ГОСТ Р 54500.1-2011; Страница 16

1. В [6] рассматриваются также модели многоступенчатого измерения, в которых выходные величины предшествующих ступеней становятся входными величинами для последующих ступеней. Типичным примером модели многоступенчатого измерения может служить построение и применение градуировочной характеристики (JCGM 200, словарная статья 2.39) (см. рисунок 6):

1. параметры градуировочной характеристики оценивают, сравнивая размеры единицы измере­ния, переданные от эталонов, с соответствующими показаниями измерительной системы. Стандартные неопределенности, ассоциированные с полученными значениями измеряемой величины и значениями показаний, являются источниками стандартных неопределенностей для значений оценок параметров градуировочной характеристики и, в общем случае, ковариаций для оценок этих параметров;
2. полученное измерительной системой показание по градуировочной характеристике преобразу­ют в значение измеряемой величины. Для этого используется функция, обратная градуировочной харак­теристике. Стандартные неопределенности и ковариации, ассоциированные со значениями оценок параметров градуировочной характеристики, вместе со стандартной неопределенностью, ассоцииро­ванной со значением очередного показания, являются источниками для расчета стандартной неопреде­ленности, ассоциированной с полученным значением измеряемой величины.

2. Трансформирование распределений и вычисление значений оценок
1. Общие положения
1. Этап вычисленийвключаетвсебяпроцедуру, известнуюкак трансформирование распреде­лений [см. JCGM 101, (5.2)], которая может быть реализована следующими способами:

1. в виде используемого в GUM закона трансформирования неопределенностей с описанием слу­чайной величины, ассоциированной с выходной величиной Y, распределением Гаусса или /-распреде­лением (см. 7.2);
2. в виде аналитического вывода формы распределения вероятностей для Yметодами математи­ческого анализа (см. 7.3);
3. с помощью метода Монте-Карло, в котором приближенную функцию распределения для Yполу­чают численным моделированием, генерируя случайные значения из распределений вероятностей для входных величин и преобразуя их в значения измеряемой величины посредством модели измерений (см. 7.4).

2. Для конкретной задачи оценивания неопределенности измерений может быть использован любой из способов, перечисленных в 7.1.1 (или какой-нибудь иной метод), причем способ а) является в большинстве случаев приближенным, способ b) — точным, а способ с) дает решение с числовой точ­ностью, которую можно контролировать.

Применение способов а) и с) к функциям измерения для общеупотребительных моделей измерения с любым числом входных величин рассматривается в 7.5.