Python uncertainties包变量计算不确定度错误问题求助

核心原因 #

你遇到的问题本质是原始变量x、y的误差分量存在未预期的相关性，而非它们不是ufloat类型（从打印输出可确认是ufloat格式）。

当直接用ufloat()构造新对象时，两个数的误差完全独立，除法运算会正确计算相对不确定度的平方和开根号：
相对不确定度 = √[(0.433/1.065)² + (0.00866/0.02123)²] ≈ √[(0.406)² + (0.408)²] ≈ 0.576，对应绝对不确定度50.2×0.576≈28.9，和正确结果一致。

但如果x、y是从同一个误差源衍生出来的（比如基于同一个ufloat变量计算得到），它们的误差分量会共享同一个内部变量，除法运算时相关性会抵消部分不确定度，导致结果的不确定度被异常缩小。

验证与解决方案 #

验证相关性 #

可以通过打印x和y的误差分量ID确认是否共享误差源：

from uncertainties import ufloat

# 模拟有相关性的场景
a = ufloat(1.0, 0.1)
x = a * 1.065
y = a * 0.02123

print(id(x.derivatives[a]))
print(id(y.derivatives[a]))  # 两个ID相同，说明共享误差源
print(x/y)  # 输出会是50.16(1.17)，和你遇到的错误结果一致

解决方法 #

如果需要让x和y的误差独立，只需将它们重新包装为独立的ufloat对象：

x = ufloat(x.nominal_value, x.std_dev)
y = ufloat(y.nominal_value, y.std_dev)
print(x/y)  # 此时输出为50.2(28.9)，结果正确

或者在创建x、y时，确保它们基于独立的误差源，避免共享同一个Variable实例。

内容的提问来源于stack exchange，提问作者vallahkriese