[论文解读] 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 1

一句话总结

本文提出了一套全面的框架，用于构建天文学数据建模中的选择函数，以白矮星（WDs）的空间密度为例。通过结合盖亚 EDR3 样本与白矮星光度-颜色函数 Φ₀(M_G, (B−R)) 的参数化模型，展示了选择函数如何校正观测偏差，揭示出与原始样本分布相比，其空间密度差异达数个数量级，且峰值在 M_G 上偏移了四个星等。

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.

研究动机与目标

• 为天体物理学文献中选择函数缺乏教学性介绍提供补充。
• 阐明选择函数在将观测星表数据转化为准确的群体模型中的作用。
• 展示选择函数在推导恒星群体真实空间密度时的关键影响。
• 提供一种可复现的、开源的工作流程，用于使用盖亚数据构建选择函数。
• 展示忽略选择效应会导致在体积受限样本中严重低估稀有、明亮的白矮星。

提出的方法

• 将选择函数 S_C(q) 定义为参数空间 q = (G, (B−R), ϖ) 上的有效观测体积，其中 G 代表星等，(B−R) 代表颜色，ϖ 代表视差。
• 通过在盖亚 EDR3 数据中对 G 星等、(B−R) 颜色和视差施加简单筛选条件，构建一个约 10⁵ 个候选白矮星的样本 C。
• 使用参数化函数对内在空间密度 Φ₀(M_G, (B−R)) 进行建模，该函数在考虑 S_C(q) 的前提下拟合观测数据。
• 利用选择函数的逆函数对观测样本进行加权，从而在光度和颜色范围内实现对 Φ₀ 的稳健估计。
• 应用选择函数校正，以恢复真实群体分布，同时最小化对详细观测几何结构的敏感性。
• 利用 github.com/gaia-unlimited/WD-selection-function 处的开源实现，确保可复现性并支持社区使用。

实验结果

研究问题

• RQ1 什么是选择函数，为何它在从观测星表建模天体群体时至关重要？
• RQ2 针对给定的巡天，选择函数应在何种参数域 q 上定义，其参数包括哪些？
• RQ3 如何在不损害群体建模准确性的前提下，对选择函数中的简化近似进行处理？
• RQ4 选择效应在多大程度上导致了盖亚 EDR3 中白矮星光度-颜色分布的偏差？
• RQ5 真实空间密度 Φ₀(M_G, (B−R)) 与光度-颜色平面上的原始数量密度有何不同？

主要发现

• 光度-颜色平面上的观测数量密度分布因选择效应而严重偏差，特别是由于在暗星等处的截断。
• 以最暗可探测天体为限的体积完整样本，会排除大量明亮且稀有的白矮星，导致采样不充分。
• 使用选择函数推导出的真实空间密度 Φ₀(M_G, (B−R)) 的峰值相比原始样本在 M_G 上偏移了四个星等。
• 经校正后的空间密度与原始分布相比，在幅度上相差数个数量级，表明若无选择函数校正，将导致根本性的误报。
• 该方法能够实现对 Φ₀(M_G, (B−R)) 的精确且稳健的估计，且对选择函数 S_C(q) 的具体选择不敏感。
• github.com/gaia-unlimited/WD-selection-function 处的开源实现为其他恒星群体的类似研究提供了可重用的框架。