weighing এবং volume uncertainty-কে concentration uncertainty-তে combine করুন
এই টুল C=m/V, C=(m·P)/V, এবং C=(m·P)/(M·V)-এর মতো formula-র জন্য standard uncertainty combine করে।
weighing error, volume error, এবং related input থেকে concentration ও dilution result-এর uncertainty সরাসরি browser-এ calculate করুন।
combined standard uncertainty uc, expanded uncertainty U=k·uc, main contributor, এবং report-ready copy output এক জায়গায় review করুন।
এই টুল C=m/V, C=(m·P)/V, এবং C=(m·P)/(M·V)-এর মতো formula-র জন্য standard uncertainty combine করে।
certificate-style ±a(k=2), specification-style ±a, এবং triangular assumption আলাদা করে convert না করেই handle করে।
contributor breakdown দেখায় কোন factor variance-এ সবচেয়ে বেশি প্রভাব ফেলছে, যাতে উন্নতি কোথায় দরকার তা দ্রুত বোঝা যায়।
plain text, Markdown, CSV, এবং JSON-এর মধ্যে বদলে ঠিক যে format দরকার সেটিই copy করুন।
m=100.00 mg ±0.10 (rectangular), V=100.00 mL ±0.08 (normal, k=2)
concentration, uc, U, এবং m ও V-এর contributor split দেখায়।
C1=1000 mg/L ±5, V1=10.00 mL ±0.02, V2=100.00 mL ±0.08
diluted concentration-এর U এবং কোন volume error সবচেয়ে গুরুত্বপূর্ণ তা দেখায়।
A=98.0 ±0.5, B=100.0 ±0.2
A/B বা Recovery(%)-এর uncertainty দেখায়।
m, P, M, এবং V একসঙ্গে লিখুন
purity এবং molar mass-এর contribution-ও দেখায়।
input quantity x-এর সঙ্গে যুক্ত standard-deviation-এর মতো uncertainty।
সব input contribution combine করার পরে result y-এর standard uncertainty।
report-এর জন্য ব্যবহৃত uncertainty, যা U = k·uc হিসেবে calculate হয়।
একটি coefficient যা দেখায় একটি input বদলালে result কতটা বদলায়।
মোট variance-এর কত অংশ একটি factor থেকে এসেছে তা বোঝায়।
Standard uncertainty conversion: u=a/k, a/√3, a/√6Combined standard uncertainty: uc = √Σ(c_i·u_i)^2Expanded uncertainty: U = k·ucConcentration: C = m/V, (m·P)/V, (m·P)/(M·V)Dilution: C2 = C1·V1/V2Ratio: R = A/Bdistribution assumption বেছে নিলে tolerance notation-কে standard uncertainty-তে convert করা যায়। tool normal(k)-এর জন্য u=a/k, rectangular-এর জন্য u=a/√3, এবং triangular-এর জন্য u=a/√6 ব্যবহার করে।
k=2 সাধারণ, কিন্তু আপনার standard, internal rule, বা customer requirement অনুসরণ করা উচিত। result-এ tool সবসময় ব্যবহৃত k দেখায়।
হ্যাঁ। Plain text, Markdown, CSV, এবং JSON পাওয়া যায়, এবং generated output-এ assumption, input, result, এবং top contributor অন্তর্ভুক্ত থাকে।
প্রথম release independent input ধরে। input correlated হলে result under- বা over-estimated হতে পারে।
এই tool first-order propagation ব্যবহার করে। relative uncertainty বড় হলে বা formula খুব nonlinear হলে অন্য method দিয়ে result verify করা উচিত।