[论文解读] Monte Carlo method for constructing confidence intervals with unconstrained and constrained nuisance parameters in the NOvA experiment

M. A. Acero, Bijaya Acharya+219 more|arXiv (Cornell University)|Jul 28, 2022

Neutrino Physics Research被引用 6

一句话总结

本文提出了一种基于蒙特卡洛的轮廓化费尔德曼-考恩斯方法，用于在无规或受限的干扰参数条件下构建NOvA实验中的置信区间。通过在干扰参数上进行轮廓化处理并利用伪实验模拟，该方法确保了中微子振荡参数估计中正确的覆盖概率和鲁棒性，特别是在质量顺序判定方面，确认了对正常顺序相较于反序的偏好程度为CL_S = 0.620。

ABSTRACT

Measuring observables to constrain models using maximum-likelihood estimation is fundamental to many physics experiments. Wilks' theorem provides a simple way to construct confidence intervals on model parameters, but it only applies under certain conditions. These conditions, such as nested hypotheses and unbounded parameters, are often violated in neutrino oscillation measurements and other experimental scenarios. Monte Carlo methods can address these issues, albeit at increased computational cost. In the presence of nuisance parameters, however, the best way to implement a Monte Carlo method is ambiguous. This paper documents the method selected by the NOvA experiment, the profile construction. It presents the toy studies that informed the choice of method, details of its implementation, and tests performed to validate it. It also includes some practical considerations which may be of use to others choosing to use the profile construction.

研究动机与目标

• 开发一种在中微子振荡实验中存在干扰参数时构建置信区间的稳健方法。
• 解决在区间估计过程中干扰参数受约束或未受约束时保持正确覆盖概率的挑战。
• 将轮廓化费尔德曼-考恩斯技术应用于NOvA实验，以精确确定中微子质量顺序。
• 验证质量顺序结果的显著性是否受到干扰参数变化可能带来的偏差影响。

提出的方法

• 通过在每个感兴趣的参数取固定值时对干扰参数最大化轮廓似然，使用轮廓化费尔德曼-考恩斯方法构建置信区间。
• 利用蒙特卡洛伪实验生成来确定临界值和p值，在频派框架下确保正确的覆盖概率。
• 通过99.5%置信水平（β = 0.005）对干扰参数施加约束，以在伯杰-布斯方法扩展中定义可能取值的范围。
• 在允许范围内对1331种离散的干扰参数组合（Δm²₃₂, sin²θ₂₃, δ_CP）进行均匀采样，以评估所有配置下的最大p值。
• 通过仅对Wilks统计量λ < 2.8的点生成伪实验，实现计算优化，表明这些点存在p值改进的潜力。
• 利用Wilks定理近似（自由度为1的χ²分布）从似然比λ估计p值，从而高效筛选候选点。

实验结果

研究问题

• RQ1 当干扰参数在多维空间中未受约束或受约束时，轮廓化费尔德曼-考恩斯方法的表现如何？
• RQ2 在NOvA实验中，干扰参数的变化对质量顺序判定显著性有何影响？
• RQ3 伯杰-布斯方法（在干扰参数上最大化p值）是否相比标准轮廓化费尔德曼-考恩斯方法产生更保守的结果？
• RQ4 是否存在任何干扰参数配置使得拒绝反序的原始p值（p = 0.30）被超越？若存在，所观测到的最大p值是多少？
• RQ5 在真实实验背景下，该方法在高维干扰参数空间中的计算成本与效率如何？

主要发现

• 在所有测试的干扰参数配置中，最大p值为0.151，出现在Δm²₃₂ = -2.43×10⁻³ eV²、sin²θ₂₃ = 0.562、δ_CP = 1.64π处，该值仍低于最佳拟合点处的原始p值0.30。
• 在54个λ值较低的采样点中，仅有两个点的p值超过Wilks近似值，表明原始p值在所有配置中仍为最大。
• 所发现的最大p值0.151对应Wilks统计量λ = 1.10，对应自由度为1时的p_Wilks ≈ 0.295，与观测显著性一致。
• 拒绝反序的原始p值0.30在所有配置中仍为最有利结果，表明无任何干扰参数配置能使p值超过此值。
• 正常顺序假设的CL_S因子为0.620，表明NOvA数据中对正常顺序存在偏好。
• 该方法证实，质量顺序结果的显著性对干扰参数的变化具有鲁棒性，无任何配置产生高于0.151的p值。