Gaußsche Fehlerfortpflanzung
Voraussetzung: differenzierbar klein für : Messgrößen unabhängig
- berechnete Größe, f(x₁, …, xₙ)
- Messgrößen (Messwerte)
- Unsicherheit der Messgröße xᵢ
- partielle Ableitung von f nach xᵢ, an den Messwerten ausgewertet
- Unsicherheit von f nach Gauß (zufällige, unabhängige Fehler)
- lineare Größtfehlerabschätzung (Fehler im ungünstigsten Fall)
- Anzahl der Messgrößen
Die Unsicherheit einer berechneten Größe folgt aus den Unsicherheiten der Messwerte, gewichtet mit den partiellen Ableitungen.
Erklärung
Wird eine Größe aus mehreren Messwerten berechnet, überträgt sich deren Unsicherheit auf das Ergebnis. Grundlage ist die lineare Näherung durch das totale Differential: Eine kleine Änderung ändert um etwa .
Es gibt zwei übliche Arten, die Beiträge zusammenzufassen:
- Gaußsche Fehlerfortpflanzung: Die Beiträge werden quadratisch addiert. Das setzt zufällige und unabhängige Fehler voraus, sind dann Standardabweichungen. Weil sich Fehler teilweise ausgleichen, ist kleiner als die Summe der Beiträge.
- Lineare Größtfehlerabschätzung: Die Beträge werden einfach addiert. Sie beschreibt den ungünstigsten Fall, in dem alle Fehler in dieselbe Richtung wirken, und gilt auch ohne Unabhängigkeit.
Es gilt immer . Beide Formeln sind Näherungen erster Ordnung und nur brauchbar, wenn die klein sind.
Für Summen und Differenzen ist . Für Potenzprodukte rechnet man bequemer mit relativen Fehlern:
Beispiele
Rechteck mit und . Die Fläche ist , die partiellen Ableitungen sind und :
Fallbeschleunigung aus einem Fadenpendel, , mit und . Es ist . Mit für und für :
Also . Der Größtfehler ist . Die Unsicherheit stammt fast ganz aus der Zeitmessung, weil quadratisch eingeht.
Typische Fehler
- Bei der Gauß-Formel die Beiträge einfach addieren statt quadratisch. Das ist der Größtfehler, nicht die Gaußsche Unsicherheit.
- Den Exponenten beim relativen Fehler vergessen. Bei zählt , nicht .
- Dieselbe Messgröße als unabhängig behandeln. Für ergäbe das , richtig ist mit .
- Die Formel bei großen Unsicherheiten anwenden. Dann reicht die lineare Näherung nicht mehr aus.