[論文レビュー] Avoiding selection bias : A unified treatment of thresholded data

C. Messenger, J. Veitch|arXiv (Cornell University)|Jun 18, 2012

Pulsars and Gravitational Waves Research被引用数 1

ひとこと要約

この論文は、全尤度推論を用いて、検出された信号と低振幅の棄却済みイベントの両方を活用することで、重力波探索における選択バイアスを回避する統一的統計枠組みを提案する。しきい値処理されたデータを考慮しながら信号プロセスとノイズプロセスを同時にモデル化することで、誤検出率が高くてもバイアスのないパrameter推定が可能となり、検出しきい値を低くすることで最適な推論が達成される。

ABSTRACT

When searching for gravitational waves in the data from ground-based gravitational wave detectors it is common to use a detection threshold to reduce the number of background events which are unlikely to be the signals of interest. However, imposing such a threshold will also discard some real signals with low amplitude, which can potentially bias any inferences drawn from the population of detected signals. We show how this selection bias is naturally avoided by using the full information from the search, considering both the selected data and our ignorance of the data that are thrown away, and considering all relevant signal and noise models. This approach produces unbiased estimates of parameters even in the presence of false alarms and incomplete data. This can be seen as an extension of previous methods into the high false rate regime where we are able to show that the quality of parameter inference can be optimised by lowering thresholds and increasing the false alarm rate.

研究の動機と目的

• 検出しきい値によって低振幅の実信号が破棄される重力波探索における選択バイアスを解消すること。
• 検出済みイベントと破棄済みデータの両方を統合する統計枠組みを構築し、バイアスのない推論を維持すること。
• 提案手法を用いる際、検出しきい値を下げる（誤検出率を上げる）ことで、パrameter推定の精度が向上することを示すこと。
• 従来の手法がバイアスのため失敗する高誤検出率領域へと既存の推論技術を拡張すること。

提案手法

• しきい値を超えた検出済みデータとしきい値未満の観測されないデータの両方を含む全尤度モデルを用いる。
• 信号の振幅とノイズの実現値を同時にモデル化し、しきい値を超えたデータを右打ち切り観測とみなす。
• 信号パrameterとノイズレベルの不確実性を扱うために階層的事前分布を用いたベイズ推論を採用する。
• 未観測の低振幅信号の周辺化を尤度関数に組み込むことで、全データ分布からの情報を保持する。
• ノイズのみの尤度寄与項を含めることで、誤検出（false alarms）を自然に扱う。
• データ生成プロセス全体（含む打ち切り）を推論プロセスに組み込むことで、バイアスのないパrameter推定を実現する。

実験結果

リサーチクエスチョン

• RQ1 低振幅信号の情報が破棄される検出しきい値による選択バイアスを、低振幅信号の情報を捨てずに回避する方法は何か？
• RQ2 誤検出率を上げた場合、重力波検出におけるパrameter推定の精度にどのような影響があるか？
• RQ3 検出済みデータと破棄済みデータの両方を含む統一的統計モデルは、しきい値ベースの手法よりも信頼性の高い集団レベルの推論を可能にするか？
• RQ4 従来の手法が高誤検出率領域で失敗する状況下で、提案手法はどのように性能を発揮するか？
• RQ5 全データ尤度を用いる際、推論品質を最大化する最適なしきい値設定は何か？

主な発見

• 提案手法は、検出しきい値によって実信号の低振幅イベントが破棄されても、バイアスのないパrameter推定を実現する。
• 全尤度モデルを用いる場合、誤検出（false alarms）は推論品質を低下させない。ノイズイベントが尤度に適切に組み込まれるためである。
• 検出しきい値を下げることで、データストリームからの情報量を増やし、パrameter推定の精度が向上する。
• 従来のしきい値ベース手法が失敗する高誤検出率領域でも、統計的整合性と信頼性を維持する。
• しきい値未満のデータを含む情報の最大限の活用により、最適な推論が可能になる。
• 高背景率領域における選択バイアスが最も顕著な状況へと、既存手法の原理的拡張を提供する。