We describe a statistical model to estimate the covariance matrix of matter tracer two-point correlation functions with cosmological simulations. Assuming a fixed number of cosmological simulation runs, we describe how to build a `statistical emulator' of the two-point function covariance over a specified range of input cosmological parameters. Because the simulation runs with different cosmological models help to constrain the form of the covariance, we predict that the cosmology-dependent covariance may be estimated with a comparable number of simulations as would be needed to estimate the covariance for fixed cosmology. Our framework is a necessary first step in planning a simulations campaign for analyzing the next generation of cosmological surveys.
Estimating the power spectrum covariance matrix with fewer mock samples
星系巡天测量功率谱（P（k））的协方差矩阵在理论上很难计算。目前的最佳实践是通过计算大量模拟目录的样本协方差来估计协方差矩阵。下一代星系巡天将需要数千个大体积模型来确定协方差矩阵，以达到所需的精度。逆协方差矩阵中的误差更大，并且随着P（k）箱的数量而缩放，使得问题更加尖锐。我们开发了一种估计协方差矩阵的方法，使用理论上合理的，少参数模型，校准与模拟目录。使用一组600个BOSS DR 11模拟星表，我们证明了一个七参数模型足以拟合BOSS DR 11 P（k）测量的协方差矩阵。使用此方法计算的协方差优于任何模拟数量的样本协方差，并且仅需要~100个模拟就可以完全收敛，并且逆协方差矩阵以相同的速率收敛。这种方法应该同样适用于下一代星系调查，尽管对更高精度的需求可能需要在拟合函数中添加额外的参数。
If at First You Don't Succeed, Trispectrum: I. Estimating the Matter Power Spectrum Covariance with Higher-Order Statistics
Columbia University（哥伦比亚大学）；Perimeter Institute for Theoretical Physics（理论物理前沿研究所）；California Institute of Technology（加州理工学院）；University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
Euclid: The linear-construction covariance and cosmology
University of Helsinki（赫尔辛基大学）；Helsinki Institute of Physics（赫尔辛基物理研究所）；INAF-Osservatorio Astronomico di Trieste（意大利国家天体物理研究所的里雅斯特天文台）；ESAC/ESA（欧洲空间应用中心/欧洲空间局）；INAF-Osservatorio Astronomico di Brera（意大利国家天体物理研究所布雷拉天文台）；INAF-Osservatorio di Astrofisica e Scienza dello Spazio di Bologna（意大利国家天体物理研究所博洛尼亚天体物理学与空间科学观测站）；IFPU, Institute for Fundamental Physics of the Universe（宇宙基础物理研究所）；INFN, Sezione di Trieste（意大利国家核物理研究所的里雅斯特分部）；SISSA, International School for Advanced Studies（国际高等研究院）
Estimating Covariance Matrices for Two- and Three-Point Correlation Function Moments in Arbitrary Survey Geometries
我们提出的配置空间估计的自协方差和互协方差的两点和三点关联函数（2PCF和3PCF）在一般的调查几何。这些是在高斯极限中导出的（将高阶关联函数设置为零），但是对于任意非线性2PCF（其可以从勘测本身估计），其中包括散粒噪声重新缩放参数以捕获非高斯性。我们概括了以前的方法，包括勒让德矩通过几何校正函数校准测量对和三重计数。利用重要性抽样和随机粒子目录，我们可以估计模型协方差的分数所需的时间与模拟，获得估计与可忽略的采样噪声在$\sim 10$（$\sim 100$）CPU小时的2PCF（3PCF）自协方差。我们将结果与来自一套BOSS DR 12模拟的样本协方差进行比较，并发现矩阵具有良好的一致性，假设2PCF（3PCF）的散粒噪声重新缩放参数为$1.03$（$1.20$）。为了获得最强的约束宇宙学参数，我们必须使用多种统计在演唱会上，有强大的方法来衡量其协方差在低计算成本，因此是非常相关的即将到来的调查。
Jackknife resampling technique on mocks: an alternative method for covariance matrix estimation
我们提出了一个快速和强大的替代方法来计算协方差矩阵的情况下宇宙学研究。我们的方法是基于应用于仿真模拟目录的刀切响应。使用一组600个BOSS DR 11模拟星表作为参考，我们发现，刀切技术提供了一个类似的星系聚类协方差矩阵估计所需的模拟数量较少。收敛速度的比较表明，$\sim$ 7倍的模拟需要得到类似的精度方差。我们希望这种技术可以应用于任何分析中，可用的N体模拟的数量是低的。
