[论文解读] Reformulation of a likelihood approach to fake-lepton estimation in the framework of Bayesian inference

J. Erdmann, Cornelius Grunwald+4 more|arXiv (Cornell University)|Jun 25, 2021

Particle physics theoretical and experimental studies参考文献 20被引用 1

一句话总结

该论文将高能物理中的基于似然的假轻子估计方法重新表述为贝叶斯推断框架，证明其与原始的频率学方法等价。通过施加非负性约束并改进不确定性传播，该方法解决了传统矩阵法的关键缺陷（如负事件产额估计）。在顶夸克测量的实例中验证表明，该方法在低统计量情形下具有更高的稳定性和可靠性。

ABSTRACT

Prompt isolated leptons are essential in many analyses in high-energy particle physics but are subject to fake-lepton background, i.e. objects that mimic the lepton signature. The fake-lepton background is difficult to estimate from simulation and is often directly determined from data. A popular method is the matrix method, which however suffers from several limitations. This paper recapitulates an alternative approach based on a likelihood with Poisson constraints and reformulates the problem from a different starting point in the framework of Bayesian statistics. The equality of both approaches is shown and several cases are studied in which the matrix method is limited. In addition, the fake lepton background is recalculated and compared to the estimate with the matrix method in an example top-quark measurement.

研究动机与目标

• 解决高能物理中假轻子背景估计的挑战，这些背景难以模拟，因为误识别概率较低。
• 识别传统矩阵法的关键局限，包括负产额估计以及在真实与假轻子效率相近时的不确定性传播不稳定。
• 在贝叶斯统计框架内重新表述基于似然的假轻子估计方法，以提高鲁棒性和可解释性。
• 证明原始似然方法与新贝叶斯表述之间的数学等价性。
• 在真实的顶夸克测量案例研究中验证改进方法，显示其在低统计量和边缘情形下的优越性能。

提出的方法

• 基于松散与紧密轻子区域中事件计数的泊松分布，重新表述假轻子估计问题的似然函数。
• 引入一个贝叶斯模型，将真实与假轻子产额视为具有先验分布的未知参数，从而实现完整的后验推断。
• 使用贝叶斯分析工具包（BAT）进行马尔可夫链蒙特卡洛（MCMC）采样，以计算假轻子产额的后验分布。
• 通过利用贝叶斯先验和似然结构，实施约束以确保假事件产额非负。
• 通过二项式展开和参数重新参数化，推导并证明原始似然方法与新贝叶斯表述之间的数学等价性。
• 将该方法应用于ATLAS数据中的t¯tγ截面测量，比较五种不同测试情形下与原始矩阵法的结果。

实验结果

研究问题

• RQ1 基于似然的假轻子估计方法能否等价地表述为贝叶斯推断框架？
• RQ2 贝叶斯重构如何解决原始矩阵法中固有的不稳定性和负产额估计问题？
• RQ3 在低统计量情形下，原始矩阵法与改进的贝叶斯方法在假轻子产额估计值及其不确定性方面存在哪些定量差异？
• RQ4 在何种情况下，原始矩阵法因数值不稳定性或非物理结果而失效，贝叶斯方法如何解决这些问题？
• RQ5 在真实与假轻子效率几乎相等的边缘情况下，贝叶斯方法是否提供更可靠的不确定性估计和更好的覆盖率？

主要发现

• 贝叶斯重构在数学上与原始基于似然的方法等价，证实了不同框架间的一致性。
• 改进的方法消除了原始矩阵法在松散区域真实轻子占主导时可能出现的负假事件产额估计问题。
• 在五个测试案例中，包括低统计量和效率接近的区域，贝叶斯方法始终预测正产额，而原始矩阵法以不可忽略的概率产生非物理的负值。
• 贝叶斯方法在真实与假轻子效率相近时表现出更稳定可靠的不确定性传播，而原始方法在此情形下会变得数值不稳定。
• 在t¯tγ截面测量的实例中，贝叶斯方法对假轻子贡献的后验分布更具鲁棒性，其在负产额区域的尾部概率显著低于矩阵法。
• BAT中使用的MCMC采样实现了完整的后验探索，相比原始矩阵法所采用的一阶高斯近似，提供了更全面的不确定性表征。