🔭 astrophysics

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

यह शोध पत्र सहसंबंधित प्रेक्षणों (correlated observables) में चयन पूर्वाग्रहों (selection biases) के लिए एक बेयसियन लाइकलीहुड (Bayesian likelihood) व्युत्पन्न करता है और इसे सेफिड वेरिएबल (Cepheid variable) डेटा पर लागू करता है, जिसमें यह पाया गया है कि इस बात के केवल कमजोर प्रमाण हैं कि ऐसे अनमॉडल किए गए प्रभाव हबल तनाव (Hubble tension) में महत्वपूर्ण योगदान देते हैं, हालांकि वे दूरी के पूर्वग्रहों (distance priors) के आधार पर अनुमानित हबल स्थिरांक को आंशिक रूप से कम कर सकते हैं।

मूल लेखक: Will J. Percival (Waterloo Centre for Astrophysics, University of Waterloo)

प्रकाशित 2026-07-27

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Will J. Percival (Waterloo Centre for Astrophysics, University of Waterloo)

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप पूरे ब्रह्मांड के आकार को मापने की कोशिश कर रहे हैं। ऐसा करने के लिए, खगोलशास्त्री एक 'कॉस्मिक सीढ़ी' (cosmic ladder) का उपयोग करते हैं। इस सीढ़ी के सबसे निचले पायदान में पास के तारों की दूरी मापने के लिए 'पैरलैक्स' (parallax) नामक तकनीक का उपयोग किया जाता है (पृथ्वी के सूर्य की परिक्रमा करने के दौरान उनकी स्थिति में बदलाव को देखना)। अगला पायदान 'सेफिड वेरिएबल' (Cepheid variable) नामक एक विशेष प्रकार के स्पंदित (pulsating) तारे का है। ये तारे ब्रह्मांडीय प्रकाश स्तंभों (lighthouses) की तरह हैं: वे जितना धीरे स्पंदित होते हैं, वास्तव में उतने ही अधिक चमकीले होते हैं। इन तारों के स्पंदन की गति और पृथ्वी से वे कितने चमकीले दिखाई देते हैं, इसे मापकर खगोलशास्त्री यह गणना कर सकते हैं कि वे कितनी दूर हैं। एक बार जब वे उन आकाशगंगाओं के इन तारों की दूरी जान लेते हैं जिनमें 'टाइप Ia सुपरनोवा' विस्फोट हुए हैं, तो वे ब्रह्मांड के विशाल विस्तार को मापने के लिए उन सुपरनोवा को और भी चमकीले प्रकाश स्तंभों के रूप में उपयोग कर सकते हैं। इन दूरियों को उन आकाशगंगाओं के बाहर जाने की गति के साथ जोड़कर, वैज्ञानिक हबल स्थिरांक ( $H_0$ ) की गणना कर सकते हैं, जो ब्रह्मांड के वर्तमान विस्तार की दर बताता है।

यहाँ समस्या यह है: हर कोई इस विस्तार दर के लिए सटीक संख्या जानना चाहता है। लेकिन एक जिद्दी असहमति है। प्रारंभिक ब्रह्मांड (कॉस्मिक माइक्रोवेव बैकग्राउंड) को देखकर किए गए मापन एक उत्तर देते हैं, जबकि इस कॉस्मिक सीढ़ी का उपयोग करने वाले मापन एक अलग, थोड़ा तेज़ उत्तर देते हैं। इस असहमति को "हबल टेंशन" (Hubble tension) कहा जाता है। यह ऐसा है जैसे दो बहुत बुद्धिमान मित्र एक ही कमरे को मापने के लिए अलग-अलग टेप माप का उपयोग कर रहे हों और उन्हें अलग-अलग परिणाम मिल रहे हों। वर्षों से, वैज्ञानिक सोचते रहे हैं कि क्या उनमें से एक टेप माप खराब है, या इसमें नंबर पढ़ने का कोई छिपा हुआ तरीका है। एक प्रमुख चिंता "चयन पूर्वाग्रह" (selection bias) है। यह तब होता है जब आप किन तारों का अध्ययन करेंगे, इसका तरीका अनजाने में आपके परिणामों को झुका सकता है। उदाहरण के लिए, यदि आप केवल भीड़ में सबसे चमकीले तारों को देखते हैं, तो आप सोच सकते हैं कि औसत व्यक्ति वास्तव में जितना लंबा है, उससे अधिक लंबा है।

यह शोध पत्र एक बहुत ही विशिष्ट प्रश्न पूछता है: क्या एक सूक्ष्म, छिपा हुआ चयन पूर्वाग्रह उन सेफिड तारों के मापन को बिगाड़ रहा है? विशेष रूप से, लेखक एक ऐसी स्थिति की जांच करता है जहाँ तारों का चयन इस आधार पर किया जाता है कि उन्हें दृश्य प्रकाश (visible light) में देखना कितना आसान है, लेकिन उनकी चमक (brightness) को इन्फ्रारेड प्रकाश में मापा जाता है। क्योंकि दोनों प्रकार के प्रकाश में पृष्ठभूमि का "शोर" (noise) आपस में संबंधित है, इसलिए दृश्य प्रकाश में आसानी से दिखने वाले तारों को चुनने से अनजाने में ऐसे तारे चुने जा सकते हैं जो इन्फ्रारेड में थोड़े अलग दिखते हैं, जिससे एक सूक्ष्म, व्यवस्थित त्रुटि पैदा हो सकती है। यह पत्र एक सांख्यिकीय मॉडल बनाता है ताकि यह देखा जा सके कि क्या इस विशिष्ट प्रकार का पूर्वाग्रह डेटा में मौजूद है और यदि यह मौजूद है, तो यह ब्रह्मांड के गणना किए गए विस्तार दर को कितना बदल देता है।

लेखक, विल जे. पर्सिवल (Will J. Percival), इस प्रक्रिया से शुरुआत करते हैं कि यह "सह-संबंधित चयन" (correlated selection) वास्तव में कैसे काम करता है। कल्पना कीजिए कि आप एक टोकरी में सेबों को तौलने की कोशिश कर रहे हैं, लेकिन आप केवल उन्हीं सेबों को चुन सकते हैं जो मंद रोशनी में पर्याप्त चमकदार दिखते हैं। यदि सेब की त्वचा की चमक उसके वास्तविक वजन से संबंधित है, तो आपकी चयन प्रक्रिया अनजाने में भारी (या हल्के) सेबों का पक्ष ले सकती है, जिससे आपके औसत वजन की गणना गलत हो सकती है, भले ही आप बाद में उन्हें पूरी तरह से सही तौल लें। पेपर इस प्रभाव को ठीक करने के लिए एक सूत्र व्युत्पन्न करता है, यह दिखाते हुए कि भले ही चयन यादृच्छिक (random) लगे, फिर भी यह औसत परिणाम को बदल सकता है यदि चर (variables) आपस में जुड़े हों।

जब लेखक इस मॉडल को हाल के हबल स्थिरांक के मापन में उपयोग किए गए वास्तविक डेटा पर लागू करते हैं, तो परिणाम "शायद" और "यह निर्भर करता है" का मिश्रण होते हैं। अध्ययन में केवल कमजोर प्रमाण मिलता है कि इस विशिष्ट प्रकार का चयन पूर्वाग्रह वास्तव में हो रहा है। सांख्यिकीय महत्व कम है, जो 1.2σ और 1.9σ के बीच घूम रहा है। विज्ञान की भाषा में, यह एक शोर भरे कमरे में एक हल्की फुसफुसाहट सुनने जैसा है; यह सुझाव देता है कि वहां कुछ हो सकता है, लेकिन यह कोई चिल्लाहट नहीं है जो इसकी पुष्टि करे। डेटा यह सिद्ध नहीं करता है कि यह पूर्वाग्रह हबल टेंशन का असली कारण है।

हालाँकि, यह शोध पत्र कुछ बहुत दिलचस्प करता है: यह पूछता है, "क्या होगा यदि हम मान लें कि यह पूर्वाग्रह मौजूद है और फिर भी इसके लिए सुधार करें?" जब लेखक इस संभावित पूर्वाग्रह को ध्यान में रखने के लिए मॉडल में एक सुधार कारक (correction factor) जोड़ते हैं, तो हबल स्थिरांक का गणना किया गया मान नीचे गिर जाता है। इस बात पर निर्भर करते हुए कि अंतरिक्ष में तारों के वितरण के बारे में क्या धारणाएं (priors) बनाई गई हैं, विस्तार दर 0.7 km s⁻¹ Mpc⁻¹ से 1.1 km s⁻¹ Mpc⁻¹ तक गिर जाती है। यदि लेखक प्रत्येक एकल आकाशगंगा के लिए एक अलग सुधार की अनुमति देते हैं, तो यह गिरावट और भी बड़ी हो सकती है, लेकिन इससे परिणाम प्रारंभिक धारणाओं के प्रति बहुत संवेदनशील हो जाता है।

यह शोध पत्र स्पष्ट रूप से इस विचार को खारिज करता है कि यह चयन प्रभाव हबल टेंशन का एकमात्र समाधान है। इसके द्वारा उत्पन्न बदलाव वास्तविक है लेकिन इतना छोटा है कि यह ब्रह्मांड के विस्तार के विभिन्न मापों के बीच के अंतर को पूरी तरह से पाट नहीं सकता। लेखक निष्कर्ष निकालते हैं कि हालांकि यह विशिष्ट पूर्वाग्रह मुख्य खलनायक नहीं हो सकता है, लेकिन यह एक बड़े पहेली के बड़े हिस्से का एक छोटा सा टुकड़ा हो सकता है। अध्ययन इस बात पर जोर देता है कि तारों के स्थान के बारे में गणितीय धारणाओं (priors) का चुनाव अंतिम उत्तर पर बहुत बड़ा प्रभाव डालता है, कभी-कभी चयन पूर्वाग्रह से भी अधिक।

अंत में, यह शोध पत्र हबल टेंशन के रहस्य को हल नहीं करता है, बल्कि यह जासूसी कार्य के लिए एक नया उपकरण प्रदान करता है। यह दिखाता है कि भले ही हम यह साबित न कर सकें कि कोई पूर्वाग्रह मौजूद है, फिर भी हमें यह जांचना चाहिए कि यदि ऐसा हुआ तो यह हमारे उत्तर को कितना बदल देगा। लेखक सुझाव देते हैं कि जेम्स वेब स्पेस टेलीस्कोप (JWST) के साथ भविष्य के अवलोकन, जो इन तारों को बहुत अधिक सटीकता के साथ देख सकते हैं, इन विचारों का परीक्षण करने में मदद करेंगे। यदि पूर्वाग्रह वास्तविक है, तो बेहतर मापन इसके प्रभाव को कम कर देंगे। फिलहाल, हबल टेंशन एक जिद्दी पहेली बनी हुई है, लेकिन यह शोध पत्र चल रही ब्रह्मांडीय बहस में एक नया, थोड़ा अधिक सतर्क दृष्टिकोण जोड़ता है।

तकनीकी सारांश: सहसंबद्ध प्रेक्षणों में चयन प्रभाव और दूरी-सीढ़ी (Distance-ladder) प्रेक्षणों में इसका अनुप्रयोग

समस्या विवरण
खगोलीय अनुमान अक्सर चयन पूर्वाग्रहों (selection biases) से जटिल हो जाते हैं, जहाँ पता लगाए गए पिंडों का नमूना अंतर्निहित जनसंख्या का एक प्रतिनिधि उपसमुच्चय नहीं होता है। जबकि मानक चयन प्रभाव (जैसे मालमुइस्ट बायस/Malmquist bias) तब होते हैं जब चयन सीधे मापी गई मात्रा पर कार्य करता है, यह शोध पत्र एक अधिक सूक्ष्म श्रेणी के पूर्वाग्रह को संबोधित करता है: वे चयन प्रभाव जो तब उत्पन्न होते हैं जब पिंडों का चयन एक अवलोकन ( $x$ ) का उपयोग करके किया जाता है, लेकिन उनका विश्लेषण एक भिन्न, सहसंबद्ध अवलोकन ( $y$ ) का उपयोग करके किया जाता है। यह परिदृश्य हबल स्थिरांक ( $H_0$ ) के दूरी-सीढ़ी मापन में, विशेष रूप से SH0ES प्रोजेक्ट में, बहुत प्रचलित है। इन मापों में, सेफिड परिवर्तनीय तारों (Cepheid variable stars) को दृश्य-तरंगदैर्ध्य (visible-wavelength) प्रेक्षणों के आधार पर चुना जाता है (आवधिक परिवर्तनशीलता की पहचान करने के लिए), लेकिन उनके परिमाण (magnitudes) को क्षय (extinction) और धात्विकता (metallicity) प्रभावों को न्यूनतम करने के लिए निकट-अवरक्त (Near-Infrared - NIR) में मापा जाता है। क्योंकि पृष्ठभूमि भीड़भाड़ (background crowding) और शोर दोनों बैंडों को प्रभावित करते हैं, इसलिए चयन और मापन अवलोकन सहसंबद्ध होते हैं। यदि अनमॉडल (unmodeled) छोड़ दिया जाए, तो यह सहसंबंध मापे गए परिमाणों के माध्य में एक व्यवस्थित बदलाव ला सकता है, जिससे अनुमानित दूरी पैमाने और $H_0$ में पूर्वाग्रह आ सकता है।

कार्यप्रणाली
लेखक इन प्रभावों को मॉडल करने और सुधारने के लिए एक बेयसियन संदर्भ (Bayesian context) के भीतर एक सांख्यिकीय ढांचा विकसित करते हैं।

सैद्धांतिक व्युत्पत्ति: शोध पत्र एक चर $y$ के लिए लाइकलीहुड फंक्शन (likelihood function) व्युत्पन्न करता है, यह देखते हुए कि एक सहसंबद्ध चर $x$ को ट्रंकेट (truncated) किया गया है (जैसे, $x < x_{\text{lim}}$ )। वास्तविक मानों और मापन त्रुटियों के लिए एक द्विचरीय सामान्य वितरण (bivariate Normal distribution) मानते हुए, सप्रतिबंध वितरण $f(y | x < x_{\text{lim}})$ व्युत्पन्न किया गया है। विश्लेषण दर्शाता है कि जबकि लाइकलीहुड का आकार लगभग सामान्य (Normal) रहता है (कम-सहसंबंध शासन में तिरछापन/skewness कम होने के साथ), इसका माध्य $\rho$ के सहसंबंध गुणांक के रैखिक और चयन सीमा पर निर्भर होता है।
सेफिड्स पर अनुप्रयोग: इस मॉडल को रिएस एट अल. (2022, R22) दूरी सीढ़ी में प्रयुक्त सेफिड डेटा पर लागू किया गया है। चयन सुधार को प्रत्येक सेफिड के स्वतंत्र रूप से मापे गए फोटोमेट्रिक अनिश्चितता ( $\sigma_j$ ) के साथ स्केल करने के लिए पैरामीटराइज किया गया है, जो इस अपेक्षा को दर्शाता है कि चयन पूर्वाग्रह धुंधले या शोर वाले डिटेक्शन के लिए अधिक स्पष्ट होता है।
बेयसियन कार्यान्वयन: अध्ययन दूरी सीढ़ी का एक संयुक्त बेयसियन विश्लेषण करता है, जो $H_0$ $H_{0}$ और चयन प्रभावों का वर्णन करने वाले नुनुन्स पैरामीटर्स (nuisance parameters) का एक साथ अनुमान लगाता है। चयन सुधार के लिए तीन पैरामीटराइजेशन स्कीम्स का परीक्षण किया गया है:
- व्यक्तिगत (Individual): प्रत्येक होस्ट गैलेक्सी के लिए एक अद्वितीय सुधार पैरामीटर।
- पदानुक्रमित (Hierarchical): एक साझा सामान्य वितरण से प्राप्त सुधार पैरामीटर।
- साझा (Shared): सभी होस्ट्स के लिए एक एकल वैश्विक सुधार पैरामीटर।
प्रायर संवेदनशीलता (Prior Sensitivity): अध्ययन दूरी मॉड्यूल (distance moduli) पर प्रायर (prior) विकल्पों के प्रभाव का कठोरता से परीक्षण करता है। यह मानक 'दूरी-मॉड्यूल में समान' ( $\text{uniform-}\mu$ ) प्रायर और 'आयतन में समान' ( $\text{uniform-}r^3$ ) प्रायर के बीच अंतर करता है, जो आयतन-सीमित नमूने में आकाशगंगाओं के स्थानिक घनत्व को ध्यान में रखता है।
वैधीकरण: परिणामों को पोस्टीरियर प्रेडिक्टिव टेस्ट्स (PPTs) का उपयोग करके मान्य किया जाता है ताकि यह सुनिश्चित हो सके कि मॉडल डेटा को ओवरफिट (overfit) नहीं कर रहा है और चयन पैरामीटर्स को शामिल करने से वास्तविक चयन प्रभावों की अनुपस्थिति में कृत्रिम पूर्वाग्रह उत्पन्न नहीं हो रहे हैं।

मुख्य परिणाम

चयन प्रभावों के प्रमाण: डेटा गैर-शून्य अवशिष्ट चयन सुधारों (residual selection corrections) के लिए कमजोर साक्ष्य दिखाते हैं। अपनाए गए दूरी प्रायर के आधार पर, एक गैर-शून्य सुधार की सार्थकता $1.2\sigma$ से $1.9\sigma$ के बीच रहती है।
$H_0$ पर प्रभाव:
- प्रायर संवेदनशीलता: $\text{uniform-}\mu$ से $\text{uniform-}r^3$ प्रायर में बदलने से बिना चयन सुधार के भी अनुमानित $H_0$ में लगभग $1.7 \text{ km s}^{-1} \text{ Mpc}^{-1}$ की कमी आती है।
- चयन सुधार का प्रभाव: एक एकल साझा चयन सुधार पैरामीटर को शामिल करने से रिकवर्ड $H_0$ में अतिरिक्त $\Delta H_0 = -0.7 \text{ km s}^{-1} \text{ Mpc}^{-1}$ ( $\text{uniform-}\mu$ के लिए) से $-1.1 \text{ km s}^{-1} \text{ Mpc}^{-1}$ ( $\text{uniform-}r^3$ के लिए) की कमी आती है।
- संयुक्त प्रभाव: जब $\text{uniform-}r^3$ प्रायर को साझा चयन सुधार के साथ जोड़ा जाता है, तो अनुमानित $H_0$ गिरकर $69.8 \pm 1.2 \text{ km s}^{-1} \text{ Mpc}^{-1}$ हो जाता है।
- ओवरफिटिंग जोखिम: प्रत्येक होस्ट गैलेक्सी के लिए स्वतंत्र चयन सुधारों की अनुमति देने से $H_0$ में बदलाव और बढ़ जाता है (उदाहरण के लिए, $\text{uniform-}r^3$ के साथ $66.04 \text{ km s}^{-1} \text{ Mpc}^{-1}$ तक), लेकिन शोध पत्र नोट करता है कि यह मॉडल डेटा को ओवरफिट करता है और प्रायर के प्रति अत्यधिक संवेदनशील है, जिससे एकल-पैरामीटर मॉडल एक रूढ़िवादी आधार रेखा (conservative baseline) बनता है।
पोस्टीरियर प्रेडिक्टिव चेक: PPTs पुष्टि करते हैं कि देखे गए परिमाण वितरण और गुडनेस-ऑफ-फिट सांख्यिकी मॉडल की धारणाओं के अनुरूप हैं। डेटा शून्य चयन प्रभाव की परिकल्पना के तहत उत्पन्न सिंथेटिक वास्तविकताओं की सीमा के भीतर है, जो पता लगाए गए सुधारों की कमजोर सांख्यिकीय सार्थकता के अनुरूप है।

महत्ता और दावे
शोध पत्र का दावा है कि हालांकि एक नया चयन सुधार पेश करना अपने आप में "हबल टेंशन" (स्थानीय और CMB मापों के बीच विसंगति) को स्पष्ट नहीं कर सकता है, लेकिन यह बहु-आयामी समाधान के एक महत्वपूर्ण घटक के रूप में कार्य कर सकता है। अध्ययन प्रदर्शित करता है कि:

सहसंबद्ध अवलोकनों में चयन प्रभाव उन माध्य ऑफसेट्स को प्रेरित कर सकते हैं जिन्हें मानक गुडनेस-ऑफ-फिट परीक्षणों द्वारा आसानी से पता नहीं लगाया जा सकता है, लेकिन वे ब्रह्मांडीय अनुमानों को स्थानांतरित कर सकते हैं।
दूरी मापदंडों पर प्रायर का चुनाव और चयन प्रभावों का उपचार, अनुमानित $H_0$ के मान के प्रति अत्यधिक संवेदनशील है।
दूरी प्रायर और चयन मॉडल के बीच का जुड़ाव गैर-तुच्छ (non-trivial) है; चयन अनिश्चितताओं पर मार्जिनलाइज़ (marginalize) करने से दूरी प्रायर को वैश्विक फिट पर अधिक प्रभाव डालने की अनुमति मिलती है।
फोटोमेट्रिक परिशुद्धता में भविष्य के सुधार (जैसे, एक्सट्रागैलेक्टिक सेफिड्स के JWST प्रेक्षणों के माध्यम से) इन चयन प्रभावों के परिमाण को बदल देंगे, जो अनुमानित सुधारों के लिए एक महत्वपूर्ण परीक्षण प्रदान करेंगे।

यह कार्य बेयसियन अनुमान में सहसंबद्ध-अवलोकन चयन प्रभावों को शामिल करने के लिए एक औपचारिक सांख्यिकीय ढांचा प्रदान करता है, जो सेफिड्स से परे किसी भी परिदृश्य में लागू किया जा सकता है जहाँ नमूना चयन और मापन सहसंबद्ध चरों पर निर्भर करते हैं।

इसी तरह के और पेपर