Systematische Unsicherheit
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
- Fluss: wie viele Neutrinos die Quelle mit welchem Spektrum erzeugt, von Reaktorfluss-Modellen bis zur Hadronproduktion in Beschleunigertargets.
- Wechselwirkungen: die Wirkungsquerschnitte und Kerneffekte, die aus Fluss Ereignisse machen.
- Detektorantwort: Energieskala, Effizienz, Energieauflösung und Ortsrekonstruktion.
- Untergründe: Rate und Form von allem, was nicht Signal ist.
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
- ÜbersichtR. Barlow, Systematic errors: facts and fictions, Conference on Advanced Statistical Techniques in Particle Physics, Durham (2002)arXiv:hep-ex/0207026
Tiefer einsteigen
- Unsicherheit von Wirkungsquerschnitt und KernmodellUnsicherheit darüber, wie Neutrinos mit Atomkernen wechselwirken, eine führende systematische Unsicherheit in Oszillationsanalysen auf der GeV-Skala.
- Energieskala und NichtlinearitätDie Zuordnung vom Detektorsignal zur wahren deponierten Energie und ihre Abweichungen von der Proportionalität.
Verwandte Begriffe
Personen
In der Timeline
Erwähnt in 31 Seiten
Lektionen 3
Meilensteine 3
Personen 1
Begriffe 24
- Analyse und Messung
- Atmosphärisches Selbstveto
- Blinde Analyse
- Energieskala und Nichtlinearität
- Ereignisrekonstruktion und -identifikation
- IceCube-Neutrino-Observatorium
- Kalibrierung
- Kerneffekte
16 weitere
- Kernmodelle für Neutrinostreuung
- Maximum-Likelihood-Fit
- Monte-Carlo-Simulation und Ereignisgeneratoren
- Nachweiseffizienz und Akzeptanz
- Nah-Fern-Extrapolation
- OPERA-Überlichtgeschwindigkeits-Anomalie
- Reaktorexperiment Gösgen
- Referenzvolumen
- SBND (Short-Baseline Near Detector)
- Sensitivität auf CP-Verletzung (δCP)
- Signal-Untergrund-Verhältnis
- Statistik und Inferenz
- Statistische Signifikanz (σ)
- Statistische Unsicherheit
- Unsicherheit von Wirkungsquerschnitt und Kernmodell
- Untergrund
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}
}