Metodo Monte Carlo

A.A. 2022/23

Ricevimento GG XX:00-YY:00 , Via Vasca Navale 84

Introduzione al corso

Il corso mira a fornire gli elementi di base per la trattazione di problemi matematici e fisici tramite metodi che utilizzano numeri random. La prima parte del corso sarà dedicata all'introduzione degli strumenti matematici generali. La seconda parte riguarderà applicazioni degli strumenti acquisiti nella prima parte alla soluzione di problemi. Non e' obbligatorio ma e' fortemente consigliato essere a proprio agio nella programmazione. Possibilmente Python o Wolfram Mathematica.

Svolgimento delle lezioni: Lezioni frontali (circa 24 ore) ed Esercitazioni di Laboratorio (circa 36 ore). Nel corso delle Esercitazioni di Laboratorio ogni studente avra' a disposizione un Computer. I diversi temi discussi a lezione saranno oggetto delle Esercitazioni di Laboratorio, utilizzando Mathematica, Python o C++.

Valutazione tramite esame scritto e orale. Scritto: realizzazione di un programma per computer. L'esame scritto consistera' di due parti. La prima parte e' volta a verificare la conoscenza specifica dei metodi esposti a lezione. Nella seconda parte si richiedera' di applicare tali metodi in un contesto piu' ampio. Orale: discussione di una tesina su argomento a scelta dello studente tra una rosa di proposte. La preparazione della tesina richiede lo studio in autonomia di alcuni capitoli di un libro.

Introduction to the course

The course aims at presenting the basics of techniques used to deal with physics and math problems using randon numbebrs. The first part of the course is devoted to the presentation of the mathematical tools. The second part consists of a review of applications of these tools to concrete problems. A good practice of programming is not strictly mandatory but it is however strongly recommended. Preferably Python or Wolfram Mathematica.

Course delivery: Lectures (about 24 hours) and Activities in Laboratory (about 36 hours). During the Laboratory Activities, each student can access a Personal Computer. The topics discussed during the Lectures will be worked out during the Laboratory Activities, using Mathematica, Python or C++.

Evaluation by written and oral exams. Written test: design and coding of a computer program. The written exam consists of two parts. The first part is devoted to verify the specific knowledge of the techniques presented during the lectures. In the second part it will be required to apply these techniques in a broader context. Oral: discussion and presentation of a topic to be agreed upon. The preparation of this seminar will require personal study of some chapters of a book.

Programma Dettagliato

  • Presentazione dei problemi che di solito sono formulati come integrali su un grande numero di variabili

  • Elemento di base
    • Probabilità e variabili random DU1 (notes)
      Misure, inceretezze e loro propagazione TA1,2,3,4 (notes)(notes)
        - Propagazioni degli errori e Repliche (nb)
      Fit di una curva, minimi quadrati, ottimizzazione TA8,9 (nb)
      Integrazione numerica classica, velocità di convergenza WE2 (nb)
      Strategie di campionamento (riduzione della varianza, campionamento stratificato, variabili antitetiche) WE3 (ipynb)
  • Applicazioni
    • Propagazione delle incertezze Note
  • Applicazioni nel mondo reale
    • Shower di raggi cosmici
      Disponibilità di un sistema
      Ulteriori applicazioni

    Syllabus

  • Presentation of the problems that can be treated through integrals on large number of dimensions

  • Basics
    • Probability and Random variables
      Measurement, uncertainty and its propagation
      Curve-fitting, least-squares, optimization
      Classical numerical integration, speed of convergence
      Integration MC (Mean, variance)
      Sampling Strategies
  • Applications
    • Propagation of uncertainties
      Generation according to a distribution
  • Real World Applications
    • Cosmic Rays Shower
      System Availabilty
      Further applications

    Letture consigliate

    Suggested readings