Clearing the Hurdle: The Mass of Globular Cluster Systems as a Function of Host Galaxy Mass
Notice bibliographique
Résumé
Abstract Current observational evidence suggests that all large galaxies contain globular clusters (GCs), while the smallest galaxies do not. Over what galaxy mass range does the transition from GCs to no GCs occur? We investigate this question using galaxies in the Local Group (LG), nearby dwarf galaxies, and galaxies in the Virgo Cluster Survey. We consider four types of statistical model: (1) logistic regression to model the probability that a galaxy of stellar mass M * has any number of GCs; (2) Poisson regression to model the number of GCs versus M *; (3) linear regression to model the relation between GC system mass ( log M gcs ) and host galaxy mass ( log M ⋆ ); and (4) a Bayesian lognormal hurdle model of the GC system mass as a function of galaxy stellar mass for the entire data sample. From the logistic regression, we find that the 50% probability point for a galaxy to contain GCs is M * = 106.8 M ⊙. From postfit diagnostics, we find that Poisson regression is an inappropriate description of the data. Ultimately, we find that the Bayesian lognormal hurdle model, which is able to describe how the mass of the GC system varies with M * even in the presence of many galaxies with no GCs, is the most appropriate model over the range of our data. In an Appendix, we also present photometry for the little-known GC in the LG dwarf Ursa Major II.
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 | 0,005 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».