Mittausten tarkkuudella ja täsmällisyydellä on erityinen merkitys tieteen, tekniikan, teollisuuden ja tilastotieteen aloilla. Usein näitä kahta termiä käytetään epäselvästi, joten niiden erojen ja virhelähteiden ymmärtäminen on tärkeää luotettavien mittausten ja johtopäätösten tekemiseksi.

Määritelmät

  • Mittausjärjestelmän tarkkuus on se, kuinka lähelle suureen todellista arvoa se pääsee.
  • Mittausjärjestelmän täsmällisyys (precision) on se, missä määrin toistuvat mittaukset antavat samat tai hyvin lähellä toisiaan olevat tulokset.

Erot selkokielellä

Yksinkertaistaen: tarkkuus kertoo, kuinka oikeaan tulokseen päästään (läheisyys todelliseen arvoon), kun taas täsmällisyys kertoo mittausten keskinäisestä yhdenmukaisuudesta (kuinka hajanaisia mittaustulokset ovat keskenään). Mittauksia voidaan kuvata neljällä tavalla:

  • tarkka ja täsmällinen (lähellä todellista, pieni hajonta),
  • täsmällinen mutta ei tarkka (pieni hajonta, mutta etäinen todellisesta arvosta — systemaattinen virhe),
  • tarkka mutta ei täsmällinen (keskiarvo lähellä todellista, mutta suurempi hajonta — harvoin käytetty tilanne yksittäisissä mittauksissa),
  • ei kumpikaan (suuri sekä bias että satunnainen vaihtelu).

Virhetyypit

Mittauksissa erottuu pääosin kaksi virhetyyppiä:

  • Systemaattinen virhe (harha) — järjestelmällinen poikkeama, joka siirtää kaikki mittaustulokset samansuuntaisesti pois todellisesta arvosta. Harhan syitä ovat esimerkiksi väärä kalibrointi, mittausmenetelmän virheellinen käyttö tai ympäristötekijät, jotka vaikuttavat jatkuvasti mittaukseen. Systemaattinen virhe aiheuttaa heikon tarkkuuden.
  • Satunnainen virhe — mittauskertojen välinen vaihtelu, joka johtuu pienistä, ennustamattomista tekijöistä (esim. kohina mittalaitteessa, käyttäjän pieni vaihtelu mittaustavassa). Satunnainen virhe vaikuttaa täsmällisyyteen (hajontaan) mutta ei siirrä keskiarvoa järjestelmällisesti.

Kuinka virheitä voidaan vähentää

Esimerkiksi: jos kokeessa on virhe, otoskoon kasvattaminen lisää yleensä täsmällisyyttä (vähentää satunnaista vaihtelua mittauksissa), mutta ei paranna tarkkuutta eli korjaa systemaattista harhaa. Lopputuloksena olisi johdonmukaiset, mutta epätarkat tulokset virheellisestä kokeesta. Systemaattisen virheen poistaminen (esim. kalibrointi, menetelmän korjaus) parantaa tarkkuutta, mutta ei välttämättä muuta täsmällisyyttä.

  • Satunnaisen virheen pienentäminen: useampien toistojen tekeminen, keskiarvon käyttäminen, mittauslaitteen laadun parantaminen, ympäristöolosuhteiden vakiointi. Tilastollisesti satunnainen virhe mitataan usein hajonnalla (esim. standardipoikkeama) ja näytteen koon kasvaessa keskiarvon standardivirhe pienenee.
  • Systemaattisen virheen poistaminen: kalibrointi tunnettuja standardeja vastaan, mittausmenetelmän validointi, instrumentin ja henkilökunnan koulutus, jäljitettävyys kansainvälisiin referensseihin.

Mittauksen epävarmuus ja arviointi

Mittauksen epävarmuus (measurement uncertainty) on numeerinen arvio siitä, kuinka paljon todellinen arvo voi eri syistä poiketa ilmoitetusta mittaustuloksesta. Epävarmuuden arvioinnissa käytetään mm. seuraavia työkaluja:

  • tilastollinen analyysi (keskiarvo, varianssi, standardipoikkeama),
  • luottamusvälit ja standardivirhe — kertovat, kuinka luotettava keskiarvo on,
  • virheen lähteiden erittely (systemaattinen vs. satunnainen) ja virhetermeistä muodostettu yhteismäärä (yhdistetty epävarmuus),
  • mittausjärjestelmän analyysit kuten Gauge R&R (Repeatability & Reproducibility), jotka arvioivat mittausjärjestelmän suorituskykyä teollisuudessa.

Käytännön vinkkejä tarkkuuden ja täsmällisyyden parantamiseen

  • Kalibroi laitteet säännöllisesti ja pidä kalibrointitodistukset ajan tasalla.
  • Dokumentoi mittausmenetelmät ja varmista samojen ohjeiden käyttö eri mittauksissa.
  • Suorita riittävä määrä toistoja ja raportoi keskiarvon lisäksi hajonta ja epätarkkuusarvio (esim. ± epävarmuus, luottamusväli).
  • Käytä sopivia yksiköitä ja huomioi mittausresoluutio sekä merkitse merkittävät numerot oikein.
  • Tarkasta ja vähennä tunnetut systemaattiset lähteet (esim. ympäristön lämpötila, kalibrointivirhe, näytteen käsittelyvirheet).

Yhteenveto

Mittausjärjestelmän pätevyys edellyttää sekä hyvää tarkkuutta että hyvää täsmällisyyttä. Tähän liittyviä termejä ovat harha (systemaattinen poikkeama) ja virhe (satunnainen vaihtelu). Hyvä mittaustapa sisältää virhelähteiden tunnistamisen, systemaattisten virheiden korjaamisen ja satunnaisen vaihtelun kvantifioinnin, jotta mittaustulokset ovat luotettavia ja käyttökelpoisia päätöksenteossa.

Mittausjärjestelmä on pätevä, jos se on sekä tarkka että täsmällinen. Tähän liittyviä termejä ovat harha (riippumattomasta muuttujasta riippumattomien tekijöiden aiheuttamat ei-sattumanvaraiset tai suunnatut vaikutukset) ja virhe (satunnainen vaihtelu).