测量不确定度评定培训讲演稿-经典.pptVIP

分布┈┈数据散布的“形状” 一组数值的散布会取不同的形式，或称为服从不同的 概率分布。 （1） 正态分布 在一组读数中，较多的读数值靠近平均值，少数读数 值离平均值较远。这就是正态分布或高斯分布的特征。 （2） t分布 是一般形式，而标准正态分布是其特殊形式，t(?)成 为正态分布的条件是自由度? ??。 （3） 均匀分布（矩形分布） 当测量值非常平均地散布在最大值和最小值之间的范 围内时，就产生了矩形分布或称为均匀分布。 （4） 其他分布 (2) 测量结果的主要影响因素是式(4.1)中的参数m，m1和m0，每个分支都有自己的贡献因素，它们包括影响结果(水分含量)的各种因素，这些因素的不确定度都明显地对分析结果有贡献。对各参数的影响因素用次分支表示，如图4.2所示。注意，有3个“校准”影响因素，3个“分辩力”影响因素，3个“重复性”影响因素，以及1个“(水分)残余含量”影响因素。 C 图4.2 对各种影响因素首次列表 m 分辩力 重复性 校准 灵敏度 线性 线性 灵敏度 分辩力 m1 残余含量 重复性 校准 m0 校准 线性 灵敏度 重复性 分辩力 * (3) 应用因果关系图的精简规则二，组合类似影响因素，将重复性因素组合在一起，而使每次称量的变异性均贡献给整个方法的重复实验所观测到的变异性，如图4.3所示。 C 图4.3 组合类似影响因素 m 分辩力 重复性 校准 灵敏度 线性 线性 灵敏度 分辩力 m1 残余含量 重复性 校准 m0 校准 线性 灵敏度 重复性 分辩力 重复性 * (4) 应用因果关系图的精简规则一，取消相互抵消的因素。因为m，m1和m0数值相近，而且在计算水分含量C时，分子(m?m1)和分母(m?m0)中天平灵敏度相互抵消了，可以除去，如图4.4所示 。 C 图4.4 取消相互抵消的影响因素 重复性 m 分辩力 校准 线性 灵敏度 m0 校准 线性 分辩力 灵敏度 线性 分辩力 m1 残余含量 校准 灵敏度 * (5) 最后，给出各种影响因素的最终列表，如图 4.5所示 。 C 图4.5 各种影响因素的最终列表 m 分辩力 校准 线性 线性 分辩力 m1 残余含量 校准 m0 校准 线性 分辩力 重复性 * 不确定度评定实例 6 直线回归计算 及其测量不确定度 * 1. 直线回归方程和相关系数的计算 理化分析测试常用仪器分析法，且大多数仪 器分析法都是相对分析法。因此，在分析试样时， 要求先用标准物质绘制标准曲线（工作曲线）， 才能测定试样中的被测物含量。其中直线回归是 最常用且最简单的一种。用实验数据拟合直线， 要求所观测的点与线上相应点的垂直距离之差的 平方和最小，即最小二乘法。呈直线的标准曲线 用下式表示： (1) 式中b是直线的斜率（回归系数），a是截距。各 实验数据点可表示为（xi，yi）i=1,2,…,N。 * 1. 直线回归方程和相关系数的计算 用以下各式分别计算斜率b、截距a和相关系数r： 1.1 斜率 (2) 1.2 截距 (3) 1.3 相关系数 (4) * 1. 直线回归方程和相关系数的计算 以上各式中， 是x值的平均值， 是y值的平均值。 相关系数r的绝对值通常大于0.99而很少小于0.90。相关 系数r接近于＋1和－1时，一般应给出三位以上的有效 数字。 1.4 y对x的回归直线 用计算得到的斜率和截距绘制的直线就是拟合得到 的最佳直线，称为y对x的回归直线。显然，实验中测得 的各实验点（xi，yi）并不完全落在该回归直线上，除 非相关系数r＝1。y对x的回归直线可表示为： (5) * 【例1】 用分光光度法在某一波长下测定一系列的被 测物品标准溶液，被测物品的浓度x和吸光度y如表1中 第2栏和第3栏所示。求回归直线方程和相关系数r。 为便于计算，将有关中间计算结果列于表1中。 用式（2）和表1的数据计算斜率b： * 表1 分光光度法实验数据和回归直线中间计算结果 i x y 1 0 0.021 -6 36 -0.110 0.0