From ac9789a7d6e6b4dbee3fe8937a557c1446a02904 Mon Sep 17 00:00:00 2001 From: =?UTF-8?q?Gi=C3=B9=20Marcer?= Date: Sat, 30 May 2020 18:40:39 +0200 Subject: [PATCH] lectures: continued notes.md --- lectures/notes.md | 20 ++++++++++++++++++++ 1 file changed, 20 insertions(+) diff --git a/lectures/notes.md b/lectures/notes.md index 5bb051e..48bd458 100644 --- a/lectures/notes.md +++ b/lectures/notes.md @@ -429,3 +429,23 @@ numeri casuali e si considera la distribuzione della somma (riga 94). Le simulazioni MC sono molto utili per capire se conviene apportare certe modifiche alle strumentazioni sperimentali oppure no. + +@9 ---------------------------------------------------------------------------- + +# Tecniche di unfolding + +Esistono diverse tecniche di unfolding dei dati. + + - Matrice di correzione: + Si suppone che i dati osservati derivino da quelli veri in questo modo: + + ν = R * μ + β → ν_i = R_ij μ_j + β_i + + dove β è un eventuale fondo e R è la matrice di correzione. + Notare che Σj di R_ij dà l'efficienza con cui il segnale μ_j viene + trasformato in segnale osservato. + + In realtà i segnali osservati sono n_i, ognuno dei quali appartiene ad una + poissoniana di media ν_i. Si può massimizzare la likelihood per trovare i + parametri ν_i e poi invertire la matrice e sottrarre il fondo. +