Standard TNI 014109-3.2 1.1.2024 preview

TNI 014109-3.2 (014109)

Uncertainty of measurement - Part 3: Guide to the expression of uncertainty in measurement (Gum:1995) - Supplement 2: Extension to any number of output quantities

Translate name

STANDARD published on 1.1.2024


Language
Format
AvailabilityIN STOCK
Price24.50 USD excl. VAT
24.50 USD

The information about the standard:

Designation standards: TNI 014109-3.2
Classification mark: 014109
Catalog number: 517746
Publication date standards: 1.1.2024
SKU: NS-1162783
The number of pages: 88
Approximate weight : 295 g (0.65 lbs)
Country: Czech technical standard
Category: Technical standards TNI - Czech

The category - similar standards:

Metrology and measurement in general

Annotation of standard text TNI 014109-3.2 (014109):

Tento doplněk k pokynu k vyjádření nejistoty měření (GUM) se zabývá modely měření, které mají libovolný počet vstupních veličin (jako v GUM a GUM Doplněk 1) a libovolný počet výstupních veličin. Uvedené veličiny mohou být skutečné nebo komplexní. Pro zpracování takových modelů jsou zvažovány dva přístupy. Prvním přístupem je zobecnění rámce nejistoty GUM. Druhým je metoda Monte Carlo jako implementace šíření distribucí. Očekává se vhodné použití metody Monte Carlo poskytnout platné výsledky, když je použitelnost rámce nejistot GUM sporná.

Přístup založený na rámci nejistoty GUM je použitelný, když jsou vstupní veličiny shrnuty (jako v GUM) z hlediska odhadů (například naměřených hodnot) a standardních nejistot spojených s těmito odhady a, je-li to vhodné, kovariancí spojených s páry pro tyto odhady. Jsou uvedeny vzorce a postupy pro získání odhadů výstupních veličin a pro vyhodnocení souvisejících standardních nejistot a kovariancí. Varianty vzorce a procedur se týkají modelů, pro které je výstupní veličina (a) vyjádřena přímo pomocí vstupních veličin jako funkce měření a (b) jsou získány řešením modelu měření, který implicitně propojuje vstupní a výstupní veličiny.

Protějšky vzorce v GUM pro standardní nejistotu spojenou s odhadem výstupní veličiny by byly algebraicky těžkopádné. Takový vzorec je poskytnut v kompaktnější formě, pokud jde o matice a vektory, jejichž prvky obsahují rozptyly (kvadratické standardní nejistoty), kovariance a koeficienty citlivosti. Výhodou této formy prezentace je, že tyto vzorce lze snadno implementovat v mnoha počítačových jazycích a systémech, které podporují maticovou algebru.

Metoda Monte Carlo je založena na (i) přiřazení rozdělení pravděpodobnosti vstupním veličinám v modelu měření [JCGM 101:2008 6], (ii) určení diskrétní reprezentace (společného) rozdělení pravděpodobnosti pro výstup. veličin a (iii) stanovení odhadů výstupních veličin z této diskrétní reprezentace a vyhodnocení souvisejících standardních nejistot a kovariancí. Tento přístup představuje zobecnění metody Monte Carlo v Doplňku 1 ke GUM, která se vztahuje na jedinou skalární výstupní veličinu.

Pro předepsanou pravděpodobnost pokrytí lze tento doplněk použít k poskytnutí oblasti pokrytí pro výstupní veličiny vícerozměrného modelu, což je protějšek intervalu pokrytí pro jednu skalární výstupní veličinu. Poskytování oblastí pokrytí zahrnuje ty, které mají formu hyperelipsoidu nebo hyperobdélníku. Tyto oblasti pokrytí jsou vytvořeny z výsledků dvou zde popsaných přístupů. Je také uveden postup pro poskytnutí přiblížení k nejmenší oblasti pokrytí, získaný z výsledků poskytnutých metodou Monte Carlo.

Tento doplněk obsahuje podrobné příklady pro ilustraci poskytovaných pokynů.

Tento dokument je doplňkem GUM a má být používán ve spojení s ním a Doplňkem 1 GUM. Uživatelem tohoto Doplňku je GUM a jeho Doplňky. Viz také JCGM 104

We recommend:

Updating of laws

Do you want to be sure about the validity of used regulations?
We offer you a solution so that you could use valid and updated legislative regulations.
Would you like to get more information? Look at this page.




Cookies Cookies

We need your consent to use the individual data so that you can see information about your interests, among other things. Click "OK" to give your consent.

You can refuse consent here.

Here you can customize your cookie settings according to your preferences.

We need your consent to use the individual data so that you can see information about your interests, among other things.