Stochastische Automaten und Quellen
|
|
- Rolf Burgstaller
- vor 6 Jahren
- Abrufe
Transkript
1 KAPITEL 2 Sochasische Auomaen und Quellen Sei A ein Sysem allgemeiner Ar (z.b. ein physikalisches Sysem oder eine Nachrichenquelle), das wir zu diskreen Zeipunken = 0, 1,... beobachen. Wir nehmen an: (SA 1 ) A befinde sich zu jedem Zeipunk in einem Zusand z i einer endlichen Menge von n möglichen Zusänden Z = {z 1,..., z n }. (SA 2 ) Is A zur Zei im Zusand z i, dann is A zum nächsen Zeipunk + 1 im Zusand z j mi Wahrscheinlichkei p(z j z i ). (SA 1 ) und (SA 2 ) besagen, dass A ein sochasischer Auoma is mi der Übergangsmarix P = [p ij ] R n n wobei p ij = p(z j z i ). P is eine sochasische Marix. Das heiss, dass jeder Zeilenvekor eine Wahrscheinlichkeisvereilung darsell: n n p ij = p(z j z i ) = 1 und p ij 0. j=1 j=1 Sei π () i die Wahrscheinlichkei dafür, dass A zum Zeipunk im Zusand z i is, dann erhalen wir π (+1) j = n i=1 p(z j z i )π () i = n i=1 p ij π () i. Für die ensprechenden Vekoren π () = (π () 1,..., π () n ) gil somi: π (+1) = π () P = π ( 1) P 2 =... d.h. π () = π (0) P. Die sochasische Zusandsbeschreibung von A is also fesgeleg durch die Anfangsvereilung π (0) und die Übergangsmarix P. A heiss saionär, wenn gil π (1) = π (0) d.h. π () = π (0) für alle 0. Wir nehmen nun zusäzlich noch an, dass eine Funkion X : Z Σ exisier, die das Symbol α = X(z) eines endlichen Alphabes Σ anzeig, wenn sich A im Zusand z befinde. In diesem Fall nennen wir Q = (A, Σ, X) 13
2 14 2. STOCHASTISCHE AUTOMATEN UND QUELLEN eine sochasische Quelle. Bezeichnen wir mi X das Symbol α Σ, das zum Zeipunk produzier wird, dann finden wir P r{x = α} = π () i. X(z i )=α Die Folge (X ) 0 is ein sochasischer Prozess. EX. 2.1 (Markov-Quellen und Irrfahren). Im Fall Σ = {α 1,..., α n } und X(z i ) = α i is Q = (A, Σ, X) eine sog. Markov-Quelle und (X ) is ein Markov-Prozess. Man kann sich vorsellen, dass ein Markov-Prozess eine Irrfahr auf der Zusandsmenge Z anzeig, die von den Übergangswahrscheinlichkeien p ij regier wird. BEMERKUNG. Das Modell sochasischer Quellen kann im Prinzip deulich verallgemeiner werden. Allerdings kann man dann nich mehr unbeding die asympoischen Konvergenzeigenschafen des nachfolgenden Abschnis garanieren. Unser spezielles Modell einer sochasischen Quelle Q = (A, Σ, X) is in der englischen Lieraur auch als Hidden Markov Model (HMM) bekann (weil die Zusände z von A nur indirek via X observierbar sind). Es wird bei sehr vielen Anwendungsmodellierungen der Daenanalyse eingesez (Finanzmahemaik, Spracherkennung usw.) Unabhängigkei. Die Quelle Q = (A, Σ, X) heiss unabhängig, wenn die jeweilige Übergangswahrscheinlichkei p ij = p(z j z i ) nich von z i sondern nur von z j abhäng, wenn also alle Zeilen von P idenisch sind: (p i1, p i2,..., p in ) = (π 1, π 2,..., π n ) (i = 1,..., n). Unabhängige Quellen sind also im wesenlichen saionär: (π 1,..., π n ) = π (1) = π (2) =... = π () =... Die Überganswahrscheinlichkeien von A (bzw. der Zusandsmenge von A) können verallgemeiner werden, wenn wir die bedinge Wahrscheinlichkei P r{x +1 = β X = α} als einen numerischen Parameer mi der Eigenschaf P r{x = α}p r{x +1 = β X = α} = P r{x = α, X +1 = β} einführen. Dabei is die gemeinsame Wahrscheinlichkei ( P r{x = α, X +1 = β} = {z i :X(z i )=α} Im Fall P r{x = α} 0 ergib sich daraus π () i {z j :X(z j )=β} P r{x +1 = β X = α} = P r{x = α, X +1 = β} P r{x = α} p(z j z i ) )..
3 1. KONVERGENZ 15 Wir nennen nun den Prozess (X ) unahängig, wenn für alle α, β Σ und alle 0 gil: P r{x +1 = β X = α} = P r{x +1 = β} = π (+1) j. {z j :X(z j )=β} Daraus ergib sich im Fall der Unabhängigkei die Produkformel P r{x = α, X +1 = β} = P r{x = α}p r{x +1 = β}. BEMERKUNG. Man kann zeigen (s. Übungen): Is die Quelle Q = (A, Σ, X) unabhängig, dann is auch der zugeordnee sochasische Prozess (X ) unabhängig. Es is möglich, dass (X ) unabhängig is obwohl es Q = (A, Σ, X) nich is. 1. Konvergenz Wir nehmen Q = (A, Σ, X) als sochasische Quelle an und bezeichnen die (sochasischen) Zusände des Auomaen A zur Zei mi π (). Dann ergeben sich die gemielen (sochasischen) Zusände als π () i = π (k) i (i = 1,..., n, = 0, 1,...). Die Durchschniswahrscheinlichkeien dafür, dass sich A in einem besimmen Zusand befinde, konvergieren gegen eine Grenzvereilung: SATZ 2.1. Es gib eine Wahrscheinlichkeisvereilung π = (π 1,..., π n ) derar, dass lim π() i = π i (i = 1,..., n) Beweis. Wir berachen den (zu C n isomorphen) Vekorraum V der von den n- dimensionalen Wahrscheinlichkeisvereilungen π über dem Körper C der komplexen Zahlen. Da πp wieder eine Wahrscheinlichkeisvereilung is gil πp k 1 und somi sicherlich v T P k v für alle v V. Die Übergangsmarix P von A implizier also die Voraussezung von Lemma 2.1. Deshalb exisier der Limes 1 P = lim P + 1 und ergib π = lim π () π (0) = lim + 1 P = π (0) P.
4 16 2. STOCHASTISCHE AUTOMATEN UND QUELLEN KOROLLAR 2.1. Es gib eine Wahrscheinlichkeisvereilung p auf dem Alphabe Σ derar, dass lim P r{x k = α} = X(z i )=α π i = p α (α Σ). EX. 2.2 (Unabhängige Quellen). Unabhängige Quellen erfüllen π () = π (1) für 1. Deshalb finden wir 1 lim π() i = lim k=1 π (k) i = lim π i = π i. (π 1,..., π n ) is somi auch die asympoische Grenzvereilung der Quelle. Wir beweisen nun die für Saz 2.1 benöige Hilfsaussage. LEMMA 2.1. Sei V ein endlich-dimensionaler Vekorraum über dem Körper C der komplexen Zahlen und F : V V ein linearer Operaor mi der folgenden Sabiliäseigenschaf: (S) für jedes v V exisier ein c = c(v) R derar, dass F k v c (k = 0, 1,...) Dann exisier auch der asympoische Grenzwer der gemielen Vekoren 1 v = lim 1 F k v für alle v V. Beweis. Wir folgern zuers aus der Voraussezung, dass für jeden Eigenwer λ von F gelen muss λ 1. Denn andernfalls häe man im Fall eines Eigenvekors w 0: F k w = λ k w (k ). Wir argumenieren nun über die Anzahl der verschiedenen Eigenwere des linearen Operaors F und nehmen zunächs an, dass F genau einen Eigenwer λ besiz. Nach dem Saz von Caley-Hamilon erfüll F seine charakerisische Gleichung. Das bedeue hier: es gib ein minimales m N mi der Eigenschaf (F λi) m v = 0 für alle v V.
5 Nach dem Binomialsaz finden wir deshalb 1. KONVERGENZ 17 F k v = [(F λi) + λi] k v = k ( ) k (F λi) j λ k j v j = j=0 m 1 j=0 ( ) k (F λi) j λ k j v. j Im Fall λ < 1 und k ergib sich daraus λ k j 0 und somi F k v 0. Daraus folg sofor 1 1 F k 1 1 v 0 bzw. lim F k v = 0. Im Fall λ = 1 berachen wir zuers die Siuaion, wo m = 1 und folglich F = λi. Bei λ = 1 is die Behaupung rivialerweise klar. Bei λ 1 schliessen wir 1 F k v = 1 1 λ k v = 1 λ (1 λ) 2 1 λ 0. Wir behaupen nun, dass die Siuaion m 2 nich zu unersuchen is. Sons gäbe es ein nämlich ein u V mi (F λi) m u = 0 und (F λi) m 1 u 0. Wir sezen v = (F λi) m 2 u und w = (F λi) m 1 u = (F λi)v. Dann gil (F λi)w = 0. Der Binomialsaz liefer somi die Darsellung F k v = λ k v + kλ k 1 (F λi)v = λ k v + kλ k 1 w. Aus der Dreiecksungleich folg nun der Widerspruch zur Annahme (S): F k v k w v (k ). Besiz schliesslich F mindesens 2 verschiedene Eigenwere, so läss sich V bekannlich als direke Summe zweier nichrivialer F -invarianer Unerräume ausdrücken: V = V 1 V 2 und F : V i V i (i = 1, 2). Jedes v V is eine Summe v = v 1 + v 2 mi v i V i. Ausserdem verfüg die Einschränkung von F auf V i über weniger verschiedene Eigenwere als F. Wegen F v = F v 1 + F v 2 ergib sich die Behaupung somi aus der Indukionsannahme.
6 18 2. STOCHASTISCHE AUTOMATEN UND QUELLEN 2. Erwarungswere und asympoische Enropie Sei M = {m 1,..., m n } eine endliche Menge und p = (p 1,..., p n ) eine Wahrscheinlichkeisvereilung auf M. Dann is n E(X) = xp r{x = x} i=1 X(m i )p i = x R der sog. Erwarungswer der Funkion X : M R. Is Y : M R eine weiere Funkion, so gil (bzgl. derselben Vereilung p) für alle a R: E(X + ay ) = E(X) + ae(y ). E operier also linear auf der Menge aller reellwerigen Messfunkionen auf M (bei feser Vereilung p). Sei nun Q = (A, Σ, X) eine sochasische Quelle mi Zusandsmenge Z und α Σ beliebig. Wir definieren die Indikaorfunkion X α : Z R als { X α 1 wenn X(z) = α (z) = 0 sons. Dami is auch Q α = (A, Σ, X α ) eine sochasische Quelle und X α = Xα X α 1 = 1 1 Xk α gib die relaive Häufigkei des Ereignisses {X k = α} in den ersen Beobachungen wieder. Asympoisch wäre die relaive Häufigkei des Aufreens von α: lim = 1 1 Xα = lim Xk α. Für die Erwarungswere finden wir E(X α ) = 1 P r{x = α} = P r{x = α} und wegen der Lineariä des Erwarungswers E(X α ) = 1 1 P r{x k = α}. Korollar 2.1 guaranier deshalb die Konvergenz der erwareen relaiven Häufigkeien gegen die Grenzvereilung des sochasischen Prozesses (X ): (7) lim E(X α ) = p α (für alle α Σ)
7 Wir können deshalb den Parameer 3. UNABHÄNGIGE QUELLEN 19 H(X) = α Σ p α log 2 p α als die asympoische Enropie der sochasischen Quelle Q = (A, Σ, X) versehen. 3. Unabhängige Quellen Is die sochasische Quelle Q = (A, Σ, X) (mi Σ R) unabhängig, so gil µ = E(X 1 ) =... = E(X ) =... und folglich E(X ) µ, wobei X = 1 1 X k. Die asympoische Konvergenz der Erwarungswere der Mielwere is also rivialerweise gegeben. Man kann uner der Unabhängigkeisannahme jedoch die Konvergenzaussagen verschärfen Das Gesez der grossen Zahlen. Wir wollen (für unabhängige Quellen) zeigen, dass die Mielwere X selber mi hoher Wahrscheinlichkei den Erwarungswer µ approximieren in dem Sinn, dass für jedes η > 0 gil: (8) lim P r{ X µ > η} = 0 Die Aussage (8) is als (schwaches) Gesez der grossen Zahlen bekann. Zum Beweis benöigen wir ein paar Hilfsaussagen. LEMMA 2.2 (Tschebyscheffs Ungleichung). Sei Z eine nichnegaive Zufallsvariable. Dann gil für jedes fese a 0: (9) E(Z) ap r{z a} Beweis. Aus der Nichnegaiviä von Z folg E(Z) = z zp r{z = z} z a ap r{z = z} = a z a P r{z = z} = ap r{z a}.
8 20 2. STOCHASTISCHE AUTOMATEN UND QUELLEN LEMMA 2.3. Sind die Zufallsvariablen X und Y reellwerig und unabhängig, dann gil E(XY ) = E(X)E(Y ). Beweis. Nach der Unabhängigkeisannahme haben wir P r{x = x, Y = y} = P r{x = x}p r{y = y} = p(x)p(y) und deshalb E(XY ) = x = x xyp(x)p(y) = x y xp(x) ( yp(y) ) xp(x)e(y ) = E(Y ) xp(x) = E(Y )E(X). x y BEWEIS VON (8): OBdA darf man µ = 0 annehmen. (Sons ersez man einfach X durch X = X µ). Wir sezen nun σ0 2 = E(X 0) 2 und σ 2 = E(X1 2) = E(X2 2 ).... Aus der Unabhängigkei folg E(X 0 + X 1 ) 2 = E(X X 0 X 1 + X 2 1) und allgemein = E(X 2 0) + 2E(X 0 )E(X 1 ) + E(X 2 1) = σ σ 2 E(X X 1 ) 2 = σ ( 1)σ 2 d.h. E(X 2 ) 0. X 2 is eine nichnegaive Zufallsvariable. Also liefer die Tschebyscheffsche Ungleichung: P r{ X > η} = P r{x 2 > η 2 } 1 η 2 E(X2 ) 0 ( ). EX. 2.3 (Enropie). Sei obda p(α) = P r{x = α} > 0 für alle α Σ und Z(α) = log 2 p(α). Dann gil Z = 1 1 log 2 p(x k ) und E(Z) = p(α) log 2 p(α) = H(X). α Σ Das Gesez der grossen Zahlen implizier nun für jedes ε > 0: P r{ 1 1 log 2 p(x k ) H(X) > ε} 0 ( ).
9 4. KOLMOGOROV-KOMPLEXITÄT Typische Sequenzen. Wir nennen eine von der unabhängigen Quelle Q = (A, Σ, X) produziere Sequenz x = x 0 x 1... x 1 ε-ypisch, falls aus ihr ε-approximaiv die Enropie von X ermiel 1 werden kann: 1 1 log 2 p(x k ) H(X) ε Mi dieser Terminologie folg aus Ex. 2.3 sofor, dass ε-ypische Sequenzen in der Ta für die Quelle Q ypisch sind: PROPOSITION 2.1. Für jedes ε > 0 exisier ein ε derar, dass für jedes fese ε gil: Mi Wahrscheinlichkei 1 ɛ is eine von der unabhängigen Quelle Q produziere Sequenz mi Symbolen ε-ypisch. Sei T ε () = T ε () (Q) die Menge aller ε-ypischen Sequenzen der Länge ε. Dann finde man: (10) (1 ε)2 (H(X) ε) T ε () 2 (H(X)+ε) Denn wir haben einerseis per Definiion T ε () 2 (H(X)+ε) = 2 (H(X)+ε) p(x) 1 x T () ε x T () ε x T () ε und andererseis gemäss Proposiion 2.1 T ε () 2 (H(X) ε) = 2 (H(X) ε) p(x) 1 ε. x T () ε 4. Kolmogorov-Komplexiä Während die Shannonsche Enropie die Komplexiä einer Symbolfolge nach der Wahrscheinlichkei miss, mi der eine Quelle die einzelnen Symbole produzier, versuch die sog. Kolmogorov-Komplexiä die Komplexiä einer Folge danach einzuschäzen, ob einfach zu erzeugen is. GRUNDSÄTZLICHE IDEE: Wenn es ein einfaches Compuerprogramm gib, das die Folge produzier, dann is die Folge einfach. Die Kolmogrov-Komplexiä miss die nowendige Grösse eines erzeugenden Programms. Als Beispiel berachen wir die Folge der Dezimalenwicklung der Zahl π, die of als ypische Zufallsfolge angesehen wird (und somi nach Shannon 1 im wahrsen Sinne das Wores!
10 22 2. STOCHASTISCHE AUTOMATEN UND QUELLEN eine hohe Komplexiä häe). Wir können z.b. von S. Plouffes Darsellung ausgehen: ( 1 4 π = 16 i 8i i i ) 8i + 6 i=n+1 i=0 Brich man die Summaion beim Index n ab, so is die Abweichung von π: ( 1 4 R n = 16 i 8i i i ) 1 8i n Das heiss: Man erhäl die ersen n Dezimalsellen von π exak. Die Addiion jedes weiern Terms liefer (mindesens) eine weiere exake Selle der Deziamlenwicklung. Die sukzessive Berechnung der Teilsummen kann durch ein einfaches Compuerprogramm angeben. Also kann man die Dezialmalenwicklung (oder ebenso auch die Binärenwicklung ec.) von π nich als zufällig berachen. BEMERKUNG- Es is KEINE (beweisbar funkionierende) Mehode bekann, mi der man eche Folgen von Zufallszahlen erzeugen kann. In der Praxis erzeug man (z.b. mi Hilfe eines ensprechend programmieren Compuers) Pseudozufallszahlen, die einem (mahemaischen oder physikalischen) Bildungsgesez folgen das man aber als Anwender nich kenn. Zufall is somi immer eine subjekive Angelegenhei. Obwohl die Kolmogorov-Komplexiä eine grundsäzlich anderes Mass zu sein schein als die Shannon-Komplexiä, ha sich doch viel mi dieser zu un. Die Vorlesung geh aber nich weier darauf ein.
Lineare Algebra I - Lösungshinweise zur Klausur
Insiu für Mahemaik Winersemeser 0/3 Universiä Würzburg 0 Februar 03 Prof Dr Jörn Seuding Dr Anna von Heusinger Frederike Rüppel Lineare Algebra I - Lösungshinweise zur Klausur Aufgabe : (0 Punke) Zeigen
Mehr5. Übungsblatt zur Linearen Algebra II
Fachbereich Mahemaik Prof. J. Bokowski Dennis Frisch, Nicole Nowak Sommersemeser 27 5., 8. und 2. Mai 5. Übungsbla zur Linearen Algebra II Gruppenübung Aufgabe G (Hüllen) In dieser Aufgabe soll es darum
Mehr3.4 Systeme linearer Differentialgleichungen
58 Kapiel 3 Invarianen linearer Transformaionen 34 Syseme linearer Differenialgleichungen Die Unersuchung der Normalformen von Marizen soll nun auf die Lösung von Differenialgleichungssysemen angewende
MehrUniversität Ulm Samstag,
Universiä Ulm Samsag, 5.6. Prof. Dr. W. Arend Robin Nika Sommersemeser Punkzahl: Lösungen Gewöhnliche Differenialgleichungen: Klausur. Besimmen Sie die Lösung (in möglichs einfacher Darsellung) folgender
MehrZeitreihenökonometrie
Zeireihenökonomerie Kapiel 4 Schäzung univariaer Zeireihenmodelle Y = c+ α Y + + α Y + ε + βε + + β ε p p q q Problem: Direke Schäzung der Parameer α,, αp und β,, βq über OLS nich möglich, da die Residuen
MehrGrenzwertsätze für Zeitreihen
KAPIEL 6 Grenzwersäze für Zeireihen In diesem Kapiel sellen wir wichige Grenzwersäze für saionäre Zeireihen {X n } in diskreer Zei zusammen. Sei µ = E(X ) und ρ(k) = E(X 1 µ)(x 1+k µ) = Cov (X 1, X 1+k
MehrStochastische Analysis und Finanzmathematik
Sochasische Analysis und Finanzmahemaik Vorlesung im Winersemeser 211/212 von Dr. Markus Schulz Inhalsverzeichnis 1 Sochasische Prozesse 1 1.1 Grundlagen................................ 1 1.2 Die Brownsche
MehrHauptachsentransformation
Haupachsenransformaion Erinnerung: A M n is genau ann nich inverierbar, wenn es ein x R n, x gib, mi A x. Definiion. Sei A M n eine Marix. Ein Vekor v R n, v heiß Eigenvekor von A zum Eigenwer λ R, wenn
MehrMathematik III DGL der Technik
Mahemaik III DGL der Technik Grundbegriffe: Differenialgleichung: Bedingung in der Form einer Gleichung in der Ableiungen der zu suchenden Funkion bis zu einer endlichen Ordnung aufreen. Funkions- und
MehrTyp A: Separierbare Differentialgleichungen I. Separierbare Differentialgleichungen II. Beispiel einer separierbaren Dgl
Typ A: Separierbare Differenialgleichungen I Gegeben sei die Differenialgleichung y () = f () g(y) in einem Bereich D der (, y) Ebene. Gil g(y) 0, so lassen sich die Variablen und y rennen: y () g(y) =
Mehr7.3. Partielle Ableitungen und Richtungsableitungen
7.3. Parielle Ableiungen und Richungsableiungen Generell vorgegeben sei eine Funkion f von einer Teilmenge A der Ebene R oder allgemeiner des n-dimensionalen Raumes R n nach R. Für x [x 1,..., x n ] aus
MehrDie Lösungen der Übungsaufgaben werden durch folgendes Lemma etwas vereinfacht:
Prof. Dr. D. Kuske, M.Sc. M. Huschenbe Fachgebie Theoreische Informaik, TU Ilmenau Muserlösung zum 2. Übungsbla Auomaenheorie Die Lösungen der Übungsaufgaben werden durch folgendes Lemma ewas vereinfach:
MehrZwischenwerteigenschaft
Zwischenwereigenschaf Markus Berberich Ausarbeiung zum Vorrag im Proseminar Überraschungen und Gegenbeispiele in der Analysis (Sommersemeser 2009, Leiung PD Dr. Gudrun Thäer) Zusammenfassung: In dieser
MehrStationarität/Ergodizität
Empirische Mehoden (MA) SS 011 Übungsbla 3 Willi Muschler willi.muschler@uni-muenser.de Saionariä/Ergodiziä 1. Beanworen Sie folgende Fragen: (a) Was verseh man uner einem sochasischen Prozess, was uner
MehrMathematische Methoden in den Ingenieurwissenschaften 4. Übungsblatt
Prof Dr M Gerds Dr A Dreves J Michael Winerrimeser 6 Mahemaische Mehoden in den Ingenieurwissenschafen 4 Übungsbla Aufgabe 9 : Mehrmassenschwinger Berache wird ein schwingendes Sysem aus Körpern der Masse
MehrV1 - Poisson-Statistik
V1 - Poisson-Saisik Michael Baron, Sven Pallus 03. Mai 2006 Inhalsverzeichnis 1 Aufgabensellung 1 2 Theoreischer Hinergrund 2 2.1 Geiger-Müller-Zählrohr...................... 2 2.2 Poisson-Vereilung........................
MehrArbitragefreie Preise
Arbiragefreie Preise Maren Schmeck 24. Okober 2006 1 Einleiung P i () Preis von Anleihe i zur Zei, i = 1,..., n x i Anzahl an Einheien der Anleihe i V () = n i=1 x ip i () Wer eines Porfolios mi x i Einheien
MehrDifferenzieren von Funktionen zwischen Banachräumen
Differenzieren von Funkionen zwischen Banachräumen Ingmar Gezner In dieser Seminararbei wollen wir das Differenzieren auf Funkionen zwischen Banachräume verallgemeinern. In unendlichdimensionalen Räumen
Mehr14 Kurven in Parameterdarstellung, Tangentenvektor und Bogenlänge
Dr. Dirk Windelberg Leibniz Universiä Hannover Mahemaik für Ingenieure Mahemaik hp://www.windelberg.de/agq 14 Kurven in Parameerdarsellung, Tangenenvekor und Bogenlänge Aufgabe 14.1 (Tangenenvekor und
MehrEigenwerte und Eigenvektoren
Eigenwere un Eigenvekoren Vorbemerkung: Is ie n n Marix inverierbar, so ha as lineare Gleichungssysem A x b für jees b genau eine Lösung, nämlich x A b. Grun: i A x A A b b, ii Is y eine weiere Lösung,
MehrMathematik: Mag. Schmid Wolfgang Arbeitsblatt Semester ARBEITSBLATT 11 LAGEBEZIEHUNG DREIER EBENEN
Mahemaik Mag. Schmid Wolfgang Arbeisbla. Semeser ARBEITSBLATT LAGEBEZIEHUNG DREIER EBENEN Nachdem wir die Lage weier Ebenen unersuch haben, wollen wir uns nun mi der Lage von drei Ebenen beschäfigen. Anders
MehrTechnische Universität München. Lösung Montag SS 2012
Technische Universiä München Andreas Wörfel Ferienkurs Analysis für Physiker Lösung Monag SS 0 Aufgabe Gradien und Tangene ( ) Besimmen Sie zur Funkion f(x, y) = x y + xy + y die pariellen Ableiungen,
MehrMotivation: Sampling. (14) Sampling. Motivation: Sampling. Beispiele. Beispiel Kreisscheibe. Beispiel: Kreisscheibe
Moivaion: Sampling (4) Sampling Vorlesung Phoorealisische Compuergraphik S. Müller Ein naiver (und sehr eurer) Ansaz, die Rendering Equaion mi Hilfe eines Rayracing-Ansazes zu lösen, wäre wird eine diffuse
MehrStochastische Differentialgleichungen
INSTITUT FÜR STOCHASTIK SS 2007/08 UNIVRSITÄT KARLSRUH Bla 9 Priv.-Doz. Dr. D. Kadelka Übungen zur Vorleung Sochaiche Differenialgleichungen Muerlöungen Aufgabe 21: Definieren Sie analog zur d-dimenionalen
MehrGewöhnliche Differentialgleichungen (DGL)
Gewöhnliche Differenialgleichungen (DGL) Einführende Beispiele und Definiion einer DGL Beispiel 1: 1. Die lineare Pendelbewegung eines Federschwingers führ uner Zuhilfenahme des Newonschen Krafgesezes
MehrLösungen zu Übungsblatt 4
Fakulä für Mahemaik, Technische Universiä Dormund Vorlesung Geomerie für Lehram Gymnasium, Winersemeser 24/5 Dipl-Mah Aranç Kayaçelebi Lösungen zu Übungsbla 4 Aufgabe 2 Punke a Geben Sie eine Funkion f
MehrFokker-Planck-Gleichung
Fokker-Planck-Gleichung Beschreibung sochasischer Prozesse David Kleinhans kleinhan@uni-muenser.de WWU Münser David Kleinhans, WWU Münser Fokker-Planck-Gleichung Beschreibung elemenarer sochasischer Prozesse
MehrZeitreihenökonometrie
Zeireihenökonomerie Kapiel 1 - Grundlagen Einführung in die Verfahren der Zeireihenanalyse (1) Typischerweise beginn man mi einer Beschreibung der jeweils zu unersuchenden Zeireihe (graphisch) Trendverhalen,
MehrAbiturprüfung Mathematik 2009 (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe 1
www.mahe-aufgaben.com Abiurprüfung Mahemaik 009 (Baden-Würemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe. (7 Punke) Das Schaubild P einer Polynomfunkion drien Grades ha den Wendepunk W(-/-) und
MehrAbituraufgaben Grundkurs 2009 Bayern Analysis I. dt mit D F = R.
Abiuraufgaben Grundkurs 9 Bayern Analysis I I.). Die Abbildung zeig den Graphen G f einer ganzraionalen Funkion f drien Grades mi dem Definiionsbereich D f R. Die in der Abbildung angegebenen Punke P(
MehrMotivation. Finanzmathematik in diskreter Zeit
Moivaion Finanzmahemaik in diskreer Zei Eine Hinführung zu akuellen Forschungsergebnissen Alber-Ludwigs-Universiä Freiburg Prof. Dr. Thorsen Schmid Abeilung für Mahemaische Sochasik Freiburg, 22. April
MehrLösungshinweise zu den Hausaufgaben:
P. Engel, T. Pfrommer S. Poppiz, Dr. I. Rbak 8. Gruppenübung zur Vorlesung Höhere Mahemaik Sommersemeser 9 Prof. Dr. M. Sroppel Prof. Dr. N. Knarr Lösungshinweise zu den Hausaufgaben: Aufgabe H. Konvergenzverhalen
Mehr2.2 Rechnen mit Fourierreihen
2.2 Rechnen mi Fourierreihen In diesem Abschni sollen alle Funkionen als sückweise seig und -periodisch vorausgesez werden. Ses sei ω 2π/. Wir sezen jez aus Funkionen neue Funkionen zusammen und schauen,
MehrName: Punkte: Note: Ø:
Name: Punke: Noe: Ø: Kernfach Physik Abzüge für Darsellung: Rundung: 4. Klausur in K am 5. 5. 0 Ache auf die Darsellung und vergiss nich Geg., Ges., Formeln, Einheien, Rundung...! Angaben: e =,60 0-9 C
MehrZeitreihenökonometrie
ifo Insiu für Wirschafsforschung an der Universiä München Zeireihenökonomerie Kapiel 6 Nichsaionäre univariae Zeireihenmodelle ifo Insiu für Wirschafsforschung an der Universiä München Nichsaionäre Prozesse
Mehr1. Mathematische Grundlagen und Grundkenntnisse
8 1. Mahemaische Grundlagen und Grundkennnisse Aufgabe 7: Gegeben sind: K = 1; = 18; p = 1 (p.a.). Berechnen Sie die Zinsen z. 18 1 Lösung: z = 1 = 5 36 Man beache, dass die kaufmännische Zinsformel als
MehrMasse, Kraft und Beschleunigung Masse:
Masse, Kraf und Beschleunigung Masse: Sei 1889 is die Einhei der Masse wie folg fesgeleg: Das Kilogramm is die Einhei der Masse; es is gleich der Masse des Inernaionalen Kilogrammprooyps. Einzige Einhei
MehrMathematische Methoden der klassischen Physik Zusammenfassung Differentialgleichungen
Dr. G. Lechner Mahemaische Mehoden der klassischen Physik Zusammenfassung Differenialgleichungen In der Vorlesung wurden drei unerschiedliche Typen von Differenialgleichungen (DGL) besprochen, die jeweils
MehrEinführung in gewöhnliche Differentialgleichungen
Einführung in gewöhnliche Differenialgleichungen Jonahan Zinsl 25. Mai 202 Definiionen Definiion.(Gewöhnliche Differenialgleichung. Ordnung) Uner einer gewöhnlichen Differenialgleichung. Ordnung verseh
MehrKapitel : Exponentielles Wachstum
Wachsumsprozesse Kapiel : Exponenielles Wachsum Die Grundbegriffe aus wachsum 1.xmcd werden auch hier verwende! Wir verwenden im Beispiel 2 auch fas die gleiche Angabe wie in Beispiel 1 - lediglich eine
Mehr8.2 Die Theorie stetiger Halbgruppen im Banachraum
8.2 Die Theorie seiger Halbgruppen im Banachraum 3 8.2 Die Theorie seiger Halbgruppen im Banachraum Im weieren sellen wir einige allgemeine Aussagen der Theorie seiger Halbgruppen in Banachräumen zusammen.
MehrUniversität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Sequenzanalyse
Universiä Posdam Insiu für Informaik Lehrsuhl Maschinelles Lernen Sequenzanalyse Michael Brückner (Verreung) Chrisoph Sawade/Niels Landwehr Paul Prasse Tobias Scheffer Lieraur Klaus Neusser: Zeireihenanalyse
MehrKapitel 4. Versuch 415 T-Flipflop
Kapiel 4 Versuch 415 T-Flipflop Flipflops, die mi jeder seigenden oder mi jeder fallenden Takflanke in den engegengesezen Zusand kippen, heissen T Flipflops ( Toggle Flipflops ). T-Flipflops können aus
Mehr4.1 OLS a) OLS-Schätzung der Koeffizienten der Strukturform
4. Schäzmehoden 4. 4. OLS a) OLS-Schäzung der Koeffizienen der Srukurform OLS liefer verzerre und nich konsisene Schäzungen der Koeffizienen der Srukurform inerdependener Modelle, weil i.a. Sörvariable
MehrZu jedem Typ gibt es eine Menge von möglichen Denotationen der Ausdrücke dieses Typs. Diese Menge wird Domäne des betreffenden Typs genannt.
2 Theorie der semanischen Typen 2.2.2 Semanik von TL Menge der omänen Zu jedem Typ gib es eine Menge von möglichen enoaionen der Ausdrücke dieses Typs. iese Menge wird omäne des bereffenden Typs genann.
MehrÜbungsblatt 4 Lösungsvorschläge
Insiu für Theoreische Informaik Lehrsuhl Prof. Dr. D. Wagner Übungsbla 4 Lösungsvorschläge Vorlesung Algorihmenechnik im WS 09/10 Problem 1: Flüsse [vgl. Kapiel 4.1 im Skrip] ** Gegeben sei ein Nezwerk
MehrStetige Gleichverteilung auf [a, b]
2.2.2 Seige Vereilungen Seige Gleichvereilung auf [a, b] Bezeichnung: X U[a, b]. Dichefunkion: (a < b) f() = 1 b a : a b 0 : sons Vereilungsfunkion: 0 : < a a F () = : a b b a 1 : > b Median(X) = EX =
MehrMATHEMATIK 3 FÜR EI - ÜBUNGSBLATT 13 Wintersemester 2011/2012
Prof Dr O Junge, A Biracher Zenrum Mahemaik - M3 Technische Universiä München MATHEMATIK 3 FÜR EI - ÜBUNGSBLATT 3 Winersemeser 2/22 Tuorübungsaufgaben (3-3222) Aufgabe T Berachen Sie das Anfangswerproblem
MehrLaplacetransformation in der Technik
Verallgemeinere Funkionen Laplaceransformaion in der echnik Fakulä Grundlagen Februar 26 Fakulä Grundlagen Laplaceransformaion in der echnik Übersich Verallgemeinere Funkionen Verallgemeinere Funkionen
MehrVarianz und Kovarianz
KAPITEL 9 Varianz und Kovarianz 9.1. Varianz Definition 9.1.1. Sei (Ω, F, P) ein Wahrscheinlichkeitsraum und X : Ω eine Zufallsvariable. Wir benutzen die Notation (1) X L 1, falls E[ X ]
MehrFortsetzung eines formellen Zusammenhangs auf G m nach O. Gabber und N. Katz
Forsezung eines formellen Zusammenhangs auf G m nach O. Gabber und N. Kaz Diplomarbei von Kay Rülling Universiä Essen 2 Vorab möche ich mich bei Frau Prof. Dr. Esnaul bedanken, uner deren Anleiung diese
MehrAbiturprüfung Mathematik 2012 (Baden-Württemberg) Berufliche Gymnasien Analysis, Aufgabe 1
Abiurprüfung Mahemaik 0 (Baden-Würemberg) Berufliche Gymnasien Analysis, Aufgabe. (8 Punke) Die Abbildung zeig das Schaubild einer Funkion h mi der Definiionsmenge [-7 ; 4]. Die Funkion H is eine Sammfunkion
MehrNumerisches Programmieren
Technische Universiä München WS 11/1 Insiu für Informaik Prof. Dr. Hans-Joachim Bungarz Michael Lieb, M. Sc. Dipl.-Inf. Chrisoph Riesinger Dipl.-Inf. Marin Schreiber Numerisches Programmieren 4. Programmieraufgabe:
MehrINTELLIGENTE DATENANALYSE IN MATLAB
INTELLIGENTE DATENANALYSE IN MATLAB Sequenzanalyse Überblick Sh Schrie der Daenanalyse: Daenvorverarbeiung Problemanalyse Problemlösung Anwendung der Lösung Aggregaion und Selekion von Daen. Inegraion
MehrProf. Dr. W. Zucchini 06 Wiederholung Kap. 1-4 Zeitreihenanalyse Sommer 2003
Prof. Dr. W. Zucchini 06 Wiederholung Kap. 1-4 Zeireihenanalyse Sommer 2003 I.) Klassische Zeireihenanalyse Komponenen einer Zeireihe: Trend- (u. Zyklus), Saison- und Residualkomponene Addiive und muliplikaive
Mehr2 Zufallsvariable und Verteilungsfunktionen
8 2 Zufallsvariable und Verteilungsfunktionen Häufig ist es so, dass den Ausgängen eines Zufallexperiments, d.h. den Elementen der Ereignisalgebra, eine Zahl zugeordnet wird. Das wollen wir etwas mathematischer
MehrAbiturprüfung 2017 ff Beispielaufgabe Grundkurs Mathematik; Analysis Beispiel Wirkstoff
Die Bioverfügbarkei is eine Messgröße dafür, wie schnell und in welchem Umfang ein Arzneimiel resorbier wird und am Wirkor zur Verfügung seh. Zur Messung der Bioverfügbarkei wird die Wirksoffkonzenraion
MehrPrüfung Grundprinzipien der Versicherungs- und Finanzmathematik 2010
Prüfung Grunprinzipien er Versicherungs- un Finanzmahemaik Aufgabe : (5 Minuen a Gegeben sei ein einperioiger Sae Space-Mark mi rei Zusänen, er aus rei Werpapieren besehe, einer sicheren Anlage zu % sowie
MehrIII.2 Radioaktive Zerfallsreihen
N.BORGHINI Version vom 5. November 14, 13:57 Kernphysik III. Radioakive Zerfallsreihen Das Produk eines radioakiven Zerfalls kann selbs insabil sein und späer zerfallen, und so weier, sodass ganze Zerfallsreihen
Mehrf ( x) = x + x + 1 (quadratische Funktion) f '( x) = x + (Ableitungsfunktion)
R. Brinkmann hp://brinkmann-du.de Seie.. Tangene und Normale Tangenenseigung Die Seigung eines Funkionsgraphen in einem Punk P ( f ( ) ) is gleichbedeuend mi der Seigung der Tangene in diesem Punk. Nachfolgend
MehrUntersuchung von Gleitentladungen und deren Modellierung durch Funkengesetze im Vergleich zu Gasentladungen
Unersuchung von Gleienladungen und deren Modellierung durch Funkengeseze im Vergleich zu Gasenladungen Dipl.-Ing. Luz Müller, Prof. Dr.-Ing. Kur Feser Insiu für Energieüberragung und Hochspannungsechnik,
MehrRüdiger Scholz Die Poisson-Verteilung foexlab-materialien
Rüdiger Scholz Die Poisson-Vereilung foexlab-maerialien Poisson-Vereilung Anforderungsniveau Maheaik Sichwore LFB Theorie: Einfach Experien: Einfach ahe Sochasik Mielwer, Varianz, Sichprobe, Wahrscheinlichkeisvereilung,
MehrPrüfung Finanzmathematik und Investmentmanagement 2011
Prüfung Finanzmahemaik und Invesmenmanagemen 0 Aufgabe : (0 Minuen) a) Auf der Grundlage einer Lagrange-Opimierung ergib sich die folgende funkionale Form für die (, ) -Koordinaen der (rein riskanen) Randporfolios
MehrHöhere Mathematik II für die Fachrichtung Physik
Karlsruher Insiu für Technologie Insiu für Analysis Dr. Chrisoph Schmoeger Dipl.-Mah. Sebasian Schwarz SS 015 17.05.015 Höhere Mahemaik II für die Fachrichung Physik Lösungsvorschläge zum 6. Übungsbla
MehrSPIELE GEGEN DEN ZUFALL
1 SPIELE GEGEN DEN ZUFALL 1. Subjekive Wahrscheinlichkeien und das Gesez der großen Zahlen In der Mehodenlehre der Saisik wird schon sei langem über die subjekive und die objekive Deuung der Wahrscheinlichkei
MehrOptimierung eines Mean-Variance Portfolios. Diplomarbeit
Universiä Leipzig Fakulä für Mahemaik und Informaik Mahemaisches Insiu Opimierung eines Mean-Variance Porfolios Diplomarbei Leipzig, 23. Januar 212 vorgeleg von: Oliver Janke, B.Sc. Sudiengang Diplom-Wirschafsmahemaik
MehrElemente in Φ werden Wurzeln genannt. Bemerkung 3.2. (a) Zu einem Wurzelsystem können wir immer eine Spiegelungsgruppe definieren
3. Wurzelsysteme Als erstes führen wir den Begriff eines Wurzelsystems ein. Definition 3.1 (Wurzelsystem). Eine endliche Teilmenge Φ V {0} heißt Wurzelsystem falls gilt: (R1) Φ Rα = {±α} für α Φ, (R2)
MehrKommunikationstechnik I
Kommunikaionsechnik I Prof. Dr. Sefan Weinzierl Muserlösung 5. Aufgabenbla 1. Moden 1.1 Erläuern Sie, was in der Raumakusik uner Raummoden versanden wird. Der Begriff einer sehenden Welle läss sich am
MehrDemo-Text für Funktionen und Kurven. Differentialgeometrie INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK. Friedrich Buckel.
Funkionen und Kurven Differenialgeomerie Tex Nummer: 5 Sand: 9. März 6 Demo-Tex für www.mahe-cd.de INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK www.mahe-cd.de 5 Differenialgeomerie Vorwor Das Thema Kurven is
MehrLösung Klausur. p(t) = (M + dm)v p(t + dt) = M(v + dv) + dm(v + dv u) Wir behalten nur die Terme der ersten Ordnung und erhalten.
T1 I. Theorieeil a) Zur Zei wird ein Pake der Masse dm mi der Geschwindigkei aus der Rakee ausgesoÿen. Newon's zweies Gesez läss sich schreiben als dp d = F p( + ) p() = F d = Av2 d Der Impuls des Sysems
MehrSemantik. Semantik. Die Sprache der Typtheorie sieht für jeden Typ eine Menge nichtlogischer
Universiy of Bielefeld Beispiele: Prädikaskonsanen (Suden, verheirae, arbeie): Typ ; sie nehmen einen Eigennamen/ein Referenzobjek und liefern einen Saz/einen Wahrheiswer ab. Zweisellige Relaionskonsanen
MehrKennzeichnung stochastischer Prozesse
. Kennzeichnung sochasischer Prozesse...1.0. Der Plaz der sochasischen Prozesse in der Regelungsechnik...1.1. Beschreibung sochasischer Prozesse im Zeibereich...3.1.1. Die Auokorrelaionsfunkion (AKF)...3.1..
Mehr24.1 Mindestzuverlässigkeit und Aussagewahrscheinlichkeit
24 Versuche ohne Ausfälle Success un 24. Mindeszuverlässigkei und Aussagewahrscheinlichkei Um eine Aussage üer die Zuverlässigkei eines Baueiles oder einer Baugruppe zu erhalen, werden vor der eigenlichen
MehrUnabhängige Zufallsvariablen
Kapitel 9 Unabhängige Zufallsvariablen Die Unabhängigkeit von Zufallsvariablen wird auf die Unabhängigkeit von Ereignissen zurückgeführt. Im Folgenden sei Ω, A, P ) ein Wahrscheinlichkeitsraum. Definition
Mehr7 Erzwungene Schwingung bei Impulslasten
Einmassenschwinger eil I.7 Impulslasen 53 7 Erzwungene Schwingung bei Impulslasen Impulslasen im echnischen Allag sind zum Beispiel Soß- oder Aufprallvorgänge oder Schläge. Die Las seig dabei in kurzer
MehrPhillips Kurve (Blanchard Ch.8) JKU Linz Riese, Kurs Einkommen, Inflation und Arbeitslosigkeit WS 2007/08
Phillips Kurve (Blanchard Ch.8) 310 Einleiung Inflaion und Arbeislosigkei in den Vereinigen Saaen, 1900-1960 In der beracheen Periode war in den USA eine niedrige Arbeislosigkei ypischerweise von hoher
MehrSeminar Bewertungsmethoden in der Personenversicherungsmathematik
Seminar Bewerungsmehoden in der Personenversicherungsmahemaik Technische Reserven und Markwere I Sefanie Schüz Mahemaisches Insiu der Universiä zu Köln Sommersemeser 2010 Bereuung: Prof. Hanspeer Schmidli,
MehrBedingte Unabhängigkeit, Definition
Bedinge Unabhängigkei, Deiniion Zwei Ereignisse a, b sind beding unabhängig, gegeben c, gdw.: P(a,b c) = P(a c) P(b c) Zwei Variable A, B sind beding unabhängig, gegeben C, gdw.: P(A, B C) = P(A C) P(B
MehrRegelungstechnik. Steuerung. Regelung. Beim Steuern bewirkt eine Eingangsgröße eine gewünschte Ausgangsgröße (Die nicht auf den Eingang zurückwirkt.
Regelungsechnik Seuerung Beim Seuern bewirk eine Eingangsgröße eine gewünsche Ausgangsgröße (Die nich auf den Eingang zurückwirk. Seuern is eine Wirkungskee Seuerkee (Eingahnsraße) Bsp. Boiler Regelung
Mehr1 Abtastung, Quantisierung und Codierung analoger Signale
Abasung, Quanisierung und Codierung analoger Signale Analoge Signale werden in den meisen nachrichenechnischen Geräen heuzuage digial verarbeie. Um diese digiale Verarbeiung zu ermöglichen, wird das analoge
Mehr4. Quadratische Funktionen.
4-1 Funkionen 4 Quadraische Funkionen 41 Skalierung, Nullsellen Eine quadraische Funkion is von der Form f() = c 2 + b + a mi reellen Zahlen a, b, c; is c 0, so sprechen wir von einer echen quadraischen
MehrThema 3: Dynamischer versus statischer Vorteilhaftigkeitsvergleich
hema 3: Dynamischer versus saischer Voreilhafigkeisvergleich Vor allem in der Wirschafspraxis belieb: Gewinnorieniere sa zahlungsorieniere Ansäze zum reffen von Invesiionsenscheidungen. sogenanne saische
MehrI Grundbegriffe 1 1 Wahrscheinlichkeitsräume Bedingte Wahrscheinlichkeiten und Unabhängigkeit Reellwertige Zufallsvariablen...
Inhaltsverzeichnis I Grundbegriffe 1 1 Wahrscheinlichkeitsräume......................... 1 2 Bedingte Wahrscheinlichkeiten und Unabhängigkeit........... 7 3 Reellwertige Zufallsvariablen........................
MehrWORKING PAPERS Arbeitspapiere der Betrieblichen Finanzwirtschaft
WORKING PAPERS Arbeispapiere der Berieblichen Finanzwirschaf Lehrsuhl für Beriebswirschafslehre, insbes. Beriebliche Finanzwirschaf Bfw29V/03 Zusandsabhängige Bewerung mi dem sochasischen Diskonierungsfakor
MehrAVWL II, Prof. Dr. T. Wollmershäuser. Kapitel 5 Die Phillipskurve
AVWL II, Prof. Dr. T. Wollmershäuser Kapiel 5 Die Phillipskurve Version: 22.11.2010 Der empirische Befund in den 60er Jahren Inflaion und Arbeislosigkei in den Vereinigen Saaen, 1900-1960 : 1931-1939 In
MehrJohann Wolfgang Goethe-Universität Frankfurt am Main
Johann Wolfgang Goehe-Universiä Frankfur am Main Fachbereich Wirschafswissenschafen Professur für Saisik und Ökonomerie (Empirische Wirschafsforschung) Prof. Dr. Reinhard Hujer Meronsraße 7 Posfach 9 3
MehrMultiple Regression: Übung 1
4. Muliple Regression Ökonomerie I - Peer Salder 1 Muliple Regression: Übung 1 Schäzung einer erweieren Konsumfunkion für die Schweiz Wir unersuchen die Abhängigkei der Konsumausgaben der Schweizer Haushale
MehrPhillips Kurve (Blanchard Ch.8) JKU Linz Riese, Kurs Einkommen, Inflation und Arbeitslosigkeit SS 2008
Phillips Kurve (Blanchard Ch.8) 151 Einleiung Inflaion und Arbeislosigkei in den Vereinigen Saaen, 1900-1960 In der beracheen Periode war in den USA eine niedrige Arbeislosigkei ypischerweise von hoher
MehrFinanzmathematik. Wolfgang Müller. Institut für Statistik Technische Universität Graz
Finanzmahemaik Wolfgang Müller 213 Insiu für Saisik Technische Universiä Graz Inhalsverzeichnis 1. Markmodelle in diskreer Zei 1 1.1. Das Binomialmodell................................ 1 1.2. Das allgemeine
MehrMedikamentendosierung A. M.
Medikamenendosierung A M Inhalsverzeichnis 1 Einleiung 2 2 Ar der Einnahme 3 3 Tropfenweise Einnahme 4 31 Differenialgleichung 4 32 Exake Lösung 5 33 Näherungsweise Lösung 5 4 Periodische Einnahme 7 41
MehrGanzrationale Funktionenscharen. 4. Grades. Umfangreiche Aufgaben. Lösungen ohne CAS und GTR. Alle Methoden ganz ausführlich. Datei Nr.
Ganzraionale Funkionenscharen. Grades Umfangreiche Aufgaben Lösungen ohne CAS und GTR Alle Mehoden ganz ausführlich Daei Nr. 7 Sand 3. Sepember 06 FRIEDRICH W. BUCKEL INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK
MehrStammgruppe trifft sich zum Museumsrundgang Experte erklärt jeweils sein Plakat
Fachag Mahemaik: Kurvenscharen Ablauf: 1. Sunde Gemeinsame Einsiegsaufgabe. Sunde Sammgruppenaufgaben Sammgruppen (a bis 6 Schüler) Jedes Gruppenmiglied erhäl eine unerschiedliche Aufgabe A, B, C, D in
MehrQuantitatives Risikomanagement
Quaniaives Risikomanagemen Dynamische Kredirisikomodelle II Jens Brumhard Mahemaisches Insiu der Universiä zu Köln Winersemeser 9/1 Bereuung: Prof. Schmidli, J. Eisenberg Inhalsverzeichnis 4 Pricing mi
Mehr2 Die Dimension eines Vektorraums
2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1
MehrKAPITEL 5. Erwartungswert
KAPITEL 5 Erwartungswert Wir betrachten einen diskreten Wahrscheinlichkeitsraum (Ω, P) und eine Zufallsvariable X : Ω R auf diesem Wahrscheinlichkeitsraum. Die Grundmenge Ω hat also nur endlich oder abzählbar
Mehr3.3 Moving-Average-Prozesse (MA-Modelle)
. Moving-Average-Prozesse MA-Modelle Definiion: in sochasischer Prozess heiß Moving-Average-Prozess der Ordnng [MA-Prozess], wenn er die Form θ θ i i... θ i oder B mi ha. is dabei ein reiner Zfallsprozess
MehrZentrale schriftliche Abiturprüfungen im Fach Mathematik
Zenrale schrifliche Abiurprüfungen im Fach Mahemaik Aufgabe 9: Radioakiver Zerfall Beim radioakiven Zerfall einer Subsanz S 1 beschreib m 1 () die Masse der noch nich zerfallenen Subsanz zum Zeipunk mi
MehrAbiturprüfung Baden-Württemberg 1986
c 001 by Rainer Müller - www.emah.de 1 Lösng Abirprüfng Baden-Würemberg 1986 Leisngskrs Mahemaik - Analysis Z jedem > 0 is eine Fnkion f gegeben drch f x x x e x ; x IR a Asympoen Senkreche Asympoen Es
MehrDie Sensitivität ist eine spezielle Form der Zinselastizität: Aufgabe 1
Neben anderen Risiken unerlieg die Invesiion in ein fesverzinsliches Werpapier dem Zinsänderungsrisiko. Dieses Risiko läss sich am einfachsen verdeulichen, indem man die Veränderung des Markweres der Anleihe
MehrThe Matlab ODE Suite. Simone Bast Martin Vogt
The Malab ODE Suie Simone Bas Marin Vog Gliederung Wiederholung BDF-Verfahren Verbesserung: NDF-Verfahren ode5s und ode3s User Inerface Vergleich der Löser Zusammenfassung ) Implizie Formeln für seife
Mehr