Mikor indokolt az effektív szabadságfok számítása, hogyan hat a lefedettségi tényezőre, és mikor célszerű más módszert választani?
1. Miért van szükség effektív szabadságfokra?
Ha a kombinált standard bizonytalanság jelentős része korlátozott mintából becsült komponensekből származik, a normális eloszlásra épülő k≈2 közelítés túl optimista lehet. A Welch–Satterthwaite formula a komponensek bizonytalanságát és szabadságfokát egyetlen effektív szabadságfokká sűríti.
2. A közelítés szerkezete
Az alacsony szabadságfokú, nagy hozzájárulású komponensek csökkentik legerősebben az effektív szabadságfokot. Egy nagy, de gyakorlatilag végtelen szabadságfokú B-típusú tag nem feltétlenül teszi bizonytalanná a k tényezőt.
3. Lépések a gyakorlatban
Standardizálás
Minden komponens standard bizonytalanság formájában szerepeljen.
Hozzájárulások
Számítsa ki a cᵢu(xᵢ) kimeneti hozzájárulásokat.
Szabadságfokok
A-típusnál jellemzően n−1; B-típusnál csak indokolt becslés alkalmazható.
νeff számítása
Használja a negyedik hatványokat tartalmazó közelítést.
k kiválasztása
A kívánt lefedettséghez Student-eloszlás alapján válasszon tényezőt.
4. Korlátok és alternatívák
A képlet lineáris propagálási környezetben, közel normális kimeneti eloszlásnál használható jól. Erősen nemlineáris modell, aszimmetrikus eloszlás vagy több kimenet esetén a Monte Carlo módszer gyakran informatívabb. A szabadságfok mechanikus hozzárendelése B-típusú komponensekhez könnyen látszatpontosságot eredményez.
Elsődleges szakmai források
A cikk hivatalos metrológiai kiadványokra épül. A mindenkori hatályos szabvány és hivatalos kiadás az irányadó.
- JCGM 100:2008 — Guide to the Expression of Uncertainty in Measurement
A klasszikus GUM keretrendszer a standard bizonytalanság, a kombinálás és a lefedettség értékeléséhez. - JCGM GUM-1:2023 — Introduction to the GUM
A mérési bizonytalanság korszerű fogalmi és döntési kerete.