Freie Universit¨at Berlin WS 2006/2007
Fachbereich Physik 25.10.2006
Statistische Physik - Theorie der W¨ arme
(PD Dr. M. Falcke)
Ubungsblatt 2: ¨ Bayesche Formel, charakteristische Funktionen und statistische Unabh¨angigkeit
Aufgabe 1 (2 Punkte)
Gegeben seien 5 Urnen folgenden Inhalts:
2 Urnen vom Inhalt A 1 mit je 2 weißen und 3 schwarzen Kugeln,
2 Urnen von Inhalt A 2 mit je einer weißen Kugel und 4 schwarzen Kugeln, 1 Urne mit dem Inhalt A 3 mit 4 weißen Kugeln und einer schwarzen Kugel.
Aus einer willk¨urlich ausgew¨ahlten Urne werde eine Kugel herausgenommen. Sie sei weiß. Wie gross ist die W.keit daf¨ur, dass die herausgegriffene Kugel aus der Urne vom Inhalt A 3 stammt?
Aufgabe 2 (2 Punkte)
In der Vorlesung wurden neben der charakteristischen Funktion einer Wahrscheinlichkeitsdichte w(x) G(k) =
Z
R
dx w(x)e ikx = X ∞ n=0
(ik) n n! h x n i auch die durch
ln G(k) = X ∞ n=1
(ik) n n! hh x n ii definierten Kumulanten hh x n ii eingef¨ uhrt.
Berechen Sie die Kumulanten bis zur vierten Ordnung als Funktion der Momente h x n i !
Aufgabe 3 (6 Punkte)
Berechnen Sie die charakteristische Funktion f¨ ur die Binomial- und die Gaussverteilung. Berechnen Sie weiterhin Mittelwert und Varianz f¨ ur beide Verteilungen
(a) mit Hilfe der charakteristischen Funktion.
(b) mit Hilfe der Definition f¨ur die Momente.
Aufgabe 4 (2 Punkte)
ϕ ist ein zuf¨alliger Phasenwinkel, dessen W.keitsverteilung im Intervall [0, 2π] die Gleichverteilung sein soll. Weiterhin sei
x = cos ϕ, y = sin ϕ.
Berechnen Sie die Verbundw.keitsverteilung p xy (x, y), die Randverteilungen p x (x) und p y (y) sowie die Kovarianz h (x − h x i ) (y − h y i ) i ϕ . Sind die beiden Variablen x und y unabh¨angig?
Abgabetermin: Mittwoch, 1.11.2006 vor Beginn der Vorlesung.
L¨ osungen
Aufgabe 1
Sei B das Ereignis, dass die gezogene Kugel weiss ist. Weiterhin ist P (A 1 ) = 2/5 P (B/A 1 ) = 2/5 P (A 2 ) = 2/5 P (B/A 2 ) = 1/5 P (A 3 ) = 1/5 P (B/A 3 ) = 4/5
so dass die gesuchte W.keit P (B/A 3 ) gem¨ass der Bayeschen Formel f¨ ur a posteriori W.keiten gleich P (A 3 /B) = P (B/A 3 )P (A 3 )
P 3
i=1 P (B/A i )P (A i ) = 2 5 ist.
Aufgabe 2
Analog den Momenten h x n i , die man aus den Ableitungen der charakteristischen Funktion G(k) nach ik an der Stelle k = 0 bekommt
µ n ≡ h x n i = d n
d(ik) n G(k) | k=0 , (1)
erh¨alt man die Kumulanten aus den Ableitungen von ln G(k) nach ik an der Stelle k = 0:
κ n ≡ hh x n ii = d n
d(ik) n ln G(k) | k=0 . Insbsondere lassen sich die Kumulanten gem¨ass
κ n = d n− 1 d(ik) n − 1
1 G(k)
d
d(ik) G(k) | k=0
iterativ aus den Momenten berechnen. F¨ ur die folgenden Rechnungen setzen wir d/d(ik)G(k) ≡ G ′ (k), d 2 /d(ik) 2 G(k) ≡ G ′′ (k), usw.
F¨ ur die erste Kumulante erhalten wir κ 1 = d
d(ik) ln G(k) | k=0 = 1
G(0) G ′ (k) | k=0 = µ 1 .
Hier haben wir G(0) = 1 und die Definition der charakteristischen Funktion (1) als momentengene- rierende Funktion benutzt. Analog erh¨alt man f¨ur die h¨oheren Kumulanten:
κ 2 = d d(ik)
1 G(k) G ′ (k)
| k=0
= − 1
G 2 (0) [G ′ (0)] 2 + 1
G(0) G ′′ (0) κ 2 = µ 2 − µ 2 1 .
κ 3 = d 2 d(ik) 2
1 G(k) G ′ (k)
| k=0
= 2
G 3 (0) [G ′ ] 3 − 3
G 2 (0) [G ′ ]G ′′ + 1
G(0) G ′′′ (0)
κ 3 = µ 3 − 3µ 1 µ 2 + 2µ 3 1 .
κ 4 = d 3 d(ik) 3
1 G(k) G ′ (k)
| k=0 (2)
= − 6
G 4 (0) [G ′ ] 4 + 12
G 3 (0) [G ′ (0)] 2 G ′′ (0) − 3
G 2 (0) [G ′′ (0)] 2 − 4
G 2 (0) G ′ (0)G ′′′ (0) + 1
G(0) G 4 (0) κ 4 = µ 4 − 4µ 1 µ 3 − 3µ 2 2 + 12µ 2 1 µ 2 − 6µ 4 1 .
Aufgabe 3
Zun¨achst zu den charakteristischen Funktionen:
Binomialverteilung
p n = N
n
p n (1 − p) N −n (3)
G(k) = X N
n=0
e ikn N
n
p n (1 − p) N −n
= X N
n=0
N n
(pe ik ) n (1 − p) N−n
G(k) = (pe ik + 1 − p) N . Gaussverteilung
p(x) = Z
R
dx 1
√ 2πσ 2 e −
(x−µ)2 2σ2
G(k) = Z
R
dx 1
√ 2πσ 2 e ikx e −
(x−µ)2 2σ2
Quadratische Erg¨anzung liefert
G(k) = e ikµ e −
k2 2
σ
2Z
R
dx 1
√ 2πσ 2 e −
[(x−(µ+ikσ2 )]2 2σ2G(k) = e ikµ e −
k2 2
σ
2∞−ikσ Z
2−∞−ikσ
2dy 1
√ 2πσ 2 e −
y2 2σ2
,
wo wir y = x − (µ + ikσ 2 ) gesetzt haben, was den Integrationsweg in die komplexe y-Ebene auf eine zur rellen Achse parallele Geraden durch den Punkt y = − ikσ 2 verschiebt. Da der Integrand f (y) = √ 1
2πσ
2e −
y2
2σ2
eine in der gesamten komplexen Ebene holomorphe Funktion ist, gilt der Cauchysche Integralsatz, wonach das Ringintegral einer holomorphen Funktion ¨ uber einen geschlossenen einfach zusammenh¨angenden Weg gleich Null ist, insbesondere gilt (siehe Abbildung 1):
Z
1
+ Z
2
+ Z
3
+ Z
4
≡ lim
R →∞
n R − ikσ
2
Z
−R−ikσ
2+ Z R
R−ikσ
2+
− R
Z
R
+
− R Z − ikσ
2−R
o
f (y)dy = 0, (4)
sodass der Integrationsweg wieder zur¨ uck auf die relle Achse verschoben werden darf, falls die
Integrale ¨ uber die Teilst¨ ucke 2 und 4 im Limes R → ∞ verschwinden. Diese lassen sich aber
− R R
− ikσ
21
2 3
4 Re(y)
Im(y)
Abbildung 1: Integrationsweg in der komplexen y-Ebene.
einfach absch¨atzen, z.B. findet man
R→∞ lim Z R
R − ikσ
2√ 1
2πσ 2 e −
y2
2σ2
dy = lim
R→∞
Z 0
− kσ
2√ 1
2πσ 2 e −
(R+it)22σ2i dt
= lim
R→∞ e −
R2 2σ2
Z 0
− kσ
2√ i
2πσ 2 e −
2iRt−t2 2σ2
dt.
Das Integral ist aber beschr¨ankt, denn 0 <
Z 0
− kσ
2√ i
2πσ 2 e −
2iRt−t2 2σ2
dt
≤ Z 0
− kσ
2√ 1 2πσ 2
ie −
i2Rt2σ2| {z }
=1
e
−t2 2σ2
| {z }
≤ max
t∈[−kσ2,0]e
−t2 2σ2
≤ C
dt
≤ C
√ 2πσ 2 Z 0
− kσ
2dt = Ckσ 2
√ 2πσ 2 < ∞ ,
sodass
R→∞ lim Z R
R − ikσ
2√ 1
2πσ 2 e −
y2
2σ2
dy = 0
Analog l¨asst sich das Integral ¨uber den Weg 4 absch¨atzen, sodaß wir schliesslich
∞−ikσ Z
2−∞−ikσ
2dy 1
√ 2πσ 2 e −
y2 2σ2
=
Z ∞
−∞
dy 1
√ 2πσ 2 e −
y2 2σ2
und damit f¨ur die charakteristische Funktion der Gaussverteilung G(k) = e ikµ e −
k2 2
σ
21
√ 2πσ 2 Z ∞
−∞
dye −
y2
2σ2
(5)
= e ikµ e −
k22σ
21
√ 2πσ 2
√ 2πσ 2
G(k) = e ikµ e −
k2
2
σ
2erhalten.
(3a)
Wir berechnen nun Mittelwert und Varianz der beiden Verteilungen mit Hilfe der charakteristischen Funktionen (4) und (6). F¨ ur die folgenden Rechnungen setzen wir ik = s und bezeichnen Ableitungen nach s mit ′ .
Binomialverteilung F¨ur die ersten beiden Momente erhalten wir µ 1 = G ′ (s = 0)
= N (pe s + 1 − p) N − 1 pe s | s=0
= N p µ 2 = G ′′ (s = 0)
= N (N − 1)(pe s + 1 − p) N − 2 (pe s ) 2 | s=0 + N (pe s + 1 − p) N − 1 pe s | s=0
= N (N − 1)p 2 + N p, soadss wir f¨ur die Varianz
σ 2 = µ 2 − µ 2 1 = N 2 p 2 − N p 2 + N p − (N p) 2 = N p(1 − p) bekommen.
Gaussverteilung Mit der charakteristischen Funktion f¨ur die Gaussverteilung G(k) = e ikµ e
(ik)22σ
2G(ik = s) = e sµ e
s2 2
σ
2erhalten wir folgende Ausdr¨ ucke f¨ur die ersten beiden Momente µ 1 = G ′ (s = 0)
= (µ + sσ 2 )e sµ e
s2 2
σ
2| s=0
= µ
µ 2 = G ′′ (s = 0)
=
µ(µ + sσ 2 ) + σ 2 + sσ 2 (µ + sσ 2 ) e sµ e
s2 2
σ
2| s=0
= µ 2 + σ 2 , sodass die Varianz
h ( △ x) 2 i = µ 2 − µ 2 1 = σ 2 wird.
(3b)
Wir kommen nun zur Berechnung von Mittelwert und Varianz mit Hilfe der Definition f¨ ur die Mo-
mente.
Binomialverteilung
h n i =
X N
n=0
n N!
n!(N − n)! p n (1 − p) N−n
(n=0 →n=1)
=
X N
n=1
N !
(n − 1)!(N − n)! p n (1 − p) N −n
n− 1 →m
=
N− 1
X
m=0
N!
m!(N − (m + 1))! p m+1 (1 − p) N − (m+1)
= N p
N− 1
X
m=0
(N − 1)!
m!(N − 1 − m)! p m (1 − p) (N − 1) − m
= N p,
da f¨ur die Gesamtwahrscheinlichkeit eines Bernoulli Experiments mit N − 1 Versuchen gilt:
N − 1
X
m=0
(N − 1)!
m!(N − 1 − m)! p m (1 − p) (N − 1) − m =
N − 1
X
m=0
N − 1 m
p m (1 − p) (N − 1) − m
= (p + 1 − p) N− 1 ≡ 1
h n 2 i =
X N
n=0
n 2 N !
n!(N − n)! p n (1 − p) N−n
=
X N
n=0
n(n − 1) N !
n!(N − n)! p n (1 − p) N − n + X N
n=0
n N !
n!(N − n)! p n (1 − p) N − n
=
X N
n=0
n(n − 1) N !
n!(N − n)! p n (1 − p) N − n + N p
(n=0 → n=2)
=
X N
n=2
N !
(n − 2)!(N − n)! p n (1 − p) N −n + N p
(n − 2 → m)
=
N − 2
X
m=0
N !
m!(N − 2 − m)! p m+2 (1 − p) N− 2 −m + N p
= N (N − 1)p 2
N − 2
X
m=0
(N − 2)!
m!(N − 2 − m)! p m (1 − p) N − 2 − m + N p
= N (N − 1)p 2 + N p,
da f¨ ur die Gesamtwahrscheinlichkeit eines Bernoulli Experiments mit N − 2 Versuchen ebenfalls gilt:
N − 2
X
m=0
(N − 2)!
m!(N − 2 − m)! p m (1 − p) (N − 2) − m =
N − 2
X
m=0
N − 2 m
p m (1 − p) (N − 2) − m
= (p + 1 − p) N − 2 ≡ 1.
Gaussverteilung µ 1 =
Z ∞
−∞
dx x
√ 2πσ 2 e −
(x−µ)22σ2y=x−µ
= 1
√ 2πσ 2 Z ∞
−∞
dy ye −
y2 2σ2
| {z }
=0
+ µ
√ 2πσ 2 Z ∞
−∞
dy e −
y2 2σ2
| {z }
= √ 2πσ
2µ 1 = µ
µ 2 = Z ∞
−∞
dx x 2
√ 2πσ 2 e −
(x−µ)22σ2y=x − µ
= Z ∞
−∞
dy y 2
√ 2πσ 2 e −
y2
2σ2
+ 2 µ
√ 2πσ 2 Z ∞
−∞
dy ye −
y2 2σ2
| {z }
=0
+ µ 2
√ 2πσ 2 Z ∞
−∞
dy e −
y2 2σ2
| {z }
= √ 2πσ
= 1
√ 2πσ σ 3 d dσ
Z ∞
−∞
dy e −
y2 2σ2