科技與醫學寫作的精確程度:隨機與系統性誤差
科技與醫學寫作大都包含實驗所產生的數據,而實驗數據最重要的就是其準確性與精確度,唯有可靠的數據才能歸納出合理的結論,否則錯誤的數據很可能會把事實導向完全相反的方向。由此可知,科技與醫學論文首重正確的數據資料,而整體研究工作的品質,也就取決於實驗與分析時的精確程度。本文目的是簡介常見誤差來源(包括隨機與系統性誤差)、如何避免誤差,以及不同誤差的統計分布型態。也會討論多次測量某定量値的誤差,如何影響最終的測量値或計算值。 大部分研究論文中,經過整合呈現數據或分析結果,通常需考慮下列事項,確保數據的正確性,才能表示得到的結果具有可信度及綜合性: 考慮實際情況或數據的收集方法(涉及試驗設計與試驗方法)。 定義誤差來源(隨機或系統性):所有數據都會有誤差,但絕不能是錯誤! 檢驗並納入各種誤差來源。 訂定測量値或計算值可允許的誤差範圍。 誤差可分為隨機誤差與系統性誤差,讓我們先來看看什麼是隨機誤差: 相同的定量樣品,多次測量結果所包含的誤差:測量值的分布情形,是根據發生的機率而來,產生所謂的機率分布。 隨機誤差的來源: 統計影響:根據試驗設計選擇正確的統計方式,避免擴大誤差,得出錯誤的結果(顯著?還是不顯著?)。 測量過程的限制:例如儀器的偵測極限,或是儀器本身的誤差範圍。 常見機率分布型態 兩種型態的二項 (binomial) 分布圖:…