Klausur zur Vorlesung Informationstheorie
|
|
- Detlef Fürst
- vor 5 Jahren
- Abrufe
Transkript
1 INSTITUT FÜR THEORETISCHE NACHRICHTENTECHNIK UND INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 07 Hannover Klausur zur Vorlesung Informationstheorie Datum: Uhrzeit: 09:00 Uhr Zeitdauer: Stunden Hilfsmittel: ausgeteilte Formelsammlung, nicht-programmierbarer Taschenrechner Anzahl der Blätter: 9 (einschließlich Deckblatt und Formelsammlung) Name: Matrikelnummer: Aufgabe Summe Punkte Bewertung: Es können nur Ergebnisse und Aufgabenteile berücksichtigt werden, die nachvollziehbar bzw. begründet sind. Jedes abzugebende Blatt ist mit Namen und Matrikelnummer zu kennzeichnen. Bitte nicht mit Bleistift oder Rotstift schreiben!
2 Aufgabe : (6.0 Punkte) Eine Markov-Quelle mit den Zuständen S bis S und den Symbolen a = N a = A a = beliebiger anderer Buchstabe des Alphabets sei durch folgendes Zustandsdiagramm gegeben: a ;... S a ; 0, 6 a ; 0, a ; 0, 6 a ; 0, S a ; 0, S a ; 0, a ;... a ;... Abbildung : Zustandsdiagramm der Markov-Quelle mit Zuständen S j und den bedingten Symbolwahrscheinlichkeiten P (a k S j ) a) Welche Ordnung besitzt die Markov-Quelle? (Begründung!) (0.5) b) Ergänzen Sie die fehlenden Wahrscheinlichkeiten P (a k S j ). (0.5) c) Bestimmen Sie die Wahrscheinlichkeiten der Zustände S, S und S. (.0) d) Berechnen Sie die bedingte Entropie H(U N U,..., U N ). (.0) e) Entwerfen Sie einen binären Huffman-Code für jeden Zustand der Quelle. (.0)
3 f) Berechnen Sie die mittlere Codewortlänge und die Redundanz der Codierung. (0.75) g) Wie groß ist die Wahrscheinlichkeit für das Auftreten der Symbolfolge ANNA, wenn sich die Quelle im Zustand S befindet? (0.5) h) Welcher binäre Huffman-Code wird in diesem Fall gesendet? (0.75)
4 Aufgabe : (6.5 Punkte) Gegeben ist ein binärer symmetrischer Kanal mit der Fehlerwahrscheinlichkeit P () = p. U BSK U a = 0 p p p b = 0 a = p b = Abbildung : Binärer symmetrischer Kanal (BSK) a) Bestimmen Sie die Irrelevanz H(U U ) des BSK in Abhängigkeit von p. (.0) b) Bestimmen Sie die Kanalkapazität C = max P (u ) T (U ; U ) des BSK in Abhängigkeit von p. (.0) c) Für welche Fehlerwahrscheinlichkeit p wird die Kanalkapazität C maximal und für welche minimal? Skizzieren Sie den Verlauf von C über p in einem Diagramm. (.0) d) Es werden binär symmetrische Kanäle hintereinander geschaltet. Berechnen Sie die Fehlerwahrscheinlichkeit P() des resultierenden BSK. (.0) e) Es werden n binär symmetrische Kanäle hintereinander geschaltet. Beweisen Sie mittels vollständiger Induktion, dass der resultierende BSK folgende Fehlerwahrscheinlichkeit besitzt: P (n) = ( ( p)n ) (.5) Hinweis: Beweisprinzip der vollständigen Induktion A(n) ist eine von n N abhängige Aussage. Zeigt man:. A() ist richtig (Induktionsanfang);. unter der Voraussetzung, dass für einen beliebige natürliche Zahl n die Aussage A(n) richtig ist, ist auch A(n + ) richtig (Induktionsschritt); dann ist A(n) für alle n richtig.
5 Aufgabe : (7.0 Punkte) Gegeben ist eine diskrete gedächtnislose Quelle mit den Quellensymbolen k und der Wahrscheinlichkeit der Quellensymbole Q(k). k Q(k) Der Quellencoder enthält einen Begrenzer, der das Quellensignal auf [ ; ] begrenzt. Als Verzerrungsmass gilt: { 0 für k = j d(k; j) = für k j a) Stellen Sie die Verzerrungsmatrix auf. (0.5) b) Geben Sie die Zuordnung zwischen Eingangs- und Ausgangsalphabet an, die auf eine minimale mittlere Verzerrung d min führt. (0.5) c) Berechnen Sie die minimale mittlere Verzerrung d min. (.0) d) Bestimmen Sie die Wahrscheinlichkeiten P (j) bei minimaler mittlerer Verzerrung und berechnen Sie die Rate-Distortion-Funktion R(d min). (.0) e) Vergleichen Sie R(d min) mit der Entropie der unverzerrten Quelle. Erläutern Sie das Ergebnis. (.0) f) Berechnen Sie die maximale mittlere Verzerrung d max. (.5) g) Zeichnen Sie alle errechneten Größen in Abbildung ein. Skizzieren Sie den prinzipiellen Verlauf der Rate-Distortion-Funktion R(d ) in Abbildung. (0.5) h) Wie ändert sich der Verlauf der Rate-Distortion-Funktion, wenn das Quellensignal wie folgt modifiziert wird? (Begründung - keine Rechnung!) (.0) k Q(k) 5
6 R(d*) d* Abbildung : Rate-Distortion-Funktion R(d ) 6
7 Aufgabe : (5.5 Punkte) Gegeben ist eine stationäre, gedächtnisbehaftete Gaußsche Quelle mit dem bandbegrenzten Leistungsdichtespektrum aus Abbildung. S(f) B f W Abbildung : Leistungsdichtespektrum S(f) der Quelle Eine Amplitutenquantisierung verursacht ein konstantes Rauschleistungsdichtespektrum: N(f) = Θ = B a) Bestimmen Sie die Leistung P der Quelle in Abhängigkeit von B und W (.0) b) Berechnen Sie die durch N(f) verursachte Verzerrung d in Abhängigkeit von B und W. (.0) c) Berechnen Sie den Wert der Rate-Distortion-Funktion R(d ) für dieses Rauschleistungsdichtespektrum. (.5) Hinweis: ln z dz = z ln z z für z > 0 7
8 Diese Musterlösung dient zum Selbststudium alter Klausuraufgaben. Es besteht keine Garantie auf Fehlerfreiheit oder Vollständigkeit. Aufgabe : Musterlösung a). Ordnung b) P (a S ) = 0,, P (a S ) = 0,, P (a S ) = 0, 8 c) Wahrscheinlichkeit der Zustände: P (S j ) = P (a k S l )P (S l ) l= k= P (S j ) = j= P (S ) = 0, P (S ) + 0, P (S ) + 0, P (S ) P (S ) = 0, P (S ) + 0, P (S ) + 0, P (S ) P (S ) = 0, 6 P (S ) + 0, 6 P (S ) + 0, 8P (S ) = P (S ) + P (S ) + P (S ) 0, 9 P (S ) + 0, P (S ) + 0, P (S ) = 0 P (S ) + P (S ) = 9 P (S ) () 0, 6 P (S ) + 0, 6 P (S ) 0, P (S ) = 0 () P (S ) + P (S ) + P (S ) = () () in () 0 P (S ) = P (S ) = 0 in () und () 0, P (S ) + 0, P (S ) = 0, 09 () 0, 6 P (S ) 0, P (S ) = 0, 06 (5) 6 () (5) 0, 8P (S ) = 0, 6 P (S ) = 0, 75 in () P (S ) = 0, 5 8
9 d) Bedingte Entropie H(U N U N ): H(U N U N ) = P (a k, a l )logp (a k a l ) k= l= = P (a k S j )P (S j )logp (a k S j ) k= j= = (0, [0, log 0, + 0, log 0, + 0, 6 log 0, 6] +0, 5 [0, log 0, + 0, log 0, + 0, 6 log 0, 6] +0, 75 [0, log 0, + 0, log 0, + 0, 8 log 0, 8]) = 0, [, 9568] + 0, 5[, 9568] + 0, 75[0, 998] bit =, 055 Symbol e) Huffman-Code: für alle Zustände S, S, S ergibt sich der gleiche Code f) Mittlere Codewortlänge und Redundanz: u N P (u N ) Code a a 0 a 00 n = P (a k S j )P (S j ) n k k= j= = 0, [0, + 0, + 0, 6 ] +0, 5 [0, + 0, + 0, 6 ] +0, 75 [0, + 0, + 0, 8 ] bit =, 5 Symbol bit R = n H(U N U N ) = 0, 6885 Symbol g) Wahrscheinlichkeit für ANNA: 0, 0, 0, 0, = 0, 000 h) gesendeter Code:
10 Diese Musterlösung dient zum Selbststudium alter Klausuraufgaben. Es besteht keine Garantie auf Fehlerfreiheit oder Vollständigkeit. Aufgabe : Musterlösung a) siehe Skript S. 55 b) siehe Skript S. 55 c) siehe Skript S. 55 d) binär symmetrische Kanäle hintereinander geschaltet: P () = p( p) + ( p)p = ( p)p = p p e) n binär symmetrische Kanäle hintereinander geschaltet: P () = ( ( p) ) = (p) = p P (n + ) = P (n)( p) + ( P (n))p = ( ( p)n )( p) + [ ( ( p)n )]p = (( p) ( p)n ( p) + p p + ( p) n p) = (( p) ( p)n+ + p p) = ( ( p)n+ ) = P (n + ) 0
11 Diese Musterlösung dient zum Selbststudium alter Klausuraufgaben. Es besteht keine Garantie auf Fehlerfreiheit oder Vollständigkeit. Aufgabe : Musterlösung a) Verzerrungsmatrix j k b) Zuordnung zwischen Eingangs- und Ausgangsalphabet j k c) Minimale mittlere Verzerrung d min = 7. d) P (j = ) = 9 P (j = 0) = P (j = ) = P (j = ) = R(d min) =, 5997 bit Symbol H(U N ) =.65 bit Symbol e) d max =
12 Diese Musterlösung dient zum Selbststudium alter Klausuraufgaben. Es besteht keine Garantie auf Fehlerfreiheit oder Vollständigkeit. Aufgabe : Musterlösung a) Leistung P der Quelle P = B W b) Schnittpunkt S(f) und N(f) B = B W f + B W f = f = W Verzerrrung d d = 6 W B + B W = 6 [ B W = 6 [ B W = 6 + W ( W W ( W B W f + B)df B W f + B)df + ( B W ( W ) + B( B W )) ( B W + B W + B W 8 [ = 6B W ] = 0.75B W W ( W ) + B( ] W )) ] B W c) Rate-Distortion-Funktion R(d ) R(d ) = 6 = W W W 0 W 0 log S(f) Θ log B W f + B B df df
13 = W ln W 0 ln( f W + ) df = ln(z) ( W W ln )dz = ln(z) dz 8 ln = [( ln ) ( ln )] 8 ln = [ ( )] 8 ln = 8 ln [.5577] bit = Symbol
Klausur zur Vorlesung Informationstheorie
INSTITUT FÜR INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 0167 Hannover Klausur zur Vorlesung Informationstheorie Datum:.02.2006 Uhrzeit: 9:00 Uhr Zeitdauer: 2 Stunden Hilfsmittel: ausgeteilte
MehrÜbungsaufgaben zur Vorlesung Quellencodierung
Übungsaufgaben zur Vorlesung Quellencodierung Aufgabe 1: Gegeben seien die Verbundwahrscheinlichkeiten zweier diskreter Zufallsvariablen x und y: P(x, y) x 1 = 1 x 2 = 2 x 3 = 3 y 1 = 1 0.1 0.1 0.1 y 2
MehrKlausur zur Vorlesung Digitale Signalverarbeitung
INSTITUT FÜR THEORETISCHE NACHRICHTENTECHNIK UND INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 067 Hannover Klausur zur Vorlesung Digitale Signalverarbeitung Datum:.08.00 Uhrzeit: 09:00
MehrKlausur Informationstheorie und Codierung
Klausur Informationstheorie und Codierung WS 2013/2014 23.01.2014 Name: Vorname: Matr.Nr: Ich fühle mich gesundheitlich in der Lage, die Klausur zu schreiben Unterschrift: Aufgabe A1 A2 A3 Summe Max. Punkte
MehrKlausur zur Vorlesung Digitale Signalverarbeitung
INSTITUT FÜR INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 067 Hannover Klausur zur Vorlesung Digitale Signalverarbeitung Datum: 0.08.007 Uhrzeit: 09:00 Uhr Zeitdauer: Stunden Hilfsmittel:
MehrKlausur zur Vorlesung Digitale Signalverarbeitung
INSTITUT FÜR INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 3067 Hannover Klausur zur Vorlesung Digitale Signalverarbeitung Datum:.08.006 Uhrzeit: 09:00 Uhr Zeitdauer: Stunden Hilfsmittel:
MehrKlausur zur Vorlesung Digitale Signalverarbeitung
INSTITUT FÜR INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 3067 Hannover Klausur zur Vorlesung Digitale Signalverarbeitung Datum: 7.03.007 Uhrzeit: 3:30 Uhr Zeitdauer: Stunden Hilfsmittel:
MehrKlausur zur Vorlesung Digitale Signalverarbeitung
INSTITUT FÜR THEORETISCHE NACHRICHTENTECHNIK UND INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 3067 Hannover Klausur zur Vorlesung Digitale Signalverarbeitung Datum: 5.0.005 Uhrzeit: 09:00
MehrGegeben ist ein systematischer (7,3)-Cod. Die drei seiner Codewörter lauten:
Prof. Dr.-Ing. H.G. Musmann INSTITUT FÜR THEORETISCHE NACHRICHTENTECHNIK UND INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 67 Hannover Gegeben ist ein systematischer (7,)-Cod. Die drei seiner
MehrAufgabe 7.1 Bei einer digitalen Übertragung liege folgendes Modell vor:
1 Aufgabe 7.1 Bei einer digitalen Übertragung liege folgendes Modell vor: Q x q x akf digitale Übertrag. q y akf S y Quellensymboldauer T q = 1ms diskreter Kanal Q x sei eine stationäre Markov-Quelle nullter
Mehr(Prüfungs-)Aufgaben zur Codierungstheorie
(Prüfungs-)Aufgaben zur Codierungstheorie 1) Gegeben sei die folgende CCITT2-Codierung der Dezimalziffern: Dezimal CCITT2 0 0 1 1 0 1 1 1 1 1 0 1 2 1 1 0 0 1 3 1 0 0 0 0 4 0 1 0 1 0 5 0 0 0 0 1 6 1 0 1
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:... VORNAME:... MAT. NR.:... Prüfung 389.53 Musterlösung A Datenkommunikation Institute of Telecommunications TU-Wien 2.2.24 Bitte beachten Sie: Die Dauer dieser Klausur beträgt zwei Zeitstunden.
Mehrzu Aufgabe 26: a) A 3 A 2 A 4 A 1 A 5 A 0 A 6
zu ufgabe 6: a) 3 5 6 7 p( ) p( ) p( 3 ) p( ) p( 5 ) p( 6 ) p( 7 ) = p( 3 ) = p( 3 ) = p( 3 ) = p( ) = p( ) = p( ) = p( ) = p( ) = p( ) = p( ) = p( ) = 8 p( ) = p( ) = p( ) = p( ) Lösung: b) binär 8 p(
MehrKapitel 7: Optimalcodierung und Huffman Coding
Kapitel 7: codierung und Huffman Coding Ziele des Kapitels Auftreten von Fehlern bei zu starker Kompression Konstruktion optimaler Codes Huffman Coding 2 Bisher Theorem (Shannon I): Die mittlere Codewortlänge
MehrFachprüfung. Nachrichtencodierung
Fachprüfung Nachrichtencodierung 23. Februar 2010 Prüfer: Prof. Dr. P. Pogatzki Bearbeitungszeit: 2 Stunden Hilfsmittel: Taschenrechner, Vorlesungsscript, Übungsaufgaben Name: Vorname: Matr.-Nr.: Unterschrift:
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:... VORNAME:... MAT. NR.:... Prüfung 389.53 Musterlösung B Datenkommunikation Institute of Telecommunications TU-Wien 9..25 Bitte beachten Sie: Die Dauer dieser Klausur beträgt zwei Zeitstunden.
MehrFachprüfung. Nachrichtencodierung
Fachprüfung Nachrichtencodierung 14. März 2006 Prüfer: Prof. Dr. P. Pogatzki Bearbeitungszeit: 2 Stunden Hilfsmittel: Taschenrechner, Vorlesungsscript, Übungsaufgaben Name:... Matr.-Nr.:... Unterschrift:...
MehrKlausur Lösung
Name: Matr.-Nr.: Unterschrift: Die Klausur besteht aus elf Blättern und 10 Aufgaben. ACHTUNG!!! Die Blätter dürfen NICHT getrennt werden. Das Deckblatt ist mit Angabe des Namens, Matrikelnr. und der Unterschrift
MehrLösung. H_DA Dr. Frank Fachbereich I. Unterschrift:
Name: Matr.-Nr.: Unterschrift: Die Klausur besteht aus elf Blättern und 10 Aufgaben. ACHTUNG!!! Die Blätter dürfen NICHT getrennt werden. Das Deckblatt ist mit Angabe des Namens, Matrikelnr. und der Unterschrift
Mehr3. Woche Information, Entropie. 3. Woche: Information, Entropie 45/ 238
3 Woche Information, Entropie 3 Woche: Information, Entropie 45/ 238 Informationsgehalt einer Nachricht Intuitiv: Je kleiner die Quellws, desto wichtiger oder strukturierter die Information, bzw höher
MehrSignale und Systeme I
TECHNISCHE FAKULTÄT DER CHRISTIAN-ALBRECHTS-UNIVERSITÄT ZU KIEL DIGITALE SIGNALVERARBEITUNG UND SYSTEMTHEORIE DSS Signale und Systeme I Modulklausur SS 2017 Prüfer: Prof. Dr.-Ing. Gerhard Schmidt Datum:
Mehr1 Grundlagen. 1.1 Erste Grundbegriffe 1.2 Kryptographische Systeme 1.3 Informationstheoretische Grundlagen
1 Grundlagen 1.1 Erste Grundbegriffe 1.2 Kryptographische Systeme 1.3 Informationstheoretische Grundlagen Die Überlegungen dieses Kapitels basieren auf der Informationstheorie von Shannon. Er beschäftigte
MehrInformationstheorie und Codierung Schriftliche Prüfung am 8. Mai 2006
Informationstheorie und Codierung Schriftliche Prüfung am 8. Mai 2006 Institut für Nachrichtentechnik und Hochfrequenztechnik Bitte beachten Sie: Sie dürfen das Vorlesungsskriptum, einen Taschenrechner
MehrTechnische Informatik - Eine Einführung
Martin-Luther-Universität Halle-Wittenberg Fachbereich Mathematik und Informatik Lehrstuhl für Technische Informatik Prof. P. Molitor Technische Informatik - Eine Einführung Darstellung von Zeichen und
MehrGrundlagen der Statistischen Nachrichtentheorie
- Prof. Dr.-Ing. Thomas Sikora - Name:............................ Vorname:......................... Matr.Nr:........................... Ich bin mit der Veröffentlichung des Klausurergebnisses unter meiner
MehrGrundlagen der Nachrichtentechnik
Universität Bremen Arbeitsbereich Nachrichtentechnik Prof. Dr.-Ing. A. Dekorsy Schriftliche Prüfung im Fach Grundlagen der Nachrichtentechnik Name: Vorname: Mat.-Nr.: BSc./Dipl.: Zeit: Ort: Umfang: 07.
MehrMathematik I 1. Scheinklausur
Mathematik I 1. Scheinklausur 2.12.2006 Bitte beachten Sie die folgenden Hinweise: Matrikelnummer: Bearbeitungszeit: 120 Minuten Erlaubte Hilfsmittel: Keine Bei den Aufgaben 1,2,4,5,9,und 10 wird nur die
MehrTGI-Übung Dirk Achenbach
TGI-Übung 7 06.02.2014 Dirk Achenbach INSTITUT FÜR THEORETISCHE INFORMATIK KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Agenda
Mehr2. Klausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2014/2015
2. Klausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2014/2015 Hier Aufkleber mit Name und Matrikelnummer anbringen Vorname: Nachname: Matrikelnummer: Beachten Sie: Bringen Sie
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:... VORNAME:... MAT. NR.:... Prüfung 389.53 Musterlösung B Datenkommunikation Institute of Telecommunications Görtz, Goiser, Hlawatsch, Matz, Mecklenbräuker, Rupp, Zseby TU-Wien 8.6.4 Bitte beachten
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:... VORNAME:... MAT. NR.:... Prüfung 389.53 Musterlösung A Datenkommunikation Institute of Telecommunications Görtz, Goiser, Hlawatsch, Matz, Mecklenbräuker, Rupp, Zseby TU-Wien 8.6.4 Bitte beachten
MehrGrundlagen der Statistischen Nachrichtentheorie
Grundlagen der Statistischen Nachrichtentheorie - Prof. Dr.-Ing. Thomas Sikora - Name:............................ Vorname:......................... Matr.Nr:........................... Ich bin mit der
MehrGrundlagen der Technischen Informatik. 3. Übung
Grundlagen der Technischen Informatik 3. Übung Christian Knell Keine Garantie für Korrekt-/Vollständigkeit 3. Übungsblatt Themen Aufgabe : Aufgabe 2: Aufgabe 3: Informationstheorie Huffman-Code Entropie
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:.................................... VORNAME:.................................... MAT. NR.:................................... Prüfung 389.153 A Datenkommunikation Institute of Telecommunications
MehrKlausur. Diskrete Mathematik I. Donnerstag, den um 14 Uhr
, Klausur Diskrete Mathematik I Donnerstag, den 29.02.2008 um 14 Uhr Aufgabenblätter Füllen Sie das Deckblattvollständigaus. Prüfen Sie, ob die Klausur 8 Aufgaben enthält.. Kennzeichnen Sie alle verwendeten
MehrFachprüfung. Nachrichtencodierung
Fachprüfung Nachrichtencodierung 14. Juli 2011 Prüfer: Prof. Dr. P. Pogatzki Bearbeitungszeit: 2 Stunden Hilfsmittel: Taschenrechner, Vorlesungsscript, Übungsaufgaben Name:... Matr.-Nr.:... Unterschrift:...
MehrFachprüfung. Nachrichtencodierung
Fachprüfung Nachrichtencodierung 6. August 2009 Prüfer: Prof. Dr. P. Pogatzki Bearbeitungszeit: 2 Stunden Hilfsmittel: Taschenrechner, Vorlesungsscript, Übungsaufgaben Name: Vorname: Matr.-Nr.: Unterschrift:
MehrDefinition Information I(p)
Definition Information I(p) Definition I(p) Die Information I(p) eines Symbols mit Quellws p > 0 ist definiert als I(p) = log 1 p. Die Einheit der Information bezeichnet man als Bit. DiMa II - Vorlesung
MehrSystemmodellierung. Teil Ereignisdiskrete Systeme
Prüfungsklausur Im Modul Systemmodellierung Teil Ereignisdiskrete Systeme 12. März 2018 Name: Vorname: Matrikelnummer: Zugelassene Hilfsmittel: Taschenrechner, Schreib- und Zeichenwerkzeug (kein roter
MehrKlausur. Wir wünschen Ihnen viel Erfolg! Klausur Mathematik für Informatiker und Softwaretechniker
Apl. Prof. Dr. W.-P. Düll Fachbereich Mathematik Universität Stuttgart Klausur für Studierende der Fachrichtungen inf, swt Bitte unbedingt beachten: Bitte beschriften Sie jeden Ihrer Zettel mit Namen und
Mehr2. Woche Eindeutige Entschlüsselbarleit, Sätze von Kraft und McMillan, Huffmancodierung
2 Woche Eindeutige Entschlüsselbarleit, Sätze von Kraft und McMillan, Huffmancodierung 2 Woche: Eindeutige Entschlüsselbarleit, Sätze von Kraft und McMillan, Huffmancodierung 24/ 44 Zwei Beispiele a 0
MehrEntropie. Um der Begriff der Entropie zu erläutern brauchen wir erst mal einige Definitionen, z.b.
Entropie Grundlegend für das Verständnis des Begriffes der Komprimierung ist der Begriff der Entropie. In der Physik ist die Entropie ein Maß für die Unordnung eines Systems. In der Informationstheorie
MehrBeispiel: Zeigen Sie, dass H(x) = H 0 = I gilt, wenn alle Zeichen gleichwahrscheinlich sind.
1 2 Im ersten Schritt werden wir uns mit dem Begriff und der Definition der Information beschäftigen. Ferner werden die notwendigen math. Grundlagen zur Quellencodierung gelegt. Behandelt werden Huffman,
MehrTECHNISCHE MECHANIK A (STATIK)
Probeklausur im Fach TECHNISCHE MECHANIK A (STATIK) Nr. 4 Matrikelnummer: Vorname: Nachname: Ergebnis Klausur Aufgabe: 1 2 3 4 5 6 Summe Punkte: 31 9 15 10 9 6 80 Davon erreicht Punkte: Gesamtergebnis
MehrDiskrete Mathematik II
Diskrete Mathematik II Alexander May Fakultät für Mathematik Ruhr-Universität Bochum Sommersemester 2008 DiMA II - Vorlesung 01-07.04.2008 Einführung in die Codierungstheorie, Definition Codes 1 / 36 Organisatorisches
MehrHöhere Mathematik I. Variante A
Lehrstuhl II für Mathematik Prof. Dr. E. Triesch Höhere Mathematik I WiSe 4/5 Variante A Zugelassene Hilfsmittel: Als Hilfsmittel zugelassen sind zehn handbeschriebene DinA4-Blätter (Vorder- und Rückseite
MehrDefinition Information I(p)
Definition Information I(p) Definition I(p) Die Information I(p) eines Symbols mit Quellws p > 0 beträgt I(p) = log 1 p. Die Einheit der Information bezeichnet man als Bit. DiMa II - Vorlesung 03-05.05.2009
MehrSignale und Systeme II
TECHNISCHE FAKULTÄT DER CHRISTIAN-ALBRECHTS-UNIVERSITÄT ZU KIEL DIGITALE SIGNALVERARBEITUNG UND SYSTEMTHEORIE DSS Signale und Systeme II Modulklausur WS 2015/2016 Prüfer: Prof. Dr.-Ing. Gerhard Schmidt
MehrFachhochschule Dortmund FB Informations und Elektrotechnik KLAUSUR Ingenieurmethodik / Berichte und Auswertungen
KLAUSUR Ingenieurmethodik / Berichte und Auswertungen Name: Vorname: Matr.-Nr.: Note: Datum: Beginn: 10:15 Uhr Dauer: 60 Min. Aufgabe 1 2 3 Summe max. Pkt 20 40 40 100 err. Pkt Allgemeine Hinweise: Erlaubte
MehrFormelsammlung Kanalcodierung
Formelsammlung Kanalcodierung Allgemeines Codewortlänge: N Anzahl der Informationsstellen: K Coderate: R = K/N Hamming-Distanz: D( x i, x j ) = w( x i xj ) Codedistanz: d = min D( x i, x j ); i j Fehlerkorrektur:
MehrÜbung 13: Quellencodierung
ZHAW, NTM, FS2008, Rumc, /5 Übung 3: Quellencodierung Aufgabe : Huffmann-Algorithmus. Betrachten Sie die folgende ternäre, gedächtnislose Quelle mit dem Symbolalphabet A = {A,B,C} und den Symbol-Wahrscheinlichkeiten
MehrSignale und Systeme II
TECHNISCHE FAKULTÄT DER CHRISTIAN-ALBRECHTS-UNIVERSITÄT ZU KIEL DIGITALE SIGNALVERARBEITUNG UND SYSTEMTHEORIE DSS Signale und Systeme II Modulklausur SS 2016 Prüfer: Prof. Dr.-Ing. Gerhard Schmidt Datum:
MehrMusterlösung (Stand ) zur Klausur zur Vorlesung Grundbegriffe der Informatik 4. März 2015
Musterlösung (Stand 19.3.2015) zur Klausur zur Vorlesung Grundbegriffe der Informatik 4. März 2015 Klausurnummer Nachname: Vorname: Matr.-Nr.: Diese Klausur ist mein 1. Versuch 2. Versuch in GBI Email-Adr.:
MehrTECHNISCHE MECHANIK A (STATIK)
Probeklausur im Fach TECHNISCHE MECHANIK A (STATIK) Nr. 5 Matrikelnummer: Vorname: Nachname: Ergebnis Klausur Aufgabe: 1 2 3 4 5 6 Summe Punkte: 31 7,5 17,5 9 10 5 80 Davon erreicht Punkte: Gesamtergebnis
MehrGrundlagen der Elektrotechnik B
Prof. Dr. Ing. Joachim Böcker Grundlagen der Elektrotechnik B 14.03.2012 Name: Matrikelnummer: Vorname: Studiengang: Fachprüfung Leistungsnachweis Aufgabe: (Punkte) 1 (22) 2 (24) 3 (17) 4 (17) 5 (20) Note
MehrMathematik für CT 1 1.Termin
Mathematik für CT 1 1.Termin LEISTUNGSNACHWEIS am 8.02.2016 Dr. H. Haberzettl Name: Vorname: Hinweise zur Bearbeitung: 1. Dieses Deckblatt zur Klausur ist vor Beginn der Bearbeitungszeit mit Ihrem vollständigen
MehrKlausur zur Vorlesung Höhere Mathematik I
Name: 28. Januar 2004, 8.30-10.30 Uhr Allgemeine Hinweise: Dauer der Klausur: Zugelassene Hilfsmittel: 120 min, 2 Zeitstunden Vorlesungsmitschrift, Übungen, Formelsammlung Schreiben Sie bitte auf dieses
MehrVorlesung 15a. Quellencodieren und Entropie
Vorlesung 15a Quellencodieren und Entropie 1 1. Volle Binärbäume als gerichtete Graphen und die gewöhnliche Irrfahrt von der Wurzel zu den Blättern 2 3 ein (nicht voller) Binärbaum Merkmale eines Binärbaumes:
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:... VORNAME:... MAT. NR.:... Prüfung 389.53 Musterlösung A Datenkommunikation Institute of Telecommunications TU-Wien 3.9.24 Bitte beachten Sie: Die Dauer dieser Klausur beträgt wei Zeitstunden.
MehrKlausur zur Vorlesung Höhere Mathematik II
Name: 9. Juli 2001, 11.00-13.00 Uhr Allgemeine Hinweise: Dauer der Klausur: Zugelassene Hilfsmittel: 120 min, 2 Zeitstunden Vorlesungsmitschrift(en), Formelsammlung Schreiben Sie bitte auf dieses Deckblatt
MehrHöhere Mathematik I. Variante A
Lehrstuhl II für Mathematik Prof. Dr. E. Triesch Höhere Mathematik I WiSe / Variante A Zugelassene Hilfsmittel: Als Hilfsmittel zugelassen sind handschriftliche Aufzeichnungen von maximal DinA4-Blättern.
MehrTU Berlin Nachklausur TheGI 2 Automaten und Komplexität (Niedermeier/Hartung/Nichterlein, Sommersemester 2012)
Berlin, 05. Oktober 2012 Name:... Matr.-Nr.:... TU Berlin Nachklausur TheGI 2 Automaten und Komplexität (Niedermeier/Hartung/Nichterlein, Sommersemester 2012) 1 2 3 4 5 6 7 Σ Bearbeitungszeit: 60 min.
MehrKlausur zur Vorlesung Wahrscheinlichkeitsrechnung
Name: 31. Januar 2001, 11.00-12.30 Uhr Allgemeine Hinweise: Dauer der Klausur: Zugelassene Hilfsmittel: 90 min, 1.5 Zeitstunden Skript, Vorlesungsmitschrift, Taschenrechner Schreiben Sie bitte auf dieses
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:... VORNAME:... MAT. NR.:... Prüfung 389.53 Musterlösung B Datenkommunikation Institute of Telecommunications TU-Wien 3.9.24 Bitte beachten Sie: Die Dauer dieser Klausur beträgt wei Zeitstunden.
MehrChaosSeminar - Informationstheorie
Alexander.Bernauer@ulm.ccc.de Stephanie.Wist@ulm.ccc.de 18. November 2005 Motivation schnelle Übertragung von Daten über gestörten Kanal Shannon48 Was ist Information? Information ist Abnahme von Unsicherheit
MehrKapitel 9: Informationstheorie. 2. Entropie
ZHAW, NT, FS2008, Rumc, Kapitel 9: 2-1 Kapitel 9: Informationstheorie 2. Entropie Inhaltsverzeichnis 2.1. INFORATIONSQUELLEN...2 2.2. INFORATIONSGEHALT...3 2.3. INIALE ANZAHL BINÄRE FRAGEN...5 2.4. ENTROPIE
MehrTheoretische Grundlagen der Informatik. Vorlesung am 31. Januar INSTITUT FÜR THEORETISCHE INFORMATIK
Theoretische Grundlagen der Informatik 3..29 Torsten Ueckerdt - Theoretische Grundlagen der Informatik KIT Die Forschungsuniversität in der Helmholtz-Gemeinschaft www.kit.edu Thema dieses Kapitels Informationstheorie
MehrMusterlösung der Hauptklausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2012/13
Institut für Kryptographie und Sicherheit Prof. Dr. Jörn Müller-Quade Musterlösung der Hauptklausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 22/3 Vorname Nachname Matrikelnummer
MehrNachklausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2012/13
Institut für Kryptographie und Sicherheit Prof. Dr. Jörn Müller-Quade Nachklausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2012/13 Vorname Nachname Matrikelnummer Hinweise Für
MehrA1.1: Wetterentropie. mit dem Logarithmus dualis
Abschnitt: 1.1 Gedächtnislose Nachrichtenquellen A1.1: Wetterentropie Eine Wetterstation fragt täglich verschiedene Regionen ab und bekommt als Antwort jeweils eine Meldung x zurück, nämlich x = B: Das
MehrInformatik II, SS 2018
Informatik II - SS 28 (Algorithmen & Datenstrukturen) Vorlesung 22 (6.7.28) Greedy Algorithmen II (Datenkompression) Algorithmen und Komplexität Datenkompression Reduziert Größen von Files Viele Verfahren
MehrLösungsvorschläge zu Blatt Nr. 13
Institut für Algorithmen und Kognitive Systeme Dr. Jörn Müller-Quade Carmen Kempka Christian Henrich Nico Döttling Vorlesung Informatik III Lösungsvorschläge zu Blatt Nr. Aufgabe (K ( Punkte Gegeben ist
MehrInformationsgehalt einer Nachricht
Informationsgehalt einer Nachricht Betrachten folgendes Spiel Gegeben: Quelle Q mit unbekannten Symbolen {a 1, a 2 } und p 1 = 0.9, p 2 = 0.1. Zwei Spieler erhalten rundenweise je ein Symbol. Gewinner
MehrGrundlagen der Statistischen Nachrichtentheorie
- Prof. Dr.-Ing. Thomas Sikora - Name:............................ Vorname:......................... Matr.Nr:........................... Ich bin mit der Veröffentlichung des Klausurergebnisses unter meiner
MehrKlausur Mathematik. Note:
Fachhochschule Südwestfalen Fachhochschule Münster Hochschule Bochum Verbundstudiengang Wirtschaftsingenieurwesen Hochschule Bochum Hochschule für Technik und Wirtschaft Klausur Mathematik Datum: 18.09.2010
MehrKlausur im Lehrgebiet. Signale und Systeme. - Prof. Dr.-Ing. Thomas Sikora - Name:... Bachelor ET Master TI Vorname:... Diplom KW Magister...
Signale und Systeme - Prof. Dr.-Ing. Thomas Sikora - Name:............................ Bachelor ET Master TI Vorname:......................... Diplom KW Magister.............. Matr.Nr:..........................
MehrKlausur zur Vorlesung Wahrscheinlichkeitsrechnung
Name: 1. Februar 2002, 8.30-10.00 Uhr Allgemeine Hinweise: Dauer der Klausur: Zugelassene Hilfsmittel: 90 min, 1.5 Zeitstunden Skript, Vorlesungsmitschrift, Taschenrechner Schreiben Sie bitte auf dieses
Mehr3 Codierung diskreter Quellen. Quelle Quellcodierer Kanalcodierer reduziert die benötigte Datenmenge. fügt Daten zur Fehlerkorrektur ein.
3 Codierung diskreter Quellen 3 Einführung 32 Ungleichmäßige Codierung 33 Präfix-Codes 34 Grenzen der Code-Effizienz 35 Optimal-Codierung 3 Zusammenfassung < 24 / 228 > 3 Codierung diskreter Quellen Quelle
MehrOrganisation. Was kommt zum Test? Buch Informatik Grundlagen bis inkl. Kapitel 7.4 Wissensfragen und Rechenbeispiele
Organisation Was kommt zum Test? Buch Informatik Grundlagen bis inkl Kapitel 74 Wissensfragen und Rechenbeispiele 3 Vorträge zur Übung Informationstheorie, Huffman-Codierung und trennzeichenfreie Codierung
MehrZusatzübung zur Theoretischen Informationstechnik
Lehrstuhl für Theoretische Informationstechnik Zusatzübung zur Theoretischen Informationstechnik Prof. Dr. Anke Schmeink, Martijn Arts, Fabian Altenbach, Christoph Schmitz 14.03.2013 TI I: Aufgabe 1-4
MehrMusterlösung zur Hauptklausur Theoretische Grundlagen der Informatik Wintersemester 2013/14
Institut für Theoretische Informatik Prof. Dr. Jörn Müller-Quade Musterlösung zur Hauptklausur Theoretische Grundlagen der Informatik Wintersemester 23/4 Vorname Nachname Matrikelnummer Hinweise Für die
MehrFachprüfung AI / TI / MI Mathematik 1 Prof. Dr. Wolfgang Konen, Dr. A. Schmitter FH Köln, Institut für Informatik
Fachprüfung AI / TI / MI Mathematik 1 Name: Vorname: Matr.-Nr.: Unterschrift: Klausurdauer: 60 min. Hilfsmittel: Formelsammlung Mathematik Rezepte Mathe 1+2 nicht-grafikfähiger Taschenrechner Hinweise:
MehrKlausur zur Vorlesung Technische Informatik 1 im WS 06/07 Donnerstag, den von Uhr Uhr, HS 5
Philipps-Universität Marburg Fachbereich Mathematik und Informatik AG Verteilte Systeme http://ds.informatik.uni-marburg.de Prof. Dr. Helmut Dohmann Prof. Dr. Bernd Freisleben Klausur zur Vorlesung Technische
MehrKlausur Wirtschafts- und Finanzmathematik
Vorname: Nachname: Matrikel-Nr.: Studiengang: Versuch Nr.: Klausur Wirtschafts- und Finanzmathematik Prüfer Burkart, Etschberger, Jansen Prüfungsdatum 11. Juli 2017 Prüfungsort Augsburg Studiengang IM
MehrMathematik für Wirtschaftsinformatiker
UNIVERSITÄT SIEGEN Prof. Dr. Alfred Müller 12. Februar 2009 Klausuraufgaben Mathematik für Wirtschaftsinformatiker Beachten Sie folgende Hinweise: (1) Überprüfen Sie Ihr Exemplar auf Vollständigkeit! Die
MehrGrundlagen der Nachrichtentechnik
Universität Bremen Arbeitsbereich Nachrichtentechnik Prof. Dr.-Ing. A. Dekorsy Schriftliche Prüfung im Fach Grundlagen der Nachrichtentechnik Name: Vorname: Mat.-Nr.: BSc./Dipl.: Zeit: Ort: Umfang: 07.
MehrFachbereich 5 Wirtschaftswissenschaften Univ.-Prof. Dr. Jan Franke-Viebach
Universität Siegen Fachbereich 5 Wirtschaftswissenschaften Univ.-Prof. Dr. Jan Franke-Viebach Klausur Reale Außenwirtschaftstheorie und -politik Sommersemester 2004 (2. Prüfungstermin) Bearbeitungszeit:
MehrHöhere Mathematik I. Variante A
Lehrstuhl II für Mathematik Prof Dr E Triesch Prof Dr O Sander Höhere Mathematik I WiSe / 4 Variante A Zugelassene Hilfsmittel: Als Hilfsmittel zugelassen sind zehn handbeschriebene DinA4-Blätter (Vorder-
MehrHöhere Mathematik I. Variante D
Lehrstuhl II für Mathematik Prof Dr E Triesch Prof Dr O Sander Höhere Mathematik I WiSe / 4 Variante D Zugelassene Hilfsmittel: Als Hilfsmittel zugelassen sind zehn handbeschriebene DinA4-Blätter (Vorder-
MehrHöhere Mathematik I. Variante A
Prof. Dr. E. Triesch Höhere Mathematik I SoSe 06 Variante A Hinweise zur Bearbeitung: Benutzen Sie zur Beantwortung aller Aufgaben ausschließlich das in der Klausur ausgeteilte Papier! Es werden nur die
MehrKomplexität von Algorithmen Musterlösungen zu ausgewählten Übungsaufgaben
Dieses Dokument soll mehr dazu dienen, Beispiele für die formal korrekte mathematische Bearbeitung von Aufgaben zu liefern, als konkrete Hinweise auf typische Klausuraufgaben zu liefern. Die hier gezeigten
MehrNachklausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2013/14
Institut für Theoretische Informatik Prof. Dr. Jörn Müller-Quade Nachklausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2013/14 Vorname Nachname Matrikelnummer Hinweise Für die
MehrModul-Abschlussklausur zum. C-Modul Nr Supply Chain Management. Datum: Unterschrift des Prüfers
FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT MATRIKELNUMMER Name: Vorname: Unterschrift: Modul-Abschlussklausur zum C-Modul Nr. 32551 Supply Chain Management Termin:, 14 00 16 00 Uhr Prüfer: Prof. Dr. Dr. h.c.
MehrTECHNISCHE MECHANIK A (STATIK)
Probeklausur im Fach TECHNISCHE MECHANIK A (STATIK) Nr. 3 Matrikelnummer: Vorname: Nachname: Ergebnis Klausur Aufgabe: 1 2 3 4 5 6 Summe Punkte: 31 5,5 15,5 10,5 11,5 6 80 Davon erreicht Punkte: Gesamtergebnis
MehrHöhere Mathematik I HM I A. WiSe 2014/15. Variante A
Lehrstuhl II für Mathematik Prof. Dr. E. Triesch Höhere Mathematik I WiSe 4/ Variante A Zugelassene Hilfsmittel: Als Hilfsmittel zugelassen sind zehn handbeschriebene DinA4-Blätter (Vorder- und Rückseite
MehrFachhochschule Dortmund FB Informations und Elektrotechnik KLAUSUR LN/FP Sensortechnik/Applikation
KLAUSUR LN/FP Sensortechnik/Applikation Name: Matr.-Nr.: Vorname: Note: Datum: Beginn: 8:15 Uhr Dauer: 120 Min. Aufgabe 1 2 3 4 Summe max. Pkt 28 12 25 24 89 err. Pkt Allgemeine Hinweise: Erlaubte Hilfsmittel:
MehrKlausur im Lehrgebiet. Signale und Systeme. - Prof. Dr.-Ing. Thomas Sikora -
Signale und Systeme - Prof. Dr.-Ing. Thomas Sikora - Name:............................ Bachelor ET Master TI Vorname:......................... Diplom KW Magister... Matr.Nr:.......................... Erasmus
MehrInformationstheorie und Codierung
Informationstheorie und Codierung Organisation / Einleitung Vorlesung: Do 17:00 Uhr, Sr K 2002B Seminar: Mi (G) 15:00 Uhr, Sr H 1510 Abschluss: mdl. Prüfung Kontakt - Vorlesung Dr.-Ing. Maik Debes Fakultät
Mehr