Veuillez choisir le dossier dans lequel vous souhaitez ajouter ce contenu :
Communication
Membre a labase
Jean-Michel Mugnes : Université Laval
Les modèles d'atmosphères stellaires sont issus de programmes informatiques qui simulent la structure interne d'une étoile et produisent au final un spectre électromagnétique dans un domaine de longueur d'onde désiré. Le spectre ainsi obtenu peut être comparé à celui émis par une étoile réelle, afin de déterminer les propriétés de celle-ci.
Pour ce faire, l'utilisateur doit considérer plusieurs paramètres dans les modèles afin de trouver le meilleur ajustement possible. Et c'est là que réside le problème. En effet, les paramètres sont souvent très nombreux et interdépendants, et habituellement l'utilisateur va chercher à les déterminer alternativement en se basant sur quelques régions clés du spectre observé. Idéalement, il faudrait déterminer les paramètres de façon simultanée, en se basant sur l'ensemble du spectre observé (ou du moins sur la majorité du spectre). L'utilisation des statistiques bayésiennes permet de satisfaire cette exigence. En effet, on peut s'en servir pour trouver un maximum de probabilité global dans un espace de paramètres en cumulant l'information contenue dans chaque région clé du spectre.
Durant cette présentation, je vais expliquer ce que sont les statistiques bayésiennes et comment je les applique à l'analyse spectroscopique des étoiles massives. Enfin, je présenterai les résultats obtenus avec cette méthode pour un échantillon d'étoiles B, observées à l'Observatoire du Mont-Mégantic.
Thème du congrès 2013 (81e édition) :
Domaine de la communication :
Date :
6 mai 2013
Thème du communication :
Domaine de la communication :
