シグマ解析

ギリシャ文字 $\sigma$ はこの参考資料においてまったく異なる二つの役割で現れ、それらを混同することは真の危険である。マスター公式において $\sigma(E)$ は散乱断面積であり、面積の単位をもつ物理的な結合強度である。検証の各章において $\sigma$ は標準偏差であり、広がりの統計的尺度である。本章では両方の意味を意図的に、並べて扱い、曖昧さが一切残らないよう記法上の慣例を明示する。

異なる二つの量、一つの記号

記法の重なりは慣例から避けがたく受け継がれたものである:物理学は断面積に $\sigma$ を用い、統計学は標準偏差に $\sigma$ を用いる。いずれの伝統も深く根づきすぎていて放棄できない。この参考資料における慣例は以下のとおりである。$\sigma$ が明示的なエネルギー引数とともに $\sigma(E)$ と書かれて現れるとき、それは常に断面積を意味する。$\sigma$ が、計算された出力分布または信頼度の言明の文脈で引数なしに現れるとき、それは標準偏差を意味する。二つが混同されうる箇所では、意図された意味を言葉で述べる。この規則を念頭に置けば、二つの役割を別々に検討できる。

断面積としてのシグマ:σ(E)

散乱断面積 $\sigma(E)$ [m²] は、入射場が変換器物質にエネルギーの関数としてどれほど強く結合するかを測る。それはマスター公式に被積分関数の因子の一つとして入る、

$$P(t) = \iint \Phi(E,\theta,t)\,\sigma(E)\,\Delta p\,v_{\text{ph}}\,\eta_{\text{conv}}\;dE\,d\theta ,$$

そのエネルギー依存性は決定的である。なぜなら、マルチチャネルエネルギーフラックスで論じられるとおり、出力は $\sigma(E)$ とフラックス $\Phi$ の重なりによって支配されるからである。次元的な読みは立ち止まる価値がある:断面積は実効面積、すなわちエネルギー $E$ の入射量子に対して物質が呈する名目上の標的サイズである。それは確率でも率でもなく、フラックスを掛けられたときにのみそれらの意味を獲得する。被積分関数がまさに行うのがそれである。$\sigma(E)$ の解析はその形状を中心とする。広く平坦な断面積は、スペクトルの広い範囲に結合するが、どの単一エネルギーでも弱い。鋭くピークをもつもの——共鳴——は、強く結合するが狭い帯域でのみである。共鳴の有用な例示的戯画はローレンツ型のプロファイルである、

$$\sigma(E) \;\propto\; \frac{(\Gamma/2)^2}{(E-E_0)^2 + (\Gamma/2)^2} ,$$

$E_0$ を中心とし幅 $\Gamma$ をもつ:$\Gamma \to 0$ につれてピークは高く狭くなり、強力に結合するが $E_0$ の髪の毛一本ほどの幅のうちのフラックスにのみ結合する。広い $\sigma(E)$ と ピークをもつ $\sigma(E)$ のどちらがより多くの出力を生むかは、環境フラックスがピークに対してどこに位置するかに完全に依存する。だからこそ $\sigma(E)$ をフラックスと併せて特徴づけることが変換器を工学設計する核心なのである。工学的解釈を参照。鋭くピークをもつ $\sigma(E)$ は数値的な帰結ももつ:$\Gamma$ が狭いほど、求積誤差を避けるために共鳴の近傍で必要となる標本抽出は細かくなる。数値シミュレーションで述べるとおりである。

標準偏差としてのシグマ:σ

検証の文脈において $\sigma$ は、計算された出力分布の標準偏差を表す——まったく異なる単位をもつまったく異なる対象、すなわち面積のそれではなく $P(t)$ 自身の単位をもつ。モンテカルロ検証で述べるとおり、マスター公式が不確かな入力をもつモンテカルロで評価されるとき、結果は単一の数ではなく $P(t)$ の値の集団である。その集団の平均 $\mu$ は期待される出力を推定し、その標準偏差

$$\sigma = \sqrt{\;\frac{1}{N-1}\sum_{k=1}^{N}\big(P_k - \mu\big)^2\;}$$

は広がりを定量化する。結果を平均プラスマイナス1 $\sigma$ として報告することは、統計的信頼度の言明である:通常のガウス的な直観のもとでは、分布のおよそ三分の二が平均から1 $\sigma$ 以内に、約九十五パーセントが2 $\sigma$ 以内に位置する。その直観には二つの注意が付随する。第一に、分布の標準偏差 $\sigma$ は、平均の標準誤差 $\sigma/\sqrt{N}$ と混同してはならない:前者は出力がどれほど不確かかを記述し、後者はシミュレーションが自身の平均をどれほどよく突き止めたかを記述する。第二に、出力分布が歪んでいるとき——正の因子の積はそうなる傾向がある——ガウス的な三分の二／九十五パーセントの規則は近似にすぎず、報告される区間はパーセンタイルに錨を下ろす方がよい。したがって十分に行われた検証は、平均出力とその $\sigma$ の双方を、理想的にはその信頼区間をも報告し、読者が予測がどれほど緊密に制約されているかを判断できるようにする。

信頼度と「有意性」の意味

$\sigma$ の標準偏差としての読みは、統計的有意性の言語を支える。自身の $\sigma$ に比べて大きい予測された効果はよく定まっている。自身の $\sigma$ と同程度またはそれより小さい効果はそうではなく、ゼロを含みうる範囲と整合すると報告されるべきである。この規律は、枠組みのいかなる提案された応用にとっても特に重要である:主張された出力が入力分布の定める不確かさの床より数 $\sigma$ 上にないなら、枠組み自身が慎重さを指示する。なぜなら、モデルは主張された効果を仮定の中のノイズから区別できないからである。

ここで本章全体で最も重要な明確化を率直に述べねばならない。モデル検証から現れる統計的な $\sigma$ は、実験的な発見有意性ではない。実験物理学において「ファイブシグマ」の結果は、観測が実データの統計的ゆらぎから期待される背景より標準偏差五つ分上に立つことを意味する——発見を主張するための閾値である。ここで計算される $\sigma$ はそのような類のものではまったくない:それは、モデル自身の入力が、いったん仮定されれば、モデル自身の出力をどれほど緊密に制約するかを測る。モデルは、まったく検証されていない物理的仮定に全面的に拠りながら、きわめて小さい $\sigma$——きわめて「自信のある」予測——を報告しうる。その自信は仮定の算術に対する自信であって、仮定が真であるという証拠ではない。したがって緊密な統計的 $\sigma$ は内的整合性の言明であり、物理を確立するであろう実験的測定の代わりには決してならない。二つを混同すれば、自己整合的なモデルが確認された発見を装うことになり、それはまさに枠組みが防ぐために築かれた誤りである。

実践において二つを区別し続ける

実践的な規則は、実際の誤りを防ぐので繰り返し述べる価値がある。結合強度、エネルギー依存性、または面積に言及する文は、断面積としての $\sigma(E)$ を語っている。広がり、信頼度、誤差棒、または出力分布の幅に言及する文は、標準偏差としての $\sigma$ を語っている。二つはマスター公式の同じ枠に決して現れない。一方は面積の単位をもち、他方は出力の統計的要約である。そして両者が同じことを意味することは決してない。構造の各章と検証の各章の間を行き来する読者は、この区別を携えるべきである。記法リファレンスのコンパクトな用語集が両方の用法を記録しており、断面積の物理的定義は変数の定義に定められている。

参考文献

• Cowan, G. (1998). Statistical Data Analysis. Oxford University Press — 標準偏差、信頼区間、統計的有意性の正しい意味に関する標準的な参考文献。
• Sakurai, J. J., & Napolitano, J. (2020). Modern Quantum Mechanics (3rd ed.). Cambridge University Press — 散乱断面積および共鳴(ブライト–ウィグナー／ローレンツ)プロファイルの定義と物理的解釈について。
• Particle Data Group, Workman, R. L., et al. (2022). “Review of Particle Physics.” Progress of Theoretical and Experimental Physics, 2022, 083C01 — 断面積の慣例、および実験における発見有意性の閾値について。