面向LHC的MSSM分析中的贝叶斯方法与自然性
高能物理 - 唯象学
2014-11-18 v1
摘要
LHC的启动推动了确定MSSM参数空间不同区域的相对概率的研究，该研究考虑了目前关于该模型的理论和实验经验。由于目前的实验数据不足以选出MSSM参数空间的一个小区域，为参数选择一个明智的先验概率变得最为关键。先前的研究提出了包含某种（常规的）精细调节度量的理论先验，以惩罚非自然的可能性。然而，我们表明，这种惩罚源于贝叶斯分析本身（无需任何特设假设），是在对mu参数进行边缘化时产生的。此外，由此产生的有效先验恰好包含Barbieri-Giudice度量，这非常令人满意。另一方面，我们对Yukawa耦合进行了严格处理，特别指出，通常“按需”取Yukawa耦合的做法，近似对应于在Yukawa耦合中取对数平坦先验。最后，我们使用一组高效的变量扫描MSSM参数空间，特别是用tan beta替换B，给出了新参数下的有效先验。除了数值结果外，我们还给出了所有情况下有效先验的精确解析表达式。无论未来可能使用何种实验信息，都应通过本文得出的贝叶斯因子进行加权。
引用
@article{arxiv.0812.0536,
title = {Bayesian approach and Naturalness in MSSM analyses for the LHC},
author = {M. E. Cabrera and J. A. Casas and R. Ruiz de Austri},
journal= {arXiv preprint arXiv:0812.0536},
year = {2014}
}
备注
LaTeX, 19 pages, 3 figures