Was Temperatur mit Zufall zu tun hat
|
|
- Elisabeth Biermann
- vor 5 Jahren
- Abrufe
Transkript
1 Kanonische Verteilungen 1866, 1902 und 2006 Tübingen, 25. Juni 2008
2 Die Gaußsche Normalverteilung Maxwells Geschwindigkeits-Verteilung Der Phasenraum 1866: Maxwells Geschwindigkeitsverteilung
3 Die Gaußsche Normalverteilung Die Gaußsche Normalverteilung Maxwells Geschwindigkeits-Verteilung Der Phasenraum Carl Friedrich Gauß ( )
4 Die Gaußsche Normalverteilung Maxwells Geschwindigkeits-Verteilung Der Phasenraum f (x) = 1 σ 2π (x µ) 2 e 2σ 2 f = ρ = Dichte einer Wahrscheinlichkeits-Verteilung X N (µ, σ 2 ) P(a < X < b) = b ρ(x) dx a σ 2 = Varianz Für uns µ = 0: ρ(x) = 1 x2 e 2σ Z 2 Z = Normierungskonstante Geschichte Abraham de Moivre 1733: Approximation für Binomialverteilung Gauß 1809: zur Rechtfertigung der Methode der kleinsten Quadrate
5 Gauß-Verteilung in 2 Dimensionen ρ(x, y) = 1 x 2 Z e 2σ x 2 y2 2σ y 2 Die Gaußsche Normalverteilung Maxwells Geschwindigkeits-Verteilung Der Phasenraum Z.B. 2 unabhängige, Gauß-verteilte Zufallsvariablen X, Y Falls σ x = σ y, dann rotationssymmetrisch, sonst Höhenlinien = Ellipsen
6 Gauß-Verteilung in 3 Dimensionen Die Gaußsche Normalverteilung Maxwells Geschwindigkeits-Verteilung Der Phasenraum ρ(x, y, z) = 1 x 2 Z e 2σ x 2 y2 2σ y 2 z2 2σ z 2 oder, wenn man die Orthonormalbasis (ONB) um ˆR SO(3) dreht: ρ(x) = ρ(x 1, x 2, x 3 ) = 1 ( Z exp 1 2 (x 1, x 2, x 3 )ˆP x 1 ) = 1 Z e 1 2 x ˆPx mit x y = 3 x i y i und ˆP = ˆR 1 i=1 σx 2 σ 2 y x 2 x 3 σ 2 z ˆR Daher: ˆP symmetrisch, positiv-definit, sonst beliebig. Kovarianzmatrix Ĉ = (C ij ) ij, C ij = E(X i X j ). Es gilt ˆP = Ĉ 1.
7 Die Gaußsche Normalverteilung Maxwells Geschwindigkeits-Verteilung Der Phasenraum Maxwells Geschwindigkeits-Verteilung 1866 Maxwell-Verteilung im idealen Gas ρ(v) = 1 ( ) Z exp m v 2 2kT Z = Normierungs-Konstante m = Masse eines Moleküls k = Boltzmann-Konstante = 1, J/K T = absolute Temperatur (0 C = K) = Gauß-Verteilung in 3D mit ˆP = m/kt m/kt m/kt v N 3 (0, kt /m) James Clerk Maxwell ( )
8 Die Gaußsche Normalverteilung Maxwells Geschwindigkeits-Verteilung Der Phasenraum Maxwells Geschwindigkeits-Verteilung 1866 Verteilung der Geschwindigkeitsbeträge ρ(v) = 4πv 2 ( Z exp mv 2 ) 2kT
9 Der Phasenraum 1866: Maxwells Geschwindigkeitsverteilung Die Gaußsche Normalverteilung Maxwells Geschwindigkeits-Verteilung Der Phasenraum In der klassischen Mechanik: Phasenraum Φ = Menge aller Mikrozustände ξ Mikrozustand = Phasenpunkt = Liste der Orte und Geschwindigkeiten aller Moleküle Für uns: N Moleküle = Punktteilchen im Volumen Λ R 3, Φ = Λ N R 3N R 6N Energie = H(ξ) = Hamilton-Funktion Für ideales Gas (keine Wechselwirkung): H(ξ) = N k=1 Phasenpunkt m 2 v k 2 Energiefläche H 1 (E) = Λ N S R (R 3N ) für R = 2E/m, wobei { ( N ) 1/2 } S R (R 3N ) = v R 3N : v = v k 2 = R = Sphäre vom Radius R k=1
10 1877: Boltzmanns Argument, Teil 1 Die Gaußsche Normalverteilung Maxwells Geschwindigkeits-Verteilung Der Phasenraum Satz 1 über die Maxwell-Verteilung Sei T > 0 gegeben und X u (N) R = Gleichverteilung auf S R (R 3N ) (d.h. Oberflächeninhalt auf 1 normiert) mit R = 2E/m und E = 3 2NkT. Dann ist für große N die Rand-Verteilung P(X 1, X 2, X 3 ) N 3 (0, kt /m). Genauer: P(X 1, X 2, X 3 ) konvergiert schwach gegen N 3 (0, kt /m) im Limes N. Ludwig Boltzmann ( ) Die ersten 3 Komponenten eines n-dim Einheitsvektors sind Gauß-verteilt im Limes n. Beweisidee: betrachte Y N 3N (0, R 2 ), X = Y / Y.
11 Die Gaußsche Normalverteilung Maxwells Geschwindigkeits-Verteilung Der Phasenraum Allgemeinere Variante für H(ξ 1,..., ξ N ) = k H 1(ξ k ) und u H 1 (E) Maxwell Boltzmann-Verteilung ρ(ξ 1 ) = 1 Z exp( H 1(ξ 1 )/kt ) Spezialfall barometrische Höhenformel ρ(x, y, z) = 1 Z exp( mgz/kt )
12 Kanonisches und mikrokanonisches Ensemble Temperatur: nicht Funktion, sondern Parameter der Verteilung Warum überhaupt zufällig?
13 Kanonisches und mikrokanonisches Ensemble Temperatur: nicht Funktion, sondern Parameter der Verteilung Warum überhaupt zufällig? kanonisches Ensemble : ρ(ξ) = 1 Z e H(ξ)/kT mikro-kanonisches Ensemble : ρ(ξ) = 1 Z 1 E H(ξ)<E+δE oder ρ(ξ) = 1 Z δ(h(ξ) E) ˆ=u H 1 (E) (= Oberflächenmaß H 1 ) Gleichverteilung auf Energiefläche groß-kanonisches Ensemble : ρ(ξ) = 1 +µn(ξ)/kt Z e H(ξ)/kT (variable Teilchenzahl N(ξ), µ = chemisches Potenzial)
14 Kanonisches und mikrokanonisches Ensemble Temperatur: nicht Funktion, sondern Parameter der Verteilung Warum überhaupt zufällig? Beziehung zwischen kanonischem und mikrokanonischem Ensemble System s, Wärmebad b (sehr groß), Kopplungsenergie gering Phasenpunkt ξ s+b = (ξ s, ξ b ) Analog zu Satz 1 Ausgehend von der mikrokanonischen Verteilung für s + b ist die Randverteilung von ξ s kanonisch im Limes, in dem die Größe des Bades geht.
15 Kanonisches und mikrokanonisches Ensemble Temperatur: nicht Funktion, sondern Parameter der Verteilung Warum überhaupt zufällig? Temperatur: nicht Funktion, sondern Parameter Physikalische Größe = Funktion auf Phasenraum: Gesamt-Energie, mittlere Energie pro Teilchen, Gesamt-Impuls, -Drehimpuls, jedes Messergebnis. Nicht so die Temperatur! Insbesondere: bei gegebenem Phasenpunkt ist Temperatur T nicht exakt definiert, sondern nur mit Ungenauigkeit T Unschärferelation der Temperatur : T 6T N (Z.B. Tasse Kaffee: T = 1 Milliardstel C)
16 Kanonisches und mikrokanonisches Ensemble Temperatur: nicht Funktion, sondern Parameter der Verteilung Warum überhaupt zufällig? Warum sollte der Zustand überhaupt zufällig sein? Z.B. betrachten wir nicht als zufällig: Orte und Geschwindigkeiten der Planeten (fast in einer Ebene)
17 Kanonisches und mikrokanonisches Ensemble Temperatur: nicht Funktion, sondern Parameter der Verteilung Warum überhaupt zufällig? Warum sollte der Zustand überhaupt zufällig sein? Erklärungsversuch: Der Zustand ist nicht zufällig! Wahrscheinlichkeiten sind hier rein subjektiv ( degree of belief ). Z.B. [Adam/Hittmair: Wärmetheorie (1977)] Argument vom Typ: Wenn man keine weitere Information über den Zustand des Systems hat als die mittlere Energie, dann sollte man verschiedene Zustände als gleichermaßen wahrscheinlich betrachten, und die unvoreingenommene ( unbiased ) Verteilung ist die kanonische Verteilung, weil sie die Shannon-Entropie ρ(ξ) log ρ(ξ) dξ maximiert unter der Nebenbedingung des vorgegebenen Energie-Erwartungswertes. Diese Erklärung ist falsch. Mein subjektiver Glaube hat keine Relevanz für das objektive Geschehen.
18 Was bedeutet typisch? der Maxwell-Verteilung
19 Was bedeutet typisch? Was bedeutet typisch? der Maxwell-Verteilung Die Aussage p(ω) gilt für typische ω µ{ω : p(ω)} > 1 ε überwältigende Mehrheit Bsp: schwaches Gesetz der großen Zahlen Für mindestens /n aller Zahlen zwischen 0 und 1 gilt, dass die Häufigkeit der Ziffer 7 unter den ersten n Dezimalstellen zwischen 9 und 11% liegt. (µ = Lebesgue-Maß) leichter Sprach-Missbrauch: typische Zahl
20 Was bedeutet typisch? Was bedeutet typisch? der Maxwell-Verteilung f (ω) y ist typisch für ω Ω y ist der typische Wert von f auf Ω f (ω) y für die meisten ω Ω µ { ω Ω : f (ω) y > δ } < ε f ist nahezu konstant auf Ω (nämlich y Ef ) f hat geringe Varianz E(f Ef ) 2 genauer, betrachte Folge (Ω n, µ n ) n N von Wahrscheinlichkeits-Räumen, f n : Ω n Y δ > 0 : µ n { ω Ωn : f n (ω) y < δ } 1 Leicht verschieden: Konvergenz in Wahrscheinlichkeit (hier Ω n = Ω, µ n = µ, nur f n variiert, Konvergenz gegen f statt gegen Konstante y; sonst dasselbe) Bsp: In klassischer statistischer Mechanik sind thermodynamische Funktionen oft nahezu konstant auf der Energie-Fläche.
21 Was bedeutet typisch? der Maxwell-Verteilung Maxwell-Verteilung ist typisch Für die meisten Phasenpunkte auf S R (R 3N ) mit großem N liegt die empirische Verteilung der Geschwindigkeiten nahe an der Maxwell-Verteilung. Satz 2 über die Maxwell-Verteilung Sei T > 0 gegeben, E = 3 2 NkT und R = 2E/m. Für jedes δ > 0 und jede beschränkte stetige Testfunktion ϕ : R 3 R gilt { u (N) R v S R (R 3N ) : N ϕ(v k ) N 3( 0, kt ) } (ϕ) < δ 1 m k=1 für N, in der Notation µ(ϕ) = µ(dx) ϕ(x) = E µ ϕ.
22 der Maxwell-Verteilung Was bedeutet typisch? der Maxwell-Verteilung...der Fall, dass alle Moleküle genau die gleiche, gleichgerichtete Geschwindigkeit haben, [ist] um kein Haar unwahrscheinlicher als der Fall, dass jedes Molekül genau die Geschwindigkeit und Geschwindigkeitsrichtung hat, die es wirklich in einem bestimmten Momente im Gase hat. Vergleichen wir aber die erstere Eventualität mit der, dass im Gase die Maxwell sche Geschwindigkeitsvertheilung herrscht, so finden wir wieder, dass zu Gunsten der letzteren Eventualität viel mehr gleichmögliche Fälle sprechen. (1896) Ludwig Boltzmann
23 Was bedeutet typisch? der Maxwell-Verteilung Die Moral daraus: Der Zustand ξ braucht nicht zufällig zu sein Es reicht aus, wenn er nicht speziell ist. Beachte: Der Zustand mag durchaus zufällig sein, etwa wenn der Anfangszustand des Universums zufällig gewählt war (z.b. Roger Penroses Weyl-Krümmungs-Hypothese). Die Verteilung zur Zeit t ist dann aber keineswegs kanonisch. Kanonische Verteilung ist typisch, analog zu Satz 1 - System s, Wärmebad b (sehr groß), Kopplungsenergie gering - Phasenpunkt ξ s+b = (ξ s, ξ b ) - Bezüglich der mikrokanonischen Verteilung für s + b ist typisch, dass ξ s typisch kanonisch ist. Satz 1: Wenn ξ typisch mikrokanonisch, dann v eines Moleküls typisch Maxwellsch. Satz 2: Wenn ξ typisch mikrokanonisch, dann empirische Verteilung Maxwellsch.
24 Quantenmechanik Definition der GAP-Verteilung Bedingte Wellenfunktion GAP ist typisch
25 Quantenmechanik 1866: Maxwells Geschwindigkeitsverteilung Quantenmechanik Definition der GAP-Verteilung Bedingte Wellenfunktion GAP ist typisch Bild: B. Thaller 2004 Wellenfunktion ψ t : R 3N C Schrödinger-Gleichung i ψ t = Ĥψ mit Ĥ = Hamilton-Operator Ĥψ = N k=1 2 2m k 2 kψ + V ψ V (q 1,..., q N ) = potentielle Energie Was hat ψ mit der Materie zu tun? Kopenhagener Deutung: Wahrscheinlichkeits-Amplitude Bohm (1952): Teilchenbahnen dq k dt = m k Im k ψ ψ Ghirardi-Rimini-Weber (1986): spontaner Kollaps Blitz-Ontologie P(F ) = ψ t0 Ê( ) ψ t0 Materiedichte-Ontologie m(x, t) = ψ t ˆM(x) ψ t Everett (1957): Viele Welten, z.b. m(x, t) = ψ t ˆM(x) ψ t
26 Quantenmechanik Definition der GAP-Verteilung Bedingte Wellenfunktion GAP ist typisch Dichteoperator und Verteilung der Wellenfunktion Hilbert-Raum H, z.b. L 2 (R 3N, C) Einheits-Sphäre S(H ) = {ψ H : ψ = 1} mit Borel σ-algebra Wahrscheinlichkeits-Verteilung µ auf S(H ) Äquivalenzrelation µ ˆ=ν : empirisch ununterscheidbar ˆρ µ = ˆρ ν, wobei ˆρ µ = S(H ) µ(dψ) ψ ψ zugehöriger Dichteoperator (DO) (= Dichtematrix) (= Kovarianz-Operator von µ, da o.b.d.a. E µ ψ = 0.) Nicht injektiv: ˆρ µ = ˆρ ν µ = ν ˆρ ist DO ˆρ ist positiv, in der Spurklasse und tr(ˆρ) = 1
27 Quantenmechanik Definition der GAP-Verteilung Bedingte Wellenfunktion GAP ist typisch Dichteoperator und Verteilung der Wellenfunktion Dichteoperator ist zu benutzen zur Berechnung von Wahrscheinlichkeiten der Ergebnisse eines Experiments: P( ) = tr(ˆρ Ê( )), Ê( ) = POVM. Verteilung ist zu benutzen wenn jedes System eines Ensembles eine Wellenfunktion hat s-aussagen, die für die meisten Wellenfunktionen (bzgl. µ) gelten: µ{ω : p(ω)} > 1 ε Bsp [D. Page 1993] Für die meisten ψ S(H 1 H 2 ) hat ρ 1 = tr 2 ψ ψ nahezu maximales tr(ρ 1 log ρ 1 ) im Limes dim H 2.
28 1927: Kanonischer Dichteoperator Quantenmechanik Definition der GAP-Verteilung Bedingte Wellenfunktion GAP ist typisch kanonischer DO: ˆρ T = 1 ( Z exp Ĥ ) kt mikrokanonischer DO: ˆρ E,δE = 1 Z 1 [E,E+δE](Ĥ), wobei δe klein, makroskopisch gesehen aber δe Abstand der Energie-Eigenwerte John von Neumann ( )
29 Quantenmechanik Definition der GAP-Verteilung Bedingte Wellenfunktion GAP ist typisch GAP als kanonische Verteilung der Wellenfunktion Behauptung Ein quantenmechanisches System im thermischen Gleichgewicht bei Temperatur T wird beschrieben durch eine zufällige Wellenfunktion ψ mit Verteilung GAP(T ) = GAP(ˆρ T ). Zu jedem Dichteoperator ˆρ auf H gibt es eine Wahrscheinlichkeits-Verteilung GAP( ˆρ) auf S(H ). Anwendung In vielen Fällen kennen wir die Wellenfunktion nicht: Photonen von der Sonne oder einem Stern Photonen von einer Glühlampe Elektronen aus einem Metallstück gesaugt (Braunsche Röhre) Wenn das Teilchen aus einem System im thermischen Gleichgewicht stammt, ist die Antwort GAP(T ).
30 Gauß-Verteilung in C n Quantenmechanik Definition der GAP-Verteilung Bedingte Wellenfunktion GAP ist typisch In C: wie in 2 Dimensionen, symmetrisch mit Varianz c = E X 2, d.h. Re X und Im X sind unabhängig mit Varianz c/2. In C n : ρ(x 1,..., x n ) = 1 Z e x ˆPx Dabei ist ˆP eine selbst-adjungierte, positiv-definite Matrix. Kovarianzmatrix Ĉ = (C ij) ij, C ij = E(X i X j ). Es gilt wieder ˆP = Ĉ 1.
31 Quantenmechanik Definition der GAP-Verteilung Bedingte Wellenfunktion GAP ist typisch Gauß-Verteilung in -vielen Dimensionen sei H ein separabler, -dim Hilbert-Raum Dichtefunktion ρ(x 1, x 2,...) existiert nicht, weil Volumen (Lebesgue-Maß) nicht existiert sei Ĉ selbst-adjungierter, positiver Operator auf H sei Ĉ = c n n n Spektralzerlegung n=1 mit ONB { n : n N}, c n 0 sei X n komplex-gauß-verteilt mit Varianz c n, unabhängig setze ψ = n X n n ψ H fast sicher, wenn n c n < Konstruktion definiert µ = G(Ĉ), falls Ĉ in der Spurklasse liegt
32 Quantenmechanik Definition der GAP-Verteilung Bedingte Wellenfunktion GAP ist typisch GAP-Verteilung eingeführt S. Goldstein, J.L. Lebowitz, R. Tumulka, N. Zanghì: On the Distribution of the Wave Function for Systems in Thermal Equilibrium. J. Statist. Phys. 125, (2006). Sheldon Goldstein Joel Lebowitz Nino Zanghì
33 Quantenmechanik Definition der GAP-Verteilung Bedingte Wellenfunktion GAP ist typisch GAP-Verteilung eingeführt S. Goldstein, J.L. Lebowitz, R. Tumulka, N. Zanghì: On the Distribution of the Wave Function for Systems in Thermal Equilibrium. J. Statist. Phys. 125, (2006). Literatur zur GAP-Verteilung R. Tumulka, N. Zanghì: Smoothness of Wave Functions in Thermal Equilibrium. J. Math. Phys. 46, (2005). J. D. Urbina, K. Richter: Random Wave Models. Preprint (2006). P. Reimann: Typicality for Generalized Microcanonical Ensembles. Phys. Rev. Lett. 99, (2007). P. Reimann: Typicality of pure states randomly sampled according to the Gaussian adjusted projected measure. J. Statist. Phys. (2008) Goldstein, Lebowitz, Mastrodonato, Tumulka, Zanghì: Typicality of the GAP Measure. In Vorbereitung (2008)
34 Quantenmechanik Definition der GAP-Verteilung Bedingte Wellenfunktion GAP ist typisch GAP-Verteilung: Definition in 3 Schritten AUSSIAN DJUSTED ROJECTED
35 Quantenmechanik Definition der GAP-Verteilung Bedingte Wellenfunktion GAP ist typisch GAP-Verteilung: Definition in 3 Schritten AUßSCH NGEPASST ROJIZIERT
36 Quantenmechanik Definition der GAP-Verteilung Bedingte Wellenfunktion GAP ist typisch GAP-Verteilung: Definition in 3 Schritten AUßSCH: Beginne mit G(ˆρ) = Gauß-Verteilung auf H mit Kovarianz ˆρ, d.h. E G(ˆρ) φ ψ ψ χ = φ ˆρ χ φ, χ H.
37 Quantenmechanik Definition der GAP-Verteilung Bedingte Wellenfunktion GAP ist typisch GAP-Verteilung: Definition in 3 Schritten AUßSCH: Beginne mit G(ˆρ) = Gauß-Verteilung auf H mit Kovarianz ˆρ NGEPASST: Erhalte die Verteilung GA( ˆρ) auf H durch Multiplikation mit Dichtefunktion ψ ψ 2 : GA(ˆρ)(dψ) = ψ 2 G(ˆρ)(dψ)
38 Quantenmechanik Definition der GAP-Verteilung Bedingte Wellenfunktion GAP ist typisch GAP-Verteilung: Definition in 3 Schritten AUßSCH: Beginne mit G(ˆρ) = Gauß-Verteilung auf H mit Kovarianz ˆρ NGEPASST: Erhalte die Verteilung GA( ˆρ) auf H durch Multiplikation mit Dichtefunktion ψ ψ 2 : GA(ˆρ)(dψ) = ψ 2 G(ˆρ)(dψ) ROJIZIERT auf die Sphäre S(H ): ψ GAP = ψga ψ GA oder GAP(ˆρ)(B) = GA(ˆρ)(R + B) für B S(H ). Der Faktor ψ 2 kompensiert die Änderung der Kovarianz durch die Projektion auf S(H ), daher ˆρ GAP(ˆρ) = ˆρ.
39 Eigenschaften der GAP-Verteilung Quantenmechanik Definition der GAP-Verteilung Bedingte Wellenfunktion GAP ist typisch der richtige Dichteoperator ˆρ GAP(ˆρ) = E GAP(ˆρ) ψ ψ = E GA(ˆρ) ψ ψ ψ 2 kovariant Û GAP(ˆρ) = GAP(Û ˆρÛ 1 ) = E G(ˆρ) ψ ψ = ˆρ für jeden unitären Operator Û auf H invariant unter der unitären Zeitentwicklung, wenn ˆρ invariant erblich Wenn ein System Temperatur T hat, dann auch jedes Teilsystem GAP eines Produkt- ˆρ hat Randverteilung GAP Habe ψ S(H 1 H 2 ) Verteilung GAP(ˆρ 1 ˆρ 2 ), dann hat, für beliebige ONB {b i } von H 2, die bedingte Wellenfunktion ψ 1 Verteilung GAP(ˆρ 1 ).
40 Bedingte Wellenfunktion Quantenmechanik Definition der GAP-Verteilung Bedingte Wellenfunktion GAP ist typisch Bohmsche Mechanik Eine Version von Quantenmechanik mit Teilchenbahnen Zustand zur Zeit t = ( Q(t), ψ(t) ) = (Konfiguration, Wellenfkt) W keits-verteilung von Q(t) ist ψ(t) 2. Hier Q(t) = (Q 1 (t), Q 2 (t)). Def bedingte Wellenfunktion [Dürr, Goldstein, Zanghì 1992] ψ 1 (q 1, t) = 1 Z ψ(q 1, Q 2 (t), t) Viele-Welten In jeder Welt besitzt das System eine bedingte Wellenfunktion.
41 Quantenmechanik Definition der GAP-Verteilung Bedingte Wellenfunktion GAP ist typisch Allgemeine Definition der bedingten Wellenfunktion Def Sei ψ H 1 H 2 mit ψ = 1, wähle Orthonormalbasis (ONB) {b j } von H 2. ψ 1 = 1 Z b J ψ 2 H 1 b J = zufälliger Basisvektor mit P(J = j) = bj ψ 2 2
42 Quantenmechanik Definition der GAP-Verteilung Bedingte Wellenfunktion GAP ist typisch Wir schreiben System 1 die Wellenfunktion ψ 1 zu. ψ 1 ist zufällig, obschon ψ es nicht ist (in BM ist Q(t) zufällig, in GRW kollabiert ψ stochastisch zu etwa ψ 1 ψ 2, in Viele-Welten hängt ψ 1 von der Welt ab) ψ legt die Verteilung P ψ 1 von ψ 1 fest ˆρ P ψ = ˆρ 1 1 der Dichteoperator von ψ 1 ist der reduzierte Dichteoperator,d.h. ψ P ψ 1 ψ ψ tr 2 Unter allen Verteilungen µ 1 auf S(H 1 ) mit ˆρ µ1 = ˆρ 1 sind nicht alle gleichermaßen plausibel: ˆρ1 50% hier 50% dort vs. 50% 2 1/2 ( hier + dort ) 50% 2 1/2 ( hier dort )
43 GAP ist typisch 1866: Maxwells Geschwindigkeitsverteilung Quantenmechanik Definition der GAP-Verteilung Bedingte Wellenfunktion GAP ist typisch mikrokanonische Verteilung = Gleichverteilung auf S(H [E,E+δE] ) Behauptung Für die meisten ψ gemäß der mikrokanonischen Verteilung für s + b gilt P ψ 1 GAP(ˆρ T ). Diese Behauptung entspricht f (ω) y ist typisch mit ω = ψ H s H b gemäß der mikrokanonischen Verteilung, f (ω) = P ψ 1 ist die W keits-verteilung von ψ 1, y = GAP(ˆρ T ) Die Verteilung von ψ 1 ist nahezu konstant Klassisch: Zufall rein, Zufall raus. Quantenmechanisch: Zufall raus ohne Zufall rein. Klassisch: fester Phasenpunkt ( ξ s, ξ b ) ergibt festen ξs Quantenmechanisch: festes ψ H s H b, zufälliges ψ s
44 GAP ist bedingt typisch Quantenmechanik Definition der GAP-Verteilung Bedingte Wellenfunktion GAP ist typisch Betrachte H 1 fest und festen DO ˆρ 1 auf H 1, aber H 2 = H (n) 2, n N, dim H (n) 2 für n ; sei R n = { ψ S(H 1 H (n) } 2 ) : tr 2 ψ ψ = ˆρ 1, sei u n die Gleichverteilung auf R n ; fü bel. Orthonormalbasis B = {b 1,..., b d(n) } of H (n) 2, betrachte P (n,ψ,b) 1 = Verteilung von ψ 1, gegeben ψ H (n) 2 und B. Satz über bedingte [RT et al., 2007] Für jedes δ > 0 und jede beschränkte stetige Testfkt ϕ : S(H 1 ) R gilt } u n {ψ R n : P (n,ψ,b) 1 (ϕ) GAP(ˆρ 1 )(ϕ) < δ 1 für n, gleichmäßig in B, Notation P(ϕ) = P(dψ) ϕ(ψ) = E P ϕ.
45 GAP ist bedingt typisch Quantenmechanik Definition der GAP-Verteilung Bedingte Wellenfunktion GAP ist typisch In anderen Worten: Für typisches ψ mit tr 2 ψ ψ = ˆρ 1 hat ψ 1 Verteilung GAP(ˆρ 1 ). Beweis: Beruht auf Schmidt-Zerlegung ψ = i c i χ i 1 φ i 2 = i pi i 1 φ i 2, ONS {φ i } Betrachte unitäre Zufalls-Matrix (U ij ) U(m) mit Gleichverteilung (Haar-Maß); die obere linke k k Teilmatrix konvergiert in Verteilung (nach Multiplikation mit Normierungsfaktor m) für m gegen eine Matrix aus unabhängigen komplex-gauß-verteilten Zufallsvariablen mit Mittel 0 und Varianz 1 [Petz and Réffy 2004; RT and CM 2007] (analog zu Satz 1)
46 Typische Basis 1866: Maxwells Geschwindigkeitsverteilung Quantenmechanik Definition der GAP-Verteilung Bedingte Wellenfunktion GAP ist typisch Wir brauchen entweder typische Wellenfunktion ψ, beliebige Basis B oder beliebige Wellenfunktion ψ, typische Basis B Satz 2 über bedingte [RT et al., 2007] Für jedes δ > 0 und jede beschränkte stetige Testfkt ϕ : S(H 1 ) R gilt { } B ONB(H (n) 2 ) : P (n,ψ,b) 1 (ϕ) GAP(ˆρ 1 )(ϕ) < δ 1 u (n) ONB für n, gleichmäßig in ψ R n. (Notation P(ϕ) = P(dψ) ϕ(ψ) = E P ϕ) u (n) (n) ONB = Gleichverteilung auf ONB(H 2 ) ( Haar-Maß)
47 GAP- 1866: Maxwells Geschwindigkeitsverteilung Quantenmechanik Definition der GAP-Verteilung Bedingte Wellenfunktion GAP ist typisch H 1 fest, während H 2 = H (n) 2, n N, dim H (n) sei H (n) R (z.b. H (n) R sei u (n) R H 1 H (n) 2 Unterraum, dim H (n) R = H E,δE mikrokanonisch). Sei ˆρ (n) R (n) die Gleichverteilung auf S(H sei ˆρ (n) can = tr 2 ˆρ (n) R sei u (n) ONB Satz in spe R ) die Gleichverteilung auf ONB(H (n) 2 ). 2 für n ; für n (n) = (dim H R ) 1 ˆPH (n) R Für jedes δ > 0 und jede beschränkte stetige Testfkt ϕ : S(H 1 ) R, { } u (n) R u(n) ONB (ψ, B) : P (n,ψ,b) 1 (ϕ) GAP(ρ (n) can)(ϕ) < δ 1 für n unter Bedingungen an das Wachstum von H R. (Notation P(ϕ) = P(dψ) ϕ(ψ) = E P ϕ.)
48 Beweis für GAP- Quantenmechanik Definition der GAP-Verteilung Bedingte Wellenfunktion GAP ist typisch Zutaten: bedingte von GAP( ˆρ) gegeben ˆρ kanonische
49 Was ist kanonische? GAP- kanonische Beweisidee kanonische
50 Was ist kanonische? GAP- kanonische Beweisidee kanonische Literatur über kanonische E. Schrödinger (1952) Statistical Thermodynamics, second edition P. Bocchieri, A. Loinger (1959) Phys. Rev. 114, 948 J. Gemmer, G. Mahler, M. Michel (2004) Quantum Thermodynamics S. Goldstein, J.L. Lebowitz, R. Tumulka, N. Zanghì (2006) Canonical Typicality. Phys. Rev. Lett. 96, S. Popescu, A. J. Short, A. Winter (2006) Entanglement and the foundation of statistical mechanics. Nature Physics 21,
51 Was ist kanonische? GAP- kanonische Beweisidee kanonische System s, Wärmebad b, Kopplung vernachlässigbar: Bekannt: (Aussage im Mittel ) Ĥ = Ĥs Îb + Îs Ĥb. tr b ˆρ E,δE ˆρ T partielle Spur mikrokan. DO kanonischer DO im thermodynamischen Limes N b, E/N b e < Neu: (Aussage fast immer ) kanonische u E,δE { ψ : tr b ψ ψ ˆρ T } 1 mikrokanonische Verteilung auf S(H s H b ) im thermodynamischen Limes Für die meisten ψ von s + b aus dem mikrokanonischen Ensemble ist die reduzierte Dichtematrix von s kanonisch.
52 Was ist kanonische? GAP- kanonische Beweisidee kanonische GAP- kanonische Um zu zeigen, dass P ψ 1 GAP(ˆρ T ), beweist man zunächst kanonische. Andererseits ist kanonische auch eine Konsequenz: per definitionem, ˆρ P ψ 1 = E ψ 1 ψ 1 = j b j ψ 2 2 b j ψ ψ b j b j ψ 2 2 = tr b ψ ψ ; wie wir wissen, Daher ˆρ GAP(ˆρT ) = ˆρ T. tr b ψ ψ ˆρ T.
53 Was ist kanonische? GAP- kanonische Beweisidee kanonische Satz über Kanonische [Popescu, Short, Winter 2005] Seien H R H s H b ein beliebiger Unterraum (z.b. H R = H E,δE mikrokanonisch), u R die Gleichverteilung auf S(H R ), ˆρ R = 1 dim H R ˆPHR und ε > 0. Dann u R {ψ : } tr b ψ ψ tr b ˆρ 1 R η η, wobei η, η klein sind, wenn dim H s 1/tr(tr s ˆρ R ) 2 (System Bad) und ε 1 ε 2 dim H R (viele Zustände möglich). ˆM 1 = tr ˆM = = tr ˆM ˆM Sandu Popescu Andreas Winter
54 Was ist kanonische? GAP- kanonische Beweisidee kanonische Dankeschön für die Aufmerksamkeit
55 Beweisidee kanonische Was ist kanonische? GAP- kanonische Beweisidee kanonische Erste Hälfte altbekannt: Ĥ s = n E n n s n ˆρ E,δE = (dim H E,δE ) 1 n ˆP Hb,E En,δE n s n ( ) dim Hb,E En,δE n s n ˆρ T tr b ˆρ E,δE = (dim H E,δE ) 1 n ( ) weil dim H b,e En,δE e S(E En) exp S E E n = e En/kT
56 Was ist kanonische? GAP- kanonische Beweisidee kanonische Zweite Hälfte neuartig: u E,δE G(ˆρ E,δE ) ( Alle nicht-verschwindenden Komponenten sind nahezu i.i.d. Gaußsch ). Sei Ψ G(ˆρ E,δE ). Dann Ψ = n n s Φ n b mit Φ n = E E n E b,m E+δE E n X nm m b Hierbei sind X nm i.i.d. komplex-gauß-verteilte Zufallsvariablen mit Mittel 0 und Varianz E X nm 2 = (dim H E,δE ) 1. Weiter tr b Ψ Ψ = n,n Φ n Φ n b n s n n p n n s n mit p n = X nm 2 dim H b,e En,δE dim H E,δE E E n E b,m E+δE E n weil Φ n Φ n 0 für n n: Φ n = XXXXXXXXXXXXXXXXXXXXXXX Φ n = XXXXXXXXXXXXXXXXXXXXXXX
Winter-Semester 2017/18. Moderne Theoretische Physik IIIa. Statistische Physik
Winter-Semester 2017/18 Moderne Theoretische Physik IIIa Statistische Physik Dozent: Alexander Shnirman Institut für Theorie der Kondensierten Materie Do 11:30-13:00, Lehmann Raum 022, Geb 30.22 http://www.tkm.kit.edu/lehre/
für das Erreichen der Lichtgeschwindigkeit
Implikationen des Transversalitätssatzes der Differentialtopologie für das Erreichen der Lichtgeschwindigkeit 2010 Gemeinsame Arbeit mit Daniel Victor Tausk (São Paulo, Brasilien) http://arxiv.org/abs/0806.4476
Statistische Analyseverfahren Abschnitt 2: Zufallsvektoren und mehrdimensionale Verteilungen
Statistische Analyseverfahren Abschnitt 2: Zufallsvektoren und mehrdimensionale Verteilungen Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik Oktober 2018 Prof. Dr. Hans-Jörg
Fakultät Verkehrswissenschaften Friedrich List Professur für Ökonometrie und Statistik, insb. im Verkehrswesen. Statistik II
Statistik II 1. Ergänzungen zur Wahrscheinlichkeitstheorie Fakultät Verkehrswissenschaften Friedrich List Professur für Ökonometrie und Statistik, insb. im Verkehrswesen Statistik II 1. Ergänzungen zur
Dozent: Alexander Shnirman Institut für Theorie der Kondensierten Materie
Sommer-Semester 2011 Moderne Theoretische Physik III Statistische Physik Dozent: Alexander Shnirman Institut für Theorie der Kondensierten Materie Di 09:45-11:15, Lehmann HS 022, Geb 30.22 Do 09:45-11:15,
Brownsche Bewegung: Eine Einführung
Brownsche Bewegung: Eine Einführung Batu Güneysu Institut für Mathematik Humboldt-Universität zu Berlin Greifswald, 18.04.2018 Batu Güneysu Brownsche Bewegung: Eine Einführung 1 / 14 Wir fixieren m N und
Repetitorium QM 1 - Tag 5
Thermodynamik und 4. März 2016 Inhaltsverzeichnis 1 Thermodynamik Hauptsätze der Thermodynamik 2 Zustandsgrößen Thermodynamik Hauptsätze der Thermodynamik Ziel: Beschreibung des makroskopischen Gleichgewichtszustandes
K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 12. Übung SS 18: Woche vom
Übungsaufgaben 12. Übung SS 18: Woche vom 2. 7. 6. 7. 2018 Stochastik VI: Zufallsvektoren; Funktionen von ZG Aufgaben: s. pdf auf der homepage von Dr. Vanselow http://www.math.tu-dresden.de/ vanselow/...
Übungen zu Moderne Theoretischen Physik III SS Maxwell-Verteilung: (30 Punkte, schriftlich)
Karlsruher Institut für Technologie Institut für Theorie der Kondensierten Materie Übungen zu Moderne Theoretischen Physik III SS 06 Prof. Dr. A. Shnirman Blatt 4 PD Dr. B. arozhny, P. Schad Lösungsvorschlag.
K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung SS 18: Woche vom
Übungsaufgaben 11. Übung SS 18: Woche vom 25. 6. 29. 6. 2016 Stochastik V: ZG; Momente von ZG; Zufallsvektoren Aufgaben: s. pdf auf der homepage von Dr. Vanselow http://www.math.tu-dresden.de/ vanselow/...
1.3 Zufallsvariablen
1.3 Zufallsvariablen Beispiel Irrfahrt zwischen drei Zuständen Start in G bei t = 0, Zeithorizont T N Grundraum σ-algebra Ω = {ω = (ω 0, ω 1,..., ω T ) {G, R, B} T +1, ω 0 = G} Wahrscheinlichkeitsmaß P
6 Der Harmonische Oszillator
6 Der Harmonische Oszillator Ein Teilchen der Masse m bewege sich auf der x-achse unter dem Einfluß der Rückstellkraft Fx = mω x. 186 Die Kreisfrequenz ω bzw. die Federkonstante k := mω ist neben der Masse
13 Mehrdimensionale Zufallsvariablen Zufallsvektoren
3 Mehrdimensionale Zufallsvariablen Zufallsvektoren Bisher haben wir uns ausschließlich mit Zufallsexperimenten beschäftigt, bei denen die Beobachtung eines einzigen Merkmals im Vordergrund stand. In diesem
7.5 Erwartungswert, Varianz
7.5 Erwartungswert, Varianz Def. 7.5.: a) X sei eine diskrete ZV, die bei unendl. vielen Werten x k folgende Zusatzbedingung erfüllt: x k p k
TECHNISCHE UNIVERSITÄT MÜNCHEN. Spurklasse-Operatoren und Hilbert-Schmidt-Operatoren
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. H. Spohn Max Lein Ulrich Mauthner Quantendynamik SoSe 006 en Blatt 8 006.06.6 Spurklasse-Operatoren und Hilbert-Schmidt-Operatoren Aufgabe 1
Multivariate Verteilungen. Gerhard Tutz LMU München
Multivariate Verteilungen Gerhard Tutz LMU München INHALTSVERZEICHNIS 1 Inhaltsverzeichnis 1 Multivariate Normalverteilung 3 Wishart Verteilung 7 3 Hotellings T Verteilung 11 4 Wilks Λ 14 INHALTSVERZEICHNIS
I Grundbegriffe 1 1 Wahrscheinlichkeitsräume Bedingte Wahrscheinlichkeiten und Unabhängigkeit Reellwertige Zufallsvariablen...
Inhaltsverzeichnis I Grundbegriffe 1 1 Wahrscheinlichkeitsräume......................... 1 2 Bedingte Wahrscheinlichkeiten und Unabhängigkeit........... 7 3 Reellwertige Zufallsvariablen........................
Kapitel 3. Statistische Definition der Entropie. 3.1 Ensemble aus vielen Teilchen
Kapitel 3 Statistische Definition der Entropie 3.1 Ensemble aus vielen Teilchen Die Überlegungen dieses Abschnitts werden für klassische Teilchen formuliert, gelten sinngemäß aber genauso auch für Quantensysteme.
Wahrscheinlichkeitstheorie und Statistik
Wahrscheinlichkeitstheorie und Statistik Definitionen und Sätze Prof. Dr. Christoph Karg Studiengang Informatik Hochschule Aalen Sommersemester 2018 2.5.2018 Diskrete Wahrscheinlichkeitsräume Diskreter
Relativistischer Kollaps der quantenmechanischen Wellenfunktion
Relativistischer Kollaps der quantenmechanischen Wellenfunktion 11. April 2007 Roderich Tumulka Mathematisches Institut, Eberhard-Karls-Universität, Tübingen 1 Meine Forschungsthemen: Grundlagen der Quantentheorie
5 Der quantenmechanische Hilbertraum
5 Der quantenmechanische Hilbertraum 5.1 Die Wellenfunktion eines Teilchens Der Bewegungs- Zustand eines Teilchens Elektrons zu einem Zeitpunkt t, in der klassischen Mechanik das Wertepaar r,p von Ort
Drei Beschreibungsebenen der Thermodynamik
F. Herrmann Drei Beschreibungsebenen der Thermodynamik 1 1. Molekularkinetische Ebene 2. Statistische Ebene geeignet, wenn alle Teilchen dasselbe machen 3. Phänomenologische Ebene 4. Folgerungen 2 1. Molekularkinetische
3. Gemeinsame und bedingte Verteilung, stochastische Unabhängigkeit
3. Gemeinsame und bedingte Verteilung, stochastische Unabhängigkeit Lernziele dieses Kapitels: Mehrdimensionale Zufallsvariablen (Zufallsvektoren) (Verteilung, Kenngrößen) Abhängigkeitsstrukturen Multivariate
Quantenmechanik I Sommersemester QM Web Page teaching/ss13/qm1.d.html
Quantenmechanik I Sommersemester 2013 QM Web Page http://einrichtungen.physik.tu-muenchen.de/t30e/ teaching/ss13/qm1.d.html Hinweise Am Ende der heutigen Vorlesung (am 27.05.) : Vorstellung von Fachschaftsvertretern
Eine Einführung in die Bohmsche Mechanik
. Eine Einführung in die Bohmsche Mechanik Stefan Teufel Mathematisches Institut der Universität Tübingen Vorlesung am Forum Scientiarum Tübingen Wintersemester 2010/11 0. Überblick Teil 1 1. Formulierung
Paarverteilungsfunktion und Strukturfaktor Seminar: Weiche Materie
30.11.2007 Paarverteilungsfunktion und Strukturfaktor Seminar: Weiche Materie Johanna Flock Gliederung Einleitung Kurze Wiederholung Statistischer Mechanik Ensemble Statistische Beschreibung von Kolloid
Gegenbeispiele in der Wahrscheinlichkeitstheorie
Gegenbeispiele in der Wahrscheinlichkeitstheorie Mathias Schaefer Universität Ulm 26. November 212 1 / 38 Übersicht 1 Normalverteilung Definition Eigenschaften Gegenbeispiele 2 Momentenproblem Definition
Abhängigkeitsmaße Seien X 1 und X 2 zwei Zufallsvariablen. Es gibt einige skalare Maße für die Abhängigkeit zwischen X 1 und X 2.
Abhängigkeitsmaße Seien X 1 und X 2 zwei Zufallsvariablen. Es gibt einige skalare Maße für die Abhängigkeit zwischen X 1 und X 2. Lineare Korrelation Annahme: var(x 1 ),var(x 2 ) (0, ). Der Koeffizient
Orthogonalreihendarstellung eines zentrierten Gauß-Prozesses
Orthogonalreihendarstellung eines zentrierten Gauß-Prozesses Thomas Steinle Seminar Zufällige Felder Universität Ulm 18. November, 2008 Einleitung Inhalt Einleitung Wiederholung und Themenvorstellung Wichtiges
Universalität für Wigner Matrizen
Universalität für Wigner Matrizen Benjamin Schlein, Universität Zürich HSGYM Tag 29. Januar 2015 1 1. Einführung Zufallmatrizen: sind N N Matrizen dessen Einträge Zufallsvariablen mit gegebenen Verteilung
1 Erwartungswert und Kovarianzmatrix von Zufallsvektoren
Erwartungswert und Kovarianzmatrix von Zufallsvektoren Erwartungswert und Kovarianzmatrix von Zufallsvektoren. Definition Ist X X,...,X p ein p-dimensionaler Zufallsvektor mit E X j < für alle j, so heißt
Statistik I für Betriebswirte Vorlesung 3
Statistik I für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 15. April 2019 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 3 Version: 1. April
K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung SS 13: Woche vom
Übungsaufgaben 11. Übung SS 13: Woche vom 24. 6. 13-28. 6. 2013 Stochastik V: ZG Momente von ZG; Grenzverteilungssätze Aufgaben: s. pdf auf der homepage von Dr. Vanselow http://www.math.tu-dresden.de/
13 Grenzwertsätze Das Gesetz der großen Zahlen
13 Grenzwertsätze 13.1 Das Gesetz der großen Zahlen Der Erwartungswert einer zufälligen Variablen X ist in der Praxis meist nicht bekannt. Um ihn zu bestimmen, sammelt man Beobachtungen X 1,X 2,...,X n
2 Die mikrokanonische Gesamtheit
2 Die mikrokanonische Gesamtheit Für ein isoliertes makroskopisches System mit der Gesamtenergie E können wir die Werte von makroskopischen Observablen in einem Gleichgewichtsszustand nach unserer Grundannahme
Klausur zur Statistischen Physik SS 2013
Klausur zur Statistischen Physik SS 2013 Prof. Dr. M. Rohlfing Die folgenden Angaben bitte deutlich in Blockschrift ausfüllen: Name, Vorname: geb. am: in: Matrikel-Nr.: Übungsgruppenleiter: Aufgabe maximale
Statistics, Data Analysis, and Simulation SS 2017
Statistics, Data Analysis, and Simulation SS 2017 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Mainz, 4. Mai 2017 Dr. Michael O. Distler
Die klassische Welt. Jochen Hub. Akademie Rot an der Rot, August Die klassische Welt p.1
Die klassische Welt Akademie Rot an der Rot, August 2004. Jochen Hub Die klassische Welt p.1 Quantenphysik klassische Physik klassische Physik als Grenzfall der Quantenphysik? Analog zu Relativistische
1.5 Mehrdimensionale Verteilungen
Poisson eine gute Näherung, da np = 0 und 500p = 5 00 = n. Wir erhalten somit als Näherung Exakte Rechnung ergibt P(2 X 0) = k=2 0 k=2 π (k) = 0,26424. 0 ( ) 00 P(2 X 0) = 0,0 k 0,99 00 k = 0,264238. k.4.2.4
7.2 Moment und Varianz
7.2 Moment und Varianz Def. 21 Es sei X eine zufällige Variable. Falls der Erwartungswert E( X p ) existiert, heißt der Erwartungswert EX p p tes Moment der zufälligen Variablen X. Es gilt dann: + x p
Kapitel 5. Kanonisches Ensemble. 5.1 Herleitung 1; E 1 =? 2; E 2 =?
Kapitel 5 Kanonisches Ensemble 5.1 Herleitung Abgesehen von der Legendre-Transformation S(E,, N) F (T,, N) besteht noch eine weitere Möglichkeit, die freie Energie zu berechnen, und zwar wiederum mittels
Unabhängige Zufallsvariablen
Kapitel 9 Unabhängige Zufallsvariablen Die Unabhängigkeit von Zufallsvariablen wird auf die Unabhängigkeit von Ereignissen zurückgeführt. Im Folgenden sei Ω, A, P ) ein Wahrscheinlichkeitsraum. Definition
Ferienkurs Quantenmechanik 2009
Ferienkurs Quantenmechanik 2009 Grundlagen der Quantenmechanik Vorlesungsskript für den 3. August 2009 Christoph Schnarr Inhaltsverzeichnis 1 Axiome der Quantenmechanik 2 2 Mathematische Struktur 2 2.1
4.2 Moment und Varianz
4.2 Moment und Varianz Def. 2.10 Es sei X eine zufällige Variable. Falls der Erwartungswert E( X p ) existiert, heißt der Erwartungswert EX p p tes Moment der zufälligen Variablen X. Es gilt dann: EX p
9 Translationen und Rotationen
9 Translationen und Rotationen Übungen, die nach Richtigkeit korrigiert werden: Aufgabe 91: Drehungen Der quantenmechanische Rotationsoperator ˆR η,e dreht einen Zustand ψ um den Winkel η um die Achse
Aktuelle Themen aus der Stochastik Wintersemester 2017/2018 Abschnitt 5: Endliche Maße und schwache Konvergenz von Maßen in metrischen Räumen
Aktuelle Themen aus der Stochastik Wintersemester 2017/2018 Abschnitt 5: Endliche Maße und schwache Konvergenz von Maßen in metrischen Räumen Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut
Die n-dimensionale Normalverteilung
U. Mortensen Die n-dimensionale Normalverteilung Es wird zunächst die -dimensionale Normalverteilung betrachtet. Die zufälligen Veränderlichen X und Y seien normalverteilt. Gesucht ist die gemeinsame Verteilung
Reelle Zufallsvariablen
Kapitel 3 eelle Zufallsvariablen 3. Verteilungsfunktionen esultat aus der Maßtheorie: Zwischen der Menge aller W-Maße auf B, nennen wir sie W B ), und der Menge aller Verteilungsfunktionen auf, nennen
Abgabetermin: 5. Mai 2017, Uhr
Übungsblatt Nr. 1 26. April 2017 1. Sei F k, k K, eine Familie von σ-algebren, wobei K eine beliebige Menge ist. Zeigen Sie, daß F d = k K F k ebenfalls eine σ-algebra ist! Beweisen Sie, daß die Vereinigung
2. Ein Zufallsvektor X IR d ist multivariat normal verteilt dann und nur dann wenn seine charakteristische Funktion folgendermaßen gegeben ist:
Multivariate elliptische Verteilungen a) Die multivariate Normalverteilung Definition 2 Der Zufallsvektor (X 1, X 2,..., X d ) T hat eine multivariate Normalverteilung (oder eine multivariate Gauss sche
Wigner-Funktion und kohärente Zustände
Wigner-Funktion und kohärente Zustände Daniel Kavajin Seminar zur Theorie der Atome, Kerne und kondensierten Materie 21.11.2012 Einleitung Ein klassischer Zustand wird durch einen Punkt im Phasenraum repräsentiert.
Quantenmechanik-Grundlagen Klassisch: Quantenmechanisch:
Quantenmechanik-Grundlagen HWS DPI 4/08 Klassisch: Größen haben i. Allg. kontinuierliche Messwerte; im Prinzip beliebig genau messbar, auch mehrere gemeinsam. Streuung nur durch im Detail unbekannte Störungen
Lineare Algebra II 8. Übungsblatt
Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.
DWT 1.4 Rechnen mit kontinuierlichen Zufallsvariablen 240/476 c Ernst W. Mayr
1.4.4 Laplace-Prinzip in kontinuierlichen Wahrscheinlichkeitsräumen Das folgende Beispiel zeigt, dass im kontinuierlichen Fall die Bedeutung von gleichwahrscheinlich nicht immer ganz klar sein muss. Bertrand
Quantenmechanik I Sommersemester QM Web Page teaching/ss13/qm1.d.html
Quantenmechanik I Sommersemester 2013 QM Web Page http://einrichtungen.physik.tu-muenchen.de/t30e/ teaching/ss13/qm1.d.html Hinweise Zusätzliche Übung: Aufgrund des großen Andrangs bieten wir eine zusätzliche
Grundlagen der Physik 2 Schwingungen und Wärmelehre
Grundlagen der Physik 2 Schwingungen und Wärmelehre Othmar Marti othmar.marti@uni-ulm.de Institut für Experimentelle Physik 14. 06. 2007 Othmar Marti (Universität Ulm) Schwingungen und Wärmelehre 14. 06.
TC1 Grundlagen der Theoretischen Chemie
TC1 Grundlagen der Theoretischen Chemie Irene Burghardt (burghardt@chemie.uni-frankfurt.de) Praktikumsbetreuung: Robert Binder (rbinder@theochem.uni-frankfurt.de) Madhava Niraghatam (niraghatam@chemie.uni-frankfurt.de)
Fallstudien der mathematischen Modellbildung Teil 3: Quanten-Operationen. 0 i = i 0
Übungsblatt 1 Aufgabe 1: Pauli-Matrizen Die folgenden Matrizen sind die Pauli-Matrizen, gegeben in der Basis 0, 1. [ [ [ 0 1 0 i 1 0 σ 1 = σ 1 0 = σ i 0 3 = 0 1 1. Zeigen Sie, dass die Pauli-Matrizen hermitesch
Übersicht. Rückblick: klassische Mechanik
61 Übersicht 1) Makroskopische k (phänomenologische) h Thermodynamik Terminologie Hauptsätze der Thermodynamik Kreisprozesse Maxwell Viereck response Funktionen Phasenübergänge 2) Statistische i Mechanik
Dekohärenz Wolfgang Schweinberger. Michael Ramus, 1991 American Institute of Physics.
Dekohärenz 17.7.2006 Wolfgang Schweinberger Michael Ramus, 1991 American Institute of Physics. Gliederung Einleitung und Begriffsbildung Darstellungen von Dekohärenz Darstellungen von Zuständen Quantenmechanischer
Einführung in die Boltzmann-Gleichung. Flavius Guiaş Universität Dortmund
Einführung in die Boltzmann-Gleichung Flavius Guiaş Universität Dortmund Antrittsvorlesung, 19.04.2007 INHALT 1 Herleitung der Boltzmann-Gleichung 2 Boltzmann-Ungleichung und Maxwell-Verteilung 3 H-Theorem
22 Charakteristische Funktionen und Verteilungskonvergenz
22 Charakteristische Funktionen und Verteilungskonvergenz Charakteristische Funktionen (Fourier-Transformierte liefern ein starkes analytisches Hilfsmittel zur Untersuchung von W-Verteilungen und deren
DWT 1.4 Rechnen mit kontinuierlichen Zufallsvariablen 234/467 Ernst W. Mayr
1.4.2 Kontinuierliche Zufallsvariablen als Grenzwerte diskreter Zufallsvariablen Sei X eine kontinuierliche Zufallsvariable. Wir können aus X leicht eine diskrete Zufallsvariable konstruieren, indem wir
Zufallsvariablen [random variable]
Zufallsvariablen [random variable] Eine Zufallsvariable (Zufallsgröße) X beschreibt (kodiert) die Versuchsausgänge ω Ω mit Hilfe von Zahlen, d.h. X ist eine Funktion X : Ω R ω X(ω) Zufallsvariablen werden
x p 2 (x )dx, Hinweis: es ist nicht erforderlich, zu integrieren!
Aufgabe T- Gegeben seien zwei normalverteilte Zufallsvariablen X N(µ, σ) 2 und X 2 N(µ 2, σ2) 2 mit pdf p (x) bzw. p 2 (x). Bestimmen Sie x (als Funktion der µ i, σ i, sodass x p (x )dx = + x p 2 (x )dx,
TC1 Grundlagen der Theoretischen Chemie
TC1 Grundlagen der Theoretischen Chemie Irene Burghardt (burghardt@chemie.uni-frankfurt.de) Praktikumsbetreuung: Robert Binder (rbinder@theochem.uni-frankfurt.de) Madhava Niraghatam (niraghatam@chemie.uni-frankfurt.de)
Schwache Konvergenz. Ivan Lecei. 18. Juni Institut für Stochastik
Institut für Stochastik 18. Juni 2013 Inhalt 1 2 3 4 5 Nach ZGWS konvergiert für n F n (x) = P{ X 1+...+X n np npq x} gegen F(x) = 1 2π x e 1 2 u2 du, wenn die X i unabhängig und bernoulliverteilt sind
Einführung und Grundlagen
Kapitel 1 Einführung und Grundlagen Generelle Notation: Ω, A, P sei ein W-Raum im Hintergrund nie weiter spezifiziert Die betrachteten Zufallsvariablen seien auf Ω definiert, zb X : Ω, A M, A, wobei M,
Stetige Standardverteilungen
Universität Basel Wirtschaftswissenschaftliches Zentrum Stetige Standardverteilungen Dr. Thomas Zehrt Inhalt: 1. Die stetige Gleichverteilung 2. Die Normalverteilung (a) Einstimmung (b) Standardisierung
Binomialverteilung. Häufigkeit, mit der Ereignis A bei n unabhängigen Versuchen eintritt. Träger von X : X = {0, 1, 2,..., n}.
Binomialverteilung Konstruktionsprinzip: Ein Zufallsexperiment wird n mal unabhängig durchgeführt. Wir interessieren uns jeweils nur, ob ein bestimmtes Ereignis A eintritt oder nicht. X = Häufigkeit, mit
Seminar: Gegenbeispiele in der Wahrscheinlichkeitstheorie. Ausarbeitung zum Seminarthema: Zentraler Grenzwertsatz und diverse Grenzwertsätze
Seminar: Gegenbeispiele in der Wahrscheinlichkeitstheorie - Ausarbeitung zum Seminarthema: Zentraler Grenzwertsatz und diverse Grenzwertsätze Klaus Kuchler 0. Januar 03 Zentraler Grenzwertsatz. Grundlagen,
Aufgabe 1: Wellenfunktion und Aufenthaltswahrscheinlichkeit
Lösungsvorschlag Übung 8 Aufgabe : Wellenfunktion und Aufenthaltswahrscheinlichkeit a) Die Wahrscheinlichkeitsdichte ist eine Wahrscheinlichkeit pro Volumenelement. Die Wahrscheinlichkeit selbst ist eine
Universität Leipzig, SoSo 2013
Vorlesung Wahrscheinlichkeitstheorie I Universität Leipzig, SoSo 2013 Prof. Dr. Max v. Renesse renesse@uni-leipzig.de Sprechstunde: Di 13.15-14.45, A 337 Übungen: Mo 11.15 -- 12.45 A 314 K. Zimmermann
Multivariate Verteilungen
Multivariate Verteilungen Zufallsvektoren und Modellierung der Abhängigkeiten Ziel: Modellierung der Veränderungen der Risikofaktoren X n = (X n,1, X n,2,..., X n,d ) Annahme: X n,i und X n,j sind abhängig
Statistik für Ingenieure Vorlesung 3
Statistik für Ingenieure Vorlesung 3 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 14. November 2017 3. Zufallsgrößen 3.1 Zufallsgrößen und ihre Verteilung Häufig sind
1 Multivariate Zufallsvariablen
1 Multivariate Zufallsvariablen 1.1 Multivariate Verteilungen Definition 1.1. Zufallsvariable, Zufallsvektor (ZV) Sei Ω die Ergebnismenge eines Zufallsexperiments. Eine (univariate oder eindimensionale)
Wirtschaftsmathematik
Einführung in einige Teilbereiche der Wintersemester 206 Prof. Dr. Stefan Etschberger HSA Unabhängigkeit von Ereignissen A, B unabhängig: Eintreten von A liefert keine Information über P(B). Formal: P(A
Statistik für Ingenieure Vorlesung 5
Statistik für Ingenieure Vorlesung 5 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 28. November 2017 3.4 Wichtige stetige Verteilungen 3.4.1 Exponentialverteilung Parameter:
Wahrscheinlichkeitsrechnung und Quantentheorie
Physikalische Chemie II: Atombau und chemische Bindung Winter 2013/14 Wahrscheinlichkeitsrechnung und Quantentheorie Messergebnisse können in der Quantenmechanik ganz prinzipiell nur noch mit einer bestimmten
Erreichte Punktzahlen: Die Bearbeitungszeit beträgt 3 Stunden.
Fakultät für Physik der LMU München Prof. Ilka Brunner Michael Kay Vorlesung T4, WS11/12 Klausur am 18. Februar 2012 Name: Matrikelnummer: Erreichte Punktzahlen: 1 2 3 4 5 6 Hinweise Die Bearbeitungszeit
(a) Warum spielen die Welleneigenschaften bei einem fahrenden PKW (m = 1t, v = 100km/h) keine Rolle?
FK Ex 4-07/09/2015 1 Quickies (a) Warum spielen die Welleneigenschaften bei einem fahrenden PKW (m = 1t, v = 100km/h) keine Rolle? (b) Wie groß ist die Energie von Lichtquanten mit einer Wellenlänge von
Wahrscheinlichkeit und Statistik: Zusammenfassung
HSR Hochschule für Technik Rapperswil Wahrscheinlichkeit und Statistik: Zusammenfassung beinhaltet Teile des Skripts von Herrn Hardy von Lukas Wilhelm lwilhelm.net 12. Januar 2007 Inhaltsverzeichnis 1
Thermodynamik und Statistische Physik
Thermoynamik un Statistische Physik (Kompenium Herausgegeben von Jeffrey Kelling Felix Lemke Stefan Majewsky Stan: 14. Februar 2009 1 Inhaltsverzeichnis Statistische Operatoren 3 Zustäne 3 Darstellung
Scheinklausur zur Vorlesung Stochastik II
Institut für Mathematische Stochastik WS 2007/2008 Universität Karlsruhe 25. 02. 2008 Dr. B. Klar Scheinklausur zur Vorlesung Stochastik II Muster-Lösung Dauer: 90 Minuten Name: Vorname: Matrikelnummer:
Bewegung im elektromagnetischen Feld
Kapitel 6 Bewegung im elektromagnetischen Feld 6. Hamilton Operator und Schrödinger Gleichung Felder E und B. Aus der Elektrodynamik ist bekannt, dass in einem elektrischen Feld E(r) und einem Magnetfeld
Statistische Physik - Theorie der Wärme (PD Dr. M. Falcke)
Freie Universität Berlin WS 2006/2007 Fachbereich Physik 0..2006 Statistische Physik - Theorie der Wärme (PD Dr. M. Falcke) Übungsblatt 3: Zentraler Grenzwertsatz, Mikrokanonisches Ensemble, Entropie Aufgabe
Übungsblatt 11 zur Vorlesung Statistische Methoden - freiwilliger Teil
Dr. Christof Luchsinger Übungsblatt zur Vorlesung Statistische Methoden - freiwilliger Teil Rechnen mit Matrizen, Multivariate Normalverteilung Herausgabe des Übungsblattes: Woche 0, Abgabe der Lösungen:
2 Mikrokanonische Definition der Temperatur
III Klassische Mechanik & Statistische Mechanik Begründung der Mikrokanonischen Mittelung Für Teilchensystem wie Gase und Flüssigkeiten, aber für klassische Spins, die durch einen meist dreikomponentigen
Kapitel II. Brownsche Bewegung. Literatur: Karatzas, Shreve (1999, Chap. 2).
Kapitel II Brownsche Bewegung Literatur: Karatzas, Shreve (1999, Chap. 2). Gegeben: Wahrscheinlichkeitsraum (Ω, A, P) mit Filtration F = (F t ) t I, wobei I = [0, [. Definition 1. W = (W t ) t I Brownsche
Stochastik Wiederholung von Teil 1
Stochastik Wiederholung von Teil 1 Andrej Depperschmidt Sommersemester 2016 Wahrscheinlichkeitsraum Definition Das Tripple (Ω, A, P) heißt Wahrscheinlichkeitsraum, falls gilt: (i) A ist eine σ-algebra,
Statistik I für Betriebswirte Vorlesung 5
Statistik I für Betriebswirte Vorlesung 5 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 7. Mai 2018 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 5 Version: 30. April
Charakteristische Funktionen
Kapitel 9 Charakteristische Funktionen Jeder Wahrscheinlichkeitsverteilung auf (, B 1 ) (allgemeiner: (R n, B n )) ist eine komplexwertige Funktion, ihre charakteristische Funktion, zugeordnet, durch die
Messbare Vektorräume
Messbare Vektorräume Hans-Jörg Starkloff TU Bergakademie Freiberg Westsächsische Hochschule Zwickau Dezember 2010 / Januar 2011 Hans-Jörg Starkloff Messbare Vektorräume 1 1. Definition Geg. X linearer
Extremalprobleme mit Nebenbedingungen
Extremalprobleme mit Nebenbedingungen In diesem Abschnitt untersuchen wir Probleme der folgenden Form: g(x 0 ) = inf{g(x) : x Ω, f(x) = 0}, (x 0 Ω, f(x 0 ) = 0). (1) Hierbei sind Ω eine offene Menge des
Stochastik-Praktikum
Stochastik-Praktikum Zufallszahlen und Monte Carlo Peter Frentrup Humboldt-Universität zu Berlin 17. Oktober 2017 (Humboldt-Universität zu Berlin) Zufallszahlen und Monte Carlo 17. Oktober 2017 1 / 23
Theorie Parameterschätzung Ausblick. Schätzung. Raimar Sandner. Studentenseminar "Statistische Methoden in der Physik"
Studentenseminar "Statistische Methoden in der Physik" Gliederung 1 2 3 Worum geht es hier? Gliederung 1 2 3 Stichproben Gegeben eine Beobachtungsreihe x = (x 1, x 2,..., x n ): Realisierung der n-dimensionalen
4 Thermodynamik mikroskopisch: kinetische Gastheorie makroskopisch: System:
Theorie der Wärme kann auf zwei verschiedene Arten behandelt werden. mikroskopisch: Bewegung von Gasatomen oder -molekülen. Vielzahl von Teilchen ( 10 23 ) im Allgemeinen nicht vollständig beschreibbar
Übungen zu Theoretische Physik IV
Physikalisches Institut Übungsblatt 4 Universität Bonn 02. November 2012 Theoretische Physik WS 12/13 Übungen zu Theoretische Physik IV Priv.-Doz. Dr. Stefan Förste http://www.th.physik.uni-bonn.de/people/forste/exercises/ws1213/tp4
Lösung zu Serie 18. Lineare Algebra D-MATH, HS Prof. Richard Pink
Lineare Algebra D-MATH, HS 201 Prof. Richard Pink Lösung zu Serie 18 1. Sei V,, ein endlich-dimensionaler unitärer Vektorraum. Zeige, dass zu jeder Sesquilinearform f : V V C eine eindeutige lineare Abbildung