5 Основные принципы

• Рисунок 1 - Трансформирование распределений для модели с N=3 входными величинами и m=2 выходными величинами, когда входные величины X(1), X(2) и X(3) взаимно независимы (слева) и когда X(1) и X(2) взаимно зависимы (справа)

• Рисунок 2 - Обобщенный закон трансформирования неопределенностей для N=3 взаимно независимых величин X(1), X(2) и X(3) и m=2 взаимно зависимых выходных величин (слева) и тот же закон, но для взаимно зависимых и X(1) и X(2) (справа)

6 Способ оценивания неопределенности по GUM

• Рисунок 3 - Эллиптические и прямоугольные области охвата для двумерной величины Y, описываемой нормальным распределением, элементы которой Y(1) и Y(2) взаимно независимы (слева) и коррелированны (справа)

• Рисунок 4 - Двенадцать пар выборочных значений и 95%-ная эллиптическая область охвата вокруг их выборочного среднего

7 Метод Монте-Карло

• Рисунок 5 - Этапы трансформирования распределений и получения результатов оценивания неопределенности методом Монте-Карло для случая явной зависимости выходных величин от входных величин

• Рисунок 6 - Эллиптические области охвата, построенные в соответствии с процедурами 6.5.2.3 а) и 7.7.2 для примера из 7.7.2 (слева) и прямоугольные области охвата, построенные в соответствии с процедурами 6.5.2.3 b) и 7.7.3 для примера из 7.7.3 (справа)

• Рисунок 7 - Эллиптические области охвата, построенные по процедуре из 7.7.2, и приближения наименьших областей охвата, построенные по процедуре из 7.7.4 для разбиения 10x10 и 1000 точек выборки (слева) и для разбиения 100x100 и 1000000 точек выборки (сп

9 Примеры

• Рисунок 8 - Контурные линии совместных плотностей распределения выходных величин в аддитивной модели измерения [формула (24)], полученных способом оценивания неопределенности по GUM (слева) и методом Монте-Карло (справа) без сглаживания контуров при ста

• Рисунок 9 - Маргинальная плотность распределения Y(1) для тех же условий, что и на рисунке 8 (9.2.2)

• Рисунок 10 - Контурные линии совместных плотностей распределения выходных величин в аддитивной модели измерения [формула (24)], полученных с использованием адаптивной процедуры Монте-Карло без сглаживания (слева) и со сглаживанием (справа) для тех же ус

• Рисунок 11 - То же, что на рисунке 8 для примера с входной величиной X(3), описываемой равномерным распределением (9.2.3)

• Рисунок 12 - То же, что на рисунке 9 для примера с входной величиной X(3), описываемой равномерным распределением (9.2.3)

• Рисунок 13 - То же, что на рисунке 11 для примера с входной величиной X(3), имеющей стандартное отклонение, равное трем (9.2.4)

• Рисунок 14 - То же, что на рисунке 12 для примера с входной величиной X(3), имеющей стандартное отклонение, равное трем (9.2.4)

• Рисунок 15 - Контурные линии совместных плотностей распределения входных величин в модели преобразования системы координат для примеров 1 (слева) и 4 (справа) (9.3.1.4)

• Рисунок 16 - Совместные плотности вероятности для Y, полученные аналитически (сверху), оцениванием по GUM (в центре слева) и методом Монте-Карло (в центре справа) и маргинальные плотности распределения для Y(1) (внизу слева) и Y(2) (внизу справа), ...

• Рисунок 17 - То же, что на рисунке 16, но для x(1)=0,010 (9.3.2.3.1)

• Рисунок 18 - То же, что на рисунке 16, но для x(1)=0,100 (9.3.2.4.1)

• Рисунок 19 - Совместные плотности вероятности для Y, полученные оцениванием по GUM (вверху слева) и методом Монте-Карло (вверху справа) и маргинальные плотности распределения для Y(1) (внизу слева) и Y(2) (внизу справа), ...

• Рисунок 20 - То же, что на рисунке 19, но для x(1)=0,010 (9.3.3.2)

• Рисунок 21 - То же, что на рисунке 19, но для x(1)=0,100 (9.3.3.2)

• Рисунок 22 - Стандартная неопределенность , соответствующая оценке температуры (9.5.3.6)

• Рисунок 23 - Коэффициент корреляции, соответствующий паре оценок и температур равным 20°С (9.5.3.7)