Simulaciones estadísticas

Uso de simulaciones estadísticas para estimar promedios, fluctuaciones e incertidumbre en sistemas térmicos.

Contexto conceptual

Una simulación estadística sustituye una descripción imposible de seguir partícula a partícula por muchas muestras representativas del sistema. En termodinámica estadística, cada muestra puede ser una configuración microscópica con cierta $E$, tomada a una $T$ dada. Al medir un $X$ en esas configuraciones, buscamos una $X_{bar}$ que aproxime el promedio físico real. La pregunta clave no es solo cuánto vale ese promedio, sino cuánta confianza merece. Ahí entra el $\delta X$: una medida de la incertidumbre producida por usar un $N$ finito.

🟢 Nivel esencial

En una simulación estadística, cada muestra es una pequeña ventana al sistema. Si el $X$ fluctúa mucho, una sola medida puede engañar: puede caer en una configuración poco típica y dar una lectura exagerada o demasiado baja. Al aumentar el $N$, la $X_{bar}$ se estabiliza porque las fluctuaciones positivas y negativas tienden a compensarse. Sin embargo, la mejora no es lineal: multiplicar las muestras por cien no vuelve el resultado cien veces mejor, sino unas diez veces más preciso.

El $\delta X$ mide esa anchura residual alrededor de la $X_{bar}$. Por eso una simulación no termina al obtener un número; termina cuando el $\delta X$ es pequeño frente a la escala física que se quiere distinguir. Si esa escala es menor que la incertidumbre, el resultado aún no habla con claridad.

Esta disciplina de reportar siempre un error junto al valor central es lo que distingue una simulación física seria de un simple experimento numérico sin validación.

🔵 Nivel formal

Fórmulas básicas

El modelo formal separa tres niveles: valores individuales, promedio estimado e incertidumbre del promedio. Si se toman $N$ valores del $X$, su $\textstyle\sum_i X_i$ permite construir la $X_{bar}$:

Media muestral de un observable

La dispersión de esos valores se resume mediante la $s_X$, que describe cuánto varía típicamente el $X$ de una muestra a otra. La incertidumbre de la media no es esa dispersión completa, sino la dispersión reducida por el número de muestras independientes:

Error estadístico de la media

Preguntas reales del alumno

¿Más muestras siempre dan mejor resultado? Sí, pero solo si las muestras son representativas. Si están muy correlacionadas, aumentar $N$ mejora menos de lo esperado.

¿Por qué el error baja tan despacio? Porque las fluctuaciones se compensan estadísticamente. Para reducir mucho el $\delta X$, necesitas que muchas desviaciones independientes se promedien.

¿La $X_{bar}$ es el valor verdadero? No exactamente. Es una estimación finita del promedio físico. Su fiabilidad se lee junto con $\delta X$.

¿Qué papel tiene la $T$? Controla qué estados de $E$ son frecuentes mediante $P$ y afecta a la $p_{acc}$ de cambios energéticos.

Síntesis final

Una simulación estadística convierte muchas fluctuaciones microscópicas en una estimación macroscópica. Su brújula no es solo la $X_{bar}$, sino el $\delta X$: la medida que dice cuánta muestra falta para confiar en el resultado.