Stima back of envelope dell’efficienza di segnale per particelle di carica frazionaria e reiezione del bkg – Segnale muon-like con ionizzazione media (1/3)^2.

Presentazione sul tema: "Stima back of envelope dell’efficienza di segnale per particelle di carica frazionaria e reiezione del bkg – Segnale muon-like con ionizzazione media (1/3)^2."— Transcript della presentazione:

1 Stima back of envelope dell’efficienza di segnale per particelle di carica frazionaria e reiezione del bkg – Segnale muon-like con ionizzazione media (1/3)^2 e (2/3)^2 rispetto alle particelle ordinarie – Due analoghi lavori di CMS (summer 2013) – analisi del gruppo exotics su particelle a carica frazionaria (orphaned) Studiato un set D3PD di dati MinimumBias contentente l’informazione dei cluster associati alle tracce. Selezione delle tracce: vertice primario, numero di punti, pt>5 GeV, isolamento. Rimane un campione di ~40K eventi Due metodi per identificare il segnale: – Numero di cluster con bassa dE/dx associato alla traccia (metodo 1) – Ionizzazione media della traccia (metodo 2)

2 Confronto con CMS: distribuzione del dE/dx nei singoli cluster I segnali per 1/3 e 2/3 sono ottenuti riscalando il segnale MB Charge 1 Charge 2/3 Charge 1/3

3 Stesso plot in scala logaritmica. Notare la spalla a bassa ionizzazione

4 Toy montecarlo per stimare il fondo e il segnale dai dati del Minimum Bias Ingredienti: distribuzione dei cluster, distribuzione del numero di cluster per traccia. – Non e’ una simulazione: non si tiene conto degli effetti della soglia dei pixel e degli effetti sulla ricostruzione delle tracce per particelle di carica frazionaria – Una ionizzazione di 0.3 de/dx corrisponde a ~5000 elettroni per incidenza normale Modalita’: per ogni traccia estrazione random del numero di cluster; per ogni cluster estrazione del valore dE/dx. Per ogni traccia conteggio del numero di cluster con dE/dx < cut (cluster low). Una traccia e’ segnale quando ha 1 (2, 3, 4) o piu’ cluster low. Risultato: efficienza sul segnale, reiezione del fondo e nEvSegnale/nEvFondo in funzione del cut in dE/dx e del numero di low hits.

5 La stima del fondo assume che questa spalla sia composta da cluster non coerenti (probabilita’ binomiale che una traccia possa avere piu’ cluster low). Questo non e’ vero per esempio per i muoni cosmici

6 Distribuzione del numero di cluster per traccia. Le tracce con 2 cluster sono un artefatto (la selezione e’ fatta chiedendo almeno 3 cluster nel pixel detector per traccia). La media e’ 3.31 cluster/traccia

7 Distribuzione delle tracce con n o piu’ cluster low. In questa figura il cut e’ de/dx < 1.0 Il Fit al bkg e’ una binomiale (tre parametri). Dal fit e’ possibile stimare il numero di eventi di fondo atteso. Con la statistica a disposizione non converge sempre.

8 Numero di eventi per segnale e bkg stimato come: – Sezione d’urto da madgraph per masse ch 1/3 ~ 150 GeV e ch 2/3 ~ 300 GeV: sigma ~ 10e-2 pb – Efficienza di ricostruzione e di trigger per il segnale da analisi carica frazionaria Exotics: eff(2/3) ~0.44, eff(1/3) ~0.007 per 1/3 – Sezione d’urto per muoni>24 Gev ~ 6 nb da articolo Atlas – Numero di eventi in 5 fb-1 mu24 con gli stessi tagli di qualita’ del campione di Min.Bias: Nev ~5000000 – Si assume che nel campione selezionato ci sia una traccia per evento (in realta’ il valore misurato sul MB e’ di 1.12 trk/ev) – Il numero di eventi 1/3 (2/3) attesi in 5 fb-1 e’: nev = Nev * 1/6e5 * eff. Problema: occorrerebbe conoscere anche l’efficienza per i muoni pt>24 GeV. Se e’ simile a eff(2/3) gli eventi di segnale atteso andrebbero moltiplicati per ~ 2 (eff(2/3) 0.44 -> 1 e eff(1/3) 0.007 - > 0.016)

9 Tabelle nelle backup slides: sulla x il taglio in carica; sulla y il numero di lowcluster; Signal03(6)Effmap = efficienza del segnale Signal 03(6)Smap = numero di eventi atteso Bkg(S)* = stesse cose per il fondo Signal/bk 03(6) = #eventi segnale/#eventi bkg in 5 fb-1 (quando il bkg e’ zero non compare) Risultato: 1.17 segnale su fondo – Anche 13.5, se si chiedono quattro cluster – un po’ punitivo visto che la media dei cluster per traccia e’ 3.31

10

11

12 Quindi: stesso esercizio, ma togliendo dalle tracce il cluster con meno carica (riduzione) – In pratica si ipotizza la presenza di un effetto spurio al massimo Coda scomparsa nei dati: ok, ma… problemi a stimare il fondo per tagli minori di 0.5 -> occorre piu’ statistica

13 Punto di lavoro: cut dE/dx 0.6, n cluster low 2+

14

15

16 Risultato metodo 1: sembra che il punto di lavoro ottimale (efficienza, SN) per 2/3 sia: – Togliere dalle tracce il minore cluster – Selezionare come eventi di segnale tracce con 2+ cluster > 0.6 dE/dx – Ci si attende 1.24 eventi di segnale contro 0.03 di fondo CMS si attende 0.012 eventi di fondo al suo punto di lavoro Per 1/3 non c’e’ problema di efficienza. Si puo’ scegliere un punto di lavoro a zero BG – Problema: 0.06 eventi attesi. – CMS sceglie lo stesso punto di lavoro per 1/3 e 2/3: perche’?

17 Metodo 2: usare l’informazione della – provare a usare i dati “as is” piuttosto che recuperare le informazioni dei cluster – la puo’ non essere la scelta giusta per separare segnale da rumore. – Occorre trovare un modo per stimare il bkg (trovare una funzione di fit? Metodo ABCD (CMS)?) Ingredienti: distribuzioni per traccia stimata in vari modi sul MB e riscalata per particelle di carica 1/3(2/3) – Otto modi diversi: cosi’ come e’ e combinando media geometrica e eliminazione del cluster con la carica piu’ bassa Metodo: taglio su, valutazione del numero di eventi attesi come nel metodo 1

18 come e’ nei D3PD. (nelle tabelle e’ la riga “2”)

19 Tolto il cluster con carica minore Media geometrica (nelle tabelle e’ la riga “5”)

20

21

22 Con la dei D3PD si hanno 0.31 ev in 5 fb-1 ad un punto di lavoro con (sperabilmente) poco fondo Delle altre scelte la migliore sembra la n. 5 (togliere il cluster a carica minore e fare la media geometrica): 1.87 eventi ad un punto di lavoro con (probabilmente) poco fondo Occorre trovare un modo per stimare il fondo dai dati alla posizione di lavoro (taglio a 0.6) Non e’ chiaro ancora quale sia il metodo migliore tra media n.5 e taglio sul numero di low clusters (entrambi pero’ richiedono di accedere alle informazioni dei cluster)

23 Tabelle per metodo 1 – no cut sul cluster piu’ piccolo

24

25 In realta’ e signal06, errore nella caption

26

27

28

29

30

31 Tabelle metodo 1 – tolto il cluster piu’ piccolo

32

33

34

35

36

37 Metodo 2

38 media geometrica. (nelle tabelle e’ la riga “3”)

39 come CMS (senza togliere cluster) Left: media aritmetica Right media geometrica (metodo CMS). (nelle tabelle sono la riga “0” e “1”)

40 Tolto il cluster con carica minore Media aritmetica (nelle tabelle e’ la riga “4”)

41 Tolti 1 o 2 cluster piu’ grandi e quello con carica minore (quando possibile, considerando che molte tracce hanno tre cluster..) LEFT: Media aritmetica RIGHT: Media geometrica (nelle tabelle sono la riga “6” e “7”)

42

43

44

45

46

47

48 Problemi: Come mai de/dx ~ 1.3 != de/dx di CMS ~ 2? E’ vero che la coda a bassa ionizzazione e’ rumore non coerente? Non lo sara’ per i muoni cosmici – che nel Minimun Bias non ci sono – fondo di cosmici da ridurre E poi tutto quanto: generazione del montecarlo, efficienze di trigger, di traccia, segnale di controllo…