- •Термодинамика и статистическая физика
- •Лекция № 4
- •Состояние системы детально охарактери- зованное на уровне каждой частицы
- •Детальное описание состояний макроскопи- ческих систем, ввиду колоссальности числа частиц в них, не
- •Основная задача статистической физики: найти наиболее
- •Элементарные сведения из теории вероятностей.
- •Статистические закономерности изучаются теорией вероятностей.
- •Если событие произойти не может, то его называют невозможным. Событие называют случайным, если
- •Математическое определение вероятности: вероятность какого-либо
- •По определению Лапласа,
- •События несовместимы, если появление одного из них исключает появление
- •Сумма вероятностей всех единственно возможных и несовместимых событий
- •Если события А и В независимы (их вероятности не зависят от того, произош-
- •либо зелёным, либо красным (событие А), равна по теореме сложения вероятностей:
- •Существует ещё одна интерпретация вероятности, применяющаяся в физике. Пусть в закрытом сосуде имеется
- •Важным понятием в теории вероятностей и её приложениях является понятие среднего значения. Пусть
- •Отношение n1 , т.е. отношение числа наб- людений при N которых величина x
- •Введём понятие отклонения результатов
- •Распространим полученные результаты на случай когда характеризующая систему ве- личина x может принимать
- •Вероятность того, что результат
- •Столбчатая диаграмма или гистограмма.
- •Гистограмма (столбчатая диаграмма) наг- лядно характеризует вероятность получения результатов измерений, заключающихся в различных
- •ФУНКЦИЯ РАСПРЕДЕЛЕНИЯ ВЕРОЯТНОСТЕЙ
- •Площадь столбика ширины dx равна ве- роятности того, что результат измерения окажется в
- •Зная функцию распределения f(x) , можно найти среднее значение результатов измере-
- •Аналогичные рассуждения дают, что сред-
- •Закон распределения Гаусса.
- •Гаусс (Gauss) Карл Фридрих (30.4.1777,
- •Закон распределения скоростей
- •друг друга всякие два противоположно направленные процесса. Скорости таких противоположно направленных процессов должны
- •Закон распределения скоростей Максвелла.
- •Скорости каждой молекулы будет соот-
- •Вследствие равноправности всех направ- лений движения расположение точек отно-сительно начала координат будет сферически
- •Молекулы движутся хаотически. Среди них есть и очень быстрые, и очень медленные. Благодаря
- •Мы будем искать число частиц ( n) скорости которых лежат в определён- ном
- •Ясно так же, что n должно быть
- •Таким образом, f(υ) – имеет смысл вероятности, то есть показывает, какова вероятность любой
- •Функция распределения Максвелла
- •В результате каждого столкно- вения проекции скорости молекулы испытывают случайное изменение на υx,
- •При этом, мы не можем ничего определенного сказать о точном значении скорости той
- •Максвелл Джеймс Клерк
- •Скорость – векторная величина. Для проекции скорости на ось х (x-
- •Видно, что доля молекул со скоростью
- •Приведённое выражение и график справедливы для распределения
- •Вероятность того, что скорость
- •Величина dnxyz не может зависеть от
- •Этот шаровой слой складывается из тех параллелепипедов, о которых говорилось выше.
- •Отсюда следует закон Максвелла
- •При dυ 1 получаем плотность вероятности, или функцию Максвелла
- •Выводы:
- •Распределение Максвелла характеризует распределение молекул по значениям кинетической энергии (то есть показывает, какова
- •Характерные скорости (наиболее вероятная, среднеквадратичная и средняя скорости молекул газа).
- •Из графика видно, что при «малых» υ , т.е.
- •НАИБОЛЕЕ ВЕРОЯТНАЯ СКОРОСТЬ
- •Величина скорости, на которую при- ходится максимум зависимости F( )
- •СРЕДНЯЯ СКОРОСТЬ
- •Средняя скорость υср
- •СРЕДНЯЯ КВАДРАТИЧНАЯ СКОРОСТЬ
- •Среднюю квадратичную скорость
- •Полезно знать, что
- •Зависимость функции распределения Максвелла от массы молекул
- •Из рис. можно проследить за измене-
События несовместимы, если появление одного из них исключает появление
любого из остальных.
Теорема сложения вероятностей. Вероятность суммы несовместных собы- тий равна сумме вероятностей этих
событий
P А В Р А Р В
Событие, состоящее в появлении либо события А , либо события В. Например, в ящике красные, зелёные и белые шары.
ВероятностьP вынутьРцветнойРшар:
цветн красн зелён
Сумма вероятностей всех единственно возможных и несовместимых событий
равна единице:
P P |
... P 1 - это |
|
1 |
2 |
n |
утверж- |
|
|
дение является следствием теоремы сложе- ния вероятностей. Т.к. события единствен- но возможны, то появление одного из них (безразлично какого) есть событие досто- верное. Вероятность такого события равна единице. Но по теореме о сложении вероят-
P P ... P |
|
ностей вероятность этого события может |
n |
1 2 |
быть представлена суммой
P P |
... P 1 |
1 2 |
n |
Это соотношение часто называют
условием нормировки вероятностей.
Теорема умножения вероятностей. Вероятность произведения двух событий А и В равна произведению вероятности одного из них Р(А) на вероятность другого, вычисленную в предположении, что первое событие произошло Р(В/А) – это условная вероятность события В, при условии, что событие А произошло.
P АВ Р А Р В / А
Если события А и В независимы (их вероятности не зависят от того, произош-
ло второе событие или нет), то
P АВ Р А Р В
вероятность произведения 2-х независи- мых событий равна произведению их вероятностей. Например, есть три шара:
красный, зелёный и белый. Какова веро-ятность того, что при последовательном вынимании 2-х шаров они окажутся зе-лёным и красным? Если вынуть один шар, то вероятность,
что он окажется
либо зелёным, либо красным (событие А), равна по теореме сложения вероятностей:
P А 13 13 23
Если событие А произошло, то осталось два шара один из которых будет либо зе- лёный, либо красный. Вероятность вы- нуть такой шар (событие В) равна:
Р В / А 1/ 2. Искомая вероятность
по теореме умножения равна:
P АВ Р А Р В / А 23 12 13
Существует ещё одна интерпретация вероятности, применяющаяся в физике. Пусть в закрытом сосуде имеется одна моле- кула. Сталкиваясь со стенками, молекула беспорядочно отражается от них и побывает в различных местах сосуда. Если наблюдать за молекулой в течение длительного времени Т и при этом часть времени t она провела в объёме V. Отношение t / T называется от-носительным временем
пребывания молеку-лы в объёме V. Предел
t
этогоPотношенияlim
T T
нахождения
Важным понятием в теории вероятностей и её приложениях является понятие среднего значения. Пусть произведено N однотип- ных измерений одной и той же величины x при неизменных условиях. Пусть в n1 случа-ях измеренное значение величины x оказа-лось равным x1 , в n2 случаях – x2,…, в nm случаях – xm , ( n1 + n2 + n3 + …+ nm = N ).
Среднее значение измеряемой величины
определяется выражением: |
|
m |
|
||
x x |
n1x1 |
n2 x2 ... nm xm |
|
|
ni xi |
|
|
|
|||
|
|
N |
|
N |
|
|
|
|
i 1 |
Отношение n1 , т.е. отношение числа наб- людений при N которых величина x имеет значение x1 , к общему числу наблюдений N,
есть вероятность появления при измерениях |
||||||||
значений |
x1 |
, т.е. |
n1 |
|
Р ( подразумевается, |
|||
|
|
|||||||
|
|
|
|
|
N |
1 |
||
|
|
lim |
n1 |
|
|
|
||
что |
Р1 - вероятность события) и |
|||||||
N |
||||||||
|
|
N |
|
|
|
|
||
т.д. для упрощения вместо lim пишут |
||||||||
|
n2 |
Р |
и получаем среднее значение: |
|||||
|
|
|||||||
|
N |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
m |
|
x x P1 x1 P2 |
x2 ... Pm xm Pi xi |
i 1
Введём понятие отклонения результатов
отдельных измерений от среднего значения |
|||||||||||||||||||||||
< x > , т.е. xi |
|
xi x , где i = 1,2,…,N |
|||||||||||||||||||||
Дисперсия есть среднее арифметическое |
|
|
|||||||||||||||||||||
квадратов отклонений наблюдаемых |
|
|
|||||||||||||||||||||
значений (x1, x2,...,xm) случайной величины |
|
|
|||||||||||||||||||||
от их среднего значения: |
|
|
|
|
|
|
N |
|
|
||||||||||||||
|
|
|
|
2 (xi x) |
2 |
|
|||||||||||||||||
|
2 |
|
(x x) |
2 |
(x |
|
x) |
2 |
... (x |
|
x) |
|
|
||||||||||
|
|
|
2 |
|
N |
|
|
i 1 |
|
|
|||||||||||||
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
N |
|
|
|
|
|
|
|
|
|
|
N |
|
|
|||
Среднее квадратичное отклонение: |
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
N |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(xi x)2 |
|
|
1 |
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
N |
|
|
|
|
|
|
|||||||
|
|
|
xср.кв. |
i 1 |
|
|
|
|
|
(xi x)2 |
|
|
|||||||||||
|
|
|
|
1) |
N |
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
N(N |
|
|
|
i 1 |
|
|
|
|
|
|
Распространим полученные результаты на случай когда характеризующая систему ве- личина x может принимать непрерывный ряд значений от 0 до ∞ . В этом случае го- ворят, что величина x имеет сплошной (или непрерывный) спектр значений (в предыду- щем случае спектр значений был дискретным). Возьмём очень малую величину а ( скажем,
а = 10‾¹º ) и получим ∆no измерений, при которых 0< x < a , ∆n1, при которых а< x < 2a, …, ∆nx , при которых результат измерений находится в интервале от x до x + а и т.д.