Busca avançada
Ano de início
Entree

Populações de estrelas de nêutrons: ferramentas estatísticas bayesianas

Processo: 16/09831-0
Linha de fomento:Auxílio à Pesquisa - Regular
Vigência: 01 de fevereiro de 2017 - 31 de janeiro de 2019
Área do conhecimento:Ciências Exatas e da Terra - Astronomia - Astrofísica Estelar
Pesquisador responsável:Rodolfo Valentim da Costa Lima
Beneficiário:Rodolfo Valentim da Costa Lima
Instituição-sede: Instituto de Ciências Ambientais, Químicas e Farmacêuticas (ICAQF). Universidade Federal de São Paulo (UNIFESP). Campus Diadema. Diadema , SP, Brasil
Assunto(s):Estrelas de nêutrons 

Resumo

Estrelas de Nêutrons (ENs) são estágios finais da "vida" de estrelas com massas iniciais distintas, o conhecimento das populações de ENs é essencial para compreender caminhos evolutivos das estrelas progenitoras, modelos de equações de estado e informações sobre matéria em regimes extremos de densidade e temperatura. Para ENs, a massa é o principal parâmetro observado que pode ser inferido por diferentes métodos: Shapiro Delay e Função de Massa (Terceira Lei de Kepler). Através de Inferência Bayesiana e usando parametrizações gaussianas é possível inferir massas "canônicas" para os grupos de ENs. Usando a base de dados http://stellarcollapse.org/nsmasses disponível na rede (figura 2), que contém as massas e os desvios medidos com diferentes métodos e publicadas por diversos autores, a análise permite inferir estes caminhos e estimar as massas características e outros parâmetros relevantes (densidade central, por exemplo). O projeto propõe estudar a distribuição de massas das ENs a partir de dados de domínio público, inferir a escalas de massas e a existência de um valor máximo para ENs. (AU)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
VALENTIM, R.; JESUS, J. F. Entropy and creation cold dark matter models. ASTRONOMISCHE NACHRICHTEN, v. 340, n. 1-3, SI, p. 105-107, JAN-MAR 2019. Citações Web of Science: 0.
JESUS, J. F.; GREGORIO, T. M.; ANDRADE-OLIVEIRA, F.; VALENTIM, R.; MATOS, C. A. O. Bayesian correction of H(z) data uncertainties. Monthly Notices of the Royal Astronomical Society, v. 477, n. 3, p. 2867-2873, JUL 2018. Citações Web of Science: 3.
JESUS, J. F.; VALENTIM, R.; ANDRADE-OLIVERA, F. Bayesian analysis of CCDM models. Journal of Cosmology and Astroparticle Physics, n. 9 SEP 2017. Citações Web of Science: 0.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.