Comparacion de los metodos CCF y SPEAR en la determinacion

del tamao de las regiones de emision en AGNs

Alexander Bonilla Rivera

Departamento de Fsica y Astronoma, Facultad de Ciencias, Universidad de Valparaiso, Chile.
Program: Master of astrophysics, third semester.
Subject: Research II.
Advisor: Martin Gaskell.
Final report
August 2012.
alexander.bonilla@uv.cl

ABSTRACT
El calculo de los tiempos de retardo a traves del fenomeno del Reverberation Mapping es
una de las mas importantes caractersticas que se obtiene del analisis de las curvas de luz de
una Galaxia de Nucleo Activo (AGN). A traves de este podemos saber cual es el tamano de la
BLR y de esta forma logramos una caracterizacion adecuada de estas estructuras y en la cual
se requieren medidas lo mas precisas posibles. En este trabajo se discuten el metodo Cross
Correlation Function (CCF) y el metodo Stochastic Process Estimation for AGN Reverberation
(SPEAR) mediante los cuales se obtienen los tiempos de retardo de las curvas de luz para una
muestra estadstica de aproximadamente 90 AGNs.
8. Descrbir las discrepancias en terminos de
hipotesis excluyentes.
1. Objetivos
2. Metodologia
1. Compilar todos los datos publicados para
SPEAR y CCF (Datos originales, referen- 2.1. Variabilidad en AGNs
cias). Las AGNs1 muestran variaciones de flujo en
todo el espectro electromagnetico, lo cual fue en
2. Obtener el codigo operacional SPEAR.
efecto una de las primeras propiedades reconoci-
3. Reproducir algunos datos publicados con das de los quasares. En las primeras investiga-
SPEAR. ciones se establecio que las variaciones del brillo en
optico eran significativas ( 0, 1mag) lo cual para
4. Generar datos sinteticos con tiempo de re- quasares podra ocurrir en escalas de tiempo tan
tardo conocido y comparar CCF y SPEAR. corto como da. Deteccion de variabilidad rapida
en quasares fue un descubrimiento notable en el
5. Ampliar la muestra estadistica encontrando
tiempo, ya que implica que el tamano de la region
o generando nuevos datos.
de emision continuo debe ser del orden de das luz.
6. Evaluar estadisticamente los datos provistos La deteccion de la variabilidad del quasar fue una
por ambos metodos (Discrepancias, Simili- parte fundamental del argumento que las AGNs
tudes). son alimentadas por agujeros negros supermasivos
(SMBH)2 . Los argumentos originales de agujeros
7. Comparar los resultados de SPEAR y CCF
en curvas de luz con una pobre muestra es- 1 Por sus siglas en ingles -Active Galactic Nucleus.

tadistica. 2 Por sus siglas en ingles -Super Masive Black Hole.

1
negros supermasivos en AGNs se basa en las lim-
itaciones en masa desde el lmite de Eddington y las
restricciones de tamao de la variabilidad (Gaskell
& Sparke 1986). El lmite de Eddington es el req-
uisito para que las fuerzas gravitacionales sobre un
gas ionizado excedan la presion de la radiacion ha-
cia el exterior, lo que se traduce a un requisito de
que variaciones rapidas, en algunos casos, en es-
calas de tiempo tan corto como un da, requieren
una region que emite menos de un da de luz en su
radio, donde el radio gravitacional esta dado por

GM
Rgrav = . (1)
c2
Fig. 1. Estructura de una AGN.
Las caracteristicas basicas de la variavilidad son
las siguientes:

1. El estudio de multiples longitudes de onda

indica que la variabilidad se produce a lo
largo de todo el espectro electromagntico.
2. Las variaciones parecen ser aperiodica y
tienen amplitudes variables.

A un nivel fundamental, el origen fsico de

las variaciones no se conoce, aunque la inesta-
bilidad de los discos de acrecion esta probable-
mente involucrada (Fig 1.). Esto tambien puede
ser explicado por las inestabilidades magneto-
hidrodinamicas, especficamente por eventos de
desconexion en el disco. Las tasas variables de
acrecion se han considerado tambien. En al-
gunos casos atpicos especficas variaciones se han
atribuido al oscurecimiento nuclear de la fuente y
por efecto de micro-lente debido a estrellas en la
galaxia huesped.
En la figura 2. se muestra un ejemplo de vari-
abilidad para la galaxia NGC 5548, la cual es ob-
servada en optico desde 1988 hasta 1996.
Las variaciones fraccionales en el optico son
menos pronunciadas, al menos en parte debido a
la contaminacion de los flujos por una gran con-
tribucion de la luz estelar en la galaxia anfitriona.
2.2. Reverberation Mapping
2.2.1. Fenomeno
Las lneas anchas de emision en el espectro de
una AGN pueden variar tanto en flujo como en
perfil, en escalas de tiempo de meses o aos. Los
Fig. 2. Variabilidad de una AGN.
cambios pueden ser muy dramaticos, pero en es-
calas de tiempo mas cortas son mas sutiles. Ac-
tualmente se entiende que esta variacion en las
lineas anchas de emision se debe a una respuesta
a las variaciones en la luminosidad del continuo
en la fuente central con un tiempo de decaimiento
correspondiente al efecto del tiempo de viaje de
la luz dentro de la region de emision de la linea
(Fig 3.). Es por lo tanto posible a tra ves de este
proceso, denominado Reverberation Mapping, de-
terminar la geometria y cinematica de la region de
la linea de emision (Peterson et al. 2004).
Las principales caracteristicas del metodo de
Reverberation Mapping son
1. El continuo se origina en una fuente central

2

Fig. 3. Reverberation Mapping.
unica.
2. El tiempo de viaje de la luz es la escala de
tiempo mas importante.
3. La lnea de emision de la nube esta cerca de
la fuente de radiacion que produce el con-
tinuo, es decir, el tiempo de viaje de la luz a
traves de la BLR3 es pequeo.
Ya que el tiempo de retardo entre la variacion
del continuo y variacion de las lneas de emision,
se atribuyen a efectos de tiempo de viaje de la luz
dentro de la BLR, obteniendo una medida de este
se puede obtener una relacion entre el tamao de la
region y su contenido de materia.
f V 2 R f V 2 c
MSM BH = = (2)
G G
El obtener este tiempo de retardo es la cuestion
central en este trabajo.
2.2.2. Funcion de transferencia
Bajo los anteriores supuestos, la relacion entre
el continuo y las lneas de emision se puede escribir
en terminos de una ecuacion de transferencia
Z polemicas. Importantes pasos en el desarrollo de
L(t) = ( )C(t )d (3)
donde C( ) es la curva de luz del continuo, L(t)
es la curva de luz de la lnea de emision, ( ) la
3 Broad Line Region
funcion de transferencia y el tiempo de retardo
entre las dos curvas. Una rapida inspeccion de la
ecuacion de transferencia muestra que la funcion
de transferencia es simplemente el tiempo de re-
spuesta de la lea de emisin a un cambio abrubto
en el continuo.
La solucion de la ecuacion de transferencia
para obtener la funcion de transferencia es un
clasico problema de la inversion en fsica teorica:
la funcion de transferencia es esencialmente la
funcion de Green para el sistema (White & Pe-
terson 1994). Desafortunadamente, es difcil en-
contrar una solucion estable de dichas ecuaciones,
especialmente cuando los datos son ruidosos y
dispersos, como es habitual en aplicacion as-
tronomica.
Con datos de calidad suficiente, la funciones
transferencia para diferentes modelos plausibles
son distinguibles una de otra. Esto es, por
supuesto, el motivo por el cual ponemos tanto
enfasis en ello: si podemos determinar la funcion
de transferencia para una lnea en particular, pode-
mos determinar la geometria y cinematica de esta
region. El objetivo operativo de experimentos de
mapeo de reverberacion es por lo tanto para deter-
minar las funciones de transferencia para las lneas
de emision en diversos espectros de AGN. En prin-
cipio, los metodos potentes se pueden utilizar para
intentar recuperar las funciones de transferencia.
El mas utilizado es el metodo de maxima entropa
es una version generalizada de metodos de maxima
verosimilitud, como mnimos cuadrados. En este
trabajo se presentan el metodo CCF (Cross Cor-
relation Function), el cual ha sido ampliamente
usado y el SPEAR (Stochastic Process Estima-
tion for AGN Reverberation).
2.3. CCF
El analisis de correlacion cruzada es la her-
ramienta mas comunmente usada en el analisis de
multiples series de tiempo. Debido a su aplicacion
las series de tiempo astronomicas son a menudo
mal entendidas e historicamente han sido bastante
analisis de correlacion cruzada aplicados a estu-
dios de variavilidad de AGNs (Gaskell & Sparke
1987).
El analisis de correlacion cruzada es basica-
mente una generalizacion del standar analisis de
3
 correlacion lineal. Para correlacionar las curvas En situaciones reales las curvas de luz C(t) y
de luz del continuo y de la linea procedemos a re- L(t) no son funciones continuas. El CCF es en-
alizar una simple convolucion de la ecuacion (3) tonces computado a intervalos los cuales son
con la curva del continuo C( ) multiplos del intervalo de la muestra t)

Z N
1 X [L(ti ) < L >)][C(ti ) < C >)]
FCCF ( ) = ( 0 )FACF ( 0 )d 0 (4) FCCF ( ) = ,
N i=1 C L
(7)
donde FCCF ( ) es la funcion de correlacon
donde en general < A > y A son la media
cruzada (CCF)4 entre el continuo y la lnea de
y la desviasion estandar respectivamente. En la
emision definido por
practica es imposible obtener una muestra regular
Z con intervalos fijos t) sobre escala de tiempos
FCCF ( ) = L(t)C(t )dt (5) apropiadas para el Reberveration Mapping. Para

evitar este problema Gaskell y Peterson (1987),
y FACF ( ) es la funcion de autocorrealcion del interpolaron las curvas de luz en una forma lineal
continuo (ACF)5 , la cual se define analogamente por partes y luego vuelven a remuestrear los datos
para lograr muestreo regular.
Z
FACF ( ) = C(t)C(t )dt. (6)

Hay algunos problemas practicos en la deter-

minacion de la CCF de datos de series de tiempo
astronomicas: por ejemplo, el mas serio problema
es que las curvas de luz de una AGN no estan gen-
eralmente muestreadas en el tiempo.

Fig. 5. Funcion de correlacion.

2.4. SPEAR
Press et al. (1992) y Rybicki & Press (1992) de-
sarrollaron un metodo para analizar estadsticamente
la muestras irregulares de curvas de luz. Zue et al.
(2011) introducen algunas variaciones en los algo-
ritmos cuya denominacion es Stochastic Process
Estimation for AGN Reverberation (SPEAR), que
se convierte en un metodo alternativo de obtener
el tiempo de retardo para regiones de emision en
Fig. 4. Metodo CCF. AGNs. Se comineza modelando el continuo C(t),
el cual tiene una covarianza entre tiempos ti y tj
4 Por sus siglas en ingles -Cross Correlation Function. tal que
5 Por sus siglas en ingles -Auto Correlation Function.

hC(ti )C(tj )i = 2 exp [|ti tj |/ ] , (8)

4
 donde se asume una matriz de covarianza ex-
ponencial, ya que las curvas de quasares son bien
modeladas por este metodo. Fisicamente el el
modelo corresponde a un camino aleatorio6 de-
scrito por una amplitud

2
2 = (9)
2
sobre largas escalas de tiempo con un tiempo
de escala amortiguado exponencialmente y 2 y
son parametros iniciales del modelo. la curva de
luz de la linea es
Z Fig. 6. Curva del luz del continuo (Roja) y de
L(t) = C(t)(t t0 )dt0 , (10) la linea H (Azul) para Mrk 110.

asi que la curva de luz del continuo y la lnea

quedan determinados por la funcion de transfer- modelo simplemente utiliza para ampliar las in-
encia, la cual es simplemente una Top hat o certidumbres hasta obtener un ajuste aceptable.
funcion rectangular Entonces se hace el analisis conjunto del continuo
y las lneas usando una Gaussiana para determi-
nar y a partir del analisis del continuo en
(t t0 ) = A(t2 t1 )1 (11)
aislamiento. Se usan los resultados de el analisis
la cual tiene un tiempo de retardo medio MCMC del continuo y se utiliza sin correlacin apri-
ori en ln y ln , donde el previo para cada vari-
(t2 + t1 ) able se centro en el valor de la mediana con an-
h i = (12) chura Gaussiana elegida para que coincida con los
2
1 regiones de confianza superior e inferior.
y un ancho temporal

= t2 t1 (13)

El coeficiente de escalamiento A determina la

respuesta de la linea para un cambio dado en el
continuo. Para estimar las incertidumbres se uti-
liza un metodo de minimizacion Ameba para op-
timizar la solucion junto con una Monte Carlo
Markov Chain (MCMC).
En primer lugar se analiza la curva de luz del
continuo con sigo misma, utilizando logaritmos
aprioris para y para determinar el intervalo
de variabilidad del proceso para parametros con-
sistentes con la curva de luz del continuo. El Fig. 7. Metodo de interpolacion DRW
logaritmo apriori sobre esencialmente sanciona (DampedRandomW alk M CM C) aplicado a
valores que se desvan a partir de los intervalos Mrk 110 usando SPEAR.
de muestreo de la mediana para evitar tanto
grandes con significado no fsico como una segunda
clase de soluciones con 0. Cuando todos los
datos estan completamente no correlacionados el

6 Random Walk

5
3. Resultados 1. El rango de integracion de los datos en JD
2400000 es desde 48953 hasta 49149, en
3.1. Compilacion de datos para SPEAR y donde los puntos rojos corresponden al con-
CCF. tinuo y los azules a la linea H como se
Los datos fueron compilados usando como base muestra en la siguiente grafica
los que aparecen en articulo de Zu et al. (2011), 2. La interpolacion y las barras de error son de-
donde solo aparecen los calculados por el metodo sarrolladas con SPEAR como es descrito en
SPEAR. El resto fueron complementados de la lit- las secciones 3.4 y 4.2 y el resultado se puede
eratura y algunos fueron calculados en este trabajo comparar con el obtenido en Zu et al (2011)
usando CCF y SPEAR (Table 1.) y (Table 2.). como se muestra en las siguientes graficas
3.2. SPEAR Software
3.2.1. Prerequisitos
SPEAR se basa en LAPACK y BLAS para
resolver sistemas de ecuaciones lineales. No re-
quiere ningun esfuerzo adicional para instalarlos
como sistemas ya que se encuentran juntos con
LAPACK y BLAS preinstalado (MAC), o estan Fig. 8. Interpolacion de la curva de luz del con-
convenientemente en los repositarios de software tinuo para Mrk 110, reportada en Zu et al 2010.
(distribuciones de Linux). LAPACK y BLAS son
generalmente agrupados entre s y al igual que
BLAS que ha dado lugar a muchas variantes difer-
entes y sobre todo ATLAS si se necesita que sea
multi-hilo en un entorno multi-core.
El codigo esta escrito en Fortran 90. Para com-
pilar, hay que estar seguro de que se tiene un
compilador Fortran valido en el sistema, a con-
tinuacion, editar en opciones de compilacin el
Makefile, en concreto.

3.2.2. Preparando los datos y los archivos de en-

trada
Despues de modificar el Makefile, puede es-
cribir make en la terminal para obtener el Fig. 9. Interpolacion de la curva de luz del con-
archivo ejecutable SPEAR. SPEAR requiere tinuo para Mrk 110, reproducida en este trabajo.
un formato especfico para los archivos de datos
para la curva de luz, un archivo con la curva 3. Los tiempos de retardo obtenidos usando
de luz del continuo y otro con la de la lnea. SPEAR son:
Cada archivo contiene tres columnas, una con
las fechas de observacion, otra con el flujo y la ul-
Zu = 25.3+2.3
13.1 , (14)
tima con las incertidumbres asociadas a este flujo.
Mas informacion y el programa se pueden descar-
gar de la pagina: http://www.astronomy.ohio- Bonilla = 25.3+2.4
14.1 , (15)
state.edu/ yingzu/spearhowto.html
donde se puede apreciar que no hay diferencias,
3.3. Reproducion de datos con SPEAR. salvo en los errores estimados, pero esto, como ya
Los datos a reproducir corresponden a Mrk 110 se comento, en el proceso aleatorio corresponde a
con los siguientes resultados: una realizacion de varias posibles.

6
3.4. Datos sinteticos analizados con CCF
y SPEAR
Se generaron datos sinteticos con tiempo de re-
tardo conocido de correspondiente a 5 das con
los siguientes datos

Fig. 11. Datos del tiempo de retardo obtenidos

mediante CCF para una muestra de 87 objetos
con sus respectivos estimados de error en escala
logaritmica.

Fig. 10. Curva de luz del continuo (Azul) y de

la linea (Roja) con datos reproducidas artificial-
mente.

y con los siguientes resultados

+1.1
spear = 5.31.4 , (16)

+1.07
ccf = 5.01.07 , (17) Fig. 12. Datos del tiempo de retardo obtenidos
en donde podemos apreciar que con una buena mediante SPEAR para una muestra de 87 objetos
mustra de datos CCF se aproxima mejor al resul- con sus respectivos estimados de error en escala
tado que SPEAR. logaritmica.

3.5. Ampliacion de la muestra estadistica

3.6.2. Solo datos centrales
datos
Aqui podemos apreciar como los datos centraes
En la tabla 2. se han recopilado los nuevos
muestran las siguientes caracteristicas estadisti-
datos, que no aparecen en Zu et al (2011). Cabe
cas:
destacar que en el caso de por ejemplo: Fairall 9
He ii 4686 y Mrk 704 H los datos fueron cal-
1. Estan fuertemente correlacionados teniendo
culados en este trabajo.
en cuenta que las discrepancias en los datos
con mas alto tiempo de decaimiento se
3.6. Evaluacion estadistica del conjunto de
debe a que no se encuantran medidas en el
datos
marco en reposo como es comentado en la
3.6.1. Graficas de datos centrales con barras de tabla 1. para los objetos PGN.
error por objeto
2. Tinene sentido directo, esto es, cuando unos
Fueron analizados en principio 87 datos del los crecen los otros tambien.
cuales endonde en principio separamos los de CCf
y SPEAR para poder hacer el analisis estadistico 3. La forma de mejor ajuste es una linea recta.
como se muestra en la siguiente grafica

7
Fig. 13. Grafica del numero de objetos Vs el
tiempo de retardo para el CCF (Rojo) y SPEAR
(Verde). La discrepancia en los tiempos de retardo
mas altos se debe a que los datos del CCF no se
encuentran en al marco en reposo.
Fig. 15. Comparacion del tiempo de retardo
para los metodos CCF y SPEAR, en donde se
muestra en color verde el mejor ajuste lineal.

Fig. 16. Histograma de la distribucion de fre-

cuencias para las diferencias de los tiempos de re-
Fig. 14. Comparacion del tiempo de retardo tardo obtenidos mediante CCF y SPEAR.
para los metodos CCF y SPEAR donde se mani-
fiesta una fuerte correlacion.

Cuando realizamos la distribucion de frecuen-

cias apreciamos que hay dos grupos diferentes unos
con poca discrepancia y los otros con mas alta
como se ve en las siguientes graficas
Para obtener un valor de esta correlacion uti-
lizamos el coeficiente de correlacion de Pearson el
cual nos da un valor cuantitativo que se encuentra
en los siguientes rangos = 1 (Alta correlacion,
= 0 (Ninguna correlacion) y = 1 (Anticor-
relacion)
Fig. 17. Distribucon bimodal para as diferencias
de los tiempos de retardo obtenidos mediante CCF
= 0.87 (18) y SPEAR.
Lo cual indica una alta correlacion en los datos.

8
 3.7. Muestras estadisticamente pobres en
las curvas de luz
Una forma de comparar los metodos SPEAR y
CCF es mediante el analisis de curvas de luz con un
muestreo estadistico pobre o con pocos puntos. El
objeto que se utilizo para este analisis fue Mrk 704,
en el cual se presentan 29 datos de observacion
en conparacion con otros objetos que tienen hasta
cientos de datos. Las curvas de luz y del continuo
se muestran a contnuacion

Fig. 18. Distribucon bimodal donde se muestra

que unos datos tienen mas alta correlacion que
otros.

3.6.3. Analisis estadistico de las barras de error.

Cuando analizamos las curvas de luz para cada
objeto puede uno partir del hecho de que el anali-
sis de las barras de error es tomado en cuenta bajo
la suposicion de que se usan los metodos CCF y
SPEAR con la misma cantidad de datos. Par-
tiendo de este supuesto se puede apreciar que las
barras de error obtenidas con SPEAR son mejores Fig. 19. Curva de luz del continuo (Roja) y de
que las de CCF en terminos de la confiaza es- la linea H (Azul) para Mrk 704.
tadistica ya que estas acotan mejor los datos cen-
trales. Para obtener una medida cuantitativa de la ineterpolacion realizada con SPEAR a la
cuan mejores son procedemos a realizar una pro- curva de luz del continuo muestra el siguiente pa-
porcion entre los limites superior e inferior de los tron
estimados de error entre CCF y SPEAR cuyo re-
sultado es el siguiente:

M ediana(Sup) = 8.4 (19)

M edia(Sup) = 3.25 (20)

DesStan(Sup) = 13.01 (21)

M ediana(Inf ) = 3.4 (22)

M edia(Inf ) = 8.7 (23) Fig. 20. Ajuste de la curva de luz del continuo
realizada por SPEAR para Mrk 704.

DesStan(Inf ) = 14.8 (24) lo cual es un buen indicio de de su ajuste a la

Lo cual nos indica que efectivamente el el poca cantidad de datos los cuales cuales se en-
metodo SPEAR produce estimados de error aprox- cuentran en un rango desde 48636 hasta 50093
imadamente tres veces mejor que los de CCF. para una JD 2400000. El valor obtenido mediante

9
SPEAR es el siguiente
spear = 25.4+1.8
1.78 . (25)
Para el CCF el resultado es el siguiente
ccf = U nabletocomputecentroidof CCF peak.
(26)
Lo cual es un indicio de que CCF funciona muy
bien cuando la muestra estadistica es buena, pero
no tanto cuando la muestra estadistica es pobre.
Sin embargo cuando observamos la distribucion de
los datos, nos damos cuenta de que que hay cuarto
grupos espaciados mas continuamente con grandes
brechas entre medio (48636 48726, 48938
49048, 49276 49638, 49765 50093). Se procedio
a realizar el analisis de CCF para estas cuatro
series, pero el resultado obtenido es el mismo.
3.8. Hipotesis
Las hipotesis son las siguientes:
1. Las barras de error para el metodo CCF han
sido sbrestimadas.
2. Las barras de error para el metodo SPEAR
han sido subesteimadas.
4. Conclusiones
1. El analisis estadistico global de metodo
SPEAR y CCF muestra claramente que
SPEAR es un mejor metodo para hacer los
estimados de los tiempos de retardo para
AGNs.
2. Esto anterior indica que las barras de error
de CCF han sido sobre estimadas y siendo el
metodo SPEAR mejor es bueno poder hacer
un analisis mas porfundo de este tema.
3. Computacionalmente hablando CCF pre-
senta la ventaja de que es mas facil para
utilizar y en tiempo de calculo es mejor,
pero no hace un analisis bayesiano de las
barras de error, lo cual hay que hacer por
aparte.
4. SPEAR es mas complejo de usar, se descarga
facilmente de la red, tiene un manual y
aunque el proceso de obtener los datos es
10
mas largo, la ventaja es que los entrega con
el analisis bayesiano de las barras de error,
lo cual justifica su tiempo de procesamiento.
REFERENCES
Bentz M. C. et al. arXiv:astro-ph/0702644v1.
Bentz M. C. et al. ApJ, 644: 133-142, 2006 June
10.
Denney K. D. et al. ApJ, 721: 715-737, 2010
September 20.
Denney K. D. et al. ApJ, 653: 152-158, 2006 De-
cember 10.
Edelson R.A & Krolik J. H. ApJ, 333: 646-659,
1988 October 15.
Gaskell C. M. & Peterson B. M. ApJ, 65: 1-11,
1987 September.
Gaskell C. M.& Sparke L. S. ApJ, 305: 175-186,
1986 June 1.
Grier C. J. et al. ApJ, 688: 837-843, 2008 Decem-
ber 1.
Kaspi S. et al. arXiv:astro-ph/9605080v1
Kaspi S. et al. ApJ, 533: 631-649, 2000 April 20.
Kollatschny W. Mem. S.A.It Suppl. Vol 15, 94.
Maoz D. et al. ApJ 421: 34-45, 1994 January 20.
OBrien P. T.et al. arXiv:astro-ph/9806216v1.
Peterson B.M. et al. arXiv:astro-ph/0407299v1.
Peterson B. M. et al. ApJ, 392: 470-484, 1992
June 20.
Peterson B. M. et al. ASP, 110: 660-670, 1998
June.
Rodriguez-Pascual P. M. et al. ApJ, 110: 9-20,
1997 May.
Santos-Lleo M. et al. 112: 271-283, 1997 October.
Shapovalova A. I. et al. A&A 14118, April 7, 2010.
White R. J.& B. M. Peterson ASP, 106: 879-889,
1994 August.
Zu et al. ApJ. Rev. 735:80 (16pp) 2011 July 10.
This 2-column preprint was prepared with the AAS LATEX
macros v5.2.
 Table 1
Rest-Frame Lag Estimates

Julian Dates SPEAR(1) CCF(cent)(2) Reference

Object Line (2400000) (days) (days) Year
(1) (2) (3) (4) (5) (6)

3C 390.3 H 4971850012 27.9+2.4

1.5 23.6+6.2
6.7 -1-
Ly 4971850147 11.9+34.5
4.6 58.6+27.7
27.2 -1-
C iv 1549 4971850147 15.0+2.0
3.0 35.7+11.4
14.6 -1-
He ii 1640 4971850147 8.9+3.6
4.9 4.0+2.1
2.1 -18-
Akn 120 H 4814848344 35.7+6.7
9.2 47.1+8.3
12.4 2-,-14-,-15-
H 4998050175 29.7+3.3
5.9 37.1+4.8
5.4 -2-,-14-,-15-
Fairall 9 H 5047350665 19.4+42.1
3.8 17.4+3.2
4.3 -3-
He ii 4686 5047350713 12.0+0.9
3.9 11.000 -3-
Ly 5047350713 12.1+0.5
0.5 11.9+5.8
5.6 -4-
Mrk 79 H 4783848044 25.5+2.9
14.4 9.0+8.3
7.8 -2-
H 4819348393 30.9+1.4
2.1 16.1+6.6
6.6 -2-
H 4890549135 17.2+7.3
2.2 16.0+6.4
5.8 -2-
H 4999650220 43.6+1.7
0.8 : 5.6+2.6
4.2 -2-
Mrk 110 H 4895349149 25.3+2.3
13.1 25.1+5.7
8.6 -2-
H 4975149874 33.9+6.1
5.3 33.3+14.9
10.0 -2-
H 5001050262 21.5+2.2
2.1 20.4+10.5
6.3 -2-
Mrk 279 H 5009550289 18.3+1.2
1.1 16.7+3.9
3.9 -6-
Mrk 290 H 5418454301 7.7+0.7
0.5 8.72+1.21
1.02 -2-,-7-
Mrk 335 H 4915649338 15.3+3.6
2.2 16.8+4.8
4.2 -2-
H 4988950118 12.9+3.6
5.0 12.5+6.6
5.5 -2-
Mrk 509 H 4765350374 69.9+0.3
0.3 79.6+6.1
5.4 -2-,-14-,-15-
He ii 4686 4765350374 52.2+0.1
0.1 33.5+8.2
7.1 -2-,-14-,-15-
Mrk 590 H 4809048323 19.0+1.8
2.6 20.7+3.5
2.7 -2-
H 4884849048 19.5+2.0
4.0 14.0+8.5
8.8 -2-
H 4918349338 32.6+3.5
8.8 29.2+4.9
5.0 -2-
H 4995850122 30.9+2.5
2.4 28.8+3.6
4.2 -2-
Mrk 817 H 4900049212 20.9+2.3
2.3 19.0+3.9
3.7 -2-
H 4940449528 17.2+1.9
2.7 15.3+3.7
3.5 -2-
H 4975249924 35.9+4.8
5.8 33.6+6.5
7.6 -2-
H 5420054330 10.8+1.5
1.0 14.04+3.41
3.47 -2-,-7-
NGC 3227 H 4862348776 10.6+6.1
6.1 8.2+5.1
8.4 -7-
H 5418054273 4.4+0.3
0.5 5.4+14.1
8.7 -7-
NGC 3516 H 4789448047 14.0+0.7
0.7 13.2+5.7
2.5 -7-
H 4789448047 6.1+0.5
0.7 6.7+6.8
3.8 -7-
H 5418154300 14.6+1.4
1.1 11.68+1.02
1.53 -7-
NGC 3783 H 4860748833 7.3+0.3
0.7 10.2+3.3
2.3 -7-

11
 Note.1. (Zu et. al. 2011), (SPEAR(1) ), 2. (Peterson et. al. 2004),
(CCF(cent)(2) ).

12
 Table 1
Continued

Julian Dates SPEAR(1) CCF(cent)(2) Reference

Object Line (2400000) (days) (days) Year
(1) (2) (3) (4) (5) (6)

NGC 4051 H 5418054311 2.5+0.1

0.1 5.8+2.6
1.8 -8-
He ii 4686 5018350263 5.3+3.9
3.7 5.0+3.8
3.1 -8-
NGC 4151 H 5343053471 6.0+0.6
0.2 3.1+1.3
1.3 -9-,-14-,-15-
H 47145473601 37.3+0.5
0.6 11.0+4.1
3.1 -9-,-14-,-15-
H 4714547360 39.0+1.0
0.9 11.5+3.7
3.7 -9-,-14-,-15-
NGC 4593 H 5343053471 4.5+0.7
0.6 : 1.2+9.2
5.3 -10-
NGC 7469 H 5023750295 11.7+0.5
0.7 4.5+0.7
0.8 -17-
Si iv 1400 5024550293 2.0+0.4
0.5 1.7+0.3
0.3 -17-
C iv 1549 5024550293 10.6+0.2
0.2 2.5+0.3
0.2 -17-
He ii 1640 5024550293 0.8+0.2
0.2 0.6+0.3
0.4 -17-
PG 0026+129 H 4883651084 88.0+1.5
3.5 112.1+32.3
29.1 -11-
H 4854551084 92.7+7.0
0.6 126.8+27.5
32.3 -11-
PG 0052+251 H 4883751084 157.6+2.3
2.8 189.1+67.6
44.2 -11-
H 4846151084 149.3+4.2
1.8 103.7+28.3
27.8 -11-
H 4846151084 154.9+1.9
1.9 94.2+22.5
18.4 -11-
PG 0804+761 H 4831951085 133.4+8.6
4.3 195.3+16.3
14.1 -11-
H 4831951085 116.8+2.6
7.3 156+20.0
20.2 -11-
H 4831951085 71.1+46.5
3.1 114.0+33.0
31.7 -11-
PG 0844+349 H 4831951085 20.8+0.4
1.4 34.4+14.6
14.2 -11-
H 4831951085 12.2+5.2
1.3 : 3.2+13.2
10.6 -11-
H 4831951085 17.7+2.5
2.1 28.9+74.6
40.6 -11-
PG 0953+414 H 4831950997 162.2+3.5
2.9 185.2+26.6
27.9 -11-
H 4831950997 160.2+3.3
56.8 188.9+32.2
46.1 -11-
PG 1211+143 H 4831951000 76.3+0.7
0.5 : 100.0+33.1
45.9 -11-
H 4831951000 73.3+0.9
25.4 : 101.4+27.6
45.5 -11-
H 4831951000 57.7+15.8
10.1 : 139.4+40.3
41.8 -11-
PG 1226+023 H 4836150997 380.0+40.7
6.0 504.4+57.5
60.1 -11-
H 4836150997 105.5+284.1
5.2 355.3+79.4
105.3 -11-
H 4836150997 263.8+9.0
10.6 304.4+61.8
78.0 -11-
PG 1229+204 H 4831950997 45.7+2.8
1.1 94.6+36.3
46.1 -11-
H 4831950997 42.8+2.3
1.1 40.2+29.4
16.3 -11-
PG 1307+085 H 4913051000 189.1+4.6
3.6 164.8+91.5
132.9 -11-
H 4831951042 188.8+5.7
3.7 121.9+41.6
53.8 -11-
H 4831951042 218.9+7.2
124.8 192.0+56.5
80.5 -11-
PG 1411+442 H 4831951038 59.3+10.1
6.7 103.2+39.3
34.3 -11-
H 4831951038 53.5+13.1
5.3 135.4+66.4
67.2 -11-
PG 1426+015 H 4833451042 161.6+6.9
11.1 103.2+32.5
40.3 -11-

13
 Note.1. (Zu et. al. 2011), (SPEAR(1) ), 2. (Peterson et. al. 2004), (CCF(cent)(2) ).
An asterisk (*) means that the value is not in the rest frame.

14
 Table 1
Continued

Julian Dates SPEAR(1) CCF(cent)(2) Reference

Object Line (2400000) (days) (days) Year
(1) (2) (3) (4) (5) (6)

PG 1617+175 H 4836251085 106.9+9.8

13.3 104.8+21.3
28.1 -11-
H 4836251085 88.2+31.0
5.9 79.4+33.0
37.5 -11-
PG 2130+099 H 5435254450 23.2+4.4
5.8 168.6+31.6
19.8 -12-
H 54205435 12.8+1.2
0.9 9.6+1.2
1.2 -16-
NGC 5548 H 4750947809 21.2+0.8
1.0 19.7+1.5
1.5 -7-
H 4786148179 16.3+0.8
1.3 18.6+2.1
2.3 -7-
H 4822548534 15.8+2.1
1.1 15.9+2.9
2.9 -7-
H 4862348898 11.0+1.2
1.0 11.0+1.9
2.0 -7-
H 4895449255 15.3+1.4
3.0 13.0+1.6
1.4 -7-
H 4930949636 10.8+1.4
1.0 13.4+3.8
4.3 -7-
H 4967950008 24.2+1.3
0.9 21.7+2.6
2.6 -7-
H 5004450373 16.1+0.3
0.6 16.4+1.2
1.1 -7-
H 5043450729 16.8+0.4
0.2 17.5+2.0
1.6 -7-
H 5077551085 26.9+1.5
2.2 26.5+4.3
2.2 -7-
H 5114251456 23.8+3.1
2.3 24.8+3.2
3.0 -7-
H 5151751791 8.8+1.3
3.9 6.5+5.7
3.7 -7-
H 5187852174 8.7+0.5
0.5 14.3+5.9
7.3 -7-
H 5418054332 16.3+1.0
1.2 7.8+3.8
2.8 -7-

Note.(1) (Zu et. al. 2011), (2) (Peterson et. al. 2004), Column (6)
Reference: -1- Shapovalova 2010. -2- Peterson 1999. -3- Santos-Lleo 1997. -
4- P. M. Rodriguez-Pascual 1997. -5- Peterson 1999. -6- Santos-Lleo 2001.
-7- Denney 2010. -8- Peterson 2000. -9- Kaspi 1996. -10- Denney 2006 -11-
Kaspi 2000. -12- Bentz 2006. -13- Bentz 2007. -14- Gaskell & Sparke 1986.
-15- Gaskell & Peterson 1987. -16- Grier 2012. -17- Peterson 2004. -18- P. T.
Obrien 1998.

15
 Table 2
Continued

Julian Dates SPEAR(3) CCF(cent)(3) Reference

Object Line (2450000) (days) (days) Year
(1) (2) (3) (4) (5) (6)

Fairall 9 He ii 4686 5047350713 12.0+0.9

3.9 11.0+3.9
3.9 -3-
Mrk 290 H 5418454301 7.7+0.7
0.5 8.72+1.21
1.02 -2-,-7-
Mrk 817 H 5420054330 10.8+1.5
1.0 14.04+3.41
3.47 -2-,-7-
NGC 3516 H 5418154300 14.6+1.4
1.1 11.68+1.02
1.53 -7-
NGC 7469 Si iv 1400 5024550293 2.0+0.4
0.5 1.7+0.3
0.3 -17-
NGC 4051 He ii 4686 5018350263 5.3+3.9
3.7 5.0+3.8
3.1 -8-
NGC 4151 H 47145473601 37.3+0.5
0.6 11.0+4.1
3.1 -9-,-14-,-15-
NGC 4151 H 4714547360 39.0+1.0
0.9 11.5+3.7
3.7 -9-,-14-,-15-
3C 390.3 He ii 1640 4971850147 8.9+3.6
4.9 4.0+2.1
2.1 -18-
Mrk 335 H 52155240 14.1+0.4
0.4 14.3+0.7
0.7 -16-
Mrk 1501 H 55405560 15.5+2.2
1.8 12.6+3.9
3.9 -16-
3C 120 H 52505295 27.2+1.1
1.1 25.9+2.3
2.3 -16-
Mrk 6 H 51405175 9.2+0.8
0.8 10.1+1.1
1.1 -16-
PG 2130+099 H 54205435 12.8+1.2
0.9 9.6+1.2
1.2 -16-
Mrk 704 H 4863650093 25.4+3.0
1.1 -Unable- -16-

Note.(3) (C. J. Grier et. al.). A colon (:) preceding an entry indicates that we do
not regard the entry to be reliable (Peterson et. al. 2004).

16