Биномиальное распределение.
⇐ ПредыдущаяСтр 3 из 3
Описывает N независимых частиц или N независимых случаев.
Если p – вероятностьпризнака у одной частицы, или вероятность одного случая, то вероятностьтого, что n любых частиц обладают этим признаком, или вероятность одновременного возникновения n случаев:
Распределение обосновал Якоб Бернулли в 1713 г.
Доказательство:
Объект – идеальный газ из N тождественных частиц в объеме V. Получим вероятность обнаружения n любых частиц в объеме
1. Вероятность найти определенную частицу в объеме D V согласно определению вероятности (1.4а)
Вероятность найти определенную частицу вне объема D V
Несовместимые события образуют полный набор и удовлетворяют условию нормировки. 2. Вероятность найти n определенных частиц в объеме D V согласно теореме об умножении вероятностей независимых событий (1.4б)
Вероятность найти (N – n) определенных частиц вне объема D V
3. Вероятность найти одновременно n определенных частиц в объеме D V и (N – n) других частиц вне этого объема
4. Взаимная перестановка тождественных частиц дает состояние, не отличимое от исходного. Число таких состояний равно числу сочетаний n частиц из общего числа N, т. е. равно 5. В результате вероятность найти n любых частиц в объеме D V и (N – n) любых других частиц вне D V
Условие нормировки
использован бином Ньютона
Среднее число частиц в объеме D V
Замена
= =
Результат
очевиден, поскольку Из (1.15) вероятность признака у одного элемента
Из (1.14) получаем – если в некотором состоянии наблюдается в среднем
причем
График распределения
а б Распределения биномиальное (а) и Пуассона (б) для N = 10,
Распределение Пуассона
При малой вероятности наблюдения в некотором состоянии одной частицы
Распределение следует из биномиального распределения, его получил Симеон Дени Пуассон в 1837 г.
Доказательство:
Записываем биномиальное распределение (1.17)
учтено
При
и получаем (1.18).
Условие нормировки
где
Частные и рекуррентные соотношения
График распределения
а б Распределения биномиальное (а) и Пуассона (б) для N = 10, При Нормальное распределение Гаусса При
Распределение получил Карл Фридрих Гаусс в 1809 г.
Доказательство: Распределение Пуассона логарифмируем
Используем формулу Стирлинга
тогда
Используя
разлагаем в ряд
В результате
Заменяя Условие нормировки
На основании
Условие нормировки получает вид
где
Среднее значение
где
Дисперсия
где учтено
В результате
Из (1.19) и (1.20) плотность вероятности
Распределение Гаусса,
Распределение Гаусса в пределе бесконечно малой дисперсии является дельта-функцией
Это следует из (1.21) и
Центральная предельная теорема – при суммировании большого числа независимых случайных величин, имеющих различные распределения, результирующее распределение близко к распределению Гаусса.
Теорему доказал Александр Михайлович Ляпунов в 1901 г.
Теорема обосновывает применимость нормального распределения к многочисленным случайным процессам. ПРОИЗВОДЯЩАЯ ФУНКЦИЯ
Для дискретного распределения
где | x | £ 1. Функция распределения
Средние значения и дисперсия
Из (1.22) находим
ПРИМЕРЫ
1. Для распределения Пуассона найти производящую функцию и Используем производящую функцию (П.1.5) для биномиального распределения и (П.1.6)
тогда
Учитывая
где
Из (П.1.14) и (1.25) с учетом
следует (1.20)
2. Найти распределение времен свободного пробега электрона металла. Согласно классической теории в узлах кристаллической решетки металла находятся ионы, валентные электроны образуют идеальный газ. Любой макроскопический объем металла электрически нейтрален, поэтому на электрон не действуют электростатические силы и благодаря тепловому движению он свободно перемещается от одного столкновения с ионом до следующего. Вероятность столкновения электрона за единицу времени а не зависит от t при термодинамическом равновесии. Вероятность столкновения за время dt равна Функция распределения времен свободного пробега w (t) равна вероятности того, что время свободного движения лежит в единичном интервале около значения t. Вероятность двух независимых событий – свободного движения электрона до момента t и столкновения в следующий промежуток dt – согласно теореме о независимых событиях равна
Разделяя переменные и интегрируя, получаем,
Из условия нормировки
находим
обратно вероятности столкновения за единицу времени. Функция распределения времен свободного пробега равна
– вероятность свободного движения в течение времени t уменьшается экспоненциально с ростом t.
3. Найти скорость дрейфа За время свободного пробега t электрон набирает скорость
Время свободного пробега меняется от столкновения к столкновению. Пусть электрон испытывает последовательно N столкновений с временами свободного пробега t 1, t 2,…, tN и средними скоростями
Поделив числитель и знаменатель на N, и полагая
Используя распределение (П.1.23), находим
В результате скорость дрейфа
пропорциональна электрическому полю и среднему времени t свободного пробега электрона, где подвижность электронов
Воспользуйтесь поиском по сайту: ![]() ©2015 - 2025 megalektsii.ru Все авторские права принадлежат авторам лекционных материалов. Обратная связь с нами...
|