Desta forma, sempre é possível ter uma visão estatística do que se deseja descrever física, matemática ou computacionalmente. Ou seja, modelos rigorosamente realísticos devem utilizar de alguma forma a teoria da probabilidade em seus processos. Para tanto, ao olhar da mecânica estatística (física) é possível definir um sistema macroscópico como sendo um conjunto de sistemas microscópicos (ou do inglês, um ensemble), de cardinalidade muito alto (tendendo ao infinito).
Uma forma muito simples conceitualmente, e também muito interessante, de se modelar vários processos naturais (pelo menos em primeira aproximação) é o procedimento chamado "Caminhada Aleatória", ou do inglês Ramdom Walk. Este procedimento tem inúmeras aplicabilidades, desde o mundo microscópico até o astronômico, permeando as ciências da física, matemática, estatística, química, biologia, dentre outras.
Hipoteticamente, é possível de definir uma Caminhada Aleatória através do enunciado do seguinte problema: Seja um indivíduo que se encontra em um estado de embriagues alcoólica. Este indivíduo está bêbado o suficiente para não ter controle sobre os seus passos, mas está sóbrio o suficiente para conseguir ficar de pé e caminhar. Inicialmente o indivíduo está em um bar, e visto que o seu dinheiro acabaou, só resta para ele voltar a pé para sua residência.
Por simplicidade, considere o problema unidimensional, ou seja, o bêbado só poderá dar um passo por unidade de tempo, sendo este ou para a direita ou para a esquerda. Dado o estado de embriagues do indivíduo, todos os seus passos são considerados independentes dos respectivos passos anteriores. Suponha também que todos os passos tenham o mesmo tamanho l. Logo, cada vez que o bêbado dá um passo, a probabilidade deste passo ser para a direita será p e para a esquerda será q=1-p. No caso mais simples p=q, o que no nosso problema significa que a caminhada do bêbado está ocorrendo em uma região plana, não havendo nenhum privilégio para o passo a direita ou a esquerda. Contudo, no caso geral p \neq q, o que implicaria, por exemplo, a caminhada do bêbado em uma ladeira.
Assim, admitindo que o ponto de partida do bêbado seja o bar (localizado em x=0) e que toada a sua caminhada ocorrerá sobre o eixo x (uma dimensão), a localização do bêbado tem que ser da forma,
\begin{equation} x = ml \end{equation}
onde m é um inteiro (positivo, negativo ou zero)em um dado instante qualquer.
Desta forma, a questão natural é: depois de N passos, qual a probabilidade do bêbado estar na posição x=ml? Ou equivalentemente, se sua residência está a k passos do bar (N \geq k), qual a probabilidade do bêbado chegar em sua casa depois de N passos?
Em uma visão estatística, seria necessário realizar várias vezes a observação do bêbado andando ou considerar vários homens bêbados realizando a caminhada em busca de sua casa ou mesmo tempo. Neste último senário, depois de N passos, qual a fração destes homens estaria na posição x=ml? Ou ainda, qual a fração destes homens teria alcançado a sua casa (todos estão tentando chegar até a mesma casa!).
Este problema fictício (assim espero...) aparentemente bob, ilustra alguns resultados fundamentais da teoria da probabilidade. Assim, sendo o bêbado representado por uma partícula, depois de N passos , cada um de tamanho l, tal partícula estará localizada em x=ml, sendo m um inteiro de valor,
\begin{equation} -N \leq m \leq N \end{equation}
Deseja-se calcular a probabilidade de se encontrar a partícula na posição x=ml depois de N passos. Para tanto, seja n_1 o número de passos dados para a direita, e n_2 o número de passos para a esquerda. Portanto,
\begin{equation} N=n_1 + n_2 \end{equation}
O deslocamento medido em unidades de comprimento de um passo, medidos a partir da posição do bar (x=0), é dado por
\begin{equation}\label{eqn:m} m=n_1-n_2 \end{equation}
Observe que m também poderia ser definido como m=n_2-n_1. Contudo, como está sendo considerado que a direção positiva está para a direita, utiliza-se a Equação \ref{eqn:m}. Vale também frisar que se for conhecida a quantidade de passos para a direita n_1 (ou para a esquerda n_2) é possível se determinar sua posição, visto que se conhece N,
\begin{equation} m=n_1-n_2 = n_1-(N-n_1) = 2n_1 - N \end{equation}
Dado que 2n_1 é um número par, m será par se N for par, e será ímpar se N também assim for.
Como todos os passos são estabelecidos independentemente, cada passo é caracterizado para sua respectiva probabilidade,
- p - probabilidade do passo ser para a direita;
- q=1-p - probabilidade do passo ser para a esquerda.
\begin{equation} \underbrace{p \cdot p \dots p}_{n_1} \cdot \underbrace{q \cdot q \dots q}_{n_2} = p^{n_1} \cdot q^{n_2} \end{equation}
Entretanto, observe que pode existir muitas formas de se ter N passos compostos por n_1 passos para a direita e n_2 passos para a esquerda. A quantidade de possibilidades de arranjos para uma dada configura de N passos é,
\begin{equation} \frac{N!}{n_1! n_2!} \end{equation}
Daí, a probabilidade P_N(n_1) de se ter n_1 pasos para a direita e n_2 = N-n_1 passos para esquerda (em um total de N passos) é,
\begin{equation}\label{eqn:binomial} P_N(n_1) = \frac{N!}{n_1! n_2!} p^{n_1} q^{N-n_1} \end{equation}
A Equação \ref{eqn:binomial} é chamada de distribuição binomial, visto que esta é um termo típico encontrado na expansão de (p+q)^N pelo teorema binomial,
\begin{equation}
(p+q)^N = \sum^N_{n=0}\frac{N!}{n! (N-n)!}p^n q^{N-n}
\end{equation}
Desta forma, escrevendo, n_1 = \frac{1}{2}(N+m) n_2 = \frac{1}{2} (N-m) a probabilidade de uma partícula (bêbado) ser encotrada na posição m depois de N passos é,
\begin{equation}
P_N(m) = \frac{N!}{ \left( \frac{1}{2}(N+m)\right) ! \left( \frac{1}{2}(N-m)\right) !} p^{ \frac{1}{2}(N+m)}q^{ \frac{1}{2}(N-m)}
\end{equation}
onde para o caso especial de p=q=\frac{1}{2},
\begin{equation}
P_N(m) = \frac{N!}{ \left( \frac{1}{2}(N+m)\right) ! \left( \frac{1}{2}(N-m)\right) !} \left( \frac{1}{2} \right) ^N
\end{equation}
As figuras abaixo apresentam as probabilidades de encontrar a partícula (o bêbado) na posição m para três situaçãoes, p=q=0,5; p=0,70 e q=0,30; e, p=0,30 e q=0,70. Vale frisar que, computacionalmente, poder existir alguma dificuldade em calcular a função fatorial para números não inteiros. Desta forma, é possível utilizar a função \Gamma (gama), onde Z! = \Gamma(Z+1) = \int^\infty_0 t^Z \exp(-t) dt
Nenhum comentário:
Postar um comentário