これでデータの解析が可能となりましたが，ヒストグラムには問題があります．．．
まずは，binの範囲，そのものの値です．
たとえば，binの範囲を，
0-1
1-2
2-3
...
とします．
すると，
0.5は0-1，1.2は1-2の範囲に入ります．
この際の表示は，アプリにもよりますが，
0,1,2...もしくは，1,2,3...
となってしまいます．
しかし，正しくはその範囲の平均値ですので，
0.5, 1.5, 2.5...
です．
ここをちゃんとチェックしないとデータ自体が横軸にずれてしまいます．
次の問題はbinの大きさの設定の仕方です．
一般的に適当にbinをいじって，一番見栄えのいい結果を採用するのが人の心理です．
しかし，そうなると，”主観”が入ってしまうわけです．
サイエンスはできるだけ客観的にデータを解析しなくてはならないのですが，ヒストグラムを作成すること自体に主観が入ってしまいます．
データ量が多く，理想的な結果ならあまり問題はありませんが，実験結果は必ずしもそうではありません．
ですから，いかに客観的にデータを解析するかがサイエンスの鍵となります．
さらに問題が．．．
それは短いイベントを果たしてきちんと取得しているか，という問題です．
アンサンブル平均の場合，しかも単純な指数関数の減少の場合，非常に短い時間のイベントが大量に存在するはずです．
しかし，装置の時間分解能の限界などから，それら短いイベントをとらえられない場合が少なくありません．
するとどうなるでしょう？
一次反応の場合，ヒストグラムをとると，短いイベントの取得数が減るため，実際には単純な指数関数の減少なのに，左側のイベントが少なくなり，あたかも真ん中にピークを持つカーブとなってしまいます．
まるで，二つの指数関数の差のモデルのように．．．．
では，これらの結構シリアスな問題をどう改善したらよいでしょう？
