23/09/23, 15:50 Caminhada aleatória

índice anterior próximo

O passeio aleatório unidimensional

Michael Fowler

Jogue uma moeda, dê um passo

O passeio aleatório unidimensional é construído da seguinte forma :

Você caminha ao longo de uma linha, cada passo tendo o mesmo comprimento.

Antes de cada etapa, você joga uma moeda.

Se der cara, você dá um passo à frente. Se der coroa, você dá um passo para trás.

A moeda é imparcial, então as chances de cara ou coroa são iguais.

O problema é encontrar a probabilidade de pousar em um determinado local após um

determinado número de passos e, em particular, descobrir a que distância você está, em média,
de onde começou.

Por que nos preocupamos com este jogo?

O passeio aleatório é fundamental para a física estatística . É essencial para prever a rapidez
com que um gás se difundirá em outro, com que rapidez o calor se espalhará em um sólido, quão
grandes serão as flutuações de pressão em um recipiente pequeno e muitos outros fenômenos
estatísticos.

Einstein usou o passeio aleatório para encontrar o tamanho dos átomos a partir do movimento
browniano .

A probabilidade de pousar em um local específico após n etapas

Vamos começar com caminhadas de alguns passos, cada um com comprimento unitário, e
procurar um padrão.

Definimos a função de probabilidade 𝑓 ( 𝑛 ) como a probabilidade de que em uma caminhada

𝑁
de𝑁 passos de comprimento unitário, aleatoriamente para frente ou para trás ao longo da linha,
começando em 0, terminamos no ponto𝑛 .

Como temos que terminar em algum lugar, a soma dessas probabilidades𝑛 deve ser igual a 1.

Listaremos apenas probabilidades diferentes de zero.

Para uma caminhada sem degraus,𝑓 ( 0 ) = 1.

0

Para uma caminhada de um passo,𝑓 ( - 1 ) = 1

2
, 𝑓1 ( 1 ) = 1
2
.
1 1 1

Para uma caminhada de dois passos,𝑓2 ( - 2 ) = 1

4
, 𝑓2 ( 0 ) = 1
2
, 𝑓2 ( 2 ) = 1
4
.
https://galileo.phys.virginia.edu/classes/152.mf1i.spring02/RandomWalk.htm 1/9
23/09/23, 15:50 Caminhada aleatória

Talvez seja útil para calcular as probabilidades enumerar as sequências de lançamento de

moeda que levam a um ponto específico.

Para uma caminhada de três passos, HHH pousará em 3, HHT, HTH e THH pousarão em 1, e
para os números negativos apenas inverta H e T. Há um total de 2 3 = 8 caminhadas de três
,
etapas diferentes então as probabilidades dos diferentes locais de pouso são:
𝑓3 ( - 3 ) = 1 / 8 (apenas uma caminhada), 𝑓3 ( - 1 ) = 3 / 8 (três caminhadas possíveis),
3 3
𝑓 ( 1 ) = 3 / 8 , 𝑓 ( 3 ) = 1 / 8.
3
3 3 3

Para uma caminhada de quatro passos, cada configuração de H e T tem uma probabilidade de
4
( 1 / 2 ) = 1 / 16.

Então𝑓4 ( 4 ) = 1 / 16 , já que apenas uma caminhada - HHHH - nos leva até lá.

𝑓4 ( 2 ) = 1 / 4 , quatro caminhadas diferentes, HHHT, HHTH, HTHH e THHH, terminam em 2.

4

𝑓4 ( 0 ) = 3 / 8 , de HHTT, HTHT, THHT, THTH, TTHH e HTTH.

Probabilidades e Triângulo de Pascal

𝑁
Se fatorarmos o1
o1 / 2 , há um padrão nessas probabilidades:

n -5 -4 -3 -2 -1 0 1 2 3 4 5

f (n) 1
0

2f (n) 1 1
1

2
2 f (
2 1 2 1
n)
3
2 f (
3 1 3 3 1
n)
4
2 f ( 1 4 6 4 1
4
n)
5
2 f (
5 1 5 10 10 5 1
n)

Este é o Triângulo de Pascal - cada entrada é a soma das duas diagonalmente acima. Esses
𝑁
números são na verdade os coeficientes que aparecem na expansão binomial de ( 𝑎 + 𝑏 ) .

5
Por exemplo, a linha para2 𝑓 ( 𝑛 ) espelha os coeficientes binomiais:
5

https://galileo.phys.virginia.edu/classes/152.mf1i.spring02/RandomWalk.htm 2/9
23/09/23, 15:50 Caminhada aleatória
5 5 4 3 2 2 3 4 5
( 𝑎 + 𝑏 ) = 𝑎 + 5𝑎 𝑏 + 10𝑎 𝑏 + 10𝑎 𝑏 + 5𝑎𝑏 + 𝑏 .

Para ver como esses coeficientes binomiais se relacionam com nosso passeio aleatório,
escrevemos:

5
(𝑎+𝑏) = (𝑎+𝑏) × (𝑎+𝑏) × (𝑎+𝑏) × (𝑎+𝑏) × (𝑎+𝑏)

e pense nisso como a soma de todos os produtos que podem ser escritos escolhendo um termo
5
de cada colchete. Existem 2 = 32 desses termos (escolhendo um de dois de cada um dos
3 2
cinco colchetes), então o coeficiente de a b deve ser o número desses 32 termos que têm
apenas 3 a e 2 b .

Mas isso é o mesmo que o número de sequências diferentes que podem ser escritas
reorganizando HHHTT, então é claro que as probabilidades do passeio aleatório e os coeficientes
binomiais são os mesmos conjuntos de números (exceto que as probabilidades devem, é claro,
ser divididas por 32 para que eles somem um).

Encontrando as probabilidades usando a função fatorial

A maneira eficiente de calcular esses coeficientes é usar a função fatorial. Suponha que temos
cinco objetos distintos, A, B, C, D, E. Quantas sequências diferentes podemos encontrar:
ABCDE, ABDCE, BDCAE, etc.? Bem, o primeiro membro da sequência poderia ser qualquer um
dos cinco. A próxima é uma das quatro restantes, etc. Portanto, o número total de sequências
diferentes é5 × 4 × 3 × 2 × 1 que é chamado de “cinco fatorial” e escrito 5!

Mas quantas sequências diferentes podemos fazer com HHHTT? Em outras palavras, se
anotássemos todos os 5! (são 120) deles, quantos seriam realmente diferentes?

Como os dois T's são idênticos, não seríamos capazes de distinguir as sequências nas quais
eles foram trocados, o que nos reduz de 120 para 60 sequências. Mas os três H's também são
idênticos, e se fossem diferentes seriam 3! = 6 maneiras diferentes de organizá-los. Como são
idênticos, todas as seis formas resultam iguais, então temos que dividir 60 por 6, dando apenas
10 sequências diferentes de 3 H's e 2 T's.

Este mesmo argumento funciona para qualquer número de H e T. O número total de sequências
diferentes deeu H e𝑛 T é ( eu + 𝑛 ) ! / ( eu ! 𝑛 ! ) os dois fatoriais no denominador vêm do fato
de que reorganizar os H entre si e os T entre si resulta na mesma sequência.

Também vale a pena mencionar que na caminhada de cinco passos que termina em – 1, que tem
5
probabilidade 10/2 , o quarto passo deve ter sido em 0 ou – 2. Olhando para o Triângulo de
4
Pascal, vemos que a probabilidade de uma caminhada de quatro passos terminar em 0 é 6/2 e
4
de terminar em – 2 é 4/2 . Em ambos os casos, a probabilidade do próximo passo ser – 1 é½,
4 4
então a probabilidade total de atingir – 1 em cinco etapas é½×6/2 +½×4/2 . Portanto, a
propriedade do triângulo de Pascal de que cada entrada é a soma das duas diagonalmente
acima é consistente com as nossas probabilidades.
https://galileo.phys.virginia.edu/classes/152.mf1i.spring02/RandomWalk.htm 3/9
23/09/23, 15:50 Caminhada aleatória

Retratando a distribuição de probabilidade

Vale a pena visualizar essa distribuição de probabilidade para ter uma ideia do passeio aleatório.
Em 5 etapas, parece:

Vamos agora considerar uma caminhada mais longa. Após 100 passos, qual é a probabilidade de
chegar ao número inteiro𝑛?

Isso acontecerá se o número de passos para frente exceder o número de passos para trás em𝑛
(que pode ser um número negativo).

Aquilo é,

𝑛 - 𝑛para trás = 𝑛
avançar

𝑛avançar + 𝑛para trás = 100

avançar para trás

do qual

1 1
𝑛avançar = 2
( 100 + 𝑛 ) , 𝑛para trás = 2
( 100 - 𝑛 ) .

Observe que no caso geral, se o número total de etapas𝑁 é par,𝑛 , 𝑛para trás são ambos
avançar
pares ou ambos ímpares, então𝑛 , a diferença entre eles é par e igualmente ímpar𝑁 significa
estranho𝑛 .

O número total de caminhos que terminam no ponto específico𝑛 , do argumento de cara e coroa
acima, é

100 ! 100 !
= 1 1 .
( 𝑛avançar ) ! ( 𝑛para trás ) ! ( 2 ( 100 + 𝑛 ) ) ! ( 2 ( 100 - 𝑛 ) ) !

Para encontrar a probabilidade real de terminar em𝑛 após 100 passos, precisamos saber em que
fração de todos os caminhos possíveis termina𝑛 . (Como o lançamento da moeda é puramente
aleatório, consideramos que todos os caminhos possíveis são igualmente prováveis). O número
100 30
total de possíveis caminhadas de 100 passos é2
é2 ≅ 1,26 × 10 .

Usamos o Excel para traçar a proporção: (número de caminhos que terminam em𝑛 )/(número
total de caminhos)

para caminhos de 100 passos aleatórios e encontre:

https://galileo.phys.virginia.edu/classes/152.mf1i.spring02/RandomWalk.htm 4/9
23/09/23, 15:50 Caminhada aleatória

A probabilidade real de pousar de volta à origem é de cerca de 8%, assim como

(aproximadamente) a probabilidade de pousar dois passos para a esquerda ou para a direita. A
probabilidade de aterrissar no máximo dez passos desde o início é melhor que 70%, e a de
aterrissar a mais de vinte passos bem abaixo de 5%.

( Nota : É fácil fazer este gráfico usando o Excel. Basta escrever -100 em A1, depois =A1 + 2 em
A2, depois =(FACT(100))/(FACT(50 - A1/2)*FACT(50 +A1/2))*2^-100 em B1, arrastando para
copiar essas fórmulas para a linha 101. Em seguida, destaque as duas colunas, clique em
ChartWizard, etc.)

Também vale a pena traçar isso logaritmicamente, para ter uma ideia mais clara de como as
probabilidades estão diminuindo bem longe do centro.

Isso se parece muito com uma parábola - e isso é! Bem, para ser mais preciso, o logaritmo da
distribuição de probabilidade tende a uma parábola como𝑁 torna-se grande, desde que𝑛 é muito
menos do que𝑁 , e na verdade este é o limite importante na física estatística.

https://galileo.phys.virginia.edu/classes/152.mf1i.spring02/RandomWalk.htm 5/9
23/09/23, 15:50 Caminhada aleatória
2
O logaritmo natural da probabilidade de terminar o caminho em𝑛 tende aEm𝐶 - 𝑛 / 200 , onde a
100
constante𝐶 é a probabilidade ( 100 ! / 50 ! 50 ! ) / 2 de terminar o caminho exatamente onde
começou.

Isto significa que a probabilidade𝑃 ( 𝑛 ) em si é dado por:

2
𝑛
-
𝑃 ( 𝑛 ) = 𝐶𝑒 𝐶𝑒 200 , 𝐶 ≅ 0,08.

Isso é chamado de distribuição de probabilidade gaussiana. O importante a notar é a rapidez

com que diminui quando a distância do centro da distribuição excede 10 ou mais. Deixar cair um
espaço vertical é um fator de 100!

* Derivando o resultado da fórmula de Stirling

( Este material mais avançado não está incluído em Física 152. )

2
Para grandes𝑁 , a dependência exponencial de𝑛 pode ser derivado matematicamente usando a
fórmula de StirlingEm𝑛 ! ≅ 𝑛Em𝑛 - 𝑛 . Essa fórmula segue de

𝑛
𝑛
Em𝑛 ! = Em1 + Em2 + Em3 + … + Em𝑛 ≅ ∫ Em𝑥𝑑𝑥 = [ 𝑥Em𝑥 - 𝑥 ] = 𝑛Em𝑛 - 𝑛.
0
0

Para um passeio de𝑁 passos, o número total de caminhos que terminam em 𝑛 é

𝑁!
(
1
(𝑁+𝑛) ) ! (
1
(𝑁-𝑛) ) !
.
2 2

Para encontrar a probabilidade𝑃 ( 𝑛 ) pegamos um desses caminhos, dividimos pelo número de

N
todos os caminhos possíveis, que é 2 .

Aplicando a fórmula de Stirling

𝑁! 1
Em𝑃 ( 𝑛 ) = Em ( 1 1 . 𝑁
)
( 2 (𝑁+𝑛) ) ! ( 2 (𝑁-𝑛) ) ! 2
𝑁+𝑛 𝑁+𝑛 𝑁+𝑛 𝑁-𝑛 𝑁-𝑛 𝑁-𝑛
≅ 𝑁Em𝑁 - 𝑁 - ( 2
) Em ( 2
) + ( 2
) - ( 2
) Em ( 2
) + ( 2
) - 𝑁Em2
𝑁+𝑛 𝑁+𝑛 𝑁-𝑛 𝑁-𝑛
= 𝑁Em𝑁 - ( ) Em ( ) - ( ) Em ( ) - 𝑁Em2
2 2 2 2

então aproximando

2
𝑁±𝑛 𝑁 𝑛 𝑁 𝑛 1 𝑛
Em ( 2
) = Em 2 + Em ( 1 ± 𝑁
) ≅ Em 2 ± 𝑁
- 2
( 𝑁
)

2 2
(usando Em ( 1 ± 𝑥 ) ≅ ± 𝑥 - 𝑥 / 2 para pequeno𝑥 ) o lado direito torna-se apenas - 𝑛 / 2𝑁 .

Na verdade, podemos até obter o fator multiplicativo para o grande𝑁 limite (𝑛 muito menos que𝑁
) usando uma versão mais precisa da fórmula de Stirling,Em𝑛 ! ≅ 𝑛Em𝑛 - 𝑛 + 12 Em2𝜋𝑛 . Isto dá

2
2 - 𝑛 / 2𝑁
𝑃(𝑛) = 𝑒 .
√2𝜋𝑁

https://galileo.phys.virginia.edu/classes/152.mf1i.spring02/RandomWalk.htm 6/9
23/09/23, 15:50 Caminhada aleatória

Para𝑁 = 100 , isto dá𝑃 ( 0 ) = 0,08 , P (0) = 0,08, dentro de 1%, conforme encontramos no
Excel. A normalização pode ser verificada no limite utilizando o resultado padrão para a integral
gaussiana, lembrando que𝑃 ( 𝑛 ) só é diferente de zero se𝑁 - 𝑛 é par.

Então, a que distância você deve esperar terminar?

Como os passos para frente e para trás são igualmente prováveis ​em todos os momentos, a
posição final média esperada deve estar de volta à origem. A questão interessante é a que
distância da origem, em média, podemos esperar pousar, independentemente da direção . Para
nos livrarmos da direção, calculamos o valor esperado do quadrado da distância de pouso da
origem, a distância “quadrada média”, e então extraímos sua raiz quadrada. Isso é chamado de
“raiz quadrada média” ou distância rms .

Por exemplo, pegando as probabilidades para a caminhada de cinco passos da figura acima e
2
somando +5 com – 5, etc., encontramos o valor esperado de𝑛 é:

2 2 2
2 ⋅ 1/32 ⋅ 5 + 2 ⋅ 32/05 ⋅ 3 + 2 ⋅ 32/10 ⋅ 1 = 160/32 = 5.

Ou seja, a distância rms da origem após 5 passos é √5.

Na verdade,

A raiz quadrada média da distância da origem após um passeio aleatório de n passos

unitários é√𝑛 .

Uma maneira interessante de provar isso para qualquer número de etapas é introduzir a ideia de
uma variável aleatória . Se𝑥 é uma variável, ela assume o valor +1 ou – 1 com igual
1
probabilidade cada vez que o verificamos. Em outras palavras, se você me perguntar “Qual é o
valor de𝑥 ?” Eu jogo uma moeda e respondo “+1” se der cara, “ – 1” se der coroa. Por outro lado,
1
se você me perguntar “Qual é o valor de𝑥 2 ?” Posso dizer “1” imediatamente, sem me preocupar
1
em jogar uma moeda. Usamos colchetes 〈 〉 para denotar médias (ou seja, valores
esperados), então 〈 𝑥 〉 = 0 , (para uma moeda imparcial), 〈 𝑥 2 〉 = 1.
1 1

O ponto final de um passeio aleatório de𝑛 passos podem ser escritos como uma soma de𝑛 tais
variáveis:

Ponto final do caminho =𝑥 + 𝑥 + … + 𝑥 .

1 2 𝑁

O valor esperado do quadrado do comprimento do caminho é então:

2
〈 ( 𝑥1 + 𝑥2 + … + 𝑥𝑁 ) 〉 .
1 2 𝑁

2
Ao elevar ao quadrado o termo interno, obtemos𝑛 termos.𝑛 destes são como 〈 𝑥1 2 〉 e então
obtemos𝑛 termos.𝑛
deve ser igual a 1. Todos os outros são como 〈 𝑥 𝑥 〉 . Mas este é o produto de dois
1 2
lançamentos de moeda diferentes e tem valor +1 para HH e TT, – 1 para HT e TH. Portanto, a
média é zero e, portanto, podemos descartar todos os termos que tenham duas variáveis ​
aleatórias diferentes. Segue que

https://galileo.phys.virginia.edu/classes/152.mf1i.spring02/RandomWalk.htm 7/9
23/09/23, 15:50 Caminhada aleatória
2
〈 ( 𝑥1 + 𝑥2 + … + 𝑥𝑁 ) 〉 = 𝑛 .

Segue-se que o desvio rms é√𝑛 no caso geral.

Flutuações de densidade em um pequeno volume de gás

Suponha que temos uma pequena caixa contendo𝑁 moléculas de gás. Assumimos que qualquer
interação entre as moléculas é insignificante, elas estão saltando dentro da caixa de forma
independente.

Se em algum instante inserirmos uma partição exatamente no meio da caixa, esperamos

encontrar, em média, 50% das moléculas na metade direita da caixa.

A questão é: quão perto de 50%? Quanto desvio provavelmente veremos? 51% é muito
improvável?

Desde o𝑁 moléculas estão se movendo pela caixa de forma aleatória, podemos atribuir uma
º
variável aleatóriasim para cada molécula, ondesim = 1 se o𝑛 molécula está na metade direita,
𝑛 𝑛
º
sim𝑛 = 0 se o𝑛 molécula está na metade esquerda da caixa e os valores 1 e 0 são igualmente
prováveis. O número total de moléculas𝑁𝑅 na metade direita da caixa é então:
𝑅

𝑁𝑅 = sim1 + sim2 + … + sim𝑁 .

Esta soma de𝑁 variáveis ​aleatórias se parecem muito com o passeio aleatório! Na verdade, os
dois são equivalentes. Defina uma variável aleatória𝑥𝑛 por: 𝑛

1
sim𝑛 = 2
( 1 + 𝑥𝑛 ) .

Desdesim assume os valores 0 e 1 com igual probabilidade,𝑥 pega os valores – 1 e +1 com

𝑛 𝑛 𝑛 𝑛
igual probabilidade - então𝑥 é idêntico à nossa variável de passeio aleatório de uma etapa
𝑛
acima. Portanto,

𝑁𝑅 = sim1 + sim2 + … + sim𝑁 = 12 𝑁 + 𝑥1 + 𝑥2 + … + 𝑥𝑁 .

𝑅 1 2 𝑁 1 2 𝑁

Evidentemente a soma de um𝑁 O passeio aleatório em etapas fornece o desvio do número de

moléculas na metade do recipiente em relação a𝑁 / 2. Portanto, da nossa análise de passeio
aleatório acima, o valor esperado deste desvio é√𝑁 . Por exemplo, se o recipiente contém 100

moléculas, podemos esperar um desvio de cerca de dez por cento em cada medição.

Mas que desvio de densidade podemos esperar ver num recipiente suficientemente grande para
ser visto, cheio de moléculas de ar à pressão atmosférica normal? Vamos pegar um cubo com
16
lado de 1 milímetro. Contém aproximadamente 10 moléculas. Portanto, o número do lado
16 8
direito flutua no tempo em uma quantidade de ordem√
ordem 10 = 10 . Este é um número bastante
8
grande, mas como fração do número total, é apenas 1 parte em 10 !

https://galileo.phys.virginia.edu/classes/152.mf1i.spring02/RandomWalk.htm 8/9
23/09/23, 15:50 Caminhada aleatória

A probabilidade de flutuações maiores é incrivelmente pequena. A probabilidade de um desvio de

eu do valor médio𝑁 / 2 é:
2
2eu
-
𝑃 ( eu ) = 𝐶𝑒 𝐶𝑒 𝑁 .

Portanto, a probabilidade de uma flutuação de 1 parte em 10.000.000, que seria10√𝑁 , é de

10-85
- 200
ordem𝑒 , ou cerca de . Verificar a idade do universo no gás a cada trilionésimo de
segundo não deixaria você perto de ver isso acontecer. É por isso que, à escala humana comum,
os gases parecem tão suaves e contínuos. Os efeitos cinéticos não se manifestam em densidade
observável ou flutuações de pressão - uma das razões pelas quais demorou tanto para que a
teoria atômica fosse amplamente aceita.

índice anterior próximo

https://galileo.phys.virginia.edu/classes/152.mf1i.spring02/RandomWalk.htm 9/9