[论文解读] Multilevel and hierarchical Bayesian modeling of cosmic populations

Thomas J. Loredo, M. Hendry|arXiv (Cornell University)|Nov 27, 2019

Insurance, Mortality, Demography, Risk Management参考文献 36被引用 9

一句话总结

本文提出了一种分层贝叶斯框架——具体而言是稀疏潜标记点过程（TLaMPP）——以在天文巡天中建模宇宙源群体，同时考虑连锁选择与测量误差。通过联合处理检测与参数估计，该方法能够在对潜在变量进行边际化和收缩处理的同时，对星系光度等内在属性实现最优推断，从而校正马尔莫奎斯特偏差与艾丁顿偏差。

ABSTRACT

Demographic studies of cosmic populations must contend with measurement errors and selection effects. We survey some of the key ideas astronomers have developed to deal with these complications, in the context of galaxy surveys and the literature on corrections for Malmquist and Eddington bias. From the perspective of modern statistics, such corrections arise naturally in the context of multilevel models, particularly in Bayesian treatments of such models: hierarchical Bayesian models. We survey some key lessons from hierarchical Bayesian modeling, including shrinkage estimation, which is closely related to traditional corrections devised by astronomers. We describe a framework for hierarchical Bayesian modeling of cosmic populations, tailored to features of astronomical surveys that are not typical of surveys in other disciplines. This thinned latent marked point process framework accounts for the tie between selection (detection) and measurement in astronomical surveys, treating selection and measurement error effects in a self-consistent manner.

研究动机与目标

• 解决从噪声大、不完整且有偏差的巡天星表中推断宇宙源群体内在属性（如星系光度）的挑战。
• 在统一的贝叶斯分层建模框架内，统一并推广传统对马尔莫奎斯特偏差与艾丁顿偏差的校正方法。
• 建模天文巡天中检测（选择）与测量过程之间的联合依赖关系，而这些过程通常并非独立。
• 提供一种灵活且有原则的统计方法，自然地整合先验信息，并同时考虑已检测与未检测源的不确定性。

提出的方法

• 使用稀疏潜标记点过程（TLaMPP）框架，将源（如星系）的潜在群体建模为具有潜伏属性（如真实光度、距离）的标记点过程。
• 将检测建模为对潜伏群体的稀疏化过程，其中检测概率取决于观测通量与红移，并纳入测量误差。
• 引入一种有效的伪密度 μ(F,r;ζ)，结合群体密度 ρ(F,r;ζ)、检测效率 η(F) 与选择函数 h(r)，实现对未观测到源的边际化。
• 采用共轭先验（如伽马分布用于 λ）以实现强度参数 λ 的解析边际化，简化对群体参数 ζ 的边际似然计算。
• 构建一个带有板（plates）的有向无环图（DAG），用于表示已检测与未检测对象，编码条件独立性，支持在分层模型中实现可扩展推断。
• 推导出群体参数 ζ 的边际似然函数 Lm(ζ)，该函数对潜伏变量与检测不确定性进行积分，得到的似然与按有效伪密度加权的个体似然乘积成正比。

实验结果

研究问题

• RQ1 如何在检测依赖于观测通量与红移的天文巡天中，一致地建模选择与测量误差的联合效应？
• RQ2 在统一的统计框架下，校正星系光度函数估计中马尔莫奎斯特与艾丁顿偏差的最优方法是什么？
• RQ3 分层贝叶斯建模如何通过收缩效应在源之间借用信息，从而改善对内在群体属性的推断？
• RQ4 TLaMPP框架在何种程度上推广了传统点过程与二项式似然模型在巡天数据中的应用？
• RQ5 如何正式整合关于群体的先验知识，同时考虑未知的源计数与检测阈值？

主要发现

• TLaMPP框架通过将检测建模为对潜伏标记点过程的稀疏化过程，对选择与测量误差提供了自洽且概率化的处理方式。
• 群体参数 ζ 的边际似然函数被推导为 Lm(ζ) = ∏ᵢ ∫ dF μ(F, rᵢ; ζ) ℓᵢ(F)，该形式将二项式点过程似然推广至包含测量误差与潜伏变量的情形。
• 由于分层结构的自然产生，收缩估计随之出现，降低了单个源估计的方差，增强了对噪声数据的鲁棒性。
• 有效伪密度 μ(F,r;ζ) 虽非正规概率密度，但作为潜伏可观测量的加权似然分布，使推断无需对未观测源进行完全积分。
• 通过滤波函数 F(O) 可纳入独立的选择过程（如反 coincidence 触发或凌星巡天中的几何选择），从而修改可观测密度。
• 带有已检测与未检测源板的DAG表示清晰编码了条件独立性，支持可扩展推断，即使在源计数事先未知的情况下亦成立。