---
title: "用随机星表数星系对"
description: "定义相关函数，用真实星系对和随机点对搭出 Landy-Szalay 估计量，再靠轮流去掉一块天区估计误差。"
canonical_url: "https://sandboxphysics.com/zh/stories/baryon-acoustic-oscillations/counting-galaxy-pairs-with-randoms/"
language: "zh-CN"
page_type: "story"
alternate_languages:
  en: "https://sandboxphysics.com/stories/baryon-acoustic-oscillations/counting-galaxy-pairs-with-randoms/"
last_modified: "2026-11-14"
---

[重子声学振荡](https://sandboxphysics.com/zh/stories/baryon-acoustic-oscillations/)

# 用随机星表数星系对

Sandbox Physics · 2026-11-14

BAO 鼓包藏在两点相关函数 $\xi(r)$ 里，也就是间距为 $r$ 的星系对比随机分布多出来的比例。巡天没法在纸上算随机配对数，因为它覆盖的天区和深度都不均匀。办法是造一份足迹和选择效应都相同的随机星表，分别数出星系与星系、星系与随机点、随机点与随机点的配对，再用 Landy-Szalay 估计量 $(DD - 2DR + RR)/RR$ 组合起来。误差则靠每次去掉巡天的一块、重复测量来估计。本章逐步搭起这些环节，并说明漏掉其中一步会出什么错。

本章接在[声视界一章](https://sandboxphysics.com/zh/stories/baryon-acoustic-oscillations/how-far-sound-travelled-before-the-drag-epoch/)之后，那里讲了鼓包从哪里来。

## 相关函数测的是什么

设星系的平均数密度为 $\bar n$。在小体积 $dV_1$ 里找到一个星系、同时在相距 $r$ 的 $dV_2$ 里找到另一个的概率为

$$
dP = \bar n^2\,\bigl[1 + \xi(r)\bigr]\,dV_1\,dV_2 .
$$

星系随机散布时 $\xi = 0$；$\xi$ 为正，说明配对比随机多。在均匀各向同性的宇宙里，$\xi$ 只依赖距离 $r$，与位置和方向无关。红移空间效应会打破方向上的对称，[下一章](https://sandboxphysics.com/zh/stories/baryon-acoustic-oscillations/along-and-across-the-line-of-sight/)正是利用这一点。

在每个星系周围取半径 $r$、厚度 $\Delta r$ 的薄壳积分，体积 $V$ 里 $N$ 个星系的不同配对数期望为

$$
N_{\mathrm{pairs}}(r) \approx \frac{N(N-1)}{2}\,\frac{4\pi r^2\,\Delta r}{V}\,\bigl[1 + \xi(r)\bigr] .
$$

例题。实验的默认星表在边长 $900\,\mathrm{Mpc}$ 的盒子里有 $N = 6645$ 个星系。$145$ 到 $150\,\mathrm{Mpc}$ 的薄壳体积为 $1.37\times10^6\,\mathrm{Mpc^3}$，占盒子的 $1.88\times10^{-3}$。总共 $2.21\times10^7$ 对不同配对，若 $\xi = 0$ 且忽略盒子边缘，约有 $41{,}400$ 对落在这层壳里。泊松涨落为 $\sqrt{41{,}400} \approx 203$，即 0.5%。单个间距区间里千分之几的鼓包会淹没在这样的噪声里，所以巡天需要大量星系，并在拟合中合并许多区间。

## 为什么需要随机星表

上面的公式假设盒子被均匀覆盖。真实巡天有边界，有亮星周围挖掉的洞，有观测完整度高低不一的区域，数密度还随红移变化。这些因素都会改变某个间距上的配对数，跟成团毫无关系。

解决办法是撒一批随机点，让它们的足迹、掩膜和红移分布与星系完全相同，但不成团。随机点之间的配对只反映几何形状。DESI 每次数据发布都附带随机星表，其中的权重列编码了与数据相同的选择效应。[方法指南](https://sandboxphysics.com/zh/stories/baryon-acoustic-oscillations/measure-a-desi-patch-correlation-function/)用的那块天区里，一个 DESI 随机文件就有 $1{,}043{,}189$ 个点，约为星系数的 66 倍。

## 搭出估计量

记 $DD(r)$、$DR(r)$、$RR(r)$ 为某个间距区间里的配对数，各自除以总配对数：不同配对分别是 $N_D(N_D-1)/2$、$N_D N_R$ 和 $N_R(N_R-1)/2$。最简单的估计是直接比较星系配对和随机配对：

$$
\hat\xi_{\mathrm{natural}} = \frac{DD}{RR} - 1 .
$$

Landy 和 Szalay 提出的组合对巡天边缘更不敏感，方差也更小：

$$
\hat\xi_{\mathrm{LS}} = \frac{DD - 2\,DR + RR}{RR} .
$$

Eisenstein 等人 2005 年首次探测 BAO 时就用了它，DESI 计算相关函数也用它。

它为什么好用？把巡天边缘附近的数据密度写成 $\bar n\,(1+\delta)$，$\delta$ 既包括真实的成团，也包括真实平均密度与随机星表所隐含密度之间的偏差。到一阶，$DD/RR \approx 1 + \xi + 2\bar\delta$，$DR/RR \approx 1 + \bar\delta$，其中 $\bar\delta$ 是该区间附近 $\delta$ 的平均。自然估计量保留了 $2\bar\delta$ 项；在 Landy-Szalay 组合里它消掉了：$1 + \xi + 2\bar\delta - 2(1 + \bar\delta) + 1 = \xi$。

每个计数都必须归一化，否则估计量会多出一个常数偏移。如果直接用原始计数，且随机点数 $N_R = m\,N_D$，那么按有序配对 $DD : DR : RR \approx 1 : m : m^2$，于是

$$
\hat\xi_{\mathrm{raw}} \approx \frac{1 - 2m + m^2}{m^2} + \frac{\xi}{m^2} = \frac{(m-1)^2}{m^2} + \frac{\xi}{m^2} .
$$

例题。$m = 3$ 时偏移为 $4/9 = 0.444$。在 $s = 95\,h^{-1}\,\mathrm{Mpc}$ 处，这让 $s^2\xi$ 多出约 $0.444 \times 95^2 \approx 4000$。方法指南里“未归一化”的失败情形在这里偏移了 $3945$，略小一些，因为加权求和之比并不恰好是 3。

配对可以带权重。DESI 把一个完整度与系统误差权重乘上 FKP 权重（以 Feldman、Kaiser、Peacock 三人命名），后者给每个星系分配让 BAO 尺度信噪比最大的重要性。这时每对按 $w_i w_j$ 计数，自相关计数的归一化变成 $\bigl(\sum w\bigr)^2 - \sum w^2$，交叉计数变成 $\sum w_D \sum w_R$。

## 为什么图上画的是 s 平方乘 xi

相关函数下降得很陡。在 DESI 数据块里，它从 $5\,h^{-1}\,\mathrm{Mpc}$ 处的 $1.87$ 降到 $100\,h^{-1}\,\mathrm{Mpc}$ 附近的约 $0.005$。直接画，鼓包根本看不见。乘上 $s^2$ 大致把下降的部分拉平，$100\,h^{-1}\,\mathrm{Mpc}$ 附近的特征就突显出来。这里的 $s$ 是用假设的距离与红移关系算出的红移空间间距，只有假设正确时才等于 $r$。

## 用巡天自己估误差

相邻区间共享星系，误差彼此相关。只用数据本身估计完整协方差的标准办法是刀切法：把巡天分成 $N_{\mathrm{jk}}$ 块大小相近的区域，依次去掉第 $k$ 块，重新算出 $\hat\xi_k$。于是

$$
C_{ij} = \frac{N_{\mathrm{jk}} - 1}{N_{\mathrm{jk}}}\sum_{k=1}^{N_{\mathrm{jk}}}\bigl(\hat\xi_{k,i} - \bar\xi_i\bigr)\bigl(\hat\xi_{k,j} - \bar\xi_j\bigr) .
$$

因子 $N_{\mathrm{jk}} - 1$ 是为了补偿各个去一样本几乎完全重叠。

拟合需要协方差的逆。由带噪声的估计求出的逆矩阵会系统偏大。对高斯误差，Hartlap 等人证明乘上 $(N_{\mathrm{jk}} - p - 2)/(N_{\mathrm{jk}} - 1)$（$p$ 为区间数）就能消除这一偏差。30 个区域、10 个区间时，这个因子是 $18/29 = 0.621$。$p$ 接近 $N_{\mathrm{jk}}$ 时，估计就没法用了。实验绕开了这个问题，只用 27 块刀切的对角元，代价是忽略区间之间的相关。DESI 则用解析协方差和模拟星表协方差。

在 DESI 数据块里，拟合范围内相邻区间的相关系数最高到 0.92，有些相隔较远的区间反而负相关，低到 $-0.58$。只有 30 个区域，这些系数本身也有噪声。把区间当成彼此独立来拟合，会误判精度。

## 实验任务

1. 在默认星表里找出横向楔形区达到峰值的区间，把峰高和相邻区间的误差棒比较。
2. 打开“肉眼看不出的峰”预设，读出粗略显著性，并和默认星表比较误差棒。
3. 打开“根本没有声波”预设。还有鼓包吗？拟合伸缩怎样变化？

## 练习

1. 对 $95$ 到 $100\,\mathrm{Mpc}$ 的薄壳重做例题：期望多少随机配对？泊松涨落占多少？
2. 某区间归一化计数为 $DD = 1.012$、$DR = 1.004$、$RR = 1.000$。算出两种估计量，并说明在边缘附近哪个更可信。
3. 一名学生用原始计数，随机点是星系的十倍。$\hat\xi$ 里会出现多大的常数偏移？
4. 分别求 27 个区域配 10 个区间、27 个区域配 25 个区间时的 Hartlap 因子。能得出什么结论？

答案

1. 壳体积 $4\pi \times 97.5^2 \times 5 = 5.97\times10^5\,\mathrm{Mpc^3}$，占盒子的 $8.19\times10^{-4}$。于是 $2.21\times10^7 \times 8.19\times10^{-4} \approx 18{,}100$ 对，涨落 $\sqrt{18{,}100} \approx 134$，即 0.74%。壳越小，配对越少，噪声越大。
2. 自然估计量：$1.012 - 1 = 0.012$。Landy-Szalay：$(1.012 - 2.008 + 1)/1 = 0.004$。星系与随机点的计数高了 0.4%，说明这个区间附近的平均密度和随机星表不一致。Landy-Szalay 消去了这一阶项，所以 $0.004$ 更可信。
3. $m = 10$ 时，偏移为 $(10-1)^2/10^2 = 0.81$。
4. $(27 - 10 - 2)/26 = 0.577$，$(27 - 25 - 2)/26 = 0$。27 个区域配 25 个区间时，逆协方差不含可用信息；要么减少区间，要么增加区域，要么换一种协方差。

资料来源：[Eisenstein 等 2005，首次 BAO 探测中的 Landy-Szalay 估计量](https://arxiv.org/abs/astro-ph/0501171v1)，[DESI 2024 第三篇，第 2 节权重与第 4.1 节两点函数程序](https://arxiv.org/abs/2404.03000v1)。

[打开“肉眼看不出的峰”预设，把误差棒和探测显著性与默认星表比较。](https://sandboxphysics.com/zh/labs/baryon-acoustic-ruler/)

## 来源

1. [Eisenstein 等 2005，首次 BAO 探测中的 Landy-Szalay 估计量](https://arxiv.org/abs/astro-ph/0501171v1)
2. [DESI 2024 第三篇，第 2 节权重与第 4.1 节两点函数程序](https://arxiv.org/abs/2404.03000v1)

## 继续阅读

重子声学振荡 · 阅读路径

### 从一道声波到星系对计数与 DESI 距离

1. [文章 **成对的星系怎样丈量宇宙**](https://sandboxphysics.com/zh/stories/baryon-acoustic-oscillations/how-galaxy-pairs-measure-the-universe/)
2. [文章 **重子拖曳之前声音走了多远**](https://sandboxphysics.com/zh/stories/baryon-acoustic-oscillations/how-far-sound-travelled-before-the-drag-epoch/)
3. [当前页面 **用随机星表数星系对**](https://sandboxphysics.com/zh/stories/baryon-acoustic-oscillations/counting-galaxy-pairs-with-randoms/)
4. [文章 **沿视线和横越视线分别读这把尺**](https://sandboxphysics.com/zh/stories/baryon-acoustic-oscillations/along-and-across-the-line-of-sight/)
5. [文章 **用一块 DESI 数据测相关函数**](https://sandboxphysics.com/zh/stories/baryon-acoustic-oscillations/measure-a-desi-patch-correlation-function/)
6. [文章 **怎样读 DESI 的 BAO 结果**](https://sandboxphysics.com/zh/stories/baryon-acoustic-oscillations/reading-desi-bao-results/)
