You need to enable JavaScript to run this app. 为normfactor施加高斯约束及Barlow-Beeston lite实现的正确性问询
优惠活动
大模型
产品
解决方案
定价
更多

为normfactor施加高斯约束及Barlow-Beeston lite实现的正确性问询

配置核验结果

1. 基于normsys实现normfactor约束的方案问题

  • 核心逻辑偏差:当前配置中bu_y(normfactor类型的POI)和bu_y_constr(normsys自带的扰动参数)是完全独立的两个模型参数。normsys的高斯约束仅作用在自身的扰动参数上,不会对bu_y产生任何约束效果——实际效果是给模型额外叠加了一个与POI无关的归一化系统不确定性,完全没有实现给bu_y施加目标高斯约束的初衷。
  • 存在语法错误:参数bu_y的bounds字段括号匹配错误,元组的右括号误用为中括号,直接运行会触发语法报错。
  • 正确实现方式:无需挂载独立的normsys修饰项,直接在测量配置的parameters列表中为bu_y添加内置高斯先验即可,直接对POI施加约束:
    "parameters": [
        {
            "name": "bu_y",
            "bounds": [(1 - 5*expected_y_error/expected_yield, 1 + 5*expected_y_error/expected_yield)],
            "inits": [1.],
            "prior": {"type": "gauss", "mu": 1.0, "sigma": expected_y_error/expected_yield}
        }
    ]
    
    该配置下,当bu_y偏离中心值1时,会自动被高斯惩罚项约束,惩罚强度完全匹配要求的expected_yield ± expected_y_error的误差范围。
  • 补充:如果坚持使用normsys实现等价效果,需要将normsys的扰动参数与bu_y绑定为同一参数,但这种方式属于绕远路,不符合normsys的设计用途(normsys原生定位是为模板引入独立的系统不确定性,而非给POI加先验)。

2. Barlow-Beeston lite(staterror)配置的问题

  • 计算逻辑错误:staterror要求传入每个bin的绝对统计误差(单位与模板预期计数一致),泊松假设下误差值为对应bin预期计数的平方根。
  • 当前写法np.sqrt(MC_derived_sample)*expected_yield的偏差:
    每个bin的预期计数为expected_bin = MC_derived_sample * expected_yield,对应的正确泊松误差应为sqrt(expected_bin) = sqrt(MC_derived_sample * expected_yield)。当前写法会让统计误差比正确值放大sqrt(expected_yield)倍,导致模型严重高估模板的统计不确定度,拟合结果出现偏差。
  • 正确的staterror配置写法:
    {"name": "BB_lite_uncty", "type": "staterror", "data": np.sqrt(MC_derived_sample * expected_yield)}
    
    该输入数值与模板的预期计数严格匹配,符合Barlow-Beeston lite的算法要求。
  • 适配场景说明:无论MC_derived_sample是归一化形状模板(积分和为1),还是原始MC事件计数,上述计算逻辑都成立——只要保证传入的staterror数值是对应bin预期计数的平方根即可。

内容的提问来源于stack exchange,提问作者bldelane

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.10 09:24:11