研究中的数据评估：准确性、精确度和错误类型

在研究或审查科学数据时，仔细研究和评估科学数据是必不可少的，也是最重要的。 科学数据是制定政策的关键因素，对开展研究也具有深远而深远的影响。 当提供准确和精确的计算时，数据在使科学数据评估取得成功方面大有帮助。 当决策得到准确的科学数据的支持时，它会给科学研究带来更多的可信度。

科学数据的准确性取决于实验的精度。 与仅通过几次实验收集的数据相比，一遍又一遍地复制实验可以提供更准确的数据和更多的信息。 这样的数据是通过在实验时一次又一次地重复相同的步骤来获得的。 重复实验会带来意想不到的错误，并有机会否定它们。 数据在没有错误的情况下变得准确，并给出了预期从实验中获得的结果。

在科学数据中，误差、精度和准确度等术语具有重要意义。 必须对它们进行一些详细的了解，才能更好地了解数据评估在科学研究中的工作原理。 此外，必须以各种方式理解这些术语之间的关系，以使科学研究取得成功。

准确性

当测量准确时，它非常接近真实值。 实际值是事先不知道的值，但通常是期望达到的期望值。 准确性就像每次投掷飞镖时击中靶心一样。 如果飞镖没有击中靶心并且距离足够近可以击中靶心，它会测量飞镖的准确性。 实际值和接受值之间的任何差异都是错误的。

再举一个例子。 如果液体的体积是100毫升，而测量的体积是98毫升，这非常接近于给出实验的准确度。 准确度定义为测量值与实际值或可接受值的接近程度。 通过进行多次测量并取测量值的平均值来实现准确性。 这些之间的差异可以表示为正面或负面。 正值也是绝对值，是高分读数。 当读数处于低分时，负值也是绝对值。

为您推荐：数据科学与人工智能——有什么区别？

如何测量准确性

准确度可以是绝对的，也可以是相对的。 同样，准确性是根据误差或值的差异来衡量的。 因此，我们得到绝对准确度或相对准确度。

绝对误差：绝对精度是测量值与实际值之间的差异。 如果测量值低于实际值，则结果为负数或负数。 而当测量值高于真实值或真值时，结果为正值或正值。 这也可以通过简单的计算来表示：绝对误差 = 测量值 - 实际值。

相对误差：这是以百分比来衡量的。 当绝对误差除以真值并乘以 100 时，我们得到相对误差的百分比。 视情况而定，它也以千分之几或百万分之几表示。 因此，相对误差可以通过以下公式得出：

 相对误差 = {(测量值 - 真值) / 真值} x 100%

精确

精度是影响数据评估的另一个因素。 可以说是在相同条件下多次重复实验获得的重复值。 在飞镖游戏的例子中，如果飞镖一直没有击中靶心，并且不断击中靶心附近的同一个点，那么它就是衡量飞镖精确度的指标。 回到科学分析，精度是实现相同测量的次数。 如果预计液体的真实和期望体积为100毫升，每进行10次实验，结果为80毫升，数据可以说是精确的。 因为结果是液体的体积是80毫升，每做10次实验就达到了。

准确度和精确度不是独立的术语，而是相互关联的。 这是用错误来表示的。 错误是由错误的仪器和人为造成的。 这些可以进一步分类为系统误差和随机误差。 理解错误是理解准确性和精确度术语的更好方法。

系统误差

由用于实验的故障仪器或使用旧的和过时的仪器进行测量引起的误差是系统误差。 例如，使用生锈的旧量具。 系统性错误通常不是测量或做实验的人的错误。 系统或使用的设置错误导致错误。 这种错误可以通过以新替换旧的以及调整和纠正所使用的系统来纠正。

例如，飞镖固定在某个角度，使得飞镖不断击中左侧是系统错误，重新调整飞镖将纠正此错误。 生锈的旧量尺可以更换新的量尺，使标记加粗看得见，纠正错误。 但是，如果您从旧尺子上进行多次测量，并进行平均测量，结果将与实际值相差甚远。

系统性错误可能是：

• 计算错误。
• 采取不正确的温度。
• 不同阶段的材料机械损失。
• 分析中使用了不纯物质。
• 读数错误。
• 仪器未正确校准。
• 长度不等的手臂。
• 异物进入实验。
• 使用不纯的化学物质进行实验。

您可能会喜欢：应用大数据来优化您的社交媒体广告。

随机误差

随机错误相对更容易纠正。 这种错误是一种人为错误，是一种判断错误，来自于读取读数或进行实验的人。 进行多次读数，然后得出一个平均值将更接近实际值。

重要数字

有效数字是具有实用价值的数字。 理解一个数字是否有有效数字的概念，我们可以看出一些规律。 这些规则适用于了解具有实用价值的数字和没有实用价值的数字，它们在数字中的位置对其没有任何影响。 这些规则是：

• 不是“零”的数字总是有意义的。 例如，269 是一个有效数字。
• 开始时的零并不重要。 例如，0.065。
• 强制零很重要。 例如，2.0085。
• 如果一个数字有小数点，并且数字后面有零，那么这个数字是有效的。 例如，3.65800。
• 零可以是也可以不是有效数字。 这取决于它在数字中的位置。 例如，在 15.0002598 或 25.365100 中，零是有效数字。 小数点前的零 例如，0.00258 只有三位有效数字，因为零没有任何实际价值。

此外，有效数字还由一组规则确定，这些规则是：

• 加法/减法四舍五入到最小的小数位数。
• 乘法/除法四舍五入到有效数字的最低位数。
• 对数四舍五入，以使输入中的几个有效数字与结果中的小数位数相匹配。
• 取幂仅在基数中四舍五入到确定性。
• 尾随零放在数字后的小数位之后。 例如，1200。
• 在最后一步循环。 当它适用时，它跟在括号后面。

有效数字计算和计算器

Good Calculators 有自己的有效数字计算器，它计算并计算出一个数字包含多少有效数字。

有效数字计算器支持哪些运算符和功能？

• 算术函数，例如加法 (+)、减法 (-)、除法 (/ 或 ÷)、乘法 (* 或 x)、指数 (^)。
• 像 () 这样的组符号。
• log n、ln n 等函数。
• 常量如 pi, e。

您可能还喜欢：深度数据挖掘技术：真实世界的全球寻宝活动。

如何使用有效数字计算器计算结果的准确性？

有时计算有效数字计算器时，结果数据不准确。 因此，为了获得更高的数据准确性，请将 # 放在数字的末尾。 例如 6.24#。

 示例：10.00698 ÷ 13.6 = 0.736（重要数字为 3）。

 10.00698 ÷ 13.6# = 0.7358074（重要数字为 7）。

在数字末尾添加 # 符号可以提供更准确的结果，而不仅仅是输入数字。 重要数字只是一种提高测量和计算精度的方法。 通过在有效数字的计算中应用上述规则，用户可以更精确地得出结果。 它适用于科学计算的所有领域，对科学数据的评估具有相关和直接的影响。