Répéter l'analyse complète sur de nombreuses pseudo-expériences simulées pour apprendre comment sa réponse fluctue.Le Monte Carlo jouet est une technique de calcul utilisée en physique pour comprendre le comportement statistique d'une analyse sans avoir besoin de données réelles. L'idée est simple : on simule de nombreux jeux de données factices — des « pseudo-expériences » — générés selon notre meilleur modèle de la physique sous-jacente et de la réponse du détecteur. On exécute ensuite l'intégralité de notre chaîne d'analyse sur chaque jeu de données simulé, exactement comme on le ferait sur des données réelles, et on enregistre le résultat à chaque fois. En collectant les résultats de milliers ou de millions de ces pseudo-expériences, on construit une distribution qui indique à quel point la réponse de notre analyse fluctuerait en raison du seul hasard.
La technique est apparue au milieu du XXe siècle avec l'avènement des ordinateurs électroniques, et elle est devenue un outil standard en physique des particules dans les années 1960 et 1970, en particulier au CERN et dans d'autres laboratoires d'accélérateurs. Le nom « jouet » distingue ces simulations simplifiées des simulations complètes du détecteur, qui sont beaucoup plus détaillées et coûteuses en calcul.
La méthode repose sur la génération de nombres aléatoires pour créer chaque pseudo-expérience. On part d'un modèle de probabilité qui décrit le signal et le bruit de fond attendus, puis on échantillonne ce modèle pour produire un jeu de données qui ressemble statistiquement à ce que l'expérience réelle pourrait produire. Après avoir exécuté l'analyse sur chaque jeu de données simulé, on histogramme les quantités résultantes — comme un paramètre ajusté ou une statistique de test. Cet histogramme approxime la distribution de probabilité de la sortie de l'analyse sous l'hypothèse nulle ou sous une hypothèse de signal donnée, ce qui permet de quantifier les incertitudes, de fixer des limites ou de calculer des valeurs de p.
Il est utilisé en physique des hautes énergies pour estimer la significativité de la découverte d'une nouvelle particule, pour fixer des limites supérieures sur des processus rares, et pour valider qu'une analyse ne présente pas de biais systématiques.
Le même principe sous-tend la méthode du « bootstrap » en statistiques, mais le Monte Carlo jouet est adapté au détecteur et à l'analyse spécifiques d'une expérience de physique.
