Путешествие от частицы до Вселенной. Математика газовой динамики

Предположим, что 50 % жителей страны проголосуют за определенного кандидата. Если мы проведем опрос тысячи людей, выбранных случайно, крайне маловероятно, что ровно 500 из них ответят, что проголосуют за этого кандидата. Однако гораздо более вероятно, что таким будет ответ от 450 до 550 опрошенных. Способ увериться в том, что опрос достоверный, — установить, между какими двумя величинами заключено 95 % вероятности получить необходимый результат.

Биномиальное распределение — это только одно из многочисленных дискретных распределений вероятностей. Кроме него, существует распределение вероятностей для непрерывных переменных, при котором нас интересует вероятность того, что какое-то значение находится в определенном диапазоне.

Самое известное непрерывное распределение вероятности — это распределение Гаусса, или нормальное распределение. Оно имеет форму колокола, как можно заметить на графике на стр. 74.

* * *

ДРУГИЕ РАСПРЕДЕЛЕНИЯ ВЕРОЯТНОСТЕЙ

Другое широко используемое распределение — это геометрическое распределение. Как и в случае с биномиальным распределением, у нас есть случайное событие, такое как бросок кубика или монеты. Назовем успехом один из возможных вариантов, например выпадение орла. Какова вероятность того, что первый успех появится после к бросков, если его вероятность равна р?

Геометрическое распределение говорит, что эта вероятность вычисляется по

Р = (1 — р)^{k– 1}р,

что можно представить следующим образом.

Среди распределений вероятности, где переменная может принимать любое значение в определенном диапазоне, самое простое — равномерное распределение, при котором каждому событию просто назначается одна и та же вероятность, так что получается фигура, подобная этой.

* * *

Различные формы нормального распределения, согласно разным параметрам.

Нормальное распределение имеет большое значение как в статистике, так и в естественных и социальных науках, благодаря центральной предельной теореме. В ней говорится, что в некоторых условиях любая случайная переменная имеет тенденцию следовать нормальному распределению. Например, если мы будем измерять такую физическую величину, как скорость, наши результаты будут иметь тенденцию распределяться согласно фигуре, изображенной на графике, вокруг среднего значения. Именно использование этого распределения позволяет физикам определить границы доверия своим экспериментам: измерив площадь под кривой Гаусса, можно получить вероятность того, что результат измерения случаен.

Нормальное распределение можно наблюдать практически во всех областях знания, и оно имеет очень широкое практическое применение. Например, результаты любого экзамена имеют тенденцию следовать нормальному распределению вокруг средней оценки. Этот фактор можно использовать при вычислении нормализованных оценок, то есть оценка каждого студента определяется в зависимости от положения на кривой. Распределение скоростей молекул газа также следует этому распределению, как будет показано далее.

Нормальное распределение связано с биномиальным распределением, о котором мы говорили ранее. При очень большом числе попыток биномиальное распределение описывает кривую Гаусса.

Связь между биномиальным и нормальным распределениями. Прямые показывают биномиальное распределение, вокруг которого проходит нормальное распределение.

Действительно, для получения знаменитого распределения вероятностей для газа Больцман начал рассматривать дискретные значения энергии как биномиальную функцию и затем перешел к бесконечно большому их числу, что привело его к распределению Гаусса.

Микро- и макросостояния

Познакомившись с теорией вероятностей, пора применить полученные знания к описанию газа. Для этого нам потребуются такие понятия, как микросостояния и макросостояния.

Предположим, что у нас есть газ, обладающий некоторым давлением, объемом и температурой. Нам известны макроскопические характеристики газа, но мы не знаем, под каким давлением находится каждая его молекула и с какой скоростью она движется. Итак, можно сказать, что мы знаем макроскопическое состояние газа, но не микроскопическое. Это макроскопическое состояние газа называется макросостоянием.

Макросостоянию могут соответствовать тысячи миллионов микроскопических состояний: например, поменяв положение и скорость любой пары частиц, мы получаем систему, на первый взгляд, с теми же свойствами. Поскольку у нас тысячи миллионов частиц, существует огромное количество микроскопических состояний, согласующихся с тем, что мы наблюдаем в лаборатории. Эти микроскопические состояния, которых невозможно добиться экспериментально, называются микросостояниями. Каждому макросостоянию в целом соответствуют тысячи миллионов микросостояний, которые порождают одно и то же поведение в крупном масштабе.

Теперь обратим внимание на газ, обладающий некоторым количеством возможных макросостояний, каждому из которых соответствуют некоторое давление, температура и объем. Мы хотим узнать, в каком из этих макросостояний находится газ. Поскольку макроскопические характеристики газа связаны с распределением скоростей его молекул, на самом деле мы хотим узнать это распределение.

Как мы видели, для этого мы не можем воспользоваться уравнениями Гамильтона, но зато мы можем использовать различные результаты, полученные ранее: например, то, что, перейдя в состояние равновесия, газ не выйдет из него и что все микроскопические конфигурации — или микросостояния — в нашей области фазового пространства равновероятны.

Поскольку все микросостояния равновероятны, разумно предположить, что макросостояние с наибольшим числом совместимых микросостояний будет наиболее вероятным. Если вероятность некоторого макросостояния намного выше, чем у любого другого, мы можем сделать вывод, что газ находится в нем. То есть наше макросостояние будет тем, для которого распределение скоростей наиболее вероятно.

Теперь нам осталось только выяснить, какое из возможных распределений скоростей имеет самую высокую вероятность.

Чтобы рассмотреть возможные состояния, нам нужно сделать небольшое упрощение: предположим, что все молекулы могут обладать только определенными значениями энергии, а не любыми в некотором диапазоне. Как только мы получим интересующее нас выражение, мы ослабим это условие. Энергии и скорости пропорциональны, так что, узнав распределение энергии, мы получим распределение скоростей.

Присвоим число каждому из этих значений энергии, от одного до k. У нас всего N частиц; число частиц с энергией i будет обозначаться N_i. То есть если у нас есть 50 частиц первого уровня энергии, то N₁ = 50. Теперь предположим, что у нас есть некоторое распределение энергии.