1. 误差基本概念：测量误差的定义、分类与精度
各位工程师朋友，咱们开始这门课之前，先把最基础的东西理清楚。测量误差，说白了就是「测出来的值」和「真实值」之间的差距。你想想看，我们做仪器测试，天天跟数据打交道，但数据真的准吗？
我个人习惯，拿到任何测量结果，第一反应不是「这数据对不对」，而是「这数据可能偏了多少」。这个习惯救过我很多次。有一次在产线调试，一批传感器读数全部偏大0.5%，要不是我习惯性先怀疑数据，那批货就发出去惹祸了。
1.1 测量误差的定义
测量误差的数学定义很简单：
误差 = 测量值 - 真值真值是什么？理论上，真值是客观存在的、无法完全获得的理想值。我们只能通过更高精度的标准器来逼近它。比如你用千分尺量一根轴，真值可能是用激光干涉仪才能测到的那个数。
核心要点：误差是不可避免的，但我们可以控制它的大小和方向。做测试的人，不是追求「零误差」，而是追求「已知误差」。
1.2 误差的三大分类
搞清楚了定义，咱们来看看误差到底分几类。我见过不少工程师，一遇到数据异常就慌了手脚，其实只要按类别排查，问题往往没那么复杂。
1.2.1 系统误差
系统误差，也叫规律误差。它的特点是：在相同条件下，多次测量同一量值时，误差的大小和符号保持不变，或者按某种规律变化。
举个例子，你用的万用表内部基准电阻老化，导致所有电压读数都偏大0.2%。这就是典型的系统误差。它不会因为你多测几次就消失。
我的经验：系统误差是最容易对付的，因为它有规律。我曾经遇到一台温箱，温度读数总是比实际高1.5℃，查了三天发现是热电偶冷端补偿电路出了问题。找到规律，修正就简单了。
系统误差的来源主要有：
- 仪器误差：仪表本身设计、制造、老化带来的偏差
- 方法误差：测量方法本身不完善，比如用伏安法测电阻时忽略了电表内阻
- 环境误差：温度、湿度、电磁场等环境因素引起的偏差
- 人员误差：操作者读数习惯、反应速度等造成的偏差
1.2.2 随机误差
随机误差，也叫偶然误差。它的特点是：在相同条件下，多次测量同一量值时，误差的大小和符号以不可预知的方式变化。
为什么会这样？因为测量过程中有太多微小的、不可控的因素在起作用。比如电源的微小波动、空气的扰动、操作者的手部微颤等等。
随机误差服从统计规律，通常呈正态分布。也就是说，小误差出现的概率大，大误差出现的概率小。
注意：随机误差不能通过修正来消除，但可以通过增加测量次数、取平均值来减小它的影响。我见过有人测三次数据就敢下结论，说实话，这不太靠谱。
1.2.3 粗大误差
粗大误差，也叫过失误差。这玩意儿跟前面两种性质完全不同——它是由于测量人员的疏忽、仪器突然故障、读数记录错误等原因造成的明显偏离真值的误差。
粗大误差的特点就一个字：「大」。大到一眼就能看出来不对劲。
处理粗大误差的方法也很直接：
- 发现：用拉依达准则（3σ准则）或格罗布斯准则判断
- 剔除：确认是粗大误差后，直接删除该数据点
- 补测：在条件允许的情况下重新测量
避坑指南：我曾经有一次做振动测试，数据里有个点异常大，差点被我当成故障信号分析半天。后来发现是传感器线缆被门夹了一下。所以，遇到异常数据，先别急着分析，先检查是不是粗大误差。
1.3 精度与不确定度
这两个概念，很多工程师容易搞混。我简单说说我的理解。
1.3.1 精度
精度是一个定性的概念，用来描述测量结果与真值的接近程度。它包含三个子概念：
| 术语 | 含义 | 对应误差类型 |
|---|---|---|
| 精密度 | 多次测量结果之间的重复程度 | 随机误差 |
| 正确度 | 测量结果的平均值与真值的接近程度 | 系统误差 |
| 准确度 | 精密度与正确度的综合 | 系统误差 + 随机误差 |
打个比方，打靶：
- 精密度高：子弹都打在同一个位置，但可能偏离靶心
- 正确度高：子弹平均位置靠近靶心，但可能散布很大
- 准确度高：子弹既集中在靶心附近，又散布小
1.3.2 不确定度
不确定度是定量描述测量结果分散性的参数。它比精度更实用，因为它给出了一个区间——真值以某个概率落在这个区间内。
不确定度分为两类：
- A类评定：用统计方法计算，比如多次测量的标准差
- B类评定：用非统计方法，比如仪器说明书给出的误差限、经验数据等
记住：精度是定性的，不确定度是定量的。写测试报告时，别只写「精度高」，要给出具体的不确定度数值，比如「测量结果的不确定度为 ±0.05mm（k=2）」。
1.4 知识体系总览
下面这张图，把本章的核心内容串起来了。我建议你保存下来，以后排查误差根源时，按这个框架走，基本不会漏。
这张图把误差的三大分类、精度与不确定度的关系都画清楚了。你排查问题时，按这个顺序走：先看有没有粗大误差（数据异常），再找系统误差（规律性偏差），最后评估随机误差（分散性）。