什么是科学？

《实验、测量与科学》 

给出有史以来最科学的答案！

     非常感谢叶教授对我所写关于叶教授新测量学文章的回复。因要讨论的问题较多，所以还是单写一篇文章。

    叶教授立论的出发点是传统测量学将误差分为随机误差和系统误差逻辑上是很难成立的，因为当你给出一个误差的时侯，一是很难将其确定为是属于随机误差还是系统误差，二是很多误差的分布并不符合高斯分布。我之所以认为叶教授思考了一个很好的并且很深入的问题，但由此得出这种结论并不合适是因为：

    随机误差和系统误差在测量学中严格来说并不是一个对误差本质的分类，而只是一个误差数据处理的方法。它本身就是自洽的，因此也就很难去说它本质上的对与错。因为符合高斯分布的，就是随机误差，剩下能够发现规律的就可以算是系统误差。叶教授所说的函数型，有规律的，其实就是按系统误差进行的处理。真正是属于误差本质分类的，是我在《实验、测量与科学》一书中所谈到的按误差来源进行的。如环境误差，主体（测量仪器、人等）干扰，主体环境干扰，测量对象本身的变化，计量和量值传递误差，原理误差等。

    随机误差是一种分布，谈到分布它就不是单一的一次测量能够得出的，而必须是大量“等精度多余测量”获得一系列数据，才有可能去谈分布的问题。这种误差的划分纯属为了数据处理，而不管其误差来源和性质是什么。之所以要进行大量等精度多余测量，是因为由此获得的随机误差分布具有对称性，进行平均后误差具有抵偿性。这样一是可以改善测量结果，二是可以估计误差的范围。虽然因为有规律误差的存在，进行统计平均处理后的数学期望并不一定就无限地趋近于真值。

    叶教授提到了很多随机误差的分布并不符合高斯分布，这个其实在很早就有测量学者在研究了。例如我30年前学测量学的时侯，老师在课堂上就讲过三角形分布，平均分布等形态。叶教授提到U形分布等也是非高斯分布的形态。问题在于，误差是一个非常复杂的对象，因为提到误差就意味着现有测量技术不能认知（或难以认知）的对象。如果要真正确认误差的分布形态，所需要的测量数据量将是非常巨大的。而且如果数据不是很好符合高斯分布，往往我们要仔细地核查存在什么显著的系统误差影响。例如，如果出现U形分布，我们首先不是简单地接受这些误差，而是要首先怀疑并核查存在什么有规律（正弦波形态）的误差源，并且是否可以消除，而不是简单地接受这个分布的误差特性。

    理论上说，如果分布形态不一样，应当采用不同的分布规律去计算均方差和置信度等。但测量学是这么来理解的：即使有其他分布形态，数学证明了无限多不同分布形态的叠加还是高斯分布。如果要在测量时对每个测量对象先获得大量测量数据，以便确定它属于什么分布，然后只是遵循这个分布计算均方差和置信度。这个在可操作性和成本上存在很大问题。因此，对于即使不完全满足高斯分布的误差分布形态，我们往往也是通过高斯分布近似地进行处理，可以计算出，如果是三角形分布，甚至平均分布等形态，采用高斯分布进行替代所产生的偏差是很小的。

    系统误差在测量学中的确是一个很大的软肋。因为仅仅说某部分误差是系统误差是没有意义的，只有当可以发现相应的误差规律，并且能够进行扣除时，你才能说它是系统误差。而当我们能够说某一部分是系统误差时，就意味着可以将相应的误差部分从测量数据中扣除了。也就意味着测量数据中“不再有系统误差”。很显然，随着我们能够发现和解决的系统误差增多，测量精确度就越来越高。

    所以，将误差分为“随机误差”和“系统误差”，并不是将误差按其本质进行的分类，而只是根据测量技术所进行的数据处理方法。一切误差如果知道来源，知道如何扣除，它就是按系统误差在进行处理。如果不知道来源，无法扣除，甚至都不知道其分布形态是什么，事实上就只能是按随机误差进行处理，并且往往就是按高斯分布进行处理的。就算不是高斯分布也“只好如此”。

    误差的确是一个非常复杂的对象，因为它本身就相当于是人类认识世界过程中未知的部分，对未知部分的认知的确会遇到一个很难说清楚的问题：如果你能把它说清楚了，它就成已知的了。所以，说不清楚的，就是“随机”，搞清楚了的，就是“系统”。随机的未必就一定符合高斯分布，与其花功夫把它是不是高斯分布搞清楚，不如把它变成系统误差扣除掉。因此，测量学和测量技术的进步更多体现在如何处理系统误差上，而不是将一切误差混在一起。因此，一切误差的确即可能是按随机误差进行处理，也可能是按系统误差进行处理。如何处理，取决于测量技术水平，而不是误差本身。

    用一个不一定太恰当的比喻，高斯分布就是科学里的一神教，只是这个高斯教永远只是管未知的部分。如果搞出多种不同分布，这会让科学家们无所适从的。“系统误差”其实就是将科学认知从高斯教圣殿里不断救赎出来的勇士，它使这个高斯教可以管辖的范围越来越小。因此，本质上说系统误差不再完全是未知（不再完全是误差），而是从未知走向已知的过程。与其再树一些其他的神与高斯教作对，不如让系统误差这位勇士能力更强。而系统误差要真正发挥救赎的能力，不仅仅是一个数据处理的问题（虽然有一些仅通过数据分析发现系统误差的方法），而且广泛地涉及到每一个测量相关误差因素学科对象的作用原理，根据科学原理的推理甚至猜测的过程。如果将随机误差和系统误差的区别消除，变成单一的只进行数据分析的理论，相当于将系统误差这位拯救科学的勇士关进监狱了。这就是为什么我认为叶教授思考的问题很深刻，是很有意义的，但并不认同其结论最关键原因所在。