The subtle statistics of the distance ladder: On the distance prior and selection effects

技術要約：距離梯子の微細な統計学：距離事前分布と選択効果について

問題提起
現代の宇宙論は「ハッブル・テンション」に直面している。これは、$\Lambda$CDMモデルの下でCMB（宇宙マイクロ波背景放射）から導出されるハッブル定数（$H_0$）と、局所的な距離梯器から推論される$H_0$との間に存在する、有意な（$\gtrsim 5\sigma$）不一致である。距離指標の系統誤差についてはしばしば精査されるが、距離梯子の解析における統計的手法、具体的には潜在的な距離パラメータに対する事前分布の選択や選択効果のモデリングが、このテンションの重要な寄与因子であるとはほとんど考慮されていない。本論文は、これらの領域における不適切な統計モデリングが、推論される$H_0$に無視できないバイアスを導入すると主張する。

手法
著者らは、解析的な導出、模擬データシミュレーション、および実世界のデータセットの再解析を組み合わせて用い、2つの異なる統計的問題を調査している。

1. 距離事前分布の効果： 距離は観測量（例えば、見かけの等級と赤方偏移）から推論される潜在パラメータである。著者らは、天体が本質的に3次元体積内に一様に分布しているため、距離 $r$ に対する正しい事前分布は $\pi(r) \propto r^2$ （「体積事前分布」）とならなければならないことを示している。多くの現在の解析では、距離指数 $\mu$ （ここで $\mu \propto \ln r$）に対して平坦な事前分布を暗黙のうちに仮定している。これは $\pi(r) \propto 1/r$ に対応する。

   • 解析的手法： 著者らは、簡略化されたベイズ順方向モデルを用いて、異なる事前分布の指数 $k$ （ここで $\pi(r) \propto r^k$）によって生じる最大事後確率（MAP）推定値のシフトを導出した。彼らは、赤方偏移の不確定性が無視できるボリューム制限サンプル（volume-limited sample）において、$\ln H_0$ のバイアスが事前分布の指数の差 $\Delta k$ に比例することを示した。
   • シミュレーション： 模擬データを用いたマルコフ連鎖モンテカルロ（MCMC）シミュレーションは、一様体積事前分布（$k=2$）が $H_0$ に対して不偏な事後分布を与える一方で、一様 $\mu$ 事前分布（$k=-1$）は距離を低く見積もり、$H_0$ を高く見積もる有意なバイアスを生じさせることを裏付けている。

2. 選択効果： 著者らは、選択基準（ボリューム制限、赤方偏移制限、および等級制限）がベイズの枠組み内でどのように距離事前分布と相互作用するかを分析している。

   • 彼らは、オブジェクトがサンプルに入る確率に基づいた、事後分布のための必要な補正係数を導出した。
   • 彼らは、これらのベイズ順方向モデリングの結果を、距離を赤方偏移の決定論的な関数として扱う、明示的な事前分布メカニズムを持たない頻度論的な $\chi^2$ 推定量と比較した。

主要な貢献と結果

• 事前分布バイアスの定量化： 本研究は、距離指数に対する平坦な事前分布（ベイズ解析で一般的）を使用することが、体積事前分布の代わりに用いるよりも $H_0$ を高く偏らせることを定量化している。マグニチュードの不確定性が $\sigma_m = 0.1$ mag で $N=2000$ 個の銀河を持つサンプルでは、平坦な $\mu$ 事前分布と体積事前分布の間のシフトは、$6.2\sigma$ のバイアスに相当する。
• 選択との相互作用：
  • 赤方偏移選択： 赤方偏移の不確定性が無視できる極限（$\sigma_z \to 0$）において、赤方偏移選択因子（$H_0^{3N}$）は、平坦な $\mu$ 事前分布を使用した場合に体積事前分布の効果を正確に打ち消す。これは、「偶然の相殺」を生み出し、非物理的な事前分布が不偏な結果をもたらす状況を作り出すが、これは特定の条件下でのみ成立する。
  • 等級制限： 等級制限を持つサンプルでは、選択因子は誤った事前分布を打ち消さないため、体積事前分布が正しく適用されない限り、有意なバイアスが生じる。
  • 頻度論的 $\chi^2$： 著者らは、頻度論的手法が、$\sigma_z \to 0$ の場合にのみボリューム制限サンプルに対して不偏であることを示している。$\sigma_z > 0$ の場合、線形誤差伝播は、補正項の符号に依存するバイアスを導入する。
• ケーススタディ I: CosmicFlows-4 (CF4):
  • CF4のタリー・フィッシャー・サブセットを再解析した結果、標準的な解析（平坦な $\mu$ 事前分布に相当）は $H_0 \approx 75.1$ km s$^{-1}$ Mpc$^{-1}$ を与える。
  • 正しい体積事前分布（$k=2$）を課すと、結果は $H_0 \approx 66.9$ km s$^{-1}$ Mpc$^{-1}$ へとシフトし、劇的な $\approx 55\sigma$ のシフトが生じる。
  • 著者らは、このシフトは例示的なものであると注記している。真の値は、CF4のコンピレーションが完全には均質ではないことを踏まえ、実際の複雑な選択関数に応じて、ボリューム制限と赤方偏移選択の間のどこかに位置するはずである。
• ケーススタディ II: SH0ES:
  • SH0ESパイプライン（シミュレーションに基づくバイアス補正を用いた頻度論的アプローチを使用）に体積事前分布の補正を適用すると、$H_0$ が低くなる方向へ $\approx 1.7\sigma$ のシフト（$73.04$から$\approx 71.3$ へ）が示唆される。
  • 著者らは、SH0ESパイプラインの既存のシミュレーションベースのバイアス補正が、おそらく既にこれらの効果を考慮に入れていると考えており、これは、シミュレーションが本質的なソース分布と選択カットの両方を正確にモデル化している限り、公表されているSH0ESの結果は既に不偏である可能性を示唆している。

意義と主張
本論文は、距離梯子の統計的手法が、ハッブル・テンションの重要かつ、しばしば見落とされる構成要素であることを主張している。その主な意義は、以下のことを実証した点にある：

1. 不偏な推論には物理的な事前分布が必要である： ベイズ解析において、距離指数に対する平坦な事前分布を仮定することは、体積分布する宇宙に対して物理的に不正確であり、特定の（非現実的な）選択条件が満たされない限り、$H_0$ の推定値を偏らせる。
2. 選択モデリングは非自明である： 選択効果は単に体積事前分布を「補正」するのではなく、事後分布に明確に異なる因子を導入する。原理的なアプローチには、本質的な体積分布と特定の選択関数を共に考慮した生成モデルが必要である。
3. 現在の限界： 多くの最先端の解析（頻度論およびベイズ論の両方）は、体積事前分布を無視しているか、選択効果を不適切に扱っている。シミュレーションベースの補正（SH0ESで使用されているもの）はこれらのバイアスを軽減できるが、それらは基礎となるシミュレーションモデルの正確性に依存している。
4. 将来の要件： 将来のサーベイにおいては、既知の均質な選択基準を持つサンプルを優先しなければならない。これにより、原理的なベイズ順方向モデリング、または正確な事後的なシミュレーションベースの補正が可能となる。

著者らは、距離（体積事前分布を介して）と選択効果の両方を正確にモデリングしなければ、推論される宇宙論パラメータ（$H_0$ や特異速度など）は、サンプルサイズに応じてスケールする系統的なバイアスにさらされ、ハッブル・テンションを増幅させたり、あるいは覆い隠したりする可能性があると結論づけている。