Örgü Kuantum Renk Dinamiği II

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Örgü Kuantum Renk Dinamiği II"

Transkript

1 Örgü Kuantum Renk Dinamiği II Güray Erkol, Kadir Utku Can Özyeğin Üniversitesi ULUYEF Kış Okulu, 2012 Image: 1 / 52

2 2 / 52 Özet 1 Örgü Simülasyonları Giriş Metropolis Algoritması Workflow 2 Hadron Spektroskopisi Interpolatorler, Korelatörler Yöntem Hadron kütlelerini bulalım

3 3 / 52 İçerik Örgü Simülasyonları Giriş 1 Örgü Simülasyonları Giriş Metropolis Algoritması Workflow 2 Hadron Spektroskopisi Interpolatorler, Korelatörler Yöntem Hadron kütlelerini bulalım

4 4 / 52 Giriş Örgü Simülasyonları Giriş Örgü üzerinde bir gözlemlenebilirin beklenen değeri: O = 1 D[U]e SG[U] O[U] Z = Z D[U]e S G[U] Küçük örgüler dışında bu integrali hesaplamak mümkün değildir. Monte Carlo simülasyonu integrali N tane örnek ayar konfigürasyonu üzerinde hesaplanmış ortalaması şeklinde yaklaşık bir sonuca indirger: O 1 N e S[Un] olasılıkla U n O[U n ] U n : Markov zinciri şeklinde elde edilen konfigürasyon zinciri.

5 5 / 52 Örgü Simülasyonları Konfigürasyon Oluşturulması Importance sampling Giriş Bir f (x) fonksiyonunun ρ(x) yoğunluğu taşıyan bir olasılık dağılımına göre beklenen değeri: b a ρ(x)f (x) f = b a ρ(x) Importance sampling de bu beklenen değer yaklaşık olarak bulunabilir: 1 f = lim N N N f (x n ) n=1 x n (a, b) bir olasılık dağılımına göre örneklenir: dp(x) = ρ(x)dx b a dxρ(x)

6 Örgü Simülasyonları Giriş 6 / 52 Konfigürasyon Oluşturulması Importance sampling Biz de yol integralimizi bu yöntemle hesaplayabiliriz: 1 O = lim N N dp(u) = N O[U n ] n=1 e S[U] D[U] D[U]e S[U] U n ayar alan konfigürasyonları rastgele değişkenlerdir. İntegrali N tane konf. üzerinden hesaplarız. İstatistiksel hata 1/ N ile orantılıdır ve kesin sonuç N ile bulunur.

7 7 / 52 İçerik Örgü Simülasyonları Metropolis Algoritması 1 Örgü Simülasyonları Giriş Metropolis Algoritması Workflow 2 Hadron Spektroskopisi Interpolatorler, Korelatörler Yöntem Hadron kütlelerini bulalım

8 8 / 52 Örgü Simülasyonları Konfigürasyon Oluşturulması Markov Zincirleri Metropolis Algoritması Rastgele bir konfigürasyon ile başla. Bağlantı değişkenlerinin stokastik bir zincirini oluştur. U 0 U 1 U 2... Bütün bağlantıları ziyaret et. U n 1 U n geçiş olasılığı (U n = U U n 1 = U). = T(U U) (= matris) 0 T(U U) 1, U T(U U) = 1 P (0) T P (1) T P (2) T... T P (= denge dağılımı)

9 9 / 52 Örgü Simülasyonları Konfigürasyon Oluşturulması Markov Zincirleri Metropolis Algoritması Denge dağılımı Geri döndürülebilir Markov Zincirleri olmalıdır T(U U)P(U) = T(U U )P(U ) U U T(U U)P(U) = T(U U )P(U ) (olası bir çözüm) Metropolis algoritması yukarıdaki denkleme dayanır

10 10 / 52 Örgü Simülasyonları Genel Metropolis Algoritması Metropolis Algoritması T 0 (U U) şeklinde bir seçim olasılığına göre bir U konfigürasyonu seç. Yeni konfigürasyonu kabul etme olasılığı ( T A (U U) = min 1, T 0(U U ) exp( S[U ) ]) T 0 (U U) exp( S[U]) Eğer yeni konfigürasyon kabul edilmezse eski konfigürasyonu Markov zincirine kat. Bu adımları tekrarla. Çoğu durumda simetrik seçim olasılığı alınır: T 0 (U U ) = T 0 (U U) Bu durumda T A (U U) = min(1, exp( S)) ve S = S[U ] S[U].

11 11 / 52 Metropolis Algoritması SU(3) Ayar Eyleminin Eklenmesi Örgü Simülasyonları Metropolis Algoritması Adım 1 U µ(n) = X U µ (n) kullanarak belirli bir µ yönü ve n köşesi için U µ(n) adayı seç burada X birim matrise yakın bir 3x3 matristir Adım 2 Dört boyutta altı plaquette değişecek. Yeni eylemi hesapla: S G [U µ(n)] = 1 2g 2 6 ReTr[I U µ(n)p i ] i=1 = 1 2g 2 ReTr[6I U µ(n)a]

12 12 / 52 Metropolis Algoritması SU(3) Ayar Eyleminin Eklenmesi Örgü Simülasyonları Metropolis Algoritması Adım 1 U µ(n) = X U µ (n) kullanarak belirli bir µ yönü ve n köşesi için U µ(n) adayı seç burada X birim matrise yakın bir 3x3 matristir Adım 2 Dört boyutta altı plaquette değişecek. Yeni eylemi hesapla: S G [U µ(n)] = 1 2g 2 6 ReTr[I U µ(n)p i ] i=1 = 1 2g 2 ReTr[6I U µ(n)a]

13 13 / 52 Metropolis Algoritması SU(3) Ayar Eyleminin Eklenmesi Örgü Simülasyonları Metropolis Algoritması Adım 2 S G [U µ(n)] = 1 2g 2 A = 6 P i = ν µ i=1 6 ReTr[I U µ(n)p i ] = 1 2g 2 ReTr[6I U µ(n)a] ( U ν (n + ˆµ)U µ (n + ˆµ + ˆν)U ν (n + ˆν) i=1 ) +U ν (n + ˆµ)U µ (n + ˆµ ˆν)U ν (n ˆν) [ (U böylece, S G = S G [U µ(n)] S G [U µ (n)] = 1 2g ReTr µ(n) U 2 µ (n) ) A ]

14 Örgü Simülasyonları Metropolis Algoritması 14 / 52 Metropolis Algoritması SU(3) Ayar Eyleminin Eklenmesi Adım 3 [0, 1) aralığında rastgele bir r sayısı üret r ile exp( S G ) yi kıyasla Eğer r exp( S G ) ise U µ(n) kabul et exp( S G ) 1 olduğunda yani eylem azaldığında ya da değişmediğinde, U µ(n) her zaman kabul et U µ(n) eylem arttığında da kabul edilebilir, bu durum Quantum salınımı olarak alınabilir. Adım 4 Bütün bağlantı değişkenleri güncellenene kadar yukarıdaki adımları tekrar et

15 Örgü Simülasyonları Metropolis Algoritması 15 / 52 Metropolis Algoritması SU(3) Ayar Eyleminin Eklenmesi Adım 3 [0, 1) aralığında rastgele bir r sayısı üret r ile exp( S G ) yi kıyasla Eğer r exp( S G ) ise U µ(n) kabul et exp( S G ) 1 olduğunda yani eylem azaldığında ya da değişmediğinde, U µ(n) her zaman kabul et U µ(n) eylem arttığında da kabul edilebilir, bu durum Quantum salınımı olarak alınabilir. Adım 4 Bütün bağlantı değişkenleri güncellenene kadar yukarıdaki adımları tekrar et

16 16 / 52 İçerik Örgü Simülasyonları Workflow 1 Örgü Simülasyonları Giriş Metropolis Algoritması Workflow 2 Hadron Spektroskopisi Interpolatorler, Korelatörler Yöntem Hadron kütlelerini bulalım

17 Örgü Simülasyonları Workflow 17 / 52 Ayar Konfigürasyonları Başlangıç Soğuk Başlangıç Bütün ayar değişkenlerini birim matrise eşitle. U µ = I Sıcak Başlangıç Grup uzayından rastgele matrisler seç. Birleşik Yarısı Soğuk, yarısı Sıcak ; seçim sizin!

18 Örgü Simülasyonları Workflow 18 / 52 Ayar Konfigürasyonları Başlangıç Soğuk Başlangıç Bütün ayar değişkenlerini birim matrise eşitle. U µ = I Sıcak Başlangıç Grup uzayından rastgele matrisler seç. Birleşik Yarısı Soğuk, yarısı Sıcak ; seçim sizin!

19 Örgü Simülasyonları Workflow 19 / 52 Ayar Konfigürasyonları Başlangıç Soğuk Başlangıç Bütün ayar değişkenlerini birim matrise eşitle. U µ = I Sıcak Başlangıç Grup uzayından rastgele matrisler seç. Birleşik Yarısı Soğuk, yarısı Sıcak ; seçim sizin!

20 Örgü Simülasyonları Workflow 20 / 52 Ayar Konfigürasyonları Dengeye Ulaşma Metropolis Algoritmasını and Monte Carlo metodlarını kullanarak bütün örgüyü tara ve bütün ayar değişkenlerini güncelle! Monte Carlo algoritmaları: Heat Bath, Overrelaxation, Microcanonical, Hybrid Monte Carlo, Langevin Kontrol etmeyi unutma Soğuk başlangıç ve Sıcak başlangıç değerlerini kıyasla: Wilson ve Polyakov Döngüleri ve Quark Propagatörleri. İki başlangıç için değerler birbirine yaklaşana kadar taramaya devam et!

21 21 / 52 İçerik Hadron Spektroskopisi Interpolatorler, Korelatörler 1 Örgü Simülasyonları Giriş Metropolis Algoritması Workflow 2 Hadron Spektroskopisi Interpolatorler, Korelatörler Yöntem Hadron kütlelerini bulalım

22 22 / 52 Quark Propagatorü Hadron Spektroskopisi Interpolatorler, Korelatörler Quark propagatörü Dirac operatörünün tersine eşittir. ψ(n)αψ(m) β = a 4 D 1 (n m) αβ D = I κ H a b F ab ±4 1 H(n m) αβ = (I γ µ ) αβ U µ (n) ab δ n+ˆµ,n κ = 2(a m+4) ab µ=±1 Matris iteratif nümerik teknikler kullanılarak ters çevrilebilir: Gauss-Seidel Successive OverRelaxation (SOR) / Symmetric SOR Conjugate Gradient (CG) / BiCG / BiStabCG

23 23 / 52 Quark Propagatörü Hadron Spektroskopisi Interpolatorler, Korelatörler Hopping açılımı D 1 = (I κ H) 1 = κ j H j j=0 Fermion determinantı 1 det[d] = det[i κ H] = exp(tr[ln(i κ H)]) = exp j κj Tr[H j ] j=1 Hopping teriminin trace ini almak n = m demek. Bu durumda fermion determinantı fermion düğümlerine karşılık gelir.

24 Hadron Spektroskopisi Interpolatorler, Korelatörler 24 / 52 Quark Propagatörü Matthews-Salam formülü N Z F = dη N d η N... dη 1 d η 1 exp η i M ij η j = det[m] i,j=1 Partition fonksiyonu Z = D[U]e S G[U] det[d u ]det[d d ]

25 Hadron Spektroskopisi Interpolatorler, Korelatörler 25 / 52 Hadron Spektroskopisi Örgü üzerinde fermionları simüle ederek hadron spektroskopisi hesaplanabilir. Öncelikle her bir konfigürasyon için quark propagatörü hesaplanır. Bunlar birleştirilerek hadron propagatörleri oluşturulur. Bütün konfigürasyonlar üzerinden ortalama alınarak spektroskopi hesaplanır. Spektral açılım O 2 (t)o 1 (0) = m e ten 0 Ô 2 n n Ô 1 0 O 2 (t)o 1 (0) = p O p 0 2 e tep + p O p 0 2 e te p +...

26 26 / 52 Meson Interpolatorleri Hadron Spektroskopisi Interpolatorler, Korelatörler Genel Durum O M (n) = ψ (f 1) (n) Γ ψ (f 2) (n) ve O M (m) = ψ (f 2) (m) Γ ψ (f 1) (m) Table: Bazı Meson Interpolatorleri Interpolator J PC I, I z O π +(n) = d(n)α (γ 5 ) αβ u(n) βc c 0 + 1, 1 O K +(n) = s(n) γ 5 u(n) 0 + 1/2, 1/2 O ρ +(n) = d(n) γ i u(n), i = 1, 2, 3 1 1, 1 Hadronların sahip olduğu kuantum sayılarına göre kurulur

27 27 / 52 Meson Interpolatorleri Hadron Spektroskopisi Interpolatorler, Korelatörler Genel Durum O M (n) = ψ (f 1) (n) Γ ψ (f 2) (n) ve O M (m) = ψ (f 2) (m) Γ ψ (f 1) (m) Table: Bazı Meson Interpolatorleri Interpolator J PC I, I z O π +(n) = d(n)α (γ 5 ) αβ u(n) βc c 0 + 1, 1 O K +(n) = s(n) γ 5 u(n) 0 + 1/2, 1/2 O ρ +(n) = d(n) γ i u(n), i = 1, 2, 3 1 1, 1 Hadronların sahip olduğu kuantum sayılarına göre kurulur

28 28 / 52 Meson Korelatörleri Fermion Çarpımı Hadron Spektroskopisi Interpolatorler, Korelatörler Iso-Triplet operator O T = d Γ u O T (n)ō T (m) F = d(n)α 1 c 1 Γ α1β 1 u(n) β1 c 1 ū(m)α 2 c 2 Γ α2β 2 d(m) β2 c 2 F = Γ α1β 1 Γ α2β 2 u(n) β1 c 1 ū(m)α 2 c 2 u d(m) β2 c 2 d(n)α 1 c 1 d = Γ α1β 1 Γ α2β 2 D 1 u (n m) β1α 2 D 1 d (m n) β 2α 1 c 1c 2 c 2c 1 = Tr [ Γ D 1 u (n m) Γ D 1 (m n)] d η 1 η 2 = η 2 η 1 ve... F =... u... d kullanarak

29 29 / 52 Meson Korelatörleri Fermion Çarpımı Hadron Spektroskopisi Interpolatorler, Korelatörler Iso-Singlet operator O S = (ū Γ u + d Γ d)/ 2 O S (n)ō S (m) F == Tr[Γ D 1 u Tr[Γ D 1 u Tr[Γ D 1 u (n m) Γ D 1 (m n)] d (n n)] Tr[Γ D 1 (m m)] u (n n)] Tr[Γ D 1 (m m)] + u d d D 1 u (n n) içeren terimler ayrık parçalara karşılık gelir. Iso-triplet operatör durumunda u ve d terimleri arasında göreceli bir eksi işareti vardır. Isospin simetrisi ile (D u = D d ) ayrık terimler yok olur.

30 Hadron Spektroskopisi Interpolatorler, Korelatörler Baryon Interpolatorleri I=0, J=0 diquark ({ }} ){ Nucleon için en basit operatör O N (n) = ɛ abc u(n) a u(n) T b Cγ 5 d(n) c Bazı Interpolatorler O N± = ɛ abc P ± Γ A u a ( u T b Γ B d c ), ŌN± = ɛ abc (ūa Γ B d T b )ūc Γ A P ± O Σ± = ɛ abc P ± Γ A u a ( u T b Γ B s c ), ŌΣ± = ɛ abc (ūa Γ B s T b )ūc Γ A P ± O Λ± = ɛ abc P ± Γ A ( 2s a ( u T b Γ B d c ) + da ( u T b Γ B s c ) ua ( d T b Γ B s c ) ) (Γ A, Γ B ) = { (I, Cγ 5), (γ 5, C), (I, iγ 4Cγ 5) for J P = 1/2 + (I, Cγ i) for J = 3/2 P ± = 1 2 (I ± γ 4), C Yük konjuge operatörü 30 / 52

31 31 / 52 Baryon Korelatörü Hadron Spektroskopisi Interpolatorler, Korelatörler Nucleon Örnek olarak nucleon için fermion çarpımını verebiliriz. Baryonlar için ayrık parçalar ortaya çıkmaz. O N± (n) α Ō N± (m) α F = ɛ abcɛ a b c (Cγ5) α β (Cγ5) αβ(p ±) γγ D 1 d (n m) β β x b b ( ) D 1 u (n m) α α D 1 u a a (n m) γ γ c c D 1 u (n m) α γ a c D 1 u (n m) γ α c a

32 32 / 52 Hadron Spektroskopisi Momentum projeksiyonu Interpolatorler, Korelatörler Interpolator Õ(p, n t) = N n Λ 3 O(n, n t)e i a n p Korelatör Õ(p, n t)ō(0, 0) = N n Λ 3 e i a n p O(n, n t)ō(0, 0) ( ) = Ae a nt E(p) 1 + O(e a nt E ) Sıfır Momentum Projeksiyonu E(p) = m 2 Hadron + p2 p = 0, E(0) = m Hadron

33 33 / 52 Hadron Spektroskopisi Momentum projeksiyonu Interpolatorler, Korelatörler Interpolator Õ(p, n t) = N n Λ 3 O(n, n t)e i a n p Korelatör Õ(p, n t)ō(0, 0) = N n Λ 3 e i a n p O(n, n t)ō(0, 0) ( ) = Ae a nt E(p) 1 + O(e a nt E ) Sıfır Momentum Projeksiyonu E(p) = m 2 Hadron + p2 p = 0, E(0) = m Hadron

34 34 / 52 Hadron Spektroskopisi Momentum projeksiyonu Interpolatorler, Korelatörler Interpolator Õ(p, n t) = N n Λ 3 O(n, n t)e i a n p Korelatör Õ(p, n t)ō(0, 0) = N n Λ 3 e i a n p O(n, n t)ō(0, 0) ( ) = Ae a nt E(p) 1 + O(e a nt E ) Sıfır Momentum Projeksiyonu E(p) = m 2 Hadron + p2 p = 0, E(0) = m Hadron

35 35 / 52 İçerik Hadron Spektroskopisi Yöntem 1 Örgü Simülasyonları Giriş Metropolis Algoritması Workflow 2 Hadron Spektroskopisi Interpolatorler, Korelatörler Yöntem Hadron kütlelerini bulalım

36 36 / 52 Ne hesaplayalım? Hadron Spektroskopisi Yöntem 2 noktalı hadron Korelatörü π-mesonu için O T (n)ō T (m) = 1 Z D[U]e S G[U] deniz quarkları { }} { det[d u ] det[d d ] Tr [ Γ D 1 u (n m) Γ D 1 d (m n)] Z = D[U]e SG[U] det[d u ] det[d d ] Dirac operatorünün 12 Λ x 12 Λ elemanı vardır O(10 9 ) O(10 15 ) Hesaplama kaynakları yeterli değil, bir çözüm bulmalıyız!

37 37 / 52 Quark Kaynakları Hadron Spektroskopisi Yöntem Quark kaynağı oluşturmak için Dirac matrisinin bir kolonunu seç D 1 (n m 0 ) βα0 ba 0 = m,α,a Nokta ve yayılmış kaynaklar D 1 (n m) βα S m0,α0,a0 0 (m)α γ 5 D 1 γ 5 = D 1 ba a Dirac Delta S m0,α0,a0 0 (m)α = δ(m m 0 )δ αα0 δ aa0 a N Yayılmış kaynak S n0,α0,a0 = F(U), N # iterasyon sayısı. 2 = 3 j=1 i F(U) = { e σ 2, gaussian smearing σ 0, wall smearing ( ) U j (n, n t )δ(n + ĵ, m) + U j (n ĵ, n t )δ(n ĵ, n t )

38 38 / 52 Quark Kaynakları Hadron Spektroskopisi Yöntem Quark kaynağı oluşturmak için Dirac matrisinin bir kolonunu seç D 1 (n m 0 ) βα0 ba 0 = m,α,a Nokta ve yayılmış kaynaklar D 1 (n m) βα S m0,α0,a0 0 (m)α γ 5 D 1 γ 5 = D 1 ba a Dirac Delta S m0,α0,a0 0 (m)α = δ(m m 0 )δ αα0 δ aa0 a N Yayılmış kaynak S n0,α0,a0 = F(U), N # iterasyon sayısı. 2 = 3 j=1 i F(U) = { e σ 2, gaussian smearing σ 0, wall smearing ( ) U j (n, n t )δ(n + ĵ, m) + U j (n ĵ, n t )δ(n ĵ, n t )

39 39 / 52 Sonuca doğru Hadron Spektroskopisi Yöntem 2 noktalı hadron korelatörü π-mesonu için O T (n)ō T (m) = 1 Z D[U]e S G[U] deniz quarkları { }} { det[d u ] det[d d ] Tr [ Γ D 1 u (n m) Γ D 1 d (m n)] Z = D[U]e SG[U] det[d u ] det[d d ] Propagatörleri ve Monte Carlo metodunu kullanarak!

40 40 / 52 İçerik Hadron Spektroskopisi Hadron kütlelerini bulalım 1 Örgü Simülasyonları Giriş Metropolis Algoritması Workflow 2 Hadron Spektroskopisi Interpolatorler, Korelatörler Yöntem Hadron kütlelerini bulalım

41 41 / 52 Efektif kütle Hadron Spektroskopisi Hadron kütlelerini bulalım Kütle terimi nerede? N T limitinde, C(n t) = m,n m Ô2 n n Ô 1 m e nt En e (N T n t) E m 1 + e nt E 1 + e nt E = n Ô T 0 2 n e t E 0 + n Ô T } {{ } 0 2 } {{ } A 0 A 1 n e t E Büyük n t değerleri için en alt durum baskındır, C(n t ) = A 0 e nt E 0 Efektif kütle m eff (n t ) = ln C(n t) C(n t + 1)

42 42 / 52 Efektif kütle Hadron Spektroskopisi Hadron kütlelerini bulalım Kütle terimi nerede? N T limitinde, C(n t) = m,n m Ô2 n n Ô 1 m e nt En e (N T n t) E m 1 + e nt E 1 + e nt E = n Ô T 0 2 n e t E 0 + n Ô T } {{ } 0 2 } {{ } A 0 A 1 n e t E Büyük n t değerleri için en alt durum baskındır, C(n t ) = A 0 e nt E 0 Efektif kütle m eff (n t ) = ln C(n t) C(n t + 1)

43 43 / 52 Efektif kütle Hadron Spektroskopisi Hadron kütlelerini bulalım Kütle terimi nerede? N T limitinde, C(n t) = m,n m Ô2 n n Ô 1 m e nt En e (N T n t) E m 1 + e nt E 1 + e nt E = n Ô T 0 2 n e t E 0 + n Ô T } {{ } 0 2 } {{ } A 0 A 1 n e t E Büyük n t değerleri için en alt durum baskındır, C(n t ) = A 0 e nt E 0 Efektif kütle m eff (n t ) = ln C(n t) C(n t + 1)

44 Efektif kütle Hadron Spektroskopisi Hadron kütlelerini bulalım Figure: Hadronların efektif kütle platoları (örgü biriminde); m π = (129). [PACS-CS Kolaborasyonu] m eff (n t ) = ln C(n t) C(n t + 1) m eff = E 0 civarında efektif kütle platosu oluşturur 44 / 52

45 Hadron Spektroskopisi Hadron kütlelerini bulalım 45 / 52 Analiz Ham Data Sonuçlar boyutu olmayan M a örgü birimlerinde belirlenir Oranlar düşünülebilir Boyutu olan niceliklerle ilintirilendirilebilir. Sonlu boyut etkileri ve sonsuz boyut limiti V Süreklilik limiti a 0 Kiral ekstrapolasyon m q 0

46 Hadron Spektroskopisi Hadron kütlelerini bulalım 46 / 52 Analiz Limitler ve Ekstrapolasyon Kütle oranları Örgü birimlerine bağlılığı kaldırmak için oranları al. Farklı kuark kütleleri için hesapla ve gerçek kuark kütlesine ekstrapole et Figure: ρ ve nucleon için kiral extrapolation [PACS-CS Kolaborasyonu]

47 Hadron Spektroskopisi Hadron kütlelerini bulalım 47 / 52 Analiz Limitler ve Ekstrapolasyon Boyutu olan nicelikler Örgü aralığını (a) statik kuark potansiyelinden belirle Sommer ölçeği Belirlediğimiz boyutu olmayan sayılara boyut vermeliyiz. 1 = c = MeV fm 1 fm 1 = MeV Bilinen hadron kütleleri ile kıyasla Farklı kuark kütleleri için hesapla ve Chiral Perturbation Theory kullanarak gerçek kuark kütlesine ekstrapole et

48 Hadron Spektroskopisi Hadron kütlelerini bulalım 48 / 52 Analiz Limitler ve Ekstrapolasyon Sonlu boyut etkileri, V Hadron kütlelerinin hacim bağımlılığı 1/L n, n 2 3 Eğer L 3 fm ve L M π 4 ise göz ardı edilebilir Süreklilik limiti a 0 a 0 limitinde, hacimi sabit tutmak için N. Daha pahalıya mal olur Farklı a ile simülasyon yap ardından a 0 noktasına ekstrapole et Kiral limit m q 0 Fiziksel kuark ve pion kütlesine ulaşmak için Problemleri var. Kiral limitte pion kütlesi cinsinden bir açılıma karşılık gelen Chiral Perturbation Theory yardımcı olabilir M N = c 0 + c 2 m 2 π + c 3 m 3 π + c 4 m 4 π ln(mπ) + O(m4 π ) c n:lec Farklı m q ile simüle et ardından m q 0 noktasına ekstrapole et

49 Hadron Spektroskopisi Hadron kütlelerini bulalım 49 / 52 Analiz Limitler ve Ekstrapolasyon Sonlu boyut etkileri, V Hadron kütlelerinin hacim bağımlılığı 1/L n, n 2 3 Eğer L 3 fm ve L M π 4 ise göz ardı edilebilir Süreklilik limiti a 0 a 0 limitinde, hacimi sabit tutmak için N. Daha pahalıya mal olur Farklı a ile simülasyon yap ardından a 0 noktasına ekstrapole et Kiral limit m q 0 Fiziksel kuark ve pion kütlesine ulaşmak için Problemleri var. Kiral limitte pion kütlesi cinsinden bir açılıma karşılık gelen Chiral Perturbation Theory yardımcı olabilir M N = c 0 + c 2 m 2 π + c 3 m 3 π + c 4 m 4 π ln(mπ) + O(m4 π ) c n:lec Farklı m q ile simüle et ardından m q 0 noktasına ekstrapole et

50 Hadron Spektroskopisi Hadron kütlelerini bulalım 50 / 52 Analiz Limitler ve Ekstrapolasyon Sonlu boyut etkileri, V Hadron kütlelerinin hacim bağımlılığı 1/L n, n 2 3 Eğer L 3 fm ve L M π 4 ise göz ardı edilebilir Süreklilik limiti a 0 a 0 limitinde, hacimi sabit tutmak için N. Daha pahalıya mal olur Farklı a ile simülasyon yap ardından a 0 noktasına ekstrapole et Kiral limit m q 0 Fiziksel kuark ve pion kütlesine ulaşmak için Problemleri var. Kiral limitte pion kütlesi cinsinden bir açılıma karşılık gelen Chiral Perturbation Theory yardımcı olabilir M N = c 0 + c 2 m 2 π + c 3 m 3 π + c 4 m 4 π ln(mπ) + O(m4 π ) c n:lec Farklı m q ile simüle et ardından m q 0 noktasına ekstrapole et

51 51 / 52 Hadron kütleleri Hadron Spektroskopisi Hadron kütlelerini bulalım m AWI ud FIG. 23 (color online). Same as Fig. 2+1 çeşni örgü QCD ile elde edilmiş hadron kütlelerinin deneyle kıyaslanmış değerleri mass [GeV] Ω Ξ Σ Ξ Λ Σ φ K * N ρ vector meson octet baryon decuplet baryon FIG. 24 (color online). Light hadron spectrum extrapolated to the physical point using m, m K and m as input. Horizontal bars denote the experimental values. Figure: PACS-CS Kolaborasyonu [PRD79, (2009)] FIG ud

52 Özet 52 / 52 Özet QCD eylemi a ve U µ (n) örgü parametreleri cinsinden diskritize edilebilir. Örgü konfigürasyonları Metropolis Algoritması kullanılarak yaratılır. Propagatörler kullanılarak iki noktalı korelasyon fonksiyonu hesaplanabilir ve hadron spektrumu belirlenebilir. Artan hesaplama kaynakları ve gelişen nümerik tekniklerle Örgü QCD hadron fiziğinin geleceğini belirleyecek.

53 Appendix Kaynaklar 53 / 52 Kaynaklar I Gattringer C., Lang C.B. (Kapsamlı en iyi kaynak, derste sıkça başvurdum.) Quantum chromodynamics on the lattice:an Introductory Presentation. Lect. Notes Phys. 788, doi: / Ph. Hagler Hadron structure from lattice quantum chromodynamics Physics Reports, 490:49-175,2010. doi: /j.physrep G. Peter Lepage Lattice QCD for Novices arxiv:hep-lat/ Daha fazlası için benimle iletişime geçebilirsiniz.

Güray Erkol Özyeğin Üniversitesi

Güray Erkol Özyeğin Üniversitesi Örgü Kuantum Renk Dinamiği nde Tılsımlı Hadronların Yapısı IZYEF 13 (11.9.213) Güray Erkol Özyeğin Üniversitesi Kolaboratörler: U. Can, B. Işıldak, A. Özpinei, M. Oka, T. T. Takahashi Kuantum Renk Dinamiği

Detaylı

Örgü Kuantum Renk Dinamiği

Örgü Kuantum Renk Dinamiği Örgü Modeli 1 / 33 Örgü Kuantum Renk Dinamiği Kadir Utku Can Orta Doğu Teknik Üniversitesi Ankara Yüksek Enerji Fiziği Çalıştayı, 2011 2 / 33 İçerik Örgü Modeli 1 Örgü Modeli Niye Örgü? Örgü nedir? 2 Fermiyon

Detaylı

Son yıllarda bilgisayar teknolojisinin ilerlemesiyle ön plana çıktı.

Son yıllarda bilgisayar teknolojisinin ilerlemesiyle ön plana çıktı. MONTE CARLO YÖNTEMİ Birçok problemde analitik çözüm zor! Son yıllarda bilgisayar teknolojisinin ilerlemesiyle ön plana çıktı. Yüksek enerji fizigi Katıhal fiziği Biyofizikte atmosfer çalışmaları nükleer

Detaylı

Mezon Molekülleri ve X(3872)

Mezon Molekülleri ve X(3872) Mezon Molekülleri ve X(3872) A. Özpineci Fizik Bölümü ORTA DOĞU TEKNİK ÜNİVERSİTESİ İZYEF 2013 Yeni fizik olduğundan emin miyiz? Yeni fizik olduğundan emin miyiz? = Yeni fizik olmasını istiyoruz, ama

Detaylı

Örgü Kuantum Renk Dinamiği I

Örgü Kuantum Renk Dinamiği I Örgü Kuantum Renk Dinamiği I Güray Erkol, Kadir Utku Can Özyeğin Üniversitesi ULUYEF Kış Okulu, 2012 Image: http://www.bu.edu/tech/research/visualization/about/gallery/qcd/ 1 / 48 2 / 48 İçerik 1 Örgü

Detaylı

8.333 İstatistiksel Mekanik I: Parçacıkların İstatistiksel Mekaniği

8.333 İstatistiksel Mekanik I: Parçacıkların İstatistiksel Mekaniği MIT Açık Ders Malzemeleri http://ocw.mit.edu 8.333 İstatistiksel Mekanik I: Parçacıkların İstatistiksel Mekaniği 2007 Güz Bu materyallerden alıntı yapmak ya Kullanım Şartları hakkında bilgi almak için

Detaylı

GENELLEŞTİRİLMİŞ KÜME ALGORİTMALARI Genelleştirilmiş küme günümüzde son derece popüler olan ve pek çok alanda uygulanabilir algoritmalar için

GENELLEŞTİRİLMİŞ KÜME ALGORİTMALARI Genelleştirilmiş küme günümüzde son derece popüler olan ve pek çok alanda uygulanabilir algoritmalar için GENELLEŞTİRİLMİŞ KÜME ALGORİTMALARI Genelleştirilmiş küme günümüzde son derece popüler olan ve pek çok alanda uygulanabilir algoritmalar için kullanılan genel bir terimdir. Bu ailede en çok bilinen algoritmalar,

Detaylı

Kuantum Mekaniğinin Varsayımları

Kuantum Mekaniğinin Varsayımları Kuantum Mekaniğinin Varsayımları Kuantum mekaniği 6 temel varsayım üzerine kurulmuştur. Kuantum mekaniksel problemler bu varsayımlar kullanılarak (teorik/kuramsal olarak) çözülmekte ve elde edilen sonuçlar

Detaylı

8.333 İstatistiksel Mekanik I: Parçacıkların İstatistiksel Mekaniği

8.333 İstatistiksel Mekanik I: Parçacıkların İstatistiksel Mekaniği MIT Açık Ders Malzemeleri http://ocw.mit.edu 8.333 İstatistiksel Mekanik I: Parçacıkların İstatistiksel Mekaniği 2007 Güz Bu materyallerden alıntı yapmak veya Kullanım Şartları hakkında bilgi almak için

Detaylı

Markov Zinciri Monte Carlo Yaklaşımı. Aktüeryal Uygulamaları

Markov Zinciri Monte Carlo Yaklaşımı. Aktüeryal Uygulamaları Markov Zinciri Monte Carlo Yaklaşımı ve Aktüeryal Uygulamaları ŞİRZAT ÇETİNKAYA Aktüer Sistem Araştırma Geliştirme Bölümü AKTÜERLER DERNEĞİ 2.0.20080 2008 - İSTANBUL Sunum Planı. Giriş 2. Bayesci Metodun

Detaylı

MIT Açık Ders Malzemesi İstatistiksel Mekanik II: Alanların İstatistiksel Fiziği 2008 Bahar

MIT Açık Ders Malzemesi İstatistiksel Mekanik II: Alanların İstatistiksel Fiziği 2008 Bahar MIT Açık Ders Malzemesi http://ocw.mit.edu 8.334 İstatistiksel Mekanik II: Alanların İstatistiksel Fiziği 008 Bahar Bu malzemeye atıfta bulunmak ve Kullanım Şartlarımızla ilgili bilgi almak için http://ocw.mit.edu/terms

Detaylı

AST416 Astronomide Sayısal Çözümleme - II. 6. Monte Carlo

AST416 Astronomide Sayısal Çözümleme - II. 6. Monte Carlo AST416 Astronomide Sayısal Çözümleme - II 6. Monte Carlo Bu derste neler öğreneceksiniz? Monte Carlo Yöntemleri Markov Zinciri (Markov Chain) Rastgele Yürüyüş (Random Walk) Markov Chain Monte Carlo, MCMC

Detaylı

Ayrık Fourier Dönüşümü

Ayrık Fourier Dönüşümü Ayrık Fourier Dönüşümü Tanım: 0 n N 1 aralığında tanımlı N uzunluklu bir dizi x[n] nin AYRIK FOURIER DÖNÜŞÜMÜ (DFT), ayrık zaman Fourier dönüşümü (DTFT) X(e jω ) nın0 ω < 2π aralığında ω k = 2πk/N, k =

Detaylı

Mühendislik Mekaniği Statik. Yrd.Doç.Dr. Akın Ataş

Mühendislik Mekaniği Statik. Yrd.Doç.Dr. Akın Ataş Mühendislik Mekaniği Statik Yrd.Doç.Dr. Akın Ataş Bölüm 10 Eylemsizlik Momentleri Kaynak: Mühendislik Mekaniği: Statik, R. C.Hibbeler, S. C. Fan, Çevirenler: A. Soyuçok, Ö. Soyuçok. 10. Eylemsizlik Momentleri

Detaylı

2+1 Boyutlu Eğri Hiperyüzeyde Dirac Denklemi

2+1 Boyutlu Eğri Hiperyüzeyde Dirac Denklemi 2+1 Boyutlu Eğri Hiperyüzeyde Dirac Denklemi Mehmet Ali Olpak Fizik Bölümü Orta Doğu Teknik Üniversitesi Ankara, Aralık 2011 Outline 1 2 3 Geometri Denklemin Parçalanması 4 Genel Durum N boyutlu bir uzayın,

Detaylı

8.04 Kuantum Fiziği Ders IV. Kırınım olayı olarak Heisenberg belirsizlik ilkesi. ise, parçacığın dalga fonksiyonu,

8.04 Kuantum Fiziği Ders IV. Kırınım olayı olarak Heisenberg belirsizlik ilkesi. ise, parçacığın dalga fonksiyonu, Geçen Derste Kırınım olayı olarak Heisenberg belirsizlik ilkesi ΔxΔp x 2 Fourier ayrışımı Bugün φ(k) yı nasıl hesaplarız ψ(x) ve φ(k) ın yorumu: olasılık genliği ve olasılık yoğunluğu ölçüm φ ( k)veyahut

Detaylı

8.04 Kuantum Fiziği Ders XII

8.04 Kuantum Fiziği Ders XII Enerji ölçümünden sonra Sonucu E i olan enerji ölçümünden sonra parçacık enerji özdurumu u i de olacak ve daha sonraki ardışık tüm enerji ölçümleri E i enerjisini verecektir. Ölçüm yapılmadan önce enerji

Detaylı

İstatistiksel Mekanik I

İstatistiksel Mekanik I MIT Açık Ders Malzemeleri http://ocw.mit.edu 8.333 İstatistiksel Mekanik I: Parçacıkların İstatistiksel Mekaniği 2007 Güz Bu materyallerden alıntı yapmak veya Kullanım Şartları hakkında bilgi almak için

Detaylı

Matris Cebiriyle Çoklu Regresyon Modeli

Matris Cebiriyle Çoklu Regresyon Modeli Matris Cebiriyle Çoklu Regresyon Modeli Hüseyin Taştan Mart 00 Klasik Regresyon Modeli k açıklayıcı değişkenden oluşan regresyon modelini her gözlem i için aşağıdaki gibi yazabiliriz: y i β + β x i + β

Detaylı

KLASİK BULANIK MANTIK DENETLEYİCİ PROBLEMİ : INVERTED PENDULUM

KLASİK BULANIK MANTIK DENETLEYİCİ PROBLEMİ : INVERTED PENDULUM KLASİK BULANIK MANTIK DENETLEYİCİ PROBLEMİ : INVERTED PENDULUM M.Ali Akcayol Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Bilgisayar Mühendisliği Bölümü (Yüksek Lisans Tezinden Bir Bölüm) Şekil 1'

Detaylı

Veri Ağlarında Gecikme Modeli

Veri Ağlarında Gecikme Modeli Veri Ağlarında Gecikme Modeli Giriş Veri ağlarındaki en önemli performans ölçütlerinden biri paketlerin ortalama gecikmesidir. Ağdaki iletişim gecikmeleri 4 farklı gecikmeden kaynaklanır: 1. İşleme Gecikmesi:

Detaylı

3. BÖLÜM MATRİSLER 1

3. BÖLÜM MATRİSLER 1 3. BÖLÜM MATRİSLER 1 2 11 21 1 m1 a a a v 12 22 2 m2 a a a v 1 2 n n n mn a a a v gibi n tane vektörün oluşturduğu, şeklindeki sıralanışına matris denir. 1 2 n A v v v Matris A a a a a a a a a a 11 12

Detaylı

18.034 İleri Diferansiyel Denklemler

18.034 İleri Diferansiyel Denklemler MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret

Detaylı

İÇİNDEKİLER. Ön Söz Saymanın Temel Kuralları Permütasyon (Sıralama) Kombinasyon (Gruplama) Binom Açılımı...

İÇİNDEKİLER. Ön Söz Saymanın Temel Kuralları Permütasyon (Sıralama) Kombinasyon (Gruplama) Binom Açılımı... İÇİNDEKİLER Ön Söz... Saymanın Temel Kuralları... Permütasyon (Sıralama)... 8 Kombinasyon (Gruplama)... 6 Binom Açılımı... Olasılık... 9 İstatistik... 8... Dağılımlar... 5 Genel Tarama Sınavı... 6 RASTGELE

Detaylı

rasgele değişkeninin olasılık yoğunluk fonksiyonu,

rasgele değişkeninin olasılık yoğunluk fonksiyonu, 3.6. Bazı Sürekli Dağılımlar 3.6.1 Normal Dağılım Normal dağılım hem uygulamalı hem de teorik istatistikte kullanılan oldukça önemli bir dağılımdır. Normal dağılımın istatistikte önemli bir yerinin olmasının

Detaylı

SİMÜLASYON ÇEŞİTLERİ HAZIRLAYAN: ÖZLEM AYDIN

SİMÜLASYON ÇEŞİTLERİ HAZIRLAYAN: ÖZLEM AYDIN SİMÜLASYON ÇEŞİTLERİ HAZIRLAYAN: ÖZLEM AYDIN SİMÜLASYON ÇEŞİTLERİ Günümüz simülasyonları gerçek sistem davranışlarını, zamanın bir fonksiyonu olduğu düşüncesine dayanan Monte Carlo yöntemine dayanır. 1.

Detaylı

RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN

RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Yrd. Doç. Dr. Emre ATILGAN 1 RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Olasılığa ilişkin olayların çoğunluğunda, deneme sonuçlarının bir veya birkaç yönden incelenmesi

Detaylı

TÜRKİYE NİN NÜFUSU. Prof.Dr.rer.nat. D.Ali Ercan ADD Bilim Kurulu Başkanı Nükler Fizik Uzmanı. dn (t) / dt = c. n (t)

TÜRKİYE NİN NÜFUSU. Prof.Dr.rer.nat. D.Ali Ercan ADD Bilim Kurulu Başkanı Nükler Fizik Uzmanı. dn (t) / dt = c. n (t) TÜRKİYE NİN NÜFUSU Prof.Dr.rer.nat. D.Ali Ercan ADD Bilim Kurulu Başkanı Nükler Fizik Uzmanı Nüfus sayımının yapılmadığı son on yıldan bu yana nüfus ve buna bağlı demografik verilerde çelişkili rakamların

Detaylı

Newton un F = ma eşitliğini SD den türete bilir miyiz?

Newton un F = ma eşitliğini SD den türete bilir miyiz? burada yine kısmi integrasyon kullanıldı ve ± da Ψ ın yok olduğu kabul edildi. Sonuç olarak, p = p, yani p ˆ nin tüm beklenti değerleri gerçeldir. Bir özdeğer kendisine karşı gelen kararlı durumun beklenti

Detaylı

Kuantum Fiziği (PHYS 201) Ders Detayları

Kuantum Fiziği (PHYS 201) Ders Detayları Kuantum Fiziği (PHYS 201) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Kuantum Fiziği PHYS 201 Her İkisi 3 0 0 3 5 Ön Koşul Ders(ler)i PHYS 102, MATH 158

Detaylı

Stokastik Süreçler. Bir stokastik süreç ya da rastgele süreç şöyle tanımlanabilir.

Stokastik Süreçler. Bir stokastik süreç ya da rastgele süreç şöyle tanımlanabilir. Bir stokastik süreç ya da rastgele süreç şöyle tanımlanabilir. Zamanla değişen bir rastgele değişkendir. Rastgele değişkenin alacağı değer zamanla değişmektedir. Deney çıktılarına atanan rastgele bir zaman

Detaylı

MAK 210 SAYISAL ANALİZ

MAK 210 SAYISAL ANALİZ MAK 210 SAYISAL ANALİZ BÖLÜM 8- SAYISAL İNTEGRASYON 1 GİRİŞ Mühendislikte sık karşılaşılan matematiksel işlemlerden biri integral işlemidir. Bilindiği gibi integral bir büyüklüğün toplam değerinin bulunması

Detaylı

Programlama Dilleri 1. Ders 3: Rastgele sayı üretimi ve uygulamaları

Programlama Dilleri 1. Ders 3: Rastgele sayı üretimi ve uygulamaları Ders 3: Rastgele sayı üretimi ve uygulamaları Ders 3 Genel Bakış Giriş Rastgele Sayı Rastgele Sayı Üreteci rand Fonksiyonunun İşlevi srand Fonksiyonunun İşlevi Monte Carlo Yöntemi Uygulama 1: Yazı-Tura

Detaylı

fonksiyonu için in aralığındaki bütün değerleri için sürekli olsun. in bu aralıktaki olsun. Fonksiyonda meydana gelen artma miktarı

fonksiyonu için in aralığındaki bütün değerleri için sürekli olsun. in bu aralıktaki olsun. Fonksiyonda meydana gelen artma miktarı 10.1 Türev Kavramı fonksiyonu için in aralığındaki bütün değerleri için sürekli olsun. in bu aralıktaki bir değerine kadar bir artma verildiğinde varılan x = x 0 + noktasında fonksiyonun değeri olsun.

Detaylı

Ders 4: Rastgele Değişkenler ve Dağılımları

Ders 4: Rastgele Değişkenler ve Dağılımları Ders 4: Rastgele Değişkenler ve Dağılımları Rastgele değişken kavramı Kesikli ve sürekli rastgele değişkenler İki boyutlu rastgele değişkenler Beklenen değer Varyans Örnek uzaydaki her elemanı bir sayıyla

Detaylı

m=n şeklindeki matrislere kare matris adı verilir. şeklindeki matrislere ise sütun matrisi denir. şeklindeki A matrisi bir kare matristir.

m=n şeklindeki matrislere kare matris adı verilir. şeklindeki matrislere ise sütun matrisi denir. şeklindeki A matrisi bir kare matristir. Matrisler Satır ve sütunlar halinde düzenlenmiş tabloya matris denir. m satırı, n ise sütunu gösterir. a!! a!" a!! a!" a!! a!! a!! a!! a!" m=n şeklindeki matrislere kare matris adı verilir. [2 3 1] şeklinde,

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

1996 ÖYS. 2 nin 2 fazlası kız. 1. Bir sınıftaki örencilerin 5. örencidir. Sınıfta 22 erkek öğrenci olduğuna göre, kız öğrencilerin sayısı kaçtır?

1996 ÖYS. 2 nin 2 fazlası kız. 1. Bir sınıftaki örencilerin 5. örencidir. Sınıfta 22 erkek öğrenci olduğuna göre, kız öğrencilerin sayısı kaçtır? 996 ÖYS. Bir sınıftaki örencilerin nin fazlası kız örencidir. Sınıfta erkek öğrenci olduğuna göre, kız öğrencilerin saısı kaçtır? 8 C) 6 D) E) 6. Saatteki hızı V olan bir hareketti A ve B arasındaki olu

Detaylı

Rastgele değişken nedir?

Rastgele değişken nedir? Rastgele değişken nedir? Şİmdiye kadar hep, kümelerden ve bu kümelerin alt kümelerinden (yani olaylar)dan bahsettik Bu kümelerin elemanları sayısal olmak zorunda değildi. Örneğin, yazı tura, kız erkek

Detaylı

Bu durumu, konum bazında bileşenlerini, yani dalga fonksiyonunu, vererek tanımlıyoruz : ) 1. (ikx x2. (d)

Bu durumu, konum bazında bileşenlerini, yani dalga fonksiyonunu, vererek tanımlıyoruz : ) 1. (ikx x2. (d) Ders 10 Metindeki ilgili bölümler 1.7 Gaussiyen durum Burada, 1-d de hareket eden bir parçacığın önemli Gaussiyen durumu örneğini düşünüyoruz. Ele alış biçimimiz kitaptaki ile neredeyse aynı ama bu örnek

Detaylı

Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri

Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri Mehmet YILMAZ mehmetyilmaz@ankara.edu.tr 10 KASIM 2017 5. HAFTA 2.7 M/M/1/ / sistemi için Bekleme zamanının dağılımı ( ) 1 T j rastgele değişkeni j. birimin

Detaylı

İçindekiler. Ön Söz... xiii

İçindekiler. Ön Söz... xiii İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1

Detaylı

Simülasyonda İstatiksel Modeller

Simülasyonda İstatiksel Modeller Simülasyonda İstatiksel Modeller Amaç Model-geliştirici dünyaya deterministik değil olasıksal olarak bakar. İstatiksel modeller değişimleri iyi tanımlayabilir. İlgilenilen olayın örneklenmesi ile uygun

Detaylı

Ortak Akıl MATEMATİK DENEME SINAVI

Ortak Akıl MATEMATİK DENEME SINAVI Ortak Akıl LYS MATEMATİK DENEME SINAVI 0505- Ortak Akıl Adem ÇİL Ali Can GÜLLÜ Ayhan YANAĞLIBAŞ Barbaros GÜR Barış DEMİR Celal İŞBİLİR Deniz KARADAĞ Engin POLAT Erhan ERDOĞAN Ersin KESEN Fatih TÜRKMEN

Detaylı

AccTR Virtual Institute of Accelerator Physics. The Physics of Particle Accelerators An Introduction. Chapter : 3.12, 3.13

AccTR Virtual Institute of Accelerator Physics. The Physics of Particle Accelerators An Introduction. Chapter : 3.12, 3.13 AccTR Virtual Institute of Accelerator Physics http://www.cern.ch/acctr The Physics of Particle Accelerators An Introduction Klaus Wille Chapter : 3.12, 3.13 By Betül YASATEKİN 1.10.2012, Ankara 1 İçindekiler

Detaylı

Lineer Denklem Sistemleri Kısa Bilgiler ve Alıştırmalar

Lineer Denklem Sistemleri Kısa Bilgiler ve Alıştırmalar Lineer Denklem Sistemleri Kısa Bilgiler ve Alıştırmalar Bir Matrisin Rankı A m n matrisinin determinantı sıfırdan farklı olan alt kare matrislerinin boyutlarının en büyüğüne A matrisinin rankı denir. rank(a)

Detaylı

ELEKTRİKSEL POTANSİYEL

ELEKTRİKSEL POTANSİYEL ELEKTRİKSEL POTANSİYEL Elektriksel Potansiyel Enerji Elektriksel potansiyel enerji kavramına geçmeden önce Fizik-1 dersinizde görmüş olduğunuz iş, potansiyel enerji ve enerjinin korunumu kavramları ile

Detaylı

1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN. Ders No:5 Rassal Değişken Üretimi

1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN. Ders No:5 Rassal Değişken Üretimi 1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN Ders No:5 RASSAL DEĞIŞKEN ÜRETIMI Bu bölümde oldukça yaygın bir biçimde kullanılan sürekli ve kesikli dağılımlardan örneklem alma prosedürleri

Detaylı

MIT Açık Ders Malzemesi İstatistiksel Mekanik II: Alanların İstatistiksel Fiziği 2008 Bahar

MIT Açık Ders Malzemesi İstatistiksel Mekanik II: Alanların İstatistiksel Fiziği 2008 Bahar MIT Açık Ders Malzemesi http://ocw.mit.edu 8.334 İstatistiksel Mekanik II: Alanların İstatistiksel Fiziği 008 Bahar Bu malzemeye atıfta bulunmak ve Kullanım Şartlarımızla ilgili bilgi almak için http://ocw.mit.edu/terms

Detaylı

Tılsımlı Baryonların Elektromanyetik Özellikleri

Tılsımlı Baryonların Elektromanyetik Özellikleri Tılsımlı Baryonların Elektromanyetik Özellikleri Utku Can, Orta Doğu Teknik Üniversitesi, Ankara Özyeğin Üniversitesi, İstanbul http://arxiv.org/abs/306.073 K. U. Can, G. Erkol, B. Isildak, M. Oka, T.

Detaylı

ÖABT Lineer Cebir KONU TESTİ Matris Cebiri

ÖABT Lineer Cebir KONU TESTİ Matris Cebiri ÖB Lineer Cebir KONU ESİ Matris Cebiri. i, j,, i için j i j a j i j a. j i j a. i için j i j a 4 6 j i j a 4 j i j a. 6. 0 0 0 4 0 0 0. 4 6 n 0 0 n 6 Cevap: D Cevap:. I. I I I 0 I 0 0 0..I I I 00 0 0 0

Detaylı

Appendix B: Olasılık ve Dağılım Teorisi

Appendix B: Olasılık ve Dağılım Teorisi Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım

Detaylı

Mühendislik Mekaniği Statik. Yrd.Doç.Dr. Akın Ataş

Mühendislik Mekaniği Statik. Yrd.Doç.Dr. Akın Ataş Mühendislik Mekaniği Statik Yrd.Doç.Dr. Akın Ataş Bölüm 9 Ağırlık Merkezi ve Geometrik Merkez Kaynak: Mühendislik Mekaniği: Statik, R. C. Hibbeler, S. C. Fan, Çevirenler: A. Soyuçok, Ö. Soyuçok. 9. Ağırlık

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi

Detaylı

İSTATİSTİKSEL DARALTICI (SHRINKAGE) MODEL VE UYGULAMALARI * A Statistical Shrinkage Model And Its Applications*

İSTATİSTİKSEL DARALTICI (SHRINKAGE) MODEL VE UYGULAMALARI * A Statistical Shrinkage Model And Its Applications* Ç.Ü. Fen Bilimleri Enstitüsü Yıl:010 Cilt:-1 İSTATİSTİKSEL DARALTICI (SHRINKAGE) MODEL VE UYGULAMALARI * A Statistical Shrinkage Model And Its Applications* Işıl FİDANOĞLU İstatistik Anabilim Dalı Fikri

Detaylı

İstatistiksel Mekanik I

İstatistiksel Mekanik I MIT Açık Ders Malzemeleri http://ocw.mit.edu 8.333 İstatistiksel Mekanik I: Parçacıkların İstatistiksel Mekaniği 2007 Güz Bu materyallerden alıntı yapmak veya Kullanım Şartları hakkında bilgi almak için

Detaylı

BÖLÜM 9 ÇÖZÜLMESİ ÖNERİLEN ÖRNEK VE PROBLEMLER

BÖLÜM 9 ÇÖZÜLMESİ ÖNERİLEN ÖRNEK VE PROBLEMLER BÖLÜM 9 ÇÖZÜLMESİ ÖNERİLEN ÖRNEK VE PROBLEMLER b) İkinci süreç eğik atış hareketine karşılık geliyor. Orada örendiğin problem çözüm adımlarını kullanarak topun sopadan ayrıldığı andaki hızını bağıntı olarak

Detaylı

Bölüm 1: Lagrange Kuramı... 1

Bölüm 1: Lagrange Kuramı... 1 İÇİNDEKİLER Bölüm 1: Lagrange Kuramı... 1 1.1. Giriş... 1 1.2. Genelleştirilmiş Koordinatlar... 2 1.3. Koordinat Dönüşüm Denklemleri... 3 1.4. Mekanik Dizgelerin Bağ Koşulları... 4 1.5. Mekanik Dizgelerin

Detaylı

GEDİZ ÜNİVERSİTESİ SİSTEM MÜHENDİSLİĞİ YÜKSEK LİSANS PROGRAMI SMY 544 ALGORİTMALAR GÜZ 2015

GEDİZ ÜNİVERSİTESİ SİSTEM MÜHENDİSLİĞİ YÜKSEK LİSANS PROGRAMI SMY 544 ALGORİTMALAR GÜZ 2015 GEDİZ ÜNİVERSİTESİ SİSTEM MÜHENDİSLİĞİ YÜKSEK LİSANS PROGRAMI SMY 544 ALGORİTMALAR GÜZ 2015 Algoritmalar Ders 9 Dinamik Programlama SMY 544, ALGORİTMALAR, Güz 2015 Ders#9 2 Dinamik Programlama Böl-ve-fethet

Detaylı

ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ

ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ Özlem AYDIN Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü ULAŞTIRMA MODELİNİN TANIMI Ulaştırma modeli, doğrusal programlama probleminin özel bir şeklidir.

Detaylı

İleri Diferansiyel Denklemler

İleri Diferansiyel Denklemler MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret

Detaylı

1) Toplam gelir fonksiyonu olarak verildiğine göre marjinal gelir fonksiyonu MG aşağıdakilerden hangisidir? A) ** B) C) D) E)

1) Toplam gelir fonksiyonu olarak verildiğine göre marjinal gelir fonksiyonu MG aşağıdakilerden hangisidir? A) ** B) C) D) E) İktisadi ve İdari Bilimler Fakültesi MAT 152 Genel Matematik II Final Sorularının Çözümleri: 1) Toplam gelir fonksiyonu olarak verildiğine göre marjinal gelir fonksiyonu MG aşağıdakilerden hangisidir?

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

Yrd. Doç. Dr. A. Burak İNNER

Yrd. Doç. Dr. A. Burak İNNER Yrd. Doç. Dr. A. Burak İNNER Kocaeli Üniversitesi Bilgisayar Mühendisliği Yapay Zeka ve Benzetim Sistemleri Ar-Ge Lab. http://yapbenzet.kocaeli.edu.tr Doğrusal Ara Değer Hesabı Lagrance Polinom İnterpolasyonu

Detaylı

Karabük Üniversitesi, Mühendislik Fakültesi...www.IbrahimCayiroglu.com. STATİK (2. Hafta)

Karabük Üniversitesi, Mühendislik Fakültesi...www.IbrahimCayiroglu.com. STATİK (2. Hafta) AĞIRLIK MERKEZİ STATİK (2. Hafta) Ağırlık merkezi: Bir cismi oluşturan herbir parçaya etki eden yerçeki kuvvetlerinin bileşkesinin cismin üzerinden geçtiği noktaya Ağırlık Merkezi denir. Şekil. Ağırlık

Detaylı

Bekleme Hattı Teorisi

Bekleme Hattı Teorisi Bekleme Hattı Teorisi Sürekli Parametreli Markov Zincirleri Tanım 1. * +, durum uzayı * +olan sürekli parametreli bir süreç olsun. Aşağıdaki özellik geçerli olduğunda bu sürece sürekli parametreli Markov

Detaylı

MAK 210 SAYISAL ANALİZ

MAK 210 SAYISAL ANALİZ MAK 210 SAYISAL ANALİZ BÖLÜM 5- SONLU FARKLAR VE İNTERPOLASYON TEKNİKLERİ Doç. Dr. Ali Rıza YILDIZ MAK 210 - Sayısal Analiz 1 İNTERPOLASYON Tablo halinde verilen hassas sayısal değerler veya ayrık noktalardan

Detaylı

ÖZDEĞERLER- ÖZVEKTÖRLER

ÖZDEĞERLER- ÖZVEKTÖRLER ÖZDEĞERLER- ÖZVEKTÖRLER GİRİŞ Özdeğerler, bir matrisin orijinal yapısını görmek için kullanılan alternatif bir yoldur. Özdeğer kavramını açıklamak için öncelikle özvektör kavramı ele alınsın. Bazı vektörler

Detaylı

36. Basit kuvvet metodu

36. Basit kuvvet metodu 36. Basit kuvvet metodu Basit kuvvet metodu hakkında çok kısa bilgi verilecektir. Basit kuvvet metodunda hiperstatik bilinmeyenlerinin hesaplanmasına, dolayısıyla buna ait denklem sisteminin kurulmasına

Detaylı

Yapı Sistemlerinin Hesabı İçin. Matris Metotları. Prof.Dr. Engin ORAKDÖĞEN Doç.Dr. Ercan YÜKSEL Bahar Yarıyılı

Yapı Sistemlerinin Hesabı İçin. Matris Metotları. Prof.Dr. Engin ORAKDÖĞEN Doç.Dr. Ercan YÜKSEL Bahar Yarıyılı Yapı Sistemlerinin Hesabı İçin Matris Metotları 05-06 Bahar Yarıyılı Prof.Dr. Engin ORAKDÖĞEN Doç.Dr. Ercan YÜKSEL BÖLÜM VIII HAREKET DENKLEMİ ZORLANMIŞ TİTREŞİMLER SERBEST TİTREŞİMLER Bu bölümün hazırlanmasında

Detaylı

1.58 arasındaki her bir değeri alabileceği için sürekli bir

1.58 arasındaki her bir değeri alabileceği için sürekli bir 7.SUNUM Hatırlanacağı gibi, kesikli rassal değişkenler sonlu (örneğin; 0, 1, 2,...,10) veya sayılabilir sonsuzlukta (örneğin; 0, 1, 2,...) değerler alabilmektedir. Fakat birçok uygulamada, rassal değişkenin

Detaylı

BÖLÜM 12-15 HARMONİK OSİLATÖR

BÖLÜM 12-15 HARMONİK OSİLATÖR BÖLÜM 12-15 HARMONİK OSİLATÖR Hemen hemen her sistem, dengeye yaklaşırken bir harmonik osilatör gibi davranabilir. Kuantum mekaniğinde sadece sayılı bir kaç problem kesin olarak çözülebilmektedir. Örnekler

Detaylı

ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ

ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ Özlem AYDIN Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü ULAŞTıRMA MODELININ TANıMı Ulaştırma modeli, doğrusal programlama probleminin özel bir şeklidir.

Detaylı

PERGEL YAYINLARI LYS 1 DENEME-6 KONU ANALİZİ SORU NO LYS 1 MATEMATİK TESTİ KAZANIM NO KAZANIMLAR

PERGEL YAYINLARI LYS 1 DENEME-6 KONU ANALİZİ SORU NO LYS 1 MATEMATİK TESTİ KAZANIM NO KAZANIMLAR 2013-2014 PERGEL YAYINLARI LYS 1 DENEME-6 KONU ANALİZİ SORU NO LYS 1 MATEMATİK TESTİ A B KAZANIM NO KAZANIMLAR 1 1 / 31 12 32173 Üslü İfadeler 2 13 42016 Rasyonel ifade kavramını örneklerle açıklar ve

Detaylı

MATEMATİK ÖĞRETMENLİK ALAN BİLGİSİ - DENEME SINAVI DENEME. Diğer sayfaya geçiniz.

MATEMATİK ÖĞRETMENLİK ALAN BİLGİSİ - DENEME SINAVI DENEME. Diğer sayfaya geçiniz. MATEMATİK. DENEME ÖĞRETMENLİK ALAN BİLGİSİ - DENEME SINAVI. f : X tanımlı y = f() fonksiyonu için lim f ( ) = L ise aşağıdaki önermelerden kaç tanesi kesinlikle doğrudur? 0 I. X dir. 0 II. f() fonksiyonu

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

İSTATİSTİKSEL PROSES KONTROLÜ

İSTATİSTİKSEL PROSES KONTROLÜ İSTATİSTİKSEL PROSES KONTROLÜ ZTM 433 KALİTE KONTROL VE STANDARDİZASYON PROF: DR: AHMET ÇOLAK İstatistiksel işlem kontrolü (İPK), işlemle çeşitli istatistiksel metotların ve analiz sapmalarının kullanımını

Detaylı

Deney Dizaynı ve Veri Analizi Ders Notları

Deney Dizaynı ve Veri Analizi Ders Notları Deney Dizaynı ve Veri Analizi Ders Notları Binom dağılım fonksiyonu: Süreksiz olaylarda, sonuçların az sayıda seçenekten oluştuğu durumlarda kullanılır. Bir para atıldığında yazı veya tura gelme olasılığı

Detaylı

28/04/2014 tarihli LYS-1 Matematik-Geometri Testi konu analizi SORU NO LYS 1 MATEMATİK TESTİ KAZANIM NO KAZANIMLAR 1 / 31

28/04/2014 tarihli LYS-1 Matematik-Geometri Testi konu analizi SORU NO LYS 1 MATEMATİK TESTİ KAZANIM NO KAZANIMLAR 1 / 31 SORU NO LYS 1 MATEMATİK TESTİ A B KAZANIM NO KAZANIMLAR 1 1 / 31 11 32159 Rasyonel sayı kavramını açıklar. 2 12 32151 İki ya da daha çok doğal sayının en büyük ortak bölenini ve en küçük ortak katını bulur.

Detaylı

5. RITZ metodunun elemana uygulanması, elemanın rijitlik matrisi

5. RITZ metodunun elemana uygulanması, elemanın rijitlik matrisi 5. RITZ metodunun elemana uygulanması, elemanın rijitlik matrisi u bölümde RITZ metodu eleman bazında uygulanacak, elemanın yer değiştirme fonksiyonu, şekil değiştirme, gerilme bağıntıları, toplam potansiyeli,

Detaylı

altında ilerde ele alınacaktır.

altında ilerde ele alınacaktır. YTÜ-İktisat İstatistik II Nokta Tahmin Yöntemleri 1 NOKTA TAHMİN YÖNTEMLERİ Şimdiye kadar verilmiş tahmin edicilerin sonlu örneklem ve asimptotik özelliklerini inceledik. Acaba bilinmeyen anakütle parametrelerini

Detaylı

Potansiyel Engeli: Tünelleme

Potansiyel Engeli: Tünelleme Potansiyel Engeli: Tünelleme Şekil I: Bir potansiyel engelinde tünelleme E

Detaylı

Ayrık-Zaman Sistemler

Ayrık-Zaman Sistemler Ayrık-Zaman Sistemler Bir ayrık-zaman sistemi, bir giriş dizisi x[n] yi işleyerek daha iyi özelliklere sahip bir çıkış dizisi y[n] oluşturur. Çoğu uygulamalarda ayrık-zaman sistemi bir giriş ve bir çıkıştan

Detaylı

İSTATİSTİK EXCEL UYGULAMA

İSTATİSTİK EXCEL UYGULAMA İSTATİSTİK EXCEL UYGULAMA EXCEL UYGULAMA Bu bölümde Excel ile ilgili temel bilgiler sunulacak ve daha sonra İstatistiksel Uygulamalar hakkında bilgi verilecektir. İşlenecek Konular: Merkezi eğilim Ölçüleri

Detaylı

ii) S 2LW 2WH 2LW 2WH S 2WH 2LW S 3( x 1) 5( x 2) 5 3x 3 5x x Maliye Bölümü EKON 103 Matematik I / Mart 2018 Proje 2 CEVAPLAR C.1) C.

ii) S 2LW 2WH 2LW 2WH S 2WH 2LW S 3( x 1) 5( x 2) 5 3x 3 5x x Maliye Bölümü EKON 103 Matematik I / Mart 2018 Proje 2 CEVAPLAR C.1) C. C.1) x1 x 1 4 4( x1) x 6 4x 4 x 6 x 46 x Maliye Bölümü EKON 10 Matematik I / Mart 018 Proje CEVAPLAR C.) i) S LW WH LW WH S LW WH S W W W S L H W ii) S LW WH WH LW S WH LW S W W W S H L W C.) ( x1) 5(

Detaylı

Rastgele Değişkenlerin Dağılımları. Mühendislikte İstatistik Yöntemler

Rastgele Değişkenlerin Dağılımları. Mühendislikte İstatistik Yöntemler Rastgele Değişkenlerin Dağılımları Mühendislikte İstatistik Yöntemler Ayrık Rastgele Değişkenler ve Olasılık Dağılımları Yapılan çalışmalarda elde edilen verilerin dağılışı ve dağılış fonksiyonu her seferinde

Detaylı

BÖLÜM 1: TEMEL KAVRAMLAR

BÖLÜM 1: TEMEL KAVRAMLAR BÖLÜM 1: TEMEL KAVRAMLAR Hal Değişkenleri Arasındaki Denklemler Aralarında sıfıra eşitlenebilen en az bir veya daha fazla denklem kurulabilen değişkenler birbirine bağımlıdır. Bu denklemlerden bilinen

Detaylı

İÇİNDEKİLER ÖN SÖZ...

İÇİNDEKİLER ÖN SÖZ... İÇİNDEKİLER ÖN SÖZ... v GİRİŞ... 1 1. İSTATİSTİK İN TARİHÇESİ... 1 2. İSTATİSTİK NEDİR?... 3 3. SAYISAL BİLGİDEN ANLAM ÇIKARILMASI... 4 4. BELİRSİZLİĞİN ELE ALINMASI... 4 5. ÖRNEKLEME... 5 6. İLİŞKİLERİN

Detaylı

YZM ALGORİTMA ANALİZİ VE TASARIM DERS#2: ALGORİTMA ANALİZİ

YZM ALGORİTMA ANALİZİ VE TASARIM DERS#2: ALGORİTMA ANALİZİ YZM 3207- ALGORİTMA ANALİZİ VE TASARIM DERS#2: ALGORİTMA ANALİZİ Algoritma Analizi Çerçevesi Algoritma Analizinde Göz Önünde Bulundurulması Gerekenler Neler? Algoritmanın Doğruluğu (Correctness) Zaman

Detaylı

Uzayda iki doğrunun ortak dikme doğrusunun denklemi

Uzayda iki doğrunun ortak dikme doğrusunun denklemi Uzayda iki doğrunun ortak dikme doğrusunun denklemi Uzayda verilen d 1 ve d aykırı doğrularının ikisine birden dik olan doğruya ortak dikme doğrusu denir... olmak üzere bu iki doğru denkleminde değilse

Detaylı

SİSTEM SİMÜLASYONU BENZETIM 1 SİMÜLASYON MODEL TÜRLERİ 1. STATİK VEYA DİNAMİK. Simülasyon Modelleri

SİSTEM SİMÜLASYONU BENZETIM 1 SİMÜLASYON MODEL TÜRLERİ 1. STATİK VEYA DİNAMİK. Simülasyon Modelleri SİSTEM SİMÜLASYONU SİMÜLASYON MODELİ TÜRLERİ BİR SİMÜLASYON ÇALIŞMASINDA İZLENECEK ADIMLAR ve SİMÜLASYON MODEL TÜRLERİ Simülasyon Modelleri Üç ana grupta toplanabilir; 1. Statik (Static) veya Dinamik (Dynamic),

Detaylı

EME Sistem Simülasyonu. Giriş. Olasılık Dağılımı. Rassal Degiskenler

EME Sistem Simülasyonu. Giriş. Olasılık Dağılımı. Rassal Degiskenler EME 3105 1 Giriş Sistem Simülasyonu Önümüzdeki hafta simulasyon girdilerinin modellenmesinde kullanılan kesikli ve sürekli Simulasyonda İstatistiksel Modeller-I Ders 4 dağılımlar hatırlatılacaktır. Rassal

Detaylı

8.333 İstatistiksel Mekanik I: Parçacıkların İstatistiksel Mekaniği

8.333 İstatistiksel Mekanik I: Parçacıkların İstatistiksel Mekaniği MIT Açık Ders Malzemeleri http://ocw.mit.edu 8.333 İstatistiksel Mekanik I: Parçacıkların İstatistiksel Mekaniği 2007 Güz Bu materyallerden alıntı yapmak veya Kullanım Şartları hakkında bilgi almak için

Detaylı

BÖLÜM 24 PAULI SPİN MATRİSLERİ

BÖLÜM 24 PAULI SPİN MATRİSLERİ BÖLÜM 24 PAULI SPİN MATRİSLERİ Elektron spini için dalga fonksiyonlarını tanımlamak biraz kullanışsız görünüyor. Çünkü elektron, 3B uzayda dönmek yerine sadece kendi berlirlediği bir rotada dönüyor. Elektron

Detaylı

8.333 İstatistiksel Mekanik I: Parçacıkların İstatistiksel Mekaniği

8.333 İstatistiksel Mekanik I: Parçacıkların İstatistiksel Mekaniği MIT Açık Ders Malzemeleri http://ocw.mit.edu 8.333 İstatistiksel Mekanik I: Parçacıkların İstatistiksel Mekaniği 2007 Güz Bu materyallerden alıntı yapmak veya Kullanım Şartları hakkında bilgi almak için

Detaylı

Pratik Kuantum Tarifleri. Adil Usta kuantumcuadilusta@gmail.com

Pratik Kuantum Tarifleri. Adil Usta kuantumcuadilusta@gmail.com Pratik Kuantum Tarifleri Adil Usta kuantumcuadilusta@gmail.com İçindekiler 1 Açılış 1.1 Olası momentum değerleri............................ 3 1. Klasik limit.................................... 5 1 1

Detaylı

MASSACHUSETTS TEKNOLOJİ ENSTİTÜSÜ Fizik Bölümü Fizik 8.04 Bahar 2006 SINAV 2 Salı, Mart 14, :00-12:30

MASSACHUSETTS TEKNOLOJİ ENSTİTÜSÜ Fizik Bölümü Fizik 8.04 Bahar 2006 SINAV 2 Salı, Mart 14, :00-12:30 Fizik Bölümü Fizik 8.04 Bahar 2006 SINAV 2 Salı, Mart 14, 2006 11:00-12:30 SOYADI ADI Öğrenci No. Talimat: 1. TÜM ÇABANIZI GÖSTERİN. Tüm cevaplar sınav kitapçığında gösterilmelidir? 2. Bu kapalı bir sınavdır.

Detaylı

Mimar Sinan Güzel Sanatlar Üniversitesi Fizik Doktora Programı. Program kapsamında sunulacak olan seçmeli dersler ve içerikleri :

Mimar Sinan Güzel Sanatlar Üniversitesi Fizik Doktora Programı. Program kapsamında sunulacak olan seçmeli dersler ve içerikleri : Mimar Sinan Güzel Sanatlar Üniversitesi Fizik Doktora Programı Program kapsamında sunulacak olan seçmeli dersler ve içerikleri : Kodu FİZ640 Nükleer Fizik FİZ645 Nötrino Fiziği FİZ660 İleri Hesaplamalı

Detaylı

MSGSÜ FİZİK YÜKSEKLİSANS PROGRAMI

MSGSÜ FİZİK YÜKSEKLİSANS PROGRAMI MSGSÜ FİZİK YÜKSEKLİSANS PROGRAMI SEÇMELİ DERSLER Teori + AKTS FİZ640 Nükleer Fizik FİZ645 Nötrino Fiziği FİZ660 İleri Hesaplamalı Fizik Çekirdeğin genel özellikleri Düşük enerjilerde iki cisim problemi

Detaylı