对模拟与VIRMOS-DESCART数据宇宙剪切的似然分析

我们对来自模拟数据和真实VIRMOS-DESCART数据的宇宙剪切进行最大似然分析。我们探索了四维参数空间，包括平均密度Ω_M、质量谱归一化σ_8、形状参数Γ以及源红移z_s。随后，对Ω_M和σ_8（或Γ和z_s）进行边际化后给出约束。对于平坦LCDM宇宙学，采用源的光度红移先验且Γ∈[0.1,0.4]，我们发现σ_8=(0.57±0.04)Ω_M^{(0.24∓0.18)Ω_M-0.49}（置信水平68%），误差预算包括统计噪声、完全宇宙偏差和残余系统误差。对Γ的估计（在Ω_M∈[0.1,0.4]，σ_8∈[0.7,1.3]，z_s受光度红移约束的条件下边际化），给出Γ=0.25±0.13（置信水平68%）。采用h=0.7，平坦宇宙，Γ=0.2且Ω_m=0.3时，我们找到σ_8=0.98±0.06。结合CMB数据，我们的结果表明存在非零宇宙常数，并对Ω_M和σ_8给出紧密约束。我们最终将结果与团簇丰度结果进行比较，讨论了与最新团簇方法确定值的可能偏差。特别是，我们指出了在非线性尺度范围内质量谱预测的实际局限性，以及其改进的重要性。