Seminar stochastische Geometrie. 25. Januar Faserprozesse im R 2. Simona Renner. Faserprozesse. Kenngrößen Intensität Richtungsrose
|
|
- Karoline Baumann
- vor 6 Jahren
- Abrufe
Transkript
1 Seminar stochastische Geometrie 25. Januar 2010
2 Contents
3
4 Definitionen Faser: glatte Kurve endlicher Länge in der Ebene Faser γ ist das Bild der Kurve γ(t) = (γ 1 (t), γ 2 (t)) mit (i) γ : [0, 1] R 2 ist einmal stetig differenzierbar (ii) γ (t) 2 = γ 1 (t) 2 + γ 2 (t) 2 > 0 für alle t (iii) die Abbildung γ ist injektiv
5 Definitionen Doppeldeutige Verwendung von γ: γ steht auch für das Maß γ(b) = h 1 (γ B) = B (γ(t)) γ 1 (t)2 + γ 2 (t)2 dt für B B(R 2 ) Länge der Faser γ, die in B liegt.
6 Definitionen Fasersysteme φ: abgeschlossene Teilmenge des R 2 Für Fasern γ (i) φ := i=1 γ (i) Für eine kompakte Menge K R 2 K γ (i) nur für endlich viele i γ (i) ((0, 1)) γ (j) ((0, 1)) = falls i j
7 Definitionen Doppeldeutige Verwendung von φ: Längenmaß: φ(b) = γ (i) (B) = für B B(R 2 ) γ (i) φ γ (i) φ h 1 (γ (i) B) Gesamtlänge aller Fasern von φ, die in B liegen.
8 Eigenschaften von Fasersystemen Fasersystem φ kann enthalten die Definition des Fasersystem φ ist nicht eindeutig
9 Eigenschaften von Fasersystemen Fasersystem φ kann enthalten die Definition des Fasersystem φ ist nicht eindeutig Maß φ nur abhängig von der Vereinigung aller Fasern
10 Eigenschaften von Fasersystemen Fasersystem φ kann enthalten die Definition des Fasersystem φ ist nicht eindeutig Maß φ nur abhängig von der Vereinigung aller Fasern
11 Definitionen Φ: D Familie aller Fasersysteme, mit σ-algebra D, erzeugt von Mengen der Form { φ D : φ(b) < x } x R und B B(R 2 ) eine kompakte Menge Φ Zufallsvariable mit Werten in [D, D], also messbare Abbildung aus [Ω, A, P] nach [D, D].
12 Definitionen Φ bezeichnet auch das zugehörige zufällige Längenmaß Die Verteilung P des s Φ ist definiert durch P(D) = P ( {ω : Φ(ω) D } ) für D D
13 reale Beobachtungen Störungszonen von Erdbeben
14 Boolesches Modell {x 1, x 2,...} (Keime) stationärer Poissonsprozess mit λ Ξ 1, Ξ 2,... (Kerne) Folge von i.i.d. zufälligen kompakten Mengen konstruiertes Boolesches Modell Ξ = (Ξ n + x n ) n=1 Falls die Kerne Kurven sind, ergibt sich ein Faserprozess.
15 Boolesches Modell simuliertes Boolesches Modell
16 Stationarität und Isotropie Faserprozess Φ stationär: P(Y ) = P(Y x ) für alle Y in D und alle x in R 2 mit Y x = {ϕ D : ϕ x Y }. Faserprozess Φ isotrop: Verteilung bleibt bei Rotationen um den Ursprung gleich
17 smaß Λ eines s: Λ(B) = E [Φ(B)] = E h 1 (γ B) γ Φ für B B(R 2 )
18 Für stationäres Φ gilt Λ = L A ν 2 mit Konstante 0 L A der von Φ.
19 /Richtungsverteilung In Punkt x definiert man eine Tangente an den Faserprozess bildet Winkel w(x) mit x 1 -Achse Bsp.:
20 /Richtungsverteilung Zufallsmaß Ψ: Ψ(B L) = mit B B(R 2 ) und L B((0, π]) B 1 L (w(x)) Φ(dx) Ψ(B L) Gesamtlänge aller Faserteile von Φ die in B liegen und eine Tangentenrichtung haben, die in L liegt.
21 /Richtungsverteilung Λ Ψ smaß von Ψ: Λ Ψ (B L) = E [Ψ(B L)]. Wenn Φ stationär, kann Λ Ψ geschrieben werden als: Λ Ψ (B L) = L A ν 2 (B)R(L) R ist eine Verteilung auf B((0, π]) die sogenannte.
22 /Richtungsverteilung
23 Φ stationärer Faserprozess mit Verteilung P, L A und R mit R((0, π]) = 1 Betrachte von Φ mit x 1 -Achse, mit x 1 -Achse bezeichnet als e Prozess Φ e ist ein Punktprozess auf e markiert durch die Winkel in den n Ψ = {[y n ; w(y n )]} ist der markierte Punktprozess R und L A aus Verteilung von Ψ
24 P L von Ψ H Markenverteilung auf (0, π]: Verteilung der Schnittwinkel eines typischen s von Ψ = Φ e Zusammenhang zwischen von Ψ und Φ P L h(z, α) H(dα) dz R (0,π] = L A R (0,π] h(z, α) sin(α)r(dα) dz (1) h ist eine nichtnegative und messbare Funktion auf R (0, π]
25 berechnen Verwendung von h(z, α) = 1 [0,1] (z) in (1) liefert P L = L A (0,π] sin(α)r(dα). (2) Verwendung von h(z, α) = 1 [0,1] (z)1 (0,β] (α) für ein β (0, π] in (1) liefert P L H((0, β]) = L A sin(α)r(dα). (3) (0,β]
26 berechnen Kombination der beiden letzten Formeln ergibt die Verteilungsfunktion F H für die Markenverteilung H als (0,β] F H (β) = H((0, β]) = sin(α)r(dα) (0,π] sin(α)r(dα) für 0 < β π
27 berechnen Sei R({π}) = 0 dann lassen sich aus (3) die von Φ aus denen von Ψ bestimmen: R((0, β]) = P L (sin(α)) 1 H(dα) L A setzt man β = π ergibt sich L A = P L (0,π] (0,β] (sin(α)) 1 H(dα)
28 Schnittpunktrose Schnittpunktrose P L ( ) P L (β) des Punktprozesses der von Φ mit einer Geraden mit Winkel β zu e Unter Verwendung von (2) ergibt sich P L (β) = L A sin(α β) R(dα) (0,π]
29 Schnittpunktrose Falls R eine stetige Dichte f R hat kann man die letzte Gleichung differenzieren und erhält d 2 dβ 2 P L(β) + P L (β) = 2L A f R (β) (4)
30 Annahmen zur Schätzung Daten: Realisierung des stationären s Φ Beobachtungen erfolgen in einem kompakten Beobachtungsfenster W
31 Schätzung der Φ(W ) Gesamtlänge aller Fasern in W erwartungstreuer für L A gegeben durch ˆL A = Φ(W ) ν 2 (W ) = h 1(Φ W ) ν 2 (W )
32 Schätzung der Für Φ isotrop ist R die Gleichverteilung auf (0, π]. Dann folgt aus (2) die Gleichung L A = π 2 P L T W ein Testsystem von Linien liefert den ˆL i A = π#{t Φ} 2h 1 (T ) mit h 1 (T ) die Gesamtlänge des Liniensystems
33 Schätzung der Formel (4) liefert Verwende F R (β) = 1 ( dpl (β) β ) + P L (α)dα 2L A dβ 0 ˆP L (β) = #{T (β) Φ} h 1 (T (β) ) mit T (β) W Testsystem von Linien, das mit x 1 -Achse den Winkel β einschließt
34 Schätzung der Dies ergibt den ˆF R (β) = 1 2L A ( ) dˆp L (β) β + ˆP L (α)dα dβ 0 dˆp L (β)/dβ ist eine numerische Ableitung von ˆP L (β) Methode ist sehr anfällig für Messfehler
35 Schätzung der alternative Methode: T W Testsystem von Kreisen mit Radius R 1 1 #(Φ T ) (α1,α 2 ](w(x)) x Φ T für R((α 1, α 2 ]), hier ist w(x) die Richtung der Fasertangente in x
36 Schmidt, V. (2008), Räumliche Statistik (Vorlesungsskript) Stoyan, D., Kendall, W.S., Mecke, J. (1995): Stochastic Geometry and its Applications, Wiley
37 Vielen Dank für die Aufmerksamkeit!
Anhand des bereits hergeleiteten Models erstellen wir nun mit der Formel
Ausarbeitung zum Proseminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn zum Thema Simulation des Anlagenpreismodels von Simon Uphus im WS 09/10 Zusammenfassung
MehrGegeben ist die Funktion f durch. Ihr Schaubild sei K.
Aufgabe I 1 Gegeben ist die Funktion f durch. Ihr Schaubild sei K. a) Geben Sie die maximale Definitionsmenge D f an. Untersuchen Sie K auf gemeinsame Punkte mit der x-achse. Bestimmen Sie die Intervalle,
MehrFraktale Geometrie: Julia Mengen
Fraktale Geometrie: Julia Mengen Gunnar Völkel 1. Februar 007 Zusammenfassung Diese Ausarbeitung ist als Stoffsammlung für das Seminar Fraktale Geometrie im Wintersemester 006/007 an der Universität Ulm
MehrÜbungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009
Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.
MehrFür die Parameter t und ϕ sind das im angegebenen Bereich Funktionen, d.h. zu jedem Parameterwert gehört genau ein Punkt.
PARAMETERFUNKTIONEN Zwei Beispiele: gsave currentpoint translate 21 4 div setlin 1 1 x = 2t 2 1 y = t < t
Mehru + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.
Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume
MehrFUNKTIONENTHEORIE - ZUSÄTZLICHE LERNMATERIALIEN
FUNKTIONENTHEORIE - ZUSÄTZLICHE LERNMATERIALIEN JOSEF TEICHMANN 1. Ein motivierendes Beispiel aus der Anwendung Das SABR-Modell spielt in der Modellierung von stochastischer Volatilität eine herausragende
MehrAnimation ist das Erzeugen von Filmen mit Hilfe der Computergrafik. Objekte bewegen sich hierbei oder Beleuchtung, Augpunkt, Form,... ändern sich.
Kapitel 1 Animation (Belebung) Animation ist das Erzeugen von Filmen mit Hilfe der Computergrafik. Objekte bewegen sich hierbei oder Beleuchtung, Augpunkt, Form,... ändern sich. Anwendungen findet die
MehrAusarbeitung des Seminarvortrags zum Thema
Ausarbeitung des Seminarvortrags zum Thema Anlagepreisbewegung zum Seminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn von Imke Meyer im W9/10 Anlagepreisbewegung
MehrEinführung in die Statistik
Einführung in die Statistik Dr. C.J. Luchsinger 2 Zufallsgrössen Literatur Kapitel 2 * Statistik in Cartoons: Kapitel 4 * Krengel: 3.1 und 3.2 in 3 und (Honours Program) 10 sowie 11.1, 11.2 und 11.3 in
MehrGeoadditive Regression
Seminar: Stochastische Geometrie und ihre Anwendungen - Zufallsfelder Universität Ulm 27.01.2009 Inhalt Einleitung 1 Einleitung 2 3 Penalisierung 4 Idee Variogramm und Kovarianz Gewöhnliches Ansatz für
MehrBeispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =
Funktionentheorie, Woche Funktionen und Polstellen. Meromorphe Funktionen Definition.. Sei U C offen und sei f : U gilt, nennt man f meromorph auf U: Ĉ eine Funktion. Wenn folgendes. P := f hat keine Häufungspunkte;.
Mehr( ) als den Punkt mit der gleichen x-koordinate wie A und der
ETH-Aufnahmeprüfung Herbst 05 Mathematik I (Analysis) Aufgabe [6 Punkte] Bestimmen Sie den Schnittwinkel α zwischen den Graphen der Funktionen f(x) x 4x + x + 5 und g(x) x x + 5 im Schnittpunkt mit der
MehrStochastische Eingangsprüfung, 17.05.2008
Stochastische Eingangsprüfung, 17.5.8 Wir gehen stets von einem Wahrscheinlichkeitsraum (Ω, A, P) aus. Aufgabe 1 ( Punkte) Sei X : Ω [, ) eine integrierbare Zufallsvariable mit XdP = 1. Sei Q : A R, Q(A)
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
MehrKählersche Geometrie auf komplexen Mannigfaltigkeiten, Skalarkrümmung und das Yamabe-Problem und Simulationen einer kryogenen Gas-Stopzelle
Kählersche Geometrie auf komplexen Mannigfaltigkeiten, Skalarkrümmung und das Yamabe-Problem und Simulationen einer kryogenen Gas-Stopzelle Technische Universität Dresden Dr. rer. nat. Frank Morherr Was
MehrExtremwertverteilungen
Seminar Statistik Institut für Stochastik 12. Februar 2009 Gliederung 1 Grenzwertwahrscheinlichkeiten 2 3 MDA Fréchet MDA Weibull MDA Gumbel 4 5 6 Darstellung von multivariaten, max-stabilen Verteilungsfunktionen
MehrLebensdauer eines x-jährigen
Lebensdauer eines x-jährigen Sabrina Scheriau 20. November 2007, Graz 1 INHALTSVERZEICHNIS 2 Inhaltsverzeichnis 1 Einleitung 3 2 Sterbewahrscheinlichkeiten 4 2.1 Definition und Ermittlung....................
Mehrax 2 + bx + c = 0, (4.1)
Kapitel 4 Komplexe Zahlen Wenn wir uns auf die reellen Zahlen beschränken, ist die Operation des Wurzelziehens (also die Umkehrung der Potenzierung) nicht immer möglich. Zum Beispiel können wir nicht die
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
MehrProfessur Konstruktionslehre
Professur Konstruktionslehre Prof. Dr. -Ing. E. Leidich / Dipl.- Ing. M. Curschmann / Dipl.- Ing. B. Fischer Lehrgebiet CAE-Systeme CATIA V5 CATIA V5 Grundkurs Diese Anleitung stellt eine grundlegende
MehrKurzeinführung zum Plotten in Maple
Kurzeinführung zum Plotten in Maple Dies ist eine sehr kurze Einführung, die lediglich einen Einblick in die Visualisierung von Funktionen und Mengen gestatten soll und keinesfalls um Vollständigkeit bemüht
MehrErgänzungen zur Analysis I
537. Ergänzungsstunde Logik, Mengen Ergänzungen zur Analysis I Die Behauptungen in Satz 0.2 über die Verknüpfung von Mengen werden auf die entsprechenden Regelnfür die Verknüpfung von Aussagen zurückgeführt.
Mehr30.07.14-1 - E:\Stefan\CAD\CATIA\R19\Anleitungen\Skizzierer.doc. CATIA-Skizzierer
30.07.14-1 - E:\Stefan\CAD\CATIA\R19\Anleitungen\Skizzierer.doc 1. Einführung CATIA-Skizzierer - Skizzen sind die Grundlage der meisten Volumenkörper (siehe Anleitung Teilemodellierung) - eigene Umgebung
MehrFüllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge
2.4 Stetige Zufallsvariable Beispiel. Abfüllung von 500 Gramm Packungen einer bestimmten Ware auf einer automatischen Abfüllanlage. Die Zufallsvariable X beschreibe die Füllmenge einer zufällig ausgewählten
MehrDie Weierstraßsche Funktion
Die Weierstraßsche Funktion Nicolas Weisskopf 7. September 0 Zusammenfassung In dieser Arbeit führen wir die Weierstraßsche Funktion ein und untersuchen einige ihrer Eigenschaften. Wir zeigen, dass jede
MehrDie reellen Lösungen der kubischen Gleichung
Die reellen Lösungen der kubischen Gleichung Klaus-R. Löffler Inhaltsverzeichnis 1 Einfach zu behandelnde Sonderfälle 1 2 Die ganzrationale Funktion dritten Grades 2 2.1 Reduktion...........................................
MehrPhysik. Lichtgeschwindigkeit
hysik Lihtgeshwindigkeit Messung der Lihtgeshwindigkeit in Versuhsaufbau Empfänger s Spiegel Sender l osition 0 d Abb. Versuhsdurhführung Die Spiegel werden auf die osition 0 m geshoben und die hase mit
MehrNeues Thema: Inversion am Kreis (Kreisspiegelung)
Neues Thema: Inversion am Kreis (Kreisspiegelung) Wir arbeiten in ( R 2,, standard ). Def. Betrachte einen Kreis um O vom Radius r > 0. Inversion (bzgl. des Kreises) ist eine Abbildung I O,r : R 2 \ {O}
Mehrklar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s
Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen
MehrWirtschaftsmathematik für Dummies
Christoph Mayer, Sören Jensen, Suteika Bort, beborah Rumsey, Mark Ryan und Mary Jane Sterling Wirtschaftsmathematik für Dummies Herausaegeben Von Christoph Mayer, Sören Jensen und Suteika Bort WILEY- VCH
MehrLösungsmethoden gewöhnlicher Differentialgleichungen (Dgl.)
Lösungsmethoden gewöhnlicher Dierentialgleichungen Dgl) Allgemeine und partikuläre Lösung einer gewöhnlichen Dierentialgleichung Eine Dierentialgleichung ist eine Gleichung! Zum Unterschied von den gewöhnlichen
Mehr9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83
9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x
MehrComputational Finance
Computational Finance Kapitel 2.1: Einführung in die Simulation Prof. Dr. Thorsten Poddig Lehrstuhl für Allgemeine Betriebswirtschaftslehre, insbes. Finanzwirtschaft Universität Bremen Hochschulring 4
MehrGeometrische Mannigfaltigkeiten
Geometrische Mannigfaltigkeiten Thilo Kuessner Abstract Kurzfassung der Vorlesung: Definitionen, Beispiele und Sätze, keine Beweise. Definition 1. Ein topologischer Raum ist eine Menge X mit einer Familie
MehrWelle. CAD Catia Solids. Arbeitsunterlagen. Prof. Dr.-Ing. A. Belei. Prof. Dr.-Ing. A. Belei CAD CATIA V5 Solids Welle.
Prof. Dr.-Ing. A. Belei CAD Catia Solids Arbeitsunterlagen 2006 Seite 1 / 20 Inhaltsverzeichnis: 1 Allgemeines... 3 2 Skizze als Profil (Variante 1)... 7 3 Skizze als Kreis (Variante 2)... 8 4 Verrundung,
MehrDynamische Mathematik mit GeoGebra 30. März 1. April 2009
Dynamische Mathematik mit GeoGebra 30. März 1. April 2009 Angebote für Fortgeschrittene Thema 1 Gegeben ist ein beliebiges Dreieck. Über die Seiten des Dreiecks werden Quadrate errichtet. In zwei Ecken
MehrVorlesung. Funktionen/Abbildungen 1
Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.
MehrMusterlösungen zu Prüfungsaufgaben über gewöhnliche Differentialgleichungen Prüfungsaufgabe a) Gegeben sei die lineare Differentialgleichung
Musterlösungen zu n über gewöhnliche Differentialgleichungen a) Gegeben sei die lineare Differentialgleichung y + - y = e - ln, > 0 Man gebe die allgemeine Lösung der homogenen Gleichung an Wie lautet
MehrFormelsammlung zur Kreisgleichung
zur Kreisgleichung Julia Wolters 6. Oktober 2008 Inhaltsverzeichnis 1 Allgemeine Kreisgleichung 2 1.1 Berechnung des Mittelpunktes und Radius am Beispiel..... 3 2 Kreis und Gerade 4 2.1 Sekanten, Tangenten,
MehrComputer-Graphik I Transformationen & Viewing
lausthal Motivation omputer-raphik I Transformationen & Viewing Man möchte die virtuelle 3D Welt auf einem 2D Display darstellen. Zachmann lausthal University, ermany zach@in.tu-clausthal.de. Zachmann
MehrAnwendung der Theorie von Gauß Shift Experimenten auf den Kolmogorov Smirnov Test und das einseitige Boundary Crossing Problem
Anwendung der Theorie von Gauß Shift Experimenten auf den Kolmogorov Smirnov Test und das einseitige Boundary Crossing Problem Inauguraldissertation zur Erlangung des Doktorgrades der Mathematisch Naturwissenschaftlichen
Mehr2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also
Universität Konstanz Fachbereich Mathematik und Statistik Repetitorium Analysis 0 Dr DK Huynh Blatt 8 Aufgabe 6 Bestimmen Sie (a) (x + x 7x+)dx (c) (f) x n exp(x)dx (n N fest) sin (x)dx (g) (b) (d) ln(x)dx
MehrArbeiten mit dem Geometrieprogramm GeoGebra
Fachdidaktik Modul 1, WS 2012/13 Didaktik der Geometrie III: Konstruieren Planarbeit Arbeiten mit dem Geometrieprogramm GeoGebra I. Erstes Erkunden der Programmoberfläche: Grund- und Standardkonstruktionen
MehrÜbungsrunde 7, Gruppe 2 LVA 107.369, Übungsrunde 7, Gruppe 2, 28.11. Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 11/2006
1 3.34 1.1 Angabe Übungsrunde 7, Gruppe 2 LVA 107.369, Übungsrunde 7, Gruppe 2, 28.11. Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 11/2006 U sei auf dem Intervall (0, 1) uniform verteilt. Zeigen
MehrWintersemester 2005/2006 Gedächtnisprotokoll der mündlichen Prüfung
Wintersemester 2005/2006 Gedächtnisprotokoll der mündlichen Prüfung Ulrich Loup 24.03.2006 Prüfungsstoff: Alegebra I, Analysis IV, Graphentheorie I Prüfer: Prof. Dr. Wilhelm Plesken Protokollant: Dipl.
MehrTipps und Tricks für CATIA V5
DMU-NAVIGATOR Laden großer Baugruppen im DMU-Navigator In einigen Branchen wie dem Flugzeugbau wird der DMU-Navigator als Viewer eingesetzt. Leider kann es auch hier dauern, bis die komplette Geometrie
MehrGNS-Konstruktion und normale Zustände. 1 Rückblick. 2 Beispiel für einen Typ-II 1 -Faktor
GNS-Konstruktion und normale Zustände 1 Rückblick Wir betrachten von-neumann-algebren M B(H), d.h. Unteralgebren mit 1 H M, die in der schwachen Operatortopologie (und damit in jeder der anderen) abgeschlossen
Mehr, dt. $+ f(x) = , - + < x < +, " > 0. " 2# Für die zugehörige Verteilungsfunktion F(x) ergibt sich dann: F(x) =
38 6..7.4 Normalverteilung Die Gauß-Verteilung oder Normal-Verteilung ist eine stetige Verteilung, d.h. ihre Zufallsvariablen können beliebige reelle Zahlenwerte annehmen. Wir definieren sie durch die
MehrCodierung, Codes (variabler Länge)
Codierung, Codes (variabler Länge) A = {a, b, c,...} eine endliche Menge von Nachrichten (Quellalphabet) B = {0, 1} das Kanalalphabet Eine (binäre) Codierung ist eine injektive Abbildung Φ : A B +, falls
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
MehrStochastische Prozesse Gliederung zur Vorlesung im Sommersemester 2006
Stochastische Prozesse Gliederung zur Vorlesung im Sommersemester 26 Markus Reiß Universität Heidelberg reiss@statlab.uni-heidelberg.de VORLÄUFIGE FASSUNG: 28. Juli 26 Inhaltsverzeichnis 1 Der Poissonprozess
MehrKern- und Schulcurriculum Mathematik Klasse 9/10. Stand Schuljahr 2009/10
Kern- und Schulcurriculum Mathematik /10 Stand Schuljahr 2009/10 Fett und kursiv dargestellte Einheiten gehören zum Schulcurriculum In allen Übungseinheiten kommt die Leitidee Vernetzung zum Tragen - Hilfsmittel
MehrBinäre Suchbäume (binary search trees, kurz: bst)
Binäre Suchbäume (binary search trees, kurz: bst) Datenstruktur zum Speichern einer endlichen Menge M von Zahlen. Genauer: Binärbaum T mit n := M Knoten Jeder Knoten v von T ist mit einer Zahl m v M markiert.
MehrAngewandte Stochastik
Angewandte Stochastik Dr. C.J. Luchsinger 17 Crash Course Brownsche Bewegung (stetige Zeit, stetiger Zustandsraum); Pricing & Hedging von Optionen in stetiger Zeit Literatur Kapitel 17 * Uszczapowski:
Mehr11.3 Komplexe Potenzreihen und weitere komplexe Funktionen
.3 Komplexe Potenzreihen und weitere komplexe Funktionen Definition.) komplexe Folgen: z n = x n + j. y n mit zwei reellen Folgen x n und y n.) Konvergenz: Eine komplexe Folge z n = x n + j. y n heißt
MehrDas Oszilloskop als Messinstrument Versuch P1-32,33,34
Vorbereitung Das Oszilloskop als Messinstrument Versuch P1-32,33,34 Iris Conradi Gruppe Mo-02 23. November 2010 Inhaltsverzeichnis Inhaltsverzeichnis 1 Kennenlernen der Bedienelemente 3 2 Messung im Zweikanalbetrieb
MehrDie Näherung durch die Sekante durch die Punkte A und C ist schlechter, da der Punkt C weiter von A entfernt liegt.
LÖSUNGEN TEIL 1 Arbeitszeit: 50 min Gegeben ist die Funktion f mit der Gleichung. Begründen Sie, warum die Steigung der Sekante durch die Punkte A(0 2) und C(3 11) eine weniger gute Näherung für die Tangentensteigung
MehrAbschlussprüfung Realschule Bayern II / III: 2009 Haupttermin B 1.0 B 1.1
B 1.0 B 1.1 L: Wir wissen von, dass sie den Scheitel hat und durch den Punkt läuft. Was nichts bringt, ist beide Punkte in die allgemeine Parabelgleichung einzusetzen und das Gleichungssystem zu lösen,
MehrPhysik III - Anfängerpraktikum- Versuch 302
Physik III - Anfängerpraktikum- Versuch 302 Sebastian Rollke (103095) und Daniel Brenner (105292) 15. November 2004 Inhaltsverzeichnis 1 Theorie 2 1.1 Beschreibung spezieller Widerstandsmessbrücken...........
MehrPräsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik
Präsenzübungsaufgaben zur Vorlesung Elementare Sachversicherungsmathematik Dozent: Volker Krätschmer Fakultät für Mathematik, Universität Duisburg-Essen, WS 2012/13 1. Präsenzübung Aufgabe T 1 Sei (Z 1,...,
MehrSchätzer (vgl. Kapitel 1): Stichprobenmittel X N. Stichprobenmedian X N
Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 8.1 Schätzer für Lage- und Skalenparameter und Verteilungsmodellwahl Lageparameter (l(x + a) = l(x) + a): Erwartungswert EX Median von X
MehrInduktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010
Induktive Limiten Arpad Pinter, Tobias Wöhrer 30. Jänner 2010 1 Inhaltsverzeichnis 1 Induktiver Limes von Mengen 2 2 Induktiver Limes von Vektorräumen 4 3 Lokalkonvexe topologische Vektorräumen 7 4 Induktiver
MehrGrundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt!
Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! 1 Einführung 2 Wahrscheinlichkeiten kurz gefasst 3 Zufallsvariablen und Verteilungen 4 Theoretische Verteilungen (Wahrscheinlichkeitsfunktion)
MehrKepler sche Gesetze. = GMm ; mit v = 2rπ. folgt 3. Keplersches Gesetz
Kepler sche Gesetze 1. 3. Keplersche Gesetz (a) Wie kann man das 3. Keplersche Gesetz aus physikalischen Gesetzen ableiten? Welche vereinfachenden Annahmen werden dazu gemacht? (b) Welche Verfeinerung
MehrHaskell zur Constraint-Programmierung HaL8
Haskell zur Constraint-Programmierung HaL8 Alexander Bau 2. Mai 2013 Wir benutzen eine Teilmenge von Haskell zur Spezifikation von Constraint- Systemen über Haskell-Datentypen. Ein Constraint-Compiler
MehrArbeitsblätter zum Thema Papierfalten und Algebra für den Unterricht Hochbegabter in der Sekundarstufe II
Arbeitsblätter zum Thema Papierfalten und Algebra für den Unterricht Hochbegabter in der Sekundarstufe II Robert Geretschläger Graz, Österreich, 2009 Blatt 1 Lösen quadratischer Gleichungen mit Zirkel
MehrMathematische Ökologie
Mathematische Ökologie Eine Zusammenfassung von Bernhard Kabelka zur Vorlesung von Prof. Länger im WS 2002/03 Version 1.04, 15. März 2004 Es sei ausdrücklich betont, dass (1) dieses Essay ohne das Wissen
Mehr(Lineare) stochastische Optimierung
(Lineare) stochastische Optimierung Bsp: Aus zwei Sorten Rohöl wird Benzin und Heizöl erzeugt. Die Produktivität sowie der Mindestbedarf (pro Woche) und die Kosten sind in folgender Tabelle angegeben:
MehrB H 0 H definieren, die somit die Antwort des Ordnungsparameters auf eine Variation der dazu konjugierten
In Anwesenheit eines äußeren magnetischen Felds B entsteht in der paramagnetischen Phase eine induzierte Magnetisierung M. In der ferromagnetischen Phase führt B zu einer Verschiebung der Magnetisierung
MehrGleichungen - Aufgabenstellung und Lösungsstrategien
Gleichungen - Aufgabenstellung und Lösungsstrategien Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 25, A-6020 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at 18. Juli 2006 1 Einleitung
MehrMathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011
Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h
MehrCodierungstheorie Rudolf Scharlau, SoSe 2006 9
Codierungstheorie Rudolf Scharlau, SoSe 2006 9 2 Optimale Codes Optimalität bezieht sich auf eine gegebene Quelle, d.h. eine Wahrscheinlichkeitsverteilung auf den Symbolen s 1,..., s q des Quellalphabets
MehrAnwendungen in der elementaren Zinsrechnung. Kapitalwert zum Zeitpunkt j (nach j Zinsperioden) Bsp. 1. 0 1 2 3 4 Zeitpunkte
Anwendungen in der elementaren Zinsrechnung Zinssatz (Rendite) je Zinsperiode i = p% p= Prozentpunkte Zinsfaktor (Aufzinsungsfaktor) q =1+i Diskontfaktor (Abzinsungsfaktor) v =1/(1 + i) =q 1 Laufzeit n
Mehrx 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt
- 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +
MehrTEILWEISE ASYNCHRONE ALGORITHMEN
TEILWEISE ASYNCHRONE ALGORITHMEN FRANK LANGBEIN Literatur: D. Berseas, J. Tsitsilis: Parallel and distributed computatoin, pp. 48 489 URI: http://www.langbein.org/research/parallel/ Modell teilweiser asynchroner
MehrStudiengang. Bachelor of Education. (B.Ed.) Lehramt. Gymnasium. Mathematik
Studiengang Bachelor of Education (B.Ed.) Lehramt Gymnasium Mathematik der Universität Mannheim Modulkatalog (Stand: 03.09.2015) 1 Inhaltsverzeichnis Vorwort... 3 Modulübersicht...4 Modulbeschreibungen...
MehrAufgaben des MSG-Zirkels 10b Schuljahr 2007/2008
Aufgaben des MSG-Zirkels 10b Schuljahr 2007/2008 Alexander Bobenko und Ivan Izmestiev Technische Universität Berlin 1 Hausaufgaben vom 12.09.2007 Zahlentheorie 1 Aufgabe 1.1 Berechne die (quadratischen)
MehrVerteilungsmodelle. Verteilungsfunktion und Dichte von T
Verteilungsmodelle Verteilungsfunktion und Dichte von T Survivalfunktion von T Hazardrate von T Beziehungen zwischen F(t), S(t), f(t) und h(t) Vorüberlegung zu Lebensdauerverteilungen Die Exponentialverteilung
MehrDarstellende Geometrie Übungen. Tutorial. Übungsblatt: Perspektive - Rekonstruktion
Darstellende Geometrie Übungen Institut für Architektur und Medien Tutorial Übungsblatt: Perspektive - Rekonstruktion Gegeben sind ein Foto von einem quaderförmigen Objekt sowie die Abmessungen des Basisrechteckes.
Mehr13. Abzählen von Null- und Polstellen
13. Abzählen von Null- und Polstellen 77 13. Abzählen von Null- und Polstellen Als weitere Anwendung des Residuensatzes wollen wir nun sehen, wie man ot au einache Art berechnen kann, wie viele Null- bzw.
MehrKleine Einführung in die lineare Regression mit Excel
Kleine Einführung in die lineare Regression mit Excel Grundoperationen mit Excel Werte mit Formeln berechnen Bsp.: Mittelwert und Standardabweichung Das $-Zeichen Beispielauswertung eines Versuches Daten
MehrBachelorarbeit: E-Learning-Modul zum Thema Kegelschnitte
Bachelorarbeit: E-Learning-Modul zum Thema Kegelschnitte Roman Gächter 27. Februar 2008 Inhaltsverzeichnis 1 Vorwort 3 2 Oberfläche 4 2.1 Einführung................................ 4 2.2 Geometrie und
MehrRobotik-Praktikum: Ballwurf mit dem Roboterarm Lynx6 Modellbeschreibung. Julia Ziegler, Jan Krieger
Robotik-Praktikum: Ballwurf mit dem Roboterarm Lynx6 Modellbeschreibung Julia Ziegler, Jan Krieger Modell zur Optimierung Doppelpendel-Modell Zur Optimierung einer Wurfbewegung wurde ein physikalisches
Mehr2. Lernen von Entscheidungsbäumen
2. Lernen von Entscheidungsbäumen Entscheidungsbäume 2. Lernen von Entscheidungsbäumen Gegeben sei eine Menge von Objekten, die durch Attribut/Wert- Paare beschrieben sind. Jedes Objekt kann einer Klasse
MehrVorlesung Dynamische Systeme
Vorlesung Dynamische Systeme WS 2009/2010 Mo. 13.00 14.30, WIL C133 Fr. 11.10 12.40, WIL C133 Tobias Oertel-Jäger Institut for Analysis, TU Dresden Dynamische Systeme Bekannte Objekte, neue Fragen Besonderheit
MehrMATHEMATIK 3 STUNDEN. DATUM: 8. Juni 2009
EUROPÄISCHES ABITUR 2009 MATHEMATIK 3 STUNDEN DATUM: 8. Juni 2009 DAUER DES EXAMENS : 3 Stunden (180 Minuten) ZUGELASSENE HILFSMITTEL : Europäische Formelsammlung Nicht graphischer und nicht programmierbarer
MehrKlausur zu Physik1 für B_WIng(v201)
M. Anders Wedel, den 13.08.07 Klausur zu Physik1 ür B_WIng(v201) Klausurdatum: 16.2.07, 14:00, Bearbeitungszeit: 90 Minuten Achtung! Es ird nur geertet, as Sie au diesen Blättern oder angeheteten Leerseiten
MehrKapitel 15: Differentialgleichungen
FernUNI Hagen WS 00/03 Kapitel 15: Differentialgleichungen Differentialgleichungen = Gleichungen die Beziehungen zwischen einer Funktion und mindestens einer ihrer Ableitungen herstellen. Kommen bei vielen
MehrVorlesung 04.12.2006: Binäre Entscheidungsdiagramme (BDDs) Dr. Carsten Sinz
Vorlesung 04.12.2006: Binäre Entscheidungsdiagramme (BDDs) Dr. Carsten Sinz Datenstruktur BDD 1986 von R. Bryant vorgeschlagen zur Darstellung von aussagenlogischen Formeln (genauer: Booleschen Funktionen)
Mehr1. Woche Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes
1 Woche Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes 1 Woche: Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes 5/ 44 Unser Modell Shannon
MehrDie Black-Scholes-Gleichung
Die Black-Scholes-Gleichung Franziska Merk 22.06.2012 Outline Optionen 1 Optionen 2 3 Optionen Eine Kaufoption ist ein Recht, eine Aktie zu einem heute (t=0) festgelegten Preis E an einem zukünftigen Zeitpunkt
MehrFolienmodell zur Veranschaulichung der Bewegung von Erde und Mond um ihren gemeinsamen Schwerpunkt: (Verfasser: Werner B. Schneider, Stand 2/2010)
Folienmodell zur Veranschaulichung der Bewegung von Erde und Mond um ihren gemeinsamen Schwerpunkt: (Verfasser: Werner B. Schneider, Stand 2/2010) Das mit dem Modell verfolgte Ziel besteht darin, die Bewegung
MehrGeometrische Maße oder,... wie kann man quantitative Aussagen über geometrische Objekte erhalten?
In der euklidischen Geometrie der Mittelstufe ging es zumeist um geometrische Konstruktionen und um qualitative Aussagen über geometrische Objekte in Bezug zueinander. Möchte man, insbesondere im dreidimensionalen
MehrDefinition:Eine meromorphe Modulform vom Gewicht k Z ist eine meromorphe. f : H C. (ii) C > 0, so daß f(z) im Bereich Im z > C keine Singularität hat.
Die k/2 - Formel von Renate Vistorin Zentrales Thema dieses Vortrages ist die k/2 - Formel für meromorphe Modulformen als eine Konsequenz des Residuensatzes. Als Folgerungen werden danach einige Eigenschaften
MehrOptionsbewertung. Christof Heuer und Fabian Lenz. 2. Februar 2009
nach Black-Scholes mit sprüngen 2. Februar 2009 nach Black-Scholes mit sprüngen Inhaltsverzeichnis 1 Einleitung Optionsarten Modellannahmen 2 Aktienmodell Beispiele für e ohne Sprung 3 nach Black-Scholes
MehrMA Projekt: Langfristige Kapitalmarktsimulation
MA Projekt: Langfristige Kapitalmarktsimulation Einführung in die Simulation Prof. Dr. Thorsten Poddig Lehrstuhl für Allgemeine Betriebswirtschaftslehre, insbes. Finanzwirtschaft Universität Bremen Hochschulring
MehrMonte-Carlo-Simulationen mit Copulas. Kevin Schellkes und Christian Hendricks 29.08.2011
Kevin Schellkes und Christian Hendricks 29.08.2011 Inhalt Der herkömmliche Ansatz zur Simulation logarithmischer Renditen Ansatz zur Simulation mit Copulas Test und Vergleich der beiden Verfahren Fazit
MehrWelche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
Mehr