Bonn 2010 – scientific programme

Parts | Days | Selection | Search | Downloads | Help

T: Fachverband Teilchenphysik

T 97: Neutrinoastronomie I

T 97.7: Talk

Monday, March 15, 2010, 18:15–18:30, JUR H

Parameterschätzung mittels Markov-Chain Monte Carlo Methoden — Jakob van Santen¹, Marek Kowalski² und •Eike Middell³ — ¹Dept. of Physics, University of Wisconsin, Madison, WI 53706, USA — ²Physikalisches Institut, Universität Bonn, Nußallee 12, D-53115 Bonn — ³DESY Zeuthen, Platanenallee 6, D-14738 Zeuthen

Ein in der Teilchenphysik häufig anzutreffendes Problem ist die Bestimmung derjenigen Parameter eines Modells, die am besten durch eine Messung gestützt werden. Die Maximum-Likelihood-Methode ist ein hierfür gebräuchliches Parameterschätzverfahren. Dabei beschreibt die über den Parameterraum definierte Likelihoodfunktion die Verträglichkeit eines jeden Parametersatzes mit der Messung. Die Position und Form des globalen Maximums dieser Funktion bestimmen die gesuchten Zahlenwerte und gestatten darüber hinaus auch Aussagen zur Genauigkeit der Schätzung.

Markov-Chain Monte Carlo Methoden erlauben die Likelihoodfunktion auch in höherdimensionalen Problemen effizient abzutasten. Sie erzeugen Stichproben von zufällig gewählten Punkten des Parameterraums, deren Verteilung der Likelihoodfunktion folgt. Eigenschaften der Funktion können dann anhand der Stichprobe studiert werden. Der Vortrag beschreibt die Anwendung von Markov-Chain Monte Carlo Methoden am Beispiel der Rekonstruktion von neutrinoinduzierten Teichenschauern im IceCube Neutrinoobservatorium.