Wykład Mikro- i makrostany oraz prawdopodobie
|
|
- Bogdan Żurek
- 7 lat temu
- Przeglądów:
Transkrypt
1 Wykład Mkro- makrostany oraz prawdopodobeństwo termodynamczne cd. 5.6 Modele fzyczne 5.7 Aproksymacja Strlna 5.8 Statystyka Boseo-Enstena 5.10 Statystyka Fermeo-Draca 5.10 Statystyka Maxwell a-boltzmann a 5.11 Przyblżene klasyczne modelu Maxwell a- Bolzmann a 5.12 Rozkład prawdopodobeństwa dla stanu równowa Reonhard Kulessa 1
2 5.5 Mkro- makrostany oraz prawdopodobeństwo termodynamczne cd. Dla II przypadku dotycząceo cząstek nerozróżnalnych przytoczymy tylko wyrażene na prawdopodobeństwo termodynamczne. Dla określonej dużej komórk prawdopodobeństwo termodynamczne ma postać: ( + 1) ( 1)!!! Ω (5.12) Całkowte prawdopodobeństwo termodynamczne otrzymuje sę przez wzęce loczynu prawdopodobeństw dla pojedynczych komórek Reonhard Kulessa 2
3 ( ) ( + ) 1!! 1! Ω Ω (5.13) Wykorzystując wzór (5.1) na całkowte prawdopodobeństwo zdarzeń nezależnych w przypadku dy deeneracja >> 1, mamy ( ) +! Ω (5.14)!! III przypadek zawera oranczene mówące, że w małej komórce możemy umeścć tylko jedną cząstkę. Możemy to zapsać jako. Jeśl zaczęlbyśmy rozmeszczać równocześne cząstek w małych komórkach, to 1-sza cząstka małaby możlwośc, 2- a -1, 3-ca 2, tak, że możlwa lczba ustaweń jeśl wszystke cząstk byłyby rozróżnalne, byłaby równa Reonhard Kulessa 3
4 ( 1)( 2) [ ( 1)] (! )! Poneważ cząstk są nerozróżnalne, aby otrzymać możlwą lczbę ustaweń, wyrażene to musmy podzelć przez!, czyl! Ω (5.15)!( )! Możlwa lczba ustaweń we wszystkch komórkach jest węc równa! Ω Ω (5.16)!( )! Reonhard Kulessa 4
5 5.6 Modele fzyczne Sformułujemy teraz klka model dla opsu mkroskopoweo zachowana sę mater. Rozważać będzemy tylko cząstk materalne, a ne np.. kwanty promenowana elektromanetyczneo, oraz przyjmjmy, że rozważane układy są zolowane. Dla wszystkch model robmy następujące podstawowe założena; 1. Całkowta enera układu pozostaje stała, 2. Całkowta lczba cząstek układu pozostaje stała, 3. W rozważanach uwzlędnamy dużą lczbę cząstek, taką, że ch zachowane może być opsane przez analzę statystyczną, 4. Wszystke mkrostany są równe prawdopodobne, tzn., że cząstka może z równym prawdopodobeństwem zajmować różne elementy przestrzen fazowej Reonhard Kulessa 5
6 Będzemy rozważal trzy modele. 1. Model Maxwella-Bolzmanna (MB) Cząstk są rozróżnalne moą obsadzać różne kwantowe stany eneretyczne, które oznaczymy wskaźnkem. a -tym pozome eneretycznym znajduje sę wec cząstek mających eneręє.wartośc ener Є są skwantowane stneje wele sposobów uzyskwana tej ener przez cząstk (patrz tabela w rozdzale (5.4)). p.. Cząstk mające jedyne knetyczną enerę zwązaną z translacją moą ją meć złożoną na różne sposoby ze składowych ener translacyjnej. Poneważ tą samą enerę różne cząstk moą realzować na różne sposoby, musmy dla oólnośc założyć, że każda rupa cząstek (na -tym pozome eneretycznym) może zajmować stanów kwantowych, z których każdy ma eneręє Reonhard Kulessa 6
7 e ma oranczeń na lczbę cząstek, które moą okupować pozom Є, oraz na lczbę stanów kwantowych należących do każdeo pozomu ener. 2. Model Bose o - Enstena Założena fzyczne są take same jak w modelu 1., tyle, że cząstk są nerozróżnalne. e ma równeż oranczena na lczbę cząstek stanów kwantowych składających sę na pozom o ener Є. 3. Model Fermeo - Draca Model ten ma dentyczne założena jak model 2., tyle tylko, że każdy stan kwantowy może być obsadzany przez ne węcej nż jedną cząstkę, co sprowadza sę do warunku. Te trzy modele pozwalają analzować dużą lczbę zjawsk mkroskopowych Reonhard Kulessa 7
8 Wszystke trzy modele przyjmują, że określony kwantowy stan eneretyczny może zostać obsadzony na różne sposoby. Statystyka MB BE FD Rodzaj cząstek Rozróżnalne erozróżnalne erozróżnalne Enera skwantowana Tak Tak tak Lczba cząstek Dowolna Dowolna Jedna Zadanem naszej analzy statystycznej jest otrzymane rozkładu ener dla warunków równowa w każdym z model przy zachowanu stałej ener całkowtej lczby cząstek. Innym słowy będzemy chcel określć lczbę cząstek obsadzających dany pozom, co da nam lczbę cząstek na każdym pozome dla najbardzej prawdopodobnych warunków. ajbardzej prawdopodobny rozkład będze to rozkład dla stanu równowa Reonhard Kulessa 8
9 ajbardzej prawdopodobnym stanem, będze stan dostępny dla najwększej lczby permutacj. Chcemy węc określć najbardzej prawdopodobny makrostan układu. 5.7 Aproksymacja Strlna Poneważ będzemy sę zajmowal slnam dużych lczb, musmy znaleźć pewne uproszczone wyrażena. Chcąc np.. polczyć lnx! dla x >>1, możemy napsać: ln x! ln 2 + ln 3 + ln x n 1 ln x (5.17) Suma ta jest przyblżona przez powerzchnę pod krzywą: Reonhard Kulessa 9
10 y ylnx x Dla dużych x możemy napsać; ln x! ln x dx 1 ln x! xln x x x 1 dla x >> 1 Dla dużych x możemy zanedbać 1 mamy wtedy, Reonhard Kulessa 10
11 Jest to przyblżene Strlna. ln x! x ln x x (5.18) 5.8 Statystyka Boseo-Enstena Chcemy otrzymać rozkład równowaowy dla fzyczneo modelu Boseo-Enstena. Z wzoru (5.13) mamy: Ω ( + 1)!( 1)! Chcemy znaleźć maksymalną wartość prawdopodobeństwa termodynamczneo Ω przy warunku: const (5.19) Reonhard Kulessa 11
12 oraz U ε const (5.20) ε oznacza enerę każdej cząstk obsadzającej -ty pozom eneretyczny. Jeśl żądamy, aby prawdopodobeństwo termodynamczne Ω mało wartość maksymalną, to taką wartość mus też meć ln Ω. ln Ω [ ln( + 1)! ln! ln( 1)! ] Jeśl zarówno są >>1, to możemy wzlędem tych welkośc zanedbać 1 użyć wzoru Strlna., ln Ω ( + ) ln ln( Wyrażene to można jeszcze uproścć Reonhard Kulessa 12 + ) ln ( + + ) (5.21)
13 lnω [ ( + + ] ) ln( ) ln ln (5.21) Maksmum wartośc prawdopodobeństwa otrzymamy dla warunku: (ln Ω ) 0 (5.22) Warunek ten oznacza, że waracja z lnω jest zerowa dla małych odstępstw od rozkładu równowa, lub. δ (ln Ω) 0 (ln Ω) δ Dla równana (5.21) warunek ten przyjmuje postać: Reonhard Kulessa 13
14 + ln δ 0 (5.23) Zachowane ener wewnętrznej (r. (5.20)) jest równoważne równanu: U δu 0 δ, czyl Reonhard Kulessa 14 ε δ 0. (5.24) Z kole warunek zachowana lczby cząstek (r.(5.19)) jest równoważne równanu: δ 0 δ
15 czyl δ 0. (5.25) Mamy węc trzy warunk, które muszą być spełnone aby otrzymać maksymalne prawdopodobeństwo termodynamczne. Bez warunku (5.19) (5.20) otrzymalbyśmy z r. (5.23) warunek: + ln 0. Gdy określmy całkowtą lczbę cząstek ne wszystke wartośc są nezależne. Równeż warunek zachowana ener wewnętrznej nakłada dodatkowe oranczena na nezależność. Ażeby w oparcu o równana (5.23), (5.24) (5.25) uzyskać na nezależność welkośc, możemy zastosować metodę mnożnków Larane a. Jeżel pomnożymy r.(5.24) przez stałą lczbę β będącą funkcją całkowtej ener układu, a równane (5.25) przez stałą α Reonhard Kulessa 15
16 zależną od całkowtej lczby cząstek układu dodamy otrzymane welkośc do równana (5.23), to otrzymamy ln( 1+ ) βε α δ 0 (5.26) Równane powyższe uwzlędna poprzez stałe β α oranczena dotyczące ener lczby cząstek, tak, że welkośc możemy uważać za nezależne. Maksymalną wartość prawdopodobeństwa termodynamczneo otrzymujemy węc dla warunku: ln( 1 + ) βε α Reonhard Kulessa Ae βε 1 co jest równoważne,. (5.27)
17 W poprzednm równanu stała A e α. Stałe α β odrywają podobna rolę jak stałe całkowana określa sę je z warunków brzeowych. Problemem tym zajmemy sę późnej Statystyka Fermeo-Draca Pamętamy, że w modelu Fermeo-Draca dany stan eneretyczny może zostać obsadzony tylko przez jedną cząstkę. Jest to równoznaczne warunkow. Warunk na maksymalną wartość prawdopodobeństwa termodynamczneo otrzymamy w oparcu o wyrażene (5.16), Ω Ω Reonhard Kulessa 17!!( )! Po zastosowanu wzoru Strlna na lnω, otrzymamy warunek na maksymalną wartość prawdopodobeństwa równy:
18 (ln Ω ) (ln ) δ Ω δ ln δ 0 (5.28) Pozostałe dwa warunk dotyczące ener całkowtej całkowtej lczby cząstek są następujące: δu ε δ 0 (5.29) δ δ 0 (5.30) Łącząc te trzy warunk w oparcu o metodę mnożnków Larane a, otrzymujemy: ln( 1) α βε δ 0. (5.31) Reonhard Kulessa 18
19 Po krótkch przekształcenach otrzymujemy: 1 βε Ae + 1 (5.32) 5.10 Statystyka Maxwell a-boltzmann a Posłuując sę podobną procedurą jak w poprzednch dwóch modelach fzycznych otrzymujemy następujący rozkład cząstek zajmujących stany eneretyczne o ener Є : 1 ε β (5.33) Ae Poznane przez nas równana (5.27),(5.32) (5.33) są do sebe bardzo podobne. Różną sę one tylko tym, w jak sposób w Reonhard Kulessa 19
20 manownku występuje jedynka. Załóżmy sytuację fzyczną taką, że <<. Oznacza to, że lczba cząstek jest znaczne mnejsze nż lczba dostępnych stanów kwantowych dla każdeo pozomy eneretyczneo. W tym przypadku czynnk 1 w równanu (5.27) (5.32) jest bardzo mały w porównanu do czynnka A e βє wtedy zarówno rozkład Fermeo-Draca jak Boseo-Enstena zblżają sę do modelu Maxwell a-bolzmann a. Ten ranczny przypadek jest bardzo ważny, dyż pozwala nam analzować cząstk nerozróżnalne prostym rozkładem Maxwell a-bolzmann a dla << Reonhard Kulessa 20
21 5.11 Przyblżene klasyczne modelu Maxwell a- Bolzmann a Aby móc mówć o przyblżenu klasycznym musmy zanedbać własnośc kwantowe. Możemy to zrobć w następujący sposób. Rozważmy model Maxwella-Bolzmanna dla 1 dla wszystkch stanów eneretycznych, załóżmy, że enera ma rozkład cąły, czyl ne kwantowy. Istneje węc dla takeo cąłeo rozkładu neskończene wele możlwych stanów eneretycznych. Wobec powyższeo, lczba cząstek mających eneręє jest dana przez 1 βε (5.34) Ae Oranczenem dla teo modelu jest fakt, że stneją nerozróżnalne cząstk mkroskopowe, co unemożlwa analzę pewnych substancj modelem Maxwella-Bolzmanna Reonhard Kulessa 21
22 Wyjątek stanową przypadk, dy używamy o jako ranczny przypadek model Fermeo-Draca Boseo Enstena Rozkład prawdopodobeństwa dla stanu równowa Do tej pory określlśmy najbardzej prawdopodobne stany równowa cząstek odsadzających różne pozomy eneretyczne przy warunku stałej ener układu stałej lczby cząstek. Rozkłady te określają najbardzej prawdopodobny makrostan. Znaleźlśmy postać funkcj opsującej to prawdopodobeństwo, lecz ne wyznaczylśmy stałych α β. Znaleźlśmy stany, które mają najwększe prawdopodobeństwo obsadzena. Jeśl wynk które uzyskalśmy dotyczą rzeczywśce najbardzej prawdopodobneo stanu, to mus on być powązany z makroskopowym, normalne obserwowalnym własnoścam Reonhard Kulessa 22
23 Rozważmy jak na wylczone prawdopodobeństwo wpłynęłaby ewentualna zmana lczby cząstek w układze. Prześledźmy to na przykładze rozkładu Maxwella-Bolzmanna. Mamy z wzoru (5.11) Ω!,! lnω ln + ln + (ln ln ln ) ln + (5.35) Aby uzyskać najbardzej prawdopodobny rozkład połączmy ostatne równane z równanem (5.33) 1. Otrzymamy wtedy: Ae ε β Reonhard Kulessa 23
24 ln Ω max ln + (ln + β ) (5.36) A Chcemy zbadać, jak będze wpływ zmany cząstek na prawdopodobeństwo Ω. Chcemy porównać (Ω max + δω) z Ω max, dze δω jest odstępstwem od Ω max spowodowane zmaną δ od najbardzej prawdopodobneo rozkładu. W oparcu o równane (5.35) możemy napsać: ln( Ω + δω ) ln + ( ( )ln( Reonhard Kulessa 24 + δ + δ ε ) ln + δ ) (5.37) Odejmując od teo równana równane (5.35) otrzymujemy: Ω + δω δ ln ln δ ln(1 + ) Ω (5.38) ln( + ) δ δ
25 Jednym z warunków na maksymalną wartość prawdopodobeństwa Ω max jest δ(lnω) 0, lub (patrz r. (5.35) ), (ln ln ) δ 0 (5.39) Odejmując to równane od r.(5.38), otrzymujemy: Ωmax + δω δ δ ln + Ω max ln(1 + ) ln(1 ) Zakładając, że δ << możemy równane (5.40) doprowadzć do postac: δ. (5.40) ln Ω max + δω 1 ( δ ) 2 Ω max 2 (5.41) Reonhard Kulessa 25
26 Rozważmy przykład, w którym dwa stany mają tą samą enerę w sume 6x10 23 cząstek. Dla najbardzej prawdopodobneo rozkładu będze w każdej z nch 3x10 23 cząstek. Załóżmy, że 0.1 procenta cząstek zmena komórkę. Mamy wtedy, 1 2 3x10 23, δ 1 -δ 2 (0.01) ln Ω + δω (3 10 ) ( max Ω max ), czyl Ωmax + δω Ω max e Wdzmy węc, że prawdopodobeństwo zmena sę neznaczne Reonhard Kulessa 26
Wykład Efekt Joule a Thomsona
Wykład 5 4.5 Efekt Joule a Thomsona Rozpatrzmy następujący proces rozprężana sę gazu. Rozprężane gazu następuje w warunkach zolacj termcznej, (dq=0) od stanu początkowego p,v,t,, do stanu końcowego p f,
Bardziej szczegółowoWykład Mikroskopowa interpretacja ciepła i pracy Entropia
Wykład 7 5.13 Mkroskopowa nterpretacja cepła pracy. 5.14 Entropa 5.15 Funkcja rozdzału 6 II zasada termodynamk 6.1 Sformułowane Claususa oraz Kelvna-Plancka II zasady termodynamk 6.2 Procesy odwracalne
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH
STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj
Bardziej szczegółowotermodynamika fenomenologiczna p, VT V, teoria kinetyczno-molekularna <v 2 > termodynamika statystyczna n(v) to jest długi czas, zachodzi
fzka statstczna stan makroskopow układ - skończon obszar przestrzenn (w szczególnośc zolowan) termodnamka fenomenologczna p, VT V, teora knetczno-molekularna termodnamka statstczna n(v) stan makroskopow
Bardziej szczegółowoRUCH OBROTOWY Można opisać ruch obrotowy ze stałym przyspieszeniem ε poprzez analogię do ruchu postępowego jednostajnie zmiennego.
RUCH OBROTOWY Można opsać ruch obrotowy ze stałym przyspeszenem ε poprzez analogę do ruchu postępowego jednostajne zmennego. Ruch postępowy a const. v v at s s v t at Ruch obrotowy const. t t t Dla ruchu
Bardziej szczegółowoI. Elementy analizy matematycznej
WSTAWKA MATEMATYCZNA I. Elementy analzy matematycznej Pochodna funkcj f(x) Pochodna funkcj podaje nam prędkość zman funkcj: df f (x + x) f (x) f '(x) = = lm x 0 (1) dx x Pochodna funkcj podaje nam zarazem
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Zajęcia 4
Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja
Bardziej szczegółowoAnaliza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)
Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane
Bardziej szczegółowoNatalia Nehrebecka. Zajęcia 4
St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających
Bardziej szczegółowo) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4
Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =
Bardziej szczegółowoZaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych
Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,
Bardziej szczegółowoDiagonalizacja macierzy kwadratowej
Dagonalzacja macerzy kwadratowej Dana jest macerz A nân. Jej wartośc własne wektory własne spełnają równane Ax x dla,..., n Każde z równań własnych osobno można zapsać w postac: a a an x x a a an x x an
Bardziej szczegółowoKwantowa natura promieniowania elektromagnetycznego
Efekt Comptona. Kwantowa natura promenowana elektromagnetycznego Zadane 1. Foton jest rozpraszany na swobodnym elektrone. Wyznaczyć zmanę długośc fal fotonu w wynku rozproszena. Poneważ układ foton swobodny
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy
Bardziej szczegółowoAnaliza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A
Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe
Bardziej szczegółowoProjekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE
Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne
Bardziej szczegółowoZestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.
Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :
Bardziej szczegółowoELEKTROCHEMIA. ( i = i ) Wykład II b. Nadnapięcie Równanie Buttlera-Volmera Równania Tafela. Wykład II. Równowaga dynamiczna i prąd wymiany
Wykład II ELEKTROCHEMIA Wykład II b Nadnapęce Równane Buttlera-Volmera Równana Tafela Równowaga dynamczna prąd wymany Jeśl układ jest rozwarty przez elektrolzer ne płyne prąd, to ne oznacza wcale, że na
Bardziej szczegółowo( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X
Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są
Bardziej szczegółowody dx stąd w przybliżeniu: y
Przykłady do funkcj nelnowych funkcj Törnqusta Proszę sprawdzć uzasadnć, które z podanych zdań są prawdzwe, a które fałszywe: Przykład 1. Mesęczne wydatk na warzywa (y, w jednostkach penężnych, jp) w zależnośc
Bardziej szczegółowoW praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.
Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas
Bardziej szczegółowo-Macierz gęstości: stany czyste i mieszane (przykłady) -równanie ruchu dla macierzy gęstości -granica klasyczna rozkładów kwantowych
WYKŁAD 4 dla zanteresowanych -Macerz gęstośc: stany czyste meszane (przykłady) -równane ruchu dla macerzy gęstośc -granca klasyczna rozkładów kwantowych Macerz gęstośc (przypomnene z poprzednch wykładów)
Bardziej szczegółowoProces narodzin i śmierci
Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych
Bardziej szczegółowoZaawansowane metody numeryczne
Wykład 9. jej modyfkacje. Oznaczena Będzemy rozpatrywać zagadnene rozwązana następującego układu n równań lnowych z n newadomym x 1... x n : a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x
Bardziej szczegółowo65120/ / / /200
. W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę
Bardziej szczegółowoModele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.
Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można
Bardziej szczegółowoPodstawy termodynamiki
Podstawy termodynamk Temperatura cepło Praca jaką wykonuje gaz I zasada termodynamk Przemany gazowe zotermczna zobaryczna zochoryczna adabatyczna Co to jest temperatura? 40 39 38 Temperatura (K) 8 7 6
Bardziej szczegółowoPrawdopodobieństwo geometryczne
Prawdopodobeństwo geometryczne Przykład: Przestrzeń zdarzeń elementarnych określona jest przez zestaw punktów (x, y) na płaszczyźne wypełna wnętrze kwadratu [0 x ; 0 y ]. Znajdź p-stwo, że dowolny punkt
Bardziej szczegółowoBADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda
BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp
Bardziej szczegółowoTeoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru
Pomary fzyczne - dokonywane tylko ze skończoną dokładnoścą. Powodem - nedoskonałość przyrządów pomarowych neprecyzyjność naszych zmysłów borących udzał w obserwacjach. Podawane samego tylko wynku pomaru
Bardziej szczegółowoWykład 13. Rozkład kanoniczny Boltzmanna Rozkład Maxwella-Boltzmanna III Zasada Termodynamiki. Rozkład Boltzmanna!!!
Wykład 13 Rozkład kanonczny Boltzmanna Rozkład Maxwella-Boltzmanna III Zasada Termodynamk W. Domnk Wydzał Fzyk UW Termodynamka 2018/2019 1/30 Rozkład Boltzmanna!!! termostat T E n układ P n exp E n Z warunku
Bardziej szczegółowoProblemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA
Problemy jednoczesnego testowana welu hpotez statystycznych ch zastosowana w analze mkromacerzy DNA Konrad Furmańczyk Katedra Zastosowań Matematyk SGGW Plan referatu Testowane w analze mkromacerzy DNA
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3
Stansław Cchock Natala Nehrebecka Katarzyna Rosak-Lada Zajęca 3 1. Dobrod dopasowana równana regresj. Współczynnk determnacj R 2 Dekompozycja warancj zmennej zależnej Współczynnk determnacj R 2 2. Zmenne
Bardziej szczegółowo2012-10-11. Definicje ogólne
0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj
Bardziej szczegółowoMinister Edukacji Narodowej Pani Katarzyna HALL Ministerstwo Edukacji Narodowej al. J. Ch. Szucha 25 00-918 Warszawa Dnia 03 czerwca 2009 r.
Mnster Edukacj arodowej Pan Katarzyna HALL Mnsterstwo Edukacj arodowej al. J. Ch. Szucha 25 00-918 arszawa Dna 03 czerwca 2009 r. TEMAT: Propozycja zmany art. 30a ustawy Karta auczycela w forme lstu otwartego
Bardziej szczegółowoStatystyki klasyczne i kwantowe
0-06- Statystyk klasyczne kwantowe Fzyka II dla lektronk, lato 0 Problem welu cząstek Ze wzrostem lczby elementów układu fzycznego, przechodząc od atomów jednoelektronowych, poprzez weloelektronowe, aż
Bardziej szczegółowoMetody symulacji w nanostrukturach (III - IS)
Metody symulacj w nanostrukturach (III - IS) W. Jaskólsk - modelowane nanostruktur węglowych Cz.I wprowadzene do mechank kwantowej Nektóre przyczyny konecznośc pojawena sę kwantowej teor fzycznej (fzyka
Bardziej szczegółowoWeryfikacja hipotez dla wielu populacji
Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w
Bardziej szczegółowoZASADA ZACHOWANIA MOMENTU PĘDU: PODSTAWY DYNAMIKI BRYŁY SZTYWNEJ
ZASADA ZACHOWANIA MOMENTU PĘDU: PODSTAWY DYNAMIKI BYŁY SZTYWNEJ 1. Welkośc w uchu obotowym. Moment pędu moment sły 3. Zasada zachowana momentu pędu 4. uch obotowy były sztywnej względem ustalonej os -II
Bardziej szczegółowoOligopol dynamiczny. Rozpatrzmy model sekwencyjnej konkurencji ilościowej jako gra jednokrotna z pełną i doskonalej informacją
Olgopol dynamczny Rozpatrzmy model sekwencyjnej konkurencj loścowej jako gra jednokrotna z pełną doskonalej nformacją (1934) Dwa okresy: t=0, 1 tzn. frma 2 podejmując decyzję zna decyzję frmy 1 Q=q 1 +q
Bardziej szczegółowoXXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne
XXX OLIMPIADA FIZYCZNA ETAP III Zadane dośwadczalne ZADANIE D Nazwa zadana: Maszyna analogowa. Dane są:. doda półprzewodnkowa (krzemowa) 2. opornk dekadowy (- 5 Ω ), 3. woltomerz cyfrowy, 4. źródło napęca
Bardziej szczegółowoStatystyka Inżynierska
Statystyka Inżynerska dr hab. nż. Jacek Tarasuk AGH, WFIS 013 Wykład DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE Zmenna losowa, Funkcja rozkładu, Funkcja gęstośc, Dystrybuanta, Charakterystyk zmennej, Funkcje
Bardziej szczegółowoFunkcje i charakterystyki zmiennych losowych
Funkcje charakterystyk zmennych losowych Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Funkcje zmennych losowych
Bardziej szczegółowoV. TERMODYNAMIKA KLASYCZNA
46. ERMODYNAMIKA KLASYCZNA. ERMODYNAMIKA KLASYCZNA ermodynamka jako nauka powstała w XIX w. Prawa termodynamk są wynkem obserwacj welu rzeczywstych procesów- są to prawa fenomenologczne modelu rzeczywstośc..
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej
Rachunek prawdopodobeństwa statstka W 11: Analz zależnoścpomędz zmennm losowm Model regresj welokrotnej Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Model regresj lnowej Model regresj lnowej prostej
Bardziej szczegółowo11/22/2014. Jeśli stała c jest równa zero to takie gry nazywamy grami o sumie zerowej.
/22/24 Dwuosobowe gry o sume zero DO NAUCZENIA I ZAPAMIĘTANIA: Defnca zaps ger o sume zero, adaptaca ogólnych defnc. Punkt sodłowy Twerdzena o zwązkach punktu sodłowego z koncepcam rozwązań PRZYPOMNIENIE:
Bardziej szczegółowoModel ISLM. Inwestycje - w modelu ISLM przyjmujemy, że inwestycje przyjmują postać funkcji liniowej:
dr Bartłomej Rokck Ćwczena z Makroekonom I Model ISLM Podstawowe założena modelu: penądz odgrywa ważną rolę przy determnowanu pozomu dochodu zatrudnena nwestycje ne mają charakteru autonomcznego, a ch
Bardziej szczegółowoWstęp do metod numerycznych Faktoryzacja SVD Metody iteracyjne. P. F. Góra
Wstęp do metod numerycznych Faktoryzacja SVD Metody teracyjne P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ 2013 Sngular Value Decomposton Twerdzene 1. Dla każdej macerzy A R M N, M N, stneje rozkład
Bardziej szczegółowoKURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1
KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej
Bardziej szczegółowoPokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem
Zestaw zadań : Przestrzene wektorowe. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar : C C C, (z, v) z v := z v jest przestrzeną lnową nad całem lczb zespolonych
Bardziej szczegółowoPłyny nienewtonowskie i zjawisko tiksotropii
Płyny nenewtonowske zjawsko tksotrop ) Krzywa newtonowska, lnowa proporcjonalność pomędzy szybkoścą ścnana a naprężenem 2) Płyny zagęszczane ścnanem, naprężene wzrasta bardzej nż proporcjonalne do wzrostu
Bardziej szczegółowoLaboratorium ochrony danych
Laboratorum ochrony danych Ćwczene nr Temat ćwczena: Cała skończone rozszerzone Cel dydaktyczny: Opanowane programowej metody konstruowana cał skończonych rozszerzonych GF(pm), poznane ch własnośc oraz
Bardziej szczegółowoNatalia Nehrebecka. Zajęcia 3
St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a
Bardziej szczegółowoTERMODYNAMIKA TECHNICZNA I CHEMICZNA
TRMODYNAMIKA TCHNICZNA I CHMICZNA Część IV TRMODYNAMIKA ROZTWORÓW TRMODYNAMIKA ROZTWORÓW FUGATYWNOŚCI I AKTYWNOŚCI a) Wrowadzene Potencjał chemczny - rzyomnene de G n na odstawe tego, że otencjał termodynamczny
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej
Bardziej szczegółowoMECHANIKA 2 MOMENT BEZWŁADNOŚCI. Wykład Nr 10. Prowadzący: dr Krzysztof Polko
MECHANIKA Wykład Nr 10 MOMENT BEZWŁADNOŚCI Prowadzący: dr Krzysztof Polko Defncja momentu bezwładnośc Momentem bezwładnośc punktu materalnego względem płaszczyzny, os lub beguna nazywamy loczyn masy punktu
Bardziej szczegółowoSystemy Ochrony Powietrza Ćwiczenia Laboratoryjne
ś POLITECHNIKA POZNAŃSKA INSTYTUT INŻYNIERII ŚRODOWISKA PROWADZĄCY: mgr nż. Łukasz Amanowcz Systemy Ochrony Powetrza Ćwczena Laboratoryjne 2 TEMAT ĆWICZENIA: Oznaczane lczbowego rozkładu lnowych projekcyjnych
Bardziej szczegółowoWykład 8. Silnik Stirlinga (R. Stirling, 1816)
Wykład 8 Maszyny ceplne c.d. Rozkład Maxwella -wstęp Entalpa Entalpa reakcj chemcznych Entalpa przeman azowych Procesy odwracalne neodwracalne Entropa W. Domnk Wydzał Fzyk UW Termodynamka 018/019 1/6 Slnk
Bardziej szczegółowoINDUKCJA ELEKTROMAGNETYCZNA. - Prąd powstający w wyniku indukcji elektro-magnetycznej.
INDUKCJA ELEKTROMAGNETYCZNA Indukcja - elektromagnetyczna Powstawane prądu elektrycznego w zamknętym, przewodzącym obwodze na skutek zmany strumena ndukcj magnetycznej przez powerzchnę ogranczoną tym obwodem.
Bardziej szczegółowoSZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW
SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.
Bardziej szczegółowoMetody analizy obwodów
Metody analzy obwodów Metoda praw Krchhoffa, która jest podstawą dla pozostałych metod Metoda transfguracj, oparte na przekształcenach analzowanego obwodu na obwód równoważny Metoda superpozycj Metoda
Bardziej szczegółowoTeoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru
Pomary fzyczne - dokonywane tylko ze skończoną dokładnoścą. Powodem - nedoskonałość przyrządów pomarowych neprecyzyjność naszych zmysłów borących udzał w obserwacjach. Podawane samego tylko wynku pomaru
Bardziej szczegółowoProgramowanie Równoległe i Rozproszone
Programowane Równoległe Rozproszone Wykład Programowane Równoległe Rozproszone Lucjan Stapp Wydzał Matematyk Nauk Informacyjnych Poltechnka Warszawska (l.stapp@mn.pw.edu.pl) /38 PRR Wykład Chcemy rozwązać
Bardziej szczegółowoPlan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup
Jednoczynnkowa Analza Waranc (ANOVA) Wykład 11 Przypomnene: wykłady zadana kursu były zaczerpnęte z podręcznków: Statystyka dla studentów kerunków techncznych przyrodnczych, J. Koronack, J. Melnczuk, WNT
Bardziej szczegółowoPAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W PILE INSTYTUT POLITECHNICZNY. Zakład Budowy i Eksploatacji Maszyn PRACOWNIA TERMODYNAMIKI TECHNICZNEJ INSTRUKCJA
PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W PILE INSTYTUT POLITECHNICZNY Zakład Budowy Eksploatacj Maszyn PRACOWNIA TERMODYNAMIKI TECHNICZNEJ INSTRUKCJA Temat ćwczena: PRAKTYCZNA REALIZACJA PRZEMIANY ADIABATYCZNEJ.
Bardziej szczegółowoWykład 10 Teoria kinetyczna i termodynamika
Wykład 0 Teora knetyczna termodynamka Prawa gazów doskonałych Z dośwadczeń wynka, że przy dostateczne małych gęstoścach, wszystke gazy, nezależne od składu chemcznego wykazują podobne zachowana: w stałej
Bardziej szczegółowoMATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5
MATEMATYKA POZIOM ROZSZERZONY Krytera ocenana odpowedz Arkusz A II Strona 1 z 5 Odpowedz Pytane 1 2 3 4 5 6 7 8 9 Odpowedź D C C A B 153 135 232 333 Zad. 10. (0-3) Dana jest funkcja postac. Korzystając
Bardziej szczegółowoModel ASAD. ceny i płace mogą ulegać zmianom (w odróżnieniu od poprzednio omawianych modeli)
Model odstawowe założena modelu: ceny płace mogą ulegać zmanom (w odróżnenu od poprzedno omawanych model) punktem odnesena analzy jest obserwacja pozomu produkcj cen (a ne stopy procentowej jak w modelu
Bardziej szczegółowoα i = n i /n β i = V i /V α i = β i γ i = m i /m
Ćwczene nr 2 Stechometra reakcj zgazowana A. Część perwsza: powtórzene koncentracje stężena 1. Stężene Stężene jest stosunkem lośc substancj rozpuszczonej do całkowtej lośc rozpuszczalnka. Sposoby wyrażena
Bardziej szczegółowoWykład 14. Termodynamika gazu fotnonowego
Wykład 14 Termodynamika gazu fotnonowego dr hab. Agata Fronczak, prof. PW Wydział Fizyki, Politechnika Warszawska 16 stycznia 217 dr hab. A. Fronczak (Wydział Fizyki PW) Wykład: Elementy fizyki statystycznej
Bardziej szczegółowo1.1. Uprość opis zdarzeń: 1.2. Uprościć opis zdarzeń: a) A B A Uprościć opis zdarzeń: 1.4. Uprościć opis zdarzeń:
.. Uprość ops zdarzeń: a) A B, A \ B b) ( A B) ( A' B).. Uproścć ops zdarzeń: a) A B A b) A B, ( A B) ( B C).. Uproścć ops zdarzeń: a) A B A B b) A B C ( A B) ( B C).4. Uproścć ops zdarzeń: a) A B, A B
Bardziej szczegółowo5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim
5. Pocodna funkcj Defncja 5.1 Nec f: (a, b) R nec c (a, b). Jeśl stneje granca lm x c x c to nazywamy ją pocodną funkcj f w punkce c oznaczamy symbolem f (c) Twerdzene 5.1 Jeśl funkcja f: (a, b) R ma pocodną
Bardziej szczegółowoTemat 13. Rozszerzalność cieplna i przewodnictwo cieplne ciał stałych.
Temat 13. Rozszerzalność ceplna przewodnctwo ceplne cał stałych. W temace 8 wykazalśmy przy wykorzystanu warunków brzegowych orna-karmana, że wyraz lnowy w rozwnęcu energ potencjalnej w szereg potęgowy
Bardziej szczegółowoWykład Turbina parowa kondensacyjna
Wykład 9 Maszyny ceplne turbna parowa Entropa Równane Claususa-Clapeyrona granca równowag az Dośwadczena W. Domnk Wydzał Fzyk UW ermodynamka 08/09 /5 urbna parowa kondensacyjna W. Domnk Wydzał Fzyk UW
Bardziej szczegółowoOpracowanie metody predykcji czasu życia baterii na obiekcie i oceny jej aktualnego stanu na podstawie analizy bieżących parametrów jej eksploatacji.
Zakład Systemów Zaslana (Z-5) Opracowane nr 323/Z5 z pracy statutowej pt. Opracowane metody predykcj czasu życa bater na obekce oceny jej aktualnego stanu na podstawe analzy beżących parametrów jej eksploatacj.
Bardziej szczegółowoStatystyki kwantowe. P. F. Góra
Statystyki kwantowe P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2016 Statystyki kwantowe Rozpatrujemy gaz doskonały o Hamiltonianie H = N i=1 p i 2 2m. (1) Zamykamy czastki w bardzo dużym pudle o idealnie
Bardziej szczegółowoAnaliza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH
Analza danych Analza danych welowymarowych. Regresja lnowa. Dyskrymnacja lnowa. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ PARA ZMIENNYCH LOSOWYCH Parę zmennych losowych X, Y możemy
Bardziej szczegółowoNatalia Nehrebecka. Wykład 2
Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad
Bardziej szczegółowoFizyka cząstek elementarnych
ykład XI Rozpraszane głęboko neelastyczne partonowy model protonu Jak już było wspomnane współczesna teora kwarkowej budowy hadronów ma dwojake pochodzene statyczne dynamczne. Koncepcja kwarków była z
Bardziej szczegółowoPrzykład 5.1. Kratownica dwukrotnie statycznie niewyznaczalna
rzykład.. Kratownca dwukrotne statyczne newyznaczana oecene: korzystaąc z metody sł wyznaczyć sły w prętach ponższe kratowncy. const Rozwązane zadana rozpoczynamy od obczena stopna statyczne newyznaczanośc
Bardziej szczegółowo± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości
Podstawowe pojęca procesu pomarowego kreślene jakośc poznana rzeczywstośc Δ zmerzone rzeczywste 17 9 Zalety stosowana elektrycznych przyrządów 1/ 1. możlwość budowy czujnków zamenających werne każdą welkość
Bardziej szczegółowoSYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.
SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA Częstochowa 4 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TWIERDZENIE BAYESA Wedza pozyskwana przez metody probablstyczne ma
Bardziej szczegółowoTEORIA PORTFELA MARKOWITZA
TEORIA PORTFELA MARKOWITZA Izabela Balwerz 28 maj 2008 1 Wstęp Teora portfela została stworzona w 1952 roku przez amerykańskego ekonomstę Harry go Markowtza Opera sę ona na mnmalzacj ryzyka nwestycyjnego
Bardziej szczegółowoDiagnostyka układów kombinacyjnych
Dagnostyka układów kombnacyjnych 1. Wprowadzene Dagnostyka obejmuje: stwerdzene stanu układu, systemu lub ogólne sec logcznej. Jest to tzw. kontrola stanu wykrywająca czy dzałane sec ne jest zakłócane
Bardziej szczegółowoKomputer kwantowy Zasady funkcjonowania. Dr hab. inż. Krzysztof Giaro Politechnika Gdańska Wydział ETI
Komputer kwantowy Zasady funkcjonowana Dr hab. nż. Krzysztof Garo Poltechnka Gdańska Wydzał ETI Oblczena kwantowe. R. Feynman [985] symulację zachowana układu kwantowego należy przeprowadzć na "maszyne"
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL W standardowym modelu lnowym zakładamy,
Bardziej szczegółowoSymetrie i struktury ciała stałego - W. Sikora
Symetre struktury cała stałego - W. Skora ( W wykładach zostały wykorzystane fragmenty materałów opracowanych w ramach praktyk wakacyjnej przez studentk specjalnośc Fzyka Cała Stałego WFIS: Sylwę Chudy,
Bardziej szczegółowoEUROELEKTRA. Ogólnopolska Olimpiada Wiedzy Elektrycznej i Elektronicznej. Rok szkolny 2013/2014
EUROELEKTRA Ogólnopolska Olmpada Wedzy Elektrycznej Elektroncznej Rok szkolny 232 Zadana z elektronk na zawody III stopna (grupa elektronczna) Zadane. Oblczyć wzmocnene napęcowe, rezystancję wejścową rezystancję
Bardziej szczegółowoZmiana entropii w przemianach odwracalnych
Wykład 4 Zmana entrop w przemanach odwracalnych: przemany obegu Carnota, spręŝane gazu półdoskonałego ze schładzanem, zobaryczne wytwarzane przegrzewane pary techncznej rzemany zentropowe gazu doskonałego
Bardziej szczegółowoOkreślanie mocy cylindra C w zaleŝności od ostrości wzroku V 0 Ostrość wzroku V 0 7/5 6/5 5/5 4/5 3/5 2/5 Moc cylindra C 0,5 0,75 1,0 1,25 1,5 > 2
T A R C Z A Z E G A R O W A ASTYGMATYZM 1.Pojęca ogólne a) astygmatyzm prosty (najbardzej zgodny z pozomem) - najbardzej płask połudnk tzn. o najmnejszej mocy jest pozomy b) astygmatyzm odwrotny (najbardzej
Bardziej szczegółowo7.8. RUCH ZMIENNY USTALONY W KORYTACH PRYZMATYCZNYCH
WYKŁAD 7 7.8. RUCH ZMIENNY USTALONY W KORYTACH PRYZMATYCZNYCH 7.8.. Ogólne równane rucu Rucem zmennym w korytac otwartyc nazywamy tak przepływ, w którym parametry rucu take jak prędkość średna w przekroju
Bardziej szczegółowoStatystyka. Zmienne losowe
Statystyka Zmenne losowe Zmenna losowa Zmenna losowa jest funkcją, w której każdej wartośc R odpowada pewen podzbór zboru będący zdarzenem losowym. Zmenna losowa powstaje poprzez przyporządkowane każdemu
Bardziej szczegółowoWikiWS For Business Sharks
WkWS For Busness Sharks Ops zadana konkursowego Zadane Opracowane algorytmu automatyczne przetwarzającego zdjęce odręczne narysowanego dagramu na tablcy lub kartce do postac wektorowej zapsanej w formace
Bardziej szczegółowou u u( x) u, x METODA RÓŻNIC SKOŃCZONYCH, METODA ELEMENTÓW BRZEGOWYCH i METODA ELEMENTÓW SKOŃCZONYCH
METODA RÓŻNIC SKOŃCZONYCH, METODA ELEMENTÓW BRZEGOWYCH METODA ELEMENTÓW SKOŃCZONYCH Szkc rozwązana równana Possona w przestrzen dwuwymarowe. Równane Possona to równae różnczkowe cząstkowe opsuące wele
Bardziej szczegółowoMikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński
Mkroekonometra 5 Mkołaj Czajkowsk Wktor Budzńsk Uogólnone modele lnowe Uogólnone modele lnowe (ang. Generalzed Lnear Models GLM) Różną sę od standardowego MNK na dwa sposoby: Rozkład zmennej objaśnanej
Bardziej szczegółowoEKONOMETRIA Wykład 4: Model ekonometryczny - dodatkowe zagadnienia
EKONOMETRIA Wykład 4: Model ekonometryczny - dodatkowe zagadnena dr Dorota Cołek Katedra Ekonometr Wydzał Zarządzana UG http://wzr.pl/dorota-colek/ dorota.colek@ug.edu.pl 1 Wpływ skalowana danych na MNK
Bardziej szczegółowoMETODA ELEMENTU SKOŃCZONEGO. Termokinetyka
METODA ELEMENTU SKOŃCZONEGO Termoknetyka Matematyczny ops ruchu cepła (1) Zasada zachowana energ W a Cepło akumulowane, [J] P we Moc wejścowa, [W] P wy Moc wyjścowa, [W] t przedzał czasu, [s] V q S(V)
Bardziej szczegółowo