1. Probabilistisches Sprachmodell - Verständnisfragen
|
|
- Hede Sachs
- vor 5 Jahren
- Abrufe
Transkript
1 . Probabilistisches Sprachmodell - Verstädisfrage (a) Defiiere Sie de Begriff eies probabilistische Sprachmodells für eie Sprache. (b) Beerte Sie die folgede Aussage als richtig oder falsch: I eiem probabilistische Sprachmodell ist die berechete Wahrscheilichkeit ei Maß für die sytaktische ud sematische Korrektheit eies Satzes. (c) Für die Berechug eies Sprachmodells solle Wort-Trigramme veredet erde. Erläuter Sie ie das probabilistische Sprachmodell eier Sprache mit Hilfe vo Trigramme berechet erde ka.
2 Lösuge a) Weise alle Folge vo Wortforme der Läge eie Wahrscheilichkeit zu d. h. P ( W = i ) für alle Folge. W ist eie Folge vo Zufallsvariable... die jeeils irgedeie Wortform des Deutsche als Wert ehme köe ud ist eie kokrete Folge vo deutsche Wortforme. Diese Folge ka auf der Grudlage der verallgemeierte Bayessche Regel berechet erde. P ( ) = P ( ) * P ( ) * P ( 3 ) *...* P ( - ) b) Falsch. Es ird die Wahrscheilichkeit berechet dass ei Satz zu eier Sprache gehört. Ei sytaktisches oder sematisches Urteil ka daraus icht direkt abgeleitet erde. Für eie korrekte Satz ka durchaus eie gerigere Wahrscheilichkeit berechet erde als für eie fehlerhafte Satz falls z.b. mehrere seier Wortforme icht im Traiigskorpus vorkame. c) Aahme dass ur die voragehede - Wortforme vo Eifluss auf die Wahrscheilichkeit der ächste Wortform sid obei = 3 ( daher tri-gram ) P (... -) = P ( - - ) P ( ) = P ( ) * P ( ) * P ( 3 ) *... * P ( -- )
3 . Probabilistisches Sprachmodell - Beispiele Ei Traiigskorpus für das Deutsche bestehe aus de Sätze () Joha gibt Marie das Mauskript. () Peter sieht dass Joha Marie das Buch gibt. (a) (b) (c) Wie groß ist die Wahrscheilichkeit dass der Satz Joha gibt Marie das Buch ei korrekter Satz des Deutsche ist? Bereche Sie die Wahrscheilichkeit mit eiem N-Gram Sprachmodell ud dem Trigramm-Modell. Ka die Eiführug vo Satzafagsmarker die Ergebisse des Trigramm- Modells verbesser? Bereche Sie die Wahrscheilichkeit des Satzes Joha gibt Marie das Buch uter Berücksichtigug folgede Geichtugsfaktore beim smoothig mittels eifacher Iterpolatio: λ = 08 (Trigramme) λ = 05 (Bigramme) λ 3 = 005 (Uigramme)
4 Lösuge a) N-Gram Modell p(joha gibt Marie das Buch) = Joha gibt Marie das Buch Korpusgrösse = 0/3 = 0 Tri-Gram Modell p(joha gibt Marie das Buch) = p(joha) * p(gibt Joha) * p(marie Joha gibt)* p(das gibt Marie) * p(buch Marie das) = Joha /alle tokes * Joha gibt / Joha * Joha gibt Marie / Joha gibt * gibt Marie das / gibt Marie * Marie das Buch / Marie das = ****/3**** = /5 =/6
5 b) Ja. Satzafagsmarker: ( ) m m Joha gibt Marie das Mauskript. ( ) m m Peter sieht dass Joha Marie das Buch gibt. Neue Berechug mit Trigramme: p(joha gibt Marie das Buch) = p(m) * p(m m) * p(joha m m) * p(gibt Joha m) * p(marie Joha gibt) * p(das gibt Marie) * p(buch Marie das) = m /alle tokes * m m / m * m m Joha / m m * m Joha gibt / m Joha * Joha gibt Marie / Joha gibt * gibt Marie das / gibt Marie * Marie das Buch / Marie das = ******/7****** = /34
6 c) Beim Smoothig durch eifache lieare Iterpolatio erde alle drei Iformatiosquelle gleichzeitig jedoch mit verschiedee Geichtugsfaktore geutzt. Statt: ( ) P ird ( ) = + + m k k P 3 λ λ λ mit = = 3 ; 0 i i i λ λ agesetzt. Die i λ sid etspreched dem Traiigskorpus festzulege. I der Regel erde sie durch Hidde-Markov-Modelle bestimmt. Der Eifluss der Trigramme sollte dabei als geaueste Iformatiosquelle über eie Wortformefolge durch eie große Geichtugsfaktor verstärkt der Eifluß der Uigramme higege durch eie kleie Geichtugsfaktor gerig gehalte erde.
7 Beispiel: P P P gibt Marie das Marie das λ + λ + λ gibt Marie Marie ( das gibt Marie) 3 ( das gibt Marie) λ / + λ / + λ / 3 3 ( das gibt Marie) 08*/ + 05* / + 005* /3 = das Korpusgröße Neue Berechug mit Geichte: p(joha gibt Marie das Buch) = p(joha m m) * p(gibt Joha m) * p(marie Joha gibt) * p(das gibt Marie) * p(buch Marie das) = { λ m m Joha / m m + λ m Joha / m + λ 3 Joha /Korpusgröße}* { λ m Joha gibt / m Joha + λ Joha gibt / Joha + λ 3 gibt /Korpusgröße}* { λ Marie das Buch / Marie das + λ das Buch / das + λ 3 Buch /Korpusgröße}* = 07
8 3. MM ud HMM Verstädisfrage a. Was uterscheidet ei HMM (Verdecktes Markov Modell) vo eier MC (Markov Kette)? b. Was ist die charakteristische Eigeschaft vo Markov Modelle? Was bedeutet -te Ordug i Bezug auf Markov Modelle? c. Welchem Typ vo geichtete abstrakte Automate etspricht ei Markov Modell? Wie hoch ist demetspreched die asymptotische Laufzeit (Zeitkomplexität) für das Wortproblem gegebe ei Wort der Läge? (Zur Erierug: beim Wortproblem gilt es zu etscheide ob ei vorgegebees Wort über eiem gegebee Alphabet vom Automate akzeptiert ird)
9 Lösuge 3a) hidde bedeutet verdeckt ud bezieht sich auf die Folge der Zustäde. Im Falle eies HMM sid mehrere Zustadsfolge möglich die dieselbe Folge beobachteter Symbole geeriere. MC sid ei Spezialfall vo HMM o eie gegebee Folge beobachteter Symbole die Folge vo Zustäde eideutig festlegt. 3b) Markov Modelle zeiche sich durch die Markov Eigeschaft aus: Ei Zustad (uabh. davo ob verdeckt HMM oder eideutig bestimmbar MC) hägt ur vo eier edliche Azahl vorageheder Zustäde ab (Kausalität). Die Azahl vorageheder Zustäde k vo dee der Prozess abhägt bestimmt die Ordug des Modells mit =k+. 3c) (Geichteter) edlicher Automat (FSA) Typ 3. Damit ist die Zeitkomplexität für das Wortproblem midestes O()=. (Folglich ist der Viterbi-Algorithmus optimal da desse Laufzeit ur liear mit ächst)
10 4. MM ud HMM Beispiele Betrachte Sie das Markov-Modell i der folgede Abbildug ud bestimme Sie die Wahrscheilichkeit der Symbolfolge baab. Start a: 04 b: 06 aa a: 07 ab a: 045 b: 03 ba b: 055 bb a: 0 b: 09
11 Lösug Atort: 034 (06 * 045 * 07 * 06)
12 5. Weiteres Beispiel Erbgutiformatio (Geom) ird i eier Sprache über eiem Alphabet X vo (Nukleo)base gebildet das aus ur vier Zustäde besteht: X={A für Adei G für Guai C für Cytosi T für Thymi}. Gegebe seie die drei Traiigsfolge C T C A G T C G G C A G C C A A G C C A G G C C T G C A C T (a) Wie hoch ist die Auftrittsahrscheilichkeit für die Base Thymi? (b) Wie hoch ist die (bedigte!) Auftrittsahrscheilichkeit für die Base Thymi e bekat ist dass die vorherige Base Guai ar? (c) Ei Bigramm Sprachmodell ordet eiem Satz (... ) eie Wahrscheilichkeitsert q zu der sich aus dem Produkt der Übergagsahrscheilichkeite ergibt. Sei ei Bigrammodell traiiert auf de gegebee Traiigsdate obei eie Nukleobase eiem Wort etspricht. Wie hoch ist die Wahrscheilichkeit für die Folge (... 7 ) = A A C C A G C?
13 Lösug a) Wie hoch ist die Auftrittsahrscheilichkeit für die Base Thymi? Atort: p(b=t) = 4/30 = /5 b) Wie hoch ist die (bedigte!) Auftrittsahrscheilichkeit für die Base Thymi e bekat ist dass die vorherige Base Guai ar? Atort: p(b=t B'=G) = /8 c) Ei Bigramm Sprachmodell ordet eiem Satz (... ) eie Wahrscheilichkeitsert q zu der sich aus dem Produkt der Übergagsahrscheilichkeite ergibt. Sei ei Bigrammodell traiiert auf de gegebee Traiigsdate obei eie Nukleobase eiem Wort etspricht. Wie hoch ist die Wahrscheilichkeit für die Folge (... 7 ) = A A C C A G C? Atort: q( A A C C A G C ) = p(a Satzafag ) * p(a A) * p(c A) * p(c C) * p(a C) * p(g A) * p(c G) * p( Satzede C) = /3 * /6 * /6 * 3/ * 4/ * 3/6 * 5/8 * /3 = /3*/3 * /6*/6 */ *5/8 = 5 / (9*36*6) = 5/(34*6) = 5/(648*8) = 5/(96*4) = 5/ (59*) = 5/584 ~ /000 ~ 0.00
Linguistische Informatik
Liguistische Iformatik Gerhard Heyer Uiversität Leipzig heyer@iformatik.ui-leipzig.de Istitut für Iformatik Das klassische Verarbeitugsmodell Lexiko Grammatik Iput: atürlichsprachlicher Satz arser Output:
Mehr6. 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
MehrStrukturelle Modelle in der Bildverarbeitung Markovsche Ketten II
Strukturelle Modelle i der Bildverarbeitug Markovsche Kette II D. Schlesiger TUD/INF/KI/IS Statioäre Verteilug Verborgee Markovsche Kette (HMM) Erkeug stochastisches Automate D. Schlesiger SMBV: Markovsche
MehrKapitel 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
Mehr10. Testen von Hypothesen Seite 1 von 6
10. Teste vo Hypothese Seite 1 vo 6 10.1 Eiführug i das Teste vo Hypothese Eie Hypothese ist eie Vermutug bzw. Behauptug über die Wahrscheilichkeit eies Ereigisses. Mit Hilfe eies geeigete Tests (=Testverfahre)
Mehrn=0 f(x) = log(1 + x) = n=1
Potez - Reihe Machmal ist es praktisch eie Fuktio f() mir Hilfe ihrer Potezreihe auszudrücke. Eie Potezreihe um de Etwicklugspukt 0 sieht im Allgemeie so aus a ( 0 ) Fuktioe, für die eie Potezreihe eistiert,
MehrTeilaufgabe 1.0 Bei der Firma Kohl kommen morgens alle im Büro Beschäftigten nacheinander ins Großraumbüro.
mathphys-olie Abiturprüfug Berufliche Oberschule 014 Mathematik 13 Techik - B I - Lösug Teilaufgabe 1.0 Bei der Firma Kohl komme morges alle im Büro Beschäftigte acheiader is Großraumbüro. Teilaufgabe
Mehr3 Elemente der Komplexitätstheorie Definitionen und ein Beispiel Nichtdeterminismus und das P-NP-Problem... 57
Ihaltsverzeichis 1 Berechebarkeit ud Algorithme 7 1.1 Berechebarkeit................................. 7 1.1.1 LOOP/WHILE-Berechebarkeit................... 8 1.1.2 Turig-Maschie...........................
Mehr4 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
MehrKapitel VI. Einige spezielle diskrete Verteilungen
Kapitel VI Eiige spezielle diskrete Verteiluge D 6 (Hypergeometrische Verteilug) Eie Zufallsvariable X heißt hypergeometrisch verteilt, we sie folgede Wahrscheilichkeitsfuktio besitzt: M N M P ( X ) p
MehrProbeklausur. (b) Was geschieht, wenn man ein Quantenbit in einem solchen Zustand misst?
Quaterecher Witersemester 5/6 Theoretische Iformatik Uiversität Haover Dr. Matthias Homeister Dipl.-Math. Heig Schoor Probeklausur Hiweis: Diese Probeklausur ist kürzer als die tatsächliche Klausur.. a
MehrTests 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. Mit dem Unit Hydrograph (U) und gegebenen Niederschlägen (P) kann der Direktabfluss für jeden Zeitpunkt n berechnet werden. Dies erfolgt nach:
Kursuterlage zum BSc Studiegag Geographie, FSU Jea, Modul 4 Die Eiheitsgagliie, Uit Hydrograph Eiheitsgagliie (Uit Hydrograph) Defiitio der Eiheitsgagliie Die Eiheitsgagliie (egl. uit hydrograph, Sherma
Mehrn 2(a + bx i y i ) = 0 und i=1 n 2(a + bx i y i )x i = 0 i=1 gilt. Aus diesen beiden Gleichungen erhalten wir nach wenigen einfachen Umformungen
Regressio Dieser Text rekapituliert die i der Aalsis ud Statistik wohlbekate Methode der kleiste Quadrate, auch Regressio geat, zur Bestimmug vo Ausgleichsgerade Regressiosgerade ud allgemei Ausgleichpolome.
Mehr1 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
MehrKombinatorik. Systematisches Abzählen und Anordnen einer endlichen Menge von Objekten unter Beachtung vorgegebener Regeln.
Systematisches Abzähle ud Aorde eier edliche Mege vo Objekte uter Beachtug vorgegebeer Regel Permutatioe Variatioe Kombiatioe Permutatioe: Eie eieideutige (bijektive) Abbildug eier edliche Mege i sich
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Übug 6 3.03.20 Ihalt der heutige Übug Aufgabe D.7: Reche mit Zufallsvariable Erwartugswert- ud Variazoperator Statistik ud Wahrscheilichkeitsrechug
MehrEs werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.
Vo der relative Häufigkeit zur Wahrscheilichkeit Es werde 20 Schüler befragt, ob sie ei Hady besitze. Das Ergebis der Umfrage lautet: Vo 20 Schüler besitze 99 ei Hady. Ereigis E: Schüler besitzt ei Hady
MehrVorkurs Mathematik für Informatiker Folgen
Vorkurs Mathematik für Iformatiker -- 9 Folge -- 6.1.215 1 Folge: Defiitio Eie (uedliche) Folge im herkömmliche Sie etsteht durch Hitereiaderschreibe vo Zahle 1,2,3,4,5, Dabei ist die Reihefolge wichtig,
MehrWörterbuchmethoden 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
MehrK. Felten: Internet Network infrastucture Fachhochschule Kiel, Fachbereich IuE
Defiitio ach DIN4004 Als Zuverlässigkeit ( reliability ) gilt die Fähigkeit eier Betrachtugseiheit ierhalb vorgegebeer Greze dejeige durch de Awedugszweck bedigte Aforderuge zu geüge, die a das Verhalte
MehrLinguistische Informatik
Liguistische Iformatik Gerhard Heyer Uiversität Leipzig heyer@iformatik.ui-leipzig.de Istitut für Iformatik Das klassische Verarbeitugsmodell Lexiko Grammatik Iput: atürlichsprachlicher Satz Parser Output:
MehrTutoren: Jinming Lu, Konrad Schönleber
Näherugsmethode Tutore: Jimig Lu, Korad Schöleber 9.0.09 Nur weige quatemechaische Probleme (z.b. der harmoische Oszillator dieser ist jedoch oft selbst eie Näherug) lasse sich exakt löse, es ist somit
MehrTutorial 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
MehrFür eine n n-matrix A müssen wir die Gleichung. lösen. Falls (A λi) invertierbar ist, dann ist. Dann ist aber λ kein Eigenwert.
Geschlossees Leotief-Modell Ei Leotief-Modell für eie Volkswirtschaft heißt geschlosse, we der Kosum gleich der Produktio ist, d.h. we Kapitel 5 Eigewerte V x = x Es hadelt sich dabei um eie Spezialfall
MehrDas kollektive Risikomodell. 12. Mai 2009
Kirill Rudik Das kollektive Risikomodell 12. Mai 2009 4.1 Eileitug Wir betrachte i diesem Kapitel die Gesamtforderuge im Laufe eies Jahres. Beim Abschluss eies Versicherugsvertrages weiß der Versicherer
MehrGanzrationale Funktionen
Gazratioale Fuktioe 9. Defiitio gazratioaler Fuktioe Im Folgede werde ebe lieare ud quadratische Fuktioe auch solche betrachtet, bei dee die Variable i der dritte, vierte oder auch i eier och höhere Potez
MehrStochastik. Bernoulli-Experimente und Binomialverteilung. Allg. Gymnasien: ab J1 / Q1 Berufl. Gymnasien: ab Klasse 12.
Stochastik Allg. Gymasie: ab J / Q Berufl. Gymasie: ab Klasse 2 Alexader Schwarz www.mathe-aufgabe.com August 208 Aufgabe : Ist der Zufallsversuch eie Beroulli-Kette? We ja, gib die Läge ud die Trefferwahrscheilichkeit
MehrAnwendungen der Wahrscheinlichkeit II. Markovketten
Aweduge der Wahrscheilichkeit II 1. Fragestelluge Markovkette Markovkette sid ei häufig verwedetes Modell zur Beschreibug vo Systeme, dere Verhalte durch eie zufällige Übergag vo eiem Systemzustad zu eiem
MehrStatistik 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
MehrWir 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
MehrAnalysis 1, Woche 2. Reelle Zahlen. 2.1 Ordnung. Definition 2.1 Man nennt eine Ordnung für K, wenn. 1. für alle a K gilt a a (Reflexivität),
Aalysis 1, Woche 2 Reelle Zahle A1 2.1 Ordug Defiitio 2.1 Ma et eie Ordug für K, we 1. für alle a K gilt a a (Reflexivität), 2. für alle a, b K mit a b ud b a gilt a = b (Atisymmetrie), 3. für alle a,
Mehr9. Primzahltests. Problemstellung: Definition: Satz: Gegeben sei n N, n 0, gilt n P?
9. Primzahltests Problemstellug: Gegebe sei N, 0, gilt P? Vergleich mit Tabelle ( 1 0 1, 1 0 1 3 uzweckmäßig Teste alle p P mit p 1 / auf p uzweckmäßig Fermat-Test : Wähle zufällig eiige a i Z ud teste:
MehrStatistik I/Empirie I
Vor zwei Jahre wurde ermittelt, dass Elter im Durchschitt 96 Euro für die Nachhilfe ihrer schulpflichtige Kider ausgebe. I eier eue Umfrage uter 900 repräsetativ ausgewählte Elter wurde u erhobe, dass
MehrEmpirische Verteilungsfunktion
KAPITEL 3 Empirische Verteilugsfuktio 3.1. Empirische Verteilugsfuktio Seie X 1,..., X uabhägige ud idetisch verteilte Zufallsvariable mit theoretischer Verteilugsfuktio F (t) = P[X i t]. Es sei (x 1,...,
MehrAnalysis 1, Woche 2. Reelle Zahlen. 2.1 Ordnung. Definition 2.1 Man nennt eine Ordnung für K, wenn. 1. für alle a K gilt a a (Reflexivität),
Aalysis, Woche 2 Reelle Zahle A 2. Ordug Defiitio 2. Ma et eie Ordug für K, we. für alle a K gilt a a (Reflexivität), 2. für alle a, b K mit a b ud b a gilt a = b (Atisymmetrie), 3. für alle a, b, c K
MehrKreisabbildungen. 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
Mehr1.2. Taylor-Reihen und endliche Taylorpolynome
1.. aylor-reihe ud edliche aylorpolyome 1..1 aylor-reihe Wir köe eie Fuktio f() i eier Umgebug eies Puktes o gut durch ihre agete i o: t o () = f(o) + f (o) (-o) aäher: Wir sehe: Je weiter wir vo o weg
Mehr4.6 Berechnung von Eigenwerten
4.6 Berechug vo Eigewerte 4.6 Berechug vo Eigewerte I diesem Abschitt befasse wir us mit dem Eigewertproblem: zu gegebeer Matrix A R sid die Eigewerte (ud gegebeefalls Eigevektore) gesucht. Wir erier a
MehrHöhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 5. Übungsblatt
KARLSRUHER INSTITUT FÜR TECHNOLOGIE KIT Istitut für Aalysis Dr A Müller-Rettkowski Dr T Gauss WS 00/ Höhere Mathematik I für die Fachrichtuge Elektroigeieurwese, Physik ud Geodäsie Lösugsvorschläge zum
MehrDie 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
MehrWirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel
3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez 3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Beispiel: Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische
MehrLösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung
Prof. Dr. V. Schmidt WS 200/20 G. Gaiselma, A. Spettl 7.02.20 Lösugsvorschlag Probeklausur zur Elemetare Wahrscheilichkeitsrechug Hiweis: Der Umfag ud Schwierigkeitsgrad dieser Probeklausur muss icht dem
MehrBeispiel 4 (Die Urne zu Fall 4 mit Zurücklegen und ohne Beachten der Reihenfolge ) das Sitzplatzproblem (Kombinationen mit Wiederholung) Reihenfolge
1 Beispiel 4 (Die Ure zu Fall 4 mit Zurücklege ud ohe Beachte der Reihefolge ) das Sitzplatzproblem (Kombiatioe mit Wiederholug) 1. Übersicht Ziehugsmodus ohe Zurücklege des gezogee Loses mit Zurücklege
MehrKlausur vom
UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Domiik Faas Stochastik Witersemester 00/0 Klausur vom 7.0.0 Aufgabe 3+.5+.5=6 Pukte Bei eier Umfrage wurde 60 Hotelbesucher ach ihrer Zufriedeheit
MehrLösung: Datenstrukturen und Algorithmen SS17 Lösung - Klausur
Prof. aa Dr. Ir. G. Woegiger T. Hartma, D. Korzeiewski, B. Tauer Aufgabe (O-Notatio): Trage Sie i (a) (e) jeweils das Symbol o oder Θ oder ω (i Worte: klei-o oder groß-theta oder klei- Omega) i die durch
MehrStochastik: Binomialverteilung Stochastik Bernoulli-Experimente, binomialverteilte Zufallsvariablen Gymnasium ab Klasse 10
Stochastik Beroulli-Experimete, biomialverteilte Zufallsvariable Gymasium ab Klasse 0 Alexader Schwarz www.mathe-aufgabe.com November 203 Hiweis: Für die Aufgabe darf der GTR beutzt werde. Aufgabe : Ei
MehrMusterlösung für die Klausur zur Vorlesung Stochastik I im WiSe 2014/2015
Musterlösug für die Klausur zur Vorlesug Stochastik I im WiSe 204/205 Teil I wahr falsch Aussage Gilt E[XY ] = E[X]E[Y ] für zwei Zufallsvariable X ud Y mit edlicher Variaz, so sid X ud Y uabhägig. Für
MehrEs gibt verschiedene Möglichkeiten eine Folge zu definieren. Die zwei häufigsten Methoden
Folge ud Reihe Folge Eie Folge ist eie Abbildug der atürliche Zahle N = {0, 1,,...} i die Mege der (zumidest i de meiste Fälle) reelle Zahle R. I diesem Fall ka ma sich eie Folge als Pukte i eiem Koordiatesystem
MehrVl Statistische Prozess und Qualitätskontrolle und Versuchsplanung Übung 3
Vl Statistische Prozess ud Qualitätskotrolle ud Versuchsplaug Übug 3 Aufgabe ) Die Schichtdicke X bei eier galvaische Beschichtug vo Autoteile sei ormalverteilt N(μ,σ ). 4 Teile werde galvaisch beschichtet.
MehrLösungsskizzen Mathematik für Informatiker 6. Aufl. Kapitel 4 Peter Hartmann
Lösugssizze Mathemati für Iformatier 6. Aufl. Kapitel 4 Peter Hartma Verstädisfrage 1. We Sie die Berechug des Biomialoeffiziete mit Hilfe vo Satz 4.5 i eiem Programm durchführe wolle stoße Sie schell
MehrÜbung zur Vorlesung PC I Chemische Thermodynamik B.Sc. Blatt 8
Übug zur Vorlesug PC I Chemische Thermodyamik B.Sc. Blatt 8 1. Bereche Sie die Äderug des Schmelzpukts vo Bezol pro Atmosphäre Druckäderug. Der Normalpukt vo Bezol ist 5,5 C, die Dichte vo flüssigem Bezol
MehrGrenzwert. 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.
Mehr9. Diskrete Zufallsvariable, Wahrscheinlichkeitsverteilung, Erwartungswert, Varianz
44 9. Diskrete Zufallsvariable, Wahrscheilichkeitsverteilug, Erwartugswert, Variaz Bei Zufallsversuche iteressiere oft icht die Ergebisse selbst, soder Zahle, die de mögliche Ergebisse des Zufallsversuchs
Mehrund wird als n-dimensionaler (reeller) Vektorraum bezeichnet. heißt der von v 1,..., v k aufgespannte Unterraum des R n.
Reeller Vektorraum Kapitel Vektorräume Die Mege aller Vektore x mit Kompoete bezeiche wir mit x R =. : x i R, i x ud wird als -dimesioaler (reeller) Vektorraum bezeichet. Defiitio Ei Vektorraum V ist eie
MehrLösungen 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
MehrProf. Dr. Wolfgang Konen Mathematik 1, WS Wozu InformatikerInnen Folgen brauchen
Prof. Dr. Wolfgag Koe Mathematik WS0 0.0.0. Zahlefolge.. Wozu IformatikerIe Folge brauche Kovergez vo Folge ist die Grudlage der Aalysis (Differetial- ud Itegralrechug) Traszedete Gleichuge wie l x 50
MehrElemente der Mathematik - Winter 2016/2017
4 Elemete der Mathemati - Witer 201/2017 Prof. Dr. Peter Koepe, Regula Krapf Übugsblatt 8 Aufgabe 33 ( Pute). Beweise Sie folgede Idetitäte durch vollstädige Idutio: (a) 0 2 (1)(21), N. (b) 2 (1 1 ) 1
MehrQuantenmechanik I. Musterlösung 12.
Quatemechaik I. Musterlösug 1. Herbst 011 Prof. Reato Reer Übug 1. Ster-Gerlach (19). Ei Strahl aus ugeladee Teilche mit Spi s = 1 läuft etlag der x-achse ud durchquert ei i z-richtug stark ihomogees Magetfeld.
MehrLerneinheit 2: Grundlagen der Investition und Finanzierung
Lereiheit 2: Grudlage der Ivestitio ud Fiazierug 1 Abgrezug zu de statische Verfahre Durchschittsbetrachtug wird aufgegebe Zeitpukt der Zahlugsmittelbewegug explizit berücksichtigt exakte Erfassug der
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Dr. Joche Köhler 9.04.008 Äderug Übugsstude Statistik ud Wahrscheilichkeitsrechug Die Gruppe vo Markus trifft sich am Doerstag statt im HCI D zusamme mit der Gruppe
MehrSo lösen Sie die Gleichung für den Korrelationskoeffizienten
8. Lieare Regressio 8.1. Die Methode der kleiste Quadrate Regressiosgerade bzw. Ausgleichsgerade sid eie Auswertug vo statistische Messdate. Dabei sid Datepukte ( x 1, y 1 ),( x 2, y 2 ), ( x, y ) gegebe.
Mehr3 Grenzwerte. 3.1 Grenzwerte von Folgen
03-grezwerte.cdf 3 Grezwerte 3. Grezwerte vo Folge Kovergez Mache Folge zeige ei spezielles Verhalte, we der Idex sehr groß wird. Sie äher sich eier bestimmte Zahl. Betrachte wir zum Beispiel die Folge
MehrLösungsskizzen Mathematik für Informatiker 5. Aufl. Kapitel 3 Peter Hartmann
Lösugsskizze Mathematik für Iformatiker 5. Aufl. Kapitel 3 Peter Hartma Verstädisfrage. Ka ma ei Axiom beweise? Nei!. Ka ei Beweis eier Aussage richtig sei, we im Iduktiosschluss die Iduktiosaahme icht
MehrWirksamkeit, Effizienz
3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue
MehrAufgaben zu Kapitel 2
2 Sei a R ud seie a ud a Iverse vo a Da ist a = a = a ( aa ) = ( a a)a = a = a 22 Wege Aufgabe 4 bleibt lediglich (R2) ud (R3) zu zeige (R2): Die Multipliatio ist offebar assoziativ Das Eiselemet ist die
MehrKapitel 10. Rekursion
Eiführug i die Iformatik: Programmierug ud Software-Etwicklug, WS 1/14 1 Kapitel 10 Rekursio Rekursio Eiführug i die Iformatik: Programmierug ud Software-Etwicklug, WS 1/14 Ziele Das Prizip der rekursive
Mehr7.2 Grundlagen der Wahrscheinlichkeitsrechnung
7.2 Grudlage der Wahrscheilichkeitsrechug Ei Ereigis heißt i Bezug auf eie Satz vo Bediguge zufällig, we es bei der Realisierug dieses Satzes eitrete ka, aber icht ubedigt eitrete muss. Def. 7.2.: Ei Experimet
MehrEinführung in die Wahrscheinlichkeitstheorie Lösungen zum Wiederholungsblatt
TUM, Zetrum Mathematik Lehrstuhl für Mathematische Physik WS 23/4 Prof. Dr. Silke Rolles Thomas Höfelsauer Felizitas Weider Eiführug i die Wahrscheilichkeitstheorie Lösuge zum Wiederholugsblatt Aufgabe
Mehr4 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
MehrAuszüge der nichtparametrischen Statisik
Empirische Wirtschaftsforschug - 1 - Auszüge der ichtparametrische Statisik Kapitel 1: Räge ud lieare Ragstatistike Aahme, Defiitioe ud Eigeschafte (1.1) Aahme: (a) (b) Die Date x 1,, x sid midestes ordial.
MehrSeminar: Randomisierte Algorithmen Routenplanung in Netzwerken
Semiar: Radomisierte Algorithme Routeplaug i Netzwerke Marie Gotthardt 3. Oktober 008 Ihaltsverzeichis 1 Routeplaug i Netzwerke 1.1 Laufzeit eies determiistische Algorithmus'................ 1. Radomisierter
MehrKryptologie: Kryptographie und Kryptoanalyse Kryptologie ist die Wissenschaft, die sich mit dem Ver- und Entschlüsseln von Informationen befasst.
Krytologie: Krytograhie ud Krytoaalyse Krytologie ist die Wisseschaft, die sich mit dem Ver- ud Etschlüssel vo Iformatioe befasst. Beisiel Iteretkommuikatio: Versiegel (Itegrität der Nachricht) Sigiere
MehrWirksamkeit, Effizienz
3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue
Mehr4.1 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
MehrVl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5
Vl Statistische Prozess- ud Qualitätskotrolle ud Versuchsplaug Übug 5 Aufgabe ) Sei p = P(A) die Wahrscheilichkeit für ei Ereigis A, dh., es gilt 0 p. Bereche Sie das Maximum der Fuktio f(p) = p(-p). Aufgabe
MehrStarke und schwache Einwegfunktionen
Starke ud schwache Eiwegfuktioe Daiela Weiberg weiberg@iformatik.hu-berli.de Semiar: Perle der theoretische Iformatik Dozete: Prof. Johaes Köbler, Olaf Beyersdorff Witersemester 2002/2003 2. Dezember 2002
MehrTECHNISCHE 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
MehrEinführung in die Stochastik 10. Übungsblatt
Eiführug i die Stochastik. Übugsblatt Fachbereich Mathematik SS M. Kohler.7. A. Fromkorth D. Furer Gruppe ud Hausübug Aufgabe 37 (4 Pukte) Ei Eremit am Südpol hat sich für die eibrechede polare Nacht mit
MehrDiskrete Zufallsvariablen
Erste Beispiele diskreter Verteiluge Diskrete Zufallsvariable Beroulli-Verteilug Eie diskrete Zufallsvariable heißt beroulliverteilt mit arameter p, falls sie die Wahrscheilichkeitsfuktio p,, f ( ) ( )
MehrFolgen und Reihen. 23. Mai 2002
Folge ud Reihe Reé Müller 23. Mai 2002 Ihaltsverzeichis 1 Folge 2 1.1 Defiitio ud Darstellug eier reelle Zahlefolge.................. 2 1.1.1 Rekursive Defiitio eier Folge......................... 3 1.2
Mehr( ), der genau auf der Geraden ( ) 2 ( ) #( ) 8. Lineare Regression. = f i. Nach der Summe der kleinsten. mx i
8. Lieare Regressio 8.1. Die Methode der kleiste Quadrate Regressiosgerade bzw. Ausgleichsgerade sid eie Auswertug vo statistische Messdate. Ziel dieses Verfahres ist es, Beziehuge zwische zwei Merkmale
MehrPraktikum Vorbereitung Fertigungsmesstechnik Statistische Qualitätskontrolle
Praktikum Vorbereitug Fertigugsmesstechik Statistische Qualitätskotrolle Bei viele Erzeugisse ist es icht möglich jedes Werkstück zu prüfe, z.b.: bei Massefertigug. Hier ist es aus ökoomische Grüde icht
Mehr3 T (d 1, l 2. ) + (6 + 2) falls d > 0 7 sonst. n 2. 4T ( n 2 ) + log 2 (n), falls n > 1 1, sonst
für Iformatik Modellierug ud Verifikatio vo Software Prof. aa Dr. Ir. Joost-Pieter Katoe Datestrukture ud Algorithme SS5 Lösug - Übug 3 Christia Dehert, Friedrich Gretz, Bejami Kamiski, Thomas Ströder
MehrTests für beliebige Zufallsvariable
Kapitel 10 Tests für beliebige Zufallsvariable 10.1 Der Chi-Quadrat-Apassugstest Sei x eie gaz beliebige Zufallsvariable, dere Dichtefuktio icht oder icht geau bekat ist. Beispiel: Es seie z.b. mittels
Mehr4. Reihen Definitionen
4. Reihe 4.1. Defiitioe Addiere wir die Glieder eier reelle Zahlefolge (a k ), so heißt diese Summe S (uedliche) (Zahle-) Reihe S (Folge: Fuktio über N; Reihe: 1 Zahl): S := a 1 + a 2 + a 3 +... := Σ a
MehrR. Brinkmann Seite
R. Brikma http://brikma-du.de Seite 1.0.014 Lösuge zur Biomialverteilug I Ergebisse: E1 E E E4 E E E7 Ergebis Ei Beroulli-Experimet ist ei Zufallsexperimet, das ur zwei Ergebisse hat. Die Ergebisse werde
MehrInformatik II Dynamische Programmierung
lausthal Iformatik II Dyamische Programmierug. Zachma lausthal Uiversity, ermay zach@i.tu-clausthal.de Zweite Techik für de Algorithmeetwurf Zum Name: "Dyamische " hat ichts mit "Dyamik" zu tu, soder mit
MehrHöhere Analysis. Lösungen zu Aufgabenblatt 6. Die Funktion f sei auf ( π, π] definiert durch f(x) = x und wird 2π-periodisch fortgesetzt.
Fachbereich Iformatik Sommersemester 8 Prof. Dr. Peter Becker Höhere Aalysis Lösuge zu Aufgabeblatt 6 Aufgabe (Fourierreihe) 3+5 Pukte Die Fuktio f sei auf (, π] defiiert durch f(x) x ud wird π-periodisch
MehrDr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren
Dr. Jürge Seger INDUKTIVE STATISTIK Wahrscheilichkeitstheorie, Schätz- ud Testverfahre ÜBUNG 9 - LÖSUNGEN. Ziehug vo Kugel aus eier Ure a. Die Zahl der Permutatio der Kugel, die aus Klasse utereiader gleicher
MehrMathematik 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,
MehrThermodynamik von Legierungen
Thermodyamik vo Legieruge Ei System verädert sich solage, bis es das thermodyamische Gleichgewicht erreicht hat, wobei die Eistellug des Gleichgewichtes kietisch möglich sei muß. Das thermodyamische Gleichgewicht
MehrEigenwertproblem 1. Das Eigenwertproblem
Eigewertproblem Das Eigewertproblem L Germa, R Grisch, N Ghielmetti, D Graata 504007 Eigewertproblem Eigewerte Eie Zahl heisst Eigewert der Matrix, falls es eie Vektor x 0 gibt, so dass x x Die Matrix
MehrKapitel 11. Rekursion
Eiführug i die Iformatik: Programmierug ud Software-Etwicklug, WS 16/17 Kapitel 11 Rekursio Rekursio 1 Eiführug i die Iformatik: Programmierug ud Software-Etwicklug, WS 16/17 Ziele Das Prizip der rekursive
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik ud Wahrscheilichkeitsrechug Statistik ud Wahrscheilichkeitsrechug Dr. Joche Köhler Statistik ud Wahrscheilichkeitsrechug Testatprüfug am Doerstag 5.Mai Wa? Doerstag, 5. Mai, 8:00 Uhr Dauer der
MehrÜbungsblatt Folgen, Reihen, Finanzmathematik
Tutorium zu Mathematik für WFB Übugsblatt Folge, Reihe, Fiazmathematik Aufgabe (Grezwerte vo Folge) Bestimme Sie die Grezwerte der Folge ( ), N 4 b) c) d) e) si( ) f) a () g) a cos( ) Aufgabe (4 ) 4 b)
MehrKapitel 2: Stochastische Prozesse. Copyright M. Gross, ETH Zürich 2006, 2007
Kaitel 2: Coyright M. Gross, ETH Zürich 2006, 2007 Bedigte Verteiluge Ebeso a die Verbudwahrscheilicheit vo Zufallsvariable über bedigte Wahrscheilicheite ausgedrüct werde i i,, i,, Wiederum ommt eie Produtregel
MehrTeil VII : Zeitkomplexität von Algorithmen
Teil VII : Zeitkomplexität vo Algorithme 1. Algorithme ud ihr Berechugsaufwad. Aufwadsabschätzug Wachstum vo Fuktioe 3. Aufwad vo Suchalgorithme K. Murma, H. Neuma, Fakultät für Iformatik, Uiversität Ulm,
Mehr