Skip to main content
If you continue browsing this website, you agree to our policies:
  • Condizioni di utilizzo e trattamento dei dati
Continue
x
e-Learning - UNIMIB
  • Home
  • My Media
  • More
Listen to this page using ReadSpeaker
English ‎(en)‎
English ‎(en)‎ Italiano ‎(it)‎
 Log in
e-Learning - UNIMIB
Home My Media
Percorso della pagina
  1. Science
  2. Bachelor Degree
  3. Fisica [E3005Q - E3001Q]
  4. Courses
  5. A.A. 2021-2022
  6. 2nd year
  1. Laboratory II
  2. Summary
Insegnamento con unità didattiche Course full name
Laboratory II
Course ID number
2122-2-E3001Q044
Course summary SYLLABUS

Blocks

Skip Teaching units

Teaching units

Course full name Laboratory II - Module I Course ID number 2122-2-E3001Q044-E3001Q049M
Course summary
Course full name Laboratory II - Module II Course ID number 2122-2-E3001Q044-E3001Q050M
Course summary SYLLABUS

Course Syllabus

  • Italiano ‎(it)‎
  • English ‎(en)‎
Export

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.

Export

Aims

Contents

Detailed program

Prerequisites

Teaching form

Textbook and teaching resource

Semester

Assessment method

Office hours

Enter

Key information

ECTS
12
Term
Annual
Activity type
Mandatory
Course Length (Hours)
144
Degree Course Type
Degree Course
Language
Italian

Staff

    Teacher

  • Pietro Govoni
    Pietro Govoni
  • Maura Pavan
    Maura Pavan

Students' opinion

View previous A.Y. opinion

Bibliography

Find the books for this course in the Library

Enrolment methods

Manual enrolments
Self enrolment (Student)

You are not logged in. (Log in)
Policies
Get the mobile app
Powered by Moodle
© 2025 Università degli Studi di Milano-Bicocca
  • Privacy policy
  • Accessibility
  • Statistics