در سال ۱۶۳۱ پیر ورنیه ترفندی منتشر کرد که هنوز هم در هر کارگاهی استفاده می‌شود: اگر یک مقیاسِ کمکی بسازی که خط‌هایش کمی از مقیاس اصلی فشرده‌تر باشند، جایی که دو خط دقیقاً روبه‌روی هم می‌افتند به تو رقمی می‌دهد که چشم به‌تنهایی هرگز نمی‌توانست بخواند.
هر اندازه‌گیری دو نقص دارد که با هم اشتباه گرفته می‌شوند. پراکندگی یعنی هر بار که می‌خوانی عدد کمی فرق می‌کند؛ این خطای تصادفی است و با میانگین‌گیری کوچک می‌شود — خطای میانگین با σ/√n کم می‌شود. خطای صفر یعنی ابزار از همان اول اشتباه می‌گوید؛ این خطای سیستماتیک است و میانگین‌گیری هیچ کاری با آن ندارد، چون هر بار همان مقدار را به همان سمت اضافه می‌کند.
به همین دلیل دقت و درستی یکی نیستند. کولیس حدود بیست برابر از خط‌کش دقیق‌تر است، ولی اگر فک‌هایش وقتی بسته‌اند عدد صفر را نشان ندهند، همهٔ آن دقت صرفِ تکرارِ وفادارانهٔ یک عددِ غلط می‌شود.
یک میلهٔ فلزی روی میز است و قطرش را نمی‌دانی. دو ابزار داری. ابزار را انتخاب کن و «اندازه بگیر» را بزن؛ هر بار یک خواندنِ تازه ثبت می‌شود. دستت دقیقاً همان‌جای قبل نمی‌نشیند، پس عددها کمی فرق می‌کنند — همان‌طور که در آزمایشگاهِ واقعی.
نوارِ پایین، مقیاسِ ابزار است — بزرگ‌نمایی‌شده تا ببینی چه چیزی اصلاً قابل خواندن است.
فک‌ها را ببند (یا خط‌کش را روی هیچ بگذار) و بخوان. اگر عدد صفر نبود، همین مقدار در همهٔ اندازه‌گیری‌هایت هست.
trials_data هستند — فهرستی از دیکشنری با کلیدهای tool و mm. کد را عوض کن و Run بزن.
محاسبهٔ بالا میان‌بُر است. تحلیلِ واقعی با Python + numpy + matplotlib انجام می‌شود، و همان چیزی است که اینجا اجرا می‌شود — CPython کامپایل‌شده به WebAssembly، داخل مرورگر خودت.
وقتی روی یک جواب ایستادی، این را بزن تا قطرِ واقعی و خطاهایی که بی‌سروصدا روی ابزارهایت اعمال شده بودند را ببینی.