Özvektör Açılımları
Özvektör Açılımları Katı hal fiziğinde, örneğin yoğunluk fonksiyonel teorisi ile hesapladığımız için, sistemimizin özdeğerlerini ve özvektörlerini bildiğimiz durumla sık sık karşılaşırız. Bu durumda sistemin Green fonksiyonunu türetmek çok basittir. Bir parçacık elektron durumlarıyla tanımlanan bir sistemin çözümünü ele alalım. Sistemin denklemi verir. Burada i ve ψi(r), i bant indeksli çözümlerdir. Eksiksiz çözüm kümesi, tam bir ortonormal işlev kümesi oluşturur, böylece her işlev özfonksiyonlar ψi(r) içinde genişletilebilir. Türetmemize giren tek varsayım, Hamiltoniyen'imiz için tam bir ortonormal özfonksiyonlar kümesinin varlığı olduğundan, sonuç oldukça genel olarak geçerlidir; bu, karmaşık eşleniği transpoze etmek ve almak, bir (gecikmeli) Green fonksiyonunu diğerine (gelişmiş) dönüştürür. Pratik bir bakış açısından bu, bunlardan birinin gerçekten gereksiz olduğu anlamına gelir: bu nedenle, Green'in bir sistem işlevinden bahsederken, aşağıdaki sunumu gecikmiş Green'in işleviyle sınırlayacağız. Bu türevin, yalnızca sistemin özfonksiyonlarını Schrodinger denkleminin benzersiz bir potansiyele sahip çözümleri olarak temsil edebiliyorsak geçerli olduğuna dikkat edilmelidir. Yoğunluk fonksiyonel teorisinde olduğu gibi, elektron etkileşimlerine ortalama alan yaklaşımlarında genellikle durum budur. Çok gövdeli bir bağlamda, aynı sonuç mutlaka doğru değildir. Aslında, daha sonra görüleceği gibi, şu anda ulaşım problemimiz için bulabileceğimiz tek çözüm, etkileşimlerin etkileşmeyen hafif bozulmaları olarak görüldüğü pertürbasyon teorisine dayanmaktadır. Fonksiyonlar ve Saçılma Matrisleri Bu konudan saptıktan ve Green fonksiyonlarını tanıttıktan sonra, artık saçılma matrisi S'ye ikinci kez bakabilecek durumdayız. İlk olarak, saçılma matrisinin genliklerden ziyade akımlara dayalı olarak tanımlandığını hatırlayalım. Teorik modelimizi genliklere dayandırırsak, değişiklik yapmalıyız. İletken genlikleri tA(B)←B(A) İletkenin zıt taraflarında bulunan A ve B uçlarındaki zA = 0 ve zB = 0 noktalarını birleştiren fonksiyonunu hesaplamak istiyoruz. Önceki sonuçlardan, zA = 0'daki bir birim uyarımın iki sonucu olduğunu biliyoruz: iletkenden uzakta A1 = +i/v genlikli bir dalgaya ve yönde A2 = −i/v genlikli bir dalgaya yol açar. kondüktörün. İletkene doğru dalga, iletken tarafından saçılır, B ucuna yayılmak için iletim genliği tB←A'dır. Dolayısıyla Green fonksiyonu için yazabiliriz. 1980'lerde türetilen bu ilişki, bir arayüz aracılığıyla taşıma özelliklerini bu arayüzün Green fonksiyonuyla ilişkilendirir. Green fonksiyonları mevcut elektronik yapı yöntemleri ile hesaplanabildiğinden, taşınım teorisindeki modern simülasyon tekniklerinin teorik temellerinden biridir. Matris özdeğer ve özvektör Bulma Özvektör nedir Özdeğer ve özvektör pdf Özdeğer ve özvektör nedir Matris özdeğer nedir Özdeğer ve Özvektör örnekleri Matris özvektör Bulma Lineer Cebir Özdeğer özvektör Çoklu Kanallar İçin Saçılma Matrisleri Çoklu yayılma modlarına sahip bir telde, z boyunca uzanan Green fonksiyonunu, r2 = (x,y) ile A±m genlikleri ve enine dalga fonksiyonları χm(r2) ile modüle edilmiş z boyunca bir düzlem dalga olarak yazabiliriz. Genellik kaybı olmadan, bu enine dalga fonksiyonlarının gerçek olduğu varsayılır. Potansiyel U(r2), elektron hareketini r2 yönünde sınırlar; dalga fonksiyonları χm(r2) ortogonaldir, çünkü ayrı bir özdeğerler kümesi için iki boyutlu Hamiltoniyenin spektrumunu temsil ederler. Kanıtlama amacıyla, onların gerçek olduklarını da varsayarız. Şimdi iki ucumuz olduğunu düşünün: m'li kurşun A ve n iletken kanallı kurşun B. Ardından, iletkenin zıt taraflarındaki iki nokta arasındaki Green işlevi değiştirilmelidir. Genel olarak, iletim fonksiyonunu ve dolayısıyla bir cihaz aracılığıyla elektron yayılımı için iletim olasılığını veren saçılma matrisinin elemanları ile ilgilenilir. Bu elemanlar yukarıdaki denklemden χm(r2(A))χn(r2(B)) ile çarpılarak ve d2r üzerinden integral alınarak, dalga fonksiyonları χ için diklik koşulundan yararlanılarak elde edilir. Burada, r2'nin A ucu içinde ve r2'nin B ucu içinde olduğu şeklindeki açık gösterimi kaldırdık. Ayrıca, bu denklemin tüm bileşenlerinin enerji bağımlılıklarını koruduğuna dikkat edin. Şimdiye kadar elektronların bir iletkenin bir tarafından diğer tarafına yayılmasını tanımladık. İletim olasılığını hesaplamak için gereken anahtar niceliklerin, iletkenin zıt taraflarındaki iki nokta arasındaki belirli bir geçiş için Green fonksiyonları GR veya yayıcı olduğu bulundu. Bunlar da saçılma matrisiyle ilişkilidir ve saçılma matrisinin tüm öğelerinin toplamı bize Fisher-Lee denklemi yoluyla istenen iletim olasılığını verir. Bununla birlikte, bir iletken ve iki sonsuz uç içeren bir sistemin Green fonksiyonlarını hesaplamak genellikle imkansızdır, çünkü uçların elektronik yapı ve iletken içindeki yayılma üzerinde bir etkisi olacaktır. Bu etkinin hesaplamaya dahil edilmesi gerekir. Bu amaca yönelik genel strateji, iletkenin kendi sınırlarındaki sonsuz uçların etkisini belirlemektir. Sonlu Farklar Yöntemi İlgili prosedürleri anlamak için başlangıçta, a'nın bir sabit olduğu, zj − zj−1 = a mesafesinde eşit aralıklı ayrık kafes noktalarına sahip basit bir tek boyutlu sistemi ele alıyoruz. Daha sonra sistemin Hamilton operatörü verilir. Potansiyel V(z) de her kafes noktasında tanımlanır, V için Vj yazarız (z = ja). H'yi eşit olarak ayrıklaştırılmış bir f(z) fonksiyonu ile çarparak, z = ja noktası için aşağıdaki ilişkiyi elde ederiz. Sonlu farklar yöntemi, adını diferansiyellerin ele alınmasından alır. f(z = ja)'nın birinci türevi için f (z = (j + 1/2)a) ve f (z = (j − 1/2)a) değerleri arasındaki sonlu farkı dikkate alabiliriz. Tek boyutlu Schrödinger denklemi daha sonra, matrisin her satırının yalnızca üç eleman içerdiği bir matris denklemine dönüştürülür: köşegen eleman ve onun iki komşusu. Hamiltonian'ın atomik yörünge temsilinde böyle bir matris, yalnızca köşegen ve en yakın komşulara "atlamalı" parametreleri içerdiğinden, "sıkı bağlayıcı" matris olarak bilinir. Sonsuz bir ucu düşündüğümüz için, H matrisi sonsuz boyutludur. Matrisi z = ja = 0 noktasına yakın ele alırsak, bileşenleri açıkça yazabiliriz. Bir sistemin Hamilton matrisine sahip olduğumuzda, Green fonksiyonu basitçe reçeteye göre ters matristir. Bununla birlikte, küçük bir sorun var: sonsuz bir teli düşündüğümüz için matris sonsuz boyutludur. Sonsuz bir matrisi tersine çevirmek mümkün değildir, bu nedenle kurşunun özellikleriyle başa çıkmak için dolaylı bir yaklaşım düşünmeliyiz. Bu amaçla önce bir iletken ve bir sonsuz kurşun içeren bir sistemi ayrı tanımlanan iki alt sisteme ayırıyoruz. Sistemin genel fonksiyonu daha sonra aşağıdaki şekilde alt matrislere bölünebilir.

Analizde Bilgi Kaybı – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri

Tersine Çevrilmiş Oran

Spector ve Levine’in oranlarının tersini kullanmış olsalardı aynı sonuca varamayacaklarına dikkat edilmelidir. Yani, Se2/Sr2 yerine Sr2/Se2 kullanmış olsalardı, ortalama oranın 1.00 olduğunu bulurlardı. Bu tersine çevrilmiş oran ile, olası en uç değer 0’dır (∞ yerine) ve oranların dağılımı çok daha az çarpıktır.

Bu nokta, ikinci dereceden meta-analizler, yani meta-analizlerin meta-analizleri için önemli çıkarımlara sahiptir. Daha önce belirtildiği gibi, ikinci mertebeden meta-analiz, benzer meta-analizler üzerinden artefaktların açıkladığı varyans yüzdesinin ortalaması alınarak gerçekleştirilir. Herhangi bir meta-analizde, bu yüzde, artefakt tarafından tahmin edilen varyansın (örnekleme varyansı artı diğer artefaktlardan kaynaklananlar) gözlemlenen varyansa oranıdır.

Bu oranın bir bölü tersine çevrilmiş Sr2/Se2 oranıdır. İkinci derece meta-analizde, bu tersine çevrilmiş oranın çalışmalar arasında ortalaması alınmalı ve ardından bu ortalamanın tersi alınmalıdır. Bu prosedür, Spector-Levine çalışmasında ortaya çıkan yukarı yönlü yanlılığı önler ve artefaktlardan kaynaklanan meta-analizlerde ortalama varyans yüzdesinin tarafsız bir tahminiyle sonuçlanır. 

Meta-analiz, (birinci dereceden) örnekleme hatasının bozucu etkisi nedeniyle tekli çalışmalarda ne kadar az bilgi olduğunu açıkça ortaya koymuştur. İkinci mertebeden örnekleme hatasının incelenmesi, meta-analitik olarak birleştirilmiş birçok çalışmanın bile (ortalamalar hakkında önemli bilgiler sağlasalar da) çalışmalar arası varyans hakkında sınırlı bilgi içerdiğini göstermektedir.

Çalışmalar arası varyansın doğru analizleri, ya önemli sayıda çalışmaya dayanan meta-analizleri ya da benzer meta-analizlerin meta-analizlerini (ikinci derece meta-analizleri) gerektirir. Bunlar davranışsal ve sosyal bilimlerde (veya başka herhangi bir alanda, örneğin tıpta) küçük örneklem araştırmalarının gerçekleri ve doğal belirsizlikleridir. Bu problemlerin mükemmel bir çözümü yoktur, ancak meta-analiz mevcut en iyi çözümdür. Çalışma sayısı arttıkça, ardışık meta-analizler giderek daha doğru hale gelecektir.

Büyük-N Çalışmaları ve Meta-Analiz

Bazıları, meta-analiz ihtiyacının yalnızca, tipik olarak düşük istatistiksel güç seviyelerine sahip küçük örneklemli çalışmaların bir sonucu olduğunu savundu. Araştırmacıların yalnızca büyük örneklemli çalışmalar yapması gerektiği ve bu tür çalışmaların daha yüksek istatistiksel güçleri ile meta-analizi gereksiz kılacağı iddiası ileri sürülmektedir.

Bu pozisyonu üç nedenden dolayı sorguluyoruz: (1) Korelasyonların ve etki büyüklüklerinin kalibrasyonu için literatürde mevcut olan toplam bilgi miktarında bir azalmaya yol açar, (2) potansiyel moderatörlerin varlığını tespit etme kabiliyetini azaltır, ve (3) meta-analiz ihtiyacını ortadan kaldırmaz.


Analizde Bilgi Kaybı

Pratik nedenlerden dolayı birçok araştırmacı, tüm çabalarına rağmen büyük örneklem büyüklükleri elde edemez. Büyük N’ler için bir gereklilik getirilirse, aksi takdirde yürütülecek ve yayınlanacak olan birçok çalışma, sonraki meta-analizlere faydalı bilgilere katkıda bulunabilecek çalışmalar yapılmayacaktır.

Personel psikolojisinde geçerlilik çalışmaları alanında olan da budur. Schmidt, Hunter ve Urry’nin (1976) geleneksel geçerlilik araştırmalarındaki istatistiksel gücün ortalama sadece yaklaşık .50 olduğunu gösteren çalışmasının yayınlanmasından sonra, yayınlanan çalışmaların ortalama örneklem büyüklüğü 70’ten 300’ün üzerine çıktı.

Bununla birlikte, geçerlilik genelleme çalışmalarına giriş için yılda veya on yılda (bir meta-analizde Ns olarak ifade edilen) oluşturulan toplam bilgi miktarının azalmasıyla sonuçlanarak, çalışmaların sayısı önemli ölçüde azaldı. Yani, çok sayıda küçük örneklemli çalışmalardan önceki dönemde üretilen toplam bilgi miktarı, daha sonraki dönemde çok daha az sayıda büyük örneklemli çalışmalarda üretilenden daha fazlaydı. Dolayısıyla, geçerlilikleri kalibre etme yeteneğinde net bir kayıp vardı.

Potansiyel Moderatörleri Tespit Etme Yeteneği

Daha önce açıklanan durum, tespit edilecek moderatör değişkenler olmasa bile, yani çalışılan tüm geçerlilik alanlarında SDρ = 0 olsa bile net bir bilgi kaybı yaratır. SDρ = 0, yetenek ve yetenek testlerinin yordayıcı alanlarında geçerli bir hipotez olmasına rağmen, bu hipotez diğer bazı yordayıcı alanlarda (örneğin, değerlendirme merkezleri, üniversite notları) geçerli olmayabilir.

Ve personel seçimi dışında pek çok araştırma alanında kesinlikle geçerli değildir.SDρ = 0 ise, toplam çalışma sayısının bir önemi yoktur; VG çalışmasının doğruluğunu belirlemede önemli olan tek şey, VG analizindeki tüm çalışmalarda toplam N’dir. Daha önce açıklandığı gibi, bu toplam N son yıllarda azalmıştır. Ancak SDρ > 0 ise, doğru bir SDρ tahminine sahip olmak çok önemlidir.

SDρ tahmininde N, çalışmaların sayısıdır. Bu nedenle, meta-analizde toplam N’yi sabit tutarak, az sayıda büyük çalışma, çok sayıda küçük çalışmaya göre daha az doğru SDρ tahmini sağlar. Çok sayıda küçük çalışma, çok daha fazla sayıda potansiyel moderatör dizisini örneklemektedir—aslında, her küçük çalışma, SDρ > 0’a katkıda bulunabilecek farklı potansiyel moderatörleri örneklemektedir.

Örneğin, VG çalışması için toplam N’nin 5.000 olduğunu varsayalım. Bu toplam N, her biri N = 1.250 olan dört çalışmadan oluşuyorsa, SDρ tahmini yalnızca dört veri noktasına dayanır: ρ dağılımından dört örnek. Öte yandan, bu toplam N, her biri N = 100 olan 50 çalışmadan oluşuyorsa, o zaman SDρ tahmini, ρ dağılımından örneklenen 50 veri noktasına dayanır ve bu nedenle çok daha doğru olması muhtemeldir. Bu, Cook ve Campbell’in “dış geçerlilik” dediği şeyi büyük ölçüde artırır.

Bobko ve Stone-Romero (1998), SDρ için bu aynı düzeydeki tahmin kesinliğinin, tek bir büyük-N çalışmasıyla, aslında büyük bir çalışmayı birçok küçük çalışmaya bölerek elde edilebileceğini savundu. Bunun doğru olması pek olası değil. Tek bir büyük çalışma, tek bir araştırmacının veya bir dizi araştırmacının tek bir çalışmayı yürütme şeklini yansıtır: aynı ölçümler, aynı popülasyon, aynı analiz prosedürleri vb.

Bağımsız olarak yürütülen 50 çalışmada bulunan yöntemlerdeki ve potansiyel moderatör değişkenlerdeki varyasyon türlerini kendi içinde içermesi pek olası değildir. Bunu görmenin başka bir yolu, çalışmaların farklı türde tekrarlarının sürekliliğini göz önünde bulundurmaktır. Gerçek bir tekrarda, aynı araştırmacı yeni çalışmayı orijinal çalışmadakiyle tamamen aynı şekilde yürütür.