[论文解读] Crucial aspects of the initial mass function (II): The inference of total quantities from partial information on a cluster

M. Cerviño, Carlos Romann-Zuniga+4 more|DIGITAL.CSIC (Spanish National Research Council (CSIC))|Mar 28, 2013

Stellar, planetary, and galactic studies参考文献 16被引用 3

一句话总结

本文提出了一种概率框架，利用初始质量函数（IMF）作为概率密度函数，从部分观测数据中推断星团的总恒星质量（M）和恒星数量（N）。研究表明，M 必须被推断为一个依赖于观测质量下限（m_a）、观测到的恒星数（N_a）以及对星团总恒星数分布的先验假设（Φ_N(N)）的概率分布 Φ_M[M; m_a, N_a, Φ_N(N)]，从而否定了标准校正因子方法的有效性。

ABSTRACT

In a probabilistic framework of the interpretation of the initial mass function (IMF), the IMF cannot be arbitrarily normalized to the total mass, M, or number of stars, N, of the system. Hence, the inference of M and N when partial information about the studied system is available must be revised. (i.e., the contribution to the total quantity cannot be obtained by simple algebraic manipulations of the IMF). We study how to include constraints in the IMF to make inferences about different quantities characterizing stellar systems. It is expected that including any particular piece of information about a system would constrain the range of possible solutions. However, different pieces of information might be irrelevant depending on the quantity to be inferred. In this work we want to characterize the relevance of the priors in the possible inferences. Assuming that the IMF is a probability distribution function, we derive the sampling distributions of M and N of the system constrained to different types of information available. We show that the value of M that would be inferred must be described as a probability distribution Phi[M; m_a, N_a, Phi(N)] that depends on the completeness limit of the data, m_a, the number of stars observed down to this limit, N_a, and the prior hypothesis made on the distribution of the total number of stars in clusters, Phi(N).

研究动机与目标

• 解决在仅获得部分星团数据时，标准 IMF 方法在质量推断方面的局限性。
• 形式化说明关于星团恒星数量（Φ_N(N)）的先验假设如何影响对总质量（M）和恒星数量（N）的推断。
• 证明在概率化 IMF 框架下，对未观测到的恒星使用简单校正因子的方法是无效的。
• 开发一种使用抽样分布和条件概率的自洽推断方法，用于 M 和 N。
• 澄清在小样本或不完整样本中，IMF 作为概率密度函数与作为按数量分布之间的区别。

提出的方法

• 将 IMF 视为恒星质量的概率密度函数（pdf），从而可在推断中应用概率论。
• 推导在观测到质量 ≥ m_a 的恒星且观测到数量为 N_a 的条件下，总质量 M 的抽样分布。
• 将关于星团中总恒星数分布的先验知识 Φ_N(N) 作为推断的关键输入。
• 使用条件概率和贝叶斯推理，将观测数据中的不确定性传播到推断出的总 M 和 N 中。
• 应用中心极限定理，表明当 N → ∞ 时，M 的抽样分布趋近于正态分布。
• 提出一种迭代交叉验证过程，以检验 Φ_N(N) 与推断出的 Φ_M(M) 分布之间的自洽性，尤其适用于大 N_a 的情况。

实验结果

研究问题

• RQ1 当仅观测到部分恒星（质量 m ≥ m_a）时，应如何推断星团的总恒星质量 M？
• RQ2 总星团恒星数的先验分布 Φ_N(N) 在约束推断出的 M 分布中起什么作用？
• RQ3 为何在概率化 IMF 框架下，对未观测到的恒星使用标准校正因子的方法是无效的？
• RQ4 完成度极限 m_a 和观测到的数量 N_a 如何影响对 M 推断的不确定性？
• RQ5 能否通过 Φ_N(N) 与 Φ_M(M) 的迭代验证，实现 M 和 N 的自洽推断？

主要发现

• 星团的总质量 M 不能被推断为单一数值，而必须作为依赖于观测质量下限 m_a、观测到的恒星数 N_a 以及先验分布 Φ_N(N) 的概率分布 Φ_M[M; m_a, N_a, Φ_N(N)] 来描述。
• 在概率化 IMF 框架下，对观测质量应用校正因子以估计总质量的标准方法是无效的，因为它忽略了抽样不确定性以及先验假设。
• 当 N_a 较大时，由于中心极限定理，M 的推断分布近似为正态分布，即使 IMF 不是幂律分布。
• 先验分布 Φ_N(N) 对推断至关重要；若无此先验，M 的不确定性将无法界定且无法量化。
• 该方法不能直接将 Φ_M(M) 作为先验使用，因为这会导致无限卷积问题；相反，应将 Φ_N(N) 作为主要先验，而 Φ_M(M) 作为导出量。
• 自洽推断需要一个迭代过程，通过交叉验证 Φ_N(N) 与 Φ_M(M)，仅当两个分布相互一致时才收敛。