¿Por qué la mayoría de las curvas de distribución tienen forma de campana? ¿Existe alguna ley física que haga que las curvas tomen esa forma?

Todos los gráficos que se muestran a continuación provienen de campos de estudio completamente diferentes y aún así comparten un patrón de distribución similar.

  1. ¿Por qué la mayoría de las curvas de distribución tienen forma de campana? ¿Existe alguna ley física que haga que la curva tome esa forma?

  2. ¿Hay alguna explicación en la Mecánica Cuántica para que estos diversos gráficos tomen esa forma?

  3. ¿Hay alguna explicación intuitiva detrás de por qué estos gráficos tienen forma de campana?

A continuación se muestra la Curva de distribución de velocidad de Maxwell, en Teoría cinética de los gases.

ingrese la descripción de la imagen aquí

A continuación se presenta la Ley de Desplazamiento de Wein, en Radiaciones Térmicas.

ingrese la descripción de la imagen aquí

A continuación se muestra la distribución de la energía cinética de las partículas beta en las desintegraciones radiactivas.

ingrese la descripción de la imagen aquí

en.wikiquote.org/wiki/Henri_Poincar%C3%A9 - Henri Poincare:"Tout le monde y croit cependant, me disait un jour M. Lippmann, car les expérimentateurs s'imaginent que c'est un théorème de mathématiques, et les Mathématiciens que c'est un fait expérimental". (Todo el mundo está seguro de esto [que los errores se distribuyen normalmente], me dijo un día el Sr. Lippman, ya que los experimentalistas creen que es un teorema matemático, y los matemáticos que es un hecho determinado experimentalmente.)
No todas las curvas que muestra son curvas de campana, es decir, curvas de distribución normal, ya que las curvas de los dos últimos diagramas no son simétricas como lo es una curva de distribución normal.
¿Estás preguntando solo por estas tres curvas o estás preguntando en principio? Si solo pregunta sobre sus tres ejemplos, entonces sus formas se entienden bien y se pueden derivar, como probablemente sepa. Sin embargo, si su pregunta es más amplia, entonces hay muchos ejemplos que no muestran (!) una forma de campana. ¿Podría identificar lo que le interesa?
¿Porque los extremos son menos probables y dos picos son inusuales?
Más relacionado con la medición que con los procesos físicos, una distribución de medios tiende a volverse normal. No mediciones individuales, sino promedios de muchas mediciones. La distribución subyacente puede ser plana, triangular, lo que sea. Pero algunas medidas serán altas, algunas bajas, algunas intermedias. Es poco probable que todos sean altos o bajos, los medios generalmente estarán más cerca del medio.
Principalmente una observación: las distribuciones son medidas de promedios, una y otra vez, y la convolución repetida conduce a una campana gaussiana. Quizás una de las razones por las que es el más utilizado.
Considere mirar las funciones de distribución acumulativas en su lugar; usted puede obtener algunas ideas allí. Recuerde que una función de distribución acumulativa es continua, cero a la izquierda y uno a la derecha, y nunca decrece; ¿Cuáles son las posibles formas que puede tener tal función?
Es solo la propensión humana al reconocimiento de patrones. Estás llamando literalmente a cualquier curva que sube y luego baja "en forma de campana".
@BobD, en realidad, ninguno de ellos es simétrico.
La curva en forma de campana es la regla generalizada 80/20 : el 20 % de las razones provoca el 80 % de los resultados.
Puede que lo esté simplificando demasiado (y puede que esté totalmente equivocado), pero creo que una curva de campana siempre (?) resulta de una combinación de múltiples probabilidades lineales aleatorias que no están asociadas entre sí de otra manera, por lo que será sorprendentemente común. Si tiras un solo dado, obtienes una "línea", pero cualquier otro número de dados sumados te dará una curva de campana. así es como se ve "Plus" en las probabilidades.
@BillK Si lanza dos dados, obtiene una V invertida. A medida que aumenta la cantidad de dados, más se acerca la distribución de probabilidad a una curva de campana.
@MontyHarder True: siempre pensé en eso como una curva de campana casi completamente degradada (la completamente degradada, supongo, sería la que muere "Línea")
Las leyes que gobiernan esto son principalmente matemáticas, no físicas. El aspecto físico está en la aplicación adecuada. Es decir, las condiciones físicas que cumplen/se corresponden con los requisitos de los requisitos/supuestos matemáticos se ajustarán bastante bien a esas leyes matemáticas.
¿Puede recuperar su publicación reciente ya que estaba en proceso de responderla?
@johan: Listo. De hecho, obtuve la respuesta. Tus opiniones siguen siendo bienvenidas.

Respuestas (4)

Primero, las distribuciones no siempre tienen forma de campana. Un conjunto muy importante de distribuciones disminuye desde un máximo en X = 0 , como la distribución exponencial (tiempos de retraso hasta que se produce un evento aleatorio, como una desintegración radiactiva) o las leyes de potencia (distribuciones de tamaño de objetos que se fragmentan aleatoriamente, terremotos, ley de mineral y muchas otras cosas).

Distribuciones estables

Aún así, hay una similitud sospechosa entre muchas distribuciones. Éstos se producen debido a las leyes estadísticas que los convierten en "atractores": se llevan a cabo varios procesos aleatorios muy diferentes, pero sus resultados tienden a combinarse para formar distribuciones similares. Como mencionó Bob, el teorema del límite central hace que la suma de factores aleatorios independientes (¡de varianza finita!) se acerque a una distribución gaussiana (ya que es tan común que se llama distribución normal). Estrictamente hablando, hay algunas otras posibilidades . Si, en cambio, se multiplican los factores aleatorios, el resultado es la distribución logarítmica normal . Si tomamos el máximo de algunas cosas al azar, la distribución se aproximará a una distribución de Weibull (o,algunos otros ). Básicamente, muchos procesos repetidos o complejos tienden a producir las mismas distribuciones una y otra vez, y muchos de ellos tienen forma de campana.

Distribuciones máximas de entropía

¿Porqué es eso? La respuesta profunda es la maximización de la entropía . Estas distribuciones estables tienden a maximizar la entropía de los valores aleatorios que producen, sujeto a alguna restricción. Si tienes algo positivo y con una media específica, obtienes la distribución exponencial. Si es positivo pero no hay una escala preferida, se obtiene una ley de potencia. Media y varianza especificadas: Gaussiana. Entropía máxima en el espacio de fase para energía media dada: Maxwell-Boltzmann .

Mecánica estadística

Aquí es donde volvemos a la física. Muchos procesos físicos obedecen a la mecánica estadística, que se rige por el postulado de igual probabilidad a priori:

Para un sistema aislado con una energía y composición exactamente conocidas, el sistema se puede encontrar con igual probabilidad en cualquier microestado consistente con ese conocimiento.

Si conocemos exactamente la energía y el número de partículas, cada microestado permitido es igualmente probable (maximiza la entropía), pero cualquier cosa macroscópica que calculemos o midamos será una función de estos microestados aleatorios, por lo que su distribución se agrupará si hay muchos. microestados que pueden generar ese macroestado. Si tiene partículas fijas pero solo conocemos la energía promedio , cada estado tiene probabilidad ( 1 / Z ) mi mi / k B T dónde mi es su energía, Z es una constante de normalización y T la temperatura: esta distribución, la distribución de Boltzmann, maximiza la entropía con la restricción de que la energía media es fija. Distribuciones similares funcionan cuando el número de partículas puede cambiar .

Mecánica cuántica

Finalmente, esto se relaciona con la mecánica cuántica: QM describe el conjunto de posibles microestados, y a partir de eso más la mecánica estadística se pueden calcular las distribuciones estadísticas de cosas macroscópicas como fotones emitidos de diferentes longitudes de onda, velocidades de moléculas de gas o distribuciones de energía cinética. El número de estados disponibles afecta las curvas que obtenemos, y las restricciones del experimento fijan parámetros como la energía o la temperatura, pero dado que la naturaleza maximiza la entropía, obtenemos las distribuciones de maximización de la entropía que se ajustan a estas entradas.

A menudo tienen una forma de campana suelta, ya que hay más estados disponibles para energías altas (la curva crece desde valores bajos a energía baja), pero el sistema no puede poner todas las partículas en estados de energía alta mientras mantiene la energía (promedio) constante (la curva tiene declinar más allá de cierto punto). Pero este es el promedio de una miríada de microeventos que tienen distribuciones más complejas o discretas.

¿La física ofrece ejemplos de distribuciones de colas pesadas estables en alfa que no sean de Cauchy-Lorentz? Kolmogorov debe haber investigado esta pregunta, pero no sé qué concluyó.
@BertBarrois: me preguntaba lo mismo. Creo que las distribuciones estables aparecen en la difusión anómala y, aparentemente, en los tiempos de espera de las erupciones solares y en la ampliación de la línea de presión cuasiestática. En general, parecen aparecer cuando los sistemas tienen partes más complejas que la mecánica estadística básica, quizás porque necesita procesos con algo de memoria para obtenerlos. Apuesto a que se esconden en la turbulencia (primer éxito de Google: distribución logarítmicamente estable en la turbulencia. Sí).
Quizás valga la pena mencionar que este mismo efecto ocurre cuando se agregan distribuciones cero-infinito unilaterales, como variables aleatorias exponenciales. Cuando se acumulan, se convierten en distribuciones Gamma, que pueden parecerse mucho a las distribuciones gaussianas o en forma de campana, pero son sesgadas/asimétricas.

La "curva de campana" a menudo se refiere a una distribución gaussiana. Esa distribución es tan común que también se llama distribución normal. Es muy común porque surge cada vez que observa la suma de muchas cosas de una sola distribución: es decir, muchas pequeñas fluctuaciones que, según el Teorema del límite central , suman una distribución gaussiana.

Aunque parecen tener forma de campana, ninguno de los ejemplos aquí son realmente gaussianos. Tienen causas algo más complicadas.

De las tres, la distribución de Maxwell es la que más se acerca. Es un poco más alto en la cola superior que un Gaussiano, y va a cero en cero a diferencia de un Gaussiano. (La distribución de velocidades a lo largo de un solo eje es gaussiana) Físicamente, esto es causado por el espacio de fase : para tener una velocidad exactamente cero, una partícula necesita todos los Vx, Vy y Vz cero, lo cual es muy poco probable.

Las otras dos distribuciones se alejan aún más de la Gaussiana.

Las distribuciones de Wien tienen una razón de mecánica cuántica, aunque es algo específica de la radiación de Planck subyacente: proviene de la necesidad de que la radiación de mayor energía (longitud de onda más baja) llegue en cuantos de tamaño específico. Esto hace que el aumento proveniente de la izquierda tenga que invertirse para llegar a cero en cero.

La forma de decaimiento Beta tampoco proviene de la combinación de muchos efectos pequeños. Más bien, también proviene del espacio de fase : cuando la partícula beta tiene una energía media, hay muchas posibilidades para la dirección y la energía del núcleo y el neutrino. Sin embargo, a energías muy altas o muy bajas, hay muchas menos posibilidades: todo tiene que alinearse correctamente, por lo que la probabilidad es menor.

Muchas distribuciones físicas, particularmente en física térmica o estocástica, tienen un aspecto de "joroba central redonda, decreciente en ambos lados" debido a los límites de lo físicamente posible: algún principio, como la cuantización o la conservación de la energía, hace que sea muy poco probable o incluso imposible más allá de algún valor. En la física térmica, estas son a menudo las leyes de la probabilidad: estás combinando un montón de pequeños efectos, es poco probable que todos vayan de una forma u otra. Es poco probable que todos los eventos te empujen hacia una cola u otra, y cuanto más te alejas, menos probable es que la alineación se vuelva. Por lo tanto, es común que una distribución física se aleje de un pico central que es aproximadamente donde se han cancelado todas las fluctuaciones +/-.

OP no está hablando de curvas gaussianas, están hablando de una curva que aumenta suavemente desde 0 hasta algún valor máximo antes de volver a disminuir suavemente a cero.
Ver los dos últimos párrafos.
Esas aun no responden la pregunta...
Diferimos, entonces. Así es la vida en SE.
Al menos te das cuenta de que "forma de campana" no significa estrictamente gaussiana, ¿verdad? Hay muchas otras opciones: en.wikipedia.org/wiki/Bell_shaped_function
Comprendido. Consulte también lexico.com/definition/bell_curve. ¿Existe una forma mejor de expresar la primera oración?

Las distribuciones útiles en física tienden a tener las siguientes características:

  • función continua/suave
  • enfoque asintótico cero para grandes X y muy pequeño X (es decir, 0) o infinito negativo
  • tener un solo pico

que son más o menos las características definitorias de las funciones en forma de campana :

Una función en forma de campana o simplemente "curva de campana" es una función matemática que tiene una curva característica en forma de "campana". Estas funciones suelen ser continuas o uniformes, se aproximan asintóticamente a cero para valores negativos/positivos grandes. X , y tienen un único máximo unimodal en pequeñas X .


Hay, por supuesto, distribuciones útiles en física que no siguen todos estos rasgos (y por lo tanto no tienen forma de campana). Por ejemplo, las distribuciones de ley de potencia (utilizadas en la función de masa inicial estelar y los flujos de rayos cósmicos ), este tipo de distribución sigue siendo continua y de un solo pico, pero no se acerca asintóticamente a 0 en ninguno de los extremos. En este caso, cuando se necesita integrar sobre la distribución, se utilizarían los límites físicos para los límites superior e inferior (p. ej., 0,08 METRO y ~150 METRO para la función de masa inicial, cf. esta publicación SE mía ), en lugar de ( 0 , + ) o ( , + )

Por lo que puedo decir, si desea que sean continuas, comiencen en el origen, no sean negativas y tengan una integral impropia definida , deberán tender a 0 en + , ser acotado y aceptar un máximo.

Además de eso, si aceptan exactamente un máximo local, tendrán una forma similar a las curvas que publicaste.

Esto es más o menos exactamente lo que escribí, excepto que el límite inferior puede ser & no solo 0, vea la curva de Gauss, por ejemplo.
@KyleKanos: Bastante justo. Modifique o elimine la afirmación incorrecta en su respuesta y eliminaré mi respuesta.