One further lesson may be learned f

One further lesson may be learned from the titration experiments. Clearly the data obtained by student C are unacceptable, and those of student D are the best. Sometime, however, two methods may be available for a particular analysis, one of which is believed to be precise but biased, and the other imprecise but without bias. In other words we may have to choose between the types of results obtained by students A and B respectively. Which type of result is preferable? It is impossible to give a dogmatic answer to this question , because in practice the choice of analytical method will often be based on the cost, ease of automation, speed of analysis, and so on . but it is important to realize that a method which is substantially free from systematic errors may still, if it is very imprecise, give an average value that is (by chance) a long way from the correct value. On the other hand a method that is precise but biased (e.g. student A) can be converted into one that is both precise and unbiased (e.g. student D ) if the systematic errors can be discovered and hence removed. Radom errors can never be eliminated, though by careful technique and equipment. This crucial distinction between the two major types of error is further explored in the next section.

Kết quả (Việt) 1:

Một tiếp tục bài học có thể được học từ các thử nghiệm chuẩn độ. Rõ ràng các dữ liệu thu được bằng cách học sinh C là không thể chấp nhận, và những người sinh viên D là tốt nhất. Đôi khi, Tuy nhiên, hai phương pháp có thể được sẵn sàng cho một phân tích cụ thể, một trong đó được cho là chính xác nhưng thiên vị, và các khác không chính xác nhưng không thiên vị. Nói cách khác, chúng tôi có thể phải lựa chọn giữa các loại kết quả thu được bằng cách học sinh A và B tương ứng. Những loại hình của quả là thích hợp hơn? Nó là không thể đưa ra một dogmatic trả lời cho câu hỏi này, bởi vì trong thực tế sự lựa chọn của phương pháp phân tích sẽ thường dựa trên chi phí, một cách dễ dàng và tự động hóa, tốc độ của phân tích, và như vậy. nhưng điều quan trọng để nhận ra rằng một phương pháp được đáng kể miễn phí từ các lỗi hệ thống có thể Tuy nhiên, nếu nó là rất không chính xác, cho một giá trị trung bình (do tình cờ) là một chặng đường dài từ giá trị chính xác. Mặt khác một phương pháp đó là chính xác nhưng thiên vị (ví dụ như học sinh A) có thể được chuyển đổi thành một trong đó là chính xác và không thiên vị (ví dụ như sinh viên D) nếu lỗi hệ thống có thể được phát hiện và do đó loại bỏ. Radom lỗi không bao giờ có thể được loại bỏ, dù bằng kỹ thuật cẩn thận và thiết bị. Điều này khác biệt quan trọng giữa hai loại chính của lỗi là khám phá hơn nữa trong phần tiếp theo.

Kết quả (Việt) 2:

Một bài học hơn nữa có thể được rút ra từ những thí nghiệm chuẩn độ. Rõ ràng các dữ liệu thu được bởi sinh viên C là không thể chấp nhận, và những sinh viên của D là tốt nhất. Đôi khi, tuy nhiên, hai phương pháp có thể có sẵn cho một phân tích đặc biệt, một trong số đó được cho là chính xác nhưng thành kiến, và không chính xác nhưng không thiên vị khác. Nói cách khác, chúng tôi sẽ phải lựa chọn giữa các loại kết quả thu được của học sinh A và B tương ứng. Các loại hình kết quả là thích hợp hơn? Nó không thể đưa ra một câu trả lời cho câu hỏi của giáo điều này, bởi vì trong thực tế lựa chọn phương pháp phân tích sẽ thường được dựa trên chi phí, dễ tự động hóa, tốc độ phân tích, và như vậy. nhưng điều quan trọng là nhận ra rằng một phương pháp đó là yếu không có sai số hệ thống có thể vẫn còn, nếu nó là rất không chính xác, đưa ra một giá trị trung bình mà là (tình cờ) một chặng đường dài từ các giá trị chính xác. Mặt khác một phương pháp đó là chính xác nhưng thiên vị (ví dụ như sinh viên A) có thể được chuyển đổi thành một trong đó là cả chính xác và khách quan (ví dụ như sinh viên D) nếu các lỗi hệ thống có thể được phát hiện và do đó loại bỏ. Lỗi Radom không bao giờ có thể được loại bỏ, mặc dù cẩn thận bằng kỹ thuật và trang thiết bị. Điều này khác biệt quan trọng giữa hai loại chính của lỗi là tiếp tục tìm hiểu trong phần tiếp theo.