Vai al contenuto principale
Se prosegui nella navigazione del sito, ne accetti le politiche:
  • Condizioni di utilizzo e trattamento dei dati
Prosegui
x
e-Learning - UNIMIB
  • Home
  • My Media
  • Altro
Ascolta questa pagina con ReadSpeaker
Italiano ‎(it)‎
English ‎(en)‎ Italiano ‎(it)‎
 Login
e-Learning - UNIMIB
Home My Media
Percorso della pagina
  1. Area di Scienze
  2. Corso di Laurea Triennale
  3. Fisica [E3005Q - E3001Q]
  4. Insegnamenti
  5. A.A. 2021-2022
  6. 2° anno
  1. Laboratorio II
  2. Introduzione
Insegnamento con unità didattiche Titolo del corso
Laboratorio II
Codice identificativo del corso
2122-2-E3001Q044
Descrizione del corso SYLLABUS

Blocchi

Salta Unità didattiche

Unità didattiche

Titolo del corso Laboratorio II - I Modulo Codice identificativo del corso 2122-2-E3001Q044-E3001Q049M
Descrizione del corso
Titolo del corso Laboratorio II - II Modulo Codice identificativo del corso 2122-2-E3001Q044-E3001Q050M
Descrizione del corso SYLLABUS

Syllabus del corso

  • Italiano ‎(it)‎
  • English ‎(en)‎
Esporta

Obiettivi

Introdurre gli studenti ai metodi di indagine sperimentale in fisica, partendo dallo studio di fenomeni fondamentali dell'ottica e dell'elettromagnetismo. Gli strumenti di calcolo e analisi statistica dei dati sono appresi nella prima parte del corso, descritta in questo syllabus, mentre la seconda parte ha come obiettivo l'apprendimento del corretto uso della strumentazione di laboratorio, la progettazione e realizzazione di misure specifiche e infine l'analisi dei dati raccolti.

Contenuti sintetici

Primo modulo

  • Probabilità e Statistica per fisici
  • Basi della programmazione Object Oriented  (C++)
  • Tecniche di analisi dati per la Fisica

Programma esteso

Primo modulo

Statistica e Analisi Dati:

  • definizione di probabilità, sue proprietà fondamentali
  • distribuzioni di probabilità discrete e continue di probabilità: proprietà
  • esempi notevoli e rappresentazione grafica in istogrammi
  • teorema centrale del limite
  • distribuzioni di probabilità definite su un insieme discreto ed esempi notevoli
  • distribuzioni multi-dimensionali - stimatori, loro proprietà, esempi notevoli
  • verosimiglianza
  • tecniche di costruzione di stimatori: metodo della massima verosimiglianza, metodo dei minimi quadrati
  • test di bontà di fit
  • cenni di intervalli di confidenza

Calcolo

  • Linguaggio C++ e programmazione ad oggetti.
  • Costruzione di algoritmi: numeri pseudo.casuali, distribuzioni, zeri di funzioni e integrazione numerica.
  • Tecniche MonteCarlo
  • Il pacchetto ROOT (data analysis framework sviluppato appositamente per la fisica dal CERN).
  • Esempi di applicazione di ROOT per l'analisi dati: fit ed interpretazione dei dati.

Prerequisiti

Programmazione C in ambiente Unix:  istruzioni base per lavorare in ambiente Unix (file-system, editor,  compilazione ed esecuzione di un programma),  conoscenze di base del linguaggio di programmazione C  (variabili e loro rappresentazione in memoria,  puntatori e loro utilizzo,  strutture di controllo, costruzione di una funzione). 

Probabilità e statistica: analisi matematica, algebra lineare, introduzione alla probabilità e alla statistica (argomenti trattati nel Corso di Laboratorio 1)

Modalità didattica

Primo modulo

  • Lezioni frontali di probabilità e statistica
  • Attività di laboratorio di calcolo ed analisi dati a frequenza obbligatoria.

I dettagli per la partecipazione alle lezioni verranno pubblicati sulla pagina e-learning del corso nel mese di settembre.

Materiale didattico

Tutto il materiale didattico è raccolto (scaricabile o consultabile) nel sito e-learning

Primo modulo

  • Slide e dispense preparate dal docente, riguardanti tutti gli argomenti trattati a lezione
  • Esercizi (testo e codice C++) per la parte di calcolo, raccolti per lezione e postati sul sito e-learning.
  • Libri di testo adottati e consigliati
  • Registrazione delle lezioni


Periodo di erogazione dell'insegnamento

Primo modulo - primo semestre.


Modalità di verifica del profitto e valutazione

Al termine del primo modulo del corso, gli studenti dovranno superare una prova di conoscenza per accedere all'esame finale.

La prova consterà nello svolgimento di un esercizio di programmazione, seguito da un colloquio su programmazione, probabilita', statistica ed analisi dati.


Orario di ricevimento

I docenti del corso ricevono previo appuntamento da concordare mediante e-mail.

Esporta

Aims

Contents

Detailed program

Prerequisites

Teaching form

Textbook and teaching resource

Semester

Assessment method

Office hours

Entra

Scheda del corso

CFU
12
Periodo
Annualità Singola
Tipo di attività
Obbligatorio
Ore
144
Tipologia CdS
Laurea Triennale
Lingua
Italiano

Staff

    Docente

  • Pietro Govoni
    Pietro Govoni
  • Maura Pavan
    Maura Pavan

Opinione studenti

Vedi valutazione del precedente anno accademico

Bibliografia

Trova i libri per questo corso nella Biblioteca di Ateneo

Metodi di iscrizione

Iscrizione manuale
Iscrizione spontanea (Studente)

Non sei collegato. (Login)
Politiche
Ottieni l'app mobile
Powered by Moodle
© 2025 Università degli Studi di Milano-Bicocca
  • Privacy
  • Accessibilità
  • Statistiche