$H(z)$数据不确定性的贝叶斯校正
Bayesian correction of $H(z)$ data uncertainties
摘要：
我们从文献中收集了41个$H(z)$数据，并使用它们来约束O $Λ$ CDM和平坦$Λ$ CDM参数。我们发现，现有的$H(z)$遭受不确定性高估，并提出了贝叶斯方法来减少它们。由于这种方法，仅使用$H(z)$，我们发现，在O $Λ$ CDM的上下文中，$H_0=69.5\pm2.5\mathrm{\,km\,s^{-1}Mpc^{-1}}$，$Ω_m=0.242\pm0.036$和$Ω_Λ=0.68\pm0.14$。在平面$Λ$ CDM模型的背景下，我们发现了$H_0=70.4\pm1.2\mathrm{\,km\,s^{-1}Mpc^{-1}}$和$Ω_m=0.256\pm0.014$。这相当于在两种情况下与未校正的分析相比，不确定性降低高达30%。
英文摘要：
We compile 41 $H(z)$ data from literature and use them to constrain O$Λ$CDM and flat $Λ$CDM parameters. We show that the available $H(z)$ suffers from uncertainties overestimation and propose a Bayesian method to reduce them. As a result of this method, using $H(z)$ only, we find, in the context of O$Λ$CDM, $H_0=69.5\pm2.5\mathrm{\,km\,s^{-1}Mpc^{-1}}$, $Ω_m=0.242\pm0.036$ and $Ω_Λ=0.68\pm0.14$. In the context of flat $Λ$CDM model, we have found $H_0=70.4\pm1.2\mathrm{\,km\,s^{-1}Mpc^{-1}}$ and $Ω_m=0.256\pm0.014$. This corresponds to an uncertainty reduction of up to 30\% when compared to the uncorrected analysis in both cases.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
