عدم اليقين وانتشار الخطأ وتحليل القياس

المكاسب:

• القدرة على التمييز بين عدم اليقين العشوائي والمنهجي والإبلاغ عن كل نتيجة قياس مع عدم اليقين الخاص بها إلى الرقم المهم المناسب.
• القدرة على حساب انتشار الخطأ باستخدام القاعدة الصحيحة والتحقق بشكل مستقل من الصيغة المستمدة من الذكاء الاصطناعي مع مونت كارلو
• القدرة على تحديد ما إذا كانت نتيجتان متوافقتان أم لا، مع مراعاة عدم اليقين بينهما

لا يوجد قياس مثالي في الفيزياء. هناك عدم يقين يبلغ ±0.5 مم عند قياس الطول باستخدام المسطرة، و±0.1 ثانية عند قياس الوقت باستخدام ساعة توقيت. إن أوجه عدم اليقين هذه ليست عيبًا، ولكنها طبيعة القياس - ومتطلبات النزاهة العلمية هي الإبلاغ عن كل نتيجة مع عدم اليقين الخاص بها. إن قول "لقد وجدت أن تسارع الجاذبية يبلغ 9.7" غير مكتمل؛ إن قول "لقد وجدت 9.7 ± 0.3 م/ث²" يخبرك بمدى موثوقية النتيجة. في هذه الوحدة، ستتعلم كيفية استخدام الذكاء الاصطناعي (AI) لحساب عدم اليقين وانتشار الأخطاء (كيف يتم نقل حالات عدم اليقين في القياس من تلك القياسات إلى النتيجة المحسوبة) وكيفية التحقق من هذه الحسابات.

أنواع عدم اليقين ودور الذكاء الاصطناعي

هناك نوعان أساسيان من عدم اليقين. عدم اليقين العشوائي هو تشتت النتائج في القياسات المتكررة؛ يتم أخذ العديد من القياسات وتخفيضها بالمتوسط ​​والانحراف المعياري. إن عدم اليقين المنهجي هو خطأ ينحرف دائمًا في نفس الاتجاه (مثل الميزان الخاطئ)؛ ولا ينقص مع التكرار، بل يتم تصحيحه من خلال إيجاد السبب. يعد الذكاء الاصطناعي مفيدًا في شرح هذه المفاهيم، وتدوين حساب الانحراف المعياري والمتوسط، وخاصةً، استخلاص صيغ معقدة لانتشار الأخطاء. ولكن يجب عليك التحقق من كل صيغة مشتقة، لأن الذكاء الاصطناعي غالبًا ما يمزج علامات مشتقة جزئية أو بنية الجذر التربيعي في صيغ انتشار الخطأ.

الحالة

حساب

التحقق

القياس المتكرر

يعني ± الخطأ المعياري

الانحراف المعياري اليدوي / √N

الجمع/الطرح (ض = س ± ص)

يتم تلخيص الشكوك من الساحة

التحكم بالحجم/الوحدة

الضرب/القسمة (ض = س·ص)

يتم تلخيص حالات عدم اليقين النسبية من المربع

اختبار مع رقم العينة

وظيفة عامة

التكاثر بالمشتقات الجزئية

التحقق المتبادل مع مونت كارلو

القواعد الأساسية لانتشار الخطأ

بالإضافة إلى ذلك، يتم الجمع بين حالات عدم اليقين المطلقة عن طريق جمع مربعاتها: إذا كانت z = x + y، فإن عدم اليقين لـ z يصبح √(δx² + δy²). في الضرب والقسمة، يتم جمع حالات عدم اليقين النسبية (النسبة المئوية) من مربعاتها: إذا كانت z = x·y، (δz/z) = √((δx/x)² + (δy/y)²). بالنسبة للوظائف الأكثر تعقيدًا، فإن القاعدة العامة هي استخدام المشتقات الجزئية: يتم قياس تأثير كل متغير على النتيجة بواسطة المشتق الجزئي فيما يتعلق بهذا المتغير. يستطيع الذكاء الاصطناعي استخلاص هذه الصيغ، ولكن الطريقة الأكثر أمانًا للتحقق من النتيجة هي إجراء فحص مونت كارلو: توزيع كل مدخل بشكل عشوائي على عدم اليقين، وحسابه آلاف المرات، والنظر في توزيع المخرجات.

نصيحة: إذا لم تكن متأكدًا من دقة صيغة انتشار الخطأ، فقم بتوفيرها باستخدام مونت كارلو: قم بإنشاء المدخلات بشكل عشوائي مع عدم اليقين الخاص بها واحسب الدالة 10000 مرة؛ يجب أن يتطابق الانحراف المعياري للمخرجات مع حالة عدم اليقين التي توفرها الصيغة. إن الجمع بين هاتين الطريقتين المستقلتين يزيد من ثقتك في النتيجة بشكل كبير.

خطوة بخطوة: تحليل صادق لعدم اليقين

1. تحديد عدم اليقين في كل قياس. دقة الأداة أو توزيع التكرارات أو بيانات الشركة المصنعة. اكتب من أين يأتي عدم اليقين.

2. التمييز بين العشوائي والمنهجي. فكر بشكل منفصل في ما سوف يتناقص مع التكرار وما لن يتناقص.

3. احسب السبريد بالصيغة الصحيحة. الجمع والضرب والدالة العامة — اختر القاعدة المناسبة. اطلب من الذكاء الاصطناعي أن يستمدها، لكن يتحكم فيها.

4. تحقق مع مونت كارلو. توفير النتيجة بطريقة مستقلة، خاصة بالنسبة للصيغ المعقدة.

5. قم بالإبلاغ بالأرقام المهمة المناسبة. عادة ما يتم تقريب عدم اليقين إلى 1-2 أرقام مهمة؛ وتتوافق النتيجة مع الرقم الأخير من عدم اليقين. اكتب "9.7 ± 0.4 م/ث²"، وليس "9.73418 ± 0.4".

ثلاث حالات صغيرة

الحالة 1 - صيغة انتشار خاطئة. سأل أحد الطلاب الذكاء الاصطناعي عن انتشار عدم اليقين لـ g = 4π²L/T². لقد نسيت منظمة العفو الدولية معامل 2 عند استخلاص مساهمة عدم اليقين T بالنسبة إلى T (بما أن T² كان ينبغي أن يكون عدم اليقين النسبي 2·δT/T). وعندما قام الطالب بمراجعة مونت كارلو، وجد أن صيغة الذكاء الاصطناعي قدّرت درجة عدم اليقين بحوالي النصف وقامت بتصحيحها.

الحالة 2 - إخفاء الخطأ المنهجي. أجرى أحد الباحثين عددًا كبيرًا من القياسات، وجعل عدم اليقين العشوائي صغيرًا جدًا، وأبلغ عن دقة مذهلة تبلغ "±0.01 ملم". لكن مقياسها كان خارج العيار بمقدار 0.2 ملم، وهو خطأ منهجي. ومع الأخذ في الاعتبار هذا الخطأ، الذي لم يتضاءل مع التكرار، فإن عدم اليقين الحقيقي كان أكبر بكثير. الدرس المستفاد: التكرار يقلل من الخطأ العشوائي، وليس الخطأ المنهجي.

الحالة 3 - إنقاذ مونت كارلو. قدم أحد المعلمين عدم اليقين في حساب التفاضل والتكامل للحجم (V = πr²h) ووجد النتيجة يدويًا. ومن المؤكد أنه طلب من الذكاء الاصطناعي رمز مونت كارلو؛ لقد قام بتوليد r وh بشكل عشوائي مع عدم اليقين وحساب V 10000 مرة. وافق الانحراف المعياري للتوزيع على القيمة التي تم العثور عليها يدويًا - وتم التحقق من صحة التحليل.

أربعة قوالب قابلة للنسخ

1) اشتقاق انتشار الخطأ + التحقق:

بالنسبة للتعبير z = [الصيغة]، اشتق انتشار الخطأ من عدم اليقين في المتغيرات x وy إلى عدم اليقين z بواسطة المشتقات الجزئية، STEP BY STEP. أظهر كل مشتق جزئي. ثم تحقق من هذه الصيغة باستخدام SympY.Fitting؛ حدد الخطوة التي لست متأكدًا منها.

2) فحص مونت كارلو:

اكتب كود بايثون الذي يجد عدم اليقين في الحساب التالي باستخدام مونت كارلو: z = [الصيغة]. المدخلات: x = [القيمة ± عدم اليقين]، y = [القيمة ± عدم اليقين]. قم بأخذ عينة من كل إدخال 10000 مرة من التوزيع الطبيعي، واحسب z، واطبع المتوسط ​​والانحراف المعياري للمخرجات. قارن ذلك بنتيجة صيغة الانتشار التحليلية.

3) إحصائيات القياس:

اكتب رمزًا يحسب المتوسط والانحراف المعياري والخطأ المعياري للوسط (std/√N) لبيانات القياس المتكررة التالية ([القيم]). اطبع النتيجة بالتنسيق "القيمة ± الخطأ القياسي (الوحدات)" بالرقم المهم المناسب. ذكرنا بالتمييز بين عدم اليقين العشوائي والمنهجي.

4) التحقق من الأرقام/ التقارير المهمة:

أعد كتابة النتائج أدناه في النموذج "القيمة ± عدم اليقين (الوحدة)"، مع تقريب عدم اليقين إلى 1-2 أرقام مهمة ومواءمة النتيجة مع عدم اليقين. إصلاح الدقة الزائفة. النتائج: [هنا]

موجه ضعيف / موجه قوي

ضعيف: "احسب عدم اليقين لـ g."

النتيجة: رقم بدون سياق، ولم يتم التحقق من صيغته، وبدون تمييز منهجي/عشوائي.

قوي: "بالنسبة لـ g = 4π²L/T²، اشتق عدم اليقين لـ g بواسطة مشتقات جزئية من قياسات L = 1.00 ± 0.01 m وT = 2.00 ± 0.02 s، ثم قارنها مع مونت كارلو. اكتب النتيجة في النموذج 'g = ... ± ... m/s²' مع الرقم المهم المناسب."

النتيجة: عدم يقين مشتق، تم التحقق منه بشكل مستقل، وتم الإبلاغ عنه بشكل صحيح.

الأخطاء الشائعة

• عدم الإبلاغ عن عدم اليقين على الإطلاق. القياس دون عدم اليقين هو نصف بيان علمي.
• عدم التحقق من صيغة الانتشار. يمزج YZ بشكل متكرر المعاملات المشتقة الجزئية وبنية الجذر التربيعي؛ التحقق من مونت كارلو أمر لا بد منه.
• محاولة تقليل الخطأ المنهجي من خلال التكرار. القياس المتعدد يقلل فقط من الخطأ العشوائي؛ يبقى خطأ المعايرة.
• خلق اليقين الزائف. إن كتابة العديد من الأرقام الأكثر أهمية من عدم اليقين هو ادعاء بالدقة غير موجود.
• جمع الشكوك مباشرة. حالات عدم اليقين المستقلة ليست خطية ولكنها مربعة (في الجذر التربيعي).

تحذير: لا يمكن تحديد ما إذا كانت النتيجتان الجسديتان "مختلفتان" إلا من خلال النظر في حالة عدم اليقين الخاصة بهما. تكون القيم من 9.7 إلى 9.81 متوافقة إذا كان عدم اليقين ±0.3؛ ±0.02 متناقض. إن تجاهل عدم اليقين والقول "إن نتيجتي تنحرف عن النظرية" غالبًا ما يكون استنتاجًا خاطئًا. تأكد من التحقق من حساب عدم اليقين الذي قدمه الذكاء الاصطناعي قبل اتخاذ القرار.

باختصار

يعد عدم اليقين جزءًا لا يتجزأ من القياس الفيزيائي ويجب الإبلاغ عن كل نتيجة مع عدم اليقين الخاص بها. الذكاء الاصطناعي مفيد في ترميز إحصاءات عدم اليقين واستخلاص صيغ انتشار الخطأ؛ ولكن هذه الصيغ تحتوي على أخطاء متكررة ويجب التحقق منها بطريقة مستقلة مثل مونت كارلو. إن التمييز بين العشوائية وعدم اليقين المنهجي، والإبلاغ عن الرقم المعنوي المناسب، ومقارنة النتائج بعدم اليقين الخاص بها هو أساس الدراسة العلمية الصادقة. في الوحدة التالية سوف نحول التركيز من التحليل العددي إلى اشتقاق النموذج الرمزي.

مهمة التطبيق

اختر عملية حسابية تتضمن كميتين مقيستين على الأقل (على سبيل المثال، V = πr²h أو g = 4π²L/T²). تعيين عدم يقين معقول لكل حجم. اطلب من الذكاء الاصطناعي أن يستنتج انتشار الخطأ باستخدام القالب 1، ثم قم بمراجعة مونت كارلو مع القالب 2 وتشغيله. هل تتفق نتائج الطريقتين؟ قم بالإبلاغ عن النتيجة بالرقم المهم المناسب. اكتب في 5-6 جمل: هل هناك خطأ في الصيغة أو عدم تطابق؟

قائمة مرجعية

• [ ] قمت بتحديد عدم اليقين ومصدر كل قياس.
• [ ] لقد ميزت عدم اليقين العشوائي والمنهجي.
• [ ] لقد قمت بحساب انتشار الخطأ باستخدام القاعدة الصحيحة.
• [ ] لقد قمت بمراجعة النتيجة بشكل مستقل مع مونت كارلو أو يدويًا.
• [ ] لقد أبلغت عن النتيجة بالرقم المهم المناسب، بما يتماشى مع عدم اليقين.
• [ ] أخذت عدم اليقين في الاعتبار عند مقارنة النتائج.