テーマ2溶解度と溶解熱.docVIP

データ解析とプレゼンテーション はじめに 　化学として意味のある議論を行うためには、実験で得られた生データそのもので議論できるということはまれで、データの信頼性の確認、ある関数による近似といったデータ解析が必要となることが多い。ここでは、誤差、有効数字、そして適切なデータ解析を行うために必要な最小二乗法の原理について学び、かつ実際のデータを用いて誤差の導出、最小二乗法による近似曲線の計算を行う。 そのようにして、化学的に意味のある議論を行う準備が出来たら、今度はそれを第三者に正確に伝えることが必要となる。そのためのプレゼンテーション技術を学ぶ。実際には、データ解析で得られた結果をPower Pointを使ってプレゼンテーションする技術を学び、実際にPower Pointのファイルとしてプレゼンテーションの原稿を作成してもらう。 1. データ解析 誤差 　「誤差とは実測値と真の値との差である」という定義が普通与えられているが、真の値とはいったい何であろうか？真の値が分からないのに誤差を定義できるのか？ 実測値をx、誤差を?、真の値をXとすると、x - X = ?となる。ここで特に、?を絶対誤差（absolute error）、?/Xを相対誤差（relative error）と呼ぶ。しかし、全ては真の値があって初めて定義できるものばかりである。どのようにしてこれらの値を定義するのかを見ていこう。 偶然誤差と系統誤差 作家の開高健氏はかつて「オーパ?オーパ」というノンフィクション紀行の中で、ピストル射撃練習について記した。射撃の腕前は、スコアと呼ばれる標的の中心に集中して弾が当たるのが理想的であるが、「もし的から外れてもまとまって外れていれば見込みがある。あとは、銃を持つ角度とかそういうのを少しずつ調整してやればよい。」と記している。この話を誤差と結びつけて大まかにあてはめると、弾のまとまっている範囲（グルーピング）の広がりを偶然誤差、スコアの中心からのグルーピングのはずれ具合を系統誤差と呼ぶことが出来る。すなわち、ある測定値で考えてみると、簡単にいえば 偶然誤差（random error）→測定値のばらつき 系統誤差（systematic error）→測定値の偏り と言える。これだけではわかりにくいであろうから、さきほどの射撃の話を用いて説明してみよう。横軸に弾が当たった位置の、標的中心（center）からの左右方向のずれ（x）、縦軸に当たった弾の数（N）を描くと、下の図のようになるはずである（Fig. 1）。 Fig. 1 標的の中心からの弾丸の命中位置のずれ Aは、中心に近いということで系統誤差は小さいが、ばらつきが大きいので偶然誤差は大きい。Bは中心から外れているので系統誤差は大きいが、ばらつきが小さく偶然誤差は小さい。理想的なのはCで系統誤差も偶然誤差も小さい。系統誤差が小さいことを、正確さ（accuracy）が良いと言い、偶然誤差が小さいことを、精密さ（precision）が良いと言う。射撃の例では、系統誤差は銃の持ち方などによってコントロールできるが、偶然誤差はコントロールできないので、「的から外れてもまとまっていればよい」ということになるのである。 　実際の実験で、良いデータというのはCの様なデータのことである。そのためには系統誤差をコントロールしてaccuracyを良くし、さらにprecisionも改善していかなければならない。しかし、実際の実験で系統誤差をコントロールするのは実は難しい。測定値が真の値からずれているのかどうかは一つの実験だけでは判断できない。系統誤差を発見する最も有効な方法は、異なった原理や方法に基づく別の測定法によって測定し、比較することである。 誤差の扱い これまでの話で、誤差というものがどのようなものかということについて理解が深まったであろう。しかし、実際に測定値からどのように誤差を見積もるかという問題が残っている。これについて説明しよう。 まず、系統誤差を全て除くことが出来たとする。その時点で測定値は偶然誤差しか含まないとする。実測値をx、真の値をX、あるxが測定される確率（分布関数）をf(x)として、以下のような前提の元、どのように実測値がばらつくか考えてみる。 誤差の小さいxが現れる確率が高く、x = Xで f(x)が最大になる。 真の値Xに関してf(x)は対称になる。 誤差の大きいxが現れる確率は小さい、すなわちx - Xの絶対値の増大に伴いf(x)は急激に減少し、f(±∞) = 0となる。 (4)を除いては、以上の前提は自明ではないが、取りあえずこれらの前提を認め、個々の測定点は全く独立である