Тема 1 Статистические закономерности радиоактивныхПроцессов
1 Случайная величина и законы распределения. 2 Моменты распределения случайной величины 3 Связь распределения Пуассона с распределением Гаусса 4 Проверка гипотез о законе распределения. Критерий согласия Основные понятия по теме Из-за разнообразных неконтролируемых воздействий результаты измерения макроскопической величины имеют статистический характер. Если речь идет об измерении числа актов радиоактивного распада, происшедшего за какое-то время, то флуктуирует сама измеряемая величина, а измерительный прибор (счетчик частиц) в первом приближении можно считать идеальным, т.е. не подверженным статистическому влиянию окружающих условий. Если некоторая величина X в ряде измерений может принимать различные числовые значения и значение величины Х в каждом случае не может быть указано заранее (непредсказуемо), то величина Х называется случайной величиной. Другими словами случайнойназывают величину, которая в результате опыта (наблюдения, измерения) принимает одно возможное, но заранее неизвестное значение. Случайная величина может быть дискретной или непрерывной. Охарактеризовать случайную величину можно при помощи закона распределения. Под законом распределения случайной величины понимается соответствие, устанавливающее связь между возможными значениями случайной величины и вероятностями принятия этих значений. Это соответствие может быть задано в виде таблицы, графика или математической формулы. Наиболее универсальный способ описания случайных величин заключается в отыскании их интегральных или дифференциальных функций распределения. Под интегральной функцией распределения результатов наблюдений понимается зависимость вероятности того, что результат наблюдения Х в i -м опыте окажется меньшим некоторого текущего значения хi, от самой величины х. Другими словами под функцией распределения случайной величины Х для текущего значения х понимают вероятность не события Х = х, а вероятность события Х < х. Обозначают это как F (x) = P (X < x).
На рисунке 1.1 показаны примеры функций распределения вероятности.
Рисунок 1.1 – Интегральные функции распределения Свойства интегральной функции F (х): 1 F (х) – неубывающая функция, т.е. F (х 2) ≥ F (х 1) при х 2 > х 1. 2 F (х = – ∞) = 0. 3 F (х = + ∞) = 1
Численные значения результатов измерений обычно распределены по некоторому непрерывному вероятностному закону, чаще всего по закону Гаусса. Измеряемая величина (например, число актов радиоактивного распада) является уже не непрерывной, а дискретной, и наиболее характерным законом распределения, вместо закона Гаусса, является закон Пуассона, а иногда биномиальный закон. Чаще в радиационных измерениях приходиться иметь дело с распределением Пуассона. К примеру вероятность рk того, что в течение времени t в счетчик попадет k частиц, дается известной формулой Пуассона: (1.1)
где n - поток частиц. Среднее число актов радиоактивного распада определяется равенством (1.2) Если интенсивность не зависит от времени, то , откуда следует, что интенсивность n имеет смысл среднего числа актов, осуществляющихся за единицу времени. Тогда формулу (1.1) можно записать в виде
(1.3)
Как видно из (1.3), распределение Пуассона полностью определяется заданием только одного параметра - среднего числа актов. Экспериментальное определение является, как правило, основной целью большей части измерений, проводимых в радиационных измерениях. Из формулы (1.3) следует, что при всяком значении возможно осуществление любого числа актов . Однако не все события встречаются одинаково часто. Если величина k близка к , то вероятность рk велика, в противном случае - мала. Мерой отклонения случайной величины k от ее среднего значения (мерой флуктуации) является дисперсия. Дисперсией некоторой случайной величины x называется выражение (1.4)
Величину называют абсолютной флуктуацией случайной величины x, а величину – ее относительной флуктуацией. В случае закона Пуассона дисперсия среднему числу актов абсолютная флуктуация а относительная флуктуация . Эти соотношения играют основную роль во всех приложениях закона Пуассона. Их смысл состоит в следующем. Если регистрировать отсчеты счетчика в очень большом числе равных интервалов, то в большей части интервалов число отсчетов k будет отличаться от не более чем на . Абсолютная флуктуация возрастает с ростом , однако относительная ошибка dk уменьшается обратно пропорционально квадратному корню из числа сосчитанных частиц. Отсюда можно найти число частиц k, которое нужно сосчитать для достижения заданной относительной ошибки d:
(1.5) Закон Пуассона определен только для положительных значений k. На практике он часто применяется в тех случаях, когда нужно оценить надежность измерений и ошибки измеренных величин в случае наблюдения редких событий (отличающихся малой интенсивностью). По мере роста распределение Пуассона становится все более симметричным относительно среднего значения . В этих условиях вместо вероятности рk осуществления того или иного числа отсчетов можно пользоваться уже другой величиной, а именно, вероятностью р (k) того, что число отсчетов заключено в " бесконечно малом" интервале от k до k + dk. По абсолютной величине интервал dk может содержать несколько единиц. Однако он мал по сравнению с интересующими нас k, равными по порядку величины среднему числу отсчетов . Тем самым дискретное распределение заменяется непрерывным. В этом случае рассматриваемая величина k распределена по закону Гаусса:
(1.6)
Закон Гаусса определен как для положительных, так и отрицательных значений k. Величина , имеющая смысл отклонения числа отсчетов k от среднего значения, распределена по закону
(1.7)
При помощи (1.7) можно вычислить вероятность того, что величина заключена интервале от у = у 1 до у = у 2. Искомая вероятность (1.8)
Заменяя переменную по формуле , получим
(1.9) или (1.10) где – функция Гаусса. (1.11)
Значения функции Гаусса приводятся в разнообразных математических и физических справочниках. Распределение Гаусса является хорошим приближением для описания широкого круга статистических явлений. В ядерной физике оно описывает, например, распределение углов упругого рассеяния при прохождении заряженной частицы через вещество, распределение пробегов тяжелых заряженных частиц в веществе, распределение импульсов по амплитудам при регистрации заряженных частиц полупроводниковым и сцинтилляционным детекторами и т. д. Распределение c2 (хи-квадрат) находит широкое применение при проверке согласия экспериментальных данных с некоторой априорной гипотезой, получении доверительных интервалов для статистических параметров, проверке независимости переменных и в ряде других задач. Пусть x 1, x 2… x i… x n – набор n случайных величин, каждая из которых распределена по нормальному закону со своим математическим ожиданием и дисперсией si. Квадраты нормированных значений х i в силу случайности х i - также случайные величины. Их сумма также является случайной величиной
(1.12)
Очевидно, что величина всегда положительна. Параметр в (1.12) называют числом степеней свободы. Поскольку величины ui нормированы и имеют одно и тоже среднее значение, равное нулю, и равную единице дисперсию, то распределение плотности вероятности случайной величины должно зависеть только от одного параметра, а именно от параметра n. Если не все n случайных величин не зависимы, то число степеней свободы, являющееся параметром в распределении , меньше n на число связей. Плотность распределения вероятности для дается формулой
(1.13) Среднее значение равно числу степеней свободы n, а дисперсия – 2n. Для приложений важно распределение накопленной вероятности
(1.14)
трудно получить непосредственным интегрированием. В руководствах и книгах по статистике приводятся подробные таблицы для различных n. Целью многих экспериментов является оценка закона распределения некоторой физической величины. Точный закон распределения случайной величины в эксперименте определить невозможно, поскольку для этого понадобилось бы бесконечное число измерений для получения генеральной совокупности, а из конечного числа измерений определяется лишь конечная выборка. Из этого сразу следует важный вывод о том, что эксперимент не доказывает правильность гипотезы, а лишь позволяет сделать заключение о непротиворечивости ее с данными эксперимента. Критерием согласия называют критерий проверки гипотезы о предполагаемом распределении. С его помощью можно установить, задавшись так называемой доверительной вероятностью, согласуются экспериментальные данные с априорной гипотезой или нет. Доверительная вероятность определяется условиями задачи и обычно принимается близкой к единице, например, 0, 95. На практике наиболее часто используется критерий согласия . Пусть требуется проверить гипотезу о том, что случайная величина X распределена по закону р (х). В опыте получено n независимых измерений X. Разобьем всю область изменений X на l интервалов и подсчитаем количество ni измеренных значений X, попавших в каждый из интервалов. Поскольку теоретическое распределение р (х) предполагается известным, можно рассчитать теоретическое число значений X в i -м интервале npi, где рi - вероятность попадания случайной величины в i -й интервал. Если экспериментальные частоты n i сильно отличаются от теоретических npi то гипотезу о согласии теории и эксперимента следует отвергнуть. Критерий дает возможность количественно выразить эту степень согласия. В качестве меры расхождения между теорией (npi) и экспериментом (ni) используют критерий
(1.15)
Чем меньше различаются теоретические и экспериментальные частоты, тем меньше значение . Рассчитав значение и задавшись доверительной вероятностью a (или уровнем статистической значимости 1-a), находят по таблицам значение . Если при данном , то теория и эксперимент расходятся, если - согласуются.
Вопросы для самоконтроля
1 Понятие дисперсии. Абсолютная и относительная флуктуации случайной величины? 2 Распределение Пуассона (формула). Условия применимости. Величина дисперсии для закона Пуассона? 3 Закон Гаусса. Физический смысл параметров? 4 Связь между распределениями Пуассона и Гаусса. При каких условиях распределение Пуассона переходит в закон Гаусса и какими свойствами в таком случае оно обладает? 5 Абсолютная и относительная погрешности измерения случайной величины, распределенной по закону Гаусса. 6 Распределение c2. Проверка гипотез о законе распределения с помощью критерия c2.
|