Professional Documents
Culture Documents
: Oscar Baltuano
Resumen
El objetivo de este experimento es demostrar que el nmero de pulsos contados durante intervalos de tiempo idnticos por un tubo contador ubicado a una distancia fija de un emisor de radiacin de larga vida se corresponden con la distribucin de Poisson. As mismo mostraremos que la distribucin de Gauss es tambin adecuada, bajo ciertas condiciones, para aproximar la distribucin del pulso medido a travs de un emisor de radiacin de larga duracin y un tubo contador. En particular analizaremos el comportamiento estadstico de la desintegracin radioactiva del Co-60 y del Na-22.
1. INTRODUCCIN
El decaimiento radiactivo es un proceso aleatorio: cualquier medida basada en la observacin de la radiacin emitida en una desintegracin radioactiva est sujeta en algn grado a la fluctuacin estadstica. Estas fluctuaciones inherentes representan una fuente inevitable de incertidumbre en todas las medidas nucleares y a menudo pueden ser fuentes predominantes de imprecisin o error. El trmino estadstica de conteo incluye el marco de referencia del anlisis estadstico requerido para procesar los resultados de experimentos de conteo nuclear y hacer predicciones acerca las precisiones esperadas de cantidades derivadas de estas medidas. El valor de la estadstica de conteo cae en dos categoras generales. La primera es para verificar el funcionamiento normal de un equipo de conteo nuclear. Aqu un conjunto de medidas es registrado bajo condiciones en el cual todos los aspectos del experimento son mantenidos como una constante tanto como es posible. Debido a la influencia de fluctuaciones estadsticas, estas medidas no sern las mismas sino que nos mostrarn un grado de variacin interna. La cantidad de esta fluctuacin puede ser cuantificada y comparada con predicciones de modelos estadsticos. Si la cantidad de fluctuacin observada no es consistente con predicciones uno puede concluir que alguna anormalidad existe en el sistema de contaje. La segunda aplicacin es generalmente ms valiosa y trata con la situacin en la cual tenemos solamente una medida. Podemos usar la estadstica de conteo para predecir su incertidumbre inherente y as estimar una precisin que podra estar asociada con una sola medida.
2. DISTRIBUCIONES ESTADSTICAS
2.1. Experimento aleatorio, variable aleatoria y probabilidad
Un experimento se denomina experimento aleatorio si bajo el mismo conjunto aparente de condiciones iniciales, puede presentar resultados diferentes, es decir, no se puede predecir el resultado exacto de cada experiencia Laboratorio de fsica experimental 3
particular. Este resultado que se busca medir suele ser, en general, de naturaleza cuantitativa en tal caso la variable estadstica caracterizada por este resultado recibe el nombre de variable aleatoria. Segn esto podemos definir una variable aleatoria de la siguiente forma: Una variable aleatoria es una variable estadista cuantitativa pertenede un experimento aleatorio. a los elementos del espacio
Evidentemente no podemos identificar con como una funcin que a cada elemento mero ( ) . La variable aleatoria a cada evento elemental de
muestral, ni con el numero asociado a dicho elemento. De hecho se entiende le hace corresponder un nes pues, una funcin que atribuye
sino fijo y predeterminado. Lo que es aleatorio es el experimento sobre cuyo espacio muestral se define la variable aleatoria.
Entendido as podemos decir que el dominio de la variable aleatoria espacio muestral ticas de y algn conjunto podemos catalogar la variable aleatoria
es el
. Dependiendo de las caracterscomo una variable es finito o infinito numerable o como infinito no numerable; en este ltimo
En general las variables aleatorias discretas representan de datos que provienen del conteo de cierto nmero de elementos, mientras que las variables aleatorias continuas provienen de mediciones (longitud, tiempo, peso, etc). Consideremos el caso de una variable aleatoria discreta. Si realizamos el ex4 Laboratorio de fsica experimental
perimento aleatorio una cantidad determinada de veces, digamos , tendremos entonces que el valor dentro del conjunto de frecuencia relativa , entonces de de ( ) ha aparecido en los resultados veces resultados. El cociente recibe el nombre de
, si realizamos el experimento tantas veces que ]. A partir del mtodo que se ha emplea-
y lo denotaremos por [
do para obtener el concepto de probabilidad son inmediatas las siguientes propiedades 1. 2. 3. [ [ ] [ [ ]) y los graficamos en el plano ]) puede ser modelado mediante [ ], a dicha ] [ ]
cartesiano tendremos una distribucin de probabilidades sobre el plano. La una funcin ( ) siendo esta de forma tal que ( )
funcin se le denomina funcin o distribucin de probabilidad. En trminos de esta funcin podemos expresar las propiedades de la probabilidad de la siguiente forma 1. 2. 3. ( ) ( ) ( )
A partir de la funcin de probabilidad podemos definir la el valor esperado (o esperanza matemtica) ta definicin como esperado de ( demostrar que ( ) para una variable aleatoria como el valor lmite que toma la mediana cuando . Matemticamente expresamos es-
( ). De igual forma son parmetros de gran que se define como el valor ( ) ( ). No es difcil la formula ) , es decir puede calcularse
mediante
. Y la desviacin estndar .
La extensin de estos conceptos hacia variables aleatorias continuas se hace Laboratorio de fsica experimental 5
a partir de la consideracin de que la probabilidad de un valor puntual de la variable es nula y solo es posible calcular la probabilidad de que esta caiga , as se define la funcin de densidad de distribucin ( ) como aquella que cumple los siguientes requisitos en in intervalo de probabilidad 1. 2. 3. [ ( ) ( ) ] ( ) ] satisface los
A partir de estas condiciones no es difcil demostrar que [ valor esperado, la varianza y la desviacin estndar como ( ( ) ) ( )
los parmetros estadsticos para su descripcin. La eleccin de tales funciones no es arbitraria sino que depende mucho de las caractersticas del experimento aleatorio realizado lo cual hace que para ser candidatas a modelar el comportamiento de una determinada variable aleatoria deben cumplir con una serie de supuestos que permiten elegirlas de tal forma que cumplan su papel de la mejor forma posible. En principio cualquier funcin que cumpla tales requisitos puede ser tomada como o , sin embargo solo algunas son importantes por su aplicabilidad a diversos experimentos aleatorios.
tro queda claro a partir de las caractersticas del experimento aleatorio del cual se toma , bsicamente este experimento se reduce a un conteo dentro de un intervalo finito de cualquier magnitud continua (tiempo, longitud, volumen, etc.) considerando que cada uno de los valores de ranza matemtica de , es decir se cumple la igualdad . es independiente de los otros. En estas circunstancias el parmetro se identifica con la espe. No una tarea complicada demostrar
Los experimentos aleatorios que cumplen con estas condiciones suelen denominarse procesos de Poisson. Dada la naturaleza hipottica de datos podemos tomar sin mas en el sentido de que nunca podremos rea y considerar aun la igualdad .
Figura 2. El eje horizontal es la variable . La funcin solamente est definida en valores enteros de . Las lneas que conectan los puntos son solo guas para el ojo y no indican continuidad.
el empleo de la distribucin Gaussiana o distribucin Normal con parmey . Esta distribucin modela la distribucin de probabilidad mediante
la funcin de densidad ( )
( )
). De la definicin de y y respec-
comn la afirmacin que la aproximacin a la distribucin normal es para valores de . La aplicacin del teorema a una variable aleatoria discreta induce un error cometido pro aproximar su probabilidad mediante una funcin de densidad de probabilidad as el error cometido se denomina error por continuidad, este error se corrige mediante el factor de correccin por continuidad ]. Haciendo el uso del teorema del lmite central podemos aproximar la distribucin de Poisson con la condicin adicional . empleado al momento de calcular la probabilidad de un ] [ valor puntual mediante la aproximacin [
sitrones; y , cuando el retorno al estado basal se lleva a cabo mediante la emisin de radiacin electromagntica.
misma probabilidad de desintegrarse en dicho intervalo. b. c. La desintegracin de un tomo es un evento independiente de la desintegracin de los dems tomos de la muestra. La probabilidad de desintegracin de un tomo en un dado intervalo temporal permanece constante para todo intervalo temporal de la misma duracin. Si tenemos en cuenta estas consideraciones y realizamos un experimento en el cual la variable aleatoria tome el valor del nmero de tomos que se desintegran en un intervalo de tiempo , vemos que naturalmente el experimento corresponde a un proceso de Poisson por lo cual el conteo de las emisiones se puede aproximar mediante una distribucin de Poisson. El objetivo del experimento esta en corroborar estas hiptesis y mostrar que la distribucin de Poisson es en efecto la correspondiente al decaimiento radioactivo. La eleccin y definicin de los parmetros estadsticos a tener en cuenta se darn a conocer en el diseo experimental siendo que ya se ha adelantado el valor de la variable a medir.
4. DISEO EXPERIMENTAL
Conecte la Unidad Bsica Cobra3 a la computadora del puerto COM1, COM2 o al puerto USB (el uso de USB a RS232 Convertidor 14.602,10). Iniciar el programa de medida y seleccione Cobra3 Radioactivity Gauge. Comenzar a grabar la medicin utilizando los parmetros tiempo (medido en segundos ), la duracin del intervalo durante el cual se realizar la cuenta y los impulsos que corresponden al nmero de tomos desintegrados detectados. El primer paso es ajustar la distancia entre la fuente radiactiva y el tubo contador, as como el cmputo del tiempo de tal manera que un pulso promedio de un valor estimado de resultados. El siguiente experimento preliminar debe llevarse a cabo para esta finalidad. 10 Coloque la fuente radiactiva de unos 5 cm de distancia de la abertura Laboratorio de fsica experimental
de admisin del tubo contador. Compruebe el valor medido. Si es necesario, cambiar la distancia entre la fuente radiactiva y el tubo contador con el fin de obtener el nmero deseado de la cuenta. Para dar a las bajas tasas de pulso, ser ayudar a poner una hoja de papel entre la fuente y el tubo contador. Luego de una serie de medidas (tamao de la muestra 1000) se lleva a cabo el experimento con la ayuda de los equipo experimental y los ajustes del experimento preliminar. Repita la medicin con mayor nmero de cuentas (reducir la brecha, si es necesario, aumentar el periodo de clculo), por ejemplo, para un promedio de pulsos de 5, 10 y 20 por contar intervalo. Las muestras radioactivas para este experimento fueron una de otra de . y
Figura 4. Equipo experimental Cobra3 para el estudio estadstico del decaimiento radioactivo.
5. RESULTADOS
5.1. Experimento 1.
El primer experimento a realizar tendr como fuente de emisiones radioactivas al con las siguientes especificaciones : 11
: :
Haciendo la identificacin del experimento con un proceso de Poisson tenemos que el intervalo unitario en este caso de tiempo) es es el nmero de cuentas esperadas en cada intervalo, Luego de realizar el conteo del nmero de repeticiones de la cantidad de detecciones por intervalo tenemos la Tabla 1. # Cuentas (X) Frecuencia Absoluta ( )
1 2 3 4 5 6 7 8 2303 2392 1208 446 122 26 6 1
y el parmetro
Tabla 1: Conteo del nmero de cuentas obtenidas. Frecuencias absolutas de intervalos con X cuentas.
Considerando que el conteo total de emisiones es 6504, tabulamos las frecuencias relativas de cada cuenta. Este resultado se muestra en la Tabla 2. # Cuentas (X) Frecuencia relativa ( )
1 2 3 4 5 6 7 8 0.354090 0.367774 0.185732 0.068573 0.018758 0.003998 0.000923 0.000154
Tabla 2: Conteo del nmero de cuentas obtenidas. Frecuencias relativas de intervalos con X cuentas.
Las tablas Tabla 1 y Tabla 2, y los grficos de frecuencias muestran una distribucin claramente asimtrica de los conteos realizados. La aproximacin de la distribucin de Poisson la hacemos mediante el uso de la funcin 12 Laboratorio de fsica experimental
Distribucin de Poisson ( )
0.270671 0.270671 0.180447 0.090224 0.036089 0.012030 0.003437 0.000859
Distribucin de Poisson ( )
0.264368 0.270526 0.184552 0.094425 0.038650 0.013183 0.003854 0.000986
2500
2303
2000
500
1 8
4 5 Numero de cuentas X
13
0.40 Frecuencia relativa de intervalos con Xcuentas 0.354090 0.35 0.30 0.25
0.367774
0.20
0.15 0.10 0.05 0.00 1 2
0.185732
0.068573 0.018758 3
4 5 Numero de cuentas X
Grfica 2. Diagrama de barras de frecuencias relativas. 0.4 Frecuendia Relativva y Probabilidad de Poisson 0.35
0.3
0.25 0.2 0.15 0.1 0.05
0
0 1 2 3 4 5 6 7 Numero de Cuentas por intervalo de tiempo Frecuencia Relativa Grfica 3: Distribucin de frecuencias relativas Poisson con Media Lambda 8 9
(Media) y
14
5.2. Experimento 2.
El segundo experimento tuvo como muestra tambin al guientes especificaciones Intervalo de tiempo Tiempo de medicin Promedio esperado : : : y . La Tabla 4 con las si-
Identificamos la longitud el intervalo unitario con cada intervalo. # Cuentas X 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Frecuencia Frecuencia Absoluta ( ) Relativa ( ) 4 33 79 137 165 183 173 114 99 53 23 12 6 2 0.0036934 0.0304709 0.0729455 0.1265005 0.1523546 0.1689751 0.1597415 0.1052632 0.0914127 0.0489381 0.0212373 0.0110803 0.0055402 0.0018467
Tabla 4: Conteo del nmero de cuentas obtenidas. Frecuencias absolutas y relativas de intervalos con X cuentas.
La Grfica 4 y la Grfica 5 correspondientes a esta tabla muestran cierta forma acampanada pero asimtrica. Nuevamente hacemos la aproximacin de la distribucin de Poisson esta ves considerando con y tambin con , que en este caso es y distribuciones 6.3019391 (con 6 decimales como se trabaj con ). Se presenta entonces la Tabla 4 que compara los valores de frecuencias relativas de Poisson con (Media) y (Lambda). 15
180
160 140 120 100 80 60
40
20 0 1 2 3 4 5 6 7 8 9 10 11 12 Numero de Cuentas por intervalo de tiempo 13 14
16
0.18 0.16 0.14 Frecuencia Relativa 0.12 0.10 0.08 0.06 0.04 0.02 0.00 1 2 3 4 5 6 7 8 9 10 11 12 Numero de Cuentas por intervalo de tiempo 13 14
Grfica 5. Diagrama de barras de frecuencias relativas. 0.18 Frecuencias Relativias y Ptobabilidad de Poisson 0.16 0.14 0.12 0.1 0.08 0.06 0.04 0.02
0
0 1 2 3 4 5 6 7 8 9 10 11 12 Numero de Cuentas por intervalo de tiempo Frecuencia Relativa Grfica 6: Distribucin de frecuencias relativas Poisson con Media Lambda 13 14 15
(Media) y
17
5.3. Experimento 3.
Para tercer experimento con consideraciones Intervalo de tiempo Tiempo de medicin Promedio esperado : : : 50 se tuvieron en cuenta las siguientes
Identificamos la longitud el intervalo unitario con y . La Tabla 6 muestra las frecuencias absolutas y relativas de las cuentas encontradas en cada intervalo.
# Cuentas X 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62
Contina en la pgina siguiente
Frecuencia Relativa (f) 0.002053 0.004107 0.004107 0.004107 0.006160 0.012320 0.014374 0.020534 0.022587 0.014374 0.041068 0.024641 0.034908 0.045175 0.063655 0.045175 0.063655 0.051335 0.049281 0.041068 0.053388 0.034908 0.039014 0.057495 0.061602 0.020534
18
# Cuentas X 63 64 65 66 67 68 69 70 71 72 73 76 78
Frecuencia Relativa (f) 0.018480 0.041068 0.016427 0.016427 0.018480 0.012320 0.012320 0.010267 0.002053 0.012320 0.004107 0.002053 0.002053
Tabla 6: Conteo del nmero de cuentas obtenidas. Frecuencias absolutas y relativas de intervalos con X cuentas.
Las grficas 7 y 8 muestran, en cierta medida, una simetra lo cual hace recordar a la simetra caracterstica de una distribucin estadstica de tipo gaussiana. Nuevamente hacemos la aproximacin de la distribucin de Poisson esta ves considerando con y tambin con , que en este caso es y distribuciones 55.447639 (con 6 decimales como se trabaj con ). Se presenta entonces la Tabla 7 que compara los valores de frecuencias relativas de Poisson con (Media) y (Lambda).
19
20
35 30 25 20 15 10
Frecuencia Absoluta
5
0 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 69 71 73 78 Numero de Cuentas por intervalo de tiempo
Grfica 7: Diagrama de barras de frecuencias absolutas. 0.07 0.06 0.05 0.04 0.03 0.02 0.01 0.00 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 69 71 73 78 Numero de Cuentas por intervalo de tiempo
Frecuencia Relativa
21
0.07 Frecuencia Relativa y Probabilidad de Piosson 0.06 0.05 0.04 0.03 0.02 0.01 0.00 30 40 50 60 70 Numero de Cuentas por intervalo de tiempo Frecuencia Relativa Grfica 9: Distribucin de frecuencias relativas Poisson con Lambda Media 80
(Media) y
Es interesante notar que en este caso el valor esperado de la media difiere del promedio de los datos mucho ms de lo que difera en los casos anteriores y que un ajuste de Poisson que toma que ajuste con se ajusta mejor a los datos que era lo que se esperaba. Por otro lado la curva originada por el es de forma acampanada y muy simtrica comparada con
las otras curvas de Poisson de los experimentos anteriores. Para apreciar esto se elabor una tabla similar a la Tabla 7 para una posible distribucin de Gauss obtenindose: Distribucin Distribucin # Cuentas Frecuencia ) de Poisson ( X Relativa ( ) de Poisson (
37 38 39 40 41 0.002053 0.004107 0.004107 0.004107 0.006160 0.002292 0.003201 0.004388 0.005905 0.007837 0.011290 0.014248 0.017649 0.021459 0.026219
22
Comparando esta ltima tabla con la obtenida anteriormente para la distribucin de Poisson notamos que los valores de las probabilidades ( Laboratorio de fsica experimental
23
) no varan de forma significativa en el aspecto comparativo de los datos. Nuestra observacin no falla y se pone an ms en evidencia comparando el grafico correspondiente a esta ltima tabla, Grfica 10, con la Grfica 9.
0.07 Frecuencia Relativa y Probabilidad de Poisson 0.06 0.05 0.04 0.03 0.02 0.01 0.00 30 40 50 60 70 Numero de Cuentas por intervalo de tiempo Frecuencia Relativa Grfica 10: Distribucin de frecuencias relativas Poisson con Lambda Media 80
(Media) y
5.4. Experimento 4.
Para este cuarto experimento tomamos como muestra emisora ,y
realizamos dos ajustes de las frecuencias relativas: para una distribucin de tipo Gauss y otra de tipo Poisson buscando una comparacin similar al caso anterior. Esta vez emplearemos como parmetro el valor de la media de los conteos . Intervalo de tiempo Tiempo de medicin Promedio 24 : : : 44.576042 Laboratorio de fsica experimental
. La tabla 9
0.001042 0.002083 0.004167 0.004167 0.004167 0.008333 0.020833 0.013542 0.016667 0.026042 0.034375 0.034375 0.046875 0.051042 0.063542 0.051042 0.066667 0.076042 0.047917 0.050000 0.054167 0.063542 0.038542 0.038542 0.039583 0.033333 0.019792 0.015625 0.020833 0.014583 0.007292 0.007292 0.004167 0.008333
Distribucin Distribucin de Poisson de Gauss 0.001348 0.001584 0.002146 0.003298 0.004901 0.007047 0.009816 0.013260 0.017384 0.022141 0.027415 0.033029 0.038744 0.044284 0.049350 0.053654 0.056945 0.059032 0.059805 0.059242 0.057408 0.054447 0.050563 0.045998 0.041008 0.035843 0.030726 0.025842 0.021332 0.017289 0.013762 0.010762 0.008272 0.006249 0.004643 0.002373 0.003473 0.004963 0.006925 0.009439 0.012563 0.016330 0.020730 0.025700 0.031115 0.036791 0.042483 0.047909 0.052763 0.056749 0.059609 0.061147 0.061257 0.059931 0.057263 0.053432 0.048691 0.043333 0.037662 0.031967 0.026498 0.021451 0.016959 0.013094 0.009873 0.007270 0.005229 0.003672
25
Distribucin Distribucin de Poisson de Gauss 0.003393 0.002519 0.002439 0.001726 0.001202 0.000824 0.001687 0.001104 0.000705 0.000440
Comparando los valores de la tabla encontramos que las variaciones entre una y otra distribucin estn comprendidas entre 0.002869 y 0.0000618 lo cual indica valores relativamente prximos, idnticos hasta con 2 cifras decimales, lo cual puede ser una buena aproximacin. La grafica comparativa de cada una de las distribuciones y la frecuencia relativa se presenta a continuacin.
0.08
0.07 0.06 Frecuencia Relativa 0.05 0.04 0.03 0.02 0.01 0.00 20 30 40 50 60 Numero de Cuentas por intervalo de tiempo Gauss Poisson Frecuencia Relativa (Frecuencia Relativa) y distribuciones de 70
Gauss y Poisson.
26
6. CONCLUSIONES
Cualitativamente el experimento se realiz de manera sencilla en el sentido de que se las lecturas de los decaimientos radioactivos se obtiene con pocos instrumentos, lo cual minimiza los errores experimentales predominando bsicamente los de clculo. Adems los objetivos del experimento fueron cumplidos pues so obtuvieron las aproximaciones estadsticas esperadas demostrando el carcter aleatorio de las emisiones radioactivas. Al hacer las grficas de estas aproximaciones estadsticas apreciamos que la distribucin de Poisson modela de manera satisfactoria la emisin radioactiva. Y no solo eso, sino que, adems en los experimentos 3 y 4, vimos que se da la aproximacin de la distribucin de Poisson a la distribucin de Gauss lo cual por teora es perfectamente sustentado por el teorema del lmite central que se present en el marco terico.
27