Układ (fizyczny) Fizyka Systemów Złożonych (Physics of Complex Systems) Wyk 1: Wstęp

Wielkość: px
Rozpocząć pokaz od strony:

Download "Układ (fizyczny) Fizyka Systemów Złożonych (Physics of Complex Systems) Wyk 1: Wstęp"

Transkrypt

1 Układ (fizyczny) Fizyka Systemów Złożonych (Physics of Complex Systems) Wyk 1: Wstęp Katarzyna Sznajd Weron Wyodrębniony (realnie lub myślowo) fragment rzeczywistości Jednostka, którą będziemy się zajmować Zbiór cząstek Populacja zwierząt Sieć społeczna System zespół oddziaływujących obiektów Źródło: personal.umich.edu/~ladamic/img/politicalblogs.jpg Układy otwarte, zamknięte i izolowane (termodynamiczne) Układy i jego otoczenie Co tu jest stałe? Co może się zmienić? energia materia energia układ układ otwarty + otoczenie = układ izolowany Tylko dla takich istnieje ogólna teoria! otoczenie Układ otwarty Układ zamknięty Układ izolowany Zagadka czy energia jest zawsze zachowana? Prędkość graniczna energia kinetyczna się nie zmienia! Potencjalna energia maleje Całkowita energia maleje! Myśl układami Co to jest układ złożony? Składa się z wielu elementów oddziałujących ze sobą nieliniowo Nieliniowe oddziaływanie : 224 Całość to coś więcej niż suma jego części Typowe: Emergencja Samoorganizacja Brak równowagi (układy otwarte) Sprzężenia zwrotne Prawa potęgowe 1

2 Złożoność Co innego niż zawiłość (skomplikowanie) Emergencja Krytyczność Nieprzewidywalność Dziwne pętle, sprzężenia zwrotne Więcej znaczy inaczej P.W. Anderson 1977 nagroda Nobla z fizyki prace nad nieuporządkowanymi układami magnetycznymi P. W. Anderson, More Is Different, Science, New Series 177 (Aug. 4, 1972), pp Maurits Cornelis Escher, ASCENDING AND DESCENDING Przygody z prostotą i złożonością Complex Systems a new kind of Science? Czy dwa płatki śniegu mogą być takie same? Sprawdź na SnowCrystals.com Nature Physics Insight Complexity, January Science Complex Systems and Networks, July 2009 Nature Insight Complex systems, March 2001 Science Complex Systems, April

3 Kilka słów o płatkach śniegu Płatki śniegu to nie zamrożone krople deszczu Kryształki śniegu: para wodna lód (w chmurach) Wzrost kryształów wzory Bardzo małe kryształy: heksagonalne Większe: z wierzchołków wyrastają rozgałęzienia Human Genome Project W 2000 zsekwencjonowano cały ludzki genom Rewolucja w diagnostyce, profilaktyce,? Po dziesięciu latach dalej nie widać tej rewolucji! Dlaczego? Co wiadomo? Wysoce interdyscyplinarne! Zdjęcia prawdziwych płatków śniegu, SnowCrystals.com Human Genome Project co wiadomo Tylko genów (sekwencje DNA, które kodują białka) tyle co u myszy, robaków, roślin gorczycy! Geny kodujące białka stanowią jedynie około 2% naszego DNA! Jeśli tak mało genów to skąd pochodzi nasza złożoność? Jaka jest funkcja DNA śmieciowego (98% genów) Czego jeszcze się dowiedzieliśmy? Human Genome Project co wiadomo Geny oddziałują nieliniowo tworząc skomplikowane sieci przetwarzania informacji To raczej sieci, a nie pojedyncze geny, kształtują organizm Śmieciowe DNA odgrywa kluczową rolę w formowaniu się tej sieci Śmieciowe DNA jest odpowiedzialne za złożoność ludzkiego orgaznizmu! Po co model w fizyce? Po co nam uproszczenia? nieznane zjawisko? Weryfikacja Przykład z rozprawy doktorskiej Piotra Nyczki: Model Marcin Weron Konstrukcja Eksperyment Oryginalny obraz,, 0,255 Zdjęto kolor jedna zmienna o 256 wartościach Coraz mniejsza liczba odcieni szarości, ostatecznie 2 Łatwiejsza analiza może nawet analityczna Większa kontrola (zrozumienie) Możliwość zupełnej analizy wrażliwości na zmianę parametrów (uwaga na przejścia fazowe!) 3

4 Model analityczny: Równanie logistyczne, Verhulst (1838) dn dt c N 1 N K t 1 c t rc t 1 c t Barnacle Goose population, Źródło: Armson, R., Cockroft, J.M. and Stone, J.A.R. (2000). Modelling a Barnacle Goose Population, Teaching Mathematics and its applications, Vol.19, No.2, pp Co to jest model agentowy? Model mikroskopowy Bottom up Agenci (jednostki) Ludzie, zwierzęta, rośliny, cząstki, Organizacje, społeczności, populacje, gatunki, Jednego typu lub więcej (np. ludzie i organizacje) Każdy agent ma pewne cechy Oddziaływania Środowisko (przestrzeń) Kiedy się pojawiły? Do 2002 ludzie nie zajmowali się na poważnie ABM Dlaczego? A. Borshchev, AnyLogic Od 19 lat w naukach społecznych wg. F. Squazzoni, History of Economic Ideas, xviii/2010/2 Wg. Web of Science Źródło: M. Niazi, A. Hussain, Agent-based computing from multi-agent systems to agent-based models: a visual survey, Scientometrics (2011) 89: Gdzie stosowane są ABM Fizyka statystyczna, Chemia Ekologia, Ewolucja biologiczna Urbanistyka, Ergonomia ruch uliczny, ruch pieszych (ewakuacja) Nauki społeczne (opinie, kultura, język) Marketing (Dyfuzja innowacji) Rozrywka (gry komp., filmy) Przykład: Segregacja rasowa Przykład: Model Schellinga (1971) Agenci mogą być tylko dwóch typów i początkowo rozmieszczeni są losowo na sieci Agent jest nieszczęśliwy jeżeli ma w otoczeniu zbyt wielu obcych (>T) W każdym kroku symulacji jeden nieszczęśliwy, losowo wybrany agent jest przesuwany do losowo wybranej wolnej komórki w sąsiedztwie Schelling, T.C. Dynamic Models of Segregation, Journal of Math. Sociology 1: (1971) 4

5 Przykład: Model Schellinga (1971) Jaka nauka płynie z tego modelu? Model segregacji ze względu na pewną cechę (rasa, płeć, wiek, styl życia, pozycja, zamożność) Nikt nie preferuje ścisłej segregacji Ostra segregacja mimo łagodnych preferencji Mikro motywy i makro zachowanie Czego się spodziewacie? Zajrzyjcie na Models Library: Social Science: Segregation Przejście pomiędzy mikro a makro Temperatura Curie ciągłe przejście fazowe magnes ferromagnetyk Przejście fazowe Katarzyna Sznajd Weron Ferromagnetyk Paramagnetyk Jak to zrozumieć? Marcin Weron Model Isinga (Lenza Isinga?) 1925 rozprawa doktorska Ernsta Isinga Brak przejścia fazowego w 1D Jedyna praca Isinga Przejście fazowe w 2D (lata czterdzieste) Skala mikro tłumaczy zachowania makro, Skąd taki Hamiltonian? Każdy układ dąży do minimalizacji energii LÓD WODA LÓD WODA LÓD WODA Lód i woda w równowadze Przechłodzona woda 5

6 Skąd taki Hamiltonian? Oddziaływania pomiędzy cząstkami Każdy układ dąży do minimalizacji energii Ferromagnetyk (konformizm) Antyferromagnetyk (antykonformizm) Wpływ (siła oddziaływania) wzrasta wraz Ze zgodnością grupy Z rozmiarem grupy Wysoka temperatura nerwowo Piotr Nyczka Czego się spodziewacie? Ewolucja układu w czasie (ferromagnetyk) Czego się spodziewacie? Zajrzyjcie na Models Library niska temperatura NetLogo (środowisko do ABM) Prof. Uri Wilensky Northwestern's Center for Connected Learning and Computer Based Modeling (CCL) Oddziaływanie porządkuje Temperatura losowe zmiany 1 W niskich temperaturach porządek W wysokich temperaturach nieporządek Dalsze losy modelu Isinga Przejście fazowe w 2D bez pola Onsager, lata czterdzieste Symulacje Komputerowe model Isinga w 3D i 2D z polem Wykorzystanie poza fizyką Symulacja Monte Carlo Modelu Isinga Przygotuj stan początkowy układu Pozwól mu ewoluować Poczekaj aż ustali się magnetyzacja Zanotuj wartość Powtarzaj to dużo razy Policz średnią magnetyzację Jaka to średnia? 1 6

7 Średnia po czasie i średnia po zespole Algorytm Metropolisa 1MCS = N losowań Średnia po czasie Układ ergodyczny to średnia po zespole = średnia po czasie Średnia po zespole Wylosuj jeden spin Oblicz energię E Oblicz energię E Oblicz zmianę energii ΔE E E Jeżeli ΔE 0 to Jeżeli ΔE 0 to wylosuj z przedziału 0,1 i akceptuj nową konfigurację jeżeli: Δ, 1 Przejście fazowe w modelu Isinga Spojrzenie fizyka na rzeczywistość Wszystko powinno być tak proste, jak to tylko możliwe, ale nie prostsze 7

Krytyczność, przejścia fazowe i symulacje Monte Carlo. Katarzyna Sznajd-Weron Physics of Complex System

Krytyczność, przejścia fazowe i symulacje Monte Carlo. Katarzyna Sznajd-Weron Physics of Complex System Krytyczność, przejścia fazowe i symulacje Monte Carlo Katarzyna Sznajd-Weron Physics of Complex System Przejścia fazowe wokół nas woda faza ciekła PUNKT KRYTYCZNY Lód faza stała para faza gazowa ciągłe

Bardziej szczegółowo

Wstęp do fizyki statystycznej: krytyczność i przejścia fazowe. Katarzyna Sznajd-Weron

Wstęp do fizyki statystycznej: krytyczność i przejścia fazowe. Katarzyna Sznajd-Weron Wstęp do fizyki statystycznej: krytyczność i przejścia fazowe Katarzyna Sznajd-Weron Co to jest fizyka statystyczna? Termodynamika poziom makroskopowy Fizyka statystyczna poziom mikroskopowy Marcin Weron

Bardziej szczegółowo

Model Isinga. Katarzyna Sznajd-Weron

Model Isinga. Katarzyna Sznajd-Weron Model Isinga Katarzyna Sznajd-Weron Temperatura Curie ciągłe przejście fazowe magnes ferromagnetyk Przejście fazowe Katarzyna Sznajd-Weron Ferromagnetyk T T c Paramagnetyk T > T c Jak to zrozumieć? Model

Bardziej szczegółowo

Modelowanie Agentowe Układów Złożonych Wstęp. Katarzyna Sznajd-Weron

Modelowanie Agentowe Układów Złożonych Wstęp. Katarzyna Sznajd-Weron Modelowanie Agentowe Układów Złożonych Wstęp Katarzyna Sznajd-Weron Aperitif (2006) Physicists pretend not only to know everything, but also to know everything better. This applies in particular to computational

Bardziej szczegółowo

Układy otwarte, zamknięte i izolowane (termodynamiczne) Fizyka systemów złożonych wykład 1: Wstęp

Układy otwarte, zamknięte i izolowane (termodynamiczne) Fizyka systemów złożonych wykład 1: Wstęp Układy otwarte, zamknięte i izolowane (termodynamiczne) Fizyka systemów złożonych wykład 1: Wstęp Co tu jest stałe? Co może się zmienić? energia materia energia Katarzyna Sznajd Weron Wykład dla Inżynierii

Bardziej szczegółowo

Krytyczność i przejścia fazowe. Katarzyna Sznajd-Weron

Krytyczność i przejścia fazowe. Katarzyna Sznajd-Weron Krytyczność i przejścia fazowe Katarzyna Sznajd-Weron Temperatura Curie Temperatura Curie ciągłe przejście fazowe magnes ferromagnetyk Przejście fazowe Katarzyna Sznajd-Weron Ferromagnetyk T T c Paramagnetyk

Bardziej szczegółowo

Fizyka statystyczna i termodynamika Wykład 1: Wstęp. Katarzyna Sznajd-Weron Katedra Fizyki Teoretycznej

Fizyka statystyczna i termodynamika Wykład 1: Wstęp. Katarzyna Sznajd-Weron Katedra Fizyki Teoretycznej Fizyka statystyczna i termodynamika Wykład 1: Wstęp Katarzyna Sznajd-Weron Katedra Fizyki Teoretycznej http://www.if.pwr.wroc.pl/~katarzynaweron/ Mój plan zajęć Strona kursu Kim jestem? Prof. dr hab. Katarzyna

Bardziej szczegółowo

Potęga modeli agentowych

Potęga modeli agentowych Potęga modeli agentowych Katarzyna Sznajd-Weron Katedra UNESCO Studiów Interdyscyplinarnych Seminarium S 3, 7 maja 2013 Aperitif (2006) Physicists pretend not only to know everything, but also to know

Bardziej szczegółowo

Modele sieciowe fizyki statystycznej i symulacje Monte Carlo. Katarzyna Sznajd-Weron

Modele sieciowe fizyki statystycznej i symulacje Monte Carlo. Katarzyna Sznajd-Weron Modele sieciowe fizyki statystycznej i symulacje Monte Carlo Katarzyna Sznajd-Weron Perkolacja 2014 Katarzyna Sznajd-Weron Model erkolacji Model erkolacji : Każdy węzeł (wiązanie) sieci jest zajęty niezależnie

Bardziej szczegółowo

Co to jest model Isinga?

Co to jest model Isinga? Co to jest model Isinga? Fakty eksperymentalne W pewnych metalach (np. Fe, Ni) następuje spontaniczne ustawianie się spinów wzdłuż pewnego kierunku, powodując powstanie makroskopowego pola magnetycznego.

Bardziej szczegółowo

Przejścia fazowe w uogólnionym modelu modelu q-wyborcy na grafie zupełnym

Przejścia fazowe w uogólnionym modelu modelu q-wyborcy na grafie zupełnym Przejścia fazowe w uogólnionym modelu modelu q-wyborcy na grafie zupełnym Piotr Nyczka Institute of Theoretical Physics University of Wrocław Artykuły Opinion dynamics as a movement in a bistable potential

Bardziej szczegółowo

W sieci małego świata od DNA po facebooka. Dr hab. Katarzyna Sznajd-Weron, prof. PWr.

W sieci małego świata od DNA po facebooka. Dr hab. Katarzyna Sznajd-Weron, prof. PWr. W sieci małego świata od DNA po facebooka Dr hab. Katarzyna Sznajd-Weron, prof. PWr. Plan Co to jest sieć? Przykłady sieci złożonych Cechy rzeczywistych sieci Modele sieci Sieci złożone i układy złożone

Bardziej szczegółowo

Sieci złożone. Modelarnia 2014/2015 Katarzyna Sznajd-Weron

Sieci złożone. Modelarnia 2014/2015 Katarzyna Sznajd-Weron Sieci złożone Modelarnia 2014/2015 Katarzyna Sznajd-Weron Sieć = network Węzły Węzły jednego typu lub wielu Połączenia Połączenia kierunkowe lub nie Czy fizycy zawsze muszą mieć inne zdanie? Fizycy sieć

Bardziej szczegółowo

Obliczenia inspirowane Naturą

Obliczenia inspirowane Naturą Obliczenia inspirowane Naturą Wykład 03 (uzupełnienie Wykładu 02) Jarosław Miszczak IITiS PAN Gliwice 31/03/2016 1 / 17 1 2 / 17 Dynamika populacji Równania Lotki-Voltery opisują model drapieżnik-ofiara.

Bardziej szczegółowo

Równowaga w układach termodynamicznych. Katarzyna Sznajd-Weron

Równowaga w układach termodynamicznych. Katarzyna Sznajd-Weron Równowaga w układach termodynamicznych. Katarzyna Sznajd-Weron Zagadka na początek wykładu Diagram fazowy wody w powiększeniu, problem metastabilności aktualny (Nature, 2011) Niższa temperatura topnienia

Bardziej szczegółowo

PageRank. Bartosz Makuracki. 28 listopada B. Makuracki PageRank

PageRank. Bartosz Makuracki. 28 listopada B. Makuracki PageRank PageRank Bartosz Makuracki 28 listopada 2013 Definicja Definicja PageRank jest algorytmem używanym przez wyszukiwarkę Google do ustalania kolejności stron pojawiających się w wynikach wyszukiwania. Definicja

Bardziej szczegółowo

Jak z ABM zrobić model analityczny? (Metoda pola średniego) Katarzyna Sznajd-Weron Physics of Complex System

Jak z ABM zrobić model analityczny? (Metoda pola średniego) Katarzyna Sznajd-Weron Physics of Complex System Jak z ABM zrobić model analityczny? (Metoda pola średniego) Katarzyna Sznajd-Weron Physics of Complex System Plan Model dynamiki populacyjnej Pytania Model mikroskopowy Przybliżenie MFA: równania (wady

Bardziej szczegółowo

Elementy termodynamiki i wprowadzenie do zespołów statystycznych. Katarzyna Sznajd-Weron

Elementy termodynamiki i wprowadzenie do zespołów statystycznych. Katarzyna Sznajd-Weron Elementy termodynamiki i wprowadzenie do zespołów statystycznych Katarzyna Sznajd-Weron Wielkości makroskopowe - termodynamika Termodynamika - metoda fenomenologiczna Fenomenologia w fizyce: widzimy jak

Bardziej szczegółowo

Dynamiki rynków oligopolistycznych oczami fizyka

Dynamiki rynków oligopolistycznych oczami fizyka KNF Migacz, Instytut Fizyki Teoretycznej, Uniwersytet Wrocławski 7-10 listopada 2008 1 1 2 1 2 3 1 2 3 4 Wprowadzenie reklamy 1 2 3 4 Wprowadzenie reklamy 5 1 2 3 4 Wprowadzenie reklamy 5 6 1 2 3 4 Wprowadzenie

Bardziej szczegółowo

Janusz Adamowski METODY OBLICZENIOWE FIZYKI Kwantowa wariacyjna metoda Monte Carlo. Problem własny dla stanu podstawowego układu N cząstek

Janusz Adamowski METODY OBLICZENIOWE FIZYKI Kwantowa wariacyjna metoda Monte Carlo. Problem własny dla stanu podstawowego układu N cząstek Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1 Rozdział 20 KWANTOWE METODY MONTE CARLO 20.1 Kwantowa wariacyjna metoda Monte Carlo Problem własny dla stanu podstawowego układu N cząstek (H E 0 )ψ 0 (r)

Bardziej szczegółowo

Automaty komórkowe. Katarzyna Sznajd-Weron

Automaty komórkowe. Katarzyna Sznajd-Weron Automaty komórkowe Katarzyna Sznajd-Weron Trochę historii CA (Cellular Automata) Koniec lat 40-tych John von Neuman maszyna z mechanizmem samopowielania Sugestia Ulama 1952 dyskretny układ komórek dyskretne

Bardziej szczegółowo

Modelowanie jako sposób opisu rzeczywistości. Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka

Modelowanie jako sposób opisu rzeczywistości. Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka Modelowanie jako sposób opisu rzeczywistości Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka 2015 Wprowadzenie: Modelowanie i symulacja PROBLEM: Podstawowy problem z opisem otaczającej

Bardziej szczegółowo

A. Kowalska-Pyzalska, K. Maciejowska, P. Przybyła, K. Sznajd-Weron, R. Weron

A. Kowalska-Pyzalska, K. Maciejowska, P. Przybyła, K. Sznajd-Weron, R. Weron A. Kowalska-Pyzalska, K. Maciejowska, P. Przybyła, K. Sznajd-Weron, R. Weron Institute of Organization and Management Wrocław University of Technology Model agentowy Konsument na rynku energii elektrycznej

Bardziej szczegółowo

model isinga 2d ab 10 grudnia 2016

model isinga 2d ab 10 grudnia 2016 model isinga 2d ab 10 grudnia 2016 tematyka Model spinów Isinga Hamiltonian i suma statystyczna modelu Metoda Monte-Carlo. Algorytm Metropolisa. Obserwable Modelowanie: Model Isinga 1 hamiltonian I Hamiltonian,

Bardziej szczegółowo

Stochastyczna dynamika z opóźnieniem czasowym w grach ewolucyjnych oraz modelach ekspresji i regulacji genów

Stochastyczna dynamika z opóźnieniem czasowym w grach ewolucyjnych oraz modelach ekspresji i regulacji genów Stochastyczna dynamika z opóźnieniem czasowym w grach ewolucyjnych oraz modelach ekspresji i regulacji genów Jacek Miękisz Instytut Matematyki Stosowanej i Mechaniki Uniwersytet Warszawski Warszawa 14

Bardziej szczegółowo

Wykładnicze grafy przypadkowe: teoria i przykłady zastosowań do analizy rzeczywistych sieci złożonych

Wykładnicze grafy przypadkowe: teoria i przykłady zastosowań do analizy rzeczywistych sieci złożonych Gdańsk, Warsztaty pt. Układy Złożone (8 10 maja 2014) Agata Fronczak Zakład Fizyki Układów Złożonych Wydział Fizyki Politechniki Warszawskiej Wykładnicze grafy przypadkowe: teoria i przykłady zastosowań

Bardziej szczegółowo

Dynamika nieliniowa i chaos deterministyczny. Fizyka układów złożonych

Dynamika nieliniowa i chaos deterministyczny. Fizyka układów złożonych Dynamika nieliniowa i chaos deterministyczny Fizyka układów złożonych Wahadło matematyczne F θ = mgsinθ Druga zasada dynamiki: ma = mgsinθ a = d2 x dt 2 = gsinθ Długość łuku: x = Lθ Równanie ruchu: θ ሷ

Bardziej szczegółowo

Równoległe symulacje Monte Carlo na współdzielonej sieci

Równoległe symulacje Monte Carlo na współdzielonej sieci Równoległe symulacje Monte Carlo na współdzielonej sieci Szymon Murawski, Grzegorz Musiał, Grzegorz Pawłowski Wydział Fizyki, Uniwersytet im. Adama Mickiewicza 12 maja 2015 S. Murawski, G. Musiał, G. Pawłowski

Bardziej szczegółowo

Metody Obliczeniowe w Nauce i Technice

Metody Obliczeniowe w Nauce i Technice Metody Obliczeniowe w Nauce i Technice 15. Obliczanie całek metodami Monte Carlo Marian Bubak Department of Computer Science AGH University of Science and Technology Krakow, Poland bubak@agh.edu.pl dice.cyfronet.pl

Bardziej szczegółowo

Bizantyńscy generałowie: zdrada, telekomunikacja i fizyka

Bizantyńscy generałowie: zdrada, telekomunikacja i fizyka Bizantyńscy generałowie: zdrada, telekomunikacja i fizyka P. F. Góra Wydział Fizyki, Astronomii i Informatyki Stosowanej UJ 26 września 2018 P. F. Góra (WFAIS UJ) Bizantyńscy generałowie 26 września 2018

Bardziej szczegółowo

Praca dyplomowa inżynierska

Praca dyplomowa inżynierska Wydział Matematyki kierunek studiów: matematyka stosowana specjalność Praca dyplomowa inżynierska Dynamika opinii w sieciach bezskalowych Dominik Miażdżyk słowa kluczowe: dynamika opinii model q-wyborcy

Bardziej szczegółowo

Badanie słabych przemian fazowych pierwszego rodzaju w eksperymencie komputerowym dla trójwymiarowego modelu Ashkina-Tellera

Badanie słabych przemian fazowych pierwszego rodzaju w eksperymencie komputerowym dla trójwymiarowego modelu Ashkina-Tellera Badanie słabych przemian fazowych pierwszego rodzaju w eksperymencie komputerowym dla trójwymiarowego modelu Ashkina-Tellera D. Jeziorek-Knioła, Z. Wojtkowiak, G. Musiał Faculty of Physics, A. Mickiewicz

Bardziej szczegółowo

METODY STATYSTYCZNE W BIOLOGII

METODY STATYSTYCZNE W BIOLOGII METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne

Bardziej szczegółowo

Wykład 1 i 2. Termodynamika klasyczna, gaz doskonały

Wykład 1 i 2. Termodynamika klasyczna, gaz doskonały Wykład 1 i 2 Termodynamika klasyczna, gaz doskonały dr hab. Agata Fronczak, prof. PW Wydział Fizyki, Politechnika Warszawska 1 stycznia 2017 dr hab. A. Fronczak (Wydział Fizyki PW) Wykład: Elementy fizyki

Bardziej szczegółowo

Hierarchical Cont-Bouchaud model

Hierarchical Cont-Bouchaud model Hierarchical Cont-Bouchaud model inż. Robert Paluch dr inż. Krzysztof Suchecki prof. dr hab. inż. Janusz Hołyst Pracownia Fizyki w Ekonomii i Naukach Społecznych Wydział Fizyki Politechniki Warszawskiej

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.

Bardziej szczegółowo

SCHEMAT ROZWIĄZANIA ZADANIA OPTYMALIZACJI PRZY POMOCY ALGORYTMU GENETYCZNEGO

SCHEMAT ROZWIĄZANIA ZADANIA OPTYMALIZACJI PRZY POMOCY ALGORYTMU GENETYCZNEGO SCHEMAT ROZWIĄZANIA ZADANIA OPTYMALIZACJI PRZY POMOCY ALGORYTMU GENETYCZNEGO. Rzeczywistość (istniejąca lub projektowana).. Model fizyczny. 3. Model matematyczny (optymalizacyjny): a. Zmienne projektowania

Bardziej szczegółowo

Przejścia fazowe w 1D modelu Isinga

Przejścia fazowe w 1D modelu Isinga Przejścia fazowe w 1D modelu Isinga z zero-temperaturową dynamiką Glaubera Rafał Topolnicki rafal.topolnicki@gmail.com Wydział Fizyki i Astronomii Uniwersytet Wrocławski Wydział Podstawowych Problemów

Bardziej szczegółowo

Problemy i rozwiązania

Problemy i rozwiązania Problemy i rozwiązania Znakomita większość układów, które badamy liczy sobie co najmniej mol cząsteczek >> 10 23 Typowy krok czasowy symulacji to 10-15 s natomiast zjawiska, które zachodzą wokół nas trwają

Bardziej szczegółowo

Zespół kanoniczny N,V, T. acc o n =min {1, exp [ U n U o ] }

Zespół kanoniczny N,V, T. acc o n =min {1, exp [ U n U o ] } Zespół kanoniczny Zespół kanoniczny N,V, T acc o n =min {1, exp [ U n U o ] } Zespół izobaryczno-izotermiczny Zespół izobaryczno-izotermiczny N P T acc o n =min {1, exp [ U n U o ] } acc o n =min {1, exp[

Bardziej szczegółowo

ALGORYTMY GENETYCZNE (wykład + ćwiczenia)

ALGORYTMY GENETYCZNE (wykład + ćwiczenia) ALGORYTMY GENETYCZNE (wykład + ćwiczenia) Prof. dr hab. Krzysztof Dems Treści programowe: 1. Metody rozwiązywania problemów matematycznych i informatycznych.. Elementarny algorytm genetyczny: definicja

Bardziej szczegółowo

Wykład 8 i 9. Hipoteza ergodyczna, rozkład mikrokanoniczny, wzór Boltzmanna

Wykład 8 i 9. Hipoteza ergodyczna, rozkład mikrokanoniczny, wzór Boltzmanna Wykład 8 i 9 Hipoteza ergodyczna, rozkład mikrokanoniczny, wzór Boltzmanna dr hab. Agata Fronczak, prof. PW Wydział Fizyki, Politechnika Warszawska 1 stycznia 2017 dr hab. A. Fronczak (Wydział Fizyki PW)

Bardziej szczegółowo

Algorytm Genetyczny. zastosowanie do procesów rozmieszczenia stacji raportujących w sieciach komórkowych

Algorytm Genetyczny. zastosowanie do procesów rozmieszczenia stacji raportujących w sieciach komórkowych Algorytm Genetyczny zastosowanie do procesów rozmieszczenia stacji raportujących w sieciach komórkowych Dlaczego Algorytmy Inspirowane Naturą? Rozwój nowych technologii: złożone problemy obliczeniowe w

Bardziej szczegółowo

Matematyka Stosowana na Politechnice Wrocławskiej. Komitet Matematyki PAN, luty 2017 r.

Matematyka Stosowana na Politechnice Wrocławskiej. Komitet Matematyki PAN, luty 2017 r. Matematyka Stosowana na Politechnice Wrocławskiej Komitet Matematyki PAN, luty 2017 r. Historia kierunku Matematyka Stosowana utworzona w 2012 r. na WPPT (zespół z Centrum im. Hugona Steinhausa) studia

Bardziej szczegółowo

Skoki o zerowej długości w formalizmie błądzenia losowego w czasie ciągłym

Skoki o zerowej długości w formalizmie błądzenia losowego w czasie ciągłym TEMATY PRAC MAGISTERSKICH Z EKONOFIZYKI Rok akademicki 2013/14 Skoki o zerowej długości w formalizmie błądzenia losowego w czasie ciągłym Opiekun: dr Tomasz Gubiec Email: Tomasz.Gubiec@fuw.edu.pl Błądzenie

Bardziej szczegółowo

1 Rachunek prawdopodobieństwa

1 Rachunek prawdopodobieństwa 1 Rachunek prawdopodobieństwa 1. Obliczyć średnią i wariancję rozkładu Bernouliego 2. Wykonać przejście graniczne p 0, N w rozkładzie Bernouliego przy zachowaniu stałej wartości średniej: λ = N p = const

Bardziej szczegółowo

Stany skupienia materii

Stany skupienia materii Stany skupienia materii Ciała stałe Ciecze Płyny Gazy Plazma 1 Stany skupienia materii Ciała stałe - ustalony kształt i objętość - uporządkowanie dalekiego zasięgu - oddziaływania harmoniczne Ciecze -

Bardziej szczegółowo

MODELOWANIE RZECZYWISTOŚCI

MODELOWANIE RZECZYWISTOŚCI MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN Szkoła Wyższa Psychologii Społecznej d.wojcik@nencki.gov.pl dwojcik@swps.edu.pl tel. 022 5892 424 http://www.neuroinf.pl/members/danek/swps/

Bardziej szczegółowo

CECHY ILOŚCIOWE PARAMETRY GENETYCZNE

CECHY ILOŚCIOWE PARAMETRY GENETYCZNE CECHY ILOŚCIOWE PARAMETRY GENETYCZNE Zarządzanie populacjami zwierząt, ćwiczenia V Dr Wioleta Drobik Rodzaje cech Jakościowe o prostym dziedziczeniu uwarunkowane zwykle przez kilka genów Słaba podatność

Bardziej szczegółowo

Układy dynamiczne Chaos deterministyczny

Układy dynamiczne Chaos deterministyczny Układy dynamiczne Chaos deterministyczny Proste iteracje odwzorowań: Funkcja liniowa Funkcja logistyczna chaos deterministyczny automaty komórkowe Ewolucja układu dynamicznego Rozwój w czasie układu dynamicznego

Bardziej szczegółowo

Program MC. Obliczyć radialną funkcję korelacji. Zrobić jej wykres. Odczytać z wykresu wartość radialnej funkcji korelacji w punkcie r=

Program MC. Obliczyć radialną funkcję korelacji. Zrobić jej wykres. Odczytać z wykresu wartość radialnej funkcji korelacji w punkcie r= Program MC Napisać program symulujący twarde kule w zespole kanonicznym. Dla N > 100 twardych kul. Gęstość liczbowa 0.1 < N/V < 0.4. Zrobić obliczenia dla 2,3 różnych wartości gęstości. Obliczyć radialną

Bardziej szczegółowo

Własności magnetyczne materii

Własności magnetyczne materii Własności magnetyczne materii Dipole magnetyczne Najprostszą strukturą magnetyczną są magnetyczne dipole. Fe 3 O 4 Kompas, Chiny 220 p.n.e Kołowy obwód z prądem dipol magnetyczny! Wartość B w środku kołowego

Bardziej szczegółowo

WĘDRÓWKI ATOMÓW W KRYSZTAŁACH: SKĄD SIĘ BIORĄ WŁASNOŚCI MATERIAŁÓW. Rafał Kozubski. Instytut Fizyki im. M. Smoluchowskiego Uniwersytet Jagielloński

WĘDRÓWKI ATOMÓW W KRYSZTAŁACH: SKĄD SIĘ BIORĄ WŁASNOŚCI MATERIAŁÓW. Rafał Kozubski. Instytut Fizyki im. M. Smoluchowskiego Uniwersytet Jagielloński WĘDRÓWKI ATOMÓW W KRYSZTAŁACH: SKĄD SIĘ BIORĄ WŁASNOŚCI MATERIAŁÓW Rafał Kozubski Instytut Fizyki im. M. Smoluchowskiego Uniwersytet Jagielloński TWARDOŚĆ: Odporność na odkształcenie plastyczne Co to jest

Bardziej szczegółowo

MODELOWANIE RZECZYWISTOŚCI

MODELOWANIE RZECZYWISTOŚCI MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN Szkoła Wyższa Psychologii Społecznej d.wojcik@nencki.gov.pl dwojcik@swps.edu.pl tel. 022 5892 424 http://www.neuroinf.pl/members/danek/swps/

Bardziej szczegółowo

Sprzężenia na rynku edukacyjnym próba weryfikacji symulacyjnej

Sprzężenia na rynku edukacyjnym próba weryfikacji symulacyjnej Sprzężenia na rynku edukacyjnym próba weryfikacji symulacyjnej Tomasz Kuszewski, Tomasz Szapiro, Przemysław Szufel, Beata Koń, Grzegorz Michalski Warszawa, 18 maja 2015 r. Złożoność i heterogeniczność

Bardziej szczegółowo

Fizyka Materii Nieuporządkowanej

Fizyka Materii Nieuporządkowanej Janusz Toboła email: tobola@ftj.agh.edu.pl www: http://newton.ftj.agh.edu.pl/~tobola version 2015 Fizyka Materii Nieuporządkowanej Własności elektronowe materiałów funkcjonalnych I Wprowadzenie. Rodzaje

Bardziej szczegółowo

LISTA KURSÓW PLANOWANYCH DO URUCHOMIENIA W SEMESTRZE ZIMOWYM 2015/2016

LISTA KURSÓW PLANOWANYCH DO URUCHOMIENIA W SEMESTRZE ZIMOWYM 2015/2016 LISTA KURSÓW PLANOWANYCH DO URUCHOMIENIA W SEMESTRZE ZIMOWYM 2015/2016 INFORMATYKA I STOPNIA studia stacjonarne 1 sem. PO-W08-INF- - -ST-Ii-WRO-(2015/2016) MAP003055W Algebra z geometrią analityczną A

Bardziej szczegółowo

Wykład 3. Entropia i potencjały termodynamiczne

Wykład 3. Entropia i potencjały termodynamiczne Wykład 3 Entropia i potencjały termodynamiczne dr hab. Agata Fronczak, prof. PW Wydział Fizyki, Politechnika Warszawska 1 stycznia 2017 dr hab. A. Fronczak (Wydział Fizyki PW) Wykład: Elementy fizyki statystycznej

Bardziej szczegółowo

Fizyka statystyczna Teoria Ginzburga-Landaua w średnim polu. P. F. Góra

Fizyka statystyczna Teoria Ginzburga-Landaua w średnim polu. P. F. Góra Fizyka statystyczna Teoria Ginzburga-Landaua w średnim polu P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2015 Parametr porzadku W niskich temperaturach układy występuja w fazach, które łamia symetrię

Bardziej szczegółowo

Analiza stanów gry na potrzeby UCT w DVRP

Analiza stanów gry na potrzeby UCT w DVRP Analiza stanów gry na potrzeby UCT w DVRP Seminarium IO na MiNI 04.11.2014 Michał Okulewicz based on the decision DEC-2012/07/B/ST6/01527 Plan prezentacji Definicja problemu DVRP DVRP na potrzeby UCB Analiza

Bardziej szczegółowo

= = Budowa materii. Stany skupienia materii. Ilość materii (substancji) n - ilość moli, N liczba molekuł (atomów, cząstek), N A

= = Budowa materii. Stany skupienia materii. Ilość materii (substancji) n - ilość moli, N liczba molekuł (atomów, cząstek), N A Budowa materii Stany skupienia materii Ciało stałe Ciecz Ciała lotne (gazy i pary) Ilość materii (substancji) n N = = N A m M N A = 6,023 10 mol 23 1 n - ilość moli, N liczba molekuł (atomów, cząstek),

Bardziej szczegółowo

e E Z = P = 1 Z e E Kanoniczna suma stanów Prawdopodobieństwo wystąpienia mikrostanu U E = =Z 1 Wartość średnia energii

e E Z = P = 1 Z e E Kanoniczna suma stanów Prawdopodobieństwo wystąpienia mikrostanu U E = =Z 1 Wartość średnia energii Metoda Metropolisa Z = e E P = 1 Z e E Kanoniczna suma stanów Prawdopodobieństwo wystąpienia mikrostanu U E = P E =Z 1 E e E Wartość średnia energii Średnia wartość A = d r N A r N exp[ U r N ] d r N exp[

Bardziej szczegółowo

Wariacyjna teoria grupy renormalizacji w opisie uczenia głębokiego czyli Deep

Wariacyjna teoria grupy renormalizacji w opisie uczenia głębokiego czyli Deep Wariacyjna teoria grupy renormalizacji w opisie uczenia głębokiego czyli Deep Learning oczami fizyka statystycznego Zakład Algebry i Kombinatoryki Wydział Matematyki i Nauk Informacyjnych 18 kwietnia 2018

Bardziej szczegółowo

Elementy termodynamiki

Elementy termodynamiki Elementy termodynamiki Katarzyna Sznajd-Weron Katedra Fizyki Teoretycznej Politechnika Wrocławska 5 stycznia 2019 Katarzyna Sznajd-Weron (K4) Wstęp do Fizyki Statystycznej 5 stycznia 2019 1 / 27 Wielkości

Bardziej szczegółowo

Sprzężenia na rynku edukacyjnym próba weryfikacji symulacyjnej

Sprzężenia na rynku edukacyjnym próba weryfikacji symulacyjnej Sprzężenia na rynku edukacyjnym próba weryfikacji symulacyjnej Tomasz Kuszewski, Tomasz Szapiro Przemysław Szufel Warszawa, 30 czerwca 2014 r. Złożoność i heterogeniczność rynku edukacji wyższej Zmiany

Bardziej szczegółowo

Fizyka statystyczna Fenomenologia przejść fazowych. P. F. Góra

Fizyka statystyczna Fenomenologia przejść fazowych. P. F. Góra Fizyka statystyczna Fenomenologia przejść fazowych P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2015 Przejście fazowe transformacja układu termodynamicznego z jednej fazy (stanu materii) do innej, dokonywane

Bardziej szczegółowo

Wykład z Podstaw Informatyki dla I roku BO. Piotr Mika

Wykład z Podstaw Informatyki dla I roku BO. Piotr Mika Wykład z Podstaw Informatyki dla I roku BO Piotr Mika Napisanie programu komputerowego: Zasada rozwiązania zadania Stworzenie sekwencji kroków algorytmu Przykłady algorytmów z życia codziennego (2/1 6)

Bardziej szczegółowo

8. Neuron z ciągłą funkcją aktywacji.

8. Neuron z ciągłą funkcją aktywacji. 8. Neuron z ciągłą funkcją aktywacji. W tym ćwiczeniu zapoznamy się z modelem sztucznego neuronu oraz przykładem jego wykorzystania do rozwiązywanie prostego zadania klasyfikacji. Neuron biologiczny i

Bardziej szczegółowo

Rozkłady statystyk z próby. Statystyka

Rozkłady statystyk z próby. Statystyka Rozkłady statystyk z próby tatystyka Rozkłady statystyk z próby Próba losowa pobrana z populacji stanowi realizacje zmiennej losowej jak ciąg zmiennych losowych (X, X,... X ) niezależnych i mających ten

Bardziej szczegółowo

PROGRAM STUDIÓW DOKTORANCKICH WYDZIAŁ Informatyki i Zarządzania DYSCYPLINA Zarządzanie I II III IV V VI VII VIII

PROGRAM STUDIÓW DOKTORANCKICH WYDZIAŁ Informatyki i Zarządzania DYSCYPLINA Zarządzanie I II III IV V VI VII VIII Zał. nr 1 do ZW 11/2012 Semestr Program Przedmioty podstawowe matematyka, fizyka, PROGRAM STUDIÓW DOKTORANCKICH I II III IV V VI VII VIII Liczba godzin PP-1 30 6 chemia, lub inne PP-2 30 6 Kurs dydaktyczny

Bardziej szczegółowo

Fizyka dla informatyków Wykład 2: Kinematyka Katarzyna Weron. Wykład dla Matematyki Stosowanej

Fizyka dla informatyków Wykład 2: Kinematyka Katarzyna Weron. Wykład dla Matematyki Stosowanej Fizyka dla informatyków Wykład 2: Kinematyka Katarzyna Weron Wykład dla Matematyki Stosowanej Kim jestem? Prof. dr hab. Katarzyna Weron (Sznajd- Weron w nauce/pub) Fizyk teoretyk, układy złożone (bio,

Bardziej szczegółowo

Elementy termodynamiki

Elementy termodynamiki Elementy termodynamiki Katarzyna Sznajd-Weron Katedra Fizyki Teoretycznej Politechnika Wrocławska 11 marca 2019 Katarzyna Sznajd-Weron (K4) Wstęp do Fizyki Statystycznej 11 marca 2019 1 / 37 Dwa poziomy

Bardziej szczegółowo

Modelowanie sieci złożonych

Modelowanie sieci złożonych Modelowanie sieci złożonych B. Wacław Instytut Fizyki UJ Czym są sieci złożone? wiele układów ma strukturę sieci: Internet, WWW, sieć cytowań, sieci komunikacyjne, społeczne itd. sieć = graf: węzły połączone

Bardziej szczegółowo

Rzadkie gazy bozonów

Rzadkie gazy bozonów Rzadkie gazy bozonów Tomasz Sowiński Proseminarium Fizyki Teoretycznej 15 listopada 2004 Rzadkie gazy bozonów p.1/25 Bardzo medialne zdjęcie Rok 1995. Pierwsza kondensacja. Zaobserwowana w przestrzeni

Bardziej szczegółowo

Ilustracja metody Monte Carlo do obliczania pola obszaru D zawartego w kwadracie [a, b] [a, b].

Ilustracja metody Monte Carlo do obliczania pola obszaru D zawartego w kwadracie [a, b] [a, b]. Rachunek Prawdopodobienstwa MAEW104 Wydział Elektroniki, rok akad. 2008/09, sem. letni wykład: dr hab. Agnieszka Jurlewicz Temat projektu: Ilustracja metody Monte Carlo do obliczania pola obszaru D zawartego

Bardziej szczegółowo

Ruch drogowy, korki uliczne - czy fizyk może coś na to poradzić?

Ruch drogowy, korki uliczne - czy fizyk może coś na to poradzić? Ruch drogowy, korki uliczne - czy fizyk może coś na to poradzić? KNF Migacz, Instytut Fizyki Teoretycznej, Uniwersytet Wrocławski 16-18 listopada 2007 Spis treści Spis treści 1 Spis treści 1 2 Spis treści

Bardziej szczegółowo

Kierunek: Matematyka Poziom studiów: Studia II stopnia Forma i tryb studiów: Stacjonarne

Kierunek: Matematyka Poziom studiów: Studia II stopnia Forma i tryb studiów: Stacjonarne Wydział: Matematyki Stosowanej Kierunek: Matematyka Poziom studiów: Studia II stopnia Forma i tryb studiów: Stacjonarne Specjalność: Matematyka finansowa Rocznik: 2014/2015 Język wykładowy: Polski Semestr

Bardziej szczegółowo

MODELOWANIE RZECZYWISTOŚCI

MODELOWANIE RZECZYWISTOŚCI MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN d.wojcik@nencki.gov.pl tel. 022 5892 424 http://www.neuroinf.pl/members/danek/swps/ Podręcznik Iwo Białynicki-Birula Iwona

Bardziej szczegółowo

WSTĘP. Copyright 2011, Joanna Szyda

WSTĘP. Copyright 2011, Joanna Szyda BIOINFORMATYKA 1. Wykład wstępny 2. Struktury danych w badaniach bioinformatycznych 3. Bazy danych: projektowanie i struktura 4. Bazy danych: projektowanie i struktura 5. Równowaga Hardyego-Weinberga,

Bardziej szczegółowo

17.1 Podstawy metod symulacji komputerowych dla klasycznych układów wielu cząstek

17.1 Podstawy metod symulacji komputerowych dla klasycznych układów wielu cząstek Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1 Rozdział 17 KLASYCZNA DYNAMIKA MOLEKULARNA 17.1 Podstawy metod symulacji komputerowych dla klasycznych układów wielu cząstek Rozważamy układ N punktowych cząstek

Bardziej szczegółowo

Wnioskowanie statystyczne. Statystyka w 5

Wnioskowanie statystyczne. Statystyka w 5 Wnioskowanie statystyczne tatystyka w 5 Rozkłady statystyk z próby Próba losowa pobrana z populacji stanowi realizacje zmiennej losowej jak ciąg zmiennych losowych (X, X,... X ) niezależnych i mających

Bardziej szczegółowo

Sławomir Kulesza. Projektowanie automatów synchronicznych

Sławomir Kulesza. Projektowanie automatów synchronicznych Sławomir Kulesza Technika cyfrowa Projektowanie automatów synchronicznych Wykład dla studentów III roku Informatyki Wersja 2.0, 20/12/2012 Automaty skończone Automat Mealy'ego Funkcja wyjść: Yt = f(st,

Bardziej szczegółowo

Teoria ergodyczności: co to jest? Średniowanie po czasie vs. średniowanie po rozkładach Twierdzenie Poincare o powrocie Twierdzenie ergodyczne

Teoria ergodyczności: co to jest? Średniowanie po czasie vs. średniowanie po rozkładach Twierdzenie Poincare o powrocie Twierdzenie ergodyczne WYKŁAD 23 1 Teoria ergodyczności: co to jest? Średniowanie po czasie vs. średniowanie po rozkładach Twierdzenie Poincare o powrocie Twierdzenie ergodyczne (Birkhoff, Ter Haar) Hipoteza semi-ergodyczna

Bardziej szczegółowo

Wykład Energia kinetyczna potencjalna 4.2. Praca i moc 4.3. Zasady zachowania DYNAMIKA

Wykład Energia kinetyczna potencjalna 4.2. Praca i moc 4.3. Zasady zachowania DYNAMIKA DYNAMIKA Wykład 4. 4.1. Energia kinetyczna potencjalna 4.2. Praca i moc 4.3. Zasady zachowania Słyszę i zapominam. Widzę i pamiętam. Robię i rozumiem. -Konfucjusz Dziecko ześlizguje się ze zjeżdżalni wodnej

Bardziej szczegółowo

Algorytmy metaheurystyczne Wykład 6. Piotr Syga

Algorytmy metaheurystyczne Wykład 6. Piotr Syga Algorytmy metaheurystyczne Wykład 6 Piotr Syga 10.04.2017 Wprowadzenie Inspiracje Wprowadzenie ACS idea 1 Zaczynamy z pustym rozwiązaniem początkowym 2 Dzielimy problem na komponenty (przedmiot do zabrania,

Bardziej szczegółowo

Teoria kinetyczno cząsteczkowa

Teoria kinetyczno cząsteczkowa Teoria kinetyczno cząsteczkowa Założenie Gaz składa się z wielkiej liczby cząstek znajdujących się w ciągłym, chaotycznym ruchu i doznających zderzeń (dwucząstkowych) Cel: Wyprowadzić obserwowane (makroskopowe)

Bardziej szczegółowo

Wielki rozkład kanoniczny

Wielki rozkład kanoniczny , granica termodynamiczna i przejścia fazowe Instytut Fizyki 2015 Podukład otwarty Podukład otwarty S opisywany układ + rezerwuar R Podukład otwarty S opisywany układ + rezerwuar R układ S + R jest izolowany

Bardziej szczegółowo

Momentem dipolowym ładunków +q i q oddalonych o 2a (dipola) nazwamy wektor skierowany od q do +q i o wartości:

Momentem dipolowym ładunków +q i q oddalonych o 2a (dipola) nazwamy wektor skierowany od q do +q i o wartości: 1 W stanie równowagi elektrostatycznej (nośniki ładunku są w spoczynku) wewnątrz przewodnika natężenie pola wynosi zero. Cały ładunek jest zgromadzony na powierzchni przewodnika. Tuż przy powierzchni przewodnika

Bardziej szczegółowo

MODELOWANIE RZECZYWISTOŚCI

MODELOWANIE RZECZYWISTOŚCI MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN d.wojcik@nencki.gov.pl tel. 022 5892 424 http://www.neuroinf.pl/members/danek/swps/ Podręcznik Iwo Białynicki-Birula Iwona

Bardziej szczegółowo

Monte Carlo, bootstrap, jacknife

Monte Carlo, bootstrap, jacknife Monte Carlo, bootstrap, jacknife Literatura Bruce Hansen (2012 +) Econometrics, ze strony internetowej: http://www.ssc.wisc.edu/~bhansen/econometrics/ Monte Carlo: rozdział 8.8, 8.9 Bootstrap: rozdział

Bardziej szczegółowo

ANALIZA WIELOPOZIOMOWA JAKO NARZĘDZIE WSPARCIA POLITYK PUBLICZNYCH

ANALIZA WIELOPOZIOMOWA JAKO NARZĘDZIE WSPARCIA POLITYK PUBLICZNYCH ANALIZA WIELOPOZIOMOWA JAKO NARZĘDZIE WSPARCIA POLITYK PUBLICZNYCH - Adrian Gorgosz - Paulina Tupalska ANALIZA WIELOPOZIOMOWA (AW) Multilevel Analysis Obecna od lat 80. Popularna i coraz częściej stosowana

Bardziej szczegółowo

Ekonomia złożoności. Zastosowanie modelowania Agent-based Computational Economics w nauczaniu zdalnym

Ekonomia złożoności. Zastosowanie modelowania Agent-based Computational Economics w nauczaniu zdalnym Tomasz Kopczewski Uniwersytet Warszawski Ekonomia złożoności. Zastosowanie modelowania Agent-based Computational Economics w nauczaniu zdalnym Celem niniejszego artykułu jest pokazanie możliwości zastosowania

Bardziej szczegółowo

GRA Przykład. 1) Zbiór graczy. 2) Zbiór strategii. 3) Wypłaty. n = 2 myśliwych. I= {1,,n} S = {polować na jelenia, gonić zająca} S = {1,,m} 10 utils

GRA Przykład. 1) Zbiór graczy. 2) Zbiór strategii. 3) Wypłaty. n = 2 myśliwych. I= {1,,n} S = {polować na jelenia, gonić zająca} S = {1,,m} 10 utils GRA Przykład 1) Zbiór graczy n = 2 myśliwych I= {1,,n} 2) Zbiór strategii S = {polować na jelenia, gonić zająca} S = {1,,m} 3) Wypłaty jeleń - zając - 10 utils 3 utils U i : S n R i=1,,n J Z J Z J 5 0

Bardziej szczegółowo

Ramowy Program Specjalizacji MODELOWANIE MATEMATYCZNE i KOMPUTEROWE PROCESÓW FIZYCZNYCH Studia Specjalistyczne (III etap)

Ramowy Program Specjalizacji MODELOWANIE MATEMATYCZNE i KOMPUTEROWE PROCESÓW FIZYCZNYCH Studia Specjalistyczne (III etap) Ramowy Program Specjalizacji MODELOWANIE MATEMATYCZNE i KOMPUTEROWE PROCESÓW FIZYCZNYCH Studia Specjalistyczne (III etap) Z uwagi na ogólno wydziałowy charakter specjalizacji i możliwość wykonywania prac

Bardziej szczegółowo

Nauki reinżynieryjne. Marcin Miłkowski. Zakład Logiki i Kognitywistyki. IFiS PAN

Nauki reinżynieryjne. Marcin Miłkowski. Zakład Logiki i Kognitywistyki. IFiS PAN Nauki reinżynieryjne Marcin Miłkowski Zakład Logiki i Kognitywistyki IFiS PAN Plan Natura z punktu widzenia konstruktora Heurystyka reinżynierii Wyjaśnianie mechanistyczne Mechanizmy w naturze i technice

Bardziej szczegółowo

Wykład 9: Markov Chain Monte Carlo

Wykład 9: Markov Chain Monte Carlo RAP 412 17.12.2008 Wykład 9: Markov Chain Monte Carlo Wykładowca: Andrzej Ruciński Pisarz: Ewelina Rychlińska i Wojciech Wawrzyniak Wstęp W tej części wykładu zajmiemy się zastosowaniami łańcuchów Markowa

Bardziej szczegółowo

Łamigłówka. p = mv. p = 2mv. mv = mv + 2mv po. przed. Mur zyskuje pęd, ale jego energia kinetyczna wynosi 0! Jak to jest możliwe?

Łamigłówka. p = mv. p = 2mv. mv = mv + 2mv po. przed. Mur zyskuje pęd, ale jego energia kinetyczna wynosi 0! Jak to jest możliwe? Łamigłówka p = mv p = 2mv p = mv przed mv = mv + 2mv po Mur zyskuje pęd, ale jego energia kinetyczna wynosi 0 Jak to jest możliwe? Zastosowanie zasady zachowania pędu - zderzenia 2. Zderzenia elastyczne

Bardziej szczegółowo

Seria 2, ćwiczenia do wykładu Od eksperymentu do poznania materii

Seria 2, ćwiczenia do wykładu Od eksperymentu do poznania materii Seria 2, ćwiczenia do wykładu Od eksperymentu do poznania materii 8.1.21 Zad. 1. Obliczyć ciśnienie potrzebne do przemiany grafitu w diament w temperaturze 25 o C. Objętość właściwa (odwrotność gęstości)

Bardziej szczegółowo

Algorytmy genetyczne. Paweł Cieśla. 8 stycznia 2009

Algorytmy genetyczne. Paweł Cieśla. 8 stycznia 2009 Algorytmy genetyczne Paweł Cieśla 8 stycznia 2009 Genetyka - nauka o dziedziczeniu cech pomiędzy pokoleniami. Geny są czynnikami, które decydują o wyglądzie, zachowaniu, rozmnażaniu każdego żywego organizmu.

Bardziej szczegółowo

Termodynamika. Energia wewnętrzna ciał

Termodynamika. Energia wewnętrzna ciał ermodynamika Energia wewnętrzna ciał Cząsteczki ciał stałych, cieczy i gazów znajdują się w nieustannym ruchu oddziałując ze sobą. Sumę energii kinetycznej oraz potencjalnej oddziałujących cząsteczek nazywamy

Bardziej szczegółowo