[論文レビュー] How to obtain the redshift distribution from probabilistic redshift estimates

Alex I. Malz, David W. Hogg|arXiv (Cornell University)|Jul 23, 2020

Gaussian Processes and Bayesian Inference被引用数 7

ひとこと要約

この論文は、赤方偏移不確実性を考慮しながら、写真赤方偏移確率密度関数（PDF）から赤方偏移分布 $n(z)$ を正確に回復する統計的に厳密な確率的グラフィカルモデル、CHIPPR を導入する。PDF を点推定に還元することなく、赤方偏移不確実性を適切に扱う。従来のスタックド推定器が低信号対雑音比領域で系統的バイアスを示すことを証明し、明示的な事前分布を持つ手法（例：CHIPPR）でなければ、写真赤方偏移PDFからの自己一貫性があり偏りのない推論が不可能であることを示している。

ABSTRACT

A trustworthy estimate of the redshift distribution $n(z)$ is crucial for using weak gravitational lensing and large-scale structure of galaxy catalogs to study cosmology. Spectroscopic redshifts for the dim and numerous galaxies of next-generation weak-lensing surveys are expected to be unavailable, making photometric redshift (photo-$z$) probability density functions (PDFs) the next-best alternative for comprehensively encapsulating the nontrivial systematics affecting photo-$z$ point estimation. The established stacked estimator of $n(z)$ avoids reducing photo-$z$ PDFs to point estimates but yields a systematically biased estimate of $n(z)$ that worsens with decreasing signal-to-noise, the very regime where photo-$z$ PDFs are most necessary. We introduce Cosmological Hierarchical Inference with Probabilistic Photometric Redshifts (CHIPPR), a statistically rigorous probabilistic graphical model of redshift-dependent photometry, which correctly propagates the redshift uncertainty information beyond the best-fit estimator of $n(z)$ produced by traditional procedures and is provably the only self-consistent way to recover $n(z)$ from photo-$z$ PDFs. We present the $ exttt{chippr}$ prototype code, noting that the mathematically justifiable approach incurs computational expense. The CHIPPR approach is applicable to any one-point statistic of any random variable, provided the prior probability density used to produce the posteriors is explicitly known; if the prior is implicit, as may be the case for popular photo-$z$ techniques, then the resulting posterior PDFs cannot be used for scientific inference. We therefore recommend that the photo-$z$ community focus on developing methodologies that enable the recovery of photo-$z$ likelihoods with support over all redshifts, either directly or via a known prior probability density.

研究の動機と目的

• 弱レンズおよび大規模構造宇宙論における写真赤方偏移（photo-$z$）確率密度関数（PDF）から赤方偏移分布 $n(z)$ を偏りのない、統計的に一貫性のある方法で回復するという、極めて重要なニーズに対処すること。
• PDF を点推定に還元することに起因する、広く用いられている $n(z)$ のスタックド推定器における系統的バイアスを特定・是正すること。特に低信号対雑音比領域で悪化する。
• 写真赤方偏移PDFからの有効な科学的推論を可能にするためには、明示的な事前分布を持つ手法に限られることを確立すること。特に、標準的な写真赤方偏移パイプラインでは事前分布が暗黙的である場合が多い。
• 赤方偏移不確実性を階層的推論にわたって適切に伝搬する数学的に正当化されたフレームワーク—CHIPPR—を提供すること。
• 写真赤方偏移コミュニティが、完全な尤度関数や明示的な事前分布を出力する手法を優先すべきであることを提唱すること。これにより、適切な統計的推論が可能になる。

提案手法

• 赤方偏移分布 $n(z)$ をハイパーパrameterとみなす階層ベイズモデル、CHIPPR を開発。観測された光度および真の赤方偏移の同時分布を確率的グラフィカルモデルでモデル化する。
• ベイズの定理を用いて、真の $n(z)$ のハイパーパrameter $\boldsymbol{\phi}$ の完全な対数後確率を導出。これは赤方偏移の積分に依存するが、観測可能な量にのみ依存する：写真赤方偏移PDFと暗黙の事前分布 $\mathrm{p}(z\mid\boldsymbol{\phi}^*)$。
• 暗黙の事前分布 $\boldsymbol{\phi}^*$ を明示的に導入することで、アクセス不可能な尤度をアクセス可能な後確率に変換。これにより、既知の写真赤方偏移PDFを原理的かつ整合的な推論フレームワークで利用可能にする。
• 完全な対数後確率の主要な式（A.10）を導出。これは真の $n(z)$ におけるデータの対数尤度と事前分布の対数尤度を組み合わせたものであり、MCMCサンプリングに適している。
• 既知の写真赤方偏移PDFを有する銀河のサンプルから $n(z)$ を回復する応用を行い、不確実性と系誤差が推論プロセス全体に適切に伝搬されることを保証する。
• 事前分布が明示的に分かっている場合に限り、写真赤方偏移PDFから $n(z)$ を回復する方法として、唯一自己一貫性を持つものであることを数学的に証明。事前分布が暗黙的である場合、推論は根本的に無効である。

実験結果

リサーチクエスチョン

• RQ1 写真赤方偏移PDFを点推定に還元せずに、統計的に厳密な手法が真の赤方偏移分布 $n(z)$ を回復できるか？
• RQ2 標準的な $n(z)$ のスタックド推定器が、なぜ低信号対雑音比領域で系統的バイアスを示すのか？
• RQ3 写真赤方偏移PDFからの有効な科学的推論に必要な条件は何か。実際にはどのように確保できるか？
• RQ4 宇宙論的調査における階層的推論において、赤方偏移不確実性と系誤差を正しく伝搬するにはどうすればよいか？
• RQ5 写真赤方偏移PDFから $n(z)$ を推論する数学的に一意で自己一貫性のある方法は存在するか。その形式は何か？

主な発見

• 標準的な $n(z)$ のスタックド推定器は、特に低信号対雑音比領域で、PDF を点推定に還元することに起因して系統的バイアスを示す。
• CHIPPR は、赤方偏移依存の光度の階層的構造を明示的にモデル化することで、写真赤方偏移PDFから $n(z)$ を数学的に厳密かつ自己一貫性を持って回復するフレームワークを提供する。
• この手法の完全な対数後確率（式 A.10）は、観測可能な量のみに依存する：写真赤方偏移PDFと暗黙の事前分布 $\mathrm{p}(z\mid\boldsymbol{\phi}^*)$ であり、MCMCによる計算が可能である。
• 論文は、有効な推論を可能にするのは、事前分布が明示的に分かっている手法に限られることを証明している。多くの現在の写真赤方偏移パイプラインでは事前分布が暗黙的であるため、PDF からの科学的推論は根本的に無効である。
• 著者らは、写真赤方偏移コミュニティが、完全な尤度関数や明示的な事前分布を出力する手法に焦点を移すべきであると提言する。これにより、厳密な統計的推論と整合性が保証される。
• CHIPPR は、事前分布が明示的に分かっている場合にのみ、写真赤方偏移PDFから $n(z)$ を回復するための唯一の数学的に正当な手法であると提示されるが、標準推定器よりも計算コストが高くなるという制約がある。