zFit玩具实验Pull图实现与扩展PDF参数设置问询
核心问题解答
1. sampler.resample() 的实际执行逻辑
这个操作的本质是基于当前扩展PDF的全部参数取值,重新生成一整套全新的玩具随机样本,完全内置了你猜测的“生成事件数服从泊松分布”的标准行为:
- 针对扩展模型,重采样时会首先按你设定的扩展产额参数值,从泊松分布中随机抽取本次玩具的实际生成事件数
- 再从对应形状PDF中抽取与该事件数匹配的观测值,整个过程不需要你手动实现泊松抽样
你代码里给n_sig设置的拟合上下限(nsig_toy*(1±0.1))仅作为拟合过程的参数边界约束,不会影响重采样时的泊松抽样行为——抽样的事件数范围完全由你设定的中心产额值对应的泊松分布自然波动决定,和拟合边界无关。重采样完成后,本次采样实际生成的事件数可以直接通过sampler.nevents属性读取,也就是你需要的N_generated真实值。
另外你初始化采样器时设置的fixed_params=[mu, sigma],作用就是告诉采样器在多次重采样时保持这两个形状参数固定,仅围绕模型的扩展产额参数做事件数的随机波动,这个设置本身是符合需求的。
2. 全参数randomize()逻辑的问题与适用边界
你当前代码里对所有拟合参数执行param.randomize()的逻辑,完全不符合你“固定mu/sigma、仅随机改变n_sig生成玩具”的需求,属于教程通用示例的冗余泛化操作:
- 教程中该操作的设计初衷,是避免每次拟合都从完全相同的固定初始点出发,导致最小化器卡在同一个局部极小值引入拟合偏差,默认是对所有待拟合参数生效的
- 落到你当前的简化验证场景,这个逻辑会直接把本来应该全程固定的mu、sigma也随机跳变,相当于每套玩具的分布形状真值都在无规则变化,完全脱离了“仅验证产额波动下拟合无偏性”的目标,最终算出来的pull值没有任何物理意义
正确的适配逻辑非常简单:
- 整个玩具循环全程保持mu、sigma固定在预设的真值(比如mu=0、sigma=1),不对这两个参数做任何随机改动
- 每次拟合前,只需要把n_sig的初始值设回预设的中心值(比如1e4)即可,不需要全参数随机
- 如果你确实想验证最小化器的收敛稳定性,最多只对n_sig一个参数做小范围的初始点随机扰动,绝对不要改动mu和sigma的真值
3. Pull值的具体实现方法
按照pull = (N_generated - N_fit) / sigma_Nfit的公式,实现只需要三步:
- 每次执行
sampler.resample()后,直接读取sampler.nevents作为本次玩具的真实生成事件数N_generated - 拟合完成后,从收敛的拟合结果中分别读取:
- 拟合得到的信号产额值
N_fit:通过result.params[n_sig]['value']获取 - 拟合得到的信号产额不确定度
sigma_Nfit:在执行完result.hesse()误差计算后,通过result.params[n_sig]['hesse']['error']获取
- 拟合得到的信号产额值
- 代入公式计算单套玩具的pull值即可,参考实现代码:
pull_values = [] fit_results = [] ntoys = 10 while len(fit_results) < ntoys: # 重采样生成新玩具,自动完成泊松事件数抽样 sampler.resample() n_generated = sampler.nevents # 直接获取本次的真实生成事件数 # 拟合前将参数初始值重置为固定点,不做全局randomize n_sig.set_value(nsig_toy) result = minimizer.minimize(nll) if result.converged: result.hesse() n_fit = result.params[n_sig]['value'] sigma_fit = result.params[n_sig]['hesse']['error'] # 计算当前玩具的pull值 pull = (n_generated - n_fit) / sigma_fit pull_values.append(pull) fit_results.append(result)
后续三类混合场景的适配思路
- 场景1(改变信号数、固定本底数):分别为信号、本底构建扩展PDF,绑定对应的
n_sig和n_bkg参数;设置n_bkg全程固定在预设值,让采样器按n_sig的泊松波动生成事件;拟合时同样固定n_bkg不动,仅拟合n_sig,对应pull值按n_sig的生成/拟合值计算。 - 场景2(固定信号数、改变本底数):与场景1逻辑对称,固定
n_sig的取值全程不变,仅让n_bkg按泊松波动生成事件;拟合时固定n_sig,计算n_bkg对应的pull值。 - 场景3(改变
fraction参数):将总产额设为固定值n_total,把信号产额改写为n_sig = n_total * fraction、本底产额改写为n_bkg = n_total*(1-fraction);将fraction作为待拟合参数,固定真值生成样本,由于总产额固定,重采样时的事件数为确定值;拟合完成后,基于fraction的生成值、拟合值和拟合不确定度计算对应pull值即可。
内容的提问来源于stack exchange,提问作者holyschmoly
相关产品推荐
相关产品推荐

