Mikor megbízható az elsőrendű bizonytalanságterjedés, hogyan ismerhető fel a görbület hatása, és mikor kell magasabb rendű vagy Monte Carlo-megoldás?
1. Mit tesz a GUM elsőrendű közelítése?
A klasszikus bizonytalanságterjedési törvény a mérési modellt a bemeneti becslések környezetében elsőrendű Taylor-sorral közelíti. Ez akkor működik jól, ha a bemeneti eloszlások által lefedett tartományban a modell közel lineáris, a kimeneti eloszlás nem erősen ferde, és a becslés nincs határ vagy szingularitás közelében.
2. A linearizálás elégtelenségének jelei
- a kimeneti becslés és a bemeneti várható értékekből számított f(x) érzékelhetően eltér;
- a pozitív és negatív perturbációra adott válasz aszimmetrikus;
- a relatív bizonytalanság nagy, miközben a modell reciprokot, exponenciálist vagy hatványt tartalmaz;
- a kimenet fizikailag korlátozott, például csak pozitív lehet;
- a Monte Carlo-eloszlás ferde, többmódusú vagy levágott.
3. Másodrendű hatások
A görbület nemcsak a varianciát módosíthatja, hanem a kimeneti várható értéket is eltolhatja. Ezért nem mindig helyes a mérési eredmény becslését egyszerűen a bemeneti becslések modellbe helyettesítésével meghatározni.
4. Gyakorlati diagnosztika
Skálázott perturbáció
Vizsgáljuk a modellválaszt ±u és ±2u elmozdításoknál.
Lineáris–Monte Carlo összevetés
Hasonlítsuk össze a becslést, standard bizonytalanságot és lefedettségi tartományt.
Eloszlásalak
Vizsgáljuk a ferdeséget, kvantiliseket és fizikai határokat.
Numerikus stabilitás
Ellenőrizzük a kódot szélső, de lehetséges bemeneteknél.
5. Példa: reciprok modell
Ha Y=1/X és X relatív bizonytalansága elhanyagolhatóan kicsi, az elsőrendű közelítés megfelelő lehet. Nagyobb relatív bizonytalanságnál azonban a pozitív és negatív irányú változások nem szimmetrikusak, a kimeneti eloszlás jobbra ferde, és a középső 95%-os tartomány nem írható le megbízhatóan y±k·u(y) alakban.
Elsődleges szakmai források
A normatív vagy hivatalos szöveg mindenkori hatályos kiadása az irányadó. A cikk a források szakmai értelmezése, nem azok helyettesítője.
- JCGM 100:2008 — Guide to the Expression of Uncertainty in Measurement
A standard bizonytalanság, a kovariancia, a linearizált bizonytalanságterjedés és a kibővített bizonytalanság alapdokumentuma. - JCGM GUM-6:2020 — Developing and using measurement models
Részletes útmutató mérési modellek kialakításához, validálásához, számítógépes megvalósításához és dokumentálásához. - JCGM 101:2008 — Propagation of distributions using a Monte Carlo method
A bemeneti eloszlások mérési modellen keresztüli terjesztésének és a Monte Carlo-módszer alkalmazásának hivatalos útmutatója.