포아송 통계의 베이지안 신뢰구간 구축

초록

본 논문은 신호와 배경을 동시에 포함하는 포아송 관측값에 대해, 시스템atics를 고려하거나 고려하지 않을 경우의 베이지안 신뢰구간(credible interval) 계산 방법을 제시한다. 배경 이벤트가 관측된 총 사건 수보다 클 수 없다는 조건부 확률을 도입해 구간을 정의하고, 이를 구현한 Fortran 프로그램 BPOCI를 제공한다.

상세 분석

이 연구는 고에너지 물리·천문학 등에서 흔히 마주치는 포아송 분포를 따르는 사건 수 데이터에 대한 통계적 추정 문제를 베이지안 관점에서 재조명한다. 전통적인 빈도주의적 신뢰구간은 관측값이 0에 가까울 때 비대칭적이거나, 배경이 큰 경우 물리적으로 의미 없는 음의 신호 추정치를 초래한다는 한계를 가진다. 저자는 이러한 문제를 해결하기 위해 사전 확률(prior)을 신호 강도 s와 배경 강도 b에 대해 각각 비음수 영역에 제한하는 형태로 설정하고, 관측된 총 사건 수 n이 배경보다 작을 경우를 배제하는 조건부 확률 P(n|s,b, n≥b) 을 도입한다. 이는 “배경이 관측된 사건보다 클 수 없다”는 물리적 제약을 직접 반영함으로써, 사후 확률(posterior) π(s|n) 이 정상적인 형태를 유지하도록 만든다.

조건부 확률을 적용하면 사후 분포는
π(s|n) ∝ ∫₀ⁿ L(n|s,b) π(s)π(b) db
와 같이 배경 파라미터 b 에 대해 0부터 n 까지 적분하게 된다. 여기서 L 은 포아송 가능도이며, 배경와 신호가 독립적인 경우 L(n|s,b)=e^{-(s+b)}(s+b)^{n}/n! 이다. 배경에 대한 사전 분포는 일반적으로 가우시안(평균 b₀, 표준편차 σ_b) 혹은 로그정규 형태를 취해 시스템atics를 반영한다. 시스템atics를 포함하면 적분 차원이 하나 늘어나지만, 수치적 적분(예: 가우스-레전드루)이나 마르코프 체인 몬테카를로(MCMC) 방법을 통해 정확히 계산할 수 있다.

구간 자체는 사후 누적분포(CDF) F(s) 를 이용해, 원하는 신뢰수준 1−α 에 대해
F(s_low)=α/2, F(s_up)=1−α/2
를 만족하도록 정의한다. 비대칭 구간이 자연스럽게 도출되며, 특히 관측값이 0이거나 배경이 큰 경우에도 s_low이 0으로 고정되는 물리적으로 타당한 결과를 제공한다.

또한 저자는 베이지안 구간과 전통적인 클러스터링(클래식) 신뢰구간 사이의 차이를 수치 실험을 통해 비교한다. 신호가 약하고 배경 불확실성이 큰 상황에서 베이지안 구간은 과도한 보수성을 보이면서도 과소평가를 방지한다는 점을 강조한다.

마지막으로, 이러한 계산을 자동화한 Fortran 프로그램 BPOCI를 공개한다. 입력으로 관측된 사건 수 n, 예상 배경 b₀, 배경 불확실성 σ_b, 신뢰수준 α 등을 받으며, 옵션으로 사전 분포 형태와 시스템atics 모델을 선택할 수 있다. 출력은 s_low, s_up, 그리고 사후 평균·분산 등 부가 정보를 제공한다. BPOCI는 기존의 ROOT 기반 도구와 비교해 독립적인 실행 파일 형태로 배포돼, 다양한 실험 환경에 손쉽게 통합될 수 있다.

이와 같이 논문은 베이지안 프레임워크를 포아송 통계에 적용함으로써, 물리적 제약을 명시적으로 반영하고, 시스템atics를 자연스럽게 포함하는 신뢰구간 구축 방법을 제시한다. 이는 특히 희귀 사건 탐색, 신호-배경 분리 어려운 실험에서 통계적 해석의 신뢰성을 크게 향상시킬 것으로 기대된다.