多维超对称扫描中轮廓似然评估的挑战
高能物理 - 唯象学
2015-03-17 v2 数据分析、统计与概率
摘要
对超对称理论基本参数的统计推断是一项具有挑战性且活跃的工作。已有几种复杂的算法被用于此目的。虽然马尔可夫链蒙特卡洛(MCMC)和嵌套采样技术主要用于贝叶斯推断，但它们也被用于基于轮廓似然比估计频率论置信区间。我们研究了基于嵌套采样的算法MultiNest在用于基于轮廓似然的分析时的性能及适当配置，研究对象包括玩具模型和约束最小超对称标准模型(CMSSM)的参数空间。我们发现，虽然标准配置适用于贝叶斯后验的精确重建，但轮廓似然的近似效果很差。我们为轮廓似然分析确定了一种更合适的MultiNest配置，该配置能出色地探索轮廓似然（尽管计算成本更高），包括识别全局最大似然值。我们得出结论，通过适当配置，MultiNest是进行轮廓似然研究的合适工具，这表明先前相反的说法是缺乏依据的。
引用
@article{arxiv.1101.3296,
title = {Challenges of Profile Likelihood Evaluation in Multi-Dimensional SUSY Scans},
author = {F. Feroz and K. Cranmer and M. Hobson and R. Ruiz de Austri and R. Trotta},
journal= {arXiv preprint arXiv:1101.3296},
year = {2015}
}
备注
21 pages, 9 figures, 1 table; minor changes following referee report. Matches version accepted by JHEP