PC4 Statistische Thermodynamik

Größe: px
Ab Seite anzeigen:

Download "PC4 Statistische Thermodynamik"

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 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

Mehr

Abbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)).

Abbildung 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

Mehr

2 Zufallsvariable und Verteilungen

2 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

Mehr

Temperaturabhängigkeit der Beweglichkeit

Temperaturabhängigkeit 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

Mehr

Wahrscheinlichkeit. Für die Berechnung von Wahrscheinlichkeitsproblemen gelten einige Axiome.

Wahrscheinlichkeit. 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

Mehr

14 Exakte Statistik nichtwechselwirkender Teilchen

14 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

Mehr

z.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!

z.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

Mehr

Einführung in die theoretische Physik 1

Einführung 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

Mehr

Course Dec 15, Statistische Mechanik plus. Course Hartmut Ruhl, LMU, Munich. People involved. Rationale

Course 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

Mehr

Übungen zur Vorlesung Physikalische Chemie 1 (B. Sc.) Lösungsvorschlag zu Blatt 2

Übungen 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

Mehr

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2

Arbeitsgruppe 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

Mehr

Werkstoffmechanik SS11 Baither/Schmitz. 5. Vorlesung

Werkstoffmechanik 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

Mehr

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen

Übungsklausur 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

Mehr

Verteilungen eindimensionaler diskreter Zufallsvariablen

Verteilungen eindimensionaler diskreter Zufallsvariablen Vertelungen endmensonaler dskreter Zufallsvarablen Enführung Dskrete Vertelungen Dskrete Glechvertelung Bernoull-Vertelung Bnomalvertelung Bblografe: Prof. Dr. Kück Unverstät Rostock Statstk, Vorlesungsskrpt,

Mehr

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung

Die 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

Mehr

Beschreibende Statistik Mittelwert

Beschreibende 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 )

Mehr

Asymptotische Stochastik (SS 2010) Übungsblatt 1 P X. 0, n.

Asymptotische 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

Mehr

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:

wird 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

Mehr

3.6 Molekulare Dynamik

3.6 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

Mehr

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich

Für 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

Mehr

Statistische Physik, G. Schön, Karlsruher Institut für Technologie (Universität) 71

Statistische 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

Mehr

Statistische Thermodynamik

Statistische 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

Mehr

Stochastische Prozesse

Stochastische 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: -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

Mehr

Proseminar Theoretische Physik und Astroteilchenphysik

Proseminar 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

Mehr

29 zweite Ableitungen der thermodynamischen Potentiale spezifische Wärme (thermischer response) E = = = T V N V N V N = = κ T.

29 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

Mehr

Grundpraktikum Physikalische Chemie V 1. Gaskinetische Definition der Temperatur - Geschwindigkeitsverteilung in einem zweidimensionalen Modellsystem

Grundpraktikum 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

Mehr

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.

Daten 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

Mehr

Prof. Dr. Roland Füss Statistik II SS 2008

Prof. 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

Mehr

Aspekte zur Approximation von Quadratwurzeln

Aspekte zur Approximation von Quadratwurzeln Aspete zur Approxmaton von Quadratwurzeln Intervallschachtelung Intervallhalberungsverfahren Heron-Verfahren Rechnersche und anschaulche Herletung Zusammenhang mt Newtonverfahren Monotone und Beschränthet

Mehr

2. Grundbegriffe der Statistik

2. 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

Mehr

2πσ. 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.

2πσ. 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

Mehr

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression

Beschreibung 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

Mehr

Übung zur Vorlesung - Theorien Psychometrischer Tests II

Übung 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 ( =

Mehr

Streuungs-, Schiefe und Wölbungsmaße

Streuungs-, 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

Mehr

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Lehrstuhl 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

Mehr

Regressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n

Regressionsgerade. 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

(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

Mehr

6. Modelle mit binären abhängigen Variablen

6. 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

Mehr

1 Definition und Grundbegriffe

1 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:

Mehr

Noethertheorem. 30. Januar 2012

Noethertheorem. 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.....................

Mehr

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.

NSt. 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

Mehr

Prof. Dr. P. Kischka WS 2012/13 Lehrstuhl für Wirtschafts- und Sozialstatistik. Klausur Statistische Inferenz

Prof. 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

Mehr

I)1. Kinematik. EP WS 2009/10 Dünnweber/Faessler

I)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

Mehr

Modul 1: Einführung und Wahrscheinlichkeitsrechnung

Modul 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

Mehr

Stochastische Prozesse

Stochastische 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)

Mehr

Nernstscher Verteilungssatz

Nernstscher Verteilungssatz Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.

Mehr

Kapitel 5. Symmetrien und Erhaltungsgrößen. 5.1 Symmetrietransformationen

Kapitel 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

Mehr

Die hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x)

Die 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.

Mehr

Teil E: Qualitative abhängige Variable in Regressionsmodellen

Teil 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.

Mehr

Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Bayessches Lernen

Universität 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

Mehr

Eine kurze Einführung in die Dichtefunktionaltheorie (DFT)

Eine 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

Mehr

Konkave und Konvexe Funktionen

Konkave 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

Mehr

Physikalische Chemie II (PCII) Thermodynamik/Elektrochemie Vorlesung und Übung (LSF# & LSF#101277) - SWS: SoSe 2013

Physikalische 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,

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung 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;

Mehr

Zufallsvariable, Wahrscheinlichkeitsverteilungen und Erwartungswert

Zufallsvariable, 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

Mehr

Fallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum

Fallstudie 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

Mehr

Elemente der Mathematik - Sommer 2016

Elemente 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

Mehr

Protokoll zum Grundversuch Mechanik

Protokoll 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

Mehr

Zulassungsprüfung Stochastik,

Zulassungsprüfung 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

Mehr

Erwartungswert, Varianz, Standardabweichung

Erwartungswert, 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

Mehr

Standardnormalverteilung / z-transformation

Standardnormalverteilung / 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

Mehr

Übungen zur Vorlesung Physikalische Chemie 2 (B. Sc.) Lösungsvorschlag zu Blatt 6

Übungen 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

Mehr

Lineare Regression. Stefan Keppeler. 16. Januar Mathematik I für Biologen, Geowissenschaftler und Geoökologen

Lineare 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

Mehr

Grundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt

Grundlagen 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

Mehr

18. Vorlesung Sommersemester

18. 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

Mehr

An welche Stichwörter von der letzten Vorlesung können Sie sich noch erinnern?

An 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) =

Mehr

Alternative Darstellung des 2-Stichprobentests für Anteile. Beobachtete Response No Response Total absolut DCF CF

Alternative 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

Mehr

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e

Funktionsgleichungen 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

Mehr

3 Elastizitätstheorie

3 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)

Mehr

2. Wahrscheinlichkeitsrechnung

2. Wahrscheinlichkeitsrechnung . Grundlagen der Wahrschenlchketsrechnung. Wahrschenlchketsrechnung Der Wahrschenlchketstheore kommt ene wchtge Rolle als Bndegled zwschen der deskrptven und der nduktven Statstk zu. Aufgabe der nduktven

Mehr

4.6 Das Pumping-Lemma für reguläre Sprachen:

4.6 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

Mehr

Statistische Mechanik für Lehramtsstudierende

Statistische 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

Mehr

Grundgedanke der Regressionsanalyse

Grundgedanke 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

Mehr

Mehrfachregression: Einfluss mehrerer Merkmale auf ein metrisches Merkmal. Designmatrix Bestimmtheitsmaß F-Test T-Test für einzelne Regressoren

Mehrfachregression: 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 + + +

Mehr

INTELLIGENTE DATENANALYSE IN MATLAB. Mathematische Grundlagen

INTELLIGENTE 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,

Mehr

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt -

Flußnetzwerke - 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

Mehr

Während der Zeit dt fließe durch den Querschnitt eines Leiters die Ladung dq es herrscht die Stromstärke

Während 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

Mehr

V6 Abrundung des ersten Vorlesungsteils

V6 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

Mehr

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

Aufgabe 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

Mehr

Experimentalphysik II (Kip SS 2007)

Experimentalphysik 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

Mehr

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x,

Analysis 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

Mehr

Kapitel 2: Klassifikation. Maschinelles Lernen und Neural Computation

Kapitel 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

Mehr

5.3.3 Relaxationsverfahren: das SOR-Verfahren

5.3.3 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

Mehr

1. Klausur in "Technischer Thermodynamik I" (WiSe2013/14, ) - VERSION 1 -

1. 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.:

Mehr

Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler, Eidgenössische Technische Hochschule, ETH Zürich. 1. Teilprüfung FS 2008.

Statistik 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

Mehr

Kapitel 7: Ensemble Methoden. Maschinelles Lernen und Neural Computation

Kapitel 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

Mehr

Übung zu Erwartungswert und Standardabweichung

Übung 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

Mehr

Mathematische und statistische Methoden II

Mathematische 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

Mehr

Das zum dualen Problem (10.2) gehörige Barriere-Problem lautet analog

Das 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

Mehr

Kapitel 8: Kernel-Methoden. Maschinelles Lernen und Neural Computation

Kapitel 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),

Mehr

V6 Abrundung des ersten Vorlesungsteils

V6 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

Mehr

Einführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung. Übersicht. Wahrscheinlichkeitsrechnung. bedinge Wahrscheinlichkeit

Einführung 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

Mehr

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen

6.5. 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

Mehr

Hydrosystemanalyse: Finite-Elemente-Methode (FEM)

Hydrosystemanalyse: 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

Mehr

Lineare Regression - Mathematische Grundlagen

Lineare 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 )

( ) 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

Mehr

Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i

Itemanalyse 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

Mehr

Hausübung 1 Lösungsvorschlag

Hausübung 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