Professional Documents
Culture Documents
1
Prihvaćanjem međunarodnog dogovora za iskazivanje mjerne nesigurnosti omogućeno je
nedvosmisleno iskazivanje i usporedba mjernih rezultata dobivenih u različitim institutima,
metrološkim i ispitnim laboratorijama. U skladu s GUM-om, 1999. Evropska 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 opća
pravila za proračun i iskazivanje mjerne nesigurnosti sa svrhom da budu primjenljiva na
širokom spektru mjerenja, EA dokument koncentrirao se na metode koje se koriste u mjernim
laboratorijama, te nedvosmisleno opisao i uskladio način proračuna i iskazivanja nesigurnosti
rezultata mjerenja prema GUM-u.
U GUM-u se osim mjerne nesigurnosti koristi i klasični pojam greške mjerenja. Ona je
definisana kao razlika mjernog rezultata i istog rezultata dobivenog ponovnim mjerenjem
korištenjem mjerila koja se smatraju etalonskim, tj. predstavljaju raspoloživo mjerilo najvećeg
nivoa tačnosti. Od etalonskog instrumenta se očekuje da je pregledan u nacionalnom
metrološkom institutu i da samim time pripada lancu sljedivosti u međunarodnom
metrološkom sistemu.
U principu, kod svakog mjerenja potrebno je odrediti i saopćiti mjernu nesigurnost. Međutim,
greška mjerenja se određuje znatno rjeđe, prije svega kada za time postoje potrebe i
mogućnosti. Ukoliko je mjerna nesigurnost valjano određena, onda greška treba da se nalazi
unutar intervala mjerne nesigurnosti.
Koncept izražavanja mjerne nesigurnosti iznesen u GUM-u ima kao teorijsku podlogu isti
matematički aparat koji se koristi kod teorije grešaka. Međutim, metod iskazivanja mjerne
nesigurnosti je praktično orijentisan i može se dobro primijeniti u svim eksperimentalnim
mjerenjima. Nasuprot tome, teorija grešaka kao i svaka matematička disciplina polazi od
aksiomatskih pojmova, a to su slučajne i sistematske greške, koje se, kao idealizirane veličine,
ne javljaju u praksi. Prema teoriji grešaka, sistematske greške su posljedica utjecaja pojava
koje dovode do jednakih promjena izlazne veličine, kako po vrijednosti, tako i po predznaku.
Nasuprot tome slučajne greške su po svojoj prirodi nepredvidivo promjenljive, pa se mogu
analizirati isključivo statističkim metodama. Ovakve pretpostavke nisu ispunjene u stvarnim
mjerenjima. Naprimjer, jedna ista fizička veličina može izazivati kako slučajne tako i
sistematske greške. Naprimjer, brze fluktuacije temperature imaju za posljedicu efekte koji
odgovaraju slučajnim greškama. Međutim, sporije temperaturne promjene mogu stvarati
promjene koje odgovaraju sistematskim greškama. Sličan primjer, kada jedna veličina izaziva
i brze i spore promjene, je napon napajanja pojačala i mjernih mostova. Napon napajanja
dobiven iz mrežnog ispravljača ima i brze fluktuacije (tzv. talasnost), a također i spore
promjene koje ovise o temperaturi okoline i nestabilnosti mrežnog napona. Otuda, napon
napajanja istovremeno prouzrokuje i slučajne i sistematske greške.
Nasuprot idealizovanih pretpostavki teorije grešaka, pristup u iskazivanju mjerne nesigurnosti
dat u GUM-u je praktično orijentiran, tj. primjenljiv je u analizi realnih eksperimentalnih
rezultata. Pri iskazivanju mjerne nesigurnosti koriste se svi termini i cjelokupni matematički
aparat klasične statističke teorije. Drugim riječima, ne postoji posebna matematička teorija
isključivo namijenjena mjernoj nesigurnosti.
Međutim, uvedeno je više konvencija u koje spadaju i slijedeće:
• Mjerna nesigurnost označava se slovom u (eng. Uncertainty - nesigurnost);
• Svi vidovi mjerne nesigurnosti tretiraju se kao slučajne veličine. To znači da se svakom
podatku o nesigurnosti pridruži neka odgovarajuća funkcija raspodjele, a također i
vjerovatnost, odnosno statistička sigurnost datog podatka.
Među novim pojmovima, koji se koriste su i slijedeći:
2
• Standardna mjerna nesigurnost u, po definiciji jednaka je standardnom odstupanju, u =
s. Statistička sigurnost, koja odgovara standardnoj mjernoj nesigurnosti, ovisi od
raspodjele koja se pripisuje datom mjerenju. Na primjer u slučaju Gausove raspodjele,
intervalu poluširine jednog standardnog odstupanja, xs ± u, odgovara sigurnost od 68,2 %.
• Proširena mjerna nesigurnost U, predstavlja umnožak standardne mjerne nesigurnosti i
broja k, (koeficijent proširenja), tj. U = ku.
• Koeficijent proširenja k je broj čija je tipična vrijednost 2, ali se, ovisno od konvencije,
može kretati u intervalu od 3 do 3, ovisno o vrsti raspodjele.
Proširenoj mjernoj nesigurnosti odgovara visoka vrijednost statističke sigurnosti, tipično od
oko 95 % ili više. To znači da se sa velikom sigurnošću može očekivati da se stvarna
vrijednost mjerene veličine nalazi u intervalu xs ± U. Treba napomenuti da proizvođači
mjerne opreme u svojim katalozima daju intervale nesigurnosti koji predstavljaju proširenu
mjernu nesigurnost.
U praksi postoje mnogi mogući izvori mjerne nesigurnosti, a najčešće su to:
− površno određivanje mjerene veličine,
− nesavršeno ostvarivanje određivanja mjerene veličine,
− nesavršenost uzorkovanja,
− neodgovarajuće poznavanje djelovanja okolnih uvjeta na mjerni postupak ili nesavršeno
mjerenje okolnih uvjeta,
− osobna pristrasnost mjeritelja (očitanje analognog mjerila),
− razlučivanje mjerila ili prag osjetljivosti,
− vrijednosti pridružene mjernom etalonu,
− vrijednosti konstanti i drugih parametara dobivene iz vanjskih izvora koji se
upotrebljavaju u algoritmima za obradu podataka,
− približavanje i pretpostavke ugrađene u mjernu metodu i mjerni postupak, te
− promjene opetovanih opažanja mjerene veličine pod očigledno istovjetnim uvjetima.
Postoje dva osnovna tipa mjerne nesigurnosti:
mjerna nesigurnost tipa A (obuhvata one komponente koje mogu biti procijenjene na
osnovi statističke raspodjele rezultata serije mjerenja i karakterizira ih standardna
devijacija) i
mjerna nesigurnost tipa B (obuhvata one komponente čija se procjena zasniva na
iskustvu, profesionalnoj ocjeni ili ostalim informacijama).
Ova podjela je zasnovana isključivo na osnovi metoda određivanja, a ne na osnovi analize
fizičkih pojava, koji su predstavljali osnovu za podjelu na slučajne i sistematske greške u
klasičnoj teoriji grešaka. Ukoliko postoje mjerne nesigurnosti tipa A i tipa B, ili pak ako
postoje dvije ili više mjernih nesigurnosti tipa B, onda se koristi i kombinovana mjerna
nesigurnost.
3
izvršeni na istovjetan način i sa istovjetnom mjernom opremom, rezultat mjerenja dobiva se
kao srednja vrijednost uzorka:
1 n
x = x s = ∑ xi (1)
n i =1
Srednja vrijednost uzorka (aritmetička sredina) predstavlja slučajnu veličinu čije je
standardno odstupanje dato izrazom
n
s 1 2
sx =
n
= ∑
n ( n − 1) i =1
xi − x ( ) (2)
1 n
s= ∑ xi − x
n − 1 i =1
( ) 2
. (3)
∑(x − x )
2
i s
s i =1
u A = s xs = = . (4)
n n ⋅ ( n − 1)
Dakle, procjena nesigurnosti tipa A je slična evaluaciji slučajne greške u klasičnoj
metrologiji, to jest dobije se statističkom obradom većeg broja rezultata ponovljenih mjerenja,
što je detaljno opisano na kursu Električna mjerenja. Za statističku obradu rezultata u fizici i
tehnici kod dovoljno velikih uzoraka po pravilu se koristi Gausova raspodjela koja je
definirana funkcijom raspodjele
2
1 x− x
− ⋅
1 2 s
p(x ) = e . (5)
s 2π
Ako je broj uzoraka mjerenja relativno mali (n < 30) za statističku obradu koristi se
Studentova raspodjela.
t
x± ⋅s (6)
n
6
nastavku će biti objašnjene neke raspodjele koje se najčešće koriste kod određivanja mjerne
nesigurnosti tipa B kao što su pravougaona (ravnomjerna), trapezna i trokutasta raspodjela.
Ravnomjerna (pravougaona) funkcija gustoće raspodjele
U nedostatku podataka i eksperimentalnih iskustava, kao funkcija gustoće raspodjele se
uglavnom usvaja ravnomjerna (pravougaona) raspodjela. Ova raspodjela je jedna od najčešće
korištenih kod mjerne nesigurnosti tipa B.
Promatra se slijedeći primjer. Pomoću digitalnog mjerača dužine, rezolucije ∆L = 1 m,
odabrana je grupa traka, s dužinom od L0 = 100 m. Osnovno svojstvo svih digitalnih
instrumenata je da daju zaokruženu diskretnu vrijednost mjerene veličine. To istovremeno
znači da vrijednosti veličina izraženih istom cifrom nisu jednake. U ovom slučaju dužine
traka se međusobno razlikuju, ali istovremeno, sve one pripadaju intervalu L ∈ [L0 ± ∆L/2],
odnosno od 99,5 m do 100,5 m. Postavlja se pitanje koju funkciju gustoće raspodjele p(x)
treba pripisati populaciji ovakvih traka. Imajući u vidu da je svaka vrijednost unutar
ograničenog intervala podjednako vjerovatna, slijedi zaključak da je odgovarajuća gustoća
raspodjele ravnomjerna. Dijagram ravnomjerne gustoće raspodjele prikazan je na slici 1.
Raspodjela je određena srednjom vrijednošću x i poluširinom intervala a. Vrijednosti
( )
slučajne varijable x nalaze se sa sigurnošću u opsegu x ∈ x − a , x + a , pri čemu je svaka
vrijednost unutar intervala podjednako vjerovatna.
Imajući u vidu uvjet normiranosti funkcije gustoće raspodjele
∞ a
∫ p ( x ) dx = ∫ p ( x ) dx = 1
−∞ −a
(7)
7
Varijansa ravnomjerne gustoće raspodjele (obilježava se nekad i sa σ 2 ), koja je jednaka
kvadratu standardnog odstupanja, dobiva se uvrštavanjem prethodne relacije kao
∞ x+a
2 1 2 a2
∫ ( x − x) p ( x ) dx = (
2 ⋅ a x∫−a
)
2
s = ⋅ x − x dx = . (9)
−∞
3
Standardno odstupanje, kao kvadratni korijen varijanse iznosi
a
s= = a ⋅ 0,577. (10)
3
Interval poluširine od jednog standardnog odstupanja sa centrom u srednjoj vrijednosti
prikazan je osjenčenom površinom na slici 1.a. Ova površina koja predstavlja vjerovatnost
nalaženja rezultata u intervalu polovične širine s, iznosi 1 3 = 57, 7% .
Funkcija raspodjele vjerovatnoće, koja se često zove i kumulativna funkcija vjerovatnoće
(slika 2b)) sastoji se od sljedeća tri segmenta:
− F(x) = 0, za x ≤ x – a,
− linearno rastući segment od x = x – a, pri čemu na sredini intervala x = x ima vrijednost
0,5, a na gornjoj granici x = x + a dostiže vrijednost 1.
− F(x) = 1, za x > x + a.
Tipični slučajevi u kojima se koristi ravnomjerna funkcija gustoće raspodjele su:
− Očitavanje na skali digitalnih instrumenata kada rezultati imaju istovjetne vrijednosti. U
tom slučaju je poluširina ravnomjerne raspodjele jednaka polovini rezolucije instrumenta.
− Posjeduju se nepotpune informacije, kao na primjer: kondenzatori jedne vrste u skladištu
imaju kapacitivnosti koje se kreću u intervalu od 1,3 µF do 1,5 µF. Kod ove informacije,
opravdano je usvojiti pretpostavku da kapacitivnosti imaju ravnomjernu raspodjelu
definiranu u intervalu (1,4 ± 0,1) µF.
− U pratećem dokumentu proizvođača 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, uobičajeno je pretpostaviti da će
rezultati pri nekoj određenoj vrijednosti mjerene veličine imati uniformnu raspodjelu sa
polovičnom širinom a = 0,015 · Um.
− Kada se raspolaže sa podacima o vrijednostima parametara nekog materijala (specifična
otpornost, gustoća, modul elastičnosti i sl.) koje mogu varirati u rasponu (xmin , xmax). Za
srednju vrijednost parametra se tada usvaja x = (xmin+ xmax)/ 2, pa je poluširina raspodjele
a = xmax – x = x – xmin.
− Kod analize brojeva dobivenih pomoću generatora slučajnih brojeva, kod ishoda igara na
sreću (loto, kocka za igru).
Primjer 1: U tablicama karakteristika nekog otpornika postoji podatak da se njegova
vrijednost kreće u rasponu 5,0.103 – 5,4.103 Ω. Odrediti standardnu nesigurnost ovog podatka.
Rješenje: U nedostatku detaljnijih podataka može se pretpostaviti da je svaka od vrijednosti
unutar navedenog intervala podjednako vjerojatna, što znači da se podatku o vrijednosti
otpornika pridružuje pravougaona gustoća raspodjele. Srednja vrijednost u tom slučaju iznosi
8
x=
( Rmin + Rmax ) = 5, 2 ⋅103 Ω
2
a poluširina raspodjele
a=
( Rmax + Rmin ) = 0, 2 ⋅103 Ω
2
što istovremeno predstavlja i proširenu mjernu nesigurnost.
Standardna nesigurnost jednaka je standardnom odstupanju i iznosi
a
u=s= = a ⋅ 0,577 = 115, 47 Ω .
3
Trapezna funkcija gustoće raspodjele
Sa stanovišta praktične primjene, pravougaona raspodjela, prikazana na slici 1. ima kao svoj
nedostatak prekidne tačke na svojim krajevima, koje se u prirodi praktično ne pojavljuju.
Naime, kod kontinualnih veličina usljed fizičkih razloga nisu moguće idealno skokovite
promjene funkcije vjerovatnoće na graničnim tačkama x ± a . U prethodnom izlaganju dat je
primjer u kome je selekcija traka od 100 m vršena pomoću mjerača rezolucije 1 m. Donja
granična vrijednost pri kojoj se očitava 100 m trebalo bi da iznosi tačno 99,5 m. Međutim, u
praksi ova granična vrijednost ipak varira u izvjesnoj mjeri usljed utjecaja šumova i drugih
smetnji u pojačivačima ili u komparatorima analogno digitalnih pretvarača. Zbog toga se
povremeno događa da se vrijednosti od 100 m počinju sporadično očitavati i onda kada
stvarne otpornosti leže u intervalu od na primjer 99,3 m do 99,7 m. Na gornjoj granici
intervala, iz istih razloga 100 m će se sporadično dobivati pri vrijednostima od 100,3 m do
100,7 m. To znači da granice intervala nisu diskretne, što se najjednostavnije modelira tako
što se vertikalne granice pravougaone raspodjele zamjene linearnim nagibima, čime se od
pravougaone dobiva trapezna raspodjela koja je prikazana na slici 2.
Trapezna raspodjela je simetrična i ograničena u intervalu x ± a , gdje je x srednja vrijednost
raspodjele, a a poluširina. Gornja osnova trapeza 2b je manja od donje, pa se definiše odnos
β = b/a ≤ 1. Pri β = 1 trapezna raspodjela prelazi u pravougaonu, a pri β = 0 trapezna
raspodjela postaje trougaona. S obzirom na uvjet normiranosti, tj. uvjeta da površina trapeza
iznosi 1, dobija se da visina trapezne raspodjele iznosi
1 1 (11)
h= = .
( a + b ) a ⋅ (1 + β )
Varijansa kod trapezne gustoće raspodjele dobije se kao
∞
2 a2
∫( )
x − x ⋅ p ( x ) ⋅ dx = ⋅ (1 + β 2 )
2
s = (12)
−∞
6
pa je standardno odstupanje u ovom slučaju jednako
1+ β 2
s = a⋅ . (13)
6
Ako je trapezna gustoća raspodjele bliska pravougaonoj, tada je β ≈ 1 i standardno odstupanje
teži vrijednosti s ≈ a / 3 za pravougaonu raspodjelu.
9
Slika 2. a) Trapezna funkcija gustoće raspodjele b) Funkcija raspodjele vjerovatnoće
Najmanja vrijednost standardnog odstupanja je u slučaju β ≈ 0 kada iznosi s ≈ a / 6 . Tada
je b = 0, pa trapezna gustoća raspodjele prelazi u trougaonu gustoću raspodjele.
Na slici 2a) prikazana je trapezna gustoća raspodjele sa sljedećim vrijednostima:
srednja vrijednost x = 12,5 ; poluširine a = 7,5 i b = 2,5 ; visina h =1/(a+b) = 0,1,
a na slici 2b) odgovarajuća funkcija raspodjele vjerovatnoće (kumulativna funkcija
vjerovatnoće), koja se sastoji od slijedećih pet segmenata:
− F(x) = 0, za x ≤ x – a,
− parabolični segment za x – a < x < x – b, (rastući nagib),
− linearno rastući segment za x – b < x < x + b, sa tačkom F ( x ) = 0,5,
− parabolični segment za x + b < x < x + a, (opadajući nagib), i
− F(x) = 1, za x > x + a.
10
p (x ) =
(
x− x−a), x−a ≤ x ≤ x
a2
x+a−x
p(x ) = , x≤ x≤ x+a (14)
a2
p (x ) = 0 , svuda drugdje
11
raspodjele kod koje odgovarajuća vjerojatnost iznosi 57,7 %. Ovo je logično s obzirom na
veću skoncentrisanost trougaone u odnosu na pravougaonu raspodjelu.
Trougaonu raspodjelu imaju slučajne veličine koje se dobivaju kao zbroj dvije veličine s
ravnomjernim raspodjelama jednake širine. Također, 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.
12
računarima. Tome ide u prilog razvoj i široka rasprostranjenost moćnih paketa za obradu
podataka kao što je primjerice Matlab.
U osnovnom tekstu Upustva za izražavanje mjerne nesigurnosti nije posvećena pažnja
problemu određivanja rezultantne raspodjele kombinirane mjerne nesigurnosti. Međunarodne
metrološke organizacije u cilju prevazilaženja nedostataka osnovnog izdanja Upustva,
publiciraju literaturu u kojima se daju primjeri određivanja mjerne nesigurnosti u pojedinim
važnijim slučajevima kao što su termometrija, mjerenja mase i dr. U skorije vrijeme pojavila
se i publikacija Dodatak Upustvu za određivanje mjerne nesigurnosti koja je posvećena
određivanju ekvivalentne funkcije raspodjele korištenjem Monte Carlo metode.
Izračunavanje standardne kombinirane mjerne nesigurnosti
Pri izračunavanju kombinirane mjerne nesigurnosti treba razlikovati slijedeća tri slučaja:
− komponente nesigurnosti su međusobno nekorelisane
− komponente nesigurnosti su u potpunoj korelaciji, i
− komponente nesigurnosti su djelomično korelisane.
Daleko najveći značaj ima slučaj nekorelisanih nesigurnosti, čemu će u nastavku biti
posvećeno najviše pažnje.
Slučaj nekorelisanih komponenti mjerne nesigurnosti
Dvije slučajne veličine su nekorelisane (ili statistički neovisne) onda, kada promjene jedne od
njih, ne izazivaju predvidljive promjene druge veličine. Neka se razmatra problem
standardnog odstupanja indirektno mjerenih veličina y = f (x1, x2,... xj, ... xn), gdje su promjene
utjecajnih veličina xi međusobno nekorelisane veličine. Zamjenom u izrazu za proračun
standardne devijacije posredno mjerene veličine sy
2
n
∂f
sY = ∑ ⋅ sxi (18)
i =1 ∂xi
standardnih odstupanja sxi sa odgovarajućim nesigurnostima uxi, dobiva se kombinirana
standardna nesigurnost
∂y 2
uCy = ∑ ⋅ u xi .
2 (19)
∂xi
Dobar primjer nekorelisanih slučajnih veličina predstavljaju mjerne nesigurnosti tipa A i tipa
B jer se dobivaju međusobno neovisnim metodama – mjerna nesigurnost tip A statističkom
obradom rezultata ponovljenih mjerenja, a mjerna nesigurnost tipa B analizom karakteristika
mjernog sistema. Nakon određivanja standardnih nesigurnosti uAy i uBy, kombinirana
standardna nesigurnost dobiva se "sabiranjem" dvaju nesigurnosti po pravilu kvadratnog
korijena zbira kvadrata, odnosno
2 2
uCy = u Ay + u By . (20)
Treba odrediti mjernu nesigurnost srednje vrijednosti u slučaju kada su elementi uzorka
nekorelisane veličine.
13
Rješenje: Primjenom izraza (19), za parcijalne izvode srednje vrijednosti dobija se
∂y ∂xs 1
= = .
∂xi ∂xi n
Pošto su rezultati svih n mjerenja dobijeni pri istim uvjetima, svim ulaznim veličinama xi
odgovara jedna ista vrijednost standardnog odstupanja, odnosno standardne nesigurnosti
s = uxi = ux. Zamjenom u (19), za nesigurnost srednje vrijednosti dobija se
1 n 2 1 u
2 ∑ x
u xs = ⋅ u = 2
⋅ n ⋅ u x2 = x .
n i =1 n n
Treba napomenuti da je izraz istovjetnog oblika kao i jednačina koja je izvedena za
standardnu devijaciju srednje vrijednosti.
Primjer 3: Odrediti mjernu nesigurnost ako su u toku ponavljanja mjerenja dužine dobiveni
sljedeći rezultati: 5,09, 5,19, 4,92, 4,98, 5,11 u metrima. Mjerenje je izvršeno digitalnim
instrumentom mjernog opsega 10 m, čija je tačnost data kao
G = ±(0,2% of reading + 0,1% of range ) .
Rješenje: Najvjerovatnija vrijednost mjerene dužine je
1 n
Lt ≈ L = ∑ Li = 5,058 m .
n i =1
Procijenjena mjerna nesigurnost tipa A je
n
1 2
uA = ∑
n ( n − 1) i =1
( )
Li − L = 0,0481m .
Primjer 4: Napon nekog izvora mjeren je 50 puta pod istim uvjetima pomoću voltmetra
mjernog opsega 10 V i klase tačnosti 0,2. Srednja vrijednost svih rezultata mjerenja bila je
8,75 V sa standardnom devijacijom pojedinačnog mjerenja od 16 mV. Kolika je mjerna
nesigurnost srednje vrijednosti rezultata mjerenja ?
Rješenje: Kako je klasa tačnosti voltmetra KT = 0,2 dobije se da je greška nastala usljed
klase tačnosti jednaka
14
KT ⋅ MO
G=± = ±20 mV.
100
Mjerna nesigurnost se dobije kao
2 2 2 2
2 2 s G 16 20
uCy = u + u
Ay By = + = + = 11,76 mV.
n 3 50 3
gdje je ri,j tzv. koeficijent korelacije. Koeficijent ri,j ima brojnu vrijednost za koju vrijedi
izraz 0 ≤ | r | ≤ 1. Postoje dvije granične vrijednosti koeficijenta i to:
− r = 0 što predstavlja slučaj nulte korelacije, tj. potpuno nekorelisanih veličina. U tom
slučaju izraz (24) prelazi u (19).
− | r | = 1, koji se odnosi na slučaj potpuno korelisanih veličina, pa desna strana (24)
predstavlja potpuni kvadrat, što znači da korjenovanjem izraz (24) prelazi u (21).
Kombinirana nesigurnost u slučaju djelimično korelisanih veličina je veća u odnosu na
nekorelisane veličine, a manja nego kod potpuno korelisanih veličina.
Preporučljivo je da čitatelji vide primjer određivanja kombinirane nesigurnosti pri djelimično
korelisana utjecajnim veličinama u Uputsvu za određivanje mjerne nesigurnosti.
Određivanje proširene mjerne nesigurnosti
Proširena mjerna nesigurnost je veličina koja određuje interval oko mjernog rezultata za koji
se može očekivati da obuhvaća veliki dio raspodjele vrijednosti koje bi se razumno mogle
pripisati mjerenoj veličini. Povećana nesigurnost dobiva se množenjem standardne mjerne
nesigurnosti faktorom proširenja k
U = k ⋅ uC ( y ) . (25)
Koeficijent proširenja k je broj čija je tipična vrijednost 2, ali se ovisno od vrste raspodjele
može kretati u intervalu od 3 do 3.
Proširenoj mjernoj nesigurnosti odgovara visoka vrijednost statističke sigurnosti, tipično od
oko 95 % ili više. To znači da se sa velikom sigurnošću može očekivati da se stvarna
vrijednost mjerene veličine nalazi u intervalu y ± U.
Vrijednost faktora proširenja k može se odrediti samo ako postoji široko znanje o raspodjeli
vjerovatnoće svake ulazne veličine xi i ako se te raspodjele sastavljaju da bi se dobila
16
raspodjela izlazne veličine y. Procjene xi ulaznih veličina i njihove standardne nesigurnosti
u(xi) same nisu prikladne za tu svrhu. Stoga se pretpostavlja da je raspodjela vjerojatnoće
veličine y Studentova t - raspodjela. Pri tome je faktor proširenja jednak t faktoru Studentove
raspodjele. Kao što je već rečeno Studentova (ili t) raspodjela koristi se u slučaju kada
mjerena veličina pripada normalnoj (Gausovoj) raspodjeli, ali je broj elemenata u uzorku n
relativno mali. U tom slučaju Studentova raspodjela ima broj stepena slobode ns = n – 1.
U praksi je dosta čest slučaj kada se mjerena veličina y određuje na osnovu nekoliko mjerenih
veličina, xi , od kojih svaka podliježe normalnoj raspodjeli, ali su brojevi stepena slobode nsi
različiti. U tom slučaju raspodjela kombinirane nesigurnosti se u dobroj aproksimaciji može
prikazati Studentovom, s tim što se postavlja pitanje određivanja efektivnog broja stepena
slobode nse. Taj broj se dobiva primjenom Welch–Satterthwaitove formule.
Pretpostavlja se da se kombinirana mjerna nesigurnost mjerene veličine y određuje na osnovu
N komponenti nesigurnosti, od kojih svaka utjecajna veličina xi podliježe Studentovoj
raspodjeli, s brojem stepena slobode nsi. Pod pretpostavkom da su komponente nesigurnosti ui
međusobno nekorelisane, primjenom (19) odnosno (20), izračunava se standardna
kombinirana mjerna nesigurnost uC(y) mjerene veličine. Raspodjela kombinirane nesigurnosti
u dobroj aproksimaciji prikazuje Studentovom raspodjelom sa efektivnim brojem stepena
slobode nse datim tzv. Welch–Satterthwaitovom formulom
u 2 ( y)
nse = N C 4 4 . (26)
ai ui
∑i =1 nsi
∂y
gdje su ai koeficijenti osjetljivosti definirani kao ai = , odnosno jednaki 1 ako se
∂xi
primjenjuje relacija oblika (20).
Na osnovu efektivnog broja stepeni slobode i statističke sigurnosti, iz tablice Studentove
raspodjele dobija se koeficijent proširenja k = tnse,P. Može se pokazati da je broj stepeni
slobode nse manji od zbira pojedinih stepeni slobode, ali da je veći od najvećeg pojedinog
broja.
Primjer 5: Raspolaže se sa tri grupe otpornika koje imaju Gausovu raspodjelu otpornosti, a
nazivne vrijednosti pojedinih skupina iznose R1n= 1 kΩ, R2n = 2 kΩ i R3n = 4 kΩ. Iz prve
skupine je izdvojeno n1 = 10 otpornika, za čije otpornosti su izmjerene slijedeće vrijednosti
R1i [kΩ] 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 čemu su dobivene slijedeće
vrijednosti
R2i [kΩ] 2,103 1,999 1,972 2,003 2,091
Iz treće skupine izdvojeno je 15 otpornika za čije otpornosti su mjerenjem dobiveni sljedeći
podaci
4,153 3,997 4,012 3,903 4,091 4,125 4,077 3,984
R3i [kΩ]
4,033 4,001 4,032 4,123 3,897 3,998 3,983
Iz tri skupine otpornika, slučajnim redoslijedom, uzima se po jedan otpornik i rednim
vezivanjem dobiva otpornik čija nazivna otpornost iznosi:
Re = R1 + R2 + R3 = 7 kΩ
17
Odrediti srednju vrijednost i mjernu nesigurnost ekvivalentne otpornosti.
Rješenje: Srednje vrijednosti pojedinih grupa otpornosti iznose
RS 1 = 1016, 6 Ω RS 2 = 2033, 6 Ω RS 3 = 4027,3 Ω .
Otuda srednja vrijednost ekvivalentne otpornosti iznosi:
ReS = R1S + R2 S + R3 S = 7077,5 Ω.
Standardna nesigurnost tip A i odgovarajući broj stepeni slobode iznose
u1 = s1 = 28,5 Ω i nS 1 = 10 − 1 = 9
u2 = s2 = 59, 2 Ω i nS 1 = 5 − 1 = 4
u3 = s3 = 75, 6 Ω i nS 1 = 15 − 1 = 14
Kombinirana standardna nesigurnost iznosi:
uS = u12 + u22 + u32 = 100, 2 Ω
Efektivni broj stupnjeva slobode nSe kombinirane nesigurnosti dobija se primjenom Welch–
Satterthwaitove formule
uC2 ( y ) 100, 24
nse = = = 19,9 ≈ 19.
N
ui4 28, 54 59, 2 4 75, 64
∑
i =1 nsi 9
+
4
+
14
Broj stepeni slobode zaokružen je na prvu manju cjelobrojnu vrijednost.
Po pravilu, krajnji rezultat izražava se sa statističkom sigurnošću od 95 %. U tabeli
Studentove raspodjele nalazi se vrijednost tnse,95% = t19,95% =2,09. Proširena mjerna nesigurnost
iznosi Us = tnse,95% · us = 2,09 · 100,2 = 209,4 Ω, pa se za ekvivalentnu otpornost redne veze tri
otpornika dobiva
Re = ReS ± U = ( 7077,5 ± 209, 4 ) Ω .
18
− sve ispravke i procjene njihove mjerne nesigurnosti,
− sve konstante, koje su upotrebljavane pri obradi mjerenja i njihove nesigurnosti.
U krajnjem iskazu dovoljno je mjernu nesigurnost iskazivati dvjema značajnim brojkama, a
vrijednost mjernog rezultata zaokružiti na nivou vrijednosti zadnje značajne cifre nesigurnosti.
U međurezultatima preporučuje se zadržati jednu znamenku više. Mjerne nesigurnosti mogu
se iskazati u relativnim, procentualnim ili apsolutnim iznosima.
Kada postoje opravdani razlozi, mjerna nesigurnost rezultata se može iskazati proširenom
nesigurnošću U. Tada je potrebno navesti faktor proširenja k i nivo povjerenja P.
Shematski prikaz proračuna mjerne nesigurnosti dat je na slici 5.
19
6. Odrediti kombiniranu standardnu mjernu nesigurnost uc(y) mjernog rezultata y koristeći
standardne nesigurnosti i kovarijanse pridružene procijenjenim ulaznim veličinama. Ako
mjerenje određuje više od jedne izlazne veličine, odrediti njihove kovarijanse.
7. Ako je potrebno, iskazati proširenu mjernu nesigurnost U, s nakanom da se odredi opseg
y - U do y + U, za koji se može očekivati da će sadržavati veliki dio rezultata mjerenja.
8. Iskazati rezultat y zajedno sa sastavljenom standardnom mjernom nesigurnošću uc(y) ili
proširenom mjernom nesigurnošću U. Potrebno je opisati postupak kako su dobivene ove
nesigurnosti.
Proširena Koeficijent Standardna
Izbor nesigurnosti nesigurnost Raspodjela proširenja nesigurnost
Ui [µV] k ui [µV]
Ponovljivost rezultata
Gausova
(Mjerna nesigurnost tip A) 6
Podaci dobijeni pri
pregledu instrumenta 20 Gausova 2 10
(Mjerna nesigurnost tip B)
Nesigurnost digitalnog
čitanja 0,5 Pravougaona 3 0,29
(Mjerna nesigurnost tip B)
Kombinovana standardna nesigurnost u C ( y ) = ∑ ui2 11,7
20