Wir haben 306 Einheits-Umrechnungen eine Million Mal hin und her gerechnet. Hier ist die Genauigkeit, die du wirklich verlierst.

Jede Einheits-Umrechnung auf dem Web läuft auf IEEE 754 doppelter Genauigkeit Gleitpunkt — das gleiche 64-Bit-Zahlen-Format JavaScript, Tabellenkalkulationen und die meisten Rechner verwenden. Es ist auf etwa 15–16 bedeutsame Ziffern genau, aber es ist nicht unendlich präzise: Die meisten Dezimal-Bruchzahlen können nicht genau in binärem speichert werden. Das wirft eine natürliche Frage auf. Wenn du eine Zahl von einer Einheit zu einer anderen und zurück umrechnest, erhältst du die Original-Zahl? Und wenn du es wieder machst, und wieder — häuft sich der Fehler auf?

Wir testeten es umfassend. Für alle 306 Core-Umrechnungs- Paare in Convertitives Katalog (jede Kategorie außer Temperatur, die eine Offset-Umrechnung ist statt eine reine Verhältnis-Umrechnung), starteten wir bei dem Wert 1, rechneten vorwärts und zurück um, und wiederholten den Round-Trip eine Million Mal. Dann maßen wir, wie weit das Ergebnis von 1 driftete.

Befund 1: 88% der Umrechnungen driften überhaupt nie

Von den 306 Paaren kehrten 270 (88,2%) nach einer Million Round-Trips genau zu 1 zurück — Bit-für-Bit identisch, Null- Fehler. Das sind die Paare, deren Einheits-zu-Einheits-Verhältnis genau in binärem Gleitpunkt darstellbar ist, daher ist jede Umrechnung perfekt reversibel, egal wie oft du sie wiederholst.

Das ist ein stärkeres Ergebnis, als die meisten Menschen erwarten. Die Intuition, dass „Gleitpunkt-Fehler sich immer aufbauen“, ist einfach falsch für die Mehrheit echter Umrechnungen.

Befund 2: Auch der schlimmste Fall bleibt auf 15 Ziffern genau

Die verbleibenden 36 Paare drifteten — aber um fast nichts. Hier sind die schlimmsten Übeltäter nach einer vollen Million Round-Trips:

Das einzeln schlimmste Paar, Meilen → Zoll, driftete um 1,78 × 10⁻¹⁵ — ungefähr zwei Teile in einer Billiarde, nach einer Million Round-Trips. Ein normaler Nutzer führt genau eine Umrechnung durch, wo der Fehler Millionen Male kleiner ist und weit unter der 15. bedeutsamen Ziffer sitzt. Praktisch ist das Ergebnis genau.

Befund 3: Welche Kategorien sind perfekt stabil

Drift clústert nach Kategorie, und das Muster wird vollständig erklärt, wie die Einheits-Definitionen in binärem Faktor:

Daten- und Volumen-Umrechnungen sind perfekt stabil — alle Paare runden verlustfrei. Daten-Einheiten sind Zwei- und Zehn- Potenzen, die binär sauber abhandelt; die Volumen-Einheiten in diesem Katalog teilen Faktoren, die genau abbrechen. Die Kategorien mit dem meisten Drift — Leistung und Geschwindigkeit — werden von Definitionen beherrscht wie Pferdestärke und Knoten, die irrationale- in-binäre Faktoren einziehen.

Warum das passiert

Doppelter Genauigkeit Gleitpunkt speichert 53 Bits Mantissa, Geben eine Maschinen-Epsilon von etwa 2,2 × 10⁻¹⁶ — die kleinste relative Lücke zwischen darstellbaren Zahlen in der Nähe von 1. Eine Umrechnung multipliziert durch ein Verhältnis von zwei Einheits-Faktoren. Wenn dieses Verhältnis eine exakte binäre Bruchzahl ist (oder die vorwärts- und rückwärts Faktoren brechen genau ab), ist der Round-Trip verlustfrei und Drift ist Null für immer. Wenn das Verhältnis nicht genau darstellbar ist — wie mit des Zolls 0.0254 m oder der Meile 1609.344 m — rundet jede Umrechnung zum nächsten darstellbaren Wert, hinterlässt einen Fehler auf der Ordnung eines Epsilon. Über eine Million Round-Trips nehmen diese Fehler einen langsamen random walk, weshalb auch der schlimmste Fall nur ein Paar Mal 10⁻¹⁵ erreicht.

Die praktische Konsequenz

Einheits-Umrechnung im Browser ist, für all praktischen Zwecke, genau. Der Fehler wird durch Maschinen-Epsilon begrenzt, er baut nicht bedeutsam im normalen Gebrauch auf, und er ist immer weit unter der Genauigkeit, die du jemals anzeigen würdest. Wenn du dich jemals gefragt hast, ob das Verketten von Umrechnungen durch ein Werkzeug leise deine Zahlen verdirbt — es macht nicht. Für das Gesamtbild, wie Convertitives Ergebnisse gegen autoritative Referenzwerte vergleichen, sieh die Converter-Genauigkeits-Studie und die Umrechnungs-Methodologie.

Methodologie

Für jedes geordnete Paar von Core-Einheiten (A, B) in einer Kategorie, rechneten wir v ← v × (factorA / factorB) dann v ← v × (factorB / factorA), startend von v = 1, 1.000.000 Mal wiederholt, und aufgezeichnet |v − 1|. Faktoren sind die exakten factorToBase Werte von Convertitives Einheits-Daten, abgeleitet von NIST SP 811. Alle Arithmetik ist IEEE 754 binary64 (Javascripts natürlicher Zahlen-Typ). Temperatur wurde ausgeschlossen, weil es eine affine Umrechnung ist (sie hat einen additiven Offset), keine reine Verhältnis-Umrechnung, daher das obige Round-Trip-Modell gilt nicht. Die Prozedur ist deterministisch: die gleichen Eingaben produzieren immer die gleichen hier gemeldeten Drift-Werte.