用于宇宙学模型选择的嵌套采样算法

大量新的宇宙学数据的出现意味着可检验的宇宙学模型范围比以往任何时候都更广。然而，必须在参数拟合和模型选择之间做出重要区分。虽然参数拟合仅确定模型对数据的拟合程度，但模型选择统计量（例如贝叶斯证据）现在对于在这些不同模型之间进行选择，特别是评估新参数的必要性，是必不可少的。我们实现了一种新的证据算法，称为嵌套采样，它结合了准确性、通用性和计算可行性，并将其应用于一些宇宙学数据集和模型。我们发现，具有Harrison-Zel'dovich初始谱的五参数模型目前是首选。