测量不确定度初学者指南测量及测量不确定度.docx
《测量不确定度初学者指南测量及测量不确定度.docx》由会员分享，可在线阅读，更多相关《测量不确定度初学者指南测量及测量不确定度.docx（17页珍藏版）》请在冰豆网上搜索。
测量不确定度初学者指南测量及测量不确定度
测量不确定度初学者指南测量及测量不确定度
（一）
1．测量
1．1什么是测量？
测量告知我们关于某物的属性。
它可以告诉我们某物体有多重，或者有多热，或者有多
长。
测量就赋予这种属性一个数。
测量总是用某种仪器来实现的。
尺子、秒表、称重称，以及温度计都是测量仪器。
测量结果通常有两部分组成：
一个数和一个测量单位，例如"这有多长？
……2米"。
1．2什么不是测量？
有些过程看起来像是测量，然而并不是。
例如，两根绳子做比较，看那一根长些，这实际上就不是测量。
计数通常也不认为是测量。
检测（test）往往不是测量；检测通常要得出"是或非"的答案，或者"合格或不合格"的结果。
（但是，测量可以是检测的局部过程，逐而得出检测结果）。
2．测量不确定度
2．1什么是测量不确定度？
测量不确定度是对任何测量的结果存有怀疑。
你也许认为制作良好的尺子、钟表和温度计应该是可靠的，并应给出正确答案。
但对每一次测量，即使是最仔细的，总是会有怀疑的余量。
在日常说话中，这可以表述为"出入"，例如一根绳子可能2米长，由1cm的"出入"。
2．2测量不确定度的表述
由于对任何测量总是存在怀疑的余量，所以我们需要回答"余量有多大？
"和"怀疑有多差？
"这样，为了给不确定度定量实际上需要有两个数。
一个是该余量（或称区间）的宽度；另一个是置信概率，说明我们对"真值"在该余量范围内有多大把握。
例如：
我们可以说某棍子的长度测定为20厘米加或减1厘米，由95%的置信概率。
这结果可以写成：
20cm±1cm，置信概率为95%。
这个表述是说我们对棍子长度在19厘米到12厘米时间由95%的把握。
还有其他一些表述置信概率的方式，对此将在下文第7节中再说。
2．3误差与不确定度的比较
不要混淆术语"误差"和"不确定度"是很重要的。
误差：
是某待测物的测得值与"真值"之间的差。
不确定度：
是定量表示对测量结果的怀疑程度。
无论何时我们都可能试图去修正任何已知的误差，例如：
通过从校准证书得到的修正值。
但是我们并不知道其值的任何误差都是不确定度的来源。
2．4为什么测量不确定度是重要的
你也许对测量不确定度有兴趣仅仅是因为你希望要做质量好的测量，并要了解结果。
但是，还有其他一些更特殊的理由要考虑测量不确定度。
你也需要做测量作为下列工作的一部分：
●校准--必须在证书上报告测量不确定度。
●检测--需要测量不确定度来确定合格与否。
●允差--在你能确定是否符合允差以前，你需要知道不确定度。
……或者你可能需要阅读或了解校准证书或者检测或测量的书面技术规范。
测量不确定度初学者指南关于数字集合的基本统计学
（二）
3．关于数字集合的基本统计学
3．1"测量再而三，只为一剪子"…操作误差
工匠中间有一种说法，"测量再而三，只为一剪子"。
这意思是说，在着手工作以前通过两、三次核对测量，你就能减少工作中出错的风险。
事实上，任何测量至少进行三次是明智的做法。
若测量只进行一次，就意味着出错可能完完全被忽视了。
如果你做两次测量而两者并不一致，你仍然不会知道哪一个是"错"的。
但如果你做三次测量，切有两次彼此一致，而且第三个差很多，那么你就能怀疑这第三个测量结果。
所以，仅仅为了防止出大错，或叫操作误差，对任何测量至少进行三次就是明智的。
但是测量不确定度实际上并不是操作误差。
这是有对重复测量多次的其他重要理由。
3．2基本统计计算
从你的测量重，通过取多次读数并进行某些基本统计计算，你就能增加你所得到的信息量。
有两项最主要的统计计算，就是要求的一组数值的平均值或算术平均值，以及它们的标准偏差。
3．3获得最佳估计值--取多次读数的平均值
虽然重复测量给出不同结果，但你也许并没有做错什么。
这可能是由于进行的测量有自然变化。
（例如：
若你在野外测量风速，常常不会有稳定的值。
）或者，也可能因为你的测量器具没有工作在完全稳定状态。
（例如：
卷尺可能因拉紧情况不同而给出不同结果。
）
如果在重复读数时读数有变化，那么最好多次读数并取平均值。
平均值给你的是"真值"的估计值。
平均值和算术平均值通常是在符号上方加一短杠来表示，例如？
（#x短杠）就是x的平均值。
图以表示一组量值及其平均值图解说明。
例1则说明如何计算算术平均值。
图1"圆点图"说明一组实例值并标出了平均值
3．4你应该对多少次读数求平均
一般说来，你用的测量值越多，那么你得到的"真"值的估计值就越好。
理想的估计值应当无穷多数值集来求得平均值。
但增加读数要做额外的工作，而且会产?
quot;缩小回报"的效果。
什么是合理的次数呢？
10次是普遍选择的，因为这能是计算容易。
采取20次只比10次给出稍好的估计值，采用50次只比20次稍好。
根据经验通常取4至10次读数就够了。
3．5分散范围…标准偏差
在重复测量给出了不同结果时，我们就要了解这些读数分散范围有多宽。
量值的分散范围告诉了我们关于测量不确定度的情况。
通过了解这种分散范围有多大，我们就能着手判断这次测量或者组测量的质量如何。
有时候我们知道了最大值和最小值之间的范围就够了。
但是对一组少量的值，这就不可能给出关于最大值和最小值之间读数分散性的有用信息。
例如，一个很大的分布范围可能会由于单次读数而与其他读数差很多。
对分散范围定量的常见形式是标准偏差。
一个数集的标准偏差告诉我们各个读数代表性的与该组读数平均值差多少。
根据"经验"，全部读数大概有三分之二会落在平均值的加、减（±）一倍标准偏差范围内。
大概有全部读数的95%会落在两倍标准偏差范围内。
虽然这种"尺度"决非普遍适用，但应用广泛。
对标准偏差的"真"值只能从一组非常大量（无穷多）的读数来求得。
从适度个数的量值能够求得的只是标准偏差的估计值。
3．6计算估计的标准偏差
----------------------------------------------------------------------
例2表明如何计算标准偏差的估计值
例2计算一组数值的估计的标准偏差
单用笔和纸来算标准偏差是不方便的，但下例可以手算。
例如你有一组n次的读数（让我们用于上例同样的10次一组）
先求平均值：
该组读数如前例所泳：
16、19、18、16、17、19、20、15、17、13，平均值为17。
下一步求每个读数与平均值之差，即-1、+2、+1、-1、0、+2、+3、-2、0、-4。
对上面的数求平方值，即1、2、1、1、0、4、9、4、0、16
再下一步，求和并除以n-1（本例n为10，n-1为9）。
即
估计的标准偏差与通过对上面总数取平方跟求得，即s=4.441/2=2.1
（修约到小数点后一位）
测量不确定度初学者指南误差和不确定度来自何处？
（三）
4.误差和不确定度来自何处？
许多事物都会暗暗损及测量。
测量中的缺陷可能看的见，也可能看不见。
由于实际的测量决不会是在完美的条件下进行的，误差和不确定度可能来自下述多方面：
测量仪器（器具）--仪器可能遇到的误差包括：
偏移，由于老化、磨损或其他多种漂移而变化，读数不清晰，噪声（对电子仪器），以及其他许多问题。
被测物--被测物可能不稳定。
（设想在温暖的房间内试图测量立方冰块的尺寸）。
测量程序--测量本身就很难进行。
例如要测小的活体动物的重量要得到对象的配合就显得特别难。
目测对值是操作者的技巧。
观测者的移动会是目标好像在移动。
当有指针读取标尺时，这类"视差误差"就会发生。
"引入的"不确定度--你的仪器校准就有了不确定度，然后这就成为你做测量的不确定度中的一部分。
（但要记住不做校准的不确定度会更加糟）。
操作者的技巧--有些测量要靠操作者的技巧和判断。
在精细调整测量工作方面，或在用眼睛读取精细得分度方面，有的人可能会比别的人做的更好。
有的仪器的使用，如秒表，有赖于操作者的反应时间。
（但是，犯粗大错误是另外的事，这并不是造成不确定度的原因）
采样问题--你做的测量必须完全代表你想要评估的工序特点。
如果你想要知道工作台的温度，就不能用放置在靠近空调出口墙上的温度计去测量。
如果你要在生产线上选区样品去测量，就不要总是取周一早上制造的头10件产品。
环境--温度、气压、湿度及许多其他环境条件都可能影响测量仪器或被测物。
在知道误差大小和效果的场合（如从校准证书得知），就可对测量结果做修正。
但一般来说，每一个从上述来源和其他来源的不确定度都是贡献给测量总不确定度的单个"输入分量"。
测量不确定度初学者指南任何测量中的不确定度一般类型（四）
5.任何测量中的不确定度一般类型
5．1随机的或系统的
在测量中产生不确定度的效应有两类：
随即效应--重复测量给出随机的不同结果。
如果是这样的话，那么你就做更多次测量，然后取平均值，通常你就可期望得到较佳估计值。
系统效应--对重复测量的每一次结果都有相同的影响（但是你可能分辨不出来）。
在这种情况下，只是靠重复测量你得不到额外的信息。
要估计系统效应产生的不确定度，就需要另外的一些方法，如不同的测量方法，或不同的计算方法。
5．2分布--误差的"形状"
一组数值的散布会取不同形式，或称概率分布。
5．2．1正态分布
在一组读数中，往往靠近平均值的读数值大体上比离平均值较远的要多。
这就是正态分布或称高斯分布的特征。
例如你对一大群男人检查多人身高，你就会看到这种分布，大部分人接近平均高度，极高或级矮的只是少数。
图2所示为一组接近正态分布的10个"随机"值。
图三所示为正态分布的示意图。
5．2．2均匀分布或矩形分布
当测量值非常平均的散布在最大值和最小值之间时，这就产生了矩形分布或称均匀分别。
例如，你检查雨点落在一根细而直的电话线上的情况，就会看到这种分布。
雨点落在任何部分的情况差不多都与其他部分一样。
图4表示一组接近矩形分布的10个"随机"值。
图5所示为矩形分布的示意图。
5．2．3其他分布
分布还会有其他形状，但较少见，例如三角分布、M形分布（双峰分布）、倾斜分布（不对称分布）等等。
5．3什么不是测量不确定度
操作人员失误就不是不确定度。
这一类都不应计入对不确定度的贡献。
这些都应通过仔细工作并检查工作来避免发生。
允差不是不确定度。
允差是对工艺或产品所选定的允许级限值。
（参见下文第10节，关于对技术规范的符合性）
技术条件不是不确定度。
技术条件告诉的是对产品你可以期望什么。
技术条件可能又很宽的范围，包?
quot;非技术"的质量项目，比如它的外观。
（参见下文第10节）
准确度（或者不如叫不准确度）同样不是不确定度。
遗憾的是这些词的使用常被混淆。
确切的说，"准确度"是一个定性的术语（如你可能说，测量是"准确"的或"不准确"的）。
不确定度则是个定量的术语。
当引用了"±"符号时，就可称其为不确定度，但不会是准确度。
误差同样不是不确定度（虽然过去在词组中两词替换实用是很普遍的，像"误差分析"）。
参见前面在2.3节中的论述。
统计分析同样不是不确定度。
统计学可以用来得出各类结论，而这些结论本身并不告知我们任何关于不确定度的什么。
不确定度分析只是统计学的一种应用。
测量不确定度初学者指南如何计算不确定度及做不确定度计算前应该知道的一些事（五）
6．如何计算不确定度
要计算测量不确定度，首先必须识别测量中的不确定度来源。
然后你必须估计出每个来
源的不确定度大小。
最后把各个不确定度合成以给出总不确定度。
有一些明确规则用于评定各项不确定度的贡献，及如何将它们合成在一起。
6．1估计不确定度的两种方法
无论你的不确定度来源是什么，总有两种方法来估计他们：
"A类"评定和"B类"评
定。
对大部分测量情况，这两类不确定度评定都是需要的。
A类评定--用统计方法的不确定度估计（通常根据重复读数）。
B类评定--根据任何其他信息的不确定度估计。
这信息可能来自过去的测量经验，来自校准证书，来自生产厂的技术说明书，来自计算，来自出版物的信息，根据常识等等。
有一种迷惑的说法，认为"A类"是"随机"的，而"B类"是"系统"的，但这并不是必然正确的。
如何使用来自A类评定和B类评定的信息，将在后面阐述。
6．2评不确定度的八个主要步骤
评定测量总不确定度的主要步骤如下：
----------------------------------------------------------------------------------------------------1．确定你从测量需要的出什么。
为产生最终结果，要决定需要什么样的实际测量和计算。
2．实施所需要的测量。
3．估计供给最终结果的各输入量的不确定度。
要以相同的条件表示所有的不确定度。
（参见7.1节）
4．确定各输入量的误差是否彼此不相关。
如果你认为有相关的，那就需要某些额外的计算和信息。
（参见7.3节中的相关性）
5．计算你的测量结果（包括像校准等事的已知修正值）
6．根据所有各个方面情况求合成标准不确定度。
（参见7.2节）
7．用包含因子（参见7.4节），与不确定度范围的大小一起，表述不确定度，并说明置信概率。
8．写下测量结果和不确定度，并说明你是如何得到它们的。
（参加8节）
----------------------------------------------------------------------------------------------------
这是总的概要程序。
在第9节内给出了实施这些步骤地一个例子。
7．你做不确定度计算前应该知道的其他一些事
不确定度分量在它们合成之前必须要以相同条件表示。
这样，就必须要在同样置信概率
下，以同样的单位给出所有不确定度。
7．1标准不确定度
所有有贡献的不确定度，都应以相同的置信概率并将它们换算称标准不确定度来表示。
标准不确定度是可以认为其大小为"正负一倍标准偏差"的范围。
标准不确定度告知了我们关于平均值的不确定度（不只是各个值的分散度）。
标准不确定度通常用符号u（小写u）或u（y）（y的标准不确定度）来表示。
7．1．1对A类评定计算标准不确定度
当取了一组若干个重复读数（对A类不确定度估计），则对该组值可计算出平均值，以及估计的标准偏差s。
据此，对平均值的估计的标准不确定度u按下式计算：
u=s/√n
式中，n是该组值的测量次数。
（平均值的标准不确定度在历史上也曾称作平均值的标准偏差，或平均值的标准误差。
）
7．1．2对B类评定计算标准不确定度
在信息比较欠缺的场合（在某些B类估计中），你也许只能估计不确定度的上限和下限。
然后你可能不得不假定每个值都以相同可能性落在上、下限之间的任何地方，也就是矩形分布或者均匀分布。
对矩形分布的标准不确定度由下式来求：
a/√3
式中a是上下限与下限之间的半区间（或者称半宽度）。
矩形分布或均晕分布的出现是十分常见的，但是如果你有充分理由认为是某个其它分布，那么你就应该分布做计算。
例如，你可以假设从测量仪器的校准证书中"引入"的不确定度是正态分布。
7．1．3把不确定度从一个单位换算称其它单位
在各不确定度分量合成以前，它们必须是相同单位的。
常言道，你不能"拿苹果与梨比"。
例如，做长度测量，最终还是用长度来表述测量不确定度。
有一项不确定度来源可能是室温的变化。
虽然这项不确定度的来源是温度，但效应是用长度来表示的，并必须用长度单位来计算它。
你要是知道对被测材料温度每升高一度就膨胀0.1%。
在这样情况下，对一根100cm长的材料，如果温度的不确定度为2摄氏度，长度的不确定度就是±0.2cm。
一旦标准不确定度都用一致的单位表示，就可用下述技巧之一来求合成不确定度。
7．2合成标准不确定度
由A类或B类评定所计算的的多个标准不确定度可以用"平方和法"（众所周知的"方和根法"）有效地进行合成。
这样合成的结果成为合成标准不确定度，用uc和uc（y）表示。
在用加减法就得到测量结果的场合，平方和法是最简便的。
下文还将涉及测量值的乘除关系和其它函数关系方面的较复杂的情况。
7．2．1对加、减关系的平方和法
测量结果是一些列被测量值之和（或相加或相减）的情况是最简单的。
举例来说，你可能需要求得由不同宽度围墙壁围成围墙的总长度。
如果每块围墙壁长度的标准不确定度（以米为单位）由a、b、c等等给定，那么就可通过对多不确定度乘方，再将它们加在一起，然后对总和取平方跟，来求得总围墙的合成标准不确定度（以米为单位）。
即
合成不确定度=
7．2．2对乘、除关系的平方和法
对有的较复杂情况，用相对不确定度或分数表示的不确定度来简化计算工作可能是有效的。
例如，你可能需要对一块矩形地毯通过其长度L乘以宽度W来求得它的面积A（即A=LXW）。
地毯面积的相对不确定度或分数不确定度可以根据长度和宽度的分数不确定度求得。
对具有不确定度u（L）的长度L，相对不确定度为u（L）/L。
对宽度W，则相对不确定度为u（W）/W。
那么面积的相对不确定度u（A）/A由下式给出：
对由三个因素相乘得到测量结果的情况，式（5）就由三个这样的平方项，依此类推。
对于测量结果是两个值的商（即一个数除以另一个书，如长度除以宽度）的情况，也能用这个公式（完全相同形式）。
换句话说，这种公式形式包容了所有乘或除的情况。
7．2．3对更复杂函数的平方和法
在最终测量结果的计算中对某值乘方（如Z2）的场合，那么对乘方分量的相对不确定度用下式表示：
对测量结果的部分计算是平方根（如？
）的地方，那么对该分量的相对不确定度用下式表示：
当然，有些测量是用由加、减、乘、除等等复合形式的关系式来处理的。
例如：
你可能测量的是电阻R和电压V，然后用下列关系式计算形成功率P的结果：
在这种情况下，功率值的相对不确定度u（P）/P由下式给出：
一般而言，对多步的计算，也可以每一步采用加法、乘法等相应的形式，分多部队标准不确定度乘方合成处理。
对复杂公式的标准不确定度合成在其它文献中有更完整的讨论（例如UKAS出版物M3003）。
7．3相关性
在以上7.2节中用来计算合成标准不确定度的关系式，如果输入量的标准不确定度都不是相互有关系或者说不相关，那才是正确的。
这意味着我们通常必须要问是否所有的不确定度分量都是独立的。
一个输入量的大误差会造成另一输入量的大误差吗？
某些外界的影响，如温度，会同是对不确定度的几个方面有明显的相似影响吗？
通常多个误差都是独立的。
但如果他们不独立，那么就需要做额外的计算。
这些就不在本"初学者指南"中详述了，但可在16节中所列的某些阅读材料中找到。
7．4包含因子k
为了求得合成标准不确定度，同意的换算了不确定度分量，然后我们还会要在换算测量结果。
合成标准不确定度可被看作相当于"一倍的标准偏差"，但我们还会希望具有在另外置信概率下，（如95%）表述的总不确定度。
可以用包含因子k来做这种再估计。
用包含因子k乘以合成标准不确定度uC所给出的结果称为扩展不确定度，通常用符号U表示，即
包含因子的特定值就给出了对扩展不确定度的特定置信概率。
最常见到，我们是用包含因子k=2来估计总不确定度，给出的置信概率约为95%。
（如果合成标准不确定度是正态分布，那么k=2是正确的。
通常这是一种合理假定，但对它的推论其它出处有解释，参见16节所列资料）
几个其它包含因子（对正态分布）为：
k=1置信概率约为68%
k=2.58置信概率约为99%
k=3置信概率约为99.7%
其它不常见的分布形状具有不同的包含因子。
反之，凡是引用了具有给定包含因子的扩展不确定度的地方，你就可用反向程序求得标准不确定度，即除以相应的包含因子。
（这是求得合成标准不确定度的基础，如7.1.1和7.1.2节所示）这个意思是说，从校准证书上给出扩展不确定度如果表述正确，那么就可"解"出标准不确定度。
测量不确定度初学者指南如何表述测量答案举例说明不确定度的基本算法（六）
8．如何表述测量答案
表述测量答案是重要的，以便阅读者可以使用这个信息。
要注意的主要事项有：
●测量结果要与不确定度值一起表述，例如"棍子长度为20cm±1cm"。
●对包含因子和置信概率作说明。
推荐的说法为：
"报告的不确定度是根据标准不确定度乘以包含因子k=2，提供的置信概率约为95%"。
●不确定度是如何估计的（你可以参考有阐述此法的出版物，如UKAS出版物M3003）。
9．举例--不确定度的基本算法
以下举的是一个简单的不确定度分析例子。
例子太详细并不显示，不过这意思是说简单有清晰的例子足以说明方法了。
首先是阐述测量和不确定度分析。
其次吧不确定度分析表示在一张表格上（"填表模省?
"或"不确定度汇总表"）
9．1测量--一根绳子有多长？
假定你要仔细估计一根绳子的长度，按照6.2节所列步骤，过程如下。
---------------------------------------------------------------------------------------------------
例3计算一根绳子长度的不确定度
步骤一：
确定你从你的测量中需要得到的是什么，为产生最终结果，要决定需要什么样
的实际测量和计算。
你要测量长度而使卷尺。
除了在卷尺上的实际长度读数外，你也许有必要考虑：
●卷尺的可能误差
◇卷尺是否需要修正或者是否有了表明其正确读数的校准
◇那么校准的不确定度是多少？
◇卷尺易于拉长吗？
◇可能因弯曲而使其缩短吗？
从它校准以来，它会改变多少？
◇分辨力是多少？
即卷尺上得分度值是多少？
（如mm）
●由于被测对象的可能误差
◇绳子伸直了吗？
欠直还是过直？
◇通常的温度或湿度（或任何其它因素）会影响其实际长度吗？
◇绳的两端是界限清晰的，还是两端是破损的？
●由于测量过程和测量人员的可能误差
◇绳的起始端玉娟尺的起始端你能对的有多齐？
◇卷尺能放的与绳子完全平行吗？
◇测量如何能重复？
◇你还能想到其它问题吗？
步骤2：
实施所需要的测量。
你实施并纪录你的长度测量。
为了格外充分，你进行重复测量总计10次，每一次都重新对准卷尺（实际上也许并不十分合理）。
让我们假设你计算的平均值为5.017米，估计的标准不确定度为0.0021m（即2.1mm）。
对于仔细测量你还可以记录：
◇你在什么时间测量的
◇你是如何测的，如沿着地面还是竖直的，卷尺反向测量与否，以及你如何使卷尺对准绳子的其它详细情况
◇你使用的是哪一个卷尺
◇环境条件（如果你认为会影响你测量结果的那些条件）
◇其它可能相关的事项
步骤3：
估计供给最终结果的各输入量的不确定度。
以同类项（标准不确定度）表述所有的不确定度。
你要检查所有的不确定度可能来源，并估计其每一项大小。
假定是这样的情况：
◇卷尺已校准过。
虽然它没有修正必要，但校准不确定度是读数的0.1%，包含因子k=2（对正态分布）。
在此情况下，5.017m的0.1%接近5mm。
再除以2就给出标准不确定度（k=2）为u=2.55mm。
◇卷尺上得分度值为毫米。
靠近分度线的读数给出的误差不大于±0.5mm。
我们可以取其为均匀分布的不确定度（真值读数可能处在1mm间隔内的任何地方--即±0.5mm）。
为求的标准不确定度u，我们将半宽（0.5mm）除以根号3，得到近似值u=0.3mm。
◇卷尺处于伸直状态，假定绳子不可避免地有一点点弯。
所以测量很可能偏低估计绳子的长度。
假定偏低估计约为0.2%。
这就是说，我们应该用加上0.2%（即10mm）来修正测量结果。
由于缺少更合适的信息，就假设不确定度是均匀分布。
用不确定的半宽（10mm）除以根号3，得出标准不
升级会员 