ماشین‌حساب انتشار خطا (همراه گام‌ها)

عدم‌قطعیت y ± uy را با روش gradient×covariance محاسبه کنید، بازه‌های ۶۸٪ و ۹۵٪ را ببینید و برای ورودی‌های مستقل یا همبسته نتایج را با نمونه‌گیری مونت‌کارلو (با seed ثابت) راستی‌آزمایی کنید.

زبان‌های دیگر: ja | en | zh-CN | es

مرور کلی

تابع تحلیلی y = f(x) را وارد کنید و با تقریب مرتبه اول، عدم‌قطعیت‌های استاندارد را با هم ترکیب کنید. الگوها حالت‌های جمع، تفریق، ضرب، تقسیم و توان را پوشش می‌دهند و حالت عمومی نیز عبارات امن با ثابت‌ها و توابع مثلثاتی، هایپربولیک و لگاریتمی را می‌پذیرد.

میان‌بر صفحه‌کلید: ‎Ctrl/+S خروجی CSV و ‎Ctrl/+L لینک قابل‌اشتراک را کپی می‌کند.

نحوه استفاده (۳ مرحله)

  1. فرمول y = f(...) را وارد کنید و هر متغیر را با میانگین و عدم قطعیت استاندارد اضافه کنید.
  2. در صورت نیاز همبستگی‌ها را تنظیم کنید و اعتبارسنجی مونت‌کارلو را انتخاب کنید.
  3. عدم قطعیت ترکیبی، عدم قطعیت بسط‌یافته و سهم متغیرها را بررسی کنید.
پیش‌نمایش فرمول
الگوها:
فهرست متغیرها با میانگین و عدم‌قطعیت استاندارد
نام میانگین μ انحراف استاندارد u واحد / یادداشت حذف سطر
ماتریس همبستگی (اختیاری)

درایه‌های روی قطر اصلی باید 1.0 باشند و ضرایب همبستگی ρij در بازه −1 تا 1 قرار گیرند. مثلث بالا و پایین به‌طور خودکار هماهنگ می‌شوند.

اعتبارسنجی مونت‌کارلو

با افزودن یک شبیه‌سازی با seed ثابت، برآورد خطی را بررسی می‌کند. اگر به سریع‌ترین اجرا نیاز دارید می‌توانید این گزینه را خاموش کنید.

سؤالات متداول

روش gradient×covariance عدم‌قطعیت را چگونه ترکیب می‌کند؟
گرادیان تابع در نزدیکی مقادیر اسمی با تفاضل مرکزی پنج‌نقطه‌ای محاسبه می‌شود، سپس با استفاده از انحراف معیارها و ضرایب همبستگی، ماتریس کوواریانس ساخته و gTCg محاسبه می‌شود. ریشه دوم این مقدار، عدم‌قطعیت استاندارد ترکیبی uy است.
اعتبارسنجی مونت‌کارلو چه چیزی را بررسی می‌کند؟
با استفاده از تجزیه چولسکی و یک seed ثابت، نمونه‌های گاوسی همبسته تولید می‌کند و بررسی می‌کند که میانگین و انحراف معیار شبیه‌سازی‌شده، در محدوده خطای تعیین‌شده با نتیجه خطی‌شده سازگار باشد.

ماشین‌حساب‌های مرتبط