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。例子主要來自粒子物理與醫學物理。
先修條件
- 先修課程：物理課程三年級程度且須具備使用 Python、Java、C 或 C+ + 程式設計之能力，並經系所許可。
條件與方式
- 先修課程：物理課程三年級程度且須具備使用 Python、Java、C 或 C+ + 程式設計之能力，並經系所許可。
- 亦以研究所課程提供，要求不同，為 PHYS 5002，且不得重複取得學分。
- 每週授課三小時。
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 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.
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/undergrad/courses/PHYS/