The subtle statistics of the distance ladder: On the distance prior and selection effects

Résumé technique : La subtilité statistique de l'échelle de distance : sur le l'a priori de distance et les effets de sélection

Énoncé du problème
La cosmologie moderne est confrontée à la « tension de Hubble », un écart significatif ($\gtrsim 5\sigma$) entre la constante de Hubble ($H_0$) déduite de l'échelle de distance locale et celle dérivée du fond diffus cosmologique (CMB) sous le modèle $\Lambda$CDM. Bien que les erreurs systématiques des indicateurs de distance soient souvent examinées, la méthodologie statistique sous-jacente aux analyses de l'échelle de distance — spécifiquement le choix des a priori sur les paramètres de distance latents et la modélisation des effets de sélection — est rarement considérée comme un contributeur important à cette tension. Ce document soutient qu'une modélisation statistique inappropriée dans ces domaines introduit des biais appréciables dans l'inférence de $H_0$.

Méthodologie
Les auteurs utilisent une combinaison de dérivations analytiques, de simulations de données fictives et de réanalyses de jeux de données réels pour étudier deux problèmes statistiques distincts :

1. L'effet de l'a priori de distance : Les distances sont des paramètres latents inférés à partir d'observables (par exemple, la magnitude apparente et le décalage vers le rouge). Les auteurs démontrent que, parce que les objets sont intrinsèquement distribués uniformément dans un volume tridimensionnel, l'a priori correct pour la distance $r$ doit suivre une loi $\pi(r) \propto r^2$ (l'a priori de volume). De nombreuses analyses actuelles supposent implicitement un a priori plat sur le module de distance $\mu$ (où $\mu \propto \ln r$), ce qui correspond à $\pi(r) \propto 1/r$.

   • Approche analytique : Les auteurs dérivent le décalage de l'estimation du maximum a posteriori (MAP) de $H_0$ résultant de différents exposants d'a priori $k$ (où $\pi(r) \propto r^k$) dans un modèle direct bayésien simplifié. Ils montrent que pour un échantillon limité en volume avec une incertitude de redshift négligeable, le biais dans $\ln H_0$ est proportionnel à la différence d'exposant de l'a priori $\Delta k$.
   • Simulation : Des simulations de Monte Carlo par chaînes de Markov (MCMC) utilisant des données fictives confirment qu'un a priori uniforme en volume ($k=2$) produit une estimation non biaisée de $H_0$, tandis qu'un a priori uniforme en $\mu$ ($k=-1$) produit un biais significatif vers des distances plus faibles et des valeurs de $H_0$ plus élevées.

2. Effets de sélection : Les auteurs analysent comment les critères de sélection (limités en volume, en redshift ou en magnitude) interagissent avec l'a priori de distance dans un cadre bayésien.

   • Ils dérivent les facteurs de correction nécessaires pour la distribution a posteriori basée sur la probabilité qu'un objet entre dans l'échantillon.
   • Ils comparent ces résultats de modélisation directe bayésienne avec des estimateurs $\chi^2$ fréquentistes, qui traitent les distances comme des fonctions déterministes du redshift et manquent d'un mécanisme d'a priori explicite.

Contributions clés et résultats

• Quantification du biais d'a priori : L'étude quantifie que l'utilisation d'un a priori plat sur le module de distance (courant dans les analyses bayésiennes) au lieu d'un a priori de volume biaise $H_0$ à la hausse. Pour un échantillon avec une incertitude de magnitude $\sigma_m = 0,1$ mag et $N=2000$ galaxies, le décalage entre un a priori plat en $\mu$ et un a priori de volume correspond à un biais de $6,2\sigma$.
• Interaction avec la sélection :
  • Sélection en redshift : Dans la limite d'une incertitude de redshift négligeable ($\sigma_z \to 0$), un facteur de sélection en redshift ($H_0^{3N}$) annule exactement l'effet de l'a priori de volume si un a priori plat en $\mu$ est utilisé. Cela crée une « annulation fortuite » où un a priori non physique produit un résultat non biaisé, mais uniquement sous des conditions spécifiques.
  • Sélection en magnitude : Pour les échantillons limités en magnitude, le facteur de sélection n'annule pas l'a priori de volume, ce qui conduit à un biais significatif à moins que l'a priori de volume ne soit correctement appliqué.
  • $\chi^2$ fréquentiste : Les auteurs montrent que les méthodes fréquentistes sont non biaisées pour les échantillons limités en volume uniquement si $\sigma_z \to 0$. Lorsque $\sigma_z > 0$, la propagation linéaire des erreurs introduit des biais qui dépendent du signe du terme de correction.
• Étude de cas I : CosmicFlows-4 (CF4) :
  • En réanalysant le sous-ensemble Tully-Fisher de CF4, les auteurs trouvent que l'analyse standard (équivalente à un a priori plat en $\mu$) donne $H_0 \approx 75,1$ km s$^{-1}$ Mpc$^{-1}$.
  • L'imposition du correct a priori de volume ($k=2$) déplace le résultat vers $H_0 \approx 66,9$ km s$^{-1}$ Mpc$^{-1}$, un décalage spectaculaire de $\approx 55\sigma$.
  • Les auteurs notent que ce décalage est illustratif ; la valeur réelle se situe probablement entre les limites de volume et de redshift, selon la fonction de sélection réelle et complexe de la compilation CF4, qui n'est pas totalement homogène.
• Étude de cas II : SH0ES :
  • L'application de la correction de l'a priori de volume à la pipeline SH0ES (qui utilise une approche fréquentiste avec des corrections de biais basées sur des simulations) suggère un décalage de $\approx 1,7\sigma$ vers des valeurs plus faibles de $H_0$ (de $73,04$à$\approx 71,3$ km s$^{-1}$ Mpc$^{-1}$).
  • Les auteurs soutiennent que les corrections de biais existantes de la pipeline SH0ES, basées sur des simulations, tiennent déjà compte de ces effets, impliquant que le résultat nominal de SH0ES est déjà non biaisé, à condition que les simulations modélisent avec précision à la fois la distribution intrinsèque des sources et les coupures de sélection.

Signification et affirmations
L'article affirme que la méthodologie statistique des études de l'échelle de distance est une composante critique et souvent négligée de la tension de Hubble. La principale signification réside dans la démonstration que :

1. L'inférence non biaisée nécessite des a priori physiques : Dans les analyses bayésiennes, supposer un a priori plat sur le module de distance est physiquement incorrect pour un univers distribué en volume et conduit à des estimations de $H_0$ biaisées, à moins que des conditions de sélection spécifiques, et souvent irréalistes, ne soient remplies.
2. La modélisation de la sélection est non triviale : Les effets de sélection ne se contentent pas de « corriger » l'a priori de volume ; ils introduisent des facteurs distincts dans la distribution a posteriori. Une approche rigoureuse nécessite un modèle génératif qui tient compte à la fois de la distribution de volume intrinsèque et de la fonction de sélection spécifique.
3. Limitations actuelles : De nombreuses analyses de pointe (tant fréquentistes que bayésiennes) négligent l'a priori de volume ou traitent les effets de sélection de manière inadéquate. Bien que les corrections basées sur des simulations (utilisées dans SH0ES) puissent atténuer ces biais, elles dépendent de la précision des modèles de simulation sous-jacents.
4. Exigences futures : Pour obtenir des contraintes précises, les futurs relevés doivent privilégier des échantillons aux critères de sélection connus et homogènes. Cela permet la mise en œuvre de modèles directs bayésiens rigoureux ou de corrections post-hoc par simulation précises.

Les auteurs concluent que sans une modélisation précise à la fois des distances (via le correct a priori de volume) et des effets de sélection, les paramètres cosmologiques inférés comme $H_0$ et les vitesses particulières peuvent souffrir de biais systématiques qui augmentent avec la taille de l'échantillon, potentiellement en exacerbant ou en occultant la tension de Hubble.