Академический Документы
Профессиональный Документы
Культура Документы
RIO GRANDE
2019
LUAN SODRÉ DE AGUIAR
RIO GRANDE
2019
SUMÁRIO
1 – INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
2 – Estrutura do Trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2.1 Introdução a Fı́sica de Partı́culas . . . . . . . . . . . . . . . . . . . . . . . 2
2.1.1 Historiografia da Fı́sica de Partı́culas Moderna. . . . . . . . . . . . . 2
2.1.2 Modelo Padrão da Fı́sica de Partı́culas . . . . . . . . . . . . . . . . 2
2.1.2.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2.1.2.2 Partı́culas Elementares . . . . . . . . . . . . . . . . . . . 2
2.2 As Quatro Forças Fundamentais e Seus Meios de Interação . . . . . . . . . 2
2.2.1 Eletrodiâmica Quântica (QED) e Cromodinâmica Quântica (QCD) . 2
2.3 Léptons, Quarks e Hádrons . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.4 Mapa Conceitual do Modelo Padrão . . . . . . . . . . . . . . . . . . . . . . 3
2.5 Detectores de Partı́culas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.6 Estatı́stica Bayesiana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.6.1 Teorema de Bayes a Partir de Propriedades Básicas de Probabilidade 4
2.6.2 Inferência Sobre um Conjunto de Dados Experimentais, Usando Dados
em Sequência. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.6.3 Distribuição a Priori e Posteriori. . . . . . . . . . . . . . . . . . . . 4
2.6.4 Generalização do Teorema de Bayes Para N Quantidades de Interesse. 4
2.6.5 Análise Bayesiana de Dados Originados de Múltiplas Fontes. . . . . . 4
2.7 Teorema Bayes na Fı́sica de Partı́culas . . . . . . . . . . . . . . . . . . . . 4
2.7.1 Forma do Teorema de Bayes Para Identificação de Partı́culas . . . . . 4
2.7.2 Eficiência do Método Frente a Contaminação . . . . . . . . . . . . . 5
2.7.3 Critérios de Seleção de Partı́culas Pela Probabilidade Bayesiana . . . 5
2.7.4 Análise de resultados da aplicação do método Bayesiano na fı́sica de
partı́culas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3 – Justificativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
Referências . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1
1 INTRODUÇÃO
Esse trabalho tem como objetivo principal uma análise sobre o processo de identificação
de partı́culas em colisões ultra relativı́sticas através do teorema de Bayes. O que o teorema se
propõem a fazer é dar uma nova interpretação para as proposições utilizadas no cálculo de
probabilidades, vendo-as como, hipóteses e eventos.
Na aplicação para fı́sica de partı́culas veremos que esses eventos serão os sinais emitidos
pelos detectores, e as hipóteses, proporções de partı́culas esperadas em um sinal.
O grande desafio do método é a formulação dessas proporções, ou seja, a formulação
de modelos que representem a distribuição das partı́culas (que gera uma proporção quando é
feita uma análise com restrição de domı́nio) em determinado sinal. Hoje esses modelos são
retirados de dados previamente obtidos com método de Monte Carlo, que implica que os
resultados obtidos por Bayes no fundo serão apenas um ’espelho’ dos resultados obtidos pelo
método de Monte Carlo, tendo em vista que não há uma nova formulação para as proporções,
pois como já dito as mesmas vem de dados previamente obtidos.
Apesar disso o teorema de Bayes nos trás na sua aplicação resultados diferentes a
serem explorados, como por exemplo, um sinal de ’background’ maior.
Esse trabalho busca também discutir como o teorema pode ser usado de maneira a
contribuir para a possibilidade da descoberta de novas partı́culas, que seria possı́vel se em vez
de dados pré obtidos, se usasse uma formulação probabilı́stica para a proporção das partı́culas
em certos domı́nios. Possı́bilidade discutida com mais detalhes na conclusão.
O desenvolvimento do trabalho segue três pilares: A compreensão do modelo padrão
da fı́sica de partı́culas, a demonstração da dedução do teorema de Bayes através de conceitos
básicos de probabilidade e o passo a passo da sua utilização nos dados obtidos pelos detectores,
para finalmente trazer uma comparação entre resultados obtidos no ALICE (A Large Ion Collider
Experiment), com o método de Bayes e de Monte Carlo.
2
2 Estrutura do Trabalho
2.1.2.1 Introdução
Será abordado de maneira mais detalhada as partı́culas que compõem o modelo padrão,
como interagem entre si e os mecanismos que regem sua dinâmica. Mais uma vez o capı́tulo
tem objetivo introdutório, apenas para integrar o leitor a um nı́vel mais técnico do tema. As
propriedades são colocadas e esmo, sua discussão de maneira mais assı́dua será feita no decorrer
do trabalho.
Abordaremos as teorias por trás das quatro forças fundamentais que regem a dinâmica
do universo, além da introdução do conceito de partı́culas mediadoras de força.
Nessa sessão será resumido o modelo padrão atrávez de um mapa, começando por
um mapa das partı́culas elementares, para depois um mapa das partı́culas mediadoras de força
e finalmente um mapa geral do modelo padrão ligando as partı́culas elementares as interações
fundamentais de força.
Como uma distribuição a priori para uma quantidade de interesse, deve representar
probabilisticamente o conhecimento que se tem da mesma, antes da realização do experimento.
E uma distribuição a posteriori, fornece uma descrição completa do nosso atual estado de
conhecimento acerca dessa quantidade, após o processamento dos dados disponı́veis. Essas
questõens serão abordadas nesta sessão.
Essa sessão tem como objetivo a discussão dos resultados da aplicação do método
de Bayes na fı́sica de partı́culas, com uma análise dos dados obtidos no ALICE (A Large Ion
Collider Experiment) [1], junto com a comparação do método de Bayes com o método clássico
de Monte Carlo, assim discutindo suas vantagens e desvantagens
6
3 Justificativa
Referências