Kiralitás és homokiralitás
|
|
- József Hegedüs
- 4 évvel ezelőtt
- Látták:
Átírás
1 A biológiai kiralitás eredetének sztohasztikus kinetikai modelljei Lente Gábor Debreeni Egyetem, Szervetlen és Analitikai Kémiai Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem Matematikai Modellalkotás Szeminárium,. szeptember 8.
2 Kiralitás és homokiralitás Királisnak nevezzük azokat a testeket, térbeli szerkezeteket, amelyek saját tükörképükkel nem hozhatók fedésbe Biológiai kiralitás aminosavak (L-enantiomer) fehérjék ukrok (D-enantiomer) poliszaharidok és nukleinsavak Következetesebb jelölésrendszer: R és S Kiralitás és homokiralitás Tükörképi párok EATIOMEREK energetikai szempontból pontosan azonosak A biológiai kiralitás oka sakis kinetikai lehet, vagyis a reakiók sebességi viszonyaival függ össze
3 Contergan (R)-enantiomer (S)-enantiomer teratogén hatású hatékony szedatívum a szervezetben nagyon gyorsan raemizálódik Abszolút aszimmetrikus reakió: jelentős enantiomerfelesleg kialakulása akirális reaktánsokból aszimmetrikus külső hatások nélkül Királis autokatalízis: kémiai reakió, amelyben a királis termék egyik enantiomere gyorsítja saját keletkezését (de a másik enantiomerét nem) 3
4 4+ H H HO OH OH Co H H H Co OH H Co OH HO H4Br H H + H H4Br H3 H Co H + Co(HO)6+ Br H királis K. Asakura et al. J. Phys. Chem. A, 4, 689. enantiomerfelesleg : R S ee = R+S kísérlet K. Asakura et al. J. Phys. Chem. A, 4,
5 A Soai-reakió OH i-pr Zn H + CHO (S) Et O-toluol (3,7 :,) H + OH (R) K. Soai et al. Tetrahedron Asymm. 3, 4, azonos kísérlet K. Soai et al. Tetrahedron Asymm. 3, 4, 85. 5
6 ..75 Soai-reakió: enantiomereloszlás K. Soai et al. Tetrahedron Asymm. 3, 4, 85. F(x) x R..75 Soai-reakió: enantiomereloszlás K. Soai et al. Tetrahedron Asymm. 3, 4, 85. F(x).5.5 K. Soai et al. Chirality 6, 8, x R 6
7 Determinisztikus kinetika d = dt f () : a rendszerben előforduló összes anyagfajta konentráióját tartalmazó vektor, az idő függvénye Egyértelműen meghatározott kiindulási állapot Egyértelműen meghatározott állapot bármely időpillanatban Reprodukálhatatlanság: lényeges, de nem kellő mértékben szabályozott külső tényezők ingadozásának hatására, a kísérletező számára látszólag azonos körülmények között mért különböző eredmények Sztohasztikus jelleg: természeti törvény(ek) következményeként pontosan azonos körülmények között különböző eredmények 7
8 9Bi ature, 3, 4, 876. t/ =,9 9 év λ =, 7 s Determinisztikus leírás dnbi = λnbi dt Elsőrendű reakió kezdeti állapot: db bizmutmag nbi = e λt 8
9 Sztohasztikus leírás kiszemelt bizmutmag t idő után még nem bomlott el: e λt elbomlott: e λt exponeniális eloszlás db bizmutmag közül t idő után pontosan m bomlott el: Várható érték: Szórás: e m ( λt ) m ( e binomiális eloszlás µ = ( e σ = ( e λt ) λt λt )e λt ) m Elsőrendű modell sztohasztikus tartománya λt (= ln t / t ½ ).E+.E-6.E-.E-8 45,7 g tömegű Bi 4 Ge 3 O bolométer = 8,8 sztohasztikus tartomány (σ/µ >,) óra mérési idő λt = 4,3.E-4.E+.E+8.E+6.E+4 9
10 Egy egyszerű királis autokatalitikus modell A B (B R vagy B S ) v = k u [A] d[a] = k dt u [A] k [A]([B R ] + [B S ]) A + B R B R v = k [A][B R ] A + B S B S v 3 = k [A][B S ] d[b dt d[b dt R S ] =, 5k ] =, 5k u u [A] + k [A] + k [A][B [A][B R S ] ] analitikusan megoldható Egy egyszerű királis autokatalitikus modell A B (B R vagy B S ) v = k u [A] A + B R B R v = k [A][B R ] [B A + B S B S v 3 = k [A][B S ] [B analitikusan megoldható R S ] ] λ k [B ] u = + R t k λ λ k[a] + k[a] e λ k λ = [B k + k + u ] [ A] + k[br ] k[bs ] u = + S t k λ λ k[a] + k[a] e ku k ku k
11 k u = 5 s k = 8 M s V = m 3 kezdeti állapot: [A] =, M [B R ] = [B S ] = végállapot: [B R ] =, M [B S ] =, M molekula átalakulása után: [A] =, M [B R ] =,66 M [B S ] = végállapot: [B R ] =,943 M [B S ] =,57 M Sztohasztikus kinetika P. Érdi and J. Tóth Mathematial models of hemial reations Theory and appliations of deterministi and stohasti models Manhester University Press, 989. Tóth János, Érdi Péter A formális reakiókinetika modelljei, problémái és alkalmazásai A kémia legújabb eredményei oldal Akadémiai Kiadó, Budapest, 978.
12 Sztohasztikus kinetika A B R A B S diszkrét állapot - folytonos idő n: az A molekulák száma reakió előtt (r,s) állapot: pontosan r darab B R és s darab B S molekula van jelen, (n r s) darab A molekula maradt P(r,s,t): annak a valószínűsége, hogy a rendszer t időpillanatban éppen az (r,s) állapotban van A B R v =,5κ u a+ κ ar κu = k u dp( r, s, t) dt + { κ u A B S v =,5κ u a+ κ as / = ( κ + κ r + κ s)( n r + κ ( r u )}( n r s + ) P( r κ = k V A s) P( r, s, t) +, s, t) + + { κ u / + κ ( s )}( n r s + ) P( r, s, t)
13 Lineáris, elsőrendű, homogén, állandó együtthatós differeniálegyenlet-rendszer dp( t) = M P( t) dt az állapotok száma: ( n + )( n + ) M = rendezőfüggvény: P( t) = P()exp( M t) ( r + s)( r + s + ) f ( r, s) = + r + Q(r,s): annak a valószínűsége, hogy a rendszer a reakió során bármikor áthalad az (r,s) állapoton.e+.e-6 sztohasztikus tartomány α.e-.e-8.e-4.e+.e+8.e+6.e+4 3
14 α = κ /κ u = 3 f(x) n = n = 5 n = x R Elsőrendű autokatalízis f ( x Diszkrét-folytonos átmenet nagyon nagy részeskeszámra: Γ α Γ Γ α α ( / α ) (/ α) R ) = lim nq( r,s) = xr ( xr ) n,x = r / n r Béta-eloszlás Lente, G. J. Phys. Chem. A, 4, 8,
15 f(x) eloszlási sűrűségfüggvény α =,5 3 f(x) α =, α =,5 α = α = x R.75 F(x) = x f ( ν ) dν eloszlásfüggvény α =,5 α =, α = F(x).5 α =,5 α = x R 5
16 Magasabb rendű autokatalízis A B R v =,5κ u a+ κ ar ξ A B S v =,5κ u a+ κ as ξ ahol ξ > α = κ /κ u = 5 4 másodrendű autokatalízis α = 4 f(x) 3 n = n = 5 n = x R 6
17 ..75 Illeszkedésvizsgálat: Asakura-reakió másodrendű autokatalízis α = 5,5 4 n = 6, elsőrendű autokatalízis α =,6 F(x).5.5 normál eloszlás σ =, x R. Illeszkedésvizsgálat: Soai-reakió.75 másodrendű autokatalízis α = 3,8 n = 3, F(x).5.5 elsőrendű autokatalízis α =, x R 7
18 A Frank-modell F. C. Frank, Biohim. Biophys. Ata 953,, 459. A Frank-modell A: nem királis molekula B R és B S : királis tükörképi molekulapár C: nem királis bomlástermék reakióindítás: A B R A B S v = k u [A] v = k u [A] királis autokatalízis: A + B R B R v = k [A][B R ] A + B S B S v = k [A][B S ] kölsönös antagonizmus: B R + B S C v = k d [B R ][B S ] 8
19 Az enantiomerfelesleg definíiója hagyományos módosított determinisztikus ee = [B [B R R ] [B ] + [B S S ] ] E = [ B ] [B R [A] S ] sztohasztikus (várható érték) ee ee i P i = n i = E E i P i = n i = = {aκ Zárt rendszer számolás differeniálegyenlet-rendszer dp( a, r, s, t) = dt u + arκ + asκ + rsκ d } P( a, r, s, t) + + {( a + ) κ u + ( a + )( r ) κ } P( a +, r, s, t) + + {( a + ) κ u + ( a + )( s ) κ } P( a, r, s, t) + + {( r + )( s ) κ d } P( a, r +, s +, t) ee(t = ) = E(t = ) Végállapot: sak C és B R vagy B S 9
20 Eloszlások Q(,n,).. κ /κ u =, = n 3 κ d /κ u E értékek = E 4 κ /κ u 4 κ d /κ u 4
21 Átfolyásos rendszer (CSTR) A-t betápláljuk, A, B, C keverékét elvezetjük E ee Állandó részeskeszám Átfolyási reakió: B R, B S vagy C seréje A-ra (κ f ) B S B S A A A C A, B R, B S, C B R B R Átfolyásos rendszer staionárius állapot az egyes állapotok valószínűsége független az időtől, a staionárius állapot független a kezdeti feltételektől Algebrai egyenletrendszer: nn lineáris egyenlet = {aκ + {( a + ) κ + {( a + ) κ + {( r + )( s ) κ + ( r + ) κ + ( s + ) κ f + arκ + ( a + )( r ) κ + ( a + )( s ) κ P( a, r +, s) + f u P( a, r, s + ) + + ( a r a + ) κ u u d + asκ + rsκ } P( a, r +, s +, t) + f d P( a, r, s) + ( a) κ } P( a +, r, s) + } P( a, r, s ) + f } P( a, r, s) + Állapotok száma: + 3 ( + 3)( + )( + ) nn = = 3 6 Rendezőfüggvény: 3 a a( a + ) f ( a,r,s ) = + a 6 = M P a + a r 3r + + r( a ) + + s +
22 E és ee értékek κu/κf = = E ee κ/κf κd/κf κ/κf κd/κf Lente, G.; Ditrói, T. J. Phys. Chem. B, 9, 3, 737. E és ee értékek κu/κf = = Lente, G. Symmetry,,, 767.
23 A Soai-reakió sztohasztikus modellje OH i-pr Zn H + CHO (S) Et O-toluol (3.7 :.) H + OH (R) A Soai-reakió kinetikai modellje Reation Reation + z zr k z 9 dr + tr k 3 dr + z zs k z tr dr + k 3b tr 3 zr + zr dr k (zr) ds + ts k 3 ds 4 dr zr k b dr ts ds + k 3b ts 5 zs + zs ds k (zs) 3 drs + trs k 3 drs 6 ds zs k b ds 4 trs drs + k 3b trs 7 zr + zs drs α k zs zr 5 tr + z dr + zr k 4 tr z 8 drs zr + zs k b drs 6 ts + z ds + zs k 4 ts z 7 trs + z drs + zr k 4 trs z 8 trs + z drs + zs k 4 trs z T. Buhse Tetrahedron Asymm. 3, 4, 55. 3
24 Anyagmegmaradás: Az állapotok száma = + zr + zs + (dr + ds + drs) + z = z + zr + zs + 3 (tr + ts + trs) + (dr + ds + drs + tr + ts + trs) Az állapotok száma: Ezen egyenletrendszer megoldásainak száma (minden ismeretlen nemnegatív egész szám) Az állapotok száma n = = z M Ha n osztható 6 - M( n ) = 3 6 8! n 7 8! n n ! tal : + n 3 8! 3 n = = z n 3 8! 5 M n 8 8! n + 8! ~4,7 ~, n 8! 5 + 4
25 Az állapotok száma n = = z M n = = z M ~4,7 ~,3 7 Rendezőfüggvény yers erő : az értelmezési tartomány és az értékkészlet teljes felsorolása (8 állapot) Mátrixformalizmus: teljes megoldás mátrixexponeniális függvénnyel 5
26 6 Időfüggések µ () 4 ee µ () 5 ee % % t (s) Enantiomereloszlás végállapotban. P s ee n r 6
27 Monte Carlo (MC) szimuláió Eloszlások közelítése nagy számú egyedi szimuláióval A Természet nem old meg differeniálegyenleteket, hanem MC szimuláiót végez MC szimuláió a Soai-reakióban agyon lassúúúúúúúúúúúúúúúúúúúú... Reation v = Reation v = + z zr + z zs k z k z dr + tr tr dr + k 3 dr k 3b tr 7 78 zr + zr dr k (zr) 357 ds + ts k 3 ds dr zr k b dr 355 ts ds + k 3b ts zs + zs ds k (zs) 6 drs + trs k 3 drs 7 ds zs k b ds 6 trs drs + k 3b trs zr + zs drs drs zr + zs α k zs zr k b drs 3 3 tr + z dr + zr ts + z ds + zs trs + z drs + zr trs + z drs + zs k 4 tr z k 4 ts z k 4 trs z k 4 trs z 9 4 = 6 9 ; z =, ; V =,9 m 3 7
28 Gyorsító trükk Új változó: mr = zr + dr (hasonlóan ms = zs + ds) [ m / ] i r k AV m r! i i = k i b i!(mr i)! dr = [ m / ] i r k + AV m r! i = kb i!(m i)! r i zr = mr dr 8
29 . A Soai-reakió MC szimuláiója.75 F(x).5.5 zr and zs molekula képződéséig ismétlés: x R..75 A Soai-reakió MC szimuláiója Binomiális eloszlás P( m) =. 5 m F(x).5.5 zr and zs molekula képződéséig ismétlés: x R 9
30 Determinisztikus folytatás Determinisztikus differeniálegyenlet-rendszer A kezdeti érték az MC szimuláió végeredménye em jósol kimutatható enantiomerfelesleget makroszkopikus nagyságú anyagmennyiségekre!!! Ez a következtetés nem változik, ha bármely paraméter -3 nagyságrenddel változik 4 Determinisztikus folytatás. A Soai-reakió MC szimuláiója 3.75 F(x).5 ee % [] =, M [z] =, M.5 [zr] =,78 8 M [zs] =,9 8 M zr and zs molekula képzodéséig ismétlés: x R 4 8 t (ps) 3
31 Összefoglalás Sztohasztikus kinetika: ritka, de esetenként feltétlenül szükséges a kémiában A biológiai kiralitás kialakulásában a királis autoktalízis szerepe Kísérletileg mért és elméletileg levezettet eloszlások összehasonlításának jelentősége 3
Reakciókinetika. aktiválási energia. felszabaduló energia. kiindulási állapot. energia nyereség. végállapot
Reakiókinetika aktiválási energia kiindulási állapot energia nyereség felszabaduló energia végállapot Reakiókinetika kinetika: mozgástan reakiókinetika (kémiai kinetika): - reakiók időbeli leírása - reakiómehanizmusok
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:
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:
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 :
RészletesebbenGazdasági matematika II. vizsgadolgozat megoldása, június 10
Gazdasági matematika II. vizsgadolgozat megoldása, 204. június 0 A dolgozatírásnál íróeszközön kívül más segédeszköz nem használható. A dolgozat időtartama: 90 perc. Ha a dolgozat első részéből szerzett
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
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
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.22. Valószínűségi változó Véletlentől függő számértékeket (értékek sokasága) felvevő változókat valószínűségi változóknak nevezzük(jelölés: ξ, η, x). (pl. x =
RészletesebbenKinetika. Általános Kémia, kinetika Dia: 1 /53
Kinetika 15-1 A reakciók sebessége 15-2 Reakciósebesség mérése 15-3 A koncentráció hatása: a sebességtörvény 15-4 Nulladrendű reakció 15-5 Elsőrendű reakció 15-6 Másodrendű reakció 15-7 A reakció kinetika
Részletesebbenegyenletesen, 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,
RészletesebbenReakció kinetika és katalízis
Reakció kinetika és katalízis 1. előadás: Alapelvek, a kinetikai eredmények analízise Felezési idők 1/22 2/22 : A koncentráció ( ) időbeli változása, jele: mol M v, mértékegysége: dm 3. s s Legyen 5H 2
RészletesebbenAlap-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:
RészletesebbenSztochasztikus folyamatok alapfogalmak
Matematikai Modellalkotás Szeminárium 2012. szeptember 4. 1 Folytonos idejű Markov láncok 2 3 4 1 Folytonos idejű Markov láncok 2 3 4 Folytonos idejű Markov láncok I Adott egy G = (V, E) gráf Folytonos
RészletesebbenReakciókinetika. Általános Kémia, kinetika Dia: 1 /53
Reakciókinetika 9-1 A reakciók sebessége 9-2 A reakciósebesség mérése 9-3 A koncentráció hatása: a sebességtörvény 9-4 Nulladrendű reakció 9-5 Elsőrendű reakció 9-6 Másodrendű reakció 9-7 A reakciókinetika
RészletesebbenFOTOKÉMIAI REAKCIÓK, REAKCIÓKINETIKAI ALAPOK
FOTOKÉMIAI REAKCIÓK, REAKCIÓKINETIKAI ALAPOK Légköri nyomanyagok forrásai: bioszféra hiroszféra litoszféra világűr emberi tevékenység AMI BELÉP, ANNAK TÁVOZNIA IS KELL! Légköri nyomanyagok nyelői: száraz
Részletesebben1. Példa. A gamma függvény és a Fubini-tétel.
. Példa. A gamma függvény és a Fubini-tétel.. Az x exp x + t )) függvény az x, t tartományon folytonos, és nem negatív, ezért alkalmazható rá a Fubini-tétel. I x exp x + t )) dxdt + t dt π 4. [ exp x +
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.
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
RészletesebbenEseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem.
Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem. Elemi esemény: a kísérlet egyes lehetséges egyes lehetséges kimenetelei.
RészletesebbenDifferenciálegyenletek december 13.
Differenciálegyenletek 2018. december 13. Elsőrendű DE Definíció. Az elsőrendű differenciálegyenlet általános alakja y = f (x, y), ahol f (x, y) adott kétváltozós függvény. Minden y = y(x) függvény, amire
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
RészletesebbenSTATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás
ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 9. Előadás Binomiális eloszlás Egyenletes eloszlás Háromszög eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell 2/62 Matematikai statisztika
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
RészletesebbenTANTÁRGYI PROGRAM Matematikai alapok 2. útmutató
BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok 2. útmutató 2015/2016. tanév I. félév Tantárgyi program Tantárgy megnevezése Tantárgy jellege/típusa:
RészletesebbenGazdasági matematika II. vizsgadolgozat megoldása A csoport
Gazdasági matematika II. vizsgadolgozat megoldása A csoport Definiálja az alábbi fogalmakat!. Egy eseménynek egy másik eseményre vonatkozó feltételes valószínűsége. ( pont) Az A esemény feltételes valószínűsége
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:
RészletesebbenAnyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek
Anyagvizsgálati módszerek Mérési adatok feldolgozása Anyagvizsgálati módszerek Pannon Egyetem Mérnöki Kar Anyagvizsgálati módszerek Statisztika 1/ 22 Mérési eredmények felhasználása Tulajdonságok hierarchikus
RészletesebbenDifferenciál egyenletek (rövid áttekintés)
Differeniál egyenletek (rövid áttekintés) Differeniálegyenlet: olyan matematikai egyenlet, amely egy vagy több változós ismeretlen függvény és deriváltjai közötti kasolatot írja le. Fontosabb tíusok: közönséges
RészletesebbenOppozíció Lente Gábor doktori értekezéséről
Oppozíció Lente Gábor doktori értekezéséről Élő szervezetekben minden királis vegyületnek mindig csak az egyik enantiomerje fordul elő. Pasteur szerint ez az egyetlen világos határ [ ] az élettelen és
RészletesebbenFeladatok az 5. hétre. Eredményekkel és teljesen kidolgozott megoldásokkal az 1,2,3.(a),(b),(c), 6.(a) feladatokra
Feladatok az 5. hétre. Eredményekkel és teljesen kidolgozott megoldásokkal az 1,,3.(a),(b),(), 6.(a) feladatokra 1. Oldjuk meg a következő kezdeti érték feladatot: y 1 =, y(0) = 3, 1 x y (0) = 1. Ha egy
RészletesebbenA környezetszennyezés folyamatai anyagok migrációja
A környezetszennyezés folyamatai anyagok migráiója 9/1 Migráió homogén és heterogén környezeti rendszerekben Homogén rendszer: felszíni- és karsztvíz, atmoszféra Heterogén rendszer: talajvíz, kızetvíz,
RészletesebbenA talajok összenyomódásának vizsgálata
A talajok összenyomódásának vizsgálata Amit már tudni kellene Összenyomódás Konszolidáció Normálisan konszolidált talaj Túlkonszolidált talaj Túlkonszolidáltsági arányszám,ocr Konszolidáció az az időben
RészletesebbenTANTÁRGYI PROGRAM Matematikai alapok II. útmutató
BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok II. útmutató 2013/2014. tanév II. félév Tantárgyi program Tantárgy megnevezése Tantárgy jellege/típusa:
RészletesebbenGyakorló feladatok I.
Gyakorló feladatok I. a Matematika Aa Vektorüggvények tárgyhoz (D D5 kurzusok) Összeállította: Szili László Ajánlott irodalmak:. G.B. Thomas, M.D. Weir, J. Hass, F.R. Giordano: Thomas-féle KALKULUS I.,
RészletesebbenGeometriai vagy kinematikai természetű feltételek: kötések vagy. kényszerek. 1. Egy apró korong egy mozdulatlan lejtőn vagy egy gömb belső
Kényszerek Geometriai vagy kinematikai természetű feltételek: kötések vagy kényszerek. Példák: 1. Egy apró korong egy mozdulatlan lejtőn vagy egy gömb belső felületén mozog. Kényszerek Geometriai vagy
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
RészletesebbenMatematika III. harmadik előadás
Matematika III. harmadik előadás Kézi Csaba Debreceni Egyetem, Műszaki Kar Debrecen, 2013/14 tanév, I. félév Kézi Csaba (DE) Matematika III. harmadik előadás 2013/14 tanév, I. félév 1 / 13 tétel Az y (x)
RészletesebbenA kálium-permanganát és az oxálsav közötti reakció vizsgálata 9a. mérés B4.9
A kálium-permanganát és az oxálsav közötti reakció vizsgálata 9a. mérés B4.9 Név: Pitlik László Mérés dátuma: 2014.12.04. Mérőtársak neve: Menkó Orsolya Adatsorok: M24120411 Halmy Réka M14120412 Sárosi
RészletesebbenBevezetés az algebrába 2 Differencia- és differenciálegyenlet-rendszerek
Bevezetés az algebrába 2 Differencia- és differenciálegyenlet-rendszerek Algebra Tanszék B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E
RészletesebbenMegoldások MATEMATIKA II. VIZSGA (VK) NBT. NG. NMH. SZAKOS HALLGATÓK RÉSZÉRE (Kérjük, hogy a megfelelő szakot jelölje be!
MATEMATIKA II. VIZSGA (VK) NBT. NG. NMH. SZAKOS HALLGATÓK RÉSZÉRE (Kérjük, hogy a megfelelő szakot jelölje be!) 2016. JANUÁR 21. Elérhető pontszám: 50 pont Megoldások 1. 6. 2. 7. 3. 8. 4. 9. 5. Össz.:
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
RészletesebbenKémiai reakciók sebessége
Kémiai reakciók sebessége reakciósebesség (v) = koncentrációváltozás változáshoz szükséges idő A változás nem egyenletes!!!!!!!!!!!!!!!!!! v= ± dc dt a A + b B cc + dd. Melyik reagens koncentrációváltozását
RészletesebbenMolekulák mozgásban a kémiai kinetika a környezetben
Energiatartalék Molekulák mozgásban a kémiai kinetika a környezetben A termodinamika és a kinetika A termodinamika a lehetőség θ θ θ G = H T S A kinetika a valóság: 1. A fizikai rész: - a reaktánsoknak
Részletesebbenx, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:
Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Valószínűségi változó általános fogalma: A : R leképezést valószínűségi változónak nevezzük, ha : ( ) x, x R, x rögzített esetén esemény.
RészletesebbenODE SOLVER-ek használata a MATLAB-ban
ODE SOLVER-ek használata a MATLAB-ban Mi az az ODE? ordinary differential equation Milyen ODE megoldók vannak a MATLAB-ban? ode45, ode23, ode113, ode15s, ode23s, ode23t, ode23tb, stb. A részletes leírásuk
RészletesebbenTermodinamikai bevezető
Termodinamikai bevezető Alapfogalmak Termodinamikai rendszer: Az univerzumnak az a részhalmaza, amit egy termodinamikai vizsgálat során vizsgálunk. Termodinamikai környezet: Az univerzumnak a rendszeren
RészletesebbenMatematika III. 5. Nevezetes valószínűség-eloszlások Prof. Dr. Závoti, József
Matematika III. 5. Nevezetes valószínűség-eloszlások Prof. Dr. Závoti, József Matematika III. 5. : Nevezetes valószínűség-eloszlások Prof. Dr. Závoti, József Lektor : Bischof, Annamária Ez a modul a TÁMOP
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen
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
RészletesebbenAbszolút folytonos valószín ségi változó (4. el adás)
Abszolút folytonos valószín ségi változó (4. el adás) Deníció (Abszolút folytonosság és s r ségfüggvény) Az X valószín ségi változó abszolút folytonos, ha van olyan f : R R függvény, melyre P(X t) = t
RészletesebbenNemparaméteres próbák
Nemparaméteres próbák Budapesti Mőszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék 1111, Budapest, Mőegyetem rkp. 3. D ép. 334. Tel: 463-16-80 Fax: 463-30-91 http://www.vizgep.bme.hu
RészletesebbenA valószínűségszámítás elemei
Alapfogalmak BIOSTATISZTIKA ÉS INFORMATIKA A valószínűségszámítás elemei Jelenség: minden, ami lényegében azonos feltételek mellett megismételhető, amivel kapcsolatban megfigyeléseket lehet végezni, lehet
RészletesebbenSzemináriumi feladatok (alap) I. félév
Szemináriumi feladatok (alap) I. félév I. Szeminárium 1. Az alábbi szerkezet-párok közül melyek reprezentálják valamely molekula, vagy ion rezonancia-szerkezetét? Indokolja válaszát! A/ ( ) 2 ( ) 2 F/
RészletesebbenMegoldott feladatok november 30. n+3 szigorúan monoton csökken, 5. n+3. lim a n = lim. n+3 = 2n+3 n+4 2n+1
Megoldott feladatok 00. november 0.. Feladat: Vizsgáljuk az a n = n+ n+ sorozat monotonitását, korlátosságát és konvergenciáját. Konvergencia esetén számítsuk ki a határértéket! : a n = n+ n+ = n+ n+ =
RészletesebbenMatematika III előadás
Matematika III. - 2. előadás Vinczéné Varga Adrienn Debreceni Egyetem Műszaki Kar, Műszaki Alaptárgyi Tanszék Előadáskövető fóliák Vinczéné Varga Adrienn (DE-MK) Matematika III. 2016/2017/I 1 / 23 paramétervonalak,
RészletesebbenSEMMELWEIS EGYETEM. Biofizikai és Sugárbiológiai Intézet, Nanokémiai Kutatócsoport. Zrínyi Miklós
SEMMELWEIS EGYETEM Biofizikai és Sugárbiológiai Intézet, Nanokémiai Kutatósoport Transzportjelenségek az élő szervezetben I. Zrínyi Miklós egyetemi tanár, az MTA levelező tagja mikloszrinyi@gmail.om RENDSZER
RészletesebbenA biológiai kiralitás eredetét értelmező kémiai reakciók modellezése
A biológiai kiralitás eredetét értelmező kémiai reakciók modellezése MTA Doktori értekezés Lente Gábor Debreceni Egyetem, Természettudományi és Technológiai Kar Szervetlen és Analitikai Kémiai Tanszék
RészletesebbenGamma-röntgen spektrométer és eljárás kifejlesztése anyagok elemi összetétele és izotópszelektív radioaktivitása egyidejű elemzésére
Gamma-röntgen spektrométer és eljárás kifejlesztése anyagok elemi összetétele és izotópszelektív radioaktivitása egyidejű elemzésére OAH-ABA-16/14-M Dr. Szalóki Imre, egyetemi docens Radócz Gábor, PhD
RészletesebbenKészítette: Fegyverneki Sándor
VALÓSZÍNŰSÉGSZÁMÍTÁS Összefoglaló segédlet Készítette: Fegyverneki Sándor Miskolci Egyetem, 2001. i JELÖLÉSEK: N a természetes számok halmaza (pozitív egészek) R a valós számok halmaza R 2 {(x, y) x, y
Részletesebben4. Az A és B események egymást kizáró eseményeknek vagy idegen (diszjunkt)eseményeknek nevezzük, ha AB=O
1. Mit nevezünk elemi eseménynek és eseménytérnek? A kísérlet lehetséges kimeneteleit elemi eseményeknek nevezzük. Az adott kísélethez tartozó elemi események halmazát eseménytérnek nevezzük, jele: X 2.
Részletesebben3. előadás Stabilitás
Stabilitás 3. előadás 2011. 09. 19. Alapfogalmak Tekintsük dx dt = f (t, x), x(t 0) = x 0 t (, ), (1) Jelölje t x(t; t 0, x 0 ) vagy x(.; t 0, x 0 ) a KÉF megoldását. Kívánalom: kezdeti állapot kis megváltozása
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.
RészletesebbenBiometria az orvosi gyakorlatban. Számítógépes döntéstámogatás
SZDT-01 p. 1/23 Biometria az orvosi gyakorlatban Számítógépes döntéstámogatás Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Gyakorlat SZDT-01 p.
RészletesebbenDifferenciálegyenletek. Vajda István március 4.
Analízis előadások Vajda István 2009. március 4. Függvényegyenletek Definíció: Az olyan egyenleteket, amelyekben a meghatározandó ismeretlen függvény, függvényegyenletnek nevezzük. Függvényegyenletek Definíció:
RészletesebbenFizikai kémia 2 Reakciókinetika házi feladatok 2016 ősz
Fizikai kémia 2 Reakciókinetika házi feladatok 2016 ősz A házi feladatok beadhatóak vagy papír alapon (ez a preferált), vagy e-mail formájában is az rkinhazi@gmail.com címre. E-mail esetén ügyeljetek a
RészletesebbenModellek és Algoritmusok - 2.ZH Elmélet
Modellek és Algoritmusok - 2.ZH Elmélet Ha hibát elírást találsz kérlek jelezd: sellei_m@hotmail.com A fríss/javított változat elérhet : people.inf.elte.hu/semsaai/modalg/ 2.ZH Számonkérés: 3.EA-tól(DE-ek)
RészletesebbenBME Járműgyártás és -javítás Tanszék. Javítási ciklusrend kialakítása
BME Járműgyártás és -javítás Tanszék Javítási ciklusrend kialakítása A javítási ciklus naptári napokban, üzemórákban vagy más teljesítmény paraméterben meghatározott időtartam, amely a jármű, gép új állapotától
RészletesebbenA kémiai kötés eredete; viriál tétel 1
A kémiai kötés ereete; viriál tétel 1 Probléma felvetés Ha egy molekula atommagjai közötti távolság csökken, akkor a közöttük fellép elektrosztatikus taszításhoz tartozó energia n. Ugyanez igaz az elektronokra
RészletesebbenDIFFERENCIÁLEGYENLETEK. BSc. Matematika II. BGRMA2HNND, BGRMA2HNNC
016.03.1. BSC MATEMATIKA II. ELSŐ ÉS MÁSODRENDŰ LINEÁRIS DIFFERENCIÁLEGYENLETEK BSc. Matematika II. BGRMAHNND, BGRMAHNNC AZ ELSŐRENDŰ LINEÁRIS DIFFERENCIÁLEGYENLET FOGALMA Az elsőrendű közönséges differenciálegyenletet
RészletesebbenFeladatok a Gazdasági matematika II. tárgy gyakorlataihoz
Debreceni Egyetem Közgazdaságtudományi Kar Feladatok a Gazdasági matematika II tárgy gyakorlataihoz a megoldásra ajánlott feladatokat jelöli e feladatokat a félév végére megoldottnak tekintjük a nehezebb
Részletesebben3. 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
RészletesebbenFelületi feszültség: cseppfolyós-gáz határfelületen a vonzerő kiegyensúlyozatlan: rugalmas hártyaként viselkedik.
Felületi feszültség: cseppfolyós-gáz határfelületen a vonzerő kiegyensúlyozatlan: rugalmas hártyaként viselkedik. Mérése: L huzalkeret folyadékhártya mozgatható huzal F F = L σ két oldala van a hártyának
Részletesebben"Flat" rendszerek. definíciók, példák, alkalmazások
"Flat" rendszerek definíciók, példák, alkalmazások Hangos Katalin, Szederkényi Gábor szeder@scl.sztaki.hu, hangos@scl.sztaki.hu 2006. október 18. flatness - p. 1/26 FLAT RENDSZEREK: Elméleti alapok 2006.
RészletesebbenA mikroskálájú modellek turbulencia peremfeltételeiről
A mikroskálájú modellek turbulencia peremfeltételeiről Adjunktus Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Áramlástan Tanszék 27..23. 27..23. / 7 Általános célú CFD megoldók alkalmazása
RészletesebbenHíradástechikai jelfeldolgozás
Híradástechikai jelfeldolgozás 13. Előadás 015. 04. 4. Jeldigitalizálás és rekonstrukció 015. április 7. Budapest Dr. Gaál József docens BME Hálózati Rendszerek és SzolgáltatásokTanszék gaal@hit.bme.hu
RészletesebbenDifferenciálegyenlet rendszerek
Differenciálegyenlet rendszerek (A kezdeti érték probléma. Lineáris differenciálegyenlet rendszerek, magasabb rendű lineáris egyenletek.) Szili László: Modellek és algoritmusok ea+gyak jegyzet alapján
RészletesebbenGazdasági matematika II. tanmenet
Gazdasági matematika II. tanmenet Mádi-Nagy Gergely A hivatkozásokban az alábbi tankönyvekre utalunk: T: Tóth Irén (szerk.): Operációkutatás I., Nemzeti Tankönyvkiadó 1987. Cs: Csernyák László (szerk.):
RészletesebbenKolloidkémia 1. előadás Első- és másodrendű kémiai kötések és szerepük a kolloid rendszerek kialakulásában. Szőri Milán: Kolloidkémia
Kolloidkémia 1. előadás Első- és másodrendű kémiai kötések és szerepük a kolloid rendszerek kialakulásában 1 Órarend 2 Kurzussal kapcsolatos emlékeztető Kurzus: Az előadás látogatása ajánlott Gyakorlat
RészletesebbenMérhetőség, σ-algebrák, Lebesgue Stieltjes-integrál, véletlen változók és eloszlásfüggvényeik
Mérhetőség, σ-algebrák, Lebesgue Stieltjes-integrál, véletlen változók és eloszlásfüggvényeik Az A halmazrendszer σ-algebra az Ω alaphalmazon, ha Ω A; A A A c A; A i A, i N, i N A i A. Az A halmazrendszer
RészletesebbenA maximum likelihood becslésről
A maximum likelihood becslésről Definíció Parametrikus becsléssel foglalkozunk. Adott egy modell, mellyel elképzeléseink szerint jól leírható a meghatározni kívánt rendszer. (A modell típusának és rendszámának
RészletesebbenExcel segédlet Üzleti statisztika tantárgyhoz
Miskolci Egyetem Üzleti Statisztika és Előrejelzési Intézeti Tanszék Excel segédlet Üzleti statisztika tantárgyhoz. Z próba einek meghatározása óbafüggvény: x - m z = ; vagy σ/ n x - m z = ; vagy s/ n
RészletesebbenFolytonos rendszeregyenletek megoldása. 1. Folytonos idejű (FI) rendszeregyenlet általános alakja
Folytonos rendszeregyenletek megoldása 1. Folytonos idejű (FI) rendszeregyenlet általános alakja A folytonos rendszeregyenletek megoldásakor olyan rendszerekkel foglalkozunk, amelyeknek egyetlen u = u(t)
RészletesebbenNemlineáris programozás 2.
Optimumszámítás Nemlineáris programozás 2. Többváltozós optimalizálás feltételek mellett. Lagrange-feladatok. Nemlineáris programozás. A Kuhn-Tucker feltételek. Konvex programozás. Sydsaeter-Hammond: 18.1-5,
RészletesebbenReakciókinetika 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
RészletesebbenGROVER-algoritmus. Sinkovicz Péter. ELTE, MSc II dec.15.
ELTE, MSc II. 2011.dec.15. Áttekintés Feladat Algoritmus Kvantum keresési algoritmus áttekintése Input: N = 2 n elemű tömb, Ψ 1 = 0 1 kezdőállapot, f x0 (x) orákulum függvény. Output: x 0 keresett elem
Részletesebbenelőadás Diszkrét idejű tömegkiszolgálási modellek Poisson-folyamat Folytonos idejű Markov-láncok Folytonos idejű sorbanállás
13-14. előadás Diszkrét idejű tömegkiszolgálási modellek Poisson-folyamat Folytonos idejű Markov-láncok Folytonos idejű sorbanállás 2016. november 28. és december 5. 13-14. előadás 1 / 35 Bevezetés A diszkrét
RészletesebbenA diplomaterv keretében megvalósítandó feladatok összefoglalása
A diplomaterv keretében megvalósítandó feladatok összefoglalása Diplomaterv céljai: 1 Sclieren résoptikai módszer numerikus szimulációk validálására való felhasználhatóságának vizsgálata 2 Lamináris előkevert
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
RészletesebbenReakciókinetika és katalízis
Reakciókinetika és katalízis 14. előadás: Enzimkatalízis 1/24 Alapfogalmak Enzim: Olyan egyszerű vagy összetett fehérjék, amelyek az élő szervezetekben végbemenő reakciók katalizátorai. Szubsztrát: A reakcióban
RészletesebbenGazdasági matematika II. vizsgadolgozat, megoldással,
Gazdasági matematika II. vizsgadolgozat, megoldással, levelező képzés Definiálja az alábbi fogalmakat! 1. Kvadratikus mátrix invertálhatósága és inverze. (4 pont) Egy A kvadratikus mátrixot invertálhatónak
RészletesebbenAtomok és molekulák elektronszerkezete
Atomok és molekulák elektronszerkezete Szabad atomok és molekulák Schrödinger egyenlete Tekintsünk egy kvantummechanikai rendszert amely N n magból és N e elektronból áll. Koordinátáikat jelölje rendre
RészletesebbenElméleti összefoglaló a Valószín ségszámítás kurzushoz
Elméleti összefoglaló a Valószín ségszámítás kurzushoz Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet kimeneteleinek
RészletesebbenMinősítéses 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
Részletesebbenó ő ő ő ő ü ő ő ö ó ü ź ű ĘĘ ü É É É Ü Ü É É É É É Ĺ É Ü É É Ö É É É Ł É ü ő ź É Ü ö ź ź ő ő ő ä ű ö ő ö ő ő ö ó ź ö ö ö ę ő ö ó ó ö ú ő ü ź ő ő ő ő ö ó ő ę ő ó ö ő ü ű ü ö ü ő ő ő ő ö ö ő ő ő ö ő ó ö
RészletesebbenKÖZELÍTŐ INFERENCIA II.
STATISZTIKAI TANULÁS AZ IDEGRENDSZERBEN KÖZELÍTŐ INFERENCIA II. MONTE CARLO MÓDSZEREK ISMÉTLÉS Egy valószínűségi modellben a következtetéseinket a látensek vagy a paraméterek fölötti poszterior írja le.
RészletesebbenValószínűségelmélet. Pap Gyula. Szegedi Tudományegyetem. Szeged, 2016/2017 tanév, I. félév
Valószínűségelmélet Pap Gyula Szegedi Tudományegyetem Szeged, 2016/2017 tanév, I. félév Pap Gyula (SZTE) Valószínűségelmélet 2016/2017 tanév, I. félév 1 / 125 Ajánlott irodalom: CSÖRGŐ SÁNDOR Fejezetek
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
RészletesebbenDifferenciálegyenletek a mindennapokban
Differenciálegyenletek a mindennapokban Csizmadia László Bolyai Intézet, Szegedi Tudományegyetem Kutatók éjszakája Szeged, SZTE L. Csizmadia (Szeged) Kutatók éjszakája 2011. 2011.09.23. 1 / 15 Pénz, pénz,
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 kutatás eredményei 1
A kutatás eredményei 1 SZELEKTÍV SZINTÉZISMÓDSZEEK KIFEJLESZTÉSE VIZES KÖZEGBEN ÁTMENETIFÉM-KMPLEXEK JELENLÉTÉBEN 1. Bevezetés.1 2. A Nozaki-Hiyama reakció módosítása: szén-szén kötés enantioszelektív
Részletesebben