A második világháború után a Los Alamos-i kutatóintézetben a neutronok szabad úthosszának meghatározása különböző anyagokban, analitikus módszerekkel nem volt megoldható. Stanislaw Ulam javasolta a véletlen értékekkel végzett kísérleteket, melyekből következtetéseket lehetett levonni a jelenségre vonatkozóan. Monte Carlo szimuláció [ szerkesztés] Valószínűség eloszlás mintavételezése. A minták alapján lehetséges kimenetek meghatározása. A lehetséges kimenetek valószínűségének számítása. Többszörös integrálok értékének meghatározása [ szerkesztés] A többszörös integrál transzformálása [ szerkesztés] Az I integrál geometriai jelentése egy m+1 dimenziójú térfogat, vagyis egy Ox 1 x 2... Piaci és hitelkockázat menedzsment - Strukturált Monte Carlo-szimuláció - MeRSZ. x m y térben S alapú egyenes hiperhenger, melyet felülről az y=f(x 1, x 2,..., x m) felület határol. Legyen az függvény folytonos egy zárt S tartományon. A feladat az integrál értékének meghatározása. Az I integrált olyan alakra hozzuk, hogy az új integrálási tartomány egy m dimenziós egységélű hiperkockán belülre kerüljön.
Nyomtatóbarát változat Cím angolul: Monte Carlo simulation applied for determining internal dose exposure Típus: MSc diplomamunka téma - nukleáris technika MSc diplomamunka téma - orvosi fizika Témavezető: Intézet/Tanszék/Cégnév: Energiatudományi Kutatóközpont Sugárvédelmi Laboratórium Konzulens: Intézet/Tanszék: Nukleáris Technikai Intézet Hallgató: Képzés: Fizikus MSc - orvosi fizika Elvárások: A sugárvédelemhez kapcsolódó tantárgyak sikeres elvégzése, jártasság a számítástechnikai alkalmazásokban és a nukleáris méréstechnikában. Leírás: Az MTA Energiatudományi Kutatóközpont sugárvédelmi csoportja évtizedek óta foglalkozik a belső sugárterhelés meghatározására alkalmas mérések és számítások fejlesztésével. A belső sugárterhelés meghatározása két lépésben történik, először a szervezetben lévő, illetőleg oda bejutott gammasugárzó radioaktív anyagok minőségét, mennyiségét és annak eloszlását kell meghatározni, majd ennek ismeretében a felvételre vonatkozó további feltételezések figyelembevételével lehetséges a személyt érő lekötött dózis becslése.
A szükséges függvénykiértékelések száma gyorsan nő a dimenziók számával (hogyha 10 kiértékelés nyújt megfelelő pontosságot egy dimenzióban, akkor 100 dimenzióban 10 100 pontban kell értéket kiszámolnunk). A második nehézséget a többdimenziós integrálási tartomány határa jelenti, a feladat legtöbbször nem vezethető vissza egymásba ágyazott egydimenziós integrálok kiszámítására. A számítási idő exponenciális növekedése áthidalható a Monte-Carlo-módszerek alkalmazásával. Ha a függvény "jól viselkedik", az integrált megbecsülhetjük a 100 dimenziós térben véletlenszerűen felvett pontokban számolt függvényértékek súlyozott átlagával. A centrális határeloszlás-tétel alapján a módszer konvergenciája (pl. Monte carlo szimuláció movie. : a mintapontok számát négyszeresére növelve a hiba feleződik, a dimenziók számától függetlenül). Egy illusztráció a Monte-Carlo-integrálás hiba számolásárol Az algoritmus javítására egy lehetőség a statisztikában fontossági mintavételként ismert módszer, aminek lényege, hogy a mintapontokat véletlenszerűen választjuk ki, de ott, ahol az integrandus értéke nagyobb, sűrűbben veszünk mintát.
Ezek lényege, hogy az egyes fotonok életciklusát egymástól függetlenül szimulálják a forrástól a detektorig. Ebbe a modellbe könnyedén beépíthetők az ismert fizikai hatások: koherens és inkoherens szóródás, fotoelektromos kölcsönhatás (elnyelés), így az egyszerű elnyeléshez képest pontosabb forrás és detektor modell készíthető. A Monte Carlo módszer legnagyobb hátránya, hogy rendkívül sok részecskét kell szimulálni a megfelelően pontos, azaz kicsiny relatív szórású eredményhez. Számos létező és elterjedt szimulátor létezik már, pl. a GATE vagy a GEANT1, amikkel nagyon pontosan tudjuk szimulálni a fizikai hatásokat, ám a sebességük kifejezetten alacsony a szükséges hatalmas részecskeszámhoz képest, tipikusan maximum 10 6 részecske másodpercenként egy modern számítógépen2. Monte-Carlo szimulációk. Ezzel a sebességgel még több száz gépes klasztereken, illetve grid rendszereken is kivárhatatlan idő lenne egy CT szimuláció, ezért új módszereket kell keresni.
MAPPÁBA RENDEZÉS A kiadványokat, képeket mappákba rendezheted, hogy a tanulmányaidhoz, kutatómunkádhoz szükséges anyagok mindig kéznél legyenek. A MeRSZ+ funkciókért válaszd az egyéni előfizetést! KIVONATSZERKESZTÉS Intézményi hozzáféréssel az eddig elkészült kivonataidat megtekintheted, de újakat már nem hozhatsz létre. A MeRSZ+ funkciókért válaszd az egyéni előfizetést!
A pontos megoldást a (2. 2. 8. ) képlet alapján számítottuk, ami a paraméterek ezen választása mellett R 1 ( z)=1−0. 75⋅ e − 0. 05 z. A 2. b. ábrán pedig kinagyítottuk a 2. a ábra egy részletét. 2. a ábra 2. b ábra A 2. a és 2. b ábrákon az R 2 ( z) függvényt ábrázoltuk a [ 0, 120] intervallumon exponenciális eloszlású betöltések mellett. A 2. b ábra a 2. a ábra egy kinagyított részletét mutatja. A paramétereket a következıképpen választottuk: 3. =0 λ, µ = 10 és c = 2. Látható, hogy >1 c λµ a paraméterek ezen választása mellett. A pontos megoldás a (2. 9. ) képlet értelmében z c z e R 2 () 1 1 − 0. 05 − − = µ λµ. 2. b ábra 0 20 40 60 80 100 120 0. 2 0. 3 0. 4 0. 5 0. 6 0. 7 0. 8 0. 9 60 65 70 75 80 85 0. 82 0. 84 0. 86 0. 88 0. 92 0. 94 0. 96 0. 98 0. 1 60 70 80 90 100 110 0. Monte carlo szimuláció teljes film. 55 0. 65 0. 75 0. 85 0. 95 R 1 R 2 R 2 z z A 2. 3. b ábrán az egységnyi betöltések mellett kapott R 1 ( z) függvényt ábrázoltuk a [ 0, 20] intervallumon. A folyamat paramétereit λ =0. 45, 5. c -nek választottuk. A pontos megoldást az (2. )
Keresett kifejezés Tartalomjegyzék-elemek Kiadványok Kiadó: Akadémiai Kiadó Online megjelenés éve: 2016 ISBN: 978 963 05 9862 0 DOI: 10. 1556/9789630598620 Az elmúlt néhány évtized egyik legnagyobb pénzügyi válsága kivételes módon erősítette annak jelentőségét, hogy pénzügyi döntéseinket ne csak determinisztikusnak hitt események és mutatók alapján hozzuk meg, hanem vegyük figyelembe a különböző kimenetekhez csatolható kockázatokat is. Monte-Carlo szimuláció és szimulációs eredmények. A modern tőkekövetelményi irányelvek (CRD) elmélete és gyakorlata nem is érthető meg a kockázati kitettség kezelésének képessége nélkül. E képességek megszerzéséhez nyújt kitűnő segítséget a könyv, melynek tartalmi elsajátítása nemcsak a pénzügyi szférában dolgozókat segíti, ugyanolyan haszonnal jár a reálszféra döntéshozói számára is. Dr. Vörös József - akadémikus, egyetemi tanár Pécsi Tudományegyetem, Közgazdaságtudományi Kar Rendkívül érdekes, sok tekintetben hiánypótló munkáról van szó. Ez a kiváló módszertanú, logikusan felépített szakkönyv a legmodernebb kockázatmérési és kezelési metodikák világába vezeti az Olvasót.
Így minden nőnek tudnia kell, hogy a nőgyógyászok milyen helyesnek tartják a szülészeti és a terhességi feltételeket annak meghatározása érdekében, hogy hány hét terhesség már elhaladt magától.
A terhességi kor megállapítására használhatunk úgynevezett terhességi korongot, amelyek külső körén a hónapok, illetve napok vannak feltüntetve, a belső körén pedig 0-tól 40-ig számozott beosztás szerepel, mely a terhességi heteket jelenti. A 0-t kell az utolsó menses időpontjához állítani, majd a 40-esnél leolvashatjuk a szülés várható időpontjának hónapját, illetve napját. Ha megvan a pozitív eredményeket, továbbra is nap mint nap próbára. A vonal a teszt kéne sötétebb minden alkalommal. Ez annak a jele, hogy a terhesség megy végig zökkenőmentesen és a hormonok szaporodnak, mint kellene. 3 Írja le a terhességi tünetek minden nap. Ez segít emlékezni mit tapasztalt, és amikor ( a memória bajban gyakran tünete a terhesség). Az normális, hogy egyáltalán nincsenek tünetei, vagy sok tünet, de ha van egy tünete egy-két hét, hogy hirtelen eltűnik, ez lehet a jele, hogy a dolgok nem rendben a terhesség. Gyakori tünetek: begyulladt, pályázat mell, reggeli rosszullétek, lábikragörcs, gyakori vizelés, a székrekedés és a kimerültség.