实验数据误差处理.doc

PAGE  PAGE 13 實驗數據誤差處理 實驗過程中或是撰寫結報時，同學常常遇到幾個問題：問題(1)不知該如何正確的分析與處理手邊的數據；問題(2)為什麼要學習誤差的處理；問題(3)誤差處理對科學研究的意義為何。 關於問題(1)，我們在以下的文章內，會做詳細的介紹。而問題(2)，答案是我們希望培養同學們用科學方法處理數據。至於問題(3)，簡單的說，我們希望以世界通用的數據處理方法，達到科學交流上正確且有效率的溝通。希望以下介紹，能對同學有所幫助。 何謂誤差？ 誤差 = 測量值 – 真值 （1） 上面的式子，是實驗數據處理會談到的誤差的定義。先想一想，為什麼我們要從事測量？如果我已經知道待測物理量的真值，我為什麼還要去測它？難道就為了要知道測量的誤差嗎？我們先定義三個名詞：測量值、理論值和真值。 「測量值」就是我們做實驗去測量到的物理量。 「理論值」就是我們依照既有的物理理論模型及公式推導歸納出來的物理量，是一個推論出來的真值。 「真值」就是真正的物理量，也有人廣義的解釋為我們做無限多次實驗，測量到的平均物理量。 那麼誤差和以上介紹的三個名詞，又有什麼關係呢？實驗數據的處理與分析，是想運用統計的方法，讓我們從多次的測量數據中，估算出最接近真值的數據，真值是我們想要獲得的測量結果。但是我們實驗做不到無限多次的測量，對吧？所以有時候可以用理論值代替真值。我們也需要藉由誤差分析，讓我們瞭解我們所做量測與理論模型估算之間，有多大的差距，並探討實驗誤差的可能來源。請找一個舒適的閱讀環境，靜下心來，閱讀以下的文章。 「系統誤差(systematic error)」與「隨機誤差(random error)」 系統誤差： 所謂測量，就是拿一個標準的測量工具，在此測量工具（例如尺）上含有刻度。將測量工具和待測物相互比較，我們可判得測量值。 直接測量的物理量，可能的系統誤差來源為： 測量工具本身所顯示的刻度，因為校正時疏忽，造成不正確。 因為環境的因素（例如溫度、壓力等），使得刻度的數值產生變化。 人為不正確的操作或使用錯誤的觀測方法。 非直接測量的物理量： 有可能因為實驗設計錯誤，或實驗設計不滿足理論原理的要求，這種情況也會造成系統誤差，不過這種情況常被很多人忽略。 通常系統誤差會使得所有測量值，都有過高或過低的偏差，且偏差量大致相同，不含機率分佈的因素。 隨機誤差： 實驗的基本方法，總是希望控制所有影響的變因，且一次只讓一種變因發生變化。為了實驗簡便，往往忽略對實驗影響較微小的因素，但實際操作時，不見得盡如人意。這些不易控制（有時候無法控制）的小變因，便會使測量值產生隨機分佈的誤差。 降低系統誤差的方法： 儀器造成的→設法改良儀器。 環境造成的→設法控制實驗環境。 操作不良的→加強訓練自己。 理論上或許可能將儀器誤差完全消除，但是前兩項的改善，並不需要做到最完美的情形。因為不是儀器越精良、環境越穩定，實驗結果就越好。要減少系統誤差，我們必須考慮測量值所要求的「精密度」、實驗環境與經費。所以改善時，應該考慮主要誤差的來源。如果把所有經費都拿去買最精密的儀器，且假設儀器本身的測量精準度是0.01%，而實驗室環境雖然已經改善至最好，但是在此環境的影響下，我們無論如何也只能使誤差達到1%，則再精密的儀器，也改善不了我們的總誤差，那麼，買高精密的儀器，不過是花冤枉錢罷了！ 降低隨機誤差的方法： 藉由統計的方法，增加測量次數，能最有效率的改善隨機誤差。以下介紹兩個名詞。 精密度：當多次重複測量時，不同測量值彼此間偏差量的大小。如果多次測量時，彼此間結果皆很接近，則稱為精密度較高。 準確度：測量值與真值（或公認值）的偏差程度。公認值通常由廠商提供，那是使用已知較準確且精密度高的實驗儀器，在優良訓練的實驗人員重複操作下，所得出精密度相當高的實驗結果。但實驗時不見得有所謂公認值存在。 統計分析方法 母分佈： 每一個待測物理量，我們可以假想存在一個「真值」。假設只有隨機誤差而完全沒有系統誤差，那麼我們增加同一物理量的測量次數，使隨機誤差大於真值與小於真值的機率分佈一樣，則所有測量值的平均值，將隨著測量次數增加而越接近真值。當測量次數等於「無窮多次」時，測量值的分佈稱為母分佈。而「有限次」的測量屬於母分佈的部份樣本，稱為「樣本分佈」。於是有限次數的算數平均值是我們 HYPERLINK .tw/demolab/Notes/dataProcess.html \l 對於真值 所能給（猜）的最好的估計值#對於真值 所能給（猜）的最好的估計值 對於真值所能給（猜）的最好的估計值。 算數平均值(mean)： （2） 偏差（deviation)： 每一個數據與平均值的差值，稱為偏差。 （3） 偏差值有正有負，且所有偏差值的總和必為零。 （4） 為了