An Empirical Mass Function Distribution
An Empirical Mass Function Distribution
复制标题
经验质量函数分布
DOI：
--
复制
发表时间：
2018
期刊：
影响因子：
--
通讯作者：
C. Power
中科院分区：
文献类型：
--
作者：
S. Murray;A. Robotham;C. Power
晕质量函数编码给定质量的暗物质晕的共动数密度，在理解星系的形成和演化中起着关键作用。因此，将质量函数限制在通常包含星系的质量尺度是当前和未来深光学巡天的一个关键目标。受 Press-Schechter 型质量函数经过验证的准确性的启发，我们引入了一种与标准公式一致的相关但纯经验形式，在中等质量状态下优于 4%。特别是，我们的形式由四个参数组成，每个参数都有简单的解释，并且可以直接与星系分布的参数相关，例如 。在分层贝叶斯似然模型中使用这种形式，我们展示了如何成功地将个体质量测量误差纳入典型分析中，同时考虑到爱丁顿偏差。我们将我们的形式应用于半现实数据模型背景下的勘测设计问题，说明如何使用它来获得勘测深度和角度覆盖范围之间的最佳平衡，以约束质量函数参数。 http://mrpy.readthedocs.org 和 https://cran.r-project.org/web/packages/tggd/index.html 分别提供了应用我们新表单的开源 Python 和 R 代码。
The halo mass function, encoding the comoving number density of dark matter halos of a given mass, plays a key role in understanding the formation and evolution of galaxies. As such, it is a key goal of current and future deep optical surveys to constrain the mass function down to mass scales that typically host galaxies. Motivated by the proven accuracy of Press–Schechter-type mass functions, we introduce a related but purely empirical form consistent with standard formulae to better than 4% in the medium-mass regime, . In particular, our form consists of four parameters, each of which has a simple interpretation, and can be directly related to parameters of the galaxy distribution, such as . Using this form within a hierarchical Bayesian likelihood model, we show how individual mass-measurement errors can be successfully included in a typical analysis, while accounting for Eddington bias. We apply our form to a question of survey design in the context of a semi-realistic data model, illustrating how it can be used to obtain optimal balance between survey depth and angular coverage for constraints on mass function parameters. Open-source Python and R codes to apply our new form are provided at http://mrpy.readthedocs.org and https://cran.r-project.org/web/packages/tggd/index.html respectively.
2500 平方 SPT-SZ 巡天中星系团的宇宙学约束
DOI：
10.3847/0004-637x/832/1/95
发表时间：
2016
期刊：
The Astrophysical Journal
影响因子：
--
作者：
T. de Haan [SPT Collaboration]
通讯作者：
T. de Haan [SPT Collaboration]
影响因子：
4.8
作者：
Bocquet, Sebastian;Saro, Alex;Mohr, Joseph J.
通讯作者：
Mohr, Joseph J.