# Laboratorio 2 - I Modulo

## Contenuto del corso di calcolo

  * Questo corso ha lo scopo di insegnare alcuni strumenti
    di *programmazione* e di *calcolo per l’analisi statistica dei dati*
  * Ogni lezione è dedicata ad un argomento specifico,
    ed è composta da una parte introduttiva frontale
    seguita dallo svolgimento di diversi esercizi proposti al termine della prima parte
  * Utilizzeremo i seguenti strumenti:
    * Il linguaggio di programmazione [```C++```](http://www.cplusplus.com/) per risolvere i problemi assegnati
    * Il framework di analisi dati [```ROOT```](https://root.cern.ch/) (sviluppato al CERN per l'analisi dati)
  * NOTA BENE: Gli strumenti scelti per il corso sono semplicemente un mezzo per
      * imparare la **logica della programmazione**,
      * per esercitarsi nella **scrittura di algoritmi**
      * per svolgere **esercizi di analisi dati**
  * Gli esercizi svolti a lezione corridspondo al livello di difficoltà medio
    degli esercizi proposti nelle prove di esame

![linea](immagini/linea.png)

## Lezioni del corso

  * [Prerequisiti](Prerequisiti/README.md): breve riassunto di prerequisiti che non saranno coperti durante il corso
  * [Ripasso](Ripasso/README.md) : ripasso di ```C```
  * [Lezione 1](Lezione_01/README.md) : strutturazione di un programma ed introduzione al ```C++```
  * [Lezione 2](Lezione_02/README.md) : programmazione ad oggetti: le classi
  * [Lezione 3](Lezione_03/README.md) : visualizzazione dei dati con ROOT
  * [Lezione 4](Lezione_04/README.md) : la generazione di numeri pseudo-casuali
  * [Lezione 5](Lezione_05/README.md) : programmazione ```template``` e Standard Template Library
  * [Lezione 6](Lezione_06/README.md) : zeri ed estremanti di funzioni
  * [Lezione 7](Lezione_07/README.md) : la distribuzione di Poisson
  * [Lezione 8](Lezione_08/README.md) : toy experiment ed integrazione con tecniche Montecarlo
  * [Lezione 9](Lezione_09/README.md) : disegno della funzione di verosimiglianza
  * [Lezione 10](Lezione_10/README.md) : stime di parametri: il massimo della verosimiglianza
  * [Lezione 11](Lezione_11/README.md) : stime di parametri: i minimi quadrati
  * [Lezione 12](Lezione_12/README.md) : stime di parametri: fit di istogrammi

![linea](immagini/linea.png)

## Argomenti di approfondimento

  * [Approfondimento 1](Appendice_01/README.md) : algoritmi predefiniti nelle *Standard Template Library* (STL)
  * [Approfondimento 2](Appendice_02/README.md) : programmazione ad oggetti: l'ereditarietà ```public```
  * [Approfondimento 3](Appendice_03/README.md) : approfondimenti sulle ```STL```
  * [Approfondimento 4](Appendice_04/README.md) : il caso lineare dei minimi quadrati: una soluzione esplicita
  * [Approfondimento 5](Appendice_04/README.md) : il salvataggio su file di classi di ROOT