Peak-Fit

Eine häufige Anwendung für nicht-lineares fitten ist der "Peak-Fit". Dabei wird als Modell eine Kombination von Peak-Funktionen angesetzt. Der Experimental Data Analyst unterstützt verschiedene Arten von Pear-Funktionen: Gauss, Lorentz und BreitWigner. Durch eine Kombination dieser und mit Hilfe von Anfangswerten für die Parameter können gute Ergebnisse erzielt werden.

Trotz der Werbe-Behauptungen für einige Produkte gibt es immer noch keine Möglichkeit, um automatisch bessere  Parameter zu finden, als ein Mensch es kann. Der Experimental Data Analyst stellt auch Funktionen zur Verfügung, um Startwerte für die Parameter zu finden, die in einfachen Fällen gute Ergebnisse liefern.

Es ist ziemlich deutlich, daß hier ein Peak existiert, so daß man sich gut auf den eingebauten Peak Such-Algorithmus verlassen kann.

Er schlägt eine  Funktion und zugehörige Startwerte für deren Parameter als Modell vor. Wir können diese als Parameter für die FindFit Routine benutzen, um einen kompletten Fit zu erhalten, der auch alle Fehler berücksichtigt.