INSTRUMENTAO NUCLEAR

ESTATSTICA DE CONTAGEM
E
ESTIMATIVA DE ERRO

1
 Princpio

Decaimento radioativo um processo aleatrio, portanto sua medida

est sujeita flutuao estatstica.

Esta flutuao um fonte de incerteza.

Estatstica de contagem serve para duas finalidades:

1. Verificar se o funcionamento de equipamento est normal.
2. Estimar a incerteza associada medida.

2
 Caracterizao de dados
Dados: x1,x2,x3,,xN sendo xi valores inteiros
N
1
Mdia experimental: xe =
N
x
i =1
i Freqncia: F ( x) = n o de ocorrncias
N

3
 Dois conjuntos de dados

Concluso: a largura da
distribuio uma medida
relativa da flutuao dos
dados em torno da mdia.

4
 Caracterizao de dados
Dados Valores Ocorrncia Frequncia Val.*Freq.
8 1 0 0 0
5 2 0 0 0 0.25
12 3 1 0.05 0.15
10 4 0 0 0
13 5 1 0.05 0.25 0.2

7 6 2 0.1 0.6
9 7 2 0.1 0.7
10 8 4 0.2 1.6 0.15

6 9 2 0.1 0.9
11 10 3 0.15 1.5
14 11 1 0.05 0.55 0.1

8 12 2 0.1 1.2
8 13 1 0.05 0.65
0.05
3 14 1 0.05 0.7
9 0
12 0
6 1 2 3 4 5 6 7 8 9 10 11 12 13 14

10
8
7

mdia soma soma

xe = x F ( x)
8.8 1 8.8 x =0
5
 Varincia
Mdia do quadrado do desvio de cada ponto.
Medida efetiva da quantidade de flutuao nos dados originais,
N N
1
s 2
=
N
i=1
(xi x)2 =
i =1
(xi x)2F (x)

N
1
mdia real s 2
=
N 1

i =1
(x i xe )2
mdia
experimental

d = ( xi x e 6)
 Modelos estatsticos

Sob certas circunstncias possvel predizer a funo de distribuio que

descreveria o resultado de vrias repeties de certa medio.

Probabilidade
jogo sucesso
(p)

moeda cara 1/2

dados 6 1/6

Ncleo por
decair 1-e-t
tempo t

7
 Modelos estatsticos
1. Distribuio Binomial: Modelo geral e aplicvel aos processos de p
constante. Muito incmodo computacionalmente para decaimento
radioativo, devido ao elevado nmero de tomos.

2. Distribuio de Poisson: Simplificao da Binomial quando p

pequeno e constante. Esta condio implica em que o tempo de
observao pequeno comparado ao t1/2.

3. Distribuio Gaussiana ou Normal: Simplificao da Poisson quando

o nmero de sucessos for grande (>20). Modelo mais aplicado aos
problemas de contagem.

Os 3 modelos se tornam idnticos para processos

com p pequeno e grande nmero de sucessos.
8
 Distribuio Binomial

n! n x
P( x) = p (1 p)
x

(n x)! x!
Funo Probabilidade
distribuio de No. de tentativas No. de sucessos de sucesso em
probabilidade cada tentativa

9
Dist. Binomial - Jogar dado 10 vezes; sucesso : 3,4,5,6; p = 4/6=2/3
x P(x) x*P(x) (x-md)^2*P(x)

0 0.00002 0.00000 0.00075 0.30

1 0.00034 0.00034 0.01088 0.25

+
2 0.00305 0.00610 0.06639 0.20
3 0.01626 0.04877 0.21858 0.15
4 0.05690 0.22761 0.40464 0.10
5 0.13656 0.68282 0.37935 0.05
6 0.22761 1.36565 0.10116 0.00
7 0.26012 1.82086 0.02890 0 1 2 3 4 5 6 7 8 9 10

8 0.19509 1.56074 0.34683

x
9 0.08671 0.78037 0.47207
10 0.01734 0.17342 0.19268 varincia estimada
desvio padro
x = np
soma mdia=
2
= x (1 p)
2
1.00000 6.66667 2.22 1.491
n*p md*(1-p)
6.66667 2.22
= 2
10
 Distribuio de Poisson
Para probabilidade pequena e constante, a dist. Binomial reduzida a:

Probabilidade No. de tentativas

de sucesso em
cada tentativa
x pn
( pn) e
P( x) =
x! Muito til quando
Funo possvel estimar o valor
distribuio de mdio, mas no se sabe a
probabilidade No. de sucessos
probabilidade ou o
tamanho da populao.
x x
(x) e
como x = pn P ( x ) =
x! 11
Dist. Poisson 1000 pessoas; sucesso: aniverssrio; p=1/365
x P(x) x*P(x) (x-md)^2*P(x)
0.30
0 0.0646 0.00000 0.48480
0.25 +
1 0.1770 0.17695 0.53557
2 0.2424 0.48480 0.13264 0.20

3 0.2214 0.66412 0.01500 0.15

4 0.1516 0.60650 0.24083 0.10
5 0.0831 0.41541 0.42445
0.05
6 0.0379 0.22762 0.40325
7 0.0148 0.10394 0.26949 0.00
0 1 2 3 4 5 6 7 8 9 10
8 0.0051 0.04068 0.14070
9 0.0015 0.01393 0.06067 x
10 0.0004 0.00424 0.02235
11
12
0.00011
2E-05
0.00116
0.00029
0.007207
0.002068
x = np
13 5E-06 6.6E-05 0.000535
14 1E-06 1.4E-05
soma mdia
0.000126
2

=x 2

1.00000 2.73972 2.73969 1.66

n*p
2.73973 = = x 2
12
 Distribuio Gaussiana
Para p<<1 e constante, a dist. Binomial reduzida a Poisson;
Para p<<1 e mdia >20, a dist. Poisson reduzida a Gaussiana.

( x x )2

1
P( x) = 2x
e
2x
Funo
distribuio de
probabilidade
No. de sucessos

13
Gaussiana 10000 pessoas; sucesso: aniversrio; p=1/365
x P(x)
0.08
10 0.0003
0.07
+
13 0.0017 0.06
16 0.0071 0.05
19 0.0210 0.04
0.03
21 0.0361
0.02
24 0.0617 0.01
27 0.0760 0.00
30 0.0674 13 16 19 21 24 27 30 33 36 39 41

33 0.0430 x
36 0.0197
39 0.0065
41 0.00260 mdia
2
soma n*p
1.00000 27.3973 27.39726 5.23 14
 Verificao do funcionamento de equipamento

Um equipamento estar funcionando normalmente quando a distribuio

dos dados experimentais estiverem em acordo com a distribuio do
modelo estatstico.

0.25
s2=7.36 experimental
0.20
Poison
Esto 2=8.80
P(x) ou F(x)
0.15
suficientemente
prximos? 0.10

Esto 0.05
suficientemente
separados? 0.00
0 2 4 6 8 10 12 14 16 18 20
x
15
 Teste do Chi-quadrado

N
( N 1)s 2

(xi xe ) =
1

2 2

xe i =1 xe

p<0.02
flutuo
anormalmente grande

p>0.98
flutuao
anormalmente estreita

16
 Estimativa da preciso de medida nica

s = x x
2 2
s = x
2

Exemplo: x=100 = 100 = 10 x = 100 10

Probabilidade que a mdia
Intervalo
verdadeira esteja no intervalo
x 0.67 93.3 106.7 50%
x 90 110 68%
x 1.64 83.6 116.4 90%
x 2.58 74.2 125.8 99%

Somente pode ser aplicado a medida direta,

antes de efetuar qualquer clculo. 17
 Contagem de fonte  A = 10 /s; = 100%

Tempo de contagem Contagem = x %=
x
.100

1 10 3.16 31.6

10 100 10 10

100 1000 31.6 3.16

1000 10000 100 1

10000 100000 3160 0.316

100000 1000000 1000 0.1

18
 Propagao de erro

2
u 2 u 2 u 2
2 2

Equao geral: = x + y + z + ...

2

x y z
u

Soma ou subtrao de contagens:

u = x + y ou u = x y
u u
=1 ; = 1
x y
= (1) + (1)
2
u
2 2
x
2 2
y

u = + 2
x
2
y
19
 Propagao de erro
Multiplicao ou diviso de contagens:
u = xy u = x/ y
u u u 1 u x
=y ; =x = ; = 2
x y x y y y
2 2
1 2 x 2
= y +x
2
u
2 2
x
2 2
y = x + 2 y
2
u
y y
dividindo por u 2 = x 2 y 2 dividindo por u 2 = x 2 / y 2

u x y
2 2 2

= +
u x y

x y
2 2

u = u +
x y
20
 Propagao de erro

Multiplicao por constante: u = A x

x
Diviso por constante: u =
A

Mdia: = x1 + x2 + ... + x N
= + + ... +
2

2
x1
2
x2
2
xN

como : = x1 =
2
x1
2

x
x= x =
N N
21
 Exerccio

Uma amostra foi medida 100 vezes, a varincia da distribuio foi de

2%. Estimar a varincia para 1000 repeties.

22
 Exerccio
Indique as medidas nas quais o raiz da medida a estimativa do desvio
padro:

a) 1 min de contagem
b) 5 min de contagem
c) Contagem lquida de 1min aps
subtrao de bg.
d) Taxa de contagem em ctg/s baseado
em 100 medidas
e) Mdia de 5 ctg sequenciais
f) Soma de 5 ctg sequenciais

23
 Exerccio
Os resultados a seguir foram obtidos com o mesmo detector sob as
mesms condies. Aplique o teste de Chi-quadrado para verificar se
esto em acordo com a distribuio de Poisson.
3626 3711 3677 3678 3465 3731 3617 3630 3624 3574
3572 3572 3615 3652 3601 3689 3578 3605 3595 3540
3625 3569 3591 3636 3629

24