1 / 7

Analisi Statistica dei Dati per HEP (Laboratorio)

Analisi Statistica dei Dati per HEP (Laboratorio). 2013-03-25 Elementi di C++ Introduzione a ROOT 2013-04-11, Laboratorio Informatico ROOT warm up 2013-04-17, Laboratorio Informatico Introduzione a RooFit Primo esercizio con RooFit 2013-05-02, Laboratorio Informatico

barid
Download Presentation

Analisi Statistica dei Dati per HEP (Laboratorio)

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Analisi Statistica dei Dati per HEP (Laboratorio) • 2013-03-25 • Elementi di C++ • Introduzione a ROOT • 2013-04-11, Laboratorio Informatico • ROOT warm up • 2013-04-17, Laboratorio Informatico • Introduzione a RooFit • Primo esercizio con RooFit • 2013-05-02, Laboratorio Informatico • RooFit (Workspace, Factory, Composite Model) • 2013-05-16, Laboratorio Informatico • Introduzione a RooStats

  2. RooStats RooStatsTutorial_120323.pdf https://indico.desy.de/getFile.py/access?contribId=15&resId=3&materialId=slides&confId=5065slides da 1 a 14

  3. Esercizio RooStats [1] roostats_ex1.C Riprendiamo l’esercizio della lezione scorsa (gaussiansignal + exponential background, extendedp.d.f.). Trovate un template giàfatto qui : http://www.bo.infn.it/~sirri/teaching/2013/ads/5_roostats/ In makemodel : c’è la costruzione del modello , la generazione di un set di 1000 dati simulato. Il workspace è salvato in «model.root». Alcune modifiche rispetto ala lezione scorsa: Range e Valori iniziali dei parametri sono stati modificati. «mean» e «sigma» sono fissati come costanti. I dati sono importati nel workspace e salvati su file. In usemodel : legge il modello dal file, esegue il fit del modello e disegna dati e risultato del fit in un plot.

  4. Esercizio RooStats • Si modifichi il modello:Specificareicomponenti del modello per i tool statisticidi roostat: osservabile e parametro di interesse. Utilizzareilnumero di eventi di segnale come unicoparametro di interesse. Fissarecostantituttiglialtriparametridel modello.Importare la configurazionenel workspace e salvaresu file. • Si modifichil’uso del modello: - leggereilmodelConfig dal workspace esempio: ModelConfig* mc = (ModelConfig*) w.obj("ModelConfig"); - calcolare un Confidence Interval utilizzandoilProfileLikelihoodCalculator- Disegnareilprofilodella likelihood e sovrapporrel’intervallo- calcolare la discovery significance utilizzandoilprofilelikelihoodcalculator come test di ipotesi- scriveresulla console ilimitidell’intervallo e la significatività

  5. ROOSTATS : https://twiki.cern.ch/twiki/bin/view/RooStats short tutorial: https://twiki.cern.ch/twiki/bin/view/RooStats/RooStatsTutorialsAugust2012

  6. Esercizio 2 Aggiungere l’intervallo calcolato con Feldman-Cousinsuggerimento : guardare il codice in :$ROOTSYS/tuturials/roostats/IntervalExamples.C

More Related