A nagy skálás szerkezet statisztikus leírása
|
|
- Lili Biró
- 5 évvel ezelőtt
- Látták:
Átírás
1 A nagy skálás szerkezet statisztikus leírása Dobos László Komplex Rendszerek Fizikája Tanszék É április 7.
2 A nagy skálás szerkezet statisztikus leírása Össze akarjuk hasonĺıtani megfigyeléseket sötétanyag-szimulációkat kozmikus mikrohullámú háttérsugárzás fluktuációit Ehhez mindenképp valamilyen statisztikus leírás kell a szimulációk sosem magát a valóságot adják a KMHS csak elméleti úton kapcsolható össze a ma látható galaxisokkal
3 Statisztikai elemzésre alkalmas minta készítése Spektroszkópiai égtérképek készítésekor előzetesen csak becsülni lehet egy objektum vöröseltolódását spektroszkópiára kijelölés látszólagos fényesség alapján ezért a minta általában magnitúdó-limitált Malmquist-torzítás fluxuslimitált minta problémája a halványabb galaxisokat távol már nem látjuk közelebb nagyobb galaxissűrűséget látunk, mint távol
4 Vörös óriásgalaxisok Ideálisak a nagy skálás szerkezet tanulmányozására fényesek könnyű mérni a vöröseltolódásukat A vörös galaxisok evolválnak nincsen csillagkeletkezés a csillagaik passzívan öregednek a spektrumuk időben változik Evolúció-korrekció: modell alapján korrigáljuk a magnitúdókat a K-korrekció mellett egy e-korrekciót is ad
5 Magnitúdó-limitált minta: látszólagos magnitúdó m r [mag] z
6 Magnitúdó-limitált minta: abszolút magnitúdó M r [mag] z
7 Térfogat-limitált minta Explicit abszolút magnitúdó és vöröseltolódás vágás kell a minta jelentős részét elveszítjük cserébe a statisztika egyszerű M r [mag] z
8 Az együtt mozgó távolságok és a térfogat Mért koordináták: α, δ, z ezeket át kell számolni 3D koordinátákra z R = D C (z) kell De az Univerzum tágul nagy z tartományokat nézünk régen a galaxisok közelebb voltak egymáshoz (méterben!) ezért használjuk a D C együtt mozgó távolságot kitranszformáljuk a skálaparaméter Szerencsére az Univerzum majdnem pontosan sík a transzverzális távolságok megegyeznek a látóirányúval D M = D C V = D 3 C
9 A térbeli eloszlás jellemzése Elsődleges cél: minket elsősorban nem a galaxiseloszlás térképe érdekel arra vagyunk kíváncsiak, hogy hogyan alakult ki ez az eloszlás A galaxisok eloszlását össze akarjuk hasonĺıtani sötétanyag-szimulációkkal a kozmikus háttérsugárzás mintázatával Ehhez statisztikai leírás kell próbálkozzunk a statfizből ismert korrelációs függvénnyel ρ( r) ξ(r)
10 A párkorrelációs függvény r dv 2 dv 1 Mi annak a valószínűsége, hogy két r távolságban levő, véletlenül elhelyezett dv 1 és dv 2 térfogatú tércella mindegyikében találtunk galaxist?
11 A párkorrelációs függvény definíciója Az előbb definiált valószínűség: δp = n 2 [1 + ξ(r)] dv 1 dv 2 n a galaxisok átlagos számsűrűsége Mpc 3 ξ(r) az ún. párkorrelációs függvény, dimenziótlan A párkorrelációs függvény és a sűrűség korrelációja ρ(r) folytonos sűrűségeloszlás gond: a galaxiseloszlásból ezt nem tudjuk megmondani! most feltesszük, hogy igen
12 Összefüggés a folytonos sűrűségeloszlással Statisztikus fizikában valamilyen térmennyiség autokorrelációja: ρ(x)ρ(x + r) = 1 ρ(x)ρ(x + r) dx V V valami jól meghatározott térfogatra integrálunk az a térfogat, amiben megfigyeltük a galaxisokat ρ(x) folytonos, a galaxisok eloszlása nem az Ha feltesszük, hogy a galaxisok azonos M G tömegűek, akkor ρ(x) = i M G δ xi a galaxisok tömege természetesen nem azonos kellően nagy mintára ez akár ki is átlagolódhat
13 A sűrűség autokorrelációja és a párkorrelációs függvény Az előbbi definíció alapján az irányfüggő párkorrelációs függvény: ξ(r) = ρ(x)ρ(x + r) ρ(x) 2 1 Fel kell még összegezni az összes irányra, majd normálni: ξ(r) = 1 4πr 2 ξ(r) dr S(r)
14 A sűrűségfluktuáció Fourier-transzformáltja A sűrűségfluktuációt az átlagos sűrűségtől való eltéréssel definiáljuk: δ(x) = ρ(x) ρ ρ ξ(r) = δ(x)δ(x + r) A sűrűségfluktuációt kifejthetjük síkhullámok szerint δ(x) = δ(k)e ikx dk Ekkor δ(k) a hullámszám függvényében adott: δ(k) = 1 δ(x)e ikx dx V
15 A korrelációs függvény Fourier-transzformáltja Írjuk fel a korrelációs függvényt a Fourier-transzformáltakból: δ(x)δ(x + r) = 1 δ(k)δ(k ) e ikx e ik (x+r) dk dk dx V Kihasználva, hogy δ(k) = δ( k), és a bázisfüggvények ortogonálisak ξ(r) = δ(x)δ(x + r) = δ(k) 2 e ikr dr Ez definiálja a teljesítményspektrumot 1 : P(k) = δ(k) 2 Vagyis a párkorrelációs függvény a teljesítményspektrum inverz-fourier-transzformáltja 2. 1 más néven spektrális sűrűség, angolul power spectrum 2 Wiener Kkinchin-tétel
16 A teljesítményspektrum meghatározása Először ξ(r) meghatározása megfigyelésekből térfogat-limitált mintát készítünk minden galaxis távolságát megmérjük minden másiktól hisztogramot készítünk (általában csak 1D) ξ(r)-t Fourier-transzformálva kapjuk P(k)-t ez numerikusan diszkrét Fourier-transzformációt jelent általában FFT ezért érdemes a hisztogram felbontását kettő hatványának venni
17 A teljesítményspektrum és a párkorrelációs függvény Egymás Fourier-transzformáltjai. Mi a különbség? Párkorrelációs függvény jobbára csak galaxisokra határozható meg Teljesítményspektrum az elméleti számolások hullámszám-térben mennek ezekből a teljesítményspektrumot kapjuk a kozmikus háttérsugárzásnak is csak a spektrumát tudjuk mérni, ebből számolhatjuk vissza a korrelációs függvényt
18 A távolsághisztogram meghatározása A távolsághisztogram binjeit normálni kell minden galaxist minden másikkal össze kell párosítani naivan összegezve a hisztogram ξ(r) r 2 módon skálázna Pontosan kell ismerni a megfigyelt térfogat határait vöröseltolódás limitek megfigyelt terület az égen a széleken levő galaxisoknál figyelni kell az r sugarú gömb nincsen benne teljesen a megfigyelt térfogatban a szélek erős torzítást okoznak
19 Egy ötlet a különböző torzítások kiküszöbölésére A cél a hisztogram binjeinek megfelelő normálása tekintsük a megfigyelt mintát generáljunk egy teljesen random mintát azonos n-nel, ugyanabban a térfogatban Határozzuk meg a két mintában az r távolságokra levő galaxisok számát DD: a távolságokat a megfigyelt adatokban mérjük RR: a távolságokat a random mintában mérjük Ezzel becsülhető a korrelációs függvény: 1 + ξ(r) = DD RR
20 Landy Szalay-féle becslés Hisztogram meghatározásánál egy fő kérdés: mekkora az egyes binekben a hiba? ideális esetben Poisson-eloszlás Stephen Landy és Szalay Sándor (1993) az 1 + ξ(r) = DD RR becslés hibája túl nagy helyette mást javasoltak 1 + ξ(r) = DD 2DR + RR RR itt DR a mért és a random minta közötti korreláció ennek a varianciája effektíve a Poisson-hiba
21 Mérési eredmények: a teljesítményspektrum
22 A párkorrelációs függvény szakaszai
23 Az SDSS mérési eredményei: párkorrelációs függvény
24 A párkorrelációs függvény modellezése Kis távolságokra (< 8 Mpc) a galaxisok párkorrelációs függvénye: ξ(r) r γ γ 1,75 Függ a galaxisok típusától is elliptikus galaxisok erősebben klasztereződnek avagy: az erősebben klasztereződött galaxisok inkább elliptikusak γ ell = 1,86 γ sp = 1,41
25 A Limber-egyenlőség Régen nem állt rendelkezésre elegendő vöröseltolódás mérése csak a projektált eloszlást látjuk szögkorrelációkat néztek: w = w(θ) kis vöröseltolódásokig D M θ Ki lehet-e találni a 3D γ exponenst a 2D eloszlásból? egymáshoz közel levő galaxisokra igen: Limber (1954) w(θ) θ 1 γ ξ(r) r γ
26 Az SDSS eredményei: párkorrelációs függvény
27 Barionikus akusztikus oszcillációk A párkorrelációs függvényen 100 h 1 Mpc-nél csúcs az SDSS vörös óriásgalaxisaiból sikerült kimutatni a vártál élesebb a csúcs A korai Univerzum hanghullámainak lenyomata az ősi plazmában legerősebb harmonikus a kozmikus mikrohullámú háttérsugárzásban is látjuk hullámhossza megfelel az akkori akusztikus horizont méretének
28 A Kaiser-effektus A galaxisok a Hubble-áramláshoz képest mozognak pekuliáris sebesség csak a látóirányba eső sebességet tudjuk mérni de ezt is csak a vöröseltolódással együtt Galaxishalmazokban jelentős sebességdiszperzió belül random mozgás kívül befelé zuhanás Nagy skálákon áramlás a filamentumok irányába filamentumok mentén a szuperklaszterekbe
29 A Doppler-eltolódás torzító hatásai valós térben áramlás ρ(x) áramlás vöröseltolódás-térben ρ(z)
30 Redshift-space distortion Bontsuk fel a párkorrelációs függvényt két irányra: π: galaxisok közti távolság látóirányban (z-ből) σ: galaxisok közti transzverzális távolság (szögekből + z-ből) ezzel a párkorrelációs függvény ξ = ξ(π, σ)
31 A redshift-space distortion korrigálása Redshift-space korrelációs függvény: ξ = ξ(s) valójában ez az, amit eddig néztünk Megkülönböztetjük a valódi térben vett r távolságtól mivel a Doppler-eltolódás torzítja a távolságmérést de Doppler csak látóirányban van transzverzálisan a valódi távolságokat mérjük Projektált korrelációs függvény: w p = w p (r p ) r p a két galaxis transzverzális távolsága ez redshift függő, nem simán a szögből jön
32 A galaxisok okozta torzítás A galaxisok eloszlása nem azonos az anyagsűrűséggel a sötét anyag folytonosan tölti ki a teret a galaxisok a potenciálgödrökben ez erős torzítást okoz a statisztikában Kérdések a galaxis mindig a potenciálgödör közepén van? hogyan függ a galaxis tömege a gödör mélységétől? A kozmológiai szimulációs csak a sötét anyagot szimulálják bele kell tenni a galaxisokat galaxiskeletkezési modellek tesztelése
33 Magasabb rendű korrelációs függvények A kétpont-korreláció nem mond sokat a topológiáról elsősorban csak a klasztereződésre érzékeny pl. az üregek méreteloszlásáról nem mond semmit Kettőnél több pont korrelációját is lehet definiálni Három pont esetén még egyszerű háromszögek paraméterek: a három oldal vagy két oldal és egy szög jól jellemezheti a mintázatban levő körök eloszlását
Kozmológiai n-test-szimulációk
Kozmológiai n-test-szimulációk Dobos László Komplex Rendszerek Fizikája Tanszék dobos@complex.elte.hu É 5.60 2017. április 21. Inhomogenitások az Univerzumban A háttérsugárzás lecsatolódásakor (z 1100)
RészletesebbenGalaxisfelmérések: az Univerzum térképei. Bevezetés a csillagászatba május 12.
Galaxisfelmérések: az Univerzum térképei Bevezetés a csillagászatba 4. 2015. május 12. Miről lesz szó? Hubble vagy nem Hubble? Galaxisok, galaxishalmazok és az Univerzum szerkezete A műszerfejlődés útjai
RészletesebbenKomplex Rendszerek Fizikája Tanszék április 28.
A nagyléptékű szerkezet kialakulása, fejlődése Dobos László Komplex Rendszerek Fizikája Tanszék dobos@complex.elte.hu É 5.60 2017. április 28. Az Univerzum sűrűségfluktuációinak fejlődése A struktúra kis
RészletesebbenGalaxishalmazok. Komplex Rendszerek Fizikája Tanszék március 17.
Galaxishalmazok Dobos László Komplex Rendszerek Fizikája Tanszék dobos@complex.elte.hu É 5.60 2017. március 17. Szatellitgalaxisok Nagy galaxisok körül keringő törpegalaxisok a Tejút körül 14-16 szatellit,
RészletesebbenKomplex Rendszerek Fizikája Tanszék április 28.
A kozmikus mikrohullámú háttérsugárzás Dobos László Komplex Rendszerek Fizikája Tanszék dobos@complex.elte.hu É 5.60 2017. április 28. A kozmikus háttérsugárzás eredete Az ősi plazmában a fotonok folyamatosan
RészletesebbenNemzetközi Csillagászati és Asztrofizikai Diákolimpia Szakkör Távcsövek és kozmológia Megoldások
Nemzetközi Csillagászati és Asztrofizikai Diákolimpia Szakkör 2015-16 7. Távcsövek és kozmológia Megoldások Bécsy Bence, Dálya Gergely 1. Bemelegítő feladatok B1. feladat A nagyítást az objektív és az
RészletesebbenCsillagok parallaxisa
Csillagok parallaxisa Csillagok megfigyelése elég fényesek, így nem túl nehéz, de por = erős extinkció, ami irányfüggő Parallaxis mérése spektroszkópiailag a mért spektrumra modellt illesztünk (kettőscsillagokra
RészletesebbenAz univerzum szerkezete
Az univerzum szerkezete Dobos László dobos@complex.elte.hu É 5.60 2017. május 16. Szatellitgalaxisok és galaxiscsoportok Szatellitgalaxisok a Tejút körül számos szatellitet találni alacsony felületi fényességűek
RészletesebbenNagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem
agy számok törvényei Statisztikai mintavétel Várható érték becslése Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem A mérés mint statisztikai mintavétel A méréssel az eloszlásfüggvénnyel
RészletesebbenKomplex Rendszerek Fizikája Tanszék március 3.
Extragalaxisok és távolságuk mérése Dobos László Komplex Rendszerek Fizikája Tanszék dobos@complex.elte.hu É 5.60 2014. március 3. Galaxisok észlelése Alapvető technikák IR, optikai és UV tartományokban
RészletesebbenSpektrográf elvi felépítése. B: maszk. A: távcső. Ø maszk. Rés Itt lencse, de általában komplex tükörrendszer
Spektrográf elvi felépítése A: távcső Itt lencse, de általában komplex tükörrendszer Kis kromatikus aberráció fontos Leképezés a fókuszsíkban: sugarak itt metszik egymást B: maszk Fókuszsíkba kerül (kamera
RészletesebbenPelletek térfogatának meghatározása Bayes-i analízissel
Pelletek térfogatának meghatározása Bayes-i analízissel Szepesi Tamás KFKI-RMKI, Budapest, Hungary P. Cierpka, Kálvin S., Kocsis G., P.T. Lang, C. Wittmann 2007. február 27. Tartalom 1. Motiváció ELM-keltés
RészletesebbenCsillagászati észlelés gyakorlat I. 2. óra: Távolságmérés
Csillagászati észlelés gyakorlat I. 2. óra: Távolságmérés Hajdu Tamás & Császár Anna & Perger Krisztina & Bőgner Rebeka A csillagászok egyik legnagyobb problémája a csillagászati objektumok távolságának
RészletesebbenKomplex Rendszerek Fizikája Tanszék április 28.
A kozmikus mikrohullámú háttérsugárzás Dobos László Komplex Rendszerek Fizikája Tanszék dobos@complex.elte.hu É 5.60 2014. április 28. A korai Univerzumot kitöltő plazma Az Univerzum kezdetén egzotikus
RészletesebbenStatisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1
Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában
RészletesebbenFourier térbeli analízis, inverz probléma. Orvosi képdiagnosztika 5-7. ea ősz
Fourier térbeli analízis, inverz probléma Orvosi képdiagnosztika 5-7. ea. 2017 ősz 5. Előadás témái Fourier transzformációk és kapcsolataik: FS, FT, DTFT, DFT, DFS Mintavételezés, interpoláció Folytonos
RészletesebbenPontműveletek. Sergyán Szabolcs Óbudai Egyetem Neumann János Informatikai Kar február 20.
Pontműveletek Sergyán Szabolcs sergyan.szabolcs@nik.uni-obuda.hu Óbudai Egyetem Neumann János Informatikai Kar 2012. február 20. Sergyán (OE NIK) Pontműveletek 2012. február 20. 1 / 40 Felhasznált irodalom
RészletesebbenAktív magvú galaxisok és kvazárok
Aktív magvú galaxisok és kvazárok Dobos László Komplex Rendszerek Fizikája Tanszék dobos@complex.elte.hu É 5.60 2015. március 3. Tipikus vörös galaxis spektruma F λ 1.4 1.2 1.0 0.8 0.6 0.4 0.2 0.0 4000
RészletesebbenVéletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.
Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza
Részletesebbenbiometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás
Kísérlettervezés - biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás A matematikai-statisztika feladata tapasztalati adatok feldolgozásával segítséget nyújtani
RészletesebbenValószínűségszámítás összefoglaló
Statisztikai módszerek BMEGEVGAT Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:
RészletesebbenKozmikus mikrohullámú háttérsugárzás anizotrópiája
Kozmikus mikrohullámú háttérsugárzás anizotrópiája Bántó Balázs Eötvös Loránd University Bántó Balázs (ELTE) CMB 1 / 23 Történelmi áttekintés Robert Henry Dicke 1941-ben, az M.I.T. sugárlaboratóriumában
RészletesebbenMűholdas és modell által szimulált globális ózon idősorok korrelációs tulajdonságai
Műholdas és modell által szimulált globális ózon idősorok korrelációs tulajdonságai Homonnai Viktória II. éves PhD hallgató Témavezető: Dr. Jánosi Imre ELTE TTK, Komplex Rendszerek Fizikája Tanszék Bevezetés
RészletesebbenGeofizikai kutatómódszerek I.
Geofizikai kutatómódszerek I. A gravitációs és mágneses kutatómódszer Dr. Szabó Norbert Péter egyetemi docens Miskolci Egyetem Geofizikai Intézeti Tanszék e-mail: norbert.szabo.phd@gmail.com 1. A gravitációs
RészletesebbenÁltalánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg
LMeasurement.tex, March, 00 Mérés Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg a mérendő mennyiségben egy másik, a mérendővel egynemű, önkényesen egységnek választott
RészletesebbenBiomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 12. Regresszió- és korrelációanaĺızis Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision
RészletesebbenFolyadékszcintillációs spektroszkópia jegyz könyv
Folyadékszcintillációs spektroszkópia jegyz könyv Zsigmond Anna Julia Fizika MSc I. Mérés vezet je: Horváth Ákos Mérés dátuma: 2010. október 21. Leadás dátuma: 2010. november 8. 1 1. Bevezetés A mérés
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 9 IX. ROBUsZTUs statisztika 1. ROBUsZTUssÁG Az eddig kidolgozott módszerek főleg olyanok voltak, amelyek valamilyen értelemben optimálisak,
RészletesebbenAz Ampère-Maxwell-féle gerjesztési törvény
Az Ampère-Maxwell-féle gerjesztési törvény Maxwell elméleti meggondolások alapján feltételezte, hogy a változó elektromos tér örvényes mágneses teret kelt (hasonlóan ahhoz ahogy a változó mágneses tér
RészletesebbenCompton-effektus. Zsigmond Anna. jegyzıkönyv. Fizika BSc III.
Compton-effektus jegyzıkönyv Zsigmond Anna Fizika BSc III. Mérés vezetıje: Csanád Máté Mérés dátuma: 010. április. Leadás dátuma: 010. május 5. Mérés célja A kvantumelmélet egyik bizonyítékának a Compton-effektusnak
RészletesebbenDr. Berta Miklós. Széchenyi István Egyetem. Dr. Berta Miklós: Gravitációs hullámok / 12
Gravitációs hullámok Dr. Berta Miklós Széchenyi István Egyetem Fizika és Kémia Tanszék Dr. Berta Miklós: Gravitációs hullámok 2016. 4. 16 1 / 12 Mik is azok a gravitációs hullámok? Dr. Berta Miklós: Gravitációs
RészletesebbenANALÍZIS II. Példatár
ANALÍZIS II. Példatár Többszörös integrálok 3. április 8. . fejezet Feladatok 3 4.. Kett s integrálok Számítsa ki az alábbi integrálokat:...3. π 4 sinx.. (x + y) dx dy (x + y) dy dx.4. 5 3 y (5x y y 3
RészletesebbenDiszkréten mintavételezett függvények
Diszkréten mintavételezett függvények A függvény (jel) értéke csak rögzített pontokban ismert, de köztes pontokban is meg akarjuk becsülni időben mintavételezett jel pixelekből álló műholdkép rácson futtatott
RészletesebbenTöbbváltozós lineáris regressziós modell feltételeinek
Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Petrovics Petra Doktorandusz Többváltozós lineáris regressziós modell x 1, x 2,, x p
RészletesebbenStatisztikai következtetések Nemlineáris regresszió Feladatok Vége
[GVMGS11MNC] Gazdaságstatisztika 10. előadás: 9. Regressziószámítás II. Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet A standard lineáris modell
RészletesebbenHogyan mozognak a legjobb égi referenciapontok?
Hogyan mozognak a legjobb égi referenciapontok? Moór Attila, Frey Sándor, Sebastien Lambert, Oleg Titov, Bakos Judit FÖMI Kozmikus Geodéziai Obszervatóriuma, Penc MTA Fizikai Geodézia és Geodinamikai Kutatócsoport,
RészletesebbenZ v 1 (t)v 2 (t τ)dt. R 12 (τ) = 1 R 12 (τ) = lim T T. ill. periódikus jelekre:
1 Korrelációs fügvények Hasonlóság mértéke a két függvény szorzatának integrálja Időbeli változások esetén lehet vizsgálni a hasonlóságot a τ relatív időkülönbség szerint: Keresztkorrelációs függvény:
RészletesebbenFourier transzformáció
a Matematika mérnököknek II. című tárgyhoz Fourier transzformáció Fourier transzformáció, heurisztika Tekintsük egy 2L szerint periodikus függvény Fourier sorát: f (x) = a 0 2 + ( ( nπ ) ( nπ )) a n cos
RészletesebbenDiszkrét Matematika. zöld könyv ): XIII. fejezet: 1583, 1587, 1588, 1590, Matematikai feladatgyűjtemény II. (
FELADATOK A LEKÉPEZÉSEK, PERMUTÁCIÓK TÉMAKÖRHÖZ Diszkrét Matematika 4. LEKÉPEZÉSEK Értelmezési tartomány és értékkészlet meghatározása : Összefoglaló feladatgyűjtemény matematikából ( zöld könyv ): XIII.
RészletesebbenAbszorpciós spektrumvonalak alakja. Vonalak eredete (ld. előző óra)
Abszorpciós spektrumvonalak alakja Vonalak eredete (ld. előző óra) Nagysága Kiszélesedése Elem mennyiségének becslése a vonalerősségből Elemi statfiz Boltzmann-faktor: Megadja egy állapot súlyát a sokaságban
RészletesebbenBiometria az orvosi gyakorlatban. Korrelációszámítás, regresszió
SZDT-08 p. 1/31 Biometria az orvosi gyakorlatban Korrelációszámítás, regresszió Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Korrelációszámítás
RészletesebbenExplicit hibabecslés Maxwell-egyenletek numerikus megoldásához
Explicit hibabecslés Maxwell-egyenletek numerikus megoldásához Izsák Ferenc 2007. szeptember 17. Explicit hibabecslés Maxwell-egyenletek numerikus megoldásához 1 Vázlat Bevezetés: a vizsgált egyenlet,
RészletesebbenMérési hibák 2006.10.04. 1
Mérési hibák 2006.10.04. 1 Mérés jel- és rendszerelméleti modellje Mérési hibák_labor/2 Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális értéke közötti különbség
RészletesebbenEddigi tanulmányaink alapján már egy sor, a szeizmikában általánosan használt műveletet el tudunk végezni.
Eddigi tanulmányaink alapján már egy sor, a szeizmikában általánosan használt műveletet el tudunk végezni. Kezdjük a sort a menetidőgörbékről, illetve az NMO korrekcióról tanultakkal. A következő ábrán
RészletesebbenHogyan lehet meghatározni az égitestek távolságát?
Hogyan lehet meghatározni az égitestek távolságát? Először egy régóta használt, praktikus módszerről lesz szó, amelyet a térképészetben is alkalmaznak. Ez a geometriai háromszögelésen alapul, trigonometriai
RészletesebbenModern Fizika Labor. Fizika BSc. Értékelés: A mérés dátuma: A mérés száma és címe: 12. mérés: Infravörös spektroszkópia. 2008. május 6.
Modern Fizika Labor Fizika BSc A mérés dátuma: A mérés száma és címe: 12. mérés: Infravörös spektroszkópia Értékelés: A beadás dátuma: 28. május 13. A mérést végezte: 1/5 A mérés célja A mérés célja az
RészletesebbenA Fermi gammaműhold mozgásának vizsgálata
A Fermi gammaműhold mozgásának vizsgálata különös tekintettel a gamma-kitörésekre rárakódó háttér értékének alakulására Szécsi Dorottya ELTE fizikus MSc, I. évfolyam XXX. Jubileumi OTDK 211. április 27-29.
RészletesebbenMegoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ
Megoldások Harmadik fejezet gyakorlatai 3.. gyakorlat megoldása ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4;, 3 normális eloszlású P (ξ 8 ξ 5 feltételes valószínűségét (.3. alapján számoljuk.
RészletesebbenHenger körüli áramlás Henger körüli áramlás. Henger körüli áramlás. ρ 2. R z. R z. = 2c. c A. = 4c. c p. = c cos. y/r 1.5.
Henger körüli áramlás y/r.5 x/r.5 3 3 R w z + z R R iϑ e r R R z ( os ϑ + i sin ϑ ) Henger körüli áramlás ( os ϑ i sin ϑ ) r R + [ ϑ + sin ϑ ] ( ) ( os ) r R r R os ϑ + os ϑ + sin ϑ 444 3 r R 4 r [ os
RészletesebbenKabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a
Kabos: Statisztika II. t-próba 9.1 Egymintás z-próba Ha ismert a doboz szórása de nem ismerjük a doboz várhatóértékét, akkor a H 0 : a doboz várhatóértéke = egy rögzített érték hipotézisről úgy döntünk,
RészletesebbenSTATISZTIKAI PROBLÉMÁK A
STATISZTIKAI PROBLÉMÁK A HULLÁMTÉR REPRODUKCIÓ TERÜLETÉN 2012. május 3., Budapest Firtha Gergely PhD hallgató, Akusztikai Laboratórium BME Híradástechnikai Tanszék firtha@hit.bme.hu Tartalom A hangtér
RészletesebbenT obbv altoz os f uggv enyek integr alja. 3. r esz aprilis 19.
Többváltozós függvények integrálja. 3. rész. 2018. április 19. Kettős integrál Kettős integrál téglalap alakú tartományon. Ismétlés Ha = [a, b] [c, d] téglalap-tartomány, f : I integrálható függvény, akkor
RészletesebbenPulzáló változócsillagok és megfigyelésük I.
Pulzáló változócsillagok és megfigyelésük I. 7. Cephei és SPB csillagok, megfigyelés Sódor Ádám ELTE MTA CSFK CSI 2015.11.10. 2 Sódor Ádám Pulzáló váltcsill. és megfigy. I. 6. Cep, SPB, megfigyelés 2 /
RészletesebbenAdatok statisztikai értékelésének főbb lehetőségei
Adatok statisztikai értékelésének főbb lehetőségei 1. a. Egy- vagy kétváltozós eset b. Többváltozós eset 2. a. Becslési problémák, hipotézis vizsgálat b. Mintázatelemzés 3. Szint: a. Egyedi b. Populáció
RészletesebbenA mérési eredmény megadása
A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk meg: a determinisztikus és a véletlenszerű
RészletesebbenEjtési teszt modellezése a tervezés fázisában
Antal Dániel, doktorandusz, Miskolci Egyetem Robert Bosch Mechatronikai Tanszék Szabó Tamás, egyetemi docens, Ph.D., Miskolci Egyetem Robert Bosch Mechatronikai Tanszék Szilágyi Attila, egyetemi adjunktus,
RészletesebbenA Hamilton-Jacobi-egyenlet
A Hamilton-Jacobi-egyenlet Ha sikerül olyan kanonikus transzformációt találnunk, amely a Hamilton-függvényt zérusra transzformálja akkor valamennyi új koordináta és impulzus állandó lesz: H 0 Q k = H P
RészletesebbenTermék modell. Definíció:
Definíció: Termék modell Összetett, többfunkciós, integrált modell (számítógépes reprezentáció) amely leír egy műszaki objektumot annak különböző életfázis szakaszaiban: tervezés, gyártás, szerelés, szervízelés,
RészletesebbenTöbbváltozós lineáris regressziós modell feltételeinek tesztelése I.
Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Kvantitatív statisztikai módszerek Petrovics Petra Többváltozós lineáris regressziós
Részletesebben2011 Fizikai Nobel-díj
2011 Fizikai Nobel-díj MTA WFK SZFKI kollokvium SZFKI kollokvium 1 SZFKI kollokvium 2 SZFKI kollokvium 3 Galaxisunk rekonstruált képe SZFKI kollokvium 4 SZFKI kollokvium 5 SZFKI kollokvium 6 Cefeidák 1784
RészletesebbenStatisztika elméleti összefoglaló
1 Statisztika elméleti összefoglaló Tel.: 0/453-91-78 1. Tartalomjegyzék 1. Tartalomjegyzék.... Becsléselmélet... 3 3. Intervallumbecslések... 5 4. Hipotézisvizsgálat... 8 5. Regresszió-számítás... 11
RészletesebbenNemzetközi Csillagászati és Asztrofizikai Diákolimpia Szakkör Asztrofizika II. és Műszerismeret Megoldások
Nemzetközi Csillagászati és Asztrofizikai Diákolimpia Szakkör 2015-16 4. Asztrofizika II. és Műszerismeret Megoldások Dálya Gergely, Bécsy Bence 1. Bemelegítő feladatok B.1. feladat Írjuk fel a Pogson-képletet:
RészletesebbenMinőségellenőrzés. Miről lesz szó? STATISZTIKAI FOLYAMATSZABÁLYOZÁS (SPC) Minőségszabályozás. Mikor jó egy folyamat? Ellenőrzés Szabályozás
STATISZTIKAI FOLYAMATSZABÁLYOZÁS (SPC) Erdei János Miről lesz szó? Mit értünk folyamatok stabilitásán, szabályozottságán? Mit jelent a folyamatképesség, és hogyan mérhetjük azt? Hogyan vehetjük észre a
RészletesebbenLoss Distribution Approach
Modeling operational risk using the Loss Distribution Approach Tartalom»Szabályozói környezet»modellezési struktúra»eseményszám eloszlás»káreloszlás»aggregált veszteségek»további problémák 2 Szabályozói
RészletesebbenVéletlenszám generátorok és tesztelésük HORVÁTH BÁLINT
Véletlenszám generátorok és tesztelésük HORVÁTH BÁLINT Mi a véletlen? Determinisztikus vs. Véletlen esemény? Véletlenszám: számok sorozata, ahol véletlenszerűen követik egymást az elemek Pszeudo-véletlenszám
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 8 VIII. REGREssZIÓ 1. A REGREssZIÓs EGYENEs Két valószínűségi változó kapcsolatának leírására az eddigiek alapján vagy egy numerikus
RészletesebbenModern Fizika Labor. 2. Elemi töltés meghatározása
Modern Fizika Labor Fizika BSC A mérés dátuma: 2011.09.27. A mérés száma és címe: 2. Elemi töltés meghatározása Értékelés: A beadás dátuma: 2011.10.11. A mérést végezte: Kalas György Benjámin Németh Gergely
RészletesebbenKísérlettervezés alapfogalmak
Kísérlettervezés alapfogalmak Rendszermodellezés Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Kísérlettervezés Cél: a modell paraméterezése a valóság alapján
RészletesebbenAdatelemzési eljárások az idegrendszer kutatásban Somogyvári Zoltán
Adatelemzési eljárások az idegrendszer kutatásban Somogyvári Zoltán MTA KFKI Részecske és Magfizikai Intézet, Biofizikai osztály Az egy adatsorra (idősorra) is alkalmazható módszerek Példa: Az epileptikus
RészletesebbenA valószínűségszámítás elemei
A valószínűségszámítás elemei Kísérletsorozatban az esemény relatív gyakorisága: k/n, ahol k az esemény bekövetkezésének abszolút gyakorisága, n a kísérletek száma. Pl. Jelenség: kockadobás Megfigyelés:
RészletesebbenA csillagközi anyag. Interstellar medium (ISM) Bonyolult dinamika. turbulens áramlások MHD
A csillagközi anyag Interstellar medium (ISM) gáz + por Ebből jönnek létre az újabb és újabb csillagok Bonyolult dinamika turbulens áramlások lökéshullámok MHD Speciális kémia porszemcsék képződése, bomlása
RészletesebbenNehézségi gyorsulás mérése megfordítható ingával
Nehézségi gyorsulás mérése megfordítható ingával (Mérési jegyzőkönyv) Hagymási Imre 2007. április 21. (hétfő délelőtti csoport) 1. A mérés elmélete A nehézségi gyorsulás mérésének egy klasszikus módja
RészletesebbenBevezetés a modern fizika fejezeteibe. 4. (e) Kvantummechanika. Utolsó módosítás: december 3. Dr. Márkus Ferenc BME Fizika Tanszék
Bevezetés a modern fizika fejezeteibe 4. (e) Kvantummechanika Utolsó módosítás: 2014. december 3. 1 A Klein-Gordon-egyenlet (1) A relativisztikus dinamikából a tömegnövekedésre és impulzusra vonatkozó
RészletesebbenMeghatározás: Olyan egyenlet, amely a független változók mellett tartalmaz egy vagy több függvényt és azok deriváltjait.
Közönséges differenciálegyenletek Meghatározás: Olyan egyenlet, amely a független változók mellett tartalmaz egy vagy több függvényt és azok deriváltjait. Célunk a függvény meghatározása Egyetlen független
RészletesebbenAktív galaxismagok, szupermasszív fekete lyukak
Aktív galaxismagok, szupermasszív fekete lyukak Dobos László Komplex Rendszerek Fizikája Tanszék dobos@complex.elte.hu É 5.60 2015. március 17. Aktív magvú galaxisok egyesített modellje 2 Úgy gondoljuk,
RészletesebbenKvázisztatikus határeset Kritikus állapot Couette-teszt
Wacha András Kvázisztatikus határeset Kritikus állapot Couette-teszt 2006. november 9. Kvázisztatikus határeset GDR_MiDi. On dense granular flows. Eur. Phys. J. E 14. pp 341-365 (2004). Dimenziótlan paraméterek
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.29. A statisztika típusai Leíró jellegű statisztika: összegzi egy adathalmaz jellemzőit. A középértéket jelemzi (medián, módus, átlag) Az adatok változékonyságát
Részletesebbene (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:
Normális eloszlás ξ valószínűségi változó normális eloszlású. ξ N ( µ, σ 2) Paraméterei: µ: várható érték, σ 2 : szórásnégyzet (µ tetszőleges, σ 2 tetszőleges pozitív valós szám) Normális eloszlás sűrűségfüggvénye:
RészletesebbenQ 1 D Q 2 (D x) 2 (1.1)
. Gyakorlat 4B-9 Két pontszerű töltés az x tengelyen a következőképpen helyezkedik el: egy 3 µc töltés az origóban, és egy + µc töltés az x =, 5 m koordinátájú pontban van. Keressük meg azt a helyet, ahol
RészletesebbenNormális eloszlás tesztje
Valószínűség, pontbecslés, konfidenciaintervallum Normális eloszlás tesztje Kolmogorov-Szmirnov vagy Wilk-Shapiro próba. R-funkció: shapiro.test(vektor) balra ferde eloszlás jobbra ferde eloszlás balra
Részletesebben1. ábra. 24B-19 feladat
. gyakorlat.. Feladat: (HN 4B-9) A +Q töltés egy hosszúságú egyenes szakasz mentén oszlik el egyenletesen (ld.. ábra.). Számítsuk ki az E elektromos térerősséget a vonal. ábra. 4B-9 feladat irányában lévő,
RészletesebbenAbszorpciós spektroszkópia
Tartalomjegyzék Abszorpciós spektroszkópia (Nyitrai Miklós; 2011 február 1.) Dolgozat: május 3. 18:00-20:00. Egész éves anyag. Korábbi dolgozatok nem számítanak bele. Felmentés 80% felett. A fény; Elektromágneses
RészletesebbenA Brüel & Kjaer zajdiagnosztikai módszereinek elméleti alapjai és ipari alkalmazása
A Brüel & Kjaer zajdiagnosztikai módszereinek elméleti alapjai és ipari alkalmazása Összeállította: dr. Szuhay Péter Budapest, 2013 Filename, 1 Hang és zaj 1. rész Dr. Szuhay Péter B & K Components Kft
RészletesebbenBiomatematika 13. Varianciaanaĺızis (ANOVA)
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 13. Varianciaanaĺızis (ANOVA) Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date:
Részletesebben1.1. Feladatok. x 0 pontban! b) f(x) = 2x + 5, x 0 = 2. d) f(x) = 1 3x+4 = 1. e) f(x) = x 1. f) x 2 4x + 4 sin(x 2), x 0 = 2. általános pontban!
. Egyváltozós függgvények deriválása.. Feladatok.. Feladat A definíció alapján határozzuk meg a következő függvények deriváltját az x pontban! a) f(x) = x +, x = 5 b) f(x) = x + 5, x = c) f(x) = x+, x
RészletesebbenValószínűségi változók. Várható érték és szórás
Matematikai statisztika gyakorlat Valószínűségi változók. Várható érték és szórás Valószínűségi változók 2016. március 7-11. 1 / 13 Valószínűségi változók Legyen a (Ω, A, P) valószínűségi mező. Egy X :
RészletesebbenAlkalmazás a makrókanónikus sokaságra: A fotongáz
Alkalmazás a makrókanónikus sokaságra: A fotongáz A fotonok az elektromágneses sugárzás hordozó részecskéi. Spinkvantumszámuk S=, tehát kvantumstatisztikai szempontból bozonok. Fotonoknak habár a spinkvantumszámuk,
RészletesebbenLine aris f uggv enyilleszt es m arcius 19.
Lineáris függvényillesztés 2018. március 19. Illesztett paraméterek hibája Eddig azt néztük, hogy a mérési hiba hogyan propagál az illesztett paraméterekbe, ha van egy konkrét függvényünk. a hibaterjedés
RészletesebbenFraktálok. Hausdorff távolság. Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék március 14.
Fraktálok Hausdorff távolság Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék 2015. március 14. TARTALOMJEGYZÉK 1 of 36 Halmazok távolsága ELSŐ MEGKÖZELÍTÉS Legyen (S, ρ) egy metrikus tér, A, B S, valamint
RészletesebbenA +Q töltés egy L hosszúságú egyenes szakasz mentén oszlik el egyenletesen (ld ábra ábra
. Gyakorlat 4B-9 A +Q töltés egy L hosszúságú egyenes szakasz mentén oszlik el egyenletesen (ld. 4-6 ábra.). Számítsuk ki az E elektromos térerősséget a vonal irányában lévő, annak.. ábra. 4-6 ábra végpontjától
Részletesebben(Independence, dependence, random variables)
Két valószínűségi változó együttes vizsgálata Feltételes eloszlások Két diszkrét változó együttes eloszlása a lehetséges értékpárok és a hozzájuk tartozó valószínűségek (táblázat) Példa: Egy urna 3 fehér,
RészletesebbenStatisztikai módszerek a skálafüggetlen hálózatok
Statisztikai módszerek a skálafüggetlen hálózatok vizsgálatára Gyenge Ádám1 1 Budapesti Műszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar Számítástudományi és Információelméleti
Részletesebben1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása
HIPOTÉZIS VIZSGÁLAT A hipotézis feltételezés egy vagy több populációról. (pl. egy gyógyszer az esetek 90%-ában hatásos; egy kezelés jelentősen megnöveli a rákos betegek túlélését). A hipotézis vizsgálat
RészletesebbenA valószínűségszámítás elemei
Alapfogalmak BIOSTATISZTIKA ÉS INFORMATIKA A valószínűségszámítás elemei Jelenség: minden, ami lényegében azonos feltételek mellett megismételhető, amivel kapcsolatban megfigyeléseket lehet végezni, lehet
RészletesebbenSTATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése
4. A modell érvényességének ellenőrzése STATISZTIKA 4. Előadás Variancia-analízis Lineáris modellek 1. Függetlenség 2. Normális eloszlás 3. Azonos varianciák A maradék független a kezelés és blokk hatástól
RészletesebbenTrócsányi Zoltán. Kozmológia alapfokon
Magyar fizikatanárok a CERN-ben 2013. augusztus 12-17. Trócsányi Zoltán Kozmológia alapfokon Részecskefizikai vonatkozásokkal Hogy kerül a csizma az asztalra? Az elmúlt negyedszázad a kozmológia forradalmát,
RészletesebbenSTATISZTIKAI ALAPOK. Statisztikai alapok_eloszlások_becslések 1
STATISZTIKAI ALAPOK Statisztikai alapok_eloszlások_becslések 1 Pulzus példa Egyetemista fiatalokból álló csoport minden tagjának (9 fő) megmérték a pulzusát (PULSE1), majd kisorsolták ki fusson és ki nem
RészletesebbenKépfeldolgozás. 1. el adás. A képfeldolgozás m veletei. Mechatronikai mérnök szak BME, 2008
Képfeldolgozás 1. el adás. A képfeldolgozás m veletei Mechatronikai mérnök szak BME, 2008 1 / 61 Alapfogalmak transzformációk Deníció Deníció Geometriai korrekciókra akkor van szükség, ha a képr l valódi
RészletesebbenEllipszis vezérgörbéjű ferde kúp felszínének meghatározásához
1 Ellipszis vezérgörbéjű ferde kúp felszínének meghatározásához Előző dolgozatunkkal melynek címe: A ferde körkúp palástfelszínének meghatározásához már mintegy megágyaztunk a jelen írásnak. Több mindent
Részletesebben