Bayes-based orbital parameters estimation in triple hierarchical stellar systems

Abstract

En la estimación de parámetros orbitales, un sistema estelar triple jerárquico puede ser visto como dos sistemas binarios combinados. Este proceso de inferencia es muy desafiante, dada la alta dimensionalidad del espacio de parámetros y las complejas relaciones entre éstos y las observaciones involucradas (astrometría y velocidades radiales). Este trabajo propone una nueva metodología para realizar esta estimación, usando un framework bayesiano basado en MCMC. En particular, se proponen modelos gráficos para modelar las relaciones probabilísticas entre parámetros y observaciones en el contexto de sólo astrometría, sólo velocidades radiales, y el caso conjunto de astrometría y velocidades radiales como fuentes de información. Estos proveen una manera novedosa de realizar la factorización de la distribución conjunta (de parámetros y observaciones) en componentes condicionales independientes (factores), y la estimación se realiza combinando diferentes tipos de observaciones de manera secuencial. También se plantea un formalismo matemático para reducir la dimensionalidad en el espacio de estados para sistemas estelares triples jerárquicos en general. Finalmente, este framework es testeado en tres casos conocidos de benchmark, donde los elementos orbitales internos y externos están determinados, junto con la inclinación mutua de las órbitas y las masas estelares individuales. Los resultados son consistentes con los previamente reportados.