Estimação de densidades multivariadas para a filtragem de eventos baseada em um detector de altas energias com fina segmentação

Detalhes bibliográficos
Ano de defesa: 2015
Autor(a) principal: Souza, David de Melo lattes
Orientador(a): Nóbrega, Rafael Antunes lattes
Banca de defesa: Cerqueira, Augusto Santiago lattes, Kemp, Ernesto lattes
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Juiz de Fora (UFJF)
Programa de Pós-Graduação: Programa de Pós-graduação em Engenharia Elétrica
Departamento: Faculdade de Engenharia
País: Brasil
Palavras-chave em Português:
Área do conhecimento CNPq:
Link de acesso: https://repositorio.ufjf.br/jspui/handle/ufjf/8922
Resumo: Nas últimas décadas, a sinergia entre engenharia e física, nas áreas de aplicação da física moderna, tem sido crescente. Para o programa de física do ATLAS, no CERN, por exemplo, a identificação de elétrons é de fundamental importância, sendo uma de-manda responsável por diversos estudos em engenharia. Esse trabalho se desenvolve nesse viés, tendo como base a técnica de verossimilhança utilizada pela colaboração ATLAS na identificação offline de elétrons relevantes, considerados sinal, em meio a diversas partículas, consideradas ruído de fundo. Atualmente, a verossimilhança tem sido aplicada pela colaboração de forma simplificada, supondo independência entre as variáveis discriminantes fornecidas pelo detector ATLAS. Essa consideração, possibi-lita que a formulação matemática da probabilidade conjunta seja feita pela utilização do produtório das densidades marginais das variáveis discriminantes. Entretanto, a simplificação promove um erro na reconstrução da probabilidade conjunta, visto que, algumas variáveis discriminantes possuem um certo grau de dependência entre si. Esse cenário, nos abre a possibilidade de melhora do método, a partir de técnicas capazes de mitigar a dependência entre tais varáveis. A principal contribuição desse trabalho se dá na implementação de um algoritmo baseado na técnica não-paramétrica para estima-ção de densidade multivariada conhecida como MKDE (do inglês, Multivariate Kernel Density Estimation), com o objetivo de minimizar o erro de estimação da probabilidade conjunta, que ocorre devido à consideração de independência acima citada. Dentro da realidade comparativa deste trabalho, foi possível observar a melhora na estimação da probabilidade conjunta via MKDE e a propagação desta melhora na identificação de elétrons.