- •Специальные главы физики
- •Практическая значимость курса
- •Основы теории вероятностей Вероятность случайного события
- •Характеристики случайной дискретной величины Среднее значение случайной величины
- •X1, x2, …, xk.
- •Свойства среднего
- •Основные определения
- •Относительная флуктуация
- •Характеристики случайНой непрерывНой величиНы
- •Биномиальное распределение
- •Распределение Пуассона
- •Условие нормировки
- •Среднее значение
- •Дисперсия
- •Пример 1
- •Пример 2
- •Пример 3
- •Пример 4
- •Пример 5
Распределение Пуассона
Пусть вероятность появления признака у одной частицы мала и общее число частиц велико , тогда, если признак имеют в среднем частиц, то его вероятность дляn частиц
. (1.18)
Результат получил Пуассон в 1837 г. на основе биномиального распределения.
Симеон Дени Пуассон (1781–1840)
Доказательство
Записываем биномиальное распределение (1.29)
,
где учтено
.
При используем
,
,
,
и получаем (1.18)
.
Условие нормировки
Вычисляем сумму вероятностей всех возможных результатов
.
При большом N используем
,
получаем условие нормировки
.
Среднеквадратичное число частиц и дисперсия
Используем результаты для биномиального распределения (1.28), (1.30) и (1.31)
,
,
.
Для распределения Пуассона учитываем и получаем среднеквадратичное число частици дисперсию
, (1.18а)
. (1.18б)
Частные и рекуррентные соотношения
Из (1.18)
Прямой подстановкой находим
,
,
,
. (1.18в)
График распределения для показан на рис. (б).
а б
Распределения биномиальное (а) и Пуассона (б)для N = 10, , р = 0,45
Сравнение графиков показывает погрешность, допускаемую распределением Пуассона (график б), вызванную не достаточно малым p и не достаточно большим N.
нормальное распределение Гаусса
Если признак имеется в среднем у частиц, причем выполняется , то вероятность признака у n частиц при относительно малом отклонении от среднего описывается нормальным распределением
. (1.19)
Результат получил Гаусс в 1809 г.
Карл Фридрих Гаусс (1777–1855)
Доказательство
Условие означает и выполнение распределения Пуассона
.
Логарифмируем
.
При используемформулу Стирлинга (рассматривается в курсе ММФ)
,
которая дает
.
Получаем
.
Вводим отклонение от среднего , тогда
.
Для распределения Гаусса учитываем . Разлагаем по степеням малой величиныи сохраняем первые два слагаемые, считая остальные несущественными:
.
Находим
.
Потенцируем результат и, используя ,заменяем , и получаем (1.19)
.
Условие нормировки
На основании считаем n квазинепрерывным и переходим от дискретного распределения (1.19)
к непрерывному распределению и получаем плотность вероятности
. (1.19а)
Условие нормировки имеет вид
.
Верхний предел интегрирования взят бесконечным, поскольку функция быстро убывает при. Заменен аргумент
.
Нижний предел приравен
.
Верхний предел дает
.
Последний интеграл является интегралом Пуассона
.
В результате доказано, что плотность вероятности (1.19а) нормирована.
Среднее значение
В определение среднего случайной величины
подставляем . Получаем
,
где учтена нормировка
,
и среднее отклонение от среднего .Следовательно, в распределении Гаусса (1.19а)
величина является средним значением числа частицn.