Appearance
误差分析与数据处理
概览
实验是 CPhO 复赛与决赛的必考模块，而误差分析与数据处理是实验考试的"语法"——一切读数、记录、作图、计算都必须服从它。本笔记系统整理误差的分类与来源、有效数字的读数与运算规则、多次测量的平均值与标准偏差、间接测量的误差传播公式，并重点讲解三种数据处理方法：列表法、图像法（含线性化处理）与逐差法，最后给出最小二乘法的公式。误差传播依赖 01-微积分基础 的微分近似 $\Delta y\approx f'(x)\thinspace{}dx$；打点计时器逐差法承继 高中力学总览 的匀变速运动；竞赛中图像法与逐差法的具体应用见姊妹篇 02-竞赛实验专题。
核心概念
一、测量与误差
直接测量与间接测量：直接用仪器读出结果（用刻度尺量长度、用秒表记时间）称直接测量；由若干直接测量量按公式计算得到的结果（由 $l$、$T$算$g=\dfrac{4\pi^2l}{T^2}$）称间接测量。竞赛实验的误差计算主要针对间接测量。
真值与测量值：被测量客观存在的确定值称为真值 $x_0$，原则上不可完全测得（任何测量都有误差）。测量得到的结果称测量值 $x$，真值与测量值之差即误差。
误差的定义：
- 绝对误差：$\Delta x=|x-x_0|$，带单位，反映偏差的大小；
- 相对误差：$E_r=\dfrac{\Delta x}{x_0}$（常用百分误差 $E_r=\dfrac{\Delta x}{x_0}\times 100\%$ 表示），无量纲，反映测量的精度等级——比较两个测量谁更精密，看的是相对误差而不是绝对误差。
二、误差的分类
系统误差：由仪器不准（零位未校准、刻度不均匀）、方法缺陷（理论公式近似，如单摆公式忽略摆球半径）、个人习惯（读数时身体偏斜）等确定因素引起。
偶然（随机）误差：由环境波动（温度、气压起伏）、测量者估读起伏、仪器微小抖动等不可控因素引起。
系统误差与偶然误差的对比
| 比较项 | 系统误差 | 偶然误差 |
|---|---|---|
| 来源 | 仪器不准、方法缺陷、个人习惯 | 环境波动、估读起伏、随机扰动 |
| 特点 | 大小方向恒定（或按确定规律变化），重复测量不改变 | 大小方向随机，呈正态分布，服从统计规律 |
| 多次测量取平均 | 不能减小 | 可显著减小 |
| 减小方法 | 校准仪器、改进实验方法、修正理论、换测量者 | 多次测量取平均、增加测量次数 |
| 处理态度 | 靠实验设计规避，无法用统计消除 | 用平均值与标准偏差定量描述 |
粗大误差（坏值）：由过失造成（读错、记错、仪器故障、操作失误），数值明显偏离。判断后应剔除，不参与平均值与标准偏差的计算。剔除坏值后要重新求平均值与标准偏差。
三、有效数字
定义：测量结果中可靠数字与一位可疑数字合称有效数字。可疑位即估读位。如毫米刻度尺测长度 $23.4$ mm，$2$、$3$ 为可靠数字，$4$ 为估读位（可疑），共三位有效数字。
读数规则：
- 刻度尺、螺旋测微器、温度计等：估读一位，读到最小分度的 $\dfrac{1}{10}$；
- 螺旋测微器：最小分度 $0.01$mm，必须估读到$0.001$ mm 位；
- 游标卡尺：不估读，读数直接为"主尺整毫米数 + 游标对齐刻线数 × 分度值"（10 分度 $0.1$mm、20 分度$0.05$mm、50 分度$0.02$ mm）；
- 电压表、电流表：最小分度为 $1$的估读到$\dfrac{1}{10}$分度；最小分度为$2$、$5$的估读到$\dfrac{1}{2}$、$\dfrac{1}{5}$ 分度；
- 数字式仪表（电子表、数字万用表）：直接记录末位，不估读。
科学计数法：$1.20\times10^3$是三位有效数字（末尾$0$ 有效），$1.2\times10^3$是两位——二者精度不同，末尾的$0$ 不能随意增减。$0.00120$写作$1.20\times10^{-3}$，仍是三位有效数字（开头的 $0$ 只定数量级，不算有效数字）。
运算规则：
| 运算 | 规则 | 示例 |
|---|---|---|
| 加减法 | 结果保留到参与运算量中小数位数最少者 | $12.3+1.234=13.5$ |
| 乘除法 | 结果有效数字位数与参与运算量中最少者相同 | $12.34\times1.2=15$ |
| 开方、乘方 | 结果位数与底数位数相同 | $\sqrt{1.44}=1.20$ |
| 常数 $\pi$、$\sqrt{2}$等 | 按需要取位，通常取到比结果多一位，不参与"最少者"判定 | $2\pi/T$中$\pi$取$3.142$ |
| 对数 | 结果小数位数与真数有效数字位数相同 | $\ln 2.00=0.693$ |
首位为 1、2 的近似规则
当某数的首位数字为 $1$或$2$（如 $1.02$）时，其相对误差比 $3\sim9$开头的数（相对误差约$0.05\%\sim0.5\%$）更小，此时乘除运算结果可比"最少位数"多保留一位。例如 $1.20\times1.2001\approx1.440$（按最少位数应取 $1.44$）。此规则竞赛中简述了解即可。
四、测量结果的表示
对同一量多次测量得 $x_1,x_2,\cdots,x_N$，则
- 算术平均值（最可信赖值）： $$ \boxed{\thinspace\bar{x}=\dfrac{\sum_{i=1}^{N}x_i}{N}\thinspace} $$
- 实验标准偏差（贝塞尔公式，评价单次测量的精密度）： $$ \boxed{\thinspace\sigma=\sqrt{\dfrac{\sum_{i=1}^{N}(x_i-\bar{x})^2}{N-1}}\thinspace} $$ $\sigma$越大说明数据越分散、单次测量的精密度越低。分母用$N-1$是因为$\bar{x}$本身由这$N$ 个数据算出，损失了一个自由度。
结果写法：测量结果写作 $$ x=\bar{x}\pm\sigma $$ （用平均值的标准偏差 $\sigma_{\bar{x}}=\dfrac{\sigma}{\sqrt{N}}$时更严格，即$\bar{x}\pm\dfrac{\sigma}{\sqrt{N}}$）。竞赛中若题目只要求"简化表示"，写成 $\bar{x}\pm\Delta$亦可，但$\Delta$与$\sigma$ 的物理含义必须写清楚：$\sigma$ 描述单次测量的离散，$\sigma_{\bar{x}}$ 描述平均值的可靠程度。
不确定度概念（定性了解）
现代计量学用不确定度取代"误差"：A 类分量由统计方法评定（即 $\sigma_{\bar{x}}$），B 类分量由仪器允差等非统计信息评定，合成不确定度 $u=\sqrt{u_A^2+u_B^2}$，结果写作 $\bar{x}\pm u$。CPhO 竞赛只要求定性理解：不确定度以标准差为基础、给出的是"置信区间"而非某个确定偏差，比"误差"更科学严谨。
推导与原理
一、误差传播（间接测量的误差）
设 $z=f(x,y)$，直接测量量 $x,y$的误差为$\Delta x,\Delta y$。由 01-微积分基础 的微分近似，函数值的改变量用全微分线性主部表示，误差按"最坏情况"叠加：
| 函数形式 | 误差公式 | 说明 |
|---|---|---|
| $z=x\pm y$ | $\Delta z=\Delta x+\Delta y$ | 加减法，绝对误差相加 |
| $z=xy$或$z=\dfrac{x}{y}$ | $\dfrac{\Delta z}{z}=\dfrac{\Delta x}{x}+\dfrac{\Delta y}{y}$ | 乘除法，相对误差相加 |
| $z=x^n$ | $\dfrac{\Delta z}{z}=n\dfrac{\Delta x}{x}$ | 幂函数，幂次作系数 |
| $z=f(x)$ | $\Delta z= | f'(x) |
推导示例（幂函数）：$z=x^n$，取对数 $\ln z=n\ln x$，微分得 $\dfrac{dz}{z}=n\dfrac{dx}{x}$，按"最坏情况"取绝对值即得 $\dfrac{\Delta z}{z}=n\dfrac{\Delta x}{x}$。对 $z=\dfrac{x^2}{y}$，则 $\dfrac{\Delta z}{z}=2\dfrac{\Delta x}{x}+\dfrac{\Delta y}{y}$——幂次 $2$ 必须写在相对误差前面，这是最易错的地方。
一般函数的推导：$z=f(x)$时$\Delta z\approx |f'(x)|\thinspace\Delta x$，因为 $\Delta z$与$\Delta x$ 同号时误差最大，取绝对值保证"最坏情形"。物理实例：$g=\dfrac{4\pi^2l}{T^2}$是$l$ 的一次方、$T$ 的负二次方，故 $$ \boxed{\thinspace\dfrac{\Delta g}{g}=\dfrac{\Delta l}{l}+2\dfrac{\Delta T}{T}\thinspace} $$ 物理直觉：$T$在分母且为二次幂，所以$T$的测量精度对$g$的影响是"双倍"的——实验中要重点提高周期的测量精度，例如测$T$用"测$n$个周期再除$n$"。
二、逐差法——打点计时器求加速度的标准方法
问题：打点计时器以时间间隔 $T$（常取 $0.02$s，或每 5 个点取$0.1$s）打出等间隔的纸带，测得第$i$个时间间隔内的位移$x_i$（共 $2n$段）。要求加速度$a$。
为什么不用"相邻差取平均"：相邻差 $x_{i+1}-x_i=aT^2$，逐个相减再平均看似利用了所有数据，但求和后 $$ \frac{1}{2n-1}\sum_{i=1}^{2n-1}(x_{i+1}-x_i)=\frac{x_{2n}-x_1}{2n-1} $$ 分子首尾相消，中间数据全部抵消，等价于只用首末两段求差——大量测量信息被浪费，偶然误差无法有效平均掉。
逐差法：把 $2n$ 段数据分成两组，$x_1,\cdots,x_n$与$x_{n+1},\cdots,x_{2n}$，对应相减（隔 $n$项求差）。设第$i$ 段位移（$v$ 为该段初速）为 $$ x_i=vT+\tfrac{1}{2}a(2i-1)T^2 $$ 则隔 $n$ 段的两段位移之差为 $$ x_{n+k}-x_k=\left[vT+\tfrac12 a(2n+2k-1)T^2\right]-\left[vT+\tfrac12 a(2k-1)T^2\right]=a\thinspace{}nT^2 $$ 初速 $v$完全抵消，每对数据给出一个独立信息$a nT^2$。$n$ 对相加： $$ \sum_{k=1}^{n}(x_{n+k}-x_k)=a\thinspace{}n^2T^2 $$ 于是 $$ \boxed{\thinspace{}a=\dfrac{(x_{n+1}-x_1)+(x_{n+2}-x_2)+\cdots+(x_{2n}-x_n)}{n^2T^2}\thinspace} $$ 若把分子记作 $\Delta x$，则 $$ \Delta x=\dfrac{(x_{n+1}-x_1)+(x_{n+2}-x_2)+\cdots+(x_{2n}-x_n)}{n^2} $$ 恰为每段位移每间隔的平均增量，$a=\dfrac{\Delta x}{T^2}$。
分母中 $n^2$ 的两个来源
第一个 $n$：把 $n$对逐差结果取平均（分子求和后除$n$）；第二个 $n$：逐差组的间隔数——每对数据相隔 $n$个时间间隔，其位移差对应$a n T^2$，除 $n$才折合回单个间隔。以$n=3$、六段位移 $x_1\sim x_6$ 为例： $$ a=\frac{(x_4-x_1)+(x_5-x_2)+(x_6-x_3)}{9T^2}=\frac{(x_4+x_5+x_6)-(x_1+x_2+x_3)}{9T^2} $$ 这是打点计时器最标准的加速度公式。
逐差法优于相邻差平均的原因：① 利用了全部数据，$n$对差相互独立，偶然误差按统计规律部分抵消，结果更可靠；② 每对差都跨越$n$ 个间隔，差值本身更大，同样的读数误差带来的相对误差更小。
三、最小二乘法（线性回归）
对 $N$组数据$(x_i,y_i)$拟合直线$y=kx+b$，使残差平方和 $\sum[y_i-(kx_i+b)]^2$ 最小，解得 $$ k=\frac{n\sum x_iy_i-\sum x_i\sum y_i}{n\sum x_i^2-(\sum x_i)^2},\qquad b=\frac{\sum y_i-k\sum x_i}{n} $$ （公式中的 $n$即数据组数$N$）。竞赛中一般只要求会用公式计算，并与图像法求得的斜率截距相互对照——两者吻合说明作图与计算无误。注意：最小二乘法假设 $x$ 无误差、$y$ 的误差等精度且服从正态分布，数据多时（$n\ge5$）才推荐使用。
典型实例与物理应用
实例 1：图像法——作图的规范与线性化处理
作图规范：
- 坐标轴注明物理量符号、单位，如 "$T^2/\mathrm{s}^2$"；
- 标度取 $1$、$2$、$5\times10^n$，使图线大致充满图纸（占幅超过一半），分度值不能是 $3$、$7$ 之类的"别扭数"；
- 描点用细"$\times$"或"$+$"，点小而清晰，不在点上画大圆；
- 连线：若为直线拟合，用直尺画一条直线，使数据点尽量均匀分布在直线两侧，不必、也不允许逐点连成折线；若为曲线，用平滑曲线，同样不逐点折连；
- 求斜率：在直线上取两个相距较远的点（不要用测量点本身），$k=\dfrac{\Delta y}{\Delta x}$；求截距：延长直线与 $y$轴（或$x$ 轴）的交点，注意坐标原点是否在纸内。
线性化处理（非线性关系化直线，竞赛高频）：
| 原关系 | 变换 | 作图 | 斜率 | 截距 |
|---|---|---|---|---|
| $y=\dfrac{a}{x}$ | 令$u=\dfrac{1}{x}$ | $y$vs$\dfrac{1}{x}$ | $a$ | $0$ |
| $y=ae^{bx}$ | 取对数 | $\ln y$vs$x$ | $b$ | $\ln a$ |
| $y=ax^n$ | 取对数 | $\lg y$vs$\lg x$ | $n$ | $\lg a$ |
| $T=2\pi\sqrt{\dfrac{l}{g}}$ | 平方 | $T^2$vs$l$ | $\dfrac{4\pi^2}{g}$ | $0$ |
| $pV=nRT$ | 取倒数 | $p$vs$\dfrac{1}{V}$ | $nRT$ | $0$ |
物理实验中最常用的是后三种：指数（衰变、放电）、幂函数（开普勒定律 $T^2\propto a^3$）、倒数（玻意耳定律、$U$vs$\dfrac{1}{R}$）。
实例 2：单摆测 $g$ 的整体误差分析
由 $g=\dfrac{4\pi^2l}{T^2}$，若测 $l$的绝对误差$\Delta l=1$ mm、$l=1.000$m；测$T$用"测 50 个周期取平均"得$T=2.0064$ s、$\Delta T=0.001$ s，则 $$ \frac{\Delta g}{g}=\frac{0.001}{1.000}+2\times\frac{0.001}{2.0064}\approx0.001+0.001=0.002 $$ 即 $g$的相对误差约$0.2\%$。此例说明：用累积法（测多个周期）减小 $T$ 的误差，是单摆实验精度高的关键；若只测一个周期（$\Delta T\approx0.02$s），相对误差立刻升到$2\%$ 量级，$g$的误差以$T$ 为主。
实例 3：列表法
实验数据应列表记录，规范：表头写明物理量与单位（如 "$x/\mathrm{cm}$"），原始数据如实记录、不修约，有效数字与仪器读数精度一致，重要测量注明仪器与条件。列表是后续作图、计算的基础，决赛实验评分中"数据表规范"占分。
例题
例 1：游标卡尺与螺旋测微器读数
题目：① 用 50 分度游标卡尺测金属管外径，主尺读数为 $24$mm 后，游标上第$37$条刻线与主尺某刻线对齐，求外径读数；② 用螺旋测微器测钢丝直径，主尺整刻度$6$mm、半刻度已露出，可动刻度示数$23.5$ 格，求读数。
分析：50 分度游标卡尺分度值为 $0.02$mm，不估读；螺旋测微器最小分度$0.01$mm，必须估读到$0.001$ mm 位，并注意半刻度线是否露出。
解答： $$ d=24.00+37\times0.02=24.74\ \mathrm{mm} $$ 螺旋测微器：半刻度已露出，主尺读 $6.5$ mm（$6$mm 整刻度 +$0.5$mm 半刻度）；可动刻度$23.5$格对应$0.235$mm（末位$5$ 为估读），故 $$ d=6.5+0.235=6.735\ \mathrm{mm} $$
点评：游标卡尺"整毫米 + 分度值倍数"、不估读；螺旋测微器"整毫米 + 半刻度 + 可动刻度 + 估读"。两者差一位估读位，是读数题最常设陷阱之处。电表读数同理：$3$V 量程（分度$0.1$V）指针在$2.3\sim2.4$之间偏中，应读$2.35$V——末位$5$ 为估读。
例 2：$g=4\pi^2l/T^2$ 的误差传播
题目：单摆测重力加速度，$l=(1.0000\pm0.0005)$ m，$T=(2.0000\pm0.0020)$ s，$\pi$取$3.1416$。求 $g$ 及其绝对误差、相对误差，并说明哪一项误差贡献更大。
分析：$g$是$T$的负二次幂，相对误差相加时$T$项带系数$2$。先求相对误差再算绝对误差；最后比较 $\dfrac{\Delta l}{l}$与$2\dfrac{\Delta T}{T}$ 两项的大小。
解答： $$ g=\frac{4\pi^2l}{T^2}=\frac{4\times3.1416^2\times1.0000}{2.0000^2}\approx9.8696\ \mathrm{m/s^2} $$ $$ \frac{\Delta g}{g}=\frac{\Delta l}{l}+2\frac{\Delta T}{T}=\frac{0.0005}{1.0000}+2\times\frac{0.0020}{2.0000}=0.0005+0.0020=0.0025 $$ $$ \Delta g=g\times0.0025\approx0.025\ \mathrm{m/s^2}\approx0.02\ \mathrm{m/s^2} $$ 故 $$ g=(9.87\pm0.02)\ \mathrm{m/s^2},\qquad E_r=0.25\% $$
点评：$T$项贡献$0.0020$、$l$项贡献$0.0005$，$T$的影响是$l$的$4$倍——系数$2$放大了$T$ 的误差。若要再提高精度，应优先改进周期的测量。若误用绝对误差相加（$\Delta g=\Delta l+2\Delta T$），量纲都错了，这是误差传播题最常见的低级错误。
例 3：打点计时器逐差法求加速度
题目：打点计时器频率 $50$ Hz，取每 5 个点计一个时间间隔（$T=0.1$ s），从纸带第 1 个计数点起测得连续 6 段位移：$x_1=1.20$，$x_2=1.85$，$x_3=2.50$，$x_4=3.15$，$x_5=3.80$，$x_6=4.45$（单位 cm）。求小车的加速度，并与"相邻差取平均"对比。
分析：六段数据取 $n=3$，用逐差法标准公式，隔 3 段对应相减；注意单位统一（cm 转 m），$T=0.1$ s。
解答： $$ a=\frac{(x_4-x_1)+(x_5-x_2)+(x_6-x_3)}{9T^2} $$ $$ x_4-x_1=1.95,\quad x_5-x_2=1.95,\quad x_6-x_3=1.95\ (\mathrm{cm}) $$ $$ a=\frac{3\times1.95\times10^{-2}}{9\times0.1^2}=\frac{5.85\times10^{-2}}{0.09}=0.65\ \mathrm{m/s^2} $$ 相邻差取平均：$\bar d=\dfrac{x_6-x_1}{5}=\dfrac{3.25\ \mathrm{cm}}{5}=0.65\ \mathrm{cm}$，$a=\dfrac{\bar d}{T^2}=0.65\ \mathrm{m/s^2}$——本例数据理想化（逐差增量完全相等）两种方法数值相同，但真实实验中逐差法用了全部 6 段数据，偶然误差更小，结果更可靠。
点评：逐差法 $9T^2$中的$9=3^2$：一是 $n=3$对逐差取平均，二是每对相隔 3 个间隔。若数据是 4 段取$n=2$，则为 $a=\dfrac{x_3+x_4-x_1-x_2}{4T^2}$；8 段取 $n=4$类推。务必把$T^2$的系数与"对差"和"间隔"两个$n$ 对应清楚，此类题每年决赛都有变形。
易错提醒
易错点
- 游标卡尺估读：游标卡尺不估读，读数末位停在分度值位（$0.02$、$0.05$或$0.1$mm）；螺旋测微器必须估读，末位停在$0.001$ mm 位。二者一对比就暴露。
- 有效数字末尾的 $0$：$1.20\times10^3$ 是三位有效数字，$1.2\times10^3$是两位——末尾$0$ 是估读位，不能随意删去；换单位时用科学计数法保持位数不变。
- 加减与乘除规则混用：加减法看小数位（$12.3+1.234=13.5$），乘除法看有效数字位数（$12.34\times1.2=15$）。判断"最少者"时，常量 $\pi$、$\sqrt2$ 不参与。
- 误差传播漏乘幂次系数：$z=\dfrac{x^2}{y}$的相对误差是$2\dfrac{\Delta x}{x}+\dfrac{\Delta y}{y}$，不是 $\dfrac{\Delta x}{x}+\dfrac{\Delta y}{y}$；$T^2$的系数$2$ 尤其常丢。
- 乘除误用绝对误差相加：$z=xy$时$\Delta z\ne\Delta x+\Delta y$（量纲都不对），必须先求相对误差再换算。
- 逐差法的 $T$出错：取每 5 个点计一个间隔时$T=0.1$s 而非$0.02$ s；$n$对数据对应的分母是$(nT)^2$，即 $9T^2$、$4T^2$，不是 $nT^2$。
- 图像法逐点连折线：应拟合直线或平滑曲线，让点均匀分布在两侧；取斜率必须用直线上两点，不能用测量点，否则人为放大误差。
- 系统误差靠多次测量"消除"：系统误差方向恒定，取平均、算标准偏差都无法消除，只能校准仪器、改进方法——这与偶然误差的处理根本不同。
- 剔除坏值不重算：剔除粗大误差后必须重新求平均值与标准偏差，且剔除要有依据（如超出 $3\sigma$），不能凭感觉。
- 螺旋测微器半刻度漏读：主尺 $6.5$mm 的半刻度$0.5$极易漏掉，读数差$0.5$ mm 量级，必被扣分。
概念辨析
绝对误差 vs 相对误差
| 比较项 | 绝对误差 $\Delta x$ | 相对误差$E_r=\dfrac{\Delta x}{x_0}$ |
|---|---|---|
| 单位 | 与被测量相同 | 无量纲（可表为百分数） |
| 含义 | 偏差的大小 | 偏差的等级/精密度 |
| 比较对象 | 同类量、量级相近时可比 | 任意量均可比较 |
逐差法 vs 相邻差取平均
| 比较项 | 相邻差取平均 | 逐差法 |
|---|---|---|
| 数据利用 | 首尾相消，中间数据无效 | 全部 $2n$ 段数据 |
| 信息独立性 | 相邻差相互关联 | $n$ 对差相互独立 |
| 结果 | 等价于只测首末两段 | 偶然误差显著减小 |
$\sigma$vs$\sigma_{\bar{x}}$
| 比较项 | $\sigma=\sqrt{\dfrac{\sum(x_i-\bar x)^2}{N-1}}$ | $\sigma_{\bar x}=\dfrac{\sigma}{\sqrt{N}}$ |
|---|---|---|
| 描述对象 | 单次测量的离散程度 | 平均值的可靠程度 |
| 随 $N$变化 | 基本不变 | 随$N$ 增大而减小 |
与其他知识关联
- 与 02-竞赛实验专题 的关系：本笔记是实验模块的"总纲"，姊妹篇整理游标卡尺、单摆、伏安法、打点计时器等具体实验的误差分析与数据表格，两篇配合使用。
- 与 01-微积分基础 的关系：误差传播 $\Delta z=|f'(x)|\Delta x$正是微分近似$\Delta y\approx f'(x)\thinspace{}dx$的直接应用；线性化处理中对数变换依赖$\dfrac{d}{dx}\ln x=\dfrac1x$。
- 与高中物理的联系：高中力学总览（打点计时器测加速度的逐差法）、逐差法（本笔记逐差法公式的完整推导，高中版更简略）。
- 与竞赛版块的联系：06-量纲分析（量纲检验可快速验证误差公式正误——$\Delta g$必须带$\mathrm{m/s^2}$ 量纲）。
- 与大学层面联系：固体物理（X 射线衍射、霍尔效应等实验的数据处理是误差分析的高级应用，竞赛阶段了解其思想即可）。
- 返回 00-物理竞赛总览
作者的话
个人理解
误差分析看起来是"实验的边角料"，实际上是竞赛实验拿分的分水岭：同样一组数据，会不会写有效数字、会不会用逐差法、会不会画直线求斜率，分数可以差出十几分。我把它理解为两句话：误差是测量的"语法"，有效数字是它的"标点"。
三条主线请务必抓牢：一是误差传播——看到任何间接测量的公式，先问自己"绝对误差相加还是相对误差相加？系数几？"，这比任何记忆口诀都可靠；二是逐差法——它的精髓不是公式，而是"隔 $n$项相减、利用全部数据"的思想，理解了$n^2$ 的两个来源，任何变形题都能现推；三是图像法——线性化处理是竞赛数据处理的灵魂，指数、幂函数、倒数三种变换要能一眼认出。
最后提醒：决赛实验的评分看重过程规范——估读位、小数位、单位、表格，都是阅卷时看得见的细节。平时做任何实验题都按"读数规范 + 误差传播 + 表格规范"三件套走，考场上就不会乱。深入各实验请看 02-竞赛实验专题。
返回 00-物理竞赛总览