Geometria zderzenia. 100 (RHIC 200GeV), 1500 (LHC)
|
|
- Juliusz Wasilewski
- 5 lat temu
- Przeglądów:
Transkrypt
1 Geometria zderzenia zderzenia skrajnie relatywistycznych energii - obrazek geometryczny trajektorie prostoliniowe skrócenie Lorentza w kierunku wi zki - czynnik γ = E NN /2 m p 1 (RHIC 2GeV), 15 (LHC) zderzaj ce sie j dra to dwa bardzo cienkie dyski TYLKO cz ± nukleonów uczestniczy w zderzeniu (partycypanci, participants) s to nukleony z obszaru przekrywania obu dysków
2 Centralno± zderzenia wielko± obszaru przekrywania zale»y od parametru zderzenia b (impact parameter) b - odlegªo± mi dzy trajektoriami ±rdodków obu j der zderzenia j drowe zachodz gdy b R A + R B, caªy taki zbiór zderze«to zderzenia minimum-bias (dla wi kszych parametrów zderzenia - zderzenia ultraperyferyczne, oddz. elektromagnetyczne) dla du»ych b - zderzenia peryferyczne peripheral collisions dla maªych b zderzenia centralne central collisions dla b zderzenia czoªowe head on collisions
3 Pªaszczyzna zderzenia zwyczajowo przyjmujemy kierunek osi z dla kierunku wi zek pªaszczyzna wyznaczona przez parametr zderzenia i o± wi zki to pªaszczyzna zderzenia reaction plane (zwykle przyjmuje si pª. x-z) analogicznie jak w zwykªej reakcji rozpraszania pªaszczyzna poprzeczna x-y, prostopadªa do wi zki transverse plane 1 y (fm) 5 5 w pªaszczy¹nie poprzecznej dziej si najciekawsze rzeczy, dynamika w pª x-y najlepiej zbadana x (fm)
4 Zranione nukleony, partycypanci W zale»no±ci od parametru zderzenia, ilo± nukleonów uczestnicz cych w zderzeniu zmienia si nukleony, które nie uczestnicz w zderzeniu nazywamy spektatorami, nukleonami spektatorami spectators, spectator nucleons mo»na rozró»ni spektatory pocisku i tarczy nukleony, które zderzyªy sie conajmniej raz nazywamy partycypantami participants, participant nucleons cz ± osób rozró»nia partycypanci Npart - cojajmniej jedno oddziaªywanie zranione nukleony Nw - conajmniej jedno oddziaªywanie nieelastyczne obecnie te nazwy stosuje si zamiennie dla nukleonów oddziaªyj cych nieelastycznie, czyli uczestnicz cych w produkcji cz stek (wi kszo± u»ywa participant nucelon, polscy autorzy czasami wounded nucleon, ze wzgl du na wkªad - A. Biaªas, M. Bleszy«ski, W. Czyz, Nucl Phys. B111 (1976) 461, wounded nucleon model)
5 Denicje centralno±ci zderzenia parametr zderzenia nie jest mierzalny, w praktyce centralno± zderzenia denujemy przez inn mierzalna wielko± mo»na wybra dowoln obserwabl, która zmienia si montonicznie z parametrem zderzenia np. - krotno± produkowanych cz stek (najwi ksza gdy obszar przekrywania jest du»y) (w przybli»eniu N ch Npart (model zranionych nukleonów)) - energia mierzona w kalorymetrze (wystarczy nawet odpowied¹ detektora) - energia spektatorów w ZDC (najcz ±ciej tylko neutrony), najmniejsza dla zderze«centralnych
6 Klasy centralno±ci I ró»ne miary centralno±ci daja w przyblizeniu to samo - silna korelacja, ale nie dokªadnie to samo!! I w zderzeniach A-A prawie nigdy nie bierzemy zderze«min. bias zderzenia centralne i peryferyczne bardzo si ró»ni I wszystkie przypadki dzielimy na klasy centralno±ci (wzgl dem danej zmiennej, np. energia poprzeczna) 16 Pb+Pb ATLAS snn=2.76 TeV Σ ET ( η <3.2) [TeV] 13 (-1)% (4-1)% 14 (1-2)% 15 (2-4)% dn/det [ TeV-1 ] centrality bins 1 ATLAS Pb+Pb snn=2.76 TeV FCal Σ ET (3.2< η <4.9) [TeV] FCal Σ ET (3.2< η <4.9) [TeV] I Wybór ró»nych skorelowanych zmiennych dla def. centralno±ci zwykle nie ma znaczenia. Uwaga, ostre ganice klas centralno±ci w jednej zmiennej s rozmyte w drugiej. Trzeba wiedzie co porównywa mi dzy eksperymentami i mi dzy eksp. a modelami. I Wybór de nicji klas centralno±ci ma znaczenie dla w skich przedziaªów, dla zderze«bardzo centralnych, bardzo peryferycznych, dla oddziaªywa«p-a
7 Optyczny, rozkªad nukleonów w j drze rozkªad materii j drowej w du»ym j drze opisujemy rozkªadem Woodsa-Saxona ρ ρ A (r) = 1 + exp((r R A )/a) gdzie promie«r A 1.12fmA 1/3, a.5-.6fm parametr grubo±ci, ρ.16fm 3 g sto± w ±rodku w modelu geometrycznym zderze«j drowych, zderzaj si indywidualne nukeony, pochodz ce z obu j der poªo»enia nukleonów zgodne z rozkªadem WS rozkªad materii (ªadunku) znamy z eksp. rozpraszania elektronów na j drach, rozkªad poªoze«nukleonów jest troszk w»szy (bo same nukleony maj sko«czony promie«) dla maªych j der u»ywa sie inne parametryzacje, np. f. Gaussa lub parametryzacja z modeli (harmonic oscillator shell modell), dla deuteronu lub j dra 3 He kwadrat funkcji falowej w zaawansowanym modelowaniu uwzgl dnia sie deformacje j drowe
8 Optyczny, p-a proton uderza w j dro w punkcie s = (x, y), porusza si po linii prostej wzdªu» z prawd.,»e oddziaªa z konkretnym nukleonem tarczy to p = σ ρ(x, y, z) σ to nieel. przekrój czynny T A (x, y) = ρ(x, y, z)dz Uwaga: czasami u»ywa si T A (x, y) = ρ(x,y,z) dz A prawdopodobie«stwo,»e proton oddziaªa to d 2 σ pa db2 Prawdopodobie«stwo,»e oddziaªaªo k nukleonów tarczy to A dz = σ T A (x, y) A ( = 1 (1 p) A = 1 1 σ T ) A (x, y) A A ( A ) P(k) = p k (1 p) A k k ±rednia liczba zranionych nukleonów z A przy uderzeniu w punkcie b = (x, y) to pa = σ ρ(x, y, z)dz ±rednia liczba zranionych nukleonów z A, u±redniona po parametrach zderzenia to po prostu σ A σpa
9 Optyczny, A-A I B (~s ~b/2, z ) i ρa (~s + ~b/2, z ), ρ to zwykle nukleony w j drach A i B s rozªo»one zgodnie z rozkªadem ρ b rozkªad Woodsa-Saxona, a ~ to parametr zderzenia. I s rozkªad nukleonów z B uderzaj cych w punkcie ~ to TB (~s ~b/2) B R = ρ B (~s ~b/2, z )/B zgodnie z analiz dla p-a, ±rednia g sto± zranionych nukleonów z B to (liczba prawd.) T (~s + ~b/2) A nb (~s ) = TB (~s ~b/2) 1 1 σ A A I s x y ) pªaszczyzny zderzenia to caªkowita g sto± nukleonów w punkcie ~ = (, T (~s + ~b/2) A T (~s ~b/2) B npart (~s ) = TB (~s ~b/2) 1 1 σ A s + ~b/2) 1 1 σ B + TA (~ A B Pb -Pb b =2 fm N part H x, y L Pb -Pb b =1 fm 4 N part H x, y L y -5 x -5 x y
10 Zranione nukleony dla okre±lonego parametru zderzenia b liczba zranionych nukleonów N part = n part(x, y) dxdy dla zderze«czoªowych (b ) prawie wszystkie nukleony s zranione N part A + B = 416 liczba zranionych nukleonów (partycypantów) jest dobr miar centralno±ci zderzenia
11 Liczba zderze«dla okre±lonego parametru zderzenia b, prawdopodobie«stwo,»e konkretny nukleon z A zderzy si z konkretnym nukleonem z B wynosi p coll = σ TA ( s b/2) T B ( s + b/2) A B = σ T AB( b) AB T AB ( s) nazywamy funkcj przekrywania nuclear thickness function dla zderzenia j der A i B przy parametrze zderzenia b. prawdopodobie«stwo k zderze«to a ich ±rednia liczba to N coll = σt AB ( b) P AB (k, ( AB ) b) = p k coll k (1 p coll )AB k liczba zderze«jest zwykle du»o wi ksza ni» liczba zranionych nukleonów (ka»dy nukleon zderza si wiele razy), ozn. N coll, N bin, number of binary collisions
12 Przekrój czynny na zderzenie dla okre±lonego parametru zderzenia b, prawdopodobie«stwo,»e zajdzie conajmniej jedno zderzenie wynosi d 2 σ AB db 2 = P inel ( b) = ( AB P AB (k, b) = 1 k=1 1 σ T AB( b) AB ) AB ta wielko± jest ró»niczkowym nieelastycznym przekrojem czynnym j dro-j dro caªkowity przekrój czynny to σ inel AB = ( 1 1 ( 1 σ T AB( b) AB ) AB ) d 2 b 7.7b jest to wi cej ni» naiwny geometryczny przekrój czynny π(r A + R B ) 2 5.5b do b 14fm mo»na przyj 1% prawd. reakcji, klasy centralno±ci s rozmieszczone równomiernie w b 2
13 Liczba zranionych nukleonów - produkcja cz stek w orginalnym modelu zranionych nukleonów liczba produkowanych cz stek jest proporcjonalna do N part zwykle dn dη ro±nie szybciej z centralno±ci ( Npart ) stosuje sie parametryzacj modelem mieszanym (N part N coll ) [ ] [ ] dn AB 1 α κ N part + αn coll dnpp 1 α N part + αn coll dη 2 dη 2 domieszka zderze«binarnych α = zale»y (troch ) od energii argument zyczny za skalowaniem z liczba zranionych nukleonów - cz stki o maªym p dzie poprzecznym nie zd» si oddzieli od nukleonu, caªo± uczestniczy w oddziaªywaniu i dopiero pó¹niej emituje mi kkie cz stki dla emisji wa»ne czy zaszªo jakiekolwiek oddziaªywanie czy nie skalowanie z Npart - dla cz stek o du»ych p dach i maªych przekrojach czynnych na produkcje skalowanie z liczb zderze«uwaga: zyczne argumenty za skalowaniem zakªadaj niezale»ne zderzenia nukleon-nukleon, w zderzeniach j drowych dochodzi modykacja procesów w stanie pocz tkowym i zmiana krotno±ci w dynamice po pierwszych zderzeniach nukleon-nukleon (wtórne rozpraszanie, hydrodynamika, pochªanianie cz stek itp.)
14 Skalowanie z liczb zderze«binarnych - R AA liczba twardych procesów w zderzeniu A-B (d»ety, wysokie p, bozony elektrosªabe) skaluje si jak liczba zderze«binarnych N hard ( b) = σhard pp T AB ( b) P inel AB ( b) rozkªad produkowanych cz stek na jedno zderzenie j drowe ma posta dn AB d 2 pdη ( b) = (1 σ ppt AB ( b) dσhard pp d 2 pdη ( ) 1 σ T AB ( AB)σpp = N coll b) P inel( AB b) AB dn pp d 2 pdη dla zderze«min. bias, u±rednienie po parametrze zderzenia (z wag P inel AB ( b)) daje dn AB d2 pd η = Ncoll d 2 b P inel ( b)d 2 b dnpp = AB σpp d2 pd η σ AB dnpp d2 pd η czyli dla min. bias d σ AB hard d σpp hard = AB d2 pd η d2 pd η argument parametryczny - Je»eli przekrój czynny jest bardzo maªy to liczba zranionych nukleonów jest równa (z dokªadno±cia do czynnika 2) liczbie zderzen binarnych - procesy twarde maj zawsze maªy przekrój czynny
15 Nuclear modication factor - R AA Efektów j drowe na produkcj cz stek twardych okre±la wspóªczynnik modykacji j drowej nuclear modication factor R AA = σ dn hard AA d 2 pdη N coll dσhard pp d 2 pdη gdzie N coll jest liczb zderzen binarnych u±rednion po badanym przedziale centralno±ci R AA < 1 tlumienie, suppression, quenching 1 brak efektow osrodka > 1 wzmocnienie, enhancement RAA 1 dla fotonów, bozonów elektrosªabych (sªabe oddziaªywanie z o±rodkiem) R AA < 1 dla hadronów, d»etów, tªumienie d»etów w pla¹mie kwarkowo-glonowej
16 Monte Carlo Monte Carlo, polega na przypadkowym generowaniu zderze«j drowych jako niezale»nych zderze«nukleon-nukleon nukleony w ka»dym j drze rozªo»one s przypadkowo zgodnie z rozkªadem ρ(x, y, z) nukleony z obu j der przelatuj po liniach prostych zderzenie N-N nast puje gdy odlegªo± w pªaszczy¹nie poprzecznej jest mniejsza ni» σ pp/π (black disc scattering) y x -2 y x w ka»dym zderzeniu przypadkowa liczba nukleonów jest zraniona, ±rednia liczba podobna jak w modelu optycznym Glaubera oddziaªywanie nast puje gdy n part 2 - min. bias
17 Monte Carlo II w losowaniu rozkªadu nukleonów w j drze uwzgl dnia si korelacje dwucz stkowe (excluded volume eect) np.» damy aby nukleony w j drze byªy dalej od siebie ni» d =.4fm dla maªych j der - losowanie z kwadratu funkcji falowej zamiast black disc prole u»ywa si realistycznego prolu dla prawdopodobie«stwa oddziaªywania N-N przy parametrze zderzenia b np. Gaussian wounding prole P inel NN (b) = Ae Ab2 /σ pp mo»na dobra parametry do elastycznego i caªkowitego przekroju czynnego t el (b) = 1 1 P inel(b) σ NN el = t el (b) 2 d 2 b w modelu black disc mamy σ el = σ inel (¹le!)
18 Mean RMS - rozkªady krotno±ci przy zaªo»eniu niezale»nej produkcji w ka»dym ¹ródle (zraniony nukleon) mo»na otrzyma caªkowity rozkªad krotno±ci jako zªo»enie rozkªadów (np. negative binomial P NN (n) = Γ(n+κ)λn κ κ ) cz stek z ka»dego ¹ródªa Γ(κ)n!(λ+κ) n+κ P(k) = i P part(i)(p NN... i razy P NN )(k) -1 [GeV ] Pb dn/dσe T 1/N evt -3 1 ATLAS Preliminary -1 p+pb, L int = 1 µb s NN = 5.2 TeV Glauber Glauber-Gribov, Ω =.55 Glauber-Gribov, Ω = 1.1 frameetratios2 Entries 2 Mean RMS Glauber 1 fit / data frameetratios3 Entries 2 Mean RMS Glauber-Gribov, Ω = frameetratios4 Entries Glauber-Gribov, Ω = Pb ΣE T [GeV] podobnie mo»na opisywa inne wielko±ci np. energia poprzeczna w kalorymetrze
19 - podsumowanie liczba zranionych nukleonów jest miar centralno±ci zderzenia - tak przedstawiane s dane eksperymentalne i wyniki modeli liczba zranionych nukleonów i liczba zderze«binarnych rosn dla zderze«centralnych model Glaubera Monte Carlo generuje przypadkowo zdarzenia o peªnym rozkªadzie N part wspóªczynnik modykacji j drowej R AA u»ywamy dla cz stek produkowanych w procesach twardych - opisuje stosunek rozkªadów zmierzonych w AA do przeskalowanego rozkªadu z pp (R AA = 1 oznacza brak efektów j drowych)
20 ¹ródªa Phys. Rev. C 88 (213) 4499 New J. Phys. 13 (211) 558 arxiv: Phys.Today 56N1 (23) 48 Phys.Rev. C79 (29) 6494 arxiv: ATLAS-CONF arxiv: [nucl-th] nucl-ex/7125v1 Phys.Rev.Lett. 15 (21)
Najgorętsze krople materii wytworzone na LHC
Najgorętsze krople materii wytworzone na LHC Adam Bzdak AGH, KZFJ Plan Wprowadzenie do A+A Przepływ eliptyczny, trójkątny, hydrodynamika Odkrycie na LHC w p+p i p+a Korelacje 2- i wielu-cząstkowe Podsumowanie
Bardziej szczegółowo5. (8 punktów) EGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach
Matematyka w ekonomii i ubezpieczeniach ( Niezale»ne szkody maja rozkªady P (X i = k) = exp( 1)/k!, P (Y i = k) = 4+k ) k (1/3) 5 (/3) k, k = 0, 1,.... Niech S = X 1 +... + X 500 + Y 1 +... + Y 500. Skªadka
Bardziej szczegółowoBiostatystyka, # 5 /Weterynaria I/
Biostatystyka, # 5 /Weterynaria I/ dr n. mat. Zdzisªaw Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowa«Matematyki i Informatyki ul. Gª boka 28, bud. CIW, p. 221 e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoMetody probablistyczne i statystyka stosowana
Politechnika Wrocªawska - Wydziaª Podstawowych Problemów Techniki - 011 Metody probablistyczne i statystyka stosowana prowadz cy: dr hab. in». Krzysztof Szajowski opracowanie: Tomasz Kusienicki* κ 17801
Bardziej szczegółowoBiostatystyka, # 4 /Weterynaria I/
Biostatystyka, # 4 /Weterynaria I/ dr n. mat. Zdzisªaw Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowa«Matematyki i Informatyki ul. Gª boka 28, bud. CIW, p. 221 e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoRachunek caªkowy funkcji wielu zmiennych
Rachunek caªkowy funkcji wielu zmiennych I. Malinowska, Z. Šagodowski Politechnika Lubelska 8 czerwca 2015 Caªka iterowana podwójna Denicja Je»eli funkcja f jest ci gªa na prostok cie P = {(x, y) : a x
Bardziej szczegółowoCAŠKOWANIE METODAMI MONTE CARLO Janusz Adamowski
III. CAŠKOWAIE METODAMI MOTE CARLO Janusz Adamowski 1 1 azwa metody Podstawowym zastosowaniem w zyce metody Monte Carlo (MC) jest opis zªo-»onych ukªadów zycznych o du»ej liczbie stopni swobody. Opis zªo»onych
Bardziej szczegółowoIn»ynierskie zastosowania statystyki wiczenia
Uwagi: 27012014 poprawiono kilka literówek, zwi zanych z przedziaªami ufno±ci dla wariancji i odchylenia standardowego In»ynierskie zastosowania statystyki wiczenia Przedziaªy wiarygodno±ci, testowanie
Bardziej szczegółowoRównania ró»niczkowe I rz du (RRIR) Twierdzenie Picarda. Anna D browska. WFTiMS. 23 marca 2010
WFTiMS 23 marca 2010 Spis tre±ci 1 Denicja 1 (równanie ró»niczkowe pierwszego rz du) Równanie y = f (t, y) (1) nazywamy równaniem ró»niczkowym zwyczajnym pierwszego rz du w postaci normalnej. Uwaga 1 Ogólna
Bardziej szczegółowoRozdział 9 Przegląd niektórych danych doświadczalnych o produkcji hadronów. Rozpraszanie elastyczne. Rozkłady krotności
Rozdział 9 Przegląd niektórych danych doświadczalnych o produkcji hadronów. Rozpraszanie elastyczne. Rozkłady krotności Krotności hadronów a + b c 1 + c +...+ c i +...+ c N Reakcje ekskluzywne: wszystkie
Bardziej szczegółowoCiaªa i wielomiany. 1 Denicja ciaªa. Ciaªa i wielomiany 1
Ciaªa i wielomiany 1 Ciaªa i wielomiany 1 Denicja ciaªa Niech F b dzie zbiorem, i niech + (dodawanie) oraz (mno»enie) b d dziaªaniami na zbiorze F. Denicja. Zbiór F wraz z dziaªaniami + i nazywamy ciaªem,
Bardziej szczegółowoWykªad 7. Ekstrema lokalne funkcji dwóch zmiennych.
Wykªad jest prowadzony w oparciu o podr cznik Analiza matematyczna 2. Denicje, twierdzenia, wzory M. Gewerta i Z. Skoczylasa. Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych. Denicja Mówimy,»e funkcja
Bardziej szczegółowoReakcje jądrowe. X 1 + X 2 Y 1 + Y b 1 + b 2
Reakcje jądrowe X 1 + X 2 Y 1 + Y 2 +...+ b 1 + b 2 kanał wejściowy kanał wyjściowy Reakcje wywołane przez nukleony - mechanizm reakcji Wielkości mierzone Reakcje wywołane przez ciężkie jony a) niskie
Bardziej szczegółowoKatarzyna Grebieszkow Wydział Fizyki Politechniki Warszawskiej Zakład Fizyki Jądrowej Pracownia Reakcji Ciężkich Jonów
Katarzyna Grebieszkow Wydział Fizyki Politechniki Warszawskiej Zakład Fizyki Jądrowej Pracownia Reakcji Ciężkich Jonów Fizyka zderzeń ciężkich jonów semestr letni 2014/2015 Wykład 6 1. Zderzenia jądro+jądro
Bardziej szczegółowoFizyka do przodu w zderzeniach proton-proton
Fizyka do przodu w zderzeniach proton-proton Leszek Adamczyk (KOiDC WFiIS AGH) Seminarium WFiIS March 9, 2018 Fizyka do przodu w oddziaływaniach proton-proton Fizyka do przodu: procesy dla których obszar
Bardziej szczegółowo1 Przypomnienie wiadomo±ci ze szkoªy ±redniej. Rozwi zywanie prostych równa«i nierówno±ci
Zebraª do celów edukacyjnych od wykªadowców PK, z ró»nych podr czników Maciej Zakarczemny 1 Przypomnienie wiadomo±ci ze szkoªy ±redniej Rozwi zywanie prostych równa«i nierówno±ci dotycz cych funkcji elementarnych,
Bardziej szczegółowoKrzywe i powierzchnie stopnia drugiego
Krzywe i powierzchnie stopnia drugiego Iwona Malinowska, Zbigniew Šagodowski 25 maja 2015 I. Malinowska, Z. Lagodowski Geometria 25 maja 2015 1 / 30 Rozwa»my dwie proste przecinaj ce si pod k tem α, 0
Bardziej szczegółowoZbiory i odwzorowania
Zbiory i odwzorowania 1 Sposoby okre±lania zbiorów 1) Zbiór wszystkich elementów postaci f(t), gdzie t przebiega zbiór T : {f(t); t T }. 2) Zbiór wszystkich elementów x zbioru X speªniaj cych warunek ϕ(x):
Bardziej szczegółowoArkusz maturalny. Šukasz Dawidowski. 25 kwietnia 2016r. Powtórki maturalne
Arkusz maturalny Šukasz Dawidowski Powtórki maturalne 25 kwietnia 2016r. Odwrotno±ci liczby rzeczywistej 1. 9 8 2. 0, (1) 3. 8 9 4. 0, (8) 3 4 4 4 1 jest liczba Odwrotno±ci liczby rzeczywistej 3 4 4 4
Bardziej szczegółowoFunkcje, wielomiany. Informacje pomocnicze
Funkcje, wielomiany Informacje pomocnicze Przydatne wzory: (a + b) 2 = a 2 + 2ab + b 2 (a b) 2 = a 2 2ab + b 2 (a + b) 3 = a 3 + 3a 2 b + 3ab 2 + b 3 (a b) 3 = a 3 3a 2 b + 3ab 2 b 3 a 2 b 2 = (a + b)(a
Bardziej szczegółowoInterpolacja funkcjami sklejanymi
Interpolacja funkcjami sklejanymi Funkcje sklejane: Zaªó»my,»e mamy n + 1 w zªów t 0, t 1,, t n takich,»e t 0 < t 1 < < t n Dla danej liczby caªkowitej, nieujemnej k funkcj sklejan stopnia k nazywamy tak
Bardziej szczegółowoMetodydowodzenia twierdzeń
1 Metodydowodzenia twierdzeń Przez zdanie rozumiemy dowolne stwierdzenie, które jest albo prawdziwe, albo faªszywe (nie mo»e by ono jednocze±nie prawdziwe i faªszywe). Tradycyjnie b dziemy u»ywali maªych
Bardziej szczegółowoFizyka zderzeń relatywistycznych jonów
Fizyka zderzeń relatywistycznych jonów kilka pytań i możliwe odpowiedzi Stanisław Mrówczyński Uniwersytet Jana Kochanowskiego, Kielce & Instytut Problemów Jądrowych, Warszawa 1 Programy eksperymentalne
Bardziej szczegółowoLekcja 9 - LICZBY LOSOWE, ZMIENNE
Lekcja 9 - LICZBY LOSOWE, ZMIENNE I STAŠE 1 Liczby losowe Czasami spotkamy si z tak sytuacj,»e b dziemy potrzebowa by program za nas wylosowaª jak ± liczb. U»yjemy do tego polecenia: - liczba losowa Sprawd¹my
Bardziej szczegółowoEkonometria Bayesowska
Ekonometria Bayesowska Wykªad 9: Metody numeryczne: MCMC Andrzej Torój 1 / 17 Plan wykªadu Wprowadzenie 1 Wprowadzenie 3 / 17 Plan prezentacji Wprowadzenie 1 Wprowadzenie 3 3 / 17 Zastosowanie metod numerycznych
Bardziej szczegółowoKatarzyna Grebieszkow Wydział Fizyki Politechniki Warszawskiej Zakład Fizyki Jądrowej Pracownia Reakcji Ciężkich Jonów
Katarzyna Grebieszkow Wydział Fizyki Politechniki Warszawskiej Zakład Fizyki Jądrowej Pracownia Reakcji Ciężkich Jonów Fizyka zderzeń ciężkich jonów semestr letni 2018/2019 Wykład 6 1. Zderzenia jądro+jądro
Bardziej szczegółowoStereometria (geometria przestrzenna)
Stereometria (geometria przestrzenna) Wzajemne poªo»enie prostych w przestrzeni Stereometria jest dziaªem geometrii, którego przedmiotem bada«s bryªy przestrzenne oraz ich wªa±ciwo±ci. Na pocz tek omówimy
Bardziej szczegółowo1 Trochoidalny selektor elektronów
1 Trochoidalny selektor elektronów W trochoidalnym selektorze elektronów TEM (Trochoidal Electron Monochromator) stosuje si skrzy»owane i jednorodne pola: elektryczne i magnetyczne. Jako pierwsi taki ukªad
Bardziej szczegółowoReakcje jądrowe. kanał wyjściowy
Reakcje jądrowe X 1 + X 2 Y 1 + Y 2 +...+ b 1 + b 2 kanał wejściowy kanał wyjściowy Reakcje wywołane przez nukleony - mechanizm reakcji Wielkości mierzone Reakcje wywołane przez ciężkie jony a) niskie
Bardziej szczegółowoPrawdopodobie«stwo warunkowe, twierdzenie Bayesa, niezale»no± zdarze«.
Prawdopodobie«stwo warunkowe, twierdzenie Bayesa, niezale»no± zdarze«. Alicja Czy» WFTiMS April 14, 2010 Spis tre±ci 1 Wprowadzenie Denicja prawdopodobie«stwa warunkowego Twierdzenie Bayesa Niezale»no±
Bardziej szczegółowoMaªgorzata Murat. Modele matematyczne.
WYKŠAD I Modele matematyczne Maªgorzata Murat Wiadomo±ci organizacyjne LITERATURA Lars Gårding "Spotkanie z matematyk " PWN 1993 http://moodle.cs.pollub.pl/ m.murat@pollub.pl Model matematyczny poj cia
Bardziej szczegółowoIndeksowane rodziny zbiorów
Logika i teoria mnogo±ci, konspekt wykªad 7 Indeksowane rodziny zbiorów Niech X b dzie przestrzeni zbiorem, którego podzbiorami b d wszystkie rozpatrywane zbiory, R rodzin wszystkich podzbiorów X za± T
Bardziej szczegółowoStacjonarne szeregi czasowe
e-mail:e.kozlovski@pollub.pl Spis tre±ci 1 Denicja 1 Szereg {x t } 1 t N nazywamy ±ci±le stacjonarnym (stacjonarnym w w»szym sensie), je»eli dla dowolnych m, t 1, t 2,..., t m, τ ª czny rozkªad prawdopodobie«stwa
Bardziej szczegółowoKwantowa teoria wzgl dno±ci
Instytut Fizyki Teoretycznej Uniwersytetu Warszawskiego Festiwal Nauki, 16 wrze±nia 2006 Plan wykªadu Grawitacja i geometria 1 Grawitacja i geometria 2 3 Grawitacja Grawitacja i geometria wedªug Newtona:
Bardziej szczegółowoELEMENTARNA TEORIA LICZB. 1. Podzielno±
ELEMENTARNA TEORIA LICZB IZABELA AGATA MALINOWSKA N = {1, 2,...} 1. Podzielno± Denicja 1.1. Niepusty podzbiór A zbioru liczb naturalnych jest ograniczony, je»eli istnieje taka liczba naturalna n 0,»e m
Bardziej szczegółowo1 Metody iteracyjne rozwi zywania równania f(x)=0
1 Metody iteracyjne rozwi zywania równania f()=0 1.1 Metoda bisekcji Zaªó»my,»e funkcja f jest ci gªa w [a 0, b 0 ]. Pierwiastek jest w przedziale [a 0, b 0 ] gdy f(a 0 )f(b 0 ) < 0. (1) Ustalmy f(a 0
Bardziej szczegółowoElementarna statystyka Wnioskowanie o regresji (Inference 2 czerwca for regression) / 13
Elementarna statystyka Wnioskowanie o regresji (Inference for regression) Alexander Bendikov Uniwersytet Wrocªawski 2 czerwca 2016 Elementarna statystyka Wnioskowanie o regresji (Inference 2 czerwca for
Bardziej szczegółowoTermodynamika - kilka relacji
Termodynamika - kilka relacji ukªad termodynamiczny charakteryzuj wielko±ci ekstensywne E energia, V obj to±, S entropia, N liczba cz stek b d¹ wielko±ci intensywne ɛ g sto± energii, P ci±nienie, T temperatura,
Bardziej szczegółowoTwierdzenie Wainera. Marek Czarnecki. Warszawa, 3 lipca Wydziaª Filozoi i Socjologii Uniwersytet Warszawski
Twierdzenie Wainera Marek Czarnecki Wydziaª Filozoi i Socjologii Uniwersytet Warszawski Wydziaª Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski Warszawa, 3 lipca 2009 Motywacje Dla dowolnej
Bardziej szczegółowoElementarna statystyka
Elementarna statystyka Alexander Bendikov 26 marca 2017 Klasyczny model: eksperyment o jednakowo prawdopodobnych wynikach Zaªo»enia: 1 Przestrze«próbek S ma sko«czenie wiele wyników ω 1, ω 2,..., ω n,
Bardziej szczegółowoJanusz Adamowski METODY OBLICZENIOWE FIZYKI Zastosowanie eliptycznych równa«ró»niczkowych
Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1 Rozdziaª 9 RÓWNANIA ELIPTYCZNE 9.1 Zastosowanie eliptycznych równa«ró»niczkowych cz stkowych 9.1.1 Problemy z warunkami brzegowymi W przestrzeni dwuwymiarowej
Bardziej szczegółowor = x x2 2 + x2 3.
Przestrze«aniczna Def. 1. Przestrzeni aniczn zwi zan z przestrzeni liniow V nazywamy dowolny niepusty zbiór P z dziaªaniem ω : P P V (które dowolnej parze elementów zbioru P przyporz dkowuje wektor z przestrzeni
Bardziej szczegółowowiczenie nr 3 z przedmiotu Metody prognozowania kwiecie«2015 r. Metodyka bada«do±wiadczalnych dr hab. in». Sebastian Skoczypiec Cel wiczenia Zaªo»enia
wiczenie nr 3 z przedmiotu Metody prognozowania kwiecie«2015 r. wiczenia 1 2 do wiczenia 3 4 Badanie do±wiadczalne 5 pomiarów 6 7 Cel Celem wiczenia jest zapoznanie studentów z etapami przygotowania i
Bardziej szczegółowoRozwi zanie równania ró»niczkowego metod operatorow (zastosowanie transformaty Laplace'a).
Rozwi zania zada«z egzaminu podstawowego z Analizy matematycznej 2.3A (24/5). Rozwi zanie równania ró»niczkowego metod operatorow (zastosowanie transformaty Laplace'a). Zadanie P/4. Metod operatorow rozwi
Bardziej szczegółowoEGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach. a) (6 pkt.) oblicz intensywno± pªaconych skªadek;
EGZAMIN MAGISTERSKI, 26.06.2019r Matematyka w ekonomii i ubezpieczeniach 1. (8 punktów) Dwa niezale»ne portfele S 1, S 2 maj zªo»one rozkªady Poissona. S 1 CP oisson(2, F ), S 2 CP oisson(2, G), gdzie
Bardziej szczegółowoElementy geometrii w przestrzeni R 3
Elementy geometrii w przestrzeni R 3 Z.Šagodowski Politechnika Lubelska 29 maja 2016 Podstawowe denicje Wektorem nazywamy uporz dkowan par punktów (A,B) z których pierwszy nazywa si pocz tkiem a drugi
Bardziej szczegółowoAnalizy populacyjne, ªadunki atomowe
Dodatek do w. # 3 i # 4 Šadunki atomowe, analizy populacyjne Q A = Z A N A Q A efektywny ªadunek atomu A, Z A N A liczba porz dkowa dla atomu A (czyli ªadunek j dra) efektywna liczba elektronów przypisana
Bardziej szczegółowoBadanie Gigantycznego Rezonansu Dipolowego wzbudzanego w zderzeniach ciężkich jonów.
Badanie Gigantycznego Rezonansu Dipolowego wzbudzanego w zderzeniach ciężkich jonów. prof. dr hab. Marta Kicińska-Habior Wydział Fizyki UW Zakład Fizyki Jądra Atomowego e-mail: Marta.Kicinska-Habior@fuw.edu.pl
Bardziej szczegółowoElementy Modelowania Matematycznego Wykªad 1 Prawdopodobie«stwo
Spis tre±ci Elementy Modelowania Matematycznego Wykªad 1 Prawdopodobie«stwo Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis tre±ci Spis tre±ci 1 2 3 4 5 Spis tre±ci Spis tre±ci 1 2 3 4
Bardziej szczegółowoMateriaªy do Repetytorium z matematyki
Materiaªy do Repetytorium z matematyki 0/0 Dziaªania na liczbach wymiernych i niewymiernych wiczenie Obliczy + 4 + 4 5. ( + ) ( 4 + 4 5). ( : ) ( : 4) 4 5 6. 7. { [ 7 4 ( 0 7) ] ( } : 5) : 0 75 ( 8) (
Bardziej szczegółowoLekcja 9 Liczby losowe, zmienne, staªe
Lekcja 9 Liczby losowe, zmienne, staªe Akademia im. Jana Dªugosza w Cz stochowie Liczby losowe Czasami potrzebujemy by program za nas wylosowaª liczb. U»yjemy do tego polecenia liczba losowa: Liczby losowe
Bardziej szczegółowoMODELE LINIOWE i MIESZANE
MODELE LINIOWE i MIESZANE WYKŠAD 5 13 kwiecie«2018 1 / 48 Plan wykªadu 1. Metody Monte Carlo we wnioskowaniu statystycznym 2. Pakiet R 2 / 48 Metody Monte Carlo we wnioskowaniu statystycznym 3 / 48 Zaªó»my,»e
Bardziej szczegółowo1 Elektrostatyka. 1.1 Wst p teoretyczny
Elektrostatyka. Wst p teoretyczny Dwa ªadunki elektryczne q i q 2 wytwarzaj pole elektryczne i za po±rednictwem tego pola odziaªuj na siebie wzajemnie z pewn siª. Je»eli pole elektryczne wytworzone jest
Bardziej szczegółowoWielomiany o wspóªczynnikach rzeczywistych
Wielomiany o wspóªczynnikach rzeczywistych Wielomian: W (x) = a n x n + a n 1 x n 1 + a n 2 x n 2 +... + a 2 x 2 + a 1 x + a 0 wspóªczynniki wielomianu: a 0, a 1, a 2,..., a n 1, a n ; wyraz wolny: a 0
Bardziej szczegółowoANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15
ANALIZA NUMERYCZNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Metoda Eulera 3 1.1 zagadnienia brzegowe....................... 3 1.2 Zastosowanie ró»niczki...................... 4 1.3 Output do pliku
Bardziej szczegółowo2. L(a u) = al( u) dla dowolnych u U i a R. Uwaga 1. Warunki 1., 2. mo»na zast pi jednym warunkiem: L(a u + b v) = al( u) + bl( v)
Przeksztaªcenia liniowe Def 1 Przeksztaªceniem liniowym (homomorzmem liniowym) rzeczywistych przestrzeni liniowych U i V nazywamy dowoln funkcj L : U V speªniaj c warunki: 1 L( u + v) = L( u) + L( v) dla
Bardziej szczegółowoHotel Hilberta. Zdumiewaj cy ±wiat niesko«czono±ci. Marcin Kysiak. Festiwal Nauki, 20.09.2011. Instytut Matematyki Uniwersytetu Warszawskiego
Zdumiewaj cy ±wiat niesko«czono±ci Instytut Matematyki Uniwersytetu Warszawskiego Festiwal Nauki, 20.09.2011 Nasze do±wiadczenia hotelowe Fakt oczywisty Hotel nie przyjmie nowych go±ci, je»eli wszystkie
Bardziej szczegółowoSpis tre±ci. 1 Gradient. 1.1 Pochodna pola skalarnego. Plan
Plan Spis tre±ci 1 Gradient 1 1.1 Pochodna pola skalarnego...................... 1 1.2 Gradient................................ 3 1.3 Operator Hamiltona......................... 4 2 Ró»niczkowanie pola
Bardziej szczegółowoWykªad 4. Funkcje wielu zmiennych.
Wykªad jest prowadzony w oparciu o podr cznik Analiza matematyczna 2. Denicje, twierdzenia, wzory M. Gewerta i Z. Skoczylasa. Wykªad 4. Funkcje wielu zmiennych. Zbiory na pªaszczy¹nie i w przestrzeni.
Bardziej szczegółowoMetody numeryczne i statystyka dla in»ynierów
Kierunek: Automatyka i Robotyka, II rok Wprowadzenie PWSZ Gªogów, 2009 Plan wykªadów Wprowadzenie, podanie zagadnie«, poj cie metody numerycznej i algorytmu numerycznego, obszar zainteresowa«i stosowalno±ci
Bardziej szczegółowoRys.2 N = H (N cos = N) : (1) H y = q x2. y = q x2 2 H : (3) Warto± siªy H, która mo»e by uto»samiana z siª naci gu kabla, jest równa: z (3) przy
XXXV OLIMPIADA WIEDZY TECHNICZNEJ Zawody III stopnia Rozwi zania zada«dla grupy mechaniczno-budowlanej Rozwi zanie zadania Tzw. maªy zwis, a wi c cos. W zwi zku z tym mo»na przyj,»e Rys. N H (N cos N)
Bardziej szczegółowoEkonometria. wiczenia 7 Modele nieliniowe. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej
Ekonometria wiczenia 7 Modele nieliniowe (7) Ekonometria 1 / 19 Plan wicze«1 Nieliniowo± : co to zmienia? 2 Funkcja produkcji Cobba-Douglasa 3 Nieliniowa MNK (7) Ekonometria 2 / 19 Plan prezentacji 1 Nieliniowo±
Bardziej szczegółowoRelacj binarn okre±lon w zbiorze X nazywamy podzbiór ϱ X X.
Relacje 1 Relacj n-argumentow nazywamy podzbiór ϱ X 1 X 2... X n. Je±li ϱ X Y jest relacj dwuargumentow (binarn ), to zamiast (x, y) ϱ piszemy xϱy. Relacj binarn okre±lon w zbiorze X nazywamy podzbiór
Bardziej szczegółowoi, lub, nie Cegieªki buduj ce wspóªczesne procesory. Piotr Fulma«ski 5 kwietnia 2017
i, lub, nie Cegieªki buduj ce wspóªczesne procesory. Piotr Fulma«ski Uniwersytet Šódzki, Wydziaª Matematyki i Informatyki UŠ piotr@fulmanski.pl http://fulmanski.pl/zajecia/prezentacje/festiwalnauki2017/festiwal_wmii_2017_
Bardziej szczegółowoEksperyment ALICE i plazma kwarkowo-gluonowa
Eksperyment ALICE i plazma kwarkowo-gluonowa CERN i LHC Jezioro Genewskie Lotnisko w Genewie tunel LHC (długość 27 km, ok.100m pod powierzchnią ziemi) CERN/Meyrin Gdzie to jest? ok. 100m Tu!!! LHC w schematycznym
Bardziej szczegółowoProste modele o zªo»onej dynamice
Proste modele o zªo»onej dynamice czyli krótki wst p do teorii chaosu Tomasz Rodak Festiwal Nauki, Techniki i Sztuki 2018 April 17, 2018 Dyskretny model pojedynczej populacji Rozwa»my pojedyncz populacj
Bardziej szczegółowoBadanie właściwości przypadków produkcji dżet-przerwa w rapidity-dżet na Wielkim Zderzaczu Hadronów
Badanie właściwości przypadków produkcji dżet-przerwa w rapidity-dżet na Wielkim Zderzaczu Hadronów Paula Świerska Promotor: dr Maciej Trzebiński Politechnika Krakowska im. Tadeusza Kościuszki / 24 Plan
Bardziej szczegółowoAproksymacja funkcji metod najmniejszych kwadratów
Aproksymacja funkcji metod najmniejszych kwadratów Teoria Interpolacja polega na znajdowaniu krzywej przechodz cej przez wszystkie w zªy. Zdarzaj si jednak sytuacje, w których dane te mog by obarczone
Bardziej szczegółowoCząstki elementarne i ich oddziaływania III
Cząstki elementarne i ich oddziaływania III 1. Przekrój czynny. 2. Strumień cząstek. 3. Prawdopodobieństwo procesu. 4. Szybkość reakcji. 5. Złota Reguła Fermiego 1 Oddziaływania w eksperymencie Oddziaływania
Bardziej szczegółowoEkonometria - wykªad 8
Ekonometria - wykªad 8 3.1 Specykacja i werykacja modelu liniowego dobór zmiennych obja±niaj cych - cz ± 1 Barbara Jasiulis-Goªdyn 11.04.2014, 25.04.2014 2013/2014 Wprowadzenie Ideologia Y zmienna obja±niana
Bardziej szczegółowoWielomiany. El»bieta Sadowska-Owczorz. 19 listopada 2018
Wielomiany El»bieta Sadowska-Owczorz 19 listopada 2018 Wielomianem nazywamy wyra»enie postaci a n x n + a n 1 x n 1 +... + a 2 x 2 + a 1 x + a 0 = n a k x k. k=0 Funkcj wielomianow nazywamy funkcj W :
Bardziej szczegółowoZderzenia relatywistyczne
Zderzenia relatywistyczne Fizyka I (B+C) Wykład XIX: Zderzenia nieelastyczne Energia progowa Rozpady czastek Neutrina Zderzenia relatywistyczne Zderzenia elastyczne 2 2 Czastki rozproszone takie same jak
Bardziej szczegółowoMetody dowodzenia twierdze«
Metody dowodzenia twierdze«1 Metoda indukcji matematycznej Je±li T (n) jest form zdaniow okre±lon w zbiorze liczb naturalnych, to prawdziwe jest zdanie (T (0) n N (T (n) T (n + 1))) n N T (n). 2 W przypadku
Bardziej szczegółowoRozdział 7 Kinematyka oddziaływań. Wnioski z transformacji Lorentza. Zmienna x Feynmana, pospieszność (rapidity) i pseudopospieszność
Rozdział 7 Kinematyka oddziaływań. Wnioski z transformacji Lorentza. Zmienna x Feynmana, pospieszność (rapidity) i pseudopospieszność (pseudorapidity). Rozpraszanie leptonów na hadronach. Zmienna x Bjorkena.
Bardziej szczegółowoCzego oczekujemy od LHC? Piotr Traczyk. IPJ Warszawa
Czego oczekujemy od LHC? Piotr Traczyk IPJ Warszawa Plan 1)Dwa słowa o LHC 2)Eksperymenty i program fizyczny 3)Kilka wybranych tematów - szczegółowo 2 LHC Large Hadron Collider UWAGA! Start jeszcze w tym
Bardziej szczegółowoEkonometria Bayesowska
Ekonometria Bayesowska Wykªad 6: Bayesowskie ª czenie wiedzy (6) Ekonometria Bayesowska 1 / 21 Plan wykªadu 1 Wprowadzenie 2 Oczekiwana wielko± modelu 3 Losowanie próby modeli 4 wiczenia w R (6) Ekonometria
Bardziej szczegółowoEkstremalnie fajne równania
Ekstremalnie fajne równania ELEMENTY RACHUNKU WARIACYJNEGO Zaczniemy od ogólnych uwag nt. rachunku wariacyjnego, który jest bardzo przydatnym narz dziem mog cym posªu»y do rozwi zywania wielu problemów
Bardziej szczegółowoStruktura porotonu cd.
Struktura porotonu cd. Funkcje struktury Łamanie skalowania QCD Spinowa struktura protonu Ewa Rondio, 2 kwietnia 2007 wykład 7 informacja Termin egzaminu 21 czerwca, godz.9.00 Wiemy już jak wygląda nukleon???
Bardziej szczegółowo1. Wcześniejsze eksperymenty 2. Podstawowe pojęcia 3. Przypomnienie budowy detektora ATLAS 4. Rozpady bozonów W i Z 5. Tło 6. Detekcja sygnału 7.
Weronika Biela 1. Wcześniejsze eksperymenty 2. Podstawowe pojęcia 3. Przypomnienie budowy detektora ATLAS 4. Rozpady bozonów W i Z 5. Tło 6. Detekcja sygnału 7. Obliczenie przekroju czynnego 8. Porównanie
Bardziej szczegółowo*** Teoria popytu konsumenta *** I. Pole preferencji konsumenta 1. Przestrze«towarów 2. Relacja preferencji konsumenta 3. Optymalny koszyk towarów
*** Teoria popytu konsumenta *** I. Pole preferencji konsumenta 1. Przestrze«towarów 2. Relacja preferencji konsumenta 3. Optymalny koszyk towarów I.1 Przestrze«towarów Podstawowe poj cia Rynek towarów
Bardziej szczegółowoI.4 Promieniowanie rentgenowskie. Efekt Comptona. Otrzymywanie promieniowania X Pochłanianie X przez materię Efekt Comptona
r. akad. 004/005 I.4 Promieniowanie rentgenowskie. Efekt Comptona Otrzymywanie promieniowania X Pochłanianie X przez materię Efekt Comptona Jan Królikowski Fizyka IVBC 1 r. akad. 004/005 0.01 nm=0.1 A
Bardziej szczegółowo1 Poj cia pomocnicze. Przykªad 1. A A d
Poj cia pomocnicze Otoczeniem punktu x nazywamy dowolny zbiór otwarty zawieraj cy punkt x. Najcz ±ciej rozwa»amy otoczenia kuliste, tj. kule o danym promieniu ε i ±rodku x. S siedztwem punktu x nazywamy
Bardziej szczegółowoFIZYKA III MEL Fizyka jądrowa i cząstek elementarnych
FIZYKA III MEL Fizyka jądrowa i cząstek elementarnych Wykład 9 Reakcje jądrowe Reakcje jądrowe Historyczne reakcje jądrowe 1919 E.Rutherford 4 He + 14 7N 17 8O + p (Q = -1.19 MeV) powietrze błyski na ekranie
Bardziej szczegółowoEGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach
EGZAMIN MAGISTERSKI, 12.09.2018r Matematyka w ekonomii i ubezpieczeniach Zadanie 1. (8 punktów) O rozkªadzie pewnego ryzyka S wiemy,»e: E[(S 20) + ] = 8 E[S 10 < S 20] = 13 P (S 20) = 3 4 P (S 10) = 1
Bardziej szczegółowo1 Bª dy i arytmetyka zmiennopozycyjna
1 Bª dy i arytmetyka zmiennopozycyjna Liczby w pami ci komputera przedstawiamy w ukªadzie dwójkowym w postaci zmiennopozycyjnej Oznacza to,»e s one postaci ±m c, 01 m < 1, c min c c max, (1) gdzie m nazywamy
Bardziej szczegółowoElementy geometrii analitycznej w przestrzeni
Wykªad 3 Elementy geometrii analitycznej w przestrzeni W wykªadzie tym wi kszy nacisk zostaª poªo»ony raczej na intuicyjne rozumienie deniowanych poj, ni» ±cisªe ich zdeniowanie. Dlatego niniejszy wykªad
Bardziej szczegółowoSpl tanie i inne korelacje kwantowe w ukªadach zªo»onych
Spl tanie i inne korelacje kwantowe w ukªadach zªo»onych Lech Jakóbczyk Instytut Fizyki Teoretycznej Uniwersytet Wrocªawski 1 / 17 Spl tanie stanów czystych Formalna denicja spl tania Ukªad zªo»ony: Hilberta
Bardziej szczegółowoPrzekroje Dedekinda 1
Przekroje Dedekinda 1 O liczbach wymiernych (tj. zbiorze Q) wiemy,»e: 1. zbiór Q jest uporz dkowany relacj mniejszo±ci < ; 2. zbiór liczb wymiernych jest g sty, tzn.: p, q Q : p < q w : p < w < q 3. 2
Bardziej szczegółowoStatystyka. Šukasz Dawidowski. Instytut Matematyki, Uniwersytet l ski
Statystyka Šukasz Dawidowski Instytut Matematyki, Uniwersytet l ski Statystyka Statystyka: nauka zajmuj ca si liczbowym opisem zjawisk masowych oraz ich analizowaniem, zbiory informacji liczbowych. (Sªownik
Bardziej szczegółowoListy i operacje pytania
Listy i operacje pytania Iwona Polak iwona.polak@us.edu.pl Uniwersytet l ski Instytut Informatyki pa¹dziernika 07 Który atrybut NIE wyst puje jako atrybut elementów listy? klucz elementu (key) wska¹nik
Bardziej szczegółowoUkªady równa«liniowych
dr Krzysztof yjewski Mechatronika; S-I 0 in» 7 listopada 206 Ukªady równa«liniowych Informacje pomocnicze Denicja Ogólna posta ukªadu m równa«liniowych z n niewiadomymi x, x, x n, gdzie m, n N jest nast
Bardziej szczegółowoCo i czym mo»na skonstruowa
Co i czym mo»na skonstruowa Jarosªaw Kosiorek 5 maja 016 Co mo»na skonstruowa? Maj c dany odcinek dªugo±ci 1 mo»na skonstruowa : 1. odcinek dªugo±ci równej dowolnej liczbie wymiernej dodatniej;. odcinek
Bardziej szczegółowoStatystyka opisowa. Wykªad II. Elementy statystyki opisowej. Edward Kozªowski.
Statystyka opisowa. Wykªad II. e-mail:e.kozlovski@pollub.pl Spis tre±ci Mediana i moda 1 Mediana i moda 2 3 4 Mediana i moda Median m e (warto±ci ±rodkow ) próbki x 1,..., x n nazywamy ±rodkow liczb w
Bardziej szczegółowoWFiIS Imi i nazwisko: Rok: Zespóª: Nr wiczenia: Fizyka Dominik Przyborowski IV 5 22 J drowa Katarzyna Wolska
WFiIS Imi i nazwisko: Rok: Zespóª: Nr wiczenia: Fizyka Dominik Przyborowski IV 5 22 J drowa Katarzyna Wolska Temat wiczenia: Wyznaczanie stosunku przekrojów czynnych na aktywacj neutronami termicznymi
Bardziej szczegółowoWykªad 10. Spis tre±ci. 1 Niesko«czona studnia potencjaªu. Fizyka 2 (Informatyka - EEIiA 2006/07) c Mariusz Krasi«ski 2007
Wykªad 10 Fizyka 2 (Informatyka - EEIiA 2006/07) 08 05 2007 c Mariusz Krasi«ski 2007 Spis tre±ci 1 Niesko«czona studnia potencjaªu 1 2 Laser 3 2.1 Emisja spontaniczna...........................................
Bardziej szczegółowoc Marcin Sydow Przepªywy Grafy i Zastosowania Podsumowanie 12: Przepªywy w sieciach
12: w sieciach Spis zagadnie«sieci przepªywowe przepªywy w sieciach ±cie»ka powi kszaj ca tw. Forda-Fulkersona Znajdowanie maksymalnego przepªywu Zastosowania przepªywów Sieci przepªywowe Sie przepªywowa
Bardziej szczegółowoO pewnym zadaniu olimpijskim
O pewnym zadaniu olimpijskim Michaª Seweryn, V LO w Krakowie opiekun pracy: dr Jacek Dymel Problem pocz tkowy Na drugim etapie LXII Olimpiady Matematycznej pojawiª si nast puj cy problem: Dla ka»dej liczby
Bardziej szczegółowoRachunek ró»niczkowy funkcji jednej zmiennej
Lista Nr 5 Rachunek ró»niczkowy funkcji jednej zmiennej 5.0. Obliczanie pochodnej funkcji Pochodne funkcji podstawowych. f() = α f () = α α. f() = log a f () = ln a '. f() = ln f () = 3. f() = a f () =
Bardziej szczegółowo2 Liczby rzeczywiste - cz. 2
2 Liczby rzeczywiste - cz. 2 W tej lekcji omówimy pozostaªe tematy zwi zane z liczbami rzeczywistymi. 2. Przedziaªy liczbowe Wyró»niamy nast puj ce rodzaje przedziaªów liczbowych: (a) przedziaªy ograniczone:
Bardziej szczegółowoElektrostatyka. Prawo Coulomba. F = k qq r r 2 r, wspóªczynnik k = 1 = N m2
Elektrostatyka Prawo Coulomba F = k qq r r 2 r, wspóªczynnik k = 1 N m2 4πε = 9 109 C 2 gdzie: F - siªa z jak ªadunek Q dziaªa na q, r wektor poªo»enia od ªadunku Q do q, r = r, Przenikalno± elektryczna
Bardziej szczegółowo