[论文解读] Estimation of Goodness-of-Fit in Multidimensional Analysis Using Distance to Nearest Neighbor

Ilya V. Narsky|ArXiv.org|Jun 24, 2003

Particle physics theoretical and experimental studies参考文献 7被引用 6

一句话总结

本文提出了一种新颖的距离到最近邻（DTNN）方法，用于在多维未分箱数据分析中评估拟合优度，尤其适用于高能物理领域。通过测量每个数据点到其最近邻的最小距离并评估聚类大小，该方法可检测出与预期本底分布的偏差——在 B A B AR 实验的 $B\to Kll$ 分析中，$B^+\to K^+e^+e^-$ 模式下发现拟合优度仅为 0.13%，聚类大小为 12，表明与本底模型存在强烈不一致。

ABSTRACT

A new method for calculation of goodness of multidimensional fits in particle physics experiments is proposed. This method finds the smallest and largest clusters of nearest neighbors for observed data points. The cluster size is used to estimate the goodness-of-fit and the cluster location provides clues about possible problems with data modeling. The performance of the new method is compared to that of the likelihood method and Kolmogorov-Smirnov test using toy Monte Carlo studies. The new method is applied to estimate the goodness-of-fit in a B->Kll analysis at BaBar.

研究动机与目标

• 解决传统拟合优度检验方法（如 $\chi^2$、似然比和柯尔莫哥洛夫-斯米尔诺夫检验）在低统计量、多维未分箱数据中失效的问题。
• 开发一种稳健且通用的方法，用于检测与预期分布的偏差，而无需假设特定备择假设。
• 识别可能指示信号样结构或建模失败的局部数据聚类。
• 为高能物理实验中验证仅本底拟合提供实用工具，特别是在信号可能表现为局部峰的情况下。

提出的方法

• 该方法计算每个观测数据点到其最近邻（或最近邻集合）的距离，形成随大小 $m$ 增加的聚类。
• 评估每个点到第 $m$ 个最近邻的最小距离 $d_i^{(m)}$，并将经验分布与从蒙特卡罗样本生成的零分布进行比较。
• 零假设假设数据遵循平滑的本底概率密度函数（pdf），并通过概率积分变换转换为均匀分布。
• 拟合优度计算为蒙特卡罗试验中最小距离小于或等于观测距离的比例，表明可能存在聚类。
• 该过程对不断增加的聚类大小 $m$ 进行迭代，跟踪拟合优度随聚类大小的变化。
• 通过玩具蒙特卡罗研究验证该方法，并将其应用于 B A B AR 实验的真实 $B\to Kll$ 衰变数据，与似然比和 KS 检验结果进行比较。

实验结果

研究问题

• RQ1 在传统 $\chi^2$ 检验失效的多维、低统计量、未分箱高能物理数据中，如何可靠地评估拟合优度？
• RQ2 与 $\chi^2$ 或似然比等平均偏差方法相比，距离到最近邻方法是否能更有效地检测出局部信号样结构？
• RQ3 DTNN 方法在检测仅本底模型偏差方面的性能，与柯尔莫哥洛夫-斯米尔诺夫检验和最大似然值（MLV）等标准检验相比如何？
• RQ4 拟合优度估计如何随聚类大小变化？这揭示了数据结构的哪些信息？
• RQ5 DTNN 方法能否识别出相空间中数据显著偏离预期本底分布的具体区域？

主要发现

• 在 $B^+\to K^+e^+e^-$ 衰变模式中，当使用大小为 12 的聚类进行检验时，数据的拟合优度仅为 0.13%，表明与仅本底模型存在强烈不一致。
• 对于 $B^+\to K^+\mu^+\mu^-$ 模式，当聚类大小为 8 时，拟合优度保持在 6.8% 左右，表明与本底一致。
• $B^+\to K^+e^+e^-$ 数据在信号区域聚类最明显，证实该偏差是局部的，可能源于真实信号。
• DTNN 方法在 $B^+\to K^+e^+e^-$ 模式中检测到显著的信号样结构，而标准似然方法可能并未发现异常。
• 在玩具示例中，$\chi^2$ 检验对三种截然不同的数据模式均给出相同的 50% 拟合优度，而 DTNN 方法能有效识别出局部偏差，表明其在识别局部偏离方面优于 $\chi^2$ 检验。
• DTNN 方法不仅提供全局拟合优度度量，还能实现潜在异常的空间定位，相较于标准方法提供了更具信息量的诊断结果。