Upload
nguyenkhue
View
217
Download
0
Embed Size (px)
Citation preview
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Numerische Methoden und Algorithmen in derPhysik
Hartmut Stadie, Christian Autermann
15.01.2009
Numerische Methoden und Algorithmen in der Physik Christian Autermann 1/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Methode der kleinsten Quadrate
Likelihood Methode
χ2-Wahrscheinlichkeitsverteilung
χ2-Test
Numerische Methoden und Algorithmen in der Physik Christian Autermann 2/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Übersicht
Methode der kleinsten QuadrateLiteraturlisteMethode der kleinsten QuadrateBeispielVarianz
Likelihood Methode
χ2-Wahrscheinlichkeitsverteilung
χ2-Test
Numerische Methoden und Algorithmen in der Physik Christian Autermann 3/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Informationen
Material:Stroustrup: The C++ Programming Language, 3rd editionhttp://www.mathematik.uni-marburg.de/∼cpp/B. Stroustrup: C++ In-depth SeriesA. Koenig, B. E. Moo: Accelerated C++Press et al: Numerical Recipes, 3rd editionT. H. Cormen et al: Introductions to Algorithms, 2nd editionV. Blobel, E. Lohrmann: Statistische und numerischeMethoden der Datenanalysehttp://wwwiexp.desy.de/studium/lehre/numalg/
Numerische Methoden und Algorithmen in der Physik Christian Autermann 4/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Parameteranpassung
ÜbersichtIn der Physik muss oft eine Theorie die durch einen Satz vonParametern beschrieben werden kann, an eine Menge vonMesswerten angepasst werden. Im Physikerjargon nennt man diesFit.
In dieser Vorlesung sollen Fit-Methoden und ihre Eigenschafteneingeführt werden.
Danke an C. Sander für Vorlesungsmaterial!
Numerische Methoden und Algorithmen in der Physik Christian Autermann 5/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Methode der kleinsten Quadrate
ProblemstellungGegeben seien N + 1 Messpunkte (x0, y0) . . . (xN , yN)
Diese Messpunkte sollen einer Funktion y = f (x) gehorchen,wobei die Funktion (also das „Modell”) durch m + 1Parameter a0 . . . aM beschrieben ist.Beispiel: y = a0 · x
Numerische Methoden und Algorithmen in der Physik Christian Autermann 6/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
ParameteranpassungDas Problem kann mit unterschiedlichen Voraussetzungenauftreten:
Die gesuchte Funktion hängt linear oder nicht-linear vonden freien Parametern des Modells abDie gesuchte Funktion lässt sich als Polynom m-ter OrdnungschreibenDie y -Werte (und x-Werte) der Messpunkte sind mitunterschiedlich großen Fehlern behaftet oder besitzen einunterschiedlich großes Gewicht.
Numerische Methoden und Algorithmen in der Physik Christian Autermann 7/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Parameteranpassung
Lineare Abhängigkeit von Parametern:
f (x) = a0 · f0(x) + a1 · f1(x) + ... + am · fm(x) (1)Spezialfall: f (x) lässt sich durch Polynomzerlegung darstellen
f0(x) = 1f1(x) = xf2(x) = x2
...fm(x) = xm
ParameteranpassungBestimmung der Koeffizienten ai durch die Methode derkleinsten Quadrate
Numerische Methoden und Algorithmen in der Physik Christian Autermann 8/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Methode der kleinsten Quadrate (χ2-Fit)Ansatz: Die optimalen Parameter ai sind solche, für welche die Summe derquadratischen Abweichung zu den Messwerten yi minimal ist:
Q =NX
i=0
(f (xi )− yi )2 =
NXi=0
r 2i (2)
Bei linearer Abhängigkeit gilt mit Gleichung (1):
Q =NX
i=0
mX
k=0
ak · fk(xi )− yi
!2
(3)
Im Minimum von Q verschwinden die partiellen Ableitungen nach den freienParametern:
∂Q∂ai
˛a
= 0 (4)
→ Minimierungsproblem!
Numerische Methoden und Algorithmen in der Physik Christian Autermann 9/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Methode der kleinsten Quadrate (χ2-Fit)
∂Q∂ai
= 2 ·N∑
j=0
(f (xj)− yj) ·∂f (xj)
∂ai= 0 (5)
In der expliziten Darstellung von f (x) nach Gl. (1):
∂f (xj)
∂ai≡ fi (xj) (6)
∂Q∂ai
= 2 ·N∑
j=0
(m∑
k=0
ak · fk(xj)− yj
)· fi (xj) = 0 (7)
wobei j = 0..m. Diese insgesamt m + 1 Gleichungen können alsMatrixgleichung geschrieben werden.
Numerische Methoden und Algorithmen in der Physik Christian Autermann 10/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Methode der kleinsten Quadrate (χ2-Fit)
Normalengleichung
0BBBBB@
Pi f0(xi )
2 Pi f0(xi ) · f1(xi ) . . .
Pi f0(xi ) · fm(xi )P
i f1(xi ) · f0(xi )P
i f1(xi )2 . . .
Pi f1(xi ) · fm(xi )
.
.
....
. . ....P
i fm(xi ) · f0(xi )P
i fm(xi ) · f1(xi ) . . .P
i fm(xi )2
1CCCCCA·
0BBBB@a0a1...
am
1CCCCA =
0BBBB@P
i f0(xi ) · yiPi f1(xi ) · yi
.
.
.Pi fm(xi ) · yi
1CCCCA
Diese Normalengleichung der Form C · a = b kann durchInvertierung der Matrix C gelöst werden:
a = C−1 · b (8)
Numerische Methoden und Algorithmen in der Physik Christian Autermann 11/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Methode der kleinsten Quadrate (χ2-Fit)
Spezialfall: Fit mit Polynomdarstellung
Es sei f (x) = Pm(x) = a0 + a1 · x1 + a2 · x2 + . . . + am · xm
also fk(x) = xk für k = 0 . . . m.Damit nimmt die Matrixgleichung folgende Form an:
0BBBBB@
Pi (x
0i )2 P
i (x0i · x1
i ) . . .P
i (x0i · xm
i )Pi (x
1i · x0
i )P
i (x1i )2 . . .
Pi (x
1i · xm
i )
.
.
....
. . ....P
i (xmi · x0
i )P
i (xmi · x1
i ) . . .P
i (xmi )2
1CCCCCA ·
0BBBB@a0a1...
am
1CCCCA =
0BBBB@P
i x0i · yiP
i x1i · yi...P
i xmi · yi
1CCCCA
Durch Kürzen lässt sich diese Gleichung noch weiter vereinfachen.
Numerische Methoden und Algorithmen in der Physik Christian Autermann 12/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Fehlerbehaftete Messpunkte
Seien jetzt die einzelnen yi statistisch unabhängige Daten mit demjeweiligen Fehler σi :
Die Beiträge in der Summe der kleinsten Quadrate müssen jetztentsprechend der Fehler gewichtet werden, also
Q =N∑
i=0
(f (xi )− yi )2 → Q ′ =
N∑i=0
(f (xi )− yi )2
σ2 (9)
Numerische Methoden und Algorithmen in der Physik Christian Autermann 13/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Beispiel für eine Messung mit 11 Messpunkten
Alle Datenpunkte haben individuelle Fehler
Numerische Methoden und Algorithmen in der Physik Christian Autermann 14/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Beispiel für eine Messung mit 11 Messpunkten
Fit für m = 0
Numerische Methoden und Algorithmen in der Physik Christian Autermann 15/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Beispiel für eine Messung mit 11 Messpunkten
Fit für m = 1
Numerische Methoden und Algorithmen in der Physik Christian Autermann 16/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Beispiel für eine Messung mit 11 Messpunkten
Fit für m = 2
Numerische Methoden und Algorithmen in der Physik Christian Autermann 17/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Beispiel für eine Messung mit 11 Messpunkten
Fit für m = 3
Numerische Methoden und Algorithmen in der Physik Christian Autermann 18/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Beispiel für eine Messung mit 11 Messpunkten
Fit für m = 4
Numerische Methoden und Algorithmen in der Physik Christian Autermann 19/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Beispiel für eine Messung mit 11 Messpunkten
Fit für m = 5
Numerische Methoden und Algorithmen in der Physik Christian Autermann 20/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Beispiel für eine Messung mit 11 Messpunkten
Fit für m = 6
Numerische Methoden und Algorithmen in der Physik Christian Autermann 21/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Beispiel für eine Messung mit 11 Messpunkten
Fit für m = 7
Numerische Methoden und Algorithmen in der Physik Christian Autermann 22/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Beispiel für eine Messung mit 11 Messpunkten
Fit für m = 8
Numerische Methoden und Algorithmen in der Physik Christian Autermann 23/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Beispiel für eine Messung mit 11 Messpunkten
Fit für m = 9
Numerische Methoden und Algorithmen in der Physik Christian Autermann 24/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Beispiel für eine Messung mit 11 Messpunkten
Fit für m = 10 (identisch mit Interpolationspolynom)
Numerische Methoden und Algorithmen in der Physik Christian Autermann 25/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Varianz der ParameterBestimmung der Varianzen σk der Parameter ak durch Fehlerfortpflanzung
σ2k =
NXi=0
„∂ak
∂yi
«2
· σ2i (10)
Aus der Bestimmungsgleichung des Lösungsvektors a = C−1 · b und derDefinition von C und b lässt sich zeigen, dass
σ2k = C−1
kk (11)
Die Matrix C−1 wird auch Kovarianzmatrix genannt.
Allgemein gilt:
Korrelation(xi xj) =Kovarianz(xi xj)p
Varianz(xi ) ·p
Varianz(xj)(12)
Numerische Methoden und Algorithmen in der Physik Christian Autermann 26/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Übersicht
Methode der kleinsten Quadrate
Likelihood MethodeDefinitionBeispielGaußischer Spezialfall
χ2-Wahrscheinlichkeitsverteilung
χ2-Test
Numerische Methoden und Algorithmen in der Physik Christian Autermann 27/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Maximum Likelihood MethodeDie den Messwerten x1 . . . xn zugrunde liegende und a-priori bekannteWahrscheinlichkeitsdichte sei f (x |a), wobei a für einen oder mehrereunbekannte Parameter steht, von dem die Wahrscheinlichkeitsdichte abhängt.
Aus dieser ein- oder mehrdimensionalen Wahrscheinlichkeitsdichte wird dieLikelihood-Funktion L(a) definiert:
L(a) = f (x1|a) · f (x2|a) · . . . · f (xn|a) =nY
i=1
f (xi |a) (13)
Der beste Wert für die Parameter a ist definiert durch
L(a) = Maximum (14)
In der Praxis arbeitet man oft mit dem negativen Logarithmus derLikelihood-Funktion l(a), man sagt Log-Likelihood-Funktion.
l(a) = −2 ln L(a) (15)l(a) = Minimum (16)
Numerische Methoden und Algorithmen in der Physik Christian Autermann 28/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Beispiel: Zerfallswinkelverteilung eines ElementarteilchensDie Zerfallswinkelverteilung eines bestimmten Teilchens sei durch folgendeWahrscheinlichkeitsdichtefunktion gegeben:
f (x |a) =12(1 + a · cos θ) (17)
Die Funktion ist für alle mögliche Werte für a auf 1 normiert, so dass sich fürdie negative Log-Likelihood-Funktion ergibt:
F (a) = −2nX
i=1
ln12(1 + a · cos θi ) (18)
Numerische Methoden und Algorithmen in der Physik Christian Autermann 29/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Beispiel: Gaußische WahrscheinlichkeitsdichtefunktionFür eine Gauß-Wahrscheinlichkeitsdichte geht die Likelihood-Methode in dieMethode der kleinsten Quadrate über.
f (xi |a) =1
2√
2πσi· e
− (xi−a)2
2σ2i (19)
Die negative Log-Likelihood-Funktion wird damit zu (Vergleich mit Gl. (9)):
F (a) = konst + 2nX
i=1
(xi − a)2
2σ2i
(20)
Für den Fehler der besten Schätzung des Mittelwertes a gilt:
σ(a) =
„d2Fda2
˛a
«− 12
(21)
In diesem Beispiel ist σ(a) = (P
1/σ2i )− 1
2 . Sind alle Gewichte gleich σi = σgilt:
σ(a) =σ√n
(22)
Numerische Methoden und Algorithmen in der Physik Christian Autermann 30/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Übersicht
Methode der kleinsten Quadrate
Likelihood Methode
χ2-WahrscheinlichkeitsverteilungÜbersichtExponentialverteilungχ2-Verteilung
χ2-Test
Numerische Methoden und Algorithmen in der Physik Christian Autermann 31/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Wahrscheinlichkeitsverteilungen
Diskrete Wahrscheinlichkeitsverteilungen (Abzählbar)
Binomialverteilung (→ letzte Vorlesung)Poisson-Verteilung (→ letzte Vorlesung)
Kontinuierliche WahrscheinlichkeitsverteilungenGleichverteilung (→ letzte Vorlesung)Gauß- oder Normalverteilung (→ letzte Vorlesung)Exponentialverteilungχ2-Verteilung
Numerische Methoden und Algorithmen in der Physik Christian Autermann 32/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Exponentialverteilung
Beispiel: Zeitabstände zwischenzwei Kernzerfällen
f (x , λ) =
λ · e−λ·x für 0 ≤ x ≤ inf
0 sonst(23)
Mittelwert: µ = 1λ
Varianz: σ2 = 1λ2
Numerische Methoden und Algorithmen in der Physik Christian Autermann 33/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
χ2-VerteilungSeien x1 . . . xn unabhängige Zufallsvariablen, die derstandardisierten Gauß-Verteilung (µ = 0 und σ = 1) genügen, sofolgt die Summe der Quadrate
u = χ2 =∑
i
(xi )2 (24)
einer χ2-Verteilung mit k Freiheitsgraden:
fk(u) =12(u
2 )n2−1 · e−
u2
Γ(k2 )
(25)
mit Γ(x) =
∫ inf
0e−t · tx−1dt für x > 0 (26)
Die xi können mehrere gleiche Messungen sein, oder z.B.Messpunkte auf einer Kurve
Numerische Methoden und Algorithmen in der Physik Christian Autermann 34/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
χ2-Verteilung
Mittelwert 〈u〉 =⟨χ2⟩ = k
Varianz σ2 = 2n
Die Wahrscheinlichkeit, in einer Stichprobe x1 . . . xn ein χ2 zufinden das kleiner ist als x :
Fk(x) =
∫ x
0fk(t)dt (27)
Numerische Methoden und Algorithmen in der Physik Christian Autermann 35/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Übersicht
Methode der kleinsten Quadrate
Likelihood Methode
χ2-Wahrscheinlichkeitsverteilung
χ2-TestPrüfung von Hypothesen mit dem χ2 Test1. Beispiel für χ2-Test2. Beispiel für χ2-TestInterpretation des χ2-Test
Numerische Methoden und Algorithmen in der Physik Christian Autermann 36/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Prüfung von Hypothesen
Interpretation von DatenHäufige Aufgabenstellung (nicht nur) in der Physik: Interpretationvon Messdaten im Rahmen eines Modells
Dazu gehöhren:Aufstellung einer Hypothese (Das Modell)Bestimmung der Parameter des ModellsÜberprüfung der Hypothese anhand der Messdaten
Ziel: Die Übereinstimmung von Messdaten und Modell zuquantifizieren
Methoden: χ2-Test, Studentscher t-Test,Kolmogorov-Smirnov-Test, ...
Numerische Methoden und Algorithmen in der Physik Christian Autermann 37/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
χ2-TestSeien x1 . . . xn Messpunkte unabhängiger gaußverteilter Variablen,mit den Varianzen σi und den Erwartungswerten Ei , so folgt dieSumme der Quadrate einer χ2-Verteilung mit n Freiheitsgraden:
u = χ2n∑
i=1
(xi − Ei )2
σ2i
(28)
Im Falle korrelierter Zufallsvariablen muss das χ2 über dieKovarianzmatrix V definiert werden:
u = χ2 =n∑
i=1
n∑j=1
(xi − E1) · V−1ij · (xj − Ej) (29)
Sind die Erwartungswerte Ei durch ein zugrunde liegendes Modellvorgegeben und nicht durch die Daten selbst bestimmt, so ist dieZahl der Freiheitsgrade gleich der Zahl der Messpunkte n.
Numerische Methoden und Algorithmen in der Physik Christian Autermann 38/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
χ2-Test
Für den Mittelwert der χ2-Verteilung gilt:⟨χ2⟩ = n (30)
Für den Mittelwert pro Freiheitsgrade n (oder „degrees of freedomd .o.f .”) gilt demnach: ⟨
χ2⟩n
= 1 (31)
Daraus folgt:Falls die Hypothese (das Modell) zutrift, so sollte man imMittel (etwa nach häufigen Wiederholen der Messreihe)⟨χ2⟩ /d .o.f . = 1 finden.
Die Güte der Hypothese lässt sich durch die integrierteχ2-Verteilung quantifizieren
Numerische Methoden und Algorithmen in der Physik Christian Autermann 39/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Zahl der FreiheitsgradeBei einem vorgegebenen bestimmten Modell ist die Zahl derFreiheitsgrade d .o.f . gleich der Zahl der Messpunkte.
Sollen ein einem χ2-Fit m freie Parameter am des Modellsbestimmt werden, so gilt:
∂χ2
∂ai≡ 0 (32)
Jede dieser m Bedingungen reduziert den statistischenVariationsspielraum der Messwerte gegenüber der Vorhersage desModells und verringert die Zahl der Freiheitsgrade:
d .o.f . = n −m (33)
Zur Überprüfung der Analyse benutzt man χ2min/d .o.f ..
Numerische Methoden und Algorithmen in der Physik Christian Autermann 40/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Beispiel für χ2 TestPolynom 1. Ordnung, (11Datenpunkte): d .o.f . = 9
χ2
d .o.f .= 75.4/9 = 8.37
Wahrscheinlichkeit dieses χ2
(oder ein noch größeres) zufinden:
P = 1− F9(75.4) = 1.3 · 10−12
Numerische Methoden und Algorithmen in der Physik Christian Autermann 41/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Beispiel für χ2 TestPolynom 3. Ordnung, (11Datenpunkte): d .o.f . = 7
χ2
d .o.f .= 19.4/7 = 2.78
Wahrscheinlichkeit dieses χ2
(oder ein noch größeres) zufinden:
P = 1− F7(19.4) = 0.0069
Numerische Methoden und Algorithmen in der Physik Christian Autermann 42/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Beispiel für χ2 TestPolynom 4. Ordnung, (11Datenpunkte): d .o.f . = 6
χ2
d .o.f .= 5.22/6 = 0.87
Wahrscheinlichkeit dieses χ2
(oder ein noch größeres) zufinden:
P = 1− F6(5.22) = 0.52
Numerische Methoden und Algorithmen in der Physik Christian Autermann 43/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Gleiche Daten, größere FehlerPolynom 4. Ordnung, (11Datenpunkte): d .o.f . = 6
χ2
d .o.f .= 0.60/6 = 0.10
Wahrscheinlichkeit dieses χ2
(oder ein noch größeres) zufinden:
P = 1− F6(0.6) = 0.996
Numerische Methoden und Algorithmen in der Physik Christian Autermann 44/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Interpretation des χ2 −Wertes
χ2/d .o.f . � 1Dies ist ein Zeichen dafür, dass
die Hypothese (das Modell) falsch ist, oderdie Fehler der Messung unterschätzt wurden, oderder Datensatz inkonsistent ist.
χ2/d .o.f . ≈ 1Dies unterstützt die Hypothese
χ2/d .o.f . � 1Ist meist ein Zeichen dafür, dass die Fehler überschätzt wurden
Numerische Methoden und Algorithmen in der Physik Christian Autermann 45/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Interpretation des χ2 −Wertes
χ2/d .o.f . ≈ 1Kritische Betrachtung der Messwerte unddes Modells ist trotzdem wichtig!Polynom 0. Ordnung, (11 Datenpunkte):d .o.f . = 10
χ2
d .o.f .= 11.4/10 = 1.14
Wahrscheinlichkeit dieses χ2 (oder ein nochgrößeres) zu finden:
P = 1− F10(11.4) = 0.32
Bei falscher Hypothese und überschätztenFehlern kann man trotzdem ein gutesχ2/d .o.f . erhalten.
Numerische Methoden und Algorithmen in der Physik Christian Autermann 46/ 47
Parameteranpassung Likelihood Methode χ2-Wahrscheinlichkeitsverteilung χ2-Test
Parameteranpassung
Was vernachlässigt wurdeSystematische, also unter den Messwerten korrelierte, FehlerNicht-normalverteilte ZufallsvariablenViele andere moderne statistische AnalysemethodenLimitberechnung...
Numerische Methoden und Algorithmen in der Physik Christian Autermann 47/ 47