Trilhas / Cosmologia Avançada

Inferência bayesiana · Aula 2

Como propagar a incerteza de calibração?

Marginalizar uma correção aditiva gaussiana e interpretar o efeito na variância.

Minhas anotações

Modele uma leitura como y=θ+b+ey=\theta+b+e, em que ee é o erro estatístico gaussiano e bb é o deslocamento de calibração. O dado condiciona a soma. Para inferir θ\theta, integre a densidade conjunta sobre todos os valores de bb ponderados pela sua distribuição de calibração.

p(y∣θ)=∫p(y∣θ,b)p(b) db,Var(y∣θ)=se2+sb2.p(y\mid\theta)=\int p(y\mid\theta,b)p(b)\,db,\qquad \mathrm{Var}(y\mid\theta)=s_e^2+s_b^2.

Exemplo resolvido

Para se=3s_e=3 e sb=4s_b=4, uma leitura tem desvio marginal 5. Se quatro leituras partilham o mesmo bb e têm erros estatísticos independentes, o desvio da média é 32/4+42≃4,27\sqrt{3^2/4+4^2}\simeq4{,}27. Repetir a leitura reduz a componente estatística. A correlação criada pela calibração comum mantém sua contribuição no valor médio.

Explore a relação

Leia o gráfico

Desvio marginal (mesmas unidades) em função de Desvio de calibração (unidades da medida). Um único dado com desvio estatístico de 3 e um termo aditivo de calibração independente.Desvio marginal (mesmas unidades)345670123456Desvio de calibração (unidades da medida)
Um único dado com desvio estatístico de 3 e um termo aditivo de calibração independente.
Valores em tabela

Verifique sua compreensão

Exercício

Em uma medida única, σ estatístico = 3 e σ de calibração = 4, gaussianos independentes nas mesmas unidades. Qual é o desvio marginal?

Para guardar

Uma calibração comum propaga incerteza correlacionada e exige marginalização conjunta.

Referência

Sanjib Sharma, Markov Chain Monte Carlo Methods for Bayesian Data Analysis in Astronomy ↗

Estudo de caso do NEXO · sensibilidade de um ajuste à seleção de redshift ↗