Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA LE MODIFICHE in fondo alla pagina
Bicocca Open Archive
We explore the 2013 Planck likelihood function with a high-precision multi-dimensional minimizer (Minuit). This allows a refinement of the CDM best-fit solution with respect to previously-released results, and the construction of frequentist confidence intervals using profile likelihoods. The agreement with the cosmological results from the Bayesian framework is excellent, demonstrating the robustness of the Planck results to the statistical methodology. We investigate the inclusion of neutrino masses, where more significant differences may appear due to the non-Gaussian nature of the posterior mass distribution. By applying the Feldman-Cousins prescription, we again obtain results very similar to those of the Bayesian methodology. However, the profile-likelihood analysis of the cosmic microwave background (CMB) combination (Planck+WP+highL) reveals a minimum well within the unphysical negative-mass region. We show that inclusion of the Planck CMB-lensing information regularizes this issue, and provide a robust frequentist upper limit σmv ≤0:26 eV (95% confidence) from the CMB+lensing+BAO data combination.
Ade, P., Aghanim, N., Arnaud, M., Ashdown, M., Aumont, J., Baccigalupi, C., et al. (2014). Planck intermediate results: XVI. Profile likelihoods for cosmological parameters. ASTRONOMY & ASTROPHYSICS, 566, 1-10 [10.1051/0004-6361/201323003].
Planck intermediate results: XVI. Profile likelihoods for cosmological parameters
Ade P. A. R.;Aghanim N.;Arnaud M.;Ashdown M.;Aumont J.;Baccigalupi C.;Banday A. J.;Barreiro R. B.;Bartlett J. G.;Battaner E.;Benabed K.;Benoit-Levy A.;Bernard J. -P.;Bersanelli M.;Bielewicz P.;Bobin J.;Bonaldi A.;Bond J. R.;Bouchet F. R.;Burigana C.;Cardoso J. -F.;Catalano A.;Chamballu A.;Chiang H. C.;Christensen P. R.;Clements D. L.;Colombi S.;Colombo L. P. L.;Couchot F.;Cuttaia F.;Danese L.;Davies R. D.;Davis R. J.;De Bernardis P.;De Rosa A.;De Zotti G.;Delabrouille J.;Dickinson C.;Diego J. M.;Dole H.;Donzelli S.;Dore O.;Douspis M.;Dupac X.;Ensslin T. A.;Eriksen H. K.;Finelli F.;Forni O.;Frailis M.;Franceschi E.;Galeotta S.;Galli S.;Ganga K.;Giard M.;Giraud-Heraud Y.;Gonzalez-Nuevo J.;Gorski K. M.;Gregorio A.;Gruppuso A.;Hansen F. K.;Harrison D. L.;Henrot-Versille S.;Hernandez-Monteagudo C.;Herranz D.;Hildebrandt S. R.;Hivon E.;Hobson M.;Holmes W. A.;Hornstrup A.;Hovest W.;Huffenberger K. M.;Jaffe A. H.;Jaffe T. R.;Jones W. C.;Juvela M.;Keihanen E.;Keskitalo R.;Kisner T. S.;Kneissl R.;Knoche J.;Knox L.;Kunz M.;Kurki-Suonio H.;Lagache G.;Lahteenmaki A.;Lamarre J. -M.;Lasenby A.;Lawrence C. R.;Leonardi R.;Liddle A.;Liguori M.;Lilje P. B.;Linden-Vornle M.;Lopez-Caniego M.;Lubin P. M.;Macias-Perez J. F.;Maffei B.;Maino D.;Mandolesi N.;Maris M.;Martin P. G.;Martinez-Gonzalez E.;Masi S.;Massardi M.;Matarrese S.;Mazzotta P.;Melchiorri A.;Mendes L.;Mennella A.;Migliaccio M.;Mitra S.;Miville-Deschenes M. -A.;Moneti A.;Montier L.;Morgante G.;Munshi D.;Murphy J. A.;Naselsky P.;Nati F.;Natoli P.;Noviello F.;Novikov D.;Novikov I.;Oxborrow C. A.;Pagano L.;Pajot F.;Paoletti D.;Pasian F.;Perdereau O.;Perotto L.;Perrotta F.;Pettorino V.;Piacentini F.;Piat M.;Pierpaoli E.;Pietrobon D.;Plaszczynski S.;Pointecouteau E.;Polenta G.;Popa L.;Pratt G. W.;Puget J. -L.;Rachen J. P.;Rebolo R.;Reinecke M.;Remazeilles M.;Renault C.;Ricciardi S.;Riller T.;Ristorcelli I.;Rocha G.;Rosset C.;Roudier G.;Rouille D'orfeuil B.;Rubino-Martin J. A.;Rusholme B.;Sandri M.;Savelainen M.;Savini G.;Spencer L. D.;Spinelli M.;Starck J. -L.;Sureau F.;Sutton D.;Suur-Uski A. -S.;Sygnet J. -F.;Tauber J. A.;Terenzi L.;Toffolatti L.;Tomasi M.;Tristram M.;Tucci M.;Umana G.;Valenziano L.;Valiviita J.;Van Tent B.;Vielva P.;Villa F.;Wade L. A.;Wandelt B. D.;White M.;Yvon D.;Zacchei A.;Zonca A.
2014
Abstract
We explore the 2013 Planck likelihood function with a high-precision multi-dimensional minimizer (Minuit). This allows a refinement of the CDM best-fit solution with respect to previously-released results, and the construction of frequentist confidence intervals using profile likelihoods. The agreement with the cosmological results from the Bayesian framework is excellent, demonstrating the robustness of the Planck results to the statistical methodology. We investigate the inclusion of neutrino masses, where more significant differences may appear due to the non-Gaussian nature of the posterior mass distribution. By applying the Feldman-Cousins prescription, we again obtain results very similar to those of the Bayesian methodology. However, the profile-likelihood analysis of the cosmic microwave background (CMB) combination (Planck+WP+highL) reveals a minimum well within the unphysical negative-mass region. We show that inclusion of the Planck CMB-lensing information regularizes this issue, and provide a robust frequentist upper limit σmv ≤0:26 eV (95% confidence) from the CMB+lensing+BAO data combination.
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10281/405733
Citazioni
74
85
Social impact
Conferma cancellazione
Sei sicuro che questo prodotto debba essere cancellato?
simulazione ASN
Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2023-2025 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande.
La presente simulazione è stata realizzata sulla base delle specifiche raccolte sul tavolo ER del Focus Group IRIS coordinato dall’Università di Modena e Reggio Emilia e delle regole riportate nel DM 598/2018 e allegata Tabella A. Cineca, l’Università di Modena e Reggio Emilia e il Focus Group IRIS non si assumono alcuna responsabilità in merito all’uso che il diretto interessato o terzi faranno della simulazione. Si specifica inoltre che la simulazione contiene calcoli effettuati con dati e algoritmi di pubblico dominio e deve quindi essere considerata come un mero ausilio al calcolo svolgibile manualmente o con strumenti equivalenti.