0
点赞
收藏
分享

微信扫一扫

物理实验要求

40dba2f2a596 2022-03-30 阅读 62
c++

文章目录

中国海洋大学物理实验1实验要求

一、做完实验凳子放桌下。

二、人手一本教材。

三、10%预习报告%30操作过程50%实验报告10%实验行为习惯

四、不要伪造数据

五、禁止实验室饮食

六、预习报告内容要求:

1. 实验名称、

2. 实验目的、

3. 实验材料、

4. 实验原理

  • 物理知识背景、
  • 受力分析图光路图电路图三者之一、
  • 实验目的所求数据的计算公式推导、
  • 测量仪器的使用方法和原理)、

5. 实验步骤(详细操作步骤和注意事项)、

6. 数据空表格设计(正式实验时将原始实验数据填入该表格)

七、实验时,将全体实验原始数据记录下来。完成记录后找老师签字检查,算是实验完成。

八、实验报告要求:在预习报告的基础下,

  • 1、完成原始实验数据的记录。
  • 2、数据处理,计算目标物理量的数值,(加分项选做:计算目标物理量的不确定度)
  • 3、实验讨论,分析造成误差的主要原因。
  • 4、实验心得与建议,这一项选做,不计分,可以在这里随意吐槽、提供意见,甚至可以吐槽实验仪器拉垮吐槽老师教学方式(老师说没关系的不会因此扣分)。没有就写“无”

九、误差分析和实验数据保留与舍弃。

  • 对于多组数据 x 1 , x 2 , x 3 , ⋯   , x n x_1,x_2,x_3,\cdots,x_n x1,x2,x3,,xn ,其中任意一条数据的的标准误差:
    σ = S ( x ) = ∑ ( x i − x ‾ ) 2 n − 1 \sigma=S(x)=\sqrt{{\sum(x_i-\overline x)^2}\over{n-1}} σ=S(x)=n1(xix)2

  • 上述数据集中,它们的平均值 x ‾ \overline x x 的标准误差(实际上我们用的更多的就是这个式子):
    σ = S ( x ‾ ) = ∑ ( x i − x ‾ ) 2 n ⋅ ( n − 1 ) \sigma=S({\overline x})=\sqrt{{\sum(x_i-\overline x)^2}\over{n\cdot(n-1)}} σ=S(x)=n(n1)(xix)2

  • 对于 n < 4 n<4 n<4 的数据集,测试次数太少,采用
    σ = S 仪 器 = Δ 仪 器 3 \sigma=S_{仪器}={{\Delta _{仪器}}\over{\sqrt 3}} σ=S=3 Δ

  • 对于 n > 3 n>3 n>3 的数据集中的某一个数据 x i x_i xi ,如果 ∣ x i − x ‾ ∣ > 3 S ( x ‾ ) |x_i-\overline x|>3S(\overline x) xix>3S(x) ,则认为 x i x_i xi 超越了极限误差,应当舍弃。

十、数据的不确定度计算与传递公式

  • 对于直接测得的平均数据的不确定度,采用
    u x = Δ 仪 器 2 3 + S ( x ‾ ) 2 u_x=\sqrt{{\Delta_{仪器}^2\over 3}+{S(\overline x)}^2} ux=3Δ2+S(x)2

  • 对于通过计算间接得到的数据 N = F ( x , y , z , ⋯   ) N=F(x,y,z,\cdots) N=F(x,y,z,)
    u N = ( ∂ F ∂ x ) 2 u x 2 + ( ∂ F ∂ y ) 2 u y 2 + ( ∂ F ∂ z ) 2 u z 2 + ⋯ u_N=\sqrt{\left({{\partial F}\over {\partial x}}\right)^2u_x^2+\left({{\partial F}\over{\partial y}}\right)^2u_y^2+\left({{\partial F}\over{\partial z}}\right)^2u_z^2+\cdots} uN=(xF)2ux2+(yF)2uy2+(zF)2uz2+

  • 对于 N = F ( x , y , z , ⋯   ) N=F(x,y,z,\cdots) N=F(x,y,z,) 是一个积、商形式的函数,采用 ln ⁡ N = ln ⁡ F ( x , y , z , ⋯   ) \ln N=\ln F(x,y,z,\cdots) lnN=lnF(x,y,z,) 可以极大程度地简化不确定度运算:
    u ln ⁡ N = d ln ⁡ N = d N N ‾ = u N N ‾ = ( ∂ ln ⁡ F ∂ x ) 2 u x 2 + ( ∂ ln ⁡ F ∂ y ) 2 u y 2 + ( ∂ ln ⁡ F ∂ z ) 2 u z 2 + ⋯ u_{\ln N}=d\ln N = {dN \over \overline N}={u_N\over \overline N}\\=\sqrt{\left({{\partial\ln F}\over {\partial x}}\right)^2u_x^2+\left({{\partial {\ln F}}\over{\partial y}}\right)^2u_y^2+\left({{\partial {\ln F}}\over{\partial z}}\right)^2u_z^2+\cdots} ulnN=dlnN=NdN=NuN=(xlnF)2ux2+(ylnF)2uy2+(zlnF)2uz2+
    于是 u N = N ‾ ⋅ ( ∂ ln ⁡ F ∂ x ) 2 u x 2 + ( ∂ ln ⁡ F ∂ y ) 2 u y 2 + ( ∂ ln ⁡ F ∂ 6 p 6 + − z ) 2 u z 2 + ⋯ u_N=\overline N\cdot\sqrt{\left({{\partial {\ln F}}\over {\partial x}}\right)^2u_x^2+\left({{\partial {\ln F}}\over{\partial y}}\right)^2u_y^2+\left({{\partial {\ln F}}\over{\partial6p6+- z}}\right)^2u_z^2+\cdots} uN=N(xlnF)2ux2+(ylnF)2uy2+(6p6+zlnF)2uz2+

11、数据结果表示的实例

举报

相关推荐

0 条评论