Grad, in dem wiederholte Messungen oder Rechnungen unter unveränderten Bedingungen dieselben oder ähnliche Ergebnisse liefern; üblicherweise mit geringem zufälligem Fehler oder kleiner Streuung assoziiert.

Prinzip

Präzision wird durch die Streuung (Varianz, Standardabweichung) wiederholter Ergebnisse um ihren Mittelwert charakterisiert; hohe Präzision bedeutet geringe Streuung unabhängig von der Nähe zum wahren Wert.

Demonstration

Mehrfaches Ausführen derselben Simulation mit demselben deterministischen Code und denselben Eingaben auf einer stabilen Plattform ergibt vernachlässigbare Variation in Ausgabegrößen und zeigt hohe rechnerische Präzision; in Experimenten zeigen wiederholte Instrumentablesungen mit geringer Streuung hohe Präzision.

Fehlanwendung

Hohe Präzision als Beweis für Korrektheit zu werten; ein Messsystem kann sehr präzise, aber voreingenommen sein und reproduzierbare, jedoch systematisch falsche Ergebnisse liefern, wenn Kalibrierung oder Modellbias vernachlässigt werden.

Konsequenz

Hohe Präzision ermöglicht Reproduzierbarkeit, zuverlässige statistische Schätzung von Mittelwerten und Unsicherheitsreduktion durch wiederholte Stichproben; sie erlaubt das Unterscheiden kleiner systematischer Effekte vom zufälligen Rauschen.

Umkehrung

Unpräzision: große Streuung zwischen wiederholten Beobachtungen, die die Reproduzierbarkeit untergräbt und das Erkennen systematischer Trends oder Validierung von Modellen erschwert, ohne die Stichprobengröße zu vergrößern.

Abgrenzung

Bezieht sich auf Wiederholbarkeit und Streuung unter nominal identischen Bedingungen; impliziert nicht die Nähe zur Wahrheit (Genauigkeit) und kann durch nicht kontrollierte, sich ändernde Bedingungen oder versteckte systematische Einflüsse beeinflusst werden.

Semantische Spannung

Präzision steht oft im Spannungsfeld zur Genauigkeit: man kann hohe Präzision und geringe Genauigkeit (konstanter Bias) oder geringe Präzision und hohe Genauigkeit im Mittel haben; beide Eigenschaften sind gemeinsam zu betrachten.

Synthese

Präzision quantifiziert die Reproduzierbarkeit durch die Streuung wiederholter Resultate; sie ist notwendig für zuverlässige Schätzungen und die Erkennung systematischer Effekte, muss aber mit Genauigkeit und Bias-Kontrolle gekoppelt werden, um korrekte Schlussfolgerungen zu ermöglichen.