Предисловие

Современный эксперимент практически невозможен без статистического анализа данных. От выбора функции правдоподобия, корректного учёта фона и систематических неопределённостей, построения доверительных интервалов и проверки гипотез напрямую зависит физический результат. Поэтому статистика в экспериментальной физике — не вспомогательный раздел, а один из основных рабочих инструментов исследователя.

Этот курс посвящён именно тем методам статистического анализа, которые действительно нужны на практике. Он основан на личном опыте автора, накопленном за три десятилетия работы с экспериментальными данными в физике элементарных частиц, нейтринной физике и астрофизике. Здесь изложено не всё, что можно найти в обширной литературе по математической статистике, а прежде всего то, что регулярно используется в реальном анализе данных и помогает получать надёжные, физически осмысленные результаты.

Основная цель курса — дать читателю не только набор формул и алгоритмов, но и понимание того, как мыслить статистически в контексте эксперимента. Поэтому в книге сочетаются теоретическое изложение, разбор типичных задач и большое количество примеров, включая вычисления и код на Python в ноутбуках. Такой формат позволяет не просто прочитать материал, но и сразу воспроизвести ключевые результаты, проверить их на игрушечных моделях и использовать как основу для собственной работы.

При изложении я стремился к простоте, ясности и практической направленности. По возможности обсуждаются физический смысл методов, область их применимости, типичные ошибки и ограничения. Особое внимание уделено тем вопросам, с которыми студент, аспирант или молодой исследователь действительно сталкивается при анализе экспериментальных данных.

Курс создан в рамках программы «Физика нейтрино и астрофизика», однако его содержание значительно шире и может быть полезно всем, кто занимается экспериментальной физикой и обработкой данных. Он рассчитан на студентов старших курсов, аспирантов и исследователей, уже знакомых с основами теории вероятностей, математического анализа и программирования на Python.

Я надеюсь, что этот курс поможет читателю перейти от формального знакомства со статистическими методами к их уверенному и осмысленному применению в реальной научной работе.