3-实验数据的处理与分析(内有误差传递证明).doc

實驗數據的處理與分析 物理是個實驗科學，免不了要從事測量。很多同學常常疑惑的是 不知道如何正確的分析與處理實驗的數據。 希望本單元能對你（妳）有所幫助！ 為了減少本網頁篇幅，歡迎繼續參考 物理實驗 相關網頁。 誤差 = 測量值 - 真值 談實驗數據往往會先談到 誤差的定義。於是出現了上面的式子。 誤差 就是 所測得的數值 與 被測量物理量 真正數值之間的差別。 好像很有道理，又好像在講廢話！ 先想一想，為什麼我們要從事測量？（才能有測量值！） 如果 我已經知道 想測量的物理量的真值，我為什麼還要去測它？ 難道就為了要 知道測量的誤差嗎？ 就是因為不知道 物理量的真值才要測量。 那！ 誤差的定義 又有什麼用呢？ 實驗數據的處理與分析 便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。 也就是我們所想要的測量結果。並藉由 誤差的分析，讓我們瞭解 我們所做的估算，可信度有多高！並探討實驗誤差的可能來源。 拿一杯開(茶)水或咖啡，以下可有好一陣子讓妳（你）想一想的！ 誤差的種類：（依照來源） 一般而言，可以分為 系統誤差(systematic error)與 隨機誤差(random error)。 1. 『系統誤差』： 所謂測量，乃是大家事先公定有一測量 單位（標準），例如 公尺。 然後依據製造出含刻度的測量工具（例如 尺）， 將測量工具 和待測物相互比較，而判得 測量值。 如果測量工具本身所顯示的刻度，因為 校正時疏忽，造成不正確。 或因為 環境的因素（例如溫度 壓力等），使得數值產生變化。 或因 人為不正確（或不熟練）操作或 觀測方法錯誤。 都是可能產生 系統誤差的來源。 對於某些非 直接測量的物理量，依據某 原理或方法設計出來的實驗。 也有可能因為 實驗時 無法充分滿足 原理所假設的狀況， 或根本設計原理有失誤，而造成系統誤差。（這也是很多人常忽略的） 通常 『系統誤差』會使得所有測量值 都過高或過低的偏差， 偏差量大致相同，不含機率分佈的因素。 2. 『隨機誤差』： 實驗的基本方法，往往是希望能 控制變因， 以找出 物理量受 個別變因的影響。 因此 總是希望 控制所有影響的變因，一次只讓一種變因變化。 實驗的設計便是盡量能達到上述的目的。 而且為了實驗簡便，往往也忽略對實驗影響較微小的因素。（也比較實際） 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。 也就是說 有些測量值會過高，有些則會稍低。 降低 『系統誤差』的方法，當然只有靠 正確分析誤差來源： 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→ 只好 加強訓練自己了喔！ 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！ ？？？ 奇怪！ 不是儀器越精良，環境越穩定 實驗結果越好嗎？ 因為 這些改善的要求，牽涉到 對測量值 所要求的『精密度』 與實際環境與經費等的考量 。 而且改善時 應該以所有誤差來源 所造成測量誤差的比例， 能以約略相同的比例 減少才有效。 例如：把所有經費大部份都買最精密（也最昂貴）的儀器， 環境因素卻因為能力不夠改善（或已經改善至最好境界）， 但仍然造成較大比例誤差，則精密的儀器不過是 花冤枉錢 吧了！ 碳的 電阻係數（resistivity) 的溫度係數 = -0.0005 （於 20oC ) 也就是說 碳的 電阻值 當溫度升高 1 Co時，電阻值會減少 萬分之五。 若是使用 6位有效位數的電表（數萬元）來測量實驗過程中的電阻值， 但實驗過程中並未注意（或控制）溫度變化，而使得 碳電阻器的溫度 有好幾度的變化，則 效果和只用 3-4位有效位數的電表（數千元）一樣。 降低『隨機誤差』的方法，則是我們以下所要探討的： 藉由 統計的方法，提供我們如何（藉由增加測量次數） 最有效率的改善『隨機誤差』。 準確度與精密度： 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：準確度的定義是 測量值與 真值（或公認值）的偏差程度。 公認值通常指 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。 問題： 你認為 精密度與準確度之間有直接的關係嗎？ 精密度高的結果，準確度一定高嗎？ 準確度高的結果（平均值），精密度一定高嗎？ 測量本身必然造成誤差。（抬槓篇） 當去測量 待測物時，需要去觀測它，也就因此改變了待測物。 例如：用溫度計去