Statistiska metoder i fysik och teknik, 5 hp

Statistical methods in physics and engineering

Kursinformation

Undervisningsspråk: Engelska
Tid då kursen ges: HT2025
Undervisningsformat, på campus eller digitalt: Kursen erbjuder en kombination av campusundervisning och distansundervisning med zoom. Det är möjligt att genomföra hela kursen på distans.

Rekommenderade förkunskaper

> 60 hp matematiskt/naturvetenskapligt/ingenjörsvetenskapligt orienterade kurser. Grundläggande kunskap i sannolikhetsteori och matematisk statistik krävs, samt grundläggande rogrammeringskunskaper i valfritt programmeringsspråk.

Kursens mål

Vid avslutad kurs ska doktoranden kunna:

· förstå skillnaden mellan Bayesiansk och frekventistisk statistik
· jämföra olika datamängder och bedöma deras kompatibilitet, samt behandla osäkerheter korrekt
· bestämma konfidensintervall
· utföra hypotestest och relatera resultatet till sannolikheter
· förstå och använda metoder inom statistisk data-analys, inklusive Monte Carlo-metoder, för att lösa problem inom modern naturvetenskap och/eller teknik
· utföra en funktionsavfaltning från data

Hur kursen relaterar till mål för examen på forskarnivå

Kursen bidra till måluppfyllelse enligt målen som definieras i examensförordningen (HF bilaga 2) för att erhålla doktorsexamen:

Mål A2: "Visa förtrogenhet med forskningsmetodik i allmänhet och metoderna inom det specifika forskningsområdet i synnerhet."

Statistiska metoder och dataanalys utgör en viktig del av forskningsmetodiken inom många av de matematiskt orienterade vetenskaperna, inte bara inom fysik utan även inom astronomi, teknisk geovetenskap och kemi, för att nämna några. I denna kurs får doktoranderna en mångsidig verktygslåda som är användbar i deras dagliga liv som forskare. Kursen ger också doktoranden en ny infallsvinkel till sin forskning.

Mål B1: "Demonstrera förmågan till vetenskaplig analys och syntes samt att självständigt och kritiskt granska och bedöma nya och komplexa fenomen, frågeställningar och situationer"

Kursen ger ett analytiskt förhållningssätt för att förstå ett forskningsfält och att dra kvantitativa slutsatser från data. Detta är till hjälp för att bedöma inte bara det egna forskningsmaterialet utan också resultat från andra forskare inom området.

Mål B2: "Demonstrera förmågan att identifiera och formulera frågeställningar med vetenskaplig precision kritiskt, autonomt och kreativt, planera och använda lämpliga metoder för att utföra forskning och andra kvalificerade uppgifter inom förutbestämda tidsramar och kunna granska och utvärdera sådant arbete."

Lärandet centreras kring tre uppsättningar av inlämningsuppgifter, som alla har en forskningskomponent, samt ett miniprojekt där doktoranderna ska koppla samman metoderna från kursen till sin egen forskning. Inlämningsuppgifterna och miniprojekten kommer att genomföras inom väldefinierade tidsramar och kursdeltagarna kommer aktivt att granska och diskutera sitt eget och andras arbete.

Mål B5: "Demonstrera förmågan att identifiera behovet av ytterligare kunskap."

I miniprojektet ska kursdeltagarna lösa ett problem som de definierar på egen hand utifrån sin egen forskning. Att lösa detta problem innefattar att söka efter lämplig litteratur inom sitt eget område.

Kursinnehåll

Kursen ger förståelse för statistiska metoder och träning av praktiska färdigheter i problemlösning med statistiska metoder. Även om de flesta exemplen kommer från fysik och teknik använder vi även problem från t.ex. medicin och samhällsvetenskap för att illustrera begrepp. Kursen går igenom Bayesiansk visavi frekventistisk statistik, osäkerheter, sannolikhetsfördelningar, väntevärde och varians. Vi behandlar parameteruppskattning: Momentmetoden, maximum-likelihood och minsta kvadratmetoden. Vi går igenom hypotestest såsom chi2 och Kolmogorov-Smirnov. Dessutom lär vi oss att skilja signal från bakgrund, behandla systematiska osäkerheter och att använda och implementera Monte Carlo-generatorer. Vi går igenom grunderna i dataanalys inom modern fysik, inklusive avfaltning av funktioner från data. Grundläggande orientering om vanliga mjukvaruverktyg, numeriska minimeringsprocedurer ingår. Studenter med mindre erfarenhet av programmering erbjuds också två handledda python-laborationer inom ramen för kursen

Undervisning

Föreläsningar i klassrum såväl som online, problemlösningssessioner och handledda datorlaborationer. Merparten av lärandet byggs upp kring tre uppsättningar inlämningsuppgifter, samtliga med en stark koppling till verkliga forskningsproblem. Varje sådan uppsättning följs av ett seminarium som alla elever som lämnat in lösningar bjuds in till. Vid dessa seminarier presenterar eleverna sina lösningar både i helklass och i mindre grupper, och diskuterar dem i detalj. Dessutom skall varje deltagare att genomföra ett miniprojekt där skall definiera ett problem kopplat till den egna forskningen. Doktoranden ska visa att problemet kan lösas med de metoder som lärs ut i kursen. Projektet presentera för klassen i en särskild workshop, som organiseras som en minikonferens för att ge doktoranderna erfarenhet och självförtroende till framtida konferenser. Under workshopen bjuds deltagarna på fika. Under kursens gång får doktoranderna individuell skriftlig feedback på sina lösningar och sitt miniprojekt i en iterativ process. På så sätt får de arbeta aktivt med materialet, under ledning av läraren, på ett sätt som är nära kopplat till hur forskning bedrivs inom och utanför akademin.

Examination

Online-quiz, inlämningsuppgifter, presentation av miniprojekt samt aktivt deltagande i seminarierna. Det senare betyder att studenterna ska vara beredda att presentera och diskutera sina lösningar inför helklass och i små grupper.

Examinator

Karin Schönning, karin.schonning@physics.uu.se

Huvudansvarig institution

Institutionen för fysik och astronomi

Kontaktperson/er

Karin Schönning, Karin.schonning@physics.uu.se

Ansökan

Skicka anmälan till kursen till: kurskansli@physics.uu.se
Skicka anmälan senast: 15 oktober 2025