Neutrino Atlas
DE
  1. Begriffe
  2. Analyse und Messung
  3. Statistik und Inferenz
  4. Systematische Unsicherheit

Systematische Unsicherheit

KonzeptEbene 3 von 4Auch genannt: systematischer Fehler, Störparameter, Nuisance-Parameter

Unsicherheit aufgrund unvollständiger Kenntnis von Detektor, Quelle oder Theorie, die mit mehr Daten nicht kleiner wird.

Beispiele sind Flussnormierung, Wirkungsquerschnitte, Energieskala, Effizienz und Untergrundmodelle. Sie gehen als Störparameter in Fits ein, eingeschränkt durch externe Daten oder Daten des Nahdetektors. Präzisionsexperimente (Daya Bay, KATRIN, DUNE) sind vor allem darauf ausgelegt, systematische Effekte zu beherrschen.

Einfach erklärt

Eine Badezimmerwaage, die immer zwei Kilogramm zu viel anzeigt, liefert dieselbe falsche Antwort, wie oft man sich auch daraufstellt. Die systematische Unsicherheit ist ein solcher Fehler: Sie entsteht, weil man Messgerät, Quelle oder die zugrunde liegende Physik nicht vollkommen kennt, und Mittelung über mehr Daten beseitigt sie nicht. In der Präzisions-Neutrinophysik ist sie meist der schwierigere Gegner.

Hauptquellen

Wie Analysen damit umgehen

Jede Quelle wird durch einen Störparameter beschrieben, eine Größe, die nicht von Interesse ist, aber mitgefittet werden muss. In einem Likelihood-Fit darf sie innerhalb eines Strafterms variieren, der durch externes Wissen wie eine Kalibrierung oder eine separate Messung festgelegt ist. Über diese Parameter wird dann profiliert oder in bayesschen Analysen marginalisiert. Die entscheidende Strategie ist die Aufhebung: Baugleiche Nah- und Ferndetektoren sehen fast denselben Fluss und dieselbe Antwort, sodass sich die meisten Unsicherheiten im Verhältnis aufheben. Daya Bay drückte so seine relative Detektorunsicherheit auf etwa 0,1–0,2 %.

Ein warnendes Beispiel

2011 meldete OPERA, dass Neutrinos vom CERN den Gran Sasso etwa 60 Nanosekunden zu früh erreichten – ein 6σ-Effekt, wenn man nur die Statistik betrachtete. 2012 wurde die Ursache auf einen lockeren Glasfaserstecker und einen Taktoszillator im Zeitmesssystem zurückgeführt. Die Episode erinnert daran, dass Signifikanz nur statistische Überraschung misst; systematische Fehler, an die niemand gedacht hat, stehen nicht im Fehlerbudget.

Bedeutung

Künftige Experimente wie DUNE, Hyper-Kamiokande und JUNO werden so viele Daten sammeln, dass die statistischen Fehler unter die systematischen fallen. Ihre Reichweite bei CP-Verletzung und Massenordnung hängt weitgehend davon ab, wie gut diese kontrolliert werden.

Häufige Fragen

Wie schätzt man eine systematische Unsicherheit ab?

Indem man die Annahmen innerhalb ihrer bekannten Bereiche variiert, Kalibrierdaten und unabhängige Messungen nutzt und jede Änderung durch die gesamte Analyse verfolgt, um zu sehen, wie stark sich das Ergebnis verschiebt.

Lässt sich die systematische Unsicherheit verringern?

Ja, aber nicht durch mehr Daten derselben Art. Dazu braucht es bessere Kalibrierung, eigene Hilfsmessungen, Nahdetektoren oder verbesserte theoretische Modelle.

Originalarbeiten

  1. ÜbersichtR. Barlow, Systematic errors: facts and fictions, Conference on Advanced Statistical Techniques in Particle Physics, Durham (2002)arXiv:hep-ex/0207026

Tiefer einsteigen

Verwandte Begriffe

Personen

In der Timeline

  1. 2011OPERA-Geschwindigkeitsanomalie und ihre Aufklärung

Erwähnt in 31 Seiten

Stand: · Redaktionelle Grundsätze

Diese Seite zitieren

Text

Neutrino Atlas (2026): „Systematische Unsicherheit“. Online: https://neutrino-atlas.com/de/terms/systematic-uncertainty/ (abgerufen am 22.11.2026).

BibTeX

@misc{neutrinoatlas2026rmssystematicuncertainty,
  title        = {Systematische Unsicherheit},
  author       = {{Neutrino Atlas}},
  year         = {2026},
  url          = {https://neutrino-atlas.com/de/terms/systematic-uncertainty/},
  note         = {Abgerufen am 2026-11-22},
  language     = {german}
}