Εισαγωγή
Μια απλοποιημένη θεωρία σφαλμάτων
Γραφικές παραστάσεις
- η ανάλυση δεδομένων, η εξαγωγή συμπερασμάτων και η διατύπωση μιας (ίσως προσωρινής) θεωρίας που περιλαμβάνει τους νόμους στους οποίους υπακούν τα φαινόμενα του πειράματος,
- η σχεδίαση και διεξαγωγή πειράματος με σκοπό την επαλήθευση μιας προτεινόμενης θεωρίας η οποία ισχυρίζεται ότι μπορεί να ερμηνεύσει κάποια φαινόμενα ή παρατηρήσεις (Καραμπαρμπούνης κ.ά., 2012).
- η γνωριμία με μερικά από τα όργανα του εργαστηρίου,
- η εξάσκηση στη μεθοδολογία εκτέλεσης ενός πειράματος και στην επαλήθευση μερικών γνωστών νόμων της Φυσικής,
- η κατανόηση της αβεβαιότητας (σφάλμα) που υπάρχει σε κάθε μέτρηση,
- η παρουσίαση του τελικού αποτελέσματος, ώστε να περιλαμβάνει τις αβεβαιότητες του πειράματος,
- η σύγκριση των αποτελεσμάτων με την ήδη γνωστή αληθινή/παραδεκτή τιμή του μετρούμενου μεγέθους, όπως αυτή προκύπτει από τη σχετική βιβλιογραφία,
- η δημιουργία γραφικών παραστάσεων και η παρουσίαση των πειραματικών αποτελεσμάτων.
Αβεβαιότητα μετρήσεων
Θέλεις να μετρήσεις την περίοδο ενός μαθηματικού εκκρεμούς με ένα χρονόμετρο. Σύντομα βλέπεις ότι οι μετρήσεις διαφέρουν μεταξύ τους. Γιατί συμβαίνει αυτό; Σε αυτό το αποτέλεσμα έχουν συμβάλει πολλοί παράγοντες:
- ο άνθρωπος: αντανακλαστικά κτλ,
- το όργανο: είναι καλά ρυθμισμένο, έχει κάποια μικρή βλάβη, μετάθεση του μηδενός κτλ,
- το περιβάλλον: δονήσεις, ρεύματα αέρα ή ηλεκτρικά, πάτωμα αγώγιμο ή μονωτικό κτλ.
Είδη σφαλμάτων
Ακούσια λάθη
- Παρατηρεί άλλο και καταχωρεί άλλο.
- Ακούει άλλο και καταχωρεί άλλο.
- Κάνει λάθος στις πράξεις.
- Κάνει σφάλμα παράλλαξης.
(Σφάλμα παράλλαξης είναι αυτό που συμβαίνει όταν σε ένα αναλογικό όργανο κοιτάμε τη βελόνα υπό λάθος γωνία. Διαβάζουμε ή εκτιμούμε έτσι ένα λάθος αριθμό. Διόρθωση: κοιτάζουμε κάθετα την κλίμακα ή βάζουμε ένα καθρεφτάκι και φροντίζουμε να συμπίπτει η βελόνα με το είδωλό της.)
Συστηματικά σφάλματα
- Μπορεί να είναι σταθερά, οπότε επηρεάζουν κατά τον ίδιο τρόπο κάθε επόμενη μέτρηση.
π.χ. Λάθος βαθμονόμησης οργάνων, μία τσίχλα κάτω από τη ζυγαριά, μετάθεση του μηδενός στο όργανο, ηθελημένη απλούστευση θεωρίας σχετικής με το πείραμα. - Μπορεί να αλλάζουν κατά τη διάρκεια του πειράματος.
π.χ. Η ειδική θερμότητα του υλικού.
Τυχαία ή στατιστικά σφάλματα
Οφείλονται σε πολλούς λόγους, όπως:
- στην ευαισθησία που διαθέτουν τα όργανα για την παρακολούθηση των μεταβολών που συμβαίνουν στο πείραμα,
- σε ένα φαινόμενο που λέγεται ηλεκτρονικός θόρυβος (το οποίο δεν είναι θέμα του παρόντος βιβλίου).
Χωρίς απόδειξη, αναφέρουμε ότι στη γραφική παράσταση:
- Το γινόμενο F(x) dx δίνει την πιθανότητα να βρίσκεται η μέτρηση μέσα στο διάστημα x και x+dx.
- Το ολοκλήρωμα στο πεδίο τιμών του x δίνει πιθανότητα 1, δηλαδή η αληθινή τιμή υπάρχει στο πεδίο ορισμού με πιθανότητα 100%.
- Το ολοκλήρωμα της F(x) με όρια \(s=\pm \sqrt{\frac{\sum_{i=1}^{N}(x_{1}-\overline{x})^2}{N-1}}\)δίνει μια περιοχή στην οποία υπάρχει η αληθινή τιμή με πιθανότητα 68%. Το s λέγεται Τυπική Απόκλιση (ΤΑ). Στη διεθνή βιβλιογραφία η ΤΑ συμβολίζεται είτε με το σ (σίγμα) είτε με το αγγλικό s από τον όρο standard deviation (Taylor, 1997).
Στη βιβλιογραφία το ΜΣΜΤ συμβολίζεται με το \(\sigma _{\overline{x}}\)
Για λόγους γραμματοσειράς εμείς θα συμβολίζουμε το ΜΣΜΤ με το σ (σίγμα).
\(\overline{x}\pm \sigma \) | 68% |
---|---|
\(\overline{x}\pm 2\sigma \) | 95,5% |
\(\overline{x}\pm 3\sigma \) | 99,7% |
\(\overline{x}\pm 5\sigma \) | 99,99% |
Πίνακας Εισ.1 Πιθανότητες και σ.
Σφάλμα ανάγνωσης κλίμακας οργάνου
Σφάλμα ανάγνωσης σε αναλογικό όργανο
Σφάλμα ανάγνωσης σε ψηφιακό όργανο
Αν διαβάζεις 1,22 s, τότε υποθέτεις (ή ελέγχεις αν μπορείς) ότι η μικρότερη μεταβολή είναι \(\pm \)0,01s. Άρα, λαμβάνεις ως σφάλμα της ανάγνωσης το \(\pm \) 0,005s και γράφεις (1,220\(\pm \)0,005)s
Παρατήρηση: Ναι, έβαλες ένα ψηφίο το οποίο δε διάβασες στη μέτρηση, γιατί το σφάλμα του οργάνου υπαγορεύει την ακρίβεια. Στον ψηφιακό παλμογράφο η μικρότερη υποδιαίρεση αλλάζει ανάλογα και με την κλίμακα ανά υποδιαίρεση.
Περίπτωση: Όταν η ένδειξη του οργάνου δεν παραμένει σταθερή, αλλά αλλάζει μόνο το τελευταίο ψηφίο, τότε θεωρείς το σφάλμα στατιστικό. Παίρνεις μερικές ενδείξεις από αυτές που δείχνει το όργανο και υπολογίζεις τη μέση τιμή τους. Ως μέτρηση θεωρείς τη μέση τιμή αυτών των ενδείξεων, και την καταχωρείς.
Σημαντικά Ψηφία (ΣΨ)
Κάθε πειραματική αβεβαιότητα/σφάλμα θα γράφεται με ένα ΣΨ, μη μηδενικό
Η ακρίβεια του οργάνου είναι δεδομένη και καθορίζεται από τον κατασκευαστή. Η ακρίβεια της μέτρησης εκφράζεται από το σχετικό σφάλμα της μέτρησης (βλ. Εισαγωγή, Σχετικό Σφάλμα μέτρησης), και είναι συνδυαστικό αποτέλεσμα οργάνου και παρατηρητή.
Κανόνες καθορισμού των ΣΨ μιας μέτρησης
- Για αριθμούς μικρότερους της μονάδας τα μηδενικά που είναι αριστερά από το πρώτο μη μηδενικό ψηφίο
δεν λογαριάζονται ως ΣΨ.
π.χ.: 0,03= 3∙10-3 → 1 ΣΨ
- . Για ακέραιους αριθμούς ως τελευταίο ΣΨ λαμβάνεται το δεξιότερο μη μηδενικό ψηφίο, δηλαδή δεν λαμβάνεις υπόψη σου τα μηδενικά που ακολουθούν.
π.χ.: 1940 → 3 ΣΨ
- Για οποιοδήποτε αριθμό αποφασίζεις πόσα ΣΨ πρέπει να έχει, τον γράφεις ως δεκαδικό με τα ΣΨ που
θέλεις, πολλαπλασιασμένο με την αντίστοιχη δύναμη του 10.
π.χ.: 973, (1,33∙10-6), (0,000373= 3,73∙10-4), (0,955=9,55∙10-1), 7,55 → 3 ΣΨ
- Με καλή γνώση του φορητού υπολογιστικού μηχανήματος (scientific calculator) που όλοι διαθέτετε, ο
αριθμός των ΣΨ καθορίζεται πολύ εύκολα (αρκεί να έχεις αποφασίσει πόσα ΣΨ πρέπει να έχει η μέτρηση).
π.χ.: 49700=4,97∙104→ 3 ΣΨ
49700= 4,970∙104 → 4 ΣΨ
Σημαντικά ψηφία και στρογγυλοποίηση
- Ο αριθμός που γράφεις να εκφράζει το αποτέλεσμα μιας μέτρησης που έκανες με όργανο του εργαστηρίου.
- Ο αριθμός αυτός να έχει προκύψει έπειτα από μαθηματικούς υπολογισμούς που έκανες χρησιμοποιώντας τα αποτελέσματα των μετρήσεων.
Βήμα 1ο: Στρογγυλοποιείς το σφάλμα και κρατάς ένα ΣΨ (εκτός αν αυτό είναι το 1 ή το 2, οπότε κρατάς δύο ΣΨ).
Βήμα 2ο: Παίρνεις τη μέση τιμή των μετρήσεων και την στρογγυλοποιείς, έτσι ώστε το τελευταίο ψηφίο της να είναι της ίδιας τάξης μεγέθους με το σφάλμα.
Αν δx=0,01 mm, τότε \(\mathrm{\overline{x}}\)=4,57 mm, οπότε γράφεις x\(\pm \) δx = (4,57\(\pm \)0,01) mm.
- Κατά τη στρογγυλοποίηση:
- Αν θέλεις να διώξεις έναν από τους αριθμούς 1, 2, 3, 4, τότε το προηγούμενο ψηφίο παραμένει ως έχει.
- Αν ο αριθμός που πρέπει να φύγει είναι ένας από τους 6, 7, 8, 9, τότε το προηγούμενο ψηφίο αυξάνεται κατά μία μονάδα.
- Αν ο αριθμός αυτός είναι το 5, τότε κάνεις ή την πρώτη ή τη δεύτερη κίνηση (υπάρχει στατιστική ισορροπία).
Σχετικό σφάλμα μέτρησης
και ονομάζεται σχετικό σφάλμα της μέτρησης επί τοις % ή σχετική αβεβαιότητα της μέτρησης επί τοις %. Το μέγεθος αυτό ανάγει το σφάλμα στη μονάδα του μεγέθους και όχι στο μέτρο του μεγέθους, δηλαδή είναι ανεξάρτητο από το μέτρο του μεγέθους και γι’ αυτό το λόγο εκφράζει την ακρίβεια της μέτρησης. Το μέγεθος αυτό δεν έχει μονάδες, είναι ποσοστό.
Υπολογίζεις τη μάζα ενός σώματος με δύο τρόπους και βρίσκεις:
- 1ος τρόπος: (40\(\pm \)1) kg με Σσχ= 2,5%.
- 2ος τρόπος: (40\(\pm \)2) kg με Σσχ= 5%.
Μέτρηση ενός μεγέθους
Άμεση μέτρηση ενός μεγέθους
Αν κάνεις μία (1) μόνο μέτρηση, θα γράψεις το αποτέλεσμά σου x \(\pm \) δx, όπου:
x = το αποτέλεσμα της μέτρησης,
δx = το μέγιστο σφάλμα του οργάνου που χρησιμοποίησες.
Παράδειγμα:
Στην Εικόνα Εισ.3 το μέγιστο σφάλμα αυτού του οργάνου, σε μια πρώτη εκτίμηση, είναι δx=0,2°C.
- Άρα, για τη μέτρηση που δείχνει το βέλος γράφεις (18,6 \(\pm \) 0,2) °C και δηλώνεις ότι:
- Για σένα η θερμοκρασία είναι το x = 18,6°C.
- Μέσα στο διάστημα 18,4–18,8°C είσαι 100% βέβαιος ότι υπάρχει και η αληθινή τιμή της θερμοκρασίας (αν δεν είναι 18,6°C).
- Κάθε άλλη μέτρηση του ίδιου μεγέθους στις ίδιες συνθήκες πρέπει να περιέχεται μέσα στο διάστημα αυτό.
Αν μετρήσεις το ίδιο μέγεθος πολλές φορές και κάνεις Ν μετρήσεις, x1, x2, x3, ...., xN, τότε γράφεις το αποτέλεσμά σου με τη μορφή: \(\mathrm{\overline{x}}\)\(\pm \) δx, όπου το \(\mathrm{\overline{x}}\)είναι η μέση τιμή των μετρήσεων, δηλαδή \[\overline{X}=\frac{X_{1}+X_{2}+X_{3}+...+X_{N}}{N}\]
- Αυτό για σένα σημαίνει ότι:
- Έκανες Ν μετρήσεις, επειδή το έκρινες αναγκαίο.
- Αυτή είναι η δική σου απάντηση για το μέγεθος.
- Αυτή είναι για σένα η πιθανή τιμή.
- Αυτή είναι για σένα η καλύτερη εκτίμηση για την αληθινή τιμή του μεγέθους.
- Η αληθινή τιμή είναι μια εξιδανίκευση. Είναι αυτή που πλησιάζει την τιμή του μεγέθους μετά από πολλές μετρήσεις.
Απάντηση:
Σύμφωνα με τις μετρήσεις που έκανες, το \(\mathrm{\overline{x}}\) είναι η καλύτερη απάντηση για το μέγεθος που μέτρησες. Είναι η καλύτερη τιμή, σύμφωνα με τις δικές σου μετρήσεις. Με βάση την κατανομή Gauss, μέσα στην περιοχή \(\mathrm{\overline{x}-\sigma}\) έως \(\mathrm{\overline{x}+\sigma}\) βρίσκεται το 68% των μετρήσεων που έκανες. Αν κάνεις μια νέα μέτρηση, αυτή έχει πιθανότητα 68% να βρίσκεται μέσα στο συγκεκριμένο διάστημα. Παράλληλα, σημαίνει ότι υπάρχει πιθανότητα 68% η αληθινή τιμή να βρίσκεται στο ίδιο διάστημα. Στην περιοχή \(\mathrm{\overline{x}}\pm 2\sigma \) ισχύουν τα ίδια με πιθανότητα 95% (Taylor, 1997).
Παρατήρηση: Ο τύπος (Εισ.4) με τον οποίο υπολογίζουμε το ΜΣΜΤ έχει και αυτός πιθανότητα σφάλματος. Αυτή η πιθανότητα εξαρτάται από τον αριθμό Ν των μετρήσεων. Αυτό το σφάλμα του σφάλματος υπολογίζεται από τη σχέση: \[\pm\frac{\sigma_\overline{x}}{\sqrt{2\cdot (N-1)}}\]
- Παράδειγμα:
- για Ν=10 το σφάλμα του είναι 24%
- για Ν=50 το σφάλμα του \(\sigma_\overline{x}\) είναι 10%
- για Ν=300 το σφάλμα του \(\sigma_\overline{x}\) είναι 4%
- για Ν=1000 το σφάλμα του \(\sigma_\overline{x}\) είναι 2%
Έμμεση μέτρηση ενός μεγέθους
Απάντηση:
Με τη μορφή χ\(\pm \)δχ, όπου το χ θα βρεθεί από το μαθηματικό τύπο που περιγράφει το μέγεθος.
- Γινόμενο π.χ. \(V={\alpha}\cdot{\beta}\cdot\gamma\)
- Διαίρεση π.χ. \(V=\frac{\alpha}{\beta}\)
- Δύναμη π.χ. \(V={\alpha}^3\cdot{\beta}\)
- Άθροισμα – Διαφορά π.χ.\(V={\alpha}+{\beta}\) ή \(V={\alpha}-{\beta}\)
Ας δούμε λοιπόν τις περιπτώσεις:
Γινόμενο
που λέει ότι το Μέγιστο Σχετικό Σφάλμα υπολογίζεται από το άθροισμα των σχετικών σφαλμάτων των μεγεθών α, β και γ.
Αν α=(7\(\pm \)1) mm, β=(12\(\pm \)1) mm, γ=(15\(\pm \)1) mm,
V=α∙β∙γ ⇒ V = 7∙12∙15 = 1260 mm3
και δV = 369 mm3
V\(\pm \)δV= (1260\(\pm \)369) mm3
Διαίρεση
δηλαδή και πάλι το Μέγιστο Σχετικό Σφάλμα υπολογίζεται από το άθροισμα των σχετικών σφαλμάτων των μεγεθών α, β.
α=(80\(\pm \)1)g, β=(20\(\pm \)1) cm
\[V=\frac{80g}{20cm}=4 \frac{g}{cm}\]
\(\frac{\delta V}{4}=\frac{1}{80}+\frac{1}{20}\), \(\delta V=0,3\frac{g}{cm}\)
Απάντηση:
(4,0\(\pm \)0,3) \(\frac{g}{cm}\) (το μέγεθος αυτό εκφράζει τη γραμμική πυκνότητα υλικού).
Δύναμη
Αποδεικνύεται ότι και για αρνητικούς εκθέτες το Μέγιστο Σχετικό Σφάλμα γράφεται χωρίς το πρόσημο πλην.
\[V=\alpha^{-3}\cdot\beta \Rightarrow \frac{\delta V}{V}=3\cdot \frac{\delta\alpha }{\alpha}+\frac{\delta\beta }{\beta }\]
Άθροισμα-Διαφορά
Αν V=α-β, τότε δV=δα+δβ (πάλι).
Εδώ η θεωρία λέει ότι το Απόλυτο Μέγιστο Σφάλμα του έμμεσου μεγέθους ισούται με το άθροισμα των απόλυτων σφαλμάτων των α και β, δηλαδή δV=δα+ δβ (πάντα)
- Αν α=(62,8\(\pm \) 0,3) g, β=(15,4\(\pm \)0,2) g, τότε
V=62,8+15,4=78,2 g
δV=(0,3+0,2) g, δV=0,5 g
Απάντηση: (78,2\(\pm \)0,5) g -
Αν V=α-β, τότε V=62,8-15,4=47,4 g
δV=(0,3+0,2) g, δV=0,5 g
Απάντηση: (47,4\(\pm \)0,5) g
Για την πυκνότητα \[ρ=\frac{m}{V}\] ενός ομογενούς υλικού ισχύει: \[\frac{\delta\rho}{\rho}=\frac{\delta m}{m}+\frac{\delta V }{V}\] Όταν υπολογίσεις τις τιμές των κλασμάτων, θα μπορέσεις να αποφασίσεις με τι ποσοστό συμμετέχει το καθένα στη συνολική αβεβαιότητα, και να δεις πώς μπορείς να κάνεις βελτιώσεις όπου χρειάζεται.
Αν θέλεις περισσότερα, βλ. Παράρτημα Α. Εκεί, με τη βοήθεια των Μερικών Παραγώγων, θα δεις τα γενικά θεωρήματα για Σύνθετες Συναρτήσεις. Είναι πιο εύκολο απ’ ό,τι φαντάζεσαι!
Τρόποι ελέγχου του αποτελέσματος
1ος τρόπος
Ένας απλός τρόπος για να ελέγξεις το αποτέλεσμά σου είναι να βρεις την επί τοις % διαφορά μεταξύ της αληθινής τιμής ΧA και της δικής σου πειραματικής τιμής ΧΠ: \[X=\frac{\left | X_{A}-X_{\Pi } \right |}{X_{A}}100\%\]
Όλες οι πειραματικές διατάξεις του εργαστηρίου δίνουν αποτελέσματα κάτω από το 10%. Αυτό βέβαια δεν είναι κανόνας, γιατί πολλά μπορούν να συμβούν κατά την πορεία των μετρήσεών σου. Συζητάς το αποτέλεσμα με τους διδάσκοντες του εργαστηρίου.
2ος τρόπος
Γράφεις τη δική σου απάντηση (Χ\(\pm \)δx). Η αληθινή τιμή είναι (Υ\(\pm \)δy). Αν τα δύο διαστήματα έχουν επικάλυψη, τότε λες ότι το αποτέλεσμα είναι αποδεκτό μέσα στα όρια των σφαλμάτων της μέτρησης.
Για κάποια πυκνότητα βρήκες (7,3\(\pm \)0,2) g/cm3 , ενώ η θεωρητική τιμή είναι (7,6\(\pm \)0,2) g/cm3.
Τα δύο διαστήματα, όπως φαίνεται στην Εικόνα Εισ.4, έχουν επικάλυψη τιμών. Άρα, η απάντησή σου είναι αποδεκτή.
3ος τρόπος
Με το σχετικό σφάλμα της μέτρησης \(\overline{\mathrm{x}}\pm\Sigma _{\sigma \chi }\), μεταξύ δύο μετρήσεων του ιδίου μεγέθους πιο ακριβής είναι αυτή που έχει το μικρότερο σχετικό σφάλμα (με την προϋπόθεση ότι γίνονται κάτω από τις ίδιες συνθήκες).
Γραφικές Παραστάσεις (ΓΠ)
1ος τρόπος
Με χάρακα, χαρτί, μολύβι, γνώση και προσπάθεια
2ος τρόπος
Με τον Η/Υ στον οποίο δίνεις μια φορά το σύνολο των δεδομένων και στη συνέχεια με ένα κλικ έχεις τη γραφική παράσταση. Προσοχή, διότι για τον τρόπο αυτό χρειάζονται οι γνώσεις που αποκτάς από την προηγούμενη περίπτωση, καθώς και επιπλέον γνώσεις σχετικές με το πρόγραμμα που χρησιμοποιείς.
Ας δούμε τους λόγους για τους οποίους κάνουμε μια γραφική παράσταση:
- 1ος λόγος
Για να απεικονίσουμε δεδομένα με έναν τρόπο που μας δίνει πολλές πληροφορίες, εύκολα και με μια ματιά.
π.χ. Το ποσοστό αύξησης των κερδών μιας τράπεζας κατά τους τελευταίους 12 μήνες. Εύκολα μπορείς να βγάλεις συμπεράσματα για την πορεία της επιχείρησης. -
2ος λόγος
Κάνουμε τη γραφική παράσταση με σκοπό να αναλύσουμε ένα σύνολο πειραματικών δεδομένων και να βγάλουμε συμπεράσματα. Γι’ αυτό, στην περίπτωση αυτή η χάραξη πρέπει να γίνει με μεγαλύτερη αυστηρότητα. Βέβαια, τίποτα δεν αποκλείει να κάνεις τα ίδια και στην προηγούμενη περίπτωση, αλλά δεν είναι τόσο απαραίτητο.
- Ο Μαθηματικός:
-
Γνωρίζει τη συνάρτηση που συνδέει την ανεξάρτητη μεταβλητή Χ με την εξαρτημένη Υ.
π.χ.: Υ=αΧ+β, οπότε δίνει τυχαίες τιμές στο Χ, κάνει πράξεις και υπολογίζει το Υ - Γράφει το αποτέλεσμά του με όσα δεκαδικά νομίζει ότι του χρειάζονται και, τέλος, βάζει τα ζεύγη (Χ,Υ) σε άξονες.
Οπότε, όλα τα σημεία σχηματίζουν μια γνωστή καμπύλη (που ξέρει από τα μαθηματικά). -
Γνωρίζει τη συνάρτηση που συνδέει την ανεξάρτητη μεταβλητή Χ με την εξαρτημένη Υ.
- Ο Τεχνολόγος:
- Έχει τα ζεύγη (Χ,Υ) που είναι αποτελέσματα μετρήσεων και περιέχουν τις γνωστές αβεβαιότητες (σφάλματα).
- Ξέρει ότι κάθε ζεύγος δίνει και ένα σημείο στο επίπεδο.
- Τι θέλει να κάνει με τα σημεία αυτά; Υπάρχουν δύο περιπτώσεις:
- 1η περίπτωση:
Να ερευνήσει αν οι τιμές των (Χ,Υ) ικανοποιούν κάποια σχέση που περιγράφει το πείραμα από το οποίο προέκυψαν αυτές οι τιμές. Με άλλα λόγια, κάνει επαλήθευση κάποιου Νόμου ή ψάχνει για το Νόμο. - 2η περίπτωση:
Ξέρει από πριν την εξίσωση που περιγράφει το φαινόμενο. Άρα, ξέρει και τη μορφή της μαθηματικής καμπύλης που αντιστοιχεί στην εξίσωση.
- 1η περίπτωση:
Οπότε, με βάση τα πειραματικά σημεία που διαθέτει, θέλει να χαράξει την καλύτερη καμπύλη που πλησιάζει
στη θεωρητική μαθηματική καμπύλη. Αυτή η καλύτερη καμπύλη (best fit) δίνει τώρα τις πληροφορίες για
το πείραμα. Τα πειραματικά σημεία δεν παίζουν κανένα ρόλο πλέον. Δεν θα τα χρησιμοποιήσει για κανέναν υπολογισμό.
Τώρα μπαίνουν δύο ερωτήματα:
Απάντηση:
Για να χαράξεις την καλύτερη πειραματική καμπύλη, πρέπει να βάλεις τα σημεία (Χ,Υ) σε ένα επίπεδο με άξονες Χ και Υ. Για να το κάνεις αυτό, πρέπει να βαθμονομήσεις τους άξονες. Σύμφωνα με το πεδίο τιμών των Χ και Υ, αποφασίζεις πόσες γραμμές θέλεις να αντιστοιχίσεις, έτσι ώστε να καλύψεις το μεγαλύτερο δυνατό χώρο σε όλο το επίπεδο. Υπάρχει λόγος γι αυτό τον οποίο θα δούμε παρακάτω. (Ούτε γραφική παράσταση σαν κυπαρισσάκι ούτε πατημένη από τρένο, όπως φαίνεται στην Εικόνα Εισ.5.)
Σε 10 μικρές γραμμές του μιλιμετρέ δεν αντιστοιχείς 12 cm, αλλά 5 cm, 10 cm ή 20 cm, έτσι ώστε να ξέρεις εύκολα σε τι αντιστοιχεί μία γραμμή του άξονα.
Περίπτωση 1η:
Μία (1) γραμμή του άξονα Χ αντιστοιχεί σε 2 cm.
Στο κάτω μέρος του μιλιμετρέ γράψε την αντιστοίχιση που αποφάσισες.
Περίπτωση 2η:
Στον Χ άξονα: μία (1) γραμμή 2 cm.
Στον Υ άξονα: μία (1) γραμμή 0,1 Ν.
1ος τρόπος
Χαράζεις την καμπύλη/ευθεία έτσι, ώστε όσα σημεία αφήνει έξω από τη μία μεριά, τόσα να αφήνει και από την άλλη σε ισαπέχουσες θέσεις. Η χάραξη γίνεται με χάρακα για ευθεία ή καμπυλόγραμμο για υπερβολές, παραβολές κτλ.
Χαράζεις την καμπύλη έτσι, ώστε να περνάει μέσα από όλα τα διαστήματα εμπιστοσύνης (error bars). Αυτός ο τρόπος θεωρείται καλύτερος από τον πρώτο.
Δίνεις τα ζεύγη (Χ,Υ) στον Η/Υ. Αυτός βάζει τα σημεία και σχεδιάζει την καλύτερη δυνατή καμπύλη. Επιπλέον, σου δίνει και την μαθηματική εξίσωση της καλύτερης καμπύλης που αντιστοιχεί στα πειραματικά σημεία.
Απάντηση:
Ανάλυση δεδομένων:
- Βρίσκεις για κάθε τιμή xν την αντίστοιχη τιμή yν, και αντίστροφα
- Βρίσκεις την τιμή ενός τρίτου μεγέθους (εκτός των xν, yν) που ονομάζουμε κλίση λ και ορίζεται από τη σχέση:
Πώς βρίσκω την κλίση λ από τη γραφική παράσταση;
Αν η γραφική παράσταση είναι ευθεία, σχηματίζεις ένα τυχαίο, μεγάλο τρίγωνο με υποτείνουσα πάνω στην ευθεία. Διαιρείς την κατακόρυφη πλευρά του τριγώνου Δy με την οριζόντια πλευρά Δx. \[\lambda =\frac{\Delta y}{\Delta x}\] Δεν χρησιμοποιείς πειραματικά σημεία για να βρεις την κλίση.
2η περίπτωση
Αν η γραφική παράσταση είναι καμπύλη, τότε φέρνεις την εφαπτομένη στο σημείο M1 που σε ενδιαφέρει, σχηματίζεις πάλι ένα μεγάλο τρίγωνο και υπολογίζεις την κλίση (Εικόνα Εισ.6).
π.χ. \[\lambda =\frac{\Delta y}{\Delta x}=\frac{\mathrm{AB}}{\Gamma {\mathrm{B}}}\]
Έστω, y=f(x) η εξίσωση μιας καμπύλης και έστω, Μ1(x1,y1) ένα σημείο πάνω στην καμπύλη αυτή. Η κλίση στο σημείο αυτό είναι ίση με την τιμή της πρώτης παραγώγου. \[{f}'(x)=\frac{dy}{dx}\]
Πώς βρίσκω την κλίση λ γνωρίζοντας την εξίσωση της γραφικής παράστασης;
Έχεις δώσει τα ζεύγη (x,y) στον Η/Υ και έχεις πάρει την καλύτερη καμπύλη και την εξίσωση που της αντιστοιχεί. Βρίσκεις την παράγωγο και, στη συνέχεια, την αριθμητική τιμή της παραγώγου για το x που σε ενδιαφέρει. Από το θεώρημα ξέρεις ότι η τιμή της παραγώγου είναι η ζητούμενη κλίση. Κάνεις σύγκριση. Γιατί μεγάλο τρίγωνο;
y1\(\pm \)δy1, y2\(\pm \)δy2, x1\(\pm \)δx1, x2\(\pm \)δx2
Δy= y2 - y1, δ(Δy)= δy1+ δy2
Δx= x2 - x1, δ(Δx)= δx2+ δx1
\[\lambda =\frac{\Delta y}{\Delta x}\] άρα \[\frac{\delta \lambda }{\lambda }=\frac{\delta (\Delta y)}{\Delta y}+\frac{\delta (\Delta x)}{\Delta x}\]
Μέθοδος Ελαχίστων Τετραγώνων
Αν έχεις κάνει Ν μετρήσεις και έχεις τοποθετήσει τα σημεία στο Χ,Υ επίπεδο, τότε ένας πολύ σωστός τρόπος για να φέρεις την καλύτερη ευθεία που αντιστοιχεί στα σημεία αυτά είναι να υπολογίσεις την κλίση της ευθείας και το σημείο που τέμνει τον άξονα Υ. Δηλαδή, αν Υ=ΑΧ+Β, αποδεικνύεται ότι το Α και το Β υπολογίζονται ως εξής: \[A=\frac{N\sum X_{i}\cdot Y_{i}-\sum X_{i}\cdot \sum Y_{i} }{\Gamma }\]
\[B=\frac{\sum X_{i}^2\cdot \sum Y_{i}-\sum X_{i}\cdot\sum X_{i}\cdot Y_{i} }{\Gamma }\]
\[\Gamma =N\sum X_{i}^2-(\sum X_{i})^2\]
Σημείωση:
Δε νομίζουμε ότι κάποιος θα κάνει ποτέ αυτές τις πράξεις στο εργαστήριο. Είναι χρήσιμο, όμως, να ξέρεις ότι υπάρχει αυτή η μέθοδος.
2ος τρόπος
Δίνεις τα Ν ζεύγη (Χ,Υ) στον Η/Υ ή στο φορητό υπολογιστικό μηχάνημά σου (scientific calculator), και σε απειροστό χρόνο σου δίνουν τα Α και Β! Η ίδια μέθοδος για τα μεγέθη Α και Β υπολογίζει και τις αβεβαιότητες δΑ και δΒ, αλλά δε θα χρειαστούν στο εισαγωγικό εργαστήριο. Τώρα που ξέρεις τα Α και Β, γνωρίζεις την εξίσωση.
y=2,6x +3,2
Για να χαράξεις την ευθεία, χρειάζονται δύο σημεία (το είπε και ο Ευκλείδης), όχι βέβαια τα πειραματικά. Δίνεις δύο τιμές στον Χ και από την εξίσωση (Εισ.14) έχεις δύο τιμές του Υ. Με τα δύο σημεία (Χ1,Υ1) και (Χ2, Υ2) χαράζεις την καλύτερη ευθεία. Τέλος!
Παράδειγμα υπολογισμού των Α και Β
\[A=\frac{5\cdot 180,14-16,0\cdot 48,5 }{52,1}=2,39\] \[B=\frac{61,62\cdot 48,5-16,0\cdot 180,14 }{52,1}=2,04\]
Γ=5∙61,62-(16,0)2 =52,1
y=2,39x+2,04
ΚΡΙΤΗΡΙA ΑΞΙΟΛΟΓΗΣΗΣ
Κριτήριο αξιολόγησης 1 - Άμεσες Μετρήσεις
- Ποιες από τις παρακάτω προτάσεις είναι σωστές και ποιες λάθος
- Το σχετικό σφάλμα εκφράζει την ακρίβεια της μέτρησης.
- Ο τρόπος γραφής των αποτελεσμάτων των μετρήσεων (σύμφωνα με τη Θεωρία Σφαλμάτων) είναι: x – δx
- Το απόλυτο σφάλμα δεν έχει μονάδες, είναι καθαρός αριθμός.
- Το Μέσο Σφάλμα της Μέσης Τιμής (ΜΣΜΤ) δεν έχει μονάδες, είναι καθαρός αριθμός.
- Η μέτρηση Ι=2,3\(\pm \)0,1 Α είναι σωστή.
- Στις πολλές μετρήσεις το σφάλμα είναι η μέση τιμή των σφαλμάτων των μετρήσεων.
- Το σχετικό σφάλμα έχει τις ίδιες μονάδες με το μέγεθος που μετρώ.
- Μεταξύ δύο μετρήσεων πιο ακριβής είναι αυτή που έχει το μικρότερο απόλυτο σφάλμα.
- Το σχετικό σφάλμα της μέτρησης (20\(\pm \)2) mm είναι 0,1 mm
- Το επί τοις % σχετικό σφάλμα της μέτρησης (20\(\pm \)2) mm είναι 10%.
- Η μέτρηση της θερμοκρασίας με ένα θερμόμετρο είναι άμεση μέτρηση.
- Μετράς ένα μέγεθος τρεις (3) φορές και βρίσκεις 2,3 cm την πρώτη φορά, 2,4 cm τη δεύτερη και 2,5 cm την τρίτη. Το αποτέλεσμα της μέτρησης είναι 2,4 cm.
- Μετράς ένα μέγεθος μία (1) φορά. Το σφάλμα είναι το μέγιστο σφάλμα του οργάνου.
- Μετράς ένα μέγεθος 5 φορές. Το αποτέλεσμα της μέτρησης είναι η μέση τιμή των 5 μετρήσεων.
- Μετράς ένα μέγεθος πολλές φορές. Το σφάλμα της μέτρησης είναι το Μέσο Σφάλμα της Μέσης Τιμής (ΜΣΜΤ).
Κριτήριο αξιολόγησης 2 - Έμμεσες μετρήσεις
-
Γνωρίζοντας ότι:
a=2S/t2
(S\(\pm \)δS): (100\(\pm \)1) cm
(t\(\pm \)δt):(10,5\(\pm \)0,1) s
να βρείτε το (a\(\pm \)δa). -
Γνωρίζοντας ότι:
Δθ=θ2 - θ1
(θ2 \(\pm \)δθ2): (100 \(\pm \)1)°C
(θ1 \(\pm \)δθ1): (90\(\pm \)1)°C
να βρείτε το (Δθ\(\pm \)δΔθ). - Αν η πειραματική τιμή ενός μεγέθους είναι 51,0 cm και η αληθινή 50,0 cm, βρείτε τη διαφορά επί τοις % ως προς την αληθινή τιμή.
Κριτήριο αξιολόγησης 3 - Γραφικές Παραστάσεις
- Ερωτήσεις:
- Στην 1η γραφική παράσταση φαίνεται το διάστημα που διανύει ένα σώμα σε σχέση με το χρόνο.
- Να βρεθεί η κλίση της ευθείας.
- Πόσο διάστημα έχει διανύσει το σώμα σε 20 s;
- Πόσο χρόνο χρειάζεται για να διανύσει 130 m;
- Στη 2η γραφική παράσταση να βρεθεί η κλίση της καμπύλης στη θέση V=1V με τη βοήθεια της εφαπτομένης που έχει χαραχθεί στη θέση αυτή.
- Στην 3η γραφική παράσταση να βρεθεί η κλίση της καμπύλης στη θέση t= 10 h με τη βοήθεια της εξίσωσής της.
- Johnson, R. (1994). Miller and Freud’s Probability and Statistics for Engineers (σ. 25, 109, 143, 202 και 205). New Jersey: Prentice Hall.
- Taylor, J. R. (1997). Introduction to Error Analysis: The Study of Uncertainties in Physical Measurements. (κεφάλαια 2, 3.3, 3.5, 4.1, 4.2, 4.3, 4.4, 5.3, 5.4 και 8). University Science Books.
- Εργαστηριακές Ασκήσεις Φυσικής. τόμ.Ι. (2013). [Εργαστηριακός Οδηγός - Πανεπιστημιακές Σημειώσεις] Εθνικό Μετσόβιο Πολυτεχνείο, Τομέας Φυσικής, Σχολή Εφαρμοσμένων Μαθηματικών και Θετικών Επιστημών, Εκπαιδευτικά Εργαστήρια [online] διαθέσιμο από:
<http://www.physics.ntua.gr/ergasthria/askhseis_ergasthrion/eo_tomos1_2013.pdf> - Καραμπαρμπούνης, Α. κ.ά. (2012). Εισαγωγή στην Πειραματική Μεθοδολογία. Στο Εισαγωγικές Διαλέξεις Εργαστηρίου Φυσικής 2014-2015 [Φυλλάδιο Εισαγωγικών Διαλέξεων - Πανεπιστημιακές Σημειώσεις], Εθνικό & Καποδιστριακό Παν/μιο Αθηνών, Τμήμα Φυσικής, Εργαστήριο Φυσικής [online] διαθέσιμο από:
<http://physlab.phys.uoa.gr/f1/intro_lectures2012.pdf>