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. Классификация многомерных данных. Методы развёртки (unfolding). Примеры преимущественно из физики частиц и медицины.
Предварительные требования
- Предпосылки: третьекурсная успеваемость в программе по физике и умение программировать на Python, Java, C или C+ +, и разрешение кафедры.
Условия и порядок
- Предпосылки: третьекурсная успеваемость в программе по физике и умение программировать на Python, Java, C или C+ +, и разрешение кафедры.
- Также предлагается на уровне аспирантуры с другими требованиями как PHYS 5002, при наличии которого дополнительный зачёт исключается.
- Лекции три часа в неделю.
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 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.
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/undergrad/courses/PHYS/