0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

不確かさ評価

Posted at

✅ 1. 基本方針:体積の計算と不確かさの伝播

$v = \frac{m}{\rho_0}$
不確かさ評価には $u(m)$ および $u(\rho_0)$ の合成が必要。


✅ 2. 質量の不確かさ(Aタイプ評価)

標準偏差 $s$ をそのまま $u(m)$ とする:
$u(m) = s$


✅ 3. 密度の不確かさ(Bタイプ評価)

一様分布と仮定:
$u(\rho_0) = \frac{\Delta}{\sqrt{3}} = \frac{0.01}{\sqrt{3}}$


✅ 4. 合成不確かさ(伝播則)

$u^2(v) = \left( \frac{1}{\rho_0} \right)^2 u^2(m) + \left( \frac{-m}{\rho_0^2} \right)^2 u^2(\rho_0)$


✅ 5. 拡張不確かさの表記

$v \pm 2u(v)$
信頼水準95%相当の「拡張不確かさ」


✅ 6. 標準偏差と母集団

  • 標準偏差 $s$:標本のばらつき
  • 母標準偏差 $\sigma$:母集団のばらつき

✅ 7. 標準偏差の計算ステップ

  • 平均: $\bar{y} = \frac{1}{n}\sum y_i$
  • 偏差平方和: $S = \sum (y_i - \bar{y})^2$
  • 分散: $V = \frac{S}{n-1}$
  • 標準偏差: $s = \sqrt{V}$

✅ 8. 試料と母集団

試料 母集団
平均:$\bar{y}$ 母平均:$\mu$
標準偏差:$s$ 母標準偏差:$\sigma$

✅ 9. 標準誤差

$\sigma_{\bar{y}} = \frac{\sigma}{\sqrt{n}}$
平均値のばらつきの尺度。


✅ 10. 確率分布

  • 正規分布:
    $p(x) = \frac{1}{\sqrt{2\pi}\sigma} \exp\left( -\frac{(x - \mu)^2}{2\sigma^2} \right)$
  • 一様分布:
    $p(x) = \frac{1}{2\Delta}, \quad (\mu - \Delta \leq x \leq \mu + \Delta)$

✅ 11. サイコロ実験と中心極限定理

複数回平均を取ると正規分布に近づく。


✅ 18. バジェット表

要因 標準不確かさ $u(x)$ 感度係数 $c_x$ 寄与度 $c_x u(x)$
質量 $m$ 0.115 g 0.05 cm³/g 0.058 cm³
密度 $\rho_0$ 0.0058 g/cm³ -25.0 cm³/g 0.144 cm³
合成不確かさ $u_c = 0.16$ cm³

✅ 19. 不確かさの表記方法

  • 合成不確かさ:$m = 100.02147 \pm 0.00035$ g
  • 拡張不確かさ($k = 2$):$m = (100.02147 \pm 0.00070)$ g

✅ 20. 不確かさ vs 測定誤差

観点 不確かさ 測定誤差
定義 測定に伴うばらつき 真値との差
方法 統計/文献評価 実差計算

✅ 21. 不確かさ評価フロー


✅ 22. 高度な評価式

(1) Aタイプ不確かさ(平均の):
$u(\bar{m}) = \sqrt{\frac{1}{n(n-1)} \sum (m_i - \bar{m})^2}$

(2) 相関を含む合成:
$u_c^2(y) = \sum \left( \frac{\partial y}{\partial x_i} \right)^2 u^2(x_i) + \sum_{i \neq j} \left( \frac{\partial y}{\partial x_i} \right) \left( \frac{\partial y}{\partial x_j} \right) \cdot \text{cov}(x_i, x_j)$

(3) 相対不確かさ:
$\left( \frac{u(y)}{y} \right)^2 = \sum \left( p_i \cdot \frac{u(x_i)}{x_i} \right)^2$

(4) 包含係数: $k = 1$, $1.96$, $2$ など


0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?