Download - Analysis of t - g K * 0 K - n t decay
1
Analysis of K*0K-decay
Contents motivation Event selection 背景事象の見積も
り Fit の結果 Summary&plan
名古屋大学 4 年 臼杵 容子H19.3.22 学術創成評価委員会
2
motivationCurrent status ARGUS(1995) Br(K*0K) (0.200.050.04)
% N3.73×105
s 10.6GeV , S/N=0.51
ALEPH(1998) Br(K*0K)(0.2130.048) %
2.02×105
s 92GeV
PDG(obtained by average of two results)reported:
Br(K*0K) (0.210.04)%
decay process
3
motivationCurrent status ARGUS(1995) Br(K*0K) (0.200.050.04)
% N3.73×105
s 10.6GeV , S/N=0.51
ALEPH(1998) Br(K*0K)(0.2130.048) %
2.02×105
s 92GeV
PDG(obtained by average of two results)reported:
Br(K*0K) (0.210.04)%
decay process
error:20%
さらに高精度な K*K 崩壊分岐比
を得たい
4
motivationCurrent status ARGUS(1995) Br(K*0K) (0.200.050.04)
% N3.73×105
s 10.6GeV , S/N=0.51
ALEPH(1998) Br(K*0K)(0.2130.048) %
2.02×105
s 92GeV
PDG(obtained by average of two results)reported:
Br(K*0K) (0.210.04)%
decay process
本解析 (Belle s =10.6GeV)1000 倍以上の data 量 N=4.46×108 を用いる ,S/Nの向上
⇒ 崩壊分岐比に対する統計誤差は 1% 以下に抑えられる
error:20%
さらに高精度な K*K 崩壊分岐比
を得たい
5
Motivation
背景事象の形の見積もりによる系統誤差を、統計誤差と同程度の 1% 程度に抑えたい。
ALEPH,ARGUS : 20%error (systematic&statistical error)
さらに高精度な K*K 崩壊分岐比を得たい
統計誤差 1000 倍以上の data 量を用いる ,S/N の向上 ⇒崩壊分岐比に対する統計誤差は 1% 以下に抑えられる
系統誤差 測定器自体の誤差、解析手法に起因する誤差
6
Event selection
KK (K-ID,-ID) tag-side には e/ を要求 (35%) (qq 事象の抑制 ) を選別するための条件
Msignal-side<1.8GeV/c2 など pCM
K>1.5GeV/c
信号事象数は、再構成した K* 粒子の不変質量分布 MK から見積もる
Msignal-side
datasignal
pCMK
dataSignal(10 倍 )qqBhabha2photon
After all event selections
MKData (4.68x104 個 )K*K(3.94x104 個 )K*KK*KKK*KKKKqqBhabha2photon
BG
S/N=2.53(ARGUS:S/N=0.51)
8
崩壊分岐比の測定方法 崩壊分岐比
信号事象数 Ndata の見積もり方
① MK 分布に関数を fit し、 dataを、 K*peak を持つ
事象と、 K*peak を持たない事象に分ける。
Ndata: 測定 data から得られる信号事象数L : 積分ルミノシティー: 生成断面積 :K*K 崩壊事象の検出効率NMC : 全事象選別後の K*KMC 事象数N0 : K*KMC
K*peak を持つ事象
K*peak を持たない事象
MK
9
崩壊分岐比の測定方法 崩壊分岐比
信号事象数 Ndata の見積もり方
① MK 分布に関数を fit し、 dataを、 K*peak を持つ
事象と、 K*peak を持たない事象に分ける。
Ndata: 測定 data から得られる信号事象数L : 積分ルミノシティー: 生成断面積 :K*K 崩壊事象の検出効率NMC : 全事象選別後の K*KMC 事象数N0 : K*KMC
K*peak を持つ事象
K*peak を持たない事象 を K に誤認したことによって残っ
てくるモードと、それ以外に分けて見積もる。
を K に誤認したことによって残ってくるモード
それ以外
K
K
MK
10
崩壊分岐比の測定方法 崩壊分岐比
信号事象数 Ndata の見積もり方
① MK 分布に関数を fit し、 data を、 K*peakを持つ
事象と、 K*peak を持たない事象に分ける。
② K*peak を持つ事象の中から、 背景事象である K*K を除く。
Ndata: 測定 data から得られる信号事象数L : 積分ルミノシティー: 生成断面積 :K*K 崩壊事象の検出効率NMC : 全事象選別後の K*KMC 事象数N0 : K*KMC
K*peak を持つ事象
K*peak を持たない事象 を K に誤認したことによって残っ
てくるモードと、それ以外に分けて見積もる。
を K に誤認したことによって残ってくるモード
それ以外
MK
11
崩壊分岐比の測定方法 崩壊分岐比
信号事象数 Ndata の見積もり方
① MK 分布に関数を fit し、 data を、 K*peakを持つ
事象と、 K*peak を持たない事象に分ける。
② K*peak を持つ事象の中から、 背景事象である K*K を除く。
Ndata: 測定 data から得られる信号事象数L : 積分ルミノシティー: 生成断面積 :K*K 崩壊事象の検出効率NMC : 全事象選別後の K*KMC 事象数N0 : K*KMC
K*peak を持つ事象
K*peak を持たない事象 を K に誤認したことによって残っ
てくるモードと、それ以外に分けて見積もる。
を K に誤認したことによって残ってくるモード
それ以外
MK
統計誤差&系統誤差 統計誤差
0.53%ARGUS:25%
系統誤差 Luminosity 1.4% -pair cross-section 1.3% Track finding efficiency
4.0% Trigger efficiency
0.81% Lepton-ID 3%
Kaon-ID/fake
3% MC statistics 0.54% Br(K*0K+-) 0.02% 背景事象の見積もりによる誤差
Total 6.2%
12
背景事象の形の見積もり方により、系統誤差の大きさが変わる。
1% 程度に抑えたい
13
背景事象の形の見積もり
背景事象の形を簡単に見積もれない理由 data から背景事象のみを抜き出すことは難しい MC から見積もるには不定性が大きすぎる
背景事象の崩壊分岐比 (PDG)Br(K*K)=(2.1±0.4)×10-3
Br(KK)=(1.3±3.2)×10-4
Br(KK)=(6.1±2.0)×10-5
Br(K)=(2.4±0.5)×10-3
Br(K)=(1.32±0.14)×10-3
Br(K)=(2.2±0.5)×10-3
Br(K*)=(1.6±1.8)×10-3
Br(K*K)=(1.1±1.5)×10-3
Data を使って背景事象の形を見積もりたい
MK
14
背景事象の形の見積もり方における idea
を K に誤認したことによって残ってきた背景事象のモードの形 粒子識別条件を変えることにより、
data を用いて背景事象の形を決める。
DataK*KK*KK*KKK*
h1
h2
K K 選別 K 選別 K-IDh1>0.8 , -IDh2>0.8 K-IDh1<0.1 , -IDh2>0.9
MK MK
それらのモードの崩壊分岐比の不定性に影響されることなく、背景事象の形を見積もることが可能!
15
形の補正
h1
h2
K 選別
MK
粒子識別条件を変更したことにより、分布の形が変わる 形を補正
MK
KK 選別
16
形の補正
h1
h2
MK
MK
粒子識別条件を変更したことにより、分布の形が変わる 形を補正
K 選別
KK 選別
17
形の補正
h1
h2
MK
MK
粒子識別条件を変更したことにより、分布の形が変わる 形を補正
MK 分布 (KK 選別 )
MK 分布 (K 選別 )
MK
補正
K 選別
KK 選別
18
Data への Fit
K* K K K*
KK KK
qq Bhabha 2photon
背景事象 1
背景事象 2
data信号事象背景事象 1( 補正前 )背景事象 2
data信号事象背景事象 1( 補正後 )背景事象 2
補正前 補正後
信号事象 36036±184 35632±188
背景事象1
7591±201 9181±238
背景事象2
2978±166 1818±183
Fit の結果背景事象 1 の形の補正による信号事象数の変化 (1.13±0.52)%
MKMK
19
Summary & plansummary ARGUS,ALEPH と比べて約 1000 倍の、 4.46×108 のペアを用いて解析を
行った。 K*K ARGUS による測定では 25% であったのが、 1% 背景事象の見積もりに起因する系統誤差を 1% 程度に抑えることを目標とした
解析を行った。 背景事象の関数形の見積もり 誤った粒子識別に起因する背景事象の分布については、粒子識別に関する
選別条件を変更することにより、測定データから背景事象の関数形を見積もることができた。
それらのモードの崩壊分岐比の不定性に影響されることなく関数形を見積もることが できた。
評価した背景事象の見積もりの誤差が信号事象に与える不定性は、(1.13±0.52)% である。
plan 信号事象、背景事象の形を、より精度よく見積もる。 系統誤差を見積もる。 K*K
20
Back up
Introduction of neutral K* (892)
Vector particle mass (896.00±0.25)MeV
(PDG2006) width (50.3±0.6)MeV (PDG2006)
decay modes K ~ 100% K+- 2/3 K00 1/3
high accuracy
21
22
Data & MC setData&MC samplesData
451/fbMC
K*K 397/fb BG non-resonant mode
KK4310/fb KK 36800/fb K 421/fb K 850/fb K*510/fb K* 701/fb others 874/fb
resonant mode K*K 757/fb
qq uds 417/fb cc 722/fb bb 0.04/fb
2photon eeuu 53.0/fb eess 530/fb eecc 530/fb eeee 53.0/fb ee 106/fb
53.0/fb Bhabha 59.3/fb
23
Event selection(1)
Level.0 Charged track
pt>0.06GeV/c,-0.6235<costrk-beamline<0.8332
pt>0.1GeV/c,-0.8660<costrk-beamline<-0.6235
pt>0.1GeV/c,0.8332<costrk-beamline<0.9563
Gamma E>0.1GeV,-0.8660<cosbeamline<0.9563
4 charged tracks with zero net charge Select 1-3 prong event (dividing thrust vector)(3 prong side=signal side/ 1 prong side=tag side)
24
Event selection(2)
Level.1 ECM
total<11GeV
pmiss>0.1GeV/c
-0.866025<cosmiss<0.95630
cosCMthrust-miss<-0.6
Level.2 0.6GeV/c2<MK<1.8GeV/c2
pCMK>1.5GeV/c
pCMK
dataSignal(10 倍 )qqBhabha2photon
25
Event selection(3)
Level.3 N=0 for signal-side N≦1 for tag-side K-IDh1>0.8,cosh1-beamline>-0.6
-IDh2>0.8,cosh2-beamline>-0.6
K-IDh3>0.8,cosh3-beamline>-0.6 Right charge assignment( ストレンジネス保存 ) e-IDh1<0.9
e-IDh2<0.9
e-IDh3<0.9 e-ID>0.1 or -ID>0.1 for tag-side
h3
h2h1
--,Bhabha,2photon are suppressed -
e+e-
26
Event selection(3)
Level.3 N=0 for signal-side Nc1 for tag-side K-IDh1>0.8,cosh1>-0.6 -IDh2>0.8,cosh2>-0.6 K-IDh3>0.8,cosh3>-0.6 Right charge assignment e-IDh1<0.9 e-IDh2<0.9 e-IDh3<0.9 e-ID>0.1 or -ID>0.1 for tag-side
h3
h2
h1
decay:1-prong (more than 85%)
select 1-prong in tag-sidedecay mode
17 % ee18%
h12%
h25%
h211%
⇒ charged track in tag-side is restricted to be lepton to suppress qq events.
27
Event selection(4)
Level.4 Mtag-side<1.8GeV/c2
Msignal-side<1.8GeV/c2
pCM(K*+h1)>3.5GeV/c
cosCMK*-h1>0.92
Msignal-side
datasignal
h1
28
Data 4.68×104
MC (K,-ID corrected)
K*K 3.94×104
BG non-resonant
mode KK2980 KK 182 K 1370 K 103 K*1060 K* 105 Others 6310
resonant mode K*K 3260
qq uds 123 cc 25.4 bb 0
2photon eeuu 0 eess 25.3 eecc 0 eeee 0 ee 0
0 Bhabha 7.61
Numbers of events after all selections
After all event selections
MKDataK*KK*KK*KKK*KKKKqqBhabha2photon
30
背景事象の形の見積もりの手順
K*peak を作らない背景事象
中間子を K 中間子にmissID しているモード それ以外のモード
KK KK
qq Bhabha 2photon
K* K K K*
K
K
31
背景事象の形の見積もり (1)
実験データから形を見積もるには数が少ない信号事象との分離も容易ではない
K-IDh2>0.8 , -IDh3>0.8 K-IDh2<0.1 , -IDh3>0.9 ( KK 選別) ( K 選別)
本来の選別を行った時に比べ、約 10 倍の背景事象が得られる信号事象が抑制される
h1
h2
h3 中間子を K 中間子に missID しているモード
32
K 選別を行った時の MK 分布
Data MK 中間子を K 中間子に missID しているモードの形にする
ただし、 h1,h2 の 4 元運動量を求める際に、h2 には K 中間子の質量を、 h3 には中間子の質量を要求
DataK*KK*KK*KKK*
Data 100513MCK*K 2556K*K285 69156K*14139K20499K1193K* 1169KK193KK12
全事象選別後に残った事象数
MC は data をよく再現
KK 選別から K 選別に変更した影響で MK分布が変わる
例 : Data の h2粒子の運動量分布
それぞれ 5 つのモード ( 中間子を K 中間子に missID しているモード ) のMC に対し、 KK 選別を行った場合の MK分布と、 K 選別を行った場合の MK分布との比をとる。
33
粒子識別条件変更による MK 分布の変化
黒: KK 選別赤: K 選別
粒子識別条件を変えると運動量分布が変化する
不変質量分布 MK
ph2
h2
影響を見積もるために・・・
34
各 MKMC 分布の比の評価
K* K
K K*
KK 選別を行った場合の MK 分布K 選別を行った場合の MK 分布
1 次関数を Fit
傾き:ゆがみ
35
分布の補正
傾き:ゆがみ
Data の MK 分布に対し補正する
黒:補正前青:補正後
MK
補正の誤差による信号数への影響は、2 つの場合の関数を Data に Fit して、その違いから見積もる。
36
背景事象の形の見積もり (2)
正しく粒子識別が行われたときに残ってきた 背景事象なので、実験データでは、信号と 背景事象を区別できない。
⇒ MC データを用いて評価
h1
h2
h3モード
KK KK qq,Bhabha,2photon
qqBhabha2photon
Motivation
① improve accuracy of the branching ratio – Use data sample more than 1000 times larger(improve statistical
error)
② verify Standard Model– Measurement of Cabibbo angle sinc=Vus, cosc=Vud jw-= Vus(su)+Vud(du)
37
cKKBr
KBr 2
*tan~
)(
)(
sinc(suppressed) cosc(allowed)
→KK*K
Cabibbo angle Sinc0.2257±0.0021(PDG2006)
⇒We measure c in decay with same data sample.
phase space ratio