Konzepte moderner Statistik und Data Analytics in der Teilchenphysik
Concepts of Advanced Statistics and Data Analytics in Particle Physics
Modul PH2296
Modulversion vom SS 2022 (aktuell)
Von dieser Modulbeschreibung gibt es historische Versionen. Eine Modulbeschreibung ist immer so lange gültig, bis sie von einer neuen abgelöst wird.
Ob die Lehrveranstaltungen des Moduls in einem spezifischen Semester angeboten werden, finden Sie im Abschnitt Lehrveranstaltungen, Lern- und Lehrmethoden und Literaturhinweise unten.
| verfügbare Modulversionen | ||
|---|---|---|
| SS 2022 | SS 2021 | SS 2020 |
Basisdaten
PH2296 ist ein Semestermodul in Englisch oder Deutsch auf Master-Niveau das im Sommersemester angeboten wird.
Das Modul ist Bestandteil der folgenden Kataloge in den Studienangeboten der Physik.
- Spezifischer Spezialfachkatalog Kern-, Teilchen- und Astrophysik
- Spezifischer Spezialfachkatalog Applied and Engineering Physics
- Komplementärer Spezialfachkatalog Physik der kondensierten Materie
- Komplementärer Spezialfachkatalog Biophysik
Soweit nicht beim Export in einen fachfremden Studiengang ein anderer studentischer Arbeitsaufwand ("Workload") festgelegt wurde, ist der Umfang der folgenden Tabelle zu entnehmen.
| Gesamtaufwand | Präsenzveranstaltungen | Umfang (ECTS) |
|---|---|---|
| 150 h | 45 h | 5 CP |
Inhaltlich verantwortlich für das Modul PH2296 ist Stefan Kluth.
Inhalte, Lernergebnisse und Voraussetzungen
Inhalt
Die Vorlesung behandelt zunächst grundlegende statistische Konzepte, die in der Datenauswertung angewendet werden. Diese ergeben sich aus der schon von Bayes und Laplace entwickelten Wahrscheinlichkeitstheorie zusammen mit dem Prinzip der Entropiemaximierung aus der statistischen Physik und Informationstheorie.
Mit diesen Grundlagen werden dann Datenanlysetechniken der Teilchenphysik vorgestellt und in Beispielen angewendet. Dazu gehören die Bestimmung von Parametern aus gemessenen Daten mit einem Modell, Korrekturverfahren für experimentelle Effekte in Messungen (z.B. Unfolding), sowie das Ermitteln von Grenzen für Parameterwerte, die mit Messungen nicht bestimmt werden können (limits).
Lernergebnisse
Die Vorlesung hat das Ziel, eine Einordnung und kritische Bewertung der statistischen Methoden von Analysen in der Teilchenphysik, aber auch generell in den Naturwissenschaften, zu ermöglichen. Weiterhin sollen Teilnehmer der Vorlesung das Wissen und die Kompetenzen erwerben, die für eine erfolgreiche praktische Arbeit in der Datenauswertung in der Teilchenphysik oder verwandten Gebieten notwendig sind.
Voraussetzungen
Es sind keine Vorkenntnisse nötig, die über die Zulassungsvoraussetzungen zum Masterstudium hinausgehen. Grundlegende Kenntnisse in Statistik und Datenauswertung z.B. aus den Praktika für Fortgeschrittene sowie elementare Konzepte der experimentellen Teilchenphysik aus den Grundvorlesungen sind empfohlen.
Lehrveranstaltungen, Lern- und Lehrmethoden und Literaturhinweise
Lehrveranstaltungen und Termine
| Art | SWS | Titel | Dozent(en) | Termine | Links |
|---|---|---|---|---|---|
| VO | 2 | Konzepte moderner Statistik und Data Analytics in der Teilchenphysik | Kluth, S. |
Mi, 12:00–14:00, PH II 127 |
eLearning |
| UE | 1 | Übung zu Konzepte moderner Statistik und Data Analytics in der Teilchenphysik |
Leitung/Koordination: Kluth, S. |
Lern- und Lehrmethoden
Die Vorlesung soll aus Vorträgen bestehen, bei denen die aktive und kritische Mitarbeit der Studierenden erwünscht ist. Die Übungen sollen aus klassischen Papier-und-Bleistift Aufgaben zur Aneignung und Vertiefung der Konzpete bestehen sowie aus praktischen und computerbasierten Aufgaben. Dabei soll vorwiegend die Programmiersprache python verwendet werden.
Medienformen
Die Präsentationen werden als Dateien zum Nacharbeiten zur Verfügung gestellt. Die Aufgaben werden schriftlich gestellt.
Literatur
D.S. Sivia, Data Analysis, Oxford Science, als e-book in der TUM Bibliothek erhältlich
V. Blobel, E. Lohrmann, Statische und numerische Methoden der Datenanalyse, Teubner
O. Behnke et al., Data Analysis in High Energy Physics, Wiley
G. Bohm, G. Zech, Introduction to Statistics and Data Analysis for Physicists, http://www-library.desy.de/preparch/books/vstatmp_engl.pdf
G.L. Bretthorst, Bayesian Spectrum Analysis and Parameter Estimation, https://bayes.wustl.edu/glb/book.pdf (zur Erweiterung und Vertiefung)
Modulprüfung
Beschreibung der Prüfungs- und Studienleistungen
Es findet eine mündliche Prüfung von 25 Minuten Dauer statt. Darin wird das Erreichen der im Abschnitt Lernergebnisse dargestellten Kompetenzen mindestens in der dort angegebenen Erkenntnisstufe exemplarisch durch Rechenaufgaben und Verständnisfragen überprüft.
Prüfungsaufgabe könnte beispielsweise sein: Aufstellen der Datenlikelihood und Berechnung des Posterior für ein konkretes Problem.
Während der Prüfung sind folgende Hilfsmittel zugelassen:
- doppelseitig handgeschriebenes Formelblatt
- Präsentationen der Vorlesungen
Wiederholbarkeit
Eine Wiederholungsmöglichkeit wird am Semesterende angeboten.
Aktuell zugeordnete Prüfungstermine
Derzeit sind in TUMonline die folgenden Prüfungstermine angelegt. Bitte beachten Sie neben den oben stehenden allgemeinen Hinweisen auch stets aktuelle Ankündigungen während der Lehrveranstaltungen.
| Titel | |||
|---|---|---|---|
| Zeit | Ort | Info | Anmeldung |
| Prüfung zu Konzepte moderner Statistik und Data Analytics in der Teilchenphysik | |||
| Mo, 18.9.2023 bis 23:55 | Dummy-Termin. Wenden Sie sich zur individuellen Terminvereinbarung an die/den Prüfer(in). Anmeldung für Prüfungstermin zwischen 18.09.2023 und 21.10.2023. // Dummy date. Contact examiner for individual appointment. Registration for exam date between 2023-Sep-18 and 2023-Oct-21. | bis 17.9.2023 | |