[論文レビュー] Selection Functions in Astronomical Data Modeling, with the Space Density of White Dwarfs as a Worked Example

Hans-Walter Rix, David W. Hogg+7 more|arXiv (Cornell University)|May 10, 2021

Stellar, planetary, and galactic studies参考文献 39被引用数 1

ひとこと要約

本稿では、白色矮星（WD）の空間密度を事例として、天文学的データモデリングにおける選択関数の構築のための包括的なフレームワークを提示する。ガイヤEDR3サンプルと、WDの光度-色関数 Φ₀(M_G, (B−R)) のパラメトリックモデルを組み合わせることで、観測バイアスを補正する選択関数の役割を示し、生のサンプル分布とは比較して、密度が数個のオーダー違いで、ピークが4等級分ずれている光度-色関数が明らかになる。

ABSTRACT

Statistical studies of cataloged object properties are central to astrophysics. But one cannot model those objects’ population properties without the sample’s selection function, the quantitative understanding of which objects could have ended up in such a catalog. As didactic introductions to this topic are scarce in the astrophysical literature, we provide one here, addressing the following questions: What is a selection function? On what arguments q should it depend? Over what domain must a selection function be defined? What simplifying approximations can be made? And, how is a selection function used in “modeling”? We argue that volume-complete samples, limited by the faintest objects, reflect a highly suboptimal selection function, needlessly reducing the number of bright and usually rare sample members. We illustrate these points by a worked example: github.com/gaia-unlimited/WD-selection-function, deriving the space density of white dwarfs (WDs) in the Galactic neighborhood as a function of their luminosity and color, Φ0(M G , (B − R)) in [mag−2 pc−3]. We construct a sample  of 105 presumed WDs through straightforward selection cuts on the Gaia EDR3 catalog in magnitude, color, and parallax, q = (G, (B − R), ϖ). We then combine a simple model for Φ0 with this selection function’s S(q) effective survey volume to estimate Φ0(M G , (B − R)) precisely and robustly against the detailed choices for S(q) . This resulting WD luminosity–color function Φ0(M G , (B − R)) differs dramatically from the initial number density distribution in the luminosity−color plane: by orders of magnitude in density and by four magnitudes in density peak location.

研究の動機と目的

• 天文学的文献において選択関数についての教育的導入が不足していることに対処すること。
• 観測カタログデータから正確な集団モデルに変換する際の選択関数の役割を明確にすること。
• 選択関数が星の集団の不偏空間密度を導出する上で果たす重要な影響を実証すること。
• ガイヤデータを用いた選択関数の構築に向け、再現可能でオープンソースのワークフローを提供すること。
• 選択効果を無視すると、体積制限サンプルにおいてまれで明るい白色矮星が著しく低減されることを示すこと。

提案手法

• パラメータ空間 q = (G, (B−R), ϖ)（明るさ、色、視差）における有効な調査体積として、選択関数 S_C(q) を定義する。
• ガイヤEDR3データの G 等級、(B−R) 色、視差に対して単純なカットを施し、約10⁵個の白色矮星候補 C サンプルを構築する。
• 観測データに S_C(q) を組み込みつつ、パラメトリック関数を用いて内在する空間密度 Φ₀(M_G, (B−R)) をモデル化する。
• 選択関数の逆数を用いて観測サンプルに重み付けを行い、光度および色にわたる Φ₀ の堅牢な推定を可能にする。
• 選択関数補正を適用することで、詳細な調査幾何形状に敏感でない真の集団分布を回復する。
• 再現可能性およびコミュニティ利用を目的として、github.com/gaia-unlimited/WD-selection-function にオープンソース実装を活用する。

実験結果

リサーチクエスチョン

• RQ1 選択関数とは何か？ そして、観測カタログから天体集団をモデリングする際に、なぜ不可欠なのか？
• RQ2 特定の調査に対して、選択関数はどの定義域およびどのパラメータ q に対して定義されるべきか？
• RQ3 集団モデリングの正確性を損なわずに、選択関数における簡略化された近似をどのように行えるか？
• RQ4 選択効果は、ガイヤEDR3における白色矮星の光度-色分布にどの程度バイアスをもたらすか？
• RQ5 真の空間密度 Φ₀(M_G, (B−R)) は、光度-色平面における生の数密度とはどの程度異なるか？

主な発見

• 光度-色平面における観測された数密度分布は、特に明るさが薄暗くなる領域での切断によって著しくバイアスを受ける。
• 最も暗い検出可能な対象で制限された体積完全サンプルは、明るくまれな白色矮星を多く除外しており、結果としてサンプリングが最適でない。
• 選択関数を用いて導出された真の空間密度 Φ₀(M_G, (B−R)) は、生のサンプルと比較して M_G で4等級分ピークがずれている。
• 補正後の空間密度は、生の分布と比較して振幅が数個のオーダー違いであり、選択関数補正がなければ根本的に誤った表現がなされていることを示している。
• 本手法により、選択関数 S_C(q) の詳細な選択に敏感でない、精度の高い Φ₀(M_G, (B−R)) の推定が可能になる。
• github.com/gaia-unlimited/WD-selection-function に公開されたオープンソース実装は、他の星の集団に関する類似研究のための再利用可能なフレームワークを提供する。