מכניקה סטטיסטית: תרגול 1 ־ הסתברות

‫מכניקה סטטיסטית‪ :‬תרגול ‪ 1‬־ הסתברות‬
‫‪26.3.15‬‬
‫‪1‬‬
‫הגדרות‬
‫משתנה מקרי הוא משתנה שמקבל ערכים שונים על פי פונקצית הסתברות כלשהי‪.‬‬
‫משתנה מקרי בדיד מקבל ערכים מתוך קבוצה בדידה‪ ,‬למשל‪{0, 1, 2, 3...} ,{0, 1} :‬‬
‫משתנה מקרי רציף מקבל ערכים מתוך רצף‪ ,‬למשל‪(0, ∞) ,[0, 1] :‬‬
‫משתנה בדיד ‪n‬‬
‫ההתפלגות‬
‫)‪ =P (n‬ההסתברות למדוד ערך ‪n‬‬
‫‪P (x)dx‬‬
‫‪´b‬‬
‫משתנה רציף ‪x‬‬
‫)‪ =P (x‬פונקצית צפיפות הסתברות‬
‫= )‪ = P(a ≤ x ≤ b‬ההסתברות למדוד ערך בקטע ]‪[a, b‬‬
‫‪a‬‬
‫‪P (n) = 1‬‬
‫נרמול‬
‫‪P‬‬
‫‪P (x)dx = 1‬‬
‫‪n‬‬
‫תוחלת‬
‫)‪nP (n‬‬
‫‪P‬‬
‫= ‪hni‬‬
‫‪xP (x)dx‬‬
‫‪n‬‬
‫תוחלת של פונקציה ‪f‬‬
‫)‪f (n)P (n‬‬
‫‪P‬‬
‫= ‪hf (n)i‬‬
‫‪f (x)P (x)dx‬‬
‫‪n‬‬
‫שונות‬
‫סטיית תקן‬
‫‪1.1‬‬
‫∞´‬
‫∞‪−‬‬
‫∞´‬
‫∞´‬
‫∞‪−‬‬
‫= ‪hxi‬‬
‫= ‪hf (x)i‬‬
‫∞‪−‬‬
‫‪V ar(x) = h(x − hxi)2 i = hx2 i − hxi2‬‬
‫‪p‬‬
‫)‪σx = V ar(x‬‬
‫‪V ar(n) = hn2 i − hni2‬‬
‫‪p‬‬
‫)‪σn = V ar(n‬‬
‫דוגמא‪ :‬הטלת קוביה‬
‫‪ ‬מהי ההתפלגות )‪ ?P (n‬מהן התוחלת‪ ,‬השונות וסטיית התקן של ‪?n‬‬
‫מטילים קוביה הוגנת‪ = n .‬תוצאת ההטלה‪.‬‬
‫‪ 1‬‬
‫‪n = 1, 2, ..., 6‬‬
‫‪6‬‬
‫= )‪P (n‬‬
‫ההתפלגות‪:‬‬
‫‪ 0‬‬
‫‪otherwise‬‬
‫התוחלת‪:‬‬
‫‪6‬‬
‫‪1X‬‬
‫‪21‬‬
‫=‪n‬‬
‫‪= 3.5‬‬
‫‪6 n=1‬‬
‫‪6‬‬
‫= )‪nP (n‬‬
‫‪6‬‬
‫‪X‬‬
‫= ‪hni‬‬
‫‪n=1‬‬
‫השונות‪:‬‬
‫‪6‬‬
‫‪1X 2‬‬
‫‪1 + 4 + 9 + 16 + 25 + 36‬‬
‫‪91‬‬
‫= ‪n‬‬
‫=‬
‫‪6 n=1‬‬
‫‪6‬‬
‫‪6‬‬
‫‪1‬‬
‫= )‪n2 P (n‬‬
‫‪6‬‬
‫‪X‬‬
‫‪n=1‬‬
‫= ‪hn2 i‬‬
‫‪91‬‬
‫‪105‬‬
‫= ‪− 3.52‬‬
‫‪= 2.9167‬‬
‫‪6‬‬
‫‪36‬‬
‫סטיית התקן‪V ar(n) ≈ 1.7 :‬‬
‫‪1.2‬‬
‫‪p‬‬
‫= ‪V ar(n) = hn2 i − hni2‬‬
‫= ‪σn‬‬
‫דוגמא‪ :‬התפלגות נורמלית )גאוסית(‬
‫משתנה מקרי ‪ x‬המתפלג נורמלית הוא משתנה רציף המקבל ערכים בקטע )∞ ‪ (−∞,‬לפי פונקצית צפיפות ההסתברות‪:‬‬
‫‪(x−µ)2‬‬
‫‪2σ 2‬‬
‫‪√ 1‬‬
‫‪e−‬‬
‫‪2πσ 2‬‬
‫= )‪P (x‬‬
‫נראה שההתפלגות מנורמלת‪ ,‬ונחשב את התוחלת והשונות שלה‪.‬‬
‫נרמול‪:‬‬
‫‪dx = 1‬‬
‫‪(x−µ)2‬‬
‫‪2σ 2‬‬
‫∞ˆ‬
‫‪1‬‬
‫‪e−‬‬
‫∞‪−‬‬
‫)תזכורת‪ :‬חישוב אינטגרל גאוסי ־‬
‫‪pπ‬‬
‫‪a‬‬
‫∞´‬
‫‪2‬‬
‫= ‪e−a(x+b) dx‬‬
‫∞ˆ‬
‫‪2πσ 2‬‬
‫√ = ‪P (x)dx‬‬
‫∞‪−‬‬
‫(‬
‫∞‪−‬‬
‫תוחלת‪:‬‬
‫‪y2‬‬
‫∞ˆ‬
‫‪1‬‬
‫‪(y + µ)e− 2σ2 dy‬‬
‫∞‪−‬‬
‫‪2πσ 2‬‬
‫√‬
‫‪y=x−µ‬‬
‫=‬
‫‪dx‬‬
‫‪(x−µ)2‬‬
‫‪2σ 2‬‬
‫∞ˆ‬
‫‪−‬‬
‫‪xe‬‬
‫∞‪−‬‬
‫‪2πσ 2‬‬
‫∞ˆ‬
‫‪y2‬‬
‫‪i‬‬
‫‪1‬‬
‫∞ˆ‬
‫√ = ‪xP (x)dx‬‬
‫∞‪−‬‬
‫‪y2‬‬
‫‪e− 2σ2 dy = µ‬‬
‫‪ye− 2σ2 dy +µ‬‬
‫∞‪−‬‬
‫}‬
‫|‬
‫‪{z‬‬
‫√‬
‫‪= 2πσ 2‬‬
‫= ‪hxi‬‬
‫∞ˆ ‪h‬‬
‫∞‪−‬‬
‫‪{z‬‬
‫}‬
‫‪=0‬‬
‫‪1‬‬
‫‪2πσ 2‬‬
‫√‬
‫=‬
‫|‬
‫שונות‪:‬‬
‫‪y2‬‬
‫∞ˆ‬
‫‪(y + µ)2 e− 2σ2 dy‬‬
‫∞‪−‬‬
‫‪1‬‬
‫‪2πσ 2‬‬
‫√‬
‫‪i‬‬
‫‪y2‬‬
‫‪e− 2σ2 dy = σ 2 + µ2‬‬
‫‪y=x−µ‬‬
‫=‬
‫‪dx‬‬
‫‪(x−µ)2‬‬
‫‪2σ 2‬‬
‫∞ˆ‬
‫‪2 −‬‬
‫‪y2‬‬
‫‪ye− 2σ2 dy +µ2‬‬
‫}‬
‫√‬
‫‪= 2πσ 2‬‬
‫|‬
‫‪2πσ 2‬‬
‫∞ˆ‬
‫‪2‬‬
‫√ = ‪x P (x)dx‬‬
‫‪y2‬‬
‫‪y 2 e− 2σ2 dy +2µ‬‬
‫}‬
‫|‬
‫‪{z‬‬
‫‪=0‬‬
‫‪2‬‬
‫∞ˆ ‪h‬‬
‫∞‪−‬‬
‫}‬
‫= ‪hx i‬‬
‫∞‪−‬‬
‫∞‪−‬‬
‫∞‪−‬‬
‫‪{z‬‬
‫‪x e‬‬
‫∞‪−‬‬
‫∞ˆ‬
‫‪1‬‬
‫∞ˆ‬
‫‪2‬‬
‫‪{z‬‬
‫|‬
‫√‬
‫‪= 21 π(2σ 2 )3/2‬‬
‫‪1‬‬
‫‪2πσ 2‬‬
‫√‬
‫=‬
‫כאשר באינטגרל הראשון השתמשנו בנוסחה‪:‬‬
‫‪pπ‬‬
‫‪a‬‬
‫‪n‬‬
‫‪2‬‬
‫‪d‬‬
‫‪x2n e−ax dx = (−1)n dx‬‬
‫‪n‬‬
‫∞´‬
‫∞‪−‬‬
‫‪⇒ V ar(x) = hx2 i − hxi2 = σ 2‬‬
‫‪2‬‬
‫משפט הגבול המרכזי‬
‫תהי ‪ X1 , X2 , ..., XN‬סדרת משתנים מקריים בלתי תלויים בעלי אותה התפלגות ) ‪ P (Xi‬עם תוחלת ‪ hXi i = µ‬ושונות ‪.V ar(Xi ) = σ 2‬‬
‫נסמן‪ :‬ממוצע ה־ ‪¯ N = X1 +X2 +...+XN :Xi‬‬
‫‪X‬‬
‫‪N‬‬
‫אז‪:‬‬
‫)‪(1‬‬
‫‪ds‬‬
‫כאשר‪:‬‬
‫‪√σ‬‬
‫‪N‬‬
‫‪(s−µ)2‬‬
‫˜‪2‬‬
‫‪σ2‬‬
‫‪e−‬‬
‫‪1‬‬
‫˜‪2π‬‬
‫‪σ2‬‬
‫‪ˆx‬‬
‫→‪¯ N ≤ x) −‬‬
‫‪P (X‬‬
‫√‬
‫∞→ ‪N‬‬
‫∞‪−‬‬
‫˜‪.‬‬
‫=‪σ‬‬
‫ניתן לגזור לפי ‪ x‬ולקבל‪:‬‬
‫‪(x−µ)2‬‬
‫‪¯ N = x) −→ √ 1 e− 2˜σ2‬‬
‫‪P (X‬‬
‫‪2‬‬
‫∞→ ‪N‬‬
‫˜‪2π‬‬
‫‪σ‬‬
‫)‪(2‬‬
‫משמעות תוצאה זו היא שכאשר מספר המשתנים ‪ N‬גדול‪ ,‬ההתפלגות של הממוצע ‪¯ N‬‬
‫‪ X‬שואפת להתפלגות נורמלית עם ממוצע ‪µ‬‬
‫וסטיית תקן‬
‫‪√σ‬‬
‫‪N‬‬
‫˜‪ .‬שימו לב שככל ש־ ‪ N‬יותר גדול‪ ,‬ההתפלגות יותר צרה‪.‬‬
‫=‪σ‬‬
‫‪3‬‬
‫אך כאן צריך להיות מעט זהירים‪ ,‬ולשים לב שכאשר המשתנים ‪ ,Xi‬ולכן גם ‪¯ N‬‬
‫‪ ,X‬בדידים‪ ,‬הביטוי בצד שמאל של )‪ (1‬הוא סכום‬
‫ולא אינטגרל ולכן התוצאה )‪ (2‬אינה מדויקת‪.‬‬
‫כאשר ‪¯ N‬‬
‫‪ X‬בדיד והמרווח בין הערכים שהוא יכול לקבל קבוע‪ ,‬נסמנו ב־‪ ,∆x‬אז מתקיים‪:‬‬
‫‪2‬‬
‫)‪(x−µ‬‬
‫)‪¯ N =x‬‬
‫‪P (X‬‬
‫˜‪− 2‬‬
‫‪1‬‬
‫‪σ2‬‬
‫‪−→ √2π‬‬
‫‪e‬‬
‫‪2‬‬
‫‪∆x‬‬
‫‪σ‬‬
‫˜‬
‫∞→ ‪N‬‬
‫‪3‬‬
‫חלקיקים במיכל‬
‫במיכל יש ‪ N‬חלקיקים‪ .‬נסמן ב־‪ Q‬את מספר החלקיקים שנמצאים בשליש המיכל השמאלי‪ ,‬ונגדיר גם את‬
‫‪Q‬‬
‫‪N‬‬
‫= ‪ q‬־ יחס החלקיקים‬
‫בשליש המיכל השמאלי‪ .‬מתקיים ‪.N, Q 1‬‬
‫בכיתה חישבתם במדויק את ההתפלגות )‪ P (q‬וראיתם שבגבול של ‪ N‬גדול ההתפלגות המתקבלת היא התפלגות נורמלית‪ .‬עכשיו‬
‫נגיע לתוצאה זו באמצעות שימוש במשפט הגבול המרכזי‪.‬‬
‫חישוב )‪ P (q‬באמצעות משפט הגבול המרכזי‬
‫‪3.1‬‬
‫נגדיר‪:‬‬
‫‪particle i is in the left third of the box‬‬
‫‪‬‬
‫‪1,‬‬
‫‪otherwise‬‬
‫‪0,‬‬
‫מתקיים‪Xi :‬‬
‫‪N‬‬
‫‪P‬‬
‫‪i=1‬‬
‫‪1‬‬
‫‪N‬‬
‫= ‪Xi‬‬
‫=‪q‬‬
‫נרצה להשתמש במשפט הגבול המרכזי עבור ‪ .q‬נשים לב ש‪:‬‬
‫‪Xi = 1‬‬
‫‪‬‬
‫‪1,‬‬
‫‪Xi = 0‬‬
‫‪2,‬‬
‫‪3‬‬
‫= ) ‪P (Xi‬‬
‫‪3‬‬
‫ולכן‪:‬‬
‫‪1‬‬
‫‪2‬‬
‫‪1‬‬
‫=‪·1+ ·0‬‬
‫‪3‬‬
‫‪3‬‬
‫‪3‬‬
‫= ‪µ = hXi i‬‬
‫‪1 2 2 2‬‬
‫‪1‬‬
‫= ‪·1 + ·0‬‬
‫‪3‬‬
‫‪3‬‬
‫‪3‬‬
‫‪1 1‬‬
‫‪2‬‬
‫= ‪−‬‬
‫‪3 9‬‬
‫‪9‬‬
‫על פי משפט הגבול המרכזי‪,‬‬
‫‪9N (q− 1 )2‬‬
‫‪3‬‬
‫‪4‬‬
‫‪e−‬‬
‫‪π‬‬
‫= ‪σ 2 =Var(Xi ) = hXi2 i − hXi i2‬‬
‫‪= √ 14‬‬
‫‪9N‬‬
‫= ‪hXi2 i‬‬
‫‪(q−µ)2‬‬
‫˜‪2‬‬
‫‪σ2‬‬
‫‪√ 1‬‬
‫‪e−‬‬
‫‪2π σ‬‬
‫‪˜2‬‬
‫∞→ ‪N‬‬
‫≈‬
‫‪4‬‬
‫)‪.P (q‬‬
‫‪3.2‬‬
‫ההסתברות לסטיה מהממוצע‬
‫עבור מיכל של ליטר אוויר‪ ,‬מה ההסתברות למדוד בשליש מיכל כמות חלקיקים שרחוקה מהממוצע ביותר מ־‪?1%‬‬
‫‪ NA ≈ 6.022 · 1023‬מספר אבוגדרו = מספר האטומים של פחמן־‪ 12‬הנמצאים ב־‪ 12‬גרם של חומר זה‪ .‬מספר זה מאפיין את‬
‫כמות החלקיקים בסמ"ק של חומר עבור חומרים מוצקים רבים‪.‬‬
‫מספר החלקיקים בליטר של אוויר‪.N ∼ NA ∼ 1023 :‬‬
‫יחס החלקיקים הממוצע בשליש מיכל הוא‬
‫‪1‬‬
‫‪3‬‬
‫= ‪ .µ‬מדידת סטיה מהממוצע ביותר מ־‪ 1%‬משמעותה מדידת ערך של ‪ q‬שאינו‬
‫בתחום ]‪.[0.33, 0.3367‬‬
‫‪∼ 2 · 109 σ‬‬
‫אחוז מהממוצע הוא ˜‬
‫‪1‬‬
‫‪300‬‬
‫=‬
‫‪1‬‬
‫‪3‬‬
‫· ‪0.01‬‬
‫‪17‬‬
‫הסיכוי למדוד משתנה המתפלג נורמלית במרחק של יותר ממיליארד סטיות תקן מהממוצע שלו קטן מ־ ‪.(!) 10−10‬‬
‫‪17‬‬
‫‪1‬‬
‫‪1‬‬
‫‪P (|q − | > 0.01 · ) = P (|q − µ| > 109 σ) < 10−10‬‬
‫‪3‬‬
‫‪3‬‬
‫‪5‬‬