zur Physik
für Chemie-Studierende
Sommersemester 2019
Department für Physik
Naturwissenshaftlih-Tehnishe Fakultät
Universität Siegen
zur Physik
für Chemie-Studierende
Sommersemester 2019
Department für Physik
Naturwissenshaftlih-Tehnishe Fakultät
Universität Siegen
1 LiteraturundSiherheitsbel 4
1.1 Literatur . . . 4
1.2 Siherheitsbel. . . 5
1.2.1 Verhaltenbei Notfällen . . . 5
2 Einführungin dieFehlerrehnung 6 2.1 StatistisheundsystematisheFehler. . . 7
2.2 MathematisheGrundlagenzurFehlerrehnung . . . 8
2.2.1 Mittelwertund Standardabweihung . . . 8
2.2.2 DasgewihteteMittel. . . 10
2.2.3 Fehlerfortpanzung . . . 11
2.2.4 LineareRegression. . . 12
2.2.5 GewihtetelineareRegression. . . 16
2.2.6 AnpassungvonbeliebigenGraphen . . . 16
2.3 Wahrsheinlihkeitsverteilungen. . . 17
2.3.1 GrundlegendeBegrie . . . 17
2.3.2 ZusammenhangmitphysikalishenMessprozessen. . . 22
2.3.3 WihtigeWahrsheinlihkeitsverteilungen . . . 24
3 Die Wheatstone-Brüke 29 3.1 Einführung . . . 29
3.2 PhysikalisheGrundlagen . . . 29
3.2.1 SpezisherWiderstand . . . 30
3.2.2 KirhhosheRegeln . . . 30
3.2.3 Wehselstromwiderstände . . . 31
3.2.4 Zeigerdiagramme . . . 31
3.2.5 TypenvonLeitern . . . 32
3.3 Versuhsaufbau . . . 34
3.4 Versuhsdurhführung . . . 35
3.4.1 ErsterTeil . . . 35
3.4.2 ZweiterTeil . . . 35
3.5 AufgabenundAuswertung . . . 36
3.5.1 Aufgabenzur Vorbereitung . . . 36
3.5.2 Auswertung . . . 36
4 Millikan-Versuh 37 4.1 Einführung . . . 37
4.2 PhysikalisheGrundlagen . . . 37
4.3 Versuhsbeshreibung . . . 39
4.4 Versuhsdurhführung . . . 39
4.5 Auswertung . . . 39
5.1 Einführung . . . 41
5.2 PhysikalisheGrundlagen . . . 41
5.2.1 BewegteLadungen imMagnetfeld . . . 41
5.2.2 ErzeugungeineshomogenenMagnetfeldesdurheinHelmholtzspulenpaar . . 42
5.3 Versuhsaufbau . . . 43
5.4 Versuhsdurhführung . . . 44
5.4.1 MessungderMagnetfeldstärke . . . 44
5.4.2 BestimmungdesKreisbahnradius . . . 44
5.5 Auswertung . . . 45
5.5.1 Aufgabenzur Vorbereitung . . . 45
5.5.2 BestimmungderMagnetfeldstärke . . . 46
5.5.3 Berehnungder spezishenLadung . . . 46
6 Polarisation 47 6.1 Einführung . . . 47
6.2 PhysikalisheGrundlagen . . . 47
6.2.1 ElektromagnetisheWellen . . . 47
6.2.2 ArtenvonPolarisation . . . 48
6.2.3 ErzeugungvonpolarisiertemLiht . . . 49
6.2.4 Photomultiplier . . . 51
6.3 Versuhsaufbau . . . 52
6.4 Versuhsdurhführung . . . 53
6.4.1 Versuhsvorbereitung . . . 53
6.4.2 Messaufgabe1:LinearpolarisiertesLiht. . . 54
6.4.3 Messaufgabe2:ElliptishpolarisiertesLiht . . . 54
6.4.4 Messaufgabe3:MessungderReexionander Glasplatte . . . 55
6.5 Aufgabenzur Auswertung . . . 56
6.5.1 LinearpolarisiertesLiht . . . 56
6.5.2 ElliptishpolarisiertesLiht . . . 56
6.5.3 MessungderReexionanderGlasplatte . . . 57
6.6 KontrollfragenzurVorbereitung. . . 57
1.1 Literatur
NahfolgendeListeenthältalsersteKategoriedieStandardwerkederExperimentalphysik.Die
zweite Kategorieerweitertden Horizont in theoretisher und/oder praktisher Hinsiht.Da-
gegenenthältdiedritteKategoriespezisheBüherzumThemaPhysikalishesPraktikum,
die dem Lesergrundlegende Experimentiertehniken vermitteln.
LiteraturvorshlägesindimmernurAnhaltspunkte,esgibtnihtdas Physikbuh.Letztendlih
bleibtdieWahlderLiteraturauhimmerdempersönlihenGeshmakdesLesersvorbehalten.
Büher zur Experimentalphysik:
Halliday,Resnik Halliday Physik
Alonso-Finn Physik
Bergmann-Shäfer Experimentalphysik(Bd.1-5)
Gerthsen-Kneser Physik
Tipler Physik
Pohl Einführungin die Physik(Bd. 1-3)
Brandt-Dahmen Mehanik: EineEinführung inExperimentund Theorie
Weiterführende Literatur:
D'Ans-Lax DasKohbuh desIngenieurs
Meinke-Grundlah DasKohbuh desElektronik-Ingenieurs
Kohlraush PraktishePhysik
Joos TheoretishePhysik
Praktikumsbüher:
Walher PraktikumderPhysik
Westphal Physikalishes Praktikum
H. Hänsel Grundzügeder Fehlerrehnung
Arbeitsshutz ist eine entsheidende Aufgabe, die sowohl von Ihnen als auh von den Be-
treuern stets wahrgenommen werden muss, um hierdurh Arbeitsunfälle zu vermeiden. Vor
Beginn jedes Versuhes weist Sie Ihr Betreuer auf die jeweiligen siherheitsrelevanten Aspek-
tehin.AllgemeingeltenfürSiewährenddesgesamtenPraktikumsdiefolgendenBestimmungen:
•
Ausshlieÿlih Personen, die sih eingehend vorbereitet haben, dürfen am Versuh teil- nehmen.•
Nur diejenigen Tätigkeitenwerden ausgeübt, die der Versuhsdurhführung zuzuordnen sind.•
Folgen Sieden AnweisungenIhres Betreuers.•
ArbeitenSiekonzentriertundgebenSiebenahbartenGruppendieMöglihkeit,ungestört zuarbeiten.•
GehenSie stetssorgsamund respektvollmitder Messapparatur um.•
Bewahren Sie dieOrdnung aufden Versuhstishen.•
EssindkeineModikationen vonVersuhsaufbauten zulässig.•
Melden Sie verdähtige Umstände, z.B. defekte Apparatur, abgebrohene Teile, niht- intakteelektrisheLeitungenund Geräte,unverzüglihIhremBetreuer.•
BeiSiherheitsbedenken oderimZweifel pausierenSiedenVersuh, bisderBetreuerdas Experimentwieder freigibt.•
VerzihtenSiein denVersuhsräumenauf Telefongespräheund dasSurfen imInternet.1.2.1 Verhalten bei Notfällen
•
ErsthelferdesDepartmentfürPhysik benahrihtigen.DieNamenund Kontaktdaten der Ersthelfernhängen injedem Versuhsraum.•
BeiFeuer, Bedarfan ersteHilfe oderGefahrstoaustrittwird umgehendein Notrufan die zentraleLeitstelle derUniversität abgesetzt:vonjedem internenTelefonapparat: 2-111
vonauÿerhalb desUni-Telefonnetzes:0271-740-2-111
•
BeiNotruf kurzund bündig angeben: Gebäudeteil,Raumnummer, weranruftund was passiert ist.WARTEN AUFRÜCKFRAGEN, das Gesprähwirdvon derLeitstellebeendet!
In der Physik spieltdie Abshätzung und Angabe von Fehlern zu einem Messwert eineent-
sheidendeRolle.KeineMessungistfreivonFehlern!SelbstwenneineMessapparaturabsolut
unverändertbleibtundsihkeinerleiäuÿereParameterändern,shwankenalleMessergebnisse
um einenbestimmtenWert,den sog.Mittelwert.Dahergilt:
Kein Messergebnis ohneAngabe von Messfehlern!
Hiersollein kurzerÜberbliküberdieimAnfängerpraktikumnötigenBegrieundMethoden
der Fehlerrehnung und Datenanalyse gegeben werden. Alles in dieserHinsiht Wihtigefür
die AuswertungderVersuhewirdhierzusammengefasstundmotiviert.DaherhatdieseEin-
führung keinen Lehrbuhharakter, sondern ist als Nahshlagewerk und Hilfein der Praxis
gedaht.DennSinndesPraktikumsistnihtzuletztdasErlernenderAnwendungstatistisher
Methoden in einem konkreten Experiment, was später im Studium auh theoretish weiter
vertieft werdenkann.
Im folgenden Abshnitt2.1wirdzuerstder BegridesFehlersin derPhysik erläutert.Daran
shlieÿt sih eine Zusammenfassung und kurze Herleitung aller im Praktikum notwendigen
Formeln in Abshnitt 2.2 an. Den Abshluss in Abshnitt 2.3 bildeteine Ergänzung zu den
grundlegendenKonzeptenderWahrsheinlihkeitsrehnung,derenStudiumzumtieferenVer-
ständnis sehr zu empfehlen ist. Sie ist für das Praktikum aber niht direkt notwendig und
kanndaherauhspätergelesen werden.DasThemawirdaberinsbesondereimweiteren Stu-
dienverlauf immerwihtiger werden.
EsgibtnatürlihvielweiterführendeLiteraturzurDatenanalyse.Zusätzlihzudenimvorigen
Kapitel erwähnten Bühernsollenhierinsbesonderenoh folgende genanntwerden:
•
John R.Taylor, Fehleranalyse, VCH, 1.Au.,1988 ,bzw. dasenglishe OriginalAn introdutionto erroranalysis,2.Au.,1997
DiesesBuhistsehrzuempfehlen,daesfürdasphysikalisheGrundpraktikumgeshrie-
ben wurde undden nötigenStoin anshauliherWeisedarstellt.
•
Siegmund Brandt,Datenanalyse, SpektrumAkademisherVerlag,4.Au.,1999 Dieses Buhbehandelt ausführlih Grundlagen und weiterführende Tehniken der Da-tenanalyse.Besondersdieeinführenden Kapitelsindhierinteressant,davielesimBuh
erst fürFortgeshrittenewihtig wird.
DerWertderMessgröÿe,dieineinemExperimentermitteltwerdensoll,wirdalswahrerWert
bezeihnet.DaesinderPraxisunmöglihist,eineMessungmitabsoluter Genauigkeitdurh-
zuführen, kannmandiesenjedohniemalsexaktangeben.DerwahreWertwäredasErgebnis
eineridealisiertenVersuhsdurhführung.BeieinemExperimentbestehtdaherimmerdieAuf-
gabe
(1.)
ein Ergebnis anzugeben, das dem wahren Wert möglihst nahe kommt, und(2.)
dessengeshätzte Abweihung vom wahren Wertanzugeben.
ManuntersheidetbeieinemMessvorganggrundsätzlihzweiArtenvonFehlerquellen:statis-
tishe undsystematisheFehler.Diese untersheiden sihdarin, dasssihstatistisheFehler
bei einergröÿer werdenden Anzahlvon Messwerten mehrund mehr herausmitteln(und man
sihso dem wahrenWertimmermehrannähern kann), systematishedagegenniht.
Statistishe Fehler
StatistisheFehlersindsolhe,diebeiunveränderterApparaturzuvershiedenenErgebnissen
führen, wenn die Messungwiederholt wird. DieAbweihungen der Messergebnissevoneinan-
der werdendurh zufälligeProzesse verursaht.
Da eineMessapparaturinderRegeleinkomplexes,makroskopishesSystemist,können viele
Einüsse niht berüksihtigt werden. Betrahten wir als Beispiel die Messung der Shwin-
gungsdauer eines Fadenpendels mit einer Stoppuhr. Führt man diese Messung mehrmals
durh, so ist es praktish unmöglih, zweimal exakt den gleihen Versuh zu mahen: Die
Masse wird mit leiht anderer Anfangsgeshwindigkeit losgelassen, die Luftströmung ist et-
was anders, die Aufhängung bewegt sih et. Das Stoppen und Ablesen der Anzeige kann
ebenfalls nurmitbegrenzterGenauigkeit durhgeführtwerdenundistzufälligenShwankun-
genunterlegen.
DieseShwankungenwerdenjedohalleumeinenzentralenWert,denMittelwert,herumauf-
treten.Ihr Ausmaÿwird durhdenstatistishenFehler beshrieben.Es kann auhsein, dass
ein MessprozessvonNatur aus ein zufälligesErgebnis liefert. Diespassiert z.B. dort, wo die
QuantenmehanikeineRollespielt,etwabeimradioaktivenZerfallvonKernen.EineMessung,
wie vieleTeilhender kosmishenStrahlungpro Sekunde aufeine bestimmte Flähetreen,
wird ebenfalls immer untershiedlihe Werte ergeben. Man misst dann die Wahrsheinlih-
keitsverteilung fürdieseEreignisse.JemehrMessungenmanmaht,destogenauer kannman
diese auh experimentellermitteln.
StatistisheFehler lassensihimmeraus der Messreiheselbst ermitteln.Die wihtigsteAuf-
gabe derPraktikanten istes, dieseFehlerrihtig zu bestimmen.
Systematishe Fehler
Systematishe Fehler sind solhe, die sih bei wiederholter Messung niht herausmitteln,
sondern durh die jeder Messwert in eine bestimmte Rihtung abweiht. Sie sind ein fester
BestandteildesMessergebnissesundhaben grundsätzlihihreUrsahe inderAnlageder Ap-
paratur,daesin derPraxisebenfalls unmöglih ist,ein perfektesMessgerätzu konstruieren.
Systematishe Fehler können niht allein aus der Messreihe bestimmt werden, sondern es
Versuhsaufbau durhgeführt werden.
BeimBeispielmitdem Fadenpendel wäreeineQuellesystematisherFehlerz.B. dieEihung
der Stoppuhr, mit der man misst. Sie kann die Zeit siher niht mit absoluter Genauigkeit
messen und magz.B. etwas zu shnell laufen. In diesem konkreten Fall(bei der Messung
von einigen Sekunden mit einer Stoppuhr) ist die Genauigkeit zwar so gut, dass man den
systematishenFehlervernahlässigenkann,beikomplizierterenExperimentenkanndas aber
anders sein. Zum Beispiel ein Detektor, der zwei vershiedene Teilhenarten untersheiden
soll,kanndurhauseineWahrsheinlihkeitimProzentbereihhaben,dasfalsheErgebniszu
liefern,wasbei derAuswertung zu berüksihtigenist.
Der systematishe Fehler wird stets getrennt vom statistishen Fehler angegeben. Die Ein-
shätzungenzudensystematishenFehlernwerdenimPraktikuminderDiskussiondesMes-
sergebnisses vorgestelltund können hiernormalerweisequalitativ angegeben werden. (In der
Forshung ist die quantitative Abshätzung systematisher Fehler jedoh ein wihtiger und
oft umfangreiherTeil desErgebnisses.)
2.2 Mathematishe Grundlagen zur Fehlerrehnung
Im Folgenden werden die fürdie Versuhsauswertungen wihtigen Begrie und Formeln an-
gegeben underläutert.
2.2.1 Mittelwert und Standardabweihung
Nah mehrmaliger Durhführung der Messung einer physikalishen Gröÿe
x
haben wirN
Messwerte
x i
(miti = 1 . . . , N
) erhalten.Wir wollen nun eineAbshätzung für denwahrenWert erhalten, der mit
x ˆ
bezeihnet werden soll. Jeder Messwert hat eine (zunähst unbe-kannte)Abweihung von diesem,die mit
ǫ i
bezeihnet wird:x i = ˆ x + ǫ i
(2.2.1)Die in der Datenanalyse am bestenbewährteMethode zur Abshätzung des wahren Wertes
istdas Prinzipder kleinstenQuadrate,das amAnfangdes19.Jahrhunderts vonGaussund
Legendre entwikelt wurde. Es besagt, dass der Wert
x ¯
den besten Shätzwert für denwahrenWertliefert,fürdendie SummederquadratishenAbweihungenzu denMesswerten
x i
minimalist:X N
i=1
ǫ i 2 = X N
i=1
(x i − x) ¯ 2 ! =
min. (2.2.2)Man suht also im Wesentlihen den Wert, der zusammengenommen möglihst nahebei
allen Messwerten liegt. Die Verwendung der quadratishen Abweihung sorgt dafür, dass
gröÿereAbweihungenmitmehrGewihtindieseSummeeingehenundsomitehervermieden
werdenmüssen alskleinere.
DasPrinzipder kleinstenQuadrateergibt inunserem Fall:
d
d
x ¯ X N
i=1
ǫ i 2
!
=
dd
x ¯ X N
i=1
(x i − x) ¯ 2 ! = 0
⇒ ( − 2) X N
i=1
(x i − x) = 0 ¯
⇒ X N
i=1
(x i − x) = ¯
X N
i=1
x i
!
− N ¯ x = 0
⇒ x ¯ = 1 N
X N
i=1
x i
(2.2.3)Das arithmetishe Mittel ist alsodie besteShätzungdes wahren Wertes
x ˆ
:¯ x := 1
N X N
i=1
x i
(2.2.4)Dieser wirdallgemeinals Mittelwert bezeihnet.
Als Maÿfürden Fehler desMittelwertsverwendet man die Varianz der Messung:
V (x) := 1 N − 1
X N
i=1
(x i − x) ¯ 2
(2.2.5)Dies ist im Wesentlihen der Mittelwert der quadratishen Abweihung von
x ¯
. Der FaktorN − 1
imNenner(stattN
wiemannaivbeieiner MittelungvonN
Werten erwartenwürde)hat tiefere theoretishe Gründe und soll hier niht hergeleitet werden. Man kann sih aber
deutlih mahen, dass auf diese Weise für
N = 1
die Varianz unendlih ist, was auh Sinnmaht,da manaus einemeinzigen Messwertkeine statistisheAussageerhaltenkann.
Die Wurzel aus derVarianzwirdalsFehler der Einzelmessung bezeihnet:
∆x = p
V (x) = v u u t 1
N − 1 X N
i=1
(x i − x) ¯ 2
(2.2.6)Uns interessiert jedoh bei der Messung einer physikalishen Gröÿe niht die erwartete Ab-
weihungeiner EinzelmessungvomMittelwert,sonderndieAbweihung
∆¯ x
desMittelwertes vom wahrenWert. Diese istgegeben durh (Herleitungin Abshnitt2.3.2):∆¯ x = ∆x
√ N
(2.2.7)
∆¯ x = v u u t 1
N (N − 1) X N
i=1
(x i − x) ¯ 2
(2.2.8)Messergebnisse sindalsoin der folgenden Formanzugeben:
x = ¯ x ± ∆¯ x
(2.2.9)Hinweis: Dienumerishe Gröÿe der Messwertemit einer gröÿeren Genauigkeit alsder des
Fehlersanzugeben, maht keinen Sinn.Übliherweisewerdendaher die Ergebnissegerundet.
HatmanalsofüreinebestimmteGröÿez.B.
x ¯ = 1, 3024
und∆¯ x = 0, 083
aus derMessreihebestimmt,so würde mandenFehler auf
∆¯ x = 0, 08
runden.ÜbliherweisewerdenMittelwertundFehlerauhaufdiegleiheNahkommastelleangegeben.
ManrundetindiesemFalldannalso
x ¯
aufdiezweiteNahkommastellex = 1, 30
(auhwenndiese
0
ist).DasErgebnis hier wäre alsox = 1, 30 ± 0, 08
.2.2.2 Das gewihtete Mittel
Bei der Bildung des arithmetishen Mittels wird davon ausgegangen, dass jeder Messwert
gleihberehtigt in die Messungeingeht. Diese Art der Mittelwertbildung wirdungenau, so-
bald die einzelnen Messwerteniht mehrdengleihen Einuss aufdas Endergebnis haben.
Als Beispiel betrahten wir noh einmal die Bestimmung der Shwingungsdauer eines Fa-
denpendels.Hierzu seiendrei Messreihendurhgeführtworden: Dieerste bestehtaus 20,die
zweiteaus50unddiedritteaus30Einzelmessungen.AusdiesendreiMessreihensollnundas
Endergebnisbestimmtwerden. OensihtlihmussdieersteMessreihezu 20%,diezweitezu
50%und die drittezu 30%inden endgültigenMittelwerteinieÿen.
Zu diesemZwek bedientmansihdesgewihteten Mittels.Esist folgendermaÿendeniert:
¯ x
gew.:=
P N i=1
w i · x i P N i=1
w i
(2.2.10)
Die
w i
sind hierbei die sogenannten Gewihte. Sie sind ein Maÿ für den Einuss derx i
aufden gewihteten Mittelwert
x ¯
gew..In unserem Beispielwären alsow 1 = 0, 2
;w 2 = 0, 5
undw 3 = 0, 3
.Man kann die Gewihte für
N
untershiedlihe Messreihen auh daraus bestimmen, wel- hes Vertrauen man ihnen shenkt. Das Maÿ hierfür ist die inverse Varianz der Mittelwerteder einzelnen Messreihen:
w i = 1
V (x i ) = 1
(∆x i ) 2
(2.2.11)Die inverseVarianzdes gewihtetenMittelsistSumme der Gewihte:
1 (∆¯ x gew. ) 2 =
X N
i=1
w i = X N
i=1
1
(∆x i ) 2
(2.2.12)2.2.3 Fehlerfortpanzung
Oft sind zur Bestimmung einer physikalishen Gröÿe mehrere Einzelgröÿen zu messen, die
allemiteinemindividuellen Fehler behaftetsind. So müssenetwa zurBestimmungeiner Ge-
shwindigkeit
v
dieverstriheneZeitt
zumDurhlaufeneinerStrekes
gemessenwerden;dieMessungvon
t
unds
istdabeimitFehlernbehaftet.DerGesamtfehlervonv = v(s, t) = s/t
ist durhFehlerfortpanzung zu bestimmen.
Sei
y = y(x i )
die zu bestimmende physikalishe Gröÿe, die von direkt gemessenen Gröÿenx i = x 1 , . . . , x N
abhängt. Dannergibt sihder Fehler∆y
vony
durhdas Gauÿshe Feh-lerfortpanzungsgesetz
(∆y) 2 = X N
i=1
∂y
∂x i 2
(∆x i ) 2
(2.2.13)Betrahten wiralsBeispieleineFunktion
f (x, y) = x 2 − 2 y
,dievondenbeidengemessenenGröÿen
x
undy
mitFehlern∆x
und∆y
abhängt. Dannist derFehler∆f
:∆f = s
∂f (x, y)
∂x 2
(∆x) 2 +
∂f(x, y)
∂y 2
(∆y) 2
= p
(2 x) 2 (∆x) 2 + ( − 2) 2 (∆y) 2
= p
4 x 2 (∆x) 2 + 4 (∆y) 2
= 2 p
x 2 (∆x) 2 + (∆y) 2
(2.2.14)Ist der Zusammenhang zwishen den Messgröÿen
x i
rein multiplikativ, so ist es wesentlih einfaher, mit relativen Fehlern∆y
rel= ∆y y
zu rehnen.Dies wollen wiruns an Hand einesweiteren Beispielsverdeutlihen:
Sei
z(x, y) = x · y 2
eine Gröÿe, die ausx
undy
zu bestimmen ist. Aus (2.2.13) ergibtsih:
(∆z) 2 = y 4 (∆x) 2 + (2xy) 2 (∆y) 2
(2.2.15)Teiltman dieGleihung durh
z 2 = (x · y 2 ) 2
,so erhältmanfür denrelativen Fehler:(∆z) 2
relativ
= ∆z
z 2
= ∆x
x 2
+ 2∆y
y 2
(2.2.16)
EinFehlervon 1%in
x
bewirktalsoeinen1%-igenFehlerinz
während ein Fehlervon1%iny
einen 2%-igenFehler inz
zur Folge hat.Oenbargiltfolgende Merkregel:Geht eine Messgröÿe
x
in dern
-ten Potenz in die zu bestimmende Gröÿez
ein, so gehtder Fehlervon
x n
-fahin denFehler vonz
ein:z = z(x n ) ⇒ ∆z
relativ= n · ∆x
relativ(2.2.17)
Hinweis: DieFehlerfortpanzung darfinder obigenForm nurangewendet werden, wenn die
eingehenden Gröÿen unabhängig sind, also keine Korrelation haben (siehe Abshnitt 2.3).
Dies istin diesemPraktikumauhnormalerweiseder Fall.
Allgemein geht aber die Korrelation mit in die Fehlerfortpanzung ein, was hier nihtuner-
wähnt bleiben darf.
2.2.4 Lineare Regression
OftistmaninteressiertanderAbhängigkeiteinerMessgröÿevoneinemParameterdesExpe-
riments. Man stellesih etwa folgende Situation vor: Einelektrisher Widerstand
R
soll mitHilfederSpannung
U
unddemStromI
bestimmtwerden.DazuverwendetmaneineregelbareSpannungsquelle undein Amperemeter(Strommessgerät),manmisstalso
I
fürvershiedene SpannungenU
. Zwishen ihnen bestehtals Zusammenhang das bekannte Ohmshe Gesetz:U = R · I
bzw.I = R 1 · U
.TrägtmanI
in Abhängigkeit vonU
grashauf,so sheinenalleMesspunkte mehroderwenigerauf einerGeraden mitder Steigung
1/R
zuliegen.Wir haben bereits in 2.2.1 gesehen, dass die Forderung nah der Minimierung der Summe
aller Fehlerquadrate
P ǫ i 2
zum arithmetishen MittelalsbesteShätzung deswahren Werts führt. Dieses Verfahren lässt sih auh hier anwenden, um die Gerade mit der Steigung zunden, diedieDatenpunkteambestenbeshreibt,undso
R
zuermitteln.EswirdalsLineareRegression bezeihnet.
BetrahtenwirallgemeindieMessungvon
N
Datenpunkteny i
inAbhängigkeitvershiedener WerteeinerGröÿex i
.Wirdenken unseinelineareVorshrifty = m · x + b = y(x, m, b)
gege-ben.
m
istdieSteigungundb
dery
-Ahsenabshnitt.TrägtmandietatsählihenMesswerte auf, so werden diesein einemgewissen Abstandzur durhdiese beidenParameter beshrie-benen Geradenliegen. AlsBeispielfürdienun beshriebeneAnpassung einer Geradenan die
Werteist inAbb. 2.2.1 einegraphisheDarstellunggezeigt.
0 2 4 6 8 10 x 0
2 4 6 8 10 12 14 y
Abbildung 2.2.1: Messung von 10 Messwerten
y i
in Abhängigkeit vonx i = 1, .., 10
unddieerhalteneAusgleihsgerade.
Man betrahtetalsMaÿ fürdenFehler wiederdie Summe derquadratishen Abstände:
X N
i=1
ǫ i 2 = X N
i=1
(y i − y(x i , m, b)) 2 = X N
i=1
(y i − (m · x i + b)) 2
(2.2.18)Die Forderung,dass dieSumme der Fehlerquadrate
P ǫ i 2
minimalwerdensoll,führt zu:∂
∂m X N
i=1
(y i − (m · x i + b)) 2 ! = 0
(2.2.19)sowie
∂
∂b X N
i=1
(y i − (m · x i + b)) 2 ! = 0
(2.2.20)∂
∂m X N
i=1
(y i − (m · x i + b)) 2 = 0
⇒ 2 X N
i=1
(y i − (m · x i + b))( − x i ) = 0
⇒ − X N
i=1
x i y i + m X N
i=1
x 2 i + b X N
i=1
x i = 0
(2.2.21)Aus (2.2.20) erhältmananalog:
∂
∂b X N
i=1
(y i − (m · x i + b)) 2 = 0
⇒ 2 X N
i=1
(y i − (m · x i + b)) = 0
⇒ X N
i=1
y i − m X N
i=1
x i − N · b = 0
(2.2.22)Damit werdendie beidenBedingungen zu:
− X
i
x i y i + m X
i
x 2 i + b X
i
x i = 0
(2.2.23)X
i
y i − m X
i
x i − N · b = 0
(2.2.24)Wirlösen zunähst(2.2.24) nah
m
auf:m = P
i
y i − N · b P
i
x i
(2.2.25)− P
i
x i y i +
P
i
y i − N · b P
i
x i
P
i
x 2 i + b P
i
x i = 0
⇔ P 1
i
x i
"
− P
i
x i y i P
i
x i + P
i
y i − N · b P
i
x 2 i + b P
i
x i 2 #
= 0
⇔ − P
i
x i y i P
i
x i + P
i
y i P
i
x 2 i − N b P
i
x 2 i + b P
i
x i 2
= 0
⇔ − P
i
x i y i P
i
x i + P
i
y i P
i
x 2 i − b
"
N P
i
x 2 i − P
i
x i 2 #
= 0
⇔ b =
P
i
y i P
i
x 2 i − P
i
x i P
i
x i y i
N P
i
x 2 i − P
i
x i
2
(2.2.26)Durh Einsetzendieses Ausdruksin die obigeFormelfür
m
erhältman nahkurzerRehnung:
m = N P
i
x i y i − P
i
x i P
i
y i
N P
i
x 2 i − P
i
x i
2
(2.2.27)Fehler der linearenRegression
Auh eine Regressionsgerade ist lediglih eine Shätzung der wahren Gerade; damit sind
die Parameter
m
undb
mit Fehlern behaftet. Wie in (2.2.6) ergibt sih der Fehler einesDatenpunkts
∆y
zu:∆y = v u u t
P
i
ǫ i 2 N − 2 =
v u u t
P
i
(y i − (m · x i + b)) 2
N − 2
(2.2.28)Der Faktor
N − 2
hatwiedereinekompliziertereHerleitung.DerWert2 imNennerkommt daher,dassnunzweiParameterm
undb
ausderMessreiheermitteltwerden,währendesbeimMittelwertnureinerwar.DieserFehlerwirdimDiagrammanjedemMesswertalsFehlerbalken
aufgetragen, wiein Abb.2.2.1 gezeigt.
Für die Fehler der Parameter,
∆b
und∆m
,gilt (ohneHerleitung):∆b = σ · v u u u u u t
P
i
x 2 i
N P
i
x 2 i − P
i
x i
2
(2.2.29)sowie
∆m = σ · v u u u t
N N P
i
x 2 i − P
i
x i
2
(2.2.30)wobei
σ
derFehler einesDatenpunktes,nah(2.2.28) ,ist.Hinweis: BeiderlinearenRegressionsindbisherdie
x
-Werteimmeralsfehlerlosangenommenworden,wasinderRealitätnatürlihnihtderFallist,etwabeimobigenBeispielmitStrom-
undSpannungsmessung.InderPraxissorgtmaninderRegeldafür,dassderParameter
x
einenvernahlässigbaren Fehler hat, bzw. nimmtdies derEinfahheithalberan. DieEinbeziehung
eines solhenFehlerswürde die statistisheAnalysewesentlih kompliziertermahen, was in
vielen Fällen(wie hier) zu umständlihwäre.
2.2.5 Gewihtete lineare Regression
Aus der Methode der kleinsten Quadratekann man auheine gewihtete lineare Regression
bestimmen, wobei die Gewihte wieder wie in Abshnitt 2.2.2 durh die inversen Varianzen
gegeben sind
w i = 1
V (y i ) = 1
(∆y i ) 2
(2.2.31)DieFormeln,die sofürdie Parameter
b
undm
erhält,erhältmanleihtausdenen imvorigenAbshnitt, indemman:
•
alleSummenzu gewihteten Summenmaht,alsoP
i
x i → P
i
w i x i
et.•
die ErsetzungN → P
i
w i
durhführt,und•
beidenFehlern∆m
und∆b
denMessfehler∆y
weglässt(derFehler dery
-Werte wirdnun durhdie Gewihteinden Summenberüksihtigt).
2.2.6 Anpassung von beliebigen Graphen
DieMethodederkleinstenQuadratekannnatürlihnihtnurzumAnpasseneinerGeradenan
Datenpunkte verwendet werden, sondern auhfür beliebige Funktionen. Dadurh kann man
eine bestimmte Funktion, z.B. ein Polynom oder eine Exponentialfunktion, bestmöglih an
Funktion, also z.B. für die Koezienten eines Polynoms.(DiesesVerfahrenbezeihnet man
umgangssprahlih auhalsFitten bzw. die erhalteneFunktionals Fit an die Daten.)
HeutzutageführtmandiesmeistmitnumerishenProgrammendurh.Eswirdaberindiesem
Praktikumnihtvorkommen.SpäterimMaster-Praktikum(undggf.imBeruf)arbeitetman
oft mitdieserMethode,um die Datenauszuwerten. Sie sollte daher hierder Vollständigkeit
halbererwähnt werden.
2.3 Wahrsheinlihkeitsverteilungen
Das folgende Kapitel ist, wie in der Einleitung erwähnt, eine Ergänzung und stellt einige
grundlegende Konzepte fürFehlerrehnung undDatenanalyse vor, vor allemdie Begrie der
Wahrsheinlihkeitsrehnungund-verteilungen.
2.3.1 Grundlegende Begrie
Wahrsheinlihkeitsrehnung
Wir wollen erst einmal einige begriihe Denitionen treen. Dabei steht wohl an erster
Stelle das Zufallsexperiment.Darunterversteht mandas wiederholte NotierendesAusgangs
eines zufälligenProzesses. Alseinfahstes Beispieldenken wirunseinen Würfel.Wirwürfeln
N
-mal, notieren uns jeweils die AugenzahlX
(die sog. Zufallsvariable), ohne dass sih am Würfel,der Unterlageo. ä.etwas ändert.Nahdem wir
N
-mal gewürfelt haben, können wir uns einem weiteren Begri zuwenden,nämlih dem der Häugkeit. Wenn wirbeispielsweise60 mal würfeln, werden wir erwarten,
dassjedeAugenzahl10malgewürfeltwurde (daswirdnatürlihso nursehrselteneintreen,
denneshandeltsihjaumeinZufallsexperiment!).Wirkönnendie AnzahlderErgebnisse
N i
zu einembestimmtenWert
X i
ineiner Tabelle angeben:X i
1 2 3 4 5 6N i
9 12 8 10 11 10Der Index
i
bezeihnetdabeidie vershiedenen möglihenErgebnisse.N 1 = 9
bedeutetalso:Es wurde bei60 Würfen9 maldie1 gewürfelt.
Man deniert die Häugkeit
h i
, indem man das Verhältnis zur Gesamtzahl der Ereignissebildet, also:
h i = N i
N
(2.3.1)X
i
h i = 1
(2.3.2)UnsereobigeTabellesiehtdemnah inHäugkeitengeshrieben folgendermaÿenaus:
X i
1 2 3 4 5 6h i
0,15 0,20 0,13 0,17 0,18 0,17Nun deniert man die Wahrsheinlihkeit
p(X i )
als die Häugkeit eines Ereignisses, die in dem Zufallsprozesseintretensollte,wenn manihnunendlihoft durhführen würde:p(X i ) = lim
N →∞
N i
N = lim
N →∞ h i
(2.3.3)Ereignissemit
p = 0
nennt man unmöglih,solhemitp = 1
bezeihnet man alssiher.Einidealer, nihtgezinkterWürfel solltedemnah die Wahrsheinlihkeiten
p(1) = p(2) = . . . = p(6) = 1 6
haben, da jede Augenzahlgleih häug auftreten sollte,wenn man nur oft genugwürfelt.
Auh Wahrsheinlihkeiten sind normiert; weiterhin gibt es keine negativen Wahrsheinlih-
keiten.Es giltalsostets
0 ≤ p(X i ) ≤ 1
(2.3.4)sowie
X
i
p(X i ) ≡ 1
(2.3.5)Rehenregeln für Wahrsheinlihkeiten
Für denUmgangmitmehreren,unabhängigen WahrsheinlihkeitengeltenfolgendeRehen-
regeln.Seien imFolgenden
p A
undp B
dieWahrsheinlihkeitenfürdie EreignisseAund B:Multiplikation von Wahrsheinlihkeiten DieWahrsheinlihkeit,dassin einemExperi-
ment EreignisA undEreignisBeintreen,ist
p
AundB= p A · p B
(2.3.6)entweder EreignisA oderEreignis Beintritt,ist
p
AoderB= p A + p B
(2.3.7)Erwartungswert undVarianz
Inder Statistikhatdie DurhführungeineseinzigenZufallsexperimentskeinegroÿeAussage-
kraft. Bei der Durhführung vieler Experimente jedoh wird sih ein Durhshnittswert der
Zufallsvariablen
X i
einstellen.Man sprihtdann vom Erwartungswert. Er ist deniertalsX ˆ = E(X) = X
i
p(X i )X i
(2.3.8)BeimWürfelnmit
p(X i ) = 1 6
beträgterE(X) = 3, 5
.Neben dem Erwartungswertinteressiert mansihin der Statistikfür dieFrage, wie starkdie
Ereignisseum denErwartungswertstreuen. Jestärkerdie EreignisseumdenErwartungswert
konzentriertsind,destowahrsheinliheristes,beieinemExperimentgenaudenErwartungs-
wertzu erreihen oder ihm zumindest sehrnahe zu kommen.Das Maÿfür die Streuungder
Ereignisseum denErwartungswertist die Varianz. Sieist deniertals:
V (X) := E
(X − E(X) ) 2
(2.3.9)
Es gilt:
V (X) = E
(X − E(X) ) 2
= E
X 2 − 2XE(X) + E 2 (X)
= E(X 2 ) − 2E(X)E(X) + E 2 (X)
= E(X 2 ) − E 2 (X)
(2.3.10)Die positiveQuadratwurzel der Varianzheiÿt Standardabweihung
σ
:σ X = p
V (X) = p
E(X 2 ) − E 2 (X)
(2.3.11)Kovarianz
Meist werden physikalishe Gröÿen durh die Messung mehrerer anderer Gröÿen bestimmt.
Dann ermitteltsihder Fehler aus der gauÿshen Fehlerfortpanzung. Dies ist abernur zu-
lässig,fallsalleGröÿen voneinander unabhängig sind.
Oft ist niht gesihert, ob Messwerte voneinander abhängig sind. Es kann ja durhaus sein,
dassder physikalisheZusammenhangzwishen ihnen noh vollkommen unbekannt ist.
spiegeln.Dies bezeihnetman alsKovarianz. Sie istfolgendermaÿendeniert:
ov
(X, Y ) := E [(X − E(X)) · (Y − E(Y ))]
(2.3.12)Einige Beispiele sind in Abb. 2.3.1 gezeigt. Die Kovarianz zweier Messgröÿen
X
undY
istgröÿer als
0
wenn die Messwerte fürX
, die gröÿer als ihr MittelwertE(X)
sind, gehäuftmitMesswertenvon
Y
auftreten,die gröÿer alsE(Y )
sind. Beieiner Kovarianz kleinerals0
treten entsprehend gröÿere
X
-Wertegehäuftmit kleinerenY
-Wertenauf.0.0 0.5 1.0 1.5 2.0 2.5 3.0 X
0.0 0.5 1.0 1.5 2.0 2.5 3.0 Y
(a)
cov(X, Y ) > 0
0.0 0.5 1.0 1.5 2.0 2.5 3.0 X
0.0 0.5 1.0 1.5 2.0 2.5 3.0 Y
(b)
cov(X, Y ) ≃ 0
0.0 0.5 1.0 1.5 2.0 2.5 3.0 X
0.0 0.5 1.0 1.5 2.0 2.5 3.0 Y
()
cov(X, Y ) < 0
Abbildung 2.3.1:Einige Beispiele fürvershiedene Kovarianzen.
Aus der Denitionergibtsih leiht:
ov
(X, Y ) = E[X · Y ] − E[X] · E[Y ]
(2.3.13)V (X) =
ov(X, X)
(2.3.14)Fernerhat sie dieEigenshaften (
a
seieinereelle Zahl):ov
(X, Y ) =
ov(Y, X )
(2.3.15)ov
(a · X, Y ) = a ·
ov(X, Y )
(2.3.16)ov
(X + Y, Z) =
ov(X, Z ) +
ov(Y, Z)
(2.3.17)Ist
c
einekonstante Zufallsvariable, so giltov(X, c) = 0
.Damit folgtdie lineareTransformation:
ov
(a · X + b, c · Y + d) = a · c ·
ov(X, Y )
(2.3.18)Messgröÿen,die abhängig voneinander sind, heiÿenkorelliert.Für unkorellierteGröÿen gilt:
ov
(X, Y ) = 0
(2.3.19)Für eine endlihe Menge vongemessenen Wertepaaren
(x i , y i )
miti = 1 . . . N
shätzt mandie Kovarianz durh:
ov
(X, Y ) = 1 N − 1
X N
i=1
(x i − x)(y ¯ i − y) ¯
!
(2.3.20)
Einigermaÿen zuverlässige Werte für die Kovarianz erhält man aber nur für gröÿere Werte
von N.
ShlieÿliharbeitetmanauhoftmitdersogenanntenKorrelation
ρ(X, Y )
,diemandeniertals:
ρ(X, Y ) =
ov(X, Y )
σ X σ Y
(2.3.21)Man kann zeigen, dass immer
− 1 ≤ ρ(X, Y ) ≤ 1
gilt. Beiρ(X, Y ) = 0
sindX
undY
unkorreliert, bei
ρ(X, Y ) = +1
bzw.− 1
sind sie völlig korreliert bzw. antikorreliert. (In diesen Extremfällenbestehtein exakterlinearer Zusammenhangzwishen ihnen.)Oft haben Zufallsexperimente keine diskretenErgebnisse. Wenn wir z. B. kosmishe Strah-
lung betrahten, so wird sih die Energie der registrierten Teilhen kontinuierlih in einem
bestimmtenSpektrumverteilen.
WeiterhinkönnenVerteilungenstrenggenommenzwardiskretsein,dieAnzahl derZufallsva-
riablen
X i
jedohso groÿwerden, dassman sinnvollerweisevonderdiskretenzurkontinuier- lihenBetrahtung übergeht.BeikontinuierlihenWahrsheinlihkeitsverteilungenhatmanstattdiskreterEinzelwahrshein-
lihkeiten
p 1 . . . p N
eine(stetige)Wahrsheinlihkeitsdihtew(x)
,dienormiertist:R
w(x) dx = 1
.Man gehtbeider Berehnung desErwartungswertesE(x)
vonder Summen-zur Integral-shreibweiseüber:
E(x) = Z
x · w(x) dx
(2.3.22)Hinweis: DieIntegrationsgrenzenerstreken sihstetsüberdengesamtenGültigkeitsbereih
von
w(x)
,alsomeist−∞ < x < + ∞
.FürErwartungswertundVarianzbeikontinuierlihenVerteilungengeltendiegleihenRehen-
gesetze und Denitionen wie bei diskreten Verteilungen. Somit lässt sih die Varianz einer
kontinuierlihenVerteilungberehnen durh
V (x) = E(x 2 ) − E 2 (x) = Z
x 2 · w(x) dx − Z
x · w(x) dx 2
(2.3.23)
Aus der Wahrsheinlihkeitsdihte können nur die Wahrsheinlihkeiten für Wertebereihe
und nihtfüreinzelne Werte bestimmtwerden. So ist
P (a ≤ x ≤ b) = Z b
a
w(x) dx
(2.3.24)die Wahrsheinlihkeit,
x
zwishena
undb
anzutreen.2.3.2 Zusammenhang mit physikalishen Messprozessen
Die Shwankungen, denen die Ergebnisse einer physikalishen Messung unterliegen, werden
(wie in Abshnitt 2.1 beshrieben) durh Zufallsprozesse verursaht. In der Regel ist die
Wahrsheinlihkeitsverteilung, der diese Zufallsprozesse unterliegen, unbekannt. Es gibt je-
doh einen wihtigen Satz in der Statistik, den sogenannten Zentralen Grenzwertsatz. Er
besagt, dassbei einer groÿen Zahlvon identishen, gleihverteilten Zufallsvariablen sihun-
abhängig von der eigentlihen Wahrsheinlihkeitsverteilung immerinsgesamt eine Normal-
verteilungergibt (sieheauh Abs.2.3.3):
w(x) = 1
√ 2πσ e − 1 2 ( x−ˆ σ x ) 2
(2.3.25)
Eine solhe Situation ist in der Regel die Messung einer Gröÿe mit einem makroskopishen
(aussehrvielenAtomenundMolekülenaufgebauten)Messgerät.Mankannalsoübliherweise
bei physikalishenMessungen davon ausgehen, dass diese in einer Normalverteilung um den
Mittelwertstreuen.
Die Zufallsgröÿe tritt im Exponenten quadratish auf. Ohne auf eine genauere theoretishe
Begründung eingehenzu wollen,so kann man doh zeigen, dassaus dieser Tatsahe sowohl
das Prinzip der kleinsten Quadrate als auh die quadratishe Addition in der gauÿshen
Fehlerfortpanzung begründetwerdenkönnen.
Berehnung des Fehlers des Mittelwerts
Mit den hiereingeführten Begrienkann man nunden Faktor
1/ √
N
aus Gleihung (2.2.7)erklären.
DieVarianz
σ x 2
einerMessgröÿex
gibtwieobengesagtdiemittlerequadratisheAbweihung um den Mittelwertx ¯
an,die bei einer Messungzu erwarten ist. Man kann sie aus einer ge-gebenen Wahrsheinlihkeitsverteilungwieoben beshrieben durh
E
(x − x) ¯ 2
bestimmen.
Wir interessieren uns aber nun für den wahren Wert
x ˆ
und wollen die mittlere AbweihungdesMittelwerts
x ¯
um denwahren Wertermitteln.Dazuberehnen wirdenErwartungswertderquadratishen Abweihung desMittelwertsvom
wahren Wert.
E
(¯ x − x) ˆ 2
= E
1 N
X N
i=1
x i − x ˆ
! 2
= 1 N 2 E
X N
i=1
x i − N x ˆ
! 2
= 1 N 2 E
X N
i=1
(x i − x) ˆ
! 2
= 1 N 2 E
X N
j,k=1
(x j − x)(x ˆ k − x) ˆ
=
|{z}
=0
fürj 6 =k
1 N 2 E
X N
j=1
(x j − x) ˆ 2
= 1 N 2 E
N σ 2
= σ 2
N
(2.3.26)DieTermeindem obigenShrittfür
j 6 = k
sind= 0
,daessihhierumKovarianzenhandelt.Die Verteilungsfunktionfür alle
x i
ist natürlih dieselbe,so dass diese vershwinden. Somit erhältman denZusammenhang∆¯ x = p
E [(¯ x − x) ˆ 2 ] = √ σ x N = √ ∆x
N
ausGleihung (2.2.7).HiersollennoheinigewihtigeWahrsheinlihkeitsverteilungenbesprohenwerden.Alserstes
wirdaufdie kontinuierliheNormalverteilungeingegangen und danahdie diskreteBinomial-
sowie alswihtigerGrenzfalldavon die Poisson-Verteilung vorgestellt.
Die Normalverteilung
Die Normalverteilung bzw. Gauÿ-Verteilung, deren Bedeutung im vorigen Abshnitt erklärt
wurde, istgegeben durh:
w(x) = 1
√ 2πσ e − 1 2 ( x−ˆ σ x ) 2
(2.3.27)
Der Parameter
σ
ist die Standardabweihung (wie man sie auh aus der Denition (2.3.23) überdie Varianzerhalten würde),x ˆ
istder Erwartungswertder Verteilung.σ
ist einMaÿfürdie Breite derVerteilung,die um
x ˆ
zentriertist.Der VorfaktorstelltdieNormierungsiher.DieStandardabweihung istbeidieserVerteilung so,dass68,2%aller MesswerteimIntervall
[µ − σ, µ + σ]
liegen.Es giltalso:P (µ − σ < x < µ + σ) = Z +σ
− σ
w(x) = 1
√ 2πσ Z +σ
− σ
e − 1 2 ( x−µ σ ) 2 ∼ = 68, 2%
(2.3.28)Ineiner
2σ
-Umgebungliegen95, 5%
undineiner3σ
-Umgebungliegen99, 7%
derMesswerte.DaaufgrunddeszentralenGrenzwertsatzesphysikalisheMessfehlerinderRegelGauÿ-verteilt
sind, istderFehlerdesMittelwertsso zuinterpretieren,dassder wahreWertmit
68, 2%
-igerWahrsheinlihkeit in einer Umgebung von
∆¯ x
um den Mittelwert liegt, mit95, 5%
-igerWahrsheinlihkeitin einer
2 ∆¯ x
-Umgebung, usw.Die Binomialverteilung
Häug tritt der Fallauf, dassin einemZufallsexperimentnur zwei Ereignisseauftreten kön-
nen und zwar entweder das eineoderdas andere.Einfahstes Beispielistwohl das Werfen
einerMünze:EntwedermanerhältWappenoderZahl.(DassdieMünzeaufderKantestehen
bleibt, wollenwirhiereinmal ausshlieÿen...:-) )
Solhe Zufallsexperimente heiÿen binomialverteilt. Da sih beide Ereignisse ausshlieÿen,
spriht man neben der Wahrsheinlihkeit
p
für das Eintreen des Ereignisses A von der Gegenwahrsheinlihkeitq
fürdas Eintreenvon EreignisB. Wegen (2.3.5)giltq = 1 − p
(2.3.29)Die Wahrsheinlihkeit
P
beiN
-faher Durhführung eines Zufallsexperimentsk
-mal dasEreignis Azu erhaltenist gegeben durhdie Binomialverteilung:
- 2 0 2 4 x 0.1
0.2 0.3 0.4 0.5 0.6
wHxL
Abbildung 2.3.2: Die Normalverteilung mit
x ˆ = 0, σ = 0, 7
(durhgezogene Linie) undˆ
x = 1, σ = 1, 2
(gestrihelte Linie).P k N = N
k
p k q N − k
(2.3.30)Die Binomialkoezienten sindgegeben durh
N k
:= N !
k!(N − k)!
(2.3.31)Erwartungswert undVarianz der Binomialverteilung
Wirwollen nunden Erwartungswert der Binomialverteilung(2.3.30) bestimmen:
E(k) = X N
k=0
kP k N = X N
k=0
k N
k
p k q N − k
(2.3.32)Nun bedienen wiruns einesTriks: Wirverwenden einfah, dass
∂
∂p p k = kp k − 1
ist.X N
k=0
k N
k
p k q N − k = X N
k=0
p ∂
∂p N
k
p k q N − k
(2.3.33)Wirziehen nun
p ∂p ∂
vordas Summationszeihen:X N
k=0
p ∂
∂p N
k
p k q N − k = p ∂
∂p X N
k=0
N k
p k q N − k
(2.3.34)Nun verwenden wirden BinomishenSatz, wie eraus derAnalysisbekannt ist:
(p + q) N = X N
k=0
N k
p k q N − k
(2.3.35)Demnah könnenwiralso shreiben:
p ∂
∂p X N
k=0
N k
p k q N − k = p ∂
∂p (p + q) N = N p(p + q) N − 1
(2.3.36)Mit (2.3.29)folgt
(p + q) N − 1 = 1
und wirerhaltenshlieÿlihE(k) = N · p
(2.3.37)Fürdie BestimmungderVarianzbenötigen wirnoh
E(k 2 )
.E 2 (k)
haben wirmit(2.3.37)jaimGrunde genommenshon berehnet, esist
E 2 (k) = N 2 p 2
(2.3.38)Zur Bestimmung von
E(k 2 )
bedienen wir uns wieder des Ableitungstriks. Wir müssen diesmal allerdingszweimalableiten, umstattk
imSummenzeihenk 2
zu erhalten:E(k 2 ) = X N
k=0
k 2 N
k
p k q N − k = X N
k=0
p ∂
∂p p ∂
∂p N
k
p k q N − k
(2.3.39)Wirziehen die Ableitungenwieder aus derSumme und verwenden (2.3.35) :
X N
k=0
p ∂
∂p p ∂
∂p N
k
p k q N − k =
p ∂
∂p p ∂
∂p
(p + q) N
(2.3.40)Wirführen dieDierentiationenaus und erhalten:
p ∂p ∂ p ∂p ∂
(p + q) N
=
p ∂p ∂
N p(p + q) N − 1
= N p
(p + q) N − 1 + p(N − 1)(p + q) N − 2
= N p [1 + p(N − 1)]
= N p + N 2 p 2 − N p 2
(2.3.41)Damit erhaltenwir:
V (k) = E(k 2 ) − E 2 (k) = N p + N 2 p 2 − N p 2 − N 2 p 2 = N p − N p 2 = N p(1 − p)
(2.3.42)Mit
1 − p = q
folgtdann die gesuhte Varianzder Binomialverteilung:V (k) = N · p · q
(2.3.43)Die Poisson-Verteilung
Die Binomialverteilung wird für groÿe
N
sehr unhandlih (Versuhen Sie einmal, 100! aufIhremTashenrehnerauszuführen!).Gilt
N → ∞
undp → 0
,soverwendetmandiePoisson-Verteilung:
P (k) = µ k
k! e − µ
(2.3.44)Radioaktive Zerfälle sind beispielsweise Poisson-verteilt (Die Anzahl der Kerne
N
ist sehrhoh, die Wahrsheinlihkeitfür einenZerfall aber meistsehr, sehrgering). Ist
N → ∞
undp → 0
nihtmehr gegeben,N
aber weiterhin sehr groÿ, so lässt sihdie Binomialverteilung durheine Gauÿ-Verteilungnähern.Für denErwartungswert derPoisson-Verteilungkann manzeigen:
k ˆ = X ∞
k=0
k µ k
k! e − µ = µ
(2.3.45)sowie fürdie Varianz:
σ 2 = X ∞
k=0
(k − µ) 2 µ k
k! e − µ = µ
(2.3.46)Bei derPoisson-Verteilungsind alsoErwartungswertund Standardabweihung identish.
0 5 10 15 20 25 30 k 0.02
0.04 0.06 0.08 0.10 0.12 0.14
pHkL
Abbildung 2.3.3:Die Poisson-Verteilung für
µ = 10
(shwarz) undµ = 20
(grau).3.1 Einführung
In diesem Versuh sollendie Widerstände vershiedener passiver Bauelemente mit Hilfeder
Wheatstoneshen Brükenshaltung bestimmt werden. Dies ist ein Alternativverfahren zur
BestimmungdesWiderstandesdirektüberdasOhmsheGesetz
U = R · I
,waseineMessungvon Spannung undStromstärke erfordern würde.
Der Versuh setztsih auszwei Teilenzusammen:
•
ImerstenTeildesVersuhssollenmitHilfeeinerWheatstoneshenMessbrükefolgende unbekannten Gröÿengemessenwerden:der Widerstandeinesohmshen Widerstandes
der Wehelstromwiderstand(auh kapazitiverWiderstand
oderBlindwiderstand) einesKondensators
•
ImzweitenTeilwirddieTemperaturabhängigkeitvershiedenerLeitertypenuntersuht.Anhand der Leitfähigkeit bei vershiedenen Temperaturen sollen folgende Leitertypen
identiziertwerden:
metallisherLeiter
Halbleiter
temperaturunabhängiger Leiter
3.2 Physikalishe Grundlagen
Hier sollkurzauf diefür denVersuh notwendigen Grundlagen eingegangen werden.Es wird
vorausgesetzt, dassderLeser bereitsmitfolgenden Begrienvertrautist:
•
Spannung•
Stromstärke•
ohmsher Widerstand/ohmshesGesetzDer WiderstandR istabhängig von derGeometriedesLeiters undseinen
Materialeigenshaften.Esergibt sih:
R = ̺ · l
A
(3.2.1)Der Widerstand
R
istproportionalzurLängel
undumgekehrtproportionalzumQuershnittA
. DieMaterialkonstanteρ
heiÿt spezisher Widerstand.3.2.2 Kirhhoshe Regeln
In einemabgeshlossenenSystembleibtdie Ladungerhalten.Daraus folgt,dassStrom,wel-
herineinenPunkthineinieÿt,dortnihtvershwindenkann.Ermusssomitwiederabieÿen.
Es folgtdie Knotenregel:
In einem Knoten ist die Summe der zuieÿenden Ströme gleih der Summe der
abieÿenden Ströme.
I 1
I 2
I 3 I 4 I 5 I 6
Abbildung 3.2.1: ZurKnotenregel: Es gilt hier
P I k = 0
Aus der Energieerhaltungfür daselektrostatisheFeld folgtautomatish
die Mashenregel. Sie gilt, solange kein Austaush mit anderen Energieformen stattndet,
z.B. durh dieErzeugung eineszeitlihverändertenMagnetfeldes.Sie lautet:
IneinemgeshlossenenTeilkreis(Mashe)istdieSumme derauftretendenSpan-
nungen immernull.
+ -
Abbildung 3.2.2:Zur Mashenregel: Fürjede Mashe gilt
P U k = 0
3.2.3 Wehselstromwiderstände
Die Kirhhoshen Gesetze gelten niht nur für ohmshe Widerstände, sondern auh für
kapazitive (z.B. Kondensator) und induktive (z.B. Spule) Widerstände. Bei einer Wehsel-
spannung miteinerKreisfrequenz
ω
giltnun:•
OhmsherWiderstand:R = U I
Spannung und Stromstärkesind inPhase.
•
Kapazitiver Widerstand:X C = U I ⇒ X C = ωC − i
DieSpannung hängtder Stromstärke um
90 ◦
hinterher.Man beahtedabei,dasseineGleihspannungdem Grenzfall
ω → 0
entspriht, dh.ein kapa-zitiver Widerstandleitetkeinen Strommehr(sein Widerstandwirdunendlih).
Bei kapazitiven Widerständen ist der ohmshe Widerstand vernahlässigbar klein. Da eine
Spule jedoh aus einem aufgewikelten Draht besteht, hat sie einen niht zu vernahlässi-
genden ohmshenWiderstand. Man kann siheine reale Spuleaus einer idealenSpule (rein
induktiverWiderstand) undeinemohmshen Widerstandzusammengesetzt vorstellen.
3.2.4 Zeigerdiagramme
Da bei kapazitiven Widerständen Stromstärke und Spannung niht in Phase laufen, ist auf
den erstenBlikdie Phasendierenzvon Wehselstromkreisenmitvershiedenen Widerstän-
den nihtersihtlih.ZurVerdeutlihungbenutztmanZeigerdiagramme.
Auf der reellen Ahse werden Strom und ohmsher Widerstand eingezeihnet, auf der ima-
ginären Ahseentsprehend ihrerVorzeihender kapazitive Widerstand. DieTeilspannungen
in einemNetzwerk von Widerständen werden vektorielladdiert. Esergibt sihdie Spannung
U ges
,die um denWinkelϕ
vonder PhasedesStromes abweiht.3.2.5 Typen von Leitern
Metallisher Leiter
Die Ladungsträger ineinem metallishenLeitersind Elektronen,diese bendensih in stän-
diger thermisher Bewegung. Da der Leiternah auÿen jedoh elektrishneutral ist,giltfür
denDurhshnittderthermishenGeshwindigkeiten
v th
allerElektronenimLeiter~v th = ~ 0
.Wird nun an den Leiterein äuÿeres elektrishes Feld angelegt, erfahren die Elektronen eine
Kraft,die siein eineRihtung beshleunigt.Jetztkönnensihdie ElektronenineinemLeiter
jedoh niht freibewegen, sondern stoÿen ständigmit ihren Rümpfen zusammen. DieElek-
tronen erfahren eineArt Reibungskraft, die dafür sorgt, dasssie nur bisauf einebestimmte
Geshwindigkeit,dieDriftgeshwindigkeit
v d
,beshleunigtwerden. JegröÿerdieTemperaturT
desLeiters, desto gröÿer die thermisheBewegung derAtomrümpfe sowie der ElektronenunddestowahrsheinlihereinZusammenstoÿ.Esistdaherfestzuhalten:MitsteigenderTem-
peratur nimmtder WiderstandeinesmetallishenLeiterszu.
Für den spezishen Widerstand eines metallishenLeitersgilt (wobei
C 1
eine Materialkon- stante ist):̺ = C 1 · T
(3.2.2)Auf die Herleitung dieserBeziehung soll an dieser Stelle verzihtet werden. Eine detaillierte
Herleitung sollte sihin Lehrbühern über Elektrodynamik unter dem Stihwort metallishe
Leiter ndenlassen(z.BDemtröder,Experimentalphysik2,2.Auage,S.43f.undS.47.
oderOtten, Repetitoriumder Experimentalphysik ,S.498.).
Bemerkung:
Jenah ReinheitsgradistdieseAbhängigkeitnihtreinlinearundeskannpassieren, dassder
dieseBeziehungnurfüreineneingeshränktenTemperaturbereih,beisehrniedrigenundsehr
hohenTemperaturentretenandereEekteauf,z.BSupraleitungbeiniedrigenTemperaturen.
Halbleiter
Mit Hilfedes mehanishen Modells, das für die metallishen Leiterverwendet wurde, kann
mandieEekte,dieinHalbleiternauftreten,nihtbeshreiben.Hiermussmandassog.Bän-
dermodell heranziehen. Im Bändermodell benden sih Elektronen entweder im Leiterband,
wo sie zum Strombeitragen können, oder imValenzband, wo sie dies niht können. Bei ei-
nem Leitersind Leiterband und Valenzband direkt beieinander, bei einem Isolatorsehr weit
voneinander getrennt.Bei einemHalbleiterjedoh, istdie Lüke (Gap) gerade so groÿ, dass
ElektronenvomValenz-insLeiterbandspringenkönnen.Dazugenügtes,dieTemperaturdes
Halbleiters zu erhöhenund so thermisheEnergiehinzuzufügen. Wirhaltenfest: Der Wider-
stand einesHalbleiters nimmt mitsteigender Temperatur ab.Die Gröÿe der Lüke,genannt
Gapbreite
E G
,kann jenahHalbleiter biszu3
eV betragen.Abbildung 3.2.4:Bändermodell fürLeiter, Halbleiter undIsolator.
Für denWiderstand einesHalbleiters inAbhängigkeit von
T
gilt:R = C 2 · exp
E G 2k B · T
(3.2.3)
Dabei ist
k B
die Boltzmann-Konstante,T
die Temperatur in Kelvin undC 2
eine Material-konstante. Wir verzihten hier wieder auf eine ausführlihe Herleitung (sie ist z.B in Vogel,
GerthsenPhysik 20.Auage, S.401zu nden).