Introducci on a la Fsica Experimental

Seminarios
Camino Aleatorio.
Teora y Experimentos
J. G uemez
Departamento de Fsica Aplicada,
Universidad de Cantabria.
Diciembre 11, 2003
Resumen
Se describen las bases teoricas del problema estadstico del camino
aleatorio. Se describe un tablero preparado para realizar experiencias
del camino aleatorio, con veinte obst aculos de promedio y ciento cin-
cuenta caminantes. En este tablero se pueden elegir caminos con menos
obst aculos y con los desplazamientos sesgados, favorecidos a derecha o
izquierda.
Introducci on
Sup ongase que un caminante se desplaza mediante unidades discretas de avance
siguiendo un eje de desplazamiento orientado en la direcci on adelante. Sup onga-
se ademas que en cada avance se encuentra con un osbtaculo y, dando un paso,
lo rebasa por la derecha con una probabilidad q
D
= p o por la izquierda con
una probabilidad q
I
= 1 p. N otese que q
D
+q
I
= 1. En la Fig. 1 se muestra
una recreacion de este problema, conocido con el nombre de camino aleatorio.
Al cabo de N unidades de avance paralelas al eje de desplazamiento, cu al
es la probabilidad, W
N
(n), de que el caminante se haya dado n pasos hacia la
derecha y, por tanto, (N n) pasos hacia la izquierda?
El rebasar cada obst aculo es un proceso independiente de los anteriores.
Por tanto, la probabilidad de que se hayan dado n pasos a la derecha del punto
inicial, y N n hacia la izquierda, es igual al producto de las probabilidades
de todos los sucesos,
q
n
D
q
Nn
I
= p
n
(1 p)
Nn
. (1)

Esta es la probabilidad de una secuencia concreta de pasos a derecha e izquierda

(por ejemplo, i-d-i-i-d-i-d-d-d-d-i-i-i-i, como en la Fig. 1). Sin embargo, si lo
que interesa calcular es la probabilidad de que el resultado nal sean n pasos
1
1
2
N
1
2
N 1 2 n 0 -1
-2 -n
Figura 1: Esquema del camino aleatorio. Los obst aculos, crculos negros se presentan
en el desplazamiento de un caminante, crculo grande, que los deja atr as por la derecha
o por la izquierda. Un cambio de variable lleva a considerar desplazmientos netos antes
que pasos en una determinada direcci on.
dados a la derecha, hay que reconocer que hay muchas secuencias concretas,
semejantes a la anteriormente explicitada, que consiguen este mismo resul-
tado. El n umero de secuencias de pasos con N pasos en total y que dan como
resultado nal de n pasos a la derecha, y (N n) a la izquierda, es
N!
n!(N n)!
, (2)
donde a! = a (a 1) (a 2) ... 2 1, (lease a factorial).
Por tanto, la probabilidad W
N
(n) viene dada por el producto de estos los
factores (1) y (2) y
W
N
(n) =
N!
n!(N n)!
p
n
(1 p)
Nn
. (3)
0
0,2
0,4
0,6
0,8
1
1,2
0 5 10 15 20
0
0,2
0,4
0,6
0,8
1
1,2
0 1 2 3 4 5 6 7 8
(a) (b)
n
n
W

(
n
)
N
Figura 2: Distribuci on de probabilidad Ec. (3). (a) N = 20, p = 0, 5. (b) N = 8,
p = 0, 5. Ha sido normalizada para que en el m aximo la probabilidad sea 1.
En la Fig. 2 se muestra la distribuci on de probabilidad Ec. (3) para
p = 0, 5 y diferentes valores de N.
2
Esta distribuci on de probabilidades Ec. (3) cumple la primera condici on
necesaria y es que esta normalizada
N

0
W
N
(n) =
N

0
N!
n!(N n)!
p
n
(1 p)
Nn
= (q
D
+q
I
)
N
= 1 . (4)
(a) (b)
Figura 3: (a) Montaje experimental del camino aleatorio. Sobre una base plana de
madera se han clavado 2020 obst aculos (clavos) siguiendo un esquema de las alter-
nadas. El eje de desplazamiento esta inclinado respecto de la horizontal para permitir
el avance hacia abajo (adelante) de los caminantes. Una serie de caminantes aleato-
rios (canicas de vidrio) van saliendo de una tolva por la parte central del cuadrado.
Cada cierto intervalo de tiempo un caminante tropieza con uno de los obst aculos y
lo rebasa dando un paso a la derecha o a la izquierda. (b) Al nal del recorrido, una
serie de cajitas recoge los caminantes que han alcanzado determinada posicion.
El valor medio n de la distribuci on Ec. (3) viene dado por
n =
N

0
nW
N
(n) =
N

0
n
N!
n!(N n)!
p
n
(1 p)
Nn
. (5)
El factor n de cada sumando complica ahora la obtenci on de la suma. Hay, sin
embargo, un procedimiento general muy util que permite reducir el problema
a una forma m as sencilla [1]. Observando que
np
n
= p

p
(p
n
) ,
se tiene que
n =
N

0
N!
n!(N n)!
_
p

p
(p
n
)
_
(q
I
)
Nn
. (6)
Intercambiando el orden del sumatorio y de la derivaci on,
n = p

p
_
N

0
N!
n!(N n)!
p
n
(1 p)
Nn
_
= p

p
(p +q
I
)
N
= pN (p +q
I
)
N1
= Np . (7)
3
(a)
(b)
Figura 4: (a) La supercie de desplazamiento (el tablero) no est a inclinada ni a
derecha ni izquierda del eje central de desplazamiento y cada canica recorre un camino
con 20 obst aculos. (b) Distribuci on de posiciones de los caminantes en un experimento
diferente del anterior.
Para calcular el desplazamiento cuadr atico medio n
2
=

n
2
W
N
(n), se
puede seguir un procedimiento semejante, con
n
2
=
N

0
n
2
W
N
(n) =
N

0
n
2
N!
n!(N n)!
p
n
(1 p)
Nn
. (8)
Con
n
2
p
n
= n
_
p

p
(p
n
)
_
=
_
p

p
_
2
p
n
,
entonces
n
2
=
_
p

p
_
2
_
N

0
N!
n!(N n)!
p
n
(1 p)
Nn
_
=
_
p

p
_
2
(p +q
I
)
N
=
_
p

p
_
_
pN (p +q
I
)
N1
_
= p
_
N(p +q)
N1
+pN(N 1)(p +q)
N2
_
= (n)
2
+Np(1 p) . (9)
La dispersi on =
_
n
2
(n)
2
viene dada por
=
_
Np(1 p) . (10)
Una medida importante es el valor relativo de la dispersi on respecto del n umero
de pasos a la derecha Np,

Np
=

(1 p)
p
1

N
. (11)
4
La anchura de la distribuci on de probabilidad, relativa al n umero de unidades
de avance, disminuye al aumentar estas, pero con relativa lentitud. Es decir,
si una distribuci on con N = 200 se representa a la misma escala que otra para
N = 800, la segunda tiene una anchura de pico a mitad de altura que es la
mitad de la primera.
En muchas ocasiones, mas que el n umero de pasos dados en una direcci on
concreta, es mas importante conocer la probabilidad del desplazamiento neto,
m, o diferencia entre los pasos dados en una y otra direcci on. Es decir, m =
n (N n) = 2n N. En funci on de m se tiene que n = N + m/2 y
N n = N m/2. Por tanto, la probabilidad de un desplazmiento neto m
viene dada por la Ec. (3) con este cambio de variables
W
N
(m) =
N!
[(N +m)/2]! [(N m)/2]!
p
(N+m)/2
(1 p)
(Nm)/2
. (12)
Por tanto,
m = Np
N
2
. (13)
y
(m
2
)
2
= Np(1 p)
m
2

N

1

N
. (14)
(a)
(b)
m
m
0
0,2
0,4
0,6
0,8
1
1,2
-20 -15 -10 -5 0 5 10 15 20
W

(
m
)
N
0
0,2
0,4
0,6
0,8
1
1,2
-10 -5 0 5 10
Figura 5: Distribuci on de probabilidad Ec. (12). (a) N = 20, p = 0, 5. (b) N = 8,
p = 0, 5. La dispersi on relativa es mayor en el caso (b) que en el caso (a).
Experiencias
Se ha construido un dispositivo en el que se pueden estudiar experimental-
mente algunos procesos relacionados con el camino aleatorio (Fig. 3).
En este dispositivo los obst aculos son clavos clavados al tresbolillo, for-
mando una estructura regular. Los caminantes son canicas de vidrio que al
atravesar el espacio entre dos clavos se encuentran de frente con otro clavo y
le golpean, pas andolo por la derecha o por la izquierda. El tablero se inclina
5
(a) (b) (c)
Figura 6: (a) Un pasillo hecho con dos tiras de caucho obliga a las canicas que salen
de la tolva a seguir un camino hasta la octava la de clavos, a partir de donde ya
pueden seguir un camino aleatorio. (b) Una de las cajitas se llena antes de que todas
las canicas puedan ser lanzadas. (c) Algunas de las cajitas laterales no han recibido
nunguna canica.
un cierto angulo en la direcci on del desplazmiento para favorecer el recorrido
de las canicas y al nal del bosque de clavos hay una serie de cajetines que
recogen las canicas que han alcanzado una determinada posici on, pudiendose
proceder al recuento.
Si se lanza una c anica desde la parte superior, despues de N choques contra
los clavos, la probabilidad de que se encuentre en un cierto cajetn desplazado
una distancia m viene dado por la distribuci on Ec. (12). Si se lanza la misma
canica f veces, el n umero promedio de veces que caera en el cajetn m vendr a
dado por fW
N
(m). Finalmente, si en vez de una canica se lanzan f canicas,
el n umero promedio de canicas en el cajetn m vendr a dado por fW
N
(m).
En la Fig. 4 se muestra un resultado tpico de una experiencia en la que se
han lanzado unos ciento cincuenta caminantes, f = 150, a recorrer el bosque de
clavos, veinte choques, N = 20, obteniendose una distribuci on con un m aximo
en la posici on de desplazmiento nulo, m = 0.
En la Fig. 6 se muestra un resultado de un experimento ligeramente dife-
rente del anterior. Con la ayuda de unas gomas de caucho se obliga a los cam-
inantes a comenzar su camino aleatorio mas abajo, de tal forma que el n umero
de pasos que dan es del orden de ocho (en vez de los veinte anteriores). Lo
que se observa es que la distribuci on sigue centrada en el desplazmiento cero,
pero ahora la dispersi on es menor aunque la dispersi on relativa es mayor, y
hay cajitas a los lados que no tienen ninguna canica (pues en tan pocos pasos
no pueden ser alcanzadas).
En la Fig. 8 se muestra un resultado de un experimento diferente del
primero. Ahora los caminantes recorren un camino con veinte pasos, pero el
tablero esta inclinado de tal manera que la probabilidad de ir hacia la derecha
(seg un se observa) es algo mayor que la probabilidad de ir hacia la izquierda.
6
m
0
0,2
0,4
0,6
0,8
1
1,2
-20 -15 -10 -5 0 5 10 15 20
W

(
m
)
N
Figura 7: Distribuci on de probabilidad Ec. (12). N = 20, p = 0, 6. El m aximo se ha
desplazado a m = 4.
(a) (b)
Figura 8: (a) El tablero est a ligeramente inclinado hacia la derecha. (b) Distribuci on
nal de otro experimento con el tablero inclinado.
Distribuci on gaussiana
Cuando el n umero N es grande, la distribuci on Ec. (3) adopta una forma m as
sencilla. Tomando logaritmos en esta ecuacion se tiene
lnW
N
(n) = lnN! lnn! ln(N n)! +nlnp + (N n) ln(1 p) . (15)
La funci on lnW
N
(n) =
1
2
B
2
(nn)
2
se desarrolla en serie de Taylor alrededor
de su maximo n. Teniendo en cuenta la aproximaci on de Stirling lna! =
a lna a, se tiene que dlna!/da = lna y que d
2
lna!/da
2
= 1/a, se tiene que
B
2
=
_
d
2
lnW
N
(n)
dn
2
_
n=n
=
1
n

1
N n
=
1
Np(1 p)
.
7
m
m
0
0,2
0,4
0,6
0,8
1
1,2
-20 -15 -10 -5 0 5 10 15 20
0
0,2
0,4
0,6
0,8
1
1,2
-20 -15 -10 -5 0 5 10 15 20
m
(a) (b) (c)
W

(
m
)
N
0
0,2
0,4
0,6
0,8
1
1,2
-10 -5 0 5 10
Figura 9: Distribuci on gaussiana de probabilidad Ec. (17). (a) N = 20, p = 0, 5. (b)
N = 8, p = 0, 5. (b) N = 20, p = 0, 6.
A primer orden del desarrollo,
W
N
(n) = Aexp
_

(n n)
2
2Np(1 p)
_
, (16)
donde A = 1/
_
2Np(1 p) es la constante de normalizacion que asegura que
_
W
N
(n)dn = 1. Si se utiliza la variable desplazamiento m se tiene que
W
N
(m) =
1
_
2Np(1 p)
exp
_

m
2
2Np(1 p)
_
. (17)
La distribuci on Ec. (17) se conoce como distribuci on gaussiana de probabili-
dades.
Referencias
[1] F. Reif, Fundamentos de fsica estadstica y termica, Ediciones del
Castillo, Madrid, 1968
8