1 Time calibration with muons J.P. Gómez-González

2 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 30-40 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: http://ific.uv.es/~jpablo/calibration/hit_study/ars/

3 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

4 Plots tres por líneas Cortes aplicados: theta -6.5, b

5 Plots time residuals por líneas Cortes aplicados: theta -6.5, b

6 Otros ejemplos/cortes Cortes aplicados: theta -6.8, b

7 Plots Distribuciones parámetros de calidad del fit a las distribuciones de los time residuals: http://ific.uv.es/~jpablo/calibration/hit_study/ars/plots/y2010_m10/iter0_theta180 _lambda68_b1_l0_b2_l1000_bins70/plots_fit_quality.gif Fit probability vs Chi2/NDF y número de entradas: http://ific.uv.es/~jpablo/calibration/hit_study/ars/plots/y2010_m10/iter0_theta180 _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: http://ific.uv.es/~jpablo/calibration/hit_study/ars/plots/y2010_m10/iter0_theta180 _lambda68_b1_l0_b2_l1000_bins70/plots_2D_fitq2.gif Más plots en: http://ific.uv.es/~jpablo/calibration/hit_study/ars/plots/y2010_m10/

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

9 Plots: offsets vs línea, piso..

10 Plots: sigma del ajuste gaussiano

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

12 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)

13 Plots time residuals Cortes aplicados: theta -6.5, b

14 Nueva iteración He decidido utilizar las correcciones obtenidas con la muestra que seleccionan los cortes lamba>-6.5 y theta

15 Casos peculiares Parece que unos pocos ARS tienen un offsets muy grande, por ejemplo el L7- F17 ARS 4: http://ific.uv.es/~jpablo/calibration/hit_study/ars/plots/y2010_m10/iter0_theta180 _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

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

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

18 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.