Hagnaður:
- Hæfni til að greina á milli tilviljunarkenndra og kerfisbundinnar óvissu og tilkynna hverja mæliniðurstöðu með óvissu sinni í viðeigandi marktæka tölustaf.
- Geta til að reikna út villuútbreiðslu með réttri reglu og sjálfstætt athuga formúluna sem er fengin af gervigreind með Monte Carlo
- Geta til að ákveða hvort tvær niðurstöður séu samrýmanlegar eða ekki, að teknu tilliti til óvissu þeirra
Engin mæling í eðlisfræði er fullkomin. Óvissa er ±0,5 mm þegar lengdarmæling er með reglustiku og ±0,1 s þegar tíminn er mældur með skeiðklukku. Þessir óvissuþættir eru ekki galli, heldur eðli mælingarinnar - og krafan um vísindalega heilindi er að tilkynna hverja niðurstöðu með sinni óvissu. Að segja „Mér fannst þyngdarhröðunin vera 9,7“ er ófullnægjandi; Að segja „Ég fann 9,7 ± 0,3 m/s²“ segir þér hversu áreiðanleg niðurstaðan er. Í þessari einingu munt þú læra hvernig á að nota gervigreind (AI) fyrir óvissuútreikninga og villuútbreiðslu (hvernig mælióvissu er flutt frá þessum mælingum til reiknaðrar niðurstöðu) og hvernig á að sannreyna þessa útreikninga.
Tegundir óvissu og hlutverk gervigreindar
Það eru tvær grunngerðir óvissu. Tilviljunarkennd óvissa er dreifing niðurstaðna í endurteknum mælingum; Margar mælingar eru teknar og minnkaðar með meðaltali og staðalfráviki. Kerfisbundin óvissa er villa sem víkur alltaf í sömu átt (eins og miskvarðað jafnvægi); Það minnkar ekki við endurtekningu heldur er leiðrétt með því að finna orsökina. AI er hjálplegt við að útskýra þessi hugtök, kóða útreikninga á staðalfráviki og meðaltali, og - sérstaklega - draga fram flóknar villuútbreiðsluformúlur. En þú verður að sannreyna hverja afleidda formúlu, vegna þess að gervigreind blandar oft hlutafleiðumerkjum eða kvaðratrótarbyggingu í villuútbreiðsluformúlum.
Staða
reikning
sannprófun
Endurtekin mæling
Meðaltal ± staðalvilla
Handvirkt staðalfrávik / √N
Samlagning/frádráttur (z = x ± y)
Óvissuþættir eru teknir saman frá torginu
Stærð/einingastjórnun
Margföldun/deiling (z = x·y)
Hlutfallsleg óvissa er tekin saman frá reitnum
Próf með sýnishornsnúmeri
Almennt hlutverk
Fjölgun með hlutaafleiðum
Víxlskoðun hjá Monte Carlo
Grunnreglur um útbreiðslu villu
Til viðbótar og frádráttar eru alger óvissa sameinuð með því að leggja saman ferninga þeirra: Ef z = x + y verður óvissa z √(δx² + δy²). Í margföldun og deilingu er hlutfallsleg (prósenta) óvissan tekin saman úr ferningum þeirra: Ef z = x·y, (δz/z) = √((δx/x)² + (δy/y)²). Fyrir flóknari föll er almenna reglan að nota hlutaafleiður: áhrif hverrar breytu á niðurstöðuna eru mæld með hlutaafleiðu með tilliti til þeirrar breytu. AI getur dregið þessar formúlur, en öruggasta leiðin til að sannreyna niðurstöðuna er Monte Carlo krossathugun: að dreifa hverju inntaki af handahófi í óvissu þess, reikna það þúsund sinnum og skoða dreifingu framleiðslunnar.
Ábending: Ef þú ert ekki viss um nákvæmni villuútbreiðsluformúlu, gefðu henni Monte Carlo: búðu til inntak af handahófi með eigin óvissu og reiknaðu fallið 10.000 sinnum; Staðalfrávik framleiðslunnar verður að passa við þá óvissu sem formúlan gefur. Samsetning þessara tveggja sjálfstæðu aðferða eykur til muna traust þitt á niðurstöðunni.
Skref fyrir skref: heiðarleg óvissugreining
1. Ákvarða óvissu hverrar mælingar. Upplausn tækis, dreifing endurtekningar eða gögn frá framleiðanda. Skrifaðu niður hvaðan óvissan kemur.
2. Gerðu greinarmun á handahófi og kerfisbundnu. Íhugaðu sérstaklega hvað mun minnka við endurtekningu og hvað ekki.
3. Reiknaðu útbreiðsluna með réttri formúlu. Samlagning, margföldun, almenn fall — veldu viðeigandi reglu. Láttu AI leiða það, en stjórnaðu því.
4. Krossskoðun með Monte Carlo. Gefðu niðurstöðuna í sjálfstæðri aðferð, sérstaklega fyrir flóknar formúlur.
5. Skýrsla með viðeigandi merkum tölustöfum. Óvissa er venjulega námunduð upp í 1-2 merka tölustafi; niðurstaðan er í takt við síðasta tölustaf óvissunnar. Skrifaðu "9,7 ± 0,4 m/s²", ekki "9,73418 ± 0,4".
þrjú smámál
Tilfelli 1 - Röng dreifingarformúla. Nemandi spurði AI um útbreiðslu óvissu fyrir g = 4π²L/T². AI gleymdi stuðlinum 2 þegar dregið var af framlagi óvissu T með tilliti til T (þar sem T² ætti hlutfallsleg óvissa að hafa verið 2·δT/T). Þegar nemandinn fór yfir Monte Carlo fann hann að gervigreindarformúlan áætlaði óvissuna um helming og leiðrétti hana.
Mál 2 — Kerfisbundin villa falin. Einn rannsakandi tók mikinn fjölda mælinga, gerði tilviljunarkennda óvissu mjög litla og sagði frá glæsilegri nákvæmni upp á „±0,01 mm. En mælikvarðinn var ójafn um 0,2 mm - kerfisbundin villa. Að teknu tilliti til þessarar villu, sem minnkaði ekki við endurtekningu, var hin raunverulega óvissa miklu meiri. Lexía: endurtekning dregur úr tilviljunarkenndum villum, ekki kerfisbundnar villur.
Mál 3 - Monte Carlo bjargað. Kennari kynnti óvissu í rúmmálsreikningi (V = πr²h) og fann niðurstöðu með höndunum. Til að vera viss, bað hann gervigreindina um Monte Carlo kóða; Hann myndaði af handahófi r og h með óvissuþáttum þeirra og reiknaði V 10.000 sinnum. Staðalfrávik dreifingarinnar var í samræmi við gildið sem fannst með höndunum - greiningin var fullgilt.
Fjögur afritanleg sniðmát
1) Afleiðsla villuútbreiðslu + staðfesting:
Fyrir orðatiltækið z = [formúla], dragið villuútbreiðsluna úr óvissu breytanna x og y yfir í óvissu z með hlutaafleiðum, SKREF VIÐ SKEP. Sýnið hverja hlutaafleiðu. Staðfestu síðan þessa formúlu með SympY.Fitting; Merktu skrefið sem þú ert ekki viss um.
2) Monte Carlo krossathugun:
Skrifaðu Python kóða sem finnur óvissu eftirfarandi útreiknings með Monte Carlo: z = [formúla]. Inntak: x = [gildi ± óvissa], y = [gildi ± óvissa]. Sýndu hvert inntak 10.000 sinnum úr normaldreifingu, reiknaðu z, prentaðu meðaltal og staðalfrávik úttaksins. Berðu þetta saman við niðurstöðu greinandi dreifingarformúlunnar.
3) Mælingartölfræði:
Skrifaðu kóða sem reiknar út meðaltal, staðalfrávik og staðalfrávik meðaltals (std/√N) fyrir eftirfarandi endurteknar mælingar ([gildi]). Prentaðu niðurstöðuna á sniðinu "gildi ± staðalvilla (einingar)" með viðeigandi marktækum tölustaf. Minnum okkur á greinarmuninn á tilviljunarkenndri og kerfisbundinni óvissu.
4) Mikilvægur tölustafur/skýrsluathugun:
Endurskrifaðu niðurstöðurnar hér að neðan á forminu „gildi ± óvissa (eining)“, námundaðu óvissuna í 1-2 markverða tölustafi og taktu niðurstöðuna saman við óvissuna. Lagaðu ranga nákvæmni. Úrslit: [hér]
Veik kvaðning / Sterk kvaðning
Veik: "reiknaðu óvissuna fyrir g."
Niðurstaða: Tala án samhengis, formúla hennar er ekki staðfest og án kerfisbundins/handahófsaðgreiningar.
Sterkt: "Fyrir g = 4π²L/T², dragið óvissu g af með hlutaafleiðum úr mælingum á L = 1,00 ± 0,01 m og T = 2,00 ± 0,02 s, krossa síðan við Monte Carlo. Skrifaðu niðurstöðuna á forminu 'g = ... ± ... m/s²' með viðeigandi tölustafi."
Niðurstaða: Afleidd, óháð staðfest, rétt tilkynnt óvissa.
Algeng mistök
- Alls ekki að tilkynna óvissu. Mæling án óvissu er vísindaleg hálfsetning.
- Staðfestir ekki útbreiðsluformúluna. YZ blandar oft hlutafleiðustuðlum og ferningsrótarbyggingu; Monte Carlo krossskoðun er nauðsynleg.
- Reynt er að draga úr kerfisbundnum villum með endurtekningu. Fjölmæling dregur aðeins úr tilviljunarkenndum villum; kvörðunarvilla er eftir.
- Að skapa falska vissu. Að skrifa miklu mikilvægari tölustafi en óvissu er krafa um nákvæmni sem er ekki til.
- Að safna óvissu beint. Óháðu óvissuþættirnir eru ekki línulegir heldur í veldi (í kvaðratrót).
Varúð: Hvort tvær líkamlegar niðurstöður séu „ólíkar“ er aðeins hægt að ákveða með því að skoða óvissu þeirra. Gildin 9,7 til 9,81 eru samhæf ef óvissan er ±0,3; ±0,02 er misvísandi. Að hunsa óvissuna og segja "niðurstaða mín víkur frá kenningunni" er oft röng niðurstaða. Vertu viss um að staðfesta óvissuútreikninginn sem gefinn er af gervigreindinni áður en þú tekur ákvörðun.
Í stuttu máli
Óvissa er ómissandi við líkamlega mælingu og allar niðurstöður ættu að vera tilkynntar með óvissu sinni. AI er gagnlegt við að kóða óvissutölfræði og leiða út villuútbreiðsluformúlur; en þessar formúlur innihalda tíðar villur og ætti að krossa þær með óháðri aðferð eins og Monte Carlo. Að greina tilviljun frá kerfisbundinni óvissu, tilkynna til viðeigandi marktækra tölustafa og bera saman niðurstöður við óvissu þeirra er grundvöllur heiðarlegrar vísindarannsóknar. Í næstu einingu munum við færa fókusinn frá tölulegri greiningu yfir í táknræna gerð líkana.
Umsóknarverkefni
Veldu útreikning sem inniheldur að minnsta kosti tvær mældar stærðir (t.d. V = πr²h eða g = 4π²L/T²). Úthlutaðu hæfilegri óvissu fyrir hverja stærð. Láttu gervigreindina leiða villuútbreiðsluna með sniðmáti 1, láttu síðan Monte Carlo athuga með sniðmáti 2 og keyra það. Eru niðurstöður þessara tveggja aðferða sammála? Tilkynntu niðurstöðuna með viðeigandi marktækum tölustaf. Skrifaðu niður í 5-6 setningum: er formúluvilla eða misræmi?
gátlisti
- [ ] Ég ákvað óvissu og uppruna hverrar mælingar.
- [ ] Ég gerði greinarmun á tilviljunarkenndri og kerfisbundinni óvissu.
- [ ] Ég reiknaði út villuútbreiðsluna með réttri reglu.
- [ ] Ég krossaði niðurstöðuna sjálfstætt með Monte Carlo eða með hendi.
- [ ] Ég tilkynnti niðurstöðuna með viðeigandi marktækum tölustaf, í takt við óvissu hennar.
- [ ] Ég tók tillit til óvissu við samanburð á niðurstöðum.