Autor Tema: Otra noción de semivida para una muestra radiactiva

0 Usuarios y 1 Visitante están viendo este tema.

22 Octubre, 2026, 05:05 pm
Leído 214 veces

Masacroso

  • “Lo que oigo, lo olvido; lo que veo, lo recuerdo; lo que hago, lo aprendo” (antiguo proverbio chino)
  • Moderador Global
  • Mensajes: 5,485
  • País: es
  • Karma: +0/-0
He cambiado el título original del tema y la redacción para clarificar lo que quería decir. La noción de semivida que propongo en este tema es un invento mío que surge de la curiosidad de comprobar si nociones semejantes pueden dar lugar a un mismo valor, pero no es el caso. En el concepto de semivida estandar la esperanza se aplica al tamaño de la muestra, y en el que propongo la esperanza se aplica al tiempo de parada que determina la reducción del tamaño de la muestra a la mitad o menos.

Supongamos que tenemos un proceso estocástico \( \{N_t\}_{t\geqslant 0} \) que representa la descomposición radiactiva de un determinado material, es decir que se parte de un número de átomos \( N_0 \) y en el tiempo \( t \) de la muestra inicial ya sólo quedan \( N_t \) átomos. Entonces si la vida media del material radiactivo es \( \frac1{\lambda } \) (para un \( \lambda >0 \) determinado \( \frac1{\lambda } \) es el tiempo medio de existencia de uno de los átomos antes de descomponerse) la semivida se define como el valor del tiempo \( t \) tal que \( \mathbb{E}[N_t]=\frac{N_0}{2} \), lo cual se corresponde al valor \( \frac{\ln 2}{\lambda } \).

Ahora bien, la solución a la ecuación \( \mathbb{E}[N_t]=\frac{N_0}{2} \) es literalmente "el tiempo en el cual el tamaño esperado de la muestra se haya reducido justo la mitad". Pero si en vez de eso tomamos la idea de la semivida como "el tiempo esperado para el cual el tamaño de la muestra se reduce a la mitad" entonces veremos que, aunque semejante, esta nueva noción de semivida no se corresponde a la de la semivida estandar. Es decir, si definimos \( \tau :=\inf\{t>0: N_t\leqslant \frac{N_0}{2}\} \) entonces \( \mathbb{E}[\tau ] \) es esta otra noción de semivida que me acabo de inventar, y veremos que entonces en este caso \( \mathbb{E}[\tau ]\neq \frac{\ln 2}{\lambda } \) asumiendo que \( N_t \sim \operatorname{Bin}(N_0,e^{-\lambda t}) \) como se discutió en este hilo. Calculamos

\[
\begin{align*}
\mathbb{E}[\tau ]&=\int_{0}^{\infty }\Pr [\tau >t]\,d t=\int_{0}^{\infty }\Pr \left[N_t>\frac{N_0}{2}\right]\,d t\\
&=\int_{0}^{\infty }\sum_{\tfrac{N_0}{2}<k\leqslant N_0}\binom{N_0}{k}e^{-\lambda tk}(1-e^{-\lambda t})^{N_0-k}\,d t\\
&=\sum_{\tfrac{N_0}{2}<k\leqslant N_0}\binom{N_0}{k}\int_{0}^{\infty }e^{-\lambda tk}(1-e^{-\lambda t})^{N_0-k}\,d t\\
&=\frac1{\lambda }\sum_{\tfrac{N_0}{2}<k\leqslant N_0}\binom{N_0}{k}\int_{0}^{1}x^{k-1}(1-x)^{N_0-k}\,d x,&& x:=e^{-\lambda t}\\
&=\frac1{\lambda }\sum_{\tfrac{N_0}{2}<k\leqslant N_0}\binom{N_0}{k}\mathrm{B}(k, N_0-k+1)\\
&=\frac1{\lambda }\sum_{\tfrac{N_0}{2}<k\leqslant N_0}\frac{N_0!}{k!(N_0-k)!}\cdot \frac{\Gamma(k)\cdot \Gamma (N_0-k+1)}{\Gamma (N_0+1)}\\
&=\frac1{\lambda }\sum_{\tfrac{N_0}{2}<k\leqslant N_0}\frac1{k}=\frac{H_{N_0}-H_{\lfloor N_0/2 \rfloor }}{\lambda }
\end{align*}
\]

donde \( \mathrm{B} \) es la función beta de Euler, \( \Gamma  \) la función gamma de Euler y \( H_n \) el \( n \)-avo número armónico. Aunque \( \mathbb{E}[\tau ]\neq \frac{\ln 2}{\lambda } \) sin embargo se puede ver fácilmente que \( \lim_{N_0\to \infty }\mathbb{E}[\tau ]=\frac{\ln 2}{\lambda } \). Es decir, si definiéramos la semivida de esta manera entonces tal semivida dependería del tamaño de la muestra inicial, y coincidiría con la vida media cuando \( N_0=1 \) (asumiendo el criterio de la suma vacía, que da lugar a que \( H_0=0 \)). Pero como el número de átomos de cualquier muestra macroscópica es enorme, la diferencia entre esta noción de semivida y la estandar en la práctica sería despreciable.

Nota: si en vez de \( N_t\sim \operatorname{Bin}(N_0,e^{-\lambda t}) \) asumimos la aproximación de Poisson dada por \( N_t\sim \operatorname{Poi}(N_0e^{-\lambda t}) \) entonces se sigue que

\[
\mathbb{E}[\tau ]=\frac1{\lambda }\sum_{\tfrac{N_0}{2}<k\leqslant N_0}\frac{\gamma (k,N_0)}{k!}
\]

donde \( \gamma(a,b):=\int_{0}^b t^{a-1}e^{-t}\,d t \) es una de las funciones gamma incompletas. En este caso también se puede demostrar que \( \lim_{N_0\to \infty }\mathbb{E}[\tau ]=\frac{\ln 2}{\lambda } \).

23 Octubre, 2026, 02:41 am
Respuesta #1

Richard R Richard

  • Ingeniero Industrial
  • $$\Large \color{#9c57a6}\pi\,\pi\,\pi\,\pi\,\pi\,\pi$$
  • Mensajes: 4,064
  • País: ar
  • Karma: +2/-0
  • Sexo: Masculino
  • Dentro de la ciencia todo,fuera de la ciencia nada

Entonces si la vida media del material radiactivo es \( \frac1{\lambda } \) (para un \( \lambda >0 \) determinado \( \frac1{\lambda } \) es el tiempo medio de existencia de uno de los átomos antes de descomponerse)
la semivida se define como el valor del tiempo \( t \) tal que \( \mathbb{E}[N_t]=\frac{N_0}{2} \), lo cual se corresponde al valor \( \frac{\ln 2}{\lambda } \).

Hola, sobre tu planteo matematico, nada que opinar un poco me excede. Solo quería comentar, no sé si ya lo hice en otro hilo, es que este entuerto entre ambas definiciones, "creo" que viene de confundir el orden de dos palabras "vida media" vs "media vida" la primera para la media matemática de la función exponencial que modeliza los procesos de desintgración  , la segunda para la mitad de la concentración inicial.


La vida media en realidad "se define estrictamente como el promedio de tiempo que tarda una partícula inestable o un núcleo radiactivo en desintegrarse." , ten en cuenta que lo que un físico que llegó a aplicar el modelo matemático hizo primero  fue primero experimentar, medir, y en base a representar dichos datos modelizar, cuando se dieron cuenta que la función matemática que mejor se adapta es la exponencial con exponente negativo, surge la idea de caracterizar a las especies, por algún parámetro independiente del tamaño de la muestra, algo que todas las muestras  tenían que es $$\lambda$$ las constante de desintegración,  puestos a resolver cual es la estadística de esos valores, surgió el concepto de vida media como el inverso a la constante de desintegración que es propia de la especie y se alcanza cuando la actividad ha caído cerca del $$36\%\cong 1/e$$.
Y porque te  digo esto , porque hay especies en las que nadie se pondría a esperar para comprobar midiendo tiempos si efectivamente se ha llegado tanto al 36% o al 50% de la especie activa, ya que el período de tiempo para la vida media y el periodo de semidesintegración pueden rondar en los miles o millones de años. Así que con variadas repeticiones , sobre muestras controladas,  se evalúa la caída de un pequeño porcentaje con la máxima precisión y con ese dato es posible calcular la vida media y de allí el tiempo de semidesintegración.


Ahora bien, la solución a la ecuación \( \mathbb{E}[N_t]=\frac{N_0}{2} \) es literalmente "el tiempo en el cual es tamaño esperado de la muestra se haya reducido justo la mitad".

Por lo dicho previamente yo lo ajustaría a "el tiempo promedio en el cual es tamaño esperado de la muestra activa se haya reducido justo la mitad".


Citar
Pero si en vez de eso tomamos la idea de la semivida como "el tiempo esperado para el cual el tamaño de la muestra se reduce a la mitad" entonces veremos que, aunque semejante, esta nueva noción de semivida no se corresponde a la de la semivida estándar.
Aqui lo dices bien, es claro , al menos para mí que ésta es la definición correcta, pero no entiendo porque no se lo atribuyes a la semivida estándar...   "semi indica que es la mitad de algo"  y es usado en farmacología es el tiempo que en promedio le toma a una muestra en caer a la mitad de su actividad.  El problema es cuando en este tema se entiende a la media como la mitad de algo, cuando en realidad refiere a la media estadística, esto lo he visto en páginas en inglés.


Si te fijas en las definiciones ya no de Google  que es ya una IA Gemini traducida del ingles, sino en wiki en español o en otros sitios  el tema está zanjado,  pero en los tokens que manejan las IAS creo debe serle difícil entender que el orden esas palabras tiene un significado distinto, ejemplo no es lo mismo "ladrillo rojo" que "rojo ladrillo", he visto que en ingles ambas formas ajustan y no difieren del concepto de semivida o de semidesintegración, pero que en física de partículas ya si es necesario diferenciar entre el inverso de la constante de desintegración(que es la media estadística)  del tiempo en que se reduce a la mitad la actividad.


Fijate en esto https://en.wikipedia.org/wiki/Half-life  si lo traduce la wiki habla de vida media , para lo que es $$t_{1/2}$$ !!!! , observa que es la wiki en ingles
luego observa https://en.wikipedia.org/wiki/Exponential_decay en particular donde habla de la vida media $$\tau=\dfrac{1}{\lambda}$$, y verás  como usan las mismas palabras "vida media" para definir  esos tiempos distintos. Allí el entuerto.


porque en español esta claro


https://es.wikipedia.org/wiki/Vida_media
https://es.wikipedia.org/wiki/Periodo_de_semidesintegraci%C3%B3n
https://es.wikipedia.org/wiki/Semivida


Saludos  \(\mathbb {R}^3\)

23 Octubre, 2026, 10:10 am
Respuesta #2

Masacroso

  • “Lo que oigo, lo olvido; lo que veo, lo recuerdo; lo que hago, lo aprendo” (antiguo proverbio chino)
  • Moderador Global
  • Mensajes: 5,485
  • País: es
  • Karma: +0/-0
Aqui lo dices bien, es claro , al menos para mí que ésta es la definición correcta, pero no entiendo porque no se lo atribuyes a la semivida estándar...   "semi indica que es la mitad de algo"  y es usado en farmacología es el tiempo que en promedio le toma a una muestra en caer a la mitad de su actividad.

Exacto, ¡por eso he creado este tema! A nivel lingüístico la palabra semivida induce a pensar (sin ver su formulación matemática) que es "el tiempo medio en el cual el tamaño de la muestra se reduce a la mitad" (aunque sería más preciso decir "menor o igual a la mitad", ya sea porque se puedan descomponer varios átomos a la vez o porque el número de átomos original es impar). PERO, y este es el quid del tema, esa noción intuitiva que viene de la propia construcción lingüística del término "semivida" no se corresponde con su formulación matemática. En la formulación matemática la semivida es el valor de \( t \) para el cual \( \mathbb{E}[N_t]=\frac{N_0}{2} \), esto traducido literalmente a palabras es "el tiempo en el cual el tamaño esperado (o tamaño medio) de la muestra se ha reducido a la mitad". Es decir, \( \mathbb{E}[N_t] \) es justamente el tamaño esperado (o tamaño medio) de la muestra en el tiempo \( t \).

Con esto en mente creo este hilo para ver si la formulación matemática de semivida va a dar lugar al mismo resultado si formalizamos matemáticamente la idea intuitiva de la palabra semivida. Entonces, para hablar de "tiempo medio" (o tiempo esperado) creo una variable aleatoria cuyos valores sean de tiempo, que dé cuenta precisamente del tiempo en el cual el tamaño de la muestra se ha reducido a la mitad (o menos). Por clarificar, la noción de que "la semivida es el tiempo medio en el cual el tamaño de la muestra se reduce a la mitad (o menos)" matemáticamente es el valor de \( \mathbb{E}[\tau ] \), y quería ver si esa noción intuitiva se correspondía con su formulación matemática clásica, que es la solución a la ecuación en \( t \) de \( \mathbb{E}[N_t]=\frac{N_0}{2} \), ¡y no coinciden!

Respecto al tema de la vida media..., no he discutido nada de eso en este tema, sí he utilizado su definición clásica, que en este caso coincide con la noción intuitiva de "vida media (de un átomo)". Es decir, si definimos como \( T \) la variable aleatoria que cuenta el tiempo hasta la desintegración de un átomo (que sabemos que tiene distribución exponencial de parámetro \( \lambda  \) debido a que es una variable aleatoria continua y sin memoria, y eso sólo puede tener distribución exponencial) entonces en este caso tenemos que \( \mathbb{E}[T]=\frac1{\lambda } \), es decir, noción lingüística y formulación matemática coinciden. Pero como digo, en este tema no he discutido sobre el concepto de vida media, sino sobre cómo la noción intuitiva lingüística de la palabra semivida no coincide con su formulación matemática. Espero que ahora se entienda mejor.

24 Octubre, 2026, 01:03 am
Respuesta #3

Richard R Richard

  • Ingeniero Industrial
  • $$\Large \color{#9c57a6}\pi\,\pi\,\pi\,\pi\,\pi\,\pi$$
  • Mensajes: 4,064
  • País: ar
  • Karma: +2/-0
  • Sexo: Masculino
  • Dentro de la ciencia todo,fuera de la ciencia nada
Hola,  me aclaro un poco mis nociones mas  básicas a ver si puedo llegar a ver esa no coincidencia... hablemos de un solo átomo,  está o no activo ,  es 1 si no ha decaído y 0 si decayó, no hay aquí una forma de ver si está a "medio" caer, solo puede tener dos estados, lo que es una variable no controlable es el tiempo que puede pasar hasta el cambio del estado 1 al 0. Supongamos que asl  átomo lo encerramos entre detectores, que puedan dar evidencia de radiación en todas direcciones, ese detector lo conectamos a un reloj, damos por inicio al cronometraje,  el tiempo hasta decaer es independiente de cuando se inicie el conteo. Luego, en una cantidad de tiempo $$t$$  habrá un registro de radiación incidente y el estado habrá pasado a 0.
 Como dato estadístico ese tiempo $$t$$ no nos aporta nada. Si repetimos el experimento $$N$$ veces podemos establecer que los tiempos siguen una relación exponencial negativa respecto de cantidad de experimentos realizados. De allí para ea muestra podemos establecer la constante de desintegración $$\lambda$$ y la media estadística como su inversa.
Como los experimentos son independientes el resultado de uno no afecta a otro podríamos pensar que una muestra que contenga N átomos  pueda comportarse del mismo modo. Podríamos conectar cada detector de cada muestra a una computadora que cuente todos los sensores que registren 1 en actividad.   Así podríamos ver que la cantidad de sensores activos cae con el tiempo. A la vez podríamos poner una alarma que registre el tiempo cuando la cantidad de sensores activos sea  exactamente la mitad o menor de los originales, ese tiempo es un indicador de la semi vida del átomo, pero ese resultado es de un solo experimento, podemos repetirlo $$m$$ veces cada una con $$N$$  átomos y detectores y  registrar todos lo tiempos , ese muestreo de $$m$$ registro no me cabe dudas que es una variable normal con media $$t_{1/2}\cong\dfrac{ln2}{\lambda}$$.
Ahora he visto que tu propones que una única muestra con $$N$$ átomos puede comportarse como un proceso binomial, pero  la probabilidad de esa binomial depende del tiempo tu mismo la enuncias como $$N_t \sim \operatorname{Bin}(N_0,e^{-\lambda t})$$  , es decir es binomial cambia de probabilidad con el tiempo transcurrido, sinceramente me hace ruido, no la dejo de ver  como una exponencial directa respecto del tiempo.


Pero mas allá de eso la media o esperanza de esa normal $$E_N(t_{1/2})$$, se la propone estimar o calcular directamente con la función exponencial  cuando $$N_a=\dfrac{N_0}{2}=N_0e^{-\lambda t_{1/2}}$$

Saludos  \(\mathbb {R}^3\)

24 Octubre, 2026, 01:42 am
Respuesta #4

Masacroso

  • “Lo que oigo, lo olvido; lo que veo, lo recuerdo; lo que hago, lo aprendo” (antiguo proverbio chino)
  • Moderador Global
  • Mensajes: 5,485
  • País: es
  • Karma: +0/-0
Así podríamos ver que la cantidad de sensores activos cae con el tiempo. A la vez podríamos poner una alarma que registre el tiempo cuando la cantidad de sensores activos sea  exactamente la mitad o menor de los originales, ese tiempo es un indicador de la semi vida del átomo, pero ese resultado es de un solo experimento, podemos repetirlo $$m$$ veces cada una con $$N$$  átomos y detectores y  registrar todos lo tiempos , ese muestreo de $$m$$ registro no me cabe dudas que es una variable normal con media $$t_{1/2}\cong\dfrac{ln2}{\lambda}$$.

Sería la gráfica de una normal (los resultado del experimento repetido) si \( \tau  \) tuviese distribución normal, pero no la tiene. Observa que si \( f \) es la función de densidad de \( \tau  \) entonces

\[
f(t)=\frac{d}{d t}\Pr [\tau \leqslant t]=\frac{d}{d t}\Pr [N_t\leqslant N_0/2]
\]

Pero tanto si \( N_t \) tiene una distribución binomial como de Poisson lo que te sale es una suma de exponenciales con exponente \( -\lambda t \), que dudo mucho se pueda traducir en la densidad de una distribución normal (ya que en la expresión obtenida no hay exponenciales de la forma \( e^{-ct^2} \) para alguna constante \( c>0 \)).

Citar
Ahora he visto que tu propones que una única muestra con $$N$$ átomos puede comportarse como un proceso binomial, pero  la probabilidad de esa binomial depende del tiempo tu mismo la enuncias como $$N_t \sim \operatorname{Bin}(N_0,e^{-\lambda t})$$  , es decir es binomial cambia de probabilidad con el tiempo transcurrido, sinceramente me hace ruido, no la dejo de ver  como una exponencial directa respecto del tiempo.

\( N_t \) es el tamaño de la muestra en el instante \( t \), y toma valores discretos, es decir, son números enteros (1, 2, 345 átomos, etc...), luego tenga la distribución que tenga \( N_t \) debe ser discreta, y la exponencial no lo es.

Citar
Pero mas allá de eso la media o esperanza de esa normal $$E_N(t_{1/2})$$, se la propone estimar o calcular directamente con la función exponencial cuando $$N_a=\dfrac{N_0}{2}=N_0e^{-\lambda t_{1/2}}$$

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 \( t=\frac{\ln 2}{\lambda } \).

24 Octubre, 2026, 03:07 am
Respuesta #5

Richard R Richard

  • Ingeniero Industrial
  • $$\Large \color{#9c57a6}\pi\,\pi\,\pi\,\pi\,\pi\,\pi$$
  • Mensajes: 4,064
  • País: ar
  • Karma: +2/-0
  • Sexo: Masculino
  • Dentro de la ciencia todo,fuera de la ciencia nada
Así podríamos ver que la cantidad de sensores activos cae con el tiempo. A la vez podríamos poner una alarma que registre el tiempo cuando la cantidad de sensores activos sea  exactamente la mitad o menor de los originales, ese tiempo es un indicador de la semi vida del átomo, pero ese resultado es de un solo experimento, podemos repetirlo $$m$$ veces cada una con $$N$$  átomos y detectores y  registrar todos lo tiempos , ese muestreo de $$m$$ registro no me cabe dudas que es una variable normal con media $$t_{1/2}\cong\dfrac{ln2}{\lambda}$$.

Sería la gráfica de una normal (los resultado del experimento repetido) si \( \tau  \) tuviese distribución normal, pero no la tiene. Observa que si \( f \) es la función de densidad de \( \tau  \) entonces

\[
f(t)=\frac{d}{d t}\Pr [\tau \leqslant t]=\frac{d}{d t}\Pr [N_t\leqslant N_0/2]
\]
Pero tanto si \( N_t \) tiene una distribución binomial como de Poisson lo que te sale es una suma de exponenciales con exponente \( -\lambda t \), que dudo mucho se pueda traducir en la densidad de una distribución normal (ya que en la expresión obtenida no hay exponenciales de la forma \( e^{-ct^2} \) para alguna constante \( c>0 \)).


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 $$E(N(\dfrac{ln2}{\lambda},\sigma_{t_{1/2}}))$$



Citar
\( N_t \) es el tamaño de la muestra en el instante \( t \), y toma valores discretos, es decir, son números enteros (1, 2, 345 átomos, etc...), luego tenga la distribución que tenga \( N_t \) debe ser discreta, y la exponencial no lo es.
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)

Citar

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 $$N_0=e^{-\lambda t}$$
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.

Saludos  \(\mathbb {R}^3\)

24 Octubre, 2026, 10:03 am
Respuesta #6

Masacroso

  • “Lo que oigo, lo olvido; lo que veo, lo recuerdo; lo que hago, lo aprendo” (antiguo proverbio chino)
  • Moderador Global
  • Mensajes: 5,485
  • País: es
  • Karma: +0/-0
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".

Citar
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).

Citar
Citar
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.

Citar
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.

24 Octubre, 2026, 06:48 pm
Respuesta #7

Richard R Richard

  • Ingeniero Industrial
  • $$\Large \color{#9c57a6}\pi\,\pi\,\pi\,\pi\,\pi\,\pi$$
  • Mensajes: 4,064
  • País: ar
  • Karma: +2/-0
  • Sexo: Masculino
  • Dentro de la ciencia todo,fuera de la ciencia nada

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".
Me refiero al teorema del limite central,  si  repites un experimento m veces  en las misma condiciones , la variable aleatoria que estés midiendo responde a una normal, por mas que esa variable sea resultado   de un proceso que responda a cualquier otra distribución.
Ej si te pones a cronometrar  y registras el tiempo hasta que la actividad se reduce a la mitad (que es una propiedad de la especie y no del tamaño de la muestra), ese tiempo puede variar alrededor de una media en cada uno los $$m$ experimentos, esa muestra de tiempos responde a una distribución normal con una estimación de la esperanza del tiempo de semivida. 
Citar

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.
Ahora te estoy contestando , pero ya he leido lo que viene, y sí veo que lo que tu llamas tamaño de la muestra , yo lo llamo actividad, quizá nos pongamos de acuerdo con un convenio, para mi $$N_0$$ es el tamaño de la muestra, es constante, luego tienes $$N(t)$$ que es el contenido activo medido, lo que todavía no ha decaído, es una variable discreta. Ahora bien tu puedes decir  que $$N(t)$$ si a $$t$$ lo tomas como tiempo de inicio de un experimento en el que $$N(t)$$ sea un nuevo tamaño muestral, no va a diferir de comportamiento respecto de la que empezó como muestra de tamaño $$N_0$$ 
Tu dices que aplicar la función continua exponencial para estimar es incorrecta, pero si sirve para estimar la esperanza del número de elementos activos para ese tiempo $$t$$ , te doy la derecha, no veo ningún inconveniente en interpretarlo así.
Citar

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).
  Ok, la esperanza no es aleatoria, pero en algún momento la determinas experimentalmente,  pruebas con varios experimentos con distintos tamaños de muestra o el mismo, es indiferente, cada experimento te dará una estimación de esa esperanza de la distribución (binomial -poisson),  pero la media de todas esas esperanzas para la misma especie  sigue una distribución normal.
Me refiero a que si empiezas con 1000 o un 1000000 elementos activos el tiempo de semivida $$t_{1/2\to1000}\cong t_{1/2\to 1000000}$$ ese tiempo, o  el de vida media $$(1/\lambda)$$ son independientes del tamaño de la muestra. Puedes hacer $$m$$ experimentos numerarlos $$i$$ y el promedio de todos los $$t_{1/2\to N_0i}$$ sigue distribución normal, que también es una esperanza al fin.
Citar

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.
De acuerdo, dependerá de cada laboratorio y de su tecnología y del tipo de radiación.
Citar
Citar
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 de acuerdo, debería ser mas cuidadoso al  pensarlo y tipear.
Saludos  \(\mathbb {R}^3\)

24 Octubre, 2026, 08:37 pm
Respuesta #8

Masacroso

  • “Lo que oigo, lo olvido; lo que veo, lo recuerdo; lo que hago, lo aprendo” (antiguo proverbio chino)
  • Moderador Global
  • Mensajes: 5,485
  • País: es
  • Karma: +0/-0
Creo que ya he entendido lo que querías decir antes Richard. Cuando decías que el decaimiento es exponencial te referías a la relación \( \mathbb{E}[N_t]=N_0e^{-\lambda t} \), que en muchos libros de texto suele expresarse (aunque de manera desafortunada) como \( N_t=N_0e^{-\lambda t} \), cosa que no está del todo mal por motivos que diré posteriormente aunque estrictamente hablando no es correcto. Entonces tenemos dos cosas

1) La relación exponencial \( N_t \approx N_0e^{-\lambda t} \) por un lado,
2) y por otro que \( N_t \), como variable aleatoria, se suele modelar con una distribución binomial o de Poisson.

La confusión viene de la fórmula \( N_t \approx N_0e^{-\lambda t} \), que efectivamente es lo que se utiliza para estimar \( \lambda  \) en el mundo real. Ocurre que \( \mathbb{E}[N_t] \approx N_t \) en este contexto ya que el coeficiente de variación de la variable aleatoria \( N_t \) es bajísimo, lo que significa que comparado con la media la desviación típica de \( N_t \) es pequeñísima, y por tanto en una medición cualquier es razonable suponer que la diferencia entre el valor de \( N_t \) obtenido y la media de \( N_t \) es despreciable, de ahí la expresión \( N_t = N_0e^{-\lambda t} \), que es matemáticamente incorrecta pero que se puede asumir en la práctica (en verdad esa igualdad es una aproximación, como tantas otras igualdades que aparecen en física). Dicho esto, creo que mucha confusión se ha aclarado.

Por otra parte si \( X_1,X_2,\ldots ,X_m \) son \( m \) resultados de un mismo experimentos, entonces \( \bar X:=\frac1{m}\sum_{k=1}^m X_k \) tiene una distribución aproximadamente normal de media \( \mathbb{E}[X_1] \) y varianza \( \frac{\operatorname{Var}[X_1]}{m} \), supongo que a esto te referías antes.

Ahora bien, para este caso particular de descomposición radiactiva, lo que se hace en la práctica para determinar \( \lambda  \) es lo siguiente (me lo ha chivado una IA): como en general se desconoce el valor de \( N_0 \) (porque en general las muestras suelen ser impuras) lo que se hace son una serie de mediciones del mismo material radiactivo en diferentes intervalos de tiempo, entonces

\[
\frac{N_{t_1}}{N_{t_2}}\approx \frac{\mathbb{E}[N_{t_1}]}{\mathbb{E}[N_{t_2}]}=\frac{N_0 e^{-\lambda t_1}}{N_0 e^{-\lambda t_2}}=e^{-\lambda (t_1-t_2)}
\]

Como conocemos \( t_1 \) y \( t_2 \) entonces podemos despejar \( \lambda  \). En este caso no hace falta hacer una gran cantidad de mediciones, debido a que \( \mathbb{E}[N_t] \approx N_t \) por lo comentado más arriba, con unas pocas se puede estimar \( \lambda  \).

Corrección: en lo último debe haber algún error, aunque supongo que no muy grave, ya que si \( N_0 \) es desconocido entonces también lo será cualquier \( N_t \). Creo que lo que se mide es la actividad en tiempos distintos (que no tengo ni idea de cómo se mide), que viene definida como \( A(t):=\lambda N_0e^{-\lambda t} \). Al dividir dos actividades tomadas en dos tiempos distintos podemos despejar \( \lambda  \).

24 Octubre, 2026, 10:53 pm
Respuesta #9

Richard R Richard

  • Ingeniero Industrial
  • $$\Large \color{#9c57a6}\pi\,\pi\,\pi\,\pi\,\pi\,\pi$$
  • Mensajes: 4,064
  • País: ar
  • Karma: +2/-0
  • Sexo: Masculino
  • Dentro de la ciencia todo,fuera de la ciencia nada
Creo que ya he entendido lo que querías decir antes Richard. Cuando decías que el decaimiento es exponencial te referías a la relación \( \mathbb{E}[N_t]=N_0e^{-\lambda t} \), que en muchos libros de texto suele expresarse (aunque de manera desafortunada) como \( N_t=N_0e^{-\lambda t} \), cosa que no está del todo mal por motivos que diré posteriormente aunque estrictamente hablando no es correcto. Entonces tenemos dos cosas

1) La relación exponencial \( N_t \approx N_0e^{-\lambda t} \) por un lado,
2) y por otro que \( N_t \), como variable aleatoria, se suele modelar con una distribución binomial o de Poisson.

La confusión viene de la fórmula \( N_t \approx N_0e^{-\lambda t} \), que efectivamente es lo que se utiliza para estimar \( \lambda  \) en el mundo real. Ocurre que \( \mathbb{E}[N_t] \approx N_t \) en este contexto ya que el coeficiente de variación de la variable aleatoria \( N_t \) es bajísimo, lo que significa que comparado con la media la desviación típica de \( N_t \) es pequeñísima, y por tanto en una medición cualquier es razonable suponer que la diferencia entre el valor de \( N_t \) obtenido y la media de \( N_t \) es despreciable, de ahí la expresión \( N_t = N_0e^{-\lambda t} \), que es matemáticamente incorrecta pero que se puede asumir en la práctica (en verdad esa igualdad es una aproximación, como tantas otras igualdades que aparecen en física). Dicho esto, creo que mucha confusión se ha aclarado.

Por otra parte si \( X_1,X_2,\ldots ,X_m \) son \( m \) resultados de un mismo experimentos, entonces \( \bar X:=\frac1{m}\sum_{k=1}^m X_k \) tiene una distribución aproximadamente normal de media \( \mathbb{E}[X_1] \) y varianza \( \frac{\operatorname{Var}[X_1]}{m} \), supongo que a esto te referías antes.


Sí aclarado.


Citar
Ahora bien, para este caso particular de descomposición radiactiva, lo que se hace en la práctica para determinar \( \lambda  \) es lo siguiente (me lo ha chivado una IA): como en general se desconoce el valor de \( N_0 \) (porque en general las muestras suelen ser impuras) lo que se hace son una serie de mediciones del mismo material radiactivo en diferentes intervalos de tiempo, entonces


\[\frac{N_{t_1}}{N_{t_2}}\approx \frac{\mathbb{E}[N_{t_1}]}{\mathbb{E}[N_{t_2}]}=\frac{N_0 e^{-\lambda t_1}}{N_0 e^{-\lambda \color{blue}t_2\color{black}}}=e^{-\lambda (t_1-t_2)}\]

Como conocemos \( t_1 \) y \( t_2 \) entonces podemos despejar \( \lambda  \). En este caso no hace falta hacer una gran cantidad de mediciones, debido a que \( \mathbb{E}[N_t] \approx N_t \) por lo comentado más arriba, con unas pocas se puede estimar \( \lambda  \).

Corrección: en lo último debe haber algún error, aunque supongo que no muy grave, ya que si \( N_0 \) es desconocido entonces también lo será cualquier \( N_t \). Creo que lo que se mide es la actividad en tiempos distintos (que no tengo ni idea de cómo se mide), que viene definida como \( A(t):=\lambda N_0e^{-\lambda t} \). Al dividir dos actividades tomadas en dos tiempos distintos podemos despejar \( \lambda  \).


Yo entiendo que  es casi imposible determinar  tanto $$N_0$$ como $$N_t$$ en muestras con grandes cantidades de átomos, o en aquellas cuya tasa de desintegración es grande, porque los átomos decaen mientras preparas el propio experimento.   Pero creo que si se  puede precisar el conteo de los átomos que van decayendo  es decir la diferencia entre $$N(t)$$ y $$N(t+1)$$, digamos que  por ser una función exponencial su velocidad o tasa de descomposición tambien esta sujeta a una función exponencial con el mismo parámetro $$\lambda$$ , para especies donde la vida media es muy grande comparada con un segundo, puedes asumir que esa tasa de desintegración es constante porque estas tomando un intervalo de tiempo muy pequeño , el segundo, digamos que   $$N(t)-N(t+1)\cong N(t+1)-N(t+2)\cong Cte\,  \text{Si} \dfrac{1}{\lambda}>>>1$$,  pero en general esa tasa cae cuando haces mediciones separadas a intervalos largos


$$\frac{d N(t)}{dt}=-\frac{d N(t_0)}{dt} \dfrac{e^{-\lambda \Delta t}}{\lambda}$$


entonces podrías usar esa relación que te dijo la IA para estimar  $$\lambda$$ pero no con el ratio de cantidad de elementos activos  sino con el ratio de su tasa de descomposición


algo como  $$\dfrac{\frac{d \mathbb{E}[N(t_1)]}{dt}}{\frac{d \mathbb{E}[N(t_2)]}{dt}}=\dfrac{\frac{d \mathbb{E}[N(t_0)]}{dt}}{\frac{d \mathbb{E}[N(t_0)]}{dt}}\dfrac{-\lambda}{-\lambda}\dfrac{e^{- \lambda \Delta t_1}}{e^{-\lambda \Delta t_2}}=e^{-\lambda (\Delta t_1-\Delta t_2)}$$


donde las tasas  en la igualdad a la izquierda son medibles experimentalmente con un contador Geiger  y los intervalos de tiempo manipulables para tener un error lo menor posible.
Saludos  \(\mathbb {R}^3\)