Center
平均で中心をつかむ
複数回の測定を 1 つの代表値にまとめる最初のステップです。
Statistics / Measurement / Error
統計は、
測定のゆらぎを読むための言語。
物理実験では、同じものを測っても毎回ぴったり同じ値にはなりません。
だからこそ、1 回の値ではなく、どこに集まり、どれくらい散っているかを読むために統計が必要になります。
- 平均は中心を見るための値
- 標準偏差はばらつきの大きさを見るための値
- 系統誤差は平均しても消えない
Spread
標準偏差で広がりを読む
同じ平均でも、散らばりが違えば信頼感はまったく変わります。
一番大事な考え方
「1 回の測定ではなく、分布で考える」ことが、物理実験の統計の出発点です。
Core Idea
測定値は点ではなく、中心と広がりを持つ集団として読む
統計は、たまたまのズレと本質的なズレを区別しながら、「本当の値にどれくらい近いか」を判断するための道具です。
Why Statistics
なぜ統計が必要なのか
長さ、時間、電圧、周期。どの実験でも、同じ条件で測っても値は少しずつ揺れます。その揺れを無視すると、結果を過信してしまいます。
Key Point
1 回だけでは信用できない
たまたま高く出たか、低く出たかは 1 回では分かりません。繰り返し測定して、どのあたりに集まるかを見る必要があります。
手のブレ
ストップウォッチの押し方や視線のズレで、毎回わずかに値が変わります。
測定器の精度
目盛りの細かさやセンサーの分解能には限界があり、小さな揺れが残ります。
環境の影響
温度、摩擦、空気の流れ、机の傾きなど、完全にはそろえられない条件が結果に乗ります。
Core Tools
まず見るべき 3 つの量
平均だけでは不十分です。代表値、ばらつき、そして「どこまで本当の値を含みそうか」をセットで考えると、測定の見え方が変わります。
Average
平均
平均 = (x1 + x2 + ... + xn) / n
「だいたいこの辺の値だよね」を決める、いちばん基本の代表値です。
Spread
標準偏差
σ = √[(1 / n) Σ (xi - 平均)2]
データが平均のまわりにどれくらい広がっているかを表します。
Notation
誤差つきの書き方
L = 10.2 ± 0.1 cm
真の値はこの範囲の近くにありそうだ、という意味をコンパクトに書いています。
Same Mean, Different Trust
平均が同じでも、信頼度は同じではない
A も B も平均は 10.2 cm でも、点の散り方が違えば「この測定は安定しているか」の印象は変わります。そこで標準偏差が効いてきます。
Error Types
ランダム誤差と系統誤差は別物
統計で扱いやすいのは、毎回揺れるランダム誤差です。一方で、ずっと同じ方向にずれる系統誤差は、平均しても消えません。
Random Error
ランダム誤差
人の反応のブレやノイズのように、プラスにもマイナスにも揺れる誤差です。回数を増やすと、平均は安定しやすくなります。
平均すると減りやすい
Systematic Error
系統誤差
定規のゼロ点ずれや装置の傾きのように、ずっと同じ方向へ押し出す誤差です。何回測っても、中心そのものがずれます。
平均しても消えない
Practice
実験でやるべきこと
繰り返し測定でランダム誤差を見つつ、器具の校正やゼロ点確認で系統誤差を疑う。この 2 本立てで考えます。
両方を分けて考える
Graph & Distribution
グラフで見えること、正規分布で見えること
物理では、数値をただ並べるより、散布図、近似直線、誤差棒、分布の形で見た方がずっと多くの情報が読めます。
Normal Distribution
真ん中に集まり、端は少ない
Scatter Plot
散布図
データの並び方や、外れ値があるかを直感的に見つけやすくなります。
Least Squares
近似直線
理論と実験がどれくらい同じ傾向かを比べるときに使います。
Error Bar
誤差棒
点 1 個ではなく、「このくらいの幅がある」と伝えるための重要な表示です。
Interactive Demo
測定回数とばらつきを変えると、平均の見え方はどう変わるか
下の実演では、同じ長さを何回も測ったことにしてサンプルを作ります。測定回数やノイズの大きさを変えると、平均と標準偏差の読み方がつかみやすくなります。
測定回数を増やすと、偶然の揺れに左右されにくくなり、平均の位置が安定して見えてきます。
青の線が本当の値、黄の線が今回の平均です。下の点は各回の測定値です。
Error Propagation
計算すると、誤差も一緒に動く
測定値に誤差があるなら、その値から作った面積や速度にも誤差が乗ります。ここでは「微分が誤差の変換係数になる」という見方で整理します。
One Variable
1 変数の誤差伝播
y = f(x)
Δy ≈ |df/dx| Δx
入力が少しずれると、出力はその場所での傾きだけ増幅または縮小されます。
Many Variables
独立な誤差の合成
σy = √[Σ (∂f/∂xi)2 σi2]
ランダム誤差は符号がそろわないので、単純な足し算ではなく二乗和で合成します。
Rule of Thumb
掛け算・割り算では相対誤差を見る
σS / S = √[(σa / a)2 + (σb / b)2]
面積、速度、密度など、掛け算や割り算の量では相対誤差で見ると整理しやすくなります。
Current Formula
σS = √[(bσa)2 + (aσb)2]
a 側の寄与
44%
b 側の寄与
56%
誤差が大きい方、または係数が大きい方が、面積の誤差を強く支配します。
Next Step
統計を、研究の文章と評価につなげる
統計は単独で終わる知識ではありません。シミュレーションの誤差評価、研究の問いの立て方、レポートでの結果の書き方にそのままつながります。