[论文解读] Asymmetric Statistical Errors

R. J. Barlow|ArXiv.org|Jun 24, 2004

Scientific Measurement and Uncertainty Evaluation参考文献 3被引用 37

一句话总结

本文提出了在实验物理学中结合非对称统计误差的实用方法，特别是在似然函数非高斯且非对称的情况下。提出了一种似然轮廓法和一种线性方差模型近似方法，以稳健地组合结果与误差，并在泊松分布情形下与精确计算结果高度一致，测试场景中误差差异小于0.1%。

ABSTRACT

Asymmetric statistical errors arise for experimental results obtained by Maximum Likelihood estimation, in cases where the number of results is finite and the log likelihood function is not a symmetric parabola. This note discusses how separate asymmetric errors on a single result should be combined, and how several results with asymmetric errors should be combined to give an overall measurement. In the process it considers several methods for parametrising curves that are approximately parabolic.

研究动机与目标

• 解决在有限样本实验中，由于非对称似然函数导致的非对称统计误差组合缺乏系统性方法的问题。
• 开发一种可靠程序，用于组合单个结果上的多个非对称误差，尤其在完整似然函数不可用时。
• 确保在组合结果与误差时保持一致性和结合性，类似于标准对称误差处理方式。
• 提供一种实用且可实现的框架，使用如线性方差模型等近似方法，当无法获取完整似然函数时仍可应用。

提出的方法

• 使用似然轮廓法，通过沿总和方向 $ x_1 + x_2 = u $ 最大化联合似然函数，然后读取 $ \Delta \ln L = -1/2 $ 对应的点来计算组合不确定性。
• 应用待定乘子法求解在约束 $ \sum x_i = u $ 下各分量 $ x_i $ 对总和 $ u $ 的贡献，使用基于非对称误差参数的权重。
• 采用线性方差模型近似：$ \ln L = -\frac{1}{2} \sum_i \left( \frac{x_i}{\sigma_i + \sigma_i' x_i} \right)^2 $，该方法允许迭代求解非线性方程以获得组合误差。
• 通过从 $ u = 0 $ 开始的迭代数值解法，逐步更新权重和 $ x_i $ 值，以绘制轮廓似然 $ \hat{L}(u) $。
• 在Java程序中实现该方法，提供用户友好的界面和组合后非对称误差的输出。
• 通过与多个测试案例中的精确泊松似然比较验证结果，即使在小 $ N $ 情况下也表现出高精度。

实验结果

研究问题

• RQ1 当对数似然函数不对称时，如何有意义地组合来自最大似然估计的非对称误差？
• RQ2 当底层似然函数未知时，如何正确组合单个测量上的多个非对称误差？
• RQ3 能否开发一种一致且可结合的方法来组合具有非对称误差的结果，类似于标准误差传播？
• RQ4 与精确似然轮廓法相比，线性方差模型近似在估计组合非对称误差方面的准确性如何？

主要发现

• 用于组合非对称误差的似然轮廓法结果与精确计算几乎完全一致，误差值的第四位小数内存在微小差异。
• 线性方差模型近似在测试的泊松情形下，组合误差与精确结果的偏差在0.1%以内，例如将4和5个事件合并为 $ 9_{-2.676}^{+3.342} $。
• 对于 $ 1+8 $、$ 2+7 $ 和 $ 3+6 $ 等组合，该方法产生一致的组合误差 $ ^{+3.333}_{-2.668} $，与直接泊松似然计算的总和预期一致。
• 即使在极端分割（如9:1）情况下，该方法仍保持稳健，尽管此类情况的 $ \chi^2 $ 较高，表明概率较低且可能存在不一致性。
• 该方法具有结合性：以不同顺序成对组合结果，最终得到的组合结果相同，保持了一致性。
• 通过Java程序实现，使该方法在实验物理学中具有实际应用价值，尤其在粒子物理学中非对称误差常见的场景下。