欢迎来到测量学的世界！
在物理学中，我们不单靠猜测事物的运作方式，而是依靠「测量」！无论你是要计算赛车的速度，还是测量发丝的粗细，懂得如何进行精确的测量以及如何处理「误差」，正是学生与真正科学家之间的区别。如果起初觉得数学有些深奥，请别担心；我们会把它拆解成简单的步骤。学完这一章，你将成为辨别错误以及计算测量结果「不确定度」的专家！
1. 物理量与国际单位制（S.I. Units）
物理学中的每一次测量都属于一个物理量（Physical quantity）。为了让数值有意义，物理量必须具备两样东西：数值（Numerical value）和单位（Unit）。
例子：只说一辆车是「50」是没有意义的。它是50米长？50年车龄？还是每秒50米？单位赋予了数值真正的含义！
S.I. 基本单位
全世界的科学家都使用国际单位制（Système Internationale，简称 S.I.）。你需要记住六个基本单位。把它们想象成物理学的「乐高积木」——所有其他的单位都是由这些单位组装而成的。
• 质量：公斤 (kg)
• 长度：米 (m)
• 时间：秒 (s)
• 电流：安培 (A)
• 温度：开尔文 (K)
• 物质的量：摩尔 (mol)
导出单位（Derived Units）
大多数其他单位，例如牛顿 (N) 或焦耳 (J)，被称为导出单位，因为它们是基本单位的组合。
例子：由于力 = 质量 \(\times\) 加速度，因此牛顿 (N) 实际上就是 \(kg \cdot m \cdot s^{-2}\)。
词头（Prefixes）：处理极大与极小的数字
物理学既研究宏大的事物（如恒星），也研究极小的事物（如原子）。我们使用词头来让这些数字更易于管理。
「大」词头：
• Tera (T)： \(10^{12}\)
• Giga (G)： \(10^{9}\)
• Mega (M)： \(10^{6}\)
• Kilo (k)： \(10^{3}\)
「小」词头：
• Deci (d)： \(10^{-1}\)
• Centi (c)： \(10^{-2}\)
• Milli (m)： \(10^{-3}\)
• Micro (\(\mu\))： \(10^{-6}\)
• Nano (n)： \(10^{-9}\)
• Pico (p)： \(10^{-12}\)
快速复习：齐次性（Homogeneity）
如果一个方程式等号两边的单位一致，该方程式即为齐次（Homogeneous）的。这是检查你是否记对公式的好方法！如果你在计算距离，而答案的单位却是 \(kg\)，那就代表哪个地方出错了！
重点提示：永远要加上单位，并确保等号两边的单位互相吻合。
2. 精确度（Precision）与准确度（Accuracy）
人们常将这两个词混用，但在物理学中，它们的意义截然不同！想象你在玩飞镖：
• 准确度 (Accuracy)：你的测量结果与真实值的接近程度。如果你击中了红心，你就是准确的。
• 精确度 (Precision)：你的测量结果彼此之间的接近程度。如果你所有的飞镖都击中了角落里的同一个点（即便那不是红心），你的测量就是精确的。
你知道吗？一个慢了整整 10 分钟的时钟可以是极度精确的（它每天走的误差都一样），但它并不准确（因为它显示的时间不对）！
3. 误差：哪里出了错？
即使是顶尖的科学家也会遇到误差。误差主要分为两类：
随机误差（Random Errors）
这类误差导致测量读数在真实值周围分散。它们是由我们无法完全控制的因素引起的，例如突如其来的微风或按下秒表时的反应时间。
如何修正：进行多次测量并计算平均值（Mean）。这可以「抵消」随机波动。
系统误差（Systematic Errors）
这类误差导致每次测量结果都与真实值产生固定偏差。通常这是设备或实验设置本身的问题。
• 零点误差 (Zero Error)：一种常见的系统误差，即仪器在没有放置任何物体时仍显示读数（例如 0.1g）。
如何修正：无法通过取平均值来解决！你必须重新校准设备，或者从每个读数中减去该误差值。
重点提示：随机误差影响精确度；系统误差影响准确度。
4. 不确定度：量化怀疑
由于没有任何测量是完美的，我们使用不确定度（Uncertainties）来表示我们对结果的信心范围。我们通常将其写作：\(数值 \pm 不确定度\)。
不确定度的类型
1. 绝对不确定度 (Absolute Uncertainty)：误差的实际范围（例如 \(\pm 0.1 cm\)）。
2. 百分比不确定度 (Percentage Uncertainty)：误差占总测量值的百分比。
公式：\(百分比不确定度 = \frac{绝对不确定度}{测量值} \times 100\%\)
组合不确定度（黄金法则）
当你在计算中使用测量值时，「疑虑」也会随之增加。处理方法如下：
• 加法或减法：相加绝对不确定度。
• 乘法或除法：相加百分比不确定度。
• 乘方运算：将百分比不确定度乘以该次方数。
例子：如果你将一个数值平方 (\(x^2\))，你的百分比不确定度也要翻倍。
避免常见错误！
当相减两个长度（例如 \(L_2 - L_1\)）时，学生常误以为也要将不确定度相减。千万不要这样做！减法使数值变小，但它使「疑虑」变得更大。在进行数值相减时，务必永远相加绝对不确定度。
5. 图表数据分析
图表是观察数据规律的最佳方式。在 OCR 的课程大纲中，你需要知道如何利用图表来找出不确定度。
误差条（Error Bars）
这些是在每个数据点上绘制的「I」形短线。线的顶端表示最大可能值，底端表示最小可能值。
最佳拟合线 vs. 最差可接受线
若要找出斜率（梯度）的不确定度：
1. 绘制一条最佳拟合线（Line of Best Fit）（贯穿所有点的中间）。
2. 绘制一条最差可接受线（Worst Acceptable Line）（仍能穿过所有误差条的最陡或最平缓的直线）。
3. 斜率的不确定度即为这两条线斜率之间的差异。
百分比差异（Percentage Difference）
通常，你会将实验结果与「课本」数值进行比较。
\(百分比差异 = \frac{|实验值 - 真实值|}{真实值} \times 100\%\)
鼓励一下：如果你的百分比差异小于你的百分比不确定度，恭喜你！在测量的限制范围内，你的结果被视为是准确的。
重点提示：图表有助于我们视觉化数据的「离散程度」。请使用「最差可接受线」方法，来看看你的计算斜率有多大的可信度。
最终快速复习盒
• 基本单位： kg, m, s, A, K, mol。
• 准确度： 靠近目标。 精确度： 数值彼此靠近。
• 随机误差： 取平均值。 系统误差： 检查设备。
• 乘法/除法： 永远相加百分比不确定度。
• 齐次性： 等号两边的单位必须一致。