StudierendeLehrende

Lamb Shift Derivation

Der Lamb-Shift ist ein physikalisches Phänomen, das die Energiezustände von Wasserstoffatomen betrifft und durch quantenmechanische Effekte erklärt wird. Die Ableitung des Lamb-Shifts beginnt mit der Tatsache, dass das Wasserstoffatom nicht nur durch die Coulomb-Kraft zwischen Proton und Elektron beeinflusst wird, sondern auch durch quantenmechanische Fluktuationen des elektromagnetischen Feldes. Diese Fluktuationen führen zu einer Zerlegung der Energieniveaus, was bedeutet, dass die Energiezustände des Elektrons nicht mehr perfekt degeneriert sind.

Mathematisch wird dieser Effekt häufig durch die Störungstheorie behandelt, wobei die Wechselwirkungen mit virtuellen Photonen eine wichtige Rolle spielen. Der Lamb-Shift kann quantitativ als Differenz zwischen den Energieniveaus E2SE_{2S}E2S​ und E2PE_{2P}E2P​ beschrieben werden, die durch die Formel

ΔE=E2P−E2S\Delta E = E_{2P} - E_{2S}ΔE=E2P​−E2S​

ausgedrückt wird. Der Effekt ist nicht nur ein faszinierendes Beispiel für die Quantenmechanik, sondern auch ein Beweis für die Existenz von Vakuumfluktuationen im Raum.

Weitere verwandte Begriffe

contact us

Zeit zu lernen

Starte dein personalisiertes Lernelebnis mit acemate. Melde dich kostenlos an und finde Zusammenfassungen und Altklausuren für deine Universität.

logoVerwandle jedes Dokument in ein interaktives Lernerlebnis.
Antong Yin

Antong Yin

Co-Founder & CEO

Jan Tiegges

Jan Tiegges

Co-Founder & CTO

Paul Herman

Paul Herman

Co-Founder & CPO

© 2025 acemate UG (haftungsbeschränkt)  |   Nutzungsbedingungen  |   Datenschutzerklärung  |   Impressum  |   Jobs   |  
iconlogo
Einloggen

Markov-Decke

Ein Markov Blanket ist ein zentrales Konzept in der Wahrscheinlichkeitstheorie und dem maschinellen Lernen, das die bedingte Unabhängigkeit von Variablen beschreibt. Es umfasst die minimalen Variablen, die benötigt werden, um alle Informationen über eine Zielvariable XXX zu erfassen, sodass alle anderen Variablen in einem gegebenen Netzwerk unabhängig von XXX sind, sobald die Variablen im Markov Blanket bekannt sind. Das Markov Blanket von XXX besteht aus drei Gruppen von Variablen:

  1. Eltern von XXX: Variablen, die direkt Einfluss auf XXX haben.
  2. Kinder von XXX: Variablen, die direkt von XXX abhängen.
  3. Andere Eltern von XXX's Kindern: Variablen, die mit den Kindern von XXX verbunden sind, jedoch nicht direkt mit XXX selbst.

Durch die Identifikation des Markov Blankets kann man die Komplexität von probabilistischen Modellen reduzieren und effizientere Algorithmen zur Inferenz und zum Lernen entwickeln.

Hahn-Banach

Der Hahn-Banach-Satz ist ein zentrales Resultat der Funktionalanalysis, das die Erweiterung von linearen Funktionalen auf Vektorräumen behandelt. Er besagt, dass ein lineares Funktional, das auf einem Untervektorraum eines normierten Raumes definiert ist, unter bestimmten Bedingungen auf den gesamten Raum verlängert werden kann, ohne seine Eigenschaften zu verlieren. Dies bedeutet, dass wenn f:U→Rf: U \to \mathbb{R}f:U→R ein lineares Funktional ist, das auf einem Untervektorraum UUU des normierten Raumes XXX definiert ist und die Bedingung ∣f(x)∣≤∥x∥|f(x)| \leq \|x\|∣f(x)∣≤∥x∥ für alle x∈Ux \in Ux∈U erfüllt, dann existiert ein lineares Funktional F:X→RF: X \to \mathbb{R}F:X→R, das fff auf UUU entspricht und ebenfalls die gleiche Normbedingung erfüllt.

Die Bedeutung des Hahn-Banach-Satzes liegt in seiner Fähigkeit, die Struktur von Funktionalanalysen zu bewahren und die Untersuchung von linearen Abbildungen zu erleichtern. Er hat zahlreiche Anwendungen in der Mathematik, insbesondere in der Theorie der Banachräume und der dualen Räume.

Steuerinzidenz

Die Tax Incidence oder Steuerinzidenz beschreibt, wie die wirtschaftlichen Kosten einer Steuer zwischen verschiedenen Marktakteuren, wie Konsumenten und Produzenten, verteilt werden. Es unterscheidet sich zwischen der gesetzlichen Steuerlast (wer die Steuer zahlen muss) und der wirtschaftlichen Steuerlast (wer tatsächlich die Kosten trägt). Wenn beispielsweise eine Steuer auf ein Produkt erhoben wird, könnte der Preis für den Konsumenten steigen, während der Produzent möglicherweise weniger von dem Verkaufspreis behält.

Die Steuerinzidenz hängt von der Preiselastizität von Angebot und Nachfrage ab: Ist die Nachfrage elastisch, tragen die Produzenten einen größeren Teil der Steuerlast; ist sie unelastisch, tragen die Konsumenten mehr. Mathematisch kann dies durch die Formel
SteuerinzidenzK=EdEd+Es\text{Steuerinzidenz}_{K} = \frac{E_d}{E_d + E_s}SteuerinzidenzK​=Ed​+Es​Ed​​
und
SteuerinzidenzP=EsEd+Es\text{Steuerinzidenz}_{P} = \frac{E_s}{E_d + E_s}SteuerinzidenzP​=Ed​+Es​Es​​
dargestellt werden, wobei EdE_dEd​ die Elastizität der Nachfrage und EsE_sEs​ die Elastizität des Angebots darstellt.

Eingebettete Systeme Programmierung

Embedded Systems Programming bezieht sich auf die Entwicklung von Software für eingebettete Systeme, die speziell für die Ausführung bestimmter Aufgaben innerhalb eines größeren Systems konzipiert sind. Diese Systeme sind oft ressourcenbeschränkt und erfordern effiziente Programmierung sowohl in Bezug auf Speicher als auch Verarbeitungsgeschwindigkeit. Typische Anwendungsbereiche sind Geräte wie Mikrowellen, Autos oder medizinische Geräte, die alle spezifische Funktionen ausführen müssen, oft in Echtzeit. Die Programmierung solcher Systeme erfolgt häufig in Sprachen wie C oder C++, wobei Entwickler auch Kenntnisse über Hardware-Architekturen und Schnittstellen benötigen, um eine optimale Leistung zu gewährleisten. Ein wichtiger Aspekt ist das Echtzeitverhalten, das sicherstellt, dass Aufgaben innerhalb vorgegebener Zeitrahmen abgeschlossen werden, um die Funktionalität des gesamten Systems nicht zu beeinträchtigen.

Homotopieäquivalenz

Homotopieäquivalenz ist ein Konzept aus der algebraischen Topologie, das zwei topologische Räume verbindet, indem es zeigt, dass sie in gewissem Sinne "gleich" sind. Zwei topologische Räume XXX und YYY heißen homotopieäquivalent, wenn es zwei kontinuierliche Abbildungen f:X→Yf: X \to Yf:X→Y und g:Y→Xg: Y \to Xg:Y→X gibt, die folgende Bedingungen erfüllen:

  1. Die Komposition g∘fg \circ fg∘f ist homotop zu der Identitätsabbildung auf XXX, also g∘f≃idXg \circ f \simeq \text{id}_Xg∘f≃idX​.
  2. Die Komposition f∘gf \circ gf∘g ist homotop zu der Identitätsabbildung auf YYY, also f∘g≃idYf \circ g \simeq \text{id}_Yf∘g≃idY​.

Diese Bedingungen bedeuten, dass fff und ggg quasi die umgekehrten Prozesse sind, wobei homotop eine kontinuierliche Deformation beschreibt. Homotopieäquivalente Räume haben die gleiche Homotopietyp und teilen viele topologische Eigenschaften, was sie zu einem zentralen Konzept in der algebraischen Topologie macht.

Fama-French-Drei-Faktoren-Modell

Das Fama-French Three-Factor Model erweitert das traditionelle Capital Asset Pricing Model (CAPM), indem es zusätzlich zu den marktweiten Risiken zwei weitere Faktoren einführt, die die Renditen von Aktien beeinflussen. Diese Faktoren sind:

  1. Größenfaktor (SMB - Small Minus Big): Dieser Faktor misst die Renditedifferenz zwischen kleinen und großen Unternehmen. Historisch haben kleinere Unternehmen tendenziell höhere Renditen erzielt als größere Unternehmen.

  2. Wertfaktor (HML - High Minus Low): Dieser Faktor erfasst die Renditedifferenz zwischen Unternehmen mit hohen Buchwert-Marktwert-Verhältnissen (Wertaktien) und solchen mit niedrigen Buchwert-Marktwert-Verhältnissen (Wachstumsaktien). Auch hier zeigen historische Daten, dass Wertaktien oft bessere Renditen erzielen als Wachstumsaktien.

Die mathematische Darstellung des Modells lautet:

Ri−Rf=α+β(Rm−Rf)+s⋅SMB+h⋅HML+ϵR_i - R_f = \alpha + \beta (R_m - R_f) + s \cdot SMB + h \cdot HML + \epsilonRi​−Rf​=α+β(Rm​−Rf​)+s⋅SMB+h⋅HML+ϵ

Hierbei steht RiR_iRi​ für die Rendite des Wertpapiers, RfR_fRf​ für den risikofreien Zinssatz, RmR_mRm​ für die Marktrendite, und α\alphaα, β\betaβ, $