Általános esetben az atomok (vagy molekulák) nem függetlenek, közöttük erős

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Általános esetben az atomok (vagy molekulák) nem függetlenek, közöttük erős"

Átírás

1 I. BEVEZETÉS A STATISZTIKUS MÓDSZEREKBE Ebben a fejezetben konkrét példán vzsgáljuk meg, hogy mlyen jellegzetes tulajdonsága vannak a makroszkopkus testeknek statsztkus fzka szempontból. A megoldás során megsmerkedünk a fzka ezen területén használatos szemlélettel és módszerekkel. A módszerek pontos és általános megfogalmazására a következő fejezetekben kerül majd sor. A példa, amely tulajdonképpen az egyk statsztkus fzka alapfeladat, a következő: Írjuk le egy homogén, zárt, makroszkopkus rendszer vselkedését, ha azt már régen magára hagytuk, vagys amkor beállt a termodnamka egyensúly. Adott a teljes térfogat: V, az atomok vagy molekulák) száma: N 0, és az egész rendszer összenergája: E. Általános esetben az atomok vagy molekulák) nem függetlenek, közöttük erős kölcsönhatás s lehetséges, am azonban rendszernt rövd hatótávolságú. Célszerű bevezetn olyan összetevőket, melyek közelítőleg függetlennek teknthetők. Erősen kölcsönható rendszerben a következőképpen defnáljuk az ún. részrendszereket: a teljes rendszert nagyszámú, N darab olyan részre bontjuk, melyek sokkal ksebbek, mnt a makroszkopkus test, de sokkal nagyobbak a mkroszkopkus méreteknél pl. az atom távolságoknál), s így még mndg nagyon sok részecskét tartalmaznak. Tpkus makroszkopkus méret az 1 cm, atom méret a 10 8 cm; a részrendszer jellemző mérete tehát lehet pl cm. E, V, N 0 részrendszerek Mnden részrendszernek van saját belső energája, mely a részrendszer térfogatával arányos, és van kölcsönhatás energája a szomszédos részrendszerekkel. Az atom kölcsönhatás távolság rövd hatótávolságú erők esetén jóval ksebb a részrendszer méretenél, ezért a részrendszer kölcsönhatás energája körülbelül a részrenszer felületével arányos. Atom méretekben a részrendszer nagy, ezért a felület/térfogat vszony kcs, s a felület energa elhanyagolható az e j belső energához képest 1

2 j a részrendszer sorszáma). Ekkor gaz lesz, hogy N E = e j. j=1 I.1) A kfejezés nylván egzakttá tehető, ha a teljes rendszer részecskeszáma és mérete a végtelenhez tart, mközben a sűrűség állandó marad, vagys, ha V, N 0 és N 0 /V = állandó. Ilyenkor ugyans a részrendszerek méretét s mnden határon túl növelhetjük. Ezt a határátmenetet nevezzük termodnamka határesetnek. A makroszkopkus testek jó közelítéssel termodnamka határesetben lévő rendszereknek teknthetők.) A teljes rendszerről föltettük, hogy termodnamka egyensúlyban van, ezért a részrendszereknek s egyensúlyban kell lennük. Nem szabad azonban elfelejten, hogy az egyensúlyt éppen a részrendszerek kölcsönhatása matt érte el a rendszer, hszen ha nem lett volna kölcsönhatás, akkor mnden a kndulás állapotban maradt volna. Ezért tehát azt mondhatjuk, hogy a részrendszerek kölcsönhatása alapvető a termodnamka egyensúly elérésben, de ha már beállt az egyensúly, akkor a kölcsönhatás elhanyagolható. A részrendszerekről azt s föltehetjük, hogy számuk nagy. Ez makroszkopkus rendszereknél mndg teljesíthető. A feltevésre azért van szükség, hogy az alkalmazásra kerülő módszert, melyben lényeges, hogy N nagy legyen, használhassuk. Annak érdekében, hogy az alábbakban bemutatandó egyszerű kombnatorka megfontolással dolgozhassunk, tegyük föl azt s, hogy a részrendszerek egyformák. Bebzonyítható, hogy eredményenk ez utóbb feltevéstől függetlenül s gazak. Általánosan azt mondhatjuk, hogy a részrendszereknek négy lényeges tulajdonsággal kell rendelkeznük: megkülönböztethetőek, közelítőleg függetlenek gaz rájuk I.1)), egyformák és számuk nagyon nagy. A teljes rendszernek csak néhány makroszkopkus paraméterét smerjük E, V, N 0 ), ezért nagyon sok olyan különböző állapota lehet, mely teljesít azt a megszorítást, hogy ezek az adatok ne változzanak. Az egyszerűség kedvéért legyenek a részrendszerek olyanok, hogy térfogatuk és a bennük lévő részecskék száma rögzített. Tegyük föl, hogy megszámoztuk egy részrendszer lehetséges állapotat úgy, hogy ezek energájuk nemcsökkenő sorrendjében következnek egymás után. Az -dk állapothoz az ε energa tartozk, és gaz az, hogy ε 1 ε 2... ε ε A részrendszerek s makroszkopkusak, tehát energanívók sokszorosan degeneráltak, ezért ugyanaz az ε érték nagy számú különböző állapothoz tartozhat. A részrendszerek egyformák, ezért mnden más részrendszer s csak ezekkel az energaszntekkel rendelkezhet. Nylván az s lehetséges, hogy az adott állapotban nemcsak egy részrendszer van, hanem több. Legyen az -dk állapotban lévő részrendszerek száma n = 1,2,...). A részrendszerek teljes száma, N azonban rögzített, ezért N = n. =1 2 I.2)

3 A teljes energa így s írható: E = n ε. =1 I.3) Ezek után azt kérdezzük, m a teljes rendszer állapotanak száma, ha előírjuk, hogy hány részrendszer van az egyes állapotokban, vagys ha megadjuk az {n } halmazt. Jelöljük ezt a számot P {n } ) -vel. A részrendszerek megkülönböztethetőek. Ezen azt értjük, hogy a teljes rendszer különböző állapotat kapjuk, ha két eltérő állapotban levő részrendszer állapotát megcseréljük tehát más állapotot jelent pl. az, ha az 1. számú részrendszer az 1., a 2. számú a 2. állapotban van, és az, ha a 2. számú az 1. és az 1. számú a 2. állapotban). Nem kapunk azonban új állapotot, ha az azonos állapotban levő részrendszerek állapotat cseréljük meg. Ezért: P {n } ) = N! n 1!n 2!..., n = N. I.4) Könnyen megadható annak valószínűsége s, hogy az adott {n } állapotrendszer valósuljon meg. Jelölje e valószínűséget ρ {n } ). Az összes állapotok száma:... P {n } ) P {n } ), n 3 n 1 n 2 {n } n = N. I.5) Rögzített {n } esetén nylván mnden elrendeződés egyforma eséllyel jön létre, ezért a keresett valószínűség: ρ {n } ) = P {n } ) P {n } ). I.6) {n } A következő lépés a legvalószínűbb eloszlás meghatározása lesz. Ezt I.6) szernt akkor kapjuk, ha megadjuk, mely {ñ }-re maxmáls P {n } ). Az {ñ } halmazt nevezzük {n } legvalószínűbb értékének. Látn fogjuk, hogy az ñ értékek nagyok lesznek. Ezt most egyelőre föltesszük, és később gazoljuk a feltevés jogosságát. Kényelmesebb, ha P {n } ) logartmusának keressük a maxmumát: ln P {n } ) = lnn! A Strlng-formula szernt, n 1 esetén lnn!. =1 n ) n n! 2πn, e lnn! n + 1 ) lnn n + ln 2π. 2 3

4 A nagy n mellett a konstansok elhagyhatók, ezért lnn! nlnn n. I.7) I.7) fölhasználásával: ln P {n } ) = N lnn N n lnn n ). n ε mellék- Ennek a kfejezésnek keressük a maxmumát az N = n és az E = feltételekkel. A Lagrange-féle multplkátor-módszert alkalmazva: δ P {n } ) α n β ) n ε = 0, lnn )δn α δn β ε δn = 0. Ennek tetszőleges δn -re gaznak kell lenne, tehát pl. δn = δ,k -ra s. Ebből: mnden -re, azaz Az I.2) mellékfeltétel szernt lnñ + α + βε = 0 ñ = e α βε. I.8) I.9) N = e α βε e α Z, I.10) ahol Z = e βε. I.11) A Z mennységet egy részrendszer állapotösszegének nevezzük. A továbbakban nagyon fontos mennység lesz, látn fogjuk, hogy Z smeretében mnden várható érték megkapható. Az I.3) mellékfeltétel alapján E = ε e α βε = N Z ε e βε. I.12) Ebből az mplct egyenletből kell meghatározn β-t ez általában nehéz feladat), s ezután I.10) szernt e α már kszámítható. I.9)-be helyettesítve, a legvalószínűbb értékre ñ = N e βε I.13) Z 4

5 adódk. Látható, hogy ñ N a jel arányosságot jelent), tehát ñ nagy szám, vagys jogos volt a kndulás feltevés. Az e βε /Z mennység neve Boltzmann-faktor. Szemléletes jelentése a következő: annak a valószínűségét adja meg, hogy egy részrendszer az -edk állapotban van. Ezek szernt E/N egy részrendszer átlagos energájaként értelmezhető l. I.12)). A másodk varácó vzsgálatával azt s be lehet látn, hogy ñ valóban P {n } ) maxmumát adja meg, és nem mnmumát. I.11)-ből leolvasható, hogy ñ és E az állapotösszeggel így fejezhető k: ñ = N lnz, I.14) β ε E N = ε e βε = lnz Z β. I.15) Ezután határozzuk meg azt, hogy átlagosan hány részrendszer van az -dk állapotban, vagys menny n átlagértéke. A valószínűségszámításból smert átlagolás szernt és I.6)-ot felhasználva: n P {n } ) n = {n } {n } P {n } ). I.16) Az átlagolás elvégzésére érdemes a következő általános P {n,ω } ) függvényt bevezetn: P {n,ω } ) = N! n! ωn 1 1 ωn ωn..., n = N. I.17) Az ω = 1 = 1,2,...) esetben vsszakapjuk az eredet P {n } ) -t. Az általános P {n,ω } ) -vel I.16) átírható lyen formába: n = ω ln P {n,ω } ) ω. I.18) {n} {ω =1} Éppen ez a felírás az előnye I.17) használatának. n 2 értéke s kfejezhető hasonló módszerrel: n 2 P {n } ) n 2 = {n } P {n } ) = ω P {n,ω } ) ω P {n,ω } ) ω ω = {n } ω ω + {n } ω P {n,ω } ) {n } ω P {n,ω } ) {n } P {n,ω } ) ω {n } P {n,ω } ) ω {n } 5 {n } 2 {ω =1}. {ω =1}

6 Ezen átalakítás után, I.18)-at felhasználva, a következő összefüggést kapjuk: n 2 n)2 n n ) 2 n = ω ω I.19) {ω =1}. A baloldal éppen a valószínűségszámításban defnált szórásnégyzet, az átlagértéktől való eltérés. A legvalószínűbb értéket az új P {n,ω } ) -vel s ugyanúgy számolhatjuk k, mnt az előbb, s azt kapjuk, hogy n legvalószínűbb értéke rögzített {ω } mellett ñ {ω }) = ω e α βε, e α = N Z. I.20) Csak az ω szorzó jelent változást I.9)-hez képest.) Az eddgek smeretében n szgorú matematka módszerekkel pl. a központ határeloszlás tétel vagy a nyeregpont módszer segítségével) kértékelhető. Eredményül az adódk, hogy a legvalószínűbb érték és a várható érték jó közelítéssel megegyezk, vagys n ñ. I.21) Ha az átlag közel esk a legvalószínűbb értékhez, akkor ez azt jelent, hogy kcs a szórás, tehát kcsk a fluktuácók. Termodnamka rendszerben tudjuk, hogy kcsk a fluktuácók, így tehát fzkalag kézenfekvő eredményt kapunk. I.21) bzonyítása hosszadalmas lenne, ezért most feltevésnek tekntjük, és bebzonyítjuk, hogy ez következetes lépés. I.20) alapján ω n ω ω ñ ω = ñ n. I.19)-be helyettesítve: n 2 n ) 2 = n. I.22) Az lyen tulajdonságú szórást normál szórásnak nevezk a valószínűségszámításban. Az n -k nagyok, mert n N, ezért n 2 n ) 2 N 2, tehát az I.22)-bel különbség sokkal ksebb, mnt az egyes tagok. Átalakítva: n 2 n ) 2 n = 1 n 1 N, I.23) am azt mutatja, hogy az átlagérték körül relatv szórás kcs, és nullához tart, ha N a termodnamka határesetben). Ha kcs a szórás, akkor szükség szernt a legvalószínűbb érték s nagyon közel van az átlagértékhez, tehát kndulásunk helyes volt. P {n } ) tehát a következőképpen ábrázolható az egyk n változó függvényében n j = konst, ha j): 6

7 P {n } 1 N ñ /N n /N A görbe nagyon éles, szélessége kcs, a Drac-féle deltafüggvény jó közelítésének teknthető. Szemléletesen az s látszk, hogy n ñ -n kívül nagyon kevés állapot fordul elő. Ezért tehát azt mondhatjuk, hogy a legvalószínűbb értéket megvalósító állapotok száma jó közelítésel megegyezk az összes állapotok számával. Be lehet látn, hogy a fent megállapítás a nagy számok törvénye egyk kfejezésének teknthető. A szórás tetszőleges F addtv mennység esetében s kcs. Ilyen mennység pl. az energa vagy a mágnesezettség. Az addtv szó helyett a termodnamkában az extenzv jelzőt használják.) Legyen az F mennység értéke a részrendszer -edk állapotában F. Ekkor F = n F, F = n F. A szórásnégyzet egyszerűen kszámítható: F F) 2 =,j n n )n j n j )F F j = n 2 n ) 2) F 2, hszen a részrendszerek függetlenek. A relatv szórás négyzete I.22) alapján: n F F) 2 F 2 = 1 N F 2 ) N 2. n N F Mvel n /N a termodnamka határesetben véges, a relatv szórás arányos 1/ N-nel. Emlékeztetünk arra, hogy szórást azért tapasztalunk, mert a makroszkopkus rendszerről csak kevés dolgot smerünk, például azt, hogy az energája állandó, s ez a mkroszkopkus mennységek sok különböző értékével egyeztethető össze. Vzsgáljuk a rendszer egy másk lényeges tulajdonságát s. Ehhez bevezetjük a Z 0 β) segédmennységet, melyet a teljes rendszer állapotösszegének nevezünk. Gondolatban engedjük meg, hogy az összenerga ne csak az E értéket vegye föl, hanem legyen tetszőleges. I.11)-hez hasonlóan defnáljuk Z 0 -t: Z 0 β) = j e βe j, 7

8 ahol j a teljes rendszer j-edk állapotát jelent, s E j az ehhez tartozó energát. Z 0 β) a mostan gondolatmenetben csak matematka segédmennység, de a későbbekben látn fogjuk, hogy mlyen fontos fzka jelentése van. Az E energához tartozó állapotok számát, tehát az energa degenerácójának fokát, jelöljük WE )-vel. Az E és E +δe energák közé eső állapotok száma nylván WE )δe /, ha δe E, és két szomszédos energa érték különbsége. Legyen E 0 a teljes rendszer legalacsonyabb energaszntje. Z 0 β)-ban az állapotok szernt összegzésről áttérhetünk az energa szernt ntegrálásra: Z 0 β) = E 0 e βe ωe )de, ωe) = WE). ωe)-t a rendszer állapotsűrűségének nevezzük. Tegyük föl, hogy az ntegrandus mnden poztv β-ra nullához tart, ha E tart a végtelenhez. Tekntsük ezentúl Z 0 β)-t β függvényeként. β-nak azt az értéket, melyet I.12) határoz meg s melyet eddg β-val jelöltünk) a megkülönböztetés kedvéért jelöljük β-val. Az I.15) egyenlet természetesen Zβ)-nak a β helyen vett derváltját jelent. A Laplace-transzformácó nvertálás képletét felhasználva, az állapotsűrűség így írható: ωe) = 1 2π β + β Z 0 β)e βe dβ = 1 2π Z 0 β + β )e β +β )E dβ, ahol β tetszőleges poztv szám. Melőtt továbbmennénk, célszerű megadn Z 0 β) más kfejezését s. A részrendszerek függetlenek, tehát E j = ε 1j1 + ε 2j ε NjN. j α jelent az α-adk részrendszer valamelyk állapotát. j nylván a {j α } halmazzal ekvvalens, így Z 0 β) = {j α } exp{ βε 1j1 + ε 2j ε NjN )}. Mndegyk részrendszer egyforma, ezért Z 0 β) = exp{ βε 1j1 } j1 N = Zβ) N, ahol N a Loschmdt-szám nagyságrendjébe esk. β-ra I.15) szernt gaz, hogy lnz 0 β) β = E. β= β 8

9 Az állapotsűrűség ntegrál-előállításában válasszuk β -t β-nak. Írjuk az ntegrandust exponencáls alakba, és fejtsünk sorba β szernt ez az ún. nyeregpont módszer): ωe) = 1 2π exp { = exp{lnz 0 β) + βe} lnz 0 β) + βe 1 2 2π 2 lnz 0 β) β 2 2 lnz 0 β) β 2 β= β β } 1/ ). β= β) dβ Itt felhasználtuk az e ax2 dx = π a Gauss-ntegrált. Mndkét oldal logartmusát véve: lnωe) = lnz 0 β) + βe 1 2 ln 2π 2 lnz 0 β) β 2 β= β ) I.24) Mvel Z 0 = Z N, lnz 0 = N lnz, ωe) tehát N-nek gen gyorsan változó függvénye, s ez a makroszkopkus testek egyk alapvető sajátossága. Határozzuk meg a legvalószínűbb állapotok számát s! lnp max lnp {ñ } ) = N lnn ñ lnñ. I.9)-et behelyettesítve, I.10 12) felhasználásával: lnp {ñ } ) = N lnz + βe. I.24) utolsó tagja ln N nagyságrendű, ez E és N nagyságrendje mellett elhanyagolható, s így azt kapjuk, hogy P {ñ } ) ωe) {n } P {n } ). Számítással s gazoltuk azt, amt korábban csak szemléletesen láttunk: az összes és a legvalószínűbb állapotok száma közel azonos. Ez másképpen azt jelent, hogy P {n } ) nagyon éles függvény, s ebből már következk az s, hogy a szórások kcsk, tehát a legvalószínűbb és a várható érték csak keveset tér el. Megsmerkedtünk tehát a makroszkopkus testek statsztkus szempontból nagyon fontos tulajdonságaval: a termodnamka határesetben a legvalószínűbb értéket megvalósító állapotok száma jó közelítéssel megegyezk az összes állapotok számával 9

10 ebből már következk, hogy az addtv mennységek legvalószínűbb és várható értéke s jó közelítéssel azonos), és az állapotok száma N-nek gyorsan változó függvénye. Ezek a tulajdonságok nemcsak a zárt rendszerre jellemzőek, hanem mnden smert makroszkopkus testre, tehát a makroszkopkus rendszerek alapvető tulajdonsága. A továbbakban egzaktul megoldható példán llusztráljuk a fenteket. Tekntsünk nagyszámú, egymástól független, egydmenzós harmonkus kvantumoszcllátort olyan elrendezésben, amelyben mnden oszcllátor valamlyen rögzített hely köré lokalzált. Képzeljünk el pl. rácspontokba elhelyezett oszcllátorokat. Ebben a konkrét modellben k tudjuk számoln a legvalószínűbb állapotok és az összes állapotok számát s, és ellenőrzhetjük a fent tulajdonságokat. Az egyes oszcllátorok eleget tesznek a részrendszer ránt támasztott követelményeknek. Annak ellenére, hogy kvantumrészecskék, fölcserélhetők, hszen meg lehet különböztetn, hogy melyk rácsponthoz tartoznak.) Ezért mnden oszcllátort részrendszernek tekntünk, s ekkor N = N 0. A kvantummechanka szernt az egyes oszcllátorok energája e j = m j + 1 ) hν, m j = 0,1,2,... j = 1,2,...,N). 2 m j azt mutatja meg, hogy a j-edk oszcllátor melyk gerjesztett energasznten helyezkedk el. Az egyes energaszntek, amelyek ebben a példában nem degeneráltak, megszámozhatók a következő módon: ε = 1) + 1 ) hν, = 1,2, Az állapotösszeg: Z = e βε = e βhν/2 l=0 e βlhν = e βhν/2 1 e βhν, amből lnz = 1 2 βhν ln1 e βhν ). I.15) szernt a belső energa s kfejezhető Z-vel: E N = lnz β. A belső energa smeretében ebből az egyenletből lehet a β paramétert meghatározn. Z konkrét alakját beírva: ) E 1 N = hν e βhν. I.25) 1 10

11 I.1) alapján másképpen s fölírhatjuk a teljes energát: E = N e j = j=1 N j=1 m j + 1 ) hν = 1 Nhν + Mhν, 2 2 M N m j. j=1 Ezentúl mnden mennységet N-nel és M-mel célszerű kfejezn. A két egyenlet összehasonlításából: 1 e βhν 1 = M ) N + M, azaz βhν = ln. N M Z képletéből β-t kküszöbölve: lnz = 1 2 ln N + M M I.13) felhasználásával azt kapjuk, hogy ) lnñ = lnn βε lnz. Képezzük most a következő mennységet: ñ lnñ = N lnn E ) N + M hν ln M ahol felhasználtuk, hogy kfejezve: n = N és ) N ln. N + M N ln N + M M ) ) N + N ln, N + M n ε = E. A belső energát N-nel és M-mel ñ lnñ = N lnn N + M) lnn + M) + M lnm + N lnn. Defnícó szernt P max = N!/ faktorálsa szerepel). Ezzel: ñ! ñ 1 és tt az ehhez legközelebb egész szám lnp max = N lnn ñ lnñ = N + M) lnn + M) M lnm N lnn. Számoljuk most meg az összes lehetséges állapotot! Ehhez képzeljük el a következő szemléltetést: Rendeljünk mnden oszcllátorhoz egy dobozt, és tegyünk anny fehér golyót egy-egy dobozba, amekkora m j értéke az adott j-re. Az ábra egy lehetséges esetet mutat: N. m 1 = 2 m 2 = 1 m 3 = 0 m 4 = 5 m N = 3 11

12 Helyezzük ezután egy sorba a golyókat úgy, hogy két szomszédos doboz tartalmát egy fekete golyóval választjuk külön. Az előző ábrának tehát a következő sorrend felel meg: Az összes fehér golyók száma defnícó szernt M, a fekete golyóké pedg N 1. Ezzel szemléltettük az egész rendszer egy lehetséges állapotát. Ettől eltérő állapotnak más golyósorrend felel meg. Új elrendezést kapunk, ha felcserélünk fehér és fekete golyókat, de nem kapunk újat, ha csak az azonos színűeket permutáljuk. Az összes állapotok száma tehát: WE) = {n } P {n } ) = N + M 1)!. N 1)!M! A Strlng-formula, I.7), szernt: ln {n } P {n } ) = N + M 1) lnn + M 1) M lnm N 1) lnn 1). Ezek után összehasonlíthatjuk P max és {n } P {n } ) logartmusát. A két kfejezés csak abban különbözk, hogy az utóbb esetben 1) s szerepel a zárójelekben. Ha azonban N és M Loschmdt-szám nagyságrendű, akkor ez jogosan elhanyagolható. Ezzel megmutattuk, hogy a legvalószínűbb állapotok száma jó közelítéssel megegyezk az összes állapotok számával. Határozzuk meg WE) konkrét alakját s! N és M nagyon nagy, ezért WE) N + M)N+M M M N N. Másrészt E hν = N 2 + M. Ezt behelyettesítve, és felhasználva, hogy E 0 Nhν/2 az alapállapot energa: ωe) = WE) 1 2 N E N 0 hν ) E/hν+N/2 E + E0 E E 0 ) N. I.26) E E 0 Az ωe) állapotsűrűség tehát N-nek tényleg gyorsan változó függvénye, am összhangban van I.24)-gyel. Abban az esetben, ha E E 0, ωe) E N, vagys az állapotsűrűség nagy ktevőjű hatványfüggvényként vselkedk. 12

Az entrópia statisztikus értelmezése

Az entrópia statisztikus értelmezése Az entrópa statsztkus értelmezése A tapasztalat azt mutatja hogy annak ellenére hogy egy gáz molekulá egyed mozgást végeznek vselkedésükben mégs szabályszerűségek vannak. Statsztka jellegű vselkedés szabályok

Részletesebben

,...,q 3N és 3N impulzuskoordinátával: p 1,

,...,q 3N és 3N impulzuskoordinátával: p 1, Louvlle tétele Egy tetszőleges klasszkus mechanka rendszer állapotát mnden t dőpllanatban megadja a kanónkus koordnáták összessége. Legyen a rendszerünk N anyag pontot tartalmazó. Ilyen esetben a rendszer

Részletesebben

KOMBINATORIKA ELŐADÁS osztatlan matematika tanár hallgatók számára. Szita formula

KOMBINATORIKA ELŐADÁS osztatlan matematika tanár hallgatók számára. Szita formula KOMBINATORIKA ELŐADÁS osztatlan matematka tanár hallgatók számára Szta formula Előadó: Hajnal Péter 2015. 1. Bevezető példák 1. Feladat. Hány olyan sorbaállítása van a a, b, c, d, e} halmaznak, amelyben

Részletesebben

d(f(x), f(y)) q d(x, y), ahol 0 q < 1.

d(f(x), f(y)) q d(x, y), ahol 0 q < 1. Fxponttétel Már a hétköznap életben s gyakran tapasztaltuk, hogy két pont között a távolságot nem feltétlenül a " kettő között egyenes szakasz hossza" adja Pl két település között a távolságot közlekedés

Részletesebben

Az elektromos kölcsönhatás

Az elektromos kölcsönhatás TÓTH.: lektrosztatka/ (kbővített óravázlat) z elektromos kölcsönhatás Rég tapasztalat, hogy megdörzsölt testek különös erőket tudnak kfejten. Így pl. megdörzsölt műanyagok (fésű), megdörzsölt üveg- vagy

Részletesebben

A TERMODINAMIKA MIKROSZKOPIKUS ÉRTELMEZÉSE: A STATISZTIKUS TERMODINAMIKA ALAPJAI

A TERMODINAMIKA MIKROSZKOPIKUS ÉRTELMEZÉSE: A STATISZTIKUS TERMODINAMIKA ALAPJAI A TERMODINAMIKA MIKROSZKOPIKUS ÉRTELMEZÉSE: A STATISZTIKUS TERMODINAMIKA ALAPJAI BEVEZETÉS Alkotórészek: molekulárs modell + statsztka Mért kell a statsztka? Mert 0 23 nagyságrend mkroszkopkus változója

Részletesebben

BUDAPESTI MŰ SZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR VASÚTI JÁRMŰVEK ÉS JÁRMŰRENDSZERANALÍZIS TANSZÉK

BUDAPESTI MŰ SZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR VASÚTI JÁRMŰVEK ÉS JÁRMŰRENDSZERANALÍZIS TANSZÉK BUDAPESTI MŰ SZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR VASÚTI JÁRMŰVEK ÉS JÁRMŰRENDSZERANALÍZIS TANSZÉK MÉRNÖKI MATAMATIKA Segédlet a Bessel-függvények témaköréhez a Közlekedésmérnök

Részletesebben

Elektrokémia 03. Cellareakció potenciálja, elektródreakció potenciálja, Nernst-egyenlet. Láng Győző

Elektrokémia 03. Cellareakció potenciálja, elektródreakció potenciálja, Nernst-egyenlet. Láng Győző lektrokéma 03. Cellareakcó potencálja, elektródreakcó potencálja, Nernst-egyenlet Láng Győző Kéma Intézet, Fzka Kéma Tanszék ötvös Loránd Tudományegyetem Budapest Cellareakcó Közvetlenül nem mérhető (

Részletesebben

A MOLEKULADINAMIKAI MÓDSZEREK SZISZTEMATIKUS TÁRGYALÁSA: KLASSZIKUS DINAMIKA A POSTERIORI KORREKCIÓJA

A MOLEKULADINAMIKAI MÓDSZEREK SZISZTEMATIKUS TÁRGYALÁSA: KLASSZIKUS DINAMIKA A POSTERIORI KORREKCIÓJA A MOLEKULADINAMIKAI MÓDSZEREK SZISZTEMATIKUS TÁRGYALÁSA: KLASSZIKUS DINAMIKA A POSTERIORI KORREKCIÓJA KLASSZIKUS DINAMIKA Klasszkus magok mozognak egy elre elkészített potencálfelületen. Potencálfelület

Részletesebben

A kanonikus sokaság. :a hőtartály energiája

A kanonikus sokaság. :a hőtartály energiája A kanonikus sokaság A mikrokanonikus sokaság esetén megtanultuk, hogy a megengedett mikroállapotok egyenértéküek, és a mikróállapotok száma minimális. A mikrókanónikus sokaság azonban nem a leghasznosabb

Részletesebben

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések! ORVOSI STATISZTIKA Az orvos statsztka helye Élettan Anatóma Kéma Lehet kérdés?? Statsztka! Az orvos döntéseket hoz! Mkor jó egy döntés? Mennyre helyes egy döntés? Mekkora a tévedés lehetősége? Példa: test

Részletesebben

Azonos és egymással nem kölcsönható részecskékből álló kvantumos rendszer makrókanónikus sokaságban.

Azonos és egymással nem kölcsönható részecskékből álló kvantumos rendszer makrókanónikus sokaságban. Kvantum statisztika A kvantummechanika előadások során már megtanultuk, hogy az anyagot felépítő részecskék nemklasszikus, hullámtulajdonságokkal is rendelkeznek aminek következtében viselkedésük sok szempontból

Részletesebben

Egy negyedrendű rekurzív sorozatcsaládról

Egy negyedrendű rekurzív sorozatcsaládról Egy negyedrendű rekurzív sorozatcsaládról Pethő Attla Emlékül Kss Péternek, a rekurzív sorozatok fáradhatatlan kutatójának. 1. Bevezetés Legyenek a, b Z és {1, 1} olyanok, hogy a 2 4b 2) 0, b 2 és ha 1,

Részletesebben

Hipotézis vizsgálatok. Egy példa. Hipotézisek. A megfigyelt változó eloszlása Kérdés: Hatásos a lázcsillapító gyógyszer?

Hipotézis vizsgálatok. Egy példa. Hipotézisek. A megfigyelt változó eloszlása Kérdés: Hatásos a lázcsillapító gyógyszer? 01.09.18. Hpotézs vzsgálatok Egy példa Kérdések (példa) Hogyan adhatunk választ? Kérdés: Hatásos a lázcsllapító gyógyszer? Hatásos-e a gyógyszer?? rodalomból kísérletekből Hpotézsek A megfgyelt változó

Részletesebben

Statisztikai próbák. Ugyanazon problémára sokszor megvan mindkét eljárás.

Statisztikai próbák. Ugyanazon problémára sokszor megvan mindkét eljárás. Statsztka próbák Paraméteres. A populácó paraméteret becsüljük, ezekkel számolunk.. Az alapsokaság eloszlására van kkötés. Nem paraméteres Nncs lyen becslés Nncs kkötés Ugyanazon problémára sokszor megvan

Részletesebben

Alkalmazás a makrókanónikus sokaságra: A fotongáz

Alkalmazás 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,

Részletesebben

Méréselmélet: 5. előadás,

Méréselmélet: 5. előadás, 5. Modellllesztés (folyt.) Méréselmélet: 5. előadás, 03.03.3. Út az adaptív elárásokhoz: (85) és (88) alapán: W P, ( ( P). Ez utóbb mndkét oldalát megszorozva az mátrxszal: W W ( ( n ). (9) Feltételezve,

Részletesebben

s n s x A m és az átlag Standard hiba A m becslése Információ tartalom Átlag Konfidencia intervallum Pont becslés Intervallum becslés

s n s x A m és az átlag Standard hiba A m becslése Információ tartalom Átlag Konfidencia intervallum Pont becslés Intervallum becslés A m és az átlag Standard hba Mnta átlag 1 170 Az átlagok szntén ngadoznak a m körül. s x s n Az átlagok átlagos eltérése a m- től! 168 A m konfdenca ntervalluma. 3 166 4 173 x s x ~ 68% ~68% annak a valószínűsége,

Részletesebben

Support Vector Machines

Support Vector Machines Support Vector Machnes Ormánd Róbert MA-SZE Mest. Int. Kutatócsoport 2009. február 17. Előadás vázlata Rövd bevezetés a gép tanulásba Bevezetés az SVM tanuló módszerbe Alapötlet Nem szeparálható eset Kernel

Részletesebben

4 2 lapultsági együttható =

4 2 lapultsági együttható = Leíró statsztka Egy kísérlet végeztével általában tetemes mennységű adat szokott összegyűln. Állandó probléma, hogy mt s kezdjünk - lletve mt tudunk kezden az adatokkal. A statsztka ebben segít mnket.

Részletesebben

2 Wigner Fizikai Kutatóintézet augusztus / 17

2 Wigner Fizikai Kutatóintézet augusztus / 17 Táguló sqgp tűzgömb többkomponensű kéma kfagyása Kasza Gábor 1 és Csörgő Tamás 2,3 1 Eötvös Loránd Tudományegyetem 2 Wgner Fzka Kutatóntézet 3 Károly Róbert Főskola 2015. augusztus 17. Gyöngyös - KRF 1

Részletesebben

VÁLASZOK A FIZKÉM I ALAPKÉRDÉSEKRE, KERESZTÉVFOLYAM 2006

VÁLASZOK A FIZKÉM I ALAPKÉRDÉSEKRE, KERESZTÉVFOLYAM 2006 ÁLASZOK A FIZKÉM I ALAPKÉRDÉSEKRE, KERESZÉFOLYAM 6. Az elszgetelt rendszer határfelületén át nem áramlk sem energa, sem anyag. A zárt rendszer határfelületén energa léhet át, anyag nem. A nytott rendszer

Részletesebben

Bevezetés a kémiai termodinamikába

Bevezetés a kémiai termodinamikába A Sprnger kadónál megjelenő könyv nem végleges magyar változata (Csak oktatás célú magánhasználatra!) Bevezetés a kéma termodnamkába írta: Kesze Ernő Eötvös Loránd udományegyetem Budapest, 007 Ez az oldal

Részletesebben

Függvények július 13. Határozza meg a következ határértékeket! 1. Feladat: x 0 7x 15 x ) = lim. x 7 x 15 x ) = (2 + 0) = lim.

Függvények július 13. Határozza meg a következ határértékeket! 1. Feladat: x 0 7x 15 x ) = lim. x 7 x 15 x ) = (2 + 0) = lim. Függvények 205. július 3. Határozza meg a következ határértékeket!. Feladat: 2. Feladat: 3. Feladat: 4. Feladat: (2 + 7 5 ) (2 + 7 5 ) (2 + 0 ) (2 + 7 5 ) (2 + 7 5 ) (2 + 0) (2 + 0 7 5 ) (2 + 0 7 5 ) (2

Részletesebben

A mágneses tér energiája, állandó mágnesek, erőhatások, veszteségek

A mágneses tér energiája, állandó mágnesek, erőhatások, veszteségek A mágneses tér energája, állandó mágnesek, erőhatások, veszteségek A mágneses tér energája Egy koncentrált paraméterű, ellenállással és nduktvtással jellemzett tekercs Uáll feszültségre kapcsolásakor az

Részletesebben

Feladatok megoldásokkal a 9. gyakorlathoz (Newton-Leibniz formula, közelítő integrálás, az integrálszámítás alkalmazásai 1.

Feladatok megoldásokkal a 9. gyakorlathoz (Newton-Leibniz formula, közelítő integrálás, az integrálszámítás alkalmazásai 1. Feladatok megoldásokkal a 9. gyakorlathoz (Newton-Leibniz formula, közelítő integrálás, az integrálszámítás alkalmazásai.). Feladat. Határozzuk meg az alábbi integrálokat: a) x x + dx d) xe x dx b) c)

Részletesebben

Folyadékszcintillációs spektroszkópia jegyz könyv

Folyadékszcintillációs 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

Részletesebben

A sokaság/minta eloszlásának jellemzése

A sokaság/minta eloszlásának jellemzése 3. előadás A sokaság/mnta eloszlásának jellemzése tpkus értékek meghatározása; az adatok különbözőségének vzsgálata, a sokaság/mnta eloszlásgörbéjének elemzése. Eloszlásjellemzők Középértékek helyzet (Me,

Részletesebben

Minősítéses mérőrendszerek képességvizsgálata

Minősítéses mérőrendszerek képességvizsgálata Mnősítéses mérőrendszerek képességvzsgálata Vágó Emese, Dr. Kemény Sándor Budapest Műszak és Gazdaságtudomány Egyetem Kéma és Környezet Folyamatmérnök Tanszék Az előadás vázlata 1. Mnősítéses mérőrendszerek

Részletesebben

1.Tartalomjegyzék 1. 1.Tartalomjegyzék

1.Tartalomjegyzék 1. 1.Tartalomjegyzék 1.Tartalomjegyzék 1 1.Tartalomjegyzék 1.Tartalomjegyzék...1.Beezetés... 3.A matematka modell kálasztása...5 4.A ékony lap modell...7 5.Egy más módszer a matematka modell kálasztására...10 6.A felületet

Részletesebben

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Statisztika - 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

Részletesebben

Variancia-analízis (ANOVA) Mekkora a tévedés esélye? A tévedés esélye Miért nem csinálunk kétmintás t-próbákat?

Variancia-analízis (ANOVA) Mekkora a tévedés esélye? A tévedés esélye Miért nem csinálunk kétmintás t-próbákat? Varanca-analízs (NOV Mért nem csnálunk kétmntás t-próbákat? B Van különbség a csoportok között? Nncs, az eltérés csak véletlen! Ez a nullhpotézs. és B nncs különbség Legyen, B és C 3 csoport! B és C nncs

Részletesebben

IDA ELŐADÁS I. Bolgár Bence október 17.

IDA ELŐADÁS I. Bolgár Bence október 17. IDA ELŐADÁS I. Bolgár Bence 2014. október 17. I. Generatív és dszkrmnatív modellek Korábban megsmerkedtünk a felügyelt tanulással (supervsed learnng). Legyen adott a D = {, y } P =1 tanító halmaz, ahol

Részletesebben

Példák ekvivalencia relációra (TÉTELként kell tudni ezeket zárthelyin, vizsgán):

Példák ekvivalencia relációra (TÉTELként kell tudni ezeket zárthelyin, vizsgán): F NIK INÁRIS RLÁIÓK INÁRIS RLÁIÓK (és hasonló mátrxok s tt!) Defnícó: z R bnárs relácó, ha R {( a, b) a, b } nárs relácók lehetséges tuladonsága:. Reflexív ha ( x,.(a). Szmmetrkus ha ( x, y) ( y,.(b).

Részletesebben

Véletlenszám generátorok. 6. előadás

Véletlenszám generátorok. 6. előadás Véletlenszám generátorok 6. előadás Véletlenszerű változók, valószínűség véletlen, véletlen változók valószínűség fogalma egy adott esemény bekövetkezésének esélye értékét 0 és között adjuk meg az összes

Részletesebben

Hely és elmozdulás - meghatározás távolságméréssel

Hely és elmozdulás - meghatározás távolságméréssel Hely és elmozdulás - meghatározás távolságméréssel Bevezetés A repülő szerkezetek repülőgépek, rakéták, stb. helyének ( koordnátának ) meghatározása nem új feladat. Ezt a szakrodalom részletesen taglalja

Részletesebben

Elektromos zajok. Átlagérték Időben változó jel átlagértéke alatt a jel idő szerinti integráljának és a közben eltelt időnek a hányadosát értik:

Elektromos zajok. Átlagérték Időben változó jel átlagértéke alatt a jel idő szerinti integráljának és a közben eltelt időnek a hányadosát értik: Elektromos zajok Átlagérték, négyzetes átlag, effektív érték Átlagérték dőben változó jel átlagértéke alatt a jel dő szernt ntegráljának és a közben eltelt dőnek a hányadosát értk: τ τ dt Négyzetes átlag

Részletesebben

METROLÓGIA ÉS HIBASZÁMíTÁS

METROLÓGIA ÉS HIBASZÁMíTÁS METROLÓGIA ÉS HIBASZÁMíTÁS Metrológa alapfogalmak A metrológa a mérések tudománya, a mérésekkel kapcsolatos smereteket fogja össze. Méréssel egy objektum valamlyen tulajdonságáról számszerű értéket kapunk.

Részletesebben

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Véletlen 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

Részletesebben

II. STATISZTIKUS FIZIKAI ALAPFOGALMAK

II. STATISZTIKUS FIZIKAI ALAPFOGALMAK II. STATISZTIKUS FIZIKAI ALAPFOGALMAK II.1. Mikroállapotok leírása A következő fejezetekben a termodinamikai egyensúlyban levő rendszerek statisztikus fizikai leírásával foglalkozunk. Az ilyen rendszerekre

Részletesebben

Elektrokémia 03. (Biologia BSc )

Elektrokémia 03. (Biologia BSc ) lektokéma 03. (Bologa BSc ) Cellaeakcó potencálja, elektódeakcó potencálja, Nenst-egyenlet Láng Győző Kéma Intézet, Fzka Kéma Tanszék ötvös Loánd Tudományegyetem Budapest Cellaeakcó Közvetlenül nem méhető

Részletesebben

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk Valószínűségszámítás 8. feladatsor 2015. november 26. 1. Bizonyítsuk be, hogy az alábbi folyamatok mindegyike martingál. a S n, Sn 2 n, Y n = t n 1+ 1 t 2 Sn, t Fn = σ S 1,..., S n, 0 < t < 1 rögzített,

Részletesebben

Az α értékének változtatásakor tanulmányozzuk az y-x görbe alakját. 2 ahol K=10

Az α értékének változtatásakor tanulmányozzuk az y-x görbe alakját. 2 ahol K=10 9.4. Táblázatkezelés.. Folyadék gőz egyensúly kétkomponensű rendszerben Az illékonyabb komponens koncentrációja (móltörtje) nagyobb a gőzfázisban, mint a folyadékfázisban. Móltört a folyadékfázisban x;

Részletesebben

Felső végükön egymásra támaszkodó szarugerendák egyensúlya

Felső végükön egymásra támaszkodó szarugerendák egyensúlya 1 Felső végükön egymásra támaszkodó szarugerendák egyensúlya Az [ 1 ] példatárban találtunk egy érdekes feladatot, melynek egy változatát vizsgáljuk meg itt. A feladat Ehhez tekintsük az 1. ábrát! 1. ábra

Részletesebben

Tanult nem paraméteres próbák, és hogy milyen probléma megoldására szolgálnak.

Tanult nem paraméteres próbák, és hogy milyen probléma megoldására szolgálnak. 8. GYAKORLAT STATISZTIKAI PRÓBÁK ISMÉTLÉS: Tanult nem paraméteres próbák, és hogy mlyen probléma megoldására szolgálnak. Név Illeszkedésvzsgálat Χ próbával Illeszkedésvzsgálat grafkus úton Gauss papírral

Részletesebben

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem

Nagy 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

Részletesebben

Szélsőérték feladatok megoldása

Szélsőérték feladatok megoldása Szélsőérték feladatok megoldása A z = f (x,y) függvény lokális szélsőértékének meghatározása: A. Szükséges feltétel: f x (x,y) = 0 f y (x,y) = 0 egyenletrendszer megoldása, amire a továbbiakban az x =

Részletesebben

Matematika A2 vizsga mgeoldása június 4.

Matematika A2 vizsga mgeoldása június 4. Matematika A vizsga mgeoldása 03. június.. (a (3 pont Definiálja az f(x, y függvény határértékét az (x 0, y 0 helyen! Megoldás: Legyen D R, f : D R. Legyen az f(x, y függvény értelmezve az (x 0, y 0 pont

Részletesebben

összetevője változatlan marad, a falra merőleges összetevő iránya ellenkezőjére változik, miközben nagysága ugyanakkora marad.

összetevője változatlan marad, a falra merőleges összetevő iránya ellenkezőjére változik, miközben nagysága ugyanakkora marad. A termodinamika 2. főtétele kis rendszerekben Osváth Szabolcs Semmelweis Egyetem Statisztikus sokaságok Nyomás Nyomás: a tartály falával ütköző molekulák, a falra erőt fejtenek ki Az ütközésben a részecske

Részletesebben

Monte Carlo módszerek a statisztikus fizikában. Az Ising modell. 8. előadás

Monte Carlo módszerek a statisztikus fizikában. Az Ising modell. 8. előadás Monte Carlo módszerek a statisztikus fizikában. Az Ising modell. 8. előadás Démon algoritmus az ideális gázra időátlag fizikai mennyiségek átlagértéke sokaságátlag E, V, N pl. molekuláris dinamika Monte

Részletesebben

+ - kondenzátor. Elektromos áram

+ - kondenzátor. Elektromos áram Tóth : Eektromos áram/1 1 Eektromos áram tapasztaat szernt az eektromos tötések az anyagokban ksebb vagy nagyobb mértékben hosszú távú mozgásra képesek tötések egyrányú, hosszútávú mozgását eektromos áramnak

Részletesebben

LINEÁRIS EGYENLETRENDSZEREK október 12. Irodalom A fogalmakat, definíciókat illetően két forrásra támaszkodhatnak: ezek egyrészt elhangzanak

LINEÁRIS EGYENLETRENDSZEREK október 12. Irodalom A fogalmakat, definíciókat illetően két forrásra támaszkodhatnak: ezek egyrészt elhangzanak LINEÁRIS EGYENLETRENDSZEREK 004. október. Irodalom A fogalmakat, definíciókat illetően két forrásra támaszkodhatnak: ezek egyrészt elhangzanak az előadáson, másrészt megtalálják a jegyzetben: Szabó László:

Részletesebben

Valószínűségi változók. Várható érték és szórás

Valószínűségi 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 :

Részletesebben

12. előadás - Markov-láncok I.

12. előadás - Markov-láncok I. 12. előadás - Markov-láncok I. 2016. november 21. 12. előadás 1 / 15 Markov-lánc - definíció Az X n, n N valószínűségi változók sorozatát diszkrét idejű sztochasztikus folyamatnak nevezzük. Legyen S R

Részletesebben

1. tétel. 1. Egy derékszögű háromszög egyik szöge 50, a szög melletti befogója 7 cm. Mekkora a háromszög átfogója? (4 pont)

1. tétel. 1. Egy derékszögű háromszög egyik szöge 50, a szög melletti befogója 7 cm. Mekkora a háromszög átfogója? (4 pont) 1. tétel 1. Egy derékszögű háromszög egyik szöge 50, a szög melletti befogója cm. Mekkora a háromszög átfogója? (4 pont). Adott az ábrán két vektor. Rajzolja meg a b, a b és az a b vektorokat! (6 pont)

Részletesebben

15. LINEÁRIS EGYENLETRENDSZEREK

15. LINEÁRIS EGYENLETRENDSZEREK 15 LINEÁRIS EGYENLETRENDSZEREK 151 Lineáris egyenletrendszer, Gauss elimináció 1 Definíció Lineáris egyenletrendszernek nevezzük az (1) a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a

Részletesebben

azonos sikban fekszik. A vezetőhurok ellenállása 2 Ω. Számítsuk ki a hurok teljes 4.1. ábra ábra

azonos sikban fekszik. A vezetőhurok ellenállása 2 Ω. Számítsuk ki a hurok teljes 4.1. ábra ábra 4. Gyakorlat 31B-9 A 31-15 ábrán látható, téglalap alakú vezetőhurok és a hosszúságú, egyenes vezető azonos sikban fekszik. A vezetőhurok ellenállása 2 Ω. Számítsuk ki a hurok teljes 4.1. ábra. 31-15 ábra

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Exponenciális és Logaritmikus kifejezések

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Exponenciális és Logaritmikus kifejezések MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Eponenciális és Logaritmikus kifejezések A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szoálhatnak fontos információval

Részletesebben

8. Programozási tételek felsoroló típusokra

8. Programozási tételek felsoroló típusokra 8. Programozás tételek felsoroló típusokra Ha egy adatot elem értékek csoportja reprezentál, akkor az adat feldolgozása ezen értékek feldolgozásából áll. Az lyen adat típusának lényeges jellemzője, hogy

Részletesebben

Periodikus figyelésű készletezési modell megoldása általános feltételek mellett

Periodikus figyelésű készletezési modell megoldása általános feltételek mellett Tanulmánytár Ellátás/elosztás logsztka BME OMIKK LOGISZTIKA 9. k. 4. sz. 2004. júlus augusztus. p. 47 52. Tanulmánytár Ellátás/elosztás logsztka Perodkus fgyelésű készletezés modell megoldása általános

Részletesebben

Műszaki folyamatok közgazdasági elemzése. Kevert stratégiák és evolúciós játékok

Műszaki folyamatok közgazdasági elemzése. Kevert stratégiák és evolúciós játékok Műszak folyamatok közgazdaság elemzése Kevert stratégák és evolúcós átékok Fogalmak: Példa: 1 szta stratéga Vegyes stratéga Ha m tszta stratéga létezk és a 1 m annak valószínűsége hogy az - edk átékos

Részletesebben

Darupályák ellenőrző mérése

Darupályák ellenőrző mérése Darupályák ellenőrző mérése A darupályák építésére, szerelésére érvényes 15030-58 MSz szabvány tartalmazza azokat az előírásokat, melyeket a tervezés, építés, műszak átadás során be kell tartan. A geodéza

Részletesebben

Nagyságrendek. Kiegészítő anyag az Algoritmuselmélet tárgyhoz. Friedl Katalin BME SZIT február 1.

Nagyságrendek. Kiegészítő anyag az Algoritmuselmélet tárgyhoz. Friedl Katalin BME SZIT február 1. Nagyságrendek Kiegészítő anyag az Algoritmuselmélet tárgyhoz (a Rónyai Ivanyos Szabó: Algoritmusok könyv mellé) Friedl Katalin BME SZIT friedl@cs.bme.hu 018. február 1. Az O, Ω, Θ jelölések Az algoritmusok

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Exponenciális és Logaritmikus kifejezések

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Exponenciális és Logaritmikus kifejezések MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Eponenciális és Logaritmikus kifejezések A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos

Részletesebben

Felügyelt önálló tanulás - Analízis III.

Felügyelt önálló tanulás - Analízis III. Felügyelt önálló tanulás - Analízis III Kormos Máté Differenciálható sokaságok Sokaságok Röviden, sokaságoknak nevezzük azokat az objektumokat, amelyek egy n dimenziós térben lokálisan k dimenziósak Definíció:

Részletesebben

Reakciókinetika és katalízis

Reakciókinetika és katalízis Reakciókinetika és katalízis 5. előadás: /22 : Elemi reakciók kapcsolódása. : Egy reaktánsból két külön folyamatban más végtermékek keletkeznek. Legyenek A k b A kc B C Írjuk fel az A fogyására vonatkozó

Részletesebben

Idegen atomok hatása a grafén vezet képességére

Idegen atomok hatása a grafén vezet képességére hatása a grafén vezet képességére Eötvös Loránd Tudományegyetem, Komplex Rendszerek Fizikája Tanszék Mahe Tisk'11 Vázlat 1 Kisérleti eredmények Kémiai szennyez k hatása a Fermi-energiára A vezet képesség

Részletesebben

Függvények december 6. Határozza meg a következő határértékeket! 1. Feladat: x 0 7x 15 x ) = lim. Megoldás: lim. 2. Feladat: lim.

Függvények december 6. Határozza meg a következő határértékeket! 1. Feladat: x 0 7x 15 x ) = lim. Megoldás: lim. 2. Feladat: lim. Függvények 05. december 6. Határozza meg a következő határértékeket!. Feladat: ( + 7 5 ) ( + 7 5 ) ( + 0 ). Feladat: ( + 7 5 ) ( + 7 5 ) ( + 0) 3. Feladat: ( + 0 7 5 ) 4. Feladat: ( + 0 7 5 ) ( + 7 0 5

Részletesebben

Q 1 D Q 2 (D x) 2 (1.1)

Q 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

Részletesebben

Compton-effektus. Zsigmond Anna. jegyzıkönyv. Fizika BSc III.

Compton-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

Részletesebben

Kirchhoff 2. törvénye (huroktörvény) szerint az áramkörben levő elektromotoros erők. E i = U j (3.1)

Kirchhoff 2. törvénye (huroktörvény) szerint az áramkörben levő elektromotoros erők. E i = U j (3.1) 3. Gyakorlat 29A-34 Egy C kapacitású kondenzátort R ellenálláson keresztül sütünk ki. Mennyi idő alatt csökken a kondenzátor töltése a kezdeti érték 1/e 2 ed részére? Kirchhoff 2. törvénye (huroktörvény)

Részletesebben

Tiszta és kevert stratégiák

Tiszta és kevert stratégiák sza és kever sraégák sza sraéga: Az -edk áékos az sraégá és ez alkalmazza. S sraégahalmazból egyérelműen válasz k egy eknsük a kövekező áéko. Ké vállala I és II azonos erméke állí elő. Azon gondolkodnak,

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Trigonometria

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Trigonometria MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Trigonometria A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett

Részletesebben

Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév

Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév 1. A várható érték és a szórás transzformációja 1. Ha egy valószínűségi változóhoz hozzáadunk ötöt, mínusz ötöt, egy b konstanst,

Részletesebben

3. Lineáris differenciálegyenletek

3. Lineáris differenciálegyenletek 3. Lineáris differenciálegyenletek A közönséges differenciálegyenletek két nagy csoportba oszthatók lineáris és nemlineáris egyenletek csoportjába. Ez a felbontás kicsit önkényesnek tűnhet, a megoldásra

Részletesebben

Függvény határérték összefoglalás

Függvény határérték összefoglalás Függvény határérték összefoglalás Függvény határértéke: Def: Függvény: egyértékű reláció. (Vagyis minden értelmezési tartománybeli elemhez, egyértelműen rendelünk hozzá egy elemet az értékkészletből. Vagyis

Részletesebben

Hangfrekvenciás mechanikai rezgések vizsgálata

Hangfrekvenciás mechanikai rezgések vizsgálata Hangfrekvenciás mechanikai rezgések vizsgálata (Mérési jegyzőkönyv) Hagymási Imre 2007. május 7. (hétfő délelőtti csoport) 1. Bevezetés Ebben a mérésben a szilárdtestek rugalmas tulajdonságait vizsgáljuk

Részletesebben

Megoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ

Megoldások. 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.

Részletesebben

1.1. 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!

1.1. 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

Részletesebben

KLASSZIKUS TERMODINAMIKA

KLASSZIKUS TERMODINAMIKA Klasszkus termodnamka KLASSZIKUS ERMODINAMIKA Póta György: Modern fzka kéma (Dgtáls ankönyvtár, 2013), 1.1 fejezet P. W. Atkns: Fzka kéma I. (ankönyvkadó, Budapest, 2002) Amkor először tanulod, egyáltalán

Részletesebben

A Ga-Bi OLVADÉK TERMODINAMIKAI OPTIMALIZÁLÁSA

A Ga-Bi OLVADÉK TERMODINAMIKAI OPTIMALIZÁLÁSA A Ga-B OLVADÉK TRMODINAMIKAI OPTIMALIZÁLÁSA Végh Ádám, Mekler Csaba, Dr. Kaptay György, Mskolc gyetem, Khelyezett Nanotechnológa tanszék, Mskolc-3, gyetemváros, Hungary Bay Zoltán Közhasznú Nonproft kft.,

Részletesebben

Relációk. Vázlat. Példák direkt szorzatra

Relációk. Vázlat. Példák direkt szorzatra 8.. 7. elácók elácó matematka fogalma zükséges fogalom: drekt szorzat Halmazok Descartes drekt szorzata: Legenek D D D n adott doman halmazok. D D D n : = { d d d n d k D k k n } A drekt szorzat tehát

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Abszolútértékes és gyökös kifejezések

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Abszolútértékes és gyökös kifejezések MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Abszolútértékes és gyökös kifejezések A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval

Részletesebben

(1 + (y ) 2 = f(x). Határozzuk meg a rúd alakját, ha a nyomaték eloszlás. (y ) 2 + 2yy = 0,

(1 + (y ) 2 = f(x). Határozzuk meg a rúd alakját, ha a nyomaték eloszlás. (y ) 2 + 2yy = 0, Feladatok az 5. hétre. Eredményekkel és kidolgozott megoldásokkal. Oldjuk meg az alábbi másodrend lineáris homogén d.e. - et, tudva, hogy egy megoldása az y = x! x y xy + y = 0.. Oldjuk meg a következ

Részletesebben

Vázlat. Relációk. Példák direkt szorzatra

Vázlat. Relációk. Példák direkt szorzatra 7..9. Vázlat elácók a. elácó fogalma b. Tulajdonsága: refleív szmmetrkus/antszmmetrkus tranztív c. Ekvvalenca relácók rzleges/parcáls rrendez relácók felsmere d. elácók reprezentálása elácó matematka fogalma

Részletesebben

KOVÁCS BÉLA, MATEMATIKA I.

KOVÁCS BÉLA, MATEMATIKA I. KOVÁCS BÉLA MATEmATIkA I 6 VI KOmPLEX SZÁmOk 1 A komplex SZÁmOk HALmAZA A komplex számok olyan halmazt alkotnak amelyekben elvégezhető az összeadás és a szorzás azaz két komplex szám összege és szorzata

Részletesebben

Trigonometria Megoldások. 1) Igazolja, hogy ha egy háromszög szögeire érvényes az alábbi összefüggés: sin : sin = cos + : cos +, ( ) ( )

Trigonometria Megoldások. 1) Igazolja, hogy ha egy háromszög szögeire érvényes az alábbi összefüggés: sin : sin = cos + : cos +, ( ) ( ) Trigonometria Megoldások Trigonometria - megoldások ) Igazolja, hogy ha egy háromszög szögeire érvényes az alábbi összefüggés: sin : sin = cos + : cos +, ( ) ( ) akkor a háromszög egyenlő szárú vagy derékszögű!

Részletesebben

Alapmőveletek koncentrált erıkkel

Alapmőveletek koncentrált erıkkel Alapmőveletek koncentrált erıkkel /a. példa Az.7. ábrán feltüntetett, a,5 [m], b, [m] és c,7 [m] oldalú hasábot a bejelölt erık terhelk. A berajzolt koordnátarendszer fgyelembevételével írjuk fel komponens-alakban

Részletesebben

Lineáris egyenletrendszerek

Lineáris egyenletrendszerek Lineáris egyenletrendszerek 1 Alapfogalmak 1 Deníció Egy m egyenletb l álló, n-ismeretlenes lineáris egyenletrendszer általános alakja: a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a

Részletesebben

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a

Kabos: 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,

Részletesebben

Alapvető elektrokémiai definíciók

Alapvető elektrokémiai definíciók Alapvető elektrokéma defnícók Az elektrokéma cella Elektródnak nevezünk egy onvezető fázssal (másodfajú vezető, pl. egy elektroltoldat, elektroltolvadék) érntkező elektronvezetőt (elsőfajú vezető, pl.

Részletesebben

Számelméleti alapfogalmak

Számelméleti alapfogalmak 1 Számelméleti alapfogalmak 1 Definíció Az a IN szám osztója a b IN számnak ha létezik c IN melyre a c = b Jelölése: a b 2 Példa a 0 bármely a számra teljesül, mivel c = 0 univerzálisan megfelel: a 0 =

Részletesebben

Lineáris egyenletrendszerek

Lineáris egyenletrendszerek Lineáris egyenletrendszerek Lineáris egyenletrendszernek nevezzük az a 11 x 1 + a 12 x 2 +... +a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... +a 2n x n = b 2.. a k1 x 1 + a k2 x 2 +... +a kn x n = b k n ismeretlenes,

Részletesebben

3. Fuzzy aritmetika. Gépi intelligencia I. Fodor János NIMGI1MIEM BMF NIK IMRI

3. Fuzzy aritmetika. Gépi intelligencia I. Fodor János NIMGI1MIEM BMF NIK IMRI 3. Fuzzy aritmetika Gépi intelligencia I. Fodor János BMF NIK IMRI NIMGI1MIEM Tartalomjegyzék I 1 Intervallum-aritmetika 2 Fuzzy intervallumok és fuzzy számok Fuzzy intervallumok LR fuzzy intervallumok

Részletesebben

9. Trigonometria. I. Nulladik ZH-ban láttuk: 1. Tegye nagyság szerint növekvő sorrendbe az alábbi értékeket! Megoldás:

9. Trigonometria. I. Nulladik ZH-ban láttuk: 1. Tegye nagyság szerint növekvő sorrendbe az alábbi értékeket! Megoldás: 9. Trigonometria I. Nulladik ZH-ban láttuk: 1. Tegye nagyság szerint növekvő sorrendbe az alábbi értékeket! x = cos 150 ; y = sin 5 ; z = tg ( 60 ) (A) z < x < y (B) x < y < z (C) y < x < z (D) z < y

Részletesebben

I. posztulátum: A magukra hagyott makroszkopikus rendszerek kellően hosszú idő után a termodinamikai egyensúly állapotába kerülnek.

I. posztulátum: A magukra hagyott makroszkopikus rendszerek kellően hosszú idő után a termodinamikai egyensúly állapotába kerülnek. 1 / 10 A TételWiki wikiből 1 Az egyensúlyi statisztikus fizika feltevései 2 A Gibbs féle sokaságfogalom 3 Az entrópia 4 A mikrokanonikus sokaság 5 A hőmérséklet 6 A nyomás 7 A kémiai potenciál 8 Fundamentális

Részletesebben

Matematika A3 Valószínűségszámítás, 5. gyakorlat 2013/14. tavaszi félév

Matematika A3 Valószínűségszámítás, 5. gyakorlat 2013/14. tavaszi félév Matematika A3 Valószínűségszámítás, 5. gyakorlat 013/14. tavaszi félév 1. Folytonos eloszlások Eloszlásfüggvény és sűrűségfüggvény Egy valószínűségi változó, illetve egy eloszlás eloszlásfüggvényének egy

Részletesebben

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( ) Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel: 463-6-80 Fa: 463-30-9 http://www.vizgep.bme.hu Alap-ötlet:

Részletesebben

1. feladatsor: Vektorterek, lineáris kombináció, mátrixok, determináns (megoldás)

1. feladatsor: Vektorterek, lineáris kombináció, mátrixok, determináns (megoldás) Matematika A2c gyakorlat Vegyészmérnöki, Biomérnöki, Környezetmérnöki szakok, 2017/18 ősz 1. feladatsor: Vektorterek, lineáris kombináció, mátrixok, determináns (megoldás) 1. Valós vektorterek-e a következő

Részletesebben

Németh László Matematikaverseny április 16. A osztályosok feladatainak javítókulcsa

Németh László Matematikaverseny április 16. A osztályosok feladatainak javítókulcsa Németh László Matematikaverseny 007. április 16. A 9-10. osztályosok feladatainak javítókulcsa Feladatok csak 9. osztályosoknak 1. feladat a) Vegyük észre, hogy 7 + 5 felírható 1 + 3 + 6 + alakban, így

Részletesebben