12414

Измерение постоянной Планка

Лабораторная работа

Физика

Отчет. К лабораторной работе 6.2. Измерение постоянной Планка. Цель работы: Определить постоянную Планка. Приборы и инструменты № Название Предел измерения Цена деления Аб

Русский

2013-04-27

83 KB

2 чел.

Отчет.

К лабораторной работе 6.2.

Измерение постоянной Планка.

Цель работы: Определить постоянную Планка.

  1.  Приборы и инструменты

Название

Предел измерения

Цена деления

Абсолютная приборная погрешность

1

Призменный спектрометр

  1.  Рабочие формулы

 

  1.  Исходные данные

Энергия диссоциации Cr2O72– =3.67·10-19Дж.

Длина волны для различных линий спектра:

Цвет

λ, Å

Красный

6128

Желтый

5770

Зеленый

5461

Голубой

5235

Синий

4358

Фиолетовый

4047

  1.  Таблица измерений

λ, Å

N, º

Nср

6128

3350

3360

3346

3356

3353.0

5770

3120

3130

3120

3126

3124.0

5461

2944

2940

2950

2946

2945.0

5235

2450

2452

2448

2446

2449.0

4358

2150

2146

2152

2154

2150.5

4047

1836

1830

1840

1832

1834.5

  1.  Таблица измерений точки начала поглощения:

N, º

Nср

2930 º

2938 º

2932 º

2934 º

2932 º

2940 º

2934.3º

  1.  Построим градуировочную кривую призменного спектрометра:

  1.  Получим выборку значений λg:

λ1

λ2

N1

N2

Ng

λg

Δλg

(Δλg)2

1

6128

5461

3353

2945

2934

5443,5

-456,6

208501,82

2

6128

5235

3353

2449

2934

5714,4

-727,5

529256,25

3

6128

4358

3353

2151

2934

5511,7

-524,8

275425,54

4

6128

4047

3353

1835

2934

5554,2

-567,3

321840,64

5

5770

5461

3124

2945

2934

5442,5

-455,6

207607,81

6

5770

5235

3124

2449

2934

5619,7

-632,8

400385,22

7

5770

4358

3124

2151

2934

5494,9

-508

258023,36

8

5770

4047

3124

1835

2934

5516,5

-529,6

280518,53

9

5461

5235

2945

2449

2934

5456,1

-469,2

220176,79

10

5461

4358

2945

2151

2934

5446,2

-459,3

210919,75

11

5461

4047

2945

1835

2934

5447,4

-460,5

212051,04

12

4358

4047

4358

1835

2934

4182,5

804,35

646978,92

λgср=

4986,9

Δλg=

46,62

  1.  Определим доверительный интервал для λg и h

λg=(4986.9±46,62) Å =(4980±50) Å

Вычислим h:

 

h=(3.67·10-19Дж·4980Å)/3·108м/с=6,0922·10-34 Дж·с

Δh=(3.67·10-19Дж·50Å)/3·108м/с=0.061·10-34 Дж·с

h=(6,09±0,06) ·10-34Дж·с

  1.  Результат

h=(6,09±0,06) ·10-34Дж·с


 

А также другие работы, которые могут Вас заинтересовать

42212. Система математических расчётов Mathcad 508 KB
  Методические указания предназначены для самостоятельного освоения работы с современным математическим пакетом Mathcad, входящим в программу курса. Предлагаемое пособие позволит не только освоить основные операции пакета Mathcad, но и познакомит с основными методами математического анализа.
42213. Облік кредитних операцій 124.5 KB
  Чинним банківським законодавством України кредит (кредитні операції) визначаються як вид активних операцій, пов’язаних з наданням клієнтам коштів у тимчасове користування або прийняттям зобов’язань про надання коштів у тимчасове користування за певних умов
42214. ИССЛЕДОВАНИЕ МАТЕМАТИЧЕСКОЙ МОДЕЛИ ПЬЕЗОЭЛЕКТРИЧЕСКОГО ИСПОЛНИТЕЛЬНОГО УСТРОЙСТВА 1.9 MB
  Целью работы является изучение математических моделей и исследование характеристик исполнительного устройства построенного на основе пьезоэлектрического двигателя микроперемещений. Исполнительные устройства на основе пьезоэлектрических двигателей ПД позволяют получить субмикронную 107108м точность позиционирования в диапазоне перемещения до 103м и при этом обеспечить полосу пропускания свыше 1кГц. На основании приведенных выше уравнений может быть составлена структурная схема пьезоэлектрического исполнительного устройства см.
42215. ИЗУЧЕНИЕ КОНСТРУКЦИИ И ПРИНЦИПА ДЕЙСТВИЯ УГОЛЬНОГО МИКРОФОНА И ЭЛЕКТРОМАГНИТНОГО ТЕЛЕФОНА 106 KB
  Действие угольных микрофонов основано на изменении угольного порошка под влиянием звуковых колебаний воздействующих на мембрану микрофона. Устройство микрофона в упрощенном виде и способ его включения в электрическую цепь показаны на рис. Постоянная составляющая этого тока i0 является током питания микрофона; переменная составляющая – разговорным током i .
42216. Огляд систем керування базами даних (СКБД) 80 KB
  Завдання Відповідно до варіанту з таблиці 1 знайти в періодичній літературі та мережі Інтернет інформацію про СКБД. У додатках наводяться формули таблиці схеми якщо вони суттєво полегшують розуміння роботи. Якщо в роботі є рисунки і таблиці які розташовані на окремих аркушах їх слід включати до загальної нумерації. Таблиці Цифровий матеріал доцільно подавати у вигляді таблиць.
42217. Нейросетевое прогнозирование. Методические указания 204 KB
  В наиболее распространенном случае ИНС обучается прогнозу на 1 отсчет времени вперед используя предыдущих значений. Другими словами на вход ИНС предъявляется вектор и требуется чтобы на выходе ИНС появилось значение: . Обучение ИНС производится по известному временному ряду .
42218. Моделирование источника заявок в системе массового обслуживания в среде Simulink 23.5 KB
  Источник генерирует последовательность однородных заявок отличающихся моментами времени появления. Интервалы времени между моментами появления заявок являются случайными величинами с известным законом распределения параметры которого остаются постоянными в течение моделируемого интервала времени . Результатом работы источника заявок является последовательность значений в пределах от нуля до .
42219. Реализация БД визуальными средствами СУБД Access 2003 358.5 KB
  В Access 2003 имеется возможность открывать таблицы, запросы, представления, сохраненные процедуры, функции и формы в режимах сводной таблицы и сводной диаграммы. Теперь анализировать данные и создавать сложные сводные таблицы и сводные диаграммы можно гораздо проще. Существует возможность сохранять представления в режимах сводной таблицы и сводной диаграммы в качестве страниц доступа к данным, которые затем может просмотреть любой
42220. Комитетные методы обучения нейронных сетей 109.5 KB
  Применение комитетных методов теоретически не хуже применения одного классификатора. Это правило часто наблюдается и на практике однако бывают случаи когда комитетная классификация работает несколько хуже одного классификатора. обучение mго классификатора зависит от результата обучения предыдущих m1 классификаторов. При этом во время обучения mго классификатора больше внимания уделяется примерам на которых чаще ошибаются предыдущие классификаторы.