测量不确定度评定（培训讲义）.DOCVIP

测量不确定度评定（培训讲义） 第一部分 预备知识 测量不确定度平定的本质 测量不确定度评定上将测量结果或测量误差作为随机变量，研究分析其统计规律，并计算它的范围的一项活动。 随机试验和随机变量 在不变的条件下重复地进行多次试验，所观测到的结果具有很大的不确定度，称为随机试验。生活中典型的随机试验：抛硬币、掷筛子（离散型）、打靶（连续型）。 随机试验的结果量化，即为随机变量。随机变量有离散型和连续型的。 单个的随机变量是无规律的，大量的随机变量是有规律的——统计规律。 抽样过程、检测过程都是随机试验 概率、概率密度、概率密度函数 4.1概率：是在随机试验中出现的某一事件的频次、机会、可能性，如抛硬币，出现正面向上的可能性为50﹪，即概率为50﹪。人口普查时，10~15岁的少年占总人口的30﹪，即10~15岁少年出现的概率约为30﹪。概率总是与随机变量的区间相联系的，对给定了置信区间或统计包含区间的概率为置信概率。 4.2概率密度：可以简单地理解为：在随机试验中单位随机变量所出现的概率。例如：人口普查中，如果以1岁为一个年龄段的话，某个年龄段（如15岁）的人所占的比例即为该年龄段的概率密度。概率、密度=变量在某个区间的概率/变量的区间 4.3概率密度函数 在随机试验中，概率密度不是一个恒定的值，对于每一个随机变量的值，都可能有一个不同的概率密度。还比如人口普查，15岁的人和70岁的人的概率密度是不同的。概率密度和随机变量之间存在着某种函数关系，叫概率密度函数，也叫随机变量的分布函数（简称分布）。可以用一个数学式和一条曲线来表示： P=f(x) 几种常见的分布：（图形略） 5.1正态分布 5.2三角分布 5.3梯形分布 5.4矩形（均匀）分布 5.5反正弦分布 5.6两点分布 5.7投影分布 5.8 t分布(当n趋于无穷大时，t分布趋于正态分布) 随机变量的特征值和特征值的估计算 学习和应用测量不确定度知识时要有两个非常清楚的意识： ①单个随机变量是没有规律的，但是大量的随机变量的集合是有规律的——统计规律。反映随机变量统计规律的值——特征值； ②人们希望通过样本的统计特征值来反映总体的特征值，但是必须注意：样本的统计特征值只是总体特征值的近似估计，而不能完全代替。 6.1数学期望u 数学期望就是总体的平均值，是一个极限值u。u的样本估计量是样本的平均值 ， 是u的无偏估计（当抽样次数达到无穷大的时候，均值=u） 6.2方差：表示测量结果相对于数学期望的分散程度。如果以各测量值与期望的差（残差）直接表示这种分散性，由于残差正负相消，残差的和为零，无法反映这种分散性，所以采用残差的平方和的形式，即方差。总体方差和样本方差。 6.3标准偏差 由于方差的量纲与测量值不同，因此采用方差的平方根，称为标准偏差。样本标准方差的公式又叫贝塞尔公式，是测量不确定评定中所要用到的很重要的公式。 6.4标准偏差的几何意义 标准偏差是分布函数曲线横坐标的某个特定位置（随即变量的某个特征值）。标准偏差反映分布曲线起决定作用部分的宽度，反映随机变量的分散性。标准偏差越小，分布曲线越陡，随机变量的分散性越小；标准偏差越大，分布曲线越平缓，随机变量的分散性越大。 6.5包含因子 包含因子是标准偏差的倍数。当标准偏差乘以某个包含因子时，就意味着整个分布曲线下的面积（概率P=1）都被覆盖了，或者覆盖了大部分。包含因子也称覆盖因子，扩展因子，其定义是：为求得扩展不确定度，对合成标准不确定度所乘之数字因子。 所运用到的几个基础的数学知识 7.1两个量的和与差的平方公式（略） 7.2连续求和的公式（略） 7.3相对值与绝对值的转换 相对值可用脚标rel或r来表示。绝对值不用加角标，一般情况下也不加定语“绝对”，除非刻意强调与相对值区别。 如urel=u(x)/x的均值 7.4幂函数 y=xp ,式中P为常数，称为变量的幂指数。 7.5线性 幂指数为1的幂函数为线性函数。 第二部分 基础知识 测量结果的质量 检测或校准实验室用测量数据判定被测或被校准对象的质量，但测量数据的质量用什么来判定呢？最初是用测量误差。 1.1测量误差的定义：测量误差=测量结果-真值 由于真值往往是不知道的，或者是很难知道的，所以测量误差也很难知道，测量误差的定义尽管是严格的正确的，能反映测量的质量和水平，但可操作性不强。 1.2测量不确定度是测量结果质量和水平的科学表达 测量不确定度最初的定义： 由测量结果给出的被测量估计值的可能误差的度量 表征被测量的真值所处范围的评定 测量不确定度实质上就是对真值所处范围的评定，也是对测量误差可能大小的评定、也是对测量结果不能肯定的程度的评定。 测量不确定度新的定义：与测量结果想联系的参数，表征合理地赋予被测量之值的分