[論文レビュー] Asymmetric Uncertainties: Sources, Treatment and Potential Dangers

G. D’Agostini|ArXiv.org|Mar 17, 2004

Risk and Safety Analysis参考文献 4被引用数 30

ひとこと要約

この論文は、物理学的測定における非対称的な不確実性が、従来の確率論的でない手法を用いる際に系統的バイアスの原因となることを特定する。非対称的な不確実性を正しく伝搬するためのベイジアンフレームワークを提案し、適切な取り扱いにより、補正された期待値を中心とする対称的でガウス型の分布が得られることを示す。これにより、公表された結果およびその後続の分析におけるバイアスが解消される。

ABSTRACT

The issue of asymmetric uncertainties resulting from fits, nonlinear propagation and systematic effects is reviewed. It is shown that, in all cases, whenever a published result is given with asymmetric uncertainties, the value of the physical quantity of interest is biased with respect to what would be obtained using at best all experimental and theoretical information that contribute to evaluate the combined uncertainty. The probabilistic solution to the problem is provided both in exact and in approximated forms.

研究の動機と目的

• 実験物理学における非対称的な不確実性の根本的要因を特定すること、特に非線形伝搬および系統的要因に起因するものである。
• 従来の非確率的取り扱いが、物理量の報告された「最良値」にバイアスをもたらすことを示すこと。
• 非対称的な誤差が存在する状況での期待値と不確実性を正しく推定するための、ベイジアン推論に基づく確率論的に整合性のある手法を提供すること。
• 非対称的な不確実性が適切に取り扱われると、対称的で近似的にガウス型の分布が得られ、後続の分析におけるバイアスが低減されることを示すこと。
• 詳細な不確実性の形状（例えば確率密度関数）を、最良推定値とともに公表することを提唱し、非対称区間のみに依存するのではなく、完全な不確実性の特徴付けを確保すること。

提案手法

• 正確なベイジアン推論式（式1）を用いて、非対称な確率密度関数（p.d.f.）を関数的関係を通じて伝搬させ、不確実性伝搬の正確な取り扱いを保証する。
• 全確率の法則と条件付きp.d.f.を用いて、個々の非対称的寄与が導出された量の最終的分布に与える影響をモデル化する。
• 正確なベイジアンフレームワークから近似手法を導出し、非線形関数やフィットに非対称な不確実性を伝搬させる際、標準的頻度主義のルールがなぜ非対称な状況で失敗するかを示す。
• 解析の詳細が不明な状況でも利用可能な、公表済みの非対称結果に対するルール of thumb の補正（例：非対称性の一部の割合に応じて「最良値」をずらす）を導入し、その後続分析における有用性を向上させる。
• 解析的解が得られない場合に、導出された量の完全なp.d.f.を数値的に評価するためにモンテカルロ法を用いる。
• 非対称区間に加えて、最も確実な値、確率区間、期待値と標準偏差を報告することを推奨し、不確実性の完全な特徴付けを確保する。

実験結果

リサーチクエスチョン

• RQ1 なぜ高エネルギー物理学やその他の実験分野で非対称的な不確実性が生じるのか？
• RQ2 従来の非対称的不確実性の取り扱いが、公表結果における「最良値」にバイアスをもたらすのか？
• RQ3 非線形関数やフィットを通じて非対称的な不確実性を正しく伝搬するための正しい確率論的手法は何か？
• RQ4 どのような条件下で非対称的な不確実性が、対称的で近似的にガウス型の最終的分布を生じるのか？
• RQ5 完全な解析詳細が入手できない状況で、非対称的な不確実性を伴って公表された結果を意味的に補正または再解釈するにはどうすればよいか？

主な発見

• 非対称的な不確実性が標準的な非確率的手法で取り扱われると、不確実性区間が正しくても、物理量の報告された「最良値」は真の期待値からずれ、バイアスが生じる。
• ベイジアンフレームワークは、入力変数の非対称p.d.f.を考慮に入れ、補正された期待値と対称的な標準偏差をもたらす、不確実性伝搬の正確な解を提供する。
• 多くの場合、非対称な寄与がベイジアン推論を用いて適切に組み合わされると、導出された量の最終的分布は近似的に対称的かつガウス型となる。
• 解析の詳細が不明な状況でも、非対称性の一部の割合に応じて「最良値」をずらすルール・オブ・ Thumb の補正を施すことで、公表結果を直接用いるよりもはるかに優れた推定値が得られる。
• 本論文は、標準的な報告方法である $ x^{+\Delta_+}_{-\Delta_-} $ を中央値として報告する際、中央値を補正しないことで系統的バイアスが生じることを示し、確率論的推論を用いることで定量的に是正可能であることを示している。
• 著者らは、透明性と正確性を確保するため、最良推定値として常に期待値と標準偏差を含めるべきであると結論づける。