測量出錯的三種方式
沒有測量是完美的，但誤差並非同一種動物。化學家按它們的*行為方式*把它們歸入三個家族。第一種是系統誤差：一種每次都把結果推向同一方向的毛病——總是偏高一點，或總是偏低一點。第二種是隨機誤差：一些微小而不可預測的抖動，把結果向上向下四散開來，沒有固定方向。第三種是過失誤差：一次性的大失手，大到毀掉某一個單獨的結果——灑了樣品、讀錯了標籤、小數點點錯了地方。弄清楚你打交道的是哪個家族，就告訴了你該拿它*怎麼辦*。
系統誤差：始終如一的說謊者
系統誤差正是你在飛鏢靶上遇到的那個偏倚的來源。因為它把每個結果都朝同一方向推，所以當你只是重複測量時它從不現身——那些數字彼此吻合得很漂亮，卻一起偏離真值。一台從未歸零的天平、一支讀高 1°C 的溫度計、一根磨損了、每次都送出略少一點液體的移液管：它們各自悄悄地在每一個讀數上蓋下同樣的偏移。系統誤差攻擊你的*準確度*，卻讓你的*精密度*看起來完美無瑕。
好消息是，正因為系統誤差是始終如一的，所以它也是可修正的——一旦你找到它。你通過拿儀器對照可信標準來校準、通過用第二種獨立方法測同一份樣品、或通過分析一份真實含量已被認證的物質，來把它揪出來。一個你已經定位並測量出來的系統誤差，往往可以乾脆減掉。危險從來不是你已經發現的那個系統誤差；而是你壓根沒想到要去找的那一個。
隨機誤差：無法避免的抖動
隨機誤差是那種永遠不會完全消失的、溫和而不安分的雜訊。微弱的氣流輕推天平、顯示屏最後一位的跳動、你的眼睛每次對液面的判讀略有不同——無數細小的成因，沒有哪一個偏愛「向上」勝過「向下」。因為隨機誤差對稱地四散，它正是限制你重複性的東西，並表現為你那些數字的離散。與系統誤差不同，你無法把它減掉；它沒有一個固定的值可供你去減。
但隨機誤差有一個美妙的弱點：當你取平均時，它往往會自我抵消。只測一次，一個碰巧偏高的讀數可能誤導你；測十次再取平均，幸運地偏高與不幸地偏低的讀數會部分相抵，讓你更接近真相。這正是化學家重複測量的深層原因——不是為了追逐一個「更好」的單一數字，而是為了讓隨機性向中心平均靠攏。減小隨機誤差主要靠重複與取平均；後面的統計學一級會把這件事講得精確。
過失誤差：當某件事就是出了岔子
過失誤差在種類上不同於另外兩種。它不是一種微妙的傾向，而是一個離散的錯誤：你在記錄結果時把兩位數字寫顛倒了、你忘了加一種試劑、一隻蒼蠅落進了樣品、讀數讀到一半時電源閃了一下。過失誤差產生一個離群值——一個離其餘結果如此之遠、以至於顯然不屬於同一個故事的結果。與隨機誤差不同，你不會把它平均掉；與系統誤差不同，你也不會把它校準掉。你逮住它，然後丟棄那一次被毀掉的運行。
但誠實在這裡要求小心。你只能因為找到了一個失敗的*真實、可指認的原因*才丟棄一個結果——而絕不能僅僅因為它礙事、或你不喜歡它落在哪裡。僅因為好數據與其餘的不一致就把它丟掉，本身就是一種不誠實，而且是嚴重的一種。日後你會遇到一些正式的檢驗，幫你判斷一個怪異的值究竟是真正的過失誤差，還是不過是尋常隨機離散的尾巴。
空白：減去那個一直都在的東西
這裡有一件對付一種常見系統誤差的、美妙而簡單的武器。假設你的試劑、你的玻璃器皿、或你的儀器，即便在*完全沒有分析物*存在時也給出一個小信號——一抹微弱的顏色、一個小讀數、一絲污染。那個幽靈般的信號會把自己加到每一次真實測量上，使它們全都偏高。解藥是空白測定：你把整個流程照做一遍，帶上*除分析物之外*的一切，測出僅來自背景的那個信號，再把它從你的真實結果中減去。
把它想成在市場上稱水果：你把空碗放到秤上，按下「去皮」把碗的重量減掉，然後才放上水果——這樣你稱的就只是水果，而不是碗。空白就是你的化學「去皮」。它謙遜、幾乎乏味，卻悄悄地從無數次分析中移除了一整類背景偏倚。跑一次空白，是初學者所能養成的、最可靠地值得的習慣之一。