模型选择的经验方法：弱引力透镜和固有对齐
摘要：使用合适的模型来描述数据时，宇宙学中常常需要选择不同的模型，而模型不足或过于复杂会导致偏差和约束能力损失。本文提出了一种经验方法来选择模型，明确权衡参数偏差与模型复杂性之间的关系。我们的方法使用合成数据来校准偏差与模型之间的$chi^2$差异关系，这使得我们能够解读从真实数据获得的$chi^2$值（即使目录是被掩盖的）并相应地选择模型。我们将我们的方法应用于固有对齐问题，这是最重要的弱引力透镜系统性之一，也是现代透镜测量调查中误差预算的主要贡献者。具体而言，我们考虑了第三年度暗能量调查（DES Y3）的例子，并比较了常用的非线性对齐（NLA）和潮汐对齐与潮汐扭矩（TATT）模型。这些模型是根据$Omega\_m - S\_8$平面中的偏差来校准的。一旦考虑到噪音，我们发现可以设置一个保证以某个特定水平$Nsigma$和置信度进行NLA分析的$Delta chi^2$阈值。相比之下，我们发现理论上定义的阈值（基于$chi^2$的p值等）往往过于乐观，不可靠地排除了$sim 1-2sigma$的宇宙学偏差。考虑到实际的DES Y3宇宙剪切结果，根据NLA和TATT分析的$chi^2$差异，我们发现约有30％的机会，如果NLA是基准模型，结果将在$Omega\_m-S\_8$平面上偏差超过$0.3sigma$。更广泛地说，我们在这里提出的方法简单而通用，并且需要相对较低的资源水平。我们预见将来可以将其作为模型选择工具应用于许多不同的分析中。
作者：Andresa Campos, Simon Samuroff and Rachel Mandelbaum
论文ID：2211.02800
分类：Cosmology and Nongalactic Astrophysics
分类简称：astro-ph.CO
提交时间：2023-08-09