Professional Documents
Culture Documents
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.
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:
2
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
Fig. 3. Reverberation Mapping. dispersos, como es habitual en aplicacion as-
tronomica.
Con datos de calidad suficiente, la funciones
unica. transferencia para diferentes modelos plausibles
2. El tiempo de viaje de la luz es la escala de son distinguibles una de otra. Esto es, por
tiempo mas importante. supuesto, el motivo por el cual ponemos tanto
enfasis en ello: si podemos determinar la funcion
3. La lnea de emision de la nube esta cerca de de transferencia para una lnea en particular, pode-
la fuente de radiacion que produce el con- mos determinar la geometria y cinematica de esta
tinuo, es decir, el tiempo de viaje de la luz a region. El objetivo operativo de experimentos de
traves de la BLR3 es pequeo. mapeo de reverberacion es por lo tanto para deter-
minar las funciones de transferencia para las lneas
Ya que el tiempo de retardo entre la variacion de emision en diversos espectros de AGN. En prin-
del continuo y variacion de las lneas de emision, cipio, los metodos potentes se pueden utilizar para
se atribuyen a efectos de tiempo de viaje de la luz intentar recuperar las funciones de transferencia.
dentro de la BLR, obteniendo una medida de este El mas utilizado es el metodo de maxima entropa
se puede obtener una relacion entre el tamao de la es una version generalizada de metodos de maxima
region y su contenido de materia. verosimilitud, como mnimos cuadrados. En este
trabajo se presentan el metodo CCF (Cross Cor-
f V 2 R f V 2 c relation Function), el cual ha sido ampliamente
MSM BH = = (2)
G G usado y el SPEAR (Stochastic Process Estima-
El obtener este tiempo de retardo es la cuestion tion for AGN Reverberation).
central en este trabajo.
2.3. CCF
2.2.2. Funcion de transferencia El analisis de correlacion cruzada es la her-
Bajo los anteriores supuestos, la relacion entre ramienta mas comunmente usada en el analisis de
el continuo y las lneas de emision se puede escribir multiples series de tiempo. Debido a su aplicacion
en terminos de una ecuacion de transferencia las series de tiempo astronomicas son a menudo
mal entendidas e historicamente han sido bastante
Z polemicas. Importantes pasos en el desarrollo de
L(t) = ( )C(t )d (3) analisis de correlacion cruzada aplicados a estu-
dios de variavilidad de AGNs (Gaskell & Sparke
donde C( ) es la curva de luz del continuo, L(t) 1987).
es la curva de luz de la lnea de emision, ( ) la El analisis de correlacion cruzada es basica-
mente una generalizacion del standar analisis de
3 Broad Line Region
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)
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.
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.
= t2 t1 (13)
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.
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
+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.
7
Fig. 13. Grafica del numero de objetos Vs el Fig. 15. Comparacion del tiempo de retardo
tiempo de retardo para el CCF (Rojo) y SPEAR para los metodos CCF y SPEAR, en donde se
(Verde). La discrepancia en los tiempos de retardo muestra en color verde el mejor ajuste lineal.
mas altos se debe a que los datos del CCF no se
encuentran en al marco en reposo.
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
M edia(Inf ) = 8.7 (23) Fig. 20. Ajuste de la curva de luz del continuo
realizada por SPEAR para Mrk 704.
9
SPEAR es el siguiente mas largo, la ventaja es que los entrega con
el analisis bayesiano de las barras de error,
spear = 25.4+1.8
1.78 . (25) lo cual justifica su tiempo de procesamiento.
Las hipotesis son las siguientes: Grier C. J. et al. ApJ, 688: 837-843, 2008 Decem-
ber 1.
1. Las barras de error para el metodo CCF han Kaspi S. et al. arXiv:astro-ph/9605080v1
sido sbrestimadas. Kaspi S. et al. ApJ, 533: 631-649, 2000 April 20.
2. Las barras de error para el metodo SPEAR Kollatschny W. Mem. S.A.It Suppl. Vol 15, 94.
han sido subesteimadas. Maoz D. et al. ApJ 421: 34-45, 1994 January 20.
2. Esto anterior indica que las barras de error Rodriguez-Pascual P. M. et al. ApJ, 110: 9-20,
de CCF han sido sobre estimadas y siendo el 1997 May.
metodo SPEAR mejor es bueno poder hacer Santos-Lleo M. et al. 112: 271-283, 1997 October.
un analisis mas porfundo de este tema. Shapovalova A. I. et al. A&A 14118, April 7, 2010.
3. Computacionalmente hablando CCF pre- White R. J.& B. M. Peterson ASP, 106: 879-889,
senta la ventaja de que es mas facil para 1994 August.
utilizar y en tiempo de calculo es mejor, Zu et al. ApJ. Rev. 735:80 (16pp) 2011 July 10.
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 This 2-column preprint was prepared with the AAS LATEX
aunque el proceso de obtener los datos es macros v5.2.
10
Table 1
Rest-Frame Lag Estimates
11
Note.1. (Zu et. al. 2011), (SPEAR(1) ), 2. (Peterson et. al. 2004),
(CCF(cent)(2) ).
12
Table 1
Continued
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
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
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