BAB 1 Kita mempunyai sistem sebuah koin dan fungsi f adalah jumlah kepala,
STATISTIK SISTEM KECIL Maka, f =1 untuk kepala (h), dan f =0 untuk ekor (t).
(Statistics for small system).
Berapakah nilai rata-rata f jika koin dilempar dalam jumlah yang banyak?
Pendahuluan
Setiap sistem makroskopik mengandung jumlah elemen mikroskopik yang sangat banyak. Segelas air
mempunyai lebih dari 1024 molekul-molekul
molekul molekul air yang identik, dan ruangan kuliah yang kita tempati
sekarang mungkin lebih dari 1027 molekul Nitrogen
itrogen yang identik dan ¼ volume ruangan dipenuhi
dengan molekul oksigen yang identik. Ciri-ciri sistem yang besar sangat mudah ditebak (predictable),
(
namun ciri-ciri
ciri dari elemen kecil tidak mudah ditebak (lihat Gambar 1). Sistem yang mudah ditebak
memberi peluang kepada kita dapat menggunakan cara fikir statistik dalam proses analisis tingkah
laku anggota sistem
Gambar 1. Tingkah laku dari sekumpulan besar serangga yang dapat terbang lebih mudah ditebak
dibandingkan tingkah laku dari seekor atau dua ekor serangga yang sama. Semakin besar jumlah
anggota sistem, semakin dapat ditebak tingkah lakunya.
Sebaliknya, tingkah laku sistem yang lebih kecil sangat tidak konsisten dan tidak dapat mudah
diprediksi, sehingga memerlukan penggunaan cara fikir statistik yang lebih detail. Namun, pointnya
disini adalah sistem besar memerlukan metoda fikir statistik yang lebih bermanfaat dan tepat.
Nilai Rata-rata
rata (Mean Values).
Kita sekarang mengembangkan pola fikir dan sistem bekerja sehubungan dengan ciri-ciri dari suatu
sistem ke tingkah laku elemen secara individual. Kita bayangkan bahwwa kita mempunyai banyak
sistem yang dibuat identik (disebut jug
juga ensamble).
). Sebagai contoh, jika sistem kita adalah lemparan
(toss) koin kemudian kita mempunyai banyak koin, atau jika sistem kita adalah dua dadu yang
dilempar kemudian kita mempunyai banyak pasangan dadu yang dilemparkan. Setiap sistem dapat
berada dalam
am beberapa konfigurasi yang berbeda atau beberapa keadaan ((state
states). Kita misalkan Ps
menunjukkan probabilitas bahwa suatu sistem berada dalam keadaan s.
Misalkan, kita menggunakan fungsi sembarang f , yang mempunyai nilai fs bila sistem dalam
keadaan s. Kemudian rata-rata rata-rata ݂̅ ditentukan sebagai berikut:
rata atau nilai rata
̅ ௦ ݂௦ ܲ௦
݂=∑
Probabilitas untuk kepala dan ekor adalah Ph = ½, Pt = ½, sehingga nilai rata-rata f adalah Untuk penyelesaian soal ini, kita pilih kriteria yang tepat untuk setiap individu elemen. Maka kita
misalkan p mewakili probabilitas yang memenuhi kriteria dan q adalah probabilitas yang tidak
݂̅= fh Ph + ft Pt = 1 x ½ + 0 x ½ = ½ memenuhi kriteria. Kriteria yang dapat kita gunakan adalah
Oleh karena itu, jumlah rata-rata untuk kepala yang muncul untuk setiap koin adalah 1/2 . Pelemparan (toss) dadu kepala (h) menghadap keatas (a flipped coin lands heads up)
Probabilitas yang memenuhi kriteria ini adalah 1/2 , dan probabilitas yang tidak memenuhi (yaitu
ekor menghadap keatas) juga adalah 1/2.
Contoh 2. Sekarang kita tinjau setiap sistem adalah sebuah (tunggal) dadu tunggal yang dilemparkan
Oleh karena itu
dan n menyatakan jumlah titik (dot) yang muncul dan menghadap keatas. Misalkan f adalah pangkat
dua dari jumlah titik yang muncul (fn = n2). Berapakah nilai rata-rata f jika dadu yang dilempar dengan p = ½, q=½
jumlah banyak?
1. Molekul udara tertentu mengisi ruang 1/3 bagian sedangkan yang lainnya kosong. Dalam
Setiap keenam sisi depan dadu mempunyai probabilitas 1/6, maka kasus ini, p = 1/3, q = 2/3.
݂̅ = ∑ ݊ଶܲ= (12 x 1/6) + (22 x 1/6) + (32 x 1/6) + (42 x 1/6) + (52 x 1/6) + (62 x 1/6) 2. Dadu yang dilempar muncul enam titik (a rolled dice lands with six dots up). Dalam kasus
ini,
p = 1/6, q = 5/6
= 91/6
Jika f dan g adalah dua fungsi yang tergantung pada keadaan suatu sistem dan c adalah konstan maka,
ത
݂തത
തതത
+ ݃ത=݂+݃ҧ
̅
ത
ܿത݂
ത= c݂̅
Kita sekarang menghitung probabilitas untuk suatu sistem terdapat dalam setiap konfigurasi yang
mungkin atau keadaan (states). Sebagai Contoh, berapakah kemungkinan bahwa tiga buah koin di-
toss yang muncul dengan dua kepala (h) dan satu ekor (t)? Atau berapakah kemungkinan bahwa 12
buah koin di-toss muncul dengan lima kepala dan tujuh ekor?.
Bahan Kuliah Fisika Statistik - Irwan Koto, Ph.D : Program Pend.Fisika-FKIP Unib. Page 3 Bahan Kuliah Fisika Statistik - Irwan Koto, Ph.D : Program Pend.Fisika-FKIP Unib. Page 4
Kriteria yang diformulasikan adalah baik dipenuhi atau tidak dipenuhi kriteria yang ditetapkan, kita Jika dua elemen mempunyai probabilitas yang identik, seperti dua koin, dua dadu, atau du molekul
dapat menyatakan dengan pasti bahwa harus menjadi satu atau lainnya. udara dalam ruang, kita dapat menuliskan:
p1 = p2 = p dan q1 = q2 = q
Probabilitas untuk berbagai konfigurasi yang mungkin terjadi diperoleh melalui persamaan
Misalkan bahwa suatu sistem mempunyai dua elemen yang identik, yang diberi label 1 dan 2. (p1+ q1) (p2 + q2) = (p + q)2 = p2 + 2 pq + q2 =1.
Konfigurasi yang mungkin dan probabilitas untuk dua elemen ditunjukkan dengan
Contoh. Kita membahas apakah muncul titik enam jika dua buah dadu dilempar serentak (diberi label (p1+ q1) (p2 + q2) (p3+ q3) = (p+ q)3 = p3 + 3 p2q + 3pq2 + q3 = 1.
1 dan 2). Berapakah probabilitas untuk beberapa variasi konfigurasi yang mungkin terjadi
dari kedua dadu?
Berdasarkan persamaan diatas, probabilitas dari berbagai kemungkinan konfigurasi yang terjadi
adalah
Probabilitas bahwa dadu yang dilempar muncul dengan enam titik adalah 1/6, dan probabilitas yang
muncul selain enam titik adalah 5/6:
Berdasarkan persamaan diatas, probabilitas untuk empat konfigurasi yang mungkin diperoleh: Jika kita teliti pada suku 3p2q, sebagai contoh, koefisien 3 menunjukkan bahwa ada tiga konfigurasi
yang berbeda untuk dua elemen yang memenuhi kriteria dan satu elemen tidak. Tabel berikut ini
Kedua dadu menampilkan enam titik: p1 p2 = (1/6) (1/6) = (1/36) menampilkan tiga daftar tiga kemungkinan.
Dadu 1 menampilkan enam titik, tetapi dadu 2 tidak: p1q2 =(1/6) (5/6) = (5/36)
Dadu 1 tidak menampilkan enam titik, tetapi dadu 2 menampilkan enam titik:
q1p2= (5/6) (1/6) = (5/6). Elemen-elemen yang Elemen yang tidak
Kedua dadu tidak menampilkan enam titik: q1q2 = (5/6) (5/6) = (25/36). memenuhi kriteria memenuhi kriteria
1, 2 3
Bahan Kuliah Fisika Statistik - Irwan Koto, Ph.D : Program Pend.Fisika-FKIP Unib. Page 5 Bahan Kuliah Fisika Statistik - Irwan Koto, Ph.D : Program Pend.Fisika-FKIP Unib. Page 6
1, 3 2 Contoh 5. Tinjau lima molekul udara dalam suatu ruang kosong. Berapakah probabilitas bahwa dua
dari kelima molekul secara pasti berada dalam “the front third”?
2, 3 1
Contoh 4.
Kita melakukan tiga lemparan koin, diberi label 1, 2, dan 3. Berapakah tiga cara berbeda yang
mungkin dapat diperoleh dengan dua kepala dan satu ekor, dan berapakah probabilitas
(kebolehjadian) cara tersebut terjadi?
Tiga kemungkinan berbeda yang mungkin terjadi (h h t), (h t h), dan (t h h). Probabilitas untuk dua
kepala dan satu ekor akan menjadi
ଵ ଶ ଵ ଷ
3p2q = 3 ቀ ቁ ቀ ቁ = .
ଶ ଶ ଼
Kita dapat mengembangkan kasus diatas untuk sistim yang terdiri atas empat elemen, atau lima, atau
sembarang jumlah elemen N. Untuk suatu sistem dengan N elemen, probabilitas untuk semua
konfigurasi yang mungkin diperoleh dari ekspansi binomial:
Gambar 2.2. Jumlah cara berbeda yang mana n dari N elemen dapat memenuhi suatu kriteria,
digambarkan disini untuk: 1 dari 3 (kiri); 2 dari 4 (ditengah); dan 2 dari 5 (kanan). Tanda plus (+)
menunjukkan suatu elemen yang memenuhi kriteria dan kosong menunjukkan
menunju kkan sesuatu yang tidak
ே!
( + )ݍே = ∑ேୀ ݍேି = 1ே = 1. memenuhi kriteria.
!(ேି)!
ହǨ ଵ ଶ ଶ ଷ ଼
ܲହ(2)
( )= ቀቁ ቀቁ = = 0,33.
ே! ଶǨଷǨ ଷ ଷ ଶସଷ
ܲே (݊) = ݍேି
!(ேି)!
ହǨ
Jumlah susunan yang berbeda diperoleh dari koefisien binomial: = 10.
ଶǨଷǨ
Jumlah susunan yang berbeda untuk n elemen yang memenuhi kriteria dan N – n tidak memenuhi
kriteria diperoleh dengan koefisien binomial dalam persamaan diatas (lihat Gambar 2.2):
Meskipun perhitungan probabilitas benar untuk sembarang ukuran, perhitungan menjadi lebih sulit
jika jumlah elemen lebih sedikit.. Sebagai contoh, jika kita ingin untuk mengetahui probabilitas secara
pasti 40 dari 100 lemparan koin dengan hasil kepala, jawa
jawabannya
bannya seharusnya menjadi
Bahan Kuliah Fisika Statistik - Irwan Koto, Ph.D : Program Pend.Fisika-FKIP Unib. Page 7 Bahan Kuliah Fisika Statistik - Irwan Koto, Ph.D : Program Pend.Fisika-FKIP
Pend.Fisika FKIP Unib. Page 8
ଵ! ଵ ସ ଵ Sistem dengan Bebera Kriteria
ܲଵ (40)= ቀቁ ቀቁ
ସ!! ଶ ଶ
Bagaimanakah perlakuan yang kita terapkan pada probabilitas untuk distribusi yang
melibatkan lebih dari dua kemungkinan? Sebagai contoh, kita ingin mengetahui distribusi molekul
ଵ udara diantara tiga bagian ruang, dari depan ke belakang.
Meskipun, bilangan ( )40 dapat dihitung dengan menggunakan logaritma, faktorial (seperti 100!= 100
ଶ
x 99 x 98 x 97 x ...) menjadi lebih sulit jika pangkat besar. 1). the front third (p1 = 1/3)
Suatu pendekatan yang dikenal rumus Stirling memberikan kemudahan pada kita menghitung 3). The back half (p3 =1/2)
faktorial dengan tepat untuk bilangan besar. Rumus Stirling adalah
Pada permasalahan ini, kita akan mengembangkan perlakuan yang telah kita terapkan sebelumnya
untuk menunjukkan bahwa untuk suatu sistem yang terdiri dari N elemen dengan sejumlah kriteria
݉ ! ≈ √2ߨ݉ ቀ ቁ ,
khusus yang probabilitasnya secara berturut-turut p1, p2, ...pm , probabilitas bahwa n1 memenuhi
kriteria pertama, n2 memenuhi kriteria kedua, dst. diperoleh melalui persamaan:
ଵ
atau dengan menggunakan logaritma, ln ݉ ! ≈ ݉ ln ݉ − ݉ + ln 2ߨ ݉
ଶ
ே!
ܲ(భ,మ,… ) = భ మ … .
భ!మ!… ! ଵ ଶ
Sejauh ini, kita beranggapan bahwa tingkah laku elemen dari suatu sistem bebas secara statistik, yaitu,
bahwa tingkah laku dari setiap elemen bebas dari lain. Sebagai contoh, kita beranggapan bahwa
probabilitas koin 2 menghasilkan kepala tidak tergantung apa yang terjadi pada coin 1.
Namun, terdapat banyak sistem yang tingkah laku elemen tidak bebas, yang mana tingkah laku dari
elemen secara individual tidak bebas. Sebagai contoh, misalkan kita mengambil kartu Ace dari
tumpukan kartu. Probabilitas dari pengambilan pertama untuk kartu Ace adalah 4/52, karena terdapat
empat kartu Ace dalam tumpukan kartu dari 52 kartu. Namun, untuk kartu kedua, probabiltas
tergantung pada pengambilan pertama. Jika kartu yang diambil adalah Ace, maka hanya tiga kartu
Ace yang tersisa diantara 51 kartu lainnya. Jika tidak, maka masih terdapat empat kartu Ace tertinggal
dalam tumpukan kartu. Maka probabilitas untuk kartu kedua akan menjadi 3/51 atau 4/51, tergantung
pada pengambilan pertama. Dua tingkah laku tidak bebas secara statistik (Gambar 2.3).
Bahan Kuliah Fisika Statistik - Irwan Koto, Ph.D : Program Pend.Fisika-FKIP Unib. Page 9 Bahan Kuliah Fisika Statistik - Irwan Koto, Ph.D : Program Pend.Fisika-FKIP Unib. Page 10
Contoh. Misalkan kita melemparkan tiga koin keatas (toss) dan menggulingkan dua dadu.
Berapakah probabilitas yang pasti dari dua koin menghasilkan kepala dan salah satu dadu
menghasilkan mata dadu enam?
ଷ! ଵ ଶ ଵ ଵ ଷ
ܲଷ(2) = ቀቁ ቀቁ=
ଶ! ଷ! ଶ ଶ ଼
dan probabilitas bahwa satu dari dua dadu menghasilkan mata dadu enam ( p = 1/6, q =5/6 ) adalah
2! 1 ଵ 5 ଵ 5
ܲଶ(1) = ൬൰ ൬ ൰ =
Gambar 2.3. Berapakah probabilitas kartu berikut yang terdekat 1! 1! 6 6 18
dengan queen? Apakah probabilitas tergantung pada apakah Karena tingkah laku dadu bebas dari tingkah laku koin, kita hanya mengalikan probabilitas kedua
elemen. Jawabannya adalah
yang sudah dilakukan.
ଷ ହ ହ
ቀ ቁቀ ቁ=
଼ ଵ଼ ସ଼
Dalam sistem fisika, interaksi antara partikel sering terjadi bahwa sembarang partikel dipengaruhi
oleh tingkah laku partikel lainnya yang berdekatan. Jika kita gunakan penjelasan diatas pada sistim
fisika, kita harus berhati-hati dalam memaknai bahwa tingkah laku individual elemen bebas secara
statistik. Kita dapat memilih sekelompok partikel sebagai keseluruhan iinti,
nti, atau sebuah molekul, atau
sekelompok molekul. Tetapi bila kriteria bebas secara statistik, total probabilitas dengan
mempertimbangkan semua kriteria hanya mengalikan setiap individual probabilitas.
Indeks pada probabilitas menunjukkan kriteria yang dimiliki. Variasi probabilitas terhadap kedua
kriteria-kriteria tersebut adalah:
A. Flukstuasi (Fluctuations)
Harga Rata-rata
rata dan Standar Deviasi (Mean value and Standard deviation
deviation).
Misalkan kita ingin mengetahui hasil dari pelemparan 1000 koin. Persamaan yang digunakan untuk
memperoleh probabilitas pasti untuk semua (1000) kemungkinan mulai dari 0 kepala sampai 1000 Sekarang kita akan menyelidiki bagaimana menghitung harga rat rata-rata
rata dan karakteristik fluktuasi
kepala adalah suatu sistem. Misalkan kita mempunyai sistem besar yang dipersiapkan dengan cara yang sama
(ensemble). Sebagai contoh, kita mungkin mempunyai banyak sistem dengan dengan 1000 coin
coin yang
yang
ேǨ
ܲே (݊) = ݍேି dilemparkan. Atau kita melemparkan secara serentak 1000 coin beberapa kali.
Ǩ(ேି))!
Kita peroleh (lihat Gambar 3.1) Untuk sistem besar dari sistem identik yang mempunyai N elemen, jumlah elemen rata
rata-rata untuk
setiap sistem yang memenuhi suatu kriteria diberikan oleh persamaan
P1000 (0) = 9,3 x 10-302,
ഥ = ࡺ
P1000 (1) = 9,3 x 10-299,
Keterangan: p adalah probabilitas sembarang elemen untuk memenuhi kriteria.
P1000 (2)= 4,6 x 10-296
Standar deviasi dihitung dengan mudah dari sejumlah elemen N dan probabilitas
probabilitas p, q.
q. Untuk
Untuk
membuktikannya, kita menghitung ߪଶ dan menggunakan ݊
തkonstan
konstan untuk sistem.
dilemparkan keatas. Puncak distribusi pada angka 500 kepala yang muncul, untuk
probabilitas sebesar 0,0252. Peluang yang terkecil muncul kepala kecil dari 450 atau
Contoh: Misalkan sistem terdiri dari 100 molekul dalam ruangan kosong. Berapakah jumlah molekul
rata-rata dalam in the front third of the room, standar deviasi dan fluktuasi relatif .
Contoh: Kasusnya sama dengan contoh diatas namun jumlah molekul N = 10 28, tentukanlah
a). Jumlah molekul rata-rata, (b). Standar deviasi, (c) Fluktuasi relatif.
B. Distribusi Gauss.
Kita telah bahas untuk sistem yang terdiri dari beberapa elemen, menghitung probabilitas PN(n)
menggunakan rumus binomial
ܰ!
ܲே (݊) = ݍேି
݊! (ܰ − ݊)!
merupakan suatu pekerjaan yang membutuhkan ketelitian. Fisika statistik menawarkan cara yang
mudah. Distribusi probabilitas keseluruhan mencakup semua konfigurasi yang mungkin (atau states)
dapat diwakili dengan dua parameter ݊തdan ߪ yang dapat dihitung dari persamaan
݊
ത = ܰ dan ߪ = ඥܰݍ.
Proses perhitungan ini dapat disederhanakan dengan distribusi Gauss yang menggunakan pendekatan
(approximation) yang membuat lebih reliabel jika jumlah elemen dalam sistem menjadi lebih besar.
Oleh karena itu, distribusi Gauss efektif pada kasus ketika rumus binomial tidak dapat digunakan.
Untuk sistem kecil, hanya pendekatan binomial berlaku. Untuk sistem besar, kedua pendekatan
(distribusi Gauss dan binomial) dapat digunakan namun pendekatan Gauss lebih sederhana.
1 మȀଶఙమ
ܲ(݊) = ݁ି(ିത)
ߪ√ʹߨ
ଵ మ మ ேǨ
ܲ(݊) = ݁ି(ିതሻ Ȁଶఙ (Gauss) dengan ܲே (݊) = ݍேି (Binomial)
ఙ√ଶగ Ǩ(ே ି)!
Gambar
Gambar. Profil Distribusi Gauss (Normal)
Untuk memperoleh probabilitas bahwa n berada dalam satu deviasi standar dari nilai rata തሻ, kita
rata-rata (݊
Karakteristik distribusi Gauss adalah (a) simetrik, (b) bentuknya menyerupai loceng, (c) intervalnya
dapat menjumlahkan probabilitas untuk semua n antara ݊
തെ ߪdan ݊ത ߪǣ
dari (−∞, ∞), (d) jumlah observasi tak hingga, bentuknya ditentukan oleh nilai rata ത ൌ ܰሻ
rata-rata (݊
dan deviasi standar (ߪଶ ൌ ܰݍሻ. തାఙ
തାఙ തାఙ
Dengan kata lain, untuk distribusi Gauss 68,3% dar darii semua peristiwa berada dalam satu deviasi
Akurasi dan Penyebaran standar dari nilai rata-rata.
rata. Dengan cara yang sama, kita dapat peroleh bahwa 95,4% dari semua
rata-rata ሺ݊
peristiwa berada dalam dua deviasi standar dari nilai rata തሻseperti
seperti Gambar 3.5.
Telah dijelaskan bahwa distrinusi Gauss lebih akurat untuk sistem besar. Namun, sebesar apakah
sistem yang dimaksud? Dalam Gambar 3.4, prediksi dari pendekatan Gaus (tanda silang) dan prediksi
benar dari formula binomial (titik)
ik) dibandingkan untuk sistem dengan jumlah elemen N = 4 dan N =
10, dengan p = q = ½. Dari gambar diketahui bahwa N = 4 pendekatan Gauss lebih akurat, dan untuk
N = 10 kedua distribusi tidak dapat dibedakan.
dan ത
ݏതଶത = ∑ௌ ܵଶܲ௦ atau ത
ݏതଶത = ∫ ݏଶܲ(ݏ݀)ݏ (3.13)
Jawab: Untuk ditribusi Gauss, kita perlukan nilai ݊
ത݀an ߪ,
dari kedua persamaan dapat kita hitung :
N Langkah
Sehingga :
Persamaan (3.12) sampai dengan (3.14) dapat digunakan untuk satu lamgkah
lamgkah. Pada bagian ini
݊
ത = = ܰ 1000, ߪ =ඥܰ = ݍ25,8
kita akan menentukan jarak rata
rata-rata
rata yang ditempuh dan deviasi standar setelah setiap pemabuk
melangkah
ngkah sebanyak “N” langkah.
ଵ (ିത)మ Total jarak yang ditempuh oleh sembarang pemabuk adalah penjumlahan jarak yang dilewati
= 0,0155 =0
√ଶగఙ ଶఙ మ dalam setiap langkah
Diantara penyelidikan yang sesuai dengan framework gerak random adalah peristiwa difusi, yang Oleh karena itu, jarak rata-rata
rata yang ditempuh setelah N langkah adalah hasil perkalian jumlah
mana satu langkah merupakan jarak berpindah antara tumbukan-tumbukan berurutan dengan molekul langkah (N) dengan jarak yang ditempuh dalam sembarang langkah ((N ݏҧ
):
lain. Suatu molekul dapat menujua satu arah dan dapat juga berbagai jarak antara tumbukan-
tumbukan. Dengan cara yang sama, pergerakan elektron melalui logam, pergerakan hole melalui
semikonduktor, pergerakan getaran termal melalui benda padat semuanya adalah masalah-masalah
yang terkait dengan gerak random. Untuk menghitung deviasi standar setelah N langkah, kita mulai definisi. Seperti dijela
dijelaskan
sebelumnya
Satu Langkah
Permasalahan yang paling sulit adalah bagaimana memperoleh jarak rata-rata yang ditempuh
dan deviasi standar untuk satu langkah, yang diberi simbol ݏҧ dan ߪ. Kedua besaran ini menjawab
Suku ܵതതതଶ തതത തതଶത
pertanyaan: “jika seorang pemabuk berat berjalan dari suatu titik tertentu dengan setiap langkah ே merupakan kuadrat dari hasil perhitungan diatas untuk ܵே , tetapi untuk ݏே , kita dapat
jaraknya tetap (s), tetapi arahnya boleh ke kiri atau ke kanan yang tidak tergantung pada arah tuliskan
Bahan Kuliah Fisika Statistik - Irwan Koto, Ph.D : Program Pend.Fisika-FKIP Unib. Page 19 Bahan Kuliah Fisika Statistik - Irwan Koto, Ph.D : Program Pend.Fisika-FKIP
Pend.Fisika FKIP Unib. Page 20
Contoh gerak random adalah gerak elektron penghantar dalam suatu logam. Kita akan anggap bahwa
gerak elektron secara random menyebabkan setiap elektron melakukan 10 12 tumbukan per detik,
Jika dikuadratkan persamaan pada ruas kanan, kita peroleh suku suku-suku N . N dari suku-suku
suku ini 2 secara rata-rata elektron berpindah sejauh root mean square dari ߪ dengan arah 10-8 m antara dua
tumbukan. Biasanya, jika jarak tempuh semua arah adalah sama, panjang rata-rata dari semua langkah
suku yang dikuadratkan seperti ݏଵଶ, ݏଶଶ, dan seterusnya, sisa N (N -11 ) adalah suku-suku
adalah suku-suku
dalam satu langkah adalah nol.
berikutnya seperti s1s2, s1s3, dst. Maka
= suku-sukunya
sukunya dikuadratkan + suku
suku-sukunya dikalikan.
Untuk suku-suku
suku yang dikalikan N(N-1), kita gunakan fakta bahwa langkah-langkah
langkah tidak tergantung
sama lain. Olehkarena itu kita menggunakan prinsip ݂݃ തതതത ൌ ݂̅݃ҧuntuk karakteristik bebas secara
statistik dan kita peroleh
Kombinasi hasil-hasil
hasil ini untuk N suku
suku-suku yang dikuadratkan dan suku-suku
suku ke N (N
(N-1)yang
dikuadratkan, kita peroleh
Jika kedua ruas dikalikan dengan pangkat ½ (akar) kita peroleh bahwa deviasi standar untuk N
langkah sama dengan perkalian dari ξ ܰ dan deviasi standar untuk sembarang langkah :
ߪே = √ܰ ߪ
ఙಿ √ே ఙ ଵ
= ≈
ௌಿ ே ௦̅ √ே
(Karena kita hanya dapat mengetahui nilai pasti dari ܮ untuk suatu sumbu pada saat tertentu,
kadang lebih tepat menggunakan momentum angular, ܮଶ ൌ ݈ሺ݈ ͳሻħ2.)
kadang-kadang
Semakin kecil inersia rotasi, semakin besar energi pertama dari keadaan rotasi. Kadang inersia rotasi
sekitar satu sumbu atau lebih sangat kecil sehingga eksitasi membutuhkan energi yang lebih besar
dari yang tersedia melalui proses tumbukan. Maka gerak ro rotasi
tasi khusus ini tidak terjadi.
ଵ ଵ ଵ
ߝ ൌ ߝ௧௦ + ߝ௧ ൌ ߤ + ௫ଶ + ௬ଶ + ௭ଶ (4.4)
ଶ ଶ ଶ
ଵ ଵ ଵ
ߝ ൌ ߝ௧ = ௫ଶ + ௬ଶ + ௭ଶ (4.5)
ଶ
ଶ ଶ ଶ
D. Ekuipartisi (Equipartition)
Tinjau distribusi energi diantara berbagai derajat kebebasan. Pada suatu peristiwa tumbukan, ada
kecenderungan energi dipindahkan dari partikel yang bergerak cepat ke partikel beregrak lambat,
sehingga energi dikeluarkan (Bayangkan tumbukan yang terjadi pada meja bilyard). Ingat kembali
materi perkuliahan fisika dasar dan mekanika, kita ketahui bahwa energi potensial dan kinetik rata-
௫మ ೣమ
rata adalah sama besar. Sehingga suku-suku (besaran) seperti , dan mengandung energi yang
ଶ ଶ
sama bila rata-rata digunakan. Akhirnya, gerak dalam tiga arah sama, sehingga energi kinetik rata-rata
atau energi potensial rata-rata dalam arah x, y, dan z harus sama.
Dengan menggunakan alasan tersebut, tidak mengherankan bahwa energi rata-rata yang disimpan
dalam setiap derajat kebebasan adalah sama. Keadaan ini disebut sebagai “Teorema ekuipartisi.”maka
energi rata-rata yang disimpan dalam derajat kebebasan ini diperoleh dari persamaan
ଵ
ߝҧ
= ݇ܶ (4.11)
ଶ
Untuk molekul gas diatomik: Jika v adalah banyaknya derajat kebebasan, dan energi internal dari suatu sistem dengan N partikel
dapat dituliskan:
ே௩
Terdapat lima suku, sehingga setiap molekul gas diatomik mempunyai lima derajat kebebasan. ߝ ܰ = ܧҧ
= ܰ ߤ + ݇ܶ (4.13)
ଶ
Energi termal (Etermal) dari sistem adalah suku kedua dalam persamaan (4.13):
ே௩
ܧ௧ ൌ ܰ ߝ௧ = ݇ܶ
ଶ
Kita dapat lihat bahwa energi termal disimpan dalam berbagai derajat kebebasan, sebanding dengan
temperatur. Jika kita menambahkan energi ο ܧke suatu sistem dengan N molekul maka kenaikan
temperatur οܶ tergantung pada banyaknya derajat kebebasan untuk setiap molekul ((v) adalah
ܰݒ
ο ܧൌ ܰ οߤ + ݇οܶ
2