[論文レビュー] Practical Guidance for Bayesian Inference in Astronomy

Gwendolyn M. Eadie, Joshua S. Speagle+6 more|arXiv (Cornell University)|Feb 9, 2023

Spectroscopy and Chemometric Analyses被引用数 8

ひとこと要約

要約: 天文学におけるベイズ推論の記法と実践的ガイダンスを分野横断で翻訳し、パララックスを実例として priors、likelihoods、posteriors、posterior predictive checks を強調する。

ABSTRACT

In the last two decades, Bayesian inference has become commonplace in astronomy. At the same time, the choice of algorithms, terminology, notation, and interpretation of Bayesian inference varies from one sub-field of astronomy to the next, which can lead to confusion to both those learning and those familiar with Bayesian statistics. Moreover, the choice varies between the astronomy and statistics literature, too. In this paper, our goal is two-fold: (1) provide a reference that consolidates and clarifies terminology and notation across disciplines, and (2) outline practical guidance for Bayesian inference in astronomy. Highlighting both the astronomy and statistics literature, we cover topics such as notation, specification of the likelihood and prior distributions, inference using the posterior distribution, and posterior predictive checking. It is not our intention to introduce the entire field of Bayesian data analysis -- rather, we present a series of useful practices for astronomers who already have an understanding of the Bayesian "nuts and bolts" and wish to increase their expertise and extend their knowledge. Moreover, as the field of astrostatistics and astroinformatics continues to grow, we hope this paper will serve as both a helpful reference and as a jumping off point for deeper dives into the statistics and astrostatistics literature.

研究の動機と目的

• 天文学と統計学の用語と記法の違いを明確化し、再現性と理解を促進する。
• 天文学的問題における事前分布、尤度、事後分布の指定に関する実践的ガイダンスを提供する。
• パララックスを用いた距離推定を走行例としてベイズワークフローを示す。
• モデル適合性と計算チェックの診断ツールとしての事後予測チェックを強調する。

提案手法

• データ y とパラメータ θ のためのベイズの定理と標準的な記法を提示し、p(θ|y) と p(y|θ) を強調する。
• パララックスの場合の尤度を p(y|d) または p(y|varpi) として定義し、関連するサンプリング分布とモデル選択（例：Gaussian vs 離散）を論じる。
• 情報的事前分布と非情報的事前分布を含む事前分布を論じ、距離/パララックスの切り捨てられた一様分布や物理的動機づけられた事前分布の例を挙げる。
• 単一星と銀河団距離問題の事後形を導出し、閉形式が得られない場合の事後を計算または近似する方法を説明する。
• 事後予測チェックを、事後予測分布から生成されたデータと実データを比較する診断ツールとして説明する。

Figure 1: Bayesian inference of the distance $d=1/\varpi$ to a star based on the measured parallax $y$ . Far left: The likelihood for parallax $\varpi$ is normal with variance assumed known. Center left: A transformation of parameters from $\varpi$ to $d$ gives a non-normal PDF. Note that a non-nega

実験結果

リサーチクエスチョン

• RQ1 天文学と統計学の間でベイズの記法と概念を明確さと再現性のためにどのように翻訳すべきか？
• RQ2 天文学的ベイズモデルにおける事前分布と尤度の指定のベストプラクティスは何か、これらの選択は事後推定にどう影響するか？
• RQ3 パララックスデータからの距離推定において、星団も含めて、事後分布をどう活用・検証できるか？
• RQ4 モデル適合性と計算手法を評価するうえで、天文学統計（astrostatistics）における事後予測チェックはどのような役割を果たすのか？

主な発見

• ベイズ記法の明確な翻訳は、研究者が分野を超えて結果を解釈するのに役立つ。
• データが限られている場合やパラメータ化が事前分布の含意を変える場合、事後分布に対する事前分布の影響は大きい。
• 物理的に動機づけられた事前分布（例：d^2 e^{-d/L}）は、距離の単純な一様分布よりも空間密度をより適切に反映する。
• 事後分布は多峰性または歪みを持つことがあり、単純な平均や1標準偏差区間だけでなく、可視化と適切な要約が必要となる。
• 事後予測チェックはモデル評価と、サンプリングやモデルの誤特性の診断に有用である。
• 走行例のパララックスは、複数の測定を組み合わせ、導出量への不確実性の伝播をどのように行うかを示している。

Figure 2: The three posterior distributions corresponding to each prior distribution shown in Figure 1 : uniform in parallax prior (blue curve), uniform in distance prior (red curve), and physically-motivated prior (orange curve). Also shown are one summary statistic for each posterior: the mode (bl