Offerta Didattica

 

MATEMATICA

ANALISI DATI

Classe di corso: LM-40 - Matematica
AA: 2022/2023
Sedi: MESSINA
SSDTAFtipologiafrequenzamoduli
FIS/01Affine/IntegrativaLiberaLiberaNo
CFUCFU LEZCFU LABCFU ESEOREORE LEZORE LABORE ESE
62406012480
Legenda
CFU: 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

Il corso, al fine di raggiungere gli obiettivi formativi previsti, si svolge prevalentemente attraverso lezioni frontali. Sono inoltre previste esercitazioni in laboratorio ed in aula informatica, con lo scopo di stimolare l’approccio all’analisi critica di diversi tipi di dati sperimentali. Tutte le attività sono svolte mediante utilizzo di applicativi multimediali incluse le slide delle lezioni. Inoltre, verranno svolte attività pratiche mediante utilizzo di sistemi raspberry per l'acquisizione e l'analisi di dati.

Teaching Methods

The course, in order to achieve the expected objectives, mainly takes place through lectures in the classroom. There are also practical based lessons in the laboratory and in the computer room, with the aim of stimulating the approach for critical analyzing different kinds of experimental data. All activities are carried out with the support of multimedia applications including lecture slides. Furthermore, practical activities will be performed by using raspberry to acquire and analyse data.

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

L'esame consiste in una prova orale incentrata sugli argomenti trattati durante il Corso. Essa ha il duplice scopo di verificare il livello di conoscenza e di comprensione dei contenuti del corso e di valutare l'autonomia di giudizio, la capacità di apprendimento, l'abilità comunicativa e proprietà di linguaggio scientifico e quindi valutare le facoltà logico-deduttive acquisite dallo studente. Durante lo svolgimento del corso è obbligatoria la stesura di almeno un report su argomenti/esempi trattati nelle attività pratiche, da consegnare al docente entro una settimana dall’esame orale. Il voto finale è espresso in trentesimi e tiene conto della qualità del/dei report e delle valutazioni ottenute durante la prova orale.

Assessment

The exam consists of an oral test on the course topics. It has the dual purpose of verifying the level of knowledge and understanding of the course contents and to evaluate the autonomy of judgment, the learning ability, the communicative ability and properties of scientific language and then evaluate the logical-deductive faculties acquired by the student. During the course, the student must write at least one report on topics addressed within practical activities, that must be delivered to the teacher at least one week before the oral test. The final grade is expressed out of thirty and takes into account the quality of the presented report and the evaluation obtained during the oral test.

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. 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 dovuti a più eventi nelle sue componenti. ANALISI DELLE CARATTERISTICHE PRINCIPALI DELLE DISTRIBUZIONI STATISTICHE. Fit multipicco, e con più curve diverse, relativamente 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.

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. 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.

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) - Michael Baron, Probability and Statistics for Computer Scientists (3rd Edition), CRC Press - ISBN 9781138044487 - Linda J. S. Allen, An Introduction to Stochastic Processes with Applications to Biology (2nd Edition), CRC Press - ISBN 9781439818824 - Appunti del docente

Elenco delle unità didattiche costituenti l'insegnamento

Docente: CARMELO CORSARO

Orario di Ricevimento - CARMELO CORSARO

GiornoOra inizioOra fineLuogo
Martedì 10:00 11:00Dipartimento MIFT
Venerdì 10:00 11:00Dipartimento MIFT
Note:
  • Segui Unime su:
  • istagram32x32.jpg
  • facebook
  • youtube
  • twitter
  • UnimeMobile
  • tutti