Offerta Didattica
PHYSICS
ANALISI DATI
Classe di corso: LM-17 - Fisica
AA: 2020/2021
Sedi: MESSINA
SSD | TAF | tipologia | frequenza | moduli |
---|---|---|---|---|
FIS/01 | Caratterizzante | Libera | Libera | No |
CFU | CFU LEZ | CFU LAB | CFU ESE | ORE | ORE LEZ | ORE LAB | ORE ESE |
---|---|---|---|---|---|---|---|
6 | 2 | 4 | 0 | 60 | 12 | 48 | 0 |
LegendaCFU: n. crediti dell’insegnamento CFU LEZ: n. cfu di lezione in aula CFU LAB: n. cfu di laboratorio CFU ESE: n. cfu di esercitazione FREQUENZA:Libera/Obbligatoria MODULI:SI - L'insegnamento prevede la suddivisione in moduli, NO - non sono previsti moduli ORE: n. ore programmate ORE LEZ: n. ore programmate di lezione in aula ORE LAB: n. ore programmate di laboratorio ORE ESE: n. ore programmate di esercitazione SSD:sigla del settore scientifico disciplinare dell’insegnamento TAF:sigla della tipologia di attività formativa TIPOLOGIA:LEZ - lezioni frontali, ESE - esercitazioni, LAB - laboratorio
Obiettivi Formativi
Fornire conoscenza sui concetti di modellizzazione ed elaborazione dei segnali ed immagini, sugli approcci statistici all'analisi dei dati di casi fisici reali di interesse in Fisica Nucleare/Fisica delle Particelle, mediante la scrittura di codici di simulazione per generazione eventi. Tali approcci verranno applicati e ottimizzati per: analisi di processi aleatori e la loro caratterizzazione nel tempo e in frequenza. Stimatori; acquisizione, campionamento e quantizzazione dei segnali; generatore di eventi. tecniche di “smearing”; Misure della risoluzione ed efficienza di un rivelatore.Learning Goals
Provide knowledge about modeling and signals and images processing, and on statistical approaches to data analysis relative to Nuclear Physics/Particle Physics, by writing simulation codes for the generation of events. These approaches will be applied and optimized for: ⢠random processes and their characterization over time and frequency. Estimators; ⢠acquisition, sampling and quantization of the signals; ⢠events generator; ⢠smearing techniques; ⢠evaluation of the resolution and efficiency of a detector.Metodi didattici
Lezioni frontali ed esercitazioni pratiche.Teaching Methods
Frontal lessons and practical exercitations.Prerequisiti
Familiarità con strumenti di programmazione e con software di analisi dati e visualizzazione grafica. Analisi di Fourier. Analisi statistica, calcolo della probabilità, programmazione orientata agli oggetti.Prerequisites
Familiarity with programming tools, data analysis software and graphic visualization. Fourier analysis. Statistical analysis, probability, object oriented programming.Verifiche dell'apprendimento
Prova pratica in itinere che consiste nella scrittura di una relazione sull’analisi ed interpretazione dei dati per uno specifico esempio. La prova pratica è obbligatoria e va consegnata entro una settimana dall’appello. Esame orale a partire dalla discussione della prova pratica.Assessment
Practical in itinere exam consisting in the writing of an essay about the data analysis and interpretation of a specific example. It is mandatory and must be delivered within a week from the oral exam. Oral exam starting from the discussion of the Practical exam.Programma del Corso
Introduzione a MATLAB. Matlab Editor, array e strutture di celle. Generazione di numeri casuali, di variabili aleatorie discrete e continue. Rappresentazione dei fenomeni aleatori. Simulazione di processi stocastici. Rappresentazione dei dati, modellizzazione, riconoscimento di segnale e fondo. Scrittura di generatori di eventi, tecniche di smearing e smoothing. Algebra degli istogrammi, interpolazione. Stima di un fondo con la tecnica del fit a bande. Elaborazione del segnale e sottrazione di sfondo. Procedure di fitting: adattamento del modello scelto ai risultati sperimentali e loro interpretazione. Algoritmi di ottimizzazione non lineare per scomporre segnali dovunti a più eventi nelle sue componenti. Analisi delle caratteristiche principali delle distibuzioni statistiche. Fit multipicco e con più curve relativi ad applicazioni nel campo della Fisica Nucleare e Particellare. Analisi dell’attenuazione di radiazioni in funzione del materiale e dello spessore a diverse energie. Elaborazione di istogrammi e rappresentazione delle funzioni. Elaborazione nel dominio della frequenza. Introduzione alla programmazione orientata agli oggetti in ambiente MATLAB. Sistemi Raspberry.Course Syllabus
Introduction to MATLAB. Matlab Editor, arrays and cell structures. Generation of random numbers, discrete and continuous random variables. Representation of random phenomena. Simulation of stochastic processes. Data representation, modeling, signal recognition and background. Writing event generators, smearing and smoothing techniques. Histogram algebra, interpolation. Estimate of a background with the band fit technique. Signal processing and background subtraction. Fitting procedures: fitting of the chosen model to experimental results for their interpretation. Nonlinear optimization algorithms to decompose signals due to multiple events into its components. Analysis of the main characteristics of statistical distributions. Multi-peak and multiple curve fitting for applications in the field of Nuclear and Particle Physics. Analysis of the attenuation of radiation by varying material and thickness at different energies. Histogram processing and function representation. Frequency domain processing. Introduction to the object-oriented programming in the MATLAB environment. Raspberry systems.Testi di riferimento: - Probabilità, Statistica e Simulazione. Alberto Rotondi, Paolo Pedroni, Antonio Pievatolo. Springer-Verlag - ISBN 978-88-470-2363-5
- Rafael C. Gonzales, R. E. Woods, S. L. Eddins, Digital Image Processing using MATLAB (Low Price Edition 2006)
- Appunti del docente
Esami: Elenco degli appelli
Elenco delle unità didattiche costituenti l'insegnamento
Docente: CARMELO CORSARO
Orario di Ricevimento - CARMELO CORSARO
Giorno | Ora inizio | Ora fine | Luogo |
---|---|---|---|
Martedì | 10:00 | 11:00 | Dipartimento MIFT |
Venerdì | 10:00 | 11:00 | Dipartimento MIFT |
Note: