Rechnernutzung in der Physik Teil3:StatistischeMethodenderDatenanalyse Karlsruher Institut für Technologie, Wintersemester 2012/2013 U. Husemann 3 Statistische Methoden der Datenanalyse 3.1 Einführung in das Datenanalyse-Framework ROOT (0.5 VL) Erste Schritte mit ROOT; Makros und kompilierte Programme; Datenmodell; Graphen; Histogramme; Funktionen; Anpassungsrechung. 3.2 3.3 Grundlagen der Statistik (1.5 VL) 3.2.1. Vorhersagbare und zufällige Prozesse; Messen und Statistik; 3.2.2. Wahrscheinlichkeit als relative Häufigkeit; Kolmogorov-Axiome; Venn-Diagramme; bedingte Wahrscheinlichkeit; Satz von Bayes; Satz von der totalen Wahrscheinlichkeit; Denkschulen in der Statistik. 3.2.3. Zufallsvariable; PDF und CDF; Quantile; Median. 3.2.4. Multivariate PDFs; Randverteilung; bedingte Verteilung. 3.2.5. Erwartungswert; algebraische Momente; Varianz und Kovarianz; Korrelationen. 3.2.6. Funktionen von Zufallsvariablen; Gauß’sche Fehlerfortpflanzung Beispiele für Wahrscheinlichkeitsverteilungen (1 VL) 3.3.1. Binomialverteilung und Multinomialverteilung 3.3.2. Poisson-Verteilung 3.3.3. Gauß’sche Normalverteilung; Gauß’sche Wahrscheinlichkeitsintervalle, Multivariate Gauß-Verteilung; Gauß-Verteilung als Grenzfall; Zentraler Grenzwertsatz. 3.3.4. Gleichverteilung; Exponentialverteilung; logarithmische Normalverteilung; χ2-Verteilung; Cauchy-Lorentz-Verteilung. Inhaltsangabe Rechnernutzung Teil 3, Wintersemester 2012/2013 1/2 3.4 3.5 3.6 Monte-Carlo-Methoden (0.5 VL) 3.4.1. Zufallszahlen; linear-kongruente Zufallszahlengeneratoren; Mersenne-Twister. 3.4.2. Methoden zur Erzeugung von Zufallszahlen: Transformationsmethode, Verwerfungsmethode, Majorantenmethode; 3.4.3. Anwendungen der Monte-Carlo-Methode. Parameterschätzung (2 VL) 3.5.1. Stichproben; Prüfgrößen; Schätzfunkionen: Konsistenz, Erwartungstreue, Effizienz, Genauigkeit. 3.5.2. Likelihood-Funktion; Maximum-Likelihood-(ML-)Prinzip; Varianz von ML-Schätzern: grafische Methode und Bootstrapping. 3.5.3. Methode der kleinsten Quadrate (LS); χ2-Funktion und χ2Wahrscheinlichkeit; LS-Schätzer für lineare Probleme; χ2Anpassung in der Praxis; Vergleich mit ML-Methode; Anpassung an Histogramme. 3.5.4. Fehlerbalken und Vertrauensintervalle; Neyman-Konstruktion Hypothesentests (0.5 VL) 3.6.1. Übersicht statistische Testverfahren. 3.6.2. Signifikanzniveau und p-Wert; Fehler erster und zweiter Art; Teststärke. 3.6.3. Likelihood-Qutient; Pearson’scher χ2-Test; Kolmogorov-SmirnovTest. Inhaltsangabe Rechnernutzung Teil 3, Wintersemester 2012/2013 2/2