Time calibration with muons J.P. Gómez-González

Updates Seleccionar eventos aplicando un corte en lambda menos restrictivo (>-7.0)  Adaptar el código y correr nuevos jobs: para la primera iteración he lanzado 500 que han tardado varios días en terminar (en promedio solo corren a la vez y cada uno tarde más de 7 horas). Crear histogramas con las distribuciones de los time residuals utilizando diferentes cortes en el ángulo cenital (180º, 150º y 120º) en lambda (-6.8 a - 6.5) y en el photon path (200m, 1000m y 1000m). Este ultimo corte lo había introducido en 200m porque el acuerdo entre datos y simulaciones era mejor pero, come verás más adelante, he decidido quitarlo y utilizar to T0s medidos con la muestra para la que el corte está en 10000m, es decir, que no hay tal corte. Actualizar el código e introducir nuevas funciones y automatización: Los plots ahora también se guardan en la web:

Selección de ARSs a corregir La primera idea era utilizar parámetros de calidad del ajuste como la probabilidad del fit (GetFitProb()) y el chi2/NDF para seleccionar con que fits nos quedamos, i.e., que ARSs corregimos. Sin embargo, como se puede ver en los plots de calidad del fit (slides 7 y 8), estos parámetros no resultan muy adecuados para hacer la selección. Finalmente, se aceptan todos aquellos ARSs para los que el fit gaussiano tiene una sigma < 10 y un error en la media (mu) < 2ns. En las siguientes slides puedes ver plots de las distribuciones de los time residuals para cada ARS en cada líneas: en verde los fits aceptados, en rojo los que no se tendrán en cuenta para una nueva iteración. En el nombre del directorio que contiene los.html se pueden leer los cortes aplicados, por ejemplo (en los inmediatamente siguientes) tendríamos: theta -6.5, b<10000

Plots tres por líneas Cortes aplicados: theta -6.5, b<10000 Gaussian fit quality  sigma < 10 & mean_err < _lambda65_b1_l0_b2_l10000_bins70/plots_line1.html 0_lambda65_b1_l0_b2_l10000_bins70/plots_line2.html 0_lambda65_b1_l0_b2_l10000_bins70/plots_line3.html 0_lambda65_b1_l0_b2_l10000_bins70/plots_line4.html 0_lambda65_b1_l0_b2_l10000_bins70/plots_line5.html 0_lambda65_b1_l0_b2_l10000_bins70/plots_line6.html

Plots time residuals por líneas Cortes aplicados: theta -6.5, b<1000 Gaussian fit quality  sigma < 10 & mean_err < _lambda65_b1_l0_b2_l10000_bins70/plots_line7.html 0_lambda65_b1_l0_b2_l10000_bins70/plots_line8.html 0_lambda65_b1_l0_b2_l10000_bins70/plots_line9.html 0_lambda65_b1_l0_b2_l10000_bins70/plots_line10.html 0_lambda65_b1_l0_b2_l10000_bins70/plots_line11.html 0_lambda65_b1_l0_b2_l10000_bins70/plots_line12.html

Otros ejemplos/cortes Cortes aplicados: theta -6.8, b<1000 Gaussian fit quality  sigma < 10 & mean_err < _lambda68_b1_l0_b2_l1000_bins70/plots_line1.html Cortes aplicados: theta -6.8, b<200 Gaussian fit quality  sigma < 10 & mean_err < _lambda68_b1_l0_b2_l200_bins70/plots_line4.html Más en: En general, al seleccionar trazas más horizontales (aplicando un corte en theta) para intentar mejorar la iluminación de los pisos más bajos, se pierde mucha estadística y el fit de las distribuciones es peor. El error en mu aumenta y la anchura de la distribución de las correcciones también, de modo que muchos ARSs no podrán ser corregidos.

Plots Distribuciones parámetros de calidad del fit a las distribuciones de los time residuals: _lambda68_b1_l0_b2_l1000_bins70/plots_fit_quality.gif Fit probability vs Chi2/NDF y número de entradas: _lambda68_b1_l0_b2_l1000_bins70/plots_2D_fitq1.gif Fit probability y Chi2/NDF frente al error en el mean value (mu) del ajuste y la sigma del ajuste: _lambda68_b1_l0_b2_l1000_bins70/plots_2D_fitq2.gif Más plots en:

Plots Parámetros de la calidad del ajuste gaussiano Número de ARS funcionando por línea Distribución de todas las correcciones calculadas

Plots: offsets vs línea, piso..

Plots: sigma del ajuste gaussiano

Plots: hits en función del piso Hits procesados por cada ARS en función del piso y para cada línea

Plots: error en la mu del fit Error en mu de la función gaussiana de ajuste de las distribuciones de time residuals. Como puedes ver, el error es mayor para los primeros pisos salvo alguna excepción (líneas centrales en particular)

Plots time residuals Cortes aplicados: theta -6.5, b<200 Line 1 - Floor 1  Algunos fits dados por buenos no deberían ser considerados (aquí el ARS 3 por ejemplo): los quito a mano de la lista de correcciones para una nueva iteración.

Nueva iteración He decidido utilizar las correcciones obtenidas con la muestra que seleccionan los cortes lamba>-6.5 y theta<180º, puesto que para lambdas menores el acuerdo datos/MC no es tan bueno y porque las correciones medidas tp se diferencian demasiado. He lanzado nuevos jobs para una segunda iteración que tiene en cuenta las correcciones calculadas en la primera, i.e., estas (2ª columna): r0_theta180_lambda65_b1_l0_b2_l10000_bins70.txt Después de inspeccionar visualmente los plots de las distribuciones de los time residuals para cada ARS en cada piso y línea he decidido no incluir algunas de las correcciones que el programa de ajuste da por buenas y no las tengo en cuenta en la nueva iteración. Por ejemplo los ARS 4 y 5 de la L3F19: _lambda65_b1_l0_b2_l10000_bins70/line3_floor19.gif Las correcciones que he quitado a mano son para los siguientes ARS: L2-F1 ARS 2 y 3. L4-F1 ARS3. L6-F5 ARS3, L6-F22 ARS3 (muy pocas entradas y pico en 22 ns),

Casos peculiares Parece que unos pocos ARS tienen un offsets muy grande, por ejemplo el L7- F17 ARS 4: _lambda65_b1_l0_b2_l10000_bins70/line7_floor17.gif Puede verse mejor en este plot con un rango de binning mayor: ¿Te parece que es un offset real o que este ARS funciona mal? También sucede esto para los ARS 4 y 5 de la L3- F19 Para esta primera iteración he decidido utilizarlos y corregir sus desfases de unos 40 ns

Plot para el paper Width of corrections (12 lines) and mean value of the fit quality distribution as a function of the iteration number.

Track fit quality: lambda El acuerdo entre datos y MC no es muy bueno para -7.0<lambda<-6.6

Cuestiones por aclarar y Resumen ¿Por qué el piso 1 de la línea 5 está apagado, el 5 de la línea 6 también? ¿Qué pasa con los ARS 4 y 5 de la línea 3 piso 19? Tampoco funciona el piso 6 de la línea 12 ARS con offsets de 40 ns: preguntaré a Agustín si los corrige o si sabe si les pasan algo… Resumen: Finalmente, y aunque en general las distribuciones de los time residuals para los primeros pisos (sobre todo el 1) de cada línea son más chungas, unos cuantos ARSs en los pisos más bajos se corrigirán con el método de los muones. Te enviaré más cosas una vez hayan corrido un par de nuevas iteraciones. Cualquier pregunta o duda me escribes.