歡迎來到測量世界！
在物理學中，我們不會對事物的運作方式進行「猜測」，而是進行「測量」。但這裡有個小秘密：沒有任何測量是絕對完美的。 無論你是測量電線的長度還是光速，總是會存在一點點的不確定性。在這一章，我們將學習如何識別這些「懷疑」（誤差），並學習如何像專業科學家一樣處理它們。如果起初看起來有點深奧，別擔心，我們會一步步為你拆解！
1. 誤差：兩大罪魁禍首
當實驗出現偏差時，誤差通常分為兩類：隨機誤差 (Random Errors) 或 系統誤差 (Systematic Errors)。
隨機誤差 (Random Errors)
這就像是「背景雜訊」，會讓你的測量結果產生無法預測的波動。可能這次讀數稍微偏高，下次又稍微偏低。
例子： 在球落地瞬間按下碼錶。你的反應時間每次都會有些微差異！
如何修正： 你無法完全消除它們，但可以透過重複測量並計算平均值 (mean) 來減少其影響。這樣可以讓偏高和偏低的誤差相互抵銷。
系統誤差 (Systematic Errors)
這屬於「一貫性的錯誤」。如果你的設備設置不當，每一次測量都會在同一方向上產生同樣大小的偏差。
例子： 一把尺的開頭 2mm 斷掉了，但你還是從「新的」邊緣開始測量。那麼每一次測量都會比真實值短 2mm！
歸零誤差 (Zero Error)： 這是系統誤差的一種，指測量工具（如電子秤）在沒有放置物體時沒有顯示「0.00」。
如何修正： 你必須重新校準設備，或是將「多出來」的數值從每次讀數中扣除。
重點重溫：
- 隨機誤差： 不可預測。透過重複測量並取平均值來修正。
- 系統誤差： 恆定的偏差。透過檢查設備或技術來修正。
2. 測量的詞彙表
科學家使用特定的術語來描述測量結果的「品質」。這些詞彙經常被混淆，讓我們來釐清一下。
精密度 (Precision)： 這指的是你的重複測量結果之間有多接近。如果你測量三次電線，得到 10.1cm、10.1cm 和 10.2cm，說明你的測量非常精密。
準確度 (Accuracy)： 這指的是你的測量結果與真實值有多接近。如果電線實際長度是 15.0cm，那麼你測得的 10.1cm 雖然精密，但絕對不準確！
類比：想像射擊飛鏢靶。如果所有飛鏢都緊密地落在左下角，你就是精密度高但準確度低。如果它們全都命中靶心，那就是兩者兼具！
可重複性 (Repeatability)： 使用相同的方法和設備，你能否得到相同的結果？
可再現性 (Reproducibility)： 其他人（或你使用不同的方法）能否得到相同的結果？
解析度 (Resolution)： 測量工具能顯示的最小變化量。例如在普通尺上，解析度是 1mm。
關鍵總結： 準確度就是「真實」，精密度就是「一致性」。
3. 理解不確定性 (Uncertainty)
不確定性是指「真實值」預期所在的範圍。我們通常寫作：\( \text{Result} \pm \text{Uncertainty} \)。
三種不確定性
1. 絕對不確定性 (Absolute Uncertainty)： 測量值可能偏離的實際數值（單位與測量單位相同）。
例子： \( 10.0 \pm 0.1 \text{ cm} \)
2. 分數不確定性 (Fractional Uncertainty)： 絕對不確定性除以測量值。
\( \frac{\text{Absolute Uncertainty}}{\text{Measured Value}} \)
3. 百分比不確定性 (Percentage Uncertainty)： 分數不確定性乘以 100。
\( \frac{\text{Absolute Uncertainty}}{\text{Measured Value}} \times 100 \)
你知道嗎？ 對於單次讀數，不確定性通常等於儀器的解析度。對於重複的讀數組，不確定性計算為：
\( \text{Uncertainty} = \frac{\text{Range}}{2} \)
4. 綜合計算不確定性
當你在公式中使用測量值時（例如從距離和時間計算速度），不確定性會「累積」。以下是黃金法則：
規則 1：加法或減法
如果你是在相加或相減（例如 \( y = a + b \)），你需要相加絕對不確定性。
\( \Delta y = \Delta a + \Delta b \)
規則 2：乘法或除法
如果你是在相乘或相除（例如 \( y = ab \) 或 \( y = a/b \)），你需要相加百分比不確定性。
\( \% \text{ uncertainty in } y = \% \text{ uncertainty in } a + \% \text{ uncertainty in } b \)
規則 3：乘冪
如果數值被提升至某個次方（例如 \( y = a^2 \)），你需要將百分比不確定性乘以該次方數。
\( \% \text{ uncertainty in } y = 2 \times (\% \text{ uncertainty in } a) \)
避免常見錯誤： 相乘時絕對不要相加絕對不確定性！務必先轉換為百分比。
5. 不確定性與圖表
物理學中，我們很喜歡用圖表。它們能幫助我們觀察規律。但那些點不只是點，它們是「不確定性的區域」。
誤差棒 (Error Bars)： 這是畫在數據點上的線，用來表示不確定性，看起來像個小寫的「I」。你可以有垂直誤差棒（y 軸的不確定性）和水平誤差棒（x 軸的不確定性）。
斜率 (Gradient) 的不確定性
要找出斜率的不確定性，你應該：
1. 畫出「最佳擬合線」 (Line of Best Fit)（盡可能穿過最多的點）。
2. 畫出「最差擬合線」 (Line of Worst Fit)。這是指在穿過所有誤差棒的前提下，你所能畫出的最陡（或最平緩）的直線。
3. 計算兩條線的斜率。
斜率的不確定性為：
\( \text{Uncertainty} = | \text{Best Gradient} - \text{Worst Gradient} | \)
重點重溫：
- 誤差棒顯示了點可以「晃動」的範圍。
- 最差擬合線幫助我們找到斜率的「晃動」程度。
6. 有效數字與不確定性
小數位數的呈現與你的確定程度有著密切聯繫。
經驗法則： 最終答案的有效數字，不應超過計算中使用之數據中最少有效數字的那個。
此外，不確定性本身通常取一位有效數字（例如 \( 5.2 \pm 0.1 \)）。
關鍵總結： 不要從計算機抄下十位小數！那代表你認為自己比實際情況精確得多。
成功核對清單：
- 我能分辨隨機誤差和系統誤差嗎？
- 我知道可重複性關於自己，而可再現性關於他人嗎？
- 我會計算百分比不確定性嗎？
- 我記得在相乘或相除時要相加百分比不確定性嗎？
- 我會利用最差擬合線找出斜率的不確定性嗎？
如果起初覺得這些很棘手，別擔心——不確定性即使對專業科學家來說也是一個需要花時間深思的課題。繼續練習這些計算，它終究會變成你的本能！