[论文解读] Constraints on Yield Parameters in Extended Maximum Likelihood Fits

T. M. Karbach, Maximilian Schlupp|arXiv (Cornell University)|Oct 26, 2012

Particle physics theoretical and experimental studies被引用 3

一句话总结

本文解决了在扩展最大似然拟合中正确实现产量参数约束的问题，特别是在RooFit框架中。提出在生成玩具蒙特卡洛时对约束进行波动，以确保即使在产量受约束的情况下也能获得无偏的拉伸值（pulls），并指出了RooFit中Constrain()和ExternalConstraints()方法存在的关键缺陷，这些缺陷会扭曲误差和拉伸值分布。

ABSTRACT

The method of extended maximum likelihood is a well known concept of parameter estimation. One can implement external knowledge on the unknown parameters by multiplying the likelihood by constraint terms. In this note, we emphasize that this is also true for yield parameters in an extended maximum likelihood fit, which is widely used in the particle physics community. We recommend a way to generate pseudo-experiments in presence of constraint terms on yield parameters, and point to pitfalls inside the RooFit framework.

研究动机与目标

• 阐明如何将外部约束正确地整合到扩展最大似然拟合中。
• 解决在产量参数受约束时生成无偏伪实验的挑战。
• 识别并解释在伪实验生成过程中使用约束项时，RooFit的RooMCStudy工具中存在关键缺陷。
• 确保即使在产量参数受约束的情况下，拉伸值统计量仍保持无偏且服从单位高斯分布。
• 提供一种推荐的伪实验生成方法，该方法在生成阶段正确考虑了约束的波动。

提出的方法

• 采用两步生成过程：首先使用其约束概率密度函数（如高斯分布）对受约束的产量参数进行波动，然后使用泊松分布生成总事件数。
• 应用标准拉伸值定义 $ p = (\hat{\theta} - \theta_{\text{true}})/\sigma_{\hat{\theta}} $，以评估偏差和覆盖率。
• 确保约束概率密度函数包含在生成阶段，而不仅在拟合阶段，以避免双重波动问题。
• 在RooFit中使用ExternalConstraints()方法而非Constrain()，以避免对产量参数的错误双重波动。
• 验证当应用约束时，拉伸值分布是否仍为单位高斯分布，以表明估计无偏。
• 比较不同约束宽度下的结果，以评估拉伸值和误差分布中的偏差与误差膨胀。

实验结果

研究问题

• RQ1 如何在扩展最大似然拟合中正确实现产量参数的约束，以确保参数估计无偏？
• RQ2 当产量参数受到外部约束时，正确的伪实验生成程序是什么？
• RQ3 为什么在使用约束产量生成玩具数据集时，RooFit的Constrain()和ExternalConstraints()方法在RooMCStudy中会产生不一致的结果？
• RQ4 约束宽度如何影响伪实验研究中拉伸值和误差分布的偏差与宽度？
• RQ5 在受约束的扩展最大似然拟合中，拉伸值分布在何种条件下会偏离单位高斯分布？

主要发现

• 使用RooFit的Constrain()方法会导致产量参数的错误双重波动：约束在生成和拟合阶段均被应用，扭曲了总产量分布，并在拉伸值分布中引入了 $ \mu_p = 0.3 $ 的偏差。
• 即使约束较宽，Constrain()方法仍会导致误差和中心值分布比无约束情况更宽，这是由于同一参数被重复波动所致。
• 当在generateAndFit()中显式指定总事件数时，拉伸值分布会依赖于约束宽度，导致宽约束下的错误覆盖率。
• ExternalConstraints()方法避免了双重波动，并正确生成了泊松分布的产量，但使用固定约束计算拉伸值，导致在约束较宽时拉伸值分布过窄。
• 只有在生成阶段波动约束并使用标准拉伸值定义时，拉伸值分布才保持单位高斯分布，从而确认了估计的无偏性。
• 在强约束下，拟合的总产量 $ N_f - N' $ 的偏差可高达 $ \approx 10 $ 个事件（或 $ \approx 1.4\% $），凸显了对生成过程仔细处理的必要性。