ΕΝΑ συγκέντρωση κατά βάρος / όγκο επί τοις εκατό (
Για παράδειγμα, α 5%
Οι συγκεντρώσεις εκατοστιαίας αναλογίας βάρους / όγκου είναι χαρακτηριστικές όταν τα στερεά διαλύονται σε υγρά και χρησιμοποιούνται συχνά επειδή οι όγκοι είναι ευκολότερο να μετρηθούν από τους βάρους.
Ένας άλλος σημαντικός λόγος για τη χρήση τέτοιων ποσοστών συγκεντρώσεων είναι το γεγονός ότι τα αραιά διαλύματα έχουν πυκνότητα που είναι γενικά κοντά 1 g / mL, πράγμα που καθιστά τον όγκο του διαλύματος εκφρασμένο σε mL σχεδόν αριθμητικά ίσο με τη μάζα του διαλύματος εκφρασμένο σε γραμμάρια.
Συμπερασματικά, για να υπολογιστεί ένα
Ο κακοποιημένος καθηγητής πωλεί cashews για $ 6,10 ανά λίβρα και καρύδια Βραζιλίας για $ 5,00 ανά λίβρα. Πόσο από κάθε τύπο πρέπει να χρησιμοποιηθεί για να φτιάξετε ένα μείγμα 44 λιβρών που πωλεί για $ 5,63 ανά λίβρα;
25,2 λίβρες κάσιου και 18,8 λίβρες καρύδια της Βραζιλίας Ας x είναι το ποσό των κάσιους που ο καθηγητής καρυδιού θα αναμείξει. Δεδομένου ότι το συνολικό βάρος των ξηρών καρπών πρέπει να είναι 44 λίβρες, η ποσότητα των ξηρών καρπών Βραζιλίας είναι 44 - x 6.10x + 5.00 (44 - x) = 5.63 (44) => 610x + 500 (44 - x) = 563 (44) => 610x + 22000 - 500x = 24772 => 110x = 24772-22000 => 110x = 2772 => χ = 25,2 => 44-25,2 = 18,8
Για να ενοικιάσετε μια καμπίνα, ένα θέρετρο χρεώνει 50 δολάρια συν 10 δολάρια ανά άτομο. Πώς γράφετε κανόνα λειτουργίας για τον υπολογισμό του συνολικού κόστους ενοικίασης της καμπίνας;
Δεδομένου ότι ο αριθμός των ατόμων είναι n Συνολική επιβάρυνση είναι $ (50 + 10n) Αφήστε τον αριθμό των ατόμων να είναι n Χρέωση βάσης-> 50 Χρέωση ανά άτομο-> 10n Χρέωση βάσης συν χρέωση-> $ (50 + 10n)
Ο Maya μετρά την ακτίνα και το ύψος ενός κώνου με σφάλματα 1% και 2% αντίστοιχα. Χρησιμοποιεί αυτά τα δεδομένα για να υπολογίσει τον όγκο του κώνου. Τι μπορεί να πει η Maya για το ποσοστό σφάλματός της στον υπολογισμό του όγκου του κώνου;
Η τιμή του κώνου είναι: V = 1/3 pir ^ 2h Ας υποθέσουμε ότι έχουμε κώνο με r = 1, h = 1. Η ένταση είναι τότε: V = 1 / 3pi (1) ^ 2 (1) = pi / 3 Ας δούμε τώρα κάθε σφάλμα χωριστά. Ένα σφάλμα στο r: V_ "w / r σφάλμα" = 1 / 3pi (1.01) ^ 2 (1) οδηγεί σε: (pi / 3 (1.01) ^ 2) / (pi / > 2.01% σφάλμα Και ένα σφάλμα στο h είναι γραμμικό και έτσι το 2% του όγκου. Εάν τα λάθη πάμε με τον ίδιο τρόπο (είτε πολύ μεγάλα είτε πολύ μικρά), έχουμε ένα λάθος λίγο μεγαλύτερο από 4%: 1.0201xx1.02 = 1.040502 ~ = 4.05% σφάλμα Το σφάλμα μπορεί να πάει συν ή πλην, έτσι το τελικό αποτέλεσμα είναι : V_ "actual" = V_ "μέτρησ