具有背景和信号效率不确定性的泊松过程的极限、发现和切割优化：TRolke 2.0

二项式和泊松均值比频率论置信区间在切割效率误差估计中的应用

Binomial and ratio-of-Poisson-means frequentist confidence intervals applied to the error evaluation of cut efficiencies

在实验粒子物理实践中，对由切割效率引起的误差的估计是一个常见的问题。具体而言，需要评估的效率削减背景去除，当他们在一个信号-免费-背景-只有能量窗口进行测试，起源于一个统计问题，发现其自然的框架中的两个经典的解决方案的丰富的家庭，密切相关的问题，即确定置信区间的参数的二项式比例和泊松比的手段。在本文中，首先从传统的角度来解决这个问题，然后自然地演变为引入非标准置信区间的二项式和泊松的情况下，特别强调的是通过应用的似然比排序传统的奈曼处方的置信限确定的区间。由于它们在减少的长度和覆盖特性方面的吸引力，新的间隔非常适合作为标准Clopper-Pearson PDG间隔的有趣替代。

Optimal event selection and categorization in high energy physics, Part 1: Signal discovery

We provide a prescription to train optimal machine-learning-based event selectors and categorizers that maximize the statistical significance of a potential signal excess in high energy physics (HEP) experiments, as quantified by any of six different performance measures. For analyses where the signal search is performed in the distribution of some event variables, our prescription ensures that only the information complementary to those event variables is used in event selection and categorization. This eliminates a major misalignment with the physics goals of the analysis (maximizing the sig…

从预期背景中发现潜力的投影

Projections of Discovery Potentials from Expected Background

本研究定量分析新现象搜索中基于预期背景的发现潜力，比较泊松统计与最大似然法，并应用于无中微子双贝塔衰变搜索，验证了连续近似低估及额外约束降低所需信号强度的效应。

贝叶斯概率论在过去和未来Tevatron实验中测量二项式数据的应用

Application of Bayesian probability theory to the measurement of binomial data at past and future Tevatron experiments

将测量的二项式量（样品中通过切割的事件的分数）转换为物理二项式量（源自信号源的事件的分数）的实验问题描述为线性方程组。这个线性系统说明了实验数据分析的几个常见方面。贝叶斯概率理论是用来找到一个解决这个二项式测量问题，允许直接建设的置信区间。这种解决方案还表明，提供了一个公正的形式主义，用于评估数据集的行为在不同的选择削减，包括削减旨在增加一个可能的，虽然以前看不见的，信号的意义。通过几个例子来说明这种方法的特点，包括顶夸克的发现和寻找与$W^{\pm}$玻色子有关的新粒子。还演示了如何使用这种方法对Tevatron Run 2实验中可能发现的标准模型希格斯玻色子进行预测，以及通过包容性的$p\bar{p} \to W^{\pm}$产生来测量积分亮度的实用性。

如何吸引男人

How to Claim a Discovery

我们描述了一个信号存在的统计假设检验。该测试允许研究人员先验地固定信号位置和/或宽度，或者执行搜索以找到使信号最大化的信号区域。背景速率和/或分布可以是已知的或可以根据数据估计。切口可以用来发出信号。

存在本底不确定性的计数实验的发现灵敏度

Discovery Sensitivity for a Counting Experiment with Background Uncertainty

本文推导了含本底不确定性的计数实验的发现显著性近似表达式，纳入高阶渐近修正，经对比验证其在低事例产额下的有效性，可用于评估实验灵敏度及优化截断选择。