- •Введение
- •Основы работы с ROOT
- •Что такое ROOT
- •Установка и запуск ROOT
- •Системные требования
- •Способы установки
- •Запуск ROOT
- •Первые шаги в ROOT
- •Интерактивная оболочка CINT
- •Создание простых объектов
- •Структура ROOT
- •Основные классы
- •Система наименований
- •Работа с гистограммами
- •Введение в гистограммы
- •Одномерные гистограммы (TH1)
- •Создание гистограммы
- •Типы гистограмм
- •Настройка внешнего вида
- •Двумерные гистограммы (TH2)
- •Операции с гистограммами
- •Арифметические операции
- •Статистические функции
- •Графики и визуализация
- •Класс TGraph
- •Создание простого графика
- •График с погрешностями
- •Многопанельные графики
- •Разделение холста
- •Функции в ROOT
- •Создание и отображение функций
- •Многомерные функции
- •Легенды и аннотации
- •Создание легенды
- •Добавление текста
- •Работа с деревьями (Trees)
- •Введение в ROOT Trees
- •Создание дерева
- •Простое дерево
- •Дерево с массивами
- •Чтение деревьев
- •Простое чтение
- •Использование TTreeReader
- •Селекция данных
- •Использование Draw с условиями
- •TEntryList для сложной селекции
- •Анализ данных и фитирование
- •Введение в фитирование
- •Фитирование гистограмм
- •Простое фитирование
- •Фитирование пользовательской функцией
- •Фитирование графиков
- •Линейная регрессия
- •Нелинейное фитирование
- •Минимизация и оптимизация
- •Использование Minuit
- •Продвинутые возможности
- •RooFit - статистическое моделирование
- •Основы RooFit
- •Генерация и фитирование данных
- •Многомерный анализ
- •Анализ главных компонент (PCA)
- •Параллельные вычисления
- •ROOT::EnableImplicitMT
- •Веб-интерфейс
- •ROOT в Jupyter
- •Практические примеры и упражнения
- •Анализ физических данных
- •Анализ распада частиц
- •Упражнения для самостоятельной работы
- •Упражнение 1: Анализ распределений
- •Упражнение 2: Корреляционный анализ
- •Упражнение 3: Работа с реальными данными
- •Проекты
- •Проект 1: Анализатор логов детектора
- •Проект 2: Статистический анализ
- •Заключение
- •Приложения
Глава 6
Продвинутые возможности
6.1RooFit - статистическое моделирование
RooFit — это пакет для статистического моделирования, входящий в состав ROOT. Он предоставляет объектно-ориентированный подход к созданию сложных статистических моделей.
6.1.1Основы RooFit
1#include "RooRealVar.h"
2#include "RooDataSet.h"
3#include "RooGaussian.h"
4#include "RooPolynomial.h"
5#include "RooAddPdf.h"
6#include "RooPlot.h"
7
8// Определение переменной
9RooRealVar x("x", "Observable", -10, 10);
10
11// Создание модели - гауссиан
12RooRealVar mean("mean", "Mean of Gaussian", 0, -5, 5);
13RooRealVar sigma("sigma", "Width of Gaussian", 1, 0.1, 10);
14RooGaussian gauss("gauss", "Gaussian PDF", x, mean, sigma);
15
16// Создание фона - полином
17RooRealVar a0("a0", "Constant", 0.1, -1, 1);
18RooRealVar a1("a1", "Linear", 0.004, -1, 1);
19RooPolynomial poly("poly", "Polynomial", x, RooArgList(a0, a1));
20
21// Комбинированная модель
22RooRealVar nsig("nsig", "Number of signal events", 500, 0, 2000);
23RooRealVar nbkg("nbkg", "Number of background events", 500, 0, 2000);
24RooAddPdf model("model", "Signal + Background",
25 |
RooArgList(gauss, poly), RooArgList(nsig, nbkg)); |
23
