pyBumpHunter

这是BumpHunter算法的Python版本，由G. Choudalakis在arXiv:1101.0390中提出，旨在寻找1D或2D分布中的局部事件过剩（或不足）。

BumpHunter主函数将使用可变窗口大小扫描数据分布，并计算每个窗口中数据与给定背景分布的p值。所有窗口中获得的最小p值是局部p值。为了应对“其他地方看”效应，通过仅进行背景伪实验来计算全局p值。

BumpHunter算法还可以执行信号注入测试，在玩具数据中注入越来越多的信号，直到达到给定的信号显著性（全局）（2D中尚不支持信号注入）。

内容

• pyBumpHunter : pyBumpHunter软件包
• 示例 : 包含一组示例脚本和笔记本的文件夹
• example/results : 包含示例脚本输出的文件夹
• 测试：包含测试脚本的文件夹（基于pytest）
• data/data.root：示例和测试中使用的玩具数据
• data/gen_data.C：使用ROOT生成玩具数据的代码

依赖项

需要python >= 3.6 py

BumpHunter依赖于以下Python库

• numpy
• scipy
• matplotlib

pyBumpHunter wiki

示例

提供的example.py和test.ipynb示例需要uproot包来读取ROOT软件文件中的数据。

示例中提供的数据包含三个直方图：在[0,20] x轴范围内的急剧下降的'背景'分布，一个以5.5为中心的'信号'高斯形状，以及从背景和信号分布中采样的'data'分布，信号占比为0.15%。数据文件是通过在ROOT中运行gen_data.C生成的。

要运行示例脚本，只需在终端中输入python3 example.py。

您还可以使用jupyter或binder打开示例笔记本。

• 峰寻

• 层析扫描

• 测试统计量和全局p值

有关pyBumpHunter提供的所有功能的详细概述，请参阅wiki。

待办事项

• 在2D直方图上运行BH

作者和贡献者

Louis Vaslin（主要开发者），Julien Donini

感谢Samuel Calvet在交叉检查和验证pyBumpHunter与ATLAS合作组开发的（内部）C++版本BumpHunter的过程中提供的帮助。