Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2

Ähnliche Dokumente
2πσ. e ax2 dx = x exp. 2πσ. 2σ 2. Die Varianz ergibt sich mit Hilfe eines weiteren bestimmten Integrals: x 2 e ax2 dx = 1 π.

Versicherungstechnischer Umgang mit Risiko

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e

Standardnormalverteilung / z-transformation

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Methoden der innerbetrieblichen Leistungsverrechnung

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:

Statistik und Wahrscheinlichkeit

FORMELSAMMLUNG STATISTIK (I)

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):

Gruppe. Lineare Block-Codes

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/ ω Additionstheorem: 2 sin 2 2

Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler, Eidgenössische Technische Hochschule, ETH Zürich. 1. Teilprüfung FS 2008.

Physikalisches Praktikum PAP 1 für Physiker (B.Sc.) September 2010

Nernstscher Verteilungssatz

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

AUFGABEN ZUR INFORMATIONSTHEORIE

3.2 Die Kennzeichnung von Partikeln Partikelmerkmale

Stochastik - Kapitel 4

1 Definition und Grundbegriffe

6. Modelle mit binären abhängigen Variablen

P(mindestens zwei gleiche Augenzahlen) = = 0.4 = = 120. den 5 vorbereiteten Gebieten drei auszuwählen: = 10. Deshalb ist 120 =

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -

Spiele und Codes. Rafael Mechtel

Ionenselektive Elektroden (Potentiometrie)

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression

18. Dynamisches Programmieren

Praktikum Physikalische Chemie I (C-2) Versuch Nr. 6

4. Musterlösung. Problem 1: Kreuzende Schnitte **

Auswertung univariater Datenmengen - deskriptiv

Einführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung. Übersicht. Wahrscheinlichkeitsrechnung. bedinge Wahrscheinlichkeit

Lösungen zum 3. Aufgabenblock

Stochastische Prozesse

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.

Auswertung univariater Datenmengen - deskriptiv

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07

Beschreibende Statistik Mittelwert

Finanzwirtschaft. Kapitel 3: Simultane Investitions- und Finanzplanung. Lehrstuhl für Finanzwirtschaft - Universität Bremen 1

Lineare Regression (1) - Einführung I -

Netzwerkstrukturen. Entfernung in Kilometer:

Franzis Verlag, Poing ISBN Autor des Buches: Leonhard Stiny

Nomenklatur - Übersicht

Kreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord

Kreditpunkte-Klausur zur Lehrveranstaltung Projektmanagement (inkl. Netzplantechnik)

Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte. Itemanalyse und Itemkennwerte: Itemschwierigkeit P i

Klasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten

Fallstudie 4 Qualitätsregelkarten (SPC) und Versuchsplanung

Einführung in die Finanzmathematik

Kapitel 4: Wahrscheinlichkeitsrechnung und Kombinatorik

Quant oder das Verwelken der Wertpapiere. Die Geburt der Finanzkrise aus dem Geist der angewandten Mathematik

Verkehrstechnik. Straßenbau

Boost-Schaltwandler für Blitzgeräte

Portfoliothorie (Markowitz) Separationstheorem (Tobin) Kapitamarkttheorie (Sharpe

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen

Kapitel 2: Klassifikation. Maschinelles Lernen und Neural Computation

Konkave und Konvexe Funktionen

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt -

Schätzfehler in der linearen Regression (1) Einführung

Diskrete Mathematik 1 WS 2008/09

Projektmanagement / Netzplantechnik Sommersemester 2005 Seite 1

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam,

1 BWL 4 Tutorium V vom

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich

12 UMPU Tests ( UMP unbiased )

5. ZWEI ODER MEHRERE METRISCHE MERKMALE

Klausuren zum Üben. Gesamtdauer der Anrufe in [Min]: bis 20 bis 40 bis 60 bis 90 bis 120 Anzahl der Schüler/innen:

VERGLEICH EINER EXPERIMENTELLEN UND SIMULATIONSBASIERTEN SENSITIVITÄTSANALYSE EINER ADAPTIVEN ÖLWANNE

Operations Research II (Netzplantechnik und Projektmanagement)

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt:

Grundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Übung/Tutorate Statistik II: Schließende Statistik SS 2007

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar.

Ich habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf.

50 Matrixnormen und Eigenwertabschätzungen

-2 Das einfache Regressionsmodell 2.1 Ein ökonomisches Modell

) ergeben die i i. Es gelten folgende allgemeinen Resultate (in informeller Sprache formuliert).

Vorlesung 1. Prof. Dr. Klaus Röder Lehrstuhl für BWL, insb. Finanzdienstleistungen Universität Regensburg. Prof. Dr. Klaus Röder Folie 1

Zinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung

Kennlinienaufnahme des Transistors BC170

Klassische Gatter und Logikelemente. Seminarvortrag zu Ausgewählte Kapitel der Quantentheorie Quantenalgorithmen

UNIVERSITÄT STUTTGART INSTITUT FÜR THERMODYNAMIK UND WÄRMETECHNIK Professor Dr. Dr.-Ing. habil. H. Müller-Steinhagen P R A K T I K U M.

9 Diskriminanzanalyse

1.1 Das Prinzip von No Arbitrage

1 = Gl.(12.7) Der Vergleich mit Gl. (12.3) zeigt, dass für die laminare Rohrströmung die Rohrreibungszahl

Datenträger löschen und einrichten

Bildverarbeitung Herbstsemester Bildspeicherung

Netzsicherheit I, WS 2008/2009 Übung 3. Prof. Dr. Jörg Schwenk

"Zukunft der Arbeit" Arbeiten bis 70 - Utopie - oder bald Realität? Die Arbeitnehmer der Zukunft

Statistik. 1. Vorbereitung / Planung - präzise Formulierung der Ziele - detaillierte Definition des Untersuchungsgegenstandes

Fähigkeitsuntersuchungen beim Lotpastendruck

3. Lineare Algebra (Teil 2)

wissenschaftliche Einrichtung elektronik

Nullstellen Suchen und Optimierung

Konditionenblatt. Erste Group Bank AG. Daueremission Erste Group Reale Werte Express II. (Serie 211) (die "Schuldverschreibungen") unter dem

Institut für Technische Chemie Technische Universität Clausthal

Ordered Response Models (ORM)

Steuerungsverfahren und ihre Datenstrukturen 09 - Netzplantechnik

Diplomprüfung für Kaufleute 2001/I

Transkript:

ETH Arbetsgruppe Radocheme Radochemsches Praktkum P 06 Enführung n de Statstk INHALTSVERZEICHNIS Sete 1. Zählung von radoaktven Zerfällen und Statstk 2 2. Mttelwert und Varanz 2 3. Momente ener Vertelung 3 4. Posson-Vertelung 4 5. Varanz der Posson-Vertelung 5 6. Statstscher Fehler be der Bestmmung von Zerfallsraten 6

1. Zählung von radoaktven Zerfällen und Statstk 2 Es gbt kene exakten Messresultate. Des glt auch für Zählexpermente, obwohl das Resultat ene ganze Zahl st. Durch de Zufällgket des radoaktven Enzeleregnsses snd aber Aussagen über de Wahrschenlchket für das Entreten von Zerfallseregnssen möglch. Von enem enzelnen Atom kann man ncht vorhersagen, wann es zerfällt. Man kann nur de Wahrschenlchket angeben, daß es nnerhalb ener bestmmten Zetspanne zerfällt. Der Zerfall enes Kerns zu enem bestmmten Zetpunkt st das expermentelle Enzeleregns, das be der Messung der Radoaktvtät m allgemenen festgestellt wrd. De große Zahl von Enzeleregnssen, de normalerwese zur Verfügung steht, macht ene statstsche Behandlung notwendg. Konkret kann man be der Messung der Aktvtät ene Zetspanne vorgeben und de Anzahl Zerfälle nnerhalb deser Spanne betmmen. De Anzahl Zerfälle st ene Zufallsvarable. Man charaktersert se n der Statstk durch hre Vertelungsfunkton. Se enthält de ganze Informaton über den physkalschen Vorgang. De Vertelungsfunkton näherungswese zu bestmmen, st daher das Zel der statstschen Auswertung. Man kann ene Vertelung durch enge Maßzahlen charakterseren, de wchtgsten davon snd Mttelwert µ und Varanz σ 2. 2. Mttelwert und Varanz Der Mttelwert ener dskreten Vertelung st defnert durch µ = x f(x ) (1) De Begrffe "Mttelwert ener Vertelung" und "Mttelwert ener ener Zufallsvarablen" werden oft ncht unterscheden. Her soll ncht auf den Untersched engegangen werden, da des zu wet führen würde. De Varanz ener dskreten Vertelung st defnert durch σ 2 = (x µ) 2 f(x ) (2) De Varanz st en Maß für de Streuung der Werte, de de Zufallsvarable X annehmen kann. De Quadratwurzel der Varanz heßt Standardabwechung.

3. Momente ener Vertelung 3 Mttelwert und Varanz snd Sonderfälle der sogenannten Momente ener Vertelung. Ene belebge Funkton g(x) der Zufallsvarablen X st selbst ene Zufallsarable. Der Erwartungswert von g(x) st defnert durch E(g(x)) = g(x ) f(x ) (3) wobe de x Ausprägungen von X snd, also expermentelle Enzeleregnsse. f(x) st de zu X gehörge Vertelungsfunkton. Wählt man n Gl. (3) spezell g(x) = X k (k = 1, 2,...), so ergbt sch E(X k ) = x k f(x ) (4) Dese Größe heßt das k-te Moment der betreffenden Vertelung. Für k = 1 geht (4) n (1) über. Das 1. Moment der Vertelung st also der Mttelwert µ: µ = E(X) (5) Wählt man n Gl. (3) spezell g(x) = [X µ] k (k = 1, 2,...), so ergbt sch E([X µ] k ) = (x µ) k f(x ) (6) Dese Größe heßt das k-te zentrale Moment der betreffenden Vertelung. Exstert das 1. zentrale Moment, so hat es den Wert null. Für k=2 geht (6) n (2) über. Das 2. zentrale Moment st demnach de Varanz der betreffenden Vertelung: σ 2 = E([X µ] 2 ) (7) De zentralen Momente lassen sch aber auch durch de Momente ausdrücken: σ 2 = E(X 2 ) µ 2 (8) Be manchen Vertelungen berechnet man de Momente am enfachsten drekt aus den Defntonsglechungen, während man n anderen Fällen durch de Benutzung ener geegneten Hlfsfunktonlechter zum Zel kommt. Der Erwartungswert E(e tx )

4 heßt de momenterzeugende Funkton der betreffenden Vertelung und wrd mt G(t) bezechnet: G(t) = E(e tx ) = (e tx f(x )) (9) 4. Posson-Vertelung Betrachtet man en Zufallsexperment, be dem de Wahrschenlchket p für das Entreffen enes Eregnsses A be jeder Wederholung de gleche st und sch de Ergebnsse der verschedenen Ausführungen gegensetg ncht beenflussen, erhält man ene Bnomalvertelung. Se hat de Vertelungsfunkton f(x) = n! x! (n x) px (1 p) n x (10) Be velen Anwendungen st de Erfolgswahrschenlchket p bem enzelnen Experment klen, während de Anzahl n der Ausführungen sehr groß st. In enem solchen Fall st es vortelhaft, de Bnomalvertelung mt hren für große n recht unbequemen Bnomalkoeffzenten durch de Vertelung zu approxmeren, de sch ergbt, wenn p gegen Null und n gegen Unendlch strebt. Der Mttelwert µ = n p (11) strebt dabe gegen enen endlchen Wert. Um de genannte Vertelung zu gewnnen, geht man von der Vertelungsfunkton der Bnomalvertelung Gl. (10) aus. Wegen Gl. (11) st p = µ n, also px = µx n x (12) und weterhn (1 p) n x = n x = n x (13)

Setzt man des n Gl. (10) en, so ergbt sch de Vertelungsfunkton: 5 f(x) = µx x! n(n 1)...(n x + 1) n x 1 µ n n x (14) Für n streben n(n 1)...(n x + 1) n x 1 n e µ x 1 Also ergbt sch de kontnuerlche Vertelungsfunkton : f(x) = µx x! e µ (15) De Vertelung heßt Posson-Vertelung. We aus der Herletung folgt, hat se den Mttelwert µ. 5. Varanz der Posson-Vertelung Gemäß Gln. (9) und (15) hat de Posson-Vertelung de momenterzeugende Funkton G(x) = e µ e µet (16) Also st G(0) = 1. Wederholte Dfferentaton ergbt nachenander: G'(t) = e µ e µet µe t = µe t G(t) G''(t) = µe t [G(t)+ G'(t)] Also st G'(0) = µ und weterhn E(x 2 ) = G''(0) = µ+µ 2 (17)

6 Demnach hat de Posson-Vertelung de Varanz σ 2 = µ. Aus desem Ergebns erkennt man unmttelbar, dass dmensonsbehaftete Größen ncht possonvertelt sen können. Mttelwert und Varanz hätten dann ncht de gleche Enhet und können demnach auch ncht glech sen. De Anzahl Zerfälle während ener vorgegebenen Zetspanne st possonvertelt, ncht de Zählrate. 6. Statstscher Fehler be der Bestmmung von Zerfallsraten Es läßt sch zegen, daß sch de asymmetrsche Possonvertelung durch ene Gaussvertelung approxmeren läßt, wenn de Anzahl der Ausführungen n, n desem Fall de Anzahl der total gezählten Zerfälle, gegen unendlch strebt. Man kann dann de Fehlerrechnung mt der wohlbekannten Normalvertelung durchführen. De wahre Zerfallsrate legt mt ener Wahrschenlchket von 68,3 % nnerhalb ener Standardabwechung σ um de gemessene Zerfallsrate. Be radochemschen Messungen st es üblch, enen Vertrauensberech von 2σ um den gemessenen Mttelwert anzugeben. Wenn de Annahme ener Normalvertelung zuläßg st, entsprcht das ener statstschen Scherhet von 95,5 %. Be ener radochemschen Messung nterressert man sch oft für de Zähldauer be enem Experment für ene vorgegebene Präzson, wenn de Zählrate ungefähr bekannt st. Für de mest geforderte Brete von 2 Standardabwechungen kann man se mt folgender Bezehung abschätzen: t = 1 I 2 σ rel 2 mt σ rel = 2σ µ (19) wobe I de Impulsrate st und σ rel der geforderte Wert für de relatve Fehlerbrete. Da n der analytschen Cheme kaum Präzsonen klener als 1 % errecht werden, genügt es m allgemenen, enen Wert von σ rel =0,01 zu fordern, um den Zählfehler als Fehlerquelle auszuschalten. Enge Messgeräte wählen de Zähldauer selbst. Se akkumuleren de Anzahl Zerfälle, de für ene vorgegebene Präzson notwendg st.