Análise de Dados em Astronomia

AGA-0505

Primeiro Semestre de 2025

Professor: Laerte Sodré Jr.

laerte.sodre@iag.usp.br

Monitor: Nathan Vieira de Oliveira

nathanoliveira044@usp.br


aulas: sala B-301 (Laboratório de Informática)

Horário:


Objetivos:

ensinar noções práticas de estatística aplicada à análise de dados

foco em técnicas úteis para a Astronomia

aplicações em R (ver https://www.r-project.org/)

curso prático: entender e saber aplicar os conceitos


Avaliação:


os exercícios são individuais!

  • você pode trabalhar com outros alunos, mas deverá apresentar seus próprios materiais e código, mostrando a lógica por trás do trabalho

  • você pode usar o chatGPT ou outra ferramenta, mas não apresente materiais gerados por IA como se fossem seus e verifique sempre se eles estão certos!



  • Programa

  • 1. Introdução: Probabilidades e Estatística

  • 2. Probabilidades

  • 3. Distribuições de Probabilidades

  • 4. Simulações

  • 5. Testes de Hipótese

  • 6. O Método da Máxima Verossimilhança

  • 7. Inferência Bayesiana

  • 8. Comparação Bayesiana de Modelos

  • 9. Aprendizado de Máquina: Princípios Gerais

  • 10. Aprendizado de Máquina: Regressão e Classificação

  • 11. Aprendizado de Máquina: Deep Learning

  • 12. Séries Temporais


  • Aulas

    Aula 1- Introdução: probabilidades e estatística
  • aula 1 (pdf)
  • R1.html
  • dados: novais.txt

    Aula 2- Probabilidades
  • aula 2 (pdf)
  • R2.html

    Aula 3- Distribuições de probabilidades
  • aula 3 (pdf)
  • R3.html
  • completando o quadrado (pdf)

    Aula 4- Amostragem e Simulações
  • aula 4 (pdf)
  • R4.html

    Aula 5- Inferência Bayesiana
  • aula 5 (pdf)
  • aula5_25.html
  • dados: contagensX.dat
  • dados: McConnell_Ma_2013_ascii.txt

    Aula 6- Comparação de Modelos
  • aula 6 (pdf)
  • aula6_25.html

    Aula 7- Alguns Métodos Frequentistas
  • aula 7 (pdf)
  • aula7.html
  • dados: tab_virgo.dat
  • dados: NGC4472_profile.dat

    Aula 8- Aprendizado de Máquina: Princípios Gerais
  • aula 8 (pdf)
  • aula8_25.html
  • dados: ell.dat
  • dados: rmixgmr.dat
  • dados: spec100c.dat- espectro do contínuo + linhas de absorção de 100 galáxias
  • dados: spec100cl.dat- idem mais as linhas de emissão
  • dados: zspec.dat- redshifts espectroscópicos entre 0 e 0.5 em uma certa região do céu
  • dados: qso_est_gal.dat- fotometria do S-PLUS de 3000 objetos classificados como QSOs, estrelas ou galáxias

    Aula 9- Aprendizado de Máquina: Regressão e Classificação
  • aula (pdf)
  • aula9_25.html
  • dados: splus-mag-z.dat
  • dados: dadosparaestrelagalaxia.dat

    Aula 10- Aprendizado de Máquina: Deep Learning
  • aula (pdf)
  • aula10_25.html