GUM法与MCM法的主要区别?比较两种评定方法的区别及各自的优缺点。

admin2019-03-31  50

问题 GUM法与MCM法的主要区别?比较两种评定方法的区别及各自的优缺点。

选项

答案GUM法与MCM法的主要区别在于:在GuM法中输入量的信息是其最佳估计值、标准不确定度、自由度和协方差。而在MCM法中,输入量的信息是输入量的概率密度函数;在GUM法中是通过不确定度传播律来确定输出量的合成标准不确定度,从而得到扩展不确定度。在MCM法中是采用蒙特卡洛法进行概率分布传播确定被测量的估计值、标准不确定度及包含区间。 GUM法: ①由多次测量的算术平均值作为被测量的最佳估计值y。 ②根据输入量Xi的有关信息评定其估计值xi的标准不确定度,包括A类和B类两种评定方法,得到输入量的标准不确定度。评定时要求输入量的概率分布是对称分布; ③要求测量模型是线性函数或近似线性或可转化为线性的函数。通过对测量模型求偏导数得到灵敏系数,由输入量的标准不确定度乘灵敏系数得到输出量的标准不确定度分量。必要时还要将模型按泰勒级数展开中的高阶项考虑进去,得到灵敏系数的近似值。 ④根据不确定度传播律,将各标准不确定度分量合成,合成时要考虑各分量间是否相关,若有相关情况,要计算它们的协方差; ⑤在假设输出量为正态分布时,用包含因子k乘合成标准不确定度uc得到扩展不确定度U,当取k=2时,包含概率约为95%左右。在假设输出量为t分布时,取kp=tp(v),用包含因子kp乘合成标准不确定度uc得到扩展不确定度Up; ⑥得到被测量值的包含区间为[y—U,y+U]或[y一Up,y+Up]。 MCM法: ①根据输入量Xi的有关信息,明确地对所有输入量Xi,设定其概率密度函数(PDF)。不需要评定标准不确定度分量,输入量的概率分布可以不是对称分布; ②对输入量的PDF进行随机抽样,通过模型计算来实现分布的传播。不需要用不确定度传播律进行不确定度分量合成,因此避免了求灵敏系数、协方差的麻烦,也无须计算有效自由度,测量模型可以是线性也可以是非线性的; ③由输出量的分布离散值求得被测量的估计值、标准不确定度以及设定包含概率的包含区间。不需要给出由包含因子求得的扩展不确定度,因此输出量的概率分布可以是任意形状的分布,可以是非对称分布。被测量的最佳估计值可以不在分布的中心,确定包含区间时无需包含因子。 ④用蒙特卡洛法评定测量不确定度时要进行大量的计算,通常试验次数M在106左右,必须使用相应的计算机软件进行。

解析
转载请注明原文地址:https://kaotiyun.com/show/JsvJ777K
0

最新回复(0)