- •Глава 6. Твердые тела
- •6.1. Аморфное и кристаллическое состояние вещества
- •6.2. Классификация кристаллов по типу молекул, составляющих кристалл
- •6.3. Анизотропия кристаллов
- •6.4. Кристаллические решетки Браве
- •6.5. Потенциальная энергия взаимодействия ионных кристаллов
- •6.6. Плавление, кристаллизация и возгонка твердых тел
- •6.7. Теплоемкость кристаллов
- •Приложение а основные понятия теории вероятностей
- •1. Понятие вероятности события
- •2. Простейшие теоремы теории вероятностей
- •3. Интегральная функция распределения случайной величины
- •4. Плотность вероятности
- •5. Среднее значение
- •6. Свойства среднего значения
- •7. Дисперсия и ее свойства
- •8. Неравенство Чебышева
- •9. Теорема Чебышева
- •10. Теорема Бернулли
- •11. Плотность вероятности ординат монотонной функции случайного аргумента
- •Приложение b интегралы, встречающиеся при применениях распределения максвелла.
10. Теорема Бернулли
Теорема Бернулли формулируется следующим образом: Если m/n частота наступления события A при n независимых испытаниях, а р вероятность этого события в каждом испытании, то как бы малы ни были заданные положительные числа и , выбирая достаточно большое n можно выполнить неравенство
(A.59)
Доказательство.
Введем случайную величину Xi число наступлений события A в i-м опыте. Она может принимать два значения: 1 и 0 с вероятностями (A) = р и P( ) = 1– р q, соответственно, т. е.
(A.60)
Среднее значение этой величины
. (A.61)
В серии из n опытов частота события A
, (A.62)
где (A.63) представляет собой число появлений события A в n опытах. Найдем среднее значение и дисперсию величины X (см. (А.31), (А.36), (А.39а)).
. (A.64)
(A.65)
Применим неравенство Чебышева (A.47) к случайной величине
X = m/n.
. (A.66)
Подставив выражения (A.64) и (A.65) в неравенство (A.66), получим
(A.67)
Дальнейшие рассуждения, приводящие к неравенству (A.59), осуществляются совершенно аналогично переходу от (A.54) к (A.58), проведенному при доказательстве теоремы Чебышева.
Важность доказанной теоремы Бернулли состоит в том, что нахождение вероятностей событий, теоретический расчет которых затруднен или практически неосуществим, возможно опытным путем.
11. Плотность вероятности ординат монотонной функции случайного аргумента
Пусть две случайные величины Х и Y связаны монотонной функциональной зависимостью Требуется найти плотность вероятности , если плотность вероятности известна. Рассмотрим отдельно два случая, когда функция монотонно возрастает и монотонно убывает.
а б
Рис. 96
1. Функция на интервале монотонно возрастает (рис. 96, a). На рис. 96, б проведем прямую, параллельную оси X и находящуюся на расстоянии у от неё. Тогда интегральная функция распределения
так как событие, состоящее в том, что случайная величина Y примет значение, меньшее у, равносильно тому, что случайная величина Х примет значение меньше х, где – функция обратная функции Поэтому
(А.68)
Согласно формуле (А.20), плотность вероятности находится дифференцированием выражения (А.68).
(А.69)
Таким образом, . (А.70)
Равенство (А.70) можно переписать в виде:
. (А.71)
2. Функция на интервале монотонно убывает
(рис. 96, б). В данной ситуации выполнение неравенства Y < y равнозначно тому, что случайная величина . Поэтому
.
Плотность вероятности
или (А.72)
Правая часть выражения (А.72) положительна, так как . Поэтому формулы (А.70) и (А.72) можно объединить в одну:
. (А.73)
Приложение b интегралы, встречающиеся при применениях распределения максвелла.
1. Вычислим так называемый интеграл Пуассона:
, (В.1)
часто встречающийся в теории вероятностей и ее приложениях. Как видно из (В.1), интеграл Пуассона является функцией параметра α. Перемножив два таких интеграла, перейдем затем в полученном выражении от декартовых переменных х, у к полярным r, φ, что позволит просто вычислить этот интеграл:
Откуда находим . Таким образом, интеграл Пуассона
. (В.2)
Выражение В.2 представляет собой тождество, справедливое при любых α > 0. Продифференцировав его по параметру α, получим
. (В.3)
Дифференцируя тождество (В.3) снова по параметру α, будем иметь
. (В.4)
Учитывая, что подынтегральные функции в выражениях (В.3) и (В.4) четные, нетрудно получить следующие тождества:
, (В.5)
. (В.6)
2. Часто при применениях распределения Максвелла встречаются интегралы вида
,
где n – нечетное число. При n =1 интегрирование дает
,
т. е.
. (В.7)
Продифференцируем тождество (В.7) по параметру α. В результате получим
. (В.8)
Дифференцирование второй раз дает
. (В.9)