Scheinbares Paradoxon in der statistischen Mechanik

Ich kann nicht verstehen, warum die Wahrscheinlichkeit eines Partikels im Zustand ist ϵ ich in einem kanonischen Ensemble, hängt nicht von der Anzahl der Teilchen in diesem Zustand ab.

Die Wahrscheinlichkeit, dass sich ein einzelnes Teilchen im Zustand befindet ϵ ich ist durch die Gibbs/Boltzmann-Wahrscheinlichkeit gegeben P ich = e β ϵ ich Z .

Dies hängt nur vom Energieniveau und der Temperatur ab.

Die klassische Definition der Wahrscheinlichkeit sagt mir jedoch, dass die Wahrscheinlichkeit, dass sich ein Teilchen in einem bestimmten Zustand befindet, gleich der Anzahl der Teilchen in diesem Zustand geteilt durch die Gesamtzahl der Teilchen wäre. Obwohl die Gibbs-Wahrscheinlichkeit dieser Beschreibung entspricht, wenn die Anzahl der Teilchen aufgrund der frequentistischen Interpretation gegen unendlich tendiert, kann ich mich anscheinend nicht um die Tatsache kümmern, dass für den endlichen Fall die Wahrscheinlichkeit, dass ein Teilchen eine bestimmte Energie hat, unabhängig sein kann der Anzahl der Teilchen in dieser Ebene.

Nehmen Sie dieses scheinbare Paradoxon als Beispiel:

Nehmen wir die Gibbs-Wahrscheinlichkeit an, dass sich ein Teilchen in einem Zustand befindet e ich wird von gegeben P ich . Das bedeutet, dass es immer eine geben wird P ich Chance, das Teilchen in diesem Zustand zu finden. Die Energie eines Teilchens schwankt jedoch, und die Bevölkerungszahl eines Zustands ändert sich ständig aufgrund von Kollisionen usw. Einer der unwahrscheinlichen, aber möglichen Mikrozustände ist es jedoch 0 Teilchen in diesem Zustand. Angenommen, zur Zeit T in diesem Zustand gibt es keine Teilchen. Dafür gibt es eine endliche Wahrscheinlichkeit. Auch wenn wir nie wissen können, wann dies geschieht, sagt uns unsere Intuition, dass die Chance, ein Teilchen in diesem Zustand zu finden, in diesem Fall groß sein muss 0 , denn per Definition gibt es in diesem Zustand keine Teilchen, dh das System befindet sich in einem Mikrozustand mit 0 Partikel hinein e ich . Aber selbst dann haben wir eine P ich Prozent Wahrscheinlichkeit, das Teilchen in diesem Zustand zu finden.

Wie kann ich dieses scheinbare Paradoxon auflösen?

Meine Idee war, anstatt Partikel wie Murmeln in einer Kiste zu behandeln, in der die Wahrscheinlichkeit, eine blaue Murmel zu erhalten, gleich der Gesamtzahl blauer Murmeln dividiert durch die Gesamtzahl der Murmeln ist, sollte ich diese Partikel wie Würfel behandeln. Wenn wir a werfen 100 Würfel, die Chance, mit einem einzigen Würfel eine Sechs zu bekommen, ist unabhängig davon, wie viele Würfel eine Sechs auf dem Boden zeigen. Also, auch wenn keiner der 100 Würfel, zeige eine Sechs, da ist noch eine 1 / 6 Wahrscheinlichkeit, dass ein einzelner Würfel eine Sechs zeigt.

Ist das die richtige Analogie? Ist es absolut falsch, diese Partikel mit Murmeln in einer Tüte zu vergleichen? Soll ich sie stattdessen mit Münzen oder Würfeln oder ähnlichem vergleichen? In diesem Fall ist die Überprüfung eines einzelnen Partikels auf seine Wahrscheinlichkeit gleichbedeutend mit der Bestimmung der Wahrscheinlichkeit, eine blaue Murmel aus einer Schachtel mit Murmeln aufzuheben, oder ist es gleichbedeutend mit der Überprüfung der Wahrscheinlichkeit, dass ein einzelner Würfel eine Sechs würfelt oder eine einzelne Münze geworfen wird voraus ?

Das ist nicht die klassische Definition der Wahrscheinlichkeit, sondern die klassische Definition der statistischen Messung. Die Leute neigen dazu, sie zu verschmelzen, aber sie sind anders.
„Obwohl wir nie wissen können, wann [0 Teilchen befinden sich in einem bestimmten Zustand] passiert, sagt uns unsere Intuition, dass die Chance, ein Teilchen in diesem Zustand zu finden, 0 sein muss, wenn dies passiert, weil es per Definition keine Teilchen in diesem Zustand gibt state" -- Wenn ich eine Münze werfe, sie dann anschaue und sehe, dass sie Kopf zeigt, bedeutet das, dass die Wahrscheinlichkeit, Kopf zu bekommen, 1 war und die Wahrscheinlichkeit, Zahl zu bekommen, 0 war?
@DanielWagner Ich scheine meinen Fehler jetzt zu verstehen. Ich nehme an, das Hauptproblem bestand darin, zwischen einem Experiment mit der Auswahl einer Murmel und einem Experiment mit Würfeln zu verwechseln.

Antworten (2)

Die erste wichtige Sache, die es zu verstehen gilt, ist die Idee eines statistischen Ensembles . Was man tut, ist, ein reales physikalisches System – sagen wir eine Gaskiste auf einem Tisch – durch ein imaginäres Ensemble zu ersetzen, das aus einer riesigen (oder formal unendlichen) Anzahl von Kopien des Systems besteht, jede in einem anderen möglichen Mikrozustand, und ein Wahrscheinlichkeitsmaß , das jedem Mikrozustand (oder im unendlichen Fall jedem messbaren Satz von Mikrozuständen) eine Wahrscheinlichkeit zuweist, von dem zu modellierenden realen System besetzt zu sein. Von daher sprechen wir, wenn wir über die statistischen Eigenschaften unseres Systems sprechen, wirklich über die statistischen Eigenschaften des Ensembles .

Beim Gas in der Kiste könnte man zum Beispiel nach der Wahrscheinlichkeit fragen P dass sich >51 % der Gaspartikel in der linken Hälfte des Kästchens befinden. Um dies zu berechnen, würden wir zuerst jeden Mikrozustand zuweisen μ eine Wahrscheinlichkeit P μ besetzt zu sein; von dort würden wir die Summe aller nehmen P μ entspricht Mikrozuständen, die die Bedingung > 51 % erfüllen. Wenn zum Beispiel alle Mikrozustände gleich wahrscheinlich sind, dann P ist nur die Anzahl der Mikrozustände, die die Bedingung von > 51 % erfüllen, dividiert durch die Gesamtzahl der Mikrozustände.

Wenn wir unsere Aufmerksamkeit wieder auf die Gaskiste auf dem Tisch vor uns richten, könnten wir dies interpretieren P auf zwei verschiedene Arten:

  1. Es sagt uns, dass, wenn wir die Box messen N Mal sollten wir erwarten, dass es die >51%-Bedingung erfüllt P N Zeiten (siehe Frequentismus ).
  2. Es gibt uns ein Maß für das Vertrauen, das wir haben sollten, dass, wenn wir die Box einmal messen, sie die >51%-Bedingung erfüllen wird (siehe Bayesianismus ).

Die Wahrscheinlichkeit, dass sich ein einzelnes Teilchen im Zustand befindet ϵ ich ist durch die Gibbs/Boltzmann-Wahrscheinlichkeit gegeben P = e β ϵ ich / Z

Dies ist im Allgemeinen ein Missverständnis, gilt aber unter bestimmten Bedingungen. Die Wahrscheinlichkeit, dass ein System - das in thermischem Kontakt mit einem Reservoir steht - mit Temperatur T - befindet sich in einem Mikrozustand mit Energie ϵ ich ist durch diesen Ausdruck gegeben, wobei die Zustandssumme die Summe über Mikrozustände ist μ :

Z = μ Mikrozustände e β ϵ μ
Nehmen wir nun an, dass das System besteht aus N nicht wechselwirkende, identische Teilchen, von denen jedes einen Zustand aus einer Reihe von Zuständen einnehmen kann σ mit Energien E σ . Da die Energie des Mikrozustands des gesamten Systems ϵ N nur die Summe aller Einzelteilchenenergien ist, dann können wir die Summe neu anordnen, um sie zu erhalten
Z = μ e β ϵ μ = ich Partikel σ Zustände e β E σ / N ! = Z 1 N / N !
Wo Z 1 = σ e β E σ die "Einzelteilchen"-Teilungsfunktion und der Faktor von ist N ! wurde eingefügt, um das Gibbs-Paradoxon aufzulösen . Im Wesentlichen betrachten wir ein einzelnes Teilchen als ein eigenständiges System.

Wenn wir dies tun, dann funktioniert Ihr Ausdruck - die Wahrscheinlichkeit, dass ein Zustand σ mit Energie E σ tatsächlich von einem ausgewählten Teilchen besetzt ist e β E σ / Z 1 . Der Grund, warum dies unabhängig von allen anderen Teilchen im System ist, liegt darin, dass wir angenommen haben, dass die Teilchen nicht interagieren; Infolgedessen weiß kein Teilchen, was die anderen tun, und ihre Einzelteilchen-Wahrscheinlichkeitsverteilungen sind voneinander unabhängig.

Auch wenn wir nie wissen können, wann dies geschieht, sagt uns unsere Intuition, dass die Wahrscheinlichkeit, ein Teilchen in diesem Zustand zu finden, in diesem Fall 0 sein muss, da es per Definition keine Teilchen in diesem Zustand gibt, dh das System befindet sich in einem Mikrozustand mit 0 Partikel drin e ich . Aber selbst dann haben wir eine P ich Prozent Wahrscheinlichkeit, das Teilchen in diesem Zustand zu finden. Wie kann ich dieses scheinbare Paradoxon auflösen?

Sie verwechseln das System mit dem Ensemble, das Sie verwenden, um es zu modellieren. Die Wahrscheinlichkeiten werden nicht aus dem realen System vor Ihnen auf dem Tisch berechnet; sie werden aus einem Ensemble identischer Systeme berechnet, die sich alle in unterschiedlichen Mikrozuständen befinden. Diese Wahrscheinlichkeit kann sowohl im frequentistischen als auch im Bayesschen Sinne interpretiert werden, ist aber in beiden Fällen keine Aussage über den tatsächlichen Zustand des tatsächlichen Systems auf Ihrem Tisch.

Vielen Dank, aber in diesem Fall stoße ich auf ein anderes Problem. Ich habe dies in einer separaten Frage hervorgehoben , aber die Antwort, die ich dort erhalten habe, könnte ich nicht verstehen, wenn Sie freundlicherweise einen Blick darauf werfen würden.
Es wird gezeigt, dass wir für den Mehrteilchenfall eine Binomialverteilung verwenden, um die Anzahl der Teilchen in einem bestimmten Zustand zu finden. Sollten wir aber nicht statt dessen prüfen, welcher der vielen vielen Mikrozustände am ehesten der Mikrozustand in unserem System ist.
Anstatt die Binomialverteilung für die Anzahl der Teilchen in einem Zustand zu verwenden, kennen wir stattdessen die durchschnittliche Anzahl der Teilchen in dem Zustand. Angenommen, wir haben N Teilchen insgesamt, also können wir betrachten N + 1 verschiedene Mikrozustände, die so gekennzeichnet sind, dass die ich ten Mikrozustand hat genau ich Teilchen im Energiezustand.
Da ich die durchschnittliche Teilchenzahl im Energieniveau unseres Systems kenne, können wir nun anhand einer Binomialverteilung prüfen, welche davon N + 1 Mikrozustände haben, wie groß die Wahrscheinlichkeit ist, uns diese durchschnittliche Anzahl von Teilchen im Zustand zu geben. Dies wäre eine Binomialverteilung, aber die Wahrscheinlichkeiten wären für jeden dieser Mikrozustände unterschiedlich, da wir die genaue Anzahl der darin enthaltenen Teilchen kennen und nur auswählen müssen, welches am wahrscheinlichsten dasjenige ist, das wir ursprünglich hatten.
Die Antwort dort sagte, dass ich die Verteilung für den Schätzer des Mittelwerts überprüft habe. Ich habe jedoch keine Ahnung, was das alles bedeutet. Ich wäre wirklich froh, wenn Sie das durchgehen und es erklären könnten, damit ich es besser verstehen kann.
Ich habe meine Antwort dort aktualisiert. Hoffentlich zeigt es, dass Sie irgendwo auf der Linie von "so etwas wie einer voreingenommenen Münze" zu "so etwas wie einer fairen Münze" gewechselt sind. Da liegt meiner Meinung nach der Fehler.

Eine mögliche Analogie mit einem Würfel wird erwogen 1 , 2 , 3 , 4 , 5 , 6 als Energieniveaus. Wenn wir einfach 600 Würfel auf einmal werfen, ist das wahrscheinlichste Ergebnis, dass jede Energiestufe auf ungefähr 100 Würfeln vorkommt. Die Energie des Systems beträgt ca 2100 ( 3 , 5 × 600 ) .

Wenn wir jedoch sagen, dass die Energie ist 1500 , und weisen Sie alle Ergebnisse als ungültig zurück, bei denen sich die Summe von unterscheidet 1500 , erhalten wir die typische Exponentialfunktion der Boltzmann-Verteilung. Die Häufigkeit von 1 ist und 2 's wird größer sein als 5 ist und 6 'S.

Es ist die Einschränkung für die Gesamtenergie, die die Wahrscheinlichkeit jedes Energieniveaus auf das beschränkt, was es in der Boltzmann-Verteilung ist.

Können Sie das bitte erläutern, ich scheine verloren zu sein. Wenn Sie von Gesamtenergie sprechen, meinen Sie im Wesentlichen System + Reservoir rechts, da nur die Energie des Systems ständig schwankt
Außerdem ist die Analogie mit den Murmeln definitiv falsch, oder?
Mit Gesamtenergie meine ich ein isoliertes System. Die Energie ist konstant. Jede Komponente (in diesem Beispiel Würfel) kann zufällig ein beliebiges Energieniveau einnehmen, aber es gibt die Einschränkung, dass die Gesamtenergie festgelegt ist. Es ist nützlich, es in einer Tabelle mit der Zufallsfunktion zu simulieren.