Файл: Смирнова Н.А. Методы статистической термодинамики в физической химии учеб. пособие.pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 10.04.2024
Просмотров: 177
Скачиваний: 0
Среднее статистическое (математическое ожидание) непрерывной случайной величины определяется как интеграл
1= j xdw (х) = J xf (X) dx, |
(I.32) |
где интегрирование проводится по всем возможным значениям лѵ Расчет X может быть выполнен, если известна функция f(x), т. е. плотность распределения вероятностей.
Среднее значение некоторой функции А от случайной величины X найдем по формуле
I = ^A(x)f(x)dx. |
(1.33) |
Среднее значение функции двух непрерывных случайных величин есть
|
|
А |
= J j А (х, |
у) f (х, |
у) |
dxdy. |
|
|
|
Сформулируем две теоремы о средних. |
|
|
|
|
|||||
1. Среднее |
значение |
суммы случайных |
величин |
равно сумме |
средних |
||||
значений |
этих |
величин: |
|
|
|
|
|
|
|
|
|
|
(х-\-у) |
= х + |
у. |
|
|
|
(1.34) |
Покажем, |
что это так, рассматривая |
случай |
дискретных величин. |
||||||
Пусть для любого состояния системы (или двух систем) переменные |
|||||||||
X и У определены. Переменные могут быть зависимыми или неза |
|||||||||
висимыми. Набор xlt |
Xi,...—возможные |
значения случайной ве |
|||||||
личины |
X; w(xx), |
w(xt),...—вероятности |
этих |
значений; |
уи ... |
||||
ук... — значения случайной величины У, |
которым |
отвечают |
вероят |
||||||
ности ау(#і), |
w(yi:), |
... соответственно. Через |
w |
(xh ук) обозначаем |
вероятность того, что одновременно наблюдаются значение xt |
для одной |
||||||
случайной величины и значение y-t для другой. |
|
|
|||||
По определению статистического |
среднего |
|
|
||||
(х + у) = 2to+ |
Ук) w (*/> ук) = 22X i |
Wto-У к ) |
+ 2 2 ^to-Ук |
||||
і, к |
|
і |
к |
|
і |
к |
|
= 2 |
|
xt 2 w (xi, ук) |
+ 2 |
Ук 2 w |
to. Ук)- |
(I-35) |
|
|
і |
к |
к |
i |
|
|
|
Вероятность того, что для переменной X будет наблюдаться зна чение тогда как значение переменной У при этом может быть лю бым, равна согласно теореме сложения вероятностей
«К*/) = У^Ш)(Хі, ук)
к
(это равенство имеет тот же смысл, что и равенство (1.21) для непре
рывных случайных величин). Аналогичным образом
И</А) =2И*/. Ук),
і
18
так что |
2 2w |
'у^= 2 (*()= *; |
(1 '36) |
|
|||
|
2 г/« 2ш(лг/ ^ ^ 2 ^ ( л )= |
(І •37) |
Равенства (1.35)—(1.37) доказывают теорему для дискретных величин.
Нетрудно получить аналогичный результат для случая |
непрерывных |
|||
случайных |
величин. |
|
|
|
2. Среднее значение |
произведения |
двух независимых |
величин равно |
|
произведению |
средних |
значений этих |
величин: |
|
|
|
Ту=~ху~. |
|
(1.38) |
Доказательство основано на использовании теоремы умножения ве роятностей для независимых величин. Учитывая равенство (1.26), для дискретных случайных величин получаем:
ху'= 2X''JKW |
Ук) |
= |
22x'IJkW w ^= |
і, к |
і |
к |
|
= 2X i W ^ 2Ui<w ^ = ~у'
ік
что и требовалось доказать.
Обе теоремы обобщаются на случай любого числа случайных ве личин.
§ 5. Отклонения от средних
Характеристика поведения системы при испытаниях через сред ние величины не является достаточной, так как остается неизвестной степень отклонения наблюдаемых величин от среднего значения. Обо значим отклонение наблюдаемой величины от среднего значения через
Л я: |
_ |
|
Ах |
= х~ 7. |
(1.39) |
Для характеристики отклонений измеряемых величин от среднего следует указать усредненное значение некоторой функции от Ах. Среднее значение самой величины Ах (среднее отклонение) не может служить такой характеристикой, поскольку
~Кх = {х —~х) = х - х= О, |
(1.40) |
т. е. отклонения от среднего в обе стороны происходят в одинаковой степени.
В качестве меры отклонения случайной величины от среднего удобно пользоваться средним квадратом отклонения, или дисперсией:
(Д*)2 = (х — х)* = Р(х). |
"(1.41) |
Дисперсия случайной величины D(x) близка к нулю лишь в том слу-
19
чае, если сколько-нибудь значительные отклонения величины х от среднего имеют малую вероятность и происходят при испытаниях очень редко. Дисперсия постоянной величины равна нулю.
Дисперсия выражается через разность между средним значением квадрата случайной величины и квадратом ее среднего значения:
(Дх)2 = (х — х ) = ( х 2 — 2 х х + X ) = X2 — 2~хх + * 2 = * •2— * 2 - |
(1-42) |
Формулу (1.42) обычно и используют для расчета дисперсии. Дисперсия суммы независимых величин равна сумме дисперсий
этих величин. Действительно,
[Д (X + у)]% = (Ах + А(/)2 = ( Д х ) 2 + 2 АхАу + (Д</)2 .
Так как величины х и у, по условию, |
независимы, то независимы и |
||
их отклонения. Поэтому |
|
|
|
АхАу = |
Дх Ау |
= 0 |
|
и |
|
|
|
[A (X + 01» = |
(Дх)2 + (Ay)*. |
(1.43) |
Нетрудно обобщить вывод на случай суммы любого числа независимых величин:
M |
2 |
N |
' |
(І-44) |
А 2х < , ) |
j |
=2[д*(,)]2 |
||
1=1 |
1=1 |
|
|
где N — число независимых величин;
Для характеристики отклонений от среднего часто используют
величину У (Дх)2 , называемую средним квадратичным отклонением величины X, или флуктуацией*. Относительную флуктуацию 8 Х опре деляют как отношение среднего квадратичного отклонения к среднему значению данной случайной величины:
|
Ѵ(Ах)* |
|
|
8 * = |
- |
• |
(1-45) |
|
X |
|
|
Именно относительная величина Ьх дает наиболее показательную ко личественную характеристику того, насколько значительны откло нения от средних.
* |
Следует отметить, что термин |
«флуктуация» |
используется (причем чаще) |
|||||
также |
и в другом |
смысле. |
Флуктуациями принято |
называть |
явления |
случай |
||
ного отклонения физических |
величин |
от их средних |
значений; под флуктуацией |
|||||
в таком понимании |
подразумевается |
отдельное случайное |
отклонение. |
Величи |
||||
на V |
(Дх) 2 может |
рассматриваться |
как количественная |
мера |
флуктуации. |
20
Докажем |
следующую теорему: |
|
|
|
|
Относительная |
флуктуация любой |
аддитивной |
случайной |
величины, |
|
характеризующей |
систему в целом, |
обратно пропорциональна |
корню |
||
квадратному |
из числа независимых частей, которые |
образуют |
систему. |
||
|
|
|
|
п |
|
Пусть X — аддитивная случайная |
величина; X = J^XW, гдеХ('>— |
случайная величина, относящаяся к і-й части системы; N — число независимых примерно одинаковых частей, из которых составлена си стема.
Требуется доказать, что
|
8 . ѵ - ~ — L r - |
|
(1.46) |
|
|
|
VN |
|
|
Согласно определению (1.45) |
|
|
|
|
|
|
|
|
(1.47) |
|
|
2 |
* ( 0 |
|
Можем записать: |
|
|
|
|
N |
|
N |
|
|
Ѵ * « > |
= |
У |
|
(1.48) |
І'=І |
|
( = I |
|
|
и в соответствии с равенством (1.44) |
|
|
||
I Л 2 *(,)) |
=2 |
( А * ( 0 |
) а ~ Л Г . |
(1.49) |
После подстановки (1.48) и (1.49) в выражение (1.47) получаем со отношение (1.46), которое и требовалось доказать.
Если все части одинаковы, то усредненные характеристики для них будут одни и те же:
*<*> = |
. . . = |
(Д*<'))а = |
( Д ж ( 2 ) ) » = |
. . . = ( д ^ ) ) « > |
|||
так что |
|
|
|
|
|
|
|
|
X —N x w ; |
(Д*)« =ѵѴ(Дл:( 1 ) )2 |
|
||||
ôx |
1 |
і Л д * ( 1 > ) 2 |
— |
1 |
» ( n , |
(1.50) |
|
= ~— |
1 - |
= |
|
||||
|
VN |
X{1) |
|
УЖ |
|
|
где 8^.(1)— относительная флуктуация параметра х<" для отдельной части системы.
Следствием доказанной теоремы является тот факт, что с увели чением числа частей, из которых составлена система, всякая аддитив ная случайная величина, характеризующая систему в целом, испы-
21