Folien zum Seminar Modellgestützte Entscheidungsfindung Univ.-Prof. Dr. Wilhelm Rödder.
|
|
- Jonas Bach
- vor 8 Jahren
- Abrufe
Transkript
1 Folien zum Seminar Modellgestützte Entscheidungsfindung Univ.-Prof. Dr. Wilhelm Rödder
2 Inhalt Fallstudien Entscheidungslehre Skalen E. Modell E. Rationalität E./ sichere Info. E./unsichere Info. Methoden LP NLP Simulation Warteschlangen Intell. Simulation Expertensysteme Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 1
3 Fallstudien/Tischlerei max x 0 = 600 x x 2 unter den Nebenbedingungen 1 x x 120 4x + 3x 900 8x + 3 x 1500 x, x Kapazitätsbeschränkungen Nichtnegativitätsbedingungen = 600 x x 2 x 1 = 150 x 2 = 100 Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 2
4 Fallstudien/Effizienz eff j 0 = max 3 uy r= 1 4 i= 1 r vx i rj ij 0 0 unter den Nebenbedingungen 3 uy r= 1 4 i= 1 r vx i rj ij 1, j = 1,...,23 DMU Nr. 5: U5-99 Objective value: 0, DMU Nr. 15: U1-01 Objective value: 1, Variable Value Variable Value U1 0, E-04 U1 0, E-02 U2 0, E-03 U2 0, E-06 U3 0, E-02 U3 0, E-06 V1 0, E-02 V1 0, E-06 V2 0, E-06 V2 0, E-01 V3 0, E-06 V3 0, E-06 V4 0, E-02 V4 0, E-06 Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 3
5 Fallstudien/Lager Modellgrößen: I t, x t, d t, c L, c B, c F c t x 2 =9 d 1 =4 d 2 =4 d 3 =3 I 1 =5 I 2 =1 I 3 =-3 I 4 =3 t = t d t x t I t c Bt c Lt c Ft c t Gesamtkosten im Quartal (T = 12) Durchschnittskosten c = Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 4
6 Fallstudien/Ampel Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 5
7 Fallstudien/Kredit K-KRED = ja nein V-VERG = ja V-VERG = nein K = RBF i A 1,02 K = RBF i eff A (1+i kal ) Einsetzen K, Kürzen A K-KRED ja nein I-GESP = ja V-VERG = ja I-GESP = ja V-VERG = nein I-GESP = nein V-VERG = ja?? I-GESP = nein V-VERG = nein?? Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 6
8 Fallstudien/Kredit A = ja B = nein C = ja D = nein E = nein G = ja j F j n V j n j K K K j n j -89 n -60 j n I n j V K n j n K j n V Legende: Entscheidungsknoten Ο Zufallsknoten n K j n Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 7
9 Entscheidung/Skalen Intervall Temperatur Quotienten Temperatur + Eispunkt Absolut km Ordinal besser als Nominal w/m Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 8
10 Entscheidung/Modell zd Zd zs Zs zb Zb Informationsstand A a w(a, zb) Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 9
11 Entscheidung/Rationalität zb 1 zb 2 zb 3 a a a Sicherheit Risiko: Bayes Hodge-Lehmann Ungewissheit: Wald Maximax Hurwicz Savage-Niehans Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 10
12 Entscheidung/sichere Information p j 1/10 4/10 5/10 zb 1 zb 2 zb 3 a a a Legende: Einträge in Tsd. + Info Beschaffung a 0 bzgl. Eintritt zb i Kosten 10 Tsd. a 0 nein ja a 1 a a 3 2 zb 1 zb zb 2 3 zb 1 zb zb 3 2 a 2 a a (10) (20) (40) (20) (25) (15) (5) (40) (10) (10) (30) (30) Legende: Zahlen an den Blättern des Baumes sind Erträge ohne und in Klammern mit Kosten WSI =? Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 11
13 Entscheidung/sichere Information n j= 1 p j max w der Ergebnis Ew. bei SI i ij max n pw j ij i j= 1 der Ergebnis Ew. bei Bayes n EWSI = p max w max p w der erwartete Wert sicherer Info. j ij j ij j= 1 i i j= 1 n EWSI =? Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 12
14 Entscheidung/unsichere Information/Investition BE bei INV u. SZENARIO SZENARIO INVEST GUT MITTELSCHLECHT a b Wktn SZENARIO GUTMITTELSCHLECHT 0,25 0,45 0,3 Berater: PROGNOSE des SZENARIOS Honorar SZENARIO PROGNOSE GUT MITTEL SCHLECHT GUT 0,72 0,08 0,09 MITTEL 0,18 0,85 0,23 SCHLECHT 0,10 0,07 0,68 1,0 1,0 1,0 Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 13
15 Entscheidung/unsichere Information/Investition/Wertnutzen PROG = g PROG = m PROG = s PROG = Ø INV SZ=g m s SZ=g m s SZ=g m s SZ=g m s INF = j a b INF = n a b in Tsd Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 14
16 Entscheidung/unsichere Information/Investition/Bayes Satz von Bayes: P( A B) i = i ( i) P( B Ai) ( ) P( B A ) P A P A i i z. B.: ( ) P SZ = g PROG = g = 025, 072, ,, ,, ,, = 0,7407 PROGNOSE SZENARIO GUT MITTEL SCHLECHT GUT 0,7407 0,0906 0,0960 MITTEL 0,1481 0,7704 0,1209 SCHLECHT 0,1111 0,1390 0,7831 Wktn 0,2430 0,4965 0,2605 Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 15
17 Entscheidung/unsichere Information/Investition/E. Baum Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 16
18 Entscheidung/unsichere Information/Investition/Roll-back EWUI =? Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 17
19 Methoden/LP/Produktion Produktionsfaktoren nach Busse von Colbe Produktionsfaktoren Elementarfaktoren Dispositiver Faktor Zusatzfaktoren Verbrauchsfaktoren Potentialfaktoren substantiell nicht substantiell mit ohne in die Produktion eingehend Abgabe von Werkverrichtungen Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 18
20 Methoden/LP/Produktion Rustikus und Elegance Hergestellt werden in einem Unternehmen Tische vom Typ Rustikus (P1) und vom Typ Elegance (P2). Ersterer zeichnet sich durch 4 Beine und eine Eichenplatte, letzterer durch 3 andere (!) Beine und eine Platte aus Edelholz aus. Jedes der vier Beine wird mit je zwei Messingwinkeln beim Rustikus und jedes der drei Beine mit je einem anderen (!) Messingwinkel beim Elegance befestigt. Wir bezeichnen mit x 1, x 2 die Mengen produzierter Tische beider Typen und mit r 1i bzw. r 2i die Faktormengen: r 11, r 12, r 13 r 21, r 22, r 23 Platten, Beine, Winkel für Rustikus Platten, Beine, Winkel für Elegance. zugehörige Produktionsfunktion 1 1 x 1 =min r, r, r x 2 =min r, r, r Verbrauchsfunktion. r11 = x1, r21 = x2, r12 = 4x1, r22 = 3x2, r = 8x, r = 3x Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 19
21 Methoden/LP/Produktion Rationalisierungsmaßnahme: identische Messingwinkel für Rustikus und Elegance; ihre Menge sei mit r3 bezeichnet. Verbrauchsfunktion r11 = x1, r21 = x2, r = 4x, r = 3x und r = 8x + 3x Selbst wenn man die Zuordnung Winkel für Rustikus und Winkel für Elegance r 3 = r 13 + r 23 beibehält, ist der in der Verbrauchsfunktion dargestellte Gesamtzusammenhang nicht nach (x 1, x 2 ) auflösbar und damit nicht als eine Produktionsfunktion explizit darstellbar. Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 20
22 Methoden/LP/Produktion Erneute Rationalisierung: einheitliche Beine für Rustikus und Elegance ; ihre Gesamtzahl sei mit r 2 bezeichnet. Der Verkaufspreis von Rustikus betrage 980,--, der von Elegance 680,--. Die Faktorpreise oder Preise vorgefertigter Teile sowie ihre Verfügbarkeiten pro Periode entnehmen Sie der folgenden Tabelle. Einstandspreis [ /Stck] Verfügbarkeit [Stck] Platte Eiche 100, Platte Edelholz 150, Bein 50, Winkel 10, Stückdeckungsbeiträge: c 1 = ( ) = 600,--, c 2 = ( ) = 350,--. Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 21
23 Methoden/LP/Produktion Ziel: Deckungsbeitragsmaximierung Lineare Optimierungsaufgabe max 600x x 2 unter den Nebenbedingungen 1 x x x + 3 x x + 3 x 1500 x, x Zusätzliche Annahme: unbegrenzten Absatzmöglichkeiten Ergebnis: x 1 = 150 Stück Rustikus und x 2 = 100 Stück Elegance. Der Deckungsbeitrag beträgt dann ,--. Die Lösung wurde mit LP-Software ermittelt. Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 22
24 Methoden/LP/Simplex x 0 x 1 x 2 x 3 x 4 x 5 x x x x x Zielfunktionswert Kriteriumszeile Variable in Lösung rechte Seite RHS = Right Hand Side x 0 x 1 x 2 x 3 x 4 x 5 x x x x x Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 23
25 Methoden/LP/Simplex x 0 x 1 x 2 x 3 x 4 x 5 x / / x x / /3 100 x x / /3 20 x 0 x 1 x 2 x 3 x 4 x 5 x /3 100/ x /4 1/4 150 x /3 1/3 20 x /4-1/4 30 x /3-1/3 100 Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 24
26 Methoden/NLP/Markowitz Anleihen A i Renditen r i Kovarianzen Anteil in A i : i= 1,,n i = 1,,n (σ ij ) n;n w i min(w 1 ;w 2 ;w 3 ) ( ) w1 σ w = ww σ ij 3,3 2 i j ij ij w 3 u. d. N. wr r, 1, 0 min w = w i i i i i i i Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 25
27 Methoden/NLP/Markowitz 40% 35% Erwartete Rendite 30% 25% 20% 32% Menge der effizienten Portefeuilles 15% 30% 10% 0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5 Varianz Portefeuilles für ausgewählte Gewichte im Varianz-/Rendite-Koordinatenkreuz Erwartete Rendite 28% 26% 24% 22% 20% 18% 16% Anhang A1 Varianz Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 26
28 Methoden/NLP/DEA/Kreuzeffizienzen * * ( j, j ) u v Lösung von 0 0 eff j 0 = max r= 1 u. d. N. s m i= 1 s r= 1 m r i i= 1 uy vx rj ij uy r vx i rj ij 0 0, j {1,..., n} 0 1, j = 1,..., n u, v 0 für alle r, i. r i r i u y * rj vx * ij rk ik = eff jk Anhang A3 Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 27
29 Methoden/NLP/DEA/Reihung Prinzip self-appraisal Alleinstellung fairster Peer rücksichtsvollster Peer max. Fairneß Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 28
30 Methoden/Simulation Zufallszahlen Kongruenzmethode Inversionsverfahren additives Verfahren Simulation Kosten Signifikanz? Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 29
31 Methoden/Warteschlangen Charakteristika Klass.Code (K1, K2, K3, K4, K5) (M, M, 1,, FIFO) Simulation Schlange i =1,, I Kunden z i Zwischenankunftszeit b i Bedienzeit t i Ankunftszeit e i Bedienende w i Wartezeit b, w Systemzeiten Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 30
32 Methoden/Warteschlangen i = 1, w = b = e 0 = t 0 = 0 Generieren z i, b i b = b + b i t i = t i-1 + z i e i-1 > t i ja w i = e i-1 - t i e i = e i-1 + b i i = i + 1 nein w i = 0 e i = t i + b i w = w + w i ja i < I nein Ende Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 31
33 Methoden/Intell. Simulation Heuristik Suchverf. min f(x) u. d. N. x Z Eröffn. Verf. Verbess. Verf. Abb Nachbarsch. Struktur Verbess. Verf. mit spez. A(x) Abb Nachbarsch. Suchverf. + erlaubte Verschlechterung Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 32
34 Methoden/Intell. Simulation/SA {Tk} Kühlplan (IN) k := 0 Generiere x 0 Z beliebig (IT SA ) Wähle beliebiges x k+1 N(x k ) Z Δf := f(x k+1 ) f(x k ) Falls Δf 0, dann Generiere Zufallszahl R [0, 1] gleichverteilt Falls R p(δf, T k ), gehe zu (IT SA ) k := k + 1 Falls kein Abbruch, gehe zu (IT SA ) Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 33
35 Methoden/Intell. Simulation/SA/Ampel Erlaubte Einfärbung des Graphen Lsg. KNF ZW VERLETZ TEMP AKZ Nr =l 1 8/ =q 2 10=q 2 7/10 6/10 11 z ja 3 6=w 3 1/6 7/10 3/6 10 z ja 4 1=q 4 1/10 1/11 7/10 3/6 9 z ja 5 11 =l 3 1/10 7/10 3/6 8 < ja 6 1=l 4 1/9 1/11 7/10 3/6 7 z nein 7 3=l 2 1/10 7/10 7 < ja 8 10=l 1 8/10 6 < ja 9 8=q 0-5 < ja Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 34
36 Methoden/Intell. Simulation/GA Erzeugung einer Ausgangspopulation von Individuen Dekodierung und Bewertung der Individuen Ist das Abbruchkriterium erfüllt? nein Erzeugen einer Folgegeneration durch Reproduktion und Rekombination unter Anwendung der genetischen Operatoren Mutation, Selektion und Crossover Verwendung der Folgegeneration als Ausgangspopulation ja Ausgabe der über sämtliche Generationen besten erzeugten Lösungen als Problemlösung Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 35
37 Methoden/Intell. Simulation/GA/Mastermind MASTERMIND SPIELLEITER LETZTER VERSUCH verdeckt l. Versuch Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 36
38 Methoden/Intell. Simulation/GA/Mastermind FIT 3 = = 5 FIT 4 = = 6 FIT 5 = = 6 Unterschied Vorfahren 2-Punkt-Crossover nach den Positionen 2 und 5 Nachkommen Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 37
39 Expertensysteme/Komponenten Wissensbasis (permanent) Wissenskomponente (situativ) Inferenzmaschine Wissenserwerbskomponente Kommunikation Erklärung Benutzerkomponente Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 38
40 Expertensysteme/probabilistisch jjj jjn jnj jnn njj njn nnj nnn P 0 1/8 1/8 1/8 1/8 1/8 1/8 1/8 1/8 P 1 1/6 1/6 1/6 1/6 0 1/9 1/9 1/9 Legende: die Kürzel stehen für die Ausprägungen ja bzw. nein zu den Variablen K-KRED, B-VERM, G-BUER Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 39
41 Expertensysteme/Kredit 1-stufig Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 40
42 Expertensysteme/Kredit 1-stufig Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 41
43 Expertensysteme/Kredit 2-stufig Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 42
44 Expertensysteme/Kredit 2-stufig Hagener Management Studium Modellgestützte Entscheidungsfindung MA W. Rödder 43
Planen mit mathematischen Modellen 00844: Computergestützte Optimierung. Autor: Dr. Heinz Peter Reidmacher
Planen mit mathematischen Modellen 00844: Computergestützte Optimierung Leseprobe Autor: Dr. Heinz Peter Reidmacher 11 - Portefeuilleanalyse 61 11 Portefeuilleanalyse 11.1 Das Markowitz Modell Die Portefeuilleanalyse
MehrSchranken für zulässige Lösungen
Schranken für zulässige Lösungen Satz 5.9 Gegeben seien primales und duales LP gemäß der asymmetrischen Form der Dualität. Wenn x eine zulässige Lösung des primalen Programms und u eine zulässige Lösung
MehrWHB11 - Mathematik Klausur Nr. 3 AFS 3 Ökonomische Anwendungen linearer Funktionen
Name: Note: Punkte: von 50 (in %: ) Unterschrift des Lehrers : Zugelassene Hilfsmittel: Taschenrechner, Geodreieck, Lineal Wichtig: Schreiben Sie Ihren Namen oben auf das Klausurblatt und geben Sie dieses
Mehr3. Grundlagen der Linearen Programmierung
3. Grundlagen der linearen Programmierung Inhalt 3. Grundlagen der Linearen Programmierung Lineares Programm Grafische Lösung linearer Programme Normalform Geometrie linearer Programme Basislösungen Operations
MehrAufgabe 6 Excel 2013 (Fortgeschrittene) Musterlösung
- 1 - Aufgabe 6 Excel 2013 (Fortgeschrittene) Musterlösung 1. Die Tabelle mit den Werten und Gewichten der Gegenstände, sowie die Spalte mit der Anzahl ist vorgegeben und braucht nur eingegeben zu werden
MehrDoing Economics with the Computer Sommersemester 2002. Excel Solver 1
Universität Bern Kurt Schmidheiny / Manuel Wälti Doing Economics with the Computer Sommersemester 2002 Excel Solver 1 Mit dem Solver unterstützt Excel eine Funktion, mit der u.a. komplex verschachtelte
MehrDer monatliche Tarif für ein Handy wurde als lineare Funktion der Form f(x) = k x + d modelliert (siehe Grafik).
1) Handytarif Der monatliche Tarif für ein Handy wurde als lineare Funktion der Form f(x) = k x + d modelliert (siehe Grafik). Euro Gesprächsminuten Tragen Sie in der folgenden Tabelle ein, welche Bedeutung
MehrOptimierung. Optimierung. Vorlesung 7 Lineare Programmierung II. 2013 Thomas Brox, Fabian Kuhn
Optimierung Vorlesung 7 Lineare Programmierung II 1 Lineare Programme Lineares Programm: Lineare Zielfunktion Lineare Nebenbedingungen (Gleichungen oder Ungleichungen) Spezialfall der konvexen Optimierung
MehrLehrstuhl für Betriebswirtschaftslehre mit Schwerpunkt Finanzierung. Klausur "Finanzmanagement" 14. März 2002
1 Lehrstuhl für Betriebswirtschaftslehre mit Schwerpunkt Finanzierung Klausur "Finanzmanagement" 14. März 2002 Bearbeitungshinweise: - Die Gesamtbearbeitungsdauer beträgt 60 Minuten. - Schildern Sie ihren
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 15: Reguläre Ausdrücke und rechtslineare Grammatiken Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/25 Was kann man mit endlichen
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrLernmaterial für die Fernuni Hagen effizient und prüfungsnah
Lernmaterial für die Fernuni Hagen effizient und prüfungsnah www.schema-f-hagen.de Sie erhalten hier einen Einblick in die Dokumente Aufgaben und Lösungen sowie Erläuterungen Beim Kauf erhalten Sie zudem
MehrBearbeitungshinweise. (20 Punkte)
Bearbeitungshinweise - Es sind alle Aufgaben zu bearbeiten. - Als Hilfsmittel sind lediglich nicht programmierbare Taschenrechner erlaubt. - Die Klausur darf nicht auseinander genommen werden. - Sämtliche
MehrAbituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)
Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Eine Firma stellt USB-Sticks her. Sie werden in der Fabrik ungeprüft in Packungen zu je 20 Stück verpackt und an Händler ausgeliefert. 1 Ein Händler
MehrFinanzierung: Übungsserie III Innenfinanzierung
Thema Dokumentart Finanzierung: Übungsserie III Innenfinanzierung Lösungen Theorie im Buch "Integrale Betriebswirtschaftslehre" Teil: Kapitel: D1 Finanzmanagement 2.3 Innenfinanzierung Finanzierung: Übungsserie
Mehr3. LINEARE GLEICHUNGSSYSTEME
176 3. LINEARE GLEICHUNGSSYSTEME 90 Vitamin-C-Gehalt verschiedener Säfte 18,0 mg 35,0 mg 12,5 mg 1. a) 100 ml + 50 ml + 50 ml = 41,75 mg 100 ml 100 ml 100 ml b) : Menge an Kirschsaft in ml y: Menge an
MehrLineare Optimierung Ergänzungskurs
Lineare Optimierung Ergänzungskurs Wintersemester 2015/16 Julia Lange, M.Sc. Literatur Werner, F.; Sotskov, Y.N. (2006): Mathematics of Economics and Business; Routledge; London Bemerkungen Diese Unterlagen
MehrUniversität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip. KLAUSUR Statistik B
Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip Sommersemester 2010 KLAUSUR Statistik B Hinweise zur Bearbeitung: Bei allen Teilaufgaben
MehrGrundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen
Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in
Mehr11.AsymmetrischeInformation
.AsymmetrischeInformation Informationistnurwichtig,wenneineEntscheidungssituationdurcheinunsicheresUmfeld charakterisiertist.istesvielleichtso,daßauchdieunsicherheitselbstzueinereinschränkung derfunktionsfähigkeitvonmärktenführt?diesistinder
Mehreinfache Rendite 0 145 85 1 160 90 2 135 100 3 165 105 4 190 95 5 210 110
Übungsbeispiele 1/6 1) Vervollständigen Sie folgende Tabelle: Nr. Aktie A Aktie B Schlusskurs in Schlusskurs in 0 145 85 1 160 90 2 135 100 3 165 105 4 190 95 5 210 110 Arithmetisches Mittel Standardabweichung
MehrTEST Basiswissen Mathematik für Ingenieurstudiengänge
TEST Basiswissen Mathematik für Ingenieurstudiengänge Erste Fassung März 2013 Dieser Test beinhaltet Aufgaben zu den wesentlichen Themen im Bereich Mathematik, die Basiswissen für ein Ingenieurstudium
MehrSerien-eMail mit oder ohne Anhang
Serien-eMail mit oder ohne Anhang Sie können im WohnungsManager sowohl objektübergreifend als auch in einem Objekt Serien-eMails versenden. Die Serien-eMail ist für SMTP (Short Message Tranfer Protocol)
MehrDarstellungsformen einer Funktion
http://www.flickr.com/photos/sigfrid/348144517/ Darstellungsformen einer Funktion 9 Analytische Darstellung: Eplizite Darstellung Funktionen werden nach Möglichkeit eplizit dargestellt, das heißt, die
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
MehrLineQuest-Leitfaden LineQuest Dialog-Portal. Generieren der LineQuest-Auswertungsdatei
LineQuest-Leitfaden LineQuest Dialog-Portal Generieren der LineQuest-Auswertungsdatei Copyright 2009 by LineQuest LineQuest Walter-Paetzmann-Str. 19 82008 Unterhaching E-Mail Internet info@linequest.de
MehrEinführung in die Algebra
Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv
Mehr4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes.
Binäre Bäume Definition: Ein binärer Baum T besteht aus einer Menge von Knoten, die durch eine Vater-Kind-Beziehung wie folgt strukturiert ist: 1. Es gibt genau einen hervorgehobenen Knoten r T, die Wurzel
MehrMarkovketten. Bsp. Page Ranking für Suchmaschinen. Wahlfach Entscheidung unter Risiko und stat. Datenanalyse 07.01.2015
Markovketten Markovketten sind ein häufig verwendetes Modell zur Beschreibung von Systemen, deren Verhalten durch einen zufälligen Übergang von einem Systemzustand zu einem anderen Systemzustand gekennzeichnet
MehrOptimierung und Simulation ökonomischer Problemlagen privater Haushalte 3. Vorlesung
Optimierung und Simulation ökonomischer Problemlagen privater Haushalte 3. Vorlesung Rainer Hufnagel / Laura Wahrig 2006 Diese Woche LO - Sensitivitätsanalyse Simulation Beispiel Differenzengleichungen
MehrLineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3
Lineare Funktionen Inhaltsverzeichnis 1 Proportionale Funktionen 3 1.1 Definition............................... 3 1.2 Eigenschaften............................. 3 2 Steigungsdreieck 3 3 Lineare Funktionen
MehrKapitel 5: Dynamisches Programmieren Gliederung
Gliederung 1. Grundlagen 2. Zahlentheoretische Algorithmen 3. Sortierverfahren 4. Ausgewählte Datenstrukturen 5. Dynamisches Programmieren 6. Graphalgorithmen 7. String-Matching 8. Kombinatorische Algorithmen
MehrAnhang. 3. Was denken Sie: An wen richtet sich das Lernprogramm für Psycholinguistik? zu nicht nicht zu
Anhang Bitte füllen Sie den Fragebogen vollständig, ehrlich und genau aus! Es gibt keine falschen Antworten! Ihre Angaben sind anonym und werden absolut vertraulich behandelt. Sie werden nur zu Forschungs-
MehrProfil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8
1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen
MehrÜbungsblatt 3: Algorithmen in Java & Grammatiken
Humboldt-Universität zu Berlin Grundlagen der Programmierung (Vorlesung von Prof. Bothe) Institut für Informatik WS 15/16 Übungsblatt 3: Algorithmen in Java & Grammatiken Abgabe: bis 9:00 Uhr am 30.11.2015
MehrDie Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
MehrEntscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen?
Entscheidungsbäume Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Definition Entscheidungsbaum Sei T ein Binärbaum und A = {a 1,..., a n } eine zu sortierenden Menge. T ist ein Entscheidungsbaum
MehrZufallsgrößen. Vorlesung Statistik für KW 29.04.2008 Helmut Küchenhoff
Zufallsgrößen 2.5 Zufallsgrößen 2.5.1 Verteilungsfunktion einer Zufallsgröße 2.5.2 Wahrscheinlichkeits- und Dichtefunktion Wahrscheinlichkeitsfunktion einer diskreten Zufallsgröße Dichtefunktion einer
MehrBauteilattribute als Sachdaten anzeigen
Mit den speedikon Attributfiltern können Sie die speedikon Attribute eines Bauteils als MicroStation Sachdaten an die Elemente anhängen Inhalte Was ist ein speedikon Attribut?... 3 Eigene Attribute vergeben...
Mehr(Wette auf eine Kurs- oder Indexentwicklung, mit oder ohne Hebelwirkung - ohne Rückzahlungsgarantie)
Geldanlage: Partizipationszertifikat (Wette auf eine Kurs- oder Indexentwicklung, mit oder ohne Hebelwirkung - ohne Rückzahlungsgarantie) Beschreibung Das Partizipationszertifikat ist einerseits eine bestimmte
MehrProf. Dr. Ulrich Schwalbe Wintersemester 2004/05. Klausur Mikroökonomik. Matrikelnummer: Studiengang:
Prof. Dr. Ulrich Schwalbe Wintersemester 2004/05 Klausur Mikroökonomik Matrikelnummer: Studiengang: Prof. Dr. Ulrich Schwalbe Wintersemester 2004/05 Klausur Mikroökonomik Bitte bearbeiten Sie alle zehn
MehrLernmaterial für die Fernuni Hagen effizient und prüfungsnah
Lernmaterial für die Fernuni Hagen effizient und prüfungsnah www.schema-f-hagen.de Sie erhalten hier einen Einblick in die Dokumente Aufgaben und Lösungen sowie Erläuterungen Beim Kauf erhalten Sie zudem
MehrPrüfung: Vorlesung Finanzierungstheorie und Wertpapiermanagement
Prüfung: Vorlesung Finanzierungstheorie und Wertpapiermanagement Die Prüfung zur Vorlesung Finanzierungstheorie und Wertpapiermanagement umfasst 20 Multiple Choice Fragen, wofür insgesamt 90 Minuten zur
MehrMit einem Mausklick sind E-Mails aus ACT! heraus in Outlook geschrieben, die dann wiederum auf Wunsch in ACT! dokumentiert werden.
ACT!EmailConnect Professional für ACT! 7 / 8 / 9 / 1 Genießen Sie die Vorzüge von MS Outlook und von ACT!, und zwar so schnell und komfortabel wie noch nie, ohne den ACT!-eigenene E-Mail-Client zu verwenden.
MehrBedienungsanleitung. Matthias Haasler. Version 0.4. für die Arbeit mit der Gemeinde-Homepage der Paulus-Kirchengemeinde Tempelhof
Bedienungsanleitung für die Arbeit mit der Gemeinde-Homepage der Paulus-Kirchengemeinde Tempelhof Matthias Haasler Version 0.4 Webadministrator, email: webadmin@rundkirche.de Inhaltsverzeichnis 1 Einführung
MehrAUTOMATISIERTE HANDELSSYSTEME
UweGresser Stefan Listing AUTOMATISIERTE HANDELSSYSTEME Erfolgreich investieren mit Gresser K9 FinanzBuch Verlag 1 Einsatz des automatisierten Handelssystems Gresser K9 im Portfoliomanagement Portfoliotheorie
MehrKapitalerhöhung - Verbuchung
Kapitalerhöhung - Verbuchung Beschreibung Eine Kapitalerhöhung ist eine Erhöhung des Aktienkapitals einer Aktiengesellschaft durch Emission von en Aktien. Es gibt unterschiedliche Formen von Kapitalerhöhung.
Mehr15 Optimales Kodieren
15 Optimales Kodieren Es soll ein optimaler Kodierer C(T ) entworfen werden, welcher eine Information (z.b. Text T ) mit möglichst geringer Bitanzahl eindeutig überträgt. Die Anforderungen an den optimalen
MehrMikroökonomik 9. Vorlesungswoche
Mikroökonomik 9. Vorlesungswoche Tone Arnold Universität des Saarlandes 18. Dezember 2007 Tone Arnold (Universität des Saarlandes) 9. Vorlesungswoche 18. Dezember 2007 1 / 31 Volkswirtschaftliche Rente
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
MehrModulklausur Konstruktion und Analyse ökonomischer Modelle
Modulklausur Konstruktion und Analyse ökonomischer Modelle Aufgabenheft Termin: 04.03.2015, 09:00-11:00 Uhr Prüfer: Univ.-Prof. Dr. J. Grosser Aufbau der Klausur Pflichtaufgabe Maximale Punktzahl: 34 Wahlpflichtaufgabe
MehrAnleitung OpenCms 8 Webformular Auswertung
Anleitung OpenCms 8 Webformular Auswertung 1 Erzbistum Köln Webformular Auswertung 15. August 2014 Inhalt 1. Allgemeines zum Webformular Auswertung... 3 2. Verwendung des Webformulars... 4 2.1. Reiter
MehrWeb Interface für Anwender
Ing. G. Michel Seite 1/5 Web Interface für Anwender 1) Grundlagen: - Sie benötigen die Zugangsdaten zu Ihrem Interface, welche Sie mit Einrichtung des Servers durch uns oder Ihren Administrator erhalten
MehrMah Jongg - Ein Spiel für 4 Spieler
Mah Jongg - Ein Spiel für 4 Spieler Nein! Es ist nicht eine der vielen Patience-Varianten, die auf Computern zu finden sind, gemeint. Wir spielen in fester Runde seit nunmehr über 10 Jahren das Spiel,
MehrMonatliche Grundgebühr: 5,00 Zeitabhängige Nutzung: Feiertags/Sonntags: 0,04 /min
Aufgabe 1: Wortvorschriften Gib zu den Wortvorschriften je eine Funktionsgleichung an: a) Jeder Zahl wird das Doppelte zugeordnet b) Jeder Zahl wird das um 6 verminderte Dreifache zugeordnet c) Jeder Zahl
MehrW-Rechnung und Statistik für Ingenieure Übung 11
W-Rechnung und Statistik für Ingenieure Übung 11 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) Mathematikgebäude Raum 715 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) W-Rechnung und Statistik
Mehrd i e J E D E R s c h o n m o r g e n f r ü h s ta r te n k a n n!
Fünf ITSM Projekte, d i e J E D E R s c h o n m o r g e n f r ü h s ta r te n k a n n! Agenda Aktuelle Herausforderungen im ITSM Fünf ITSM Projekte A k t u e l l e H e ra u s fo r d e r u n g e n i m I
MehrDer Gabelstapler: Wie? Was? Wer? Wo?
Schreibkompetenz 16: schlusszeichen (Fragezeichen) sprechen zeichen Um eine Frage zu kennzeichnen, wird ein Fragezeichen (?) gesetzt. Fragewörter (zum Beispiel wo, wer, was, wie) zeigen an, dass ein Fragezeichen
MehrLINGO: Eine kleine Einführung
LINGO: Eine kleine Einführung Jun.-Prof.Dr. T. Nieberg Lineare und Ganzzahlige Optimierung, WS 2009/10 LINDO/LINGO ist ein Software-Paket, mit dessen Hilfe (ganzzahlige) lineare Programme schnell und einfach
MehrPOINT. of Reha Sport e.v. Reha-Sport. Der Wegweiser zum. Eine Information für Patientinnen, Patienten und Angehörige
POINT of Reha Sport e.v. Der Wegweiser zum Reha-Sport Eine Information für Patientinnen, Patienten und Angehörige Was ist Reha Sport? Reha Sport wird in Form von Wirbelsäulengymnastik und Bewegungsschule,
MehrUm ein solches Dokument zu erzeugen, muss eine Serienbriefvorlage in Word erstellt werden, das auf die von BüroWARE erstellte Datei zugreift.
Briefe Schreiben - Arbeiten mit Word-Steuerformaten Ab der Version 5.1 stellt die BüroWARE über die Word-Steuerformate eine einfache Methode dar, Briefe sowie Serienbriefe mit Hilfe der Korrespondenzverwaltung
MehrTheoretische Informatik I
Theoretische Informatik I Einheit 2.4 Grammatiken 1. Arbeitsweise 2. Klassifizierung 3. Beziehung zu Automaten Beschreibungsformen für Sprachen Mathematische Mengennotation Prädikate beschreiben Eigenschaften
MehrLizenzierung von System Center 2012
Lizenzierung von System Center 2012 Mit den Microsoft System Center-Produkten lassen sich Endgeräte wie Server, Clients und mobile Geräte mit unterschiedlichen Betriebssystemen verwalten. Verwalten im
Mehr7.3 Einrichtung 13. Monatslohn. Auszahlung Ende Jahr / Ende der Beschäftigung
7.3 Einrichtung 13. Monatslohn Die Lohnart "13. Monatslohn" ist zwar immer in den Lohnblättern aufgeführt, wird jedoch meist entweder nur am Ende des Jahres (Ende der Beschäftigung) oder in zwei Teilen
MehrDerivate und Bewertung
. Dr. Daniel Sommer Marie-Curie-Str. 30 60439 Franfurt am Main Klausur Derivate und Bewertung.......... Wintersemester 2008/09 Klausur Derivate und Bewertung Wintersemester 2008/09 Aufgabe 1: Zinsurven,
MehrLösung. Prüfungsteil 1: Aufgabe 1
Zentrale Prüfung 01 Lösung Diese Lösung wurde erstellt von Cornelia Sanzenbacher. Sie ist keine offizielle Lösung des Ministeriums für Schule und Weiterbildung des Landes. Prüfungsteil 1: Aufgabe 1 a)
MehrAbb. 30: Antwortprofil zum Statement Diese Kennzahl ist sinnvoll
Reklamationsquote Stornierungsquote Inkassoquote Customer-Lifetime-Value Hinsichtlich der obengenannten Kennzahlen bzw. Kontrollgrößen für die Neukundengewinnung wurden den befragten Unternehmen drei Statements
MehrProjektsteuerung Projekte effizient steuern. Welche Steuerungsinstrumente werden eingesetzt?
1.0 Projektmanagement Mitarbeiter, die Projekte leiten oder zukünftig übernehmen sollen Vermittlung von Grundwissen zur erfolgreichen Durchführung von Projekten. Die Teilnehmer erarbeiten anhand ihrer
MehrBedienungsanleitung Rückabwicklungsrechner
1 Eingaben Zelle C2 Auszahlungsbetrag Hier muss der erste Auszahlungsbetrag eingegeben werden. Weitere Auszahlungen siehe Weiter unten. Zelle C3 Zeitpunkt der Auszahlung Datum der ersten Auszahlung Zelle
MehrMöglichkeiten der verschlüsselten E-Mail-Kommunikation mit der AUDI AG Stand: 11/2015
Möglichkeiten der verschlüsselten E-Mail-Kommunikation mit der AUDI AG Stand: 11/2015 Möglichkeiten der verschlüsselten E-Mail-Kommunikation mit der AUDI AG Vertrauliche Informationen dürfen von und zur
MehrRekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt
Methoden und Techniken an Beispielen erklärt Georg Anegg 5. November 009 Beispiel. Die Folge {a n } sei wie folgt definiert (a, d, q R, q ): a 0 a, a n+ a n q + d (n 0) Man bestimme eine explizite Darstellung
MehrKonfiguration der Yeastar MyPBX IP-Telefonanlagen mit iway Business SIP Trunk
Konfiguration der Yeastar MyPBX IP-Telefonanlagen mit iway Business SIP Trunk Stand 29.07.2015 Allgemeines Diese Anleitung beschreibt die Einrichtung der MyPBX IP-Telefonanlagen des Herstellers Yeastar
MehrSichere E-Mail Anleitung Zertifikate / Schlüssel für Kunden der Sparkasse Germersheim-Kandel. Sichere E-Mail. der
Sichere E-Mail der Nutzung von Zertifikaten / Schlüsseln zur sicheren Kommunikation per E-Mail mit der Sparkasse Germersheim-Kandel Inhalt: 1. Voraussetzungen... 2 2. Registrierungsprozess... 2 3. Empfang
MehrAufgabe 1 Berechne den Gesamtwiderstand dieses einfachen Netzwerkes. Lösung Innerhalb dieser Schaltung sind alle Widerstände in Reihe geschaltet.
Widerstandsnetzwerke - Grundlagen Diese Aufgaben dienen zur Übung und Wiederholung. Versucht die Aufgaben selbständig zu lösen und verwendet die Lösungen nur zur Überprüfung eurer Ergebnisse oder wenn
MehrSimplex-Umformung für Dummies
Simplex-Umformung für Dummies Enthält die Zielfunktion einen negativen Koeffizienten? NEIN Optimale Lösung bereits gefunden JA Finde die Optimale Lösung mit dem Simplex-Verfahren! Wähle die Spalte mit
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
MehrProgrammiersprachen und Übersetzer
Programmiersprachen und Übersetzer Sommersemester 2010 19. April 2010 Theoretische Grundlagen Problem Wie kann man eine unendliche Menge von (syntaktisch) korrekten Programmen definieren? Lösung Wie auch
MehrKaufmännische Berufsmatura 2007 Kanton Zürich Serie 1
Serie 1 Prüfungsdauer: 150 Minuten Hilfsmittel: Netzunabhängiger Taschenrechner Beigelegte Formelsammlung Bedingungen: Dokumentieren Sie den Lösungsweg auf dem Aufgabenblatt Unbelegte Resultate werden
MehrErstellen eines Screenshot
Blatt 1 von 5 Erstellen eines Screenshot Einige Support-Probleme lassen sich besser verdeutlichen, wenn der Supportmitarbeiter die aktuelle Bildschirmansicht des Benutzers sieht. Hierzu bietet Windows
MehrPersönliches Adressbuch
Persönliches Adressbuch Persönliches Adressbuch Seite 1 Persönliches Adressbuch Seite 2 Inhaltsverzeichnis 1. WICHTIGE INFORMATIONEN ZUR BEDIENUNG VON CUMULUS 4 2. ALLGEMEINE INFORMATIONEN ZUM PERSÖNLICHEN
MehrProjekt Standardisierte schriftliche Reifeprüfung in Mathematik. T e s t h e f t B 1. Schulbezeichnung:.. Klasse: Vorname: Datum:.
Projekt Standardisierte schriftliche Reifeprüfung in Mathematik T e s t h e f t B Schulbezeichnung:.. Klasse: Schüler(in) Nachname:. Vorname: Datum:. B Große und kleine Zahlen In Wikipedia findet man die
Mehrt r Lineare Codierung von Binärbbäumen (Wörter über dem Alphabet {, }) Beispiel code( ) = code(, t l, t r ) = code(t l ) code(t r )
Definition B : Menge der binären Bäume, rekursiv definiert durch die Regeln: ist ein binärer Baum sind t l, t r binäre Bäume, so ist auch t =, t l, t r ein binärer Baum nur das, was durch die beiden vorigen
MehrBenutzerkonto unter Windows 2000
Jeder Benutzer, der an einem Windows 2000 PC arbeiten möchte, braucht dazu ein Benutzerkonto. Je nach Organisation des Netzwerkes, existiert dieses Benutzerkonto auf der lokalen Workstation oder im Active
MehrCKL Bewertung PLUS. für Microsoft Dynamics NAV. AugenbliCKLlich Durchblick: Die Bewertung zum Bilanzstichtag. Software, die sich rechnet.
CKL Bewertung für Microsoft Dynamics NAV AugenbliCKLlich Durchblick: Die Bewertung zum Bilanzstichtag. Software, die sich rechnet. Speziallösung CKL BEWERTUNG Das Modul CKL Bewertung ist eine zertifizierte
MehrKampagnenmanagement der 4. Generation:
Kampagnenmanagement der. Generation: Proaktive, integrierte Optimierung von Kundenkontakten und Kampagnenzielgruppen Prof. Dr. Klaus D. Wilde Lehrstuhl für ABWL und Wirtschaftsinformatik Katholische Universität
MehrMathematik-Klausur vom 4.2.2004
Mathematik-Klausur vom 4.2.2004 Aufgabe 1 Ein Klein-Sparer verfügt über 2 000, die er möglichst hoch verzinst anlegen möchte. a) Eine Anlage-Alternative besteht im Kauf von Bundesschatzbriefen vom Typ
MehrStatistische Thermodynamik I Lösungen zur Serie 1
Statistische Thermodynamik I Lösungen zur Serie Zufallsvariablen, Wahrscheinlichkeitsverteilungen 4. März 2. Zwei Lektoren lesen ein Buch. Lektor A findet 2 Druckfehler, Lektor B nur 5. Von den gefundenen
MehrMaß-, Montage- und Pflegeanleitung für Insektenschutzgewebe Spannrahmen SP 1/3 (für Kunststofffenster mit starrer Winkellaschenmontage)
Maß-, Montage- und Pflegeanleitung für Insektenschutzgewebe Spannrahmen SP 1/3 (für Kunststofffenster mit starrer Winkellaschenmontage) Inhalt 1. Vorbemerkung 2 2. Maßanleitung 4 3. Montageanleitung 5
MehrPraktische Mathematik: Lineare und Netzwerk-Optimierung (SS 2015) Praktikumsaufgaben
Technische Universität Kaiserslautern Prof Dr Sven O Krumke Dr Sabine Büttner MSc Marco Natale Praktische Mathematik: Lineare und Netzwerk-Optimierung (SS 2015) Praktikumsaufgaben Aufgabe 1 (Konvertieren
MehrKorrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
MehrEigenwerte und Eigenvektoren von Matrizen
Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
MehrHilfe zur ekim. Inhalt:
Hilfe zur ekim 1 Hilfe zur ekim Inhalt: 1 Benutzerkonten und rechte... 2 1.1 Hauptkonto (Unternehmer bzw. Lehrer)... 2 1.2 Benutzer (Mitarbeiter bzw. Schüler)... 3 2 Präsentationsmodus... 4 3 Warenkorb...
MehrKfz-Versicherung für Fahranfänger. mit der Lizenz zum Fahren
Kfz-Versicherung für Fahranfänger mit der Lizenz zum Fahren startklar? Geschafft endlich der Führerschein! Nur das eigene Auto fehlt noch. Aber: Sie dürfen den Wagen Ihrer Eltern nutzen und so Ihr Können
MehrB 2. " Zeigen Sie, dass die Wahrscheinlichkeit, dass eine Leiterplatte akzeptiert wird, 0,93 beträgt. (genauerer Wert: 0,933).!:!!
Das folgende System besteht aus 4 Schraubenfedern. Die Federn A ; B funktionieren unabhängig von einander. Die Ausfallzeit T (in Monaten) der Federn sei eine weibullverteilte Zufallsvariable mit den folgenden
MehrXONTRO Newsletter. Kreditinstitute. Nr. 18
XONTRO Newsletter Kreditinstitute Nr. 18 Seite 1 In XONTRO werden zum 24. Januar 2005 folgende Änderungen eingeführt: Inflationsindexierte Anleihen Stückzinsberechnung für französische und italienische
MehrGrundlagen und Basisalgorithmus
Grundlagen und Basisalgorithmus Proseminar -Genetische Programmierung- Dezember 2001 David König Quelle: Kinnebrock W.: Optimierung mit genetischen und selektiven Algorithmen. München, Wien: Oldenbourg
Mehr1 topologisches Sortieren
Wolfgang Hönig / Andreas Ecke WS 09/0 topologisches Sortieren. Überblick. Solange noch Knoten vorhanden: a) Suche Knoten v, zu dem keine Kante führt (Falls nicht vorhanden keine topologische Sortierung
Mehr