Guía docente de Tratamiento de Datos (M44/56/2/40)
Máster
Módulo
Rama
Centro Responsable del título
Semestre
Créditos
Tipo
Tipo de enseñanza
Profesorado
- David Blanco Navarro
- María Carmen Carrión Pérez
Tutorías
David Blanco Navarro
Email- Tutorías 1º semestre
- Lunes 9:00 a 10:00 (Dpcho.97 2ªp Dpto. Física Aplicada)
- Lunes 16:00 a 17:00 (Dpcho.97 2ªp Dpto. Física Aplicada)
- Viernes 9:00 a 14:00 (Dpcho.97 2ªp Dpto. Física Aplicada)
- Tutorías 2º semestre
- Lunes 13:00 a 14:00 (Dpcho.97 2ªp Dpto. Física Aplicada)
- Lunes 16:00 a 17:00 (Dpcho.97 2ªp Dpto. Física Aplicada)
- Viernes 9:00 a 14:00 (Dpcho.97 2ªp Dpto. Física Aplicada)
María Carmen Carrión Pérez
Email- Tutorías 1º semestre
- Lunes 12:00 a 14:00 (Dpcho.99 2ªp.Dpto.Física Aplicada)
- Viernes 10:00 a 14:00 (Dpcho.99 2ªp.Dpto.Física Aplicada)
- Tutorías 2º semestre
- Lunes 12:00 a 14:00 (Dpcho.99 2ªp.Dpto.Física Aplicada)
- Viernes 10:00 a 14:00 (Dpcho.99 2ªp.Dpto.Física Aplicada)
Breve descripción de contenidos (Según memoria de verificación del Máster)
Análisis y tratamiento avanzado de datos y errores. Técnicas Monte Carlo, modelos y estimación de parámetros.
Prerrequisitos y/o Recomendaciones
Los requisitos para cursar esta asignatura son los propios del acceso al Máster.
Competencias
Competencias Básicas
- CB6. Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
- CB7. Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
- CB8. Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
- CB9. Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.
- CB10. Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
Resultados de aprendizaje (Objetivos)
Conocer los conceptos fundamentales de análisis y tratamiento avanzado de datos y errores.
Conocer las técnicas Monte Carlo y sus aplicaciones.
Construir estimadores de parámetros y realizar ajustes por diferentes métodos avanzados.
Resolver problemas de estimación de parámetros.
Manejar herramientas numéricas avanzadas para el desarrollo de la materia.
Programa de contenidos Teóricos y Prácticos
Teórico
1. Incertidumbre en medidas.
2. Variables aleatorias y distribuciones de probabilidad.
3. Análisis de errores.
4. Mínimos cuadrados lineales.
5. Mínimos cuadrados no-lineales
6. Procesos estocásticos.
7. Estimación espectral.
Bibliografía
Bibliografía fundamental
•P.R. Bevington, D.K. Robinson, Data reduction and error analysis for the physical sciences, McGraw-Hill, 2003.
•J.R. Taylor, Introduction to Error Analysis, 1997.
•A. C. Melissinos, J. Napolitano, Experiments in Modern Physics, NY Academic Press, 2003.
•W. Mendenhall and T. Sincich, Statistics for engineers and the sciences, Prentice-Hall, 1995.
•W.H. Press, S.A. Teukolsky, W.T. Vetterling, and B.P. Flannery, Numerical Recipes: The Art of Scientific Computing, Third Edition, Cambridge University Press, 2007.
•E. R. Dietz, D. W. Preston, The Art of Experimental Physics, John Wiley & Sons, 2009.
•D.S. Sivia, Data Analysis: A Bayesian Tutorial (Oxford University Press 1996)
Enlaces recomendados
Metodología docente
Evaluación (instrumentos de evaluación, criterios de evaluación y porcentaje sobre la calificación final.)
Evaluación Ordinaria
- Realización de examen final o evaluación de actividades propuestas por el profesor 50%.
- Evaluación de las entregas de los informes/memorias realizadas por los alumnos 40%.
- Evaluación de los trabajos realizados por el alumnado durante el curso o de un trabajo final de la materia 10%.
Evaluación Extraordinaria
• Conjuntos de ejercicios a entregar durante el curso 100%.
• En caso de no entregar los ejercicios o de querer mejorar la calificación, examen final 100%, previa petición mediante correo electrónico del alumno.
Evaluación única final
• Examen final 100%.