BeeTheory – 統計分析 – 2025年

フィットを読む

χ²/dof = 0.475

0から∞の間の数値で、モデルがデータによく合うか、合いすぎるか、全く合わないかを示します。BeeTheory銀河シミュレーションでは、この数値が何を意味するのか、そして、本当に確かな結果を主張するためには何が必要なのかを示します。

χ²/dofとは？

モデルが値_Vmodel(_Ri)を予測し、データが測定の不確かさ_σiを伴う観測値_Vobs(_Ri)を提供するとき、カイ2乗は次のようになります：

\(\frac{\chi^2}{\mathrm{dof}}=\frac{1}{N-p}\sum_{i=1}^{N}\left(\frac{V_{\mathrm{model}}(R_i)-V_{\mathrm{obs}}(R_i)}{\sigma_i}\right)^2\)

Nはデータ点数、pは自由パラメータ数。

ここではN = ガイア2024の16点、p = 2つの適合パラメータ、Kとα、したがってdof = 14。

和の各項は、測定の不確かさの単位で表された残差です。

0.5のプルは、モデルが半シグマずれていることを意味します。2.0のプルは2シグマの不一致を意味し、調査する価値があります。

\(◆frac{chi^2}}{mathrm{dof}}approx1quadRightarrow{/latex}{model fits the data at the level of their uncertainties}\)。 [model fits too well: uncertainties may be overestimated, or overfitting}[/latex]。 [model is wrong, or uncertainties are underestimated}[/latex]。

私たちの番号：0.475

0.475

χ² / dof – N = 16 – p = 2 – dof = 14

統計的に優秀

モデルは間違っていない

不確実性が若干大きい可能性があります。

χ²/dof スケール

0.475 ← 我々

1.0 理想的

00.511.522.53+

< 0.3
オーバーフィット

0.3-0.7
エクセレント

0.7-1.3
良い

1.3-2.0
可

> 2.0
悪い

0.475という値はエクセレントゾーンに位置しています。モデルは間違っておらず、16のデータポイントの平均残差はわずか0.69σです。

物理的には、これはBeeTheoryが事実上すべての観測半径において、1測定不確かさ以内の円速度を予測することを意味します。

しかし、”優れた “と “証明された “は同じではありません

χ²/dof = 0.475は、測定の不確かさσ_iがわずかに過大評価されていることも意味します。もし真の誤差が30%小さければ、同じモデルでχ²/dof ≈ 1.0となります。

χ²だけでは、”モデルが非常に良い “か “誤差が少し大きい “かを区別できません。これは標準的な統計的あいまいさです。

ザ・レジデュアルズ – ポイント・バイ・ポイント

0.475という生の数字には情報が隠されています。個々のプルを見ることで、適合の構造が明らかになります。

Pull plot:\((V_{mathrm}}-V_{mathrm}})/sigma_i\) for each Gaia 2024 data point.

R (kpc)	ボブス	σ	ヴモデル	残留	プル
残差をロード…

15/16点 1σ以内

R = 27.3 kpc以外のすべてのデータ点は｜pull｜ < 1.0です。ガウス誤差でよく較正されたモデルでは、1σ以内の点は68%程度と予想されますが、ここでは94%です。

これは、モデルが優れているか、内側の点のエラーバーがわずかに大きすぎることを示唆しています。

R = 27.3 kpcの異常値 – pull = +1.53σ

モデルでは_Vc=195.3km/sと予測されましたが、ガイアでは173±17km/sでした。

この不一致は22.3km/s、1.53σです。これは統計的には心配するようなものではありませんが、物理的には重要です。

最適パラメータ K = 0.01349

結合定数K = 0.01349 kpc-¹は、可視質量の単位あたりに生成されるビー理論暗黒質量場の振幅です。

これは、NewbyとGaiaの合成フィットから固定されたα=0.0744 kpc-¹で、16点のGaiaデータ上でχ²を最小化することによって決定されました。

\(K=0.01349\,\mathrm{kpc}^{-1}\) \(\lambda=K\ell^2=\frac{K}{\alpha^2}=\frac{0.01349}{(0.0744)^2}=2.44\) \(\rho_{\mathrm{dark}}(R_\odot=8\,\mathrm{kpc})=0.37\,\mathrm{GeV/cm^3}\)

観測された局所的な暗黒物質の密度は

\(\rho_{\mathrm{obs}}(R_\odot)=0.39\pm0.03\,\mathrm{GeV/cm^3}\)

無次元結合λ = 2.44は、単成分、多成分、原子H₂の比較を含むBeeTheoryのフィットで観測されたλ∈[2, 7]の範囲に収まっています。

この普遍性（フェムトメートルスケールからキロパーセックスケールまで同じオーダー）は、BeeTheoryフレームワークの最も強い内部一貫性のチェックです。

Kがシングルディスクフィットより小さい理由

薄い円盤だけを光源とした以前のフィットでは、_Ksingle= 0.038 kpc-¹でした。6つの銀河成分すべてが暗黒界に寄与しているため、全体のバリオン光源は2.8倍大きくなります。

したがって、同じ暗黒質量を生成するためには、Kは比例して小さくなければなりません。

\(K_{\mathrm{multi}}\approx\frac{K_{\mathrm{single}}}{2.8}=\frac{0.038}{2.8}=0.0136\,\mathrm{kpc}^{-1}\)

これはまさにフィットの結果です。これは一貫性のチェックであり、偶然の一致ではありません。

27.3kpcがどのモデルにとっても難しい理由

ガイア2024の一番外側のデータ、_Vc(27.3 kpc) = 173 ± 17 km/sは、ビーセオリーにとって難しいだけではありません。天の川の回転曲線に適用されるすべての暗黒物質モデルにとって最も難しい点です。

モデル	Vc(27.3kpc)の予測値	残留	プル	χ²/dof
ビーセオリー	195.3 km/s	+22.3	+1.53σ	0.475
NFWプロフィール	~198km/秒	+25	+1.5σ	0.44
アイナストα = 0.91	~191 km/s	+18	+1.1σ	0.38
等温ハロー	~秒速218km	+45	+2.6σ	2.6

_Vc(27.3 kpc) = 173 km/sを1σ以内で再現する標準的な2パラメータモデルはありません。

もっともらしい説明は3つ。

測定そのもの：R = 27.3 kpcは最も遠い点で、運動学的トレーサーが最も少なく、系統的な不確かさが最も大きい。Gaia DR4はこの値をシフトするかもしれません。
ガス円盤の寄与：HI円盤は約25kpcまで広がっており、大きな半径でバリオン質量に寄与しています。ガス円盤の寄与：ガス円盤は約25kpcまで広がっており、大きな半径でバリオン質量に寄与しています。
コヒーレンス長α=0.12 kpc-¹、つまりℓ=8.3 kpcと小さくすると、一番外側の点にはよく合いますが、内側のプラトーは悪化します。

本当に確かな結果とはどのようなものか

現在のフィットは統計的に良好です。しかし、2つの自由パラメータと16のデータポイントを持つモデルで良いということは、証明されているということとは違います。

0.475

電流 χ²/dof, 16 点, 2 パラメータ

< 0.8

目標：拡張データセットで良好なフィット

~1.0

理想：銀河系サンプル全体で較正

強固なバリデーションの要件

✓ 訓練データセット上での良好なχ²/dof：達成。ガイア2024での χ²/dof = 0.475.
正しいダークマター密度：達成。予測値0.37 GeV/cm³に対して観測値0.39±0.03。
✓ 一貫した無次元結合：H₂較正のλ≈3.5に対してλ=2.44。
!一番外側のガイアポイントを1σ以内で再現：未達成。R = 27.3 kpcでの残差は+1.53σ。
✗ 他の銀河についてのブラインド予測：まだ行われていません。SPARCカタログが自然なテスト。
ℓ の第一原理からの導出：未実施。ℓは現在フィットしており、導出していません。
クラスター規模の検証：まだ行われていません。弾丸クラスター・レンズが重要なテスト。
→ 30kpc以遠の回転曲線の拡張：ガイアDR4は、近い将来に重要なテストを提供するはずです。

正直な科学的現状

現在のBeeTheoryは、天の川銀河の自転曲線や経験的な暗黒物質のプロファイルに最もよく合う、物理的なメカニズムに基づいた現象論的な枠組みです。

Kとℓは導出されたものではなく、フィッティングされたものなので、厳密な意味ではまだ理論ではありません。

波動質量定説からℓ = f(_Lsource)を導き出し、SPARCで普遍的にテストし、Gaia DR4のブラインド予測を行うのです。

データ：Ou, X. et al.,MNRAS 528, 2024.モデル：BeeTheory v2、Dutertre 2023、多成分フィット。SPARC参照：Lelli、McGaugh、Schombert、AJ 152、2016。弾丸クラスター：Clowe et al.,ApJL 648, 2006.