Buchumschlag

An importance sampling method for Feldman-Cousins confidence intervals

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Berns, Lukas
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	High Energy Physics - Experiment Data Analysis, Statistics and Probability
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Monte Carlo method for constructing confidence intervals with unconstrained and constrained nuisance parameters in the NOvA experiment
von: Acero, M. A., et al.
Veröffentlicht: (2022)

Mathematical methods for neutrino cross-section extraction
von: Gardiner, Steven
Veröffentlicht: (2024)

Uncertainty Quantification and Propagation for ACORN, a geometric deep learning tracking pipeline for HEP experiments
von: Péron, Lukas, et al.
Veröffentlicht: (2025)

SwdFold:A Reweighting and Unfolding method based on Optimal Transport Theory
von: Pan, Chu-Cheng, et al.
Veröffentlicht: (2024)

Post-hoc regularisation of unfolded cross-section measurements
von: Koch, Lukas
Veröffentlicht: (2022)

Under-coverage in high-statistics counting experiments with finite MC samples
von: Alexe, Cristina-Andreea, et al.
Veröffentlicht: (2024)

Accurate and robust methods for direct background estimation in resonant anomaly detection
von: Das, Ranit, et al.
Veröffentlicht: (2024)

Kitchen Sink Anomaly Detection
von: Das, Ranit, et al.
Veröffentlicht: (2026)

Fast Posterior Probability Sampling with Normalizing Flows and Its Applicability in Bayesian analysis in Particle Physics
von: Baz, Mathias El, et al.
Veröffentlicht: (2023)

Uncertainty components in profile likelihood fits
von: Pinto, Andrés, et al.
Veröffentlicht: (2023)

Projections of Discovery Potentials from Expected Background
von: Singh, M. K., et al.
Veröffentlicht: (2023)

FunTuple: A new N-tuple component for offline data processing at the LHCb experiment
von: Mathad, Abhijit, et al.
Veröffentlicht: (2023)

Data reduction strategy in the PandaX-4T experiment
von: Zhou, Yubo, et al.
Veröffentlicht: (2023)

Gradient-descent-based reconstruction for muon tomography based on automatic differentiation in PyTorch
von: Alameddine, Jean-Marco, et al.
Veröffentlicht: (2025)

Improved Asymptotic Formulae for Statistical Interpretation Based on Likelihood Ratio Tests
von: Xia, Li-Gang, et al.
Veröffentlicht: (2021)

Exotic and physics-informed support vector machines for high energy physics
von: Ramirez-Morales, A., et al.
Veröffentlicht: (2024)

Systematic Uncertainties in Unfolding Considering the Likelihood Formalism
von: Brenner, Lydia, et al.
Veröffentlicht: (2025)

Cosmic-ray tomography of shipping containers: A combination of complementary secondary particle and muon information using simulations
von: Prada, Maximilian Pérez, et al.
Veröffentlicht: (2025)

Learning the Standard Model Manifold: Bayesian Latent Diffusion for Collider Anomaly Detection
von: Patel, Jigar, et al.
Veröffentlicht: (2026)

Normalizing Flows for Domain Adaptation when Identifying $Λ$ Hyperon Events
von: Kelleher, Rowan, et al.
Veröffentlicht: (2024)

Run 3 performance and advances in heavy-flavor jet tagging in CMS
von: Sarkar, Uttiya
Veröffentlicht: (2024)

Wasserstein normalized autoencoder for anomaly detection
von: CMS Collaboration
Veröffentlicht: (2025)

A Statistical Method for Improving Momentum Measurement of Photon Conversions Reconstructed from Single Electrons
von: Bingül, Ahmet, et al.
Veröffentlicht: (2024)

RootInteractive tool for multidimensional statistical analysis, machine learning and analytical model validation
von: Ivanov, Marian, et al.
Veröffentlicht: (2024)

Deep Probabilistic Direction Prediction in 3D with Applications to Directional Dark Matter Detectors
von: Ghrear, Majd, et al.
Veröffentlicht: (2024)

A simple tool for weighted averaging of inconsistent data sets
von: Trassinelli, Martino, et al.
Veröffentlicht: (2024)

A lightweight analysis farm for fundamental physics experiments
von: Brommer, Sebastian, et al.
Veröffentlicht: (2025)

Study of the decay and production properties of $D_{s1}(2536)$ and $D_{s2}^*(2573)$
von: Ablikim, M., et al.
Veröffentlicht: (2024)

New Deep Learning Data Analysis Method for PROSPECT using GAPE: Genetic Algorithm Powered Evolution
von: Adriamirado, M., et al.
Veröffentlicht: (2026)

A unified machine learning approach for reconstructing hadronically decaying tau leptons
von: Tani, Laurits, et al.
Veröffentlicht: (2024)

Large-Scale Pretraining and Finetuning for Efficient Jet Classification in Particle Physics
von: Zhao, Zihan, et al.
Veröffentlicht: (2024)

Anomaly-aware summary statistic from data batches
von: Grosso, Gaia
Veröffentlicht: (2024)

Visualization for physics analysis improvement and applications in BESIII
von: Li, Zhi-Jun, et al.
Veröffentlicht: (2024)

Learning Selection Cuts With Gradients
von: Hance, Mike, et al.
Veröffentlicht: (2025)

MoreFit: A More Optimised, Rapid and Efficient Fit
von: Langenbruch, Christoph
Veröffentlicht: (2025)

An implementation of neural simulation-based inference for parameter estimation in ATLAS
von: ATLAS Collaboration
Veröffentlicht: (2024)

Sparks in the Dark
von: Gudnadottir, Olga Sunneborn, et al.
Veröffentlicht: (2024)

Lepton energy scale and resolution corrections based on the minimization of an analytical likelihood: IJazZ2.0
von: Couderc, F., et al.
Veröffentlicht: (2026)

Review of Machine Learning for Real-Time Analysis at the Large Hadron Collider experiments ALICE, ATLAS, CMS and LHCb
von: Boggia, Laura, et al.
Veröffentlicht: (2025)

Classifying hadronic objects in ATLAS with ML/AI algorithms
von: Toffolin, Leonardo
Veröffentlicht: (2026)