Kapitel 7: Zufallsvariable I (Eindimensionale Zufallsvariable)
|
|
- Harry Schmid
- vor 6 Jahren
- Abrufe
Transkript
1 Kaptel 7: Zufallsvarable I (Endmensnale Zufallsvarable) 7.. Begrff der Zufallsvarablen Der Begrff der Zufallsvarablen sll zunächst anhand vn Zufallsepermenten erläutert werden, de enen endlchen Eregnsraum bestzen, d. h. deren Eregnsraum S nur ene bestmmte Anzahl vn n Elementareregnssen ej G =,..., n) umfaßt (vgl. auch Abschntt 5.2.). In den Kapteln 5 und 6 waren für dese Klasse vn Zufallsepermenten de Wahrschenlchketen für das Entreten gewsser Eregnsse (Untermengen des Eregnsraumes S) berechnet wrden. In sehr velen Fällen bestehen dese Eregnsse selbst aus Zahlenwerten, we etwa de gewrfene Augenzahl bem Würfeln der de Anzahl der fehlerhaften Stücke n ener Zufallsstchprbe aus ener bestmmten Prduktnssere. In den übrgen Fällen lassen sch den Eregnssen häufg snnvll Zahlenwerte zurdnen; s könnte man bem Rulett dem Eregns "Rt" den Zahlenwert 0 und dem Eregns "Schwarz" den ZaWenwert zuwesen. Untersucht man bespelswese bem Zufallseperment "Zwemalges Wefen ener Münze" de Frage, we ft "Wappen" erschent, s wären de möglchen Werte 0, der 2. Welcher Wert knkret entrtt, läßt sch ncht m vraus sagen. Derartge Varable, we her de "Anzahl Wappen", deren Werte vm Zufall abhängen, heßen deshalb auch Zufallsvarable (Zufallsveränderlche) und werden m allgemenen mt grßen Buchstaben we X, Y der Z bezechnet. Der enzelne Wert, den ene Zufallsvarable X annmmt, heßt Realsatn (Ausprägung) der Zufallsvarablen und wrd mt bezechnet. S bestzt zum Bespel bem zwemalgen Werfen ener Münze de Zufallsvarable X: "Anzahl Wappen" de Ausprägungen Xl = 0, X2= und X3= 2. den Zufallseperments st und der Werteberech de Menge der reellen Zahlen. De bs jetzt behandelten Zufallsvarablen waren über endlche Eregnsräume defnert und umfaßten deshalb auch nur endlch vele Realsatnen. Slche Zufallsvarable, de nur endlch vele der abzählbar unendlch vele Ausprägungen bestzen, werden als dskrete Zufallsvarable bezechnet. (Als abzäwbar unendlch wrd ene Menge bezechnet, wenn se zwar unendlch vele Elemente bestzt, sch aber jedem enzelnen Element ene natürlche Zahl zurdnen läßt.) Im Gegensatz zu den dskreten Zufalls varablen können de stetgen (kntnuerlchen) Zufallsvarablen zumndest n enem bestmmten Berech der reellen Zahlen jeden belebgen Zahlenwert annehmen. Bespele für stetge Zufallsvarable snd etwa de Länge enes aus enem Prduktnsls zufällg ausgewählten Werkstücks der der Zetaufwand, den en Student für de Lösung ener bestmmten Statstk-Aufgabe benötgt. Aus Gründen der ncht belebg erhöhbaren Meßgenaugket lassen sch n der Pras allerdngs Zufallsvarable nur dskret erfassen Wahrschenlchketsfunktn und Vertelungsfunktn dskreter Zufallsvarabler De Wahrschenlchket, mt der ene dskrete Zufallsvarable X de spezelle Ausprägung X annmmt, d. h. W(X = X), ergbt sch als Summe der Wahrschenlchketen derjengen Elementareregnsse ej, denen de Ausprägung X zugerdnet st: Legen de unterschedlchen Ausprägungen Xl>X2,... ener Zufallsvarablen X vr, dann bezechnet man de Funktn f (X), de fur jede Ausprägung der Zufallsvarablen de Wahrschenlchket hres Auftretens angbt, als Wahrschenlchketsfunktn (Wahrschenlchketsvertelung) der Zufallsvarablen X: Z Wurf =O = =2 2 3 fachseder reeden ':nzahl Wappen" Zahlen) Jede Wahrschenlchketsfunktn muß de be den Egenschaften Abb. 7.: Dejntns- und Werteberech der Zufallsvarablen X: "Anzahl Wappen" bem zwemalgen Wefen ener Münze Aus Abb. 7. st erschtlch, daß sch de Zufallsvarable X auch als Funktn auffassen läßt, nämlch als de Funktn, de jedem Elementareregns ene bestmmte reelle Zahl zurdnet; man könnte als X (ej) = X schreben. Allgemen läßt sch sagen, daß der Defntnsberech ener Zufallsvarablen der Eregnsraum S des zugrundelegen- 2:f(D = bestzen. - Damt haben de Wahrschenlchketen f (X) frmal de glechen Egenschaften we de n Kaptel 2 behandelten relatven Häufgketen f. De Wahrschenlchketsvertelung stellt smt en Analgn zur n Kaptel 2 behandelten Vertelung der relatven Häujgketen dar. Bespel: Be dremalgem Werlen ener dealen Münze gbt es 8 glechwahrschenlche Elementareregnsse el, e2,..., es (vgl. Tabelle 7.). Defnert man als Zufallsvarablc X
2 de "Anzahl Wappen" je Versuch, s erhält man de n der letzten Spalte der Tabelle 7. dargestellte Wahrschenlchketsfunktn f(). Elementar- Wahrschen- " Anzahl Wahrschen - eregns lchket Wap- lchket pen" W(X= )= e W(e) = f() el = ZZZ W(el) = 0,25 Xl = 0 f (Xl) = 0,25 e2 = ZZW W(e2) = 0,25 e3 = ZWZ W(e3) = 0,25 X2 = f (X2)= 0,375 e= WZZ W(e) = 0,25 es = ZWW W(es) = 0,25 e6= WZW W(e6) = 0,25 X3 = 2 f (X3)= 0,375 e7 = WWZ W(e7) = 0,25 es = WWW W(es) = 0,25 X= 3 f (X)= 0,25 Tab. 7.: Abletung der Wahrschenlchketfunktn der Zlfallsvarablen X: "Anzahl der Wappen" be dremalgem We~fen ener Münze De Wahrschenlchkets funktn n der letzten Spalte der Tabelle 7. läßt sch auch - we n Abb. 7.2 gezegt -,Rraphsch darstellen. ableten. Aus deser Frmel st erschtlch, daß de Vertelungsfunktn das Analgn zur n Kaptel 2 besprchen Summenhäufgketfunktn bldet. Für das Bespel der Zufallsvarablen "Anzahl Wappen" bem dremal,ren Weljen ener dealen Münze erhält man de n Tabelle 7.2 wedergegebene Vertelungsfunktn, de n Abb. 7.3 auch graphsch dargestellt st. X F() = W(X ~ ) 0 0,25 0, ,875 3,000 Tab. 7.2: Vertelungfunktn der Zlfallsvarablen "Anzahl Wappen" be dremalgem Wefen ener Münze F() Q6 0, 0.2,I 0 I I X Abb. 7.2: Wahrschenlchketfunktn ener dskreten Zlfallsvarablen Es kann mt Hlfe der Wahrschenlchketsfunktn selbstverständlch angegeben werden, we grß de Wahrschenlchket st, daß de Zufallsvarable enen Wert n enem Intervall [a, b] annmmt. Es st nämlch W(a ~ X ~ b) = L: W(X = X) a " X; " b L: f (X)' a ~ X ~ b Als Vertelungsfunktn F () ener Zufallsvarablen X bezechnet man de Funktn, de de Wahrschenlchket dajur angbt, daß de Zufallsvarable X höchstens den Wert X annmmt. Es st als Das Bld der Vertelungsfunktn ener dskreten Zufallsvarablen st als das ener Treppenfunktn, be der de Funktn jewels n den Ausprägungen X um den Betrag f (X) zunmmt und zwschen den enzelnen möglchen Ausprägungen knstant verläuft Wahrschenlchketsdchte und Vertelungsfunktn stetger Zufallsvarabler Legt ene stetge Zufallsvarable X vr, als ene Zufallsvarable, de n enem bestmmten Intervall jeden belebgen Wert annehmen kann, dann st de Vertelungsfunktn deser Zufallsv~rablen F () = W (X ~ ) kene Treppenfunktn mehr, sndern ene stetge Funktn, de bespelswese das n Abb. 7. dargestellte Bld aufwest. Würde de Zufallsvarable X etwa de Lebensdauer enes elektrnschen Bautels beschreben, s würde F () de Wahrschenlchket dafür ange-
3 ben, daß en Element ene Lebensdauer vn höchstens Zetenheten bestzt. F() De Wahrschenlchket dafür, daß de stetge Zufallsvarable X enen Wert annmmt, der m Intervall [a, b] legt, entsprcht der Fläche unter der Dchtefunktn n den Grenzen a und b: b W(a ~ X ~ b) = J f () d. a ener stetgen ZuJalls- Abb. 7.: Bespel der Vertelungfunktn varablen Da de Dchtefunktn n Abb. 7.5 aus der n Abb. 7. dargestellten Vertelungsfunktn hervrgegangen st, könnte man das drt angeführte Bespel frtführen und de schrafferte Fläche als Wahrschenlchket dafür nterpreteren, daß en Bautel m Zetntervall vn abs bausfällt. Insbesndere läßt sch zegen, daß be stetgen Zufallsvarablen de Wahrschenlchket dafür, daß rgenden spezeller Wert angenmmen wrd, mmer 0 st, s daß glt: De Vertelungfunktn F () hat m allgemenen flgende Egenschaften:. 0 ~ F () ~ ; 2. F () st mntn wachsend, d. h. für Xl < X2 glt F (Xl) ~ F (X2) ; 3. lm F() = 0; 5. F () st überall stetg. De Abletung der Vertelungfunktn st bs auf höchstens endlch vele Stellen ebenfalls ene stetge Funktn. Se wrd als Wahrschenlchketsdchte (Dchtefunktn) f () bezechnet und entsprcht der Wahrschenlchketsfunktn m dskreten Fall. Es glt demzuflge F' () = f () F() = J f(v)dv. und De Dchtefunktn zu der n Abbldung 7. dargestellten Vertelungsfunktn st n Abbldung 7.5 wedergegeben. Aus desem Grund st es her be der Bestmmung der Wahrschenlchket unerheblch, b de beden Grenzen a und b n das Intervall engeschlssen werden der ncht. Es st als be stetgen Zufallsvarablen mmer W(a~ X~ b)= W(a< X~ b)= W(a ~ X< b) =W(a< X< b). Ene zwete Möglchket, de gesuchte Wahrschenlchket W (a ~ X ~ b) zu fnden, betet de Vertelungfunktn. Es st nach Defmtn W(X ~ a) = F(a) und W(X ~ b) = F(b); F(b) -F(a) = W(X ~ b) - W(X ~ a) = W(a < X ~ b) = W(a ~ X ~ b). Bespel: De stetge Zufallsvarable X se de Verspätung ener U-Bahn an ener bestmmten Haltestelle und habe de flgende Dchtefunktn (Dmensn: Mnuten) : f() = {~,5-0,25 füro~~ für alle übrgen Abb. 7.5: Wahrschenlchketsdchte De Dchtefunktn hat de Egenschaften f() ~ 0 und J f()d =. (Dchtefunktn) f() " Abb. 7.6: Dchtefunktn
4 De Funktn f () st ene Dchtefunktn, denn es glt f () ~ 0 für alle J f () d = J (0,5-0,25) d = J (0,5-0,25)d = [0,5X - 0,~25 2 ]: 7.. Erwartungswert und Varanz vn Zufallsvarablen We de Häufgketsvertelungen der deskrptven Statstk lassen sch auch de Wahrschenlchketsvertelungen vn Zufallsvarablen durch Maßzahlen (Parameter) charakterseren. Dem arthmetschen Mttel (vgl. Abschntt 3.2) als Lageparameter entsprcht her der Erwartungswert E (X). Er st für ene dskrete Zufallsvarable als E(X) = L XW(X = X) =2-=. De Wahrschenlchket dafur, daß X enen Wert zwschen und 2 annmmt, beträgt bespelswese 2 W ( ::::;;X ::::;;2) = J f () d 2 = J (0,5-0,25)d = [0,5X- 0,~25 2 J = 0,75-0,375 = 0,325. F() = J f (v) dv = J (0,5-0,25v)dv 0 = [ 0,5v - 0,~25 v 2 ]: = 0,5-0, für < 0 F () = 0,5-0,0625 { 2 für 0 ::::;; ::::;; für> Für ene stetge Zufallsvarable mt der Dchtefunktn f () glt entsprechend E(X) = J f()d. Nmmt de Dchtefunktn nur n enem Intervall X u ::::;; ::::;; pstve Werte an, dann glt nsbesndere E(X) = J f () d.. Als Streuungsparameter fmdet de Varanz Var(X) (vgl. Abschntt.2) Verwendung. Se st für dskrete Zufallsvarable als Var(X) defmert. Für stetge Zufallsvarable = L [X-E(X)]2f(X) glt Var(X) = J [-E(X)]2f()d, Var(X) = J [-E(X)ff()d. F(},0 0,8 0,6 F(2} -F(} = 0,325 0, F(2} 0,2 F(} X 2 3 De gesuchte Wahrschenlchket W ( ::::;; ::::;;2) fndet man unter Verwendung der Vertelungsfunktn als W(::::;; ::::;;2) = F(2)-F() = 0,75-0,375 = 0,325. Durch ene enfache Umfrmung deser Varanzfrmeln erhält man de für praktsche Berechnungen ft bequemeren Frmeln Var(X) = L X?f(X) - [E(X)]2 Var(X) = J rf()d-[e(x)f. Bespel: Betrachtet man nch enmal das Zufallseperment "Dremalges Wefen ener Münze", wbe X de "Anzahl Wappen" je Versuch se, s drückt der Brwartungswert E (X) de "Anzahl Wappen" aus, de man be ener größeren Zahl vn Versuchswederhlungen je Versuch m Durchschntt erwarten kann. Es st her (vgl. Tabelle 7.) E (X) = LXf (X) = 0 0, , , ,25 = 0, , ,375 =,5.
5 = L[Xj - E(X)]2f(X) Var(X) = LX?f(j) _[E(X)]2 j = 0.0,25 + 0, , ,25 _,5 2 = 0,375 +,500 +,25-2,250 = 3,000-2,250 = 0,75. Betrachten wr das bge Bespel der stetgen Zufallsvarablen X mt der Dchtefunktn f() = {~,5-0,25X dann fmdet man den Erwartungswert E(X) =. J f()d füro~~ für alle snstgen, der Zufallsvarablen X zu Var(X) = E[[X-E(X)]2] Für enge wchtge Funktnen snd de Erwartungswerte und de Varanzen n Tabelle 7.3 zusammengestellt. Y E(Y) Var(Y) a a 0 bx be (X) b 2 Var(X) a+x a + E(X) Var(X) a+bx a + be(x) b 2 Var(X) =! (0,5-0,25) d = J (0,5-0,25~)d = [0,5 r _ 0,25 ~l 2 3 J Var(X) = Jrf()d-[E(X)]2 =!r(0,5-0,25)d-, =! (0,5r - 0,25r)d _, = [0 5 ~ _ 0,~25 I _, Rechnen mt Erwartungswerten und Varanzen De Erwartungswertbldung läßt sch auch auf Funktnen der Zufallsvarablen X ausdehnen. Es sey = g(x) ene Funktn der Zufallsvarablen X; der Erwartungswert vn Y läßt sch dann m dskreten Fall we flgt defmeren: En wchtger Anwendungfall der lnearen Tran~frmatn Y = a + bx (vgl. Abschntt.5) st de sgenannte Standardserung vn Zufallsvarablen. Bezechnet man de Standardabwechung ener Zufallsvarablen X mt = VVar(X), dann glt für de standardserte Zufallsvarable Z (vgl. herzu auch de Ausführungen zur Standardserung m allgemenen n Abschntt.2) Z = X-E(X) Z=-X---, E(X) E(X) Es st als her b = - und a = Damt fndet man für E(X) E(Z) = a + be(x) = E(X) = 0 O"X und für Var(Z) = b2var(x) = -2 Var(X) =. Standardserte Zufallsvarable bestzen mmer enen Erwartungswert vn 0 und ene Varanz vn. E(Y) = E[g(X)] = Lg(X)f(j). E(Y) = E[g(X)] = J g ()f()d. j S st zum Bespel für Y = [X - E(X)]2 E(Y) = E[[X-E(X)]2] Ban, Lee]., Ma Engehardt, Intrductn t Prb ablty and Mathematcal Statstcs. Bstn (Mass.) 987. DeGrt, Mrrs H., Prbablty and Statstcs (2nd ed., reprnted wth crrectns). Readng (Mass.), Menl Park (Ca!.), Dn Mlls (Ont.) usw Fsz, Marek, Wahrschenlchketsrechnung und mathematsche Statstk (. Aufl.). Berln 988. Rasch, Deter, Enführung n de mathematsche Statstk, Tel: Wahrschenlchketsrechnung und Grundlagen der mathematschen Statstk (3. Aufl.). Berln 989.
6 7. De AnzaW der n ener Reparaturwerkstatt pr Stunde abgefertgten Persnenkraftwagen bestzt flgende Wahrschenlchketsvertelung: (a) Ermtteln Se de Wahrschenlchketsfunktn und de Vertelungsfunktn vn X und stellen Se d graphsch dar. (b) Berechnen Se den Erwartungswert E(X) und de Varanz Var (X). Anzahl der Persnenkraftwagen Wahrschenlchket W(X = ) = f() 7.3 Es se de flgende Funktn f() ener ZufallsvarablenX gegeben: f() = {2X für ~ ~ für alle anderen (a) Zegen Se, daß f() ene Dchtefunktn (b) Bestmmen Se de Vertelungsfunktn. u:ld de Vertelungs- (c) Stellen Se de Dchtefunktn funktn graphsch dar. st. (a) We grß st de erwartete Anzahl der pr Stunde reparerten Persnenkraftwagen? (b) We grß st de Varanz der Anzahl der pr Stunde reparerten Persnenkraftwagen? 7.2 In ener Sendung vn 8 Stück befnden sch 2 fehlerhafte Stücke. Es wrd ene Zufallsstchprbe m Umfang vn n = 3 Stück nachenander hne Zurücklegen entnmmen. Mt X werde de AnzaW der fehlerhaften Stücke n deser Stchprbe bezechnet. (d) Bestmmen Se de flgenden Wahrschenlchketen: (IX) W(0,2 ~ X ~ 0,6) und (ß) W(X > 0,7). 7. Gegeben se de Dchtefunktn f() ener Zufallsvarablen X: f() = {- 0,OO6 2 + O,06 für ~ ~ 0 für alle anderen (a) Berechnen Se den Erwartungswert E(X). (b) Berechnen Se de Varanz Var (X).
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
MehrStandardnormalverteilung / 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
MehrFunktionsgleichungen 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
MehrEinführung 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
Mehr6. 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
Mehr2πσ. 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
MehrStatistik 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
MehrStochastische 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)
MehrAuswertung 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;
MehrStochastik - 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
MehrAuswertung 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;
MehrAufgabe 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
MehrKonkave 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
Mehr3. 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
MehrQuant 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
MehrMethoden 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
MehrVersicherungstechnischer 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
Mehrnonparametrische 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
MehrGruppe. 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
MehrPolygonalisierung 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
MehrBeim 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.
MehrKlasse : 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
Mehr12 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:
Mehr18. 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
MehrSpiele 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,,
MehrSeminar 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
Mehr6.5. 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
Mehr1 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:
Mehr3.2 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
MehrAUFGABEN 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
MehrFlußnetzwerke - 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
MehrFORMELSAMMLUNG 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
MehrDer Satz von COOK (1971)
Der Satz von COOK (1971) Voraussetzung: Das Konzept der -Band-Turng-Maschne (TM) 1.) Notatonen: Ene momentane Beschrebung (mb) ener Konfguraton ener TM st en -Tupel ( α1, α2,..., α ) mt α = xqy, falls
MehrZinseszinsformel (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
MehrWir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt
Kaptel 3 Zwe Personen Spele 3.1 Matrxspele 3.2 Matrxspele n gemschten Strategen 3.3 B Matrxspele und quadratsche Programme 3.4 B Matrxspele und lneare Komplementartätsprobleme 3.1 Matrxspele Wr betrachten
MehrAuswertung 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
MehrFallstudie 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
MehrFranzis 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
MehrFür 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
MehrDiskrete 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 /
MehrIonenselektive 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,
MehrOrdered 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,
MehrKreditrisikomodellierung 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
MehrKreditpunkte-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:
MehrLehrstuhl 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
Mehr4. 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,
MehrNetzwerkstrukturen. 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.
Mehr6 Wandtafeln. 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln. 6.3.1 Allgemeines
6 Wandtafeln 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln 6.3.1 Allgemenes Be der Berechnung der auf de enzelnen Wandtafeln entfallenden Horzontalkräfte wrd ene starre Deckenschebe angenommen.
Mehrbinäre 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,
MehrFür wen ist dieses Buch? Was ist dieses Buch? Besonderheiten. Neu in dieser Auflage
Für wen st deses Bch? Das Taschenbch der Elektrotechnk rchtet sch an Stdentnnen nd Stdenten an nverstäten nd Fachhochschlen n den Berechen Elektrotechnk Nachrchtentechnk Technsche Informatk allgemene Ingenerwssenschaften
Mehr2. 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
MehrLineare 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:
MehrSteuerungsverfahren 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
MehrDer technische Stand der Antriebstechnik einer Volkswirtschaft läßt sich an ihrem Exportanteil am Gesamtexportvolumen aller Industrieländer messen.
- 14.1 - Antrebstechnk Der technsche Stand der Antrebstechnk ener Volkswrtschaft läßt sch an hrem Exportantel am Gesamtexportvolumen aller Industreländer messen. Mt 27,7 % des gesamten Weltexportvolumens
MehrEinführung 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
MehrNomenklatur - 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
MehrOperations 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
MehrMathematik der Finanzmärkte Vorlesungsskript
Mathematk der Fnanzmärkte Vorlesungsskrpt Wnter 24/25 Achm Klenke Insttut für Mathematk Johannes Gutenberg-Unverstät Manz Staudngerweg 9 D-5599 Manz 16. Februar 25 korrgert: 11. Aprl 25 2 Inhaltsverzechns
MehrStatistik. 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
Mehr11 Chemisches Gleichgewicht
11 Chemsches Glechgewcht 11.1 Chemsche Reaktonen und Enstellung des Glechgewchts Untersucht man den Mechansmus chemscher Reaktonen, so wrd man dese enersets mt enem mkroskopschen oder knetschen Blck auf
Mehrj 2 j b i =2 f g Grenzfrequenz des Tiefpaßes 1 a i j b i j 2 = e j2 i arctan a i
6. Versuch AlIpaßflter (Phasenschebegled) (Durchführung Sete J- 8). Her handelt es sch um ene Schaltung, deren Verstärkung konstant und deren Phasenverschebung zwschen En- und Ausgangsspannung annähernd
MehrProjektmanagement / 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
MehrStatistische Regressionsmodelle
Statstsche Regressonsmodelle Tel II: Verallgemenerte Lneare Modelle Werner Stahel Semnar für Statstk, ETH Zürch März 2005 / Ma 2008 Zweter Tel der Unterlagen zu enem Kurs über Regressonsmodelle, gehalten
Mehr9 Phasengleichgewicht in heterogenen Mehrkomponentensystemen
9 Phasenglechgewcht n heterogenen Mehrkomonentensystemen 9. Gbbs sche Phasenregel α =... ν Phasen =... k Komonenten Y n (α) -Molzahl der Komonente Y n der Phase α. Für jede Phase glt ene Gbbs-Duhem-Margules
Mehrtutorial N o 1a InDesign CS4 Layoutgestaltung Erste Schritte - Anlegen eines Dokumentes I a (Einfache Nutzung) Kompetenzstufe keine Voraussetzung
Software Oberkategore Unterkategore Kompetenzstufe Voraussetzung Kompetenzerwerb / Zele: InDesgn CS4 Layoutgestaltung Erste Schrtte - Anlegen enes Dokumentes I a (Enfache Nutzung) kene N o 1a Umgang mt
MehrVermessungskunde für Bauingenieure und Geodäten
Vermessungskunde für Baungeneure und Geodäten Übung 4: Free Statonerung (Koordnatentransformaton) und Flächenberechnung nach Gauß Mlo Hrsch Hendrk Hellmers Floran Schll Insttut für Geodäse Fachberech 13
MehrÜbung zur Vorlesung. Informationstheorie und Codierung
Übung zur Vorlesung Informatonstheore und Coderung Prof. Dr. Lla Lajm März 25 Ostfala Hochschule für angewandte Wssenschaften Hochschule Braunschweg/Wolfenbüttel Postanschrft: Salzdahlumer Str. 46/48 3832
MehrDie Zahl i phantastisch, praktisch, anschaulich
Unverstät Würzburg 977 Würzburg Telefon: (91 888 5598 De Zahl phantastsch, praktsch, anschaulch De Geschchte der Zahl war dre Jahrhunderte lang dadurch geprägt, dass se und damt de kompleen Zahlen n Mathematkerkresen
Mehr5. 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
MehrÜbungsaufgabeN mit Lösungen
ÜbngsafgabeN mt Lösngen Statstk / Grndstdm Statstk I G - 3. Fachhochschle der Detschen Bndesbank Dr. Detmar Hbrch Dr. Detmar Hbrch Statstk I Afgaben nd Lösngen Fachhochschle der G 3. Detschen Bndesbank
MehrUNIVERSITÄT 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
Mehr1.1 Grundbegriffe und Grundgesetze 29
1.1 Grundbegrffe und Grundgesetze 9 mt dem udrtschen Temperturkoeffzenten 0 (Enhet: K - ) T 1 d 0. (1.60) 0 dt T 93 K Betrchtet mn nun den elektrschen Wderstnd enes von enem homogenen elektrschen Feld
MehrPortfoliothorie (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?
MehrH I HEIZUNG I 1 GRUNDLAGEN 1.1 ANFORDERUNGEN. 1 GRUNDLAGEN 1.1 Anforderungen H 5
1 GRUNDLAGEN 1.1 Anforderungen 1.1.1 Raumklma und Behaglchket Snn der Wärmeversorgung von Gebäuden st es, de Raumtemperatur n der kälteren Jahreszet, das snd n unseren Breten etwa 250 bs 0 Tage m Jahr,
Mehr1 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)
MehrGrundlagen 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
MehrDatenträger 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
MehrVorlesung 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
MehrTransistor als Schalter
Elektrotechnsches Grundlagen-Labor II Transstor als Schalter Versuch Nr. 5 Erforderlche Geräte Anzahl Bezechnung, Daten GL-Nr. 1 Doppelnetzgerät 198 1 Oszllograph 178 1 Impulsgenerator 153 1 NF-Transstor
MehrFinanzwirtschaft. 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
MehrF A C H H O C H S C H U L E W E D E L. Seminararbeit Informatik
F A C H H O C H S C H U L E W E D E L Semnararbet Informatk n der Fachrchtung Wrtschaftsnformatk Themenberech Künstlche Intellgenz Thema Nr. 3 Dskrmnanzanalyse Engerecht von: Erarbetet m: Patrck Wolf Wedeler
Mehr"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
MehrMessung 1 MESSUNG DER DREHZAHL UND DES TRÄGHEITSMOMENTES
1 Enletung Messung 1 MESSUNG DER DREHZAHL UND DES TRÄGHEITSMOMENTES Zel der Messung: Das Träghetsmoment des Rotors enes Elektromotors und das daraus resulterende de Motorwelle bremsende drehzahlabhängge
MehrPraktikum 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
MehrNumerische Klassifikation (Cluster Analyse) anhand nominaler, ordinaler oder gemischter Merkmale
2 Schrften aus der Fakultät Sozal- und Wrtschaftswssenschaften der Otto-Fredrch-Unverstät Bamberg Numersche lassfkaton (Cluster Analyse) anhand nomnaler, ordnaler oder gemschter Merkmale Theore und Praxs
Mehr1.1 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
MehrIch 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
MehrKapitel 8: Graph-Strukturierte Daten
Ludwg Maxmlans Unerstät München Insttut für Informatk Lehr- und Forschungsenhet für Datenbanksysteme Skrpt zur Vorlesung Knowledge Dscoery n Dtb Databases II m Wntersemester 2011/2012 Kaptel 8: Graph-Strukturerte
MehrY 1 (rein) Y 2 (rein) Mischphase Bezeichnung (g) (g) (g) Mischung (l) (l) (l) Mischung,Lösung (l) (s) (l) Lösung. (s) (g) (s) Lösung
3 Lösungen 3. Mschungen und Lösungen Homogene Phasen, n denen alle Komonenten glechartg behandelt werden, heßen Mschungen. Wenn ene Komonente m Überschuß vorlegt, kann man von Lösungen srechen. Sezfsche
Mehr1 = 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
Mehr8 Logistische Regressionsanalyse
wwwstatstkpaketde 8 Logstsche Regressonsanalyse De logstsche Regressonsanalyse dent der Untersuchung des Enflusses ener quanttatven Varable auf ene qualtatve (n unserem Fall dchotomen Varable Wr gehen
Mehr) 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
MehrKapitel 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
MehrERP Cloud Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Preise erfassen. www.comarch-cloud.de
ERP Cloud SFA ECM Backup E-Commerce ERP EDI Prese erfassen www.comarch-cloud.de Inhaltsverzechns 1 Zel des s 3 2 Enführung: Welche Arten von Presen gbt es? 3 3 Beschaffungsprese erfassen 3 3.1 Vordefnerte
MehrBoost-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
MehrNernstscher Verteilungssatz
Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.
Mehr9 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
MehrKo- und kontravariante Darstellung
Ko- und kontravarante Darstellung Physkalsche Sachverhalte snd vom verwendeten Koordnatensystem unabhängg. Sehr oft st es snnvoll, se n verschedenen Koordnatensystemen darzustellen. Berets erwähnt wurden
MehrSIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT
Smulaton von Hybrdfahrzeugantreben mt optmerter Synchronmaschne 1 SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT OPTIMIERTER SYNCHRONMASCHINE H. Wöhl-Bruhn 1 EINLEITUNG Ene Velzahl von Untersuchungen hat sch
Mehr