Chapitre 1 Flashcards
À partir de quelle énergie un faisceau peut-il ioniser la matière?
À partir de 4 eV (soit 310 nm). On néglige généralement les UV (10-390 nm), car leur pénétration dans les tissus est minimale.
Qu’est-ce que la fluence?
C’est le nombre de particules incidentes sur une unité de surface du milieu cible.
Soit: Phi = dN/da
Qu’est-ce que la section efficace?
Aussi appelé TCS, celle-ci correspond au nombre d’événements par unité de temps affectant les particules cibles. Son unité est le barn (b - en 10^-24 cm^2).
Définissez mathématiquement la section efficace.
Sigma = nb_interactions/Phi = N_out/(N_in n_T)
Où N_in est le nombre de particules incidentes, N_out est le nombre de particules sortantes et n_T est le nombre de particules cibles.
Comment est défini mathématiquement le coefficient d’atténuation linéaire?
mu = N_A/A rho sigma pour les atomes
mu = Z N_A/A rho sigma pour les électrons
Qu’est-ce que le MFP?
C’est le libre parcours moyen, soit la distance moyenne parcourue par une particule ionisante dans un milieu avant d’interagir.
MFP = 1/mu(E) = lambda
À cette distance: Phi/Phi_0 = 1/e
Phi/Phi_0 = e^(x mu x)
Que différencie la DCS et la DDCS?
DCS: Section efficace différentielle en énergie OU en angle solide
DDCS: Section efficace différentielle double (en énergie ET en angle solide)
d Sigma = da/r^2 = sin Theta d Theta d Phi
Comment détermine-t-on la moyenne, l’écart-type et la variance à partir de mesures?
x_moy = Sigma_i [x_i]/N
x_moy = Sigma_i [x_i/sigma_i^2] / Sigma_i [1/sigma_i^2] pour une moyenne pondérée
Écart-type (ou déviation standard): sigma = sqrt(sigma^2)
Variance:
Sigma^2 = 1/n Sigma_i [x_moy - x_i]^2
* Remplacer 1/n par 1/(n-1) si moins de 25 mesures
Que permet le test de Student? Comment est-il définie?
t = (x1_moy - x2_moy)/sqrt(sigma1^2/n1 + sigma2^2/n2)
Permet de comparer si les moyennes de deux distributions pour savoir si ces deux distributions sont distinctes ou non. Plus t est grand, plus il y a de chance que les deux distributions soient distinctes.
Que définie une distribution binomiale?
Situation où le succès est binaire et dont la probabilité de succès est constante.
Probabilité x succès en n tests: P(x) = n!/[(n - x)! x!] p^x (1 - p)^(n - x)
x_moy = np
sigma^2 = np (1 - p) = x_moy (1 - p)
Qu’est-ce qui définie une distribution normale (ou gaussienne)?
Distribution continue et symétrique autour d’une moyenne.
y = e^[(x - x_moy)^2/sigma^2]
x_moy = Sigma_i x_i/N
sigma^2 = 1/n Sigma_i (x_moy - x_i)^2
Qu’est-ce qui défini une distribution de Poisson?
Processus discret de probabilité fixe de succès faible par rapport au nombre d’essais. Idéal pour les mesures en temps continu.
Probabilité: P(x) = x_moy^x e^(-x_moy)/x!
x_moy = np
sigma^2 = x_moy
Qu’est-ce que le théorème limite centrale?
Avec un nombre d’essais suffisament grand, toute combinaison de variables aléatoires indépendantes tend toujours vers une distribution normale.
Qu’est-ce que le modèle linéaire-quadratique de survie des tissus?
N/N_0 = e^[- alpha D - beta D^2]
