Cosmologia Observacional Usando Análise Bayesiana.

Made available in DSpace on 2016-08-29T15:35:48Z (GMT). No. of bitstreams: 1 tese_2955_.pdf: 964606 bytes, checksum: 1098a2726c7499490650649f9701ced1 (MD5) Previous issue date: 2008-09-11 === A cosmologia observacional é baseada em um tripé : dados observacionais, análise estatística e modelos cos...

Full description

Bibliographic Details
Main Author: CAMPOS, R. G.
Other Authors: PIGUET, O.
Format: Others
Published: Universidade Federal do Espírito Santo 2016
Online Access:http://repositorio.ufes.br/handle/10/4763
Description
Summary:Made available in DSpace on 2016-08-29T15:35:48Z (GMT). No. of bitstreams: 1 tese_2955_.pdf: 964606 bytes, checksum: 1098a2726c7499490650649f9701ced1 (MD5) Previous issue date: 2008-09-11 === A cosmologia observacional é baseada em um tripé : dados observacionais, análise estatística e modelos cosmológicos teóricos. Atualmente existe uma grande quantidade de dados cosmológicos observacionais distintos, em nosso trabalho lidamos com : Supernovas do tipo Ia (SNeIa) e fração de gás e massa a partir de raios-x de aglomerados de galáxias (fgas). Como diferencial, utilizamos a elegante e bem fundamentada estatística Bayesiana, em uma análise completa em várias dimensões, com estimativas de parâmetros cosmológicos independentes e dependentes (idade do Universo, parâmetro de desaceleração, etc). A interface entre cosmologia e estatística é feita com a ferramenta computacional por nós desenvolvida, BayEsian Tools for Observational Cosmology (BETOC), que aplica-se facilmente para qualquer modelo cosmológico teórico. Atualmente BETOC possui três variantes, BayEsian Tools for Observational Cosmology using SNeIa-Gold (BETOCS), BayEsian Tools for Observational Cosmology using X-ray of galaxy clusters (BETOCX) e um híbrido de ambos (BETOCSX). Enfim, esse trabalho visa mostrar como a inferência Bayesiana possibilita testes profundos e não tendenciosos nos modelos cosmológicos teóricos, tenham eles poucos parâmetros ou muitos, sejam eles comportados ou não.