[论文解读] The RooStats Project

L. Moneta, Kevin Belasco+7 more|arXiv (Cornell University)|Sep 6, 2010

Particle physics theoretical and experimental studies参考文献 7被引用 151

一句话总结

RooStats 项目引入了一个基于 C++ 的开源统计框架，该框架基于 RooFit 和 ROOT，旨在统一并标准化大型强子对撞机（LHC）数据的高级统计分析。它为频率学派、贝叶斯和基于似然的方法提供了一致且可重用的接口，支持在包含多个参数和系统不确定性的复杂模型中进行稳健的区间估计、假设检验及结果组合。

ABSTRACT

RooStats is a project to create advanced statistical tools required for the analysis of LHC data, with emphasis on discoveries, confidence intervals, and combined measurements. The idea is to provide the major statistical techniques as a set of C++ classes with coherent interfaces, so that can be used on arbitrary model and datasets in a common way. The classes are built on top of the RooFit package, which provides functionality for easily creating probability models, for analysis combinations and for digital publications of the results. We will present in detail the design and the implementation of the different statistical methods of RooStats. We will describe the various classes for interval estimation and for hypothesis test depending on different statistical techniques such as those based on the likelihood function, or on frequentists or bayesian statistics. These methods can be applied in complex problems, including cases with multiple parameters of interest and various nuisance parameters.

研究动机与目标

• 为应对 LHC 数据分析中日益增长的标准化、可重用统计工具需求，特别是针对发现搜索、置信区间估计和结果组合的需求。
• 通过创建一个通用且可扩展的软件框架，克服以往高能物理实验中使用临时性、分析特定的统计代码所面临的局限。
• 通过统一的软件接口，实现在同一模型和数据集上一致应用多种统计技术——频率学派、贝叶斯和基于似然的方法。
• 支持涉及多个感兴趣参数和干扰参数的复杂分析，包括系统不确定性。
• 通过在 ROOT 工作空间中标准化存储模型和数据，实现数字出版和可复现分析，促进跨实验和分析通道的统计结果组合。

提出的方法

• 利用 RooFit 框架通过高级面向对象的 C++ 接口定义概率模型和似然函数。
• 将统计工具实现为具有统一接口的可重用 C++ 类，将统计方法与模型定义解耦。
• 使用 RooWorkspace 类序列化并共享完整模型和数据集，支持可复现且可组合的分析工作流。
• 采用 HypoTestInverter 类扫描参数值上的检验统计量，通过混合频率学派-贝叶斯方法计算置信区间和排除极限。
• 引入实用工具如 RooStats::SPlot 实现信号与背景分离，以及 BernsteinCorrection 实现基于正定多项式校正的系统不确定性建模。
• 提供高级工厂工具（如 HLFactory），通过基于文本的模型描述简化模型创建。

实验结果

研究问题

• RQ1 如何使 LHC 数据的统计分析在不同实验和分析类型之间更具可重用性、可组合性和标准化？
• RQ2 如何最有效地在一个单一软件框架中统一频率学派、贝叶斯和基于似然的统计方法？
• RQ3 如何通过多种统计技术一致地分析包含多个感兴趣参数和干扰参数的复杂模型？
• RQ4 需要何种基础设施来支持跨实验或搜索通道的统计结果数字出版和可复现组合？
• RQ5 如何以灵活且数值稳定的方式系统性地将系统不确定性纳入统计模型？

主要发现

• RooStats 有效实现了统一且可扩展的框架，支持所有主要统计方法——频率学派、贝叶斯和基于似然的方法——在单一一致的 C++ 接口中。
• 该框架通过 HypoTestInverter 实现置信区间和排除极限的计算，该工具扫描参数值上的检验统计量，并识别在指定置信水平下的阈值。
• 使用 RooWorkspace 允许将完整模型和数据持久化存储于 ROOT 文件中，支持可复现分析、结果组合以及统计结果的数字出版。
• RooStats::SPlot 工具支持在扩展最大似然拟合中实现信号与背景的分解，并通过控制变量分布进行验证。
• BernsteinCorrection 工具提供了一种数值稳定的方法，通过正定多项式基函数将系统性变化纳入概率密度函数。
• 该框架已被 ATLAS 和 CMS 用于生产分析，并集成到 ROOT 发行版中，所有主要计算器均提供示例宏。