时间序列分析的新见解 II —— 无相关观测

统计参数被用于金融、天气、工业、科学等众多不同领域以得出结论。分析海量天文数据必须采用新的、更高效的选择方法。我们使用标准和新的数据挖掘参数来分析非相关数据，以设定区分随机变化与非随机变化的最佳方式。我们引入了 16 个修改后的统计参数，涵盖统计分布的不同特征，如平均值、离散度和形状参数。许多离散度和形状参数是无界参数，即不需要计算平均值的方程。此外，它们中的大多数比以往的参数具有更低的误差，这在测量值较少的分布中尤为明显。我们引入了一组非相关性变化指数、样本量校正、一个新的噪声模型，以及对数据进行不同孔径和截断测试的方法 (BAS 方法)。使用单一波段时，误选数量减少了约 520%，结合所有波段时减少了 1200%。另一方面，偶数均值也改进了论文 1 (Ferreira Lopes & Cross, 2016) 中引入的相关指数。如果在 WFCAM 数据库中使用偶数均值代替均值来计算相关指数，误选率可降低约 18%。偶数统计使我们能够提高相关和非相关指数的有效性。如果使用偶数均值，本系列第一篇论文中提出的相关变化指数也得到了改进。偶数参数在本项目的最后一步对光变曲线进行分类时也将非常有用。我们认为，本项目的第一步，即建立新技术和方法以大幅提高变星选择效率的工作，现已完成。