PC4 Statistische Thermodynamik
|
|
- Christin Franke
- vor 6 Jahren
- Abrufe
Transkript
1 PC4 Statstsche Thermodynamk 1. Enletung 1.1 Enordnung n de Physkalsche Cheme 1.2 Konzept der Ensembles (Gesamtheten) 1.3 Postulate der Statstschen Thermodynamk 1.4 Hstorsche Entwcklung 2. Grundlagen der Wahrschenlchketsrechnung 2.1 Häufgket und Wahrschenlchket Dskrete Zufallsvarable Kontnuerlche (stetge) Zufallsgrößen Vertelungsfunktonen Stetge Darstellung dskreter Varablen Charakterserung von Vertelungsfunktonen 2.2 Übergang zu großen Zahlen Mkrozustände und Makrozustände Bnomal- und Gauss-Vertelung Vertelungen mt varabler Energe 1
2 3. Boltzmann-Statstk und Zustandssumme 3.1 Anschaulche Bedeutung der Entrope Wdh PC1 3.2 Zusammenhang Entrope - Wahrschenlchket 3.3 Berechnung der wahrschenlchsten Vertelung (Boltzmann-Vertelung) 3.4 Entrope n der statstschen Betrachtungswese 3.5 Energetsche Entartung Maxwell-Boltzmann (Energe)Vertelung 3.6 Anwendungen n der Physkalschen Cheme 4. Thermodynamsche Größen als Funkton der Zustandssumme 4.1 Wchtge thermodyn. Größen und deren Zusammenhänge Wdh PC1 4.2 Innere Energe U 4.3 Wärmekapaztät C V 4.4 Entrope S 4.5 Free Energe A 4.6 Druck P 4.7 Produkt PV 4.8 Enthalpe H 4.9 Free Enthalpe G 4.10 Telchenzustandssumme, Systemzustandssumme, Unterschedbarket 2
3 Energetermschema: 1D Telchen m Kasten - Entartung 2D 3D E 2 2 h/8m Abb. 2.8a-c. Energeschemata für (a) Elektron zwschen zwe paral lelen Wänden: ( ) E = h / 8m n. (b) Elektron zwschen ver paralle- len, quadratsch angeordneten Wänden: ( )( 2 2 ) 2 2 E h / 8m n + n x y (Entnommen aus Ref.1) =. (c) Elektron m würfelförmgen Hohlraum: ( ) ( nx ny nz ) 2 2 E = h / 8m + +. Es snd jewels de zugehörgen Quantenzahlen n bzw. n n bzw. n n n aufgeführt. x x' y x' y' z 3
4 1.2 Konzept der Gesamtheten - Ensemble-Theore Ensemble = Große Anzahl N (deal N ) von Replkas des Systems, welche alle de thermodynamschen Randbedngungen des Orgnalsystems erfüllen (Gedankenkonstrukton). Mkrokanonsches Ensemble N, V, E = const Isolertes System der Thermodyn. Bsp.: Isolerte Masse Gas aus N Telchen m konstanten Volumen V mt Energe E const (nur elastsche Stöße) Es glt: N E = N N V E = N V E E = N E Entnommen aus Ref.2. 4
5 1.2 Konzept der Gesamtheten - Ensemble-Theore Ensemble = Große Anzahl N (deal N ) von Replkas des Systems, welche alle de thermodynamschen Randbedngungen des Orgnalsystems erfüllen (Gedankenkonstrukton). Kanonsches Ensemble N, V, T = const Geschlossenes System der TD Bsp.: Isolerte Masse Gas aus N Telchen m konstanten Volumen V mt T = const nelastsche Stöße E fluktuert. rgd dathermc walls Es glt: N E = N N V E = N V N E E = E Entnommen aus Ref.2. 5
6 1.2 Konzept der Gesamtheten - Ensemble-Theore Ensemble = Große Anzahl N (deal N ) von Replkas des Systems, welche alle de thermodynamschen Randbedngungen des Orgnalsystems erfüllen (Gedankenkonstrukton). Großkanonsches Ensemble N, V, μ = const Offenes System der TD α Bsp.: Phasenglechgewchte: μ k =μ k = Molekülsorte α, β = s, l, g Art der Phase Es glt: N E = N N V E = N V E E N = NE β k Entnommen aus Ref.3. 6
7 1.4 Hstorsche Entwcklung 1738 D. Bernoull Druck enes Gases aus Stößen auf Wand 1857 R. Clausus mttlere free Weglänge Entnommen aus Ref.4. 7
8 1.4 Hstorsche Entwcklung 1859 J.C. Maxwell Geschwndgketsvertelung von Gasen 1871 L. Boltzmann S ln Ω (S lnw) Entnommen aus Ref.4. 8
9 1.4 Hstorsche Entwcklung 1900 M. Planck S= k lnω 1900 J.W. Gbbs Ensemble-Theore k B = JK -1 Exakt: k B = JK -1 B Entnommen aus Ref.4. 9
10 1895 Wssenschaftl. Dsput: Atomsten gegen Energsten Atomsten: L. Boltzmann Felx Klen Energsten: Wlhelm Ostwald Ernst Mach Ostwald: Ostwald-Vskosmeter Ostwald-Verdünnungsgesetz Ostwald-Refung Ostwald-Verfahren für Salpetersäure Nobelpres 1909 Entnommen aus Ref.2. 10
11 1895 Wssenschaftl. Dsput: Atomsten gegen Energsten Atomsten: L. Boltzmann Felx Klen Energsten: Wlhelm Ostwald Ernst Mach Ostwald: Ostwald-Vskosmeter Ostwald-Verdünnungsgesetz Ostwald-Refung Ostwald-Verfahren für Salpetersäure Nobelpres 1909 Entnommen aus Ref.5. 11
12 Bespel: Würfeln mt enem Würfel 3 Messrehen Berechnung von h 6 n Abhänggket von der Zahl N der Würfe Entnommen aus Ref.5. 12
13 Bespel: Würfeln mt enem Würfel 3 Messrehen Auftragung von p 6 n Abhänggket von der Zahl N der Würfe lm h N = p 6 6 Idealer Würfel: p 1 = p 2 = p 3 = p 4 = = p 5 = p 6 Entnommen aus Ref.5. 13
14 Bespel: Würfeln mt zwe Würfeln Würfel von unterschedlcher Farbe Augenzahl "2" bs "12" möglch 6 6 = 36 Kombnatonen möglch Entnommen aus Refs.5+6. Lnearer Ansteg von p 2 = 1/36 auf p 7 = 1/6 Lnearer Abfall von p 7 = 1/6 auf p 12 = 1/6 14
15 Abhänggket der relatven Wahrschenlchket von der Zahl der Würfel N=1 sehr vele N=3 N=3 N=2 Aus Refs.5+6 modfzert.. Für N domneren de mttleren Augenzahlen extrem stark 15
16 Kontnuerlche Messgrößen Wahrschenlchketsdchte P(x) Bsp.: Enkommensvertelung von 100 Personen (N ges = 100; Δx 1000 ) Aus Ref.7. 16
17 Kontnuerlche Messgrößen Wahrschenlchketsdchte P(x) Bsp.: Berechnung des mttleren Enkommens von 100 Personen (N ges = 100; Δx 1000 ) Häufgket Enkommen / 1000 Problem: be kontnuerlchen Messwerten st Wahrschenlchket, dass Messgröße enen ganz bestmmten Wert hat, praktsch null, d.h. N(x) p(x) = = 0 Bsp.: Häufgket (Wahrschenlchket) enes Enkommens Nges exakt 2527,13. 17
18 Kontnuerlche Messgrößen Wahrschenlchketsdchte P(x) p(x) x (Höhe des Enkommens) p(x) Δx (Brete des Enkommensntervalls) p(x) = P(x) Δx Wahrschenlchketsdchte (= Vertelungsfunkton) Grenzübergang zu klenen Δx: Δx dx dp(x) = P(x) dx = dn(x) N ges dn(x) dp(x) P(x) = N dx dx ges 18
19 Kontnuerlche Messgrößen Wahrschenlchketsdchte P(x) P(x) bekannt Berechnung der Wahrschenlchket p(x) je nach Intervallgröße P(x) P(x) P(x) P(x 1 ) P(x 1 ) P(x 1 ) dp(x) x 1 1 dx x = P(x ) dx Wahrschenlchket, dass Messwert zwschen x 1 und x 1 +dx legt. x 1 x 1 +Δx p(x) = P(x) Δx Wahrschenlchket, dass Messwert zwschen x 1 und x 1 +Δx legt. x P(x 2 ) p(x) = = x 2 x 1 N(x ) 2 N(x ) 1 x 1 x 2 P(x)dx dn(x) Wahrschenlchket, dass Messwert zwschen x 1 und x 2 legt. x 19
20 Bsp. Maxwell-Boltzmann-Energevertelung m = π 2πkBT mv 2kBT f (v)dv 4 v e dv (2.12a) Maxwell-Boltzmann-Geschwndgkets- Vertelung des dealen Gases (aus PC1) v ε= E kn 32 1 ε ε= ε ε kt B 12 ε k B F( )d e T d (2.12b) Maxwell-Boltzmann-Energe- Vertelung des dealen Gases ε max nmmt mt T zu Antel (Wahrsch.) von Telchen mt höheren Energen ε nmmt mt T zu Aus Ref.5. 20
21 Mkrozustände und Makrozustände Makrozustand = ene Kernspnkonfguraton z.b. 3 und 2 Mkrozustände = Realserungsmöglchketen ener Konfguraton, z.b. ( ) oder ( ) Ω n = PN (n) Ω ges N! n N n P(n) N = pq (2.17) (N n)!n! (2.17) N! p = q= 1/2 Ω n = (2.20) (N n)!n! 21
22 Mkrozustände und Makrozustände Übergang zu großen Zahlen N N = 5 N = 25 N = 1000 Aus Ref.5. N : Vertelung wrd schärfer; enge wenge Konfguratonen n der Nähe des Maxmums der Vertelung domneren. Für Berechungen von Mttelwerten (makroskopschen Größen) recht es, nur de Konfguratonen (Makrozustände) n der Nähe des Maxmums zu verwenden (Prnzp der wahrschenlchsten Konfguratonen). 22
23 ( kanonsches Ensemble) Vertelung von N = 5 unterschedbaren Telchen auf 5 äqudstante Energenveaus Vertelungen mt varabler Energe E ε 4 = 4 ε ε 3 = 3 ε ε 2 = 2 ε ε 1 = ε ε 0 = 0 Gesamtenerge E ges = 3 ε 3 Makrozustände und 35 Mkrozustände (Abb. 2.6) Aus Ref.5. 23
24 Vertelungen mt varabler Energe Zusammenhang Besetzungswahrschenlchket p und Energe ε enes Quantenzustands Bsp: ε 0 ε 2ε 3ε 4ε p const ε p e (2.24) (näherungswese) Für N exakt (----) Aus Ref.5. 24
25 Vertelungen mt varabler Energe Wahrschenlchketen von Makro- vs. Mkrozuständen Prnzp der wahrschenlchsten Vertelung Wahrschenlchketen p j der Makrozustände Ω { } j p j = j A,B,C (2.25) Ωges mt Ω ges =Ω A +Ω B +Ω C = 35 ΩA 5 1 pa = = = Ω 35 7 p p B C Ω Ω ges B = = = Ω Ω ges C = = = ges
26 Vertelungen mt varabler Energe Besetzungswahrschenlchketen p (j) der Zustände n enem Makrozustand p(a) 0 analog: N(A) 4 N 5 0 = = p(a) 0 = p(b) 0 = p(c) 0 = p(a) 1 = 0 p(b) 1 = p(c) 1 = p 2(A) = 0 p(b) 2 = p(c) 2 = p 3(A) = p 3(B) = 0 p 3(C) = 0 5 p (A) = 0 p (B) = 0 p (C) =
27 Vertelungen mt varabler Energe Besetzungswahrschenlchketen der Energenveaus p ; {0,1,2,3,4} p = p p (A) + p p (B) + p p (C) 0 A 0 B 0 C 0 p = p p (A) + p p (B) + p p (C) 1 A 1 B 1 C 1 p = p p (A) + p p (B) + p p (C) 4 A 4 B 4 C 4 Berechnung von Mttelwerten mt wahrschenlchster Vertelung (Konfguraton), her Makrozustand B p p (B) = 0.6 statt p p (B) = 0.2 statt p p (B) = 0.2 statt p p (B) = 0.0 statt p p (B) = 0.0 statt Abwechungen von der exakten Vertelung von Telchen auf Zustände noch relatv groß. Im Grenzfall N oder (N ) werden de Abwechungen sehr klen. Prnzp der wahrschenlchsten Vertelung (Konfguraton) 27
28 Vertelungen mt varabler Energe Berechnung der Anzahl Mkrozustände Ω j enes Makrozustands j mt j {A, B, C, D, } Multnomalvertelung N! (N ) (2.26) Ωj Ω j,n = N(j)! Multnomalvertelung Für N = 5 und n A = (4,0,0,1,0) ergbt sch z.b. 5! 120 Ω A = = = 5 0! = 1! = 1 4! 0! 0! 1! 0! 24 analog: 5! 120 Ω B = = = 20 3! 2! 1! 0! 0! 6 5! 120 Ω C = = = 10 2! 3! 0! 0! 0! 12 Ω j =Ω ges =35 j = Gesamtzahl der Mkrozustände 28
29 Strlng-Näherung Problem: Rechnen mt N! für N Lösung: Berechnung von ln N! mt Strlng-Näherung N! 2πN N e N Aus Ref.5. 29
30 Strlng-Näherung Für N kann man ene verenfachte Verson der Strlng-Näherung verwenden, N N N!, e und damt den Logarthmus von N! berechnen: ln N! N ln N N. (3.18) Für N wrd auch hermt der Fehler vernachlässgbar klen: Aus Ref.8. 30
31 Strlng-Näherung Herletung von (3.18) Aus Ref.8. 31
32 Berechnung ener Zustandssumme Veranschaulchung der Bedeutung der Zustandssumme Z als Indkator für de Zahl der thermsch errechbaren Zustände: Bsp.: äqudstante Energenveaus ohne Entartung (~ harmon. Oszllator) erlaubte Energenveaus: ε = j ε j {0, 1, 2, 3, } β j ε βε 2βε 3βε = = Z e 1 e e e j= 0 βε βε 2 βε 3 = 1 + (e ) + (e ) + (e ) + Das st ene (unendlche) geometrsche Rehe der Form S = a0x k= 0 k Für x < 1 konvergert de Rehe zum endlchen Summenwert k 1 S = a0x = a0 1 x k= 0 32
33 Annahme: exp(-βε) < 1 1 Z =. 1 e βε Berechnung ener Zustandssumme Mt Gl. (3.24b) kann man nun de Besetzungszahlen N j bzw. de Besetzungswahrschenlchketen p j als Funkton von Z und ε j ausrechnen: βε j Ne βε N j = = N ( 1 e ) e Z N βε = = ( ) N j βε pj 1 e e j βε j 33
34 Besetzungswahrschenlchketen vs. Energewerte Aus Ref.5. 34
35 Statstsche Deutung des 1. H.S. der Thermodynamk du = PdV + TdS du = p dε + εdp Änderung der p durch Wärmeübertrag Änderung der ε durch Volumenänderung Vgl. Telchen m Kasten E 2 2 nh n = 2 8mL Aus Ref.5. 35
36 Energetsche Entartung Bespel: 4 unterschedbare Telchen (N = 4) 2 Energezustände ε 1 und ε 2 Entartung: g 1 = 3, g 2 = 1 Zahl der Anordnungsmöglchketen: N(j) g (N ) N! (3.45) N(j)! Ωj Ω j,n = Resultat: Gesamtzahl der Anordnungsmöglchketen: ges Ω = Ω = 5 j1 = j 256 Aus Ref.8. 36
37 Wahrschenlchste Vertelung entarteter Energezustände Maxwell-Boltzmann-Vertelung (klasssche, unterschedbare Telchen) Abletung: g Ω Ω = N(N ) N! (3.46) N! N Realserungsmöglchketen (= Zahl der Mkrozustände) der wahrschenlchsten Konfguraton (Vertelung) N ln Ω= ln N! + ln g ln N! = ln N! + N ln g ln N! (3.47) Strlng-Näherung: ln Ω= N ln N N + N ln g N ln N N (3.48) = N 37
38 Daraus folgt: Ω= + ln N ln N N ln. (3.49) N g Um de Randbedngungen N = N (3.15) und N ε = E (3.16) Zu berückschtgen wrd statt lnω de Funkton F maxmert: F= lnω+γ N N +β E Nε = g = N ln N + N ln +γ N N +β E N ε. (3.50) N 38
39 g F = N ln N + N ln +γ N N +β E N ε. (3.50) N Es werden de Abletungen von F nach den N gebldet; dabe fallen alle Terme Weg, welche N ncht enthalten. De Abletungen F N werden zu Null gesetzt: F N ( )! = ln g + ln N + 1+γ+βε = 0. (3.51) Auflösen nach N : ln N = ln g 1 γ βε βε N = g e e = g α e. (3.52) (1 +γ) βε α Summaton über alle N lefert: (3.15) βε N =α g e = N. (3.53) 39
40 (3.15) βε N =α g e = N. (3.53) Auflösen von (3.53) nach α ergbt: α= N g e βε. (3.54) Ensetzen n (3.52) resultert n (3.52) (3.54) Ng g βε N = g α e =. (3.55) βε e e βε Umformen und de Identfkaton von β =1 kbt führt zur Maxwell-Boltzmann- Vertelung für entartete Energenveaus: kbt ε kbt ε kbt wobe Z= N g e g e g e ε = =, (3.55) ε kbt N g e Z = Zustandssumme für entartete Energenveaus. 40
41 Unterschebarket vs. Nchtunterschedbarket von Telchen Enfluss auf de Berechnung der Systemzustandssumme Z Bsp.: 2 Telchen (N=2) vertelt auf 3 Quantenzustände (QZ=3; ψ 1, ψ 2, ψ 3 ) mt entarteter Energe; unterschedbar: QZ N = 9 möglche Systemzustände Unterschedbar Nchtunterschedbar Ψ 1 =ψ 1(1) +ψ1(2) Ψ 2 =ψ 2(1) +ψ1(2) Ψ 3 =ψ 3(1) +ψ1(2) Ψ 4 =ψ 1(1) +ψ2(2) Ψ2 Ψ 5 =ψ 2(1) +ψ2(2) Ψ 6 =ψ 3(1) +ψ2(2) Ψ 7 =ψ 1(1) +ψ3(2) Ψ3 Ψ 8 =ψ 2(1) +ψ3(2) Ψ6 Ψ =ψ (1) +ψ (2) Systemzustände Telchenzustände Be Nchtunterschebarket der Telchen dürfen de Energen der Zustände 4, 7, und 8 E 4, E 7 und E 8 be der Berechung vom Z ncht mtgezählt werden, da se kene neuen Mkrozustände darstellen. Korrekturfaktor 1/N! N Zd.Krstall = Q (4.24a) 1 N! N Zd.Gas = Q (4.24b) 41
42 Abbldungsnachwes 1. Skrpt Physkalsche, Cheme II, P. Gräber, Un Freburg, WS 2010/ Physcal Chemstry, Walter J. Moore, Longman, London, Statstcal Mechancs, D. A. McQuarre, Harper&Row, Vorlesungsfolen PC4, S. Weber, Un Freburg, Jul Lehrbuch der Physkalschen Cheme, G. Wedler, H.J. Freund, 6. Aufl., Wley, Skrpt Physkalsche, Cheme IV Statstk, P. Gräber, Un Freburg, SS Lecture Notes PC4, S. Weber, Un Freburg, Jul
10 Einführung in die Statistische Physik
10 Enführung n de Statstsche Physk More s dfferent! P.W. Anderson, Nobelpres 1977 10.1 Prolegomena Technsch gesehen st de Rolle der Statstschen Mechank der Glechgewchtssysteme, ausgehend von unseren Kenntnsse
MehrAbbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)).
44 n n F F a) b) Abbldung 3.: Besetzungszahlen enes Fermgases m Grundzustand (a)) und für ene angeregte Konfguraton (b)). 3.3 Ferm Drac Statstk In desem Abschntt wollen wr de thermodynamschen Egenschaften
Mehr2 Zufallsvariable und Verteilungen
Zufallsvarable und Vertelungen 7 Zufallsvarable und Vertelungen Wr wollen uns jetzt mt Zufallsexpermenten beschäftgen, deren Ausgänge durch (reelle) Zahlen beschreben werden können, oder be denen man jedem
MehrTemperaturabhängigkeit der Beweglichkeit
Temperaturabhänggket der Beweglchket De Beweglchket nmmt mt zunehmender Temperatur ab! Streuung mt dem Gtter! Feldabhänggket der Beweglchket Für sehr hohe Feldstärken nmmt de Beweglchket n GaAs ab! Feldabhänggket
MehrWahrscheinlichkeit. Für die Berechnung von Wahrscheinlichkeitsproblemen gelten einige Axiome.
Wahrschenlchket Wahrschenlchket De Axome der Wahrschenlchketsrechnung Zwschen der Anzahl bestmmter Eregnsse, de durch ene gewsse Zufallsvarable gekennzechnet snd, und der Wahrschenlchket für hr Entreten
Mehr14 Exakte Statistik nichtwechselwirkender Teilchen
Woche 4 Exakte Statstk nchtwechselwrkender Telchen 4 Bose-Ensten Statstk Engeführt von Satyendra ath Bose 924) für Photonen von A Ensten für massve Telchen 925) Voraussetzung: Bosonen Telchen mt ganzzahlgen
Mehrz.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel!
Aufgabe : Vorbemerkung: Ene Zufallsvarable st ene endeutge Funkton bzw. ene Abbldungsvorschrft, de angbt, auf welche Art aus enem Elementareregns ene reelle Zahl gewonnen wrd. x 4 (, ) z.b. Münzwurf: Kopf
MehrEinführung in die theoretische Physik 1
Enführung n de theoretsche hysk 1 rof. Dr. L. Mathey Denstag 15:45 16:45 und Donnerstag 10:45 12:00 Begnn: 23.10.12 Jungus 9, Hörs 2 Mathey Enführung n de theor. hysk 1 1 Grundhypothese der Thermostatk
MehrCourse Dec 15, Statistische Mechanik plus. Course Hartmut Ruhl, LMU, Munich. People involved. Rationale
Dec 15, 2016 ASC, room A 238, phone 089-21804210, emal hartmut.ruhl@lmu.de Patrc Böhl, ASC, room A205, phone 089-21804640, emal patrc.boehl@phys.un-muenchen.de. Dsusson der Besetzungszahldarstellungen
MehrÜbungen zur Vorlesung Physikalische Chemie 1 (B. Sc.) Lösungsvorschlag zu Blatt 2
Übungen zur Vorlesung Physkalsche Chee 1 B. Sc.) Lösungsorschlag zu Blatt Prof. Dr. Norbert Happ Jens Träger Soerseester 7. 4. 7 Aufgabe 1 a) Aus den tabellerten Werten ergbt sch folgendes Dagra. Btte
MehrArbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2
ETH Arbetsgruppe Radocheme Radochemsches Praktkum P 06 Enführung n de Statstk INHALTSVERZEICHNIS Sete 1. Zählung von radoaktven Zerfällen und Statstk 2 2. Mttelwert und Varanz 2 3. Momente ener Vertelung
MehrWerkstoffmechanik SS11 Baither/Schmitz. 5. Vorlesung
Werkstoffmechank SS11 Bather/Schmtz 5. Vorlesung 0.05.011 4. Mkroskopsche Ursachen der Elastztät 4.1 Energeelastztät wrd bestmmt durch de Wechselwrkungspotentale zwschen den Atomen, oft schon auf der Bass
MehrÜbungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen
Übungsklausur Wahrschenlchket und Regresson De Lösungen. Welche der folgenden Aussagen treffen auf en Zufallsexperment zu? a) En Zufallsexperment st en emprsches Phänomen, das n stochastschen Modellen
MehrVerteilungen eindimensionaler diskreter Zufallsvariablen
Vertelungen endmensonaler dskreter Zufallsvarablen Enführung Dskrete Vertelungen Dskrete Glechvertelung Bernoull-Vertelung Bnomalvertelung Bblografe: Prof. Dr. Kück Unverstät Rostock Statstk, Vorlesungsskrpt,
MehrDie Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung
am Bespel enes Modells der chadenverscherung Für das Modell ener chadenverscherung se gegeben: s w s. n 4 chaden enes Verscherungsnehmers, wenn der chadenfall entrtt Wahrschenlchket dafür, dass der chadenfall
MehrBeschreibende Statistik Mittelwert
Beschrebende Statstk Mttelwert Unter dem arthmetschen Mttel (Mttelwert) x von n Zahlen verstehen wr: x = n = x = n (x +x +...+x n ) Desen Mttelwert untersuchen wr etwas genauer.. Zege für n = 3: (x x )
MehrAsymptotische Stochastik (SS 2010) Übungsblatt 1 P X. 0, n.
Insttut für Stochastk PD. Dr. Deter Kadelka Danel Gentner Asymptotsche Stochastk (SS 2) Übungsblatt Aufgabe (Arten von Konvergenz reeller Zufallsvarablen und deren Zusammenhänge) Es seen X,, n N reelle
Mehrwird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:
Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab
Mehr3.6 Molekulare Dynamik
3.6 Molekulare Dynamk In den letzten 5 Jahrzehnten wurden drekte numersche Smulatonen zur statstschen Auswertung von Veltelchensystemen mmer wchtger. So lassen sch Phasenübergänge, aber auch makroskopsche
MehrFür jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich
Drtter Hauptsatz der Thermodynamk Rückblck auf vorherge Vorlesung Methoden zur Erzeugung tefer Temperaturen: - umgekehrt laufende WKM (Wärmepumpe) - Joule-Thomson Effekt bs 4 K - Verdampfen von flüssgem
MehrStatistische Physik, G. Schön, Karlsruher Institut für Technologie (Universität) 71
Statstsche Physk, G Schön, Karlsruher Insttut für echnologe (Unverstät) 7 5 Ideale Gase 5 Das (Maxwell -) Boltzmann-Gas Als deales Gas bezechnet man en System ncht-wechselwrkender elchen, de aber dennoch
MehrStatistische Thermodynamik
Statstsche Thermodynamk Prof. Dr. W.S. Veeman Inhalt Theore I. A. Enletung B. Molekular-Dynamk Berechnungen II. III. IV. De Energenveaus der Moleküle Moleküle ohne Wechselwrkung A. Vertelungen B. De wahrschenlchste
MehrStochastische Prozesse
INSTITUT FÜR STOCHASTIK SS 009 UNIVERSITÄT KARLSRUHE Blatt 4 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 16: (Success Run, Fortsetzung)
Mehr-70- Anhang: -Lineare Regression-
-70- Anhang: -Lneare Regressn- Für ene Messgröße y f(x) gelte flgender mathematsche Zusammenhang: y a+ b x () In der Regel läßt sch durch enen Satz vn Messwerten (x, y ) aber kene Gerade zechnen, da de
MehrProseminar Theoretische Physik und Astroteilchenphysik
Prosemnar Theoretsche Physk und Astrotelchenphysk Thermodynamsches Glechgewcht Ferm- und Bose Gase Hennng Wenck . Entrope Um thermodynamsche Prozesse zu beschreben muss man zunächst den Begrff der Entrope
Mehr29 zweite Ableitungen der thermodynamischen Potentiale spezifische Wärme (thermischer response) E = = = T V N V N V N = = κ T.
hermodynamsche resonse -unktonen: 9 zwete Abletungen der thermodynamschen Potentale sezfsche Wärme (thermscher resonse) E C S be konstantem olumen (sochor):,,, be konstantem Druck (sobar): C S Komressbltät
MehrGrundpraktikum Physikalische Chemie V 1. Gaskinetische Definition der Temperatur - Geschwindigkeitsverteilung in einem zweidimensionalen Modellsystem
Grundpraktkum Physkalsche Cheme V Gasknetsche Defnton der Temperatur - Geschwndgketsertelung n enem zwedmensonalen Modellsystem Kurzbeschrebung Deser Versuch soll erdeutlchen, we de für uns selbsterständlche
MehrDaten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.
Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve
MehrProf. Dr. Roland Füss Statistik II SS 2008
5. Spezelle Testverfahren Zahlreche parametrsche und nchtparametrsche Testverfahren, de nach Testvertelung (Bnomal, t-test etc.), Analysezel (Anpassungs- und Unabhänggketstest) oder Konstrukton der Prüfgröße
MehrAspekte zur Approximation von Quadratwurzeln
Aspete zur Approxmaton von Quadratwurzeln Intervallschachtelung Intervallhalberungsverfahren Heron-Verfahren Rechnersche und anschaulche Herletung Zusammenhang mt Newtonverfahren Monotone und Beschränthet
Mehr2. Grundbegriffe der Statistik
Statstsche Physk, G. Schön, Karlsruher Insttut für Technologe (Unverstät) 3. Grundbegrffe der Statstk.1 Elementare Begrffe Im Folgenden betrachten wr ene oder mehrere stochastsche Varablen X oder auch
Mehr2πσ. e ax2 dx = x exp. 2πσ. 2σ 2. Die Varianz ergibt sich mit Hilfe eines weiteren bestimmten Integrals: x 2 e ax2 dx = 1 π.
2.5. NORMALVERTEILUNG 27 2.5 Normalvertelung De n der Statstk am häufgsten benutzte Vertelung st de Gauss- oder Normalvertelung. Wr haben berets gesehen, dass dese Vertelung aus den Bnomal- und Posson-Vertelungen
MehrBeschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression
Beschrebung des Zusammenhangs zweer metrscher Merkmale Streudagramme Korrelatonskoeffzenten Regresson Alter und Gewcht be Kndern bs 36 Monaten Knd Monate Gewcht 9 9 5 8 3 4 7.5 4 3 6 5 3 6 4 3.5 7 35 5
MehrÜbung zur Vorlesung - Theorien Psychometrischer Tests II
Übung zur Vorlesung - Theoren Psychometrscher Tests II N. Rose 9. Übung (15.01.2009) Agenda Agenda 3-parametrsches logstsches Modell nach Brnbaum Lnkfunktonen 3PL-Modell nach Brnbaum Modellglechung ( =
MehrStreuungs-, Schiefe und Wölbungsmaße
aptel IV Streuungs-, Schefe und Wölbungsmaße B... Lagemaße von äufgketsvertelungen geben allen weng Auskunft über ene äufgketsvertelung. Se beschreben zwar en Zentrum deser Vertelung, geben aber kenen
MehrLehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007
Lehrstuhl für Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen
MehrRegressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n
Regressonsgerade x x x x 3... x n y y y y 3... y n Bem Auswerten von Messrehen wrd häufg ene durch theoretsche Überlegungen nahegelegte lneare Bezehung zwschen den x- und y- Werten gesucht, d.h. ene Gerade
Mehr(2) i = 0) in Abhängigkeit des Zeitunterschieds x ZeitBus ZeitAuto für seinen Arbeitsweg.) i = 1) oder Bus ( y
5. Probt-Modelle Ökonometre II - Peter Stalder "Bnar Choce"-Modelle - Der Probt-Ansatz Ene ncht drekt beobachtbare stochastsche Varable hängt von x ab: x u 2 u ~ N(0, ( Beobachtet wrd ene bnäre Varable
Mehr6. Modelle mit binären abhängigen Variablen
6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch
Mehr1 Definition und Grundbegriffe
1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:
MehrNoethertheorem. 30. Januar 2012
Noethertheorem 30. Januar 2012 1 Inhaltsverzechns 1 Symmetre 3 1.1 Symmetre n der Geometre................... 3 1.2 Symmetre n der Mathematk.................. 3 1.3 Symmetre n der Physk.....................
MehrNSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.
PV - Hausaugabe Nr. 7.. Berechnen Se eakt und verglechen Se de Werte ür de Nullstelle, de mttels dem Verahren von Newton, der Regula als und ener Mttelung zu erhalten snd von der! Funkton: ( ) Lösungs
MehrProf. Dr. P. Kischka WS 2012/13 Lehrstuhl für Wirtschafts- und Sozialstatistik. Klausur Statistische Inferenz
Prof. Dr. P. Kschka WS 2012/13 Lehrstuhl für Wrtschafts- und Sozalstatstk Klausur Statstsche Inferenz 15.02.2013 Name: Matrkelnummer: Studengang: Aufgabe 1 2 3 4 5 6 7 8 Summe Punkte 6 5 5 5 5 4 4 6 40
MehrI)1. Kinematik. EP WS 2009/10 Dünnweber/Faessler
I)1. Knematk I) Mechank 1.Knematk (Bewegung) 2. Dynamk on Massenpunkten (Enfluss on Kräften) 3. Starre Körper 4.Deformerbare Meden 5. Schwngungen, Wellen, Akustk I)1. Knematk Bewegungslehre (Zel: Quanttate
MehrModul 1: Einführung und Wahrscheinlichkeitsrechnung
Modul : Enführung und Wahrschenlchketsrechnung Informatonstheore Dozent: Prof. Dr. M. Gross E-mal: grossm@nf.ethz.ch Assstenten: Danel Cottng, Rchard Keser, Martn Wcke, Cyrl Flag, Andrea Francke, Jonas
MehrStochastische Prozesse
INSTITUT FÜR STOCHASTIK SS 2009 UNIVERSITÄT KARLSRUHE Blatt 2 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 7: (B. Fredmans Urnenmodell)
MehrNernstscher Verteilungssatz
Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.
MehrKapitel 5. Symmetrien und Erhaltungsgrößen. 5.1 Symmetrietransformationen
Kaptel 5 Symmetren un Erhaltungsgrößen 5.1 Symmetretransformatonen Betrachte en mechansches System mt en Koornaten q 1,... q f un er Lagrangefunkton L(q 1,... q f, q 1,... q f, t). Nun soll ene Transformaton
MehrDie hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x)
ZZ Lösung zu Aufgabe : Ch²-Test Häufg wrd be der Bearbetung statstscher Daten ene bestmmte Vertelung vorausgesetzt. Um zu überprüfen ob de Daten tatsächlch der Vertelung entsprechen, wrd en durchgeführt.
MehrTeil E: Qualitative abhängige Variable in Regressionsmodellen
Tel E: Qualtatve abhängge Varable n Regressonsmodellen 1. Qualtatve abhängge Varable Grundlegendes Problem: In velen Fällen st de abhängge Varable nur über enen bestmmten Werteberech beobachtbar. Bsp.
MehrUniversität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Bayessches Lernen
Unverstät Potsdam Insttut für Informatk Lehrstuhl Maschnelles Lernen Bayessches Lernen Chrstoph Sawade/Nels Landwehr Jules Rasetaharson Tobas Scheffer Überblck Wahrschenlchketen, Erwartungswerte, Varanz
MehrEine kurze Einführung in die Dichtefunktionaltheorie (DFT)
Ene kurze Enführung n de Dchtefunktonaltheore (DFT) Mchael Martns Lteratur: W. Koch, M.C. Holthausen A Chemst s Gude to Densty Functonal Theory Wley-VCH 2001 Dchtefunktonaltheore p.1 Enletung Im Falle
MehrKonkave und Konvexe Funktionen
Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage
MehrPhysikalische Chemie II (PCII) Thermodynamik/Elektrochemie Vorlesung und Übung (LSF# & LSF#101277) - SWS: SoSe 2013
Physkalsche Cheme II (PCII) Thermodynamk/Elektrocheme Vorlesung und Übung (LSF#105129 & LSF#101277) - SWS: 4 + 2 SoSe 2013 Prof. Dr. Petra Tegeder Ruprecht-Karls-Unverstät Hedelberg; Fachberech Cheme,
MehrAuswertung univariater Datenmengen - deskriptiv
Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;
MehrZufallsvariable, Wahrscheinlichkeitsverteilungen und Erwartungswert
R. Brnkmann http://brnkmann-du.de Sete..8 Zufallsvarable, Wahrschenlchketsvertelungen und Erwartungswert Enführungsbespel: Zwe Würfel (en blauer und en grüner) werden 4 mal zusammen geworfen. De Häufgketen
MehrFallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum
Abgabe: Aufgabentext und Lösungen schrftlch bs zum 15. 6. 2012 I. Thema: Zehen mt und ohne Zurücklegen Lesen Se sch zunächst folgenden Text durch! Wr haben bsher Stchprobenzehungen aus Grundgesamtheten
MehrElemente der Mathematik - Sommer 2016
Elemente der Mathematk - Sommer 2016 Prof Dr Matthas Lesch, Regula Krapf Lösungen Übungsblatt 3 Aufgabe 9 (10 Punkte) Das Horner-Schema st ene Methode zum Auswerten enes Polynoms n a0 x an der Stelle s
MehrProtokoll zum Grundversuch Mechanik
Protokoll zum Grundversuch Mechank 3.6. In desem Grundversuch zur Mechank werden dre verschedene Arten von Pendeln untersucht. Das Reversonspendel, das Torsonspendel und gekoppelte Pendel. A. Das Reversonspendel
MehrZulassungsprüfung Stochastik,
Zulassungsprüfung Stochastk, 11.5.13 Wr gehen stets von enem Maßraum (, A, µ) bzw. enem Wahrschenlchketsraum (,A,P) aus. De Borel σ-algebra auf R n wrd mt B n bezechnet, das Lebesgue Maß auf R n wrd mt
MehrErwartungswert, Varianz, Standardabweichung
RS 24.2.2005 Erwartungswert_Varanz_.mcd 4) Erwartungswert Erwartungswert, Varanz, Standardabwechung Be jedem Glücksspel nteresseren den Speler vor allem de Gewnnchancen. 1. Bespel: Setzen auf 1. Dutzend
MehrStandardnormalverteilung / z-transformation
Standardnormalvertelung / -Transformaton Unter den unendlch velen Normalvertelungen gbt es ene Normalvertelung, de sch dadurch ausgeechnet st, dass se enen Erwartungswert von µ 0 und ene Streuung von σ
MehrÜbungen zur Vorlesung Physikalische Chemie 2 (B. Sc.) Lösungsvorschlag zu Blatt 6
Übungen zur Vorlesung Physkalsche Chee B. Sc. ösungsvorschlag zu Blatt 6 Prof. Dr. Norbert Happ Jens Träger Wnterseester 7/8.. 7 Aufgabe De Wellenfunkton des haronschen Oszllators hat de For Ψ v N v H
MehrLineare Regression. Stefan Keppeler. 16. Januar Mathematik I für Biologen, Geowissenschaftler und Geoökologen
Mathematk I für Bologen, Geowssenschaftler und Geoökologen 16. Januar 2012 Problemstellung Bespel Maß für Abwechung Trck Mnmum? Exponentalfunktonen Potenzfunktonen Bespel Problemstellung: Gegeben seen
MehrGrundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt
Mathematsches Insttut der Unverstät München Wntersemester 3/4 Danel Rost Lukas-Faban Moser Grundlagen der Mathematk I Lösungsvorschlag zum. Tutorumsblatt Aufgabe. a De Formel besagt, daß de Summe der umrahmten
Mehr18. Vorlesung Sommersemester
8. Vorlesung Sommersemester Der Drehmpuls des starren Körpers Der Drehmpuls des starren Körpers st etwas komplzerter. Wenn weder de Wnkelgeschwndgket um de feste Rotatonsachse st, so wrd mt Hlfe des doppelten
MehrAn welche Stichwörter von der letzten Vorlesung können Sie sich noch erinnern?
An welche Stchwörter von der letzten Vorlesung können Se sch noch ernnern? Gasgesetz ür deale Gase pv = nr Gelestete Arbet be sotherme Ausdehnung adabatsche Ausdehnung 2 n Reale Gase p + a 2 ( V nb) =
MehrAlternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF
Alternatve Darstellung des -Stchprobentests für Antele DCF CF Total n= 111 11 3 Response 43 6 69 Resp. Rate 0,387 0,3 0,309 Beobachtete Response No Response Total absolut DCF 43 68 111 CF 6 86 11 69 154
MehrFunktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e
Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de
Mehr3 Elastizitätstheorie
3 Elastztätstheore Für en elastsches Medum nmmt man enen spannungsfreen Referenzzustand an, der n Eulerkoordnaten durch x = Ax, t) gegeben st. Abwechungen werden beschreben durch de Verschebung ux, t)
Mehr2. Wahrscheinlichkeitsrechnung
. Grundlagen der Wahrschenlchketsrechnung. Wahrschenlchketsrechnung Der Wahrschenlchketstheore kommt ene wchtge Rolle als Bndegled zwschen der deskrptven und der nduktven Statstk zu. Aufgabe der nduktven
Mehr4.6 Das Pumping-Lemma für reguläre Sprachen:
Theoretsche Informatk 1 Vorlesungsskrpt vom Fretag, 30 Jun 000 Index: Erstellt von: (Matrkelnummer: 70899) Sete : 46 Das Pumpng-Lemma für reguläre Sprachen 1 Satz W 1 Zugrundelegende Idee des Pumpng-Lemma
MehrStatistische Mechanik für Lehramtsstudierende
Statstsche Mechank für Lehramtsstuderende Thomas Flk Skrpt zur Vorlesung Fortgeschrttene Theoretsche Physk für Lehramtsstuderende Sommersemester 2012 / 2013 / 2014 / 2015 (Verson vom 6. 7. 2015) 2 Vorwort
MehrGrundgedanke der Regressionsanalyse
Grundgedanke der Regressonsanalse Bsher wurden durch Koeffzenten de Stärke von Zusammenhängen beschreben Mt der Regressonsrechnung können für ntervallskalerte Varablen darüber hnaus Modelle geschätzt werden
MehrMehrfachregression: Einfluss mehrerer Merkmale auf ein metrisches Merkmal. Designmatrix Bestimmtheitsmaß F-Test T-Test für einzelne Regressoren
Mehrfachregresson: Enfluss mehrerer Merkmale auf en metrsches Merkmal Desgnmatrx Bestmmthetsmaß F-Test T-Test für enzelne Regressoren Mehrfachregresson Bvarat: x b b y + = 0 ˆ k k x b x b x b b y + + +
MehrINTELLIGENTE DATENANALYSE IN MATLAB. Mathematische Grundlagen
INTELLIGENTE DATENANALYSE IN MATLAB Mathematsche Grundlagen Überblck Lneare Algebra: Vektoren, Matrzen, Analyss & Optmerung: Dstanzen, konvexe Funktonen, Lagrange-Ansatz, Stochastk: Wahrschenlchketstheore,
MehrFlußnetzwerke - Strukturbildung in der natürlichen Umwelt -
Flußnetzwerke - Strukturbldung n der natürlchen Umwelt - Volkhard Nordmeer, Claus Zeger und Hans Joachm Schlchtng Unverstät - Gesamthochschule Essen Das wohl bekannteste und größte exsterende natürlche
MehrWährend der Zeit dt fließe durch den Querschnitt eines Leiters die Ladung dq es herrscht die Stromstärke
Elektrztätslehre Glechstrom 26. Glechstrom 26.. Stromstärke Während der Zet dt fleße durch den Querschntt enes Leters de Ladung dq es herrscht de Stromstärke dq dt () Maßenhet: As C [ ] A S s s De Maßenhet
MehrV6 Abrundung des ersten Vorlesungsteils
V6 Abrundung des ersten Vorlesungstels Programm heute: Berechnung von Egenschaften des Systems aus MD-Smulatonen Wassermodelle und H-Brücken Zustandssumme (Wdh.) Ensembles (Wdh.) Umbrella Potental-Smulatonen
MehrAufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):
LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete
MehrExperimentalphysik II (Kip SS 2007)
permentalphsk II (Kp SS 007) Zusatvorlesungen: Z-1 n- und mehrdmensonale Integraton Z- Gradent, Dvergen und Rotaton Z-3 Gaußscher und Stokesscher Integralsat Z-4 Kontnutätsglechung Z-5 lektromagnetsche
MehrAnalysis I. Vorlesung 17. Logarithmen. R R, x exp x,
Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analyss I Vorlesung 17 Logarthmen Satz 17.1. De reelle Exponentalfunkton R R, x exp x, st stetg und stftet ene Bjekton zwschen R und R +. Bewes. De Stetgket
MehrKapitel 2: Klassifikation. Maschinelles Lernen und Neural Computation
Kaptel 2: Klassfkaton Maschnelles Lernen und Neural Computaton 28 En enfacher Fall En Feature, Hstogramme für bede Klassen (z.b. Glukosewert, Dabetes a/nen) Kene perfekte Trennung möglch Entschedung: Schwellwert
Mehr5.3.3 Relaxationsverfahren: das SOR-Verfahren
53 Iteratve Lösungsverfahren für lneare Glechungssysteme 533 Relaxatonsverfahren: das SOR-Verfahren Das vorangehende Bespel zegt, dass Jacob- sowe Gauß-Sedel-Verfahren sehr langsam konvergeren Für de Modellmatrx
Mehr1. Klausur in "Technischer Thermodynamik I" (WiSe2013/14, ) - VERSION 1 -
UNIVERSITÄT STUTTGART INSTITUT FÜR THERMODYNAMIK UND WÄRMETECHNIK Apl. Professor Dr.-Ing. K. Spndler 1. Klausur n "Technscher Thermodynamk I" (WSe2013/14, 12.12.2013) - VERSION 1 - Name: Fachr.: Matr.-Nr.:
MehrStatistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler, Eidgenössische Technische Hochschule, ETH Zürich. 1. Teilprüfung FS 2008.
Dr. Jochen Köhler, Edgenösssche Technsche Hochschule, ETH Zürch. Telprüfung Statstk und Wahrschenlchketsrechnung FS 2008 Lösungen Dr. J. Köhler ETH Zürch Donnerstag 0. Aprl 2008 08:5 09:45 0BTel : Multple
MehrKapitel 7: Ensemble Methoden. Maschinelles Lernen und Neural Computation
Kaptel 7: Ensemble Methoden 133 Komtees Mehrere Netze haben bessere Performanz als enzelne Enfachstes Bespel: Komtee von Netzen aus der n-fachen Kreuzvalderung (verrngert Varanz) De Computatonal Learnng
MehrÜbung zu Erwartungswert und Standardabweichung
Aufgabe Übung zu Erwartungswert und Standardabwechung In ener Lottere gewnnen 5 % der Lose 5, 0 % der Lose 0 und 5 % der Lose. En Los kostet 2,50. a)berechnen Se den Erwartungswert für den Gewnn! b)der
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Menhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzet nach Verenbarung und nach der Vorlesung. Mathematsche und statstsche Methoden II Dr. Malte Perske perske@un-manz.de
MehrDas zum dualen Problem (10.2) gehörige Barriere-Problem lautet analog
60 Kaptel 2. Lneare Optmerung 10 Innere-Punkte-Verfahren Lteratur: Geger, Kanzow, 2002, Kaptel 4.1 Innere-Punkte-Verfahren (IP-Verfahren) oder nteror pont methods bewegen sch m Gegensatz zum Smplex-Verfahren
MehrKapitel 8: Kernel-Methoden. Maschinelles Lernen und Neural Computation
Kaptel 8: Kernel-Methoden SS 009 Maschnelles Lernen und Neural Computaton 50 Ausgangsbass: Perceptron Learnng Rule Δw y = Kf = 0Ksonst K"target" = Kf Rosenblatt (96) Input wrd dazugezählt (abgezogen),
MehrV6 Abrundung des ersten Vorlesungsteils
V6 Abrundung des ersten Vorlesungstels Programm heute: Berechnung von Egenschaften des Systems aus MD-Smulatonen Wassermodelle und H-Brücken Zustandssumme (Wdh.) Ensembles (Wdh.) Umbrella Potental-Smulatonen
MehrEinführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung. Übersicht. Wahrscheinlichkeitsrechnung. bedinge Wahrscheinlichkeit
Enführung n de bednge Wahrschenlchket Laplace-Wahrschenlchket p 0.56??? Zufallsexperment Randwahrschenlchket Überscht Was st Wahrschenlchket? Rechenregeln Der Multplkatonssatz Axomatsche Herletung Unabhänggket
Mehr6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen
196 6.5. Rückgewnnung des Zetvorgangs: Rolle der Pole und Nullstellen We n 6.2. und 6.. gezegt wurde, st de Übertragungsfunkton G( enes lnearen zetnvaranten Systems mt n unabhänggen Spechern ene gebrochen
MehrHydrosystemanalyse: Finite-Elemente-Methode (FEM)
Hydrosystemanalyse: Prof. Dr.-Ing. habl. Olaf Koldtz 1 Helmholtz Centre for Envronmental Research UFZ, Lepzg 2 Technsche Unverstät Dresden TUD, Dresden Dresden, 03. Jul 2015 1/31 Prof. Dr.-Ing. habl. Olaf
MehrLineare Regression - Mathematische Grundlagen
FKULTÄT FÜR MTHEMTIK U TURWISSESCHFTE ISTITUT FÜR PHYSIK FCHGEBIET EXPERIMETLPHYSIK I r. rer. nat. orbert Sten, pl.-ing (FH) Helmut Barth Lneare Regresson - Mathematsche Grundlagen. llgemene Gerade Wr
Mehr( ) γ. (t 1 ) (t 2 ) = Arg γ 2(t 2 )
Funktonentheore, Woche 10 Bholomorphe Abbldungen 10.1 Konform und bholomorph Ene konforme Abbldung erhält Wnkel und Orenterung. Damt st folgendes gement: Wenn sch zwe Kurven schneden, dann schneden sch
MehrItemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i
Itemanalyse und Itemkennwerte De Methoden der Analyse der Itemegenschaften st ncht m engeren Snne Bestandtel der Klassschen Testtheore Im Rahmen ener auf der KTT baserenden Testkonstrukton und -revson
MehrHausübung 1 Lösungsvorschlag
Hydrologe und Wasserwrtschaft Hausübung Lösungsvorschlag NIDRSCHLAG Hnwes: Be dem vorlegenden Dokument handelt es sch ledglch um enen Lösungsvorschlag und ncht um ene Musterlösung. s besteht ken Anspruch
Mehr