Action #5009
open
First results on CFHTLS data
Added by Johanna Pasquet about 6 years ago. Updated almost 6 years ago.
0%
Description
Selection: 0.01<z<1.5
mean biais = 0.00065
nmad = 0.010465
number of outliers = 319.0 soit 1.33831179728 %
Files
| cfht_plot.png (66.6 KB) cfht_plot.png | Johanna Pasquet, 2019-02-14 11:53 |
Updated by Johanna Pasquet about 6 years ago
- Assignee changed from Stephane Arnouts to Johanna Pasquet
Updated by Johanna Pasquet about 6 years ago
- File deleted (
resultat_250bins.png)
Updated by Johanna Pasquet about 6 years 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
Updated by Johanna Pasquet almost 6 years ago
- File cfht_plot.png cfht_plot.png added
Pas de coupure en magnitude
Coupure en redshift <4.0
biais=0.0034
nmad=0.0372
fraction d'outliers =26.75 %
Updated by Stephane Arnouts almost 6 years 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
Updated by Stephane Arnouts almost 6 years ago
and we still see the bias problem at high z where Zcnn tend to under-estimate the redshift
Updated by Johanna Pasquet almost 6 years 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%
Updated by Stephane Arnouts almost 6 years 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 ~0.1Ah 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 ...