Tabla de Contenidos
모든 측정 프로세스에는 관련 오류가 있으며 오류가 측정 프로세스의 일부임을 아는 것이 중요합니다. 과학과 기술에서는 측정의 오류 또는 불확실성을 실험 오류 또는 관찰 오류라고 합니다.
오류 또는 불확실성 에는 무작위 오류와 체계적 오류 의 두 가지 종류가 있습니다 . 무작위 오류는 각 측정에서 예측할 수 없이 발생하는 반면, 체계적 오류는 각 결정에서 동일한 발생률을 보입니다. 두 가지 유형의 오류는 모든 측정 프로세스에 내재되어 있지만 무작위 오류는 통계적으로 처리할 수 있으며 참값 주위에 클러스터링되는 결정을 산출하는 반면 시스템 오류는 때때로 측정 장비를 교정하여 최소화할 수 있지만 이를 취하는 것이 중요합니다. 수정하지 않으면 수행 중인 연구의 결론에 영향을 미치는 잘못된 측정이 발생할 수 있기 때문에 고려하십시오.
무작위 오류
동일한 크기의 여러 측정이 수행되면 얻은 값이 특정 값을 중심으로 그룹화되는 것을 볼 수 있습니다. 따라서 무작위 오류는 주로 측정 정확도에 영향을 미칩니다 . 무작위 오류는 일반적으로 측정의 마지막 유효 자릿수에 영향을 미칩니다.
무작위 오류의 주요 원인은 기기 제한, 환경 요인 및 측정 절차의 약간의 변동과 관련이 있습니다. 몇 가지 예를 살펴보겠습니다.
- 저울에 무게를 잴 때 무게를 잴 때마다 무게를 잴 물건의 위치가 달라집니다.
- 플라스크에서 부피를 읽을 때 눈금 눈금을 볼 때마다 다른 각도에서 값을 읽을 수 있습니다.
- 기류 의 영향을 받는 경우 분석 저울의 샘플 질량 측정값이 달라질 수 있습니다 .
- 사람의 키 측정은 자세 변화의 영향을 받습니다.
- 풍속 측정은 측정이 이루어지는 높이와 순간에 따라 달라집니다. 풍향의 돌풍과 변화가 각 특정 결정을 수정하기 때문에 몇 가지 판독값을 가져와야 하며 얻은 값을 평균하여 대표적인 측정값을 얻습니다.
- 눈금의 표시 사이에 있거나 측정 표시의 두께를 고려할 때 판독값을 추정해야 합니다.
무작위 오류는 항상 발생하고 예측할 수 없기 때문에 여러 데이터 판독값을 측정 절차에 포함시킨 다음 매개변수의 실제 값을 정확하게 결정하고 동시에 그것이 무엇인지 알기 위해 평균화하는 것이 중요합니다. 측정의 변동성.
체계적인 오류
체계적인 오류는 예측 가능하며 항상 동일한 발생률을 갖습니다. 시스템 오류의 일반적인 원인에는 관찰 오류, 불완전한 기기 교정 및 환경 요인의 발생이 포함됩니다. 몇 가지 예를 살펴보겠습니다.
- 저울의 무게를 재거나 영점을 맞추는 것을 잊었습니다. 이렇게 하면 항상 실제 값에서 같은 양만큼 차이가 나는 질량 측정값이 생성됩니다(이 경우 용기 무게와 일치). 사용하기 전에 기기를 영점 조정하지 않아 발생하는 오류를 오프셋 오류라고 합니다.
- 부피 측정을 위해 눈높이에서 눈금 이 있는 메니스 커스를 읽지 마십시오 . 이로 인해 항상 잘못된 판독이 발생합니다. 관찰된 값은 판독값이 마크 위인지 아래인지에 따라 올바른 측정값을 과소평가하거나 과대평가합니다.
- 금속 자로 길이를 측정하면 재료의 열팽창으로 인해 주변 온도에 따라 다른 결과가 나타납니다.
- 보정된 온도계는 특정 온도 범위 내에서 정확한 판독값을 제공 할 수 있지만 더 높거나 낮은 온도에서는 모든 보정이 매개변수의 특정 변동 범위 내에서 유효하기 때문에 부정확해질 수 있습니다.
- 새 줄자를 사용하여 측정한 거리는 오래되고 늘어진 줄자로 결정한 것과 다릅니다. 이러한 유형의 상황에서 오류는 측정에 비례하며 스케일 팩터 오류라고 합니다.
- 전자 장비의 측정은 구성 요소 온도의 변화로 인해 시간이 지남에 따라 달라지는 경향이 있습니다. 드리프트에 취약하다고 합니다. 장치가 가열되면 다른 유형의 기기로 얻은 측정값도 영향을 받을 수 있습니다.
일단 원인이 확인되면 체계적 오류의 발생률을 어느 정도 줄일 수 있으며 장비를 정기적으로 교정함으로써 최소화할 수 있습니다. 판독을 수행하기 전에 또는 측정값을 표준과 비교하여.
무작위 오류는 결정 횟수를 늘리고 결과를 평균화하여 최소화할 수 있지만 항상 매개변수 또는 측정 절차의 본질적인 가변성 과 관련된 측정 불확실성이 있습니다 . 계통오차의 경우 이를 최소화하기 위한 최선의 방법은 장비의 한계를 숙지하고 올바른 사용 경험과 측정 절차를 수립하여 이를 엄격히 준수하는 것입니다.
분수
데이비드 A. 프리드먼. 통계 모델: 이론 및 실습 . 케임브리지 대학 출판부, 2005.
