Caracterización y discriminación de fondo Drell-Yan en el análisis H → WW
Characterization and discrimination of Drell-Yan background in the H → WW analysis
Ver/ Abrir
Identificadores
URI: http://hdl.handle.net/10902/17863Registro completo
Mostrar el registro completo DCAutoría
Lasaosa García, ClaraFecha
2019-09-16Derechos
Atribución-NoComercial-SinDerivadas 3.0 España
Palabras clave
CMS
LHC
Discriminación
Caracterización
Análisis multivariable
Análisis secuencial
Drell-Yan
Bosón de Higgs
Discrimination
Characterization
Multivariate analysis
Sequential analysis
Higgs boson
Resumen/Abstract
El objetivo de este trabajo ha sido caracterizar y discriminar dos procesos físicos producidos en el LHC: la producción de un bosón de Higgs cuando se desintegra a dos bosones W, y el Drell-Yan. Para ello, se ha realizado un análisis secuencial y un análisis multivariable basados en muestras de simulación Monte Carlo que reproducen las condiciones del experimento CMS durante la toma de datos de 2017 a una energía de centro de masas de √s = 13 TeV y a una luminosidad integrada de 41.5 fb-1. Se ha obtenido que el análisis multivariable, el cual combina el poder discriminatorio de variables de entrada en un único discriminante, logra una separación mejor que el análisis secuencial, en el que se aplican selecciones simples en las distribuciones de dichas variables de entrada.
The objective of this project has been to characterize and discriminate between two physical processes produced in the LHC: the production of a Higgs boson when it decays into two W bosons, and Drell-Yan. For this purpose, a sequential analysis and a multivariate analysis have been performed based on Monte Carlo simulation samples that reproduce the status of the CMS experiment during the 2017 data collection at a center-of-mass energy of √s = 13 TeV and an integrated luminosity of 41.5 fb-1. It has been determined that the multivariate analysis, which combines the discriminatory power of the input variables into a single discriminant, achieves a better separation than the sequential analysis, in which some simple selections are applied to the distributions of such input variables.