São Carlos, agosto de 2010

Aula 3

Tânia Tomé IFUSP 1

Tânia Tomé

Instituto de Física
Universidade de São Paulo
ttome@if.usp.br
http://fge.if.usp.br/~ttome/

Mário J. de Oliveira

Instituto de Física
Universidade de São Paulo
oliveira@if.usp.br

Tânia Tomé IFUSP 2

 Resumo

A descrição teórica de fenômenos fora do equilíbrio termodinâmico é

realizada por meio de diferentes formalismos mecânico-estatísticos e
termodinâmicos. A especificação do nível descritivo em que desejamos
investigar um sistema irreversível leva à seleção de um determinado
formalismo.

Neste curso apresentaremos sucintamente o formalismo

mecânico-estatísco que tem como base a dinâmica estocástica.

Esse formalismo compreende: sistemas de partículas interagentes

residindo em reticulados e evoluindo de acordo com uma
equação mestra, os quais são denominados de
modelos estocásticos em reticulados, e também processos
markovianos descritos por autômatos celulares probabilísticos.

Tânia Tomé IFUSP 3

 Resumo (continuação)
i) Propriedades das transições de fase cinéticas, ou seja, transições entre estados
estacionários de não-equilíbrio. A abordagem estocástica, acima referida, proporciona o
estudo teórico de várias propriedades dos estados estacionários de não-equilíbrio e das
classes de universalidade em sistemas irreversíveis;

ii) Aplicações relacionadas à modelagem de problemas biologicamente

motivados (ênfase em problemas da dinâmica de populações biológicas).

Por meio da dinâmica estocástica é possível analisar a relevância da localização espacial de

“elementos biológicos” interagentes em espaços não-homogêneos.

No caso da dinâmica de coexistência de sistemas predador-presa os elementos podem ser os

indivíduos das diferentes espécies;
em um processo de espalhamento de epidemia podem ser indivíduos suscetíveis, infectados e
recuperados.

Esses estudos são realizados utilizando principalmente simulações de Monte Carlo, pois essas são
capazes de prover padrões espaciais de distribuição dos elementos, os quais são essenciais na
análise do papel do espaço na modelagem desses sistemas.

Tânia Tomé IFUSP 4

 Mecânica estatística de Não-Equilíbrio
&
Dinâmica Estocástica

Mecânica estatística de equilíbrio Distribuições de Gibbs

Uma abordagem:

Tânia (2010)
Mecânica estatística de não-equilíbrio
Dinâmica Estocástica

Modelos estocásticos em reticulados

Transições de fase em sistemas fora do equilíbrio, classes de universalidade

e criticalidade.

Modelagem de problemas biologicamente motivados e outros.

Tânia Tomé IFUSP 5

 Aulas 3 e 4

Dinâmicas estocásticas em reticulados

Tânia Tomé IFUSP 6

 Dinâmicas estocásticas em reticulados

Sistemas de partículas (unidades, elementos) interagentes residindo

nos sítios de uma rede e evoluindo no tempo de acordo com uma
prescrição estocástica local.

Estado microscópico do sistema:

Tânia (2010)
  1 ,  2 , ...,  i ,...,  N  “Vetor estocástico”

i variável estocástica associada ao sítio i

Assume k valores denotam os estados de cada sítio.

Interesse principal: obtenção da distribuição de probabilidades

estacionária associada aos estados microscópicos do sistema e
médias de grandezas de estado.

Tânia Tomé IFUSP 7

EXEMPLO:
Rede quadrada regular

    sítio i da
    rede

   
   

 i  1
cada sítio i variável 
 ii assume k=2 valores:
 i  1
N sítios

2 N estados microscópicos 
do sistema   ( 1 , ...,  N )

Tânia Tomé IFUSP 8

 Dinâmicas estocásticas em reticulados

Modelos estocásticos em reticulados

Equação mestra

Autômatos celulares probabilísticos

Equação de evolução para a distribuição de probabilidades
de uma dinâmica markoviana síncrona.

Tânia (2010)
Tânia Tomé IFUSP 9
Modelos estocásticos em reticulados
Equação Mestra

d
P(  , t )    W (  , ´) P( ´, t )  W (  ´ , ) P( , t ) 
dt  ´(   )

Mudança de notação (com relação a aula anterior)

Estado 

P ( , t ) Probabilidade do estado 
no instante t

Tânia Tomé IFUSP 10

 Autômato celular probabilístico

Variável estocástica discreta   (1 ,  2 ,....,  i ,...,  N )

P 1 ( )   ' T ( |  ' ) P ( ' )

P ( ) Probabilidade do estado  no passo de tempo

T ( |  ' ) Probabilidade de transição  ´ 

N
T ( | ´)   wi ( i | ´) Atualização Síncrona
i 1

wi ( i | ´) : probabilidade de transição associada ao sítio i

11

Tânia Tomé IFUSP

 Modelos estocásticos em reticulados

d
P(  , t )    W (  , ´) P( ´, t )  W (  ´ , ) P( , t ) 
dt  ´(   )

Equação mestra

Regime estacionário


 
 W (  , ´) P
´(  )
est ( ´)  W (  ´ ,  ) Pest ( ) 0

Pest ( ) : distribuição de probabilidades estacionária.

Tânia Tomé IFUSP 12

 Balanceamento detalhado (BD)

W (  ,  ´) Pest ( ´)  W (  ´ ,  ) Pest ( ) BD

A probabilidade de transição
em t é igual a sua reversa.   ´

Dinâmica estocástica reversível

Tânia Tomé IFUSP 13

 dP( , t )
0
Estados estacionários dt

Estados estacionários Estados estacionários

de equilíbrio de
termodinâmico não-equilíbrio

Tânia Tomé IFUSP 14

 Sistemas em equilíbrio termodinâmico

Mecânica Estatística de Equilíbrio Distribuição de

probabilidade de Gibbs

 Estados microscópicos do sistema

 H ( ) /k BT
e
P( ) 

Tânia (2010)
Z

Propriedades macroscópicas do sistema em equilíbrio termodinâmico:

 F    F ( ) P( )


Tânia Tomé IFUSP 15

 Modelos estocásticos em reticulados reticulado
Exemplo (1): Modelo de Glauber-Ising
Cada sítio da rede pode estar em dois estados:

1
i 
1

Variável de spin associada ao sítio i da rede

Glauber, 1963
Para simular a evolução de um estado inicial qualquer de um sistema de Ising (*)
para o devemos acoplar uma dinâmica estocástica
que possui .

Acoplamos uma dinâmica que proporciona ao sistema relaxar para o equilíbrio.

Tânia Tomé IFUSP 16

 (*) Modelo de Ising

E ( )   J  i j  H  i Energia de uma configuração

( ij ) i
microscópica:
  ( 1 ,  2 , ... ,  i , ... ,  N )
 i  1 variável de spin associada ao sítio i
da rede
constante proporcional ao
H campo magnético externo.
J constante

 ...
soma sobre os pares de átomos vizinhos
na rede.
( ij )
Vamos considerar: H 0 E ( )   J   i j
( ij )
J 0
Tânia Tomé IFUSP 17
 Dinâmicas com mudança de um único sítio

Reticulado em um espaço de d dimensões

Variáveis estocásticas  i que assumem, por exemplo, os valores:  i  1
N
W ( ,  ')    ( 1 ,  1 ') .....  ( i ,   i ') ...  ( N ,  N ') wi ( ')
i 1

wi ( ) taxa de inversão de sinal da variável i  i

d
P(  , t )   wi (  i ) P( i , t )  wi (  ) P( , t ) 
dt i

  (1 ,....,  i ,....,  N )  i  (1 ,....,  i ,....,  N )

Sistemas com simetria de inversão: wi ( )  wi ( )

Tânia Tomé IFUSP 18

 Dinâmicas com mudança de um único sítio
&
Modelo de Glauber-Ising

1 J
wi ( )  [1   i tanh(
2

k BT 
 i  )] Glauber
(*) a soma é
sobre os
primeiros
vizinhos
2J
wi ( )  min(1, exp{  i   i  }) Metropolis do sítio i
kT 

Estado estacionário: possui balanceamento detalhado

wi ( ) P( i )   (1 ,....,  i ,....,  N )


wi ( ) P( )
i
 i  (1 ,....,  i ,....,  N )

Probabilidade estacionária associada ao modelo de Ising

e E ( ) /kT
P( )  E ( )   J   i  j
Z ( ij )

Tânia Tomé IFUSP 19

 T  Tc T  Tc T  Tc

estado ordenado T muito próxima estado desordenado

da crítica

Simulações de Monte Carlo em redes quadradas regulares.

Instantâneos da rede gerados utilizando a prescrição de Metropolis
para o modelo de Ising.

Tc Temperatura crítica

Tânia Tomé IFUSP 20

 Modelos em reticulados
Exemplo (2) reticulado
Modelo de Contato (Harris (1974))
“Modelo Suscetível – infectado – Suscetível (SIS)
espacialmente estruturado e estocástico”.
Cada sítio do reticulado pode estar ocupado por um
indivíduo.
Cada sítio pode estar em dois estados:

0 Sítio i ocupado por um indivíduo suscetível (S) z

i 
1 Sítio ocupado por um indivíduo infectado (I)

variável estocástica associada ao sítio i do reticulado.

Modelo de Contato é definido por uma dinâmica estocástica que não obedece
ao balanceamento detalhado. É um modelo que exibe um estado absorvente.
Tânia Tomé IFUSP 21
 Dinâmicas estocásticas irreversíveis

1) A irreversibilidade microscópica decorre da ausência de balanceamento

detalhado Estado estacionário de não-equilíbrio.

2) Sistema definido por uma dinâmica estocástica

(conjunto de regras markovianas locais).

Modelos com estados absorventes: modelos intrinsecamente

irreversíveis
Na evolução temporal, se o sistema cair em um estado microscópico

absorvente então o sistema não sai mais deste estado.

Tânia Tomé IFUSP 22

 Modelos com estados absorventes

Consideremos um modelo cuja dinâmica possui regras estocásticas

que mimetizam reações que ocorrem com uma certa taxa.
Se as reações inversas forem expressamente proibidas então o
modelo apresenta como estado estacionário um estado absorvente.

A dinâmica não obedece ao balanceamento detalhado.

Estado absorvente:

Se na sua evolução temporal o sistema de partículas cair em um estado

microscópico absorvente então o sistema não sai mais deste estado.

Tânia Tomé IFUSP 23

 Propriedade do estado absorvente
Exemplo: seja um sistema de partículas interagentes que evolui de acordo com
uma dinâmica em que o estado com ausência completa de partículas é um estado
estacionário.
Denota a ocupação do sítio por uma partícula (“elemento biológico”,
por exemplo:
Denota o sítio vazio
(Infectado)
Dinâmica estocástica (Suscetível)
intrinsecamente
irreversível

Transição permitida Transição proibida

t  t
Tânia Tomé IFUSP 24
 Modelo de contato ou Processo de Contato (PC)
Modelo estocástico em reticulado com um estado absorvente

Processo de contato Epidemia simples

Sítio vazio Indivíduo susceptível (S)
Sítio ocupado Indivíduo infectado (I)

PC exibe uma transição de fase cinética de um estado absorvente para um

estado ativo  Limiar de espalhamento da epidemia

Estados estacionários:
Estado absorvente: rede completamente vazia (preenchida por indivíduos S).

Estado ativo: partículas são criadas e aniquiladas continuamente.

 Indivíduos S se tornam I e se recuperam continuamente.

25

Tânia Tomé IFUSP

 Dinâmica Local do Modelo de Contato
Sítio i é escolhido aleatoriamente
Taxa de
infecção: 
Se o sítio está ocupado por um indivíduo suscetível:

 / 2
(i) Infecção auto-catalítica: i 1 i i 1 i 1 i i 1



Tânia (2010)
Se o sítio i está ocupado por um indivíduo infectado:
i i
(ii) Recuperação espontânea: 1
Rede 1d
i 1 i 1i
___o______o______o_____o_____o____
Tânia Tomé IFUSP 26
 Modelo de contato em uma dimensão
i  0 I
(i) Infecção: 0
 i  1 S
1

i 1 i i 1 i 1 i i 1 i 1 i i 1

1 0 1 0 0 1 1 0 0
Taxa de
infecção: 
  /2  /2

1 1 0 0 1 1 1 1 0

Observe que o estado

do sítio i
i muda de  i
(ii) Recuperação
1
1
 para 1  i
0 1
tanto no proocesso (i) como
0
no processo (ii).
Tânia Tomé IFUSP 27
 Modelo de contato em uma dimensão: taxa de transição

Dinâmica de
um sítio i  0 I

Dinâmica i  1 S
global: 

W ( , ' )   j  ( , ' ) .... (c

1 1 j , (1  j ' )) ... ( N , ' N ))w j ( ' )

Modelo de contato em uma dimensão

Taxa de transição por sítio:


 j
(...)Soma sobre
os primeiros
{(1  i )  j  j }  i
Dinâmica
local: wi (i )  vizinhos do sítio i
2

Tânia Tomé IFUSP 28

Modelo de contato definido em uma
rede quadrada regular


wi (i )  (1  i )  j  j  i
4

i  0 I
i  1 S

 j
(...) Soma sobre
os primeiros
vizinhos do sítio i

Tânia Tomé IFUSP 29

Equação mestra: Dinâmica de um sítio
N
d
P( , t )   {wi ( i ) P( i , t )  wi ( ) P( , t )} (I)
dt i 1

  (1 ,2 , ...,i , ..., N ) (*) ver exemplo no próximo slide

 i  (1 ,2 , ..., (1 i ), ..., N )

Modelo de contato
Taxa de transição por sítio:
(d=1)

  Soma sobre
(1  i )  j  j  i
(...)
wi (i )  j os primeiros
2 vizinhos do sítio i

Tânia Tomé IFUSP 30

 Exemplos:

  (1,1, 1 , 0,1, 0, ...)  i  (1,1, 1 ,1,1, 0 ...)

  (1,1, 1 ,1,1, 0, ...)  i  (1,1, 1 , 0,1, 0, ...)

Tânia Tomé IFUSP 31

Densidade de individuos infectados

  k  P(1) Isotropia

P(1) Probabilidade de um sítio estar ocupado por um

infectado

Densidade de individuos suscetíveis:

Probabilidade de um sítio estar ocupado

P(0)  1  
por um indivíduo suscetível.

Tânia Tomé IFUSP 32

 Média de uma grandeza de estado A( ) qualquer
Isotropia
 A( )    A( ) P( , t ) (II)

Equação de evolução para A( )

N
d
 A( )   { [ A( j )  A( )] w j ( ) }
(III)
dt j 1

A( )  A (1 , ..., j , ..., N )

A( j )  A (1 , ..., (1  j ), ..., N )

(*) Essa equação pode ser obtida utilizando a equação mestra (I) e
a definição (II). OBTER!!
Tânia Tomé IFUSP
33
 Equação de evolução para a densidade de infectados

Se A( )  k  A( )    k    densidade de infectados

Tânia (2010)
A( j )  k k  j

Então
A( j ) 1   k k  j

0 k j
 A( j )  A( ) 
1  2 k k  j
Utilizando a Eq. (III):

d
  k   [1  2 k ] wk ( )  Equação de evolução para a
dt densidade de infectados
Tânia Tomé IFUSP
34
 Equação de evolução para a densidade de infectados
 k   

d
   [1  2 k ] wk ( ) 
dt

1 2 3 4
Rede 1d ___o______o______o_____o_____o____

Exemplo:

k  2  2    Isotropia

d
   [1  2 2 ] w2 ( ) 
dt
Eq. Evolução de infectados
Tânia Tomé IFUSP 35
 Equação de evolução para a
densidade de infectados

1 2 3 4
Rede 1d ___o______o______o_____o_____o____

k  2  2    I

d
   [1  2 2 ] w2 ( )  P(101)  P(1  1,2  0,3  1)
dt

d
  [1  2 (1)] w2 (111) P(111) 
dt
 [1  2 (1)] w2 (110) P(110) 
 [1] w2 (101) P(101)  [1] w2 (100) P(100)
-
 ...
Eq. Evolução de infectados
Tânia Tomé IFUSP 36
 Equação de evolução para a densidade de infectados

d
   P(01)  P(1)
dt

Tânia (2010)
Probabilidade de um sítio estar no estado 0 e seu vizinho
P(01)
no estado 1 correlação de dois sítios

Isotropia

 jk   P(11)

P(10)  P(01)  P(1)  P(11)

Tânia Tomé IFUSP 37

 Equações de evolução para correlações de pares de sítios vizinhos

Isotropia

 jk   P(11) P(10)  P(01)  P(1)  P(11)

d
P(11)   2 P(11)   P(10)   P(101) Eq .de evolução para
dt a correlação de dois
sítios depende da
correlação de
três sítios!
correlação de dois correlação
sítios de três sítios

Tânia Tomé IFUSP 38

 Aproximação de campo médio dinâmico
(Aproximação de “clusters”)
1) Aproximacão de Campo Médio Simples (CMS):

Aproximação de Campo médio Simples:

A probabilidade de um “cluster” de sitios é escrita como

o produto das probabildades da cada sítio.

Exemplo:

P(123 )  P(1 ) P(2 ) P(3 )

P(102)  P(1) P(0) P(2)

Tânia Tomé IFUSP 39

Aproximação de campo médio simples para o modelo de contato

P(10)  P(1) P(0) 

P(1) P(0)   (1   )

d
       (1   )
dt
0
c 

Soluções estacionárias:

 0 Fase absorvente de sucetível   c  1

(campo médio simples)


 1 Fase ativa   c

Tânia Tomé IFUSP 40
 Aproximação de campo médio com pares

12 3   P(12 3 )  P(1 | 2 3 ) P(2 3 )

Aproximação: P(12 )
P(1 | 2 3 ) 
P(2 )

P(1 2 ) P(2 3 ) Correlações de três ou mais

P(12 3 )  sítios são escritas em termos
P(2 ) de correlações de um e dois
sítios

Tânia Tomé IFUSP 41

 d    k   P(1)
   (  z)  
dt
z   k j   P(11)

d (   z)2
z   (  z)   2z

Tânia (2010)
dt (1   )

Soluções estacionárias:
CAMPO

  c  2
MÉDIO
 0 de suscetíveis

CAMPO MÉDIO
COM

 2  2
 z 2
 1 
42

Tânia Tomé IFUSP

 Densidade de infectados  versus taxa de infecção 

Esboço!

c 
Nas proximidades do ponto crítico:   (  c ) 
Campo médio simples c  1 Campo médio com pares c  2 Campo médio
 1
Simulações numéricas
c  3.2978 (2)   0.277
Sabag & Oliveira (2002)
Classe de universalidade
Expansões em séries
  3.29785 (2)
Jensen&Dickman (1993) c
da percolação direcionada
d+1 dimensões (d=1 neste caso).

Tânia Tomé IFUSP 43

Densidade de partículas versus taxa de criação de partículas
Simulações de Monte Carlo para o modelo de contato definido em
cadeias regulares de diversos tamanhos L
 versus 
 Densidade de infectados
T. Tomé & M. J. de Oliveira (2005)
= parâmetro de ordem

    c
L
c  3, 298(2)

 Classe de
universalidade
da percolação
  0, 277 direcionada

Limiar de
espalhamento TT & MJO, 2005
da epidemia
Taxa de

c  3, 298(2) Tânia Tomé IFUSP
infecção:
44
Simulações de Monte Carlo para o modelo de contato definido em cadeias
regulares


p Probabilidade de infecção:
1 
1 
q Taxa de infecção
1  Probabilidade de recuperação:

Cada sítio de uma rede pode estar em dois estados:

Suscetível (S)

Infectado (I): infectado e infectante (pode contagiar os vizinhos suscetíveis)

Tânia Tomé IFUSP 45

 Modelo de Contato definido em cadeias regulares de tamanho L

Simulação do modelo

Um sítio i é escolhido aleatoriamente.

. Se o sítio estiver no estado I

Então: gera-se um número aleatório x no intervalo (0,1)

Se x < q então I  S

Se o sítio estiver no estado S

conta-se o número de primeiros vizinhos nI do sítio.i que estão no estado I

Se x  p nI / 2 então S  I.

Tânia Tomé IFUSP 46

 Método de Monte Carlo

Realização computacional de um processo estocástico markoviano.

Simulação computacional de um modelo definido por uma dinâmica estocástica

markoviana.

Trajetória estocástica no espaço de configurações gerado pela

distribuição de probabilidades estacionária.

Médias de grandezas de estado

D K
1
K

 D 1
F ( ( ) )   F ( ) 

D número de passos descartados

Tânia Tomé IFUSP 47
Densidade de partículas versus taxa de criação de partículas
Simulações de Monte Carlo para o modelo de contato definido em
cadeias regulares de diversos tamanhos L
 versus 
 Densidade de infectados
T. Tomé & M. J. de Oliveira (2005)
= parâmetro de ordem

    c
L
c  3, 298(2)

 Classe de
universalidade
da percolação
  0, 277 direcionada

Limiar de
espalhamento TT & MJO, 2005
da epidemia
Taxa de

c  3, 298(2) Tânia Tomé IFUSP
infecção:
48
 Tânia (2010)
Processo de Contato em uma dimensão.
Regime subcrítico   c
Evolução temporal das configurações

c  3, 298(2)

  2, 0
  3, 0

Tempo


i
i
  z Tânia Tomé IFUSP
z    / // 49
 Cumulante reduzido de segunda ordem como função da taxa de
infecção fornece o ponto crítico

q  2
u
2

A partir do cruzamento de u

Valores críticos:

λc=3.298(2), uc =0.204(4)

Regime de λ pequeno:

 2 
u  1  
2 3 
TT & de Oliveira (2005)
Tânia Tomé IFUSP 50
 Modelos em reticulados
Exemplo (3) reticulado

Autômato celular probabilístico para sistema

imunológico
Cada sítio do reticulado pode estar ocupado por uma
célula de um determinado tipo.
Cada sítio pode estar em três estados:

0 Sítio i ocupado por uma célula (TH0)

i  1 Sítio i ocupado por por uma célula (TH1)

-1 Sítio i ocupado por por uma célula (TH2)

variável estocástica associada ao sítio i do reticulado.

Tânia Tomé IFUSP 51

 Autômato celular probabilístico para descrever uma parte do sistema imunológico

Altos níveis
de infecção
r  rc

baixos níveis
de infecção

r  rc
Densidade de células como função
do inverso da taxa de infecção r.

TT & Drugowich de Felício e colaboradores Número de células TH1 e TH2 como

(1996, 1998, 2000). função do tempo
(passos de Monte Carlo).

A resistência ou susceptibilidade a uma gama de infecções crônicas depende

da classe de células “T-Helper” que predominam (Brass et al, 1994).
Tânia Tomé IFUSP 52
 Autômato celular probabilístico para o sistema imunológico

Tipo de célula TH 0 TH 1 TH 2
Variável estocástica i 0 1 1
 1 se 

 j  0

si  S (  j  ) 

Tânia (2010)

 1 se 

 j  0 TH 0
0 se   j  0 r r

p p
 (...) Soma sobre os primeiros vizinhos
TH 1 TH 2
de i.

wi (i |i ´, si ´) : probabilidade de transição associada ao sítio i.

wi (i |i ´, si ´)  wi (i | i ´,  si ´)

53
Possui simetria “up-down”.
Tânia Tomé IFUSP
 Voltando ao autômato para o sistema imunológico

“Susceptibilidade” (variância):   N{ m2   | m |2}


Sistema infinito:  
Forma de escala finita:  ( L,  )  L / g ( L1/  )

Ortega,
Pinheiro, TT
e Drugowich
(1998).

Autômato
celular para
sistema imunológico

Tânia Tomé IFUSP

q 54
 Cumulante de Binder de quarta ordem:

 m4 
U  1
3  m2 2

U U ( L  1/  )
q
U ( L,0) U *
Ortega, Pinheiro, TT & Drugowich
(1998)

Autômato celular para sistema imunológico

Tânia Tomé IFUSP 55

 (*) Transições de fases e fenômenos críticos

Comportamento coletivo.

Classes de universalidade.

Divergência do comprimento de correlação.

    

  é o expoente crítico associado ao comprimento de correlação.

Tânia Tomé IFUSP 56

(*)Transições de fases contínuas
m
Limite termodinâmico
Parâmetro de ordem: m
Parâmetro de controle: q
Nas vizinhanças da criticalidade:

m   q  qc
0 qc q

 Expoente crítico associado ao parâmetro de ordem.

Teoria de escala finita

Forma de escala finita para o parâmetro de ordem:

m (L,  )  L   /
f ( L1/  )

f ( x) é uma função universal de x.

Tânia Tomé IFUSP 57
 Exemplo 4) Modelo estocástico em reticulado com simetria de
“inversão” e duas dinâmicas de Glauber competitivas (TT at al (1991)

 m  2 m P(m) dm
m  m
0

1
| m |2   | m | 2
N


1
m
 1   2  .....   N 
N N
de Oliveira (1992) q
q = parâmetro similar a temperatura.

Tânia (2010)
Para um certo N, a variância de m
no regime de temperaturas muito altas (T   )
é proporcional a: 1
Teorema central do limite
N
Tânia Tomé IFUSP 58
 Referências
N. G. van Kampen,
Stochastic Processes in Physics and Chemistry, North-Holland (1981).

Tânia Tomé e Mário José de Oliveira,

Dinâmica estocástica e Irreversibilidade
Editora da Universidade de São Paulo (Edusp), 2001.

J. Marro and R. Dickman,

Nonequilibrium Phase Transitions in Lattice Models,
Cambridge University Press, 1999.

M. Henkel, H. Hinrichsen, and S. Lübeck, Nonequilibrium

Phase Transitions, vol. 1, Springer, 2008.

T. M. Liggett, Interacting Particle Systems,Springer, 1985.

Silvio R. A. Salinas,
Introdução à Física Estatística,
Editora da Universidade de São Paulo (Edusp), 1998.

R. J. Glauber,
Time-Dependent Statistics of the Ising Model
J. Math. Phys. 4, 294 (1963).

Tânia Tomé IFUSP 59

 Referências

Harris (1974). Ann. Probab. 2, 969 (1974).

TT et al. (1991). J. Phys. A 24, 3677 (1991).

De Oliveira (1992). J. Stat. Phys. 66, 273 (1992).

Dickman & Jensen (1993). J. Stat. Phys. 71, 89 (1993).

Sabag & de Oliveira (2002). Phys. Rev. E 66, 036115 (2002).

TT & de Oliveira (2005). Phys. Rev. E 72, 026130 (2005).

T. Tomé and J. R. Drugowich de Felicio

Phys. Rev. E 53, 3976 (1996).

N. R. S. Ortega, C. F. de S. Pinheiro, T. Tomé and J. R. Drugowich de Felicio ,

Physica A 255, 189 (1998).

A. Brass, R.K. Grencis, K.J. Else, J. Theoret. Biol. 166,189 (1994)

Tânia Tomé IFUSP 60