Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Segunda aula 1.Conceito de varivel aleatria. 2. Mdias de grandezas sobres distribuies de probabilidades AULA 2 Maro/ 2009
3. Funo caracterstica: a partir da qual nos podemos obter os momentos da distribuio de probabilidades.
4. Cumulantes de uma distribuio (esto relacionados com os momentos da distribuio). Esses so obtidos por meio tambm da funo caracterstica.
5. Funo geratriz.
6. Distribuio de probabilidades conjunta. A bibliografia bsica para essa aula : Gardiner, Cap. 2 TTMJ, Cap. 1 Van Kampen, Cap. 1
1
Definio
Varivel aleatria:
1.
Define-se o intervalo de valores possveis que a varivel pode assumir. (i) Valores discretos (ii) Valores contnuos
2.
Especificao da probabilidade associada a cada valor que a varivel assume no intervalo definido.
(i) Varivel aleatria discreta. Exemplo: nmero de indivduos em uma certa populao; nmero de molculas em uma reao qumica. (ii) Varivel aleatria contnua Exemplo: valores assumidos pelo mdulo da velocidade das molculas de um gs ideal.
n pn
1
Tal que
pn
n
Exemplo:
Um tomo cujo momento de dipolo magntico se encontra na direo z. O momento de dipolo ser dado por: Alfa uma constante e sigma toma os seguintes valores = -1, 1 1 z
(-1)
p(
p(
1)
p
q
se o momento de dipolo aponta no sentido oposto. Ser uma varivel aleatria discreta que toma os valores +1 e -1 e. e
p(
1)
p(
1)
p q 1
5
1)
Especificao da probabilidade associada a cada valor que a varivel assume no intervalo definido [ x , x ]
0 1
Densidade de probabilidade
( x)
( x) 0
( x) dx 1
Integral sobre todo o intervalo
[ x0 , x1 ]
( x) dx
[ x0 , x1 ]
( x)
Propriedades:
Densidade de probabilidade
( x) 0
( x)dx 1
Integral sobre todo o intervalo
[ x0 , x1 ]
( x)dx
Exemplo: Gs ideal clssico de molculas monoatmicas contidas em um recipiente. Cada molcula tem massa m e o sistema est a uma temperatura T.
( px )
/ 2 m exp(
p x / 2 m)
de uma molcula.
( px )
( / 2 m)3
exp(
( px
py
pz ) / 2m)dpy dpz
As variveis
px , p y , pz
so independentes e temos:
( px , p y , pz )
( px ) ( p y ) ( pz )
8
Distribuio gaussiana
( x) 2
1
2
exp( x 2 /2
Distribuio de probabilidades gaussiana centrada no zero Mdia =0 (curvas em vermelho, verde e azul).
2
a varincia
( x) 2
1
2
exp(( x
) 2 /2
f ( x)
f ( x) ( x)dx
Em particular se f ( x) x :
f ( x)
mdia
x ( x)dx
10
( x)dx
m 1, 2,3,...
Momento de ordem 1:
1
Momento de ordem 2:
2
x ( x)dx
x 2 ( x)dx
x2
11
Varincia
A varincia tambm chamada de disperso . Definio:
(x
Pois:
x )
(x
x )2
x2
2x
12
Varincia (continuao)
Ou seja a varincia escrita em termos dos momentos de segunda ordem e de primeira ordem:
2 2 2 1
uma medida do grau em que os valores de x esto afastados de seu valor mdio.
13
(1)
( x) 2
1
2
exp( x 2 /2
x ( x)dx 2
1
2
x exp( x 2 /2
)dx 0 (2)
14
Momento de ordem 2 da distribuio gaussiana Deriva-se cada lado da expresso abaixo com relao a
exp(
x )dx
Essa chamada de integral gaussiana. (3)
d d
exp(
x 2 )dx
d d
x 2 exp(
x 2 )dx
1 2
(4)
1/ 2
1
2
x 2 exp( x 2 / 2
)dx 2
1
2
1/ 2 ( ) (2 2 )3/ 2 2
(5)
15
exp(
x 2 )dx
Integral gaussiana.
Os momentos de ordem par podem ser obtidos por derivao da integral gaussiana com relao (ver F. Reif, Fundamentals of Statistical and Thermal Physics).
1
n
x n exp( x 2 / 2
)dx 1.3.5....(n 1)
par
16
xn
x n exp( x 2 / 2
)dx 1.3.5.... (n 1)
n par.
Portanto:
2
15 105
E assim por diante podemos escrever todos os momentos de ordem par em funo de potncias da varincia.
17
Funo caracterstica
Definio:
g (k )
exp(ikx)
exp(ikx) ( x) dx
Importante:
g (k )
18
exp(ikx)
m 0
(ixk ) m m!
g (k ) exp(ikx)
m 0
(ik ) m m!
( x) m
g (k )
1
n 1
(ik ) n n!
n
19
Exemplo:
( x) 2
1
2
exp( x 2 /2
Utilizando a definio:
g (k )
exp(ikx) ( x)dx
exp(ikx)
g (k )
exp( k
/ 2)
Encontrar!
Se expandirmos essa expresso em k e usarmos a definio de g(k) em termos dos momentos encontraremos, para esses, as mesmas expresses que j encontramos utilizando a prpria definio de momento!
20
Importante:
A expanso da exp(ikx) em g(k) gera os momentos. A expanso do ln de g(k) gera os cumulantes.
ln g (k )
n
(ik ) n 1 n!
o cumulante de ordem n.
21
ln g (k )
ln(1
n
(ik ) n 1 n!
) ln(1
n
(ik ) n 1 n!
n:
(1
n
1 (ik )n 1 n!
(i) n (k ) n 1 n . n! n 1
n k 0
n 1
kn . ik
k0
22
n 1
kn
k0
(i )1 (k )0 n .{ (1 0) 1! 1
Mas
}. k
. ik
ln g (k )
n
(ik ) n 1 n!
n 1
ik K1
1
ik K1 ik
K1
1
23
ln(1
n
(ik ) n 1 n!
n k 0
n)
(1
n
1 (ik )n 1 n!
n)
k2 2! k2 2!
(1
n
1 n (ik ) 1 n!
2 ) n k 0
n)
{( 1)
2 k 2 1} 2!
24
{( 1)
2 1
k } 2!
ln g (k )
ln g (k )
ln(1
n
(ik ) n 1 n!
Comparando com
(ik ) n 1 n!
Temos
{( 1)
2 2 k k 2 2 } ( i ) K2 1 2! 2!
K2
2 1
25
ln g (k )
n
(ixk ) n n! 1
o cumulante de ordem n.
1
n 1
(ik ) n n!
e comparando com a definio de g(k) em termos dos cumulantes dada acima obtemos os cumulantes em termos dos momentos:
3
2 1
3
1
2 2
2 12
3 1
2 1
4 1
E assim por diante podemos escrever os cumulantes de ordem n como combinaes 26 de momentos de ordem igual a n e menor que n.
Exemplo:
( x) 2
1
2
exp( x 2 /2
0
2 1 2
3 4
2 3
3 1 2 2
0 12
2 2 1
3 1
4 1
0
27
Funo geratriz
pn
Variveis aleatrias discretas
n 0,1, 2,...
G( z )
n 0
pn z
Definio
28
G '( z )
n 0
n pn z n
G '(1)
n 0
2
n pn
G ''( z )
n 0
n(n 1) pn z n
n(n 1) pn
2
G ''(1)
n 0
n pn
n 0 n 0
(n) pn
G ''(1)
2
G '''(1) G ''''(1) n
4
n 6
3 n n
3
2
2
n 6 n
29
11 n
Exerccio
Definir a funo geratriz para uma distribuio binomial e encontrar relaes entre os momentos.
pn
N n N q p n
Distribuio binomial
p q 1 0 p 1
0 q 1
30
Exerccio
g (k )
exp( k
/ 2)
31
variveis aleatrias:
x1 , x2 , x3 ,..., xN
Densidade de probabilidade conjunta de
( x1 , x2 ,..., xN )
Propriedades:
x1 , x2 , x3 ,..., xN
( x1 , x2 ,..., xN )
0
1
32
1 ( x1 )
( x1 , x2 )
33
( x1 , x2 ,..., xN )
( x1 ) ( x2 ) ... ( xN )
34
FIM
35