歡迎來到測量學的世界！
在物理學中，我們不單靠猜測事物的運作方式，而是依靠「測量」！無論你是要計算賽車的速度，還是測量髮絲的粗細，懂得如何進行精確的測量以及如何處理「誤差」，正是學生與真正科學家之間的區別。如果起初覺得數學有些深奧，請別擔心；我們會把它拆解成簡單的步驟。學完這一章，你將成為辨別錯誤以及計算測量結果「不確定度」的專家！
1. 物理量與國際單位制（S.I. Units）
物理學中的每一次測量都屬於一個物理量（Physical quantity）。為了讓數值有意義，物理量必須具備兩樣東西：數值（Numerical value）和單位（Unit）。
例子：只說一輛車是「50」是沒有意義的。它是50米長？50年車齡？還是每秒50米？單位賦予了數值真正的含義！
S.I. 基本單位
全世界的科學家都使用國際單位制（Système Internationale，簡稱 S.I.）。你需要記住六個基本單位。把它們想像成物理學的「樂高積木」——所有其他的單位都是由這些單位組裝而成的。
• 質量：公斤 (kg)
• 長度：米 (m)
• 時間：秒 (s)
• 電流：安培 (A)
• 溫度：開爾文 (K)
• 物質的量：摩爾 (mol)
導出單位（Derived Units）
大多數其他單位，例如牛頓 (N) 或焦耳 (J)，被稱為導出單位，因為它們是基本單位的組合。
例子：由於力 = 質量 \(\times\) 加速度，因此牛頓 (N) 實際上就是 \(kg \cdot m \cdot s^{-2}\)。
詞頭（Prefixes）：處理極大與極小的數字
物理學既研究宏大的事物（如恆星），也研究極小的事物（如原子）。我們使用詞頭來讓這些數字更易於管理。
「大」詞頭：
• Tera (T)： \(10^{12}\)
• Giga (G)： \(10^{9}\)
• Mega (M)： \(10^{6}\)
• Kilo (k)： \(10^{3}\)
「小」詞頭：
• Deci (d)： \(10^{-1}\)
• Centi (c)： \(10^{-2}\)
• Milli (m)： \(10^{-3}\)
• Micro (\(\mu\))： \(10^{-6}\)
• Nano (n)： \(10^{-9}\)
• Pico (p)： \(10^{-12}\)
快速複習：齊次性（Homogeneity）
如果一個方程式等號兩邊的單位一致，該方程式即為齊次（Homogeneous）的。這是檢查你是否記對公式的好方法！如果你在計算距離，而答案的單位卻是 \(kg\)，那就代表哪個地方出錯了！
重點提示：永遠要加上單位，並確保等號兩邊的單位互相吻合。
2. 精確度（Precision）與準確度（Accuracy）
人們常將這兩個詞混用，但在物理學中，它們的意義截然不同！想像你在玩飛鏢：
• 準確度 (Accuracy)：你的測量結果與真實值的接近程度。如果你擊中了紅心，你就是準確的。
• 精確度 (Precision)：你的測量結果彼此之間的接近程度。如果你所有的飛鏢都擊中了角落裡的同一個點（即便那不是紅心），你的測量就是精確的。
你知道嗎？一個慢了整整 10 分鐘的時鐘可以是極度精確的（它每天走的誤差都一樣），但它並不準確（因為它顯示的時間不對）！
3. 誤差：哪裡出了錯？
即使是頂尖的科學家也會遇到誤差。誤差主要分為兩類：
隨機誤差（Random Errors）
這類誤差導致測量讀數在真實值周圍分散。它們是由我們無法完全控制的因素引起的，例如突如其來的微風或按下碼錶時的反應時間。
如何修正：進行多次測量並計算平均值（Mean）。這可以「抵銷」隨機波動。
系統誤差（Systematic Errors）
這類誤差導致每次測量結果都與真實值產生固定偏差。通常這是設備或實驗設置本身的問題。
• 零點誤差 (Zero Error)：一種常見的系統誤差，即儀器在沒有放置任何物體時仍顯示讀數（例如 0.1g）。
如何修正：無法通過取平均值來解決！你必須重新校準設備，或者從每個讀數中減去該誤差值。
重點提示：隨機誤差影響精確度；系統誤差影響準確度。
4. 不確定度：量化懷疑
由於沒有任何測量是完美的，我們使用不確定度（Uncertainties）來表示我們對結果的信心範圍。我們通常將其寫作：\(數值 \pm 不確定度\)。
不確定度的類型
1. 絕對不確定度 (Absolute Uncertainty)：誤差的實際範圍（例如 \(\pm 0.1 cm\)）。
2. 百分比不確定度 (Percentage Uncertainty)：誤差佔總測量值的百分比。
公式：\(百分比不確定度 = \frac{絕對不確定度}{測量值} \times 100\%\)
組合不確定度（黃金法則）
當你在計算中使用測量值時，「疑慮」也會隨之增加。處理方法如下：
• 加法或減法：相加絕對不確定度。
• 乘法或除法：相加百分比不確定度。
• 乘方運算：將百分比不確定度乘以該次方數。
例子：如果你將一個數值平方 (\(x^2\))，你的百分比不確定度也要翻倍。
避免常見錯誤！
當相減兩個長度（例如 \(L_2 - L_1\)）時，學生常誤以為也要將不確定度相減。千萬不要這樣做！減法使數值變小，但它使「疑慮」變得更大。在進行數值相減時，務必永遠相加絕對不確定度。
5. 圖表數據分析
圖表是觀察數據規律的最佳方式。在 OCR 的課程大綱中，你需要知道如何利用圖表來找出不確定度。
誤差條（Error Bars）
這些是在每個數據點上繪製的「I」形短線。線的頂端表示最大可能值，底端表示最小可能值。
最佳擬合線 vs. 最差可接受線
若要找出斜率（梯度）的不確定度：
1. 繪製一條最佳擬合線（Line of Best Fit）（貫穿所有點的中間）。
2. 繪製一條最差可接受線（Worst Acceptable Line）（仍能穿過所有誤差條的最陡或最平緩的直線）。
3. 斜率的不確定度即為這兩條線斜率之間的差異。
百分比差異（Percentage Difference）
通常，你會將實驗結果與「課本」數值進行比較。
\(百分比差異 = \frac{|實驗值 - 真實值|}{真實值} \times 100\%\)
鼓勵一下：如果你的百分比差異小於你的百分比不確定度，恭喜你！在測量的限制範圍內，你的結果被視為是準確的。
重點提示：圖表有助於我們視覺化數據的「離散程度」。請使用「最差可接受線」方法，來看看你的計算斜率有多大的可信度。
最終快速複習盒
• 基本單位： kg, m, s, A, K, mol。
• 準確度： 靠近目標。 精確度： 數值彼此靠近。
• 隨機誤差： 取平均值。 系統誤差： 檢查設備。
• 乘法/除法： 永遠相加百分比不確定度。
• 齊次性： 等號兩邊的單位必須一致。