Speaker: Marco Tarantino Studente Magistrale in Statistica e Data Science (LM-82)\, Universita’ d egli Studi di Palermo
\nTitolo:
\nAPPLICAZIONE DI TECNICHE STAT
ISTICHE PER LA PREVISIONE DELLA
\nTEMPERATURA EFFETTIVA DI STELLE GIO
VANI
Abstract:
\nUno degli attuali argomenti di discussione r
iguarda la durata del processo di formazione di cluster stellari: vi sono
modelli teorici che ipotizzano un unico evento dal quale si formano tutte
le stelle appartenenti ad uno stesso cluster\, considerando un processo di
formazione rapido\, altri modelli che\, invece\, suppongono piu’ eventi d
i formazione\, tenendo conto di un processo di formazione lento. Uno dei m
etodi piu’ utilizzati per ricavare l’eta’ delle stelle si basa sul confron
to della distribuzione delle stelle sul diagramma H-R con le isocrone teor
iche. Una variabile fondamentale per applicare questo metodo e’ la temper
atura efficace\, la quale si puo’ ricavare in maniera accurata dalla spet
troscopia. Tuttavia\, nell’epoca delle grandi survey fotometriche\, e’ nec
essario derivare la temperatura efficace basandosi sulla fotometria. L’obi
ettivo del lavoro consiste nel trovare un modello che permetta di ottenere
buone previsioni della temperatura effettiva di stelle giovani\, utilizza
ndo variabili fotometriche di stelle ottenute da tre cataloghi differenti\
, ovvero Gaia\, Gaia-ESO Survey\, Pan-STARRS e 2MASS. I risultati previsiv
i evidenziano come il Random Forest rappresenti una buona soluzione per la
previsione della temperatura effettiva. Durante questo seminario introdur
ro’ i cinque approcci statistici applicati nell’analisi svolta\, evidenzia
ndo in particolare i risultati relativi al Random Forest\, risultato il mi
gliore dei cinque.