系統不確定度與統計不確定度

想像你在浴室體重秤上稱體重。如果你踩上去十次，每次讀數都略有不同，這種散布就是統計不確定度——那種隨機的抖動，隨著你平均更多次測量而縮小。但如果這台秤只是沒校準好，每一次都偏重兩公斤，那麼再怎麼重複也無法揭示這個誤差；這就是系統不確定度——一種內建於測量本身的、始終如一的偏差。粒子物理裡的每一個實驗結果都同時帶有這兩類不確定度，而它們的行為方式截然不同。

統計不確定度源於事件數目有限。如果你從100個事件中測出一個率，自然的隨機散布約為100的平方根，即10——也就是10%的不確定度——它會隨著你收集更多數據而下降：一百萬個事件給出0.1%的統計不確定度。相比之下，系統不確定度源於你對儀器和方法的認識不夠完美：你對探測器能量定標、亮度、選擇效率、背景模型、部分子分布的了解有多好。收集更多數據並不能讓這些縮小；要減小它們，需要更好的定標、交叉核查與理解。

這個區分至關重要，因為它告訴你一項測量的極限從何而來、又該如何應對。在一個實驗的早期，結果通常受統計限制，所以更多數據有幫助。成熟的、高精度的測量則通常受系統限制，於是前進的道路是在定標和建模上做艱苦細緻的工作，而不只是更多碰撞。一個坦誠的難處是：系統不確定度很難估計——它們需要判斷力，而一個被低估的系統不確定度，正是錯誤結果矇混過關的經典途徑之一，因為它會讓一項測量顯得比實際更精確、或讓一個鼓包顯得比實際更顯著。