Departamento

de Fı́sica

Fı́sica Estadı́stica
Tarea 1:
Probabilidades y marchas aleatorias
Profesor: Gabriel Téllez
Semestre 2023-1

Para entregar el jueves 9 de febrero de 2023.

I. Integrales Gaussianas
Como vimos en clase la ley de probabilidad gaussiana juego un rol muy importante en estadı́stica,
entre otras a causa del teorema central lı́mite. Este ejercicio propone familiarizarse con ciertas
integrales gaussianas.

1. Sea a > 0 y b ∈ C. Calcular

Z +∞
2
I(a, b) = e−ax /2+bx
dx . (1.1)
−∞

Indicación: completar el cuadrado −ax2 /2 + bx.

2. ¿Qué relación hay entre los momentos
Z +∞
2
Mn = xn e−ax /2
dx . (1.2)
−∞

y las derivadas de I(a, b) con respecto a b?

3. Usando el resultado anterior calcular Mn para cualquier entero n.
4. Considerar ahora la integral Gaussiana multidimensional
Z +∞ Z +∞ PN PN
1
J(A, B) = ··· e− 2 i,j=1 aij xi xj + i=1 bi xi dx1 · · · dxN (1.3)
−∞ −∞

que en abreviado escribiremos

Z
1
J(A, B) = e− 2 (X,AX)+(B,X) dX (1.4)
RN
PN
en donde definimos X = (x1 , · · · , xN ), B = (b1 , · · · , bN ), (X, Y ) = i=1 xi yi denota el pro-
ducto escalar y la matriz A = (aij ) que supondremos real, definida positiva y simétrica (¿por
qué?).
Universidad de los Andes Vigilada Mineducación. Reconocimiento como Universidad: Decreto 1297 del 30 de mayo de 1964.
Reconocimiento personerı́a jurı́dica: Resolución 28 del 23 de febrero de 1949 Minjusticia.

1
 5. Calcular la integral J(A, B). Para esto hacer un cambio de variable en la integral adecuado
de modo de diagonalizar la forma cuadrática (X, AX) y obtener un producto de integrales
separables de la forma (1.1). Expresar primero el resultado en función de los valores propios
de A y luego de una forma más general en función de det A y de A−1 .
6. Generalizar el resultado de la pregunta 2.
7. Considerar la densidad de probabilidad
1
e− 2 (X,AX)
P (X) = . (1.5)
J(A, 0)
R
Calcular ⟨xi xj ⟩ = xi xj P (X)dX. Expresar la matriz de covarianzas en función de A.
8. Calcular ⟨xi1 xi2 xi3 xi4 ⟩. Mostrar que

⟨xi1 xi2 xi3 xi4 ⟩ = ⟨xi1 xi2 ⟩⟨xi3 xi4 ⟩ + ⟨xi1 xi3 ⟩⟨xi2 xi4 ⟩ + · · · (1.6)
+ todas las demás permutaciones posibles

II. Marcha aleatoria en una dimensión

Una partı́cula sigue una marcha aleatoria sobre el eje x. A cada paso de tiempo τ puede dar un
salto de longitud a a la derecha o la izquierda con igual probabilidad. En el instante inicial t = 0
está en x = 0.
1. ¿Cuál es la probabilidad P (n, N ) para que en N pasos la partı́cula haya efectuado n pasos
a la derecha y N − n pasos a la izquierda? En esta primera parte suponer N arbitrario (no
necesariamente grande). Ayuda: recordar la ley binomial.
2. Expresar la posición x después de N pasos en función de n, N y a.
3. Calcular el número promedio de pasos a la derecha ⟨n⟩ y la posición media ⟨x⟩ después de N
pasos.
4. Calcular la varianza de x.
p
5. Encontrar el comportamiento de P (n, N ) para n √ y N grandes pero con x/ ⟨x2 ⟩ finito. Para
esto será útil la fórmula de Stirling N ! ∼ N N e−N 2πN . Demostrar que se cumple el teorema
central lı́mite.
6. Sea p(x, t) = a−1 P (n, N ) en donde se expresa n en función de x y N en función de t. Mostrar
que en el lı́mite de la pregunta anterior p(x, t) cumple la ecuación de difusión:

∂p ∂2p
=D 2. (2.1)
∂t ∂x
¿Cuánto vale la constante de difusión D?

Simulación númerica de la marcha aleatoria

En las siguientes preguntas se pide implementar una simulación numérica de una marcha aleato-
ria. La simulación la puede implementar en el lenguaje de programación que desee. Se debe entregar
lo siguiente:
Informe en formato de artı́culo de investigación reportando los resultados de la simulación con
los gráficos y explicaciones pertinentes.

2
 Subir a un repositorio público en GitHub el código fuente del programa e indicar el vı́nculo
para acceder a él.
El código fuente del programa de simulación debe estar debidamente documentado. (docstrings
en python o su equivalente en el lenguaje que escoja). El repositorio debe contener, además del
código, un archivo de instrucciones (README.md) de como correr su programa de simulación y
reproducir los resultados que reportó.

7. Escribir un programa de computador que simule una marcha aleatoria (en una, dos o tres
dimensiones, como prefiera) de N pasos en donde N sea un parámetro que se entra en el
computador. El programa debe dar la posición r después de los N pasos. Para N fijo pero
grande correr el programa un número importante de veces para poder construir un histogra-
ma (posición final en función del número de veces que se repite) y comparar con la ley de
probabilidad predicha por el teorema central lı́mite.
8. Para varios valores de N correr el programa muchas veces y calcular para cada N el promedio
⟨r⟩ y ⟨r2 ⟩. Verificar que ⟨r2 ⟩ es proporcional a N y determinar numéricamente la constante de
difusión.

III. Ecuación de difusión

Como se mencionó en clase en el caso de un movimiento browniano continuo la ley de probabilidad
P (r, t) para la posición obedece la ecuación de difusión. En este ejercicio proponemos en una primera
parte encontrar la ecuación de difusión de una manera fenomenológica y luego resolverla.
Considerar la difusión de una gota de tinta en un recipiente de agua. La densidad de la tinta es
ρ(r, t). Sea J(r, t) el vector densidad de corriente de tinta que permite medir en un punto r en el
instante t el flujo de tinta.
1. ¿Qué relación hay entre P (r, t) y ρ(r, t)?
2. Considerar un volumen cerrado dentro del recipiente y escribir la ley de conservación de la
materia para la tinta. Demostrar entonces que
∂ρ
+ ∇ · J = 0. (3.1)
∂t

3. El fenómeno de difusión se puede describir macroscópicamente por una ley fenomenológica

conocida como la ley de Fick:
J = −D∇ρ . (3.2)
Explicar por qué esta ley indica que la tinta tendrá tendencia a difundirse de las regiones de
alta densidad a las de baja densidad de tinta.
4. Combinar la ley de Fick con la de conservación de la materia para demostrar que la densidad
cumple la ecuación de difusión:
∂ρ(r, t)
= D∆ρ(r, t) . (3.3)
∂t
5. Resolver la ecuación de difusión en el espacio tridimensional con la condición inicial ρ(r, 0) =
δ(r). Indicación: será útil introducir la transformada de Fourier de ρ(r, t) con respecto a r.
6. Calcular ⟨r2 ⟩ y confirmar la ley ⟨r2 ⟩ ∝ t caracterı́stica del fenómeno de difusión.