实验科学里，一个新的发现能否被认可，关键在于能否被其他科学家按照相同方法重复。如果实验没有得到其他科学家重复性实验的验证，无论发现多么惊人，都是没有价值的“偶然事件”，要么是数据造假，要么存在未被排除的干扰因素。所以合格的lab report写作花样繁多，而顶尖的lab report却是惊人的相似！
以下三个要素对于Lab Report写作的可重复性至关重要，也是高中实验报告到专业实验报告的完美蜕变。让我们跟着学霸的脚步一起学习一下~
1.Assumption
Assumption，即假设条件，假设客观条件的成立对于实验的结果和分析有重要的影响。比如在物理自由落体实验中，我们可以忽略不计物体下落过程中所受到的空气阻力。这样看似理所当然的假设条件有时会在题目中省略，但对于一丝不苟的实验来说，∂是必不可少的。
此外，一些无法完全被控制，但变化小到影响不了实验结果的因素（恒温、恒压、酸碱环境稳定、物理量近似值等等），都可以加入到Assumption中，既体现实验的严谨程度，也使实验结果更加客观。
2.Data Reduction
Data Reduction，即实验数据简化和处理，对于信息量庞大的实验尤其重要。不同于基础的实验数据收集，很多复杂的实验需要说明实验者是怎样对收集到的数据进行处理并得到结果的。
首先，并不是所有收集到的数据都是有效数据，因此如何进行有效数据的定义、如何去除一些异常实验值（outlier）也是实验严谨的体现。
同时，我们运用了什么公式和统计模型来处理数据，对得出实验的结论也有影响。不同的公式运用会造成不同的计算结果和实验误差，对于结果的可重复性验证也必不可少。遇到一些复杂的计算和建模，如果需要借助部分计算软件或者作图软件来显示，也可以加到这部分中来。
3.Uncertainty/Error Analysis
误差的计算和分析通常紧跟着Data Reduction，在Results/Discussion之前。实验误差是实验测量值（包括直接和间接测量值）与真值（客观存在的准确值）之差，有一下几个特质：
非零性：不管人们主观愿望如何，无论人们在测量过程中怎样精心细致地控制，误差还是要产生的，不会消除。
随机性：在相同的实验条件下，对同一个研究对象反复进行多次的实验、测试或观察，所得到的竟不是一个确定的结果，即实验结果具有不确定性。
未知性：通常情况下，由于真值是未知的，研究误差时一般都从偏差入手。
实验报告
根据实验误差的性质及产生的原因，可将误差分为系统误差、随机误差和粗大误差三种，而实验中我们一般会估算前两种因素导致的每个数据误差（比如用最小刻度为1mm的尺子量长度误差为0.5mm，用最小刻度为1g的天平量质量误差为0.5g等等），再根据误差传播公式（error propagation formula）来计算最后实验结果的误差，和置信区间进行对比，从而使实验的结果更加科学客观。