課程說明
用於實驗資料分析之計算方法。機率與隨機變數導論。模擬隨機過程之蒙地卡羅方法。參數估計與假設檢定之統計方法。信賴區間。多變量資料分類。展開（unfolding）方法。範例主要取自粒子物理與醫學物理。
先修條件
- 先修：具備使用 Python、Java、C 或 C++ 程式設計能力，並經系上許可。
條件與方式
- 先修：具備使用 Python、Java、C 或 C++ 程式設計能力，並經系上許可。
- 亦以不同要求於本科層級開授，為 PHYS 4807，修讀該科者不得重複加學分。
原文參考文本
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.
來源與參考
保留日期與來源以協助你核實資料。為便於閱讀提供譯文；官方來源為條件與要求的參照。
來源參考 : https://calendar.carleton.ca/grad/courses/PHYS/