Xử lý thống kê số liệu trong

phép đo phóng xạ

1
 Các chủ đề
• Tổng quan
• Đặc trưng của tập số liệu trong đo đạc bức xạ
• Các mẫu thống kê– (1) Nhị thức (Binominal), (2)
Poisson, (3) và phân bố chuẩn (Gaussian)
• Ứng dụng
1. Kiểm tra hệ đếm (X2-test)
2. Ước lượng độ chính xác phép đo
3. Tối ưu phép đếm
4. Giới hạn phát hiện độ phóng xạ yếu (MDA)

2
1.1. Tổng quan
• Phép đo  sai số:
- Sai số hệ thống
- Sai số ngẫu nhiên
• Sai số hệ thống: xuất hiện liên tục theo quy luật nào đó 
loại trừ
• Sai số ngẫu nhiên: tồn tại ngẫu nhiên  thăng giáng
• Khi đo đạc các giá trị tập trung quanh một giá trị xác định
nào đó:
Ý nghĩa
- Kiểm tra chức năng bình thường của thiết bị
- Khi phép đo duy nhất  tiên đoán độ chính xác

3
1.1. Tổng quan
• Sự kiện ngẫu nhiên: có thể/không xảy ra ở một bộ điều kiện
nào đó
• Xác suất của sự kiện ngẫu nhiên: đặc trưng khả năng xuất
hiện sự kiện khi thử
+ Đ/n cổ điển:
𝑚
𝑃 𝐴 = (1-1a)
𝑛
+ Đ/n thống kê:
𝑚
𝑃 𝐴 = lim (1-1b)
𝑁→∞ 𝑛
P(A): Xác suất xuất hiện đại lượng ngẫu nhiên A.
m: số lần xuất hiện đại lượng A
n: tổng số các trường hợp đồng khả năng
N: tổng số phép thử cùng loại
4
1.1. Tổng quan

• Tổng 2 xác suất:

𝑃 𝐴+𝐵 =𝑃 𝐴 +𝑃 𝐵 (1-2)
A, B: hai sự kiện độc lập
P(A), P(B): xác suất xuất hiện sự kiện A, và sự kiện B
P(A+B): xác suất xuất hiện 1 trong 2 sự kiện A hoặc B

• Tích 2 xác suất

𝑃 𝐴. 𝐵 = P(A).P(B) (1-3)
P(A.B): xác suất xuất hiện 2 sự kiện A, B cùng lúc

5
1.2. Đặc trưng của tập số liệu
• Phân rã phóng xạ là quá trình ngẫu nhiên trong tự nhiên.
Bất kỳ phép đo bức xạ nào từ nguồn phóng xạ cũng là đại
lượng phụ thuộc vào độ biến động thống kê.

6
• Do đó, để có một mô tả thích hợp về một giá trị đo được(=
số đếm, tốc độ đếm, hoạt độ, …), ta có thể ước tính và xác
định độ thăng giáng thống kê của một giá trị đo được (= sai
số thống kê, độ lệch thống kê, độ chính xác).

• Trong thực nghiệm, thống kê số đếm được sử dụng cho:

1. Kiểm tra hệ đếm (X2-test)
2. Ước lượng độ chính xác phép đo
3. Tối ưu phép đếm
4. Giới hạn phát hiện độ phóng xạ yếu (MDA)

7
1.2.1. Trung bình thực nghiệm
• Giả sử có N phép đo độc lập của đại lượng x.
x1, x2, x3, … xN

• Ta có thể dễ dàng tính được tổng và trung bình thực

nghiệm.
𝑁

Tổng: Σ = ෍ 𝑥𝑖 = 𝑥1 + 𝑥2 + 𝑥3 + ⋯ + 𝑥𝑁 (1-4)
𝑖=1

Σ 𝑥1 + 𝑥2 + 𝑥3 + ⋯ + 𝑥𝑁
Trung bình thực nghiệm: 𝑥lj 𝑒 =
𝑁
=
𝑁 (1-5)

8
• Trung bình thực nghiệm là một trong những cách đơn
giản nhất để mô tả tập hợp dữ liệu, nhưng không đủ
trong hầu hết các trường hợp vì không cung cấp được
chất lượng của tập dữ liệu.
• Một cách khác để mô tả tập dữ liệu là sử dụng hàm tần
số phân bố F(x), mô tả sự phân bố của dữ liệu một cách
chi tiết. Giá trị của F(x) là tần số tương đối - số lần giá
trị x xuất hiện trên tổng số lần đo.

𝑆ố 𝑙ầ𝑛 𝑥𝑢ấ𝑡 ℎ𝑖ệ𝑛 𝑔𝑖á 𝑡𝑟ị 𝑥

𝐹(𝑥) ≡ (1-6)
𝑇ổ𝑛𝑔 𝑠ố 𝑙ầ𝑛 đ𝑜 𝑁

9
 Ví dụ
• Cho tập phép đo gồm 20 giá trị, trong vùng từ 3 đến 14.

Dữ liệu Hàm tần số phân bố

10
Hàm tần số phân bố

11
1.2.2. Tính chất của F(x)
∞

• ෍ 𝐹(𝑥) = 1 (1-7) (T/c chuẩn hóa)

0

• Hình dạng của hàm tần số phân bố cho ta biết độ biến động
của tập dữ liệu.
• Trung bình thực nghiệm có thể được tính bằng F(x):

𝑥lj 𝑒 = ෍ 𝑥𝐹(𝑥) (1-8)
0

12
Phân bố hẹp Phân bố rộng

13
• Phương sai: được đo bằng độ rộng của phân bố, hoặc độ
phân tán của tập dữ liệu.
𝑁 𝑁
1 1
2
𝑠 = ෍ 𝑥𝑖 − 𝑥lj 2
≈ ෍ 𝑥𝑖 − 𝑥lj 𝑒 2 (1-9)
𝑁 𝑁−1
𝑖=1 𝑖=1

• Phương sai cũng có thể được tính từ hàm F(x) bởi nó là

trung bình của bình phương độ lệch
∞ ∞
𝑁
𝑠 2 = ෍ 𝑥 − 𝑥lj 2 𝐹(𝑥) = ෍ 𝑥 − 𝑥lj 𝑒 2 𝐹(𝑥)
𝑁−1
𝑥=0 𝑥=0

= 𝑥 2 − (𝑥)ҧ 2 (1-10)
• Căn bậc hai của phương sai được gọi là độ lệch chuẩn của
mẫu (s), và nó được đo là “độ lệch riêng” của bất kỳ phép
đo nào từ giá trị trung bình thực.
14
1.3. Các phân bố thống kê
• Phân bố nhị thức
• Phân bố Poisson
• Phân bố Gauss (= Phân bố chuẩn)

• Những mẫu phân bố này cung cấp hàm xác suất phân bố
dự kiến P(x), là hàm tương tự với hàm tần số phân bố F(x).
– F(x): kết quả thực nghiệm (dữ liệu), liên quan tới 𝑥ഥ𝑒, s2, s
– P(x): dự kiến lý thuyết, liên quan tới 𝑥,ҧ σ2, σ

15
1.3.1. Phân bố nhị thức
a) Phân bố:
Đây là phân bố chung được áp dụng rộng rãi nhất cho các quá
trình có xác suất xảy ra là hằng số.
VD:
Giả sử hộp bóng đen + trắng: tính xác suất để lấy được m lần
bóng đen trong n lần rút bóng
Gọi p: xác suất thành công rút bóng đen
Xác suất rút được m bóng đen:
pm(1-p)n-m
Tuy nhiên: có 𝐶𝑛𝑚 phương án
 Xác suất lấy được m bóng đen là:
Pn(m)= 𝐶𝑛𝑚 pm(1-p)n-m (1-11) 16
1.3.1. Phân bố nhị thức (tiếp)
Ví dụ về xúc xắc
• Giả sử ta có một con xúc xắc với xác suất đổ mỗi mặt là
như nhau.
• Xác định xác suất xuất hiện một trong các mặt 3, 4, 5, hoặc
6.
• Bởi vì kết quả cần xuất hiện 4 mặt trong tổng số 6 mặt, xác
suất thành công của 1 lần đổ là p = 4/6 hay 0.667.
• Chúng ta đổ 10 lần và ghi lại số lần thành công.

• Phân bố nhị thức cho phép ta tính được xác suất thành
công chính xác x lần trong 10 lần đổ.
17
1.3.1. Phân bố nhị thức (tiếp)
• Ví dụ, xác suất thành công 4 lần trong 10 lần đổ xúc xắc?
𝑛!
𝑃(𝑥) = 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥
(𝑛 − 𝑥)! 𝑥!
10!
= 0.667𝑥 (1 − 0.667)10−𝑥
(10 − 𝑥)! 𝑥!

• x = 4,
10!
𝑃(4) = 0.6674 (1 − 0.667)10−4 = 0.0569
(10 − 4)! 4!

• Chúng ta có thể lặp lại tính toán cho các giá trị x khác và
xây dựng lại toàn bộ phân bố. 18
1.3.1. Phân bố nhị thức (tiếp)

• Đây là hàm phân bố xác suất.

• 7 là số lần thành công có khả năng lớn nhất từ 10 lần đổ xúc
19
sắc với 26% phân bố.
1.3.1. Phân bố nhị thức (tiếp)

• Tương tự của phân rã hạt nhân với phân bố nhị thức?

• Hạt nhân phóng xạ ở 2 trạng thái “phân rã” hoặc “không phân
rã”
Số phép thử  Tổng số hạt nhân trong mẫu
Đo đạc  Đếm số hạt nhân đã phân rã

• Do đó, ta có thể sử dụng mẫu phân bố nhị thức (và các phiên
bản đơn giản của nó) để mô tả độ thăng giáng thống kê của
phân rã phóng xạ.

20
1.3.1. Phân bố nhị thức (tiếp)
ÁP dụng phân bố nhị thức:
• Nếu một mẫu gồm n hạt nhân với xác suất phân rã thành
công p, như vậy xác suất dự kiến để thu được chính xác x
phân rã là:
𝑛!
𝑃(𝑥) = 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥
(𝑛 − 𝑥)! 𝑥! (1-12)

 Phân bố nhị thức trong vật lý hạt nhân.

• Chú ý: P(x) là ‘hàm phân bố xác suất dự kiến’, và được xác
định chỉ bởi các giá trị nguyên của n và x.

21
b) Tính chất
∞

• ෍ 𝑃(𝑥) = 1 (T/c chuẩn hóa)

0
∞

• 𝑥lj = ෍ 𝑥𝑃(𝑥) (Tương tự 1-8)

0

• Nếu chúng ta khai triển biểu thức hàm phân bố P(x) và rút
gọn biểu thức, ta được:
𝑥lj = 𝑝𝑛 (1-13)  Trung bình của phân bố
• Trong ví dụ về xúc xắc của chúng ta, giá trị trung bình của
phân bố:
𝑥lj = 𝑝𝑛 = 0.667 × 10 = 6.67

22
• Phương sai dự kiến (σ2):
𝑁

𝜎 2 = ෍ 𝑥 − 𝑥lj 2 𝑃(𝑥) (1-14)
𝑖=1

• Khai triển biểu thức với hàm phân bố P(x), ta được:

𝜎 2 = 𝑛𝑝(1 − 𝑝)

• Do 𝑥lj = 𝑝𝑛 , ta có thể viết:
𝜎 2 = 𝑥(1
lj − 𝑝)
𝜎 = 𝑥(1 lj − 𝑝) (1-15)
“độ lệch chuẩn dự kiến”

23
• Với ví dụ đổ xác sắc, ta có thể tính được phương sai và độ
lẹch chuẩn là:
𝜎 2 = 𝑛𝑝(1 − 𝑝) = (10)(0.667)(1 − 0.667) = 2.22
𝜎 = 𝜎 2 = 2.22 = 1.49

24
Hạn chế:

• Để sử dụng mẫu phân bố nhị thức ta cần phải biết cả n và p

ഥ và p).
(hay, 𝒙
• Tuy nhiên, trong đo đạc hạt nhân, chúng ta thường không
biết n (= số nguyên tử trong mẫu) hay p (= xác suất phân rã
và ghi nhận trong một đơn vị thời gian).
• Nếu n là rất lớn, Giai thừa tính toán là không thể (Ví dụ,
máy tính cầm tay có thể tràn bộ nhớ với 2000!).

 Thường không sử dụng trong các ứng dụng đếm hạt nhân.

25
1.3.2. Phân bố Poisson
• Mẫu phân bố này là một mẫu gần đúng toán học (trực tiếp)
của phân bố nhị thức với điều kiện xác suất thành công p là
rất nhỏ (p << 1) và là hằng số.
• Trong thực nghiệm, điều kiện này ngụ ý rằng ta chọn thời
gian ghi nhận phải rất nhỏ so với chu kỳ rã nửa của nguồn.
• Như vậy, số hạt nhân phóng xạ còn lại trong mẫu được coi
là không đổi trong suốt quá trình ghi nhận, và xác suất ghi
nhận một số đếm từ một hạt nhân trong mẫu là nhỏ.
𝑡
1 𝑇1/2
• Phân bố nhị thức sẽ trở thành: 𝑝=1− 𝑒 −𝜆𝑡 =1−
2
𝑥lj 𝑥 𝑒 −𝑥lj
𝑃(𝑥) =
𝑥! (1-16)
26
a) Thành lập phân bố
𝑛!
𝑃(𝑥) = 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥
(𝑛 − 𝑥)! 𝑥!

𝑛 𝑛−1 … 𝑛− 𝑥−1
= 𝑝 𝑥 (1 − 𝑝)𝑛 (1 − 𝑝)−𝑥
𝑥!
𝑛𝑝 𝑛 − 1 𝑝 𝑛 − 2 𝑝 … 𝑛 − 𝑥 − 1 𝑝 (1 − 𝑝)𝑛
=
𝑥! (1 − 𝑝)𝑥
p<<1 (p  0); n.p >> p:
(n-1)p ≈ np
(1-p)x ≈ 1 𝑥ҧ 𝑥 −𝑥ҧ
(1-p)n ≈ e-np 𝑃 𝑥 = 𝑒
Chú ý: 𝑥ҧ = np (phân bố nhị thức) 𝑥!

27
• Nhắc lại, phân bố nhị thức cần biết 2 đại lượng: tổng số
phép thử/tổng số hạt nhân trong mẫu (n) và xác suất thành
công của 1 sự kiện đơn lẻ (p), hay, giá trị trung bình 𝑥ҧ và p.
• Phân bố Poisson đưa tới sự đơn giản hóa phân bố nhị thức
– chỉ cần biết một giá trị (ഥ
𝒙, giá trị trung bình) để xác định
phân bố.

- Chỉ cần biết giá trị trung bình của phân bố để xây dựng
tất cả các giá trị khác
- Trong thực nghiệm, xác định giá trị trung bình dễ dàng
bằng cách lặp lại thực nghiệm vài lần (tuy nhiên xác
định n và p rất khó).

28
 Ví dụ:

• Giả sử ta chọn ngẫu nhiên một nhóm 1000 người và xác

định phép đếm là tính số người có ngày sinh nhật vào thời
điểm hiện tại trong tất cả mọi người.

• Như vậy ta có tổng số 1000 phép thử, mỗi phép thử thành
công chỉ khi người đó có ngày sinh nhật là hôm nay.

• Vì nhóm người chọn là ngẫu nhiên, ngày sinh nhật là đại

lượng ngẫu nhiên với xác suất thành công p = 1/365.

• Do p << 1  sử dụng phân bố Poisson.

29
30
• P(x) cho xác suất dự kiến x người sinh nhật ngày hôm nay
từ nhóm ngẫu nhiên 1000 người.
• Các giá trị được in ra trong hình chỉ ra rằng x = 2 là kết quả
có xác suất lớn nhất.
• Giá trị trung bình 2.74 và độ lệch chuẩn 1.66 cũng được
biểu diễn trên hình.
• Phân bố tương đối tập trung gần như đối xứng xung quanh
giá trị trung bình mặc dù giá trị trung bình nhỏ (phân bố đối
xứng hơn khi giá trị trung bình lớn hơn).
 Phân bố Poisson trở thành phân bố Gauss khi giá trị trung
bình lớn.

31
b) Tính chất
∞

• ෍ 𝑃(𝑥) = 1 (T/c chuẩn hóa)

0
∞

• 𝑥lj = ෍ 𝑥𝑃(𝑥) = 𝑝𝑛
0
𝑁

• 𝜎 2 = ෍ 𝑥 − 𝑥lj 2 𝑃(𝑥) = 𝑝𝑛 = 𝑥lj (1-17)
𝑖=1

𝜎 = 𝑥lj
• (1-18)
 quan trọng trong thực nghiệm!!!
𝜎 1
 Sai số tương đối: 𝛿 = = : càng nhỏ khi giá trị đo
𝑥ҧ 𝑥ҧ
càng lớn.  Số đếm ghi nhận để đạt sai số xác định.
• Nếu x quá lớn, tính toán là không thể ( giai thừa quá lớn).
32
Áp dụng cho phân rã phóng xạ:
N(t) = Noe-t
Xác suất 1 hạt nhân không phân rã: e-t
Xác suất hạt nhân phân rã trong thời gian t: p = 1- e-t
Áp dụng phân bố nhị thức:
− 𝑒 −𝑡 )𝑥 (𝑒 −𝑡 )𝑁𝑜 −𝑥
𝑁𝑜 !
𝑃𝑁𝑜 𝑥 = (1
𝑁𝑜 −𝑥 !𝑥!
Nếu t << 1 (thời gian đo ngắn, chu kỳ bán rã lớn):
e-t ≈ 1 - t
 p ≈ t; 𝑥ҧ = np = Not.
− 𝑒 −𝑡 )𝑥 𝑒 −𝑡𝑁𝑜 𝑒 𝑡𝑥
𝑁𝑜 𝑥
𝑃 𝑥 ≈ (1
𝑥!

− 1)𝑥 𝑒 −𝑡𝑁𝑜
𝑁𝑜 𝑥 𝑥ҧ 𝑥 −𝑥ҧ
≈ (1 + 𝑡 = 𝑒
𝑥! 𝑥!
33
1.3.3. Phân bố chuẩn Gauss
• Phân bố Poisson là thể đơn giản hóa của phân bố nhị thức
với giả thiết xác suất thành công rất nhỏ p <<1.
• Nếu thêm vào, giá trị trung bình của phân bố là tương đối
lớn (ví dụ, > 25 hay 30), phân bố Poison có thể được biểu
diễn đưới dạng phân bố Gauss.

1 𝑥−𝑥lj 2
−
𝑃(𝑥) = 𝑒 2𝑥lj
2𝜋𝑥lj
(1-19)

• Đây là hàm phân bố được xác định khi biết các giá trị
nguyên của x.

34
a) Thành lập phân bố:
𝑥ҧ 𝑥 −𝑥ҧ
𝑃 𝑥 = 𝑒
𝑥!

Giả sử: n rất lớn; p << 1 (p  0)

Áp dụng gần đúng Laplace:
𝑛 −𝑛 1 1
𝑛! = 2𝜋𝑛. 𝑛 . 𝑒 (1 + + +⋯)
12𝑛 288𝑛2

Do n lớn, bỏ qua từ số hạng thứ 2 trong ngoặc.

𝑥ҧ 𝑥 −𝑥ҧ 1 𝑥ҧ 𝑥 (𝑥−𝑥)ҧ
𝑃 𝑥 = 𝑒 ≈ ( ) 𝑒
𝑥! 2𝜋𝑥 𝑥

35
Ta có:
𝑥 − 𝑥ҧ = 𝜀 << 1 (lân cận giá trị trung bình)
1 1
≈
2𝜋𝑥 2𝜋𝑥ҧ
ഥ 𝑥
𝑥ҧ 𝑥 𝑙𝑛
𝑥
1 ҧ
𝑥+𝜀
=𝑒 𝑥 = 𝜀
𝑥 1+𝑥ഥ
𝜀2
𝑥ҧ 𝑥 − 𝜀+ ഥ
 ≈𝑒 2𝑥
𝑥
𝜀2
1 −2𝑥ഥ
𝑃 𝑥 = .ҧ 𝑒 −𝜀 .𝑒 . 𝑒𝜀
2𝜋𝑥
2
ഥ 2
𝑥−𝑥 𝑥−𝜎2
1 − 1 −
= 𝑒 ഥ
2𝑥 = 𝑒 2𝜎2
2𝜋𝑥ҧ 𝜎 2𝜋

36
Ví dụ:
• Ta trở lại ví dụ về ngày sinh nhật ở phần trước với nhóm
người là 10,000 người.
• Ta có, p = 1/365 và n = 10,000, do đó giá trị trung bình dự
kiến của phân bố là np = 27.4.
• Do giá trị trung bình đủ lớn, ta có thể áp dụng phân bố
Gauss cho việc đánh giá phân bố.
1 𝑥−27.4 2
− 2×27.4
𝑃(𝑥) = 𝑒
2𝜋 × 27.4

37
• Biểu thức trên sẽ cho phân bố có “dạng chuông” sau đây:

“hình chuông”

• Độ lệch chuẩn dự kiến là:

𝜎 = 𝑥lj = 27.4 = 5.23

• Phân bố này là đối xứng quanh giá trị trung bình.

• Các giá trị của hàm P(x) đối với các giá trị liền kề của x
chênh lệch không lớn. Vì vậy, ta có thể coi phân bố là liên
tục. 38
b) Tính chất
∞

• ෍ 𝑃(𝑥) = 1 (T/c chuẩn hóa)

0

• 𝑥lj = ෍ 𝑥𝑃(𝑥) = 𝑝𝑛 “Giống như các tính chất

0 của phân bố Poisson”
𝑁

• 𝜎 2 = ෍ 𝑥 − 𝑥lj 2 𝑃(𝑥) = 𝑝𝑛 = 𝑥lj
𝑖=1

• 𝜎 = 𝑥lj

39
 Điểm uốn
Phân bố Gauss

• Vùng xanh đậm biểu diễn giá trị nằm lệch với giá trị trung
bình 1 độ lệch chuẩn. Trong phân bố Gauss, những giá trị
này chiếm khoảng 68% (chính xác hơn 68.3%) của toàn bộ
các giá trị đo. Vùng mở rộng hết màu xanh vừa, biểu diễn
giá trị lệch 2 lần độ lệch chuẩn, chiếm 95% (chính xác
95.4%), và 3 độ lệch chuẩn (toàn bộ vùng xanh) chiếm
99.7%.
 Chỉ chọn các giá trị đo nằm trong khoảng 𝑥ҧ ± 3𝜎
40
• Quy tắc nói trên được gọi là quy tắc 68-95-99.7 , hay quy
tắc thực nghiệm, hoặc là quy tắc 3-sigma.

“Vùng giá trị 𝑥ҧ ± 𝜎 sẽ chứa x (giá trị ngẫu nhiên của mẫu)
với xác suất 68%”

41
1.4. Sai số của hàm
Thông thường giá trị đo được trong thực nghiệm hạt nhân
không phải do 1 nguyên nhân: phân rã, phông, nhiễu …
 Là hàm của nhiều giá trị độc lập nhau.
Gọi U là hàm của nhiều biến U(x, y, z, l, m, …)

2 𝜕𝑈 2 𝜕𝑈 2 𝜕𝑈 2
𝜎𝑈 = 𝜎𝑥 2 + 𝜎𝑦 2 + 𝜎𝑧 2 +…
𝜕𝑥 𝜕𝑦 𝜕𝑧

42
1.4.1. Sai số đếm khi có phông
Gọi 𝑁𝑡 : số đếm nguồn
𝑁𝑃 : số đếm phông (thu được)
𝑁
ഥ = 𝑁𝑡 + 𝑁𝑃 : số đếm tổng cộng (thu được)

 𝜎𝑁 = 𝜎𝑁𝑡 2 + 𝜎𝑁𝑃 2 = 𝑁𝑡 + 𝑁𝑃 (1-20)

Sai số của phép đo là tổng sai số của tất cả các thành phần tham
gia.
Số đếm thực: Nt = N – NP

Sai số: 𝜎= 𝑁 + 𝑁𝑃
43
Ví dụ

• Cho u = x – y, với x, y là những đại lượng đo trực tiếp

𝜕𝑢 𝜕𝑢
→ = 1 và = −1
𝜕𝑥 𝜕𝑦
• Do x và y đo được trực tiếp,

→ 𝜎𝑥 = 𝑥 và 𝜎𝑦 = 𝑦
2 2
𝜕𝑢 𝜕𝑢
𝜎𝑢 2 = 2
𝜎𝑥 + 𝜎𝑦 2
𝜕𝑥 𝜕𝑦

44
 → 𝜎𝑢 2 = (1)2 𝜎𝑥 2 + (−1)2 𝜎𝑦 2
→ 𝜎𝑢 = 𝜎𝑥 2 + 𝜎𝑦 2
= 𝑥+𝑦

• Giả sử: Số đếm tổng = 1071, Số đếm phông = 521

u = x – y = 550
𝜎𝑢 = 𝑥+𝑦 = 1,592 ≅ 40

• Như vậy:
Số đếm thực = 550  40

45
1.4.2. Sai số đo tốc độ đếm
Gọi n: tốc độ đếm cần tìm
𝑁 ഥ
𝑁
𝑛= → 𝑛ത =
𝑡 𝑡

𝜎𝑁 𝑁ഥ 𝑛ത
 𝜎𝑛 = = =
𝑡 𝑡 𝑡
Nếu có đếm phông: NP, tP, nP:
𝑁𝑡 𝑁𝑃
ഥ
𝑛 = 𝑛𝑡 − 𝑛𝑃 = −
𝑡 𝑡𝑃

𝑛𝑡 𝑛𝑃 1 𝑛𝑡 𝑛𝑃
 𝜎𝑛 = + → 𝛿= + (1-21)
𝑡 𝑡𝑃 𝑛𝑡 −𝑛𝑃 𝑡 𝑡𝑃

46
 Ví dụ
• Cho: số đếm = 1120, thời gian đếm= 5 sec

1120 1120
𝑇ố𝑐 độ đế𝑚 = ±
5 5

= 224  6.7 số đếm/s

47
1.4.3. Sai số của số đếm trung bình
Giả sử việc đếm lặp lại k lần trong thời gian như nhau N1, …, Nk
Giá trị trung bình:
1
ഥ=
𝑁 σ𝑘𝑖=1 𝑁𝑖
𝑘
1 1 ഥ
𝑁 𝜎2
𝜎𝑁2ഥ = σ𝑘
𝜎 2
= σ 𝑘
𝑁 = = (1-22)
𝑘 2 𝑖=1 𝑁𝑖 𝑘 2 𝑖=1 𝑖 𝑘 𝑘
 Phương sai của trung bình số học nhỏ hơn k lần phương sai
của tập số liệu.
- Sự khác biệt của độ lệch chuẩn:
: đặc trưng cho tính thống kê của đại lượng (thuộc về bản chất
hiện tượng).
𝜎𝑥ҧ giảm theo k  nếu muốn giá trị trung bình càng tiến gần đến
giá trị thực chưa biết thì cần tăng số lần đo.
48
 Ví dụ
• Những số đếm dưới đây được ghi dưới cùng một điều kiện
ghi nhận. Giá trị trung bình và sai số thống kê của giá trị
trung bình là bao nhiêu?
3626, 3711, 3677, 3678, 4465,
3731, 3617, 3630, 3624, 3574

Giải:
𝑥lj = 3733.3
3733.3 ± 19.3
𝑥lj 3733.3
∴ 𝜎𝑥lj = = = 19.3
𝑁 10

49
1.4.4. Tỷ số hai số đếm
Gọi N1, N2: hai số đếm độc lập, tại 2 thời điểm, từ 2 nguồn phóng
xạ có A1, A2.
Giả sử:
𝑁1
𝑅=
𝑁2
Ta có, u = x / y

𝜕𝑢 1 𝜕𝑢 −2
𝑥
= , = 𝑥 (−𝑦 ) = − 2
𝜕𝑥 𝑦 𝜕𝑦 𝑦

Từ biểu thức tính sai số,

1 𝑥 1 𝑥 2
𝜎𝑢2 = ( )2 𝜎𝑥2 + (− 2 )2 𝜎𝑦2 = 2 𝜎𝑥2 + 4 𝜎𝑦2
𝑦 𝑦 𝑦 𝑦

50
• Chia cả hai vế cho:
𝑢2 = 𝑥 2 /𝑦 2

2
𝜎𝑢 2 𝜎𝑥 2 𝜎𝑦 2 𝜎𝑢 2 𝜎𝑥 2 𝜎𝑦
= 2 + 2 = +
 𝑢2 𝑥 𝑦 𝑢 𝑥 𝑦

• Do đó,

𝜎𝑅 2 𝜎𝑁1 2 𝜎𝑁2 2 1 1
 = + ≈ + (1-23)
𝑅 𝑁1 𝑁2 𝑁1 𝑁2

51
 Ví dụ
• Cho:
Hoạt độ nguồn 1 (N1) = 16265
Hoạt độ nguồn 2 (N2) = 8191

• Tính tỷ số hoạt độ (R):

R = N1/N2 = 16265 / 8192 = 1.985
𝜎𝑅 2 1 1
• = +
𝑅 𝑁1 𝑁1

1 1
= + = 1.835 × 10−4
16265 8192

52
 𝜎𝑅
= 0.0135
𝑅
𝜎𝑅 = 0.0135𝑅 = (0.0135)(1.985) = 0.027

• Như vậy ta có:

R=1.985±0.027

53
 Kiểm tra hệ đếm
• Giả sử ta cần kiếm tra hệ đếm có làm việc bình thường
hay không.
• Với việc này ta thường lặp lại phép đo từ 20-50 lần sử dụng
hệ đếm đó
• Áp dụng quy trình thử tính Chi-bình phương (Χ2) để xác
định có thăng giáng hay không với nhiều phép đo.
• VD:
98 98 98 98 98 98 98 ….
 hệ bình thường ???

54
• Bằng cách sử dụng phép thử Chi-bình phương (Χ2), ta có
thể dễ dàng xác định hệ đếm có bị lỗi hay không.

55
Phép thử Chi-bình phương (X2)
• Bước 1: Tính giá trị Chi-bình phương
𝑁
1 (𝑁 − 1)𝑠 2
𝜒 2 ≡ ෍ 𝑥𝑖 − 𝑥lj 𝑒 2 =
𝑥lj 𝑒 𝑥lj 𝑒
𝑖=1

𝑁
2
1 2
∵ 𝑠 = ෍ 𝑥𝑖 − 𝑥lj 𝑒
𝑁−1
𝑖=1

• Bước 2: Xác định giá trị p dựa trên giá trị Chi-bình phương
tính được.

• Bước 3: Ra quyết định.

– Nếu p quá nhỏ (< 0.02)  thăng giáng quá lớn
– Nếu p quá lớn (> 0.98)  Thăng giáng quá nhỏ
56
 Ví dụ
• Bảng 3-1
𝑥1 + 𝑥2 + 𝑥3 +. . . . +𝑥𝑁
𝑥lj 𝑒 = = 8.8
𝑁
𝑁
1
𝑠2 = ෍ 𝑥𝑖 − 𝑥lj 𝑒 2
= 7.36
𝑁−1
𝑖=1

(𝑁 − 1)𝑠 2 (20 − 1) × 7.36

𝜒2 = = = 15.89
𝑥lj 𝑒 8.8

• Xem “bảng phân bố Chi-bình phương” (trang tiếp)

𝑝 = 0.5 ∼ 0.75 → 𝑂𝐾

57
Bảng phân bố Chi-bình phương

Chú ý: d.f. (degree of freedom) = bậc tự do = N - 1 58

1.5. Ước lượng độ chính xác phép đo
riêng lẻ

• Ta đã biết phương sai mẫu (s2) được xác định từ tập số liệu
đo đạc (lặp lại phép đo nhiều lần) như sau:
𝑁
1
𝑠2 = ෍ 𝑥𝑖 − 𝑥lj 𝑒 2
𝑁−1
𝑖=1

• Vậy, giả sử ta chỉ thực hiện phép đo 1 lần. Trong trường

hợp này ta có thế xác định s2?

 Đáp án là: CÓ,… nhưng không thể tính trực tiếp (do phép
đo chỉ được thực hiện 1 lần).
59
• Ước lượng giá trị phương sai dựa trên các mẫu phân bố
thống kê.

• Do chỉ có giá trị của 1 phép đo (x) mà không có thông tin

khác

 Giả thiết rằng giá trị của trung bình phân bố thống kê chính
là bằng giá trị ta thu được.

– Giả thiết này không quá kém khi giá trị x lớn (vd: > 50).

• Với giá trị trung bình này, ta lập hàm phân bố xác suất P(x)
cho tất cả mọi giá trị của x.

60
• Độ lệch chuẩn dự kiến (σ) của phân bố:
𝜎= 𝑥

• Giả thiết: nếu tập dữ liệu mô tả cùng một phân bố, độ lệch
chuẩn của mẫu (s) trong tập dữ liệu có thể xấp xỉ bằng độ
lệch chuẩn dự kiến (σ) trong phân bố.

𝑠≅𝜎

• Vì vậy, có thể kết luận công thức ước lượng tốt nhất cho độ
lệch chuẩn của mẫu:

𝑠≅ 𝑥

61
• Nếu hàm xác suất phân bố (giả thiết) là hàm chuẩn Gauss
(giá trị x lớn), vùng của giá trị x ± σ sẽ chứa “giá trị trung
bình thực (𝑥)”ҧ với xác suất khoảng 68%. 𝑥± 𝑥
– Chú ý: Do giá trị trung bình được giả thiết là lớn, ta sẽ không mong
muốn sự khác biệt lớn giữa giá trị trung bình và bất kỳ phép đo x
riêng lẻ nào. Vì vậy, ta có thể thay thế giá trị trung bình (𝑥)ҧ và giá trị
x trong câu dưới đây mà không ảnh hưởng nhiều đến kết luận
chung.
𝑥lj ± 𝑥lj

“Vùng giá trị 𝑥ҧ ± 𝜎 sẽ chứa x (giá trị ngẫu nhiên của mẫu) với xác
suất 68%”

• Ví dụ, giả thiết ta thu được giá trị của phép đo riêng lẻ x =
100, như vậy, độ lệch chuẩn của mẫu (s) được xác định là
10, và giá trị trung bình thực sẽ nằm trong khoảng 100 ± 10
(tức là 90–110) với xác suất 68%, trong khoảng 100±20 với
xác suất 95%, và trong khoảng 100±30 với xác suất 99.7%.
62
 Hệ số độ lệch chuẩn

100 → 100 ± 10
10000 → 10000 ± 100

• Hệ số độ lệch chuẩn (“sai số tương đối”) của các giá trị trên
được tính như sau:


x
  for x 100
10% với
với x10000
1% for

• Vì thế, số đếm càng lớn thì độ chính xác của phép đếm
càng cao  thời gian đo lâu.

63
 Ghi nhớ: Sai số phép đo gián tiếp
• Ở các phần trên ta đã xem xét sai số thống kê của đại
lượng đo được trực tiếp (= số đếm).
• Ta cũng đã xác định độ bất định của “đại lượng gián tiếp” từ
hai hay nhiều đại lượng trực tiếp.
• Ví dụ, khi ghi đo nguồn bức xạ, nếu số đếm tổng cộng =
1071 và số đếm phông = 521, như vậy ta có thể dễ dàng
tính số đếm nguồn như sau:
Ns = 1071 - 521 = 550
• Chú ý: sai số (thăng giáng) của số đếm nguồn?
 Cần sử dụng các biểu thức tính sai số của hàm.

64
• Ta chỉ có thể áp dụng 𝜎 = 𝑥 khi x đại diện cho số
đếm trực tiếp từ đầu dò, của các biến cố xảy ra
trong thời gian ghi nhận.
• Không thể áp dụng biểu thức trên cho bất kỳ đại
lượng gián tiếp nào như:
– Tốc độ đếm
– Tổng hay hiệu của số đếm
– Số đếm trung bình, etc.

65
1.6. Xác định thời gian đếm tối ưu

• Giả sử ta phải đo tốc độ đếm từ nguồn bức xạ để xác định

hoạt độ nguồn.

• Vì vậy, cần phải đo hai lần do sự tồn tại của phông: đếm
tổng (nguồn + phông) + đếm phông.

• Đo nguồn (= số đếm tổng Nt), thời gian t, tốc độ đếm nt

• Đo phông (= số đếm phông Np), thời gian tp, tốc độ đếm np.

• Tốc độ đếm chỉ do nguồn: n = nt - np.

66
• Vấn đề: “Với thời gian đo đạc cố định, tỷ lệ thời gian đếm tốt
nhất cho hai phép đếm là bao nhiêu?”
• Cách tính tỷ lệ thời gian đếm tốt nhất là khi sai số thống kê
của giá trị đo được là nhỏ nhất (với thời gian xác định).
• Ta cần xác định:
n ≡ tốc độ đếm do chỉ do nguồn phóng xạ gây ra (không
có phông)
np ≡ tốc độ đếm phông

• Với giả thiết, phép đo được thực hiện trong khoảng thời
gian T = t + tp.

67
• Áp dụng công thức tính sai số của nguồn có phông:

𝑛𝑡 𝑛 𝑃
𝜎𝑛 = +
𝑡 𝑡𝑃

1 𝑛 𝑡 𝑛𝑃
𝛿= +
𝑛𝑡 − 𝑛𝑃 𝑡 𝑡𝑃

σs
T (cố định)

t tp
Nhỏ nhất t

𝑑𝛿
• Sai số nhỏ nhất:  min  =0
𝑑𝑡
68
 1 𝑛𝑡 𝑛𝑝
− 2+ 2
=0
2𝑛 𝑡 𝑇 −𝑡
2
𝑛𝑡 𝑡
→ = (1-24)
𝑛𝑝 𝑡𝑝

 Phân bố thời gian đo phông và đo nguồn (số đếm tổng) để sai

số là nhỏ nhất

1 𝑛2
= 𝛿2 2 (1-25)
𝑇
𝑛𝑡 + 𝑛𝑝

 Tiên đoán được sai số phép đo khi thời gian đo tổng cộng cố
định.
69
 Ví dụ
• Giả thiết, thời gian đo tổng cộng cho một thực nghiệm là 6
giờ. Xác định thời gian đếm nguồn và phông để thu được
sai số nhỏ nhất biết tốc độ đếm tổng là 80 xung/phút và
phông là 20 xung/phút?

Giải:
𝑡 𝑛𝑡 80
= = =2
𝑡𝑝 𝑛𝑝 20

• Như vậy, ta cần đo số đếm tổng trong 4 giờ và đếm phông

trong 2 giờ.
• Phân bố tối ưu sẽ là gì trong trường hợp nguồn nhỏ (n <<
np) hoặc nguồn rất lớn?
70
- Nếu:
n >> np  bỏ qua phông  giống như phân bố
thông thường

- Nếu:
n << np  𝑛𝑡 ≈ 𝑛𝑝 .

1 𝑛 2
= 𝛿2
𝑇 4𝑛𝑝
 chọn n2/np = max

71
1.7. Giới hạn phát hiện độ phóng xạ nhỏ
(MDA)
“là hoạt độ nhỏ nhất có thể phân biệt từ phông”

• Thường được yêu cầu bởi các cơ quan quản lý nhà nước
nhằm xác định độ nhạy của máy đo để hiển thị sự có mặt
của chất nhiễm bẩn phóng xạ.
• Ví dụ, theo hướng dẫn của Ủy ban An toàn Hạt nhân Canada
(CNSC) R-116 (1995) “Yêu cầu kiểm tra các nguồn phóng xạ
kín theo danh mục,” tất cả các nguồn kín có hoạt độ lớn hơn
50 MBq (1.35 mCi) cần phải kiểm tra độ rò rỉ sử dụng thiết bị
và quy trình có thể ghi nhận rò rỉ 200 Bq hoặc thấp hơn.

72
• Vì thế ta cần phải xác định hoạt độ nhỏ nhất có thể ghi
nhận được (MDA) của hệ thống giám sát để xem liệu hệ
thống giám sát có đáp ứng được yêu cầu hay không(vd: <
200 Bq).
• Khái niệm MDA chỉ ra lựa chọn cụ thể cho xác suất dò tìm
(PD) và xác suất cảnh báo lỗi (PFA).
• Một trong những định nghĩa được sử dụng rộng rãi nhất
được đưa ra đầu tiên bởi Currie những năm 1960, dựa
trên lựa chọn tùy ý PD = 0.95 và PFA = 0.05.
• Định nghĩa này đưa ra mức giới hạn chuẩn LC (hay mức
cảnh báo) được đặt như dưới đây, khi nguồn MDA hiện
diện, 19 trong 20 trường hợp sẽ được chỉ thị là positive,
trong khi, nếu nguồn không hiện diện,1 trong 20 trường
hợp sẽ kích hoạt khai báo positive giả.

73
BƯỚC 1: XÁC ĐỊNH MỨC CẢNH BÁO (LC)

• Người ta chỉ ra rằng việc phân bổ thời gian bằng nhau cho
các phép đo nguồn và phông nền là sự lựa chọn thích hợp
để giảm thiểu sai số đo nguồn phóng xạ khi nguồn yếu so
với phông. Vì vậy, ta giả định phân bổ thời gian bằng nhau
cho các phép đo này.
• Giả sử NT là số đếm được ghi nhận với mẫu (nguồn cả
phông), và NB là số đếm phông.
• Như vậy, số đếm riêng của nguồn là:
𝑁𝑆 = 𝑁𝑇 − 𝑁𝐵

• NS: số đếm nguồn tuân theo phân bố Gauss, với độ lệch

chuẩn được xác định như sau:
𝜎𝑁2𝑆 = 𝜎𝑁2𝑇 + 𝜎𝑁2𝐵

74
• Nếu không có phóng xạ, giá trị trung bình của NT và NB là
như nhau, và giá trị trung bình của NS = 0.

• Độ lệch chuẩn của phân bố Gauss cho NS là:

𝜎𝑁2𝑆 = 𝜎𝑁2𝑇 + 𝜎𝑁2𝐵 = 2𝜎𝑁2𝐵

𝜎𝑁𝑆 = 2𝜎𝑁𝐵

75
 P(NS)
• Do là phân bố chuẩn Gauss, Vị
trí 1.64σNs chia toàn vùng dưới
đường cong phân bố thành 95%
và 5% (…xem bảng Z của phân 5%
bố chuẩn).

1.64σ
0 1.64σNs
• Do đó, giá trị LC được đặt như sau:
𝜎𝑢 2 𝜎𝑥 2 𝜎𝑦 2
= 2 + 2
𝑢2 𝑥 𝑦

∴ 𝐿𝐶 = 2.33 𝑁𝐵 (1-25)

• Như vậy, thiết lập này dẽ đảm bảo xác suất của cảnh báo
sai (PFA) sẽ không vượt quá 5% (định nghĩa Currie của
MDA). Từ đó, ta xác định giới hạn chuẩn LC và sử dụng để
đặt mức cảnh báo của hệ đo.
76
BƯỚC 2: XÁC ĐỊNH SỐ ĐẾM TỐI THIỂU (ND) TỪ MẪU

• Giá trị MDA được xác định là độ mạnh cần thiết của nguồn để
sinh ra giá trị trung bình NS đủ cao để có xác suất dò tìm (PD)
đạt được mức có thể chấp nhận (95% theo Currie).
• Nếu ND là số đếm đại diện giá trị nguồn nhỏ nhất NS đạt được
yêu cầu, phân bố của ND có dạng:
Không có nguồn
Đặt LC đủ cao cho
giá trị cảnh báo giả
nhỏ nhất

Có nguồn
Đặt ND đủ cao cho
giá trị báo nguồn
nhỏ nhất

77
1.64σ
• Để đảm bảo 95% của vùng dưới phân bố NS nằm phía trên
LC, ta có:
𝑁𝐷 = 𝐿𝐶 + 1.64𝜎𝑁𝐷

• Nếu độ rộng phân bố chỉ do thống kê đếm,

𝜎𝑁2𝐷 = 𝜎𝑁2𝑇 + 𝜎𝑁2𝐵 ∵ 𝑁𝐷 = 𝑁𝑇 − 𝑁𝐵

= 𝑁𝑇 + 𝑁𝐵 = 𝑁𝐷 + 𝑁𝐵 + 𝑁𝐵

𝜎𝑁𝐷 = 𝑁𝐷 + 2𝑁𝐵

𝑁𝐷 = 𝑓(𝑁𝐷 , 𝑁𝐵 )
• Ta có:

𝐿𝐶 = 2.33𝜎𝑁𝐵

78
• Theo gần đúng đầu tiên: ND << NB
 𝜎𝑁𝐷 = 2𝜎𝑁𝐵
ND = LC + 1.64 2𝜎𝑁𝐵
= LC + 2.33 𝜎𝑁𝐵
• Áp dụng CT 1-25:
 ND = 2.33𝜎𝑁𝐵 + 2.33𝜎𝑁𝐵
= 4.65𝜎𝑁𝐵
Áp dụng 𝜎𝑁𝐷 = 𝑁𝐷 + 2𝑁𝐵

𝑁𝐷
𝜎𝑁𝐷 ≅ 2𝑁𝐵 1 + (do (1+x)n ≈ (1+nx))
4𝑁𝐵
4.65𝜎𝑁𝐵
= 2𝑁𝐵 1 +
4𝑁𝐵

79
 𝜎𝑁𝐵 = 𝑁𝐵

 𝜎𝑁𝐷 = 2 𝜎𝑁𝐵 + 1.64

Ta có:
𝑁𝐷 = 𝐿𝐶 + 1.64𝜎𝑁𝐷

 𝑁𝐷 = 2.33𝜎𝑁𝐵 + 1.64 2𝜎𝑁𝐵 + 1.64

= 4.65𝜎𝑁𝐵 + 2.71

ND = 4.65 𝑁𝐵 + 2.71

80
• Cuối cùng biểu thức Currie cho ND là:

𝑁𝐷 = 4.65 𝑁𝐵 + 2.71

• “Biểu thức Currie” cho giá trị ND là số đếm trung bình tối
thiểu của nguồn phóng xạ để đảm bảo xác suất dò tìm (PD)
lớn hơn 95% (khi hệ thống hoạt động với mức cảnh báo LC
mức này đảm bảo xác suất báo sai (PFA) nhỏ hơn 5%).

81
BƯỚC 3: XÁC ĐỊNH HOẠT ĐỘ DÒ TÌM NHỎ NHẤT (MDA, α)

• Chuyển ND (số đếm) thành hoạt độ dò tìm nhỏ nhất (α), cần
thêm vào hệ số hiệu suất phát xạ (f – số hạt phát ra/ phân
rã) và hiệu suất ghi tuyệt đối (ε) của đầu dò:
𝑁𝐷
𝛼=
𝑓𝜀𝑇

trong đó T là thời gian ghi nhận. Nếu T tính bằng giây, đơn
vị hoạt độ α là s-1 hay Bq.

• Giới hạn thực nghiệm của biểu thức Currie:

1. Phông phải ổn định.
2. Giá trị đo đạc phải là số đếm.

82
Ví dụ
Một phép đo nhiễm bẩn phóng xạ Cs-137 trong bộ lọc không
khí được thực hiện hàng ngày. Phép đo bao gồm việc đặt
bộ lọc trong hệ đếm với hiệu suất ghi tuyệt đối bức xạ
gamma 18% tại 662 keV trong khoảng thời gian 30 phút.
Một bộ lọc mới không bị ô nhiễm được thay thế vào hệ đếm
và cho phép đếm phông trong 30 phút. Số đếm phông trung
bình là 100 số đếm/phút.. Chú ý rằng hiệu suất phát xạ của
nguồn gamma 662 keV là 0.85.

(a) Mức giới hạn LC cần đặt là bao nhiêu (đơn vị số đếm/ 30
phút) để thỏa mãn PFA=0.05?

83
 𝐿𝐶 = 2.33 𝑁𝐵 = 2.33 30 × 100 = 127.6

(b) Tìm giới hạn độ phóng xạ nhỏ nhất (MDA) của 137Cs
trong bộ lọc để thỏa mãn PD=0.95.

𝑁𝐷 = 4.65 𝑁𝐵 + 2.71
= 4.65 30 × 100 + 2.71 = 254.8

𝑁𝐷
𝛼=
𝑓𝜀𝑇
254.8
= = 1.11 𝑠 −1 = 1.11 𝐵𝑞
0.85 × 0.15 × 1800𝑠

84
• Kết quả ngụ ý rằng, với mức cảnh báo (LC) đặt tại 127 số
đếm/ 30 phút, khi hoạt độ của nguồn là 1.11 Bq (MDA), 19
trong 20 phép ghi nhận sẽ cảnh báo đúng, trong khi nếu
không có phóng xạ,1 trong 20 trường hợp sẽ cảnh báo sai.

85