# 数据分析

> CIE A-Level 物理 · 实践技能 (AS)
> 来源: https://www.owlsprep.com/zh/study/cie-9702-u15-data-analysis/

本模块讲解CIE AS Level物理实践考试的核心数据分析技能，包括绘图、计算斜率和截距、非线性关系线性化，这是试卷2中分值占比很高的技能。

**先修:** 线性方程的代数整理; 实验不确定度的基础理解

## 学习目标

- 遵循CIE的绘图评分规范，获得全部方法分
- 正确计算线性图像的斜率和截距
- 将非线性实验关系整理为线性形式
- 根据最坏可接受线计算斜率和截距的绝对不确定度

## CIE考试的绘图规范

CIE考官对绘图有严格的评分标准，因此遵循标准规范可以保证你拿到全部方法分，哪怕最终计算结果稍有偏差。

**最佳拟合线** — 尽可能贴近所有描点的直线（或曲线），大约相等数量的点分布在直线两侧

*例:* 对于6个描点，3个点在最佳拟合线上方，3个在下方

- 为两个坐标轴标注物理量和单位，例如$I \text{ (A)}$而不是只写$I$
- 选择的比例尺需要在x和y方向都至少占网格的一半；非均匀比例尺是允许的
- 每个描点用清晰的叉号或空心圆点标注；避免模糊的粗点
- 每个点画出覆盖完整绝对不确定度范围的误差棒

**例题:** 一名学生收集电流-电压数据：(0.2 A, 1.1 V)、(0.4 A, 2.1 V)、(0.6 A, 3.2 V)、(0.8 A, 4.0 V)。可用图像网格为10×10格。提出一个符合CIE要求的y轴（V）合适比例尺。

1. 计算数据中y值的全范围：
2. $$V_{max} - V_{min} = 4.0 - 1.1 = 2.9 \text{ V}$$
3. 将范围除以可用方格数，得到每格代表的数值：
4. $$2.9 \text{ V} / 10 = 0.29 \text{ V per square}$$
5. 取整为简单易读的数值：每格0.3 V，该方案用满了网格，符合CIE要求。如果用每格0.5 V，只会用到10格中的6格，会被扣分。

> **tip**
>
> 如果你的所有数据都离零点很远，不需要强制坐标轴从(0,0)开始。只要清晰标注坐标轴截断即可，避免丢分。

## 斜率和截距计算

斜率和截距是CIE数据分析中最常要求计算的量，你必须遵循特定方法才能拿到满分。

**直线的斜率** — y变量相对于x变量的变化率，等于最佳拟合线上两点之间y的变化量除以x的变化量

*记法:* $m = \frac{\Delta y}{\Delta x}$

*例:* 对于$y = mx + c$，$m$就是斜率

> **tip**
>
> 一定要使用最佳拟合线上尽可能远的两个点。除非原始数据点正好在直线上，否则绝对不要用原始数据点。这可以降低斜率计算的百分比不确定度。

**例题:** y轴为$I$（单位A）、x轴为$V$（单位V）的线性图像，其最佳拟合线经过线上两个相距很远的点：$(1.2, 0.30)$和$(4.8, 1.26)$。计算斜率并写出正确单位。

1. 计算y变化量（$\Delta I$）和x变化量（$\Delta V$）：
2. $$\Delta I = 1.26 - 0.30 = 0.96 \text{ A}$$
3. $$\Delta V = 4.8 - 1.2 = 3.6 \text{ V}$$
4. 按$\frac{\Delta y}{\Delta x}$计算斜率：
5. $$m = \frac{\Delta I}{\Delta V} = \frac{0.96}{3.6} = 0.27 \text{ A V}^{-1}$$
6. 将结果保留2-3位有效数字，和原始数据的精度匹配。

## 非线性关系线性化

CIE实践考试中的大多数实验关系都是非线性的，因此你需要将它们整理为标准线性形式$y = mx + c$，从而通过斜率和截距求出未知常数。

**线性形式** — 将非线性方程整理为$Y = mX + c$的形式，其中$Y$和$X$是测量变量的组合，$m$和$c$对应未知常数

*例:* 对于$PV = k$，我们可以写成$P = k (1/V)$，因此绘制$P$对$1/V$的图像，斜率就是$k$

**例题:** 单摆周期$T$和摆长$l$的关系为$T = 2\pi \sqrt{\frac{l}{g}}$，其中$g$是未知常数。说明你如何将其整理为线性形式，并说明为求$g$需要绘制哪些物理量。

1. 对方程两边平方消去根号：
2. $$T^2 = 4\pi^2 \frac{l}{g}$$
3. 整理为$y = mx + c$的形式，其中y和x是要绘制的变量：
4. $$T^2 = \left( \frac{4\pi^2}{g} \right) l + 0$$
5. 确定绘制变量和斜率与$g$的关系：
6. 绘制$T^2$（y轴）对$l$（x轴）的图像。斜率$m = \frac{4\pi^2}{g}$，整理得$g = \frac{4\pi^2}{m}$。

> **tip**
>
> 一定要给斜率加上与你绘制变量匹配的单位，不要用题目原始变量的单位。

## 斜率和截距的不确定度

CIE经常要求你从图像计算斜率或截距的绝对不确定度，标准方法使用最坏可接受线来找到最大可能不确定度。

**最坏可接受线** — 能够穿过所有数据点误差棒的最陡或最平缓的可能直线，用于找到斜率/截距的可能范围

**例题:** 最佳拟合线的斜率计算为$0.27 \text{ A V}^{-1}$。最陡的最坏可接受线斜率为$0.30 \text{ A V}^{-1}$，最平缓的斜率为$0.24 \text{ A V}^{-1}$。计算斜率的绝对不确定度。

1. 计算最佳拟合斜率和每个最坏斜率的差值：
2. $$\Delta m_{\text{steep}} = 0.30 - 0.27 = 0.03$$
3. $$\Delta m_{\text{shallow}} = 0.27 - 0.24 = 0.03$$
4. 绝对不确定度等于计算得到的最大差值：
5. $\Delta m = 0.03 \text{ A V}^{-1}$，因此最终斜率记为$0.27 \pm 0.03 \text{ A V}^{-1}$。

## 常见错误

- **错误做法:** 使用原始数据点计算斜率，而不是最佳拟合线上的点
  - 原因: 原始数据点存在随机误差，通常不落在最佳拟合线上，会导致斜率计算错误
  - 正确做法: 始终使用两个正好落在最佳拟合线上、尽可能相距远的点
- **错误做法:** 选择的比例尺只用了不到一半的图像网格
  - 原因: CIE明确给使用大部分网格赋分，小比例尺会增加斜率计算的不确定度
  - 正确做法: 计算数据范围，选择的比例尺需要让两个坐标轴都至少占网格的一半
- **错误做法:** 使用原始变量而非绘制变量计算未知常数
  - 原因: 线性化后，斜率对应变换后的绘制变量，因此计算会出错
  - 正确做法: 始终基于变换后绘制变量的斜率计算未知常数
- **错误做法:** 当所有数据都离零点很远时，仍然强制坐标轴从0开始
  - 原因: 这会浪费网格空间，迫使你使用更小的比例尺，降低截距读数的准确性
  - 正确做法: 使用截断坐标轴，起点靠近你的最小数据值，在坐标轴上清晰标注截断位置
- **错误做法:** 将斜率不确定度计算为两条最坏线差值的一半
  - 原因: 这会低估不确定度，因为每条最坏线已经是可接受误差的极值
  - 正确做法: 绝对不确定度等于最佳拟合斜率和任意最坏线斜率的完整差值

## 速查表

| 步骤 | 要求操作 | 核心规则 |
| --- | --- | --- |
| 绘图 | 坐标轴标注物理量+单位，填充≥一半网格 | 完整画出所有误差棒 |
| 斜率计算 | 使用最佳拟合线上两个相距远的点，计算Δy/Δx | 绝对不要用原始数据点 |
| 线性化 | 整理为Y = mX + c，确定Y/X | 未知量 = 常数 × 斜率 或 常数 / 斜率 |
| 不确定度 | 画两条穿过所有误差棒的最坏线 | Δm = \|m_worst - m_best\| |
| 截距 | 如果绘制了x=0则直接读数，否则通过m计算 | 对线上任意点使用c = y - mx求解 |

## 下一步

数据分析是所有CIE AS和A Level实践考核的核心，你在这里学到的技能会延续到A Level实践工作和试卷5的规划与分析中。掌握这些评分规范可以确保你拿到所有容易的方法分，很多学生因为粗心丢失这些分数，这对你的总成绩影响很大。相同的线性化和斜率计算技能会用在所有实践试卷中，因此现在练习这些内容会让你在进入A Level更高级的实践考核时受益。

- [不确定性分析](https://www.owlsprep.com/zh/study/cie-9702-u15-uncertainty-analysis/)
- [结果评估](https://www.owlsprep.com/zh/study/cie-9702-u15-evaluation-of-results/)
- [圆周运动](https://www.owlsprep.com/zh/study/cie-9702-u16-overview/)

---

来自 [OwlsPrep](https://www.owlsprep.com) —— A-Level / IB / AP / IGCSE 免费学习指南，依据官方考纲编写。原页面：https://www.owlsprep.com/zh/study/cie-9702-u15-data-analysis/