15
- возникнуть ситуация, когда сложно оценить обоснованность применения способа оценивания неопределенности по GUM. Однако во всех трех вышеописанных случаях хороший результат может быть получен с использованием метода Монте-Карло. В первом случае метод Монте-Карло может быть проще в применении, например, вследствие трудностей вычисления коэффициентов чувствительности [Руководство ИСО/МЭК 98-3 (5.1.3)]. Во втором случае метод Монте-Карло позволит получить достоверный результат, т. к. его применение не требует использования дополнительных предположений. В третьем случае метод Монте-Карло может быть применен как собственно для получения оценки неопределенности, так и для оценки качества результатов, полученных способом расчета неопределенности по GUM.
- Трансформирование моделью измерений плотностей распределения вероятностей gXi (^/), i = 1, ..., N входных величин Xi для получения плотности распределения вероятностей gY(п) выходной величины Y, показано на рисунке 2 для трех независимых Xi (N = 3). Рисунок 2 можно сравнить с
рисунком 3, иллюстрирующим закон трансформирования неопределенностей. На рисунке 2 функции gXi (t,i), i = 1,2, 3 представляют собой плотности распределения вероятностей случайных величин, подчиняющихся соответственно нормальному, треугольному и нормальному законам. Соответственно функция gY (п) показана асимметричной, что обычно имеет место в случае нелинейных моделей или асимметрии функций
g X i )■
- На практике только в самых простых случаях преобразование распределений может быть выполнено без приближений. При оценке неопределенности по GUM применяется один метод приближения, в методе Монте-Карло — другой. Для небольшой, но важной подгруппы задач оценки неопределенности в соответствии с GUM не требуется применения приближений (решение является точным). Метод Монте- Карло не позволяет получить точные результаты, но для широкого класса задач он будет более обоснованным, чем подход GUM.
- Представление результатов
- После выполнения трансформирования распределений должна быть отражена, как правило, следующая информация:
- оценка у выходной величины Y;
- стандартная неопределенность u(y) оценки у;
- заданная 100 p %-ная (например, 95 %-ная) вероятность охвата;
- границы выбранного 100 p %-ного (например, 95 %-ного) интервала охвата для Y;
- другая значимая информация, такая как тип интервала охвата (вероятностно симметричный или наименьший).
Значения у, u(y) и границ 100 p %-ного интервала охвата для Y должны быть указаны с таким количеством значащих цифр, чтобы низший разряд записи значения этих величин совпадал с низшим