4.4.5 Propagated Error and Sensitivity Analysis

利用微分分析测量误差如何传播到计算结果中，评估函数对输入变化的敏感度

定义

传播误差与敏感性分析是利用微分学原理来研究测量误差如何影响计算结果的方法。当输入变量 \(x\) 存在测量误差 \(dx\)（或 \(\Delta x\)）时，函数值 \(y = f(x)\) 的相应误差可用微分 \(dy\) 来近似估计。具体地，如果 \(x\) 的测量误差为 \(\Delta x\)，则函数值的近似误差为 \(\Delta y \approx dy = f'(x) \cdot dx\)。敏感性分析则通过导数 \(f'(x)\) 的大小来评估函数对输入变化的敏感程度：导数的绝对值越大，函数对输入变化越敏感；导数的绝对值越小，函数对输入变化越不敏感。相对误差（百分比误差）的分析可用 \(\frac{dy}{y} \approx \frac{f'(x)}{f(x)} \cdot dx\) 来表示，这在实际应用中更能反映误差的相对重要性。

核心公式

• \(dy = f'(x) \cdot dx\)
• \(\Delta y \approx f'(x) \cdot \Delta x\)
• \(\text{相对误差} = \frac{dy}{y} = \frac{f'(x)}{f(x)} \cdot dx\)
• \(\text{百分比误差} = \left|\frac{dy}{y}\right| \times 100\% = \left|\frac{f'(x)}{f(x)} \cdot dx\right| \times 100\%\)
• \(|\Delta y| \approx |f'(x)| \cdot |\Delta x|\)

易错点

• ⚠️ ["混淆 \(dx\) 和 \(\Delta x\) 的含义：\(dx\) 是微分（线性近似），\(\Delta x\) 是实际变化量，两者在误差分析中虽然常互换使用，但学生需理解它们代表的物理意义不同", "忽视导数符号的影响：在计算相对误差时，应使用导数的绝对值 \(|f'(x)|\)，否则可能得到负的误差值，这在实际应用中是无意义的", "误用相对误差公式：学生常错误地将相对误差写成 \(\\frac{\\Delta x}{x}\) 而忽视了函数导数的作用，实际上相对误差应为 \(\\frac{f'(x)}{f(x)} \\cdot \\Delta x\)", "未考虑误差的累积效应：在多步计算中，学生常只关注单个步骤的误差，而忽视了误差如何在后续计算中被放大或缩小，这需要逐步应用微分法则"]