欢迎来到“物理测量的限制”！
在物理学中，我们追求完美，但宇宙（以及我们的实验设备）并不总是那么配合。这一章旨在让你明白：没有任何测量是百分之百完美的。如果起初觉得这些概念有些抽象，请不用担心；一旦你掌握了这些技巧，你就能精准地判断你的实验结果到底有多“可信”！
我们将会探讨不同类型的误差、如何描述数据的质量，以及在进行计算时该如何处理那些烦人的“不确定度”。
1. 误差：为什么测量会出错？
测量结果会出现偏差，主要有两个原因。我们称之为随机误差 (Random Errors) 和系统误差 (Systematic Errors)。
随机误差
这些是不可预测的。有时候你的读数可能偏高，下一次可能又偏低。造成这类误差的原因包括：
- 房间内的细微震动。
- 视差（每次从稍微不同的角度观察刻度）。
- 使用秒表时的人类反应时间。
如何处理：你无法消除随机误差，但可以减轻它们的影响！只需重复测量并计算平均值 (mean)。这有助于让偏高和偏低的误差互相抵消。
系统误差
这些是“狡猾的”误差，每次发生情况都一模一样。如果你的测量值总是比实际数值大 0.5 cm，这就是系统误差。一种常见类型是零点误差 (Zero Error)（例如：秤在放上物体前就显示 0.1g）。
如何处理：重复测量在此无济于事！你需要重新校准 (recalibrate) 你的设备或改变你的测量方法。如果你知道存在 +0.1g 的零点误差，只需从每个读数中减去 0.1g 即可。
快速总结：
随机误差导致数据的分散。系统误差则让所有数据都偏离真实值，且偏离量固定。
2. 数据质量的“ABC”
物理学家使用特定的词汇来描述测量结果的好坏。这些词很容易混淆，让我们来拆解一下。
精密度 (Precision)：指的是你的测量结果彼此之间有多接近。如果你测量一根导线五次，每次都得到完全相同的结果，那么你的测量就是精密的（即使结果是错的！）。
准确度 (Accuracy)：指的是你的测量结果与真实值 (true value) 有多接近。如果导线实际长度为 10.0 cm，而你测量出 10.1 cm，那么你的准确度相当不错。
分辨率 (Resolution)：测量仪器所能侦测到的最小变化量。例如，标准直尺的分辨率是 1 mm，而千分尺（螺旋测微器）的分辨率则是 0.01 mm。
重复性 (Repeatability)：在相同方法和设备下，你自己能否再次获得相同的结果？
再现性 (Reproducibility)：在其他人（或你自己使用不同方法/不同设备）进行实验时，能否获得相同的结果？
靶标类比
想像一个飞镖靶：
- 准确且精密：所有飞镖都射中靶心。
- 精密但“不”准确：所有飞镖都紧紧聚在一起，但却是在左下角，远离靶心。
- 两者皆无：飞镖散布在整个靶盘上。
快速总结：准确度 = 真实性；精密度 = 一致性。
3. 理解不确定度 (Uncertainty)
不确定度是指预期“真实”值所在的范围。我们通常写作：测量值 \(\pm\) 不确定度。
有三种书写方式：
1. 绝对不确定度 (Absolute Uncertainty)：以单位表示的实际范围。
范例：\(10.0 \pm 0.1 \text{ cm}\)
2. 分数不确定度 (Fractional Uncertainty)： \(\frac{\text{绝对不确定度}}{\text{测量值}}\)
范例：\(\frac{0.1}{10.0} = 0.01\)
3. 百分比不确定度 (Percentage Uncertainty)： \(\text{分数不确定度} \times 100\)
范例：\(0.01 \times 100 = 1\%\)
有效数字 (Significant Figures, SF)
答案中的有效数字位数通常应与测量值中最少的有效数字位数保持一致。你的不确定度也应与数据格式一致。例如，如果测量值给出至小数点后两位，你的绝对不确定度也应给出至小数点后两位。
快速总结：不确定度告诉我们测量结果的“加减”范围。
4. 综合不确定度（运算规则）
当你利用测量值计算新数值时（例如利用质量和体积计算密度），不确定度会“叠加”。请遵循以下简单规则：
规则 1：加法或减法
若进行加法或减法运算，必须将绝对不确定度相加。
\(y = a + b\) 或 \(y = a - b\)
\(\Delta y = \Delta a + \Delta b\)
规则 2：乘法或除法
若进行乘法或除法运算，必须将百分比不确定度相加。
\(y\) 的百分比不确定度 = (\(a\) 的百分比不确定度) + (\(b\) 的百分比不确定度)
规则 3：乘幂
若数值被提升至 \(n\) 次方，则需将百分比不确定度乘以 \(n\)。
若 \(y = a^n\)，则：\(y\) 的百分比不确定度 = \(n \times (\% \text{ a 的百分比不确定度})\)
应避免的常见错误：永远不要减去不确定度！即使你是对两个数字进行减法（例如计算温差），不确定度总是会变大，因为你对结果的确定性降低了。
5. 图表上的不确定度
当你在图表上绘制数据时，我们不仅仅是画点，还会使用误差棒 (Error Bars)。
误差棒：这些是在数据点上绘制的线条，用来表示 x 或 y 方向的绝对不确定度。它们看起来像小小的“I”字形。
斜率与截距的不确定度
为了找出斜率可能“偏差”的程度，我们使用最佳拟合线 (Best Fit Line) 和最差拟合线 (Worst Fit Line)。
步骤流程：
1. 在数据点中绘制最佳拟合线。
2. 绘制最差拟合线。这条线必须尽可能地陡峭（或平缓），同时仍需通过所有的误差棒。
3. 斜率的不确定度 = \(| \text{最佳斜率} - \text{最差斜率} |\)
4. y 轴截距的不确定度 = \(| \text{最佳截距} - \text{最差截距} |\)
注意：有时你会看到有人将差值除以 2 来求平均偏差。请查阅你具体的评分准则，但通常对 AQA 而言，取“最佳”与“最差”线之间的差值是一个保险的做法。
快速复习盒：
- 误差棒：显示图表上的不确定度。
- 最差拟合线：在误差棒范围内，能画出最陡或最平缓的线。
- 斜率不确定度：透过比较“最佳”和“最差”线计算得出。
最后的鼓励
如果现在觉得结合不确定度涉及很多数学运算，请别担心。熟能生巧，会越来越简单的！只要记住：加减法 = 相加绝对不确定度；乘除法 = 相加百分比不确定度。你一定能行的！