Quizá no lo expresé bien tu vas a tener $$m$$ experimentos de con una variable aleatoria "tiempo de semi vida" que cada una es un resultado experimental para $$t_{1/2}$$, la esperanza de esos $$m$$ experimentos independientes tiene una esperanza normal $$E(N(\dfrac{ln2}{\lambda},\sigma_{t_{1/2}}))$$
Honestamente, no sé a qué te refieres con "la esperanza de esos \( m \) experimentos independientes tiene una esperanza normal".
Bien tu propones que Sí o Sí, el decaimiento no es exponencial, en realidad $$N(t)$$ es $$(N, N-1, N-2,... ,N-x,...,3, 1,...,0)$$ tienes un valor discreto de elementos activos, en para cada tiempo $$t$$ (pero este tiempo es continuo , no es discreto)
Los
tiempos de descomposición son variables aleatorias con distribución exponencial. Es decir, si etiquetamos cada átomo de la muestra con un número entre \( 1 \) y \( N \) (como si fuese su nombre) y \( T_k \) es el tiempo que tarda en descomponerse el átomo \( k \), entonces \( T_k\sim \operatorname{Exp}(\lambda ) \) para cada \( k \). Pero el
tamaño de la muestra a un instante \( t \) cualquiera son variables aleatorias discretas, usualmente descritas por una distribución de Poisson o una binomial.
Lo que se conoce como ley de decaimiento es la identidad \( \mathbb{E}[N_t]=N_0e^{-\lambda t} \), que usualmente aparece mal definida en los libros de texto como \( N_t=N_0e^{-\lambda t} \) (cosa que no tiene sentido porque el valor de \( N_t \) es aleatorio, lo que no es aleatorio es su esperanza).
Originalmente se asoció al número de descomposiciones de una muestra una distribución de Poisson de parámetro \( \mu =N_0(1-e^{-\lambda t})\approx N_0\lambda t \), donde \( t \) es una unidad de tiempo elegida (no sé cuál es la unidad de tiempo estándar para definir tal constante en la práctica) y \( N_0 \) es un tamaño de muestra elegido también. Se hizo así por varios motivos, uno es que los datos experimentales, a partir de inferencia estadística, dan un buen ajuste a una Poisson. Aunque realmente tal descomposición no siga una Poisson sino que un modelo más ajustado viene dado por una distribución binomial, en la mayoría de casos de medición de elementos radiactivos la diferencia entre las dos distribuciones es despreciable y es mucho más sencillo el modelo de Poisson (ya que
no depende del tamaño de la muestra su tratamiento computacional es más sencillo) del modelo binomial (aunque éste pudiera ser más exacto).
Claro, si asumes que \( N_t\sim \operatorname{Bin}(N_0,e^{-\lambda t}) \) entonces \( \mathbb{E}[N_t]=N_0e^{-\lambda t} \), y lo mismo ocurre si consideras que \( N_t\sim \operatorname{Poi}(N_0e^{-\lambda t}) \). Pero observa que es la esperanza de un tamaño, no de un tiempo, ahí \( N_t \) es el tamaño de la muestra en el instante \( t \). Y efectivamente la solución en \( t \) a la ecuación \( \mathbb{E}[N_t]=N_0/2 \) es lo que se denomina semivida, y obtenemos que \( t=\frac{\ln 2}{\lambda } \).
Te describo lo que te entendí de esta frase.
- cada átomo tiene vida propia con media $$\dfrac{1}{\lambda}$$
- para cada experimento de duración $$t$$ tu propones que se obtendrá un conteo de elementos activos $$N(t)$$ de media es $$E[N_t]$$ que podemos estimar mediante $$N_0=e^{-\lambda t}$$.
Eso es, excepto que lo marcado en rojo debería ser más bien
"tal que \( \mathbb{E}[N_t]=N_0e^{-\lambda t} \)". Si fijamos un tiempo \( t \), que usaremos de unidad, y hacemos muchos experimentos y a su distribución empírica le asociamos una distribución de Poisson para el número de descomposiciones, estimamos el parámetro \( \mu \) que sabemos (utilizando el modelo que tenemos) que \( \mu \approx N_0 \lambda t \), y de ese modo podemos estimar \( \lambda \), aunque no sé si ése es el modo clásico en el cual se estimaban estos parámetros, hoy en día seguramente lo hagan de otro modo.
pero cuando supones que en la binomial $$p=e^{-\lambda t}$$ esa probabilidad esa relacionada con un tiempo y a ti lo que te interesa es que suceda 1 único evento de desintegración en el tiempo $$t$$ con media $$1/\lambda$$ tienes que considerar que es una distribución de Poisson $$p=\lambda t\cdot e^{-\lambda t}$$ entonces se me hace no tienes que calcular una media sino estimerla con la probabilidad acumulada binomial $$P(N(t) \leq N_0/2) = \sum_{i=0}^{N_0/2} \binom{N_0}{i} p_{(t)}^i (1-p_{(t)})^{N_0-i}$$ con $$p_{(t)}=\lambda t \cdot e^{-\lambda t}$$ , a que te llevará no sé, matemáticamente tu la tienes mas clara.
Creo que lo dicho más arriba responde a esto, es decir, imagino se estima \( \lambda \) fijando un tamaño de muestra y un tiempo específico. La verdad es que no sé cómo se hacen esas estimaciones realmente, debería buscar información al respecto.
Añadido: consultando a una IA ésta me dice que en la práctica \( \lambda \) se estima utilizando la ley de decaimiento, lo cual tiene todo el sentido del mundo porque no hay que fijar ningún parámetro, sólo hacer muchos experimentos y luego estimar \( \lambda \) a partir de ahí. También me dice que no existen valores estandarizados de \( \mu \) para un material radiactivo, precisamente porque tales valores dependen de la cantidad de material original \( N_0 \) (lo que antes he estado llamando "tamaño de la muestra", aunque en este contexto la palabra "muestra" puede llevar a confusión), del tiempo de medición \( t \) y también de otros parámetros relativos a la sensores utilizados en el experimento.
Corregido.