Selection Effects in Periodic X-Ray Data from Maximizing Detection Statistics
Notice bibliographique
Résumé
Abstract The Neutron Star Interior Composition Explorer (NICER) records exceptional data on pulsars’ energy-dependent X-ray pulse profiles. However, in searching for evidence of pulsations, Guillot et al. (2019) introduce a procedure to select an ordered subset of data that maximizes a detection statistic (the H-test). I show that this can degrade subsequent analyses using an idealized model with stationary expected count rates from both noise and signal. Specifically, the data-selection procedure biases the inferred mean count rate to be too low and the inferred pulsation amplitude to be too high, and the size of these biases scales strongly with the amount of data that is rejected and the true signal amplitude. The procedure also alters the H-test’s null distribution, rendering nominal significance estimates overly optimistic. While the idealized model does not capture all the complexities of real NICER data, it suggests that these biases could be important for NICER’s observations of J0740+6620 and other faint pulsars (observations of J0030+0451 are likely less affected). I estimate that these effects may introduce a bias of ( 10 % ) on average in the inferred modulation depth of lightcurves like J0740+6620's, and may be as large as ( 50 % ) for fainter pulsars. However, the change for a single data set like J0740+6620 is expected to be a shift between −5% and +20%. This could imply that the lower limit on J0740+6620's radius is slightly larger than it should be, although preliminary investigations suggest the radius constraints shift to larger radii by ( 1 % ) with the same overall statistical precision using real J0740+6620 data.
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 | 0,058 | 0,255 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».