آزمایشگاه آزاد؛ بدون نیاز به ورود
دقت بشر، استوانهٔ مدرج و پیپت رو مقایسه کن
اگه دو ظرف یک حجم رو اندازه بگیرن، جوابشون به یک اندازه دقیق درمیاد؟ ظرف و حجم رو عوض کن و بازهٔ اندازه‌گیری رو با هم بسنج.
آزمایش رو شروع کنبا بشر و حجم ۱۰۰ میلی‌لیتر شروع کن؛ بعد فقط ظرف رو به پیپت تغییر بده. بازه و درصد عدم‌قطعیت رو مقایسه کن.
آزمایشگاه در حال آماده شدنه…
حالا خودت امتحان کن
هر بار فقط یک چیز رو تغییر بده تا اثرش رو ببینی. قبل از اجرا، نتیجه رو حدس بزن.
یک حجم، دو ظرف
بشر و حجم ۱۰۰ میلی‌لیتر رو نگه دار و بازه رو بخون؛ بعد فقط ظرف رو به پیپت تغییر بده.
حدست چیه؟ برای کدوم ظرف بازهٔ اندازه‌گیری باریک‌تره؟
توضیح نتیجه رو ببین
در مدل، بشر عدم‌قطعیت ۵ میلی‌لیتر و بازهٔ ۹۵ تا ۱۰۵ میلی‌لیتر داره؛ پیپت عدم‌قطعیت ۰٫۵ میلی‌لیتر و بازهٔ ۹۹٫۵ تا ۱۰۰٫۵ میلی‌لیتر. پس بازهٔ پیپت باریک‌تره، ولی این عددها نتیجهٔ یک اندازه‌گیری واقعی نیستن.
حجم رو با پیپت عوض کن
پیپت رو انتخاب کن و حجم رو روی ۴۰ میلی‌لیتر بذار؛ بعد حجم رو تا ۲۰۰ میلی‌لیتر زیاد کن. خطای مطلق و نسبی رو در هر دو حالت بخون.
حدست چیه؟ وقتی حجم پنج برابر می‌شه، عدم‌قطعیت مطلق و درصدی هم یک جور تغییر می‌کنن؟
توضیح نتیجه رو ببین
طبق قاعدهٔ همین مدل، عدم‌قطعیت مطلق از ۰٫۰۵ به ۱ میلی‌لیتر می‌رسه؛ کارت درصد نسبی رو از ۰٫۱٪ به ۰٫۵٪ گرد می‌کنه. این‌ها قاعده‌های سادهٔ شبیه‌سازن، نه مشخصات همهٔ پیپت‌های واقعی.
سه ظرف در حجم ۲۰۰
حجم رو روی ۲۰۰ میلی‌لیتر بذار و بازهٔ استوانهٔ مدرج رو یادداشت کن؛ بعد ظرف رو به پیپت و در آخر به بشر تغییر بده.
حدست چیه؟ کدوم ظرف در این مدل کمترین عدم‌قطعیت رو داره؟
توضیح نتیجه رو ببین
در ۲۰۰ میلی‌لیتر، استوانه بازهٔ ۱۹۸ تا ۲۰۲ و عدم‌قطعیت ۲ میلی‌لیتری داره؛ پیپت بازهٔ ۱۹۹ تا ۲۰۱ و عدم‌قطعیت ۱ میلی‌لیتری. بازهٔ بشر هم ۱۹۰ تا ۲۱۰ میلی‌لیتره. این مقایسه فقط از قاعده‌های داخل مدل می‌آد.
پشت این حرکت چه خبره؟
عدم‌قطعیت یعنی بازهٔ ممکن
U_abs = tolerance(glassware,V); interval = [max(0,V-U_abs), V+U_abs]
مدل برای هر ظرف یک مقدار خطا در نظر می‌گیره و اون رو از حجم کم و به حجم اضافه می‌کنه. این بازه تضمین نمی‌کنه که مقدار واقعی حتماً داخلش باشه؛ فقط می‌گه شبیه‌ساز با چه حدی جواب رو نشان می‌ده.
خطای مطلق و نسبی
U_rel = 100*U_abs/V
خطای مطلق با میلی‌لیتر نوشته می‌شه. خطای نسبی، خطای مطلق رو با حجم اندازه‌گیری‌شده مقایسه می‌کنه؛ برای همین یک خطای ثابت می‌تونه در حجم‌های مختلف درصد متفاوتی بسازه.
ظرف دقیق‌تر همیشه انتخاب بهتر نیست
بشر برای کارهای ساده و تقریبی به درد می‌خوره، اما برای اندازه‌گیری دقیق‌تر باید از ابزار مناسب استفاده کنی. در همین مدل، پیپت برای حجم‌های انتخاب‌شده بازهٔ کوچک‌تری از بشر می‌ده.
این بازه اندازه‌گیری تکراری نیست
شبیه‌ساز چند بار اندازه‌گیری نمی‌کنه و نمودار پخش نتایج هم نمی‌سازه. بازه فقط از قاعدهٔ خطای انتخاب‌شده حساب می‌شه؛ پس اون رو با دقت واقعی یک ظرف یا نتیجهٔ آزمایشگاه یکی نگیر.
سؤالت رو بپرس، جوابش رو هم ببین
وقتی توی چت دربارهٔ یک مفهوم درس می‌خونی، دستیار هوش مصنوعی می‌تونه شبیه‌سازی مرتبط رو کنار توضیحش نشون بده. پارامترها رو تغییر می‌دی و با کمک توضیح بعدی، نتیجه رو بهتر می‌فهمی.
شروع یادگیری با چتبرای ادامه در چت، وارد مسیر شروع و ورود می‌شی. نتیجهٔ این آزمایش به چت منتقل نمی‌شه.
نمونهٔ نمایشی از آموزش در چت
اگه پیپت بازهٔ کوچک‌تری می‌ده، یعنی جوابش همیشه درسته؟
نه، بازهٔ کوچک‌تر فقط یعنی قاعدهٔ این مدل برای پیپت عدم‌قطعیت کمتری گذاشته. اندازه‌گیری واقعی می‌تونه به کالیبراسیون، دما و روش خوندن درجه‌ها هم وابسته باشه؛ از این صفحه فقط برای مقایسهٔ قاعده‌های شبیه‌ساز استفاده کن.
سؤال‌های رایج
عدم‌قطعیت با اشتباه اندازه‌گیری یکیه؟
نه دقیقاً. این مدل یک بازهٔ عدم‌قطعیت حساب می‌کنه؛ خودش آزمایش نمی‌کنه تا مقدار اشتباه واقعی رو پیدا کنه.
چرا پیپت در این مدل دقیق‌تر دیده می‌شه؟
چون قاعدهٔ شبیه‌ساز برای پیپت مقدار عدم‌قطعیت کوچک‌تری از بشر گذاشته. این نتیجه رو به هر پیپت یا اندازه‌گیری واقعی تعمیم نده.
با زیاد شدن حجم، درصد خطا همیشه کم می‌شه؟
نه. درصد از تقسیم عدم‌قطعیت مطلق بر حجم به دست می‌آد، اما خودِ قاعدهٔ مدل هم با تغییر حجم ممکنه عوض بشه. ظرف و حجم هر دو روی خروجی اثر دارن.
بازهٔ پایین و بالا از کجا میان؟
در مدل، خطای مطلق رو از حجم کم می‌کنن و بهش اضافه می‌کنن. اگر حد پایین منفی بشه، به صفر محدود می‌شه.
کارت درصد رو چرا با یک رقم اعشار نشون می‌ده؟
نمایش درصد نسبی تا یک رقم اعشار گرد می‌شه؛ پس ممکنه عدد روی کارت کمی با محاسبهٔ دقیق فرق داشته باشه.