4302401 – Mecânica Estatística

Prof. Marcio Varella

mvarella@if.usp.br
http://fig.if.usp.br/~mvarella/
Edifício Principal, Ala I, Sala 330
 Cadastrem-se no Moodle Stoa USP

l  Repositório de informações da disciplina

l  É imprescindível se cadastrar no Stoa e visitar
frequentemente a página da disciplina:
http://disciplinas.stoa.usp.br
l  Informações gerais
l  Leitura
l  Notas
l  Listas
l  ...
 Avaliação
– Duas Provas (P1 e P2), valendo 10,0 pontos cada.
– Quatro provinhas, valendo 2,5 pontos cada.
– Na média final (MF), a soma das provinhas (S) terá peso de
uma prova:

MF = (P1 + P2 + S)/3

Calendário

Provinha1: 13/03 Provinha2: 10/04 Prova1: 24/04

Provinha3: 22/05 Provinha4: 07/06 Prova2: 28/06
SUB (se necessário): 03/07 Recuperação: 19/07
 Noções de Probabilidade

1) Referência Principal: Aulas 1 e 2 (Lecture 1 & Lecture 2) do

curso online do MIT, Statistical Physics I.

Página principal do curso:

https://ocw.mit.edu/courses/physics/8-044-statistical-physics-i-
spring-2013/index.htm

Download das aulas:

https://ocw.mit.edu/courses/physics/8-044-statistical-physics-i-
spring-2013/readings-notes-slides/

2) Leitura Adicional: Sheldon Ross, Probabilidade: Um Curso

Moderno com Aplicações, Bookman, 2010.
 Definições Elementares
– Evento: resultado de um “experimento” de interesse: cara/coroa
no lançamento de uma moeda, resultado de uma observação em um
laboratório de Física, etc.

Exp. no. Evento –Frequência: em uma sequência de

1 ca “experimentos” é a razão entre o número de
2 ca
vezes em que ocorre um determinado evento
(ni) e o número total de experimentos (N). Por
3 co
exemplo, se em N = 10 lançamentos de uma
4 ca
moeda ocorrem nca= 6 caras e nco= 4 coroas,
5 co teremos:
6 co
Fca = nca /N = 6/10 = 0.60
7 ca
Fco = nco /N = 4/10 = 0.40
8 co
9 ca
ni
10 ca Em geral: Fi =
N
– Ilustração: as cores representam a frequência do evento
“cara” (Fca) em diferentes sequências de lançamentos de um dado.
Para N = 300 realizações (lançamentos), Fca ≈ 0.5 em todos os casos.

1.0

0.8
Proportion of heads

0.6
Fca

0.4

0.2

0.0
0.0 0.5 1.0 1.5 2.0 2.5 3.0
Number of tosses
N/100 (Wolfram Demonstration Project)
 Definições Elementares
– Probabilidade a Priori: Probabilidade (hipotética) atribuída a um
evento, independente da realização do experimento. Exemplos:
lançamento de uma moeda não viciada: 1/2 para o evento “cara” e
1/2 para o evento “coroa”; lançamento de um dado não viciado: 1/6
para qualquer dos eventos possíveis.

– Probabilidade a posteriori: Frequência calculada no limite de um

grande número de realizações:

ni
Pi = lim Fi = lim 0
N !1 N !1 N

– Soma das probabilidades dos eventos possíveis:

X X X
ni (N ) = N =) Fi (N ) = 1 =) Pi = 1
i i i
 Definições Elementares
– Variável Determinística: valor pode ser previsto com base em
informações acessíveis.

– Variável Aleatória: valor não pode ser previsto com base em

informações acessíveis. Informação limitada obtida da teoria de
probabilidades.

Exemplos:

i) Posição angular de um pêndulo simples

com características (l, m, g) e condições
iniciais conhecidas.
θ
ii) Posição angular do mesmo pêndulo,
com energia conhecida (sem informação
sobre condições iniciais).
 Definições Elementares
– Ensemble: conjunto de sistemas preparados de forma similar. Em
um experimento (hipotético), cada elemento do ensemble define um
valor da variável aleatória.

Exemplo: amostras de um dado gás, preparadas no mesmo estado

termodinâmico (N, P, T, ...).

0 x 0 x 0 x
x1 x2 xN
 Função Densidade de Probabilidade
n(x)
n(x’) = número de sistemas (elementos do
ensemble) no intervalo Δx’ em torno de x’.

N = Número de sistemas no ensemble (isto é,

o número de detecções).
x’
x
Δx’
A frequência (ou probabilidade, pois N é muito grande) de detectar uma
partícula no intervalo Δx’ em torno x’ de será:

0
n(x )
P (x0 , x0 ) ⇡ F (x0 , 0
x)=
N
n(x)

n(x)

x x
Δx’ Δx’

Histogramas mais estreitos: n(x’)/N em cada intervalo diminui. Para

expressar a probabilidade de detectar uma partícula no intervalo
(infinitesimal) dx’ em torno da posição x’, será conveniente definir a
função densidade de probabilidade px(x’):

P (x0 , x0 ) n(x0 )
px (x0 ) = lim 0
= lim
x0 !0 x x0 !0 N x0
N!1 N!1
 Area = 0.0710
0.4

px(x’)
0.3

0.2

0.1

dx'
0.0

-4 -2 0 2 4
x’

0 0
– prob( x’ ≤ x < x’ + dx’): px (x )dx
Z x0
– Probabilidade Cumulativa: Px (x0 ) = px (x00 ) dx00
1
Z b
– prob( a ≤ x < b): px (x0 ) dx0 = Px (b) Px (a)
a
 – Relação entre densidade de probabilidade e probabilidade cumulativa:

d 0 Px (x0 + x0 ) Px (x0 )
0
P x (x ) = lim =
dx 0
x !0 x0
Z x0 + x0
1 00 00 1 0 0
= lim px (x )dx = lim p x (x ) x
0
x !0 x0 x0
0
x !0 x0

0 d 0
px (x ) = 0
P x (x )
dx

– Notação simplificada:
px (x0 ) ! p(x)

Px (x0 ) ! P (x)
Valor Esperado (Médio): Qual o valor médio <x> das posições de todas
as partículas detectadas?
n(x i ) = número de partículas
número de detecções

detectadas no i-ésimo intervalo

xi = centro do i-ésimo intervalo.
ni N = número total de moléculas
detectadas
η = número de intervalos.

x
Δx

XN X⌘ X⌘ 
1 1 n(xi )
hxi = x↵ ⇡ n(xi )xi = xi x
N ↵=1 N i=1 i=1
N x

soma sobre N soma sobre η ⇡ px (xi )

detecções histogramas
 – Distribuição contínua:
⌘ 
X Z 1
n(xi )
hxi = lim xi x = px (x0 ) x0 dx0
x!0 N x 1
⌘ ! 1 i=1

– Valor esperado de uma função f(x) da variável aleatória:

Z 1
hf (x)i = px (x0 ) f (x0 ) dx0
1

– Variância (quadrado do desvio padrão):

h(x hxi)2 i = hx2 2xhxi + hxi2 i = hx2 i 2hxihxi + hxi2 =

Z 1 Z 1 2
= hx2 i hxi2 = px (x0 )x0 2 dx0 px (x0 )x0 dx0
1 1
 Variável Aleatória Discreta:

– A figura ao lado representa o

espaço amostral (conjunto dos
resultados possíveis) no lançamento
de dois dados.
As probabilidades dos eventos s são mostradas na tabela e gráfico
abaixo, definindo a densidade p(s)

s 2 3 4 5 6 7 8 9 10 11 12
p(s) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36

0.18
0.16
0.14
0.12
P(s)
p(s)

0.1
0.08
0.06
0.04
0.02
2 4 6 8 10 12
ss
– Valor esperado de s em N >> 1 lançamentos:
N 12 12
1 X X ni X
hsi = s↵ = si = p(si )si = 7
N i=↵ i=2
N i=2

– Desvio padrão:
12
X
2 329
hs i = p(si )s2i = = 54.8
i=2
6
p
s = hs2 i hsi2 = 2.4

– Em geral (variável aleatória discreta x):

X
hf (x)i = p(xi ) f (xi )
i