Everything You Wanted to Know About Data Analysis and Fitting but Were Afraid to Ask

این یادداشت‌ها نحوه میانگین‌گیری و برازش داده‌های عددی را که از طریق شبیه‌سازی یا اندازه‌گیری به‌دست آمده‌اند را توضیح می‌دهند. پس از مقدمه ای در مورد چگونگی تخمین مقادیر مختلف میانگین، آنها در مورد چگونگی تعیین نوارهای خطا در آن تخمین ها و چگونگی ادامه برای ترکیب مقادیر اندازه گیری شده بحث می کنند. تکنیک‌های برازش داده‌ها به مجموعه‌ای از مدل‌ها در بخش دوم این یادداشت‌ها توضیح داده خواهد شد. این آغازگر خوانندگان را مجهز می کند تا به درستی نتایج پوشش داده شده را استخراج کنند و محتوا را به سبکی مناسب برای مخاطبان فیزیک ارائه کنند. همچنین شامل اسکریپت‌هایی در پایتون، پرل و gnuplot برای انجام تعدادی از وظایف در تجزیه و تحلیل داده‌ها و برازش است، بنابراین راهنمای مرجع مفیدی را در اختیار خوانندگان قرار می‌دهد.

These notes describe how to average and fit numerical data that have been obtained either by simulation or measurement. Following an introduction on how to estimate various average values, they discuss how to determine error bars on those estimates, and how to proceed for combinations of measured values. Techniques for fitting data to a given set of models will be described in the second part of these notes. This primer equips readers to properly derive the results covered, presenting the content in a style suitable for a physics audience. It also includes scripts in python, perl and gnuplot for performing a number of tasks in data analysis and fitting, thereby providing readers with a useful reference guide.