Janusz Adamowski METODY OBLICZENIOWE FIZYKI Kwantowa wariacyjna metoda Monte Carlo. Problem własny dla stanu podstawowego układu N cząstek
|
|
- Halina Kowalska
- 6 lat temu
- Przeglądów:
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
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 szczegółowoRozdział 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 szczegółowoII. 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 szczegółowoMetoda Monte Carlo. Jerzy Mycielski. grudzien Jerzy Mycielski () Metoda Monte Carlo grudzien / 10
Metoda Monte Carlo Jerzy Mycielski grudzien 2012 Jerzy Mycielski () Metoda Monte Carlo grudzien 2012 1 / 10 Przybliżanie całek Powiedzmy, że mamy do policzenia następującą całkę: b f (x) dx = I a Założmy,
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 szczegółowoIX. 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 szczegółowo13.1 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 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 szczegółowoOPTYKA 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 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 szczegółowoDystrybucje, 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 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 szczegółowoOPTYKA KWANTOWA Wykład dla 5. roku Fizyki
OPTYKA KWANTOWA Wykład dla 5. roku Fizyki c Adam Bechler 2006 Instytut Fizyki Uniwersytetu Szczecińskiego Równania optyki półklasycznej Posłużymy się teraz równaniem (2.4), i Ψ t = ĤΨ ażeby wyprowadzić
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 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 szczegółowoWykład 2. Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova)
Wykład 2 Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova) 1. Procesy Markova: definicja 2. Równanie Chapmana-Kołmogorowa-Smoluchowskiego 3. Przykład dyfuzji w kapilarze
Bardziej szczegółowoPOSTULATY 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 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 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 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 szczegółowoDyfuzyjna metoda MC. 5 listopada Dyfuzyjna metoda MC
5 listopada 2018 metoda czasu urojonego kwantowa dyfuzyjna metoda Monte Carlo równanie Schroedingera i Ψ t = HΨ (*) równanie własne operatora energii HΨ n = E n Ψ n ewolucja w czasie stanu własnego Ψ n
Bardziej szczegółowoZagadnienia 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 szczegółowoRedukcja 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 szczegółowoPrawdopodobieństwo i statystyka
Wykład VIII: Przestrzenie statystyczne. Estymatory 1 grudnia 2014 Wprowadzenie Przykład: pomiar z błędem Współczynnik korelacji r(x, Z) = 0, 986 Wprowadzenie Przykład: pomiar z błędem Współczynnik korelacji
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 szczegółowoFIZYKA-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 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 szczegółowoModele zapisane w przestrzeni stanów
Modele zapisane w przestrzeni stanów Modele Przestrzeni Stanów (State Space Models) sa to modele, w których część parametrów jest nieobserwowalna i losowa. Zachowanie wielowymiarowej zmiennej y t zależy
Bardziej szczegółowoV. 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 szczegółowoW 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 szczegółowoPostulaty interpretacyjne mechaniki kwantowej Wykład 6
Postulaty interpretacyjne mechaniki kwantowej Wykład 6 Karol Kołodziej Instytut Fizyki Uniwersytet Śląski, Katowice http://kk.us.edu.pl 19 września 2014 Karol Kołodziej Postulaty interpretacyjne mechaniki
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 szczegółowoStatystyka opisowa. Wykład V. Regresja liniowa wieloraka
Statystyka opisowa. Wykład V. e-mail:e.kozlovski@pollub.pl Spis treści 1 Prosta regresji cechy Y względem cech X 1,..., X k. 2 3 Wyznaczamy zależność cechy Y od cech X 1, X 2,..., X k postaci Y = α 0 +
Bardziej szczegółowoMetody rozwiązania równania Schrödingera
Metody rozwiązania równania Schrödingera Równanie Schrödingera jako algebraiczne zagadnienie własne Rozwiązanie analityczne dla skończonej i nieskończonej studni potencjału Problem rozwiązania równania
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 szczegółowoODRZUCANIE 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 szczegółowoNa 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 szczegółowoMetody Rozmyte i Algorytmy Ewolucyjne
mgr inż. Wydział Matematyczno-Przyrodniczy Szkoła Nauk Ścisłych Uniwersytet Kardynała Stefana Wyszyńskiego Podstawowe operatory genetyczne Plan wykładu Przypomnienie 1 Przypomnienie Metody generacji liczb
Bardziej szczegółowoWstęp 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 szczegółowoKADD 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 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 szczegółowo21 Symetrie Grupy symetrii Grupa translacji
21 Symetrie 21.1 Grupy symetrii Spróbujmy odpowiedzieć sobie na pytanie, jak zmienia się stan układu kwantowego pod wpływem transformacji układu współrzędnych. Najprostszą taką transformacją jest np. przesunięcie
Bardziej szczegółowoPrawdopodobieństwo 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 szczegółowoZawansowane modele wyborów dyskretnych
Zawansowane modele wyborów dyskretnych Jerzy Mycielski Uniwersytet Warszawski grudzien 2013 Jerzy Mycielski (Uniwersytet Warszawski) Zawansowane modele wyborów dyskretnych grudzien 2013 1 / 16 Model efektów
Bardziej szczegółowoInżynierskie metody numeryczne II. Konsultacje: wtorek 8-9:30. Wykład
Inżynierskie metody numeryczne II Konsultacje: wtorek 8-9:30 Wykład Metody numeryczne dla równań hiperbolicznych Równanie przewodnictwa cieplnego. Prawo Fouriera i Newtona. Rozwiązania problemów 1D metodą
Bardziej szczegółowoUkłady 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 szczegółowoMechanika kwantowa Schrödingera
Fizyka 2 Wykład 2 1 Mechanika kwantowa Schrödingera Hipoteza de Broglie a wydawała się nie zgadzać z dynamiką Newtona. Mechanika kwantowa Schrödingera zawiera mechanikę kwantową jako przypadek graniczny
Bardziej szczegółowoAKADEMIA 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 szczegółowoRÓWNANIE SCHRÖDINGERA NIEZALEŻNE OD CZASU
X. RÓWNANIE SCHRÖDINGERA NIEZALEŻNE OD CZASU Równanie Schrődingera niezależne od czasu to równanie postaci: ħ 2 2m d 2 x dx 2 V xx = E x (X.1) Warunki regularności na x i a) skończone b) ciągłe c) jednoznaczne
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 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 szczegółowoEstymacja 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 szczegółowoFALE MATERII. De Broglie, na podstawie analogii optycznych, w roku 1924 wysunął hipotezę, że
FAL MATRII De Broglie, na podstawie analogii optycznych, w roku 194 wysunął hipotezę, że cząstki materialne także charakteryzują się dualizmem korpuskularno-falowym. Hipoteza de Broglie a Cząstce materialnej
Bardziej szczegółowoRozdział 8. Regresja. Definiowanie modelu
Rozdział 8 Regresja Definiowanie modelu Analizę korelacji można traktować jako wstęp do analizy regresji. Jeżeli wykresy rozrzutu oraz wartości współczynników korelacji wskazują na istniejąca współzmienność
Bardziej szczegółowoWstęp 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 szczegółowoCałkowanie metodą Monte Carlo
Całkowanie metodą Monte Carlo Plan wykładu: 1. Podstawowa metoda Monte Carlo 2. Metody MC o zwiększonej efektywności a) losowania ważonego b) zmiennej kontrolnej c) losowania warstwowego d) obniżania krotności
Bardziej szczegółowoPostulaty mechaniki kwantowej
3.10.2004 11. Postulaty mechaniki kwantowej 120 Rozdział 11 Postulaty mechaniki kwantowej Mechanika kwantowa, jak zresztą każda teoria fizyczna, bazuje na kilku postulatach, które przyjmujemy "na wiarę".
Bardziej szczegółowoJEDNORÓWNANIOWY 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 szczegółowoPODSTAWY 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 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 szczegółowoWYKŁAD 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 szczegółowo5 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 szczegółowoWykład 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 szczegółowodla t ściślejsze ograniczenie na prawdopodobieństwo otrzymujemy przyjmując k = 1, zaś dla t > t ściślejsze ograniczenie otrzymujemy przyjmując k = 2.
Zadanie. Dla dowolnej zmiennej losowej X o wartości oczekiwanej μ, wariancji momencie centralnym μ k rzędu k zachodzą nierówności (typu Czebyszewa): ( X μ k Pr > μ + t σ ) 0. k k t σ *
Bardziej szczegółowoWykład 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 szczegółowoStatystyka 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 szczegółowoOPTYKA 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 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 szczegółowozadania 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 szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa analiza danych doświadczalnych Wykład 5.05.07 dr inż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr letni 06/07 Jednoczesna estymacja kilku parametrów - przykład Weryfikacja hipotez statystycznych
Bardziej szczegółowo1 Symulacja procesów cieplnych 1. 2 Algorytm MES 2. 3 Implementacja rozwiązania 2. 4 Całkowanie numeryczne w MES 3. k z (t) t ) k y (t) t )
pis treści ymulacja procesów cieplnych Algorytm ME 3 Implementacja rozwiązania 4 Całkowanie numeryczne w ME 3 ymulacja procesów cieplnych Procesy cieplne opisuje równanie różniczkowe w postaci: ( k x (t)
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 szczegółowoWykład 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 szczegółowoCo 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 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 szczegółowox 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 szczegółowo1 Wykład 4. Proste Prawa wielkich liczb, CTG i metody Monte Carlo
1 Wykład 4. Proste Prawa wielkich liczb, CTG i metody Monte Carlo 1.1 Rodzaje zbieżności ciagów zmiennych losowych Niech (Ω, F, P ) będzie przestrzenia probabilistyczna na której określony jest ciag {X
Bardziej szczegółowogęstością 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 szczegółowo2. P (E) = 1. β B. TSIM W3: Sygnały stochastyczne 1/27
SYGNAŁY STOCHASTYCZNE Przestrzeń probabilistyczna i zmienna losowa Definicja Przestrzenią probabilistyczną (doświadczeniem) nazywamy trójkę uporządkowaną (E, B, P ), gdzie: E przestrzeń zdarzeń elementarnych;
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 szczegółowoUogolnione 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 szczegółowoRzadkie 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 szczegółowoSzczegółowy 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 szczegółowoRachunek prawdopodobieństwa i statystyka
Rachunek prawdopodobieństwa i statystyka Momenty Zmienna losowa jest wystarczająco dokładnie opisana przez jej rozkład prawdopodobieństwa. Względy praktyczne dyktują jednak potrzebę znalezienia charakterystyk
Bardziej szczegółowo1.1 Przegląd wybranych równań i modeli fizycznych. , u x1 x 2
Temat 1 Pojęcia podstawowe 1.1 Przegląd wybranych równań i modeli fizycznych Równaniem różniczkowym cząstkowym rzędu drugiego o n zmiennych niezależnych nazywamy równanie postaci gdzie u = u (x 1, x,...,
Bardziej szczegółowoNatalia Neherbecka. 11 czerwca 2010
Natalia Neherbecka 11 czerwca 2010 1 1. Konsekwencje heteroskedastyczności i autokorelacji 2. Uogólniona MNK 3. Stosowalna Uogólniona MNK 4. Odporne macierze wariancji i kowariancji b 2 1. Konsekwencje
Bardziej szczegółowoSTATYSTYKA MAŁYCH OBSZARÓW IV. EMPIRYCZNY NAJLEPSZY PREDYKTOR
1 STATYSTYKA MAŁYCH OBSZARÓW IV. EMPIRYCZNY NAJLEPSZY PREDYKTOR 3.1 Najlepszy predyktor i empiryczny najlepszy predyktor 3.1.1 Najlepszy predyktor i empiryczny najlepszy predyktor Ogólny mieszany model
Bardziej szczegółowoREZONANSY : IDENTYFIKACJA WŁAŚCIWOŚCI PRZEZ ANALIZĘ FAL PARCJALNYCH, WYKRESY ARGANDA
REZONANSY : IDENTYFIKACJA WŁAŚCIWOŚCI PRZEZ ANALIZĘ FAL PARCJALNYCH, WYKRESY ARGANDA Opis układu cząsteczek w mechanice kwantowej: 1. Funkcja falowa, 2. Wektora stanu ψ. TRANSFORMACJE UKŁADU CZĄSTEK: 1.
Bardziej szczegółowoRozkład 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 szczegółowoFizyka statystyczna Równanie Fokkera-Plancka
Fizyka statystyczna Równanie Fokkera-Plancka P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 17 marca 2015 Mamy równanie master dla ciagłych rozkładów prawdopodobieństwa: P (y, t) t = (W (y y )P (y, t)
Bardziej szczegółowoPODSTAWOWE 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 szczegółowoMetoda 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 szczegółowoRachunek prawdopodobieństwa 1B; zadania egzaminacyjne.
Rachunek prawdopodobieństwa B; zadania egzaminacyjne.. Niech µ będzie rozkładem probabilistycznym na (0, ) (0, ): µ(b) = l({x (0,) : (x, x) B}), dla B B((0, ) (0, ))), gdzie l jest miarą Lebesgue a na
Bardziej szczegółowoUkłady 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 szczegółowoWykład 14. Termodynamika gazu fotnonowego
Wykład 14 Termodynamika gazu fotnonowego dr hab. Agata Fronczak, prof. PW Wydział Fizyki, Politechnika Warszawska 16 stycznia 217 dr hab. A. Fronczak (Wydział Fizyki PW) Wykład: Elementy fizyki statystycznej
Bardziej szczegółowoWykład 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(U.14) Oddziaływanie z polem elektromagnetycznym
3.10.2004 35. U.14 Oddziaływanie z polem elektromagnetycznym 131 Rozdział 35 U.14 Oddziaływanie z polem elektromagnetycznym 35.1 Niezmienniczość ze względu na W rozdziale 16 wspominaliśmy jedynie o podstawowych
Bardziej szczegółowoSuperdyfuzja. Maria Knorps. Wydział Fizyki Technicznej i Matematyki stosowanej, Politechnika Gdańska
VI Matematyczne Warsztaty KaeNeMów p. 1/2 Superdyfuzja Maria Knorps maria.knorps@gmail.com Wydział Fizyki Technicznej i Matematyki stosowanej, Politechnika Gdańska VI Matematyczne Warsztaty KaeNeMów p.
Bardziej szczegółowoII. 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 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 szczegółowo