[논문 리뷰] Expected Coverage of Bayesian Confidence Intervals for the Mean of a Poisson Statistic in Measurements with Background

Ilya V. Narsky|ArXiv.org|2000. 05. 11.

Scientific Measurement and Uncertainty Evaluation참고 문헌 4인용 수 3

한 줄 요약

이 논문은 배경이 존재하는 상황에서 포아송 분포의 평균에 대한 베이지안 신뢰구간의 기대 커버리지와 구간 길이를 평가하며, 평면, $1/(s+b)$, $1/\sqrt{s}$, $1/\sqrt{s+b}$의 네 가지 객관적 사전분포와 두 가지 빈도주의 방법(Feldman-Cousins 통합 접근법 및 고전적 방법)을 비교한다. 결과적으로 $1/\sqrt{s+b}$ 사전분포가 다양한 신호 유형에서 가장 균형 잡힌 커버리지를 제공하며, 명목상의 커버리지 수준을 유지하는 데 뛰어난 성능을 보인다.

ABSTRACT

Expected coverage and expected length of 90% upper and lower limit and 68.27% central intervals are plotted as functions of the true signal for various values of expected background. Results for several objective priors are shown, and formulas for calculation of confidence intervals are obtained. For comparison, expected coverage and length of frequentist intervals constructed with the unified approach of Feldman and Cousins and a simple classical method are also shown. It is assumed that the expected background is accurately known prior to performing an experiment. The plots of expected coverage and length are provided for values of signal and background typical for particle experiments with small numbers of events.

연구 동기 및 목표

• 알려진 배경이 있는 포아송 분포의 신호에 대한 베이지안 신뢰구간의 기대 커버리지와 구간 길이를 평가하는 것.
• 평면, $1/(s+b)$, $1/\sqrt{s}$, $1/\sqrt{s+b}$의 네 가지 객관적 사전분포의 커버리지 및 구간 길이 측면에서 성능을 비교하는 것.
• 빈도주의 방법(Feldman-Cousins 통합 접근법 및 고전적 방법)이 베이지안 접근법에 비해 어떻게 성능을 보이는지 평가하는 것.
• 다양한 신호 및 배경 수준에서 가장 신뢰할 수 있고 일관성 있는 커버리지를 제공하는 사전분포를 특정하는 것.
• 일면 및 중심 구간에서 구간 길이와 커버리지 정확성 간의 상호 상충 관계를 정량화하는 것.

제안 방법

• 알려진 배경 $b$를 가진 포아송 가능도 $f(n|s) = e^{-(s+b)}(s+b)^n/n!$ 를 사용한다.
• 감마 함수와 정규화되지 않은 감마 함수를 사용하여 평면, $1/(s+b)$, $1/\sqrt{s}$, $1/\sqrt{s+b}$ 사전분포의 사후분포를 유도한다.
• 사후 분位수를 통해 구간을 계산한다: $s_1(n)$과 $s_2(n)$는 각각 $\int_0^{s_1} \pi(s|n)ds = \alpha_1$, $\int_{s_2}^\infty \pi(s|n)ds = \alpha_2$ 를 만족한다.
• 기대 커버리지 $C(s) = \sum_n I(n,s) f(n|s)$ 와 기대 길이 $L(s) = \sum_n (s_2(n) - s_1(n)) f(n|s)$ 를 계산하며, 하한의 경우 $L_1(s)$ 를 사용한다.
• 수치적 합산을 통해 $n=100$까지 $b = 0, 1, 3, 6$ 인 경우에 대해 $0 \leq s \leq 10$ 범위의 기대 커버리지 및 길이를 플롯한다.
• Neyman 벨트 구성 방식을 사용하여 결과를 Feldman-Cousins 통합 접근법 및 고전적 빈도주의 방법과 비교한다.

실험 결과

연구 질문

• RQ1 다양한 객관적 사전분포가 배경이 존재하는 포아송 측정에서 베이지안 신뢰구간의 기대 커버리지에 어떤 영향을 미치는가?
• RQ2 어느 사전분포가 다양한 신호 값과 구간 유형(상한, 하한, 중심)에서 가장 일관된 커버리지를 제공하는가?
• RQ3 구간 길이는 사전분포와 신호 수준에 따라 어떻게 변화하는가?
• RQ4 베이지안 방법이 Feldman-Cousins 및 고전적 빈도주의 방법과 비교하여 커버리지 및 구간 길이 측면에서 어떻게 성능을 내는가?
• RQ5 명목상의 커버리지 수준을 유지하면서 과다 커버리지 또는 과소 커버리지를 최소화하는 데 $1/\sqrt{s+b}$ 사전분포가 다른 사전분포를 능가하는가?

주요 결과

• $1/\sqrt{s+b}$ 사전분포는 모든 구간 유형과 신호 값에서 가장 균형 잡힌 기대 커버리지를 제공하며, 심각한 과다 또는 과소 커버리지를 방지한다.
• 평면 사전분포는 하한에서 과소 커버리지를 보이며, 상한에서는 과다 커버리지를 보인다. 반면, 제퍼리스의 사전분포($1/(s+b)$)는 반대의 경향을 보인다.
• $1/\sqrt{s}$ 사전분포는 특히 낮은 신호 값에서 상한에서는 과소 커버리지를, 하한에서는 과다 커버리지를 보인다.
• 중심 구간의 경우, 모든 베이지안 방법이 명목상의 신뢰수준 주변에서 진동하는 커버리지를 보이며, $1/\sqrt{s+b}$ 사전분포가 가장 안정된 행동을 보인다.
• 모든 베이지안 방법의 기대 구간 길이는 신호가 증가함에 따라 渐近적으로 수렴하며, 평면 사전분포는 가장 긴 구간을 생성하고 제퍼리스의 사전분포는 가장 짧은 구간을 생성한다.
• Feldman-Cousins 통합 접근법은 고신호 영역에서 다른 방법의 일면 구간보다 더 짧은 양면 구간을 생성하지만, 이는 양면 구간의 성격으로 인해 직접 비교가 어려운 편이다.