第13部分（第9页）

举个例子吧，我可以计算出这个房间里的所有空

气全部自动集中在桌子下面，而让其余地方处处成为绝对真空的

机会有多大。

这时，你一次扔出的骰子的数目应该等于这个房间

里空气分子的数目，所以，我必须知道这里有多少个分子。

我记

得，在大气压力下，一立方厘米空气所包含的分子数是一个２０

位数，所以，这整个房间里的空气分子大约是２７位数的数字。

桌子下面的空间大致是这个房间总体积的1100，　因此，任何一

个特定的分子正好处在桌子下面，而不处在别的地方的机会也是

1100。

　这样，要算出所有分子一下子全处在桌子下面的机会，

就必须用1100乘以1100，再乘以1100，　这样一直乘下去，直

到对房间里的每一个分子都乘完。

我这样得到的结果，将是一个

在小数点后面有54个零的小数。”

“唷！”

汤普金斯先生叹了一口气，“我当然不能把赌注押

在这样小的机会上了！

但是，这一切岂不是意味着偏离均匀分布

的情形干脆就不可能发生吗？”

“正是这样，”

教授同意说，“你可以把我们不会因为所有

空气全部处在桌子下面而窒息致死看做是一个真理；也正因为这

样，你酒杯中的液体才不会自动开始沸腾。

但是，如果你所考虑

的区域小得多，它所包含的分子（骰子）的数目就少得多，这时，

偏离统计分布的可能性就大得多了。

例如，就在这个房间里，空

气分子通常就会自发地在某些地点上聚集得比较多一些，从而产

生暂时的不均匀性，这就叫做密度的统计涨落。

当阳光通过地球

的大气时，这种不均匀性会使光谱中的蓝光发生散射，从而使天

空呈现我们所熟?

本章未完，点击下一页继续阅读