¿Confirmando un planeta extrasolar con características terrestres estadísticamente? ¡No tan rápido!

• Título del artículo original: ” Kepler’s Earth-like Planets Should Not Be Confirmed Without Independent Detection: The Case of Kepler-452b“
• Autores: Fergal Mullally, Susan E. Thompson, Jefferey L. Coughlin, Christopher J. Burke & Jason F. Rowe.
• Institución del primer autor: SETI Institute, Mountain View, CA.
• Estado de la publicación: Aceptado en el Astronomical Journal/arXiv el 30 de marzo de 2018.
• Astrobite original: Statistically Confirming an Earth-Like Planet? Not So Fast!, por Samuel Factor. 

Anuncios recientes de grandes grupos de exoplanetas descubiertos utilizando el telescopio espacial Kepler se han basado en métodos estadísticos. En lugar de depender de costosas detecciones visuales directas y seguimientos espectroscópicos de los objetos candidatos, estos estudios se basan en una gran cantidad de pruebas destinadas a descartar resultados positivos falsos. Estas señales positivas falsas podrían ser de naturaleza astrofísica (por ejemplo, una binaria eclipsante en el fondo) o debido a fuentes de ruido dentro de la cámara. El artículo de hoy pone en tela de juicio la confianza estadística de estos métodos cuando se utiliza en candidatos con una proporción señal a ruido (SNR, por sus siglas en ingles) baja, con períodos largos; y disputa específicamente la confianza del 99.97% de Kepler-452b.

Antes de profundizar en los resultados, es útil definir algunos términos. Primero, la integridad de un método de investigación es la fracción de planetas reales correctamente identificados. Del mismo modo, la efectividad se refiere a la fracción de positivos falsos correctamente identificados. Finalmente, el número que buscamos es la confiabilidad de un método, o la fracción de detecciones reclamadas que son reales (y no falsos positivos).

Los autores de este trabajo utilizan dos líneas de razonamiento para argumentar que la validación puramente estadística de planetas de período largo (200-500 días), SNR baja (<10) es mucho menos segura de lo que se pensaba. En primer lugar, argumentan que el número de falsos positivos en este régimen supera drásticamente el número de señales del planeta verdadero. Específicamente, existe una gran acumulación de señales positivas falsas, con períodos de alrededor de 370 días, debido a que las características del ruido cambian con el período orbital de la nave espacial Kepler (período de 370 días). Esto significa que cualquier método para validar dichos candidatos debe ser extremadamente efectivo para identificar dichos positivos falsos.

El segundo argumento de los autores es que es extremadamente difícil identificar los positivos falsos de manera efectiva sin reducir también la integridad. Para comprobar la efectividad de un método, primero se debe producir un conjunto de datos que no contengan tránsitos, pero que también exhiben las mismas propiedades de ruido. Una forma de hacerlo es invertir curvas de luz reales. Esto convierte los tránsitos reales, que oscurecen la luz de la estrella, en aumentos de brillo que son difíciles de producir astrofísicamente. La tubería luego busca tránsitos de candidatos que se sabe que son causados ​​por el ruido (ya que estos habrían sido aumentos de brillo en los datos originales). Trabajos anteriores de otro equipo descubrieron que Robovetter (uno de los principales paquetes de software utilizados para verificar los tránsitos de candidatos) tiene una efectividad del 98.3% (casi todos los falsos positivos están identificados correctamente y solo el 1.7% están identificados erróneamente como tránsitos reales). La Figura 1 muestra cuán difícil es esto. ¿Puedes identificar qué conjunto de tránsitos son Kepler-452b y cuáles son curvas de luz invertidas (tránsitos falsos causados ​​por el ruido)?

Figura 1: Las filas superior e inferior muestran una señal de tránsito de diferentes candidatos, resaltada en azul. Los cuatro paneles de la izquierda son cada uno de los tránsitos, mientras que el panel de la derecha es la curva de luz apilada (plegada) (los puntos rojos muestran datos agrupados). ¿Puedes decir cuál de estas curvas de luz es Kepler-452b y cuál es la simulación de datos falsos? (la respuesta está al final de este artículo). Figura 1 en el papel.

Para ponerle algunos números a estos argumentos, los autores examinaron qué tan bien Robovetter analizó una muestra de tránsitos reales con  y una SNR baja (sin curvas de luz invertidas). Robovetter examinó una muestra de 3,341 tránsitos de candidatos y encontró 67 candidatos planetarios. Usando la eficacia previamente conocida de Robovetter del 98.3% (mencionada anteriormente), esto significa que 56 positivos falsos fueron identificados erróneamente como señales reales (Si las 3341-67 = 3274 señales positivas falsas son solo 98.3% entonces 56 señales positivas falsas fueron incorrectamente identificadas como reales). ¡Esto produce una confiabilidad abismal del 16% para este tipo de tránsito de candidatos! Debido a la gran cantidad de señales positivas falsas en este régimen, incluso una efectividad del 98.3% no es lo suficientemente buena. Usar un umbral más alto para lo que Robovetter considera un candidato solo mejora esta confiabilidad al 92%, aún lejos del 99% generalmente requerido para anunciar la confirmación estadística.

En resumen, la confirmación estadística de candidatos de SNR baja con período largo debe tomarse como un grano de sal. Estas confirmaciones siguen siendo útiles en los estudios a gran escala, siempre que se tenga en consideración la menor fiabilidad de los candidatos en este régimen. Sin embargo, la confiabilidad de estos métodos es demasiado baja para confirmar sistemas individuales sin observaciones de seguimiento y la validación de confianza del 99% de Kepler-452b es probablemente más cercana al 90%.

(Respuesta a la leyenda de la Figura 1: La fila superior es Kepler-452b, la fila inferior es una curva de luz invertida).