科技與醫學寫作大都包含實驗所產生的數據，而實驗數據最重要的就是其準確性與精確度，唯有可靠的數據才能歸納出合理的結論，否則錯誤的數據很可能會把事實導向完全相反的方向。由此可知，科技與醫學論文首重正確的數據資料，而整體研究工作的品質，也就取決於實驗與分析時的精確程度。本文目的是簡介常見誤差來源（包括隨機與系統性誤差）、如何避免誤差，以及不同誤差的統計分布型態。也會討論多次測量某定量値的誤差，如何影響最終的測量値或計算值。
大部分研究論文中，經過整合呈現數據或分析結果，通常需考慮下列事項，確保數據的正確性，才能表示得到的結果具有可信度及綜合性：
- 考慮實際情況或數據的收集方法（涉及試驗設計與試驗方法）。
- 定義誤差來源（隨機或系統性）：所有數據都會有誤差，但絕不能是錯誤！
- 檢驗並納入各種誤差來源。
- 訂定測量値或計算值可允許的誤差範圍。
誤差可分為隨機誤差與系統性誤差，讓我們先來看看什麼是隨機誤差：
- 相同的定量樣品，多次測量結果所包含的誤差：測量值的分布情形，是根據發生的機率而來，產生所謂的機率分布。
- 隨機誤差的來源：
- 統計影響：根據試驗設計選擇正確的統計方式，避免擴大誤差，得出錯誤的結果（顯著？還是不顯著？）。
- 測量過程的限制：例如儀器的偵測極限，或是儀器本身的誤差範圍。
- 常見機率分布型態
兩種型態的二項 (binomial) 分布圖：
1. 測量次數或樣本數少，機率不連續且不對稱：卜瓦松 (Poisson) 分布。
（該圖擷取自維基百科 Poisson distribution）
2. 測量次數或樣本數多，機率連續且對稱（常態分布）。
（該圖擷取自維基百科 Normal distribution）
接下來，再看看什麼是系統性誤差：
- 系統性誤差傾向為「事先存有偏見」的測量值。
- 系統性誤差的可能來源：
- 測量儀器不準確。
- 設備或技術使用錯誤。
- 避免或減少系統性誤差的方法：
- 檢查、分析測量儀器與技術。
- 謹慎進行研究。
- 不同實驗室進行相似的實驗，因為環境條件與使用儀器不同，就可能出現特定的系統性誤差。
- 如果相同定量樣品的兩份實驗報告結果不同，可能是由於其中之一，或是兩者都處理不當所造成的系統性誤差。
整體而言，避免不合理誤差的方法包含下列各項：
- 防止並定量各種隨機與系統性誤差的來源。
- 注意誤差來源加成：多次（項）測量數值累積的誤差。
- 由於多項測量數値的程序，可能彼此獨立，也可能非獨立，造成不同的誤差。
- 經過嚴格與徹底的誤差分析，才能確保引用數值的可信度。
- 正確的數值，加上適當的error bar，才能讓同儕尊重您研究論文的結果
參考資料：
Enago英文部落格 Accuracy: Random and Systematic Errors