Tartım ve hacim belirsizliklerini konsantrasyon belirsizliğine birleştirin
Araç, C=m/V, C=(m·P)/V ve C=(m·P)/(M·V) gibi formüller için standart belirsizlikleri birleştirir.
Tartım hatası, hacim hatası ve ilgili girdilerden konsantrasyon ve seyreltme sonuçlarının belirsizliğini doğrudan tarayıcıda hesaplayın.
Birleşik standart belirsizlik uc, genişletilmiş belirsizlik U=k·uc, ana katkılar ve rapora hazır kopyalama çıktısını tek yerde inceleyin.
Araç, C=m/V, C=(m·P)/V ve C=(m·P)/(M·V) gibi formüller için standart belirsizlikleri birleştirir.
Belge tipi ±a(k=2), teknik özellik tipi ±a ve üçgen varsayımlarını ayrı bir dönüşüm yapmadan işler.
Katkı dağılımı, hangi faktörün varyansı domine ettiğini gösterir; böylece iyileştirmeleri verimli biçimde hedeflersiniz.
Düz metin, Markdown, CSV ve JSON arasında geçiş yapın ve tam ihtiyacınız olan biçimi kopyalayın.
m=100.00 mg ±0.10 (dikdörtgen), V=100.00 mL ±0.08 (normal, k=2)
Konsantrasyonu, uc, U'yu ve m ile V arasındaki katkı dağılımını gösterir.
C1=1000 mg/L ±5, V1=10.00 mL ±0.02, V2=100.00 mL ±0.08
Seyreltilmiş konsantrasyon için U'yu ve hangi hacim hatasının daha önemli olduğunu gösterir.
A=98.0 ±0.5, B=100.0 ±0.2
A/B veya Geri kazanım (%) için belirsizliği gösterir.
m, P, M ve V'yi birlikte girin
Saflık ve mol kütlesinin katkısını da gösterir.
Girdi niceliği x ile ilişkili, standart sapma benzeri belirsizlik.
Tüm girdi katkıları birleştirildikten sonra sonuç y'nin standart belirsizliği.
U = k·uc olarak hesaplanan rapor odaklı belirsizlik.
Bir girdi değiştiğinde sonucun ne kadar değiştiğini gösteren katsayı.
Toplam varyansın bir faktöre ait olan payı.
Standart belirsizlik dönüşümü: u=a/k, a/√3, a/√6Birleşik standart belirsizlik: uc = √Σ(c_i·u_i)^2Genişletilmiş belirsizlik: U = k·ucKonsantrasyon: C = m/V, (m·P)/V, (m·P)/(M·V)Seyreltme: C2 = C1·V1/V2Oran: R = A/BDağılım varsayımını seçtiğinizde tolerans gösterimi standart belirsizliğe dönüştürülebilir. Araç normal(k) için u=a/k, dikdörtgen için u=a/√3 ve üçgen için u=a/√6 kullanır.
k=2 yaygındır, ancak standardınızı, iç kuralınızı veya müşteri gereksinimini izlemelisiniz. Araç sonuçta seçilen k'yı her zaman gösterir.
Evet. Düz metin, Markdown, CSV ve JSON kullanılabilir; üretilen çıktı varsayımları, girdileri, sonuçları ve başlıca katkıları içerir.
İlk sürüm bağımsız girdileri varsayar. Girdileriniz korelasyonluysa sonuç az ya da çok tahmin edilebilir.
Bu araç birinci dereceden yayılım kullanır. Göreli belirsizlikler büyükse veya formül güçlü biçimde doğrusal değilse, sonucu başka bir yöntemle doğrulamalısınız.