Hubbard. t-j Heisenberg. 1 Hubbard U 0. Hubbard Hubbard. Hubbard. t ij. H = H t = i,j,σ. t ij = t 1 N. (3) k (4) N k. kσ k e i(k k ) R i H = (5)
|
|
- Åshild Johannessen
- 4 år siden
- Visninger:
Transkript
1 Hubbard t-j Heisenberg Hubbard t-j Heisenberg Hubbard t-j Heisenberg 1 Hubbard Hubbard H = H t + H = i,j,σ t ij c iσ c jσ + i c i c i c i c i (1) t ij H = H t = i,j,σ t ij c iσ c jσ () t ij = t R i σ 1 c iσ = c kσ e ik R i (3) k c 1 iσ = c e ik R i (4) kσ k k σ kσ t H = c c kσ k e ik R i e ik R j (5) σ c ( ) i,j.k,k,σ c ( ) iσ = c c t kσ k e ik R i e ik R j = c σ c kσ k σ k,k,σ i,j k,k,σ i,δ = c c t kσ k e i(k k ) R i e ik δ σ = c c kσ k σ k,k,σ i,δ k,k,σ = k,σ ɛ(k)c kσ c kσ t e ik R i e ik (R i +δ) t δ(k k )e ik δ δ (6) (7) (8) 1
2 ɛ(k) = t e ik δ (9) δ δ e Φ GS e/ Φ GS = c k c Φ i k vac (10) i i=1 k i 1 1. t 0 ( > 0) H = H = i c i c i c i c i (11) e ( e < ) e = + Φ GS ( ) ( ) Φ GS = Φ vac (1) i X c i i Y X Y X Y c i 1.3 Hubbard H t H Hubbard.1 Heisenberg Hubbard Heisenberg Heisenberg Heisenberg H H = i,j J ij S i S j (13) S 1 k
3 . S i = 1 σc is (14) σ σ = (σ x, σ y.σ z (15) ( ) ( ) ( ) i 1 0 σ x =, σ y =, σ z = (16) 1 0 i S z z M is M is = 1 (n i n i ) (17) n i n i M is S iz σ z σαβ z S iz = 1 (c i c i c i c i ) (18) S iz = 1 (c i σz c i + c i σz c i ) (19) = 1 σz ss c is (0) S i = (S ix, S iy, S iz ) (41).3 Heisenberg (13) S i S j = S ix S jx + S iy S jy + S iz S jz S ix S jx = 1 4 (c i c i + c i c i )(c j c j + c j c j ) (1) = c i c i c j c j + c i c i c j c j + c i c i c j c j + c i c i c j c j () S iy S jy = 1 4 ( ic i c i + ic i c i )( ic j c j + ic j c j ) (3) = c i c i c j c j + c i c i c j c j + c i c i c j c j c i c i c j c j (4) S iz S jz = 1 4 (c i c i c i c i )(c j c j c j c j ) (5) = c i c i c j c j c i c i c j c j c i c i c j c j + c i c i c j c j (6) S i S j = 1 4 (c i c i c j c j + c i c i c j c j + c i c i c j c j c i c i c j c j c i c i c j c j + c i c i c j c j ) (7) = 1 4 (c i c i c j c j + c i c i c j c j + n i n j n i n j n i n j + n i n j ) (8) 1/ 3
4 n i = n i + n i S i S j n in j = 1 4 (c i c i c j c j + c i c i c j c j + n i n j + n i n j ) (9) = 1 c is c js c js (30) 3 t-j Heisenberg t t/ 1 Hubbard t-j half-filled t-j Heisenberg Schrieffer-Wolff 3 t/ 1 Schrieffer-Wolff Fock S D S = [ n 1, n 1,, n : i, n i + n i 1] (31) D = [ n 1, n 1,, n : i, n i + n i = ] (3) i i i i S D S 3.1 Shrieffer-Wollf Hubbard H t H t = H t,h + H t,d + H t,mix (33) H t,h = i,j,s t ij (1 n i s ) c js(1 n j s ) (34) H t,d = i,j,s t ij n i s c jsn j s (35) H t,mix = i,j,s n i, s c js(1 n j s ) + (1 n i s ) c jsn j s (36) s s s s H t s j i j i s H t,h i j S H t,d i j D H t,mix i j 3 4
5 D S S D H = H + H t,h + H t,d + H t,mix (37) S D H t,d S H t,h D S-D H t,mix H = H 0 + H (1) (38) H 0 = H H (1) = H t,mix H t,mix S D D S H = e S He S = H + [H, S] + 1 [[H, S], S] + (39) H = H 0 + H (1) + [H 0, S] + [H (1), S] + 1 [[H 0, S], S] + (40) S H (1) + [H 0, S] = 0 (41) 4 H = H [H(1), S] + O((t/) 3 ) (4) H eff = H t,h + H = H t,h + H + 1 [H t,mix, S] (43) H H 3. t-j H int = [H t,mix, S]/ f H int i = 1 f (H t,mixs SH t,mix ) i (44) ( ) = 1 f H t,mix α α S i f S α α H t,mix ) i (45) α f i S α H t,mix α D (41) 4 H t,mix = SH H S (46) β H t,mix γ = β SH γ β H S γ (47) β H t,mix γ = β S γ (E γ E β ) (48) β S γ = β H t,mix γ (E γ E β ) (49) 5
6 β γ E β(γ) H β(γ) = E β(γ) β(γ) β(γ) S E β(γ) H t,mix S β(γ) D E β(γ) = (45) f H int i = 1 ( α f H t,mix α α H t,mix i = f H t,mixh t,mix i ) f H t,mix α α H t,mix ) i H int = 1 H t,mixh t,mix (5) H int S S P S H int = 1 P S (H t,mixh t,mix ) P S (53) = 1 P S t ij t jk c jsn j n j c js c ks P S i,j,k, (54) H eff = H t,h 1 P S t ij t jk c jsn j n j c js c ks P S i,j,k,s,s (55) = P S t ij c js 1 t ij t jk jsn j n j c js c ks P S i,j,s i,j,k, (56) 6 t-j H (50) (51) 3.3 t-j t-j 56 c jsn j n j c js c ks = c i c j n j n j c j c k +c i c j n j n j c j c k +c i c j n j n j c j c k +c i c j n j n j c j c k (57) n j n j c js + c js c is = δ ijδ ss (58) n j n j S c i c k n j + c i c j c j c k n j + c i c j c j c k n j + c i c k n j (59) j c j c j n j n j j c j c j j 5 n j n j 6 H t,h S P S 6
7 c j c j n j c j c j n j ( ) c i c k n j + c i c j c j c k + c i c j c j c k + c i c k n j (60) (8) S i S j 1 4 n in j = 1 4 (c i c i c j c j + c i c i c j c j n i n j n i n j ) (61) = 1 (c i c i c j c j + c i c i c j c j c i c i c j c j c i c i c j c j ) (6) = 1 ( c i c j c j c i c i c j c j c i c i c i c j c j c i c i c j c j ) (63) H eff = P ( S t ij c js 1 t ij c jsn j n j c js c is + ) i k t ij t jk c jsn j n j c js c ks P S (64) i,j,s i,j, 63) H eff = P S t ij c js + 1 (J ij (S i S j 14 ) n in j 1 ) i k t ij t jk c jsn j n j c js c ks P S (65) i,j,s i,j J ij = 4t ij / S i = 1 σ ss c is (66) k k 1 σ ss c ks (67) H eff = P S (H t + H QHM + H J )P S (68) H QHM = 1 ( J ij S i S j 1 ) 4 n in j (69) H J = i,j i k i,j,k t ij t jk [ c i σc k c j σc j s ( c ksn j ) ] (70) 3.4 Heisenberg (68) t-j Heisenberg Half-filled S H t,h (68) H J i k Half-filled k k Half-filled Hubbard H eff = H QHM = 1 ( J ij S i S j 1 ) 4 n in j (71) i,j 7
8 1/ Heisenberg QHM Quantum Heisenberg model 4 Hubbard t-j 16 Hubbard Web / Assa Auerbach, Interacting Electrons and Quantum Magnetism 8
Eksamen TFY 4210 Kvanteteorien for mangepartikkelsystem, våren 2012
NTNU Fakultet for Naturvitskap og Teknologi Institutt for fysikk Eksamen TFY 4210 Kvanteteorien for mangepartikkelsystem, våren 2012 Faglærar: Førsteamanuensis John Ove Fjærestad Institutt for fysikk Telefon:
Detaljerˆ ˆŠ Œ ˆ ˆ Œ ƒ Ÿ Ÿ Œ œ ˆ ˆ Š Œ. .. ³μ. μ ± Ë ²Ó Ò Ö Ò Í É Å ˆˆ Ô± ³ É ²Ó μ Ë ±, μ, μ Ö Œ Œ ˆˆ 79 ˆ Š ˆ
ˆ ˆŠ Œ ˆ ˆ Œ ƒ Ÿ 01.. 4.. 1 Ÿ Œ œ ˆ ˆ Š Œ ˆˆ ˆÄ ˆƒƒ Œˆ Œ Š.. ³μ μ ± Ë ²Ó Ò Ö Ò Í É Å ˆˆ Ô± ³ É ²Ó μ Ë ±, μ, μ Ö ˆ 70 Ÿ Œ œ ˆ ˆ Š Œ ˆˆ ˆÄ 7 ˆ ˆ IFW- ˆˆ ˆ Œ Œ Œ ˆˆ 79 Š ˆ 80 ˆ Š ˆ 81 E-mail: neznamov@vniief.ru
DetaljerEksamen TFY 4210 Kvanteteorien for mangepartikkelsystem, våren 2012
NTNU Fakultet for Naturvitskap og Teknologi Institutt for fysikk Eksamen TFY 4210 Kvanteteorien for mangepartikkelsystem, våren 2012 Faglærar: Førsteamanuensis John Ove Fjærestad Institutt for fysikk Telefon:
DetaljerStatistisk analyse av data fra planlagte forsøk
Statistisk analyse av data fra planlagte forsøk 19. mars 2019 9.00 10.30 Skypemøte 2 i NLR s kurs i forsøksarbeid 2019 Torfinn Torp Temaer Noen sentrale begreper, framgangsmåte etc., via et eksempel. Noen
DetaljerAbstract. i x + a x +. a = (a x, a y ) z γ + 1 γ + z )
Abstract R, Aharonov-Bohm Schrödinger Landau level Aharonov-Bohm Schrödinger 1 Aharonov-Bohm R Schrödinger ( ) ( ) 1 1 L a = i + a = i x + a x + ( ) 1 i y + a y (1). a = (a x, a y ) rot a = ( x a y y a
Detaljerj=1 (Y ij Ȳ ) 2 kan skrives som SST = i=1 (J i 1) frihetsgrader.
FORMELSAMLING TIL STK2120 (Versjon av 30. mai 2012) 1 Enveis variansanalyse Anta at Y ij = µ + α i + ɛ ij ; j = 1, 2,..., J i ; i = 1, 2,..., I ; der ɛ ij -ene er uavhengige og N(0, σ 2 )-fordelte. Da
DetaljerForelesning 3 STK3100
Eks. Fødselsvekt mot svangerskapslengde og kjønn Forelesning 3 STK3100 8. september 2008 S. O. Samuelsen Plan for forelesning: 1. Generelt om lineære modeller 2. Variansanalyse - Kategoriske kovariater
DetaljerOppgave 1. Kilde SS df M S F Legering Feil Total
MOT30 Statistiske metoder, høste0 Løsninger til regneøving nr. 0 (s. ) Oppgave Y ij = µ i + ε ij, der ε ij uavh. N(0, σ ) der µ i er forventa kopperinnhold for legering i og ε ij er feilleddet (tilfeldig
DetaljerEksamen i fag RELATIVISTISK KVANTEMEKANIKK Fredag 26. mai 2000 Tid: 09:00 14:00
Side 1 av 3 NORGES TEKNISK-NATURVITENSKAPELIGE UNIVERSITET INSTITUTT FOR FYSIKK Faglig kontakt under eksamen: Navn: Kåre Olaussen Telefon: 9 36 52 Eksamen i fag 74327 RELATIVISTISK KVANTEMEKANIKK Fredag
DetaljerFORMELSAMLING STATISTIKK, HiG Versjon per 10. januar 2002, ved Hornæs
FORMELSAMLING STATISTIKK, HiG Versjon per 10 januar 2002, ved Hornæs 1 EMPIRISKE STATISTISKE MÅL 11 Forventningsverdi, varians og standardavvik La x {x 1,x 2, x n } være et datasett av (reelle) tall: 111
DetaljerUNIVERSITETET I OSLO Det matematisk naturvitenskapelige fakultet
UNIVERSITETET I OSLO Det matematisk naturvitenskapelige fakultet Eksamen i AST5220/9420 Kosmologi II Eksamensdag: Fredag 11. juni 2010 Tid for eksamen: 09.00 12.00 Oppgavesettet er på 4 sider. Vedlegg:
DetaljerTMA4240 Statistikk Høst 2009
TMA440 Statistikk Høst 009 Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer b6 Løsningsskisse Oppgave a) n 8, i x i 675, x 37.5, i y i 488, i x i 375, i x iy i
Detaljer7 Global Linkages and Economic Growth
7 Global Linkages and Economic Growth Y t = F(K t,e t L t ), (1) Y t C t = S t = sf(k t, E t L t ). (2) K t+1 K t = sf(k t, E t L t ) δk t, (3) Foundations of International Macroeconomics (297) Chapter
DetaljerOppgave 1 a) I det generelle tilfelle kan man ta utgangspunkt i uttrykket D( E)
Løsigsfoslag, eksae 8. desebe 998 Oppgave a) I det geeelle tilfelle ka a ta utgagspukt i uttykket D ( ) d k ( ( k) ) ( π) δ Me ut fa geoetiske betaktige av atall tilstade ello og + d se vi at di: πk D(
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-aturviteskapelige fakultet Eksame i STK2120 Statistiske metoder og dataaalyse 2 Eksamesdag: Madag 6. jui 2011. Tid for eksame: 09.00 13.00. Oppgavesettet er på 5 sider.
DetaljerObligatorisk oppgave. Gjennomgang
Obligatorisk oppgave. Gjennomgang Kjell Arne Brekke Økonomisk Institutt November 17, 2008 KAB (UiO) Oblig 08 November 17, 2008 1 / 9 Oppgave 1: Hovedpoenget å bli kjent med Penn World tables. Lite å gjennomgå.
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: ST 202 Statistiske slutninger for den eksponentielle fordelingsklasse. Eksamensdag: Fredag 15. desember 1995. Tid for eksamen:
DetaljerMatematik, LTH Kontinuerliga system vt Formelsamling. q t. + j = k. u t. (Allmännare ρ 2 u. t2 Svängningar i gaser (ljud) t 2 c2 2 u
Matematik, LH Kontinuerliga system vt 7 Formelsamling Formelsamligen utgör bara ett stöd för minnet. Beteckningar förklaras sålunda ej. Ej heller anges förutsättningar för formlernas giltighet. Fysikaliska
DetaljerFORMELSAMLING STATISTIKK, HiG
FORMELSAMLING STATISTIKK, HiG Hans Petter Hornæs hans.hornaes@hig.no Versjon per 18. februar 2004 Innhold 1 EMPIRISKE STATISTISKE MÅL 1 1.1 Forventningsverdi, varians og standardavvik.....................
DetaljerA M = = A M. B (d') IM = 6,5 ;IJ = 15,6 ;JK = 8,4 EI = 2,4 ;EF = 6 ;EJ = 3 AM = 5 ;AB = 9 ;AC = 14,4 MN. J (d')
01 J K N E J F G N 02 y () (') J K N () (') E J F G () N (') 6,5 ;J 15,6 ;JK 8,4 E 2,4 ;EF 6 ;EJ 3 5 ; 9 ; 14,4 N EG N R T U () G N () S V (') () K J (') (') UV 7,6 ;TR 10,5 ;RS 9,8 J 3,1 ;G 7,2 ; 7,3
DetaljerMOT310 Statistiske metoder 1, høsten 2011
MOT310 Statistiske metoder 1, høsten 2011 Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 30. oktober, 2011 Bjørn H. Auestad Kp. 13: Én-faktor eksperiment 1 / 15 -tabell
DetaljerUNIVERSITETET I OSLO
Eksamen i: UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet STK2120 Skisse til løsning/fasit. Eksamensdag: Torsdag 5. juni 2014. Tid for eksamen: 14.30 18.30. Oppgavesettet er på 5 sider.
DetaljerÅMA 110 SANNSYNLIGHETSREGNING MED STATISTIKK Løsningsforslag til regneøving nr. 12 (s. 34)
ÅMA 110 SANNSYNLIGHETSREGNING MED STATISTIKK Løsningsforslag til regneøving nr. s. 34 Oppgave.1 Situasjon betraktes som 7 Bernoulliforsøk; Suksess: dyr velger belønning 1, motsatt fiasko. P suksess = p;
DetaljerOppgave 1. (x i x)(y i Y ) (Y i A Bx i ) 2 er estimator for σ 2 (A er minstek-
MOT310 Statitike metoder 1 Løningforlag til ekamen vår 010,. 1 Oppgave 1 a) Modell: Y i α + βx i + ε i der ε 1,..., ε n u.i.f. N 0, σ ). b) Vil tete: Tettørrele H 0 : β 0 mot H 1 : β 0 B β T t n under
DetaljerLØSNINGSFORSLAG TIL EKSAMEN I FAG SIF5045 NUMERISK LØSNING AV DIFFERENSIALLIGNINGER
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av 8 Faglig kontakt under eksamen: Syvert P. Nørsett 7 59 5 45 LØSNINGSFORSLAG TIL EKSAMEN I FAG SIF545 NUMERISK LØSNING
DetaljerOppsummering av vekstdel ECON 2915
Oppsummering av vekstdel ECON 2915 Kjell Arne Brekke UiO November 17, 2008 KAB (Økonomisk Insitutt) Oppsummering November 17, 2008 1 / 9 Solow-modellen Y = F (K, L) Vi antar konstant skalautbytte samt
DetaljerForelesning 8 STK3100/4100
Forelesning STK300/400 Plan for forelesning: 0. oktober 0 Geir Storvik. Lineære blandede modeller. Eksempler - data og modeller 3. lme 4. Indusert korrelasjonsstruktur. Marginale modeller. Estimering -
DetaljerEksamen i fag FY8104 Symmetri i fysikken Fredag 7. desember 2007 Tid:
Side 1 av 6 Norges teknisk-naturvitenskapelige universitet Institutt for fysikk Faglig kontakt under eksamen: Navn: Jan Myrheim Telefon: 73 59 36 53 (mobil 90 07 51 72) Sensurfrist: Lørdag 22. desember
DetaljerForelesning 9 STK3100/4100
p. 1/3 Forelesning 9 STK3100/4100 Plan for forelesning: 18. oktober 2012 Geir Storvik 1. Lineære blandede modeller 2. Marginale modeller 3. Estimering - ML og REML 4. Modell seleksjon p. 2/3 Modell med
DetaljerINF3170 Logikk. Ukeoppgaver oppgavesett 7
INF3170 Logikk Ukeoppgaver oppgavesett 7 Unifisering I forelesning 10 så vi på en unifiseringsalgoritme som finner en mest generell unifikator for to termer. I automatisk bevissøk har vi imidlertid bruk
DetaljerLøsning, eksamen TFY4205 Kvantemekanikk II Onsdag 8. desember 2010
Løsning, eksamen TFY45 Kvantemekanikk II Onsdag 8. desember 1 1a) Det elektriske feltet er [ E = ωk Im ( e x a x + e y a y )e i(kz ωt)] [ = ωk Im ( e + a + + e a )e i(kz ωt)]. Et viktig poeng: E er reell,
DetaljerKp. 14 Flerfaktoreksperiment. Kp. 14: Flerfaktor-eksperiment; oversikt
uten med Kp 14 Flerfaktor-eksperiment Bjørn H Auestad Kp 14: To-faktor eksperiment 1 / 20 Kp 14: Flerfaktor-eksperiment; oversikt uten med 141 Introduction 142 Interaction in the Two-Factor Experiment
DetaljerMOT 310 Statistiske metoder 1 Løsningsforslag til eksamen høst 2006, s. 1. Oppgave 1
MOT 310 Statistiske metoder 1 Løsningsforslag til eksamen høst 2006, s. 1 Oppgave 1 a) Normalantakelse: Målingene x 1,..., x 21 og y 1,..., y 8 betraktes som utfall av tilfeldige variable X 1,..., X 21
DetaljerTMA4265 Stokastiske prosessar
Noregs teknisk naturvitskaplege universitet Institutt for matematiske fag Side 1 av 6 Nynorsk Fagleg kontakt under eksamen: Øyvind Bakke Telefon: 73 59 81 26, 990 41 673 TMA4265 Stokastiske prosessar Onsdag
Detaljer(a) For regresjon brukes vanligvis kvadratisk tap: L(y, ŷ) = (y ŷ) 2. Den optimale prediktor basert på input variable x er da Ŷ = E[Y x].
FORMELSAMLING TIL STK2100 (Versjon Mai 2017) 1 Tapsfunksjoner (a) For regresjon brukes vanligvis kvadratisk tap: L(y, ŷ) = (y ŷ) 2. Den optimale prediktor basert på input variable x er da Ŷ = E[Y x]. (b)
DetaljerLøsningsforslag til eksamen i FY3404/FY8307 RELATIVISTISK KVANTEMEKANIKK Fredag 9. juni 2006
NTNU Side 1 av 4 Institutt for fysikk Fakultet for fysikk, informatikk og matematikk Løsningsforslag til eksamen i FY3404/FY8307 RELATIVISTISK KVANTEMEKANIKK Fredag 9. juni 2006 Dette løsningsforslaget
DetaljerOppsummering av STK2120. Geir Storvik
Oppsummering av STK2120 Geir Storvik Vår 2011 Hovedtemaer Generelle inferensmetoder Spesielle modeller/metoder Bruk av R Vil ikke bli testet på kommandoer, men må forstå generelle utskrifter Generelle
DetaljerOppgave 14.1 (14.4:1)
MOT30 Statistiske metoder, høste006 Løsninger til regneøving nr. 0 (s. ) Modell: Oppgave 4. (4.4:) Y ijk = µ + α i + β j + (αβ) ij + ε ijk, der ε ijk uavh. N(0, σ ) der µ er gjennomsnittseffekten, α i
DetaljerEksamensoppgave i ST1201/ST6201 Statistiske metoder
Institutt for matematiske fag Eksamensoppgave i ST1201/ST6201 Statistiske metoder Faglig kontakt under eksamen: Tlf: Eksamensdato: august 2015 Eksamenstid (fra til): Hjelpemiddelkode/Tillatte hjelpemidler:
DetaljerEKSAMEN I FAG FY 0001 Brukerkurs i fysikk Fakultet for naturvitenskap og teknologi Tid:
Side 1 av 5 Norges teknisk-naturvitenskapelige universitet Institutt for fysikk Faglig kontakt under eksamen: Navn: Hanne Mehli Tlf.: 7359367 EKSAMEN I FAG FY 0001 Brukerkurs i fysikk Fakultet for naturvitenskap
DetaljerAvgjørbarhet / Uavgjørbarhet
Avgjørbarhet / Uavgjørbarhet For å kunne snakke om avgjørbarhet/uavgjørbarhet trenger vi Turingmaskiner og for å snakke om Turingmaskiner trenger vi formelle språk, og strenger og alfabeter. Pluss litt
DetaljerForelesning 6 STK3100/4100
Forelesning 6 STK3100/4100 p. 1/4 Forelesning 6 STK3100/4100 4. oktober 2012 Presentasjon av S. O. Samuelsen (modifisert av Geir H12) Plan for forelesning: 1. GLM Binære data 2. Link-funksjoner 3. Parameterfortolkning
DetaljerCase 1:11-cr RNS Document 781 Entered on FLSD Docket 03/27/2013 Page 1 of M a u u - g u 'a M M M u..a u i < < < < < < < < <.Q? <.t!
Cas :2033RNS Dun 78 End n FLSD Dk 03/27/203 Pag f 6 i I jj @ :j j j C I i!, I I! l I : I l!! I ;, ;!, ; 4 k! @ j j ; ;, I I, jji l i I! I j I; l i! l ; : i I I! v z l! l g U U J B g g 6 q; J Y I : 0 ;
DetaljerLøsningsforslag: STK2120-v15.
Løsningsforslag: STK2120-v15 Oppgave 1 a) Den statistiske modellen er: X ij = µ i + ϵ ij, j = 1,, J, i = 1,, I Her indekserer i = 1,, I gruppene og j = 1,, J observasjone innen hver gruppe Feilleddene
DetaljerTMA4265 Stokastiske prosesser
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 6 Bokmål Faglig kontakt under eksamen: Øyvind Bakke Telefon: 73 59 81 26, 990 41 673 TMA4265 Stokastiske prosesser
DetaljerEksamen FY1004 Innføring i kvantemekanikk Tirsdag 22. mai 2007 Løsninger
Eksamen FY1004 Innføring i kvantemekanikk Tirsdag. mai 007 Løsninger 1a Et hydrogenlikt atom har ett elektron med masse m og ladning e som er bundet til en atomkjerne med ladning Ze. Siden kjernen har
DetaljerSeminaroppgave 10. (a) Definisjon: En estimator θ. = θ, der n er et endelig antall. observasjoner. Forventningsretthet for β: Xi X ) Z i.
Seminaroppgave 0 a Definisjon: En estimator θ n er forventningsrett hvis E θn observasjoner. Forventningsretthet for β: θ, der n er et endelig antall β Xi X Y i Xi X Xi X α 0 + βx i + n Xi X Xi X β + Xi
DetaljerHvis formlene i Γ og er lukkede, vil sannhetsverdiene til formlene under M være uavhengig av variabeltilordning.
Forelesning 12: Automatisk bevissøk III fri-variabel kompletthet og repetisjon av sunnhet Christian Mahesh Hansen - 30. april 2007 1 Kompletthet av fri-variabel LK Teorem 1.1 (Kompletthet). Hvis Γ er gyldig,
DetaljerLøsningsforslag til eksamen i FY8306 KVANTEFELTTEORI Fredag 9. juni 2006
NTNU Side av 3 Institutt for fysikk Fakultet for fysikk, informatikk og matematikk Løsningsforslag til eksamen i FY836 KVANTEFELTTEORI Fredag 9. juni 6 Dette løsningsforslaget er på 3 sider, pluss et vedlegg
DetaljerGeneraliserte Lineære Modeller
Eksponensiell klasse Generaliserte Lineære Modeller Y i f(y i ;θ i ) = c(y i ;φ) exp((θ i y i a(θ i ))/φ) µ i = E[Y i ] = a (θ i ) σ 2 i = Var[Y i ] = φa (θ i ) = φv (µ i ) STK3100-4. september 2011 Geir
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i STK45 Livsforsikring og nans. Eksamensdag: Mandag 8. juni 215 Tid for eksamen: 14.3 18.3 Oppgavesettet er på 5 sider. Vedlegg:
DetaljerKandidatene 4507, 4542, 4545 og 4569 har meget gode besvarelser supert!
MOT 310 Statistiske metoder 1 Løsningsforslag til eksamen høst 2006, s. 1 Flott! Samlet sett leverer dere gode resultater. Kandidatene 4507, 4542, 4545 og 4569 har meget gode besvarelser supert! Totalt
DetaljerDefinisjon 1.1 (Kompletthet). Sekventkalkylen LK er komplett hvis enhver gyldig sekvent er LK-bevisbar.
Forelesning 16: Repetisjon Christian Mahesh Hansen - 4. juni 2007 1 Kompletthet 1.1 Introduksjon Definisjon 1.1 (Kompletthet). Sekventkalkylen LK er komplett hvis enhver gyldig sekvent er LK-bevisbar.
DetaljerFunksjoner av stokastiske variable.
Funksjoner av stokastiske variable. Dekkes av pensumsidene i kap. 7 I ulike sammenhenger, blant annet for å finne fordelingen til estimatorer, er vi interesserte i fordelingen til funksjoner av stokastiske
DetaljerLøsningsforslag. n X. n X 1 i=1 (X i X) 2 og SY 2 = 1 ny S 2 X + S2 Y
Statistiske metoder 1 høsten 004. Løsningsforslag Oppgave 1: a) Begge normalplottene gir punkter som ligger omtrent på ei rett linje så antagelsen om normalfordeling ser ut til å holde. Konfidensintervall
Detaljer1 ϕ(y)dy = f(x), x, y D = [0, 1]d x y. D ijk = [a i 1, a i ] [a j 1, a j ] [a k 1, a k ], 0 = a 0 < a 1 <... < a n = 1
Ä Ê ËÍ ÄÁÆ Ê ÇÊ ÅÍÄÌÁ¹ ÁÅ ÆËÁÇÆ Ä Ì ÆËÇÊ ÈÊÇ Ä ÅË Ù Ò ÌÝÖØÝ Ò ÓÚ Ø ÒÑºÖ ºÖÙ Ó ÆÙÑ Ö Ð Å Ø Ñ Ø ÁÒ Ø ØÙØ ÑÝ Ó Ë Ò ÊÙ Ò Ç ÌÀ Ì Äà ÇÎ ÊÎÁ Ï ÀÙ ¹ Ð Ø ÐÐ ÓÖ Ù Ð Ò Ö ÓÑÔÐ Ü ØÝ Ì Ò ÓÖ ÖÓÙÒ ÌÙ Ö ÓÑÔÓ Ø ÓÒ ÒÓÒ Ð
DetaljerForelesningsnotater i FYS4520
Forelesningsnotater i FYS4520 1 Det kvantemekaniske mange-partikkel problem 1.1 Definisjon av mange-partikkel problemet Vi skal begrense oss til systemer av fermioner, som kan behandles ikkerelativistisk.
DetaljerVEKTOR OG TENSORANALYSE. Fasit til oppgåver
L A TEX-fil: M216fasit.tex DRAFT: 20.4.2004 VEKTOR OG TENSORANALYSE Fasit til oppgåver av Gerhard Berge Matematisk institutt UNIVERSITETET I BERGEN April 2004 1 1 Kapittel 1 Oppgåve 1.1 Lat r = r(s) vere
DetaljerX ijk = µ+α i +β j +γ ij +ǫ ijk ; k = 1,2; j = 1,2,3; i = 1,2,3; i=1 γ ij = 3. i=1 α i = 3. j=1 β j = 3. j=1 γ ij = 0.
UNIVERSITETET I OSLO Det matematsk-naturvtenskapelge fakultet Eksamen : Eksamensdag: 7. jun 2013. Td for eksamen: 14.30 18.30. Oppgavesettet er på 8 sder. Vedlegg: Tllatte hjelpemdler: STK2120 LØSNINGSFORSLAG
DetaljerDagens plan. INF3170 Logikk. Kompletthet følger fra modelleksistens. Kompletthet. Definisjon (Kompletthet) Teorem (Modelleksistens)
INF3170 Logikk Dagens plan Forelesning 16: Repetisjon Christian Mahesh Hansen Institutt for informatikk, Universitetet i Oslo 1 2 4. juni 2007 3 Institutt for informatikk (UiO) INF3170 Logikk 04.06.2007
DetaljerGeneraliserte Lineære Modeller
Lineær regresjon er en GLM Generaliserte Lineære Modeller Responser (Y i -er) fra normalfordelinger Lineær komponent η i = β 0 + β 1 x i1 + + β p x ip E[Y i ] = µ i = η i, dvs. linkfunksjonen g(µ i ) =
DetaljerLøysingsframlegg/skisse Eksamen TFY 4210 Kvanteteorien for mangepartikkelsystem 24. mai 2011
Løysingsframlegg/skisse Eksamen TFY 4210 Kvanteteorien for mangepartikkelsystem 24. mai 2011 May 24, 2011 Oppgave 1 1) Ein global fasetransformasjon er på forma ψ ψe iα ψ ψ e iα, (1) der α er ein konstant.
DetaljerINF-MAT5370. Delaunay-trianguleringer og Voronoi-diagram
INF-MAT5370 Delaunay-trianguleringer og Voronoi-diagram Øyvind Hjelle oyvindhj@simula.no, +47 67 82 82 75 Simula Research Laboratory, www.simula.no September 7, 2009 Innhold Klassisk teori Optimale trianguleringer
DetaljerForelesning 6 STK3100
Scorefunksjon og estimeringsligninger for GLM Forelesning 6 STK3100 29. september 2008 S. O. Samuelsen Plan for forelesning: 1. Observert og forventet informasjon 2. Optimeringsrutiner 3. Iterative revektede
DetaljerFunksjoner av stokastiske variable.
Funksjoner av stokastiske variable. Dekkes av pensumsidene i kap. 7 I ulike sammenhenger, blant annet for å finne fordelingen til estimatorer, er vi interesserte i fordelingen til funksjoner av stokastiske
DetaljerDagens plan. INF4170 Logikk. Modelleksistens for grunn LK repetisjon. Kompletthet av fri-variabel LK. Teorem (Kompletthet) Lemma (Modelleksistens)
INF4170 Logikk Dagens plan Forelesning 11: Automatisk bevissøk III fri-variabel kompletthet og repetisjon av sunnhet Martin Giese 1 Institutt for informatikk, Universitetet i Oslo 2 31. april 2008 Institutt
DetaljerForelesning 9 STK3100/4100
Forelesning 9 STK3100/4100 Plan for forelesning: 17. oktober 2011 Geir Storvik 1. Lineære blandede modeller 2. Marginale modeller 3. Estimering - ML og REML 4. Modell seleksjon p. 1 Modell med alle antagelser
DetaljerINF2820 Datalingvistikk V2011. Jan Tore Lønning & Stephan Oepen
INF2820 Datalingvistikk V2011 Jan Tore Lønning & Stephan Oepen CHARTPARSING (SEKSJ 13.4) FORMELLE EGENSKAPER VED SPRÅK (KAP. 16) 8. mars 2011 2 I dag Oppsummering fra sist: Dynamisk programmering CKY-algoritmen
DetaljerEksamen i MIK130, Systemidentifikasjon (10 sp)
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Eksamen i MIK130, Systemidentifikasjon (10 sp) Dato: onsdag 24 november 2010 Lengde på eksamen: 4 timer Tillatte hjelpemidler:
DetaljerModifisering av Black & Scholes opsjonsprising ved bruk av NIG-fordelingen
Modifisering av Black & Scholes opsjonsprising ved bruk av NIG-fordelingen Prosjektoppgave STK-MAT2011 Sindre Froyn Salgsopsjon A B K S 0 T S 0 : porteføljeprisen ved tiden t = 0. K: garantert salgspris
DetaljerHANDELSHØGSKOLEN I TROMSØ SENTRUM OG PERIFERI. Dixit-Stiglitz-Krugman modellen. Åge Haugslett. Vedlegg til Masteroppgave i - Samfunnsøkonomi (30 stp)
HANDELSHØGSKOLEN I TROMSØ SENTRUM OG PERIFERI Dixit-Stiglitz-Krugman modellen Åge Haugslett Vedlegg til Masteroppgave i - Samfunnsøkonomi ( stp) Vedlegg kap,.. VEDLEGG KAPITTEL KapModATilf.mcd. Den enklestet
DetaljerINF2820 Datalingvistikk V2012. Jan Tore Lønning
INF2820 Datalingvistikk V2012 Jan Tore Lønning CHART-PARSING FORMELL SPRÅKTEORI 5. mars 2012 2 Chart alternativ datastruktur NP Det Nom Nom Nom PP NP PP P NP Det Nom, N P NP, PN 0 book 1 the 2 flight 3
DetaljerExam in FY3464 QUANTUM FIELD THEORY I Friday november 30th, :00 13:00
NTNU Page 1 of 4 Institutt for fysikk Contact during the exam: Professor Kåre Olaussen Telephone: 9 36 52 or 45 43 71 70 Exam in FY3464 QUANTUM FIELD THEORY I Friday november 30th, 2007 09:00 13:00 Allowed
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Side Det matematisk-naturvitenskapelige fakultet Eksamen i: FYS240 Kvantefysikk Eksamensdag: 3. juni 206 Tid for eksamen: 09.00 4 timer) Oppgavesettet er på fem 5) sider Vedlegg: Ingen
DetaljerEksamen TTM4120 Pålitelige systemer 18. mai 2004 LØSNINGSSKISSE
Side 1 av 6 Eksamen TTM4120 Pålitelige systemer 18. mai 2004 LØSNINGSSKISSE a Det skal etableres en transportforbindelse fra node 1 til node 3. Anta at C [ ij, ] = for alle [ i, j] Ω L. Denne forbindelsen
DetaljerEn kort introduksjon til generell relativitetsteori
En kort introduksjon til generell relativitetsteori Generell relativitetsteori (GR) representerer vår mest fundamentale forståelse av tid, rom og gravitasjon, og er helt nødvendig for å formulere konsistente
DetaljerØving 11. Oppgave 1. E t0 = 2. Her er
FY00/TFY460 Bølgefysi. Institutt for fysi, NTNU. Høsten 0. Veiledning: Mandag 5. og tirsdag 6. november. Innleveringsfrist: Mandag. november l :00. Øving Tema: Dipol-Ståling, reflesjon og transmisjon av
DetaljerOppgave 1. Vi må forutsette at dataene kommer fra uavhengige og normalfordelte tilfeldige variable,
MOT30 Statistiske metoder Løsningsforslag til eksamen vår 0 s. Oppgave a Vi har x = 6. og x i x = 4.6. Herav s x = n Et 90% kondensintervall er gitt ved x i x = 4.6 = 0.89 6 SX X t 0.056 X + t S X 0.056
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: STK2120 Statistiske metoder og dataanalyse 2. Eksamensdag: Fredag 7. juni 2013. Tid for eksamen: 14.30 18.30. Oppgavesettet er
DetaljerST1201 Statistiske metoder
ST20 Statistiske metoder Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Løsigsforslag - Eksame desember 2005 Oppgave a Ma beyttet radomisert blokkdesig. I situasjoe har ma k =
DetaljerOppgave 14 til 9. desember: I polynomiringen K[x, y] i de to variable x og y over kroppen K definerer vi undermengdene:
HJEMMEOPPGAVER utgave av 8-12-2002): Oppgave 15 til 16 desember: La H være mengden av alle matriser på formen A = a 1 a 12 a 13 a 1n 0 a 2 0 0 0 0 a 3 0 0 0 a n der a 1 a 2 a n 0 Videre la SH være matrisene
DetaljerFYS 3120: Klassisk mekanikk og elektrodynamikk
FYS 3120: Klassisk mekanikk og elektrodynamikk 1 Analytisk mekanikk Lagrangefunksjonen Formelsamling (nynorsk) L = L(q, q, t), (1) til eit fysisk system er ein funksjon av dei generaliserte koordinatane
DetaljerSTK Maskinlæring og statistiske metoder for prediksjon og klassifikasjon
STK2100 - Maskinlæring og statistiske metoder for prediksjon og klassifikasjon Oppsummering av kurset 17. april 2018 Hovedproblem Input x R p. Output y Numerisk: regresjon Kategorisk: Klassifikasjon Gitt
DetaljerST1201 Statistiske metoder
ST Statistiske metoder Norges tekisk-aturviteskapelige uiversitet Istitutt for matematiske fag Løsigsforslag - Eksame desember Oppgave a) Dette er e ANOVA-tabell for k-utvalg med k 4 og j 6 for j,,3,4.
DetaljerMOT310 Statistiske metoder 1, høsten 2006 Løsninger til regneøving nr. 7 (s. 1) Oppgaver fra boka: n + (x 0 x) 2 σ2
MOT310 Statistiske metoder 1, høsten 2006 Løsninger til regneøving nr. 7 (s. 1) Oppgaver fra boka: Oppgave 11.27 (11.6:13) Modell: Y i = α + βx i + ε i der ε 1,..., ε n u.i.f. N(0, σ 2 ). Skal finne konfidensintervall
DetaljerEKSAMEN I EMNE TTM4110 PÅLITELIGHET OG YTELSE MED SIMULERING. Mandag 14. desember 2005 Tid: 09:00 13:00
Norges teknisk naturvitenskapelige universitet Institutt for telematikk Side 1 av 12 Faglig kontakt under eksamen: Poul Heegaard (73 594321) EKSAMEN I EMNE TTM4110 PÅLITELIGHET OG YTELSE MED SIMULERING
DetaljerLøsningsforslag eksamen 27. februar 2004
MOT30 Statistiske metoder Løsningsforslag eksamen 7 februar 004 Oppgave a) Y ij = µ i + ε ij, der ε ij uavh N(0, σ ) der µ i er forventa kopperinnhold for legering i og ε ij er feilleddet (tilfeldig variasjon)
DetaljerLitt GRUPPETEORI for Fys4170
Litt GRUPPETEORI for Fys4170 GRUPPER: Ei gruppe G = {g i } er ei samling element med disse egenskapene: * multiplikasjon slik at g i g j G ; * et enhetselement g 0 = 1 slik at g i g 0 = g 0 g i = g i ;
DetaljerFYS 3120: Klassisk mekanikk og elektrodynamikk
FYS 3120: Klassisk mekanikk og elektrodynamikk 1 Analytisk mekanikk Lagrangefunksjonen Formelsamling (bokmål) L = L(q, q, t), (1) er en funksjon av systemets generaliserte koordinater q = {q i ; i = 1,
Detaljer(a) For regresjon brukes vanligvis kvadratisk tap: L(y, ŷ) = (y ŷ) 2. Den optimale prediktor basert på input variable x er da Ŷ = E[Y x].
FORMELSAMLING TIL STK2100 (Versjon Mai 2018) 1 Tapsfunksjoner (a) For regresjon brukes vanligvis kvadratisk tap: L(y, ŷ) = (y ŷ) 2. Den optimale prediktor basert på input variable x er da Ŷ = E[Y x]. (b)
DetaljerFYS 3120: Klassisk mekanikk og elektrodynamikk
FYS 3120: Klassisk mekanikk og elektrodynamikk Formelsamling (bokmål) Våren 2014 1 Analytisk mekanikk Lagrangefunksjonen L = L(q, q, t), (1) er en funksjon av systemets generaliserte koordinater q = {q
DetaljerOppgave 1. a) Anlysetype: enveis variansanalyse (ANOVA). Modell for y ij = ekspedisjonstid nr. j for skrankeansatt nr. i:
MOT310 tatistiske metoder 1 Løsningsforslag til eksamen høst 010, s 1 Oppgave 1 a) Anlysetype: enveis variansanalyse (ANOVA) Modell for y ij ekspedisjonstid nr j for skrankeansatt nr i: Y ij µ i + ε ij,
DetaljerINF-MAT5370. Grafer og datastrukturer
INF-MAT5370 Grafer og datastrukturer Øyvind Hjelle oyvindhj@simula.no, +47 67 82 82 75 Simula Research Laboratory, www.simula.no August 3, 2009 Innhold Kort om grafer Topologiske operatorer og operasjoner,
DetaljerEksamensoppgave i TFY4115 FYSIKK
Institutt for fysikk Eksamensoppgave i TFY4115 FYSIKK for MTNANO, MTTK og MTELSYS Faglig kontakt under eksamen: Institutt for fysikk v/jon Andreas Støvneng Tlf.: 454 55 533 Eksamensdato: Lørdag 16. desember
DetaljerEKSAMEN I TFY4210 ANVENDT KVANTEMEKANIKK Mandag 23. mai, Tillatte hjelpemidler : K.Rottman, Matematisk formelsamling
NORGES TEKNISK-NATURVITENSKAPELIGE UNIVERSITET INSTITUTT FOR FYSIKK Faglg kontakt under eksamen: Martn Grønsleth, tlf 93772 EKSAMEN I TFY4210 ANVENDT KVANTEMEKANIKK Mandag 23. ma, 2005 09.00-13.00 Tllatte
DetaljerGenerelle lineære modeller i praksis
Generelle lineære modeller Regresjonsmodeller med Forskjellige spesialtilfeller Uavhengige variabler Én binær variabel Analysen omtales som Toutvalgs t-test én responsvariabel: Y en eller flere uavhengige
DetaljerForelesningsnotater ECON 2910 VEKST OG UTVIKLING, HØST Litt om endogen vekstteori
4. oktober 2004 Forelesningsnotater ECON 2910 VEST OG UTVIING, HØST 2004 7. itt om endogen vekstteori I matematiske fremstillinger hvor vi ser på endringer i variable over tid er det vanlig å betegne de
DetaljerFørsteordens sekventkalkyle
INF3170 Logikk Forelesning 7: Sekventkalkyle for førsteordens logikk Roger Antonsen Institutt for informatikk, Universitetet i Oslo Førsteordens sekventkalkyle 16. mars 2010 (Sist oppdatert: 2010-04-06
DetaljerSTK2100. Obligatorisk oppgave 1 av 2
14. februar 2018 Innleveringsfrist STK2100 Obligatorisk oppgave 1 av 2 Torsdag 1. mars 2018, klokken 14:30 gjennom Devilry (https:devilry.ifi.uio.no). Praktiske instruksjoner Første side av din innlevering
DetaljerNewtons interpolasjon og dividerte differanser
Newtons interpolasjon og dividerte differanser Gitt (x i, y i ), for i = 0, 1,..., n, Newtons basis funksjoner er definert som 1/16 j 1 π j (x) = (x x 0 )(x x 1 ) (x x j 1 ) = (x x k ) for j = 1,..., n
Detaljer