[論文レビュー] Estimation of Goodness-of-Fit in Multidimensional Analysis Using Distance to Nearest Neighbor

Ilya V. Narsky|ArXiv.org|Jun 24, 2003

Particle physics theoretical and experimental studies参考文献 7被引用数 6

ひとこと要約

この論文は、特に素粒子物理学における多次元未バッチ化データ解析において、適合度を評価するための新しい距離-最近傍点間距離（DTNN）手法を提案している。各データポイントからその最近傍点までの最小距離を測定し、クラスターサイズを評価することで、期待されるバックグラウンド分布からのずれを検出する。B A B ARでの$B\to Kll$解析において、$B^+\to K^+e^+e^-$モードではクラスターサイズ12で適合度0.13%が得られ、バックグラウンドと著しく不一致であることが示された。

ABSTRACT

A new method for calculation of goodness of multidimensional fits in particle physics experiments is proposed. This method finds the smallest and largest clusters of nearest neighbors for observed data points. The cluster size is used to estimate the goodness-of-fit and the cluster location provides clues about possible problems with data modeling. The performance of the new method is compared to that of the likelihood method and Kolmogorov-Smirnov test using toy Monte Carlo studies. The new method is applied to estimate the goodness-of-fit in a B->Kll analysis at BaBar.

研究の動機と目的

• 従来の$\chi^2$、尤度比、およびコルモゴロフ＝スミルノフ検定が低統計量・多次元未バッチ化データで失敗する問題を解決すること。
• 特定の代替仮説を仮定せずに、期待される分布からのずれを検出するための堅牢で汎用的な手法を開発すること。
• 潜在的な信号的構造またはモデリングの失敗を示す局所的データクラスタを同定すること。
• 特に信号が局所的ピークとして現れる可能性がある高エネルギー物理学実験において、バックグラウンドのみのフィットを検証する実用的ツールを提供すること。

提案手法

• 各観測データポイントからその最近傍点（複数可）までの距離を計算し、サイズ$m$が増加するクラスタを形成する。
• 各ポイントについて、$m$番目の最近傍点までの最小距離$d_i^{(m)}$を評価し、モンテカルロサンプルから生成された帰無分布と比較する。
• 帰無仮説では、データが滑らかなバックグラウンド確率密度関数（pdf）に従うと仮定し、確率積分変換により一様分布に変換する。
• 適合度は、最小距離が観測距離以下であるモンテカルロ試行の割合として計算され、クラスタリングの兆候を示す。
• クラスターサイズ$m$を増加させながら繰り返し適用し、適合度がクラスターサイズとともにどのように変化するかを追跡する。
• トイモンテカルロスタディーを用いた妥当性評価と、B A B ARの実際の$B\to Kll$崩壊データへの適用を通じて、尤度関数およびKS検定と比較した。

実験結果

リサーチクエスチョン

• RQ1 従来の$\chi^2$検定が失敗するような、多次元的・低統計量・未バッチ化の素粒子物理学データにおいて、適合度を信頼性高く評価する方法は何か？
• RQ2 距離-最近傍点間距離アプローチは、$\chi^2$ や尤度比のような平均偏差法よりも、局所的信号的構造を効果的に検出できるか？
• RQ3 コルモゴロフ＝スミルノフ検定および最大尤度値（MLV）と比較して、DTNN手法はバックグラウンドのみのモデルからのずれを検出する上でどの程度の性能を示すか？
• RQ4 適合度推定値はクラスターサイズにどのように依存するか？ これはデータの構造に何を明らかにするか？
• RQ5 DTNN手法は、データが期待されるバックグラウンド分布から著しくずれているフェーズスペースの特定領域を同定できるか？

主な発見

• $B^+\to K^+e^+e^-$崩壊モードでは、クラスターサイズ12で適合度0.13%が得られ、バックグラウンドのみのモデルと著しく不一致であることが示された。
• $B^+\to K^+\mu^+\mu^-$モードでは、クラスターサイズ8で適合度が6.8%と比較的安定しており、バックグラウンドと整合的であることが示された。
• $B^+\to K^+e^+e^-$データは信号領域で最も強くクラスタリングしており、ずれが局所的であることが確認され、実際の信号によるものである可能性が高い。
• DTNN手法は、標準的な尤度関数法が問題を検出できない$B^+\to K^+e^+e^-$モードで、顕著な信号的構造を検出できた。
• トイ例では$\chi^2$検定が3つの非常に異なるデータパターンに対して同一の50%の適合度を示したのに対し、DTNN手法は局所的ずれを効果的に同定できた。
• DTNNアプローチは、グローバルな適合度測定と、潜在的な異常な領域の空間的局在化を両方提供し、従来手法に比べてより情報量の多い診断を可能にする。