Measurement Uncertainties: Physical Parameters and Calibration of Instruments

این کتاب نیاز جهانی به ارزیابی نتایج اندازه گیری همراه با عدم قطعیت مرتبط را برآورده می کند. در این کتاب، همراه با جزئیات محاسبات عدم قطعیت برای بسیاری از پارامترهای فیزیکی، توزیع احتمال و خواص آنها مورد بحث قرار گرفته است. تعاریف اصطلاحات مختلفی ارائه شده است و به مترولوژیست های تمرین کننده کمک می کند تا موضوع را درک کنند. این کتاب به ایجاد استانداردهای بین‌المللی برای ارزیابی کیفیت داده‌های خام به‌دست‌آمده از آزمایشگاه‌های مختلف برای تفسیر نتایج موسسات مختلف اندازه‌شناسی ملی در یک مقایسه بین‌المللی کمک می‌کند. برای کالیبراسیون معمول ابزارها، ایده جدیدی برای استفاده از واریانس ترکیبی ارائه شده است. محاسبات عدم قطعیت برای (i) ورودی های خطی مستقل، (ب) ورودی های غیر خطی و (iii) ورودی های همبسته توضیح داده شده است. محاسن و محدودیت های راهنمای بیان عدم قطعیت در اندازه گیری (GUM) مورد بحث قرار گرفته است. روش‌های مونت کارلو برای استخراج توزیع خروجی از توزیع‌های ورودی معرفی شده‌اند. جایگزین بیزی برای محاسبه عدم قطعیت گسترش یافته گنجانده شده است. تعداد زیادی مثال عددی گنجانده شده است.

This book fulfills the global need to evaluate measurement results along with the associated uncertainty. In the book, together with the details of uncertainty calculations for many physical parameters, probability distributions and their properties are discussed. Definitions of various terms are given and will help the practicing metrologists to grasp the subject. The book helps to establish international standards for the evaluation of the quality of raw data obtained from various laboratories for interpreting the results of various national metrology institutes in an international inter-comparisons. For the routine calibration of instruments, a new idea for the use of pooled variance is introduced. The uncertainty calculations are explained for (i) independent linear inputs, (ii) non-linear inputs and (iii) correlated inputs. The merits and limitations of the Guide to the Expression of Uncertainty in Measurement (GUM) are discussed. Monte Carlo methods for the derivation of the output distribution from the input distributions are introduced. The Bayesian alternative for calculation of expanded uncertainty is included. A large number of numerical examples is included.