Compensator-based inference for signal detection under unknown background: the binned data case

技術要約：未知の背景下における信号検出のための補償器ベースの推論（ビン集計データの場合）

問題提起
本論文は、未知の背景が存在する状況下での信号検出という、統計的な課題に対処している。これは、素粒子物理学やガンマ線天文学などの現代の物理学および天文学の実験において遍在するシナリオである。データは、$k$ 個の互いに素な $d$ 次元ハイパーレクタングル（ビン）上のグリッドにおけるポアソン計数としてモデル化される。各ビン $i$ における期待計数は $E[n_i] = T f_i$ で与えられる。ここで、密度 $f$ は既知の信号成分 $f_s$ と未知の背景成分 $f_b$ の混合物である：
$$f(x, \eta) = (1 - \eta)f_b(x) + \eta f_s(x)$$
ここで、$\eta \in [0, 1)$ は推論対象となる未知の相対的信号強度を表す。主な目的は、帰無仮説 $H_0: \eta = 0$ に対する対立仮説 $H_1: \eta > 0$ の検定である。

極めて重要な制約は、総期待計数 $T$ とビンの数 $k$ の両方が無限大に発散し、$T/k \to c \in (0, \infty)$ となる漸近的レジームである。このレジームでは、計数はポアソン分布に従い続け、ガウス分布への収束は起こらないため、標準的なガウス近似は無効となる。さらに、背景密度 $f_b$ は未知である。従来のアプローチは、ラベル付きの「背景のみ」のサンプルに依存して $f_b$ を推定することが多いが、これらの手法は背景推定に伴う不確実性を十分に考慮できていないことが多く、推論の妥当性を損なう可能性がある。

手法
著者らは、独立同一分布（i.i.d.）データに対して以前に開発された「補償器ベースの推論（compensator-based inference）」の枠組みを、ビン集計されたポアソンデータへと拡張している。この手法の核心は以下の通りである：

1. 直交基底展開と補償器：
   本手法は、背景密度 $g$（真の $f_b$ とは異なる可能性がある）を仮定し、$L^2(G)$ における正規直交基底を構築する。信号モデルは、スコア関数 $S^\dagger$ を介して背景と結び付けられる。未知の背景 $f_b$ はこの基底を用いて展開され、パラメータ $\delta = E_{F_b}[S^\dagger(X)]$ を導入する。このパラメータ $\delta$ は**補償器（compensator）**と呼ばれる。これは、仮定された背景 $g$ と真の背景 $f_b$ との間の乖離を定量化するものである。
   ターゲットとなるパラメータ $\eta$ は、識別可能なパラメータ $\theta$（混合成分の信号方向への投影）との関係式によって以下のように表される：
   $$\eta = \frac{\theta - \delta}{\|S\|_G - \delta}$$
   決定的なことに、ラベル付きの背景のみのサンプルが利用可能であれば、$\delta$ を一貫して推定できるため、複雑な密度 $f_b$ を完全に特定または推定することなく、$\eta$ に関する妥当な推論が可能となる。

2. ラベル付き背景データを用いた推論：
   ラベル付きの背景のみのサンプル $\{m_i\}$ が利用可能な場合、著者らは $\theta$ と $\delta$ の漸近正規推定量 derive する。

   • 固定された仮定背景： $g$ が完全に指定されている場合、検定統計量 $\mathcal{Z}_1$ は漸近的に標準正規分布に従う。
   • パラメトリックな仮定背景： $g$ が未知のパラメータ $\beta$ に依存する場合（$\beta$ は背景サンプルを用いた最尤推定により推定される）、修正された検定統計量 $\mathcal{Z}_2$ が提案される。この統計量は、$\beta$ の推定によって導入される追加の不確実性を考慮に入れている。
     この枠組みは、補償器 $\delta$ が効率的に推定される限り、仮定された背景 $g$ の選択が推論に与える影響は無視できる程度であることを示している。

3. ラベル付き背景データがない場合の推論（バンプ・ハンティング）：
   ラベル付きの背景のみのサンプルが存在しないシナリオでは、$\delta$ は推定不可能である。しかし、「バンプ・ハンティング（局所的な信号を滑らかに減衰する背景上で探索すること）」において一般的な特定の条件下では、$\delta \leq 0$ であることが示せる。

   • 著者らは、$\eta$ の代わりに $\theta_0 = \theta / \|S\|_G$ を検定する保守的な推論戦略を提案する。$\delta \leq 0$ であるため、$\theta_0 \leq \eta$ が成り立つ。したがって、$H_0: \theta_0 = 0$ を棄却することは、信号の検出として妥当ではあるが、保守的なものとなる。
   • $\delta \leq 0$ という条件を保証するために、著者らは「支配項（dominating term）」（ガウス混合モデル）を含む柔軟な仮定背景 $g_\beta$ を用いた感度分析を提案している。信号領域におけるこの支配項が真の背景を上回っていることを視覚的または解析的に検証することで、検定の保守性を正当化できる。

主要な貢献

• ビン集計データへの拡張： 本論文は、補償器ベースの推論を、現代の物理学および天文学における観測の標準形式である、ビン集計されたポアソンデータのレジームへと一般化している。
• モデル誤設定に対する頑健性： 本手法は、仮定された背景モデルが誤設定されている場合でも、これを明示的に扱う。補償器 $\delta$ が仮定された背景と真の背景の不一致を吸収するため、$f_b$ の完全なモデル化を必要とせずに推論の妥当性を確保できる。
• コントロール・サンプルがない場合の保守的推論： ラベル付きの背景データが存在しない場合でも、信号の局在性と背景の滑らかさに関する構造的な仮定に基づき、保守的な検出を行うための厳密な枠組みを提供している。

結果
本手法は、フェルミ・ガンマ線宇宙望遠鏡（Fermi LAT）のシミュレーションデータ（ガンマ線のエネルギースペクトル）を用いたケーススタディを通じて検証されている。

• ラベル付きデータ・シナリオ： 著者らは、$k=30, 50, 100$ のビンを用いて、4種類の異なる仮定背景モデル（一様分布、固定レート指数分布、推定レート指数分布、推定分散ガウス分布）を用いてデータを分析した。結果として、仮定された背景の形状が真の背景と大きく異なっていても、推定された信号強度 $\hat{\eta}$ および結果としての $p$ 値は非常に一貫していること（すべて $10^{-6}$ から $10^{-7}$ の範囲の $p$ 値を示す）が示された。これは、提案された背景の選択に対する補償器アプローチの頑健性を裏付けている。
• ラベルなしデータ・シナリオ： 背景のみのサンプルがない場合、著者らは支配項を持つパラメトリックな背景を用いた保守的な検定を適用した。支配項の重み $\lambda$ を変化させることで、検定が有意な結果（例：$\lambda=0.03$ のとき $p \approx 7.11 \times 10^{-7}$）をもたらすと同時に、妥当性を維持していることを示した。$\lambda$ を大きくすると、検定はより保守的になり（推定強度が低くなり、$p$ 値が高くなる）、感度と保守性の保証とのトレードオフを明確に示している。

意義と主張
本論文は、補償器ベースの推論の適用範囲を、ビン集計されたデータという実用的な設定へと広げるものであると主張している。主な意義は、未知の背景密度 $f_b$ を正確に推定する必要性を回避できる点にある。これは、不確実性を無視するとバイアスを招きやすい、困難なタスクである。
著者らは、このアプローチが「推論の保守性が単一のパラメータ（補償器）によって決定される」という「視点の転換」を提供するものであると強調している。彼らは、補償器が推定可能である（ラベル付きの場合）か、あるいは境界が定められている（ラベルなしの場合）限り、仮定された背景が真の姿から遠く離れていても、本フレームワークは有効であり続けると断言している。結果は、信号検出において、背景モデルの具体的な選択よりも、補償器を適切に扱うことの方が重要であることを示唆しており、本手法が複雑な実験環境における「バンプ・ハンティング」のための頑健なツールであることを示している。