Cosmic variance of weak lensing surveys in the non-Gaussian regime
Notice bibliographique
Résumé
Abstract The results from weak gravitational lensing analyses are subject to a cosmic variance error term that has previously been estimated assuming Gaussian statistics. In this Letter we address the issue of estimating cosmic variance errors for weak lensing surveys in the non-Gaussian regime. Using standard cold dark matter model ray-tracing simulations characterized by Ωm = 0.3, ΩΛ = 0.7, h = 0.7 and σ8 = 1 for different survey redshifts zs, we determine the variance of the two-point shear correlation function measured across 64 independent lines of sight. We compare the measured variance to the variance expected from a random Gaussian field and derive a redshift-dependent non-Gaussian calibration relation. We find that the ratio between the non-Gaussian and Gaussian variance at 1 arcmin can be as high as ∼30 for a survey with source redshift zs ∼ 0.5 and ∼10 for zs ∼ 1. The transition scale ϑc above which the ratio is consistent with unity is found to be ϑc ∼ 20 arcmin for zs ∼ 0.5 and ϑc∼ 10 arcmin for zs∼ 1. We provide fitting formulae to our results permitting the estimation of non-Gaussian cosmic variance errors, and discuss the impact on current and future surveys. A more extensive set of simulations will, however, be required to investigate the dependence of our results on cosmology, specifically on the amplitude of clustering.
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 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».