FSICA TRMICA 2 Captulo 1: INTRODUCCIN A LOS MTODOS ESTADSTICOS

Los fluidos fluyen, se congelan y evaporan; los slidos se derriten y deforman; agua y aceite no se mezclan; los metales conducen la electricidad; los compuestos qumicos reaccionan, dan o absorben calor, qu fuerzas conducen a estos procesos? A esta pregunta se dedica la termodinmica estadstica. Uno de los conceptos ms fundamentales en la estadstica termodinmica es la Entropa. Esta describe la tendencia de la materia hacia el desorden, los conceptos que introducimos en este captulo proveen una base para describirla.

Definiciones Bsicas de Probabilidad

Si N es el nmero total de resultados posibles y la cantidad de resultados que caen en la categora A, entonces la probabilidad del obtener el resultado A es: Los valores de probabilidades caen en el rango entre cero y uno. Eventos mutuamente excluyentes: los resultados son mutuamente excluyentes si la ocurrencia de cada uno de ellos excluye o descarta la ocurrencia de los otros. Si A y B son eventos mutuamente excluyentes, entonces si ocurre A; B no ocurre y si B ocurre, entonces A no lo hace. Por ejemplo, al lanzar un dado, 1 y 3 son resultados mutuamente excluyentes porque solo puede aparecer un nmero en la cara del dado lanzado. Eventos Independientes: los eventos son independientes si el resultado de cada uno NO est relacionado con el resultado de cualquier otro evento. Ejemplo, resultado en el lanzamiento de un dado es independiente del resultado del lanzamiento anterior o siguiente. Regla de la adicin: si los resultados ocurren con probabilidades , de observar ya sea A, B o E (se expresa probabilidades: ( ) son mutuamente excluyentes y , entonces la probabilidad ) es la suma de las

La suma total de todas las probabilidades de ocurrencia de todos los resultados posibles es:

Ejemplo: Al lanzar un dado la probabilidad de que salga un 1 o un 4 es 1/3, ya que ) 1/6 + 1/6 = 2/6 = 1/3 , por tanto: ( Obs: la regla de la adicin se utiliza solamente si los eventos son mutuamente excluyentes y si buscamos la probabilidad de obtener un resultado u otro. Regla de la multiplicacin: si los resultados son independientes, entonces la probabilidad de observar A, B y E (se expresa ) es el producto de las probabilidades: ( ) ( )( ) ( )

Obs: la regla de la multiplicacin se aplica solamente si los resultados son independientes y si se busca la probabilidad de un resultado y la vez de otro. Eventos Correlacionados Hay correlacin entre 2 o ms eventos si el resultado de uno depende del resultado del otro. A continuacin se presentan algunas definiciones de probabilidad para este tipo de eventos.. Probabilidad Condicionada: simbolizada por ( ) es la probabilidad de que ocurra un evento B, sabiendo que tambin ocurre un evento A. El evento A es la condicin sobre la cual se evala la probabilidad de un evento B. Probabilidad Conjunta: mide la posibilidad de que dos o ms eventos ocurran juntos, se simboliza ( ) Regla General de la Multiplicacin o de Bayes: se utiliza para determina la probabilidad conjunta de que ocurran dos eventos y establece que para dos eventos A y B, la probabilidad conjunta que ambos ocurran se encuentra multiplicando la probabilidad de A por la probabilidad condicional de B dado que A ( ) ( ) ( ) ( ). ocurri. Es decir, ( ) Esta regla define la probabilidad de interseccin entre eventos, ( ) ( ).

Regla General de la Adicin: una regla general puede ser formulada para la unin de eventos A y B que no son mutuamente excluyentes: ( ) ( ) ( ) ( ). En el caso de que A y B sean mutuamente ) excluyentes ( . Para el estudio de otros conceptos importantes en Mecnica Estadstica ser conveniente estudiar el problema del camino aleatorio.

El problema del camino aleatorio en una sola dimensin El camino aleatorio describe la difusin de partculas, la conformacin de las cadenas de polmeros y la conduccin de calor. En este captulo analizaremos el camino aleatorio en una dimensin. Sea una partcula sufriendo desplazamientos sucesivos en una dimensin. Queremos calcular la probabilidad PN(m) de encontrar la partcula en la posicin x despus de N pasos. Sea el nmero de pasos a la derecha y total de N pasos es el n de pasos a la izquierda. El nmero

El desplazamiento neto (medido hacia la derecha) viene dado por: Si se sabe que en cierta secuencia de N desplazamientos la partcula ha sufrido desplazamientos hacia la derecha, entonces est determinado su desplazamiento neto desde el origen: Nuestra hiptesis fundamental fue que los desplazamientos estadsticamente independientes entre s. Por tanto cada desplazamiento est caracterizado por la probabilidad p que el desplazamiento sea a la derecha y la probabilidad q = 1- p de que el desplazamiento sea hacia la izquierda. Ahora bien, la probabilidad de una secuencia cualquiera dada en desplazamientos a la derecha y a la izquierda, viene dada simplemente por multiplicacin de las probabilidades respectivas, esto es, por:

Distribucin Binomial: Pero hay muchos modos diferentes posibles de realizar N desplazamientos de forma que de ellos sean hacia la derecha y hacia la izquierda. El nmero de posibilidades distintas viene dado por: Entonces la probabilidad WN (n1 ) de que se den derecha y ( ) desplazamientos hacia la

hacia la izquierda viene dada por:

( )

(*)

La funcin de probabilidad (*) se llama distribucin binomial debido a que representa un trmino tpico del desarrollo de ( ) por el teorema del binomio ( )
( )

Distribucin para grandes valores de N Si N tiene un valor grande, la distribucin binomial de probabilidad tiene a presentar un mximo pronunciado para un cierto valor de y a decrecer rpidamente al separarse de . Se puede sacar partido de este hecho para hallar una expresin aproximada de P(n) que ser vlido si N es lo suficientemente grande. Como se vio anteriormente, la probabilidad P(n) de que en un camino aleatorio se d pasos a la derecha, N( ) ( ) pasos a la izquierda y con con est dada por

Debido a la dificultad de operar con factoriales, resulta ms cmodo trabajar con logaritmos o funciones exponenciales. Una funcin que podramos derivar de la distribucin binomial para una caminata aleatoria en una dimensin es la funcin de distribucin de Gauss:
( )

Este resultado puede ser tambin expresado en funcin a su desplazamiento neto

Deduccin Dada la ecuacin ( )

( )

( )

matemticamente resulta muy complicado trabajar con

factoriales por lo que usaremos la forma logartmica de ( ). Esto se logra realizando una expansin en series de Taylor alrededor para la funcin con N constante: ( ) ( ) (

) ) ) (

) (

) ( )

(a) (b)

Ahora, aplicando el logaritmo natural a ( ) y usando la aproximacin de Stirling, tenemos: ( El valor tambin el punto donde ( ( ) ( ) ) se define como el punto donde P (y

) alcanzan su valor mximo, por tanto, es

. Usando esta condicin en (b) tenemos que:

En el punto mximo de P, el primer trmino de (a) es cero, la segunda derivada est dada por:

Sustituyendo estos resultados en (a) y hallando el exponencial, tenemos: ( ) El valor de se obtiene al normalizar esta distribucin de probabilidad, es decir, calculando ( ) , siendo el resultado:
( )

Por tanto:

Distribucin de Poisson Cuando en una distribucin binomial el nmero de intentos N es muy grande, y la probabilidad de xito p es pequea, la distribucin binomial converge a la distribucin de Poisson: ( ) Donde Distribucin Multinomial. La descripcin estadstica de una situacin o un fenmeno en que intervengan ms de una variable exige solamente generalizaciones directas de los argumentos probabilsticos aplicados anteriormente. La distribucin multinomial es una generalizacin de la distribucin binomial. Esta distribucin se aplica cuando hay ms de dos resultados posibles (n1, n2, n3 ...nt) con probabilidades p1 , p2 , p3 ...pt constantes y tales que , la ecuacin que la representa es: ( )

Los factores ni estn restringidos por la condicin: Valores Medios y Desviaciones Estndar de las funciones de Distribucin Una funcin de distribucin de probabilidad contiene toda la informacin posible de un sistema probabilstico. Sin embargo, es difcil obtener una funcin de distribucin completa a partir de un experimento, por lo general, solo se pueden medir ciertos promedios o momentos de distribucin. El n-simo momento de una funcin de distribucin de probabilidad se define: Para distribuciones discretas: Para distribuciones continuas:
( ) ( ) ( ) ( )

Promedio o valor medio. El primer momento (n=1) de la funcin de distribucin es denominado valor medio, promedio, o valor esperado; su expresin matemtica es: Para distribuciones discretas: Para distribuciones continuas: Ya que ( ) y ( ) ( ) ( )

Varianza o dispersin El segundo momento de la distribucin o varianza es una medida del ancho de la distribucin. Una distribucin ancha y plana tiene una varianza o dispersin grande, mientras que una distribucin fina y puntiaguda tiene una varianza pequea. La varianza se define como el promedio de la desviacin cuadrtica a partir del ( ) valor medio: ( ) Siendo la desviacin cuadrtica media:

Estos segundos momentos son importantes para entender la capacidad calorfica, difusin y caminos aleatorios. El valor medio de pasos en una direccin para el camino aleatorio es: ( ) ( )

El desplazamiento medio est dado por: La varianza est definida por:

Ejercicios de Fijacin.
1. Cul es la probabilidad de encontrar o un 1 o un 4 en el lanzamiento de un dado? 2. Cul es la probabilidad de obtener 5 caras seguidas despus de lanzar 5 veces seguidas una moneda no trucada? 3. Si en una caja tenemos una bola roja y dos bolas verdes, y la probabilidad de obtener una bola roja en el primer intento es 1/3, mientras que para la bola verde es 2/3. Calcular la probabilidad de obtener una pelota verde en el segundo intento, considerando: a. Que la primera bola sacada es colocada nuevamente en la caja para el segundo intento. b. Que la primera bola sacada no es colocada nuevamente en la caja. 4. Si lanzamos cuatro monedas no trucadas, cul sera en nmero promedio de caras obtenido? Calcular la varianza. 5. Dada la funcin de probabilidad ( ) para la variable . Calcular los momentos primero (promedio) y segundo, y la varianza de esta funcin en el intervalo dado. 6. Una fbrica produce piezas con p=0.02 de que una de ellas sea defectuosa. Calcule: a) la probabilidad de que un lote de 100 piezas no tenga ninguna defectuosa b) la probabilidad de que un lote de 100 piezas se tengan 3 piezas defectuosas c) calcule lo anterior pero usando la aproximacin de Poisson.

PROBLEMAS
1. Cul es la probabilidad de obtener 6 puntos o menos lanzando 3 dados? 2. Cul es la probabilidad de obtener ms de 6 puntos lanzando 3 dados? 3. Cul es la probabilidad de obtener un 1 en el lanzamiento de un dado y despus un 4 en un segundo lanzamiento del mismo dado? 4. Considere un juego en el que se lanzan seis dados. Determinar la probabilidad de obtener: a. Exactamente un as b. Al menos un as c. Exactamente dos ases 5. Supongamos que la probabilidad de encontrar una estrella de masa m* >10 M en un cmulo estelar joven es del 4%. Cul es la probabilidad de que en una muestra escogida al azar, entre 10 miembros del cmulo encontremos 3 estrellas con m * >10 M? 6. Elige un nmero entre 1 y 6. Lanzas 3 dados. Si el nmero que has elegido sale en los 3 dados cobras 3 euros. Si sale en 2 cobras 2 euros. Si sale en un dado cobras 1 euro. Y si no sale en ninguno, pagas 1 euro. Es un juego justo? 7. El nmero de partculas emitidas por una sustancia radioactiva por segundo sigue una distribucin de Poisson; la emisin ocurre a un ritmo de 30 partculas por minuto. Calcule la probabilidad de que en 7.5 segundos se emitan 3 partculas. 8. Un lquido contiene 4 bacterias por cm3, calcule la probabilidad de tener 1 cm3 sin bacterias y la probabilidad de tener en 0.5 cm3 por lo menos una bacteria. 9. Se lanza un dado 100 veces. Calcule la probabilidad de que salga en nmero 6 ms de 20 veces. Calcule exactamente y usando la aproximacin normal (Gauss). 10. Considere un camino al azar con probabilidad de quedarse en el lugar y de dar un paso a la izquierda o derecha. Calcule la posicin media y su dispersin al cabo de N pasos. 11. Supongamos que los errores tipogrficos cometidos por un cajista son completamente aleatorios. Supongamos, asimismo que un libro de 600 pginas contiene 600 de tales errores. Usando la distribucin de Poisson, calcular la probabilidad: a. de que no haya errores en una pgina. b. de que una pgina contenga, por lo menos, tres errores.

12. Un mtodo de diagnstico tiene 3 resultados posibles: positivo (P), negativo (N) y dudoso (D). Se sabe que, en la poblacin, el 10% de los sujetos son positivos, el 70% negativos y el resto dudosos. Qu probabilidad hay de, en una muestra de 5 individuos, obtener exactamente 1 positivo, 1 negativo y 3 dudosos? 13. De acuerdo con la teora de la gentica, un cierto cruce de conejillo de indias resultar en una descendencia roja, negra y blanca en la relacin 8:4:4. Encuentre la probabilidad de que entre 8 descendientes, a) 5 sean rojos, 2 negros y un blanco, b) 3 sean rojos y 2 sean negros. 14. Si un estudiante responde al azar a un examen de 8 preguntas de verdadero o falso Cuales la probabilidad de que acierte 4? Cul es la probabilidad de que acierte dos o menos? Cul es la probabilidad de que acierte cinco o ms? Cunto valen la media y la varianza del nmero de preguntas acertadas? 15. Sabemos que el 45% de la poblacin est a favor de la donacin de rganos, el 15% en contra, y el 40% es indiferente al tema. Si se extrae una muestra aleatoria de 20 sujetos. Cul es la probabilidad de que 10 estn en contra, 10 sean indiferentes y 5 estn a favor?