Manual de Física Estadística. Salvador Mafé Matoses
Чтение книги онлайн.
Читать онлайн книгу Manual de Física Estadística - Salvador Mafé Matoses страница 9
![Manual de Física Estadística - Salvador Mafé Matoses Manual de Física Estadística - Salvador Mafé Matoses Educació. Sèrie Materials](/cover_pre1047248.jpg)
d'acord amb les eqs. (14) i (17). L'eq. (25) constitueix la denominada distribució de Gauss o gaussiana i coincideix amb la distribució binòmia quan N→ ∞ per a aquells valors en què totes dues són apreciablement distintes de zero. Tanmateix, observem que la distribució de l'eq. (25) està definida (encara que és pràcticament nul·la) per a |n1| < N i és a més simètrica respecte a
Podem tornar ara al cas de la partícula de moviment 1D tractat en la secció anterior i preguntar-nos per la probabilitat de trobar la partícula en una posició x entre x i x + dx, sent dx «microscòpicament gran» (dx » /) però suficientement petit com perquè es puga aplicar el càlcul diferencial.8 El pas de la variable discreta m = nl – n2 = 2n1 – N a la variable contínua x es pot fer per mitjà de la relació (vegeu la fig. 10) w(x)dx = WN(m) dx/2l, ja que δx = 21 en canviar m dues unitats quan n1 varia en una unitat. De l'eq. (25) reescrita per a m resulta immediatament
on x = ml,
La forma típica d'una distribució de Gauss és la representada en la fig. 11. Es pot demostrar8 directament de l'eq. (26) que l'àrea compresa entre les ordenades μ - σ i μ + σ i l'eix d'abscisses és 0.683 [Reif, A.5]. Aquesta àrea arriba a ser de 0.997 per al cas de l'interval [μ - 3σ, μ + 3σ], molt propera ja a l'àrea total corresponent a l'interval entre -∞ i +∞ que és 1 per la condició de normalització. La distribució esdevé per tant més aguda com menor és a. En el límit σ → 0, w(x) tendeix a la funció delta de Dirac [Reif, A. 7; de la Rubia i Brey, cap. 1],
tal com es mostra en la fig. 12.
Figura 11
Figura 12
Al llarg d'aquesta secció hem restringit el tractament a una funció de distribució amb una sola variable aleatòria. La descripció estadística d'una situació en la qual intervinga més d'una variable requereix només generalitzacions directes de les funcions de distribució de probabilitats corresponents [Reif, cap. 1], tal com veurem durant el curs.
3.4 Distribució de Poisson
Quan la probabilitat p és petita però N és molt gran de manera que Np ≡ λ és finit, es pot obtindré una nova distribució (denominada distribució de Poisson) com a cas límit de la binòmia. La distribució de Poisson es fa servir per a valors petits de n1. En efecte, si fem n1 ≡ n « N i considerem el quocient
d'on WN(n) = WN(O) λn/n!. Per la condició de normalització, WN(0) = e-λ, i obtenim així
que és la funció de distribució de Poisson. És immediat demostrar que
que d'acord amb les eqs. (28)–(29) es pot aproximar per la de Poisson
per a N » 1 amb λ ≡ Nγdt = γt finit. Altres problemes es poden tractar de manera semblant a l'anterior.
4. Sistemes de N espins
Moltes de les distribucions de probabilitat que apareixen en Física Estadística són gaussianes de màxims molt pronunciats. Per il·lustrar aquest fet, considerarem un sistema de N espins independents separats espacialment, cadascun dels quals pot trobar-se en un estat ↑ o en un estat ↓ [Rosser, cap. 2; Kittel i Kroemer, cap. 1]. Per simplicitat, suposarem que les probabilitats associades a aquests estats són iguals, p = q = 1/2, si bé el cas asimètric és també força interessant [Reif (2), cap. 1]. La fig. 13 mostra esquemàticament el sistema considerat.
Figura 13
Evidentment, el nombre total d'estats microscòpics possibles per al sistema de N espins és gT = 2N, i la probabilitat de trobar n ≤ N dels espins en l'estat ↑ és,