Manejo de Montepython/Class para la estimación de parámetros y testeo de modelos cosmológicos

En el siguiente informe se hace una recopilación del trabajo de investigación en el grupo de Cosmología y Gravitación (Cosmograv). En este trabajo se investiga el uso de los códigos MontePython y CLASS, así como las modificaciones realizadas para incorporar una función Ω(z) que representa la variación temporal inducida por el acoplamiento gravitacional en un modelo cosmológico modificado. Se presenta una descripción general de las principales características de MontePython y CLASS, abordando su funcionamiento, lógica básica, módulos clave y algoritmos utilizados en el contexto de la estadística bayesiana. Se detalla el proceso mediante el cual estos códigos computan los parámetros cosmológicos, destacando el uso de cadenas de Markov para estimar distribuciones de probabilidad a posteriori y los criterios estadísticos, como la prueba de jicuadrado de Pearson, empleados para evaluar la viabilidad de un modelo frente a otro. Como prueba de uso, se obtiene y analiza la distribución marginalizada en 1D y 2D de los parámetros cosmológicos en el modelo estándar, con el objetivo de validar la implementación y establecer una referencia para la comparación con modelos alternativos. Como parte del análisis, se emplean datos observacionales de Supernovas Tipo Ia (Pantheon Plus), Relojes Cósmicos (CC), Oscilaciones Acústicas de Bariones (BAO, BOSS), el Fondo Cósmico de Microondas (CMB, Planck) y mediciones locales de la constante de Hubble. Se ejemplifica la aplicabilidad de MontePython/CLASS en la evaluación del modelo propuesto por A. E. Romano en ”H0 tension as a manifestation of the time evolution of matter-gravity coupling”, resaltando su potencial para explorar otros modelos cosmológicos alternativos. Actualmente, el estudio de este modelo de gravedad modificada sigue en desarrollo, con el objetivo de obtener resultados concluyentes que permitan comparar su validez frente al modelo cosmológico estándar.

• Autores: Góez Estepa, Manuela
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2025
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/45728
• Acceso en línea: https://hdl.handle.net/10495/45728
• Palabra clave: Estadística bayesiana; Bayesian statistical decision theory; Modelo estándar (Física nuclear); Standard model (Nuclear physics); Cosmología; Cosmology; Método de Monte Carlo; Monte Carlo method; Python (Lenguaje de programación); Python (Computer program language); Procesos de Markov; Markov processes; Modelo cosmológico estándar; Monte Python; Cosmic Lineal Anisotropy Solving System (CLASS); http://id.loc.gov/authorities/subjects/sh85012506; http://id.loc.gov/authorities/subjects/sh91002552; http://id.loc.gov/authorities/subjects/sh85033169; http://id.loc.gov/authorities/subjects/sh85087032; http://id.loc.gov/authorities/subjects/sh96008834; http://id.loc.gov/authorities/subjects/sh85081369
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/