1 Informationsmodellierung mit dem Entity-Relationship-Modell

Größe: px
Ab Seite anzeigen:

Download "1 Informationsmodellierung mit dem Entity-Relationship-Modell"

Transkript

1 1 Iforatiosodellierug it de Etity-Relatioship-Modell Die ACID-Dopig-Detektei beötigt für ihre Jagd ach Dopigsüder ei Iforatiossyste, bei de ei relatioales Datebaksyste zu Eisatz koe soll. [20 P.] i) Erfasse Sie die i Folgede beschriebee Iforatiosstrukture i eie ER-Diagra. Beziehe [18 P.] Sie sich dabei geau auf die gegebee Beschreibug, ohe weiteres Wisse zu öglicherweise ähliche Awedugsbereiche eifließe zu lasse. Markiere Sie i Ihre Etwurf Priärschlüssel durch Uterstreichug ud otiere Sie die Abbildugstype i der For 1:, 1:1, :. Verwede Sie ubedigt die aus der Vorlesug bekate Notatio. Ausahe: Die Zuordug bei 1: Abbildugstype bleibt Ihe überlasse, uss aber eideutig als solche arkiert werde (z.b. durch ei ausforuliertes Beispiel). Beutze Sie öglichst weige Etitäte (Ausahe: Vererbug). Eie (Existez-)Abhägigkeit soll ur da odelliert werde, we dies eideutig aus der Beschreibug hervorgeht (z.b. durch die Agabe eies schwache Schlüssels). Es gibt Persoe, Ärzte, Sportler, Kotrolleure, Sportarte, Medikaete ud Dopiglabors. Jede Perso hat eie eideutige PID, eie, ei Geburtsdatu (kurz DOB) ud ei Geschlecht. Ärzte, Sportler ud Kotrolleure sid spezielle Persoe. Ei Arzt besitzt ei Spezialgebiet ud leitet axial ei Dopiglabor. Ei Dopiglabor wird vo keie oder eie Arzt geleitet. Ei Dopiglabor hat eie eideutige, eie Adresse ud eie Parole. I eie Dopiglabor köe ehrere Persoe arbeite, wobei jede Perso i axial eie Dopiglabor arbeite darf. Ei Sportler ka vo ehrere Ärzte behadelt werde. Ei Arzt ka ehrere Sportler behadel. Eie Sportart hat eie ud eie Altersklasse, die zusae geoe eideutig sid. Ei Medikaet hat eie eideutige MID, eie ud eie oder ehrere Nebewirkuge. Ei Medikaet ka i ehrere Sportarte verbote sei, wobei ei Verbot ier über eie Midestdosis defiiert ist. Ei Arzt ka verschiedee Sportler verschiedee Medikaete verabreiche. Ei Medikaet ka verschiedee Sportler vo verschiedee Ärzte verabreicht werde. Ei Sportler ka vo verschiedee Ärzte verschiedee Medikaete verabreicht bekoe. Eie Verabreichug ist dabei ier durch ei Datu ud eie Dosis gekezeichet. Ei Kotrolleur ka eie oder ehrere Sportler jeweils a eie gewisse Datu teste. Ei Sportler ka vo ehrere Kotrolleure getestet werde. 1

2 Adresse Parole PID DOB Geschlecht Dopiglabor arbeitet i 1 Perso 1 leitet Arzt 1 behadelt Sportler testet Kotrolleur Spezialgebiet p Dosis Datu Datu verabreicht MID Medikaet verbote Sportart Nebewirkuge Mi.Dosis Altersklasse i) Nee Sie zwei seatische Itegritätsbediguge, welche für die i Aufgabeteil a) vorgestellte Mi- [2 P.] iwelt sivoll sid, sich aber icht i ER-Modell darstelle lasse (z.b. Ei Arzt darf eie Sportler ur da ei Medikaet verabreiche, we er diese behadelt. ). - Ei Sportler darf sich icht selber kotrolliere. - Ei Sportler darf icht kotrolliert werde bevor er gebore wurde. - Eie Sportler darf kei Medikaet verabreicht werde bevor er gebore wurde. - Ei Arzt darf kei Medikaet verabreiche bevor er gebore wurde. - Ei Sportler darf ur eie Sportart betreibe für desse Altersklasse er zugelasse ist. - Ei Arzt darf eie Sportler ur da ei Medikaet verorde, we er diese behadelt. - Ei Sportler darf icht i de Dopiglabor arbeite desse Leiter ih icht behadelt. 2

3 - Ei Kotrolleur darf icht i eie Dopiglabor arbeite. 2 Iforatiosodellierug: Beschreibug vo ER-Modelle Beschreibe Sie die Iforatioe, die durch die ute dargestellte ER-Diagrae odelliert sid, öglichst präzise ud vollstädig ud beatworte Sie die Frage. Das folgede Beispiel veraschaulicht, wie die Leserichtug der Abbildugstype ud Kardiialitätsrestriktioe zu iterpretiere ist: [12 P.] Schüler [2; 2] belegt [0; ] Leistugskurs Titel Ei Schüler hat eie eideutige ud belegt geau 2 Leistugskurse. Ei Leistugskurs hat eie eideutige Titel ud ka vo Schüler belegt werde. a) [2 P.] Fahrzeug 1 geeldet auf Perso KFZ Fahrzeugtyp SVNr Eie Perso hat eie eideutige SVNr ud eie. Ei Fahrzeug hat eie eideutige KFZ ud eie Fahrzeugtyp. Jedes Fahrzeug ka axial auf eie Perso geeldet sei. Jede Perso ka ehrere Fahrzeuge elde. 3

4 b) [4 P.] VNr Verkäufer [0; ] Fahrzeug [1; 1] Kauf [0; ] Kude KFZ Fahrzeugtyp Datu Preis KNr Ei Verkäufer hat eie eideutige Verkäuferuer (VNr) ud eie. Ei Kude hat eie eideutige Persoeuer (PNr) ud eie. Ei Fahrzeug hat eie eideutige KFZ ud eie Fahrzeugtyp. Ei Kude ka beliebig viele Fahrzeuge kaufe. Ei Verkäufer ka beliebig viele Fahrzeug verkaufe. Ei Fahrzeug wird geau eial verkauft. Jeder Kauf besitzt ei Verkaufsdatu ud eie Verkaufspreis. A eie Kauf sid geau ei Verkäufer, ei Auto ud ei Kude beteiligt. 4

5 c) [2 P.] Hr Bezeichug Beschreibug Superheld besitzt Superkraft Eisatzgebiet Eischräkug Ei Superheld hat eie eideutige Heldeuer (HNr), eie ud ei Eisatzgebiet. Eie Superkraft hat eie eideutige Bezeichug ud eie Beschreibug. Jeder Superheld ka beliebig viele Superkräfte besitze ud jede Superkraft ka vo beliebig viele Superhelde besesse werde. Der Besitz eier Superkraft ist it eier Mege a Eischräkuge verbude. d) [3 P.] Zuhörer [0; ] Witz erzähle Poite Vorae Nachae Perso [1; ] Erzähler Jede Perso hat eie Vorae ud eie Nachae, dere Kobiatio eideutig ist. Jede Perso ka ei Zuhörer oder ei Erzähler sei. Ei Erzähler uss idestes eie Witz erzähle ud ka beliebig viele Witze erzähle. Eie Zuhörer köe beliebig viele Witze erzählt werde. We ei Witz erzählt wird, sid ier geau ei Erzähler ud geau ei Zuhörer beteiligt, wobei es ehrere Poite gebe ka. e) Betrachte sie das ER-Diagra i Aufgabe 2 d), wie viele Witze ka ei Erzähler eie gaz bestite Zuhörer iial ud axial erzähle? [1 P.] 5

6 Ei kokreter Erzähler ka ur eial über die Relatio Witz erzähle it eie kokrete Zuhörer i Verbidug stehe ud ih soit auch ur iial keie oder axial eie Witz erzähle. 6

7 3 Schlüsselkadidate [8 P.] Betrachte Sie folgede Tabelle, die Date über Studierede eier Uiversität ethält: Vorae Nachae Geb.-Dat. Straße Haus-Nr PLZ Ort Telefor. 1. Fach 2. Fach Helut Schulz A-Str Sdorf / 4598 If ET Paula Meier B-Str Bhei / If Math Has Weiß H-Str Ebach 0875 / If Phys Peter Kruse A-Str Sdorf / 4368 If ET Frida Müller E-Str Fbach 0281 / If Jap Ae Kruse D-Str Cfeld 0365 / If Phys a) Aus der Vorlesug ist bekat, dass ei Schlüsselkadidat eideutig ud iial sei uss. Erläuter Sie diese beide Eigeschafte ahad der sechs i der obige Tabelle aufgelistete Etitäte. Nee Sie zude eiige Attribute (bzw. Attributskobiatioe), welche i gegebee Kotext eie Schlüsselkadidate darstelle. Begrüde Sie, waru es sich bei der Attributkobiatio (Vorae, Nachae) u keie Schlüsselkadidat hadelt. [5 P.] (i.) Eideutigkeit: Ei Schlüsselkadidat idetifiziert eie Etität ierhalb der Etitäte-Mege eies Etitäte-Types eideutig. Dies soll verhider, dass zwei oder ehrere Etitäte eier Ausprägugsege it deselbe Schlüssel existiere. Ei Schlüsselkadidat ka dabei aus eie eizele oder aus ehrere Attribute bestehe. Für de Fall, dass es sich u eie Kobiatio vo Attribute hadelt, uss die Kobiatio i Hiblick auf die i ihr ethaltee Werte für die betrachtete Ausprägugsege eideutig sei. (ii.) Miialität: Ei Schlüsselkadidat ist iial (irreduzibel). Dies bedeutet, dass alle a eie Schlüsselkadidate beteiligte Attribute auch tatsächlich beötigt werde, u eie Etität eideutig zu idetifiziere. Auch hierbei kot es auf die betrachtete Ausprägugsege a. Bei der obe agegebee Tabelle sid zu Beispiel sowohl Vorae, Geburtsdatu als auch Telefouer Schlüsselkadidate, da jedes Attribut für die betrachtete Ausprägugsege (Ausschitt) eideutig ist. Ei Beispiel für eie Schlüsselkadidate, welcher sich aus eier Kobiatio vo Attribute zusaesetzt, ist uter adere Nachae ud Ort. Diese sid zwar jeweils eizel betrachtet icht eideutig (bei Nachae existiere zwei Etitäte it de Wert Kruse, bei Ort gibt es zwei Mal Sdorf ), zusaegesetzt idetifiziert die Kobiatio jedoch jede Etität der betrachtete Ausprägugsege eideutig. Die Kobiatio aus Vorae ud Nachae wäre higege kei Schlüsselkadidat, da (bei diese Date!) bereits das Attribut Vorae allei Eideutigkeit gewährleiste würde (Verstoß gege die Eigeschaft der Miialität). b) Werde icht ur die sechs explizit aufgeführte Studierede soder eie Mege vo Studete i 7

8 Allgeeie betrachtet, da gestaltet sich die Idetifikatio vo Schlüsselkadidate eher schwierig. Diskutiere Sie die Ursache hierfür ahad vo Beispiele. Welche Lösugsöglichkeit bietet sich a? [3 P.] Die Mege der Studierede eier Uiversität variert i Laufe der Zeit (alte Studete werde exatrikuliert ud eue Studete werde iatrikuliert). Aufgrud eier eialige Aalyse über die Eideutigkeit ud Miialität vo Attributkobiatioe bzgl. eier gegebee Dateege köe i diese Fall deach keie große Schlussfolgeruge getroffe werde. I allgeeie ka icht abgesehe werde, welche Schlüsselkadidate ach de Eifüge euer Etitäte bestehe bleibe. Eie Kobiatio ehrerer Attribute würde lediglich die Wahrscheilichkeit iiiere, dass die Eideutigkeit durch das Eifüge vo eue Etitäte icht ehr gewährleistet ist. Selbst die Kobiatio aller Attribute köte i diese Fall keie sichere Eideutigkeit gewährleiste. Als Lösugsöglichkeit bietet sich die Eiführug eies küstliche Priärschlüssels a, desse Eideutigkeit auch bei eier Erweiterug der Dateege sichergestellt werde ka. Dies vereidet uötige Äderugsaufwad bei Eifüge euer Datesätze. Ei passeder küstlicher Schlüssel für de dargestellte Awedugskotext wäre zu Beispiel die Eiführug eier eideutige Matrikeluer. Hiweis zur Lösug: Küstlich erzeugte Schlüssel sid häufig icht represetativ ud existiere zueist ur ierhalb der Datebak. Sie sollte daher ur verwedet werde, we es icht aders öglich ist. 8

1 Informationsmodellierung mit dem Entity-Relationship-Modell

1 Informationsmodellierung mit dem Entity-Relationship-Modell Aufgabezettel 2 (Lösugsvorschläge) Gesamtpuktzahl 40 Iformatiosmodellierug mit dem Etity-Relatioship-Modell Ei ahegelegeer Tierpark möchte ei eues System zur Verwaltug der Tierpopulatioe eiführe, bei dem

Mehr

1 Informationsmodellierung mit dem Entity-Relationship-Modell

1 Informationsmodellierung mit dem Entity-Relationship-Modell Iformatiosmodellierug mit dem Etity-Relatioship-Modell McAcid's beötigt ei eues Burgastisches Kassesystem, bei dem eie relatioale Datebak verwedet werde soll. [5 P.] Erfasse Sie die im Folgede beschriebee

Mehr

Einleitung. Aufgabe 1a/1b. Übung IV

Einleitung. Aufgabe 1a/1b. Übung IV Übug IV Eileitug Etity-Relatioship-Modell: Modellierug zu Aalyse- ud Etwurfszwecke (Phase 2 i Wasserfallodell). "diet dazu, de projektierte Awedugsbereich zu strukturiere." [Keper/Eickler: Datebaksystee]

Mehr

Kunde. Kontobewegung

Kunde. Kontobewegung Techische Uiversität Müche WS 2003/04, Fakultät für Iformatik Datebaksysteme I Prof. R. Bayer, Ph.D. Lösugsblatt 4 Dipl.-Iform. Michael Bauer Dr. Gabi Höflig 17.11. 2003 Abbildug E/R ach relatioal - Beispiel:

Mehr

Tutorial zum Grenzwert reeller Zahlenfolgen

Tutorial zum Grenzwert reeller Zahlenfolgen MAE Mathematik: Aalysis für Igeieure Herbstsemester 206 Dr. Christoph Kirsch ZHAW Witerthur Tutorial zum Grezwert reeller Zahlefolge I diesem Tutorial lere Sie, die logische Aussage i der Defiitio des

Mehr

Einführung in die Computerlinguistik Merkmalsstrukturen (Feature Structures)

Einführung in die Computerlinguistik Merkmalsstrukturen (Feature Structures) Eiführug i die Computerliguistik Merkmalsstrukture (Feature Structures) Laura Heirich-Heie-Uiversität Düsseldorf Sommersemester 2013 Eileitug (1) Die i CFGs verwedete Nichttermiale sid i der Regel icht

Mehr

Humboldt-Universität zu Berlin Wintersemester 2017/18. Mathematisch-Naturwissenschaftliche Fakultät II Institut für Mathematik A.

Humboldt-Universität zu Berlin Wintersemester 2017/18. Mathematisch-Naturwissenschaftliche Fakultät II Institut für Mathematik A. Huboldt-Uiversität zu Berli Witerseester 07/8. Matheatisch-Naturwisseschaftliche Fakultät II Istitut für Matheatik A. Filler Übugsaufgabe zur Vorlesug Lieare Algebra ud Aalytische Geoetrie I Übugsserie

Mehr

Prof. S. Krauter Kombinatorik. WS Blatt07.doc. (Quelle: M. Aigner; Diskrete Mathematik. Vieweg 1993.)

Prof. S. Krauter Kombinatorik. WS Blatt07.doc. (Quelle: M. Aigner; Diskrete Mathematik. Vieweg 1993.) Prof. S. Krauter Kobiatorik. WS-05-06. Blatt07.doc (Quelle: M. Aiger; Diskrete Matheatik. Vieweg 1993.) 1. a) Bereche Sie i Pascal sche Zahledreieck die Sue der Bioialkoeffiziete lägs eier Diagoale, also

Mehr

Übungsaufgaben zu Analysis 1 Lösungen von Blatt XII vom sin(nx) n sin(x). sin(ax) a sin(x) z = re iϕ = r(cos(ϕ) + i sin(ϕ)) z n = w

Übungsaufgaben zu Analysis 1 Lösungen von Blatt XII vom sin(nx) n sin(x). sin(ax) a sin(x) z = re iϕ = r(cos(ϕ) + i sin(ϕ)) z n = w Prof. Dr. Moritz Kaßma Fakultät für Mathematik Witersemester 04/05 Uiversität Bielefeld Übugsaufgabe zu Aalysis Lösuge vo Blatt XII vom 5.0.5 Aufgabe XII. 3 Pukte) Beweise Sie, dass für alle R ud N die

Mehr

Lösungsvorschläge zu den Aufgaben der Lernsituation 20 (S. 64, 65)

Lösungsvorschläge zu den Aufgaben der Lernsituation 20 (S. 64, 65) Lösugsvorschläge zu de Aufgabe der Lersituatio 20 (S. 64, 65) Aufgabe : a ERM für die Vermittlug vo Fahrradreise Kudeummer Vorame Nachame Straße ud Hausr. Telefoummer IBAN (FS) Buchugsummer Kudeummer (FS)

Mehr

Übungen zu QM III Mindeststichprobenumfang

Übungen zu QM III Mindeststichprobenumfang Techische Hochschule Köl Fakultät für Wirtschafts- ud Rechtswisseschafte Prof. Dr. Arreberg Raum 221, Tel. 39 14 jutta.arreberg@th-koel.de Übuge zu QM III Mideststichprobeumfag Aufgabe 12.1 Sie arbeite

Mehr

Proseminar SS 2003 Codierverfahren Thema: Präfix-Codes, Kraft-Ungleichung und Huffmanverfahren

Proseminar SS 2003 Codierverfahren Thema: Präfix-Codes, Kraft-Ungleichung und Huffmanverfahren Proseiar SS 003 Codierverfahre Thea: Präfix-Codes, Kraft-Ugleichug ud Huffaverfahre Liag Zhag . Eiführug. Code Ei Code ist eie Vorschrift für die eideutige Zuordug der Zeiche eies Zeichevorrats zu dejeige

Mehr

Beurteilende Statistik - Testen von Hypothesen Übungsaufgaben (1)

Beurteilende Statistik - Testen von Hypothesen Übungsaufgaben (1) Moika Kobel, MK 07052005 Hypothesetest_Ueb_1cd Beurteilede Statistik - Teste vo Hypothese Übugsaufgabe (1) (1) (2) (3) (4) (5) (6) (7) (8) (9) Eie Fira öchte bei eie Sigifikaztest das Fehlerrisiko bzw

Mehr

Mathematische Vorgehensweise

Mathematische Vorgehensweise Kapitel 2 Mathematische Vorgehesweise Um eue Ergebisse zu erziele, ist es häufig otwedig, Aussage präzise zu formuliere ud zu beweise. Daher werde i diesem Kapitel die mathematische Begriffsbilduge ud

Mehr

WS 2009/10. Diskrete Strukturen

WS 2009/10. Diskrete Strukturen WS 2009/10 Diskrete Strukture Prof. Dr. J. Esparza Lehrstuhl für Grudlage der Softwarezuverlässigkeit ud theoretische Iforatik Fakultät für Iforatik Techische Uiversität Müche http://www7.i.tu.de/u/courses/ds/ws0910

Mehr

1 Randomisierte Bestimmung des Medians

1 Randomisierte Bestimmung des Medians Praktikum Diskrete Optimierug (Teil 0) 0.07.006 Radomisierte Bestimmug des Medias. Problemstellug ud Ziel I diesem Abschitt stelle wir eie radomisierte Algorithmus zur Bestimmug des Medias vor, der besser

Mehr

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren Dr. Jürge Seger IDUKTIVE STTISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUG - LÖSUGE erutatioe. zahl der erutatioe vo verschiedefarbige erle!! 0. zahl der erutatioe vo 0 uerierte Kugel! 0!.8.800

Mehr

10 Aussagen mit Quantoren und

10 Aussagen mit Quantoren und 0 Aussage mit Quatore ud 0.6. Eisatz vo (bereits bekater) Eistezaussage Bisher hatte wir Eistezbeweise geführt, idem wir ei passedes Objekt agegebe habe ( Setze... ). Stattdesse ka ma auch auf bereits

Mehr

Analysis I Lösungsvorschläge zum 3. Übungsblatt Abgabe: Bis Donnerstag, den , um 11:30 Uhr

Analysis I Lösungsvorschläge zum 3. Übungsblatt Abgabe: Bis Donnerstag, den , um 11:30 Uhr Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Dipl.-Math. Lars Machiek Dipl.-Math. Sebastia Schwarz WS 206/207 03..206 Aalysis I Lösugsvorschläge zum 3. Übugsblatt Abgabe:

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Iformatiker II (Sommersemester 004) Aufgabe 7. Ubeschräktes

Mehr

SUCHPROBLEME UND ALPHABETISCHE CODES

SUCHPROBLEME UND ALPHABETISCHE CODES SUCHPROBLEME UND ALPHABETISCHE CODES Der Problematik der alphabetische Codes liege Suchprobleme zugrude, dere Lösug dem iformatiostheoretische Problem der Fidug eies (optimale) alphabetische Codes gleich

Mehr

Datenbanksysteme 1 Herbst-/Wintersemester Oktober 2014

Datenbanksysteme 1 Herbst-/Wintersemester Oktober 2014 Lehrstuhl für Praktische Iformatik III Prof. Dr. Guido Moerkotte Email: moer@db.iformatik.ui-maheim.de Marius Eich Email: marius.eich@ui-maheim.de Fisik Kastrati Email: kastrati@iformatik.ui-maheim.de

Mehr

Mathematik III. Vorlesung 81. Eigenschaften des Dachprodukts. Die folgende Aussage beschreibt die universelle Eigenschaft des Dachproduktes.

Mathematik III. Vorlesung 81. Eigenschaften des Dachprodukts. Die folgende Aussage beschreibt die universelle Eigenschaft des Dachproduktes. Prof. Dr. H. Breer Osabrück S 2010/2011 Mathematik III Vorlesug 81 Eigeschafte des Dachprodukts Die folgede Aussage beschreibt die uiverselle Eigeschaft des Dachproduktes. Satz 81.1. Es sei K ei Körper,

Mehr

von solchen Abbildungen. Eine solche Folge bestimmt für jedes x M die Folge der Werte f n. Schreibt man dies noch einmal formal hin, so erhält man:

von solchen Abbildungen. Eine solche Folge bestimmt für jedes x M die Folge der Werte f n. Schreibt man dies noch einmal formal hin, so erhält man: Gleichmäßige Kovergez Wir betrachte im Folgede Abbilduge f : M N, wobei M eie Mege ud N ei metrischer Raum ist. Isbesodere iteressiere ud Folge f vo solche Abbilduge. Eie solche Folge bestimmt für jedes

Mehr

Übungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 11. c n (z a) n,

Übungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 11. c n (z a) n, f : a P UNIVERSIÄ DES SAARLANDES FACHRICHUNG 6. MAHEMAIK Prof. Dr. Rolad Speicher M.Sc. obias Mai Übuge zur Vorlesug Fuktioetheorie Sommersemester 202 Musterlösug zu Blatt Aufgabe. Zeige Sie durch Abwadlug

Mehr

Effiziente Algorithmen I: Approximationsalgorithmen Motivation und Begriffe

Effiziente Algorithmen I: Approximationsalgorithmen Motivation und Begriffe Michael Auerbach 291 Effiziete Algorithe I: Approxiatiosalgorithe Motivatio ud Begriffe Viele fudaetale Optiierugsproblee lasse sich für e Praxis icht schell geug exakt löse. Daher besteht der Wusch, das

Mehr

SQL. Grundlagen und Datenbankdesign. Elmar Fuchs. 2. Ausgabe, April 2012 SQL

SQL. Grundlagen und Datenbankdesign. Elmar Fuchs. 2. Ausgabe, April 2012 SQL SQL Elmar Fuchs 2. Ausgabe, April 202 Grudlage ud Datebakdesig SQL 3 SQL - Grudlage ud Datebakdesig 3 Der Datebaketwurf I diesem Kapitel erfahre Sie wie sich der Datebak-Lebeszyklus vollzieht welche Etwurfsphase

Mehr

Wir wiederholen zunächst das Majorantenkriterium aus Satz des Vorlesungsskripts Analysis von W. Kimmerle und M. Stroppel.

Wir wiederholen zunächst das Majorantenkriterium aus Satz des Vorlesungsskripts Analysis von W. Kimmerle und M. Stroppel. Uiversität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dr. D. Zimmerma MSc. J. Köller MSc. R. Marczizik FDSA 4 Höhere Mathematik II 30.04.2014 el, kyb, mecha, phys 1 Kovergezkriterie

Mehr

Entity Relationship Modell

Entity Relationship Modell Etity Relatioship Modell A.Kaiser; WU-Wie MIS 90 Wahrehmug Systems vo Perso Wahrehmug Systems vo Perso 2 System (oder Ausschitt) Wahrehmug Systems vo Perso 3 Wahrehmug Systems vo Perso 4 Wahrehmug Systems

Mehr

5. Übungsblatt Aufgaben mit Lösungen

5. Übungsblatt Aufgaben mit Lösungen 5. Übugsblatt Aufgabe mit Lösuge Aufgabe 2: Bestimme Sie alle Häufugspukte der komplexe) Folge mit de Glieder a) a = ) 5 + 7 + 2 ) b) b = i Lösug 2: a) Die Folge a ) zerfällt vollstädig i die beide Teilfolge

Mehr

Höhere Mathematik I (Analysis) für die Fachrichtung Informatik

Höhere Mathematik I (Analysis) für die Fachrichtung Informatik Karlsruher Istitut für Techologie (KIT) Istitut für Aalysis Priv.-Doz. Dr. Gerd Herzog M. Sc. Adreas Hirsch WS 204/5 24.0.204 Höhere Mathematik I (Aalysis) für die Fachrichtug Iformatik Lösugsvorschlag

Mehr

6. Übung - Differenzengleichungen

6. Übung - Differenzengleichungen 6. Übug - Differezegleichuge Beispiel 00 Gesucht sid alle Lösuge vo a) x + 3x + = 0 ud b) x + x + 7 = 0, jeweils für 0. Um diese lieare Differezegleichug erster Ordug zu löse, verwede wir die im Buch auf

Mehr

2. Datenbankentwurf mittels. Entity-Relationship - Modell (ERM) 2.1. Entities. Definitionen:

2. Datenbankentwurf mittels. Entity-Relationship - Modell (ERM) 2.1. Entities. Definitionen: - 2 - - 22-2. Datebaketwurf mittels Etity-Relatioship - Modell (ERM) Ursprug: Che 976, heute viele Variate Bedeutug: grafisches Hilfsmittel zur sematische Modellierug der Diskurswelt (Awedugsgebiet) (d.h.

Mehr

Tutorium Mathematik I, M Lösungen

Tutorium Mathematik I, M Lösungen Tutorium Mathematik I, M Lösuge 16. November 2012 *Aufgabe 1. Ma utersuche die folgede Reihe auf Kovergez (a) ( 1) (1 ) (b) ( ) 2 +1 (c) (!) 3 10 (3)! (d) (e) (f) 2 +3 3 2 +1 3 ( 2 +1) 2 + 3 ( 2 +3) (g)

Mehr

ER Modell Relationenmodell

ER Modell Relationenmodell ER Modell Relatioemodell II Orgaisatio Orgaisatioseiheite Date Steuerug Fuktio ` Iformatiosobjekte Itegratio Aufgabe 0.06.006 Das Etity-Relatioship-Modell (ERM) Erster Schritt zum Aufbau eies datebakbasierede

Mehr

Grundlagen der Mathematik (LPSI/LS-M1)

Grundlagen der Mathematik (LPSI/LS-M1) Fachbereich Mathematik Algebra ud Zahletheorie Christia Curilla Grudlage der Mathematik (LPSI/LS-M1) Übugsklausur WiSe 2010/11 - C. Curilla/S. Koch/S. Ziegehage Liebe Studierede, im Folgede fide Sie eiige

Mehr

Beurteilung des Businessplans zur Tragfähigkeitsbescheinigung

Beurteilung des Businessplans zur Tragfähigkeitsbescheinigung Fachkudige Stellugahme Beurteilug des Busiessplas zur Tragfähigkeitsbescheiigug Name Datum Has Musterma 7. Oktober 2015 Wilfried Orth Grüdugsberatug Stadort Würzburg: Stadort Stuttgart: Waldleite 9a Möhriger

Mehr

2 Organisationseinheiten und -strukturen

2 Organisationseinheiten und -strukturen 2 Orgaisatioseiheite ud -strukture 2. Eiführug Verkaufsorgaisatio (SD) Vertriebsweg (SD) Sparte (LO) Verkaufsbüro (SD) Verkäufergruppe (SD) Madat Buchugskreis (FI) Kreditkotrollbereich (FI) Werk (LO) Versadstelle

Mehr

Übungen zur Analysis 1 für Informatiker und Statistiker. Lösung zu Blatt 8

Übungen zur Analysis 1 für Informatiker und Statistiker. Lösung zu Blatt 8 Mathematisches Istitut der Uiversität Müche Prof Dr Peter Otte WiSe 203/4 Lösug 8 032203 Übuge zur Aalysis für Iformatiker ud Statistiker Lösug zu Blatt 8 Aufgabe 8 [8 Pukte] (a) Für alle N sei = (+) Wir

Mehr

Kapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit

Kapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit - 18 - (Kapitel 3 : Bedigte Wahrscheilichkeite ud Uabhägigkeit) Kapitel 3: Bedigte Wahrscheilichkeite ud Uabhägigkeit Wird bei der Durchführug eies stochastische Experimets bekat, daß ei Ereigis A eigetrete

Mehr

6 Folgen. 6.4 Folgen reeller Zahlen. Mathematik für Informatiker B, SS 2012 Dienstag 5.6. $Id: folgen.tex,v /06/05 11:12:18 hk Exp $

6 Folgen. 6.4 Folgen reeller Zahlen. Mathematik für Informatiker B, SS 2012 Dienstag 5.6. $Id: folgen.tex,v /06/05 11:12:18 hk Exp $ Mathematik für Iformatiker B, SS 0 Diestag 5.6 $Id: folge.tex,v. 0/06/05 ::8 hk Exp $ 6 Folge 6.4 Folge reeller Zahle I der letzte Sitzug habe wir de Begriff des Grezwerts eier Folge i eiem metrische Raum

Mehr

so spricht man von einer kommutativen Gruppe oder auch abelschen Gruppe.

so spricht man von einer kommutativen Gruppe oder auch abelschen Gruppe. Defiitioe ud Aussage zu ruppe Michael ortma Eie ruppe ist ei geordetes Paar (, ). Dabei ist eie icht-leere Mege, ist eie Verküpfug (Abbildug), wobei ma i.a. a b oder gar ur ab statt ( a, b) schreibt. Es

Mehr

ELEMENTE DER ZAHLENTHEORIE UND AUFBAU DES ZAHLENSYSTEMS

ELEMENTE DER ZAHLENTHEORIE UND AUFBAU DES ZAHLENSYSTEMS ELEMENTE DER ZAHLENTHEORIE UND AUFBAU DES ZAHLENSYSTEMS vo Rolf Waldi 1 Kapitel I. Elemetare Zahletheorie 1 Grudlegede Regel ud Prizipie Es wird vorausgesetzt, daß der Leser mit gaze Zahle reche ka ud

Mehr

Aufgaben und Lösungen Ausarbeitung der Übungsstunde zur Vorlesung Analysis I

Aufgaben und Lösungen Ausarbeitung der Übungsstunde zur Vorlesung Analysis I Aufgabe ud e Ausarbeitug der Übugsstude zur Vorlesug Aalysis I Witersemester 008/009 Übug am 8..008 Übug 5 Eileitug Zuerst soll auf de aktuelle Übugsblatt ud Stoff der Vorlesug eigegage werde. Dazu werde

Mehr

Vorlesung Informationssysteme

Vorlesung Informationssysteme Saarbrücke, 2.05.205 Iformatio Systems Group Vorlesug Iformatiossysteme Vertiefug Kapitel 4: Vo (E)ER is Relatioemodell Erik Buchma (buchma@cs.ui-saarlad.de) Foto: M. Strauch Aus de Videos wisse Sie......welche

Mehr

mit (a 1 ) (0,0,,0). Dann ist die Menge,,a n,a 2 eine endliche Menge und besitzt ein grösstes Element ggt(a 1

mit (a 1 ) (0,0,,0). Dann ist die Menge,,a n,a 2 eine endliche Menge und besitzt ein grösstes Element ggt(a 1 Kapitel 1: Reste, Teiler, Vielfache Defiitio Es sei a 0. Die Zahl b 0 ist ei Teiler vo a, we es ei u 0 gibt, sodass ub= a. Ist b ei Teiler vo a, so ist a ei Vielfaches vo b. Bezeichug b a für b ist Teiler

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 1

Technische Universität München Zentrum Mathematik. Übungsblatt 1 Techische Uiversität Müche Zetrum Mathematik Mathematik (Elektrotechik) Prof. Dr. Ausch Taraz Dr. Michael Ritter Übugsblatt Hausaufgabe Aufgabe. Bestimme Sie de Kovergezbereich M der folgede Reihe für

Mehr

Übungen zur Analysis I WS 2008/2009

Übungen zur Analysis I WS 2008/2009 Mathematisches Istitut der Uiversität Heidelberg Prof. Dr. E. Freitag /Thorste Heidersdorf Übuge zur Aalysis I WS 008/009 Blatt 3, Lösugshiweise Die folgede Hiweise sollte auf keie Fall als Musterlösuge

Mehr

D-MATH Topologie FS 15 Theo Bühler. Musterlösung 2

D-MATH Topologie FS 15 Theo Bühler. Musterlösung 2 D-MATH Topologie FS 15 Theo Bühler Musterlösug 2 1. a) Per Defiitio ist A = {x : x berührt A}. I der Vorlesug wurde die Formel (X A) = ( A ) c gezeigt, also A = ( X A ) c. Daher ist A = A A = A (A ) c

Mehr

D-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler. Übungsblatt 8. b n := 1 n. a k. k=1

D-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler. Übungsblatt 8. b n := 1 n. a k. k=1 D-MATH, D-PHYS, D-CHAB Aalysis I HS 2017 Prof. Mafred Eisiedler Übugsblatt 8 1. Bereche Sie de Grezwert lim a für die Folge (a ) gegebe durch a) a = (2 1/ ) 10 (1 + 1/ 2 ) 10 1 1/ 2 1/, b) a = + 1, c)

Mehr

Page-Rank: Markov-Ketten als Grundlage für Suchmaschinen im Internet

Page-Rank: Markov-Ketten als Grundlage für Suchmaschinen im Internet Humboldt-Uiversität zu Berli Istitut für Iformatik Logik i der Iformatik Prof. Dr. Nicole Schweikardt Page-Rak: Markov-Kette als Grudlage für Suchmaschie im Iteret Skript zum gleichamige Kapitel der im

Mehr

Normierte Vektorräume

Normierte Vektorräume Normierte Vektorräume Wir betrachte im Folgede ur Vektorräume über R 1. Sei also V ei Vektorraum. Wir möchte Metrike auf V betrachte, die im folgede Sie mit der Vektorraumstruktur verträglich sid:, y,

Mehr

Wörterbuchmethoden und Lempel-Ziv-Codierung

Wörterbuchmethoden und Lempel-Ziv-Codierung Kapitel 3 Wörterbuchmethode ud Lempel-Ziv-Codierug I diesem Abschitt lere wir allgemei Wörterbuchmethode zur Kompressio ud isbesodere die Lempel-Ziv (LZ))-Codierug kee. Wörterbuchmethode sid ei eifaches

Mehr

Lösungen zu Übungsblatt 2 Signale, Codes und Chiffren II Sommersemester 2009 Übung vom 26. Mai 2009

Lösungen zu Übungsblatt 2 Signale, Codes und Chiffren II Sommersemester 2009 Übung vom 26. Mai 2009 Uiversität Karlsruhe TH Istitut für Kryptographie ud Sicherheit Willi Geiselma Vorlesug Marius Hillebrad Übug Lösuge zu Übugsblatt 2 Sigale, Codes ud Chiffre II Sommersemester 2009 Übug vom 26. Mai 2009

Mehr

Kreisabbildungen. S 1 f S 1. Beispiele: (1) f = id, F = id,

Kreisabbildungen. S 1 f S 1. Beispiele: (1) f = id, F = id, Kreisabbilduge Im Folgede sehe wir us eie gaz spezielle Klasse vo dyamische Systeme a: Abbilduge auf dem Kreis. Diese sid eifach geug, so dass wir sie och recht leicht aalysiere köe, habe aber adererseits

Mehr

4 Schwankungsintervalle Schwankungsintervalle 4.2

4 Schwankungsintervalle Schwankungsintervalle 4.2 4 Schwakugsitervalle Schwakugsitervalle 4. Bemerkuge Die bekate Symmetrieeigeschaft Φ(x) = 1 Φ( x) bzw. Φ( x) = 1 Φ(x) für alle x R überträgt sich auf die Quatile N p der Stadardormalverteilug i der Form

Mehr

Gliederung. Value-at-Risk

Gliederung. Value-at-Risk Value-at-Risk Dr. Richard Herra Nürberg, 4. Noveber 26 IVS-Foru Gliederug Modell Beispiel aus der betriebliche Altersversorgug Verteilug des Gesatschades Value-at-Risk ud Tail Value-at-Risk Risikobeurteilug

Mehr

Mathematische Probleme, SS 2015 Donnerstag $Id: convex.tex,v /05/21 18:28:20 hk Exp $

Mathematische Probleme, SS 2015 Donnerstag $Id: convex.tex,v /05/21 18:28:20 hk Exp $ $Id: covex.tex,v 1.18 2015/05/21 18:28:20 hk Exp $ 3 Kovexgeometrie 3.2 Die platoische Körper Ei platoischer Körper vo Typ (, m) ist ei kovexer Polyeder desse Seitefläche alle gleichseitige -Ecke ud i

Mehr

Reelle Folgen. Definition. Eine reelle Folge ist eine Abbildung f : N R. liefert ( 7 9, 37

Reelle Folgen. Definition. Eine reelle Folge ist eine Abbildung f : N R. liefert ( 7 9, 37 Reelle Folge Der Begriff der Folge ist ei grudlegeder Baustei der Aalysis, weil damit u.a. Grezprozesse defiiert werde köe. Er beschreibt de Sachverhalt eier Abfolge vo Elemete, wobei die Reihefolge bzw.

Mehr

Übungen zur Klausur Nr. 2: Wahrscheinlichkeitsrechnung II

Übungen zur Klausur Nr. 2: Wahrscheinlichkeitsrechnung II Berufskolleg Marieschule Lippstadt Schule der Sekudarstufe II mit gymasialer Oberstufe ud Fachschule - staatlich aerkat - Kurslehrer: Lagebach Berufskolleg Marieschule Lippstadt Schule der Sekudarstufe

Mehr

Die natürlichen, ganzen und rationalen Zahlen

Die natürlichen, ganzen und rationalen Zahlen ie atürliche, gaze ud ratioale Zahle Ihaltsverzeichis.1 ieatürlichezahle... 11. iegazezahle... 15.3 ieratioalezahle... 15.4 Aufgabe... 17 ie Zahleege N, Z, Q ud R der atürliche, gaze, ratioale ud reelle

Mehr

Tests statistischer Hypothesen

Tests statistischer Hypothesen KAPITEL 0 Tests statistischer Hypothese I der Statistik muss ma oft Hypothese teste, z.b. muss ma ahad eier Stichprobe etscheide, ob ei ubekater Parameter eie vorgegebee Wert aimmt. Zuerst betrachte wir

Mehr

cubus EV als Erweiterung für Oracle Business Intelligence

cubus EV als Erweiterung für Oracle Business Intelligence cubus EV als Erweiterug für Oracle Busiess Itelligece... oder wie Oracle-BI-Aweder mit Essbase-Date vo cubus outperform EV Aalytics (cubus EV) profitiere INHALT 01 cubus EV als Erweiterug für die Oracle

Mehr

Nennenswertes zur Stetigkeit

Nennenswertes zur Stetigkeit Neeswertes zur Stetigkeit.) Puktweise Stetigkeit: Vo Floria Modler Defiitio der pukteweise Stetigkeit: Eie Fuktio f : D R ist geau da i x D stetig, we gilt: ε > δ >, so dass f ( x) f ( x ) < ε x D mit

Mehr

4. Die Menge der Primzahlen. Bertrands Postulat

4. Die Menge der Primzahlen. Bertrands Postulat O. Forster: Eiführug i die Zahletheorie 4. Die Mege der Primzahle. Bertrads Postulat 4.1. Satz (Euklid. Es gibt uedlich viele Primzahle. Beweis. Wir zeige, dass es zu jeder edliche Mege p 1, p 2,..., p

Mehr

Zur Definition. der wirksamen. Wärmespeicherkapazität

Zur Definition. der wirksamen. Wärmespeicherkapazität Ao. Uiv. Prof. Dipl.-Ig. Dr. tech. Klaus Kreč, Büro für Bauphysik, Schöberg a Kap, Österreich Zur Defiitio der wirksae Wärespeicherkapazität vo Ao. Uiv. Prof. Dipl.-Ig. Dr. tech. Klaus Kreč Büro für Bauphysik

Mehr

Satz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist.

Satz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist. Erfüllbarkeit, Uerfüllbarkeit, Allgemeigültigkeit Defiitio Eie Belegug β ist passed zu eiem Boolesche Term t, falls β für alle atomare Terme i t defiiert ist. (Wird ab jetzt ageomme.) Ist β(t) = true,

Mehr

Zahlenfolgen und Konvergenzkriterien

Zahlenfolgen und Konvergenzkriterien www.mathematik-etz.de Copyright, Page of 7 Zahlefolge ud Kovergezkriterie Defiitio: (Zahle-Folge, Grezwert) Eie Folge ist eie Abbildug der atürliche Zahle i die Mege A. Es ist also im Fall A: ; f: mit

Mehr

n 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:

n 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen: 61 6.2 Grudlage der mathematische Statistik 6.2.1 Eiführug i die mathematische Statistik I der mathematische Statistik behadel wir Masseerscheiuge. Wir habe es deshalb im Regelfall mit eier große Zahl

Mehr

4 Konvergenz von Folgen

4 Konvergenz von Folgen 4 Kovergez vo Folge Defiitio 4.. Sei M eie Mege. Ist 0 Z ud für jedes Z mit 0 ei a M gegebe, so et ma die Abbildug { Z; 0 } M, a eie Folge i M. Abkürzed schreibt ma für eie solche Abbildug auch a ) 0 oder

Mehr

7.1 Einführung Unter der n-ten Wurzel aus a versteht man eine Zahl x, die mit n potenziert a ergibt.

7.1 Einführung Unter der n-ten Wurzel aus a versteht man eine Zahl x, die mit n potenziert a ergibt. Rdiziere 7 Rdiziere 7.1 Eiführug Uter der -te Wurzel us versteht eie Zhl x, die it poteziert ergibt. x x für 0 9 3 3 9 * : Wurzelexpoet, N ud 1 : Rdikd, 0 x: Wurzel(wer) t Poteziere: Bsis ud Expoet sid

Mehr

Die notwendigen Verteilungstabellen finden Sie z.b. hier:

Die notwendigen Verteilungstabellen finden Sie z.b. hier: Fakultät für Mathematik Istitute IAG ud IMO Prof. Dr. G. Kyureghya/Dr. M. Hödig Schätz- ud Prüfverfahre Die otwedige Verteilugstabelle fide Sie z.b. hier: http://www.ivwl.ui-kassel.de/kosfeld/lehre/zeitreihe/verteilugstabelle.pdf

Mehr

Abb. 1: Woher kommen die schwarzen Quadrate?

Abb. 1: Woher kommen die schwarzen Quadrate? Has Walser, [0160916], [0161009] Umögliche pythagoreische Dreiecke Idee: Chr. Z., B. 1 Schwarze Quadrate Woher komme die beide schwarze Quadrate? Abb. 1: Woher komme die schwarze Quadrate? Sachverhalt

Mehr

Grundlagen der Differentialrechnung mit mehreren Veränderlichen

Grundlagen der Differentialrechnung mit mehreren Veränderlichen www.atheatik-etz.de Copyright, Page 1 of 6 Grudlage der Differetialrechug it ehrere Veräderliche Die Differezierbarkeit eier Fuktio f:m eier Veräderliche (d.h. M ) i eie Häufugspukt a M bedeutet a - geoetrisch

Mehr

Aufgabe 1: Funktionale Modellierungen

Aufgabe 1: Funktionale Modellierungen Didaktik des Sachreches (Sek. I) Übugsblatt 4 Dr. Astrid Brikma Name, Vorame: Matrikelummer: Doppelte Lösuge führe zum Verlust aller Pukte beider Persoe-Gruppe. Die Lösuge sid hadschriftlich abzugebe.

Mehr

1. Zahlenfolgen und Reihen

1. Zahlenfolgen und Reihen . Zahlefolge ud Reihe We ma eie edliche Mege vo Zahle hat, ka ma diese i eier bestimmte Reihefolge durchummeriere: {a,a 2,...,a }. Ma spricht vo eier edliche Zahlefolge. Fügt ma immer mehr Zahle hizu,

Mehr

Höhere Mathematik für die Fachrichtung Physik

Höhere Mathematik für die Fachrichtung Physik Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 05/06 3..05 Höhere Mathemati für die Fachrichtug Physi Lösugsvorschläge zum 3. Übugsblatt Vorbemerug

Mehr

Kapitel 5. Ausrichten

Kapitel 5. Ausrichten Kapitel 5 Ausrichte Sucht ma i eier Datebak ach Zeichekette (Wörter, Name, Gesequeze), möchte ma oft aders als i de voragegagee Kapitel uterstellt icht ur exakte Treer, soder auch ähliche Vorkomme de.

Mehr

6. Übungsblatt Aufgaben mit Lösungen + Selbsttest-Auflösung

6. Übungsblatt Aufgaben mit Lösungen + Selbsttest-Auflösung 6. Übugsblatt Aufgabe mit Lösuge + Selbsttest-Auflösug Aufgabe 6: Utersuche Sie die Folge, dere Glieder ute für N agegebe sid, auf Beschräktheit, Mootoie ud Kovergez bzw. Beschräktheit, Mootoie ud Kovergez

Mehr

Prof. Dr. Günter Hellmig. Klausurenskript Finanzmathematik

Prof. Dr. Günter Hellmig. Klausurenskript Finanzmathematik Prof. Dr. Güter Hellig lausureskript Fiazatheatik Ihalt: lausur vo WS 9/. Eifache Zise: Vorschüssigkeit ud Nachschüssigkeit. Reterechug: Reteedwert ud Retebarwert 3. Tilgugsrechug: Tilgugspla bei Ratetilgug

Mehr

Eigenschaften von Texten

Eigenschaften von Texten Worthäufigkeite Eigeschafte vo Texte Eiige Wörter sid sehr gebräuchlich. 2 der häufigste Wörter (z.b. the, of ) köe ca. 0 % der Wortvorkomme ausmache. Die meiste Wörter sid sehr selte. Die Hälfte der Wörter

Mehr

$Id: reihen.tex,v /06/14 13:59:06 hk Exp $

$Id: reihen.tex,v /06/14 13:59:06 hk Exp $ Mathematik für Iformatiker B, SS 202 Doerstag 4.6 $Id: reihe.tex,v.9 202/06/4 3:59:06 hk Exp $ 7 Reihe 7.4 Kovergezkriterie für Reihe 7.4. Alterierede Reihe Wir hatte gesehe das die harmoische Reihe divergiert,

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Iformatiker II (Sommersemester 004 Lösuge zu Aufgabeblatt 7

Mehr

5.7. Aufgaben zu Folgen

5.7. Aufgaben zu Folgen 5.7. Aufgabe zu Folge Aufgabe : Lieares ud beschräktes Wachstum Aus eiem Quadrat mit der Seiteläge dm gehe auf die rechts agedeutete Weise eue Figure hervor. Die im -te Schritt agefügte Quadrate sid jeweils

Mehr

BERUFSKOLLEG KAUFMÄNNISCHE SCHULEN DES KREISES DÜREN Zweijährige Höhere Handelsschule

BERUFSKOLLEG KAUFMÄNNISCHE SCHULEN DES KREISES DÜREN Zweijährige Höhere Handelsschule BERUFSKOLLEG KAUFMÄNNISCHE SCHULEN DES KREISES DÜREN Zweijährige Höhere Hadelsschule Abschlussprüfug Sommer Fach: MATHEMATIK Bearbeitugszeit: Erlaubte Hilfsmittel: Zeitstude Nicht-programmierbarer Tascherecher

Mehr

Grenzwert. 1. Der Grenzwert von monotonen, beschränkten Folgen

Grenzwert. 1. Der Grenzwert von monotonen, beschränkten Folgen . Der Grezwert vo mootoe, beschräkte Folge Der Grezwert vo mootoe, beschräkte Folge ist eifacher verstädlich als der allgemeie Fall. Deshalb utersuche wir zuerst diese Spezialfall ud verallgemeier aschliessed.

Mehr

Zählterme (Seite 1) Aufgabe: Wie viele Nummernschilder kann es theoretisch im Raum Dresden geben? Wann müsste die 4.Ziffer eingeführt werden?

Zählterme (Seite 1) Aufgabe: Wie viele Nummernschilder kann es theoretisch im Raum Dresden geben? Wann müsste die 4.Ziffer eingeführt werden? Bemerkug: I Mathematik sollte ma keie Fahrpläe verwede, i der Stochastik erst recht icht. Zitat vo S.L. Das Baumdiagramm ist aber fast immer ei geeigetes Hilfsmittel. Produktregel Aufgabe: Wie viele Nummerschilder

Mehr

10. Übungsblatt zur Einführung in die Stochastik

10. Übungsblatt zur Einführung in die Stochastik Fachbereich Mathematik rof. Dr. Michael Kohler Dipl.-Math. Adreas Fromkorth Dipl.-If. Jes Mehert SS 09 6.7.2009 0. Übugsblatt zur Eiführug i die Stochastik Aufgabe 38 (3 ukte Die Zufallsvariable X,...,

Mehr

Einführung in Datenbanken Sommersemester 2009

Einführung in Datenbanken Sommersemester 2009 Eiführug i Datebake Sommersemester 2009 Kozeptuelle Modellierug (8 Pukte) Die folgede Beschreibug skizziert die Aforderuge a ei System zur Verwaltug vo Fluggesellschafte, dere Mitarbeiter sowie dere Flugzeug-

Mehr

4.1 Dezimalzahlen und Intervallschachtelungen. a) Reelle Zahlen werden meist als Dezimalzahlen dargestellt, etwa

4.1 Dezimalzahlen und Intervallschachtelungen. a) Reelle Zahlen werden meist als Dezimalzahlen dargestellt, etwa 20 I. Zahle, Kovergez ud Stetigkeit 4 Kovergete Folge 4. Dezimalzahle ud Itervallschachteluge. a) Reelle Zahle werde meist als Dezimalzahle dargestellt, etwa 7,304 = 0+7 +3 0 +0 00 +4 000. Edliche Dezimalzahle

Mehr

EC3 Seminar Teil 1 1/8 Lastannahmen und Lastkombinationen

EC3 Seminar Teil 1 1/8 Lastannahmen und Lastkombinationen EC3 Seiar Teil 1 1/8 I diese Arbeitsblatt werde die Laste (Eiwirkuge E k ) uter Verwedug der Sicherheitseleete ( γ F ud ψ i )zu de Desigwerte E d für 2 Beispiele kobiiert. Dabei wird zuächst ei eifaches

Mehr

Nachtrag. Alternatives Buch zum Satz von Fermat 1999 bei amazon nur noch gebraucht

Nachtrag. Alternatives Buch zum Satz von Fermat 1999 bei amazon nur noch gebraucht Nachtrag Alteratives Buch zum Satz vo Fermat 1999 bei amazo ur och gebraucht 1 Uedliche (Zahle-) Mege 2 Wiederholug Steuer Bei eiem Eikomme vo ud eiem Steuersatz vo 33% müsse Sie Steuer zahle. Da werde

Mehr

Einige wichtige Ungleichungen

Einige wichtige Ungleichungen Eiige wichtige Ugleichuge Has-Gert Gräbe, Leipzig http://www.iformatik.ui-leipzig.de/~graebe 1. Februar 1997 Ziel dieser kurze Note ist es, eiige wichtige Ugleichuge, die i verschiedee Olympiadeaufgabe

Mehr

Zusammenfassung: Folgen und Konvergenz

Zusammenfassung: Folgen und Konvergenz LGÖ Ks VMa Schuljahr 6/7 Zusammefassug Folge ud Kovergez Ihaltsverzeichis Defiitioe ud Beispiele für Folge Beschräkte Folge Kovergez vo Folge Grezwertsätze für Folge 5 Für Experte 7 Defiitioe ud Beispiele

Mehr

Kapitel 2 Differentialrechnung in einer Variablen. 2.1 Folgen und Grenzwerte

Kapitel 2 Differentialrechnung in einer Variablen. 2.1 Folgen und Grenzwerte Kapitel 2 Differetialrechug i eier Variable 2. Folge ud Grezwerte 2.. Defiitio Eie Folge ist eie Zuordug N R, a, geschriebe als Liste (a,a 2,...) oder i der Form (a ) N. Hier sid ei paar Beispiele: 2,4,6,8,...

Mehr

Dr. Jürgen Senger MATHEMATIK. Grundlagen für Ökonomen

Dr. Jürgen Senger MATHEMATIK. Grundlagen für Ökonomen D. Jüge Sege MTHEMTIK Gudlage fü Ökooe ÜBUNG 8.. - LÖSUNGEN. Gegee ist das lieae Gleichugssyste: 7 a. Es hadelt sich u ei ihoogees lieaes Gleichugssyste it Gleichuge ud Vaiale.. Ei lieaes Gleichugssyste

Mehr

4.3 Relationen [ Partee 27-30, 39-51, McCawley , Chierchia ]

4.3 Relationen [ Partee 27-30, 39-51, McCawley , Chierchia ] 4 Elemetare Megetheorie 43 Relatioe [ Partee 7-30, 39-5, McCawley 48-49, Chierchia 534-536 ] Relatioe köe als spezielle Mege verstade werde Hierfür muss zuächst der Begriff eies weitere megetheoretische

Mehr

KAPITEL 7. Zahlenfolgen. 7.1 Konvergente Zahlenfolgen Grenzwertbestimmung Grenzwertbestimmung durch Abschätzung...

KAPITEL 7. Zahlenfolgen. 7.1 Konvergente Zahlenfolgen Grenzwertbestimmung Grenzwertbestimmung durch Abschätzung... KAPITEL 7 Zahlefolge 7. Kovergete Zahlefolge.............................. 30 7.2 Grezwertbestimmug............................... 32 7.3 Grezwertbestimmug durch Abschätzug..................... 35 7.4

Mehr

Statistik I Februar 2005

Statistik I Februar 2005 Statistik I Februar 2005 Aufgabe 0 Pukte Ei Merkmal X mit de mögliche Auspräguge 0 ud, das im Folgede wie ei kardialskaliertes Merkmal behadelt werde ka, wird a Merkmalsträger beobachtet. Dabei bezeichet

Mehr

Ticket-Produkte. 1. Welche Ticket-Arten stehen für die Allgemeinheit zur Verfügung?

Ticket-Produkte. 1. Welche Ticket-Arten stehen für die Allgemeinheit zur Verfügung? 1. Welche Ticket-Arte stehe für die Allgemeiheit zur Verfügug? Für die FIFA Fussball-Weltmeisterschaft 201 werde drei verschiedee Ticket-Produkte agebote: Eizeltickets: Dies sid Tickets für ei bestimmtes

Mehr