Professional Documents
Culture Documents
Gu #1
a
Verano 2004
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
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
= 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 :
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)
N
n
def
N!
n!(N n)!
(8)
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
x < x >=
P (xi )xi
(10)
i=1
(x)2 (x x)2 =
(11)
i=1
(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
(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
Pab =
p(x)dx
a
que corresponde al area bajo la curva de densidad de probabilidad comprendida entre los valores a y b.
(14)
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
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
(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 =
=
N!
pn q N n
n!(N n)!
en que q = 1 p
(17)
P (n) =
donde = N p
(18)
= exp (N n) ln(1 p)
exp (N n)(p)
exp N p
N!
(N n)!
Sol.
N!
(N n)!
= N (N 1)(N 2) . . . (N n + 1)
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
k=0
k
e
k!
Sol.
2
= [ n2 n ]1/2
(19)
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