[논문 리뷰] Searching for new physics with profile likelihoods: Wilks and beyond

Sara Algeri, J. Aalbers외 2명|arXiv (Cornell University)|2019. 11. 22.

Particle physics theoretical and experimental studies참고 문헌 35인용 수 11

한 줄 요약

이 논문은 입자물리학에서 프로파일 우도 비율 검정 통계량에 대한 카이제곱 근사가 유효해지기 위한 다섯 가지 핵심 조건—대규모 표본 크기, 내부 매개변수 값, 식별 가능한 매개변수, 포함된 모형, 올바르게 지정된 우도 함수—을 규명한다. 이러한 조건들이 성립하지 않을 경우, 저자들은 고계 점근적 분석, 경계 보정, LEE 보정, 모형 포함, 부수적 매개변수 조정, 비모수적 방법 등 맞춤형 해결책을 제안하여 복잡한 실험 환경에서도 유효한 통계적 추론을 보장한다.

ABSTRACT

Particle physics experiments use likelihood ratio tests extensively to compare hypotheses and to construct confidence intervals. Often, the null distribution of the likelihood ratio test statistic is approximated by a $χ^2$ distribution, following a theorem due to Wilks. However, many circumstances relevant to modern experiments can cause this theorem to fail. In this paper, we review how to identify these situations and construct valid inference.

연구 동기 및 목표

• 고에너지 물리학 실험에서 윌크스의 정리가 성립하기 위한 필수 정규성 조건을 명확히 하기.
• 현대 입자물리학에서 우도 비율 검정의 카이제곱 근사가 실패하는 일반적인 상황을 규명하기.
• 표준 점근적 근사가 실패할 경우 실용적이고 모형에 특화된 해결책을 제공하기.
• 정규성 조건이 위반될 경우 시뮬레이션, 보정, 비모수적 기법 등의 적절한 추론 방법을 선택하는 데 도움을 주기.
• 모형 또는 데이터 제약 조건이 존재하더라도 새로운 물리학 탐색에서 신뢰할 수 있는 가설 검정과 신뢰구간 구축을 촉진하기.

제안 방법

• 윌크스의 정리에 필요한 다섯 가지 조건—점진적 표본 크기, 내부 매개변수 값, 식별 가능한 매개변수, 포함된 모형, 올바르게 지정된 우도 함수—을 검토하고 체계화하기.
• 표본 크기가 작을 경우 고계 점근적 전개를 대안으로 제안하여 표준 카이제곱 분포보다 더 나은 근사 제공하기.
• 진짜 매개변수 값이 매개변수 공간의 경계에 위치할 경우, 첸로프, 셀프, 리앙 이론에 기반한 경계 보정 적용하기.
• 부수적 매개변수가 식별되지 않을 경우 계산 비용을 줄이기 위해 LEE(Look-Elsewhere Effect) 보정 도입하기.
• 비포함된 모형 상황에서 유효한 우도 비율 검정을 가능하게 하기 위해 경쟁 가설을 모두 포함하는 종합적 모형 구축하기.
• 모수적 가정이 실패할 경우, 특히 모형 오지정 상황에서 몬테카를로 시뮬레이션과 비모수적 방법을 후속 수단으로 사용하기.

실험 결과

연구 질문

• RQ1 프로파일 우도 비율 검정 통계량에 대한 윌크스의 정리가 카이제곱 근사를 유효하게 하지 못하는 조건은 무엇인가?
• RQ2 진짜 매개변수 값이 매개변수 공간의 경계에 위치할 경우, 통계적 추론은 어떻게 유지할 수 있는가?
• RQ3 부수적 매개변수가 식별되지 않을 경우, 과도한 계산 비용 없이 우도 비율 검정을 보정할 수 있는 방법은 무엇인가?
• RQ4 모형이 비포함되어 있거나 우도 함수가 잘못 지정된 경우, 가설 검정은 어떻게 수행해야 하는가?
• RQ5 추가 부수적 매개변수로 카이제곱 근사의 유효성이 복구되는 경우는 언제이며, 언제 비모수적 추론이 필요해지는가?

주요 결과

• 표본 크기가 부족할 경우 윌크스의 정리가 카이제곱 근사를 잘못 제공하므로, 고계 점근적 분석 또는 몬테카를로 시뮬레이션을 권장한다.
• 진짜 매개변수 값이 매개변수 공간의 경계에 위치할 경우, 표준 p-값은 반경계적 성향을 띠므로, 첸로프 및 셀프-리앙 이론에 기반한 경계 보정을 통해 유효성을 회복할 수 있다.
• 부수적 매개변수가 식별되지 않을 경우 LEE 보정을 통해 필요한 토이 시뮬레이션 수를 줄이면서도 통계적 일관성을 유지할 수 있다.
• 비포함된 모형의 경우, 두 가설을 모두 특수 케이스로 포함하는 종합적 모형을 구축함으로써 유효한 우도 비율 검정을 가능하게 할 수 있다.
• 부수적 매개변수를 추가하면 낮은 카운트 환경에서도 카이제양 근사가 향상될 수 있으며, 이는 불확실한 효율성을 가진 포isson 카운팅 실험에서 입증되었다.
• 모형 오지정이 심각할 경우—예를 들어 거듭제곱 법칙을 이중 지수 모형으로 맞추는 경우—부수적 매개변수로는 구조적 모형 오류를 보정할 수 없으므로 비모수적 방법이 필수적이다.