsführug Messegäge Steuervektor P PV P Last AC-Bus P BZ,Ne P H2,soll P Batt P H2 P H2 Brestoffzelle H 2 Tak E Batt,Ne Battere Elektrolyseur SOC H2 SOC Batt Kurzzetspecher Lagzetspecher P EL,Ne Professur für Eergespechersysteme Mart Paultschke Fole 6 vo 21

7 Lestug SOC Auslegugsverfahre für autarke PV-Battere-Wasserstoff-Hybrdsysteme mttels Partkel-Schwarm-Optmerug 2. autarke Eergeversorgugsehet Betrebsführug SOC EL, a Auftelug der Dfferezlast auf bede Specher SOC EL, aus SOC BZ, aus verschedeste Verfahre möglch (Bocklsch, Böttger) SOC BZ, a Etschedug für efache Zwe-Pukt-Hysterese-Regler P EL Zet Battere übermmt zuächst de Dfferezlestug P BZ Elektrolyseur schaltet be hohem Battereladezustad zu Zet Brestoffzelle wrd be edrgem Ladezustad zugeschalte SOC EL, a > SOC EL, aus > SOC BZ, aus > SOC BZ, a Professur für Eergespechersysteme Mart Paultschke Fole 7 vo 21

8 Auslegugsverfahre für autarke PV-Battere-Wasserstoff-Hybrdsysteme mttels Partkel-Schwarm-Optmerug 2. autarke Eergeversorgugsehet Koste als Bewertugskrtere der autarke Eergeversorgugsehet Kompoete Parameter Wert K PV = p PV P PV,Ne T PV,kal PV-Alage p PV T PV,kal 1250 /kw 20 Jahre K Batt = p Batt E Batt,Ne L Batt K EL = p EL P EL,Ne L EL K BZ = p BZ P BZ,Ne L BZ K Tak = p Tak V Tak T Tak,kal L Batt = L EL = L BZ = Z Batt Z Batt,max S EL S EL,max S BZ S BZ,max Battere Brestoffzelle Elektrolyseur p Batt 1000 /kwh Z Batt,max 5000 p BZ 3000 /kw S BZ,max 2000 p EL 3000 /kw S EL,max 2000 K Iv = K PV + K Batt + K BZ + K Ele + K Tak H 2 -Tak p H2 T Tak,kal 30 /Nm³ 20 Jahre Professur für Eergespechersysteme Mart Paultschke Fole 8 vo 21

9 SOC Batt % Auslegugsverfahre für autarke PV-Battere-Wasserstoff-Hybrdsysteme mttels Partkel-Schwarm-Optmerug Eergehalt H 2 Tak kwh 2. autarke Eergeversorgugsehet Krtere der Versorgugsscherhet > 5% vo E Last Tag K Batt,Scher = Batt Bestr 1 m SOC Batt 20% Tag K H2,Scher = H 2 Bestr 1 E H2(t N ) E H2 (t 1 ) 5% E Last Gütewert: G = K Iv + K Batt,Scher + K H2,Scher Professur für Eergespechersysteme Mart Paultschke Fole 9 vo 21

10 Auslegugsverfahre für autarke PV-Battere-Wasserstoff-Hybrdsysteme mttels Partkel-Schwarm-Optmerug 2. autarke Eergeversorgugsehet Smulatoswerkzeug vektorserter Satz uterschedlcher Skalerugsparameter z.b.: E Batt,Ne = 1kWh, 2kWh, 3kWh, parallelserte Berechug Skalerugsparameter der Ezelkompoete E Batt,Ne, P PV,Ne, P BZ,Ne, P ELE,Ne, Modellparameter: η AC/DC, R, PV- ud Verbrauchszetrehe: P PV (t), P Last (t) Smulatosmodell der autarke Versorgugsehet (C++) Ergebszetrehe SOC Batt (t),soc H2 (t), P Batt (t), spezfsche Koste p Batt, p BZ, Belastbarketsparameter Zyklelebesdauer, Zetrehebewertug (Matlab) Gütewert (Koste /a) Professur für Eergespechersysteme Mart Paultschke Fole 10 vo 21

11 Auslegugsverfahre für autarke PV-Battere-Wasserstoff-Hybrdsysteme mttels Partkel-Schwarm-Optmerug G k /a P PV, Ne kw G k /a 3. Auslegug mt Partkel-Schwarm-Algorthmus Optmerugsproblem Fde optmale Dmesoerug der Ezelkompoete ud güstgste Estellug der Betrebsführugsparameter Egeschafte der Zelfukto: hoch dmesoal cht kovex (lokale Optma) cht lear ustetg ugültge Bereche (65%) A ,5 ugültge Bereche lokale Optma ,9 3,7 3,5 3,3 3,1 Möglche Lösugsverfahre: Dowhll-Smplex Evolutoäre Algorthme Schwarmalgorthme 3,3 3,1 25 Ustetgketsstelle E Batt,Ne kwh Professur für Eergespechersysteme Mart Paultschke Fole 11 vo 21

12 Parameter 2 Auslegugsverfahre für autarke PV-Battere-Wasserstoff-Hybrdsysteme mttels Partkel-Schwarm-Optmerug 3. Auslegug mt Partkel-Schwarm-Algorthmus Partkel-Schwarm-Algorthmus - Allgeme Ԧx B Ԧv K Ԧx N Ԧx N Ԧv N 1 Ԧx N+1 Ԧv T Ԧv S Ԧx G etwckelt vo Eberhardt ud Keedy 1995 teratve Bewegug der Partkel durch Geschwdgketsvektor Ԧv Evaluato der aktuelle Posto mt egeer Erfahrug ud Austausch mt adere Partkel (Nachbar m Schwarm) Ԧx +1 = Ԧx + Ԧv Ԧv = k T Ԧv 1 + k K r Ԧx B Ԧx + k S r Ԧx BN Ԧx Parameter 1 Beeflussug der Bewegugsrchtug durch: - Träghet Ԧv T (k T ) - Kogto Ԧv K (k K ) - Sozalverhalte Ԧv S (k S ) Professur für Eergespechersysteme Mart Paultschke Fole 12 vo 21

13 Auslegugsverfahre für autarke PV-Battere-Wasserstoff-Hybrdsysteme mttels Partkel-Schwarm-Optmerug 3. Auslegug mt Partkel-Schwarm-Algorthmus Stadard Partkel-Schwarm-Algorthmus - Ablaufpla Start Ede zufällge Italserug der Partkel Ԧx = rad() Abbruchkrtere G = f Ԧx Ԧv < v m G < G B G < G G Bestwerte specher G B = G Ԧx B = Ԧx B = 1 = + 1 G = G Ԧx G = Ԧx = 0 Posto eu bereche Ԧv = k T Ԧv 1 + k K r Ԧx B Ԧx + k S r Ԧx BN Ԧx beschräke Ԧv auf v max Ԧx +1 = Ԧx + Ԧv = + 1 > N P > N,max > N I = 0 = Professur für Eergespechersysteme Mart Paultschke Fole 13 vo 21

14 Auslegugsverfahre für autarke PV-Battere-Wasserstoff-Hybrdsysteme mttels Partkel-Schwarm-Optmerug 3. Auslegug mt Partkel-Schwarm-Algorthmus Erweteruge 1: Startverbesserug Start Ede zufällge Italserug der Partkel Ԧx BN G = f Ԧx Abbruchkrtere Bestwerte specher Ԧx B Ԧx Ԧx +1 Startverbesserug k K = 0 G B gültg Posto eu bereche = 0 > N P = Professur für Eergespechersysteme Mart Paultschke Fole 14 vo 21

15 Auslegugsverfahre für autarke PV-Battere-Wasserstoff-Hybrdsysteme mttels Partkel-Schwarm-Optmerug 3. Auslegug mt Partkel-Schwarm-Algorthmus Erweteruge 2: Reflexo Start Ede zufällge Italserug der Partkel Ԧx 1 G = f Ԧx Abbruchkrtere Ԧx Ԧx +1 G gültg Reflexo Ԧv = Ԧv 1 Bestwerte specher = 0 > N P = + 1 Ԧv = Ԧv 1 2 Ԧx = Ԧx 1 Ԧv G = f Ԧx G gültg Startverbesserug Posto eu bereche Fole 15 vo 21 Professur für Eergespechersysteme Mart Paultschke

16 Auslegugsverfahre für autarke PV-Battere-Wasserstoff-Hybrdsysteme mttels Partkel-Schwarm-Optmerug Gütewert 3. Auslegug mt Partkel-Schwarm-Algorthmus Erweteruge 3: Kozetrato auf Verbesserugsrchtug Start Ԧx 1 Ԧx Ede zufällge Italserug der Partkel Ԧx BN k S 3 k T = 1 Parameter G = f Ԧx Abbruchkrtere Reflexo Bestwerte specher Kozetrato = 0 > N P = + 1 k T = k T 1 B + B k S = k S (1 2 3 B ) Startverbesserug Posto eu bereche Professur für Eergespechersysteme Mart Paultschke Fole 16 vo 21

17 Auslegugsverfahre für autarke PV-Battere-Wasserstoff-Hybrdsysteme mttels Partkel-Schwarm-Optmerug 3. Auslegug mt Partkel-Schwarm-Algorthmus Bespel Optmerugslauf Professur für Eergespechersysteme Mart Paultschke Fole 17 vo 21

18 Auslegugsverfahre für autarke PV-Battere-Wasserstoff-Hybrdsysteme mttels Partkel-Schwarm-Optmerug 3. Auslegug mt Partkel-Schwarm-Algorthmus Verglech PSO ud GA Mmum Maxmum G G σ(g G ) Iteratoe Stadard PSO , Erweterter PSO , Geetscher Alg , Professur für Eergespechersysteme Mart Paultschke Fole 18 vo 21

19 Auslegugsverfahre für autarke PV-Battere-Wasserstoff-Hybrdsysteme mttels Partkel-Schwarm-Optmerug 4. Auslegugsergebs P PV,Ne = 18,7 kw SOC EL,a = 99,9 % SOC BZ,aus = 47,3 % SOC EL,aus = 99,0 % SOC BZ,a = 42,3 % PV - Alage Verbraucher Betrebsführug AC-Bus Koste Lebeszet Jahre P BZ,Ne = 1,28 kw PV-Alage ,75 20 E Batt,Ne = 17,9 kwh P Batt Battere P H2 P H2 Brestoffzelle Elektrolyseur P El,Ne = 1,27 kw H 2 Tak V H2,Tak = 455 Nm³ Battere ,69 20 Kurzzetspecher Lagzetspecher Brestoffzelle Elektrolyseur H2- Specher 3.846, , , Gesamt , Professur für Eergespechersysteme Mart Paultschke Fole 19 vo 21

20 Auslegugsverfahre für autarke PV-Battere-Wasserstoff-Hybrdsysteme mttels Partkel-Schwarm-Optmerug 4. Auslegugsergebs Professur für Eergespechersysteme Mart Paultschke Fole 20 vo 21

21 Auslegugsverfahre für autarke PV-Battere-Wasserstoff-Hybrdsysteme mttels Partkel-Schwarm-Optmerug Zusammefassug - erweterter Partkel-Schwarm-Algorthmus geeget zur Optmerug autarker Eergeversorgugsehete - Erweteruge verbesser de Geaugket ud Geschwdgket des Partkel-Schwarm-Algorthmus - Sehr gute Ergebsse auch m Verglech mt Geetsche Algorthmus - Utersuchuge zu Sestvtäte der Kosteparameter köe durchgeführt werde - Awedug auch wetere Esatzfelder (Lastprofle) Professur für Eergespechersysteme Mart Paultschke Fole 21 vo 21

22 Vele Dak für Ihre Aufmerksamket Isttut für Eergetechk Professur für Eergespechersysteme AUSLEGUNGSVERFAHREN FÜR AUTARKE PV BATTERIE WASSERSTOFF HYBRIDSYSTEME MITTELS PARTIKEL SCHWARM OPTIMIERUNG Mart Paultschke Dresde, 15. November 2016

2. Herbstworkshop Energiespeichersysteme

2. Herbstworkshop Energiespeichersysteme Fakultät Maschnenwesen Insttut für Energetechnk Professur für Energespechersysteme 29. November 2017 2. Herbstworkshop Energespechersysteme Optmerende Auslegung autarker Energeversorgungssysteme mttels

Mehr

Genexpression (1) Clustering

Genexpression (1) Clustering Clusterg Clusterg: Grupperug ud Etelug eer Datemege ach ählche Merkmale Uüberwachte Klassfzerug (Neuroale Netze- Termologe) Dstazkrterum: E Datevektor st zu adere Datevektore seer Gruppe ahe (äher als

Mehr

3.7 Support Vector Machines

3.7 Support Vector Machines 3.7 Support Vector Maches Motvato: Leare Separato Vektore R d repräsetere Objekte. Objekte gehöre zu geau eer vo je 2 Klasse Klassfkato durch leare Separato: Suche Hperebee de bede Klasse mamal stabl voeader

Mehr

Induktion am Beispiel des Pascalschen Dreiecks

Induktion am Beispiel des Pascalschen Dreiecks Iduto am Bespel des Pascalsche Dreecs Alexader Rehold Coldtz 0.02.2005 Eletug vollstädge Iduto De vollstädge Iduto st ebe dem drete ud drete Bewesverfahre ees der wchtgste der Mathemat. Eher bespelhaft

Mehr

Optimierungsverfahren: Motivation. Bayes-Formalismus. Schätztheorie. -- Fehlerfunktion L -- Regularisierungsfunktion R

Optimierungsverfahren: Motivation. Bayes-Formalismus. Schätztheorie. -- Fehlerfunktion L -- Regularisierungsfunktion R Optmerugsverfahre: Motvato Bayes-Formalsmus -- egatve log-lkelhoo -- egatver log-pror -- Max. a Posteror! l p( D! l p( + cost = m Schätztheore -- Fehlerfukto L -- Regularserugsfukto R -- F ( = L( +! R(

Mehr

Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3 54

Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3 54 Prof. Dr. H. Rommelfager: tschedugstheore, Katel 3 54 3.2.8 ARROW-PRATT-Maß für de Rskoestellug Rskoverhalte bsher grob kategorsert ach Rskoeutraltät, -symathe ud averso be Rskoaverso: (X) < SÄ Rskoräme

Mehr

Sitzplatzreservierungsproblem

Sitzplatzreservierungsproblem tzplatzreserverugsproblem Be vele Zugsysteme Europa müsse Passagere mt hrem Zugtcet ee tzplatzreserverug aufe. Da das Tcetsystem Kude ee ezele Platz zuwese muss, we dese e Tcet aufe, ohe zu wsse, welche

Mehr

Konzentrationsanalyse

Konzentrationsanalyse Kaptel V Kozetratosaalyse B. 5.. Im Allgemee wrd aus statstscher Scht zwsche - absoluter ud - relatver Kozetrato uterschede Der absolute ud relatve Aspekt wrd och emal utertelt - statscher ud - dyamscher

Mehr

Fernstudium. Technische Thermodynamik Teil: Energielehre

Fernstudium. Technische Thermodynamik Teil: Energielehre Fakultät Maschewese Isttut für Eergetechk, Professur für Techsche Therodyak Ferstudu Techsche Therodyak Tel: Eergelehre Prof. Dr. C. Bretkopf Wterseester 2012/13 Adstratves Techsche Therodyak Eergelehre

Mehr

Grundlagen der Energietechnik Energiewirtschaft Kostenrechnung. Vorlesung EEG Grundlagen der Energietechnik

Grundlagen der Energietechnik Energiewirtschaft Kostenrechnung. Vorlesung EEG Grundlagen der Energietechnik Prof. Dr. Ig. Post Grudlage der Eergetechk Eergewrtschaft Kosterechug EEG. Vorlesug EEG Grudlage der Eergetechk De elektrsche Eergetechk st e sogeates klasssches Fach. Folglch st deses Fach vele detallert

Mehr

Korrelations- und Assoziationsmaße

Korrelations- und Assoziationsmaße k m χ : j l r +. Zusammehagsmaße ( o e ) jl jl e jl Korrelatos- ud Assozatosmaße e jl 5 Merkmal Y Summe X b b m a H (a,b) H (a,b). a H (a,b) H (a,b). Summe.. Zusammehagsmaße Eführug Sche- ud Noses-Korrelato

Mehr

Erinnerung: Funktionslernen. 5.6 Support Vector Maschines (SVM) Beispiel: Funktionenlernen. Reale Beispiele

Erinnerung: Funktionslernen. 5.6 Support Vector Maschines (SVM) Beispiel: Funktionenlernen. Reale Beispiele Ererug: Fuktoslere 5.6 Support Vector Masches (SVM) überomme vo Stefa Rüpg, Kathara Mork Uverstät Dortmud Vorlesug Maschelles Lere ud Data Mg WS 2002/03 Gegebe: Bespele X LE de ahad eer Wahrschelchketsvertelug

Mehr

Schiefe-, Wölbungs- und Konzentrationsmaße

Schiefe-, Wölbungs- und Konzentrationsmaße Statstk für SozologIe Schefe-, Wölbugs- ud Kozetratosmaße Uv.Prof. Dr. Marcus Hudec Höhere Vertelugsmaßzahle E stetges Merkmal wurde 3 Gruppe beobachtet ud Form der folgede Häufgketstabelle berchtet: Klasse

Mehr

(Markowitz-Portfoliotheorie)

(Markowitz-Portfoliotheorie) Thema : ortfolo-selekto ud m-s-rzp (Markowtz-ortfolotheore) Beurtelugskrtere be quadratscher Nutzefukto: Beroull-rzp + quadratsche Nutzefukto Thema Höhekompoete: Erwartugswert µ Rskokompoete: Stadardabwechug

Mehr

Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Maschinelles Lernen II. Clustering

Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Maschinelles Lernen II. Clustering Uverstät Potsdam Isttut für Iformatk Lehrstuhl Maschelles Lere Maschelles Lere II Clusterg Matthas Bussas / Nels Ladwehr Tobas Scheffer Motvato 2 Motvato 3 Clusterg Gegebe: Objekte V = { x,...,x } 1 Dstazfukto

Mehr

Der Korrelationskoeffizient ist ein Maß für den linearen Zusammenhang zwischen zwei Variablen X und Y. Er ist durch folgende Formel charakterisiert:

Der Korrelationskoeffizient ist ein Maß für den linearen Zusammenhang zwischen zwei Variablen X und Y. Er ist durch folgende Formel charakterisiert: Korrelatoskoeffzet Der Korrelatoskoeffzet st e Maß für de leare Zusammehag zwsche zwe Varable X ud Y. Er st durch folgede Formel charaktersert: r xy corr XY ( x x)( y y) ( ) x x ( y y) x x y x ( ) ( )

Mehr

Spannweite, Median Quartilsabstand, Varianz und Standardabweichung.

Spannweite, Median Quartilsabstand, Varianz und Standardabweichung. Rudolf Brkma http://brkma-du.de Sete 06.0.008 Spawete, Meda Quartlsabstad, Varaz ud Stadardabwechug. Streuug um de Mttelwert. I de folgede Säuledagramme st de Notevertelug zweer Schülergruppe (Mädche,

Mehr

Statistik. ist die Kunst, Daten zu gewinnen, darzustellen, zu analysieren und zu interpretieren um zu neuem Wissen zu gelangen.

Statistik. ist die Kunst, Daten zu gewinnen, darzustellen, zu analysieren und zu interpretieren um zu neuem Wissen zu gelangen. Statstk st de Kust, Date zu gewe, darzustelle, zu aalysere ud zu terpretere um zu euem Wsse zu gelage. Sachs (984) Aufgabe De Statstk hat also folgede Aufgabe: Zusammefassug vo Date Darstellug vo Date

Mehr

Das Verfahren von Godunov. Seminar Numerik 25.11.2010 Anja Bettendorf

Das Verfahren von Godunov. Seminar Numerik 25.11.2010 Anja Bettendorf Das Verfahre vo Goduov Semar Numerk 5..00 Aja Beedorf Das Verfahre vo Goduov Übersch Goduov - Goduovs Verfahre für Leare Syseme Aweduge & Folgeruge aus Goduovs Verfahre - De Numersche Fluss-Fuko m Goduov

Mehr

WIB 2 Mathematik und Statistik Formelsammlung. Z Menge der ganzen Zahlen {...,-3,-2,-1,0,1,2,3,...}

WIB 2 Mathematik und Statistik Formelsammlung. Z Menge der ganzen Zahlen {...,-3,-2,-1,0,1,2,3,...} 1 Allgeme Geometrsche Rehe: q t = 1 q1 t=0 1 q Mtterachtsformel: ax 2 bxc=0 x 1/ 2 = b±b2 4ac 2a Bomsche Formel: 1. ab 2 =a 2 2abb 2 2. a b 2 =a 2 2abb 2 3. ab a b=a 2 b 2 Wurzel: ugerade 1 Ergebs gerade

Mehr

Quellencodierung I: Redundanzreduktion, redundanzsparende Codes

Quellencodierung I: Redundanzreduktion, redundanzsparende Codes Quellecoderug I: Redudazredukto, redudazsparede Codes. Redudaz. Eführug. Defto der Redudaz. allgemee Redudazredukto. redudazsparede Codes. Coderug ach Shao. Coderug ach Fao. Coderug ach Huffma.4 Coderug

Mehr

Dr. Monika Meiler. Inhalt

Dr. Monika Meiler. Inhalt Ihalt 5 Datedarstellug m Recher... 5-5.1 Postossysteme... 5-4 5. Coderug atürlcher Zahle... 5-5 5.3 Coderug gaer Zahle... 5-6 5.4 Coderug ratoaler Zahle... 5-8 Propädeutkum 5-1/11 5 Datedarstellug m Recher

Mehr

Allgemeine Prinzipien

Allgemeine Prinzipien Allgemee Przpe Es estere sebe Grudehete der Physk; alle adere physkalsche Größe ka ma darauf zurückführe. Dese Grudehete sd: Läge [m] Masse [kg] Zet [s] Elektrsche Stromstärke [A] Temperatur [K], Stoffmege

Mehr

9. Clustern und Klassifizieren

9. Clustern und Klassifizieren 03. JULI 2006: BLATT 55 9. Cluster ud Klassfzere 9.. Eletug Uter Klassfkato wrd de Zuordug vordeferter Klassfkatore (etwa sytaktsche Kategore aus eer Grammatk) zu Obekte verstade - userem Fall zu sprachlche

Mehr

Histogramm / Säulendiagramm

Histogramm / Säulendiagramm Hstogramm / Säuledagramm Häugkete 10 9 8 7 6 5 4 3 2 1 0 3,45 3,75 4,05 4,35 4,65 Flüge lläge [mm] Be Hstogramme st soort deutlch, daß es sch um Häugketsauszähluge hadelt. De Postoe der Klasse sowe hre

Mehr

Ordnungsstatistiken und Quantile

Ordnungsstatistiken und Quantile KAPITEL Ordugsstatste ud Quatle Um robuste Lage- ud Streuugsparameter eführe zu öe, beötge wr Ordugsstatste ud Quatle... Ordugsstatste ud Quatle Defto... Se (x,..., x R ee Stchprobe. Wr öe de Elemete der

Mehr

Schiefe- und Konzentrationsmaße

Schiefe- und Konzentrationsmaße Statstk für SozologIe Schefe- ud Kozetratosmaße Uv.Prof. Dr. Marcus Hudec Höhere Vertelugsmaßzahle E stetges Merkmal wurde 3 Gruppe beobachtet ud Form der folgede Häufgketstabelle berchtet: Klasse m Gruppe

Mehr

Im Wöhlerdiagramm wird die Lebensdauer (Lastwechsel oder Laufzeit) eines Bauteils in Abhängigkeit von der Belastung dargestellt.

Im Wöhlerdiagramm wird die Lebensdauer (Lastwechsel oder Laufzeit) eines Bauteils in Abhängigkeit von der Belastung dargestellt. Webull & Wöhler 0 CRGRAPH Wöhlerdagramm Im Wöhlerdagramm wrd de Lebesdauer ( oder Laufzet) ees Bautels Abhägget vo der Belastug dargestellt. Kurzetfestget Beaspruchug Zetfestget auerfestget 0 5 3 4 6 0

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statstk ud Wahrschelchketsrechug Mathas Graf 8.04.009 Ihalt der heutge Vorlesug Auswahl eer Vertelugsfukto: Wahrschelchketspaper Schätzug ud Modelletwcklug: Methode der Momete Methode der Maxmum Lkelhood

Mehr

Statistische Grundlagen Ein kurzer Überblick (diskret)

Statistische Grundlagen Ein kurzer Überblick (diskret) Prof. J.C. Jackwerth 1 Statstsche Grudlage E kurzer Überblck (dskret De wchtgste Begrffe ud Deftoe: 1 Erwartugswert Varaz / Stadardabwechug 3 Stchprobevaraz 4 Kovaraz 5 Korrelatoskoeffzet 6 Uabhäggket

Mehr

Einführung 2. Teil: Fehleranalyse

Einführung 2. Teil: Fehleranalyse Phscal Chemstr Phskalsch-chemsches Praktkum I Modul Eführug. Tel: Fehleraalse Ja Helbg, 9.09.06 Uterlage: htt://www.chem.uzh.ch/stud/old/documets/ear/che3.html Fehlerrechug Phscal Chemstr Gesucht: wahrer

Mehr

19. Amortisierte Analyse

19. Amortisierte Analyse 9. Amortserte Aalyse Amortserte Aalyse wrd egesetzt zur Aalyse der Laufzet vo Operatoe Datestrukture. Allerdgs wrd cht mehr Laufzet ezeler Operatoe aalysert, soder de Gesamtlaufzet eer Folge vo Operatoe.

Mehr

Deskriptive Statistik - Aufgabe 3

Deskriptive Statistik - Aufgabe 3 Desrptve Statst - Aufgabe 3 De Überachtugszahle der Fremdeverehrsgemede "Bachstadt" für de Moate ud zege auf de erste Blc scho deutlche Uterschede de ezele Ortschafte. We seht e etsprecheder Verglech der

Mehr

Rekurrenz. Algorithmen rufen sich selbst (rekursiv) auf.

Rekurrenz. Algorithmen rufen sich selbst (rekursiv) auf. Rekurrez Rekurso: Algorthme rue sch selst rekursv u. Rekurrez: Ds Luzetverhlte zw. der Specherpltzedr vo rekursve Algorthme k der Regel durch ee Rekursosormel recurrece, RF eschree werde. Rekurrez Bespel:

Mehr

Regressionsrechnung und Korrelationsrechnung

Regressionsrechnung und Korrelationsrechnung Regressosrechug ud Korrelatosrechug Beschrebede Statstk Modul : Probleme be der Abhäggketsaalyse Problem : Es gbt mest cht ur ee Eflussfaktor (Probleme sd selte mookausal ) A Ursache() Wrkug B C - efache

Mehr

Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Maschinelles Lernen II. Clustering 2

Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Maschinelles Lernen II. Clustering 2 Uverstät Potsdam Isttut für Iformatk Lehrstuhl Maschelles Lere Maschelles Lere II Clusterg 2 Chrstoph Sawade/Nels Ladwehr Tobas Scheffer Überblck Zuletzt: K-meas Mxture of Gaussas Herarchsches Cluster

Mehr

Fehlerrechnung im Praktikum

Fehlerrechnung im Praktikum Fehlerrechug m Pratum Pratum Phsalsche Cheme (A. Dael Boese) I chts zegt sch der Magel a mathematscher Bldug mehr, als eer überbertrebe geaue Rechug. Carl Fredrch Gauß, 777-855 Themegebete Utertelug vo

Mehr

Einführung Fehlerrechnung

Einführung Fehlerrechnung IV Eführug Fehlerrechug Fehlerrechuge werde durchgeführt, um de Vertraueswürdgket vo Meßergebsse beurtele zu köe. Uter dem Fehler eer Messug versteht ma de Abwechug ees Meßergebsses vom (grudsätzlch ubekate

Mehr

4. Marshallsche Nachfragefunktionen Frage: Wie hängt die Nachfrage nach Gütern

4. Marshallsche Nachfragefunktionen Frage: Wie hängt die Nachfrage nach Gütern Prof. Dr. Fredel Bolle Vorlesug "Mkroökoome" WS 008/009 III. Theore des Haushalts 0 Prof. Dr. Fredel Bolle Vorlesug "Mkroökoome" WS 008/009 III. Theore des Haushalts 0 4. Marshallsche Nachfragefuktoe Frage:

Mehr

6. Zusammenhangsmaße (Kovarianz und Korrelation)

6. Zusammenhangsmaße (Kovarianz und Korrelation) 6. Zuammehagmaße Kovaraz ud Korrelato Problemtellug: Bher: Ee Varable pro Merkmalträger, Stchprobe x,, x Geucht: Maße für Durchchtt, Streuug, uw. Jetzt: Zwe metrche! Varable pro Merkmalträger, Stchprobe

Mehr

3. Das Messergebnis. Was ist ein Messergebnis?

3. Das Messergebnis. Was ist ein Messergebnis? . Das Messergebs Was st e Messergebs? Wederholug der Messug Wahrer Wert? Mehrere Eflussgröße Fehlerbetrachtug Messergebs Vorgeheswese für Messergebs. Bestmmug des bekate systematsche Fehlers 2. Aufahme

Mehr

Hinweise zum Hochrechnungsverfahren für die Arbeit mit den Daten

Hinweise zum Hochrechnungsverfahren für die Arbeit mit den Daten Kraftfahrzeugverkehr Deutschlad 2010 (KD 2010) Abschlussverastaltug am 24. Aprl 2012 bem BMVBS Bo Hwese zum Hochrechugsverfahre für de Arbet mt de Date Prof. Dr. Wlfred Stock IVT Isttut für agewadte Verkehrsud

Mehr

6.Hashing. Vorlesung Algorithmen (RN/MK/AZ) WSI für Informatik, Universität Tübingen 1

6.Hashing. Vorlesung Algorithmen (RN/MK/AZ) WSI für Informatik, Universität Tübingen 1 6.Hashg Hash-Tafel ( Streutafel ) dee zur Ipleeterug vo Wörterbücher (Dctoares) ud solle daher de Operatoe Zugrff, Efüge ud Streche uterstütze. Ausgagslage: Uversu U [... N-], S U st de zu verwaltede Mege.

Mehr

Multiple Regression (1) - Einführung I -

Multiple Regression (1) - Einführung I - Multple Regreo Eführug I Mt eem Korrelatokoeffzete ud der efache leare Regreo köe ur varate Zuammehäge zwche zwe Varale uterucht werde. Beutzt ma tatt dee mehrere Varale zur Vorherage, egt ma ch auf da

Mehr

Verteilungen und Schätzungen

Verteilungen und Schätzungen Verteluge ud Schätzuge Zufallseperet Grudbegrffe Vorgag ach eer bestte Vorschrft ausgeführt ( Przp) belebg oft wederholbar se Ergebs st zufallsabhägg be ehralge Durchführug des Eperets beeflusse de Ergebsse

Mehr

2 Regression, Korrelation und Kontingenz

2 Regression, Korrelation und Kontingenz Regresso, Korrelato ud Kotgez I desem Kaptel lerst du de Zusammehag zwsche verschedee Merkmale durch Grafke zu beschrebe, Maßzahle ür de Stärke des Zusammehags zu bereche ud dese zu terpretere, das Wsse

Mehr

Investmentfonds. Kennzahlenberechnung. Performance Risiko- und Ertragsanalyse, Risikokennzahlen

Investmentfonds. Kennzahlenberechnung. Performance Risiko- und Ertragsanalyse, Risikokennzahlen Ivestmetfods Kezahleberechug erformace Rsko- ud Ertragsaalyse, Rskokezahle Gültg ab 01.01.2007 Ihalt 1 erformace 4 1.1 Berechug der erformace über de gesamte Beobachtugzetraum (absolut)... 4 1.2 Aualserug

Mehr

6. Zusammenhangsmaße (Kovarianz und Korrelation)

6. Zusammenhangsmaße (Kovarianz und Korrelation) Problemstellug: Bsher: Gesucht: 6. Zusammehagsmaße (Kovaraz ud Korrelato) Ee Varable pro Merkmalsträger, Stchprobe x1,, x Maße für Durchschtt, Streuug, usw. Bespel: Kurse zweer Akte ud a 9 aufeader folgede

Mehr

BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS

BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Name: Vorame: Matrkel-Nr.: BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Itegrerter Studegag Wrtshaftswsseshaft Klausuraufgabe zur Hauptprüfug Prüfugsgebet: BWW 2.8

Mehr

Alternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF

Alternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF Alteratve Darstellug des -Stchprobetests für Atele DCF CF Total 111 11 3 Respose 43 6 69 Resp. Rate 0,387 0,3 0,309 Beobachtete Respose No Respose Total absolut DCF 43 68 111 CF 6 86 11 69 154 3 Be Gültgket

Mehr

Stochastische Bildmodelle und deren Anwendung

Stochastische Bildmodelle und deren Anwendung Abtelug Stochastk --Uverstät Ulm Ulm Semar: Bayessche Asätze der der Bldaalyse Stochastsche Bldmodelle ud dere Awedug Sad Bakadr 22.Ma 2006 Sad Bakadr - Uverstät Ulm - Ihalt Eletug Bespele vo Bldmodelle

Mehr

Seminar: Stochastische Geometrie und ihre Anwendungen - Unbegrenzt teilbare und stabile Verteilungen.

Seminar: Stochastische Geometrie und ihre Anwendungen - Unbegrenzt teilbare und stabile Verteilungen. Uverstät Ulm, Isttut Stochastk 5. Jul 200 Semar: Stochastsche Geometre ud hre Aweduge - Ubegrezt telbare ud stable Verteluge. Ausarbetug: Stefa Fuke Betreuer: Ju.-Prof. Dr. Zakhar Kabluchko Ubegrezt telbare

Mehr

Schiefe- und Konzentrationsmaße

Schiefe- und Konzentrationsmaße Statst für SozologIe Schefe- ud Kozetratosmaße Uv.Prof. Dr. Marcus Hudec Höhere Vertelugsmaßzahle E stetges Mermal wurde 3 Gruppe beobachtet ud Form der folgede Häufgetstabelle berchtet: Klasse m Gruppe

Mehr

Physikalisch-Technische Bundesanstalt, Braunschweig

Physikalisch-Technische Bundesanstalt, Braunschweig Üerscht üer essuscherhetserechuge vo der Darstellug der Ehet des Drehmometes üer de Wetergae s h zur Aedug ud Bespel eer Ope-ource-Aedug dafür Drk Röske Physkalsch-Techsche Budesastalt, Brauscheg Darstellug

Mehr

Grundlagen der Entscheidungstheorie

Grundlagen der Entscheidungstheorie Kaptel 0 Grudlage der Etschedugstheore B. 0 (Gegestad) De Etschedugstheore befasst sch mt dem Etschedugsverhalte vo Idvdue ud Gruppe. Se besteht aus we Telgebete. Deskrptve Etschedugstheore De deskrptve

Mehr

Probleme mit mehreren Zielen. Probleme mit mehreren Zielen. Probleme mit mehreren Zielen

Probleme mit mehreren Zielen. Probleme mit mehreren Zielen. Probleme mit mehreren Zielen Probleme mt mehrere Zele Bespel (Dkelbach) E Reseder muss sch vor Ort vo ver Hotels für ees etschede. Dabe verfolgt er folgede Zele: - Bestmöglche Ruhe - Qualtät des Frühstücks - Sauberes Bad - Scherer

Mehr

Erzeugen und Testen von Zufallszahlen

Erzeugen und Testen von Zufallszahlen Erzeuge ud Teste vo Zufallszahle Jürge Zumdck Eletug Ee Lergruppe wrd aufgefordert 00 Zufallszahle (0 oder ) ach folgede Methode zu erzeuge: De Hälfte der Gruppe beutzt a) ee Müze oder b) de Zufallszahlefukto

Mehr

Ausgleichung nach maximaler Korrelation in der geometrischen Deformationsanalyse

Ausgleichung nach maximaler Korrelation in der geometrischen Deformationsanalyse Ausglechug ach maxmaler Korrelato der geometrsche Deformatosaalyse Frak Netzel Isttut für Geodäse ud Geoformatostechk, Techsche Uverstät Berl, Straße des 17. Ju 135, D-1623 Berl, Deutschlad E-mal: frak@mca.bv.tu-berl.de

Mehr

Mehrdimensionale Häufigkeitsverteilungen (1)

Mehrdimensionale Häufigkeitsverteilungen (1) Mehrdmesoale Häufgketsverteluge () - De Begrffe uvarat ud bvarat - Vo uvarate (edmesoale) statstsche Aalyse sprcht ma, we pro Perso ur e Merkmal tabellarsche oder grafsche Häufgketsverteluge oder be der

Mehr

Physikalische Messungen sind immer fehlerbehaftet! Der wahre Wert ist nicht ermittelbar. Der wahre Wert x ist nicht identisch mit dem Mittelwert

Physikalische Messungen sind immer fehlerbehaftet! Der wahre Wert ist nicht ermittelbar. Der wahre Wert x ist nicht identisch mit dem Mittelwert Physkalsche Messuge sd mmer fehlerbehaftet! Der wahre Wert st cht ermttelbar. Der wahre Wert st cht detsch mt dem Mttelwert Der Wert legt mt eer gewsse Wahrschelchket (Kofdezahl bzw. Vertrauesveau %) m

Mehr

Eigenwerteinschließungen I

Eigenwerteinschließungen I auptsemar: Numersche Lösuge für Egewertaufgabe Egewerteschleßuge I Referet: Wolfgag Wesselsky Glederug Eletug Kodto vo Egewerte 3 Eschleßugssätze Bauer-Fke, Gershgor, Wlkso, Bedxo 4 Zusatz: Courat / Weyl

Mehr

Lohnkosten pro Arbeitsstunde. Wie hoch sind die Lohnkosten pro Arbeitsstunde im Jahresdurchschnitt?

Lohnkosten pro Arbeitsstunde. Wie hoch sind die Lohnkosten pro Arbeitsstunde im Jahresdurchschnitt? Klausur Wrtschaftsstatstk. [ Pukte] E Uterehme hat folgede Date ermttelt: Moat Gelestete Arbetsstude Lohkoste pro Arbetsstude Jauar 86.400 0,06 Februar 75.000 3,0 März 756.000 4,47 Aprl 768.000,53 Ma 638.400

Mehr

AG Konstruktion KONSTRUKTION 2. Planetengetriebe (Umlaufgetriebe) Skript. TU Berlin, AG Konstruktion

AG Konstruktion KONSTRUKTION 2. Planetengetriebe (Umlaufgetriebe) Skript. TU Berlin, AG Konstruktion AG Kstrut KONTRUKTION Plaetegetrebe (Umlaufgetrebe) rpt TU Berl, AG Kstrut Plaetegetrebe Vrtele Plaetegetrebe: e Achsversatz z.t. sehr grße Über-/Utersetzuge möglch grße Tragraft guter Wrugsgrad Rhlff

Mehr

Kapitel 6: Regression

Kapitel 6: Regression udwg-maxmlas-uverstät Müche Isttut für Iformatk ehr- ud Forschugsehet für Datebaksysteme Skrpt zur Vorlesug Kowledge Dscovery Databases m Sommersemester 05 Kaptel 6: Regresso Vorlesug: PD Dr. Arthur Zmek

Mehr

Beispielklausur BWL B Teil Marketing. 45 Minuten Bearbeitungszeit

Beispielklausur BWL B Teil Marketing. 45 Minuten Bearbeitungszeit Bespelklausur BWLB TelMarketg 45MuteBearbetugszet BWLBBespelklausurTelMarketg Sete WchtgeHwese:. VOLLSTÄNDIGKEIT: PrüfeSeuverzüglch,obIhreKlausurvollstädgst(Aufgabe).. ABGABE: EsstdegesamteKlausurabzugebe.

Mehr

Maße zur Kennzeichnung der Form einer Verteilung (1)

Maße zur Kennzeichnung der Form einer Verteilung (1) Maße zur Kezechug der Form eer Vertelug (1) - Schefe (skewess): Defto I - Ee Vertelug vo Messwerte wrd als schef bezechet, we se der Wese asymmetrsch st, dass lks oder rechts des Durchschtts ee Häufug

Mehr

Quantitative BWL 2. Teil: Finanzwirtschaft

Quantitative BWL 2. Teil: Finanzwirtschaft Quattatve BWL. el: Fazwtschaft Mag. oáš Sedlačk Lehstuhl fü Fazdestlestuge Uvestät We Quattatve BWL: Fazwtschaft Ogasatosches Isgesat wd es 6 ee gebe (5 Ehete + Klausu Klausu fdet a D 7. Jaua 009 statt

Mehr

7/7/06. Formulierung mittels Dynamischer Programmierung. Berechnungsbeispiel. Gewinnung der optimalen Reihenfolge

7/7/06. Formulierung mittels Dynamischer Programmierung. Berechnungsbeispiel. Gewinnung der optimalen Reihenfolge Formulerug mttels Dyamscher Programmerug Berechugsbespel Beobachtug: de Azahl der Telprobleme A j mt j st ur Folgerug: der aïve rekursve Algo berechet vele Telprobleme mehrfach! Idee: Bottom-up-Berechug

Mehr

5 Reproduktions- und Grenzwertsätze

5 Reproduktions- und Grenzwertsätze Reproduktos- ud Grezwertsätze Reproduktos- ud Grezwertsätze. Reproduktossätze Bespel 0: Der Aufzug eer Frma st zugelasse für Persoe bzw. 000 kg. Das Durchschttsgewcht der Agestellte der Frma st µ = 80

Mehr

Unter einer Rente versteht man eine regelmässige und konstante Zahlung

Unter einer Rente versteht man eine regelmässige und konstante Zahlung 8 Aweduge aus der Fazmathematk Perodsche Zahluge: Rete ud Leasg Uter eer Rete versteht ma ee regelmässge ud kostate Zahlug Bespele: moatlche Krakekassepräme, moatlche Altersrete, perodsches Spare, verteljährlcher

Mehr

Lösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung

Lösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung Lösuge zum Übugs-Blatt 7 Wahrschelchketsrechug BMT Bostatstk Prof. Dr. B. Grabowsk ----------------------------------------------------------------------------------------------- Bedgte Wahrschelchket

Mehr

Marketing- und Innovationsmanagement Herbstsemester 2013 - Übungsaufgaben Lesender: Prof. Dr. Andreas Fürst

Marketing- und Innovationsmanagement Herbstsemester 2013 - Übungsaufgaben Lesender: Prof. Dr. Andreas Fürst Marketg- ud Iovatosmaagemet Herbstsemester 2013 - Übugsaufgabe Leseder: Prof. Dr. Adreas Fürst Isttut für Marketg ud Uterehmesführug Abtelug Marketg Uverstät Ber Ihaltsverzechs 1 Eletug Allgemee Grudlage

Mehr

die Schadenhöhe ( = Risikoergebnis) des i-ten Versicherungsnehmers i 1,, n).

die Schadenhöhe ( = Risikoergebnis) des i-ten Versicherungsnehmers i 1,, n). Aufgabe Wr betrachte ee Reteverscherug der Retebezugszet mt jährlch vorschüssger Retezahlug solage der Verscherte lebt. a) Bezeche V bzw. V de rechugsmäßge Deckugsrückstellug am Afag bzw. am Ede des Verscherugsjahres.

Mehr

Mathematische Modellierung Lösungen zum 1. Übungsblatt

Mathematische Modellierung Lösungen zum 1. Übungsblatt Mathematsche Modellerug Lösuge zum Klaus G. Blümel Lars Hoege 6. Oktober 005 Aufgabe 1 a) Der Raumhalt vo eem Kubkmeter etsprcht gerade 1000 Lter, d.h. 1 m 3 = 1000 l. Reche zuächst 1 m 3 cm 3 um. E Meter

Mehr

Zur Interpretation einer Beobachtungsreihe kann man neben der grafischen Darstellung weitere charakteristische Größen heranziehen.

Zur Interpretation einer Beobachtungsreihe kann man neben der grafischen Darstellung weitere charakteristische Größen heranziehen. Rudolf Brkma http://brkma-du.de Sete 0.0.008 Lagemaße der beschrebede Statstk. Zur Iterpretato eer Beobachtugsrehe ka ma ebe der grafsche Darstellug wetere charakterstsche Größe herazehe. Mttelwert ud

Mehr

Klausur Statistik IV Sommersemester 2009

Klausur Statistik IV Sommersemester 2009 Klausur Statstk IV (Lösug) Name, Vorame 013456 Klausur Statstk IV Sommersemester 009 Prof. Dr. Torste Hothor Isttut für Statstk Name: Name, Vorame Matrkelummer: 013456 Wchtg: ˆ Überprüfe Se, ob Ihr Klausurexemplar

Mehr

Wenn man mehrere Verbraucher in Reihe schaltet, so werden alle vom gleichen Strom durchflossen, siehe auch Abschnitt und Formel ( ).

Wenn man mehrere Verbraucher in Reihe schaltet, so werden alle vom gleichen Strom durchflossen, siehe auch Abschnitt und Formel ( ). - rudlage der Elektrotechk - 60 22..04 4 Der komplzertere elektrsche lechstromkres 4. Kombato vo Verbraucher 4.. Sere- oder eheschaltug vo Wderstäde We ma mehrere Verbraucher ehe schaltet, so werde alle

Mehr

Übungen zur Wahrscheinlichkeitsrechnung und Schliessenden Statistik

Übungen zur Wahrscheinlichkeitsrechnung und Schliessenden Statistik Übuge zur Wahrschelchketsrechug ud Schlessede Statstk Aufgabe ud Lösuge vo Peter M Schulze, Verea Dexhemer. Auflage Übuge zur Wahrschelchketsrechug ud Schlessede Statstk Schulze / Dexhemer schell ud portofre

Mehr

Vorlesung Reaktionskinetik

Vorlesung Reaktionskinetik Karlsruher Isttut für Techologe Isttut für Physkalsche Cheme Vorlesug Reaktosketk Sommersemester 3 Prof Dr M Olzma Texterfassug: Isabelle Weber Grudbegrffe Gegestad der Reaktosketk Physkalsche Cheme reaktver

Mehr

2. Zusammenhangsanalysen: Korrelation und Regression

2. Zusammenhangsanalysen: Korrelation und Regression 2. Zusammehagsaalse: Korrelato ud Regresso Dowloads zur Vorlesug 2. Zusammehagsaalse: Korrelato ud Regresso 2 Grudbegrffe zwedmesoale Stchprobe De Gewug vo mehrere Merkmale vo eer Beobachtugsehet führt

Mehr

Prinzip "Proportional Reduction of Error" (PRE)

Prinzip Proportional Reduction of Error (PRE) Dr. Reate Prust: Eführug quattatve Forschugsmethode Bvarate Maße: Przp "Proportoal Reducto of Error" (PRE) E 1 - E Fehler be Regel 1 - Fehler be Regel = E 1 Fehler be Regel 1 Regel 1: Vorhersageregel ur

Mehr

Katalog MOVIDRIVE MDX60B / 61B. Ausgabe 06/2005 DA360000 11324007 / DE

Katalog MOVIDRIVE MDX60B / 61B. Ausgabe 06/2005 DA360000 11324007 / DE Getrebemotore \ Idustregetrebe \ Atrebselektrok \ Atrebsautomatserug \ Servces MOVIDRIVE MDX60B / 61B DA360000 Ausgabe 06/2005 11324007 / DE Katalog SEW-EURODRIVE Drvg the world 1 Systembeschrebug... 4

Mehr

Lösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung

Lösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung Lösuge zum Übugs-Blatt 7 Wahrschelchketsrechug BMT Bostatstk Prof. Dr. B. Grabowsk ----------------------------------------------------------------------------------------------- Satz vo Bayes ud totale

Mehr

Grundgesetze der BOOLEschen Algebra und Rechenregeln

Grundgesetze der BOOLEschen Algebra und Rechenregeln 5... Grudgesetze der BOOLEsche Algebra ud Recheregel Auf de mathematsch korrekte Eführug der BOOLEsche Algebra ka ch verzchte, da das Ihrer Mathematkausbldug ausführlch behadelt wrd. Ich stelle Ihe zuächst

Mehr

3 Allgemeine lineare Gleichungssysteme über R. Superposition

3 Allgemeine lineare Gleichungssysteme über R. Superposition Fole 3 Allgeee lere Glechugssystee üer R. Superposto (3.) Defto: E leres Glechugssyste Uestte ud Glechuge st: De sd de Koeffzete us R. De sd wetere Zhle, uch de Kostte get, ud de sd de Uestte, zw. de Uekte,

Mehr

3 Allgemeine lineare Gleichungssysteme über R. Superposition

3 Allgemeine lineare Gleichungssysteme über R. Superposition Fole 3 Allgeee lere Glechugssystee üer R. Superposto (3.) Defto: E leres Glechugssyste Uestte ud Glechuge st: De sd de Koeffzete us R. De sd wetere Zhle, uch de Kostte get, ud de sd de Uestte, zw. de Uekte,

Mehr

REGRESSION. Marcus Hudec Christian Neumann. Eine anwendungsorientierte Einführung. Unterstützt von Institut für Statistik der Universität Wien

REGRESSION. Marcus Hudec Christian Neumann. Eine anwendungsorientierte Einführung. Unterstützt von Institut für Statistik der Universität Wien REGRESSION Ee awedugsoreterte Eführug Marcus Hudec Chrsta Neuma Uterstützt vo Isttut für Statstk der Uverstät We Eletug De Regresso st e velfältg esetzbares Werkzeug zur Beschrebug ees fuktoale Zusammehags

Mehr

Skript Teil 7: Polygonzug

Skript Teil 7: Polygonzug Prof. Dr. tech. Alfred Mschke Vorlesug zur Verastaltug Vermessugskude Skrpt Tel 7: Polgozug Der Begrff Polgo letet sch aus Pol = vel ud Go = Wkel ab ud bedeutet uregelmäßges Veleck. Das Polgoere det zum

Mehr

Geometrisches Mittel und durchschnittliche Wachstumsraten

Geometrisches Mittel und durchschnittliche Wachstumsraten Dpl.-Kaufm. Wolfgag Schmtt Aus meer Skrpterehe: " Kee Agst vor... " Ausgewählte Theme der deskrptve Statstk Geometrsches Mttel ud durchschttlche Wachstumsrate Modellaufgabe Übuge Lösuge www.f-lere.de Geometrsches

Mehr

VERFAHREN ZUR ERWEITERTEN, MEHRKRITERIELL- OPTIMIERENDEN BETRIEBSFÜHRUNG VON PV- BATTERIESPEICHERSYSTEMEN

VERFAHREN ZUR ERWEITERTEN, MEHRKRITERIELL- OPTIMIERENDEN BETRIEBSFÜHRUNG VON PV- BATTERIESPEICHERSYSTEMEN Institut für Energietechnik Professur für Energiespeichersysteme VERFAHREN ZUR ERWEITERTEN, MEHRKRITERIELL- OPTIMIERENDEN BETRIEBSFÜHRUNG VON PV- BATTERIESPEICHERSYSTEMEN Michael Böttiger Dresden, 15.11.216

Mehr

Stichprobenmodell der linearen Einfachregression

Stichprobenmodell der linearen Einfachregression Stchproemodell der leare Efachregresso Stchproemodell der leare Efachregresso Vertelug der Stchproekoeffzete Prof. Kück / Dr. Rcaal Delgado Lehrstuhl Statstk Regresso III lografe: Prof. Dr. Kück verstät

Mehr

SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT

SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT Smulaton von Hybrdfahrzeugantreben mt optmerter Synchronmaschne 1 SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT OPTIMIERTER SYNCHRONMASCHINE H. Wöhl-Bruhn 1 EINLEITUNG Ene Velzahl von Untersuchungen hat sch

Mehr

Einführung 2. Teil: Fehleranalyse

Einführung 2. Teil: Fehleranalyse Phskalsch-chesches Praktku I Modul Eführug. Tel: Fehleraalse Ja Helbg, 7.09.08 Uterlage: htt://www.che.uzh.ch/stud/old/docuets/ear/che3.htl Fehlerrechug Gesucht: wahrer Wert eer Grösse Aber: Sere vo Messuge

Mehr

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Lesetraining in der Weihnachtszeit - Wir werden Leseprofi

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Lesetraining in der Weihnachtszeit - Wir werden Leseprofi Uterrchtsmaterale dgtaler ud gedruckter Form Auszug aus: Lesetrag der Wehachtszet - Wr werde Leseprof Das komplette Materal fde Se her: School-Scout.de 1.-4. Schuljahr U. Stolz & L.-S. Kohl Wr werde Leseprof!

Mehr

Lösungen zu Übungs-Blatt 7 Klassische Wahrscheinlichkeit in Glücksspielen, Bedingte Wkt, Unabhängigkeit, Satz von Bayes

Lösungen zu Übungs-Blatt 7 Klassische Wahrscheinlichkeit in Glücksspielen, Bedingte Wkt, Unabhängigkeit, Satz von Bayes Lösuge zu Übugs-latt 7 Klasssche Wahrschelchet Glücsspele, edgte Wt, Uabhägget, Satz vo ayes Master M Höhere ud gewadte Mathemat rof. Dr.. Grabows De folgede ufgabe löse wr uter Verwedug der bede ombatorsche

Mehr