1 基本概念
1.1 定义
不确定度是对测量结果离散程度及其可信范围的量化表述。它反映了在既定条件下，测得数值与被测量真实值之间可能存在偏离的程度，通常用标准不确定度或扩展不确定度来表达。
在实际应用中，不确定度并不等同于某一次测量“对”或“错”的判断，而是对结果可靠性的一种定量说明。它综合考虑了重复性、仪器限制、环境波动以及模型近似等多方面因素。
1.2 与误差的区别
误差通常指测量值与真值之间的差异，但真值往往不可直接获知，因此误差更多是一种理论上的比较概念。不确定度则是对这种差异可能范围的估计，强调的是“有多不确定”。
二者的关系并非完全对应。误差描述的是偏离量，不确定度描述的是偏离的可能性及其大小区间。一个测量结果即使误差很小，也可能因为条件不稳定而具有较大的不确定度；反之，某次结果误差未必可直接测出，但不确定度仍可通过统计或模型方法评定。
1.3 与精密度和准确度的关系
精密度主要反映重复测量结果彼此接近的程度，强调结果的离散性。准确度则更侧重测量结果接近目标值或参考值的程度。二者都与不确定度有关，但并不完全等价。
一般而言，精密度越高，随机波动越小，统计意义下的不确定度往往也更低；准确度受系统偏差影响较大，而系统偏差未必会直接体现在重复性指标中。因此，不确定度常被视为同时兼顾离散性与系统影响的综合指标。
1.4 适用范围
不确定度广泛用于物理、化学、材料、环境监测、工程测试和计量校准等场景。凡是需要说明测量结果可信程度、进行结果比较或建立质量控制依据的场合，通常都需要给出不确定度。
在科研实验中，它有助于判断数据是否具有统计支撑；在工业生产中，它用于评估过程稳定性和检验结论；在校准和比对中，它则是判定结果可互认的重要基础。
2 分类
2.1 按来源分类
2.1.1 随机不确定度
随机不确定度来自难以完全控制的偶然波动，例如读数抖动、环境微变或样品本身的不均匀性。其特征是方向不固定，表现为测量结果围绕平均值上下分散。
这类不确定度通常可通过重复测量和统计分析加以估计，随着观测次数增加，其影响往往可以逐步减小，但一般难以完全消除。
2.1.2 系统不确定度
系统不确定度来自具有方向性或规律性的偏差，如仪器零点偏移、标定偏差、模型假设不完全成立等。它往往使测量结果持续偏高或偏低。
系统不确定度不一定能通过简单重复测量发现，因此常需借助校准、比对、理论分析或参考标准进行评定。若处理不当，它会成为结果偏离的主要来源。
2.1.3 其他影响因素
除随机与系统因素外，还可能存在一些综合性影响，如人为操作差异、采样代表性不足、数据截断以及环境耦合效应等。这些因素有时难以严格归入单一类别，但在评定时需要一并考虑。
在复杂测量中，某些因素既可能表现为随机波动，也可能包含稳定偏差，因此实际分类往往具有一定灵活性。
2.2 按评定方式分类
2.2.1 A类评定
A类评定是基于统计分析得到的不确定度评估方法，通常依赖重复观测数据。通过计算均值、标准差及其相关统计量，可以估计随机波动对结果的贡献。
这种方法适用于可进行多次独立测量的情形，优点是数据基础清晰、计算路径明确，常用于实验室测量和常规测试。
2.2.2 B类评定
B类评定是基于非重复统计数据或其他信息源进行的评估方式，例如仪器说明书、校准证书、经验记录、历史表现或专家判断。它不以重复实验为唯一依据，而是综合已有信息给出估计。
这种方式在缺少充分样本、无法重复试验或需处理系统因素时尤为重要。其核心在于把已知信息合理转化为可用于计算的不确定度量。
2.3 按表达形式分类
2.3.1 标准不确定度
标准不确定度是以标准差形式表示的不确定度量，便于与统计理论及后续传播计算相衔接。它通常作为各分量合成的基础单位。
标准不确定度既可来自A类评定，也可来自B类评定，只要最终折算为相同量纲和统计形式即可。
2.3.2 合成标准不确定度
合成标准不确定度是将多个不确定度分量按传播规则合并后的结果。它反映了测量模型中各影响因素共同作用下的总体离散程度。
当一个测量结果由多个输入量推导而来时，合成标准不确定度通常是最关键的中间指标，用于进一步求取扩展不确定度。
2.3.3 扩展不确定度
扩展不确定度是在标准不确定度基础上乘以覆盖因子后得到的区间量，常用于对外报告。它表示在给定置信水平下，测量结果可能落入的范围。
相比标准不确定度，扩展不确定度更直观，适合工程交付、检验报告和正式证书等场景。
3 评定方法
3.1 统计分析法
3.1.1 重复测量
重复测量是评定不确定度最常见的统计基础。对同一对象在相同条件下多次测量，可获得数据离散程度，从而估计随机分量。
这种方法要求测量条件尽量稳定，样本间保持可比性。若样本数量足够，统计结果通常更具代表性。
3.1.2 样本标准差计算
样本标准差用于描述一组测量值围绕平均值的波动程度。它是A类评定中的核心量之一，也常用于计算均值的不确定度。
当测量次数增加时，单次结果的离散性与均值的不确定性需要区分处理。前者反映原始波动，后者反映平均值的估计精度。
3.2 经验估算法
3.2.1 仪器规格法
仪器规格法是根据仪器给定的准确度等级、分辨力、线性误差或最大允许误差等信息估计不确定度。此法常用于无法直接重复验证的情况下。
其特点是依据设备本身的技术指标进行保守估计，适合作为B类评定的重要来源之一。
3.2.2 历史数据法
历史数据法利用既往测量记录、长期稳定性资料或类似项目经验来推断当前不确定度。它适用于过程重复性较强、设备和条件相对稳定的场景。
该方法强调经验积累，但需要注意历史条件与当前条件是否一致，否则估计结果可能失真。
3.3 理论分析法
3.3.1 灵敏度分析
灵敏度分析用于考察输入量微小变化对输出结果的影响程度。通过识别关键参数，可以判断哪些因素对最终不确定度贡献更大。
这种方法有助于优化测量方案，把资源集中用于控制最敏感的环节，从而提升整体结果质量。
3.3.2 误差传播模型
误差传播模型通过建立输入量与输出量之间的数学关系，计算各分量不确定度对结果的影响。它常用于复杂公式、间接测量和多参数计算。
在模型已知且变量关系明确时，误差传播可以将多个来源统一纳入一套计算框架，便于系统评定。
4 表达与报告
4.1 数值表示
4.1.1 有效数字与修约
不确定度的数值表达通常需控制有效数字位数，并遵循统一的修约原则。一般情况下，不确定度保留一到两位有效数字，测量值则按相应小数位进行配套修约。
这样做的目的在于避免过度精确的表述造成误导，使结果更符合实际评定水平。
4.1.2 结果与不确定度的配套表达
测量结果通常以“数值 ± 不确定度”的形式给出，也可用区间或统计置信形式表示。关键在于两者应在同一量纲和相同修约层级下呈现。
规范的配套表达能够清晰说明结果及其可信边界，便于读者直接理解。
4.2 报告格式
4.2.1 测量值
报告中应明确给出测量值本身，并说明所对应的测量对象、单位和条件。若存在多次测量汇总，还应注明所采用的是平均值、单次值还是其他代表值。
4.2.2 置信水平
置信水平表示所给区间包含真值的概率意义或覆盖程度。常见报告会说明所采用的置信水平，以便读者理解不确定度区间的统计含义。
4.2.3 覆盖因子
覆盖因子是将标准不确定度转换为扩展不确定度的系数。不同场景下可采用不同覆盖因子，其选取与置信水平、自由度及分布假设有关。
4.3 图表表达
4.3.1 误差棒
误差棒常用于图形化展示测量值及其离散范围。它可以直观呈现不同样本或不同条件下结果的波动大小。
在科研图表中，误差棒有助于快速比较数据分布，但读者仍需结合说明判断其代表的是标准差、标准误差还是扩展区间。
4.3.2 区间表示
区间表示直接给出结果的上下界，更适合用于工程和检验报告。相比单点数值，它更能体现测量结论的范围特征。
区间形式简洁明确，但应同时交代区间来源和统计依据，否则容易引起理解歧义。
5 影响因素
5.1 仪器性能
仪器的分辨力、稳定性、线性和重复性都会影响不确定度水平。性能越稳定，结果离散通常越小；相反，若仪器漂移明显，测量质量会受到较大影响。
5.2 环境条件
温度、湿度、振动、电磁干扰以及气压变化等环境因素，可能改变仪器状态或样品特性，从而引入额外不确定度。对高精度测量而言，这类因素往往不可忽视。
5.3 操作人员因素
操作人员的经验、读数习惯、调整方式和流程执行一致性，都会对结果产生影响。标准化操作和培训通常可以降低这类波动。
5.4 被测对象特性
样品均匀性、稳定性、尺寸特征、表面状态以及时变性质，都会影响测量结果。若被测对象本身具有较强差异性，则测量不确定度会相应增大。
5.5 数据处理方法
采用不同的数据筛选、拟合、平滑或剔除策略，可能导致结果和不确定度估计不同。数据处理应与测量模型一致，避免人为放大或掩盖真实波动。
6 传播与合成
6.1 不确定度传播
6.1.1 加减运算
当结果由多个量相加或相减得到时，各输入量的不确定度会按传播规则影响最终结果。若各量相互独立，通常可按平方和方式合成。
6.1.2 乘除运算
在乘除关系中，常以相对不确定度进行合并更为方便。结果的相对波动会受到各因子相对不确定度共同影响。
6.1.3 复杂函数关系
对于非线性或多参数函数，可通过偏导数展开、数值模拟或蒙特卡罗方法估计传播效果。函数越复杂，对模型和计算方法的要求越高。
6.2 合成规则
6.2.1 独立分量合成
独立分量通常可按平方和开方方式合成，这是一种常见而实用的处理方式。其前提是各分量之间不存在显著相关性。
6.2.2 相关分量处理
当多个分量存在相关性时，不能简单地把它们当作独立项处理。此时需考虑协方差或相关系数，否则合成结果可能偏小或偏大。
6.3 相关性与耦合效应
相关性指不同输入量之间存在联动关系，耦合效应则表现为某一因素变化会同时影响多个通道或参数。在复杂系统中，这类现象常使不确定度评定更具挑战。
处理相关和耦合问题时，通常需要建立更完整的测量模型，并对变量间关系作出清晰说明。
7 质量控制中的应用
7.1 实验室测量
实验室通常利用不确定度来评估方法性能、验证测量一致性，并判断结果是否满足使用目的。它也是实验室认可和能力评价中的关键指标之一。
7.2 仪器校准
在仪器校准中，不确定度用于说明校准值的可信区间，并帮助使用者判断仪器是否适合特定任务。校准结果若缺少不确定度，往往难以进行有效比较。
7.3 产品检验
产品检验中，不确定度有助于判断测量结论是否足以支持合格判定。对于临界值附近的样品，考虑不确定度尤为重要，可减少误判风险。
7.4 数据比对
当不同实验室、不同设备或不同方法给出结果时，不确定度可作为比较的重要依据。只有在统一表达方式下，结果差异才更容易被客观解释。
8 标准与规范
8.1 国际通行原则
测量不确定度评定遵循若干国际通行原则，包括明确测量模型、识别不确定度来源、区分A类与B类评定、合成各分量并规范报告结果。这些原则强调可追溯性和可重复解释性。
8.2 测量不确定度评定框架
通行框架通常包括：定义被测量、建立数学模型、识别输入量、评定各分量、合成标准不确定度、确定覆盖因子并给出报告。该流程使评定更系统，也更便于审查和复现。
8.3 行业应用规范
不同行业会结合自身测量对象和精度要求，制定更细化的应用规范。例如，实验室测试、工业计量和产品检验在数据处理、报告格式和判定规则上可能各有侧重。
9 常见问题
9.1 不确定度是否等于误差
不等于。误差是测量值与真值之间的偏差，而不确定度是对这种偏差及其范围的估计。前者偏向“结果差多少”，后者偏向“可能差多少”。
9.2 如何选择覆盖因子
覆盖因子的选择取决于所需置信水平、数据分布以及自由度等条件。常见情况下会采用约95%覆盖程度对应的因子，但具体应用仍应结合规范或任务要求确定。
9.3 如何处理多次测量结果
多次测量结果通常先计算平均值，再根据样本离散程度和测量模型评定不确定度。若存在异常值或明显漂移，应先分析原因，再决定是否纳入计算。
9.4 如何比较不同来源的不确定度
比较不同来源的不确定度时，应先统一表达形式和量纲，再查看各分量在合成结果中的权重。不能仅凭数值大小直接下结论，还要考虑其来源、独立性和适用条件。