Skript
Skript
Skript
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
mit der GDGL<br />
und damit rekursiv<br />
p k+1 (t) = c(p k (t) − p k+1 (t)), p k+1 (0) = 0<br />
p k (t) = (ct)k e −ct .<br />
k!<br />
Sei nun t fest, λ = ct, dann gilt für die Zufallsvariable X, die die Anzahl der<br />
zerfallenden Teilchen im Zeitintervall t angibt,<br />
−λ λk<br />
p(X = k) = e<br />
k! .<br />
Nach der Herleitung erwarten wir, dass in einem Intervall der Länge t im Durchschnitt<br />
ct Zerfälle auftreten, tatsächlich gilt:<br />
E(X) = Var(X) = λ.<br />
Wir betrachten nun ein voll diskretes Modell in R 2 . Wir nehmen an, dass die gesamte<br />
radioaktive Verteilung im Einheitskreis liegt, der mit Pixeln diskretisiert<br />
ist. Sei ϕ i die Anzahl der Teilchen, die in einem Pixel in einer gegebenen Zeit<br />
zerfällt. ϕ i ist Realisierung einer Zufallsvariable mit der Poisson–Verteilung<br />
für k ∈ N. Es gilt<br />
p(ϕ i = k) = e −f i f k i<br />
k!<br />
E(ϕ i ) = f i<br />
und nach der Vorbemerkung ist f i proportional zur Länge des Zeitintervalls und<br />
zur Menge der Radioaktivität in Pixel i.<br />
Sei a ij die Wahrscheinlichkeit, dass ein im Pixel i emittiertes Teilchen auf der<br />
Messlinie L j gemessen wird, und sei A = (a ji ). Sei γ j die Zufallsvariable der<br />
Anzahl der gemessenen Teilchen auf Linie L j . Dann ist γ j wieder eine Poisson–<br />
verteilte Zufallsvariable. Im Durchschnitt werden aus Pixel i a ji f i Teilchen auf<br />
die Linie j emittiert, wir erhalten also für den Erwartungswert von γ j<br />
E(γ j ) = ∑ i<br />
a ji f i = (Af) j<br />
und damit ist der Parameter der Poisson–Verteilung bestimmt.<br />
Wie wahrscheinlich ist es, dass bei tatsächlich vorliegender Realisierung der<br />
Radioaktivitätsverteilung f ein Messvektor g gemessen wird? Wir haben gerade<br />
gesehen<br />
p(γ j = g j ) = e −λ λg j<br />
g j ! , λ = (Af) j.<br />
Unter der Annahme, dass die γ j unabhängig sind, ergibt sich also<br />
L(f) := p(γ = g|f) =<br />
n∏<br />
j=1<br />
93<br />
(Af) g j<br />
j<br />
g j !<br />
e −(Af) j<br />
=: L(f).