II. Kísérleti program LHC energiákon 39
8. Alkalmazás: Töltött hadronok eloszlásai 95
9.4. Súlyozott átlagok
0, ha2i > n+ 1 1/2, ha2i=n+ 1 1, ha2i < n+ 1.
(9.2)
A fejezet további részében az 50%-os levágott átlag alatt ezt a kifejezést fogjuk érteni.
A következ® diszkusszió során állandó ti értékekkel dolgozunk, de a változó úthosszak kezelését a 9.5 szakaszban megvitatjuk.
9.4. Súlyozott átlagok
A fenti becslést általánosíthatjuk és a súlyokat optimalizálhatjuk. Az általánosítás kétféle lehet. Egyrészt az 50%-os levágott átlag helyett a b®vebb súlyozott átlagot vehet-jük, ahol a súlyok nem csak 0, 1/2 és 1 értékeket vehetnek fel. Másrészt lehetséges, hogy a súlyozott átlaggal jobb teljesítményt érhetünk el, ha azyi értékek helyett azok egyxi =
=R(yi)monoton függvényét használjuk az átlagolás során. Világos, hogy a transzformált értékek is rendezettek lesznek: xi ≤xi+1. Tekintsük az n mérés lineárkombinációját:
y =R−1
n
X
i=1
wiR(yi)
!
, R(y)≡x=
n
X
i=1
wixi, (9.3) aholPn
i=1wi = 1. A következ®kben két esetet fogunk tovább vizsgálni. HaRaz identitás, visszakapjuk a súlyozott számtani közepet, az R(y) = logy esetében pedig a súlyozott mértani közepet. Amíg az el®bbi választás a legegyszer¶bb, a mértani közép is hasznos lehet, mert az energiaveszteség eloszlása jól közelíthet® egy lognormális eloszlással. Emiatt a log(y)eloszlása az y hosszú farkú eloszlásánál szimmetrikusabb.
Igazából az R transzformációs függvény optimalizálása koronázhatná meg ezt a ta-nulmányt, de ez a feladat korántsem egyszer¶. Másrészt a számtani és a mértani közép egyaránt a hatványátlagok speciális esetei (R(y) = yp), p= 1 ésp→0 választással:
yarith=X
wiyi, ygeom = expX
wilnyi ,
valamint még ide sorolhatjuk a p=−∞ (minimum) és a p =∞ (maximum) különleges eseteket is.
Az optimalizálás célja A könnyebb részecskeazonosítás és a hozamok pontos meg-határozása érdekében a becslésre használt mennyiség eloszlásának minél keskenyebbnek és az átlagos energiaveszteség megváltozására érzékenynek kell lennie. Ha a részecske im-pulzusát és tömegét megváltoztatjuk, a leadott energia is megfelel® módon változik. Egy
116 Energiaveszteség-ráta becslése lineáris kombináció
9.5. ábra. Az(i, j)energialeadások korrelációs mátrixa 300µm szilícium (balra) és 1 cm neon (jobbra) esetén,βγ= 3,17mellett, ha a pályán 20 mért szakaszunk van.
kis eltérést úgy modellezhetünk, hogy a pálya minden egyes energialeadását megszoroz-zuk egy1 +α faktorral, aholα kicsi. Ha a becslés eloszlása a gaussoshoz közeli (m átlag, σszórás), várható értéke eltolódik. A kezdeti és a megváltoztatott eloszlás közti távolság, a szétválás (separation power), a szórás egységeiben:
1 σ
∂m
∂α.
A számtani közép esetén a becslés lineáris,∂m/∂α=m, így aσ/mrelatív felbontást kell minimalizálnunk (Súlyozott számtani közép bekezdés). A mértani középnél a szorzás egy α-val való eltolást jelent, így a σ abszolút felbontást kell minimalizálni (Súlyozott mértani közép bekezdés).
Az i-edik sorba rendezett mérés várható értéke, valamint az i-edik és j-edik mérés kovarianciája központi szerepet játszik az optimalizálásban:
mi =hxii, Vij =hxixji − hxiihxji.
mi-et és Vij-t a 9.2 szakaszban ismertetett szimuláció segítségével kiszámíthatjuk. A szi-líciumra és neonra vonatkozó korrelációs mátrixokat a 9.5 ábra mutatja, adott anyagvas-tagság ésβγválasztása esetén, 20 mért pályaszakasz mellett. A nagy energialeadások er®-sen korreláltak, így kevesebb információt tartalmaznak, emiatt a többi szakasznál kisebb súllyal fognak szerepelni. APn
i=1wixi súlyozott összeg ((9.3) egyenlet) várható értéke és szórásnégyzete
m=
n
X
i=1
miwi, σ2 =
n
X
i,j=1
wiVijwj. (9.4) Az optimális súlyokkal nem csak az energiaveszteség-ráta, hanem annak szórása is becsülhet®, amely mindenképpen el®ny a levágott átlag, vagy más egyszer¶ átlagokkal szemben. A kapott súlyoknak akkor van gyakorlati haszna, ha azok a mérések szá-mának széles tartományában érzéketlenek a βγ értékére és az anyagvastagságra. A következ®ben megmutatjuk, hogy valóban ez a helyzet.
dc_245_11
Súlyozott számtani közép Célunk a relatív felbontás σ
m =
√
wTVw
mw , (9.5)
minimalizálása awsúlyok változtatásával. (Itt vektor- és mátrix-jelölésre váltottunk,wT a w oszlopvektor transzponáltja.) Ezen mennyiség négyzete
q(w) = wTVw
(wTm)(mTw) = wTVw wTMw.
A jobb oldalon álló kifejezés egy Rayleigh-hányados, M = m⊗mT egy diád. Az els®
variációra
δq = δ[wT(V −qM)w]
wTMw .
A q-t minimalizálów vektornak ki kell elégítenie a δq = 0 egyenletet, így aVw=qMw összefüggést, melyet átrendezve kapjuk:
w =q(V−1m)(mTw).
Itt a w és V−1m vektoroknak párhuzamosaknak kell lenniük. Ha a súlyok összegének 1-et kell adnia, az optimális súlyok
w = V−1m
1TV−1m, (9.6)
ahol 1 egy egyesekb®l álló oszlopvektor. A relatív felbontás a minimumban:
minσ m
=√
q = 1
√
mTV−1m. (9.7)
A súlyokra való érzékenységet a Hesse-mátrix segítségével kaphatjuk, amely H = 2 V −qM
(wTm)(mTw).
Mivel a minimumban Hw=0, a Cramer-szabály miattdetH= 0, ezértHszinguláris. A relatív felbontás 1%-os növekedésének megfelel® érzékenységet ezért a következ® módon jellemezhetjük:
∆wi =p
10−2·2q/Hii. (9.8)
Súlyozott mértani közép Célunk a σ2 szórásnégyzet minimalizálása, a P
iwi = 1 kényszerrel. A minimalizálandó kifejezés
q(w) =wTVw+λ 1Tw−1
. (9.9)
118 Energiaveszteség-ráta becslése lineáris kombináció
aholλegy Lagrange-féle multiplikátor. A minimumban egy lineáris egyenletrendszert kell megoldanunk,
2Vw+λ1=0, 1Tw−1 = 0, vagy mátrix jelöléssel
H w
λ
!
= 0 1
!
, H= 2V 1
1T 0
! ,
aholHaq-hoz tartozó Hesse-mátrix. A
blok-9.6. ábra. Fentr®l lefelé: normalizáló faktorok 300µm szilícium és 1 cm neon esetén, többféleβγ érték mellett; normalizáló faktorokβγ= 3,17 mel-lett szilíciumra és neonra, különféle anyagvastagsá-gok mellett. A berajzolt vonalak a könnyebb meg-értést segítik.
kos szerkezet¶ H mátrix invertálható:
H−1 = 1 1TV−11
−V−1−V−111TV−1 V−11 1TV−1 −2
!
és az egyenletrendszert megoldhatjuk. Az optimális súlyok
w= V−11
1TV−11, (9.10) a multiplikátor pedig λ = −2/(1TV−11). A (9.6) és (9.10) egyenletek szerkezete ha-sonló. A szórás értéke a minimumban
min(σ) = 1
√
1TV−11, (9.11) amely egyben a visszatranszformáltexp(x)≡
≡y relatív felbontása is. A súlyok a rela-tív felbontás 1%-os növekedéséhez tartozó érzékenysége a fentiekhez hasonló módon kapható.
A súlyok átskálázása A kapott súlyok a számtani és a mértani közepek esetében is a mérési pontok n számának függvényei.
Ugyanakkor a közepek várható értékei és szórásai is függenek n-t®l. Hogy megszün-tessük a várható érték függését, a súlyokat az n → ∞ határesethez normáljuk. A szükséges normálási faktorokat a 9.6 ábra mutatja. Látszik, hogy az értékek gyorsan 1-hez tartanak. Még alacsony számú mérési pont esetén is (n≤4) elmondhatjuk, hogy a faktorok meglehet®sen függetlenekβγ-tól és az anyagvastagságtól, különösen a szilí-cium esetében.
dc_245_11
9.7. ábra. Energiaveszteség-eloszlások összehasonlítása 300 µm szilícium (balra) és 1 cm neon (jobbra) esetén, βγ= 3,17mellett, ha a pályának 6 mért szakasza van. A s¶r¶ségfüggvényt (folytonos vonal), az 50%-os levágott átlagot (szaggatott vonal) és a súlyozott számtani közép eloszlását (szaggatott-pontozott vonal) ábrázoltuk, az optimalizálás után. A vízszintes szakasz a zaj nagyságát jellemzi (3 keV szilíciumra, 0,01 keV neonra).