Benyttede bøger: Statistisk fysik 1, uredigerede noter, Per Hedegård, 2007.
|
|
- Marianne Lindholm
- 8 år siden
- Visninger:
Transkript
1 Formelsamling Noter til Fysik 3 You can know the name of a bird in all the languages of the world, but when you re finished, you ll know absolutely nothing whatever about the bird... So let s look at the bird and see what it s doing that s what counts. I learned very early the difference between knowing the name of something and knowing something. Richard P. Feynman Benyttede bøger: Statistisk fysik 1, uredigerede noter, Per Hedegård, Kapitelnumrene i denne formelsamling svarer til de behandlede kapitler i noterne Statistisk fysik 1. Sammensat af Kristoffer Stensbo-Smidt 10. april 2007
2 INDHOLD Indhold 1 Indledning Regneregler Sandsynlighedsfordelinger Binomialfordeling Tilstandssum Multinomialfordeling Normalfordeling Parameterbestemmelser Gentagne uafhængige målinger af usikker størrelse Prior sandsynligheder Entropi og information Maximal entropi Termodynamik Det kanoniske ensemble Den ideale gas Tryk-ensemblet Opsummering af vigtige formler 9 8 Diverse konstanter 9 Indeks 10 Side 2 af 10
3 1 Indledning 1 Indledning 1.1 Regneregler S P (AB) = P (A + B) P (A + B) = P (A B) P (A I) + P (A I) = 1 P (AB I) = P (A I)P (B AI) = P (B I)P (A BI) P (A + B I) = P (A I) + P (B I) P (AB I) P (A BI) = P (A I) P (B AI) P (B I) (Sumregel) (Produktregel) (Generel sumregel) (Bayes formel) 2 Sandsynlighedsfordelinger 2.1 Binomialfordeling S. 20. N kast med en mønt, hvor netop M giver krone: ( ) N k M (1 k) N M M P (A M I) = ( ) N = M N! M!(N M)! (Binomialfordelingen) (Binomialkoefficienten) hvor k er sandsynligheden for krone. S. 21. Middelværdi: M = M M i P (A M I) i=0 Dvs. summen af produkterne af antal krone og den tilhørende sandsynlighed fundet med binomialfordelingen. Varians: σ 2 = M (M i M ) 2 P (A M I) i=0 Desuden gælder, at σ 2 = M 2 M 2, hvor M 2 = M i=0 M 2 i P (A M I). 2.2 Tilstandssum S. 22. Tilstandssummen er givet ved Z(λ) = e λm = N e λm P (A M I) M=0 F.eks. kan vi finde tilstandssummen for to terninger. Disse terninger kan have samme eller forkellige antal øjne det er i princippet ligegyldigt. Der kan nu være to situationer: Side 3 af 10
4 2.2 Tilstandssum Enten vil vi analysere hver enkelt terning for sig, eller vi kan se på summen af øjnene. I det første tilfælde skal vi bruge to λ er, dvs. λ 1, λ 2, og derfor tilstandssummen for en multinomialfordeling. I det sidste tilfælde skal vi kun bruge ét λ, idet vi kun kigger på summen af øjnene. I begge tilfælde vil M angive antal øjne. Specielt for binomialfordelingen gælder: Z(λ) = N ( ) N e λm k M (1 k) N M = (ke λ + (1 k)) N M M=0 M = Nk σ 2 = Nk(1 k) (Tilstandssum) (Middelværdi) (Varians) Eksempel 2.1 (Beregning af tilstandssum, middelværdi og varians for et tetraeder) Pænt, symmetrisk tetraeder, én side med 0 øjne, to sider med 1 øje, én side med 2 øjne vi får følgende sandsynligheder: P (antal øjne er 0) = 1 4 P (antal øjne er 1) = 1 2 P (antal øjne er 2) = 1 4 Vi er interesserede i antal øjne i hvert slag altså benytter vi tilstandssummen for en binomialfordeling: Hurtigt tjek: Generelt: Z(λ) = 2 p i øjne e i λ i=0 Altså er det korrekt. Middelværdien og varians beregnes: Vi har: = 1 4 eλ eλ eλ 2 Z(0) = = 1 antal øjne = Z (λ) λ=0 = 1 2 eλ λ=0 e2λ = 1 Og: Z (λ) = 1 2 eλ + e 2λ Z (0) = 3 2 = (antal øjne)2 σ 2 = (antal øjne) 2 antal øjne 2 = = 1 2 Side 4 af 10
5 2.3 Multinomialfordeling S. 23. Stirlings formel: N! 2πN ( ) N N e 2.3 Multinomialfordeling S. 24. Multinomialkoefficienten er givet ved B(n 1,..., n k ) = N! n 1! n k! Denne angiver antal forskellige kombinationer af N ting. S. 25. Multinomialfordelingen er givet som Tilstandssummen er givet ved P (A(n 1,..., n k ) I) = Z(λ 1,..., λ k ) = Der gælder desuden for det i te udfald: 2.4 Normalfordeling N! n 1! n k! pn 1 1 pn k k n 1,...,n k e λ1n1+ +λ kn k P (A(n 1,..., n k ) I) = (p 1 e λ p k e λ k ) N Z(0,..., 0) = 1 S. 26. Også kaldet Gauss-fordeling. n i = Np i (Middelværdi) σ 2 i = n 2 i n i 2 = Np i (1 p i ) p(x µ, σ) = 1 2πσ exp ( ) (x µ)2 2σ 2 hvor µ er middelværdien, σ er spredningen og < x <. Tilstandssummen kan skrives som Z(λ) = 4 Parameterbestemmelser S. 43. Bayes formel: P (T i DI) = } {{ } ➀ e λx p(x µ, σ)dx ( (µ + λσ 2 ) 2 µ 2 ) = exp 2σ 2 P (D T i I) j P (D T ji)p (T j I) } {{ } ➁ P (T i I) } {{ } ➂ (Varians) hvor ➀ kaldes posterior sandsynlighed eller efter-sandsynlighed, ➁ kaldes likelihood, mens ➂ kaldes apriori sandsynlighed eller før-sandsynlighed. Side 5 af 10
6 4.1 Gentagne uafhængige målinger af usikker størrelse 4.1 Gentagne uafhængige målinger af usikker størrelse S. 49. Ved virkelige målinger er µ og σ ukendte. Antager vi, at vi kender σ, kan µ bestemmes ved 5 Prior sandsynligheder 5.1 Entropi og information S. 69. Entropien er defineret som: µ = x ± σ N, x = 1 N N k=1 x k S(p) = i p i ln p i 5.2 Maximal entropi S. 72. Bonusfact: Maximal entropi opnås, når et system er i ligevægt. Eksempel 5.1 (Bestemmelse af maximal entropi) Vi kender middelværdi µ og varians σ 2 af en fordeling af en kontinuert variabel x. Fordelingen med maximal entropi skal bestemmes. Maximum for følgende funktion skal findes: L(p) = S(p) λ k f k (x i )p i λ 0 p i (5.1) k i i = p i ln p i λ k f k (x i )p i λ 0 p i i k i i f k er informationer, vi har om systemet. Disse bestemmes senere. Ved differentiation fås: p i = e 1 λ 0 e P k λ kf k (x i ) = exp( 1 λ o ) exp( (λ 1 f 1 (x i ) + λ 2 f 2 (x i ))) Dette er en standardomskrivning, som kan ses på side 72. Idet vi har to informationer om systemet (µ og σ 2 ), skal vi bruge to Lagrange-multiplikatorer, λ 1 og λ 2. λ 0 er altid med, da dette er en normeringsfaktor! Nu skal vi finde f 1 og f 2. Vi ved fra teorien, at µ x = i x i p i σ 2 = x µ 2 = i (x i µ) 2 p i Vi kan se fra leddet i f k(x i )p i i (5.1), at der må gælde, at disse f k er må være x i og (x i µ) 2. Vi får da: p i = exp( 1 λ o ) exp( λ 1 x i λ 2 (x i µ) 2 ) = Z 1 exp( λ 1 x i λ 2 (x i µ) 2 ) (5.2) Side 6 af 10
7 6 Termodynamik Lad os nu tænke tilbage på normalfordelingen. Denne var givet som p(x µ, σ) = 1 ) (x µ)2 exp ( 2πσ 2σ 2 (5.3) hvor netop µ og σ er givet. Giver det nogle gode idéer? Ved at sammenligne (5.2) og (5.3) ses det altså, at Z = e 1+λ 0 = 2πσ 1 + λ 0 = ln( 2πσ) λ 0 = ln( 2πσ) 1 Det ses desuden fra (5.3), at λ 1 = 0, da leddet slet ikke eksisterer i normalfordelingen, og at λ 2 = 1. 2σ 2 S. 73. Entropien kan også udtrykkes som: S = ln Z + k λ k F k, F k = i f k (x i )p i Metode 5.2 (Bestemmelse af maksimum for funktion under bibetingelse) Situation 1: Funktionen, f(x, y), indeholder kun adskilte led med x og y, altså ingen xy-led. Det samme gælder for bibetingelsen g(x, y). 1. Der må gælde, at maximum indtræder, når f(x, y) = λ g(x, y). λ inkluderes, da gradienterne ( kan have forskellige længder og fortegn. Bestem gradienterne og isolér x ) y. 2. Indsæt de fundne x- og y-udtryk i en af ligningerne. Isolér λ. 3. Indsæt dette λ i ( x y) fra før. Dette er maksimum. Situation 2: f(x, y) indholder et xy-led. Bibetingelsen er givet på formen y = ax + b. 1. Indsæt bibetingelsen i f(x, y). Kald denne funktion for g(x). 2. Bestem g (x) = 0. Dette er x-værdien til maksimum. y-værdien findes ved at indsætte x-værdien i bibetingelsen. 6 Termodynamik S. 80. Ensemblerne: Det kanoniske ensemble. Energiens middelværdi, E = U, er kendt. Volumen, V, og partikeltal, N, er konstant. Lagrangemultiplikator: Temperatur, 1/β. Tryk-ensemblet. Middelværdi af energi, E = U, og volumen, V, er kendt. Partikeltal, N, er konstant. Lagrangemultiplikatorer: Temperatur, 1/β, og tryk, p. Store-kanonisk ensemble. Middelværdi af energi, E = U, og partikeltal, N, er kendt. Volumen, V, er konstant. Lagrangemultiplikatorer: Temperatur, 1/β, og kemisk potentiale, µ. Side 7 af 10
8 6.1 Det kanoniske ensemble 6.1 Det kanoniske ensemble Den ideale gas S. 82. Vigtigt: Ideale gasser har ingen potentiel energi, da de er i ligevægt! Tilstandssummen er givet som: ( ) 3N 2πm Z = V N 2 h 2 β hvor m er en partikels masse og h er Plancks konstant. Den gennemsnitlige energi er givet ved U = 3N 1 2 β = 3 2 NT Entropien er givet ved S = ln Z + βu = N ln S. 87. Termodynamikkens 1. hovedsætning: S. 88. Arbejdet er givet som: S. 89. Varmekapacitet: S. 90. Helmholtz frie energi: 6.2 Tryk-ensemblet ( V ( 2πm h 2 β du = dw + dq dw = pdv C = 3N 2 F = 1 β ln Z = U T S df = S dt dw ) 3 ) 2 + 3N 2 S. 91. Entropi: S. 93. Entalpien er givet ved: S. 95. Varmefylde: S = ln Z + β(u + pv ) H = U + pv dh = T ds + V dp C p = 5N 2 C V = 3N 2 (Tryk konstant) (Volumen konstant) Bemærk: Tælleren angiver antal frihedsgrader. Disse formler gælder kun ved temperaturer omkring stuetemperatur. S. 97. Gibbs frie energi: G(T, p) = 1 ln Z = U + pv T S β dg = SdT + V dp dw Side 8 af 10
9 7 Opsummering af vigtige formler 7 Opsummering af vigtige formler Termodynamikkens 1. hovedsætning: du = dw + dq. du er energitilvæksten i systemet, dw er arbejdet, systemet udfører på omgivelserne, og dq er den tilførte varme til systemet. Termodynamikkens 2. hovedsætning: ds 0. Dette er den samlede entropi for system + omgivelser. Idealgasligningen (tilstandsligningen): pv = NT J = Nk B T K = nn A k B T K = nrt K. T J og T K er temperaturen i hhv. joule og kelvin. Indre (kinetisk) energi: U = 3 2 NT J = 3 2 nrt K = 3 2pV. Bemærk! Dette er for en monatomig gas havde det været en diatomig ved normal temperatur, ville det være 5 2 i stedet for 3 2. (Tælleren angiver antal frihedsgrader). Varme: dq = T ds. Desuden: Q = nrt ln V 2 V 1 og S = N ln ( V ( 2πm h 2 β ) 3 ) 2 + 3N 2 (erstat 3/2 med 5/2 for en diatomig gas). Arbejde: dw = pdv. Isoterm proces: P V = konstant. Adiabatisk proces: du = p dv, idet systemet er varmeisoleret fra omgivelserne. Oftere benyttes: P V γ = konstant, hvor γ = Cp C V. Også: V T 1 γ 1 = T V γ 1 = konstant. Husk: γ = 5 3 (monatomig) og γ = 7 5 (diatomig). 8 Diverse konstanter k B = 1, J/K N A = 6, mol 1 (Boltzmanns konstant) (Avogadros tal) Side 9 af 10
10 Indeks arbejde, 8 Bayes formel, 3, 5 bestemmelse af maksimum, 7 binomialfordeling, 3 middelværdi, 3 varians, 3 binomialkoefficient, 3 efter-sandsynlighed, 5 entalpi, 8 entropi, 6 før-sandsynlighed, 5 Gauss-fordeling, 5 Gibbs frie energi, 8 Helmholtz frie energi, 8 ideal gas, 8 kanoniske ensemble, det, 7 likelihood, 5 multinomialfordeling, 5 multinomialkoefficient, 5 normalfordeling, 5 produktregel, 3 Stirlings formel, 5 store-kanonisk ensemble, 7 sumregel, 3 termodynamikkens 1. hovedsætning, 8 tilstandssum, 3 multinomialfordeling, 5 normalfordeling, 5 tryk-ensemblet, 7 varmekapacitet, 8 10
Fysik 7 - Statistisk fysik Formelsamling til eksamen
Fysik 7 - Statistisk fysik Formelsamling til eksamen Sebastian B. Simonsen og Lykke Pedersen 18. januar 2006 Indhold 1 Kapitel 1 - Indledning 2 2 Kapitel 2 - Sandsynlighedsfordelinger 3 2.1 Binomial fordeling........................
Læs mereTermodynamik. Esben Mølgaard. 5. april N! (N t)!t! Når to systemer sættes sammen bliver fordelingsfunktionen for det samlede system
Termodynamik Esben Mølgaard 5. april 2006 1 Statistik Hvis man har N elementer hvoraf t er defekte, eller N elementer i to grupper hvor forskydningen fra 50/50 (spin excess) er 2s, vil antallet af mulige
Læs mereStatitisk fysik Minilex
Statitisk fysik Minilex Henrik Dahl 15. januar 006 Indhold 1 Sandsynlighedsteori Fordelinger 3 Eksperimentelle usikkerheder 3 4 Parameterbestemmelse 3 5 Priors, entropi 3 6 Termodynamik 4 6.1 Kanonisk
Læs mereFørste og anden hovedsætning kombineret
Statistisk mekanik 3 Side 1 af 12 Første og anden hovedsætning kombineret I dette afsnit udledes ved kombination af I og II en række udtryk, som senere skal vise sig nyttige. Ved at kombinere udtryk (2.27)
Læs mereTilstandssummen. Ifølge udtryk (4.28) kan MB-fordelingen skrives , (5.1) og da = N, (5.2) . (5.3) Indføres tilstandssummen 1 , (5.
Statistisk mekanik 5 Side 1 af 10 ilstandssummen Ifølge udtryk (4.28) kan M-fordelingen skrives og da er μ N e e k = N g ε k, (5.1) N = N, (5.2) μ k N Ne g = e ε k. (5.3) Indføres tilstandssummen 1 Z g
Læs mereTermodynamikkens første hovedsætning
Statistisk mekanik 2 Side 1 af 13 Termodynamikkens første hovedsætning Inden for termodynamikken kan energi overføres på to måder: I form af varme Q: Overførsel af atomar/molekylær bevægelsesenergi på
Læs mereKombinatorik. Eksempel 2: En mand har 7 par bukser og 10 skjorter. Skal han både vælge en skjorte og et par bukser, så har han 10. 7=70 mulige valg.
Noter til Biomat, 005. Kombinatorik. - eller kunsten at tælle. Alle tal i kombinatorik-afsnittet er hele og ikke-negative. Additionsprincippet enten - eller : Antag vi enten skal lave et valg med m muligheder
Læs mereFormelsamling og noter. Statistisk fysik
Formelsamling og noter. Statistisk fysik 19. juni 01 Dennis Hansen P A BI P B AI P B I P A I ρλ BI P B λi P B I ρλ I ρλ BI ρb λi ρb I ρλ I P AB I P A BIP B I P A + B I P A I + P B I P AB I P A I 1 P A
Læs mereVi kalder nu antal prøverør blandt de 20, hvor der ikke ses vækst for X.
Opgave I I en undersøgelse af et potentielt antibiotikum har man dyrket en kultur af en bestemt mikroorganisme og tilført prøver af organismen til 20 prøverør med et vækstmedium og samtidig har man tilført
Læs mereStatistisk mekanik 2 Side 1 af 10 Entropi, Helmholtz- og Gibbs-funktionen og enthalpi. Entropi
Statistisk mekanik 2 Side 1 af 10 Entropi Entropi er en tilstandsvariabel 1, der løst formuleret udtrykker graden af uorden. Entropien er det centrale begreb i termodynamikkens anden hovedsætning (TII):
Læs mereStatistisk mekanik 2 Side 1 af 10 Entropi, Helmholtz- og Gibbs-funktionen og enthalpi. Entropi
Statistisk mekanik 2 Side 1 af 10 Entropi Entropi er en tilstandsvariabel 1, der løst formuleret udtrykker graden af uorden i et system. Da der er mange flere uordnede (tilfældigt ordnede) mikrotilstande
Læs mere1. Beregn sandsynligheden for at samtlige 9 klatter lander i felter med lige numre.
NATURVIDENSKABELIG GRUNDUDDANNELSE Københavns Universitet, 6. april, 2011, Skriftlig prøve Fysik 3 / Termodynamik Benyttelse af medbragt litteratur, noter, lommeregner og computer uden internetadgang er
Læs mereMonotoniforhold Der gælder følgende sætninger om en differentiabel funktions monotoniforhold:
Side 21 Oversigt over undervisningen i matematik - 2x 05/06 Der undervises efter: Claus Jessen, Peter Møller og Flemming Mørk : Tal, Geometri og funktioner. Gyldendal 1997 Claus Jessen, Peter Møller og
Læs mereElementær sandsynlighedsregning
Elementær sandsynlighedsregning Sandsynlighedsbegrebet Et udfaldsrum S er mængden af alle de mulige udfald af et eksperiment. En hændelse A er en delmængde af udfaldsrummet S. Den hændelse, der ikke indeholder
Læs mereKursus 02402 Introduktion til Statistik. Forelæsning 7: Kapitel 7 og 8: Statistik for to gennemsnit, (7.7-7.8,8.1-8.5) Per Bruun Brockhoff
Kursus 02402 Introduktion til Statistik Forelæsning 7: Kapitel 7 og 8: Statistik for to gennemsnit, (7.7-7.8,8.1-8.5) Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks
Læs mereSandsynlighedsregning: endeligt udfaldsrum (repetition)
Program: 1. Repetition: sandsynlighedsregning 2. Sandsynlighedsregning fortsat: stokastisk variabel, sandsynlighedsfunktion/tæthed, fordelingsfunktion. 1/16 Sandsynlighedsregning: endeligt udfaldsrum (repetition)
Læs mereOversigt. Course 02402/02323 Introducerende Statistik. Forelæsning 3: Kontinuerte fordelinger. Per Bruun Brockhoff
Course 242/2323 Introducerende Statistik Forelæsning 3: Kontinuerte fordelinger Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 22 Danmarks Tekniske Universitet 28 Lyngby Danmark
Læs mereSandsynlighedsregning Stokastisk variabel
Sandsynlighedsregning Stokastisk variabel I eksperimenter knyttes ofte en talværdi til hvert udfald. S s X(s) R Definition: En stokastisk variabel X er en funktion defineret på S, der antager værdier på
Læs mereElementær termodynamik og kalorimetri
Elementær termodynamik og kalorimetri 1/14 Elementær termodynamik og kalorimetri Indhold 1. Indre og ydre energi...2 2. Varmeteoriens (termodynamikkens) 1. hovedsætning...2 3. Stempelarbejde...4 4. Isoterm
Læs mereNanotermodynamik formelsamling
Nanotermodynamik formelsamling Af Asmus Ougaard Dohn & Sune Klamer Jørgensen 2. november 2005 ndhold 1 Kombinatorik 2 2 Termodynamik 3 3 deal gasser: 5 4 Entropi og temp.: 7 5 Kemisk potential: 7 6 Gibbs
Læs mereKursusindhold: X i : tilfældig værdi af ite eksperiment. Antag X i kun antager værdierne 1, 2,..., M.
Kursusindhold: Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet March 1, 2013 Sandsynlighedsregning og lagerstyring Normalfordelingen
Læs mereSandsynlighedsregning
Mogens Bladt www2.imm.dtu.dk/courses/02405 21. September, 2007 Lidt om binomialkoefficienter n størrelsen af en mængde/population. Vi ønsker at udtage en sub population af størrelse r. To sub populationer
Læs mereFYSIK 3 / TERMODYNAMIK Københavns Universitet, 13. april, 2016, Skriftlig prøve
FYSIK 3 / TERMODYNAMIK Københavns Universitet, 13. april, 2016, Skriftlig prøve Benyttelse af medbragt litteratur, noter, lommeregner og computer uden internetadgang er tilladt. Der må skrives med blyant.
Læs mereElementær sandsynlighedsregning
Elementær sandsynlighedsregning Sandsynlighedsbegrebet Et udfaldsrum S er mængden af alle de mulige udfald af et eksperiment. En hændelse A er en delmængde af udfaldsrummet S. Et sandsynlighedsmål er en
Læs meret a l e n t c a m p d k Matematik Intro Mads Friis, stud.scient 27. oktober 2014 Slide 1/25
Slide 1/25 Indhold 1 2 3 4 5 6 7 8 Slide 2/25 Om undervisningen Hvorfor er vi her? Hvad kommer der til at ske? 1) Teoretisk gennemgang ved tavlen. 2) Instruktion i eksempler. 3) Opgaveregning. 4) Opsamling.
Læs mereAALBORG UNIVERSITET DET INGENIØR-, NATUR- OG SUNDHEDSVIDENSKABELIGE BASISÅR SE - KURSUS TERMODYNAMIK 2. SEMESTER NANOTEKNOLOGI
AALBORG UNIVERSITET DET INGENIØR-, NATUR- OG SUNDHEDSVIDENSKABELIGE BASISÅR SE - KURSUS TERMODYNAMIK 2. SEMESTER NANOTEKNOLOGI FORÅR 2008 Indholdsfortegnelse TERMODYNAMIK LEK. 1...4 VARMELÆRER...4 Hvorfor
Læs mereKOMPENDIUM TIL STATISTISK FYSIK
KOMPENDIUM TIL STATISTISK FYSIK 3. UDGAVE REVIDERET: 18. APRIL 2011 UDARBEJDET AF SØREN RIIS AARHUS SCHOOL OF ENGINEERING Ö Ô Ý º Ùº DETTE VÆRK ER TRYKT MED ADOBE UTOPIA 10PT LAYOUT OG TYPOGRAFI AF FORFATTEREN
Læs mereEn oversigt over udvalgte kontinuerte sandsynlighedsfordelinger
Institut for Økonomi Aarhus Universitet Statistik 1, Forår 2001 Allan Würtz 4. April, 2001 En oversigt over udvalgte kontinuerte sandsynlighedsfordelinger Uniform fordeling Benyttes som model for situationer,
Læs mereDefinition. Definitioner
Definition Landmålingens fejlteori Lektion Diskrete stokastiske variable En reel funktion defineret på et udfaldsrum (med sandsynlighedsfordeling) kaldes en stokastisk variabel. - kkb@math.aau.dk http://people.math.aau.dk/
Læs mereRegneregler for middelværdier M(X+Y) = M X +M Y. Spredning varians og standardafvigelse. 1 n VAR(X) Y = a + bx VAR(Y) = VAR(a+bX) = b²var(x)
Formelsamlingen 1 Regneregler for middelværdier M(a + bx) a + bm X M(X+Y) M X +M Y Spredning varians og standardafvigelse VAR(X) 1 n n i1 ( X i - M x ) 2 Y a + bx VAR(Y) VAR(a+bX) b²var(x) 2 Kovariansen
Læs mereBilledbehandling og mønstergenkendelse: Lidt elementær statistik (version 1)
; C ED 6 > Billedbehandling og mønstergenkendelse Lidt elementær statistik (version 1) Klaus Hansen 24 september 2003 1 Elementære empiriske mål Hvis vi har observationer kan vi udregne gennemsnit og varians
Læs mereKursusindhold: X i : tilfældig værdi af ite eksperiment. Antag X i kun antager værdierne 1, 2,..., M.
Kursusindhold: Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet February 9, 2015 Sandsynlighedsregning og lagerstyring Normalfordelingen
Læs mereUge 48 II Teoretisk Statistik 27. november 2003. Numerisk modelkontrol af diskrete fordelinger: intro
Uge 48 II Teoretisk Statistik 7. november 003 Numerisk modelkontrol af diskrete fordelinger: intro Eksempel: kvalitetskontrol Goodness-of-fit test: generel teori Endeligt udfaldsrum Udfaldsrum uden øvre
Læs mereDanmarks Tekniske Universitet
Danmarks Tekniske Universitet Side 1 af 8 sider Skriftlig prøve, den 24. maj 2005 Kursus navn: Fysik 1 Kursus nr.: 10022 Tilladte hjælpemidler: Alle hjælpemidler tilladt. "Vægtning": Besvarelsen vægtes
Læs mereLøsningsforslag til fysik A eksamenssæt, 23. maj 2008
Løsningsforslag til fysik A eksamenssæt, 23. maj 2008 Kristian Jerslev 22. marts 2009 Geotermisk anlæg Det geotermiske anlæg Nesjavellir leverer varme til forbrugerne med effekten 300MW og elektrisk energi
Læs mereRepetition Stokastisk variabel
Repetition Stokastisk variabel Diskret stokastisk variabel Udfaldsrum endelige eller tællelige mange antal elementer Sandsynlighedsfunktion f(x) er ofte tabellagt Udregning af sandsynligheder P( a < X
Læs mereProdukt og marked - matematiske og statistiske metoder
Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet February 11, 2016 1/22 Kursusindhold: Sandsynlighedsregning og lagerstyring
Læs mereSandsynlighedsregning & Statistik
Jørgen Larsen Sandsynlighedsregning & Statistik for matematikstuderende 2006 Indhold Forord 5 Del I Sandsynlighedsregning 7 Indledning 9 Endelige udfaldsrum. Grundlæggende definitioner.....................
Læs mereMatematik A, vejledende opgave 2, ny ordning. Vejledende løsninger, Peter B. Delprøven uden hjælpemidler. Opgave 1. a) A= 6x 2 +12xdx = 2x 3 + 6x 2 2
Delprøven uden hjælpemidler Opgave 1 a) A= 6x 2 +12xdx = 2x 3 + 6x 2 2 0 = 8 0 = 8 0 2 Opgave 2 a) Først differentierer vi løsningen: y = 10x. Dernæst indsættes løsningen y i y og vi får: y = 2 5x2 x =
Læs mereNanostatistik: Middelværdi og varians
Nanostatistik: Middelværdi og varians JLJ Nanostatistik: Middelværdi og varians p. 1/28 Repetition Stokastisk variabel: funktion fra udfaldsrum over i de hele tal eller over i de reelle tal Ex: Ω = alle
Læs mereSandsynlighedsfordelinger for kontinuerte data på interval/ratioskala
3 5% 5% 5% 0 3 4 5 6 7 8 9 0 Statistik for biologer 005-6, modul 5: Normalfordelingen opstår når mange forskellige faktorer uafhængigt af hinanden bidrager med additiv variation til. F.eks. Højde af rekrutter
Læs mereKursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo
Kursusindhold: Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet Sandsynlighedsregning og lagerstyring Normalfordelingen og Monte
Læs mereStatistik Lektion 1. Introduktion Grundlæggende statistiske begreber Deskriptiv statistik Sandsynlighedsregning
Statistik Lektion 1 Introduktion Grundlæggende statistiske begreber Deskriptiv statistik Sandsynlighedsregning Introduktion Kasper K. Berthelsen, Inst f. Matematiske Fag Omfang: 8 Kursusgang I fremtiden
Læs mereMiddelværdi og varians. Kovarians. korrelation = 0.02 korrelation = 0.7 korrelation = 1.0
Middelværdi og varians Middelværdien af en diskret skalarfunktion f(x), for x = 0, N er: µ = N f(x) N x=0 For vektorfuktioner er middelværdivektoren tilsvarende: µ = N f(x) N x=0 Middelværdien er en af
Læs mereUndervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin maj-juni 2018 Institution Uddannelse Fag og niveau Lærer(e) Skanderborg-Odder Handelsskole Højvangens Torv
Læs mereDeskriptiv statistik. Version 2.1. Noterne er et supplement til Vejen til matematik AB1. Henrik S. Hansen, Sct. Knuds Gymnasium
Deskriptiv (beskrivende) statistik er den disciplin, der trækker de væsentligste oplysninger ud af et ofte uoverskueligt materiale. Det sker f.eks. ved at konstruere forskellige deskriptorer, d.v.s. regnestørrelser,
Læs mereHvad skal vi lave i dag?
p. 1/2 Hvad skal vi lave i dag? Eksempler på stokastiske variable. Ventetid på krone ved møntkast. Antal plat ved n kast. Antal radioaktive henfald. Ventetiden på en flyulykke. Udtrækning af tal i et interval.
Læs mereINSTITUT FOR MATEMATISKE FAG c
INSTITUT FOR MATEMATISKE FAG c AALBORG UNIVERSITET FREDRIK BAJERS VEJ 7 G 9220 AALBORG ØST Tlf.: 96 35 89 27 URL: www.math.aau.dk Fax: 98 15 81 29 E-mail: bjh@math.aau.dk Dataanalyse Sandsynlighed og stokastiske
Læs mereProdukt og marked - matematiske og statistiske metoder
Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet February 19, 2016 1/26 Kursusindhold: Sandsynlighedsregning og lagerstyring
Læs mereNote til styrkefunktionen
Teoretisk Statistik. årsprøve Note til styrkefunktionen Først er det vigtigt at gøre sig klart, at når man laver statistiske test, så kan man begå to forskellige typer af fejl: Type fejl: At forkaste H
Læs mereUndervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin maj-juni 2018 Institution Uddannelse Fag og niveau Lærer(e) Hold Skanderborg-Odder center for uddannelse Højvangens
Læs mereHøjere Teknisk Eksamen maj 2008. Matematik A. Forberedelsesmateriale til 5 timers skriftlig prøve NY ORDNING. Undervisningsministeriet
Højere Teknisk Eksamen maj 2008 HTX081-MAA Matematik A Forberedelsesmateriale til 5 timers skriftlig prøve NY ORDNING Undervisningsministeriet Fra onsdag den 28. maj til torsdag den 29. maj 2008 Forord
Læs mereSkriftlig eksamen i Statistisk Mekanik den fra 9.00 til Alle hjælpemidler er tilladte. Undtaget er dog net-opkoblede computere.
Skriftlig eksamen i Statistisk Mekanik den 18-01-2007 fra 900 til 1300 lle hjælpemidler er tilladte Undtaget er dog net-opkoblede computere Opgave 1: I en beholder med volumen V er der rgon-atomer i gasfasen,
Læs mereKursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo
Kursusindhold: Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet Sandsynlighedsregning og lagerstyring Normalfordelingen og Monte
Læs mereSandsynlighedsregning
Mogens Bladt www2.imm.dtu.dk/courses/02405 28. September, 2007 Stokastiske variable Betragt 3 kast med en mønt. Så er udfaldsrummet Ω = {(p, p, p), (p, p, k), (p, k, p), (p, k, k), (k, p, p), (k, p, k),
Læs mereAnvendt BioKemi: MM2. Anvendt BioKemi: Struktur. 1) MM2- Opsummering. Aminosyrer og proteiner som buffere
Anvendt BioKemi: Struktur 1) MM1 Intro: Terminologi, Enheder Math/ biokemi : Kemiske ligninger, syre, baser, buffer Små / Store molekyler: Aminosyre, proteiner 2) MM2 Anvendelse: blod som et kemisk system
Læs mereMATEMATIK B. Videooversigt
MATEMATIK B Videooversigt 2. grads ligninger.... 2 CAS værktøj... 3 Differentialregning... 3 Eksamen... 5 Funktionsbegrebet... 5 Integralregning... 5 Statistik... 6 Vilkårlige trekanter... 7 71 videoer.
Læs mereStatistiske modeller
Statistiske modeller Statistisk model Datamatrice Variabelmatrice Hændelse Sandsynligheder Data Statistiske modeller indeholder: Variable Hændelser defineret ved mulige variabel værdier Sandsynligheder
Læs mereStatistik i basketball
En note til opgaveskrivning jerome@falconbasket.dk 4. marts 200 Indledning I Falcon og andre klubber er der en del gymnasieelever, der på et tidspunkt i løbet af deres gymnasietid skal skrive en større
Læs mereUndervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Institution Uddannelse Fag og niveau Lærer(e) Hold Termin hvori undervisningen afsluttes: Juni 2013 Roskilde
Læs mere4. september 2003. π B = Lungefunktions data fra tirsdags Gennemsnit l/min
Epidemiologi og biostatistik Uge, torsdag 28. august 2003 Morten Frydenberg, Institut for Biostatistik. og hoste estimation sikkerhedsintervaller antagelr Normalfordelingen Prædiktion Statistisk test (udfra
Læs mereIntroduktion til Statistik. Forelæsning 3: Kontinuerte fordelinger. Peder Bacher
Introduktion til Statistik Forelæsning 3: Kontinuerte fordelinger Peder Bacher DTU Compute, Dynamiske Systemer Bygning 303B, Rum 009 Danmarks Tekniske Universitet 2800 Lyngby Danmark e-mail: pbac@dtu.dk
Læs mereUndervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin maj-juni 2017 Institution Uddannelse Fag og niveau Lærer(e) Skanderborg-Odder Handelsskole Højvangens Torv
Læs mereVejledende løsninger til opgaver i kapitel 6
Vejledende løsninger til opgaver i kapitel Opgave 1: a) Den stokastiske variabel, X, der angiver, om en elev består, X = 1, eller dumper, X =, sin eksamen i statistik. b) En binomialfordelt variabel fremkommer
Læs mereDanmarks Tekniske Universitet
Danmarks Tekniske Universitet Side 1 af 11 Skriftlig prøve, torsdag den 8 maj, 009, kl 9:00-13:00 Kursus navn: Fysik 1 Kursus nr 100 Tilladte hjælpemidler: Alle hjælpemidler er tilladt "Vægtning": Besvarelsen
Læs mereOverheads til forelæsninger, mandag 5. uge På E har vi en mængde af mulige sandsynlighedsfordelinger for X, (P θ ) θ Θ.
Statistiske modeller (Definitioner) Statistik og Sandsynlighedsregning 2 IH kapitel 0 og En observation er en vektor af tal x (x,..., x n ) E, der repræsenterer udfaldet af et (eller flere) eksperimenter.
Læs mereDiodespektra og bestemmelse af Plancks konstant
Diodespektra og bestemmelse af Plancks konstant Fysik 5 - kvantemekanik 1 Joachim Mortensen, Rune Helligsø Gjermundbo, Jeanette Frieda Jensen, Edin Ikanović 12. oktober 28 1 Indledning Formålet med denne
Læs mereUndervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Maj-juni, 2015/16 Institution Vid Gymnasier Uddannelse Fag og niveau Lærer(e) Hold hhx Matematik B Hasse Rasmussen
Læs merePhD-kursus i Basal Biostatistik, efterår 2006 Dag 2, onsdag den 13. september 2006
PhD-kursus i Basal Biostatistik, efterår 2006 Dag 2, onsdag den 13. september 2006 I dag: To stikprøver fra en normalfordeling, ikke-parametriske metoder og beregning af stikprøvestørrelse Eksempel: Fiskeolie
Læs mereModul 7: Eksempler. 7.1 Beskrivende dataanalyse. 7.1.1 Diagrammer. Bent Jørgensen. Forskningsenheden for Statistik ST501: Science Statistik
Forskningsenheden for Statistik ST501: Science Statistik Bent Jørgensen Modul 7: Eksempler 7.1 Beskrivende dataanalyse............................... 1 7.1.1 Diagrammer.................................
Læs mereUndervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin maj-juni 2018 Institution Uddannelse Fag og niveau Lærer(e) Hold Skanderborg-Odder center for uddannelse Højvangens
Læs mereLøsning til prøveeksamen 1
IMM - DTU 020 Probability 2006-2-8 BFN/bfn Løsning til prøveeksamen Spørgsmål ) For en indikatorvariabel I A for hændelsen A gælder E(I A ) = P(A) (se for eksemepl side 68). Således er E(X) = P(N ) = =
Læs mereDansk Fysikolympiade 2007 Landsprøve. Prøven afholdes en af dagene tirsdag den 9. fredag den 12. januar. Prøvetid: 3 timer
Dansk Fysikolympiade 2007 Landsprøve Prøven afholdes en af dagene tirsdag den 9. fredag den 12. januar Prøvetid: 3 timer Opgavesættet består af 6 opgaver med tilsammen 17 spørgsmål. Svarene på de stillede
Læs mere1 Kapitel 5: Forbrugervalg
1 Kapitel 5: Forbrugervalg Vi har set på: 1. budgetbegrænsninger 2. præferencer og nyttefunktioner. Nu stykker vi det hele sammen og studerer forbrugerens optimale valg. 2 Optimalt forbrug - grafisk fremstilling
Læs mereDifferentialligninger. Ib Michelsen
Differentialligninger Ib Michelsen Ikast 203 2 Indholdsfortegnelse Indholdsfortegnelse Indholdsfortegnelse...2 Ligninger og løsninger...3 Indledning...3 Lineære differentialligninger af første orden...3
Læs mereSandsynlighedsregning 2. forelæsning Bo Friis Nielsen
Vigtigste nye emner i.,. og.5 Sandsynlighedsregning. forelæsning Bo Friis Nielsen Anvendt Matematik og Computer Siene Danmarks Tekniske Universitet 800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Binomialfordelingen
Læs mereKapitel 4 Sandsynlighed og statistiske modeller
Kapitel 4 Sandsynlighed og statistiske modeller Peter Tibert Stoltze stat@peterstoltze.dk Elementær statistik F2011 1 Indledning 2 Sandsynlighed i binomialfordelingen 3 Normalfordelingen 4 Modelkontrol
Læs mereSandsynlighedsregning Oversigt over begreber og fordelinger
Tue Tjur Marts 2007 Sandsynlighedsregning Oversigt over begreber og fordelinger Stat. MØK 2. år Kapitel : Sandsynlighedsfordelinger og stokastiske variable En sandsynlighedsfunktion på en mængde E (udfaldsrummet)
Læs mereUndervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin maj-juni 2019 Institution Uddannelse Fag og niveau Lærer(e) Hold Skanderborg-Odder Center for Uddannelse Højvangens
Læs mereNormalfordelingen. Statistik og Sandsynlighedsregning 2
Normalfordelingen Statistik og Sandsynlighedsregning 2 Repetition og eksamen Erfaringsmæssigt er normalfordelingen velegnet til at beskrive variationen i mange variable, blandt andet tilfældige fejl på
Læs mereKvantitative Metoder 1 - Forår 2007. Dagens program
Dagens program Hypoteser: kap: 10.1-10.2 Eksempler på Maximum likelihood analyser kap 9.10 Test Hypoteser kap. 10.1 Testprocedure kap 10.2 Teststørrelsen Testsandsynlighed 1 Estimationsmetoder Kvantitative
Læs mereKvantitative Metoder 1 - Forår 2007
Dagens program Kapitel 8.7, 8.8 og 8.10 Momenter af gennemsnit og andele kap. 8.7 Eksempel med simulationer Den centrale grænseværdisætning (Central Limit Theorem) kap. 8.8 Simulationer Normalfordelte
Læs mereKvantitative Metoder 1 - Forår 2007. Dagens program
Dagens program Approksimation af binomialsandsynligheder, Afsnit 4.5 Poisson fordeling og Poisson process, Afsnit 4.6 Kontinuerte fordelinger, Afsnit 5.1-5.2: - Fordelingsfunktion - Tæthedsfunktion - Eksempel:
Læs mereHypotese test. Repetition fra sidst Hypoteser Test af middelværdi Test af andel Test af varians Type 1 og type 2 fejl Signifikansniveau
ypotese test Repetition fra sidst ypoteser Test af middelværdi Test af andel Test af varians Type 1 og type fejl Signifikansniveau Konfidens intervaller Et konfidens interval er et interval, der estimerer
Læs mereMaple 11 - Chi-i-anden test
Maple 11 - Chi-i-anden test Erik Vestergaard 2014 Indledning I dette dokument skal vi se hvordan Maple kan bruges til at løse opgaver indenfor χ 2 tests: χ 2 - Goodness of fit test samt χ 2 -uafhængighedstest.
Læs mereEksempler fra bogen Statistiske Grundbegreber løst ved anvendelse af Excel.
Eksempler fra bogen Statistiske Grundbegreber løst ved anvendelse af Excel. Kapitel Deskriptiv statistik Indhold 1. Generelle forhold... 1 Kapitel : Deskriptiv Statistik... 1 Kapitel 4: Normalfordelingen...
Læs mereBilledbehandling og mønstergenkendelse: Lidt elementær statistik (version 2)
Billedbehandling og mønstergenkendelse: Lidt elementær statistik (version 2) Klaus Hansen 4. november 23 Indhold 1 Elementære empiriske mål 1 2 Lidt sandsynlighedsregning 3 3 Fordelinger 3 3.1 Grundlæggende
Læs mereTaylorudvikling I. 1 Taylorpolynomier. Preben Alsholm 3. november Definition af Taylorpolynomium
Taylorudvikling I Preben Alsholm 3. november 008 Taylorpolynomier. Definition af Taylorpolynomium Definition af Taylorpolynomium Givet en funktion f : I R! R og et udviklingspunkt x 0 I. Find et polynomium
Læs mereForelæsning 6: Kapitel 7: Hypotesetest for gennemsnit (one-sample setup). 7.4-7.6
Kursus 02402 Introduktion til Statistik Forelæsning 6: Kapitel 7: Hypotesetest for gennemsnit (one-sample setup). 7.4-7.6 Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220
Læs mereUndervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin maj-juni 2019 Institution Uddannelse Fag og niveau Lærer(e) Hold Skanderborg-Odder Center for Uddannelse Højvangens
Læs mereSandsynlighedsregning
Mogens Bladt www2.imm.dtu.dk/courses/02405 12. Oktober, 2007 Kontinuerte fordelinger Vi har hidtil set på fordelinger af stokastiske variable der højst kan antage tælleligt mange værdier (diskrete stokastiske
Læs mereOpgaver til Maple kursus 2012
Opgaver til Maple kursus 2012 Jonas Camillus Jeppesen, jojep07@student.sdu.dk Martin Gyde Poulsen, gyde@nqrd.dk October 7, 2012 1 1 Indledende opgaver Opgave 1 Udregn følgende regnestykker: (a) 2342 +
Læs mereStatistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Statistisk Model
Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Statistisk Model Indhold Binomialfordeling Sandsynlighedsfunktion Middelværdi og spredning 1 Aalen: Innføring i statistik med medisinske eksempler
Læs mereEntropibegrebet Jacob Nielsen 1
Entropibegrebet Jacob Nielsen 1 I 1871 introducerede Maxwell dæmonen, der ved hjælp af molekylær information tilsyneladende kan krænke termodynamikkens 2. hovedsætning. Centralt i termodynamikken står
Læs mere4 Oversigt over kapitel 4
IMM, 2002-09-14 Poul Thyregod 4 Oversigt over kapitel 4 Introduktion Hidtil har vi beskæftiget os med data. Når data repræsenterer gentagne observationer (i bred forstand) af et fænomen, kan det være bekvemt
Læs mere2. Ved et roulettespil kan man vinde 0,10,100, 500 og 1000 kr. Sandsynligheden for gevinsterne ses af følgende skema:
Der er hjælp til opgaver med # og facit på side 6 1. Et eksperiment kan beskrives med følgende skema: u 1 2 3 4 5 P(u) 0,3 0,2 0,1 0,2 x Bestem x og sandsynligheden for at udfaldet er et lige tal.. 2.
Læs mereGEOMETRI-TØ, UGE 11. Opvarmningsopgave 2, [P] 6.1.1 (i,ii,iv). Udregn første fundamentalform af følgende flader
GEOMETRI-TØ, UGE Hvis I falder over tryk- eller regne-fejl i nedenstående, må I meget gerne sende rettelser til fuglede@imf.au.dk. Opvarmningsopgave, [P] 5... Find parametriseringer af de kvadratiske flader
Læs mereUndervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Maj, 2018 Institution Vid Gymnasier, Handelsgymnasium Rønde Uddannelse Fag og niveau Lærer(e) Hold hhx Matematik
Læs mereDronninglund Gymnasium Fysik skriftlig eksamen 27. maj 2011
Opgave 1. Solfanger Det viste anlæg er et ventilationssystem, som opvarmer luft udefra og blæser den ind i huset. Luften opvarmes idet, den strømmer langs en sort metalplade, der er opvarmet af solstrålingen.
Læs mereEkstra termodynamikopgaver i Fysik 1, 10022/24 F12
Ekstra termodynamikopgaver i Fysik, 00/4 F Opgave Tre opfindere, A, B og C, fortæller dig at de hver har designet en varmemaskine A s maskine kan udføre et arejde på 0 J ved tilførsel af 50 J med en spildvarme
Læs mere