時系列データを手掛かりに2つの偏光成分を分離する ~ブレーザーへの応用~

Slides:



Advertisements
Similar presentations
1 小暮研究会2 第1章ベイジアンアルゴリズ ム 2値選択 ベルヌーイ試行 尤度原理 同一性 交換可能性 尤度についてのまとめ 環境情報学部3年 渡邊洋一.
Advertisements

生物統計学・第 5 回 比べる準備をする 標準偏差、標準誤差、標準化 2013 年 11 月 7 日 生命環境科学域 応用生命科学 類 尾形 善之.
統計解析第 11 回 第 15 章 有意性検定. 今日学ぶこと 仮説の設定 – 帰無仮説、対立仮説 検定 – 棄却域、有意水準 – 片側検定、両側検定 過誤 – 第 1 種の過誤、第 2 種の過誤、検出力.
土木計画学 第3回:10月19日 調査データの統計処理と分析2 担当:榊原 弘之. 標本調査において,母集団の平均や分散などを直接知ることは できない. 母集団の平均値(母平均) 母集団の分散(母分散) 母集団中のある値の比率(母比率) p Sample 標本平均 標本分散(不偏分散) 標本中の比率.
かなた望遠鏡・フェルミ衛星によ る活動銀河核の多波長同時連携観 測 伊藤亮介、深沢泰司、かなたチー ム、 フェルミ LAT コラボレーション 多色同時観測 広島大学.
2016 年度 計量経済学 講義内容 担当者: 河田 正樹
エクセルと SPSS による データ分析の方法 社会調査法・実習 資料. 仮説の分析に使う代表的なモデ ル 1 クロス表 2 t検定(平均値の差の検定) 3 相関係数.
オリオン星形成領域における 前主系列星の X 線放射の 長期的時間変動 京大理 ○ 兵藤 義明 中嶋 大 高木 慎一郎 小山 勝二 /23 天文学会 秋季年会 P39a もくじ  星の長期的変動  今回行った解析  まとめ.
看護学部 中澤 港 統計学第5回 看護学部 中澤 港
データ分析入門(12) 第12章 単回帰分析 廣野元久.
コンピュータビジョン特論 第8回対象追跡 2006年11月22日 加藤丈和.
疫学概論 時系列研究 Lesson 11. 記述疫学 §B. 時系列研究 S.Harano,MD,PhD,MPH.
時系列の予測 時系列:観測値を時刻の順に並べたものの集合
多変量解析 -重回帰分析- 発表者:時田 陽一 発表日:11月20日.
パネル分析について 中村さやか.
マルコフ連鎖モンテカルロ法がひらく確率の世界
Bassモデルにおける 最尤法を用いたパラメータ推定
統計的仮説検定 治験データから判断する際の過誤 検定結果 真実 仮説Hoを採用 仮説Hoを棄却 第一種の過誤(α) (アワテモノの誤り)
「データ学習アルゴリズム」 第3章 複雑な学習モデル 3.1 関数近似モデル ….. … 3層パーセプトロン
時空間データからのオブジェクトベース知識発見
Bias2 - Variance - Noise 分解
山口大学電波グループ ブレーザー電波データの紹介
ベイズ的ロジスティックモデル に関する研究
統計学 12/13(木).
3章 Analysing averages and frequencies (前半 p )
「データ学習アルゴリズム」 第2章 学習と統計的推測 報告者 佐々木 稔 2003年5月21日 2.1 データと学習
100KeV以上のeventのHXRと電波の power-law indexの比較 NSRO
ベイズ基準によるHSMM音声合成の評価 ◎橋本佳,南角吉彦,徳田恵一 (名工大).
ベイズモデルを用いた ブレーザーの時系列偏光データの解析 (Uemura, et al., 2010, PASJ, 62, 69)
かなた望遠鏡・Swift/XRT,UVOT・MAXI によるMrk 421の長期観測
ガウス過程による回帰 Gaussian Process Regression GPR
相関分析.
銀河物理学特論 I: 講義1-1:近傍宇宙の銀河の 統計的性質 Kauffmann et al
高次元データの解析 -平均ベクトルに関する検定統計量の 漸近分布に対する共分散構造の影響-
第6章 連立方程式モデル ー 計量経済学 ー.
独立成分分析 1.問題は何か:例:解法:全体の見通し 2007/10/17 名雪 勲.
7. 音声の認識:高度な音響モデル 7.1 実際の音響モデル 7.2 識別的学習 7.3 深層学習.
1.標本平均の特性値 2.母分散既知の標本平均の分布 3.大数法則と中心極限定理
第9章 混合モデルとEM 修士2年 北川直樹.
混合ガウスモデルによる回帰分析および 逆解析 Gaussian Mixture Regression GMR
かなた望遠鏡/TRISPECによる変動天体観測
かなた望遠鏡を用いたブレーザーの 可視偏光変動の研究
T2統計量・Q統計量 明治大学 理工学部 応用化学科 データ化学工学研究室 金子 弘昌.
独立成分分析 5 アルゴリズムの安定性と効率 2007/10/24   名雪 勲.
独立成分分析 (ICA:Independent Component Analysis )
1.標本平均の特性値 2.母分散既知の標本平均の分布 3.大数法則と中心極限定理
主成分分析 Principal Component Analysis PCA
法数学勉強会 2016/06/15 京都大学(医)統計遺伝学分野 山田 亮
(昨年度のオープンコースウェア) 10/17 組み合わせと確率 10/24 確率変数と確率分布 10/31 代表的な確率分布
I班 東京大学 伊藤・柿元・瀧口・戸叶・福士
データの型 量的データ 質的データ 数字で表現されるデータ 身長、年収、得点 カテゴリで表現されるデータ 性別、職種、学歴
ベイジアンネットワーク概説 Loopy Belief Propagation 茨城大学工学部 佐々木稔
第3章 線形回帰モデル 修士1年 山田 孝太郎.
「アルゴリズムとプログラム」 結果を統計的に正しく判断 三学期 第7回 袖高の生徒ってどうよ調査(3)
情報経済システム論:第13回 担当教員 黒田敏史 2019/5/7 情報経済システム論.
経営学研究科 M1年 学籍番号 speedster
クロスバリデーションを用いた ベイズ基準によるHMM音声合成
最尤推定・最尤法 明治大学 理工学部 応用化学科 データ化学工学研究室 金子 弘昌.
HMM音声合成における 変分ベイズ法に基づく線形回帰
ベイズ基準による 隠れセミマルコフモデルに基づく音声合成
ベイズ音声合成における 事前分布とモデル構造の話者間共有
JNNS-DEX-SMI-玉川 公開講座 「交換モンテカルロ法とその応用」
実験結果速報 目的 装置性能の向上 RF入射実験結果 可動リミター挿入 RFパワー依存性 トロイダル磁場依存性 密度依存性
COSMOS天域における赤方偏移0.24のHα輝線銀河の性質
矮新星の早期スーパーハンプを用いた 降着円盤の再構成
「データ学習アルゴリズム」 第3章 複雑な学習モデル 報告者 佐々木 稔 2003年8月1日 3.2 競合学習
疫学概論 時系列研究 Lesson 11. 記述疫学 §B. 時系列研究 S.Harano,MD,PhD,MPH.
大阪市立大学 孝森 洋介 with 大川,諏訪,高本
甲南大学 理工学部物理学科 宇宙粒子研究室 学籍番号 氏名 上田武典
混合ガウスモデル Gaussian Mixture Model GMM
Presentation transcript:

時系列データを手掛かりに2つの偏光成分を分離する ~ブレーザーへの応用~ 植村誠(広島大学) 、他「かなた」チーム

ブレーザー可視偏光観測のこれまで 偏光パラメータと光度 or色などとの相関関係 “erratic” variation だいたいは明らかな相関なし、とされる Moore et al. (1982), Jones et al. (1985, 1988), その他たくさん 「QU平面上をランダムに動く」とされる “erratic” variation BL Lacの1週間のQU平面上での動き (Moore et al. 1982)

ブレーザー可視偏光観測のこれまで ただし、光度曲線や色と 相関する例もいくつか 現状の問題点 偏光度と光度が相関した例 3C 345 (Smith et al. 1986) ただし、光度曲線や色と 相関する例もいくつか Smith et al., (1986), Tosti et al. (1998), Efimov & Shakhovskoy (1998), Fan et al. (2000), Cellone et al. (2007) Random motionだけでなく、系統的な変動がある、という証拠 現状の問題点 特に数日~数週間というスケールの密な継続観測が少ない 本当にランダムなのか? 法則性が見落とされていないか?

「かなた」データの例 光度と偏光度が相関してる short flareもあれば、そうでないのもあり。。。  AO 0235+164:相関してるのもあるが、多少タイムラグがあるものもあるような。一方で全く相関してないのも。(笹田、他、天文学会)  PKS 1749+096:同じような時期、同じような振幅のフレアで相関してるのと、してないのと。

光度と偏光度の相関関係 めちゃ くちゃ

なぜ偏光の変動はめちゃくちゃなのか? 3つの仮説 多様性が圧倒的に大きい  フレアが、磁場の揃った(or amplifyされた)ところで起こることもあれば、揃ってないところで起こることもあるし、揃ってるところで起こったとしても途中で磁場の向きが変わることもあれば、あまり変わらないこともある。 色や偏光を観測しても普遍的な描像には届かない。。。   →せっかく観測してきたのに、この結論は避けたい。。。 無数の(ランダムな)細かいフレアの重ね合わせ 1つ1つのフレアは固有の偏光成分をもつ Moore et al. (1982), Impey et al. (1988), Jones et al. (1985, 1988)   →まだマシだけど、「ランダム」だとたいていの観測結果は「たまたま」で説明できてしまうので。。。 フレアに付随する偏光成分とそうでない成分の2成分があって、観測 値はその2つが重なって見えている 常に偏光度の大きいような天体だと明らかに重要 Long term成分の推定が問題   →もしこの可能性があるのなら、そのような解の推定には意味があるだろう。

例えば BL Lac の場合 原点から見て常 に一方向に集中 長期成分と短期フレア成分の2つが存在? かなたで撮られた BL LacのQU平面上の変化 (先本、他、日本天文学会2009、春季年会) 原点から見て常 に一方向に集中 長期成分と短期フレア成分の2つが存在?

2つの偏光成分に分離できないか? ベイズモデルの構築 1つは「光度曲線と相関して変動する 成分」 U もう1つは「長期成分」 本質的に決定はできない Long-term trend とフレア成分は観測では縮退している。 ベイズモデルの構築 U Q Total flux 残りの成分は光度曲線と相関するように (尤度関数) 1つはゆっくり変動するように (事前分布) t

人工データを使って実験

ベイズ的に推定された長期成分(1) うまくいってる場合 フレア頻度低い フレアが重なってるところもまあまあOK 推定結果  フレア頻度低い  フレアが重なってるところもまあまあOK 推定結果 上:光度曲線(赤)と補正された偏光度(青) 下:QU平面。緑が推定された長期変動成分。 仮定したものとほぼ一致。 シミュレーションデータ 上:光度曲線(赤)と偏光度(緑) 下:QU平面

ベイズ的に推定された長期成分(2) 一見「めちゃくちゃ」な変動の中から系統的な変動を抽出できた! (1)の場合よりもフレア頻度が高い場合。   フレアは重なってるがそれなりにうまくいってる。   相関関数も期待通りの結果に。 光度と偏光度の相関関数。シミュレーションデータのそのもの(赤)と補正されたもの(青)。 補正した結果、正の強い相関が見られて、期待通りの結果に。 一見「めちゃくちゃ」な変動の中から系統的な変動を抽出できた!

観測データに応用してみると

OJ287の場合 長期成分は一定の角度内を振動 補正すれば偏光フラックスと光 度曲線はよく相関 2成分モデルの理想的な例

S2 0109+224の場合 2つの長期成分? 光度曲線との相関は有意 に改善

偏光ベイズモデルの応用 可視データ単独では「2 成分」の証明にはなら ない 可視の偏光成分は電波 でも見えているかも ブレーザーのVLBI偏光マップ (Marscher ,et al. 2002) 可視データ単独では「2 成分」の証明にはなら ない モデルを仮定して解を推定しているだけ 可視の偏光成分は電波 でも見えているかも 可視で分離された short- or long-term 成分と同じ時間変動するものがVLBI偏光マップで見えるかも VSOP-2に期待 1 mas

まとめ 一見「めちゃくちゃ」な挙動をするブ レーザーの偏光変動から、系統的な変動 を抽出したい。 偏光と光度変動のデータから、偏光成分 を短時間変動と長時間変動に分離するベ イズモデルを開発。 いくつかのブレーザーでは「2成分モデ ル」で系統的な変化が見られた。

Backup slides

「かなた」データの例(続) BL Lacともあろうものが。。。 やはり、short flareには多少の反応がありそうだが。。。。。 というか、光度曲線に比べて偏光度がバタバタし過ぎ??? 光度変化はさほどでもないのに、突然偏光度があがったり。 OJ49は数か月のトレンドに偏光度が相関してな い。。。。。。。

Long-term trendをベイズ統計的に推定 ベイズの定理 今回の場合 : 事後分布 : 尤度関数 : 事前分布 :尤度関数は、(正規化した)光度曲線を「モデル」と考えて、(差分を取ってさらに正規化した)偏光フラックスの値と観測誤差から計算する。 →光度曲線と偏光フラックスが(正の)相関するときに、尤度が最大になるイメージ。 :事前分布はQ0,U0が「滑らかな線」を描く時に確率最大になるようにすることで、long-term trendを表現する。具体的には1階階差が平均0、分散wの正規分布を満たすように取る。すなわち、 :積分項は定数。実際はマルコフ連鎖モンテカルロ (Markov-Chain Monte Carlo : MCMC)で解く。

MCMCの収束具合 テストでは 10^7 ステップ計算。 最初 2x10^5ステップは捨てて、以 降 100ステップ毎にサンプリング テストでは 10^7 ステップ計算。 最初 2x10^5ステップは捨てて、以 降 100ステップ毎にサンプリング サンプルの中央値と68.3%信頼区間 を抽出 上図:尤度x事前分布の対数10^5ステップくらいで収束 左図:ステップ毎のQ,U。ケース(3)の場合。

ベイズ的に推定されたlong-term tren(4) Trendがなく、QU平面上でほぼrandom motionの場合。   解は(一応)収束するが、相関係数は低い。   良く相関するようtrendを決めると、trendがもはや long-termではなくなるし、   trendのsmoothnessを優先させると、相関係数はますます低くなる。 → 「光度とPDは相関する」という仮説の検定手段として一応成り立っている

このベイズモデルの問題点 統計モデルとしての問題点 物理モデルとしての問題点 事前分布のハイパーパラメータ ”w” に結果が強く依存する 今回採択した事前分布は、おそらく真にふさわしいものではない 本来は「本当にゆっくり動いているか」まで含めた事前分布にすべき 長期成分が存在しなくても、何かしらの解がでてくる 収束しやすさ、複数サンプルでの収束具合、折れ曲がりの多い複雑な挙動、あたりが目安。 「2成分が存在」の「証拠」にはなり得ない。「このような2成分に分離して考えるとシンプルな描像で説明できますね」がせいぜい。VSOP-2で高解像度の偏光マップが撮られれば、2成分見えるかも(?) 物理モデルとしての問題点 「ゆっくり変動成分(Q_0,U_0)」のtotal flux(I_0)の時間変動を無視している つまり、偏光ベクトルは2成分に分けるが、光度曲線は分けていない 両方を同時に解くのは困難なので 解析上は、光度曲線も差分偏光成分も正規化しているので影響は薄いはず ただし、得られた結果は常に「I_0一定のまま(Q_0,U_0)だけが変化する」ことを意味する (Q/I, U/I)は分離できない 両成分の偏光度が小さいとは限らないため なので、得られた解が「偏光度と光度曲線が相関する」ような解かどうかは決定できない ただし、「偏光度」の観測値は 下式の左辺のようになり、今回の解析では(上記のように)I_0の時間変化を無視しているので、右辺第二項の成分が光度曲線と相関するとして両成分を分離することはできる。

S5 0716+714の場合 長期成分は抽出されるが、 erraticな変動 光度曲線との相関は有意に 改善しない

ベイズ的に推定されたlong-term trend (2) (1)の場合で、観測頻度が5割の場合。   それなりにOK。   特定の関数に依存していないので、非均一サンプリングや端の点の推定には強い。

QUの成分分離 Wが大きいと(尤度を上げ ようとして)長期成分は 複雑な挙動になる OJ 287    S5 0716+714    S2 0109+224 W=0.10 W=0.25 W=0.50

Q/I,U/Iの成分分離 Wが小さいと、(Q,U)の場 合と同様の挙動をする長 期成分が分離される OJ 287    S5 0716+714    S2 0109+224 W=0.10 W=0.25 W=0.50

時系列で OJ 287 S5 0716+714 S2 0109+224 光度曲線 偏光度(観測値) 偏光フラックス(観測値) 偏光方位角(観測値) 短時間変動成分の 偏光フラックス(推定値) 偏光方位角(推定値) 長時間変動成分の

最近のトピックス:偏光ベクトルの回転 Marsher et al. (2008) Nature

ブレーザーの偏光の挙動は何故「めちゃくちゃ」なのか? 偏光パラメータと光度or色など との相関関係 だいたいは明らかな相関なし、とされる Moore et al. (1982), Jones et al. (1985, 1988), その他たくさん 「QU平面上をランダムに動く」とされる “erratic” variation 広島大学「かなた」望遠鏡によ るブレーザーの集中観測(先の 池尻の講演) 研究史上最大規模のサンプル数×情報量 やっぱり「めちゃくちゃ」 「めちゃくちゃ」な中に系統的 に変動する成分が隠れていない か? BL Lacの1週間のQU平面上での動き (Moore et al. 1982)