简介这是一份ISO/IEC GUIDE 98-3 Suppl.2:2011《测量不确定度表示指南GUM》英文原版PDF资料面向科研人员、检测校准实验室技术人员及工程领域质量管理人员用于系统掌握测量不确定度的评估原理与规范表达流程。资源为单一PDF文档压缩包大小约20.97MB便于离线查阅。内容覆盖不确定度定义、测量模型构建、A类与B类标准不确定度评定、合成与扩展不确定度计算、不确定度传播规则及报告规范等核心模块并配有各领域应用说明适合作为实验室质量控制和测量结果可比性研究的参考依据。目前已有223人学习下载对需要依据国际标准规范执行不确定度分析或开展实验室体系建设的读者具有实用价值。 干计量校准这一行几乎没人绕得开GUM这个名字。ISO/IEC Guide 98-3《测量不确定度表示指南》是全世界实验室做不确定度评估的通用底稿。但真正上手干活的人会发现GUM主体材料讲得最多的场景是“单输出量”模型——你有一个被测量模型算出一个结果然后给这个结果配一个不确定度。可现实没这么温柔一次校准往往同时给出好几个结果比如标准电阻校准同时报出标称值和温度系数光谱仪定标同时拟合出斜率和截距整机测试一次输出多个性能参数。这种时候传统的GUM合成路径就开始别扭了。ISO/IEC Guide 98-3 Supplement 2:2011这份文件解决的就是这个多输出量的问题。它的完整名字很长但核心就一句话把GUM从“一次评估一个量”升级成“同时评估任意多个量”并且把量与量之间的相关性一并算清楚。做校准、检测、测试装备开发或者搞计量标准的人这份补充材料基本属于绕不开的类型。今天这篇就把它的来龙去脉、数学逻辑、实操步骤和踩坑经验一次说透。1. GUM体系里Supplement 2到底补了什么1.1 为什么已经有了GUM还要补充文件GUM主体文档的底层逻辑是“不确定度传播律”简单说就是把输入量的标准不确定度通过一阶偏导数灵敏系数传播到输出量上。这个思路在数学模型简单、输出量只有一个、非线性程度不高的时候非常好用计算量小Excel就能算完。可它有个隐含前提你关心的那个量是单一的。一旦测量模型同时输出两个以上的量比如校准曲线既要给斜率又要给截距问题就来了。你可以说那就分别对斜率和截距各做一遍GUM传播呗理论上能算但这里面藏着一个大坑斜率和截距的评估往往共享同一组输入数据比如同一组标准点读数。共享输入会导致两个输出量之间存在相关性。如果只各自报一个不确定度完全不提相关系数后续任何人拿这条校准曲线去做内插预测时合成不确定度都会算错。更麻烦的是有些符合性判定需要同时考察多个参数比如“必须同时落在规格范围内”这时候单量区间给不出联合风险。所以GUM系列从2008年开始陆续出了补充文件。Supplement 1讲的是蒙特卡洛法传播概率分布把GUM的适用范围从“线性近似正态假设”放宽到了一般分布、一般模型。而2011年发布的Supplement 2表面上只是把蒙特卡洛法从单输出量扩展到多输出量实质上是把整个不确定度评估的视角从“一个数一个区间”升级成了“一个联合概率分布”。这个视角转过来之后很多以前含糊的东西才真正说清楚了。1.2 单输出到多输出看似小改动实质是框架升级单输出量的评估最终产物通常是估计值、标准不确定度、包含因子、扩展不确定度再加一个95%包含区间。这套表达方式大家都很熟。多输出量的评估从数学上讲输出量变成了一个向量比如 Y (Y1, Y2, …, Ym)。相应地你不仅要给出每个 Yi 的均值和方差还要给出 Yi 与 Yj 之间的协方差最后形成一个完整的协方差矩阵。为什么协方差矩阵这么重要举个粗浅的例子。你在用一条校准曲线做测量曲线由截距 a 和斜率 b 决定。假设 a 和 b 呈负相关那么当你用这条曲线去预测某个中间点的电压值时a 偏大的误差可能被 b 偏小抵消一部分。如果忽略相关性预测值的不确定度会被高估甚至严重高估。反过来如果 a 和 b 正相关忽略相关性则会低估不确定度这就是更危险的情况——你以为结果还行实际上偏差已经超出预期了。GUM主体里那种“各算各的再平方和开根”的做法在多输出场景下天然说不清楚这类问题。Supplement 2把协方差矩阵明确为评估的必报内容并且给出了获得它的正规途径。2. 多输出模型的核心逻辑与数学表达2.1 从输出向量到协方差矩阵多输出测量模型的通用写法是Y f(X)其中 X (X1, X2, …, XN) 是 N 个输入量Y (Y1, Y2, …, Ym) 是 m 个输出量f 是它们之间的函数关系。在GUM的哲学里每个输入量都不是一个固定真值而是由一个概率分布描述的随机量——可能是正态分布、均匀分布、三角分布甚至是通过实验数据得到的经验分布。输入量的分布经过 f 的传递在输出端形成一个联合概率分布。如果 f 是线性的或者线性近似程度足够好那么输出量的均值、方差、协方差可以由输入量的均值、方差、协方差解析地算出来。这正是GUM主体做的。但 f 一旦呈现明显非线性或者输入量分布明显不对称解析法就力不从心了。这时候就轮到蒙特卡洛方法上场从输入量的分布中大批量抽样逐一把每组样本代进 f得到大量输出向量样本。对这些样本做统计均值、方差、协方差矩阵甚至整个输出分布的形状全都出来了。这个过程不需要求导不需要线性化不需要假设输出量正态分布。输入量是什么分布就抽什么分布模型是什么函数就代什么函数剩下的交给大数定律。很多人第一次接触这个概念会觉得“这也太暴力了”但实测下来这恰恰是通用性和稳健性最好的方案。2.2 多元覆盖区域不只关心“每个量”更关心“一起”是否可靠单输出量时95%包含区间表示“真实值以95%的概率落在这个区间里”。多输出量时你需要的是一个联合覆盖区域——在一个 m 维空间里用一个区域把真假值组合以95%的概率包住。最直观的一种区域是多元椭球。如果输出向量大致服从多元正态分布那么椭球可以这样构造取95%分位数的χ²分布临界值比如自由度2时约为5.991然后所有满足(Y - μ)ᵀ Σ⁻¹ (Y - μ) ≤ 5.991的 Y 组成一个椭圆。这里的 μ 是均值向量Σ 是协方差矩阵。实际做MC模拟时μ 和 Σ 可以直接从样本估计出来椭球区域也随之确定。这个方法的好处是计算简单、参数少适合常规报告。另一种思路是超矩形覆盖区域就是对每个输出量单独取95%区间然后组合成一个多维盒子。但要注意单独95%区间组合出来的联合覆盖率通常小于95%因为多个量的误差可能叠加所以实际使用时需要调整分位数或通过样本去校准覆盖概率。理论上说最高密度区域最精准它把样本密度最高的区域包到95%覆盖概率为止但需要排序和密度估计工程上用得少一些。我的建议是常规场景用椭球区域有法规或规范明确要求时再考虑其他方式。3. 蒙特卡洛实操一步步跑通多元不确定度评估3.1 概率分布传播的四个步骤用Supplement 2的思路做评估流程可以固定为四个步骤照做即可第一步确定输入量及其概率分布。每个输入量可能是多次重复测量的平均值也可能是校准证书给出的值还可能是从说明书中查到的最大允许误差。不同的来源对应不同的概率分布假设比如重复测量均值用t分布或正态分布证书扩展不确定度换算成标准不确定度后取正态分布均匀分布则用于只知道上下界的场合。第二步构建测量模型函数。把测量过程用数学表达式写出来明确哪些是输入量哪些是输出量。多输出场景下这个函数返回的通常是数组。编写时注意单位统一和函数可向量化效率。第三步抽样和传播。用随机数生成器按输入量分布抽取大样本比如10万到100万组逐组代入模型函数得到相同数量的输出向量样本。这一步是核心抽样质量直接决定后续统计结果的稳定性。第四步统计与报告。计算输出向量的均值向量和协方差矩阵接着计算需要的不确定度分量构造覆盖区域必要时将结果与GUM解析解对比验证。3.2 用Python实现一次线性校准同时评估斜率和截距纸上谈兵没意思直接上一个我常用的场景。假设我在校准一块电压表用固定点给出一组被校表读数 x 和标准表读数 y两者之间存在线性关系y a b x我需要同时评估截距 a 和斜率 b以及它们的相关性。这里偷个懒先假设 x 精确已知y 有标准不确定度 u_y。最小二乘拟合给出的 a 和 b 可以写成b Σ(x_i - x̄)(y_i - ȳ) / Σ(x_i - x̄)²a ȳ - b x̄直接手推解析协方差矩阵当然可行但用蒙特卡洛更省事也更能看清整个过程。下面是一段简洁的Python代码import numpy as np # 校准点被校表读数视为精确已知 x np.array([1.0, 2.0, 3.0, 4.0, 5.0]) # 标准表读数测量平均值 y np.array([1.103, 3.087, 5.092, 7.081, 9.115]) # 每个y_i的标准不确定度假设均为0.01 V u_y 0.01 def fit_ab(x, y): x_mean np.mean(x) b np.sum((x - x_mean) * (y - np.mean(y))) / np.sum((x - x_mean) ** 2) a np.mean(y) - b * x_mean return a, b # 蒙特卡洛抽样 rng np.random.default_rng(42) M 200_000 y_samples rng.normal(locy, scaleu_y, size(M, len(y))) a_samples np.empty(M) b_samples np.empty(M) for i in range(M): a_samples[i], b_samples[i] fit_ab(x, y_samples[i]) # 输出统计结果 mean_a, mean_b np.mean(a_samples), np.mean(b_samples) std_a, std_b np.std(a_samples, ddof1), np.std(b_samples, ddof1) corr_ab np.corrcoef(a_samples, b_samples)[0, 1] cov_matrix np.cov(a_samples, b_samples) print(fa {mean_a:.6f} ± {std_a:.6f}) print(fb {mean_b:.6f} ± {std_b:.6f}) print(f相关系数 r(a,b) {corr_ab:.4f}) print(f协方差矩阵\n{cov_matrix})跑完这段代码你会得到类似这样的输出a 约等于 0.098b 约等于 1.998相关系数很可能在 -0.85 左右。斜率和截距之间的强负相关非常典型。如果你只报各自的不确定度而不提相关系数别人拿这条曲线去做内插预测时标准不确定度就会算得明显偏大。这个例子极其直观地说明了为什么多输出评估不能忽略相关性。值得注意的是代码里的 M 取到 20 万运行时间在普通电脑上也就几秒。真正耗时间的不是抽样本身而是模型函数如果很复杂、每次调用要跑大矩阵运算时才会感到压力。遇到这种情况优先考虑向量化批量计算别写循环。3.3 样本量、随机种子和结果收敛判断样本量是蒙特卡洛方法里最常被问的问题。理论上样本量越大均值和协方差矩阵的估计越稳定但边际效益递减。GUM Supplement 1 建议用自适应策略先跑一个小样本量比如 1 万次记录关键统计量然后翻倍到 2 万、4 万逐次对比结果直到连续两次结果之间的差异不超过你设定的容差比如标准不确定度变化小于 5%。按我的经验大多数工程场景下 10 万到 50 万次就足够稳了再往上对结果改善有限。随机种子这件事容易被忽略。种子不同抽样结果会有微小差异导致统计结果在最后几位上有波动。写报告时最好固定随机种子保证结果可复现。另外我习惯在抽样后用前一半和后一半样本分别算一次统计量做对比。如果前后差得很小说明样本量够如果差得明显就得加量重跑。这个小技巧比单纯追求大 M 实在得多。4. 完整案例校准曲线的两个输出量如何协同评估4.1 案例设定与关键输入量我把上面的电压表校准例子再往深处走一步看结果怎么落地。假设我用 5 个标准电压点对被校表做线性校准被校表读数 x 为 1V、2V、3V、4V、5V标准表读数 y 的测量结果已经在上面的代码里给出。标准表每年送检校准证书上给出扩展不确定度 U 0.02Vk 2所以每个 y_i 的标准不确定度是 0.01V。同时标准表读数取重复测量平均值重复性带来的不确定度大约 0.002V和证书分量相比可以忽略。输入量这边一共 5 个也就是 y_1 到 y_5相互独立都服从正态分布标准差 0.01V。测量模型就是最小二乘拟合并输出 a 和 b。这个模型虽然简单却已经把上一节提到的所有要素都覆盖了多个输入量、多个输出量、模型非线性程度不高但输出量之间存在强相关。实际操作中我会额外检查一个细节被校表读数的量化误差。数字表显示分辨率为 0.001V对应均匀分布半宽 0.0005V转换为标准不确定度约 0.00029V。它远小于 0.01V 的标准表分量所以我在这个案例里就不再加进模型了。做评估时不能盲目堆输入量先做一个粗算把比最大分量小一个数量级以上的因素忽略掉能省不少事。4.2 计算结果与相关性带来的实际影响用第 3 节的代码跑完后把结果写成一段完整的校准证书内容大致是这样截距 a 0.098V标准不确定度 0.011V斜率 b 1.998V/V标准不确定度 0.0034V/Va 与 b 的相关系数 -0.87。这个相关系数不是一个摆设。假如后续要预测被校表读数在 3V 时的实际电压计算预测值 V_pred a b × 3 的不确定度时正确的方差公式必须包含 a 和 b 的协方差项。忽略相关性时V_pred 的标准不确定度可能约为 0.018V考虑负相关之后算出来可能只有 0.006V 左右。误差接近三倍这个差距在精密测量里足以决定一个校准结果合不合格。应对这种场景我建议在给客户的报告里附上一个二维置信椭圆图直观展示 a 和 b 的联合置信区域同时把协方差矩阵写进附录。工程师拿到这些信息后做任何进一步的计算都有了底气而不是拿着两个数字和一行小字自行脑补相关性。5. 常见问题与经验速查5.1 六个常见坑及排查建议第一个坑把输入量错误地当作相互独立。共享同一个标准器、同一组温度数据的不同输入量之间经常存在相关性。解决方法是尽量在模型中显式引入这些共同影响因素或者用协方差矩阵来描述相关性。第二个坑模型函数不支持向量化循环跑几百万次速度慢到怀疑人生。这个问题在Python里尤其明显。解决方法是尽量把模型函数改成数组运算例如上面例子中最小二乘拟合可以对所有样本一次性计算而不是写Python循环。真遇到没法向量化的模型可以考虑用numba或C扩展提速。第三个坑样本量选择拍脑袋。有人觉得100万次一定比10万次好结果算了半小时最后发现结果也就多了两位小数。更合理的方式是自适应判断确认结果已经稳定就收手。第四个坑输出量分布严重非对称时直接用均值加减对称扩展不确定度不准确。蒙特卡洛能得到完整的输出分布此时应优先报告包含区间而不是强行套用 ±U 的写法。第五个坑覆盖区域的覆盖率不达标。超矩形区域的联合覆盖率通常低于标称值尤其是输出量之间相关性较强的时候。用椭球区域会稳妥一些但仍建议用模拟验证覆盖率。第六个坑报告只给均值、标准差、相关系数省略了分布形状和抽样方案。严谨的做法是把输入量分布假设、样本量、随机种子、模型验证结果一起归档保证其他人可以复现。5.2 个人实操心得什么时候值得用Supp 2说一个我自己的判断标准。如果测量模型只有一个输出量模型接近线性输入量分布也基本是正态或均匀那我不会上蒙特卡洛用GUM主体或直接手算就行效率更高。但如果模型输出两个以上量或者输出量之间存在明显的耦合关系我基本直接上Supplement 2的思路。原因很简单需要协方差矩阵时解析法推导费时费力还容易推错蒙特卡洛反而省心。另一个值得用Supp 2的场景是模型非线性严重比如输出量与输入量之间存在指数、对数或三角函数关系。这时候GUM主体的线性近似可能误差很大蒙特卡洛没有任何额外负担结果也更可信。最后分享一个很小但实用的经验跑蒙特卡洛之前先拿每个输入量的均值代入模型算一遍确认输出量量级和业务期望对得上。这个简单检查能帮你提前发现模型公式写错、单位搞混这类基础问题别等跑完几十万次才发现低级错误。多输出评估不是炫技它只是用一个更完整的视角去描述测量结果而已工具顺手最重要。本文还有配套的精品资源点击获取
简介这是一份ISO/IEC GUIDE 98-3 Suppl.2:2011《测量不确定度表示指南GUM》英文原版PDF资料面向科研人员、检测校准实验室技术人员及工程领域质量管理人员用于系统掌握测量不确定度的评估原理与规范表达流程。资源为单一PDF文档压缩包大小约20.97MB便于离线查阅。内容覆盖不确定度定义、测量模型构建、A类与B类标准不确定度评定、合成与扩展不确定度计算、不确定度传播规则及报告规范等核心模块并配有各领域应用说明适合作为实验室质量控制和测量结果可比性研究的参考依据。目前已有223人学习下载对需要依据国际标准规范执行不确定度分析或开展实验室体系建设的读者具有实用价值。 干计量校准这一行几乎没人绕得开GUM这个名字。ISO/IEC Guide 98-3《测量不确定度表示指南》是全世界实验室做不确定度评估的通用底稿。但真正上手干活的人会发现GUM主体材料讲得最多的场景是“单输出量”模型——你有一个被测量模型算出一个结果然后给这个结果配一个不确定度。可现实没这么温柔一次校准往往同时给出好几个结果比如标准电阻校准同时报出标称值和温度系数光谱仪定标同时拟合出斜率和截距整机测试一次输出多个性能参数。这种时候传统的GUM合成路径就开始别扭了。ISO/IEC Guide 98-3 Supplement 2:2011这份文件解决的就是这个多输出量的问题。它的完整名字很长但核心就一句话把GUM从“一次评估一个量”升级成“同时评估任意多个量”并且把量与量之间的相关性一并算清楚。做校准、检测、测试装备开发或者搞计量标准的人这份补充材料基本属于绕不开的类型。今天这篇就把它的来龙去脉、数学逻辑、实操步骤和踩坑经验一次说透。1. GUM体系里Supplement 2到底补了什么1.1 为什么已经有了GUM还要补充文件GUM主体文档的底层逻辑是“不确定度传播律”简单说就是把输入量的标准不确定度通过一阶偏导数灵敏系数传播到输出量上。这个思路在数学模型简单、输出量只有一个、非线性程度不高的时候非常好用计算量小Excel就能算完。可它有个隐含前提你关心的那个量是单一的。一旦测量模型同时输出两个以上的量比如校准曲线既要给斜率又要给截距问题就来了。你可以说那就分别对斜率和截距各做一遍GUM传播呗理论上能算但这里面藏着一个大坑斜率和截距的评估往往共享同一组输入数据比如同一组标准点读数。共享输入会导致两个输出量之间存在相关性。如果只各自报一个不确定度完全不提相关系数后续任何人拿这条校准曲线去做内插预测时合成不确定度都会算错。更麻烦的是有些符合性判定需要同时考察多个参数比如“必须同时落在规格范围内”这时候单量区间给不出联合风险。所以GUM系列从2008年开始陆续出了补充文件。Supplement 1讲的是蒙特卡洛法传播概率分布把GUM的适用范围从“线性近似正态假设”放宽到了一般分布、一般模型。而2011年发布的Supplement 2表面上只是把蒙特卡洛法从单输出量扩展到多输出量实质上是把整个不确定度评估的视角从“一个数一个区间”升级成了“一个联合概率分布”。这个视角转过来之后很多以前含糊的东西才真正说清楚了。1.2 单输出到多输出看似小改动实质是框架升级单输出量的评估最终产物通常是估计值、标准不确定度、包含因子、扩展不确定度再加一个95%包含区间。这套表达方式大家都很熟。多输出量的评估从数学上讲输出量变成了一个向量比如 Y (Y1, Y2, …, Ym)。相应地你不仅要给出每个 Yi 的均值和方差还要给出 Yi 与 Yj 之间的协方差最后形成一个完整的协方差矩阵。为什么协方差矩阵这么重要举个粗浅的例子。你在用一条校准曲线做测量曲线由截距 a 和斜率 b 决定。假设 a 和 b 呈负相关那么当你用这条曲线去预测某个中间点的电压值时a 偏大的误差可能被 b 偏小抵消一部分。如果忽略相关性预测值的不确定度会被高估甚至严重高估。反过来如果 a 和 b 正相关忽略相关性则会低估不确定度这就是更危险的情况——你以为结果还行实际上偏差已经超出预期了。GUM主体里那种“各算各的再平方和开根”的做法在多输出场景下天然说不清楚这类问题。Supplement 2把协方差矩阵明确为评估的必报内容并且给出了获得它的正规途径。2. 多输出模型的核心逻辑与数学表达2.1 从输出向量到协方差矩阵多输出测量模型的通用写法是Y f(X)其中 X (X1, X2, …, XN) 是 N 个输入量Y (Y1, Y2, …, Ym) 是 m 个输出量f 是它们之间的函数关系。在GUM的哲学里每个输入量都不是一个固定真值而是由一个概率分布描述的随机量——可能是正态分布、均匀分布、三角分布甚至是通过实验数据得到的经验分布。输入量的分布经过 f 的传递在输出端形成一个联合概率分布。如果 f 是线性的或者线性近似程度足够好那么输出量的均值、方差、协方差可以由输入量的均值、方差、协方差解析地算出来。这正是GUM主体做的。但 f 一旦呈现明显非线性或者输入量分布明显不对称解析法就力不从心了。这时候就轮到蒙特卡洛方法上场从输入量的分布中大批量抽样逐一把每组样本代进 f得到大量输出向量样本。对这些样本做统计均值、方差、协方差矩阵甚至整个输出分布的形状全都出来了。这个过程不需要求导不需要线性化不需要假设输出量正态分布。输入量是什么分布就抽什么分布模型是什么函数就代什么函数剩下的交给大数定律。很多人第一次接触这个概念会觉得“这也太暴力了”但实测下来这恰恰是通用性和稳健性最好的方案。2.2 多元覆盖区域不只关心“每个量”更关心“一起”是否可靠单输出量时95%包含区间表示“真实值以95%的概率落在这个区间里”。多输出量时你需要的是一个联合覆盖区域——在一个 m 维空间里用一个区域把真假值组合以95%的概率包住。最直观的一种区域是多元椭球。如果输出向量大致服从多元正态分布那么椭球可以这样构造取95%分位数的χ²分布临界值比如自由度2时约为5.991然后所有满足(Y - μ)ᵀ Σ⁻¹ (Y - μ) ≤ 5.991的 Y 组成一个椭圆。这里的 μ 是均值向量Σ 是协方差矩阵。实际做MC模拟时μ 和 Σ 可以直接从样本估计出来椭球区域也随之确定。这个方法的好处是计算简单、参数少适合常规报告。另一种思路是超矩形覆盖区域就是对每个输出量单独取95%区间然后组合成一个多维盒子。但要注意单独95%区间组合出来的联合覆盖率通常小于95%因为多个量的误差可能叠加所以实际使用时需要调整分位数或通过样本去校准覆盖概率。理论上说最高密度区域最精准它把样本密度最高的区域包到95%覆盖概率为止但需要排序和密度估计工程上用得少一些。我的建议是常规场景用椭球区域有法规或规范明确要求时再考虑其他方式。3. 蒙特卡洛实操一步步跑通多元不确定度评估3.1 概率分布传播的四个步骤用Supplement 2的思路做评估流程可以固定为四个步骤照做即可第一步确定输入量及其概率分布。每个输入量可能是多次重复测量的平均值也可能是校准证书给出的值还可能是从说明书中查到的最大允许误差。不同的来源对应不同的概率分布假设比如重复测量均值用t分布或正态分布证书扩展不确定度换算成标准不确定度后取正态分布均匀分布则用于只知道上下界的场合。第二步构建测量模型函数。把测量过程用数学表达式写出来明确哪些是输入量哪些是输出量。多输出场景下这个函数返回的通常是数组。编写时注意单位统一和函数可向量化效率。第三步抽样和传播。用随机数生成器按输入量分布抽取大样本比如10万到100万组逐组代入模型函数得到相同数量的输出向量样本。这一步是核心抽样质量直接决定后续统计结果的稳定性。第四步统计与报告。计算输出向量的均值向量和协方差矩阵接着计算需要的不确定度分量构造覆盖区域必要时将结果与GUM解析解对比验证。3.2 用Python实现一次线性校准同时评估斜率和截距纸上谈兵没意思直接上一个我常用的场景。假设我在校准一块电压表用固定点给出一组被校表读数 x 和标准表读数 y两者之间存在线性关系y a b x我需要同时评估截距 a 和斜率 b以及它们的相关性。这里偷个懒先假设 x 精确已知y 有标准不确定度 u_y。最小二乘拟合给出的 a 和 b 可以写成b Σ(x_i - x̄)(y_i - ȳ) / Σ(x_i - x̄)²a ȳ - b x̄直接手推解析协方差矩阵当然可行但用蒙特卡洛更省事也更能看清整个过程。下面是一段简洁的Python代码import numpy as np # 校准点被校表读数视为精确已知 x np.array([1.0, 2.0, 3.0, 4.0, 5.0]) # 标准表读数测量平均值 y np.array([1.103, 3.087, 5.092, 7.081, 9.115]) # 每个y_i的标准不确定度假设均为0.01 V u_y 0.01 def fit_ab(x, y): x_mean np.mean(x) b np.sum((x - x_mean) * (y - np.mean(y))) / np.sum((x - x_mean) ** 2) a np.mean(y) - b * x_mean return a, b # 蒙特卡洛抽样 rng np.random.default_rng(42) M 200_000 y_samples rng.normal(locy, scaleu_y, size(M, len(y))) a_samples np.empty(M) b_samples np.empty(M) for i in range(M): a_samples[i], b_samples[i] fit_ab(x, y_samples[i]) # 输出统计结果 mean_a, mean_b np.mean(a_samples), np.mean(b_samples) std_a, std_b np.std(a_samples, ddof1), np.std(b_samples, ddof1) corr_ab np.corrcoef(a_samples, b_samples)[0, 1] cov_matrix np.cov(a_samples, b_samples) print(fa {mean_a:.6f} ± {std_a:.6f}) print(fb {mean_b:.6f} ± {std_b:.6f}) print(f相关系数 r(a,b) {corr_ab:.4f}) print(f协方差矩阵\n{cov_matrix})跑完这段代码你会得到类似这样的输出a 约等于 0.098b 约等于 1.998相关系数很可能在 -0.85 左右。斜率和截距之间的强负相关非常典型。如果你只报各自的不确定度而不提相关系数别人拿这条曲线去做内插预测时标准不确定度就会算得明显偏大。这个例子极其直观地说明了为什么多输出评估不能忽略相关性。值得注意的是代码里的 M 取到 20 万运行时间在普通电脑上也就几秒。真正耗时间的不是抽样本身而是模型函数如果很复杂、每次调用要跑大矩阵运算时才会感到压力。遇到这种情况优先考虑向量化批量计算别写循环。3.3 样本量、随机种子和结果收敛判断样本量是蒙特卡洛方法里最常被问的问题。理论上样本量越大均值和协方差矩阵的估计越稳定但边际效益递减。GUM Supplement 1 建议用自适应策略先跑一个小样本量比如 1 万次记录关键统计量然后翻倍到 2 万、4 万逐次对比结果直到连续两次结果之间的差异不超过你设定的容差比如标准不确定度变化小于 5%。按我的经验大多数工程场景下 10 万到 50 万次就足够稳了再往上对结果改善有限。随机种子这件事容易被忽略。种子不同抽样结果会有微小差异导致统计结果在最后几位上有波动。写报告时最好固定随机种子保证结果可复现。另外我习惯在抽样后用前一半和后一半样本分别算一次统计量做对比。如果前后差得很小说明样本量够如果差得明显就得加量重跑。这个小技巧比单纯追求大 M 实在得多。4. 完整案例校准曲线的两个输出量如何协同评估4.1 案例设定与关键输入量我把上面的电压表校准例子再往深处走一步看结果怎么落地。假设我用 5 个标准电压点对被校表做线性校准被校表读数 x 为 1V、2V、3V、4V、5V标准表读数 y 的测量结果已经在上面的代码里给出。标准表每年送检校准证书上给出扩展不确定度 U 0.02Vk 2所以每个 y_i 的标准不确定度是 0.01V。同时标准表读数取重复测量平均值重复性带来的不确定度大约 0.002V和证书分量相比可以忽略。输入量这边一共 5 个也就是 y_1 到 y_5相互独立都服从正态分布标准差 0.01V。测量模型就是最小二乘拟合并输出 a 和 b。这个模型虽然简单却已经把上一节提到的所有要素都覆盖了多个输入量、多个输出量、模型非线性程度不高但输出量之间存在强相关。实际操作中我会额外检查一个细节被校表读数的量化误差。数字表显示分辨率为 0.001V对应均匀分布半宽 0.0005V转换为标准不确定度约 0.00029V。它远小于 0.01V 的标准表分量所以我在这个案例里就不再加进模型了。做评估时不能盲目堆输入量先做一个粗算把比最大分量小一个数量级以上的因素忽略掉能省不少事。4.2 计算结果与相关性带来的实际影响用第 3 节的代码跑完后把结果写成一段完整的校准证书内容大致是这样截距 a 0.098V标准不确定度 0.011V斜率 b 1.998V/V标准不确定度 0.0034V/Va 与 b 的相关系数 -0.87。这个相关系数不是一个摆设。假如后续要预测被校表读数在 3V 时的实际电压计算预测值 V_pred a b × 3 的不确定度时正确的方差公式必须包含 a 和 b 的协方差项。忽略相关性时V_pred 的标准不确定度可能约为 0.018V考虑负相关之后算出来可能只有 0.006V 左右。误差接近三倍这个差距在精密测量里足以决定一个校准结果合不合格。应对这种场景我建议在给客户的报告里附上一个二维置信椭圆图直观展示 a 和 b 的联合置信区域同时把协方差矩阵写进附录。工程师拿到这些信息后做任何进一步的计算都有了底气而不是拿着两个数字和一行小字自行脑补相关性。5. 常见问题与经验速查5.1 六个常见坑及排查建议第一个坑把输入量错误地当作相互独立。共享同一个标准器、同一组温度数据的不同输入量之间经常存在相关性。解决方法是尽量在模型中显式引入这些共同影响因素或者用协方差矩阵来描述相关性。第二个坑模型函数不支持向量化循环跑几百万次速度慢到怀疑人生。这个问题在Python里尤其明显。解决方法是尽量把模型函数改成数组运算例如上面例子中最小二乘拟合可以对所有样本一次性计算而不是写Python循环。真遇到没法向量化的模型可以考虑用numba或C扩展提速。第三个坑样本量选择拍脑袋。有人觉得100万次一定比10万次好结果算了半小时最后发现结果也就多了两位小数。更合理的方式是自适应判断确认结果已经稳定就收手。第四个坑输出量分布严重非对称时直接用均值加减对称扩展不确定度不准确。蒙特卡洛能得到完整的输出分布此时应优先报告包含区间而不是强行套用 ±U 的写法。第五个坑覆盖区域的覆盖率不达标。超矩形区域的联合覆盖率通常低于标称值尤其是输出量之间相关性较强的时候。用椭球区域会稳妥一些但仍建议用模拟验证覆盖率。第六个坑报告只给均值、标准差、相关系数省略了分布形状和抽样方案。严谨的做法是把输入量分布假设、样本量、随机种子、模型验证结果一起归档保证其他人可以复现。5.2 个人实操心得什么时候值得用Supp 2说一个我自己的判断标准。如果测量模型只有一个输出量模型接近线性输入量分布也基本是正态或均匀那我不会上蒙特卡洛用GUM主体或直接手算就行效率更高。但如果模型输出两个以上量或者输出量之间存在明显的耦合关系我基本直接上Supplement 2的思路。原因很简单需要协方差矩阵时解析法推导费时费力还容易推错蒙特卡洛反而省心。另一个值得用Supp 2的场景是模型非线性严重比如输出量与输入量之间存在指数、对数或三角函数关系。这时候GUM主体的线性近似可能误差很大蒙特卡洛没有任何额外负担结果也更可信。最后分享一个很小但实用的经验跑蒙特卡洛之前先拿每个输入量的均值代入模型算一遍确认输出量量级和业务期望对得上。这个简单检查能帮你提前发现模型公式写错、单位搞混这类基础问题别等跑完几十万次才发现低级错误。多输出评估不是炫技它只是用一个更完整的视角去描述测量结果而已工具顺手最重要。本文还有配套的精品资源点击获取
