[論文レビュー] Constraints on Yield Parameters in Extended Maximum Likelihood Fits

T. M. Karbach, Maximilian Schlupp|arXiv (Cornell University)|Oct 26, 2012

Particle physics theoretical and experimental studies被引用数 3

ひとこと要約

この論文は、拡張最大尤度推定における収量パラメータの制約の正しい実装を扱い、特にRooFitフレームワーク内での応用を対象としている。本稿では、トイモンテカルロ生成中に制約をフラクチュエートさせることで擬似実験を生成する手法を提案し、収量が制約されている場合でもバイアスのないプルが得られることを保証する。また、RooFitのConstrain()およびExternalConstraints()メソッドに内在する深刻な欠陥を特定し、誤差およびプル分布の歪みを引き起こしていることを明らかにする。

ABSTRACT

The method of extended maximum likelihood is a well known concept of parameter estimation. One can implement external knowledge on the unknown parameters by multiplying the likelihood by constraint terms. In this note, we emphasize that this is also true for yield parameters in an extended maximum likelihood fit, which is widely used in the particle physics community. We recommend a way to generate pseudo-experiments in presence of constraint terms on yield parameters, and point to pitfalls inside the RooFit framework.

研究の動機と目的

• 外部からの制約を収量パラメータに正しく組み込む方法を明確化すること。
• 収量パラメータが制約を受けている場合のバイアスのない擬似実験の生成に直面する課題に対処すること。
• 擬似実験生成時に制約項を含む場合に、RooFitのRooMCStudyツールで生じる重大な欠陥を特定し、説明すること。
• 収量パラメータが制約されていても、プル統計が不偏であり、単位ガウス分布に従うように保証すること。
• 生成段階で制約のフラクチュエートを正しく反映する擬似実験の生成手法を提案すること。

提案手法

• 2段階の生成プロセスを用いる：まず、収量パラメータをその制約確率密度関数（例：ガウス分布）に従ってフラクチュエートさせ、次に総イベント数をポisson分布に従って生成する。
• 標準的なプル定義 $ p = (\hat{\theta} - \theta_{\text{true}})/\sigma_{\hat{\theta}} $ を用いてバイアスとカバレッジを評価する。
• 制約確率密度関数を生成段階に含め、適合段階でのみではなく、二重フラクチュエートの問題を回避する。
• Constrain()の代わりにRooFitのExternalConstraints()メソッドを用いることで、収量パラメータの誤った二重フラクチュエートを回避する。
• 制約を適用した場合でもプル分布が単位ガウス分布に従うことを確認し、不偏推定が保証されていることを検証する。
• 異なる制約幅の結果を比較し、プルおよび誤差分布におけるバイアスおよび誤差の拡大を評価する。

実験結果

リサーチクエスチョン

• RQ1 収量パラメータの制約を拡張最大尤度推定に正しく実装するには、どのようにすれば不偏なパrameter推定が保証されるか？
• RQ2 収量パラメータが外部制約を受ける場合、正しい擬似実験の生成手順は何か？
• RQ3 なぜRooFitのConstrain()およびExternalConstraints()メソッドは、収量が制約されたトイデータセットを生成する際、一貫性のない結果を生じるのか？
• RQ4 制約幅は、擬似実験研究におけるプルおよび誤差分布のバイアスおよび幅にどのように影響するか？
• RQ5 制約付きの拡張最大尤度推定において、どのような条件下でプル分布が単位ガウス分布から逸脱するか？

主な発見

• RooFitのConstrain()メソッドを用いることで、収量パラメータに二重フラクチュエートが生じる：制約が生成段階でも適合段階でも適用され、総収量分布が歪み、プル分布に $ \mu_p = 0.3 $ のバイアスが生じる。
• Constrain()メソッドは、制約が広くても、同じパラメータの重複フラクチュエートのため、非制約時と比較して誤差および中央値分布が広がる。
• generateAndFit()で総イベント数を明示的に指定した場合、プル分布は制約幅に依存し、広い制約では誤ったカバレッジが生じる。
• ExternalConstraints()メソッドは二重フラクチュエートを回避し、正しいポisson分布に従う収量を正しく生成するが、プル計算では固定された制約が使われるため、制約が広い場合にはプル分布が小さくなりすぎる。
• 制約を生成段階でフラクチュエートさせ、標準的なプル定義を用いる場合にのみ、プル分布が単位ガウス分布に従い、不偏推定が確認される。
• 強い制約下では、適合された総収量 $ N_f - N' $ のずれが最大 $ \approx 10 $ イベント（$ \approx 1.4\% $）に達することがあり、生成手順の注意深い取り扱いの必要性を強調する。