Estimation of the star formation rate using Long-Gamma ray bursts observed by swift

• M. Elías ^[1] ; O. M. Martínez ^[1]
  1. [1] Benemérita Universidad Autónoma de Puebla

     Benemérita Universidad Autónoma de Puebla

     México

     
• Localización: Revista mexicana de astronomía y astrofísica, ISSN-e 0185-1101, Vol. 54, Nº. 2, 2018, págs. 309-316
• Idioma: inglés
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    En este trabajo se estima la tasa de formación estelar (SFR) mediante el análisis de una muestra de 333 Gamma Ray Bursts (GRBs) largos detectados por Swift. Este estudio se basa en el modelo empírico propuesto por Yüksel et al. (2008). Básicamente, la SFR se calcula utilizando GRBs largos tomando en consideración que son originados según el modelo collapsar o del colapso de estrellas masivas tipo hipernova (M > 20M⊙). El análisis parte del estudio de ε(z) que representa la tasa de producción de GRBs largos, parametrizándolo de la forma ε(z) = ε0(1+z)δ, donde ε0 incluye la conversión absoluta de la SFR a la tasa de GRB en un intervalo de luminosidad de GRB dado, y el índice δ es un parámetro dinámico que cambia con z y representa la pendiente de la traza dejada por la SFR. Los resultados favorecen la propuesta usar a los GRBs largos como trazadores de la SFR.

  • English

    In this work we estimate the star formation rate (SFR) through 333 LongGRBs detected by Swift. This investigation is based on the empirical model proposed by Yüksel et al. (2008). Basically, the SFR is estimated using long-GRBs considering that they have a stellar origin based on the collapsar model or the collapse of massive stars (hypernovae) M > 20M⊙. The analysis starts with the study of ε(z) which accounts for the long-GRBs production rate and is parameterized by ε(z) = ε0(1 + z)δ, where ε0 includes the SFR absolute conversion to GRBs rate in a luminosity range already defined and δ is a dynamical parameter which changes at different regions of redshift; it accounts for the SFR slope which is obtained by an analysis of linear regression over our long-GRBs sample. The results obtained provide evidence that supports our proposal to use Long-GRBs as tracers of SFR.