🔭 astrophysics

Selection effects in correlated observations with application to distance-ladder observations

Este artículo deriva una verosimilitud bayesiana para los sesgos de selección en observables correlacionados y la aplica a datos de variables Cefeidas, encontrando solo evidencia débil de que tales efectos no modelados contribuyan significativamente a la tensión de Hubble, aunque podrían reducir parcialmente la constante de Hubble inferida dependiendo de los priors de distancia.

Autores originales: Will J. Percival (Waterloo Centre for Astrophysics, University of Waterloo)

Publicado 2026-07-27

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Will J. Percival (Waterloo Centre for Astrophysics, University of Waterloo)

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás tratando de medir el tamaño del universo entero. Para hacer esto, los astrónomos utilizan una "escalera" cósmica. El peldaño inferior de esta escalera consiste en medir la distancia a las estrellas cercanas utilizando una técnica llamada paralaje (observar cómo se desplazan su posición mientras la Tierra orbita alrededor del Sol). El siguiente peldaño hacia arriba involucra una estrella pulsante especial llamada variable Cefeida. Estas estrellas son como faros cósmicos: cuanto más lento pulsan, más brillantes son en realidad. Al medir qué tan rápido pulsan y qué tan brillantes parecen desde la Tierra, los astrónomos pueden calcular a qué distancia se encuentran. Una vez que conocen la distancia a estas estrellas en galaxias que han explotado como supernovas de Tipo Ia, pueden usar estas supernovas como faros aún más brillantes para medir distancias a través del vasto cosmos. Al combinar estas distancias con la rapidez con la que esas galaxias se alejan de nosotros, los científicos pueden calcular la constante de Hubble ( $H_0$ ), que nos indica la tasa de expansión actual del universo.

Aquí está el problema: todo el mundo quiere saber el número exacto de esta tasa de expansión. Pero hay un desacuerdo obstinado. Las mediciones realizadas observando el universo temprano (el Fondo Cósmico de Microondas) dan una respuesta, mientras que las mediciones realizadas utilizando esta escalera cósmica dan una respuesta ligeramente diferente y más rápida. Este desacuerdo se llama la "tensión de Hubble". Es como si dos amigos muy inteligentes midieran la misma habitación con cintas métricas diferentes y obtuvieran resultados distintos. Durante años, los científicos se han preguntado si una de las cintas métricas está rota o si hay un truco oculto en la forma en que leen los números. Una gran preocupación es el "sesgo de selección". Esto sucede cuando la forma en que eliges qué estrellas estudiar sesga accidentalmente tus resultados. Por ejemplo, si solo miras a las personas más brillantes en una multitud, podrías pensar que el promedio de las personas es más alto de lo que realmente es.

Este artículo hace una pregunta muy específica: ¿Podría un sesgo de selección sutil y oculto estar alterando las mediciones de esas estrellas Cefeidas? Específicamente, el autor investiga un escenario donde las estrellas son seleccionadas basándose en qué tan fáciles son de ver en la luz visible, pero su brillo se mide en la luz infrarroja. Debido a que el "ruido" de fondo en ambos tipos de luz está relacionado, elegir estrellas que son fáciles de ver en la luz visible podría elegir accidentalmente estrellas que se ven ligeramente diferentes en el infrarrojo, creando un error sistemático diminuto. El artículo construye un modelo estadístico para ver si este tipo de sesgo existe en los datos y, si es así, cuánto cambia la tasa de expansión calculada del universo.

El autor, Will J. Percival, comienza creando un modelo matemático para describir exactamente cómo funciona esta "selección correlacionada". Imagina que estás tratando de pesar manzanas en una cesta, pero solo puedes elegir las manzanas que se ven lo suficientemente brillantes como para ser vistas bajo una luz tenue. Si el brillo de la piel de la manzana está relacionado con su peso real, tu proceso de selección podría favorecer accidentalmente manzanas más pesadas (o más ligeras), sesgando tu cálculo de peso promedio incluso si las pesas perfectamente después. El artículo deriva una fórmula para corregir esto, mostrando que incluso si la selección parece aleatoria, puede desplazar el resultado promedio si las variables están vinculadas.

Cuando el autor aplica este modelo a los datos reales utilizados en mediciones recientes de la constante de Hubble, los resultados son una mezcla de "tal vez" y "depende". El estudio encuentra solo una evidencia débil de que este tipo específico de sesgo de selección esté ocuriendo realmente. La significancia estadística es baja, situándose entre 1.2σ y 1.9σ. En el lenguaje de la ciencia, esto es como escuchar un susurro tenue en una habitación ruidosa; sugiere que algo podría estar ahí, pero no es un grito que lo confirme. Los datos no prueban que este sesgo sea el culpable de la tensión de Hubble.

Sin embargo, el artículo hace algo muy interesante: pregunta, "¿Qué pasa si asumimos que este sesoma existe y lo corregimos de todos modos?". Cuando el autor añade un factor de corrección al modelo para dar cuenta de este posible sesgo, el valor calculado de la constante de Hubble disminuye. Dependiendo de las suposiciones hechas sobre cómo se distribuyen las estrellas en el espacio (la "prior"), la tasa de expansión cae entre 0.7 km s⁻¹ Mpc⁻¹ y 1.1 km s⁻¹ Mpc⁻¹. Si el autor permite una corrección diferente para cada una de las galaxias, la caída puede ser incluso mayor, pero esto hace que el resultado sea muy sensible a las suposiciones iniciales.

El artículo descarta explícitamente la idea de que este efecto de selección sea la solución única a la tensión de Hubble. El cambio que causa es real pero demasiado pequeño para cerrar completamente la brecha entre las diferentes mediciones de la expansión del universo. El autor concluye que, si bien este sesgo específico podría no ser el villano principal, podría ser una pequeña pieza de un rompecabezas más grande. El estudio destaca que la elección de las suposiciones matemáticas (priors) sobre dónde se encuentran las estrellas tiene un impacto enorme en la respuesta final, a veces más que el propio sesgo de selección.

Al final, este artículo no resuelve el misterio de la tensión de Hubble, pero proporciona una nueva herramienta para el trabajo de detective. Muestra que, incluso si no podemos probar que existe un sesgo, debemos verificar cuánto cambiaría nuestra respuesta si lo hubiera. El autor sugiere que las observaciones futuras con el Telescopio Espacial James Webb (JWST), que puede ver estas estrellas con una precisión mucho mayor, ayudarán a probar estas ideas. Si el sesgo es real, mejores mediciones deberían reducir su efecto. Por ahora, la tensión de Hubble sigue siendo un rompecabezas obstinado, pero este artículo aporta una perspectiva nueva y ligeramente más cautelosa al debate cósmico en curso.

Resumen Técnico: Efectos de Selección en Observaciones Correlacionadas con Aplicación a las Observaciones de la Escala de Distancias

Planteamiento del Problema
La inferencia astronómica se ve frecuentemente complicada por sesgos de selección, donde la muestra detectada de objetos no es un subconjunto representativo de la población subyacente. Mientras que los efectos de selección estándar (por ejemplo, el sesgo de Malmquist) ocurren cuando la selección actúa directamente sobre la cantidad medida, este artículo aborda una clase de sesgo más sutil: efectos de selección que surgen cuando un objeto es seleccionado utilizando un observable ( $x$ ) pero se analiza utilizando un observable diferente y correlacionado ( $y$ ). Este escenario es prevalente en las mediciones de la constante de Hubble ( $H_0$ ) mediante la escala de distancias, específicamente en el proyecto SH0ES. En estas mediciones, las estrellas variables Cefeidas se seleccionan basándose en observaciones de longitud de onda visible (para identificar la variabilidad periódica), pero sus magnitudes se miden en el infrarrojo cercano (NIR) para minimizar los efectos de extinción y metalicidad. Debido a que el hacinamiento de fondo y el ruido afectan a ambas bandas, los observables de selección y de medición están correlacionados. Si no se modelan, esta correlación puede inducir un desplazamiento sistemático en la media de las magnitudes medidas, lo que potencialmente sesga la escala de distancia inferida y la $H_0$ .

Metodología
El autor desarrolla un marco estadístico dentro de un contexto bayesiano para modelar y corregir estos efectos.

Derivación Teórica: El artículo deriva la función de verosimilitud para una variable $y$ dado que una variable correlacionada $x$ ha sido truncada (por ejemplo, $x < x_{\text{lim}}$ ). Asumiendo una distribución Normal bivariada para los valores reales y los errores de medición, se deriva la distribución condicional $f(y | x < x_{\text{lim}})$ . El análisis muestra que, si bien la forma de la verosimilitud permanece aproximadamente Normal (con una asimetría suprimida en el régimen de correlación débil), la media se desplaza en una cantidad lineal al coeficiente de correlación $\rho$ y depende del umbral de selección.
Aplicación a las Cefeidas: El modelo se aplica a los datos de Cefeidas utilizados en la escala de distancias de Riess et al. (2022, R22). La corrección de selección se parametriza para escalar con la incertidumbre fotométrica medida independientemente de cada Cefeida ( $\sigma_j$ ), reflejando la expectativa de que el sesgo de selección es más pronunciado para detecciones más tenues o con mayor ruido.
Implementación Bayesiana: El estudio realiza un análisis bayesiano conjunto de la escala de distancias, infiriendo simultáneamente la $H_0$ $H_{0}$ y los parámetros de molestia que describen los efectos de selección. Se prueban tres esquemas de parametrización para la corrección de selección:
- Individual: Un parámetro de corrección único para cada galaxia anfitriona.
- Jerárquico: Parámetros de corrección extraídos de una distribución Normal compartida.
- Compartido: Un único parámetro de corrección global para todos los anfitriones.
Sensibilidad de la Prior: El análisis prueba rigurosamente el impacto de las elecciones de la prior sobre los módulos de distancia. Contrasta la prior estándar uniforme en el módulo de distancia ( $\text{uniform-}\mu$ ) con una prior uniforme en el volumen ( $\text{uniform-}r^3$ ), que tiene en cuenta la densidad espacial de las galaxias en una muestra limitada por volumen.
Validación: Los resultados se validan mediante Pruebas Predictivas Posteriores (PPTs) para asegurar que el modelo no sobreajuste los datos y que la inclusión de parámetros de selección no introduzca sesgos artificiales en ausencia de efectos de selección reales.

Resultos Clave

Evidencia de Efectos de Selección: Los datos muestran una evidencia débil de correcciones de selección residuales no nulas. Dependiendo de la prior de distancia adoptada, la significación de una corrección no nula oscila entre $1.2\sigma$ y $1.9\sigma$ .
Impacto en $H_0$ :
- Sensibilidad de la Prior: Cambiar la prior de uniforme en el módulo de distancia a uniforme en el volumen ( $\text{uniform-}r^3$ ) reduce la $H_0$ inferida en aproximadamente $1.7 \text{ km s}^{-1} \text{ Mpc}^{-1}$ incluso sin correcciones de selección.
- Impacto de la Corrección de Selección: Incluir un único parámetro de corrección de selección compartido reduce la $H_0$ recuperada en un $\Delta H_0 = -0.7 \text{ km s}^{-1} \text{ Mpc}^{-1}$ (para $\text{uniform-}\mu$ ) a $-1.1 \text{ km s}^{-1} \text{ Mpc}^{-1}$ (para $\text{uniform-}r^3$ ).
- Efecto Combinado: Al combinar la prior $\text{uniform-}r^3$ con la corrección de selección compartida, la $H_0$ inferida cae a $69.8 \pm 1.2 \text{ km s}^{-1} \text{ Mpc}^{-1}$ .
- Riesgos de Sobreajuste: Permitir correcciones de selección independientes para cada galaxia anfitriona aumenta el desplazamiento en $H_0$ aún más (por ejemplo, a $66.04 \text{ km s}^{-1} \text{ Mpc}^{-1}$ con $\text{uniform-}r^3$ ), pero el artículo señala que este modelo sobreajusta los datos y es altamente sensible a la prior, haciendo del modelo de un solo parámetro la base conservadora.
Comprobaciones Predictivas Posteriores: Las PPTs confirman que las distribuciones de magnitud observadas y las estadísticas de bondad de ajuste son consistentes con los supuestos del modelo. Los datos se encuentran dentro del rango de las realizaciones sintéticas generadas bajo la hipótesis nula de ausencia de efectos de selección, lo cual es consistente con la débil significación estadística de las correcciones detectadas.

Significación y Reivindicaciones
El artículo sostiene que, si bien la introducción de una nueva corrección de selección no puede por sí sola explicar la "tensión de Hubble" (la discrepancia entre las mediciones locales y las del CMB respecto a $H_0$ ), puede ser un componente significativo de una solución multifacética. El estudio demuestra que:

Los efectos de selección en observables correlacionados pueden inducir desplazos en la media que no son fácilmente detectables mediante pruebas estándar de bondad de ajuste, pero que pueden desplazar las inferencias cosmológicas.
El valor inferido de $H_0$ es altamente sensible a la elección de las priors sobre los parámetros de distancia y al tratamiento de los efectos de selección.
El acoplamiento entre la prior de distancia y el modelo de selección es no trivial; la marginalización sobre las incertidumbres de selección permite que la prior de distancia ejerza una mayor influencia en el ajuste global.
Las mejoras futuras en la precisión fotométrica (por ejemplo, mediante observaciones con el JWST de Cefeidas extragalácticas) alterarán la magnitud de estos efectos de selección, proporcionando una prueba crítica de las correcciones inferidas.

El trabajo proporciona un marco estadístico formal para incorporar efectos de selección de observables correlacionados en la inferencia bayesiana, aplicable más allá de las Cefeidas a cualquier escenario donde la selección de la muestra y la medición dependan de variables correlacionadas.

Más como este