Dinmica estocstica e irreversibilidade

AULA 2
Maro/ 2009

Segunda aula
1.Conceito de varivel aleatria.
2. Mdias de grandezas sobres distribuies de probabilidades

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:

Tal que

pn
n

n
pn
1

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

p(

1)

se o momento de dipolo aponta no sentido

oposto.
Ser uma varivel aleatria discreta
que toma os valores +1 e -1 e.

p(

1)

(-1)

p(

1)

p(

1)

p q 1
5

Varivel aleatria contnua

Especificao da probabilidade associada a cada valor

que a varivel assume no intervalo definido [ x , x ]
0

Densidade de probabilidade

( x)

( x) 0
( x) dx 1

( x) dx

Integral sobre todo o intervalo

[ x0 , x1 ]

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

Varivel aleatria contnua

Seja uma varivel contnua:

(x)

que assume qualquer

Valores em um intervalo

[ x0 , x1 ]

Densidade de probabilidade

Propriedades:

(x) 0
( x)dx 1

( x)dx

Integral sobre todo o intervalo

[ x0 , x1 ]

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

de uma molcula.

Esta uma distribuio gaussiana!

Observao:

( px )

( / 2 m)3

As variveis

exp(

px , p y , pz

( px , p y , pz )

( px

py

pz ) / 2m)dpy dpz

so independentes e temos:

( px ) ( p y ) ( pz )
8

Distribuio gaussiana

( x)
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

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)

x ( x)dx

mdia
10

Momentos de uma distribuio:

Momento de ordem m de x :

( x)dx

Momento de ordem 1:
1

x ( x)dx

m 1, 2,3,...

Momento de ordem 2:
2

x 2 ( x)dx

x2

Valor mdio ou mdia

11

Varincia
A varincia tambm chamada de disperso .
Definio:

(x

x )

Pois:
2

(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

exp( x 2 /2

Momento de ordem 1 da distribuio gaussiana:

x ( x)dx
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

uma constante positiva.

exp(

x )dx
Essa chamada de integral gaussiana.
(3)

d
d

x 2 )dx

exp(

1/ 2

x 2 exp(

x 2 )dx

1
2

(4)

1
2

d
d

x 2 exp( x 2 / 2

)dx
2

1/ 2
(
)
(2 2 )3/ 2
2

(5)
15

Outros momentos da distribuio gaussiana

x 2 )dx

exp(

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

Portanto:

)dx 1.3.5.... (n 1)

n par.

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

2
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

O que implica que:

(ixk ) m
m!
g (k )

exp(ikx)
m 0

g (k )

1
n 1

(ik ) n
n!

(ik ) m
m!

( x) m

n
19

Exemplo:

( x)
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

Primeiro termo da expanso em k de

(1
n

1
(ik )n
1 n!

kn

n 1

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

k0

(ik ) n
1 n!

n:

n
k 0

.ik
22

n 1

kn

k0

(i )1 (k )0 n
.{
(1 0)
1!

Mas

ln g (k )
n

n 1

}. k

(ik ) n
1 n!

. ik

ik K1

ik K1 ik

K1

1
23

Segundo termo da expanso em k de

ln(1
n

(1
n

1
(ik )n
1 n!

(1
n

n)

1
n
(ik )
1 n!

{( 1)

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

n)

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

(ik ) n
1 n!

n)

k 0

k2
2!

k 0

k2
2!

2
)
n

2
k
2
1}
2!
24

Segundo termo da expanso de

{( 1)

2
1

Comparando com

k
}
2!

ln g (k )

ln g (k )
n

Temos

{( 1)

K2

ln(1

(ik ) n
1 n!

(ik ) n
1 n!

2
2
k
k
2
2
}
(
i
)
K2
1
2!
2!

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:

2
1

1
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)

exp( x 2 /2

2
1

3
4

3 1

2
3

3
1
2
2

0
12

2
1

4
1

0
27

Funo geratriz

pn

Variveis aleatrias discretas

n 0,1, 2,...
G( z )

pn z
n 0

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

n pn z n

G '( z )

G '(1)

n 0

n 0

n(n 1) pn z n

G ''( z )

n pn

n 0

G ''(1)

n(n 1) pn
n 0

G ''(1)

(n) pn

n 0

G '''(1)
G ''''(1)

n pn

n 0

n
6

3 n
n

11 n

2
2

n
6

n
29

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 ,..., xN )

x1 , x2 , x3 ,..., xN
Densidade de probabilidade conjunta de

x1 , x2 , x3 ,..., xN
Propriedades:

( x1 , x2 ,..., xN )

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

1
32

Densidade de probabilidade marginal

1 ( x1 )

( x1 , x2 )

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

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

uma possvel densidade

de probabilidade
marginal

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