层析星系巡天中 $N(z)$ 不确定性的解析边缘化

我们提出了一种新方法，用于在适用于当前及未来测光星系巡天的层析宇宙学分析中，对红移分布 $N(z)$ 的不确定性进行边缘化。我们允许由描述红移分布认知不确定性的通用协方差矩阵所支配的、相对于最佳猜测 $N(z)$ 的任意偏离。原则上，这是对成百上千个描述随红移和层析区间变化的潜在偏离的新参数的边缘化。然而，通过在基准模型附近对理论预言作线性展开，该边缘化可解析地完成，得到一个修正的数据协方差矩阵，其有效地降低了数据矢量中对红移分布变化更敏感的模态的权重。我们通过将其应用于超主相机(Hyper Suprime-Cam)首次数据发布的星系成团性测量来展示该方法。我们说明了如何对定标样本的样本方差以及测光估计方法中一个大的通用系统不确定性进行边缘化，并探讨了施加红移分布平滑性先验的影响。