Saltar navegación

Activa JavaScript para disfrutar de los vídeos de la Mediateca.

Seminario Pablo García Abia 2-1

Ajuste de pantalla

El ajuste de pantalla se aprecia al ver el vídeo en pantalla completa. Elige la presentación que más te guste:

Subido el 6 de febrero de 2019 por Cie madrid

79 visualizaciones

Más información Transcripción

Descargar la transcripción

Ahora, cuando tú quieras, porque ella está grabando 00:00:00
Y una claqueta 00:00:01
Vamos a pedir al CETIF 00:00:07
Madrid Capital que nos compre una claqueta 00:00:08
Curso de Introducción a la Física de los Monos Cósmicos 00:00:10
Toma 2 00:00:17
Bueno, se me ha cerrado 00:00:18
Con tres alumnos 00:00:21
No sé si es el éxito 00:00:23
Ni una cámara 00:00:24
El otro día nos quedamos 00:00:26
hablamos de las señales 00:00:31
un poquito de la electrónica 00:00:34
de si solapaban o no solapaban 00:00:36
y creo que 00:00:38
dijeron que teníamos que hablar de un tema de la estadística 00:00:40
pero ahí nos quedamos 00:00:42
bueno 00:00:43
entorno un poco 00:00:45
o nuestro estudio está abierto 00:00:47
bueno 00:00:49
bueno, habíamos dicho que lo que nos interesaba 00:01:01
como neste tipo de detectores 00:01:04
que da medir o flujo 00:01:06
o flujo podemos medir simplemente 00:01:08
o tal cual, podemos medir 00:01:10
o podemos medir 00:01:12
en función del ángulo 00:01:14
e para iso que ten en cuenta 00:01:17
as factores 00:01:18
instrumentales, ya lo vimos, o tema de la electrónica 00:01:19
a toma de datos 00:01:22
e outras cuestiones que teñen que ver 00:01:23
con el dispositivo 00:01:26
e a todo ello hay que sumarle que cuando nosotros hacemos un estudio 00:01:27
tenemos un número 00:01:32
que tenemos la estadística 00:01:33
limitada, e iso tamén 00:01:38
conlleva unha serie 00:01:40
de complicaciones. 00:01:42
O outro día, aunque hablo un pouco de aceptancia, 00:01:45
tampouco hablo moito desas cousas, 00:01:47
sino de un logo. 00:01:49
Bueno, 00:01:51
vamos a hablar primeiro del tema 00:01:53
de la punto infinito 00:01:54
de datos, o que podíamos 00:02:03
que era la perfección. Ya vimos que era cierto, 00:02:06
porque teníamos un vector de la superficie de la Tierra, 00:02:09
que eran 00:02:12
los dos tubillos, aquí costos, 00:02:12
e que isto, pues, tendía un cierto ángulo 00:02:14
e entón íbamos a ver todos os múres 00:02:17
íbamos a ver só os que tendían un cierto ángulo 00:02:19
e había unha cosa que se chamaba aceptancia 00:02:22
entre o factor 00:02:23
e o tercero ídolo, que nos dice realmente 00:02:24
que estamos perdiendo parte dos múres 00:02:27
e que iso se pode calcular 00:02:29
ou bien facendo un cálculo sabido das direcciones 00:02:30
cando a actividade é un momento máis complicada 00:02:33
e isto era complicada porque eran 00:02:35
unhas salchichas 00:02:37
e había un ángulo en un sentido 00:02:39
pero hai outro ángulo en outros sentidos 00:02:41
é difícil de capturar 00:02:43
entón, a menudo 00:02:45
se utilizan programas de simulación 00:02:47
eu teño un protoprograma 00:02:49
que simula un vector parecido a este 00:02:52
que non é este, e teño a promesa 00:02:53
de adaptarlo 00:02:55
para que se poda utilizar 00:02:58
porque é importante un programa de simulación 00:02:59
porque eu podo poner 00:03:02
moones 00:03:04
de onde vengan, de onde me dé la gana 00:03:05
e se los meto aí 00:03:08
e o programilla é visto 00:03:09
porque é capaz de dicirme 00:03:11
os que han pasado por el detector 00:03:13
e os que non han pasado por el detector 00:03:15
entón, os que han pasado por el detector 00:03:16
os voy a tener en cuenta 00:03:18
que son os que viven na vida real 00:03:19
pero é capaz de dicirme 00:03:20
os que he perdido por culpa da geometría 00:03:22
o sea, que o propio programa 00:03:24
me va a decir 00:03:25
cual é esa sustancia geométrica 00:03:25
del detector 00:03:29
esto lo recuerdo simplemente 00:03:31
porque lo veamos en el tutorial 00:03:33
o sea, que incluso que tengamos 00:03:33
unha cantidad infinita de datos 00:03:35
non podemos medir as cousas 00:03:36
infinitamente 00:03:38
e incluso esta geometría 00:03:38
esta aceptancia geométrica que determino 00:03:40
utilizando sucesos simulados 00:03:43
es un número finito de sucesos simulados 00:03:45
son parámetros que contienen 00:03:47
su error. Ahora veis que a hora de hacer 00:03:49
cualquier tipo de media es fundamental 00:03:51
el error que hay en los datos. 00:03:52
Hay un error que tiene un origen estadístico, que es lo que vamos a ver ahora 00:03:55
y luego hay errores sistemáticos que tienen que ver 00:03:57
con el proceso de media. 00:03:59
Entonces, primero hablamos 00:04:01
de la parte de la estadística 00:04:03
y del tratamiento de los errores 00:04:04
y luego de la parte de los 00:04:07
sistemáticos. 00:04:09
Para, claro, tamén, 00:04:10
para unhas actividades didácticas 00:04:12
do instituto, pues diría, pero non é tan interesante 00:04:14
hablar dos sistemáticos. 00:04:16
Bueno, eu creo que, conceptualmente, sí que é interesante, 00:04:17
porque cualquier artículo científico 00:04:20
que lea algo de física 00:04:22
e de química, 00:04:24
pues as medidas tenen 00:04:25
seus errores sistemáticos. 00:04:28
E é importante entender que, se todos os sistemáticos 00:04:29
son moito máis grandes que o estadístico, 00:04:31
pois non ten sentido perder moito tempo 00:04:33
tomando datos. 00:04:36
Tens que tener bajo control 00:04:36
os errores sistemáticos, que son os errores 00:04:38
de instrumento para luego tener 00:04:40
una medida de alta precisión, ¿de acuerdo? 00:04:42
Y ahora son errores que no se pueden 00:04:45
descartar, porque son de naturaleza diferente. 00:04:46
Pero bueno, 00:04:49
los moones van cayendo, 00:04:50
sabemos que 00:04:52
ya revisamos que el flujo no más dice 00:04:54
es posible a 20-100, lo puso el conmigo, 00:04:56
me parece. 00:04:58
El flujo es más o menos 100 00:05:00
moones por 00:05:02
metro cuadrado, según 00:05:04
estos hipotizados lugares 00:05:06
esteromadianos. 00:05:07
esencialmente es el flujo 00:05:10
el flujo electrical normalizado 00:05:13
y bueno, también 00:05:15
repasando un poco cosas que dijimos 00:05:19
el otro día, esto dependerá de la altura 00:05:22
porque, sencillamente 00:05:24
si estamos en precios 00:05:25
en la tierra, en la zona de abajo 00:05:27
esta diferencia de altura va a tener 00:05:35
un cierto impacto, porque ahí 00:05:45
van a caer unos cuantos mones, entonces 00:05:46
el flujo va a ser más bajo todavía 00:05:48
tamén sabemos que hai 00:05:57
a tendencia angular especialmente por eso 00:06:03
porque os moves que ven de arriba 00:06:05
corren unha certa distancia 00:06:06
e os que ven con un certo ángulo 00:06:08
han corrido unha certa distancia 00:06:11
entón as poblaciones de moves 00:06:12
que nos ven de arriba e dos lados 00:06:15
son moi diferentes 00:06:17
pero vamos a ver que impacto ten isto 00:06:18
nas medidas e logo nas conclusións 00:06:20
que podemos sacar 00:06:23
como 00:06:23
¿Vos queréis algo? 00:06:25
Sí, estoy despistando 00:06:28
Entonces 00:06:30
cualquier experimento 00:06:33
no solamente los de cósmicos 00:06:38
también esto se hace en los experimentos 00:06:39
del CEP, uno cuenta 00:06:42
para identificar un evento 00:06:43
aquí simplemente es que tienes 00:06:48
no las señales sino coincidencia 00:06:49
solamente hay dos señales y es muy fácil 00:06:53
el CEMES que hay 80 millones de señales 00:06:55
es más complicado, pero una vez que tú dices 00:06:57
tengo un evento, lo que viene a continuación 00:06:59
esencialmente o mismo, que é exportar. 00:07:02
O contactamiento dos datos que facemos é o mesmo. 00:07:03
Unha cosa 00:07:12
singular 00:07:13
sempre que faces medidas experimentales 00:07:16
deste tipo de procesos, é que son 00:07:18
aleatórios. Son procesos 00:07:20
estocásticos. 00:07:22
E dices, pois, por que non son? 00:07:24
Poden seguir unha 00:07:26
norma de medir organizado. 00:07:28
Os protones, cada un, 00:07:30
vienen de un sitio, de puntos no distante do universo, 00:07:32
os recorridos son completamente diferentes, 00:07:34
viajan o que viajan e chocan cando chocan. 00:07:36
Entón, poden ligar moitos puntos ou poden ligar completamente separados. 00:07:39
O procedimiento é, digamos, 00:07:44
a forma en que llan es completamente alterada, 00:07:47
é que están correlacionados unos con os outros. 00:07:49
En el HC, por poner un ejemplo que tamén é conocido, 00:07:51
tenemos colisiones e dices, ah, non, ahí non é aleatorio 00:07:53
porque el apelador má unha frecuencia fija. 00:07:55
Sí, má unha frecuencia fija e se chocan os protones, 00:07:58
pero na vez que se han chocado, 00:08:00
Se se produz con un Z, ou un W, ou un TOP, ou dos TOPs, ou un Higgs, 00:08:02
el que se produz con unha especie ou outra sí que es aleatorio. 00:08:08
E iso está na mecánica cuántrica, digamos. 00:08:11
Entón, de novo, tenemos ahí que a própria naturaleza é estadística, 00:08:13
entón, é que é aleatorio. 00:08:19
De acordo? 00:08:21
Entón, o error estadístico, dices, de onde viene ou como lo entendo intuitivamente. 00:08:22
O exemplo de medir cósmicos 00:08:29
É similar a medir gotas 00:08:32
Un día de domingo 00:08:34
Sempre tamén se pode poner 00:08:35
Se facen actividades deste tipo 00:08:37
Vamos a poner un vaso 00:08:39
En el patio 00:08:42
E a medir como van caindo as gotas de agua 00:08:43
Dentro do vaso 00:08:46
É parecido a ver como caen os cósmicos aquí 00:08:47
Entón, o que eu podo ver 00:08:50
Se estou medindo durante un certo tempo 00:08:52
Vou a poner un tempo a medir 00:08:53
Unha medida de 10 segundos 00:08:55
Ten aquí 10 segundos 00:08:57
Y yo empezar a contar 00:09:00
Los números 00:09:02
O las gotas de línea 00:09:02
Entonces, que sea aleatórico 00:09:04
Y decir que, bueno, pues que aquí 00:09:07
De repente no pasa nada y al rato llega una 00:09:09
Y este a más que llegue una aquí 00:09:11
No depende de cuando he empezado 00:09:13
Porque esa gota ya estaba cayendo cuando yo me decidí hacer la línea 00:09:14
Luego pasa un cierto tiempo 00:09:18
Pueden caer dos puntas 00:09:19
Y aunque haya pasado un buen tiempo, igual no pasa mucho rato 00:09:21
Igual pasa... 00:09:24
Y luego una, y luego otras dos 00:09:27
entonces vemos un número de gotas 00:09:28
que caen en el vaso 00:09:31
esto es aleatorio en el sentido de que 00:09:32
si repito el experimento 00:09:35
como puedo repetir el experimento 00:09:38
voy a medir otros 10 segundos 00:09:44
y si el primero me dice 20 00:09:45
pues porque es didáctico 00:09:48
me di mucha gracia 00:09:49
lo que se aprende es lo mismo 00:09:50
entonces aquí el primero 00:09:52
igual la vamos a empezar 00:09:55
está en 3, luego 1, 00:09:57
luego aquí, luego espaciaos 00:09:59
y luego ya no tenemos 2. 00:10:01
Y esto lo puedo repetir tantas veces como quiera 00:10:04
y nunca que tenga el mismo... 00:10:05
Entonces, 00:10:12
uno lo que puede concluir de esto 00:10:13
es que no hay ningún orden y ningún concepto. 00:10:16
Las cosas llegan como llegan. 00:10:18
Entonces, ¿cómo había ningún flujo si los monedos van llegando 00:10:19
sin ningún tipo de orden? 00:10:22
La estadística precedente a lo que nos dice es que incluso 00:10:23
en este caos estadístico 00:10:26
las cosas pueden seguir una cierta ley. 00:10:28
e o que é complicado normalmente 00:10:30
é entender 00:10:32
que as cousas que se comportan de forma aleatoria 00:10:34
porque non están relacionadas entre sí 00:10:37
colectivamente, ten un comportamento 00:10:38
que está moi ben definido 00:10:40
e para determinar iso 00:10:42
hai que facer as medidas 00:10:45
de unha certa forma 00:10:46
imaginar que aquí cuento 00:10:47
as cotillas que han caído 00:10:50
1, 2, 3, 4, 7, 3 00:10:52
e me han salido 10 00:10:54
e aquí 00:10:55
Si abro tres, si tres seis, si tres nueve 00:10:58
Puedo repetir o experimento varias veces 00:11:01
Me saldrá isto, outra vez me saldrá doce 00:11:04
Outra vez siete 00:11:06
Outra vez catorce 00:11:08
Ou diez outra vez 00:11:10
Un cierto número de horitas 00:11:11
Un estudio que se pode hacer con el director 00:11:13
Para comprobar que as cousas son máis ou menos uniformes 00:11:17
É que é hacer un gráfico 00:11:21
Isto é o que se pode hacer con os datos que tenéis 00:11:25
Aunque se tenéis moitas horas de tomar datos 00:11:27
Evidentemente, para a medida final 00:11:30
Uno toma todos os datos en conjunto 00:11:32
Pero se queren entendiendo as cousas 00:11:34
Digamos, propiedades de los datos 00:11:36
Está bien enviando por parte 00:11:40
E iso tamén se hace 00:11:42
En los aceleradores de base 00:11:43
Entón, eu digo, vale, cojo 00:11:45
E pongo aquí un F 00:11:47
Que é o tempo 00:11:49
É o tempo que me dan as diferentes moestras 00:11:50
Cada un 00:11:53
Este é o número 00:11:53
de buones 00:12:00
que yo he detectado en total en este periodo 00:12:01
entonces la primera cosa que puedo ver 00:12:05
aquí es que efectivamente 00:12:06
si esto yo me espero más que en un cierto tiempo 00:12:08
en un vaso de un certo tiempo 00:12:11
bueno, yo no lo sé 00:12:12
pero supongo que son unos 10 00:12:15
pues a veces 00:12:16
en la primera medida 00:12:18
aquí tengo 2, 3 00:12:20
y 5 medidas 00:12:24
aquí a lo mejor me ha salido 10 00:12:26
Aquí a outra me ha salido 9 00:12:28
Así, hai unha cierta variación 00:12:31
Cuando uno hace esto 00:12:35
Lo que se suele ver 00:12:38
Es que, aunque hai variaciones 00:12:40
Tras todo un valor medio 00:12:42
En realidad, non é tan caótico como parecido 00:12:43
Non é caótico porque 00:12:47
Va viendo que hai pequenas variaciones 00:12:49
Pero, globalmente 00:12:52
Si lo hago con moitos peritos de tiempo 00:12:54
todo más o menos está en la recta horizontal 00:12:56
que es típico de un proceso que es uniforme en el tiempo 00:12:58
ojo, si no es uniforme en el tiempo 00:13:00
por ejemplo, si esto dependiera 00:13:03
que la hora del día, vería que este gráfico cambia 00:13:04
pero vamos a hacerlo en un periodo de tiempo corto 00:13:07
en dos horas, por ejemplo 00:13:08
periodos de diez segundos 00:13:09
y eso no va a cambiar mucho 00:13:12
es importante también, sobre todo cuando no haces física de rayos cósmicos 00:13:13
saber que 00:13:17
cuestiones ambientales que pueden influir un poquito 00:13:18
porque tampoco vas a ser sensibles a ellas 00:13:21
bueno 00:13:23
Dice, ya, pero nunca sale 00:13:24
No sale sempre o mismo 00:13:26
Porque no sale sempre o mismo 00:13:27
Por esa razón que os decía 00:13:28
Que as cousas son aleatorias 00:13:32
E al ser aleatorias, pues llevo un error 00:13:34
¿De onde viene el error? 00:13:36
El error viene del hecho de que 00:13:37
Digamos, aquí hay diez 00:13:39
Diez múenes, o diez gotas de agua 00:13:41
Pues que llevo para el reloj aquí 00:13:44
Pero, fijaos que 00:13:45
A lo mejor he parado el reloj 00:13:48
Justo antes de que viniera el próximo 00:13:51
Igual en microsegundo 00:13:52
Seguinte a 10 00:13:56
Venían 4 doble 00:13:56
Y esto me habría afectado a mediarlo en 14 00:13:57
Igual tengo 10 00:14:00
Porque he tenido mala suerte 00:14:04
Pero si me hubiera atrasado en nada 00:14:05
Habría tenido 1 más 00:14:07
O 2 más, o 4 más 00:14:10
Y en el caso contrario 00:14:11
Si yo tengo aquí una que hubiera tenido 14 00:14:14
Y hubiera tenido unas cuantas más 00:14:16
Que hay muchas 00:14:20
o que estuvieran 00:14:21
bueno, ya, pero aquí lo mismo 00:14:24
imagínate que me llegan, como las he pintado por ahí 00:14:26
me imagínate que vean cuatro unidades 00:14:28
si hubiera parado el cronómetro 00:14:30
una décima de segundo antes 00:14:32
pues no habría tenido 00:14:33
catorce, habría tenido 00:14:35
nueve, por ejemplo, o diez 00:14:37
claro, uno no va a cambiar 00:14:40
las condiciones de la ley de París, haga lo que quiera 00:14:42
lo que quiero decir con esto es que 00:14:44
hay una incertidumbre 00:14:46
que aquí lo que te importa 00:14:49
el tiempo entre dos eventos sucesivos 00:14:51
cuando tú paras el cronómetro 00:14:53
has contado eventos 00:14:54
pero no sabes si el tiempo hasta el siguiente 00:14:56
era 00:14:59
una unidad de tiempo característica 00:15:00
o no lo era. Quiero decir que 00:15:03
si aquí te han caído 4 seguidos 00:15:05
fácil que el siguiente tarde no modo 00:15:06
3 segundos en venir. Pero si aquí hace 00:15:08
mucho rato que no viene ninguno, el siguiente está 00:15:11
a la vuelta de la esquina. 00:15:12
Esto se puede tratar matemáticamente 00:15:14
y el error 00:15:16
estadístico viene justo de ahí. 00:15:19
del hecho de non saber cando viene o siguiente 00:15:21
entón, como tú has parado a medida 00:15:23
pois já o sabes 00:15:26
e se eu agora de repente 00:15:28
uniera todos os intervalos de tempo 00:15:31
e en vez de 4 de 10 00:15:33
tuviera 1 de 100 00:15:35
claro, pois se tens 1 de 100 00:15:37
tens moitos máis eventos en tú intervalo 00:15:39
dices, já, pero entón 00:15:41
vou coger intervalos de 100 segundos 00:15:42
en tú intervalo de 1 minuto 00:15:45
se tú intervalos son de 1 minuto 00:15:47
son seis veces máis largos 00:15:49
e efectivamente 00:15:52
cada intervalo teñe moitos máis eventos 00:15:53
e se teño cien eventos 00:15:55
cando pare o reloj 00:15:58
este argumento de unha décima de segundo antes ou despues 00:15:59
me pode variar o resultado sempre 00:16:02
en unho, dous ou tres eventos 00:16:03
fijaros que ese unho, dous ou tres eventos 00:16:05
é moito comparado con diez 00:16:08
pero é moi pouco comparado con cien 00:16:10
de modo que 00:16:12
ese error estatístico relativo 00:16:13
vai disminuindo 00:16:15
comparativamente con la 2 00:16:17
e isto matemáticamente 00:16:20
cando tú tienes 00:16:22
unha medida 00:16:25
que é un informe en o tempo 00:16:26
e tú mires 00:16:28
en eventos 00:16:29
o error estadístico de isto 00:16:31
é o de máis grande, o máis importante 00:16:33
é o error estadístico 00:16:35
por raíz de unha delta 00:16:38
delta de n 00:16:39
é igual a raíz cuadrada de n 00:16:40
este raíz cuadrada me lo he sacado da banda 00:16:43
pero eu lo podo calcular 00:16:45
Porque isto simplemente 00:16:46
Isto é a raíz cuadrada 00:16:48
De la varianza 00:16:51
E a varianza é 00:16:52
O que hai que hacer é integrar 00:16:53
A función de probabilidade 00:16:55
É unha distribución de Poisson 00:16:59
E a distribución de Poisson 00:17:00
Nos dice qual é a probabilidade 00:17:04
De que en un intervalo de tempo terminado 00:17:05
Nos aparezca un volt 00:17:08
Cando seamos que a frecuencia é 00:17:09
10 por segundo 00:17:11
O que sea 00:17:12
Entón 00:17:13
a distribución de Poisson 00:17:15
cando a frecuencia é lambda 00:17:25
a probabilidade de obtener 00:17:27
x eventos 00:17:29
na seguinte unidade de tempo 00:17:30
isto é 00:17:34
lambda elevado a x 00:17:35
por el valor de lambda 00:17:38
partido por x 00:17:39
isto é unha cosa moi farraosa 00:17:40
pongo a fórmula simplemente 00:17:42
para que veáis que 00:17:44
se unha acción integral disto 00:17:45
podes calcular o valor medio 00:17:47
podes calcular a varianza 00:17:48
e a partir de aí te sale esa raíz 00:17:50
de N 00:17:54
en este caso seria 00:17:54
tu vides X e sacas raíz de X 00:17:55
parece unha cosa moi farrabosa 00:17:58
pero esta distribución de probabilidade 00:18:00
como todas, isto é importante para ver 00:18:02
este dato 00:18:04
describe moi ben os fenómenos 00:18:05
que son uniformes no tempo 00:18:08
e ten 00:18:10
é unha propiedade, é unha función 00:18:12
decente, que cando 00:18:14
x é moi, moi grande 00:18:16
tende a unha distribución 00:18:18
normal, pois digamos, de acordo 00:18:20
isto tende a unha distribución normal 00:18:22
que é o que unha espera 00:18:24
das distribuciones de probabilidade 00:18:26
decente, cando x é moi pequeno 00:18:28
non, isto é unha cosa 00:18:30
que se x é moi grande 00:18:32
a probabilidade non vai ser 00:18:33
pero cando é moi pequena 00:18:36
pois isto, bueno 00:18:39
directamente nisiquida tal, pero se estás moi 00:18:41
cerca de 0, isto é unha cosa 00:18:44
dan más que es bastante asimétrica. 00:18:46
El que sea asimétrica, 00:18:48
y se ve porque es impare en la X, 00:18:49
el que sea asimétrica, 00:18:52
bueno, es un tecnicismo, 00:18:55
quizás esto es un poco para la nota, 00:18:56
pero tiene la consecuencia 00:18:58
de que cuando 00:19:01
la frecuencia de eventos es muy baja, 00:19:01
las fluctuaciones estadísticas 00:19:05
son más favorables en un sentido que en otro. 00:19:06
Es decir, es más probable tener 00:19:08
fluctuaciones estadísticas hacia arriba 00:19:10
que hacia abajo. 00:19:12
Por ejemplo, imagínate que en un dado 00:19:14
de seis caras 00:19:16
e é un dado normal. 00:19:18
Se eu vou tirando, 00:19:21
o promedio do número que me sale é 3,5, 00:19:22
que é a mitad entre o 6 e o 1 00:19:25
partido por 2. 00:19:27
Entón, eu podo tener, 00:19:28
me podes ver tantas veces números por encima de 3,5 00:19:30
como por debaixo de 3,5, é simétrico. 00:19:32
Pero neste caso, 00:19:35
imaginad que a media é que eu tenga 00:19:36
un bom por segundo. 00:19:39
Pois, 00:19:43
Puedo tener frutas estadísticas que me den 00:19:43
2 moines, 3 moines, 4 moines 00:19:46
É difícil 00:19:49
Pero pode pasar 00:19:50
Pero pode ser que sea bastante difícil 00:19:51
Porque pode ser que tenga 00:19:54
Pode ser que tenga 0 00:19:56
O 0 00:19:58
O 0 00:20:00
Pero non pode ser que tenga menos un moine 00:20:01
Entendéis que é lógico pensar que 00:20:03
Cando te esperas unha unidade 00:20:06
Te pode frutuar más veces este rebaque 00:20:07
De modo que este rebaque estadístico 00:20:09
Que é raíz de n 00:20:11
esto es para un número grande de eventos 00:20:12
cuando estamos en un régimen de pocos eventos 00:20:14
los errores son más difíciles de tratar 00:20:17
y no es lo mismo el error 00:20:19
hacia arriba que hacia abajo 00:20:20
¿de acuerdo? 00:20:22
cuando uno ve el artículo científico de la masa 00:20:24
y te sale la masa es 00:20:26
125 00:20:30
y antes pones más menos y menor 00:20:32
ese error es porque se mete 00:20:33
porque hay ciertas medidas que te dice 00:20:35
más 0,2 menos 0,1 00:20:37
y si porque el error no es lo mismo 00:20:40
hacia el izquierdo que hacia la derecha 00:20:42
esto digo es un tecnicismo y lo menciono 00:20:44
porque quiero encerrarlo 00:20:46
pero en nuestro caso tampoco nos va a encantar 00:20:48
demasiado 00:20:50
pues gracias a la distribución de Poisson 00:20:51
que tiene esa propiedad de que 00:20:54
para bajos valores de 00:20:56
de la frecuencia 00:20:58
es muy asimétrico 00:21:00
y para grandes valores pues eso 00:21:02
tendría una distribución normal 00:21:04
y podríamos utilizarlo 00:21:06
para calcular tanto o valor medio 00:21:09
o valor medio é isto 00:21:10
e isto é lambda x 00:21:12
o valor medio é 00:21:14
lambda 00:21:17
quer dizer que o valor medio é isto 00:21:18
pero se non calcula a valencia 00:21:20
de f de x 00:21:25
que é un cálculo faragoso 00:21:30
porque é unha integral de unhas cosas con unhas potencias 00:21:33
e é un pouco faragoso 00:21:36
e lambda é o error 00:21:37
al cuadrado 00:21:41
de modo que se non quero saber o error 00:21:43
é a raíz parada de lambda 00:21:45
Puedo convertir frecuencia no número de eventos 00:21:46
E entón o error estadístico 00:21:50
É o número de eventos 00:21:52
Unha cosa que llama a atención 00:21:53
É que, bueno, cando eu tomo moitos eventos 00:21:56
Hago medidas máis precisas 00:21:59
Pero aquí me estás dicendo 00:22:01
Que cuanto maior é n, maior é o error 00:22:02
Iso é xoca 00:22:04
Ves que? 00:22:05
Se miro máis, miro máis, máis grande 00:22:08
O error, en términos absolutos, é máis grande 00:22:09
Pero cando tu mires o error relativo 00:22:12
É o error relativo, se eu hago n, é o error relativo 00:22:13
Que é o error n 00:22:16
e dividir por n 00:22:17
é o partido de n 00:22:18
que vale 1 partido raíz de n 00:22:20
e isto é importante 00:22:22
porque quere dizer que 00:22:24
cando tomas moitas medidas 00:22:25
o error relativo 00:22:26
o error comparado con a medida 00:22:28
vai definindo como 1 partido raíz de n 00:22:30
ou seja, cando n é infinito 00:22:32
o error tende a ser 00:22:33
o error relativo 00:22:34
e isto é moi importante 00:22:35
por iso, cando 00:22:37
por iso, cando unha medida 00:22:38
intenta medir moito máis tempo 00:22:40
ou con un detector máis grande 00:22:41
ou con unha medida 00:22:43
de diferentes detectores 00:22:44
lo faces así para que 00:22:46
el error relativo 00:22:47
sea 00:22:49
menor 00:22:50
esto a veces parece un poquito contradictorio 00:22:52
porque dices, ya pero 00:22:56
el número de eventos es más grande 00:22:58
pero tú estás midiendo una frecuencia 00:22:59
que es la de lambda 00:23:01
mi medida no es n, mi medida es 00:23:02
n partido por tiempo 00:23:05
entonces la frecuencia es n partido por tiempo 00:23:06
entonces 00:23:09
lambda, el número de eventos 00:23:11
partido por tiempo 00:23:14
Pero eu estou medindo n 00:23:15
E t é unha cosa que eu fijo 00:23:17
E que eu a mido ben con un cronómetro 00:23:19
T vai ser 00:23:20
Claro, n vai aumentando 00:23:21
Se aumenta o tempo 00:23:23
Entón, o cociente das dousas 00:23:24
É un valor que é o que sea constante 00:23:27
10 moines por segundo 00:23:28
10 moines por segundo 00:23:30
Tambén é 100 moines por 10 segundos 00:23:32
Ou 1000 moines por 100 00:23:34
Pero o que lleve a resta de 5 aquí é o n 00:23:37
O t non é un proceso estocático 00:23:40
É un mítico 00:23:42
Si yo se darle bien al reloj 00:23:43
No tengo por que equivocarme 00:23:45
Si lo hace un dispositivo electrónico 00:23:47
Ahí no tengo un error 00:23:48
Entonces, al final 00:23:49
Que el error relativo de n sea más pequeño 00:23:53
Remierte en que el error en lambda 00:23:55
Sea más pequeño 00:23:57
Aunque lambda no crezca de tamaño 00:23:58
Bueno, este es la parte un poco más óptica 00:24:00
¿Por qué comentaba esto del error? 00:24:09
Comentaba lo del error porque 00:24:11
Si uno, cuando dibuja estas cosas 00:24:12
Siempre que hace un gráfico con datos experimentales 00:24:14
Tiene que poner, por lo menos 00:24:17
Como mínimo, el error estadístico 00:24:18
Entonces, el error estadístico 00:24:20
Pues esto es 10, la vez clara de 10 es 3 00:24:22
Lo pondríamos en la varita que va 00:24:24
De 10 hasta 13 00:24:26
Y baja hasta 7 00:24:28
Entonces esto es 10 más menos 3 00:24:29
Esa es la forma 00:24:32
De presentar esto 00:24:34
¿Vale? 00:24:36
Y claro, si hago lo mismo con 9 00:24:37
Me sale parecido 00:24:39
Etcétera 00:24:42
Saca y taca 00:24:43
Esos puntos que nos parecía 00:24:45
Que non eran compatibles entre sí 00:24:49
En realidad sí lo son 00:24:50
Si lo son, bueno 00:24:53
Tú podes decir ahora que non lo son en términos absolutos 00:24:55
Eso ahora vamos a ver como de compatibles son las cosas 00:24:57
Autor/es:
Pablo García Abia
Subido por:
Cie madrid
Licencia:
Reconocimiento - No comercial - Sin obra derivada
Visualizaciones:
79
Fecha:
6 de febrero de 2019 - 1:35
Visibilidad:
Público
Centro:
C RECURSOS CENTRO DE FORMACIÓN PARA INTERCAMBIOS INTERNACIONALES
Duración:
25′
Relación de aspecto:
1.78:1
Resolución:
1280x720 píxeles
Tamaño:
537.97 MBytes

Del mismo autor…

Ver más del mismo autor

EducaMadrid, Plataforma Educativa de la Comunidad de Madrid

Plataforma Educativa EducaMadrid