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 estimativa de parâmetros e testes de hipóteses. Intervalos de confiança. Classificação de dados multivariados. Métodos de unfolding. Exemplos principalmente da física de partículas e física médica.
Pré-requisitos
- Pré-requisito(s): estar no terceiro ano em um programa de física e habilidade para programar em Python, Java, C or C+ +, e permissão do Departamento.
Condições e modalidades
- Pré-requisito(s): estar no terceiro ano em um programa de física e habilidade para programar em Python, Java, C or C+ +, e permissão do Departamento.
- Também oferecido em nível de pós-graduação, com requisitos diferentes, como PHYS 5002 , para o qual crédito adicional é impedido.
- Aulas três horas por semana.
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 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.
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/undergrad/courses/PHYS/