Dinmica estocstica e irreversibilidade

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.

Varivel aleatria: (i) Valores discretos

(i) Valores contnuos

(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.

Varivel aleatria discreta

Vamos denotar essa varivel de varivel por:

Vamos associar a cada valor de um nmero que denotaremos por:

n pn
1

Tal que

pn
n

a distribuio de probabilidades associada varivel.

4

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

Se o momento de dipolo aponta na direo de 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)

Varivel aleatria contnua

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

Probabilidade de encontrar x com valores entre x e x+dx

Varivel aleatria contnua

Seja uma varivel contnua:

que assume qualquer Valores em um intervalo

[ x0 , x1 ]

( x)
Propriedades:

Densidade de probabilidade

( x) 0
( x)dx 1
Integral sobre todo o intervalo

[ x0 , x1 ]

( x)dx

Probabilidade de encontrar x com valores entre x e x+dx

7

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)

Densidade de probabilidade de uma das componentes

cartesianas do momento linear p

Esta uma distribuio gaussiana! Observao:

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

Distribuio de probabilidades gaussiana centrada em (mdia= ) (curvas em rosa).

Valor mdio, momentos e varincia Definies

Valor mdio de uma funo f ( x) da varivel aleatria x

f ( x)

f ( x) ( x)dx

Em particular se f ( x) x :

f ( x)
mdia

x ( x)dx
10

Momentos de uma distribuio: Momento de ordem m de x :

( 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

Valor mdio ou mdia

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

o desvio quadrtico mdio.

uma medida do grau em que os valores de x esto afastados de seu valor mdio.

13

Exemplo: momentos da distribuio gaussiana

(1)

( x) 2

1
2

exp( x 2 /2

Momento de ordem 1 da distribuio gaussiana:

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)

uma constante positiva.

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

Outros momentos da distribuio gaussiana

exp(

x 2 )dx

Integral gaussiana.

Os momentos de ordem mpar da gaussiana so todos nulos.

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

= varincia (para o caso <x>=0).

4

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 )

Funo geradora dos momentos Os coeficientes da expanso em srie de Taylor em k so os momentos.

18

exp(ikx) 1 ixk x 2 k 2 / 2! i ( x 3 k 3 )/3! ...

Ou seja:

exp(ikx)
m 0

(ixk ) m m!
g (k ) exp(ikx)
m 0

O que implica que:

(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)

Podemos mostrar que a funo caracterstica dessa gaussiana :

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

Cumulantes de uma distribuio

Definio: Tomando-se o logaritmo de g(k) e expandindo-o em k obtemos os cumulantes da distribuio.

Importante:
A expanso da exp(ikx) em g(k) gera os momentos. A expanso do ln de g(k) gera os cumulantes.

Os cumulantes so definidos por:

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

Primeiro termo da expanso em k de

(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

Segundo termo da expanso em k de

ln(1
n

(ik ) n 1 n!
n k 0

n)

(1
n

1 (ik )n 1 n!

n)

n(i )n (n 1)(k ) n . n! n 1 n(i) n (k ) n .( n! 2 n 1

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 )

Segundo termo da expanso de

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

Cumulante de segunda ordem

25

Cumulantes de uma distribuio

ln g (k )
n

(ixk ) n n! 1

o cumulante de ordem n.

Expandindo em srie de Taylor o logaritmo de

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:

Cumulantes de uma gaussiana.

( 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

As derivadas da funo geratriz esto relacionadas com os momentos da distribuio

28

As derivadas da funo geratriz esto relacionadas com os momentos da distribuio

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

Mostrar que a funo caracterstica dessa gaussiana :

g (k )

exp( k

/ 2)

31

Distribuio de probabilidades conjunta

Sejam

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

( x1 , x2 ,..., xN )dx1dx2 ...dxN

Densidade de probabilidade marginal

1 ( x1 )

( x1 , x2 ,..., xN ) dx2 ...dxN

uma possvel densidade de probabilidade marginal

( x1 , x2 )

( x1 , x2 ,..., xN ) dx3 ...dxN

uma outra possvel densidade de probabilidade marginal

33

Distribuio de probabilidades conjunta

Se as variveis aleatrias so independentes ento:

( x1 , x2 ,..., xN )

( x1 ) ( x2 ) ... ( xN )

34

FIM

35