Файл: Слабкий Л.И. Методы и приборы предельных измерений в экспериментальной физике.pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 11.04.2024
Просмотров: 95
Скачиваний: 0
Приведем пример применения соотношения (1.94). При регистра ции числа 7-квантов сцннтилляционным счетчиком результаты из мерений для различных энергий Дг оказались равными:
Мэв |
0,01 |
1 |
2 |
3 |
4 |
5 |
6 |
|
Щ (£,•) |
880 |
165 |
84 |
42 |
4 |
3 |
0 |
|
|
’Ч(Еі) |
0,140 |
0,072 |
0,036 |
0,003 |
0,002 |
0 |
|
Р і ~ |
"ѵ |
0,75 |
||||||
|
|
|
|
|
|
|
||
Величина |
х = |
т определяется следующим образом: |
|
|||||
|
|
_ |
k |
|
|
|
|
|
|
|
X = |
EjPi = 0,415. |
|
|
|
||
|
|
i=i |
|
|
|
|
|
|
Для оценки |
а 2 можно |
написать |
|
|
|
|
=(x— EiPi)2= Q,U7.
£=1 Следовательно, мы имеем
4 -= 0 ,3 5 4 .
X |
|
Для нахождения квантили |
при f = п — 1 = 1177 воспользу |
емся тем обстоятельством, что при достаточно больших п величина
•j/2%2 распределена приближенно |
нормально, причем в соответст |
||||
вии с (1.48) можно написать |
|
|
|
||
|
Хо.оі = |
*(l — - ^ |
+ «0,99 V ж ] |
' |
|
Подставляя |
значения |
і і — 1178 и |
ц0і99=2,33 |
(из таблицы для |
|
Ф (и) при и = |
и п.оэ), находим |
|
|
|
|
|
Хо.оі = \ м |
= |
1296. |
|
|
Поскольку |
|
|
|
|
|
|
-£ -= 0,354 |
|
1,1, |
|
|
|
X |
|
I |
|
|
то это означает, что наша гипотеза должна быть принята, т. е. рас пределение, к которому относится выборка, является распределе нием Пуассона.
43
Г л а в а 2
МЕТОД НАИМЕНЬШИХ КВАДРАТОВ
§ 1. Принцип максимума правдоподобия. Метод наименьших квадратов
Рассматриваемый ниже принцип был впервые сформулирован Р. Фишером [12].
Данный принцип позволяет находить оценки для неизвестных параметров распределения (в частности, \ и а2), причем данные оцен ки обладают следующими весьма важными свойствами:
1. Оценки состоятельны, т. е. оценка а неизвестного параметра а стремится к а при увеличении числа испытаний:
2.Оценки асимптотически нормальны, т. е. разброс оценки а относительно а подчиняется нормальному распределению для п—>оо.
3.Оценки асимптотически эффективны, т. е. при любом другом
способе обработки данных всегда имеет место больший разброс:
cr2 = D (a ) < D * (а) = а * 2,
где D* — дисперсия для любых других способов обработки.
4. Оценки достаточны, т. е. они используют максимум инфор мации, содержащейся в обрабатываемых данных эксперимента. Принцип максимума правдоподобия формулируется следующим об разом.
Метод обработки результатов, который дает наибольшую (мак симальную) вероятность получения при измерениях фактически уже полученных данных, является наилучшим.
Если р (у, a) dy — вероятность определенного значения не прерывной случайной величины у с неизвестным параметром а, то
вероятность получения значений у г, у у |
тможет быть |
записана |
в виде |
|
|
dP = Ldyxdya. .. dyT — р (уха) р (у2а) ... р (yra) dyxdy2.. ,dyr |
(1.95) |
|
Функция |
|
|
L (Уі, • • • > Ут) = Р (Уіѵ) Р (У&) ■■■ Р (Уга)- |
(1-96) |
|
называется функцией правдоподобия для |
данной выборки объема г. |
Заменяя величину а на ее оценку а таким образом, чтобы функ ция L имела максимум, можно написать дЫда = 0. Это — условие максимума функции L.
Используем в качестве функции L функцию нормального рас пределения
|
П |
( Х [ — Х)2 |
|
|
|
І=1 |
|
||
L(xit X, s2) = (2ns2) '/г exp |
2s2 |
(1.97) |
||
|
||||
|
|
|
44
Вместо соотношения (dlda)L можно взять уравнение
•^ [ln L Q /; |
а)]= 0 . |
(1.98) |
|
Подставляя сюда L при а = |
х, |
будем иметь |
|
— p - S |
(* ;-* } = 0, |
(1.99) |
|
і= і |
|
|
|
т. е. |
|
|
|
|
i= 1 |
(1.100) |
|
Если взять |
|
||
|
|
|
|
J r [ ln L ] = 0, |
(1.101) |
||
то получим |
|
|
|
sa= - ^ S |
(х>~х)\ |
(1.102) |
|
|
г=і |
|
|
Таким образом, оценки для \ |
и ст2 найдены нами с помощью прин |
||
ципа максимума правдоподобия. Можно показать, |
что максимум |
функции правдоподобия при независимости вероятностей pt от па раметра а приводит к методу наименьших квадратов для отклоне ния чисел Х[ от их средних значений. Коэффициенты заданного аргіогі аналитического полинома, который соответствует наилуч шему сглаживанию экспериментальных точек при условии их слу чайного разброса и нормального распределения величин xt отно сительно \ (z;), могут быть полностью определены с помощью спо соба наименьших квадратов.
Будем предполагать, таким образом, что общий вид функцио нальной зависимости известен, т. е. можно заранее установить, должна ли данная функция быть линейной, квадратичной, показа тельной и т. д.
В общем случае задача решается следующим образом.
Если ошибки измерений подчиняются нормальному закону рас пределения
ft ІУі) — (а і/'Л2зт)~1 exp |
г — уМ ]- |
|
2а2 |
||
|
при ох = а 2 = ... = ак = er, где у = ср (х) — «истинная» функ циональная зависимость, то на основе выборки у ъ г/2,..., ук можно
подобрать такие значения ср (хх), ср (х2),..., |
ср (хк), при которых ве |
роятность для случайных величин у ъ у у |
к попасть в интервал |
45
(г/;, Уі + dtj) максимальна, |
т. е. |
|
f | (ст|/2я )_1 ехр |
2 a2 |
Xi)r] dlJ = |
— А ехр [ — 2^ö У] [Уі —Ф (х;)]2| = max, (1.103)
'1=1
где А — некоторый |
постоянный |
коэффициент. |
|
|
|||||||
Для |
выполнения |
этого |
условия |
необходимо, |
очевидно, |
чтобы |
|||||
|
|
|
1 |
[г/і-ф (х г)]2= тіп , |
|
(1.104) |
|||||
|
|
|
2^3 Е |
|
|||||||
|
|
|
і—1 |
|
|
|
cp (xt). |
|
|
||
откуда |
и |
определяются величины |
|
|
|||||||
Для |
функции вида |
|
Ь, |
с, |
|
|
|
|
|||
|
|
|
У = Ц>(х\ а, |
. ..) |
|
(1.105) |
|||||
неизвестные параметры могут быть найдены из условия |
|
||||||||||
|
|
П |
|
|
|
|
|
|
|
|
|
|
|
У, ІУі — ф {Xi', а, |
Ь, |
с , . . ,)]2 =ш іп. |
(1.106) |
||||||
|
|
f= 1 |
|
|
|
|
|
|
|
|
|
Используя |
соотношения |
|
|
|
|
|
|
|
|
||
|
|
|
[ і/і- ф (^ ; |
а, |
Ь, |
с, |
. . ,)]2 = |
0, |
|
||
|
|
|
[г/і —ф(х;; |
а, |
Ь, |
с, |
. ..)]2 = 0, |
(1.107) |
|||
|
|
|
|
получим п уравнении, позволяющих определить /г неизвестных па раметров а, b, с,...:
2 [^ г- ф ( х г; а, Ь, с, . . ,)]2 (^ - j = 0,
(1.108)
2 [Уі — ф(хг; а, Ь, с, - - -)]3 (§F ). = 0,
Рассмотрим два случая — линейной и квадратичной зависимости функции.
§ 2. Случай линейной функциональной зависимости
Для функции у = ах + b = |
ф (х; а, |
Ъ) будем иметь |
||
да |
*’ |
{ д а } ; - * 1' |
||
É 2-- 1 |
Зср |
(1.109) |
||
|
||||
дЬ)і = |
1. |
|||
дЪ |
1 |
|||
Следовательно, система |
(1.108) |
примет |
вид |
46
Е [Уі—(aXi + b)] xt = 0;
І — 1
n
E Il/г — (а*г + ö)] = 0.
г=і
Раскрывая скобки и деля оба уравнения на п, получим
п п п
S ХіУі |
|
|
Е |
А |
Е |
|
** |
|
1=1 |
|
|
.1=1 |
и і=1 |
0; |
|||
|
/г |
а • |
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
Е |
|
уі |
|
Е |
|
|
|
|
t=i |
|
а £=1л |
|
b = 0. |
||
|
|
|
/г |
|
||||
Вводя для статистических |
моментов |
обозначения: |
||||||
|
* |
Е*і . |
|
* |
Еі/і . |
|||
|
|
|
|
п |
|
и |
п |
|
*. |
E jc? |
* |
г |
1 |
Е хіуі |
|||
«г [*] = |
- — |
|
; |
a lfi [X, |
у] = — -— , |
|||
находим |
|
|
|
|
|
|
|
|
|
|
b = ггСу— ат*х; |
|
|
||||
а*. I |
[*, У] —аа2 [х] — {гпу —шпх) гпх = 0, |
|||||||
откуда следует, |
что |
|
|
|
|
|
|
|
|
|
«І.і |
|
Іх, |
у] — |
тпхт у |
|
К*ху |
|
|
а 2 [х] — (m*)2 |
|
Dx |
где K*xtJ и D* — так называемые центральные моменты.' Таким образом,
‘ХК*хи |
, |
* |
» |
а = — |
b = m y— amx, |
Dx
т. е.
ККед
У=-^т-х + пгу — г - /72*,
D О*
где
Ё —К ) (Уі—"О Яед = £=1
( 1. 110)
( 1. 111)
( 1. 112)
(1.113)
(1.114)
(1.115)
(1.116)
47