Pravděpodobnostní rozdělení krystalografických orientací
Probability distributions of crystallographic orientations
bachelor thesis (DEFENDED)

View/ Open
Permanent link
http://hdl.handle.net/20.500.11956/192753Identifiers
Study Information System: 238471
Collections
- Kvalifikační práce [11327]
Author
Advisor
Referee
Flimmel, Daniela
Faculty / Institute
Faculty of Mathematics and Physics
Discipline
General Mathematics
Department
Department of Probability and Mathematical Statistics
Date of defense
3. 9. 2024
Publisher
Univerzita Karlova, Matematicko-fyzikální fakultaLanguage
Czech
Grade
Good
Keywords (Czech)
krystalografické orientace|pravděpodobnostní rozdělení orientací|symetrizační vnořováníKeywords (English)
crystallographic orientation|orientation distributions|symetrization embeddingKrystalická struktura materiálu se sebou nese grupu symetrií, která se projevuje na pravděpodobnostním rozdělení při modelování ori- entací jednotlivých zrn. Rozdělení pak musí mít symetrickou formu. Tato práce zavádí prostředí krystalografických orientací. Dále dává základní shrnutí možných metod, kterými jsou směsi rozdělení a vnořování, kde se využívá vhodné struktury skalárního součinu zajišťující symetrii rozdělení. Poté seznamuje s užívanými rozděleními jako jsou Von Misesovo-Fisherovo, Binghamovo a Úhlové centrované normální rozdělení, vhodných pro vytváření směsí, a jejich vybranými vlast- nostmi a některými volbami tvaru hustot vzniklých metodou vnořování. 1
Crystallographic structure includes its symmetry group, which man- ifests in the probability distribution used for modeling the orienta- tion of separate grains.Such ditributions then have symmetric form. This work introduces the enviroment of crystallographic orienta- tion. Then it gives basic summary of usable methods, namely mix- ture models and embedding approach, which uses structure of con- vniniently chosen dot product, that ensures symmetry of the distri- bution. Afterwards it outlines often used distributions such as Von Mises-Fisher, Bingham or Angular central Gaussian distributions, useful for creation of mixtures, and some of their basic properties, together with some possible density function choices for the embed- ding method. 1