คำอธิบาย
วิธีการเชิงคอมพิวเตอร์ที่ใช้ในการวิเคราะห์ข้อมูลเชิงทดลอง การแนะนำความน่าจะเป็นและตัวแปรสุ่ม วิธีมอนติคาร์โลสำหรับการจำลองกระบวนการสุ่ม วิธีสถิติเพื่อการประมาณพารามิเตอร์และการทดสอบสมมติฐาน ช่วงความเชื่อมั่น การจำแนกข้อมูลพหุประมิติ วิธีการ unfolding ตัวอย่างหลักจากฟิสิกส์อนุภาคและฟิสิกส์การแพทย์
รายวิชาก่อนหน้า
- วิชาก่อนเรียน: อยู่ในชั้นปีที่สามของโปรแกรมฟิสิกส์และมีความสามารถในการเขียนโปรแกรมด้วย Python, Java, C หรือ C+ +, และได้รับอนุญาตจากภาควิชา
เงื่อนไขและข้อกำหนด
- วิชาก่อนเรียน: อยู่ในชั้นปีที่สามของโปรแกรมฟิสิกส์และมีความสามารถในการเขียนโปรแกรมด้วย Python, Java, C หรือ C+ +, และได้รับอนุญาตจากภาควิชา
- จัดสอนในระดับบัณฑิตศึกษาเช่นกัน โดยมีข้อกำหนดต่างกันในฐานะ PHYS 5002 ซึ่งป้องกันไม่ให้ได้รับหน่วยกิตเพิ่มเติม
- บรรยายสามชั่วโมงต่อสัปดาห์
ข้อความอ้างอิงในภาษาต้นฉบับ
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.
แหล่งที่มาและอ้างอิง
วันที่และแหล่งที่มาถูกเก็บไว้เพื่อช่วยให้คุณตรวจสอบข้อมูล การแปลเสนอเพื่ออำนวยความสะดวกในการอ่าน แหล่งทางการเป็นที่อ้างอิงสำหรับเงื่อนไขและข้อกำหนด
แหล่งอ้างอิง : https://calendar.carleton.ca/undergrad/courses/PHYS/