《表1 GUM法与MCM的主要区别》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《Monte Carlo模拟在生物和农业测量中的应用概述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

目前广泛被国际接受并得到大量应用的测量不确定度评定方法是由BIPM等7个国际组织联合发布的GUM法。近年使用的GUM法是2008年基于1995版GUM法的修订版。由于GUM法的使用具有以线性模型为前提的局限等，所以BIPM等国际组织又颁布了一个基于Monte Carlo模拟的不确定度评定补充方法（MCM）。GUM法的核心思想是对线性或者近似线性的测量模型，采用基于标准不确定度传递的方法，最终获得假定的满足正态分布的输出量的最佳估计值及其标准不确定度和扩展不确定度；而MCM则是采用概率分布（Probability distribution，PD）传播律，通过测量模型直接传递输入量的PD，并对每个输入量的PDF（Probability distribution function）进行M次随机抽样，获得输出量的最佳估计值及其标准不确定度和指定包含概率下的包含区间。二者的主要区别见表1。GUM法是否适用于测量不确定度评定的应用，主要取决于评定的输入/出量、测量模型是否满足3个前提条件（表1），否者可能会得出不可靠的评定结论。例如:当一个数学测量模型有3个输入量，3个量的PDF分别为gx1（ξ）ξ（正态分布）、gx2（ξ）（三角分布） 、gx3（ξ）（正态分布） ，经过概率分布传播后，输出量gY（η）概率分布不一定是正态分布（图1）。