Il corso  vuole essere una guida all’applicazione delle tecniche di analisi dei dati al campo della fisica sperimentale ed in particolare a quello della fisica delle Alte Energie.

Argomenti trattati:

•Probabilità, definizioni, interpretazione frequentista, Teorema di Bayes.

•Variabili casuali, Funzioni di densità di distribuzione (PDF) e loro proprietà, correlazione, trasformazioni di variabili casuali, covarianza.

•Esempi di distribuzioni e proprietà: Binomiale, Poisson, Uniforme, Gaussiana, Esponenziale,  Cauchy (Breit-Wigner).

•    Sampling Distributions: Student, F.

•Stima dei Parametri: consistenza, bias, efficienza, RCF bound, sufficienza.

•Metodo della Maximum Likelihood, proprietà degli stimatori di ML, cenni alla extended ML, ML con dati da istogrammi.

•Metodo dei minimi quadrati, derivazione, Linear Least-squares fit, fit a polinomi e curve varie, fit con dati binnati, Test del 2

•Intervalli di Confidenza: interpretazione Frequentista e Bayesiana

•Test Statistici: ipotesi, significance level, power, Neyman-Pearson Lemma, Fisher Discriminant, Goodness-of-fit Tests.

•Tecniche di simulazione Montecarlo, esempi, uso di ROOT.

•Tecniche di fit di dati, esempi vari e simulazioni, uso di ROOT.

•Esempi e trattamento di smearing dei dati dovuto alla risoluzione strumentale,  significanza statistica del segnale, tecniche di  sottrazione  del fondo e di ottimizzazione del rapporto segnale/ rumore, limiti superiori/inferiori su una misura, trattamento di processi con bassa statistica, determinazione degli errori sistematici.