Вот этот пример

может будет понятен всем:
Пусть в качестве измеряемого параметра - давление какой-то среды. Есть мешающий фактор - температура этой среды (пусть будет достаточно большой диапазон изменения температуры от -30 до +40 град. Цельсия). Для выполнения измерений имеются датчики давления и температуры (с
основной погрешностью преобразования 0.5 % и 0.1 %, соответственно). К сожалению

(по условиям задачи

), выходной сигнал датчика давления зависит от значения температуры окружающей среды.
В системе измерения требуется в реальном времени измерять показания датчиков и рассчитывать физическое значение давления, скорректированное по температуре с погрешностью 1% (или стремится обеспечить более лучшую погрешность, в идеале 0.5%).
Известны способы термокоррекции, в которых каким-то образом описывается семейство градуировочных характеристик P=f(N,T), где P-давление, N - код канала давления, Т - температура (или код канала температуры). Это могут быть и использование интерполяц. таблиц, и вычисление по аппроксимирующему полиному, и решение системы уравнений (при совокупном методе измерений).
Реализация способа термокоррекции - это вычислительный процесс. А математики утверждают
Цитата
Если вычислительный процесс использует неточные исходные данные, то результаты вычислений - неточные. Погрешность на выходе, в общем случае, всегда больше погрешностей исходных данных, так как в ходе вычислений исходные погрешности
трансформируются (этот термин определен и в математике, и в наших стандартах

)
Перед разработчиком системы измерения стоит задача не только оценки трансформированной погрешности (его способов тремокоррекции), но и уменьшения самой погрешности (в идеале приблизить к 0.5%), не меняя средств измерения (датчиков давления и температуры). Так вот - можно ли при этом использовать традиционную математику? Или все-таки использовать ее "современные" направления (конечно в кавычках, так как это уже давно присутстсвует в науке). В частности - использовать интервальные вычисления.
Добавлю, что на практике, задача усложняется еще тем, что семейства градуировочных характеристик получены, чаще всего, экспериментальным путем (с помощью экспериментальной градуировки измерительных каналов). Т.е. погрешности исходных данных присутствуют еще и в самих семействах (или их аппроксимаций).
Вот такой пример

, как то вскрывающий проблемы.