误差在计算中像食物链中的毒素一样积累。例如,假设要使用尺子测量房间的宽度。假设每次尺子测量为 1 英尺 ± 0.1 英尺。假设房间大约 10 英尺宽。这将需要 10 次测量。每次测量都会有 0.1 英尺的误差。在测量 10 次时发生的累积误差将为 10*0.1 = 1 英尺或 10 英尺 ± 1 英尺。它可能介于 9 英尺和 11 英尺之间。卷尺可以更准确地测量相同房间的宽度。
本节的目的是展示如何计算所有方程式的误差累积。这最容易用微积分来完成,但本节的部分内容可以用代数甚至直觉来完成。
这是一个起点。这些技术应该产生诸如如何处理非对称误差?如果误差为负怎么办?这将导致未来的课程。以下技术预测最大、对称误差。仅此而已。未来的分析课程可以根据对实验或项目的更详细了解来减少误差。
使用的符号
- 自变量:x、t 和 z
- 因变量:y
- 误差:
- 常数:C
每个误差分析下面都附有证明。
- 如果 ,那么 证明
- 如果 或 ,那么 证明
- 如果 ,那么
- 如果 ,那么 证明
- 如果 ,那么 证明
- 如果 ,那么
- 如果 ,那么
- 如果 ,那么 *x 以弧度为单位*
一般情况下,需要使用 偏导数 (),这涉及到对每个项进行平方,然后开平方(参见 不确定度传播)。
- 如果 ,那么
例如,假设 ,那么
计算微分
可以代入
除以 将整个方程转换成最终的百分比形式
… 这并不完全是两次乘法误差
通常你的老师会选择要遵循的四舍五入规则。这些规则都没有告诉你应该四舍五入到哪一位或小数点后几位。误差分析会告诉你应该四舍五入到哪一位。
假设你的答案是 3.263 ± .2244。多余的数字让你感觉自己做了额外的工作。实际上,它们会让任何阅读你工作的工程师或科学家感到不安。多余的小数位是毫无意义的。不要以这种形式留下你的答案。没有办法对结果产生直觉。
误差决定了重要的十进制位。首先将误差四舍五入到一位数字。
.2244 → .2
这将设置答案需要四舍五入到的数字。在本例中
3.263 → 3.3
因此答案将是 3.3 ± .2