研究采用概率论和数理统计知识对实验数据进行处理 (包括搜集、整理、分析、评估等)的方法

一.假设检验的基本概念 二.假设检验的一般方法 三.假设检验的一个例子:Li-Ma显著性( Significance)

本章内容: 1.最大似然原理; 2.用ML方法求解参数估计问题的步骤; 3.ML估计式的特性; 4.如何计算ML估计值的方差; 5.利用似然函数进行区间估计

参数估计的内容: 1、点估计(Point Estination):估计未知参数的值 2、区间估计(Interval Estimation):估计未知参数的估计值的精确性和可靠性 0=θ+△ 本章介绍统计学中的参数估计的一些基本概念和方法

用 Monte carlo法求定积分的几种方法:均匀投点法、期望值估计法、重要抽样法、半解析法

Monte Carlo算法的一个重要组成部分: 描述所要模拟的物理系统的一些概率密度函数(PDF) →描述整个系统在空间、能量、时间或多维相空间中的 发展和演化; Monte Carlo模拟的主要任务:

一、随机数的定义和特性 二、随机数的产生 三、线性乘同余方法

第六章引言 (ntroduction) Monte carlo方法: 亦称统计模拟方法, statistical simulation method →利用随机数进行数值模拟的方法 Monte carlo名字的由来: 是由 Metropolis在二次世界大战期间提出的: Manhattan计 划,研究与原子弹有关的中子输运过程 Monte carlo是摩纳哥( monaco)的首都,该城以赌博闻名

实验结果一般不能直接与理想的数学分布相比较,这是因为理论模型所 要求的一些实验条件是无法达到的

概率分布函数反映了随机变量的概率分布规律; 在概率论中处理概率分布时一般不涉及分布的物理来源,为 在实验数据分析中正确地掌握和运用这些分布函数,需要: 熟悉公式及运算规则 分布的物理意义;