ГОСТ ISO Guide 35—2015
Следует отметить, что эта матрица имеет размеры р на р, и она симметрична (т. е. верхний тре
угольник содержит те же элементы, что и нижний треугольник). Ковариация между каждой парой ла
бораторий оценивается путем поиска всех переменных величин, вовлеченных в расчет результата, и
идентификации общих величин. Для этого поиска не имеет значения, являются ли эти составляющие
общими для двух или большего числа лабораторий. Процесс попарного изучения любых существую
щих ковариаций позволяет во время его проведения не делать различия между неопределенностями
типа II и типа III (см. 10.7.1).
После установления ковариационной матрицы V(y) задача аппроксимации может быть определе
на как:
p(a) = ( y -X a ) V ’( y -X a ).(29)
Значение параметра может быть выражено как:
e - x ^ - C K ’ir у.
(30)
где
С =(ХГ1/’Х )"(31)
и его дисперсия — по формуле:
V(a) = С = ti2char.(32)
Существуют различные стабильные алгоритмы решения задачи подбора кривой, какдается урав
нением (29). Кроме того, необходимо сделать пояснение в отношении матрицы V. Эта матрица равна
/(у) при условии, что последняя содержит все составляющие неопределенности, относящиеся к сли
чению. Если это не так. то к V(y) необходимо добавить дополнительную ковариационную матрицу дис
персии. Построение такой матрицы аналогично построению V(y), при котором часто заполняется только
диагональ.
Представленный здесь метод является прямой реализацией описанной здесь модели. Он нико
им образом не является единственным методом [40]. [41]. Перед его использованием следует решить
проблему с выбросами (см. также 10.5.5). Аналогично следует критически рассмотреть заявленные не
определенности на их достоверность и при необходимости соответственно адаптировать схему зада
ния веса [42] (см. также 10.5.1). Известно, что ^-аппроксимация чувствительна к резко отклоняющимся
результатам, а также к проблемам с заданием весов.
10.8 Специальные вопросы
10.8.1 Оценивание данных с использованием дисперсионного анализа
Для подходов С. D и как часть подхода В можно использовать дисперсионный анализ (ANOVA)
как инструмент обработкиданных. ИспользованиеANOVA может быть, в частности, полезно при оценке
составляющих неопределенности, таких как однородность между экземплярами (см., например, 10.8.2
и А.2) или межлабораторное стандартное отклонение (см. А.З). В ином случае взамен этих стратегий
можно рассчитать среднее средних значений.
10.8.2 Подтверждение однородности в рамках межлабораторного исследования
Результаты межлабораторного исследования могут служить в качестве окончательного подтверж
дения однородности СО. Для этой цели выполняется двухфакторный иерархический план эксперимен
та. при котором используется pq испытуемых проб, р лабораторий и/или методов. Каждая лаборатория
определяет значение характеристики q испытуемых проб, выполняя л повторных определений на ис
пытуемую пробу (более подробную информацию об исследовании однородности см. раздел 7). Для вы
полнения требований дисперсионного анализа и соответствия его исходным допущениям важно строго
следовать этому плану эксперимента [20]. В разделе А.2 приведена необходимая статистика для рас чета
соответствующих дисперсий.
10.8.3 Суммарная стандартная неопределенность значения параметра
Для установления значения параметра можно разработать целый ряд программ, основанных на
серии измерений. Такое значение параметра представляет обычно некоторую разновидность среднего
значения, а иногда — робастное среднее [42]. В этом пункте кратко описано, как переводить выражения
для среднего, включая полученные от применения ANOVA. в выражение для неопределенности значе
ния параметра исЬаг
42