Escolar Documentos
Profissional Documentos
Cultura Documentos
1
0
1
0 l
1
0 1
0
0
1
11
00 0
1
00
11
11
00 00
11
00
11 1
0
00
11
00
11 1
0 1
0
00
11
00
11 0
1
111
000
000
111
000
111
1
0
0
1
1
0 1
0 1
0
1
0
0
1 0
1
1
0
1
0 1
0
1
0
1
0
1
0 1
0
1
0 1
0 1
0
0
1 0
1
1
0
1
0
u1, u2, , uM .
Esta variavel e chamada de estocastica quando seu valor so pode ser determinado
apos o exame do resultado do experimento, como por exemplo no jogo de cara
ou coroa. Podemos definir P (ui), a probabilidade de um P experimento dar ui .
Obviamente a funcao P (u) deve satisfazer P (u) 0 e i P (ui ) . O valor
medio de u, que sera denotado por u, e dado por
PM
P (u1)u1 + + P (uM )uM P (ui)ui
u= ou u = Pi=1 M
. (1)
P (u1) + + P (uM ) i=1 P (ui )
Assim sendo a media passa a ser dada pela forma mais simples
M
X
u= P (ui)ui . (3)
i=1
Por vezes desejamos obter apenas algumas informacoes simples de uma dis-
tribuicao, enquanto que conhecer a funcao exata que ajusta tal distribuicao e
uma informacao que nao nos interessa. Nestes casos e interessante se conhecer
os primeiros momentos de uma distribuicao, onde o n-esimo momento e definido
como
X
M
un P (ui)un
i . (5)
i=1
X
M
(u)2 (u u)2 = P (ui)(ui u)2 2 , (6)
i=1
(u u)2 = u2 2uu + u2 = u2 2u u + u2 = u2 u2 ,
n1 + n2 = N e n1 n2 = m . (9)
N!
C= . (11)
n1!n2!
Entao a probabilidade de tomarmos n1 passos a direita (ou n2 = N n1 a es-
querda) em qualquer ordem e obtida multiplicando a probabilidade pelo numero
de caminhos possveis.
N ! n1 n2
WN (n1 ) = p q . (12)
n1 !n2!
N!
PN (m) = p(N +m)/2 (1 p)(N m)/2 . (13)
(N + m)/2 ! (N m)/2 !
Figura 1.2.
1 Aqui
PN
convem nos lembrarmos da expansao binomial: (p + q)N = n=0
N !/(n!(N
n
n)!)p q N n .
8
n1 = N p . (15)
Este resultado ja era previsvel antes mesmo de fazermos as contas, pois a media
de passos para a esquerda nada mais e do que o numero total de passos N vezes
a probabilidade p de ir para a esquerda a cada passo.
Um modo mais elegante de obtermos este resultado e observarmos que
n1
n1pn1 = p (p ) .
p
Este truque torna facil a tarefa de calcular o segundo momento n2i (tente o
metodo direto, e convenca-se de que este e bastante trabalhoso!)
N
X XN 2
N! N!
n21 pn1 qN n1 n21 = p pn1 qN n1
n1 =0
n 1 !(N n 1 )! n1 =0
n 1 !(N n 1 )! p
2
= p (p + q)N . (17)
p
1 1
f(n1 ) = f(n01 ) + f 0 (n01 )(n1 n01) + f 00 (n01 )(n1 n01)2 + f 000 (n01 )(n1 n01 )3 +
2 6
(24)
onde queremos que n01 satisfaca:
d
WN (n1 ) =0 implica que f 0 (n1 ) =0,
dn1 0
n1 =n01
n1 =n1
n1 1 N n1 1 N n1
f 0 (n1) = ln 1+ln + + +ln pln(1p) ,
N 2n1 N 2(N n1 ) N n1 N n1
A derivada terceira e:
d 00 d 1 1 1 1
f 000 (n1) f (n1 ) = = 2 ,
dn1 dn1 n1 N n1 n1 (N n1 )2
12
o que da
1
000
f (n1 ) = (p2 q2 ) . (27)
(N pq)2
n1 =n1
1 n1 1 N n1
f(n1 ) = (n1 + ) ln (N n1 + ) ln + n1 ln p + (N n1 ) ln(1 p)
2 N 2 N
1 N Np 1 N Np
= N p ln p ln p (N N p) ln ln +
2 N 2 N
N p ln p + (N N p) ln(1 p)
1 1
= ln p ln q . (29)
2 2
Reunindo estes resultados ficam determinados a e b, de modo que
1 1 00 2
WN (n1 ) exp f(n1 ) + f (n1 )(n1 n1 )
2N 2
x = (2n1 1 N )` , (31)
onde ` e o comprimento de cada passo. A distribuicao desejada pode tomar um
numero muito alto de valores com alta probabilidade, pois N 1. Em geral
`/x 1, o que nos motiva a simplificar o problema e tomar a variavel x como
13
dx
P (x)dx = WN (n1 ) . (32)
2`
Esta relacao e simples de verificar graficamente (Fig. 1.3)
Figura 1.3
Substituindo (32) em (30) e definindo = (pq)N ` e = 2 N pq`, obtemos:
1 (x )2
P (x) = exp , (33)
2 22
a distribuicao gaussiana.
Examinemos agora propriedades da distribuicao gaussiana. Primeiro, sua
normalizacao tem de ser verificada
Z Z Z
1 2 2 1 2
dxP (x) = dx e(x) /2 = dy ey /2 = 1 ,
2 2
e expressa por
Z Z Z Z Z
3 (k) = dz eikz dx dy (zG(x, y)) P1 (x)P2(y) = dx dy eikG(x,y)P1(x)P2 (y) .
Para G(x, y) = x + y
Z Z
3 (k) = dx dy eik(x+y) P1(x)P2(y) = 1(k)2 (k)
2
2 /2n
(k) ek . (38)
n
Pe (k, t)
= Dk2 Pe1(k, t) ,
t
que podemos imediatamente solucionar, dando
2
Pe1(k, t) = A eDk t
onde a constante A e determinada pelas condicoes iniciais do problema. Como
Pe1 (k, 0) = 1, temos que A = 1. Fazendo a transformada de Fourier inversa
Z
1 2
P1(x, t) = dkeikxeDk t
2
o que nos leva a resposta final
1 2
P1 (x, t) = ex /4Dt . (43)
4Dt
Um dos resultados interessantes que podemos obter sem grande esforco sao
as equacoes de movimento
R para os momentos da distribuicao P1(x, t). O mo-
mento hx(t)i dxxP1(x, t) da a posicao media da partcula como funcao
do tempo. Multiplicando a Eq. (42) por x e integrando sobre x, encontramos
Z
dhx(t)i 2P1(x, t)
=D dxx =0
dt x2
o que nos leva a concluir que a posicao media da partcula nao muda com o
tempo. Podemos fazer algo muito parecido para hx2(t)i. Neste caso multipli-
camos a Eq. (42) por x2 e integramos sobre a posicao, encontrando
dhx2(t)i
= 2D ou seja hx2(t)i = 2Dt
dt
o que se constitui numa das caractersticas mais marcantes de um processo
difusivo. O momento hx2 (t)i e uma medida da largura de P1(x, t) no instante
t, a qual se alarga com o tempo, conforme ja esperado.
Sugestoes bibliograficas
Problemas resolvidos
Resolucao:
2. O modelo de Drude para metais considera que cada atomo da rede cristalina
contribui com um certo numero de eletrons de valencia, os quais se movem
quase livremente dentro do metal. A probabilidade de um eletron sofrer
uma colisao em um intervalo de tempo infinitesimal dt e dt/ .
Resolucao:
dt dP dt
dP P (t + dt) P (t) = P (t) ou = .
P
Integrando a equacao acima em ambos os lados e considerando que
P (0) = 1, obtemos o resultado desejado P (t) = et/ . O outro caso
do enunciado e deixado para o leitor.
(b) O raciocnio e muito parecido com o do item anterior. Agora, quer-
emos que o eletron que propagou livremente ate t (processo com
probabilidade P (t)) sofra colisao entre os intantes t e t + dt (processo
com probabilidade dt/ ). Isto da
dt dt t/
Pc (t) = P (t) ou seja Pc(t) = e ,
o que nos define uma probabilidade para a taxa de colisoes dPc/dt.
(c) O tempo medio de colisoes pode ser obtido da integral
Z Z
dPc t
t= dt t = dt et/
0 dt 0
cujo resultado e t = .
20
Problemas propostos
(a) Encontre x
(b) Dois valores x1 e x2 sao escolhidos independentemente. Encontre
x1 + x2 e x1 x2
(c) Qual a distribuicao de probabilidade P (a) da variavel aleatoria a =
(x1 + x2)/2. Sugestao: Cuidado com os domnios de integracao!)
3. Mostre que a funcao caracterstica para a distribuicao gaussiana e
2
2 /2
(k) = eikx ek
(Veja que o fator gaussiano em (k) faz com que apenas valores de k da
ordem de 1/ sejam importantes, pois (k) e muito pequeno para k 1/.
Trace analogia com o princpio da incerteza!)
4. Em 0.30 mg de 238U temos 7.6 1017 atomos. A probabilidade de que um
nucleo se desintegre por segundo (emitindo uma partcula ) e 4.91018.
Entao, para t = 1s, p = 4.9 1018. Estamos supondo que o decaimento
de diferentes atomos nao seja correlacionado.)
onde a soma e feita sobre ressonancias isoladas, cada uma delas corre-
spondendo a uma energia Ei, uma largura partial i e um largura total
i . Para o nucleo composto existe um regime onde as seguintes hipoteses
sao validas: (i) todos i sao reais e iguais a constante ; (ii) os i sao
numeros reais distribuidos aleatoriamente com
i = 0 i2 = 2 = cte