Glätten von Daten

Eine andere Art Fehler in Daten zu behandeln besteht darin, sie durch Glätten zu entfernen. Als Beispiel hier die Cobalt60 Daten:

Genauso wie in anderen Teilen des Experimental Data Analyst haben wir viel Kontrolle über den verwendeten Algorithmus und dessen Parameter, falls wir uns damit im Detail beschäftigen wollen.

Sind beispielsweise aufeinanderfolgende Werte so voneinander abhängig, daß ein positiver Fehler in einem Wert durch einen negativen Fehler im anderen kompensiert wird, so wäre die Methode "WeightedAverage" am besten angebracht.

Wissen wir hingegen, daß die Fehler durch Rauschen begründet sind, so können wir sie über die Frequenz mittels "WeightedFourier" ausfiltern.