索引 / 001 ZH-TW
An Introduction to Error Analysis: The Study of Uncertainties in Physical Measurements(誤差分析導論:物理測量中的不確定度研究) cover

物理學

物理學

An Introduction to Error Analysis: The Study of Uncertainties in Physical Measurements(誤差分析導論:物理測量中的不確定度研究)

John R. Taylor

英文原名: An Introduction to Error Analysis: The Study of Uncertainties in Physical Measurements

一本為初次修習實驗課程的學生撰寫的實驗測量不確定度處理導論。它先說明如何估計、報告與傳遞不確定度以及如何比較結果,再闡述這些規則背後的統計概念;第三版更新了範例與習題。

需要的基礎: 前半部分只需代數與微積分初步,後半部分用到稍多一些的微積分。

難度等級
入門
學術層次
大學部
error analysismeasurement uncertainty統計學laboratory physics教科書

01 / 導讀

導讀

引用

Taylor, J. R. (2022). An Introduction to Error Analysis: The Study of Uncertainties in Physical Measurements (3rd ed.). University Science Books.

章節概要

第三版共十三章,另有附錄(包括正態誤差積分和卡方機率表)、參考文獻和索引。出版社介紹說,本書用學生熟悉的例子向低年級理科學生介紹不確定度的研究。下列章節標題依據出版社和圖書館目錄的列舉,對各章的描述不超出這些標題和出版社介紹所能支援的範圍。

第1–3章:誤差分析的初步描述;如何報告和使用不確定度;不確定度的傳遞

開頭幾章介紹術語和實用規則:誤差分析的用途,如何連同不確定度一起寫出測量結果並與其他結果比較,以及被測量的不確定度如何傳遞到由它們算出的量。

第4–5章:隨機不確定度的統計分析;正態分佈

此後全書由規則轉向統計。第4章討論重複測量的統計分析,第5章介紹正態分佈,也就是大多數不確定度背後的模型。

第6章:資料的捨棄

這一章討論在什麼情況下、依據什麼準則可以捨棄一個測量值。書中的索引術語裡有肖維涅準則。

第7–9章:加權平均;最小二乘擬合;協方差與相關

這幾章討論如何合併精度不同的測量,如何用最小二乘法給資料擬合直線或曲線,以及如何描述兩個被測量之間的關係。

第10–12章:二項分佈;泊松分佈;分佈的卡方檢驗

後面的經典章節介紹另外兩種機率分佈,以及用於檢驗資料與預期分佈吻合程度的卡方檢驗。

第13章:貝葉斯統計

這是本版新增的一章。出版社說這是專門講貝葉斯思維的完整一章,介紹條件機率和貝葉斯定理,例子有意設計得很簡單,作為入門的第一步。

核心概念

第1–3章:報告與傳遞不確定度

  • 不確定度與最佳估計值:結果表述的搭配方式。
  • 不確定度的傳遞:第3章的規則。
  • 相對不確定度:書中索引的術語。

第4–9章:隨機誤差與擬合

  • 正態分佈:第5章。
  • 加權平均:第7章。
  • 最小二乘擬合:第8章。
  • 協方差與相關:第9章。

第10–13章:分佈與推斷

  • 二項分佈和泊松分佈:第10章和第11章。
  • 卡方檢驗:第12章。
  • 貝葉斯定理:第13章。

評析

優點

  • 從實踐到理論的清晰順序。 各章先講如何報告、使用和傳遞不確定度,然後才展開規則背後的統計,適合立刻需要這些規則的實驗課學生。
  • 為計算工具更新。 出版社說,本版增加了以計算機求解為目的的章末習題;幾乎都是針對Excel這類常見電子表格軟體而寫的。出版社認為,如果學生自己搭建表格,就能由此理解標準差、相關係數和正態分佈的含義。
  • 新增貝葉斯一章。 新的第13章回應了作者所說的貝葉斯統計日益流行,例子簡單,目標有限。
  • 長期使用的記錄。 出版社稱這本書四十年來一直是暢銷教材,並已譯成多種語言。

侷限

  • 貝葉斯內容只有一章且靠後。 貝葉斯內容只限於第13章,圍繞貝葉斯資料分析設計的課程需要另外的資料。
  • 計算偏向電子表格。 新增的習題主要面向電子表格;想用程式設計做分析的讀者需要自行改寫,或使用其他書。
  • 缺少獨立評價。 沒有找到關於第三版的期刊書評,所以關於教學效果的說法依據的是出版社的介紹。

在課程中的定位

在計算物理書單中,Taylor 的書是測量與統計方面的配套讀物,而不是數值方法教材。Newman 的 Computational Physics 和 Landau、Páez、Bordeianu 的 Computational Physics: Problem Solving with Python 通過物理問題講授演算法和程式設計;Thijssen 的 Computational Physics 是研究生水平的研究方法介紹;Press 等人的 Numerical Recipes 是附有可執行程式的演算法參考書;Kinder 與 Nelson 的 A Student's Guide to Python for Physical Modeling 講授這門語言。

這些書都不專門講實驗不確定度,而這正是 Taylor 的主題。最好把它與第一門實驗課一起讀,這樣每條規則都可以立刻用在自己的資料上;當計算類教材的習題要求擬合、誤差棒或擬合優度時,則應在它們之前或同時讀。

如何使用本書

頁面後設資料說,前半部分只需代數和微積分的初步知識,後面會用到多一點的微積分。本書面向第一門實驗課的學生。

實用的安排:

  • 任何實驗課的核心: 第1–5章,給出報告和傳遞不確定度的規則及其背後的統計。
  • 接下來: 擬合數據時讀第7–9章,判斷異常值時讀第6章。
  • 機率與檢驗: 第10–12章,然後讀第13章,初步瞭解貝葉斯方法。
  • 學習順序: 後面的章節用到第4、5章的統計術語,時間緊張的讀者不要為了趕到擬合而跳過它們;只讀第1–3章只能得到規則,得不到規則的依據。
  • 練習: 做章末習題;對於計算類習題,按出版社的建議從頭自己搭建電子表格,而不要依賴內建函式。第三版另有配套的學生解答手冊。