幕雪

不确定度怎么算是什么？为什么算？哪里用？怎么算？算多少？如何表达？

在任何进行测量的领域，无论是科学研究、工业生产、贸易结算还是日常生活，一个测量结果的价值不仅仅在于它给出的数值本身，还在于我们对这个数值“可信赖程度”的了解。这种可信赖程度，正是由“测量不确定度”来表征的。

很多人听到“不确定度”可能会联想到“误差”。虽然两者有关联，但不确定度是一个更全面、更现代的概念，它不是指测量结果与“真值”之间的偏差（因为真值通常未知），而是指与测量结果关联的一个参数，用以表征合理赋予被测量之值的分散性。简单来说，不确定度告诉我们，真正的数值有多大的可能性落在测量结果附近的一个区间内。

不确定度：它是什么？

正如前文所述，测量不确定度不是简单的“错误”或“误差”。

  • 它不是一个单一的、固定的值： 不确定度是一个参数，通常以标准差或其倍数（扩展不确定度）的形式给出，代表了测量结果可能的分散范围。
  • 它量化了我们对测量结果的信心： 不确定度越小，说明测量结果越可靠，我们对被测量的真实值落在结果附近的信心越强。
  • 它来源于多种因素： 几乎测量过程中的每一个环节都可能引入不确定度。

理解不确定度，就是理解测量结果的“质量”。一个没有给出不确定度的测量结果，在技术上往往是不完整的，难以进行有效的比较和判断。

为什么需要计算不确定度？

计算和报告测量不确定度并非为了让事情复杂化，而是出于一系列实际且重要的原因：

  • 结果比较： 要判断两次测量结果（即使数值相同）或不同地点、不同方法得到的测量结果是否一致，必须考虑它们各自的不确定度范围。如果两个结果的不确定度区间重叠，我们可能认为它们是一致的；如果区间不重叠，则可能表明存在显著差异或错误。
  • 评估符合性： 在质量控制、贸易结算等领域，测量结果需要与规范、标准或合同规定的限值进行比较。通过计算不确定度，我们可以判断测量结果是否“明确地”符合或不符合要求，或者结果落在“灰色地带”，需要采取进一步措施。
  • 过程改进： 通过识别并量化测量过程中的主要不确定度来源，我们可以更有针对性地改进测量方法、仪器或操作，从而降低总的不确定度，提高测量质量。
  • 确保溯源性： 测量不确定度是建立和声明测量结果具有国家或国际计量基准溯源性的关键组成部分。
  • 满足标准和法规要求： 许多行业标准（如 ISO 17025 实验室认可、ISO 9001 质量管理）和法规都强制要求评估和报告测量不确定度。

不确定度在哪里被计算和使用？

测量不确定度的计算和应用贯穿于需要高精度和可靠性测量的各个领域：

  • 校准实验室： 校准的核心任务是确定被校准仪器的示值误差及其不确定度。不确定度是校准证书上最重要的信息之一。
  • 检测和分析实验室： 无论是化学分析、物理性能测试还是生物检测，报告结果时往往需要附带其不确定度，特别是在涉及法规、标准或合同要求时。
  • 工业生产： 在生产过程中的质量控制、产品检测、关键参数监控等方面，了解测量不确定度有助于评估产品是否符合公差要求，优化生产过程。
  • 科学研究： 科学实验结果的可靠性很大程度上取决于其不确定度的评估。这对于验证理论、比较不同研究的结果至关重要。
  • 法定计量： 在涉及贸易、健康、安全、环境监测等领域的强制检定中，测量不确定度是评估测量仪器或方法是否满足法定要求的重要依据。
  • 工程和设计： 设计产品或系统时，需要考虑测量不确定度对性能或安全的影响，进行不确定度分析以确保稳健性。

不确定度是多少？（如何表达和理解其量值）

我们计算得到的不确定度通常以数值的形式表达，并附带单位，这个单位与被测量的单位相同。例如，测量长度的不确定度可能是 ±0.1 mm，测量温度的不确定度可能是 ±0.5 °C。

不确定度的量值表达有几种常见方式：

  • 标准不确定度 (Standard Uncertainty, u): 用标准差表示。它代表了测量结果的估计值与被测量的真值之间分散程度的度量。标准不确定度可以来自统计评定（A 类评定）或非统计评定（B 类评定）。
  • 合成标准不确定度 (Combined Standard Uncertainty, uc): 当测量结果由多个输入量得出时（即间接测量），需要将各个输入量的标准不确定度进行合成，得到输出量的标准不确定度。合成遵从不确定度传播定律。
  • 扩展不确定度 (Expanded Uncertainty, U): 这是最常用于报告测量结果的最终不确定度形式。它是合成标准不确定度乘以一个“包含因子”（Coverage Factor, k）得到：U = k * uc。
    扩展不确定度定义了一个区间，我们有较高的置信水平（通常是 95%）相信被测量的真值包含在这个区间内。最常用的包含因子 k=2，对应于大样本且呈正态分布时约 95.45% 的置信水平。在特定情况下（如小样本），包含因子 k 可能需要根据 t-分布确定。

因此，一个完整的测量结果报告通常是这样的形式：

被测量的值 = 测量结果 ± 扩展不确定度 (包含因子 k=…，置信水平约为 …%)

例如：长度 L = 100.52 ± 0.15 mm (k=2, 置信水平约为 95%)

这意味着根据本次测量及其不确定度分析，我们有大约 95% 的信心认为该长度的真值在 100.52 – 0.15 mm 到 100.52 + 0.15 mm 之间，即 [100.37 mm, 100.67 mm]。

不确定度怎么算？（详细的计算步骤）

计算测量不确定度是一个系统的过程，国际上通用的方法指南是《测量不确定度表示指南》（GUM, Guide to the Expression of Uncertainty in Measurement）。其核心思想是识别所有不确定度来源，分别量化它们的贡献（标准不确定度），然后以适当的方式合成为总的不确定度。

测量不确定度计算的通用步骤：

  1. 定义测量任务 (Specification of the Measurand): 清楚地定义要测量的物理量（被测量）以及测量是如何进行的（测量方法、程序）。这通常涉及建立一个“测量模型”，即一个数学公式，描述被测量 Y 如何由一系列输入量 X₁, X₂, …, Xₙ 决定：Y = f(X₁, X₂, …, Xₙ)。对于直接测量，可能 Y=X₁。
  2. 识别不确定度来源 (Identifying Uncertainty Sources): 详细分析整个测量过程，列出所有可能影响测量结果的因素。这些因素构成了不确定度的“源”。
  3. 量化各不确定度来源的贡献（评定标准不确定度）(Evaluating Standard Uncertainty): 对每一个识别出的不确定度来源，评估其对最终结果产生的标准不确定度 u(xᵢ)。这是计算的核心部分，分为 A 类评定和 B 类评定。
  4. 合成标准不确定度 (Calculating Combined Standard Uncertainty): 将各个输入量贡献的标准不确定度（u(xᵢ)）按照不确定度传播定律进行合成，得到最终结果 Y 的合成标准不确定度 uc(y)。
  5. 确定扩展不确定度 (Determining Expanded Uncertainty): 选择一个合适的包含因子 k，通常基于所需的置信水平和潜在的概率分布，计算扩展不确定度 U = k * uc(y)。
  6. 报告测量结果和不确定度 (Reporting the Result): 按照规范的格式报告测量结果、扩展不确定度、包含因子和置信水平。

步骤详解：

Step 2: 识别不确定度来源

这需要对测量过程有深入的了解。常见的不确定度来源包括：

  • 测量仪器： 仪器的校准、重复性、分辨率、漂移、校准引入的不确定度。
  • 参考标准/物质： 校准用到的标准器或标准物质本身的赋值不确定度。
  • 测量方法： 方法本身存在的偏差、不完善性、近似处理。
  • 操作者： 操作者的技能、经验、主观判断（如读数、对准）。
  • 环境因素： 温度、湿度、气压、振动、电磁干扰等偏离标准条件的影响。
  • 被测量本身： 被测量的定义不明确或随时间/空间变化（如测量一个不稳定物体的尺寸）。
  • 样本： 抽样过程的不确定性、样本不均匀性。

通常用“鱼骨图”或“原因与效应图”来系统性地梳理这些来源。

Step 3: 量化各不确定度来源（评定标准不确定度）

这是将定性分析转化为定量数值的关键。根据获取信息的方式，分为两类：

  • A 类评定 (Type A Evaluation): 通过对一系列重复观测结果进行统计分析来评定标准不确定度。
    如果重复测量了 n 次得到结果 x₁, x₂, …, xₙ，其平均值为 x̄，则单次测量结果的实验标准差为：
    s = √[∑(xᵢ – &x̄;)² / (n-1)]
    平均值 x̄ 的标准不确定度（即 A 类标准不确定度 uA）为：
    uA = s / √n
    这种方法假定变异主要由随机效应引起，且可以通过重复测量来估计其分布的离散程度。
  • B 类评定 (Type B Evaluation): 利用非统计方法评定标准不确定度。这通常基于已有的信息，如：
    • 校准证书中给出的不确定度。
    • 制造商提供的技术规范或手册中的精度等级。
    • 参考物质证书中的定值不确定度。
    • 以前的测量数据或经验。
    • 相关的手册、出版物。
    • 常识或专家的判断。

    B 类评定的关键是将这些信息转化为标准不确定度。这通常需要假设一个概率分布。最常见的假设分布及其对应的标准不确定度计算：

    • 正态分布 (Normal Distribution): 如果信息源（如校准证书）给出了扩展不确定度 Ucert 和包含因子 kcert，则对应的标准不确定度 uB = Ucert / kcert。如果假定一个量（如参考值）服从正态分布，且已知其近似范围 ±a（比如文献值），有时会假设 a 对应于某个置信水平下的区间，如 95% 置信水平，则 uB ≈ a / 2。
    • 均匀分布/矩形分布 (Rectangular/Uniform Distribution): 当只知道一个量的可能取值范围在 [+a, -a] 内，且在该范围内任何值出现的可能性相等时（例如，数字仪器末位读数的不确定度，其误差在 ±半个分辨率内），则标准不确定度 uB = a / √3。这里的 a 是半宽度。如果范围是总宽度 w，则 a = w/2，uB = (w/2) / √3 = w / (2√3)。
    • 三角分布 (Triangular Distribution): 当知道一个量的可能取值范围在 [+a, -a] 内，且最可能的值在中心（0），越靠近边界可能性越小，形成一个三角形分布时（例如，多个均匀分布源的叠加，或者对均匀分布的更保守估计），则标准不确定度 uB = a / √6。这里的 a 是半宽度。

    将所有不确定度分量都转化为标准不确定度 u(xᵢ) 是合成的基础。

Step 4: 合成标准不确定度

根据测量模型 Y = f(X₁, X₂, …, Xₙ)，将各个输入量 Xᵢ 的标准不确定度 u(xᵢ) 合成，得到输出量 Y 的合成标准不确定度 uc(y)。

对于相互独立的输入量，合成遵循“不确定度传播定律”（Law of Propagation of Uncertainty），通常使用方差的叠加：

uc²(y) = ∑ [ (∂f / ∂xᵢ)² * u²(xᵢ) ] + 2 * ∑ [ (∂f / ∂xᵢ) * (∂f / ∂xⱼ) * u(xᵢ, xⱼ) ]

其中，(∂f / ∂xᵢ) 是偏导数，称为敏感系数（Sensitivity Coefficient），表示输入量 Xᵢ 的微小变化对输出量 Y 的影响程度；u(xᵢ, xⱼ) 是协方差，用于处理输入量之间相关的情况。在许多实际应用中，输入量被假定为相互独立，协方差项为零。

对于常见的、相互独立的输入量组合，合成标准不确定度的计算公式简化为：

  • 加法或减法模型： 如果 Y = aX₁ + bX₂ + … + cXₙ （a, b, c 为常数），则
    uc²(y) = (a * u(x₁))² + (b * u(x₂))² + … + (c * u(xₙ))²
    例如，Y = X₁ + X₂ 或 Y = X₁ – X₂，则 uc²(y) = u²(x₁) + u²(x₂)。
  • 乘法或除法模型： 如果 Y = c * X₁ᵃ * X₂ᵇ * … * Xₙᶜ （c, a, b, c 为常数），则通常计算相对合成标准不确定度更方便：
    [uc(y) / |y|]² = [a * u(x₁) / |x₁|]² + [b * u(x₂) / |x₂|]² + … + [c * u(xₙ) / |xₙ|]²
    例如，Y = X₁ * X₂ 或 Y = X₁ / X₂，则 [uc(y) / |y|]² = [u(x₁) / |x₁|]² + [u(x₂) / |x₂|]²。然后 uc(y) = |y| * √([u(x₁) / |x₁|]² + [u(x₂) / |x₂|]²)。

对于更复杂的模型，需要计算偏导数作为敏感系数。

Step 5: 确定扩展不确定度

扩展不确定度 U = k * uc(y)。包含因子 k 的选择取决于所需的置信水平。在大多数计量领域，推荐使用 k=2，这在合成不确定度具有足够多的自由度且近似服从正态分布时，对应于约 95% 的置信水平。对于自由度较少的情况，可能需要根据 t-分布表查阅 t-值来确定 k。

Step 6: 报告结果

按照规定的格式报告，通常包括测量结果数值、扩展不确定度数值及其单位，以及使用的包含因子和对应的置信水平。例如：“(100.52 ± 0.15) mm, k=2”。

如何计算间接测量的不确定度？

很多时候，我们无法直接测量感兴趣的量 Y，而是通过测量其他几个量 X₁, X₂, …, Xₙ，然后通过一个已知的函数关系计算出 Y。这就是间接测量。

例如，测量一个矩形板的面积 A，我们不能直接测量面积，而是测量其长度 L 和宽度 W，然后用 A = L * W 计算得到面积。计算间接测量的不确定度正是 Step 4 中合成标准不确定度应用的典型场景。

对于 A = L * W 这个模型，假设 L 和 W 是相互独立测量的（它们的测量过程互不影响），我们已经分别评定出了 L 的标准不确定度 u(L) 和 W 的标准不确定度 u(W)。

根据乘法模型的合成不确定度公式：
[uc(A) / |A|]² = [u(L) / |L|]² + [u(W) / |W|]²

所以，合成标准不确定度 uc(A) = |A| * √([u(L) / |L|]² + [u(W) / |W|]²)。

如果 L 和 W 的平均测量值分别为 &L̄ 和 &W̄，则 A 的估计值 &Ā = &L̄ * &W̄。那么：

uc(A) = &L̄ * &W̄ * √([u(L) / &L̄]² + [u(W) / &W̄]²)

计算出 uc(A) 后，再乘以包含因子 k（通常取 k=2），得到面积测量的扩展不确定度 U(A) = k * uc(A)。

间接测量不确定度的计算核心在于建立正确的测量模型，识别所有输入量，评定每个输入量的标准不确定度，然后根据不确定度传播定律进行合成。

如何处理不确定度的“多少”问题？（解释和使用计算结果）

计算出扩展不确定度 U 后，它告诉我们测量结果周围存在一个区间 [测量结果 – U, 测量结果 + U]，我们有较高的置信水平相信真值落在这个区间内。

如何使用这个信息？

  • 与允差/规范比较： 如果某个量有规定的上限 Lupper 和下限 Llower (允差)，测量结果 x 的不确定度为 U。
    • 如果 x + U ≤ Lupper 且 x – U ≥ Llower，可以以高置信水平判断结果“符合”要求。
    • 如果 x – U > Lupper 或 x + U < Llower，可以以高置信水平判断结果“不符合”要求。
    • 如果部分不确定度区间超出了允差范围（即 x + U > Lupper 或 x – U < Llower，但结果本身可能在允差内），则结果落在判断的“灰色区域”，可能需要采取更严格的措施，比如增加测量次数、使用更精确的方法，或者根据预设的接收准则进行判决。仅仅结果数值在允差内，在考虑不确定度时可能不够充分。
  • 比较不同结果： 测量结果 A (xA ± UA) 和结果 B (xB ± UB) 是否显著不同？如果它们的扩展不确定度区间 [xA-UA, xA+UA] 和 [xB-UB, xB+UB] 大部分或完全不重叠，则可以认为这两个结果存在显著差异。如果区间重叠很多，则可能认为结果是一致的（在各自的不确定度范围内）。
  • 评估测量方法： 通过分析不同来源的不确定度贡献，可以发现哪些环节是主要的影响因素，从而指导优化测量过程。例如，如果发现仪器重复性是最大的不确定度来源，可能需要检查仪器状态或维护；如果环境温度影响最大，可能需要改进温控措施。

总之，计算不确定度是一个系统性的工程，需要扎实的计量学基础和对测量过程的深入理解。虽然初步接触可能觉得复杂，但掌握其方法对于提升测量结果的可靠性和价值至关重要。

精确的测量离不开对不确定度的量化，这是一个衡量测量结果质量的必备环节。

不确定度怎么算