Datenanalyse in Physik und Astronomie

Sommermester 2024

Dozent PD Dr. Markus Röllig Inhalt In der Vorlesung werden die Grundlagen der Datenanalyse sowie die Anwendung statistischer Methoden auf Daten aus der Astronomie und anderen Gebieten vorgestellt. Der Kurs behandelt folgende Themen: Deskriptive Statistik, Fehler und Unsicherheiten, Fehlerfortpflanzung, Wahrscheinlichkeit, Wahrscheinlichkeitsverteilungen, mathematische Statistik (induktive Statistik bzw. Inferenzstatistik), Datenglättung, Interpolationsverfahren, Regressionsanalyse, Multivariate Verfahren, Methode der kleinsten Quadrate, Korrelationsanalyse, Hypothesentests und Anpassungstests.

Praktische Aspekte, wie Datenvisualisierung, Datenformate sowie die Arbeit mit realen Daten spielen eine besonders wichtige Rolle. Bei ausreichend Zeit werden zusätzliche Themen wie Bildbearbeitung, astronomische Datenreduktion und andere vorgestellt. Vorlesungsinhalte werden oft anhand realer, astronomischer Daten vorgestellt. Die Inhalte der Vorlesung sind aber auf alle wissenschaftlichen Gebiete anwendbar.

NEW: Wir werden ebenfalls Konzepte aus dem Breich Maschinelles Lernen und Neuronale Netze einf&uum;hren und Annwendungen besprechen.

The lecture introduces the basic aspects of data analysis and the application of statistical methods to data in astronomy and other physical sciences.
The course covers the following topics:
Descriptive statistics, uncertainties and errors, error propagation, probability distributions, statistical inference, data smoothing, interpolation, regression, multivariate analysis, least-squares fitting, correlation analysis, hypothesis testing, correlation and testing fits.
We will also cover practical aspects, such as plotting and presenting data, data formats, and work with real data. If time allows additional topics like image processing, astronomical data reduction, and others.
The course will often use real astronomical data or applications from astronomy, but the contents of the course are of course applicable to all physical sciences.

NEW: We will also cover machine learning and neural networks (introduction and applications)

Raum und Uhrzeit

Raum: Phys 02.201b
Zeit: dienstags um 12:00 c.t.
Erste Vorlesung: Dienstag, 16.04.2024, 12:00 c.t.

DISCORD invitation
Course communication, such as file exchange, will take place via discord.

Sprache

Vorlesungssprache ist englisch . (Lecture will be taught in English.)

Das Vorlesungsskript wird in englisch bereit gestellt. Vorlesungen werden auf Video aufgezeichnet und eine Woche vor dem Termin zusammen mit dem Skript veröffentlicht. Während der Vorlesungszeit werden Probleme besprochen und weiterführende Beispiele besprochen. Mehr dazu im Lehrplan.

Lehrplan/Syllabus

Login/password information for the lecture notes are exp-astro/inetuser

Dozent

PD Dr. Markus Röllig

Themen der einzelnen Vorlesungen

• Introduction
• Data Visualization
• Descriptive Statistics
• Probabilities
• Probability Distributions
• Hypothesis Tests
• Hypothesis Tests for Categorical Variables
• Correlation
• Error Analysis
• Regression
• Data Modelling and Parameter Estimation
• Interpolation and Smoothing
• Feature Detection and Extraction
• Introduction to machine learning methods

Leistungsnachweis

Vorlesung: Schein

Studienleistungen gemäß Studienordnung Physik, (un)benotet, durch abschließende Hausarbeit/Datenanalyse zu ausgewählten Themen

Literatur

• Wall and Jenkins, Practical Statistics for Astronomers (Cambridge University Press)
• Feigelson and Babu , Modern Statistical Methods for Astronomy (Cambridge University Press)
• Bevington and Robinson, Data Reduction and error analysis for the physical sciences (McGraw-Hill)
• Taylor, An Introduction to error analysis (Springer)
• Press et al., Numerical Recipes, (Cambridge University Press), available online
• Jean-Luc Starck and Fionn Murtagh, Handbook of Astronomical Data Analysis, free ebook
• Lecture notes of the The Summer School in Astrostatistics 2009
• Coursera Online course : Data Analysis and Statistical Inference, Duke University
• Coursera Online course : Data-driven Astronomy, The University of Sydney
• Lecture notes on Astrostatistics, from John Peacock, Royal Observatory Edinburgh

Weiter Resourcen werden in der Vorlesung benannt.