---
title: "误差条为什么会漏掉最严重的错误"
description: "区分权重集中、时间相关和未平衡偏差，用分块 bootstrap、独立种子与留出区域检验自由能重建。"
canonical_url: "https://sandboxphysics.com/zh/stories/free-energy/uncertainty-and-validation/"
language: "zh-CN"
page_type: "story"
alternate_languages:
  en: "https://sandboxphysics.com/stories/free-energy/uncertainty-and-validation/"
last_modified: "2026-10-28"
---

[自由能与稀有事件](https://sandboxphysics.com/zh/stories/free-energy/)

L3 · 第 5 章

# 误差条为什么会漏掉最严重的错误

Sandbox Physics · 2026-10-28

误差条描述的是一套采样条件下重复计算会波动多少。若每次都漏掉同一座谷，答案可以稳定地偏向一边。可靠的自由能结果需要同时检查权重是否集中、轨迹是否相关，以及独立重复能否找到同一个平衡分布。

## 开始前需要什么

第二章的相关因子与第四章的目标权重。方差衡量重复结果的离散程度；bootstrap 是用已有数据重新抽样来近似这种重复。

[回看上一章](https://sandboxphysics.com/zh/stories/free-energy/multistate-reweighting/)

- 区分权重有效样本数、时间有效样本数和采样偏差。
- 设计按窗口分块的重复计算，并用独立积分与留出检验寻找失败。

## 先看答案由多少张照片承担

归一化目标权重为 $W_n$，其总和为一。若十张照片各承担十分之一，信息分布较均匀；若一张承担九成，估计就十分脆弱。权重有效样本数 $N_{\mathrm{eff},w}$ 用权重平方和衡量这种集中程度。

例题：一百张照片中，一张权重为 $0.5$，其余九十九张均分另一半。平方和为 $0.25+99(0.5/99)^2=25/99$，权重有效样本数只有 $3.96$。一百张照片的结果可能主要取决于那一张。

这个数没有看照片的先后顺序，也没有看隐藏谷。把同一张照片复制一千遍，会让表面上的权重数目增加，却不会增加独立信息。时间相关与权重集中需要分别检查。

$$
N_{\mathrm{eff},w}=\frac{1}{\sum_n W_n^2}
$$

这是权重集中度诊断，不是所有观测量通用的独立样本数。相关轨迹还需要分块或其他相关性处理。

## 重抽样时保留一小段完整运动

普通 bootstrap 把每一帧当作独立抽签。对慢慢游走的小珠，这会打散原来的时间相关，通常把误差压得太小。分块 bootstrap 改为抽取连续轨迹块，让每块里的运动顺序保留。

每个窗口分别抽块，保持该窗口的总样本量，再重新求解整套 MBAR 方程。重复许多次，比较目标谷占据或自由能差的分布。不能只固定原来权重，再随机打乱最后一张图：窗口归一化本身也有不确定度。

块长要足以覆盖相关衰减，并且仍留有多个近似独立块。逐步加长块，观察误差是否趋于稳定；同时保存块长与重复次数。若一段轨迹只有一个长驻留期，bootstrap 无法从中创造缺失的换谷。

来源：PLUMED Masterclass 21.2 · Michael R. Shirts and John D. Chodera

## 用另一种计算方式建立参考

二维教学模型可以直接对 $e^{-\beta U}$ 求积。把网格加密，检查谷占据和投影自由能变化是否足够小；再检验对称性。默认倾斜为零时，势能在 $(x,y)\mapsto(-x,-y)$ 下不变，因此按横坐标分开的左右区域概率相同。

参考积分不读取随机轨迹，正好能发现采样遗漏。它自己的误差来自有限网格、投影分箱和边界近似。把参考网格误差与采样误差分开记录，才知道两条曲线接近到什么程度。

来源：PLUMED Masterclass 21.2

## 把一块区域留给真正的检验

设计窗口时，先指定一个检验区域，例如两个谷之间的一段区间。固定设计和分析方法后，再用新种子评估该区域的概率，与独立积分比较。检验区域不是要求粒子永远不能进去；它的参考答案和新种子结果不能被用来反复调整同一次报告的方法。

若根据检验结果改了窗口，就把原检验转成开发记录，再保留新的种子或区域。否则，图看上去每次都越来越准，只说明调参过程记住了答案。

误差可以分成几个具体来源：步长近似、有限采样、相关处理、分箱与未平衡。重复种子主要揭示随机波动；改变步长检查积分器；改变初态和隐藏坐标检查平衡。没有一个单独数字能替代这些问题。

## 把推理带进实验

### [给同一个自由能差写出误差说明](https://sandboxphysics.com/zh/labs/umbrella-mbar/)

1. 固定模型与窗口，保存默认种子的重建、样本权重与分块设置。
2. 用新种子重复。比较重复结果的散布与分块误差，再检查隐藏坐标是否交换。
3. 选择一段事先指定的检验区间，比较重加权概率和二维积分。若窗口链断开，解释为什么不应给出跨缺口的精确误差条。

## 练习与解释性答案

1. 一千个相同权重的连续帧，权重有效样本数为一千。能据此宣称有一千个独立样本吗？

   展开解释

   不能。这个诊断只看权重集中程度。若相邻帧高度相关，均值的独立信息会少得多；若都困在同一个谷，目标分布还可能有偏。应检查时间相关、块长和不同初态。

2. 一个结果的分块误差很小，却与高精度积分明显不符。下一步应先做什么？

   展开解释

   先检查系统偏差：不同隐藏谷启动是否给同一分布，窗口是否真正重叠，步长减半是否改变结果，以及密度是否除以箱宽。继续增加 bootstrap 次数只能更准确地描述现有数据的波动。

[上一章：MBAR 怎样把不同窗口接成同一份分布](https://sandboxphysics.com/zh/stories/free-energy/multistate-reweighting/) [下一章：Metadynamics 怎样让走过的谷逐渐变浅](https://sandboxphysics.com/zh/stories/free-energy/well-tempered-metadynamics/)

## 来源与复算范围

例题与示意图是原创教学材料。数值切片在自建二维模型上复算指定估计方程，并与独立积分、PyMBAR 比较。最后一章阅读 MBAR 论文图 1，同时列明本次计算没有包含的实验材料。

[模型定义、脚本与数值记录](https://github.com/yangzichao/sandboxphysics/tree/main/docs/frontier/fr15)

1. [PLUMED Masterclass 21.2, Statistical errors in MD (documentation v2.9)](https://www.plumed.org/doc-v2.9/user-doc/html/masterclass-21-2.html)

   核读 Background 与练习 2、7–9：边缘概率、相关样本、分块和 bootstrap。原教程说明练习使用 PLUMED 2.7.0；本课程另行定义二维模型。

2. [Michael R. Shirts and John D. Chodera, Statistically optimal analysis of samples from multiple equilibrium states, J. Chem. Phys. 129, 124105 (2008)](https://arxiv.org/abs/0801.1426v3)

   冻结 arXiv v3。核读第二至四节、式 (9)、(11)–(14)、第五节图 1 与附录 A–C。复算范围是自建模型上的平衡估计方程；图 1 用于读图教学，未复现 DNA 发夹轨迹或图中数值。