IEKP-KA/2013-8 - Institut für Experimentelle Kernphysik - KIT
IEKP-KA/2013-8 - Institut für Experimentelle Kernphysik - KIT
IEKP-KA/2013-8 - Institut für Experimentelle Kernphysik - KIT
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
40 5. Statistische Methoden<br />
gegeben. Dabei ist jede monotone Funktion dieses Verhältnisses gleichberechtigt. Formel<br />
5.8 wird als Likelihoodverhältnis bezeichnet. Das Likelihoodverhältnis liefert im Falle einfacher,<br />
durch eine Hyperfläche trennbarer, Populationen optimale Separationseigenschaften.<br />
Allerdings müssen die Wahrscheinlichkeitsdichtefunktionen für Parameter beider Hypothesen<br />
bekannt sein, was jedoch nicht immer der Fall ist. In diesem Fall müssen die<br />
Wahrscheinlichkeitsdichtefunktionen Messdaten nachempfunden oder durch Monte-Carlo<br />
Simulationen modelliert werden.<br />
Für die Likelihoodfunktion zur Trennung von Positronen und Protonen mithilfe des Übergangsstrahlungsdetektors,<br />
werden die Verteilungen der Energieabgabe pro Lage für Leptonen<br />
und Protonen nach Selektion mit dem elektromagnetischen Kalorimeter, nach Teil<br />
6.1, den Daten entnommen. Auf eins normiert entsprechen die Histogramme diskreten<br />
Wahrscheinlichkeitsdichtefunktionen wie in Abbildung 4.11 gezeigt und bereits beschrieben.<br />
Diese könnten nun parametrisiert werden um das Likelihoodverältnis zu bilden. Einfacher<br />
ist es jedoch die Wahrscheinlichkeiten P e,p (dE) für ein Positron- oder Protonereignis<br />
direkt aus der Wahrscheinlichkeitsverteilung zu entnehmen. Die Wahrscheinlichkeiten für<br />
Positron oder Proton in jeder der n = 20 Lagen werden dann über das geometrische Mittel<br />
√ √√√<br />
∏ n<br />
P e,p (dE) = n Pe,p(dE) k (5.9)<br />
k=1<br />
vereint. Daraus wird dann das Likelihoodverhältnis<br />
(<br />
)<br />
P e (dE)<br />
L = − log<br />
P e (dE) + P p (dE)<br />
(5.10)<br />
gebildet. Die Bildung des Logarithmus als monotone Funktion ist dabei Konvention und<br />
soll einer besseren Verarbeitung der Daten im Computer dienen. Bei der Bildung des geometrischen<br />
Mittels nach Gleichung 5.9 werden keine Korrelationen zwischen den einzelnen<br />
Lagen betrachtet, so dass das Likelihoodverhältniss nur eine gute Test-Statistik darstellt,<br />
wenn solche Korrelationen nicht existieren.<br />
In der AMS-02 Software werden Likelihoodverhältnisse durch das in der RWTH Aachen<br />
entwickelte Framework TrdQt und das im MIT entwickelte TrdK bereitgestellt. Beide<br />
unterscheiden sich durch ihr verwendetes alignment, sowie durch die Kalibrierung der<br />
Gasverstärkung, wie in Kapitel 4.4 beschrieben. Außerdem werden Abhängigkeiten der<br />
verwendeten Wahrscheinlichkeitsdichteverteilungen von der Energie des Teilchens oder<br />
des Gasdrucks im Proportionaldrahtkammerröhrchen unterschiedlich parametrisiert. Die<br />
Verteilungen der Likelihoodverhältnisse sind in Abbildung 5.3 zu sehen. Ein hoher Wert<br />
entspricht dabei einer Proton ähnlichen Signatur des Teilchens. Ein niedriger Wert einer<br />
Lepton ähnlichen Signatur.<br />
5.3. Künstliche neuronale Netze<br />
Die einfachste Möglichkeit eine Trennung vorzunehmen, ist die einer Hyperebene wie sie<br />
bereits in Abbildung 5.1 im zweidimensionalen Fall verwendet wurde. Eine entsprechende<br />
Test-Funktion kann in Form einer linearen Funktion als<br />
y(x) = w T x + w 0 (5.11)<br />
mit dem n-dimensionalen Variablenvektor x und w, welcher als Vektor der Gewichte bezeichnet<br />
wird, geschrieben werden [40]. Die Entscheidungsgrenze liegt dann auf der Hyperebene<br />
mit y(x) = 0. Die Form dieser Hyperebene wird durch die Gewichte festgelegt.<br />
40