用于格点场论结果分析的贝叶斯模型平均

统计建模是从格点场论计算中提取物理结果的关键组成部分。尽管所使用的一般模型通常具有很强的物理动机，但对于同一格点数据常常可以考虑许多模型变体。模型平均相当于对所有模型变体进行概率加权平均，它能够纳入与模型选择相关的系统误差，而又不会过于保守。我们从贝叶斯统计的角度讨论了模型平均的框架，并针对格点结果建模中常用的最小二乘拟合这一特殊情况给出了有用的公式与近似。此外，我们将数据子集选择（例如拟合两点关联函数时最小和最大时间分离的选择）这一常见问题构建为模型选择问题，并将模型平均作为手动选择拟合区间的一种直接替代方案加以研究。文中给出了涉及模拟与真实格点数据的数值示例。