Descrição
Métodos computacionais usados na análise de dados experimentais. Introdução à probabilidade e variáveis aleatórias. Métodos de Monte Carlo para simulação de processos aleatórios. Métodos estatísticos para estimação de parâmetros e testes de hipótese. Intervalos de confiança. Classificação multivariada de dados. Métodos de unfolding. Exemplos tomados principalmente da física de partículas e medicina.
Pré-requisitos
- Pré-requisito(s): habilidade para programar em Python, Java, C ou C++, e permissão do Departamento.
Condições e modalidades
- Pré-requisito(s): habilidade para programar em Python, Java, C ou C++, e permissão do Departamento.
- Também oferecido no nível de graduação, com requisitos diferentes, como PHYS 4807, para o qual crédito adicional é impedido.
Texto de referência na sua língua de origem
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.
Fontes e referências
As datas e as fontes são mantidas para ajudá-lo a verificar os dados. As traduções são propostas para facilitar a leitura; a fonte oficial é a referência para condições e exigências.
Fonte de referência : https://calendar.carleton.ca/grad/courses/PHYS/