1 Commits

Author SHA1 Message Date
51718e4749 Use new CEL latex template 2025-10-20 11:32:18 +02:00
11 changed files with 298 additions and 1066 deletions

4
.gitignore vendored
View File

@@ -1,5 +1 @@
build/
src/*/.latexmkrc
src/*/lib
src/*/src

View File

@@ -6,7 +6,6 @@ RUN apt update -y && apt upgrade -y
RUN apt install make texlive latexmk texlive-pictures -y
RUN apt install texlive-publishers texlive-science texlive-fonts-extra texlive-latex-extra -y
RUN apt install biber texlive-bibtex-extra -y
RUN apt install texlive-lang-german -y
RUN apt install python3 python3-pygments -y

View File

@@ -1,21 +1,8 @@
PRESENTATIONS := $(patsubst src/%/presentation.tex,build/presentation_%.pdf,$(wildcard src/*/presentation.tex))
HANDOUTS := $(patsubst build/presentation_%.pdf,build/presentation_%_handout.pdf,$(PRESENTATIONS))
all:
mkdir -p build/build
.PHONY: all
all: $(PRESENTATIONS) $(HANDOUTS)
build/presentation_%.pdf: src/%/presentation.tex build/prepared
TEXINPUTS=./lib/cel-slides-template-2025:$$TEXINPUTS latexmk $<
mv build/presentation.pdf $@
build/presentation_%_handout.pdf: src/%/presentation.tex build/prepared
TEXINPUTS=./lib/cel-slides-template-2025:$$TEXINPUTS latexmk -pdflatex='pdflatex %O "\def\ishandout{1}\input{%S}"' $<
mv build/presentation.pdf $@
build/prepared:
mkdir -p build
touch build/prepared
.PHONY: clean
TEXINPUTS=./lib/cel-slides-template-2025:$$TEXINPUTS latexmk src/template/presentation.tex
mv build/presentation.pdf build/presentation_template.pdf
clean:
rm -rf build

View File

@@ -1,18 +0,0 @@
# WT Tutorial Presentations
This repository contains the latex source files for the WT Tutorial slides.
## Build
### Local Environment
```bash
$ make
```
### With Docker
```bash
$ docker build . -t wt-tut
$ docker run --rm -u `id -u`:`id -g` -w $PWD -v $PWD:$PWD wt-tut make
```

View File

@@ -1,525 +0,0 @@
\ifdefined\ishandout
\documentclass[de, handout]{CELbeamer}
\else
\documentclass[de]{CELbeamer}
\fi
%
%
% CEL Template
%
%
\newcommand{\templates}{preambles}
\input{\templates/packages.tex}
\input{\templates/macros.tex}
\grouplogo{CEL_logo.pdf}
\groupname{Communication Engineering Lab (CEL)}
\groupnamewidth{80mm}
\fundinglogos{}
%
%
% Custom commands
%
%
\input{lib/latex-common/common.tex}
\pgfplotsset{colorscheme/rocket}
\newcommand{\res}{src/2025-11-07/res}
% \tikzstyle{every node}=[font=\small]
% \captionsetup[sub]{font=small}
%
%
% Document setup
%
%
\usepackage{tikz}
\usepackage{tikz-3dplot}
\usetikzlibrary{spy, external, intersections}
%\tikzexternalize[prefix=build/]
\usepackage{pgfplots}
\pgfplotsset{compat=newest}
\usepgfplotslibrary{fillbetween}
\usepackage{enumerate}
\usepackage{listings}
\usepackage{subcaption}
\usepackage{bbm}
\usepackage{multirow}
\usepackage{xcolor}
\title{WT Tutorium 1}
\author[Tsouchlos]{Andreas Tsouchlos}
\date[]{7. November 2025}
%
%
% Document body
%
%
\begin{document}
\begin{frame}[title white vertical, picture=images/IMG_7801-cut]
\titlepage
\end{frame}
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\section{Struktur des Tutoriums}
\begin{frame}
\frametitle{Struktur des Tutoriums}
\begin{itemize}
\item Ziele
\begin{itemize}
\item Üben/Verstehen der Herangehensweisen Aufgaben zu lösen
\item Wiederholung der für die Aufgaben wichtigsten Teile
der Theorie
\end{itemize}
\item Struktur der Tutorien
\begin{table}
\begin{tabular}{l||c}
Abschnitt & Dauer \\\hline\hline
Aufgabe 1: Theorie Wiederholung & $\SI{10}{\minute}$ \\
Aufgabe 1: Selbstrechenphase & $\SI{20}{\minute}$ \\
Aufgabe 1: Besprechung der Lösung &
$\SI{10}{\minute}$ \\\hline
Aufgabe 2: Theorie Wiederholung & $\SI{10}{\minute}$ \\
Aufgabe 2: Selbstrechenphase & $\SI{20}{\minute}$ \\
Aufgabe 2: Besprechung der Lösung &
$\SI{10}{\minute}$ \\\hline
Zusammenfassung & $\SI{10}{\minute}$ \\
\end{tabular}
\end{table}
\end{itemize}
\end{frame}
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\section{Aufgabe 1}
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\subsection{Theorie Wiederholung}
\begin{frame}{Ereignisse \& Laplace}
\vspace*{-15mm}
\begin{itemize}
\item Ereignisse
\begin{columns}
\column{\kitthreecolumns}
\begin{align*}
\text{Ergebnisraum: } & \hspace{5mm} \Omega =
\mleft\{ \omega_1, \ldots, \omega_N \mright\}\\
\text{Ergebnis: } & \hspace{5mm} \omega_i\\
\text{Ereignis: } & \hspace{5mm} A \subseteq \Omega
\end{align*}
\column{\kitthreecolumns}
\begin{lightgrayhighlightbox}
Beispiel: Würfeln mit einem Würfel
\begin{align*}
\Omega &= \mleft\{ 1, \ldots, 6 \mright\}\\
A &= \mleft\{ 1, 6 \mright\}
\end{align*}\\[1em]
\vspace*{-12mm}
\end{lightgrayhighlightbox}
\begin{lightgrayhighlightbox}
Beispiel: Würfeln mit zwei Würfeln
\begin{align*}
\Omega &= \mleft\{(i,j): i,j \in \mleft\{
1,\ldots, 6 \mright\}\mright\} \\
A &= \mleft\{ (1,1),(2,2), \ldots, (6,6) \mright\}
\end{align*}
\vspace*{-12mm}
\end{lightgrayhighlightbox}
\vspace*{0mm}
\end{columns}\pause
\item Laplace'sches Zufallsexperiment
% tex-fmt: off
\begin{gather*}
\text{Voraussetzungen: }\hspace{5mm} \left\{
\begin{array}{l}
\lvert\Omega\rvert \text{ endlich}\\
P(\omega_i) = \frac{1}{\lvert\Omega\rvert}
\end{array}
\right.\\[1em]
P(A) = \frac{\lvert A \rvert}{\lvert \Omega \rvert} =
\frac{\text{Anzahl ``günstiger''
Möglichkeiten}}{\text{Anzahl Möglichkeiten}}
\end{gather*}
% tex-fmt: on
\end{itemize}
\end{frame}
\begin{frame}{Kombinationen und Hypergeometrische\\ Verteilung}
\begin{itemize}
\item Kombinationen: Ziehen ohne zurücklegen, ohne
Betrachtung der Reihenfolge
\vspace*{5mm}
\begin{columns}
\column{\kitthreecolumns}
\begin{gather*}
\lvert C_N^{(K)} \rvert = \binom{N}{K} =
\frac{N!}{(N-K)!K!}
\end{gather*}
\column{\kitthreecolumns}
\begin{lightgrayhighlightbox}
Beispiel: Wie viele mögliche Ergebnisse gibt
es beim Lotto ``6 aus 49''?
\vspace*{0mm}
\begin{align*}
\begin{array}{c}
N = 49 \\
K = 6
\end{array} \hspace{5mm} \rightarrow
\hspace{5mm} \binom{49}{6} = 13983816
\end{align*}
\vspace*{-8mm}
\end{lightgrayhighlightbox}
\end{columns}
\pause
\item Hypergeometrische Verteilung
\begin{columns}
\column{\kitthreecolumns}
\begin{gather*}
P_r = \frac{\binom{R}{r}\binom{N-R}{n-r}}{\binom{N}{n}}
\end{gather*}
\column{\kitthreecolumns}
\begin{lightgrayhighlightbox}
Beispiel: In einer Urne sind N Kugeln, davon
R rot. Wie groß ist die Wahrscheinlichkeit
beim ziehen von n Kugeln (ohne Zurücklegen)
genau r rote zu erwischen?
\end{lightgrayhighlightbox}
\end{columns}
\end{itemize}
\end{frame}
\begin{frame}{Zusammenfassung}
\begin{columns}
\column{\kitthreecolumns}
\begin{greenblock}{Laplace'sches Zufallsexperiment}%
\vspace*{-6mm}
\begin{gather*}
P(A) = \frac{\lvert A \rvert}{\lvert \Omega \rvert} =
\frac{\text{Anzahl ``günstiger''
Möglichkeiten}}{\text{Anzahl Möglichkeiten}}
\end{gather*}
\end{greenblock}
\column{\kitthreecolumns}
\begin{greenblock}{Kombinationen}%
\vspace*{-6mm}
\begin{gather*}
\lvert C_N^{(K)}\rvert = \binom{N}{K} =
\frac{N!}{(N-K)!K!}
\end{gather*}
\end{greenblock}
\end{columns}
\begin{columns}
\column{\kitonecolumn}
\column{\kitthreecolumns}
\begin{greenblock}{Hypergeometrische Verteilung}%
\vspace*{-6mm}
\begin{gather*}
P_R = \frac{\binom{R}{r}\binom{N-R}{n-r}}{\binom{N}{n}}
\end{gather*}
\end{greenblock}
\column{\kitonecolumn}
\end{columns}
\end{frame}
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\subsection{Aufgabe}
\begin{frame}
\frametitle{Aufgabe 1: Ergebnisraum \&
Hypergeometrische\\ Verteilung}
Bei einem Kartenspiel erhält ein Spieler 5 Karten aus einem Deck
von 52 Karten (bestehend aus
13 Arten mit je 4 Farben). Wie groß ist die Wahrscheinlichkeit,
dass der Spieler
% tex-fmt: off
\begin{enumerate}[a{)}]
\item mindestens ein Ass hat?
\item genau ein Ass hat?
\item mindestens zwei Karten der gleichen Art (“Paar”) hat?
\end{enumerate}
% tex-fmt: on
\end{frame}
\begin{frame}
\frametitle{Aufgabe 1: Ergebnisraum \&
Hypergeometrische\\ Verteilung}
Bei einem Kartenspiel erhält ein Spieler 5 Karten aus einem Deck
von 52 Karten (bestehend aus
13 Arten mit je 4 Farben). Wie groß ist die Wahrscheinlichkeit,
dass der Spieler
% tex-fmt: off
\begin{enumerate}[a{)}]
\item mindestens ein Ass hat?\pause
\begin{gather*}
P(\text{mindestens ein Ass}) = 1 - P(\text{kein Ass})
= 1 - \frac{\binom{4}{0}\binom{48}{5}}{\binom{52}{5}} \approx 0.341
\end{gather*}\pause\vspace*{-5mm}
\item genau ein Ass hat?\pause
\begin{gather*}
P(\text{genau ein Ass}) = \frac{\binom{4}{1}\binom{48}{4}}{\binom{52}{5}} \approx 0.299
\end{gather*}\pause
\item mindestens zwei Karten der gleichen Art (“Paar”) hat?\pause
\begin{align*}
P(\text{mindestens zwei gleiche Karten}) &= 1 - P(\text{alle Karten unterschiedlich}) \\
&= 1 - \frac{\text{Anzahl Möglichkeiten mit nur unterschiedlichen Karten}}{\text{Anzahl Möglichkeiten}}\\
&= 1 - \frac{\binom{13}{5}\cdot 4^5}{\binom{52}{5}} \approx 0.493
\end{align*}
\end{enumerate}
% tex-fmt: on
\end{frame}
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\section{Aufgabe 2}
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\subsection{Theorie Wiederholung}
\begin{frame}
\frametitle{Kombinatorik}
\vspace*{-18mm}
\begin{itemize}
\item Potenzmenge
\vspace*{-2mm}
\begin{columns}
\column{\kitfourcolumns}
\begin{align*}
\mathcal{P}\mleft( \Omega \mright) = \mleft\{ A:
A \subseteq \Omega \mright\} \hspace{10mm}
\left(\text{``Menge aller
Teilmengen von $\Omega$''}\right)
\end{align*}
\column{\kittwocolumns}
\begin{lightgrayhighlightbox}
Beispiel
\begin{gather*}
\Omega = \{ A, B, C \}
\end{gather*}%
\vspace*{-15mm}%
\begin{align*}
\mathcal{P}(\Omega) = \{ &\emptyset,
\mleft\{ A \mright\}, \mleft\{ B \mright\},
\mleft\{ C \mright\}, \mleft\{ A, B \mright\},\\
&\mleft\{ A, C \mright\},
\mleft\{ B, C \mright\}, \mleft\{ A, B, C
\mright\} \}
\end{align*}%
\vspace*{-14mm}%
\end{lightgrayhighlightbox}
\end{columns}
\vspace*{-3mm}
\item \pause Variationen und Kombinationen
\setlength\extrarowheight{2mm}
\begin{table}
\begin{tabular}{r||l|l}
& Mit Zurücklegen & Ohne Zurücklegen
\\\hline\hline Mit Reihenfolge
(\textit{Variationen}) & $\lvert
\widetilde{V}_N^{(K)} \rvert = N^K$ & $\lvert
V_N^{(K)}\rvert = \frac{N!}{(N-K)!} $ \\\hline
Ohne Reihenfolge (\textit{Kombinationen}) &
$\lvert \widetilde{C}_N^{(K)} \rvert =
\binom{N+K-1}{K} $ & $\lvert C_N^{(K)} \rvert
= \binom{N}{K} $
\end{tabular}
\end{table}
\item \pause Permutationen
\begin{columns}
\column{\kitfourcolumns}
\begin{gather*}
\Pi_N = \mleft\{ \mleft( a_1, \ldots, a_N
\mright) \in \Omega : a_i \neq a_j, i \neq j
\mright\}\\
\begin{array}{r}
\text{Alle Elemente von $\Omega$ unterscheidbar:} \\
\text{Jeweils $L_1, L_2, \ldots, L_M$ der Elemente
sind gleich:}
\end{array}
\hspace{5mm}
\begin{array}{rl}
\lvert \Pi_N \rvert &= N! \\
\lvert \Pi_N^{(L_1,
L_2, \ldots, L_M)} \rvert &=
\frac{N!}{L_1!L_2!\cdots L_M!}
\end{array}
\end{gather*}
\column{\kittwocolumns}
\begin{lightgrayhighlightbox}
Beispiel:
\begin{gather*}
\Omega = {A, B, C}\\
\Pi_N = \{ (A,B,C), (A,C,B), (B,A,C),\\
(B,C,A), (C,A,B), (C,B,A)\}
\end{gather*}
\vspace*{-14mm}%
\end{lightgrayhighlightbox}
\end{columns}
\end{itemize}
\end{frame}
\begin{frame}
\frametitle{Zusammenfassung}
\begin{columns}
\column{\kitthreecolumns}
\begin{greenblock}{Potenzmenge}
\vspace*{-6mm}
\begin{gather*}
\mathcal{P}\mleft( \Omega \mright) = \mleft\{ A:
A \subseteq \Omega \mright\}
\end{gather*}
\end{greenblock}
\column{\kitthreecolumns}
\begin{greenblock}{Permutationen}
\vspace*{-6mm}
\begin{align*}
\lvert \Pi_N \rvert &= N! \\
\lvert \Pi_N^{(L_1, L_2, \ldots, L_M)} \rvert &=
\frac{N!}{L_1!L_2!\cdots L_M!}
\end{align*}
\end{greenblock}
\end{columns}
\begin{columns}
\column{\kitonecolumn}
\column{\kitfourcolumns}
\begin{greenblock}{Variationen \& Kombinationen }
\begin{table}
\begin{tabular}{r||l|l}
& Mit Zurücklegen & Ohne Zurücklegen
\\\hline\hline Mit Reihenfolge
(\textit{Variationen}) & $\lvert
\widetilde{V}_N^{(K)} \rvert = N^K$ & $\lvert
V_N^{(K)}\rvert = \frac{N!}{(N-K)!} $ \\\hline
Ohne Reihenfolge (\textit{Kombinationen}) &
$\lvert \widetilde{C}_N^{(K)} \rvert =
\binom{N+K-1}{K} $ & $\lvert C_N^{(K)} \rvert
= \binom{N}{K} $
\end{tabular}
\end{table}
\end{greenblock}
\column{\kitonecolumn}
\end{columns}
\end{frame}
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\subsection{Aufgabe}
\begin{frame}
\frametitle{Aufgabe 2: Variationen \& Permutationen}
Aufgabe 2: Variationen \& Permutationen
Ein Burgerrestaurant bietet verschiedene Burger mit den
Zutaten Salat
(S), Käse (K), Tomate (T)
und Patty (P) an. Diese werden zufällig für die Zubereitung eines
Burgers ausgewählt.
% tex-fmt: off
\begin{enumerate}[a{)}]
\item Die Ergebnismenge sei $\Omega = \{S, K, T, P\}$. Wie lautet die
Potenzmenge $P(\Omega)$?
\item Für einen normalen Burger werden 3 der 4 möglichen Zutaten
ausgewählt und in einer
bestimmten Reihenfolge auf das Burgerbrötchen gelegt. Wie viele
verschiedene normale
Burger gibt es?
\item Ein Burger ``Spezial'' besteht ebenfalls aus 3 Zutaten. Jedoch
können Tomate und Salat
doppelt vorkommen. Wie viele verschiedene Burger „Spezial“ gibt es?
\item Der Burger „Jumbo“ enthält die folgende Menge an Zutaten: $\{S, S,
T, T, K, K, K, P, P, P\}$
die alle verwendet werden. Wie viele mögliche Belegungen des Burgers
``Jumbo'' gibt es?
\end{enumerate}
% tex-fmt: on
\end{frame}
\begin{frame}
\frametitle{Aufgabe 2: Variationen \& Permutationen}
Aufgabe 2: Variationen \& Permutationen
Ein Burgerrestaurant bietet verschiedene Burger mit den
Zutaten Salat
(S), Käse (K), Tomate (T)
und Patty (P) an. Diese werden zufällig für die Zubereitung eines
Burgers ausgewählt.
% tex-fmt: off
\begin{enumerate}[a{)}]
\item Die Ergebnismenge sei $\Omega = \{S, K, T, P\}$. Wie lautet die
Potenzmenge $P(\Omega)$?\pause
\begin{align*}
\mathcal{P}(\Omega) = \{ &\emptyset, \mleft\{ S \mright\}, \mleft\{ K \mright\}, \mleft\{ T \mright\}, \mleft\{ P \mright\},\\
&\mleft\{ S, K \mright\}, \mleft\{ S, T \mright\}, \mleft\{ S, P \mright\}, \mleft\{ K, T \mright\}, \mleft\{ K,P \mright\}, \mleft\{ T, P \mright\}, \\
&\mleft\{ S, K, T \mright\}, \mleft\{ S, K, P \mright\}, \mleft\{ S, T, P \mright\}, \mleft\{ K, T, P \mright\}, \mleft\{ S, K, T, P \mright\}\}
\end{align*}%
\item \pause Für einen normalen Burger werden 3 der 4 möglichen Zutaten
ausgewählt und in einer
bestimmten Reihenfolge auf das Burgerbrötchen gelegt. Wie viele
verschiedene normale
Burger gibt es?\pause
\begin{gather*}
\lvert V_N^{(K)} \rvert = \frac{4!}{1!} = 24
\end{gather*}
\end{enumerate}
% tex-fmt: on
\end{frame}
\begin{frame}
\frametitle{Aufgabe 2: Variationen \& Permutationen}
Aufgabe 2: Variationen \& Permutationen
Ein Burgerrestaurant bietet verschiedene Burger mit den
Zutaten Salat
(S), Käse (K), Tomate (T)
und Patty (P) an. Diese werden zufällig für die Zubereitung eines
Burgers ausgewählt.
% tex-fmt: off
\begin{enumerate}[a{)}]
\setcounter{enumi}{2}
\item Ein Burger ``Spezial'' besteht ebenfalls aus 3 Zutaten. Jedoch
können Tomate und Salat
doppelt vorkommen. Wie viele verschiedene Burger „Spezial“ gibt es?\pause
\begin{align*}
n_\text{Burger} &= n_\text{Burger,alle Unterschiedlich} + n_{\text{Burger,2}\times\text{Salat}} + n_{\text{Burger,2}\times\text{Tomate}} \\
&= 24 + 3\cdot 3 + 3\cdot 3 = 42
\end{align*}
\item \pause Der Burger „Jumbo“ enthält die folgende Menge an Zutaten: $\{S, S,
T, T, K, K, K, P, P, P\}$
die alle verwendet werden. Wie viele mögliche Belegungen des Burgers
``Jumbo'' gibt es?\pause
\begin{gather*}
\lvert \Pi_N^{L_1,L_2,L_3,L_4} \rvert = \frac{10!}{2!2!3!3!} = 25200
\end{gather*}
\end{enumerate}
% tex-fmt: on
\end{frame}
\end{document}

View File

@@ -1,500 +0,0 @@
\ifdefined\ishandout
\documentclass[de, handout]{CELbeamer}
\else
\documentclass[de]{CELbeamer}
\fi
%
%
% CEL Template
%
%
\newcommand{\templates}{preambles}
\input{\templates/packages.tex}
\input{\templates/macros.tex}
\grouplogo{CEL_logo.pdf}
\groupname{Communication Engineering Lab (CEL)}
\groupnamewidth{80mm}
\fundinglogos{}
%
%
% Custom commands
%
%
\input{lib/latex-common/common.tex}
\pgfplotsset{colorscheme/rocket}
\newcommand{\res}{src/2025-11-21/res}
% \tikzstyle{every node}=[font=\small]
% \captionsetup[sub]{font=small}
%
%
% Document setup
%
%
\usepackage{tikz}
\usepackage{tikz-3dplot}
\usetikzlibrary{spy, external, intersections, positioning}
%\tikzexternalize[prefix=build/]
\usepackage{pgfplots}
\pgfplotsset{compat=newest}
\usepgfplotslibrary{fillbetween}
\usepackage{enumerate}
\usepackage{listings}
\usepackage{subcaption}
\usepackage{bbm}
\usepackage{multirow}
\usepackage{xcolor}
\title{WT Tutorium 2}
\author[Tsouchlos]{Andreas Tsouchlos}
\date[]{21. November 2025}
%
%
% Document body
%
%
\begin{document}
\begin{frame}[title white vertical, picture=images/IMG_7801-cut]
\titlepage
\end{frame}
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\section{Aufgabe 1}
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\subsection{Theorie Wiederholung}
\begin{frame}
\frametitle{Bedingte Wahrscheinlichkeiten \& Bayes}
\vspace*{-10mm}
\begin{columns}
\column{\kitthreecolumns}
\begin{itemize}
\item Definition der bedingten Wahrscheinlichkeit
\begin{gather*}
P(A\vert B) = \frac{P(AB)}{P(B)}
\end{gather*}
\item Formel von Bayes
\begin{gather*}
P(A\vert B) = \frac{P(B\vert A) P(A)}{P(B)}
\end{gather*}
\end{itemize}
\column{\kitthreecolumns}
\begin{figure}
\centering
\begin{tikzpicture}
\node[rectangle, minimum width=8cm, minimum height=5cm,
draw, line width=1pt, fill=black!20] at (0,0) {};
\node [circle, minimum size = 4cm,
draw, line width=1pt, fill=KITgreen,
fill opacity = 0.5] at (1.25cm,0) {};
\draw[line width=1pt, fill=KITblue,
fill opacity = 0.5, rounded corners=5mm]
(-2.4cm, -2.25cm) -- (-2.4cm, 2.25cm) -- (1.1cm,0) -- cycle;
\node[left] at (4cm, 2cm) {\Large $\Omega$};
\node at (-1.8cm, 0) {$A$};
\node at (1.8cm, 0) {$B$};
\node at (0, 0) {$AB$};
\end{tikzpicture}
\end{figure}
\end{columns}
\vspace*{1cm}
\pause
\begin{columns}
\column{\kitthreecolumns}
\begin{itemize}
\item Satz der totalen Wahrscheinlichkeit
% tex-fmt: off
\begin{gather*}
\text{Voraussetzungen: }\hspace{5mm} \left\{
\begin{array}{l}
A_1, A_2, \ldots \text{ disjunkt}\\
\displaystyle\sum_{n} A_n = \Omega
\end{array}
\right.\\[1em]
P(B) = \sum_{n} P(B\vert A_n)P(A_n)\\
\end{gather*}
% tex-fmt: on
\end{itemize}
\column{\kitthreecolumns}
\begin{figure}
\centering
\begin{tikzpicture}
\newcommand{\hordist}{1.2cm}
\newcommand{\vertdist}{2cm}
\node[circle, fill=KITgreen, inner sep=0pt,
minimum size=3mm] (root) at (0, 0) {};
\node[circle, fill=KITgreen, inner sep=0pt,
minimum size=3mm, below left=\vertdist and
2.4*\hordist of root] (n1) {};
\node[circle, fill=KITgreen, inner sep=0pt,
minimum size=3mm, below right=\vertdist and
2.4*\hordist of root] (n2) {};
\node[circle, fill=KITgreen, inner sep=0pt,
minimum size=3mm, below left=\vertdist and \hordist
of n1] (n11) {};
\node[circle, fill=KITgreen, inner sep=0pt,
minimum size=3mm, below right=\vertdist and \hordist
of n1] (n12) {};
\node[circle, fill=KITgreen, inner sep=0pt,
minimum size=3mm, below left=\vertdist and \hordist
of n2] (n21) {};
\node[circle, fill=KITgreen, inner sep=0pt,
minimum size=3mm, below right=\vertdist and \hordist
of n2] (n22) {};
\draw[-{Latex}, line width=1pt] (root) -- (n1);
\draw[-{Latex}, line width=1pt] (root) -- (n2);
\draw[-{Latex}, line width=1pt] (n1) -- (n11);
\draw[-{Latex}, line width=1pt] (n1) -- (n12);
\draw[-{Latex}, line width=1pt] (n2) -- (n21);
\draw[-{Latex}, line width=1pt] (n2) -- (n22);
\node[left] at ($(root)!0.4!(n1)$) {$P(A_1)$};
\node[right] at ($(root)!0.4!(n2)$) {$P(A_2)$};
\node[left] at ($(n1)!0.4!(n11)$) {$P(B\vert A_1)$};
\node[right] at ($(n1)!0.2!(n12)$) {$P(C\vert A_1)$};
\node[left] at ($(n2)!0.6!(n21)$) {$P(B\vert A_2)$};
\node[right] at ($(n2)!0.4!(n22)$) {$P(C\vert A_2)$};
\node[below] at (n11) {$P(BA_1)$};
\node[below] at (n12) {$P(CA_2)$};
\node[below] at (n21) {$P(BA_1)$};
\node[below] at (n22) {$P(CA_2)$};
\end{tikzpicture}
\end{figure}
\end{columns}
\end{frame}
\begin{frame}
\frametitle{Zusammenfassung}
\begin{columns}
\column{\kitthreecolumns}
\begin{greenblock}{Bedingte Wahrscheinlichkeit}
\vspace*{-6mm}
\begin{gather*}
P(A\vert B) = \frac{P(AB)}{P(B)}
\end{gather*}
\end{greenblock}
\column{\kitthreecolumns}
\begin{greenblock}{Formel von Bayes}
\vspace*{-6mm}
\begin{gather*}
P(A\vert B) = \frac{P(B\vert A) P(A)}{P(B)}
\end{gather*}
\end{greenblock}
\end{columns}
\begin{columns}
\column{\kitonecolumn}
\column{\kitthreecolumns}
\begin{greenblock}{Satz der totalen Wahrscheinlichkeit}
\vspace*{-6mm}
\begin{gather*}
P(B) = \sum_{n} P(B\vert A_n)P(A_n)
\end{gather*}
\end{greenblock}
\column{\kitonecolumn}
\end{columns}
\end{frame}
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\subsection{Aufgabe}
\begin{frame}
\frametitle{Aufgabe 1: Bedingte Wahrscheinlichkeiten \\\& Bayes}
In einer Population von gelben Animationsfiguren, den Minions,
werden zwei Merkmale unterschieden: Augenzahl und Körpergröße. Es gilt:
\begin{itemize}
\item $80\%$ der Minions haben zwei Augen, $20\%$ nur eines.
\item Von den zweiäugigen Minions sind $20\%$ groß, $70\%$
mittelgroß und $10\%$ klein.
\item Von den einäugigen Minions sind $5\%$ groß, $60\%$
mittelgroß und $35\%$ klein.
\end{itemize}
% tex-fmt: off
\begin{enumerate}[a{)}]
\item Bestimmen Sie die Wahrscheinlichkeit, dass ein zufällig
ausgewähltes Minion klein, mittelgroß
oder groß ist.
\item Ein zufällig ausgewähltes Minion ist nicht klein. Mit
welcher Wahrscheinlichkeit ist es
einäugig?
\end{enumerate}
% tex-fmt: on
\end{frame}
\begin{frame}
\frametitle{Aufgabe 1: Bedingte Wahrscheinlichkeiten \\\& Bayes}
In einer Population von gelben Animationsfiguren, den Minions,
werden zwei Merkmale unterschieden: Augenzahl und Körpergröße. Es gilt:
\begin{itemize}
\item $80\%$ der Minions haben zwei Augen, $20\%$ nur eines.
\item Von den zweiäugigen Minions sind $20\%$ groß, $70\%$
mittelgroß und $10\%$ klein.
\item Von den einäugigen Minions sind $5\%$ groß, $60\%$
mittelgroß und $35\%$ klein.
\end{itemize}
% tex-fmt: off
\begin{enumerate}[a{)}]
\item Bestimmen Sie die Wahrscheinlichkeit, dass ein zufällig
ausgewähltes Minion klein, mittelgroß
oder groß ist.
\pause\begin{align*}
P(K) &= P(K\vert N_1)P(N_1) + P(K\vert N_2)P(N_2) = 0.35\cdot 0.2 + 0.1\cdot 0.8 = 0.15\\
P(M) &= P(M\vert N_1)P(N_1) + P(M\vert N_2)P(N_2) = \cdots = 0.68\\
P(G) &= P(G\vert N_1)P(N_1) + P(G\vert N_2)P(N_2) = \cdots = 0.17
\end{align*}
\item \pause Ein zufällig ausgewähltes Minion ist nicht klein. Mit
welcher Wahrscheinlichkeit ist es
einäugig?
\pause\begin{align*}
P(N_1 \vert \overline{K})
= \frac{P(\overline{K} \vert N_1)P(N_1)}{P(\overline{K})}
= \frac{\left[ 1 - P(K\vert N_1) \right] P(N_1)}{1 - P(K)}
= \frac{(1 - 0.35)\cdot 0.2}{1 - 0.15} \approx 0.153
\end{align*}
\end{enumerate}
% tex-fmt: on
\end{frame}
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\section{Aufgabe 2}
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\subsection{Theorie Wiederholung}
\begin{frame}
\frametitle{Zusätzliche Bedingungen und Unabhängigkeit}
\begin{itemize}
\item Erweiterte Definition der bedingten Wahrscheinlichkeit
\begin{gather*}
P(A\vert BC) = \frac{P(AB\vert C)}{P(B\vert C)}
\end{gather*}
\item Satz von Bayes mit zusätzlichen Bedingungen
\begin{gather*}
P(A\vert BC) = \frac{P(B\vert AC) P(A\vert C)}{P(B\vert C)}
\end{gather*}
\pause
\item Unabhängigkeit
\begin{gather*}
A,B \text{ Unabhängig} \hspace{5mm}
\Leftrightarrow\hspace{5mm} P(AB) = P(A) P(B)
\hspace{5mm} \Leftrightarrow \hspace{5mm} P(A\vert B) = P(A)
\end{gather*}
\end{itemize}
\end{frame}
\begin{frame}
\frametitle{Zusammenfassung}
\begin{columns}
\column{\kitthreecolumns}
\begin{greenblock}{Bedingte Wahrscheinlichkeit}
\vspace*{-6mm}
\begin{gather*}
P(A\vert B) = \frac{P(AB)}{P(B)}
\end{gather*}
\end{greenblock}
\column{\kitthreecolumns}
\begin{greenblock}{Formel von Bayes}
\vspace*{-6mm}
\begin{gather*}
P(A\vert B) = \frac{P(B\vert A) P(A)}{P(B)}
\end{gather*}
\end{greenblock}
\end{columns}
\begin{columns}
\column{\kitthreecolumns}
\begin{greenblock}{Satz der totalen Wahrscheinlichkeit}
\vspace*{-6mm}
\begin{gather*}
P(B) = \sum_{n} P(B\vert A_n)P(A_n)
\end{gather*}
\end{greenblock}
\column{\kitthreecolumns}
\begin{greenblock}{Unabhängigkeit von Ereignissen}
\vspace*{-6mm}
\begin{gather*}
P(AB) = P(A) P(B)
\end{gather*}
\end{greenblock}
\end{columns}
\end{frame}
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\subsection{Aufgabe}
\begin{frame}
\frametitle{Aufgabe 2: Bayes \& Unabhängigkeit}
\vspace*{-18mm}
Bei einer Qualitätskontrolle können Werkstücke zwei Fehler
aufweisen: Fehler $A$, Fehler $B$, oder
beide Fehler gleichzeitig. Die folgenden Wahrscheinlichkeiten
sind bekannt:
\begin{itemize}
\item mit Wahrscheinlichkeit $0,05$ hat ein Werkstück den Fehler $A$
\item mit Wahrscheinlichkeit $0,01$ hat ein Werkstück beide Fehler
\item mit Wahrscheinlichkeit $0,03$ hat ein Werkstück nur den
Fehler $B$ und nicht Fehler $A$.
\end{itemize}
% tex-fmt: off
\begin{enumerate}[a{)}]
\item Berechnen Sie die Wahrscheinlichkeit für das Auftreten von
Fehler $B$ und dafür, dass ein
Werkstück fehlerfrei ist.
\item Ist das Auftreten von Fehler $A$ unabhängig von Fehler $B$?
es auch Fehler $A$?
\end{enumerate}
% tex-fmt: on
Bei der Kontrolle wird unerwartet ein zusätzlicher, dritter Fehler $C$
beobachtet. Der Fehler tritt
mit der Wahrscheinlichkeit $0,01$ ein, wenn weder Fehler $A$ noch $B$
eingetreten sind und mit der
Wahrscheinlichkeit $0,02$, wenn sowohl Fehler $A$ als auch $B$ eingetreten
sind. In allen anderen
Fällen tritt der Fehler $C$ nicht auf.
% tex-fmt: off
\begin{enumerate}[a{)}]
\setcounter{enumi}{2}
\item Berechnen Sie die Wahrscheinlichkeit für das Auftreten von
Fehler $C$.
\item Sie beobachten, dass ein Werkstück den Fehler $C$ hat. Mit
welcher Wahrscheinlichkeit hat es auch Fehler $A$?
\end{enumerate}
% tex-fmt: on
\end{frame}
\begin{frame}
\frametitle{Aufgabe 2: Bayes \& Unabhängigkeit}
\vspace*{-10mm}
Bei einer Qualitätskontrolle können Werkstücke zwei Fehler
aufweisen: Fehler $A$, Fehler $B$, oder
beide Fehler gleichzeitig. Die folgenden Wahrscheinlichkeiten
sind bekannt:
\begin{itemize}
\item mit Wahrscheinlichkeit $0,05$ hat ein Werkstück den Fehler $A$
\item mit Wahrscheinlichkeit $0,01$ hat ein Werkstück beide Fehler
\item mit Wahrscheinlichkeit $0,03$ hat ein Werkstück nur den
Fehler $B$ und nicht Fehler $A$.
\end{itemize}
% tex-fmt: off
\begin{enumerate}[a{)}]
\item Berechnen Sie die Wahrscheinlichkeit für das Auftreten von
Fehler $B$ und dafür, dass ein
Werkstück fehlerfrei ist.
\pause\begin{gather*}
P(B) = P(B\vert A)P(A) + P(B\vert \overline{A})P(\overline{A}) = P(AB) + P(\overline{A}B) = 0.01 + 0.03 = 0.04
\end{gather*}\pause
\vspace*{-15mm}\begin{gather*}
P(\overline{A}\cap \overline{B}) = 1 - P(A\cup B) = 1 - \left[P(A) + P(B) - P(A\cap B)\right] = 1 - \left(0.05 + 0.04 - 0.01\right) = 0.92
\end{gather*}
\vspace*{-12mm}\pause \item Ist das Auftreten von Fehler $A$ unabhängig von Fehler $B$?
es auch Fehler $A$?
\pause\begin{gather*}
\left. \begin{array}{l}
P(AB) = 0.01 \\
P(A)P(B) = 0.05\cdot 0.04 = 0.002
\end{array}\right\}
\hspace{5mm} \Rightarrow \hspace{5mm} P(AB) \neq P(A)P(B) \hspace{5mm}\Rightarrow\hspace{5mm}A,B \text{ nicht unabhängig}
\end{gather*}
\end{enumerate}
% tex-fmt: on
\end{frame}
\begin{frame}
\frametitle{Aufgabe 2: Bayes \& Unabhängigkeit}
\vspace*{-13mm}
Bei der Kontrolle wird unerwartet ein zusätzlicher, dritter Fehler $C$
beobachtet. Der Fehler tritt
mit der Wahrscheinlichkeit $0,01$ ein, wenn weder Fehler $A$ noch $B$
eingetreten sind und mit der
Wahrscheinlichkeit $0,02$, wenn sowohl Fehler $A$ als auch $B$ eingetreten
sind. In allen anderen
Fällen tritt der Fehler $C$ nicht auf.
% tex-fmt: off
\begin{enumerate}[a{)}]
\setcounter{enumi}{2}
\item Berechnen Sie die Wahrscheinlichkeit für das Auftreten von
Fehler $C$.
\pause\begin{align*}
P(C) &= P(C\vert AB)P(AB) + \overbrace{P(C\vert A \overline{B})}^{0}P(A \overline{B})
+ \overbrace{P(C\vert \overline{A}B)}^{0}P(\overline{A} B)
+ P(C\vert \overline{A}\overline{B})P(\overline{A}\overline{B}) \\
&= 0.02\cdot 0.01 + 0.01\cdot 0.92 = 0.0094
\end{align*}
\vspace*{-12mm}\pause \item Sie beobachten, dass ein Werkstück den Fehler $C$ hat. Mit
welcher Wahrscheinlichkeit hat es auch Fehler $A$?
\pause\hspace*{-5mm}\begin{minipage}{0.48\textwidth}
\centering
\begin{align*}
P(A\vert C) &= \frac{P(AC)}{P(C)}\\[5mm]
P(AC) &= P(ACB) + P(AC \overline{B})\\
&= P(C\vert AB)P(AB) + \overbrace{P(C\vert A \overline{B})}^{0}P(A \overline{B})\\
&= 0.02\cdot 0.01 = 0.0002\\[5mm]
P(A\vert C) &= \frac{0.0002}{0.0094} \approx 0.0213
\end{align*}
\end{minipage}%
\hspace*{-10mm}
\begin{minipage}{0.06\textwidth}
\centering
\begin{tikzpicture}
\draw[line width=1pt] (0,0) -- (0,6cm);
\end{tikzpicture}
\end{minipage}%
\begin{minipage}{0.48\textwidth}
\centering
\begin{align*}
P(A\vert C) &= \frac{P(C\vert A)P(A)}{P(C)}\\[5mm]
P(C\vert A) &= P(C\vert AB)P(B\vert A)
+ \overbrace{P(C\vert \overline{A} B)}^{0}P(\overline{A}B) \\
&= P(C\vert AB)\frac{P(AB)}{P(A)} = 0.02 \cdot \frac{0.01}{0.05} = 0.004\\[5mm]
P(A\vert C) &= \frac{0.004\cdot 0.05}{0.0094} \approx 0.0213
\end{align*}
\end{minipage}
\end{enumerate}
% tex-fmt: on
\end{frame}
\end{document}

3
src/template/.latexmkrc Normal file
View File

@@ -0,0 +1,3 @@
$pdflatex="pdflatex -shell-escape -interaction=nonstopmode -synctex=1 %O %S -cd ./../..";
$out_dir = "build";
$pdf_mode = 1;

1
src/template/lib Symbolic link
View File

@@ -0,0 +1 @@
/home/andreas/Documents/kit/wt-tut/presentations/lib

View File

View File

@@ -0,0 +1,288 @@
\documentclass[de]{CELbeamer}
%
%
% CEL Template
%
%
\newcommand{\templates}{preambles}
\input{\templates/packages.tex}
\input{\templates/macros.tex}
\grouplogo{CEL_logo.pdf}
\groupname{Communication Engineering Lab (CEL)}
\groupnamewidth{80mm}
\fundinglogos{}
%
%
% Custom commands
%
%
\input{lib/latex-common/common.tex}
\pgfplotsset{colorscheme/rocket}
%TODO: Fix path
\newcommand{\res}{src/template/res}
% \tikzstyle{every node}=[font=\small]
% \captionsetup[sub]{font=small}
%
%
% Document setup
%
%
\usepackage{tikz}
\usepackage{tikz-3dplot}
\usetikzlibrary{spy, external, intersections}
%\tikzexternalize[prefix=build/]
\usepackage{pgfplots}
\pgfplotsset{compat=newest}
\usepgfplotslibrary{fillbetween}
\usepackage{listings}
\usepackage{subcaption}
\usepackage{bbm}
\usepackage{multirow}
\usepackage{xcolor}
\title{WT Tutorium 1}
\author[Tsouchlos]{Andreas Tsouchlos}
\date[]{\today}
%
%
% Document body
%
%
\begin{document}
\begin{frame}[title white vertical, picture=images/IMG_7801-cut]
\titlepage
\end{frame}
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\section{Aufgabe 1}
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\subsection{Theorie}
% TODO: Replace slide content with relevant stuff
\begin{frame}
\frametitle{Relevante Theorie I}
\begin{gather*}
f_X(x) := \frac{d}{dx} F_X(x) \\
P(X \le x) = F_X(x) = \int_{-\infty}^{x} f_X(t) dt \\
E(X) = \int_{-\infty}^{\infty} x\cdot f_X(x) dx
\end{gather*}
\begin{figure}
\centering
\begin{subfigure}[c]{0.5\textwidth}
\centering
\begin{gather*}
\text{Normalverteilung:} \hspace{8mm}
f_X(x) = \frac{1}{\sqrt{2\pi\sigma^2}}
e^{-\frac{(x - \mu)^2}{2\sigma^2}}
\end{gather*}
\end{subfigure}%
\begin{subfigure}[c]{0.4\textwidth}
\centering
\begin{tikzpicture}
\begin{axis}[
domain=-4:4,
samples=100,
width=\textwidth,
height=0.5\textwidth,
ticks=none,
xlabel={$x$},
ylabel={$f_X(x)$}
]
\addplot+[mark=none, line width=1pt] {exp(-x^2)};
\end{axis}
\end{tikzpicture}
\end{subfigure}
\end{figure}
\end{frame}
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\subsection{Aufgabe}
% TODO: Replace slide content with relevant stuff
\begin{frame}
\frametitle{2022H - Aufgabe 4}
Für die Planung und Konstruktion von Windkraftanlagen ist eine
statistische Modellierung der
Windgeschwindigkeit essentiell. Die absolute Windgeschwindigkeit
kann als Weibull-verteilte
Zufallsvariable V mit den Parametern $\beta > 0$ und $\theta > 0$
modelliert werden. Die zugehörige
Verteilungsfunktion ist%
%
\begin{gather*}
F_V(v) = 1 - exp\left( -\left( \frac{v}{\theta} \right)^\beta
\right), \hspace{3mm} v \ge 0
\end{gather*}
%
\begin{enumerate}
\item Berechnen Sie die Wahrscheinlichkeitsdichte $f_V(v)$
der Weibullverteilung.
\item Eine Windkraftanlage speist Strom in das Stromnetz ein,
wenn die absolute Windgeschwindigkeit größer als $4
m/s$, jedoch kleiner als $25 m/s$ ist. Berechnen Sie die
Wahrscheinlichkeit dafür, dass eine Windkraftanlage Strom
einspeist, wenn die Windgeschwindigkeit Weibull-verteilt
mit $\beta = 2,0$ und $\theta = 6,0$ ist.
\item Eine Zufallsvariable W genüge einer Weibullverteilung
mit $\beta = 1$ und $\theta = 3$. Ermitteln Sie den
Erwartungsvert $E(W)$.
\item Warum ist die Weibullverteilung für die Modellierung
der absoluten Windgeschwindigkeit besser geeignet als
eine Normalverteilung?
\end{enumerate}
\end{frame}
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\section{Aufgabe 2}
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\subsection{Theorie}
% TODO: Replace slide content with relevant stuff
\begin{frame}
\frametitle{Relevante Theorie II}
\begin{gather*}
f_X(x) := \frac{d}{dx} F_X(x) \\
P(X \le x) = F_X(x) = \int_{-\infty}^{x} f_X(t) dt \\
E(X) = \int_{-\infty}^{\infty} x\cdot f_X(x) dx
\end{gather*}
\begin{figure}
\centering
\begin{subfigure}[c]{0.5\textwidth}
\centering
\begin{gather*}
\text{Normalverteilung:} \hspace{8mm}
f_X(x) = \frac{1}{\sqrt{2\pi\sigma^2}}
e^{-\frac{(x - \mu)^2}{2\sigma^2}}
\end{gather*}
\end{subfigure}%
\begin{subfigure}[c]{0.4\textwidth}
\centering
\begin{tikzpicture}
\begin{axis}[
domain=-4:4,
samples=100,
width=\textwidth,
height=0.5\textwidth,
ticks=none,
xlabel={$x$},
ylabel={$f_X(x)$}
]
\addplot+[mark=none, line width=1pt] {exp(-x^2)};
\end{axis}
\end{tikzpicture}
\end{subfigure}
\end{figure}
\end{frame}
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\subsection{Aufgabe}
% TODO: Replace slide content with relevant stuff
\begin{frame}
\frametitle{2022H - Aufgabe 4}
Für die Planung und Konstruktion von Windkraftanlagen ist eine
statistische Modellierung der
Windgeschwindigkeit essentiell. Die absolute Windgeschwindigkeit
kann als Weibull-verteilte
Zufallsvariable V mit den Parametern $\beta > 0$ und $\theta > 0$
modelliert werden. Die zugehörige
Verteilungsfunktion ist%
%
\begin{gather*}
F_V(v) = 1 - exp\left( -\left( \frac{v}{\theta} \right)^\beta
\right), \hspace{3mm} v \ge 0
\end{gather*}
%
\begin{enumerate}
\item Berechnen Sie die Wahrscheinlichkeitsdichte $f_V(v)$
der Weibullverteilung.
\item Eine Windkraftanlage speist Strom in das Stromnetz ein,
wenn die absolute Windgeschwindigkeit größer als $4
m/s$, jedoch kleiner als $25 m/s$ ist. Berechnen Sie die
Wahrscheinlichkeit dafür, dass eine Windkraftanlage Strom
einspeist, wenn die Windgeschwindigkeit Weibull-verteilt
mit $\beta = 2,0$ und $\theta = 6,0$ ist.
\item Eine Zufallsvariable W genüge einer Weibullverteilung
mit $\beta = 1$ und $\theta = 3$. Ermitteln Sie den
Erwartungsvert $E(W)$.
\item Warum ist die Weibullverteilung für die Modellierung
der absoluten Windgeschwindigkeit besser geeignet als
eine Normalverteilung?
\end{enumerate}
\end{frame}
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
\section{Zusammenfassung}
% TODO: Replace slide content with relevant stuff
\begin{frame}
\frametitle{Zusammenfassung}
\begin{gather*}
f_X(x) := \frac{d}{dx} F_X(x) \\
P(X \le x) = F_X(x) = \int_{-\infty}^{x} f_X(t) dt \\
E(X) = \int_{-\infty}^{\infty} x\cdot f_X(x) dx
\end{gather*}
\begin{figure}
\centering
\begin{subfigure}[c]{0.5\textwidth}
\centering
\begin{gather*}
\text{Normalverteilung:} \hspace{8mm}
f_X(x) = \frac{1}{\sqrt{2\pi\sigma^2}}
e^{-\frac{(x - \mu)^2}{2\sigma^2}}
\end{gather*}
\end{subfigure}%
\begin{subfigure}[c]{0.4\textwidth}
\centering
\begin{tikzpicture}
\begin{axis}[
domain=-4:4,
samples=100,
width=\textwidth,
height=0.5\textwidth,
ticks=none,
xlabel={$x$},
ylabel={$f_X(x)$}
]
\addplot+[mark=none, line width=1pt] {exp(-x^2)};
\end{axis}
\end{tikzpicture}
\end{subfigure}
\end{figure}
\end{frame}
\end{document}

1
src/template/src Symbolic link
View File

@@ -0,0 +1 @@
/home/andreas/Documents/kit/wt-tut/presentations/src