Análise de Dados em Astronomia
AGA-0505
Primeiro Semestre de 2025
Professor: Laerte Sodré Jr.laerte.sodre@iag.usp.br
Monitor: Nathan Vieira de Oliveiranathanoliveira044@usp.br
aulas: sala B-301 (Laboratório de Informática)
Horário:
- 3a.f 14:00 - 16:00
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:
- listas: entregar antes da aula seguinte (ou subtração de 0.1 na nota por dia de atraso); o máximo atraso permitido será de 2 semanas
mande por email ao professor e ao monitor um arquivo pdf com a seguinte nomenclatura:
nome do aluno + número do exercício.pdf (exemplo: laertesodre02.pdf)
- prova final: 24/6
- nota final: 30% prova; 60% listas de exercícios; 10% participação nas aulas
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 estatísticaaula 1 (pdf) R1.html dados: novais.txt
Aula 2- Probabilidadesaula 2 (pdf) R2.html
Aula 3- Distribuições de probabilidadesaula 3 (pdf) R3.html completando o quadrado (pdf)
Aula 4- Amostragem e Simulaçõesaula 4 (pdf) R4.html
Aula 5- Inferência Bayesianaaula 5 (pdf) aula5_25.html dados: contagensX.dat dados: McConnell_Ma_2013_ascii.txt
Aula 6- Comparação de Modelosaula 6 (pdf) aula6_25.html
Aula 7- Alguns Métodos Frequentistasaula 7 (pdf) aula7.html dados: tab_virgo.dat dados: NGC4472_profile.dat
Aula 8- Aprendizado de Máquina: Princípios Geraisaula 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 Classificaçãoaula (pdf) aula9_25.html dados: splus-mag-z.dat dados: dadosparaestrelagalaxia.dat
Aula 10- Aprendizado de Máquina: Deep Learningaula (pdf) aula10_25.html