Probabilità e incertezza di misura (40 ore) (G. D'Agostini) - Introduzione critica. - Concetto e valutazione della probabilità. Regole di base della probabilità. Variabili e vettori casuali discreti e continui; distribuzioni notevoli. Principale teoremi del calcolo delle probabilità. Distribuzioni di funzioni di variabili casuali (propagazione delle incertezze): metodi esatti e approssimati. Metodi di Monte Carlo per simulare eventi aleatori. Linguaggio R. - Probabilità degli effetti e probabilità delle cause: approccio bayesiano all'inferenza statistica. Reti bayesiane. JavaBayes e HUGIN. - Casi notevoli di inferenza con verosimiglianza gaussiana ("errori di misura"), binomiale ("proporzioni" e "efficienze") e poissoniane ("conteggi"). Metodi approssimativi - Combinazioni di risultati. Incertezze dovute ad errori sistematici e loro combinazione con incertezze di altro tipo. - Casi critici di fisica di frontiera. - Fit: approccio generale, dettaglio in casi semplici; metodi approssimativi (minimi quadrati, etc). - Casi critici di fisica di frontiera. Upper/lower limits. Test di ipotesi Vs probabilità delle ipotesi. - Questioni computazionali: approssimazione gaussiana, prior coniugate, Metodi di Monte Carlo, ed in particolare Marcov Chain Monte Carlo (MCMC). Introduzione a BUGS. Bibliografia: http://www.roma1.infn.it/~dagos/biblio_dottorato.html