本书是一本关于数据处理与误差分析的实用手册。全书主要介绍了实验数据的表示以及实验误差和不准确性的重要概念和方法，包括引言、物理量及其不准确性的表示、误差的分类和传递、概率分布、实验数据处理、数据及其误差的图形处理、数据的拟合函数以及回归贝叶斯分析，侧重于如何在实验数据给定的条件下确定理论中的参数值和不准确性的最优估计。同时，为满足读者的进一步需求，本书在附录部分给出了背景资料和部分理论推导。全书内容结合了图形、应用实例和计算机程序，能使读者快速掌握科学数据的正确表示、处理和不确定性分析，涵盖了实验的所有重要组成部分，包括实用性指导、计算机程序（Python语言）以及实验误差处理和报告实验数据的方法。
本书内容广泛，实例丰富，简单实用，适用于理工科的本科生和研究生，也适用于统计数据分析的理论研究者以及对数据处理、误差分析及它们的应用感兴趣的读者。本书可以作为误差分析的教学用书，也可供实际应用参考。

译者序
导读
前言
第1部分 数据与误差分析
第1章 引言
第2章 物理量及其不准确性的表示
2.1 如何报告一系列测量值
2.2 数字的表示
2.3 不确定度的表示
2.4 单位的报告
2.5 实验数据的图形表示
习题
第3章 误差的分类和传递
3.1 误差分类
3.2 误差传递
习题
第4章 概率分布
4.1 简介
4.2 概率分布的性质
4.3 二项分布
4.4 泊松分布
4.5 正态分布
4.6 中心极限定理
4.7 其他分布
习题
第5章 实验数据处理
5.1 数据列的分布函数
5.2 数据列的平均值和均方偏差
5.3 均值和方差估计
5.4 均值的精度与学生t分布
5.5 方差的精度
5.6 不等权数据处理
5.7 稳健性估计
习题
第6章 数据及其误差的图形处理
6.1 简介
6.2 函数的线性化
6.3 参数精度的图形估计
6.4 校准
习题
第7章 数据的拟合函数
7.1 简介
7.2 线性回归
7.3 一般小二乘拟合
7.4 卡方检验
7.5 参数的精度
7.6 拟合显著性的F检验
习题
第8章 回归贝叶斯分析
8.1 直接概率和逆概率
8.2 走进贝叶斯
8.3 先验的选择
8.4 贝叶斯推断的三个例子
8.5 结论
参考文献
习题答案
第2部分 附录
附录A 合成不确定度
附录B 随机误差引起的系统偏差
附录C 特征函数
附录D 从二项分布到正态分布
附录E 中心极限定理
附录F 方差估计
附录G 均值的标准偏差
附录H 不等方差下的权重因子
附录I 小二乘拟合
第3部分 Python代码
第4部分 科学资料