یه نکتهی شوکآور 💭: اگه با یه ترازوی آزمایشگاهیِ پزشکی، جرمِ یه نمونهی خونی رو ۱۰ بار وزن کنی، احتمالاً ۱۰ تا عددِ یهکم متفاوت میگیری! این بهمعنی خرابیِ ترازو نیست — این یعنی هیچ ابزاری کاملاً دقیق نیست. وظیفهی ما اینه که بفهمیم اون «نادقتی» چقدره و چطوری گزارشش کنیم.
دقت در مقابلِ درستی — مهمترین تمایز 📌
این دو تا مفهوم شبیهاند ولی یکی نیستن:
- درستی (Accuracy): نزدیکیِ مقدارِ اندازهگیریشده به مقدارِ واقعی.
- دقت (Precision): اینکه چقدر اندازهگیریهای پشتسرهم نزدیک به همدیگه هستن (تکرارپذیری).
میشه دقیق باشی ولی غلط (همهی تیرها به یه نقطه ولی دور از وسط)، یا درست باشی ولی نهچندان دقیق (پراکنده ولی میانگین درست). سیبلِ دارت بهترین مثاله:
دقتِ ابزار 📏
دقتِ هر ابزارِ اندازهگیری معمولاً نصفِ کوچکترین درجهبندیِ ابزارـه:
– خطکشِ معمولی (هر mm یه خط) → دقت = ۰٫۵ mm
– ترازوی آشپزخانه (هر g یه خط) → دقت = ۰٫۵ g
– ترازوی دیجیتالیِ آزمایشگاهی که اعشارِ سوم رو نشون میده → دقت ≈ ۰٫۰۰۰۵ g
– کولیسِ مدرّج → معمولاً ۰٫۰۲ mm
– ریزسنجِ مدرّج → معمولاً ۰٫۰۱ mm
🩺 برای تجربیها: دقتِ پایپتی که تو آزمایشگاهِ شیمیِ پایهی پزشکی استفاده میکنی، روی خودش حک شده (مثلاً
±0.05 mL). همیشه قبلِ گزارشِ نتیجه بهش نگاه کن.
خطای اختلافِ منظر — اشتباهی که همه میکنن 👁️
اگه از کنار به یه استوانهی مدرّج نگاه کنی، عددِ اشتباه میخونی! این خطای اختلافِ منظر (parallax) ـه. باید چشمت روبهرو و عمود به مقیاس باشه.
محاسبهی خطا با پایتون 🐍
اگه ۱۰ بار یه نمونه رو وزن کردی، چطوری «بهترین مقدار» رو گزارش کنی؟ میانگین ± انحرافِ معیار:
import numpy as np
# مثال: ۱۰ اندازهگیریِ pH یه محلول
ph = [7.41, 7.39, 7.42, 7.40, 7.43, 7.38, 7.41, 7.40, 7.42, 7.39]
mean = np.mean(ph)
std = np.std(ph, ddof=1) # انحراف معیار نمونه
sem = std / np.sqrt(len(ph)) # خطای استاندارد میانگین
print(f"میانگین: {mean:.3f}")
print(f"انحرافِ معیار: {std:.3f}")
print(f"گزارش: pH = {mean:.2f} ± {sem:.3f}")
این فرمول دقیقاً همون چیزیه که تو مقالههای پزشکی موقعِ گزارشِ نتیجهی آزمایش میبینی.
خودتو بسنج 📝
منابع و کاوشِ بیشتر 📚
مقالات
- ویکیپدیای فارسی: دقت و درستی
- Wikipedia EN: Accuracy and precision، Measurement uncertainty، Significant figures
- NIST — Uncertainty of Measurement Results
- HyperPhysics — Error Analysis
ویدئو (یوتیوب)
- Veritasium: The most precise measurement ever made
- MIT OCW: Statistical mechanics — error analysis
- Khan Academy: Significant figures
ویدئو (آپارات — فارسی)
روی همین سایت 🔗
تو بخشِ بعدی میریم سراغِ آخرین مفهومِ فصلِ ۱ — چگالی. چرا یخ شناوره ولی سنگ ته میره؟ 🧊
💬 جواب بهتری داری؟ یا یه سؤال جدید؟
اگه به سؤالای بالا پاسخی داری که فکر میکنی روشنتر یا کاملتر از مال منه، یا یه سؤال جدید برای دانشآموزای دیگه داری — تو بخش نظرات پایین صفحه ارسال کن. هر پیامی رو میخونم، تأیید میکنم و منتشر میشه. اینجوری همه از تجربهی همدیگه استفاده میکنیم. 🌱