Radialna funkcja korelacji g(r)
|
|
- Maja Domańska
- 6 lat temu
- Przeglądów:
Transkrypt
1 Radialna funkcja korelacji g(r) r1 Określa prawdopodobieństwo znalezienia innej cząsteczki w odległości r= r1-r od cząsteczki znajdującej się w punkcie r1
2 Definicja g(r) Aby zdefiniować g(r) całkuje się konfiguracyjną funkcję rozkładu po współrzędnych wszystkich cząsteczek za wyjątkiem dwu, uwzględniając odpowiednie czynniki normalizacyjne. W zespole kanonicznym: N N 1 g r 1, r = d r 3 d r 4... d r N exp U d r 1, d r 1,..., d r N Z NVT
3 Definicja g(r) Wybór i=1, j= jest arbitralny w układzie identycznych cząsteczek. Równoważna definicja oparta jest na średniej po zespole po wszystkich parach cząsteczek. V g r = = r i r j r = r r ij i i j N i i j
4 g(r) Radialna funkcja dystrybucji jest ciekawą funkcją nie tylko dlatego że opisuje strukturę płynu, ale także dlatego, że średnia po zespole jakiejkolwiek funkcji zależnej od odległości między parą cząsteczek może być wyrażona w formie 1 a r i, r j = d r i d r j g r i, r j a r i, r j V albo 1 a = a r ij = N dr a r g r 4 r i j i 0
5 Czynnik struktury Transformata Fouriera funkcji g(r) N S k =1 [ g r 1]exp i k r d r V V Jest względnym natężeniem promieniowania rozpraszanego pod kątem rozpraszania, gdzie 4 k sin /
6 Obliczanie g(r) w symulacjach r Zliczamy ile par cząsteczek znajduje się w przedziale (r, r+ r) Jak małe (duże) powinno być r?
7 Obliczanie g(r) DO i = 1, N - 1 xi = x(i) yi = y(i) DO j = i+1, N xd = xi - x(j) yd = yi - y(j) INCLUDE 'MI.inc' r = SQRT(r) bin = INT(r/ r) +1 hist(bin)=hist(bin)+ ENDDO MI.inc IF ( xd.gt. L/.) THEN xd = xd - L ELSEIF ( xd.lt. - L/. ) THEN xd = xd + L ENDIF IF ( yd.gt. L/. ) THEN yd = yd - L ELSEIF ( yd.lt. -L/. ) THEN yd = yd + L ENDIF r = xd*xd + yd*yd ENDDO Zliczamy ile par cząsteczek znajduje się w przedziale (r, r+ r). Jednocześnie zlicza się pary ij jak i ji
8 Unormowanie histogramu g(r) Załóżmy, że zliczyliśmy średnie z run kroków MC i dana przegroda b histogramu odpowiadająca przedziałowi (r,r+ r) zawiera nhist(b) par cząsteczek. Wtedy średnia liczba cząsteczek, których odległość od danej cząsteczki zawiera się w tym przedziale, jest dana wzorem n b =nhist b / N run Średnia liczba cząsteczek w tym samym przedziale dla gazu doskonałego o tej samej gęstości wynosi n b = [ r r r ] 3 id Z definicji radialna funkcja korelacji jest dana następującym wzorem id g r 1/ r =n b /n b
9 Unormowanie histogramu g(r) const = 4* / 3 DO bin = 1, maxbin rlower = REAL(bin-1)* r rupper = rlower+ r nideal = const*(rupper**3-rlower**3) gr(bin) = REAL(hist(bin))/REAL(nstep)/REAL(N)/nideal ENDDO Odpowiednia odległość dla poszczególnych elementów histogramu g(r) to odległość od środka przedziału (r, r+ r), tj. dla powyższego przykładu rlower+ r/
10 Przykłady g(r) g(r) dla płynu Lennard-Jonesa
11 Przykłady g(r) g(r) dla płynu cząsteczek oddziałujących potencjałem studni kwadratowej
12 Obliczanie energii na podstawie znajomości g(r) Można obliczyć energię oddziaływań (zakładając tylko dwucząsteczkowe oddziaływania) U= N dr r u r g r 0
13 Long-range corrections Jeśli oddziaływania międzycząsteczkowe gwałtownie maleją, wtedy możemy napisać N U = uc r ij dr r 4 u r r i j tot c Zakłada się, że g(r)=1 dla r > rc
14 Long-range corrections Średnia energia potencjalna danego atomu i dana jest przez 1 ui= dr4 r u r r 0 gdzie (r) oznacza średnią gęstość liczbową w odległości r od atomu i. Jeśli obetnie się potencjał w odległości rc, wkład pochodzący od tej obciętej części, utail, jest ignorowany 1 u dr4 r u r r r tail c
15 Long-range corrections Aby uprościć obliczanie utail zakłada się, że dla r > rc gęstość (r) jest równa średniej gęstości liczbowej. Jeśli u(r) jest potencjałem Lennard-Jonesa otrzymujemy następujące wyrażenia 1 u = 4 dr r u r r tail c [ ] 1 16 dr r r r c 1 r [ ] rc rc 3 6
16 Wykonanie obliczeń Faza doprowadzenia do stanu równowagi Ustalenie dmax Faza przeprowadzenia obliczeń Zbieranie średnich Jak ocenić czy jesteśmy w stanie równowagi?
17 Monitorowanie energii u Obserwując zmiany energii można oszacować po ilu krokach MC układ dochodzi do stanu równowagi
18 Ustalania maksymalnego przesunięcia IF ( MOD( ntrial, nadjst ).EQ. 0 ) THEN ratio = REAL(naccpt)/REAL(nadjst) IF ( ratio.gt. 0.5 ) THEN dmax = dmax * 1.05 ELSE dmax = dmax * 0.95 ntrial ilość kroków MC naccpt ilość zaakceptowanych kroków MC nadjst co ile kroków MC dostosowuje się maksymalne przesunięcie dmax ENDIF naccpt = 0 ENDIF Można tak robić jedynie w fazie doprowadzania układu do równowagi!!!
19 Struktura programu Wczytanie parametrów, wczytanie konfiguracji początkowej wyzerowanie liczników Kroki Monte Carlo Zbieranie średnich Zapisanie wyników, zapisanie ostatniej konfiguracji
20 Konfiguracja początkowa (fcc) Dla danej ilości cząsteczek Ntot oraz gęstości płynu znaleźć rozmiar sześciennego pudełka symulacyjnego. Znaleźć objętość V i długość krawędzi sześcianu L. N tot = V L=L x =L y =L z=v N tot =4 n 1 /3 3 N tot V= n=n x=n y =nz = N tot / 4 1/ 3 Cząsteczki układamy na sieci kubicznej fcc. Stała sieci jest dana następującym wzorem (jeśli uwzględnimy periodyczne warunki brzegowe): = x = y = z =L/ n
21 Konfiguracja początkowa fcc x(1) = 0.0 y(1) = 0.0 z(1) = 0.0 x() = 0.0 y() = / z() = / x(3) = / y(3) = 0.0 z(3) = / x(4) = / y(4) = / z(4) = 0.0 m=0 DO i = 1, n DO j = 1, n DO l = 1, n DO k = 1, 4 x( k+m ) = x(k) + * REAL( l - 1 ) y( k+m ) = y(k) + * REAL( j - 1 ) z( k+m ) = z(k) + * REAL( i - 1 ) ENDDO m=m+4 ENDDO ENDDO ENDDO Powielanie komórki elementarnej Cząsteczki w komórce elementarnej
22 Sprawdzanie konfiguracji DO i = 1, N - 1 xi = x(i) yi = y(i) DO j = i+1, N xd = xi - x(j) yd = yi - y(j) INCLUDE 'MI.inc' IF ( r.lt. ) THEN OVERLAP =.TRUE. ENDIF ENDDO MI.inc IF ( xd.gt. L/.) THEN xd = xd - L ELSEIF ( xd.lt. - L/. ) THEN xd = xd + L ENDIF IF ( yd.gt. L/. ) THEN yd = yd - L ELSEIF ( yd.lt. -L/. ) THEN yd = yd + L ENDIF r = xd*xd + yd*yd ENDDO Sprawdzamy konfigurację początkową czy jest poprawnie skonstruowana.
23 Kroki Monte Carlo Wybór cząsteczki Obliczenie oddziaływania wybranej cząsteczki z pozostałymi cząsteczkami Przesunięcie cząsteczki Obliczenie oddziaływania przesuniętej cząsteczki z pozostałymi cząsteczkami Obliczenie różnicy energii przed i po przesunięciu Akceptacja przesunięcia
24 Akceptacja przesunięcia V =V acc o n =min { 1,e V } new V old
25 Akceptacja przesunięcia V = Vnew -Vold V = V IF ( V.LT ) THEN IF ( V.LT. 0.0 ) THEN V = V + V x(i) = xnew y(i) = ynew z(i) = znew naccpt = naccpt + 1 ELSEIF ( EXP(- V).GT. RANF(dummy) ) THEN V = V + V x(i) = xnew y(i) = ynew z(i) = znew naccpt = naccpt + 1 ENDIF ENDIF ntrial = ntrial +1 FORTRAN
26 Przesuniecie w cylindrycznych współrzędnych? x new =x old 1 1 d max x new =x old 1 r max cos y new = y old 1 d max y new = y old 1 r max sin
27 Szacowanie błędu pomiaru Średnia wielkość A obliczona w symulacji MC run 1 A run= A run =1 Jeśli założyć, że wielkości A( ) są statystycznie niezależne to wariancja byłaby dana wzorem A run = A / run gdzie run 1 A = A run = A A run run =1
28 Szacowanie błędu pomiaru W symulacjach MC wielkości A( ) nie statystycznie niezależne jeśli zliczanie średnich odbywa się odpowiednio często. Aby rozwiązać ten problem sekwencja zliczeń wielkości A jest podzielona na bloki o długości b. Załóżmy, że mamy nb bloków, tak że nb b= run. Obliczamy wtedy średnią wartość wielkości A dla każdego bloku b 1 A b= A b =1 gdzie sumuje się jedynie po konfiguracjach w bloku b. Wariancję można wtedy oszacować jako nb 1 A b = A b A run nb b=1 Można oczekiwać, że ta wielkość jest odwrotnie proporcjonalna do b, dla dużych b, wtedy gdy wielkość bloków jest dostatecznie duża aby były one statystycznie niezależne
29 Fluktuacje energii Z fluktuacji energii całkowitej można obliczyć ciepło właściwe H NVT =k B T C V Energię całkowitą można podzielić na część kinetyczna i część potencjalną, które są nieskorelowane. NVT K V =0 H NVT = K NVT V NVT Część kinetyczna może być łatwo obliczona na przykład dla układu N atomów 3N K NVT = k B T =3N / Stąd fluktuacje energii potencjalnej dane są jako 3 V NVT =k B T CV N k B
30 Oszczędność CPU Lista sąsiadów
31 Oszczędność CPU Podział na komórki
32 Simulated annealing Minimalizacja funkcji z wieloma minimami
33 Krytyczne spowolnienie
34 Potencjały oddziaływań
35 Twarde dyski (kule) { 0 u r = hs Potencjał twardych kul, r, r
36 Diagram fazowy
37 Soft sphere potencjał u r = r ss =1 =6
38 Potencjał studni kwadratowej u {, r sw u r =, r 0, r sw r
39 Potencjał Lenard-Jonesa [ ] u r =4 r lj u lj ε σ r 1 r 6
40 Wielkości zredukowane W symulacjach wygodnie jest wyrazić wielkości takie jak temperatura, gęstość, ciśnienie i podobne w jednostkach zredukowanych. Tzn. że wybiera się wygodne jednostki długości, energii, masy i wyraża się wszystkie pozostałe wielkości w tych podstawowych jednostkach. Na przykład dla płynu Lennard-Jonesa, używa się potencjału w formie funkcji u(r) = f(r/ ). Naturalnym wybór podstawowych jednostek to jednostka długości jednostka energii W oparciu o te podstawowe jednostki definiuje się wielkości zredukowane oznaczane przez *. Na przykład potencjał Lennard-Jonesa w formie zredukowanej wygląda następująco [ ] 1 lj u r =4 r 1 1 r 6 W tej konwencji można napisać następujące wielkości w jednostkach zredukowanych jako:energia potencjalna, U*=U -1, ciśnienie P*=P 3-1, gęstość *= 3, temperatura T*=kbT -1.
41 Obcięty potencjał Lennard-Jonesa { lj u r, r r c u r = 0, r r c
42 Obcięcie potencjału znacząco zmienia diagram fazowy
43 Obcięty i przesunięty { lj lj u r u r c, r r c u r = 0, r r c
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 szczegółowoProgram 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 szczegółowoZespół 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 szczegółowoOgólny schemat postępowania
Ogólny schemat postępowania 1. Należy zdecydować, który rozkład prawdopodobieństwa chcemy badać. Rozkład oznaczamy przez P; zależy od zespołu statystycznego. 2. Narzucamy warunek równowagi szczegółowej,
Bardziej szczegółowo17.1 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 szczegółowoS ścianki naczynia w jednostce czasu przekazywany
FIZYKA STATYSTYCZNA W ramach fizyki statystycznej przyjmuje się, że każde ciało składa się z dużej liczby bardzo małych cząstek, nazywanych cząsteczkami. Cząsteczki te znajdują się w ciągłym chaotycznym
Bardziej szczegółowoWażne 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 szczegółowoRównoległe 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 szczegółowoWażne 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 szczegółowoZad Sprawdzić, czy dana funkcja jest funkcją własną danego operatora. Jeśli tak, znaleźć wartość własną funkcji.
Zad. 1.1. Sprawdzić, czy dana funkcja jest funkcją własną danego operatora. Jeśli tak, znaleźć wartość własną funkcji. Zad. 1.1.a. Funkcja: ϕ = sin2x Zad. 1.1.b. Funkcja: ϕ = e x 2 2 Operator: f = d2 dx
Bardziej szczegółowoĆwiczenie 4: Ciepło właściwe monokryształu fcc argonu
Ćwiczenie 4: Ciepło właściwe monokryształu fcc argonu Tym razem zajmiemy się już problemem bardziej złożonym. Celem ćwiczenia jest wyznaczenie dla monokryształu fcc argonu ciepła właściwego c, tj. ciepła
Bardziej szczegółowoSymulacja Monte Carlo izotermy adsorpcji w układzie. ciało stałe-gaz
Ćwiczenie nr 2 Symulacja Monte Carlo izotermy adsorpcji w układzie ciało stałe-gaz I. Cel ćwiczenia Celem ćwiczenia jest określenie wpływu parametrów takich jak temperatura, energia oddziaływania cząsteczka-powierzchnia
Bardziej szczegółowoKORELACJE I REGRESJA LINIOWA
KORELACJE I REGRESJA LINIOWA Korelacje i regresja liniowa Analiza korelacji: Badanie, czy pomiędzy dwoma zmiennymi istnieje zależność Obie analizy się wzajemnie przeplatają Analiza regresji: Opisanie modelem
Bardziej szczegółowoFizyka 1 Wróbel Wojciech. w poprzednim odcinku
w poprzednim odcinku 1 Kinetyczna teoria gazów AZ DOSKONAŁY Liczba rozważanych cząsteczek gazu jest bardzo duża. Średnia odległość między cząsteczkami jest znacznie większa niż ich rozmiar. Cząsteczki
Bardziej szczegółowoWielki 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 szczegółowoBlok I: Wyrażenia algebraiczne. dla xy = 1. (( 7) x ) 2 ( 7) 11 7 x c) x ( x 2) 4 (x 3 ) 3 dla x 0 d)
Blok I: Wyrażenia algebraiczne I. Obliczyć a) 9 9 9 9 ) 7 y y dla y = z, jeśli = 0 4, y = 0 0.7 i z = y 64 7) ) 7) 7 7 I. Uprościć wyrażenia a) 48 6 4 dla 0 5) 4 dla 0 ) 4 ) dla 0 45 4 y ) dla yz 0 I.
Bardziej szczegółowoFIZYKA STATYSTYCZNA. d dp. jest sumaryczną zmianą pędu cząsteczek zachodzącą na powierzchni S w
FIZYKA STATYSTYCZNA W ramach fizyki statystycznej przyjmuje się, że każde ciało składa się z dużej liczby bardzo małych cząstek, nazywanych cząsteczkami. Cząsteczki te znajdują się w ciągłym chaotycznym
Bardziej szczegółowoFizyka 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 szczegółowoProblemy 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 szczegółowoJanusz 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 szczegółowoWykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe
Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe Nierówność Czebyszewa Niech X będzie zmienną losową o skończonej wariancji V ar(x). Wtedy wartość oczekiwana E(X) też jest skończona i
Bardziej szczegółowoWykład 5 Widmo rotacyjne dwuatomowego rotatora sztywnego
Wykład 5 Widmo rotacyjne dwuatomowego rotatora sztywnego W5. Energia molekuł Przemieszczanie się całych molekuł w przestrzeni - Ruch translacyjny - Odbywa się w fazie gazowej i ciekłej, w fazie stałej
Bardziej szczegółowoWykład FIZYKA I. 15. Termodynamika statystyczna. Dr hab. inż. Władysław Artur Woźniak
Wykład FIZYKA I 15. Termodynamika statystyczna Dr hab. inż. Władysław Artur Woźniak Instytut Fizyki Politechniki Wrocławskiej http://www.if.pwr.wroc.pl/~wozniak/fizyka1.html TERMODYNAMIKA KLASYCZNA I TEORIA
Bardziej szczegółowoWykład 3 Zjawiska transportu Dyfuzja w gazie, przewodnictwo cieplne, lepkość gazu, przewodnictwo elektryczne
Wykład 3 Zjawiska transportu Dyfuzja w gazie, przewodnictwo cieplne, lepkość gazu, przewodnictwo elektryczne W3. Zjawiska transportu Zjawiska transportu zachodzą gdy układ dąży do stanu równowagi. W zjawiskach
Bardziej szczegółowo3. Przejścia fazowe pomiędzy trzema stanami skupienia materii:
Temat: Zmiany stanu skupienia. 1. Energia sieci krystalicznej- wielkość dzięki której można oszacować siły przyciągania w krysztale 2. Energia wiązania sieci krystalicznej- ilość energii potrzebnej do
Bardziej szczegółowoKomputerowa Analiza Danych Doświadczalnych
Komputerowa Analiza Danych Doświadczalnych dr inż. Adam Kisiel kisiel@if.pw.edu.pl pokój 117b (12b) 1 Materiały do wykładu Transparencje do wykładów: http://www.if.pw.edu.pl/~kisiel/kadd/kadd.html Literatura
Bardziej szczegółowoZadania treningowe na kolokwium
Zadania treningowe na kolokwium 3.12.2010 1. Stan układu binarnego zawierającego n 1 moli substancji typu 1 i n 2 moli substancji typu 2 parametryzujemy za pomocą stężenia substancji 1: x n 1. Stabilność
Bardziej szczegółowoWstęp do metod numerycznych Zadania numeryczne 2016/17 1
Wstęp do metod numerycznych Zadania numeryczne /7 Warunkiem koniecznym (nie wystarczającym) uzyskania zaliczenia jest rozwiązanie co najmniej 3 z poniższych zadań, przy czym zadania oznaczone literą O
Bardziej szczegółowoPodstawowe prawa opisujące właściwości gazów zostały wyprowadzone dla gazu modelowego, nazywanego gazem doskonałym (idealnym).
Spis treści 1 Stan gazowy 2 Gaz doskonały 21 Definicja mikroskopowa 22 Definicja makroskopowa (termodynamiczna) 3 Prawa gazowe 31 Prawo Boyle a-mariotte a 32 Prawo Gay-Lussaca 33 Prawo Charlesa 34 Prawo
Bardziej szczegółowoRozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład
Rozdział 1 Wektory losowe 1.1 Wektor losowy i jego rozkład Definicja 1 Wektor X = (X 1,..., X n ), którego każda współrzędna jest zmienną losową, nazywamy n-wymiarowym wektorem losowym (krótko wektorem
Bardziej szczegółowoPrzemiany energii w zjawiskach cieplnych. 1/18
Przemiany energii w zjawiskach cieplnych. 1/18 Średnia energia kinetyczna cząsteczek Średnia energia kinetyczna cząsteczek to suma energii kinetycznych wszystkich cząsteczek w danej chwili podzielona przez
Bardziej szczegółowoCIEPLNE I MECHANICZNE WŁASNOŚCI CIAŁ
CIEPLNE I MECHANICZNE WŁASNOŚCI CIAŁ Ciepło i temperatura Pojemność cieplna i ciepło właściwe Ciepło przemiany Przejścia między stanami Rozszerzalność cieplna Sprężystość ciał Prawo Hooke a Mechaniczne
Bardziej szczegółowoALGORYTMICZNA 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 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 szczegółowoPrędkość 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 szczegółowoWeryfikacja 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 szczegółowoCiśnienie i temperatura model mikroskopowy
Ciśnienie i temperatura model mikroskopowy Mikroskopowy model ciśnienia gazu wzór na ciśnienie gazu Mikroskopowa interpretacja temperatury Średnia energia cząsteczki gazu zasada ekwipartycji energii Czy
Bardziej szczegółowoOptymalizacja. Symulowane wyżarzanie
dr hab. inż. Instytut Informatyki Politechnika Poznańska www.cs.put.poznan.pl/mkomosinski, Maciej Hapke Wyżarzanie wzrost temperatury gorącej kąpieli do takiej wartości, w której ciało stałe topnieje powolne
Bardziej szczegółowoNieskończona jednowymiarowa studnia potencjału
Nieskończona jednowymiarowa studnia potencjału Zagadnienie dane jest następująco: znaleźć funkcje własne i wartości własne operatora energii dla cząstki umieszczonej w nieskończonej studni potencjału,
Bardziej szczegółowoRozkłady wielu zmiennych
Rozkłady wielu zmiennych Uogólnienie pojęć na rozkład wielu zmiennych Dystrybuanta, gęstość prawdopodobieństwa, rozkład brzegowy, wartości średnie i odchylenia standardowe, momenty Notacja macierzowa Macierz
Bardziej szczegółowoP (A B) = P (A), P (B) = P (A), skąd P (A B) = P (A) P (B). P (A)
Wykład 3 Niezależność zdarzeń, schemat Bernoulliego Kiedy dwa zdarzenia są niezależne? Gdy wiedza o tym, czy B zaszło, czy nie, NIE MA WPŁYWU na oszacowanie prawdopodobieństwa zdarzenia A: P (A B) = P
Bardziej szczegółowoRodzaj/forma zadania Uczeń odczytuje przebytą odległość z wykresów zależności drogi od czasu
KARTOTEKA TESTU I SCHEMAT OCENIANIA - gimnazjum Nr zadania Cele ogólne 1 I. Wykorzystanie wielkości fizycznych 2 I. Wykorzystanie wielkości fizycznych 3 I. Wykorzystanie wielkości fizycznych 4 I. Wykorzystanie
Bardziej szczegółowoKatedra 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 szczegółowoWprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Bardziej szczegółowoModel elektronów swobodnych w metalu
Model elektronów swobodnych w metalu Stany elektronu w nieskończonej trójwymiarowej studni potencjału - dozwolone wartości wektora falowego k Fale stojące - warunki brzegowe znikanie funkcji falowej na
Bardziej szczegółowo166 Wstęp do statystyki matematycznej
166 Wstęp do statystyki matematycznej Etap trzeci realizacji procesu analizy danych statystycznych w zasadzie powinien rozwiązać nasz zasadniczy problem związany z identyfikacją cechy populacji generalnej
Bardziej szczegółowoPrawdopodobieństwo 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 szczegółowojest ciągiem elementów z przestrzeni B(R, R)
Wykład 2 1 Ciągi Definicja 1.1 (ciąg) Ciągiem w zbiorze X nazywamy odwzorowanie x: N X. Dla uproszczenia piszemy x n zamiast x(n). Przykład 1. x n = n jest ciągiem elementów z przestrzeni R 2. f n (x)
Bardziej szczegółowoMetodyka prowadzenia pomiarów
OCHRONA RADIOLOGICZNA 2 Metodyka prowadzenia pomiarów Jakub Ośko Celem każdego pomiaru jest określenie wartości mierzonej wielkości w taki sposób, aby uzyskany wynik był jak najbliższy jej wartości rzeczywistej.
Bardziej szczegółowoPrawdopodobieństwo i rozkład normalny cd.
# # Prawdopodobieństwo i rozkład normalny cd. Michał Daszykowski, Ivana Stanimirova Instytut Chemii Uniwersytet Śląski w Katowicach Ul. Szkolna 9 40-006 Katowice E-mail: www: mdaszyk@us.edu.pl istanimi@us.edu.pl
Bardziej szczegółowoSpis 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 szczegółowoZawartość. Zawartość
Opr. dr inż. Grzegorz Biesok. Wer. 2.05 2011 Zawartość Zawartość 1. Rozkład normalny... 3 2. Rozkład normalny standardowy... 5 3. Obliczanie prawdopodobieństw dla zmiennych o rozkładzie norm. z parametrami
Bardziej szczegółowoTemperatura jest wspólną własnością dwóch ciał, które pozostają ze sobą w równowadze termicznej.
1 Ciepło jest sposobem przekazywania energii z jednego ciała do drugiego. Ciepło przepływa pod wpływem różnicy temperatur. Jeżeli ciepło nie przepływa mówimy o stanie równowagi termicznej. Zerowa zasada
Bardziej szczegółowoTesty Która kombinacja jednostek odpowiada paskalowi? N/m, N/m s 2, kg/m s 2,N/s, kg m/s 2
Testy 3 40. Która kombinacja jednostek odpowiada paskalowi? N/m, N/m s 2, kg/m s 2,N/s, kg m/s 2 41. Balonik o masie 10 g spada ze stałą prędkością w powietrzu. Jaka jest siła wyporu? Jaka jest średnica
Bardziej szczegółowoKacper Kulczycki. Dynamika molekularna atomów oddziałujących siłami van der Waalsa
Kacper Kulczycki Dynamika molekularna atomów oddziałujących siłami van der Waalsa Warszawa 2007 Spis treści: Spis treści 1 Wstęp 2 Teoria 2 Algorytm 3 Symulacje 4 Wyniki 24 Wnioski 47 1 Wstęp Ćwiczenie
Bardziej szczegółowoKrytyczność, 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 szczegółowoKomputerowa 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 szczegółowoR-PEARSONA Zależność liniowa
R-PEARSONA Zależność liniowa Interpretacja wyników: wraz ze wzrostem wartości jednej zmiennej (np. zarobków) liniowo rosną wartości drugiej zmiennej (np. kwoty przeznaczanej na wakacje) czyli np. im wyższe
Bardziej szczegółowoChemia ogólna - część I: Atomy i cząsteczki
dr ab. Wacław Makowski Cemia ogólna - część I: Atomy i cząsteczki 1. Kwantowanie. Atom wodoru 3. Atomy wieloelektronowe 4. Termy atomowe 5. Cząsteczki dwuatomowe 6. Hybrydyzacja 7. Orbitale zdelokalizowane
Bardziej szczegółowoRepeta z wykładu nr 3. Detekcja światła. Struktura krystaliczna. Plan na dzisiaj
Repeta z wykładu nr 3 Detekcja światła Sebastian Maćkowski Instytut Fizyki Uniwersytet Mikołaja Kopernika Adres poczty elektronicznej: mackowski@fizyka.umk.pl Biuro: 365, telefon: 611-3250 Konsultacje:
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 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 szczegółowoPrawdopodobieństwo i statystyka r.
Zadanie. Niech (X, Y) ) będzie dwuwymiarową zmienną losową, o wartości oczekiwanej (μ, μ, wariancji każdej ze współrzędnych równej σ oraz kowariancji równej X Y ρσ. Staramy się obserwować niezależne realizacje
Bardziej szczegółowoMikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński
Mikroekonometria 5 Mikołaj Czajkowski Wiktor Budziński Zadanie 1. Wykorzystując dane me.medexp3.dta przygotuj model regresji kwantylowej 1. Przygotuj model regresji kwantylowej w którym logarytm wydatków
Bardziej szczegółowoMikroekonometria 6. Mikołaj Czajkowski Wiktor Budziński
Mikroekonometria 6 Mikołaj Czajkowski Wiktor Budziński Metody symulacyjne Monte Carlo Metoda Monte-Carlo Wykorzystanie mocy obliczeniowej komputerów, aby poznać charakterystyki zmiennych losowych poprzez
Bardziej szczegółowoPDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com
Analiza korelacji i regresji KORELACJA zależność liniowa Obserwujemy parę cech ilościowych (X,Y). Doświadczenie jest tak pomyślane, aby obserwowane pary cech X i Y (tzn i ta para x i i y i dla różnych
Bardziej szczegółowoSieć przesyłająca żetony CP (counter propagation)
Sieci neuropodobne IX, specyficzne architektury 1 Sieć przesyłająca żetony CP (counter propagation) warstwa Kohonena: wektory wejściowe są unormowane jednostki mają unormowane wektory wag jednostki są
Bardziej szczegółowoWstęp do sieci neuronowych, wykład 11 Łańcuchy Markova
Wstęp do sieci neuronowych, wykład 11 Łańcuchy Markova M. Czoków, J. Piersa 2010-12-21 1 Definicja Własności Losowanie z rozkładu dyskretnego 2 3 Łańcuch Markova Definicja Własności Losowanie z rozkładu
Bardziej szczegółowoUkład termodynamiczny Parametry układu termodynamicznego Proces termodynamiczny Układ izolowany Układ zamknięty Stan równowagi termodynamicznej
termodynamika - podstawowe pojęcia Układ termodynamiczny - wyodrębniona część otaczającego nas świata. Parametry układu termodynamicznego - wielkości fizyczne, za pomocą których opisujemy stan układu termodynamicznego,
Bardziej szczegółowoWstęp. Krystalografia geometryczna
Wstęp Przedmiot badań krystalografii. Wprowadzenie do opisu struktury kryształów. Definicja sieci Bravais go i bazy atomowej, komórki prymitywnej i elementarnej. Podstawowe typy komórek elementarnych.
Bardziej szczegółowoWarunki izochoryczno-izotermiczne
WYKŁAD 5 Pojęcie potencjału chemicznego. Układy jednoskładnikowe W zależności od warunków termodynamicznych potencjał chemiczny substancji czystej definiujemy następująco: Warunki izobaryczno-izotermiczne
Bardziej szczegółowoMonte 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 szczegółowoMECHANIKA II. Praca i energia punktu materialnego
MECHANIKA II. Praca i energia punktu materialnego Daniel Lewandowski Politechnika Wrocławska, Wydział Mechaniczny, Katedra Mechaniki i Inżynierii Materiałowej http://kmim.wm.pwr.edu.pl/lewandowski/ daniel.lewandowski@pwr.edu.pl
Bardziej szczegółowoRozwiązania 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 szczegółowoTeoria kinetyczna gazów
Teoria kinetyczna gazów Mikroskopowy model ciśnienia gazu wzór na ciśnienie gazu Mikroskopowa interpretacja temperatury Średnia energia cząsteczki gazu zasada ekwipartycji energii Czy ciepło właściwe przy
Bardziej szczegółowoStatystyka 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 szczegółowoPodstawy termodynamiki
Podstawy termodynamiki Temperatura i ciepło Praca jaką wykonuje gaz I zasada termodynamiki Przemiany gazowe izotermiczna izobaryczna izochoryczna adiabatyczna Co to jest temperatura? 40 39 38 Temperatura
Bardziej szczegółowoSPRAWDZENIE PRAWA HOOKE'A, WYZNACZANIE MODUŁU YOUNGA, WSPÓŁCZYNNIKA POISSONA, MODUŁU SZTYWNOŚCI I ŚCIŚLIWOŚCI DLA MIKROGUMY.
ĆWICZENIE 5 SPRAWDZENIE PRAWA HOOKE'A, WYZNACZANIE MODUŁU YOUNGA, WSPÓŁCZYNNIKA POISSONA, MODUŁU SZTYWNOŚCI I ŚCIŚLIWOŚCI DLA MIKROGUMY. Wprowadzenie Odkształcenie, którego doznaje ciało pod działaniem
Bardziej szczegółowoTechniki optymalizacji
Techniki optymalizacji Symulowane wyżarzanie Maciej Hapke maciej.hapke at put.poznan.pl Wyżarzanie wzrost temperatury gorącej kąpieli do takiej wartości, w której ciało stałe topnieje powolne zmniejszanie
Bardziej szczegółowoTemperatura i ciepło E=E K +E P +U. Q=c m T=c m(t K -T P ) Q=c przem m. Fizyka 1 Wróbel Wojciech
emeratura i cieło E=E K +E P +U Energia wewnętrzna [J] - ieło jest energią rzekazywaną między układem a jego otoczeniem na skutek istniejącej między nimi różnicy temeratur na sosób cielny rzez chaotyczne
Bardziej szczegółowo5 Błąd średniokwadratowy i obciążenie
5 Błąd średniokwadratowy i obciążenie Przeprowadziliśmy 200 powtórzeń przebiegu próbnika dla tego samego zestawu parametrów modelowych co w Rozdziale 1, to znaczy µ = 0, s = 10, v = 10, n i = 10 (i = 1,...,
Bardziej szczegółowoPodstawowe pojęcia i prawa chemiczne, Obliczenia na podstawie wzorów chemicznych
Podstawowe pojęcia i prawa chemiczne, Obliczenia na podstawie wzorów chemicznych 1. Wielkości i jednostki stosowane do wyrażania ilości materii 1.1 Masa atomowa, cząsteczkowa, mol Masa atomowa Atomy mają
Bardziej szczegółowoALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH
1 ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH WFAiS UJ, Informatyka Stosowana II stopień studiów 2 Wnioskowanie statystyczne Czyli jak bardzo jesteśmy pewni że parametr oceniony na podstawie próbki jest
Bardziej szczegółowo- prędkość masy wynikająca z innych procesów, np. adwekcji, naprężeń itd.
4. Równania dyfuzji 4.1. Prawo zachowania masy cd. Równanie dyfuzji jest prostą konsekwencją prawa zachowania masy, a właściwie to jest to prawo zachowania masy zapisane dla procesu dyfuzji i uwzględniające
Bardziej szczegółowoNarodowe Centrum Badań Jądrowych Dział Edukacji i Szkoleń ul. Andrzeja Sołtana 7, Otwock-Świerk
Narodowe Centrum Badań Jądrowych Dział Edukacji i Szkoleń ul. Andrzeja Sołtana 7, 05-400 Otwock-Świerk ĆWICZENIE L A B O R A T O R I U M F I Z Y K I A T O M O W E J I J Ą D R O W E J Zastosowanie pojęć
Bardziej szczegółowoSzkoła z przyszłością. Zastosowanie pojęć analizy statystycznej do opracowania pomiarów promieniowania jonizującego
Szkoła z przyszłością szkolenie współfinansowane przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Narodowe Centrum Badań Jądrowych, ul. Andrzeja Sołtana 7, 05-400 Otwock-Świerk ĆWICZENIE
Bardziej szczegółowoIII. ZMIENNE LOSOWE JEDNOWYMIAROWE
III. ZMIENNE LOSOWE JEDNOWYMIAROWE.. Zmienna losowa i pojęcie rozkładu prawdopodobieństwa W dotychczas rozpatrywanych przykładach każdemu zdarzeniu była przyporządkowana odpowiednia wartość liczbowa. Ta
Bardziej szczegółowoJednostki podstawowe. Tuż po Wielkim Wybuchu temperatura K Teraz ok. 3K. Długość metr m
TERMODYNAMIKA Jednostki podstawowe Wielkość Nazwa Symbol Długość metr m Masa kilogramkg Czas sekunda s Natężenieprąduelektrycznego amper A Temperaturatermodynamicznakelwin K Ilość materii mol mol Światłość
Bardziej szczegółowo2008/2009. Seweryn Kowalski IVp IF pok.424
2008/2009 seweryn.kowalski@us.edu.pl Seweryn Kowalski IVp IF pok.424 Model powłokowy Moment kwadrupolowy w jednocząstkowym modelu powłokowym: Dla pojedynczego protonu znajdującego się na orbicie j (m j
Bardziej szczegółowoStany 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 szczegółowoPodstawy fizyki sezon 1 VII. Ruch drgający
Podstawy fizyki sezon 1 VII. Ruch drgający Agnieszka Obłąkowska-Mucha WFIiS, Katedra Oddziaływań i Detekcji Cząstek, D11, pok. 111 amucha@agh.edu.pl http://home.agh.edu.pl/~amucha Ruch skutkiem działania
Bardziej szczegółowoZałóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb
Współzależność Załóżmy, że obserwujemy nie jedną lecz dwie cechy, które oznaczymy symbolami X i Y. Wyniki obserwacji obu cech w i-tym obiekcie oznaczymy parą liczb (x i, y i ). Geometrycznie taką parę
Bardziej szczegółowoPrognozowanie 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 szczegółowoWOJSKOWA AKADEMIA TECHNICZNA Wydział Mechaniczny Katedra Pojazdów Mechanicznych i Transportu LABORATORIUM TERMODYNAMIKI TECHNICZNEJ
WOJSKOWA AKADEMIA TECHNICZNA Wydział Mechaniczny Katedra Pojazdów Mechanicznych i Transportu LABORATORIUM TERMODYNAMIKI TECHNICZNEJ Instrukcja do ćwiczenia T-06 Temat: Wyznaczanie zmiany entropii ciała
Bardziej szczegółowoModel 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 szczegółowoRachunek prawdopodobieństwa Rozdział 5. Rozkłady łączne
Rachunek prawdopodobieństwa Rozdział 5. Rozkłady łączne 5.2. Momenty rozkładów łącznych. Katarzyna Rybarczyk-Krzywdzińska rozkładów wielowymiarowych Przypomnienie Jeśli X jest zmienną losową o rozkładzie
Bardziej szczegółowo1 Pochodne wyższych rzędów
Pochodne wyższych rzędów Pochodną rzędu drugiego lub drugą pochodną funkcji y = f(x) nazywamy pochodną pierwszej pochodnej tej funkcji. Analogicznie definiujemy pochodne wyższych rzędów, jako pochodne
Bardziej szczegółowoStatystyka. Wykład 7. Magdalena Alama-Bućko. 16 kwietnia Magdalena Alama-Bućko Statystyka 16 kwietnia / 35
Statystyka Wykład 7 Magdalena Alama-Bućko 16 kwietnia 2017 Magdalena Alama-Bućko Statystyka 16 kwietnia 2017 1 / 35 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
Bardziej szczegółowoCYFROWE PRZETWARZANIE SYGNAŁÓW
POLITECHNIKA RZESZOWSKA im. I. Łukasiewicza WYDZIAŁ ELEKTROTECHNIKI I INFORMATYKI Katedra Metrologii i Systemów Diagnostycznych CYFROWE PRZETWARZANIE SYGNAŁÓW Analiza korelacyjna sygnałów dr hab. inż.
Bardziej szczegółowoWykład 1: Przestrzeń probabilistyczna. Prawdopodobieństwo klasyczne. Prawdopodobieństwo geometryczne.
Rachunek prawdopodobieństwa MAP1151 Wydział Elektroniki, rok akad. 2011/12, sem. letni Wykładowca: dr hab. A. Jurlewicz Wykład 1: Przestrzeń probabilistyczna. Prawdopodobieństwo klasyczne. Prawdopodobieństwo
Bardziej szczegółowoWykład 1. Anna Ptaszek. 5 października Katedra Inżynierii i Aparatury Przemysłu Spożywczego. Chemia fizyczna - wykład 1. Anna Ptaszek 1 / 36
Wykład 1 Katedra Inżynierii i Aparatury Przemysłu Spożywczego 5 października 2015 1 / 36 Podstawowe pojęcia Układ termodynamiczny To zbiór niezależnych elementów, które oddziałują ze sobą tworząc integralną
Bardziej szczegółowo