PWGLF/FORWARD/analysis2/AliFMDEnergyFitter.h

   1 //
   2 // Class to fit the energy distribution.
   3 //
   4 #ifndef ALIFMDENERGYFITTER_H
   5 #define ALIFMDENERGYFITTER_H
   6 /**
   7  * @file   AliFMDEnergyFitter.h
   8  * @author Christian Holm Christensen <cholm@dalsgaard.hehi.nbi.dk>
   9  * @date   Wed Mar 23 14:02:23 2011
  10  *
  11  * @brief
  12  *
  13  *
  14  * @ingroup pwglf_forward_eloss
  15  */
  16 #include <TNamed.h>
  17 // #include <TH1D.h>
  18 #include <TAxis.h>
  19 #include <TList.h>
  20 #include <TObjArray.h>
  21 #include <TClonesArray.h>
  22 #include "AliFMDCorrELossFit.h"
  23 #include "AliForwardUtil.h"
  24 #include "AliLandauGaus.h"
  25 class TH1;
  26 class TH2;
  27 class AliESDFMD;
  28 class TFitResult;
  29 class TF1;
  30 class TArrayD;
  31
  32 /**
  33  * Class to fit the energy distribution.
  34  *
  35  * @par Input:
  36  *    - AliESDFMD object  - from reconstruction
  37  *
  38  * @par Output:
  39  *    - Lists of histogram - one per ring.  Each list has a number of
  40  *      histograms corresponding to the number of eta bins defined.
  41  *
  42  * @par Corrections used:
  43  *    - None
  44  *
  45  * @image html alice-int-2012-040-eloss_fits.png "Summary of fits"
  46  *
  47  * @ingroup pwglf_forward_algo
  48  * @ingroup pwglf_forward_eloss
  49  */
  50 class AliFMDEnergyFitter : public TNamed
  51 {
  52 public:
  53   /**
  54    * Enumeration of parameters
  55    */
  56   enum {
  57     /** Index of pre-constant @f$ C@f$ */
  58     kC          = AliLandauGaus::kC,
  59     /** Index of most probable value @f$ \Delta_p@f$ */
  60     kDelta      = AliLandauGaus::kDelta,
  61     /** Index of Landau width @f$ \xi@f$ */
  62     kXi         = AliLandauGaus::kXi,
  63     /** Index of Gaussian width @f$ \sigma@f$ */
  64     kSigma      = AliLandauGaus::kSigma,
  65     /** Index of Gaussian additional width @f$ \sigma_n@f$ */
  66     kSigmaN     = AliLandauGaus::kSigmaN,
  67     /** Index of Number of particles @f$ N@f$ */
  68     kN          = AliLandauGaus::kN,
  69     /** Base index of particle strengths @f$ a_i@f$ for
  70         @f$i=2,\ldots,N@f$ */
  71     kA          = AliLandauGaus::kA
  72   };
  73   /**
  74    * Enumeration of residual methods
  75    */
  76   enum EResidualMethod {
  77     /** Do not calculate residuals */
  78     kNoResiduals = 0,
  79     /** The residuals stored are the difference, and the errors are
  80         stored in the error bars of the histogram. */
  81     kResidualDifference,
  82     /** The residuals stored are the differences scaled to the error
  83         on the data */
  84     kResidualScaledDifference,
  85     /** The residuals stored are the square difference scale to the
  86         square error on the data. */
  87     kResidualSquareDifference
  88   };
  89
  90   /**
  91    * FMD ring bits for skipping
  92    */
  93    enum FMDRingBits {
  94      /** FMD1i */
  95      kFMD1I=0x01,
  96      /** All of FMD1 */
  97      kFMD1 =kFMD1I,
  98      /** FMD2i */
  99      kFMD2I=0x02,
 100      /** FMD2o */
 101      kFMD2O=0x04,
 102      /** All of FMD2 */
 103      kFMD2 =kFMD2I|kFMD2O,
 104      /** FMD3i */
 105      kFMD3I=0x08,
 106      /** FMD3o */
 107      kFMD3O=0x10,
 108      /** All of FMD3 */
 109      kFMD3 =kFMD3I|kFMD3O
 110   };
 111   /**
 112    * Destructor
 113    */
 114   virtual ~AliFMDEnergyFitter();
 115   /**
 116    * Default Constructor - do not use
 117    */
 118   AliFMDEnergyFitter();
 119   /**
 120    * Constructor
 121    *
 122    * @param title Title of object  - not significant
 123    */
 124   AliFMDEnergyFitter(const char* title);
 125
 126   // -----------------------------------------------------------------
 127   /**
 128    * @{
 129    * @name Setters of options and parameters
 130    */
 131   /**
 132    * Set the eta axis to use.  This will force the code to use this
 133    * eta axis definition - irrespective of whatever axis is passed to
 134    * the Init member function.  Therefore, this member function can be
 135    * used to force another eta axis than one found in the correction
 136    * objects.
 137    *
 138    * @param nBins  Number of bins
 139    * @param etaMin Minimum of the eta axis
 140    * @param etaMax Maximum of the eta axis
 141    */
 142   void SetEtaAxis(Int_t nBins, Double_t etaMin, Double_t etaMax);
 143   /**
 144    * Set the eta axis to use.  This will force the code to use this
 145    * eta axis definition - irrespective of whatever axis is passed to
 146    * the Init member function.  Therefore, this member function can be
 147    * used to force another eta axis than one found in the correction
 148    * objects.
 149    *
 150    * @param etaAxis Eta axis to use
 151    */
 152   void SetEtaAxis(const TAxis& etaAxis);
 153   /**
 154    * Set the centrality bins.  E.g.,
 155    * @code
 156    * UShort_t n = 12;
 157    * Double_t bins[] = {  0.,  5., 10., 15., 20., 30.,
 158    *                     40., 50., 60., 70., 80., 100. };
 159    * task->GetFitter().SetCentralityBins(n, bins);
 160    * @endcode
 161    *
 162    * @param nBins Size of @a bins
 163    * @param bins  Bin limits.
 164    */
 165   void SetCentralityAxis(UShort_t nBins, Double_t* bins);
 166   /**
 167    * Set the low cut used for energy
 168    *
 169    * @param lowCut Low cut
 170    */
 171   void SetLowCut(Double_t lowCut=0.3) { fLowCut = lowCut; }
 172   /**
 173    * Set the number of bins to subtract
 174    *
 175    * @param n
 176    */
 177   void SetFitRangeBinWidth(UShort_t n=4) { fFitRangeBinWidth = n; }
 178   /**
 179    * Whether or not to enable fitting of the final merged result.
 180    * Note, fitting takes quite a while and one should be careful not to do
 181    * this needlessly
 182    *
 183    * @param doFit Whether to do the fits or not
 184    */
 185   void SetDoFits(Bool_t doFit=kTRUE) { fDoFits = doFit; }
 186   /**
 187    * Set whether to make the corrections object on the output.  Note,
 188    * fits should be enable for this to have any effect.
 189    *
 190    * @param doMake If true (false is default), do make the corrections object.
 191    */
 192   void SetDoMakeObject(Bool_t doMake=kTRUE) { fDoMakeObject = doMake; }
 193   /**
 194    * Set how many particles we will try to fit at most to the data
 195    *
 196    * @param n Max number of particle to try to fit
 197    */
 198   void SetNParticles(UShort_t n) { fNParticles = (n<1 ? 1 : (n>5 ? 5 : n)); }
 199   /**
 200    * Set the minimum number of entries each histogram must have
 201    * before we try to fit our response function to it
 202    *
 203    * @param n Minimum number of entries
 204    */
 205   void SetMinEntries(UShort_t n) { fMinEntries = (n < 1 ? 1 : n); }
 206   /**
 207    * Set maximum energy loss to consider
 208    *
 209    * @param x Maximum energy loss to consider
 210    */
 211   void SetMaxE(Double_t x) { fMaxE = x; }
 212   /**
 213    * Set number of energy loss bins
 214    *
 215    * @param x Number of energy loss bins
 216    */
 217   void SetNEbins(Int_t x) { fNEbins = x; }
 218   /**
 219    * Set the maximum relative error
 220    *
 221    * @param e Maximum relative error
 222    */
 223   void SetMaxRelativeParameterError(Double_t e=0.2) { fMaxRelParError = e; }
 224   /**
 225    * Set the maximum @f$ \chi^2/\nu@f$
 226    *
 227    * @param c Maximum @f$ \chi^2/\nu@f$
 228    */
 229   void SetMaxChi2PerNDF(Double_t c=10) { fMaxChi2PerNDF = c; }
 230   /**
 231    * Set the least weight
 232    *
 233    * @param c Least weight
 234    */
 235   void SetMinWeight(Double_t c=1e-7) { fMinWeight = c; }
 236   /**
 237    * Set wheter to use increasing bin sizes
 238    *
 239    * @param x Wheter to use increasing bin sizes
 240    */
 241   void SetUseIncreasingBins(Bool_t x) { fUseIncreasingBins = x; }
 242   /**
 243    * Set whether to make residuals, and in that case how.
 244    *
 245    * - Square difference: @f$chi_i^2=(h_i - f(x_i))^2/\delta_i^2@f$
 246    * - Scaled difference: @f$(h_i - f(x_i))/\delta_i@f$
 247    * - Difference: @f$(h_i - f(x_i)) \pm\delta_i@f$
 248    *
 249    * where @f$h_i, x_i, \delta_i@f$ is the bin content, bin center,
 250    * and bin error for bin @f$i@f$ respectively, and @f$ f@f$ is the
 251    * fitted function.
 252    *
 253    * @param x Residual method
 254    */
 255   void SetStoreResiduals(EResidualMethod x=kResidualDifference)
 256   {
 257     fResidualMethod = x;
 258   }
 259   /**
 260    * Set the regularization cut @f$c_{R}@f$.  If a @f$\Delta@f$
 261    * distribution has more entries @f$ N_{dist}@f$ than @f$c_{R}@f$,
 262    * then we modify the errors of the the distribution with the factor
 263    *
 264    * @f[
 265    * \sqrt{N_{dist}/c_{R}}
 266    * @f]
 267    *
 268    * to keep the @f$\chi^2/\nu@f$ within resonable limits.
 269    *
 270    * The large residuals @f$chi_i^2=(h_i - f(x_i))^2/\delta_i^2@f$
 271    * (see also SetStoreResiduals) comes about on the boundary between
 272    * the @f$N@f$ and @f$N+1@f$ particle contributions, and seems to
 273    * fall off for larger @f$N@f$. This may indicate that there's a
 274    * component in the distributions that the function
 275    *
 276    * @f[
 277    *   f(\Delta;\Delta_p,\xi,\sigma,\mathbf{a}) = \sum_i=1^{n} a_i\int
 278    *   d\Delta' L(\Delta;\Delta',\xi) G(\Delta';\Delta_p,\sigma)
 279    * @f]
 280    *
 281    * does not capture.
 282    *
 283    * @param cut
 284    */
 285   void SetRegularizationCut(Double_t cut=3e6)
 286   {
 287     fRegularizationCut = cut;
 288   }
 289   void SetSkips(UShort_t skip) { fSkips = skip; }
 290   /**
 291    * Set the debug level.  The higher the value the more output
 292    *
 293    * @param dbg Debug level
 294    */
 295   void SetDebug(Int_t dbg=1);
 296   /**
 297    * Whether to enable the extra shift in the MPV from @f$ \sigma/\xi@f$
 298    *
 299    * @param use If true, enable extra shift @f$\delta\Delta_p(\sigma/\xi)@f$
 300    */
 301   void SetEnableDeltaShift(Bool_t use=true);
 302
 303   /* @} */
 304   // -----------------------------------------------------------------
 305   /**
 306    * @{
 307    * @name Processing
 308    */
 309   void Init();
 310   /**
 311    * Define the output histograms.  These are put in a sub list of the
 312    * passed list.   The histograms are merged before the parent task calls
 313    * AliAnalysisTaskSE::Terminate
 314    *
 315    * @param dir Directory to add to
 316    */
 317   virtual void CreateOutputObjects(TList* dir);
 318   /**
 319    * Initialise the task
 320    *
 321    * @param etaAxis The eta axis to use.  Note, that if the eta axis
 322    * has already been set (using SetEtaAxis), then this parameter will be
 323    * ignored
 324    */
 325  virtual void SetupForData(const TAxis& etaAxis);
 326   /**
 327    * Fitter the input AliESDFMD object
 328    *
 329    * @param input     Input
 330    * @param cent      Event centrality (or < 0 if not valid)
 331    * @param empty     Whether the event is 'empty'
 332    *
 333    * @return True on success, false otherwise
 334    */
 335   virtual Bool_t Accumulate(const AliESDFMD& input,
 336                             Double_t         cent,
 337                             Bool_t           empty);
 338   /**
 339    * Scale the histograms to the total number of events
 340    *
 341    * @param dir Where the histograms are
 342    */
 343   virtual void Fit(const TList* dir);
 344   /**
 345    * Generate the corrections object
 346    *
 347    * @param dir List to analyse
 348    */
 349   void MakeCorrectionsObject(TList* dir);
 350   /** @} */
 351   /**
 352    * Print information
 353    *
 354    * @param option Not used
 355    */
 356   void Print(Option_t* option="") const;
 357   /**
 358    * Read the parameters from a list - used when re-running the code
 359    *
 360    * @param list Input list
 361    *
 362    * @return true if the parameter where read
 363    */
 364   Bool_t ReadParameters(const TCollection* list);
 365 protected:
 366   /**
 367    * Copy constructor
 368    *
 369    * @param o Object to copy from
 370    */
 371   AliFMDEnergyFitter(const AliFMDEnergyFitter& o);
 372   /**
 373    * Assignment operator
 374    *
 375    * @param o Object to assign from
 376    *
 377    * @return Reference to this
 378    */
 379   AliFMDEnergyFitter& operator=(const AliFMDEnergyFitter& o);
 380
 381   /**
 382    * Internal data structure to keep track of the histograms
 383    */
 384   struct RingHistos : public AliForwardUtil::RingHistos
 385   {
 386     typedef AliFMDCorrELossFit::ELossFit ELossFit_t;
 387     /**
 388      * Default CTOR
 389      */
 390     RingHistos();
 391     /**
 392      * Constructor
 393      *
 394      * @param d detector
 395      * @param r ring
 396      */
 397     RingHistos(UShort_t d, Char_t r);
 398     /**
 399      * Copy constructor - not defined
 400      *
 401      * @param o Object to copy from
 402      */
 403     RingHistos(const RingHistos& o);
 404     /**
 405      * Assignment operator  - not defined
 406      *
 407      * @param o Object to assign from
 408      *
 409      * @return Reference to this
 410      */
 411     RingHistos& operator=(const RingHistos& o);
 412     /**
 413      * Destructor
 414      */
 415     ~RingHistos();
 416     /**
 417      * Make an axis with increasing bins
 418      *
 419      * @param n    Number of bins
 420      * @param min  Minimum
 421      * @param max  Maximum
 422      *
 423      * @return An axis with quadratically increasing bin size
 424      */
 425     virtual TArrayD MakeIncreasingAxis(Int_t    n,
 426                                        Double_t min,
 427                                        Double_t max) const;
 428     /**
 429      * Make E/E_mip histogram
 430      *
 431      * @param name    Name of histogram
 432      * @param title   Title of histogram
 433      * @param eAxis   @f$\eta@f$ axis
 434      * @param deMax   Maximum energy loss
 435      * @param nDeBins Number energy loss bins
 436      * @param incr    Whether to make bins of increasing size
 437      */
 438     TH2* Make(const char*  name,
 439               const char*  title,
 440               const TAxis& eAxis,
 441               Double_t     deMax=12,
 442               Int_t        nDeBins=300,
 443               Bool_t       incr=true);
 444     /**
 445      * Define outputs
 446      *
 447      * @param dir
 448      */
 449     virtual void CreateOutputObjects(TList* dir);
 450     /**
 451      * Initialise object
 452      *
 453      * @param eAxis      Eta axis
 454      * @param cAxis      Centrality axis
 455      * @param maxDE      Max energy loss to consider
 456      * @param nDEbins    Number of bins
 457      * @param useIncrBin Whether to use an increasing bin size
 458      */
 459     virtual void SetupForData(const TAxis& eAxis,
 460                               const TAxis& cAxis,
 461                               Double_t     maxDE=10,
 462                               Int_t        nDEbins=300,
 463                               Bool_t       useIncrBin=true);
 464     /**
 465      * Fill histogram
 466      *
 467      * @param empty  True if event is empty
 468      * @param eta    @f$ Eta@f$
 469      * @param icent  Centrality bin (1 based)
 470      * @param mult   Signal
 471      */
 472     virtual void Fill(Bool_t empty, Double_t eta, Int_t icent, Double_t mult);
 473     /**
 474      * Get the the 2D histogram eloss name from our sub-list of @a dir
 475      * and call the Fit function described below (with &fBest) as last
 476      * argument.
 477      *
 478      * @param dir         Output list
 479      * @param lowCut      Lower cut
 480      * @param nParticles  Max number of convolved landaus to fit
 481      * @param minEntries  Minimum number of entries
 482      * @param minusBins   Number of bins from peak to subtract to
 483      *                    get the fit range
 484      * @param relErrorCut Cut applied to relative error of parameter.
 485      *                    Note, for multi-particle weights, the cut
 486      *                    is loosend by a factor of 2
 487      * @param chi2nuCut   Cut on @f$ \chi^2/\nu@f$ -
 488      *                    the reduced @f$\chi^2@f$
 489      * @param minWeight   Least weight ot consider
 490      * @param regCut      Regularization cut-off
 491      * @param residuals   Mode for residual plots
 492      *
 493      * @return List of fit parameters
 494      */
 495     virtual TObjArray* Fit(TList*          dir,
 496                            Double_t        lowCut,
 497                            UShort_t        nParticles,
 498                            UShort_t        minEntries,
 499                            UShort_t        minusBins,
 500                            Double_t        relErrorCut,
 501                            Double_t        chi2nuCut,
 502                            Double_t        minWeight,
 503                            Double_t        regCut,
 504                            EResidualMethod residuals) const;
 505     /**
 506      * Get the the 2D histogram @a name from our sub-list of @a
 507      * dir. Then for each eta slice, try to fit the energu loss
 508      * distribution up to @a nParticles particle responses.
 509      *
 510      * The fitted distributions (along with the functions fitted) are
 511      * stored in a newly created sublist (<i>name</i>Dists).
 512      *
 513      * The fit parameters are also recorded in the newly created sub-list
 514      * <i>name</i>Results.
 515      *
 516      * If @a residuals is not equal to kNoResiduals, then the
 517      * residuals of the fits will be stored in the newly created
 518      * sub-list <i>name</i>Residuals.
 519      *
 520      * A histogram named <i>name</i>Status is also generated and
 521      * stored in the output list.
 522      *
 523      * @param dir         Output list
 524      * @param name        Name of 2D base histogram in list
 525      * @param lowCut      Lower cut
 526      * @param nParticles  Max number of convolved landaus to fit
 527      * @param minEntries  Minimum number of entries
 528      * @param minusBins   Number of bins from peak to subtract to
 529      *                    get the fit range
 530      * @param relErrorCut Cut applied to relative error of parameter.
 531      *                    Note, for multi-particle weights, the cut
 532      *                    is loosend by a factor of 2
 533      * @param chi2nuCut   Cut on @f$ \chi^2/\nu@f$ -
 534      *                    the reduced @f$\chi^2@f$
 535      * @param minWeight   Least weight ot consider
 536      * @param regCut      Regularization cut-off
 537      * @param residuals   Mode for residual plots
 538      * @param scaleToPeak If true, scale distribution to peak value
 539      * @param best        Optional array to store fits in
 540      *
 541      * @return List of fit parameters
 542      */
 543     virtual TObjArray* FitSlices(TList*          dir,
 544                                  const char*     name,
 545                                  Double_t        lowCut,
 546                                  UShort_t        nParticles,
 547                                  UShort_t        minEntries,
 548                                  UShort_t        minusBins,
 549                                  Double_t        relErrorCut,
 550                                  Double_t        chi2nuCut,
 551                                  Double_t        minWeight,
 552                                  Double_t        regCut,
 553                                  EResidualMethod residuals,
 554                                  Bool_t          scaleToPeak=true,
 555                                  TObjArray*      best=0) const;
 556
 557     /**
 558      * Fit a signal histogram.  First, the bin @f$ b_{min}@f$ with
 559      * maximum bin content in the range @f$ [E_{min},\infty]@f$ is
 560      * found.  Then the fit range is set to the bin range
 561      * @f$ [b_{min}-\Delta b,b_{min}+2\Delta b]@f$, and a 1
 562      * particle signal is fitted to that.  The parameters of that fit
 563      * is then used as seeds for a fit of the @f$ N@f$ particle response
 564      * to the data in the range
 565      * @f$ [b_{min}-\Delta b,N(\Delta_1+\xi_1\log(N))+2N\xi@f$
 566      *
 567      * @param dist        Histogram to fit
 568      * @param lowCut      Lower cut @f$ E_{min}@f$ on signal
 569      * @param minEntries  Least number of entries required
 570      * @param nParticles  Max number @f$ N@f$ of convolved landaus to fit
 571      * @param minusBins   Number of bins @f$ \Delta b@f$ from peak to
 572      *                    subtract to get the fit range
 573      * @param relErrorCut Cut applied to relative error of parameter.
 574      *                    Note, for multi-particle weights, the cut
 575      *                    is loosend by a factor of 2
 576      * @param chi2nuCut   Cut on @f$ \chi^2/\nu@f$ -
 577      *                    the reduced @f$\chi^2@f$
 578      * @param minWeight   Least weight ot consider
 579      * @param regCut      Regularization cut-off
 580      * @param scaleToPeak If true, scale distribution to peak value
 581      * @param status      On return, contain the status code (0: OK, 1:
 582      *                    empty, 2: low statistics, 3: fit failed)
 583      *
 584      * @return The best fit function
 585      */
 586     virtual ELossFit_t* FitHist(TH1*      dist,
 587                                 Double_t  lowCut,
 588                                 UShort_t  nParticles,
 589                                 UShort_t  minEntries,
 590                                 UShort_t  minusBins,
 591                                 Double_t  relErrorCut,
 592                                 Double_t  chi2nuCut,
 593                                 Double_t  minWeight,
 594                                 Double_t  regCut,
 595                                 Bool_t    scaleToPeak,
 596                                 UShort_t& status) const;
 597     /**
 598      * Find the best fit
 599      *
 600      * @param dist           Histogram
 601      * @param relErrorCut    Cut applied to relative error of parameter.
 602      *                       Note, for multi-particle weights, the cut
 603      *                       is loosend by a factor of 2
 604      * @param chi2nuCut      Cut on @f$ \chi^2/\nu@f$ -
 605      *                       the reduced @f$\chi^2@f$
 606      * @param minWeightCut   Least valid @f$ a_i@f$
 607      *
 608      * @return Best fit
 609      */
 610     virtual ELossFit_t* FindBestFit(const TH1* dist,
 611                                     Double_t   relErrorCut,
 612                                     Double_t   chi2nuCut,
 613                                     Double_t   minWeightCut) const;
 614     /**
 615      * Calculate residuals of the fit
 616      *
 617      * @param mode   How to calculate
 618      * @param lowCut Lower cut
 619      * @param dist   Distribution
 620      * @param fit    Function fitted to distribution
 621      * @param out    Output list to store residual histogram in
 622      */
 623     virtual void CalculateResiduals(EResidualMethod  mode,
 624                                     Double_t         lowCut,
 625                                     TH1*             dist,
 626                                     ELossFit_t*      fit,
 627                                     TCollection*     out) const;
 628     /**
 629      * Find the best fits.  This assumes that the array fBest has been
 630      * filled with the best possible fits for each eta bin, and that
 631      * the fits are placed according to the bin number of the eta bin.
 632      *
 633      * This is called by the parent class when generating the corretion
 634      * object.
 635      *
 636      * @param d    Parent list
 637      * @param obj  Object to add fits to
 638      * @param eta  Eta axis
 639      */
 640     virtual void FindBestFits(const TList*        d,
 641                               AliFMDCorrELossFit& obj,
 642                               const TAxis&        eta);
 643     /**
 644      * Make a parameter histogram
 645      *
 646      * @param name   Name of histogram.
 647      * @param title  Title of histogram.
 648      * @param eta    Eta axis
 649      *
 650      * @return
 651      */
 652     TH1* MakePar(const char* name, const char* title, const TAxis& eta) const;
 653     /**
 654      * Make a histogram that contains the results of the fit over the
 655      * full ring
 656      *
 657      * @param name  Name
 658      * @param title Title
 659      * @param eta   Eta axis
 660      * @param low   Least bin
 661      * @param high  Largest bin
 662      * @param val   Value of parameter
 663      * @param err   Error on parameter
 664      *
 665      * @return The newly allocated histogram
 666      */
 667     TH1* MakeTotal(const char*  name,
 668                     const char*  title,
 669                     const TAxis& eta,
 670                     Int_t        low,
 671                     Int_t        high,
 672                     Double_t     val,
 673                     Double_t     err) const;
 674     TH1*                 fEDist;     // Ring energy distribution
 675     TH1*                 fEmpty;     // Ring energy dist for empty events
 676     TH2*                 fHist;      // Two dimension Delta distribution
 677     // TList*               fEtaEDists; // Energy distributions per eta bin.
 678     TList*               fList;
 679     mutable TObjArray    fBest;
 680     mutable TClonesArray fFits;
 681     Int_t                fDebug;
 682     ClassDef(RingHistos,4);
 683   };
 684   virtual RingHistos* CreateRingHistos(UShort_t d, Char_t r) const;
 685   /**
 686    * Get the ring histogram container
 687    *
 688    * @param d Detector
 689    * @param r Ring
 690    *
 691    * @return Ring histogram container
 692    */
 693   RingHistos* GetRingHistos(UShort_t d, Char_t r) const;
 694   /**
 695    * Check if the detector @a d, ring @a r is listed <i>in</i> the @a
 696    * skips bit mask.  If the detector/ring is in the mask, return true.
 697    *
 698    * That is, use case is
 699    * @code
 700    *  for (UShort_t d=1. d<=3, d++) {
 701    *    UShort_t nr = (d == 1 ? 1 : 2);
 702    *    for (UShort_t q = 0; q < nr; q++) {
 703    *      Char_t r = (q == 0 ? 'I' : 'O');
 704    *      if (CheckSkips(d, r, skips)) continue;
 705    *      // Process detector/ring
 706    *    }
 707    *  }
 708    * @endcode
 709    *
 710    * @param d      Detector
 711    * @param r      Ring
 712    * @param skips  Mask of detector/rings to skip
 713    *
 714    * @return True if detector @a d, ring @a r is in the mask @a skips
 715    */
 716   static Bool_t CheckSkip(UShort_t d, Char_t r, UShort_t skips);
 717
 718   TList           fRingHistos;        // List of histogram containers
 719   Double_t        fLowCut;            // Low cut on energy
 720   UShort_t        fNParticles;        // Number of landaus to try to fit
 721   UShort_t        fMinEntries;        // Minimum number of entries
 722   UShort_t        fFitRangeBinWidth;  // N-bins to subtract from found max
 723   Bool_t          fDoFits;            // Whether to actually do the fits
 724   Bool_t          fDoMakeObject;      // Whether to make corrections object
 725   TAxis           fEtaAxis;           // Eta axis
 726   TAxis           fCentralityAxis;    // Centrality axis
 727   Double_t        fMaxE;              // Maximum energy loss to consider
 728   Int_t           fNEbins;            // Number of energy loss bins
 729   Bool_t          fUseIncreasingBins; // Wheter to use increasing bin sizes
 730   Double_t        fMaxRelParError;    // Relative error cut
 731   Double_t        fMaxChi2PerNDF;     // chi^2/nu cit
 732   Double_t        fMinWeight;         // Minimum weight value
 733   Int_t           fDebug;             // Debug level
 734   EResidualMethod fResidualMethod;    // Whether to store residuals (debugging)
 735   UShort_t        fSkips;             // Rings to skip when fitting
 736   Double_t        fRegularizationCut; // When to regularize the chi^2
 737
 738   ClassDef(AliFMDEnergyFitter,6); //
 739 };
 740
 741 #endif
 742 // Local Variables:
 743 //  mode: C++
 744 // End: