Physikpraktikum 3 + 4 – Physics Lab 3 + 4
im Physikpraktikum des Physikdepartements
Datenanalyse – Data Analysis
HS19 version of the Data Analysis Toolbox material:
(scroll down to see other links )
- Syllabus and Organization slides
- Lecture 1 slides
- Lecture 2 slides
- Lecture 3 slides
- Lecture 4 slides
- Lecture 5 slides
- Lecture 6 slides
- Lecture 7 slides
Basic Level: "Introduction to error analysis", J.R. Taylor
University Science books: ISBN-10: 093570275X
Intermediate Level: "Statistics for nuclear and particle physics", L.Lyons,
Cambridge University Press; ISBN-10: 0521379342
Advanced Level: "Statistical data analysis", G. Cowan,
Oxford University Press; ISBN-10: 0198501552
Material from previous courses
Data Analysis Toolbox 2019:
Syllabus and organization: slides
Moodle course: course
Data Analysis Toolbox 2018:
Syllabus and organization: slides
Moodle course: course
Datenanalyse 2016:
Übersicht: pdf
03Oct2016 (Modelle und Likelihood)
10Oct2016 (Gauss'sche Datenanalyse bei bekannten Fehlerbalken)
17Oct2016 (Genauigkeit der Schätzwerte)
Concept questions
24Oct2016 (Fehlerbalken unbekannt: Methode der kleinsten Fehlerquadrate)
31Oct2016 (Fehlerfortpflanzung)
07Nov2016 (Histogramme fitten)
14Nov2016 (Lineare Regression mit Fehlern in x und y)
Datenanalyse 2013-2015
Vorlesung 1: Aktivität einer radioaktiven Quelle
- Handschriftliche Notizen des Dozenten: pdf
- Vorlesungsskript: pdf
- Power-point Folien: pdf
- Formelsammlung: Grundregeln der Wahrscheinlichkeitsrechnung (pdf)
- Mathematica: Gute Beispielgraphiken - Binomialverteilung (pdf, Mathematica Notebook) - Poissonverteilung (pdf, Mathematica Notebook), Gammaverteilung (pdf, Mathematica Notebook)
- Python: Gute Beispielgraphiken - Binomialverteilung (pdf, Python script) - Poissonverteilung (pdf, Python script) - Gammaverteilung (pdf, Python script)
- Matlab: Gute Beispielgraphiken - Binomialverteilung (pdf, Matlab script) - Poissonverteilung (pdf, Matlab script) - Gammaverteilung (pdf, Matlab script)
- R: Gute Beispielgraphiken - Binomialverteilung (pdf, R script) - Poissonverteilung (pdf, R script) - Gammaverteilung (pdf, R script)
- Handschriftliche Notizen des Dozenten: pdf
- Vorlesungsskript: pdf
- Power-point Folien: pdf
- Beispieldaten zur linearen Regression: csv (Format: csv = comma-separated value)
- Mathematica: Einführung und Lineare Regression (pdf, Mathematica Notebook)
- Python: Einführung und Lineare Regression (pdf, Python script)
- Matlab: Einführung und Lineare Regression (pdf, Matlab script)
- Handschriftliche Notizen des Dozenten: pdf
- Vorlesungsskript: pdf
- Power-point Folien: pdf
- Mathematica: Verteilungsfunktionen und ihre charakteristischen Kenngrössen (pdf, Mathematica Notebook)
- Vorlesungsskript: pdf
- Power-point Folien: pdf
- Beispieldaten Fallexperiment: csv (Format: csv = comma-separated value)
- Mathematica: Nichtlineare 'least mean square fits' (pdf, Mathematica Notebook)
- Python: Nichtlineare 'least mean square fits' (pdf, Python script)
- Matlab: Nichtlineare 'least mean square fits' (pdf, Matlab script)
- Vorlesungsskript: pdf
- Power-point Folien: pdf
- Beispieldaten Gamma-Spektrum: csv (Format: csv = comma-separated value)
- Mathematica: Maximum Likelihood Methode (pdf, Mathematica Notebook)
- Python: Maximum Likelihood Methode (pdf, Python script)
- Matlab: Maximum Likelihood Methode (pdf, Matlab script)
- Handschriftliche Notizen des Dozenten: pdf
- Vorlesungsskript: pdf
- Power-point Folien: pdf
- Originalpaper zum Thema: Stephen F. Gull, Bayesian Data Analysis: Straight-line Fitting in: Maximum Entropy and Bayesian Methods, J. Skilling (ed.), (Kluwer Academic Publishers, Dordrecht, 1988), pp. 53-74.
- Beispieldaten mit Fehlern in x und y: csv (Format: csv = comma-separated value)
- Python: Geradenfit mit Fehlern in x und y (pdf, Python script)
- Mathematica: Geradenfit mit Fehlern in x und y (pdf, Mathematica Notebook)
- Matlab: Geradenfit mit Fehlern in x und y (pdf, Matlab script)
Begriffe aus der Messtechnik - Metrology Terms
- International vocabulary of metrology (BIPM, Bureau International des Poids et Measures)
- Accuracy and Precision (by Rafael Mottl & Thomas Uehlinger)
- Measurement-Range & Resolution (by Pauline Simonet & Clément Barraud)
- Sensitivity, Dynamic Range & Bandwith (by Aleksey Kozikov)
- Bias (by Alex Howard)