[論文レビュー] Bayesian Model Selection and Extrasolar Planet Detection

Eric B. Ford, P. C. Gregory|arXiv (Cornell University)|Aug 16, 2006

Stellar, planetary, and galactic studies参考文献 22被引用数 28

ひとこと要約

この論文は、異なる数の惑星を有するモデルを比較するために、周辺尤度の効率的推定に注目したベイジアンモデル選択手法を評価している。重要度サンプリングを用いた事後分布の混合近似が、特に事後分布が多変量正規分布でよく近似できる場合に、収束性と精度の面で他の推定器を上回ることを示している。

ABSTRACT

Radial velocity (RV) planet searches are increasingly finding planets with small velocity amplitudes, with long orbital periods, or in multiple planet systems. Bayesian inference has the potential to improve the interpretation of existing observations, the planning of future observations and ultimately inferences concerning the overall population of planets. In recent years, the refinement of Markov chain Monte Carlo (MCMC) algorithms has made it practical to accurately characterize orbital parameters and their uncertainties from RV observations of single-planet and weakly interacting multiple-planet systems. Unfortunately, MCMC is not sufficient for Bayesian model selection, i.e., comparing the marginal posterior probability of models, as is necessary to determine how strongly the observational data favor a model with n+1 planets over a model with just n planets. Many of the obvious estimators for the marginal posterior probability suffer from poor convergence properties. We compare several estimators of the marginal likelihood and feature those that display desirable convergence properties based on the analysis of a sample data set for HD 88133b. We find that methods based on importance sampling are most efficient, provided that a good analytic approximation of the posterior probability distribution is available. We present a simple algorithm for using a sample from the posterior to construct a mixture distribution that approximates the posterior and can be used for importance sampling and Bayesian model selection. We conclude with some suggestions for the development and refinement of computationally efficient and robust estimators of marginal posterior probabilities.

研究の動機と目的

• 周辺尤度推定が計算的に困難であるため、系外惑星探査におけるベイジアンモデル選択の課題に対処すること。
• 高次元パラメータ空間においても有効な、モデル比較のための周辺事後確率推定器を特定・比較すること。
• 実際のHD 88133の径画像データを用いて、ハーモニック平均、重要度サンプリング、並列温度法などのさまざまな推定器の収束性と効率性を評価すること。
• 事後分布サンプルから強固な重要度サンプリング密度を構築する手法を開発・検証し、モデル選択の正確性を向上させること。
• 現実世界の系外惑星探査の状況において、効率的かつ信頼性の高い推定器を選択するための実用的助言を提供すること。

提案手法

• 単一惑星系および複数惑星系の軌道パラメータの事後分布から、マルコフ連鎖モンテカルロ法（MCMC）を用いてサンプリングする。
• 事後分布サンプルから混合分布を構築し、重要度サンプリングのための提案密度として用いることで、周辺尤度の推定を改善する。
• 解析的近似（例：多変量正規分布）を用いた重要度サンプリングを適用し、分散を低減し収束性を向上させる。
• ハーモニック平均、加重ハーモニック平均、制限付きモンテカルロ、並列温度法、および新規の比率推定器を含む複数の推定器を比較する。
• 周辺尤度をベイジアンモデル比較のツールとして用い、データがn+1個の惑星を支持するかn個の惑星を支持するかを評価する。
• 事後分布サンプルを中心とした混合成分を用いた重要度サンプリングのアプローチを、適応的重み付けを組み合わせて改善し、耐性を高める。

実験結果

リサーチクエスチョン

• RQ1 系外惑星探査の文脈において、周辺尤度推定器の収束性と効率性が最も信頼性が高いのはどれか？
• RQ2 実際の径画像データに適用した場合、重要度サンプリングの性能は、ハーモニック平均や並列温度法などの他の推定器と比べてどうか？
• RQ3 MCMCによる事後分布サンプルから構築した混合分布は、重要度サンプリングにおける真の事後分布の近似として効果的か？
• RQ4 多変量正規分布近似を用いた単純な重要度サンプリングが、モデル選択において良好に機能する条件は何か？
• RQ5 高次元かつマルチモーダルな事後分布において、重要度サンプリングアルゴリズムの耐性と計算効率を向上させるにはどのような改善が可能か？

主な発見

• 多変量正規分布のような良好な解析的近似を用いた重要度サンプリング手法は、他の推定器と比較して収束性と効率性に優れていた。
• ハーモニック平均および加重ハーモニック平均推定器は収束性に欠け、信頼性の高いモデル選択には推奨されなかった。
• 制限付きモンテカルロ法および並列温度法は有効ではあったが、特に複雑なまたはマルチモーダルな事後分布では計算コストが高かった。
• 新規の比率推定器はテストケースでは良好に機能したが、より複雑なデータセットでは不安定性の懸念があるため注意が必要であった。
• 事後分布に単一の主要なピークがある場合、多変量正規分布近似を用いた単純な重要度サンプリングは非常に効率的であった。
• MCMCサンプルを用いて提案密度を構築する混合ベースの重要度サンプリングは、複数のモードや強いパラメータ相関を示す複雑な事後分布に対しても、耐性がありスケーラブルなアプローチを提供した。