Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

Абрамов А.И., Пустынский Л.Н., Романцов В.П. Лабораторный практикум по курсу Ядерная и нейтронная физика

.pdf
Скачиваний:
72
Добавлен:
04.12.2020
Размер:
3.1 Mб
Скачать

Если

 

( )

в (1.33) достаточно велико, то наиболее вероятные

 

x

 

 

 

 

значения

х

 

группируются вокруг

( )

в

окрестностях

 

 

 

 

 

x

 

 

( )

 

 

 

 

 

 

x

, при этом требуется вычисление x!

при больших х,

x

 

 

 

 

 

что не всегда удобно. Однако при ( )

» 1 формула (1.36) допускает

 

 

 

 

x

 

 

 

аппроксимацию

 

1

 

 

 

( y x( ) )2

 

p(x)

 

 

 

 

exp

 

 

(1.38)

 

 

 

 

( )

2 (

 

 

)

 

 

2 x

 

 

 

 

x

 

 

 

 

 

 

которую вычислять значительно проще. Это распределение дискретной величины х по форме записи совпадает с нормальным распределением непрерывной случайной величины у (распределением Гаусса):

 

 

 

1

 

 

 

 

( y a)2

 

 

 

 

f (x)

 

 

 

 

exp

 

 

 

 

 

 

(1.39)

 

 

 

 

 

2

2

 

 

 

 

2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

с параметрами a и ,

причем

x

a ,

 

D

y

2

, т.е.

 

 

 

 

 

 

 

 

 

 

 

 

 

матожидание и дисперсия являются параметрами функции нормального распределения, а сдма генеральная совокупность y

пуассоновского распределения x 0 . Если в (1.39) положить

a 2 x( ) , получим аппроксимацию (1.38) дискретных значений р(х) непрерывной функцией. Условие x 0 говорит о том, что аппроксимация

(1.38) применима только при больших ( )

, когда

x

 

p(0) 0 f ( ) .

 

> Пример 5. Аппроксимации распределения Пуассона нормальным распределением.

Положим x( ) = 15. Рассмотрим вероятность появления значений

х в окрестностях x( ) рассчитанных по (1.33) и (1.38), их различие и

значимость различия при разных объемах выборок n = 1000 и n =10000, если пытаться по выборкам установить это различие. Результаты расчетов представлены в табл. 1.2. Обозначение 6.63-2 соответствует 6.6310 2 .

Суммарная вероятность регистрации числа событий в пределах таблицы 11 x 19 при x = 1 5 около 76 %, т.е. составляет

значительную долю генеральной совокупности. На рис. 1.3 показаны

21

Таблица 1.2

X

р,(х) по

р2(х) по

Разность

( )

( )

 

 

(1.33)

(1.38)

Pi(x)-p2(x)

 

 

1000

10000

 

 

 

 

 

 

 

11

6,63-2

6,04-2

5,9-3

7,9-3

2,5-3

 

12

8,28-2

7,63-2

6,3-3

8,7-3

2,8-3

 

13

9,56-2

9,01-2

5,5-3

9,3-3

2,9-3

 

14

1,024-1

9,96-2

2,8-3

9,6-3

3,0-3

 

15

1,024-1

1,030-1

-0,6-3

9,6-3

3,0-3

 

16

9,60-2

9,96 -2

-3,6-3

9,3-3

2,9-3

 

 

 

 

 

 

 

 

17

8,47-2

9,01 -2

-5,4-3

8,8-3

2,8-3

 

18

7,06-2

7,63 -2

-5,7-3

8,1-3

2,6-3

 

19

5,57-2

6,04 -2

-4,7-3

7,3-3

2,3-3

 

 

 

 

 

 

 

 

p(x)

0,7565

0,7558

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Из рис. 1.3 видно, что уже при небольших x ( x 15) отличия аппроксимации (1.38) от действительного распределения (1.33)

невелики, но еще заметны.

Рассмотрим теперь значимость различий между распределением Пуассона и его аппроксимацией. Предположим, что мы провели

n = 1000 измерений случайной пуассоновской величины с x( ) =15. Число 17, например, имеет вероятность появления p(17)=8.47.10-2, следовательно, из 1000 испытаний оно должно появиться в среднем в пр

=87.7 случаях. Очевидно, количество выпадений того или иного числа будет иметь биномиальное распределение (имеем два варианта: либо выпало указанное число, либо нет). Дисперсия количества выпадений

числа

 

17 в соответствии

с (131) D( Б ) np(1 p) =

77.5,

( Б )

 

77,5 8.8

Тогда

среднеквадратичное

отклонение

для

вероятности выпадения числа 17 составит ( Б )

8.8.10 3 . Это

 

 

 

 

n

 

 

значение отмечено на рис. 1.3 около вероятности выпадения числа 17, а

для других чисел результат аналогичного расчета представлен в табл.

1.2. Видно, что аппроксимация (1.38) попадает в пределы

( Б )

 

 

n

от действительного значения пуассоновской вероятности по (1.33) при

п =1000. Если же выборка составляет п =10000, то

( Б )

для того

же числа 17

n

 

 

 

уже меньше, чем различие между аппроксимацией и действительным распределением. Результаты расчетов для «=10000 представлены в табл. 1.2.

Таким образом, по выборке из п =1000 значений отличить пуассоновское распределение от его аппроксимации при x =15

невозможно, а по выборке из 10000 значений уже можно. <

Применение аппроксимации нормальным распределением пуассоновского позволяет достаточно просто оценить доверительный интервал при однократном измерении случайной величины (аналогично соотношению (1.37)). В примере 4 мы получили значения границ доверительного интервала по одному измерению,, используя 2 распределение. Рассмотрим те же оценки через аппроксимацию.

О Пример б Проведено то же, что и в примере 4, измерение и получено значение

23

N Э

= 107. Полагая распределение пуассоновским, единственной выбо-

рочной оценкой дисперсии( )

генеральной( )

совокупности( )

в данном случае

 

 

 

 

 

 

 

 

 

является само N Э x

D x

107 , тогда

 

 

107 10.34

При

доверительной

вероятности

=0.95

для

нормального

распределения имеем Ua

= 1.96. Тогда для ( )

получаем оценки

 

 

 

 

 

x

 

 

 

 

107- 1.9610.34 = 86.7 < ( ) )

< 107+ 1.9610.34 = 127.3.

 

 

 

 

x

 

 

 

 

 

Сравнивая с оценками примера 4 видим, что получены очень близкие значения, причем интервал оказался сдвинутым влево. <

В табл. 1.3 сведены вместе все оценки доверительных интервалов (p=0,95) одной и той же величины x , сделанные по выборкам из шести

результатов измерений и из одного измерения.

Из аппроксимации пуассоновского распределения нормальным вытекает широко используемое экспериментаторами правило "трех сигм". Для нормального распределения при доверительной вероятности

0.999 величина U0999 =3.09 3. Поэтому, налример, если мы в экспери-

менте зарегистрировали число N и предполагаем пуассоновское распределение, то с вероятностью почти единица можем утверждать, что неизвестное математическое ожидание генеральной совокупности

должно находиться в пределах N 3N

этом ~ 104.

, вероятность ошибки при

Таблица 1.3

Способ оценки

Доверительный интервал

 

 

 

 

1

Выборка 6 элементов.

89,3 <

x ,< 110,7.

 

Оценка через ta (n) - коэффициент

 

 

 

 

Стьюдента -

 

 

 

 

 

 

2

Выборка 6 элементов.

87,5 <

x <112,5

 

Оценка по неравенству Чебышева

 

 

 

3

Выборка 1 элемент.

87,7 <

x <129,3

 

 

 

Оценка по х* -распределению

 

 

4

Выборка 1 элемент.

86,7 <

x <127,3

 

Приближенная оценка по нормальному

 

распределению

 

 

 

 

 

 

24

5. Выполнение работы

Используемая аппаратура. Пересчетный прибор ПС02-4, цифропечатающее устройство БЗ-15, контейнер с источником и детектором, источник высокого напряжения БВ-2-2 для питания детектора. Блоксхема установки приведена на рис. 1.4.

БВ-2-2

ПС02-4

„Детектор

-Набор фолг

БЗ-15

Диафрагма с отверстиями различного диаметра

Источник

Рис. 1.4

Методика измерений. Источник Sr 90 - Y 90 испускает электроны

по схеме

 

90

 

90

 

90

 

 

38 Sr

39Y 40 Zr

 

 

28,5 лет

б1.4 часа стаб.

 

Электроны

регистрируются

 

детектором

МСТ-17,

работающем в режиме самостоятельного газового разряда (счетчик Гейгера-Мюллера). Скорость регистрации регулируется вращающейся диафрагмой с отверстиями различного диаметра и набором алюминиевых фолы. Электрические импульсы, возникающие на сопротивлении нагрузки RH ,при

регистрации поступают через разделительную емкость С на вход пересчетной схемы.

25

1.Подготовить приборы к работе в соответствии с инструкциями, полученными от персонала лаборатории или от преподавателя.

2.С помощью вращающегося диска диафрагмы и набора фолы ус-

тановить такую скорость счета, чтобы за 1 секунду вероятность регистрации нуля составляла 30 70 %. Установку производить при нажатой кнопке "непр. - однокр" на пульте прибора ПС02-4, нажатой кнопке "пуск" и при отключенном от сети приборе БЗ-15. На световом табло ПС02-4 будут периодически появляться цифры и нужно, чтобы в од- ном-двух случаях из трех-шести подряд появлялся нуль. После установки режима нажать кнопку "стоп" на ПС02-4. Нажать и держать кнопку "стоп" на БЗ-15, после чего включить "сеть" БЗ-15, а затем только отпустить кнопку "стоп". Нажать 3 - 4 раза кнопку "сброс" на БЗ-15, при этом счетчик числа измерений будет сброшен. Нажать кнопку "пуск" на ПС02-4, при этом результаты измерений автоматически будут передаваться на БЗ-15 и отпечатываться на ленте. Группа цифр на ленте слева отмечает номер измерения.

Произвести примерно 300 измерений в этом режиме, после чего остановить измерения кнопкой "стоп" на Г1С02-4 и отключить "сеть" на БЗ-15. Результаты данной серии измерений будут использованы для построения и исследования биномиального распределения.

3.Произвести подбор режима аналогично предыдущему пункту так, чтобы в среднем регистрировалось 3 5 отсчетов на световом табло ПС02-4. Вывести на бумажную ленту примерно 300 результатов измерений в том же порядке, что и описаны выше. Эти результаты будут использованы для исследования распределения Пуассона.

4.Увеличить среднее число регистрируемых импульсов до 10 15 и вывести на бумажную ленту 300 400 результатов измерений, которые будут использованы при сравнении распределения Пуассона с его аппроксимацией нормальным распределением.

6. Обработка результатов измерений

6.1. Биномиальное распределение. Определить вероятность выпадения "0". Для этого подсчитать число нулей на ленте и разделить на число измерений:

p Nk

26

где к- количество выпавших нулей, N - количеа но измерений на ленте. :

Разбить все измерения на группы по п измерений, п = 3, 4 или 5 (по заданию преподавателя). Полагая р соответеппющим генеральной

совокупности построить распределение генеральной совокупности по формуле (1.29) аналогично примеру 2. Оценить генеральные матожида-

ние x( Б ) и дисперсию Dx( Б ) по формулам (1.30) и (1.31) и отметить на

построенном распределении.

Подсчитать число групп М по п точкам:

M Nn

Подсчитать количества нулей в группах и вычислить вероятность выпадения нуля ни одного раза, один, два и т.д. до п раз. Получится ряд

 

 

 

 

p Э

(0)

m0

 

p Э

(1)

m1

 

 

 

 

 

 

n

 

M

n

 

M

 

 

 

 

 

 

 

 

 

 

Где m

1 m

0 . - числа групп, в которых нуль не выпал ни разу, один,

два и т.д. раз. Нанести полученные значения pЭ

(x) на

 

 

 

 

 

 

 

 

 

 

 

n

 

распределение генеральной совокупности и сравнить.

 

Рассчитать экспериментальное среднее

 

 

 

 

 

 

n

 

 

 

 

 

 

 

 

xЭ

( Б ) pnЭ (x)x ,

 

где х=0, 1,... п

 

ч 0

иэкспериментальную дисперсию

 

 

 

n

 

 

 

 

 

 

 

 

 

DЭ

( Б )

pnЭ (x)(x

xЭ

( Б ) )2

 

где х=0,1,... п.

 

 

 

ч 0

 

 

 

 

( Б )

 

 

 

Сравнить между собой ( Б )

и x

 

,

D( Б )

и D( Б ) .

 

 

 

ч

 

 

 

Э

 

x

Э

6.2. Распределение Пуассона. Вычислить среднее значение для распределения Пуассона

1 N

x( ) N xi i 1

27

где xt- значение числа отсчетов в одном измерении, N - число измерений на ленте. Принимая x( ) x( ) , для генеральной совокупности рассчитать набор вероятностей p( ) (x) по формуле (1.33).

Построить аналогично примеру 3 распределение генеральной

совокупности.

Вычислить набор экспериментальных вероятностей выпадения той или иной цифры в измерении

p( ) (x) nx N

где nx -число выпадений цифры X . Нанести полученные результаты на

рисунок для генеральной совокупности и сравнить. Рассчитать экспериментальные значения дисперсии

DЭ ( ) pЭ( ) (x)(x xЭ ( ) )2

ч 0

х

и сравнить его со значением x( )

Вычислить вероятность выпадения какого-либо значения " X " , например, тройки или пятерки, пх раз по формуле биномиального распределения, полагая p p( ) (х) аналогично примеру 5.

6.3. Аппроксимация распределения Пуассона нормальным распределением. Вычислить среднее значение для соответствующих данных

 

( )

1

N

x

xi

 

 

 

N i 1

и, принимая это значение в качестве матожидания генеральной сово-

купности ( ) x( ) ,

построить аппроксимирующее распределение

x

 

 

 

 

 

по формуле (1.38).

 

 

 

 

 

Аналогично п.6.2

построить на этом же рисунке

p( ) (x)

и

 

 

 

 

Э

 

сравнить с аппроксимацией.

 

 

 

 

Рассчитать аналогично п.6.2 D( )

 

 

( )

 

и сравнить с x

 

 

Э

 

 

 

 

Контрольные вопросы

1. Случайные события и случайные величины.

28

2.Функция распределения и ее характеристики.

3.Что называется биномиальным распределением и к каким случайным величинам оно применяется?

4.Что называется распределением Пуассона? Привести примеры распределения и объяснить изменение формы при изменении среднего значения.

5.Что называется распределением Гаусса? Привести пример аппроксимации распределения Пуассона распределением Гаусса.

6.Привести примеры применения дискретных распределений в ядерной физике.

7.Выборочные среднее и дисперсия. Их свойства.

8.Причины появления и примеры систематических и случайных ошибок.

9.Общие характеристики непрерывных и дискретных распределений.

10.Что называется дисперсией распределения и как она характеризует распределение?

11.Что такое стандартное отклонение и как его использовать для оценки погрешностей измерений?

12.Вывести формулу вычисления дисперсии биномиального распределения.

13.Вывести формулу вычисления дисперсии распределения Пуассона.

14.Практическое значение статистических методов анализа экспериментальных данных.

Литература

1.Романцов В.П. Статистические методы обработки данных в экспериментальной ядерной физике. Учебное пособие по курсу "ЭМЯФ".

Ч.1..Ч.2.-ОИАТЭ, 1993, 1994.

2.Пустынский Л.Н. Статистические свойства и оценка параметров радиоактивного распада. Учебное пособие по курсу "Основы ядерной и нейтронной физики".- ОИАТЭ, 1997.

3.ХудсонД. Статистика для физиков.- М.: Мир, 1970.

4.Айвазян С.А., Енюков И.С, Мешалкин Л.Д. Прикладная статистика:

Основы моделирования и первичная обработка данных. Справочное изд. -М.: Финансы и статистика, 1983.

5.Вентцель ЕС, Овчаров Л.А. Теория вероятностей и ее инженерные приложения. - М.: Наука. Гл.ред.физ.-мат.лит., 1988.

29

Работа 2. ИССЛЕДОВАНИЕ ИСКУССТВЕННОЙ РАДИОАКТИВНОСТИ

Введение

Радиоактивность является первым ядерным процессом, который был обнаружен в 1896 г. А.Беккерелем. Явление радиоактивности состоит в самопроизвольном (без внешнего воздействия) изменении свойств ядер, т.е. носит внутриядерный характер. Процесс радиоактивных превращений ядер часто называют радиоактивным распадом, а ядра, подверженные такому распаду, называются радиоактивными. Ядра, не испытывающие распада, называются стабильными. Радиоактивные ядра являются неустойчивыми системами и их распад сопровождается излучением. Из закона сохранения энергии следует, что распад может происходить, только если масса радиоактивных ядер превышает сумму масс частиц, образующихся при распаде. Радиоактивный распад характеризуется сортом испускаемых частиц (а-частицы, р-частицы, у-

кванты, нейтроны, осколки деления и пр.), их энергией и импульсом, характером протекания процесса распада большого числа одинаковых атомных ядер.

Изучение радиоактивного распада позволило установить, что распады отдельных ядер происходят за различные времена случайным образом и не зависимо друг от друга. Невозможность предсказать момент распада отдельного радиоактивного ядра требует статистического метода описания временных характеристик процесса распада. Индивидуальной характеристикой возможности распада ядер является постоянная распада X , которая определяется только природой радиоактивного вещества. Она имеет простой физический смысл - это вероятность распада ядра в единицу времени.

1. Основные законы радиоактивного распада

Допустим, что в момент времени t = О имеется N0 радиоактивных ядер. Если в некоторый, более поздний момент времени t имеется

30