歡迎來到「物理測量的限制」！
在物理學中，我們追求完美，但宇宙（以及我們的實驗設備）並不總是那麼配合。這一章旨在讓你明白：沒有任何測量是百分之百完美的。如果起初覺得這些概念有些抽象，請不用擔心；一旦你掌握了這些技巧，你就能精準地判斷你的實驗結果到底有多「可信」！
我們將會探討不同類型的誤差、如何描述數據的質量，以及在進行計算時該如何處理那些煩人的「不確定度」。
1. 誤差：為什麼測量會出錯？
測量結果會出現偏差，主要有兩個原因。我們稱之為隨機誤差 (Random Errors) 和系統誤差 (Systematic Errors)。
隨機誤差
這些是不可預測的。有時候你的讀數可能偏高，下一次可能又偏低。造成這類誤差的原因包括：
- 房間內的細微震動。
- 視差（每次從稍微不同的角度觀察刻度）。
- 使用秒錶時的人類反應時間。
如何處理：你無法消除隨機誤差，但可以減輕它們的影響！只需重複測量並計算平均值 (mean)。這有助於讓偏高和偏低的誤差互相抵消。
系統誤差
這些是「狡猾的」誤差，每次發生情況都一模一樣。如果你的測量值總是比實際數值大 0.5 cm，這就是系統誤差。一種常見類型是零點誤差 (Zero Error)（例如：秤在放上物體前就顯示 0.1g）。
如何處理：重複測量在此無濟於事！你需要重新校準 (recalibrate) 你的設備或改變你的測量方法。如果你知道存在 +0.1g 的零點誤差，只需從每個讀數中減去 0.1g 即可。
快速總結：
隨機誤差導致數據的分散。系統誤差則讓所有數據都偏離真實值，且偏離量固定。
2. 數據質量的「ABC」
物理學家使用特定的詞彙來描述測量結果的好壞。這些詞很容易混淆，讓我們來拆解一下。
精密度 (Precision)：指的是你的測量結果彼此之間有多接近。如果你測量一根導線五次，每次都得到完全相同的結果，那麼你的測量就是精密的（即使結果是錯的！）。
準確度 (Accuracy)：指的是你的測量結果與真實值 (true value) 有多接近。如果導線實際長度為 10.0 cm，而你測量出 10.1 cm，那麼你的準確度相當不錯。
解析度 (Resolution)：測量儀器所能偵測到的最小變化量。例如，標準直尺的解析度是 1 mm，而千分尺（螺旋測微器）的解析度則是 0.01 mm。
重複性 (Repeatability)：在相同方法和設備下，你自己能否再次獲得相同的結果？
再現性 (Reproducibility)：在其他人（或你自己使用不同方法/不同設備）進行實驗時，能否獲得相同的結果？
標靶類比
想像一個飛鏢靶：
- 準確且精密：所有飛鏢都射中靶心。
- 精密但「不」準確：所有飛鏢都緊緊聚在一起，但卻是在左下角，遠離靶心。
- 兩者皆無：飛鏢散佈在整個靶盤上。
快速總結：準確度 = 真實性；精密度 = 一致性。
3. 理解不確定度 (Uncertainty)
不確定度是指預期「真實」值所在的範圍。我們通常寫作：測量值 \(\pm\) 不確定度。
有三種書寫方式：
1. 絕對不確定度 (Absolute Uncertainty)：以單位表示的實際範圍。
範例：\(10.0 \pm 0.1 \text{ cm}\)
2. 分數不確定度 (Fractional Uncertainty)： \(\frac{\text{絕對不確定度}}{\text{測量值}}\)
範例：\(\frac{0.1}{10.0} = 0.01\)
3. 百分比不確定度 (Percentage Uncertainty)： \(\text{分數不確定度} \times 100\)
範例：\(0.01 \times 100 = 1\%\)
有效數字 (Significant Figures, SF)
答案中的有效數字位數通常應與測量值中最少的有效數字位數保持一致。你的不確定度也應與數據格式一致。例如，如果測量值給出至小數點後兩位，你的絕對不確定度也應給出至小數點後兩位。
快速總結：不確定度告訴我們測量結果的「加減」範圍。
4. 綜合不確定度（運算規則）
當你利用測量值計算新數值時（例如利用質量和體積計算密度），不確定度會「疊加」。請遵循以下簡單規則：
規則 1：加法或減法
若進行加法或減法運算，必須將絕對不確定度相加。
\(y = a + b\) 或 \(y = a - b\)
\(\Delta y = \Delta a + \Delta b\)
規則 2：乘法或除法
若進行乘法或除法運算，必須將百分比不確定度相加。
\(y\) 的百分比不確定度 = (\(a\) 的百分比不確定度) + (\(b\) 的百分比不確定度)
規則 3：乘冪
若數值被提升至 \(n\) 次方，則需將百分比不確定度乘以 \(n\)。
若 \(y = a^n\)，則：\(y\) 的百分比不確定度 = \(n \times (\% \text{ a 的百分比不確定度})\)
應避免的常見錯誤：永遠不要減去不確定度！即使你是對兩個數字進行減法（例如計算溫差），不確定度總是會變大，因為你對結果的確定性降低了。
5. 圖表上的不確定度
當你在圖表上繪製數據時，我們不僅僅是畫點，還會使用誤差棒 (Error Bars)。
誤差棒：這些是在數據點上繪製的線條，用來表示 x 或 y 方向的絕對不確定度。它們看起來像小小的「I」字形。
斜率與截距的不確定度
為了找出斜率可能「偏差」的程度，我們使用最佳擬合線 (Best Fit Line) 和最差擬合線 (Worst Fit Line)。
步驟流程：
1. 在數據點中繪製最佳擬合線。
2. 繪製最差擬合線。這條線必須儘可能地陡峭（或平緩），同時仍需通過所有的誤差棒。
3. 斜率的不確定度 = \(| \text{最佳斜率} - \text{最差斜率} |\)
4. y 軸截距的不確定度 = \(| \text{最佳截距} - \text{最差截距} |\)
注意：有時你會看到有人將差值除以 2 來求平均偏差。請查閱你具體的評分準則，但通常對 AQA 而言，取「最佳」與「最差」線之間的差值是一個保險的做法。
快速複習盒：
- 誤差棒：顯示圖表上的不確定度。
- 最差擬合線：在誤差棒範圍內，能畫出最陡或最平緩的線。
- 斜率不確定度：透過比較「最佳」和「最差」線計算得出。
最後的鼓勵
如果現在覺得結合不確定度涉及很多數學運算，請別擔心。熟能生巧，會越來越簡單的！只要記住：加減法 = 相加絕對不確定度；乘除法 = 相加百分比不確定度。你一定能行的！