[논문 리뷰] Using the Profile Likelihood in Searches for New Physics

G. Cowan, K. Cranmer외 2명|arXiv (Cornell University)|2010. 07. 10.

Statistical Mechanics and Entropy인용 수 2

한 줄 요약

이 논문은 고에너지 물리학에서 새로운 물리 현상을 탐지하고 신뢰구간을 설정하기 위한 가능도 기반 통계적 방법을 제시하며, 주로 시스템적 불확실성을 다루는 데 중점을 둔다. 이는 Wilks의 정리와 Wald의 정리를 바탕으로 유도된 渐近 분포를 사용하여, Asimov 데이터셋을 통해 중앙값 감도와 기대 변동성을 효율적으로 계산함으로써, 실험 계획 및 해석에 있어 강력한 방법을 제공한다.

ABSTRACT

We describe likelihood-based statistical tests for use in high energy physics for the discovery of new phenomena and for construction of confidence intervals on model parameters. We focus on the properties of the test procedures that allow one to account for systematic uncertainties. Explicit formulae for the asymptotic distributions of test statistics are derived using results of Wilks and Wald. We motivate and justify the use of a representative data called the Asimov data set, which provides a simple method to obtain the median experimental sensitivity of a search or measurement as well as fluctuations about this expectation.

연구 동기 및 목표

• 고에너지 물리 실험에서 새로운 물리 현상을 탐지하기 위한 강력한 통계적 검정 방법을 개발하기 위해.
• 가설 검정과 구간 추정에서의 시스템적 불확실성 문제를 해결하기 위해.
• 탐색 과정에서 중앙값 실험 감도와 기대 변동성을 추정하기 위한 실용적인 방법을 제공하기 위해.
• 감도 계산을 위한 대표적 데이터셋으로 Asimov 데이터셋을 사용하는 것이 타당한 이유를 정당화하기 위해.
• Wilks의 정리와 Wald의 결과를 활용하여 통계 검정의 유도 분포를 이론적으로 도출하기 위해.

제안 방법

• 논문은 Wilks의 정리를 기반으로 한 가능도 비율 검정을 사용하여 시스템적 불확실성이 존재하는 상황에서의 유의성 평가를 수행한다.
• Null 가설 하에서 통계 검정의 渐近 분포를 도출하기 위해 Wald의 정리를 적용한다.
• Null 모델 하에서 기대값을 갖는 가상의 데이터셋인 Asimov 데이터셋을 사용하여 중앙값 감도와 변동성을 계산한다.
• 이 방법은 다양한 시스템적 불확실성 상황에서 기대 통계 검정값과 커버리지 성질을 분석적으로 계산할 수 있도록 한다.
• 프로파일 가능도 비율의 渐近 분포를 도출하여 가설 검정과 구간 구성에 기초를 제공한다.
• 완전한 몬테카를로 시뮬레이션을 요구하지 않고도 감도 추정을 효율적으로 수행할 수 있다.

실험 결과

연구 질문

• RQ1 어떻게 가능도 기반 검정을 고에너지 물리 탐색에서 시스템적 불확실성을 고려하도록 적응시킬 수 있는가?
• RQ2 Asimov 데이터셋은 중앙값 실험 감도를 추정하는 데 어떤 역할을 하는가?
• RQ3 시스템적 불확실성이 존재할 경우 통계 검정의 유도 분포는 어떻게 행동하는가?
• RQ4 부수적 변수가 존재하는 상황에서 프로파일 가능도 비율을 사용하여 정확한 신뢰구간을 구성할 수 있는가?
• RQ5 실험 계획을 위해 통계 검정의 기대 변동성을 어떻게 정량화할 수 있는가?

주요 결과

• 시스템적 불확실성이 존재하는 조건에서 프로파일 가능도 비율의 유도 분포가 도출되어 정확한 유의성 검정이 가능해졌다.
• Asimov 데이터셋은 다양한 실험 구성에서 중앙값 감도를 신뢰할 수 있고 계산적으로 효율적인 방법으로 추정할 수 있다.
• Asimov 데이터셋을 사용하여 기대 통계 검정의 변동성을 분석적으로 계산할 수 있어 고비용 시뮬레이션에 대한 의존도를 줄였다.
• 시스템적 불확실성이 존재하는 상황에서도 정확한 커버리지 성질을 확보할 수 있다.
• Wilks의 정리와 Wald의 정리를 활용하여 분석에서 사용된 통계 검정의 이론적 기초가 탄탄해졌다.
• 이 방법은 고에너지 물리학에서 새로운 물리 현상 탐색에 대해 일관되고 재현 가능한 감도 추정을 가능하게 했다.