Deskripsi
Metode komputasi yang digunakan dalam analisis data eksperimental. Pengantar probabilitas dan variabel acak. Metode Monte Carlo untuk simulasi proses acak. Metode statistik untuk estimasi parameter dan uji hipotesis. Interval kepercayaan. Klasifikasi data multivariat. Metode unfolding. Contoh terutama dari fisika partikel dan medis.
Prasyarat
- Prasyarat: tingkat tahun ketiga dalam program fisika dan kemampuan pemrograman dalam Python, Java, C atau C++, serta izin Departemen.
Syarat dan ketentuan
- Prasyarat: tingkat tahun ketiga dalam program fisika dan kemampuan pemrograman dalam Python, Java, C atau C++, serta izin Departemen.
- Juga ditawarkan pada tingkat pascasarjana, dengan persyaratan berbeda, sebagai PHYS 5002, untuk which additional credit is precluded.
- Kuliah tiga jam per minggu.
Teks rujukan dalam bahasa aslinya
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.
Sumber dan referensi
Tanggal dan sumber disimpan untuk membantu Anda memverifikasi informasi. Terjemahan disediakan untuk memudahkan pembacaan; sumber resmi menjadi rujukan untuk syarat dan ketentuan.
Referensi sumber : https://calendar.carleton.ca/undergrad/courses/PHYS/