MECÂNICA ESTATÍSTICA QUÂNTICA GENERALIZADA TENSORIAL DIMENSIONAL DE ANCELMO L. GRACELi [2.074]

MECÂNICA ESTATÍSTICA QUÂNTICA GENERALIZADA TENSORIAL DIMENSIONAL RELATIVISTA DE ANCELMO L. GRACELI.

EEQ G = ENERGIA ESTATÍSTICA QUÂNTICA DE ANCELMO L. GRACELI.

EEQ G = [Gd* $G_{\mu \nu }\$ ] $G$ * $G_{\mu \nu }\$ / ${\mathcal {T}}$ $\psi$ [PT] PTI] PA] [PE] [MT] [MR] [MEM] [ $F\ {\stackrel {\mathrm {def} }{=}}\ \mathrm {d} A.$ ] [ ${\vec {A}}\ \$ $\phi \ \$ ] [ [ $F_{0}$ $\omega$ $\phi$ ] $]$ [ $-i\hbar {\frac {\partial }{\partial x_{n}}}$ $.$ $.$ = $\left|\psi ({\vec {r}},t)\right\rangle$

MECÂNICA ESTATÍSTICA QUÂNTICA GENERALIZADA TENSORIAL DIMENSIONAL RELATIVISTA DE ANCELMO L. GRACELI.

[Gd*] = DIMENSÕES DE ANCELMO L. GRACELI =

MASSA TÉRMICA, [MT]

MASSA ELETROMAGNÉTICA. MEM]

MASSA RADIOATIVA [MR]

POTENCIAL DE ABSORÇÃO [PA]

POTENCIAL DE TUNELAMENTO.[PT]

POTENCIAL DE TRANSFORMAÇÃO INTERAÇÕES. PTI]

POTENCIAL DE ENTROPIA. [PE]

VARIAM CONFORME MEIO FÍSICO EM QUE SE ENCONTRAM. E POTENCIAL DE TRANSFORMAÇÕES E INTERAÇÕES DESTES MEIOS FÍSICOS.

COM VARIAÇÕES DE SPINS E ENERGIAS CONFORME O CITADO ACIMA.

PONTOS CRÍTICOS DE TRANSFORMAÇÕES DAS MASSAS E ENTROPIAS E ENTALPIAS DAS MASSAS VARIAM CONFORME OS MEIOS E POTENCIAIS DE INTERAÇÕES DAS MESMAS.

https://obrasdeancelmoluizgraceli2026.wordpress.com/

MECÂNICA QUÂNTICA POTENCIAL HARMÔNICA GENERALIZADA DE ANCELMO L. GRACELI.

FUNDAMENTO.

1 - SE FUNDAMENTA NO POTENCIAL DE INTERAÇÕES E TRANSFORMAÇÕES DE ENERGIAS, CAMPOS, ESTADOS E DIMENSÕES DE GRACELI, E MATÉRIA.

2 - E NA RELAÇÃO E INTERAÇÕES DOS ESTADOS E DIMENSÕES DE GRACELI.

3 - E NA RELAÇÃO DE ENTROPIAS POTENCIAIS , E VIBRAÇÕES E MOMENTUNS POTENCIAIS, COMO TAMBÉM NA DISTRIBUIÇÃO ELETRÔNICA E BANDAS DOS ELEMENTOS.

UM EXEMPLO CLARO É NAS MUDANÇAS DE ESTADOS FÍSICOS, GASES, E INTERAÇÕES DE CAMPOS.

OU SALTO QUÂNTICOS E FREQUÊNCIAS NOS ÁTOMOS.

EM TERMOS DE AMPLITUDE, E FREQUÊNCIA EXCITAÇÃO HARMÔNICA E POTENCIAL TEMOS>

Onde $F_{0}$ é a amplitude, $\omega$ é a frequência e $\phi$ é o de fase da excitação harmônica. O valor de $\phi$ depende do valor de $F(t)$ em t=0.

[Gd* $G_{\mu \nu }\$ ] [Gd* $G_{\mu \nu }\$ ] / ${\mathcal {T}}$ $\psi$ [MT] [[PT] PTI] PA] [PE] [MR] [MEM] [ $F\ {\stackrel {\mathrm {def} }{=}}\ \mathrm {d} A.$ ] [ ${\vec {A}}\ \$ $\phi \ \$ ] [ [ $F_{0}$ $\omega$ $\phi$ ] $]$ [ $-i\hbar {\frac {\partial }{\partial x_{n}}}$ $.$ $.$ = $\left|\psi ({\vec {r}},t)\right\rangle$

[Gd* $G_{\mu \nu }\$ ] [Gd* $G_{\mu \nu }\$ ] / ${\mathcal {T}}$ $\psi$ [MT] [[PT] PTI] PA] [PE] [MR] [MEM] [ $F\ {\stackrel {\mathrm {def} }{=}}\ \mathrm {d} A.$ ] [ ${\vec {A}}\ \$ $\phi \ \$ ] [ [ $F_{0}$ $\omega$ $\phi$ ] [ $f(k;\lambda )={\frac {e^{-\lambda }\lambda ^{k}}{k!}},\,\!$ $]$ [ $-i\hbar {\frac {\partial }{\partial x_{n}}}$ $.$ $.$ = $\left|\psi ({\vec {r}},t)\right\rangle$

[Gd* $G_{\mu \nu }\$ ] [Gd* $G_{\mu \nu }\$ ] / ${\mathcal {T}}$ $\psi$ [MT] [[PT] PTI] PA] [PE] [MR] [MEM] [ $F\ {\stackrel {\mathrm {def} }{=}}\ \mathrm {d} A.$ ] [ ${\vec {A}}\ \$ $\phi \ \$ ] [ [ $F_{0}$ $\omega$ $\phi$ ] [ $P[N(t)=K]={\frac {e^{-\lambda t}(\lambda t)^{k}}{k!}},\,\!$ $]$ [ $-i\hbar {\frac {\partial }{\partial x_{n}}}$ $.$ $.$ = $\left|\psi ({\vec {r}},t)\right\rangle$

Na teoria da probabilidade e na estatística, a distribuição de Poisson é uma distribuição de probabilidade discreta que expressa a probabilidade de um determinado número de eventos ocorrer em um intervalo fixo de tempo ou espaço se esses eventos ocorrerem com uma taxa média constante conhecida e independentemente do tempo desde o último evento.^[1]

A distribuição foi descoberta por Siméon Denis Poisson (1781–1840) e publicada, conjuntamente com a sua teoria da probabilidade, em 1838 no seu trabalho Recherches sur la probabilité des jugements en matières criminelles et matière civile ("Pesquisa sobre a probabilidade em julgamentos sobre matérias criminais e civis"). O trabalho focava-se em certas variáveis aleatórias N que contavam, entre outras coisas, o número de ocorrências discretas de um certo fenômeno durante um intervalo de tempo de determinada duração. A probabilidade de que existam exactamente k ocorrências (k sendo um inteiro não negativo, k = 0, 1, 2, ...) é

f(k;\lambda )={\frac {e^{-\lambda }\lambda ^{k}}{k!}},\,\!

onde

e é base do logaritmo natural (e = 2.71828...),
k! é o fatorial de k,
λ é um número real, igual ao número esperado de ocorrências que ocorrem num dado intervalo de tempo. Por exemplo, se o evento ocorre a uma média de 4 minutos, e estamos interessados no número de eventos que ocorrem num intervalo de 10 minutos, usaríamos como modelo a distribuição de Poisson com λ=10/4= 2.5.

Como função de k, esta é a função de probabilidade. A distribuição de Poisson pode ser derivada como um caso limite da distribuição binomial.

Processo de Poisson

A distribuição de Poisson aparece em vários problemas físicos, com a seguinte formulação: considerando uma data inicial (t = 0), seja N(t) o número de eventos que ocorrem até uma certa data t. Por exemplo, N(t) pode ser um modelo para o número de impactos de asteroides maiores que um certo tamanho desde uma certa data de referência.

Uma aproximação que pode ser considerada é que a probabilidade de acontecer um evento em qualquer intervalo não depende (no sentido de independência estatística) da probabilidade de acontecer em qualquer outro intervalo disjunto.

Neste caso, a solução para o problema é o processo estocástico chamado de Processo de Poisson, para o qual vale:

$P[N(t)=K]={\frac {e^{-\lambda t}(\lambda t)^{k}}{k!}},\,\!$

em que λ é uma constante (de unidade inversa da unidade do tempo)^{[carece de fontes]}.

Ou seja, o número de eventos até uma época qualquer t é uma distribuição de Poisson com parâmetro λ t.

Pesquisar este blog

MECÂNICA ESTATÍSTICA QUÂNTICA GENERALIZADA TENSORIAL DIMENSIONAL DE ANCELMO L. GRACELi [2.074]

Processo de Poisson

Comentários

Postar um comentário

Postagens mais visitadas deste blog