ГОСТ ISO Guide 35—2015
- на исследовании их распределений с использованием подходящих процедур оценки (например,
оценки Кернеля) или
- расчете подходящих алгоритмов оценки, следуя принципам, изложенным в ИСО 3534 (расчет
моментов).
Другие распределения, обычно используемые для количественного определения вкладов нео
пределенности. также симметричные, как. например, прямоугольное или треугольное распределение
(см. также GUM).
Подходы, данные в 10.5 и 10.6. всегда относятся к нормальному распределению данных (за ис
ключением случаев, касающихся оценки вкладов неопределенности по типу В), по этой причине могут
быть необходимы испытания имеющихся наборов данных на нормальность для обоснования выбран
ного подхода.
Если большинство результатов образуют две или более групп, то можно сделать вывод об отсут
ствии согласованности результатов методов/лабораторий. Необходимо рассмотреть следующие воз
можности:
a) если между этими группами и измерительными процедурами присутствует корреляция и если
расхождение между средними этих групп статистически и физически значимо, тогда единое значение
параметра отсутствует: в этом случае для решения проблемы необходимо улучшение измерительных
процедур:
b
) если между этими группами и измерительными процедурами корреляция отсутствует и если
расхождение между этими группами статистически и физически значимо, то может потребоваться бо
лее широкое объединение результатов для улучшения относительно неэффективных имеющихся ме
тодов измерений.
Незначительные расхождения между результатами от разных методов могут быть устранены
путем введения дополнительной составляющей неопределенности, учитывающей этот аспект. О це
лесообразности этого подхода можно судить только после определения величины составляющей не
определенности и подтверждения соответствия полученной таким образом суммарной стандартной
неопределенности, связанной со значением параметра, критериям, установленным для сертификации
(аттестации). Существует несколько подходов к проблеме этой оценки. Полезное обсуждение предло
жено в (43).
Если большинство результатов образуют единую группу, можно сделать вывод об одновершинном
(унимодальном) распределении. Наиболее очевидной оценкой сертифицируемой (аттестуемой) харак
теристики является среднее значение результатов.
При одновершинном (унимодальном) распределении следует принять решение об обоснованно
сти допущения о нормальности. Это решение может быть основано на визуальном наблюдении ги
стограммы. на критерии нормальности либо на прошлом опыте рассмотрения вида распределения
результатов.
В некоторых случаях результаты могут быть преобразованы, для того чтобы их распределение
можно было аппроксимировать нормальным распределением. Некоторые наиболее часто применяе
мые преобразования включают логарифмическую, квадратичную и экспоненциальную формы.
Следует отметить, что для оценки значений параметров и их неопределенностей допущение о
функции распределения менее критично, чем для исследования на наличие выбросов. Но в связи с
тем. что большинство описательных статистик основано на нормальном распределении, рекоменду
ется проверить согласованность распределения данных с нормальным распределением или возмож
ность преобразования, позволяющего использовать статистические методы, допускающие нормальное
распределение данных.
10.4 Отбраковка данных
Независимо от формы представления наборы данных следует проверять визуально и графически
перед применением любой из процедур, описанных в 10.5 и 10.6. Любая выявленная аномалия должна
быть исследована на возможные тривиальные (ошибка при передаче, опечатка и т.д.) и нетривиальные
(сбой оборудования и т.д.) причины. При подтверждении ошибок и сбоев, соответствующие результаты
должны быть отвергнуты.
Кроме того, результаты должны быть проверены на наличие технически недопустимых резуль
татов. Технически недопустимые результаты обнаруживают, внимательно изучая отчеты об изме
рениях. Технически недопустимый результат необязательно является статистически недопустимым
38