Anhang 9. Bias in ökologischen Studien bei nichtlinearen Risikomodellen

Größe: px
Ab Seite anzeigen:

Download "Anhang 9. Bias in ökologischen Studien bei nichtlinearen Risikomodellen"

Transkript

1 Anhang 9 Bas n ökologschen Studen be nchtlnearen Rskomodellen

2 Bas n ökologschen Studen be nchtlnearen Rskomodellen J.C. Kaser GSF - Insttut für Strahlenschutz, Neuherberg, eutschland ezember 4

3 Anhang 9 Bas n ökologschen Studen be nchtlnearen Rskomodellen Lnear-quadratsches Modell Wenn de oss-wrkungsbezehung von ener enfachen lnearen Form abwecht, st zu erwarten, dass de Rskofaktoren mt zusammen gefassten aten nur verzerrt geschätzt werden können, auch wenn kene Confounder we z.b. Screenng vorlegen. Zu deser Fragestellung wurden Smulatonsrechungen durchgeführt mt ener lnear-quadratschen oss-wrkungsbezehung. Für ene Person j aus ener Ortschaft und ener ndvduellen Schlddrüsendoss hat se de Form j h h + b + c (1) j j j mt dem ndvduellen Rsko h j. In desem Modell setzt sch das Gesamtrsko zusammen aus dem konstanten Hntergrundrsko h und enem strahlenbedngten Rsko, das wederum aus zwe Beträgen besteht, de lnear und quadratsch von der ndvduellen Schlddrüsendoss j abhängen. e dossabhänggen Beträge werden mt den Koeffzenten b und c gewchtet. e Smulatonen baseren auf den Abschätzungen der Ortsdossmttelwerte für 67 Ortschaften mt N pop 176 Personen aus der Geburtskohorte (Lkhtarov et al. 4). e mttlere oss 1 N pop j j () für dese Personengruppe beträgt,8 Gy. e Vertelungsfunkton für de oss bestzt ene arthmetsche Standardabwechung von σ,34 Gy. Für das Hntergrundrsko h wurde der Wert von 14,73 Fällen pro 1 6 PY angenommen. Es st für alle Personen glech. Für en lneares Rskomodell würde en EARP β von,511 Fällen pro 1 4 PY Gy m Zetraum T Neuerkrankungen vorhersagen. ese Anzahl entsprcht genau der Anzahl der tatsächlch regstrerten Fälle. Se soll auch mt dem lnear-quadratschen Modell vorhergesagt werden. e Koeffzenten b und c werden dazu we folgt ermttelt. Zunächst wrd ene Abwechung r b / β vom EARP β des lnearen Modells festgelegt, de zuglech den lnearen Koeffzenten b des lnear-quadratschen Modells (1) bestmmt. anach soll der quadratsche Koeffzent c so angepasst werden, dass de Anzahl von 35 regstrerten Neuerkrankungen vorhergesagt wrd. Im Folgenden werden dazu zwe Methoden vorgestellt. Mt der Posson- Approxmaton kann c sehr enfach analytsch bestmmt werden, wenn de Rskofunkton nur klene, postve Werte annmmt. Wenn dese Vorbedngung ncht erfüllt st, muss de Anpassung mt ener numersch exakten Rechnung durchgeführt werden. e Anzahl n der zu erwartenden Neuerkrankungen n N pop ( 1 S ) (3)

4 Anhang 9 Bas n ökologschen Studen be nchtlnearen Rskomodellen 3 ergbt sch, wenn man de mttlere Wahrschenlchket 1 S, m Zetraum T an Schlddrüsenkrebs zu erkranken mt der Gesamtzahl der Person N pop multplzert. er bevölkerungsbezogene Mttelwert der Wahrschenlchket, ncht zu erkranken, st defnert als S 1 N pop j S j mt der ndvduellen Wahrschenlchket S ( ) exp (4) j Th j für ene Person j aus ener Ortschaft. 1. Posson-Approxmaton Falls das Argument der Exponentalfunkton (4) Th j << 1, kann man se annähern durch den Ausdruck 1 Thj, der nun de Bedeutung ener Erkrankungswahrschenlchket annmmt. ese Wahrschenlchket st sehr klen und muss postv bleben. In deser Näherung ergbt sch de Zahl der zu erwartenden Fälle aus n N T h mt h h + b + c. (5) pop er Zahlenwerte für quadratschen Koeffzenten c und damt auch für de Zahl der zu erwartenden Fälle n können n der Posson-Approxmaton von denen aus der exakten Berechnung abwechen. eshalb werden se durch ene gestrchene Notaton unterscheden. Nun lässt sch der quadratsche Koeffzent c lecht bestmmen, wenn man fordert, dass de Zahl der zu erwartenden Neuerkrankungen m lnearen und m lnear-quadratschen Rskomodell glech sen muss. Wenn de Rsken aus beden Modellen hnrechend klen und postv snd, ergbt sch aus deser Forderung de Bestmmungsglechung h β mt + h + rβ + c b r, (6) β und der quadratsche Koeffzent ergbt sch zu c β mt σ + ( 1 r) + σ. (7) urch de Forderung nach der Vorhersage der glechen Anzahl von zu erwartenden Neuerkrankungen haben de lneare und de lnear-quadratsche oss-wrkungsbezehung zwe Schnttpunkte. er erste Schnttpunkt legt be der oss null, wo bede Bezehungen den Wert h annehmen. er zwete Schnttpunkt be ener oss s >. Nachdem de Koeffzenten der lnear-quadratschen oss-wrkungsbezehung h, b und c fest legen, ergbt sch der Schnttpunkt zu

5 Anhang 9 Bas n ökologschen Studen be nchtlnearen Rskomodellen 4 s β b c σ + 1,5 Gy. (8) Er wrd unabhängg von den Koeffzenten allen bestmmt durch den Mttelwerte und de Standardabwechung der ossvertelung. e Koeffzenten b und c für sechs verschedene Abwechungen rb/β von der lnearen Wrkungsbezehung snd n Tabelle 1 zusammen gefasst. Für r>1 ergeben sch negatve Werte für den quadratschen Koeffzenten c, um de Überschätzung der voraus gesagten Fälle auszuglechen, de durch den erhöhten Koeffzenten b verursacht wrd. Allerdngs wrd de Zahl von 35 tatsächlch regstrerten Neuerkrankungen mmer übertroffen. e Abwechung wrd mt stegenden Werten für rb/β größer. er Grund legt darn, dass für negatve quadratsche Koeffzenten c be großen ndvduellen osen mt dem Rskomodell (1) n der Posson-Approxmaton unzulässge Erkrankungswahrschenlchketen größer als ens auftreten. Für r<1 ergeben sch postve Werte für c. Für große Personendosen überwegt jetzt der quadratsche Term m Rskomodell (1), er kann ncht mehr als klen angesehen werden. amt st de Vorraussetzung für de Gültgket der Posson-Approxmaton ncht mehr erfüllt. Als Folge der fehlenden Vorraussetzung legt de Zahl n der vorher gesagten Neuerkrankungen unter der Anzahl von 35 tatsächlch regstrerten Neuerkrankungen. Im vorlegenden Bespel wrd der Betrag des quadratschen Koeffzenten c wrd n der Posson-Approxmaton zu klen berechnet, wel ncht-lneare Effekte der Wrkungsbezehung ncht berückschtg werden können. Herdurch entsteht das Potenzal für enen zusätzlchen Bas, der unabhängg von der Zusammenfassung von Ausgangsdaten entsteht.. Exakte Berechnung e Anzahl der zu erwartenden Neuerkrankungen n wrd mt der Glechung (3) numersch exakt berechnet. e darn enthaltene mttlere bevölkerungsbezogene Wahrschenlchket S, m Zetraum ncht an Schlddrüsenkrebs zu erkranken, kommt aus der Summaton der ndvduellen Wahrschenlchketen nach Glechung (4). Um de Summaton ausführen zu können, werden zuerst de ndvduellen Schlddrüsendosen für 176 Personen smulert. amt de zu erwartenden Neuerkrankungen n den beobachteten Wert 35 annehmen, wrd nun be festem Hntergrundrsko h und be festem lnearen Koeffzenten b der quadratsche Koeffzent c angepasst. Im vorlegenden Bespel geschah des durch de numersche Lösung der Glechung 35-n(c) mt der Funkton rtbs ( ) aus den Numercal Recpes (Teukolsky et al. 199). ese Glechung wurde gelöst für 1 smulerte atensätze mt 176 Personendosen. ann wurde der Mttelwert aus den 1 numersch berechneten Werten des quadratschen Koeffzenten c gebldet. Falls de Abwechung des lnearen Koeffzenten rb/β>1, kann für große Personendosen de Rskofunkton Werte unterhalb des Hntergrundrskos h annehmen oder sogar negatv werden. eses unrealstsche Verhalten wurde korrgert, ndem für Rskowerte klener als h der Wert für h benutzt wurde (Abbldung ). In der Smulaton wurde dese Korrektur für r1,1, 1, und 1,5 be ca. 1, 6 und 5 Personen angewandt. In Tabelle 1 stehen de Mttelwerte aus 1 Smulatonsläufen für den quadratschen Koeffzenten c be sechs verschedenen Abwechungen rb/β. er Wert für c st betrags-

6 Anhang 9 Bas n ökologschen Studen be nchtlnearen Rskomodellen 5 mäßg mmer größer als der Wert für c aus der Posson-Approxmaton. eshalb fällt der Schnttpunkt s von lnearer und lnear-quadratscher osswrkungsbezehung auch mmer ' unter den Schnttpunkt s 1,5 Gy der Posson-Approxmaton. Er st jetzt auch von der Wahl der Koeffzenten abhängg, was be der Posson-Approxmaton ncht der Fall war. e Abbldungen 1 und zegen de Rskofunktonen getrennt für rb/β<1 und rb/β>1 mt den quadratschen Koeffzenten aus der numersch exakten Berechnung. Tabelle 1: Lnearer Koeffzent b und quadratscher Koeffzent c aus der Posson-Approxmaton bzw. c aus der exakten Berechnung für de lnear-quadratsche oss-wrkungsbezehung, sowe de Anzahl der vorhergesagten Neuerkrankungen n aus Glechung (4) bzw. n aus Glechung () m Zetraum , lneare und lnear-quadratsche oss-wrkungsbezehung schneden sch be der oss s r b c n c n c /c s b/β [1-6 PY -1 ] [1-5 PY -1 Gy - ] [1-5 PY -1 Gy - ] Gy,5 1,6 1,6 33 1,6 35,8 1,,8,1 4, ,7 35,86 1,6,9,6,1 348,3 35,87 1,9 1,1,76-1, ,6 35,63,97 1, 3,1-3, ,74 35,5,75 1,5 3,77-8, ,73 35,9,44 5 Rsko [1-6 PY -1 ] 4 3 r b/β lnear oss [Gy] Abbldung 1: Lneare und lnear-quadratsche Rskofunktonen für verschedene Abwechungen rb/β <1 und exakt berechnete quadratsche Koeffzenten c

7 Anhang 9 Bas n ökologschen Studen be nchtlnearen Rskomodellen 6 1 Rsko [ 1-6 PY -1 ] r b/β lnear oss [Gy] Abbldung : Lneare und lnear-quadratsche Rskofunktonen für verschedene Abwechungen rb/β >1 und exakt berechnete quadratsche Koeffzenten c, be den lnear-quadratschen Funktonen wurde für Werte klener als das Hntergrundrsko h der Wert für h angenommen 3. Smulatonsergebnsse e Smulatonen wurden mt den n der Enletung vorgestellten Ausgangsdaten durchgeführt. Jeder Person wurde ndvduell ene oss und en Gesundhetszustand (an Schlddrüsenkrebs erkrankt oder ncht) zugeordnet. e Krebsfälle wurden mt der Rskofunkton (1) erzeugt. We oben gezegt, kann se jedoch ncht drekt als Erkrankungswahrschenlchket nterpretert werden, sondern es muss de exakte Erkankungswahrschenlchket 1 exp( Th j ) verwendet werden. Ener Person j aus ener Ortschaft wrd en Fall zugeordnet, falls ene für se gezogene, zwschen und 1 glechvertelte Zufallszahl größer st als dese exakte Erkankungswahrschenlchket. sch en Im Mttel über 1 Smulatonsläufe traten 35 Fälle n 176 Personen m Zetraum von 1 Jahren auf. Zur Possonregresson wurden de Personen n 67 Ortschaften gruppert und de arthmetschen Mttelwerte der Ortsdoss gebldet. Für ene Ortschaft mt N Personen aus der Rskogruppe st deser Mttelwert 1 N j j. (9) Zwe verschedene Rskomodelle wurden n der Regresson verwandt, de sch n der Behandlung des quadratschen Terms unterscheden. Ist nur der Ortsdossmttelwert

8 Anhang 9 Bas n ökologschen Studen be nchtlnearen Rskomodellen 7 bekannt aus ener ossabschätzung, muss für de lnear-quadratsche Rskofunkton de Bezehung ( ) h h + b + c (1), eco eco eco angenommen werden. Wenn sowohl der Mttelwert als auch de arthmetsche Standardabwechung σ für ene Ortschaft bekannt snd, kann der Mttelwert der quadratschen Ortsdoss + ( ) Rskofunkton σ berechnet werden. Er wrd n de ortsbezogene h h + b + c (11), eco eco eco engesetzt. Für sechs Werte der Abwechung rb/β wurden Smulatonsläufe durchgeführt. In den Tabellen und 3 snd de Punktschätzer für de Koeffzenten der lnear-quadratschen Rskofunktonen (1) und (11) dargestellt. Um de Genaugket der Punktschätzer zu erhöhen, snd jewels de Mttelwerte aus 1 Smulatonsläufen angegeben. e Konfdenzntervalle für 95 % wurden unter der Annahme berechnet, dass de Posson-evance nahe dem Mnmum ene Parabelform bestzt. aher legen se symmetrsch um de Punktschätzer. In jedem Smulatonslauf wurde en Konfdenzntervall berechnet, n den Tabellen stehen de dazugehörgen Mttelwerte aus 1 Smulatonsläufen. e Punktschätzer für das Hntergrundrsko h,eco und den lnearen Koeffzenten b eco snd fast dentsch für bede Rskofunktonen (1) und (11). Für r<1 wrd h,eco unterschätzt und b überschätzt, für r>1 verläuft der Trend umgekehrt. Wenn de Abwechung r zwschen,8 und 1, legt, beträgt der Bas ca. 1 Prozent. Für r,5 und r1,5 stegt der Bas merkbar an bs zu enem Faktor 1,3 für h,eco und enem Faktor 1,6 für b. e Punktschätzer für den quadratschen Koeffzenten c eco unterscheden sch deutlch be den Rskofunktonen (1) und (11). Wenn man den quadratschen Betrag mt ( ) gewchtet (1), überstegt der Betrag des geschätzten quadratschen Koeffzenten c eco jewels den Koeffzenten, der mt der Rskofunkton (11) ermttelt wrd. er Grund legt darn, dass mmer de Unglechung ( ) glt. urch das Größenverhältns der quadratschen Koeffzenten wrd gewährlestet, dass der quadratsche Betrag der Rsko-funktonen (1) und (11) m Mttel glech st. e geschätzten quadratschen Koeffzenten bestzen große Unscherheten und snd für r,9 und r1,1 ncht sgnfkant verscheden von Null. er Bas st mest sehr groß, der wahre quadratsche Koeffzent c wurde bs zu enem Faktor 3 unterschätzt und bs zu enem Faktor zwe überschätzt. In der Bewertung muss man sagen, dass de Koeffzenten ener lnear-quadratschen osswrkungsbezehung n der ökologschen Regresson ncht genau bestmmt werden können. Besonders schlecht gelngt de Schätzung des quadratschen Koeffzenten, auch wenn man den Ortsmttelwert der quadratschen oss zur Schätzung benutzt. e vorlegenden

9 Anhang 9 Bas n ökologschen Studen be nchtlnearen Rskomodellen 8 Rechnungen wurden ohne de Anwesenhet von Confoundern, we z.b. Screenng durchgeführt. Es steht zu erwarten, dass durch den Screenng-Effekt de Punktschätzer der Koeffzenten noch weter verzerrt werden. Sollte ene ncht-lneare osswrkungsbezehung für das Schlddrüsenkrebsrsko nach Tschernobyl vorlegen, können deren Parameter mt ener ökologschen Regresson ncht verlässlch bestmmt werden. Tabelle : Koeffzenten aus der ökologschen Possonregresson mt der lnear-quadratschen Rskofunkton (9) mt Konfdenzntervallen für 95 % aus der parabolschen Approxmaton der Posson- evance r h,eco bas b eco bas c eco bas b/β [1-6 PY -1 ] h,eco /h [1-4 PY -1 Gy -1 ] b eco /b [1-5 PY -1 Gy - ] c eco /c,5 1,5±5,5,85 1,78±,9 1,4,±8,3 1,97,8 13,8±5,6,94,1±,88 1,1 9,17±6,46 1,94,9 14,1±5,5,96,37±,86 1,5 4,55±5,5 1,77 1,1 15,8±5,1 1,7,54±,67,9-3,47±4,1 1,34 1, 16,6±5,3 1,13,59±,7,86-7,46±4,5 1,11 1,5 19,5±5,7 1,3,5±,8,66-19,4±9,3,67 Tabelle 3: Koeffzenten aus der ökologschen Possonregresson mt der lnear-quadratschen Rskofunkton (1) mt Konfdenzntervallen für 95 % aus der parabolschen Approxmaton der Posson- evance r h,eco bas b eco bas c eco bas b/β [1-6 PY -1 ] h,eco /h [1-4 PY -1 Gy -1 ] b eco /b [1-5 PY -1 Gy - ] c eco /c,5 11,6±5,4,79 1,95±,91 1,55 7,74±3,4,63,8 13,6±5,5,9,5±,87 1,1 3,4±,4,7,9 14,±5,4,96,38±,83 1,5 1,64±1,96,71 1,1 15,7±5, 1,7,57±,64,93-1,6±8,51,6 1, 16,7±5, 1,13,6±,6,86-3,33±1,45,49 1,5 19,8±5,3 1,34,5±,69,67-8,7±3,41,3 Lteratur Lkhtarov I, Kovgan L, Vavlov S, Chepurny M, Bouvlle A, Luckyanov N, Jacob P, Vollequé P und Vogt G. (4), Post-Chernobyl thyrod doses n Ukrane. Report I: Estmaton of thyrod doses, submtted to Radaton Research Press WH, Flannery BP, Teukolsk SA und Vetterlng WT (199), Numercal Recpes n C ( nd edn), Cambrdge Unversty Press: Cambrdge, MA

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen Übungsklausur Wahrschenlchket und Regresson De Lösungen. Welche der folgenden Aussagen treffen auf en Zufallsexperment zu? a) En Zufallsexperment st en emprsches Phänomen, das n stochastschen Modellen

Mehr

Definition des linearen Korrelationskoeffizienten

Definition des linearen Korrelationskoeffizienten Defnton des lnearen Korrelatonskoeffzenten r xy x y y r x xy y 1 x x y y x Der Korrelatonskoeffzent st en Indkator dafür, we gut de Punkte (X,Y) zu ener Geraden passen. Sen Wert legt zwschen -1 und +1.

Mehr

Grundgedanke der Regressionsanalyse

Grundgedanke der Regressionsanalyse Grundgedanke der Regressonsanalse Bsher wurden durch Koeffzenten de Stärke von Zusammenhängen beschreben Mt der Regressonsrechnung können für ntervallskalerte Varablen darüber hnaus Modelle geschätzt werden

Mehr

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

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

Mehr

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden. Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve

Mehr

-70- Anhang: -Lineare Regression-

-70- Anhang: -Lineare Regression- -70- Anhang: -Lneare Regressn- Für ene Messgröße y f(x) gelte flgender mathematsche Zusammenhang: y a+ b x () In der Regel läßt sch durch enen Satz vn Messwerten (x, y ) aber kene Gerade zechnen, da de

Mehr

Lineare Regression (1) - Einführung I -

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

Mehr

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression

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

Mehr

Streuungs-, Schiefe und Wölbungsmaße

Streuungs-, Schiefe und Wölbungsmaße aptel IV Streuungs-, Schefe und Wölbungsmaße B... Lagemaße von äufgketsvertelungen geben allen weng Auskunft über ene äufgketsvertelung. Se beschreben zwar en Zentrum deser Vertelung, geben aber kenen

Mehr

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung am Bespel enes Modells der chadenverscherung Für das Modell ener chadenverscherung se gegeben: s w s. n 4 chaden enes Verscherungsnehmers, wenn der chadenfall entrtt Wahrschenlchket dafür, dass der chadenfall

Mehr

6. Modelle mit binären abhängigen Variablen

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

Mehr

Lösungen zum 3. Aufgabenblock

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

Mehr

Rückblick Regression II: Anpassung an Polynome

Rückblick Regression II: Anpassung an Polynome Rückblck Regresson II: Anpassung an Polynome T. Keßlng: Auswertung von Messungen und Fehlerrechnung - Fehlerrechnung und Korrelaton 0.06.08 Vorlesung 0- Temperaturmessung mt Thermospannung Wr erhalten

Mehr

Konkave und Konvexe Funktionen

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

Mehr

Sei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ).

Sei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ). Taylorentwcklung (Approxmaton durch Polynome). Problemstellung Se T( x ) de Tangente an den Graphen der Funkton f(x) m Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ). Dann kann man de

Mehr

(Theoretische) Konfidenzintervalle für die beobachteten Werte: Die Standardabweichung des Messfehlers wird Standardmessfehler genannt:

(Theoretische) Konfidenzintervalle für die beobachteten Werte: Die Standardabweichung des Messfehlers wird Standardmessfehler genannt: (Theoretsche Konfdenzntervalle für de beobachteten Werte: De Standardabwechung des Messfehlers wrd Standardmessfehler genannt: ( ε ( 1- REL( Mt Hlfe der Tschebyscheff schen Unglechung lassen sch be bekanntem

Mehr

Abbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)).

Abbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)). 44 n n F F a) b) Abbldung 3.: Besetzungszahlen enes Fermgases m Grundzustand (a)) und für ene angeregte Konfguraton (b)). 3.3 Ferm Drac Statstk In desem Abschntt wollen wr de thermodynamschen Egenschaften

Mehr

Beschreibende Statistik Mittelwert

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

Mehr

Resultate / "states of nature" / mögliche Zustände / möglicheentwicklungen

Resultate / states of nature / mögliche Zustände / möglicheentwicklungen Pay-off-Matrzen und Entschedung unter Rsko Es stehen verschedene Alternatven (Strategen) zur Wahl. Jede Stratege führt zu bestmmten Resultaten (outcomes). Man schätzt dese Resultate für jede Stratege und

Mehr

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

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

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 009 UNIVERSITÄT KARLSRUHE Blatt 4 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 16: (Success Run, Fortsetzung)

Mehr

Regressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n

Regressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n Regressonsgerade x x x x 3... x n y y y y 3... y n Bem Auswerten von Messrehen wrd häufg ene durch theoretsche Überlegungen nahegelegte lneare Bezehung zwschen den x- und y- Werten gesucht, d.h. ene Gerade

Mehr

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x,

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x, Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analyss I Vorlesung 17 Logarthmen Satz 17.1. De reelle Exponentalfunkton R R, x exp x, st stetg und stftet ene Bjekton zwschen R und R +. Bewes. De Stetgket

Mehr

Lösungen der Aufgaben zu Kapitel 2

Lösungen der Aufgaben zu Kapitel 2 Lösungen der Aufgaben zu Kaptel Abschntt 1 Aufgabe 1 Wr benutzen de Potenzrechenregeln, um ene Potenz von mt geradem Eponenten n oder mt ungeradem Eponenten n + 1 we folgt darzustellen: n n und n+1 n n

Mehr

2 Zufallsvariable und Verteilungen

2 Zufallsvariable und Verteilungen Zufallsvarable und Vertelungen 7 Zufallsvarable und Vertelungen Wr wollen uns jetzt mt Zufallsexpermenten beschäftgen, deren Ausgänge durch (reelle) Zahlen beschreben werden können, oder be denen man jedem

Mehr

Erwartungswert, Varianz, Standardabweichung

Erwartungswert, Varianz, Standardabweichung RS 24.2.2005 Erwartungswert_Varanz_.mcd 4) Erwartungswert Erwartungswert, Varanz, Standardabwechung Be jedem Glücksspel nteresseren den Speler vor allem de Gewnnchancen. 1. Bespel: Setzen auf 1. Dutzend

Mehr

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel ultlneare Algebra und hre Anwendungen Nr. : Normalformen Verfasser: Yee Song Ko Adran Jenn Rebecca Huber Daman Hodel 9.5.7 - - ultlneare Algebra und hre Anwendungen Jordan sche Normalform Allgemene heore

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statstk und Wahrschenlchketsrechnung Statstk und Wahrschenlchketsrechnung 5. Vorlesung Dr. Jochen Köhler.03.0 Statstk und Wahrschenlchketsrechnung Wchtg!!! Vorlesung Do 4.03.0 HCI G3 Übung 5 D 9.03.0 Fnk

Mehr

Lineare Optimierung Dualität

Lineare Optimierung Dualität Kaptel Lneare Optmerung Dualtät D.. : (Dualtät ) Folgende Aufgaben der lnearen Optmerung heßen symmetrsch dual zuenander: und { z = c x Ax b x } max, 0 { Z b A c } mn =, 0. Folgende Aufgaben der lnearen

Mehr

Kapitel 4: Unsicherheit in der Modellierung Modellierung von Unsicherheit. Machine Learning in der Medizin 104

Kapitel 4: Unsicherheit in der Modellierung Modellierung von Unsicherheit. Machine Learning in der Medizin 104 Kaptel 4: Unscherhet n der Modellerung Modellerung von Unscherhet Machne Learnng n der Medzn 104 Regresson Modellerung des Datengenerators: Dchteschätzung der gesamten Vertelung, t pt p p Lkelhood: L n

Mehr

e dt (Gaußsches Fehlerintegral)

e dt (Gaußsches Fehlerintegral) Das Gaußsche Fehlerntegral Φ Ac 5-8 Das Gaußsche Fehlerntegral Φ st denert als das Integral über der Standard-Normalvertelung j( ) = -,5 n den Grenzen bs, also F,5 t ( ) = - e dt (Gaußsches Fehlerntegral)

Mehr

Mehrfachregression: Einfluss mehrerer Merkmale auf ein metrisches Merkmal. Designmatrix Bestimmtheitsmaß F-Test T-Test für einzelne Regressoren

Mehrfachregression: Einfluss mehrerer Merkmale auf ein metrisches Merkmal. Designmatrix Bestimmtheitsmaß F-Test T-Test für einzelne Regressoren Mehrfachregresson: Enfluss mehrerer Merkmale auf en metrsches Merkmal Desgnmatrx Bestmmthetsmaß F-Test T-Test für enzelne Regressoren Mehrfachregresson Bvarat: x b b y + = 0 ˆ k k x b x b x b b y + + +

Mehr

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen

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

Mehr

5 Gemischte Verallgemeinerte Lineare Modelle

5 Gemischte Verallgemeinerte Lineare Modelle 5 Gemschte Verallgemenerte Lneare Modelle Wr betrachten zunächst enge allgemene Aussagen für Gemschte Verallgemenerte Lneare Modelle. Se y der beobachtbare Zufallsvektor und u der Vektor der ncht-beobachtbaren

Mehr

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

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2 ETH Arbetsgruppe Radocheme Radochemsches Praktkum P 06 Enführung n de Statstk INHALTSVERZEICHNIS Sete 1. Zählung von radoaktven Zerfällen und Statstk 2 2. Mttelwert und Varanz 2 3. Momente ener Vertelung

Mehr

Bedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY)

Bedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY) Bedngte Entrope Kaptel : Bedngte Entrope Das vorherge Theorem kann durch mehrfache Anwendung drekt verallgemenert werden H (... H ( = Ebenso kann de bedngt Entrope defnert werden Defnton: De bedngte Entrope

Mehr

Weitere NP-vollständige Probleme

Weitere NP-vollständige Probleme Wetere NP-vollständge Probleme Prosemnar Theoretsche Informatk Marten Tlgner December 10, 2014 Wr haben letzte Woche gesehen, dass 3SAT NP-vollständg st. Heute werden wr für enge wetere Probleme n NP zegen,

Mehr

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

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

Mehr

Methoden der innerbetrieblichen Leistungsverrechnung

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

Mehr

1.Schularbeit 22.Okt A. A) Berechne ohne TI-92: Beachte: Für die Beispiele 1 und 2 sind alle notwendigen Rechenschritte anzugeben.

1.Schularbeit 22.Okt A. A) Berechne ohne TI-92: Beachte: Für die Beispiele 1 und 2 sind alle notwendigen Rechenschritte anzugeben. 1.Schularbet.Okt. 1997 7.A A) Berechne ohne TI-9: Beachte: Für de Bespele 1 und snd alle notwendgen Rechenschrtte anzugeben. 1a) De zu z= a + bkonjugert komplexe Zahl st z= a b. Zege für z 1 = -4 + 3 und

Mehr

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

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

Mehr

Die hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x)

Die hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x) ZZ Lösung zu Aufgabe : Ch²-Test Häufg wrd be der Bearbetung statstscher Daten ene bestmmte Vertelung vorausgesetzt. Um zu überprüfen ob de Daten tatsächlch der Vertelung entsprechen, wrd en durchgeführt.

Mehr

Aspekte zur Approximation von Quadratwurzeln

Aspekte zur Approximation von Quadratwurzeln Aspete zur Approxmaton von Quadratwurzeln Intervallschachtelung Intervallhalberungsverfahren Heron-Verfahren Rechnersche und anschaulche Herletung Zusammenhang mt Newtonverfahren Monotone und Beschränthet

Mehr

1.11 Beispielaufgaben

1.11 Beispielaufgaben . Bespelaufgaben Darstellung komplexer Zahlen Aufgabe. Man stelle de komplexe Zahl z = +e 5f n algebrascher Form, also als x + y dar. Damt man de Formel für de Dvson anwenden kann, muss zunächst der Nenner

Mehr

Optimierung 4.3 A2 : Warenhauszentrale a 2 +b 2 =c 2 Materialbörse Mathematik

Optimierung 4.3 A2 : Warenhauszentrale a 2 +b 2 =c 2 Materialbörse Mathematik Zechenerklärung: [ ] - Drücken Se de entsprechende Taste des Graphkrechners! [ ] S - Drücken Se erst de Taste [SHIFT] und dann de entsprechende Taste! [ ] A - Drücken Se erst de Taste [ALPHA] und dann

Mehr

2.1 Einfache lineare Regression 31

2.1 Einfache lineare Regression 31 .1 Enfache lneare Regresson 31 Regressonsanalyse De Regressonsanalyse gehört zu den am häufgsten engesetzten multvaraten statstschen Auswertungsverfahren. Besonders de multple Regressonsanalyse hat große

Mehr

1 Definition und Grundbegriffe

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

Mehr

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

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

Mehr

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt -

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

Mehr

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

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

Mehr

22. Vorlesung Sommersemester

22. Vorlesung Sommersemester 22 Vorlesung Sommersemester 1 Bespel 2: Würfel mt festgehaltener Ecke In desem Fall wählt man den Koordnatenursprung n der Ecke und der Würfel st durch den Berech x = 0 a, y = 0 a und z = 0 a bestmmt De

Mehr

Der Erweiterungsfaktor k

Der Erweiterungsfaktor k Der Erweterungsfaktor k Wahl des rchtgen Faktors S. Meke, PTB-Berln, 8.40 Inhalt: 1. Was macht der k-faktor? 2. Welche Parameter legen den Wert des k-faktors fest? 3. Wo trtt der k-faktor auf? 4. Zusammenhang

Mehr

SS 2017 Torsten Schreiber

SS 2017 Torsten Schreiber SS Torsten Schreber e den Ebenen unterscheden wr de und de prmeterfree Drstellung. Wenn wr ene Ebenenglechung durch dre Punkte bestmmen wollen, so müssen de zugehörgen Vektoren sen, d es sonst nur ene

Mehr

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

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

Mehr

6. Übung zur Linearen Algebra II

6. Übung zur Linearen Algebra II Unverstät Würzburg Mathematsches Insttut Prof. Dr. Peter Müller Dr. Peter Fleschmann SS 2006 30.05.2006 6. Übung zur Lnearen Algebra II Abgabe: Bs Mttwoch, 14.06.2006, 11:00 Uhr n de Brefkästen vor der

Mehr

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

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

Mehr

Elemente der Mathematik - Sommer 2016

Elemente der Mathematik - Sommer 2016 Elemente der Mathematk - Sommer 2016 Prof Dr Matthas Lesch, Regula Krapf Lösungen Übungsblatt 3 Aufgabe 9 (10 Punkte) Das Horner-Schema st ene Methode zum Auswerten enes Polynoms n a0 x an der Stelle s

Mehr

Versuch Nr. 6. Chemische Kinetik Aktivierungsenergie (Inversion von Saccharose)

Versuch Nr. 6. Chemische Kinetik Aktivierungsenergie (Inversion von Saccharose) Chrstan Wdlng, Georg Deres Versuch Nr. 6 Chemsche Knet Atverungsenerge (Inverson von Saccharose) Zel des Versuchs: Das Zel des Versuches st de Bestmmung der Atverungsenerge der Reaton von Saccharose (S)

Mehr

Alternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF

Alternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF Alternatve Darstellung des -Stchprobentests für Antele DCF CF Total n= 111 11 3 Response 43 6 69 Resp. Rate 0,387 0,3 0,309 Beobachtete Response No Response Total absolut DCF 43 68 111 CF 6 86 11 69 154

Mehr

2 Gleichstromtechnik. 2.1 Der unverzweigte Stromkreis Der Grundstromkreis

2 Gleichstromtechnik. 2.1 Der unverzweigte Stromkreis Der Grundstromkreis 27 2 Glechstromtechnk 2.1 Der unverzwegte Stromkres 2.1.1 Der Grundstromkres n unverzwegter Stromkres st de geschlossene Hnterenanderschaltung verschedener Schaltelemente: Spannungsquellen, Wderstände

Mehr

Lineare Regression. Stefan Keppeler. 16. Januar Mathematik I für Biologen, Geowissenschaftler und Geoökologen

Lineare Regression. Stefan Keppeler. 16. Januar Mathematik I für Biologen, Geowissenschaftler und Geoökologen Mathematk I für Bologen, Geowssenschaftler und Geoökologen 16. Januar 2012 Problemstellung Bespel Maß für Abwechung Trck Mnmum? Exponentalfunktonen Potenzfunktonen Bespel Problemstellung: Gegeben seen

Mehr

Lineare Regression - Mathematische Grundlagen

Lineare Regression - Mathematische Grundlagen FKULTÄT FÜR MTHEMTIK U TURWISSESCHFTE ISTITUT FÜR PHYSIK FCHGEBIET EXPERIMETLPHYSIK I r. rer. nat. orbert Sten, pl.-ing (FH) Helmut Barth Lneare Regresson - Mathematsche Grundlagen. llgemene Gerade Wr

Mehr

Aufgabenkomplex 2: Umrechung von Einheiten, Ungleichungen, Komplexe Zahlen

Aufgabenkomplex 2: Umrechung von Einheiten, Ungleichungen, Komplexe Zahlen Technsche Unverstät Chemntz 0. Oktober 009 Fakultät für Mathematk Höhere Mathematk I.1 Aufgabenkomplex : Umrechung von Enheten, Unglechungen, Komplexe Zahlen Letzter Abgabetermn: 19. November 009 n Übung

Mehr

Nullstellen Suchen und Optimierung

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

Mehr

Auswertung univariater Datenmengen - deskriptiv

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

Mehr

Ökonomische und ökonometrische Evaluation. 1.3 Ökonometrische Grundkonzepte

Ökonomische und ökonometrische Evaluation. 1.3 Ökonometrische Grundkonzepte Ökonomsche und ökonometrsche Evaluaton 90 Emprsche Analyse des Arbetsangebots Zele: Bestmmung von Arbetsangebotselastztäten als Test der theoretschen Modelle Smulaton oder Evaluaton der Wrkungen von Insttutonen

Mehr

FORMELSAMMLUNG STATISTIK (I)

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

Mehr

3.3 Lineare Abbildungen und Matrizen

3.3 Lineare Abbildungen und Matrizen 33 LINEARE ABBILDUNGEN UND MATRIZEN 87 33 Lneare Abbldungen und Matrzen Wr wollen jetzt de numersche Behandlung lnearer Abbldungen zwschen Vektorräumen beschreben be der vorgegebene Basen de Hauptrolle

Mehr

1 Mehrdimensionale Analysis

1 Mehrdimensionale Analysis 1 Mehrdmensonale Analyss Bespel: De Gesamtmasse der Erde st ene Funton der Erddchte ρ Erde und des Erdradus r Erde De Gesamtmasse der Erde st dann m Erde = V Erde ρ Erde Das Volumen ener Kugel mt Radus

Mehr

5.3.3 Relaxationsverfahren: das SOR-Verfahren

5.3.3 Relaxationsverfahren: das SOR-Verfahren 53 Iteratve Lösungsverfahren für lneare Glechungssysteme 533 Relaxatonsverfahren: das SOR-Verfahren Das vorangehende Bespel zegt, dass Jacob- sowe Gauß-Sedel-Verfahren sehr langsam konvergeren Für de Modellmatrx

Mehr

Stochastische Prozesse

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

Mehr

Übung zur Vorlesung - Theorien Psychometrischer Tests II

Übung zur Vorlesung - Theorien Psychometrischer Tests II Übung zur Vorlesung - Theoren Psychometrscher Tests II N. Rose 9. Übung (15.01.2009) Agenda Agenda 3-parametrsches logstsches Modell nach Brnbaum Lnkfunktonen 3PL-Modell nach Brnbaum Modellglechung ( =

Mehr

Fallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung

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

Mehr

Gruppe. Lineare Block-Codes

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

Mehr

Diskrete Mathematik 1 WS 2008/09

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

Mehr

Konzept der Chartanalyse bei Chart-Trend.de

Konzept der Chartanalyse bei Chart-Trend.de Dpl.-Phys.,Dpl.-Math. Jürgen Brandes Konzept der Chartanalyse be Chart-Trend.de Konzept der Chartanalyse be Chart-Trend.de... Bewertungsgrundlagen.... Skala und Symbole.... Trendkanalbewertung.... Bewertung

Mehr

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

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

Mehr

Theoretische Physik II Elektrodynamik Blatt 2

Theoretische Physik II Elektrodynamik Blatt 2 PDDr.S.Mertens M. Hummel Theoretsche Physk II Elektrodynamk Blatt 2 SS 29 8.4.29 1. Rechnen mt Nabla. Zegen Se durch Auswertung n kartesschen Koordnaten de folgende Relaton und werten Se de anderen Relatonen

Mehr

Kapitel V. Parameter der Verteilungen

Kapitel V. Parameter der Verteilungen Kaptel V Parameter der Vertelungen D. 5.. (Erwartungswert) Als Erwartungswert ener Zufallsvarablen X bezechnet man: E( X ) : Dabe se vorausgesetzt: = = + p falls X dskret f d falls X stetg und = + p

Mehr

Teil XIV. Lösung linearer Gleichungssysteme. Scientific Computing in Computer Science, Technische Universität München

Teil XIV. Lösung linearer Gleichungssysteme. Scientific Computing in Computer Science, Technische Universität München Tel XIV Lösung lnearer Glechungssysteme IN8008, Wntersemester 010/011 89 Gauss Algorthmus Zwe Schrtte: Vorwärtselmnaton und Rückwärtssubsttuton Vorwärtselmnaton Erzeugen ener Stufenform Zelen dürfen mt

Mehr

Das zum dualen Problem (10.2) gehörige Barriere-Problem lautet analog

Das zum dualen Problem (10.2) gehörige Barriere-Problem lautet analog 60 Kaptel 2. Lneare Optmerung 10 Innere-Punkte-Verfahren Lteratur: Geger, Kanzow, 2002, Kaptel 4.1 Innere-Punkte-Verfahren (IP-Verfahren) oder nteror pont methods bewegen sch m Gegensatz zum Smplex-Verfahren

Mehr

Teil IV: Drei Musterklausuren

Teil IV: Drei Musterklausuren Tel IV: Dre Musterklausuren Hauptklausur SS 97 Aufgabe : 5 Schwmmer verschedenen Alters erbrachten n Wettkämpfen über 50 m Brustschwmmen de folgenden Zeten: Alter Zeten n sec. 8 37.00 40.00 4.00 30 39.00

Mehr

Hausübung 1 Lösungsvorschlag

Hausübung 1 Lösungsvorschlag Hydrologe und Wasserwrtschaft Hausübung Lösungsvorschlag NIDRSCHLAG Hnwes: Be dem vorlegenden Dokument handelt es sch ledglch um enen Lösungsvorschlag und ncht um ene Musterlösung. s besteht ken Anspruch

Mehr

Kreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord

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

Mehr

Vermessungskunde für Bauingenieure und Geodäten

Vermessungskunde 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

Mehr

Prof. Dr. Roland Füss Statistik II SS 2008

Prof. Dr. Roland Füss Statistik II SS 2008 5. Spezelle Testverfahren Zahlreche parametrsche und nchtparametrsche Testverfahren, de nach Testvertelung (Bnomal, t-test etc.), Analysezel (Anpassungs- und Unabhänggketstest) oder Konstrukton der Prüfgröße

Mehr

3.6 Molekulare Dynamik

3.6 Molekulare Dynamik 3.6 Molekulare Dynamk In den letzten 5 Jahrzehnten wurden drekte numersche Smulatonen zur statstschen Auswertung von Veltelchensystemen mmer wchtger. So lassen sch Phasenübergänge, aber auch makroskopsche

Mehr

Vermessungskunde für Bauingenieure und Geodäten

Vermessungskunde 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

Mehr

ω 0 = Protokoll zu Versuch E6: Elektrische Resonanz

ω 0 = Protokoll zu Versuch E6: Elektrische Resonanz Protokoll zu Versuch E6: Elektrsche esonanz. Enletung En Schwngkres st ene elektrsche Schaltung, de aus Kapaztät, Induktvtät und ohmschen Wderstand besteht. Stmmt de Frequenz der anregenden Wechselspannung

Mehr

An dem Ergebnis eines Zufallsexperiments interessiert oft nur eine spezielle Größe, meistens ein Messwert.

An dem Ergebnis eines Zufallsexperiments interessiert oft nur eine spezielle Größe, meistens ein Messwert. SS 2013 Prof. Dr. J. Schütze/ J. Puhl FB GW Ds. ZG 1 Zufallsgrößen An dem Ergebns enes Zufallsexperments nteressert oft nur ene spezelle Größe, mestens en Messwert. Bespel 1. Zufällge Auswahl enes Studenten,

Mehr

Protokoll zu Versuch C1-Mischungsvolumina

Protokoll zu Versuch C1-Mischungsvolumina Protokoll zu Prnz: De sezfschen Mschungsvolumna ener Lösung werden durch auswegen fester Flüssgketsvolumna bekannter Lösungszusammensetzungen mt Hlfe von Pyknometern bestmmt. Theoretsche Grundlagen: Um

Mehr

Maße der zentralen Tendenz (10)

Maße der zentralen Tendenz (10) Maße der zentralen Tendenz (10) - De Berechnung der zentralen Tendenz be ategorserten Daten mt offenen Endlassen I - Bespel 1: offene Endlasse Alter x f x f p x p p cum bs 20 1? 3? 6? 6 21-25 2 23 20 460

Mehr

Grundlagen der Technischen Informatik. 12. Übung. Christian Knell Keine Garantie für Korrekt-/Vollständigkeit

Grundlagen der Technischen Informatik. 12. Übung. Christian Knell Keine Garantie für Korrekt-/Vollständigkeit Grundlagen der Technschen Informatk 12. Übung Chrstan Knell Kene Garante für Korrekt-/Vollständgket 12. Übungsblatt Themen Aufgabe 1: Aufgabe 2: Aufgabe 3: Komparator Adderer/Subtraherer Mehr-Operanden-Adderer

Mehr

z.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel!

z.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel! Aufgabe : Vorbemerkung: Ene Zufallsvarable st ene endeutge Funkton bzw. ene Abbldungsvorschrft, de angbt, auf welche Art aus enem Elementareregns ene reelle Zahl gewonnen wrd. x 4 (, ) z.b. Münzwurf: Kopf

Mehr

Vorlesung 3 Differentialgeometrie in der Physik 13

Vorlesung 3 Differentialgeometrie in der Physik 13 Vorlesung 3 Dfferentalgeometre n der Physk 13 Bemerkung. Ist M Manngfaltgket, p M und φ : U R n Karte mt p U, so nennt man U auch Koordnatenumgebung und φ auch Koordnatensystem n p. Bespel 2.4 Seen R >

Mehr

Determinanten - I. den i-ten Zeilenvektor der n n-matrix A bezeichnet.

Determinanten - I. den i-ten Zeilenvektor der n n-matrix A bezeichnet. Determnanten - I Ene Determnante st ene Abbldung, welche ener quadratschen (!) Matrx ene Zahl zuordnet. Wr verwenden n desem Zusammenhang de Schrebwese A = a 2, wobe den -ten Zelenvektor der n n-matrx

Mehr

Erläuterungen zur Analyse des Zinssatzswaps Referenz N//83734/5 zwischen der A/B Duegården und der Nykredit Bank A/S

Erläuterungen zur Analyse des Zinssatzswaps Referenz N//83734/5 zwischen der A/B Duegården und der Nykredit Bank A/S Erläuterungen zur Analyse des Znssatzswaps Referenz 3584455N//83734/5 zwschen der A/B Duegården und der Nykredt Bank A/S 1. Zusammenfassung der Analyse De A/B Duegården und de Nykredt Bank A/S haben am

Mehr