Предположим, у меня есть радиоактивный образец, состоящий из атомов некоторого типа А. Я знаю, что если я измерю в момент времени t число еще не распавшихся атомов, это число будет равно
где среднее время затухания и – начальное число атомов A в образце. Однако скажем, что у меня есть детектор, который позволяет мне обнаруживать каждое радиоактивное излучение образца, а также измерять точное время, когда это излучение происходит. Я буду продолжать этот эксперимент, пока у меня не будет достаточно данных для построения гистограммы. На оси я ставлю номер обнаруженного излучения и на по оси время, когда было обнаружено излучение. Какую форму я ожидаю от этой гистограммы?
Я думал, что найду равномерное распределение, поскольку точное время распада каждого атома образца совершенно случайно.
Другой вопрос: какое распределение я найду, если построю временные расстояния между моментами обнаружения? Например, в Я измерил эмиссию и на Еще один. Временное расстояние . Я повторяю этот процесс для каждого измерения для это идет от 1 до , где – количество обнаруженных выбросов. Когда у меня есть результирующие временные расстояния, я строю гистограмму.
Спасибо.
Функция плотности вероятности числа атомов по прошествии времени дается распределением Пуассона, как уже заявил Джон Кастер в своем комментарии. Это стандартный результат в физике, и вы найдете много ссылок. Однако распределение времени между двумя распадами дается экспоненциальным распределением . Экспоненциальное распределение — это распределение без памяти .
Что означает это свойство без памяти? Предположим, что вероятность наблюдения хотя бы одного распада в течение интервала времени дан кем-то . Далее предположим, что мы уже выждали время и за это время не произошло распада. Свойство отсутствия памяти означает, что вероятность того, что мы наблюдаем распад в течение временного интервала это также . Следовательно, сколько бы мы ни ждали, пока нет распада, вероятность наблюдения распада не меняется. Это именно то, что мы ожидаем от случайного процесса, такого как радиоактивный распад. например в - распад нет " накопления" распада. Вместо этого нейтрон внезапно распадается на свои составляющие.
Процесс Пуассона против процесса чистой смерти
Вопреки непосредственной интуиции (отраженной в комментариях и более ранней версии моего собственного ответа), мы имеем дело здесь не с процессом Пуассона , а с процессом чистой смерти (называемым так как частный случай более общий процесс рождения и смерти ). Оба являются марковскими процессами, где вероятность следующего события зависит только от параметров предыдущего события. Однако в пуассоновских процессах эта вероятность не зависит от общего числа предшествующих событий, тогда как в процессе чистой смерти она зависит.
Вероятность иметь нераспавшихся атомов описывается следующими уравнениями:
Приведенные выше уравнения можно легко преобразовать в уравнение для среднего числа атомов:
Вероятность выживания и вероятность перехода
Таким образом, вероятность выживания , т. е. вероятность того, что после события распада во времени
мы не наблюдаем другого события распада до времени
является
Совместная плотность вероятности нескольких событий
Совместная плотность вероятности событий, происходящих в определенное время
, лежащий в промежутке
, при условии наличия
атомы в
, затем дается
Ссылки
В качестве общего (хотя и немного продвинутого) математического текста по точечным процессам и анализу выживаемости я предлагаю Aalen et al., Survival and event history analysis.
Обновление
я добавляю для полноты решения для
:
Если ваше время выборки сравнимо со сроком службы вашего эмиттера, то распределение отсчетов будет не равномерным, а экспоненциальным: в двух маленьких бинах, разделенных , более ранний бин будет иметь больше счетчиков в раз .
Если вы пробуете какое-то время это мало по сравнению со сроком службы излучателя, , есть еще склон в скорости счета. Если пренебречь высшими производными, можно ожидать, что каждый временной бин будет содержать меньше отсчетов, чем его предшественник, в раз. . Однако то, сможете ли вы различать скорости счета в соседних ячейках, зависит от абсолютного числа включенных вами счетчиков. Благодаря статистике Пуассона, два интервала времени, для которых прогнозируется получение на самом деле получит . Итак, если вы хотите различить два соседних интервала времени, имеющих ширину , количество отсчетов в каждом бине, необходимое для статистической достоверности, примерно равно . Если количество распадов, обнаруженных в каждом интервале времени, невелико, будет невозможно отличить фактическое экспоненциальное затухание от вашего предположения о равномерном распределении.
Вас интересует поступление событий в пределах одного временного интервала, на что я говорю: уменьшите свои временные интервалы и используйте мой анализ.
Распределение интервалов между последовательными связанными событиями также связано с распределением Пуассона, хотя и несколько закрученным образом. Предположим, что ваши события происходят равномерно, со средней скоростью , но независимыми и некоррелированными. Ваше первое событие запускает часы, которые не менее произвольны, чем любая другая отправная точка. Если вы подождете, пока после ваших часов вы ожидаете наблюдать дальнейшие события; если вы подождете, пока вы ожидаете наблюдать дальнейшие события; если вы подождете, пока вы ожидаете наблюдать дальнейшие события. Вы можете инвертировать это и сказать, что вероятность наличия (или более) интервал между двумя последовательными событиями равен вероятности выпадения нуля из распределения Пуассона со средним : небольшой, но не незначительный. Вероятность иметь (или более) интервал между последовательными событиями равен вероятности извлечения нуля из распределения Пуассона со средним : о .
Если вы интегрируете этот процесс, вы узнаете, что время между прибытиями описывается экспоненциальным распределением .
Джон Кастер
Леонардо
Роджер Вадим