Si lanzamos la moneda N veces, obtendremos n caras y N-n sellos

Slides:



Advertisements
Presentaciones similares
Introducción a la Estadística
Advertisements

Las distribuciones binomial y normal.
CARACTERISTICAS PRINCIPALES DE LOS SISTEMAS EXPERTOS
DEFINICION DE TERMINOS SEMEJANTES
Unidad de competencia II Estadística descriptiva:
MATEMÁTICAS II.
DERIVADA DE UNA FUNCION REAL
Bivariadas y Multivariadas
INTEGRACIÓN.
Parámetros estadísticos
JAVIER ALVAREZ PRESENTA
TEMA CIRCUITOS RC EN SERIE.
LECCIÓN 11 Interpretación microscópica de los conceptos termodinámicos. Teoría Cinética de los gases. Mecánica Estadística.
La ley de los grandes números
2. INTRODUCCION A LA TEORIA DE LA PROBABILIDAD
Se lanza tres monedas sobre una mesa.
Lanzamiento de un dado Supongamos que lanzamos un dado sobre la mesa.
Ecuaciones diferenciales de 1er orden :
DERIVADAS.
Conceptos Probabilísticos
DERIVADAS PARCIALES Gráficas.
MEDIDAS DE VARIABILIDAD O DISPERSION
Probabilidades Primero Medio
Modelo de partícula en la superficie de una esfera
Clases 4 Pruebas de Hipótesis
LINEA DE PROFUNDIZACION EN MAGNETISMO: LP II, MECÁNICA ESTADÍSTICA
E Experimentos aleatorios. Espacio muestral
TIPOS DE MODELOS DE REGRESIÓN Y SUPUESTOS PARA EL MODELO A
Variables Aleatorias Unidimensionales
ORDEN DE LAS FRACCIONES:
Probabilidad y estadística
Teoría de Probabilidad
Control Estadístico de Procesos Introducción a la Probabilidad.
DISTRIBUCIÓN DE MAXWELL-BOLTZMANN PARA PARTÍCULAS DISTINGUIBLES
Trabajo puntos de equilibrio
Estadística Administrativa I
Unidad V: Estimación de
Ecuaciones diferenciales 1. Ecuaciones diferenciales de primer orden
ESTADÍSTICAS DESCRIPTIVA
Introducción La inferencia estadística es el procedimiento mediante el cual se llega a inferencias acerca de una población con base en los resultados obtenidos.
ESTIMACION POR INTERVALOS
Práctica 1 Teoría de errores
CONDICIONES DE EQUILIBRIO
ESTADÍSTICA DESCRIPTIVA
Los naipes en el arte Caravaggio “Los tramposos”, 1595.
CAPÌTULO 1 Vectores en el espacio
Unidad II: Variables Aleatorias Concepto Discreta y Continua Fun. de densidad Fun. de probabilidad F. de distribución Esperanza y Varianza Propiedades.
Aprendiendo a usar la probabilidad
Estequiometría de reacciones
FÍSICA DE SEMICONDUCTORES FUNCIONES ESTADÍSTICAS DE DISTRIBUCIÓN
Cualquier x real Este valor, para cualquier x, siempre estará en el intervalo Supongamos entonces que y es un número conocido positivo Se trata de resolver.
FÍSICA DE SEMICONDUCTORES FUNCIONES ESTADÍSTICAS DE DISTRIBUCIÓN
Análisis del consumidor
ESTIMACIÓN DE PARÁMETROS
PROBABILIDADES (Adaptación) Prof. José Mardones Cuevas
Pontificia Universidad Cotólica de Valparaíso Facultad de Ciencias Básicas y Matemáticas Instituto de Física Cristina Ponce Salas Septiembre 2007 Termodinámica.
Logaritmos.
1 2  La Teoría de la Probabilidad constituye la base o fundamento de la Estadística, ya que las ingerencias que hagamos sobre la población o poblaciones.
…ha llegado la conexión.. Consideremos un sistema macroscópico cuyo macroestado pueda especificarse por su temperatura absoluta T o por otra serie de.
Distribuciones de Probabilidad
Distribución Binomial
P y E 2012 Clase 15Gonzalo Perera1 Repaso de la clase anterior. Métodos de estimación.
Inferencia Estadística Conceptos Previos. Conceptos Previos Población: Es la colección de toda la posible información que caracteriza a un fenómeno aleatorio.
Matemáticas preuniversitarias
Probabilidad: Es la medida de incertidumbre de la ocurrencia de un suceso Experimento Determinístico: Es aquel que podemos predecir su ocurrencia. Ej.
Concepto de Probabilidad
FUNCIÓN DE PROBABILIDADES. ENTRE PROBABILIDADES Y FUNCIÓN HAY UNA ESTRECHA RELACIÓN…
Introducción: Calor y Temperatura Primer Principio Segundo Principio
Intervalos de Confianza M. C. José Juan Rincón Pasaye UMSNH – FIE Mayo de 2003.
Cálculo MA459 Unidad 2: TÉCNICAS DE DIFERENCIACIÓN
Transcripción de la presentación:

Si lanzamos la moneda N veces, obtendremos n caras y N-n sellos Si lanzamos la moneda N veces, obtendremos n caras y N-n sellos. Si denotamos como Ω, el numero de microestados en un macroestado dado, obtendremos que: (4) La ecuación nos dice que si tenemos N objetos, los podremos arreglar en N! estados diferentes. Sin embargo, cuando lanzamos la moneda N veces y obtenemos n caras, entonces cada resultado de caras es el mismo. Es decir, el estado SCC es igual al estado CSC, puesto que tiene 2 caras. En conclusión, el número de macroestados para N lanzamientos de una moneda, es N! dividido por n!, teniendo en cuenta que los resultados son los mismos, y dividido por (N-n)!, que son los resultados para sello.

Ejemplo: Si se lanza la moneda 4 veces y se obtienen 2 caras, ¿cuál es el número de microestados que cumplen con esa condición? En los problemas reales de la física, N! =1023!, el cual es un número muy grande, por este motivo, aplicamos la función logaritmo, para reducir esta cantidad a un número más pequeño. Por esta razón es útil, conocer y aplicar el Teorema de Stirling: (5) Tarea 3: Demostrar el teorema de Stirling.

Si tenemos un gran número de lanzamientos, es obvio que tendremos un gran número de resultados. Si esto sucede, podemos tratar el sistema como un sistema continuo y no como un sistema discreto. De esta forma podemos encontrar un máximo para la medida que se esté realizando. Aplicando el logaritmo ln, en la ecuación (4), tenemos. (6) Aplicando el teorema de Stirling:

Maximizando con respecto a n: Obteniendo que: De esta forma el número máximo más probable de veces que se obtiene cara en el experimento es de N/2, lo cual es apenas lógico. Si un sistema contiene un gran número de partículas, las fluctuaciones del resultado más probable son limitadamente pequeñas, y se justifica en tomar el macroestado más probable como una representación del estado de equilibrio del sistema.

ESTADÍSTICA DE PARTÍCULAS DISTINGUIBLES Se consideran partículas distinguibles, puesto que se pueden separar en niveles, pudiendo así diferenciar unas de otras. Por ejemplo: Átomos de diferentes elementos. Átomos del mismo elemento, si están localizados en el espacio. Asumiremos que cada partícula puede ocupar niveles discretos de energía no degenerados. Cada estado energético es igualmente probable .

Supongamos un sistema con N partículas con una energía total U Supongamos un sistema con N partículas con una energía total U. El sistema se encuentra aislado del ambiente, así no existen flujos de energía ni de partículas. Supongamos un sistema con N partículas con una energía total U. El sistema se encuentra aislado del ambiente, así no existen flujos de energía ni de partículas. De Así existirán n1 partículas para el estado de energía ϵ1, n2 partículas para el estado ϵ2, y ni partículas para el estado ϵi, de tal forma que: (7) (8)

Esta distribución, la cual nos dice cuantas partículas hay en cada nivel de energía, es ahora nuestro macroestado. Para las partículas, el número total de microestados en un macroestado dado es: (9) La ecuación (9) es solo una generalización de la ecuación (4) Ejemplo: Consideremos 7 partículas que se encuentran en un sistema de energía 4e. El sistema tiene 5 estados de energía 0, 1e, 2e, 3e, y 4e. Calcular el número de microestados tales que la energía de un partícula sea 4e y la energía de 6 partículas sea 0.

Aplicando la ecuación (9) que me permite saber el número de microestados, tenemos: Ejercicio: Calcular el número de microestados tal que existan 4 partículas en el estado base, dos en 1e y una en 2e. Respuesta: 105. Tarea: Realizar los 6 problemas del capitulo 1 del libro de Glazer.