Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: evaluation of measurement uncertainty

Sortuj według:

Ogranicz wyniki do:

Pobieranie próbek - element działalności laboratoryjnej

Matras Tadeusz

Laboratorium - Przegląd Ogólnopolski

2021

nr 1

58--61

Jednym z tych obszarów działalności laboratoryjnej, któremu w ostatnim czasie poświęca się najwięcej uwagi, jest aspekt spełnienia przez laboratoria realizujące pobieranie próbek jako "stand-alone activity" wymagań normy ISO/IEC 17025:2017 dotyczących oceny i raportowania niepewności pomiaru.

Monte-Carlo evaluation of measurement uncertainty using a new generator of pseudorandom numbers

Morawski R. Z., Miękina A.

Pomiary Automatyka Kontrola

2013

R. 59, nr 5

390--393

The Monte Carlo method has been applied in metrology for a long time, but only recently (2008) it has been recommended by the international normative body (Joint Committee for Guides in Metrology) for evaluation of measurement uncertainty. This paper is devoted to the problem of efficient generation of pseudorandom numbers following a distribution whose probability density function is very close to the Gauss function, but it has finite-support, and – unlike the probability density function of the truncated normal distribution – is continuous. The applicability of the proposed solution for evaluation of measurement uncertainty is illustrated with an example of practical importance.

Zgodnie z Suplementem #1 do międzynarodowego przewodnika dotyczącego wyrażania niepewności pomiaru [2] metoda Monte Carlo staje się jedną ze standardowych metod oceny owej niepewności. Podstawowym narzędziem jej implementacji są generatory liczb pseudolosowych o rozkładach modelujących rozkłady błędów występujących w systemach pomiarowych. Nierzadko – np. w zastosowaniach, w których niepewność pomiaru przekłada się na ryzyko błędu w sztuce medycznej – zachodzi potrzeba oceny rozszerzonej niepewności pomiaru metodą najgorszego przypadku. Stosuje się wówczas liczby pseudolosowe o rozkładzie równomiernym (à la limite – dwupunktowym) lub obciętym normalnym. Ciąg tych ostatnich uzyskuje się zwykle poprzez odpowiednią transformację ciągu liczb o rozkładzie normalnym lub równomiernym. W obydwu przypadkach jest to operacja dość złożona obliczeniowo i dlatego wciąż pojawiają się nowe propozycje generatorów. Jedną z najnowszych oraz przegląd starszych znaleźć można w artykule [3]. Wspólną ich wadą – obok złożoności obliczeniowej – jest nieciągłość funkcji gęstości prawdopodobieństwa w punktach obcięcia oraz kilkuprocentowe zmniejszenie odchylenia standardowego. W artykule przedstawiono nowy, wolny od tych wad, generator liczb pseudolosowym o rozkładzie zbliżonym do obciętego normalnego (różnicę odpowiednich funkcji gęstości prawdopodobieństwa przedstawia rys. 1). Jego użyteczność zilustrowano przykładem zastosowania do analizy propagacji błędów danych metodą Monte Carlo w procedurze estymacji mezurandu metodą najmniejszych kwadratów w przypadku, gdy zarówno dane reprezentując zmienne niezależne i zmienną zależną obarczone są błędem przypadkowym.