Bayesian and frequentist perspectives agree on dynamical dark energy

Planteamiento del Problema
Análisis recientes de los datos de Oscilaciones Acústicas de Bariones (BAO) del Instrumento Espectroscópico de Energía Oscura (DESI), al combinarse con los datos del Fondo Cósmico de Microondas (CMB), han indicado una desviación del modelo estándar de la constante cosmológica ($\Lambda$). Específicamente, los análisis bayesianos utilizando métodos de Monte Carlo por cadenas de Markov (MCMC) sugieren una preferencia por la energía oscura dinámica descrita por la parametrización de Chevallier-Polarski-Linder (CPL) ($w_0, w_a$), excluyendo $w = -1$ con aproximadamente $3\sigma$. Sin embargo, los intervalos de credibilidad bayesianos dependen de elecciones de priors específicas y de la marginalización de parámetros de confusión (nuisance parameters). En modelos donde las restricciones de los datos son débiles o los verosimilitudes (likelihoods) se desvían de la gaussianidad, los "efectos de volumen del prior" pueden influir significativamente en los resultados. Aunque la colaboración DESI ha cuantificado las desviaciones utilizando $\Delta\chi^2$ frecuentista, no se ha establecido plenamente una comparación rigurosa de los intervalos de confianza frecuentistas frente a los intervalos de credibilidad bayesianos para los parámetros CPL. Este trabajo aborda si las restricciones frecuentistas sobre $w_0$ y $w_a$ concuerdan con sus contrapartes bayesianas e investiga qué conjuntos de datos impulsan estas restricciones.

Metodología
Los autores emplean un enfoque frecuentista basado en verosimilitudes de perfil (profile likelihoods) para analizar los parámetros del modelo CPL ($w_0, w_a$) y la densidad de materia ($\Omega_m$).

• Conjuntos de Datos: El análisis combina los datos de BAO de la Liberación de Datos 2 (DR2) de DESI con los espectros primarios del CMB de Planck PR3 y los espectros de potencia de lente gravitacional de Planck y el Telescopio Cosmológico de Atacama (ACT). También se incluyen datos de Supernovas de Pantheon+ y del Dark Energy Survey (DES) Año 5 (Y5) en diversas combinaciones.
• Marco Estadístico:
  • Bayesiano: Los posteriors se obtienen mediante MontePython con priors planos ($w_0 \in [-3, 1]$, $w_0+w_a \in [-5, 0]$).
  • Frecuentista: Las verosimilitudes de perfil se computan utilizando el código pinc (minimización por recocido simulado o simulated annealing) interoperable con MontePython. La verosimilitud de perfil para un parámetro $\theta$ se define maximizando la verosimilitud sobre todos los demás parámetros de confusión $\nu$ para un $\theta$ fijo. Los intervalos de confianza se derivan mediante el método gráfico donde $\Delta\chi^2 = 1$ (68%) y $\Delta\chi^2 = 4$ (95%).
• Modelado: Las predicciones cosmológicas lineales se generan utilizando CLASS, con correcciones no lineales de HMCode. Las masas de los neutrinos se fijan al mínimo permitido ($0.06$ eV) asumiendo una aproximación de masa degenerada.
• Descomposición: Para identificar los impulsores de las restricciones, la $\chi^2$ total se descompone en contribuciones de conjuntos de datos individuales (CMB, BAO, SNe) fijando $\Omega_m$ y maximizando la verosimilitud sobre otros parámetros.

Contribuciones Clave y Resultados

1. Acuerdo entre Paradigmas Estadísticos: El hallazgo principal es que las restricciones frecuentistas sobre los parámetros CPL $w_0$ y $w_a$ están en excelente acuerdo con las restricciones bayesianas.

   • Las medias de los posteriors bayesianos y las estimaciones de máxima verosimilitud (MLE) frecuentistas concuerdan dentro de $0.2\sigma$ en todas las combinaciones de conjuntos de datos.
   • Los tamaños de los intervalos de credibilidad y de confianza del 68% concuerdan dentro de un 8–9%.
   • Este acuerdo sugiere que los efectos de volumen del prior no están sesgando significativamente los resultados bayesianos en este contexto, ya que las verosimilitudes son suficientemente restrictivas.

2. Resolución de Discrepancias en $\Omega_m$:

   • Bajo el modelo $\Lambda$CDM, los conjuntos de datos individuales muestran inconsistencias internas leves respecto al valor preferido de la densidad de materia $\Omega_m$ (por ejemplo, DESI prefiere un $\Omega_m$ más bajo $\sim 0.295$, mientras que CMB prefiere un $\Omega_m$ más alto $\sim 0.315$). Forzar un ajuste combinado bajo $\Lambda$CDM resulta en un compromiso que aumenta la $\chi^2$ para los conjuntos de datos individuales.
   • Al asumir el modelo dinámico $w_0w_a$CDM, estas discrepancias desaparecen. Los conjuntos de datos individuales concuerdan en un valor central de $\Omega_m \sim 0.32$, aunque con mayores incertidumbres debido a los dos parámetros adicionales libres. Esto confirma que la preferencia por la energía oscura dinámica surge de la capacidad del modelo para ajustar simultáneamente las preferencias divergentes de $\Omega_m$ de los diferentes conjuntos de datos.

3. Impulsores de las Restricciones:

   • Las restricciones sobre $w_0$ y $w_a$ están impulsadas principalmente por los datos de BAO y Supernovas, con el CMB desempeñando un papel subdominante.
   • La mejora en el ajuste ($\Delta\chi^2$) relativo a $\Lambda$CDM es más significativa cuando se combinan los datos de CMB, DESI y DES Y5 ($\Delta\chi^2 \approx -11$ para 2 grados de libertad adicionales).

4. Ecuación de Estado en el Redshift de Pivote:

   • Los autores proyectan las restricciones sobre el redshift de pivote $z_p$ y la ecuación de estado $w_p$. Tanto los métodos bayesianos como los frecuentistas encuentran $w_p \approx -1$.
   • Esto indica que los datos actuales son más sensibles a la derivada de la ecuación de estado ($w_a \neq 0$) que a un desplazamiento medio de $-1$. Los modelos de mejor ajuste sugieren una transición de un régimen de "fantasma" (phantom) ($w < -1$) a un redshift bajo hacia un régimen no fantasma alrededor del redshift de pivote.

Significancia
El artículo valida la robustez de los hallazgos previos sobre la energía oscura dinámica al demostrar que la preferencia por $w_0 > -1$ y $w_a < 0$ no es un artefacto de la selección del prior bayesiano o de las técnicas de marginalización. El análisis de verosimilitud de perfil frecuentista corrobora los resultados bayesianos, confirmando que la tensión entre los conjuntos de datos (específicamente respecto a $\Omega_m$) se resuelve al permitir una energía oscura dinámica. Los autores concluyen que, si bien la evidencia desafía el modelo $\Lambda$CDM, los datos siguen siendo más sensibles a la evolución de la ecuación de estado de la energía oscura que a una desviación estática de la constante cosmológica. Se requerirán datos futuros para determinar si este desafío al modelo estándar persiste.