5. Zufallsvariablen und ihre Verteilung
|
|
- Christa Pohl
- vor 6 Jahren
- Abrufe
Transkript
1 5. Zufallsvarialen und ihre Verteilung 5. Begriff der Zufallsvarialen Bisher haen wir Ereignissen Wahrscheinlichkeiten zugeordnet. Sie estehen aus einem oder mehreren Ergenissen eines Zufallsvorgangs, die nicht notwendig nummerisch zu sein rauchen. So sind z.b. eim Münzwurf die Ausgänge Kopf oder Zahl, während die Augenzahlen als Ergenisse ei einem Würfelwurf ereits nummerisch sind. Mit Hilfe einer durch eine Zufallsvariale definierten Funktionsvorschrift lassen sich alle Ergenisse eines Zufallsvorgangs quantifizieren. Durch die Funktionsvorschrift werden den Ausgängen eines Zufallsvorgangs reelle Zahlen zugeordnet. Eine Zufallsvariale ist also eine Funktion (Aildung), die den Ergenissen ω der Ergenismenge Ω reelle Zahlen zuordnet: : Ω R. Bei einem endlichen Stichproenraum Ω ist die Zuordnung durch n gegeen, sofern die Aildung umkehrar eindeutig ist. n
2 Aildung: Konzept der Zufallsvarialen ω ω ω n ω 3... ω 5 ω 4 ( )
3 Beispiel 5.: Zur Illustration greifen wir auf den einmaligen Würfelwurf zurück. Bei einem Glücksspiel gewinnt ein Spieler das Fünffache der gewürfelten ungeraden und verliert das Vierfache der geraden Augenzahl in Euro. Wie ist dann die Zufallsvariale Gewinn definiert? Wird eine gewürfelt, dann gewinnt man 5 = 5. Bei der Augenzahl " eträgt der Verlust 4 = 8. Die Zufallsvariale ordnet jeder Augenzahl einen estimmten Gewinn zu: Grafisch ist die Zuordnung des Gewinns zu den Augenzahlen des Würfels in der nachstehenden Aildung wiedergegeen: :
4 ω 4 =4 ω = ω 5 =5 ω 6 =6 ω = ω 3 =
5 Beispiel 5.: Bei einer Qualitätskontrolle werden drei Teile aus einem Produktionsprozess entnommen. Daei wird festgehalten, o das Teil defekt ist (D) oder nicht ( ). Die Ergenismenge ist hier durch gegeen. Gefragt ist nach der Anzahl der defekten Teile in der Stichproe. Damit ist zugleich die Zufallsvariale inhaltlich festgelegt. Formal ist die Zufallsvariale durch DDD, DDD, DDD, DDD, DDD, DDD, DDD, DDD DDD DDD, 3 DDD, 4 DDD DDD, 6 DDD, 7 DDD DDD 8 D definiert.
6 Diskrete und stetige Zufallsvarialen Die Wahrscheinlichkeitsverteilung einer Zufallsvarialen kann im Prinzip aus den Wahrscheinlichkeiten der aus einem Zufallsvorgang hervorgehenden Elementarereignisse gewonnen werden. Häufig lässt sich jedoch die Wahrscheinlichkeitsverteilung einer Zufallsvarialen direkt ohne diesen Rückgriff auf die zugrunde liegende Ergenismenge angegeen werden. In jedem Fall ist die Unterscheidung zwischen diskreten und stetigen Zufallsvarialen ei dem Areiten mit Wahrscheinlichkeitsverteilungen relevant. Die Wahrscheinlichkeiten stetige Zufallsvarialen werden nämlich vollständig anders erechnet als diskrete Zufallsvarialen. Während man Wahrscheinlichkeiten da, dass die Zufallsvariale Werte annimmt, die in einem estimmten Intervall liegen im diskreten Fall durch Summation erhält, ergeen sie sich im stetigen Fall durch Integration. Zufallsvarialen können diskret und stetig sein. Werteereich diskreter Zufallsvarialen: endlich oder azählar unendlich Werteereich stetiger Zufallsvarialen: üerazählar
7 Aildung: Diskrete und stetige Zufallsvariale Ausprägungen von endlich: Ausprägungen azählar; Oergrenze angear azählar unendlich: Ausprägungen azählar; Oergrenze nicht festlegar unendlich üerazählar unendlich: Ausprägungen lassen sich nicht azählen diskrete Zufallsvariale stetige Zufallsvariale
8 Beispiel 5.3: Diskrete Zufallsvarialen - Die Zufallsvariale ezeichnet die Augenzahl eim einmaligen Würfelwurf. Der Werteereich der Zufallsvarialen ist endlich, da nur die Werte =, =,, 6 = 6 annehmen kann. ist deshal eine diskrete Zufallsvariale. - Die Anzahl der Personen in einem Kaufhaus wird durch die Zufallsvariale wiedergegeen. hat azählar unendlich viele Ausprägungen, wenn keine Oergrenze angegeen werden kann. Die Zufallsvariale ist daher diskret. - ezeichnet die Anzahl der Werkstücke, die eine Qualitätsnorm nicht erfüllen. Sofern die Produktion in einem vorgegeenen Zeitraum etrachtet wird, hat die Zufallsvariale endlich viele Ausprägungen, deren Oergrenze sich aus der Produktionsplanung ergit. Auch hier liegt eine diskrete Zufallsvariale vor. Beispiel 5.4: Stetige Zufallsvarialen - ist die Wartezeit vor einem Postschalter. Die Zufallsvariale hat üerazählar viele Ausprägungen, die im Intervall [0,T] liegen, woei T die Öffnungsdauer des Schalters ist. Die Zufallsvariale ist folglich stetig. - Die Zufallsvariale ezeichnet die Dauer von Telefongesprächen. Da üerazählar viele Ausprägungen hat, liegt eine stetige Zufallsvariale vor.
9 Aildung: Wahrscheinlichkeitsverteilungen Zufallsvariale diskret: azählar viele Ausprägungen stetig: üerazählar viele Ausprägungen Wahrscheinlichkeitsfunktion: Wahrscheinlichkeit einen -Wert Verteilungsfunktion: Wahrscheinlichkeit, die sich is zu einem -Wert aufsummiert hat Dichtefunktion: Wahrscheinlichkeit ein Intervall als Fläche unterhal der Dichtefunktion Verteilungsfunktion: Wahrscheinlichkeit als Fläche, die sich is zu einem -Wert aufsummiert hat
10 5. Wahrscheinlichkeitsfunktion Ordnet man den Ausprägungen j einer diskreten Zufallsvarialen Wahrscheinlichkeiten p j zu, dann erhält man eine Wahrscheinlichkeitsfunktion f(). P( = j ) ist die Wahrscheinlichkeit da, dass die Zufallsvariale den Wert j annimmt. Für die Wahrscheinlichkeit P( = j ) verwenden wir meistens die Kurzschreiweise p j. Des esseren Verständnisses wegen gehen wir ei der Erörterung der Wahrscheinlichkeitsfunktion von einer endlichen Zufallsvarialen mit m Ausprägungen,,, m aus. Die Verallgemeinerung auf unendlich viele Ausprägungen,, greifen wir ei den speziellen Wahrscheinlichkeitsverteilungen im Kapiel 6 auf. Aildung: Darstellung einer Wahrscheinlichkeitsfunktion Darstellung einer Wahrscheinlichkeitsfunktion Funktionsvorschrift Taellarisch Grafisch
11 Formale Darstellung der Wahrscheinlichkeitsfunktion (5.) f p p p 0 mit < < < m. m sonst m Die Wahrscheinlichkeitsfunktion git die Wahrscheinlichkeiten die einzelnen Werte der Zufallsvarialen an. Sie wird mit f() ezeichnet. Eigenschaften: (5.) p f 0 j j (5.3) m j f m p j j j
12 Taellarische Darstellung der Wahrscheinlichkeitsfunktion j f() f( ) = p f( ) = p m f( m ) = p m Grafische Darstellung einer Wahrscheinlichkeitsfunktion f () Stadiagramm p p 3 p 3
13 Beispiel 5.5: Betrachtet wird ein Produktionsprozess, ei dem zwei Teile entnommen werden. Jedes Teil kann defekt (D) oder nicht defekt ( ) sein. Wir nehmen an, dass die Wahrscheinlichkeit da, ein defektes Teil zu entnehmen, gleich p ist: p P(D) = p, und damit P D -. Der Ergenisraum des Zufallsvorgangs enthält als Elemente alle möglichen Stichproen vom Umfang n=: {(D,D),(D,D),(D,D),(D,D)} Daei ist z.b. (D,D) das Ergenis, daß eide Teile defekt sind. Die Zufallsvariale ezeichne die Anzahl der defekten Teile in der Stichproe, so dass die Ausprägungen 0, und hat. Wir nehmen an, dass eide Entnahmen unahängig voneinander erfolgen. Daher kann der Multiplikationssatz stochastisch unahängige Ereignisse angewendet werden. Damit ist die Wahrscheinlichkeit, dass kein Teil defekt ist (=0), f(0) = P(=0) = (-p)(-p) = (-p). Die Wahrscheinlichkeit, dass eide Teile defekt sind (=), ist gleich f() = P(=) = p p = p. D
14 Die Wahrscheinlichkeit, dass genau ein Teil defekt ist (=), ergit sich, wenn das. Teil defekt ist und das. Teil nicht defekt (D, ) oder das. Teil nicht defekt und das. Teil defekt (, D). D Da sich eide Versuchsausgänge gegenseitig ausschließen, lassen sich die Wahrscheinlichkeiten eide Realisationen addieren: f() = P(=) = P(D, D) + P( D,D) = p(-p) + (-p)p = p(-p). Formal ist die Wahrscheinlichkeitsfunktion der Zufallsvarialen durch f p p p p 0 0 sonst gegeen. Sie sei p=0, taellarisch und grafisch dargestellt: D Taellarische Darstellung = 0 f() 0,8 0,8 0,0 Grafische Darstellung f () 0,8 0,8 0,6 0,4 0,8 0, 0,0 0 0
15 5.3 Dichtefunktion Das Äquivalent zur Wahrscheinlichkeitsfunktion ei diskreten Zufallsvarialen heißt ei stetigen Zufallsvarialen Dichtefunktion. Erinnern wir uns nun an das Stadiagramm, das im diskreten Fall die Wahrscheinlichkeitsfunktion grafisch darstellt. Wenn eine Zufallsvariale üerazählar viele Werte annehmen kann, dann grenzen die Stäe elieig dicht aneinander an, d.h. der Astand zwischen den Stäen ist gleich 0. Wenn wir die oeren Punkte der üerazählar vielen Stäe miteinander verinden, dann erhalten wir eine stetige Kurve, die die Dichtefunktion f() der Zufallsvarialen wiedergit. Aildung: Dichtefunktion f
16 Eigenschaften: (5.4) (5.5) f 0 f d alle Intervallwahrscheinlichkeit Die Wahrscheinlichkeit, dass die Zufallsvariale in das Intervall (a < < ) fällt, ist die Fläche unterhal der Dichtefunktion, die in diesem Intervall liegt: f (5.6) P a f Da Punktwahrscheinlichkeiten 0 sind, P(=a)=0, ist es unerhelich, o die eiden Grenzen a und in das Intervall einezogen werden oder nicht: P a d a Pa Pa Pa a P a
17 Wahrscheinlichkeit kleiner als (5.7) d f P P Wahrscheinlichkeit größer als d f P d f P P (5.8) Aildung: Komplementärwahrscheinlichkeit f P P P
18 Wichtige Regeln der Integralrechnung Regel Funktion f() Stammfunktion F() Potenzregel Spezialfall: n = - n, n- - n n ln e-funktion e -a (-/a) e -a Faktorregel a g() a g() d Spezialfall: g() = a a Summenregel [f () g()] d f () d g() d Partielle Integration u() v'() d u() v() u'() v() d
19 Beispiel 5.6: Gegeen ist die Funktion 0 0 f ( ) 0 0 Besitzt die Funktion f() die Eigenschaften einer Dichtefunktion? Aildung: Graph der Funktion f() f() / - 0 4
20 Die Funktion f() esitzt die Eigenschaften einer Dichtefunktion, wenn sie die Bedingungen (5.4) und (5.5) erfüllt. f 0. alle Außerhal des Intervalls (0, ] ist die Funktion f() gleich 0. Im Intervall (0, ] nimmt f() stets positive Werte an, da die -Werte aus diesem Intervall größer als 0 sind und mit einem positiven Faktor multipliziert werden. Die Funktion f() erfüllt damit die Nichtnegativitätsedingung (5.4)., f d Zu prüfen ist, o die Fläche unterhal der Dichtefunktion gleich ist: P( ) f () d d Da die Funktion f() die Bedingungen (5.4) und (5.5) erfüllt, kann sie als Dichtefunktion zur Berechnung von Wahrscheinlichkeiten verwendet werden.
21 Beispiel 5.7: Die Wahrscheinlichkeitsverteilung einer Zufallsvarialen ist durch die in Beispiel 5.6 üerprüfte Dichefunktion 0 0 f ( ) 0 0 gegeen. a) Wie groß ist die Wahrscheinlichkeit, dass die Zufallsvariale Werte zwischen 0,5 und,5 annimmt? Um diese Wahrscheinlichkeit zu ermitteln, hat man die Fläche unter der Dichtefunktion im intervall [0,5;,5] zu ermitteln: P 0,5,5,5 0,5,5 d,5 4 0,5 4 0,5. 4 0,5 4,5 0,5 4,5 0,5,5 0,5
22 Die Identität der erechneten Wahrscheinlichkeit mit der Fläche unter der Dichtefunktion im Bereich zwischen 0,5 und,5 auf der -Achse geht aus der folgenden Grafik hervor. f() 0,5 / - 0 4
23 ) Wie groß ist die Wahrscheinlichkeit da, dass kleiner als,5 ist? Für die Berechnung wenden wir Formel (5.7) an. Für < 0 ist die Dichtefunktion alle Funktionswerte f() null. Die untere Integrationsgrenze ildet deshal die 0. Berechnung Grafische Darstellung f() P,5,5 d 0 4, ,563,5 0,5 4 / 0,563 0
Die quadratische Gleichung und die quadratische Funktion
Die quadratische Gleichung und die quadratische Funktion 1. Lösen einer quadratischen Gleichung Quadratische Gleichungen heißen alle Gleichungen der Form a x x c = 0, woei a,, c als Parameter elieige reelle
MehrStatistik I für Betriebswirte Vorlesung 5
Statistik I für Betriebswirte Vorlesung 5 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik 07. Mai 2015 PD Dr. Frank Heyde Statistik I für Betriebswirte Vorlesung 5 1 Klassische Wahrscheinlichkeitsdefinition
MehrZufallsgrößen. Vorlesung Statistik für KW 29.04.2008 Helmut Küchenhoff
Zufallsgrößen 2.5 Zufallsgrößen 2.5.1 Verteilungsfunktion einer Zufallsgröße 2.5.2 Wahrscheinlichkeits- und Dichtefunktion Wahrscheinlichkeitsfunktion einer diskreten Zufallsgröße Dichtefunktion einer
MehrKapitel 3. Zufallsvariable. Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion. Erwartungswert, Varianz und Standardabweichung
Kapitel 3 Zufallsvariable Josef Leydold c 2006 Mathematische Methoden III Zufallsvariable 1 / 43 Lernziele Diskrete und stetige Zufallsvariable Wahrscheinlichkeitsfunktion, Dichte und Verteilungsfunktion
MehrRegelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall
Wahrscheinlichkeitstheorie Was will die Sozialwissenschaft damit? Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall Auch im Alltagsleben arbeiten wir mit Wahrscheinlichkeiten, besteigen
MehrLineare Gleichungen und lineare Gleichungssysteme mit zwei Variablen. 1.1 Beispiel einer linearen Gleichung mit zwei Variablen 2
KBWR, Duisurg Seite von 30 9..006 Lineare Gleichungen und lineare Gleichungssysteme mit zwei Varialen Inhalt: Seite. Beispiel einer linearen Gleichung mit zwei Varialen. Normalform einer linearen Gleichung
MehrDie Regelungen zu den Einsendeaufgaben (Einsendeschluss, Klausurzulassung) finden Sie in den Studien- und Prüfungsinformationen Heft Nr. 1.
Modul : Grundlgen der Wirtschftsmthemtik und Sttistik Kurs 46, Einheit, Einsendeufge Die Regelungen zu den Einsendeufgen (Einsendeschluss, Klusurzulssung) finden Sie in den Studien- und Prüfungsinformtionen
MehrBeispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen
4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.
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
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
MehrSkript für die Oberstufe und das Abitur 2015 Baden-Württemberg berufl. Gymnasium (AG, BTG, EG, SG, WG)
Sript für die Oerstufe und ds Aitur Bden-Württemerg erufl. Gymnsium (AG, BTG, EG, SG, WG) Mtrizenrechnung, wirtschftliche Anwendungen (Leontief, Mterilverflechtung) und Linere Optimierung Dipl.-Mth. Alexnder
MehrMonte-Carlo Simulation
Monte-Carlo Simulation Sehr häufig hängen wichtige Ergebnisse von unbekannten Werten wesentlich ab, für die man allerhöchstens statistische Daten hat oder für die man ein Modell der Wahrscheinlichkeitsrechnung
MehrData Mining: Einige Grundlagen aus der Stochastik
Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener
MehrModelle zur Ermittlung der Messunsicherheit in der Härtprüfung; Statistische Auswertung eines Ringversuchs mit 90 Teilnehmern
Modelle zur Ermittlung der Messunsicherheit in der Härtprüfung; Statistische Auswertung eines Ringversuchs mit 90 Teilnehmern Christian Weißmüller, Holger Frenz Institut für Eignungsprüfung, Herten; Fachhochschule
MehrBerechnung eines Trapezwiderstandes
Berechnung eines Trapezwiderstandes Michael nteserger, Fachhochschule egensurg, 07.0.003 urzfassung Berechnung eines Trapezförmigen Widerstandes mit Hilfe des eletrischen Strömungsfeldes ezüglich einer
MehrRechnen mit einfachem Mengenkalkül
edingte ahrscheinlichkeiten llgemeine Frage: Rechnen mit einfachem Mengenkalkül ie groß ist die ahrscheinlichkeit für ein Ereignis falls bereits ein Ereignis eingetreten ist (und der etrachter über diese
MehrInteraktive Lösung von Tourenproblemen G. Oehm, Bauhaus-Universität-Weimar
Interaktive Lösung von Tourenprolemen G. Oehm, Bauhaus-Universität-Weimar Zusammenfassung Durch Modifiierung des ekannten Savingsalgorithmus mittels fester w. varialer Savingsparameter läßt sich ein interaktiver
MehrDie nächste Übung ist vom 12.1. auf den 19.1.2012 verlegt worden.
Allgemeines Einige Hinweise: Die nähste Üung ist vom.. auf den 9..0 verlegt worden. Die alten Klausuren findet Ihr unter folgendem Link: http://www.wiwi.uni muenster.de/vwt/studieren/pruefungen_marktpreis.htm
Mehry 1 2 3 4 5 6 P (Y = y) 1/6 1/6 1/6 1/6 1/6 1/6
Fachhochschule Köln Fakultät für Wirtschaftswissenschaften Prof. Dr. Arrenberg Raum 221, Tel. 39 14 jutta.arrenberg@fh-koeln.de Übungen zur Statistik für Prüfungskandidaten und Prüfungskandidatinnen Unabhängigkeit
MehrGrundlagen. Wozu Wahrscheinlichkeitsrechnung? Definition und Begriff der Wahrscheinlichkeit. Berechnung von Laplace-Wahrscheinlichkeiten
Teil 2: Wahrscheinlichkeitsrechnung 326 Grundlagen Wozu Wahrscheinlichkeitsrechnung? Definition und egriff der Wahrscheinlichkeit erechnung von Laplace-Wahrscheinlichkeiten Rechnen mit einfachem Mengenkalkül
MehrAstabiler und Bistabiler Multivibrator
Ernst-Moritz-Arndt-niversität Greifswald Fachereich Physik Elektronikpraktikum Protokoll-Nr.: 9 Astailer und Bistailer Multivirator Protokollant: Jens Bernheiden Gruppe: 2 Aufgae durchgeführt: 11.06.1997
MehrKursthemen 12. Sitzung. Spezielle Verteilungen: Warteprozesse. Spezielle Verteilungen: Warteprozesse
Kursthemen 12. Sitzung Folie I - 12-1 Spezielle Verteilungen: Warteprozesse Spezielle Verteilungen: Warteprozesse A) Die Geometrische Verteilung (Folien 2 bis 7) A) Die Geometrische Verteilung (Folien
MehrZwei unbekannte Zahlen und alle vier Rechenarten
Zwei unekannte Zahlen und alle vier Rechenarten HELMUT MALLAS Online-Ergänzung MNU 8/1 (15.1.015) Seiten 1, ISSN 005-58, Verlag Klaus Seeerger, Neuss 1 HELMUT MALLAS Zwei unekannte Zahlen und alle vier
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
MehrP X =3 = 2 36 P X =5 = 4 P X =6 = 5 36 P X =8 = 5 36 P X =9 = 4 P X =10 = 3 36 P X =11 = 2 36 P X =12 = 1
Übungen zur Stochastik - Lösungen 1. Ein Glücksrad ist in 3 kongruente Segmente aufgeteilt. Jedes Segment wird mit genau einer Zahl beschriftet, zwei Segmente mit der Zahl 0 und ein Segment mit der Zahl
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
MehrAnreizwirkungen kostenbasierter Verrechnungspreise und die Vergabe von Verfügungsrechten für Investitionen
erscheint in: Zeitschrift für etrieswirtschaftliche Forschung Veröffentlichung voraussichtlich: Frühjahr 2006 Zur Veröffentlichung akzeptiert: Oktoer 2004 Anreizwirkungen kostenasierter Verrechnungspreise
MehrGEP1 Grundlagen der Elektrotechnik 1 für Mechatroniker LABOR FÜR GRUNDLAGEN DER ELEKTROTECHNIK. GEP1 Versuch 1. Weitere Übungsteilnehmer:
Department nformationsund Elektrotechnik Studiengruppe: Üungstag: LABOR FÜR GRNDLAGEN DER ELEKTROTECHNK GEP1 Versuch 1 Protokollführer (Name, Vorname): Weitere Üungsteilnehmer: Professor: Testat: Messungen
MehrLeicht. Leicht. Leicht. Brandschutz ist doch ganz leicht. Leichtbeton mit besten Werten. Bundesverband Leichtbeton e.v.
Leicht Leicht Leicht Branschutz ist och ganz leicht Leichteton mit esten Werten Bunesveran Leichteton e.v. 1 Der Branschutz Die für en Branschutz zustänige Norm ist ie DIN 4102. Die gültige Ausgae atiert
MehrElementare statistische Methoden
Elementare statistische Methoden Vorlesung Computerlinguistische Techniken Alexander Koller 28. November 2014 CL-Techniken: Ziele Ziel 1: Wie kann man die Struktur sprachlicher Ausdrücke berechnen? Ziel
MehrAbitur - Grundkurs Mathematik. Sachsen-Anhalt 2002. Gebiet G1 - Analysis
Abitur - Grundkurs Mathematik Sachsen-Anhalt Gebiet G - Analsis Aufgabe.. Der Graph einer ganzrationalen Funktion f dritten Grades mit einer Funktionsgleichung der Form f a b c d a,b,c,d, R schneidet die
MehrAbiturvorbereitung Mathematik -Dierentialrechnungc Max. Hoffmann
Abiturvorbereitung Mathematik -Dierentialrechnungc Max Hoffmann 1 Ganzrationale Funktionen Im Folgenden wollen wir uns mit ganzrationale Funktionen und der Untersuchung solcher beschäftigen. Dabei werden
MehrEinführung in die Geostatistik (2) Fred Hattermann (Vorlesung), hattermann@pik-potsdam.de Michael Roers (Übung), roers@pik-potsdam.
Einführung in die Geostatistik () Fred Hattermann (Vorlesung), hattermann@pik-potsdam.de Michael Roers (Übung), roers@pik-potsdam.de Gliederung Allgemeine Statistik. Deskriptive Statistik. Wahrscheinlichkeitstheorie.3
MehrAbituraufgabe zur Analysis, Hessen 2009, Grundkurs (TR)
Abituraufgabe zur Analysis, Hessen 2009, Grundkurs (TR) Gegeben ist die trigonometrische Funktion f mit f(x) = 2 sin(2x) 1 (vgl. Material 1). 1.) Geben Sie für die Funktion f den Schnittpunkt mit der y
MehrNtoneni-be Berechnung der.kennwerte J4helwerY und,,streuung von Funktionen
FOLGE 18 LENZINGER BERICHTE A UG UST 196J Ntoneni-e Berechnung der.kennwerte J4helwerY und,,streuung von Funktionen Dipl.-Ing. Wilhelm Herzog, Wien Die vorliegende Areit eschäftigt sich mit dem Fll, dß
MehrMonty Hall-Problem. Wochen 3 und 4: Verteilungen von Zufallsvariablen. Lernziele. Diskrete Verteilungen
Monty Hall-Problem Wochen 3 und 4: Verteilungen von Zufallsvariablen US-amerikanische Fernseh-Show Let s make a deal, moderiert von Monty Hall: WBL 15/17, 04.05.2015 Alain Hauser
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)
MehrZuammenfassung: Reelle Funktionen
Zuammenfassung: Reelle Funktionen 1 Grundlegendes a) Zahlenmengen IN = {1; 2; 3; 4;...} Natürliche Zahlen IN 0 = IN {0} Natürliche Zahlen mit 0 ZZ = {... ; 2; 1; 0; 1; 2;...} Ganze Zahlen Q = { z z ZZ,
MehrWeitere Aufgaben Mathematik (BLF, Abitur) Hinweise und Beispiele zu hilfsmittelfreien Aufgaben
Weitere Aufgaben Mathematik (BLF, Abitur) Hinweise und Beispiele zu hilfsmittelfreien Aufgaben Aufgabe C Gegeben ist eine Funktion f durch f ( ) = + 3. Gesucht sind lineare Funktionen, deren Graphen zum
MehrRabatt und Skonto. Rechnung Computersystem. Bruttopreis Rabatt Nettopreis Skonto Zahlung. 2'950.00 Fr. 2'457.35 Fr.
Ratt und Skonto Rechnung Computersystem Computer P7 '650.00 Fr. Drucker XX 300.00 Fr. Total '950.00 Fr. 15% 44.50 Fr. '507.50 Fr. % 50.15 Fr. '457.35 Fr. Bruttopreis Ratt Nettopreis Skonto Zahlung Worterklärungen
Mehr7 PHASENGLEICHGEWICHTE UND PHASENÜBERGÄNGE
-1-7 HASENGLEICHGEWICHE UND HASENÜBERGÄNGE 7.1 Ein-Koponenten-Systee Verdapfen, Gefrieren, oder die Uwandlung von Graphit in Diaant sind Beispiele für hasenüergänge einzelner Koponenten. Noralerweise werden
Mehr1. Mathematik-Schularbeit 6. Klasse AHS
. Mathematik-Schularbeit 6. Klasse AHS Arbeitszeit: 50 Minuten Lernstoff: Mathematische Grundkompetenzen: (Un-)Gleichungen und Gleichungssysteme: AG. Einfache Terme und Formeln aufstellen, umformen und
MehrName:... Matrikel-Nr.:... 3 Aufgabe Handyklingeln in der Vorlesung (9 Punkte) Angenommen, ein Student führt ein Handy mit sich, das mit einer Wahrscheinlichkeit von p während einer Vorlesung zumindest
MehrAnalog definiert man das Nichteintreten eines Ereignisses (Misserfolg) als:
9-9 Die befasst sich mit der Untersuchung, wie wahrscheinlich das Eintreten eines Falles aufgrund bestimmter Voraussetzungen stattfindet. Bis anhin haben wir immer logisch gefolgert: 'Wenn diese Voraussetzung
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de
MehrWahrscheinlichkeitstheorie. Zapper und
Diskrete Wahrscheinlichkeitsräume Slide 1 Wahrscheinlichkeitstheorie die Wissenschaft der Zapper und Zocker Diskrete Wahrscheinlichkeitsräume Slide 2 Münzwürfe, Zufallsbits Elementarereignisse mit Wahrscheinlichkeiten
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
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
MehrSkript zur Statistik II (Wahrscheinlickeitsrechnung und induktive Statistik)
Prof. Dr. Reinhold Kosfeld Fachbereich Wirtschaftswissenschaften Skript zur Statistik II (Wahrscheinlickeitsrechnung und induktive Statistik) 1. Einleitung Deskriptive Statistik: Allgemeine und spezielle
MehrInterferenzen gleicher Dicke
Fakutät für Physik und Geowissenschaften Physikaisches Grundpraktikum O9 Interferenzen geicher Dicke Aufgaen 1. Bestimmen Sie den Krümmungsradius einer konvexen Linsenfäche durch Ausmessen Newtonscher
Mehr6 Graph-Tools TI -86 F1 F2 F3 F4 F5 M1 M2 M3 M4 M5
6 Graph-Tools Graph-Tools auf dem TI-86... 100 Verfolgen eines Graphen... 102 Neudimensionieren des Graph-Bildschirms mit ZOOM- Operationen... 104 Verwenden interaktiver MATH-Funktionen... 109 Auswerten
MehrKommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 3/4 (.3.4). (a) Für z = + i und z = 3 4i berechne man z z und z z. Die Ergebnisse sind in kartesischer Form anzugeben.
MehrStatistik II für Betriebswirte Vorlesung 3
PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 3 5. November 2013 Beispiel: Aktiensplit (Aczel & Sounderpandan, Aufg. 14-28) Ein Börsenanalyst
MehrNeubau eines Rewe-Lebensmittelmarktes in Witten, Ardeystraße 184
Neuau eines Rewe-Leensmittelmarktes in Witten, Ardeystraße 184 Verkehrsgutachten erstellt im Auftrag von Udo Dzykonski Projektierung & Consulting, Witten - Projekt-Nr. 0910 - lanke verkehr. infrastruktur
Mehr$ % + 0 sonst. " p für X =1 $
31 617 Spezielle Verteilungen 6171 Bernoulli Verteilung Wir beschreiben zunächst drei diskrete Verteilungen und beginnen mit einem Zufallsexperiment, indem wir uns für das Eintreffen eines bestimmten Ereignisses
MehrAntwort der Landesregierung auf eine Kleine Anfrage zur schriftlichen
Landtag von Sachsen-nhalt Drucksache 6/191 05.07.2011 ntwort der Landesregierung auf eine Kleine nfrage zur schriftlichen Beantwortung geordneter Christoph Erdmenger (BÜNDNIS 90/DIE GRÜNEN) Linienestimmung
MehrBei vielen Zufallsexperimenten interessiert man sich lediglich für das Eintreten bzw. das Nichteintreten eines bestimmten Ereignisses.
XI. Binomialverteilung ================================================================== 11.1 Definitionen -----------------------------------------------------------------------------------------------------------------
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
MehrPublic-Key-Verfahren: Diffie-Hellmann und ElGamal
Westfälische Wilhelms-Universität Münster Ausreitung Pulic-Key-Verfhren: Diffie-Hellmnn und ElGml im Rhmen des Seminrs Multimedi und Grphen WS 2007/2008 Veselin Conev Themensteller: Prof. Dr. Herert Kuchen
Mehr1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem P( ) = 0.
1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem Folg. 2 Sei (Ω, E, P) W.-raum. Seien A, B,A 1,...,A n Ereignisse. Es gelten die folgenden Aussagen: 1. P(A) = 1 P(A). 2. Für das unmögliche Ereignis gilt:
MehrVersuch: Zufälliges Ziehen aus der Population
Wahrscheinlichkeit Ein Test diagnostiziert Kranke zu 99% richtig Gesunde zu 90% richtig 5% der Bevölkerung ist krank? Wie wahrscheinlich ist es, dass jemand krank ist, wenn der Test dies diagnostiziert?
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.
MehrStatistik 1: Einführung
Seite Stat- Statistik : Einführung Die mathematische Disziplin der Stochastik, die die Teilgebiete Wahrscheinlichkeitstheorie und mathematische Statistik umfaßt, beschäftigt sich mit der Beobachtung, Aufzeichnung
MehrAufgaben zur Flächenberechnung mit der Integralrechung
ufgaben zur Flächenberechnung mit der Integralrechung ) Geben ist die Funktion f(x) = -x + x. a) Wie groß ist die Fläche, die die Kurve von f mit der x-chse einschließt? b) Welche Fläche schließt der Graph
MehrMathematik I Internationales Wirtschaftsingenieurwesen
Mathematik I Internationales Wirtschaftsingenieurwesen Integralrechnung 03.12.08 Das unbestimmte Integral/Stammfunktion Das bestimmte Integral/Flächenberechnung Integral als Umkehrung der Ableitung Idee:
MehrMicrosoft Windows XP Professional - Das Handbuch
Microsoft Windows XP Professional - Das Handuch Ausgae 2005 mit Service Pack 2 von Toias Weltner üerareitet Microsoft Windows XP Professional - Das Handuch Weltner schnell und portofrei erhältlich ei eck-shop.de
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
MehrDigitale Schaltungen Aufarbeitung
Digitale Shaltungen Aufareitung Kajetan Weiß 24. Feruar 204 Versionstaelle Jahr-Monat-Tag Kommentar 204-02-23 Layoutveresserung; Stilkorrektur; Inhaltlihe Veresserung; 204-02-02 Korrektur der Aildung.2.
MehrWas bisher geschah: Formale Sprachen
Was isher geschah: Formale Sprachen Alphaet, Wort, Sprache Operationen und Relationen auf Wörtern und Sprachen reguläre Ausdrücke: Syntax, Semantik, Äquivalenz Wortersetzungssysteme Wortersetzungsregeln
MehrSozialwissenschaftliche Methoden und Statistik I
Sozialwissenschaftliche Methoden und Statistik I Universität Duisburg Essen Standort Duisburg Integrierter Diplomstudiengang Sozialwissenschaften Skript zum SMS I Tutorium Von Mark Lutter Stand: April
Mehr-1- In diesem Kapitel geht es nur um nicht-reaktive Mischungen, d.h. die einzelnen Substanzen reagieren nicht chemisch miteinander.
-1-8 MISCHUNGEN In diese Kapitel geht es nur u nicht-reaktive Mischungen, d.h. die einzelnen Sustanzen reagieren nicht cheisch iteinander. 8.1 Ideale Mischungen von Gasen Möchte an sich it Mischungen eschäftigen,
MehrReferat. zum Proseminar: Programmiersysteme. Thema: Serialisierung. von Benedict Fehringer. Betreuer: Guido Tack Lehrstuhl: Prof. Dr.
Referat zum Proseminar: Programmiersysteme Thema: Serialisierung von Beneict Fehringer Betreuer: Guio Tack Lehrstuhl: Prof. Dr. Gert Smolka Inhaltsverzeichnis: 1. Einführung 1.1 Anwenung 1.2 Umsetzung
MehrFür den Mathe GK, Henß. - Lineare Algebra und analytische Geometrie -
Für den Mthe GK, Henß - Linere Alger und nlytische Geometrie - Bis uf die Astände ist jetzt lles drin.. Ich h noch ne tolle Seite entdeckt mit vielen Beispielen und vor llem Aufgen zum Üen mit Lösungen..
MehrB 2. " Zeigen Sie, dass die Wahrscheinlichkeit, dass eine Leiterplatte akzeptiert wird, 0,93 beträgt. (genauerer Wert: 0,933).!:!!
Das folgende System besteht aus 4 Schraubenfedern. Die Federn A ; B funktionieren unabhängig von einander. Die Ausfallzeit T (in Monaten) der Federn sei eine weibullverteilte Zufallsvariable mit den folgenden
MehrLektion 2 Ich bin Journalistin.
Lektion 2 Ich in Journalistin. UNTERRICHTSPLan lektion 2 1 Ich in Diplom-Informatiker., Partnerareit a Die TN sehen sich die Fotos und die Visitenkarten an. Lesen Sie das Dialogeispiel vor und verdeutlichen
Mehr7. Portfolioinvestitionen und Wechselkursschwankungen. Literatur. Prof. Dr. Johann Graf Lambsdorff Universität Passau SS 2008
Prof. Dr. Johnn Grf Lmsdorff Universität Pssu SS 2008 Litertur r IS 0 r 0 P 0 P x MP 7. Portfolioinvestitionen und Wechselkursschnkungen + Z Jrcho, H.-J. und P. Rühmnn (2000) : Monetäre Außenirtschft I.
MehrWahlfach Mathematik: Funktionen
Wahlfach Mathematik: Funktionen In der Mathematik ist eine Funktion oder Abbildung eine Beziehung zwischen zwei Mengen, die jedem Element der einen Menge (Funktionsargument, unabhängige Variable, x-wert)
MehrÜbungsblatt Gleichungssysteme Klasse 8
Üungsltt Gleichungsssteme Klsse 8 Auge : Berechne die Lösungen des Gleichungspres: I II 7 Kontrolliere durch Einseten. Auge : Löse dem Additionsverhren: I 7-6 II 9 Auge : Gegeen ist olgendes linere Gleichungssstem
MehrErfolg im Mathe-Abi 2014
Gruber I Neumann Erfolg im Mathe-Abi 2014 Prüfungsaufgaben Hessen Übungsbuch für den Grundkurs mit Tipps und Lösungen Vorwort Vorwort Dieses Übungsbuch ist speziell auf die Anforderungen des zentralen
Mehr11.1 Allgemeine Theorie
Kapitel Linsen .. ALLGEMEINE THEORIE 3. Allemeine Theorie.. Geometrische Optik Die eometrische Optik (oder Strahlenoptik) umfasst denjenien Bereich der Optik, welcher durch die Vernachlässiun der endlichen
MehrPrüfungsklausur Kreditwirtschaft
Prüfungsklausur Kreditwirtschaft 12. März 2009 Hinweise Bitte schreiben Sie Ihren Namen und Ihre Matrikelnummer auf jeden Bearbeitungsbogen. Bitte verwenden sie für jede Aufgabe einen neuen Bearbeitungsbogen.
MehrWorking Paper Warum beteiligen sich Banken an anderen Unternehmen?
econstor www.econstor.eu Der Open-ccess-Pulikationsserver der ZBW Leiniz-normationszentrum Wirtschat The Open ccess Pulication Server o the ZBW Leiniz normation Centre or Economics Streiterdt, Felix Working
MehrKnut Bartels / Hans Gerhard Strohe. Arbeitsblätter. zur Vorlesung im Wintersemester 2005/06. Statistik II Induktive Statistik
Knut Bartels / Hans Gerhard Strohe Arbeitsblätter zur Vorlesung im Wintersemester 2005/06 Induktive Statistik Dies ist kein Vorlesungsskript Wirtschafts- und Sozialwissenschaftliche Fakultät Lehrstuhl
MehrMathematik in eigenen Worten
Sieglinde Wsmier Mtemtik in eigenen Worten Lernumgeungen für die Sekundrstufe I Klett und Blmer Verlg Mtemtik in eigenen Worten Scülerinnen und Scüler screien ire Lern- und Denkwege uf : Sieglinde Wsmier
MehrDomäne und Bereich. Relationen zwischen Mengen/auf einer Menge. Anmerkungen zur Terminologie. r Relationen auf/in einer Menge.
Reltionen zwischen Mengen/uf einer Menge! Eine Reltion R A B (mit A B) ist eine Reltion zwischen der Menge A und der Menge B, oder uch: von A nch B. Drstellung: c A! Wenn A = B, d.h. R A A, heißt R eine
Mehri x k k=1 i u i x i v i 1 0,2 24 24 0,08 2 0,4 30 54 0,18 3 0,6 54 108 0,36 4 0,8 72 180 0,60 5 1,0 120 300 1,00 2,22 G = 1 + 1 n 2 n i=1
1. Aufgabe: Der E-Commerce-Umsatz (in Millionen Euro) der fünf größten Online- Shopping-Clubs liegt wie folgt vor: Club Nr. Umsatz 1 120 2 72 3 54 4 30 5 24 a) Bestimmen Sie den Ginikoeffizienten. b) Zeichnen
MehrDas St. Petersburg Paradox
Das St. Petersburg Paradox Johannes Dewender 28. Juni 2006 Inhaltsverzeichnis 1 Das Spiel 2 2 Das Paradox 3 3 Lösungsvorschläge 4 3.1 Erwartungsnutzen............................... 4 3.2 Risikoaversion..................................
MehrBestimmung der Adsorptionsisotherme von Essigsäure an Aktivkohle
S2-Adsorptionsisothermen_UWW rstelldtum 28.3.214 7:41: Üungen in physiklischer Chemie für Studierende der Umweltwissenschften Versuch Nr.: S2 Version 214 Kurzezeichnung: Adsorptionsisotherme estimmung
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
MehrGewerbegebiet Langes Feld in Kassel
Geweregeiet Langes Feld in Kassel Verkehrsuntersuchung erstellt im Auftrag der Stadt Kassel - Projekt-Nr. 0850 - Dr.-Ing. Philipp Amrosius Dipl.-Ing. (FH) André Harms unter Mitareit von Dipl.-Ing. Alexander
MehrBayern FOS BOS 12 Fachabiturprüfung 2015 Mathematik (Nichttechnische Ausbildungsrichtungen) Analysis A I
Bayern FOS BOS Fachabiturprüfung 05 Mathematik (Nichttechnische Ausbildungsrichtungen) Analysis A I.0 Nebenstehende Abbildung zeigt den Graphen G f ' der ersten Ableitungsfunktion einer in ganz 0 definierten
Mehrwww. line21 Kommunikation Daten- und Telefontechnik über 1 Kabel mit 4 Adern. Kein Problem mit line21 natürlich von Rutenbeck!
Dten- und Telefontechnik üer Kel mit 4 Adern. Kein Prolem mit line ntürlich von Ruteneck! Internet Kom mu ni knt, der; -en, -en [: kirchenlt. communicns (Gen.: communicntis) = Teilnehmer m Aendmhl, zu
MehrStatistik und Wahrscheinlichkeitsrechnung
Einführung Statistik und Wahrscheinlichkeitsrechnung Lukas Meier Teilweise basierend auf Vorlesungsunterlagen von Marloes Maathuis, Hansruedi Künsch, Peter Bühlmann und Markus Kalisch. Fehler und Anregungen
MehrBERECHNUNG DER SPULEN
Stefan ici Dipl. El.-Ing. HTL Assistent Eletrotechni Tel.: 056 / 462 42 42 Fachhochschule Aargau für Techni, irtschaft und Gestaltung Nordwestschweiz Diretionsereich Techni BERECHNUNG DER SPULEN Verteiler:
MehrPersonal und Finanzen der öffentlich bestimmten Fonds, Einrichtungen, Betriebe und Unternehmen (FEU) in privater Rechtsform im Jahr 2003
Personl und Finnzen der öffentlich estimmten Fonds, Einrichtungen, Betriee und Unternehmen (FEU) in privter Rechtsform im Jhr 003 Dipl.-Volkswirt Peter Emmerich A Mitte der 980er-Jhre ist eine Zunhme von
MehrStudienplan und Prüfungsreglement
Studienplan und Prüfungsreglement Vom. Dezemer 0 zur Erlangung des Bachelor of s im Gesamtereich Sonderpädagogik: Logopädie Der Institutsrat des Heilpädagogischen Instituts der Universität Freiurg gestützt
MehrCORPORATE GOVERNANCE GRUNDSÄTZE DER DEUTSCHEN KREDITBANK AG. Stand: 10. Juni 2015
CORPORATE GOVERNANCE GRUNDSÄTZE DER DEUTSCHEN KREDITBANK AG Stand: 10. Juni 2015 PRÄAMBEL Das Vertrauen in die Geschäftspolitik der Deutschen Kreditank AG (nachfolgend auch DKB AG oder Bank ) wird wesentlich
MehrÜbungsblatt 1 zum Propädeutikum
Üungsltt zum Propädeutium. Gegeen seien die Mengen A = {,,,}, B = {,,} und C = {,,,}. Bilden Sie die Mengen A B, A C, (A B) C, (A C) B und geen Sie diese in ufzählender Form n.. Geen Sie lle Teilmengen
Mehr17 Doppelbündel-Rekonstruktion mit Semitendinosussehne
Kpitel 17 143 17 Doppelündel-Rekonstruktion mit Semitendinosussehne Wolf Petersen 17.1 Einleitung Ds vordere Kreuznd (VKB) esteht us 2 funktionellen Bündeln: einem nteromedilen (AM) und einem posterolterlen
Mehr