Ich arbeite an einem Bericht, in dem die Auswirkungen eines kumulativen Fehlers in nichttechnischen Begriffen erläutert werden müssen und warum es wichtig ist, absolute Berechnungen zu verwenden.

Definition von 'kumulativem Fehler' von dictionary.com :

ein Fehler, dessen Grad oder Signifikanz während einer Reihe von Messungen oder Berechnungen allmählich zunimmt; Ein Fehler, der während der Beobachtung zunimmt

Im Idealfall könnte ich ein Beispiel aus der realen Welt geben, damit sie das Konzept verstehen, ohne die Einzelheiten zu kennen.

Das erste, an das ich denke, ist " chinesisches Flüstern ", was ziemlich bekannt ist, aber ich würde es nicht genau als "reale Welt" klassifizieren. Kennt jemand bessere Beispiele?

Echte Welt? Versuchen Sie es mit Zimmerei. Die meisten Leute haben ein bisschen in einem Workshop herumgespielt.

Sie messen ein Stück Holz und schneiden es. Sie brauchen 20 davon. Um Zeit zu sparen, nehmen Sie das zuvor geschnittene Holz bündig mit dem nächsten Stück Holz und markieren Sie, wo Sie schneiden müssen.

Nach 20 Mal werden Sie feststellen, dass Ihre Säge eine Breite ungleich Null hat und / oder Ihr Bleistift nicht genau markiert , wo Sie schneiden möchten. Es treten Fehler auf und das erste Stück Holz stimmt nicht mit dem letzten Stück Holz überein.

Wissen Sie, warum wir heute in den meisten westlichen Teilen der Welt den Gregorianischen Kalender verwenden? Dies liegt daran, dass sein Vorgänger, der julianische Kalender, im Laufe der Jahre einen kumulativen Fehler gemacht hat. Lesen Sie diesen Wikipedia-Artikel für Details:

http://en.wikipedia.org/wiki/Gregorian_calendar

Wenn Sie etwas wollen, das Fehler ansammelt und technisch erscheint, dann messen Sie kleine Dinge. Dies ist nicht so gut wie das Flüsterspiel (manchmal auch als Telefonspiel bezeichnet). Das Flüsterspiel ist die beste Illustration.

Bringen Sie ein Dutzend kleine Würfel mit - verschiedene Größen bevorzugt.

Jeder misst 1 Würfel.

Jeder akzeptiert eine Messung von der Person zu seiner Linken, addiert die Größe seiner Würfel und meldet sie der Person zu seiner Rechten.

Die letzte Person gibt die akkumulierte Länge an.

Richten Sie zur Qualitätsprüfung die Würfel aus und messen Sie die gesamte Würfelspanne. Sehen Sie, wie nah Sie sind.

Das Problem bei jeder messungsbasierten Demonstration ist, dass jeder argumentiert, dass mit einer Art strengerer Qualitätskontrollen mehr Genauigkeit möglich ist. Nichtwissenschaftler glauben falsch an die Wiederholbarkeit von Messungen und an die Idee, dass Sie "alle" fehlerauslösenden Freiheitsgrade kontrollieren können.

Das Flüstern zeigt, dass es etwas gibt, das nicht kontrolliert werden kann.

Durch das Messen können Sie lediglich diskutieren, wie Sie noch genauer messen können. Es verringert den Bereich des akkumulierten Fehlers, beseitigt jedoch nicht den Fehler selbst.

"Aus Mangel an einem Nagel ging ein Schuh verloren" ...

"For Want of a Nail" ist ein sprichwörtlicher Reim, der zeigt, dass kleine Handlungen große Konsequenzen haben können.

Aus Mangel an einem Nagel

Aus Mangel an einem Nagel ging der Schuh verloren.
Aus Mangel an einem Schuh ging das Pferd verloren.
Aus Mangel an einem Pferd war der Reiter verloren.
Aus Mangel an einem Fahrer ging die Nachricht verloren.
In Ermangelung einer Nachricht war der Kampf verloren.
In Ermangelung einer Schlacht war das Königreich verloren.
Und das alles aus Mangel an einem Hufeisennagel.

Nehmen Sie einen Wert wie 0,335. Betrachten Sie diesen Wert als den Verkaufspreis eines Artikels in Ihrem Geschäft. Verkaufe diesen Artikel an 50 Kunden. Wenn Sie die Gesamtsumme ohne Rundung summieren, erhalten Sie diesen Wert: 16,75 USD. Wenn Ihr Computer den Wert jedoch nach dem Punkt auf 2 Ziffern rundet, bevor Sie jeden Verkauf im Speicher speichern (um 0,34 zu werden), beträgt Ihre Gesamtsumme 17 USD. Die Lücke zwischen den beiden Zahlen wird weiter wachsen, wenn Sie mehr und mehr verkaufen.

Vor einigen Jahren hatten wir einen Kunden, der vorhandene Überwachungskameras verwenden wollte, um zu verfolgen, wie viele Personen sich zu einem bestimmten Zeitpunkt im Gebäude befinden.

Unser Unternehmen hatte einen Videoanalysealgorithmus zur Objektzählung, der jedoch nur zu 98% genau war. Im Allgemeinen wird es verwendet, um Verkehrsflussmuster zu schätzen und nicht um genaue Zählungen zu verfolgen.

Dieser Kunde hatte also einen Abnahmetest, um den Algorithmus einen Tag lang auszuführen. Zu Beginn des Tages ist das Gebäude fast leer (wenige Sicherheitskräfte, einige Nachtmenschen). 24 Stunden später soll es auch fast leer sein. Tagsüber betreten und verlassen mehrere tausend Menschen. Sie kamen zurück und sagten, dass unser Algorithmus einen astronomischen prozentualen Fehler aufwies, da der Zählfehler, der sich während des Tages angesammelt hatte, einfach durch die erwartete Anzahl von Personen geteilt wurde, die sehr gering war.