Estadística i Anàlisi de Dades
Codi: 44079 Crèdits: 9| Titulació | Tipus | Curs | Semestre |
|---|---|---|---|
| 4313861 Física d'Altes Energies, Astrofísica i Cosmologia | OB | 0 | 1 |
Professor/a de contacte
- Nom:
- Francisco Javier Rico Castro
- Correu electrònic:
- franciscojavier.rico@uab.cat
Idiomes dels grups
Podeu accedir-hi des d'aquest enllaç. Per consultar l'idioma us caldrà introduir el CODI de l'assignatura. Tingueu en compte que la informació és provisional fins a 30 de novembre de 2023.
Equip docent
- Abelardo Moralejo Olaizola
- Carles Sánchez Alonso
- Jorge Carretero Palacios
- Pau Tallada Crespí
- Martin Borstad Eriksen
- Francesc d'Assis Torradeflot Curero
Prerequisits
Per al "Bootcamp" de Python (part 2), és necessari portar un ordinador portàtil personal amb una instal·lació en execució de Python 3.
Per a això, instal·leu Python 3 amb l'Anaconda intaller. D'aquesta manera, la vostra distribució de Python contindrà tots els paquets associats necessaris per a aquest curs.
Seguiu aquests passos:
1. Descarregueu el programa d’instal·lació d'Anaconda per a Python 3 https://www.anaconda.com/download/
2. Seguiu les instruccions d’instal·lació: les versions de la interfície d’interfície gràfica o de la terminal funcionen bé. Si se us demana, seleccioneu l'opció per afegir el directori anaconda nou a la vostra ruta.
Es recomana l’ús de GNU/Linux
Objectius
En aquest curs aprendrem a destil·lar coneixements científics a partir de dades experimentals, un procés que es basa en mètodes estadístics. Aprendrem els conceptes bàsics de probabilitat i estadística (en els seus marcs freqüentistes i bayesians). A més, estudiarem i practicarem diversos mètodes estadístics i tècniques d’anàlisi de dades que s’utilitzen habitualment en els camps de la Física d’Altes Energies, Astrofísica i Cosmologia. Amb aquest objectiu, aprendrem i practicarem l’ús d’estadístiques modernes i eines de programari d’anàlisi.
Competències
- Que els estudiants sàpiguen aplicar els coneixements adquirits i la seva capacitat de resolució de problemes en entorns nous o poc coneguts dins de contextos més amplis (o multidisciplinaris) relacionats amb la seva àrea d'estudi.
- Treballar en grup, assumir responsabilitats compartides i interaccionar professionalment i de manera constructiva amb altres persones amb un respecte absolut als seus drets.
- Utilitzar les matemàtiques per descriure el món físic, seleccionar les equacions apropiades, construir models adequats, interpretar resultats matemàtics i comparar críticament amb experimentació i observació.
- Utilitzar programari adequat, llenguatges de programació i paquets informàtics en la investigació de problemes relacionats amb la física d'altes energies, l'astrofísica o la cosmologia.
Resultats d'aprenentatge
- Aplicar les tècniques d'anàlisi de dades a problemes tant de l'àmbit de la física de partícules, l'astrofísica i la cosmologia com d'àmbits propers però diferents.
- Aprendre el funcionament de programes informàtics d'anàlisi estadística.
- Treballar en petits grups per resoldre problemes d'anàlisi de dades.
- Utilitzar les tècniques Monte Carlo per a modelar problemes reals de Física.
Continguts
Part 1: Conceptes bàsics sobre tècniques de probabilitat, estadística i Monte Carlo
Part 2: Python per a estadístiques i anàlisi de dades
Part 3: Estimació de paràmetres, prova d'hipòtesi i "Unfolding"
Part 4: Estadístique Bayesiane
Metodologia
- Classes teòriques que inclouen exemples pràctics en els camps de la Física d'Altes Energies, Astrofísica i Cosmologia
- Exercicis i tasques que hauran de resoldre els estudiants sols o en grups petits
- Discussió de problemes durant les classes i tutories
- Sessions presencials sobre eines de programari per a estadístiques i anàlisi de dades (en llenguatge de programació Python)
- Explicació i discussió de codis de mostra / algorismes en llenguatges de programació de Python durant les classes i tutorials
Nota: es reservaran 15 minuts d'una classe, dins del calendari establert pel centre/titulació, per a la complementació per part de l'alumnat de les enquestes d'avaluació de l'actuació del professorat i d'avaluació de l'assignatura/mòdul.
Activitats formatives
| Títol | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|
| Tipus: Dirigides | |||
| Clases | 56 | 2,24 | 1, 2, 4 |
| Estudi de la teoria i exemples pràctics | 64 | 2,56 | 1, 2, 3, 4 |
| Tipus: Autònomes | |||
| Discussió, grups de treball, resolució de problemes | 60 | 2,4 | 1, 2, 3, 4 |
Avaluació
- Assistència i participació activa a les classes teòriques
- Resolució d'exercicis específics al llarg del curs
- Resolució d'un examen final
Activitats d'avaluació continuada
| Títol | Pes | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|---|
| Assistència i participació activa a les classes | 5% | 0 | 0 | 1, 2, 4 |
| Resolució d'un examen de síntesi final | 50% | 5 | 0,2 | 1, 2, 4 |
| Resolució dels exercicis de classe | 45% | 40 | 1,6 | 1, 2, 3, 4 |
Bibliografia
- G. Bohm and G. Zech; "Introduction to Statistics and Data Analysis for Physicists", 3rd Edition, 2017, Verlag Deutsches Elektronen-Synchrotron (available on-line https://s3.cern.ch/inspire-prod-files-d/da9d786a06bf64d703e5c6665929ca01)
- F. James; "Statistical Methods in Experimental Physics", 2nd Edition, 2006, World Scientific
- G. Cowan; "Statistical Data Analysis", 1998, Oxford University Press
- A. Gelman, J. B. Carlin, H. S. Stern, et al. "Bayesian Data Analysis", 3rd Edition, 2013, CRC Press
Programari
Introduirem i farem ús de el llenguatge de programació Python (vegeu la secció "Prerequisits" per obtenir informació detallada sobre la instal·lació)
En particular, estudiarem i farem servir les següents llibreries Python: NumPy, pandas, matplotlib, SciPy i scikit learn