MECNICA

ESTADSTICA
PABLO VILELA
1
Qu es la mecnica estadstica?
Mundo
Microscpico
Mundo
Macroscpico
Mecnica Cuntica
TEOR A DE PROBABI LI DAD
3
El auto y las cabras (The New York Times, 1991).
4
Imagina que ests en un concurso de televisin. El animador
del concurso te coloca delante de tres puertas, una de las cuales
esconde un lujoso auto nuevo. Detrs de cada una de las otras
dos puertas hay una cabra. Tienes que escoger una puerta y
ganars lo que haya tras ella. Te decides y anuncias tu eleccin.
Entonces el animador abre una puerta y se ve una cabra; y te
pregunta si quieres cambiar tu eleccin inicial. Asumiendo que
quieres ganar el auto, sera ventajoso cambiar de puerta?
Solucin
5
Eleccin 1 Eleccin 2
Auto
CABRA
Cabra
Cabra 1 Auto
Cabra 2 Auto
1/3
2/3
Probabilidad de ganar en la primera eleccin
1/3
Probabilidad de ganar al cambiar la eleccin
2/3
6
A y B juegan el siguiente juego de dados: Se
lanzan dos dados, si la suma de los dados es
igual a 7, A gana y si la suma es igual a 8, B
gana. El juego termina al obtener un ganador.
Cul es la probabilidad de que A gane?
Solucin 1
7
Denotamos el evento la suma es 8 por:
E8 = {(2; 6); (6; 2); (3; 5); (5; 3); (4; 4)}
y el evento la suma es 7 por:
E7 = {(1; 6); (6; 1); (2; 5); (5; 2); (3; 4); (4; 3)}.
La probabilidad de que A
gane en n lanzamientos:
La probabilidad de que A gane:
Solucin 2
8
Denotamos el evento la suma es 8 por:
E8 = {(2; 6); (6; 2); (3; 5); (5; 3); (4; 4)}
y el evento la suma es 7 por:
E7 = {(1; 6); (6; 1); (2; 5); (5; 2); (3; 4); (4; 3)}.
Lo anterior es equivalente a decir que P(A) es la
probabilidad condicional de que la suma sea 7 dado
que el juego termina en algn lanzamiento, es decir:
Probabilidad condicional
9
La probabilidad de que un evento B ocurra cuando se
sabe que ya ocurri un evento A se llama probabilidad
condicional y se denota por P(B/A) que se lee como
probabilidad de que "ocurra B dado que ocurri A". Esta
probabilidad se define como:
0 ) ( con
) (
) (
) / ( >

= A P
A P
A B P
A B P
Densidad de probabilidad
10
dx x f dx x X x P ) ( ) ( = + s s
Se define la densidad de probabilidad f(x) de una
variable aleatoria continua X como:
Ejemplo: la probabilidad de encontrar un electrn 1s en
el tomo de hidrgeno en el volumen d
3
r es ,
donde es la funcin de onda y est
normalizada (a = radio de Bohr):
Densidad de probabilidad
Variables aleatorias independientes
11
Sean X, Y, Z variables aleatorias independientes.
( , , ) P x y z dxdydz es la probabilidad de encontrar simultneamente
X entre x y x + dx; Y entre y e y + dy; Z entre z y z + dz
( , , ) ( ) ( ) ( )
X Y Z
P x y z P x P y P z =
Se cumple que:
donde P
X
, P
Y
, P
Z
son las densidades de probabilidad asociadas
con cada variable separadamente.
Cuntos conjuntos diferentes de n enteros
pueden formarse con los N primeros
nmeros enteros positivos?
12
Solucin
( )
( )
!
! !
N
n
N
n N n
=

De cuntas maneras diferentes se pueden

agrupar N nmeros distintos en tres
conjuntos, tal que el primero contenga n
1

nmeros, el segundo n
2
nmeros y el
tercero n
3
= N n
1
n
2
?
13
Solucin
Primer conjunto
n
1

( )( )
1
1 2
1 2 3
!
! ! !
N n N
n n
N
n n n

=
Segundo conjunto
n
2

N partculas que interactan dbilmente entre ellas se
mueven dentro de un volumen V. Cul es la
probabilidad de encontrar exactamente n partculas
dentro de algn sub-volumen particular v dentro de V?
14
Solucin
( )
n N n N
n
p p v n P

= ) 1 ( ] en [
La probabilidad de encontrar una
partcula dentro de v V
v
p =
Modos de elegir un conjunto
de n partculas de un conjunto
ms grande de N partculas
Prob. de encontrar n
partculas dentro de v
y las restantes (N-n)
fuera de v.
Distribucin Binomial
15
( )
n N n N
n
n N n
p p p p
n N n
N
n X f

=

= = ) 1 ( ) 1 (
)! ( !
!
) (
Media y Varianza:
) 1 (
2
2 2
p Np X X
Np X
= =
=
o
Distribucin de Poisson
16
Media y Varianza:
o

= =
=
2
2 2
X X
X
Distribucin Gaussiana
17
Densidad de probabilidad con media y varianza
2

Distribucin Gaussiana
18
2 1
0
o

=
=
h
Cul es la probabilidad de obtener n
caras al lanzar simultneamente N
monedas?
19
Solucin
( )
1
2
N
n
N
Definimos:
n xN =
1
2
[ caras]
( )
[ caras]
P xN
R x
P N
=
N = 6, 50 y 200
x
R(x)
Teorema del lmite central
20
Consideremos una secuencia infinita de variables aleatorias
independientes: x
1
, x
2
, ... con densidades de probabilidad
P
1
(x), P
2
(x), ...
Asumamos tambin que:
( ) 0
n n n n
x P x dx =
}
(el valor medio de cada variable es cero)
1 2 N
x x x
X
N
+ + +
=
(el promedio de las N primeras variable)
2 2
2
1 N
x x
a
N
A + + A
=
Para N grande
2 2
2 1 2 2
( ) ( 2 )
Nx a
X
P x N a e t

=
a
X
N
A =
Exercise
21
Let {r

} be n random numbers, each

independently chosen from a
probability density p(r), with r [0,1].
(a) Calculate the probability density
p
n
(x) for the largest value of this set, i.e.
for x = max

{r
1
, ..., r
n
}.
(b) If each r

is uniformly distributed
between 0 and 1, calculate the mean and
variance of x as a function of n.
Answer (a)
22
Answer (b)
23