15.3 Discuta a relação entre os conceitos de ‘população,’ ‘configuração’ e ‘peso’. Qual é a importáncia da distribuiçĩo mais provável?
Passo 1
O enunciado pede duas coisas claras:
- Explicar a relação entre os conceitos de “população”, “configuração” e “peso”.
- Dizer qual é a importância da “distribuição mais provável”.
Informações dadas (implícitas no enunciado): trata-se de um sistema com
objetos (partículas, bolas, indivíduos, etc.) distribuídos entre vários “estados” ou “caixas” indexados por
. Não há números concretos no enunciado, então a discussão será conceitual e ilustrada com exemplos simples.
Passo 2
O que significa “população” — definição e notação.
- Chama-se população o número de objetos que ocupam cada estado
. - Denota-se por
a população do estado . - A condição de conservação do número total é
onde
é o número total de objetos.
Explicação didática: pense em bolas que podem estar em várias caixas; a população
é quantas bolas estão na caixa
. Em problemas de prova, quase sempre terá que lidar com esses
e com a soma acima.
Explicação didática: pense em
Passo 3
O que significa “configuração” — microestado versus macrostate.
- Configuração (no sentido que usaremos aqui) é uma disposição completa e identificável de onde está cada objeto — isto é, especificar para cada uma das
partículas em qual estado ela está. Esse é o “microestado”. - O conjunto
é por vezes chamado de “macrostate” ou também de “configuração de ocupações”: ele não distingue quais partículas individuais ocupam cada estado, só quantas ocupam.
Exemplo para fixar a ideia: compartículas e três caixas , - Uma configuração (microestado) pode ser: partícula 1 em
, 2 em , 3 em . - O correspondente conjunto de populações é
.
- Uma configuração (microestado) pode ser: partícula 1 em
Passo 4
O que é “peso” (multiplicidade) e como calculá-lo.
- O “peso”
de uma população é o número de configurações (microestados) diferentes que correspondem exatamente àquele conjunto de populações. Em palavras: quantas maneiras distintas de atribuir as partículas aos estados geram os mesmos . - Para partículas distinguíveis (caso clássico), a contagem é puramente combinatória: primeiro permuta-se as
partículas e depois divide-se por permutações internas entre as idênticas dentro do mesmo estado. Assim obtém-se a fórmula multinomial
Aqui
é o número de permutações de
objetos, e cada
corrige porque permutar as partículas dentro do mesmo estado não gera uma nova população.
- Observação rápida sobre indistinguibilidade/quântica: para bosões e férmions as contagens e restrições mudam (férmions têm
em cada órbita, bosons admitem várias ocupações), e então a expressão do peso não é necessariamente a multinomial simples. Em provas, o enunciado costuma dizer se as partículas são clássicas/distinguíveis ou quânticas; se não disser, o caso clássico é o ponto de partida.
Passo 5
Exemplo numérico simples para ver o que é peso na prática.
- Considere
e três estados . Tome a população (2 em , 1 em , 0 em ). O peso é
- Listando microestados (partículas rotuladas 1,2,3): as 3 configurações são (1,2 em
, 3 em ); (1,3 em , 2 em ); (2,3 em , 1 em ). Então há exatamente 3 microestados que dão a mesma população .
Conclusão didática: o peso é uma contagem concreta; populações que podem ser obtidas por muitas configurações têm peso grande.
Passo 6
Por que a “distribuição mais provável” importa — ideia física e probabilística.
- Se todas as configurações (microestados) forem igualmente prováveis, a probabilidade de observar uma população
é proporcional ao seu peso . Portanto a “distribuição mais provável” é a que maximiza . - Para sistemas com grande
a multiplicidade costuma ser extremamente desigual: uma população (ou um pequeno conjunto de populações próximas) tem peso muito maior que as demais. Isso significa que, na prática, o sistema passa a maior parte do tempo em populações muito próximas da mais provável — é por isso que as previsões macroscópicas são estáveis e reprodutíveis. - Explicação com escala: usando a aproximação de Stirling
, vê-se que cresce com e que as flutuações relativas em torno do máximo têm ordem típica . Para macroscópico (por exemplo ), essas flutuações são desprezíveis.
Passo 7
Como se encontra a distribuição mais provável (esquema resolutivo que aparece em provas).
- Método prático: maximizar
sujeito às restrições físicas (por exemplo e, se houver, , energia fixa). - Como é mais fácil trabalhar com somas, maximiza-se
em vez de . Para partículas clássicas distinguíveis,
Aplicando Stirling
, e impondo as restrições por multiplicadores de Lagrange (digamos
para número e
para energia), obtém-se, após variar em relação a
,
ou seja
- Interpretação: a distribuição que maximiza o peso sob as restrições é uma distribuição exponencial nas energias; no caso físico identifica-se
e fixa a normalização. Essa é a origem combinatória da distribuição de Maxwell–Boltzmann. Para bosons e férmions a maximização de (com suas contagens corretas) dá, respectivamente, as distribuições de Bose–Einstein e Fermi–Dirac.
Passo 8
Consequências práticas e intuição final (motivação para provas e aplicações).
- A distribuição mais provável justifica por que, em termodinâmica e em estatística, podemos usar fórmulas médias: o valor observado macroscópico coincide praticamente com a distribuição que maximiza
. - A definição de entropia de Boltzmann
liga diretamente a multiplicidade (peso) ao conceito termodinâmico de desordem; maximizar equivale a maximizar , ou seja, o sistema tende ao estado de maior entropia compatível com as restrições. - Em provas: quando pedirem “qual distribuição é observada em equilíbrio”, a resposta combinatória é: a que maximiza o peso
sob as restrições do problema — e isso leva às distribuições usuais (MB, BE, FD) dependendo da natureza das partículas.
Resposta
A população é o conjunto de números de ocupação
(quantos objetos estão em cada estado
), a configuração é a especificação completa de onde está cada objeto (microestado), e o peso
é o número de configurações que correspondem àquela população. A distribuição mais provável é a
que maximiza
sob as restrições físicas; ela domina a probabilidade para
grande, explica a estabilidade dos valores macroscópicos, e, via
, dá a conexão entre contagem combinatória e entropia, levando às distribuições de equilíbrio (por exemplo Maxwell–Boltzmann, Bose–Einstein, Fermi–Dirac) conforme o caso.