Ereignis Wahrscheinlichkeit P (A) A oder B P (A + B) A und B P (AB) B, wenna P (B A)
|
|
- Marielies Sachs
- vor 6 Jahren
- Abrufe
Transkript
1 Kapitel 10 Statistik 10.1 Wahrscheilichkeit Das Ergebis eier Messug oder Beobachtug wird Ereigis geat. Ereigisse werde mit de Buchstabe A, B,...bezeichet. Die Messug eier kotiuierliche Variable x gibt i der Regel (icht abzählbar) uedlich viele verschiedee Ereigisse, die jedoch zu abzählbar viele Ereigisse zusamme gefaßt werde köe (für eie kotiuierlichezufallsvariablex ka z.b. das Ereigis 0.5 x 1.0 betrachtet werde). Das Ereigis, daß die Messug irgedei Ereigis liefert, wird als Eiheitsereigis E bezeichet. Eie plausible Defiitio der Wahrscheilichkeit P (A) für das Auftrete vo Ereigis A ist der Quotiet aus der Zahl vo Beobachtuge vo A ud der Gesamtheit N der Beobachtuge im Limes N : P (A) = lim N N Folgede Schreibweise werde beutzt: Ereigis Wahrscheilichkeit A P (A) A oder B P (A + B) A ud B P (AB) B, wea P (B A) Der Wahrscheilichkeitstheorie köe die folgede Axiome zugrude gelegt werde: P (A) 0 P (E) =1 P (A + B) =P (A)+P (B), we die Ereigisse A ud B sich gegeseitig ausschließe. P (AB) =P (A) P (B A) Aus de Axiome folge die Aussage: Für komplemetäre Ereigisse A ud Ā gilt: P (A + Ā) =P (A)+P (Ā) =1 0 P (A) 1 Zwei Ereigisse A ud B heiße uabhägig,we P (B) icht davo abhägt,ob A bei der gleiche Beobachtug eigetrete ist oder icht: P (B A) =P (B) P (AB) =P (A) P (B) 10. Zufallsvariable Meßgröße sid Zufallsvariable. Alle Messuge oder Beobachtuge uterliege zufällige Schwakuge, daher sid die Zahlewerte vo Messuge oder Beobachtuge icht exakt vorhersagbar; Grud ist die begrezte Meßgeauigkeit oder der statistische Charakter der utersuchte Größe selbst. Je achdem die Meßgröße x 51
2 kotiuierliche oder diskrete Werte aehme köe, werde sie kotiuierliche oder diskrete Zufallsvariable geat. Beide liegt eie statistische Verteilug zugrude. Die Verteilug eier kotiuierliche Zufallsvariable x wird bestimmt durch ihre Dichtefuktio f(x) mit de Eigeschafte f(x) 0 f(x) dx =1 Die durch F (x) = x f(x ) dx defiierte Fuktio F (x) heißt Verteilugsfuktio der Zufallsvariable x. Es gilt: f(x) = df (x) dx Die Wahrscheilichkeit, daß ei Eizelwert x i das Itervall [x 1,x ]fällt, ist gegebe durch P (x 1 x x )= x x 1 f(x) dx = F (x ) F (x 1 ) Wichtige Eigeschafte eier Verteilug lasse sich durch weige Parameter agebe. Die beide wichtigste Parameter eier Verteilug sid Mittelwert (Positiosparameter), ud Stadardabweichug (Streuugsparameter). Der Mittelwert oder Erwartugswert der Größe x wird mit µ bezeichet ud ist defiiert durch (f(x) = Wahrscheilichkeitsdichte) µ = E[x] = x f(x) dx. Allgemei sid Erwartugswerte vo Fuktioe g(x) der Zufallsvariable x defiiert durch E[g(x)] = g(x) f(x) dx. Der Mittelwert µ ist der Erwartugswert für g(x) = x. Die Stadardabweichug, bezeichet mit σ, ist die Quadratwurzel aus der Variaz, die defiiert ist als der Erwartugswert vo g(x) =(x µ) : σ = V (x) =E[(x µ) ]= (x µ) f(x) dx. Die Variaz σ der Verteilug eier Zufallsvariable x ka durch die Erwartugswerte vo x ud x ausgedrückt werde: σ = E[(x µ) ]=E[x xµ + µ ]= x f(x) dx µ x f(x) dx + µ f(x) dx = E[x ] µ + µ = E[x ] (E[x]). Die gemeisame Verteilug vo zwei Zufallsvariable x ud y wird durch die Dichtefuktio f(x, y) mitder Normierug f(x, y) dx dy =1 bestimmt. Die Mittelwerte µ x ud µ y der beide Variable x ud y sid defiiert durch µ x = x f(x, y) dx dy µ y = y f(x, y) dx dy
3 Nebe de Variaze σ x ud σ y, defiiert durch σ x = gibt es och die Kovariaz σ xy, defiiert durch (x µ x ) f(x, y) dx dy σ y = σ xy = (x µ x )(y µ y ) f(x, y) dx dy (y µ y ) f(x, y) dx dy Der durch ρ = σ xy /(σ x σ y ) defiierte Korrelatioskoeffiziet ka Werte zwische +1 ud -1 aehme. Bei ρ = 0 heiße die beide Variable x ud y ukorreliert. We die beide Variable statistisch uabhägig sid, läßt sich ihre Wahrscheilichkeitsdichte i der Form f(x, y) =f 1 (x) f (y) schreibe ud der Korrelatioskoeffiziet ist 0. Bei eier diskrete Zufallsvariable sid ur diskrete Werte x i,i =1,... möglich. Jedem mögliche Wert x i ka eie Wahrscheilichkeit P (i) zugeordet werde mit de Eigeschafte: P (i) 0 P (i) =1 Mittelwert ud Variaz sid durch Summe über alle mögliche Werte defiiert: i µ = E[x] = i σ = V (x) = i x i P (i) (x i µ) P (i) =E[x ] (E[x]). Theoretische Verteiluge Normalverteilug. Die Normalverteilug, auch Gaußverteilug geat, wird durch die beide Parameter Mittelwert µ ud Stadardabweichug σ vollstädig festgelegt; die Dichtefuktio lautet: f(x) = 1 e (x µ) /σ πσ Aus dieser Dichte ergebe sich durch Itegratio die folgede Aussage über die Abweichug eies Eizelwertes x vom Mittelwert µ um ei, zwei ud drei Stadardabweichuge: P (µ 1σ x µ +1σ) = 68.7% P (µ σ x µ +σ) = 95.45% P (µ 3σ x µ +3σ) = 99.73% Bei der Normalverteilug ist die volle Breite bei halbem Maximalwert (Halbwertsbreite) gleich.34 σ. Die Verteilugsfuktio der Normalverteilug ist x F (x) = f(u) du = ( ) x µ erf σ Viele Verteiluge der Praxis komme der Normalverteilug sehr ahe ud werde daher durch die Normalverteilug approximiert. Gleichverteilug. Die Dichte der Gleichverteilug zwische de Greze a ud b ist { 1/(b a) a x b f(x) = 0 sost Für Mittelwert ud Stadardabweichug ergebe sich die Werte: µ = a + b σ = b a 1
4 Expoetialverteilug. Die Dichte der Expoetialverteilug hat ur eie Parameter λ: { λe λx x 0 f(x) = 0 x<0 Für Mittelwert ud Stadardabweichug ergebe sich: µ = 1 λ σ = 1 λ Die Expoetialverteilug beschreibt z. B. die Häufigkeit vo Ereigisse, die zeitlich zufällig mit eier kostate Wahrscheilichkeit erfolge. Biomialverteilug. Ei Ereigis A trete bei eiem Versuch mit der Wahrscheilichkeit p auf; etspreched ist die Wahrscheilichkeit für das Nicht-Auftrete vo A gleich q =1 p. Gesucht ist die Wahrscheilichkeit, daß bei Versuche das Ereigis Akmalauftritt. Die Wahrscheilichkeit, daß i de erste k Versuche das Ereigis A ud i de restliche ( k) Versuche das Ereigis Ā auftritt, ist das Produkt p k q k. Das Ereigis k mal A bei Versuche ka i verschiedee Reihefolge auftrete. Daher ist die Wahrscheilichkeit, k daß bei Versuche k mal das Ereigis A auftritt, gegebe durch ( ) P (k) = p k k q k Dies etspricht dem Biomische Lehrsatz ( ) (p + q) = p k k q k =1 k=0 Mittelwert ud Variaz der Biomialverteilug sid E[k] =µ = p σ = pq ( )! = k k!( k)! Poissoverteilug. We ma i der Biomialverteilug wachse läßt, dabei jedoch de Mittelwert µ = p kostat hält, geht die Biomialverteilug i die Poissoverteilug über: P (k) = µk k! e µ Mittelwert ud Variaz sid E[k] =µ σ = µ σ = µ Die (diskrete) Poissoverteilug geht für große Werte vo µ über i die spezielle Normalverteilug (σ = µ) P (k) = 1 πµ e (k µ) /µ 10.3 Fuktioe vo Zufallsvariable Fuktioe vo Zufallsvariable sid selbst wieder Zufallsvariable, für die Mittelwerte ud Variaze agegebewerdeköe. Die Berechug der Variaz eier Fuktio vo Zufallsvariable aus de Variaze der Veräderliche der Fuktio et ma Fehlerfortpflazug (error propagatio). Fuktioe eier Zufallsvariable. Betrachtet wird eie Fuktio w = w(x) der Zufallsvariablex, dieeier Verteilug mit Mittelwert µ x ud Stadardabweichug σ x folgt. Der Mittelwert µ w ka wie folgt berechet werde. Ausgehed vo der Taylor-Etwicklug w(x) w(µ x )+ dw dx (x µ x ) µx ergibt sich als Mittelwert vo w: µ w = E[w] w(µ x )+ dw dx E[x µ x ] = w(µ x ) µx
5 Für lieare Fuktioe ist diese Beziehug exakt; bei ichtlieare Fuktioe w(x) würde zwar der quadratische Term der Tayloretwicklug eie (kleie) Korrektur liefer, diese ist i der Praxis jedoch i.a. verachlässigbar. Für die Variaz vo w ergibt sich bei Beutzug der Tayloretwicklug als Erwartugwert vo (w(x) w(µ x )) : [ σw = E (w(x) µ w ) ] = E [ ( (x µ x ) ] dw dx µx ) ( = σx dw dx. µx) Daher folgt: dw σ w σ x dx x=µx Fuktioe mehrerer Zufallsvariabler. Betrachtet wird zuächst eie Fuktio w(x, y) vo zwei Zufallsvariable x ud y, die Mittelwerte µ x ud µ y ud Stadardabweichuge σ x ud σ y habe. Etspreched der lieare Näherug w(x, y) w(µ x,µ y )+ w x (x µ x ) + w y (y µ y ) ergibt sich für Mittelwert ud Variaz der Größe w: µ w w(µ x,µ y ) ( σw w σ x x ) + σ y Diese Formel gelte für de Fall vo uabhägige Zufallsvariablex ud y. We die Zufallsvariablex ud y icht statistisch uabhägig sid, ergibt sich für de Ausdruck vo σw ei (positiver oder egativer) Zusatzterm: ( ( σw σx w w x +σ xy ) x ( w y ) ( w y ) ) ( + σy w y Die Verallgemeierug auf eie Fuktio w vo statistisch uabhägige Zufallsvariable x 1,x...x ergibt: Spezialfälle. We w vo der Form (Summe ud Differeze) ist, ergibt die Formel µ w w(µ 1,µ...µ ) σw ( σi w x i i w = x + y z µ1,...µ σ w = σ x + σ y + σ z + we σ x, σ y, σ z...die Stadardabweichuge der uabhägige Zufallsvariable x, y, z...sid; die Quadrate der eizele Stadardabweichuge addiere sich. We w vo der Form w = x y z (Produkte ud Quotiete) ist, ergibt die Formel bei uabhägige Zufallsvariable ach Umformug de Ausdruck ( ) ( ) ( ) ( ) σw σx σy σz = ) ) Die Quadrate der relative Stadardabweichuge addiere sich. Für die Fuktio (Mittelwert) w = 1 (x 1 + x x ), µ w µ x µ y µ z
6 wobei alle Zufallsvariable x i der gleiche Verteilug mit Mittelwert µ x ud Stadardabweichug σ x etstamme ud statistisch uabhägig sid, gilt: σw = σx 1 = σ x. Die Stadardabweichug des Mittelwerts vo uabhägige Zufallsvariable immt also bei Vergrößerug der Zahl der Messuge proportioal zu 1/ ab. Zetraler Grezwertsatz: Sid die Zufallsgröße x i uabhägig verteilt mit Mittelwert µ ud Variaz σx, so ist der Mittelwert 1 x i im Grezfall ormalverteilt mit Mittelwert µ ud Variaz σ x/ Auswertug vo Messuge Ei Meßwert x eier Meßgröße mit wahrem Wert µ folge eier Normalverteilug mit der durch die Meßapparatur bedigte Stadardabweichug σ (Meßfehler). Ausgehed vo der für die Normalverteilug geltede Aussage erhält ma durch Umformug der Ugleichuge P (µ σ x µ + σ) =68.7% µ σ x x µ + σ i die Ugleichuge die Aussage µ x + σ x σ µ P (x σ µ x + σ) =68.7% Diese Aussage bedeutet, daß der wahre Wert µ mit eier Wahrscheilichkeit vo 68.7 % ierhalb der (eifache) durch die Stadardabweichug gegebee Fehlergreze um de Meßwert liege. Die Aahme eier Normalverteilug ist bei Messuge meist gerechtfertigt (eie theoretische Begrüdug liefert der zetrale Grezwertsatz). Meßergebisse werde i der Form Meßwert ± Fehler x ± σ agegebe, wobei als Fehler die (eifache) Stadardabweichug agegebe wird. Empirische Werte vo Mittelwert ud Variaz. Zur Bestimmug vo Parameter der zugrude liegede Verteilug aus statistisch verteilte Date x i,,... werde Schätzfuktioe t(x 1,x,...x ) beutzt; diese sid als Fuktioe der Date selbst Zufallsvariable ud sollte u.a. die Eigeschaft habe, daß ihre Erwartugswerte im Grezwert (Kosistez) ud bei edliche Werte vo (Erwartugstreue) gleich de zu schätzede Parameter der Verteilug ist. Eie Schätzfuktio m für de Mittelwert eier Meßreihe x i,,... ist m = 1 x i Der Erwartugswert vo m ist E[m] = 1 E[x i ]=µ bei E[x i ]=µ ud damit ist m eie erwartugstreue Schätzfuktio. Eie erwartugstreue Schätzfuktio für die Variaz ist s x = 1 (x i m) 1
7 Zum Nachweis der Erwartugstreue wird zuächst die Summe umgeformt: (x i m) = = ((x i µ) (m µ)) = (x i µ) (m µ) (x i µ)+(m µ) (x i µ) (m µ), de es gilt (x i µ) =(m µ). Der Erwartugswert der Summe ist: [ ] [ ] E (x i m) = E (x i µ) Also ist der Erwartugswert vo s x E [ (m µ) ] = σ x σ x =( 1)σ x. E[s x ]= 1 1 ( 1)σ x = σ x ud damit ist s x eie erwartugstreue Schätzfuktio für σ x. Die empirische Stadardabweichug s x wird oft wie die wahre Stadardabweichug behadelt. Tatsächlich ist sie jedoch als Fuktio vo Zufallsvariable selbst eie Zufallsvariable ud damit statistische Schwakuge uterworfe. Für große Werte vo (etwa 10) ist die statistische Schwakug gerig ud meist verachlässigbar, bei sehr kleie Werte vo ist jedoch Vorsicht gebote. Formel. Die folgede Formel sid awedbar zur Berechug vo Mittelwert ud Stadardabweichuge, we Eizelwerte x 1,x...x gleicher Geauigkeit vorliege. Die Formel ethalte zur Erhöhug der umerische Geauigkeit eie geeiget zu wählede Wert x 0, der ugefähr gleich dem Mittelwert sei sollte. Gebildet werde zuächst die Summe: S x = (x i x 0 ) S xx = (x i x 0 ) Der Mittelwert x, die Stadardabweichug des Mittelwerts s x ud die Stadardabweichug der Eizelwerte s x ergebe sich aus: x = x 0 + S x s x = ( ) 1 S xx S x ( 1) s x = 1 ( ) S xx S x 1 Geradeapassug. Bei Meßreihe wird häufig eie Zufallsvariable y als Fuktio vo eier jeweils fest eistellbare Größe x gemesse. We für die Größe y eie fuktioelle Abhägigkeit vo x bekat ist, köe die Date x i,y i,,...beutzt werde, um Parameter, die i der fuktioelle Abhägigkeit vorkomme, zu bestimme. Bei eier lieare Abhägigkeit der Form y = y(x) =a + bx lasse sich die Parameter a ud b bestimme. Ei allgemeies Verfahre, um solche Probleme zu behadel, ist die Methode der kleiste Quadrate. Im Falle der Apassug eier Gerade a Date verfährt ma wie folgt. Zu gegebee Werte der Parameter a ud b köe die Residue ɛ i = y i (a + bx i ) berechet werde. Nach der Methode der kleiste Quadrate sid optimale Schätzwerte für a ud b die Werte, für die die Summe der Quadrate der Residue S(a, b) = ɛ i = (y i (a + bx i )) [ ] y i ay i bx i y i + a +abx i + b x i.
8 miimal ist. Zur Bestimmug des Miimums vo S bezüglich a ud b werde die partielle Ableituge vo S ach a ud b gebildet: S a S b = = ( y i + a + bx i ) ( ) xi y i + ax i + bx i, Die Bedigug, daß die Ableituge am Miimum verschwide, führt auf das lieare Gleichugssystem a + b x i = a x i + b x i = y i x i y i Zur Vereifachug werde die folgede Summe defiiert: S x = x i S xx = x i S y = y i S xy = Mit diese Größe lautet das lieare Gleichugssystem für a ud b: Es wird gelöst durch: a = S ys xx S xy S x S xx S x a + bs x = S y as x + bs xx = S xy. x i y i S yy = b = S xy S y S x S xx S x Die Variaze ud Kovariaze (die Parameter a ud b sid voeiader statistisch abhägig) ergebe sich ach de Gesetze der Fehlerfortpflazug zu y i S xx σa = σ S xx Sx σb = σ S xx Sx σ ab = σ S x, S xx Sx we die Stadardabweichug σ der Eizeldate y i bekat ist. We die Stadardabweichug der Eizeldate icht bekat ist, ka sie durch die Formel abgeschätzt werde. s = 1 (y i (a + bx i )) = 1 (S yy as y bs xy )
Wissenschaftliches Arbeiten Studiengang Energiewirtschaft
Wisseschaftliches Arbeite Studiegag Eergiewirtschaft - Auswerte vo Date - Prof. Dr. Ulrich Hah WS 01/013 icht umerische Date Tet-Date: Datebak: Name, Eigeschafte, Matri-Tabelleform Spalte: übliche Aordug:
MehrWahrscheinlichkeit & Statistik
Wahrscheilichkeit & Statistik created by Versio: 3. Jui 005 www.matheachhilfe.ch ifo@matheachhilfe.ch 079 703 7 08 Mege als Sprache der Wahrscheilichkeitsrechug, Begriffe, Grudregel Ereigisraum: Ω Ω Mege
Mehrn 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:
61 6.2 Grudlage der mathematische Statistik 6.2.1 Eiführug i die mathematische Statistik I der mathematische Statistik behadel wir Masseerscheiuge. Wir habe es deshalb im Regelfall mit eier große Zahl
Mehr15.4 Diskrete Zufallsvariablen
.4 Diskrete Zufallsvariable Vo besoderem Iteresse sid Zufallsexperimete, bei dee die Ergebismege aus reelle Zahle besteht bzw. jedem Elemetarereigis eie reelle Zahl zugeordet werde ka. Solche Zufallsexperimet
MehrStochastik für WiWi - Klausurvorbereitung
Dr. Markus Kuze WS 2013/14 Dipl.-Math. Stefa Roth 11.02.2014 Stochastik für WiWi - Klausurvorbereitug Gesetz der totale Wahrscheilichkeit ud Satz vo Bayes (Ω, F, P) Wahrscheilichkeitsraum, E 1,..., E F
MehrÜbungsblatt 1 zur Vorlesung Angewandte Stochastik
Dr Christoph Luchsiger Übugsblatt 1 zur Vorlesug Agewadte Stochastik Repetitio WT Herausgabe des Übugsblattes: Woche 9, Abgabe der Lösuge: Woche 1 (bis Freitag, 1615 Uhr), Rückgabe ud Besprechug: Woche
MehrVersuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK. 1. Vorbemerkung
Versuch 1/1 POISSON STATISTIK Blatt 1 POISSON STATISTIK Physikalische Prozesse, die eier statistische Gesetzmäßigkeit uterworfe sid, lasse sich mit eier Verteilugsfuktio beschreibe. Die Gauß-Verteilug
MehrMonte Carlo-Simulation
Mote Carlo-Simulatio Mote Carlo-Methode Der Begriff Mote Carlo-Methode etstad i de 1940er Jahre, als ma im Zusammehag mit dem Bau der Atombombe die Simulatio vo Zufallsprozesse erstmals i größerem Stil
MehrKapitel 6: Statistische Qualitätskontrolle
Kapitel 6: Statistische Qualitätskotrolle 6. Allgemeies Für die Qualitätskotrolle i eiem Uterehme (produzieredes Gewerbe, Diestleistugsuterehme, ) gibt es verschiedee Möglichkeite. Statistische Prozesskotrolle
MehrVereinheitlichung Einheitlicher Maßstab der Risikoeinschätzung. Limitierung / Steuerung Messung und Limitierung ist fundamental für die Steuerung
. Marktpreisrisiko Motivatio der VaR-Ermittlug Vereiheitlichug Eiheitlicher Maßstab der Risikoeischätzug Limitierug / Steuerug Messug ud Limitierug ist fudametal für die Steuerug Kapitaluterlegug Zur Deckug
MehrAllgemeine Lösungen der n-dimensionalen Laplace-Gleichung und ihre komplexe Variable
Allgemeie Lösuge der -dimesioale Laplace-Gleichug ud ihre komplexe Variable Dr. rer. at. Kuag-lai Chao Göttige, de 4. Jauar 01 Abstract Geeral solutios of the -dimesioal Laplace equatio ad its complex
Mehr6.6 Grundzüge der Fehler- und Ausgleichsrechnung 6.6.1 Fehlerarten- Aufgaben der Fehler- und Ausgleichsrechnung physikalisch-technische Experiment
103 66 Grudzüge der Fehler- ud Ausgleichsrechug 661 Fehlerarte- Aufgabe der Fehler- ud Ausgleichsrechug Jedes physikalisch-techische Experimet liefert gewisse gemessee Werte x Bei dem Messvorgag verwede
MehrFormelsammlung Mathematik
Formelsammlug Mathematik 1 Fiazmathematik 1.1 Reterechug Sei der Zissatz p%, der Zisfaktor q = 1 + p 100. Seie R die regelmäßig zu zahlede Rate, die Laufzeit. Edwert: Barwert: achschüssig R = R q 1 q 1
MehrStatistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S
Statistik mit Excel 2013 Peter Wies Theme-Special 1. Ausgabe, Februar 2014 W-EX2013S 3 Statistik mit Excel 2013 - Theme-Special 3 Statistische Maßzahle I diesem Kapitel erfahre Sie wie Sie Date klassifiziere
MehrTestumfang für die Ermittlung und Angabe von Fehlerraten in biometrischen Systemen
Testumfag für die Ermittlug ud Agabe vo Fehlerrate i biometrische Systeme Peter Uruh SRC Security Research & Cosultig GmbH peter.uruh@src-gmbh.de Eileitug Biometrische Systeme werde durch zwei wichtige
Mehr2 Vollständige Induktion
8 I. Zahle, Kovergez ud Stetigkeit Vollstädige Iduktio Aufgabe: 1. Bereche Sie 1+3, 1+3+5 ud 1+3+5+7, leite Sie eie allgemeie Formel für 1+3+ +( 3)+( 1) her ud versuche Sie, diese zu beweise.. Eizu5% ZiseproJahragelegtes
MehrStatistik und Wahrscheinlichkeitslehre
Statistik ud Wahrscheilichkeitslehre Zufall ud Mittelwerte Für alle techische Studiegäge Prof. Dr.-Ig. habil. Thomas Adamek Grudlage der Wahrscheilichkeitsrechug. Eiführug Grudlage vo Statistik ud Wahrscheilichkeitsrechug
MehrLösungen der Aufgaben zur Vorbereitung auf die Klausur Mathematik für Informatiker I
Uiversität des Saarlades Fakultät für Mathematik ud Iformatik Witersemester 2003/04 Prof. Dr. Joachim Weickert Dr. Marti Welk Dr. Berhard Burgeth Lösuge der Aufgabe zur Vorbereitug auf die Klausur Mathematik
MehrDer natürliche Werkstoff Holz - Statistische Betrachtungen zum uniaxialen Zugversuch am Beispiel von Furnier
Der atürliche Werkstoff Holz - Statistische Betrachtuge zum uiaxiale Zugversuch am Beispiel vo Furier B. Bellair, A. Dietzel, M. Zimmerma, Prof. Dr.-Ig. H. Raßbach Zusammefassug FH Schmalkalde, 98574 Schmalkalde,
MehrEinführung in die mathematische Statistik
Kapitel 7 Eiführug i die mathematische Statistik 7.1 Statistische Modellierug Bei der Modellierug eies Zufallsexperimets besteht oft Usicherheit darüber, welche W-Verteilug auf der Ergebismege adäquat
MehrVariiert man zusätzlich noch die Saatstärke (z.b. 3 Stärkearten), würde man von einer zweifaktoriellen Varianzanalyse sprechen.
3. Variazaalyse Die Variazaalyse mit eier quatitative abhägige Variable ud eier oder mehrerer qualitativer uabhägiger Variable wird auch als ANOVA (Aalysis of Variace) bezeichet. Mit eier Variazaalyse
Mehrelektr. und magnet. Feld A 7 (1)
FachHochschule Lausitz Physikalisches Praktikum α- ud β-strahlug im elektr. ud maget. Feld A 7 Name: Matrikel: Datum: Ziel des Versuches Das Verhalte vo α- ud β-strahlug im elektrische ud magetische Feld
Mehr3. Einführung in die Statistik
3. Eiführug i die Statistik Grudlegedes Modell zu Date: uabhägige Zufallsgröße ; : : : ; mit Verteilugsfuktio F bzw. Eizelwahrscheilichkeite p ; : : : ; p r i de Aweduge: kokrete reale Auspräguge ; : :
MehrKapitel 1. Einige Begriffe aus der Asymptotik. 1.1 Wiederholung
Kapitel Eiige Begriffe aus der Asymptotik. Wiederholug Eiwesetlicher Teil der Ökoometrie befasst sichmit der Ermittlug voschätzer ud dere Eigeschafte. Diese werde beötigt, um aus de beobachtbare Date eier
MehrZahlenfolgen, Grenzwerte und Zahlenreihen
KAPITEL 5 Zahlefolge, Grezwerte ud Zahlereihe. Folge Defiitio 5.. Uter eier Folge reeller Zahle (oder eier reelle Zahlefolge) versteht ma eie auf N 0 erlarte reellwertige Futio, die jedem N 0 ei a R zuordet:
MehrSUCHPROBLEME UND ALPHABETISCHE CODES
SUCHPROBLEME UND ALPHABETISCHE CODES Der Problematik der alphabetische Codes liege Suchprobleme zugrude, dere Lösug dem iformatiostheoretische Problem der Fidug eies (optimale) alphabetische Codes gleich
MehrKapitel 4: Stationäre Prozesse
Kapitel 4: Statioäre Prozesse M. Scheutzow Jauary 6, 2010 4.1 Maßerhaltede Trasformatioe I diesem Kapitel führe wir zuächst de Begriff der maßerhaltede Trasformatio auf eiem Wahrscheilichkeitsraum ei ud
MehrInnerbetriebliche Leistungsverrechnung
Ierbetriebliche Leistugsverrechug I der Kostestellerechug bzw. im Betriebsabrechugsboge (BAB ist ach der Erfassug der primäre Kostestellekoste das Ziel, die sekudäre Kostestellekoste, also die Koste der
MehrStatistische Maßzahlen. Statistik Vorlesung, 10. März, 2010. Beispiel. Der Median. Beispiel. Der Median für klassifizierte Werte.
Statistik Vorlesug,. ärz, Statistische aßzahle Iformatio zu verdichte, Besoderheite hervorzuhebe ittelwerte Aufgabe: die Lage der Verteilug auf der Abszisse zu zeige. Der odus: derjeige Wert, der im Häufigste
MehrGliederung. Value-at-Risk
Value-at-Risk Dr. Richard Herra Nürberg, 4. Noveber 26 IVS-Foru Gliederug Modell Beispiel aus der betriebliche Altersversorgug Verteilug des Gesatschades Value-at-Risk ud Tail Value-at-Risk Risikobeurteilug
MehrBeschreibende Statistik Kenngrößen in der Übersicht (Ac)
Beschreibede Statistik Kegröße i der Übersicht (Ac) Im folgede wird die Berechugsweise des TI 83 (sowie vo SPSS, s. ute) verwedet. Diese geht auf eie Festlegug vo Moore ud McCabe (00) zurück. I der Literatur
MehrVersuch 13/1 NEWTONSCHE INTERFERENZRINGE Blatt 1 NEWTONSCHE INTERFERENZRINGE
Versuch 3/ NEWTONSCHE INTERFERENZRINGE Blatt NEWTONSCHE INTERFERENZRINGE Die Oberfläche vo Lise hat im allgemeie Kugelgestalt. Zur Messug des Krümmugsradius diet das Sphärometer. Bei sehr flacher Krümmug
MehrLV "Grundlagen der Informatik" Programmierung in C (Teil 2)
Aufgabekomplex: Programmiere i C (Teil vo ) (Strukturierte Datetype: Felder, Strukture, Zeiger; Fuktioe mit Parameterübergabe; Dateiarbeit) Hiweis: Alle mit * gekezeichete Aufgabe sid zum zusätzliche Übe
MehrEin kleines Einmaleins über Mittelwertbildungen
Vorlesugsergäzug zur Igeieurmathematik R.Brigola Ei kleies Eimaleis über Mittelwertbilduge Grudlage über arithmetische Mittel, geometrische Mittel, harmoische Mittel, quadratische Mittel ud das arithmetisch-geometrische
MehrZur Ableitung zulässiger Messunsicherheiten
Zur Ableitug zulässiger Messusicherheite aus Toleraze bei Igeieurvermessuge a Krabahe Has Schulz Vo de jeweilige Herstelltoleraze ist für die Vermessug ei bestimmter Ateil die Vermessugstoleraz vorzusehe,
MehrKapitel 6: Quadratisches Wachstum
Kapitel 6: Quadratisches Wachstum Dr. Dakwart Vogel Ui Esse WS 009/10 1 Drei Beispiele Beispiel 1 Bremsweg eies PKW Bremsweg Auto.xls Ui Esse WS 009/10 Für user Modell des Bremsweges gilt a = a + d a =
Mehr6.1 Grundlagen der Wahrscheinlichkeitsrechnung 6.1.1 Definitionen und Beispiele Beispiel 1 Zufallsexperiment 1,2,3,4,5,6 Elementarereignis
6. Grudlage der Wahrscheilichkeitsrechug 6.. Defiitioe ud Beispiele Spiele aus dem Alltagslebe: Würfel, Müze, Karte,... u.s.w. sid gut geeiget die Grudlage der Wahrscheilichkeitsrechug darzustelle. Wir
Mehr1 Einführung in die Fehlerrechnung
Physik für Biologie ud Zwei-Fächer-Bachelor Chemie Kap.: Eiführug i die Fehlerrechug Eiführug i die Fehlerrechug Tiefemessschiee Abbildug: Messschieber. Theoretische Grudlage Bei jeder physikalische Messug
MehrMusterlösung zu Übungsblatt 2
Prof. R. Padharipade J. Schmitt C. Schießl Fuktioetheorie 25. September 15 HS 2015 Musterlösug zu Übugsblatt 2 Aufgabe 1. Reelle Fuktioe g : R R stelle wir us üblicherweise als Graphe {(x, g(x)} R R vor.
MehrElektronikpraktikum: Digitaltechnik 2
Elektroikpraktikum: Digitaltechik 2 Datum, Ort: 16.05.2003, PHY/D-213 Betreuer: Schwierz Praktikate: Teshi C. Hara, Joas Posselt (beide 02/2/PHY/02) Gruppe: 8 Ziele Aufbau eier 3-Bit-Dekodierschaltug;
MehrIntegrationsseminar zur BBL und ABWL Wintersemester 2002/2003
Credit Risk+ Itegratiossemiar zur BBL ud BWL Witersemester 2002/2003 Oksaa Obukhova lia Sirsikova Credit Risk+ 1 Ihalt. Eiführug i die Thematik B. Ökoomische Grudlage I. Ziele II. wedugsmöglichkeite 1.
Mehrx 2 + 2 m c Φ( r, t) = n q n (t) φ n ( r) (5) ( + k 2 n ) φ n ( r) = 0 (6a)
Quatisierug eies skalare Feldes Das Ziel ist eigetlich das elektromagetische Feld zu quatisiere, aber wie ma scho a de MAXWELLsche Gleichuge sehe ka, ist es zu kompliziert, um damit zu begie. Außerdem
MehrMathematische Statistik
Skript Mathematische Statistik Max v. Reesse Aufgezeichet vo Tobias Weihrauch Sommersemester 202 Uiversität Leipzig INHALTSVERZEICHNIS Ihaltsverzeichis Eiführug 3. Statistik als Teil der Stochastik........................
Mehr"Ich glaube nur die Statistik, die ich selbst gefälscht habe."
THEORETISCHE GRUNDLAGEN I der Biophysik versuche wir biologische Vorgäge mit physikalische Methode zu utersuche ud zu verstehe. Wir setze dabei voraus, dass biologische Größe quatitativ gemesse ud mit
MehrErwartungswert und Varianz bei Verteilungen und Glücksspielen
HL Saalfelde Erwartugswert / Variaz Seite vo 7 Wilfried Rohm Erwartugswert ud Variaz bei Verteiluge ud Glücksspiele Mathematische / Fachliche Ihalte i Stichworte: Erwartugswerte ud Variaz (Stadardabweichug)
MehrInhaltsverzeichnis Office Excel 2003 - Themen-Special: Statistik I
W-EX2003S Autor: Christia Müster Ihaltliches Lektorat: Peter Wies Überarbeitete Ausgabe vom 23. Mai 2007 by HERDT-Verlag für Bildugsmedie GmbH, Bodeheim Microsoft Office Excel 2003 für Widows Theme-Special:
MehrElementare Wahrscheinlichkeitsrechnung und Statistik
CURANDO UNIVERSITÄT ULM SCIENDO DOCENDO Elemetare Wahrscheilichkeitsrechug ud Statistik Uiversität Ulm Istitut für Stochastik Vorlesugsskript Prof. Dr. Volker Schmidt Stad: Witersemester 28/9 Ulm, im Februar
Mehr1 Analysis T1 Übungsblatt 1
Aalysis T Übugsblatt A eier Weggabelug i der Wüste lebe zwei Brüder, die vollkomme gleich aussehe, zwische dee es aber eie gewaltige Uterschied gibt: Der eie sagt immer die Wahrheit, der adere lügt immer.
Mehr1 = 1. 6 Induktionsannahme: Die Formal gelte für n = k. Induktionsschritt: Gültigkeit der Formel für k+1: 1 2 + 2 2 +... + k 2 + (k + 1) 2 = 2 = 6 = 6
65 Eric Müller Vollstädige Iduktio Nach GIUSEPPE PEANO (858-93) ka ma die Mege N der atürliche Zahle durch folgede Axiome defiiere []:. ist eie atürliche Zahl.. Zu jeder atürliche Zahl gibt es geau eie
MehrModel CreditRisk + : The Economic Perspective of Portfolio Credit Risk Part I
Model CreditRisk + : The Ecoomic Perspective of Portfolio Credit Risk Part I Semiar: Portfolio Credit Risk Istructor: Rafael Weißbach Speaker: Pablo Kimmig Ageda 1. Asatz ud Ziele Was ist CreditRisk +
MehrDiplomarbeit. Stochastische Modelle für Schadenabwicklungsschemata unter Berücksichtigung von Reservenbildung
- - Prof. Dr. Dietmar Pfeifer Uiversität Hamburg Fachbereich Mathematik Istitut für Mathematische Stochastik Diplomarbeit Stochastische Modelle für Schadeabwicklugsschemata uter Berücksichtigug vo Reservebildug
MehrNachklausur - Analysis 1 - Lösungen
Prof. Dr. László Székelyhidi Aalysis I, WS 212 Nachklausur - Aalysis 1 - Lösuge Aufgabe 1 (Folge ud Grezwerte). (i) (1 Pukt) Gebe Sie die Defiitio des Häufugspuktes eier reelle Zahlefolge (a ) N. Lösug:
MehrInformatik II Dynamische Programmierung
lausthal Iformatik II Dyamische Programmierug. Zachma lausthal Uiversity, ermay zach@i.tu-clausthal.de Zweite Techik für de Algorithmeetwurf Zum Name: "Dyamische " hat ichts mit "Dyamik" zu tu, soder mit
MehrInstitut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban
Istitut für tochastik Prof. Dr. N. Bäuerle Dipl.-Math.. Urba Lösugsvorschlag 9. Übugsblatt zur Vorlesug Fiazmathematik I Aufgabe Ei euartiges Derivat) Wir sid i eiem edliche, arbitragefreie Fiazmarkt,
MehrLernhilfe in Form eines ebooks
Ziseszisrechug Lerhilfe i Form eies ebooks apitel Thema Seite 1 Vorwort ud Eiführug 2 2 Theorie der Ziseszisrechug 5 3 Beispiele ud Beispielrechuge 12 4 Testaufgabe mit Lösuge 18 Zis-Ziseszis.de 212 Seite
MehrGrundkompetenz-Aufgaben
Durch starte Mathematik übugsbuch bis Grudkompetez-Aufgabe Aufgrud der eue schriftliche Reifeprüfug i Mathematik ist es otwedig, sich mit de eue Grudkompetez-Aufgabe auseiaderzusetze. Die Olie-Ergäzug
Mehrh i Deskriptive Statistik 1-dimensionale Daten Daten und Häufigkeiten Seite 1 Nominal Ordinal Metrisch (Kardinal) Metrisch - klassiert
Deskriptive Statistik dimesioale Date Date ud Häufigkeite Seite Nomial Ordial Metrisch (Kardial Metrisch klassiert Beschreibug: Date habe keie atürliche Reihefolge. Bsp: Farbe, Religio, Geschlecht, Natioalität...
MehrZur Definition. der wirksamen. Wärmespeicherkapazität
Ao. Uiv. Prof. Dipl.-Ig. Dr. tech. Klaus Kreč, Büro für Bauphysik, Schöberg a Kap, Österreich Zur Defiitio der wirksae Wärespeicherkapazität vo Ao. Uiv. Prof. Dipl.-Ig. Dr. tech. Klaus Kreč Büro für Bauphysik
MehrLerneinheit 2: Grundlagen der Investition und Finanzierung
Lereiheit 2: Grudlage der Ivestitio ud Fiazierug 1 Abgrezug zu de statische Verfahre Durchschittsbetrachtug wird aufgegebe Zeitpukt der Zahlugsmittelbewegug explizit berücksichtigt exakte Erfassug der
MehrSatz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist.
Erfüllbarkeit, Uerfüllbarkeit, Allgemeigültigkeit Defiitio Eie Belegug β ist passed zu eiem Boolesche Term t, falls β für alle atomare Terme i t defiiert ist. (Wird ab jetzt ageomme.) Ist β(t) = true,
MehrStatistik I/Empirie I
Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass
Mehr9 Der bipolare Transistor
9 Der bipolare Trasistor Der bipolare Trasistor ist ei Halbleiter-auelemet, bei dem mit eiem kleie Steuerstrom ei großer Hauptstrom gesteuert wird. 9.1 Aufbau ud Herstellugsverfahre Der bipolare Trasistor
MehrEmpirische Methoden I
Hochschule für Wirtschaft ud 2012 Umwelt Nürtige-Geislige Fakultät Betriebswirtschaft ud Iteratioale Fiaze Prof. Dr. Max C. Wewel Prof. Dr. Corelia Niederdrek-Felger Aufgabe zum Tutorium Empirische Methode
MehrKryptologie: Kryptographie und Kryptoanalyse Kryptologie ist die Wissenschaft, die sich mit dem Ver- und Entschlüsseln von Informationen befasst.
Krytologie: Krytograhie ud Krytoaalyse Krytologie ist die Wisseschaft, die sich mit dem Ver- ud Etschlüssel vo Iformatioe befasst. Beisiel Iteretkommuikatio: Versiegel (Itegrität der Nachricht) Sigiere
MehrAuch im Risikofall ist das Entscheidungsproblem gelöst, wenn eine dominante Aktion in A existiert.
Prof. Dr. H. Rommelfager: Etscheidugstheorie, Kaitel 3 7 3. Etscheidug bei Risiko (subjektive oder objektive) Eitrittswahrscheilichkeite für das Eitrete der mögliche Umweltzustäde köe vom Etscheidugsträger
MehrQualitätskennzahlen für IT-Verfahren in der öffentlichen Verwaltung Lösungsansätze zur Beschreibung von Metriken nach V-Modell XT
Qualitätskezahle für IT-Verfahre i der öffetliche Verwaltug Lösugsasätze zur Vo Stefa Bregezer Der Autor arbeitet im Bereich Softwaretest ud beschäftigt sich als Qualitätsbeauftragter mit Theme zu Qualitätssicherug
MehrPhysikalische Grundlagen: Strahlengang durch optische Systeme
ieser Text ist ür iteressierte Leser gedacht, die sich über die klausur-relevate, physiologische Grudlage hiaus mit der Optik des Auges beschätige wolle! Physikalische Grudlage: Strahlegag durch optische
MehrDie Gasgesetze. Die Beziehung zwischen Volumen und Temperatur (Gesetz von J.-L. und J. Charles): Gay-Lussac
Die Gasgesetze Die Beziehug zwische olume ud Temeratur (Gesetz vo J.-L. Gay-Lussac ud J. Charles): cost. T oder /T cost. cost.. hägt h vo ud Gasmege ab. Die extraolierte Liie scheidet die Temeratur- skala
MehrMathematik. Vorlesung im Bachelor-Studiengang Business Administration (Modul BWL 1A) an der FH Düsseldorf im Wintersemester 2008/09
Mathematik Vorlesug im Bachelor-Studiegag Busiess Admiistratio (Modul BWL A) a der FH Düsseldorf im Witersemester 2008/09 Dozet: Dr. Christia Kölle Teil I Fiazmathematik, Lieare Algebra, Lieare Optimierug
MehrFINANZMATHEMATIK. 1. Zinsen und Zinseszinsen. Finanzmathematik 81
Fiazmathematik 8 FINANZMATHEMATIK. Zise ud Ziseszise Die Zise als Preis für die Zurverfügugstellug vo Geld bilde das zetrale Elemet i der Fiazmathematik. Hierbei sid verschiedee Arte der Verzisug zu uterscheide.
Mehrvon Prof. Dr. Ing. Dirk Rabe FH Emden/Leer
vo Prof. Dr. Ig. Dirk Rbe FH Emde/Leer Überblick: Folge ud Reihe Folge: Zhlefolge ( ) ; ; ; ist eie geordete Liste vo Zhle ( IN) : Glieder der Folge f(): Bildugsgesetz (eplizit i oder rekursiv) z.b.: (
MehrVersuch D3: Energiebilanz einer Verbrennung
Versuch D: Eergiebilaz eier Verbreug 1. Eiführug ud Grudlage 1.1 Eergiebilaz eier Verbreug Die Eergiebilaz eier Verbreug wird am eispiel eier kleie rekammer utersucht, i welcher die bei der Verbreug vo
Mehr2. Gleichwertige Lösungen
8. Gleichwertige Lösuge Für die Lösug jeder lösbare Aufgabe gibt es eie uedliche Azahl vo (abstrakte ud kokrete) Algorithme. Das folgede Problem illustriert, dass eie Aufgabe eifacher oder kompliziert,
MehrProtokoll zum Anfängerpraktikum
Protokoll zum Afägerpraktikum Polarisatio vo Licht Gruppe, Team 5 Sebastia Korff Frerich Max 0.07.06 Ihaltsverzeichis. Eileitug -3-. Polarisatio -3-. Dichroismus -4-.3 BREWSTER Wikel -5-.4 Der FARADAY
Mehr2. Diophantische Gleichungen
2. Diophatische Gleichuge [Teschl05, S. 91f] 2.1. Was ist eie diophatische Gleichug ud wozu braucht ma sie? Def D2-1: Eie diophatische Gleichug ist eie Polyomfuktio i x,y,z,, bei der als Lösuge ur gaze
MehrLinsengesetze und optische Instrumente
Lisegesetze ud optische Istrumete Gruppe X Xxxx Xxxxxxxxx Xxxxxxx Xxxxxx Mat.-Nr.: XXXXX Mat.-Nr.: XXXXX XX.XX.XX Theorie Im olgede werde wir eie kurze Überblick über die Fuktio, de Aubau ud die Arte vo
MehrStichproben im Rechnungswesen, Stichprobeninventur
Stichprobe im Rechugswese, Stichprobeivetur Prof Dr Iree Rößler ud Prof Dr Albrecht Ugerer Duale Hochschule Bade-Württemberg Maheim Im eifachste Fall des Dollar-Uit oder Moetary-Uit Samplig (DUS oder MUS-
Mehr1 Wahrscheinlichkeitslehre
Wahrscheilichkeitslehre. Grudlage der Wahrscheilichkeitsrechug Die Wahrscheilichkeitslehre ist ei elemetarer Bestadteil der Statistik. Die mathematische Wahrscheilichkeitslehre umfasst ei kompliziertes
MehrLöslichkeitsdiagramm. Grundlagen
Grudlage Löslichkeitsdiagramm Grudlage Zur etrachtug des Mischugsverhaltes icht vollstädig mischbarer Flüssigkeite, das heißt Flüssigkeite, die sich icht bei jeder Temperatur i alle Megeverhältisse miteiader
MehrRobuste Asset Allocation in der Praxis
Fiazmarkt Sachgerechter Umgag mit Progosefehler Robuste Asset Allocatio i der Praxis Pesiosfods ud adere istitutioelle Aleger sid i aller Regel a ei bestimmtes Rediteziel (Rechugszis) gebude, das Jahr
Mehr2 Amplitudenmodulation
R - ING Übertraggstechik MOD - 16 Aplitdeodlatio Der isträger bietet drei igalparaeter, die wir beeiflsse köe. Etspreched terscheide wir Aplitdeodlatio für die beeiflsste Aplitde, Freqezodlatio d Phaseodlatio
MehrArbeitsplätze in SAP R/3 Modul PP
Arbeitsplätze i SAP R/3 Modul PP Was ist ei Arbeitsplatz? Der Stadort eier Aktioseiheit, sowie dere kokrete räumliche Gestaltug Was ist eie Aktioseiheit? kleiste produktive Eiheit i eiem Produktiosprozess,
MehrDatenauswertung. Prof. Dr. Josef Brüderl Universität Mannheim. Frühjahrssemester 2007
Dateauswertug Prof. Dr. Josef Brüderl Uiversität Maheim Frühjahrssemester 007 Methode-Curriculum B.A. Soziologie Basismodul: Methode ud Statistik: VL Dateerhebug (): 5 ÜK (): 3 ----------------------------------------------------------
MehrFinanzmathematische Formeln und Tabellen
Jui 2008 Dipl.-Betriebswirt Riccardo Fischer Fiazmathematische Formel ud Tabelle Arbeitshilfe für Ausbildug, Studium ud Prüfug im Fach Fiaz- ud Ivestitiosrechug Dieses Werk, eischließlich aller seier Teile,
MehrGeodäten im hyperbolischen Raum und Zahlentheorie
Petridis, Yiais Geodäte im hyperbolische Raum ud Zahletheorie Tätigkeitsbericht 2006 Geodäte im hyperbolische Raum ud Zahletheorie Petridis, Yiais Max-Plack-Istitut für Mathematik, Bo Forschugsbereich
MehrLeitfaden zum. Bondm-Index
Leitfade zum Bodm-Idex Versio 1.0 vom 01. September 2011 1 Ihalt Eiführug 1 Parameter des Idex 1.1 Kürzel ud ISIN 1.2 Startwert 1.3 Verteilug 1.4 Preise ud Berechugsfrequez 1.5 Gewichtug 1.6 Idex-Komitee
MehrVorlesung Experimentalphysik I am 16.10.2000 und 17.10.2000 J. Ihringer
V1_1Messe.DOC 1 Vorlesug Experimetalphysik I am 16.10.2000 ud 17.10.2000 J. Ihriger 1 Mechaik Die Mechaik ist die Lehre vo der Bewegug ud Verformug vo Körper uter dem Eifluß vo Kräfte. I der Mechaik der
MehrWintersemester 2006/2007, Universität Rostock Abgabetermin: spätestens 24.10.2006, 09:00 Uhr. Aufgabe 1.1: (5 P)
Serie Abgabetermi: spätestes 24.0.2006, 09:00 Uhr Aufgabe.: 5 P Zeige Sie, dass das geometrische Mittel icht größer ist als das arithmetische Mittel, d.h., dass für alle Zahle a, b R mit a, b 0 gilt ab
MehrWirtschaftsingenieurwesen Wirtschaftsmathematik Prüfungsleistung WI-WMT-P12 040703. Studiengang Fach Art der Leistung Klausur-Knz. Datum 03.07.
Studiegag Fach Art der Leistug Klausur-Kz. Wirtschaftsigeieurwese Wirtschaftsmathematik Prüfugsleistug WI-WMT-P 040703 Datum 03.07.004 Bezüglich der Afertigug Ihrer Arbeit sid folgede Hiweise verbidlich:
MehrHöhere Finanzmathematik. Sehr ausführliches Themenheft (d. h. mit Theorie) Aber auch mit vielen Trainingsaufgaben
Expoetielles Wachstum Höhere Fiazmathematik Sehr ausführliches Themeheft (d. h. mit Theorie) Aber auch mit viele Traiigsaufgabe Es hadelt sich um eie Awedug vo Expoetialfuktioe (Wachstumsfuktioe) Datei
MehrMethodische Grundlagen der Kostenkalkulation
Methodische Grudlage der Kostekalkulatio Plaugsebee Gebrauchsgüter Die i der ladwirtschaftliche Produktio eigesetzte Produktiosmittel werde i Gebrauchsgüter ud Verbrauchsgüter uterteilt. Zu de Gebrauchsgüter
MehrVorlesung Einführung in die mathematische Statistik
Vorlesug Eiführug i die mathematische Statistik Prof. A. Atille Sommersemester 2004 Literatur P.J. Bickel K.A. Doksum, Mathematical Statistics: Basic Ideas ad Selected Topics Holde-Day, 1977. L. Breima,
MehrWS 2000/2001. zeitanteiliger nomineller Jahreszinssatz für eine unterjährige Verzinsungsperiode bei einfachen Zinsen
Aufgabe 1: WS 2000/2001 Aufgabe 1: (4 P (4 Pukte) Gebe Sie die Formel zur Bestimmug des relative sowie des koforme Zissatzes a ud erläuter Sie die Uterschiede bzw. Gemeisamkeite der beide Zisfüße. Lösug:
MehrLektion II Grundlagen der Kryptologie
Lektio II Grudlage der Kryptologie Klassische Algorithme Ihalt Lektio II Grudbegriffe Kryptologie Kryptographische Systeme Traspositioschiffre Substitutioschiffre Kryptoaalyse Übuge Vorlesug Datesicherheit
MehrWirtschaftsmathematik
Studiegag Betriebswirtschaft Fach Wirtschaftsmathematik Art der Leistug Studieleistug Klausur-Kz. BW-WMT-S1 040508 Datum 08.05.004 Bezüglich der Afertigug Ihrer Arbeit sid folgede Hiweise verbidlich: Verwede
Mehr1.1 Berechnung des Endwerts einer Einmalanlage bei linearer ganzjähriger Verzinsung nach n Verzinsungsjahren
Forelsalug zur Fiazatheatik 1. Eifache Zisrechug (lieare Verzisug) 1.1 Berechug des Edwerts eier Eialalage bei liearer gazjähriger Verzisug ach Verzisugsjahre p = 1 + = ( 1+ i ) 1 1.2 Berechug des Gegewartswerts
MehrZusammenfassung Wirtschaftsinformatik Stefan Käßmann
I. Iformatio ud Nachricht 1. Iformatio ud Nachricht - Nachricht (Sytax), Sigale, Zeiche - Iformatio (Sematik), bit - Rausche 2. digitale Nachrichte - digitale Sigale (Sigalparameter aus edlicher Zeichevorrat)
MehrPage-Rank: Markov-Ketten als Grundlage für Suchmaschinen im Internet
Humboldt-Uiversität zu Berli Istitut für Iformatik Logik i der Iformatik Prof. Dr. Nicole Schweikardt Page-Rak: Markov-Kette als Grudlage für Suchmaschie im Iteret Skript zum gleichamige Kapitel der im
MehrEntwicklung eines Meßsystems zur Bestimmung der Luftdichtigkeit von Bauteilen in situ
Nachdruck aus Bauhysik 17 (1995), H. 4, S. 111-114 1 Etwicklug eies Meßsystems zur Bestimmug der Luftdichtigkeit vo Bauteile Achim Geißler ud Gerd Hauser Dil.-Ig. Achim Geißler ist wisseschaftliche Mitarbeiter
MehrAnalysis I Probeklausur 2
WS /2 Mriescu/ Ert Alysis I Probeklusur 2. Aufgbe Die Folge (x ) N sei rekursiv defiiert durch x =, x + = 2+x. () Beweise, dss die Folge (x ) N streg mooto wchsed ist. (b) Beweise, dss (x ) N durch 2 ch
Mehr