欢迎来到不确定性的世界！
在物理学中，我们热衷于测量各种事物——例如光速、电子的质量，或是电线的长度。但这里有一个秘密：没有任何测量是绝对完美的。每次我们使用工具进行测量时，结果总会存在一点点误差。在本章中，我们将学习如何识别这些“缺陷”、如何以专业术语进行描述，以及如何透过数学运算来展现我们对结果的确信（或不确信）程度。如果起初觉得有些模糊也不必担心；读完这些笔记后，你将成为处理物理世界局限性的专家！
1. 误差：为什么测量会出错？
误差（Error）简单来说，就是你测得的数值与大自然中“真实”数值之间的差异。我们通常将其分为两大类：
随机误差（Random Errors）
这些是不可预测的。一次测量可能稍高，下一次可能稍低。它们就像靶子上的散乱弹孔。
- 成因：人类的反应时间、室温的轻微波动，或气流影响了灵敏的电子天平。
- 处理方法：你无法完全“消除”它们，但可以重复测量并计算平均值。这样一来，随机的“偏高”和“偏低”就会相互抵销。
系统误差（Systematic Errors）
这些误差是恒定的。如果你的测量值总是朝同一个方向偏移固定的数值，那就是系统误差。想象一个永远快了 5 分钟的时钟。
- 成因：仪器校准不当或实验设置不佳。常见的一种是零点误差（Zero Error）（例如：磅秤在放上物体前就显示 0.1g）。
- 处理方法：你必须重新校准仪器，或从每次读数中减去已知的误差值。重复测量并计算平均值对此类误差没有帮助，因为每次的误差都是一样的！
重点总结：随机误差是“分散的”（透过取平均值修正）；系统误差是“偏移的”（透过更好的设备/校准修正）。
2. 专业词汇的“精英小队”
要成为一名物理学家，你需要使用精确的词汇来描述数据。这些词经常被混淆，让我们来逐一拆解：
- 准确度（Accuracy）：测量值与真实值的接近程度。如果重力加速度的真实值是 \(9.81 \, m/s^2\)，而你测得 \(9.80 \, m/s^2\)，那么你非常准确！
- 精密度（Precision）：重复测量所得数值之间的一致程度。如果你测量三次重力，结果分别是 \(9.11, 9.12,\) 和 \(9.11\)，你的结果很精密（一致），但不准确（错误）。
- 分辨率（Resolution）：仪器能检测到的物理量最小变化。例如：标准尺的分辨率为 1 mm。数字卡尺的分辨率可能达到 0.01 mm。
- 重复性（Repeatability）：你自己使用同一套设备再次进行实验，能否得到相同的结果？
- 再现性（Reproducibility）：其他人（或你使用不同设备）依照你的方法进行实验，能否得到相同的结果？
记忆小撇步：想象一下飞镖盘。准确度是射中靶心。精密度是连续三次射中墙上的同一个点，即使那个点并不是靶心！
3. 不确定性的表示法
不确定性是我们量化怀疑程度的方式。共有三种写法：
A. 绝对不确定性（Absolute Uncertainty）
“怀疑”的实际范围，通常写作 \( \pm \)。
例如：长度为 \(20 \pm 1 \, mm\)。绝对不确定性就是 \(1 \, mm\)。
B. 分数不确定性（Fractional Uncertainty）
不确定性与测量值的比率。
\( \text{分数不确定性} = \frac{\text{绝对不确定性}}{\text{测量值}} \)
C. 百分比不确定性（Percentage Uncertainty）
比较误差最常用的方式。
\( \text{百分比不确定性} = \frac{\text{绝对不确定性}}{\text{测量值}} \times 100\% \)
快速复习：
如果你测得 \(5.0 \, V\)，不确定性为 \( \pm 0.1 \, V \)：
绝对值 = \(0.1 \, V\)
分数值 = \(0.1 / 5.0 = 0.02\)
百分比 = \(0.02 \times 100 = 2\%\)
4. 合并不确定性（数学运算规则）
如果用了两个测量值来计算第三个数值（例如用质量和体积来求密度）会发生什么事？不确定性会“累积”。请遵循以下简单规则：
规则 1：加法或减法
当进行数值加减时，要将绝对不确定性相加。
例如：你有两根杆子。杆 A 长 \(10 \pm 1 \, cm\)，杆 B 长 \(5 \pm 1 \, cm\)。总长度为 \(15 \pm 2 \, cm\)。
规则 2：乘法或除法
当进行数值乘除时，要将百分比不确定性相加。
别担心，这并不难！先将所有数值转为百分比，相加后，最后再视需要转回数值即可。
规则 3：次方运算
如果数值涉及平方、立方或平方根，将百分比不确定性乘以该次方数。
例如：如果半径 \(r\) 的不确定性是 \(3\%\)，则圆面积（\(\pi r^2\)）的不确定性为 \(3\% \times 2 = 6\%\)。
重点总结：加减用绝对值；乘除及次方用百分比！
5. 图表中的不确定性
在实验考试中，你经常需要绘制图表。我们不只是画点，还要画误差棒（Error Bars）。
- 误差棒：这些是在数据点上方、下方或两侧绘制的小“胡须”，用以显示绝对不确定性。
- 最佳拟合线（Lines of Best Fit）：这是尽可能穿过最多误差棒的“平均”线。
- 最差拟合线（Lines of Worst Fit）：这是仍能穿过所有误差棒的前提下，所能画出的最陡或最平的直线。
找出斜率（梯度）的不确定性
要找出斜率的不确定性，请使用这个“食谱”：
1. 绘制最佳拟合线并计算其斜率 (\(m_{best}\))。
2. 绘制最差拟合线（通常是从第一个误差棒的底部到最后一个误差棒的顶部所连成的线）并计算其斜率 (\(m_{worst}\))。
3. \( \text{不确定性} = |m_{best} - m_{worst}| \)
注：同样的方法也适用于 y 截距！只需找出最佳线与最差线截距之间的差值即可。
6. 有效数字与不确定性
数值舍入的方式与你对数据的信任程度之间有着特殊的联系。
规则：最终答案的有效数字位数，应与测量数据中最不精确的那一个相同。此外，不确定性通常应舍入至一位有效数字，而你的测量数值也应舍入到与该小数位数一致的位置。
例如：你不应该写 \(5.23421 \pm 0.1 \, m\)。如果你只能确定到 \(0.1\) 的位数，正确写法应为 \(5.2 \pm 0.1 \, m\)。
你知道吗？使用比不确定性容许度更多的有效数字，就像是在说“我 100% 确定它是 5.23421”，但你的尺只能测量到 5.2！这在科学上其实是种“谎言”。
最终复习检查清单
- 你能分辨随机误差和系统误差吗？ (第 1 节)
- 你知道精密度和准确度的差别吗？ (第 2 节)
- 你会计算百分比不确定性吗？ (第 3 节)
- 你知道何时该使用绝对不确定性，何时该使用百分比不确定性吗？ (第 4 节)
- 你能解释如何使用“最差拟合线”来找出斜率的不确定性吗？ (第 5 节)