Deutsch
 
Benutzerhandbuch Datenschutzhinweis Impressum Kontakt
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
  PyCBC Inference: A Python-based parameter estimation toolkit for compact binary coalescence signals

Biwer, C. M., Capano, C., De, S., Cabero, M., Brown, D. A., Nitz, A. H., et al. (2019). PyCBC Inference: A Python-based parameter estimation toolkit for compact binary coalescence signals. Publications of the Astronomical Society of the Pacific, 131(996): 024503. doi:10.1088/1538-3873/aaef0b.

Item is

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: http://hdl.handle.net/21.11116/0000-0002-DEC9-2 Versions-Permalink: http://hdl.handle.net/21.11116/0000-0002-E87D-D
Genre: Zeitschriftenartikel

Dateien

einblenden: Dateien
ausblenden: Dateien
:
1807.10312.pdf (Preprint), 8MB
Name:
1807.10312.pdf
Beschreibung:
File downloaded from arXiv at 2019-01-29 10:41
Sichtbarkeit:
Öffentlich
MIME-Typ / Prüfsumme:
application/pdf / [MD5]
Technische Metadaten:
Copyright Datum:
-
Copyright Info:
-

Externe Referenzen

einblenden:

Urheber

einblenden:
ausblenden:
 Urheber:
Biwer, C. M., Autor
Capano, Collin1, Autor              
De, Soumi, Autor
Cabero, Miriam1, Autor              
Brown, Duncan A., Autor
Nitz, Alexander H.1, Autor              
Raymond, Vivien2, Autor              
Affiliations:
1Observational Relativity and Cosmology, AEI-Hannover, MPI for Gravitational Physics, Max Planck Society, ou_24011              
2Astrophysical and Cosmological Relativity, AEI-Golm, MPI for Gravitational Physics, Max Planck Society, ou_1933290              

Inhalt

einblenden:
ausblenden:
Schlagwörter: Astrophysics, Instrumentation and Methods for Astrophysics, astro-ph.IM, Astrophysics, Galaxy Astrophysics, astro-ph.GA,General Relativity and Quantum Cosmology, gr-qc
 Zusammenfassung: We introduce new modules in the open-source PyCBC gravitational- wave astronomy toolkit that implement Bayesian inference for compact-object binary mergers. We review the Bayesian inference methods implemented and describe the structure of the modules. We demonstrate that the PyCBC Inference modules produce unbiased estimates of the parameters of a simulated population of binary black hole mergers. We show that the posterior parameter distributions obtained used our new code agree well with the published estimates for binary black holes in the first LIGO-Virgo observing run.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2018-07-262019
 Publikationsstatus: Im Druck veröffentlicht
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: arXiv: 1807.10312
DOI: 10.1088/1538-3873/aaef0b
URI: http://arxiv.org/abs/1807.10312
 Art des Abschluß: -

Veranstaltung

einblenden:

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Publications of the Astronomical Society of the Pacific
Genre der Quelle: Zeitschrift
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: -
Seiten: - Band / Heft: 131 (996) Artikelnummer: 024503 Start- / Endseite: - Identifikator: -