Słownik metodologiczny · Ludzie statystyki

Marian Smoluchowski (1872–1917) – kim był i co wniósł do teorii prawdopodobieństwa

Marian Smoluchowski, fizyk ze Lwowa i Krakowa, w 1906 r. opisał ruchy Browna jako błądzenie losowe cząstki potrącanej przez cząsteczki cieczy – niezależnie od Einsteina. Jego wynik: odległość od startu rośnie jak pierwiastek z liczby zderzeń. Przedstawiamy biografię, oś czasu i sprawdzenie jego wzoru symulacją w R.

Strona główna / Słownik / Marian Smoluchowski
W skrócie: Marian Smoluchowski (1872–1917) – polski fizyk teoretyk, profesor we Lwowie i w Krakowie. W 1906 r., niezależnie od Einsteina, ogłosił teorię ruchów Browna: cząstka potrącana przez cząsteczki cieczy oddala się od startu proporcjonalnie do pierwiastka z liczby zderzeń. Badał też fluktuacje gęstości i opalescencję krytyczną.

Kim był Marian Smoluchowski?

Marian Smoluchowski urodził się 28 maja 1872 r. w Vorderbrühl koło Mödling w Dolnej Austrii. Od 1890 r. studiował fizykę na Uniwersytecie Wiedeńskim, głównie u Franza Exnera i Josefa Stefana, a doktorat uzyskał w 1895 r. Potem pracował w laboratoriach Gabriela Lippmanna w Paryżu, lorda Kelvina w Glasgow i Emila Warburga w Berlinie (Preining, 2005).

Habilitował się z fizyki w Wiedniu (1898) i we Lwowie (1899). We Lwowie w 1900 r. został profesorem nadzwyczajnym, a w 1903 r. profesorem zwyczajnym fizyki teoretycznej. Rok akademicki 1905/06 spędził w Cavendish Laboratory w Cambridge u J. J. Thomsona. W 1913 r. objął katedrę fizyki doświadczalnej w Krakowie. Uniwersytet w Glasgow nadał mu doktorat honorowy (1901), Akademia Nauk w Wiedniu – Nagrodę Haitingera (1908), a krakowska Akademia Umiejętności przyjęła go na członka (korespondenta w 1908 r., czynnego w 1917 r.). Krótko przed śmiercią został wybrany rektorem Uniwersytetu Jagiellońskiego (Preining, 2005). Zmarł 5 września 1917 r. w Krakowie, w wieku 45 lat, podczas epidemii czerwonki (Einstein, 1917).

Najważniejsze pomysły

  • Teoria ruchów Browna (1906). Drobne cząstki zawieszone w cieczy bez przerwy drgają i wędrują. Smoluchowski wyjaśnił to zderzeniami z cząsteczkami cieczy: każde zderzenie nieznacznie zmienia kierunek ruchu cząstki, więc jej tor jest błądzeniem losowym. Policzył średni kwadrat odległości od punktu startu i pokazał, że odległość rośnie proporcjonalnie do pierwiastka z liczby odcinków, a nie do ich liczby. Zaskakujący wniosek, który sam podkreślił: przebyta droga nie zależy od masy cząstki, tylko od ośrodka i częstości zderzeń (Smoluchowski, 1906).
  • Fluktuacje i opalescencja krytyczna (1908). Einstein (1917) pisał, że Smoluchowski znalazł zjawiska, w których przypadkowe wahania gęstości widać gołym okiem: w pobliżu stanu krytycznego gazy i ciecze mętnieją, bo lokalne fluktuacje gęstości rozpraszają światło. Do tej samej grupy zjawisk należy błękit nieba.
  • Inne prace. Granice stosowalności drugiej zasady termodynamiki, teoria koagulacji i przyczynki do rachunku prawdopodobieństwa (Preining, 2005). Stanisław Ulam (1957) poświęcił mu artykuł o rachunku prawdopodobieństwa w fizyce.

Ciekawostka

Teoretyk fluktuacji był też alpinistą. W młodości razem z bratem Tadeuszem dokonał kilku pierwszych wejść w Dolomitach (Preining, 2005).

Nekrolog Smoluchowskiego w „Die Naturwissenschaften” napisał sam Albert Einstein. Nazwał go w nim jednym z najsubtelniejszych teoretyków swoich czasów i zaznaczył, że jego teoria ruchów Browna była szczególnie piękna i poglądowa (Einstein, 1917).

Przykład: błądzenie losowe z pracy z 1906 r.

W paragrafach 11–12 pracy z 1906 r. Smoluchowski rozważa cząstkę, która porusza się odcinkami długości l, a po każdym zderzeniu odchyla kierunek o mały kąt ε w losową stronę. Dla δ = 1 − cos ε wyprowadza wzór na średni kwadrat odległości po n odcinkach (jego wzór 9) i dwa przypadki graniczne: dopóki nδ jest małe, cząstka porusza się prawie po prostej i odległość rośnie jak nl; gdy nδ jest duże, odległość rośnie jak l√(2n/δ) (Smoluchowski, 1906).

Sprawdzamy to symulacją: 5000 cząstek w trzech wymiarach, po 3000 odcinków długości 1, kąt ε = 0.1 radiana, czyli δ = 0.0050 i przejście między przypadkami przy n ≈ 200 (set.seed(1906)). Kąt i liczby dobraliśmy tak, żeby na jednym wykresie było widać oba zakresy. Średni kwadrat odległości z symulacji różni się od wzoru Smoluchowskiego najwyżej o 0.3%: po 10 odcinkach 98.37 (wzór: 98.37, ruch prostoliniowy dałby 100), po 100 – 8512 (8520), po 3000 – 1 119 263 (1 118 267). Dla dużego n średni kwadrat rośnie liniowo: nachylenie prostej dopasowanej w zakresie 1000–3000 odcinków wynosi 399.4, a ze wzoru 2/δ − 1 = 399.3. To ta sama liniowa zależność średniego kwadratu przesunięcia od czasu, którą znamy z teorii dyfuzji.

Na rysunku

Pozioma oś czasu od 1866 do 1926 z dziesięcioma zdarzeniami: 1872 urodzony w Vorderbrühl w Dolnej Austrii; 1895 doktorat w Wiedniu; 1899 habilitacja we Lwowie; 1903 profesor fizyki teoretycznej we Lwowie; 1905 rok w Cambridge (Cavendish); 1906 teoria ruchów Browna w Annalen der Physik; 1908 opalescencja krytyczna; 1913 katedra fizyki doświadczalnej w Krakowie; 1917 wybrany rektorem UJ; 1917 zmarł w Krakowie 5 września. Rodzaj zdarzenia oznaczają kształt i kolor znacznika: koło – życie, kwadrat – nauka, trójkąt – praca, odwrócony trójkąt – publikacja
Rysunek 1. Oś czasu: Marian Smoluchowski, 1872–1917. Lata według Preininga (2005), Smoluchowskiego (1906) i Einsteina (1917). Rysunek: R, pakiet ggplot2.

Co widać. Najważniejsze prace o przypadkowości w fizyce (1906 i 1908) powstały w okresie lwowskim, kilka lat przed przenosinami do Krakowa.

Na co uważać. Rok wskazuje znacznik na osi; etykiety są przesunięte, żeby się nie nakładały.

Podpis do pracy:

Rysunek 1. Najważniejsze daty z życia i pracy Mariana Smoluchowskiego, 1872–1917. Uwaga. Kształt znacznika oznacza rodzaj zdarzenia (życie, nauka, praca, publikacja). Daty według Preininga (2005), Smoluchowskiego (1906) i Einsteina (1917).
Dwa panele. A: wykres w skali logarytmicznej na obu osiach – średni kwadrat odległości od startu w funkcji liczby odcinków od 1 do 3000. Niebieska linia to wzór Smoluchowskiego, pomarańczowe trójkąty to wyniki symulacji, leżące na linii. Dla małej liczby odcinków linia biegnie wzdłuż kropkowanej asymptoty n kwadrat, dla dużej – wzdłuż przerywanej asymptoty 2n/δ, czyli wolniej. B: rzuty trzech przykładowych torów cząstek na płaszczyznę xy, oznaczone linią ciągłą, przerywaną i kreska-kropka; tory wychodzą z punktu zero i wędrują nieregularnie na odległość od kilkuset do ponad tysiąca jednostek
Rysunek 2. Model ruchów Browna Smoluchowskiego (1906): średni kwadrat odległości od startu ze wzoru i z symulacji (A) oraz trzy przykładowe tory (B). Dane symulowane: 5000 cząstek, 3000 odcinków, ε = 0.1 rad, set.seed(1906). Rysunek: R, pakiety ggplot2 i patchwork.

Co widać. Panel A pokazuje dwa reżimy: na początku cząstka „pamięta” kierunek i oddala się prawie po prostej (nachylenie 2 w skali log-log), później kierunek się rozmywa i średni kwadrat rośnie liniowo (nachylenie 1). Panel B pokazuje, jak różne są pojedyncze tory przy tym samym modelu.

Na co uważać. Średni kwadrat to średnia po wielu cząstkach – pojedynczy tor może odejść znacznie dalej albo bliżej. Kąt ε dobraliśmy ręcznie, żeby przejście między reżimami wypadło w środku osi.

Podpis do pracy:

Rysunek 2. Średni kwadrat odległości od punktu startu w modelu ruchów Browna Smoluchowskiego (1906) w funkcji liczby odcinków ruchu (A; skale logarytmiczne) oraz rzuty trzech symulowanych torów na płaszczyznę (B). Uwaga. Linia – wzór (9) Smoluchowskiego; trójkąty – średnie z symulacji 5000 cząstek (długość odcinka 1, kąt odchylenia 0.1 rad); linie przerywana i kropkowana – asymptoty 2n/δ i n².

Gdzie spotkasz Smoluchowskiego w swojej pracy

  • Pierwiastek z n. Odległość cząstki od startu rośnie jak √n, bo wariancja sumy niezależnych przemieszczeń rośnie liniowo. Ta sama zasada daje błąd standardowy średniej malejący jak 1/√n, stoi za prawem wielkich liczb i za tym, że suma wielu małych przemieszczeń ma w przybliżeniu rozkład normalny – zob. centralne twierdzenie graniczne.
  • Szeregi czasowe. Błądzenie losowe to klasyczny przykład szeregu niestacjonarnego: jego wariancja rośnie z czasem – zob. stacjonarność. Dwa niezależne błądzenia losowe często wydają się silnie skorelowane – zob. korelacja pozorna.
  • Kroki zależne. W modelu Smoluchowskiego kolejne kroki są skorelowane, bo kierunek zmienia się stopniowo. Podobnie autokorelacja w danych zmniejsza ilość informacji w próbie. Kolejne położenia w błądzeniu losowym tworzą proces Markowa – zob. Andriej Markow.
  • Symulacja. Przykład sprawdza wzór symulacją, podobnie jak w metodzie Monte Carlo, którą rozwijał Stanisław Ulam; o planowaniu takich badań – badanie symulacyjne krok po kroku.

Spory, mity i trudne strony

  • Einstein czy Smoluchowski? Einstein ogłosił swoje prace o ruchach Browna w latach 1905–1906. Smoluchowski opublikował swoją w 1906 r. i we wstępie napisał, że to właśnie prace Einsteina skłoniły go do publikacji, choć do zgodnych wyników doszedł kilka lat wcześniej inną drogą. Zamierzał najpierw sprawdzić teorię doświadczalnie, a swoją metodę uważał za bardziej bezpośrednią i prostszą (Smoluchowski, 1906). Austriacki słownik biograficzny ocenia jego teorię jako dalej idącą niż Einsteina (Preining, 2005) – to ocena autora hasła, nie powszechna zgoda.
  • Przedwczesna śmierć. Smoluchowski zmarł w wieku 45 lat podczas epidemii czerwonki w Krakowie, niedługo po wyborze na rektora (Einstein, 1917; Preining, 2005).
Przykład reprodukowalny

Błądzenie losowe Smoluchowskiego w R

Kod rysuje oś czasu, liczy wzór (9) z pracy Smoluchowskiego (1906) na średni kwadrat odległości i symuluje ten sam model: cząstki poruszają się w trzech wymiarach odcinkami jednakowej długości, a każde zderzenie odchyla kierunek o mały kąt. Rysunki na stronie powstały z tych samych obiektów p_os i p_metoda z krojem i tłem serwisu; dane, geometrie i skale są identyczne.

średni kwadrat odległości z symulacji i ze wzoru Smoluchowskiego, asymptoty dla ruchu prostoliniowego i dyfuzji oraz nachylenie prostej dla dużej liczby odcinków.

Dane wejściowe: oś czasu według Preininga (2005), Smoluchowskiego (1906) i Einsteina (1917); dane symulowane

Co odczytać: kąt odchylenia ε = 0.1 rad, δ = 1 − cos ε; 5000 cząstek po 3000 odcinków długości 1; set.seed(1906); kąt i liczby cząstek i odcinków dobraliśmy tak, żeby na jednym wykresie było widać oba zakresy (n·δ < 1 i n·δ > 1).

Kod R rysunków 1 i 2
# Marian Smoluchowski: oś czasu i błądzenie losowe z jego pracy z 1906 r. (średni kwadrat przesunięcia)
suppressPackageStartupMessages({library(ggplot2); library(patchwork)})
oi <- c(niebieski = "#0072B2", pomaranczowy = "#E69F00", cynober = "#D55E00", zielony = "#009E73",
        fiolet = "#CC79A7", szary = "grey45")  # Okabe–Ito
motyw <- theme_minimal(base_size = 13) + theme(panel.grid.minor = element_blank(), plot.title = element_text(face = "bold"))

# 1. Oś czasu (lata według Preininga 2005, Smoluchowskiego 1906 i Einsteina 1917)
zdarzenia <- data.frame(
  rok = c(1872, 1895, 1899, 1903, 1905.5, 1906.5, 1908, 1913, 1917, 1917.7),
  opis = c("urodzony w Vorderbrühl\n(Dolna Austria)", "doktorat (Wiedeń)", "habilitacja we Lwowie",
           "profesor fizyki\nteoretycznej (Lwów)", "rok w Cambridge\n(Cavendish)", "teoria ruchów Browna\n(Annalen der Physik)",
           "opalescencja\nkrytyczna", "katedra fizyki\ndoświadczalnej (Kraków)", "wybrany rektorem UJ",
           "zmarł w Krakowie\n(5 września)"),
  rodzaj = c("życie", "nauka", "nauka", "praca", "praca", "publikacja", "publikacja", "praca", "praca", "życie"))
zdarzenia$y  <- c(1.3, -1.3, 2.6, -2.8, 1.2, 3.3, -1.3, 2.2, -2.8, 1.1)          # wysokość etykiet
zdarzenia$xl <- c(1874, 1889, 1893, 1899, 1902, 1907, 1907, 1912, 1917, 1920)   # położenie etykiet, żeby się nie nakładały
p_os <- ggplot(zdarzenia, aes(rok, 0)) +
  geom_hline(yintercept = 0, colour = "grey60") +
  geom_segment(aes(xend = xl, yend = y * 0.85), colour = "grey70") +
  geom_point(aes(shape = rodzaj, fill = rodzaj), size = 3.5) +
  geom_label(aes(x = xl, y = y, label = paste0(floor(rok), "\n", opis)), size = 3.1, lineheight = 0.9, linewidth = 0.2) +
  scale_shape_manual(values = c("życie" = 21, "nauka" = 22, "praca" = 24, "publikacja" = 25), name = NULL) +
  scale_fill_manual(values = c("życie" = oi[["szary"]], "nauka" = oi[["zielony"]], "praca" = oi[["niebieski"]],
                               "publikacja" = oi[["cynober"]]), name = NULL) +
  scale_x_continuous(breaks = seq(1870, 1920, 10), limits = c(1866, 1926)) + scale_y_continuous(limits = c(-3.7, 4)) +
  labs(title = "Marian Smoluchowski (1872–1917)", x = NULL, y = NULL) +
  motyw + theme(axis.text.y = element_blank(), panel.grid.major.y = element_blank(), legend.position = "bottom")

# 2. Model Smoluchowskiego (1906, § 11–12): cząstka porusza się odcinkami długości l = 1,
#    a każde zderzenie odchyla kierunek o mały kąt eps (azymut obrotu losowy).
#    Wzór (9): średni kwadrat odległości po n + 1 odcinkach to l^2 * J_n, gdzie delta = 1 - cos(eps):
J_smol <- function(n, delta) 2 * n / delta + 1 - n - 2 * ((1 - delta)^2 - (1 - delta)^(n + 2)) / delta^2
eps <- 0.1; delta <- 1 - cos(eps)
round(c(eps = eps, delta = delta, n_przejscia = 1 / delta), 4)   # zmiana zachowania około n * delta = 1

# Symulacja: 5000 cząstek, 3000 odcinków każda, w trzech wymiarach
set.seed(1906)
K <- 5000; N <- 3000
obroc <- function(u, eps) {           # obrót wektorów jednostkowych (wiersze u) o kąt eps wokół losowego azymutu
  a <- ifelse(abs(u[, 1]) < 0.9, 1, 0); pom <- cbind(a, 1 - a, 0)
  e1 <- pom - rowSums(pom * u) * u; e1 <- e1 / sqrt(rowSums(e1^2))
  e2 <- cbind(u[, 2] * e1[, 3] - u[, 3] * e1[, 2], u[, 3] * e1[, 1] - u[, 1] * e1[, 3], u[, 1] * e1[, 2] - u[, 2] * e1[, 1])
  fi <- runif(nrow(u), 0, 2 * pi)
  cos(eps) * u + sin(eps) * (cos(fi) * e1 + sin(fi) * e2)
}
u <- matrix(rnorm(3 * K), K); u <- u / sqrt(rowSums(u^2))   # losowe kierunki początkowe
poz <- u                                                    # położenie po pierwszym odcinku
punkty <- c(1, 10, 50, 100, 200, 500, 1000, 2000, 3000)     # liczba odcinków, dla których zapisujemy wynik
msd <- numeric(N); msd[1] <- mean(rowSums(poz^2))
slady <- data.frame(czastka = integer(0), krok = integer(0), x = numeric(0), y = numeric(0))
for (k in 2:N) {
  u <- obroc(u, eps); poz <- poz + u
  msd[k] <- mean(rowSums(poz^2))
  if (k %% 10 == 0) slady <- rbind(slady, data.frame(czastka = 1:3, krok = k, x = poz[1:3, 1], y = poz[1:3, 2]))
}
wyniki <- data.frame(odcinki = punkty, symulacja = msd[punkty], wzor_Smoluchowskiego = J_smol(punkty - 1, delta),
                     balistyczny_n2 = punkty^2, dyfuzyjny_2n_przez_delta = 2 * punkty / delta)
wyniki$symulacja_do_wzoru <- wyniki$symulacja / wyniki$wzor_Smoluchowskiego
wyniki$msd_na_odcinek <- wyniki$symulacja / wyniki$odcinki
format(wyniki, digits = 4, scientific = FALSE)

# Dla dużego n średni kwadrat rośnie liniowo: nachylenie prostej MSD ~ n w zakresie 1000–3000 odcinków
coef(lm(msd[1000:N] ~ I(1000:N)))
round(c(nachylenie_teoretyczne = 2 / delta - 1), 1)

# Rysunek 2A: średni kwadrat odległości (skala log-log); 2B: rzuty trzech torów na płaszczyznę
siatka <- unique(round(10^seq(0, log10(N), length.out = 120)))   # punkty rozłożone równo w skali log
krzywe <- data.frame(n = siatka, wzor = J_smol(siatka - 1, delta))
asymptoty <- rbind(data.frame(n = c(1, 300), m = c(1, 300)^2, rodzaj = "ruch prostoliniowy: n²"),
                   data.frame(n = c(50, N), m = 2 * c(50, N) / delta, rodzaj = "dyfuzja: 2n/δ"))
pA <- ggplot() +
  geom_line(data = asymptoty, aes(n, m, linetype = rodzaj), colour = "grey40") +
  geom_line(data = krzywe, aes(n, wzor), colour = oi[["niebieski"]], linewidth = 1) +
  geom_point(data = wyniki, aes(odcinki, symulacja), colour = oi[["cynober"]], shape = 17, size = 3) +
  annotate("text", x = 2, y = 3e5, hjust = 0, size = 3.3, label = "linia: wzór (9) Smoluchowskiego\ntrójkąty: symulacja, 5000 cząstek",
           colour = "grey20") +
  scale_x_log10() + scale_y_log10(labels = function(x) format(x, big.mark = " ", scientific = FALSE)) +
  scale_linetype_manual(values = c("dashed", "dotted"), name = NULL) +
  labs(title = "A. Średni kwadrat odległości od startu", x = "Liczba odcinków n (skala log)",
       y = "Średni kwadrat odległości (skala log)") +
  motyw + theme(legend.position = "bottom", legend.direction = "vertical")
slady$czastka <- factor(slady$czastka, labels = c("cząstka 1", "cząstka 2", "cząstka 3"))
pB <- ggplot(slady, aes(x, y, colour = czastka, linetype = czastka)) +
  geom_path(linewidth = 0.6) +
  annotate("point", x = 0, y = 0, size = 3, shape = 4) +
  scale_colour_manual(values = c(oi[["niebieski"]], oi[["pomaranczowy"]], oi[["zielony"]]), name = NULL) +
  scale_linetype_manual(values = c("solid", "dashed", "dotdash"), name = NULL) +
  coord_equal() +
  labs(title = "B. Trzy tory (rzut na płaszczyznę xy)", x = "x", y = "y") +
  motyw + theme(legend.position = "bottom")
p_metoda <- pA + pB + plot_layout(widths = c(1.15, 1))
p_os
p_metoda
Wynik w R
        eps       delta n_przejscia 
     0.1000      0.0050    200.1668 
  odcinki  symulacja wzor_Smoluchowskiego balistyczny_n2
1       1       1.00                 1.00              1
2      10      98.37                98.37            100
3      50    2303.21              2303.83           2500
4     100    8512.27              8520.42          10000
5     200   29418.16             29416.78          40000
6     500  126832.05            126451.23         250000
7    1000  319615.70            320133.15        1000000
8    2000  719320.70            718937.44        4000000
9    3000 1119262.67           1118267.40        9000000
  dyfuzyjny_2n_przez_delta symulacja_do_wzoru msd_na_odcinek
1                    400.3             1.0000          1.000
2                   4003.3             1.0000          9.837
3                  20016.7             0.9997         46.064
4                  40033.4             0.9990         85.123
5                  80066.7             1.0000        147.091
6                 200166.8             1.0030        253.664
7                 400333.5             0.9984        319.616
8                 800667.0             1.0005        359.660
9                1201000.5             1.0009        373.088
(Intercept)   I(1000:N) 
-79280.1377    399.4014 
nachylenie_teoretyczne 
                 399.3 

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (losowanie – funkcje rnorm() i runif() z pakietu stats; rysunki – pakiety ggplot2 i patchwork). W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  3. patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://doi.org/10.32614/CRAN.package.patchwork

Najczęstsze pytania

Kim był Marian Smoluchowski?

Polskim fizykiem teoretykiem (1872–1917), urodzonym w Dolnej Austrii i wykształconym w Wiedniu. Od 1899 r. pracował we Lwowie, gdzie w 1903 r. został profesorem fizyki teoretycznej, a od 1913 r. kierował katedrą fizyki doświadczalnej Uniwersytetu Jagiellońskiego. Krótko przed śmiercią wybrano go na rektora UJ. Zmarł 5 września 1917 r. w Krakowie podczas epidemii czerwonki.

Co Smoluchowski odkrył w sprawie ruchów Browna?

Pokazał, że chaotyczny ruch drobnych cząstek zawieszonych w cieczy da się wyjaśnić zderzeniami z cząsteczkami cieczy. Odległość cząstki od punktu startu rośnie nie proporcjonalnie do liczby zderzeń, ale do jej pierwiastka, a pokonana droga nie zależy od masy cząstki.

Czy Smoluchowski wyjaśnił ruchy Browna przed Einsteinem?

Opublikował swoją teorię w 1906 r., po pracach Einsteina z lat 1905–1906. We wstępie napisał, że prace Einsteina skłoniły go do publikacji, a ich wyniki zgadzają się z tymi, które sam uzyskał kilka lat wcześniej inną drogą. Dlatego mówi się, że doszedł do teorii niezależnie od Einsteina.

Co Smoluchowski ma wspólnego ze statystyką?

Jego model ruchów Browna to błądzenie losowe: suma wielu małych, przypadkowych przemieszczeń. Ta sama zasada – rozrzut sumy rośnie jak pierwiastek z liczby składników – stoi za błędem standardowym średniej i za tym, że błądzenie losowe jest szeregiem niestacjonarnym.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Einstein, A. (1917). Marian v. Smoluchowski. Die Naturwissenschaften, 5(50), 737–738. https://doi.org/10.1007/bf02448010 ● Otwarty dostęp: pełny tekst
  2. Preining, O. (2005). Smoluchowski von Smolan, Marian Wilhelm Teofil. In Österreichisches Biographisches Lexikon 1815–1950 (pp. 380–381). Verlag der Österreichischen Akademie der Wissenschaften. https://doi.org/10.1553/0x00284b7d ● Otwarty dostęp: pełny tekst
  3. Ulam, S. (1957). Marian Smoluchowski and the theory of probabilities in physics. American Journal of Physics, 25(7), 475–481. https://doi.org/10.1119/1.1934510
  4. von Smoluchowski, M. (1906). Zur kinetischen Theorie der Brownschen Molekularbewegung und der Suspensionen. Annalen der Physik, 326(14), 756–780. https://doi.org/10.1002/andp.19063261405 ● Otwarty dostęp: pełny tekst

Cytowania BibTeX

@article{einstein1917smoluchowski, author={Einstein, Albert}, title={{Marian v. Smoluchowski}}, journal={Die Naturwissenschaften}, year={1917}, volume={5}, number={50}, pages={737--738}, doi={10.1007/bf02448010}}
@incollection{preining2005smoluchowski, author={Preining, Othmar}, title={{Smoluchowski von Smolan, Marian Wilhelm Teofil}}, booktitle={Österreichisches Biographisches Lexikon 1815–1950}, year={2005}, volume={12}, number={58}, pages={380--381}, publisher={Verlag der Österreichischen Akademie der Wissenschaften}, doi={10.1553/0x00284b7d}}
@article{ulam1957smoluchowski, author={Ulam, Stanisław}, title={{Marian Smoluchowski and the theory of probabilities in physics}}, journal={American Journal of Physics}, year={1957}, volume={25}, number={7}, pages={475--481}, doi={10.1119/1.1934510}}
@article{smoluchowski1906kinetischen, author={von Smoluchowski, Marian}, title={{Zur kinetischen Theorie der Brownschen Molekularbewegung und der Suspensionen}}, journal={Annalen der Physik}, year={1906}, volume={326}, number={14}, pages={756--780}, doi={10.1002/andp.19063261405}}
R