[论文解读] Binomial and ratio-of-Poisson-means frequentist confidence intervals applied to the error evaluation of cut efficiencies

G. Ranucci|ArXiv.org|Jan 30, 2009

Probabilistic and Robust Engineering Design参考文献 14被引用 3

一句话总结

本文提出基于似然比的频率学置信区间，用于二项比例和泊松均值比，相较于Clopper-Pearson等标准方法，其覆盖概率更优且区间长度更短。该方法应用于粒子物理中的切片效率误差评估，在无背景信号窗口中提供了更精确的不确定性估计，重点采用似然比排序以提升统计性能。

ABSTRACT

The evaluation of the error to be attributed to cut efficiencies is a common question in the practice of experimental particle physics. Specifically, the need to evaluate the efficiency of the cuts for background removal, when they are tested in a signal-free-background-only energy window, originates a statistical problem which finds its natural framework in the ample family of solutions for two classical, and closely related, questions, i.e. the determination of confidence intervals for the parameter of a binomial proportion and for the ratio of Poisson means. In this paper the problem is first addressed from the traditional perspective, and afterwards naturally evolved towards the introduction of non standard confidence intervals both for the binomial and Poisson cases; in particular, special emphasis is given to the intervals obtained through the application of the likelihood ratio ordering to the traditional Neyman prescription for the confidence limits determination. Due to their attractiveness in term of reduced length and of coverage properties, the new intervals are well suited as interesting alternative to the standard Clopper-Pearson PDG intervals.

研究动机与目标

• 为解决粒子物理实验中用于背景抑制的切片效率误差估计这一统计挑战。
• 评估传统置信区间方法在信号无背景的纯背景能区中对二项比例和泊松均值比的性能表现。
• 提出并分析基于似然比排序的非标准置信区间，作为标准方法的替代方案。
• 证明基于似然比的区间相较于Clopper-Pearson等传统方法具有更优的覆盖特性与更短的区间长度。
• 为实验粒子物理中采用纯背景校准的误差评估提供一种实用且统计稳健的框架。

提出的方法

• 应用Neyman置信区间构建方法，通过使用似然比排序来选择最相关的抽样分布。
• 基于似然比检验统计量推导二项比例的置信区间，替代标准的Clopper-Pearson方法。
• 将似然比排序方法扩展至两个独立泊松均值的比值，适用于无背景区域的效率计算。
• 采用数值与图形分析，比较所提区间的覆盖概率与平均长度与标准方法的差异。
• 通过模拟与理论分析验证新区间的改进统计特性。
• 聚焦于粒子物理中的实际应用，特别是在信号缺失、仅观测到背景的切片效率评估中。

实验结果

研究问题

• RQ1 基于似然比的二项比例置信区间与标准Clopper-Pearson区间相比，在覆盖概率与区间长度方面表现如何？
• RQ2 在纯背景校准区域中，似然比排序的区间对两个泊松均值比的性能如何？
• RQ3 似然比排序能否提升粒子物理实验中切片效率误差估计的准确度与精确度？
• RQ4 与名义置信水平相比，新区间的实际覆盖概率表现如何？
• RQ5 在粒子物理数据分析的哪些实际场景中，这些改进的区间相较于传统方法具有显著优势？

主要发现

• 基于似然比的二项比例区间在覆盖性能方面优于标准Clopper-Pearson区间，且平均长度更短。
• 对于泊松均值比，似然比排序区间相比传统方法具有更高的准确度与更窄的宽度。
• 模拟结果显示，所提区间在保持或超过名义置信水平方面表现可靠，表明其覆盖性能稳健。
• 该方法在粒子物理中常见的低统计量校准窗口中尤为有效。
• 该方法非常适合用于信号缺失、仅存在背景计数的切片效率测量误差评估。
• 该方法为广泛使用的PDG推荐Clopper-Pearson区间提供了一种统计上更合理的替代方案。