Lo que mencioné hace unas clases sobre los errores sistemáticos en Introduction to Statistics and Data Analysis for Physicists de Gerhard Bohm y Günter Zech:

Yo (Mauro) prefiero la versión de Bohm.
Lo que mencioné hace unas clases sobre los errores sistemáticos en Introduction to Statistics and Data Analysis for Physicists de Gerhard Bohm y Günter Zech:
Yo (Mauro) prefiero la versión de Bohm.
Hola, estoy muy enfermo y no voy a poder dar clase mañana, disculpas. Veremos como recuperar esta clase. Saludos,
Gustavo
Hola. El viernes 23/5 tendremos clase en el aula 2 del pabellón 1 (en lugar del aula 8 del pabellón 1). Saludos,
Gustavo
En la guía 5, agregamos un ejercicio nuevo: el 10. Lo vamos a ver el viernes en la práctica. Si pueden, traten de hacerlo. Es un ejercicio computacional para ver el efecto sobre el promedio de tener una resolución finita en las mediciones: ¿podemos obtener la precisión que queramos simplemente aumentando el número de muestras?
PD: agregamos el notebook de la clase a Material Adicional.
Por el paro de transporte, mañana no va a haber práctica. Perdón por la hora. Si pueden ir, en principio, la teórica no se suspende.
En la práctica, teníamos pensado resolver el parcial. Mientras tanto, si quieren leer sobre el ejercicio 4, y, en particular, como aprovechar las mediciones intermedias, está explicado acá: https://maurosilber.github.io/python-tutorial/estadistica/mediciones-consecutivas.html
Siendo la última clase antes del parcial, mañana arrancamos antes, a las 10, con consultas.
Y ya tenemos asignada el aula para el parcial del martes: aula magna del pabellón 2.
Como les dijimos la clase pasada, actualizamos el material adicional con el resumen de las distribuciones:
Y subimos otras cosas:
Para la clase que viene, estaría bueno que noten de este último que en las distribuciones marginales “se pierde” la correlación (o dependencia, más en general).
También estuvimos actualizando las guías:
El G4E8 lo vamos a ver la clase que viene.
En material adicional, subimos un resumen de las distribuciones de probabilidad: discretas, continuas y la relación entre Poisson y exponencial. También agregamos unos links a tutoriales de Python y un problema computacional en la guía 3.
En la parte de Material Adicional, dejé este link a un colab que muestra como usar el modulo stats de SciPy, donde tienen ya definidas varias variables aleatorias con sus distribuciones de probabilidad y otras cosas utiles.
Ojo con la binomial negativa, que hay multiples definiciones y en SciPy usan una distinta a la de la guía 2.
Hola. Está abierta la posibilidad de inscribirse al curso tanto para estudiantes de grado como posgrado. La reinscripción estará abierta hasta el 1/4/2025.
Saludos, Gustavo