---
title: "暗汽笛、星系星表与选择归一化"
description: "对每个候选宿主求和，推出探测归一化为何随哈勃常数的三次方增长，再用注入检验结果。"
canonical_url: "https://sandboxphysics.com/zh/stories/standard-sirens/dark-sirens-and-selection-effects/"
language: "zh-CN"
page_type: "story"
alternate_languages:
  en: "https://sandboxphysics.com/stories/standard-sirens/dark-sirens-and-selection-effects/"
last_modified: "2026-11-14"
---

[引力波标准汽笛](https://sandboxphysics.com/zh/stories/standard-sirens/)

# 暗汽笛、星系星表与选择归一化

Sandbox Physics · 2026-11-14

暗汽笛不再依赖一个已知的宿主，而是对信号允许范围内星表里的每个星系加权求和；再对每个试探的哈勃常数算一算：在那样的宇宙里，所有源中有多大比例能被探测到，然后用它去除。对近处的源，这个比例按 $H_0^3$ 增长。漏掉它，答案就会偏；在我们的合成检验里，40个事件的暗汽笛结果被推到了先验的边界。加上它，亮汽笛和暗汽笛的后验都是校准的。如果宿主星系不在星表里，除非分析为星表没看到的星系建模，校准就会被破坏。

[打开标准汽笛Lab](https://sandboxphysics.com/zh/labs/gravitational-wave-standard-sirens/)

本章接着[从一个距离和一个红移到哈勃常数](https://sandboxphysics.com/zh/stories/standard-sirens/from-distance-to-hubble-constant/)往下讲，要用到条件概率和体积分。

## 对星表求和

设一个事件的定位体积里有 $N$ 个星表星系，测得的速度为 $v_i$。由于本动速度，每个星系的真实红移不确定，各自带一个归一化的红移分布：

$$
p(z\mid v_i)\propto\mathcal N(v_i;\,cz,\sigma_v)\,p_0(z),
$$

其中 $p_0(z)$ 是测量之前星系在红移上的分布。给每个星系相同的先验权重，引力波数据 $x$ 的似然为

$$
p(x\mid H_0)\propto\frac1N\sum_{i=1}^{N}\int p\!\left(x\mid D_L(z,H_0)\right)p(z\mid v_i)\,\mathrm dz .
$$

每个星系各自对应一个 $H_0\approx v_i/D$。真正的宿主在每个事件里都会出现，冒名者则随机出现。Chen、Fishbach和Holz写下的是同一个求和，权重可以按星系光度来取；Gray等人把它写进了gwcosmo代码。[Chen, Fishbach and Holz, A two per cent Hubble constant measurement from standard sirens within five years, Methods](https://arxiv.org/abs/1712.06531v2) [Gray et al., Cosmological inference using gravitational wave standard sirens: a mock data analysis](https://arxiv.org/abs/1908.06050v4)

$p(z\mid v_i)$ 是否归一化很要紧。没有归一化的高斯乘上 $p_0(z)\propto z^2$，远处星系拿到的总权重比近处的大，后验就往高处漂。我们最早的Lab模型就犯过这个错。

**例题1** 我们的参考事件测得距离 $77.9^{+7.6}_{-10.3}\,\mathrm{Mpc}$。真正的宿主 $v=5300\,\mathrm{km\,s^{-1}}$，另外九个星表星系的速度在 $3100$ 到 $18300\,\mathrm{km\,s^{-1}}$ 之间。宿主对应 $H_0=5300/77.9=68$，其他星系分别对应 $40$、$54$、$89$、$98$、$126$、$141$、$159$、$194$ 和 $235$，最后两个落在 $20$ 到 $160$ 的先验范围之外。知道宿主的亮汽笛后验是 $70.2^{+11.3}_{-7.3}$；暗汽笛后验是 $90^{+49}_{-41}$，又宽又有好几个峰。这些数来自[复算方法指南](https://sandboxphysics.com/zh/stories/standard-sirens/recomputing-bright-and-dark-siren-h0/)公开的输入。

## 似然为什么必须归一化

只有超过探测阈值的事件才进入分析。Mandel、Farr和Gair证明，给定族群参数 $\lambda$，一个已探测事件的正确似然是

$$
p(d\mid\lambda)=\frac{\int p(d\mid\theta)\,p_{\mathrm{pop}}(\theta\mid\lambda)\,\mathrm d\theta}{\alpha(\lambda)},\qquad\alpha(\lambda)=\int p_{\mathrm{det}}(\theta)\,p_{\mathrm{pop}}(\theta\mid\lambda)\,\mathrm d\theta ,
$$

独立事件的似然相乘。这里 $\theta$ 是源的参数，$p_{\mathrm{det}}$ 是具有这些参数的源被探测到的概率。[Mandel, Farr and Gair, Extracting distribution parameters from multiple uncertain observations with selection biases, Eqs. 5 to 7](https://arxiv.org/abs/1809.02063v2)

对汽笛来说，$\lambda=H_0$，族群就是星系分布。归一化通常写成

$$
\beta(H_0)=\int P_{\mathrm{det}}\!\left(D_L(z,H_0)\right)p_0(z)\,\mathrm dz ,
$$

$P_{\mathrm{det}}(D)$ 是对取向和天区平均后的探测概率。[Chen, Fishbach and Holz, A two per cent Hubble constant measurement from standard sirens within five years, Methods, Eq. 9](https://arxiv.org/abs/1712.06531v2) Chen等人在 $\beta$ 里用一个平滑、各向同性的分布代替星系分布。Lab和我们的检验里，星表很小而且完全已知，所以暗汽笛的精确归一化，就是把 $P_{\mathrm{det}}$ 放在所列星系各自的红移分布上求平均。这种精确平均是我们的建模选择。

## 归一化为什么随哈勃常数的三次方增长

设星系在 $z_{\max}$ 以内均匀分布，$p_0(z)=3z^2/z_{\max}^3$，并用近处关系 $D=cz/H_0$。换成对 $D$ 积分：

$$
\beta(H_0)=\frac{3}{z_{\max}^3}\left(\frac{H_0}{c}\right)^3\int_0^{cz_{\max}/H_0}P_{\mathrm{det}}(D)\,D^2\,\mathrm dD .
$$

如果探测视界远在星表边界以内，积分上限可以取到无穷，积分就与 $H_0$ 无关，于是 $\beta\propto H_0^3$。

物理原因很简单。按红移列出的同一批星系，$H_0$ 一调大，就被挤到更近的距离上。探测器够得着的那块体积是固定的，落进去的星系于是更多。不除以 $\beta$ 时，星表求和在测得距离附近也按 $H_0^3$ 增长，原因相同，后验就一路爬向大 $H_0$。

**表 4.1** 合成研究里对归一化的检验。所有事件都是模拟的，这里没有探测器数据。

| 检验 | 预期 | 结果 |
| --- | --- | --- |
| $H_0=70$、$\rho_{100}=15$ 时的探测比例 | 数值积分 $0.02179$ | 蒙特卡罗 $0.02189\pm0.00023$ |
| $\beta(80)/\beta(40)$，视界在星表以内 | $8$ | $7.92$ |
| $\beta(140)/\beta(40)$ | $42.9$ | $41.8$ |

比值略低于 $H_0^3$，是因为 $D_L(z)$ 在较大 $z$ 处按因子 $1+(1-q_0)z/2$ 往上弯。$H_0=140$ 时能探测到的星系红移更大，差距达到百分之二点六。

## 用注入检验校准

从先验里抽出许多宇宙。如果真值有68%的次数落在后验中央68%区间内，而且真值在后验中的分位数均匀分布，后验就是校准的。我们从平坦先验里抽 $H_0$，在那个宇宙里不断生成事件直到探测到一个，分析它，然后重复。分位数是否均匀，用Kolmogorov-Smirnov检验来判断。

**表 4.2** 单个合成事件的基于模拟的校准。预期覆盖率 $0.683$；400次试验的二项标准误为 $0.023$，250次为 $0.029$。

| 分析 | 试验次数 | 覆盖率 | KS $p$ | 结论 |
| --- | --- | --- | --- | --- |
| 亮汽笛，含 $\beta$ | $400$ | $0.700$ | $0.083$ | 校准 |
| 亮汽笛，不含 $\beta$ | $400$ | $0.653$ | $1.2\times10^{-9}$ | 有偏 |
| 暗汽笛，含星表 $\beta$ | $250$ | $0.728$ | $0.85$ | 校准 |
| 暗汽笛，不含 $\beta$ | $250$ | $0.384$ | $8\times10^{-42}$ | 有偏 |

250次暗汽笛试验里有51次，第一次抽出的星表里没有任何星系能产生可探测的事件，于是重抽星表。在 $H_0=70$ 处叠加40个事件：含 $\beta$ 的亮汽笛得 $71.9^{+1.9}_{-1.6}$，不含时得 $77.6^{+2.3}_{-2.0}$。暗汽笛含 $\beta$ 时得 $67.9^{+2.7}_{-2.6}$；不含时结果停在先验边界，约为 $159$。每个叠加结果都只来自一次随机实现，我们没有重复；像亮汽笛那样偏开约一个区间宽度，仍在随机涨落之内。

## 星表里没有的星系

真实的星表会漏掉暗弱和遥远的星系。Gray等人把似然拆成宿主在星表里（$G$）和不在星表里（$\bar G$）两种情形：

$$
p(x\mid D,H_0)=p(x\mid G,D,H_0)\,p(G\mid D,H_0)+p(x\mid\bar G,D,H_0)\,p(\bar G\mid D,H_0).
$$

第二项按光度函数和星表的星等极限，把缺失的星系平滑地铺开。在他们的模拟数据里，合并249个模拟双中子星：已知宿主得百分之一点一三，完整星表得百分之一点八四，完整度为75%、50%、25%的星表分别得百分之二点二一、二点四八和三点二。他们的模拟宇宙没有红移不确定度，也没有成团，星表密度约为近邻宇宙的三倍。[Gray et al., Cosmological inference using gravitational wave standard sirens: a mock data analysis, Table II](https://arxiv.org/abs/1908.06050v4)

我们做了反过来的实验：把宿主从星表里删掉，只保留星表内的似然。覆盖率跌到 $0.55$，KS $p=1.9\times10^{-8}$，还有一条后验完全没有支撑。分析错了，却错得很自信。另一个失败案例低估了本动速度弥散，用 $100$ 代替真实的 $500\,\mathrm{km\,s^{-1}}$，事件都很响。覆盖率只降到 $0.64$，KS检验没有报警。可能的原因是，在这些距离上 $500\,\mathrm{km\,s^{-1}}$ 的误差只占速度的百分之几，比大多数距离误差小。这个案例说明，检验也可能漏掉真实的错误。

## Lab任务

1. 选“选择偏差”，这时 $\beta$ 是关着的。记下两个中位数，再到高级选项里打开 $\beta$。哪条后验移动得多，往哪个方向？
2. 选“星系拥挤”，把锥体里的星系拖向宿主的距离，看暗汽笛的峰怎样跟着走。
3. 把候选星系数调到 $10$，再调到 $200$。用星表求和解释暗汽笛宽度的变化。

## 习题与解析

1. 在近处极限下，$H_0$ 从 $60$ 变到 $75$，$\beta$ 变为原来的几倍？
2. 一个汽笛 $D=60\pm6\,\mathrm{Mpc}$，星表里列出两个星系，$v=4200$ 和 $6300\,\mathrm{km\,s^{-1}}$。单事件暗汽笛后验的峰在哪里？
3. 为什么不含 $\beta$ 的暗汽笛后验会漂向大 $H_0$，而不含 $\beta$ 的亮汽笛后验只是轻微有偏？
4. 为什么把宿主从星表里删掉，产生的是过度自信的错误，而不只是更宽的后验？

解析

1. $(75/60)^3=1.95$。
2. 在 $4200/60=70$ 和 $6300/60=105$ 附近，各自宽约百分之十，来自距离误差。权重相同、红移权重相近时，两个峰差不多高，数据分不出哪个是对的。
3. 不含 $\beta$ 时，星表求和实际上在数测得距离附近有多少星系，这个数按 $H_0^3$ 增长，直到星表边界。亮汽笛只用一个固定的红移，缺失的因子只是给一条窄似然重新加权；偏差来自阈值偏爱看起来更近的源。
4. 后验仍然是冒名者处一些窄峰之和。其中一个拿走全部权重，它的区间和真实探测一样窄，于是真值落在区间外的次数比宽度所暗示的多。

## 在Lab里试一试

选“选择偏差”，这时修正是关着的；再到高级选项里打开选择归一化，看两条后验怎样移动。 [打开标准汽笛Lab](https://sandboxphysics.com/zh/labs/gravitational-wave-standard-sirens/)

## 来源

1. [Chen, Fishbach and Holz, A two per cent Hubble constant measurement from standard sirens within five years, Methods](https://arxiv.org/abs/1712.06531v2)
2. [Gray et al., Cosmological inference using gravitational wave standard sirens: a mock data analysis](https://arxiv.org/abs/1908.06050v4)
3. [Mandel, Farr and Gair, Extracting distribution parameters from multiple uncertain observations with selection biases, Eqs. 5 to 7](https://arxiv.org/abs/1809.02063v2)

## 继续阅读

引力波标准汽笛 · 阅读路径

### 从波的振幅到哈勃常数

1. [文章 **一列引力波，怎么自己报出它有多远？**](https://sandboxphysics.com/zh/stories/standard-sirens/measuring-distance-with-gravitational-waves/)
2. [文章 **波形振幅、轨道倾角与光度距离**](https://sandboxphysics.com/zh/stories/standard-sirens/waveform-amplitude-and-luminosity-distance/)
3. [文章 **从一个距离和一个红移到哈勃常数**](https://sandboxphysics.com/zh/stories/standard-sirens/from-distance-to-hubble-constant/)
4. [当前页面 **暗汽笛、星系星表与选择归一化**](https://sandboxphysics.com/zh/stories/standard-sirens/dark-sirens-and-selection-effects/)
5. [文章 **复算亮汽笛与暗汽笛的哈勃常数**](https://sandboxphysics.com/zh/stories/standard-sirens/recomputing-bright-and-dark-siren-h0/)
6. [文章 **读懂GWTC-3暗汽笛宇宙学论文**](https://sandboxphysics.com/zh/stories/standard-sirens/reading-the-gwtc3-dark-siren-cosmology-paper/)
