Professur für Data-driven Materials Modeling

School of Engineering and Design

Technische Universität München
✂

__ __ __ __ __ __ __ __
1
2 Unterschrift

3
4
5 Hinweise zur Personalisierung:
6 • Kreuzen Sie Ihre Matrikelnummer an(mit führender Null). Diese wird maschinell
ausgewertet.
7
✂

Matrikelnummer
• Unterschreiben Sie im dafür vorgesehenen Unterschriftenfeld.
8
9
0 ×
1983-01-0002-E0094-01

Modellierung von Unsicherheiten und Daten im

Maschinenwesen
✂

Klausur: MW2345 / Endterm SoSe 2025 Datum: Freitag, 5. September 2025

Prüfer: Prof. Dr. Koutsourelakis Uhrzeit: 17:00 – 18:30
✂

Das Öffnen des Prüfungsbogen ist erst nach Aufforderung durch den Prüfer gestattet.
Ein verfrühtes Öffnen wird als Täuschungsversuch gewertet.

Bitte tragen Sie in der Box Ihre Daten ein und unterschreiben die Prüfung.
Damit bestätigen Sie Ihre Identität und die Kenntnisnahme der Prüfungsregeln.
1983-01-0002-E0094-01

Vor- und Nachname

Matrikelnummer

Sitzplatz
✂

Unterschrift

Hörsaal verlassen von bis

Vorzeitige Abgabe um
✂

Anmerkungen

1983-01-0002-E0094-01
1983-01-0002-E0094-02
✂ ✂ ✂ ✂ ✂ ✂ ✂
1983-01-0002-E0094-02 1983-01-0002-E0094-02 1983-01-0002-E0094-02
 Professur für Data-driven Materials Modeling
School of Engineering and Design
Technische Universität München
✂

Endterm SoSe 2025

Modellierung von Unsicherheiten und Daten im

✂

Maschinenwesen
1983-01-0002-E0094-03

Prof. Dr. Koutsourelakis

Professur für Data-driven Materials Modeling
School of Engineering and Design
✂

Technische Universität München

Freitag, 5. September 2025

17:00 – 18:30
✂

Bearbeitungshinweise
• Diese Klausur umfasst 16 Seiten mit insgesamt 8 Aufgaben.
Bitte kontrollieren Sie jetzt, dass Sie eine vollständige Angabe erhalten haben.
• Die Gesamtpunktzahl in dieser Klausur beträgt 93 Punkte.
• Das Heraustrennen von Seiten aus der Prüfung ist untersagt.
1983-01-0002-E0094-03

• Mit * gekennzeichnete Teilaufgaben sind ohne Kenntnis der Ergebnisse vorheriger Teilaufgaben lösbar.
✂

Bei nicht mit * gekennzeichneten Teilaufgaben werden bei der Bewertung in der Regel keine Folgefehler
berücksichtigt.
• Es werden nur solche Ergebnisse gewertet, bei denen der Lösungsweg erkennbar ist. Auch Text-
aufgaben sind grundsätzlich zu begründen, sofern es in der jeweiligen Teilaufgabe nicht ausdrücklich
anders vermerkt ist.

• Falls ein Teil der Antwort bereits vorgegeben ist, tragen Sie Ihr Ergebnis bitte an der passenden
Stelle ein. Der Fokus der Korrektur wird auf dem Endergebnis liegen. Sofern nicht anders
angegeben, wird bei Fragen nach einer Wahrscheinlichkeit immer ein Zahlenwert erwartet.
✂

• Schreiben Sie bitte leserlich! Antworten, die nicht lesbar sind, können nicht gewertet werden.

• Schreiben Sie weder mit roter / grüner Farbe noch mit Bleistift.
• Dies ist eine OpenBook Prüfung. Sie dürfen daher alle (nicht-elektronischen) Hilfsmittel ihrer Wahl wie
Vorlesungsmaterial, Lehrbücher etc. verwenden.
• Es sind keine elektronischen Geräte außer einem nicht-programmierbaren Taschenrechners erlaubt.

• Schalten Sie alle mitgeführten elektronischen Geräte vollständig aus, verstauen Sie diese in Ihrer
✂

Tasche und verschließen Sie diese.

Klausur leer – Seite 1 / 16 – 1983-01-0002-E0094-03

 Aufgabe 1 Kurzfragen (21 Punkte)
Die folgenden Teilaufgaben sind alle voneinander unabhängig zu bearbeiten. Geben Sie bitte bei jeder

✂
Aufgabe eine kurze Begründung oder einen Rechenweg an.

1983-01-0002-E0094-04
0 a)* Gegeben sind die folgende Messwerte eines Zufallsexperiments: 10, −2, d , 4. Hierbei ist der Parameter
1 d eine unbekannte reele Zahl. Gegeben ist zusätzlich der Mittelwert x̄ = 5 der Datenreihe. Bestimmen Sie
2 den Median x̃ , das untere Quartil x̃0.25 sowie die empirische Varianz s 2 der Messwerte!
3
4

Parameter d̄ =

✂
Median x̃ =

Unteres Quartil x̃0.25 =

✂
empirische Varianz s 2 =

1983-01-0002-E0094-04
0 b)* Gegeben sind die folgenden Daten x aus einem Zufallsexperiments: 4, −3, 2, 1, 5. Ebenso haben Sie die
1 Gleichung zur Berechnung des empirischen Variationskoeffizienten υ gegeben:
2

✂
q
3 1
PN 2
N −1 i=1 (xi − x̄)
υ= 1
P N
,
N i=1 xi

wobei x̄ der Mittelwert von x ist.

Erstellen Sie einen Matlab-Vektor X mit den Datenwerten x und schreiben Sie ein Matlab-Skript, welches
den Variationskoeffizienten berechnet !

✂
X=

✂
1983-01-0002-E0094-04

var _koeff =
✂

ED-MUD-01-20250905
1983-01-0002-E0094-04 – Seite 2 / 16 – Seite leer
 c)* X ist eine diskrete Zufallsvariable. Ihre Wahrscheinlichkeitsverteilung ist in der folgenden Tabelle angege- 0
ben: 1
✂

2
3
x 1 2 3 4 5 6 4
P(X = x) a a a b b 0.05
Zusätzlich ist der Erwartungswert von X gegeben:
E[X ] = 3.45 .
Bestimmen Sie die Wahrscheinlichkeitsfunktion pX (x), indem Sie die unbekannten Parameter a und b
ermitteln !
✂
1983-01-0002-E0094-05

a=

b=
✂

d)* Gegeben sind die drei unten stehenden Streudiagramme in Abbildung 1.1. Schätzen Sie jeweils einen 0
Korrelationskoeffizienten ρ ab und begründen Sie Ihre Entscheidung ! 1
2
3
1983-01-0002-E0094-05

(a) Diagramm 1 (b) Diagramm 2 (c) Diagramm 3

Abbildung 1.1: Streudiagramme für Aufgabe 1e

✂
✂

ED-MUD-01-20250905
Seite leer – Seite 3 / 16 – 1983-01-0002-E0094-05
0 e)* Auf einen Balken wirken N Kräfte Fi . Die Kärfte sind unabhängig voneinander, normalverteilte Zufallvaria-
2 2
1 blen mit Erwartungswert E[Fi ] = 5 kgs·2m und Varianz Var[Fi ] = 4 kg s·4m . Bestimmen Sie den Erwartungswert

✂
2 und die Varianz des arithmetischen Mittels F̄ der Kräfte auf den Balken !
3

1983-01-0002-E0094-06
✂
✂
0 f)* Der Radius eines zylindrischen Bauteils ist eine Zufallsvariable R , welche im Intervall von 4 bis 6
1 gleichverteilt ist. Das Volumen Y des Zylinders kann wie folgt beschrieben werden:
2
3 Y = 10π R 2
4
Bestimmen Sie die Wahrscheinlichkeitsdichtefunktion von Y ! Geben Sie auch den Definitionsbereich an.

1983-01-0002-E0094-06
✂
✂
✂
1983-01-0002-E0094-06
✂

ED-MUD-01-20250905
1983-01-0002-E0094-06 – Seite 4 / 16 – Seite leer
 Aufgabe 2 Eine elektrische Kreisschaltung (11 Punkte)
✂

S1 S3

S5
✂

S2 S4
1983-01-0002-E0094-07

Abbildung 2.1: Die elektrische Kreisschaltung A

✂

Eine elektrische Kreisschaltung besteht aus mehreren Schaltern, die durch die dargestellten Leitungen
miteinander verbunden sind. Ein einzelner Schalter ist mit einer Wahrscheinlickeit von q = 0.4 geschlossen
und leitet damit Strom (unabhängig von den restlichen Schaltern). Das ganze System ist in Betrieb, wenn
es mindestens einen Pfad mit geschlossenen Schaltern für die Elektrizität von links nach rechts durch das
System gibt. Gegeben sind die folgenden Ereignisse:
A = {Es fließt Strom durch den Kreislauf}
Si = {Der Schalter Si ist geschlossen}
✂

a)* Berechnen Sie die Betriebswahrscheinlichkeit P(A | S2 , S5 ) des Systems gegeben Schalter S2 ist 0
offen und Schalter S5 ist geschlossen! 1
2
3
1983-01-0002-E0094-07

P(A | S2 ∩ S5 ) =
✂
✂

ED-MUD-01-20250905
Seite leer – Seite 5 / 16 – 1983-01-0002-E0094-07
0 b)* Berechnen Sie die Betriebswahrscheinlichkeit P(A ) des elektrischen Systems!
1

✂
2
3
4

1983-01-0002-E0094-08
5

✂
✂
1983-01-0002-E0094-08
✂
P(S) =

0 c) Berechnen Sie die Wahrscheinlichkeit, dass Schalter S2 offen und Schalter S5 geschlossen ist, gegeben
1 das elektrische System ist in Betrieb.
2
3

✂
✂
1983-01-0002-E0094-08

P(S2 , S5 | A ) =
✂

ED-MUD-01-20250905
1983-01-0002-E0094-08 – Seite 6 / 16 – Seite leer
 Aufgabe 3 Qualitätskontrolle (10 Punkte)
Die Fertigung eines neuen Bauteils erfordert eine Qualitätskontrolle. Da 5 Prozent aller produzierten Bauteile
✂

einen Defekt aufweisen, werden die Bauteile vor dem Versand getestet. Der Test erkennt dabei defekte
Bauteile mit einer Wahrscheinlichkeit von 90 Prozent als solche, leider wird jedoch auch jedes zehnte intakte
Bauteil als defekt klassifiziert.
Gegeben sind hierbei die folgenden Ereignisse:
T = {Der Test klassifiziert ein Bauteil als defekt}
D = {Das Bauteil ist defekt}

a)* Bestimmen Sie die Wahrscheinlichkeit P(D | T ), dass ein Bauteil defekt ist, gegeben es wurde vom Test 0
✂

als defekt klassifiziert ? 1

2
3
1983-01-0002-E0094-09

b)* Bei der Fertigung werden die Bauteile in Chargen produziert. Dabei werden immer zehn Bauteile gleich- 0
zeitig hergestellt. Jetzt sei die neue Zufallsvariable X gegeben:
✂

1
X = {Anzahl der defekten Bauteile in einer Charge} 2
3
Bestimmen Sie die Wahrscheinlichkeit, dass mindestens drei Bauteil in einer Charge tatsächlich defekt sind !
1983-01-0002-E0094-09

✂
✂
✂

ED-MUD-01-20250905
Seite leer – Seite 7 / 16 – 1983-01-0002-E0094-09
0 c)* Nehmen Sie jetzt an, dass P(T) = p.
1

✂
2 Es werden jetzt alle Bauteile in einer Charge unabhängig getestet. Dazu haben Sie die neue Zufallsvariable
Y gegeben:

1983-01-0002-E0094-10
Y = {Anzahl der defekt klassifizierten Bauteile einer Charge}

Bestimmen Sie den Erwartungswert E[Y | X ] !

✂
✂
1983-01-0002-E0094-10
0 d)* Bestimmen Sie die zu erwartete Anzahl der Bauteile in einer Charge E[Y ], die vom Test als defekt
1 klassifiziert werden !
2

✂
✂
✂
1983-01-0002-E0094-10
✂

ED-MUD-01-20250905
1983-01-0002-E0094-10 – Seite 8 / 16 – Seite leer
 Aufgabe 4 Dehnungsmessstreifen-Netzwerk (14 Punkte)
Zwei Dehnungsmessstreifen sind an einer Achse montiert, um die Normalspannung ε1 und die Schubspan-
✂

nung ε2 zu messen (jeweils einheitenlos). Die Messungen sind verteilt mit der gemeinsamen Wahrscheinlich-
keitsdichtefunktion (
c(ε21 + ε1 ε2 + ε22 ) für 0 ≤ ε1 ≤ 1, 0 ≤ ε2 ≤ 1,
fε1 ,ε2 (ε1 , ε2 ) = (4.1)
0 sonst.

a)* Bestimmen Sie die Normierungskonstante c ! 0

1
2
3
✂
1983-01-0002-E0094-11

✂
✂

Nehmen Sie für alle folgenden Teilaufgaben an, dass c = c0 gegeben ist.

b)* Berechnen Sie die Wahrscheinlichkeit P(ε1 = 0.1, ε2 = 0.1) in Abhängigkeit von c0 ! 0
1
2
1983-01-0002-E0094-11

✂
✂
✂

ED-MUD-01-20250905
Seite leer – Seite 9 / 16 – 1983-01-0002-E0094-11
0 c)* Das Bauteil versagt, wenn |ε1 + ε2 | > 1 gilt. Berechnen Sie die Versagenswahrscheinlichkeit als Funktion
1 von c0 !

✂
2
3
4

1983-01-0002-E0094-12
5
6

✂
✂
1983-01-0002-E0094-12
✂
0 d)* Berechnen Sie die erwartete von-Mises-Vergleichsdehnung E[ε2vm ] als Funktion von c0 , wobei
1 ε2vm = ε21 + ε22 + ε1 ε2 ist!
2
3

✂
✂
1983-01-0002-E0094-12
✂

ED-MUD-01-20250905
1983-01-0002-E0094-12 – Seite 10 / 16 – Seite leer
 Aufgabe 5 Stahlbalken unter Belastung (9 Punkte)
Auf einen gelagerten Stahlbalken wirkt ein Drehmoment resultierend aus zwei Kräften (siehe Abbildung 5.1).
✂

Die Kraft X wirkt mit einem Hebelarm von 1 m und ist normalverteilt mit X ∼ N (µX , 152 ) N. Die Kraft Y folgt
ebenfalls einer Normalverteilung mit Y ∼ N (400, 202 ) N, ist unabhängig von X und wirkt mit Hebelarm k m.
Der Balken kippt nach links, wenn
U = k · Y − X > 0.
Hinweis: Die Verwendung von Φ bzw. Φ−1 ist ausreichend; konkrete Zahlenwerte müssen nicht nachge-
schlagen werden.
✂

Abbildung 5.1: Kräfte und Hebel am Stahlbalken.

1983-01-0002-E0094-13

a)* Bestimmen Sie Erwartungswert und Varianz der Zufallsvariable U . 0

1
2
✂

b)* Berechnen Sie die Kippwahrscheinlichkeit P(U > 0) gegeben dem Mittelwert µX = 500 N. Geben Sie das 0
Ergebnis in Abhängigkeit von k an. 1
2
3
✂

4
1983-01-0002-E0094-13

c) Gegeben ist nun, dass k = 1,3 m ist. Bestimmen Sie den minimal erforderlichen Mittelwert µX , sodass die 0
Kippwahrscheinlichkeit höchstens 0,1% beträgt. Stellen Sie nach µX um. 1
2
3
✂
✂

ED-MUD-01-20250905
Seite leer – Seite 11 / 16 – 1983-01-0002-E0094-13
 Aufgabe 6 Bayessche Parameterschätzung für Ausfallzeiten (14 Punkte)
Ein Ingenieur misst die Ausfallzeiten (in Stunden) von drei Maschinenkomponenten. Die Messwerte lauten:

✂
b = {1,2 ; 2,5 ; 3,3}
X

1983-01-0002-E0094-14
Es wird angenommen, dass die Ausfallzeiten einer Exponentialverteilung mit unbekanntem Parameter λ > 0
folgen:
fX (x | λ) = λe −λx , x > 0

0 a) Bestimmen Sie den Maximum-Likelihood-Schätzer (MLE) für den Parameter λ.

1

✂
2
3
4
5
6
7

✂
1983-01-0002-E0094-14
✂
✂
✂
1983-01-0002-E0094-14
✂

ED-MUD-01-20250905
1983-01-0002-E0094-14 – Seite 12 / 16 – Seite leer
 b) Bestimmen Sie den MAP-Schätzer λMAP , falls die gleichverteilte A-priori-Verteilung durch 0
( 1
✂

2
für λ ∈ [0,5, 2,0] 2
fΛ (λ) = 3 3
0 sonst 4
5
gegeben ist.
✂
1983-01-0002-E0094-15

✂
✂
1983-01-0002-E0094-15

c) Vergleichen Sie den MLE- und MAP-Schätzer und erläutern Sie den Einfluss der A-priori-Verteilung. 0
1
2
✂
✂

ED-MUD-01-20250905
Seite leer – Seite 13 / 16 – 1983-01-0002-E0094-15
 Aufgabe 7 Monte Carlo Simulation: Längenänderung einer Feder (9 Punkte)
Eine Feder wird durch eine normalverteilte Kraft F ∼ N (10, 22 ) N gedehnt. Die Steifigkeit k der Feder ist

✂
eine gleichverteilte Zufallsvariable im Intervall [1, 3] in N/mm. Die Längenänderung der Feder beträgt:

1983-01-0002-E0094-16
F
u=
k

0 a)* Schreiben Sie eine MATLAB-Funktion sample_u(), die eine einzelne Stichprobe der Längenänderung u
1 erzeugt.
2
3

✂
4

✂
1983-01-0002-E0094-16
0 b) Verwenden Sie die Funktion sample_u(), um mittels Monte-Carlo-Simulation mit mindestens 105 Stichpro-
1 ben:
2

✂
3 • die Varianz von u zu schätzen und
4
5 • ein beidseitiges 95%-Quantilintervall für u zu berechnen.

✂
✂
1983-01-0002-E0094-16
✂

ED-MUD-01-20250905
1983-01-0002-E0094-16 – Seite 14 / 16 – Seite leer
 Aufgabe 8 Probabilistische Klassifikation von Schrauben (5 Punkte)
Ein Unternehmen prüft die Qualität von gefertigten Schrauben anhand des Durchmessers X (in mm). Die
✂

Funktionstüchtigkeit Y ∈ {−1, 1} (wobei Y = 1 für funktionsfähig und Y = −1 für nicht funktionsfähig steht)
soll mithilfe eines probabilistischen Modells klassifiziert werden:
1
P(Y = y | x) =
1 + exp(−y(a + bx))

Die Messwerte sind wie folgt gegeben:

1 2 3
✂

Xi 4,8 5,0 5,2

Yi -1 1 1
1983-01-0002-E0094-17

a)* Stellen Sie die Likelihood-Funktion L (a, b) mit den gegebenen Daten auf. 0
1
2
✂
✂

b)* Die MLE-Schätzung ergibt: aMLE = −290, bMLE = 60. Bestimmen Sie den Durchmesser x ∗ , bei dem die 0
Klassifizierung des Modells maximal unsicher ist. 1
2
3
1983-01-0002-E0094-17

✂
✂
✂

ED-MUD-01-20250905
Seite leer – Seite 15 / 16 – 1983-01-0002-E0094-17
Zusätzlicher Platz für Lösungen. Markieren Sie deutlich die Zuordnung zur jeweiligen Teilaufgabe.
Vergessen Sie nicht, ungültige Lösungen zu streichen.

✂
1983-01-0002-E0094-18
✂
✂
1983-01-0002-E0094-18
✂
✂
✂
1983-01-0002-E0094-18
✂

ED-MUD-01-20250905
1983-01-0002-E0094-18 – Seite 16 / 16 – Seite leer
 1983-01-0002-E0094-19 1983-01-0002-E0094-19

✂ ✂ ✂ ✂ ✂ ✂ ✂

1983-01-0002-E0094-19
1983-01-0002-E0094-20
✂ ✂ ✂ ✂ ✂ ✂ ✂
1983-01-0002-E0094-20 1983-01-0002-E0094-20 1983-01-0002-E0094-20