Skip to content

Latest commit

 

History

History
53 lines (42 loc) · 2.63 KB

README.md

File metadata and controls

53 lines (42 loc) · 2.63 KB

Laboratorio 2 - I Modulo

Contenuto del corso di calcolo

  • Questo corso ha lo scopo di insegnare alcuni strumenti di programmazione e di calcolo per l’analisi statistica dei dati
  • Ogni lezione è dedicata ad un argomento specifico, ed è composta da una parte introduttiva frontale seguita dallo svolgimento di diversi esercizi proposti al termine della prima parte
  • Utilizzeremo i seguenti strumenti:
    • Il linguaggio di programmazione C++ per risolvere i problemi assegnati
    • Il framework di analisi dati ROOT (sviluppato al CERN per l'analisi dati)
  • NOTA BENE: Gli strumenti scelti per il corso sono semplicemente un mezzo per
    • imparare la logica della programmazione,
    • per esercitarsi nella scrittura di algoritmi
    • per svolgere esercizi di analisi dati
  • Gli esercizi svolti a lezione corridspondo al livello di difficoltà medio degli esercizi proposti nelle prove di esame

linea

Lezioni del corso

  • Prerequisiti: breve riassunto di prerequisiti che non saranno coperti durante il corso
  • Lezione 1 : ripasso di C ed introduzione al C++, parte 1
  • Lezione 2 : ripasso di C ed introduzione al C++, parte 2
  • Lezione 3 : programmazione ad oggetti: le classi
  • Lezione 4 : generazione di numeri casuali
  • Lezione 5 : visualizzazione dei dati con ROOT
  • Lezione 6 : esempi di applicazione di sequenze pseudo-casuali ed esmepi di calcolo numerico
  • Lezione 7 : programmazione template e standard template library
  • Lezione 8 : programmazione ad oggetti: l'ereditarietà
  • Lezione 9 : stima di parametri con il metodo della massima verosimiglianza
  • Lezione 10 : stima di parametri con il metodo dei minimi quadrati
  • Lezione 11 : fit di distribuzioni binnate con ROOT
  • Lezione 12 : test di ipotesi

linea

Riferimenti bibliografici

linea

argomenti principali rimanenti

  • algoritmi di ricerca di minimi e zeri, algoritmi di ordinamento
  • istogrammi e fit di istogrammi e TGraph
  • minimi quadrati e maximum likelihood
  • lettura e scrittura dei dati: file di testo e ntuple di ROOT
  • TNtuple
  • il concetto di toy experiment ed il test delle distribuzioni della media rispetto alla sua varianza