基于宇宙增长与膨胀率的宇宙学联合分析

膨胀率 $H(z)$ 和增长速率 $f\sigma_8(z)$ 的测量描述了宇宙的演化，并且二者都可以通过数据分析约束宇宙学模型。由于缺乏数据点，这些数据集通过传统的联合方法($\chi^2$ 方法)相结合以选出最佳拟合宇宙学模型。2017年，Linder提出了一种联合方法，该方法通过 $H(z)-f\sigma_8$ 图而非红移 z 来描述宇宙的演化。与单独数据集相比，Linder展示了联合方法在区分宇宙学模型方面的优势。在本文中，我们通过使用赤池信息准则(AIC)和贝叶斯信息准则(BIC)约束密度参数 $\Omega_M$，比较了传统联合方法与Linder联合方法的显著性。结果表明联合方法比传统联合方法更显著。