TECNICHE DI ANALISI DATI PER LA FISICA NUCLEARE E SUBNUCLEARE
Anno accademico 2016/2017 - 1° anno - Curriculum FISICA NUCLEARE E SUB-NUCLEARECrediti: 6
SSD: FIS/01 - FISICA SPERIMENTALE
Organizzazione didattica: 150 ore d'impegno totale, 122 di studio individuale, 28 di lezione frontale
Semestre: 2°
Obiettivi formativi
Il corso si propone di introdurre lo studente alle problematiche dell’analisi dati di un esperimento di Fisica Nucleare e delle Particelle Elementari. Lo studente acquisirà i concetti base di programmazione ad oggetti, la capacità di adoperare i principali pacchetti di analisi e di sviluppare un codice per l’analisi statistica dei dati.
Prerequisiti richiesti
Nessuna obbligatoria ma si consigliano i corsi di “Laboratorio di Fisica Nucleare e Subnucleare” e “Metodi Sperimentali per la Fisica delle Particelle”/“Metodi Sperimentali per la Fisica Nucleare”
Frequenza lezioni
La frequenza è fortemente consigliata poichè gli argomenti svolti a lezione sono di difficile reperimento in libri di testo
Contenuti del corso
Introduzione all'analisi dati in Fisica Nucleare e delle Particelle
Metodi Monte Carlo
Metodi statistici di analisi
Programmazione ad oggetti
Metodi multivariati di analisi
I pacchetti ROOT e TMVA
Introduzione e uso di GEANT4
Sviluppo e analisi dati di un caso fisico reale di interesse in Fisica Nucleare/Fisica delle Particelle
Testi di riferimento
Dispense e appunti
Programmazione del corso
| * | Argomenti | Riferimenti testi | |
|---|---|---|---|
| 1 | • Introduzione all’analisi dati in fisica nucleare e delle alte energie | ||
| 2 | * | • Densità di probabilità e metodo Monte Carlo | |
| 3 | * | • Introduzione al C++ - parte I - Variabili. Input/Output. Funzioni. Puntatori e Reference. Operatori | |
| 4 | * | • Introduzione al C++ - parte II - Programmazione a oggetti. Classi. Overloading di operatori. Template class. Ereditarietà. Classi astratte. | |
| 5 | * | • Il pacchetto di analisi ROOT. Macro ed esempi di root. TTree. | |
| 6 | * | • Statistica Frequentista e Bayesiana. Statistiche di test. Metodi multivariati: discriminante di Fisher. | |
| 7 | * | • Analisi multivariate: Componenti Principali. Applicazioni alla fisica delle particelle e alla fisica nucleare. | |
| 8 | * | • Metodi multivariati: neural networks, probabilty density estimators, decision trees. | |
| 9 | * | • Esercitazione con ROOT e il pacchetto TMVA. Riempimento di un tree e visualizzazione delle variabili per segnale e fondo. Training di un discriminante di Fisher con TMVA e analisi dei risultati. | |
| 10 | * | • Goodness-of-fit. Test del chi2. Estimatori. Media e varianza. Metodo della Maximum Likehood | |
| 11 | * | • Extended Maximum Likelihood. Metodo dei minimi quadrati. Introduzione al pacchetto RooFit. | |
| 12 | * | • Intervalli di confidenza. Applicazioni ad estimatori Gaussiani e al metodo della Maximum Likelihood. Limite su un segnale, con e senza fondo, nell’approccio frequentista e bayesiano. | |
| 13 | * | • Limite in presenza di fondo nell'approccio classico e bayesiano. Limite con il test di Likelihood Ratio (Feldman-Cousins) e con il test CLs. Introduzione al pacchetto RooStats. | |
| 14 | * | • Sviluppo e analisi dati di un caso fisico reale (Interferometria HBT o Lineshape della Z o Ricerca del bosone di Higgs o Sezione d'urto ttbar) | |
| 15 | • Introduzione al pacchetto di simulazione GEANT4. Esempi di utilizzo. |
N.B. La conoscenza degli argomenti contrassegnati con l'asterisco è condizione necessaria ma non sufficiente per il superamento dell'esame. Rispondere in maniera sufficiente o anche più che sufficiente alle domande su tali argomenti non assicura, pertanto, il superamento dell'esame.