Bergerak-rata-rata-keterbatasan

Bergerak-rata-rata-keterbatasan

List-of-stocks-have-weekly-options
Bagaimana-banyak-modal-untuk-mulai-perdagangan-pilihan
Stampa-digitale-su-forex-prezzi


Menggunakan-bollinger-band-for-day-trading Menggunakan-bollinger-band-to-gauge-trends Apa-is-options-trading-privileges Berinvestasi dalam persediaan-101 Indikator-csr-forex Option-trading-in-jepang

GASES, LIQUIDS dan aplikasi SOLIDS dari model partikel untuk tiga keadaan model partikel materi, menjelaskan, menjelaskan sifat-sifat gas, cairan dan padatan Doc Browns Chemistry KS4 science GCSEIGCSE Revisi Catatan Perbandingan sifatnya GASES, LIQUIDS and SOLIDS States Catatan revisi gasliquidsolid Matter Bagian 1 Model partikel kinetik dan menjelaskan dan menjelaskan sifat-sifat gas, cairan dan padatan, perubahan dan solusi keadaan (bagian 1a sampai 3d) Anda harus tahu bahwa ketiga keadaan materi itu padat, cair dan gas. Peleburan dan pembekuan berlangsung pada titik leleh, mendidih dan kondensasi berlangsung pada titik didih. Ketiga keadaan materi dapat diwakili oleh model sederhana di mana partikel diwakili oleh bola padat kecil. Teori partikel dapat membantu menjelaskan pencairan, perebusan, pembekuan dan pengembunan. Jumlah energi yang diperlukan untuk mengubah keadaan dari padatan menjadi cair dan dari cair ke gas bergantung pada kekuatan kekuatan antara partikel substansi dan sifat partikel yang terlibat tergantung pada jenis ikatan dan struktur zat. Semakin kuat kekuatan antar partikel semakin tinggi titik leleh dan titik didih zat. Untuk rinciannya lihat struktur dan catatan ikatan. Keadaan fisik yang diadopsi material bergantung pada struktur, suhu dan tekanannya. Simbol negara yang digunakan dalam persamaan: (g) larutan cairan padat aqous (aq) berair (aq) larutan padat berarti sesuatu yang dilarutkan dalam air Sebagian besar diagram partikel pada halaman ini adalah representasi 2D dari struktur dan keadaannya CONTOH TIGA FISIK STATES OF MATTER GASES mis Campuran udara di sekitar kita (termasuk oksigen yang dibutuhkan untuk pembakaran) dan uap bertekanan tinggi pada boiler dan silinder lokomotif uap. Semua gas di udara tidak terlihat, tidak berwarna dan transparan. Perhatikan bahwa uap yang Anda lihat di luar ketel atau lokomotif uap sebenarnya adalah tetesan cairan air yang halus, terbentuk dari uap gas buang yang dikeluarkan saat memenuhi udara dingin perubahan gas ke cairan (efek yang sama pada kabut dan kabut) . LIQUIDS mis. Air adalah contoh yang paling umum, tapi begitu juga susu, mentega panas, bensin, minyak, merkuri atau alkohol dalam termometer. SOLIDS mis. Batu, semua logam pada suhu kamar (kecuali merkuri), karet sepatu boot dan sebagian besar benda fisik di sekitar Anda. Sebenarnya sebagian besar benda tidak berguna kecuali jika memiliki struktur padat. Pada halaman ini sifat fisik dasar gas, cairan dan padatan dijelaskan dalam bentuk struktur, gerakan partikel (teori partikel kinetik), efek perubahan suhu dan tekanan, dan model partikel. Digunakan untuk menjelaskan sifat dan karakteristik ini. Mudah-mudahan, teori dan fakta akan sesuai untuk memberi para siswa pemahaman yang jelas tentang dunia material di sekitar mereka dalam hal gas, cairan dan padatan yang disebut sebagai tiga keadaan fisik materi. Perubahan keadaan yang dikenal sebagai pencairan, peleburan, pendidihan, penguapan, pengembunan, pencairan, pembekuan, pemadatan, kristalisasi dijelaskan dan dijelaskan dengan gambar model partikel untuk membantu pemahaman. Ada juga penyebutan cairan yang mudah larut dan tidak bercampur dan menjelaskan persyaratan volatile dan volatilitas saat diterapkan pada cairan. Catatan revisi tentang keadaan materi ini seharusnya berguna untuk kursus sains kimia AQA, Edexcel dan OCR GCSE (91) yang baru. Subindex untuk bagian Bagian I (halaman ini): 1.1. The Three States of Matter, model teori partikel gasliquidsolid Tiga keadaan materi padat, cair dan gas. Baik pencairan dan pembekuan bisa terjadi pada titik leleh, sedangkan mendidih dan kondensasi berlangsung pada titik didih. Penguapan bisa terjadi pada suhu apapun dari permukaan cair. Anda bisa mewakili tiga keadaan materi dengan model partikel sederhana. Dalam modeldiagrams ini, partikel diwakili oleh bola padat kecil (struktur elektron diabaikan). Teori partikel kinetik dapat membantu menjelaskan perubahan keadaan seperti pencairan, pendinginan, pembekuan dan pengembunan. Jumlah energi yang dibutuhkan untuk mengubah keadaan dari padatan menjadi cair atau dari cair ke gas bergantung pada kekuatan kekuatan antara partikel substansi. Kekuatan ini mungkin merupakan kekuatan intermolekuler yang relatif lemah (ikatan antarmolekul) atau ikatan kimia kuat (ionik, kovalen atau logam). Sifat partikel yang terlibat tergantung pada jenis ikatan kimia dan struktur zat. Semakin kuat kekuatan tarik antara partikel semakin tinggi titik lebur dan titik didih zatnya APA ITU TIGA NEGARA MATERI Sebagian besar bahan dapat digambarkan sebagai gas, cair atau padat. MENGAPA MEREKA SEPERTI APA YANG MEREKA Saja mengetahui cukup, kita membutuhkan teori gas yang komprehensif, yang dapat menjelaskan perilaku mereka dan membuat prediksi tentang apa yang terjadi mis. Jika kita mengubah suhu atau tekanan. BAGAIMANA KITA MENJELASKAN BAGAIMANA MEREKA MEMILIKI Kita memerlukan model teoritis mis. Teori partikel yang didukung oleh bukti eksperimental. MODEL PARTIKEL YANG BISA MEMBANTU KAMI MEMAHAMI SIFAT DAN KARAKTERISTIK MEREKA MENGAPA SAYA PENTING UNTUK MENGETAHUI SIFAT-SIFATNYA GAS, LIQUIDS DAN SOLIDS Penting dalam industri kimia untuk mengetahui tentang perilaku gas, cairan dan padatan dalam proses kimia mis. Apa yang terjadi pada keadaan yang berbeda dengan perubahan suhu dan tekanan. Apa itu TEORI PARTIKEL KINETIKA, cairan dan padatan Teori partikel kinetik keadaan materi didasarkan pada gagasan semua bahan yang ada sebagai partikel sangat kecil yang mungkin merupakan atom atau molekul individu dan interaksinya satu sama lain. Oleh tabrakan dalam gas atau cairan atau oleh getaran dan ikatan kimia dalam padatan. DAPATKAN KAMI MEMBUAT PREDIKSI BERDASARKAN SIFAT-SIFAT KARAKTERISTIK Halaman ini memperkenalkan deskripsi fisik umum zat-zat di tingkat klasifikasi fisik (nonkritis) yang paling sederhana yaitu gas, cairan atau zat padat. NAMUN, halaman web ini juga memperkenalkan model partikel di mana lingkaran kecil mewakili sebuah atom atau molekul yaitu partikel tertentu atau satuan zat yang paling sederhana. Bagian ini cukup abstrak karena Anda berbicara tentang partikel yang tidak dapat Anda lihat secara terpisah, hanya material massal dan karakter fisik dan propertinya. Apakah ada LIMITASI pada model partikel Partikel diperlakukan sebagai bola inelastis sederhana dan hanya berperilaku seperti bola snooker menit yang terbang di sekitar, tidak sepenuhnya benar, tapi terbang melintas secara acak tanpa henti Meskipun partikel diasumsikan sebagai bola keras dan inelastis. , Pada kenyataannya mereka adalah segala bentuk dan putaran dan tekuk pada tumbukan dengan partikel lain dan ketika mereka bereaksi, mereka terbagi menjadi fragmen saat ikatan pecah. Model sederhana tidak mengasumsikan kekuatan di antara partikel-partikel itu, tidak benar, model ini memperhitungkan sedikit kekuatan di antara partikel-partikel, bahkan pada gas-gas yang Anda dapatkan dengan kekuatan antarmolekul sangat lemah. Model partikel tidak memperhitungkan ukuran sebenarnya partikel mis. Ionsmolekul dapat berukuran berbeda secara luas mis. Bandingkan molekul etena dengan molekul poli (etena) Ruang di antara partikel APA ITU NEGARA YANG BERKELANJUTAN APA ITU SIFAT-SIFAT DARI GAS BAGAIMANA BERBAGAI PARTIKEL BERBEDA Bagaimana teori partikel kinetik gas menjelaskan sifat gas A gas Tidak memiliki bentuk atau volume tetap, tapi selalu menyebar untuk mengisi wadah - molekul gas akan berdifusi ke tempat yang tersedia. Hampir tidak ada kekuatan tarik-menarik antara partikel sehingga mereka benar-benar bebas satu sama lain. Partikel secara luas ditempatkan dan tersebar pada bergerak cepat secara acak ke seluruh wadah sehingga tidak ada ketertiban dalam sistem. Partikel bergerak secara linier dan cepat ke segala arah. Dan sering bertabrakan satu sama lain dan sisi wadah. Tumbukan partikel gas dengan permukaan wadah menyebabkan tekanan gas. Pada memantul dari permukaan mereka mengerahkan kekuatan dalam melakukannya. Dengan kenaikan suhu. Partikel bergerak lebih cepat karena mereka mendapatkan energi kinetik. Tingkat tumbukan antara partikel itu sendiri dan permukaan wadah meningkat dan ini meningkatkan tekanan gas misalnya di lokomotif uap atau volume wadah jika bisa meluas misalnya seperti balon. Gas memiliki kerapatan sangat rendah (ringan) karena partikelnya begitu terbentang dalam wadah (density mass volume). Density order: gas cair gtgtgt gt gtgtgt Gas mengalir dengan bebas karena tidak ada kekuatan daya tarik yang efektif antara molekul partikel gas. Kemudahan urutan aliran. Cairan gtgtgt cair (tidak ada aliran nyata dalam padatan kecuali jika Anda mengaduknya) Karena gas dan cairan ini digambarkan sebagai cairan. Gas tidak memiliki permukaan. Dan tidak ada bentuk atau volume tetap. Dan karena kurangnya daya tarik partikel, mereka selalu menyebar dan mengisi wadah apapun (jadi volume volume gas kontainer). Gas mudah dikompres karena ruang kosong di antara partikel. Kemudahan kompresi order. Gas gas Bila gas dikurung dalam wadah, partikel akan menyebabkan dan menggunakan tekanan gas yang diukur di atmosfir (atm) atau Pascal (1,0 Pa 1,0 Nm 2), gas tidak mengandung zat terlarut. Tekanan adalah forcearea yaitu efek dari semua tumbukan pada permukaan wadah. Tekanan gas disebabkan oleh kekuatan yang diciptakan oleh jutaan dampak partikel gas kecil individu di sisi wadah. Misalnya, jika jumlah partikel gas dalam wadah berlipat ganda, tekanan gasnya berlipat ganda karena dua kali lipat jumlah molekul melipatgandakan jumlah dampak pada sisi wadah sehingga kekuatan benturan total per satuan luas juga berlipat ganda. Dua kali lipat dari dampak partikel menggandakan tekanan digambarkan dalam dua diagram di bawah ini. Jika volume wadah tertutup rapat dijaga konstan dan gas di dalamnya dipanaskan sampai suhu yang lebih tinggi, tekanan gas akan meningkat. Alasan untuk ini adalah bahwa saat partikel dipanaskan, mereka mendapatkan energi kinetik dan bergerak rata-rata lebih cepat. Karena itu mereka akan bertabrakan dengan sisi kontainer dengan kekuatan benturan yang lebih besar. Sehingga meningkatkan tekanan. Ada juga frekuensi tabrakan yang lebih besar dengan sisi wadah NAMUN ini merupakan faktor minor dibandingkan dengan efek peningkatan energi kinetik dan kenaikan rata-rata kekuatan benturan. Oleh karena itu jumlah gas yang tetap dalam wadah tertutup dengan volume konstan, semakin tinggi suhu semakin besar tekanan dan semakin rendah suhu, semakin rendah tekanannya. Untuk perhitungan gas pressuretemperature lihat Bagian 2 Hukum CharlessGayLussacs Jika volume wadah dapat berubah, gas mudah berkembang pada pemanasan karena kurangnya daya tarik partikel, dan siap berkontraksi pada pendinginan. Pada pemanasan, partikel gas mendapatkan energi kinetik. Bergerak lebih cepat dan tekan sisi wadah lebih sering. Dan secara signifikan, mereka memukul dengan kekuatan yang lebih besar. Bergantung pada situasi kontainer, salah satu atau kedua tekanan atau volume akan meningkat (terbalik pada pendinginan). Catatan: Ini adalah volume gas yang mengembang TIDAK molekulnya, mereka tetap berukuran sama Jika tidak ada batasan volume, ekspansi pada pemanasan jauh lebih besar untuk gas daripada cairan dan padatan karena tidak ada daya tarik yang signifikan antara partikel gas. Energi kinetik yang meningkat rata-rata akan membuat tekanan gas meningkat dan gas akan mencoba untuk memperluas volume jika diizinkan untuk mis. Balon di ruangan yang hangat secara signifikan lebih besar dari balon yang sama di ruangan yang dingin Untuk perhitungan volumetemperatur gas lihat Bagian 2 Hukum CharlessGayLussacs DIFUSI DALAM Gas: Gerakan cepat dan acak alami partikel ke segala arah berarti bahwa gas mudah menyebar atau menyebar. Pergerakan bersih gas tertentu akan berada di arah dari konsentrasi rendah ke konsentrasi yang lebih tinggi, turunkan gradien difusi socalled. Di ffusi berlanjut sampai konsentrasi seragam di seluruh wadah gas, namun SEMUA partikel terus bergerak dengan energi kinetik yang pernah ada. Difusi lebih cepat terjadi pada gas daripada cairan dimana ada lebih banyak ruang bagi mereka untuk bergerak (percobaan yang digambarkan di bawah) dan difusi adalah Diabaikan dalam padatan karena pengepakan partikel yang dekat. Difusi bertanggung jawab atas penyebaran bau bahkan tanpa gangguan udara misalnya. Gunakan parfum, buka stoples kopi atau bau bensin di sekitar garasi. Laju difusi meningkat dengan kenaikan suhu saat partikel mendapatkan energi kinetik dan bergerak lebih cepat. Bukti lain untuk pergerakan partikel acak termasuk difusi. Ketika partikel asap dilihat di bawah mikroskop, mereka tampak menari saat diterangi sinar lampu pada suhu 90 o ke arah penayangan. Hal ini karena partikel asap muncul dengan memantulkan cahaya dan tarian karena jutaan hits acak dari molekul udara bergerak cepat. Ini disebut gerak Brown (lihat di bawah cairan). Pada saat tertentu, hitnya tidak akan genap, jadi partikel asapnya bisa menjadi pukulan yang lebih besar secara acak. Percobaan difusi dua molekul gas diilustrasikan di atas dan dijelaskan di bawah Sebuah tabung kaca panjang (diameter 24 cm) diisi di salah satu ujungnya dengan steker kapas yang direndam dalam conc. Asam klorida disegel dengan karet bung (untuk kesehatan dan keselamatan) dan tabung tetap terjaga diam, dijepit dalam posisi horizontal. Serangkaian conc yang serupa. Larutan amonia ditempatkan di ujung yang lain. Soket wol kapas yang dibasahi akan mengeluarkan asap HCl dan NH3 masing-masing, dan jika tabung dibiarkan tidak terganggu dan horizontal, meskipun tidak ada gerakan tabung, mis. Tidak bergetar untuk bercampur dan tidak adanya konveksi, awan putih terbentuk sekitar 1 3 rd sepanjang conc. Ujung tabung asam klorida. Penjelasan: Apa yang terjadi adalah gas tak berwarna, amonia dan hidrogen klorida, berdifusi ke dalam tabung dan bereaksi membentuk kristal putih halus dari garam amonium klorida. Ammonia hidrogen klorida gt amonium klorida NH 3 (g) HCl (g) gt NH 4 Cl (s) Perhatikan aturannya: Semakin kecil massa molekul, semakin besar kecepatan rata-rata molekul (tetapi semua gas memiliki energi kinetik rata-rata yang sama Pada suhu yang sama). Oleh karena itu semakin kecil massa molekulnya, semakin cepat gas berdifusi. misalnya M r (NH 3) 14 1x3 17. Bergerak lebih cepat dari M r (HCl) 1 35,5 36,5 DAN itulah mengapa mereka bertemu di dekat ujung HCl tabung Jadi percobaan tidak hanya merupakan bukti pergerakan molekul. Ini juga merupakan bukti bahwa molekul molekul yang berbeda bergerak dengan kecepatan berbeda. Untuk perawatan matematis lihat Grahams of the Difusion Sebuah gas berwarna, lebih berat dari pada udara (kepadatan lebih besar), dimasukkan ke dalam tabung gas paling bawah dan tabung gas kedua dari udara tanpa warna yang lebih rendah ditempatkan di atasnya dipisahkan dengan penutup kaca. Percobaan difusi harus tertutup pada suhu konstan untuk meminimalkan gangguan konveksi. Jika penutup kaca dilepaskan maka (i) gas udara tak berwarna berdifusi ke dalam gas coklat berwarna dan (ii) bromin berdifusi naik ke udara. Gerakan partikel acak yang mengarah ke pencampuran tidak dapat terjadi karena konveksi karena gas yang lebih padat mulai dari bawah. Tidak ada guncangan atau sarana pencampuran lainnya yang diperlukan. Gerakan acak kedua partikel cukup untuk memastikan bahwa kedua gas akhirnya menjadi benar-benar dicampur oleh difusi (menyebar satu sama lain). Ini adalah bukti yang jelas untuk difusi karena pergerakan kontinu acak dari semua partikel gas dan, pada awalnya, pergerakan bersih satu jenis partikel dari yang lebih tinggi ke konsentrasi yang lebih rendah (turunkan gradien difusi). Bila dicampur penuh, tidak ada perubahan distribusi warna lebih lanjut yang diamati. TAPI gerakan partikel acak terus berlanjut. Lihat juga bukti lain di bagian cairan setelah model partikel untuk diagram difusi di bawah ini. Sebuah model partikel difusi dalam gas. Bayangkan gradien difusi dari kiri ke kanan untuk partikel hijau ditambahkan ke partikel biru di sebelah kiri. Jadi, untuk partikel hijau, migrasi bersih dari kiri ke kanan dan akan berlanjut, dalam wadah tertutup, sampai semua partikel merata dalam wadah gas (seperti yang digambarkan). Difusi lebih cepat dalam gas dibandingkan dengan larutan cair karena ada lebih banyak ruang di antara partikel untuk partikel lain bergerak secara acak. Bila padat dipanaskan partikelnya bergetar lebih kuat saat mereka mendapatkan energi kinetik dan kekuatan tarik partikel melemah. Akhirnya, pada titik lebur. Kekuatan yang menarik terlalu lemah untuk menahan partikel dalam struktur secara teratur dan dengan demikian padatannya meleleh. Perhatikan bahwa kekuatan antarmolekul masih ada untuk menahan cairan curah bersama-sama namun efeknya tidak cukup kuat untuk membentuk kisi kristal yang dipesan dari padatan. Partikel menjadi bebas untuk bergerak dan kehilangan pengaturan tertata. Energi dibutuhkan untuk mengatasi daya tarik dan memberi partikel energi kinetik getaran yang meningkat. Jadi panas diambil dari sekitarnya dan mencair adalah proses endotermik (916H ve). Perubahan energi untuk perubahan keadaan fisik ini untuk berbagai zat ditangani di bagian Catatan Energetik. Dijelaskan menggunakan teori partikel kinetik cairan dan padatan Pada pendinginan, partikel cair kehilangan energi kinetik sehingga bisa menjadi lebih kuat tertarik satu sama lain. Bila suhunya cukup rendah, energi kinetik partikel tidak mencukupi untuk mencegah kekuatan menarik partikel yang menyebabkan padatan terbentuk. Akhirnya pada titik beku kekuatan daya tarik cukup untuk menghilangkan kebebasan bergerak yang tersisa (dalam hal satu tempat ke tempat lain) dan partikel berkumpul untuk membentuk susunan padat yang dipesan (walaupun partikelnya masih memiliki energi kinetik getaran. Harus dilepas ke sekitarnya, sangat aneh, pembekuan adalah proses eksotermik (916H) perubahan energi komparatif perubahan keadaan gas ltgt cair ltgt solid 2f (i) Kurva pendinginan Apa yang terjadi pada suhu suatu zat Jika didinginkan dari keadaan gas ke keadaan padat Perhatikan suhu tetap konstan selama perubahan keadaan kondensasi pada suhu Tc dan freezingsolidifying pada suhu Tf Hal ini karena semua energi panas dilepaskan pada pendinginan pada suhu ini (pemanasan laten Atau enthalpies of state change), memungkinkan penguatan kekuatan antarpartikel (ikatan antarmolekul) tanpa suhu turun. Kehilangan panas dikompensasikan. D oleh eksotermik meningkatkan daya tarik antarmolekul. Di antara bagian perubahan keadaan horisontal grafik, Anda dapat melihat pelepasan energi mengurangi energi kinetik partikel, menurunkan suhu zat. Lihat bagian 2. untuk penjelasan rinci tentang perubahan negara. Kurva pendinginan merangkum perubahan: Untuk setiap perubahan keadaan, energi harus dilepaskan. Dikenal sebagai panas laten. Nilai energi aktual untuk perubahan keadaan fisik ini untuk berbagai zat ditangani secara lebih rinci dalam Catatan Energi. 2f (ii) Kurva Pemanasan. Apa yang terjadi pada suhu suatu zat jika dipanaskan dari keadaan padat ke keadaan gas Perhatikan suhu tetap konstan selama perubahan keadaan pelelehan pada suhu Tm dan mendidih pada suhu Tb. Hal ini karena semua energi yang diserap dalam pemanasan pada suhu ini (pemanasan laten atau enthalpies perubahan keadaan), menyebabkan melemahnya kekuatan antarpartikel (ikatan antarmolekul) tanpa kenaikan suhu. Gain panas sama dengan energi diserap endothermicheat yang dibutuhkan untuk mengurangi kekuatan antarmolekul. . Di antara bagian perubahan keadaan horizontal pada grafik, Anda dapat melihat masukan energi meningkatkan energi kinetik partikel dan menaikkan suhu zat. Lihat bagian 2. untuk penjelasan rinci tentang perubahan negara. Kurva pemanasan merangkum perubahan: Untuk setiap perubahan keadaan, energi harus ditambahkan. Dikenal sebagai panas laten. Nilai energi aktual untuk perubahan keadaan fisik ini untuk berbagai zat ditangani secara lebih rinci dalam Catatan Energi. PANAS KHUSUS PANAS Panas laten untuk perubahan keadaan cairan padat ltgt disebut panas pelepasan fusi khusus (untuk pencairan atau pembekuan). Panas laten untuk negara mengubah gas ltgt cair disebut panas laten yang spesifik dari penguapan (untuk pengembunan, penguapan atau pendidihan) Untuk informasi lebih lanjut tentang panas laten, lihat catatan fisika saya tentang panas laten tertentu Dijelaskan dengan menggunakan teori partikel kinetik gas dan padatan Ini Adalah saat padatan, pada pemanasan, langsung berubah menjadi gas tanpa mencair, DAN gas pada pendinginan melakukan reformasi yang solid secara langsung tanpa terkondensasi pada cairan. Sublimasi biasanya hanya melibatkan perubahan fisik NAMUN tidak selalu sesederhana itu (lihat amonium klorida). Teori dalam hal partikel. Bila padat dipanaskan, partikel bergetar dengan kekuatan yang meningkat dari energi panas tambahan. Jika partikel memiliki cukup energi kinetik getaran untuk sebagian mengatasi kekuatan menarik particleparticle yang Anda harapkan akan meleleh. NAMUN, jika partikel pada titik ini memiliki energi yang cukup pada titik ini yang akan menyebabkan mendidih, cairan TIDAK terbentuk dan padatan berubah langsung menjadi gas. Secara keseluruhan perubahan endotermik. Energi diserap dan dibawa masuk ke sistem. Pada pendinginan, partikel bergerak lebih lambat dan memiliki energi kinetik yang kurang. Akhirnya, bila energi kinetik partikel cukup rendah, maka akan memungkinkan kekuatan menarik particleparticle untuk menghasilkan cairan. NAMUN energi mungkin cukup rendah untuk memungkinkan pembentukan langsung dari padatan, yaitu partikel TIDAK memiliki cukup energi kinetik untuk mempertahankan keadaan cair Perubahan eksotermik keseluruhan. Energi dilepaskan dan diberikan ke sekitarnya. Bahkan pada botol suhu kamar kristal yodium padat terbentuk di bagian atas botol di atas padatan. Semakin hangat labanya, semakin banyak kristal terbentuk saat mendingin di malam hari. Jika Anda dengan lembut memanaskan iodium dalam tabung reaksi, Anda akan melihat yodium dengan mudah luhur dan rekristalisasi di permukaan yang lebih dingin di dekat bagian atas tabung reaksi. Pembentukan bentuk beku tertentu melibatkan pembekuan langsung uap air (gas). Frost juga bisa menguap langsung kembali ke uap air (gas) dan ini terjadi pada musim dingin yang kering dan sangat dingin di Gurun Gobi pada hari yang cerah. H 2 O (s) H 2 O (g) (hanya perubahan fisik) Karbon padat dioksida (es kering) terbentuk pada pendinginan gas sampai kurang dari 78 o C. Pada pemanasan, perubahannya langsung berubah menjadi gas yang sangat dingin. Mengembunkan uap air di udara ke kabut, maka penggunaannya dalam efek panggung. CO 2 (s) CO 2 (g) (hanya perubahan fisik) Pada pemanasan dengan kuat pada tabung reaksi, amonium klorida padat putih. Terurai menjadi campuran dua gas amonia tak berwarna dan hidrogen klorida. Pada pendinginan reaksi dibalik dan perbaikan amonium klorida padat pada permukaan atas tabung uji yang lebih dingin. Amonium klorida energi panas amonia hidrogen klorida T ini melibatkan perubahan kimia dan fisik dan lebih rumit daripada contoh 1. sampai 3. Sebenarnya, kristal amonium klorida ionik berubah menjadi gas amonia dan hidrogen klorida kovalen yang secara alami jauh lebih mudah menguap ( Zat kovalen umumnya memiliki titik leleh dan titik didih yang jauh lebih rendah daripada zat ionik). Gambar partikel cair tidak terlihat di sini, namun model lainnya sepenuhnya berlaku terlepas dari perubahan keadaan yang melibatkan pembentukan cairan. Model partikel GAS dan model partikel SOLID link. HARAP DIPERHATIKAN, Pada tingkat studi yang lebih tinggi. Anda perlu mempelajari diagram fase gls untuk air dan kurva tekanan uap es pada suhu tertentu. Misalnya, jika tekanan uap ambien kurang dari tekanan uap ekuilibrium pada suhu es, sublimasi dapat dengan mudah terjadi. Salju dan es di daerah dingin Gurun Gobi tidak meleleh di Matahari, mereka perlahan-lahan lenyap lenyap 2 h. Lebih lanjut tentang perubahan panas dalam perubahan fisik negara Perubahan keadaan fisik yaitu gas ltgt cair juga disertai dengan perubahan energi. Untuk melelehkan zat padat, atau mendidih menguap cairan, energi panas harus diserap atau diambil dari sekitarnya, jadi ini adalah perubahan energi endotermik. Sistem dipanaskan untuk efek perubahan ini. Untuk mengembunkan gas, atau membekukan energi panas padat, harus dilepaskan atau diberikan ke sekitarnya, jadi ini adalah perubahan energi eksotermik. Sistem didinginkan untuk mempengaruhi perubahan ini. Secara umum, semakin besar kekuatan antar partikel, semakin besar energi yang dibutuhkan untuk mempengaruhi perubahan keadaan DAN semakin tinggi titik lebur dan titik didih. Perbandingan energi yang dibutuhkan untuk meleleh atau merebus berbagai jenis zat (Ini lebih untuk siswa tingkat lanjut) Perubahan energi panas yang terlibat dalam perubahan keadaan dapat dinyatakan dalam kJmol zat untuk perbandingan yang adil. Pada tabel di bawah ini 916H mencair adalah energi yang dibutuhkan untuk mencairkan 1 mol zat (rumus massa dalam g). 916H vap adalah energi yang dibutuhkan untuk menguap dengan penguapan atau perebusan 1 mol zat (rumus massa dalam g). Untuk molekul kovalen kecil sederhana, energi yang diserap oleh material relatif kecil untuk meleleh atau menguapkan zat dan semakin besar molekul semakin besar kekuatan antarmolekul. Kekuatan ini lemah dibandingkan dengan ikatan kimia yang menahan atom bersama dalam molekul itu sendiri. Energi yang relatif rendah dibutuhkan untuk meleleh atau mengosongkannya. Zat ini memiliki titik leleh dan titik didih yang relatif rendah. Untuk jaringan 3D berikat kuat mis. (Iii) dan kisi logam ion dan elektron terluar bebas (ikatan eterik), strukturnya jauh lebih kuat secara kontinyu karena ikatan kimia kontinyu di seluruh struktur. Akibatnya, energi yang jauh lebih besar diperlukan untuk meleleh atau menguapkan bahan. Inilah sebabnya mengapa mereka memiliki titik leleh dan titik didih yang jauh lebih tinggi. Jenis ikatan, struktur dan kekuatan yang menarik yang beroperasi Titik lebur K (Kelvin) o C 273 Energi yang diperlukan untuk melelehkan zat Titik didih K (Kelvin) o C 273 Energi yang dibutuhkan untuk merebus zat 3a. APA YANG TERJADI PADA PARTIKEL KETIKA SOLID DISSOLVES DALAM SOLVEN LIQUID Apa kata SOLVENT, SOLUTE and SOLUTION mean Bila zat padat (zat terlarut) larut dalam cairan (pelarut), campuran yang dihasilkan disebut larutan. Secara umum: larutan pelarut terlarut Jadi, zat terlarut inilah yang larut dalam pelarut, pelarut adalah cairan yang melarutkan beberapa hal dan solusinya adalah hasil pelarutan sesuatu dalam pelarut. Padat kehilangan semua struktur regulernya dan partikel padat (molekul atau ion) masing-masing sekarang benar-benar bebas satu sama lain dan dicampur secara acak dengan partikel cair asli, dan semua partikel dapat bergerak secara acak. Ini menggambarkan garam larut dalam air, gula larut dalam teh atau lilin larut dalam pelarut hidrokarbon seperti roh putih. Biasanya tidak melibatkan reaksi kimiawi, jadi ini umumnya contoh perubahan fisik. Apapun perubahan volume cairan padat, dibandingkan dengan solusi akhir, UU Konservasi Misa masih berlaku. Ini berarti: massa massa zat terlarut padat dari massa larutan pelarut cair setelah dicampur dan dilarutkan. Anda tidak bisa menciptakan massa atau kehilangan massa. Tapi hanya mengubah massa zat menjadi bentuk lain. Jika pelarut diuapkan. Maka solidnya direformasi mis. Jika larutan garam ditinggalkan untuk waktu yang lama atau dipanaskan dengan lembut untuk mempercepatnya, pada akhirnya bentuk kristal garam, prosesnya disebut kristalisasi. 3b. APA YANG TERJADI TERHADAP PARTIKEL KETIKA DUA KALI SEGALA MIX DENGAN SETIAP APA YANG APA YANG KITA DIKETAHUI KATA BIASA Menggunakan model partikel untuk menjelaskan cairan yang dapat disembuhkan. Jika dua cairan benar-benar mencampur dalam bentuk partikelnya, mereka disebut cairan yang mudah larut karena keduanya larut dalam satu sama lain. Hal ini ditunjukkan pada diagram di bawah dimana partikel benar-benar bercampur dan bergerak secara acak. Prosesnya bisa dibalik dengan distilasi fraksional. 3c. APA YANG TERJADI TERHADAP PARTIKEL KETIKA DUA KALI TIDAK MIX DENGAN SETIAP APA YANG APA YANG DIMAKSUDKAN KATA BIJI MIMPI SENDIRI MENGAPA MATA TIDAK MIX Menggunakan model partikel untuk menjelaskan cairan yang tidak bercampur. Jika kedua cairan itu TIDAK bercampur. Mereka membentuk dua lapisan yang terpisah dan dikenal sebagai cairan tak bercampur, diilustrasikan pada diagram di bawah dimana cairan ungu bawah akan lebih padat daripada lapisan atas cairan hijau. Anda dapat memisahkan dua cairan ini dengan menggunakan corong pemisah. Alasan untuk ini adalah bahwa interaksi antara molekul salah satu cairan saja lebih kuat daripada interaksi antara dua molekul berbeda dari cairan yang berbeda. Misalnya, kekuatan daya tarik antara molekul air jauh lebih besar daripada molekul oiloil atau molekul air minyak, jadi dua lapisan terpisah terbentuk karena molekul air, dalam hal perubahan energi, disukai dengan tetap bertahan. 3d. Bagaimana corong pemisah digunakan 1. Campuran dimasukkan ke dalam corong pemisah dengan stopper dan keran ditutup dan lapisannya tertinggal. 2. Stopper dilepaskan, dan keran dibuka sehingga Anda dapat dengan hati-hati menjalankan lapisan bawah abu-abu terlebih dahulu ke dalam gelas kimia. 3. Ketukan kemudian ditutup kembali, tertinggal dari cairan lapisan atas kuning, sehingga memisahkan dua cairan yang tidak bercampur. Lampiran 1 beberapa gambar partikel sederhana dari ELEMEN, SENYAWA, DAN CAMPURAN GCSEIGCSE pilihan ganda QUIZ pada keadaan gas materi, cairan amp padat Beberapa latihan dasar yang mudah dari sains KS3 QCA 7G quot Model partikel padatan, cairan dan gas Beberapa Pertanyaan Pilihan untuk revisi Ilmu pada gas , Cairan dan partikel padat, sifat, menjelaskan perbedaan di antara keduanya. Lihat juga untuk perhitungan gas gcse kimia revisi catatan rinci rinci tentang keadaan materi untuk membantu merevisi catatan kimia kimia igcse igcse catatan tentang keadaan materi O tingkat kimia revisi catatan rinci gratis tentang keadaan materi untuk membantu merevisi catatan kimia gratis gcse pada negara bagian Materi untuk membantu merevisi situs web online tingkat O kimia untuk membantu merevisi keadaan materi untuk situs web gratis gcse chemistry online untuk membantu merevisi keadaan materi untuk situs web online gratis kimia igcse untuk membantu merevisi tingkat negara bagian tentang kimia materi bagaimana berhasil dalam pertanyaan di negara bagian Materi untuk kimia gcse bagaimana sukses di kimia igcse bagaimana sukses di tingkat O kimia sebuah situs web yang bagus untuk pertanyaan gratis mengenai keadaan materi untuk membantu menyampaikan pertanyaan kimia pada negara bagian dari sebuah situs web yang baik untuk bantuan gratis untuk lulus kimia igcse dengan Catatan revisi tentang keadaan materi sebuah situs web yang baik untuk bantuan gratis untuk lulus tingkat kimia O apa tiga keadaan materi menarik a diagram of the particle model diagram of a gas, particle theory of a gas, draw a particle model diagram of a liquid, particle theory of a liquid, draw a particle model diagram of a solid, particle theory of a solid, what is diffusion why can you have diffusion in gases and liquids but not in solids what are the limitations of the particle model of a gas liquid or solid how to use the particle model to explain the properties of a gas, what causes gas pressure how to use the particle model to explain the properties of a solid, how to use the particle model to explain the properties of a solid, why is a gas easily compressed but difficult to compress a liquid or solid how do we use the particle model to explain changes of state explaining melting with the particle model, explaining boiling with the particle model, explaining evaporation using the particle model, explaining condensing using the particle model, explaining freezing with the particle model, how do you read a thermometer wor king out the state of a substance at a particular temperature given its melting point and boiling point, how to draw a cooling curve, how to draw a heating curve, how to explain heatingcooling curves in terms of state changes and latent heat, what is sublimation what substances sublime explaining endothermic and exothermic energy changes of state, using the particle model to explain miscible and immiscible liquids GASES, LIQUIDS, SOLIDS, States of Matter, particle models, theory of state changes, melting, boiling, evaporation, condensing, freezing, solidifying, cooling curves, 1.1 Three states of matter: 1.1a gases, 1.1b liquids, 1.1c solids 2. State changes: 2a evaporation and boiling, 2b condensation, 2c distillation, 2d melting, 2e freezing, 2f cooling and heating curves and relative energy changes, 2g sublimation 3. Dissolving, solutions. miscibleimmiscible liquids Boiling Boiling point Brownian motion Changes of state Condensing Cooling curve Diffusion Dissolving Evaporation Freezing Freezing point Gas particle picture Heating curve Liquid particle picture Melting Melting point miscibleimmiscible liquids Properties of gases Properties of liquids Properties of solids solutions sublimation Solid particle picture GCSEIGCSE multiple choice QUIZ on states of matter gases liquids solids practice revision questions Revision notes on particle models and properties of gases, liquids and solids KS4 Science GCSEIGCSEO level Chemistry Information on particle models and properties of gases, liquids and solids for revising for AQA GCSE Science, Edexcel Science chemistry IGCSE Chemistry notes on particle models and properties of gases, liquids and solids OCR 21st Century Science, OCR Gateway Science notes on particle models and properties of gases, liquids and solids WJEC gcse science chemistry notes on particl e models and properties of gases, liquids and solids CIE O Level chemistry CIE IGCSE chemistry notes on particle models and properties of gases, liquids and solids CCEACEA gcse science chemistry (revise courses equal to US grade 8, grade 9 grade 10) science chemistry courses revision guides explanation chemical equations for particle models and properties of gases, liquids and solids educational videos on particle models and properties of gases, liquids and solids guidebooks for revising particle models and properties of gases, liquids and solids textbooks on particle models and properties of gases, liquids and solids state changes amp particle model for AQA AS chemistry, state changes amp particle model for Edexcel A level AS chemistry, state changes amp particle model for A level OCR AS chemistry A, state changes amp particle model for OCR Salters AS chemistry B, state changes amp particle model for AQA A level chemistry, state changes amp particle model for A level Edexcel A level c hemistry, state changes amp particle model for OCR A level chemistry A, state changes amp particle model for A level OCR Salters A level chemistry B state changes amp particle model for US Honours grade 11 grade 12 state changes amp particle model for pre-university chemistry courses pre-university A level revision notes for state changes amp particle model A level guide notes on state changes amp particle model for schools colleges academies science course tutors images pictures diagrams for state changes amp particle model A level chemistry revision notes on state changes amp particle model for revising module topics notes to help on understanding of state changes amp particle model university courses in science careers in science jobs in the industry laboratory assistant apprenticeships technical internships USA US grade 11 grade 11 AQA A level chemistry notes on state changes amp particle model Edexcel A level chemistry notes on state changes amp particle model for OCR A level chem istry notes WJEC A level chemistry notes on state changes amp particle model CCEACEA A level chemistry notes on state changes amp particle model for university entrance examinations describe some limitations of the particle model for gases, liquids and solidsBollinger Bands Strategy 8211 How To Trade The Squeeze The Squeeze Is One Bollinger Bands Strategy You Need To Know Today I8217m going to discuss a great Bollinger Bands Strategy. Selama bertahun-tahun aku melihat banyak strategi perdagangan datang dan pergi. Yang biasanya terjadi adalah strategi trading berjalan dengan baik pada kondisi pasar yang spesifik dan menjadi sangat populer. Begitu kondisi pasar berubah, strategi tidak lagi berjalan dan dengan cepat diganti dengan strategi lain yang sesuai dengan kondisi pasar saat ini. Ketika John Bollinger memperkenalkan Strategi Bollinger Bands lebih dari 20 tahun yang lalu, saya ragu dengan umur panjangnya. Saya pikir itu akan berlangsung dalam waktu singkat dan akan memudar ke matahari terbenam seperti strategi perdagangan paling populer saat itu. Saya harus mengakui bahwa saya salah dan Bollinger Bands menjadi salah satu yang paling bergantung pada indikator teknis yang pernah dibuat. Apakah Bollinger Bands Bagi Anda yang tidak mengenal Bollinger Bands itu bukan indikator sederhana. Anda mulai dengan 20-an Simple Moving Average dari harga penutupan. Band atas dan bawah kemudian menetapkan dua standar deviasi di atas dan di bawah rata-rata bergerak ini. Band bergerak menjauh dari moving average ketika volatilitas mengembang dan bergerak menuju moving average ketika kontrak volatilitas. Banyak pedagang memiliki panjang rata-rata bergerak tergantung pada kerangka waktu yang mereka gunakan. Untuk demonstrasi hari ini kita akan bergantung pada pengaturan standar untuk menjaga agar tetap sederhana. Perhatikan dalam contoh ini bagaimana band berkembang dan berkontraksi tergantung pada volatilitas dan kisaran perdagangan pasar. Perhatikan bagaimana band secara dinamis mempersempit dan memperluas berdasarkan perubahan tindakan harga hari ke hari. Kontrak Bands Dan Perluas Berdasarkan Perubahan Harian Dalam Volatilitas Bollinger Band-Width Ada satu indikator tambahan yang sesuai dengan Bollinger Bands yang tidak diketahui banyak trader. Ini sebenarnya bagian dari Bollinger Bands tapi karena Bollinger Bands selalu digambar di bagan, bukan di bawah grafik, tidak ada tempat yang logis untuk meletakkan indikator ini saat merender formula untuk band sebenarnya. Indikatornya disebut Band-Width dan satu-satunya tujuan dari indikator ini adalah untuk mengurangi nilai band yang lebih rendah dari upper band. Perhatikan dalam contoh ini bagaimana indikator Band-Width memberikan pembacaan yang lebih rendah saat band berkontraksi dan pembacaan yang lebih tinggi saat band berkembang. Band-Width Adalah Bagian dari Indikator Bollinger Band Salah satu strategi Bollinger Bands Hadir Saya Saya menggunakan Bollinger Bands dengan berbagai cara selama bertahun-tahun dengan hasil yang positif. Salah satu strategi Bollinger Bands yang saya gunakan saat volatilitas menurun di pasar adalah strategi masuk Squeeze. Ini adalah strategi yang sangat sederhana dan bekerja sangat baik untuk saham, futures, mata uang asing dan kontrak komoditas. Strategi Squeeze didasarkan pada gagasan bahwa sekali volatilitas menurun untuk periode waktu yang lama, reaksi sebaliknya biasanya terjadi dan volatilitas meluas sekali lagi. Ketika volatilitas memperluas pasar biasanya mulai bergerak dengan kuat dalam satu arah dalam waktu singkat. Squeeze dimulai dengan Band-Width yang menghasilkan low 6 bulan. Tidak masalah berapa jumlah sebenarnya karena hanya relatif terhadap pasar yang Anda cari untuk diperdagangkan dan tidak ada yang lain. Dalam contoh ini Anda bisa melihat saham IBM mencapai tingkat volatilitas terendah dalam 6 bulan. Perhatikan bagaimana harga saham hampir tidak bergerak pada saat Lebar Band-Lebar 6 bulan tercapai. Inilah saatnya untuk mulai melihat pasar karena tingkat Band-Width 6 bulan yang rendah biasanya mendahului pergerakan terarah yang kuat. Perhatikan Rentang Perdagangan yang Tegang Pada Waktu Sinyal Dihasilkan Dalam contoh ini Anda dapat melihat bagaimana saham IBM pecah di luar pita Bollinger atas segera setelah tingkat Band-Width saham mencapai level terendah 6 bulan. Ini adalah kejadian yang sangat umum dan yang harus Anda awasi setiap hari. Lebar Band-Lebar 6 bulan merupakan indikator hebat yang mendahului momentum directional yang kuat. Breakout Outside Of The Upper Band Terjadi Tepat Setelah Volatilitas Capai 6 Bulan Rendah Contoh Lain Dalam contoh ini Anda dapat melihat bagaimana Apple Computers mencapai tingkat Band-Lebar terendah dalam 6 bulan dan satu hari kemudian stock pecah di luar band atas. Ini adalah jenis set up yang ingin Anda monitor setiap hari saat menggunakan indikator Band-Width untuk set up Squeeze. Apple Mencapai Bacaan Lebar Band-Lebar Dalam 6 Bulan Perhatikan bagaimana Band-Lebar mulai meningkat dengan cepat setelah mencapai level terendah 6 bulan. Harga saham biasanya akan mulai bergerak lebih tinggi dalam beberapa hari dari 6 bulan Band-Lebar rendah. Volatilitas Dan Momentum Mulai Meningkat Setelah Lebar 6 Bulan Band-Lebar Hal Yang Perlu Dipertahankan Dalam Perhatian Squeeze adalah salah satu metode paling sederhana dan paling efektif untuk mengukur volatilitas pasar, ekspansi dan kontraksi. Selalu ingat bahwa pasar melewati siklus yang berbeda dan sekali volatilitas turun ke level terendah 6 bulan, pemulihan biasanya terjadi dan volatilitas mulai naik sekali lagi. Bila volatilitas mulai menaikkan harga biasanya mulai bergerak dalam satu arah dalam waktu singkat. Wishing you the best, Roger Scott Senior Trainer Market GeeksEva Goldwater Biostatistics Consulting Center University of Massachusetts School of Public Health updated February 2007 At A Glance We used Excel to do some basic data analysis tasks to see whether it is a reasonable alternative to using a statistical package for the same tasks. We concluded that Excel is a poor choice for statistical analysis beyond textbook examples, the simplest descriptive statistics, or for more than a very few columns. The problems we encountered that led to this conclusion are in four general areas : Missing values are handled inconsistently, and sometimes incorrectly. Data organization differs according to analysis, forcing you to reorganize your data in many ways if you want to do many different analyses. Many analyses can only be done on one column at a time, making it inconvenient to do the same analysis on many columns. Output is poorly organized, sometimes inadequately labeled, and there is no record of how an analysis was accomplished. Excel is convenient for data entry, and for quickly manipulating rows and columns prior to statistical analysis. However when you are ready to do the statistical analysis, we recommend the use of a statistical package such as SAS, SPSS, Stata, Systat or Minitab. Introduction Excel is probably the most commonly used spreadsheet for PCs. Newly purchased computers often arrive with Excel already loaded. It is easily used to do a variety of calculations, includes a collection of statistical functions, and a Data Analysis ToolPak. As a result, if you suddenly find you need to do some statistical analysis, you may turn to it as the obvious choice. We decided to do some testing to see how well Excel would serve as a Data Analysis application. To present the results, we will use a small example. The data for this example is fictitious. It was chosen to have two categorical and two continuous variables, so that we could test a variety of basic statistical techniques. Since almost all real data sets have at least a few missing data points, and since the ability to deal with missing data correctly is one of the features that we take for granted in a statistical analysis package, we introduced two empty cells in the data: Each row of the spreadsheet represents a subject. The first subject received Treatment 1, and had Outcome 1. X and Y are the values of two measurements on each subject. We were unable to get a measurement for Y on the second subject, or on X for the last subject, so these cells are blank. The subjects are entered in the order that the data became available, so the data is not ordered in any particular way. We used this data to do some simple analyses and compared the results with a standard statistical package. The comparison considered the accuracy of the results as well as the ease with which the interface could be used for bigger data sets - i.e. more columns. We used SPSS as the standard, though any of the statistical packages OIT supports would do equally well for this purpose. In this article when we say quota statistical package,quot we mean SPSS, SAS, STATA, SYSTAT, or Minitab. Most of Excels statistical procedures are part of the Data Analysis tool pack, which is in the Tools menu. It includes a variety of choices including simple descriptive statistics, t-tests, correlations, 1 or 2-way analysis of variance, regression, etc. If you do not have a Data Analysis item on the Tools menu, you need to install the Data Analysis ToolPak. Search in Help for quotData Analysis Toolsquot for instructions on loading the ToolPak. Two other Excel features are useful for certain analyses, but the Data Analysis tool pack is the only one that provides reasonably complete tests of statistical significance. Pivot Table in the Data menu can be used to generate summary tables of means, standard deviations, counts, etc. Also, you could use functions to generate some statistical measures, such as a correlation coefficient. Functions generate a single number, so using functions you will likely have to combine bits and pieces to get what you want. Even so, you may not be able to generate all the parts you need for a complete analysis. Unless otherwise stated, all statistical tests using Excel were done with the Data Analysis ToolPak. In order to check a variety of statistical tests, we chose the following tasks: Get means and standard deviations of X and Y for the entire group, and for each treatment group. Get the correlation between X and Y. Do a two sample t-test to test whether the two treatment groups differ on X and Y. Do a paired t-test to test whether X and Y are statistically different from each other. Compare the number of subjects with each outcome by treatment group, using a chi-squared test. All of these tasks are routine for a data set of this nature, and all of them could be easily done using any of the aobve listed statistical packages. General Issues Enable the Analysis ToolPak The Data Analysis ToolPak is not installed with the standard Excel setup. Look in the Tools menu. If you do not have a Data Analysis item, you will need to install the Data Analysis tools. Search Help for quotData Analysis Toolsquot for instructions. Missing Values A blank cell is the only way for Excel to deal with missing data. If you have any other missing value codes, you will need to change them to blanks. Data Arrangement Different analyses require the data to be arranged in various ways. If you plan on a variety of different tests, there may not be a single arrangement that will work. You will probably need to rearrange the data several ways to get everything you need. Dialog Boxes Choose ToolsData Analysis, and select the kind of analysis you want to do. The typical dialog box will have the following items: Input Range: Type the upper left and lower right corner cells. misalnya A1:B100. You can only choose adjacent rows and columns. Unless there is a checkbox for grouping data by rows or columns (and there usually is not), all the data is considered as one glop. Labels - There is sometimes a box you can check off to indicate that the first row of your sheet contains labels. If you have labels in the first row, check this box, and your output MAY be labeled with your label. Then again, it may not. Output location - New Sheet is the default. Or, type in the cell address of the upper left corner of where you want to place the output in the current sheet. New Worksheet is another option, which I have not tried. Ramifications of this choice are discussed below. Other items, depending on the analysis. Output location The output from each analysis can go to a new sheet within your current Excel file (this is the default), or you can place it within the current sheet by specifying the upper left corner cell where you want it placed. Either way is a bit of a nuisance. If each output is in a new sheet, you end up with lots of sheets, each with a small bit of output. If you place them in the current sheet, you need to place them appropriately leave room for adding comments and labels changes you need to make to format one output properly may affect another output adversely. Example: Output from Descriptives has a column of labels such as Standard Deviation, Standard Error, etc. You will want to make this column wide in order to be able to read the labels. But if a simple Frequency output is right underneath, then the column displaying the values being counted, which may just contain small integers, will also be wide. Results of Analyses Descriptive Statistics The quickest way to get means and standard deviations for a entire group is using Descriptives in the Data Analysis tools. You can choose several adjacent columns for the Input Range (in this case the X and Y columns), and each column is analyzed separately. The labels in the first row are used to label the output, and the empty cells are ignored. If you have more, non-adjacent columns you need to analyze, you will have to repeat the process for each group of contiguous columns. The procedure is straightforward, can manage many columns reasonably efficiently, and empty cells are treated properly. To get the means and standard deviations of X and Y for each treatment group requires the use of Pivot Tables (unless you want to rearrange the data sheet to separate the two groups). After selecting the (contiguous) data range, in the Pivot Table Wizards Layout option, drag Treatment to the Row variable area, and X to the Data area. Double click on ldquoCount of Xrdquo in the Data area, and change it to Average. Drag X into the Data box again, and this time change Count to StdDev. Finally, drag X in one more time, leaving it as Count of X. This will give us the Average, standard deviation and number of observations in each treatment group for X. Do the same for Y, so we will get the average, standard deviation and number of observations for Y also. This will put a total of six items in the Data box (three for X and three for Y). As you can see, if you want to get a variety of descriptive statistics for several variables, the process will get tedious. A statistical package lets you choose as many variables as you wish for descriptive statistics, whether or not they are contiguous. You can get the descriptive statistics for all the subjects together, or broken down by a categorical variable such as treatment. You can select the statistics you want to see once, and it will apply to all variables chosen. Correlations Using the Data Analysis tools, the dialog for correlations is much like the one for descriptives - you can choose several contiguous columns, and get an output matrix of all pairs of correlations. Empty cells are ignored appropriately. The output does NOT include the number of pairs of data points used to compute each correlation (which can vary, depending on where you have missing data), and does not indicate whether any of the correlations are statistically significant. If you want correlations on non-contiguous columns, you would either have to include the intervening columns, or copy the desired columns to a contiguous location. A statistical package would permit you to choose non-contiguous columns for your correlations. The output would tell you how many pairs of data points were used to compute each correlation, and which correlations are statistically significant. Two-Sample T-test This test can be used to check whether the two treatment groups differ on the values of either X or Y. In order to do the test you need to enter a cell range for each group. Since the data were not entered by treatment group, we first need to sort the rows by treatment. Be sure to take all the other columns along with treatment, so that the data for each subject remains intact . After the data is sorted, you can enter the range of cells containing the X measurements for each treatment. Do not include the row with the labels, because the second group does not have a label row. Therefore your output will not be labeled to indicate that this output is for X. If you want the output labeled, you have to copy the cells corresponding to the second group to a separate column, and enter a row with a label for the second group. If you also want to do the t-test for the Y measurements, youll need to repeat the process. The empty cells are ignored, and other than the problems with labeling the output, the results are correct. A statistical package would do this task without any need to sort the data or copy it to another column, and the output would always be properly labeled to the extent that you provide labels for your variables and treatment groups. It would also allow you to choose more than one variable at a time for the t-test (e.g. X and Y). Paired t-test The paired t-test is a method for testing whether the difference between two measurements on the same subject is significantly different from 0. In this example, we wish to test the difference between X and Y measured on the same subject. The important feature of this test is that it compares the measurements within each subject. If you scan the X and Y columns separately, they do not look obviously different. But if you look at each X-Y pair, you will notice that in every case, X is greater than Y. The paired t-test should be sensitive to this difference. In the two cases where either X or Y is missing, it is not possible to compare the two measures on a subject. Hence, only 8 rows are usable for the paired t-test. When you run the paired t-test on this data, you get a t-statistic of 0.09, with a 2-tail probability of 0.93. The test does not find any significant difference between X and Y. Looking at the output more carefully, we notice that it says there are 9 observations. As noted above, there should only be 8. It appears that Excel has failed to exclude the observations that did not have both X and Y measurements. To get the correct results copy X and Y to two new columns and remove the data in the cells that have no value for the other measure. Now re-run the paired t-test. This time the t-statistic is 6.14817 with a 2-tail probability of 0.000468. The conclusion is completely different Of course, this is an extreme example. But the point is that Excel does not calculate the paired t-test correctly when some observations have one of the measurements but not the other. Although it is possible to get the correct result, you would have no reason to suspect the results you get unless you are sufficiently alert to notice that the number of observations is wrong. There is nothing in online help that would warn you about this issue. Interestingly, there is also a TTEST function, which gives the correct results for this example. Apparently the functions and the Data Analysis tools are not consistent in how they deal with missing cells. Nevertheless, I cannot recommend the use of functions in preference to the Data Analysis tools, because the result of using a function is a single number - in this case, the 2-tail probability of the t-statistic. The function does not give you the t-statistic itself, the degrees of freedom, or any number of other items that you would want to see if you were doing a statistical test. A statistical packages will correctly exclude the cases with one of the measurements missing, and will provide all the supporting statistics you need to interpret the output. Crosstabulation and Chi-Squared Test of Independence Our final task is to count the two outcomes in each treatment group, and use a chi-square test of independence to test for a relationship between treatment and outcome. In order to count the outcomes by treatment group, you need to use Pivot Tables. In the Pivot Table Wizards Layout option, drag Treatment to Row, Outcome to Column and also to Data. The Data area should say quotCount of Outcomequot ndash if not, double-click on it and select quotCountquot. If you want percents, double-click quotCount of Outcomequot, and click Options in the ldquoShow Data Asrdquo box which appears, select quot of rowquot. If you want both counts and percents, you can drag the same variable into the Data area twice, and use it once for counts and once for percents. Getting the chi-square test is not so simple, however. It is only available as a function, and the input needed for the function is the observed counts in each combination of treatment and outcome (which you have in your pivot table), and the expected counts in each combination. Expected counts What are they How do you get them If you have sufficient statistical background to know how to calculate the expected counts, and can do Excel calculations using relative and absolute cell addresses, you should be able to navigate through this. If not, youre out of luck. Assuming that you surmounted the problem of expected counts, you can use the Chitest function to get the probability of observing a chi-square value bigger than the one for this table. Again, since we are using functions, you do not get many other necessary pieces of the calculation, notably the value of the chi-square statistic or its degrees of freedom. No statistical package would require you to provide the expected values before computing a chi-square test of indepencence. Further, the results would always include the chi-square statistic and its degrees of freedom, as well as its probability. Often you will get some additional statistics as well. Additional Analyses The remaining analyses were not done on this data set, but some comments about them are included for completeness. Simple Frequencies You can use Pivot Tables to get simple frequencies. (see Crosstabulations for more about how to get Pivot Tables.) Using Pivot Tables, each column is considered a separate variable, and labels in row 1 will appear on the output. You can only do one variable at a time. Another possibility is to use the Frequencies function. The main advantage of this method is that once you have defined the frequencies function for one column, you can use CopyPaste to get it for other columns. First, you will need to enter a column with the values you want counted (bins). If you intend to do the frequencies for many columns, be sure to enter values for the column with the most categories. misalnya if 3 columns have values of 1 or 2, and the fourth has values of 1,2,3,4, you will need to enter the bin values as 1,2,3,4. Now select enough empty cells in one column to store the results - 4 in this example, even if the current column only has 2 values. Next choose InsertFunctionStatisticalFrequencies on the menu. Fill in the input range for the first column you want to count using relative addresses (e.g. A1:A100). Fill in the Bin Range using the absolute addresses of the locations where you entered the values to be counted (e.g. M1:M4). Click Finish. Note the box above the column headings of the sheet, where the formula is displayed. It start with quot FREQUENCIES(quot. Place the cursor to the left of the sign in the formula, and press Ctrl-Shift-Enter. The frequency counts now appear in the cells you selected. To get the frequency counts of other columns, select the cells with the frequencies in them, and choose EditCopy on the menu. If the next column you want to count is one column to the right of the previous one, select the cell to the right of the first frequency cell, and choose EditPaste (ctrl-V). Continue moving to the right and pasting for each column you want to count. Each time you move one column to the right of the original frequency cells, the column to be counted is shifted right from the first column you counted. If you want percents as well, yoursquoll have to use the Sum function to compute the sum of the frequencies, and define the formula to get the percent for one cell. Select the cell to store the first percent, and type the formula into the formula box at the top of the sheet - e.g. N1100N 5 - where N1 is the cell with the frequency for the first category, and N5 is the cell with the sum of the frequencies. Use CopyPaste to get the formula for the remaining cells of the first column. Once you have the percents for one column, you can CopyPaste them to the other columns. Yoursquoll need to be careful about the use of relative and absolute addresses In the example above, we used N5 for the denominator, so when we copy the formula down to the next frequency on the same column, it will still look for the sum in row 5 but when we copy the formula right to another column, it will shift to the frequencies in the next column. Finally, you can use Histogram on the Data Analysis menu. You can only do one variable at a time. As with the Frequencies function, you must enter a column with quotbinquot boundaries. To count the number of occurrences of 1 and 2, you need to enter 0,1,2 in three adjacent cells, and give the range of these three cells as the Bins on the dialog box. The output is not labeled with any labels you may have in row 1, nor even with the column letter. If you do frequencies on lots of variables, you will have difficulty knowing which frequency belongs to which column of data. Linear Regression Since regression is one of the more frequently used statistical analyses, we tried it out even though we did not do a regression analysis for this example. The Regression procedure in the Data Analysis tools lets you choose one column as the dependent variable, and a set of contiguous columns for the independents. However, it does not tolerate any empty cells anywhere in the input ranges, and you are limited to 16 independent variables. Therefore, if you have any empty cells, you will need to copy all the columns involved in the regression to new columns, and delete any rows that contain any empty cells. Large models, with more than 16 predictors, cannot be done at all. Analysis of Variance In general, the Excels ANOVA features are limited to a few special cases rarely found outside textbooks, and require lots of data re-arrangements. One-way ANOVA Data must be arranged in separate and adjacent columns (or rows) for each group. Clearly, this is not conducive to doing 1-ways on more than one grouping. If you have labels in row 1, the output will use the labels. Two-Factor ANOVA Without Replication This only does the case with one observation per cell (i.e. no Within Cell error term). The input range is a rectangular arrangement of cells, with rows representing levels of one factor, columns the levels of the other factor, and the cell contents the one value in that cell. Two-Factor ANOVA with Replicates This does a two-way ANOVA with equal cell sizes . Input must be a rectangular region with columns representing the levels of one factor, and rows representing replicates within levels of the other factor. The input range MUST also include an additional row at the top, and column on the left, with labels indicating the factors. However, these labels are not used to label the resulting ANOVA table. Click Help on the ANOVA dialog for a picture of what the input range must look like. Requesting Many Analyses If you had a variety of different statistical procedures that you wanted to perform on your data, you would almost certainly find yourself doing a lot of sorting, rearranging, copying and pasting of your data. This is because each procedure requires that the data be arranged in a particular way, often different from the way another procedure wants the data arranged. In our small test, we had to sort the rows in order to do the t-test, and copy some cells in order to get labels for the output. We had to clear the contents of some cells in order to get the correct paired t-test, but did not want those cells cleared for some other test. And we were only doing five tasks. It does not get better when you try to do more. There is no single arrangement of the data that would allow you to do many different analyses without making many different copies of the data. The need to manipulate the data in many ways greatly increases the chance of introducing errors. Using a statistical program, the data would normally be arranged with the rows representing the subjects, and the columns representing variables (as they are in our sample data). With this arrangement you can do any of the analyses discussed here, and many others as well, without having to sort or rearrange your data in any way. Only much more complex analyses, beyond the capabilities of Excel and the scope of this article would require data rearrangement. Working with Many Columns What if your data had not 4, but 40 columns, with a mix of categorical and continuous measures How easily do the above procedures scale to a larger problem At best, some of the statistical procedures can accept multiple contiguous columns for input, and interpret each column as a different measure. The descriptives and correlations procedures are of this type, so you can request descriptive statistics or correlations for a large number of continuous variables, as long as they are entered in adjacent columns. If they are not adjacent, you need to rearrange columns or use copy and paste to make them adjacent. Many procedures, however, can only be applied to one column at a time. T-tests (either independent or paired), simple frequency counts, the chi-square test of independence, and many other procedures are in this class. This would become a serious drawback if you had more than a handful of columns, even if you use cut and paste or macros to reduce the work. In addition to having to repeat the request many times, you have to decide where to store the results of each, and make sure it is properly labeled so you can easily locate and identify each output. Finally, Excel does not give you a log or other record to track what you have done. This can be a serious drawback if you want to be able to repeat the same (or similar) analysis in the future, or even if youve simply forgotten what youve already done. Using a statistical package, you can request a test for as many variables as you need at once. Each one will be properly labeled and arranged in the output, so there is no confusion as to whats what. You can also expect to get a log, and often a set of commands as well, which can be used to document your work or to repeat an analysis without having to go through all the steps again. Although Excel is a fine spreadsheet, it is not a statistical data analysis package. In all fairness, it was never intended to be one. Keep in mind that the Data Analysis ToolPak is an quotadd-inquot - an extra feature that enables you to do a few quick calculations. So it should not be surprising that that is just what it is good for - a few quick calculations. If you attempt to use it for more extensive analyses, you will encounter difficulties due to any or all of the following limitations: Potential problems with analyses involving missing data. These can be insidious, in that the unwary user is unlikely to realize that anything is wrong. Lack of flexibility in analyses that can be done due to its expectations regarding the arrangement of data. This results in the need to cutpastesort and otherwise rearrange the data sheet in various ways, increasing the likelyhood of errors. Output scattered in many different worksheets, or all over one worksheet, which you must take responsibility for arranging in a sensible way. Output may be incomplete or may not be properly labeled, increasing possibility of misidentifying output. Need to repeat requests for the some analyses multiple times in order to run it for multiple variables, or to request multiple options. Need to do some things by defining your own functionsformulae, with its attendant risk of errors. No record of what you did to generate your results, making it difficult to document your analysis, or to repeat it at a later time, should that be necessary. If you have more than about 10 or 12 columns, andor want to do anything beyond descriptive statistics and perhaps correlations, you should be using a statistical package. There are several suitable ones available by site license through OIT, or you can use them in any of the OIT PC labs. If you have Excel on your own PC, and dont want to pay for a statistical program, by all means use Excel to enter the data (with rows representing the subjects, and columns for the variables). All the mentioned statistical packages can read Excel files, so you can do the (time-consuming) data entry at home, and go to the labs to do the analysis. A much more extensive discussion of the pitfalls of using Excel, with many additional links, is available at burns-stat Click on Tutorials, then Spreadsheet Addiction. For assistance or more information about statistical software, contact the Biostatistics Consulting Center. Telephone 545-2949
Online-stock-brokerage-for-pemula
Opsi-trading-delta-netral