FI22A-Seccin 1

Gu #1
a

Verano 2004

Prof: Simn Casassus

o
Ayudante: Sebastin Prez
a
e

La verdadera lgica de este mundo est en el clculo de probabilidades.

o
a
a
James Clerk Maxwell

Introduccin a las Probabilidades

o
Es necesario revisar las nociones bsicas de probabilidad ya que son de vital importancia para describir y
a
estudiar sistemas macroscpicos compuestos de muchas part
o
culas.
Es bien sabido que el problema de 2 cuerpos ( part
o
culas) interactuando entre s es fcil de resolver

a
y se pueden determinar con gran certeza la posicin, velocidad y trayectoria de esta, lo cual se vuelve casi
o
imposible de realizar cuando se habla de 3 o mas part
culas, y mas aun en nuestro caso donde estudiaremos
sistemas compuestos de mas de 1023 part
culas. Por esto necesitamos un enfoque probabil
stico para describir
estos sistemas.
Y mas aun si tomamos en cuenta las limitaciones cunticas impuestas por el Principio de Incertidumbre
a
enunciado por Heisenberg hacia los aos 20, el cual nos da cuenta de la imposibilidad de conocer simultanean
mente la posicin y el momentum de una part
o
cula.
xp h
Denicin:
o
La probabilidad de que ocurra un suceso A esta dada por:
P (A) =

# casos favorables
# casos totales

(1)

Entonces la probabilidad de un resultado particular la entendemos como una estimacin de la fraccin mas
o
o
probable de un nmero de observaciones repetidas que daran ese resultado particular.
u
Adems debe cumplir 0 P (A) 1.
a
Existen 2 tipos de variables probabil
sticas, las cuales deben cumplir con la condicin de normalizacin (la
o
o
suma de las probabilidades extendida a todos los valores posibles de la variable debe ser igual a la unidad):
Aleatorias Discretas: sus posibles valores son un conjunto numerable de puntos (n).
N

P (xi ) = 1
i=0

Aleatorias Continuas: sus posibles valores son un conjunto no numerable de valores.1

P (x)dx = 1

1 El

intervalo de integracin no es necesariamente (, ), es mas bien sobre todo el dominio de la variable aleatoria x.
o

Propiedades: Sean A y B dos eventos, estad

sticamente independientes, debe cumplirse que:
P (A B)
P (A B)
P (A \ B)

= P (A) + P (B)
= P (A)P (B)
P (A B)
= P (A)
=
P (B)

(2)
(3)
(4)

La segunda igualdad en la ultima expresin se tiene si y solo si los eventos son estad

o
sticamente independientes.
Dos sucesos o eventos son estad
sticamente independientes si la presencia de uno de ellos no depende de
la presencia o ausencia del otro.

Distribucin Binomial
o
Nos es de gran interes estudiar un sistema donde se tienen N sucesos estad
sticamente independientes
cada uno con solo 2 opciones, ocurrencia o no ocurrencia, con probabilidades p y q respectivamente, como es
el caso de muchos problemas f
sicos importantes, como por ejemplo :

Sistemas de N spines 1/2, con un momento magntico asociado 0 .

e
Lanzamientos de monedas o dados.
Gas ideal de N molculas en un volumen dividido en 2 secciones V y V.
e
Random Walk.

La deduccin de una expresin que nos entregue la probabilidad deseada se obtiene de manera simple, partao
o
mos de la condicin de normalizacion, que tiene por consecuencia evidente
o
p+q =1

(5)

adems si tenemos N sucesos podemos decir que n de estos sucesos estn asociados a la probabilidad de
a
a
ocurrencia p y n asociados a q, es decir
n+n =N
(6)
entonces, cul es la probabilidad P (n) de que n de los sucesos N se cumplan?, esto se resuelve mediante el
a
siguiente razonamiento. La probabilidad de n es p y la probabilidad de n es q = 1 p, como los N sucesos
son estad
sticamente independientes, la generalizacin de la relacin (3) nos dice que
o
o
P (n) pp...p qq...q = pn q n = pn q N n

(7)

La relacin es de proporcionalidad solamente ya que la situacin que estamos describiendo, donde se

o
o
cumplen n de los N sucesos y n de estos no se cumplen, se puede obtener de muchos modos diferentes, es
decir, hay una dependencia de la conguracin u ordenemiento de los N sucesos.
o
El nmero de conguraciones posibles se expresa mediante la combinatoria
u
CN (n) =

N
n

def

N!
n!(N n)!

(8)

La probabilidad buscada resulta entonces

P (n) =

N n N n
N!
p q
=
pn q N n
n!(N n)!
n

(9)

En resumen, hemos obtenido una expresin para describir el siguiente caso general: si tenemos N eventos
o
estad
sticamente independientes, cada uno de ellos con probabilidad p de cumplirse o probabilidad q = 1 p
de que no se presente, la probabilidad P (n) de que se veriquen n cualquiera de estos N eventos (mientras
no se presenten los n = N n eventos restantes) corresponde a la distribucin binmica (9).
o
o
2

Clculo de valores medios de variables discretas

a
Esperanza de una variable aleatoria (promedio)
N

x < x >=

P (xi )xi

(10)

i=1

Dispersin, desviacin de x con respecto a su valor medio x

o
o
N

P (xi )(xi x)2

(x)2 (x x)2 =

(11)

i=1

tiene dimensiones del cuadrado de la variable.

Desviacin standard, medida lineal de la reparticin de los valores posibles de x (ra cuadrada de la
o
o
z
dispersin)
o
=

(x)2 =

(x x)2

(12)

la mayor de los valores de x deben presentarse dentro de un intervalo del orden de alrededor de x.
a

Distribucin continua de probabilidad

o
Cuando la variable aleatoria es continua se habla de
una densidad de probabilidad p(x), de las cuales la
mas comn es la llamada distribucin gaussiana o noru
o
mal
p(x) =

(x)2
1
e 22
2

<x<

(13)

donde,
valor promedio de x (esperanza).
2 Dispersin (nos da el ancho de la campana).
o
Figura 1: Distribucin binomial(discreta) y diso

Desviacin Standard.
o

tribucin normal (continua).

o

Para centrar la funcin en el valor esperado () se utiliza el cambio de variable z = |x |/.

o
La probabilidad de que ocurra un suceso x entre a y b viene dada por
b

Pab =

p(x)dx
a

que corresponde al area bajo la curva de densidad de probabilidad comprendida entre los valores a y b.

(14)

I Random Walk problem [Problema del camino aleatorio (2.5 Reif)]

Un hombre parte desde una farola en la mitad de una calle con pasos de igual longitud l. La probabilidad de
que uno de sus pasos sea hacia la derecha es p, y q = 1 p de que sea hacia la izquierda. El hombre est tan
a
borracho que su comportamiento en cada paso indica que no existen trazas en su memoria de lo que hizo en
los pasos anteriores. Sus pasos son, pues, estad
sticamente independientes. Suponer que el hombre ha dado N
pasos.
1. Cul es la probabilidad P (n) de que n de dichos pasos sean hacia la derecha y los restantes n = N n
a
hacia la izquierda?
2. Calcule el valor medio, la dispercin y la desviacin standard para el caso del Random Walk (los
o
o
resultados son generales para cualquier problema binomial)
3. Cul es la probabilidad de que el desplazamiento del hombre desde la farola sea ml, en donde m = nn
a
es un nmero entero?
u
Solucin:
o
1. La probabilidad buscada corresponde a la ecuacin (9), que podemos escribir de la forma
o
P (n) =
2. Clculo de n
a

N! n n
p q
n! n !

P (n)n =

n=
i=0

i=0

N!
pn q N n n
n!(N n)!

Para calcular esta sumatoria hay que utilizar un truco: npn = p p (pn )
N

=
i=0

= p

N!

p (pn )q N n
n!(N n)! p
N

i=0

N!
pn q N n
n!(N n)!

= p [p + q]N
p
= pN [p + q]N 1
= pN
Clculo de n , Sabemos que
a
n =N n n

=
=
=
=
=

N n
N n
N Np
N (1 p)
Nq

Clculo de m, (m = n n )
a
m = nn
= Np Nq
= N (p q)
4

(15)

Clculo de la dispersin
a
o
(n)2

= (n n)2
= n2 2n n + n2
= n2 n2
solo nos falta calcular n2
N

P (n)n2 =

n2 =
i=0

i=0

Tendremos que utilizar otro truco n2 pn =

N

n2

=
i=0

=
=
=
=
=
=

(p

N!
pn q N n n2
n!(N n)!

(p p )2 (pn )

N!
(p )2 (pn )q N n
n!(N n)! p
N

2
)
p

i=0

N!
pn q N n
n!(N n)!

2
[p + q]N
p
p

p
pN [p + q]N 1
p
p[N (p + q)N 1 + p(N 1)N (p + q)N 2 ]
pN [1 N p p]
p2 N 2 + N pq

= (N p)2 + N pq (N p)2
= N pq

(n)2

Clculo de la desviacin standard

a
o
=

(n)2 =

N pq

(16)

3. Nos piden calcular P (m), la probabiliad de que despues de dar N pasos el borracho se encuentre a una
distancia ml del origen.
Vamos a calcular el caso especial cuando p = q = 1/2 (est muy borracho) tiene la misma probabilidad
a
de ir hacia la izquierda que a la derecha. Primero veamos la relacin entre m y n
o
m = n n = n N + n = 2n N

n=

m+N
2

la idea es pues expresar la nueva variable aleatoria en funcin de una variable de la cual si conocemos
o
su distribucin de probabilidad (n)
o

P (m)

m+N
)
2
N!
1
N m
N +m
! 2 ! 2N
2

= P (n =
=

Adems, se verica que si N es impar, m es impar y si p = q = 1/2 obviamente P (m) = 0. Si tiene la

a
misma probabilidad de ir hacia la izquierda que a la derecha, y da un nmero de pasos impares, lo mas
u
probable es que se mantenga en el origen.

II Distribucin de Poisson y consecuencias experimentales [P1 Control 1 Primavera 2004]

o
Un experimentador basado en Antartida estudia el ujo de rayos csmicos que transporta el viento Solar.
o
Usa un detector de rea unitaria capaz de medir la
a
presencia de un impacto de protones N >> 1 veces por segundo, y obtiene que el nmero de resultau
dos positivos es n << N . El experimentador se pregunta acerca de la precisin de sus mediciones de uo
jo.
Queremos entonces aproximar la distribucin binomial, correo
spondiente a la probabilidad de ocurrencia de n eventos con
probabilidad p en N experimentos,
P (n) =

N!
pn q N n
n!(N n)!

en que q = 1 p

(17)

al caso de la distribucin de Poisson, N >> 1, p << 1, n << N :

o
n
e
n!

P (n) =

donde = N p

(18)

1. Muestre que (1 p)N n eN p .

Sol.
(1 p)N n

= exp (N n) ln(1 p)
exp (N n)(p)
exp N p

2. Luego, como n << N , muestre que

N!
(N n)!

Hacemos un Taylor de primer orden ln(1 p) p

pero N n N ya que N >> n
N n , y concluya con la distribucin de Poisson.
o

Sol.
N!
(N n)!

= N (N 1)(N 2) . . . (N n + 1)

como N >> n cada trmino es N

e

n trminos
e

Nn
Ahora reemplazamos en la distribucin binmica las aproximaciones obtenidas en 1. y 2.
o
o
N n P n N p
P (n) =
e
= Np
n!
n
=
e
[Distribucin de Poisson]
o
n!
3. Cul es el valor medio de n, n ?
a
Sol.
N

P (n) n

n
e n
n!
n=1

N
n
n=1 (n1)!

N
n=1

= e
=

n1
(n 1)!
n=1

como N >> 1, entonces

k=0

k
e
k!

4. Demuestre que la desviacin standard de la distribucin es =

o
o

Sol.
2

= [ n2 n ]1/2

(19)

como ya obtuvimos n solo nos falta encontrar el promedio del cuadrado

n2

n
n=1 n!

n
e n
(n 1)!
n=1

e n2

2 +

=
=

n
n=1 (n1)!

e (n 1 + 1)

e 2 e + e

n
n
+
(n 2)! n=1 (n 1)!
n=1

nalmente,

[2 + 2 ]1/2

=
=

5. El experimentador reporta un ujo de 4 108 protones s1 cm2 . Recomiende un valor para caractarizar
la precisin de su observacin. Explique.
o
o
Sol.
Una buena estimacin de la precisin de los datos obtenidos es la desviacin standard, la cual es una
o
o
o
medida lineal de la reparticin de los valores posibles.
o
El intervalo de precisin est dado por:
o
a

(20)
[ n , n + ] [ , + ]
6. Decepcionado con la precisin de su medicin, el experimentador decide repetir el experimento 16 veces,
o
o
en d distintos. Se pregunta ahora acerca de la mejora en la precisin que obtendra al promediar el
as
o
ujo de protones cada d
a.
Sol.
Para tener una nocin de la mejora que obtendr al repetir N veces el experimento, basta con comparar
o
a
si la razn entre el valor esperado y la desviacin standard aumenta o decrece
o
o
(n)2
n

Np
Np
(21)

Este resultado es muy general, muestra que mientras la desviacin standard (que mide la anchura
o
de la distribucin de valores de n alrededor de su valor medio n ) aumenta cuando N crece, pero solo
o
proporcionalmente a N 1/2 , la magnitud relativa de comparada con n decrece proporcionalmente a
N 1/2 . Luego, esta razn es muy pequea cuando N es grande.
o
n