實驗數(shù)據(jù)分析方法ppt課件(編輯修改稿)
2025-05-26 00:49 本頁面
【文章內(nèi)容簡介】 次測量 ， x x … xn根據(jù)需要可對在實驗條件一定的條件下，事例的產(chǎn)生率為常數(shù)，在時間 t內(nèi)獲得 n個事例的概率為泊松分布。觀測到 n個事例，且測量量為 x x … xn的聯(lián)合概率為條件： ν必須能夠精確確定進(jìn)行變化：1. 廣義似然函數(shù) （ Generalized Likelihood Function）總事例數(shù) n也是隨機(jī)變量，服從平均值為 υ的泊松分布：?廣義似然函數(shù)，優(yōu)點： n對 θ增加了附加的限制 用用 ML方法進(jìn)行參數(shù)估計的步驟方法進(jìn)行參數(shù)估計的步驟2. 數(shù)據(jù)分類情況下的似然函數(shù)對實驗數(shù)據(jù)進(jìn)行分間隔處理，（如作成直方圖）然后用 ML方法對分類后的數(shù)據(jù)進(jìn)行處理。優(yōu)點：減小了數(shù)據(jù)量，使得對 的計算速度加快缺點：由于將原 簡化為少量的幾個 “ 平均 ” pdf的乘積，使得參數(shù)估計的精度下降。設(shè)將 x的變化范圍分成了 N個間隔：第 i個間隔內(nèi)的事例數(shù)：某事例落入第 i個間隔的概率N個事例分布于 N個間隔內(nèi)，每個間隔內(nèi)的事例數(shù)為 n n … nN的概率滿足多項式分布： 用用 ML方法進(jìn)行參數(shù)估計的步驟方法進(jìn)行參數(shù)估計的步驟：間隔的寬度取對數(shù)并只保留與 θ 有關(guān)的項?分間隔的似然函數(shù)（ Binned Likelihood Function）(1) N很大， 很小，(2) 如果在某一間隔內(nèi)的變化不是很大，則用得到的 θ 的精度是可接受的 用用 ML方法進(jìn)行參數(shù)估計的步驟方法進(jìn)行參數(shù)估計的步驟例：估計粒子的平均壽命（三）求似然函數(shù)的極大值1. 求解似然方程：一般情況下無解析解，只能用數(shù)值解法。2. 用 CERN程序 MINUIT求解函數(shù) 的極小值，得θ 的估計式 及其誤差探測 K0粒子的產(chǎn)生和衰變。假定探測器無限大，則 K0粒子在t時刻衰變的 用用 ML方法進(jìn)行參數(shù)估計的步驟方法進(jìn)行參數(shù)估計的步驟τ ：粒子的平均壽命，為未知參數(shù)。 K0的飛行時間 tiL：飛行距離， p：動量， E：能量， c：光速對于 n個觀測事例：?當(dāng) 時， LF取極大值。第十二章 最大似然法(Maximum Likelyhood Method) ML估計式
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1