Algorithmen und Datenstrukturen SS09. Foliensatz 13. Michael Brinkmeier. Technische Universität Ilmenau Institut für Theoretische Informatik
|
|
- Thomas Förstner
- vor 6 Jahren
- Abrufe
Transkript
1 Folensatz Mchael Brnkmeer Technsche Unverstät Ilmenau Insttut für Theoretsche Informatk Sommersemester 009 TU Ilmenau Sete / Sorteren TU Ilmenau Sete /
2 Das Sorterproblem Das Sorterproblem Daten: ene total geordnete Menge (D, <) von Schlüsseln ene Menge R von Werten Gegeben: Ene Lste (x,...,x n ) von Paaren x = (k, r ) D R Gesucht: Ene Lste (y,...,y n ) von Paaren n D R, so dass ene Permutaton π: {,...,n} {,..., n} exstert mt y = x π() und k π() k π() k π(n). TU Ilmenau Sete / En Bespel D = N, R = {A,...,Z} 6 9 LO DP ER LI NG RO AN SP VE 6 9 LI VE AN NG LO DP SP RO ER TU Ilmenau Sete /
3 Berets bekannte Sortermethoden Straght Inserton Sort BubbleSort (Übung) MergeSort (AuP) SelectonSort oder MaxSort (AuP) Qucksort (AuP) TU Ilmenau Sete 5 / Stabltät Defnton (Stables Sorterverfahren) En Sorterverfahren hesst stabl, wenn Objekte mt dentschen Schlüsseln n der Ausgabe n derselben Rehenfolge stehen we n der Engabe. 6 9 LO DP ER LI NG RO AN SP VE Ncht stabl! 6 9 LI VE AN NG LO DP SP RO ER TU Ilmenau Sete 6 /
4 Stabltät 6 9 LO DP ER LI NG RO AN SP VE Stabl! 6 9 LI VE LO NG AN DP RO SP ER TU Ilmenau Sete 7 / Krteren für de Effzenz von Sorteralgorthmen Laufzet (O-Notaton) Anzahl der Vergleche A[] < A[j] bzw. A[] A[j] De Anzahl der Datenverschebungen oder Kopervorgänge nsbesondere be großen Datensätzen. Kann häufg durch Zeger auf de Specherbereche der Daten gemldert werden. der zusätzlch zu A[] benötgte Specher. Wenn nur O() zusätzlcher Specher benötgt wrd, sprcht man von n stu oder n place Verfahren TU Ilmenau Sete /
5 Bekannte Verfahren StraghtInsertonSort Θ(n ) Vergleche und Zet m schlechtesten bzw. mttleren Fall. Θ(n) m besten Fall. stabl und n stu Mergesort Θ(n log n) Vergleche und Zet Stabl aber ncht n stu, da zwe Arrays benutzt werden. Mergesort mt Lsten benötgt kenen Zusatzplatz, erfordert aber das zusätzlche Spechern von Zegern. Mergesort st de Bass für externes Sorteren, d.h. Algorthmen, de ncht drekt auf dem Hauptspecher, sondern z.b. auf Festplatten arbeten. TU Ilmenau Sete 9 / Qucksort TU Ilmenau Sete 0 /
6 Dvde-and-Conquer De Grunddee von Dvde-And-Conquer Tele und Herrsche/Erobere Zerlege das Problem Löse de Telprobleme rekursv Kombnere de Lösungen der Telprobleme zu ener Lösung des Ursprungsproblems. Deses Prnzp verwendet Qucksort. TU Ilmenau Sete / Ene Verallgemenerung des Sorterproblemes Sorteren enes Telntervalls Gegeben: En Array A[...n] und zwe Indces a, b mt a b n. Zel: Sortere den Inhalt des Telarrays A[a... b] aufstegend, ohne de Inhalte der übrgen Enträge zu verändern. TU Ilmenau Sete /
7 Qucksort Qucksort telt de Engabelste n zwe Lsten, de unabhängg vonenander sortert werden. Entschedend st dabe de Wahl der Tellsten. Qucksort - Konzept Engabe: A[...n] und zwe Indces a, b mt a b n Ordne A[a... b] um, so dass en p mt a p b exstert mt A[a],...,A[p ] A[p]<A[p + ],...,A[b]. wenn (a < p ) dann Qucksort(a, p ) wenn (p + < b) dann Qucksort(p +, b) TU Ilmenau Sete / Qucksort Qucksort sortert das Array A[a... b] vor, n dem es dafür sorgt, dass es enen bekannten Index p mt a p b gbt mt A[a],...,A[p ] A[p]<A[p + ],...,A[b]. Ist des errecht, so genügt es de beden Telarrays A[a... p ] und A[p +...b] zu sorteren. TU Ilmenau Sete /
8 Das Pvot-Element Frage We kann man de Vorsorterung realseren? De Antwort darauf st das Pvot-Element. Es wrd en Element A[ˆp] mt a ˆp b gewählt und de Elemente von A[a... b] entsprechend umgeordnet. De neue Poston des ursprünglchen Elementes A[ˆp] st dann de m Algorthmus verwendete Poston p. De Wahl des Pvot-Elementes beenflusst de Laufzet von Qucksort wesentlch. TU Ilmenau Sete 5 / Strategen zur Wahl des Pvot-Elementes Wähle ˆp = a, d.h. wr wählen das erste Element des zu sorterenden Telarrays. Wähle ˆp = b, d.h. wr wählen das letzte Element des zu sorterenden Telarrays. Wähle ˆp = a+b, d.h. wr wählen das mttlere Element des zu sorterenden Telarrays. Clever Qucksort: Wähle ˆp als den Index des Medans von dre Postonen (z.b. a, b und (a + b)/ ). Randomsertes Qucksort: Wähle ˆp zufällg aus {a,..., b}. Unabhängg von der Wahl von ˆp können wr drekt A[a] und A[ˆp] vertauschen und m Folgenden von ˆp = a ausgehen. TU Ilmenau Sete 6 /
9 De Parttonerung Frage Se x = A[a] vor dem Umordnen. We können wr nun A[a... b] so umsorteren und en p bestmmen, so dass anschleßend glt? A[a],...,A[p ] A[p]<A[p + ],...,A[b] Zur Lösung dese Problemes gbt es verschedene Lösungen. Wr stellen m Folgende ene von N. Lomuto vorgeschlagene Prozedur vor, de sch von der Orgnalprozedur von Hoare (n AuP vorgestellt) unterschedet. TU Ilmenau Sete 7 / Partton - De Telung des Feldes Wr telen das Feld A[a... b] mt Hlfe des Pvot-Elementes A[a]. Anschleßend werden wr stets zwe Indces und j mtführen, so dass A[a +... ] nur Schlüssel A[a], A[...j ] nur Schlüssel > A[a] und A[j... r] belebge Schlüssel enthält. Da wr zu Begnn nchts wssen, erfüllt de Wahl = a + und j = a +, dese Bedngungen. D.h. de ersten beden Tele snd leer und der letzte Tel umfasst ganz A[a +... b]. TU Ilmenau Sete /
10 Partton - De Telung des Feldes Wr werden nun sukzessve j erhöhen und dabe geegnet mtführen, so dass am Ende j = b + glt und de Poston des ersten Elementes > A[a] angbt. Im Allgemenen seht, wenn wr x = A[j] bearbeten wollen, de Stuaton so aus: a a + j j b P Y X P > P TU Ilmenau Sete 0 / Partton - De Telung des Feldes Wr werden nun sukzessve j erhöhen und dabe geegnet mtführen, so dass am Ende j = b + glt und de Poston des ersten Elementes > A[a] angbt. Im Allgemenen seht, wenn wr x = A[j] bearbeten wollen, de Stuaton so aus: a a + j j b P Y X P > P Falls X > P glt, können wr j enfach erhöhen. TU Ilmenau Sete /
11 Partton - De Telung des Feldes Wr werden nun sukzessve j erhöhen und dabe geegnet mtführen, so dass am Ende j = b + glt und de Poston des ersten Elementes > A[a] angbt. Im Allgemenen seht, wenn wr x = A[j] bearbeten wollen, de Stuaton so aus: a a + j j b P X Y P > P Falls X P glt, muss es an de Poston gebracht werden. Des wrd durch den Tausch von A[] und A[j] und das Erhöhen von und j errecht. TU Ilmenau Sete / Partton - De Telung des Feldes Partton(a, b) Engabe: En Feld A[...n] und zwe Indces a b n. Ausgabe: De Poston des Pvotelementes A[a] n der getelten Folge. x = A[a] = a + für j = a +...b tue wenn A[j] x dann Tausche A[] und A[j] = + Ende Ende Tausche A[a] und A[ ] zurück TU Ilmenau Sete /
12 Partton - En Bespel Partton(A[...],, ) =, j = =, j = =, j = Tausche A[] und A[] =, j = =, j = =, j = Tausche A[] und A[7] =, j = Tausche A[] und A[] Tausche A[] und A[] TU Ilmenau Sete / Der Aufwand von Partton Betrachtet man den Pseudocode seht man, dass nnerhalb der Schlefe für jedes Element außer dem Pvot-Element A[a] genau en Verglech und höchstens en Tausch stattfndet. Lemma Partton benötgt auf dem Array A[a... b] höchstens O(b a + ) Vergleche und Zet. TU Ilmenau Sete 5 /
13 Qucksort Qucksort(A[...n], a, b) Engabe: A[...n] und zwe Indces a b n. wenn a < b dann Wähle ˆp mt a ˆp b; Tausche A[a] und A[ˆp] aus; k = Partton(A, a, b); wenn a < k dann Qucksort(a, k ); wenn k + < b dann Qucksort(k +, b); Ende Behandlung kurzer Felder Um de Rekurson zu verkürzen kann man Felder unter ener gewssen konstanten Länge mttels enes anderen, ncht rekursven Verfahrens, we z.b. Straght Inserton Sort oder Bubblesort, sorteren. TU Ilmenau Sete 6 / Qucksort Lemma Qucksort(A[], a, b) sortert das Telarray A[a... b]. Das Lemma lässt sch nduktv über de Länge des Telarrays bewesen. Das Hauptargument für den Induktonsschrtt haben wr berets am Anfang gesehen: Nach Partton genügt es de beden Telfelder vor und hnter dem Pvot-Element zu sorteren. TU Ilmenau Sete 7 /
14 Qucksort - Der Worst-Case QS(n) se de Anzahl der Schlüsselvergleche be Engabe enes Feldes mt n Enträgen. Es glt QS(0) = QS() = 0 und QS(n) n + max {QS(k ) + QS(n k)}. k n Der zwete Summand ergbt sch aus der Tatsache, dass das Feld n zwe klenere Felder der Länge k und n k (das Pvot-Element wrd herausgenommen) gespalten wrd und darauf Qucksort ausgeführt wrd. Partton verglecht für de Spaltung de restlchen n Elemente mt dem Pvotelement, was somt n Verglechen entsprcht. TU Ilmenau Sete / Qucksort - Worst-Case Satz QS(n) n+ = + = (n + )(n + ) + = O(n ) für n Bewes (QS Worst-Case) Für n = glt de Behauptung offenschtlch. Für n > ergbt sch QS(n) n + max k n IV n + max k n {QS(k ) + QS(n k)} { k(k + ) + (n k + )(n k + ) } +... TU Ilmenau Sete 9 /
15 Qucksort - Worst-Case Bewes (QS Worst-Case - Fortsetzung) Betrachtet man de Funkton f (x) = x(x + ) + (n x + )(n x + ) seht man, dass se hr Maxmum auf dem Intervall [, n] an den Rändern annmmt. Offenschtlch glt f () = f (n). Damt erhalten wr + QS(n) n + + = n + n + n + (n + )(n + ) = n(n + ) + = n + = n + n n(n + ) + TU Ilmenau Sete 0 / Qucksort - Der Average-Case De oben hergeletete Schranke, für de Anzahl der Vergleche m schlechtesten Fall, wrd tatsächlch angenommen, wenn als Pvotelement z.b. stets das klenste Element gewählt wrd. Da deser Fall nur sehr selten entrtt, stellt sch de Frage nach dem Verhalten von Qucksort m mttleren Fall. Für unsere Analyse setzen wr de folgenden Bedngungen voraus: De Schlüssel snd paarwese verscheden. Jede Anordnung der Engabeelemente hat deselbe Wahrschenlchket. Wählt man das Pvotelement über enen festen Index, so st es mt Wahrschenlchket n das k-te Element der sorterten Folge. Damt müssen nach dem Auftelen zwe Probleme der Größe k und n k gelöst werden. TU Ilmenau Sete /
16 QS - Average-Case Se QS(n) de mttlere Anzahl der von Qucksort benötgten Vergleche. Dann glt QS(0) = QS() = und für n QS(n) = n k= n = n + = n + = n + n ( n + QS(k ) + QS(n k) ) n k= n k=0 n n QS(k ) + n n QS(k) + n QS(k). k=0 k=0 k= QS(n k) n n QS(k) TU Ilmenau Sete / QS - Average-Case Damt ergbt sch nqs(n) (n )QS(n ) n n = n(n ) + QS(k) (n )(n ) QS(k) k=0 = (n )(n n + ) + = (n ) + QS(n ) ( n k=0 k=0 ) n QS(k) QS(k) k=0 und somt QS(n) = n n + n + QS(n ). n TU Ilmenau Sete /
17 Lemma n+ QS(n) = (n + ) = + 5 n für n. Bewes Für n = ergbt sch de rechte Sete als 0 + = = QS(). Für n glt QS(n) = n n = n + n + n + n + QS(n ) n ( n n + = n + n + n + n + n = ( n n = ) 5 (n ) ) + 6 n TU Ilmenau Sete / Bewes (Fortsetzung) QS(n) = n + n + n + n + n ( = (n + ) n+ = (n + ) = n+ = (n + ) = n+ = (n + ) = ( n n n = n = ) + (n + )(6 n) 6 n 5n n n + 5 n ) + 6 n (n + )(6 n) n n TU Ilmenau Sete 5 /
18 Qucksort - Average-Case Mttels der Harmonschen Zahlen erhält man n+ QS(n) = (n + ) = (n + ) = H k = + 5 n k = ( H n+ ) + 5 n = (n + )H n+ (n + ) n = (n + )H n+ = (n + )H n+ n + 6 n n 6 = (n + )(H n+ ) +. TU Ilmenau Sete 6 / Qucksort - Average-Case Satz Qucksort sortert n Elemente m Mttel mt (n + )ln(n + ) n QS (n + )ln(n + ) n Verglechen und Θ(n log n) sonstgen Operatonen. D.h. nsbesondere QS(n) = Θ(n log n). Bewes Aus QS(n) = (n + )(H n+ ) + ergbt sch (n + ) (ln(n + ) ) + QS(n) (n + ) ( + ln(n + ) ) + (n + ) ln(n + ) (n + ) + QS(n) (n + ) ln(n + ) (n + ) + (n + ) ln(n + ) n QS(n) (n + ) ln(n + ) n TU Ilmenau Sete 7 /
Prof. Dr. Margarita Esponda
Algorthmen und Programmeren II Sorteralgorthmen mperatv Tel II Prof. Dr. Margarta Esponda Free Unverstät Berln Tele und Herrsche "Dvde und Conquer" Vele Probleme lassen sch ncht mt trvalen Schlefen lösen
MehrAlgorithmen und Datenstrukturen 6. Vorlesung
Algorthmen und Datenstrukturen 6. Vorlesung Karl-Henz Nggl. Ma 006 Sorteralgorthmen Bsher behandelte Sorteralgorhtmen: nserton-sort(a[..n]) mt worst-case und average-case Laufzet O(n ) merge-sort(a,p,r)
MehrInformatik II. Minimalpolynome und Implikanten. Minimalpolynome. Minimalpolynome. Rainer Schrader. 27. Oktober Was bisher geschah: Definition
Informatk II Raner Schrader und Implkanten Zentrum für Angewandte Informatk Köln 27. Oktober 2005 1 / 28 2 / 28 Was bsher geschah: jede Boolesche Funkton kann durch enfache Grundfunktonen dargestellt werden
Mehrbinäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt:
Informatk I 6. Kaptel Raner Schrader Zentrum für Angewandte Informatk Köln 4. Jun 008 Wr haben bsher behandelt: Suchen n Lsten (lnear und verkettet) Suchen mttels Hashfunktonen jewels unter der Annahme,
MehrElemente 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
MehrÜbungen zu Algorithmen
Insttut für Informatk Unverstät Osnabrück, 06.12.2016 Prof. Dr. Olver Vornberger http://www-lehre.nf.uos.de/~anf Lukas Kalbertodt, B.Sc. Testat bs 14.12.2016, 14:00 Uhr Nls Haldenwang, M.Sc. Übungen zu
MehrSortieren. Thomas Röfer. Permutationen Naives Sortieren Sortieren durch Einfügen, Auswählen, Vertauschen, Mischen QuickSort Comparator
Unverstät Bremen Sorteren Thomas Röfer Permutatonen Naves Sorteren Sorteren durch Enfügen, Auswählen, Vertauschen, Mschen QuckSort Comparator Unverstät Bremen Rückblck Suchen Identtät/Flache/Tefe Glechhet
MehrDie Leistung von Quicksort
De Lestung von Qucsort Jae Hee Lee Zusammenfassung Der Sorteralgorthmus Qucsort st als ens der effzenten Sorterverfahren beannt. In deser Ausarbetung werden wr sene Komplextät zuerst möglchst präzse schätzen
MehrSortieren. Thomas Röfer. Permutationen Naives Sortieren Sortieren durch Einfügen, Auswählen, Vertauschen, Mischen QuickSort Comparator
Unverstät Bremen Sorteren Thomas Röfer Permutatonen Naves Sorteren Sorteren durch Enfügen, Auswählen, Vertauschen, Mschen QuckSort Comparator Unverstät Bremen Rückblck Suchen Identtät/Flache/Tefe Glechhet
MehrStochastische 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)
MehrBedingte 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
Mehr18. Dynamisches Programmieren
8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus
MehrDynamisches Programmieren
Marco Thomas - IOI 99 -. Treffen n Bonn - Dynamsches Programmeren - Unverstät Potsdam - 8.02.999 Dynamsches Programmeren 957 R. Bellmann: Dynamc Programmng für math. Optmerungsprobleme Methode für Probleme,.
MehrÜbungsblatt 7 Lösungsvorschläge
Insttut für Theoretsche Informatk Lehrstuhl Prof. Dr. D. Wagner Übungsblatt 7 Lösungsvorschläge Vorlesung Algorthmentechnk m WS 09/10 Problem 1: Mnmale Schnttbass Approxmatonsalgos relatver Gütegarante
MehrAnalysis 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
MehrDie Jordansche Normalform
De Jordansche Normalform Danel Hug 29. Aprl 211 KIT Unverstät des Landes Baden-Württemberg und natonales Forschungszentrum n der Helmholtz-Gemenschaft www.kt.edu 1 Zerlegung n Haupträume 2 Fazt und nächstes
MehrInformatik I 3. Kapitel. Sortierverfahren. Sortierverfahren. Sortierverfahren. Rainer Schrader. 28. Mai 2008
Informat I 3. Kaptel Raner Schrader Zentrum für Angewandte Informat Köln 8. Ma 008 / / en bedeutender Tel der ommerzell genutzten Rechenzet wrd für Sorteren verwendet daraus resultert en Bedarf nach guten
MehrSei 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
Mehr6. 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
MehrFachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung
Fachberech Mathematk Prof. K. Grosse-Brauckmann D. Frsch WS 27/8./.. 6. Übungsblatt zur Lnearen Algebra für Physker Gruppenübung Aufgabe G7 (Kern, Bld, Rang und Orthogonaltät) Gegeben se ene lneare Abbldung
MehrProf. Dr. Jürgen Dassow Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik. Codierungstheorie und Kryptographie
Prof. Dr. Jürgen Dassow Otto-von-Guercke-Unverstät Magdeburg Fakultät für Informatk Coderungstheore und Kryptographe Sommersemester 2005 1 2 Inhaltsverzechns 1 Defnton und Charakterserung von Codes 5 1.1
Mehr4. Musterlösung. Problem 1: Kreuzende Schnitte **
Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,
MehrApproximationsalgorithmen. Facility Location K-Median. Cheng, Wei 12. Juli
Approxmatonsalgorthmen aclty Locaton K-Medan heng We 12. Jul aclty Locaton Defnton Gegeben: möglche Standorte = { 1 2 m } Städte = { 1 2 n } Eröffnungskosten f für Verbndungskosten c zwschen und Dreecksunglechung
Mehr4.6 Das Pumping-Lemma für reguläre Sprachen:
Theoretsche Informatk 1 Vorlesungsskrpt vom Fretag, 30 Jun 000 Index: Erstellt von: (Matrkelnummer: 70899) Sete : 46 Das Pumpng-Lemma für reguläre Sprachen 1 Satz W 1 Zugrundelegende Idee des Pumpng-Lemma
MehrKonkave und Konvexe Funktionen
Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage
MehrSeminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -
Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole
MehrDeterminanten - 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
MehrZwei Sätze von Joseph Wolstenholme. Johann Cigler
Zwe Sätze von Joseh Wolstenholme Johann Cgler Vor enger Zet sandte mr Herr P., en hlosohsch gebldeter älterer Mann, enge Bemerkungen zu enem Resultat von Joseh Wolstenholme, das er folgendermaßen formulerte:
MehrWeitere 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,
MehrDiskrete Mathematik 1 WS 2008/09
Ruhr-Unverstät Bochum Lehrstuhl für Kryptologe und IT-Scherhet Prof. Dr. Alexander May M. Rtzenhofen, M. Mansour Al Sawad, A. Meurer Lösungsblatt zur Vorlesung Dskrete Mathematk 1 WS 2008/09 Blatt 7 /
MehrVorlesung Programmieren II
Hashng Vorlesung Prograeren II Mchael Bergau Fortsetzung der Stoffenhet Hashng Hashng 2 Was st Hashng? Hashng st ene Methode zur dynaschen Verwaltung von Daten, wobe de Daten durch enen Schlüssel (key)
MehrGrundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt
Mathematsches Insttut der Unverstät München Wntersemester 3/4 Danel Rost Lukas-Faban Moser Grundlagen der Mathematk I Lösungsvorschlag zum. Tutorumsblatt Aufgabe. a De Formel besagt, daß de Summe der umrahmten
Mehr2 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
MehrMultilineare 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
Mehr1 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
MehrSicherheit von Π MAC2
Scherhet von Π MAC2 Satz Scherhet von Π MAC2 Se Π scher. Dann st Π MAC2 ebenfalls scher. Bewes: Se A en Angrefer für Π MAC2 mt Erfolgsws ɛ(n). Wr konstrueren enen Angrefer A für Π. Algorthmus Angrefer
MehrNäherungsverfahren. Wiederhole den Algorithmusbegriff. Erläutere die Begriffe: Klasse der NP-Probleme. Probleme. Probleme. Approximative Algorithmen
Näherungsverfahren Wederhole den Algorthmusbegrff. Erläutere de Begrffe: Klasse der P-ProblemeP Probleme Klasse der NP-Probleme Probleme Approxmatve Algorthmen Stochastsche Algorthmen ALGORITHMEN Def.:
Mehr1 Finanzmathematik. 1.1 Das Modell. Sei Xt
1.1 Das Modell Se Xt der Pres enes Assets zur Zet t und X = X ) 1 d der Rd +-dmensonale Presprozess. Das Geld kann auch zu dem rskolosen Znssatz r be ener Bank angelegt werden. Der Wert deser Anlage wrd
MehrStochastische Prozesse
INSTITUT FÜR STOCHASTIK SS 2009 UNIVERSITÄT KARLSRUHE Blatt 2 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 7: (B. Fredmans Urnenmodell)
Mehr5. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013
O. Alaya, S. Demrel M. Fetzer, B. Krnn M. Wed 5. Gruppenübung zur Vorlesung Höhere Mathematk Wntersemester /3 Dr. M. Künzer Prof. Dr. M. Stroppel Lösungshnwese zu den Hausaufgaben: Aufgabe H 6. Darstellungen
Mehr4.5 Lemma Das folgende Problem Par{ 1, 0, 1}max p ist NP-vollständig:
4.5 Lemma Das folgende Problem Par, 0, }max st NP-vollständg: Inut: d, m N mt m d, α N und x,...,x m, 0, } d l.u.. Frage: Exsteren κ,...,κ m, }, sodass m κ x α? Bemerkung: Beachte, dass wegen Satz 4.2
MehrLösungen 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
MehrÜbungsklausur 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
Mehr6 Rechnen mit Zahlen beliebig hoher Stellenzahl 7 Intervall-Arithmetik 8 Umsetzung in aktuellen Prozessoren
Inhalt 4 Realserung elementarer Funktonen Rehenentwcklung Konvergenzverfahren 5 Unkonventonelle Zahlenssteme redundante Zahlenssteme Restklassen-Zahlenssteme logarthmsche Zahlenssteme 6 Rechnen mt Zahlen
Mehrnonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen
arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree
Mehr16. Vorlesung Sommersemester
16. Vorlesung Sommersemester 1 Das Egenwertproblem In allgemener Form hat das Egenwertproblem de Form A x = λ x, (1) wobe A ene n n-matrx, x en n-dmensonaler Vektor und λ der Egenwert st (n Englsch: egenvector,
Mehr6. Modelle mit binären abhängigen Variablen
6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch
MehrDaten 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
Mehr9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.
Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.
MehrObere und untere Schranken beim Broadcasting in Funknetzwerken
Obere und untere Schranken bem Broadcastng n Funknetzwerken Tobas Bräutgam Burgstraße 3 98 Warsten-Hrschberg Mat.-Nr.: 6007 6. Januar 00 Zusammenfassung Dese Arbet untersucht de Zet, de ene Nachrcht ausgehend
MehrGrundlagen 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
MehrLösungen 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
Mehre 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)
MehrZ Z, kurz { } Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden.
Kombnator. Problemstellung Ausgangspunt be ombnatorschen Fragestellungen st mmer ene endlche Menge M, aus deren Elementen man endlche Zusammenstellungen von Elementen aus M bldet. Formal gesprochen bedeutet
MehrResultate / "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
Mehrwird 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
MehrDefinition 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.
Mehr3. Vorlesung Sommersemester
3. Vorlesung Sommersemester 1 Bespele (Fortsetzung) 1. Der starre Körper: Formulerung der Zwangsbedngungen später. Anschaulch snd schon de Frehetsgrade: dre der Translaton (z. B. Schwerpuntsoordnaten)
MehrBemerkungen zum LCG Rupert Hartung,
mt Bemerkungen zum LCG Rupert Hartung, 24.6.2005 Wr betrachten den Lnear Congruental Generator (LCG) X 0, X 1,..., X,... X +1 = ax + c mod N (1) zur Erzeugung von Pseudozufallszahlen mäÿger Qualtät. De
Mehr9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.
Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.
MehrDie 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
MehrFacility Location Games
Faclty Locaton Games Semnar über Algorthmen SS 2006 Klaas Joeppen 1 Abstract Wr haben berets sehr häufg von Nash-Glechgewchten und vor allem von deren Exstenz gesprochen. Das Faclty Locaton Game betet
MehrTechnische Universität München Zentrum Mathematik Diskrete Optimierung: Fallstudien aus der Praxis. Das Cutting Stock-Problem
1 Problem Technsche Unverstät München Zentrum Mathematk Dskrete Optmerung: Fallstuden aus der Praxs Barbara Wlhelm Mchael Rtter Das Cuttng Stock-Problem Ene Paperfabrk produzert Paperrollen der Brete B.
MehrHeapsort. Dr. Michael Brinkmeier (TU Ilmenau) Algorithmen und Datenstrukturen / 50
Heapsort Dr. Michael Brinkmeier (TU Ilmenau) Algorithmen und Datenstrukturen 27.6.2007 / 50 Heapsort - Wiederholung Definition Array A[..n] mit Einträgen aus (U,
MehrAufgabenkomplex 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
MehrRotation (2. Versuch)
Rotaton 2. Versuch Bekannt snd berets Vektorfelder be denen das Lnenntegral über ene geschlossene Kurve Null wrd Stchworte: konservatve Kraft Potentalfelder Gradentenfeld. Es gbt auch Vektorfelder be denen
MehrAlgorithmen und ihre Programmierung -Teil 3-
Veranstaltung Pr.-Nr.: Algorthmen und hre Programmerung -Tel - Veronka Waue WS / Veronka Waue: Grundstudum Wrtschaftsnformatk WS/ Übung Ersetzen Se n folgendem Bespel de For schlefe durch ene WhleWend-Schlefe
Mehr1 Definition und Grundbegriffe
1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:
MehrKapitel 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
MehrRegressionsgerade. 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
MehrAbbildung 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
MehrFallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum
Abgabe: Aufgabentext und Lösungen schrftlch bs zum 15. 6. 2012 I. Thema: Zehen mt und ohne Zurücklegen Lesen Se sch zunächst folgenden Text durch! Wr haben bsher Stchprobenzehungen aus Grundgesamtheten
Mehr1 Der Uncovering-by-bases-Algorithmus
De Komplextät des Uncoverng-y-ases-Algorthmus Peer Hlderandt 1 Der Uncoverng-y-ases-Algorthmus 1.1 Defnton (Der Algorthmus) Se G ene Gruppe, U en Uncoverng durch Basen und w = w 1... w n en empfangenes
MehrSpiele und Codes. Rafael Mechtel
Spele und Codes Rafael Mechtel Koderungstheore Worum es geht Über enen Kanal werden Informatonen Übertragen. De Informatonen werden dabe n Worte über enem Alphabet Q übertragen, d.h. als Tupel w = (w,,
MehrHauptprüfung Abiturprüfung 2014 (ohne CAS) Baden-Württemberg
Hauptprüfung Abturprüfung 2014 (ohne CAS) Baden-Württemberg Lneare Optmerung Hlfsmttel: GTR, Formelsammlung beruflche Gymnasen (AG, BTG, EG, SG, TG, WG) Alexander Schwarz www.mathe-aufgaben.com Oktober
MehrWir steuern einen Mini-Roboter!
Wr steuern enen Mn-Roboter! Telnehmer: Marek Bartusch Cecla Lange Yannck Lehmann Johannes-Lucas Löwe Ncolas Menzel Huong Thao Pham Floran Pogatzk Anne Reulke Jonas Wanke Maran Zuska mt tatkräftger Unterstützung
MehrWechselstrom. Dr. F. Raemy Wechselspannung und Wechselstrom können stets wie folgt dargestellt werden : U t. cos (! t + " I ) = 0 $ " I
Wechselstrom Dr. F. Raemy Wechselspannung und Wechselstrom können stets we folgt dargestellt werden : U t = U 0 cos (! t + " U ) ; I ( t) = I 0 cos (! t + " I ) Wderstand m Wechselstromkres Phasenverschebung:!"
MehrAufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):
LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete
Mehr11 Charaktere endlicher Gruppen
$Id: chaakte.tex,v.4 2009/07/3 4:38:36 hk Exp $ Chaaktee endlche Guppen W hatten gesehen, dass w fü enge Guppen G allen mt Hlfe des Satz 3 de Anzahl und de Dmensonen de eduzblen Dastellungen beechnen können.
MehrDiplomvorprüfung DI H 04 VD : 1
Dplomvorprüfung DI H 04 VD : Aufgabe : Bewesen Se (zum Bespel mt Hlfe der Dfferentalrechnung) de folgende Glechung: ln(snh(x) + cosh(x)) + ln(cosh(x) snh(x)) 0, für alle x R. Es gbt (mnd.) 2 Möglchketen:.
MehrWir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt
Kaptel 3 Zwe Personen Spele 3.1 Matrxspele 3.2 Matrxspele n gemschten Strategen 3.3 B Matrxspele und quadratsche Programme 3.4 B Matrxspele und lneare Komplementartätsprobleme 3.1 Matrxspele Wr betrachten
MehrArbeitsgruppe 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
MehrLineare 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
MehrExperimentalphysik II (Kip SS 2007)
permentalphsk II (Kp SS 007) Zusatvorlesungen: Z-1 n- und mehrdmensonale Integraton Z- Gradent, Dvergen und Rotaton Z-3 Gaußscher und Stokesscher Integralsat Z-4 Kontnutätsglechung Z-5 lektromagnetsche
MehrFunktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e
Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de
MehrBeschreibung von Vorgängen durch Funktionen
Beschrebung von Vorgängen durch Funktonen.. Splnes (Sete 6) a +b c Zechenerklärung: [ ] - Drücken Se de entsprechende Taste des Graphkrechners! [ ] S - Drücken Se erst de Taste [SHIFT] und dann de entsprechende
Mehr22. 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
Mehr3. Lineare Algebra (Teil 2)
Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw
MehrLineare Optimierung Einführung
Kaptel Lneare Optmerung Enführung B... (Dre klasssche Anwendungen) Im Folgenden führen wr de ersten dre klassschen (zvlen) Anwendungen der lnearen Optmerung an: BS... (Produktonsplanoptmerung) En Betreb
MehrNSt. 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
MehrMi , Dr. Ackermann Übungsaufgaben Gewöhnliche Differentialgleichungen Serie 13
M. 3. 5-4. 45, Dr. Ackermann 6..4 Übungsaufgaben Gewöhnlche Dfferentalglechungen Sere 3.) Bestmmung ener homogenen Dfferentalglechung zu gegebenen Funktonen y (partkuläre Lösungen) enes Fundamentalsystems.
MehrOnline Algorithmen. k-server randomisiert Teil II
Onlne Algorthmen k-server randomsert Tel II Ausarbetung für das Semnar Onlne Algorthmen Prof. Dr. Ro. Klen Anette Ebbers-Baumann Ansgar Grüne Insttut für Informatk Theorethsche Informatk und formale Methoden
MehrWahl auf Bäumen: FireWire
Wahl auf Bäumen: FreWre IEEE 94 Hgh Performance Seral Bus (FreWre) Internatonaler Standard Hochgeschwndgketsbus Transport von dgtalen Audo- und Vdeo-Daten 400 Mbps (94b: 800 MBps... 3200 Mbps) Hot-pluggable
MehrGrundlagen der Technischen Informatik. 9. Übung
Grundlagen der Technschen Informatk 9. Übung Chrstan Knell Kene Garante für Korrekt-/Vollständgket 9. Übungsblatt Themen Aufgabe 1: Aufgabe 2: Aufgabe 3: Komparator Adderer/Subtraherer Mehr-Operanden-Adderer
Mehr( ) γ. (t 1 ) (t 2 ) = Arg γ 2(t 2 )
Funktonentheore, Woche 10 Bholomorphe Abbldungen 10.1 Konform und bholomorph Ene konforme Abbldung erhält Wnkel und Orenterung. Damt st folgendes gement: Wenn sch zwe Kurven schneden, dann schneden sch
MehrStatistik 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
MehrGrundlagen der Technischen Informatik. 11. Übung
Grundlagen der Technschen Informatk 11. Übung Chrstan Knell Kene Garante für Korrekt-/Vollständgket 11. Übungsblatt Themen Aufgabe 1: Aufgabe 2: Aufgabe 3: Komparator Adderer / Subtraherer Mehr-Operanden-Adderer
MehrSchriftliche Prüfung aus Signaltransformationen Teil: Dourdoumas am
TU Graz, Insttut für Regelungs- und Automatserungstechnk 1 Schrftlche Prüfung aus Sgnaltransformatonen Tel: Dourdoumas am 1. 10. 01 Name / Vorname(n): Kennzahl / Matrkel-Nummer: 1 errechbare Punkte 4 errechte
Mehr