用于高能物理的纯python统计工具。
lauztat的Python项目详细描述
纯python高能物理统计工具，使用zfitas 最大似然拟合的后端。
基于似然比提供了发现、上限和置信区间的测试 在频率方法中（使用伪实验）或使用 “新物理基于似然检验的渐近公式”[arxiv:1007.1727]。
瑞士洛桑的epfl开发了lauztat（laus'or lauz是酷孩子们称之为洛桑的方式）。
安装
像任何其他python包一样安装lauztat：
pip install lauztat # maybe with sudo or --user, or in virtualenv依赖关系
开始
通常的hep结果可以在假设检验的基础上进行重铸。 选择一个空h0和另一个h1假设h0 成为你想反驳的人。 要进行测试，您需要数据（和权重）、模型、损失函数生成器 以及作为计算器输入的最小值（frequentistcalculator或渐进式计算器）。
发现：
如果您在数据集中进行测量以找到信号s，并且您发现有多余的信号，则 测试答案“数据是否只与背景兼容？“带：
- h0：仅限背景（s=0）
- h1：存在信号（s≠0）
测试返回p值或显著性z。如果z≥3，则有证据 如果z≥5，则发现一个信号。
指数背景上高斯峰的显著性计算示例如下 提供给asymptotic calculator 以及frequentist calculator 可以在mybinder中运行。
上限：
如果在数据集中发现一个小信号过量，但不足以声明 一个证据或发现，您可以排除大信号产生s:
- h0：背景+一些信号（s=s0）
- h1：s<；s0
将s0调整为预定义的p值，通常为5%。s0为上限 95%置信水平下的信号屈服极限 （Cl=1-P；P=5%Cl=95%）。
信号产量的CLs上限示例 对于指数背景上的高斯峰 为asymptotic calculator提供 以及frequentist calculator 可以在mybinder中运行。
置信区间：
如果用估计器_测量参数α，给出一个观测值 _obs在某个置信水平（通常为68%）下α的哪个值不被拒绝？
- h0：α≤α向下或α≥α向上
- h1：α向下<；α<；α向上
调整α向下和α向上使测试返回32%的p值。
高斯峰平均值的置信区间示例如下 为asymptotic calculator提供 以及frequentist calculator （费尔德曼和库森置信区间[arxiv:9711021]） 可以在mybinder中运行。
欢迎加入QQ群-->： 979659372
