信号和背景建模
通过假设分析模型，从数据mZγ分布中提取信号和背景产量。从模拟的信号样本中获得了描述信号形状的参数。
利用模拟的背景样本选择用于背景形状的分析模型，并从对数据的拟合中确定其自由参数的值。
在寻找希格斯玻色子和高质量共振衰减到Zγ时的信号质量分布可以用双面晶体球（DSCB）函数很好地模拟，高斯分量的峰值位置和宽度分别用µCB和σCB表示
利用窄宽度假设（NWA），利用mH = 125 GeV的mX = 1000 GeV和(b)高质量自旋0粒子的(a)希格斯玻色子的不变Zγ质量（mZγ）的差分分布。
标记显示mZγ分布，实线和虚线显示在搜索中使用的拟合参数。图的底部显示了标记和参数化之间的残差。
为了确定用于H→Zγ搜索的DSCB参数，对在mH = 125 GeV下通过ggF、VBF和VH过程产生的模拟信号样本的所有类别进行拟合。
对峰值位置µCB施加90 MeV的位移，建立了mH = 125.09 GeV的信号模型。对于高质量搜索，同时对所有信号样本进行拟合，mX=[300-2500]GeV（mX=[250-2500]GeV）用于自旋0解释。
这允许参数化质量mX的信号形状，信号形状参数的mX依赖性由多项式参数化，并在同时拟合过程中确定其系数。
对所考虑的三个模型分别进行了参数化，即自旋0共振和由胶子-胶子或夸克-反夸克初始态产生的自旋2共振。
低pTt类别在mH = 125 GeV和mX = 1000 GeV下的mc模拟mZγ分布。在两个搜索中，所有类别都得到了相似的拟合质量。
此外，信号效率定义为满足所有选择标准的事件数，并归一化为事件总数，需要从测量的产量中提取σ·B（H/X→Zγ）。对于H→Zγ搜索，每个类别的信号效率倍数。
为了寻找高质量的共振，信号效率被参数化为共振质量的函数与一个指数的二阶多项式。
2mH=125 GeV与mH = 125.09 GeV之间的效率差估计小于1%图4.X→Zγ最终态的重建和选择效率作为共振质量mX (a)的函数。
分别为ee和µµ类别，以及通过胶子-胶子或夸克-反夸克初始态产生的自旋2共振的，标记显示了从模拟中获得的效率，而曲线表示在分析中使用的参数化。
效率分别给出了(a) X→Z（→ee）γ和X→Z（→µµ）γ，以及(b) X→Z（→``）γ，其中`= e，µ。
显示了Z→和Z→µµ产生的自旋0共振的X→Z（→``）γ事件的重建和选择效率，在从250 GeV到2.4 TeV的质量范围内，效率范围从约30%到约46%。
对于通过矢量-玻色子聚变产生的自旋-0共振，在所考虑的全共振质量范围内，效率提高了高达4%。
胶子-胶子和夸克-反夸克初始态产生的自旋2共振的重建和选择共振质量的效率，对于胶胶初始态产生的自旋2共振，在250 GeV到2.4 TeV的质量范围内，效率从约22%（28%）到约35%（54%）。
胶子-胶子聚变产生的自旋0共振、胶子-胶子初始态产生的自旋2共振和夸克-反夸克初始态产生的自旋2共振之间的效率差异主要与不同产生机制之间不同的光子横向动量分布有关。
背景主要由与光子相关的Z玻色子的非共振产生（不可约背景），以及包含Z+喷流事件，其中射流被错误地识别为光子（可约背景），相对贡献使用如下数据确定。
根据对模拟事件的研究，来自其他来源的贡献，如tt¯的产生，W/Z事件，以及对于H→Zγ搜索，来自其他希格斯玻色子衰变的贡献预计可以忽略不计。
背景是候选Z玻色子和光子mZγ不变质量的平滑下降分布，利用估计的背景组成构建与数据背景相同组成的模拟背景样本。
这些样本被用于选择标准的优化，背景形状的分析模型的选择，以及相关的系统不确定性的估计。由于背景形状参数是由数据确定的，因此搜索仅间接地依赖于测量的背景成分。
背景的组成是通过对信号区域和在Z+射流背景中丰富的控制区域的候选光子隔离分布的量热计的组合分箱拟合来估计的。
在控制区域，光子候选需要不通过紧密识别，但需要通过修改的松散识别。它不同于严格识别，去掉了9个淋浴形状变量中的4个的要求，这些变量与量热计隔离[93]的相关性最小。
通过模拟确定了光子的量热计隔离分布和真实光子对控制区域的贡献，而在拟合中确定了射流的量热计隔离分布，并假设在信号和控制区域是相同的。
