[논문 리뷰] Interval estimation in the presence of nuisance parameters. 1. Bayesian approach

J. G. Heinrich, C. Blocker외 5명|ArXiv.org|2004. 09. 27.

Statistical Methods and Inference참고 문헌 8인용 수 14

한 줄 요약

이 논문은 입자물리학에서 불확실한 검출기 수용율과 배경률과 같은 부수적 매개변수 존재 시 구간 추정을 위한 베이지안 접근법을 제안한다. 공액 사전분포를 사용하는 계층적 모형을 활용하고 부수적 매개변수에 대해 마진화함으로써 신호 강도에 대한 정확한 사후분포를 도출함으로써 평균 빈도주의 커버리지가 보장되며, 체계적 불확실성에 대해 강건한 신뢰구간을 제공한다.

ABSTRACT

We address the common problem of calculating intervals in the presence of systematic uncertainties. We aim to investigate several approaches, but here describe just a Bayesian technique for setting upper limits. The particular example we study is that of inferring the rate of a Poisson process when there are uncertainties on the acceptance and the background. Limit calculating software associated with this work is available in the form of C functions.

연구 동기 및 목표

• 체계적 불확실성(예: 수용율과 배경)이 존재할 때 신뢰구간을 신뢰성 있게 구성하는 데 도전하는 문제를 해결하기 위해.
• 보조 측정값이나 점추정치가 필요 없이 부수적 매개변수를 고려하는 베이지안 프레임워크를 개발하기 위해.
• 유도된 구간이 특히 사전분포에 대해 평균 커버리지 성질을 유지하도록 보장하기 위해.
• 포isson 계수 실험에서 체계적 불확실성이 존재할 때 상한을 계산하는 데 실용적이고 계산 가능성이 높은 방법을 제공하기 위해.
• 이산화된 데이터가 존재할 경우 빈도주의 방법과 비교하여 커버리지 및 구간 길이 측면에서 베이지안 접근법의 성능을 평가하기 위해.

제안 방법

• 신호 강도 $ s $, 수용율 $ \epsilon $, 배경 $ b $를 적절한 사전분포를 가진 랜덤 변수로 간주하는 계층적 베이지안 모형을 사용한다.
• 부수적 매개변수의 마진화를 가능하게 하기 위해 $ s $, $ \epsilon $, $ b $에 대해 공액 사전분포(Gamma 분포)를 적용한다.
• $ \epsilon $와 $ b $에 대해 통합하여 $ s $의 마진사후분포를 유도하며, 이는 초함수를 포함하는 복잡한 표현식이 된다.
• 평균 커버리지 정리를 활용하여 사전분포에 대해 평균을 내었을 때 베이지안 신뢰구간이 평균 빈도주의 커버리지를 가지는 것을 증명한다.
• 관측된 수 $ n $에 대한 신뢰구간을 계산하기 위해 수치적 적분과 특수함수(예: 초함수)를 사용하며, 명시적인 공식을 제공한다.
• 실험물리학에서 체계적 불확실성이 존재할 때 상한을 재현 가능한 방식으로 계산할 수 있도록 실용적 구현을 위한 C 함수를 제공한다.

실험 결과

연구 질문

• RQ1 체계적 불확실성(수용율과 배경)이 존재할 때 베이지안 방법을 어떻게 수정하여 신호 강도에 대한 신뢰할 수 있는 구간을 도출할 수 있는가?
• RQ2 부수적 매개변수가 존재할 경우 베이지안 신뢰구간의 커버리지 행동은 어떻게 되며, 빈도주의 방법과 비교해보면 어떠한가?
• RQ3 정확한 커버리지가 진짜 매개변수 값에 따라 변동할 수 있음에도 불구하고, 베이지안 접근법이 평균 빈도주의 커버리지를 유지할 수 있는가?
• RQ4 불완전한 사전분포(예: 균일 사전분포)를 사용할 경우 베이지안 구간의 커버리지 성질에 어떤 영향을 미치는가?
• RQ5 특히 낮은 계수 포isson 실험에서, 유도된 구간이 빈도주의 방법의 결과와 길이와 타당성 측면에서 어떻게 비교되는가?

주요 결과

• 베이지안 접근법은 평균 커버리지 정리에 의해 사전분포에 대해 평균을 낼 경우 평균 빈도주의 커버리지를 가지는 신뢰구간을 도출한다.
• 특정 진짜 $ s $ 값에 대해 개별 베이지안 구간이 커버리지가 부족할 수는 있지만, 사전분포에 대해 평균을 낼 경우 명목상의 수준에서 커버리지가 유지된다.
• 관측된 수 $ n $가 음이 아닌 정수이고 형태 매개변수가 양수일 때, $ s $의 마진사후분포에 대한 정확한 해석적 표현식이 초함수를 포함하여 유도된다.
• 특히 통계량이 적은 영역에서 발생할 수 있는 일부 빈도주의 방법에서의 빈도 또는 퇄도된 구간 문제를 이 방법은 피한다.
• 형태 매개변수 $ \omega \to \infty $로 수렴할 경우, $ b $가 고정된 경우의 표준 결과로 수렴함을 보여주며, 기존 해법과의 일관성을 확인한다.
• 구현은 C 함수 형태로 제공되어 고에너지 물리 실험에서 체계적 불확실성이 존재할 때 상한을 직접 계산하는 데 사용할 수 있다.