Мегаобучалка Главная | О нас | Обратная связь

Распределения Максвелла и Больцмана




Распределение Максвелла (распределение молекул газа по скоростям). В равновесном состоянии параметры газа (давление, объем и температура) остаются неизменными, однако микросостояния — взаимное расположение молекул, их скорости — непрерывно изменяются. Из-за огромного количества молекул прак­тически нельзя определить значения их скоростей в какой-либо момент, но возможно, считая скорость молекул непрерывной случайной величиной, указать распределение молекул по скоростям. Выделим отдельную молекулу. Хаотичность движения позволяет, например, для проекции скорости vx молекулы принять нормальный закон распределения. В этом случае, как показал Дж. К. Максвелл, плотность вероятности записывается следующим образом:

где т0 — масса молекулы, T — термодинамическая температура газа, k — постоянная Больцмана.

Аналогичные выражения могут быть получены для f(vy) и f(vz). На основании формулы (2.15) можно записать вероятность то­го, что молекула имеет проекцию скорости, лежащую в интервале от v до vx + dvx:

аналогично для других осей

Каждое из условий (2.29) и (2.30) отражает независимое событие. Поэтому вероятность того, что молекула имеет скорость, проек­ции которой одновременно удовлетворяют всем условиям, можно найти по теореме умножения вероятностей [см. (2.6)]:

Используя (2.28), из (2.31) получаем

Отметим, что из (2.32) можно получить максвелловскую функ­цию распределения вероятностей абсолютных значений скорости (распределение Максвелла по скоростям):

и вероятность того, что скорость молекулы имеет значение, лежа­щее в интервале от v до v + dv:

График функции (2.33) изображен на рисунке 2.5. Скорость, соответствующую максимуму кривой Максвелла, называют наивероятнейшей vв. Ее можно определить, используя условие максимума функции:

или

откуда

Среднюю скорость молекулы (математическое ожидание) можно найти по общему правилу [см. (2.20)]. Так как определяется среднее значение скорости, то пределы интегрирования берут от 0 до ∞ (математические подробности опущены):



 

где М = M0Na — молярная масса газа, R = kNA — универсальная ■вазовая постоянная, NA — число Авогадро. При увеличении температуры максимум кривой Максвелла смещается в сторону больших скоростей и распределение молекул по v видоизменяется (рис. 2.6; Т1 < Т2).

Распределение Максвелла позволяет вычислить число молекул, скорости которых лежат в определенном интервале ∆v. Получим соответствующую формулу.

Так как общее число N молекул в газе обычно велико, то вероятность dP может быть выражена как отношение числа dN молекул, скорости которых заключены в некотором интервале dv, к общему числу N молекул:

Из (2.34) и (2.37) следует, что

 

Формула (2.38) позволяет определить число молекул, скорости которых лежат в интервале от v1 до v2. Для этого нужно проинтег­рировать (2.38):

либо графически вычислить площадь криволинейной трапеции в пределах от и1 до v2 (рис. 2.7).

Если интервал скоростей dv достаточно мал, то число молекул, скорости которых соответствуют этому интервалу, может быть рассчитано приближенно по формуле (2.38) или графически как площадь прямоугольника с основанием dv.

На вопрос, сколько молекул имеют скорость, равную како­му-либо определенному значению, следует странный, на первый взгляд, ответ если совершенно точно задана скорость, то интер­вал скоростей равен нулю (dv = 0) и из (2.38) получаем нуль, т. е. ни одна молекула не имеет скорости, точно равной наперед задан­ной. Это соответствует одному из положений теории вероятнос­тей: для непрерывной случайной величины, каковой является скорость, невозможно «угадать» совершенно точно ее значение, которое имеет по крайней мере хотя бы одна молекула в газе.

Распределение молекул по скоростям подтверждено различны­ми опытами.

Распределение Максвелла можно рассматривать как распреде­ление молекул не только по скоростям, но и по кинетическим энергиям (так как эти понятия взаимосвязаны).

Распределение Больцмана.Если молекулы находятся в ка­ком-либо внешнем силовом поле, например гравитационном поле Земли, то можно найти распределение по их потенциальным энергиям, т. е. установить концентрацию частиц, обладающих не­которым определенным значением потенциальной энергии.

Распределение частиц по потенциальным энергиям в си­ловых полях — гравитационном, электрическом и др. называют распределением Больцмана.

Применительно к гравитационному полю это распределение может быть записано в виде зависимости концентрации п моле­кул от высоты h над уровнем Земли или от потенциальной энер­гии молекулы m0gh:

Выражение (2.40) справедливо для частиц идеального газа. Графи­чески эта экспоненциальная зависимость изображена на рис. 2.8.

Такое распределение молекул в поле тяготения Земли можно ка­чественно, в рамках молекулярно-кинетических

объяснить тем, что на молекулы оказывают влияние два противоположных фактора: гравитационное поле, под действием которого все молекулы притягиваются к Земле, и молекулярно-хаотическое движение, стремящееся равномерно разбросать молекулы по всему , возможному объему.

В заключение полезно заметить некоторое сходство экспоненциальных членов в распределениях Максвелла и Больцмана:

 

Г ЛАВА 3

Математическая статистика

Методы математической статистики позволяют систематизи­ровать и оценивать экспериментальные данные, которые рассматриваются как случайные величины.

Основные понятия математической статистики

В главе 2 были рассмотрены некоторые понятия и закономер­ности, которым подчинены массовые случайные явления. Одной из практических задач, связанных с этим, является создание методов отбора данных (статистические данные) из большой совокупности и их обработки. Такие вопросы рассматриваются в мате­матической статистике.

Математическая статистика наука о математиче­ских методах систематизации и использования статистиче­ских данных для решения научных и практических задач. Ма­тематическая статистика тесно примыкает к теории вероятностей и базируется на ее понятиях. Однако главным в математической статистике является не распределение случайных величин, а ана­лиз статистических данных и выяснение, какому распределению они соответствуют.

Предположим, что необходимо изучить множество объектов по какому-либо признаку. Это возможно сделать, либо проведя сплош­ное наблюдение (исследование, измерение), либо не сплошное, выбо­рочное.

Выборочное, т. е. неполное, обследование может оказаться предпочтительнее по следующим причинам. Во-первых, естест­венно, что обследование части менее трудоемко, чем обследование целого; следовательно, одна из причин — экономическая. Во-вто­рых, может оказаться и так, что сплошное обследование просто нереально. Для того чтобы его провести, возможно, нужно унич­тожить всю исследуемую технику или загубить все исследуемые биологические объекты. Так, например, врач, имплантирующий электроды в улитку для кохлеарного протезирования (см. § 6.5), должен иметь вероятностные представления о расположении улитки слухового аппарата. Казалось бы, наиболее достоверно та­кие сведения можно было получить при сплошном патологоанатомическом вскрытии всех умерших с производством соответствую­щих замеров. Однако достаточно собрать нужные сведения при выборочных измерениях.

Большая статистическая совокупность, из которой отбирается часть объектов для исследования, называется генеральной сово­купностью, а множество объектов, отобранных из нее, — выбо­рочной совокупностью, или выборкой.

Свойство объектов выборки должно соответствовать свойству объектов генеральной совокупности, или, как принято говорить, выборка должна быть представительной (репрезентативной). Так, например, если целью является изучение состояния здо­ровья населения большого города, то нельзя воспользоваться вы­боркой населения, проживающего в одном из районов города. Ус­ловия проживания в разных районах могут отличаться (различ­ная влажность, наличие предприятий, жилищных строений и т. п.) и таким образом, влиять на состояние здоровья. Поэтому выбор­ка должна представлять случайно отобранные объекты.

Если записать в последовательности измерений все значения величины х в выборке, то получим простой статистический ряд. Например, рост мужчин (см): 171, 172, 172, 168, 170, 169, ... . Та­кой ряд неудобен для анализа, так как в нем нет последователь­ности возрастания (или убывания) значений, встречаются и по­вторяющиеся величины. Поэтому целесообразно ранжировать ряд, например, в возрастающем порядке значений и указать их повторяемость. Тогда статистическое распределение выборки:

Здесь xi — наблюдаемые значения признака (варианта); ni — Число наблюдений варианты xi (частота); рi* — относительная Частота. Общее число объектов в выборке (объем выборки)

всегo k вариант. Статистическое распределение — это совокупность вариант и соответствующих им частот (или относительных растет), т. е. это совокупность данных 1-й и 2-й строки или 1-й и 3-й строки в (3.1).

В медицинской литературе статистическое распределение, со­стоящее из вариант и соответствующих им частот, получило название вариационного ряда.

Наряду с дискретным (точечным) статистическим распределением, которое было описано, используют непрерывное (интер­вальное) статистическое распределение:

Здесь xl _ 1, xi — 1-й интервал, в котором заключено количествен­ное значение признака; ni — сумма частот вариант, попавших в этот интервал; р* — сумма относительных частот.

В качестве примера дискретного статистического распределения укажем массы новорожденных мальчиков (кг) и частоты (табл. 5).

 

Таблица 5

2,7 2,8 2,9 3,0 3,1 3,2 3,3 3,4 3,5 3,6 3,7 3,8 3,9 4,0 4,1 4,2 4,3 4,4

Общее количество мальчиков (объем выборки)

Можно это распределение представить и как непрерывное (интер­вальное) (табл. 6).

Таблица 6

2,65-2,75 2,75-2,85 2,85-2,95 2,95-3,05 3,05-3,15

Для наглядности статистические распределения изображают графически в виде полигона и гистограммы.

Полигон частот — ломаная линия, отрезки которой соединяют точки с координатами (х1; п1), (х2; п2), ... или для полигона относи­тельных частот — с координатами (x1; р*), (х2; р*), ... (рис. 3.1). Рис. 3.1 относится к распределению, представленному в табл. 5.

Гистограмма частот — совокупность смежных прямоуголь­ников, построенных на одной прямой линии (рис. 3.2), основания

прямоугольников одинаковы и равны а, а высоты равны отноше­нию частоты (или относительной частоты) к а:


 







Таким образом, площадь каждого прямоугольника равна соответ­ственно

 

Следовательно, площадь гистограммы частот и площадь гистограммы относительных частот

Наиболее распространенными характеристиками статистическо­го распределения являются средние величины: мода, медиана и средняя арифметическая, или выборочная средняя.

Мода (Мо) равна варианте, которой соответствует наиболь­шая частота. В распределении массы новорожденных (см. табл. 5) Мо = 3,3кг.

Медиана (Me) равна варианте, которая расположена в середи­не статистического распределения. Она делит статистический (ва­риационный) ряд на две равные части. При четном числе вариант за медиану принимают среднее значение из двух центральных ва­риант. В рассмотренном распределении (см. табл. 5) Me = 3,4 кг. Выборочная средняя (хв) определяется как среднее арифмети­ческое значение вариант статистического ряда:

 

Для примера (см. табл. 5)

 

Для характеристики рассеяния вариант вокруг своего среднего значения хв вводят характеристику, называемую выборочной дисперсией, — среднее арифметическое квадратов отклонения ва­риант от их среднего значения:

Квадратный корень из выборочной дисперсии называют выбороч­ный средним квадратическим отклонением:

Для примера (см. табл. 5)

 

 





Читайте также:





Читайте также:
Почему двоичная система счисления так распространена?: Каждая цифра должна быть как-то представлена на физическом носителе...
Как распознать напряжение: Говоря о мышечном напряжении, мы в первую очередь имеем в виду мускулы, прикрепленные к костям ...
Почему человек чувствует себя несчастным?: Для начала определим, что такое несчастье. Несчастьем мы будем считать психологическое состояние...

©2015 megaobuchalka.ru Все права защищены авторами материалов.

Почему 3458 студентов выбрали МегаОбучалку...

Система поиска информации

Мобильная версия сайта

Удобная навигация

Нет шокирующей рекламы



(0.013 сек.)