Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
2 Distribución gaussiana
dLnP( N , n)
LnP( N , n) LnP( N , ñ) (n ñ)
dn ñ
d 2 LnP( N , n) (n ñ) 2
dn 2 ñ 2!
d 2 P ( N , n) ( n ñ ) 2
LnP( N , ñ) 2
dn ñ 2!
Donde
d 2 LnP( N , n) d N n p
2
Ln Ln
dn dn n q
1 1 N
N n n ( N n) n
Luego,
d 2 LnP( N , n) N
dn 2
ñ ( N n) n
N
( N Np) Np
N
( N Np) Np
1
Nqp
1
n 2
Así,
1 1
LnP( N , n) LnP( N , ñ) ( n n) 2
2 n 2
1
( nn )2
P( N , n) Ae 2 n 2
Como
P ( N , n)
WN (n) , y, n 1
n
Finalmente,
( nn )2
WN (n) Ae 2 n 2
(1.21)
Que es la función de distribución de Gauss. Donde A es una constante que se determina
mediante la condición de normalización de W(n), n el valor central de la distribución y
σ=Δ*n el ancho a media altura de la distribución de W(n). En la Figura 1.1 se observa la
curva de la distribución de probabilidad gaussiana.
W(n)
2
Probabilidad de un desplazamiento “x”
La función de distribución de probabilidad de Gauss, dependiente de “n”, deducida
anteriormente
(nn )2
1
____ ____
2
2 n 2
PN (n) 2 n 2 e
En función de “m” (número neto de pasos a la derecha), con m 2n N , queda de la
siguiente manera
1
( mm )2
4 ____
____ 1 1
2 m 2
P(m) ( m ) e 2 2 4
2
Tomando x=ml, la función de probabilidad queda dependiente del desplazamiento “x”,
( x x )2
x 2 1
____
P( x) ( 2
) e 2 x 2
2 l2
Dado que la densidad de probabilidad está dada por
P( x)
W ( x)
x
y x=2l (ver figura), finalmente, la densidad de probabilidad para un desplazamiento
“x”, queda de la forma
( x x )2
1
____
W ( x) (2 x 2 ) e 2 2 x 2
x=ml=2l
mx (m+1)x
Así, la probabilidad de darse un desplazamiento “x” entre “x” y “x+dx” estará dado por
O sea, conociéndose la densidad de probabilidad se puede determinar la probabilidad de
presentarse cualquier desplazamiento “x”.
3
Dada la probabilidad
P(x)=W(x)dx
4
discernibles marcadas con las letras A, B y C las cuales pueden ocupar los niveles
con energía 0, , 2 y 3. Como el sistema se restringe a una energía total de
3 , las posibles formas en que se pueden distribuir las partículas en cada uno de
los niveles de energía nos proporcionan una cantidad de 10 estados microscópicos
para el sistema como se ilustra en la Figura 1.2.
3 A 3 3
2 2 A 2
B A,B,C
0 B,C 0 C 0
5
Figura 1.3-Dos ejemplos de distribución de 11 unidades de energía entre 5 partículas.
Las unidades de energía están representadas por las bolas negras, las paredes entre las
partículas por las bolas blancas. En el esquema superior, las energías de las partículas de
izquierda a derecha son 2, 3, 4, 1 y 1. La permutación de una bola negra con una blanca
genera una nueva distribución de energía. Por ejemplo, en el esquema inferior, la nueva
distribución es 4, 1, 4, 1 y 1.
Otra forma de deducir la Ec.(1.27) es considerando que las N partículas y la energía E se
distribuyen en todos los estados (formas) posibles. Comenzando por una partícula
existen N formas de comenzar y en cada una de estas formas las (N+E-1) pueden
formas restantes pueden distribuirse en cualquier orden. Así el número de formas
posibles es N(N+E-1)!. Como no se tiene en cuenta el orden en que se toman la
partículas o los niveles, dividimos por N! y E!, generándose la expresión.
(3 3 1)!
Para el ejemplo expuesto N=3 y E=3, entonces tenemos ( E ) 10 . Dado el
(3 1)!3!
caso en que las partículas sean completamente indiscernibles, el número de estados
microscópicos se reduce a 3, pues para cada ocupación del sistema las permutaciones
entre partículas de niveles diferentes no generan nuevas distribuciones o estados
microscópicos.
El conocimiento del número de estados permite calcular las propiedades físicas de los
sistemas aislados como será abordado en el capitulo 2. También se estudiará otra forma
de determinar el número de estados utilizando la densidad de estados.
Los estados microscópicos diferentes con la misma energía se denominan estados
degenerados. El número de estados degenerados se denomina la degeneración. En el
ejemplo anterior, la degeneración es 10 para la energía E=3.
Cada estado microscópico i tiene una probabilidad Pi. Conociendo Pi, puede calcularse
los valores medios de las cantidades físicas lo cual se realizará en los capítulos
siguientes. El objetivo principal de la mecánica estadística es el de determinar Pi
dependiendo de las condiciones en las cuales se encuentre el sistema sometido a estudio.
Es de importancia tener en mente que las partículas cuánticas son, debido a su
naturaleza, partículas indiscernibles. Se distinguen dos tipos de partículas: Los bosones
y los fermiones. Los bosones son las partículas de spin entero (0, 1, 2,…) y los
fermiones son las partículas de spin semi-entero(1/2, 3/2, 5/2,…). Uno de los postulados
de la mecánica cuántica establece que la función de onda de los bosones es invariante
respecto a la permutación de dos partículas, mientras que la de los fermiones cambia de
signo a cada permutación. La consecuencia de este postulado es que un estado cuántico
puede contener cualquier número de bosones mientras que él solo puede contener un
fermión a lo máximo. Esto tiene influencia evidente en el conteo de los estados.
1.5.2 Estados macroscópicos
6
Un estado macroscópico está definido por un conjunto de estados microscópicos
que tienen una propiedad macroscópica común. Existen muchas formas de definir
un estado macroscópico. En el ejemplo de la Figura 1.2, se pueden definir los
estados macroscópicos por los números de ocupación de los niveles de energía:
hay tres estados macroscópicos correspondientes a los números de ocupación de
los cuatro niveles (2,0,0,1), (1,1,1,0), (0,3,0, 0) (Figura 1.2, de izquierda a
derecha). Igualmente puede definirse el estado macroscópico como un estado con
energía E=3. Este estado macroscópico contiene entonces el conjunto de los 10
estados microscópicos.
En general, un estado macroscópico es una mezcla estadística de estados
microscópicos. Un valor macroscópico de una magnitud física corresponde al
promedio estadístico de dicha magnitud a lo largo de sus estados microscópicos.
1.5.3 Medias estadísticas y principio de ergodicidad
7
Como 0 ≤ Pr ≤ 1, S ≥ 0
Cuando se puede presentar un evento con total certeza, es decir cuando una de
las probabilidades es igual 1 (y las otras probabilidades son, pues, nulas), se
encuentra que S es mínima lo que quiere decir que S=0. Cuando todas las
probabilidades son iguales, es decir cuando la incertidumbre sobre el resultado
es completa, se puede demostrar que S es máxima.
Ejercicio 11
De otra forma S representa la incertidumbre, o la falta de información, acerca del
sistema. Con esta definición, se comprende fácilmente que en termodinámica, la
entropía S es asimilable al desorden del sistema.
La entropía estadística es aditiva: consideremos dos conjuntos de eventos
independientes (o dos sistemas macroscópicos con sus estados microscópicos) {em;
m=1,…M} y {en; n=1,…N} de probabilidades respectivas {Pm; m=1,…,M} y {Pn´;
n=1,…,N} La probabilidad de presentarse los eventos em y en´ es P(m,n)= Pm Pn´. La
entropía será
k Pm ln Pm Pn ´ k Pn ´ln Pn ´ Pm
m n n m
S (e) S (e´)
(1.31)
como m
Pm 1 y n
Pn ´ 1 . La entropía total es entonces la suma de las entropías.
8
b) si N es impar?
6-En el juego de la ruleta rusa (no recomendado por el autor) se introduce un solo
cartucho en el tambor de un revólver, dejando libres las otras cinco cámaras. Se hace
girar el tambor, se apoya el cañón en la sien y se aprieta el gatillo.
a) ¿Cuál es la probabilidad de estar con vida después de jugar N veces?
b) ¿Cuál es la probabilidad de sobrevivir a N-1 jugadas, produciéndose el
disparo la N-ésima vez que se aprieta el gatillo?
c) ¿Cuál es el número medio de veces que un jugador tiene oportunidad de
apretar el gatillo en este macabro juego?
7-Consideremos el problema del camino aleatorio del problema 4 con PA=PB (PA
probabilidad de dar un paso a la derecha y PB probabilidad de dar un paso a al
izquierda), nA: número de pasos a la derecha y nB: número de pasos a la izquierda. Sea
m= nA- nB el número neto de pasos hacia la derecha. Después de un total de N pasos,
calcular los valores medios siguientes: m , m 2 , m 3 y m 4 .
8-Dos borrachos parten juntos del origen, teniendo cada uno la misma probabilidad de
dar un paso a la derecha o a la izquierda a lo largo del eje x. Determinar la probabilidad
de que vuelvan a encontrarse después de N pasos. Se sobreentiende que los dos dan sus
pasos simultáneamente.
2 N ! 1 2 N )
(Soln.
( N !) 2 2
9-Consideremos un gas de No moléculas sin interacciones mutuas encerrado en un
recipiente de volumen Vo. Enfoquemos nuestra atención en un subvolumen cualquiera V
de este recipiente y designemos por N el número de moléculas contenidas en este
subvolumen. Cada molécula tiene la misma probabilidad de encontrarse en un punto
cualquiera del recipiente; en consecuencia, la probabilidad de que una molécula dada
esté situada dentro del subvolumen V es sencillamente igual a V/Vo.
a) ¿Cuál es el número medio N de moléculas dentro de V? Expresar el
resultado en términos de No, Vo y V.
b) Determinar la dispersión N 2 N 2 1/ 2
/ N relativa en el número de
moléculas situadas dentro de V. Expresar el resultado en términos de No, Vo y
V.
c) ¿Cómo quedaría el resultado anterior si V<<Vo?
d) ¿Qué valor tomaría la dispersión N N si V→ Vo?
2
9
espacio de tiempo. Cada intervalo Δt puede considerarse como un experimento
independiente, habiendo un total de experimentos durante el tiempo t, igual a N=t/ Δt.
a) Demostrar que la probabilidad P(n) de n desintegraciones durante el tiempo t
viene dada por la distribución de Poisson.
b) Suponer que la intensidad del foco radiactivo es tal que el número medio de
desintegraciones por minuto es de 24. ¿Cuál es la probabilidad de obtener n
de ellas en 10 s? Dar valores numéricos para valores enteros de n desde 0
hasta 8.
10
de la esfera con la partícula. ¿Cuál es la probabilidad de que este ángulo esté entre
y d ?
11