4300259 – Mecânica Estatística

Primeira Lista de Exercícios: Noções de Probabilidade

P1) Uma máquina enche embalagens de café com capacidade nominal de 1kg. O controle
de qualidade é realizado retirando algumas das embalagens cheias ao longo do dia para
pesagem. O resultado do controle realizado em N = 100 embalagens é mostrado na tabela
abaixo. As massas foram organizadas em intervalos sucessivos (indicados por i), e o número
de embalagens em cada intervalo é denotado por ni .

i massa (kg) ni
1 0.900 – 0.925 1
2 0.925 – 0.950 7
3 0.950 – 0.975 25
4 0.975 – 1.000 32
5 1.000 – 1.025 30
6 1.025 – 1.050 5

Estime:
(a) A massa média das embalagens.
(b) A variância e o desvio padrão das massas das embalagens.
(c) A probabilidade de encontrar uma embalagem com massa no intervalo 0.925 kg < m <
1.025 kg.
(d) A probabilidade de encontrar uma embalagem com massa m > 1.00 kg.
P2) A variável contínua x representa os eventos possíveis em um experimento (detectar uma
partícula na posição x). A seguinte função representa a densidade de probabilidade associada
aos resultados do experimento,
(
1/(b − a), a ≤ x ≤ b
f (x) = .
0, x < a ou x > b
Esboce f (x) em um gráfico e responda: (a) Mostre que f (x) é normalizada.
(b) Calcule a probabilidade de detectar uma partícula nas regiões x < a e x < (b + a)/2.
(c) Obtenha o valor médio < x > da distribuição de eventos.
(d) Obtenha a variância σ 2 da distribuição. (Dica: a relação (b3 − a3 ) = (b − a)[(b + a)2 − ab]
pode ser útil.)
P3) Distribuição de Maxwell. A distribuição das velocidades escalares (módulos das
velocidades) das partículas em um gás ideal é descrita pela densidade de probabilidade
 3/2
α 2
f (v) = 4π v 2 e−αv ,
π
onde α = m/(2kB T ) é uma constante (a uma dada temperatura T ), m é a massa das
moléculas do gás, kB é a constante de Boltzmann, e 0 ≤ v < ∞.
(a) Mostre que a distribuição é normalizada.
(b) Obtenha a média das velocidades escalares, hvi.
(c) Obtenha a raiz quadrada da média das velocidades ao quadrado, hv 2 i1/2 .
(d) Obtenha a velocidade em torno da qual a probabilidade f (v)dv é máxima.

1
P4) Distribuição de Bose-Einstein. O campo eletromagnético no interior da uma ca-
vidade com paredes refletoras produz ondas estacionárias denominadas modos. É possível
decompor o campo em modos com energias quantizadas. Um modo com frequência angular
ω tem energia dada por En = nh̄ω. Cada quantum de energia (h̄ω) é denominado fóton, de
forma que n representa o número de fótons do modo. Estando o campo em equilíbrio com
as paredes da cavidade à temperatura T , a probabilidade de que haja n fótons em um dado
modo é
1 −αn h̄ω
p(n) = e , com α= .
Z kB T
(a) Determine a constante Z impondo a condição de normalização.
(b) Obtenha número médio de fótons do modo, hni, à temperatura T .
(c) A densidade de probabilidade geométrica é dada por p(k) = (1−a)ak , onde k = 0, 1, 2, · · ·.
Relacione essa densidade ao resultado do item (a) para o número de fótons, conhecido como
densidade de Bose-Einstein.
P5) Partículas Quânticas em uma dimensão (MIT). Na Mecânica Quântica, a proba-
bilidade de encontrar uma partícula entre x e x + dx é dada por

|ψ(x)|2 dx ,
onde ψ(x) é a função de onda da partícula. Vemos, portanto, que o módulo ao quadrado da
função de onda define uma densidade de probabilidade, p(x) = |ψ(x)|2 . Admita que, para
duas partículas quânticas com posições x1 e x2 , a densidade conjunta seja

x2 + x2
2 !
1 x2 − x1

p(x1 , x2 ) = 2 exp − 1 2 2 ,
πd d d
onde d é uma constante. É aconselhável que você esboce um gráfico de p(x1 , x2 ).
(a) Obtenha as densidades reduzidas p(x1 ) e p(x2 ).
(b) Obtenha a densidade condicional p(x1 |x2 ).
(c) As posições das partículas são estatisticamente independentes?
P6) (a) Em dez lançamentos de uma moeda não viciada, qual a probabilidade de obter 5
caras? (b) Em 20 lançamentos, qual a probabilidade de 10 caras? (c) Explique porque a
probabilidade é menor em (c).
P7) Distribuição de Poisson. A distribuição binomial expressa a probabilidade de n
realizações de um evento com probabilidade p, em N ≥ n tentativas, na forma
N!
WN (n) = pn (1 − p)N −n . (i)
n!(N − n)!
Admitindo p  1, apenas fará sentido considerar a probabilidade para um grande número
de tentativas (n  N ), pois, caso contrário, o termo pn será ínfimo. Nas condições p  1 e
n  N , mostre que (a) (1 − p)N −n ≈ e−N p , e (b) N !/(N − n)! ≈ N n . (c) Demonstre então
que (i) se reduz a
λn −λ
WN (n) = e , (ii)
n!

2
onde λ = N p = hni é o valor esperado do número de realizações. (d) A expressão (ii) é
conhecida como distribuição de Poisson. Mostre esta distribuição é normalizada.
P8) Iremos admitir que os erros tipográficos cometidos por um digitador são aleatórios.
Sabendo que em média ocorre 1 erro por página, (a) qual a probabilidade de que uma página
não contenha erros, em um livro de 600 páginas? (b) Qual a probabilidade de que ocorram
pelo menos três erros em uma página do mesmo livro? Dica: A cada tecla pressionada, o
digitador pode acertar ou errar, sendo pequena a probabilidade de erro, pois há 102 caracteres
por página, e média de apenas um erro por página. Assim, é razoável utilizar a distribuição
de Poisson.

3
Respostas:

P1) (a) hmi ≈ 0.987 kg. √ √

(b) hm2 i ≈ 0.975 kg. Portanto: σ 2 ≈ 0.0008 kg, σ = σ 2 ≈ 0.0008 = 0.028 kg.
(c) P ≈ 0.94
(d)P ≈ 0.35
P2) (b) P (x < a) = 0, enquanto P (x < (b + a)/2) = 21
(c) hxi = (b+a)
2
.
1 1
(d) hx i = 3 [(b + a)2 − ab]. Portanto, σ 2 = hx2 i − hxi2 =
2
12
(b − a)2 .
R∞  3/2 R
α ∞ 2 −αv 2
P3) (a) A soma de todas as probabilidades f (v)dv será: 0 f (v)dv = 4π π
v e
0 dv.
R∞  3/2 R
∞ 2 −αv 2
Sendo o integrando uma função par: 0 f (v)dv = 2π απ −∞ v e dv = 1.
R∞  3/2 R q
∞ 3 −αv 2 8kB T
(b) hvi = 0 f (v) v dv = 4π α π
v e 0dv = √2
πα
= πm
.
 3/2 R q q q
∞ 4 −αv 2
(c) hv 2 i =4π α
π 0 v e dv= 23 α−1 . Portanto, hv 2 i = 2α
3
= 3kmB T .
df
(d) O máximo de f (v)dv corresponderá ao máximo de f (v). Impondo a condição dv q
= 0,
1 2kB T
obtemos a velocidade (vmp ) em torno da qual a probabilidade é máxima: vmp = α1/2 = m
.

P4) (a) n p(n) = 1 =⇒ Z = [1 − exp(− kh̄ω )]−1 .

P
BT
(b) Número médio de fótons:
1
hni = h̄ω .
exp( kB T ) − 1
(c) A densidade de Bose-Einstein é um caso particular da densidade geométrica, bastando
identificar a = exp(−α).

3 0.7
0.6
2 0.5
0.4
1
0.3
x2 0.2
0
0.1
-1 0

-2

-3
-3 -2 -1 0 1 2 3

x1

P5)
(a) Densidades reduzidas:

1 x21
Z ∞ !
1 2 2
p(x1 ) = dx2 p(x1 , x2 ) = √ + e−x1 /d
−∞ πd2 2 d2

4
 1 x22
Z ∞ !
1 2 2
p(x2 ) = dx1 p(x1 , x2 ) = √ + e−x2 /d
−∞ πd2 2 d2
(b) Densidade condicional:

p(x1 , x2 ) 1 (x1 − x2 )2 −x21 /d2

p(x1 |x2 ) = =√ 1 e
p(x2 ) πd2 x22 + 2 d2

(c) Não são independentes. Há dois argumentos equivalentes, p(x1 , x2 ) 6= p(x1 )p(x2 ) e
p(x1 |x2 ) 6= p(x1 )
P6) (a) p(nca = 5) = 0.246 (b) p(nca = 5) = 0.176 (c) Dica: Reflita sobre a variância da
distribuição.
P7) (a) Dica: Explore a expansão de Taylor de primeira ordem para a função logaritmo,
ln(1 − p) ≈ −p. (d) Dica: Explore série de Taylor da função exponencial.
P8) (a) 0.368 (b) 0.080