Concerning Parameter Estimation Using the Cosmic Microwave Background
Notice bibliographique
Résumé
Most parameter constraints obtained from cosmic microwave background (CMB) anisotropy data are based on power estimates and rely on approximate likelihood functions; computational difficulties generally preclude an exact analysis based on pixel values. With the specific goal of testing this kind of approach, we have performed a complete (un-approximated) likelihood analysis combining the COBE, Saskatoon and MAX data sets. We examine in detail the ability of certain approximate techniques based on band-power estimates to recover the full likelihood constraints. The traditional $χ^2$-method does not always find the same best-fit model as the likelihood analysis (a bias), due mainly to the false assumption of Gaussian likelihoods that makes the method overly sensitive to data outliers. Although an improvement, other approaches employing non-Gaussian flat-band likelihoods do not always faithfully reproduce the complete likelihood constraints either; not even when using the exact flat-band likelihood curves. We trace this to the neglect of spectral information by simple flat band-power estimates. A straightforward extension incorporating a local effective slope (of the power spectrum, $C_l$) provides a faithful representation of the likelihood surfaces without significantly increasing computing cost. Finally, we also demonstrate that the best-fit model to this particular data set is a {\em good fit}, or that the observations are consistent with Gaussian sky fluctuations, according to our statistic.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».