系统不确定度与统计不确定度

想象你在浴室体重秤上称体重。如果你踩上去十次，每次读数都略有不同，这种散布就是统计不确定度——那种随机的抖动，随着你平均更多次测量而缩小。但如果这台秤只是没校准好，每一次都偏重两公斤，那么再怎么重复也无法揭示这个误差；这就是系统不确定度——一种内建于测量本身的、始终如一的偏差。粒子物理里的每一个实验结果都同时带有这两类不确定度，而它们的行为方式截然不同。

统计不确定度源于事件数目有限。如果你从100个事件中测出一个率，自然的随机散布约为100的平方根，即10——也就是10%的不确定度——它会随着你收集更多数据而下降：一百万个事件给出0.1%的统计不确定度。相比之下，系统不确定度源于你对仪器和方法的认识不够完美：你对探测器能量定标、亮度、选择效率、本底模型、部分子分布的了解有多好。收集更多数据并不能让这些缩小；要减小它们，需要更好的定标、交叉核查与理解。

这个区分至关重要，因为它告诉你一项测量的极限从何而来、又该如何应对。在一个实验的早期，结果通常受统计限制，所以更多数据有帮助。成熟的、高精度的测量则通常受系统限制，于是前进的道路是在定标和建模上做艰苦细致的工作，而不只是更多碰撞。一个坦诚的难处是：系统不确定度很难估计——它们需要判断力，而一个被低估的系统不确定度，正是错误结果蒙混过关的经典途径之一，因为它会让一项测量显得比实际更精确、或让一个鼓包显得比实际更显著。