Implementierung der CLs-Methode in ROOT zur statistischen ...
Implementierung der CLs-Methode in ROOT zur statistischen ...
Implementierung der CLs-Methode in ROOT zur statistischen ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
4.3. Wahrsche<strong>in</strong>lichkeitsverteilungen <strong>in</strong> Hypothesentests<br />
E<strong>in</strong>e Möglichkeit die Hypothesen H0 und H1 zu quantifizieren ist die Def<strong>in</strong>ition über<br />
Wahrsche<strong>in</strong>lichkeitsverteilungen. In <strong>der</strong> HEP wird hierbei e<strong>in</strong>e Wahrsche<strong>in</strong>lichkeitsverteilung<br />
für den Untergrund (H0) und e<strong>in</strong>e Wahrsche<strong>in</strong>lichkeitsverteilung für e<strong>in</strong> mögliches<br />
Signal gewählt. E<strong>in</strong>e mögliche Normierung <strong>der</strong> beiden Hypothesen ist dann jeweils die<br />
gesamte Anzahl <strong>der</strong> im Experiment registrierten Ereignisse Nges. Dies resultiert <strong>in</strong> erweiterten<br />
Wahrsche<strong>in</strong>lichkeitsverteilungen, <strong>in</strong> denen das Integral <strong>der</strong> Verteilungen über<br />
den beobachteten Bereich Nges ist. Je nachdem wie die Wahrsche<strong>in</strong>lichkeitsverteilungen<br />
im E<strong>in</strong>zelnen festgelegt werden, existieren e<strong>in</strong> o<strong>der</strong> mehrere Parameter, welche für<br />
die physikalische Aussage nicht <strong>in</strong>teressant s<strong>in</strong>d, aber für die korrekte Berechnung <strong>der</strong><br />
Teststatistik mit berücksichtigt werden müssen. Solche Parameter heißen Nuisance-Parameter.<br />
Als Beispiel betrachte man hierfür folgende Hypothesen:<br />
Wahrsche<strong>in</strong>lichkeitsverteilung für H0<br />
h0(x; κ) = exp [−κx] (7)<br />
Wahrsche<strong>in</strong>lichkeitsverteilung für H1<br />
h1(x; σ, x0, κ) = 1<br />
σ √ 2π exp<br />
<br />
2 (x − x0)<br />
−<br />
2σ2 <br />
+ exp [−κx] (8)<br />
Wenn <strong>in</strong> diesem Fall <strong>der</strong> Hypothesentest für e<strong>in</strong> festes x0 durchgeführt wird, müssen<br />
die Nuisance-Parameter σ und κ trotzdem berücksichtigt werden. Da diese aber nicht<br />
<strong>in</strong> unmittelbarem Zusammenhang mit x0 stehen, s<strong>in</strong>d sie für den Hypothesentest nicht<br />
von physikalischem Interesse. Um die möglichen Werte <strong>der</strong> Nuisance-Parameter während<br />
<strong>der</strong> Bestimmung <strong>der</strong> Verteilung <strong>der</strong> Teststatistik für die e<strong>in</strong>zelnen simulierten Experimente<br />
bestimmen zu können, ist es hilfreich e<strong>in</strong>e A-Priori-Wahrsche<strong>in</strong>lichkeitsverteilung<br />
anzugeben, gemäß <strong>der</strong> die Nuisance-Parameter fluktuieren. Solche Wahrsche<strong>in</strong>lichkeitsverteilungen<br />
s<strong>in</strong>d beispielsweise aus Kontrollmessungen zu erhalten. Die E<strong>in</strong>führung von<br />
Nuisance-Parametern führt zu e<strong>in</strong>er Verbreiterung <strong>der</strong> Verteilung <strong>der</strong> Teststatistik p(t).<br />
5. <strong>CLs</strong>-<strong>Methode</strong><br />
E<strong>in</strong>e Form des Hypothesentests stellt die <strong>CLs</strong>-<strong>Methode</strong> dar. Bezeichne L = N<br />
i=1 f(xi; a)<br />
die Likelihoodfunktion e<strong>in</strong>er Variablen x unter dem Parameter a, <strong>der</strong>en Wahrsche<strong>in</strong>lichkeitsverteilung<br />
durch f(x; a) beschrieben wird. Das Verhältnis<br />
Q =<br />
L(x, s + b)<br />
L(x, b)<br />
(9)<br />
11