第六章辐射探测中的概率统计问题修改版技术方案.ppt

第六章 辐射探测中的概率统计问题 统计性是微观世界的属性之一。放射性原子核的衰变、辐射微观粒子的探测、辐射探测器接受入射粒子并产生输出信号等都是一个随机过程。这些粒子数、输出信号的电荷量、信号出现的时刻等是一个涨落的随机变量，这样辐射测量所得到的数据也都是涨落的。 1、可用于检验一台核计数装置的功能和状态是否正常； 计数统计学的作用： 2、在处理只有一次或极为有限的测量中，可用计数统计学来预测其固有的统计不确定性，从而估计该单次测量应有的精密度。 随机变量的数字表征 对服从任一种分布的随机变量，有两个最重要的数字特征。 数学期望值： （简称期望值，在物理中也称平均值 ，常用 表示） ，它表示随机变量取值的平均位置。 均方偏差： （简称方差），它表示随机变量的取值相对于期望值的离散程度。 其开根值称均方根偏差，常用?表示。即： 均方根偏差 对离散型随机变量 ： 对连续型随机变量 ： 相对均方偏差 对离散型随机变量 ： 对连续型随机变量 ： 相对均方根偏差 对离散型随机变量 ： 对连续型随机变量 ： 方差或均方根偏差代表了随机变量可取值相对于平均值的离散程度； 相对方差或相对均方根偏差则代表了测量精度。 (3) 一些相似概念区分 (A)误差(error)和偏差(deviation) 偏差： 误差： N次测量平均值 真值 当真值未知的情况下，一般以偏差代替误差。 (B) 准确度——精确度 测量值与被测对象真值的一致程度。 一次测量的可重复性或可靠性。 accuracy precision 准确度： 精确度： 可用测量的平均值与真值的差描述。 可用测量的均方偏差描述。 准确度，精确度都差 准确度好，精确度差 精确度好 打靶的准确度、精确度示意图 (C) 系统误差和偶然误差 系统误差：在同一条件下，多次测量同一物理量，测量值误差的大小和符号保持恒定。 产生原因：仪器本身不精确、或实验方法粗略、或实验原理不完善而产生的。 特点：在多次重做同一实验时，误差总是同样地偏大或偏小，不会出现这几次偏大而另几次偏小的情况。 要减小系统误差，必须提高测量仪器的精度，改进实验方法，设计在原理上更为完善的实验。 偶然误差：在同一条件下，多次测量同一物理量，测量值误差的大小和符号随机变化。也叫随机误差。 2）是绝对存在且不可避免的 。 产生原因：由各种偶然因素对实验者、测量仪器、被测物理量的影响而产生的。 特点：1）有时偏大有时偏小，并且偏大和偏小的机会相同； 可以多进行几次测量来减小偶然误差。各次测得的数值的平均值就比一次测得的数值更接近于真实值。 在核辐射测量中，偶然误差是一项主要的误差，产生的原因有两个： 一是核事件的随机性产生的统计误差； 二是测量仪器在正常工作条件下的测量误差。 统计误差是一种特殊的偶然误差，是由微观世界的随机性所决定的。 系统误差影响系统的准确度  偶然误差影响系统的精确度 2.几种常用的统计模型 (1) 二项式分布 设一随机试验条件组为：作 次独立试验，每次试验中要么发生 事件，要么不发生，且 事件发生的概率为 ，不发生的概率为 。定义随机变量 为按上述条件组试验后， 事件 总共发生的次数。 可取值为0，1，2，... ，? 是离散型随机变量。 二项式分布的概率函数： 在一组 个独立试验中，事件 成功 次的概率为： 可见，二项式分布的概率函数是由双参数 N0 和 p 决定的。 二项式分布随机变量的数学期望和方差: 数学期望 方差 (2) 泊松分布 泊松分布是在N0很大、概率p很小的条件下，二项式分布在数学上的直接简化，是二项式分布的一种极限情况。 对二项式分布，当 N0 很大，但 p1，即 m ＝ N0p 为不大的常数时，服从二项式分布的随机变量就可服从泊松分布。此时，随机变量?可取全部正整数，为离散型随机变量，其概率函数为： 泊松分布随机变量的数学期望和方差 数学期望 方差 例子： 具有N0个放射性原子核的放射源在t时间内的衰变总数，服从二项式分布。 原子核衰变服从指数规律，即 那么在（0－t）时间内，发生衰变的原子核数为： 所以对于原子核衰变，其数学期望为： 方差： 也就是说原子核在t时 间内发生衰变的概率为： 不发生衰变的概率为： 例子： 如果放射性原子核的个数N0非常大，同时测量时间t比半衰期小的多，即在t内可不考虑放射原子核总数 N0 的改变，则在t内放射源衰变数就可用泊松分布作为其概率函数。 所以对于原子核衰变，其数学期望为： 方差： (3) 高斯分布 高斯分布又称正态分布，当泊松分布中的