Aviso importante
La guía docente es provisional.
La versión en PDF de la guía docente puede tardar unos días en estar disponible en el DDD.
Estadística y Análisis de Datos
Código: 44079Créditos: 9
| Titulación | Tipo | Curso |
|---|---|---|
| Física de Altas Energias, Astrofísica y Cosmología / High Energy Physics, Astrophysics and Cosmology | OB | 1 |
Profesor/a de contacto
- Nombre :
- Abelardo Moralejo Olaizola
- Correo electrónico :
- abelardo.moralejo@uab.cat
Equipo docente
- Marc Manera Miret
- Abelardo Moralejo Olaizola
- Carles Sanchez Alonso
- Jorge Carretero Palacios
- Pau Tallada Crespi
- Martin Borstad Eriksen
- Francesc d'Assis Torradeflot Curero
Idiomas de los grupos
Puede consultar esta información al final del documento.
Prerrequisitos
Es necesario el uso de un ordenador personal con una instalación de Python 3.
Se recomienda instalar Python 3 con el intalador de Anaconda. De esta manera, su distribución de Python contendrá todos los paquetes asociados necesarios para este curso.
Siga estos pasos:
1. Descargue el instalador de Anaconda para Python 3 aquí https://www.anaconda.com/download/
2. Siga las instrucciones de instalación; tanto la GUI como las versiones de terminal funcionan bien. Si se le solicita, seleccione la opción para agregar el nuevo directorio de anaconda a su ruta.
El uso de GNU/Linux es altamente recomendado.
Objetivos
En este curso aprenderemos cómo extraer conocimiento científico de datos experimentales, un proceso que se basa en métodos estadísticos. Aprenderemos los conceptos básicos de Probabilidad y Estadística (en sus marcos Frequentista y Bayesiano). Además, estudiaremos y practicaremos varios métodos estadísticos particulares y técnicas de análisis de datos que normalmente se utilizan en los campos de Física de Alta Energía, Astrofísica y Cosmología. Con ese fin, aprenderemos y practicaremos el uso de herramientas modernas de software de análisis y estadísticas.
Resultados de aprendizaje
- CA04 (Adoptar las técnicas estadísticas para resolver problemas de análisis de datos, tanto del ámbito de la física de partículas, la astrofísica y la cosmología, como de ámbitos cercanos pero distintos.) Adoptar las técnicas estadísticas para resolver problemas de análisis de datos, tanto del ámbito de la física de partículas, la astrofísica y la cosmología, como de ámbitos cercanos pero distintos.
- KA03 (Identificar las técnicas de análisis de datos a problemas tanto del ámbito de la física de partículas, la astrofísica y la cosmología, como de ámbitos cercanos pero distintos.) Identificar las técnicas de análisis de datos a problemas tanto del ámbito de la física de partículas, la astrofísica y la cosmología, como de ámbitos cercanos pero distintos.
- SA04 (Evaluar críticamente datos experimentales y estadísticos aplicados a la física de altas energías, la astrofísica, la cosmología y la física de partículas, utilizando herramientas de análisis adecuadas.) Evaluar críticamente datos experimentales y estadísticos aplicados a la física de altas energías, la astrofísica, la cosmología y la física de partículas, utilizando herramientas de análisis adecuadas.
- SA05 (Aplicar las técnicas Monte Carlo para modelar problemas reales de Física.) Aplicar las técnicas Monte Carlo para modelar problemas reales de Física.
- SA06 (Aplicar las técnicas de análisis de datos a problemas tanto del ámbito de la física de partículas, la astrofísica y la cosmología, como de ámbitos cercanos pero distintos.) Aplicar las técnicas de análisis de datos a problemas tanto del ámbito de la física de partículas, la astrofísica y la cosmología, como de ámbitos cercanos pero distintos.
- SA07 (Aplicar programas informáticos de análisis estadístico tanto del ámbito de la física de partículas, la astrofísica y la cosmología, como de ámbitos cercanos pero distintos.) Aplicar programas informáticos de análisis estadístico tanto del ámbito de la física de partículas, la astrofísica y la cosmología, como de ámbitos cercanos pero distintos.
- SA08 (Usar de forma adecuada programas informáticos de análisis estadístico en el ámbito de la física de partículas, la astrofísica y la cosmología.) Usar de forma adecuada programas informáticos de análisis estadístico en el ámbito de la física de partículas, la astrofísica y la cosmología.
- SA09 (Utilizar fuentes bibliográficas especializadas, artículos científicos y recursos digitales en inglés para profundizar en los conceptos de estadística y análisis de datos.) Utilizar fuentes bibliográficas especializadas, artículos científicos y recursos digitales en inglés para profundizar en los conceptos de estadística y análisis de datos.
Contenidos
Parte 1: Conceptos básicos sobre probabilidad, estadística y técnicas de Monte Carlo.
Parte 2: Python para estadísticas y análisis de datos
Parte 3: Estimación de parámetros, test de hipótesis y \"Unfolding\".
Parte 4: Estadística Bayesiana
Actividades formativas y Metodología
| Título | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|
| Estudio de la teoría y ejemplos prácticos | 64 | 2,56 | CA04, KA03, SA04, SA05, SA06, SA07, SA08, SA09 |
| Discusión, grupos de trabajo, resolución de problemas. | 60 | 2,4 | CA04, KA03, SA04, SA05, SA06, SA07, SA08, SA09 |
| Clases | 56 | 2,24 | CA04, KA03, SA04, SA05, SA06, SA07, SA08, SA09 |
- Conferencias teóricas que incluyen ejemplos prácticos en los campos de Física de Alta Energía, Astrofísica y Cosmología.
- Ejercicios y tareas para ser resueltos por las alumnas y alumnos individualmente o en pequeños grupos.
- Discusión de problemas durante las clases y tutorías.
- Sesiones prácticas sobre herramientas de software para estadísticas y análisis de datos (en lenguaje de programación Python)
- Explicación y discusión de código / algoritmos de muestra en lenguajes de programación Python durante clases y tutoriales
Evaluación
Actividades de evaluación continuada
| Título | Peso | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|---|
| Resolución de un examen final de síntesis | 45% | 5 | 0,2 | CA04, KA03, SA04, SA06 |
| Resolución de ejercicios de clase | 50% | 40 | 1,6 | CA04, KA03, SA04, SA05, SA06, SA07, SA08, SA09 |
| Asistencia y participación activa en las clases. | 5% | 0 | 0 | CA04, KA03, SA04, SA05, SA06 |
La evaluación tendrá en cuenta:
- Asistencia y participación activa a las clases.
- Resolución de ejercicios específicos a lo largo del curso*.
- Resolución de un examen final.
* Los alumnos resolverán los ejercicios planteados en clase fuera del horario lectivo. La evaluación podrá incluir una sesión presencial de discusión de los resultados con el profesorado.
Para aquellas y aquellos estudiantes que no aprueben el curso después del procedimiento de evaluación regular, habrá una ronda de evaluación de recuperación consistente en un examen de síntesis. No habrá una nota de umbral para ser elegible para la ronda de evaluación de recuperación, a parte del requisito general de haber sido evaluada/evaluado al menos de un 66% del total de actividades de calificación en la primera ronda.
Esta asignatura/módulo no preve el sistema de evaluación única.
En esta asignatura, se permite el uso de tecnologías de Inteligencia Artificial (IA) como parte integrante del desarrollo del trabajo, siempre que el resultado final refleje una contribución significativa del estudiante en el análisis y la reflexión personal. El estudiante deberá identificar claramente qué partes han sido generadas con esta tecnología, especificar las herramientas utilizadas e incluir una reflexión crítica sobre cómo estas han influido en el proceso y el resultado final de la actividad. La falta de transparencia en el uso de la IA se considerará una falta de honestidad académica y puede comportar una penalización en la nota de la actividad, o sanciones mayores en casos de gravedad.
Bibliografía
- 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
Software
Introduciremos y haremos uso del lenguaje de programación Python (consulte la sección "Prerequisitos" para obtener información detallada sobre la instalación)
En particular, estudiaremos y utilizaremos las siguientes librerías Python: NumPy, pandas, matplotlib, scipy y scikit learn
Grupos e idiomas de la asignatura
La información proporcionada es provisional hasta el 30 de noviembre. A partir de esta fecha, podrá consultar el idioma de cada grupo a través de este enlace. Para acceder a la información, será necesario introducir el CÓDIGO de la asignatura
| Tipo de docencia | Grupo | Idioma | Semestre | Turno |
|---|---|---|---|---|
| (TEm) Teoría (máster) | 1 | Inglés | primer cuatrimestre | manaña-mixto |