算符和系数反向变换
两个响应函数分别是常数和无量纲能量变量的一次项。缩放因子始终为正,变换随时可以反解。
换一套算符基底,物理预测就能变得更精确吗? 换算符基底时,系数和协方差一起变换,预测及其不确定度就保持不变。若在新坐标里沿用旧协方差,等于改了对误差的假设;约束看似更紧,数据提供的信息却没有增加。
拖动坐标网,看同一批高斯分位点和概率轮廓一起变形。观测量的误差带保持原样。故意沿用旧协方差,就能看见一条看似更紧的约束是怎样出现的。
金色坐标网携带同一批高斯分位点,共四百三十二个,概率权重固定;青色轮廓标出原坐标。视野随分布宽度调整,青色方向跟着同一个观测量变换。
分布在原坐标中给定。变换后的算符、系数和协方差共同描述同一个分布。
模型含两个独立的多项式响应,并给定高斯系数分布。最内轮廓取单位 Mahalanobis 半径,包含二维高斯分布的百分之三十九点三;外层半径为一点五、二、二点五和三。坐标表示相对于各自变换后均值的偏移;预测带取一个标准差。基底变换始终可逆,删去算符或换先验会改变推断问题。
响应分别是常数和无量纲变量的一次幂。参考系数为零点八和零点四五,标准差分别为零点一二和零点一五,协方差为负零点零零九。最内轮廓的 Mahalanobis 半径为一,包含高斯分布的百分之三十九点三;外层半径依次为一点五、二、二点五和三,分别包含百分之六十七点五、八十六点五、九十五点六和九十八点九。外部误差带显示每个标量预测的一个标准差。
每个点都是确定性的高斯分位点,概率权重相同且固定,颜色只标记 Mahalanobis 半径,不表示数值密度。分位点与坐标网接受同一个可逆系数变换,中心取变换后的均值。视野随竖直分布宽度调整,始终容纳显示的全部轮廓与节点;相机尺度只是绘图选择。这些点与重媒介页面保存的带噪振幅观测各自独立。
珊瑚色带故意在新坐标中沿用原协方差。带宽改变是因为分布变了,坐标变换本身没有增加数据。利用场方程消去冗余算符属于进一步的 EFT 操作,不在这个双独立算符例子的范围内。
背景拖动坐标网,看同一批高斯分位点和概率轮廓一起变形。观测量的误差带保持原样。故意沿用旧协方差,就能看见一条看似更紧的约束是怎样出现的。
为什么值得理解两位作者给出的系数范围差别很大,预测的实验结果却可能完全一样。
两个响应函数分别是常数和无量纲能量变量的一次项。缩放因子始终为正,变换随时可以反解。
椭圆的窄方向和宽方向要一起移动。算符换了却沿用旧协方差,就给出了另一个分布,预测带也会随之改变。
容易误解看上去最窄的椭圆包含的信息最多。
正确理解缩放坐标就能把系数范围画小。比较信息量之前,先通过算符响应把协方差传到观测量上。
容易误解分别变换两个标准差就够了。
正确理解协方差的非对角项决定椭圆的倾斜。漏掉它,两个系数组合出来的预测误差就会改变。
上下移动金色网格手柄,再拖动蓝色手柄,比较变形的坐标网与下方观测量。
你会看到: 轮廓与概率权重固定的分位点一起移动,正确变换后的预测带保持原样。选择“看似收紧的误差带”,在几个预测位置比较珊瑚色带和青色带。
你会看到: 珊瑚色计算把旧协方差塞进新基底;看似提高的精度来自假设的改变。选择“原始基底”,再换回另一个预设,导出系数分布。
你会看到: 每一种可逆基底都给出同一个物理均值和方差。当前页面算符基底与伪约束
规范场与有效理论 · 阅读路径
这条阅读路径里用到本实验的文章,后面跟着它们推荐的其他实验。