Cenni sui sistemi di acquisizione dati. Introduzione al concetto di segnale e suo trattamento.
Richiami di calcolo numerico: aritmetica finita su un calcolatore, stabilità degli algoritmi, contenimento degli errori di calcolo. Tecniche di interpolazione, splines, ricerca di estremi di funzioni, smoothing di funzioni.
Richiami di calcolo delle probabilità e statistica: concetti fondamentali, teorema di Bayes, pdf notevoli, funzioni caratteristiche, propagazione degli errori multidimensionale ed errori sistematici.
Cenni di statistica descrittiva.
Tests statistici e stima di parametri: test di ipotesi, lemma di Neyman – Pearson, statistiche lineari e funzione discriminante di Fisher , tecniche per la stima di parametri (maximum likelihood, chi2, momenti).
Introduzione ai metodi Monte Carlo: metodo Monte Carlo, calcolo di integrali, generatori di numeri casuali, applicazioni ed esempi.
Livelli di confidenza: intervalli di confidenza classici, esempi, caso multidimensionale.
Metodi di unfolding e filtraggio dei dati: il problema dell' unfolding, tecniche di regolarizzazione, esempi.
Introduzione alle neural nets: il modello di Hopfield, il perceptrone , le NN multilayers, esempi applicativi.