Scheda programma d'esame
LABORATORIO 1 CON ELEMENTI DI COMPUTAZIONE
LUCA BALDINI
Anno accademico2020/21
CdSFISICA
Codice367BB
CFU15
PeriodoAnnuale

ModuliSettoreTipoOreDocente/i
ELEMENTI DI PROGRAMMAZIONEFIS/01LEZIONI32
LUCA BALDINI unimap
ANDREA TOMADIN unimap
LABORATORIO DI FISICAFIS/01LABORATORI180
LUCA BALDINI unimap
GIULIA CASAROSA unimap
SERGIO GIUDICI unimap
ANGELA PAPA unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

Le conoscenze di base che il corso punta a trasmettere sono le seguenti

  • il concetto di incertezza di misura;
  • rappresentazione e riduzione dei dati;
  • i concetti di base della statistica applicata all'analisi dei dati in Fisica;
  • le leggi dell'ottica geometrica;
  • le basi della comunicazione scientifica;
  • algoritmi e strutture dati
  • struttura del linguaggio di programmazione Python ed ecosistema scientifico;

 

Knowledge

The course is aiming at in troducing:

  • the concept of measurement error;
  • data representation and reduction;
  • basic statistical concepts related to data analysis in Physics;
  • the law of geometrical optics;
  • the basics of scientific communication;
  • algorithms and data structures;
  • the Python programming language and its scientific ecosystem.
Modalità di verifica delle conoscenze

Lo studente dovrà dimostrare l'abilità di mettere in pratica criticamente gli argomenti del corso durante esperienze pratiche che verranno assegnate.

Sarà richiesta la stesura di relazioni di laboratorio settimanali relative alle attività pratiche. L'esame finale consisterà in una parte pratica/scritta (una relazione individuale su un esperimento specifico) ed una parte orale.

 

Assessment criteria of knowledge

The students must demonstrate the ability to put into practice and to execute, with critical awareness, the activities illustrated or carried out under the guidance of the teacher during the course.

The students are required to produce weekly laboratory reports throughout the academic year. The final exam will consists of a practical/witten part (with an individual report on a specific experiment) and an oral part.

Capacità

Al completamento del corso lo studente avrà acquisito le capacità di

  • eseguire semplici misure di meccanica, termologia ed ottica geometrica;
  • stimare le incertezze di misura ad esse associate;
  • applicare gli strumenti statistici di base per l'analisi dei dati;
  • utilizzare il calcolatore per rappresentare ed analizzare le misure;
  • valutare la compatibilità tra un insieme di misure sperimentali ed un modello;
  • descrivere il risultato di una misura nella forma di una relazione scritta;
  • utilizzare criticamente il calcolatore
  • scrivere ed eseguire un script Python per analisi e presentazione dei dati;
  • utilizzare LaTeX per la redazione delle relazioni.
Skills

The student who successfully completes the course will have the ability to:

  • perform simple measurements related to mechanics, thermologi and geometric optics;
  • estimate the uncertainties associated with the measurements;
  • apply the basic statistical tools to experimental data analysis;
  • use the computer to plot and analyze data;
  • test the compatibility between the measurements and a give model;
  • describe a specific measurement in the form of a written report;
  • consciously operate a traditional desktop computer
  • write and execute a Python script for data analysis and presentation;
  • use LaTeX for the written reports.
Modalità di verifica delle capacità

Lo studente dovrà dimostrare l'abilità di mettere in pratica criticamente gli argomenti del corso durante esperienze pratiche che verranno assegnate.

Sarà richiesta la stesura di relazioni di laboratorio settimanali relative alle attività pratiche. L'esame finale consisterà in una parte pratica/scritta (una relazione individuale su un esperimento specifico) ed una parte orale.

Assessment criteria of skills

The students must demonstrate the ability to put into practice and to execute, with critical awareness, the activities illustrated or carried out under the guidance of the teacher during the course.

The students are required to produce weekly laboratory reports (in groups) throughout the academic year. The final exam will consists of a practical/witten part (with an individual report on a specific experiment) and an oral part.

Prerequisiti (conoscenze iniziali)

I prerequisiti del corso sono costituiti essenzialmente dalla matematica delle scuole superiori:

  • aritmetica ed algebra elementari;
  • funzioni e grafici cartesiani;
  • logaritmi, esponenziali, leggi di potenza, funzioni trigonometriche;
  • sommatorie;
  • element di calcolo infinitesimale: limiti, derivate, integrali;
  • conoscenza elementare della lingua Inglese;
  • utilizzo di un browser.
Prerequisites

The prerequisites of the course consist in the basic high-school-level math:

  • arithmetics and algebra;
  • functions and cartesian graphs;
  • logarithms, exponentials, power laws, trigonometric functions;
  • sums;
  • basic calculus: limits, derivatives, integrals;
  • basic knowledge of the English language;
  • knowledge of a web browser.
Corequisiti

Accesso ad un computer (desktop/laptop) e possibilità di installare software.

Co-requisites

Access to a desktop/laptop computer and possibility to install software on it.

Indicazioni metodologiche

La didattica è erogata da remoto, e le attività includono:

  • lezioni teoriche;
  • esperienze pratiche;
  • esperienze al calcolatore;
  • preparazione di relazioni scritte.
Teaching methods

Delivery: online. Learning activities include:

  • theory lectures;
  • practical experiments;
  • practical computer activity;
  • preparation of written reports.
Programma (contenuti dell'insegnamento)

Argomeniti del programma:

  • misure, unità, incertezze;
  • riduzione e rappresentazione dei dati: tabelle, grafici, istogrammi;
  • teoria delle probabilità: distribuzioni discrete e continue, valori di aspettazioni, varianza e deviazione standard;
  • statistica elementare, stima dei parametri;
  • covarianza e correlazione;
  • il teorema centrale del limite.
  • metodi di fit, fit dei minimi quadrati;
  • introduzione al calcolatore;
  • la shell di Unix;
  • linguaggi di programmazione compilati ed interpretati;
  • Python: sintassi, tipi di dati, controllo di flusso, oggetti, I/O;
  • l'ecosistema scientifico di Python;
  • LaTeX.
Syllabus

Topics:

  • measurements, units, errors;
  • data reduction and representation: tables, graphs, scatter plots, histograms;
  • elementary probability theory, discrete and continuous distributions, expected value, variance and standard deviation;
  • elementary statistical theory, estimation of parameters;
  • covariance and correlation
  • the central limit theorem
  • parameter fit, least squares fitting;
  • introduction to digital computers;
  • the unix shell;
  • interpreted and compiled programming languages;
  • Python: syntax, data types, flow control, objects, I/O;
  • the Python scientific ecosystem;
  • LaTeX.
Bibliografia e materiale didattico

Le dispense del corso contengono tutto il materiale necessario per o studio, e sono liberamente reperibili a

https://bitbucket.org/lbaldini/statnotes/wiki/Home

Ulteriori risorse potenzialmente utili:

Bibliography

The course syllabus is, for the vast majority, covered by the lecture notes (in Italian) freely available at

https://bitbucket.org/lbaldini/statnotes/wiki/Home

More useful resources (mainly in Italian):

Indicazioni per non frequentanti

Da concordare con il docente.

Non-attending students info

To be negotiated with the teacher.

Modalità d'esame

Prova pratica con relazione scritta individuale e prova orale.

La consegna del 75% delle relazioni settimanali durante l'anno è di norma un prerequisito per l'ammissione alla prova finale.

Assessment methods

Practice with written report and oral examination.

75% of the weekly reports are a prerequite to be admitted to the final exam.

Ultimo aggiornamento 30/07/2020 12:05