Description
Méthodes computationnelles utilisées dans l'analyse de données expérimentales. Introduction à la probabilité et aux variables aléatoires. Méthodes de Monte-Carlo pour la simulation de processus aléatoires. Méthodes statistiques pour l'estimation de paramètres et les tests d'hypothèses. Intervalles de confiance. Classification de données multivariées. Méthodes de déconvolution (unfolding). Exemples principalement tirés de la physique des particules et de la physique médicale.
Préalables
- Prérequis : aptitude à programmer en Python, Java, C ou C++, et permission du Département.
Conditions et modalités
- Prérequis : aptitude à programmer en Python, Java, C ou C++, et permission du Département.
- Offert aussi au niveau du premier cycle, avec des exigences différentes, sous la forme de PHYS 4807, pour lequel des crédits supplémentaires sont exclus.
Texte de référence dans sa langue d’origine
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.
Sources et références
Les dates et les sources sont conservées pour vous aider à vérifier les renseignements. Les traductions sont proposées pour faciliter la lecture; la source officielle fait référence pour les conditions et les exigences.
Référence source : https://calendar.carleton.ca/grad/courses/PHYS/