Kazanimlar:
- Rastgele ve sistematik belirsizliği ayırt edip her ölçüm sonucunu uygun anlamlı basamakla belirsizliğiyle birlikte raporlayabilme
- Hata yayılımını doğru kuralla hesaplayıp yapay zekanın türettiği formülü Monte Carlo ile bağımsız çapraz kontrol edebilme
- İki sonucun uyumlu olup olmadığına belirsizliklerini hesaba katarak karar verebilme
Fizikte hiçbir ölçüm mükemmel değildir. Bir cetvelle uzunluk ölçerken ±0,5 mm, bir kronometreyle süre ölçerken ±0,1 s belirsizlik vardır. Bu belirsizlikler bir kusur değil, ölçümün doğasıdır — ve bilimsel dürüstlüğün gereği, her sonucu belirsizliğiyle birlikte bildirmektir. "Yerçekimi ivmesini 9,7 buldum" demek eksiktir; "9,7 ± 0,3 m/s² buldum" demek, sonucun ne kadar güvenilir olduğunu söyler. Bu ünitede yapay zekayı (YZ) belirsizlik hesabı ve hata yayılımı (ölçüm belirsizliklerinin, o ölçümlerden hesaplanan sonuca nasıl taşındığı) konusunda nasıl kullanacağınızı ve bu hesapları nasıl doğrulayacağınızı öğreneceksiniz.
Belirsizlik türleri ve YZ'nin rolü
İki temel belirsizlik türü vardır. Rastgele belirsizlik, tekrarlı ölçümlerde sonuçların dağılmasıdır; çok ölçüm alıp ortalama ve standart sapma ile azaltılır. Sistematik belirsizlik, hep aynı yönde sapan bir hatadır (yanlış kalibre edilmiş bir terazi gibi); tekrarla azalmaz, ancak nedeni bulunarak düzeltilir. YZ, bu kavramları açıklamada, standart sapma ve ortalama hesabını kodlamada ve — özellikle — karmaşık hata yayılımı formüllerini türetmede yardımcıdır. Ama türetilen her formülü mutlaka doğrulamanız gerekir, çünkü YZ hata yayılımı formüllerinde kısmi türev işaretlerini ya da karekök yapısını sıkça karıştırır.
Durum
Hesap
Doğrulama
Tekrarlı ölçüm
Ortalama ± standart hata
Elle standart sapma / √N
Toplama/çıkarma (z = x ± y)
Belirsizlikler kareden toplanır
Boyut/birim kontrolü
Çarpma/bölme (z = x·y)
Bağıl belirsizlikler kareden toplanır
Örnek sayıyla test
Genel fonksiyon
Kısmi türevlerle yayılım
Monte Carlo ile çapraz kontrol
Hata yayılımının temel kuralları
Toplama ve çıkarmada mutlak belirsizlikler karelerinden toplanarak birleşir: z = x + y ise, z'nin belirsizliği √(δx² + δy²) olur. Çarpma ve bölmede ise bağıl (yüzde) belirsizlikler karelerinden toplanır: z = x·y ise, (δz/z) = √((δx/x)² + (δy/y)²). Daha karmaşık fonksiyonlar için genel kural kısmi türevleri kullanır: her değişkenin sonuca etkisi, o değişkene göre kısmi türevle ölçülür. Bu formülleri YZ türetebilir, ama sonucu doğrulamanın en güvenli yolu bir Monte Carlo çapraz kontrolüdür: her girdiyi kendi belirsizliği kadar rastgele dağıtıp binlerce kez hesaplayıp çıktının dağılımına bakmak.
İpucu: Bir hata yayılımı formülünün doğruluğundan emin değilseniz, onu Monte Carlo ile sağlayın: girdileri kendi belirsizlikleriyle rastgele üretip fonksiyonu 10.000 kez hesaplayın; çıktının standart sapması, formülün verdiği belirsizlikle uyuşmalıdır. Bu iki bağımsız yöntemin buluşması, sonuca güveninizi büyük ölçüde artırır.
Adım adım: dürüst bir belirsizlik analizi
1. Her ölçümün belirsizliğini belirle. Aletin çözünürlüğü, tekrarların dağılımı ya da üretici verisi. Belirsizlik nereden geliyor, yazın.
2. Rastgele ve sistematik olanı ayır. Tekrarla azalacak olanla azalmayacak olanı ayrı düşünün.
3. Yayılımı doğru formülle hesapla. Toplama mı, çarpma mı, genel fonksiyon mu — uygun kuralı seçin. YZ'ye türettirin ama denetleyin.
4. Monte Carlo ile çapraz kontrol et. Özellikle karmaşık formüllerde, sonucu bağımsız bir yöntemle sağlayın.
5. Uygun anlamlı basamakla raporla. Belirsizlik genelde 1-2 anlamlı basamağa yuvarlanır; sonuç, belirsizliğin son basamağıyla hizalanır. "9,73418 ± 0,4" değil, "9,7 ± 0,4 m/s²" yazın.
Üç mini vaka
Vaka 1 — Yanlış yayılım formülü. Bir öğrenci, YZ'ye g = 4π²L/T² için belirsizlik yayılımını sordu. YZ, T'nin belirsizliğinin katkısını T'ye göre türetirken 2 katsayısını unuttu (T² olduğu için bağıl belirsizlik 2·δT/T olmalıydı). Öğrenci Monte Carlo ile çapraz kontrol edince YZ formülünün belirsizliği yaklaşık yarı hesapladığını gördü ve düzeltti.
Vaka 2 — Sistematik hata gizlendi. Bir araştırmacı, çok sayıda ölçüm alıp rastgele belirsizliği çok küçülttü ve "±0,01 mm" gibi etkileyici bir kesinlik raporladı. Ama terazisi 0,2 mm kayık kalibreydi — bir sistematik hata. Tekrarla azalmayan bu hatayı hesaba katınca gerçek belirsizlik çok daha büyüktü. Ders: tekrar, rastgele hatayı azaltır, sistematik hatayı değil.
Vaka 3 — Monte Carlo kurtardı. Bir öğretmen, bir hacim hesabında (V = πr²h) belirsizlik yaydı ve elle bir sonuç buldu. Emin olmak için YZ'den Monte Carlo kodu istedi; r ve h'yi belirsizlikleriyle rastgele üretip 10.000 kez V hesapladı. Dağılımın standart sapması, elle bulduğu değerle uyuştu — analiz doğrulanmış oldu.
Dört kopyalanabilir şablon
1) Hata yayılımı türetme + doğrulama:
z = [formül] ifadesi için, x ve y değişkenlerinin belirsizliklerindenz'nin belirsizliğine hata yayılımını kısmi türevlerle ADIM ADIM türet.Her kısmi türevi göster. Sonra bu formülü SympY ile doğrula.Uydurma; emin olmadığın adımı işaretle.
2) Monte Carlo çapraz kontrolü:
Şu hesabın belirsizliğini Monte Carlo ile bulan bir Python kodu yaz:z = [formül]. Girdiler: x = [değer ± belirsizlik], y = [değer ± belirsizlik].Her girdiyi normal dağılımdan 10.000 kez örnekle, z'yi hesapla,çıktının ortalama ve standart sapmasını yazdır. Bunu analitikyayılım formülünün sonucuyla karşılaştır.
3) Ölçüm istatistiği:
Şu tekrarlı ölçüm verisi için ([değerler]) ortalama, standart sapmave ortalamanın standart hatasını (std/√N) hesaplayan bir kod yaz.Sonucu "değer ± standart hata (birim)" biçiminde, uygun anlamlıbasamakla yazdır. Rastgele ve sistematik belirsizlik ayrımını hatırlat.
4) Anlamlı basamak / raporlama denetimi:
Aşağıdaki sonuçları "değer ± belirsizlik (birim)" biçiminde,belirsizliği 1-2 anlamlı basamağa yuvarlayıp sonucu belirsizliklehizalayarak yeniden yaz. Sahte kesinlik varsa düzelt.Sonuçlar: [buraya]
Zayıf prompt / Güçlü prompt
Zayıf: "g için belirsizliği hesapla."
Sonuç: Bağlamsız, formülü doğrulanmamış, sistematik/rastgele ayrımı yapılmamış bir sayı.
Güçlü: "g = 4π²L/T² için, L = 1,00 ± 0,01 m ve T = 2,00 ± 0,02 s ölçümlerinden g'nin belirsizliğini kısmi türevlerle türet, sonra Monte Carlo ile çapraz kontrol et. Sonucu uygun anlamlı basamakla 'g = ... ± ... m/s²' biçiminde yaz."
Sonuç: Türetilmiş, bağımsız yöntemle doğrulanmış, doğru raporlanmış bir belirsizlik.
Sık yapılan hatalar
- Belirsizliği hiç bildirmemek. Belirsizliksiz bir ölçüm, bilimsel olarak yarım bir ifadedir.
- Yayılım formülünü doğrulamamak. YZ kısmi türev katsayılarını ve karekök yapısını sık karıştırır; Monte Carlo çapraz kontrolü şarttır.
- Sistematik hatayı tekrarla azaltmaya çalışmak. Çok ölçüm sadece rastgele hatayı azaltır; kalibrasyon hatası kalır.
- Sahte kesinlik yaratmak. Belirsizlikten çok daha fazla anlamlı basamak yazmak, olmayan bir hassasiyet iddiasıdır.
- Belirsizlikleri doğrudan toplamak. Bağımsız belirsizlikler doğrusal değil, karelerinden (karekök içinde) birleşir.
Dikkat: İki fiziksel sonucun "farklı" olup olmadığına ancak belirsizlikleriyle birlikte bakarak karar verilebilir. 9,7 ile 9,81 değerleri, belirsizlik ±0,3 ise uyumludur; ±0,02 ise çelişkilidir. Belirsizliği atlayarak "sonucum teoriden sapıyor" demek, çoğu zaman hatalı bir sonuçtur. YZ'nin verdiği belirsizlik hesabını, bir karar vermeden önce mutlaka doğrulayın.
Özetle
Belirsizlik, fiziksel ölçümün ayrılmaz parçasıdır ve her sonuç belirsizliğiyle raporlanmalıdır. YZ, belirsizlik istatistiğini kodlamada ve hata yayılımı formüllerini türetmede yardımcıdır; ama bu formüller sık hata içerir ve Monte Carlo gibi bağımsız bir yöntemle çapraz kontrol edilmelidir. Rastgele ile sistematik belirsizliği ayırmak, uygun anlamlı basamakla raporlamak ve sonuçları belirsizlikleriyle karşılaştırmak dürüst bilimsel çalışmanın temelidir. Bir sonraki ünitede odağı sayısal analizden, sembolik model türetmeye çevireceğiz.
Uygulama görevi
İçinde en az iki ölçülen büyüklük bulunan bir hesap seçin (örneğin V = πr²h ya da g = 4π²L/T²). Her büyüklüğe makul bir belirsizlik atayın. YZ'ye 1. şablonla hata yayılımını türettirin, ardından 2. şablonla Monte Carlo çapraz kontrolü yaptırın ve çalıştırın. İki yöntemin sonucu uyuşuyor mu? Sonucu uygun anlamlı basamakla raporlayın. 5-6 cümleyle not edin: bir formül hatası ya da uyuşmazlık çıktı mı?
Kontrol listesi
- [ ] Her ölçümün belirsizliğini ve kaynağını belirledim.
- [ ] Rastgele ve sistematik belirsizliği ayırdım.
- [ ] Hata yayılımını doğru kuralla hesapladım.
- [ ] Sonucu Monte Carlo ya da elle bağımsız olarak çapraz kontrol ettim.
- [ ] Sonucu uygun anlamlı basamakla, belirsizliğiyle hizalı raporladım.
- [ ] Sonuçları karşılaştırırken belirsizliği hesaba kattım.