Bayesian estimation of King’s profile parameters for ten open clusters in the Milky Way

Autores
Pera, María Sol; Perren, Gabriel Ignacio; Navone, Hugo Daniel; Vázquez, Rubén Ángel
Año de publicación
2021
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
Aplicamos un método de inferencia bayesiana diseñado para estimar los parámetros de un perfil de King sobre diez cúmulos abiertos seleccionados con datos obtenidos de la segunda publicación de datos de la misión GAIA. Los cúmulos están ubicados a distintas distancias, esparcidos por todo el disco galáctico y abarcando un amplio rango de edad. Mediante la aplicación de nuestro algoritmo de estimación de membresía pyUPMASK, los datos de entrada se limpian de estrellas de campo contaminantes antes de su procesamiento con el marco bayesiano. El método de ajuste de perfil King permite ajustar un perfil elíptico girado en datos espaciales, lo que da como resultado una solución de cuatro parámetros: ángulo de rotación, excentricidad, radio del núcleo y radio de marea. Planeamos extender los resultados obtenidos aquí a tantos cúmulos abiertos como sea posible, creando así una base de datos homogénea de parámetros estructurales estimados mediante inferencia bayesiana.
We apply a Bayesian inference method designed to estimate the parameters of a King profile on ten selected open clusters with data obtained from the Gaia DR2 survey. The clusters are located at various distances, scattered throughout the galactic disk, and spanning a wide age range. Through the application of our membership estimation algorithm pyUPMASK, the input data is cleaned from contaminating field stars previous its processing with the Bayesian framework. The King profile fitting method method allows for an elliptical rotated profile to be fitted on spatial data, resulting in a four parameters solution: rotation angle, eccentricity, core radius, and tidal radius. We plan on extending the results obtained here to as many open clusters as possible, thus creating a homogeneous database of structural parameters estimated through Bayesian inference.
Asociación Argentina de Astronomía
Materia
Ciencias Astronómicas
methods: statistical
galaxies: star clusters: general
open clusters and associations: general
techniques: photometric
parallaxes
proper motions
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/167838

id SEDICI_dda01248c20546e2491302bfeec7b049
oai_identifier_str oai:sedici.unlp.edu.ar:10915/167838
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Bayesian estimation of King’s profile parameters for ten open clusters in the Milky WayPera, María SolPerren, Gabriel IgnacioNavone, Hugo DanielVázquez, Rubén ÁngelCiencias Astronómicasmethods: statisticalgalaxies: star clusters: generalopen clusters and associations: generaltechniques: photometricparallaxesproper motionsAplicamos un método de inferencia bayesiana diseñado para estimar los parámetros de un perfil de King sobre diez cúmulos abiertos seleccionados con datos obtenidos de la segunda publicación de datos de la misión GAIA. Los cúmulos están ubicados a distintas distancias, esparcidos por todo el disco galáctico y abarcando un amplio rango de edad. Mediante la aplicación de nuestro algoritmo de estimación de membresía pyUPMASK, los datos de entrada se limpian de estrellas de campo contaminantes antes de su procesamiento con el marco bayesiano. El método de ajuste de perfil King permite ajustar un perfil elíptico girado en datos espaciales, lo que da como resultado una solución de cuatro parámetros: ángulo de rotación, excentricidad, radio del núcleo y radio de marea. Planeamos extender los resultados obtenidos aquí a tantos cúmulos abiertos como sea posible, creando así una base de datos homogénea de parámetros estructurales estimados mediante inferencia bayesiana.We apply a Bayesian inference method designed to estimate the parameters of a King profile on ten selected open clusters with data obtained from the Gaia DR2 survey. The clusters are located at various distances, scattered throughout the galactic disk, and spanning a wide age range. Through the application of our membership estimation algorithm pyUPMASK, the input data is cleaned from contaminating field stars previous its processing with the Bayesian framework. The King profile fitting method method allows for an elliptical rotated profile to be fitted on spatial data, resulting in a four parameters solution: rotation angle, eccentricity, core radius, and tidal radius. We plan on extending the results obtained here to as many open clusters as possible, thus creating a homogeneous database of structural parameters estimated through Bayesian inference.Asociación Argentina de Astronomía2021info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionArticulohttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdf119-121http://sedici.unlp.edu.ar/handle/10915/167838spainfo:eu-repo/semantics/altIdentifier/issn/1669-9521info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:44:41Zoai:sedici.unlp.edu.ar:10915/167838Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:44:42.091SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Bayesian estimation of King’s profile parameters for ten open clusters in the Milky Way
title Bayesian estimation of King’s profile parameters for ten open clusters in the Milky Way
spellingShingle Bayesian estimation of King’s profile parameters for ten open clusters in the Milky Way
Pera, María Sol
Ciencias Astronómicas
methods: statistical
galaxies: star clusters: general
open clusters and associations: general
techniques: photometric
parallaxes
proper motions
title_short Bayesian estimation of King’s profile parameters for ten open clusters in the Milky Way
title_full Bayesian estimation of King’s profile parameters for ten open clusters in the Milky Way
title_fullStr Bayesian estimation of King’s profile parameters for ten open clusters in the Milky Way
title_full_unstemmed Bayesian estimation of King’s profile parameters for ten open clusters in the Milky Way
title_sort Bayesian estimation of King’s profile parameters for ten open clusters in the Milky Way
dc.creator.none.fl_str_mv Pera, María Sol
Perren, Gabriel Ignacio
Navone, Hugo Daniel
Vázquez, Rubén Ángel
author Pera, María Sol
author_facet Pera, María Sol
Perren, Gabriel Ignacio
Navone, Hugo Daniel
Vázquez, Rubén Ángel
author_role author
author2 Perren, Gabriel Ignacio
Navone, Hugo Daniel
Vázquez, Rubén Ángel
author2_role author
author
author
dc.subject.none.fl_str_mv Ciencias Astronómicas
methods: statistical
galaxies: star clusters: general
open clusters and associations: general
techniques: photometric
parallaxes
proper motions
topic Ciencias Astronómicas
methods: statistical
galaxies: star clusters: general
open clusters and associations: general
techniques: photometric
parallaxes
proper motions
dc.description.none.fl_txt_mv Aplicamos un método de inferencia bayesiana diseñado para estimar los parámetros de un perfil de King sobre diez cúmulos abiertos seleccionados con datos obtenidos de la segunda publicación de datos de la misión GAIA. Los cúmulos están ubicados a distintas distancias, esparcidos por todo el disco galáctico y abarcando un amplio rango de edad. Mediante la aplicación de nuestro algoritmo de estimación de membresía pyUPMASK, los datos de entrada se limpian de estrellas de campo contaminantes antes de su procesamiento con el marco bayesiano. El método de ajuste de perfil King permite ajustar un perfil elíptico girado en datos espaciales, lo que da como resultado una solución de cuatro parámetros: ángulo de rotación, excentricidad, radio del núcleo y radio de marea. Planeamos extender los resultados obtenidos aquí a tantos cúmulos abiertos como sea posible, creando así una base de datos homogénea de parámetros estructurales estimados mediante inferencia bayesiana.
We apply a Bayesian inference method designed to estimate the parameters of a King profile on ten selected open clusters with data obtained from the Gaia DR2 survey. The clusters are located at various distances, scattered throughout the galactic disk, and spanning a wide age range. Through the application of our membership estimation algorithm pyUPMASK, the input data is cleaned from contaminating field stars previous its processing with the Bayesian framework. The King profile fitting method method allows for an elliptical rotated profile to be fitted on spatial data, resulting in a four parameters solution: rotation angle, eccentricity, core radius, and tidal radius. We plan on extending the results obtained here to as many open clusters as possible, thus creating a homogeneous database of structural parameters estimated through Bayesian inference.
Asociación Argentina de Astronomía
description Aplicamos un método de inferencia bayesiana diseñado para estimar los parámetros de un perfil de King sobre diez cúmulos abiertos seleccionados con datos obtenidos de la segunda publicación de datos de la misión GAIA. Los cúmulos están ubicados a distintas distancias, esparcidos por todo el disco galáctico y abarcando un amplio rango de edad. Mediante la aplicación de nuestro algoritmo de estimación de membresía pyUPMASK, los datos de entrada se limpian de estrellas de campo contaminantes antes de su procesamiento con el marco bayesiano. El método de ajuste de perfil King permite ajustar un perfil elíptico girado en datos espaciales, lo que da como resultado una solución de cuatro parámetros: ángulo de rotación, excentricidad, radio del núcleo y radio de marea. Planeamos extender los resultados obtenidos aquí a tantos cúmulos abiertos como sea posible, creando así una base de datos homogénea de parámetros estructurales estimados mediante inferencia bayesiana.
publishDate 2021
dc.date.none.fl_str_mv 2021
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Articulo
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/167838
url http://sedici.unlp.edu.ar/handle/10915/167838
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/issn/1669-9521
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
119-121
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616314041139200
score 13.070432