[论文解读] Bayesian reasoning versus conventional statistics in High Energy Physics

G. D’Agostini|ArXiv.org|Nov 24, 1998

Particle physics theoretical and experimental studies参考文献 12被引用 10

一句话总结

本文主张，物理学家在不确定性下的直觉推理更符合贝叶斯统计，而非学术界教授的频率学派方法。它表明，尽管在常规情况下传统统计方法的结果往往相似，但在复杂或反直觉的情境下，概率反转会导致误导性结论，此时贝叶斯推理变得至关重要。

ABSTRACT

The intuitive reasoning of physicists in conditions of uncertainty is closer to the Bayesian approach than to the frequentist ideas taught at University and which are considered the reference framework for handling statistical problems. The combination of intuition and conventional statistics allows practitioners to get results which are very close, both in meaning and in numerical value, to those obtainable by Bayesian methods, at least in simple routine applications. There are, however, cases in which ``arbitrary'' probability inversions produce unacceptable or misleading results and in these cases the conscious application of Bayesian reasoning becomes crucial. Starting from these considerations, I will finally comment on the often debated question: ``is there any chance that all physicists will become Bayesian?''

研究动机与目标

• 检验物理学家在不确定性下的实际推理与大学传统教学的频率学派统计框架之间的不匹配。
• 识别在概率反转存在缺陷时，传统统计方法因错误的概率反转而产生误导或任意结果的具体情形。
• 倡导在高能物理中自觉采用贝叶斯推理，以解决统计推断中的不一致问题。
• 评估在物理学中未来实现全领域贝叶斯实践是否可行或必要。
• 弥合实验粒子物理学中直觉性科学推理与正式统计方法之间的差距。

提出的方法

• 分析高能物理中真实世界的情境，其中物理学家的直觉判断与频率学派统计结果产生分歧。
• 将基于先验概率和后验更新的贝叶斯推断，与依赖p值和零假设显著性检验的频率学派方法进行对比。
• 通过案例研究说明，当在缺乏适当贝叶斯条件化的情况下反转概率时，传统统计可能产生反直觉或误导性结果。
• 运用最大熵原理和主观概率，证明贝叶斯方法在逻辑上更符合科学直觉。
• 回顾贝叶斯更新的数学基础，特别是贝叶斯定理：P(H|D) = P(D|H)P(H)/P(D)。
• 评估贝叶斯方法在频率学派方法失效的边界情况下的稳健性，例如低统计量或模型选择问题。

实验结果

研究问题

• RQ1 为何物理学家在不确定性下的直觉判断往往更接近贝叶斯推理而非频率学派统计？
• RQ2 在哪些具体情境下，传统统计方法因概率反转不当而产生误导或任意结果？
• RQ3 在高能物理的常规统计分析中，多大程度上可以安全地用频率学派方法近似而不引入偏差？
• RQ4 在复杂或低统计量的实验物理情境中，贝叶斯推理具有哪些关键概念与实际优势？
• RQ5 是否存在强有力的论据支持未来高能物理界广泛采用贝叶斯方法？

主要发现

• 物理学家在不确定性下的直觉推理与贝叶斯推理高度一致，尤其是在根据新证据更新信念方面。
• 传统频率学派统计在常规应用中结果常与贝叶斯方法数值接近，但在边界情况下会失效。
• 涉及概率反转的情形——如将p值解释为后验概率——若未经贝叶斯推理校正，会导致误导性结论。
• 贝叶斯方法为复杂或低统计量情境下的模型选择、参数估计和不确定性量化提供了连贯的框架。
• 本文结论认为，尽管贝叶斯推理尚未在高能物理中普及，但其对于解决不一致性和确保统计推断的逻辑一致性至关重要。
• 作者建议，向全面贝叶斯实践的过渡不仅是必要的，而且随着计算工具日益普及，也变得越来越可行。