Мальханов - Общая Физика
.pdf
|
|
0.5 |
|
|
|
|
||
x2 |
|
|
|
|
0.4 |
|
|
|
|
|
|
|
|
|
|
|
|
e x2 |
|
|
|
|
|
|
|
|
|
x2 |
|
|
2 |
0.2 |
|
|
|
e |
. |
|
|
|
|
|
||
|
x |
|
|
|
|
|
||
|
|
|
0 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
1 |
2 |
3 |
|
|
|
|
|
0 |
|
x |
3 |
График плотности распределения для скорости формируется из экспоненциального спада и квадратичной зависимости.
Найдем среднюю арифметическую скорость идеального газа по формуле
∞
<v> = ∫v ρ v dv 0
∞
<v> = 4π (m/2πkT)3/2 ∫exp(-mv2/2kT)v2vdv. 0
Вычислим заблаговременно интеграл |
∞ |
∞ |
|
∫exp(-mv2/2kT)v2d(v2/2) = (1/2)(2kT/m)2 ∫ e-y y dy = (1/2) (2kT/m)2 |
|
0 |
0 |
∞
При преобразованиях использованы: mv2/2kT = y, ∫e-y y dy = 1 0
<v> =4π (m/2πkT)3/2(1/2) (2kT/m)2 = (8kT/πm)1/2.
130
Найдем наиболее вероятную скорость (как экстремум функции)
d(ρv)/dv = d[4π(m/2πkT)3/2 v2 exp(-mv2/2kT)]/dv =
= 4π(m/2πkT)3/2[2v exp(-mv2/2kT) + v2(-mv/kT) exp(-mv2/2kT)] =0.
С этого момента v приобретает статус наиболее вероятной скорости -
vвер.
2 = vвер2m/kT vвер2 = 2kT/m
vвер = (2kT/m)1/2.
Выпишем, не вычисляя, среднеквадратичную скорость, <v2>
∞
<v2> = ∫ ρv v2dv 0
√<v2> = (3kT/m)1/2.
Замечание: при расчетах удобнее пользоваться отношением k/m = R/M, где k - постоянная Больцмана (рассчитанная на одну частицу), m - масса одной частицы (атома, молекулы), R - газовая постоянная (рассчитанная на один моль частиц), M - масса одного моля частиц.
График для энергии формируется из экспоненциального спада (без квадрата в экспоненте) и корневой зависимости от энергии
|
|
0.7 |
|
|
|
|
e |
x |
|
0.5 |
|
|
|
|
|
|
|
|
|
|
|
x |
|
|
|
|
|
e x. |
x |
|
|
|
|
|
|
|
0 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
1 |
2 |
3 |
|
|
|
0 |
|
x |
3 |
131
Найдем наиболее вероятную энергию
d(e -ε/kT√ε)/dε = e-ε/kT/2√ε - e -ε/kT√ε/kT = 0,
с этого момента ε приобретает статус наиболее вероятной энергии, εвер
1/(2√εвер) = √εвер/kT εвер= kT/2.
Замечание:
εвер′ = mvвер2/2 = (m/2)(2kT/m) = kT ≠ εвер.
Расчет средней энергии. Имеем
∞
<ε> = ∫(2 /√π)(kT) e -ε/kTε √ε dε. 0
∞
∫ e -ε /kT ε3/2 dε = (сделаем замену переменной ε = x2) = 0
∞
= 2 ∫exp(-x2/kT)x4dx. 0
Получился интеграл вида
∞
In = ∫ exp(-αx2) xn dx 0
О нем известно, что
I0 = (π/α)1/2/2, In = [(n-1)/2α] In-2, (рекурентное соотношение)
I4 = (3/2α) I2 = (3/2α)(1/2α) I0 = = (3/2α) (1/2α) [(π/α)1/2/2], α = 1/kT.
2I4 = (¾) (kT)5/2√π <ε> = (2/√π)(kT)-3/2 2I4 = (2/√π)(kT)-3/2 (¾) (kT)5/2√π
<ε> = 3kT/2.
132
§ 2 Распределение Больцмана
Рассмотрим вторую составляющую полной энергии в каноническом распределении Гиббса, содержащую потенциальную энергию. Для нее
dPq = b exp[-Wп (q) /kT]
Вспомним, что Wп (q) - энергия частиц находящихся во внешнем поле, а q - обобщенная координата.
Рассмотрим газ, находящийся во внешнем (гравитационном) поле. Потенциальная энергия такого, идеального, или близкого идеальному, газа есть функция только координат. Заменим обобщенную координату - на декартовы координаты
dq = dxdydz = dv.
Согласно частотному определению вероятности
dP = dN/N,
что хорошо выполняется при больших N, тогда
dN = N b exp(-Wп[(x,y,z)/kT] dv
Пусть dN/dv = n - концентрация молекул, Nb = n0 - некая исходная концентрация молекул, Wп ≡ U, тогда
n = n0 e -U(x,y,z) / kT.
Пример: молекулы в поле тяжести Земли
U = mgz, z - высота над поверхностью Земли
n(z) = n0 e – mgz /kT, z = 0 n = n0.
Часто распределения Максвелла-Больцмана не разъединяют, но пишут вместе
133
dN = N0 A exp(- U - mv2/2 ) dvxdvydvz dxdydz, A = (m/2πkT)3/2.
§ 3 Биномиальное распределение
Существует физически важная задача. Идеальная система состоит из N спинов и находится во внешнем магнитном поле. Такая задача может быть сведена к задачам типа: чет-нечет, верх-низ, белое - черное, 0 - 1, ...
и т.д.
по |
|
против |
|
||
полю |
|
поля |
|
Ставим нашу задачу. Пусть p - вероятность для спина быть направленным вверх, тогда q - вероятность для спина быть направленным вниз. Какова вероятность P(n) того, что n штук из общего числа N спинов направлены вверх. То есть, определим вероятность конфигурации спинов, в которой n из них направлено вверх, а N - n - вниз. Запишем
p...pq...q = pnqN-n
- один из способов, при котором спины располагаются в актуальном порядке. Достаточно любые два спина из числа n поменять местами, то появится (реализуется) еще один способ достичь того же состояния в смысле его вероятности. Полное число таких способов равно числу сочетаний из N по n , тогда
P(n) = CnN pnqN-n = [N!/n!(N-n)!] pnqN-n.
Полученное выражение называют биномиальным распределением.
134
О сочетаниях.
Число сочетаний CnN из N элементов по n в каждой группе означает возможность составить группы по n элементов в каждой, не обращая внимания на порядок элементов в группах CnN = N!/n!(N-n)!. Например:
C23: (1,2,3) 12,23,13 - три группы по два элемента в каждой
C23 = 3!/2!1! = 3
Cnn = n!/n!0! = 1, 0!≡1, используют также запись (Nn) ≡ CNn
Пример 1 p=q=1/2, N=4 P(n) = Cn4 (1/2) 4
n=0, P(0) = C04(1/2)4 = 4!/0!4!16 = 1/16 n=1, P(1) = C14(1/2)4 = 4!/1!3!16 = 4/16 n=2, P(2) = C24(1/2)4 = 4!/2!2!16 = 6/16 n=3, P(3) = C34(1/2)4 = 4!/3!1!16 = 4/16 n=4, P(3) = C44 (1/2)4 = 4!/4!0!16 = 1/16
0.5
0.4
dbinom ( n ,N,p )
0.2
0
0 |
2 |
4 |
||
0 |
|
n |
5 |
|
|
|
|
|
|
Пример 2
p = 1/3, q = 2/3, N = 4
135
P(n) = Cn4 (1/3)n(2/3)4-n
n = 0, P(0) = (4!/0!4!) 16/81 = 16/81
n = 1, P(1) = (4!/1!3!) 8/81 = 32/81
n = 2, P(2) = (4!/2!2!) 4/81 = 24/81
n = 3, P(3) = (4!/3!1!) 2/81 = 8/81
n = 4, P(4) = (4!/4!0!) 1/81 = 1/81
0.5
dbinom ( n ,N,p )
0
0.4 |
|
|
0.2 |
|
|
0 |
|
|
0 |
2 |
4 |
0 |
n |
5 |
§ 4 Распределение Гаусса (нормальное распределение)
Биномиальное распределение сугубо дискретное и плотность вероятности в континуальном смысле для него не записать. В пределе, при N → ∞ , можно показать, что оно переходит в другое распределение так называемое нормальное распределение.
Итак, имеем
P(n) = [N!/n!(N-n)!] pnqN-n |
(1) |
Пусть n′ - число, при котором вероятность P(n′) принимает максимальное значение. Чтобы его найти, необходимо вычислить производную от P(n) по n и приравнять ее к нулю. Пусть, кроме того, при n >> n′ и при n << n′ - P(n) становиться пренебрежимо малой. То есть, здесь исследу-
136
ются свойства P(n) при n актуально близких к n′. Вычислим логарифм от обеих частей (1)
lnP = lnN! - lnn! - ln(N-n)! + nlnp + (N-n)lnq (2)
n - квази непрерывны, используем условие максимума
dP/dn = 0 dlnP/dn = dP/Pdn = 0.
Используем одно из приближений формулы Стирлинга
lnn! = nlnn - n + (½)ln(2πn), n>>lnn |
|
lnn! = nlnn - n. |
|
Тогда |
|
d(lnn!)/dn = d(nlnn - n)/dn lnn |
|
dln(N - n)!/dn - ln(N - n). |
|
Из (2) имеем |
|
d(lnP)/dn = - lnn + ln(N -n) + lnp - lnq = 0 |
(3) |
ln[p(N - n)/nq] = 0 p (N – n )/nq = 1, p (N - n) = nq pN = n(p + q),
а так как p + q =1, а n обращает исследуемую функцию в 0 , то есть n = n′, то следовательно
n = n′ = pN (4)
Продолжая исследование биномиального распределения около n n′ и при N → ∞ , разложим lnP(n) в ряд Тейлора в точке n′, чтобы получить актуальное приближение
lnP(n) = lnP(n′) + (n - n′){d[lnP(n)]/dn}n=n′ +
+ [(n - n′)2/2!]{d2[lnP(n)]/dn2}n=n′ + ...
137
Второе слагаемое обращается в 0 по условию экстремума, а вторую производную второго порядка в третьем слагаемом раскроем с использованием уже имеющейся в (3) первой производной
d2[lnP(n)]/dn2 = d[-lnn + ln(N - n) + lnp - lnq]/dn = (-1/n) - 1/(N - n) =
= - N/n(N - n) = ( n = n′ = Np) = - 1/pqN
lnP(n) = lnP(n′) - (n - n′)2/2Npq
P(n) = P(n′) exp[-(n - n′)2/2Npq],
используем предельный переход и делаем замену P(n′) → P′
dP = P′ exp[-(n - n′)2/2Npq] dn ρn = P′ exp[-(n - n′)2/2Npq]
пусть n принадлежит множеству целых положительных и отрицательных чисел. Воспользуемся нормировкой на единицу для вычисления коэффициента P′
∞ ∞ ∞
∫ ρndn = P′∫ exp[-(n - n′)2/2Npq]dn = (I = ∫exp(-x2)dx) = √π) = -∞ -∞ -∞
= P′(π2Npq)1/2 = 1 P′ = (2πNpq)-1/2.
ρn = (2πNpq)-1/2 exp[-(n - n′)2/2Npq.
Можно показать путем интегрирования, что среднее значение <n> = (без вывода, так как это достаточно очевидно) = n′, при котором вероятность имеет максимум, что и было нами ранее показано (формула (4)). Точно также можно получить выражение для дисперсии методом нахождения среднего значения с помощью интегрирования (без вывода) D = <∆n2> = <(n - <n>)2> = Npq ∆n = (Npq)1/2.Если теперь перейти к обозначениям применяемым обычно в литературе по физической статистике <n> = <x>,
∆n = σ = (Npq)1/2, получим
ρx = [(2π)-1/2/σ] exp[-(x - <x>)2/2σ2].
138
§ 5 Распределение Стьюдента
Распределение Стьюдента описывает плотность вероятности значений средних арифметических, вычисленных по выборкам из n случайных отсчетов из нормально распределенной генеральной совокупности.
Генеральная совокупность - вся совокупность измеряемых случайных величин.
Выборка - совокупность части случайно отобранных из генеральной совокупности величин. Например, 50 промежутков времени по 5 секунд каждый, измеряемые грубым и точным прибором, из всех возможных получаемых значений, нормально распределенных промежутков времени - выборка.
Утверждается следующее:
Если при нормально распределенной генеральной совокупности распределение величины t равно
t = (<x> - mx)/(√D/√n), где
<x> и M x - среднее арифметическое и математическое ожидание случайной величины xi,
D =σ2 = < (xi - <x>)2> = [∑(xi - <x>)2]/(n -1),
то тогда t подчиняется распределению Стьюдента, плотность вероятности которого имеет вид:
ρ(n-1)(t) = Γ(n/2)/{Γ[(n-1)/2][π(n-1)]1/2[1 + t2/(n-1)]-n/2},
Γ(n) = ∫ un-1e-udu - гамма функция
139