배경을 제거한 최대우도 적합을 위한 sFit 방법

초록

본 논문은 별도의 사이드밴드나 시뮬레이션 없이도 신호와 배경을 구분할 수 있는 통계적 방법인 sFit을 제안한다. sPlot에서 정의된 sWeight를 이용해 신호 확률밀도함수만으로 구성된 수정된 likelihood를 만들고, 이 likelihood를 최대화함으로써 신호 파라미터를 편향 없이 추정한다.

상세 분석

sFit은 기존 sPlot 기법을 확장한 것으로, 두 단계로 이루어진 분석 흐름을 갖는다. 첫 번째 단계에서는 다변량 변수 x (예: 질량, 에너지 등)와 구분 변수 y (예: 식별 변수)를 이용해 전체 데이터 집합에 대해 전통적인 확률밀도함수(PDF) 모델 f(x,y)=fs(x)·gs(y)+fb(x)·gb(y) 를 구축한다. 여기서 fs와 fb는 각각 신호와 배경의 x‑공간 PDF이며, gs와 gb는 y‑공간에서의 가중치 함수이다. 이 단계에서 전형적인 무조건적 최대우도 추정(MLE)을 수행해 각 이벤트가 신호일 확률 P_s(i)와 배경일 확률 P_b(i)를 계산한다.

두 번째 단계가 sFit의 핵심이다. sWeight w_i = P_s(i)/