[论文解读] Using Likelihood for Combined Data Set Analysis

B. Anderson, J. Chiang+5 more|arXiv (Cornell University)|Feb 10, 2015

Bayesian Methods and Mixture Models被引用 7

一句话总结

本文提出联合似然法作为一种稳健且高效的方法，用于在统计分析中合并不相交的数据集，尤其适用于天体物理学和粒子物理学。通过将各个似然函数相乘而非堆叠数据，该方法保持了对干扰参数的独立处理，并在性能上与残差堆叠方法相当，且在低背景环境下表现出更高的灵敏度，但在数据重叠时存在明确的局限性。

ABSTRACT

The joint likelihood is a simple extension of the standard likelihood formalism that enables the estimation of common parameters across disjoint datasets. Joining the likelihood, rather than the data itself, means nuisance parameters can be dealt with independently. Application of this technique, particularly to Fermi-LAT dwarf spheroidal analyses, has already been met with great success. We present a description of the method's general implementation along with a toy Monte-Carlo study of its properties and limitations.

研究动机与目标

• 提出一种使用联合似然法合并不相交数据集的一般框架，尤其适用于共享信号参数的情况。
• 从统计性能和实现简便性角度，比较联合似然法与传统数据堆叠及基于残差的方法。
• 研究该方法在低背景条件和重叠数据集下的行为，识别其关键局限性。
• 通过蒙特卡洛模拟验证该方法的统计特性——覆盖概率、检验效能和显著性水平。
• 支持在多仪器或多目标分析（如费米-LAT暗物质搜寻）中采用联合似然法。

提出的方法

• 联合似然法通过将N个独立数据集的个体似然函数相乘来组合：$\mathcal{L}_{\text{joint}} = \prod_{d=1}^{N} \mathcal{L}(\boldsymbol{\mu}_d, \boldsymbol{\theta}_d | \mathcal{D}_d)$，从而保持不相交数据结构的完整性。
• 该方法使用分箱的泊松似然函数处理事件计数，每个箱内的模型预测值为$\lambda_k$，观测计数值为$n_k$。
• 对联合似然函数应用最大似然估计（MLE），以估计共享信号参数$\boldsymbol{\mu}$和干扰参数$\boldsymbol{\theta}_d$。
• 检验统计量（TS）计算公式为$\text{TS} = -2 \ln \left( \mathcal{L}(\boldsymbol{\hat{\mu}}_0, \boldsymbol{\hat{\theta}}_0) / \mathcal{L}(\boldsymbol{\hat{\mu}}, \boldsymbol{\hat{\theta}}) \right)$，在原假设下渐近服从$\chi^2/2$分布。
• 置信区间通过似然比的偏差-对数似然轮廓推导，90%置信区间对应于最大似然估计值处对数似然差值为2.71的范围，适用于渐近情形。
• 通过蒙特卡洛模拟生成具有不同信号-背景比和重叠数据集的合成数据，以评估覆盖概率、检验效能和灵敏度。

实验结果

研究问题

• RQ1 在统计覆盖概率和区间精度方面，联合似然法与数据堆叠及基于残差的方法相比表现如何？
• RQ2 在以泊松统计为主导的低背景环境下，联合似然法的性能如何？
• RQ3 数据重叠如何影响联合似然分析中的显著性分布和第二类错误率？
• RQ4 在何种条件下，联合似然法能实现与$\sqrt{N}$或更优的灵敏度标度关系？
• RQ5 当各数据集独立处理干扰参数时，联合似然法能否保持正确的覆盖概率和检验效能？

主要发现

• 联合似然法在所有测试的信号-背景比和数据集数量下，均实现了与名义水平一致的置信区间覆盖（例如，68%包含率）。
• 在低背景环境（如s:b = 1:0.1）下，联合似然法的约束精度近似与数据集数量$N$呈线性关系，由于对数似然函数的线性行为，其性能优于$\sqrt{N}$标度。
• 当数据集存在重叠时，检验统计量（TS）分布发生偏斜，导致第二类错误率上升，灵敏度下降，且TS值大致与重叠部分的比例成比例被放大。
• 对于具有低背景的相同数据集，上限满足$\mu_{\text{UL}} \propto \left( \sum_d \partial \mathcal{L}_d / \partial \mu \big|_{\mu=0} \right)^{-1}$，其收敛速度优于$\sqrt{N}$。
• 联合似然法在区间紧密度和显著性方面与基于残差的堆叠方法性能相当，同时减少了数据处理步骤，并保持了对干扰参数的独立处理。
• 只要模型不确定性一致且数据集不相交，该方法在数据集数量增加时仍保持稳健。