CÁLCULO DEL TIEMPO MEDIO DE LA FASE METAESTABLE EN EL MODELO DE ISING BIDIMENSIONAL A PARTIR DE SIMULACIONES EN EQUILIBRIO. L. H. Barbosa, J. D.
|
|
- Francisco José Alarcón Suárez
- hace 6 años
- Vistas:
Transcripción
1 CÁLCULO DEL TIEMPO MEDIO DE LA FASE METAESTABLE EN EL MODELO DE ISING BIDIMENSIONAL A PARTIR DE SIMULACIONES EN EQUILIBRIO L. H. Barbosa, J. D. Muñoz 1 Universidad Central, Universidad Nacional de Colombia 2 Universidad Nacional de Colombia (Recibido 10 de Oct.2005; Aceptado 24 de Mar. 2006; Publicado 16 de Jun. 2006) RESUMEN En este trabajo se estudia un estado metaestable del modelo de Ising bidimensional bajo la dinámica de Metrópolis[1] a temperatura fija. Particularmente, se calcula el tiempo de escape de la fase metaestable implementando un nuevo método (MultiBHM) basado en ideas de la Dinámica Proyectiva[2] y del Broad Histrogram Method[3]. Distinto a los métodos actuales, el nuestro toma muestras de simulaciones de Monte Carlo en equilibrio, en vez de hacerlo a lo largo de escapes. Esto permite no solo esquivar los inmensos tiempos de CPU que un solo escape suele requerir, sino que además, permite calcular para cualquier campo externo y cualquier temperatura a partir de una única toma de datos. El método usa el muestreo multicanónico[4] para recorrer todo el espacio de fase de energía de intercambio y magnetización (E,M). Para validar nuestro método calculamos el tiempo de escape de un modelo de Ising de tamaño 8x8 para distintos valores de campo. Asimismo, comparamos con simulaciones directas del proceso de Metrópolis para un rango de temperaturas por debajo de la temperatura crítica. Palabras Claves: tiempo medio, fase metaestable, modelo de Ising bidimensional ABSTRACT In this work a state metaestable of the pattern of two-dimensional Ising is studied under the dynamics of Metrópolis[1] to fixed temperature. Particularly, the time of escape of the phase metaestable is calculated implementing a new method (MultiBHM) based on ideas of the Dynamic Proyectiva[2] and of the Broad Histrogram Method[3]. Different to the current methods, ours taking samples of simulations of Mount Carlo in equilibrium, instead of making it along escapes. This not allows alone to avoid the immense times of CPU that a single escape usually requires, but rather also, it allows to calculate for any external field and any temperature starting from an only one taking of data. The method uses the sampling multicanónico[4] to travel the whole space of phase of exchange energy and magnetization (E,M). To validate our method we calculate the time of escape of a model of size Ising 8x8 for different field values. Also, we compare with direct simulations of the process of Metropolis for a range of temperatures below the critical temperature. Keywords: average time, metaestable phase, bidimensional model of Ising 1. Introducción En este trabajo se estudia un estado metaestable del modelo de Ising bidimensional bajo la dinámica de Metrópolis[1] a temperatura fija. Este modelo constituye el modelo de trabajo más sencillo para estudiar sistemas metaestables. Aunque los pasos de Metrópolis no tienen 982
2 REVISTA COLOMBIANA DE FÍSICA, VOL. 38, No. 2, 2006 ninguna relación directa con el tiempo real (en segundos), el modelo de Ising con la dinámica de Metrópolis es un sistema dinámico por derecho propio que presenta muchos de los comportamientos observados en sistemas reales. Los métodos computacionales que se desarrollan para este modelo de prueba son aplicables después al estudio de sistemas metaestables reales, como por ejemplo microsistemas magnéticos[5]. El modelo de Ising consiste de un conjunto de espines σ i arreglados en una cuadrícula, con solo dos posibles valores por espín, σ i = ±1. El hamiltoniano del sitemas es H = J σ σ H, (1) i j i j σ, i i donde H es el campo magnético externo y J es la llamada constante de acople. Al primer término lo llamamos energía de intercambio, E. La dinámica de Metrópolis consiste en tomar un espín al azar, calcular el cambio de energía total que se obtendría al voltearlo. Si el cambio de energía es menor que cero, el espín se voltea siempre, si no, se voltea con la probabilidad, exp(- E /kt), siendo T la temperatura y k la constante de Boltzman. Cuando se tiene una red de Ising bidimensional con todos sus espines hacia abajo, en presencia de un campo magnético, H, contrario a la dirección inicial de los espines del sistema, el sistema exhibe metaestabilidad. Muy importante es el tiempo promedio que toma el sistema en escapar del estado metaestable. Este se denomina, tiempo de escape y se define como el tiempo promedio <τ> que el sistema requiere para voltear la mitad de sus espines [2], promediando sobre un gran número de procesos de escape. Este tiempo <τ> es función del campo H y de la temperatura T. En términos computacionales, el tiempo corresponde al número de pasos de Monte Carlo que se necesitan para que la magnetización se nula[7]. Para calcularlo se puede utilizar la dinámica de Metrópolis[2]. El problema es que esta simulación directa de proceso requiere bastante tiempo real de computo, y además hay que hacer una corrida para cada valor de campo. Por ejemplo, para una red de Ising con L=20, y con un campo H=0.75, la simulación para escapes y para un rango del inverso de la temperatura entre 0.5 y 1.8, suele requerir cerca de dos semanas. Entonces, surge la necesidad de métodos[2] más rápidos y eficaces. Uno de aquellos métodos es la dinámica proyectiva (DP). En este método el proceso de escape se puede aproximar como un proceso de de Markov a lo largo del eje de magnetización y se puede calcular a partir de las probabilidades promedio de crecer (grow) en magnetización, G(M), acercándose a la estabilidad, y de disminuir (shrink) en magnetización, S(M), alejándode de ella. Al formalizar el método, la probabilidad de llegar desde una magnetización M a una M en un tiempo t está dado por la expresión, PMt (, ) = W M M ' P( M ', t), (2) t { M '} donde W es la matriz de Markov constante en el tiempo que representa la probabilidad de transición de un estado M a uno M. La probabilidad de permanecer, se expresa por esta matriz como, W M M ' = 1 G( M) S( M) si M = M ' (3) Las cantidades G y S son constantes en el tiempo. El proceso de escape mantiene al sistema saltando constantemente hacia adelante y hacia atrás a lo largo del eje de magnetización. Entonces, es posible calcular los tiempos de residencia promedio h(m) que el sistema 983
3 demora en cada valor de M a partir de los valores de G y de S. Por tanto, si hay un escape efectivo es posible calcular a partir de (3) el tiempo de residencia h(m) y luego, el tiempo de permanencia total o tiempo de escape[2]. Por supuesto, este método permite reducir el número de escapes requeridos para calcular con precisión el tiempo de escape en casi dos órdenes de magnitud. Sin embargo, los promedios de G y S se calculan realizando escapes y sigue siendo necesario realizar una corrida para cada valor de campo. Nosotros hemos subsanado este último problema al implementar una simulación desde un proceso en equilibrio. Para ello hemos implementado un nuevo método, MultiBHM combinando ideas del BHM y muestreando con el método multicanónico. 2. Calculo del tiempo de Escape a partir de simulaciones en equilibrio Para calcular las funciones G y S hemos estudiado el espacio de fase (E,M) tomando muestras con el método múlticanónico el cual permite barrer todo el espacio de fase. Asimismo, para estudiar la configuración de energía del sistema en cada valor de magnetización, y de acuerdo a los posibles cambios de energía del modelo de Ising (0, ±4, ±8), hemos utilizado la idea de los promedios microcanónicos de las cantidades macrscópicas Nup y Ndn del método de histograma ancho(bhm). En consecuencia, consideremos un sistema de Ising Bidimensional con la dinámica de Metrópolis (giro de un único espín por paso) y campo externo H orientado hacia arriba que está escapando del estado metaestable (todos los espines hacia abajo) hacia el estado estable (todos los espines hacia arriba). Supongamos que el sistema se encuentra en un estado x con energía de intercambio E y magnetización M. Si ya sabemos que el sistema tiene magnetización M, cuál será la distribución de energías de la configuración x que pertenece a algún escape y tienen ese valor de magnetización?. En nuestra propuesta vamos a asumir que tal distribución es proporcional al término de Boltzmann. En otras palabras, si se sabe que el sistema tiene magnetización M, la probabilidad de que aparezca en el estado x es, exp ( ( E HM) / kt) ( E HM) P x M = ; ZM ( ) = Ω( EM, )exp ZM ( ) E kt (4) Sabiendo ya que el sistema tiene magnetización M, G(M) y S(M) se puede calcular sumando sobre todas las energías los valores promedio G(E,M) y S(E,M) ponderados por la probabilidad, P(x M) de que el sistema tenga efectivamente esa energía. Ahora bien, A qué es igual G(x)? Según la dinámica de Metrópolis, todos los espines del sistema tienen la misma probabilidad de ser escogidos para girar, pero no la misma probabilidad de aceptar girarlos. Tal probabilidad depende de los cambios en energía de intercambio, E, y en magnetización, M, que se producirían si se volteara el espín, según, la rata de aceptancia de Metrópolis[6]. Esta probabilidad es la misma para todos los espines de la configuración x que, al voltearsen, producen los mismos cambios E y M. Si M = 2, esta probabilidad contribuye a G(M), si M = -2, a S(M). Sea, M el número de espines que producen tales cambios, entonces G(x) y S(x) resultan ser, 1 E, E, 2 Gx ( ) = N( x) P( E, + 2) ; Sx ( ) = N( x) P( E, 2) (5) Ahora, se puede calcular G(E,M) y S(E,M) como, 984
4 REVISTA COLOMBIANA DE FÍSICA, VOL. 38, No. 2, E, E, 2 G( E, M) = P( E, + 2) N( EM, ); S( E, M) = P( E, 2) N( EM, ) (6) Recapitulando, con multicanónico se toman muestras (y se guardan) del plano (E,M) para calcular la densidad de estados y los promedios Nup y Ndn. Luego se construye un algoritmo que lea esos datos y se calcula G(E,M) y S(E,M) por dinámica proyectiva. Finalmente utilizando este último, se calcula el tiempo de escape. En este caso los resultados fueron, b) Figura No.1. En la figura (a) se muestra el tiempo de escape en función del inverso de la temperatura para una red de Ising 8x8 en presencia de un campo H=0,75J. MultiBHM(círculos) y Metrópolis (triángulos). En b) se muestra la misma curva para distintos valores de campo. La línea vertical es, Tc 2,269..J. Conclusiones En este trabajo hemos propuesto un nuevo método (MultiBHM) para calcular los tiempos de escape promedio, de estados metaestables en el modelo de Ising Bidimensional. Este nuevo método se basa en la dinámica proyectiva combinado con ideas del BHM. A diferencia de los métodos anteriores, el nuestro toma muestras de simulaciones de Monte Carlo en equilibrio, en vez de hacerlo a lo largo de escapes. Esto permite esquivar los inmensos tiempos de CPU y además permite calcular para cualquier campo externo y cualquier temperatura a partir de una única toma de datos. Hemos concordado solo en un cierto rango de temperaturas, la razón de la dicrepancia quizas se deba a que a temperaturas bajas el proceso de escape no es un proceso de Markov. En tal caso debemos reconsiderar nuestra hipótesis dada en (4). Es muy probable que se necesite relajar más el sistema para tomar muestras e incluso aumentar el número de iteraciones multicanónicas para que el histograma de visitas sea suficientemente plano. De todas maneras este trabajo muestra por primera vez que es posible calcular tiempos de escape a partir de muestras obtenidas de simulaciones en equilibrio. Referencias [1] Metrópolis, A.W. Rosemblut, A. H. Teller, J.Chem. Phys. 21, (1953) [2] Novotny M. A., A new aproach to an old algorithm... Computer in Physics, V9, 1 Jan/Feb (1995). [3] Lima A.R., de Oliveira P.M.C., Penna T.J.P..B H M. Solid State Communications, 114 (2000). [4] B. A. Berg, y T. Neuhaus, Phys. Rev. Lett. 68, 9-12 (1991). [5] P. A. Rikvold and B. M. Gorman, Reviews of Computational Physics I, (World Scienti.c),
5 [6] M.L. Guerra, J.D. Muñoz, Int. J. of Modern Phys. (Word Scienti.c) C, Vol 15,3,
MODELO DE ISING EN 3-D. APLICACIÓN A SENSORES MAGNÉTICOS
MODELO DE ISING EN 3-D. APLICACIÓN A SENSORES MAGNÉTICOS 1 Puerto Ramírez; 2 Carlos Morón; 2 Alfonso Garcia 1 Departamento de Sistemas Inteligentes Aplicados. Escuela Universitaria de Informática. U.P.M.
Más detallesDinámica de tiempos cortos y criticalidad de no-equilibrio
Dinámica de tiempos cortos y criticalidad de no-equilibrio Ezequiel Ferrero Non-equilibrium Characterization of Spinodal Points using Short Time Dynamics Ernesto S. Loscar, Ezequiel E. Ferrero, Tomás S.
Más detallesPresentamos un estudio teórico para determinar la susceptibilidad magnética en las
SUSCEPTIBILIDAD MAGNETICA EN Se 1-x Te x CuO 3 R. López Planes y Z. Pérez Departamento de Física, Universidad de Oriente, Cumaná, 6101, Venezuela A.P. 245 ralopez@sucre.udo.edu.ve Resumen Presentamos un
Más detallesMATERIALES MAGNÉTICOS
MATERIALES MAGNÉTICOS En la naturaleza, especialmente en los sólidos, cuando se somete un material a un campo magnético aplicado aparecen propiedades diferentes, estas dependen de su estructura, su composición,
Más detallesSesión 7: Campos de Markov
Sesión 7: Campos de Markov Campos de Markov Introducción Modelo de Ising Representación Tipos de Modelos Redes de Markov Vecindades Algoritmos ICM, Metrópolis, Recocido Simulado Aplicaciones Visión L.E.
Más detallesOptimización Heurística
Recocido Simulado (RS) Optimización Heurística Recocido Simulado Problema de la búsqueda local: Como siempre trata de mejorar, se atora en los máximos locales Idea: Escapar de máximos locales permitiendo
Más detallesSimulación de caminantes aleatorios Ejercicios
Simulación de caminantes aleatorios Ejercicios Hemos descubierto mediante argumentos sencillos la expresión de la densidad de probabilidad de la posición final R de un caminante aleatorio al cabo de un
Más detallesOptimización del diseño del conducto de admisión del motor F1L2006
Optimización del diseño del conducto de admisión del motor FL26 Sánchez Martínez, D.; Carvajal Trujillo, E.; Chacartegui Ramírez, R.; Muñoz Blanco, A. Escuela Superior de Ingenieros. Camino de los Descubrimientos
Más detallesTechniques to Understand Computer Simulations: Markov Chain Analysis
Techniques to Understand Computer Simulations: Markov Chain Analysis Luis R. Izquierdo, Segismundo S. Izquierdo, José Manuel Galán and José Ignacio Santos (2009) Presentador: Andres Abeliuk Objetivos Ayudar
Más detallesInteligencia Computacional
Inteligencia Computacional Recocido simulado http://blancavg.com/tc3023/ Blanca A. Vargas Govea * vargasgovea@itesm.mx * Agosto 28, 2012 Monte Carlo John von Neumann, S. Ulam, N. Metrópolis (40s) Kirkpatrick
Más detallesUniversidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre Profesor: Jaime Soto
Universidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre 2011-1 Profesor: Jaime Soto PRUEBA DE HIPÓTESIS Ejemplo El jefe de la Biblioteca de la URBE manifiesta
Más detallesExtensión del Método de Histograma Ancho a Teorías Gauge en el Lattice. Julio César León Luquez
Extensión del Método de Histograma Ancho a Teorías Gauge en el Lattice Julio César León Luquez Universidad Nacional de Colombia Facultad de Ciencias, Departamento de Física Bogotá, Colombia 2012 Extensión
Más detallesSesión 8: Campos de Markov
Modelos Gráficos Probabilistas L. Enrique Sucar INAOE Sesión 8: Campos de Markov la verdadera lógica de este mundo es el cálculo de probabilidades, que toma en cuanta la magnitud de las probabilidades,
Más detallesDistribuciones de parámetros conocidos
10.3. CONTRASTE DE BONDAD DE AJUSTE PARA DISTRIBUCIONES265 350 300 observaciones esperado(x) 250 Frecuencias esperadas 200 150 100 Frecuencias observadas 50 0 55 60 65 70 75 80 85 90 Figura 10.2: En los
Más detalles1. La Distribución Normal
1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando
Más detallesProgramación Básica. Martin Méndez Facultad de Ciencias Universidad Autónoma de San Luis Potosí
Programación Básica Martin Méndez Facultad de Ciencias Universidad Autónoma de San Luis Potosí Objetivo del Curso Estudiar y aplicar los conceptos básicos de programación estructurada en un lenguaje de
Más detallesDistribuciones de probabilidad II
II Facultad de Estudios Superiores Acatlán Licenciatura en Economía 20 de abril 2017 José A. Huitrón Mendoza Distribuciones de probabilidad de Poisson Enmarca el estudio de una variable aleatoria discreta
Más detallesTercer principio de la Termodinámica 16 de marzo de 2009 Cuestiones y problemas: Cuestiones 4.43 y 4.44
Índice 5 CELINA GONZÁLEZ ÁNGEL JIMÉNEZ IGNACIO LÓPEZ RAFAEL NIETO Tercer principio de la Termodinámica 6 de marzo de 2009 Cuestiones y problemas: Cuestiones 4.43 y 4.44 subrayados y en negrita para voluntarios
Más detallesSelectividad Septiembre 2007 SEPTIEMBRE 2007
Bloque A SEPTIEMBRE 2007 1.- Cada instalación de una televisión analógica necesita 10 metros de cable y cada instalación de televisión digital necesita 20 metros. Cada televisión analógica necesita 20
Más detallesC. Trallero-Giner CINVESTAV-DF (2010) IV. - Dispersión Raman. Interpretación macroscópica Dinámica de la luz dispersada Sección eficaz
Dispersión Raman en Sólidos C. Trallero-Giner CINVESTAV-DF (2010) IV. - Dispersión Raman. Interpretación macroscópica Dinámica de la luz dispersada Sección eficaz Reglas de selección Dinámica de la luz
Más detallesClase 1: Simulación de variables aleatorias *
Clase 1: Simulación de variables aleatorias * Índice 1. Simulación de variables aleatorias 1 1.1. Espacio de Probabilidad. Axiomas de Kolmogorov...... 1 2. Variables aleatorias y distribución de probabilidad
Más detallesFACULTAD DE CIENCIAS EXACTAS Y NATURALES Instituto de Física FORMATO DE MICROCURRICULO O PLAN DE ASIGNATURA
FACULTAD DE CIENCIAS EXACTAS Y NATURALES Instituto de Física APROBADO CONSEJO DE FACULTAD DE CIENCIAS EXACTAS Y NATURALES 19 DE SEPTIE ACTA 418 DEL MBRE DE 2005 FORMATO DE MICROCURRICULO O PLAN DE ASIGNATURA
Más detallesSistema de coordenadas cartesianas. Ecuación de la recta y de la circunferencia.
Clase 4 Sistema de coordenadas cartesianas. Ecuación de la recta y de la circunferencia. Clase 4... 1 1. Sistema de Coordenadas Cartesianas... 2 1.a. Punto medio... 3 1.b. Distancia entre dos puntos...
Más detallesUNIDAD 4. La Parábola
UNIDAD 4. La Parábola Practicando con la parábola Juan Adolfo Álvarez Martínez Autor Es el lugar geométrico de un punto que se mueve en un plano de tal manera que su distancia a una recta fija, situada
Más detallesDistribución Chi (o Ji) cuadrada (χ( 2 )
Distribución Chi (o Ji) cuadrada (χ( 2 ) PEARSON, KARL. On the Criterion that a Given System of Deviations from the Probable in the Case of a Correlated System of Variables is such that it Can Reasonably
Más detallesTeoría a de Sistemas y Señales
Teoría a de Sistemas y Señales Señales y Sistemas Autor: Dr. Juan Carlos Gómez TeSyS J. C. Gómez 1 Definiciones de Sistemas y Señales Sistema: conjunto de componentes interactuantes. Señal: es una función,
Más detallesParte de las notas tomadas de: Prof. Edgar Acuña UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ
Estadística stica No Paramétrica Parte de las notas tomadas de: Prof. Edgar Acuña http://math.uprm math.uprm/edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ METODOS ESTADISTICOS
Más detallesProforma C. Flood-CBA#2 Training Seminars. Caso de Estudio de Écija
Proforma C Flood-CBA#2 Training Seminars Proforma A B C D E F Fundamento Recopilación de información del lugar a estudiar. Recopilación de detalles sobre (a) el riesgo de inundación actual y (b) los puntos
Más detallesÍndice 1. Introducción Imagen digital. Formación imagen Histograma de una imagen digital 2. Transformaciones puntuales. Introducción.
Índice 1. Imagen digital. Formación imagen Histograma de una imagen digital 2. Transformaciones puntuales Procesamiento de imágenes digitales Transformaciones basadas en el histograma Ecualización del
Más detallesSelección Diseño de Cribado
Selección Diseño de Cribado Resumen La sección diseño experimental del STATGRAPHICS puede crear una amplia variedad de diseños dirigidos a mostrar los factores más importantes que afectan un proceso. Se
Más detallesCapítulo. Distribución de probabilidad normal. Pearson Prentice Hall. All rights reserved
Capítulo 37 Distribución de probabilidad normal 2010 Pearson Prentice Hall. All rights 2010 reserved Pearson Prentice Hall. All rights reserved La distribución de probabilidad uniforme Hasta ahora hemos
Más detallesmecánica estadística El Conjunto Canónico Capítulo 2
mecánica estadística El Conjunto Canónico Capítulo 2 2013 Conjunto Canónico Características de cada miembro del conjunto,v,t,v,t,v,t,v,t I I I Los miembros del conjunto son idénticos y distinguibles. umero
Más detallesME4010: Introducción a la Ingeniería Nuclear
: Introducción a la Ingeniería Nuclear Sergio Courtin V. Abril 2016 Departamento de Ingeniería Mecánica FCFM - Universidad de Chile Moderación Moderación o Frenado de Neutrones por Dispersión Elástica
Más detallesII. El Postulado Fundamental de la Mecánica Estadística
II. El Postulado Fundamental de la Mecánica Estadística El Postulado Fundamental. Concepto microscópico de Entropía, Temperatura y Equilibrio Térmico. Principios de la Termodinámica. Función de partición.
Más detalles1 CÁLCULO DE PROBABILIDADES
1 CÁLCULO DE PROBABILIDADES 1.1 EXPERIENCIAS ALEATORIAS. SUCESOS 1.1.1 Definiciones Experiencia aleatoria: experiencia o experimento cuyo resultado depende del azar. Suceso aleatorio: acontecimiento que
Más detallesHallar el tiempo T1 (= num. de saltos NS1) ha de transcurrir para que el 30% de las partículas estén a una distancia mayor que 10S del centro.
Proyecto B. Temas propuestos. P1. Difusión - Movimiento Browniano - Camino aleatorio. Mediante el uso del formalismo del camino aleatorio estudiar diferentes fenómenos y situaciones relacionados con el
Más detallesIntroducción a estadística
Introducción a estadística Diego Shalom Laboratorio 5 Abril 2016 Medición = Comparar Comparar a veces es fácil, pero no siempre. Estadística descriptiva: valor representativo y ancho de la distribución
Más detallesCAPÍTULO 7. Etapas en cascada
CAPÍTULO 7 Etapas en cascada Resumen El tema de este capítulo son las etapas en cascada, abarcando su análisis y diseño de etapas en cascada. Incluye un método alternativo, en el que se tienen en cuenta
Más detallesCapítulo 3. Modelado de la saturación Modelado de la saturación en máquinas eléctricas.
Capítulo 3. Modelado de la 3.1. Modelado de la saturación en máquinas eléctricas. Aunque por lo general, el análisis de las máquinas eléctricas se realiza asumiendo linealidad del sistema magnético, en
Más detallesPENDULO ESFERICO, FORZADO Y AMORTIGUADO CON MASA VARIABLE
PENDULO ESFERICO, FORZADO Y AMORTIGUADO CON MASA VARIABLE Camilo A. Jiménez R. 1, Diego F. Jaramillo C. 1, Miller J. Vargas B. 1. 1 Universidad Distrital Francisco José de Caldas. Grupo de estudio de desarrollo
Más detallesCÁLCULO DE LA CONTRIBUCIÓN SOLAR TÉRMICA EN INSTALACIONES DE ACS EN EDIFICIOS.
CÁLCULO DE LA CONTRIBUCIÓN SOLAR TÉRMICA EN INSTALACIONES DE ACS EN EDIFICIOS. COMPARACIÓN ENTRE EL MÉTODO DE SIMULACIÓN DINÁMICA Y F-CHART CONSIDERANDO PÉRDIDAS EN LOS CIRCUITOS. Guilló, J.F.*, Lucas,
Más detallesHoja 4 Variables aleatorias multidimensionales
Hoja 4 Variables aleatorias multidimensionales 1.- Estudiar si F (x, y) = 1, si x + 2y 1, 0, si x + 2y < 1, es una función de distribución en IR 2. 2.- Dada la variable aleatoria 2-dimensional (X, Y )
Más detallesCondensación de un gas ideal de bosones
Clase 13 Condensación de un gas ideal de bosones Para un gas de bosones, el número promedio de partículas está dado por la expresión, N = i e βɛ i(v ) 1 e βɛ i(v ) (13.1) Es a través de la fugacidad, denotada
Más detallesUNIT 2 DIVISIBILITY 1.- MULTIPLES AND FACTORS Concept of multiple Concept of factor
UNIT 2 DIVISIBILITY 1.- MULTIPLES AND FACTORS 1.1.- Concept of multiple We say that a number a is a multiple of another number b if the division a : b is an exact division, that is, if b contains a a whole
Más detallesMICROSOFT EXCEL PARA DIRECCIÓN FINANCIERA I. 1. Resolución de problemas de simulación de Montecarlo mediante el uso de la hoja de cálculo.
MICROSOFT EXCEL PARA DIRECCIÓN FINANCIERA I. 1. Resolución de problemas de simulación de Montecarlo mediante el uso de la hoja de cálculo. Mediante el modelo de Hertz o Simulación de Montecarlo, trataremos
Más detallesTema: 1.8 Tipos de gráficas utilizadas en estadísticas.
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO ESCUELA PREPARATORIA DE IXTLAHUACO Tema: 1.8 Tipos de gráficas utilizadas en estadísticas. Lic. Lucia Hernández Granados Enero Junio 2018 Tema: 1.8 Tipos de gráficas
Más detalles2.3 El método de matriz de transferencia: modelo de Ising en d = 1
2.3 El método de matriz de transferencia: modelo de Ising en d = Este es un método para resolver sistemas definidos en redes con variables discretas, el cual se utiliza fundamentalmente para resolver problemas
Más detallesESTIMACIÓN DE FUNCIONES DE DENSIDAD DE DATOS CORRELACIONADOS Y/O CON VALORES ATÍPICOS
Servy, Elsa Cuesta, Cristina Marí, Gonzalo Instituto de Investigaciones Teóricas y Aplicadas, Escuela de Estadística ESTIMACIÓN DE FUNCIONES DE DENSIDAD DE DATOS CORRELACIONADOS Y/O CON VALORES ATÍPICOS
Más detallesC15153 Resistencia de Materiales Esfuerzos Combinados
C15153 Resistencia de Materiales Esfuerzos Combinados Roberto Ortega, Ph.D roberto.ortega.a@usach.cl c b Resistencia de Materiales Esfuerzos Combinados 1 of 10 orientation of the reference plane. As a
Más detallesFísica Estadística. Tercer curso del Grado en Física. J. Largo & J.R. Solana. Departamento de Física Aplicada Universidad de Cantabria
Tercer curso del Grado en Física largoju at unican.es J. Largo & J.R. Solana solanajr at unican.es Departamento de Física Aplicada Universidad de Cantabria Indice I El Física El El Física Colectivo Se
Más detallesACTIVIDAD 2: La distribución Normal
Actividad 2: La distribución Normal ACTIVIDAD 2: La distribución Normal CASO 2-1: CLASE DE BIOLOGÍA El Dr. Saigí es profesor de Biología en una prestigiosa universidad. Está preparando una clase en la
Más detallesÁREA ACADÉMICA: MATEMATICAS TEMA: CONSTRUCCION DEL TRIANGULO DE PASCAL PROFESOR: EVA RAMIREZ ORTEGA PERIODO: ENERO-JUNIO 2018
ÁREA ACADÉMICA: MATEMATICAS TEMA: CONSTRUCCION DEL TRIANGULO DE PASCAL PROFESOR: EVA RAMIREZ ORTEGA PERIODO: ENERO-JUNIO 2018 TEACHER: MTE. HEIDI ZAMORA NAVA SEMESTER: January May, 2015 TRIÁNGULO DE PASCAL
Más detallesL=1,85. a) Suponemos que la viga tiene sólo una masa puntual para asimilarlo al comportamiento de un muelle de constante elástica:
IIND 4º CURSO. ESTRUCTURAS PROBLEMAS PROPUESTOS DE DINÁMICA NOTA: Cuando proceda considerar el factor de amortiguamiento, tómese: ζ= 0,02. D 1. Una viga simplemente apoyada de 1,85 m de luz está formada
Más detallesInteligencia Computacional (IA 013) Recocido Simulado: Algoritmo Básico
Recocido Simulado: Algoritmo Básico c M. Valenzuela 1996 2003 (19 de enero de 2004) 1. Idea básica de recocido simulado Cuando un material se somete a un calentamiento a temperatura muy alta, y después
Más detallesFICHA DE REPASO: ESTADÍSTICA
FICHA DE REPASO: ESTADÍSTICA 1. Indica la población y la muestra de los siguientes estudios estadísticos: a) El número de móviles de los alumnos de 2º de la E.S.O de nuestro instituto. b) La altura de
Más detallesClasificación Bimodal
Clasificación Bimodal Metodos clásicos Uso de Metaheurísticas Uso de un índice difuso Experimento de Monte Carlo Clasificación bimodal B 1 B 2 B 3 A 1 A 2 A 3 Minimizar con g kl = A k 1 W ( P) = B l i
Más detallesEjercicio 1. Ejercicio 2
Guía de Ejercicios Ejercicio. Calcular los momentos de primer y segundo orden (media y varianza) de una variable aleatoria continua con distribución uniforme entre los límites a y b.. Sabiendo que la función
Más detallesVMC vs DMC. Study of the Ground State Energy of He 4. B. Dannowitz, B. Dellabetta, A. Ghalsasi. May 12, 2011
Study of the Ground State Energy of He 4 B. Dannowitz, B. Dellabetta, A. Ghalsasi The University of Illinois at Urbana-Champaign May 12, 2011 Outline 1 2 3 VMC Overview Objective: nd E 0 and test out Ψ
Más detallesHistéresis magnética Transiciones de fase magnéticas
Histéresis magnética Transiciones de fase magnéticas Objetivo En este experimento se estudia el fenómeno de histéresis y la transición de fases normal a magnética de materiales ferromagnéticos o ferrimagnéticos
Más detallesESTADÍSTICA DE LA OBSERVACIÓN
OBJETIVOS DE APREDIZAJE ESTADÍSTICA DE LA OBSERVACIÓ Declarar lo que es la muestra de una población Reconocer una distribución normal Calcular la mediana, la media y la moda Calcular la varianza Utilizar
Más detallesDESARROLLO DE UN MODULO TUTORIAL DE UNA TORRE DE DESTILACIÓN BASADO EN EL MODELO MATEMÁTICO DE SOREL
DESARROLLO DE UN MODULO TUTORIAL DE UNA TORRE DE DESTILACIÓN BASADO EN EL MODELO MATEMÁTICO DE SOREL Miguel Angel Mesa Silva y Nicolas Lallemand Najar Universidad de América, Bogotá DC Resumen. El proyecto
Más detallesResolución de ecuaciones no lineales y Método de Bisección
Resolución de ecuaciones no lineales y Método de Bisección Recordemos algunas ecuaciones 1) Resolver [ ] [ ] Sol: 2) Resolver la siguiente ecuación literal para la variable ; Sol: 3) Resolver Solución:
Más detallesÚltimas notas de SVD
Últimas notas de SVD MAT-251 Dr. CIMAT A.C. e-mail: alram@cimat.mx web: http://www.cimat.mx/~alram/met_num/ Dr. Salvador Botello CIMAT A.C. e-mail: botello@cimat.mx Relación entre los valores singulares
Más detalles3. Variables aleatorias
3. Variables aleatorias Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 3. Variables aleatorias Curso 2009-2010 1 / 33 Contenidos 1 Variables aleatorias y su distribución
Más detallesMovilidad de interfases sometidas a campos externos. Arizona, Tucson, Arizona 85721. Resumen
Movilidad de interfases sometidas a campos externos G.M.Buendía 1, P.A.Rikvold 2 y M.Kolesik 3 1 Departamento de Física. Universidad Simón Bolívar, Caracas 1080 2 Department of Physics, Florida State University,
Más detallesLa Estadística inferencial. Estadística inferencial. La Estadística inferencial. La Estadística inferencial. La Estadística inferencial
Estadística inferencial DEFINICIÓN Estadística Inferencial (o Estadística Analítica): Es la que se ocupa de obtener conclusiones sobre las poblaciones a partir de la información recogida en las muestras.
Más detallesCURRICULUM VITAE INFORMACION GENERAL PUBLICACIONES
NOMBRE: RAUL GARIBAY ALONSO NOMBRAMIENTO: TEL OFICINA: 35403020 EXT. (64028) E-MAIL: raul.garibay@live.mx GRADO DE DOCTOR EN: CIENCIAS FISICA CURRICULUM VITAE INFORMACION GENERAL OBTENIDO EN: UNIVERSIDAD
Más detallesMediante el entendimiento del movimiento de las vacancias se puede explicar el proceso de difusión de átomos en un sólido cristalino.
Vacancias Mediante el entendimiento del movimiento de las vacancias se puede explicar el proceso de difusión de átomos en un sólido cristalino. La difusión en un cristal se explica en términos de las vacancias,
Más detallesModelo de Computación Cuántica. Jesús García López de Lacalle
Modelo de Jesús García López de Lacalle Grupo de Investigación Mathematical Modeling and Biocomputing (MMBC) ETS de Ingeniería de Sistemas Informáticos Universidad Politécnica de Madrid jglopez@etsisi.upm.es
Más detallesIntersección de Segmentos de Recta. Geometría Computacional, MAT-125
Intersección de Segmentos de Recta Geometría Computacional, MAT-125 Dados dos conjuntos de segmentos de recta, calcular todas las intersecciones entre los segmentos de un conjunto y los segmentos del otro
Más detallesTema 12: Distribuciones de probabilidad
Tema 12: Distribuciones de probabilidad 1. Variable aleatoria Una variable aleatoria X es una función que asocia a cada elemento del espacio muestral E, de un experimento aleatorio, un número real: X:
Más detallesClase 3: Vectores gaussianos *
Clase 3: Vectores gaussianos * Índice 1. Vectores gaussianos 1. Simulación de vectores gaussianos.1. Simulación de variables gaussianas: el método de Box-Muller.. Simulation of bi-dimensional Gaussian
Más detallesCRISTALOQUÍMICA TEMA 9 POLIMORFISMO Y TRANSFORMACIONES POLIMÓRFICAS. TRANSFORMACIONES ORDEN - DESORDEN ÍNDICE
CRISTALOQUÍMICA TEMA 9 POLIMORFISMO Y TRANSFORMACIONES POLIMÓRFICAS. TRANSFORMACIONES ORDEN - DESORDEN 9.1 Introducción 9.2 Estabilidad y equilibrio ÍNDICE 9.3 Concepto de polimorfismo y de transformación
Más detalles1. Introducción Antecedentes y Motivación Sobre esta tesis Por qué un sistema de pensiones?... 5
Tabla de contenido 1. Introducción 1 1.1. Antecedentes y Motivación................................ 1 1.2. Sobre esta tesis....................................... 3 1.3. Por qué un sistema de pensiones?............................
Más detallesGeneración de variables aleatorias continuas Método de rechazo
Generación de variables aleatorias continuas Método de rechazo Georgina Flesia FaMAF 18 de abril, 2013 Método de Aceptación y Rechazo Repaso Se desea simular una v. a. X discreta, con probabilidad de masa
Más detalles4.- PROPIEDADES ELÉCTRICAS DE LOS SÓLIDOS FÍSICA DEL ESTADO SÓLIDO II
4.- DE LOS SÓLIDOS FÍSICA DEL ESTADO SÓLIDO II 4. Propiedades eléctricas de los sólidos Conductividad eléctrica. Metales, semiconductores y aislantes. Semiconductores intrínsecos y extrínsecos. Dieléctricos.
Más detalles4. Prueba de Hipótesis
4. Prueba de Hipótesis Como se ha indicado anteriormente, nuestro objetivo al tomar una muestra es extraer alguna conclusión o inferencia sobre una población. En nuestro interés es conocer acerca de los
Más detallesOFERTA DE TEMAS DE TRABAJOS FIN DE ESTUDIOS. Curso académico: Titulación: Grado en Matemáticas Tipo de trabajo: No concertado
OFERTA DE TEMAS DE TRABAJOS FIN DE ESTUDIOS Curso académico: 2017-18 Titulación: Grado en Matemáticas Tipo de trabajo: No concertado 18002-701G Series divergentes y métodos de sumación 1 Cuando una serie
Más detallesMATEMÁTICAS: EBAU 2017 JUNIO CASTILLA Y LEÓN
MATEMÁTICAS: EBAU 7 JUNIO CASTILLA Y LEÓN Opción A Ejercicio A Sean A = ( 4 ) y B = ( 3 ), a) Estudiar si A y B tienen inversa y calcularla cuando sea posible. ( punto) Una matriz cuadrada M tiene inversa
Más detallesFACULTAD DE INGENIERÍA
FACULTAD DE INGENIERÍA ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA INDUSTRIAL Aplicación de la mejora de proceso en la contratación de bienes y servicios para la optimización de recursos en la Municipalidad
Más detallesEl calentamiento observado durante el siglo 20, puede ser explicado por la variabilidad natural del clima?
El calentamiento observado durante el siglo 20, puede ser explicado por la variabilidad natural del clima? Puede un evento extremo individual ser explicado por el efecto invernadero? CLAUDIO G. MENENDEZ
Más detallesDistribución normal. Resumen. Estadística Aplicada a la Investigación en Salud Medwave. Año XI, No. 5, Mayo Open Access, Creative Commons.
Estadística Aplicada a la Investigación en Salud Medwave. Año XI, No. 5, Mayo 2011. Open Access, Creative Commons. Distribución normal Autor: Fernando Quevedo Ricardi (1) Filiación: (1) Departamento de
Más detallesScientia Et Technica ISSN: Universidad Tecnológica de Pereira Colombia
Scientia Et Technica ISSN: 0122-1701 scientia@utp.edu.co Universidad Tecnológica de Pereira Colombia Alirio Valencia, Edgar; Poveda, Yuri Alexander; Escudero Salcedo, Carlos Arturo Desigualdad de Chebyshev
Más detallesMatemáticas Nivel Medio Matemáticas Ap.CC.SS.II
Matemáticas Nivel Medio Matemáticas Ap.CC.SS.II Martes, 6 de febrero de 018 1 hora y 15 minutos. NOMBRE APELLIDOS CALIFICACIÓN 1. La longitud auricular de la oreja en varones jóvenes, medida en centímetros
Más detallesProcesamiento de voz - Reconocimiento de voz II
Procesamiento de voz - Reconocimiento de voz II Marc S. Reßl Roxana Saint-Nom 2009 Ingeniería Electrónica Instituto Tecnológico de Buenos Aires Reconocimiento de voz Las técnicas que vimos hasta ahora
Más detallesPrincipios de Estructura de la Materia Equipo 4. Solución de la ecuación de Schrödinger para un rotor rígido
Principios de Estructura de la Materia Equipo 4 Ramírez Palma Lillian Gisela Rendón Gaytán Fernando Torres Alcalá Andrea Villanueva Sánchez Luis Felipe Solución de la ecuación de Schrödinger para un rotor
Más detallesTema 8: Métodos de cadenas de Markov Monte Carlo
Tema 8: Métodos de cadenas de Markov Monte Carlo Conchi Ausín Departamento de Estadística Universidad Carlos III de Madrid concepcion.ausin@uc3m.es CESGA, Noviembre 2012 Introducción Los métodos de cadenas
Más detallesBLOQUE 3 TEMA 11 ESTIMACIÓN DE PARÁMETROS. ERRORES DE ESTIMACIÓN
BLOQUE 3 TEMA 11 ESTIMACIÓN DE PARÁMETROS. ERRORES DE ESTIMACIÓN Aproximación intutitiva a la inferencia estadística La Estadística es la ciencia que se ocupa de la ordenación y análisis de datos procedentes
Más detallesVariables Aleatorias y Principios de Simulación.
Variables Aleatorias y Principios de Simulación http://humberto-r-alvarez-a.webs.com Conceptos de probabilidad La Teoría de Probabilidad trata fenómenos que pueden ser modelados por experimentos cuyos
Más detallesDistribuciones normales. Cálculo Numérico y Estadística. Grado en Química. U. de Alcalá. Curso F. San Segundo.
Distribuciones normales. Cálculo Numérico y Estadística. Grado en Química. U. de Alcalá. Curso 2014-2015. F. San Segundo. Función de densidad de la familia de distribuciones normales. Empezamos recordando
Más detallesDistribuciones de Probabilidad
Distribuciones de Probabilidad Parte 3: La Distribución Normal La campana de Gauss La campana de Gauss, curva de Gauss o curva normales una función de probabilidad continua, simétrica, cuyo máximo coincide
Más detallesC/ Fernando Poo 5 Madrid (Metro Delicias o Embajadores).
Ejercicio 1 AÑO 013- OPCIÓN A mx + y + z = m 1 m 1 x + my = 1 } (A) = ( 1 m 0 ) (A ) = ( 1 m 0 1 ) 6y z = 1 1 Calculamos el det(a) e igualamos a cero para sacar los valores en los que el determinante se
Más detalles2.1 Introducción. Propiedades.
19 2 MATRICES II: DETERMINANTES En este segundo capítulo de matrices, aprenderemos a utilizar una herramienta muy importante como son los determinantes Gracias a ellos, podremos calcular la inversa de
Más detallesEstimación por intervalo del parámetro de la distribución de Poisson con una sola observación
Revista Colombiana de Estadística Volumen 30 No. 1. pp. 69 a 75. Junio 2007 Estimación por intervalo del parámetro de la distribución de Poisson con una sola observación Interval Estimation for the Poisson
Más detallesZero Method to solve Inequalities
Facultad de Ciencias Básicas c Programa de Matemáticas Vol. 1, No 2, 2014 Revista Del Programa De Matemáticas 2014 95 101 Método del Cero para resolver Inecuaciones Zero Method to solve Inequalities Jorge
Más detalles