Proraun mjerne nesigurnosti

u skladu sa meunarodnim uputstvom za iskazivanje mjerne nesigurnosti

Guide to the Expression of Uncertainty in Measurement -BIPM.
Rezultat mjerenja nije mogue kvantitativno izraziti bez odreene sumnje u njegovu
vrijednost, jer svaki rezultat realnog mjerenja sadri u sebi odreenu nesigurnost (sumnju), to
znai da je stvarna vrijednost mjerene veliine samo teoretski pojam i ne moe se odrediti
mjerenjem. Openito je rezultat mjerenja, i pored eliminiranja utvrenih sistematskih greaka,
samo priblienje ili procjena stvarne vrijednosti mjerene veliine te je potpun samo onda kada
ga prati iskaz o nesigurnosti te procjene. Uzroci mjernih nesigurnosti mogu biti vrlo brojni i
po pravilu se svi ne mogu uzeti u obzir, a u principu se sastoje od preostalih nepoznatih
sistematskih greaka i greaka nastalih uslijed sluajnih djelovanja. Nesigurnost mjerenja
reflektuje nedostatak znanja o vrijednosti mjerene veliine.
Rezultat mjerenja je kompletan samo ukoliko ga prati kvantitativna izjava o njegovoj mjernoj
nesigurnosti. Mjerna nesigurnost je parametar, pridruen rezultatu mjerenja, koji karakterizira
disperziju vrijednosti koja bi razumno mogla da se pripie mjerenoj veliini.
Parametar moe da bude standardna devijacija ili njen umnoak. Mjerna nesigurnost je
kvantifikacija sumnje u rezultat mjerenja.
Osnovni izvori koji mogu da doprinesu mjernoj nesigurnosti su:

koriteni referentni etaloni i materijali (nesavrenost etalona, referentnih materijala i

mjerne opreme);

primjenjena metoda (nepotpuna definicija ispitivanja, nepotpuna definicija mjerene

veliine, nesigurnost u postavci mjerenja, sistematska greka, itd.);

upotrijebljena oprema (rezolucija, osjetljivost, termiko irenje, itd.);

uvijeti okoline;

osobine i stanje uzorka;

izvrioci.
Jedan od primarnih problema u mjeriteljstvu jeste kako procijeniti mjernu nesigurnost
rezultata mjerenja. Tradicionalne metode procjene mjerne nesigurnosti temeljile su se na
znanju i iskustvu osobe koja je provodila mjerenje. Za obradu i iskazivanje rezultata mjerenja
bila je primjenljivana klasina matematika disciplina, tzv. teorija greaka. Naini obrade
rezultata nisu bili ujednaeni nego su ovisili od shvaanja i stila pisanja autora pa je bilo teko
poreenje mjerenja iste vrste izvrenih u razliitim institucijama.
Poslijednja dva desetljea uloeni su ogromni napori sa ciljem iznalaenja matematikih
modela i opih pravila za proraun i iskazivanje mjerne nesigurnosti. Da bi se postigla
jednoobraznost u iskazivanju mjernih rezultata vodee institucije meunarodnog metrolokog
sistema, 1993. godine publikovali su Upustvo za iskazivanje mjerne nesigurnosti (Guide to
the Expression of Uncertainty in Measurement GUM). Upustvo propisuje kako da se
obradom podataka odrede slijedee tri veliine:

Rezultat mjerenja, koga predstavlja srednja vrijednost ponovljenih mjerenja,

Mjerna nesigurnost, izraena intervalom oko srednje vrijednosti u kome se oekuje da se

nalazi stvarna vrijednost mjerene veliine,

Statistika sigurnost (vjerovatnoa) koja se odnosi na dati podatak o mjernoj nesigurnosti.

Prihvaanjem meunarodnog dogovora za iskazivanje mjerne nesigurnosti omogueno je

nedvosmisleno iskazivanje i usporedba mjernih rezultata dobivenih u razliitim institutima,
metrolokim i ispitnim laboratorijama. U skladu s GUM-om, 1999. godine europska
organizacija za akreditaciju (European co-operation for Accreditation EA) izdaje dokument
EA-4/02: Expression of the Uncertainty of Measurement in Calibration. Dok je GUM
utemeljio opa pravila za proraun i iskazivanje mjerne nesigurnosti sa svrhom da budu
primjenljiva na irokom spektru mjerenja, EA dokument koncentrirao se na metode koje se
koriste u mjernim laboratorijama, te nedvosmisleno opisao i uskladio nain prorauna i
iskazivanja nesigurnosti rezultata mjerenja prema GUM-u.
U GUM-u se osim mjerne nesigurnosti koristi i klasini pojam greke mjerenja. Ona je
definisana kao razlika mjernog rezultata i istog rezultata dobivenog ponovnim mjerenjem
koritenjem mjerila koja se smatraju etalonskim, tj. predstavljaju raspoloivo mjerilo najveeg
nivoa tanosti. Od etalonskog instrumenta se oekuje da je pregledan u nacionalnom
metrolokom institutu i da samim time pripada lancu sljedivosti u meunarodnom
metrolokom sistemu.
U principu, kod svakog mjerenja potrebno je odrediti i saopiti mjernu nesigurnost. Meutim,
greka mjerenja se odreuje znatno rjee, prije svega kada za time postoje potrebe i
mogunosti. Ukoliko je mjerna nesigurnost valjano odreena, onda greka treba da se nalazi
unutar intervala mjerne nesigurnosti.
Koncept izraavanja mjerne nesigurnosti iznesen u GUM-u ima kao teorijsku podlogu isti
matematiki aparat koji se koristi kod teorije greaka. Meutim, metod iskazivanja mjerne
nesigurnosti je praktino orjentisan i moe se dobro primijeniti u svim eksperimentalnim
mjerenjima. Nasuprot tome, teorija greaka kao i svaka matematika disciplina polazi od
aksiomatskih pojmova, a to su sluajne i sistematske greke, koje se, kao idealizirane veliine,
ne javljaju u praksi. Prema teoriji greaka, sistematske greke su posljedica utjecaja pojava
koje dovode do jednakih promjena izlazne veliine kako po vrijednosti tako i po predznaku.
Nasuprot tome sluajne greke su po svojoj prirodi nepredvidivo promjenljive, pa se mogu
analizirati iskljuivo statistikim metodama. Ovakve pretpostavke nisu ispunjene u stvarnim
mjerenjima. Na primjer, jedna ista fizika veliina moe izazivati kako sluajne tako i
sistematske greke. Na primjer, brze fluktuacije temperature imaju za posljedicu efekte koji
odgovaraju sluajnim grekama. Meutim, sporije temperaturne promjene mogu stvarati
promjene koje odgovaraju sistematskim grekama. Slian primjer, kada jedna veliina izaziva
i brze i spore promjene, je napon napajanja pojaala i mjernih mostova. Napon napajanja
dobiven iz mrenog ispravljaa ima i brze fluktuacije (tzv. talasnost) a takoer i spore
promjene koje ovise o temperaturi okoline i nestabilnosti mrenog napona. Otuda, napon
napajanja istovremeno prouzrokuje i sluajne i sistematske greke.
Nasuprot idealizovanih pretpostavki teorije greaka, pristup u iskazivanju mjerne nesigurnosti
dat u GUM-u je praktino orijentiran, tj. primjenljiv je u analizi realnih eksperimentalnih
rezultata. Pri iskazivanju mjerne nesigurnosti koriste se svi termini i cjelokupni matematiki
aparat klasine statistike teorije. Drugim rijeima, ne postoji posebna matematika teorija
iskljuivo namijenjena mjernoj nesigurnosti.
Meutim, uvedeno je vie konvencija u koje spadaju i slijedee:

Mjerna nesigurnost oznaava se slovom u (eng. Uncertainty - nesigurnost);

Svi vidovi mjerne nesigurnosti tretiraju se kao sluajne veliine. To znai da se svakom
podatku o nesigurnosti pridrui neka odgovarajua funkcija raspodjele, a takoer i
vjerovatnost, odnosno statistika sigurnost datog podatka.

Meu novim pojmovima, koji se koriste su i slijedei:

2

Standardna mjerna nesigurnost u, po definiciji jednaka je standardnom odstupanju, u =

s. Statistika sigurnost, koja odgovara standardnoj mjernoj nesigurnosti, ovisi od
raspodjele koja se pripisuje datom mjerenju. Na primjer u sluaju Gausove raspodjele,
intervalu irine jednog standardnog odstupanja, xs u, odgovara sigurnost od 68,2 %.

Proirena mjerna nesigurnost U, predstavlja umnoak standardne mjerne nesigurnosti i

broja k, (koeficijent proirenja), tj. U = ku.

Koeficijent proirenja k je broj ija je tipina vrijednost 2, ali se, ovisno od konvencije,
moe kretati u intervalu od 3 do 3, ovisno o vrsti raspodjele.

Proirenoj mjernoj nesigurnosti odgovara visoka vrijednost statistike sigurnosti, tipino od

oko 95 % ili vie. To znai da se sa velikom sigurnou moe oekivati da se stvarna
vrijednost mjerene veliine nalazi u intervalu xs U. Treba napomenuti, da proizvoai
mjerne opreme u svojim katalozima daju intervale nesigurnosti koji predstavljaju proirenu
mjernu nesigurnost.
U praksi postoje mnogi mogui izvori mjerne nesigurnosti, a najee su to:

povrno odreivanje mjerene veliine,

nesavreno ostvarivanje odreivanja mjerene veliine,

nesavrenost uzorkovanja,

neodgovarajue poznavanje djelovanja okolnih uvjeta na mjerni postupak ili nesavreno

mjerenje okolnih uvjeta,

osobna pristrasnost mjeritelja (oitanje analognog mjerila),

razluivanje mjerila ili prag osjetljivosti,

vrijednosti pridruene mjernom etalonu,

vrijednosti konstanti i drugih parametara dobivene iz vanjskih izvora koji se

upotrebljavaju u algoritmima za obradu podataka,

pribliavanje i pretpostavke ugraene u mjernu metodu i mjerni postupak, te

promjene opetovanih opaanja mjerene veliine pod oigledno istovjetnim uvjetima.

Postoje dva osnovna tipa mjerne nesigurnosti:

mjerna nesigurnost tipa A (obuhvata one komponente koje mogu biti procijenjene na
osnovi statistike raspodjele rezultata serije mjerenja i karakterizira ih standardna
devijacija) i
mjerna nesigurnost tipa B (obuhvata one komponente ija se procjena zasniva na
iskustvu, profesionalnoj ocjeni ili ostalim informacijama).

Ova podjela je zasnovana iskljuivo na osnovi metoda odreivanja, a ne na osnovi analize

fizikih pojava, koji su predstavljali osnovu za podjelu na sluajne i sistematske greke u
klasinoj teoriji greaka. Ukoliko postoje mjerne nesigurnosti tipa A i tipa B, ili pak ako
postoje dvije ili vie mjernih nesigurnosti tipa B, onda se koristi i kombinovana mjerna
nesigurnost.

Mjerna nesigurnost tipa A

Mjerna nesigurnost tipa A odreuje se iskljuivo metodom statistike obrade rezultata
mjerenja. Iz ovoga slijedi da mjerna nesigurnost tipa A postoji samo ako se radi o mjerenju
koje je ponovljeno vie puta. Rezultati ponovljenih mjerenja predstavljeni su uzorkom xl,
x2,..., xj,...,xn. Ukoliko su svi elementi uzorka ravnopravni, tj. ako su ponovljeni eksperimenti
3

izvreni na istovjetan nain i sa istovjetnom mjernom opremom, rezultat mjerenja dobiva se

kao srednja vrijednost uzorka:

x xs

1 n
xi
n i 1

(1)

U prethodnom poglavlju pokazano je da srednja vrijednost uzorka (aritmetika sredina)

predstavlja sluajnu veliinu ije je standardno odstupanje dato izrazom

sx
koje je

s
n

n
1
xi x

nn 1 i 1

(2)

n puta manje od standardnog odstupanja elemenata uzorka

1 n
s
xi x
n 1 i 1

(3)

Po definiciji, mjerna nesigurnost tipa A, uA, jednaka je standardnom odstupanju srednje

vrijednosti:
n

u A sx s

x x
i 1

(4)

n n 1

Dakle, procjena nesigurnosti tipa A je slina evaluaciji sluajne greke u klasinoj

metrologiji, to jest dobije se statistikom obradom veeg broja rezultata ponovljenih
mjerenja, koji je detaljno opisan na kursu Elektrina mjerenja. Za statistiku obradu rezultata
u fizici i tehnici kod dovoljno velikih uzoraka po pravilu se koristi Gausova raspodjela koja je
definirana funkcijom raspodjele:

px

1
e
s 2

1 x x

2 s

(5)

Ako je broj uzoraka mjerenja relativno mali (n < 30) za statistiku obradu koristi se
Studentova raspodjela.

t
n

(6)

U pravilu se koristi faktor studentove raspodjele t95(n) za vjerovatnost 95 % koji ovisi o broju
mjerenja. Svoenje procijenjenog standardnog odstupanja na nivo standardne nesigurnosti
izvodi se dijeljenjem s tfaktorom Studentove raspodjele.
Praktine okolnosti esto onemoguavaju da se neko mjerenje ponavlja vei broj puta. Ako se
mjerenje izvri samo jedanput ili pak manji broj puta, na primjer, dva ili tri puta, uzorak koji
je dobiven je suvie mali da bi se njegovom obradom dolo do pouzdanih statistikih
podataka. U cilju dobivanja mjerne nesigurnosti tipa A, takoer i onda kada se mjerenje
obavlja mali broj puta (n < 5), moe se koristiti podatak koji se naziva objedinjena mjerna
nesigurnost. Do vrijednosti objedinjene mjerne nesigurnosti dolazi se na osnovi pregleda
instrumenta u nekoj ovlatenoj metrolokoj laboratoriji. Pri ispitivanju instrumenta izvodi se
vea serija ponovljenih mjerenja na raznim opsezima ispitivanog instrumenta na temelju ega
se izraunava eksperimentalno njegovo standardno odstupanje, tj. standardna mjerna
nesigurnost tip A, uA. Ovaj podatak se saoptava korisniku pod nazivom objedinjena
standardna mjerna nesigurnost, uAo , i upisuje u uvjerenje o pregledu mjerila.
4

Ako korisnik izvri samo jedno mjerenje ovjerenim instrumentom, on uz dobiveni rezultat xi,
daje kao mjernu nesigurnost tipa A vrijednost uAo. Ukoliko se radi o uzorku od tri mjerenja,
x1, x2, x3, za krajnji rezultat se usvaja srednja vrijednost xs = (x1 + x2 + x3)/3. Standardna
nesigurnost srednje vrijednosti je u A0 / n u A0 / 3 s obzirom da se uzorak sastoji od n = 3
elementa. Objedinjena mjerna nesigurnost je dobivena na temelju viestruko ponovljenih
mjerenja, pa joj odgovara Gausova raspodjela.
Treba napomenuti da je ipak poeljno, ukoliko to praktini uvjeti omoguavaju, da
eksperimentator, umjesto koritenja objedinjene mjerne nesigurnosti, samostalno odredi
mjerne nesigurnosti tipa A viestrukim ponavljanjem mjerenja.

Mjerna nesigurnost tipa B

Prema definiciji datoj u GUM-u, mjerna nesigurnost tipa B odreuje se svim ostalim
metodama, izuzev statistike analize. Mjerna nesigurnost tipa B se odreuje neovisno od toga
da li se radi o pojedinanim ili ponovljenim mjerenjima. Pojam koritenja svih ostalih metoda
podrazumjeva da skup tih metoda nije odreen, nego da izbor metoda ovisi od potrebe i od
iskustva i znanja samog eksperimentatora. Valjano odreivanje mjerne nesigurnosti tipa B,
posebno kada se radi o sloenijim mjernim sistemima, predstavlja jedan od najteih problema
u mjernoj tehnici. Za rjeavanje problema treba imati potpuna saznanja o koritenoj mjernoj
opremi i o utjecaju parametara okruenja na mjernu opremu a takoer i na veliinu koja se
mjeri. Po pravilu, valjano odreivanje mjerne nesigurnosti tipa B kod sloenijih sistema, u
stanju je izvriti samo eksperimentator s dubokim poznavanjem eksperimenta i sa
viegodinjim iskustvom u datoj oblasti. Mjerna nesigurnost tipa B pod utjecajem bilo koje
veliine ima sluajni karakter, pa je mogue odrediti odgovarajuu vrijednost standardnog
odstupanja rezultata. Standardna mjerna nesigurnost, tipa B, uB, po definiciji, jednaka je
standardnom odstupanju uslijed utjecaja date veliine. I kod mjerne nesigurnosti tipa B, kao i
kod svake veliine sluajnog karaktera neophodno je odrediti odgovarajuu funkciju
raspodjele. Dok je kod mjerne nesigurnosti tipa A, po pravilu zastupljena Gausova raspodjela,
kod mjerne nesigurnosti tipa B mogu se javiti raznovrsne raspodjele, od kojih su neke
navedene u nastavku. Problem odreivanja raspodjele, takoer, nema jednoznane metode
rjeavanja ve u velikoj mjeri ovisi od praktinih okolnosti u eksperimentu. Zbog toga e
odreivanje raspodjele biti diskutovano kroz odreeni broj primjera.
Jedan od najvanijih izvora podataka za odreivanje mjerne nesigurnosti tipa B su katalozi i
prirunici koje proizvoai daju uz svoj instrument. Podaci o nesigurnosti mjerenja daju se za
pojedine mjerne opsege pri odreenim parametrima okoline (raspon temperature, relativna
vlanost i dr.). Podatke o nesigurnosti u proizvoakim dokumentima, po pravilu treba
shvatiti kao proirenu nesigurnost. Drugi vaan izvor saznanja o mjernoj nesigurnosti
predstavljaju podaci dobiveni nakon pregleda instrumenta u nekoj od akreditovanih
laboratorija, prije svega u nacionalnoj metrolokoj laboratoriji. Poznato je da instrumenti u
javnoj upotrebi, moraju biti prethodno pregledani na propisani nain pomou opreme vie
klase tanosti. Podaci u certifikatu dobivenom nakon pregleda, zajedno s eventualnim
dodatnim obavijestima strunjaka koji su izvrili pregled, predstavljaju korisne izvore u
odreivanju mjerne nesigurnosti tipa B.
Mjerna nesigurnost rezultata kod jednog eksperimenta odreena je kako karakteristikama
instrumenata, tako i razliitim sistematskim efektima koji se mogu podvesti pod pojam
transparentnost. U Meunarodnom rjeniku osnovnih i opih pojmova u mjeriteljstvu pojam
transparentnost se definie kao osobina instrumenta da pri mjerenju ne utjee na mjerenu
veliinu. Primjeri mjerne nesigurnosti izazvane netransparentnou su brojni, meu kojima se
mogu navesti slijedei:
5

 voltmetar relativno male ulazne otpornosti izaziva sniavanje napona kada se prikljui na
take izmeu kojih se napon mjeri,
ampermetar umetnut u strujni krug, uslijed vlastite otpornosti dovodi do snienja struje
koja je prije toga postojala u toj strujnoj grani,
kod dvoinog mjerenja otpornosti nekog otpornika pomou ommetra, otpornost
prikljunog kabela se sabira sa mjerenom otpornou to za poslijedicu daje veu
otpornost od stvarne vrijednosti,
kod mjerenja vrlo velikih otpornosti treba obratiti panju na entirajui utjecaj paralelnih
parazitnih otpornosti uslijed kojih se dobiva manja vrijednost od stvarne.
Kod svake vrste mjerenja postoje specifini sistematski utjecaji koji se odraavaju na
nesigurnost mjerenja, tako da te utjecaje nije mogue nabrojati. Zadatak svakog metrologa je
da detaljno proui mjerni problem kojim se bavi i da identificira sistematske utjecaje koji
utjeu na rezultat u okviru postavljenog nivoa tanosti. Ovdje se navodi jo nekoliko primjera
sistematskih utjecaja na mjernu nesigurnost:

kod termometarskih badarenja ispitivanog termometra isti se postavlja u blizinu

etalonskog termometra, pri tome se pretpostavlja, da se nakon dueg vremena, oba
termometra nalaze na istovjetnoj temperaturi, to u principu ne mora biti sluaj;
kod instrumenata dolazi tokom vremena do postupnih promjena karakteristika, to se
naziva starenje. Otuda treba voditi rauna o vremenu proteklom od poslijednje provjere
instrumenta u cilju procjene moguih promjena parametara navedenih u podacima o
pregledu instrumenta;
postoji komponenta nesigurnosti pod utjecajem parametara okruenja kao to su promjene
temperature okoline, vlanosti zraka, atmosferskog pritiska, stabilnosti napona napajanja i
dr;
neophodno je provjeravati valjanost matematikih algoritama koritenih u obradi
rezultata, utjecaj zaokruivanja pri izraunima i sl.

Veina laboratorijskih mjerenja ima tzv. statiki karakter, to jest oitavanje se obavlja tek
nakon uspostavljanja stacionarnog stanja. Meutim, potpuna ustaljenost fizikih veliina nije
ostvariva u praksi. Tokom prikupljanja podataka mjerena veliina i parametri okoline imaju
odreenu brzinu promjene, pa se javljaju tzv. dinamike greke mjerenja.

Funkcije raspodjele za proraun mjerne nesigurnosti tipa B

Jedna od osnovnih osobina koncepta mjerne nesigurnosti izraene u GUM-u je da se svakom
utjecajnom efektu pridrui neka funkcija raspodjele. U tom pogledu postoji jasna razlika
koncepta mjerne nesigurnosti u usporedbi s klasinom teorijom greaka. U teoriji greaka,
funkcija raspodjele se pridruuje samo sluajnim greakama, dok se sistematske greke
promatraju kao konstantne veliine. Meutim, u praksi nema smisla koristiti ono mjerilo koje
sistematski pokazuje vei ili manji rezultat od stvarnog. Zbog toga je, prije poetka koritenja,
neophodno otkloniti sistematske greke, to se vri postupkom kalibracije instrumenta.
Poeljno bi bilo da se sistematski efekti svedu na nulu. Meutim, idealno kompenziranje nije
izvodivo u praksi, jer uvijek ostaju izvjesni zaostali sistematski utjecaji koji se ne mogu do
kraja eliminirati. Naime, smanjivanje sistematskih efekata vri se dotle dok preostali efekti
dobiju sluajni karakter.
Za razliku od mjerne nesigurnosti tipa A, kod koje je raspodjela Gausova (odnosno
Studentova), kod mjerne nesigurnosti tipa B mogu se javiti i neke druge vrste raspodjele. U
nastavku e biti objanjene neke raspodjele koje se najee koriste kod odreivanja mjerne
nesigurnosti tipa B kao to su pravougaona (ravnomjerna), trapezna i trokutasta raspodjela.
6

Ravnomjerna (pravougaona) funkcija gustoe raspodjele

U nedostatku podataka i eksperimentalnih iskustava, kao funkcija gustoe raspodjele se
uglavnom usvaja ravnomjerna (pravougaona) raspodjela. Ova raspodjela je jedna od najee
koritenih kod mjerne nesigurnosti tipa B.
Promatra se slijedei primjer. Pomou digitalnog ommetra rezolucije R = 1 , odabrana je
grupa otpornika, s otpornou od R0 = 100 . Osnovno svojstvo svih digitalnih instrumenata
je da daju zaokruenu diskretnu vrijednost mjerene veliine. To istovremeno znai da
vrijednosti veliina izraenih istom cifrom nisu jednake. U ovom sluaju otpornosti otpornika
se meusobno razlikuju, ali istovremeno, sve one pripadaju intervalu R[R0 R/2],
odnosno od 99,5 do 100,5 . Postavlja se pitanje koju funkciju gustoe raspodjele p(x)
treba pripisati populaciji ovakvih otpornika. Imajui u vidu da je svaka vrijednost unutar
ogranienog intervala podjednako vjerovatna, slijedi zakljuak da je odgovarajua gustoa
raspodjele ravnomjerna. Dijagram ravnomjerne gustoe raspodjele prikazan je na sl. 2.7.
Raspodjela je odreena srednjom vrijednou x i poluirinom intervala a. Vrijednosti

sluajne varijable x nalaze se sa sigurnou u opsegu x x a , x a , pri emu je svaka

vrijednost unutar intervala podjednako vjerovatna.
Imajui u vidu uvijet normiranosti funkcije gustoe raspodjele:

px dx px dx 1

(7)

funkcija gustoe ravnomjerne (uniformne) raspodjele dobije se kao:

p x

1
,
2a

p x 0 ,

xa x xa
(8)
svuda drugdije.

Slika 1 a) ravnomjerna gustoa raspodjele b) funkcija raspodjele vjerovatnoe F(x)

7

Varijansa ravnomjerne gustoe raspodjele, koja je jednaka kvadratu standardnog odstupanja

dobiva se uvrtavanjem predhodne relacije kao:

2
1 xa
a2
x x px dx

x x dx
2 a x a
3

(9)

Standardno odstupanje, kao kvadratni korijen varijanse iznosi:

a
a 0,577
3

(10)

Interval poluirine od jednog standardnog odstupanja sa centrom u srednjoj vrijednosti

prikazan je osjenenom povrinom na slici 1.a. Ova povrina koja predstavlja vjerovatnost
nalaenja rezultata u intervalu polovine irine , iznosi 1

3 57.7% .

Funkcija raspodjele vjerovatnoe, koja se esto zove i kumulativna funkcija vjerovatnoe

(slika 2.7.b) sastoji se od slijedea tri segmenta:

F(x) = 0, za x x a,
linearno rastui segment od x = x a, pri emu na sredini intervala x = a ima vrijednost
0,5, a na gornjoj granici x = x + a dostie vrijednost 1.
F(x) = 1, za x > x a.

Tipini sluajevi u kojima se koristi ravnomjerna funkcija gustoe raspodjele su:

Oitavanje na skali digitalnih instrumenata kada rezultati imaju istovjetne vrijednosti. U

tom sluaju je poluirina ravnomjerne raspodjele jednaka polovini rezolucije instrumenta.
Posjeduju se nepotpune informacije, kao na primjer: kondenzatori jedne vrste u skladitu
imaju kapacitivnosti koje se kreu u intervalu od 1,3 F do 1,5 F. Kod ove informacije,
opravdano je usvojiti pretpostavku da kapacitivnosti imaju ravnomjernu raspodjelu
definiranu u intervalu (1,4 0,1) F.
U prateem dokumentu proizvoaa instrumenta tvrdi se da je nesigurnost voltmetra
manja od 1,5% maksimalne vrijednosti Um. Ako ne postoje dodatna saznanja o
eventualnom grupiranju rezultata oko srednje vrijednosti, uobiajeno je pretpostaviti da e
rezultati pri nekoj odreenoj vrijednosti mjerene veliine imati uniformnu raspodjelu sa
polovine irine a = 0.015 Um.
Kada se raspolae sa podacima o vrijednostima parametara nekog materijala (specifina
otpornost, gustoa, modul elastinosti i sl.) koje mogu varirati u rasponu (xmin , xmax). Za
srednju vrijednost parametra se tada usvaja x = (xmin+ xmax)/ 2, pa je poluirina raspodjele
a = xmax x = x xmin.
Kod analize brojeva dobivenih pomou generatora sluajnih brojeva, kod ishoda igara na
sreu (loto, kocka za igru).

Primjer 1: U tablicama karakteristika nekog otpornika postoji podatak da se njegova

vrijednost kree u rasponu 5,0.103 5,4.103 . Odrediti standardnu nesigurnost ovog podatka.
Rjeenje: U nedostatku detaljnijih podataka moe se pretpostaviti da je svaka od vrijednosti
unutar navedenog intervala podjednako vjerojatna, to znai da se podatku o vrijednosti
otpornika pridruuje pravougaona gustoa raspodjele. Srednja vrijednost u tom sluaju iznosi:

Rmin Rmax 5,2 10 3

Rmax Rmin 0 ,2 10 3

a poluirina raspodjele:

2
to istovremeno predstavlja i proirenu mjernu nesigurnost.

Standardna nesigurnost jednaka je standardnom odstupanju (jednaina 2.59.) i iznosi:

a
a 0,577 115,47
3

us

Trapezna funkcija gustoe raspodjele

Sa stanovita praktine primjene, pravougaona raspodjela, prikazana na slici 2.7. ima kao svoj
nedostatak prekidne take na svojim krajevima, koje se u prirodi praktino ne pojavljuju.
Naime, kod kontinualnih veliina uslijed fizikih razloga nisu mogue idealno skokovite
promjene funkcije vjerovatnoe na graninim takama x a . U predhodnom izlaganju dat je
primjer u kome je selekcija otpornika od 100 vrena pomou ommetra rezolucije 1 .
Donja granina vrijednost pri kojoj se oitava 100 trebalo bi da iznosi tano 99,5 .
Meutim, u praksi ova granina vrijednost ipak varira u izvjesnoj mjeri uslijed utjecaja
umova i drugih smetnji u pojaivaima ili u komparatorima analogno digitalnih pretvaraa.
Zbog toga se povremeno dogaa da se vrijednosti od 100 poinju sporadino oitavati i
onda kada stvarne otpornosti lee u intervalu od na primjer 99,3 do 99,7 . Na gornjoj
granici intervala, iz istih razloga 100 e se sporadino dobivati pri vrijednostima od 100,3
do 100,7 . To znai da granice intervala nisu diskretne, to se najjednostavnije modelira
tako to se vertikalne granice pravougaone raspodjele zamjene linearnim nagibima, ime se
od pravougaone dobiva trapezna raspodjela koja je prikazana na slici 2.8.
Trapezna raspodjela je simetrina i ograniena u intervalu x a , gdje je x srednja vrijednost
raspodjele, a a poluirina. Gornja osnova trapeza 2b je manja od donje, pa se definie odnos
= b/a 1. Pri = 1 trapezna raspodjela prelazi u pravougaonu, a pri = 0 trapezna
raspodjela postaje trougaona. S obzirom na uvijet normiranosti, tj. uvijeta da povrina trapeza
iznosi 1, dobija se da visina trapezne raspodjele iznosi:

1
1

a b a 1

(11)

U prethodnom primjeru, poluirine donje i gornje osnovice trapeza iznose a = 7,5 , b = 2,5
, a njihov odnos = 0,429, pa je visina trapeza h = 1 -1.
Varijansa kod trapezne gustoe raspodjele dobije se kao:

x x

px dx

a2
1 ,
6

(12)

pa je standardno odstupanje u ovom sluaju jednako:

1 2
(13)
6
Ako je trapezna gustoa raspodjele bliska pravougaonoj, tada je 1 i standardno odstupanje
tei vrijednosti s a / 3 za pravougaonu raspodjelu.
s a

Slika 2 a) Trapezna funkcija gustoe raspodjele b) Funkcija raspodjele vjerovatnoe

Najmanja vrijednost standardnog odstupanja je u sluaju 0 kada iznosi s a / 6 . Tada
je b = 0, pa trapezna gustoa raspodjele prelazi u trougaonu gustou raspodjele.
Na slici 2.a prikazana je trapezna gustoa raspodjele sa slijedeim vrijednostima:
srednja vrijednost x = 12,5 ;

poluirine a = 7,5 i b = 2,5

visina h =1/(a+b) = 0.1,

a na slici 2.b odgovarajua funkcija raspodjele vjerovatnoe (kumulativna funkcija

vjerovatnoe), koja se sastoji od slijedeih pet segmenata:

F(x) = 0, za x x a,

parabolini segment za x a < x < x b, (rastui nagib),

linearno rastui segment za x b < x < x + b, sa takom F ( x ) = 0,5,

parabolini segment za x + b < x < x + a, (opadajui nagib), i

F(x) = 1, za x > x + a.

Trougaona funkcija gustoe raspodjele

Trougaona funkcija gustoe raspodjele, slika 2.9.a, definisana je, takoer, u ogranienom
intervalu kao ravnomjerna i trapezna raspodjela. Poluirina raspodjele je a, srednja vrijednost
x . Osovina trougaone raspodjele je vea skoncentrisanost rezultatata oko srednje vrijednosti
u odnosu na ravnomjernu i trapeznu raspodjelu. Budui da je povrina trougla na sl.2.9.
jednaka 1 (uvjet normiranosti funkcije raspodjele) dobija se da maksimum raspodjele iznosi
p( x )=1/a, to je dva puta vie nego kod uniformne raspodjele iste irine.
Trougaona funkcija raspodjele definisana je izrazima :
10

p x

x xa
,
a2

xa x x

xax
, x x xa
a2
px 0 , svuda drugdije

p x

(14)

Slika 3. a) Trougaona funkcija gustoe raspodjele b) Funkcija raspodjele vjerovatnoe

Integraljenjem izraza (14) dobija se funkcija raspodjele vjerovatnoe koja ima etiri
segmenta:
2
1
F x
x xa , xa x x
F x 0, x x a ;
2
2a
(15)
1 xx
;
F x
2a x x , x x x a
F x 1, x x a
2 2 a2

Na prvom parabolinom segmentu (15.b) strmina se poveava a na drugom segmentu (15.c)

opada. Standardno odstupanje kod trougaone raspodjele, moe se dobiti ili zamjenom izraza
(14) u (9), ili polazei od standardnog odstupanja trapezne raspodjele (13), uz uvjet = 0,
ime se dobiva:
a
(16)
s
6
Oznaena povrina na slici 3., irine 2, prikazuje vjerovatnou da se neki rezultat nalazi u
intervalu x . Elementarnom geometrijskom analizom dobija se da ova povrina
(vjerojatnoa) iznosi P ( x ) = 0,65 to je vie nego kod odgovarajue ravnomjerne
raspodjele kod koje odgovarajua vjerojatnost iznosi 57,7 %. Ovo je logino s obzirom na
veu skoncentrisanost trougaone u odnosu na pravougaonu raspodjelu.
11

Trougaonu raspodjelu imaju sluajne veliine koje se dobivaju kao zbroj dvije veliine s
ravnomjernim raspodjelama jednake irine. Takoer, koristi se kada se iz iskustva zna da
postoji grupisanje mjernih rezultata oko srednje vrijednosti ali pri tome nisu zadovoljeni
uvjeti u dobivanja Gausove raspodjele.

Kombinirana mjerna nesigurnost

Kombinirana mjerna nesigurnost predstavlja rezultantnu vrijednost u sluaju kada nesigurnost
potjee od dvije ili vie razliitih komponenti. Kombinirana mjerna nesigurnost se koristi u
slijedea dva sluaja:

mjerna nesigurnost tipa A postoji, (izvrena je serija ponovljenih mjerenja) a takoer

postoji jedna ili vie komponenti i mjerna nesigurnost tipa B (postoje saznanja o mjernom
sistemu),
postoje dvije ili vie komponenti mjerne nesigurnosti tipa B, a ne postoji mjerna
nesigurnost tipa A (jer mjerenje nije ponavljano).

Kao i kod mjernih nesigurnosti tipa A i B, i kod kombinirane mjerne nesigurnosti definie se
standardna nesigurnost uC (koja ima smisao standardnog odstupanja) a takoer, i proirena
nesigurnost UC=kuC, gdje je k faktor proirenja. Standardna kombinirana nesigurnost
izraunava se postojeim formulama na osnovi vrijednosti standardnih odstupanja
komponenti nesigurnosti. Meutim, znatno tei problem predstavlja odreivanje funkcije
raspodjele kombinirane nesigurnosti, pa samim tim i odreivanje faktora proirenja k.
Funkcija raspodjele kombinirane nesigurnosti dobija se kao konvolucija funkcija raspodjela
komponenata nesigurnosti. Neka su x1 i x2 dvije kontinualne sluajne promjenljive ije su
funkcije raspodjele f1(x1) i f2(x2), respektivno. Ako se promjenljiva y = x1 + x2 dobije
sabiranjem dvaju sluajnih veliina tada funkcija raspodjele f(y) predstavlja konvoluciju datih
funkcija raspodjele f(y)= f1(x1) f2(x2) koja se odreuje konvolucionim integralom:

f y

f1 x1 f 2 y x1 dx1

f 2 x2 f1 y x2 dx2

(17)

Problem odreivanja konvolucije u sluajevima, koji se sreu u praksi, obuhvaa varijante

slaganja tri, etiri, a nekada i do desetak funkcija raspodjele. Problem odreivanja rezultantne
raspodjele, u sloenijim sluajevima, ne moe se rijeiti analitikim putem, osim u nekim
jednostavnijim sluajevima, ve se do rjeenja dolazi iskljuivo koritenjem raunarskih
numerikih postupaka. Najee koritena numerika metoda za dobijanje konvolucije veeg
broja raspodjela je tzv. Monte Karlo metoda. Monte Karlo je ime jednog iroko
rasprostranjenog matematikog postupka za numeriko rjeavanje sloenih matematikih
problema ali takoer, i za prouavanje kompleksnih sistema u mnogim podrujima nauke kao
to su fizika, ekonomija, biologija, medicina i dr. Karakteristika metode je da kao ulazne
veliine koristi sluajne brojeve to je bio razlog da dobije ime poznatog europskog centra
kockarskih igara. Osnovna odlika Monte Carlo metode (MKM) je da se fiziki sistem
predstavi matematikim modelom i da se zatim izvri veliki broj numerikih prorauna
izlazne veliine s tim to se kao ulazni podaci koriste sluajni brojevi sa unaprijed odreenom
funkcijom raspodjele.
Ako se radi o sloenijim sluajevima prorauna dolaze do izraaja velike mogunosti koje
prua MKM. Njenom primjenom mogue je odrediti funkciju raspodjele pri praktino
neogranienom broju ulaznih raspodjela, neovisno o sloenosti matematikog modela za
izraunavanje izlazne veliine. Ovakvi prorauni se danas rutinski obavljaju savremenim
raunarima. Tome ide u prilog razvoj i iroka rasprostranjenost monih paketa za obradu
podataka kao to je primjerice Matlab.
12

U osnovnom tekstu Upustva za izraavanje mjerne nesigurnosti nije posveena panja

problemu odreivanja rezultantne raspodjele kombinirane mjerne nesigurnosti. Meunarodne
metroloke organizacije u cilju prevazilaenja nedostataka osnovnog izdanja Upustva,
publiciraju literaturu u kojima se daju primjeri odreivanja mjerne nesigurnosti u pojedinim
vanijim sluajevima kao to su termometrija, mjerenja mase i dr. U skorije vrijeme pojavila
se i publikacija Dodatak Upustvu za odreivanje mjerne nesigurnosti koja je posveena
odreivanju ekvivalentne funkcije raspodjele koritenjem Monte Carlo metode.

Izraunavanje standardne kombinirane mjerne nesigurnosti

Pri izraunavanju kombinirane mjerne nesigurnosti treba razlikovati slijedea tri sluaja:

komponente nesigurnosti su meusobno nekorelisane

komponente nesigurnosti su u potpunoj korelaciji, i

komponente nesigurnosti su djelomino korelisane.

Daleko najvei znaaj ima sluaj nekorelisanih nesigurnosti, emu e u nastavku biti
posveeno najvie panje.
Sluaj nekorelisanih komponenti mjerne nesigurnosti
Dvije sluajne veliine su nekorelisane (ili statistiki neovisne) onda, kada promjene jedne od
njih, ne izazivaju predvidljive promjene druge veliine. Neka se razmatra problem
standardnog odstupanja indirektno mjerenih veliina y = f (xl, x2,... xj, ... xn), gdje su promjene
utjecajnih veliina xi meusobno nekorelisane veliine. Zamjenom u izrazu za proraun
standardne devijacije posredno mjerene veliine sy
n
f
2
(18)
sY
s xi
xi
i 1
standardnih odstupanja sxi sa odgovarajuim nesigurnostima uxi, dobiva se standardno
odstupanje kombinirane nesigurnosti:
y 2

ux2i
(19)
uCy
xi

Dobar primjer nekorelisanih sluajnih veliina predstavljaju mjerne nesigurnosti tipa A i tipa
B jer se dobivaju meusobno neovisnim metodama mjerna nesigurnost tip A statistikom
obradom rezultata ponovljenih mjerenja, a mjerna nesigurnost tipa B analizom karakteristika
mjernog sistema. Nakon odreivanja standardnih nesigurnosti uAy i uBy, kombinirana
standardna nesigurnost dobiva se "sabiranjem" dvaju nesigurnosti po pravilu kvadratnog
korijena zbira kvadrata, tj.:
2
2
uCy u Ay
uBy

(20)

Primjer 2: U sluaju serije ponovljenih mjerenja krajnji rezultat predstavlja srednju

vrijednost:
n

y xs
i 1

xi
n

Treba odrediti mjernu nesigurnost srednje vrijednosti u sluaju kada su elementi uzorka
nekorelisane veliine.
Rjeenje: Primjenom izraza (19), za parcijalne izvode srednje vrijednosti dobija se:
13

y xs 1

xi xi n
Poto su rezultati svih n mjerenja dobijeni pri istim uvjetima, svim ulaznim veliinama xi
odgovara jedna ista vrijednost standardnog odstupanja, odnosno standardne nesigurnosti
s = uxi = ux. Zamjenom u (19), za nesigurnost srednje vrijednosti dobija se:
u2
1 n 2
1
ux
n u x2 x
n i 1
n
n
Treba napomenuti da je izraz istovjetnog oblika kao i jednaina koja je izvedena za
standardnu devijaciju srednje vrijednosti.
u xs

Primjer 3: Odrediti mjernu nesigurnost ako su u toku ponavljanja mjerenja jaine struje
dobijeni slijedei rezultati: 5.09, 5.19, 4.92, 4.98, 5.11 u amperima. Mjerenje je izvreno
digitalnim instrumentom mjernog opsega 10 A, ija je tanost data kao:

G 0,2% of reading 0,1% of range

Rjeenje: Najvjerovatnija vrijednost mjerene struje je:

It I

1 n
I i 5,058 A
n i 1

Procjenjena mjerna nesigurnost tipa A je:

n
1
uA
xi x
nn 1 i 1

0 ,0481 A

Procjenjena mjerna nesigurnost tipa B je:

0,1
0,2

uB
5,058
10,00 0,0201 A
100
100

Ukupna mjerna nesigurnost je sada:

uA 2 uB 2

0,0521 A

Ako se ovaj rezultat proiri ( k = 2) dobija se proirena mjerna nesigurnost

U proireno k Utotal 0,1042 A

Odnosno vrijednost mjerene struje je:

I t 5,058 0 ,1042 A

Konano, moe se napisati i da je izmjerena struja It = 5.058 A sa nesigurnou od 2,06 % i

faktorom proirenja k = 2.
Primjer 4: Napon nekog izvora mjeren je 50 puta pod istim uvjetima pomou voltmetra
mjernog opsega 10 V i klase tanosti 0,2. Srednja vrijednost svih rezultata mjerenja bila je
8,75 V sa standardnom devijacijom pojedinanog mjerenja od 16 mV. Kolika je mjerna
nesigurnost srednje vrijednosti rezultata mjerenja ?
Rjeenje: Kako je klasa tanosti voltmetra KT = 0,2 dobije se da je greka nastala usljed
klase tanosti jednaka:
KT MO
G
20 mV
100
14

Mjerna nesigurnost se dobije kao:

2

uCy u u
2
Ay

2
By

s G
16 20




11,76 mV
n 3
50 3

Sluaj korelisanih i djelimino korelisanih komponenti mjernih nesigurnosti

Korektno realizirani mjerni sistem podrazumijeva koritenje instrumenata s potpuno
otklonjenim sistematskim grekama, tako da ometajue veliine imaju sluajni karakter, pa se
uzastopno izmjereni rezultati mogu smatrati kao meusobno statistiki neovisni, tj. da su u
potpunosti nekorelisani. Meutim, u praksi nije mogue da svi instrumenti imaju u potpunosti
otklonjene sistematske greke. Na primjer, tokom neke serije mjerenja napona, voltmetar
moe imati poremeaj "nule", tj. na skali se pokazuje manji napon i onda kada su ulazni
krajevi kratko spojeni. Osim toga, u nekim sluajevima istrument moe izazivati manji
poremeaj na mjerenu veliinu. Na primjer, pri mjerenju otpornosti senzora, struja
instrumenta moe izazivati dodatno zagrijavanje utjeui na sve rezultate u jednom smjeru.
Mjerni uzorak u tom sluaju ima smetnje koje su u izvjesnoj mjeri korelisane.
Sluaj potpuno korelisanih komponenti mjernih nesigurnosti
Potpuna korelacija komponenti kombinirane nesigurnosti je u principu nepoeljna i rijetko se
sree u praksi. Ovaj sluaj se javlja ako mjerni sistem, prije upotrebe nije kalibriran tako da
neki od instrumenata imaju velike neotklonjene sistematske greke koji se ponavljaju pri
svakom oitavanju.
Neka se promatra veliina y koja je odreena funkcijom od n veliina y=f (x1, x2, ... xi, ...xn).
Polazei od izraza za totalni diferencijal i zamjenom diferencijalnih veliina odgovarajuim
nesigurnostima, dy uC (y) i dx ui dobija se:
y
ui
i 1 xi
n

uC y

(21)

U jednostavnom, ali u praksi estom sluaju kada je y = xi slijedi da je y/xi = 1, pa izraz

dobiva oblik:
n

uC y ui

(22)

i 1

Sluaj djelimino korelisanih komponenti mjernih nesigurnosti

Djelimina korelacija komponenti kombinirane nesigurnosti se relativno esto pojavljuje u
mjernoj praksi. Meutim, pravilna analiza ovakvih rezultata je sloena i zahtjeva dosta
vremena pa se mahom izbjegava, s tim to se rezultati najee tretiraju kao da su u pitanju
potpuno
nekorelisane
sluajne
veliine. Kao primjer dobijanja
djelimino korelisanih komponenti
nesigurnosti, promatra se elektrini
krug gdje se mjeri otpornost omskog
potroaa R pomou U-I metode. Za
napajanje se koristi stabilisani izvor
napona dok se za mjerenje napona U i
struje I koriste instrumenti visoke
rezolucije. U prvoj aproksimaciji,
smatrajui oba instrumenta idealnim,
Slika 4. U-I metoda naponski spoj
otpornost se izraunava izrazom
15

R = U / I. Struja i napon su, pri tome, linearno ovisne veliine, pa bi se s toga njihove
promjene mogle smatrati da stoje u potpunoj korelaciji.
Meutim, ako oba instrumenta imaju visoku rezoluciju, tada se pri ustaljenom stanju mogu
uoiti odreene promjene pokazivanja sluajnog karaktera. Promjene struje instrumenta I i
napona U ovisi o nekoliko utjecajnih veliina:

I f 1 U S t ,T t , Et ,...

U f 2 U S t ,T t , Et ,... ,

(23)

gdje su sa US(t) , T(t), E(t) oznaeni vremenska nestabilnost napona stabilizatora, promjene
temperature okoline i elektomagnetske smetnje koje potjeu iz instrumenata i iz okruenja.
Promjene struje i napona su u odnosu na promjene napona stabilizatora dobro korelisane.
Meutim, promjene uslijed ostalih smetnji su preteno nekorelisane. Otuda bi pri analizi
mjerne nesigurnosti odreivanja otpornosti R trebalo posmatrati utjecaje promjena struje i
napona kao djelimino korelisane veliine.
Matematikom analizom funkcija veeg broja djelimino korelisanih sluajnih veliina xi,
dolazi se do izraza, koji "preveden" na sluaj mjerne nesigurnosti, ima oblik:
2

n 1 n
f
f f
2
(24)
u y

ui u j ri , j ,
i 1 j i 1 xi x j
xi
gdje je ri,j tzv. koeficijent korelacije. Koeficijent ri,j ima brojnu vrijednost za koju vrijedi
izraz 0 | r | 1. Postoje dvije granine vrijednosti koeficijenta i to:
2
C

r = 0 to predstavlja sluaj nulte korelacije, tj. potpuno nekorelisanih veliina. U tom

sluaju izraz (24) prelazi u (19).
| r | = 1, koji se odnosi na sluaj potpuno korelisanih veliina, pa desna strana (24)
predstavlja potpuni kvadrat, to znai da korjenovanjem izraz (24) prelazi u (21).

Kombinirana nesigurnost u sluaju djelimino korelisanih veliina je vea u odnosu na

nekorelisane veliine, a manja nego kod potpuno korelisanih veliina.
Preporuljivo je da itatelji vide primjer odreivanja kombinirane nesigurnosti pri djelimino
korelisana utjecajnim veliinama u Uputsvu za odreivanje mjerne nesigurnosti.
Odreivanje proirene mjerne nesigurnosti
Proirena mjerna nesigurnost je veliina koja odreuje interval oko mjernog rezultata za koji
se moe oekivati da obuhvaa veliki dio raspodjele vrijednosti koje bi se razumno mogle
pripisati mjerenoj veliini. Poveana nesigurnost dobiva se mnoenjem standardne mjerne
nesigurnosti faktorom proirenja k:
U k uC y
(25)
Koeficijent proirenja k je broj ija je tipina vrijednost 2, ali se ovisno od vrste raspodjele
moe kretati u intervalu od
do 3.
Proirenoj mjernoj nesigurnosti odgovara visoka vrijednost statistike sigurnosti, tipino od
oko 95 % ili vie. To znai da se sa velikom sigurnou moe oekivati da se stvarna
vrijednost mjerene veliine nalazi u intervalu y U.
Vrijednost faktora pokrivanja k moe se odrediti samo ako postoji iroko znanje o raspodjeli
vjerovatnoe svake ulazne veliine xi i ako se te raspodjele sastavljaju da bi se dobila
raspodjela izlazne veliine y. Procjene xi ulaznih veliina i njihove standardne nesigurnosti
16

u(xi) same nisu prikladne za tu svrhu. Stoga se pretpostavlja da je raspodjela vjerojatnoe

veliine y Studentova t - raspodjela. Pri tome je faktor proirenja jednak t faktoru Studentove
raspodjele. Kao to je ve reeno Studentova (ili t) raspodjela koristi u sluaju kada mjerena
veliina pripada normalnoj (Gausovoj) raspodjeli, ali je broj elemenata u uzorku n relativno
mali. U tom sluaju Studentova raspodjela ima broj stepena slobode ns = n 1.
U praksi je dosta est sluaj kada se mjerena veliina y odreuje na osnovu nekoliko mjerenih
veliina, xi , od kojih svaka podlijee normalnoj raspodjeli, ali su brojevi stepena slobode nsi
razliiti. U tom sluaju raspodjela kombinirane nesigurnosti se u dobroj aproksimaciji moe
prikazati Studentovom, s tim to se postavlja pitanje odreivanja efektivnog broja stepena
slobode nse. Taj broj se dobiva primjenom Welsh - Satterthwaiteove formule.
Pretpostavlja se da se kombinirana mjerna nesigurnost mjerene veliine y odreuje na osnovu
N komponenti nesigurnosti, od kojih svaka utjecajna veliina xi podlijee Studentovoj
raspodjeli, s brojem stepena slobode nsi. Pod pretpostavkom da su komponente nesigurnosti ui
meusobno nekorelisane, primjenom (19) odnosno (20), izraunava se standardna
kombinirana mjerna nesigurnost uC(y) mjerene veliine. Raspodjela kombinirane nesigurnosti
u dobroj aproksimaciji prikazuje Studentovom raspodjelom sa efektivnim brojem stepena
slobode nse datim tzv. Welsh - Satterthvvaite ovom formulom:
uC2 ( y )
(26)
nse N 4 ,
ui

i 1 nsi
gdje je: u C y

u i2

i 1

Na osnovu efektivnog broja stepeni slobode i statistike sigurnosti, iz tablice Studentove

raspodjele dobija se koeficijent proirenja k = tnse,P. Moe se pokazati da je broj stepeni
slobode nse manji od zbira pojedinih stepeni slobode, ali da je vei od najveeg pojedinog
broja.
Primjer 5: Raspolae se sa tri grupe otpornika koje imaju Gausovu raspodjelu otpornosti, a
nazivne vrijednosti pojedinih skupina iznose R1n= 1 k, R2n = 2 k i R3n = 4 k. Iz prve
skupine je izdvojeno n1 = 10 otpornika, za ije otpornosti su izmjerene slijedee vrijednosti:
R1i [k]

1,053 0,997 1,012 1,003 0,991 0,995 1,077 1,004 1,033 1,001

Iz druge skupine izmjerene su otpornosti ukupno 5 otpornika, pri emu su dobivene slijedee
vrijednosti:
R2i [k]

2,103 1,999 1,972 2,003 2,091

Iz tree skupine izdvojeno je 15 otpornika za ije otpornosti su mjerenjem dobiveni sljedei

podaci:
R3i [k]

4,153 3,997 4,012 3,903 4,091 4,125 4,077 3,984

4,033 4,001 4,032 4,123 3,897 3,998 3,983

Iz tri skupine otpornika, sluajnim redoslijedom, uzima se po jedan otpornik i rednim

vezivanjem dobiva otpornik ija nazivna otpornost iznosi:
Re R1 R2 R3 7 k

Odrediti srednju vrijednost i mjernu nesigurnost ekvivalentne otpornosti.

Rjeenje: Srednje vrijednosti pojedinih grupa otpornosti iznose:
17

RS 1 1016 ,6

RS 2 2033,6

RS 3 4027 ,3

Otuda srednja vrijednost ekvivalentne otpornosti iznosi:

ReS R1S R2 S R3 S 7077 ,5

Standardna nesigurnost tip A i odgovarajui broj stepeni slobode iznose:

u1 s1 28 ,5

nS 1 10 1 9

u2 s2 59 ,2
u3 s3 75,6

i
i

nS 1 5 1 4
nS 1 15 1 14

Kombinirana standardna nesigurnost iznosi:

u S u12 u22 u32 100 ,2

Efektivni broj stupnjeva slobode nSe kombinirane nesigurnosti dobija se primjenom Welsh Satterthvvaiteove formule:
nse

uC2 ( y )
100,24

19,9 19
N
ui4 28,54 59,24 75,64

9
4
14
i 1 nsi

Broj stepeni slobode zaokruen je na prvu manju cjelobrojnu vrijednost.

Po pravilu, krajnji rezultat izraava se sa statistikom sigurnou od 95 %. U tabeli
Studentove raspodjele nalazi se vrijednost tnse,95% = t19,95% =2,09. Proirena mjerna nesigurnost
iznosi Us = tnse,95% us = 2,09 100,2 = 209,4 , pa se za ekvivalentnu otpornost redne veze tri
otpornika dobiva:
Re ReS U 7077 ,5 209 ,4

Izvjetaj o mjernoj nesigurnosti

Jedna od smjernica u Upustvu za izraavanje mjerne nesigurnosti je da rezultati budu
predstavljeni to preglednije i jasnije, pa da korisnik rezultata ima potpuni uvid u sve
relevantne injenice uzete u obzir pri odreivanju nesigurnosti. Potrebno je da se navedu
matematike formule koritene za izraunavanje mjerene veliine a takoer i u analizi
nesigurnosti. Radi postizanja dobre preglednosti, preporuuje se koritenje tablinog prikaza
podataka
Iskazivanje mjernog rezultata treba prilagoditi namjeni. Ne moe se oekivati da se mjerni
rezultati jednako iskazuju u naunim radovima i izvjetajima svakodnevnih rutinskih
mjerenja. U naunim radovima i dokumentima vrhunskog mjeriteljstva mjerni rezultat treba
sadravati sve relevantne podatke koji omoguuju upotrebu, provjeru i obnavljanje
navedenog rezultata i njegove mjerne nesigurnosti. Najmanje to treba navesti je:

opis postupka mjerenja,

opis postupka izraunavanja mjernog rezultata na temelju izmjerenih vrijednosti i ostalih
ulaznih podataka (ukljuujui primijenjene pretpostavke),
vrijednosti svih komponenti mjerne nesigurnosti, nain procjene ukupne mjerne
nesigurnosti mjernog rezultata,

dovoljno detaljno sve korake obrade mjerenja (tako da se mogu pratiti i ponoviti),

sve ispravke i procjene njihove mjerne nesigurnosti,

sve konstante, koje su upotrebljavane pri obradi mjerenja i njihove nesigurnosti.

18

U krajnjem iskazu dovoljno je mjernu nesigurnost iskazivati dvjema znaajnim brojkama, a

vrijednost mjernog rezultata zaokruiti na nivou vrijednosti zadnje znaajne cifre nesigurnosti.
U meurezultatima preporuuje se zadrati jednu znamenku vie. Mjerne nesigurnosti mogu
se iskazati u relativnim, procentualnim ili apsolutnim iznosima.
Kada postoje opravdani razlozi, mjerna nesigurnost rezultata se moe iskazati proirenom
nesigurnou U. Tada je potrebno navesti faktor proirenja k i nivo povjerenja P.
Shematski prikaz prorauna mjerne nesigurnosti dat je na slici 5.

Slika 5. Proraun proirene mjerne nesigurnosti GUM metodom

Ovo je postupak koji treba slijediti pri procjenama mjerne nesigurnosti:
1. Izraziti matematiku ovisnost mjerene (izlazne) veliine y o ulaznim veliinama xi
prema jednadbi Y = f(x1 , x2, ...., xn). Funkcija f mora sadravati sve veliine, ukljuivo
korekcije i korekcijske faktore, koji mogu znaajnije pridonijeti nesigurnosti mjernog
rezultata.
2. Odrediti xi, koji je procijenjena vrijednost ulaznih veliina xi, bilo na temelju statistike
analize niza opaanja ili na neki drugi nain.
3. Procijeniti standardnu nesigurnost u(xi) za svaki procijenjeni xi. Mjeritelj mora procijeniti
i odabrati postupak prema A ili B vrsti procjene nesigurnosti.
4. Procijeniti kovarijanse pridruene svakoj ulaznoj veliini za koju se procjenjuje da
korelira s nekom drugom.
5. Proraunati mjerni rezultat, tj. njegovu procjenu y mjerene veliine Y iz funkcionalnog
odnosa f tako da se za ulazne veliine xi koriste procijenjeni xi.
6. Odrediti sastavljenu standardnu mjernu nesigurnost uc(y) mjernog rezultata y koristei
standardne nesigurnosti i kovarijanse pridruene procijenjenim ulaznim veliinama. Ako
mjerenje odreuje vie od jedne izlazne veliine, odrediti njihove kovarijanse.
19

7. Ako je potrebno, iskazati proirenu mjernu nesigurnost U, s nakanom da se odredi opseg

y - U do y + U, za koji se moe oekivati da e sadravati veliki dio rezultata mjerenja.
8. Iskazati rezultat y zajedno sa sastavljenom standardnom mjernom nesigurnou uc(y) ili
proirenom mjernom nesigurnou U. Potrebno je opisati postupak kako su dobivene ove
nesigurnosti.
Izbor nesigurnosti
Ponovljivost rezultata
(Mjerna nesigurnost tip A)
Podaci dobijeni pri
pregledu instr.
(Mjerna nesigurnost tip B)
Nesigurnost digitalnog
itanja
(Mjerna nesigurnost tip B)

Proirena
nesigurnost
Ui [V]

Raspodjela

Koeficijent
proirenja
k

Gausova

Standardna
nesigurnost
ui [V]
6

20

Gausova

10

0,5

Pravougaona

0,29

Kombinovana standardna nesigurnost uC y

ui2

11,7

20