pyhf:支持可变Bin宽度直方图

Question

我想使用pyhf获得我的分析的预期限制。这个分析的前一次迭代使用了可变的bin宽度直方图，我想知道pyhf是否可以正确地处理这个问题。

我听说HistFactory不支持可变的bin宽度，尽管我在HistFactory paper中找不到任何明显的声明(尽管我可能遗漏了一些明显的东西)。我在HistFactory中唯一能找到的引用变量bin宽度的文档是在这个旧的JIRA ticket上，还有一个相关的Root Forum post。

我天真地假设，如果HistFactory不支持变量绑定，那么pyhf也不会支持。然而，pyhf似乎没有以任何方式使用bin边缘(至少，它们根本不会传递给pyhf )。此外，当我在变量绑定的分布上运行假设测试时，我获得了看起来合理的结果。

我在pyhf文档中找不到任何关于不要使用可变入库输入的内容，也没有在pyhf GitHub问题中找到任何内容，也没有在Stack Overflow上找到此处标记的内容。如果应该只使用统一入库的直方图，那么将其添加到文档中的某个位置可能会更好(除非它确实已经存在，而我只是完全错过了它)。

Answer 1

最终，这种可能性归结为多个联合计数实验，每个实验都有自己的泊松项，所以变量箱实际上不是一个基本问题。

在RooFit实现中有一点问题，因为它不直接遵循泊松结构(而是使用RooHistFunc)，但在pyhf中itt应该不是问题。

PS:我们开始了mygrating Q&A re: pyhf to

https://github.com/scikit-hep/pyhf/discussions/categories/q-a

因此，如果您有其他问题，请随时在那里继续讨论。

Answer 2

正如在pyhf中看到的，在Lukas's answer上回声和扩展一点概率模型的主要部分是所有通道中所有柱子的泊松的乘积。仅从这一点我们就可以看出，在概率模型中没有考虑面元宽度，并且由于pyhf是全概率模型的实现，所以在pyhf中也不使用面元宽度。这可以在"Likelihood Specification" section of the 中进一步看到，因为没有关于仓位宽度的元数据来补充data字段。