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

Save this PDF as:
 WORD  PNG  TXT  JPG

Wielkość: px
Rozpocząć pokaz od strony:

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

Transkrypt

1 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) = 0 (20.1) E 0 energia stanu podstawowego ψ 0 (r) funkcja falowa tego stanu r = (r 1,..., r N ) zbiór 3N współrzędnych przestrzennych określających położenia wszystkich cząstek w układzie. Z zasady wariacyjnej Rayleigha-Ritza ψ(r) próbna funkcja falowa E = ψ H ψ ψ ψ E 0. (20.2) Definiujemy energię lokalną ε(r) df = 1 ψ(r) H ψ(r). (20.3) Hamiltonian układu N cząstek o jednakowych masach m H = h2 2m N 2 i + U(r) (20.4)

2 2 Rozdział 20. Kwantowe metody Monte Carlo U(r) energia potencjalna układu ε(r) = h2 2m ψ(r) Wariacyjne oszacowanie energii (20.2) N 2 ψ(r) i + U(r). (20.5) E = dr ψ 2 (r)ε(r) dr ψ 2 (r). (20.6) Zgodnie z wariacyjną metodą Monte Carlo oszacowaniem Monte Carlo całki (20.6) jest E N = 1 N ε(r i ), (20.7) N N liczba losowań r i punkty w 3N-wymiarowej przestrzeni rozłożone zgodnie z funkcją rozkładu ψ 2. Rozkład ten może być generowany za pomocą algorytmu Metropolisa. Funkcja próbna ψ powinna: (i) być możliwie prosta (aby łatwo było policzyć energię lokalną ε(r)). (ii) możliwie dobrze przybliżać funkcję dokładną ψ 0. Wariacyjna metoda Monte Carlo dostarcza na ogół rozwiązań przybliżonych (jedynie dla ψ = ψ 0 otrzymujemy rozwiązania dokładne ε(r) = E 0 ) Kwantowa dyfuzyjna metoda Monte Carlo Rozwiązanie równania Schrödingera zależnego od czasu Równanie Schrödingera zależne od czasu i h Ψ t = HΨ (20.8) Ψ = Ψ(r, t) r = (r 1,..., r N ) Zakładamy, że hamiltonian układu nie zależy od czasu.

3 Janusz Adamowski METODY OBLICZENIOWE FIZYKI 3 Równanie Schrödingera dla wektora stanu Ψ(t) i h d Ψ(t) = H Ψ(t). (20.9) dt Formalne rozwiązanie równanie Schrödingera wyrażone za pomocą operatora ewolucji w czasie Ψ(t) = e (i/ h)ht Ψ(0), (20.10) Ψ(0) warunek początkowy W reprezentacji położeniowej Ψ(r, t) = r Ψ(t) = e (i/ h)ht Ψ(r, 0), (20.11) H hamiltonian układu w reprezentacji położeniowej Analogia z równaniem dyfuzji Równanie dyfuzji w przestrzeni 3N-wymiarowej ϕ N t = D 2 jϕ + S(r, t), (20.12) j=1 r = (r 1,..., r N ) zbiór wektorów położeń cząstek ϕ = ϕ(r, t) wielkość podlegająca dyfuzji S(r, t) funkcja źródła Zakładamy, że współczynnik samodyfuzji D nie zależy od r oraz t. Po zmianie zmiennej czasowej t na τ według τ = i, (20.13) t h otrzymamy równanie Schorödingera zależne od czasu Ψ(r, τ) = HΨ(r, τ). (20.14) τ Jeżeli zdefiniujemy współczynnik samodyfuzji D = h2 2m, (20.15) to równanie Schrödingera (20.14) przyjmuje postać równania dyfuzji (20.12) Ψ N τ = D 2 jψ U(r)Ψ. (20.16) j=1 Równanie (20.16) jest tzw. kwantowym równaniem dyfuzji (ewolucja funkcji falowej Ψ(r, τ) podlega równaniu dyfuzji (20.16)). Zmienna τ odgrywa rolę czasu, mierzonego w jednostkach (energia) 1.

4 4 Rozdział 20. Kwantowe metody Monte Carlo Zachowanie asymptotyczne dla długiego czasu gdzie Rozwiązanie kwantowego równania dyfuzji Jeżeli τ, to Ψ(r, τ) = α c α e E ατ ψ α (r). (20.17) E 0 < E 1 < E 2 <... (E α 0) (20.18) Ψ(r, τ) c 0 ψ 0 (r)e E 0τ. (20.19) Problem: rozwiązanie (20.19) zaniknie do zera przy τ, o ile nie okaże się, że E 0 = 0. Rozwiązanie: wprowadzamy poziom odniesienia U 0 (stała energia potencjalna), dobrany tak, aby E 0 U 0 0 oraz E 0 U 0 0. Otrzymujemy równanie którego rozwiązaniem jest Ψ N τ = D 2 jψ [U(r) U 0 ]Ψ. (20.20) j=1 Ψ(r, τ) = α c α ψ α (r)e (E α U 0 )τ, (20.21) Dla τ posiada ono zachowanie asymptotyczne [por. (20.19)] Ψ(r, τ) c 0 ψ 0 (r)e (E 0 U 0 )τ. (20.22) Uogólnienie kwantowo-mechanicznej zasady wariacyjnej Definiujemy nową próbną funkcję falową Ψ(r, τ) df = e (H U 0)τ ψ(r) (20.23) która posiada zachowanie asymptotyczne dla τ : Ψ(r, τ) d 0 ψ 0 (r)e (E 0 U 0 )τ = constψ 0 (r). (20.24) Definiujemy uogólnioną wartość oczekiwaną Własności uogólnionej wartości oczekiwanej: E(τ) = df ψ H Ψ(τ). (20.25) ψ Ψ(τ)

5 Janusz Adamowski METODY OBLICZENIOWE FIZYKI 5 (i) Jeżeli τ = 0, to Ψ(r, τ) = ψ(r) standardowa zasada wariacyjna Rayleigha- Ritza ψ H ψ E(0) = E var = E 0. (20.26) ψ ψ (ii) Jeżeli τ, to H Ψ(r, τ) const Hψ 0 (r) = const E 0 ψ 0 (r). Wtedy E(τ) E 0 (20.27) Definiujemy nową funkcję rozkładu F (r, τ) = df ψ(r) Ψ(r, τ), (20.28) wtedy E(τ) = drf (r, τ)ε(r) drf (r, τ). (20.29) Oszacowaniem Monte Carlo wartości oczekiwanej (20.29) jest E N (τ) = 1 N N ε(r i ), (20.30) gdzie punkty r i generowane są w 3N-wymiarowej przestrzeni zgodnie z funkcją rozkładu F (r, τ). Jeżeli ψ = ψ 0, to ε(r) = E 0 oraz E(τ) = E 0, a więc otrzymujemy rozwiązanie dokładne (w granicy błędu statystycznego) Generowanie konfiguracji położeń zgodnie z zależną od czasu funkcją rozkładu F (r, τ) Algorytm Metropolisa może być użyty tylko do wygenerowania początkowej konfiguracji dla τ = 0. F (r, 0) = ψ(r) 2, (20.31) W celu wygenerowania konfiguracji (r 1,..., r N ) zgodnych z żądanym rozkładem F (r, τ) stosujemy równanie dyfuzji Ψ τ = HΨ. (20.32) Żądamy, aby Ψ(r, τ) spełniała równanie dyfuzji Ψ τ = (U 0 H) Ψ. (20.33)

6 6 Rozdział 20. Kwantowe metody Monte Carlo Dla jednej cząstki w przestrzeni 3-wymiarowej wprowadzamy energię lokalną ε(r) = 1 ψ Hψ = D ψ 2 ψ + U (20.34) i definiujemy siłę kwantową f df = ln ψ 2 = 2 ψ ψ. (20.35) Wtedy równanie dyfuzji dla funkcji rozkładu F (r, τ) ma postać F τ = D 2 F + (U 0 ε)f D (F f). (20.36) Pierwszy wyraz D 2 F opisuje zwykły proces dyfuzji Zwykłe równanie dyfuzji w 3 wymiarach a jego rozwiązanie F τ = D 2 F, (20.37) F (x, y, z, τ) = F 1 (x, τ)f 2 (y, τ)f 3 (z, τ), (20.38) gdzie każda z funkcji F i (x i, τ) (i = 1, 2, 3, x 1 = x, x 2 = y, x 3 = z) spełnia jednowymiarowe równanie dyfuzji F i τ = D 2 F i x 2 i. (20.39) Rozwiązaniem jednowymiarowego równania dyfuzji jest funkcja Gaussa (tzw. fundamentalne rozwiązanie równania dyfuzji) Własności: F i (x i, τ) = 1 (4πDτ) 1//2 e (x i µ i ) 2 /4Dτ. (20.40) (i) Średnie przesunięcie cząstki w kierunku x i, x i = µ i. (ii) Średni kwadrat przesunięcia cząstki jest równy wariancji rozkładu normalnego (x i µ i ) 2 = x 2 i x i 2 = 2Dτ = σ 2 (20.41)

7 Janusz Adamowski METODY OBLICZENIOWE FIZYKI 7 (iii) Rozwiązanie równania (20.39) w 3 wymiarach ma postać F (r, τ) = 1 (4πDτ) 3/2 e (r µ)2 /4Dτ, (20.42) gdzie r = (x, y, z), µ = (µ 1, µ 2, µ 3 ), r = µ, oraz (r µ) 2 = 2Dτ. Drugi wyraz tzw. funkcja źródła S(r, τ) = [U 0 ε(r)]f (r, τ). (20.43) Równanie (20.36), w którym po prawej stronie występuje tylko funkcja źródła, jest typowym równaniem rozpadu, np. promieniotwórczego, lub równaniem wzrostu, np. populacji. jego rozwiązania + proces wzrostu proces rozpadu F τ = (U 0 ε)f. (20.44) F (r, τ) = F (r, 0)e U 0τ e ± ε τ, (20.45) Trzeci wyraz D (F f) opisuje procesy unoszenia (dryfu) funkcji rozkładu Rozwiązanie równania dyfuzji dla zależnej od czasu funkcji rozkładu Funkcja Greena G(r, r, τ) spełnia równanie (20.36),z warunkiem początkowym G(r, r, 0) = δ(r r ). (20.46) Jeżeli znamy funkcję Greena to dla odpowiednio małych τ, ewolucja w czasie funkcji rozkładu w przypadku N cząstek w przestrzeni 3-wymiarowej dana jest F (r, τ + τ) = drg(r, r, τ)f (r, τ), (20.47) dr = d 3N r element objętości w przestrzeni 3N-wymiarowej. Zależna od czasu funkcja Greena (propagator) powoduje propagację w czasie funkcji rozkładu F (r, τ) zaczynając od wartości początkowej F (r, 0). Funkcja Greena (dla małych τ) jako funkcja w 3N zmiennych G(r, r, τ) = 1 (4πD τ) 3N/2 n e (r i r i D τf)2 /4D τ e τ{[ε(r i)+ε(r i )]/2 U0}. (20.48)

8 8 Rozdział 20. Kwantowe metody Monte Carlo Algorytm rozwiązywania metodą Monte Carlo równania dyfuzji dla funkcji rozkładu F (r, τ) (0) Wybieramy ψ(r) i generujemy F (r, 0) = ψ(r) 2 metodą Metropolisa. (1) Wybieramy małe τ i generujemy rozkład Gaussa o wartości średniej µ = D τf i wariancji 2D τ. Stosujemy wzór (20.48) na ewolucję w czasie funkcji rozkładu: wektor położenia i-tej cząstki w konfiguracji k-tej zmieniamy według przepisu r (k) i = r (k) i + D τf(r (k) i ) + ξ, (20.49) ξ trójwymiarowa zmienna losowa podlegająca rozkładowi Gaussa o średniej zero i wariancji 2D τ. (2) r (k) akceptowana z prawdopodobieństwem (wagą) n w(r, r ) = e τ{[ε(r i)+ε(r i )]/2 U0}. (20.50) (3) Kroki (1) (2) (1) powtarzane są tak długo, aż τ total = τ osiągnie wystarczająco dużą wartość. Uwaga: U 0 jest dopasowywany dla każdego kroku czasowego tak, aby średnie prawdopodobieństwo wystąpienia danej konfiguracji było bliskie 1. W trakcie tych obliczeń otrzymujemy dodatkowo użyteczne oszacowania: E 0 U 0 ε. (20.51) Stany wzbudzone Mamy: E 0, ψ 0 (r), oraz U 0 dopasowane do E 0. Korzystamy z rozwiązania (20.21) Ψ(r, τ) = c α ψ α e (E α U 0 )τ. (20.52) α Dla pierwszego stanu wzbudzonego żądamy Ψ(τ) ψ 0 = 0. (20.53) czyli c 0 = ψ 0 Ψ(0) = 0, (20.54)

9 Janusz Adamowski METODY OBLICZENIOWE FIZYKI 9 rozwinięcie (20.52) zaczyna się od wyrazu c 1 ψ 1 (r)e (E 1 U 0 )τ, (20.55) który odpowiada pierwszemu stanowi wzbudzonemu. Rozwiązanie asymptotyczne Ψ(r, τ) dla τ, da nam E 1. Poziom odniesienia U 0 musi być teraz dobrany do wartości E 1.

Rozdział 23 KWANTOWA DYNAMIKA MOLEKULARNA Wstęp. Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1

Rozdział 23 KWANTOWA DYNAMIKA MOLEKULARNA Wstęp. Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1 Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1 Rozdział 3 KWANTOWA DYNAMIKA MOLEKULARNA 3.1 Wstęp Metoda ta umożliwia opis układu złożonego z wielu jonów i elektronów w stanie podstawowym. Hamiltonian układu

Bardziej szczegółowo

Rozdział 22 METODA FUNKCJONAŁÓW GĘSTOŚCI Wstęp. Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1

Rozdział 22 METODA FUNKCJONAŁÓW GĘSTOŚCI Wstęp. Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1 Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1 Rozdział 22 METODA FUNKCJONAŁÓW GĘSTOŚCI 22.1 Wstęp Definiujemy dla gazu elektronowego operatory anihilacji ψ σ (r) i kreacji ψ σ(r) pola fermionowego ψ σ

Bardziej szczegółowo

II. POSTULATY MECHANIKI KWANTOWEJ W JĘZYKU WEKTORÓW STANU. Janusz Adamowski

II. POSTULATY MECHANIKI KWANTOWEJ W JĘZYKU WEKTORÓW STANU. Janusz Adamowski II. POSTULATY MECHANIKI KWANTOWEJ W JĘZYKU WEKTORÓW STANU Janusz Adamowski 1 1 Przestrzeń Hilberta Do opisu stanów kwantowych używamy przestrzeni Hilberta. Przestrzenią Hilberta H nazywamy przestrzeń wektorową

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

IX. MECHANIKA (FIZYKA) KWANTOWA

IX. MECHANIKA (FIZYKA) KWANTOWA IX. MECHANIKA (FIZYKA) KWANTOWA IX.1. OPERACJE OBSERWACJI. a) klasycznie nie ważna kolejność, w jakiej wykonujemy pomiary. AB = BA A pomiar wielkości A B pomiar wielkości B b) kwantowo wartość obserwacji

Bardziej szczegółowo

13.1 Układy helopodobne (trójcząstkowe układy dwuelektronowe)

13.1 Układy helopodobne (trójcząstkowe układy dwuelektronowe) Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1 Rozdział 13 UKŁADY KILKU CZĄSTEK W MECHANICE KWANTOWEJ 13.1 Układy helopodobne (trójcząstkowe układy dwuelektronowe) Zajmiemy się kwantowym opisem atomu He

Bardziej szczegółowo

OPTYKA KWANTOWA Wykład dla 5. roku Fizyki

OPTYKA KWANTOWA Wykład dla 5. roku Fizyki OPTYKA KWANTOWA Wykład dla 5. roku Fizyki c Adam Bechler 2006 Instytut Fizyki Uniwersytetu Szczecińskiego Rezonansowe oddziaływanie układu atomowego z promieniowaniem "! "!! # $%&'()*+,-./-(01+'2'34'*5%.25%&+)*-(6

Bardziej szczegółowo

Weryfikacja hipotez statystycznych

Weryfikacja hipotez statystycznych Weryfikacja hipotez statystycznych Hipoteza Test statystyczny Poziom istotności Testy jednostronne i dwustronne Testowanie równości wariancji test F-Fishera Testowanie równości wartości średnich test t-studenta

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

Dystrybucje, wiadomości wstępne (I)

Dystrybucje, wiadomości wstępne (I) Temat 8 Dystrybucje, wiadomości wstępne (I) Wielkości fizyczne opisujemy najczęściej przyporządkowując im funkcje (np. zależne od czasu). Inną drogą opisu tych wielkości jest przyporządkowanie im funkcjonałów

Bardziej szczegółowo

Ważne rozkłady i twierdzenia c.d.

Ważne rozkłady i twierdzenia c.d. Ważne rozkłady i twierdzenia c.d. Funkcja charakterystyczna rozkładu Wielowymiarowy rozkład normalny Elipsa kowariacji Sploty rozkładów Rozkłady jednostajne Sploty z rozkładem normalnym Pobieranie próby

Bardziej szczegółowo

Prognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania

Prognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania Prognozowanie i Symulacje. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Szeregi czasowe 1 Szeregi czasowe 2 3 Szeregi czasowe Definicja 1 Szereg czasowy jest to proces stochastyczny z czasem dyskretnym

Bardziej szczegółowo

POSTULATY MECHANIKI KWANTOWEJ cd i formalizm matematyczny

POSTULATY MECHANIKI KWANTOWEJ cd i formalizm matematyczny POSTULATY MECHANIKI KWANTOWEJ cd i formalizm matematyczny Funkcja Falowa Postulat 1 Dla każdego układu istnieje funkcja falowa (funkcja współrzędnych i czasu), która jest ciągła, całkowalna w kwadracie,

Bardziej szczegółowo

Prędkość fazowa i grupowa fali elektromagnetycznej w falowodzie

Prędkość fazowa i grupowa fali elektromagnetycznej w falowodzie napisał Michał Wierzbicki Prędkość fazowa i grupowa fali elektromagnetycznej w falowodzie Prędkość grupowa paczki falowej Paczka falowa jest superpozycją fal o różnej częstości biegnących wzdłuż osi z.

Bardziej szczegółowo

Zagadnienia brzegowe dla równań eliptycznych

Zagadnienia brzegowe dla równań eliptycznych Temat 7 Zagadnienia brzegowe dla równań eliptycznych Rozważmy płaski obszar R 2 ograniczony krzywą. la równania Laplace a (Poissona) stawia się trzy podstawowe zagadnienia brzegowe. Zagadnienie irichleta

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład XIV: Metody Monte Carlo 19 stycznia 2016 Przybliżone obliczanie całki oznaczonej Rozważmy całkowalną funkcję f : [0, 1] R. Chcemy znaleźć przybliżoną wartość liczbową całki 1 f (x) dx. 0 Jeden ze

Bardziej szczegółowo

V. RÓWNANIA MECHANIKI KWANTOWEJ

V. RÓWNANIA MECHANIKI KWANTOWEJ V. RÓWNANIA MECHANIKI KWANTOWEJ 1 1 Postulaty mechaniki kwantowej Istota teorii kwantowej może być sformułowana za pomocą postulatów, których spełnienie postulujemy i których nie można wyprowadzić z żadnych

Bardziej szczegółowo

FIZYKA-egzamin opracowanie pozostałych pytań

FIZYKA-egzamin opracowanie pozostałych pytań FIZYKA-egzamin opracowanie pozostałych pytań Andrzej Przybyszewski Michał Witczak Marcin Talarek. Definicja pracy na odcinku A-B 2. Zdefiniować różnicę energii potencjalnych gdy ciało przenosimy z do B

Bardziej szczegółowo

Redukcja wariancji w metodach Monte-Carlo

Redukcja wariancji w metodach Monte-Carlo 14.02.2006 Seminarium szkoleniowe 14 lutego 2006 Plan prezentacji Wprowadzenie Metoda losowania warstwowego Metoda próbkowania ważonego Metoda zmiennych kontrolnych Metoda zmiennych antytetycznych Metoda

Bardziej szczegółowo

Rozwiązania zadań z podstaw fizyki kwantowej

Rozwiązania zadań z podstaw fizyki kwantowej Rozwiązania zadań z podstaw fizyki kwantowej Jacek Izdebski 5 stycznia roku Zadanie 1 Funkcja falowa Ψ(x) = A n sin( πn x) jest zdefiniowana jedynie w obszarze

Bardziej szczegółowo

W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych:

W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych: W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych: Zmienne losowe skokowe (dyskretne) przyjmujące co najwyżej przeliczalnie wiele wartości Zmienne losowe ciągłe

Bardziej szczegółowo

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl

Bardziej szczegółowo

Na A (n) rozważamy rozkład P (n) , który na zbiorach postaci A 1... A n określa się jako P (n) (X n, A (n), P (n)

Na A (n) rozważamy rozkład P (n) , który na zbiorach postaci A 1... A n określa się jako P (n) (X n, A (n), P (n) MODELE STATYSTYCZNE Punktem wyjścia w rozumowaniu statystycznym jest zmienna losowa (cecha) X i jej obserwacje opisujące wyniki doświadczeń bądź pomiarów. Zbiór wartości zmiennej losowej X (zbiór wartości

Bardziej szczegółowo

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW

ODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW ODRZUCANIE WYNIKÓW OJEDYNCZYCH OMIARÓW W praktyce pomiarowej zdarzają się sytuacje gdy jeden z pomiarów odstaje od pozostałych. Jeżeli wykorzystamy fakt, że wyniki pomiarów są zmienną losową opisywaną

Bardziej szczegółowo

Wstęp do Modelu Standardowego

Wstęp do Modelu Standardowego Wstęp do Modelu Standardowego Plan Wstęp do QFT (tym razem trochę równań ) Funkcje falowe a pola Lagranżjan revisited Kilka przykładów Podsumowanie Tomasz Szumlak AGH-UST Wydział Fizyki i Informatyki Stosowanej

Bardziej szczegółowo

KADD Minimalizacja funkcji

KADD Minimalizacja funkcji Minimalizacja funkcji n-wymiarowych Forma kwadratowa w n wymiarach Procedury minimalizacji Minimalizacja wzdłuż prostej w n-wymiarowej przestrzeni Metody minimalizacji wzdłuż osi współrzędnych wzdłuż kierunków

Bardziej szczegółowo

AKADEMIA GÓRNICZO-HUTNICZA Wydział Matematyki Stosowanej ROZKŁAD NORMALNY ROZKŁAD GAUSSA

AKADEMIA GÓRNICZO-HUTNICZA Wydział Matematyki Stosowanej ROZKŁAD NORMALNY ROZKŁAD GAUSSA AKADEMIA GÓRNICZO-HUTNICZA Wydział Matematyki Stosowanej KATEDRA MATEMATYKI TEMAT PRACY: ROZKŁAD NORMALNY ROZKŁAD GAUSSA AUTOR: BARBARA MARDOSZ Kraków, styczeń 2008 Spis treści 1 Wprowadzenie 2 2 Definicja

Bardziej szczegółowo

Rozkłady zmiennych losowych

Rozkłady zmiennych losowych Rozkłady zmiennych losowych Dane zbierane podczas pomiarów zawsze układają się w pewien określony sposób. To w jaki, zależy przede wszystkim od zjawiska, które jest obserwowane. Sposób, w jaki układają

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład VII: Metody specjalne Monte Carlo 24 listopada 2014 Transformacje specjalne Przykład - symulacja rozkładu geometrycznego Niech X Ex(λ). Rozważmy zmienną losową [X ], która przyjmuje wartości naturalne.

Bardziej szczegółowo

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16 Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego

Bardziej szczegółowo

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014 Estymacja przedziałowa - przedziały ufności dla średnich Wrocław, 5 grudnia 2014 Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja Przedziałem ufności dla paramertu

Bardziej szczegółowo

Wstęp do Modelu Standardowego

Wstęp do Modelu Standardowego Wstęp do Modelu Standardowego Plan (Uzupełnienie matematyczne II) Abstrakcyjna przestrzeń stanów Podstawowe własności Iloczyn skalarny amplitudy prawdopodobieństwa Operatory i ich hermitowskość Wektory

Bardziej szczegółowo

Wykład 12. Rozkład wielki kanoniczny i statystyki kwantowe

Wykład 12. Rozkład wielki kanoniczny i statystyki kwantowe Wykład 12 Rozkład wielki kanoniczny i statystyki kwantowe dr hab. Agata Fronczak, prof. PW Wydział Fizyki, Politechnika Warszawska 1 stycznia 2017 dr hab. A. Fronczak (Wydział Fizyki PW) Wykład: Elementy

Bardziej szczegółowo

Układy statystyczne. Jacek Jurkowski, Fizyka Statystyczna. Instytut Fizyki

Układy statystyczne. Jacek Jurkowski, Fizyka Statystyczna. Instytut Fizyki Instytut Fizyki 2015 Stany mikroskopowe i makroskopowe w układzie wielopoziomowym Stany mikroskopowe i makroskopowe w układzie wielopoziomowym N rozróżnialnych cząstek, z których każda może mieć energię

Bardziej szczegółowo

PODSTAWY MECHANIKI KWANTOWEJ

PODSTAWY MECHANIKI KWANTOWEJ PODSTAWY MECHANIKI KWANTOWEJ De Broglie, na podstawie analogii optycznych, w roku 194 wysunął hipotezę, że cząstki materialne także charakteryzują się dualizmem korpuskularno-falowym. Hipoteza de Broglie

Bardziej szczegółowo

WYKŁAD 5 TEORIA ESTYMACJI II

WYKŁAD 5 TEORIA ESTYMACJI II WYKŁAD 5 TEORIA ESTYMACJI II Teoria estymacji (wyznaczanie przedziałów ufności, błąd badania statystycznego, poziom ufności, minimalna liczba pomiarów). PRÓBA Próba powinna być reprezentacyjna tj. jak

Bardziej szczegółowo

5 Reprezentacje połozeniowa i pedowa

5 Reprezentacje połozeniowa i pedowa 5 Reprezentacje połozeniowa i pedowa 5.1 Reprezentacja położeniowa W poprzednim rozdziale znaleźliśmy jawną postać operatora Ĥ w przedstawieniu położeniowym. Co to znaczy? W przedstawieniu położeniwym

Bardziej szczegółowo

JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY

JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY Będziemy zapisywać wektory w postaci (,, ) albo traktując go jak macierz jednokolumnową (dzięki temu nie będzie kontrowersji przy transponowaniu wektora ) Model

Bardziej szczegółowo

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn Wykład 10 Estymacja przedziałowa - przedziały ufności dla średniej Wrocław, 21 grudnia 2016r Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja 10.1 Przedziałem

Bardziej szczegółowo

Statystyka i Analiza Danych

Statystyka i Analiza Danych Warsztaty Statystyka i Analiza Danych Gdańsk, 20-22 lutego 2014 Zastosowania wybranych technik regresyjnych do modelowania współzależności zjawisk Janusz Wątroba StatSoft Polska Centrum Zastosowań Matematyki

Bardziej szczegółowo

OPTYKA KWANTOWA Wykład dla 5. roku Fizyki

OPTYKA KWANTOWA Wykład dla 5. roku Fizyki OPTYKA KWANTOWA Wykład dla 5. roku Fizyki c Adam Bechler 006 Instytut Fizyki Uniwersytetu Szczecińskiego Równania (3.7), pomimo swojej prostoty, nie posiadają poza nielicznymi przypadkami ścisłych rozwiązań,

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

Komputerowa Analiza Danych Doświadczalnych

Komputerowa Analiza Danych Doświadczalnych Komputerowa Analiza Danych Doświadczalnych Prowadząca: dr inż. Hanna Zbroszczyk e-mail: gos@if.pw.edu.pl tel: +48 22 234 58 51 konsultacje: poniedziałek, 10-11; środa: 11-12 www: http://www.if.pw.edu.pl/~gos/students/kadd

Bardziej szczegółowo

Wykład 13 Mechanika Kwantowa

Wykład 13 Mechanika Kwantowa Wykład 13 Mechanika Kwantowa Maciej J. Mrowiński mrow@if.pw.edu.pl Wydział Fizyki Politechnika Warszawska 25 maja 2016 Maciej J. Mrowiński (IF PW) Wykład 13 25 maja 2016 1 / 21 Wprowadzenie Sprawy organizacyjne

Bardziej szczegółowo

Katedra Fizyki Ciała Stałego Uniwersytetu Łódzkiego. Ćwiczenie 2 Badanie funkcji korelacji w przebiegach elektrycznych.

Katedra Fizyki Ciała Stałego Uniwersytetu Łódzkiego. Ćwiczenie 2 Badanie funkcji korelacji w przebiegach elektrycznych. Katedra Fizyki Ciała Stałego Uniwersytetu Łódzkiego Ćwiczenie Badanie unkcji korelacji w przebiegach elektrycznych. Cel ćwiczenia: Celem ćwiczenia jest zbadanie unkcji korelacji w okresowych sygnałach

Bardziej szczegółowo

Metoda największej wiarogodności

Metoda największej wiarogodności Wprowadzenie Założenia Logarytm funkcji wiarogodności Metoda Największej Wiarogodności (MNW) jest bardziej uniwersalną niż MNK metodą szacowania wartości nieznanych parametrów Wprowadzenie Założenia Logarytm

Bardziej szczegółowo

zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych

zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych 1. [E.A 5.10.1996/zad.4] Funkcja gęstości dana jest wzorem { 3 x + 2xy + 1 y dla (x y) (0 1) (0 1) 4 4 P (X > 1 2 Y > 1 2 ) wynosi:

Bardziej szczegółowo

gęstością prawdopodobieństwa

gęstością prawdopodobieństwa Funkcja falowa Zgodnie z hipotezą de Broglie'a, cząstki takie jak elektron czy proton, mają własności falowe. Własności falowe cząstki (lub innego obiektu) w mechanice kwantowej opisuje tzw. funkcja falowa(,t)

Bardziej szczegółowo

Uogolnione modele liniowe

Uogolnione modele liniowe Uogolnione modele liniowe Jerzy Mycielski Uniwersytet Warszawski grudzien 2013 Jerzy Mycielski (Uniwersytet Warszawski) Uogolnione modele liniowe grudzien 2013 1 / 17 (generalized linear model - glm) Zakładamy,

Bardziej szczegółowo

x x 0.5. x Przykłady do zadania 4.1 :

x x 0.5. x Przykłady do zadania 4.1 : Rachunek prawdopodobieństwa MAP5 Wydział Elektroniki, rok akad. /, sem. letni Wykładowca: dr hab. A. Jurlewicz Przykłady do listy 4: Wartość oczekiwana, wariancja, mediana, kwartyle rozkładu prawdopodobieństwa.

Bardziej szczegółowo

Ważne rozkłady i twierdzenia

Ważne rozkłady i twierdzenia Ważne rozkłady i twierdzenia Rozkład dwumianowy i wielomianowy Częstość. Prawo wielkich liczb Rozkład hipergeometryczny Rozkład Poissona Rozkład normalny i rozkład Gaussa Centralne twierdzenie graniczne

Bardziej szczegółowo

Wykład Budowa atomu 3

Wykład Budowa atomu 3 Wykład 14. 12.2016 Budowa atomu 3 Model atomu według mechaniki kwantowej Równanie Schrödingera dla atomu wodoru i jego rozwiązania Liczby kwantowe n, l, m l : - Kwantowanie energii i liczba kwantowa n

Bardziej szczegółowo

Rozkład normalny. Marcin Zajenkowski. Marcin Zajenkowski () Rozkład normalny 1 / 26

Rozkład normalny. Marcin Zajenkowski. Marcin Zajenkowski () Rozkład normalny 1 / 26 Rozkład normalny Marcin Zajenkowski Marcin Zajenkowski () Rozkład normalny 1 / 26 Rozkład normalny Krzywa normalna, krzywa Gaussa, rozkład normalny Rozkłady liczebności wielu pomiarów fizycznych, biologicznych

Bardziej szczegółowo

PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA. Piotr Wiącek

PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA. Piotr Wiącek PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA Piotr Wiącek ROZKŁAD PRAWDOPODOBIEŃSTWA Jest to miara probabilistyczna określona na σ-ciele podzbiorów borelowskich pewnej przestrzeni metrycznej. σ-ciało podzbiorów

Bardziej szczegółowo

Układy równań liniowych

Układy równań liniowych Układy równań liniowych Niech K będzie ciałem. Niech n, m N. Równanie liniowe nad ciałem K z niewiadomymi (lub zmiennymi) x 1, x 2,..., x n K definiujemy jako formę zdaniową zmiennej (x 1,..., x n ) K

Bardziej szczegółowo

Wykład 14. Termodynamika gazu fotnonowego

Wykład 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 szczegółowo

Równanie przewodnictwa cieplnego (I)

Równanie przewodnictwa cieplnego (I) Wykład 4 Równanie przewodnictwa cieplnego (I) 4.1 Zagadnienie Cauchy ego dla pręta nieograniczonego Rozkład temperatury w jednowymiarowym nieograniczonym pręcie opisuje funkcja u = u(x, t), spełniająca

Bardziej szczegółowo

Metoda największej wiarygodności

Metoda największej wiarygodności Metoda największej wiarygodności Próbki w obecności tła Funkcja wiarygodności Iloraz wiarygodności Pomiary o różnej dokładności Obciążenie Informacja z próby i nierówność informacyjna Wariancja minimalna

Bardziej szczegółowo

II. RÓŻNICZKOWANIE I CAŁKOWANIE NUMERYCZNE Janusz Adamowski

II. RÓŻNICZKOWANIE I CAŁKOWANIE NUMERYCZNE Janusz Adamowski II. RÓŻNICZKOWANIE I CAŁKOWANIE NUMERYCZNE Janusz Adamowski 1 1 Różniczkowanie numeryczne Rozważmy funkcję f(x) określoną na sieci równoodległyc węzłów. Funkcja f(x) może być dana za pomocą wzoru analitycznego

Bardziej szczegółowo

Co ma piekarz do matematyki?

Co ma piekarz do matematyki? Instytut Matematyki i Informatyki Politechnika Wrocławska Dolnośląski Festiwal Nauki Wrzesień 2009 x x (x 1, x 2 ) x (x 1, x 2 ) (x 1, x 2, x 3 ) x (x 1, x 2 ) (x 1, x 2, x 3 ) (x 1, x 2, x 3, x 4 ). x

Bardziej szczegółowo

Metody numeryczne. Wykład nr 12. Dr Piotr Fronczak

Metody numeryczne. Wykład nr 12. Dr Piotr Fronczak Metody numeryczne Wykład nr 1 Dr Piotr Fronczak Generowanie liczb losowych Metody Monte Carlo są oparte na probabilistyce działają dzięki generowaniu liczb losowych. W komputerach te liczby generowane

Bardziej szczegółowo

Estymacja parametrów rozkładu cechy

Estymacja parametrów rozkładu cechy Estymacja parametrów rozkładu cechy Estymujemy parametr θ rozkładu cechy X Próba: X 1, X 2,..., X n Estymator punktowy jest funkcją próby ˆθ = ˆθX 1, X 2,..., X n przybliżającą wartość parametru θ Przedział

Bardziej szczegółowo

Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa

Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa Spis treści Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis treści Spis treści 1 Wstęp Bardzo często interesujący

Bardziej szczegółowo

Faculty of Applied Physics and Mathematics -> Department of Solid State Physics. dydaktycznych, objętych planem studiów

Faculty of Applied Physics and Mathematics -> Department of Solid State Physics. dydaktycznych, objętych planem studiów Nazwa i kod przedmiotu Kierunek studiów Mechanika kwantowa, NAN1B0051 Nanotechnologia Poziom studiów I stopnia - inżynierskie Typ przedmiotu obowiąkowy Forma studiów stacjonarne Sposób realizacji na uczelni

Bardziej szczegółowo

3 Ewolucja układu w czasie, trajektorie kwantowe

3 Ewolucja układu w czasie, trajektorie kwantowe 3 Ewolucja układu w czasie, trajektorie kwantowe Pytanie: jak ewoluuje funkcja falowa stanu kwantowego ψ? W tym rozdzoale zajmiemy się ruchem cząstki w jednym wymiarze. 3.1 Trajektorie klasyczne Klasyczne

Bardziej szczegółowo

Obliczenia iteracyjne

Obliczenia iteracyjne Lekcja Strona z Obliczenia iteracyjne Zmienne iteracyjne (wyliczeniowe) Obliczenia iteracyjne wymagają zdefiniowania specjalnej zmiennej nazywanej iteracyjną lub wyliczeniową. Zmienną iteracyjną od zwykłej

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

po lożenie cz astki i od czasu (t). Dla cz astki, która może poruszać siȩ tylko w jednym wymiarze (tu x)

po lożenie cz astki i od czasu (t). Dla cz astki, która może poruszać siȩ tylko w jednym wymiarze (tu x) Stan czastki określa funkcja falowa Ψ zależna od wspó lrzȩdnych określaj acych po lożenie cz astki i od czasu (t). Dla cz astki, która może poruszać siȩ tylko w jednym wymiarze (tu x) Wartości funkcji

Bardziej szczegółowo

Stochastyczne równania różniczkowe, model Blacka-Scholesa

Stochastyczne równania różniczkowe, model Blacka-Scholesa Stochastyczne równania różniczkowe, model Blacka-Scholesa Marcin Orchel Spis treści 1 Wstęp 1 1.1 Błądzenie losowe................................ 1 1. Proces Wienera................................. 1.3

Bardziej szczegółowo

Metoda określania pozycji wodnicy statków na podstawie pomiarów odległości statku od głowic laserowych

Metoda określania pozycji wodnicy statków na podstawie pomiarów odległości statku od głowic laserowych inż. Marek Duczkowski Metoda określania pozycji wodnicy statków na podstawie pomiarów odległości statku od głowic laserowych słowa kluczowe: algorytm gradientowy, optymalizacja, określanie wodnicy W artykule

Bardziej szczegółowo

Instytut Fizyki Politechniki Łódzkiej Laboratorium Metod Analizy Danych Doświadczalnych Ćwiczenie 3 Generator liczb losowych o rozkładzie Rayleigha.

Instytut Fizyki Politechniki Łódzkiej Laboratorium Metod Analizy Danych Doświadczalnych Ćwiczenie 3 Generator liczb losowych o rozkładzie Rayleigha. Instytut Fizyki Politechniki Łódzkiej Laboratorium Metod Analizy Danych Doświadczalnych Generator liczb losowych o rozkładzie Rayleigha. Generator liczb losowych o rozkładzie Rayleigha. 1. Cel ćwiczenia

Bardziej szczegółowo

Statystyka w przykładach

Statystyka w przykładach w przykładach Tomasz Mostowski Zajęcia 10.04.2008 Plan Estymatory 1 Estymatory 2 Plan Estymatory 1 Estymatory 2 Własności estymatorów Zazwyczaj w badaniach potrzebujemy oszacować pewne parametry na podstawie

Bardziej szczegółowo

Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna

Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna Regresja wieloraka Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna zmienna niezależna (można zobrazować

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład XV: Zagadnienia redukcji wymiaru danych 2 lutego 2015 r. Standaryzacja danych Standaryzacja danych Własności macierzy korelacji Definicja Niech X będzie zmienną losową o skończonym drugim momencie.

Bardziej szczegółowo

Metody obliczeniowe ab initio w fizyce struktur atomowych. Wykład 1: Wstęp

Metody obliczeniowe ab initio w fizyce struktur atomowych. Wykład 1: Wstęp Metody obliczeniowe ab initio w fizyce struktur atomowych. Wykład 1: Wstęp dr inż. Paweł Scharoch, dr Jerzy Peisert Instytut Fizyki Politechniki Wrocławskiej, 03.02.2005r. Streszczenie: wyjaśnienie pojęcia

Bardziej szczegółowo

Metody Statystyczne. Metody Statystyczne. #8 Błąd I i II rodzaju powtórzenie. Dwuczynnikowa analiza wariancji

Metody Statystyczne. Metody Statystyczne. #8 Błąd I i II rodzaju powtórzenie. Dwuczynnikowa analiza wariancji gkrol@mail.wz.uw.edu.pl #8 Błąd I i II rodzaju powtórzenie. Dwuczynnikowa analiza wariancji 1 Ryzyko błędu - powtórzenie Statystyka niczego nie dowodzi, czyni tylko wszystko mniej lub bardziej prawdopodobnym

Bardziej szczegółowo

Różniczkowe prawo Gaussa i co z niego wynika...

Różniczkowe prawo Gaussa i co z niego wynika... Różniczkowe prawo Gaussa i co z niego wynika... Niech ładunek będzie rozłożony w objętości V z ciągłą gęstością ρ(x,y,z). Wytworzone przez ten ładunek pole elektryczne będzie również zmieniać się w przestrzeni

Bardziej szczegółowo

Pochodna i różniczka funkcji oraz jej zastosowanie do obliczania niepewności pomiarowych

Pochodna i różniczka funkcji oraz jej zastosowanie do obliczania niepewności pomiarowych Pochodna i różniczka unkcji oraz jej zastosowanie do obliczania niepewności pomiarowych Krzyszto Rębilas DEFINICJA POCHODNEJ Pochodna unkcji () w punkcie określona jest jako granica: lim 0 Oznaczamy ją

Bardziej szczegółowo

Rozkład normalny, niepewność standardowa typu A

Rozkład normalny, niepewność standardowa typu A Podstawy Metrologii i Technik Eksperymentu Laboratorium Rozkład normalny, niepewność standardowa typu A Instrukcja do ćwiczenia nr 1 Zakład Miernictwa i Ochrony Atmosfery Wrocław, listopad 2010 r. Podstawy

Bardziej szczegółowo

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

Ilustracja metody Monte Carlo obliczania pola obszaru D zawartego w kwadracie [a,b]x[a,b] Ilustracja metody Monte Carlo obliczania pola obszaru D zawartego w kwadracie [a,b]x[a,b] Dagna Bieda, Piotr Jarecki, Tomasz Nachtigall, Jakub Ciesiółka, Marek Kubiczek Metoda Monte Carlo Metoda Monte

Bardziej szczegółowo

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH 1 ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH WFAiS UJ, Informatyka Stosowana II stopień studiów 2 Wnioskowanie statystyczne dla zmiennych numerycznych Porównywanie dwóch średnich Boot-strapping Analiza

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący

Bardziej szczegółowo

Pobieranie prób i rozkład z próby

Pobieranie prób i rozkład z próby Pobieranie prób i rozkład z próby Marcin Zajenkowski Marcin Zajenkowski () Pobieranie prób i rozkład z próby 1 / 15 Populacja i próba Populacja dowolnie określony zespół przedmiotów, obserwacji, osób itp.

Bardziej szczegółowo

Atom wodoru. Model klasyczny: nieruchome jądro +p i poruszający się wokół niego elektron e w odległości r; energia potencjalna elektronu:

Atom wodoru. Model klasyczny: nieruchome jądro +p i poruszający się wokół niego elektron e w odległości r; energia potencjalna elektronu: ATOM WODORU Atom wodoru Model klasyczny: nieruchome jądro +p i poruszający się wokół niego elektron e w odległości r; energia potencjalna elektronu: U = 4πε Opis kwantowy: wykorzystując zasadę odpowiedniości

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Matematyka ubezpieczeń majątkowych 4.04.0 r. Zadanie. Przy danej wartości λ parametru ryzyka Λ liczby szkód generowane przez ubezpieczającego się w kolejnych latach to niezależne zmienne losowe o rozkładzie

Bardziej szczegółowo

1 Metody rozwiązywania równań nieliniowych. Postawienie problemu

1 Metody rozwiązywania równań nieliniowych. Postawienie problemu 1 Metody rozwiązywania równań nieliniowych. Postawienie problemu Dla danej funkcji ciągłej f znaleźć wartości x, dla których f(x) = 0. (1) 2 Przedział izolacji pierwiastka Będziemy zakładać, że równanie

Bardziej szczegółowo

mechanika analityczna 1 nierelatywistyczna L.D.Landau, E.M.Lifszyc Krótki kurs fizyki teoretycznej

mechanika analityczna 1 nierelatywistyczna L.D.Landau, E.M.Lifszyc Krótki kurs fizyki teoretycznej mechanika analityczna 1 nierelatywistyczna L.D.Landau, E.M.Lifszyc Krótki kurs fizyki teoretycznej ver-28.06.07 współrzędne uogólnione punkt materialny... wektor wodzący: prędkość: przyspieszenie: liczba

Bardziej szczegółowo

Statystyka. Wydział Zarządzania Uniwersytetu Łódzkiego

Statystyka. Wydział Zarządzania Uniwersytetu Łódzkiego Statystyka Wydział Zarządzania Uniwersytetu Łódzkiego 2017 Podstawowe rozkłady zmiennych losowych Rozkłady zmiennych skokowych Rozkład zero-jedynkowy Rozpatrujemy doświadczenie, którego rezultatem może

Bardziej szczegółowo

Rozkłady statystyk z próby

Rozkłady statystyk z próby Rozkłady statystyk z próby Rozkłady statystyk z próby Przypuśćmy, że wykonujemy serię doświadczeń polegających na 4 krotnym rzucie symetryczną kostką do gry, obserwując liczbę wyrzuconych oczek Nr kolejny

Bardziej szczegółowo

Oznacza to, że chcemy znaleźć minimum, a właściwie wartość najmniejszą funkcji

Oznacza to, że chcemy znaleźć minimum, a właściwie wartość najmniejszą funkcji Wykład 11. Metoda najmniejszych kwadratów Szukamy zależności Dane są wyniki pomiarów dwóch wielkości x i y: (x 1, y 1 ), (x 2, y 2 ),..., (x n, y n ). Przypuśćmy, że nanieśliśmy je na wykres w układzie

Bardziej szczegółowo

Wstęp do teorii niepewności pomiaru. Danuta J. Michczyńska Adam Michczyński

Wstęp do teorii niepewności pomiaru. Danuta J. Michczyńska Adam Michczyński Wstęp do teorii niepewności pomiaru Danuta J. Michczyńska Adam Michczyński Podstawowe informacje: Strona Politechniki Śląskiej: www.polsl.pl Instytut Fizyki / strona własna Instytutu / Dydaktyka / I Pracownia

Bardziej szczegółowo

Weryfikacja hipotez statystycznych za pomocą testów statystycznych

Weryfikacja hipotez statystycznych za pomocą testów statystycznych Weryfikacja hipotez statystycznych za pomocą testów statystycznych Weryfikacja hipotez statystycznych za pomocą testów stat. Hipoteza statystyczna Dowolne przypuszczenie co do rozkładu populacji generalnej

Bardziej szczegółowo

Aproksymacja funkcji a regresja symboliczna

Aproksymacja funkcji a regresja symboliczna Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(x), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(x), zwaną funkcją aproksymującą

Bardziej szczegółowo

Testowanie hipotez. Marcin Zajenkowski. Marcin Zajenkowski () Testowanie hipotez 1 / 25

Testowanie hipotez. Marcin Zajenkowski. Marcin Zajenkowski () Testowanie hipotez 1 / 25 Testowanie hipotez Marcin Zajenkowski Marcin Zajenkowski () Testowanie hipotez 1 / 25 Testowanie hipotez Aby porównać ze sobą dwie statystyki z próby stosuje się testy istotności. Mówią one o tym czy uzyskane

Bardziej szczegółowo

Zakładamy, że są niezależnymi zmiennymi podlegającymi (dowolnemu) rozkładowi o skończonej wartości oczekiwanej i wariancji.

Zakładamy, że są niezależnymi zmiennymi podlegającymi (dowolnemu) rozkładowi o skończonej wartości oczekiwanej i wariancji. Wnioskowanie_Statystyczne_-_wykład Spis treści 1 Centralne Twierdzenie Graniczne 1.1 Twierdzenie Lindeberga Levy'ego 1.2 Dowód 1.2.1 funkcja tworząca sumy zmiennych niezależnych 1.2.2 pochodna funkcji

Bardziej szczegółowo

Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych

Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych Zad. 1 Średnia ocen z semestru letniego w populacji studentów socjologii w roku akademickim 2011/2012

Bardziej szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego

Bardziej szczegółowo

Testowanie hipotez statystycznych

Testowanie hipotez statystycznych Agenda Instytut Matematyki Politechniki Łódzkiej 2 stycznia 2012 Agenda Agenda 1 Wprowadzenie Agenda 2 Hipoteza oraz błędy I i II rodzaju Hipoteza alternatywna Statystyka testowa Zbiór krytyczny Poziom

Bardziej szczegółowo

Statystyka w analizie i planowaniu eksperymentu

Statystyka w analizie i planowaniu eksperymentu 22 marca 2011 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś

Bardziej szczegółowo

Z52: Algebra liniowa Zagadnienie: Zastosowania algebry liniowej Zadanie: Operatory różniczkowania, zagadnienie brzegowe.

Z52: Algebra liniowa Zagadnienie: Zastosowania algebry liniowej Zadanie: Operatory różniczkowania, zagadnienie brzegowe. Z5: Algebra liniowa Zagadnienie: Zastosowania algebry liniowej Zadanie: Operatory różniczkowania zagadnienie brzegowe Dyskretne operatory różniczkowania Numeryczne obliczanie pochodnych oraz rozwiązywanie

Bardziej szczegółowo