බර සහ පරිමාව අවිනිශ්චිතතාව සාන්ද්රණ අවිනිශ්චිතතාවයට ඒකාබද්ධ කරන්න
මෙවලම C=m/V, C=(m·P)/V, සහ C=(m·P)/(M·V) වැනි සූත්ර සඳහා සම්මත අවිනිශ්චිතතා ඒකාබද්ධ කරයි.
බර දෝෂය, පරිමාව දෝෂය, සහ සම්බන්ධ ආදාන වලින් සාන්ද්රණ සහ තනුක කිරීමේ ප්රතිඵල සඳහා අවිනිශ්චිතතාව බ්රවුසරයේම ගණනය කරන්න.
සංයුක්ත standard uncertainty uc, expanded uncertainty U=k·uc, ප්රධාන දායකයන්, සහ වාර්තාවට සූදානම් පිටපත් ප්රතිදානය එක තැනකින් සමාලෝචනය කරන්න.
මෙවලම C=m/V, C=(m·P)/V, සහ C=(m·P)/(M·V) වැනි සූත්ර සඳහා සම්මත අවිනිශ්චිතතා ඒකාබද්ධ කරයි.
වෙනම පරිවර්තනය කිරීමට අවශ්ය නොවී certificate-style ±a(k=2), specification-style ±a, සහ triangular උපකල්පන මෙය හසුරුවයි.
දායකයන්ගේ breakdown එකෙන් variance එකේ ප්රධාන බලපෑම ඇති සාධකය පෙන්වන නිසා, වැඩිදියුණු කිරීම් කාර්යක්ෂමව ඉලක්ක කළ හැක.
සරල පෙළ, Markdown, CSV, සහ JSON අතර මාරු වී ඔබට අවශ්ය නිශ්චිත ආකෘතිය පිටපත් කරන්න.
m=100.00 mg ±0.10 (සෘජුකෝණාකාර), V=100.00 mL ±0.08 (normal, k=2)
සාන්ද්රණය, uc, U, සහ m හා V අතර දායකත්ව බෙදීම පෙන්වයි.
C1=1000 mg/L ±5, V1=10.00 mL ±0.02, V2=100.00 mL ±0.08
තනුක කළ සාන්ද්රණය සඳහා U සහ වැඩිපුර බලපාන පරිමාව දෝෂය පෙන්වයි.
A=98.0 ±0.5, B=100.0 ±0.2
A/B හෝ Recovery(%) සඳහා අවිනිශ්චිතතාව පෙන්වයි.
m, P, M, සහ V එකට ඇතුළත් කරන්න
purity සහ molar mass වෙතින් දායකත්වයද පෙන්වයි.
ආදාන ප්රමාණයක් x සමඟ සම්බන්ධ සම්මත-අපගමන-සමාන අවිනිශ්චිතතාව.
සියලු ආදාන දායකත්ව ඒකාබද්ධ කිරීමෙන් පසු ප්රතිඵලය y සඳහා ඇති සම්මත අවිනිශ්චිතතාව.
U = k·uc ලෙස ගණනය කරන වාර්තාවට යොමු වන අවිනිශ්චිතතාව.
එක් ආදානයක් වෙනස් වන විට ප්රතිඵලය කෙතරම් බලවත්ව වෙනස් වේදැයි පෙන්වන සංගුණකයකි.
එක් සාධකයකට ආරෝපණය වන මුළු variance කොටස.
සම්මත අවිනිශ්චිතතා පරිවර්තනය: u=a/k, a/√3, a/√6සංයුක්ත සම්මත අවිනිශ්චිතතාව: uc = √Σ(c_i·u_i)^2විස්තීරණ අවිනිශ්චිතතාව: U = k·ucසාන්ද්රණය: C = m/V, (m·P)/V, (m·P)/(M·V)තනුක කිරීම: C2 = C1·V1/V2Ratio: R = A/Bබෙදාහැරීමේ උපකල්පනයක් තෝරන විට tolerance නිරූපණය සම්මත අවිනිශ්චිතතාවයට පරිවර්තනය කළ හැක. මෙවලම normal(k) සඳහා u=a/k, rectangular සඳහා u=a/√3, සහ triangular සඳහා u=a/√6 භාවිතා කරයි.
k=2 පොදු තේරීමක් නමුත් ඔබේ සම්මතය, අභ්යන්තර නීතිය, හෝ පාරිභෝගික අවශ්යතාව අනුගමනය කළ යුතුය. මෙවලම සෑමවිටම ප්රතිඵලයේ තෝරාගත් k පෙන්වයි.
ඔව්. සරල පෙළ, Markdown, CSV, සහ JSON ලබා ගත හැකි අතර ජනනය කරන ප්රතිදානයට උපකල්පන, ආදාන, ප්රතිඵල, සහ ඉහළම දායකයන් ඇතුළත් වේ.
පළමු නිකුතුව ස්වාධීන ආදාන උපකල්පනය කරයි. ඔබගේ ආදාන සහසම්බන්ධ නම්, ප්රතිඵලය අඩුවෙන් හෝ වැඩියෙන් ඇස්තමේන්තු විය හැක.
මෙම මෙවලම first-order propagation භාවිතා කරයි. සාපේක්ෂ අවිනිශ්චිතතා විශාල නම් හෝ සූත්රය දැඩි ලෙස රේඛීය නොවන නම්, වෙනත් ක්රමයකින් ප්රතිඵලය තහවුරු කළ යුතුය.