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.
1. E<strong>in</strong>leitung<br />
In <strong>der</strong> Hochenergiephysik (HEP) s<strong>in</strong>d experimentell gewonnene Daten im Allgeme<strong>in</strong>en<br />
statistisch verteilt. Meist liegen die Daten als Histogramme vor, <strong>der</strong>en e<strong>in</strong>zelne B<strong>in</strong>s<br />
zählen, wie oft e<strong>in</strong> poissonverteiltes Ereignis <strong>in</strong> e<strong>in</strong>er bestimmten Zeitspanne aufgetreten<br />
ist. Die Auswertung funktioniert ausschließlich über statistische <strong>Methode</strong>n. Aufgrund <strong>der</strong><br />
großen Menge an Daten aus jedem e<strong>in</strong>zelnen Experiment ist die computergestützte Auswertung<br />
unverzichtbar, zumal die angewandten <strong>Methode</strong>n außerdem sehr rechen<strong>in</strong>tensiv<br />
s<strong>in</strong>d. Zumeist erfolgt die Auswertung im Rahmen des vom CERN entwickelten C++-<br />
Frameworks <strong>ROOT</strong>, welches als Hilfsmittel e<strong>in</strong>e Vielzahl physikalisch relevanter Fragestellungen<br />
bearbeiten kann. Die hier verwendeten Pakete RooFit und das darauf aufbauende<br />
RooStats stellen Klassen <strong>zur</strong> Verfügung, mit <strong>der</strong>en Hilfe sich statistische Modelle und<br />
Auswertungsmethoden sowie die vorhergehende Datenverarbeitung implementieren lassen.<br />
Die Abschnitte 2 bis 6 behandeln die theoretischen Grundlagen <strong>der</strong> angewendeten<br />
<strong>statistischen</strong> <strong>Methode</strong>n. In Abschnitt 7 wird die <strong>Implementierung</strong> des <strong>CLs</strong>-Formalismus<br />
und des Look-Elsewhere-Effekts beschrieben und anschließend das Massenspektrum aus<br />
Datensätzen [ATLAS11] bezüglich dieser Größen <strong>in</strong> Abschnitt 7.2 untersucht. Die verwendeten<br />
Daten wurden auf <strong>der</strong> ” Physics at the LHC“-Konferenz 2011 präsentiert und<br />
<strong>in</strong> [ATLAS11] ausgewertet. Die Diskussion <strong>der</strong> Ergebnisse f<strong>in</strong>det sich <strong>in</strong> Abschnitt 9.<br />
2. Bayesische und frequentistische Statistik<br />
Aufbauend auf <strong>der</strong> mathematischen Def<strong>in</strong>ition von Wahrsche<strong>in</strong>lichkeit ([Bar96] p. 119ff.)<br />
existieren mehrere unterschiedliche Interpretationen <strong>der</strong>selben. Die beiden am häufigsten<br />
benutzten s<strong>in</strong>d die Bayesische Statistik und die frequentistische Statistik. Nach [Bar96]<br />
beschreibt die frequentistische Statistik die Wahrsche<strong>in</strong>lichkeit, e<strong>in</strong>en bestimmten Wert<br />
e<strong>in</strong>er Observablen im H<strong>in</strong>blick auf das Limit für viele Experimentwie<strong>der</strong>holungen zu<br />
messen. Wie<strong>der</strong>holt man e<strong>in</strong> Experiment N-mal und tritt das Ergebnis A M-mal auf,<br />
M<br />
so heißt lim =: P (A) die Wahrsche<strong>in</strong>lichkeit von A. Die so erhaltene Wahrsche<strong>in</strong>-<br />
N−→∞<br />
N<br />
lichkeit ist dann nicht nur alle<strong>in</strong> von <strong>der</strong> Observablen son<strong>der</strong>n auch vom durchgeführten<br />
Experiment abhängig.<br />
Die Bayesische Statistik fußt auf dem Theorem von Bayes ([Cow] p. 3) für bed<strong>in</strong>gte<br />
Wahrsche<strong>in</strong>lichkeiten. Hierbei ist die Wahrsche<strong>in</strong>lichkeit, dass e<strong>in</strong> Ereignis e<strong>in</strong>tritt, an<br />
Bed<strong>in</strong>gungen geknüpft, was a priori Annahmen <strong>in</strong> das Experiment e<strong>in</strong>br<strong>in</strong>gt. Nach [Cow]<br />
beträgt die Wahrsche<strong>in</strong>lichkeit für das E<strong>in</strong>treffen e<strong>in</strong>es Ereignisses a, unter e<strong>in</strong>er Bed<strong>in</strong>gung<br />
b:<br />
P (a|b) =<br />
P (b|a)P (a)<br />
P (b)<br />
Die Wahrsche<strong>in</strong>lichkeiten P (a) und P (b) s<strong>in</strong>d Integrale von Wahrsche<strong>in</strong>lichkeitsvertei-<br />
(1)<br />
7