Übung 1 Algorithmen II
|
|
- Harald Eberhardt
- vor 6 Jahren
- Abrufe
Transkript
1 Yaroslav Akhremtsev, Demia Hespe Mit Folie vo Michael Axtma (teilweise) Akhremtsev, Hespe: KIT Uiversität des Lades Bade-Württemberg ud atioales Forschugszetrum i der Helmholtz-Gemeischaft
2 Orgaisatorisches Vorlesuge: Mo 09:45 11:15 HS Neue Chemie Di 15:45 16:30 HS Neue Chemie Saalübug: Di 16:30 17:15 HS Neue Chemie Übugsblätter: 14-tägig, jeweils Diestags, Musterlösug 9 Tage später 1. Blatt: Ilias Forum: Frage zum Vorlesugsihalt (auch aoym möglich) Vorlesugsaufzeichug: Mitschitte der Vorlesug auf Youtube 1 Akhremtsev, Hespe:
3 Orgaisatorisches Sprechstude: Peter Saders, Diestag 13:45 14:45 Uhr, Raum 217 Thomas Worsch, Freitag 8:00 9:00 Uhr, Raum 230 Simo Gog, Nach Vereibarug, Raum 220 (erst ab November) Demia Hespe, Nach Vereibarug, Raum 210 Yarsolav Akhremtsev, Doerstag 14:00 15:00 Uhr, Raum 221 Letzte Vorlesug: 06. Februar 2018 Klausur: Mittwoch, 21. Februar 2018, 11:30 Uhr 2 Akhremtsev, Hespe:
4 Themeübersicht Radomisierte Algorithme Grudlage Verifikatio vo Matrix-Matrix Multiplikatio Coupo Collector Problem Harmoische Zahle 3 Akhremtsev, Hespe:
5 Radomisierte Algorithme Übersicht Las Vegas Algorithmus immer korrekte/optimale Lösug Laufzeit ist Zufallsvariable erwartete Laufzeit E[T ] Bsp.: Quicksort Mote Carlo Algorithmus falsche/suboptimale Lösug möglich mit Wahrscheilichkeit p Beschräkte (worst-case) Laufzeit Bsp.: Miller-Rabi Primzahltest, icht vorbereiteter Studet beim multiple-choice Test 4 Akhremtsev, Hespe:
6 Radomisierte Algorithme Las Vegas Mote Carlo geg: Las Vegas Algorithmus mit erwarteter Laufzeit E[T ] = f () ges: Mote Carlo Algorithmus mit Laufzeit O(f ()), Fehlerrate p Idee: Abbruch ach Zeit αf () Ausgabe FALSCH, we Algorithmus abgebroche wurde P[T > αf ()] 1/α (Markov Ugleichug) Mote Carlo Algorithmus mit Laufzeit αf () ud Fehlerrate p = 1/α 5 Akhremtsev, Hespe:
7 Radomisierte Algorithme Mote Carlo Las Vegas geg: Mote Carlo Algorithmus mit Laufzeit O(f ()), Fehlerrate p < 1 (gilt für alle Eigabe), Korrektheit i O(g()) prüfbar ges: Las Vegas Algorithmus mit erwarteter Laufzeit E[T ] Idee: Wiederhole MC bis korrekte Ergebis gefude Laufzeit T i O(f () + g()) (i Schritte beötigt) E[T ] E[i] O(f () + g()) E[i] = k=1 k pk 1 (1 p) = 1 1 p 6 Akhremtsev, Hespe: Sei f (p) = k=0 pk (also f (p) = k=1 k pk 1 ) f (p) = 1 p 1 (geometrische Reihe) f (p) = 1 (1 p) 2 E[i] = f (p) (1 p) = 1 p 1 Las Vegas Algorithmus mit erwarteter Laufzeit E[T ] O(f ()+g()) 1 p
8 Radomisierte Algorithme Matrix-Matrix Multiplikatio Aufgabe: Überprüfe, ob X Y = Z für Matrize X, Y, Z determiistisch: bereche X Y ud vergleiche mit Z Laufzeit O( 3 ) (aiv), O( 2.37 ) (best) radomisiert: Wähle 0-1 Vektor r = (r 1,..., r ) zufällig We X (Yr) = Zr da KORREKT, sost FALSCH Laufzeit O( 2 ) Behauptug: We XY = Z da P[XYr = Zr] Akhremtsev, Hespe:
9 Radomisierte Algorithme Matrix-Matrix Multiplikatio Aufgabe: Überprüfe, ob X Y = Z für Matrize X, Y, Z determiistisch: bereche X Y ud vergleiche mit Z Laufzeit O( 3 ) (aiv), O( 2.37 ) (best) radomisiert: Wähle 0-1 Vektor r = (r 1,..., r ) zufällig We X (Yr) = Zr da KORREKT, sost FALSCH Laufzeit O( 2 ) r Behauptug: We XY = Z da P[XYr = Zr] Akhremtsev, Hespe:
10 Radomisierte Algorithme Matrix-Matrix Multiplikatio Aufgabe: Überprüfe, ob X Y = Z für Matrize X, Y, Z determiistisch: bereche X Y ud vergleiche mit Z Laufzeit O( 3 ) (aiv), O( 2.37 ) (best) radomisiert: Wähle 0-1 Vektor r = (r 1,..., r ) zufällig We X (Yr) = Zr da KORREKT, sost FALSCH Laufzeit O( 2 ) C r Behauptug: We XY = Z da P[XYr = Zr] Akhremtsev, Hespe:
11 Radomisierte Algorithme Matrix-Matrix Multiplikatio Behauptug: We XY = Z da P[XYr = Zr] 0.5 Defiitioe: A := XY, B := Z Aahme: A = B; Wa ist da Ar = Br? i, j : A i,j = B i,j Sei a := A i ud b := B i (A i : i te Zeile vo A) α := k =j a k r k ud β := k =j b k r k ar = α + a j r j ud br = β + b j r j ar br = (α β) + (a j b j )r j Aahme: Werte für r 1...j 1,j+1... bereits festgelegt och 2 Möglichkeite für r j, Gleichheit bei maximal eier Pr[ar br = 0] = Pr[r j = α β a j b j ] 1 2 Fehlerrate p Akhremtsev, Hespe:
12 Radomisierte Algorithme Matrix-Matrix Multiplikatio Behauptug: We XY = Z da P[XYr = Zr] 0.5 Defiitioe: A := XY, B := Z Aahme: A = B; Wa ist da Ar = Br? i i, j : A i,j = B i,j Sei a := A i ud b := B i (A i : i te Zeile vo A) α := k =j a k r k ud β := k =j b k r k ar = α + a j r j ud br = β + b j r j ar br = (α β) + (a j b j )r j Aahme: Werte für r 1...j 1,j+1... bereits festgelegt och 2 Möglichkeite für r j, Gleichheit bei maximal eier Pr[ar br = 0] = Pr[r j = α β a j b j ] 1 2 Fehlerrate p Akhremtsev, Hespe: A j B j i
13 Radomisierte Algorithme Matrix-Matrix Multiplikatio Behauptug: We XY = Z da P[XYr = Zr] 0.5 Defiitioe: A := XY, B := Z Aahme: A = B; Wa ist da Ar = Br? a aj i, j : A i,j = B i,j Sei a := A i ud b := B i (A i : i te Zeile vo A) α := k =j a k r k ud β := k =j b k r k ar = α + a j r j ud br = β + b j r j ar br = (α β) + (a j b j )r j Aahme: Werte für r 1...j 1,j+1... bereits festgelegt och 2 Möglichkeite für r j, Gleichheit bei maximal eier Pr[ar br = 0] = Pr[r j = α β a j b j ] 1 2 Fehlerrate p Akhremtsev, Hespe: A B bj b
14 Radomisierte Algorithme Matrix-Matrix Multiplikatio Behauptug: We XY = Z da P[XYr = Zr] 0.5 Defiitioe: A := XY, B := Z Aahme: A = B; Wa ist da Ar = Br? a aj i, j : A i,j = B i,j Sei a := A i ud b := B i (A i : i te Zeile vo A) α := k =j a k r k ud β := k =j b k r k ar = α + a j r j ud br = β + b j r j ar br = (α β) + (a j b j )r j Aahme: Werte für r 1...j 1,j+1... bereits festgelegt och 2 Möglichkeite für r j, Gleichheit bei maximal eier Pr[ar br = 0] = Pr[r j = α β a j b j ] 1 2 Fehlerrate p Akhremtsev, Hespe: A r b B rj = {0, 1} bj r
15 Radomisierte Algorithme Matrix-Matrix Multiplikatio Beschleuigug durch probability boostig (ur bei p 0.5 schelle Kovergez) Wiederhole Test k mal mit uterschiedlicher Wahl vo r Ei Test liefert FALSCH AB = C, fertig Alle Tests liefer KORREKT false positive mit Wahrscheilichkeit P[ABr = Cr] 0.5 k Laufzeit O(k 2 ) (liear lägere Laufzeit bei expoetiell weiger Fehler) p 1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0, k 9 Akhremtsev, Hespe:
16 Coupo Collector Müslipackuge ethalte jeweils eie vo verschiedee Sammelkarte. Wie viele Packuge muss ich kaufe um alle Karte beisammezuhabe? X = # Packuge bis mid. eie vo jeder Karte X = i=1 X i, mit X i = # Packuge währed ich i 1 Karte hatte X i sid geometrische Zufallsvariable mit p i = 1 i 1 E[X i ] = 1 p i = i+1 E[X ] = E[ i=1 X i] = i=1 E[X i] (Liearität des Erwartugswertes) = i=1 i+1 = i=1 1 i 10 Akhremtsev, Hespe:
17 Coupo Collector Müslipackuge ethalte jeweils eie vo verschiedee Sammelkarte. Wie viele Packuge muss ich kaufe um alle Karte beisammezuhabe? X = # Packuge bis mid. eie vo jeder Karte X = i=1 X i, mit X i = # Packuge währed ich i 1 Karte hatte X i sid geometrische Zufallsvariable mit p i = 1 i 1 E[X i ] = 1 p i = i+1 E[X ] = E[ i=1 X i] = i=1 E[X i] (Liearität des Erwartugswertes) = i=1 i+1 = i=1 1 i 10 Akhremtsev, Hespe:
18 Coupo Collector Müslipackuge ethalte jeweils eie vo verschiedee Sammelkarte. Wie viele Packuge muss ich kaufe um alle Karte beisammezuhabe? X = # Packuge bis mid. eie vo jeder Karte X = i=1 X i, mit X i = # Packuge währed ich i 1 Karte hatte X i sid geometrische Zufallsvariable mit p i = 1 i 1 E[X i ] = 1 p i = i+1 E[X ] = E[ i=1 X i] = i=1 E[X i] (Liearität des Erwartugswertes) = i=1 i+1 = i=1 1 i 10 Akhremtsev, Hespe:
19 Coupo Collector Müslipackuge ethalte jeweils eie vo verschiedee Sammelkarte. Wie viele Packuge muss ich kaufe um alle Karte beisammezuhabe? X = # Packuge bis mid. eie vo jeder Karte X = i=1 X i, mit X i = # Packuge währed ich i 1 Karte hatte X i sid geometrische Zufallsvariable mit p i = 1 i 1 E[X i ] = 1 p i = i+1 E[X ] = E[ i=1 X i] = i=1 E[X i] (Liearität des Erwartugswertes) = i=1 i+1 = i=1 1 i 10 Akhremtsev, Hespe:
20 Harmoische Zahle H = i=1 1 i l = 1 x=1 x dx i=1 1 i i=2 1 i 1 x=1 x dx = l x 1 x x 1 x l H l Akhremtsev, Hespe:
21 Coupo Collector Müslipackuge ethalte jeweils eie vo verschiedee Sammelkarte. Wie viele Packuge muss ich kaufe um alle Karte beisammezuhabe? X = # Packuge bis mid. eie vo jeder Karte X = i=1 X i, mit X i = # Packuge währed ich i 1 Karte hatte X i sid geometrische Zufallsvariable mit p i = 1 i 1 E[X i ] = 1 p i = i+1 E[X ] = E[ i=1 X i] = i=1 E[X i] (Liearität des Erwartugswertes) = i=1 i+1 = i=1 1 i = H l + 12 Akhremtsev, Hespe:
22 Coupo Collector - Tailboud X = # Packuge bis mid. eie vo jeder Karte X = i=1 X i, mit X i = # Packuge währed ich i 1 Karte hatte X i sid geometrische Zufallsvariable mit p i = 1 i 1 E[X i ] = p 1 i = i+1 Var[X i ] = 1 p i 1 pi 2 pi 2 E[X ] = E[ i=1 X i] = i=1 E[X i] (Liearität des Erwartugswertes) = i=1 i+1 = i=1 1 i = H l + Chebyshev: P( X E[X ] t E[X ]) Var[X ] t 2 (E[X ]) 2 Var[X ] = i=1 Var[X i] i=1 ( i+1 )2 = 2 i=1 ( 1 ) π2 2 i 2 6 P( X H H ) 2 π 2 /6 O( 1 (H ) ) 2 l 2 = π2 6H 2 13 Akhremtsev, Hespe:
Informatik 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
MehrSeminar: Randomisierte Algorithmen Routenplanung in Netzwerken
Semiar: Radomisierte Algorithme Routeplaug i Netzwerke Marie Gotthardt 3. Oktober 008 Ihaltsverzeichis 1 Routeplaug i Netzwerke 1.1 Laufzeit eies determiistische Algorithmus'................ 1. Radomisierter
Mehr4 Konvergenz von Folgen
4 Kovergez vo Folge Defiitio 4.. Sei M eie Mege. Ist 0 Z ud für jedes Z mit 0 ei a M gegebe, so et ma die Abbildug { Z; 0 } M, a eie Folge i M. Abkürzed schreibt ma für eie solche Abbildug auch a ) 0 oder
Mehr4. Vektorräume mit Skalarprodukt
4. Vektorräume mit Skalarprodukt Wiederholug: V=R x, y R: x= x x i x, y= y y, :R R R Skalarprodukt Stadardskalarprodukt lieare Abbildug mit 2 Argumete 4. Eigeschafte vo Skalarprodukte Def.: Es sei V ei
Mehr5.7. Aufgaben zu Folgen
5.7. Aufgabe zu Folge Aufgabe : Lieares ud beschräktes Wachstum Aus eiem Quadrat mit der Seiteläge dm gehe auf die rechts agedeutete Weise eue Figure hervor. Die im -te Schritt agefügte Quadrate sid jeweils
Mehr5.3 Wachstum von Folgen
53 Wachstum vo Folge I diesem Abschitt betrachte wir (rekursiv oder aders defiierte) Folge {a } = ud wolle vergleiche, wie schell sie awachse, we wächst Wir orietiere us dabei a W Hochstättler: Algorithmische
MehrAufgaben und Lösungen Ausarbeitung der Übungsstunde zur Vorlesung Analysis I
Aufgabe ud Lösuge Ausarbeitug der Übugsstude zur Vorlesug Aalysis I Witersemester 2008/2009 Übug am 09.2.2008 Übug 8 Eileitug Es soll och eimal auf die agebotee Sprechstude higewiese werde, sowie auf mögliche
Mehrn (n + 1) = 1(1 + 1)(1 + 2) 3 Induktionsschritt: Angenommen die Gleichung gilt für n N. Dann folgt: 1 2 = 2 =
Aufgabe 1: (6 Pukte) Zeige Sie für alle N die Formel: 1 2 + 2 3 + 3 4 +... + ( + 1) = ( + 1)( + 2). 3 Lösug: Beweis durch vollstädige Iduktio. Iduktiosafag: Für = 1 gilt: 1 2 = 2 = 1(1 + 1)(1 + 2) 3 Iduktiosschritt:
MehrÜbungen zur Klausur Nr. 2: Wahrscheinlichkeitsrechnung II
Berufskolleg Marieschule Lippstadt Schule der Sekudarstufe II mit gymasialer Oberstufe ud Fachschule - staatlich aerkat - Kurslehrer: Lagebach Berufskolleg Marieschule Lippstadt Schule der Sekudarstufe
MehrKursthemen 5. Sitzung. Lagemaße
Kurstheme 5. Sitzug Folie I - 5 - Lagemaße A) Arithmetisches Mittel (AM), Media ud Modus (Folie 2 bis 8) A) Arithmetisches Mittel (AM), Media ud Modus (Folie 2 bis 8) B) Der Additiossatz für AM (Folie
MehrMusterlösung zu Blatt 8 der Vorlesung Analysis I WS08/09
Musterlösug zu Blatt 8 der Vorlesug Aalysis I WS08/09 Schriftliche Aufgabe Aufgabe. Voraussetzuge: Für alle N setze a : +2 ud b : ( 2. [Amerkug: I der Aufgabestellug heiÿe die Reihe beide gleich. Es steht
MehrHöhere Mathematik I für die Fachrichtung Physik
Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Dipl.-Math. Sebastia Schwarz SS 5 7.9.5 Höhere Mathematik I für die Fachrichtug Physik Lösugsvorschläge zur Bachelor-Modulprüfug
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathemati PROF DRDR JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathemati für Iformatier I Witersemester 2003/2004 Aufgabeblatt 8 12 Dezember
MehrEingangsprüfung Stochastik,
Eigagsprüfug Stochastik, 5.5. Wir gehe stets vo eiem Wahrscheilichkeitsraum (Ω, A, P aus. Die Borel σ-algebra auf wird mit B bezeichet, das Lebesgue Maß auf wird mit λ bezeichet. Aufgabe ( Pukte Sei x
Mehr4. Die Menge der Primzahlen. Bertrands Postulat
O. Forster: Eiführug i die Zahletheorie 4. Die Mege der Primzahle. Bertrads Postulat 4.1. Satz (Euklid. Es gibt uedlich viele Primzahle. Beweis. Wir zeige, dass es zu jeder edliche Mege p 1, p 2,..., p
MehrEinführung in die Stochastik 10. Übungsblatt
Eiführug i die Stochastik. Übugsblatt Fachbereich Mathematik SS M. Kohler.7. A. Fromkorth D. Furer Gruppe ud Hausübug Aufgabe 37 (4 Pukte) Ei Eremit am Südpol hat sich für die eibrechede polare Nacht mit
Mehr(4) = 37,7 % mit 37,7 % Wahrscheinlichkeit sind es höchstens 4 Fahrräder, das ist recht hoch; man kann also die Behauptung nicht wirklich ablehnen.
Schülerbuchseite 98 1 Lösuge vorläufig IV Beurteilede Statistik S. 98 p S. 1 p w a t Tabelle Tabelle dowloadbar im Iteretauftritt 1 Teste vo Hypothese 1 a) Erwartugswert μ = 5 ud Stadardabweichug σ = 1,6;
Mehr1 Vollständige Induktion
1 Vollstädige Idutio 1.1 Idutiosbeweise Das Beweisprizip der vollstädige Idutio ist eies der wichtigste Hilfsmittel der Mathemati icht ur der Aalysis. Es fidet Verwedug bei pratische alle Aussage, die
MehrStatistik I Februar 2005
Statistik I Februar 2005 Aufgabe 0 Pukte Ei Merkmal X mit de mögliche Auspräguge 0 ud, das im Folgede wie ei kardialskaliertes Merkmal behadelt werde ka, wird a Merkmalsträger beobachtet. Dabei bezeichet
MehrLösungsskizzen Mathematik für Informatiker 5. Aufl. Kapitel 3 Peter Hartmann
Lösugsskizze Mathematik für Iformatiker 5. Aufl. Kapitel 3 Peter Hartma Verstädisfrage. Ka ma ei Axiom beweise? Nei!. Ka ei Beweis eier Aussage richtig sei, we im Iduktiosschluss die Iduktiosaahme icht
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
MehrBeurteilende Statistik - Testen von Hypothesen Alternativtest
Moika Kobel 26.03.2005 Hypothesetest_i.mcd Beurteilede Statistik - Teste vo Hypothese Alterativtest Bsp.: Eie Fabrik liefert Schachtel mit Schraube hoher Qualität ( 10% der Schraube sid fehlerhaft ) ud
MehrTesten statistischer Hypothesen
Kapitel 9 Teste statistischer Hypothese 9.1 Eiführug, Sigifiaztests Sigifiaztest für µ bei der ormalverteilug bei beatem σ = : X i seie uabhägig ud µ, ) verteilt, µ sei ubeat. Stelle eie Hypothese über
MehrKonvergenz von Folgen reeller Zufallsvariablen
Kapitel 4 Kovergez vo Folge reeller Zufallsvariable 4. Fa-sichere ud ochaische Kovergez Seie (Ω, C, ) ei W-Raum, X ( N) eie Folge reeller Zufallsvariable auf Ω ud X eie reelle Zufallsvariable auf Ω. Defiitio
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Iformatiker II (Sommersemester 004 Lösuge zu Aufgabeblatt 7
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.
MehrAufgaben zur Analysis I
Aufgabe zur Aalysis I Es werde folgede Theme behadelt:. Logik, Iduktio, Mege, Abbilduge 2. Supremum, Ifimum 3. Folge, Fuktioefolge 4. Reihe, Potezreihe 5. Mootoie ud Stetigkeit 6. Differetialrechug 7.
MehrArithmetische und geometrische Folgen. Die wichtigsten Theorieteile. und ganz ausführliches Training. Datei Nr
DEMO für ZAHLENFOLGEN Teil 2 Arithmetische ud geometrische Folge Die wichtigste Theorieteile ud gz ausführliches Traiig Datei Nr. 40012 Neu geschriebe ud sehr erweitert Std: 4. Februar 2010 INTERNETBIBLIOTHEK
MehrÜ b u n g s b l a t t 1
Mathe für Physier I Witersemester 03/04 Walter Oevel 16 10 003 Ü b u g s b l a t t 1 Abgabe vo Aufgabe am 310003 i der Übug Aufgabe 1*: (Aussagelogi 5 Bouspute) Vo de folgede drei Aussage ist geau eie
MehrEvaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt
2.4.5 Gauss-Test ud t-test für verbudee Stichprobe 2.4.5.8 Zum Begriff der verbudee Stichprobe Verbudee Stichprobe: Vergleich zweier Merkmale X ud Y, die jetzt a deselbe Persoe erhobe werde. Vorsicht:
MehrComputer-Graphik 2 SS 10
5/3/10 lausthal omputer-raphik I. Zachma lausthal Uiversity, ermay zach@i.tu-clausthal.de Frühe Beispiele / Motivatio Beispiele für : Parameter t auf der erade Kotevektor bei B-Splies u,v-parameter bei
Mehr6. Übungsblatt Aufgaben mit Lösungen + Selbsttest-Auflösung
6. Übugsblatt Aufgabe mit Lösuge + Selbsttest-Auflösug Aufgabe 6: Utersuche Sie die Folge, dere Glieder ute für N agegebe sid, auf Beschräktheit, Mootoie ud Kovergez bzw. Beschräktheit, Mootoie ud Kovergez
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:
MehrProf. Dr. Holger Dette Musterlösung Statistik I Sommersemester 2009 Dr. Melanie Birke Blatt 5
Prof. Dr. Holger Dette Musterlösug Statistik I Sommersemester 009 Dr. Melaie Birke Blatt 5 Aufgabe : 4 Pukte Sei X eie Poissoλ verteilte Zufallsvariable mit λ > 0, ud die Verlustfuktio L sei defiiert durch
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
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
MehrAT AB., so bezeichnet man dies als innere Teilung von
Teilverhältisse Aus der Geometrie der Dreiecke ket ma die Aussage, dass der Schwerpukt T eies Dreiecks die Seitehalbierede im Verhältis : teilt. Für die Strecke AT ud TM gilt gemäß der Abbildug AT : TM
MehrZählterme (Seite 1) Aufgabe: Wie viele Nummernschilder kann es theoretisch im Raum Dresden geben? Wann müsste die 4.Ziffer eingeführt werden?
Bemerkug: I Mathematik sollte ma keie Fahrpläe verwede, i der Stochastik erst recht icht. Zitat vo S.L. Das Baumdiagramm ist aber fast immer ei geeigetes Hilfsmittel. Produktregel Aufgabe: Wie viele Nummerschilder
MehrLogik. Wahrheitstafeln - für verschiedene Belegungen der logischen Variable wird der Wahrheitswert logischer Ausdrücke angegeben
. Eiführug Logik Defiitio: Uter eier ussage versteht ma die gedakliche Widerspiegelug eies Sachverhaltes der objektive Realität, bei dem eideutig etschiede werde ka, ob er wahr oder falsch ist. Operatioe
MehrEs werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.
Vo der relative Häufigkeit zur Wahrscheilichkeit Es werde 20 Schüler befragt, ob sie ei Hady besitze. Das Ergebis der Umfrage lautet: Vo 20 Schüler besitze 99 ei Hady. Ereigis E: Schüler besitzt ei Hady
Mehr$Id: reihen.tex,v /06/14 13:59:06 hk Exp $
Mathematik für Iformatiker B, SS 202 Doerstag 4.6 $Id: reihe.tex,v.9 202/06/4 3:59:06 hk Exp $ 7 Reihe 7.4 Kovergezkriterie für Reihe 7.4. Alterierede Reihe Wir hatte gesehe das die harmoische Reihe divergiert,
Mehr... a ik) i=1...m, k=1...n A = = ( a mn
Zurück Stad: 4..6 Reche mit Matrize I der Mathematik bezeichet ma mit Matrix im Allgemeie ei rechteckiges Zahleschema. I der allgemeie Darstellug habe die Zahle zwei Idizes, de erste für die Zeileummer,
MehrKovarianz und Korrelation
Kapitel 2 Kovariaz ud Korrelatio Josef Leydold c 2006 Mathematische Methode II Kovariaz ud Korrelatio 1 / 41 Lerziele Mathematische ud statistische Grudlage der Portfoliotheorie Kovariaz ud Korrelatio
MehrVorkurs Mathematik für Informatiker Folgen
Vorkurs Mathematik ür Iormatiker -- 8 Folge -- 11.10.2015 1 Folge: Deiitio Eie (uedliche) Folge im herkömmliche Sie etsteht durch Hitereiaderschreibe vo Zahle 1,2,3,4,5, Dabei ist die Reiheolge wichtig,
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
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG. - LÖSUNGEN. ypothesetest für die Dicke vo Plättche Die Dicke X vo Plättche, die auf eier bestimmte Maschie
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
MehrHöhere Mathematik für technische Studiengänge Vorbereitungsaufgaben für die Übungen. Reihen reeller Zahlen
Höhere Mathematik für techische Studiegäge Vorereitugsaufgae für die Üuge Reihe reeller Zahle. Utersuche Sie die folgede Reihe mit Hilfe geeigeter Kovergezkriterie otwediges Kovergezkriterium, Quotiete-,
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
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
MehrÜbung zur Vorlesung Statistik I WS Übungsblatt 8
Übug zur Vorlesug Statistik I WS 2013-2014 Übugsblatt 8 9. Dezember 2013 Aufgabe 25 (4 Pukte): Sei X B(, p) eie biomial verteilte Zufallsvariable. Schreibe Sie i R eie Fuktio PWert, die für jedes Ergebis
MehrKlausur vom
UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Domiik Faas Stochastik Witersemester 00/0 Klausur vom 7.0.0 Aufgabe 3+.5+.5=6 Pukte Bei eier Umfrage wurde 60 Hotelbesucher ach ihrer Zufriedeheit
MehrLösungen der Übungsaufgaben II
Mathemati für die erste Semester (. Auflage): Lösuge der Übugsaufgabe II C. Zerbe, E. Osser, W. Müceheim 7 0 49 4. Ma bereche die Biomialoeffiziete,,,. 8 7 7! 74 7!(7 )! 4 0 49 ; 4; 98 8 8 4. Ma beweise
MehrKörpergröße x Häufigkeit in [m] 1.50 1.60 1 1.60 1.70 5 1.70 1.80 49 1.80 1.90 53 1.90 2.00 15 2.00 2.10 1
8 Kofidezitervalle 1 Kapitel 8: Kofidezitervalle A: Beispiele Beispiel 1: Im WS 2000/01 wurde im Rahme der Statistik Vorlesug 124 Studete u.a. zu ihrer Körpergröße befragt. Ma erhielt folgedes Ergebis:
MehrVerteilungsfunktionen
Verteilugsfuktioe Wie sid zufällige Fehler verteilt? Wie sid Messwerte verteilt? Fehler Messwerte Verteilugsfuktioe: Maxwell-Boltza Feri-Dirac Bose-Eistei Placksche Verteilug Frage ist stets, wie groß
MehrAngStat1(Ue13-21).doc 23
3. Ereigisse Versuchsausgäge ud Wahrscheilicheite: a) Wie wird die Wahrscheilicheit des Auftretes eies Elemetarereigisses A geschätzt? A Ω heißt Elemetarereigis we es ur eie Versuchsausgag ethält also
MehrZahlenfolgen und Konvergenzkriterien
www.mathematik-etz.de Copyright, Page of 7 Zahlefolge ud Kovergezkriterie Defiitio: (Zahle-Folge, Grezwert) Eie Folge ist eie Abbildug der atürliche Zahle i die Mege A. Es ist also im Fall A: ; f: mit
MehrUngleichungen werden mit Äquivalenzumformungen gelöst. Hierzu werden die sogenannten Monotoniegesetze angegeben.
Floria Häusler Ugleichuge. Grudsätzliches I folgede ist ur vo reelle Zahle die Rede, ohe daß dies im eizele betot wird. Es seie A, B, C,... Terme reeller Zahle, u. U. auch mit Variable. Für Ugleichuge
MehrRandomisierte Algorithmen 2. Erste Beispiele
Randomisierte Algorithmen Randomisierte Algorithmen 2. Erste Beispiele Thomas Worsch Fakultät für Informatik Karlsruher Institut für Technologie Wintersemester 2016/2017 1 / 35 Randomisierter Identitätstest
MehrKlausur 1 über Folgen
www.mathe-aufgabe.com Klausur über Folge Hiweis: Der GTR darf für alle Aufgabe eigesetzt werde. Aufgabe : Bestimme eie explizite ud eie rekursive Darstellug! a) für eie arithmetische Folge mit a = 6, ;
MehrComputer-Graphik II Verallgemeinerte Baryzentrische Koordinaten
4/22/10 lausthal omputer-raphik II Verallgemeierte Baryzetrische Koordiate. Zachma lausthal Uiversity, ermay zach@i.tu-clausthal.de Verallgemeieruge der baryzetr. Koord. 1. Was macht ma im 2D bei (kovexe)
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
MehrEinführende Beispiele Arithmetische Folgen. Datei Nr SW. Das komplette Manuskript befindet sich auf der Mathematik - CD.
ZAHLENFOLGEN Eiführede Beispiele Arithmetische Folge Datei Nr. 400 SW Das komplette Mauskript befidet sich auf der Mathematik - CD Friedrich Buckel Februar 00 Iteratsgymasium Schloß Torgelow Ihalt Eiführede
MehrBetriebswirtschaft Wirtschaftsmathematik Studienleistung BW-WMT-S12 011110
Name, Vorame Matrikel-Nr. Studiezetrum Studiegag Fach Art der Leistug Klausur-Kz. Betriebswirtschaft Wirtschaftsmathematik Studieleistug Datum 10.11.2001 BW-WMT-S12 011110 Verwede Sie ausschließlich das
MehrÜbungen zur Infinitesimalrechnung 2, H.-C. Im Hof 19. März Blatt 4. Abgabe: 26. März 2010, Nachmittag. e x2 dx + e x2 dx = 2 e x2 dx
Übuge zur Ifiitesimalrechug, H.-C. Im Hof 9. März Blatt 4 Abgabe: 6. März, Nachmittag Aufgabe. Zeige e x dx π. Beweis. Wir bemerke als erstes, dass e x dx e x dx + e x dx e x dx formal sieht ma dies per
MehrBERUFSKOLLEG KAUFMÄNNISCHE SCHULEN DES KREISES DÜREN Zweijährige Höhere Handelsschule
BERUFSKOLLEG KAUFMÄNNISCHE SCHULEN DES KREISES DÜREN Zweijährige Höhere Hadelsschule Abschlussprüfug Sommer Fach: MATHEMATIK Bearbeitugszeit: Erlaubte Hilfsmittel: Zeitstude Nicht-programmierbarer Tascherecher
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
MehrSeminar De Rham Kohomologie und harmonische Differentialformen - 2. Sitzung
Semiar De Rham Kohomologie ud harmoische Differetialforme - 2. Sitzug Torste Hilgeberg 26. April 24 1 Orietierug Defiitio: Zwei Karte heiße orietiert verbude, we das Differetial des Kartewechsels positive
MehrBeispiel 4 (Die Urne zu Fall 4 mit Zurücklegen und ohne Beachten der Reihenfolge ) das Sitzplatzproblem (Kombinationen mit Wiederholung) Reihenfolge
1 Beispiel 4 (Die Ure zu Fall 4 mit Zurücklege ud ohe Beachte der Reihefolge ) das Sitzplatzproblem (Kombiatioe mit Wiederholug) 1. Übersicht Ziehugsmodus ohe Zurücklege des gezogee Loses mit Zurücklege
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,
Mehr6 Folgen. 6.4 Folgen reeller Zahlen. Mathematik für Informatiker B, SS 2012 Dienstag 5.6. $Id: folgen.tex,v /06/05 11:12:18 hk Exp $
Mathematik für Iformatiker B, SS 0 Diestag 5.6 $Id: folge.tex,v. 0/06/05 ::8 hk Exp $ 6 Folge 6.4 Folge reeller Zahle I der letzte Sitzug habe wir de Begriff des Grezwerts eier Folge i eiem metrische Raum
MehrStreifzug durch die Welt der Binome und darüber hinaus
www.mathemati-etz.de Copyright, Page 1 of 6 Streifzug durch die Welt der Biome ud darüber hiaus Die biomische Formel sid ützliche Istrumete, welche i viele Gebiete der Mathemati gewibriged eigesetzt werde
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
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.
MehrBeispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.
8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 81 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 = 12075, p-wert: 00168 f χ 2 (4)
Mehr3 Kritischer Bereich zum Niveau α = 0.10: K = (χ 2 k 1;1 α, + ) = (χ2 5;0.90, + ) = (9.236, + ) 4 Berechnung der realisierten Teststatistik:
8 Apassugs- ud Uabhägigkeitstests Chi-Quadrat-Apassugstest 81 Beispiel: p-wert bei Chi-Quadrat-Apassugstest (Grafik) Auftragseigagsbeispiel, realisierte Teststatistik χ 2 1275, p-wert: 168 8 Apassugs-
MehrÜbungen zur Analysis 1 für Informatiker und Statistiker. Lösung zu Blatt 12
Mthemtisches Istitut der Uiversität Müche Prof. Dr. Peter Otte WiSe 203/4 Lösug 2 2.0.204 Aufgbe 2. [8 Pute] Übuge zur Alysis für Iformtier ud Sttistier Lösug zu Bltt 2 Für eie Teilmege Ω R, sei {, flls
MehrKleines Matrix-ABC. Fachgebiet Regelungstechnik Leiter: Prof. Dr.-Ing. Johann Reger. 1 Elementares
4 6 Fachgebiet Regelugstechik Leiter: Prof. Dr.-Ig. Joha Reger Kleies Matrix-ABC 1 Eleetares Eie ( )-Matrix ist eie rechteckige Aordug vo reelle oder koplexe Zahle a ij (auch Skalare geat) ud besteht aus
MehrTao De / Pan JiaWei. Ihrig/Pflaumer Finanzmathematik Oldenburg Verlag 1999 =7.173,55 DM. ges: A m, A v
Tao De / Pa JiaWei Ihrig/Pflaumer Fiazmathematik Oldeburg Verlag 1999 1..Ei Darlehe vo. DM soll moatlich mit 1% verzist ud i Jahre durch kostate Auitäte getilgt werde. Wie hoch sid a) die Moatsrate? b)
Mehri=0 a it i das erzeugende Polynome von (a 0,..., a j ).
4 Erzeugede Fuktioe ud Polyome Defiitio 4 Sei a = (a 0, a, eie Folge vo atürliche Zahle, da heißt die formale Potezreihe f a (t := i 0 a it i die erzeugede Fuktio vo a Gilt a i = 0 für i > j, so heißt
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
MehrAufgabe 1: Funktionale Modellierungen
Didaktik des Sachreches (Sek. I) Übugsblatt 4 Dr. Astrid Brikma Name, Vorame: Matrikelummer: Doppelte Lösuge führe zum Verlust aller Pukte beider Persoe-Gruppe. Die Lösuge sid hadschriftlich abzugebe.
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
Mehrvon solchen Abbildungen. Eine solche Folge bestimmt für jedes x M die Folge der Werte f n. Schreibt man dies noch einmal formal hin, so erhält man:
Gleichmäßige Kovergez Wir betrachte im Folgede Abbilduge f : M N, wobei M eie Mege ud N ei metrischer Raum ist. Isbesodere iteressiere ud Folge f vo solche Abbilduge. Eie solche Folge bestimmt für jedes
Mehr4.1 G sei Gruppe (mit multiplikativ geschriebener Verknüpfung) und a G. Dann heißt. falls a k 1 G k 1 ord(a) := k 1 a k = 1 G sonst
15 Wichtige Sätze ud Defiitioe zu 4: Ds qudrtische Rezirozitätsgesetz us der Vorlesug: LV-NR 150 39 Verstltug Diskrete Mthemtik II, 4.0 std Dozet Holtkm, R. 4.1 G sei Grue (mit multiliktiv geschriebeer
Mehr1 Lösungen zu Analysis 1/ 12.Übung
Lösuge ausgewählter Beispiele zu Aalysis I, G. Bergauer, Seite Lösuge zu Aalysis / 2.Übug. Eileitug Gleichmäßige Kovergez ist eie starke Eigeschaft eier Fuktioefolge. Formuliert ma sie für Netze, statt
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
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
MehrByzantinische Einigung im Full-Information-Modell in O(log n) Runden
Byzatiische Eiigug im Full-Iformatio-Modell i O(log ) Rude Martia Hüllma Uiversität Paderbor (martiah@upb.de) Zusammefassug. Byzatiische Eiigug stellt ei grudlegedes Problem im Bereich verteilter Systeme
MehrAufgaben und Lösungen Weihnachtsgeschenke zur Vorlesung Analysis I
Aufgabe ud Lösuge Weihachtsgescheke zur Vorlesug Aalysis I Der Witersemester 008/009 Übug am 4.., 5..008 sowie 0.0.009 Aufgabe. Folge Aufgabe Ma bestimme, ob die Folge (a ) mit a = + 3 + 4 kovergiert ud
MehrSinus- + Cosinus-Funktion und komplexe Wurzel
Dr. Siegfried Echterhoff Aalysis 1 Vorlesug WS 08 09 6 Polarkoordiate Sius- + Cosius-Fuktio ud komplexe Wurzel 6.1 Im folgede seik 1 1 := {z C z = 1} der Kreis i C mit Radius 1 ud Mittelpukt 0. Wir defiiere
Mehr1 Funktionen und Flächen
Fuktioe ud Fläche. Fläche Defiitio: Die Ebee R ist defiiert als Mege aller geordete Paare vo reelle Zahle: R = {(,, R} Der erste Eitrag heißt da auch Koordiate ud der zweite Koordiate. Für zwei Pukte (,,
Mehr1.3 Funktionen. Seien M und N Mengen. f : M N x M : 1 y N : y = f(x) nennt man Funktion oder Abbildung. Beachte: Zuordnung ist eindeutig.
1.3 Fuktioe Seie M ud N Mege f : M N x M : 1 y N : y fx et ma Fuktio oder Abbildug. Beachte: Zuordug ist eideutig. Bezeichuge: M : Defiitiosbereich N : Bildbereich Zielmege vo f Der Graph eier Fuktio:
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
MehrEinige wichtige Ungleichungen
Eiige wichtige Ugleichuge Has-Gert Gräbe, Leipzig http://www.iformatik.ui-leipzig.de/~graebe 1. Februar 1997 Ziel dieser kurze Note ist es, eiige wichtige Ugleichuge, die i verschiedee Olympiadeaufgabe
MehrDie erste Zeile ("Nummerierung") denkt man sich also dazu. Häufig wird eine Indexschreibweise benutzt um ein Folgenglied zu kennzeichnen.
Folge ud Reihe (Izwische Stoff der Hochschule. ) Stad: 30.03.205. Folge Was sid Zahlefolge? Z.B. oder Das ist die vereifachte Wertetabelle eier Fuktio geschriebe wie üblich bei Fuktioe i eier Wertetabelle.
MehrAufgaben zu Kapitel 8
Aufgabe zu Kapitel 8 Aufgabe zu Kapitel 8 Verstädisfrage Aufgabe 8. Ist es möglich, eie divergete Reihe der Form a zu kostruiere, wobei alle a > 0 sid ud a 0 gilt. Beispiel oder Gegebeweis agebe. Aufgabe
MehrAufgaben zur vollständigen Induktion
c 7 by Raier Müller - Aufgabe zur vollstädige Idutio We ichts aderes agegebe ist, da gelte die Behauptuge für IN {; ; ;...}. A) Teilbareit: ) ist gerade (d.h. durch teilbar). ) ist durch teilbar. ) ist
Mehr1. Zahlenfolgen und Reihen
. Zahlefolge ud Reihe We ma eie edliche Mege vo Zahle hat, ka ma diese i eier bestimmte Reihefolge durchummeriere: {a,a 2,...,a }. Ma spricht vo eier edliche Zahlefolge. Fügt ma immer mehr Zahle hizu,
MehrIndizieren Sie die folgenden Summen und Produkte gemäß der Vorgabe um und schreiben Sie sie einmal explizit aus: 5
FU Berli: WiSe 13-14 (Aalysis 1 - Lehr.) Übugsaufgabe Zettel 9 Aufgabe 37 Idiziere Sie die folgede Summe ud Produte gemäß der Vorgabe um ud schreibe Sie sie eimal explizit aus: 5 (a) + 1) 0( Lösug. Die
Mehr