数据处理方法概率论基础-HEPG.PPT

实验数据处理方法第一部分：概率论基础 第五章 实验和理论的比较 * 实验结果一般不能直接与理想的数学分布相比较，这是因为理论模型所要求的一些实验条件是无法达到的 例：粒子的寿命分布 要求粒子探测器的尺寸是无限大的。 ?为比较理论预言和实验结果，必须对实验结果进行一定的修正。 （一）试验测量误差，分辨率函数 由于试验测量误差的影响，某一物理量的测量值x′有可能偏离其真值x。为描述测量值x′的分布，必须对理论分布进行修正 分辨率函数r(x′,x)： 描述对某一值x,测量值x′的分布。 设x的概率函数为f(x,θ),则x′的概率密度函数为 一般情况下，r(x′,x)会使f(x,θ)变形: 1、如果实验分辨非常好：r(x′,x) →δ(x-x)，f′(x′,θ)≈f(x,θ)。 2、如果实验分辨非常差： f(x,θ) →δ(x-x0)，f′(x′,θ)≈ r (x′, x0)。 一般取： ?：分辨率 例：不变质量分布 ?Breit-Wigner公式 取高斯分辨率函数 (二）系统效应，探测效率和接收度 探测效率： 一个探测器不可能对所有的相互作用类型都具有相同的灵敏性，其探测效率依赖于粒子的种类，方向和动量等。由于探测效率不是100%，会引起一些事例信息的丢失，使得试验结果有偏差（bias）,因此，必须对所有可能的丢失进行检查和估计 接收度： 由于几何结构的原因，使得探测器存在着一些不灵敏区域，当粒子进入这些区域时，由于探测不到而丢失。 在实际数据处理过程中，探测效率+接收度?探测效率，用蒙塔卡罗模拟方法估计。 通常采用两种方法来处理探测效率的影响： 1、对理想的概率密度函数进行修正 2、对观测到的事例加权（weighting） 方法（1）: 修正理想的p,d,f使之能够直接与实验的数据相比较。精确的方法，但实际运用是很困难 设为了估计理想pdf, f(x,θ)中的参数θ，对变量x进行了一系列的测量。由于探测效率的影响，测量结果的分布服从f?(x,θ) f?(x,θ)←→D(x,y) →f(x,θ) D(x,y):探测效率函数，在一般情况下，D(x,y)是变量x及另外一些变量y的函数 P(y|x):在x给定的条件下，y的分布，依赖于试验上的预先未知的物理假设，很难进行估计 特例：如果D(x,y)，只依赖于x , D(x,y)→D(x) ?归一化因子 *