( ) N z ( RADIOAKTIIVISUUS TILASTOLLISENA ILMIÖNÄ. B.1 Radioaktiivisten ytimien hajoamislaki. P( z) =

Samankaltaiset tiedostot
XII RADIOAKTIIVISUUSMITTAUSTEN TILASTOMATEMATIIKKAA

Huomaa, että aika tulee ilmoittaa SI-yksikössä, eli sekunteina (1 h = 3600 s).

5. Vakiokertoiminen lineaarinen normaaliryhmä

PK-YRITYKSEN ARVONMÄÄRITYS. KTT, DI TOIVO KOSKI elearning Community Ltd

W dt dt t J.

Tasaantumisilmiöt eli transientit

TKK Tietoliikennelaboratorio Seppo Saastamoinen Sivu 1/5 Konvoluution laskeminen vaihe vaiheelta

( ) ( ) x t. 2. Esitä kuvassa annetun signaalin x(t) yhtälö aikaalueessa. Laske signaalin Fourier-muunnos ja hahmottele amplitudispektri.

Konvoluution laskeminen vaihe vaiheelta Sivu 1/5

12. ARKISIA SOVELLUKSIA

Dynaaminen optimointi ja ehdollisten vaateiden menetelmä

Mittaustekniikan perusteet, piirianalyysin kertausta

DEE Lineaariset järjestelmät Harjoitus 4, ratkaisuehdotukset

( ) ( ) 2. Esitä oheisen RC-ylipäästösuotimesta, RC-alipäästösuotimesta ja erotuspiiristä koostuvan lineaarisen järjestelmän:

Tiedonhakumenetelmät Tiedonhakumenetelmät Helsingin yliopisto / TKTL. H.Laine 1. Todennäköisyyspohjainen rankkaus

2. Taloudessa käytettyjä yksinkertaisia ennustemalleja. ja tarkasteltavaa muuttujan arvoa hetkellä t kirjaimella y t

1 Excel-sovelluksen ohje

Rakennusosien rakennusfysikaalinen toiminta Ralf Lindberg Professori, Tampereen teknillinen yliopisto

2. Suoraviivainen liike

Diskreetillä puolella impulssi oli yksinkertainen lukujono:

b) Ei ole. Todistus samaan tyyliin kuin edellinen. Olkoon C > 0 ja valitaan x = 2C sekä y = 0. Tällöin pätee f(x) f(y)

KYNNYSILMIÖ JA SILTÄ VÄLTTYMINEN KYNNYKSEN SIIRTOA (LAAJENNUSTA) HYVÄKSI KÄYTTÄEN

Ilmavirransäädin. Mitat

9. Epäoleelliset integraalit; integraalin derivointi parametrin suhteen. (x + y)e x y dxdy. e (ax+by)2 da. xy 2 r 4 da; r = x 2 + y 2. b) A.

Kojemeteorologia. Sami Haapanala syksy Fysiikan laitos, Ilmakehätieteiden osasto

Systeemimallit: sisältö

Mittaus- ja säätölaitteet IRIS, IRIS-S ja IRIS-M

Sopimuksenteon dynamiikka: johdanto ja haitallinen valikoituminen

VÄRÄHTELYMEKANIIKKA SESSIO 18: Yhden vapausasteen pakkovärähtely, transienttikuormituksia

KOMISSION VALMISTELUASIAKIRJA

2. Matemaattinen malli ja funktio 179. a) f (-2) = -2 (-2) = = -6 b) f (-2) = 2 (-2) 2 - (-2) = (-8) + 7 = = 23

Rahoitusriskit ja johdannaiset Matti Estola. luento 13 Black-Scholes malli optioiden hinnoille

Rahoitusriskit ja johdannaiset Matti Estola. luento 12 Stokastisista prosesseista

f x dx y dy t dt f x y t dx dy dt O , (4b) . (4c) f f x = ja x (4d)

RADIOAKTIIVISEN HAJOAMISEN NOPEUS

Kuntaeläkkeiden rahoitus ja kunnalliset palvelut

Yhden selittäjän lineaarinen regressiomalli

Suunnitteluharjoitus s-2016 (...k-2017)

MAT Fourier n menetelmät. Merja Laaksonen, TTY 2014

MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ

OH CHOOH (2) 5. H2O. OH säiliö. reaktori 2 erotus HCOOCH 3 11.

Lyhyiden ja pitkien korkojen tilastollinen vaihtelu

Juuri 13 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Kertaus. K1. A: III, B: I, C: II ja IV.

ETERAN TyEL:n MUKAISEN VAKUUTUKSEN ERITYISPERUSTEET

DEE Lineaariset järjestelmät Harjoitus 3, harjoitustenpitäjille tarkoitetut ratkaisuehdotukset

VÄRÄHTELYMEKANIIKKA SESSIO 12: Yhden vapausasteen vaimenematon pakkovärähtely, harmoninen

Silloin voidaan suoraan kirjoittaa spektrin yhtälö käyttämällä hyväksi suorakulmaisen pulssin Fouriermuunnosta sekä viiveen vaikutusta: ( ) (

Kuukausi- ja kuunvaihdeanomalia Suomen osakemarkkinoilla vuosina

Mallivastaukset KA5-kurssin laskareihin, kevät 2009

( ) 5 t. ( ) 20 dt ( ) ( ) ( ) ( + ) ( ) ( ) ( + ) / ( ) du ( t ) dt

Luento 4. Fourier-muunnos

A-osio. Ei laskinta! Valitse seuraavista kolmesta tehtävästä vain kaksi joihin vastaat!

Luento 7 Järjestelmien ylläpito

Öljyn hinnan ja Yhdysvaltojen dollarin riippuvuussuhde

1. Matemaattinen heiluri, harmoninen värähtelijä Fysiikka IIZF2020

SÄHKÖTEKNIIKKA JA ELEKTRONIIKKA

Laskelmia verotuksen painopisteen muuttamisen vaikutuksista dynaamisessa yleisen tasapainon mallissa

10 VALON INTERFERENSSI

Lasin karkaisun laatuongelmat

x v1 y v2, missä x ja y ovat kokonaislukuja.

S Signaalit ja järjestelmät Tentti

ENERGIAN TUOTTAMISEN FYSIKAALINEN PERUSTA

joka on separoituva yhtälö, jolla ei ole reaalisia triviaaliratkaisuja. Ratkaistaan: z z(x) dx =

Ohjelmistojen suunnittelumenetelmät ja -työkalut

2. Systeemi- ja signaalimallit

JYVÄSKYLÄN YLIOPISTO Taloustieteiden tiedekunta TARJONTA SUOMEN ASUNTOMARKKINOILLA

Täydennetään teoriaa seuraavilla tuloksilla tapauksista, joissa moninkertaisen ominaisarvon geometrinen kertaluku on yksi:

OSINKOJEN JA PÄÄOMAVOITTOJEN VEROTUKSEN VAIKUTUKSET OSAKKEEN ARVOON

Magneettisessa profiilitulkinnassa saaduista suskeptibiliteettiarvoista. käytettäessä kaksidimensionaalista levymallia.

Tehtävä I. Vaihtoehtotehtävät.

Käyttövarmuuden ja kunnossapidon perusteet, KSU-4310: Tentti ma

BINÄÄRINEN SYNKRONINEN TIEDONSIIRTO KAISTARAJOITTAMATTOMILLA MIELIVALTAISILLA PULSSIMUODOILLA SOVITETTU SUODATIN JA SEN SUORITUSKYKY AWGN-KANAVASSA

SATE1050 Piirianalyysi II syksy 2016 kevät / 6 Laskuharjoitus 10 / Kaksiporttien ABCD-parametrit ja siirtojohdot aikatasossa

Piennopeuslaite FMH. Lapinleimu

SÄHKÖN HINTA POHJOISMAISILLA SÄHKÖMARKKINOILLA

Radioaktiivisen säteilyn läpitunkevuus. Gammasäteilty.

Tuotannon suhdannekuvaajan menetelmäkuvaus

Suomessa tuotetun minkin- ja ketunnahan elinkaariarviointi

VATT-KESKUSTELUALOITTEITA VATT DISCUSSION PAPERS. JULKISEN TALOUDEN PITKÄN AIKAVÄLIN LASKENTAMALLIT Katsaus kirjallisuuteen

Monisilmukkainen vaihtovirtapiiri

KULMAMODULOITUJEN SIGNAALIEN ILMAISU DISKRIMINAATTORILLA

SUOMEN PANKIN KANSANTALOUSOSASTON TYÖPAPEREITA

BETONI-TERÄS LIITTORAKENTEIDEN SUUNNITTELU EUROKOODIEN MUKAAN (TTY 2009) Betonipäivät 2010

YKSISIVUKAISTAMODULAATIO (SSB)

Asuntojen huomiointi varallisuusportfolion valinnassa ja hinnoittelussa

Robusti tilastollinen päättely ensimmäisen ja toisen ehdollisen momentin mallintamisessa

b) Esitä kilpaileva myötöviivamekanismi a-kohdassa esittämällesi mekanismille ja vertaile näillä mekanismeilla määritettyjä kuormitettavuuksia (2p)

Piennopeuslaite FMP. Lapinleimu

KEHITTYNEIDEN VALUUTTAMARKKINOIDEN TEHOKKUUS: USD INDEKSI

1. Todista/Prove (b) Lause 2.4. käyttäen Lausetta 2.3./by using Theorem b 1 ; 1 b + 1 ; 1 b 1 1

Radioaktiivinen hajoaminen

Derivoimalla ensimmäinen komponentti, sijoittamalla jälkimmäisen derivaatta siihen ja eliminoimalla x. saadaan

1 Johdanto. 2 Lähtökohdat

8 USEAN VAPAUSASTEEN SYSTEEMIN VAIMENEMATON PAKKOVÄRÄHTELY

Mallivastaukset KA5-kurssin laskareihin, kevät 2009

KÄYTTÖOPAS. Ilma vesilämpöpumppujärjestelmän sisäyksikkö ja lisävarusteet RECAIR OY EKHBRD011ADV1 EKHBRD014ADV1 EKHBRD016ADV1

12. Luento. Modulaatio

DEE Lineaariset järjestelmät Harjoitus 6, harjoitustenpitäjille tarkoitetut ratkaisuehdotukset

Termiinikurssi tulevan spot-kurssin ennusteena

Harjoitus 2: Matlab - Statistical Toolbox

Transkriptio:

B RADIOAKTIIVISUUS TILASTOLLISENA ILMIÖNÄ B.1 Radioakiivisen yimien hajoamislaki Miaaessa radioakiivisen yimien hajoamisessa synyvän säeilyn inensieeiä havaiaan, eä ilmaisimeen aikayksikössä saapuvien kvanien ai hiukkasen lukumäärä vaihelee. Tämä vaihelu on osoius siiä, eä radioakiivisa hajoamisa kuvaava lai ova odennäköisyyslakeja. Olkoon λ odennäköisyys sille, eä radioakiivinen ydin hajoaa aikayksikössä. Oleeaan, eä λ on ajasa riippumaon vakio. Jos ajanhekellä radioakiivisessa läheessä on N() radioakiivisa ydinä, aikavälillä [, +d] hajoaa λn()d ydinä, eli dn( ) = λn( ). d (1) Jos yimien lukumäärä ajanhekellä =0 on N 0, saadaan inegroimalla yhälö (1) yimien lukumääräksi ajanhekellä N( )= N 0 e λ. (2) Yhälö (2) on nimelään hajoamislaki, ja vakioa λ kusuaan hajoamisvakioksi. B.2 Radioakiivisen yimien hajoamisen odennäköisyys Johdeaan odennäköisyyslaskenaa apuna käyäen odennäköisyys P(z) sille, eä ajassa hajoaa äsmälleen z ydinä. Radioakiivisen yimien lukumäärä aikavälin alkaessa olkoon N. Hajoamislain (2) peruseella odennäköisyys sille, eä yksiäinen ydin ei hajoa ajassa on e -λ, joen hajoamisen odennäköisyys on 1-e -λ. Todennäköisyys sille, eä määräy z ydinä hajoava ajassa, on odennäköisyyslaskennan kerosäännön peruseella (e -λ ) N-z (1-e -λ ) z. Todennäköisyys sille, eä hajonneiden yimien lukumäärä on z, on kuienkin suurempi, koska on samanekevää, mikä z ydinä hajoava. Koska z ydinä voidaan valia N yimen joukosa N! ( N z)! (3) avalla, saadaan haeuksi odennäköisyydeksi P(z) P( z) = N! ( ( ) N z ( N z)! e λ 1 e λ ) z. (4) B.3 Poissonin jakauma Tavallisesi radioakiivisessa läheessä on hyvin suuri joukko yimiä, s. N>>1. Yleensä lisäksi miausaika on paljon pienempi kuin radioakiivisen aineen puoliinumisaika, eli z<<n ja λ<<1.

Nämä ehdo merkisevä siä, eä yimien määrää N ja sien läheen akiivisuua A=λN (hajoamisa aikayksikössä) voidaan piää miausaikana vakiona. Kirjoieaan odennäköisyys P(z) muooon P( z) = ( N z +1) N z + 2 ( )...N e λn ( e λ 1) z. (5) Koska z<<n, voidaan osamäärän osoiajaa arvioida luvulla N z. Koska lisäksi λ<<1, voidaan eksponenifunkio e -λ kehiää sarjaksi, josa oeaan huomioon vain ensimmäise ermi. Tällöin saadaan ( )z P( z) N z e λn( 1 + λ 1 ) z = λn e λn. (6) Kirjoiamalla ämä akiivisuuden A=λN avulla ja arkaselemalla odennäköisyyä P(z) myös miausaikana hajonneiden yimien lukumäärän A funkiona saadaan ( )z P( z,a) = A e A. (7) Tapauksessa λ<<1 voidaan yhälösä (7) laskea ajassa hajoavien yimien keskimääräinen lukumäärä m painoeuna keskiarvona: m = P( z, A)z P( z,a) = e A A z=1 e A ( A) z 1 ( z 1)! ( A) z = A. (8) Osoiajan arvoksi ulee A ja nimiäjän arvoksi 1 (kaikkien odennäköisyyksien summa) eksponenifunkion sarjakehielmän e y = n= 0 y n n! (9) peruseella. Yhälön (8) peruseella odennäköisyys P(z,A) voidaan lausua keskiarvon m avulla muodossa P( z,m)= mz e m. (10) Todennäköisyysjakaumaa P(z,m) kusuaan Poissonin jakaumaksi. Se keroo, millä odennäköisyydellä valiuna ajanjaksona apahuu z saunnaisilmiöä, jos niiä ämänpiuisena aikavälinä apahuu keskimäärin m kappalea. Jos siis miausaika on paljon pienempi kuin läheen puoliinumisaika, miausulosen käsiely perusuu Poissonin jakaumaan.

B.3.1 Poissonin jakauman hajona Tärkeä odennäköisyysjakaumaa kuvaava suure on hajona eli sandardipoikkeama σ, joka määriellään yleisesi σ 2 = i n x i 2 = i ( z i m) 2, n (11) missä x i =z i -m on poikkeama keskiarvosa. Laskeaan hajona Poissonin jakauman apauksessa yhdisämällä hajonnan neliön lausekkeessa (11) yhäsuuria z-arvoja vasaava neliöermi. Kun miaus on oiseu n keraa, missä n on suuri kokonaisluku, iey mielivalaisesi valiu z- arvo esiinyy ässä miaussarjassa n P(z,m) keraa. Kun huomioidaan, eä ΣzP(z,m)=m ja ΣP(z,m)=1, saadaan yhälöiden (8) ja (10) peruseella σ 2 = ( z m) 2 P( z,m) = z 2 P( z, m) 2m zp( z,m) + m 2 P( z,m) = z( z 1)P ( z,m) + m m 2 = m 2 e m m z 2 ( z 2)! + m m2 = m. z=2 (12) Hajona on siis σ = m, (13) eli Poissonin jakauman hajona määräyyy yksikäsieisesi keskiarvosa. B.3.2 Poissonin jakauman laskeminen suurilla argumenien arvoilla Jakaumafunkion (10) arvon laskeminen on vaikeaa, jos m>>1 ja z>>1. Näissä apauksissa Poissonin jakaumafunkio, joka osin on määriely vain kokonaislukuarvoilla z, voidaan korvaa normieulla Gaussin jakaumafunkiolla, jonka sandardipoikkeamaksi on aseeu σ = m. Normieu Gaussin jakaumafunkio on muooa G( z, h) = h x 2 π e h2, (14) missä x on poikkeama keskiarvosa ja h on parameri, joka oeuaa yhälön hσ = 1 2, (15) joen Poissonin jakauman likiarvoksi suurilla argumenien arvoilla saadaan

P( z,m) ( z m) 2 1 2πm e 2m, (16) kun m>>1 ja z>>1. Likiarvokaavaa (10) voi käyännössä sovelaa, jos m=100 ja z ei ole aivan pieni. Kuen kuvasa 1 nähdään, on yheensopivuus Gaussin ja Poissonin jakaumafunkioiden välillä melko hyvä jo, kun m=4. Taulukkoon 1 on laskeu Gaussin jakauumafunkioa käyäen muuamia odennäköisyyksiä sille, eä yksiäisen miausuloksen poikkeama keskiarvosa on korkeinaan x. Taulukko 1: Todennäköisyys sille, eä yksiäisen miauksen poikkeama keskiarvosa on iseisarvolaan korkeinaan x x Todennäköisyys 0,67σ 0,50 1,00σ 0,68 1,64σ 0,90 1,98σ 0,95 Kuva 1: Gaussin ja Poissonin jakaumafunkioiden verailu B.4 Säeilyn havaisemiseen liiyvä ilasollinen virhearvioini Tässä kappaleessa rajoiuaan arkaselemaan ilasollisa virhearvioinia sellaisissa meneelmissä, joilla voidaan havaia yksiäisiä aomihiukkasia ai kvaneja. Kuen edellä on esiey, radioakiivinen hajoaminen noudaaa odennäköisyyslakeja. Tämä merkisee siä, eä radioak-

iivisen läheen synnyämän hiukkasvuon vaihelu on läheen fysikaalinen ominaisuus, joa voidaan kuvaa vain odennäköisyyslaskennan keinoin. Vaihelulla ei ässä arkoiea siä, eä keskimääräinen hiukkasvuo pienenee akiivisuuden pienenyessä. Seuraavassa käsiellään säeilymiauksen uloksia oleaen miaussarja Poisson-jakauuneeksi. Kokeellisesi määrieävä suure on pulssiaajuus (pulsseja aikayksikössä) J=X/. Keskimääräinen pulssimäärä X poikkeaa havaiusa pulssimääräsä X aulukon 1 peruseella korkeinaan X :n verran 68%:n odennäköisyydellä (suuree z ja m korvaaan pulssimäärillä X ja X). Suureen X ilalla voidaan käyää suurea X, jos X on riiävän suuri (X=100), joen 68%:n odennäköisyydellä on voimassa X X X X + X. (17) Pulssiaajuuksille päee siis 68%:n odennäköisyydellä J ± J = X ± X, (18) missä J on yksiyisen havainnon hajonnan likiarvo, kun aika oleeaan virheeömäksi. Edelleen huomaaan, eä pulssiaajuuden suheellinen hajona on J J = X X = 1 X, (19) eli suheellinen hajona riippuu vain pulssimääräsä. Mikäli ehdään n havainoa X, keskiarvon hajonnaksi saadaan σ n X i n n = X i n, (20) missä on yheen miaukseen kuluva aika. Saavueava arkkuus on siis sama kuin suorieaessa yksi miaus ajassa n. Taulukko 2: Pulssiaajuuden suheellinen virhe laskeun pulssimäärän funkiona J Pulssimäärä X J (% ) 100 10,0 2500 2,0 5000 1,4 10000 1,0 25000 0,63 50000 0,45 100000 0,32

Kokeiden lukumäärällä on merkiysä vain, jos haluaan suoriaa miauslaieison ilasollinen arkisaminen. Havainoja kannaaa osin aina oisaa karkeiden sysemaaisen virheiden ja lukemavirheiden välämiseksi. Kaavan (12) avulla odeaan, eä suheellinen arkkuus on siä parempi miä enemmän pulsseja laskeaan (aulukko 2). B.4.1 Tausasäeilyn osuus ilasollisessa virhearvioinnissa Radioakiivisen läheen säeilyä miaaessa on oeava huomioon ympärisön radioakiivisuuden ja kosmisen säeilyn synnyämä ausasäeily. Tausasäeily miaaan viemällä lähde riiävän eäälle miauspaikala, ja se vähenneään varsinaisesa läheesä saaduisa miausuloksisa. Lopullinen pulssiaajuus J 0 on siis erous J 0 = X 1 1 X 2 2, (21) missä X 1 on ajassa 1 havaiu kokonaispulssimäärä ja X 2 on ajassa 2 havaiu ausasäeilysä aiheuuva pulssimäärä. Koska sandardipoikkeama summauuva neliöllisesi, eli σ 2 =σ 12 +σ 12, loppuuloksen J 0 hajona J 0 on J 0 = X 1 1 2 + X 2 2 2. (22) Kaikki edellä esiey havainouloksia koskeva kaava liiyvä miauslaieisoihin, joissa ilmaisimeen kykey laskuri rekiseröi ilmaisimessa synyvä pulssi yksiellen. Lisäksi on oleeu pulssiaajuus niin pieneksi, eä laieen äärellisä laskena-aikaa ei arvise oaa huomioon. B.4.2 Hajona laskenaaajuusmiarin yheydessä Ilmaisimien yhdeydessä käyeään myös laskenaaajuusmiareia, joka anava uloksen suoraan pulsseina aikayksikössä. Laskenaaajuusmiari oimii periaaeessa sien, eä ilmaisimessa synyvillä jännieimpulsseilla varaaan kondensaaori C, joka purkauuu vasuksen R kaua. Miaavana suureena on purkausvira, joka on verrannollinen aikayksikössä synyvään keskimääräiseen pulssimäärään. Laskenaaajuusmiarin lukemaan liiyvä suheellinen hajona on J J = 1 2JT, (23) missä J on miarin lukema (pulsseja aikayksikössä) ja T=RC on kondensaaorin ja vasuksen muodosaman piirin aikavakio. B.4.3 Hajonnan esiäminen graafisesi Graafisessa esiyksessä on edullisa kuvaa hajona janoilla. Jos miau pulssiaajuus J 0 esieään graafisesi jonkin muuujan funkiona, kunkin miauspiseen kaua piirreään jana, jonka pääepisee vasaava arvoja J 0 ± J 0. Näin saadaan havainnollinen kuva miaun käyrän luoe-

avuudesa ja voidaan mahdollisesi arvioida määrieävien suureiden virheiä (esim. kulmakeroimen virhe, jos miauspisee aseuva suoralle). Usein jouduaan pulssimäärän J 0 sijasa esiämään graafisesi jokin J 0 :n funkio, esim. ln(j 0 ). Miauspiseiden kaua piirreään ässä apauksessa jana, joiden pääepisee vasaava arvoja f( J 0 )± f( J) J J=J 0 J 0. (24) B.5 Miauslaieison ilasollinen arkisaminen Miauslaieison on oiseava radioakiivisen läheen läheämän säeilyvuon ilasollinen vaihelu virheeömäsi. Tukimalla säeilyä radioakiivisesa läheesä, jonka puoliinumisaika on pikä, ja miaamalla moneen keraan säeilyn ieyssä ajassa synnyämien pulssien lukumäärä X, havainosarjan ulee olla Poisson-jakauunu. Miauslaieison ilasollinen arkisaminen perusuu ällaiseen miaukseen. Mikäli miausulos ei ole Poisson-jakauunu, laieiso ei havaise virheeömäsi ilmaisimeen saapuvia hiukkasia ai kvaneja. Syynä voi olla esimerkiksi laskuriin uleva elekroniikan aiheuama hajapulssi, ai ulokse voiva väärisyä ilmaisimen hukka-ajan vuoksi (ks. luku A.4).