SPFBU14

UE Méthodes statistiques, analyse de données - data analysis

Unité d'enseignement (UE) de 4 crédits

^En UE enseignée en Anglais

DESCRIPTION
ORGANISATION
FORMATIONS

Contenu

Basics of Probability
Basics of Statistics
Stochastic processes and spectral analysis
Optimization and multivariate analysis

Compétences à acquérir

Know and understand the basic concepts of probability and statistics. Being able to fit parameters and obtain their uncertainties (i.e. Maximum Likelihood Estimator), to use statistical tests to distinguish between models, to calculate confidence intervals in frequentist and bayesian approach.

Know and understand the basic concepts of stochastic processes and spectral analysis in 1D, 2D, and ND. Being able to estimate correlation functions and their error (covariance matrix) in configuration space and harmonic space using Fourier transforms techniques. Know the basics deconvolution methods and filtering techniques, being able to apply them to time-series and images.

Langue(s) d'enseignement

Anglais

Bibliographie

Glen Cowan, Statistical Data Analysis (Oxford Science Publiction, 1997)

Particle Data Group, Particle Physics Booklet Summary: Sections: Probability and Statistics

Falk, A First Course on Time Series Analysis (2012)

Michael Sherman, Spatial Statistics and Spatio-Temporal Data (Wiley, 2012)

Stark & Murtagh, Astronomical Image and Data Analysis (Springer, 2006)

Modalités d'organisation

La méthode pédagogique utilisée est basée un cours écrit de façon traditionelle au tableau, avec interaction directe et dynamique avec les étudiant.e.s ou sur un cours présenté sur transparents selon les chapitres pour orienter et adapter le contenu du cours aux besoins et connaissances. Des exercices applicatifs sont proposés et traités "au fil du cours". La présence et participation active des étudiant.e.s au déroulé du cours est indispensable. Pour étoffer leurs connaissances sur les sujets abordés en classe et s'entrainer de façon autonome au raisonnement et calcul scientifique, il est demandé aux étudiant.e.s un travail important d'une séance à l'autre pour maitriser les concepts déjà traités, ainsi que des devoirs à la maison de type analytique ou numérique, ceux derniers prévoyant l'utilisation de logiciels professionnels couramment utilisés ou petite programmation (le choix du langage de programmation est laissé à l'étudiant).

Volume des enseignements

Cours magistraux: 20 heures
Travaux dirigés: 20 heures
Volume total: 40 heures

Responsables pédagogiques:

COSTANTINI Heide
SCHIMD Carlo

Codes APOGÉE

SPFBU14C [ELP]