Você está na página 1de 15

Aula 2 - Descrição estatı́stica de um sistema fı́sico: caso discreto

MÓDULO 1 - AULA 2

Aula 2 - Descrição estatı́stica de um sistema


fı́sico: caso discreto

Meta
Apresentar um sistema fı́sico do ponto de vista estatı́stico, relacionando
a energia total com diferentes configurações microscópicas.

Objetivos
Ao final desta aula, você deverá ser capaz de:

1. Identificar macro e microestados de sistemas fı́sicos.

2. Calcular a multiplicidade de macroestados em alguns sistemas fı́sicos.

Pré-requisitos
Esta aula requer que você esteja familiarizado com os conceitos básicos
de probabilidade e distribuição binomial apresentados em Introdução à Prob-
abilidade. Também será necessário que você reveja o que é paramagnetismo,
assunto tratado na Aula 16 de Fı́sica 3B.

Introdução
Como vimos na aula anterior, nossas observações macroscópicas cor-
respondem a médias de grandezas microscópicas. Continuamos nessa linha
de pensamento, examinando um sistema fı́sico com uma abordagem proba-
bilı́stica.
Nossa concepção de sistema fı́sico daqui para frente será a seguinte:
um conjunto contendo um número muito grande de partı́culas, que têm uma
dinâmica microscópica envolvendo variações muito rápidas. As observações
macroscópicas desse sistema, obtidas através de medidas experimentais, de-
tectam um comportamento médio das variações microscoscópicas. Queremos
ser capazes de:

• A partir da medida experimental macroscópica, entender o que está se


passando no nı́vel microscópico.

17 CEDERJ
Aula 2 - Descrição estatı́stica de um sistema fı́sico: caso discreto
Física Estatística e
Matéria Condensada

• A partir do conhecimento detalhado no nı́vel microscópico, prever qual


será o resultado de uma determinada medida experimental.

Em resumo, queremos uma maneira sistemática de conectar as descrições


micro e macroscópica de um sistema fı́sico. O ponto de partida para essa
conexão será a energia. Pressupomos que a energia total do sistema possa
ser calculada para qualquer configuração microscópica do mesmo. A partir
de postulados e leis fı́sicas, poderemos calcular a probabilidade de ocorrência
de cada configuração microscópica, e assim relacionar os valores medidos com
os detalhes no nı́vel atômico.
Para formalizar os conceitos necessários à ligação entre as descrições
micro e macroscópica, usaremos um sistema muito simples, formado por
partı́culas binárias independentes e distingüı́veis, na forma de um sistema
paramagnético uniaxial.

Sistema modelo: paramagneto uniaxial


Um dos sistemas mais simples para um estudo estatı́stico é o formado
por átomos paramagnéticos, cujos momentos magnéticos estejam sempre ao
longo de um eixo, com orientação positiva ou negativa. Esta é uma “ca-
ricatura” que descreve com boa aproximação o comportamento magnético
de uma série de materiais. A observação macroscópica será uma medida do
momento magnético total do sistema, ou de sua energia, por isso vamos en-
tender como essas grandezas estão relacionadas com variáveis microscópicas
do sistema.
Usaremos o termo macroestado para designar um estado observável
macroscopicamente, por exemplo, pela medida da energia.
Nosso sistema é sólido, os átomos não têm movimento de translação e,
embora sejam idênticos, são distingüı́veis pelas suas posições. O momento
magnético de cada partı́cula está sempre paralelo a um eixo, sendo a ori-
entação ao longo dele definida pela variável s, que pode ter os valores +1 ou
−1.
Suponha que o sistema contenha N átomos. Temos aqui um total
N
de 2 configurações distintas, dependendo das escolhas do valor de s para
cada átomo. Essas configurações serão chamadas de microestados daqui para
frente.
Se os átomos têm momentos magnéticos unitários, o momento magnético
total de um dado microestado é dado por

CEDERJ 18
Aula 2 - Descrição estatı́stica de um sistema fı́sico: caso discreto
MÓDULO 1 - AULA 2

Figura 2.1: Possı́veis orientações do momento magnético num sistema para-


magnético uniaxial, com relação à orientação do campo magnético aplicado,
~
B.

N
X
M= si = (N+ − N− ) , (2.1)
i=1

sendo N+ (N− ) o número de átomos com s = +1(s = −1) no microestado.


~ define a direção do eixo de
A presença de um campo magnético externo, B,
alinhamento dos momentos magnéticos. De acordo com nossa definição de s,
temos s = +1 quando o momento for paralelo ao campo, e s = −1 quando
for antiparalelo. A energia de um dado microestado pode ser escrita como

E = −BM = −B(N+ − N− ) = −B(2N+ − N) . (2.2)

Na última igualdade usamos que N = N+ + N− . A última expressão para a


energia mostra que ela fica definida pelo valor de N+ apenas se valores de N e
B são especificados. A figura (2.2) mostra alguns dos possı́veis microestados
para um sistema com N = 7 e N+ = 3. Todos eles levam ao mesmo valor de
energia e são idênticos para uma observação macroscópica.
Chamamos de multiplicidade ao número de microestados pertencendo a
um dado macroestado, ou seja ao número de configurações microscópicas que
são idênticas do ponto de vista macroscópico. Esse número em geral depende
do número total de partı́culas no sistema e do valor de energia escolhido, e
será representado pela função g(E, N). No caso do sistema paramagnético
uniaxial podemos também escrever g(N+ , N) ou g(M, N) já que E, N+ e
M podem ser usados para definir o macroestado. Em alguns poucos casos é
possı́vel calcular exatamente o valor de g, este é um deles. Observe que este
sistema é idêntico ao descrito na Aula 25 de Introdução à Probabilidade, se
associamos o estado s = +1 a cara, e s = −1 a coroa. M nada mais é do que
o excesso de caras numa seqüência de N jogadas da moeda.
Neste caso, para calcular a multiplicidade basta calcular de quantas
maneiras diferentes podemos escolher N+ objetos, entre um total de N. A

19 CEDERJ
Aula 2 - Descrição estatı́stica de um sistema fı́sico: caso discreto
Física Estatística e
Matéria Condensada

Figura 2.2: Exemplos de possı́veis microestados do paramagneto uniaxial.


Neste caso N = 7, N+ = 3, N− = 4 e M = −1.

resposta é dada pela combinação CN,N+ ou seja


N!
g(N+ , N) = CN,N+ = . (2.3)
N+ !(N − N+ )!

Já que podemos usar apenas N+ e N para identificar um macroestado,


vamos simplificar a notação, usando n no lugar de N+ daqui para frente.
Sejam p e q as probabilidades de cada momento magnético ter orientação
positiva ou negativa, respectivamente, na presença do campo externo, sendo
p + q = 1. Voltando ao exemplo da moeda, p e q seriam as probabilidades de
se tirar cara ou coroa em uma jogada de moeda. De acordo com a expressão
(2.2), o menor valor de energia (o mais negativo) corresponde ao macroestado
com todos os momentos magnéticos paralelos ao campo externo, ou seja,
todos com s = +1. Queremos considerar também a possibilidade de ter
momentos antiparalelos (s = −1) e saber qual a chance de se obter um
macroestado com momentos antiparalelos também. Como cada momento
magnético é independente do outro, a probabilidade de ocorrência de um
dado microestado com n momentos positivos é pn q N −n . Essa probabilidade é
a mesma para qualquer um dos g(n, N) microestados. Assim, a probabilidade
de um sistema com N momentos magnéticos ter n positivos (quaisquer uns)

N!
PN (n) = pn q N −n = g(n, N)pn q N −n . (2.4)
n!(N − n)!
A expressão (2.4) define o que chamamos distribuição binomial.
Para muitos problemas descritos pela distribuição binomial, é mais sig-
nificativo o número que dá a diferença entre as quantidades de cada tipo,

CEDERJ 20
Aula 2 - Descrição estatı́stica de um sistema fı́sico: caso discreto
MÓDULO 1 - AULA 2

que definimos como M. Podemos reescrever (2.4) em termos de M como

N! N +M N −M
PN (M) = N +M
 N −M  p 2 q 2 , (2.5)
2
! 2
!

sendo
N +M N −M
N+ ≡ n = e N− ≡ N − n = . (2.6)
2 2

Atividade 1
(Objetivos 1 e 2) Encontre os macroestados e suas multiplicidades para um
paramagneto uniaxial com N = 4.
Resposta comentada
Temos um total de 2N = 24 = 16 microestados. n varia entre 0 e 4, ou M
entre −4 e 4, levando a 5 macroestados. Podemos usar a equação (2.3) para
calcular as multiplicidades. A tabela abaixo mostra os 24 = 16 microestados
do sistema, classificando-os de acordo com os rótulos de macroestado n ou
M. J e j são ı́ndices arbitrários que identificam os macro e microestados,
respectivamente.

J j a b c d n M g(M, 4)
1 1 + + + + 4 4 1
2 + + + −
3 + + − +
2 4 + − + + 3 2 4
5 − + + +
6 + + − −
7 + − + −
8 + − − +
3 9 − + + − 2 0 6
10 − + − +
11 − − + +
12 − − − +
4 13 − − + − 3 −2 4
14 − + − −
15 + − − −
5 16 − − − − 0 −4 1

Fim da atividade

21 CEDERJ
Aula 2 - Descrição estatı́stica de um sistema fı́sico: caso discreto
Física Estatística e
Matéria Condensada

Cálculo do valor esperado

A distribuição binomial pode ser obtida através da expansão do binômio


(p+q)N , bastando verificar a estrutura dos termos que aparecerão ao realizar-
se o produto. Para isso, artificialmente introduzimos um rótulo a p e q, que
identifica a partı́cula, e efetuamos o produto. Em seguida apagamos o rótulo
e somamos os termos semelhantes. Por exemplo:

(p + q)2 → (p1 + q1)(p2 + q2) = p1 p2 + p1 q2 + q1p2 + q1q2


→ pp + pq + qp + qq
= p2 q 0 + 2p1 q 1 + p0 q 2

Ou seja,
N
X
N
(p + q) = g(n, N)pn q N −n (2.7)
n=0

A condição de normalização pode ser escrita como

N
X
PN (n) = (p + q)N = 1 . (2.8)
n=0

Temos também que


N
X
g(n, N) = 2N . (2.9)
n=0

O valor esperado, ou valor médio relaciona-se com o valor medido


através de uma experiência. Vamos usar nossa intuição primeiro para cal-
cular o valor esperado no caso da distribuição binomial. Para isso vamos
pensar que nossa experiência é jogar a moeda e anotar se o resultado foi
cara ou coroa. Se sabemos que p é a probabilidade de se obter cara em uma
jogada, é razoável esperar que depois de N jogadas, o número de caras será
pN. Vejamos agora como obter formalmente este resultado.
O valor esperado para n na distribuição binomial pode ser facilmente
calculado usando-se as expressões (2.8) e (2.4). Por definição de valor espe-
rado, temos que:
N
X
hni = nPN (n) . (2.10)
n=0

CEDERJ 22
Aula 2 - Descrição estatı́stica de um sistema fı́sico: caso discreto
MÓDULO 1 - AULA 2

Agora note as seguintes igualdades:


N N
d X d X
PN (n) = g(n, N)pn q N −n
dp n=0 dp n=0
N
X
= g(n, N)npn−1 q N −n
n=0
N N
1X 1X
= g(n, N)npn q N −n = nPN (n)
p n=0
p n=0

Fazemos então
N N
X d X d
hni = nPN (n) = p PN (n) = p (p + q)N = pN (2.11)
n=0
dp n=0 dp

onde usamos (p + q)N −1 = 1, já que p + q = 1.

Atividade 2
(Objetivos 1 e 2) Um problema relacionado com o do sistema paramagnético
uniaxial é o do caminho aleatório em uma dimensão. Nesse problema, uma
partı́cula caminha ao longo de uma reta, dando passos para a direita ou es-
querda aleatoriamente. Cada passo é independente do anterior, e todos os
passos tem o mesmo tamanho, `. Seja p a probabilidade da partı́cula dar um
passo para a direita.
(a) Se a partı́cula dá 10 passos, qual a probabilidade de que esteja a uma
distância d = 8` do ponto de partida? Suponha p = 0, 5
(b) Qual o valor esperado para d, se a partı́cula dá 10 passos e p = 0, 5? E
se p = 0, 3?
Resposta comentada
A distância da partı́cula até a origem é dada pela diferença entre o desloca-
mento total para a direita e o deslocamento para a esquerda. Assim, basta
interpretar N+ e N− como o número de passos para a direita e esquerda,
respectivamente. M passa a ser o número lı́quido de passos para a direita.
Se M > 0 a partı́cula terminou à direita depois dos N passos, se M < 0,
terminou à esquerda. Como a distância está dada em unidades de `, d = 8`
significa que temos M = 8. Como o número total de passos é N = 10, usando
a definição de n em termos de M e N, equação (2.6), temos n = 9.
(a) Usamos a equação (2.5) com N = 10, n = 9 e p = q = 0, 5:
 9  1  10
10! 1 1 1 10
P10(9) = = 10 = = 9, 8 × 10−3
9!1! 2 2 2 1024

23 CEDERJ
Aula 2 - Descrição estatı́stica de um sistema fı́sico: caso discreto
Física Estatística e
Matéria Condensada

(b) O valor esperado para d é hdi = hMi`. Da relação entre n e M temos


que M = 2n − N, portanto

hMi = (2hni − N) = (2Np − N)` = N(2p − 1) ⇒ hdi = N(2p − 1)` .

Se p = 0, 5, hdi = 0. Claro, a partı́cula dá passos para a direita e esquerda


com igual probabilidade, em média termina no ponto inicial.
Se p = 0, 3, hdi = 10(2 × 0, 3 − 1)` = −4`. Aqui a probalidade de ir para a
direita é menor, em média a partı́cula termina à esquerda da origem.
Fim da atividade

Cálculo da variância

Outra grandeza importante para caracterizar o resultado de um exper-


imento é a variância, σ 2. Essa quantidade é calculada considerando-se o
quanto diferentes do valor esperado são os valores individuais num conjunto
de medidas. Por exemplo vamos considerar de novo a jogada de moeda. Uma
experiência vai ser jogar N = 10 vezes a moeda. Imagine que realizamos essa
experiência 6 vezes, e anotamos os valores de n (número de caras) numa
tabela. O valor esperado de n para a experiência, supondo uma moeda equi-
librada, é hni = 10 × 0, 5 = 5. Assim, temos:

experiência n n − hni (n − hni)2


1 4 −1 1
2 5 0 0
3 7 +2 4
4 3 −2 4
5 6 +1 1
6 5 0 0
somas/6 5 0 1,67

Um conjunto de medidas hipotético, com o mesmo valor esperado poderia


ser

CEDERJ 24
Aula 2 - Descrição estatı́stica de um sistema fı́sico: caso discreto
MÓDULO 1 - AULA 2

experiência n n − hni (n − hni)2


1 4 −1 1
2 5 0 0
3 6 +1 1
4 4 −1 1
5 6 +1 1
6 5 0 0
somas/6 5 0 0,67

A diferença entre esses dois conjunto de medidas está na flutuação dos valores
de n. Essas flutuações são aleatórias e tem origem em diversos fatores que não
temos como contabilizar, podendo ser positivas ou negativas. No primeiro
conjunto os valores de n flutuam mais, são mais diferentes entre si, e isso
pode ser quantificado pelo valor médio de (n − hni)2. Note que o valor médio
de n−hni não é adequado para distinguir os dois conjuntos de medida porque
as flutuações podem ser positivas ou negativas.
Queremos ser capazes de calcular o valor esperado para a flutuação
quadrática, assim como fizemos para o número de caras. Usamos um proce-
dimento análogo ao adotado para o cálculo de hni, desta vez para a variância,
definida como σ 2 = h(n − hni)2 i. Em geral trabalhamos com o desvio
quadrático médio σ.
Primeiro notamos o seguinte:

σ 2 = h(n − hni)2 i = hn2 − 2nhni + hni2 i


= hn2 i − 2hnihni + hni2
= hn2 i − 2hni2 + hni2
= hn2 i − hni2 (2.12)

Esta forma é mais adequada para cálculos analı́ticos. Começamos por calcu-
lar hn2 i:
N  N
2 X
2
X
2 d
hn i = n PN (n) = p PN (n)
n=0
dp n=0
 2
d
= p (p + q)N = pN + (pN)2 − p2 N .
dp

Finalmente,

σ 2 = hn2 i − hni2 = pN − p2 N = pN − p(1 − q)N = Npq . (2.13)

25 CEDERJ
Aula 2 - Descrição estatı́stica de um sistema fı́sico: caso discreto
Física Estatística e
Matéria Condensada

Assim, para dados valores de p e q, quanto maior o valor de N, maior a dis-


persão entre os valores observados para n. Esse resultado parece paradoxal:
quanto maior o número de repetições, maior a dispersão do valores encon-
trados. A questão é que a grandeza realmente importante é o valor relativo
da dispersão.
Suponha fixo o valor da variância para uma dada grandeza adimensional
que está sendo medida, por exemplo o número de palitos de fósforo numa
caixa. Seja esse valor σ 2 = 16, ou σ = 4. Se estivermos tratando de caixas
com 20 palitos em média, essa flutuação é bastante grande; significa que
podemos encontrar caixas com 24 e 16 palitos. Se a mesma variância aparecer
em caixas de 200 palitos em média, não será tão importante. O desvio relativo
da distribuição binomial é dado por


σ Npq
= = (qp)1/2N −1/2 , (2.14)
N N


ou seja, σ/N diminui com N quando N aumenta. Logo, quanto maior
o valor de N, menor será a flutuação relativa, menor será a chance de se
obter um valor muito diferente do esperado como resultado de uma medida.
Dizemos que o valor médio ou esperado fica melhor definido quanto maior
for o valor de N. Veremos mais tarde que este será o papel do limite ter-
modinâmico na Fı́sica Estatı́stica: fazer com que grandezas macroscópicas
provenientes de médias sobre grandezas microscópicas sejam bem definidas.
Usando a expressão (2.5) podemos calcular PN (M) para diferentes valo-
res de N e p. A figura 2.3 mostra o comportamento de PN (M) para N = 20 e
40, para dois casos: simétrico (p = q = 0, 5) e assimétrico (p = 0, 9 e q = 0, 1).
Em ambos os caso, PN (M) terá seu valor máximo quando n = hni = Np,
ou M = 2hni − N = N(2p − 1). No caso simétrico esse ponto aparece para
M = 0, e no assimétrico para M = 0.8N.

Atividade 3
Calcule a dispersão relativa para as distribuições mostradas na figura 2.3.
Resposta comentada

CEDERJ 26
Aula 2 - Descrição estatı́stica de um sistema fı́sico: caso discreto
MÓDULO 1 - AULA 2

P40(M)

M M
P20(M)

M M

Figura 2.3: PN (M) para diferentes valores de N. Na linha superior N = 40,


e na inferior, N = 20. Na coluna da esquerda p = q = 0, 5, a distribuição é
simétrica com relação ao ponto de máximo, que ocorre para M = hMi = 0.
Na coluna da direita um dos resultados é bem mais provável, p = 0, 9 e
q = 0, 1, levando a uma distribuição assimétrica, cujo máximo ocorre para
M = 0, 8N. Note que, para N = 40, embora M esteja definido entre −40 e
40, a distribuição é bem concentrada em torno de M = 0.

27 CEDERJ
Aula 2 - Descrição estatı́stica de um sistema fı́sico: caso discreto
Física Estatística e
Matéria Condensada
p
A dispersão relativa é dada por σ/N = pq/N . Temos assim:
r
1 σ 11 1
N = 40 p=q= → = = 0, 08
2 N 2 2 40
r
9 1 σ 9 1 1
N = 40 p= q= → = = 0, 05
10 10 N 10 10 40
r
1 σ 11 1
N = 20 p=q= → = = 0, 1
2 N 2 2 20
r
9 1 σ 9 1 1
N = 20 p= q= → = = 0, 07
10 10 N 10 10 20
Fim da atividade
Atividade 4
Considere um gás com N moléculas contido num volume V0 . Considere um
certo subvolume v, como esquematizado na figura.
(a) Calcule a probabilidade de que exatamente n moléculas estejam em v,
não interessando quais sejam.
(b) Calcule a dispersão relativa R = σ 2 /hni2 e explique o comportamento de
R quando v  V0 e v ≈ V0 .

Resposta comentada
(a) Considerando que as moléculas do gás estejam uniformemente distribuı́das
em V0 , a fração de moléculas em v é dada por v/V0 . Supondo que V0 seja
macroscópico (se não este problema não tem sentido...), a probabilidade p de
que cada molécula, individualmente, esteja no subvolume v é dada por essa
fração, ou seja, p = v/V0 . A probabilidade de que n moléculas especı́ficas
estejam em v é pn . Como podemos escolher quaisquer n moléculas, a proba-
bilidade pedida é dada pela distribuição binomial:
 n  N −n
N! v V0 − v
PN (n) = .
n!(N − n)! V0 V0

CEDERJ 28
Aula 2 - Descrição estatı́stica de um sistema fı́sico: caso discreto
MÓDULO 1 - AULA 2

(b) O número médio hni em v é


Nv
hni = Np =
V0

A dispersão relativa R = σ 2/hni2 em v, pode ser então calculada como

Npq Np(1 − p) 1−p V0 − v


R= 2
= 2
= =
(pN) (pN) pN Nv
Se v  V0 , R será um número muito grande. Isso significa que, se tomamos
um subvolume desse tamanho e realizamos várias medidas do número de
moléculas dentro dele, os valores encontrados serão bastante diferentes entre
si. Numa situação extrema, se v . V0 /N, que é o volume médio por molécula,
podemos ter até mesmo hni = 0 em alguma medição. Por outro lado, se
v → V0 , R ≈ 0, os valores dessa medida serão muito semelhantes entre si, ou
seja, hni será bem definido.
Fim da atividade

Conclusão
Podemos usar distribuições de probabilidades para descrever sistemas
fı́sicos do ponto de vista estatı́stico. As principais grandezas nesse contexto
são o valor esperado, ou valor médio, e a variância. O valor esperado, como
indica o nome, é o que se espera obter como resultado de uma experiência,
quando a mesma for repetida um número infinito de vezes. Sendo assim,
realizando a experiência uma vez, ou um número finito de vezes, certamente
obteremos valores diferentes do esperado. A variância é a grandeza que nos
permite quantificar essa dispersão de valores obtidos, com relação ao valor
esperado. Quanto maior o número de repetições da experiência, menor será
a dispersão relativa, fazendo com que o valor esperado seja uma grandeza
bem definida para a quantidade que está sendo medida.

Atividade Final
(Objetivos 1 e 2) Um sólido contém N núcleos que não interagem en-
tre si. Cada núcleo pode estar em qualquer um de três estados quânticos,
rotulados pelo número quântico m, que pode ter os valores 0 e ±1. Devido a
interações elétricas com campos internos ao sólido, núcleos nos estados m = 1
ou m = −1 tem a mesma energia  > 0, enquanto que a energia do estado
m = 0 é zero. Calcule a multiplicidade g(E, N) do macroestado de energia

29 CEDERJ
Aula 2 - Descrição estatı́stica de um sistema fı́sico: caso discreto
Física Estatística e
Matéria Condensada

E.
Dica: Escreva a energia como E = (N −N0 )ε, onde N0 é o número de núcleos
com m = 0. Agora você pode usar que (N − N0 ) = E/ε.
Resposta comentada
Como a energia pode ser escrita em termos de N e N0 , são essas as variáveis
que rotulam o macroestado, não importando o estado dos núcleos com m 6= 0.
A primeira contribuição para a multiplicidade vem de como escolher os
núcleos com m = 0. Dados N e N0 , há CN,N0 maneiras de fazer essa es-
colha. Para cada uma delas temos a liberdade de escolher quais núcleos com
m 6= 0 terão m = +1 ou −1, sem que a energia seja alterada. Por exemplo,
considere N = 5, N0 = 3. Uma possibilidade de escolha de núcleos com
m = 0 é:

a b c d e
0 0 0

Agora podemos considerar todas as possibilidades para os núcleos b e e.


Temos assim:

a b c d e
0 + 0 0 +
0 + 0 0 -
0 - 0 0 +
0 - 0 0 -

Uma determinada escolha de núcleos com m = 0 gerou 22 = 4 possibilidades.


No caso geral, terı́amos 2N −N0 possibilidades. Assim, a multiplicidade total

N!
g(N0, N) = 2N −N0
(N − N0 )!N0!
Escrevendo em termos da energia, fica
N! E
g(E, N) = E
 E
 2ε
ε
! N+ ε !

Resumo
Nesta aula aprendemos as definições de macroestado, microestado e
multiplicidade, analisando as configurações possı́veis de um sistema binário.
Aproveitamos para rever os conceitos de probabilidade, distribuição, valor
esperado e variância em sistemas discretos. Calculando essas grandezas para

CEDERJ 30
Aula 2 - Descrição estatı́stica de um sistema fı́sico: caso discreto
MÓDULO 1 - AULA 2

o sistema binário, analisando o comportamento da variância relativa com o


número N de componentes do sistema. Com isso, verificamos que o limite
N → ∞ leva a distribuições muito centradas em torno do valor esperado.

Informações sobre a próxima aula


Na próxima aula continuaremos com a descrição estatı́stica de sistemas
fı́sicos, mas considerando sistemas descritos por variáveis reais obedecendo a
uma distribuição contı́nua. Em particular veremos como obter a distribuição
gaussiana a partir do limite N → ∞ da distribuição binomial.

Leitura complementar
S. R. A. Salinas, Introdução à Fı́sica Estatı́stica, primeira edição São
Paulo, EDUSP, capı́tulo 1.

31 CEDERJ