利用 Gaia 视差推断 PL(Z) 关系的层次贝叶斯模型

目的。我们旨在建立一个贝叶斯模型，以严谨且有充分依据的方式传播观测量的不确定性，从而推断 PL 或 PLZ 关系的系数。方法。我们提出一个有向无环图来编码推断模型的条件概率，该模型将允许我们推断 PL 和 PL(Z) 关系的概率分布。我们使用多个半合成数据集对模型进行评估，并将其应用于 200 颗基模和第一泛音模 RR Lyrae 恒星的样本，这些恒星具有可用的 Gaia DR1 视差和文献中的 Ks 波段平均星等。我们定义并测试了若干超先验概率，以验证其适用性，并检查解对先验选择的敏感性。结果。本工作的主要结论是，绝对有必要以模型先验的形式纳入观测变量（周期、金属丰度和视差）之间已有的相关性，以避免系统性偏差结果，尤其是在视差不确定性不可忽略的情况下。基于 Gaia Collaboration 等人（2017）所用数据集的半合成数据测试揭示了视差、金属丰度和周期之间已有相关性对推断参数的显著影响。本文所得的关系系数已被 Muraveva 等人（2018a）的结果所取代，后者纳入了本工作的发现以及更新的 Gaia DR2 测量值。