HEP-ex-Analysis

目录

• 前言

第 1 章 高能物理实验测量的统计性质（p.1）

• 1.1 指数分布物理量（p.1）
  • 1.1.1 不稳定粒子的衰变时间（p.1）
  • 1.1.2 不稳定粒子的飞行距离（p.2）
• 1.2 二项分布物理量（p.3）
  • 1.2.1 探测器计数（I），探测效率（p.3）
  • 1.2.2 粒子反应产物的不对称性（I）（p.4）
• 1.3 多项分布物理量，直方图数据（I）（p.6）
• 1.4 泊松分布物理量（p.8）
  • 1.4.1 泊松分布，泊松过程（p.8）
  • 1.4.2 放射性衰变规律（p.9）
  • 1.4.3 粒子反应产物计数（p.12）
  • 1.4.4 探测器计数（II）（p.14）
  • 1.4.5 粒子反应产物的前后不对称性（II）（p.16）
  • 1.4.6 直方图数据（II）（p.17）
• 1.5 正态分布物理量（p.18）

第 2 章 高能物理实验分析概述（p.20）

• 2.1 实验数据（p.20）
  • 2.1.1 原始数据获取（p.20）
  • 2.1.2 实验数据集（p.21）
• 2.2 实验分析的一般步骤（p.23）
  • 2.2.1 事例判选，特征变量和数据矩阵（p.24）
  • 2.2.2 事例判选的一般步骤（p.28）
  • 2.2.3 事例判选的截断值分析法（p.31）
  • 2.2.4 截断值判选法用于实验分析实例（p.40）
  • 2.2.5 候选信号事例分布的分析和拟合（p.45）
  • 2.2.6 系统误差分析（p.49）

第 3 章 高能物理实验分析的一些要素（p.52）

• 3.1 误差，统计误差和系统误差（p.52）
  • 3.1.1 误差的定义（p.52）
  • 3.1.2 统计误差的确定（p.54）
  • 3.1.3 系统误差的来源和归类（p.58）
  • 3.1.4 各类系统误差的确定（p.59）
  • 3.1.5 误差的合并（p.64）
• 3.2 效率及其误差（p.67）
  • 3.2.1 探测器探测效率（p.67）
  • 3.2.2 粒子在径迹探测器效率（p.68）
  • 3.2.3 事例判选效率（p.70）
• 3.3 粒子鉴别（p.71）
  • 3.3.1 用于带电粒子鉴别的特征变量（p.71）
  • 3.3.2 带电粒子鉴别的 χ² 方法（p.76）
  • 3.3.3 带电粒子鉴别的似然函数方法（p.77）
  • 3.3.4 带电粒子鉴别的神经网络方法（p.78）
• 3.4 实验分布（p.84）
  • 3.4.1 实验分辨函数（p.85）
  • 3.4.2 探测效率（p.91）
  • 3.4.3 考虑实验分辨和探测效率的实验分布（p.93）
  • 3.4.4 复合概率密度（p.94）
  • 3.4.5 几种特殊的概率密度（p.96）
• 3.5 共振态和不可探测粒子的重建与寻找（p.99）
  • 3.5.1 不变质量谱（p.99）
  • 3.5.2 达里兹图（p.101）
  • 3.5.3 反冲质量谱（p.103）
  • 3.5.4 丢失质量谱（p.104）
  • 3.5.5 束流约束质量谱（p.104）
  • 3.5.6 特征变量 U_miss（p.106）
• 3.6 运动学拟合（p.109）
  • 3.6.1 存在不可测变量的运动学拟合（p.111）
  • 3.6.2 无不可测变量的运动学拟合（p.116）
  • 3.6.3 运动学拟合中的自由度（p.117）
  • 3.6.4 运动学拟合用于粒子鉴别（p.119）
• 3.7 布雷特-维格纳共振公式（p.120）
• 3.8 信号效率的确定，事例产生子（p.123）
  • 3.8.1 信号效率的确定（p.123）
  • 3.8.2 事例产生子（p.124）
• 3.9 数据控制样本（p.126）
• 3.10 信号分布和本底分布的拟合（p.130）
  • 3.10.1 一维分布（p.130）
  • 3.10.2 多维分布（p.134）

第 4 章 参数估计（p.144）

• 4.1 估计量的性质（p.144）
• 4.2 期望值和方差的估计（p.145）
• 4.3 极大似然估计（p.146）
  • 4.3.1 参数及其方差的极大似然估计（p.146）
  • 4.3.2 直方图数据的极大似然估计（p.148）
  • 4.3.3 广义极大似然估计（p.148）
• 4.4 最小二乘估计（p.149）
  • 4.4.1 参数及其方差的最小二乘估计（p.149）
  • 4.4.2 直方图数据的最小二乘估计（p.151）
  • 4.4.3 约束的最小二乘估计（p.152）

第 5 章 区间估计、置信区间和置信限（p.154）

• 5.1 经典置信区间（p.154）
  • 5.1.1 置信区间的 Neyman 方法（p.154）
  • 5.1.2 正态估计量的 Neyman 置信区间（p.157）
  • 5.1.3 泊松观测值的 Neyman 置信区间（p.158）
• 5.2 利用似然函数作区间估计、似然区间（p.161）
  • 5.2.1 单个参数的似然区间（p.162）
  • 5.2.2 Bartlett 函数求置信区间（p.165）
  • 5.2.3 多个参数的似然域（p.167）
• 5.3 最小二乘法求置信区间（p.169）
  • 5.3.1 单个参数的置信域（p.170）
  • 5.3.2 多个参数的置信域（p.171）
• 5.4 Neyman 区间、似然区间和 Bartlett 区间的对比（p.172）
• 5.5 接近物理边界的参数置信区间（p.178）
  • 5.5.1 经典方法的困难（p.178）
  • 5.5.2 F-C 方法（p.182）
  • 5.5.3 改进的 F-C 方法（p.186）
  • 5.5.4 系统误差的考虑（p.188）
• 5.6 贝叶斯置信度区间（p.188）
  • 5.6.1 先验密度（p.189）
  • 5.6.2 系统误差的处理、冗余参数（p.190）
  • 5.6.3 贝叶斯区间估计（p.191）
• 5.7 二项分布参数的区间估计（p.197）
  • 5.7.1 二项分布参数 p 的置信区间（p.198）
  • 5.7.2 由泊松期望值比 λ 推断 p 的置信区间（p.203）
• 5.8 衰变分支比的估计（p.204）
  • 5.8.1 分支比估计的最小二乘法（p.205）
  • 5.8.2 分支比估计的极大似然法（p.205）
  • 5.8.3 置信区间和上限的确定、系统误差的考虑（p.208）
  • 5.8.4 小结（p.211）

第 6 章 多个测量值的合并估计（p.212）

• 6.1 多个测量值的极大似然合并估计（p.212）
  • 6.1.1 各实验似然函数已知时的合并估计（p.212）
  • 6.1.2 各实验似然函数未知时的合并估计（p.215）
• 6.2 多个测量值的最小二乘合并估计（p.220）
• 6.3 分支比多个测量值的合并估计（p.225）
  • 6.3.1 合并估计的最小二乘法（p.227）
  • 6.3.2 合并估计的极大似然法（p.228）
  • 6.3.3 置信区间和上限的确定、系统误差的考虑（p.231）
  • 6.3.4 小结（p.233）

第 7 章 假设检验和统计显著性（p.234）

• 7.1 似然比检验（p.234）
• 7.2 拟合优度检验（p.236）
  • 7.2.1 皮尔逊 χ² 检验（p.236）
  • 7.2.2 柯尔莫哥洛夫检验（p.238）
  • 7.2.3 斯米尔诺夫-克拉默-冯·迈泽斯检验（p.242）
• 7.3 信号的统计显著性（p.243）
  • 7.3.1 实验 P 值（p.244）
  • 7.3.2 信号的统计显著性（p.245）

第 8 章 盲分析（p.252）

• 8.1 为什么需要盲分析（p.252）
• 8.2 盲分析需要遵循的原则（p.253）
• 8.3 盲分析方法及实例（p.254）
  • 8.3.1 信号盲区方法——稀有衰变和寻找新共振态的盲分析（p.254）
  • 8.3.2 改善分支比测量精度的盲分析（p.258）
  • 8.3.3 隐藏参数法——参数精确测量的盲分析（p.259）
  • 8.3.4 隐藏不对称性分布和不对称参数法——不对称性测量盲分析（p.260）
• 8.4 结语和讨论（p.262）

第 9 章 关于粒子表（p.264）

• 9.1 数据的选择和处理（p.264）

• 9.2 均值与拟合（p.265）

  • 9.2.1 误差处理（p.266）
  • 9.2.2 无约束求平均（p.266）
  • 9.2.3 约束拟合（p.268）

• 9.3 介入（p.270）

• 9.4 讨论（p.270）

• 参考文献（p.273）

• 附表（p.278）

• 索引（p.347）

• 《现代物理基础丛书》已出版书目（p.353）