CORRFW/AliCFUnfolding.h

   1
   2 #ifndef ALICFUNFOLDING_H
   3 #define ALICFUNFOLDING_H
   4
   5 //--------------------------------------------------------------------//
   6 //                                                                    //
   7 // AliCFUnfolding Class                                               //
   8 // Class to handle general unfolding procedure                        //
   9 // For the moment only bayesian unfolding is supported                //
  10 // The next steps are to add chi2 minimisation and weighting methods  //
  11 //                                                                    //
  12 // Author : renaud.vernet@cern.ch                                     //
  13 //--------------------------------------------------------------------//
  14
  15 #include "TNamed.h"
  16 #include "THnSparse.h"
  17
  18 class AliCFUnfolding : public TNamed {
  19
  20  public :
  21   AliCFUnfolding();
  22   AliCFUnfolding(const Char_t* name, const Char_t* title, const Int_t nVar,
  23                  const THnSparse* response, const THnSparse* efficiency, const THnSparse* measured, const THnSparse* prior=0x0);
  24   AliCFUnfolding(const AliCFUnfolding& c);
  25   AliCFUnfolding& operator= (const AliCFUnfolding& c);
  26   ~AliCFUnfolding();
  27
  28   void SetMaxNumberOfIterations(Int_t n)  {fMaxNumIterations=n;}
  29   void SetMaxChi2(Double_t val)           {fMaxChi2=val;}
  30   void SetMaxChi2PerDOF(Double_t val);
  31   void UseSmoothing(Bool_t b=kTRUE)       {fUseSmoothing=b;}
  32   void Unfold();
  33
  34   THnSparse* GetResponse()        const {return fResponse;}
  35   THnSparse* GetInverseResponse() const {return fInverseResponse;}
  36   THnSparse* GetPrior()           const {return fPrior;}
  37   THnSparse* GetOriginalPrior()   const {return fOriginalPrior;}
  38   THnSparse* GetEfficiency()      const {return fEfficiency;}
  39   THnSparse* GetUnfolded()        const {return fUnfolded;}
  40
  41  private :
  42
  43   // user-related settings
  44   THnSparse     *fResponse;           // Response matrix : dimensions must be 2N = 2 x (number of variables)
  45                                       // first N dimensions must be filled with reconstructed values
  46                                       // last  N dimensions must be filled with generated values
  47   THnSparse     *fPrior;              // This is the assumed generated distribution : dimensions must be N = number of variables
  48                                       // it will be used at the first step
  49                                       // then will be updated automatically at each iteration
  50   THnSparse     *fOriginalPrior;      // This is the original prior distribution : will not be modified
  51   THnSparse     *fEfficiency;         // Efficiency map : dimensions must be N = number of variables
  52                                       // this map must be filled only with "true" values of the variables (should not include resolution effects)
  53   THnSparse     *fMeasured;           // Measured spectrum to be unfolded : dimensions must be N = number of variables
  54   Int_t          fMaxNumIterations;   // Maximum  number of iterations to be performed
  55   Int_t          fNVariables;         // Number of variables used in analysis spectra (pt, y, ...)
  56   Double_t       fMaxChi2;            // Maximum Chi2 between unfolded and prior distributions.
  57   Bool_t         fUseSmoothing;       // Smooth the unfolded sectrum at each iteration
  58
  59   // internal settings
  60   THnSparse     *fInverseResponse;   // Inverse response matrix
  61   THnSparse     *fMeasuredEstimate;  // Estimation of the measured (M) spectrum given the a priori (T) distribution
  62   THnSparse     *fConditional;       // Matrix holding the conditional probabilities P(M|T)
  63   THnSparse     *fProjResponseInT;   // Projection of the response matrix on TRUE axis
  64   THnSparse     *fUnfolded;          // Unfolded spectrum
  65   Int_t         *fCoordinates2N;     // Coordinates in 2N (measured,true) space
  66   Int_t         *fCoordinatesN_M;    // Coordinates in measured space
  67   Int_t         *fCoordinatesN_T;    // Coordinates in true space
  68
  69
  70   // functions
  71   void     Init();                // initialisation of the internal settings
  72   void     GetCoordinates();      // gets a cell coordinates in Measured and True space
  73   void     CreateConditional();   // creates the conditional matrix from the response matrix
  74   void     CreateEstMeasured();   // creates the measured spectrum estimation from the conditional matrix and the prior distribution
  75   void     CreateInvResponse();   // creates the inverse response function (Bayes Theorem) from the conditional matrix and the prior distribution
  76   void     CreateUnfolded();      // creates the unfolded spectrum from the inverse response matrix and the measured distribution
  77   void     CreateFlatPrior();     // creates a flat a priori distribution in case the one given in the constructor is null
  78   Double_t GetChi2();             // returns the chi2 between unfolded and prior spectra
  79   void     Smooth();              // smooth the unfolded spectrum using the neighbouring cells
  80
  81   ClassDef(AliCFUnfolding,0);
  82 };
  83
  84 #endif