Фазовые переходы.При непрерывном изменении внешних параметров (например, давления или температуры) свойства системы могут при некоторых значениях параметров измениться скачкообразно, т. е. происходит фазовый переход. Фазовые переходы делятся на переходы первого рода, сопровождающиеся выделением скрытой теплоты перехода и скачкообразным изменением объёма (к ним относится, например, ), и переходы второго рода, в которых скрытая теплота и скачок объёма отсутствуют (например, переход в сверхпроводящее состояние). Статистическая теория фазовых переходов составляет важную, но ещё далёкую от завершения область С. ф. Наибольшую трудность для теоретического исследования представляют при этом свойства вещества вблизи линии фазового перехода второго рода и вблизи фазового перехода первого рода. С математической точки зрения термодинамические функции системы имеют здесь особенности. Вблизи этих точек происходят своеобразные . В то же время здесь аномально возрастают флуктуации, и рассмотренные выше приближённые методы С. ф. оказываются неприменимыми. Поэтому важную роль играет небольшое число точно решаемых моделей, в которых есть переходы (например, т. н. модель Изинга).
Флуктуации.В основе С. ф. лежит тот факт, что физические величины, характеризующие макроскопические тела, с большой точностью равны своим средним значениям. Это равенство является всё же приближённым, в действительности все величины испытывают малые беспорядочные отклонения от средних значений - флуктуации. Существование флуктуаций имеет большое принципиальное значение, т.к. прямо доказывает статистический характер термодинамических закономерностей. Кроме того, флуктуации играют роль шума, мешающего физическим измерениям и ограничивающего их точность. Флуктуации некоторой величины
хоколо её среднего значения
характеризуются средним квадратом флуктуации
.
В подавляющем большинстве случаев величина
хиспытывает флуктуации порядка
, существенно большие флуктуации встречаются крайне редко. Знание функции распределения системы позволяет вычислить средний квадрат флуктуации точно так же, как и среднее значение любой физической величины. Малые флуктуации термодинамических величин можно вычислить, используя статистическое истолкование энтропии. Согласно (10), вероятность неравновесного состояния системы с энтропией
Sпропорциональна
e
S/k. Это приводит к формуле
. (22)
Например, средние квадраты флуктуаций объёма и температуры тела равны:
,
(23)
Из этих формул видно, что относительные флуктуации объёма и флуктуации температуры обратно пропорциональны
, где
N- число частиц в теле. Это и обеспечивает малость флуктуаций для макроскопических тел. Связь между флуктуациями различных величин
x
i,
x
kхарактеризуется функцией
. Если флуктуации величин
x
iи x
k
статистически независимы, то
.
Под x iи x kможно понимать и значения одной и той же величины, например плотности, в различных точках пространства. Тогда эта функция имеет смысл пространственной корреляционной функции. С увеличением расстояния между точками корреляционная функция стремится к нулю (обычно экспоненциально), т.к. флуктуации в далёких точках пространства происходят независимо. Расстояние, на котором эта функция существенно убывает, называется корреляционным радиусом.
Временной ход флуктуаций и спектральное распределение флуктуационного шума описываются временной корреляционной функцией j( t), в которой усредняются флуктуации величины, взятые в различные моменты времени t:
Важную роль в теории флуктуаций играет т. н. флуктуационно-диссипативная теорема, связывающая флуктуации в системе с изменением её свойств под влиянием определённых внешних воздействий. Простейшее соотношение такого рода можно получить, рассматривая флуктуации гармонического
с потенциальной энергией
, где
m- масса осциллятора, w
0
- его собственная частота. Вычисление с помощью формулы (22) даёт:
. С др. стороны, если на осциллятор действует сила
f, среднее значение
смещается на величину
, так что
(24)
и флуктуация
хдействительно связана с возмущением под влиянием силы
f. В общем случае флуктуационно-диссипативная теорема применима, если для
хсуществует «обобщённая сила»
f, которая входит в оператор энергии системы (гамильтониан; см.
) в виде члена
, где
- квантовомеханический оператор, соответствующий величине
х. Включение силы
fприведёт к изменению среднего значения
на величину d
, причём, если
fзависит от времени как
е
-i
wt, это изменение можно записать в виде:
;
комплексная величина a(w) называется обобщённой восприимчивостью системы. Теорема утверждает, что фурье-образ корреляционной функции
выражается через a следующим образом:
(25)
(Im означает мнимую часть функции). Частным случаем (25) является .
С. ф. неравновесных процессов.Всё большее значение приобретает - раздел С. ф., изучающий процессы в системах, находящихся в неравновесных состояниях. Здесь возможны две постановки вопроса. Во-первых, можно рассматривать систему в некотором неравновесном состоянии и следить за её переходом в состояние равновесия. Во-вторых, можно рассматривать систему, неравновесное состояние которой поддерживается внешними условиями, например тело, в котором задан градиент температуры, протекает электрический ток и т.п., или тело, находящееся в переменном внешнем поле.
Если отклонение от равновесия мало, неравновесные свойства системы описываются т. н. кинетическими коэффициентами. Примерами таких коэффициентов являются коэффициенты , и , металлов и т.п. Эти величины удовлетворяют принципу симметрии кинетических коэффициентов, выражающему симметрию уравнений механики относительно изменения знака времени (см. ). В силу этого принципа, например, электропроводность кристалла описывается симметричным .
Описание сильно неравновесных состояний, а также вычисление кинетических коэффициентов производятся с помощью кинетического уравнения. Это уравнение представляет собой интегро-дифференциальное уравнение для одночастичной функции распределения (в квантовом случае - для одночастичной матрицы плотности, или ). Такое замкнутое, т. е. не содержащее др. величин, уравнение невозможно получить в общем виде. При его выводе необходимо использовать малые параметры, имеющиеся в данной конкретной задаче. Важнейшим примером является , описывающее установление равновесия в газе за счёт столкновений между молекулами. Оно справедливо для достаточно разреженных газов, когда длина свободного пробега велика по сравнению с расстояниями между молекулами. Конкретный вид этого уравнения зависит от эффективного сечения рассеяния молекул друг на друге. Если это сечение известно, уравнение можно решать, разлагая искомую функцию по ортогональным полиномам (см. ). Таким способом можно вычислить кинетические коэффициенты газа, исходя из известных законов взаимодействия между молекулами. Уравнение Больцмана учитывает только парные столкновения между молекулами и описывает только первый неисчезающий член разложения этих коэффициентов по плотности газа. Удалось найти и более точное уравнение, учитывающее также тройные столкновения, что позволило вычислить следующий член разложения.
Особую проблему представляет вывод кинетического уравнения для плазмы. Из-за медленного убывания кулоновских сил с расстоянием даже при рассмотрении парных столкновений существенно экранирование этих сил остальными частицами.
Неравновесные состояния твёрдых тел и квантовых жидкостей можно при низких температурах рассматривать как неравновесные состояния газа соответствующих квазичастиц. Поэтому кинетические процессы в таких системах описываются кинетическими уравнениями для квазичастиц, учитывающими столкновения между ними и процессы их взаимного превращения.
Новые возможности открыло применение в физической кинетике методов квантовой теории поля. Кинетические коэффициенты системы можно выразить через её функцию Грина, для которой существует общий способ вычисления с помощью диаграмм. Это позволяет в ряде случаев получить кинетические коэффициенты без явного использования кинетического уравнения и исследовать неравновесные свойства системы, даже когда не выполняются условия применимости кинетического уравнения.
Основные вехи развития С. ф.С. ф. целиком основана на представлениях об атомном строении материи. Поэтому начальный период развития С. ф. совпадает с развитием атомистических представлений (см. ). Развитие С. ф. как раздела теоретической физики началось в середине 19 в. В 1859 Дж. определил функцию распределения молекул газа по скоростям. В 1860-70 Р. ввёл понятие длины свободного пробега и связал её с вязкостью и теплопроводностью газа. Примерно в то же время Л. обобщил распределение Максвелла на случай, когда газ находится во внешнем поле, доказал теорему о распределении энергии по степеням свободы, вывел кинетическое уравнение, дал статистическое истолкование энтропии и показал, что закон её возрастания является следствием кинетического уравнения. Построение классической С. ф. было завершено к 1902 в работах Дж. . Теория флуктуаций была развита в 1905-06 в работах М. и А. . В 1900 М. вывел закон распределения энергии в спектре излучения чёрного тела, положив начало развитию как квантовой механики, так и квантовой С. ф. В 1924 Ш. нашёл распределение по импульсам световых квантов и связал его с распределением Планка. А. Эйнштейн обобщил распределение Бозе на газы с заданным числом частиц. Э. в 1925 получил функцию распределения частиц, подчиняющихся принципу Паули, а П. А. М. установил связь этого распределения и распределения Бозе - Эйнштейна с математическим аппаратом квантовой механики. Дальнейшее развитие С. ф. в 20 в. шло под знаком приложения её основных принципов к исследованию конкретных проблем.
Лит.: классические труды: Больцман Л., Лекции по теории газов, пер. с нем., М., 1956; его же, Статьи и речи, [пер. с нем.], М., 1970; Гиббс Дж. В., Основные принципы статистической механики, пер. с англ., М. - Л., 1946. Учебники:Ансельм А. И., Основы статистической физики и термодинамики, М., 1973; Леонтович М. А., Статистическая физика, М. - Л., 1944: Ландау Л. Д., Лифшиц Е. М., Теоретическая физика, т. 5, 2 изд., М., 1964; Майер Дж., Гепперт-Майер М., Статистическая механика, пер. с англ., М., 1952; Киттель Ч., Квантовая теория твердых тел, пер. с англ., М., 1967; Хилл Т., Статистическая механика. Принципы и избранные приложения, пер. с англ., М., 1960; Хуанг К., Статистическая механика, пер. с англ., М., 1966. Литература по специальным вопросам:Абрикосов А. А., Горьков Л. П., Дзялошинский И. Е., Методы квантовой теории поля в статистической физике, М., 1962; Боголюбов Н. Н., Проблемы динамической теории в статистической физике. М. - Л., 1946: Гуревич Л. Э., Основы физической кинетики, Л. - М., 1940; Силин В. П., Введение в кинетическую теорию газов, М., 1971; Физика простых жидкостей. Сб., пер. с англ., М., 1971.
Л. П. Питаевский.
Рис. 1. Зависимость вращательной с вр(а) и колебательной (б) частей теплоемкости двухатомного газа (в единицах классических значений теплоемкости) от температуры Т.
Рис. 2. Функция распределения Ферми - Дирака.
Рис. 3. Сравнение функций распределения Максквелла (М), Ферми - Дирака (Ф. - Д.) и Бозе - Эйнштейна (Б. - Э.). По оси координат отложено число частиц на одно состояние с энергией e.
Статистические группировки
Статисти'ческие группиро'вки,метод группировок, метод обработки и анализа статистических данных, при котором изучаемая совокупность явлений расчленяется на однородные по отдельным признакам группы и подгруппы и каждая из них характеризуется системой статистических показателей. Конкретное выражение С. г. находят в групповых и комбинационных таблицах (см. ).
Метод группировок - главный метод статистического изучения общественных явлений; служит предпосылкой для использования различных статистических приёмов и методов анализа, например для использования различных обобщающих показателей, в том числе .
В дореволюционной русской статистике, в особенности , был накоплен богатейший опыт группировок различных объектов, довольно подробно разработаны групповые и комбинационные таблицы. Однако научное обоснование теоретических вопросов применения методов группировок получило только в трудах В. И. Ленина, который высоко оценивал познавательную ценность и практическую значимость метода группировок. О комбинационных таблицах Ленин писал: «Можно сказать без всякого преувеличения, что они внесли бы целый переворот в науку об экономике земледелия» (Полн. собр. соч., 5 изд., т. 24, с. 281). Принципиально важное значение имеют ленинские указания о предварительном политэкономическом анализе существа закономерностей и характеристике типов явлений до начала экспериментов с группировкой материалов исследования.
Кроме анализа структуры совокупности (см. ), метод группировок применяется при характеристике типов явлений и изучении взаимосвязей между различными признаками или факторами. Примерами С. г., выражающих структуру совокупности, служит группировка населения по возрастным группам (с годичными и, чаще, пятилетними интервалами), группировка предприятий по их размерам (табл. 1).
Укрупняя группы или устанавливая неравномерные интервалы, можно выяснить качественные различия между отдельными группами, а затем и определить технико-экономические или социально-экономические типы объектов (предприятий, хозяйств). Так, в С. г. населения по возрасту, кроме простого хронологического принципа, применяют специальные группы: женщины в возрасте 16-54 лет и мужчины в возрасте 16- 59 лет, в этом случае статистика имеет возможность перейти к вычислению народно-хозяйственного показателя - страны. Известная условность в определении границ интервалов (в различных странах они различаются между собой) не имеет принципиального значения. От детальной количественной группировки предприятий и хозяйств можно перейти к выделению нескольких основных качественных групп - мелкие, средние, крупные, а затем к выяснению ряда общих экономических проблем, например процесса концентрации производства и роста его эффективности, производительности труда. Блестящий пример глубокого анализа (проведённого с помощью С. г.) сложного характера закономерностей и связей между величиной хозяйства и его интенсивностью и производительностью имеется в работе Ленина «Новые данные о законах развития капитализма в земледелии» (там же, т. 27, с. 129-227).
Наиболее сложная задача метода группировок заключается в выделении и развёрнутой характеристике типов (т. н. типологическая С. г.) социально-экономических явлений, которые представляют собой выражение форм определенного общественного процесса, существенных особенностей, общих для многих единичных явлений. Ленин всесторонне, комплексно использовал метод группировок в своём анализе расслоения крестьянства, показав процесс формирования основных классов в дореволюционной России, в западно-европейской деревне и в сельском хозяйстве США.
Сов. статистика имеет большой опыт типологических С. г.: например, предполагает сложную и разветвленную систему С. г.; группировка классового состава населения (табл. 2); группировка основных производственных фондов по социально-экономическим видам хозяйства; группировка и др.
В буржуазной статистике группировки используются недостаточно, а в случаях применения они большей частью строятся на неправильных основаниях, не способствуют характеристике действительного положения вещей в капиталистических странах, например группировка с.-х. предприятий по размерам земельной площади приукрашивает положение мелкого производства в сельском хозяйстве; группировка населения по занятиям не раскрывает действительную классовую структуру буржуазного общества и т.д.
Социально-экономические особенности социалистического общества ставят новые задачи перед С. г. Метод группировок применяется при анализе выполнения народно-хозяйственных планов, выяснении причин отставания отдельных предприятий и отраслей, выявлении неиспользованных резервов (например, С. г. предприятий по степени выполнения планов, степени рентабельности). С. г. предприятий по степени автоматизации и механизации, и по др. технико-экономическим признакам важны для характеристики внедрения достижений научно-технического прогресса в производство.
Табл. 1. - Группировка промышленных предприятий СССР по численности рабочих (1973, % к итогу)
| Группы предприятий | Число предприятий | Валовая продукция | Среднегодовая численность промышленно-производствен- ного персонала | Среднегодовая стоимость промышленно-производ- ственных основных фондов |
| Предприятия, состоящие на самостоятельном балансе (без электростанций, электросетей и теплосетей) | 100 | 100 | 100 | 100 |
| В том числе предприятия со среднегодовой численностью рабочих: | ||||
| до 100 | 35,0 | 4,2 | 3,4 | 2,9 |
| 101-200 | 19,6 | 5,9 | 5,5 | 4,0 |
| 201-500 | 22,9 | 14,0 | 13,9 | 11,2 |
| 501-1000 | 11,3 | 14,4 | 14,9 | 13,2 |
| 1001-3000 | 8,4 | 25,9 | 26,6 | 25,8 |
| 3001-10000 | 2,5 | 24,0 | 24,1 | 26,5 |
| 10001 и более | 0,3 | 11,6 | 11,6 | 16,4 |
Табл. 2. - Классовый состав населения СССР, %
| 1913 | 1928 | 1975 | |
| Всё население (включая неработающих членов семей) | 100 | 100 | 100 |
| В том числе: | |||
| Рабочие и служащие | 17,0 | 17,6 | 82,9 |
| из них рабочие | 14,6 | 12,4 | 60,9 |
| Колхозное крестьянство и кооперированные кустари | 2,9 | 17,1 | |
| Крестьяне-единоличники и некооперированные кустари | 66,7 | 74,9 | 0,0 |
| Буржуазия, помещики, торговцы и кулаки | 16,3 | 4,6 | - |
Лит. см. при ст. .
Т. В. Рябушкин.
Статистические оценки
Статисти'ческие оце'нки,функции от результатов наблюдений, употребляемые для неизвестных параметров распределения вероятностей изучаемых случайных величин. Например, если X 1,..., X n- независимые случайные величины, имеющие одно и то же с неизвестным средним значением а, то функции - среднее арифметическое результатов наблюдений
и выборочная m = m( X 1,..., X n) являются возможными точечными С. о. неизвестного параметра а. В качестве С. о. какого-либо параметра q естественно выбрать функцию q *( X 1,..., X n) от результатов наблюдений X 1,..., X n, в некотором смысле близкую к истинному значению параметра. Принимая какую-либо меру «близости» С. о. к значению оцениваемого параметра, можно сравнивать различные оценки по качеству. Обычно мерой близости оценки к истинному значению параметра служит величина среднего значения квадрата ошибки
(выражающаяся через
оценки E
0q* и её
D
0q*). В классе всех
(для которых E
0q* = 0) наилучшими с этой точки зрения будут оценки, имеющие при заданном
nминимальную возможную дисперсию при всех q. Указанная выше оценка
Хдля параметра
анормального распределения является наилучшей несмещенной оценкой, поскольку дисперсия любой другой несмещенной оценки
а*параметра
аудовлетворяет неравенству
, где s
2
- дисперсия нормального распределения. Если существует несмещенная оценка с минимальной дисперсией, то можно найти и несмещенную наилучшую оценку в классе функций, зависящих только от
. Имея в виду построение С. о. для больших значений
n, естественно предполагать, что вероятность отклонений q* от истинного значения параметра q, превосходящих какое-либо заданное число, будет близка к нулю при
n®Ґ. С. о. с таким свойством называются состоятельными оценками. Несмещенные оценки, дисперсия которых стремится к нулю при
n®Ґ, являются состоятельными. Поскольку скорость стремления к пределу играет при этом важную роль, то асимптотическое сравнение С. о. производят по отношению их асимптотической дисперсии. Так, среднее арифметическое
Хв приведённом выше примере - наилучшая и, следовательно, асимптотически наилучщая оценка для параметра
а, тогда как выборочная медиана m, представляющая собой также несмещенную оценку, не является асимптотически наилучшей, т.к.
(тем не менее использование m имеет также положительные стороны: например, если истинное распределение не является в точности нормальным, а несколько отличается от него, дисперсия Хможет резко возрасти, а дисперсия m остаётся почти той же, т. е. m обладает свойством, называется «прочностью»). Одним из распространённых общих методов получения С. о. является метод моментов, который заключается в приравнивании определённого числа выборочных моментов к соответствующим моментам теоретического распределения, которые суть функции от неизвестных параметров, и решении полученных уравнений относительно этих параметров. Хотя метод моментов удобен в практическом отношении, однако С. о., найденные при его использовании, вообще говоря, не являются асимптотически наилучшими, Более важным с теоретической точки зрения представляется , который приводит к оценкам, при некоторых общих условиях асимптотически наилучшим. Частным случаем последнего является . Метод С. о. существенно дополняется оцениванием с помощью .
Лит.:Кендалл М., Стьюарт А., Статистические выводы и связи, пер. с англ., М., 1973; Крамер Г., Математические методы статистики, пер. с англ., 2 изд., М., 1975.
А. В. Прохоров.
Статистические расчёты
Статисти'ческие расчёты,исчисление на основе имеющихся статистических данных новых показателей, расширяющих и обогащающих возможности анализа и познания социально-экономических явлений и процессов. С. р. можно подразделить на 2 группы: расчёты отдельных показателей и комплексные расчёты систем показателей. К первой группе относятся: расчёты относительных показателей (например, показателей выполнения плана, структуры совокупности, соотношения отдельных её частей, динамики, сравнения и интенсивности развития); расчёты (например, средней заработной платы, средней выработки на одного работающего, средней урожайности и т.п.); исчисление отдельных статистических характеристик (например, средней ошибки выборки, , ), расчёты статистических ; расчёты недостающих показателей на основе балансовых уравнений, в ; расчёты сводных показателей в социально-экономической статистике (например, , и др.). Вторую группу составляют комплексные С. р., воссоздающие какой-либо процесс или состояние социально-экономического явления. В них применяются методы , построение индексных систем, теория и др. статистические приёмы анализа. Непревзойдённые примеры глубоко научных С. р. содержатся в трудах В. И. Ленина. В работе «Развитие капитализма в России» на основе массового статистического материала, собранного и научно обработанного Лениным с помощью метода группировок, доказано развитие капитализма в России: в пореформенной русской деревне происходил процесс классовой дифференциации, выделялись 3 различных социально-экономических типа крестьянских хозяйств: пролетарское и полупролетарское, живущие главным образом или наполовину продажей рабочей силы; середняцкие, источник существования которых - собственное мелкое хозяйство, и зажиточные, эксплуатирующие наёмных рабочих. По расчётам В. И. Ленина, удельный вес этих типов крестьянских хозяйств в конце 19 в. в России составлял соответственно 50, 30 и 20%. В этой же работе дан классический пример С. р. социальной структуры населения России по материалам переписи населения в 1897 с использованием данных переписи населения 1890 в Петербурге и материалов земской статистики. В. И. Ленин установил, что численность пролетариата в России в 1897 составляла «... не менее 22-х миллионов» (Полн. собр. соч., 5 изд., т. 3, с. 505, прим.). В социалистическом хозяйстве С. р. находят применение в балансовых работах (см.