Publishing statistical models: Getting the most out of particle physics experiments - Archive ouverte HAL Accéder directement au contenu
Article Dans Une Revue SciPost Physics Année : 2022

Publishing statistical models: Getting the most out of particle physics experiments

Kyle Cranmer
  • Fonction : Auteur
Harrison B. Prosper
  • Fonction : Auteur
Philip Bechtle
  • Fonction : Auteur
Florian U. Bernlochner
  • Fonction : Auteur
Itay M. Bloch
  • Fonction : Auteur
Enzo Canonero
  • Fonction : Auteur
Marcin Chrzaszcz
  • Fonction : Auteur
Andrea Coccaro
  • Fonction : Auteur
Jan Conrad
  • Fonction : Auteur
Glen Cowan
  • Fonction : Auteur
Matthew Feickert
  • Fonction : Auteur
Nahuel Ferreiro Iachellini
  • Fonction : Auteur
Andrew Fowlie
  • Fonction : Auteur
Lukas Heinrich
  • Fonction : Auteur
Alexander Held
  • Fonction : Auteur
Thomas Kuhr
  • Fonction : Auteur
Anders Kvellestad
  • Fonction : Auteur
Maeve Madigan
  • Fonction : Auteur
Knut Dundas Morå
  • Fonction : Auteur
Mark S. Neubauer
  • Fonction : Auteur
Maurizio Pierini
  • Fonction : Auteur
Juan Rojo
  • Fonction : Auteur
Sezen Sekmen
  • Fonction : Auteur
Luca Silvestrini
  • Fonction : Auteur
Veronica Sanz
  • Fonction : Auteur
Giordon Stark
  • Fonction : Auteur
Riccardo Torre
  • Fonction : Auteur
Robert Thorne
  • Fonction : Auteur
Wolfgang Waltenberger
  • Fonction : Auteur
Nicholas Wardle
  • Fonction : Auteur
Jonas Wittbrodt
  • Fonction : Auteur

Résumé

The statistical models used to derive the results of experimental analyses are of incredible scientific value and are essential information for analysis preservation and reuse. In this paper, we make the scientific case for systematically publishing the full statistical models and discuss the technical developments that make this practical. By means of a variety of physics cases -- including parton distribution functions, Higgs boson measurements, effective field theory interpretations, direct searches for new physics, heavy flavor physics, direct dark matter detection, world averages, and beyond the Standard Model global fits -- we illustrate how detailed information on the statistical modelling can enhance the short- and long-term impact of experimental results.

Dates et versions

hal-03356428 , version 1 (28-09-2021)

Identifiants

Citer

Kyle Cranmer, Sabine Kraml, Harrison B. Prosper, Philip Bechtle, Florian U. Bernlochner, et al.. Publishing statistical models: Getting the most out of particle physics experiments. SciPost Physics, 2022, 12 (1), pp.037. ⟨10.21468/SciPostPhys.12.1.037⟩. ⟨hal-03356428⟩
68 Consultations
0 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More