.png){kind=icon}
返回
Analytic marginalization over binary variables in physics data
.png){kind=icon}
OA
AI
DOI：10.1093/mnras/stag791.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在许多数据分析中，每个测量值可能附带一个简单的“是/否”修正——例如，属于两种群体之一或是否被污染。忽略这种二元效应可能导致结果产生偏差，而显式考虑它们很快会变得不可行，因为每个数据点引入一个额外参数，导致可能配置数量呈指数增长（2^N）。我们证明，在一般条件下，对这类二元修正的精确处理会导致与统计物理学中著名的伊辛模型（Ising model）相同的数学形式。这一联系为我们打开了一组为伊辛模型开发的强大工具，能够实现快速且准确的似然计算。我们提出了具有最小计算成本的效率近似方案，并在应用中展示了其有效性，包括Ia型超新星校准，其中我们表明宿主星系质量分类的不确定性对推断的哈勃常数的影响可忽略不计。
Keyword:
Binary variables
Ising model
Likelihood calculation
Data analysis
Statistical physics
期刊
IF:
4.8
论文数:
7.1W
被引数:
25.0W
机构
引用论文
暂无论文信息