[論文レビュー] Constraining dark energy models using Jackknife and Bootstrap resampling

K Roshna, Nikhil Fernandes+2 more|arXiv (Cornell University)|Jan 22, 2026

Gamma-ray bursts and supernovae被引用数 0

ひとこと要約

論文は PPS データに対して GLS、ジャックナイフ、ブートストラップ、ベイズ法（MCMC とネスティッドサンプリング）を用いていくつかのダークエネルギーモデルを制約し、リサンプリングとベイズ結果を比較しデータの限界を指摘します。

ABSTRACT

Analyses of type Ia supernovae have helped us shed light on the existence and nature of dark energy. Most of these analyses have relied on Bayesian techniques. In this work, we rely on resampling techniques to analyse supernova data. In particular, we use the generalised least squares method together with Jackknife and Bootstrap techniques to estimate parameters of $Λ$CDM, flat $Λ$CDM, $w$CDM, flat $w$CDM, and flat $w_0\,w_a$CDM models from the recent PantheonPlus and SH0ES data. For completeness, we also perform Bayesian analysis using Markov chain Monte Carlo (MCMC) and nested sampling algorithms, and compare the results. We note that resampling techniques can help highlight the limitations of the data. For instance, we see that the Jackknife method estimates a strong positive correlation between $h$ and $M$ and higher standard deviations for both. This may have significant implications for the Hubble tension. We conclude with a discussion of our results.

研究の動機と目的

• PPS データを用いて頻度論的、リサンプリング、ベイズ法の間でダークエネルギー参数の制約の一貫性を評価する。
• ジャックナイフおよびブートストラップのリサンプリングが宇宙論パラメータの推定値と不確実性に与える影響を調べる。
• モデル間での相関と潜在的なバイアス、特にハッブル定数 h と絶対星等 M の間の関係を探る。

提案手法

• H(z) および f(z) 関数を介して複数のダークエネルギーモデルの理論的距離モジュロを計算する。
• 非線形 GLS 処理を用いて chi-square を最小化することでパラメータを適合させる Generalised Least Squares（GLS）を適用する。
• PPS データ点を1点ずつ除去してバイアスと共分散を推定するジャックナイフリサンプリングを実行する。
• 1000 サンプルのブートストラップリサンプリングを行い、パラメータ分布と KDE に基づく等高線を得る。
• flat priors を用いたベイズ解析を MCMC（emcee）とネスティッドサンプリング（PolyChord）で実施し、事後分布を比較する。
• GLS、ジャックナイフ、ブートストラップ、MCMC、およびネスティッドサンプリングの結果を比較し、等高線図とパラメータ感度を含めて検討する。

実験結果

リサーチクエスチョン

• RQ1 ジャックナイフとブートストラップといったリサンプリング法は、異なるダークエネルギーモデルに対してパラメータ推定値と不確実性にどのように影響するか？
• RQ2 PPS データを使用した場合、GLS、ジャックナイフ、ブートストラップ、ベイズ分析は最適な宇宙論パラメータで一致しているか？
• RQ3 異なる統計アプローチやモデル間で、h と M の間の相関やバイアスは生じるか？
• RQ4 PPS を用いた LambdaCDM および wCDM や CPL (w0-wa) のようなダイナミックダークエネルギーモデルのパラメータはどの程度制約されるか？
• RQ5 ベイズの等高線は頻度論的なものよりも広い傾向があるか、またこれはモデルの複雑さにどう依存するか？

主な発見

• ジャックナイフは h と M の強い正の相関を示し、それらの報告される不確実性を増加させる。
• 5パラメータモデル（例：wCDM および平坦な w0-waCDM）は、一部のパラメータでより大きなバイアスと不利な制約を示す。
• モデルを超えて、h と M は方法間で一貫して類似の不確実性で制約される。
• ベイズ分析（MCMC とネスティッドサンプリング）は、一般に頻度論的方法よりも広く、保守的な等高線を示す。
• 平坦な LambdaCDM は PPS データで最もよく制約されるモデルの1つであり、一部のダイナミックモデルは多峰性やブootストラップ分布の発散を示す。