20410429 - FS510 - METODO MONTECARLO

Acquisire gli elementi di base per la trattazione di problemi matematici e fisici tramite metodi statistici che utilizzano numeri random.

Curriculum

scheda docente | materiale didattico

Mutuazione: 20410429 FS510 - METODO MONTECARLO in Scienze Computazionali LM-40 FRANCESCHINI ROBERTO, BUSSINO SEVERINO ANGELO MARIA

Programma

Presentazione dei problemi che di solito sono formulati come integrali su un grande numero di variabili

Elemento di base

Probabilità e variabili random

Misure, inceretezze e loro propagazione

Fit di una curva, minimi quadrati, ottimizzazione

Integrazione numerica classica, velocità di convergenza

Integrazione MC, media e varianza

Strategie di campionamento

Applicazioni

Propagazione delle incertezze Note

Generazione di dati secondo una distribuzione

Applicazioni nel mondo reale


Sciami di raggi cosmici

Disponibilità di un sistema

Ulteriori applicazioni

Testi Adottati

Weinzierl, S. - Introduction to Monte Carlo methods arXiv:hep-ph/0006269

Taylor, J. - Introduzione all'analisi degli errori : lo studio delle incertezze nelle misure fisiche - Zanichelli Disponibile nella biblioteca Scientifica di Roma Tre

Dubi, A. - Monte Carlo applications in systems engineering - Wiley Disponibile nella biblioteca Scientifica di Roma Tre

Modalità Erogazione

Lezioni frontali (circa 24 ore) ed Esercitazioni di Laboratorio (circa 36 ore). Nel corso delle Esercitazioni di Laboratorio ogni studente avra' a disposizione un Computer. I diversi temi discussi a lezione saranno oggetto delle Esercitazioni di Laboratorio, utilizzando Mathematica, Python o C++.

Modalità Valutazione

Esame scritto e orale. Scritto: realizzazione di un programma per computer. L'esame scritto consistera' di due parti. La prima parte e' volta a verificare la conoscenza specifica dei metodi esposti a lezione. Nella seconda parte si richiedera' di applicare tali metodi in un contesto piu' ampio. Orale: discussione di una tesina su argomento a scelta dello studente tra una rosa di proposte. La preparazione della tesina richiede lo studio in autonomia di alcuni capitoli di un libro.

scheda docente | materiale didattico

Mutuazione: 20410429 FS510 - METODO MONTECARLO in Scienze Computazionali LM-40 FRANCESCHINI ROBERTO, BUSSINO SEVERINO ANGELO MARIA

Programma

Presentazione dei problemi che di solito sono formulati come integrali su un grande numero di variabili

Elemento di base

Probabilità e variabili random

Misure, inceretezze e loro propagazione

Fit di una curva, minimi quadrati, ottimizzazione

Integrazione numerica classica, velocità di convergenza

Integrazione MC, media e varianza

Strategie di campionamento

Applicazioni

Propagazione delle incertezze Note

Generazione di dati secondo una distribuzione

Applicazioni nel mondo reale

Sciami da raggi cosmici

Disponibilità di un sistema

Ulteriori applicazioni

Testi Adottati

Weinzierl, S. - Introduction to Monte Carlo methods arXiv:hep-ph/0006269
Taylor, J. - Introduzione all'analisi degli errori : lo studio delle incertezze nelle misure fisiche - Zanichelli
Dubi, A. - Monte Carlo applications in systems engineering - Wiley

Modalità Erogazione

Lezioni frontali (circa 24 ore) ed Esercitazioni di Laboratorio (circa 36 ore). Nel corso delle Esercitazioni di Laboratorio ogni studente avra' a disposizione un Computer. I diversi temi discussi a lezione saranno oggetto delle Esercitazioni di Laboratorio, utilizzando Mathematica, Python o C++.

Modalità Valutazione

Esame scritto e orale. Scritto: realizzazione di un programma per computer. L'esame scritto consistera di due parti. La prima parte e' volta a verificare la conoscenza specifica dei metodi esposti a lezione. nella seconda parte si richiedera' di applicare tali metodi in un contesto piu' ampio.Orale: discussione di una tesina su argomento a scelta dello studente tra una rosa di proposte. La preparazione della tesina richiede lo studio in autonomia di alcuni capitoli di un libro.

scheda docente | materiale didattico

Mutuazione: 20410429 FS510 - METODO MONTECARLO in Scienze Computazionali LM-40 FRANCESCHINI ROBERTO, BUSSINO SEVERINO ANGELO MARIA

Programma

Presentazione dei problemi che di solito sono formulati come integrali su un grande numero di variabili

Elemento di base

Probabilità e variabili random

Misure, inceretezze e loro propagazione

Fit di una curva, minimi quadrati, ottimizzazione

Integrazione numerica classica, velocità di convergenza

Integrazione MC, media e varianza

Strategie di campionamento

Applicazioni

Propagazione delle incertezze Note

Generazione di dati secondo una distribuzione

Applicazioni nel mondo reale


Sciami di raggi cosmici

Disponibilità di un sistema

Ulteriori applicazioni

Testi Adottati

Weinzierl, S. - Introduction to Monte Carlo methods arXiv:hep-ph/0006269

Taylor, J. - Introduzione all'analisi degli errori : lo studio delle incertezze nelle misure fisiche - Zanichelli Disponibile nella biblioteca Scientifica di Roma Tre

Dubi, A. - Monte Carlo applications in systems engineering - Wiley Disponibile nella biblioteca Scientifica di Roma Tre

Modalità Erogazione

Lezioni frontali (circa 24 ore) ed Esercitazioni di Laboratorio (circa 36 ore). Nel corso delle Esercitazioni di Laboratorio ogni studente avra' a disposizione un Computer. I diversi temi discussi a lezione saranno oggetto delle Esercitazioni di Laboratorio, utilizzando Mathematica, Python o C++.

Modalità Valutazione

Esame scritto e orale. Scritto: realizzazione di un programma per computer. L'esame scritto consistera' di due parti. La prima parte e' volta a verificare la conoscenza specifica dei metodi esposti a lezione. Nella seconda parte si richiedera' di applicare tali metodi in un contesto piu' ampio. Orale: discussione di una tesina su argomento a scelta dello studente tra una rosa di proposte. La preparazione della tesina richiede lo studio in autonomia di alcuni capitoli di un libro.

scheda docente | materiale didattico

Mutuazione: 20410429 FS510 - METODO MONTECARLO in Scienze Computazionali LM-40 FRANCESCHINI ROBERTO, BUSSINO SEVERINO ANGELO MARIA

Programma

Presentazione dei problemi che di solito sono formulati come integrali su un grande numero di variabili

Elemento di base

Probabilità e variabili random

Misure, inceretezze e loro propagazione

Fit di una curva, minimi quadrati, ottimizzazione

Integrazione numerica classica, velocità di convergenza

Integrazione MC, media e varianza

Strategie di campionamento

Applicazioni

Propagazione delle incertezze Note

Generazione di dati secondo una distribuzione

Applicazioni nel mondo reale

Sciami da raggi cosmici

Disponibilità di un sistema

Ulteriori applicazioni

Testi Adottati

Weinzierl, S. - Introduction to Monte Carlo methods arXiv:hep-ph/0006269
Taylor, J. - Introduzione all'analisi degli errori : lo studio delle incertezze nelle misure fisiche - Zanichelli
Dubi, A. - Monte Carlo applications in systems engineering - Wiley

Modalità Erogazione

Lezioni frontali (circa 24 ore) ed Esercitazioni di Laboratorio (circa 36 ore). Nel corso delle Esercitazioni di Laboratorio ogni studente avra' a disposizione un Computer. I diversi temi discussi a lezione saranno oggetto delle Esercitazioni di Laboratorio, utilizzando Mathematica, Python o C++.

Modalità Valutazione

Esame scritto e orale. Scritto: realizzazione di un programma per computer. L'esame scritto consistera di due parti. La prima parte e' volta a verificare la conoscenza specifica dei metodi esposti a lezione. nella seconda parte si richiedera' di applicare tali metodi in un contesto piu' ampio.Orale: discussione di una tesina su argomento a scelta dello studente tra una rosa di proposte. La preparazione della tesina richiede lo studio in autonomia di alcuni capitoli di un libro.

scheda docente | materiale didattico

Mutuazione: 20410429 FS510 - METODO MONTECARLO in Scienze Computazionali LM-40 FRANCESCHINI ROBERTO, BUSSINO SEVERINO ANGELO MARIA

Programma

Presentazione dei problemi che di solito sono formulati come integrali su un grande numero di variabili

Elemento di base

Probabilità e variabili random

Misure, inceretezze e loro propagazione

Fit di una curva, minimi quadrati, ottimizzazione

Integrazione numerica classica, velocità di convergenza

Integrazione MC, media e varianza

Strategie di campionamento

Applicazioni

Propagazione delle incertezze Note

Generazione di dati secondo una distribuzione

Applicazioni nel mondo reale


Sciami di raggi cosmici

Disponibilità di un sistema

Ulteriori applicazioni

Testi Adottati

Weinzierl, S. - Introduction to Monte Carlo methods arXiv:hep-ph/0006269

Taylor, J. - Introduzione all'analisi degli errori : lo studio delle incertezze nelle misure fisiche - Zanichelli Disponibile nella biblioteca Scientifica di Roma Tre

Dubi, A. - Monte Carlo applications in systems engineering - Wiley Disponibile nella biblioteca Scientifica di Roma Tre

Modalità Erogazione

Lezioni frontali (circa 24 ore) ed Esercitazioni di Laboratorio (circa 36 ore). Nel corso delle Esercitazioni di Laboratorio ogni studente avra' a disposizione un Computer. I diversi temi discussi a lezione saranno oggetto delle Esercitazioni di Laboratorio, utilizzando Mathematica, Python o C++.

Modalità Valutazione

Esame scritto e orale. Scritto: realizzazione di un programma per computer. L'esame scritto consistera' di due parti. La prima parte e' volta a verificare la conoscenza specifica dei metodi esposti a lezione. Nella seconda parte si richiedera' di applicare tali metodi in un contesto piu' ampio. Orale: discussione di una tesina su argomento a scelta dello studente tra una rosa di proposte. La preparazione della tesina richiede lo studio in autonomia di alcuni capitoli di un libro.

scheda docente | materiale didattico

Mutuazione: 20410429 FS510 - METODO MONTECARLO in Scienze Computazionali LM-40 FRANCESCHINI ROBERTO, BUSSINO SEVERINO ANGELO MARIA

Programma

Presentazione dei problemi che di solito sono formulati come integrali su un grande numero di variabili

Elemento di base

Probabilità e variabili random

Misure, inceretezze e loro propagazione

Fit di una curva, minimi quadrati, ottimizzazione

Integrazione numerica classica, velocità di convergenza

Integrazione MC, media e varianza

Strategie di campionamento

Applicazioni

Propagazione delle incertezze Note

Generazione di dati secondo una distribuzione

Applicazioni nel mondo reale

Sciami da raggi cosmici

Disponibilità di un sistema

Ulteriori applicazioni

Testi Adottati

Weinzierl, S. - Introduction to Monte Carlo methods arXiv:hep-ph/0006269
Taylor, J. - Introduzione all'analisi degli errori : lo studio delle incertezze nelle misure fisiche - Zanichelli
Dubi, A. - Monte Carlo applications in systems engineering - Wiley

Modalità Erogazione

Lezioni frontali (circa 24 ore) ed Esercitazioni di Laboratorio (circa 36 ore). Nel corso delle Esercitazioni di Laboratorio ogni studente avra' a disposizione un Computer. I diversi temi discussi a lezione saranno oggetto delle Esercitazioni di Laboratorio, utilizzando Mathematica, Python o C++.

Modalità Valutazione

Esame scritto e orale. Scritto: realizzazione di un programma per computer. L'esame scritto consistera di due parti. La prima parte e' volta a verificare la conoscenza specifica dei metodi esposti a lezione. nella seconda parte si richiedera' di applicare tali metodi in un contesto piu' ampio.Orale: discussione di una tesina su argomento a scelta dello studente tra una rosa di proposte. La preparazione della tesina richiede lo studio in autonomia di alcuni capitoli di un libro.