Bayesianische Analysen kosmologischer Himmelsdurchmusterungen

Johannes Fröschle

29. Juni 2016

In der Physik und Astronomie sind Theorie und Experiment bzw.
Beobachtungsdaten eng miteinander verzahnt. Theoretische Modelle treffen
einerseits experimentell überprüfbare Voraussagen, wohingegen
andererseits empirische Beobachtungen zur Entwicklung und Verbesserung
von Modellen und deren Parametern führen. Die dazu benötigten
mathematischen Methoden basieren auf Wahrscheinlichkeitstheorien und den
daraus folgenden statistischen Werkzeugen. In dieser Arbeit werden die
Methoden der Bayesianischen Statistik erläutert und angewandt, um deren
Vorteile gegenüber herkömmlicher, "frequentistischer" Statistik
herauszuarbeiten. Am Beispiel der Entdeckungsgeschichte der kosmischen
Expansion werden kosmologische Parameter -- beispielsweise der
Hubble-Konstante -- bayesianisch bestimmt und mit den historischen
(meist frequentistischen) Werten verglichen. Außerdem werden
Modellvergleiche durchgeführt, um sich beispielsweise der Frage nach dem
Entdecker Ausdehnung des Universums aus bayesianischer Sicht zu nähern.
Darüber hinaus werden die verwendeten Python-Codes und die aus
historischen Quellen extrahierten Datensätze zur Verfügung gestellt.


Download

Examensarbeit

Datensätze Beschleunigt vs Linear

Datensätze Linear vs Konstant

LaTeX-Tabellen

NGC-Katalog

Python-Codes

Zur Redakteursansicht