欢迎来到测量学的世界！
你有没有试过测量身高，但每次得出的结果都略有不同？或者你是否留意到，即使是最高级的厨房秤，数字有时也会在两个数值之间“跳动”？在物理学中，我们必须承认没有任何测量是绝对完美无缺的。这一章的目的就是让你理解这些差异产生的原因，以及我们该如何用数学方法来处理它们。看完这些笔记后，你将能够区分“失误”(mistake) 与“误差”(error)，并精确计算出你的测量结果有多“不确定”。
1. 随机误差与系统误差
在物理学中，“误差”(error) 并非指一般的“犯错”(blunder)（例如被电线绊倒）。相反，误差是指我们的器材和感官固有的限制。我们将其分为两大类：
随机误差 (Random Errors)
你可以将随机误差想象成背景噪声。它们会导致测量值在真值周围不可预测地波动。有时候你的读数会偏大一点，有时候则会偏小一点。
- 成因：使用秒表时的人类反应时间、室温的细微变化，或是视差 (parallax error)（每次从不同角度观察刻度）。
- 修正方法：你无法消除它们，但可以通过进行多次测量并计算平均值来减小它们的影响。
系统误差 (Systematic Errors)
系统误差就像是一种“偏向”(bias)。它会导致你所有的测量结果都在同一个方向上出现偏差（总是偏大或总是偏小）。
- 成因：尺的末端磨损、未经校准的电压表，或是零点误差 (zero error)（当仪器本应显示为零时却有读数，例如秤上什么都没放却显示 0.5g）。
- 修正方法：计算平均值在这里没有帮助，因为每个读数都有相同的偏差！你必须重新校准你的设备，或者从每个读数中减去零点误差。
重点复习：
- 随机误差：不可预测。通过取平均值来修正。
- 系统误差：恒定的偏差。通过重新校准或减去零点误差来修正。
2. 准确度与精密度
学生经常将这两个词混用，但在 H2 物理中，它们代表的意思截然不同！
准确度 (Accuracy)
准确度是指你的平均值距离真值 (true value)有多近。它受到系统误差的限制。如果你的设备校准完美，你的结果应该会很准确。
精密度 (Precision)
精密度是指你的重复测量值之间距离有多近。它描述的是数据的“分散程度”。它受到随机误差的限制。如果你使用分辨率更高的仪器（例如用螺旋测微器代替尺），你就能提高精密度。
靶标比喻：
想象你在玩射飞镖：
- 高精密度，低准确度：所有飞镖都落在一个紧密的簇中，但离红心很远（代表存在系统误差）。
- 低精密度，高准确度：飞镖散落在整个靶盘上，但它们的“平均”位置正好是红心（代表存在随机误差）。
- 高精密度，高准确度：所有飞镖都紧密地落在红心处！
核心总结：准确度 = 真实性。精密度 = 一致性。
3. 表达不确定度
当我们写下一个测量结果时，通常会写作：\( \text{数值} \pm \text{不确定度} \)。关于这一点，有三种表示方式：
- 绝对不确定度 (Absolute Uncertainty, \( \Delta x \))：误差的实际范围（例如 \( 5.0 \pm 0.1 \text{ cm} \)）。这里，\( 0.1 \text{ cm} \) 就是绝对不确定度。
- 分数不确定度 (Fractional Uncertainty)：不确定度与测量值的比率。\( \frac{\Delta x}{x} \)
- 百分比不确定度 (Percentage Uncertainty)：分数不确定度乘以 100。\( \frac{\Delta x}{x} \times 100\% \)
例子： 测得长度为 \( 20.0 \pm 0.2 \text{ cm} \)。
- 绝对不确定度 = \( 0.2 \text{ cm} \)
- 分数不确定度 = \( \frac{0.2}{20.0} = 0.01 \)
- 百分比不确定度 = \( 0.01 \times 100\% = 1\% \)
4. 不确定度的传递 (Propagation)
别担心，这看起来可能有点复杂！只要在你进行运算时遵循这三条简单的“黄金法则”即可。
法则 1：加法与减法
当你将数值相加或相减时，你要相加它们的绝对不确定度。
如果 \( y = a + b \) 或 \( y = a - b \)，那么：
\( \Delta y = \Delta a + \Delta b \)
常见错误：学生常以为做减法时也应该减去不确定度。永远不要相减不确定度！做更多的数学运算总是会让你的结果更不确定，而不是更精确。
法则 2：乘法与除法
当你将数值相乘或相除时，你要相加它们的分数（或百分比）不确定度。
如果 \( y = ab \) 或 \( y = \frac{a}{b} \)，那么：
\( \frac{\Delta y}{y} = \frac{\Delta a}{a} + \frac{\Delta b}{b} \)
法则 3：幂次
如果数值被提升到 \( n \) 次方，你要将分数不确定度乘以该幂次。
如果 \( y = a^n \)，那么：
\( \frac{\Delta y}{y} = n \times \frac{\Delta a}{a} \)
你知道吗？这条幂次法则解释了为什么在计算导线面积 (\( A = \pi r^2 \)) 时，测量直径是如此关键。半径中的任何误差在最终面积计算中都会被加倍！
5. 数值代入法 (Numerical Substitution Method)
有时公式会变得非常混乱，课程允许你通过“数值代入法”来找出不确定度。
做法是利用不确定度提供的范围，计算出答案的最大可能值和最小可能值。
步骤：
1. 计算标准值（使用测量出的数值）。
2. 计算“最大值”，即利用不确定度范围中让结果变得最大的那一端。
3. 不确定度大约就是最大值与你标准值之间的差额。
总结检查清单
- 我能区分随机误差和系统误差吗？
- 我明白精密度是指一致性，而准确度是指接近“真值”吗？
- 在加法/减法时，我会相加绝对不确定度吗？
- 在乘法/除法时，我会相加百分比不确定度吗？
- 我记得永远不要相减不确定度吗？
做得好！你刚刚掌握了物理学中最基础的技能之一。你在接下来 A-Level 的所有实验中都会用到这些概念！