Project

General

Profile

Action #5009

First results on CFHTLS data

Added by Johanna Pasquet 4 months ago. Updated about 1 month ago.

Status:
New
Priority:
Normal
Assigned To:
Start date:
11/15/2018
Due date:
% Done:

0%


Description

Selection: 0.01<z<1.5

mean biais = 0.00065
nmad = 0.010465
number of outliers = 319.0 soit 1.33831179728 %

cfht_plot.png (66.6 KB) Johanna Pasquet, 02/14/2019 11:53 AM

History

#1 Updated by Johanna Pasquet 4 months ago

  • Assigned To changed from Stephane ARNOUTS to Johanna Pasquet

#2 Updated by Johanna Pasquet 4 months ago

  • File resultat_250bins.png added

#3 Updated by Johanna Pasquet 4 months ago

  • File deleted (plot.png)

#4 Updated by Johanna Pasquet 4 months ago

  • File deleted (resultat_250bins.png)

#5 Updated by Johanna Pasquet 4 months ago

Johanna Pasquet wrote:

Selection: 0.01<z<1.5

mean biais = 0.00065
nmad = 0.010465
number of outliers = 319.0 soit 1.33831179728 %

Wrong result, there was a mistake in the code

#6 Updated by Johanna Pasquet about 1 month ago

Pas de coupure en magnitude
Coupure en redshift <4.0

biais=0.0034
nmad=0.0372
fraction d'outliers =26.75 %

#7 Updated by Stephane ARNOUTS about 1 month ago

Merci Johanna,
ca a l'air tres bon ces resultats !
J'ai un doute sur la definition des outliers ?
Il faut le redefinir comme abs(zcnn-zs)/(1+zs)> 3*sig_mad ~0.1

#8 Updated by Stephane ARNOUTS about 1 month ago

and we still see the bias problem at high z where Zcnn tend to under-estimate the redshift

#9 Updated by Johanna Pasquet about 1 month ago

Stephane ARNOUTS wrote:

Merci Johanna,
ca a l'air tres bon ces resultats !
J'ai un doute sur la definition des outliers ?
Il faut le redefinir comme abs(zcnn-zs)/(1+zs)> 3*sig_mad ~0.1

Ah oui j'ai juste fait abs(zphot-zs) > 0.05. Je vais le recalculer!

#####################################"""
En fait je n'avais pas calculé le nmad mais la dispersion définie par np.sum((abs(zphot-zspec)/(1+zspec)))/len(zspec) = 0.037
Le nmad est en réalité égal à 0.021 !
La fraction d'outliers définie par abs(zcnn-zs)/(1+zs)> 3*sig_mad est de 0.113 soit 11.3%

#10 Updated by Stephane ARNOUTS about 1 month ago

Johanna Pasquet wrote:

Stephane ARNOUTS wrote:

Merci Johanna,
ca a l'air tres bon ces resultats !
J'ai un doute sur la definition des outliers ?
Il faut le redefinir comme abs(zcnn-zs)/(1+zs)> 3*sig_mad ~0.1

Ah oui j'ai juste fait abs(zphot-zs) > 0.05. Je vais le recalculer!

#####################################"""
En fait je n'avais pas calculé le nmad mais la dispersion définie par np.sum((abs(zphot-zspec)/(1+zspec)))/len(zspec) = 0.037
Le nmad est en réalité égal à 0.021 !
La fraction d'outliers définie par abs(zcnn-zs)/(1+zs)> 3*sig_mad est de 0.113 soit 11.3%

ohoh plutot tres bon alors ! impatient de decortiquer les pickles ...

Also available in: Atom PDF

Go to top