3.7 Support Vector Machines
|
|
- Gerda Voss
- vor 6 Jahren
- Abrufe
Transkript
1 3.7 Support Vector Maches Motvato: Leare Separato Vektore R d repräsetere Objekte. Objekte gehöre zu geau eer vo je 2 Klasse Klassfkato durch leare Separato: Suche Hperebee de bede Klasse mamal stabl voeader tret. treede Hperebee Od Orde ubekate Elemete der Sete der Ebee zu auf der se sch befde. 94
2 Support Vector Maches Probleme be learer Separato: Was st de mamal stable Hperebee ud we berechet ma se effzet? Klasse cht mmer lear trebar. Berechug vo Hperebee ach Auswahl sehr aufwedg. Eschräkug auf 2 Klasse.... Lösuge deser Probleme mt Support Vector Maches(SVMs ) [Vapk 979 u. 995]. 95
3 Mamum Marg Hperplae Problem: Hperebee de P ud P 2 tret st cht edeutg. Welche Hperebee st für de Separato de Beste? P 2 P 2 P P Krtere: Stabltät bem Efüge Abstad zu de Objekte beder Klasse 96
4 Mamum Marg Hperplae Leare Separato mt der Mamum Marg Hperplae Mamum Marg Hperplae P 2 Abstad zu Pukte aus bede Mege st mamal d.h. md. ξ. Wahrschelchket dass bem Efüge de treede Hperebee verschobe werde muss st mmal. geeralsert am beste. ξ ξ P Mamum Marg Hperplae (MMH) st mamal stabl Rad d( (marg) MMH st ur vo Pukte P abhägg de Abstad ξ zur Ebee aufwese. P heßt Support Vector 97
5 Mamum Marg Hperplae Zusammefassug der Schrebwese der beötgte algebrasche Kostrukte für Featurespace FS: Skalarprodukt zweer Vektore: = d ( ) FS z.b. kaosches Skalarprodukt = ( ) Beschrebug eer Hperebee: w b H = FS 0 = w + b dst H ( w b) = w + w w Abstad ees Vectors zur Ebee: ( ) b 98
6 Mamum Marg Hperplae Berechug der Mamum Marg Hperplae. Bedgug: ke Klassfkatosfehler (Klasse: =Klasse 2: =-) ( ) [ ] 0 [ ] = w + b < w + b > 0 ( = ) [ w + b ] > 0 2. Bedgug: Mamaler Rad (Marg) ( ) mamere: ξ = m w + b (Abstad vo zur Ebee H( w b) ) TR w w oder mamere: ξ so dass w w [ ] w + b ξ für [..] 99
7 Mamum Marg Hperplae mamere ξ w w [ ] w + b ξ ; für [..] Setze = ξ : ma. mt w w ( ( ( ) ) ξ w + b ξ w w [..] ma. mt w w ( ( ) ) w + b [..] Statt vertere quadrere ud mmere das Ergebs: w w Prmäres OP: mmere J ( w b ) = w w ( ( ) ) uter Nebebedgug für [..] se w +b 00
8 Mamum Marg Hperplae Zur Berechug wrd das prmäre Optmerugsproblem e duales OP überführt. (Umformulerug Form mt Lagrage Multplkatore ach Karush- Kuh-Tucker) Duales OP: mamere L( ) = = 2 = j= j j j uter Bedgug g = 0 0 ud = R Lösug des Problems mt Algorthme aus der Optmerugstheore bs jetzt ur lear separerbarer Fall: Soft Marg Optmerug Eführug vo Kerelfuktoe zur Stegerug der Kapaztät 0
9 Soft Marg Behadlug cht lear trebarer Date: Soft Marg Optmerug Date cht separerbar vollstädge Separato st cht optmal Trade-Off zwsche Tragsfehler ud Brete des Rades 02
10 Soft Marg Betrachte bem Optmere zusätzlch och de Azahl der Tragsfehler. P ξ 2 ξ ξ st der Abstad vo P zum Rad P 2 (wrd auch Slack-Varable geat) 2 g C regulert de Efluss ees ezele Tragsvektors Prmäres OP : mmere J ( w b ξ ) = w w + C ξ 2 uter Nebebedgug b für [..] se w + b ξ ud ξ 0 Prmäres Optmerugsproblem uter weche Greze (Soft Marg) = ( ) 03
11 Soft Marg Das duale OP mt Lagrage Multplkatore verädert sch we folgt: Duales OP: mamere L( ) = = 2 = j= mt Bedgug = 0 ud 0 C = j j j 0 < <C Support Vektor mt ξ = 0 pp ξ = C Support Vektor mt ξ >0 = 0 sost ξ 2 P P 2 Etschedugsregel: () h = sg + b SV ξ 04
12 Kerel Maches Lere be cht lear trebare Datemege Problem: Be reale Probleme st häufg kee leare Separato mt hoher Klassfkatosgeaugket mehr möglch. Idee: Trasformere Date ee cht leare Feature-Raum ud versuche se m eue e Raum lear zu separere. (Erweterug des Hpotheseraumes) Bespel: quadratsche Trasformato 05
13 Kerel Maches Erweterug der Hpotheseraumes Egaberaum φ erweterter Feature Raum Versuche jetzt erwetertem Feature Raum lear zu separere Bespel: a b c φ a b c a a a b a c b b b c c c her: Ee Hperebee m erweterte Feature Raum st e Polom 2. Grades m Egaberaum. 06
14 Kerel Maches Egaberaum: = ( ) 2 (2 Attrbute) m erweterte Raum: φ (6 Attrbute) ( ) ( ) 2 2 =
15 Kerel Maches Eführug ees Kerels (Implzte) Featuretrasformato mttels φ ( ) : FS alt FS eu Duales OP: mamere L ( ) = j j φ ( ) φ ( j 2 = = j= 0 mt Bedgug = ud 0 C = Zusätzlche Featuretrasformato wrkt sch ur auf das Skalarprodukt der Tragsvektore aus. Kerel K st ee Fukto mt: K ( ) j φ( ) φ( j ) φ = ) 08
16 Kerel Maches Wa st ee Fukto K() e Kerel? We de Kerel-Matr (Gram Matr) KM K( ).. K( ) KM ( K) = K ( ).. K ( ) postv (sem) deft st also kee egatve Egewerte bestzt t da st K() e Kerel (sehe Mercer s Theorem) Notwedge Bedguge: g ( ) ( ) φ ( ) 2 ( ) ( ) K = φ ( ) φ( ) = φ( ) φ( ) = K (Smmetre) φ K K K (Cauch-Schwarz) Sh φ φ φ Smmetre ud Cauch-Schwarz sd kee hrechede Bedguge! 09
17 Kerel Maches ege Regel zur Kombato vom Kerel: ( ) = K ( ) K ( ) K 2 ( ) ( ) ( ) = K K K + 2 ( ) = a K ( ) K K( ( ) T K = B für K K 2 Kerelfuktoe a ee postve Kostate ud B ee smmetrsche postv sem-defte Matr. 0
18 Kerel Maches Bespele für verwedete Kerel-Fuktoe: lear: K ( ) ) = polomell: ( ) c d K ( ) = + Radale Bassfuktoe: Gauss Kerel: 2 K( ) = ep γ K( ) ep 2 = 2 2σ ( ) Sgmod: K ( ) = tah γ + c
19 Kerel Maches Polomeller Kerel (Grad 2) Radal Bass Kerel 2
20 Trag eer SVM zu löse st folgedes Problem: g Duales OP: mamere ( ) j j j j K L 2 ) ( = = = = mt Bedgug ud 0 C 0 mt Bedgug ud 0 C = = 0 d T T K K ) (.. ) ( oder K K.. ) (.. ) ( ma ) ( ) ( mt Bedgug ud 0 C = 0 3 mt Bedgug ud 0 C = 0
21 Trag eer SVM zur Lösug: Stadardalgorthme aus der Optmerugstheore für kovee quadratsche Probleme für große Tragsmege umersche Algorthme otwedg es estere ege Spezalalgorthme für SVM-Trag: Chukg / Decomposto Sequetal Mmal Optmsato (SMO) 4
22 Mult-Class SVMs Bsher SVMs ur awedbar auf 2 Klasse Probleme!! Idee: Kombato mehrere 2-Klasse SVMs zu Klassfkatore de belebg vele Klasse uterschede köe. Mult-Class SVMs 2 klasssche Asätze: Uterschede jede Klasse vo alle adere (-versus-rest) Uterschede je 2 Klasse (-versus-) ) 5
23 -versus-rest Asatz B A C SVMs: A B C R E S T Klassfkato A B ξ C ξ A C O ξ B A B C - - Klasse vo O R E S T -versus-rest Asatz : SVM für jede Klasse. SVM tret jedes Klasse vo Veregug aller adere Klasse ab Klassfzere O mt alle Bass-SVMs. Multple Klassezugehörgket g möglch (Mult-Classfcato) oder Etschedug für de Klasse be der Abstad ξ am größte st. 6
24 -versus- Asatz B A C SVMs: A B C A-B A-C B-C A B C Klassfkato A B o C SVMs: A B C A C C A B C 0 2 Votg-Vektor A B C -versus- Asatz : SVM für jedes Paar vo Klasse. Klassfkato vo Objekt O:. Klassfzere O mt alle Bass-SVMs. 2. Zähle Stmme (Votes) für jede Klasse. Mamale Azahl a Votes => Ergebs. 7
25 Verglech -versus-rest ud -versus- DATABASE Krterum -versus-rest -versus- Aufwad Trag Aufwad Klassfkato lear zur Azahl der Klasse ( O( K ) ) lear zur Azahl der Klasse ( O( K ) ) Quadratsch zur azahl der Klasse ( O( K 2 ) ) Quadratsch zur Azahl der Klasse ( O( K 2 ) ) Verbesserug: Decso Drected Acclc Graphs Klassfkato O( K ) [PlattChrsta 999] Geaugket tedezell schlechter tedezell höher (utzt wsse über uterschedlche Klasse besser aus) 8
26 Support Vector Maches Dskusso + erzeugt Klassfkatore mt hoher Geaugket + verhältsmäßg schwache Tedez zu Overfttg (Begrüdug durch Geeralserugtheore) + effzete Klassfkato euer Objekte + kompakte Modelle - uter Umstäde lage Tragszete t - aufwedge Implemeterug - gefudee Modelle schwer zu deute 9
27 Support Vector Maches Lteratur: C. Cortes V. Vapk: Support-vector etworks. Mache Learg 20: November 995. C.J.C. Burges: A tutoral o support vector maches for patter recogto. Data Mg ad Kowledge Dscover 2(2): T. Joachms:Tet categorsato wth Support Vector Maches. Proceedgs of Europea Coferece o Mache Learg (ECML) 998. N. Crsta J Shawe-Talor: A Itroducto to Support Vector Maches ad other kerel-based learg methods. Cambrdge Uverst Press
Erinnerung: Funktionslernen. 5.6 Support Vector Maschines (SVM) Beispiel: Funktionenlernen. Reale Beispiele
Ererug: Fuktoslere 5.6 Support Vector Masches (SVM) überomme vo Stefa Rüpg, Kathara Mork Uverstät Dortmud Vorlesug Maschelles Lere ud Data Mg WS 2002/03 Gegebe: Bespele X LE de ahad eer Wahrschelchketsvertelug
MehrQuellencodierung I: Redundanzreduktion, redundanzsparende Codes
Quellecoderug I: Redudazredukto, redudazsparede Codes. Redudaz. Eführug. Defto der Redudaz. allgemee Redudazredukto. redudazsparede Codes. Coderug ach Shao. Coderug ach Fao. Coderug ach Huffma.4 Coderug
MehrStatistik. ist die Kunst, Daten zu gewinnen, darzustellen, zu analysieren und zu interpretieren um zu neuem Wissen zu gelangen.
Statstk st de Kust, Date zu gewe, darzustelle, zu aalysere ud zu terpretere um zu euem Wsse zu gelage. Sachs (984) Aufgabe De Statstk hat also folgede Aufgabe: Zusammefassug vo Date Darstellug vo Date
MehrEinführung Fehlerrechnung
IV Eführug Fehlerrechug Fehlerrechuge werde durchgeführt, um de Vertraueswürdgket vo Meßergebsse beurtele zu köe. Uter dem Fehler eer Messug versteht ma de Abwechug ees Meßergebsses vom (grudsätzlch ubekate
MehrMaße zur Kennzeichnung der Form einer Verteilung (1)
Maße zur Kezechug der Form eer Vertelug (1) - Schefe (skewess): Defto I - Ee Vertelug vo Messwerte wrd als schef bezechet, we se der Wese asymmetrsch st, dass lks oder rechts des Durchschtts ee Häufug
MehrLeitfaden zu den Indexkennzahlen der Deutschen Börse
Letfade zu de Idexkezahle der Deutsche Börse Verso.5 Deutsche Börse AG Verso.5 Letfade zu de Idexkezahle der Deutsche Börse Page Allgemee Iformato Um de hohe Qualtät der vo der Deutsche Börse AG berechete
MehrProbleme mit mehreren Zielen. Probleme mit mehreren Zielen. Probleme mit mehreren Zielen
Probleme mt mehrere Zele Bespel (Dkelbach) E Reseder muss sch vor Ort vo ver Hotels für ees etschede. Dabe verfolgt er folgede Zele: - Bestmöglche Ruhe - Qualtät des Frühstücks - Sauberes Bad - Scherer
MehrKonzentrationsanalyse
Kaptel V Kozetratosaalyse B. 5.. Im Allgemee wrd aus statstscher Scht zwsche - absoluter ud - relatver Kozetrato uterschede Der absolute ud relatve Aspekt wrd och emal utertelt - statscher ud - dyamscher
Mehr19. Amortisierte Analyse
9. Amortserte Aalyse Amortserte Aalyse wrd egesetzt zur Aalyse der Laufzet vo Operatoe Datestrukture. Allerdgs wrd cht mehr Laufzet ezeler Operatoe aalysert, soder de Gesamtlaufzet eer Folge vo Operatoe.
MehrGrundlagen der Entscheidungstheorie
Kaptel 0 Grudlage der Etschedugstheore B. 0 (Gegestad) De Etschedugstheore befasst sch mt dem Etschedugsverhalte vo Idvdue ud Gruppe. Se besteht aus we Telgebete. Deskrptve Etschedugstheore De deskrptve
MehrMultiple Regression (1) - Einführung I -
Multple Regreo Eführug I Mt eem Korrelatokoeffzete ud der efache leare Regreo köe ur varate Zuammehäge zwche zwe Varale uterucht werde. Beutzt ma tatt dee mehrere Varale zur Vorherage, egt ma ch auf da
MehrLösungen. Häufigkeitsverteilung (Stabdiagramm) Aufgabe 1. Häufigkeit (h) Merkmal (x)
Lösuge Aufgabe Merkmal (x) Häufgket (h) h x,, 3, 3,, 8, 5, 5, 6, 6, 7, 3, 8, 3 5, 9, 38,, 5,, 8 68,, 6 3, 3, 9,, 8, 5, 5 5, 6, 3 78, 7, 5, 8, 8, 3, 3, Summe 5.63, Aufgabe Häufgketsvertelug (Stabdagramm)
MehrErzeugen und Testen von Zufallszahlen
Erzeuge ud Teste vo Zufallszahle Jürge Zumdck Eletug Ee Lergruppe wrd aufgefordert 00 Zufallszahle (0 oder ) ach folgede Methode zu erzeuge: De Hälfte der Gruppe beutzt a) ee Müze oder b) de Zufallszahlefukto
Mehr4. Marshallsche Nachfragefunktionen Frage: Wie hängt die Nachfrage nach Gütern
Prof. Dr. Fredel Bolle Vorlesug "Mkroökoome" WS 008/009 III. Theore des Haushalts 0 Prof. Dr. Fredel Bolle Vorlesug "Mkroökoome" WS 008/009 III. Theore des Haushalts 0 4. Marshallsche Nachfragefuktoe Frage:
MehrErgebnis- und Ereignisräume
I Ergebs- ud Eregsräume Zufallsexpermete Defto: E Expermet, welches belebg oft uter gleche Bedguge wederholbar st ud desse Ergebs cht mt Bestmmthet vorhergesagt werde ka (d.h. es gbt md. 2 Mgk.), heßt
MehrGrundgesetze der BOOLEschen Algebra und Rechenregeln
5... Grudgesetze der BOOLEsche Algebra ud Recheregel Auf de mathematsch korrekte Eführug der BOOLEsche Algebra ka ch verzchte, da das Ihrer Mathematkausbldug ausführlch behadelt wrd. Ich stelle Ihe zuächst
MehrSitzplatzreservierungsproblem
tzplatzreserverugsproblem Be vele Zugsysteme Europa müsse Passagere mt hrem Zugtcet ee tzplatzreserverug aufe. Da das Tcetsystem Kude ee ezele Platz zuwese muss, we dese e Tcet aufe, ohe zu wsse, welche
Mehr(Markowitz-Portfoliotheorie)
Thema : ortfolo-selekto ud m-s-rzp (Markowtz-ortfolotheore) Beurtelugskrtere be quadratscher Nutzefukto: Beroull-rzp + quadratsche Nutzefukto Thema Höhekompoete: Erwartugswert µ Rskokompoete: Stadardabwechug
MehrMathematik für VIW - Prof. Dr. M. Ludwig ( ) ( ) ( ) n f. bestimmt m Funktionen. durch die Festlegung f (,,
Matheatk ür VIW - Pro. Dr. M. Ludwg 8. Deretato reeller Fuktoe ehrerer Varabler 8. Skalare Felder Vektorelder Koordatesystee Bsher wurde reelle Fuktoe ür ee Varable utersucht: : D t der egeührte Schrebwese
MehrLösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung
Lösuge zum Übugs-Blatt 7 Wahrschelchketsrechug BMT Bostatstk Prof. Dr. B. Grabowsk ----------------------------------------------------------------------------------------------- Satz vo Bayes ud totale
MehrRegressionsrechnung und Korrelationsrechnung
Regressosrechug ud Korrelatosrechug Beschrebede Statstk Modul : Probleme be der Abhäggketsaalyse Problem : Es gbt mest cht ur ee Eflussfaktor (Probleme sd selte mookausal ) A Ursache() Wrkug B C - efache
Mehr2. Die Elementarereignisse sind die Kombinationsmöglichkeiten von: Wappen = W und:
1 L - Hausaufgabe Nr. 55 Sotag, 1. Ju 2003 Ee Müze werde dremal geworfe. Was st das Zufallsexpermet, das Elemetareregs, das zusammegesetzte Eregs, der Eregsraum ud de Wahrschelchket? Lösugs kte.: 1 De
MehrInvestmentfonds. Kennzahlenberechnung. Performance Risiko- und Ertragsanalyse, Risikokennzahlen
Ivestmetfods Kezahleberechug erformace Rsko- ud Ertragsaalyse, Rskokezahle Gültg ab 01.01.2007 Ihalt 1 erformace 4 1.1 Berechug der erformace über de gesamte Beobachtugzetraum (absolut)... 4 1.2 Aualserug
MehrInduktion am Beispiel des Pascalschen Dreiecks
Iduto am Bespel des Pascalsche Dreecs Alexader Rehold Coldtz 0.02.2005 Eletug vollstädge Iduto De vollstädge Iduto st ebe dem drete ud drete Bewesverfahre ees der wchtgste der Mathemat. Eher bespelhaft
MehrPrinzip "Proportional Reduction of Error" (PRE)
Dr. Reate Prust: Eführug quattatve Forschugsmethode Bvarate Maße: Przp "Proportoal Reducto of Error" (PRE) E 1 - E Fehler be Regel 1 - Fehler be Regel = E 1 Fehler be Regel 1 Regel 1: Vorhersageregel ur
MehrFrequently Asked Questions FAQ. Stand: 1. Januar KGAST Immo-Index
Stad: 1. Jauar 217 KGAST Immo-Idex KGAST Immo-Idex-Famle FREQUENTLY ASKED QUESTIONS Was behaltet der KGAST Immo-Idex? De KGAST Immo-Idex-Famle umfasst ee Hauptdex ud dre Subdzes. Der KGAST Immo- Idex als
MehrPhysikalische Messungen sind immer fehlerbehaftet! Der wahre Wert ist nicht ermittelbar. Der wahre Wert x ist nicht identisch mit dem Mittelwert
Physkalsche Messuge sd mmer fehlerbehaftet! Der wahre Wert st cht ermttelbar. Der wahre Wert st cht detsch mt dem Mttelwert Der Wert legt mt eer gewsse Wahrschelchket (Kofdezahl bzw. Vertrauesveau %) m
MehrZur Interpretation einer Beobachtungsreihe kann man neben der grafischen Darstellung weitere charakteristische Größen heranziehen.
Rudolf Brkma http://brkma-du.de Sete 0.0.008 Lagemaße der beschrebede Statstk. Zur Iterpretato eer Beobachtugsrehe ka ma ebe der grafsche Darstellug wetere charakterstsche Größe herazehe. Mttelwert ud
MehrOrdnungsstatistiken und Quantile
KAPITEL Ordugsstatste ud Quatle Um robuste Lage- ud Streuugsparameter eführe zu öe, beötge wr Ordugsstatste ud Quatle... Ordugsstatste ud Quatle Defto... Se (x,..., x R ee Stchprobe. Wr öe de Elemete der
MehrAllgemeine Prinzipien
Allgemee Przpe Es estere sebe Grudehete der Physk; alle adere physkalsche Größe ka ma darauf zurückführe. Dese Grudehete sd: Läge [m] Masse [kg] Zet [s] Elektrsche Stromstärke [A] Temperatur [K], Stoffmege
MehrRekurrenz. Algorithmen rufen sich selbst (rekursiv) auf.
Rekurrez Rekurso: Algorthme rue sch selst rekursv u. Rekurrez: Ds Luzetverhlte zw. der Specherpltzedr vo rekursve Algorthme k der Regel durch ee Rekursosormel recurrece, RF eschree werde. Rekurrez Bespel:
MehrProf. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 3 54
Prof. Dr. H. Rommelfager: tschedugstheore, Katel 3 54 3.2.8 ARROW-PRATT-Maß für de Rskoestellug Rskoverhalte bsher grob kategorsert ach Rskoeutraltät, -symathe ud averso be Rskoaverso: (X) < SÄ Rskoräme
MehrLösungen zum Übungs-Blatt 7 Wahrscheinlichkeitsrechnung
Lösuge zum Übugs-Blatt 7 Wahrschelchketsrechug BMT Bostatstk Prof. Dr. B. Grabowsk ----------------------------------------------------------------------------------------------- Bedgte Wahrschelchket
MehrIm Wöhlerdiagramm wird die Lebensdauer (Lastwechsel oder Laufzeit) eines Bauteils in Abhängigkeit von der Belastung dargestellt.
Webull & Wöhler 0 CRGRAPH Wöhlerdagramm Im Wöhlerdagramm wrd de Lebesdauer ( oder Laufzet) ees Bautels Abhägget vo der Belastug dargestellt. Kurzetfestget Beaspruchug Zetfestget auerfestget 0 5 3 4 6 0
MehrDeskriptive Statistik - Aufgabe 3
Desrptve Statst - Aufgabe 3 De Überachtugszahle der Fremdeverehrsgemede "Bachstadt" für de Moate ud zege auf de erste Blc scho deutlche Uterschede de ezele Ortschafte. We seht e etsprecheder Verglech der
MehrInvestmentfonds Kennzahlen- berechnung
Ivestmetfods Kezahle- berechug erformace Rsko- ud Ertragsaalyse, Rskokezahle Gültg ab 0.0.2007 Ivestmetfods - Kezahleberechug 2 Ivestmetfods - Kezahleberechug Ihalt erformace 4. Berechug der erformace
MehrDer Approximationssatz von Weierstraß
Der Approxmatossatz vo Weerstraß Ja Köster 22. Oktober 2007 1 Eführug Aus der Aalyss wsse wr, dass sch aalytsche Fuktoe durch Potezrehe der Form f(x = a 0 + a 1 x + a 2 x 2 +... darstelle lasse. Dabe kovergert
MehrStatistik. (Inferenzstatistik)
Statstk Mathematsche Hlfswsseschaft mt der Aufgabe, Methode für de Sammlug, Aufberetug, Aalyse ud Iterpretato vo umersche Date beretzustelle, um de Struktur vo Masseerscheuge zu erkee. Deskrptve (beschrebede)
MehrHistogramm / Säulendiagramm
Hstogramm / Säuledagramm Häugkete 10 9 8 7 6 5 4 3 2 1 0 3,45 3,75 4,05 4,35 4,65 Flüge lläge [mm] Be Hstogramme st soort deutlch, daß es sch um Häugketsauszähluge hadelt. De Postoe der Klasse sowe hre
MehrEigenwerteinschließungen I
auptsemar: Numersche Lösuge für Egewertaufgabe Egewerteschleßuge I Referet: Wolfgag Wesselsky Glederug Eletug Kodto vo Egewerte 3 Eschleßugssätze Bauer-Fke, Gershgor, Wlkso, Bedxo 4 Zusatz: Courat / Weyl
Mehr14. Folgen und Reihen, Grenzwerte
4. Folge ud Rehe, Grezwerte 4. Folge ud Rehe, Grezwerte 4. Ee Folge defere Eplzte Defto Reursve Defto 4. Gleder eer vorher deferte Folge bereche E Gled Mehrere Gleder 6 4 5 4.3 Ee Folge defere ud ege hrer
Mehr2. Zusammenhangsanalysen: Korrelation und Regression
2. Zusammehagsaalse: Korrelato ud Regresso Dowloads zur Vorlesug 2. Zusammehagsaalse: Korrelato ud Regresso 2 Grudbegrffe zwedmesoale Stchprobe De Gewug vo mehrere Merkmale vo eer Beobachtugsehet führt
MehrBeispielklausur BWL B Teil Marketing. 45 Minuten Bearbeitungszeit
Bespelklausur BWLB TelMarketg 45MuteBearbetugszet BWLBBespelklausurTelMarketg Sete WchtgeHwese:. VOLLSTÄNDIGKEIT: PrüfeSeuverzüglch,obIhreKlausurvollstädgst(Aufgabe).. ABGABE: EsstdegesamteKlausurabzugebe.
MehrAlternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF
Alteratve Darstellug des -Stchprobetests für Atele DCF CF Total 111 11 3 Respose 43 6 69 Resp. Rate 0,387 0,3 0,309 Beobachtete Respose No Respose Total absolut DCF 43 68 111 CF 6 86 11 69 154 3 Be Gültgket
Mehr6. Zusammenhangsmaße (Kovarianz und Korrelation)
Problemstellug: Bsher: Gesucht: 6. Zusammehagsmaße (Kovaraz ud Korrelato) Ee Varable pro Merkmalsträger, Stchprobe x1,, x Maße für Durchschtt, Streuug, usw. Bespel: Kurse zweer Akte ud a 9 aufeader folgede
MehrKorrelations- und Assoziationsmaße
k m χ : j l r +. Zusammehagsmaße ( o e ) jl jl e jl Korrelatos- ud Assozatosmaße e jl 5 Merkmal Y Summe X b b m a H (a,b) H (a,b). a H (a,b) H (a,b). Summe.. Zusammehagsmaße Eführug Sche- ud Noses-Korrelato
MehrLohnkosten pro Arbeitsstunde. Wie hoch sind die Lohnkosten pro Arbeitsstunde im Jahresdurchschnitt?
Klausur Wrtschaftsstatstk. [ Pukte] E Uterehme hat folgede Date ermttelt: Moat Gelestete Arbetsstude Lohkoste pro Arbetsstude Jauar 86.400 0,06 Februar 75.000 3,0 März 756.000 4,47 Aprl 768.000,53 Ma 638.400
Mehr2.2 Rangkorrelation nach Spearman
. Ragkorrelato ach Spearma Wr wolle desem Kaptel de Ragkorrelatoskoeffzete ach Spearma bereche. De erste Daterehe besteht aus Realseruge x, x,..., x der uabhägg ud detsch stetg vertelte Zufallsvarable
MehrZahlensysteme. Dezimalsystem. Binär- oder Dualsystem. Hexadezimal- oder Sedezimalzahlen
IT Zahlesysteme Zahledarstellug eem Stellewertcode (jede Stelle hat ee bestmmte Wert) Def. Code: Edeutge Abbldugsvorschrft für de Abbldug ees Zeche-Vorrates eem adere Zechevorrat. Dezmalsystem De Bass
MehrAUSLEGUNGSVERFAHREN FÜR AUTARKE PV BATTERIE WASSERSTOFF HYBRIDSYSTEME MITTELS PARTIKEL SCHWARM OPTIMIERUNG
Isttut für Eergetechk Professur für Eergespechersysteme AUSLEGUNGSVERFAHREN FÜR AUTARKE PV BATTERIE WASSERSTOFF HYBRIDSYSTEME MITTELS PARTIKEL SCHWARM OPTIMIERUNG Mart Paultschke Dresde, 15. November 2016
MehrÜbungen zur Wahrscheinlichkeitsrechnung und Schliessenden Statistik
Übuge zur Wahrschelchketsrechug ud Schlessede Statstk Aufgabe ud Lösuge vo Peter M Schulze, Verea Dexhemer. Auflage Übuge zur Wahrschelchketsrechug ud Schlessede Statstk Schulze / Dexhemer schell ud portofre
MehrEinführung in die Stochastik 3. Übungsblatt
Eführug de Stochastk 3. Übugsblatt Fachberech Mathematk SS 0 M. Kohler 06.05.0 A. Fromkorth D. Furer Gruppe ud Hausübug Aufgabe 9 (4 Pukte) Der Mkrozesus st ee statstsche Erhebug. Herbe werde ach bestmmte
MehrSchiefe- und Konzentrationsmaße
Statst für SozologIe Schefe- ud Kozetratosmaße Uv.Prof. Dr. Marcus Hudec Höhere Vertelugsmaßzahle E stetges Mermal wurde 3 Gruppe beobachtet ud Form der folgede Häufgetstabelle berchtet: Klasse m Gruppe
Mehr8. Differentialrechnung von Funktionen in mehreren Variablen
8 Dfferetalrechug vo Fuktoe mehrere Varable 7 8. Dfferetalrechug vo Fuktoe mehrere Varable 8. Fuktoe mehrere Varable I desem Abschtt werde reelle Fuktoe Varable betrachtet, d.s. Fuktoe f: D mt D, welche
MehrSpannweite, Median Quartilsabstand, Varianz und Standardabweichung.
Rudolf Brkma http://brkma-du.de Sete 06.0.008 Spawete, Meda Quartlsabstad, Varaz ud Stadardabwechug. Streuug um de Mttelwert. I de folgede Säuledagramme st de Notevertelug zweer Schülergruppe (Mädche,
MehrFehlerrechnung im Praktikum
Fehlerrechug m Pratum Pratum Phsalsche Cheme (A. Dael Boese) I chts zegt sch der Magel a mathematscher Bldug mehr, als eer überbertrebe geaue Rechug. Carl Fredrch Gauß, 777-855 Themegebete Utertelug vo
Mehr2. Mittelwerte (Lageparameter)
2. Mttelwerte (Lageparameter) Bespele aus dem täglche Lebe Pro Hemspel hatte Borussa Dortmud der letzte Saso durchschttlch 7.2 Zuschauer. De deutsche Akte sd m Durchschtt um 0 Zähler gefalle. I Ide wurde
MehrLageparameter (Mittelwerte) und Streuungsparameter
Statstk Grudlage Charakterserug vo Verteluge Eführug Wahrschelchketsrechug Wahrschelchketsverteluge Schätze ud Teste Korrelato Regresso Lageparameter (Mttelwerte) ud Streuugsparameter Mttelwerte: Gebe
MehrGrundlagen der Energietechnik Energiewirtschaft Kostenrechnung. Vorlesung EEG Grundlagen der Energietechnik
Prof. Dr. Ig. Post Grudlage der Eergetechk Eergewrtschaft Kosterechug EEG. Vorlesug EEG Grudlage der Eergetechk De elektrsche Eergetechk st e sogeates klasssches Fach. Folglch st deses Fach vele detallert
MehrWIB 2 Mathematik und Statistik Formelsammlung. Z Menge der ganzen Zahlen {...,-3,-2,-1,0,1,2,3,...}
1 Allgeme Geometrsche Rehe: q t = 1 q1 t=0 1 q Mtterachtsformel: ax 2 bxc=0 x 1/ 2 = b±b2 4ac 2a Bomsche Formel: 1. ab 2 =a 2 2abb 2 2. a b 2 =a 2 2abb 2 3. ab a b=a 2 b 2 Wurzel: ugerade 1 Ergebs gerade
MehrUniversitätslehrgang Sports Physiotherapy Einführung in die Statistik
Departmet of Sport Scece ad Kesolog Uverstätslehrgag Sports Phsotherap Eführug de Statstk Gerda Strutzeberger Block I Block Mttwoch 5..0 3:00 bs 4:50 Grudlage, Skaleveau 5:05 bs 7:00 Gütekrtere, Hpothese,
MehrVerdichtete Informationen
Verdchtete Iormatoe Maßzahle Statstke be Stchprobe Parameter be Grudgesamthete Maßzahle zur Beschrebug uvarater Verteluge Maßzahle der zetrale Tedez (Mttelwerte) Maßzahle der Varabltät (Streuugswerte)
MehrFestverzinsliche Wertpapiere. Kurse und Renditen bei ganzzahligen Restlaufzeiten
Festverzslche Wertaere Kurse ud Redte be gazzahlge Restlaufzete Glederug. Rückblck: Grudlage der Kursrechug ud Redteermttlug 2. Ausgagsstuato 3. Herletug der Formel 4. Abhäggket vom Marktzsveau 5. Übugsaufgabe
MehrBERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS
Name: Vorame: Matrkel-Nr.: BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Itegrerter Studegag Wrtshaftswsseshaft Klausuraufgabe zur Hauptprüfug Prüfugsgebet: BWW 2.8
Mehr3. Das Messergebnis. Was ist ein Messergebnis?
. Das Messergebs Was st e Messergebs? Wederholug der Messug Wahrer Wert? Mehrere Eflussgröße Fehlerbetrachtug Messergebs Vorgeheswese für Messergebs. Bestmmug des bekate systematsche Fehlers 2. Aufahme
MehrSkript Teil 7: Polygonzug
Prof. Dr. tech. Alfred Mschke Vorlesug zur Verastaltug Vermessugskude Skrpt Tel 7: Polgozug Der Begrff Polgo letet sch aus Pol = vel ud Go = Wkel ab ud bedeutet uregelmäßges Veleck. Das Polgoere det zum
MehrGrundlagen der Informatik 2. Grundlagen der Digitaltechnik. 3. Entwicklungssatz der Schaltalgebra
Grudlage der Iormatk Grudlage der Dgtaltechk 3. Etwcklugssatz der Schaltalgebra Pro. Dr.-Ig. Jürge Tech Dr.-Ig. Chrsta Haubelt Lehrstuhl ür Hardware-Sotware Sotware-Co-Desg Grudlage der Dgtaltechk Etwcklugssatz
MehrSchiefe- und Konzentrationsmaße
Statstk für SozologIe Schefe- ud Kozetratosmaße Uv.Prof. Dr. Marcus Hudec Höhere Vertelugsmaßzahle E stetges Merkmal wurde 3 Gruppe beobachtet ud Form der folgede Häufgketstabelle berchtet: Klasse m Gruppe
Mehr6. Zusammenhangsmaße (Kovarianz und Korrelation)
6. Zuammehagmaße Kovaraz ud Korrelato Problemtellug: Bher: Ee Varable pro Merkmalträger, Stchprobe x,, x Geucht: Maße für Durchchtt, Streuug, uw. Jetzt: Zwe metrche! Varable pro Merkmalträger, Stchprobe
MehrUnter einer Rente versteht man eine regelmässige und konstante Zahlung
8 Aweduge aus der Fazmathematk Perodsche Zahluge: Rete ud Leasg Uter eer Rete versteht ma ee regelmässge ud kostate Zahlug Bespele: moatlche Krakekassepräme, moatlche Altersrete, perodsches Spare, verteljährlcher
MehrLösungen zu Übungs-Blatt 7 Klassische Wahrscheinlichkeit in Glücksspielen, Bedingte Wkt, Unabhängigkeit, Satz von Bayes
Lösuge zu Übugs-latt 7 Klasssche Wahrschelchet Glücsspele, edgte Wt, Uabhägget, Satz vo ayes Master M Höhere ud gewadte Mathemat rof. Dr.. Grabows De folgede ufgabe löse wr uter Verwedug der bede ombatorsche
Mehr9. Clustern und Klassifizieren
03. JULI 2006: BLATT 55 9. Cluster ud Klassfzere 9.. Eletug Uter Klassfkato wrd de Zuordug vordeferter Klassfkatore (etwa sytaktsche Kategore aus eer Grammatk) zu Obekte verstade - userem Fall zu sprachlche
MehrQuantitative Methoden in der klinischen Epidemiologie
Quattatve Methode der klsche Epdemologe Korrelato ud leare Regresso Lerzele Besteht e fuktoeller Zusammehag zwsche zwe Messuge a eem Patete? Korrelato als Maßzahl für de Stärke ees leare Zusammehages Beschrebe
MehrVorkurs, Teil 1. (3) Matrizen, lineare Gleichungssysteme, Determinanten (Lehrbuch Kap )
Vorkurs, Tel Lehrbuch: Sydsaeter / Hammod, Mathematk für Wrtschaftswsseschaftler, Pearso Studum, ISBN 978-3-873-73-9 Skrpt vo Sevtap Kestel Ihalt () Eführug: Zahle, Fuktoe Potezfukto, Expoetalfukto (Lehrbuch
MehrKlausur Statistik IV Sommersemester 2009
Klausur Statstk IV (Lösug) Name, Vorame 013456 Klausur Statstk IV Sommersemester 009 Prof. Dr. Torste Hothor Isttut für Statstk Name: Name, Vorame Matrkelummer: 013456 Wchtg: ˆ Überprüfe Se, ob Ihr Klausurexemplar
MehrÜbung Statistik II SS 2006 Musterlösung Arbeitsblatt 6
Ihalt: Efaktorelle Varazaalyse Bortz: Bortz Kap. 7.0-7. Übug Statstk II SS 006 Musterlösug rbetsblatt 6 ufgabe 1: Nee Se de Verfahre für Mttelwertsvergleche, de Se bsher für tervallskalerte Date kee gelert
MehrIV. Interpolation und Quadratur 4.1. Interpolation
IV. Iteroato ud Quadratur 4.. Iteroato 4... Bese: Iteroato mt Taewere ür e s cos og Gesucht: e.454 ; Tabeert: e.45 ud e.46 Leare Iteroato. : e:.42....43....44....45.5683.46.584 Verwade dsrete Pute otuerche
MehrKapitel 8: Kernel-Methoden. Maschinelles Lernen und Neural Computation
Kaptel 8: Kernel-Methoden SS 009 Maschnelles Lernen und Neural Computaton 50 Ausgangsbass: Perceptron Learnng Rule Δw y = Kf = 0Ksonst K"target" = Kf Rosenblatt (96) Input wrd dazugezählt (abgezogen),
MehrSchiefe-, Wölbungs- und Konzentrationsmaße
Statstk für SozologIe Schefe-, Wölbugs- ud Kozetratosmaße Uv.Prof. Dr. Marcus Hudec Höhere Vertelugsmaßzahle E stetges Merkmal wurde 3 Gruppe beobachtet ud Form der folgede Häufgketstabelle berchtet: Klasse
MehrDie Binomialverteilung als Wahrscheinlichkeitsverteilung für die Schadenversicherung
De Bomalvertelg al Wahrchelchketvertelg für de Schadevercherg Für da Modell eer Schadevercherg e gegebe: = Schade ee Verchergehmer, we der Schadefall etrtt w = Wahrchelchket dafür, da der Schadefall etrtt
MehrAufgaben. 1. Gegeben seien folgende Daten einer statistischen Erhebung, bereits nach Größe sortiert (Rangliste):
Aufgabe. Gegebe see folgede Date eer statstsche Erhebug, berets ach Größe sortert (Raglste): 0 3 4 4 5 6 7 7 8 8 8 9 9 0 0 0 0 0 3 3 3 3 4 4 5 5 5 5 5 6 6 6 7 7 8 30 Erstelle Se ee Tabelle, der de Merkmalsauspräguge
MehrMehrdimensionale Häufigkeitsverteilungen (1)
Mehrdmesoale Häufgketsverteluge () - De Begrffe uvarat ud bvarat - Vo uvarate (edmesoale) statstsche Aalyse sprcht ma, we pro Perso ur e Merkmal tabellarsche oder grafsche Häufgketsverteluge oder be der
MehrDeskriptive Statistik - Aufgabe 2
Derptve Statt - Augabe Budelad Mäer Fraue Bade-Württemberg 7,5 7,5 Bayer 6,8 7,5 Berl-Wet 4,4 Berl-Ot,8 4, Bradeburg 0, 0,8 Breme 4,6,6 Hamburg, 8, Hee 8, 8, Mecleburg-Vorpommer,3, Nederache 0,3, Nordrhe-Wetale
MehrVerteilungen und Schätzungen
Verteluge ud Schätzuge Zufallseperet Grudbegrffe Vorgag ach eer bestte Vorschrft ausgeführt ( Przp) belebg oft wederholbar se Ergebs st zufallsabhägg be ehralge Durchführug des Eperets beeflusse de Ergebsse
Mehr2 Regression, Korrelation und Kontingenz
Regresso, Korrelato ud Kotgez I desem Kaptel lerst du de Zusammehag zwsche verschedee Merkmale durch Grafke zu beschrebe, Maßzahle ür de Stärke des Zusammehags zu bereche ud dese zu terpretere, das Wsse
MehrInformationstheorie. Allgemeines. Java-Applets. Skript und Bücher. Vorlesungsplan. Modul 1: Einführung und Wahrscheinlichkeitsrechnung
Modul : Eführug ud Wahrschelchketsrechug Iformatostheore Dozet: Prof. Dr. M. Gross E-mal: grossm@f.ethz.ch Assstete: Berd Bckel, Dael Cottg, Mchael Waschbüsch, Bors Köf, Adrea Fracke, Uel Peter, Barbara
MehrUniversität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Maschinelles Lernen II. Clustering 2
Uverstät Potsdam Isttut für Iformatk Lehrstuhl Maschelles Lere Maschelles Lere II Clusterg 2 Chrstoph Sawade/Nels Ladwehr Tobas Scheffer Überblck Zuletzt: K-meas Mxture of Gaussas Herarchsches Cluster
MehrAbschnitt III: Gleichungen, Ungleichungen, lineare Gleichungssysteme, Summen. x 2x
Thema: Glechuge 4 4 a) 3 ; b) 3 6 4 1 1 Swatje hat zwe Sparbücher mt glech hohe Beträge. Ihr Bruder Horst Kev hat ur e Sparbuch, auf dem dremal so vel Geld st we auf eem Sparbuch vo Swatje. Horst Kevs
MehrStrittige Auffassungen zu Anforderungsprofil und Betriebsart bei der Neufassung der IEC 61508-3 und -7
Strtte Auffassue zu Aforderusrofl ud Betrebsart be der Neufassu der IEC 6508-3 ud -7 Vortra a der TU Brauschwe m November 205 vo Wolfa Ehreberer, Hochschule Fulda 7..205 Ehreberer, IEC 6508, Strtte Auffassue...
MehrWenn man mehrere Verbraucher in Reihe schaltet, so werden alle vom gleichen Strom durchflossen, siehe auch Abschnitt und Formel ( ).
- rudlage der Elektrotechk - 60 22..04 4 Der komplzertere elektrsche lechstromkres 4. Kombato vo Verbraucher 4.. Sere- oder eheschaltug vo Wderstäde We ma mehrere Verbraucher ehe schaltet, so werde alle
Mehr4. Interpolation und Approximation
Uwelt-Caus Brefeld Nuershe Matheat der Fahhohshule Trer Prof. Dr.-Ig. T. Preußler. Iterolato ud Aroato I allgeee geht a davo aus, dass Bezehuge zwshe Varable ees hsalshe Probles aaltsh beshrebe werde a.
MehrAbschlussprüfung zum/zur Finanzplaner/in mit eidg. Fachausweis. Formelsammlung. Autor: Iwan Brot
Abschlussprüfug zum/zur Fazplaer/ mt edg. Fachauswes Formelsammlug Autor: Iwa Brot Dese Formelsammlug wrd a de Ole- ud a de müdlche Prüfuge abgegebe sowet erforderlch. A der schrftlche Klausur (Ope-book-Prüfug)
Mehr( ) ( ) ) ( ) 1/ ( ) Beispiel: U = y1. 3. Ergänzungen zur Haushaltstheorie, insbesondere Dualität und Anwendungen
Prof. Dr. Fredel Bolle 3. rgäzuge zur Haushaltstheore, sbesodere Dualtät ud Aweduge (Btte wederhole Se zuächst emal de Haushaltstheore aus Mkro I!!!) komme gegebe errechbare Idfferezkurve festgelegt Güterprese
MehrFH D WS 2007/08 Prof. Dr. Horst Peters Dezember 2007
FH D WS 007/08 Prof. Dr. Horst Peters Dezember 007 Formelsammlug Wahrschelchetsrechug ud dutve Statst m Bachelor-Studegag Busess Admstrato (Modul BWL B) Sete / 6 Formelsammlug Wahrschelchetsrechug ud Idutve
MehrMathematik: Mag. Schmid Wolfgang & LehrerInnenteam Arbeitsblatt Semester ARBEITSBLATT 7-8 WAHRSCHEINLICHKEITSRECHNUNG UND STATISTIK
Mathematk: Mag. Schmd Wolfgag & LehrerIeteam Arbetsblatt 7-7 7. Semester ARBEITSBLATT 7-8 WAHRSCHEINLICHKEITSRECHNUNG UND STATISTIK STATISTISCHE GRUNDBEGRIFFE Statstk gledert sch zwe Telbereche De Beschrebede
Mehr14. Folgen und Reihen, Grenzwerte
4. Folge ud Rehe, Grezwerte 4. Folge ud Rehe, Grezwerte 4. Ee Folge defere Defere de Folge (a ) Õ mt a =+: Eplzte Defto *+ a() Doe 3, falls = Rekursve Defto Defere de Folge (b ) Õ, b = : b + sost whe(=,
MehrStandardnormalverteilung. Normalverteilung. Verteilungsfunktion. Intervallwahrscheinlichkeiten
Normalvertelug Stadardormalvertelug Normalvertelug N(μ, ) mt chte : Gaußche Glockekurve μ μ μ+ μ >, f ( ) = ( μ) WS 7/8 Prof. r. J. Schütze, FB GW NV π Egechafte der chte: - Mamum μ - mmetrch zu μ - Wedepukte
MehrAG Konstruktion KONSTRUKTION 2. Planetengetriebe (Umlaufgetriebe) Skript. TU Berlin, AG Konstruktion
AG Kstrut KONTRUKTION Plaetegetrebe (Umlaufgetrebe) rpt TU Berl, AG Kstrut Plaetegetrebe Vrtele Plaetegetrebe: e Achsversatz z.t. sehr grße Über-/Utersetzuge möglch grße Tragraft guter Wrugsgrad Rhlff
Mehr5.5 MSC - Erweiterungen
5.5 MSC - Erweteruge MSC - Erweteruge Her ohe foral deferte Seat. Seat t Prozessalgebra öglch (sehe Dssertato vo Reers). Textuelle Sytax leße sch auch erweter. 1 5.5 MSC - Erweteruge Prozesserzeugug ud
Mehr