玻尔百科在探求知识的过程中，测量是科学的基石。我们依赖数据来理解世界，但我们如何知道这些数据是否值得信赖？答案超越了简单的“正确”概念，而深入到两个截然不同但至关重要的概念：准确度和精密度。虽然在日常语言中它们经常被互换使用，但在科学背景下混淆这两个概念会导致错误的结论和误导性的决策。本文旨在揭开这些基本概念的神秘面纱。第一章 原理与机制 将通过直观的类比和清晰的实验室示例来定义准确度和精密度，并将它们与系统误差和随机误差的根本来源联系起来。随后，应用与跨学科联系 将带我们穿越从临床诊断到环境科学等不同领域，展示对这些原则的深刻理解对于科学发现和公共安全是何等重要。通过理解这一关键区别，我们才能开始领会每一个可靠科学论断背后真正的严谨性。
在我们理解世界的旅程中，测量是我们的主要工具。我们称重、计时、计数、滴定。但一次“好”的测量意味着什么？你可能会忍不住说“如果结果正确，那就是好的”。当然，你说的没错，但关于正确性的故事比初看起来要微妙和有趣得多。它分裂成两个优美而又相互交织的概念：准确度和精密度。理解它们不仅仅是语义上的问题，它揭示了科学发现的根本策略。
想象一位弓箭手站在靶前。他的目标是什么？射中靶心。现在，让我们观察四位不同的弓箭手，看看他们的表现如何。
第一位弓箭手射出的一组箭紧密地聚集在一起，令人印象深刻……但却落在靶的左上角，远离靶心。这位弓箭手是精密度高的。他的射击重复性很高，但始终偏离目标。
第二位弓箭手的箭散布在靶心周围。有些偏高，有些偏低，有些偏左，有些偏右。这组箭落点并不漂亮。但如果我们计算所有箭的平均位置，我们会发现它恰好在靶心中央。这位弓箭手是准确度高的，但精密度不高。平均而言，他知道中心在哪里，但每一次射击都带有些许运气成分。
第三位是大师，他将每一支箭都射入靶心的一个紧密区域内。这是最理想的情况：高精密度和高准确度。
第四位是新手，他的箭散落在整个靶上，没有可辨别的中心。这是最糟糕的情况：低精密度和低准确度。
这个简单的类比是所有科学中最有力的类比之一，因为我们进行的每一次测量都像是在朝着我们试图命中的“真”值射出一支箭。让我们走进实验室，看看实际情况。在化学实验室里，两名学生 Alex 和 Ben 正在尝试测定一种酸的浓度。已知其真值恰好为 。Alex 进行了五次实验，得到结果：、、、、。看这些数字彼此多么接近！分布范围极小。Alex 就是第一位弓箭手——精密度非常高。但这些数字的平均值为 ，这个值持续偏高。Alex 错过了靶心。
Ben 的结果是：、、、、。与 Alex 的结果相比，这些数值分散得多。Ben 的精密度不高。但让我们来施展一点魔法：取平均值。当我们将它们相加并除以五时，得到的恰好是 。Ben 就是第二位弓箭手！尽管数据分散，他的平均结果却非常准确。那么，谁是更好的化学家呢？这是一个有趣的问题。要回答它，我们必须首先理解是什么导致了这两种不同类型的误差。
我们看到的模式——偏离中心的紧密聚集与围绕中心的广泛分散——并非任意的。它们是两种根本不同类型误差的标志。
精密度是随机误差的量度。这是任何测量过程中不可避免的“噪声”或“离散”。它是你手的轻微抖动、电子读数的闪烁、温度或压力的微小变化。当随机误差很小时，你的测量结果具有高度可重复性，即具有高精密度。Alex 的结果紧密聚集，显然他技术精湛，最大限度地减少了这种随机噪声。
当随机误差变大时会发生什么？设想一名学生使用容量移液管——一种设计用于精确输送液体体积的玻璃管——其尖端有一个小缺口。液体不是干净、平滑地流出，而是可能不规则地滴落。最后的一滴时大时小。这就在输送的体积中引入了显著的随机变异性。该学生的质量测量值会比较分散，就像 Ben 的滴定结果一样。这个有缺口的尖端增加了随机误差，从而破坏了精密度。
另一方面，准确度是系统误差或偏倚的量度。这是一种一致的、可重复的误差，它将每一次测量都推向同一个方向。就好像弓箭手的瞄准器没校准好，导致每一箭都以相同的量偏高并偏向左侧。一个未校准的天平总是多读 克，或者一个持续走慢的时钟，都会引入系统误差。你的测量值可能仍然非常精密（彼此接近），但它们将全都是错误的，而且是以同样的方式错误。
这很可能就是 Alex 遇到的情况。他的技术很稳定（高精密度），但他的实验装置中存在系统性缺陷——也许他的标准溶液配制不当，或者他的玻璃器皿校准有误。结果得到了一组精密但错误的测量值。
一个很好的例证来自于人工作业分析师与机器的比较。在一个场景中，一位经验丰富的化学家使用变色指示剂来确定滴定终点。他们对颜色恰好改变的瞬间的判断每次都会有轻微差异，导致一些随机分散（较低的精密度），但他们的经验帮助他们平均得到正确的值（高准确度）。相比之下，自动滴定仪使用 pH 探头。机器完美地保持一致，每次都以完全相同的方式进行测量，从而获得极高的精密度。但如果 pH 探头没有正确校准怎么办？机器将精确而固执地锁定在错误的值上。它报告的一组紧密结果全都是不正确的。这是一个深刻的教训：如果存在隐藏的系统偏倚，一台具有惊人精密度的先进仪器，其准确度可能还不如一个熟练的人。高精密度会给人一种危险的正确性错觉。
这些概念并不局限于简单的化学实验。它们是普适的。让我们前往结构生物学的前沿，那里的科学家们使用核磁共振（NMR）来确定蛋白质的三维形状。一次 NMR 实验产生的不是单一的图像，而是一个由略有不同的结构组成的“系综”，所有这些结构都与数据相符。
将“真实”的蛋白质结构想象成靶心，系综中的每个模型都像一支箭。一个研究小组产生的系综中，所有模型彼此非常相似，内部偏差很低（称为 RMSD）。这就是高精密度。另一个小组产生的系综中，模型更加多样和分散——低精密度。那么，哪一个更好？多年后，一种更先进的技术揭示了真实的结构。结果证明，来自那个低精密度、分散的系综的平均形状更接近真实情况。那个高精密度的研究小组被其数据或假设中的系统性缺陷所误导，创造出了一幅优美且自洽——但最终是错误——的蛋白质图像。他们是精密地不准确。
同样的剧情也发生在测量自然界基本常数时。一位科学家测量一个化学反应在不同温度下的速率以计算活化能——这是分子必须克服的一个关键能垒。一组数据可能看起来“杂乱”，在理论线周围有很大的离散（低精密度）。另一组数据可能完美地落在一条直线上（高精密度）。但如果“杂乱”的数据在平均后给出的活化能是 （而真值是 ），而“完美”数据给出的值是 ，哪一个更有价值？杂乱的数据更接近真相！那组漂亮、精密的数据正受到隐藏的系统误差的影响。大自然低语着真相，但她的声音常常充满随机噪声。科学家的工作就是透过噪声仔细聆听，而不被清晰但具有欺骗性的信号所迷惑。
因为这些思想是如此基础，专门研究测量的科学家——计量学家——创造了一套非常严谨的语言来讨论它们，正如 ISO 5725 标准等文件所规范的那样。
精密度被正式定义为重复测量值之间的一致程度。它纯粹是对随机误差的描述。标准差小意味着精密度高。
准确度是一个更笼笼的、定性的术语，描述测量值与真值的总体接近程度。它受到随机误差和系统误差的双重影响。只有当一项测量既正确又精密时，才能称之为“准确”。
在日常对话中，我们常常用“准确”来表示“正确”（无偏倚）。但在科学上，关键是要知道一个错误的答案是因为剧烈的随机误差，还是因为一致的系统误差。为什么？因为你用不同的方法来纠正它们。要提高精密度，你需要改进你的技术，使用更稳定的仪器，或者进行更多次测量以平均掉随机噪声。要提高正确度，你必须找出并消除系统误差——重新校准你的仪器，纯化你的试剂，或者计入背景信号。
机构甚至会进行能力验证测试，将同一样品发送给许多实验室。每个实验室的表现都根据其精密度（其自身结果的分散程度）和正确度（其平均值与认证值的接近程度）来评判。一个持续报告远离真值的实验室，即使其自身的测量非常一致，也会得到一个差的 Z-分数，这表明其流程中可能存在系统性问题。
我们为什么如此执着于这种区别？因为归根结底，科学不仅仅是收集数字，而是做出决策。而且风险可能非常高。
想象你是一名监管人员，负责确保饮用水的安全。铅的法定限值为每升 微克 ()。一个实验室向你发送了一份基于四次测量的报告：、、、。未经校正的平均值为 。水安全吗？它低于 ，对吧？
没那么快。一个好的科学家会问：这个结果的总不确定度是多少？他们知道实验室的方法存在一个小的系统偏倚——它倾向于读数偏低 。因此，真值的最佳估计值不是 ，而是 。我们已经超标了！
但这还不是全部。我们还必须考虑随机误差（四次测量的离散程度）以及来自校准过程的其他不确定性。当所有这些误差源组合在一起时，我们可能会发现最终结果是 。这意味着虽然我们的最佳猜测是 ，但真值很可能在 到 之间的任何位置。
现在，你能自信地宣布水是安全的吗？不能。真实铅含量很有可能超过法定限值。由对准确度和精密度的全面理解驱动的负责任的决定，是标记该样品为不合规。如果仅仅看到 的原始平均值就称之为安全，那就忽略了测量的基本性质，也未能履行保护公众的职责。
这是最终的教训。准确度和精密度不是考试中的抽象概念。它们是我们用来量化我们的信心、坦诚面对我们的不确定性，并在一个复杂的世界中做出稳健、可靠决策的工具。它们是定量科学的伦理支柱。
既然我们已经对击中靶心和仅仅将箭簇集在一起之间的区别有了感觉，你可能会倾向于将准确度和精密度视为简单的教科书定义——一个适用于入门讲座的简洁但枯燥的话题。事实远非如此。准确度与精密度之间充满活力的共舞，正是现代科学的心跳。它是在每一次发现、每一个公共卫生决策和每一项技术奇迹背后进行的、无声而严谨的对话。理解这种共舞不仅仅是一项学术练习；这就像得到了一把万能钥匙，可以打开化学家、生物学家、生态学家和天文学家的工作室。现在，让我们踏上旅程，探访其中一些工作室，看看同样的基本原则是如何以千差万别、且往往是美妙的方式被运用的。
我们的第一站是分析化学的世界，这个领域常常扮演着我们日常生活中看不见的守护者角色。当像美国国家环境保护局（EPA）这样的监管机构为我们饮用水中的有毒农药设定法定限值时，这并非一个抽象的建议。这是一条安全与不安全之间的硬性界线。化学家的工作就是开发一种能够自信地判断给定样品属于界线哪一侧的方法。在这里，准确度和精密度的概念不是学术性的；它们是公众信任的基石。
在新方法被用于测试儿童玩具中的铅或制药厂中的新药之前，它必须经过验证。这是一个严谨的过程，是一场为证明该方法“适合其预期用途”而设下的科学挑战。化学家不仅必须证明该方法平均给出正确答案（准确度）且答案一致（精密度），还必须证明它不会被其他化学物质所迷惑（特异性），并且能经受住实验室条件的微小、现实世界变化的考验（稳健性）。
想象一下，两个实验室被委托测量一种重要新药的浓度。A 实验室是最初的开发者，B 实验室是接收该方法的质量控制机构。两者都收到了一个认证真实浓度恰好为 mg/L 的样品。A 实验室报告的值为 、 和 ，而 B 实验室报告的值为 、 和 。我们能得出什么结论？A 实验室的结果紧密地围绕着真值——它们既准确又精密。B 实验室的结果也紧密聚集，显示出相似的精密度水平，但它们都持续偏高，集中在 mg/L 左右。他们的测量是精密的，但不准确。一个系统误差已经潜入。也许他们的仪器校准方式不同，或者他们的化学试剂略有差异。在这种情况下，该方法未能通过稳健性测试——其准确度在转移过程中丧失了。这个简单的比较优美地分开了随机误差（箭的散布）和系统误差（图案中心的偏移），并表明在一个熟练操作者手中完美无缺的方法，在另一个人手中可能会失败。这就是为什么即使只改变方法的一个组成部分，比如更换一种色谱柱，也常常需要从头开始进行完整的重新验证。质量的守护者必须永远保持警惕。
从定义明确的化学测量世界，我们现在跃入生命系统那壮丽的混乱之中。我们如何在这里应用准确度和精密度的概念，而系统本身就是一个动态、波动的实体？
让我们来看看遗传学的前沿：CRISPR 基因编辑。科学家可能想测量一次编辑的效率——培养皿中多大比例的细胞现在含有期望的遗传改变？他们可能会得到一个结果，比如说 的细胞被编辑了。但如果他们从头开始重复整个实验——新一批细胞，新一轮编辑——他们可能会得到 。如果他们只是重新测量第一次实验的 DNA，他们可能会得到 和 。这个场景揭示了一个深刻的区别： 和 结果之间的差异源于生物学变异（编辑过程本身不是完全可重复的），而 和 之间的微小差异则反映了技术性变异（我们测量设备的噪声）。此外，如果我们使用一个已知编辑分数为 的标准样本，而我们的方法重复测量得到 ，我们就知道我们的技术由于系统偏倚而具有高精密度但低准确度，也许是因为编辑过的 DNA 序列在我们的测试中更难扩增。增加测量次数会让我们对 的估计更精密，但永远不会让我们更接近 的真相。要做到这一点，我们必须找到并修复偏倚的来源——这是生命科学中一个持续的挑战。
这场驯服变异性的探索是现代生物学的一个中心主题。在蛋白质组学中，科学家试图同时测量成千上万种蛋白质的丰度。不同的实验策略代表了实现准确度和精密度的不同哲学。一种巧妙的方法，称为细胞培养中利用氨基酸进行稳定同位素标记（SILAC），涉及用正常氨基酸培养一组细胞，用较重的同位素标记的氨基酸培养另一组。然后将样品在测量前混合。对于任何给定的蛋白质，其“轻”和“重”版本在复杂的测量过程中表现几乎完全相同，因此大多数系统误差源相互抵消，从而得到高度准确的比率。这是通过巧妙的实验设计战胜偏倚的一个绝佳例子。其他方法，如等量同位素标记，获得了极高的精密度和同时比较多个样品的能力，但它们存在一个微妙的准确度问题，称为“比率压缩”，即共同测量的、不需要的分子系统性地拉平了真实的差异。方法的选择成为在准确度、精密度和通量等期望水平之间的战略权衡。
这些概念甚至从计算分子数量延伸到绘制它们的形状。当生物学家使用核磁共振（NMR）波谱法确定蛋白质的三维结构时，他们得到的不是单一的快照。他们生成一个包含20个或更多个看似合理的结构的系综，所有这些结构都与实验数据一致。在这里，精密度由系综中各个结构之间的相似度（低的均方根偏差，即 RMSD）表示。准确度则指这个系综在多大程度上代表了蛋白质真实的天然状态。如果研究人员缺少关键数据，特别是来自构成蛋白质核心的疏水性残基的数据，那么得到的结构系综将会松散多变——即精密度低（高 RMSD）。更重要的是，由于定义整体折叠的关键长程相互作用缺失，整个系综可能相对于真实结构发生扭曲，从而损害了准确度。在这种背景下，准确度和精密度定义了我们对生命分子机器图像的根本可靠性。
最后，这些思想被编纂成临床诊断的正式指标。在测试可能影响患者对药物反应的遗传变异（药物遗传学）时，实验室必须验证其检测方法的性能。在这里，准确度和精密度被转化为诸如灵敏度（正确识别出携带变异者的能力）、特异性（正确识别出未携带变异者的能力）和*阳性预测值*（如果测试结果为阳性，你实际携带该变异的概率是多少？）等术语。这些不仅是统计数据，它们是衡量一项测试可信度的标准，指导着个性化医疗中生死攸关的决策。
让我们从细胞的微观世界放大到地球本身的宏观世界。当我们试图测量我们星球的健康状况时，同样的原则是否适用？绝对适用。
考虑一下生态学家试图通过追踪一个密封瓶湖水中溶解氧的变化来测量湖泊的“呼吸”——其初级生产力。他们有几种工具可供选择。经典的温克勒滴定法非常准确，是一个几乎没有系统误差的金标准，但每次测量都很费力，并且存在固定的随机噪声（）。另一种工具，光学传感器（光极），则非常精密，随机噪声很小（），但它可能存在微小的系统性仪器漂移（），导致其读数随时间缓慢上升或下降。
哪种工具更好？这个问题的精妙之处在于答案取决于实验本身！如果你进行一个非常短时间的培养，比如30分钟，两个终点测量的随机噪声是你最大的问题。光极的微小漂移还没有足够的时间累积，所以其优越的精密度使其胜出。但如果你进行一个非常长时间的培养，比如6小时，随机噪声的影响会减小（因为你要除以一个大的时间间隔），而系统性漂移，无论多么小，都成为主要的误差来源。在这种情况下，完美准确但噪声更大的温克勒法可能成为更好的选择。科学家必须理解随机误差和系统误差的性质，才能为正确的问题选择正确的仪器——这是实验智慧中一个有力的教训。
作为这些思想力量的最后一个例证，让我们仰望天空。卫星可以通过测量从地球表面反射的光来绘制整个地貌图。一个保护机构可能希望利用从卫星图像计算出的指数来绘制珍贵湿地的位置。他们设定一个阈值：任何指数值高于某个数值的像素都被归类为“湿地”。分类器可能达到了非常高的总体准确率，比如 。值得庆祝吗？也许不是。想象一下，湿地非常稀有，只占景观的 。绝大多数景观是非湿地。分类器可以通过正确识别大部分非湿地区域来轻松实现高准确率。但我们真正关心的湿地呢？在这种情况下，精密度会问：“在我们所有标记为‘湿地’的像素中，有多少比例实际上是湿地？”因为非湿地类别如此庞大，即使对其分类的错误率很小，也可能导致大量的错误警报，淹没真实的湿地信号，从而急剧降低精密度。这个“类别不平衡”问题告诉我们，单一的‘准确率’数字可能具有深度误导性。我们需要更细致的度量标准，一个包括精密度及其对应指标——召回率（灵敏度）在内的度量体系，才能讲述完整的故事。
从确保药物的纯度到描绘蛋白质的图像，再到从太空绘制地球地图，同样的基本剧情不断上演。我们不断努力命中一个可能对我们隐藏的真值，同时与随机偶然性和系统偏倚这两个恶魔作斗争。在许多方面，对科学的追求，就是对更高准确度和精密度的追求，是一场为了更清晰地看待宇宙而进行的不懈而美好的努力。