The clustering of Galaxies in the SDSS-III Baryon Oscillation Spectroscopic Survey: including covariance matrix errors
Notice bibliographique
Résumé
We present improved methodology for including covariance matrices in the error budget of Baryon Oscillation Spectroscopic Survey (BOSS) galaxy clustering measurements, revisiting Data Release 9 (DR9) analyses, and describing a method that is used in DR10/11 analyses presented in companion papers. The precise analysis method adopted is becoming increasingly important, due to the precision that BOSS can now reach: even using as many as 600 mock catalogues to estimate covariance of two-point clustering measurements can still lead to an increase in the errors of ∼20 per cent, depending on how the cosmological parameters of interest are measured. In this paper, we extend previous work on this contribution to the error budget, deriving formulae for errors measured by integrating over the likelihood, and to the distribution of recovered best-fitting parameters fitting the simulations also used to estimate the covariance matrix. Both are situations that previous analyses of BOSS have considered. We apply the formulae derived to baryon acoustic oscillation (BAO) and redshift-space distortion (RSD) measurements from BOSS in our companion papers. To further aid these analyses, we consider the optimum number of bins to use for two-point measurements using the monopole power spectrum or correlation function for BAO, and the monopole and quadrupole moments of the correlation function for anisotropic-BAO and RSD measurements.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».