Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2

Größe: px
Ab Seite anzeigen:

Download "Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2"

Transkript

1 ETH Arbetsgruppe Radocheme Radochemsches Praktkum P 06 Enführung n de Statstk INHALTSVERZEICHNIS Sete 1. Zählung von radoaktven Zerfällen und Statstk 2 2. Mttelwert und Varanz 2 3. Momente ener Vertelung 3 4. Posson-Vertelung 4 5. Varanz der Posson-Vertelung 5 6. Statstscher Fehler be der Bestmmung von Zerfallsraten 6

2 1. Zählung von radoaktven Zerfällen und Statstk 2 Es gbt kene exakten Messresultate. Des glt auch für Zählexpermente, obwohl das Resultat ene ganze Zahl st. Durch de Zufällgket des radoaktven Enzeleregnsses snd aber Aussagen über de Wahrschenlchket für das Entreten von Zerfallseregnssen möglch. Von enem enzelnen Atom kann man ncht vorhersagen, wann es zerfällt. Man kann nur de Wahrschenlchket angeben, daß es nnerhalb ener bestmmten Zetspanne zerfällt. Der Zerfall enes Kerns zu enem bestmmten Zetpunkt st das expermentelle Enzeleregns, das be der Messung der Radoaktvtät m allgemenen festgestellt wrd. De große Zahl von Enzeleregnssen, de normalerwese zur Verfügung steht, macht ene statstsche Behandlung notwendg. Konkret kann man be der Messung der Aktvtät ene Zetspanne vorgeben und de Anzahl Zerfälle nnerhalb deser Spanne betmmen. De Anzahl Zerfälle st ene Zufallsvarable. Man charaktersert se n der Statstk durch hre Vertelungsfunkton. Se enthält de ganze Informaton über den physkalschen Vorgang. De Vertelungsfunkton näherungswese zu bestmmen, st daher das Zel der statstschen Auswertung. Man kann ene Vertelung durch enge Maßzahlen charakterseren, de wchtgsten davon snd Mttelwert µ und Varanz σ Mttelwert und Varanz Der Mttelwert ener dskreten Vertelung st defnert durch µ = x f(x ) (1) De Begrffe "Mttelwert ener Vertelung" und "Mttelwert ener ener Zufallsvarablen" werden oft ncht unterscheden. Her soll ncht auf den Untersched engegangen werden, da des zu wet führen würde. De Varanz ener dskreten Vertelung st defnert durch σ 2 = (x µ) 2 f(x ) (2) De Varanz st en Maß für de Streuung der Werte, de de Zufallsvarable X annehmen kann. De Quadratwurzel der Varanz heßt Standardabwechung.

3 3. Momente ener Vertelung 3 Mttelwert und Varanz snd Sonderfälle der sogenannten Momente ener Vertelung. Ene belebge Funkton g(x) der Zufallsvarablen X st selbst ene Zufallsarable. Der Erwartungswert von g(x) st defnert durch E(g(x)) = g(x ) f(x ) (3) wobe de x Ausprägungen von X snd, also expermentelle Enzeleregnsse. f(x) st de zu X gehörge Vertelungsfunkton. Wählt man n Gl. (3) spezell g(x) = X k (k = 1, 2,...), so ergbt sch E(X k ) = x k f(x ) (4) Dese Größe heßt das k-te Moment der betreffenden Vertelung. Für k = 1 geht (4) n (1) über. Das 1. Moment der Vertelung st also der Mttelwert µ: µ = E(X) (5) Wählt man n Gl. (3) spezell g(x) = [X µ] k (k = 1, 2,...), so ergbt sch E([X µ] k ) = (x µ) k f(x ) (6) Dese Größe heßt das k-te zentrale Moment der betreffenden Vertelung. Exstert das 1. zentrale Moment, so hat es den Wert null. Für k=2 geht (6) n (2) über. Das 2. zentrale Moment st demnach de Varanz der betreffenden Vertelung: σ 2 = E([X µ] 2 ) (7) De zentralen Momente lassen sch aber auch durch de Momente ausdrücken: σ 2 = E(X 2 ) µ 2 (8) Be manchen Vertelungen berechnet man de Momente am enfachsten drekt aus den Defntonsglechungen, während man n anderen Fällen durch de Benutzung ener geegneten Hlfsfunktonlechter zum Zel kommt. Der Erwartungswert E(e tx )

4 4 heßt de momenterzeugende Funkton der betreffenden Vertelung und wrd mt G(t) bezechnet: G(t) = E(e tx ) = (e tx f(x )) (9) 4. Posson-Vertelung Betrachtet man en Zufallsexperment, be dem de Wahrschenlchket p für das Entreffen enes Eregnsses A be jeder Wederholung de gleche st und sch de Ergebnsse der verschedenen Ausführungen gegensetg ncht beenflussen, erhält man ene Bnomalvertelung. Se hat de Vertelungsfunkton f(x) = n! x! (n x) px (1 p) n x (10) Be velen Anwendungen st de Erfolgswahrschenlchket p bem enzelnen Experment klen, während de Anzahl n der Ausführungen sehr groß st. In enem solchen Fall st es vortelhaft, de Bnomalvertelung mt hren für große n recht unbequemen Bnomalkoeffzenten durch de Vertelung zu approxmeren, de sch ergbt, wenn p gegen Null und n gegen Unendlch strebt. Der Mttelwert µ = n p (11) strebt dabe gegen enen endlchen Wert. Um de genannte Vertelung zu gewnnen, geht man von der Vertelungsfunkton der Bnomalvertelung Gl. (10) aus. Wegen Gl. (11) st p = µ n, also px = µx n x (12) und weterhn (1 p) n x = n x = n x (13)

5 Setzt man des n Gl. (10) en, so ergbt sch de Vertelungsfunkton: 5 f(x) = µx x! n(n 1)...(n x + 1) n x 1 µ n n x (14) Für n streben n(n 1)...(n x + 1) n x 1 n e µ x 1 Also ergbt sch de kontnuerlche Vertelungsfunkton : f(x) = µx x! e µ (15) De Vertelung heßt Posson-Vertelung. We aus der Herletung folgt, hat se den Mttelwert µ. 5. Varanz der Posson-Vertelung Gemäß Gln. (9) und (15) hat de Posson-Vertelung de momenterzeugende Funkton G(x) = e µ e µet (16) Also st G(0) = 1. Wederholte Dfferentaton ergbt nachenander: G'(t) = e µ e µet µe t = µe t G(t) G''(t) = µe t [G(t)+ G'(t)] Also st G'(0) = µ und weterhn E(x 2 ) = G''(0) = µ+µ 2 (17)

6 6 Demnach hat de Posson-Vertelung de Varanz σ 2 = µ. Aus desem Ergebns erkennt man unmttelbar, dass dmensonsbehaftete Größen ncht possonvertelt sen können. Mttelwert und Varanz hätten dann ncht de gleche Enhet und können demnach auch ncht glech sen. De Anzahl Zerfälle während ener vorgegebenen Zetspanne st possonvertelt, ncht de Zählrate. 6. Statstscher Fehler be der Bestmmung von Zerfallsraten Es läßt sch zegen, daß sch de asymmetrsche Possonvertelung durch ene Gaussvertelung approxmeren läßt, wenn de Anzahl der Ausführungen n, n desem Fall de Anzahl der total gezählten Zerfälle, gegen unendlch strebt. Man kann dann de Fehlerrechnung mt der wohlbekannten Normalvertelung durchführen. De wahre Zerfallsrate legt mt ener Wahrschenlchket von 68,3 % nnerhalb ener Standardabwechung σ um de gemessene Zerfallsrate. Be radochemschen Messungen st es üblch, enen Vertrauensberech von 2σ um den gemessenen Mttelwert anzugeben. Wenn de Annahme ener Normalvertelung zuläßg st, entsprcht das ener statstschen Scherhet von 95,5 %. Be ener radochemschen Messung nterressert man sch oft für de Zähldauer be enem Experment für ene vorgegebene Präzson, wenn de Zählrate ungefähr bekannt st. Für de mest geforderte Brete von 2 Standardabwechungen kann man se mt folgender Bezehung abschätzen: t = 1 I 2 σ rel 2 mt σ rel = 2σ µ (19) wobe I de Impulsrate st und σ rel der geforderte Wert für de relatve Fehlerbrete. Da n der analytschen Cheme kaum Präzsonen klener als 1 % errecht werden, genügt es m allgemenen, enen Wert von σ rel =0,01 zu fordern, um den Zählfehler als Fehlerquelle auszuschalten. Enge Messgeräte wählen de Zähldauer selbst. Se akkumuleren de Anzahl Zerfälle, de für ene vorgegebene Präzson notwendg st.

2πσ. e ax2 dx = x exp. 2πσ. 2σ 2. Die Varianz ergibt sich mit Hilfe eines weiteren bestimmten Integrals: x 2 e ax2 dx = 1 π.

2πσ. e ax2 dx = x exp. 2πσ. 2σ 2. Die Varianz ergibt sich mit Hilfe eines weiteren bestimmten Integrals: x 2 e ax2 dx = 1 π. 2.5. NORMALVERTEILUNG 27 2.5 Normalvertelung De n der Statstk am häufgsten benutzte Vertelung st de Gauss- oder Normalvertelung. Wr haben berets gesehen, dass dese Vertelung aus den Bnomal- und Posson-Vertelungen

Mehr

Versicherungstechnischer Umgang mit Risiko

Versicherungstechnischer Umgang mit Risiko Verscherungstechnscher Umgang mt Rsko. Denstlestung Verscherung: Schadensdeckung von für de enzelne Person ncht tragbaren Schäden durch den fnanzellen Ausglech n der Zet und m Kollektv. Des st möglch über

Mehr

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de

Mehr

Standardnormalverteilung / z-transformation

Standardnormalverteilung / z-transformation Standardnormalvertelung / -Transformaton Unter den unendlch velen Normalvertelungen gbt es ene Normalvertelung, de sch dadurch ausgeechnet st, dass se enen Erwartungswert von µ 0 und ene Streuung von σ

Mehr

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007 Lehrstuhl für Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen

Mehr

Methoden der innerbetrieblichen Leistungsverrechnung

Methoden der innerbetrieblichen Leistungsverrechnung Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den

Mehr

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung: Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab

Mehr

Statistik und Wahrscheinlichkeit

Statistik und Wahrscheinlichkeit Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse

Mehr

FORMELSAMMLUNG STATISTIK (I)

FORMELSAMMLUNG STATISTIK (I) Statst I / B. Zegler Formelsammlng FORMELSAMMLUG STATISTIK (I) Statstsche Formeln, Defntonen nd Erläterngen A a X n qaltatves Mermal Mermalsasprägng qanttatves Mermal Mermalswert Anzahl der statstschen

Mehr

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm): Aufgabe 1 (4 + 2 + 3 Punkte) Bem Wegen von 0 Respaketen ergaben sch folgende Gewchte X(n Gramm): 1 2 3 4 K = (x u, x o ] (98,99] (99, 1000] (1000,100] (100,1020] n 1 20 10 a) Erstellen Se das Hstogramm.

Mehr

Gruppe. Lineare Block-Codes

Gruppe. Lineare Block-Codes Thema: Lneare Block-Codes Lneare Block-Codes Zele Mt desen rechnerschen und expermentellen Übungen wrd de prnzpelle Vorgehenswese zur Kanalcoderung mt lnearen Block-Codes erarbetet. De konkrete Anwendung

Mehr

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2 1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:

Mehr

Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler, Eidgenössische Technische Hochschule, ETH Zürich. 1. Teilprüfung FS 2008.

Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler, Eidgenössische Technische Hochschule, ETH Zürich. 1. Teilprüfung FS 2008. Dr. Jochen Köhler, Edgenösssche Technsche Hochschule, ETH Zürch. Telprüfung Statstk und Wahrschenlchketsrechnung FS 2008 Lösungen Dr. J. Köhler ETH Zürch Donnerstag 0. Aprl 2008 08:5 09:45 0BTel : Multple

Mehr

Physikalisches Praktikum PAP 1 für Physiker (B.Sc.) September 2010

Physikalisches Praktikum PAP 1 für Physiker (B.Sc.) September 2010 Physkalsches Praktkum PAP 1 für Physker (B.Sc.) September 010 (Kurze) Enführung n de Grundlagen der Fehlerrechnung oder besser: Bestmmung von Messunscherheten Step nsde, lades & gentlemen, sad the museum

Mehr

Nernstscher Verteilungssatz

Nernstscher Verteilungssatz Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.

Mehr

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz): LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete

Mehr

AUFGABEN ZUR INFORMATIONSTHEORIE

AUFGABEN ZUR INFORMATIONSTHEORIE AUFGABEN ZUR INFORMATIONSTHEORIE Aufgabe Wr betrachten das folgende Zufallsexperment: Ene fare Münze wrd so lange geworfen, bs erstmals Kopf erschent. De Zufallsvarable X bezechne de Anzahl der dazu notwendgen

Mehr

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale 3. De Kennzechnung von Patkeln 3..1 Patkelmekmale De Kennzechnung von Patkeln efolgt duch bestmmte, an dem Patkel mess bae und deses endeutg beschebende physka lsche Gößen (z.b. Masse, Volumen, chaaktestsche

Mehr

Stochastik - Kapitel 4

Stochastik - Kapitel 4 Aufgaben ab Sete 5 4. Zufallsgrößen / Zufallsvarablen und hre Vertelungen 4. Zufallsgröße / Zufallsvarable Defnton: Ene Zufallsgröße (Zufallsvarable) X ordnet jedem Versuchsergebns ω Ω ene reelle Zahl

Mehr

1 Definition und Grundbegriffe

1 Definition und Grundbegriffe 1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:

Mehr

6. Modelle mit binären abhängigen Variablen

6. Modelle mit binären abhängigen Variablen 6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch

Mehr

P(mindestens zwei gleiche Augenzahlen) = = 0.4 = = 120. den 5 vorbereiteten Gebieten drei auszuwählen: = 10. Deshalb ist 120 =

P(mindestens zwei gleiche Augenzahlen) = = 0.4 = = 120. den 5 vorbereiteten Gebieten drei auszuwählen: = 10. Deshalb ist 120 = Hochschule Harz Fachberech Automatserung und Informatk Prof. Dr. T. Schade Ft for Ab & Study - Aprl 2014 Lösungen zu den Aufgaben zu elementarer Wahrschenlchketsrechnung 1. a 12 11 10 9 = 33 = 0.102 20

Mehr

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder - Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole

Mehr

Spiele und Codes. Rafael Mechtel

Spiele und Codes. Rafael Mechtel Spele und Codes Rafael Mechtel Koderungstheore Worum es geht Über enen Kanal werden Informatonen Übertragen. De Informatonen werden dabe n Worte über enem Alphabet Q übertragen, d.h. als Tupel w = (w,,

Mehr

Ionenselektive Elektroden (Potentiometrie)

Ionenselektive Elektroden (Potentiometrie) III.4.1 Ionenselektve Elektroden (otentometre) Zelstellung des Versuches Ionenselektve Elektroden gestatten ene verhältnsmäßg enfache und schnelle Bestmmung von Ionenkonzentratonen n verschedenen Meden,

Mehr

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree

Mehr

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression Beschrebung des Zusammenhangs zweer metrscher Merkmale Streudagramme Korrelatonskoeffzenten Regresson Alter und Gewcht be Kndern bs 36 Monaten Knd Monate Gewcht 9 9 5 8 3 4 7.5 4 3 6 5 3 6 4 3.5 7 35 5

Mehr

18. Dynamisches Programmieren

18. Dynamisches Programmieren 8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus

Mehr

Praktikum Physikalische Chemie I (C-2) Versuch Nr. 6

Praktikum Physikalische Chemie I (C-2) Versuch Nr. 6 Praktkum Physkalsche Cheme I (C-2) Versuch Nr. 6 Konduktometrsche Ttratonen von Säuren und Basen sowe Fällungsttratonen Praktkumsaufgaben 1. Ttreren Se konduktometrsch Schwefelsäure mt Natronlauge und

Mehr

4. Musterlösung. Problem 1: Kreuzende Schnitte **

4. Musterlösung. Problem 1: Kreuzende Schnitte ** Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

Mehr

Einführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung. Übersicht. Wahrscheinlichkeitsrechnung. bedinge Wahrscheinlichkeit

Einführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung. Übersicht. Wahrscheinlichkeitsrechnung. bedinge Wahrscheinlichkeit Enführung n de bednge Wahrschenlchket Laplace-Wahrschenlchket p 0.56??? Zufallsexperment Randwahrschenlchket Überscht Was st Wahrschenlchket? Rechenregeln Der Multplkatonssatz Axomatsche Herletung Unabhänggket

Mehr

Lösungen zum 3. Aufgabenblock

Lösungen zum 3. Aufgabenblock Lösungen zum 3. Aufgabenblock 3. Aufgabenblock ewerber haben n enem Test zur sozalen Kompetenz folgende ntervallskalerte Werte erhalten: 96 131 11 1 85 113 91 73 7 a) Zegen Se für desen Datensatz, dass

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 2009 UNIVERSITÄT KARLSRUHE Blatt 2 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 7: (B. Fredmans Urnenmodell)

Mehr

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher. PV - Hausaugabe Nr. 7.. Berechnen Se eakt und verglechen Se de Werte ür de Nullstelle, de mttels dem Verahren von Newton, der Regula als und ener Mttelung zu erhalten snd von der! Funkton: ( ) Lösungs

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

Mehr

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07 Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 3.Auflage Dese Broschüre hlft bem Verfassen und Betreuen von Maturaarbeten. De 3.Auflage

Mehr

Beschreibende Statistik Mittelwert

Beschreibende Statistik Mittelwert Beschrebende Statstk Mttelwert Unter dem arthmetschen Mttel (Mttelwert) x von n Zahlen verstehen wr: x = n = x = n (x +x +...+x n ) Desen Mttelwert untersuchen wr etwas genauer.. Zege für n = 3: (x x )

Mehr

Finanzwirtschaft. Kapitel 3: Simultane Investitions- und Finanzplanung. Lehrstuhl für Finanzwirtschaft - Universität Bremen 1

Finanzwirtschaft. Kapitel 3: Simultane Investitions- und Finanzplanung. Lehrstuhl für Finanzwirtschaft - Universität Bremen 1 Fnanzwrtschaft Kaptel 3: Smultane Investtons- und Fnanzplanung Prof. Dr. Thorsten Poddg Lehrstuhl für Allgemene Betrebswrtschaftslehre, nsbes. Fnanzwrtschaft Unverstät Bremen Hochschulrng 4 / WW-Gebäude

Mehr

Lineare Regression (1) - Einführung I -

Lineare Regression (1) - Einführung I - Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:

Mehr

Netzwerkstrukturen. Entfernung in Kilometer:

Netzwerkstrukturen. Entfernung in Kilometer: Netzwerkstrukturen 1) Nehmen wr an, n enem Neubaugebet soll für 10.000 Haushalte en Telefonnetz nstallert werden. Herzu muss von jedem Haushalt en Kabel zur nächstgelegenen Vermttlungsstelle gezogen werden.

Mehr

Franzis Verlag, 85586 Poing ISBN 978-3-7723-4046-8 Autor des Buches: Leonhard Stiny

Franzis Verlag, 85586 Poing ISBN 978-3-7723-4046-8 Autor des Buches: Leonhard Stiny eseproben aus dem Buch "n mt en zur Elektrotechnk" Franzs Verlag, 85586 Pong ISBN 978--77-4046-8 Autor des Buches: eonhard Stny Autor deser eseprobe: eonhard Stny 005/08, alle echte vorbehalten. De Formaterung

Mehr

Nomenklatur - Übersicht

Nomenklatur - Übersicht Nomenklatur - Überscht Name der synthetschen Varable Wert der synthetschen Varable durch synth. Varable erklärte Gesamt- Streuung durch synth. Varable erkl. Streuung der enzelnen Varablen Korrelaton zwschen

Mehr

Kreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord

Kreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord 1 Kredtrskomodellerung und Rskogewchte m Neuen Baseler Accord erschenen n: Zetschrft für das gesamte Kredtwesen (ZfgK), 54. Jahrgang, 2001, S. 1004-1005. Prvatdozent Dr. Hans Rau-Bredow, Lehrstuhl für

Mehr

Kreditpunkte-Klausur zur Lehrveranstaltung Projektmanagement (inkl. Netzplantechnik)

Kreditpunkte-Klausur zur Lehrveranstaltung Projektmanagement (inkl. Netzplantechnik) Kredtpunkte-Klausur zur Lehrveranstaltung Projektmanagement (nkl. Netzplantechnk) Themensteller: Unv.-Prof. Dr. St. Zelewsk m Haupttermn des Wntersemesters 010/11 Btte kreuzen Se das gewählte Thema an:

Mehr

Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i

Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i Itemanalyse und Itemkennwerte De Methoden der Analyse der Itemegenschaften st ncht m engeren Snne Bestandtel der Klassschen Testtheore Im Rahmen ener auf der KTT baserenden Testkonstrukton und -revson

Mehr

Klasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten

Klasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten Versuch r. 1: achwes des Hook schen Gesetzes und Bestmmung der Federkonstanten achwes des Hookeschen Gesetzes und Bestmmung der Federkonstanten Klasse : ame1 : ame 2 : Versuchszel: In der Technk erfüllen

Mehr

Fallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung

Fallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung Fallstude 4 Qualtätsregelkarten (SPC) und Versuchsplanung Abgabe: Lösen Se de Aufgabe 1 aus Abschntt I und ene der beden Aufgaben aus Abschntt II! Aufgabentext und Lösungen schrftlch bs zum 31.10.2012

Mehr

Einführung in die Finanzmathematik

Einführung in die Finanzmathematik 1 Themen Enführung n de Fnanzmathematk 1. Znsen- und Znsesznsrechnung 2. Rentenrechnung 3. Schuldentlgung 2 Defntonen Kaptal Betrag n ener bestmmten Währungsenhet, der zu enem gegebenen Zetpunkt fällg

Mehr

Kapitel 4: Wahrscheinlichkeitsrechnung und Kombinatorik

Kapitel 4: Wahrscheinlichkeitsrechnung und Kombinatorik Kaptel 4: Wahrschenlchetsrechnung und Kombnator 1 4. Wahrschenlchetsrechnung De Wahrschenlchetsrechung stellt Modelle beret zur Beschrebung und Interpretaton solcher zufällger Erschenungen, de statstsche

Mehr

Quant oder das Verwelken der Wertpapiere. Die Geburt der Finanzkrise aus dem Geist der angewandten Mathematik

Quant oder das Verwelken der Wertpapiere. Die Geburt der Finanzkrise aus dem Geist der angewandten Mathematik Quant der das Verwelken der Wertpapere. De Geburt der Fnanzkrse aus dem Gest der angewandten Mathematk Dmensnen - de Welt der Wssenschaft Gestaltung: Armn Stadler Sendedatum: 7. Ma 2012 Länge: 24 Mnuten

Mehr

Verkehrstechnik. Straßenbau

Verkehrstechnik. Straßenbau st messbar. smanagement Hlfsmttel Arbetsscherhet Fazt Verkehrstechnk Straßenbau IVU Semnar Mobltät, Verkehrsscherhet, Umwelt (04/06) Dpl. Ing. Sandra Voß st messbar. smanagement Hlfsmttel Arbetsscherhet

Mehr

Boost-Schaltwandler für Blitzgeräte

Boost-Schaltwandler für Blitzgeräte jean-claude.feltes@educaton.lu 1 Boost-Schaltwandler für Bltzgeräte In Bltzgeräten wrd en Schaltwandler benutzt um den Bltzkondensator auf ene Spannung von engen 100V zu laden. Oft werden dazu Sperrwandler

Mehr

Portfoliothorie (Markowitz) Separationstheorem (Tobin) Kapitamarkttheorie (Sharpe

Portfoliothorie (Markowitz) Separationstheorem (Tobin) Kapitamarkttheorie (Sharpe Portfolothore (Markowtz) Separatonstheore (Tobn) Kaptaarkttheore (Sharpe Ene Enführung n das Werk von dre Nobelpresträgern zu ene Thea U3L-Vorlesung R.H. Schdt, 3.12.2015 Wozu braucht an Theoren oder Modelle?

Mehr

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen 196 6.5. Rückgewnnung des Zetvorgangs: Rolle der Pole und Nullstellen We n 6.2. und 6.. gezegt wurde, st de Übertragungsfunkton G( enes lnearen zetnvaranten Systems mt n unabhänggen Spechern ene gebrochen

Mehr

Kapitel 2: Klassifikation. Maschinelles Lernen und Neural Computation

Kapitel 2: Klassifikation. Maschinelles Lernen und Neural Computation Kaptel 2: Klassfkaton Maschnelles Lernen und Neural Computaton 28 En enfacher Fall En Feature, Hstogramme für bede Klassen (z.b. Glukosewert, Dabetes a/nen) Kene perfekte Trennung möglch Entschedung: Schwellwert

Mehr

Konkave und Konvexe Funktionen

Konkave und Konvexe Funktionen Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage

Mehr

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt -

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt - Flußnetzwerke - Strukturbldung n der natürlchen Umwelt - Volkhard Nordmeer, Claus Zeger und Hans Joachm Schlchtng Unverstät - Gesamthochschule Essen Das wohl bekannteste und größte exsterende natürlche

Mehr

Schätzfehler in der linearen Regression (1) Einführung

Schätzfehler in der linearen Regression (1) Einführung Schätzfehler ( Reduum: Schätzfehler n der lnearen Regreon ( e Enführung Zel der Regreontattk t e, Schätzglechungen nach dem Krterum der klenten Quadrate aufzutellen und anzugeben, we groß der jewelge Schätzfehler

Mehr

Diskrete Mathematik 1 WS 2008/09

Diskrete Mathematik 1 WS 2008/09 Ruhr-Unverstät Bochum Lehrstuhl für Kryptologe und IT-Scherhet Prof. Dr. Alexander May M. Rtzenhofen, M. Mansour Al Sawad, A. Meurer Lösungsblatt zur Vorlesung Dskrete Mathematk 1 WS 2008/09 Blatt 7 /

Mehr

Projektmanagement / Netzplantechnik Sommersemester 2005 Seite 1

Projektmanagement / Netzplantechnik Sommersemester 2005 Seite 1 Projektmanagement / Netzplantechnk Sommersemester 005 Sete 1 Prüfungs- oder Matrkel-Nr.: Themenstellung für de Kredtpunkte-Klausur m Haupttermn des Sommersemesters 005 zur SBWL-Lehrveranstaltung Projektmanagement

Mehr

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com.

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com. Verfahren für de Polygonalserung ener Kugel Eldar Sultanow, Unverstät Potsdam, sultanow@gmal.com Abstract Ene Kugel kann durch mathematsche Funktonen beschreben werden. Man sprcht n desem Falle von ener

Mehr

1 BWL 4 Tutorium V vom 15.05.02

1 BWL 4 Tutorium V vom 15.05.02 1 BWL 4 Tutorum V vom 15.05.02 1.1 Der Tlgungsfaktor Der Tlgungsfaktor st der Kehrwert des Endwertfaktors (EWF). EW F (n; ) = (1 + )n 1 T F (n; ) = 1 BWL 4 TUTORIUM V VOM 15.05.02 (1 ) n 1 Mt dem Tlgungsfaktor(TF)

Mehr

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich Drtter Hauptsatz der Thermodynamk Rückblck auf vorherge Vorlesung Methoden zur Erzeugung tefer Temperaturen: - umgekehrt laufende WKM (Wärmepumpe) - Joule-Thomson Effekt bs 4 K - Verdampfen von flüssgem

Mehr

12 UMPU Tests ( UMP unbiased )

12 UMPU Tests ( UMP unbiased ) 89 1 UMPU Tests ( UMP unbased ) Nach Bemerkung 11.8(b) exstert m Allgemenen ken zwesetger UMP- Test zu enem Nveau α. Deshalb Enschränkung auf unverfälschte Tests: ϕ Φ α heßt unverfälscht (unbased) zum

Mehr

5. ZWEI ODER MEHRERE METRISCHE MERKMALE

5. ZWEI ODER MEHRERE METRISCHE MERKMALE 5. ZWEI ODER MEHRERE METRISCHE MERKMALE wenn an ener Beobachtungsenhet zwe (oder mehr) metrsche Varablen erhoben wurden wesentlche Problemstellungen: Frage nach Zusammenhang: Bsp.: Duxbury Press (sehe

Mehr

Klausuren zum Üben. Gesamtdauer der Anrufe in [Min]: bis 20 bis 40 bis 60 bis 90 bis 120 Anzahl der Schüler/innen:

Klausuren zum Üben. Gesamtdauer der Anrufe in [Min]: bis 20 bis 40 bis 60 bis 90 bis 120 Anzahl der Schüler/innen: Klausuren zum Üben Aufgabentyp I. Unter den Schülernnen und Schülern der Klassenstufe 5 ener Realschule bestzen 40 en Handy. Unter desen wurde ene Erhebung durchgeführt über de Anzahl von Anrufen (Merkmal

Mehr

VERGLEICH EINER EXPERIMENTELLEN UND SIMULATIONSBASIERTEN SENSITIVITÄTSANALYSE EINER ADAPTIVEN ÖLWANNE

VERGLEICH EINER EXPERIMENTELLEN UND SIMULATIONSBASIERTEN SENSITIVITÄTSANALYSE EINER ADAPTIVEN ÖLWANNE VERGLEICH EINER EXPERIMENTELLEN UND SIMULATIONSBASIERTEN SENSITIVITÄTSANALYSE EINER ADAPTIVEN ÖLWANNE Y. L*, S-O. Han*, T. Pfeffer** *) Fachgebet Systemzuverlässgket und Maschnenakustk, TU Darmstadt **)

Mehr

Operations Research II (Netzplantechnik und Projektmanagement)

Operations Research II (Netzplantechnik und Projektmanagement) Operatons Research II (Netzplantechnk und Projektmanagement). Aprl Frank Köller,, Hans-Jörg von Mettenhem & Mchael H. Bretner.. # // ::: Gute Vorlesung:-) Danke! Feedback.. # Netzplantechnk: Überblck Wchtges

Mehr

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt:

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt: Informatk I 6. Kaptel Raner Schrader Zentrum für Angewandte Informatk Köln 4. Jun 008 Wr haben bsher behandelt: Suchen n Lsten (lnear und verkettet) Suchen mttels Hashfunktonen jewels unter der Annahme,

Mehr

Grundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften

Grundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften Bassmodul Makroökonomk /W 2010 Grundlagen der makroökonomschen Analyse klener offener Volkswrtschaften Terms of Trade und Wechselkurs Es se en sogenannter Fall des klenen Landes zu betrachten; d.h., de

Mehr

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Übung/Tutorate Statistik II: Schließende Statistik SS 2007

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Übung/Tutorate Statistik II: Schließende Statistik SS 2007 Übung/Tutorate Statstk II: Schleßende Statstk SS 7 Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt

Mehr

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar.

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar. . Nullstellensuche Enes der ältesten numerschen Probleme stellt de Bestmmung der Nullstellen ener Funkton = dar. =c +c =c +c +c =Σc =c - sn 3 Für ene Gerade st das Problem trval, de Wurzel ener quadratschen

Mehr

Ich habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf.

Ich habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf. Ich habe en Bespel ähnlch dem der Ansys-Issue [ansys_advantage_vol_ssue3.pdf durchgeführt. Es stammt aus dem Dokument Rfatgue.pdf. Abbldung 1: Bespel aus Rfatgue.pdf 1. ch habe es manuell durchgerechnet

Mehr

50 Matrixnormen und Eigenwertabschätzungen

50 Matrixnormen und Eigenwertabschätzungen 50 Matrxnormen und Egenwertabschätzungen 501 Motvaton De Berechnung der Egenwerte ener Matrx st aufwändg (vgl Kaptel 45, Kaptel 51) Kann man de Egenwerte ener Matrx mt gerngem Aufwand abschätzen? Des spelt

Mehr

-2 Das einfache Regressionsmodell 2.1 Ein ökonomisches Modell

-2 Das einfache Regressionsmodell 2.1 Ein ökonomisches Modell Kaptel : Das enfache Regressonsmodell - Das enfache Regressonsmodell. En ökonomsches Modell Bespel: De Bezehung zwschen Haushaltsenkommen und Leensmttelausgaen Befragung zufällg ausgewählter Haushalte

Mehr

) ergeben die i i. Es gelten folgende allgemeinen Resultate (in informeller Sprache formuliert).

) ergeben die i i. Es gelten folgende allgemeinen Resultate (in informeller Sprache formuliert). V. Kolluson Im olgopolstschen Wettbewerb treffen mtunter mmer weder de glechen Frmen aufenander. Des eröffnet de Möglchket für stlles Zusammenspel, wel abwechendes Verhalten n späteren Zusammentreffen

Mehr

Vorlesung 1. Prof. Dr. Klaus Röder Lehrstuhl für BWL, insb. Finanzdienstleistungen Universität Regensburg. Prof. Dr. Klaus Röder Folie 1

Vorlesung 1. Prof. Dr. Klaus Röder Lehrstuhl für BWL, insb. Finanzdienstleistungen Universität Regensburg. Prof. Dr. Klaus Röder Folie 1 Vorlesung Entschedungslehre h SS 205 Prof. Dr. Klaus Röder Lehrstuhl für BWL, nsb. Fnanzdenstlestungen Unverstät Regensburg Prof. Dr. Klaus Röder Fole Organsatorsches Relevante Informatonen önnen Se stets

Mehr

Zinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung

Zinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung Znsesznsformel (Abschntt 1.2) 3 Investton & Fnanzerung 1. Fnanzmathematk Unv.-Prof. Dr. Dr. Andreas Löffler (AL@wacc.de) t Z t K t Znsesznsformel 0 1.000 K 0 1 100 1.100 K 1 = K 0 + K 0 = K 0 (1 + ) 2

Mehr

Kennlinienaufnahme des Transistors BC170

Kennlinienaufnahme des Transistors BC170 Kennlnenufnhme des Trnsstors 170 Enletung polre Trnsstoren werden us zwe eng benchbrten pn-übergängen gebldet. Vorrusetzung für ds Funktonsprnzp st de gegensetge eenflussung beder pn-übergänge, de nur

Mehr

Klassische Gatter und Logikelemente. Seminarvortrag zu Ausgewählte Kapitel der Quantentheorie Quantenalgorithmen

Klassische Gatter und Logikelemente. Seminarvortrag zu Ausgewählte Kapitel der Quantentheorie Quantenalgorithmen Klasssche Gatter und Logkelemente Semnarvortrag zu Ausgewählte Kaptel der Quantentheore Quantenalgorthmen Gerd Ch. Krzek WS 2003 I. Grundlagen und Methoden der Logk: Im folgenden soll de Konstrukton und

Mehr

UNIVERSITÄT STUTTGART INSTITUT FÜR THERMODYNAMIK UND WÄRMETECHNIK Professor Dr. Dr.-Ing. habil. H. Müller-Steinhagen P R A K T I K U M.

UNIVERSITÄT STUTTGART INSTITUT FÜR THERMODYNAMIK UND WÄRMETECHNIK Professor Dr. Dr.-Ing. habil. H. Müller-Steinhagen P R A K T I K U M. UNIVERSITÄT STUTTGART INSTITUT FÜR THERMODYNAMIK UND WÄRMETECHNIK Professor Dr. Dr.-Ing. habl. H. Müller-Stenhagen P R A K T I K U M Versuch 9 Lestungsmessung an enem Wärmeübertrager m Glech- und Gegenstrombetreb

Mehr

9 Diskriminanzanalyse

9 Diskriminanzanalyse 9 Dskrmnanzanalyse Zel ener Dskrmnanzanalyse: Berets bekannte Objektgruppen (Klassen/Cluster) anhand hrer Merkmale charakterseren und unterscheden sowe neue Objekte n de Klassen enordnen. Nötg: Lernstchprobe

Mehr

1.1 Das Prinzip von No Arbitrage

1.1 Das Prinzip von No Arbitrage Fnanzmärkte H 2006 Tr V Dang Unverstät Mannhem. Das Prnzp von No Arbtrage..A..B..C..D..E..F..G..H Das Framework Bespele Das Fundamental Theorem of Fnance Interpretaton des Theorems und Zustandsprese No

Mehr

1 = Gl.(12.7) Der Vergleich mit Gl. (12.3) zeigt, dass für die laminare Rohrströmung die Rohrreibungszahl

1 = Gl.(12.7) Der Vergleich mit Gl. (12.3) zeigt, dass für die laminare Rohrströmung die Rohrreibungszahl 0. STRÖMUNG INKOMPRESSIBLER FLUIDE IN ROHRLEITUNGEN Enführung Vorlesung Strömungslehre Prof. Dr.-Ing. Chrstan Olver Pascheret C. O. Pascheret Insttute of Flud Mechancs and Acoustcs olver.pascheret@tu-berln.de

Mehr

Datenträger löschen und einrichten

Datenträger löschen und einrichten Datenträger löschen und enrchten De Zentrale zum Enrchten, Löschen und Parttoneren von Festplatten st das Festplatten-Denstprogramm. Es beherrscht nun auch das Verklenern von Parttonen, ohne dass dabe

Mehr

Bildverarbeitung Herbstsemester 2012. Bildspeicherung

Bildverarbeitung Herbstsemester 2012. Bildspeicherung Bldverarbetung Herbstsemester 2012 Bldspecherung 1 Inhalt Bldformate n der Überscht Coderung m Überblck Huffman-Coderung Datenredukton m Überblck Unterabtastung Skalare Quantserung 2 Lernzele De wchtgsten

Mehr

Netzsicherheit I, WS 2008/2009 Übung 3. Prof. Dr. Jörg Schwenk 27.10.2008

Netzsicherheit I, WS 2008/2009 Übung 3. Prof. Dr. Jörg Schwenk 27.10.2008 Netzscherhet I, WS 2008/2009 Übung Prof. Dr. Jörg Schwenk 27.10.2008 1 Das GSM Protokoll ufgabe 1 In der Vorlesung haben Se gelernt, we sch de Moble Staton (MS) gegenüber dem Home Envroment (HE) mt Hlfe

Mehr

"Zukunft der Arbeit" Arbeiten bis 70 - Utopie - oder bald Realität? Die Arbeitnehmer der Zukunft

Zukunft der Arbeit Arbeiten bis 70 - Utopie - oder bald Realität? Die Arbeitnehmer der Zukunft "Zukunft der Arbet" Arbeten bs 70 - Utope - oder bald Realtät? De Arbetnehmer der Zukunft Saldo - das Wrtschaftsmagazn Gestaltung: Astrd Petermann Moderaton: Volker Obermayr Sendedatum: 7. Dezember 2012

Mehr

Statistik. 1. Vorbereitung / Planung - präzise Formulierung der Ziele - detaillierte Definition des Untersuchungsgegenstandes

Statistik. 1. Vorbereitung / Planung - präzise Formulierung der Ziele - detaillierte Definition des Untersuchungsgegenstandes Statstk Defnton: Entwcklung und Anwendung von Methoden zur Erhebung, Aufberetung, Analyse und Interpretaton von Daten. Telgebete der Statstk: - Beschrebende (deskrptve) Statstk - Wahrschenlchketsrechnung

Mehr

Fähigkeitsuntersuchungen beim Lotpastendruck

Fähigkeitsuntersuchungen beim Lotpastendruck Fakultät Elektrotechnk und Informatonstechnk Insttut für Aufbau- und Verbndungstechnk der Elektronk Fähgketsuntersuchungen bem Lotpastendruck Dr.-Ing. H. Wohlrabe Ottobrunn, 2. Februar 2009 Qualtätsmerkmale

Mehr

3. Lineare Algebra (Teil 2)

3. Lineare Algebra (Teil 2) Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw

Mehr

wissenschaftliche Einrichtung elektronik

wissenschaftliche Einrichtung elektronik wssenscaftlce Enrctung elektronk Oberscwngungen, Begrffe und Defntonen Prof.. Burgolte Labor Elektromagnetsce Verträglcket Facberec ngeneurwssenscaften Begrff Störgröße (dsturbance) Störfestgket (mmunty)

Mehr

Nullstellen Suchen und Optimierung

Nullstellen Suchen und Optimierung Nullstellen Suchen und Optmerung Typsche Probleme: De optmale Bahnkurve De Mnmerung des Erwartungswertes ür den Hamltonan Wr möchten ene Funkton mnmeren oder mameren solch en Problem wrd Optmerung genannt!

Mehr

Konditionenblatt. Erste Group Bank AG. Daueremission Erste Group Reale Werte Express II. (Serie 211) (die "Schuldverschreibungen") unter dem

Konditionenblatt. Erste Group Bank AG. Daueremission Erste Group Reale Werte Express II. (Serie 211) (die Schuldverschreibungen) unter dem Kondtonenblatt Erste Group Bank AG 24.04.2012 Daueremsson Erste Group Reale Werte Express II (Sere 211) (de "Schuldverschrebungen") unter dem Programm zur Begebung von Schuldverschrebungen an Prvatkunden

Mehr

Institut für Technische Chemie Technische Universität Clausthal

Institut für Technische Chemie Technische Universität Clausthal Insttut für Technsche Cheme Technsche Unverstät Clusthl Technsch-chemsches Prktkum TCB Versuch: Wärmeübertrgung: Doppelrohrwärmeustuscher m Glechstrom- und Gegenstrombetreb Enletung ür de Auslegung von

Mehr

Ordered Response Models (ORM)

Ordered Response Models (ORM) Handout: Mkroökonometre Ordered Response Models Domnk Hanglberger - SS 28 Ordered Response Models (ORM) Ist de abhängge Varable ordnal skalert (d.h. hre Kategoren lassen sch n ene Rangrehenfolge brngen,

Mehr

Steuerungsverfahren und ihre Datenstrukturen 09 - Netzplantechnik

Steuerungsverfahren und ihre Datenstrukturen 09 - Netzplantechnik und hre Datenstrukturen 9-9....2 9. Zetplanung...2 9.. CPM... 3 9..2 PERT... 9..3 MPM... 5 9..4 Verglech zwschen CPM und MPM... 22 9.2 Ausblck: Kosten- und Kapaztätsplanung...23 9.3 Entschedungsnetzpläne...24

Mehr

Diplomprüfung für Kaufleute 2001/I

Diplomprüfung für Kaufleute 2001/I Dplomprüfung für Kaufleute 00/I Prüfungsfach: Unternehmensfnanzerung und Betrebswrtschaftslehre der Banken Thema : a) Warum st es trotz Rskoaverson der Markttelnehmer möglch, be der Bewertung von Optonen

Mehr