b类不确定度的公式(b 类不确定度公式)

2026-06-16 11:07:39

不确定度评定：不确定度的计算与传播

在测量科学与计量学领域，不确定度是表征测量结局可靠性的核心参数。它不只是是一个单一数值，而是对测量过程 Variation 程度的一种理性描述。在 A 类评定中，我们基于统计分布（如正态分布）利用重复性数据计算标准偏差；而 B 类评定则侧重于在少了充足重复性数据时，依据可接纳的重复性结局或通过测量仪器说明书供给的校准数据来评估。这篇文章将深入剖析 B 类不确定度的基础公式，并通过实际案例解析其应用逻辑，帮助读者构建清楚的认识框架。
B 类不确定度利用公式 u = k · s_r 或 u = k · Δ/S 来计算。其中，u 代表标准不确定度，k 代表包含因子，s_r 代表基于可重复性结局的标准偏差，Δ 代表设备示值或准误差上限，S 则代表对应因子上的最大准误差。该公式的核心在于将不清楚的测量范围转化为定量的概率分布参数。当没有重复性数据时，我们一般假设测量结局的分布符合正态分布，此时 k 值一般取 2，对应于包含因子，它覆盖了约 95% 的测量结局区间。

b 类不确定度的公式

不确定度评定的根本逻辑与假设

理解 B 类不确定度的关键在于掌握其背后的物理机制与数学假设。出于我们在同一时刻无法对同一对象进行多次重复测量，传统的 A 类评定便显得无能为力。
此时，我们务必依赖外部信息源，如仪器说明书、校准证书、评价人员的主观经验等，将这些非统计性的数据转化为标准的统计量。

早先时候，务必明确分布假设。测量结局一般被视为服从正态分布 N(μ, σ²)，其中 μ 为真值，σ 为标准差。
校准数据起到了桥梁功能。若已知设备的示值误差 Δ，且该误差服从正态分布，则测量结局的分布也可视为正态分布。
此时，初始的标准不确定度即为该分布的半宽度，即 u_r = Δ。
引入包含因子 k 是为了扩大保险域。在实际工程中，我们往往需求 95% 的概率置信度，这意味着 2σ 的区间包含了绝大局部测量结局。
将标准不确定度放大为包含因子乘以标准偏差，即可拿到更可靠的置信区间。

这种从“概率分布”到“置信区间”的转换，是 B 类评定的精髓所在。它不追求极端的精确性，而是追求在指定置信概率下的通用性。若假设分布为非正态，且数据分布未知或偏差过大，则无法进行好办的乘除运算，可能需求更复杂的区间估摸方式。

典型应用场景的数值解析

为了更直观地把握公式的应用，我们构建一个真的测量场景进行分析。假设我们要使用一块标准砝码进行称量，该砝码的标称质量为 100g，实际上际真值与标称值之间的最大稳定性（即最大准误差）为 0.5g。

基础参数取：已知最大准误差 Δ = 0.5g，依据相关测量规范，该误差服从正态分布。
标准不确定度推导：根据正态分布特性，测量结局包含 95% 置信度所需的力度为 2 倍标准偏差。
初始标准不确定度 u_r 为 0.5g / 2 = 0.25g。
- 计算过程：在此场景下，我们直接套用 u = Δ / 2 的简化公式。若需计算更宽的置信区间（如 99.73%），则需乘以 3.46，得 u = 0.5 × 3.46 ≈ 1.73g。

在这个案例中，我们无法对同一东西反复称重拿到平均偏差，故此务必依靠仪器说明书或厂家供给的校准证书上的最大准误差作为依据。一旦有了 Δ 值，结合置信概率，我们就搞定了从宏观误差到微观不确定度的转化。

多因素不确定度的合成处理

在实际复杂的测量系统中，往往与此同时存有多个独立的不确定度分量，如天平的灵敏度、环境温湿度、操作者的读数偏差还有仪器本身的机械误差。
此时，我们需求运用方根合成法来综合这些分量。

独立性假设：当各分量的标准不确定度相互独立时，不能直接相加，务必采用算术平方和的运算方式，即 u_c = √(u₁² + u₂² + ...)。
这一公式源于统计学中的方差性质，即独立随机变量的方差等于各分量方和。
相关性影响：若同一分量在不同测量中重复出现（如多次测量同一温度下的电阻），则各次测量结局的相关系数 ρ 不为零。
此时，公式需修正为 u_c = √(u₁² + u₂² + ... + uₙ² - u₁·u₂·ρ)，其中 ρ 为相关系数。若 ρ > 0，合成误差会小于独立情况；若 ρ < 0，合成误差会略大于独立情况。

这种合成方式体现了 B 类评定的严密性。它要求我们在构建等效标准不确定度时，要寻思到测量系统内部所有来源的误差贡献，并通过科学的数学运算得出最终结局。
只有这样才能真正实现对测量结局的量纲统一和物理意义明确的表达。