Tahanan / Mga kalkulador / Pagkalat ng hindi-tiyak

Calculator ng pagkalat ng hindi-tiyak (may mga hakbang)

I-propagate ang y ± uy gamit ang gradient×covariance, ipakita ang 68% / 95% na hanay, beripikahin gamit ang Monte Carlo, at tukuyin kung aling variable ang pinakamalaki ang ambag — para sa independiyente o magkakaugnay na input.

Iba pang wika: ja | en | zh-CN | es

Buod

Ilagay ang analytic function na y = f(x) at pagsamahin ang mga karaniwang hindi-tiyak gamit ang first-order approximation. May mga template para sa suma, bawas, produkto, hatian, at power; tinatanggap din ng pangkalahatang mode ang ligtas na expression na may constants, trig, hyperbolic, at log functions.

Makikita ang live na anyo ng pormula na parang nasa aklat, naka-highlight ang mga variable na natukoy, may talahanayan at correlation matrix na puwedeng i-scroll, toggle para sa output (hilaw vs may bilang ng mahahalagang digit), bar na nagpapakita ng ambag ng bawat variable, at beripikasyong Monte Carlo.

Tip sa keyboard: Ctrl/⌘+S para i-export ang CSV, Ctrl/⌘+L para kopyahin ang URL.

Paano gamitin (3 hakbang)

  1. Ilagay ang pormulang y = f(...) at idagdag ang bawat variable na may mean at standard uncertainty.
  2. Itakda ang mga korelasyon kung kailangan at piliin ang Monte Carlo validation.
  3. Suriin ang pinagsamang uncertainty, expanded uncertainty, at kontribusyon.
Live preview ng pormula
Mga variable sa pormula
Mga template:
Pangalan Mean μ Std. dev. u Yunit / tala
Correlation matrix (opsyonal)

Panatilihing 1.0 ang diagonal at ilagay ang coefficient ng ugnayan ρij sa pagitan ng −1 at 1. Nagsi-sync nang awtomatiko ang itaas at ibabang tatsulok.

Beripikasyon ng Monte Carlo

Gumagamit ng nakapirming seed para gumawa ng magkakaugnay na Gaussian samples at tiyakin na tumutugma ang mean at sd sa linear na resulta. Maaari itong i-off kung kailangang pinakamabilis.

FAQ

Paano pinagsasama ng gradient×covariance ang hindi-tiyak?
Kino-compute ang gradient gamit ang five‑point central difference sa nominal values, bumubuo ng covariance matrix mula sa inilagay na standard deviation at correlation, at saka kinokompyut ang gTCg. Ang ugat nito ang nagbibigay ng pinagsamang standard uncertainty uy.
Ano ang tine-test ng beripikasyon ng Monte Carlo?
Gumuguhit ito ng magkakaugnay na Gaussian samples gamit ang fixed seed at Cholesky decomposition, at tinitiyak na ang simulated mean at standard deviation ay tumutugma sa linear na prediksyon sa loob ng itinakdang tolerance.

Related calculators