อะไรจะเป็นคำอธิบายสำหรับการสังเกตนี้?
- เส้นที่ผ่านใกล้ทุกจุดข้อมูลมีประโยชน์แต่ความชันอาจยังมีความไม่แน่นอน กราฟเป็นหลักฐานรองรับโมเดลในช่วงการวัด
- เริ่มต้นด้วยการทำนาย ระบุปริมาณหรือลักษณะที่คุณจะเปรียบเทียบ แล้วตัดสินใจว่าหลักฐานอะไรที่จะแยกแยะคำอธิบายสองแบบได้
สร้างโมเดล
- ความแปรปรวนแบบสุ่มทำให้การอ่านซ้ำต่างกัน ความคลาดเคลื่อนเชิงระบบ ทำให้ผลลัพธ์เบี่ยงเบนอย่างสม่ำเสมอ ความไม่แน่นอนสัมบูรณ์ มีหน่วยของการวัด; ความไม่แน่นอนสัมพัทธ์หรือเปอร์เซ็นต์ เปรียบเทียบความไม่แน่นอนกับค่าที่วัดได้
- uncertainty: ข้อจำกัดที่วัดได้ของผลลัพธ์; systematic error: ความเบี่ยงเบนของการวัดที่มีลักษณะสม่ำเสมอ
เลือกหลักฐานที่นำมาทดสอบได้
- สำหรับผลคูณหรือผลหาร การรวมความไม่แน่นอนสัมพัทธ์เป็นการประมาณค่าความไม่แน่นอนสูงสุดทั่วไป สำหรับผลต่าง ให้รวมความไม่แน่นอนสัมบูรณ์ ขาดตอนที่ไม่เป็นศูนย์อาจบ่งบอกถึงการเลื่อนตำแหน่งหรือโมเดลที่ไม่สมบูรณ์
- แสดงหน่วยบนแกนและเลือกสเกลที่เหมาะสม วาดแถบความไม่แน่นอนเมื่อจำเป็น วาดเส้นแนวโน้มที่ดีที่สุดแทนการเชื่อมทุกจุด และประมาณค่าความชันที่陡峭ที่สุดและชันน้อยที่สุดที่เป็นไปได้เมื่อวิธีการเรียนต้องการ
เริ่มจากปริมาณที่ทราบแล้ว
- ระบุค่าที่ทราบและหน่วยของมัน เลือกความสัมพันธ์โดยพิจารณาว่าข้อสมมติฐานสอดคล้องกับเคสนี้ แล้วจัดรูปสมการก่อนแทนค่า
- กำหนดให้: ความยาว = 50.0 mm พร้อม uncertainty 1.0 mm. Percentage uncertainty =绝对 uncertainty/value ×100 = 1.0/50.0×100 = 2.0%. สำหรับผลหารของปริมาณที่วัดอย่างอิสระสองชนิดที่มี percentage uncertainties สูงสุด 2% และ 3%, ค่าประมาณสูงสุดที่บวกกันคือ 5%
ตัวอย่าง:
การอ่านค่า 40 ซม. มีความไม่แน่นอนสัมบูรณ์ 1 ซม. หาความไม่แน่นอนร้อยละ ใช้ลำดับขั้นตอนเดียวกัน: ข้อมูล Known → โมเดล → ความสัมพันธ์ → แทนค่า → หน่วยและความหมาย
ตรวจสอบข้อสรุปและขอบเขต
- การอ่านซ้ำลดความไม่แน่นอนแบบสุ่มในค่าเฉลี่ยแต่ไม่ลบความผิดพลาดศูนย์อัตโนมัติ อย่าระบุทศนิยมมากกว่าที่เครื่องมือวัดรองรับ
- กลับไปที่การสังเกตเดิม อธิบายว่าผลลัพธ์นี้สนับสนุนสิ่งใด มีเงื่อนไขใดบ้าง และเป็นอย่างไรในการทดสอบคำอธิบายอื่นที่ขัดแย้งกัน
เตือน:
การทำซ้ำการวัดทุกครั้งสามารถลบค่าเบี่ยงเบนจากการปรับเทียบได้ Claim นี้เป็นเท็จ: การอ่านซ้ำลดความไม่แน่นอนแบบสุ่มในค่าเฉลี่ยแต่ไม่ลบความผิดพลาดศูนย์อัตโนมัติ อย่าระบุทศนิยมมากกว่าที่เครื่องมือวัดรองรับ
จุดสำคัญ:
ความไม่แน่นอน เกรเดียนต์ และการทดสอบโมเดล: สำหรับผลคูณหรือผลหาร การบวกความไม่แน่นอนแบบเศษส่วนเป็นการประมาณค่าความไม่แน่นอนสูงสุดที่พบบ่อย สำหรับผลต่าง ให้บวกความไม่แน่นอนสัมบูรณ์ การมีจุดตัดแกนที่ไม่เป็นศูนย์อาจบ่งบอกถึงการเบี่ยงเบนหรือโมเดลที่ไม่สมบูรณ์