Описание
Вычислительные методы, используемые при анализе экспериментальных данных. Введение в вероятность и случайные величины. Методы Монте-Карло для моделирования случайных процессов. Статистические методы оценки параметров и проверки гипотез. Доверительные интервалы. Многомерная классификация данных. Методы развёртывания (unfolding). Примеры в основном из физики частиц и медицины.
Предварительные требования
- Предварительное требование(я): умение программировать на Python, Java, C или C++, и разрешение кафедры.
Условия и порядок
- Предварительное требование(я): умение программировать на Python, Java, C или C++, и разрешение кафедры.
- Также предлагается на бакалаврском уровне с другими требованиями как PHYS 4807, за который дополнительный зачёт не допускается.
Текст источника на языке оригинала
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.
Источники и ссылки
Даты и источники сохраняются, чтобы помочь вам проверить сведения. Переводы предлагаются для удобства чтения; официальным источником для условий и требований является оригинал.
Исходная ссылка : https://calendar.carleton.ca/grad/courses/PHYS/