Syllabus del corso

Esporta

fornire allo studente le tecniche di analisi necessarie per una tesi di laurea in fisica di tipo sperimentale

tecniche di analisi dei dati sperimentali

- introduzione al calcolo della probabilita' e statistica

- introduzione ai calcoli Montecarlo

- stima di parametri

- tecniche di unfolding

- tecniche di acquisizione dati

- analisi MVA

·       Richiami di calcolo numerico  :

         Introduzione al calcolo numerico, aritmetica finita su un elaboratore

         stabilita' degli algoritmi, contenimento degli errori di calcolo

         Cenni ad alcune tecniche notevoli di calcolo numerico (integrazione

         numerica, tecniche di interpolazione, metodo degli spline, ricerca di

         estremi di funzioni) (*). Tecniche di smoothing di funzioni

 

  • Cenni sui sistemi di  acquisizione dati

           Introduzione ai sistemi di acquisizione dati. Conversione di segnali

           analogici. Cenni agli standard di elettronica modulare NIM, CAMAC e VME.

           Esempi di DAQ. Esempi di programmi in VME. Introduzione allo slow-control di un

           esperimento (*). Introduzione a LabView (*).  

 

  • Richiami di calcolo della probabilita' e statistica  :

         Concetti fondamentali, teorema di Bayes ed interpretazione bayesiana,

         pdf notevoli con applicazioni, propagazione degli errori multidimensionale,

         funzioni caratteristiche, teorema centrale del limite

         Trattamento degli errori sistematici

 

  • Tests statistici e stima di parametri. Inferenza statistica  :

         Test di ipotesi, compatibilita' di distribuzioni statistiche,

         lemma di Neyman-Pearson, statistiche lineari e funzione discriminante

         di Fischer, statistiche non lineari e neural networks, test di Kolmogorov-

         Smirnov. Sampling. Tecniche per la stima di parametri.

 

  • Introduzione al metodo MonteCarlo :

         Introduzione, generatori di numeri pseudocasuali, metodi montecarlo,

         calcolo di integrali, applicazioni di tecniche montecarlo a problemi

         specifici. Introduzione al package GEANT4 (*).

 

  • Probabilita' e livelli di confidenza  :

         Intervalli di confidenza classici, regioni di confidenza multidimensionali

 

  • Metodi di Unfolding e filtraggio dei dati  :

         Il problema dell' unfolding, funzioni di regolarizzazione (MaxEnt, Tikhonov)

         Tecniche di filtraggio dei dati. Esempi scelti.

 

  • Introduzione alle tecniche di analisi multivariata (MVA) :

Introduzione. Tests statistici. Le reti neuronali. Il perceptrone e le NN  multilayers. Classificazione di patterns. Esempi con applicazioni. Decision trees.

 

  • Cenni di Econofisica (*)

1. Elementi di teoria dei grafi. Teoremi sui nodi. Definizioni ed esempi. Tipi di grafi: random, loopless, scaling-free.

2. Processi stocastici. Considerazioni generali. Teorema del  limite centrale.  Distribuzioni con varianza infinita: Processi di Levi. Derivata frazionaria di cammini aleatori.

3. Elementi di finanza e mercati azionari. Caratterische. Distribuzioni dei returns. Modelli dei prezzi azionari: ARCH. Correlazioni tra titoli finanziari, applicazioni teoria dei grafi.

4. Modello dei prezzi azionari a quattro parametri. Derivata frazionaria per simulare correlazioni volatilita’. Skewness e effetto 'leverage'. Comportamento volatilita’ e variazioni  indici azionari.

     

  • Introduzione al concetto di segnale e di sistema (*):

            - Classificazione dei segnali

            - Teorema di sampling e aliasing

            - Trasformazione di Fourier discreta e Fast Fourier Transform

            - Filtraggio digitale

            - Wavelets

           - Esempi applicativi

 

Gli argomenti contrassegnati con (*) hanno carattere complementare

 e verranno svolti se possibile

i corsi della laurea triennale in Fisica, in particolare quelli di analisi matematica e laboratorio

lezioni

Alcuni testi consigliati:

per la parte di Analisi statistica dei dati:

- W.H. Press, B.P. Flannery, S.A. Teukolsky, W.T. Vetterling

  `` Numerical Recipes in C++, The Art of Scientific Computing'',

  Cambridge University Press

- M.Cugiani ``Metodi dell' analisi numerica'', edizioni UTET

- L. Lista `` Statistical Methods for Data Analysis in Particle Phyisics’’,

  Springer Verlag         

- L. Lyons ``Statistics for Nuclear and Particle Physicists'',

  Cambridge University Press

- R. Barlow ``Statistics: A guide to the use of Statistical

  Methods in the Physical Sciences'', J. Wiley

- Hertz, A. Krogh, R.G. Palmer ``Introduction to the Theory of Neural

  Computation '', Addison Wesley

per la parte di tecniche di programmazione :

- J.J. Barton, Lee R. Nackman `` Scientific and Engineering C++'',  Addison Wesley

- D. Yevick ``A First Course in computational Physics and Object-Oriented

  Programming with C++'', Cambridge University Press

 

verra' distribuita copia dei lucidi delle lezioni 

II semestre 

esame orale consistente in un seminario e la discussione di esercizi svolti precedentemente

ricevimento in orario concordato tramite e-mail 

Esporta

provide the student with the needed data analysis techniques for a degree thesis in physics 

data analysis techniques:

- introduction to probability and statistics

- introduction to Montecarlo techniques

- parameter estimation

- unfolding techniques

- data acquisition techniques

-  MVA analysis

  Numerical calculus

         Introduction to numerical calculus, computer aritmethics, algorithm stability, treatment of calulus  errors.

Examples of numerical techniques: numerical integration, interpolation methods, splines, function minimization, smoothing  (*). 

  • Introduction to data acquisition

           Introduction to data acquisition. Analog signal conversion. Introduction to the CAMAC and VME standard. Examples of DAQ systems. Introduction to an experiment slow control and Labview (*).

  • Resume of probability and statistics  :

         Fundamental concepts, Bayes theorem and bayesian interpretation of probability. Examples of probability functions with applications. Error propagation. Characteristic functions and central limit theorem (CLT). Treatment of systematic errors.

  • Statistical tests and parameter estimation  :

         Hypothesis test with examples. Neyman-Pearson test, linear statistics and Fischer discriminant. Non linear statistics and neural networks. Kolmogorov Smirnov test. Estimation of parameters.

  • Introduction to Monte Carlo methods :

         Introduction. Random numbers generators. Montecarlo methods. Applications.

         Introduction to the pakage GEANT4 (*) 

  • Confidence levels :

         Classical confidence levels, multidimensional confidence levels. Applications.

  • Metodi di Unfolding e filtraggio dei dati  :

         The unfolding problem, regularization functions (MaxEnt, Tikhonov). Data filtering. Applications.

  • Introduction to multivariate techniques (MVA) :

Introduction. Statistical tests. Neuronal nets. The perceptron and the NN multilayers. Pattern classification. Examples with applications. Decision trees. 

  • Introduction to econophysics (*)

1. Introduction to graph theory. Knots theorems. Examples. Graphs kinds: random, loopless, scaling-free.

2. Stochastic processes. General considerations. CLT theorem..   Distributions with infinite variance: Levi processes. Fractional derivative of random walk.

3. Introduction to finance and stock markets. Characteristics. Distribution of returns. Stock market prices models: ARCH. Correlations between financial securities. Applications.

4. Stock market prices model with 4 parameters. Fractional derivative to simulate volatility correlations. Skewness and leverage effect. Volatility behaviuor and variation of stock market index

     

  • Introduction to signals treatment(*):

            - Signal classification

            - sampling theorem and  aliasing

            - discrete Fourier transform and  Fast Fourier Transform

            - Digital filtering

            - Wavelets

           - Applications

 

Items marked with (*) are optionals  

courses of Physics bachelor degree, with emphasis on calculus and laboratory ones

lectures

suggested textbooks: 

 for the Statistical Analysis section: 

- W.H. Press, B.P. Flannery, S.A. Teukolsky, W.T. Vetterling

  `` Numerical Recipes in C++, The Art of Scientific Computing'',

  Cambridge University Press

- M.Cugiani ``Metodi dell' analisi numerica'', edizioni UTET

- L. Lista `` Statistical Methods for Data Analysis in Particle Phyisics’’,

  Springer Verlag         

- L. Lyons ``Statistics for Nuclear and Particle Physicists'',

  Cambridge University Press

- R. Barlow ``Statistics: A guide to the use of Statistical

  Methods in the Physical Sciences'', J. Wiley

- Hertz, A. Krogh, R.G. Palmer ``Introduction to the Theory of Neural

  Computation '', Addison Wesley

 

for programming: 


- J.J. Barton, Lee R. Nackman `` Scientific and Engineering C++'',  Addison Wesley

- D. Yevick ``A First Course in computational Physics and Object-Oriented

  Programming with C++'', Cambridge University Press


2nd semester

oral examination based on a seminar + discussion of homework exercises

contact by e-mail 

Entra

Scheda del corso

Settore disciplinare
FIS/01
CFU
6
Periodo
Secondo Semestre
Tipo di attività
Obbligatorio a scelta
Ore
42
Lingua
Italiano

Staff

    Docente

  • MB
    Maurizio Giorgio Bonesini

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)