PYTHIA8/pythia8145/htmldoc/EventAnalysis.html

   1 <html>
   2 <head>
   3 <title>Event Analysis</title>
   4 <link rel="stylesheet" type="text/css" href="pythia.css"/>
   5 <link rel="shortcut icon" href="pythia32.gif"/>
   6 </head>
   7 <body>
   8
   9 <h2>Event Analysis</h2>
  10
  11 <h3>Introduction</h3>
  12
  13 The routines in this section are intended to be used to analyze
  14 event properties. As such they are not part of the main event
  15 generation chain, but can be used in comparisons between Monte
  16 Carlo events and real data. They are rather free-standing, but
  17 assume that input is provided in the PYTHIA 8
  18 <code>Event</code> format, and use a few basic facilities such
  19 as four-vectors.
  20
  21 <p/>
  22 In addition to the methods presented here, there is also the
  23 possibility to make use of <a href="JetFinders.html" target="page">external
  24 jet finders </a>.
  25
  26 <h3>Sphericity</h3>
  27
  28 The standard sphericity tensor is
  29 <br/><i>
  30     S^{ab} = (sum_i p_i^a p_i^b) / (sum_i p_i^2)
  31 </i><br/>
  32 where the <i>sum i</i> runs over the particles in the event,
  33 <i>a, b = x, y, z,</i> and <i>p</i> without such an index is
  34 the absolute size of the three-momentum . This tensor can be
  35 diagonalized to find eigenvalues and eigenvectors.
  36
  37 <p/>
  38 The above tensor can be generalized by introducing a power
  39 <i>r</i>, such that
  40 <br/><i>
  41     S^{ab} = (sum_i p_i^a p_i^b p_i^{r-2}) / (sum_i p_i^r)
  42 </i><br/>
  43 In particular, <i>r = 1</i> gives a linear dependence on momenta
  44 and thus a collinear safe definition, unlike sphericity.
  45
  46 <p/>
  47 To do sphericity analyses you have to set up a <code>Sphericity</code>
  48 instance, and then feed in events to it, one at a time. The results
  49 for the latest event are available as output from a few methods.
  50
  51 <a name="method1"></a>
  52 <p/><strong>Sphericity::Sphericity(double power = 2., int select = 2) &nbsp;</strong> <br/>
  53 create a sphericity analysis object, where
  54 <br/><code>argument</code><strong> power </strong> (<code>default = <strong>2.</strong></code>) :
  55 is the power <i>r</i> defined above, i.e.
  56 <br/><code>argumentoption </code><strong> 2.</strong> : gives Spericity, and
  57 <br/><code>argumentoption </code><strong> 1.</strong> : gives the linear form.
  58
  59 <br/><code>argument</code><strong> select </strong> (<code>default = <strong>2</strong></code>) :
  60 tells which particles are analyzed,
  61 <br/><code>argumentoption </code><strong> 1</strong> : all final-state particles,
  62 <br/><code>argumentoption </code><strong> 2</strong> : all observable final-state particles,
  63 i.e. excluding neutrinos and other particles without strong or
  64 electromagnetic interactions (the <code>isVisible()</code>
  65 particle method), and
  66
  67 <br/><code>argumentoption </code><strong> 3</strong> : only charged final-state particles.
  68
  69
  70
  71 <a name="method2"></a>
  72 <p/><strong>bool Sphericity::analyze( const Event& event, ostream& os = cout) &nbsp;</strong> <br/>
  73 perform a sphericity analysis, where
  74 <br/><code>argument</code><strong> event </strong>  : is an object of the <code>Event</code> class,
  75 most likely the <code>pythia.event</code> one.
  76
  77 <br/><code>argument</code><strong> os </strong> (<code>default = <strong>cout</strong></code>) :  is the output stream for
  78 error messages. (The method does not rely on the <code>Info</code>
  79 mchinery for error messages.)
  80
  81 <br/>If the routine returns <code>false</code> the
  82 analysis failed, e.g. if too few particles are present to analyze.
  83
  84
  85 <p/>
  86 After the analysis has been performed, a few methods are available
  87 to return the result of the analysis of the latest event:
  88
  89 <a name="method3"></a>
  90 <p/><strong>double Sphericity::sphericity() &nbsp;</strong> <br/>
  91 gives the sphericity (or equivalent if <i>r</i> is not 2),
  92
  93
  94 <a name="method4"></a>
  95 <p/><strong>double Sphericity::aplanarity() &nbsp;</strong> <br/>
  96 gives the aplanarity (with the same comment),
  97
  98
  99 <a name="method5"></a>
 100 <p/><strong>double Sphericity::eigenValue(int i) &nbsp;</strong> <br/>
 101 gives one of the three eigenvalues for <i>i</i> = 1, 2 or 3, in
 102 descending order,
 103
 104
 105 <a name="method6"></a>
 106 <p/><strong>Vec4 Sphericity::eventAxis(i) &nbsp;</strong> <br/>
 107 gives the matching normalized eigenvector, as a <code>Vec4</code>
 108 with vanishing time/energy component.
 109
 110
 111 <a name="method7"></a>
 112 <p/><strong>void Sphericity::list(ostream& os = cout) &nbsp;</strong> <br/>
 113 provides a listing of the above information.
 114
 115
 116 <p/>
 117 There is also one method that returns information accumulated for all
 118 the events analyzed so far.
 119
 120 <a name="method8"></a>
 121 <p/><strong>int Sphericity::nError() &nbsp;</strong> <br/>
 122 tells the number of times <code>analyze(...)</code> failed to analyze
 123 events, i.e. returned <code>false</code>.
 124
 125
 126 <h3>Thrust</h3>
 127
 128 Thrust is obtained by varying the thrust axis so that the longitudinal
 129 momentum component projected onto it is maximized, and thrust itself is
 130 then defined as the sum of absolute longitudinal momenta divided by
 131 the sum of absolute momenta. The major axis is found correspondingly
 132 in the plane transverse to thrust, and the minor one is then defined
 133 to be transverse to both. Oblateness is the difference between the major
 134 and the minor values.
 135
 136 <p/>
 137 The calculation of thrust is more computer-time-intensive than e.g.
 138 linear sphericity, introduced above, and has no specific advantages except
 139 historical precedent. In the PYTHIA 6 implementation the search was
 140 speeded up at the price of then not being guaranteed to hit the absolute
 141 maximum. The current implementation studies all possibilities, but at
 142 the price of being slower, with time consumption for an event with
 143 <i>n</i> particles growing like <i>n^3</i>.
 144
 145 <p/>
 146 To do thrust analyses you have to set up a <code>Thrust</code>
 147 instance, and then feed in events to it, one at a time. The results
 148 for the latest event are available as output from a few methods.
 149
 150 <a name="method9"></a>
 151 <p/><strong>Thrust::Thrust(int select = 2) &nbsp;</strong> <br/>
 152 create a thrust analysis object, where
 153 <br/><code>argument</code><strong> select </strong> (<code>default = <strong>2</strong></code>) :
 154 tells which particles are analyzed,
 155 <br/><code>argumentoption </code><strong> 1</strong> : all final-state particles,
 156 <br/><code>argumentoption </code><strong> 2</strong> : all observable final-state particles,
 157 i.e. excluding neutrinos and other particles without strong or
 158 electromagnetic interactions (the <code>isVisible()</code>
 159 particle method), and
 160
 161 <br/><code>argumentoption </code><strong> 3</strong> : only charged final-state particles.
 162
 163
 164
 165 <a name="method10"></a>
 166 <p/><strong>bool Thrust::analyze( const Event& event, ostream& os = cout) &nbsp;</strong> <br/>
 167 perform a thrust analysis, where
 168 <br/><code>argument</code><strong> event </strong>  : is an object of the <code>Event</code> class,
 169 most likely the <code>pythia.event</code> one.
 170
 171 <br/><code>argument</code><strong> os </strong> (<code>default = <strong>cout</strong></code>) :  is the output stream for
 172 error messages. (The method does not rely on the <code>Info</code>
 173 mchinery for error messages.)
 174
 175 <br/>If the routine returns <code>false</code> the
 176 analysis failed, e.g. if too few particles are present to analyze.
 177
 178
 179 <p/>
 180 After the analysis has been performed, a few methods are available
 181 to return the result of the analysis of the latest event:
 182
 183 <a name="method11"></a>
 184 <p/><strong>double Thrust::thrust() &nbsp;</strong> <br/>
 185
 186 <strong>double Thrust::tMajor() &nbsp;</strong> <br/>
 187
 188 <strong>double Thrust::tMinor() &nbsp;</strong> <br/>
 189
 190 <strong>double Thrust::oblateness() &nbsp;</strong> <br/>
 191 gives the thrust, major, minor and oblateness values, respectively,
 192
 193
 194 <a name="method12"></a>
 195 <p/><strong>Vec4 Thrust::eventAxis(int i) &nbsp;</strong> <br/>
 196 gives the matching normalized event-axis vectors, for <i>i</i> = 1, 2 or 3
 197 corresponding to thrust, major or minor, as a <code>Vec4</code> with
 198 vanishing time/energy component.
 199
 200
 201 <a name="method13"></a>
 202 <p/><strong>void Thrust::list(ostream& os = cout) &nbsp;</strong> <br/>
 203 provides a listing of the above information.
 204
 205
 206 <p/>
 207 There is also one method that returns information accumulated for all
 208 the events analyzed so far.
 209
 210 <a name="method14"></a>
 211 <p/><strong>int Thrust::nError() &nbsp;</strong> <br/>
 212 tells the number of times <code>analyze(...)</code> failed to analyze
 213 events, i.e. returned <code>false</code>.
 214
 215
 216 <h3>ClusterJet</h3>
 217
 218 <code>ClusterJet</code> (a.k.a. <code>LUCLUS</code> and
 219 <code>PYCLUS</code>) is a clustering algorithm of the type used for
 220 analyses of <i>e^+e^-</i> events, see the PYTHIA 6 manual. All
 221 visible particles in the events are clustered into jets. A few options
 222 are available for some well-known distance measures. Cutoff
 223 distances can either be given in terms of a scaled quadratic quantity
 224 like <i>y = pT^2/E^2</i> or an unscaled linear one like <i>pT</i>.
 225
 226 <p/>
 227 To do jet finding analyses you have to set up a <code>ClusterJet</code>
 228 instance, and then feed in events to it, one at a time. The results
 229 for the latest event are available as output from a few methods.
 230
 231 <a name="method15"></a>
 232 <p/><strong>ClusterJet::ClusterJet(string measure = &quot;Lund&quot;, int select = 2, int massSet = 2, bool precluster = false, bool reassign = false) &nbsp;</strong> <br/>
 233 create a <code>ClusterJet</code> instance, where
 234 <br/><code>argument</code><strong> measure </strong> (<code>default = <strong>&quot;Lund&quot;</strong></code>) : distance measure,
 235 to be provided as a character string (actually, only the first character
 236 is necessary)
 237 <br/><code>argumentoption </code><strong> &quot;Lund&quot;</strong> : the Lund <i>pT</i> distance,
 238
 239 <br/><code>argumentoption </code><strong> &quot;JADE&quot;</strong> : the JADE mass distance, and
 240
 241 <br/><code>argumentoption </code><strong> &quot;Durham&quot;</strong> : the Durham <i>kT</i> measure.
 242
 243
 244 <br/><code>argument</code><strong> select </strong> (<code>default = <strong>2</strong></code>) :
 245 tells which particles are analyzed,
 246 <br/><code>argumentoption </code><strong> 1</strong> : all final-state particles,
 247 <br/><code>argumentoption </code><strong> 2</strong> : all observable final-state particles,
 248 i.e. excluding neutrinos and other particles without strong or
 249 electromagnetic interactions (the <code>isVisible()</code> particle
 250 method), and
 251
 252 <br/><code>argumentoption </code><strong> 3</strong> : only charged final-state particles.
 253
 254 <br/><code>argument</code><strong> massSet </strong> (<code>default = <strong>2</strong></code>) : masses assumed for the particles
 255 used in the analysis
 256 <br/><code>argumentoption </code><strong> 0</strong> : all massless,
 257 <br/><code>argumentoption </code><strong> 1</strong> : photons are massless while all others are
 258 assigned the <i>pi+-</i> mass, and
 259
 260 <br/><code>argumentoption </code><strong> 2</strong> : all given their correct masses.
 261
 262 <br/><code>argument</code><strong> precluster </strong> (<code>default = <strong>false</strong></code>) :
 263 perform or not a early preclustering step, where nearby particles
 264 are lumped together so as to speed up the subsequent normal clustering.
 265
 266 <br/><code>argument</code><strong> reassign </strong> (<code>default = <strong>false</strong></code>) :
 267 reassign all particles to the nearest jet each time after two jets
 268 have been joined.
 269
 270
 271
 272 <a name="method16"></a>
 273 <p/><strong>ClusterJet::analyze( const Event& event, double yScale, double pTscale, int nJetMin = 1, int nJetMax = 0, ostream& os = cout) &nbsp;</strong> <br/>
 274 performs a jet finding analysis, where
 275 <br/><code>argument</code><strong> event </strong>  : is an object of the <code>Event</code> class,
 276 most likely the <code>pythia.event</code> one.
 277
 278 <br/><code>argument</code><strong> yScale </strong>  :
 279 is the cutoff joining scale, below which jets are joined. Is given
 280 in quadratic dimensionless quantities. Either <code>yScale</code>
 281 or <code>pTscale</code> must be set nonvanishing, and the larger of
 282 the two dictates the actual value.
 283
 284 <br/><code>argument</code><strong> pTscale </strong>  :
 285 is the cutoff joining scale, below which jets are joined. Is given
 286 in linear quantities, such as <i>pT</i> or <i>m</i> depending on
 287 the measure used, but always in units of GeV. Either <code>yScale</code>
 288 or <code>pTscale</code> must be set nonvanishing, and the larger of
 289 the two dictates the actual value.
 290
 291 <br/><code>argument</code><strong> nJetMin </strong> (<code>default = <strong>1</strong></code>) :
 292 the minimum number of jets to be reconstructed. If used, it can override
 293 the <code>yScale</code> and <code>pTscale</code> values.
 294
 295 <br/><code>argument</code><strong> nJetMax </strong> (<code>default = <strong>0</strong></code>) :
 296 the maximum number of jets to be reconstructed. Is not used if below
 297 <code>nJetMin</code>. If used, it can override the <code>yScale</code>
 298 and <code>pTscale</code> values. Thus e.g.
 299 <code>nJetMin = nJetMax = 3</code> can be used to reconstruct exactly
 300 3 jets.
 301
 302 <br/><code>argument</code><strong> os </strong> (<code>default = <strong>cout</strong></code>) :  is the output stream for
 303 error messages. (The method does not rely on the <code>Info</code>
 304 mchinery for error messages.)
 305
 306 <br/>If the routine returns <code>false</code> the analysis failed,
 307 e.g. because the number of particles was smaller than the minimum number
 308 of jets requested.
 309
 310
 311 <p/>
 312 After the analysis has been performed, a few <code>ClusterJet</code>
 313 class methods are available to return the result of the analysis:
 314
 315 <a name="method17"></a>
 316 <p/><strong>int ClusterJet::size() &nbsp;</strong> <br/>
 317 gives the number of jets found, with jets numbered 0 through
 318 <code>size() - 1</code>,
 319
 320
 321 <a name="method18"></a>
 322 <p/><strong>Vec4 ClusterJet::p(int i) &nbsp;</strong> <br/>
 323 gives a <code>Vec4</code> corresponding to the four-momentum defined by
 324 the sum of all the contributing particles to the <i>i</i>'th jet,
 325
 326
 327 <a name="method19"></a>
 328 <p/><strong>int ClusterJet::jetAssignment(int i) &nbsp;</strong> <br/>
 329 gives the index of the jet that the particle <i>i</i> of the event
 330 record belongs to,
 331
 332
 333 <a name="method20"></a>
 334 <p/><strong>void ClusterJet::list(ostream& os = cout) &nbsp;</strong> <br/>
 335 provides a listing of the reconstructed jets.
 336
 337
 338 <a name="method21"></a>
 339 <p/><strong>int ClusterJet::distanceSize() &nbsp;</strong> <br/>
 340 the number of most recent clustering scales that have been stored
 341 for readout with the next method. Normally this would be five,
 342 but less if fewer clustering steps occured.
 343
 344
 345 <a name="method22"></a>
 346 <p/><strong>double ClusterJet::distance(int i) &nbsp;</strong> <br/>
 347 clustering scales, with <code>distance(0)</code> being the most
 348 recent one, i.e. normally the highest, up to <code>distance(4)</code>
 349 being the fifth most recent. That is, with <i>n</i> being the final
 350 number of jets, <code>ClusterJet::size()</code>, the scales at which
 351 <i>n+1</i> jets become <i>n</i>, <i>n+2</i> become <i>n+1</i>,
 352 and so on till <i>n+5</i> become <i>n+4</i>. Nonexisting clustering
 353 scales are returned as zero. The physical interpretation of a scale is
 354 as provided by the respective distance measure (Lund, JADE, Durham).
 355
 356
 357 <p/>
 358 There is also one method that returns information accumulated for all
 359 the events analyzed so far.
 360
 361 <a name="method23"></a>
 362 <p/><strong>int ClusterJet::nError() &nbsp;</strong> <br/>
 363 tells the number of times <code>analyze(...)</code> failed to analyze
 364 events, i.e. returned <code>false</code>.
 365
 366
 367 <h3>CellJet</h3>
 368
 369 <code>CellJet</code> (a.k.a. <code>PYCELL</code>) is a simple cone jet
 370 finder in the UA1 spirit, see the PYTHIA 6 manual. It works in an
 371 <i>(eta, phi, eT)</i> space, where <i>eta</i> is pseudorapidity,
 372 <i>phi</i> azimuthal angle and <i>eT</i> transverse energy.
 373 It will draw cones in <i>R = sqrt(Delta-eta^2 + Delta-phi^2)</i>
 374 around seed cells. If the total <i>eT</i> inside the cone exceeds
 375 the threshold, a jet is formed, and the cells are removed from further
 376 analysis. There are no split or merge procedures, so later-found jets
 377 may be missing some of the edge regions already used up by previous
 378 ones. Not all particles in the event are assigned to jets; leftovers
 379 may be viewed as belonging to beam remnants or the underlying event.
 380 It is not used by any experimental collaboration, but is closely
 381 related to the more recent and better theoretically motivated
 382 anti-<i>kT</i> algorithm [<a href="Bibliography.html" target="page">Cac08</a>].
 383
 384 <p/>
 385 To do jet finding analyses you have to set up a <code>CellJet</code>
 386 instance, and then feed in events to it, one at a time. Especially note
 387 that, if you want to use the options where energies are smeared in
 388 order so emulate detector imperfections, you must hand in an external
 389 random number generator, preferably the one residing in the
 390 <code>Pythia</code> class. The results for the latest event are
 391 available as output from a few methods.
 392
 393 <a name="method24"></a>
 394 <p/><strong>CellJet::CellJet(double etaMax = 5., int nEta = 50, int nPhi = 32, int select = 2, int smear = 0, double resolution = 0.5, double upperCut = 2., double threshold = 0., Rndm* rndmPtr = 0) &nbsp;</strong> <br/>
 395 create a <code>CellJet</code> instance, where
 396 <br/><code>argument</code><strong> etaMax </strong> (<code>default = <strong>5.</strong></code>) :
 397 the maximum +-pseudorapidity that the detector is assumed to cover.
 398
 399 <br/><code>argument</code><strong> nEta </strong> (<code>default = <strong>50</strong></code>) :
 400 the number of equal-sized bins that the <i>+-etaMax</i> range
 401 is assumed to be divided into.
 402
 403 <br/><code>argument</code><strong> nPhi </strong> (<code>default = <strong>32</strong></code>) :
 404 the number of equal-sized bins that the <i>phi</i> range
 405 <i>+-pi</i> is assumed to be divided into.
 406
 407 <br/><code>argument</code><strong> select </strong> (<code>default = <strong>2</strong></code>) :
 408 tells which particles are analyzed,
 409 <br/><code>argumentoption </code><strong> 1</strong> : all final-state particles,
 410 <br/><code>argumentoption </code><strong> 2</strong> : all observable final-state particles,
 411 i.e. excluding neutrinos and other particles without strong or
 412 electromagnetic interactions (the <code>isVisible()</code> particle
 413 method),
 414 and
 415 <br/><code>argumentoption </code><strong> 3</strong> : only charged final-state particles.
 416
 417 <br/><code>argument</code><strong> smear </strong> (<code>default = <strong>0</strong></code>) :
 418 strategy to smear the actual <i>eT</i> bin by bin,
 419 <br/><code>argumentoption </code><strong> 0</strong> : no smearing,
 420 <br/><code>argumentoption </code><strong> 1</strong> : smear the <i>eT</i> according to a Gaussian
 421 with width <i>resolution * sqrt(eT)</i>, with the Gaussian truncated
 422 at 0 and <i>upperCut * eT</i>,
 423 <br/><code>argumentoption </code><strong> 2</strong> : smear the <i>e = eT * cosh(eta)</i> according
 424 to a Gaussian with width <i>resolution * sqrt(e)</i>, with the
 425 Gaussian truncated at 0 and <i>upperCut * e</i>.
 426
 427 <br/><code>argument</code><strong> resolution </strong> (<code>default = <strong>0.5</strong></code>) :
 428 see above.
 429
 430 <br/><code>argument</code><strong> upperCut </strong> (<code>default = <strong>2.</strong></code>) :
 431 see above.
 432
 433 <br/><code>argument</code><strong> threshold </strong> (<code>default = <strong>0 GeV</strong></code>) :
 434 completely neglect all bins with an <i>eT &lt; threshold</i>.
 435
 436 <br/><code>argument</code><strong> rndmPtr </strong> (<code>default = <strong>0</strong></code>) :
 437 the random-number generator used to select the smearing described
 438 above. Must be handed in for smearing to be possible. If your
 439 <code>Pythia</code> class instance is named <code>pythia</code>,
 440 then <code>&pythia.rndm</code> would be the logical choice.
 441
 442
 443
 444 <a name="method25"></a>
 445 <p/><strong>bool CellJet::analyze( const Event& event, double eTjetMin = 20., double coneRadius = 0.7, double eTseed = 1.5, ostream& os = cout) &nbsp;</strong> <br/>
 446 performs a jet finding analysis, where
 447 <br/><code>argument</code><strong> event </strong>  : is an object of the <code>Event</code> class,
 448 most likely the <code>pythia.event</code> one.
 449
 450 <br/><code>argument</code><strong> eTjetMin </strong> (<code>default = <strong>20. GeV</strong></code>) :
 451 is the minimum transverse energy inside a cone for this to be
 452 accepted as a jet.
 453
 454 <br/><code>argument</code><strong> coneRadius </strong> (<code>default = <strong>0.7</strong></code>) :
 455  is the size of the cone in <i>(eta, phi)</i> space drawn around
 456 the geometric center of the jet.
 457
 458 <br/><code>argument</code><strong> eTseed </strong> (<code>default = <strong>1.5 GeV</strong></code>) :
 459 the mimimum <i>eT</i> in a cell for this to be acceptable as
 460 the trial center of a jet.
 461
 462 <br/><code>argument</code><strong> os </strong> (<code>default = <strong>cout</strong></code>) :  is the output stream for
 463 error messages. (The method does not rely on the <code>Info</code>
 464 mchinery for error messages.)
 465
 466 <br/>If the routine returns <code>false</code> the analysis failed,
 467 but currently this is not foreseen ever to happen.
 468
 469
 470 <p/>
 471 After the analysis has been performed, a few <code>CellJet</code>
 472 class methods are available to return the result of the analysis:
 473
 474 <a name="method26"></a>
 475 <p/><strong>int CellJet::size() &nbsp;</strong> <br/>
 476 gives the number of jets found, with jets numbered 0 through
 477 <code>size() - 1</code>,
 478
 479
 480 <a name="method27"></a>
 481 <p/><strong>double CellJet::eT(i) &nbsp;</strong> <br/>
 482 gives the <i>eT</i> of the <i>i</i>'th jet, where jets have been
 483 ordered with decreasing <i>eT</i> values,
 484
 485
 486 <a name="method28"></a>
 487 <p/><strong>double CellJet::etaCenter(int i) &nbsp;</strong> <br/>
 488
 489 <strong>double CellJet::phiCenter(int i) &nbsp;</strong> <br/>
 490 gives the <i>eta</i> and <i>phi</i> coordinates of the geometrical
 491 center of the <i>i</i>'th jet,
 492
 493
 494 <a name="method29"></a>
 495 <p/><strong>double CellJet::etaWeighted(int i) &nbsp;</strong> <br/>
 496
 497 <strong>double CellJet::phiWeighted(int i) &nbsp;</strong> <br/>
 498 gives the <i>eta</i> and <i>phi</i> coordinates of the
 499 <i>eT</i>-weighted center of the <i>i</i>'th jet,
 500
 501
 502 <a name="method30"></a>
 503 <p/><strong>int CellJet::multiplicity(int i) &nbsp;</strong> <br/>
 504 gives the number of particles clustered into the <i>i</i>'th jet,
 505
 506
 507 <a name="method31"></a>
 508 <p/><strong>Vec4 CellJet::pMassless(int i) &nbsp;</strong> <br/>
 509 gives a <code>Vec4</code> corresponding to the four-momentum defined
 510 by the <i>eT</i> and the weighted center of the <i>i</i>'th jet,
 511
 512
 513 <a name="method32"></a>
 514 <p/><strong>Vec4 CellJet::pMassive(int i) &nbsp;</strong> <br/>
 515 gives a <code>Vec4</code> corresponding to the four-momentum defined by
 516 the sum of all the contributing cells to the <i>i</i>'th jet, where
 517 each cell contributes a four-momentum as if all the <i>eT</i> is
 518 deposited in the center of the cell,
 519
 520
 521 <a name="method33"></a>
 522 <p/><strong>double CellJet::m(int i) &nbsp;</strong> <br/>
 523 gives the invariant mass of the <i>i</i>'th jet, defined by the
 524 <code>pMassive</code> above,
 525
 526
 527 <a name="method34"></a>
 528 <p/><strong>void CellJet::list() &nbsp;</strong> <br/>
 529 provides a listing of the above information (except <code>pMassless</code>,
 530 for reasons of space).
 531
 532
 533 <p/>
 534 There is also one method that returns information accumulated for all
 535 the events analyzed so far.
 536 <a name="method35"></a>
 537 <p/><strong>int CellJet::nError() &nbsp;</strong> <br/>
 538 tells the number of times <code>analyze(...)</code> failed to analyze
 539 events, i.e. returned <code>false</code>.
 540
 541
 542 </body>
 543 </html>
 544
 545 <!-- Copyright (C) 2010 Torbjorn Sjostrand -->