Կշռման և ծավալի անորոշությունը միավորել խտության անորոշության մեջ
Գործիքը միավորում է ստանդարտ անորոշությունները այնպիսի բանաձևերի համար, ինչպիսիք են C=m/V, C=(m·P)/V և C=(m·P)/(M·V)։
Հաշվիր խտության և նոսրացման արդյունքների անորոշությունը՝ կշռման սխալից, ծավալի սխալից և հարակից մուտքերից անմիջապես բրաուզերում։
Մեկ տեղում տես uc միասնական ստանդարտ անորոշությունը, U=k·uc ընդլայնված անորոշությունը, հիմնական ներդրողները և հաշվետվության համար պատրաստ պատճենի արդյունքը։
Գործիքը միավորում է ստանդարտ անորոշությունները այնպիսի բանաձևերի համար, ինչպիսիք են C=m/V, C=(m·P)/V և C=(m·P)/(M·V)։
Այն մշակում է վկայականային ±a(k=2), սպեցիֆիկացիոն ±a և եռանկյունային ենթադրություններ՝ առանց քեզ առանձին փոխարկում անելու հարկի։
Ներդրողների բաժանումը ցույց է տալիս, թե որ գործոնն է գերակշռում դիսպերսիայում, որպեսզի բարելավումները արդյունավետ թիրախավորես։
Փոխիր պարզ տեքստի, Markdown-ի, CSV-ի և JSON-ի միջև ու պատճենիր հենց այն ձևաչափը, որն անհրաժեշտ է քեզ։
m=100.00 mg ±0.10 (rectangular), V=100.00 mL ±0.08 (normal, k=2)
Ցույց է տալիս խտությունը, uc-ն, U-ն և m-ի ու V-ի միջև ներդրումների բաժանումը։
C1=1000 mg/L ±5, V1=10.00 mL ±0.02, V2=100.00 mL ±0.08
Ցույց է տալիս նոսրացված խտության U-ն և ծավալի որ սխալն է առավել կարևոր։
A=98.0 ±0.5, B=100.0 ±0.2
Ցույց է տալիս A/B կամ վերադարձի (%) անորոշությունը։
Մուտքագրիր m, P, M և V միասին
Ցույց է տալիս նաև մաքրության և մոլային զանգվածի ներդրումը։
Մուտքային x մեծությանը կապված ստանդարտ շեղման նման անորոշությունը։
Արդյունքի y ստանդարտ անորոշությունը՝ մուտքային բոլոր ներդրումները միավորելուց հետո։
Հաշվետվությունում օգտագործվող անորոշությունը՝ U = k·uc։
Գործակից, որը ցույց է տալիս, թե որքան ուժեղ է արդյունքը փոխվում, երբ փոխվում է մեկ մուտքը։
Ընտրված ներդրման չափանիշով ընդհանուր դիսպերսիայի այն մասնաբաժինը, որը վերագրվում է մեկ գործոնին։
Ստանդարտ անորոշության փոխարկում՝ u=a/k, a/√3, a/√6Միավորված ստանդարտ անորոշություն՝ uc = √Σ(c_i·u_i)^2Ընդլայնված անորոշություն՝ U = k·ucԽտություն՝ C = m/V, (m·P)/V, (m·P)/(M·V)Նոսրացում՝ C2 = C1·V1/V2Հարաբերակցություն՝ R = A/BՀանդուրժողականության նշումը կարող է վերածվել ստանդարտ անորոշության, երբ ընտրում ես բաշխման ենթադրությունը։ Գործիքը օգտագործում է u=a/k նորմալ բաշխման դեպքում, u=a/√3 ուղղանկյունի դեպքում և u=a/√6 եռանկյունի դեպքում։
k=2-ը տարածված է, բայց պետք է հետևես քո ստանդարտին, ներքին կանոնին կամ հաճախորդի պահանջին։ Գործիքը արդյունքում միշտ ցույց է տալիս ընտրված k-ն։
Այո։ Հասանելի են պարզ տեքստ, Markdown, CSV և JSON, իսկ ստեղծված արդյունքը ներառում է ենթադրությունները, մուտքերը, արդյունքները և հիմնական ներդրողները։
Առաջին տարբերակը ենթադրում է անկախ մուտքեր։ Եթե մուտքերը փոխկապակցված են, արդյունքը կարող է թերագնահատվել կամ գերագնահատվել։
Այս գործիքը օգտագործում է առաջին կարգի տարածում։ Եթե հարաբերական անորոշությունները մեծ են կամ բանաձևը ուժեղ ոչ գծային է, պետք է արդյունքը ստուգել այլ մեթոդով։