When first-order uncertainty propagation is reliable, how curvature effects can be detected, and when higher-order or Monte Carlo methods are required.
1. Mit tesz a GUM elsőrendű közelítése?
A klasszikus uncertaintyterjedési törvény a measurement modellt a bemeneti becslések környezetében elsőrendű Taylor-sorral közelíti. Ez akkor működik jól, ha a bemeneti distributionok által lefedett tartományban a modell közel lineáris, a kimeneti distribution nem erősen ferde, és a becslés nincs határ vagy szingularitás közelében.
2. A linearizálás elégtelenségének jelei
- a kimeneti becslés és a bemeneti várható valueekből számított f(x) érzékelhetően eltér;
- a pozitív és negatív perturbációra adott válasz aszimmetrikus;
- a relatív uncertainty nagy, miközben a modell reciprokot, exponenciálist vagy hatványt tartalmaz;
- a kimenet fizikailag korlátozott, for example csak pozitív lehet;
- a Monte Carlo-distribution ferde, többmódusú vagy levágott.
3. Másodrendű hatások
A görbület nemcsak a varianciát módosíthatja, hanem a kimeneti várható valueet is eltolhatja. Therefore nem mindig helyes a measurement result 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 uncertaintyot és lefedettségi tartományt.
Distributionalak
Vizsgáljuk a ferdeséget, kvantiliseket és fizikai határokat.
Numerikus stability
Ellenőrizzük a kódot szélső, de lehetséges bemeneteknél.
5. Példa: reciprok modell
Ha Y=1/X és X relatív uncertaintya elhanyagolhatóan kicsi, az elsőrendű közelítés conforming lehet. Nagyobb relatív uncertaintynál however a pozitív és negatív irányú változások nem szimmetrikusak, a kimeneti distribution jobbra ferde, és a középső 95%-os tartomány nem írható le megbízhatóan y±k·u(y) alakban.
Elsődleges szakmai sources
A normatív vagy hivatalos szöveg mindenkori hatályos kiadása az irányadó. A cikk a sources szakmai értelmezése, nem azok helyettesítője.
- JCGM 100:2008 — Guide to the Expression of Uncertainty in Measurement
A standard uncertainty, a kovariancia, a linearizált uncertaintyterjedés és a kibővített uncertainty alapdokumentuma. - JCGM GUM-6:2020 — Developing and using measurement models
Részletes útmutató measurement modellek kialakításához, validálásához, számítógépes megvalósításához és dokumentálásához. - JCGM 101:2008 — Propagation of distributions using a Monte Carlo method
A bemeneti distributionok measurement modellen keresztüli terjesztésének és a Monte Carlo-módszer applyásának hivatalos útmutatója.