[论文解读] Confidence Intervals for Poisson Distribution Parameter

Sergey Bityukov, Nikolai Krasnikov+1 more|ArXiv.org|Aug 9, 2001

Fault Detection and Control Systems参考文献 8被引用 15

一句话总结

本文提出了一种统一的似然与贝叶斯方法，用于构建泊松分布参数的置信区间，尤其适用于因背景扣除而导致观测事件数为非整数的情况。该方法采用伽马分布作为给定观测数据下真实参数的抽样分布，从而实现对整数和实数值观测值的连续置信区间构造，数值结果表明，即使在事件数较少时，覆盖率也保持准确。

ABSTRACT

Results of numerical procedure of constructing confidence intervals for parameter of the Poisson distribution of signal events in the presence of background events with known value of parameter of Poisson distribution are presented. It is shown that the used procedure has both the Bayesian and frequentist interpretations. Also the possibility to construct a continuous analogue of the Poisson distribution to search the bounds of confidence intervals for the parameter of the Poisson distribution is discussed.

研究动机与目标

• 解决由于背景扣除或其他修正导致观测事件计数为非整数时，构建泊松参数置信区间的挑战。
• 证明在给定观测计数下，真实泊松参数的后验概率自然服从伽马分布，从而实现似然与贝叶斯解释的统一。
• 将泊松分布推广为连续类比，以在观测事件数非整数时构造置信区间。
• 为一系列观测值（包括低计数）提供一种数值稳定的最小长度置信区间计算方法。
• 通过与传统方法的数值比较，验证该方法的覆盖率特性，尤其针对小观测计数的情况。

提出的方法

• 该方法利用如下恒等式：给定观测计数 ẋ 时，真实泊松参数 λ 的后验概率服从形状参数为 ẋ+1、尺度参数为 1 的伽马分布，即 P(λ|ẋ) ∝ λ^ẋ e^−λ / ẋ!。
• 通过证明在给定假设下，同一伽马分布可同时用于似然置信区间与贝叶斯可信区间，建立了两者之间的对偶性。
• 对于非整数观测值 ẋ，该方法将伽马分布模型扩展至连续的 ẋ ≥ 0，将其视为泊松分布的连续类比。
• 通过数值方法寻找最短区间 [λ₁, λ₂]，使得伽马(1, ẋ+1) 概率密度函数在 λ₁ 与 λ₂ 之间的面积等于目标置信水平（例如 90%）。
• 该方法同时计算中心区间与最短长度区间，并比较其覆盖率特性，尤其关注小 ẋ 值下中心区间可能非最优的情况。
• 生成了从 0 到 20 的多种 ẋ 值的数值表格，展示所得置信区间及其覆盖率，结果表明即使在小 ẋ 情况下，覆盖率也接近 90%。

实验结果

研究问题

• RQ1 能否定义泊松分布的连续扩展，使得在非整数观测计数下，参数的后验分布仍保持为伽马分布？
• RQ2 在贝叶斯推断中使用的同一伽马分布，是否也能为泊松参数提供有效的似然置信区间？
• RQ3 与传统方法相比，所提置信区间的覆盖率特性如何，尤其在观测事件数较少时？
• RQ4 在区间宽度与覆盖率准确性方面，最短长度置信区间相较于中心区间表现如何？
• RQ5 当观测事件数因背景扣除或其他修正而为实数时，该方法能否可靠地构造置信区间？

主要发现

• 该方法通过将真实参数 λ 建模为形状参数为 ẋ+1、尺度参数为 1 的伽马分布随机变量，成功地为整数和实数值观测事件计数构建了有效的置信区间。
• 对于观测计数 ẋ ≥ 3，使用伽马分布构造的 90% 置信区间覆盖率约为 90%，实际曲线下方面积在 88% 至 90% 之间，具体取决于 ẋ。
• 对于小 ẋ 值（例如 ẋ = 0.5, 1.0），中心置信区间的左端点非零，表明中心区间并非最优，应优先采用更短的区间。
• 最短长度置信区间通过数值方法计算得出，其精度优于中心区间，尤其在低 ẋ 情况下，90% 区间覆盖了伽马分布曲线下约 88–90% 的面积。
• 该方法在解释上自洽且具有双重意义：既满足似然覆盖率要求，也符合贝叶斯后验概率定义。
• 该方法在广泛观测值范围内表现稳健，包括 ẋ = 0 至 ẋ = 20，如数值表格与图表所示。