继续阅读
当前页面最优统计量与零假设检验
脉冲星计时阵列与 Hellings–Downs 曲线 · 阅读路径
最优统计量把许多颗脉冲星的残差合成一个数:带 Hellings–Downs 相关的信号的振幅估计。每一对脉冲星给出一个带噪声的互相关,最优统计量就是用 Hellings–Downs 曲线对所有这些互相关做加权最小二乘拟合。它的形式信噪比并不是“几个标准差”,所以显著性要靠经验校准:故意破坏数据里的相关,数一数单靠噪声有多常做到同样好。同时拟合单极和偶极,可以防止把钟的误差和星历误差算成引力波。这一章用NANOGrav脉冲星的真实位置,搭出这个统计量,同时拟合几种图样,再看校准方法起什么作用。
需要的预备知识是上一章推导 Hellings–Downs 曲线、矩阵和加权最小二乘。
设 是脉冲星 的残差, 是它的总自协方差, 是一个单位振幅、单位相关的共同信号造成的互协方差。NANOGrav把一对的估计写成
它的期望值是 。方差 在没有相关信号时成立,有信号时还要加上 量级的项。NANOGrav合作组,2023,第4节,式9
单个 噪声太大,单独用不了。阵列的好处在于星对多:67颗脉冲星能组成2211对。
用加权最小二乘拟合 ,得到
NANOGrav合作组,2023,式10与式11 信噪比就是 除以它在没有信号时的散布。
假设每一对的 都一样,那么 。按NANOGrav 67颗脉冲星的位置,2211对的 平均是 ,所以 。要得到信噪比4,典型的一对需要 :每一对单独看只有自身噪声的一半,只有加在一起才显出来。
在零假设下, 只是近似正态分布,它的信噪比没法用解析方法换算成概率。NANOGrav明确说,不能把它读成几个标准差。NANOGrav合作组,2023,第4节 p值要用故意去掉相关的数据来构造。
相位打乱给每颗脉冲星的每个傅里叶分量加一个独立的随机相位。每颗星保留自己的谱,但星与星之间的相位不再对齐,于是脉冲星之间的任何相关都被破坏。天空打乱保留数据,把脉冲星挪到随机位置,这破坏了相关和夹角之间的联系,却保留与夹角无关的相关。NANOGrav做了40万次相位打乱,其中19次在噪声边缘化后的信噪比高于实测值,得到 ;模拟和解析计算分别给出 和 。
我们自己的离线模拟说明了这种校准为什么重要。模拟把人工合成的傅里叶系数放在真实的脉冲星位置上,只含白噪声,算了2000次单一形状的信噪比。信噪比超过3的比例是 ,而正态分布只给出 。
钟的误差让每一对都有同样的相关,。代进单一形状的估计,得到
如果脉冲星在天上均匀分布,分子平均为零,因为这条曲线不含单极。真实阵列并不均匀。取等权重,按NANOGrav的脉冲星位置, 平均为 ,比值为 :钟的误差进入背景估计时,被放大到原来的一点五倍。星历偶极的同一比值是 。
多分量最优统计量在同一个加权最小二乘问题里拟合 ,每种形状的估计都受到另外两种的制约。NANOGrav合作组,2023,第5.3节 Tiburzi等人用模拟阵列表明,钟的误差和星历误差都可能造成虚假探测,而且去除星历误差并不容易。Tiburzi等,2015,摘要与第4节
| 注入的信号 | 单一形状,背景 | 三种形状,背景 | 三种形状,时钟 | 三种形状,星历 |
|---|---|---|---|---|
| 引力波背景 | 0.33 | 0.28 | 0.05 | 0.03 |
| 钟的误差 | 0.41 | 0.06 | 0.72 | 0.03 |
| 星历误差 | 0.31 | 0.02 | 0.09 | 0.80 |
单一形状的拟合在41%的试验里把钟的误差当成背景。三种形状一起拟合,把这个比例压到6%,信号也挪进了时钟一栏。代价也有:注入真实的背景时,仍有5%的试验出现超过3的单极。
一旦存在信号,共用同一颗脉冲星的星对彼此相关, 的散布就会超过零假设下的值。在我们注入背景的模拟里,估计值散布为零假设不确定度的 倍;按零假设算出的 区间,只在 的试验里包含注入值。Allen还指出,这部分散布里有宇宙方差,加多少脉冲星都去不掉。Allen,2022,第IV与V节
NANOGrav的分箱相关图考虑了这些协方差,忽略它们会让误差棒小20%到40%。它的15箱重建相对 Hellings–Downs 曲线的 ,p值为 。NANOGrav合作组,2023,第4节
在脉冲星计时阵列Lab里载入时钟误差预设。柱状图同时拟合三种形状;确认信号落在时钟一栏,背景一栏保持在零附近。再把阵列减到八颗脉冲星,按几次“重新抽样”,看柱子跳得有多厉害。
当前页面最优统计量与零假设检验
脉冲星计时阵列与 Hellings–Downs 曲线 · 阅读路径