10 Einführung in die Statistische Physik

Größe: px
Ab Seite anzeigen:

Download "10 Einführung in die Statistische Physik"

Transkript

1 10 Enführung n de Statstsche Physk More s dfferent! P.W. Anderson, Nobelpres Prolegomena Technsch gesehen st de Rolle der Statstschen Mechank der Glechgewchtssysteme, ausgehend von unseren Kenntnsse über de physkalschen Systeme veler Telchen (d.h. von hren Hamlton-Operatoren oder -Funktonen), de für de Thermodynamk notwendgen kalorsche und thermschen Zustandsglechungen zu lefern. Da de Thermodynamk sch nur für wenge relevante Zustandsfunktonen (Druck, Temperatur, u.s.w.) nteressert, de allesamt kollektver Natur snd, benutzt de statstsche Physk de vergröberte Beschrebung. Statstsche Physk lefert demnach de Zusammenhänge zwschen den Egenschaften der möglchen Mkrozustände des Systems (mkroskopsches Beschrebungsnveau) und hrer Makrozustände, beschreben durch wenge thermodynamsche Zustandsvarablen. Zusätzlch dazu, snd de Anfangsbedngungen zur entsprechenden Schrödngerglechung oder klassschen Bewegungsglechungen auf mkroskopschen Nveau praktsch unbekannt, so dass de genaue Beschrebung der Evoluton des (Mkro-)Zustandes des Systems ohnehn unmöglch st. Statstsche Physk lefert also beste Rezepte, we man de maxmale relevante Informaton aus nur rudmentären Kenntnssen bekommt, und bedent sch der entsprechenden nformatonstheoretschen Zugänge. De Idee st, de zu erwartende Informaton unter den gegebenen Nebenbedngungen zu maxmeren. Gegeben st ene Schar von Eregnssen ( = 1, 2,...,n) (n Statstscher Physk mt Mkrozuständen dentfzert) mt dazugehörgen Wahrschenlchketen w. De Informatonsfunkton I(w) soll folgende Egenschaften bestzen: Ken Informatonsgewnn bem scheren Eregns: I(1) = 0. Je seltener das Eregns desto größer der Informatonsgewnn: I(w) wächst monoton mt 1/w. Der Informatonsgewnn für unabhängge Eregnsse st addtv: I(w 1 w 2 ) = I(w 1 )I(w 2 ). 1

2 Dese Egenschaften legen I(w) bs auf ene Konstante fest: I(w) = C ln(w). Der Mttelwert der zu Erwartenden Informaton Ī = C w I = C w ln w (Grad der Unkenntns) hat ene Struktur, de der der Mschungsentrope ähnlch st, und hat wahrschenlch etwas mt der Entrope zu tun! Laut dem Gbbs-Jaynes Prnzp wrd S = k w ln w (1) (w Wahrschenlchket des Mkrozustandes ( w = 1) ) als statstsches Gegenstück zur thermodynamschen Entrope ( Entrope-Surrogat ) betrachtet; k = J/K st de Boltzmann-Konstante. De Thermodynamsche Entrope erhält man als S = maxs = max ( k ) w ln w, (2) wobe de Maxmerung unter den mt dem bekannten Makrozustand kompatblen Nebenbedngungen erfolgt Statstsche Gesamtheten Beschrebung folgt m Rahmen der Theore der statstschen Gesamtheten, de entsprechende Typen der Nebenbedngungen zusammenfassen. De dre wchtgsten Gesamtheten der Statstschen Physk: Mkrokanonsche Gesamthet Für Abgeschlossene Systeme: Alle Mkrozustände snd glechwahrschenlch (Spezalfall der kanonschen Gesamthet, s.u.) Kanonsche Gesamthet Für Systeme m Kontakt mt enem Wärmebad: E varabel, de mttlere Energe E = E w (3) st dentsch mt der nneren Energe. 2

3 De Gbbs-Vertelung: Maxmerung von S, Eq.(2), unter den Nebenbedngung (3) ergbt w = 1 Z k e βe (4) wobe β en Lagrange scher Multplkator st. Der Nenner von (4) Z K = e βe mt β = 1 kt st de kanonsche Zustandssumme. Wchtgste Bezehung: F(T,) = kt ln Z K (T,). Somt st de praktsche Aufgabe der statstschen Physk de Berechnung der Zustandssummen. Dskusson und Bewes: Allgemene Struktur. Man hat k w ln w = max, w = 1, w E = E Lagrange-Multplkatoren α und β: [ kδ ( ) ( )] w ln w α w 1 β w E E = 0 (δ bedeutet de Varaton), d.h. [ ln w 1 α βe ] δw = 0. Daher: w = e βe Z mt Z = e 1 α = e βe. 3

4 De physkalsche Bedeutung von β. Berechnen wr Andersets S = k E = E w = β = e βe = β ln Z E(β,) = w ln w = k TZ E e βe e βe e βe = Z β Z ( ) β ln Z. (5) e βe ( ln Z βe ) = k ln Z + kβe. (6) Nun st ( ) ln Z ds = k β dβ+k ( ) ln Z V β,n dv +k ( ) ln N N β,v dn +kedβ+kβde. Anhand Gl.(5) kürzen sch 1. und 4. Gled: ds = k ( ) ln Z V β,n dv + k ( ) ln N N β,v dn + kβde. und ( ) S E Nun glt de thermodynamsche Bezehung ( ) S E = kβ. = 1 T, so dass β = 1 kt 4

5 (nverse Temperatur n Enheten der Energe). Aus Gl.(6) folgt jetzt F = E TS = E kt ln Z E = kt ln Z. Bemerkung: De mkrokanonsche Gesamthet kann als Spezalfall der kanonschen mt E = E und somt mt glechen Wahrschenlchketen w betrachtet werden. Se st wchtg um später den Anschlüss der statstschen Physk an Mechank zu gewärlesten Großkanonsche Gesamthet Systeme m Kontakt mt enem Wärme- und Telchenbad: Telchenaustausch mt der Umgebung st möglch; de Mkrozustände snd durch varable E und N gegeben. Maxmerung von S unter den Nebenbedngungen E = E w und N = N w ergbt w = 1 Z g e βe γn. De Lagrange schen Multplkatoren snd Somt hat man β = 1 kt und γ = µ kt. Z G = Z(T,V,µ) = e µn E kt. Wchtgste Bezehung: Ω(T,V,µ) = kt ln Z G (T,V,µ) 5

6 11 De Kanonsche Zustandssumme Quantensysteme Dskrete Mkrozustände Zustandssumme Klasssche Systeme Kontnuerlche Änderungen Zustandsntegral Der Mkrozustand enes klassschen Systems st charaktersert durch 6N Koordnaten (q 1,...,q 3N ;p 1,...,p 3N ) m Phasenraum. Um de Zustände zählen zu können, zerlegt man den Phasenraum n Zellen, deren Größe egentlch wllkürlch gewält werden kann. Korrespondenz zur Quantenmechank (Quasklasssch: 1 Zustand pro dqdp = h; h - Plancksches Wrkungsquantum, h = J s) fordert: d 3N qd 3N p h 3N (unterschedbare Telchen). Wchtg: Ununterschedbarket der Telchen glecher Sorte. 1 d 3N qd 3N p N! h 3N Bespel: Klasssches Idealgas: Nchtwechselwrkende Telchen, E v = p 2 2m. Z = 1 [ 1 N! h V N 3N ] 3N dpe p2 /2mkT Bemerkung: Strlng-Formel zur Berechnung der Fakultät, ln N! ( N + 1 ) ln N N + ln 2π 2 hat ene bemerkenswerte Genaugket und st OK ab N = 2. Somt F = kt ln Z = NkT ln V ( ) 3/2 2πmkT N e h 2 Thermsche Zustandsglechung ( ) F p = = NkT V T,N V. 6

7 De nnere Energe E = F + TS = F T ( ) F = 3 T 2 NkT. Das st de kalorsche Zustandsglechung des dealen Gases. De Entrope enes dealen Gases n hren natürlchen Varablen E, V und N st { [ ( ) V 4πm E 3/2 ] S(E,) = Nk ln + 5 } N 3h 2 N 2 (de Sakur-Tetrode-Glechung). 7

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

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

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

Versicherungstechnischer Umgang mit Risiko

Versicherungstechnischer Umgang mit Risiko Verscherungstechnscher Umgang mt Rsko. Denstlestung Verscherung: Schadensdeckung von für de enzelne Person ncht tragbaren Schäden durch den fnanzellen Ausglech n der Zet und m Kollektv. Des st möglch über

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

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

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

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

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

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

Institut für Technische Chemie Technische Universität Clausthal

Institut für Technische Chemie Technische Universität Clausthal Insttut für Technsche Cheme Technsche Unverstät Clusthl Technsch-chemsches Prktkum TCB Versuch: Wärmeübertrgung: Doppelrohrwärmeustuscher m Glechstrom- und Gegenstrombetreb Enletung ür de Auslegung von

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

Kreisel. koerperfestes KS. z y. raumfestes KS. Starrer Körper: System von Massepunkten m i, deren Abstände r i r j untereinander konstant sind.

Kreisel. koerperfestes KS. z y. raumfestes KS. Starrer Körper: System von Massepunkten m i, deren Abstände r i r j untereinander konstant sind. Kresel z y koerperfestes KS z y x raumfestes KS x Starrer Körper: System von Massepunkten m, deren Abstände r r j unterenander konstant snd. Der Zustand läßt sch beschreben durch: Poston des Schwerpunktes,

Mehr

6.1 Definition der freien Energie und der freien Enthalpie

6.1 Definition der freien Energie und der freien Enthalpie -- 6 FREIE ENERGIE UND FREIE ENHALIE 6. Defnton der freen Energe und der freen Enthalpe Nachdem der Energeerhaltungssatz gefunden war, hat man versucht, chemsche Affntäten mt Hlfe der Energe zu erklären.

Mehr

Hamiltonsche Mechanik

Hamiltonsche Mechanik Kaptel 3 Hamltonsche Mechank Das Lagrange-Formalsmus lefert uns de Bewegungsglechungen n der Form von enem System von Dfferentalglechungen zweter Ordnung für verallgemenerte Koordnaten. Solches System

Mehr

Statistik und Wahrscheinlichkeit

Statistik und Wahrscheinlichkeit Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse

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

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

3. Lineare Algebra (Teil 2)

3. Lineare Algebra (Teil 2) Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw

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

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

3.3 Lineare Abbildungen und Matrizen

3.3 Lineare Abbildungen und Matrizen 33 LINEARE ABBILDUNGEN UND MATRIZEN 87 33 Lneare Abbldungen und Matrzen Wr wollen jetzt de numersche Behandlung lnearer Abbldungen zwschen Vektorräumen beschreben be der vorgegebene Basen de Hauptrolle

Mehr

Lineare Optimierung Dualität

Lineare Optimierung Dualität Kaptel Lneare Optmerung Dualtät D.. : (Dualtät ) Folgende Aufgaben der lnearen Optmerung heßen symmetrsch dual zuenander: und { z = c x Ax b x } max, 0 { Z b A c } mn =, 0. Folgende Aufgaben der lnearen

Mehr

Was hat Entropie mit Information zu tun? Peter C. Hägele

Was hat Entropie mit Information zu tun? Peter C. Hägele Was hat Entrope mt Informaton zu tun? Peter C. Hägele 1 Entrope n der Statstschen Thermodynamk Was sagt de Statstsche Thermodynamk über de Entrope von Systemen m Glechgewcht aus (sehe z.b. [Re75], [Kt01])?

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

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2 1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:

Mehr

12 UMPU Tests ( UMP unbiased )

12 UMPU Tests ( UMP unbiased ) 89 1 UMPU Tests ( UMP unbased ) Nach Bemerkung 11.8(b) exstert m Allgemenen ken zwesetger UMP- Test zu enem Nveau α. Deshalb Enschränkung auf unverfälschte Tests: ϕ Φ α heßt unverfälscht (unbased) zum

Mehr

Übung zur Vorlesung. Informationstheorie und Codierung

Übung zur Vorlesung. Informationstheorie und Codierung Übung zur Vorlesung Informatonstheore und Coderung Prof. Dr. Lla Lajm März 25 Ostfala Hochschule für angewandte Wssenschaften Hochschule Braunschweg/Wolfenbüttel Postanschrft: Salzdahlumer Str. 46/48 3832

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

6. Hilbertraum und lineare Operatoren (mathematische Grundlagen QM)

6. Hilbertraum und lineare Operatoren (mathematische Grundlagen QM) 6. Hlbertraum und lneare Operatoren (mathematsche Grundlagen QM) 6.1 Hlbertraum Raum = mathematsches Konstrukt: Vektorraum a) Der lneare komplexe Raum st de Menge von mathematschen Objekten mt folgenden

Mehr

4. Rechnen mit Wahrscheinlichkeiten

4. Rechnen mit Wahrscheinlichkeiten 4. Rechnen mt Wahrschenlchketen 4.1 Axome der Wahrschenlchketsrechnung De Wahrschenlchketsrechnung st en Telgebet der Mathematk. Es st üblch, an den Anfang ener mathematschen Theore enge Axome zu setzen,

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

Netzwerkstrukturen. Entfernung in Kilometer:

Netzwerkstrukturen. Entfernung in Kilometer: Netzwerkstrukturen 1) Nehmen wr an, n enem Neubaugebet soll für 10.000 Haushalte en Telefonnetz nstallert werden. Herzu muss von jedem Haushalt en Kabel zur nächstgelegenen Vermttlungsstelle gezogen werden.

Mehr

ω 0 = Protokoll zu Versuch E6: Elektrische Resonanz

ω 0 = Protokoll zu Versuch E6: Elektrische Resonanz Protokoll zu Versuch E6: Elektrsche esonanz. Enletung En Schwngkres st ene elektrsche Schaltung, de aus Kapaztät, Induktvtät und ohmschen Wderstand besteht. Stmmt de Frequenz der anregenden Wechselspannung

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

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

Dynamik starrer Körper

Dynamik starrer Körper Dynamk starrer Körper Bewegungen starrer Körper können n Translaton und Rotaton zerlegt werden. De Rotaton stellt enen nneren Frehetsgrad des Körpers dar, der be Punktmassen ncht exstert. Der Schwerpunkt

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

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

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar.

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar. . Nullstellensuche Enes der ältesten numerschen Probleme stellt de Bestmmung der Nullstellen ener Funkton = dar. =c +c =c +c +c =Σc =c - sn 3 Für ene Gerade st das Problem trval, de Wurzel ener quadratschen

Mehr

50 Matrixnormen und Eigenwertabschätzungen

50 Matrixnormen und Eigenwertabschätzungen 50 Matrxnormen und Egenwertabschätzungen 501 Motvaton De Berechnung der Egenwerte ener Matrx st aufwändg (vgl Kaptel 45, Kaptel 51) Kann man de Egenwerte ener Matrx mt gerngem Aufwand abschätzen? Des spelt

Mehr

Z Z, kurz { } Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden.

Z Z, kurz { } Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden. Kombnator. Problemstellung Ausgangspunt be ombnatorschen Fragestellungen st mmer ene endlche Menge M, aus deren Elementen man endlche Zusammenstellungen von Elementen aus M bldet. Formal gesprochen bedeutet

Mehr

Klassische Theoretische Physik II (Theorie B) Sommersemester 2016

Klassische Theoretische Physik II (Theorie B) Sommersemester 2016 Karlsruher Insttut für Technologe Insttut für Theore der Kondenserten Matere Klasssche Theoretsche Physk II Theore B Sommersemester 016 Prof. Dr. Alexander Mrln Musterlösung: Blatt 7. PD Dr. Igor Gorny,

Mehr

Lineare Regression (1) - Einführung I -

Lineare Regression (1) - Einführung I - Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:

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

12. Das Reaktionsgleichgewicht

12. Das Reaktionsgleichgewicht 12. Das Reaktonsglechgewcht - Datenredukton be Berechnungen des Glechgewchts - Reaktonsglechgewcht ener Gasreakton - Chemsches Potental und Aktvtäten - Allgemenes Reaktonsglechgewcht - Temperaturabhänggket

Mehr

5. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013

5. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013 O. Alaya, S. Demrel M. Fetzer, B. Krnn M. Wed 5. Gruppenübung zur Vorlesung Höhere Mathematk Wntersemester /3 Dr. M. Künzer Prof. Dr. M. Stroppel Lösungshnwese zu den Hausaufgaben: Aufgabe H 6. Darstellungen

Mehr

B.8 Gleichgewichtsfunktionen für materiell geschlossene Systeme

B.8 Gleichgewichtsfunktionen für materiell geschlossene Systeme Prof. Dr. H.-H. Kohler, WS 2004/05 PC1 Kaptel B.8 - Glechgewchtsfunktonen B.8-1 Alle Wasser laufen ns Meer B.8 Glechgewchtsfunktonen für materell geschlossene Systeme m Folgenden wrd das (Gesamt-)System

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

p : Impuls in Ns v : Geschwindigkeit in m/s

p : Impuls in Ns v : Geschwindigkeit in m/s -I.C9-4 Impuls 4. Impuls und Kraftstoß 4.. Impuls De Bewegung enes Körpers wrd bespelswese durch de Geschwndgket beschreben. Um de Bewegung enes Körpers zu ändern braucht man ene Kraft (Abb.). Dese führt

Mehr

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree

Mehr

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder - Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole

Mehr

4. Musterlösung. Problem 1: Kreuzende Schnitte **

4. Musterlösung. Problem 1: Kreuzende Schnitte ** Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,

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

Methoden der innerbetrieblichen Leistungsverrechnung

Methoden der innerbetrieblichen Leistungsverrechnung Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den

Mehr

Einführung in geostatistische Methoden der Datenauswertung

Einführung in geostatistische Methoden der Datenauswertung MUC 2.3 und MC 2.1.1 Praktkum Umweltanalytk II Enführung n geostatstsche Methoden der Datenauswertung Enführung n geostatstsche Methoden der Datenauswertung Zel: Anwendung der geostatstschen Methoden Semvarogrammanalyse

Mehr

1.6 Energie 1.6.1 Arbeit und Leistung Wird ein Körper unter Wirkung der Kraft F längs eines Weges s verschoben, so wird dabei die Arbeit

1.6 Energie 1.6.1 Arbeit und Leistung Wird ein Körper unter Wirkung der Kraft F längs eines Weges s verschoben, so wird dabei die Arbeit 3.6 Energe.6. Arbe und Lesung Wrd en Körper uner Wrkung der Kraf F längs enes Weges s verschoben, so wrd dabe de Arbe W = F s Arbe = Kraf Weg verrche. In deser enfachen Form gülg, wenn folgende Voraussezungen

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

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

Versuch: Aktivitätskoeffizient

Versuch: Aktivitätskoeffizient Versuch: Aktvtätskoeffzent Von den thermodynamschen Potentalen für Mehrkomponenten st de free Enthalpe G = G ( T, p, n ) n der Pras besonders wchtg ( T $= thermodynamsche Temperatur, p $= Druck, n $= de

Mehr

AUFGABEN ZUR INFORMATIONSTHEORIE

AUFGABEN ZUR INFORMATIONSTHEORIE AUFGABEN ZUR INFORMATIONSTHEORIE Aufgabe Wr betrachten das folgende Zufallsexperment: Ene fare Münze wrd so lange geworfen, bs erstmals Kopf erschent. De Zufallsvarable X bezechne de Anzahl der dazu notwendgen

Mehr

11 Chemisches Gleichgewicht

11 Chemisches Gleichgewicht 11 Chemsches Glechgewcht 11.1 Chemsche Reaktonen und Enstellung des Glechgewchts Untersucht man den Mechansmus chemscher Reaktonen, so wrd man dese enersets mt enem mkroskopschen oder knetschen Blck auf

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

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

Zinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung

Zinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung Znsesznsformel (Abschntt 1.2) 3 Investton & Fnanzerung 1. Fnanzmathematk Unv.-Prof. Dr. Dr. Andreas Löffler (AL@wacc.de) t Z t K t Znsesznsformel 0 1.000 K 0 1 100 1.100 K 1 = K 0 + K 0 = K 0 (1 + ) 2

Mehr

1.1 Das Prinzip von No Arbitrage

1.1 Das Prinzip von No Arbitrage Fnanzmärkte H 2006 Tr V Dang Unverstät Mannhem. Das Prnzp von No Arbtrage..A..B..C..D..E..F..G..H Das Framework Bespele Das Fundamental Theorem of Fnance Interpretaton des Theorems und Zustandsprese No

Mehr

d da B A Die gesamte Erscheinung der magnetischen Feldlinien bezeichnet man als magnetischen Fluss. = 1 V s = 1 Wb

d da B A Die gesamte Erscheinung der magnetischen Feldlinien bezeichnet man als magnetischen Fluss. = 1 V s = 1 Wb S N De amte Erschenng der magnetschen Feldlnen bezechnet man als magnetschen Flss. = V s = Wb Kraftflssdchte oder magnetsche ndkton B. B d da B = Wb/m = T Für homogene Magnetfelder, we se m nneren von

Mehr

Thermodynamik Prof. Dr.-Ing. Peter Hakenesch peter.hakenesch@hm.edu www.lrz-muenchen.de/~hakenesch

Thermodynamik Prof. Dr.-Ing. Peter Hakenesch peter.hakenesch@hm.edu www.lrz-muenchen.de/~hakenesch Thermodynamk Thermodynamk Prof. Dr.-Ing. Peter Hakenesch peter.hakenesch@hm.edu www.lrz-muenchen.de/~hakenesch Thermodynamk 1 Enletung 2 Grundbegrffe 3 Systembeschrebung 4 Zustandsglechungen 5 Knetsche

Mehr

Lösungen zum 3. Aufgabenblock

Lösungen zum 3. Aufgabenblock Lösungen zum 3. Aufgabenblock 3. Aufgabenblock ewerber haben n enem Test zur sozalen Kompetenz folgende ntervallskalerte Werte erhalten: 96 131 11 1 85 113 91 73 7 a) Zegen Se für desen Datensatz, dass

Mehr

Analyse von Querschnittsdaten. Bivariate Regression

Analyse von Querschnittsdaten. Bivariate Regression Analse von Querschnttsdaten Bvarate Regresson Warum geht es n den folgenden Stzungen? Kontnuerlche Varablen Deskrptve Modelle kategorale Varablen Datum 3.0.2004 20.0.2004 27.0.2004 03..2004 0..2004 7..2004

Mehr

Prof. Dr.-Ing. P. Eberhard, Prof. Dr.-Ing. M. Hanss SS 2016 A 1.1

Prof. Dr.-Ing. P. Eberhard, Prof. Dr.-Ing. M. Hanss SS 2016 A 1.1 Insttut für Technsche und Num. Mechan Technsche Mechan IV Prof. Dr.-Ing. P. Eberhard, Prof. Dr.-Ing. M. Hanss SS 16 A 1.1 Aufgabe 1: En mechansches Sstem wrd durch folgende lnearserte Bewegungsglechungen

Mehr

Ionenselektive Elektroden (Potentiometrie)

Ionenselektive Elektroden (Potentiometrie) III.4.1 Ionenselektve Elektroden (otentometre) Zelstellung des Versuches Ionenselektve Elektroden gestatten ene verhältnsmäßg enfache und schnelle Bestmmung von Ionenkonzentratonen n verschedenen Meden,

Mehr

Technische Mechanik III Teil 1. Formelsammlung

Technische Mechanik III Teil 1. Formelsammlung Unverstät Stuttgart Insttut für Mechank Prof. Dr.-Ing. W. Ehers www.mechbau.un- stuttgart.de Ergänzung zur Voresung Technsche Mechank III Te Formesammung Stand SS 204 etzte Änderung: 30.07.204 Lehrstuh

Mehr

Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Graphische Modelle. Niels Landwehr

Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Graphische Modelle. Niels Landwehr Unverstät Potsdam Insttut für Informatk Lehrstuhl Maschnelles Lernen Graphsche Modelle els Landwehr Überblck Graphsche Modelle: Syntax und Semantk Graphsche Modelle m Maschnellen Lernen Inferenz n Graphschen

Mehr

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt:

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt: Informatk I 6. Kaptel Raner Schrader Zentrum für Angewandte Informatk Köln 4. Jun 008 Wr haben bsher behandelt: Suchen n Lsten (lnear und verkettet) Suchen mttels Hashfunktonen jewels unter der Annahme,

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

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

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

Hefte zur Logistik Prof. Dr. Siegfried Jetzke. Heft 1 Begriffsdefinitionen

Hefte zur Logistik Prof. Dr. Siegfried Jetzke. Heft 1 Begriffsdefinitionen Hefte zur Logstk Prof. Dr. Segfred Jetzke Heft 1 Begrffsdefntonen Jun 2010 Deses Heft st urheberrechtlch geschützt. Wenn Se de Quelle angeben, können Se gerne deses Heft wetergeben, Tele koperen oder aus

Mehr

UNIVERSITÄT STUTTGART INSTITUT FÜR THERMODYNAMIK UND WÄRMETECHNIK Professor Dr. Dr.-Ing. habil. H. Müller-Steinhagen P R A K T I K U M.

UNIVERSITÄT STUTTGART INSTITUT FÜR THERMODYNAMIK UND WÄRMETECHNIK Professor Dr. Dr.-Ing. habil. H. Müller-Steinhagen P R A K T I K U M. UNIVERSITÄT STUTTGART INSTITUT FÜR THERMODYNAMIK UND WÄRMETECHNIK Professor Dr. Dr.-Ing. habl. H. Müller-Stenhagen P R A K T I K U M Versuch 9 Lestungsmessung an enem Wärmeübertrager m Glech- und Gegenstrombetreb

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

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

MOD-01 LAGRANGE FORMALISMUS -- TEIL 1

MOD-01 LAGRANGE FORMALISMUS -- TEIL 1 MOD- LAGRAGE FORMALISMUS -- EIL. Zustandsfunktonen Defnton -: Zustandsfunkton Ene Zustandsfunkton W( () t, t) = W(, t) bzw. W ( ) st jede belebge skalare Funkton der Zustandsgrößen () t und der Zet t,

Mehr

Standortplanung. Positionierung von einem Notfallhubschrauber in Südtirol. Feuerwehrhaus Zentrallagerpositionierung

Standortplanung. Positionierung von einem Notfallhubschrauber in Südtirol. Feuerwehrhaus Zentrallagerpositionierung Standortplanung Postonerung von enem Notfallhubschrauber n Südtrol Postonerung von enem Feuerwehrhaus Zentrallagerpostonerung 1 2 Postonerung von enem Notfallhubschrauber n Südtrol Zu bekannten Ensatzorten

Mehr

Kreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord

Kreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord 1 Kredtrskomodellerung und Rskogewchte m Neuen Baseler Accord erschenen n: Zetschrft für das gesamte Kredtwesen (ZfgK), 54. Jahrgang, 2001, S. 1004-1005. Prvatdozent Dr. Hans Rau-Bredow, Lehrstuhl für

Mehr

Kleiner Fermatscher Satz, Chinesischer Restsatz, Eulersche ϕ-funktion, RSA

Kleiner Fermatscher Satz, Chinesischer Restsatz, Eulersche ϕ-funktion, RSA Klener Fermatscher Satz, Chnesscher Restsatz, Eulersche ϕ-funkton, RSA Manfred Gruber http://www.cs.hm.edu/~gruber SS 2008, KW 15 Klener Fermatscher Satz Satz 1. Se p prm und a Z p. Dann st a p 1 mod p

Mehr

Spiele und Codes. Rafael Mechtel

Spiele und Codes. Rafael Mechtel Spele und Codes Rafael Mechtel Koderungstheore Worum es geht Über enen Kanal werden Informatonen Übertragen. De Informatonen werden dabe n Worte über enem Alphabet Q übertragen, d.h. als Tupel w = (w,,

Mehr

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm): Aufgabe 1 (4 + 2 + 3 Punkte) Bem Wegen von 0 Respaketen ergaben sch folgende Gewchte X(n Gramm): 1 2 3 4 K = (x u, x o ] (98,99] (99, 1000] (1000,100] (100,1020] n 1 20 10 a) Erstellen Se das Hstogramm.

Mehr

Forschungsstatistik I

Forschungsstatistik I Psychologe Prof. Dr. G. Menhardt 2. Stock, Nordflügel R. 02-429 (Perske) R. 02-431 (Menhardt) Sprechstunde jederzet nach Verenbarung Forschungsstatstk I Dr. Malte Perske perske@un-manz.de WS 2008/2009

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

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07 Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 3.Auflage Dese Broschüre hlft bem Verfassen und Betreuen von Maturaarbeten. De 3.Auflage

Mehr

Stochastik - Kapitel 4

Stochastik - Kapitel 4 Aufgaben ab Sete 5 4. Zufallsgrößen / Zufallsvarablen und hre Vertelungen 4. Zufallsgröße / Zufallsvarable Defnton: Ene Zufallsgröße (Zufallsvarable) X ordnet jedem Versuchsergebns ω Ω ene reelle Zahl

Mehr

Bestimmung des Aktivitätskoeffizienten mittels Dampfdruckerniedrigung

Bestimmung des Aktivitätskoeffizienten mittels Dampfdruckerniedrigung Grundraktkum Physkalsche Cheme Versuch 22 Bestmmung des Aktvtätskoeffzenten mttels Damfdruckernedrgung Überarbetetes Versuchsskrt, 27..204 Grundraktkum Physkalsche Cheme, Versuch 22: Aktvtätskoeffzent

Mehr

SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT

SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT Smulaton von Hybrdfahrzeugantreben mt optmerter Synchronmaschne 1 SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT OPTIMIERTER SYNCHRONMASCHINE H. Wöhl-Bruhn 1 EINLEITUNG Ene Velzahl von Untersuchungen hat sch

Mehr

Physikalisches Anfängerpraktikum Teil 2 Versuch PII 33: Spezifische Wärmekapazität fester Körper Auswertung

Physikalisches Anfängerpraktikum Teil 2 Versuch PII 33: Spezifische Wärmekapazität fester Körper Auswertung Physkalsches Anfängerpraktkum Tel 2 Versuch PII 33: Spezfsche Wärmekapaztät fester Körper Auswertung Gruppe M-4: Marc A. Donges , 060028 Tanja Pfster, 204846 2005 07 spezfsche Wärmekapaztäten.

Mehr

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale 3. De Kennzechnung von Patkeln 3..1 Patkelmekmale De Kennzechnung von Patkeln efolgt duch bestmmte, an dem Patkel mess bae und deses endeutg beschebende physka lsche Gößen (z.b. Masse, Volumen, chaaktestsche

Mehr

VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE

VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE Karl Rudolf KOCH Knut RIESMEIER In: WELSCH, Walter (Hrsg.) [1983]: Deformatonsanalysen 83 Geometrsche Analyse und Interpretaton von Deformatonen

Mehr