Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona

Podobne dokumenty
Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

STATYSTKA I ANALIZA DANYCH LAB II

Komputerowa analiza danych doświadczalnych

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.

ZADANIA NA ĆWICZENIA 3 I 4

Lista 6. Estymacja punktowa

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

Prawdopodobieństwo i statystyka r.

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

WYKŁAD 1. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Rozkład normalny (Gaussa)

Komputerowa analiza danych doświadczalnych

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej

Moda (Mo, D) wartość cechy występującej najczęściej (najliczniej).

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o

Rozkład Poissona. I. Cel ćwiczenia. Obowiązujący zakres materiału. Podstawy teoretyczne. Opracował: Roman Szatanik

16 Przedziały ufności

Matematyka ubezpieczeń majątkowych r.

θx θ 1, dla 0 < x < 1, 0, poza tym,

Komputerowa analiza danych doświadczalnych

1 Układy równań liniowych

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7

Lista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym

Twierdzenia graniczne:

oznaczają łączne wartości szkód odpowiednio dla k-tego kontraktu w t-tym roku. O składnikach naszych zmiennych zakładamy, że:

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym)

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE

Statystyka opisowa. () Statystyka opisowa 24 maja / 8

Model ciągły wyceny opcji Blacka Scholesa - Mertona. Wzór Blacka - Scholesa na wycenę opcji europejskiej.

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy.

n n X n = σ σ = n n n Ponieważ zmienna losowa standaryzowana ma rozkład normalny N(0, 1), więc

Rachunek prawdopodobieństwa i statystyka Wnioskowanie statystyczne. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

2. INNE ROZKŁADY DYSKRETNE

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Testowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15

Estymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności)

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I)

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja

Prawdopodobieństwo i statystyka r.

Statystyka opisowa. (n m n m 1 ) h (n m n m 1 ) + (n m n m+1 ) 2 +1), gdy n jest parzyste

Statystyczny opis danych - parametry

Statystyka matematyczna. Wykład II. Estymacja punktowa

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA

Kurs Prawdopodobieństwo Wzory

Statystyka matematyczna dla leśników

STATYSTYKA MATEMATYCZNA

PODSTAWY BIOSTATYSTYKI ĆWICZENIA

są niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X

Rozkłady statystyk z próby Twierdzenia graniczne

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

POLITECHNIKA OPOLSKA

Estymacja przedziałowa

0.1 ROZKŁADY WYBRANYCH STATYSTYK

Estymacja punktowa i przedziałowa

STATYSTYKA I ANALIZA DANYCH

Plan wykładu. Analiza danych Wykład 1: Statystyka opisowa. Literatura. Podstawowe pojęcia

LABORATORIUM METROLOGII

Wykład 11 ( ). Przedziały ufności dla średniej

STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr inż Krzysztof Bryś

Komputerowa analiza danych doświadczalnych

Opracowanie danych pomiarowych. dla studentów realizujących program Pracowni Fizycznej

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X

MODELOWANIE (SYMULACJA) PROCESÓW STOCHASTYCZNYCH

STATYSTYKA OPISOWA WYKŁAD 1 i 2

Komputerowa analiza danych doświadczalnych

SYSTEM OCENY STANU NAWIERZCHNI SOSN ZASADY POMIARU I OCENY STANU RÓWNOŚCI PODŁUŻNEJ NAWIERZCHNI BITUMICZNYCH W SYSTEMIE OCENY STANU NAWIERZCHNI SOSN

STATYSTYKA MATEMATYCZNA. WYKŁAD 0 (powt. wiadomości z r. p-stwa)

Prawdopodobieństwo i statystyka

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2

Elementy modelowania matematycznego

Niezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne

Statystyka Inżynierska

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa

Numeryczny opis zjawiska zaniku

Laboratorium Metrologii I Nr ćwicz. Opracowanie serii wyników pomiaru 4

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych

STATYSTYKA MATEMATYCZNA

1. Błąd średni pomiaru. Leica DISTO

HISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N =

Analiza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora

Komputerowa analiza danych doświadczalnych

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

Narodowe Centrum Badań Jądrowych Dział Edukacji i Szkoleń ul. Andrzeja Sołtana 7, Otwock-Świerk

Estymacja parametrów populacji

Szkoła z przyszłością. Zastosowanie pojęć analizy statystycznej do opracowania pomiarów promieniowania jonizującego

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW.

INFORMATYKA W CHEMII Dr Piotr Szczepański

PRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1).

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2014/15. n = Rozwiązanie: Stosując wzór na wartość współczynnika dwumianowego otrzymujemy

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2

Rozkład Gaussa i test χ2

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny

Transkrypt:

Ćwiczeie r 4 Porówaie doświadczalego rozkładu liczby zliczeń w zadaym przedziale czasu z rozkładem Poissoa Studeta obowiązuje zajomość: Podstawowych zagadień z rachuku prawdopodobieństwa, Zajomość rozkładów statystyczych: dwumiaowego, Poissoa, ormalego w przypadku tzw. złej i dobrej statystyki (parametry rozkładów, zwrócić uwagę a różice i sposób (waruki) przechodzeia od jedego do drugiego rozkładu). Podstaw prawa rozpadu promieiotwórczego.

Krótki opis teoretyczy W większości doświadczeń przeprowadzaych a pracowi jądrowej dążymy do tego aby rejestrowae liczby zliczeń w obecości źródła promieiotwórczego były dostateczie duże tak, żeby estymowaie otrzymaych wyików oprzeć a własościach rozkładu ormalego (Gaussa). Każdej powyższej sytuacji towarzyszy pomiar tzw. tła czyli rejestracja impulsów pochodzących z rozpadów promieiotwórczych w otaczającym as środowisku. Powtarzając pomiar w tym samym przedziale czasu zauważymy rozrzut otrzymaych wyików pomiarów. Nie jest to podyktowae złym wykoywaiem pomiarów, ale statystyczym charakterem samego zjawiska promieiotwórczości. Wykoujemy serię pomiarów i =,, 3, 4, 5, 6,... ( całkowita liczba pomiarów), których realizacja z kolejych pomiarów staowi zbiór zmieych losowych iezależych, dyskretych o wartościach ze zbioru liczb całkowitych, ieujemych k = 0,,, 3, 4,... Prowadząc pomiary tła ie jesteśmy w staie określić, które z jąder atomowych się rozpadają, ie możemy też określić kokretej liczby rozpadających się jąder. Jedo co możemy oszacować to średią liczbę rozpadów w daym przedziale czasu t i to właśie liczba k am to wskazuje. Jeżeli mamy M jąder i prawdopodobieństwo rozpadu promieiotwórczego pojedyczego jądra w dowolym, ale ustaloym czasie t ozaczymy przez p, to prawdopodobieństwo zliczeia k rozpadów w tym przedziale jest prawdopodobieństwem k "sukcesów'" w M "próbach" (p(k)).. Wobec tego faktu rozkład liczby zliczeń jest rozkładem dwumiaowym b(k, M). Jeżeli teraz przedział czasu t jest a tyle mały, że liczba jąder promieiotwórczych w M "próbie" praktyczie się ie zmieia w czasie jego trwaia, tz. k << M oraz p( k) <<, to wtedy rozkład prawdopodobieństwa p(k) opisujemy tzw. rozkładem Poissoa, otrzymaym z rozkładu dwumiaowego w wyiku przejścia graiczego: M, i p( k) 0. Formułę tego rozkładu pierwszy opracował fracuski matematyk Simeo-Deis Poisso w 837 roku, a praktyczie zastosował i opisał w książce "The law of small umbers" Ladislaus vo Bortkiewicz w roku 898: Wzór rozkładu Poissoa λ k P( k, M ) = e λ, k! gdzie λ jest parametrem rozkładu P(k). Własości rozkładu: jest uormoway tz., że P( k, λ) =, k = 0 wartość oczekiwaa rozkładu E ( k) = λ, parametry rozrzutu zmieej losowej k wokół wartości oczekiwaej : wariacja (azywaa też dyspersją) V (k) = λ, odchyleie stadardowe σ ( k) = λ. Z powyższych rówań wyika, że rozkład Poissoa scharakteryzoway jest tylko jedym parametrem λ. Najlepszym estymatorem wartości oczekiwaej zmieej losowej k jest średia arytmetycza k, obliczoa ze wzoru:

3 ki k = i=, Obliczając wartość średią, czyli wartość oczekiwaą rozkładu Poissoa P(k, λ) zobaczymy, że parametr λ jest po prostu wartością średią zmieej losowej k, czyli jest rówy średiej arytmetyczej liczby zliczeń impulsów dużej serii pomiarowej λ = k. Przy czym wraz ze wzrostem wartości średiej arytmetyczej liczby zliczeń rozkład Poissoa robi się coraz bardziej symetryczy i dla dostateczie dużej wartości średiej przechodzi w rozkład Gaussa. Biorąc pod uwagę powyższą charakterystykę rozkładu Poissoa zarówo dyspersja jak i odchyleie stadardowe związae są ze średią arytmetyczą liczby zliczeń. Ozacza to, że jeżeli będziemy rejestrować wyiki pomiarów liczby zliczeń impulsów dla wielkiej liczby rówych przedziałów czasu t, to w zaczej części tych przedziałów liczba zdarzeń k będzie różić się od k ie więcej iż o k. Przykłady rozkładu Poissoa P(k, λ) dla liczb λ =, 4, 9, 5. Liia ciągłą zazaczoo dla porówaia rozkład ormaly Gaussa N(λ, pierwiastek z λ).

4 Techika pomiarów: Ćwiczeie polega a pomiarze liczby impulsów liczika G-M ekspoowaego promieiowaiem kosmiczym w kolejych, jedakowych odstępach czasu t zgodie z poiższymi wskazówkami:. Dobrać czas trwaia pojedyczego pomiaru tak, aby średia liczba zliczeń dla tego czasu wyosiła 7-0 impulsów.. Zmierzyć co ajmiej 00-krotie liczbę zliczeń dla zadaego przedziału czasu t. Opracowaie wyików:. Wypełić poiższe tabelki: Numer i-tego pomiaru (i =,,...) - całkowita liczba pomiarów 3... Liczba zliczeń k impulsów w i- tym pomiarze Wybieramy dae k i wypełiamy tabelkę: Liczba pomiarów N k z daym k Częstość występowaia daego k: p(k) = N k /. Wyliczyć średią arytmetyczą liczby zliczeń impulsów. 3. Sporządzić wykres fukcji N k (k) dla dwu przypadków: a. uwzględić tylko pierwszy pomiar, b. uwzględić tylko pierwsze 0 pomiarów. 4. Sporządzić wykres doświadczalych częstości p(k) i a tym samym wykresie akreślić prawdopodobieństwo p k obliczoe z formuły rozkładu Poissoa: k ( keksp) P( k) = exp( keksp). k! Porówać te wykres z wykresem otrzymaym w pkt. 3b). 5. Obliczyć estymator wariacji badaego rozkładu (obciążoy i ieobciążoy): S = ( ki k ), i= S * ( ) = k i k. i= Otrzymae wyiki porówaj z wartością teoretyczą wariacji V(k).

Studet wiie wykazać się zajomością:. Podstawowego prawa rozpadu promieiotwórczego.. Rozkładów statystyczych: dwumiaowego, Gaussa i Poissoa. 5