[논문 리뷰] Measuring Hubble constant like a frequentist and bayesianist

Jiaxin Wang, Xinhe Meng|arXiv (Cornell University)|2015. 02. 10.

Cosmology and Gravitation Theories인용 수 1

한 줄 요약

이 논문은 카이제곱 최소화 피팅의 잔차를 분석하여 천체물리학 데이터에서 미세한, 천체론적으로 유도된 시스템적 오차를 탐지하는 새로운 방법을 제안한다. JLA 초신성 및 우주 시계 데이터셋에 적용한 결과, 표준 천체론 모형 하에서 잔차의 미세한 그러나 측정 가능한 변화가 드러나며, 이는 이전에 발견되지 않은 시스템적 편향이 존재할 수 있음을 시사한다. 이러한 편향은 고정밀도 독립적 데이터셋을 통해 드러날 수 있다.

ABSTRACT

Tiny systematic uncertainty caused by cosmological hypotheses is hard to be detected, not only because the present observational errors are relatively large but also because hypothesis-induced uncertainty is indistinguishable from other sources of systematic errors. We introduce an efficient and sensitive method for detecting tiny systematic errors, which contain the cosmological-hypothesis-induced uncertainty and other secondary systematic errors, hidden behind residuals of chi-square analysis. In this paper, we apply our analysis to JLA compilation of SN Ia observations and latest cosmic chronometer data-set. We find slight but noticeable evolutional feature in residuals of chi-square analysis under present systematic uncertainty control, when combining JLA samples with standard cosmological model. Meanwhile, cosmic chronometer observation has no noticeable similar feature with various cosmological models, which may be covered up by relatively large observational uncertainties. Our method can be useful when various independent observational samples with high observational precision are available, since the cosmological hypothesis-induced error appears unbiasedly in all related data-sets.

연구 동기 및 목표

• 더 큰 관측 불확실성에 의해 가려져 있는, 천체론적으로 기인한 미세한 시스템적 오차를 탐지하기 위해.
• 천체론적 파rameter 추정에서 가설 기반 오차에 민감한 방법을 개발하기 위해.
• 이러한 숨겨진 시스템적 오차가 독립적인 데이터셋 간의 허블 상수 측정 일관성에 영향을 주는지 평가하기 위해.
• 다른 오차 원인에서 천체론적 가설 관련 편향을 분리함으로써 더 견고한 허블 상수 추정을 가능하게 하기 위해.

제안 방법

• 천체론적 모형 가정과 관련된 시스템적 오차를 분리하기 위해 카이제곱 최소화의 잔차를 분석하는 방법을 사용한다.
• 다양한 데이터셋 간의 잔차 패턴을 분석하여 천체론적 가정 기반 오차와 다른 보조적 시스템적 오차를 구별한다.
• 잔차 행동을 다양한 천체론적 모형 하에서 분석하기 위해 JLA Ia 초신성 샘플과 최신 우주 시계 데이터를 시험 사례로 사용한다.
• 잔차에 나타나는 미세한 비랜덤 특징을 탐지하기 위해 통계적 민감도 분석을 적용한다.
• 여러 고정밀도 독립적 데이터셋이 가용할 경우 특히 효율적이고 민감한 방법으로 설계되어 있다.
• 천체론적 가정 기반 오차가 관련 데이터셋 전반에 균일하게 분포한다고 가정하여, 교차 데이터셋 잔차 비교를 통한 탐지가 가능하다.

실험 결과

연구 질문

• RQ1 현재 관측 데이터에서 천체론적 모형 가정에 의해 유도된 미세한 시스템적 오차를 탐지할 수 있는가?
• RQ2 천체론적 가정을 변화시킬 때 카이제곱 피팅의 잔차가 숨겨진 시스템적 편향을 드러내는가?
• RQ3 표준 천체론 모형 하에서 JLA 초신성 데이터의 잔차 패턴은 우주 시계 데이터의 잔차 패턴과 어떻게 비교되는가?
• RQ4 관측 불확실성이 현재 데이터셋에서 천체론적으로 기인한 시스템적 오차를 어느 정도 가리고 있는가?
• RQ5 이 방법을 통해 모형에 의존하는 시스템적 효과를 분리함으로써 허블 상수 측정의 정밀도를 향상시킬 수 있는가?

주요 결과

• JLA 초신성 데이터를 표준 천체론 모형과 조합할 때 잔차의 약간의 그러나 뚜렷한 변화가 관측되어 숨겨진 시스템적 오차의 존재를 시사한다.
• 잔차의 변화 특징은 여러 천체론 모형에서 일관되게 나타나며, 이는 모형 선택의 산물이 아니라 진정한 가설 기반 불확실성의 신호임을 시사한다.
• 우주 시계 데이터는 유사한 잔차 특징을 보이지 않으며, 이는 더 큰 관측 불확실성이 신호를 가리기 때문일 것이다.
• 교차 데이터셋 잔차 패턴 분석을 통해 천체론적 가정 기반 오차를 다른 시스템적 원인에서 성공적으로 분리할 수 있었다.
• 여러 고정밀도 독립적 데이터셋이 가용할 경우 이 방법이 가장 효과적이며, 시스템적 편향이 이들 사이에서 일관되게 나타나기 때문이다.
• 결과적으로 현재의 허블 상수 추정치가 기초 천체론적 가정과 연결된 검출되지 않은 시스템적 오차의 영향을 받을 수 있음을 시사한다.