[論文レビュー] Some ways of combining optimum interval upper limits

S. Yellin|arXiv (Cornell University)|May 15, 2011

Scientific Measurement and Uncertainty Evaluation被引用数 3

ひとこと要約

本稿では、背景が poorly 知られている場合に、最適区間法または最大ギャップ法を用いて複数の実験から得られる物理定数の上限を統合するための6つの統計的に妥当な手法を提案する。モンテカルロシミュレーションおよび実際のCDMSデータを用いた検証により、背景が少ない状況では単純な統合や確率積法が良好に機能する一方、背景が多い状況では順次処理法や最小上限法がより頑健であることが示された。

ABSTRACT

When backgrounds are not well enough controlled to measure the value of some physical parameter, one may still obtain an upper limit on the parameter. A single experiment may have several detectors, each of which can alone be used to derive an upper limit from the set of detected events, and the experiment can be run during multiple periods. There can also be more than one experiment which produces an upper limit. Six methods are discussed for producing a combined upper limit. These methods all assume use of either the optimum interval method or the maximum gap method for finding an upper limit in the face of poorly known background.

研究の動機と目的

• 背景レベルが poorly 知られている状況において、複数の実験からの上限を統合する統計的に妥当な手法を開発すること。
• 一つの実験で背景のフラクチュエーションが大きくなっても、その影響を受けることなく、低背景状況でも感度を維持できるように、統合された上限を頑健にすること。
• データを観測した後に最も良い手法を選択することによるバイアスを避けるために、結果に偏りがないように、統計的整合性を保つ手法を提供すること。
• さまざまな背景条件における異なる統合手法の性能を、シミュレーテッドおよび実際の実験データを用いて評価・比較すること。
• 素粒子物理学および関連分野における実用的応用を想定し、すべての提案手法を実装した公開可能なソフトウェアを提供すること。

提案手法

• 単純統合法は、複数の実験からの全イベントを一つのデータセットに統合し、その結合分布に対して最適区間法を適用する。
• 最小確率法は、p値が最小（最も有意な上限）の実験を選択し、最も良い結果を出した実験を選んだことに対する統計的ペナルティを課す。
• 確率積法は、個々の実験のp値を乗算し、カイ二乗分布を用いて統合された上限を計算する。
• 和集合最大ギャップ法は、各実験に最大ギャップ法を適用し、ギャップ統計量を合算して結果を統合し、逆変換によって連合上限を求める。
• 順次処理法は、各実験に対して最適区間法を逐次適用し、順序の自由度および最も良い性能を示す検出器を選択する自由度を調整する。
• 最小上限法は、すべての個々の実験の上限の中で最小のものを選択し、考慮した実験数に基づく統計的補正を施す。

実験結果

リサーチクエスチョン

• RQ1 背景の知識が不十分な状況において、複数の実験からの上限を統合する方法は何か？統計的妥当性を保つには？
• RQ2 両方の実験が低背景である場合、どの統合手法が最も強い上限を提供するか？
• RQ3 一方の実験が他方と比べて非常に高い背景を持つ場合、統合手法の性能はどの程度劣化するか？
• RQ4 低背景状況での感度を損なわせることなく、高背景のフラクチュエーションに対して頑健な手法を設計できるか？
• RQ5 サブ露光間でのデータ割り当てが、統合上限の強さにどのような影響を与えるか？統計的にどのように是正できるか？

主な発見

• 単純統合法、最小確率法、確率積法は両実験が低背景の状況では良好に機能するが、一方の実験が高背景の場合に著しく劣化する。
• 和集合最大ギャップ法、順次処理法、最小上限法は高背景状況でもより良好な性能を示し、特に順次処理法と最小上限法が顕著な頑健性を示す。
• テストA（両方低背景）では、単純統合法が最も強い上限を得ており、実験2単体での90%信頼水準上限μ = 2.30が統合によりμ = 2.97に向上した。
• テストB（一方が高背景）では、最初の3つの手法が著しく性能を低下させたが、残りの3つの手法はより良好な性能を維持した。特に最小上限法が最もバランスの取れた結果を示した。
• CDMSの低背景データでは、最小上限法は単純統合法ほど強くはなかったが、順次処理法より強く、上限比はイベントの割り当て方によって変動した。
• 最小上限法は、最も強い個々の上限を超えることはできないが、検出器選択の統計的フラクチュエーションによる感度の過大評価を回避する。