- •Статистическая физика Распределение Максвелла и Больцмана Вероятность. Средние значения
- •Теорема умножения вероятностей
- •Распределение Максвелла
- •Распределение молекул по модулю скорости
- •Средняя скорость по определению
- •Зависимость распределения от т
- •Распределение по энергиям молекул
- •Распределение Больцмана
Статистическая физика Распределение Максвелла и Больцмана Вероятность. Средние значения
Статистическая физика - это раздел физики, в котором изучают свойства макросистем, исходя из индивидуальных свойств составляющих макросистему частиц и взаимодействий между ними. Описание движения каждой частицы макросистемы (а их порядка 1022 - 1023) - задача совершенно немыслимая. Вместо этого статистическая физика оперирует со средними значениями параметров очень большого числа частиц. Колоссальное число частиц в макросистеме приводит, несмотря на очевидный хаос, к появлению новых, статистических закономерностей. Их изучение и делает возможным описание макросистем на основе сведений о свойствах отдельных частиц.
О вероятности. Основу статистической физики составляет теория вероятностей. исходные понятия этой теории - событие и вероятность.
Событие - это, например, выпадение одного из шести номеров при бросании игрального кубика. Или при измерении скорости молекул газа: разбив возможные значения скоростей на отдельные интервалы vi (i = 1, 2, ...) и обнаружив, что скорость молекулы попала в i-тый интервал, мы говорим об i -том событии.
В дальнейшем нас будут интересовать лишь такие события, которые являются:
1) случайными, т.е. событиями, условия наступления которых по тем или иным причинам неизвестны и которые поэтому нельзя заранее с уверенностью предсказать;
2) равновозможными или равновероятными - для которых нет никаких оснований ожидать, что при испытаниях они будут вести себя по-разному (например, при бросании игрального кубика или монеты).
Вероятность данного случайного события характеризуется кратностью его повторения. Если в N случаях i-тое событие происходит Ni раз, то вероятностью Рi этого события называют величину
Так как на практике N всегда конечно, то для вычисления вероятности стараются, чтобы N и Ni были достаточно большими. Тогда можно считать, что
Pi Ni / N
Сумма вероятностей всех возможных результатов измерений равна единице:
Теорема сложения вероятностей
Если в результате N бросаний кубика в Ni случаях выпадет число i, а в Nk случаях - k, то вероятность выпадения i или k равна
Р(i или k) = = Pi + Pk
Это значит, что при бросании кубика вероятность выпадения, скажем, 2 или 5 равна Р = 1/6 + 1/6 = 1/3.
В общем случае:
вероятность появления в испытаниях одного из нескольких несовместимых событий равна сумме вероятностей каждого из этих событий.
Теорема умножения вероятностей
Найдем вероятность, что при двух бросаниях кубика выпадет последовательно i и k. Рассмотрим N двойных бросаний. Пусть первый из каждой пары бросков дал i в Ni случаях (так что Рi Ni / N). Теперь выделим из этих Ni случаев те Nk событий, когда второй бросок кубика давал k (так что Рk Nk / Ni). Тогда искомая вероятность
Р(i, затем k) =
Значит, вероятность того, что при бросаниях кубика выпадут, допустим, сначала 2, а затем 5, равна 1/6 1/6 = 1/36
В общем случае теорема умножения вероятностей утверждает:
вероятность совмещения двух или нескольких независимых событий равна произведению вероятностей каждого из них в отдельности.
Средние значения случайных величин
Случайная величина, которая может принимать ряд дискретных значений, для каждого из которых имеется своя вероятность, называется дискретной случайной величиной. Например, число молекул газа, залетевших в некоторый объем в данный момент времени – дискретная случайная величина. Она может принимать значения в виде последовательности целых чисел. Зная вероятности появления различных результатов измерений дискретной случайной величины х, можно найти их среднее значение х . По определению среднего
х=
Функция распределения
Рассмотрим случай, когда случайная величина х имеет непрерывный характер (например, скорости молекул). Для этого разобьем всю область изменения х на отдельные интервалы и будем считать число попаданий случайной величины в тот или иной интервал. Интервалы должны быть во избежание заметных флуктуаций достаточно большими, чтобы в каждом интервале число попаданий было Ni 1 и можно было бы по частоте попадания достаточно точно определить вероятность попадания случайной величины в данный интервал. Вместе с тем, интервалы должны быть достаточно небольшими, чтобы более детально характеризовать распределение величины х.
Итак, мы имеем достаточно большое число достаточно небольших интервалов и, допустим, нам известна вероятность Рх попадания в тот или иной интервал х. Сама величина Рх весьма мала. Поэтому в качестве характеристики случайной величины берут отношение Рх / х , которое для достаточно малых х не зависит от величины самого интервала х.
Это отношение при х 0 называют функцией распределения f(x). Этой функции можно приписать смысл плотности вероятности, т.е. вероятности интересующей нас величины оказаться в единичном интервале вблизи значения х.
В разных случаях функция распределения имеет совершенно различный вид, один из которых в качестве примера приведен на рисунке.
Площадь полоски шириной dx на этом рисунке равна вероятности того, что случайная величина х окажется в пределах интервала (х, х + dx):
dPx = f(x) dx
Вероятность того, что величина х попадает в интервал (а, b) (согласно теореме о сложении вероятностей):
Вероятность того, что величина х может принять какое-либо значение (достоверное событие), равна единице. Это называют условием нормировки:
,
где интегрирование производится по всему интервалу возможных значений величины х. Из этого условия следует, что вся площадь под кривой f(x) равна единице.
Средние значения
Среднее значение величины х можно найти, зная ее нормированную на единицу функцию распределения f(x). Обратимся к формуле для среднего значения дискретной величины:
х =
Формула справедлива и для случая, когда интервал изменения величины х будет разбит на небольшие участки. Уменьшая участки, мы должны в конце концов заменить Рi на dP и сумму на интеграл:
х = ,
где интегрирование проводится по интересующему нас интервалу значений х. Аналогичные формулы справедливы для любой функции (х), например
х2 = .
Флуктуации
Вероятность случайного события и экспериментально наблюдаемая доля результатов, когда событие осуществляется, - это не одно и то же. Последняя (доля результатов) испытывает случайные отклонения от предсказываемой вероятности. Именно такого рода отклонения происходят в любых макросистемах. Эти отклонения и обуславливают флуктуации.
Согласно теории вероятности, с увеличением числа N испытаний относительная флуктуация любой величины уменьшается по закону . Именно грандиозность числа N молекул и объясняет, почему макроскопические законы, получаемые на основе статистических представлений о движении частиц макросистемы, оказываются точными.
В дальнейшем будет использовано понятие бесконечно малого объема dV макросистемы. Под этим будет пониматься такой объем, размеры которого ничтожны по сравнению с размерами самой макросистемы, но все же намного превосходящие характерный размер ее микростроения. Каждая бесконечно малая область, предполагается, содержит число частиц dN настолько большое, что относительной флуктуацией их можно пренебречь.