Sa pangkalahatang kaso, ang pamamaraan para sa pagproseso ng mga resulta ng mga direktang sukat ay ang mga sumusunod (pinapalagay na walang mga sistematikong pagkakamali).
Kaso 1 Ang bilang ng mga sukat ay mas mababa sa lima.
1) Ayon sa formula (6), ang average na resulta ay matatagpuan x, na tinukoy bilang arithmetic mean ng mga resulta ng lahat ng mga sukat, i.e.
2) Ayon sa formula (12), ang mga ganap na pagkakamali ng mga indibidwal na sukat ay kinakalkula
.
3) Ayon sa formula (14), ang average na ganap na error ay tinutukoy
.
4) Ayon sa formula (15), ang average na kamag-anak na error ng resulta ng pagsukat ay kinakalkula
.
5) Itala ang huling resulta sa sumusunod na form:
, sa 
.
Kaso 2. Ang bilang ng mga sukat ay higit sa lima.
1) Ayon sa formula (6), ang average na resulta ay matatagpuan
.
2) Ayon sa formula (12), ang mga ganap na pagkakamali ng mga indibidwal na sukat ay tinutukoy
.
3) Ayon sa formula (7), kinakalkula ang mean square error ng isang pagsukat
.
4) Kalkulahin ang standard deviation para sa average na halaga ng sinusukat na halaga ng formula (9).
.
5) Ang huling resulta ay naitala sa sumusunod na anyo
.
Minsan ang mga random na error sa pagsukat ay maaaring lumabas na mas mababa kaysa sa halaga na nairehistro ng aparato sa pagsukat (instrumento). Sa kasong ito, para sa anumang bilang ng mga sukat, ang parehong resulta ay nakuha. Sa ganitong mga kaso, bilang ang average na ganap na error 
kunin ang kalahati ng scale division ng instrumento (tool). Ang halagang ito ay tinatawag kung minsan na limiting o instrumental error at denoted 
(para sa mga instrumento ng vernier at stopwatch 
katumbas ng katumpakan ng instrumento).
Pagtatasa ng pagiging maaasahan ng mga resulta ng pagsukat
Sa anumang eksperimento, ang bilang ng mga sukat ng isang pisikal na dami ay palaging limitado para sa isang kadahilanan o iba pa. Dahil kasama maaaring ito ang gawain ng pagtatasa sa pagiging maaasahan ng resulta. Sa madaling salita, tukuyin kung anong posibilidad ang mapagtatalunan na ang pagkakamaling ginawa sa kasong ito ay hindi lalampas sa paunang natukoy na halaga ε. Ang posibilidad na ito ay tinatawag na posibilidad ng kumpiyansa. Tukuyin natin ito ng isang titik.
Ang isang kabaligtaran na problema ay maaari ding iharap: upang matukoy ang mga hangganan ng pagitan 
upang may ibinigay na posibilidad
ito ay maaaring argued na ang tunay na halaga ng mga sukat ng dami 
hindi lalampas sa tinukoy, tinatawag na confidence interval.
Ang agwat ng kumpiyansa ay nagpapakilala sa katumpakan ng resulta na nakuha, at ang agwat ng kumpiyansa ay nagpapakilala sa pagiging maaasahan nito. Ang mga pamamaraan para sa paglutas ng dalawang pangkat ng mga problemang ito ay magagamit at binuo sa partikular na detalye para sa kaso kapag ang mga error sa pagsukat ay ipinamahagi ayon sa normal na batas. Ang teorya ng probabilidad ay nagbibigay din ng mga pamamaraan para sa pagtukoy ng bilang ng mga eksperimento (paulit-ulit na mga sukat) na nagbibigay ng isang naibigay na katumpakan at pagiging maaasahan ng inaasahang resulta. Sa gawaing ito, hindi isinasaalang-alang ang mga pamamaraang ito (lilimitahan natin ang ating sarili sa pagbanggit sa kanila), dahil ang mga gawaing ito ay karaniwang hindi ginagawa kapag nagsasagawa ng gawaing laboratoryo.
Ang partikular na interes, gayunpaman, ay ang kaso ng pagtatasa ng pagiging maaasahan ng resulta ng mga sukat ng pisikal na dami na may napakaliit na bilang ng mga paulit-ulit na pagsukat. Halimbawa, 
. Ito ay eksakto ang kaso kung saan madalas tayong nakakatugon sa pagganap ng gawaing laboratoryo sa pisika. Sa paglutas ng ganitong uri ng mga problema, inirerekumenda na gamitin ang pamamaraan batay sa distribusyon ng Mag-aaral (batas).
Para sa kaginhawahan ng praktikal na aplikasyon ng pamamaraan na isinasaalang-alang, may mga talahanayan kung saan maaari mong matukoy ang agwat ng kumpiyansa 
naaayon sa isang naibigay na antas ng kumpiyansa o lutasin ang kabaligtaran na problema.
Nasa ibaba ang mga bahagi ng mga nabanggit na talahanayan na maaaring kailanganin kapag sinusuri ang mga resulta ng mga sukat sa mga klase sa laboratoryo.
Hayaan, halimbawa, gumawa 
pantay (sa ilalim ng parehong mga kondisyon) mga sukat ng ilang pisikal na dami 
at kinakalkula ang average na halaga nito .
Kinakailangang hanapin ang agwat ng kumpiyansa 
naaayon sa ibinigay na antas ng kumpiyansa .
Ang problema ay karaniwang nalutas sa sumusunod na paraan.
Ayon sa formula, isinasaalang-alang ang (7), kalkulahin
Pagkatapos para sa mga ibinigay na halaga n at hanapin ayon sa talahanayan (Talahanayan 2) ang halaga 
. Ang halaga na iyong hinahanap ay kinakalkula batay sa formula
(16)
Kapag nilulutas ang kabaligtaran na problema, ang parameter ay unang kinakalkula gamit ang formula (16). Ang nais na halaga ng posibilidad ng kumpiyansa ay kinuha mula sa talahanayan (Talahanayan 3) para sa isang naibigay na numero 
at kinakalkula na parameter 
.
Talahanayan 2. Parameter value para sa isang naibigay na bilang ng mga eksperimento 
at antas ng kumpiyansa
|
| ||||||||||
Talahanayan 3 Ang halaga ng posibilidad ng kumpiyansa para sa isang naibigay na bilang ng mga eksperimento n at parameter ε
|
| ||||
Upang mabawasan ang impluwensya ng mga random na error, kinakailangang sukatin ang halagang ito nang maraming beses. Ipagpalagay na sinusukat natin ang ilang halaga x. Bilang resulta ng mga sukat, nakuha namin ang mga sumusunod na halaga:
x1, x2, x3, ... xn. (2)
Ang serye ng mga x value na ito ay tinatawag na sample. Sa pagkakaroon ng ganitong sample, maaari nating suriin ang resulta ng pagsukat. Ipapahiwatig namin ang halaga na magiging ganoong pagtatantya. Ngunit dahil ang halaga ng pagsusuri na ito ng mga resulta ng pagsukat ay hindi kumakatawan sa tunay na halaga ng sinusukat na dami, kinakailangang tantiyahin ang pagkakamali nito. Ipagpalagay natin na matutukoy natin ang pagtatantya ng error Δx. Sa kasong ito, maaari naming isulat ang resulta ng pagsukat sa form
Dahil ang mga tinantyang halaga ng resulta ng pagsukat at ang error na Dx ay hindi tumpak, ang talaan (3) ng resulta ng pagsukat ay dapat na sinamahan ng isang indikasyon ng pagiging maaasahan nito P. Ang pagiging maaasahan o posibilidad ng kumpiyansa ay nauunawaan bilang ang posibilidad na ang totoo ang halaga ng sinusukat na dami ay nakapaloob sa pagitan na ipinahiwatig ng talaan (3). Ang interval na ito mismo ay tinatawag na confidence interval.
Halimbawa, kapag sinusukat ang haba ng isang partikular na segment, isinulat namin ang huling resulta bilang
l = (8.34 ± 0.02) mm, (P = 0.95)
Nangangahulugan ito na sa 100 pagkakataon - 95 na ang tunay na halaga ng haba ng segment ay nasa hanay mula 8.32 hanggang 8.36 mm.
Kaya, ang gawain ay, pagkakaroon ng isang sample (2), maghanap ng isang pagtatantya ng resulta ng pagsukat, ang error Dx nito at pagiging maaasahan P.
Ang problemang ito ay maaaring malutas sa tulong ng probability theory at mathematical statistics.
Sa karamihan ng mga kaso, ang mga random na error ay sumusunod sa normal na batas sa pamamahagi na itinatag ni Gauss. Ang normal na distribusyon ng mga error ay ipinahayag ng formula
kung saan Dx - paglihis mula sa halaga ng tunay na halaga;
y ang tunay na mean square error;
2 - pagkakaiba-iba, ang halaga na nagpapakilala sa pagkalat ng mga random na variable.
Tulad ng makikita mula sa (4), ang function ay may pinakamataas na halaga sa x = 0, bilang karagdagan, ito ay kahit na.
Ipinapakita ng Figure 16 ang isang graph ng function na ito. Ang kahulugan ng function (4) ay ang lugar ng figure na nakapaloob sa pagitan ng curve, ang Dx axis at dalawang ordinate mula sa mga puntong Dx1 at Dx2 (shaded area sa Fig. 16) ay numerong katumbas ng probabilidad kung saan ang anumang nahuhulog ang sample sa pagitan (Dx1, Dx2).
Dahil ang kurba ay ibinahagi nang simetriko tungkol sa y-axis, maaari itong pagtalunan na ang mga pagkakamali ng pantay na magnitude ngunit kabaligtaran ng tanda ay pantay na malamang. At ginagawa nitong posible na kunin ang average na halaga ng lahat ng elemento ng sample bilang pagtatantya ng mga resulta ng pagsukat (2)
kung saan - n ay ang bilang ng mga sukat.
Kaya, kung ang n mga sukat ay ginawa sa ilalim ng parehong mga kondisyon, kung gayon ang pinaka-malamang na halaga ng sinusukat na dami ay ang average na halaga nito (aritmetika). Ang halaga ay may posibilidad sa tunay na halaga m ng sinusukat na halaga sa n > ?.
Ang ibig sabihin ng square error ng isang resulta ng pagsukat ay ang halaga (6)
Inilalarawan nito ang pagkakamali ng bawat indibidwal na pagsukat. Kailan n > ? Ang S ay may posibilidad sa isang pare-parehong limitasyon y
Sa pagtaas ng y, tumataas ang scatter ng readings, i.e. nagiging mas mababa ang katumpakan ng pagsukat.
Ang root-mean-square error ng arithmetic mean ay ang value (8)
Ito ang pangunahing batas ng pagtaas ng katumpakan habang tumataas ang bilang ng mga sukat.
Inilalarawan ng error ang katumpakan kung saan nakuha ang average na halaga ng sinusukat na halaga. Ang resulta ay nakasulat bilang:
Ang pamamaraan ng pagkalkula ng error na ito ay nagbibigay ng magagandang resulta (na may pagiging maaasahan na 0.68) lamang kapag ang parehong halaga ay sinusukat nang hindi bababa sa 30 - 50 beses.
Noong 1908, ipinakita ng Mag-aaral na ang istatistikal na diskarte ay wasto din para sa isang maliit na bilang ng mga sukat. Pamamahagi ng mag-aaral para sa bilang ng mga sukat n > ? napupunta sa pamamahagi ng Gaussian, at sa isang maliit na bilang ay naiiba ito mula dito.
Upang kalkulahin ang ganap na error para sa isang maliit na bilang ng mga sukat, isang espesyal na koepisyent ang ipinakilala na nakasalalay sa pagiging maaasahan P at ang bilang ng mga sukat n, na tinatawag na koepisyent.
Mag-aaral t.
Inaalis ang teoretikal na mga katwiran para sa pagpapakilala nito, tandaan namin iyon
Dx = t. (sampu)
kung saan ang Dx ay ang ganap na error para sa isang naibigay na antas ng kumpiyansa;
mean square error ng arithmetic mean.
Ang mga coefficient ng mag-aaral ay ibinigay sa talahanayan.
Ito ay sumusunod mula sa sinabi:
Ang halaga ng root-mean-square error ay nagbibigay-daan sa iyong kalkulahin ang posibilidad na ang tunay na halaga ng sinusukat na halaga ay mahuhulog sa anumang pagitan na malapit sa arithmetic mean.
Kailan n > ? > 0, ibig sabihin. ang agwat kung saan ang tunay na halaga ng m ay matatagpuan na may ibinigay na probabilidad ay may posibilidad na maging zero na may pagtaas sa bilang ng mga sukat. Tila na sa pamamagitan ng pagtaas ng n, ang isa ay makakakuha ng resulta sa anumang antas ng katumpakan. Gayunpaman, ang katumpakan ay tumataas lamang nang malaki hanggang sa ang random na error ay maihahambing sa sistematikong isa. Ang karagdagang pagtaas sa bilang ng mga sukat ay hindi nararapat, dahil ang huling katumpakan ng resulta ay magdedepende lamang sa sistematikong pagkakamali. Alam ang halaga ng sistematikong error, madaling itakda ang tinatanggap na halaga ng random na error, kinuha ito, halimbawa, katumbas ng 10% ng sistematikong error. Sa pamamagitan ng pagtatakda ng isang tiyak na halaga P para sa pagitan ng kumpiyansa na pinili sa ganitong paraan (halimbawa, P = 0.95), madaling mahanap ang kinakailangang bilang ng mga sukat, na ginagarantiyahan ang isang maliit na epekto ng isang random na error sa katumpakan ng resulta.
Upang gawin ito, mas maginhawang gamitin ang talahanayan ng koepisyent ng Estudyante, kung saan ang mga pagitan ay ibinibigay sa mga fraction ng halaga ng y, na isang sukatan ng katumpakan ng eksperimentong ito na may paggalang sa mga random na error.
Kapag pinoproseso ang mga resulta ng mga direktang sukat, ang sumusunod na pagkakasunud-sunod ng mga operasyon ay iminungkahi:
Itala ang resulta ng bawat pagsukat sa isang talahanayan.
Kalkulahin ang mean ng n mga sukat
Hanapin ang error ng isang indibidwal na pagsukat
Kalkulahin ang mga Squared Error ng Indibidwal na Pagsukat
(Dx 1)2, (Dx 2)2, ... , (Dx n)2.
Tukuyin ang karaniwang error ng arithmetic mean
Tukuyin ang halaga ng pagiging maaasahan (karaniwang kumukuha ng P = 0.95).
Tukuyin ang koepisyent t ng Mag-aaral para sa isang naibigay na pagiging maaasahan P at ang bilang ng mga pagsukat na ginawa n.
Hanapin ang agwat ng kumpiyansa (error sa pagsukat)
Kung ang halaga ng error ng resulta ng pagsukat Δx ay lumabas na maihahambing sa halaga ng error ng instrumento d, pagkatapos ay kunin bilang hangganan ng agwat ng kumpiyansa
Kung ang isa sa mga error ay mas mababa sa tatlo o higit pang beses sa isa, pagkatapos ay itapon ang mas maliit.
Isulat ang huling resulta bilang
Ang mga pangunahing probisyon ng mga pamamaraan para sa pagproseso ng mga resulta ng mga direktang sukat na may maraming mga obserbasyon ay tinukoy sa GOST 8.207-76.
Kunin bilang resulta ng pagsukat karaniwan datos n mga obserbasyon, kung saan hindi kasama ang mga sistematikong pagkakamali. Ipinapalagay na ang mga resulta ng mga obserbasyon pagkatapos ng pagbubukod ng mga sistematikong pagkakamali mula sa kanila ay nabibilang sa normal na pamamahagi. Upang kalkulahin ang resulta ng pagsukat, kinakailangan upang ibukod ang sistematikong error mula sa bawat pagmamasid at, bilang isang resulta, makuha ang naitama na resulta i-ika obserbasyon. Ang arithmetic mean ng mga naitama na resultang ito ay kinakalkula at kukunin bilang resulta ng pagsukat. Ang arithmetic mean ay isang pare-pareho, walang kinikilingan, at mahusay na pagtatantya ng isang sukat at sa ilalim ng normal na distribusyon ng data ng pagmamasid.
Dapat pansinin na kung minsan sa panitikan, sa halip na ang termino resulta ng pagmamasid minsan ginagamit ang termino solong resulta ng pagsukat, kung saan hindi kasama ang mga sistematikong error. Kasabay nito, ang arithmetic mean na halaga ay nauunawaan bilang resulta ng pagsukat sa seryeng ito ng ilang mga sukat. Hindi nito binabago ang kakanyahan ng mga pamamaraan sa pagproseso ng mga resulta na ipinakita sa ibaba.
Kapag nagpoproseso sa istatistika ng mga pangkat ng mga resulta ng pagmamasid, ang mga sumusunod ay dapat gawin: mga operasyon :
1. Tanggalin ang kilalang sistematikong pagkakamali sa bawat obserbasyon at makuha ang itinamang resulta ng indibidwal na obserbasyon x.
2. Kalkulahin ang arithmetic mean ng mga itinamang resulta ng pagmamasid, na kinuha bilang resulta ng pagsukat:
3. Kalkulahin ang pagtatantya ng karaniwang paglihis
mga grupo ng pagmamasid:
Suriin ang Availability malalaking pagkakamali – mayroon bang anumang mga halaga na lampas sa ±3 S. Sa isang normal na batas sa pamamahagi na may posibilidad na halos katumbas ng 1 (0.997), wala sa mga halaga ng pagkakaibang ito ang dapat lumampas sa tinukoy na mga limitasyon. Kung ang mga ito, kung gayon ang kaukulang mga halaga ay dapat na hindi kasama sa pagsasaalang-alang at ang mga kalkulasyon at pagsusuri ay dapat na ulitin muli. S.
4. Kalkulahin ang pagtatantya ng RMS ng resulta ng pagsukat (average
aritmetika)
5. Subukan ang hypothesis tungkol sa normal na distribusyon ng mga resulta ng mga obserbasyon.
Mayroong iba't ibang mga tinatayang pamamaraan para sa pagsuri sa normalidad ng distribusyon ng mga resulta ng pagmamasid. Ang ilan sa mga ito ay ibinigay sa GOST 8.207-76. Kung ang bilang ng mga obserbasyon ay mas mababa sa 15, alinsunod sa GOST na ito, ang kanilang pag-aari sa normal na pamamahagi ay hindi nasuri. Ang mga limitasyon ng kumpiyansa ng random na error ay tinutukoy lamang kung alam nang maaga na ang mga resulta ng mga obserbasyon ay nabibilang sa pamamahagi na ito. Tinatayang, ang likas na katangian ng pamamahagi ay maaaring hatulan sa pamamagitan ng pagbuo ng histogram ng mga resulta ng mga obserbasyon. Ang mga pamamaraan ng matematika para sa pagsuri sa normalidad ng isang distribusyon ay tinatalakay sa dalubhasang literatura.
6. Kalkulahin ang mga limitasyon ng kumpiyansa e ng random na error (random na bahagi ng error) ng resulta ng pagsukat
saan tq- Koepisyent ng mag-aaral, depende sa bilang ng mga obserbasyon at antas ng kumpiyansa. Halimbawa, kapag n= 14, P= 0,95 tq= 2.16. Ang mga halaga ng koepisyent na ito ay ibinibigay sa apendiks sa tinukoy na pamantayan.
7. Kalkulahin ang mga limitasyon ng kabuuang non-excluded systematic error (TSE) ng resulta ng pagsukat Q (ayon sa mga formula sa Seksyon 4.6).
8. Suriin ang ratio ng Q at :
Kung , kung gayon ang NSP ay napapabayaan kumpara sa mga random na error, at ang limitasyon ng error ng resulta D=e.. Kung > 8, kung gayon ang random na error ay maaaring mapabayaan at ang error na limitasyon ng resulta D=Θ . Kung ang parehong hindi pagkakapantay-pantay ay hindi nasiyahan, kung gayon ang margin ng error ng resulta ay matatagpuan sa pamamagitan ng pagbuo ng isang komposisyon ng mga distribusyon ng mga random na error at NSP ayon sa formula: , kung saan Upang– koepisyent depende sa ratio ng random error at NSP; S e- pagtatasa ng kabuuang standard deviation ng resulta ng pagsukat. Ang pagtatantya ng kabuuang karaniwang paglihis ay kinakalkula ng formula:
.
Ang koepisyent K ay kinakalkula ng empirical formula:
.
Ang antas ng kumpiyansa para sa pagkalkula at dapat ay pareho.
Ang error mula sa paglalapat ng huling formula para sa komposisyon ng uniporme (para sa NSP) at normal (para sa random na error) na mga distribusyon ay umabot sa 12% sa antas ng kumpiyansa na 0.99.
9. Itala ang resulta ng pagsukat. Mayroong dalawang mga pagpipilian para sa pagsulat ng resulta ng pagsukat, dahil ito ay kinakailangan upang makilala sa pagitan ng mga sukat, kapag ang pagkuha ng halaga ng sinusukat na dami ay ang pangwakas na layunin, at mga sukat, ang mga resulta nito ay gagamitin para sa karagdagang mga kalkulasyon o pagsusuri.
Sa unang kaso, ito ay sapat na upang malaman ang kabuuang error ng resulta ng pagsukat, at sa isang simetriko error sa kumpiyansa, ang mga resulta ng pagsukat ay ipinakita sa form: , kung saan
nasaan ang resulta ng pagsukat.
Sa pangalawang kaso, dapat malaman ang mga katangian ng mga bahagi ng error sa pagsukat - ang pagtatantya ng standard deviation ng resulta ng pagsukat , ang mga hangganan ng NSP , ang bilang ng mga obserbasyon na ginawa. Sa kawalan ng data sa anyo ng mga function ng pamamahagi ng mga bahagi ng error ng resulta at ang pangangailangan para sa karagdagang pagproseso ng mga resulta o pagsusuri ng mga error, ang mga resulta ng pagsukat ay ipinakita sa form:
Kung ang mga hangganan ng NSP ay kinakalkula alinsunod sa sugnay 4.6, kung gayon ang posibilidad ng kumpiyansa P ay karagdagang ipinahiwatig.
Ang mga pagtatantya at derivatives ng kanilang halaga ay maaaring ipahayag sa parehong ganap na anyo, iyon ay, sa mga yunit ng sinusukat na dami, at kamag-anak, iyon ay, bilang ratio ng ganap na halaga ng isang naibigay na dami sa resulta ng pagsukat. Sa kasong ito, ang mga kalkulasyon ayon sa mga formula ng seksyong ito ay dapat isagawa gamit ang mga dami na ipinahayag lamang sa ganap o kamag-anak na anyo.
Mga resulta ng pagsukat
Pangunahing konsepto, termino at kahulugan
Pagsukat - pagpapasiya ng halaga ng isang pisikal na dami sa empirically. Ang mga sukat ay nahahati sa dalawang pangkat: direkta at hindi direkta. Direktang pagsukat - direktang paghahanap ng halaga ng isang pisikal na dami sa tulong ng mga instrumento. Hindi direktang pagsukat – paghahanap ng nais na halaga batay sa kilalang kaugnayan sa pagitan ng halagang ito at ang mga halaga na natagpuan sa proseso ng mga direktang pagsukat. Halimbawa, upang matukoy ang acceleration ng isang pare-parehong pinabilis na paggalaw ng isang katawan, maaari mong gamitin ang formula , kung saan S - layo ng nilakbay, t- oras ng paglalakbay. Ang landas at oras ng paggalaw ay matatagpuan nang direkta sa kurso ng eksperimento, iyon ay, sa proseso ng mga direktang sukat, at ang acceleration ay maaaring kalkulahin gamit ang formula sa itaas at, samakatuwid, ang halaga nito ay matutukoy bilang isang resulta ng hindi direktang pagsukat.
Ang paglihis ng resulta ng direkta o hindi direktang pagsukat mula sa tunay na halaga ng nais na dami ay tinatawag na error sa pagsukat . Ang mga pagkakamali ng direktang pagsukat ay dahil sa mga kakayahan ng mga instrumento sa pagsukat, pamamaraan ng pagsukat, at mga kondisyon ng eksperimento. Ang mga pagkakamali ng hindi direktang pagsukat ay dahil sa "paglipat" sa nais na halaga ng mga pagkakamali ng direktang pagsukat ng mga dami na iyon batay sa kung saan ito kinakalkula. Ayon sa paraan ng numerical expression, ang mga ganap na error ay nakikilala (Δ PERO), ipinahayag sa mga yunit ng sinusukat na halaga ( PERO), at mga kamag-anak na error δ A=(Δ A/A) 100%, na ipinahayag bilang isang porsyento.
May tatlong uri ng error: systematic, random, at miss.
Sa ilalim sistematikong mga pagkakamali maunawaan ang mga iyon, ang sanhi nito ay nananatiling pare-pareho o regular na nagbabago sa buong proseso ng pagsukat. Ang mga pinagmumulan ng mga sistematikong error ay kadalasang hindi tamang pagsasaayos ng mga instrumento, regular na pagbabago ng mga panlabas na salik, at isang maling napiling pamamaraan ng pagsukat. Upang matukoy at maalis ang mga sistematikong error, kailangan munang pag-aralan ang mga kundisyon ng pagsukat, magsagawa ng mga control check ng mga instrumento sa pagsukat at ihambing ang mga resulta na nakuha sa data mula sa mas tumpak na mga sukat. Ang mga hindi maibubukod na sistematikong mga error na dapat isaalang-alang kapag pinoproseso ang mga resulta ay kinabibilangan ng mga error ng mga instrumento at tool na ginamit (mga instrumental na error).
silid ng instrumento ness katumbas ng kalahati ng scale division ng device Δ A pr \u003d CD / 2 (para sa mga instrumento tulad ng ruler, caliper, micrometer) o tinutukoy ng klase ng katumpakan ng instrumento (para sa mga instrumento sa pagsukat ng de-koryenteng pointer).
Sa ilalim klase ng katumpakan ng instrumento γ maunawaan ang halaga na katumbas ng:
kung saan ∆ A atbp instrumental error (ang pinakamataas na pinahihintulutang ganap na error, pareho para sa lahat ng mga punto ng sukat); A max limitasyon sa pagsukat (maximum na halaga ng mga pagbabasa ng instrumento).
Para sa mga electronic device, ang mga formula para sa pagkalkula ng instrumental error ay ibinibigay sa pasaporte ng instrumento.
Mga random na error lumitaw bilang isang resulta ng pagkilos ng iba't ibang mga random na kadahilanan. Nakikita ang ganitong uri ng error kapag paulit-ulit na sinusukat ang parehong dami sa ilalim ng parehong mga kundisyon gamit ang parehong mga instrumento: ang mga resulta ng isang serye ng mga sukat ay medyo naiiba sa bawat isa nang random. Ang kontribusyon ng mga random na error sa resulta ng pagsukat ay isinasaalang-alang sa proseso ng pagproseso ng mga resulta.
Sa ilalim nakakamiss unawain ang malalaking error na lubhang nakakasira sa resulta ng pagsukat. Lumilitaw ang mga ito bilang isang resulta ng mga malalaking paglabag sa proseso ng pagsukat: mga pagkakamali ng instrumento, mga error sa eksperimento, mga pagtaas ng kuryente sa electrical circuit, atbp. Ang mga resulta ng pagsukat na naglalaman ng mga miss ay dapat na itapon sa panahon ng paunang pagsusuri.
Upang matukoy ang mga pagkakamali at pagkatapos ay isaalang-alang ang kontribusyon ng mga random at instrumental na mga error, ang mga direktang pagsukat ng nais na halaga ay isinasagawa nang maraming beses sa ilalim ng parehong mga kondisyon, iyon ay, ang isang serye ng pantay na tumpak na mga direktang pagsukat ay isinasagawa. Ang layunin ng kasunod na pagproseso ng mga resulta ng isang serye ng pantay na tumpak na mga sukat ay:
Ang resulta ng isang direkta o hindi direktang pagsukat ay dapat ipakita tulad ng sumusunod:
A=(
saan < PERO> ay ang average na halaga ng resulta ng pagsukat, Δ PERO ay ang kalahating lapad ng agwat ng kumpiyansa, ang α ay ang posibilidad ng kumpiyansa. Sa kasong ito, dapat itong isaalang-alang na ang numerical na halaga ng Δ PERO dapat maglaman ng hindi hihigit sa dalawang makabuluhang digit, at ang halaga ‹ PERO> dapat magtapos sa isang digit ng parehong digit bilang Δ PERO.
Halimbawa: Ang resulta ng pagsukat sa oras ng paggalaw ng katawan ay:
t= (18.5 ± 1.2) s; α = 0.95.
Mula sa rekord na ito ay sumusunod na may posibilidad na 95% ang tunay na halaga ng oras ng paggalaw ay nasa pagitan mula 17.3 s hanggang 19.7 s.
Ang pisika ay isang pang-eksperimentong agham, na nangangahulugan na ang mga pisikal na batas ay itinatag at sinusubok sa pamamagitan ng pag-iipon at paghahambing ng pang-eksperimentong data. Ang layunin ng pisikal na pagawaan ay para sa mga mag-aaral na maranasan ang mga pangunahing pisikal na phenomena, matutunan kung paano tama ang pagsukat ng mga numerical na halaga ng mga pisikal na dami at ihambing ang mga ito sa mga teoretikal na formula.
Ang lahat ng mga sukat ay maaaring nahahati sa dalawang uri - tuwid at hindi direkta.
Sa direkta Sa mga sukat, ang halaga ng nais na dami ay direktang nakuha mula sa mga pagbabasa ng instrumento sa pagsukat. Kaya, halimbawa, ang haba ay sinusukat gamit ang isang ruler, oras sa pamamagitan ng orasan, atbp.
Kung ang nais na pisikal na dami ay hindi masusukat nang direkta ng aparato, ngunit ipinahayag sa pamamagitan ng formula sa pamamagitan ng mga sinusukat na dami, kung gayon ang mga naturang sukat ay tinatawag na hindi direkta.
Ang pagsukat ng anumang dami ay hindi nagbibigay ng ganap na tumpak na halaga ng dami na ito. Ang bawat pagsukat ay palaging naglalaman ng ilang error (error). Ang error ay ang pagkakaiba sa pagitan ng sinusukat na halaga at ng tunay na halaga.
Ang mga pagkakamali ay nahahati sa sistematiko at random.
sistematiko ay tinatawag na error na nananatiling pare-pareho sa buong serye ng mga sukat. Ang ganitong mga error ay dahil sa di-kasakdalan ng tool sa pagsukat (halimbawa, zero offset ng device) o ang paraan ng pagsukat at maaaring, sa prinsipyo, ay hindi kasama sa panghuling resulta sa pamamagitan ng pagpapakilala ng naaangkop na pagwawasto.
Kasama rin sa mga sistematikong pagkakamali ang pagkakamali ng mga instrumento sa pagsukat. Ang katumpakan ng anumang aparato ay limitado at nailalarawan sa pamamagitan ng klase ng katumpakan nito, na karaniwang ipinahiwatig sa sukat ng pagsukat.
Random tinatawag na error, na nag-iiba-iba sa iba't ibang eksperimento at maaaring parehong positibo at negatibo. Ang mga random na error ay dahil sa mga sanhi na nakadepende sa parehong aparato sa pagsukat (friction, gaps, atbp.) at sa mga panlabas na kondisyon (vibrations, pagbabagu-bago ng boltahe sa network, atbp.).
Ang mga random na error ay hindi maaaring ilabas sa empirically, ngunit ang kanilang impluwensya sa resulta ay maaaring mabawasan ng paulit-ulit na mga sukat.
Pagkalkula ng error sa mga direktang sukat, ang average na halaga at ang average na ganap na error.
Ipagpalagay na gumagawa kami ng isang serye ng mga sukat ng X. Dahil sa pagkakaroon ng mga random na error, nakuha namin n iba't ibang kahulugan:
X 1, X 2, X 3 ... X n
Bilang resulta ng pagsukat, karaniwang kinukuha ang average na halaga
Pagkakaiba sa pagitan ng mean at resulta ako- Ang pagsukat ay tinatawag na absolute error ng pagsukat na ito
Bilang sukatan ng error ng mean value, maaaring kunin ng isa ang mean value ng absolute error ng isang sukat.
(2)
Halaga 
ay tinatawag na arithmetic mean (o mean absolute) error.
Pagkatapos ang resulta ng pagsukat ay dapat na nakasulat sa form
(3)
Upang makilala ang katumpakan ng mga sukat, ginagamit ang kamag-anak na error, na karaniwang ipinahayag bilang isang porsyento
(4)
