Ogólnie jak masz zmierzoną jakąś wielkość x +/- delta_x, to niepewność wielkości y = f(x) oblicza się jako delta_y = df/dx * delta_x.
Jak zależność jest od większej liczby zmiennych, tak jak tutaj masz Eg = f(R, T), to delta_Eg = df/dR * delta_R + df/dT * delta_T (gdzie d/d[coś] tutaj oznaczają pochodne cząstkowe).
W każdym razie akurat w tym przypadku użyłbym dopasowania prostej. Przerabiasz sobie zależność na zależność liniową, np. tak:
Eg = 2*ln(R/R0)*kT
ln(R/R0) = Eg/2*(1/kT)
Jest liniowa zależność ln(R/R0) od 1/kT. Odkładasz na osiach ln(R/R0) i 1/kT, robisz wykres punktów pomiarowych, dopasowujesz prostą i współczynnik nachylenia jest wtedy Eg/2. Już nie pamiętam dokładnie, jak liczyło się niepewność współczynników dopasowania, ale to a) łatwo będzie wygooglać, b) jeśli dopasujesz prostą w jakimś programie, to zazwyczaj on sam wypluje niepewności.
Jak zależność jest od większej liczby zmiennych, tak jak tutaj masz Eg = f(R, T), to delta_Eg = df/dR * delta_R + df/dT * delta_T (gdzie d/d[coś] tutaj oznaczają pochodne cząstkowe).
W każdym razie akurat w tym przypadku użyłbym dopasowania prostej. Przerabiasz sobie zależność na zależność liniową, np. tak:
Eg = 2*ln(R/R0)*kT
ln(R/R0) = Eg/2*(1/kT)
Jest liniowa zależność ln(R/R0) od 1/kT. Odkładasz na osiach ln(R/R0) i 1/kT, robisz wykres punktów pomiarowych, dopasowujesz prostą i współczynnik nachylenia jest wtedy Eg/2. Już nie pamiętam dokładnie, jak liczyło się niepewność współczynników dopasowania, ale to a) łatwo będzie wygooglać, b) jeśli dopasujesz prostą w jakimś programie, to zazwyczaj on sam wypluje niepewności.
![[Obrazek: style3,Fizyk.png]](http://www.sloganizer.net/en/style3,Fizyk.png)
"Tylko dwie rzeczy są nieskończone - Wszechświat i ludzka głupota. Co do Wszechświata nie jestem pewien" - Albert Einstein
