lectures: continued notes.md
This commit is contained in:
parent
6fd5457426
commit
ac9789a7d6
@ -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
|
Le simulazioni MC sono molto utili per capire se conviene apportare certe
|
||||||
modifiche alle strumentazioni sperimentali oppure no.
|
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.
|
||||||
|
|
||||||
|
Loading…
Reference in New Issue
Block a user