Descripción
Métodos computacionales usados en el análisis de datos experimentales. Introducción a la probabilidad y a las variables aleatorias. Métodos de Monte Carlo para la simulación de procesos aleatorios. Métodos estadísticos para estimación de parámetros y pruebas de hipótesis. Intervalos de confianza. Clasificación de datos multivariantes. Métodos de desplegado (unfolding). Ejemplos tomados principalmente de física de partículas y física médica.
Prerrequisitos
- Requisito(s): habilidad para programar en Python, Java, C o C++, y permiso del Departamento.
Condiciones y modalidades
- Requisito(s): habilidad para programar en Python, Java, C o C++, y permiso del Departamento.
- También se ofrece a nivel de pregrado, con requisitos diferentes, como PHYS 4807, para el cual se impide crédito adicional.
Texto de referencia en su idioma de origen
Computational methods used in analysis of experimental data. Introduction to probability and random variables. Monte Carlo methods for simulation of random processes. Statistical methods for parameter estimation and hypothesis tests. Confidence intervals. Multivariate data classification. Unfolding methods. Examples taken primarily from particle and medical physics.
- Prerequisite(s): an ability to program in Python, Java, C, or C+ +, and permission of the Department.
- Also offered at the undergraduate level, with different requirements, as PHYS 4807 , for which additional credit is precluded.
Fuentes y referencias
Se conservan las fechas y las fuentes para ayudarle a verificar la información. Las traducciones se proponen para facilitar la lectura; la fuente oficial es la referencia para las condiciones y los requisitos.
Referencia de la fuente : https://calendar.carleton.ca/grad/courses/PHYS/