[論文レビュー] Lectures on Statistics in Theory: Prelude to Statistics in Practice

R. Cousins|arXiv (Cornell University)|Jul 16, 2018

Gaussian Processes and Bayesian Inference参考文献 65被引用数 9

ひとこと要約

この論文は、素粒子物理学（HEP）における統計的手法の基礎的概要を提供し、信頼区間推定および仮説検定のための頻度主義的、ベイズ的、尤度に基づくアプローチを比較している。単純な例を通じて概念的明確性を強調し、Wald区間のような一般的な落とし穴を批判するとともに、Feldman-Cousins区間やCLs法といった原則的で整合性のある手法の導入を提唱している。特に、LHCにおけるネイビューパrameterと発見探索の文脈で重要である。

ABSTRACT

This is a writeup of lectures on "statistics" that have evolved from the initial version for the 2009 Hadron Collider Physics Summer School at CERN to versions for other venues and, most recently, for the African School of Fundamental Physics and Applications in 2024. The emphasis is on foundations, using simple examples to illustrate the points that are still debated in the professional statistics literature. The three main approaches to interval estimation (Neyman confidence, Bayesian, likelihood ratio) are discussed and compared in detail, with and without nuisance parameters. Hypothesis testing is discussed mainly from the frequentist point of view, with pointers to the Bayesian literature. Various foundational issues are emphasized, including the conditionality principle and the likelihood principle.

研究の動機と目的

• 高エネルギー物理学（HEP）における統計的原則の基礎を明確にし、しばしば誤解されたり一貫性のない方法で適用されている点を解消すること。
• 尤度の原則および条件性の原則といった長年の統計的推論の論争を、理解しやすい例を用いて解明すること。
• Feldman-CousinsやCLsのような堅牢な手法に焦点を当て、信頼区間推定および仮説検定の、理論的かつ実用的なガイドラインを提供すること。
• Wald区間や事後p値の選択といった一般的な実践の限界を強調し、原則に基づいた代替手法を提唱すること。
• 理論的統計とHEPにおける実際のデータ解析とのギャップを埋めること、特にネイビューパラメータと被覆性の観点から。

提案手法

• Neymanの信頼区間、ベイズの信用区間、尤度比区間の3つの主な区間推定アプローチを比較するため、単純で直感的な例（例：正規分布および二項分布）を用いる。
• Neymanの構成法を用いて信頼区間を導出し、順序付けの原則と被覆保証の重要性を強調する。
• トゥイ・モンテカルロシミュレーションを用いて、離散的または統計量が少ない状況における信頼区間の被覆性を評価する。
• 特に新物理探索における上限設定のためのCLs法を導入・分析し、第一種の誤り率を制御する。
• ネイビューパラメータの取り扱いについて、ベイズ的マージナライゼーション、頻度主義的プロファイル尤度、ハイブリッド手法を検討する。
• 尤度の原則と条件性の原則を用いて、統計的パラダイム間の概念的差を例（例：停止ルール問題）を用いて示す。

実験結果

リサーチクエスチョン

• RQ1 Neymanの信頼区間、ベイズ的信用区間、尤度比区間という3つの主な区間推定手法は、被覆性と解釈性の観点でどのように比較できるか？
• RQ2 二項比例推定におけるWald区間の概念的・実用的問題点は何か？なぜ避けるべきか？
• RQ3 条件性の原則と尤度の原則は、統計的推論の妥当性をどのように制約し、HEPのデータ解析にどのような含意を持つのか？
• RQ4 背景の不確実性が存在する状況において、LHCにおける新物理探索におけるCLs法の利点と限界は何か？
• RQ5 ネイビューパラメータはどのように統計的推論で取り扱うべきか？ベイズ的、頻度主義的、ハイブリッド手法の間の妥当性のトレードオフは何か？

主な発見

• 二項比例に対するWald区間は系統的に反保守的であり、特に統計量が少なく、または確率が極端な場合に避けるべきである。
• Feldman-Cousins法は、離散的観測値やネイビューパラメータが存在する場合でも、一貫した被覆性を持つ有効な信頼区間を提供する。
• CLs法は、バックグラウンドのみの仮説に条件づけることで、発見探索における第一種の誤り率を効果的に制御する。このため、LHCにおけるヒッグス粒子および新物理探索の標準的手法となっている。
• ネイビューパラメータは区間の被覆性に顕著な影響を与える。プロファイル尤度法は、主観的な事前分布を必要とせず、良好な被覆性を維持する頻度主義的代替手法である。
• 非情報的事前分布（例：Jeffreysの事前分布）を用いたベイズ的手法は、高次元パラメータ空間では真に非情報的ではなく、バイアスを生じる可能性がある。
• 事後的に信頼水準（例：p値）を選択することは概念的に誤りであり、避けるべきである。代わりに、事前に指定された誤差率が、有効な推論の根幹をなす。