Descripción
Métodos computacionales usados en el análisis de datos experimentales. Introducción a la probabilidad y 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 multivariante de datos. Métodos de desplegado (unfolding). Ejemplos principalmente de física de partículas y física médica.
Prerrequisitos
- Requisitos: estar en tercer año de un programa de física y tener habilidad para programar en Python, Java, C o C++, y permiso del Departamento.
Condiciones y modalidades
- Requisitos: estar en tercer año de un programa de física y tener habilidad para programar en Python, Java, C o C++, y permiso del Departamento.
- También se ofrece a nivel de posgrado, con requisitos diferentes, como PHYS 5002, para el cual se excluye crédito adicional.
- Clases magistrales tres horas a la semana.
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 primarily from particle and medical physics.
- Prerequisite(s): third year standing in a physics program and an ability to program in Python, Java, C or C+ +, and permission of the Department.
- Also offered at the graduate level, with different requirements, as PHYS 5002 , for which additional credit is precluded.
- Lectures three hours a week.
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/undergrad/courses/PHYS/