STEER/CDB/AliBaseCalibViewer.cxx

   1 ///////////////////////////////////////////////////////////////////////////////
   2 //                                                                           //
   3 //  Base class for the AliTPCCalibViewer and AliTRDCalibViewer               //
   4 //  used for the calibration monitor                                         //
   5 //                                                                           //
   6 //  Authors:     Marian Ivanov (Marian.Ivanov@cern.ch)                       //
   7 //               Jens Wiechula (Jens.Wiechula@cern.ch)                       //
   8 //               Ionut Arsene  (iarsene@cern.ch)                             //
   9 //                                                                           //
  10 ///////////////////////////////////////////////////////////////////////////////
  11
  12
  13 #include <iostream>
  14 #include <fstream>
  15 #include <TString.h>
  16 #include <TRandom.h>
  17 #include <TLegend.h>
  18 #include <TLine.h>
  19 //#include <TCanvas.h>
  20 #include <TROOT.h>
  21 #include <TStyle.h>
  22 #include <TH1.h>
  23 #include <TH1F.h>
  24 #include <TMath.h>
  25 #include <THashTable.h>
  26 #include <TObjString.h>
  27 #include <TLinearFitter.h>
  28 #include <TFile.h>
  29 #include <TKey.h>
  30 #include <TGraph.h>
  31 #include <TDirectory.h>
  32 #include <TFriendElement.h>
  33
  34 #include "TTreeStream.h"
  35 #include "AliBaseCalibViewer.h"
  36
  37 ClassImp(AliBaseCalibViewer)
  38
  39 AliBaseCalibViewer::AliBaseCalibViewer()
  40                   :TObject(),
  41                    fTree(0),
  42                    fFile(0),
  43                    fListOfObjectsToBeDeleted(0),
  44                    fTreeMustBeDeleted(0),
  45                    fAbbreviation(0),
  46                    fAppendString(0)
  47 {
  48   //
  49   // Default constructor
  50   //
  51 }
  52
  53 //_____________________________________________________________________________
  54 AliBaseCalibViewer::AliBaseCalibViewer(const AliBaseCalibViewer &c)
  55                   :TObject(c),
  56                    fTree(0),
  57                    fFile(0),
  58                    fListOfObjectsToBeDeleted(0),
  59                    fTreeMustBeDeleted(0),
  60                    fAbbreviation(0),
  61                    fAppendString(0)
  62 {
  63   //
  64   // dummy AliBaseCalibViewer copy constructor
  65   // not yet working!!!
  66   //
  67   fTree = c.fTree;
  68   fTreeMustBeDeleted = c.fTreeMustBeDeleted;
  69   fListOfObjectsToBeDeleted = c.fListOfObjectsToBeDeleted;
  70   fAbbreviation = c.fAbbreviation;
  71   fAppendString = c.fAppendString;
  72 }
  73
  74 //_____________________________________________________________________________
  75 AliBaseCalibViewer::AliBaseCalibViewer(TTree* tree)
  76                   :TObject(),
  77                    fTree(0),
  78                    fFile(0),
  79                    fListOfObjectsToBeDeleted(0),
  80                    fTreeMustBeDeleted(0),
  81                    fAbbreviation(0),
  82                    fAppendString(0)
  83 {
  84   //
  85   // Constructor that initializes the calibration viewer
  86   //
  87   fTree = tree;
  88   fTreeMustBeDeleted = kFALSE;
  89   fListOfObjectsToBeDeleted = new TObjArray();
  90   fAbbreviation = "~";
  91   fAppendString = ".fElements";
  92 }
  93
  94 //_____________________________________________________________________________
  95 AliBaseCalibViewer::AliBaseCalibViewer(const Char_t* fileName, const Char_t* treeName)
  96                   :TObject(),
  97                    fTree(0),
  98                    fFile(0),
  99                    fListOfObjectsToBeDeleted(0),
 100                    fTreeMustBeDeleted(0),
 101                    fAbbreviation(0),
 102                    fAppendString(0)
 103
 104 {
 105    //
 106    // Constructor to initialize the calibration viewer
 107    // the file 'fileName' contains the tree 'treeName'
 108    //
 109    fFile = new TFile(fileName, "read");
 110    fTree = (TTree*) fFile->Get(treeName);
 111    fTreeMustBeDeleted = kTRUE;
 112    fListOfObjectsToBeDeleted = new TObjArray();
 113    fAbbreviation = "~";
 114    fAppendString = ".fElements";
 115 }
 116
 117 //____________________________________________________________________________
 118 AliBaseCalibViewer & AliBaseCalibViewer::operator =(const AliBaseCalibViewer & param)
 119 {
 120    //
 121    // assignment operator - dummy
 122    // not yet working!!!
 123    //
 124   if(&param == this) return *this;
 125   TObject::operator=(param);
 126
 127
 128    fTree = param.fTree;
 129    fTreeMustBeDeleted = param.fTreeMustBeDeleted;
 130    fListOfObjectsToBeDeleted = param.fListOfObjectsToBeDeleted;
 131    fAbbreviation = param.fAbbreviation;
 132    fAppendString = param.fAppendString;
 133    return (*this);
 134 }
 135
 136 //_____________________________________________________________________________
 137 AliBaseCalibViewer::~AliBaseCalibViewer()
 138 {
 139    //
 140    // AliBaseCalibViewer destructor
 141    // all objects will be deleted, the file will be closed, the pictures will disappear
 142    //
 143    if (fTree && fTreeMustBeDeleted) {
 144       fTree->SetCacheSize(0);
 145       fTree->Delete();
 146    }
 147    if (fFile) {
 148       fFile->Close();
 149       fFile = 0;
 150    }
 151
 152    for (Int_t i = fListOfObjectsToBeDeleted->GetEntriesFast()-1; i >= 0; i--) {
 153       delete fListOfObjectsToBeDeleted->At(i);
 154    }
 155    delete fListOfObjectsToBeDeleted;
 156 }
 157
 158 //_____________________________________________________________________________
 159 void AliBaseCalibViewer::Delete(Option_t* /*option*/) {
 160    //
 161    // Should be called from AliBaseCalibViewerGUI class only.
 162    // If you use Delete() do not call the destructor.
 163    // All objects (except those contained in fListOfObjectsToBeDeleted) will be deleted, the file will be closed.
 164    //
 165
 166    if (fTree && fTreeMustBeDeleted) {
 167       fTree->SetCacheSize(0);
 168       fTree->Delete();
 169    }
 170    delete fFile;
 171    delete fListOfObjectsToBeDeleted;
 172 }
 173
 174 //_____________________________________________________________________________
 175 void AliBaseCalibViewer::FormatHistoLabels(TH1 *histo) const {
 176    //
 177    // formats title and axis labels of histo
 178    // removes '.fElements'
 179    //
 180    if (!histo) return;
 181    TString replaceString(fAppendString.Data());
 182    TString *str = new TString(histo->GetTitle());
 183    str->ReplaceAll(replaceString, "");
 184    histo->SetTitle(str->Data());
 185    delete str;
 186    if (histo->GetXaxis()) {
 187       str = new TString(histo->GetXaxis()->GetTitle());
 188       str->ReplaceAll(replaceString, "");
 189       histo->GetXaxis()->SetTitle(str->Data());
 190       delete str;
 191    }
 192    if (histo->GetYaxis()) {
 193       str = new TString(histo->GetYaxis()->GetTitle());
 194       str->ReplaceAll(replaceString, "");
 195       histo->GetYaxis()->SetTitle(str->Data());
 196       delete str;
 197    }
 198    if (histo->GetZaxis()) {
 199       str = new TString(histo->GetZaxis()->GetTitle());
 200       str->ReplaceAll(replaceString, "");
 201       histo->GetZaxis()->SetTitle(str->Data());
 202       delete str;
 203    }
 204 }
 205
 206 //_____________________________________________________________________________
 207 TFriendElement* AliBaseCalibViewer::AddReferenceTree(const Char_t* filename, const Char_t* treename, const Char_t* refname){
 208   //
 209   // add a reference tree to the current tree
 210   // by default the treename is 'tree' and the reference treename is 'R'
 211   //
 212    TFile *file = new TFile(filename);
 213    fListOfObjectsToBeDeleted->Add(file);
 214    TTree * tree = (TTree*)file->Get(treename);
 215    return AddFriend(tree, refname);
 216 }
 217
 218 //_____________________________________________________________________________
 219 TString* AliBaseCalibViewer::Fit(const Char_t* drawCommand, const Char_t* formula, const Char_t* cuts,
 220                                  Double_t & chi2, TVectorD &fitParam, TMatrixD &covMatrix){
 221    //
 222    // fit an arbitrary function, specified by formula into the data, specified by drawCommand and cuts
 223    // returns chi2, fitParam and covMatrix
 224    // returns TString with fitted formula
 225    //
 226
 227    TString formulaStr(formula);
 228    TString drawStr(drawCommand);
 229    TString cutStr(cuts);
 230
 231    // abbreviations:
 232    drawStr.ReplaceAll(fAbbreviation, fAppendString);
 233    cutStr.ReplaceAll(fAbbreviation, fAppendString);
 234    formulaStr.ReplaceAll(fAbbreviation, fAppendString);
 235
 236    formulaStr.ReplaceAll("++", fAbbreviation);
 237    TObjArray* formulaTokens = formulaStr.Tokenize(fAbbreviation.Data());
 238    Int_t dim = formulaTokens->GetEntriesFast();
 239
 240    fitParam.ResizeTo(dim);
 241    covMatrix.ResizeTo(dim,dim);
 242
 243    TLinearFitter* fitter = new TLinearFitter(dim+1, Form("hyp%d",dim));
 244    fitter->StoreData(kTRUE);
 245    fitter->ClearPoints();
 246
 247    Int_t entries = Draw(drawStr.Data(), cutStr.Data(), "goff");
 248    if (entries == -1) {
 249      delete fitter;
 250      return new TString("An ERROR has occured during fitting!");
 251    }
 252    Double_t **values = new Double_t*[dim+1] ;
 253
 254    for (Int_t i = 0; i < dim + 1; i++){
 255       Int_t centries = 0;
 256       if (i < dim) centries = fTree->Draw(((TObjString*)formulaTokens->At(i))->GetName(), cutStr.Data(), "goff");
 257       else  centries = fTree->Draw(drawStr.Data(), cutStr.Data(), "goff");
 258
 259       if (entries != centries) {
 260         delete fitter;
 261         delete [] values;
 262         return new TString("An ERROR has occured during fitting!");
 263       }
 264       values[i] = new Double_t[entries];
 265       memcpy(values[i],  fTree->GetV1(), entries*sizeof(Double_t));
 266    }
 267
 268    // add points to the fitter
 269    for (Int_t i = 0; i < entries; i++){
 270       Double_t x[1000];
 271       for (Int_t j=0; j<dim;j++) x[j]=values[j][i];
 272       fitter->AddPoint(x, values[dim][i], 1);
 273    }
 274
 275    fitter->Eval();
 276    fitter->GetParameters(fitParam);
 277    fitter->GetCovarianceMatrix(covMatrix);
 278    chi2 = fitter->GetChisquare();
 279
 280    TString *preturnFormula = new TString(Form("( %e+",fitParam[0])), &returnFormula = *preturnFormula;
 281
 282    for (Int_t iparam = 0; iparam < dim; iparam++) {
 283      returnFormula.Append(Form("%s*(%e)",((TObjString*)formulaTokens->At(iparam))->GetName(),fitParam[iparam+1]));
 284      if (iparam < dim-1) returnFormula.Append("+");
 285    }
 286    returnFormula.Append(" )");
 287    delete formulaTokens;
 288    delete fitter;
 289    for (Int_t i = 0; i < dim + 1; i++) delete [] values[i];
 290    delete[] values;
 291    return preturnFormula;
 292 }
 293
 294 //_____________________________________________________________________________
 295 Double_t AliBaseCalibViewer::GetLTM(Int_t n, Double_t *array, Double_t *sigma, Double_t fraction){
 296    //
 297    //  returns the LTM and sigma
 298    //
 299    Double_t *ddata = new Double_t[n];
 300    Double_t mean = 0, lsigma = 0;
 301    UInt_t nPoints = 0;
 302    for (UInt_t i = 0; i < (UInt_t)n; i++) {
 303          ddata[nPoints]= array[nPoints];
 304          nPoints++;
 305    }
 306    Int_t hh = TMath::Min(TMath::Nint(fraction * nPoints), Int_t(n));
 307    AliMathBase::EvaluateUni(nPoints, ddata, mean, lsigma, hh);
 308    if (sigma) *sigma = lsigma;
 309    delete [] ddata;
 310    return mean;
 311 }
 312
 313 //_____________________________________________________________________________
 314 Int_t AliBaseCalibViewer::GetBin(Float_t value, Int_t nbins, Double_t binLow, Double_t binUp){
 315    // Returns the 'bin' for 'value'
 316    // The interval between 'binLow' and 'binUp' is divided into 'nbins' equidistant bins
 317    // avoid index out of bounds error: 'if (bin < binLow) bin = binLow' and vice versa
 318    /* Begin_Latex
 319          GetBin(value) = #frac{nbins - 1}{binUp - binLow} #upoint (value - binLow) +1
 320       End_Latex
 321    */
 322
 323    Int_t bin =  TMath::Nint( (Float_t)(value - binLow) / (Float_t)(binUp - binLow) * (nbins-1) ) + 1;
 324    // avoid index out of bounds:
 325    if (value < binLow) bin = 0;
 326    if (value > binUp)  bin = nbins + 1;
 327    return bin;
 328
 329 }
 330
 331 //_____________________________________________________________________________
 332 TH1F* AliBaseCalibViewer::SigmaCut(TH1F *histogram, Float_t mean, Float_t sigma, Float_t sigmaMax,
 333                                    Float_t sigmaStep, Bool_t pm) {
 334    //
 335    // Creates a cumulative histogram Begin_Latex S(t, #mu, #sigma) End_Latex, where you can see, how much of the data are inside sigma-intervals around the mean value
 336    // The data of the distribution Begin_Latex f(x, #mu, #sigma) End_Latex are given in 'histogram'
 337    // 'mean' and 'sigma' are Begin_Latex #mu End_Latex and  Begin_Latex #sigma End_Latex of the distribution in 'histogram', to be specified by the user
 338    // sigmaMax: up to which sigma around the mean/median/LTM the histogram is generated (in units of sigma, Begin_Latex t #sigma End_Latex)
 339    // sigmaStep: the binsize of the generated histogram, -1 means, that the maximal reasonable stepsize is used
 340    // pm: Decide weather Begin_Latex t > 0 End_Latex (first case) or Begin_Latex t End_Latex arbitrary (secound case)
 341    // The actual work is done on the array.
 342    /* Begin_Latex
 343          f(x, #mu, #sigma)     #Rightarrow       S(t, #mu, #sigma) = (#int_{#mu}^{#mu + t #sigma} f(x, #mu, #sigma) dx + #int_{#mu}^{#mu - t #sigma} f(x, #mu, #sigma) dx) / (#int_{-#infty}^{+#infty} f(x, #mu, #sigma) dx),    for  t > 0
 344          or
 345          f(x, #mu, #sigma)     #Rightarrow       S(t, #mu, #sigma) = #int_{#mu}^{#mu + t #sigma} f(x, #mu, #sigma) dx / #int_{-#infty}^{+#infty} f(x, #mu, #sigma) dx
 346       End_Latex
 347       Begin_Macro(source)
 348       {
 349          Float_t mean = 0;
 350          Float_t sigma = 1.5;
 351          Float_t sigmaMax = 4;
 352          gROOT->SetStyle("Plain");
 353          TH1F *distribution = new TH1F("Distribution1", "Distribution f(x, #mu, #sigma)", 1000,-5,5);
 354          TRandom rand(23);
 355          for (Int_t i = 0; i <50000;i++) distribution->Fill(rand.Gaus(mean, sigma));
 356          Float_t *ar = distribution->GetArray();
 357
 358          TCanvas* macro_example_canvas = new TCanvas("cAliBaseCalibViewer", "", 350, 350);
 359          macro_example_canvas->Divide(0,3);
 360          TVirtualPad *pad1 = macro_example_canvas->cd(1);
 361          pad1->SetGridy();
 362          pad1->SetGridx();
 363          distribution->Draw();
 364          TVirtualPad *pad2 = macro_example_canvas->cd(2);
 365          pad2->SetGridy();
 366          pad2->SetGridx();
 367
 368          TH1F *shist = AliTPCCalibViewer::SigmaCut(distribution, mean, sigma, sigmaMax);
 369          shist->SetNameTitle("Cumulative","Cumulative S(t, #mu, #sigma)");
 370          shist->Draw();
 371          TVirtualPad *pad3 = macro_example_canvas->cd(3);
 372          pad3->SetGridy();
 373          pad3->SetGridx();
 374          TH1F *shistPM = AliTPCCalibViewer::SigmaCut(distribution, mean, sigma, sigmaMax, -1, kTRUE);
 375          shistPM->Draw();
 376          return macro_example_canvas;
 377       }
 378       End_Macro
 379    */
 380
 381    Float_t *array = histogram->GetArray();
 382    Int_t    nbins = histogram->GetXaxis()->GetNbins();
 383    Float_t binLow = histogram->GetXaxis()->GetXmin();
 384    Float_t binUp  = histogram->GetXaxis()->GetXmax();
 385    return AliBaseCalibViewer::SigmaCut(nbins, array, mean, sigma, nbins, binLow, binUp, sigmaMax, sigmaStep, pm);
 386 }
 387
 388 //_____________________________________________________________________________
 389 TH1F* AliBaseCalibViewer::SigmaCut(Int_t n, Float_t *array, Float_t mean, Float_t sigma, Int_t nbins, Float_t binLow, Float_t binUp, Float_t sigmaMax, Float_t sigmaStep, Bool_t pm){
 390    //
 391    // Creates a histogram Begin_Latex S(t, #mu, #sigma) End_Latex, where you can see, how much of the data are inside sigma-intervals around the mean value
 392    // The data of the distribution Begin_Latex f(x, #mu, #sigma) End_Latex are given in 'array', 'n' specifies the length of the array
 393    // 'mean' and 'sigma' are Begin_Latex #mu End_Latex and  Begin_Latex #sigma End_Latex of the distribution in 'array', to be specified by the user
 394    // 'nbins': number of bins, 'binLow': first bin, 'binUp': last bin
 395    // sigmaMax: up to which sigma around the mean/median/LTM the histogram is generated (in units of sigma, Begin_Latex t #sigma End_Latex)
 396    // sigmaStep: the binsize of the generated histogram
 397    // Here the actual work is done.
 398
 399    if (TMath::Abs(sigma) < 1.e-10) return 0;
 400    Float_t binWidth = (binUp-binLow)/(nbins - 1);
 401    if (sigmaStep <= 0) sigmaStep = binWidth;
 402    Int_t kbins = (Int_t)(sigmaMax * sigma / sigmaStep) + 1; // + 1  due to overflow bin in histograms
 403    if (pm) kbins = 2 * (Int_t)(sigmaMax * sigma / sigmaStep) + 1;
 404    Float_t kbinLow = !pm ? 0 : -sigmaMax;
 405    Float_t kbinUp  = sigmaMax;
 406    TH1F *hist = new TH1F("sigmaCutHisto","Cumulative; Multiples of #sigma; Fraction of included data", kbins, kbinLow, kbinUp);
 407    hist->SetDirectory(0);
 408    hist->Reset();
 409
 410    // calculate normalization
 411    Double_t normalization = 0;
 412    for (Int_t i = 0; i <= n; i++) {
 413         normalization += array[i];
 414    }
 415
 416    // given units: units from given histogram
 417    // sigma units: in units of sigma
 418    // iDelta: integrate in interval (mean +- iDelta), given units
 419    // x:      ofset from mean for integration, given units
 420    // hist:   needs
 421
 422    // fill histogram
 423    for (Float_t iDelta = 0; iDelta <= sigmaMax * sigma; iDelta += sigmaStep) {
 424       // integrate array
 425       Double_t valueP = array[GetBin(mean, nbins, binLow, binUp)];
 426       Double_t valueM = array[GetBin(mean-binWidth, nbins, binLow, binUp)];
 427       // add bin of mean value only once to the histogram
 428       for (Float_t x = binWidth; x <= iDelta; x += binWidth) {
 429          valueP += (mean + x <= binUp)  ? array[GetBin(mean + x, nbins, binLow, binUp)] : 0;
 430          valueM += (mean-binWidth - x >= binLow) ? array[GetBin(mean-binWidth - x, nbins, binLow, binUp)] : 0;
 431       }
 432
 433       if (valueP / normalization > 100) printf("+++ Error, value to big: %f, normalization with %f will fail  +++ \n", valueP, normalization);
 434       if (valueP / normalization > 100) return hist;
 435       if (valueM / normalization > 100) printf("+++ Error, value to big: %f, normalization with %f will fail  +++ \n", valueM, normalization);
 436       if (valueM / normalization > 100) return hist;
 437       valueP = (valueP / normalization);
 438       valueM = (valueM / normalization);
 439       if (pm) {
 440          Int_t bin = GetBin(iDelta/sigma, kbins, kbinLow, kbinUp);
 441          hist->SetBinContent(bin, valueP);
 442          bin = GetBin(-iDelta/sigma, kbins, kbinLow, kbinUp);
 443          hist->SetBinContent(bin, valueM);
 444       }
 445       else { // if (!pm)
 446          Int_t bin = GetBin(iDelta/sigma, kbins, kbinLow, kbinUp);
 447          hist->SetBinContent(bin, valueP + valueM);
 448       }
 449    }
 450    if (!pm) hist->SetMaximum(1.2);
 451    return hist;
 452 }
 453
 454 //_____________________________________________________________________________
 455 TH1F* AliBaseCalibViewer::SigmaCut(Int_t /*n*/, Double_t */*array*/, Double_t /*mean*/, Double_t /*sigma*/,
 456                                    Int_t /*nbins*/, Double_t */*xbins*/, Double_t /*sigmaMax*/){
 457    //
 458    // SigmaCut for variable binsize
 459    // NOT YET IMPLEMENTED !!!
 460    //
 461    printf("SigmaCut with variable binsize, Not yet implemented\n");
 462
 463    return 0;
 464 }
 465
 466 //_____________________________________________________________________________
 467 Int_t  AliBaseCalibViewer::DrawHisto1D(const Char_t* drawCommand, const Char_t* sector, const Char_t* cuts,
 468                                        const Char_t *sigmas, Bool_t plotMean, Bool_t plotMedian, Bool_t plotLTM) const
 469 {
 470    //
 471    // Easy drawing of data, in principle the same as EasyDraw1D
 472    // Difference: A line for the mean / median / LTM is drawn
 473    // in 'sigmas' you can specify in which distance to the mean/median/LTM you want to see a line in sigma-units, separated by ';'
 474    // example: sigmas = "2; 4; 6;"  at Begin_Latex 2 #sigma End_Latex, Begin_Latex 4 #sigma End_Latex and Begin_Latex 6 #sigma End_Latex  a line is drawn.
 475    // "plotMean", "plotMedian" and "plotLTM": what kind of lines do you want to see?
 476    //
 477   Int_t oldOptStat = gStyle->GetOptStat();
 478   gStyle->SetOptStat(0000000);
 479   Double_t ltmFraction = 0.8;
 480
 481   TObjArray *sigmasTokens = TString(sigmas).Tokenize(";");
 482   TVectorF nsigma(sigmasTokens->GetEntriesFast());
 483   for (Int_t i = 0; i < sigmasTokens->GetEntriesFast(); i++) {
 484     TString str(((TObjString*)sigmasTokens->At(i))->GetString());
 485     Double_t sig = (str.IsFloat()) ? str.Atof() : 0;
 486     nsigma[i] = sig;
 487   }
 488
 489   TString drawStr(drawCommand);
 490   Bool_t dangerousToDraw = drawStr.Contains(":") || drawStr.Contains(">>");
 491   if (dangerousToDraw) {
 492     Warning("DrawHisto1D", "The draw string must not contain ':' or '>>'.");
 493     return -1;
 494   }
 495   drawStr += " >> tempHist";
 496   Int_t entries = EasyDraw1D(drawStr.Data(), sector, cuts);
 497   TH1F *htemp = (TH1F*)gDirectory->Get("tempHist");
 498    // FIXME is this histogram deleted automatically?
 499   Double_t *values = fTree->GetV1();  // value is the array containing 'entries' numbers
 500
 501   Double_t mean = TMath::Mean(entries, values);
 502   Double_t median = TMath::Median(entries, values);
 503   Double_t sigma = TMath::RMS(entries, values);
 504   Double_t maxY = htemp->GetMaximum();
 505
 506   TLegend * legend = new TLegend(.7,.7, .99, .99, "Statistical information");
 507    //fListOfObjectsToBeDeleted->Add(legend);
 508
 509   if (plotMean) {
 510       // draw Mean
 511     TLine* line = new TLine(mean, 0, mean, maxY);
 512       //fListOfObjectsToBeDeleted->Add(line);
 513     line->SetLineColor(kRed);
 514     line->SetLineWidth(2);
 515     line->SetLineStyle(1);
 516     line->Draw();
 517     legend->AddEntry(line, Form("Mean: %f", mean), "l");
 518       // draw sigma lines
 519     for (Int_t i = 0; i < nsigma.GetNoElements(); i++) {
 520       TLine* linePlusSigma = new TLine(mean + nsigma[i] * sigma, 0, mean + nsigma[i] * sigma, maxY);
 521          //fListOfObjectsToBeDeleted->Add(linePlusSigma);
 522       linePlusSigma->SetLineColor(kRed);
 523       linePlusSigma->SetLineStyle(2 + i);
 524       linePlusSigma->Draw();
 525       TLine* lineMinusSigma = new TLine(mean - nsigma[i] * sigma, 0, mean - nsigma[i] * sigma, maxY);
 526          //fListOfObjectsToBeDeleted->Add(lineMinusSigma);
 527       lineMinusSigma->SetLineColor(kRed);
 528       lineMinusSigma->SetLineStyle(2 + i);
 529       lineMinusSigma->Draw();
 530       legend->AddEntry(lineMinusSigma, Form("%i #sigma = %f",(Int_t)(nsigma[i]), (Float_t)(nsigma[i] * sigma)), "l");
 531     }
 532   }
 533   if (plotMedian) {
 534       // draw median
 535     TLine* line = new TLine(median, 0, median, maxY);
 536       //fListOfObjectsToBeDeleted->Add(line);
 537     line->SetLineColor(kBlue);
 538     line->SetLineWidth(2);
 539     line->SetLineStyle(1);
 540     line->Draw();
 541     legend->AddEntry(line, Form("Median: %f", median), "l");
 542       // draw sigma lines
 543     for (Int_t i = 0; i < nsigma.GetNoElements(); i++) {
 544       TLine* linePlusSigma = new TLine(median + nsigma[i] * sigma, 0, median + nsigma[i]*sigma, maxY);
 545          //fListOfObjectsToBeDeleted->Add(linePlusSigma);
 546       linePlusSigma->SetLineColor(kBlue);
 547       linePlusSigma->SetLineStyle(2 + i);
 548       linePlusSigma->Draw();
 549       TLine* lineMinusSigma = new TLine(median - nsigma[i] * sigma, 0, median - nsigma[i]*sigma, maxY);
 550          //fListOfObjectsToBeDeleted->Add(lineMinusSigma);
 551       lineMinusSigma->SetLineColor(kBlue);
 552       lineMinusSigma->SetLineStyle(2 + i);
 553       lineMinusSigma->Draw();
 554       legend->AddEntry(lineMinusSigma, Form("%i #sigma = %f",(Int_t)(nsigma[i]), (Float_t)(nsigma[i] * sigma)), "l");
 555     }
 556   }
 557   if (plotLTM) {
 558       // draw LTM
 559     Double_t ltmRms = 0;
 560     Double_t ltm = GetLTM(entries, values, &ltmRms, ltmFraction);
 561     TLine* line = new TLine(ltm, 0, ltm, maxY);
 562       //fListOfObjectsToBeDeleted->Add(line);
 563     line->SetLineColor(kGreen+2);
 564     line->SetLineWidth(2);
 565     line->SetLineStyle(1);
 566     line->Draw();
 567     legend->AddEntry(line, Form("LTM: %f", ltm), "l");
 568       // draw sigma lines
 569     for (Int_t i = 0; i < nsigma.GetNoElements(); i++) {
 570       TLine* linePlusSigma = new TLine(ltm + nsigma[i] * ltmRms, 0, ltm + nsigma[i] * ltmRms, maxY);
 571          //fListOfObjectsToBeDeleted->Add(linePlusSigma);
 572       linePlusSigma->SetLineColor(kGreen+2);
 573       linePlusSigma->SetLineStyle(2+i);
 574       linePlusSigma->Draw();
 575
 576       TLine* lineMinusSigma = new TLine(ltm - nsigma[i] * ltmRms, 0, ltm - nsigma[i] * ltmRms, maxY);
 577          //fListOfObjectsToBeDeleted->Add(lineMinusSigma);
 578       lineMinusSigma->SetLineColor(kGreen+2);
 579       lineMinusSigma->SetLineStyle(2+i);
 580       lineMinusSigma->Draw();
 581       legend->AddEntry(lineMinusSigma, Form("%i #sigma = %f", (Int_t)(nsigma[i]), (Float_t)(nsigma[i] * ltmRms)), "l");
 582     }
 583   }
 584   if (!plotMean && !plotMedian && !plotLTM) return -1;
 585   legend->Draw();
 586   gStyle->SetOptStat(oldOptStat);
 587   return 1;
 588 }
 589
 590 //_____________________________________________________________________________
 591 Int_t AliBaseCalibViewer::SigmaCut(const Char_t* drawCommand, const Char_t* sector, const Char_t* cuts,
 592                                    Float_t sigmaMax, Bool_t plotMean, Bool_t plotMedian, Bool_t plotLTM, Bool_t pm,
 593                                    const Char_t *sigmas, Float_t sigmaStep) const {
 594    //
 595    // Creates a histogram, where you can see, how much of the data are inside sigma-intervals
 596    // around the mean/median/LTM
 597    // with drawCommand, sector and cuts you specify your input data, see EasyDraw
 598    // sigmaMax: up to which sigma around the mean/median/LTM the histogram is generated (in units of sigma)
 599    // sigmaStep: the binsize of the generated histogram
 600    // plotMean/plotMedian/plotLTM: specifies where to put the center
 601    //
 602
 603    Double_t ltmFraction = 0.8;
 604
 605    TString drawStr(drawCommand);
 606    Bool_t dangerousToDraw = drawStr.Contains(":") || drawStr.Contains(">>");
 607    if (dangerousToDraw) {
 608       Warning("SigmaCut", "The draw string must not contain ':' or '>>'.");
 609       return -1;
 610    }
 611    drawStr += " >> tempHist";
 612
 613    Int_t entries = EasyDraw1D(drawStr.Data(), sector, cuts, "goff");
 614    TH1F *htemp = (TH1F*)gDirectory->Get("tempHist");
 615    // FIXME is this histogram deleted automatically?
 616    Double_t *values = fTree->GetV1();  // value is the array containing 'entries' numbers
 617
 618    Double_t mean = TMath::Mean(entries, values);
 619    Double_t median = TMath::Median(entries, values);
 620    Double_t sigma = TMath::RMS(entries, values);
 621
 622    TLegend * legend = new TLegend(.7,.7, .99, .99, "Cumulative");
 623    //fListOfObjectsToBeDeleted->Add(legend);
 624    TH1F *cutHistoMean = 0;
 625    TH1F *cutHistoMedian = 0;
 626    TH1F *cutHistoLTM = 0;
 627
 628    TObjArray *sigmasTokens = TString(sigmas).Tokenize(";");
 629    TVectorF nsigma(sigmasTokens->GetEntriesFast());
 630    for (Int_t i = 0; i < sigmasTokens->GetEntriesFast(); i++) {
 631       TString str(((TObjString*)sigmasTokens->At(i))->GetString());
 632       Double_t sig = (str.IsFloat()) ? str.Atof() : 0;
 633       nsigma[i] = sig;
 634    }
 635
 636    if (plotMean) {
 637       cutHistoMean = SigmaCut(htemp, mean, sigma, sigmaMax, sigmaStep, pm);
 638       if (cutHistoMean) {
 639          //fListOfObjectsToBeDeleted->Add(cutHistoMean);
 640          cutHistoMean->SetLineColor(kRed);
 641          legend->AddEntry(cutHistoMean, "Mean", "l");
 642          cutHistoMean->SetTitle(Form("%s, cumulative; Multiples of #sigma; Fraction of included data", htemp->GetTitle()));
 643          cutHistoMean->Draw();
 644          DrawLines(cutHistoMean, nsigma, legend, kRed, pm);
 645       } // if (cutHistoMean)
 646
 647    }
 648    if (plotMedian) {
 649       cutHistoMedian = SigmaCut(htemp, median, sigma, sigmaMax, sigmaStep, pm);
 650       if (cutHistoMedian) {
 651          //fListOfObjectsToBeDeleted->Add(cutHistoMedian);
 652          cutHistoMedian->SetLineColor(kBlue);
 653          legend->AddEntry(cutHistoMedian, "Median", "l");
 654          cutHistoMedian->SetTitle(Form("%s, cumulative; Multiples of #sigma; Fraction of included data", htemp->GetTitle()));
 655          if (plotMean && cutHistoMean) cutHistoMedian->Draw("same");
 656             else cutHistoMedian->Draw();
 657          DrawLines(cutHistoMedian, nsigma, legend, kBlue, pm);
 658       }  // if (cutHistoMedian)
 659    }
 660    if (plotLTM) {
 661       Double_t ltmRms = 0;
 662       Double_t ltm = GetLTM(entries, values, &ltmRms, ltmFraction);
 663       cutHistoLTM = SigmaCut(htemp, ltm, ltmRms, sigmaMax, sigmaStep, pm);
 664       if (cutHistoLTM) {
 665          //fListOfObjectsToBeDeleted->Add(cutHistoLTM);
 666          cutHistoLTM->SetLineColor(kGreen+2);
 667          legend->AddEntry(cutHistoLTM, "LTM", "l");
 668          cutHistoLTM->SetTitle(Form("%s, cumulative; Multiples of #sigma; Fraction of included data", htemp->GetTitle()));
 669          if ((plotMean && cutHistoMean) || (plotMedian && cutHistoMedian)) cutHistoLTM->Draw("same");
 670             else cutHistoLTM->Draw();
 671          DrawLines(cutHistoLTM, nsigma, legend, kGreen+2, pm);
 672       }
 673    }
 674    if (!plotMean && !plotMedian && !plotLTM) return -1;
 675    legend->Draw();
 676    return 1;
 677 }
 678
 679 //_____________________________________________________________________________
 680 Int_t AliBaseCalibViewer::Integrate(const Char_t* drawCommand, const Char_t* sector, const Char_t* cuts,
 681                                     Float_t /*sigmaMax*/, Bool_t plotMean, Bool_t plotMedian, Bool_t plotLTM,
 682                                     const Char_t *sigmas, Float_t /*sigmaStep*/) const {
 683    //
 684    // Creates an integrated histogram Begin_Latex S(t, #mu, #sigma) End_Latex, out of the input distribution distribution Begin_Latex f(x, #mu, #sigma) End_Latex, given in "histogram"
 685    // "mean" and "sigma" are Begin_Latex #mu End_Latex and  Begin_Latex #sigma End_Latex of the distribution in "histogram", to be specified by the user
 686    // sigmaMax: up to which sigma around the mean/median/LTM you want to integrate
 687    // if "igma == 0" and "sigmaMax == 0" the whole histogram is integrated
 688    // "sigmaStep": the binsize of the generated histogram, -1 means, that the maximal reasonable stepsize is used
 689    // The actual work is done on the array.
 690    /* Begin_Latex
 691          f(x, #mu, #sigma)     #Rightarrow       S(t, #mu, #sigma) = #int_{-#infty}^{#mu + t #sigma} f(x, #mu, #sigma) dx / #int_{-#infty}^{+#infty} f(x, #mu, #sigma) dx
 692       End_Latex
 693    */
 694
 695    Double_t ltmFraction = 0.8;
 696
 697    TString drawStr(drawCommand);
 698    Bool_t dangerousToDraw = drawStr.Contains(":") || drawStr.Contains(">>");
 699    if (dangerousToDraw) {
 700       Warning("Integrate", "The draw string must not contain ':' or '>>'.");
 701       return -1;
 702    }
 703    drawStr += " >> tempHist";
 704
 705    Int_t entries = EasyDraw1D(drawStr.Data(), sector, cuts, "goff");
 706    TH1F *htemp = (TH1F*)gDirectory->Get("tempHist");
 707    TGraph *integralGraphMean   = 0;
 708    TGraph *integralGraphMedian = 0;
 709    TGraph *integralGraphLTM    = 0;
 710    Double_t *values = fTree->GetV1();  // value is the array containing 'entries' numbers
 711    Int_t    *index  = new Int_t[entries];
 712    Float_t  *xarray = new Float_t[entries];
 713    Float_t  *yarray = new Float_t[entries];
 714    TMath::Sort(entries, values, index, kFALSE);
 715
 716    Double_t mean = TMath::Mean(entries, values);
 717    Double_t median = TMath::Median(entries, values);
 718    Double_t sigma = TMath::RMS(entries, values);
 719
 720    // parse sigmas string
 721    TObjArray *sigmasTokens = TString(sigmas).Tokenize(";");
 722    TVectorF nsigma(sigmasTokens->GetEntriesFast());
 723    for (Int_t i = 0; i < sigmasTokens->GetEntriesFast(); i++) {
 724       TString str(((TObjString*)sigmasTokens->At(i))->GetString());
 725       Double_t sig = (str.IsFloat()) ? str.Atof() : 0;
 726       nsigma[i] = sig;
 727    }
 728
 729    TLegend * legend = new TLegend(.7,.7, .99, .99, "Integrated histogram");
 730    //fListOfObjectsToBeDeleted->Add(legend);
 731
 732    if (plotMean) {
 733       for (Int_t i = 0; i < entries; i++) {
 734          xarray[i] = (values[index[i]] - mean) / sigma;
 735          yarray[i] = float(i) / float(entries);
 736       }
 737       integralGraphMean = new TGraph(entries, xarray, yarray);
 738       if (integralGraphMean) {
 739          //fListOfObjectsToBeDeleted->Add(integralGraphMean);
 740          integralGraphMean->SetLineColor(kRed);
 741          legend->AddEntry(integralGraphMean, "Mean", "l");
 742          integralGraphMean->SetTitle(Form("%s, integrated; Multiples of #sigma; Fraction of included data", htemp->GetTitle()));
 743          integralGraphMean->Draw("alu");
 744          DrawLines(integralGraphMean, nsigma, legend, kRed, kTRUE);
 745       }
 746    }
 747    if (plotMedian) {
 748       for (Int_t i = 0; i < entries; i++) {
 749          xarray[i] = (values[index[i]] - median) / sigma;
 750          yarray[i] = float(i) / float(entries);
 751       }
 752       integralGraphMedian = new TGraph(entries, xarray, yarray);
 753       if (integralGraphMedian) {
 754          //fListOfObjectsToBeDeleted->Add(integralGraphMedian);
 755          integralGraphMedian->SetLineColor(kBlue);
 756          legend->AddEntry(integralGraphMedian, "Median", "l");
 757          integralGraphMedian->SetTitle(Form("%s, integrated; Multiples of #sigma; Fraction of included data", htemp->GetTitle()));
 758          if (plotMean && integralGraphMean) integralGraphMedian->Draw("samelu");
 759             else integralGraphMedian->Draw("alu");
 760          DrawLines(integralGraphMedian, nsigma, legend, kBlue, kTRUE);
 761       }
 762    }
 763    if (plotLTM) {
 764       Double_t ltmRms = 0;
 765       Double_t ltm = GetLTM(entries, values, &ltmRms, ltmFraction);
 766       for (Int_t i = 0; i < entries; i++) {
 767          xarray[i] = (values[index[i]] - ltm) / ltmRms;
 768          yarray[i] = float(i) / float(entries);
 769       }
 770       integralGraphLTM = new TGraph(entries, xarray, yarray);
 771       if (integralGraphLTM) {
 772          //fListOfObjectsToBeDeleted->Add(integralGraphLTM);
 773          integralGraphLTM->SetLineColor(kGreen+2);
 774          legend->AddEntry(integralGraphLTM, "LTM", "l");
 775          integralGraphLTM->SetTitle(Form("%s, integrated; Multiples of #sigma; Fraction of included data", htemp->GetTitle()));
 776          if ((plotMean && integralGraphMean) || (plotMedian && integralGraphMedian)) integralGraphLTM->Draw("samelu");
 777             else integralGraphLTM->Draw("alu");
 778          DrawLines(integralGraphLTM, nsigma, legend, kGreen+2, kTRUE);
 779       }
 780    }
 781    delete [] index;
 782    delete [] xarray;
 783    delete [] yarray;
 784    if (!plotMean && !plotMedian && !plotLTM) return -1;
 785    legend->Draw();
 786    return entries;
 787 }
 788
 789 //_____________________________________________________________________________
 790 TH1F* AliBaseCalibViewer::Integrate(TH1F *histogram, Float_t mean, Float_t sigma, Float_t sigmaMax, Float_t sigmaStep){
 791    //
 792    // Creates an integrated histogram Begin_Latex S(t, #mu, #sigma) End_Latex, out of the input distribution distribution Begin_Latex f(x, #mu, #sigma) End_Latex, given in "histogram"
 793    // "mean" and "sigma" are Begin_Latex #mu End_Latex and  Begin_Latex #sigma End_Latex of the distribution in "histogram", to be specified by the user
 794    // sigmaMax: up to which sigma around the mean/median/LTM you want to integrate
 795    // if "igma == 0" and "sigmaMax == 0" the whole histogram is integrated
 796    // "sigmaStep": the binsize of the generated histogram, -1 means, that the maximal reasonable stepsize is used
 797    // The actual work is done on the array.
 798    /* Begin_Latex
 799          f(x, #mu, #sigma)     #Rightarrow       S(t, #mu, #sigma) = #int_{-#infty}^{#mu + t #sigma} f(x, #mu, #sigma) dx / #int_{-#infty}^{+#infty} f(x, #mu, #sigma) dx
 800       End_Latex
 801       Begin_Macro(source)
 802       {
 803          Float_t mean = 0;
 804          Float_t sigma = 1.5;
 805          Float_t sigmaMax = 4;
 806          gROOT->SetStyle("Plain");
 807          TH1F *distribution = new TH1F("Distribution2", "Distribution f(x, #mu, #sigma)", 1000,-5,5);
 808          TRandom rand(23);
 809          for (Int_t i = 0; i <50000;i++) distribution->Fill(rand.Gaus(mean, sigma));
 810          Float_t *ar = distribution->GetArray();
 811
 812          TCanvas* macro_example_canvas = new TCanvas("macro_example_canvas_Integrate", "", 350, 350);
 813          macro_example_canvas->Divide(0,2);
 814          TVirtualPad *pad1 = macro_example_canvas->cd(1);
 815          pad1->SetGridy();
 816          pad1->SetGridx();
 817          distribution->Draw();
 818          TVirtualPad *pad2 = macro_example_canvas->cd(2);
 819          pad2->SetGridy();
 820          pad2->SetGridx();
 821          TH1F *shist = AliTPCCalibViewer::Integrate(distribution, mean, sigma, sigmaMax);
 822          shist->SetNameTitle("Cumulative","Cumulative S(t, #mu, #sigma)");
 823          shist->Draw();
 824
 825          return macro_example_canvas_Integrate;
 826       }
 827       End_Macro
 828    */
 829
 830
 831    Float_t *array = histogram->GetArray();
 832    Int_t    nbins = histogram->GetXaxis()->GetNbins();
 833    Float_t binLow = histogram->GetXaxis()->GetXmin();
 834    Float_t binUp  = histogram->GetXaxis()->GetXmax();
 835    return Integrate(nbins, array, nbins, binLow, binUp, mean, sigma, sigmaMax, sigmaStep);
 836 }
 837
 838 //_____________________________________________________________________________
 839 TH1F* AliBaseCalibViewer::Integrate(Int_t n, Float_t *array, Int_t nbins, Float_t binLow, Float_t binUp,
 840                                     Float_t mean, Float_t sigma, Float_t sigmaMax, Float_t sigmaStep){
 841    // Creates an integrated histogram Begin_Latex S(t, #mu, #sigma) End_Latex, out of the input distribution distribution Begin_Latex f(x, #mu, #sigma) End_Latex, given in "histogram"
 842    // "mean" and "sigma" are Begin_Latex #mu End_Latex and  Begin_Latex #sigma End_Latex of the distribution in "histogram", to be specified by the user
 843    // sigmaMax: up to which sigma around the mean/median/LTM you want to integrate
 844    // if "igma == 0" and "sigmaMax == 0" the whole histogram is integrated
 845    // "sigmaStep": the binsize of the generated histogram, -1 means, that the maximal reasonable stepsize is used
 846    // Here the actual work is done.
 847
 848    Bool_t givenUnits = kTRUE;
 849    if (TMath::Abs(sigma) < 1.e-10 && TMath::Abs(sigmaMax) < 1.e-10) givenUnits = kFALSE;
 850    if (givenUnits) {
 851       sigma = 1;
 852       sigmaMax = (binUp - binLow) / 2.;
 853    }
 854
 855    Float_t binWidth = (binUp-binLow)/(nbins - 1);
 856    if (sigmaStep <= 0) sigmaStep = binWidth;
 857    Int_t kbins =  (Int_t)(sigmaMax * sigma / sigmaStep) + 1;  // + 1  due to overflow bin in histograms
 858    Float_t kbinLow = givenUnits ? binLow : -sigmaMax;
 859    Float_t kbinUp  = givenUnits ? binUp  : sigmaMax;
 860    TH1F *hist = 0;
 861    if (givenUnits)  hist = new TH1F("integratedHisto","Integrated Histogram; Given x; Fraction of included data", kbins, kbinLow, kbinUp);
 862    if (!givenUnits) hist = new TH1F("integratedHisto","Integrated Histogram; Multiples of #sigma; Fraction of included data", kbins, kbinLow, kbinUp);
 863    hist->SetDirectory(0);
 864    hist->Reset();
 865
 866    // calculate normalization
 867  //  printf("calculating normalization, integrating from bin 1 to %i \n", n);
 868    Double_t normalization = 0;
 869    for (Int_t i = 1; i <= n; i++) {
 870         normalization += array[i];
 871    }
 872  //  printf("normalization: %f \n", normalization);
 873
 874    // given units: units from given histogram
 875    // sigma units: in units of sigma
 876    // iDelta: integrate in interval (mean +- iDelta), given units
 877    // x:      ofset from mean for integration, given units
 878    // hist:   needs
 879
 880    // fill histogram
 881    for (Float_t iDelta = mean - sigmaMax * sigma; iDelta <= mean + sigmaMax * sigma; iDelta += sigmaStep) {
 882       // integrate array
 883       Double_t value = 0;
 884       for (Float_t x = mean - sigmaMax * sigma; x <= iDelta; x += binWidth) {
 885          value += (x <= binUp && x >= binLow)  ? array[GetBin(x, nbins, binLow, binUp)] : 0;
 886       }
 887       if (value / normalization > 100) printf("+++ Error, value to big: %f, normalization with %f will fail  +++ \n", value, normalization);
 888       if (value / normalization > 100) return hist;
 889       Int_t bin = GetBin(iDelta/sigma, kbins, kbinLow, kbinUp);
 890     //  printf("first integration bin: %i, last integration bin: %i \n", GetBin(mean - sigmaMax * sigma, nbins, binLow, binUp), GetBin(iDelta, nbins, binLow, binUp));
 891     //  printf("value: %f, normalization: %f, normalized value: %f, iDelta: %f, Bin: %i \n", value, normalization, value/normalization, iDelta, bin);
 892       value = (value / normalization);
 893       hist->SetBinContent(bin, value);
 894    }
 895    return hist;
 896 }
 897
 898 //_____________________________________________________________________________
 899 void AliBaseCalibViewer::DrawLines(TH1F *histogram, TVectorF nsigma, TLegend *legend, Int_t color, Bool_t pm) const {
 900    //
 901    // Private function for SigmaCut(...) and Integrate(...)
 902    // Draws lines into the given histogram, specified by "nsigma", the lines are addeed to the legend
 903    //
 904
 905    // start to draw the lines, loop over requested sigmas
 906   for (Int_t i = 0; i < nsigma.GetNoElements(); i++) {
 907     if (!pm) {
 908       Int_t bin = histogram->GetXaxis()->FindBin(nsigma[i]);
 909       TLine* lineUp = new TLine(nsigma[i], 0, nsigma[i], histogram->GetBinContent(bin));
 910          //fListOfObjectsToBeDeleted->Add(lineUp);
 911       lineUp->SetLineColor(color);
 912       lineUp->SetLineStyle(2 + i);
 913       lineUp->Draw();
 914       TLine* lineLeft = new TLine(nsigma[i], histogram->GetBinContent(bin), 0, histogram->GetBinContent(bin));
 915          //fListOfObjectsToBeDeleted->Add(lineLeft);
 916       lineLeft->SetLineColor(color);
 917       lineLeft->SetLineStyle(2 + i);
 918       lineLeft->Draw();
 919       legend->AddEntry(lineLeft, Form("Fraction(%f #sigma) = %f",nsigma[i], histogram->GetBinContent(bin)), "l");
 920     }
 921     else { // if (pm)
 922       Int_t bin = histogram->GetXaxis()->FindBin(nsigma[i]);
 923       TLine* lineUp1 = new TLine(nsigma[i], 0, nsigma[i], histogram->GetBinContent(bin));
 924          //fListOfObjectsToBeDeleted->Add(lineUp1);
 925       lineUp1->SetLineColor(color);
 926       lineUp1->SetLineStyle(2 + i);
 927       lineUp1->Draw();
 928       TLine* lineLeft1 = new TLine(nsigma[i], histogram->GetBinContent(bin), histogram->GetBinLowEdge(0)+histogram->GetBinWidth(0), histogram->GetBinContent(bin));
 929          //fListOfObjectsToBeDeleted->Add(lineLeft1);
 930       lineLeft1->SetLineColor(color);
 931       lineLeft1->SetLineStyle(2 + i);
 932       lineLeft1->Draw();
 933       legend->AddEntry(lineLeft1, Form("Fraction(+%f #sigma) = %f",nsigma[i], histogram->GetBinContent(bin)), "l");
 934       bin = histogram->GetXaxis()->FindBin(-nsigma[i]);
 935       TLine* lineUp2 = new TLine(-nsigma[i], 0, -nsigma[i], histogram->GetBinContent(bin));
 936          //fListOfObjectsToBeDeleted->Add(lineUp2);
 937       lineUp2->SetLineColor(color);
 938       lineUp2->SetLineStyle(2 + i);
 939       lineUp2->Draw();
 940       TLine* lineLeft2 = new TLine(-nsigma[i], histogram->GetBinContent(bin), histogram->GetBinLowEdge(0)+histogram->GetBinWidth(0), histogram->GetBinContent(bin));
 941          //fListOfObjectsToBeDeleted->Add(lineLeft2);
 942       lineLeft2->SetLineColor(color);
 943       lineLeft2->SetLineStyle(2 + i);
 944       lineLeft2->Draw();
 945       legend->AddEntry(lineLeft2, Form("Fraction(-%f #sigma) = %f",nsigma[i], histogram->GetBinContent(bin)), "l");
 946     }
 947   }  // for (Int_t i = 0; i < nsigma.GetNoElements(); i++)
 948 }
 949
 950 //_____________________________________________________________________________
 951 void AliBaseCalibViewer::DrawLines(TGraph *graph, TVectorF nsigma, TLegend *legend, Int_t color, Bool_t pm) const {
 952    //
 953    // Private function for SigmaCut(...) and Integrate(...)
 954    // Draws lines into the given histogram, specified by "nsigma", the lines are addeed to the legend
 955    //
 956
 957    // start to draw the lines, loop over requested sigmas
 958   for (Int_t i = 0; i < nsigma.GetNoElements(); i++) {
 959     if (!pm) {
 960       TLine* lineUp = new TLine(nsigma[i], 0, nsigma[i], graph->Eval(nsigma[i]));
 961          //fListOfObjectsToBeDeleted->Add(lineUp);
 962       lineUp->SetLineColor(color);
 963       lineUp->SetLineStyle(2 + i);
 964       lineUp->Draw();
 965       TLine* lineLeft = new TLine(nsigma[i], graph->Eval(nsigma[i]), 0, graph->Eval(nsigma[i]));
 966          //fListOfObjectsToBeDeleted->Add(lineLeft);
 967       lineLeft->SetLineColor(color);
 968       lineLeft->SetLineStyle(2 + i);
 969       lineLeft->Draw();
 970       legend->AddEntry(lineLeft, Form("Fraction(%f #sigma) = %f",nsigma[i], graph->Eval(nsigma[i])), "l");
 971     }
 972     else { // if (pm)
 973       TLine* lineUp1 = new TLine(nsigma[i], 0, nsigma[i], graph->Eval(nsigma[i]));
 974          //fListOfObjectsToBeDeleted->Add(lineUp1);
 975       lineUp1->SetLineColor(color);
 976       lineUp1->SetLineStyle(2 + i);
 977       lineUp1->Draw();
 978       TLine* lineLeft1 = new TLine(nsigma[i], graph->Eval(nsigma[i]), graph->GetHistogram()->GetXaxis()->GetBinLowEdge(0), graph->Eval(nsigma[i]));
 979          //fListOfObjectsToBeDeleted->Add(lineLeft1);
 980       lineLeft1->SetLineColor(color);
 981       lineLeft1->SetLineStyle(2 + i);
 982       lineLeft1->Draw();
 983       legend->AddEntry(lineLeft1, Form("Fraction(+%f #sigma) = %f",nsigma[i], graph->Eval(nsigma[i])), "l");
 984       TLine* lineUp2 = new TLine(-nsigma[i], 0, -nsigma[i], graph->Eval(-nsigma[i]));
 985          //fListOfObjectsToBeDeleted->Add(lineUp2);
 986       lineUp2->SetLineColor(color);
 987       lineUp2->SetLineStyle(2 + i);
 988       lineUp2->Draw();
 989       TLine* lineLeft2 = new TLine(-nsigma[i], graph->Eval(-nsigma[i]), graph->GetHistogram()->GetXaxis()->GetBinLowEdge(0), graph->Eval(-nsigma[i]));
 990          //fListOfObjectsToBeDeleted->Add(lineLeft2);
 991       lineLeft2->SetLineColor(color);
 992       lineLeft2->SetLineStyle(2 + i);
 993       lineLeft2->Draw();
 994       legend->AddEntry(lineLeft2, Form("Fraction(-%f #sigma) = %f",nsigma[i], graph->Eval(-nsigma[i])), "l");
 995     }
 996   }  // for (Int_t i = 0; i < nsigma.GetNoElements(); i++)
 997 }