基于宇宙计时器数据约束哈勃常数：EMCEE、高斯过程与掩码自回归流方法的比较分析

哈勃常数（$H_0$）是理解宇宙演化不可或缺的因素。仿射不变性马尔可夫链蒙特卡罗集合抽样器（EMCEE）、高斯过程（Gaussian Process, GP）和掩码自回归流（Masked Autoregressive Flow, MAF）等不同方法用于约束哈勃常数。然而，这些方法在应用于同一数据集时会产生不同的 $H_0$ 值。为探讨这些差异，我们基于对单个数据点敏感性及其在约束 $H_0$ 方面的性能进行比较分析。我们应用蒙特卡罗删除-$d$ jackknife（MCDJ）来评估方法对单个数据点的敏感性。我们的发现表明，GP 对单个数据点的敏感性高于 MAF 和 EMCEE，而 MAF 的敏感性高于 EMCEE。敏感性也取决于红移：EMCEE 和 GP 对较高红移处的 $H(z)$ 更为敏感，而 MAF 在较低红移处更为敏感。在基于 $\Lambda$CDM 和基于 GP 的仿真方案下，我们生成一组具有固定输入真实值 $H_{0,\mathrm{true}}$ 的模拟计时器数据集，分别对每种方法进行应用以恢复 $H_0$ 的后验分布，并通过比较恢复后的后验分布与 $H_{0,\mathrm{true}}$ 来总结性能：(i) 后验中心值精度（偏差和均方根误差）、(ii) 可信区间校准（68% 和 95% 覆盖率）、(iii) 总体后验质量（对数得分）。总体而言，EMCEE 在所有性能指标中表现最佳，GP 位于中间，MAF 表现最差。