Ponente
Descripción
La cosmología moderna a crecido enormemente, no solo por los desarrollos teóricos que se han llevado a cabo a lo largo de los años, si no también por la gran cantidad de datos de fuentes astrofísicas y cosmológicas que en las últimas décadas se han podido obtener. Es por esto que es importante saber cómo utilizar estos datos para restringir los parámetros de modelos cosmológicos, y así, poder dar una descripción más precisa de nuestro Universo. La estadística Bayesiana nos permite inferir los valores más probables de los parámetros de algún modelo cosmológico que sean consistentes con algún conjunto de observaciones.
En este taller aprenderemos a utilizar esta herramienta estadística para estimar los valores de los parámetros del modelo cosmológico LCDM, el cual es considerado el mejor modelo para describir nuestro Universo. Se explicará el marco teórico tanto del modelo LCDM como de la estadística Bayesiana, y posteriormente se procederá a la parte numérica para poner en práctica los conocimientos aprendidos. Usando Jupyter Notebook, escribiremos un script en python que calcule los valores de los parámetros del modelo LCDM usando datos de observaciones de supernovas tipo IA.
