1 不確かさの見積もりの基本
1.1 不確かさの定義と目的
不確かさの見積もりとは、測定結果が「真の値」を完全に表さないことに伴うズレの大きさを、統計的・理論的に評価し、報告可能な形で数値化する手法の総称である。目的は、測定値の信頼度を同一の尺度で比較できるようにし、結果を意思決定や品質管理に利用する際の判断材料を与える点にある。単に誤差の有無を主張するのではなく、ばらつきの程度や誤差の可能性を、所定の前提のもとで定量的に表現するところに特徴がある。
1.2 不確かさの種類
1.2.1 統計的ばらつき（偶然不確かさ）
偶然不確かさは、同一条件で測定しても観測値が揺れることに起因する。原因にはノイズ、読み取りの揺らぎ、試料の微小な不均一性などが含まれることが多い。多くの場合、繰返し測定から得られる分散や標本統計量により推定され、代表値（平均など）の周りにどの程度散らばるかという形で扱われる。
1.2.2 体系的誤差に起因する不確かさ
体系的誤差に起因する不確かさは、測定系がある方向に偏った値を与えうることに由来する。校正不足、基準の不適切な選択、測定条件の不完全な補正、モデル化の近似などが背景となり、偶然の揺らぎとは異なり、中心の位置がずれる可能性がある。実務上は、誤差を「必ず一定の値で存在する」と断定するのではなく、その大きさが取りうる範囲を前提として不確かさとして評価する。
1.3 不確かさの表現形式
1.3.1 標準不確かさ
標準不確かさは、不確かさを一つの指標として取り扱うために、各要因の寄与を標準偏差に相当するスケールで表した値である。個々の入力量に対して推定されたばらつきが測定結果のばらつきへどう伝わるかを合成し、最終的に代表値に対応する「標準レベルの不確かさ」としてまとめる。
1.3.2 拡張不確かさと包含確率
拡張不確かさは、標準不確かさに包含係数を掛けた指標で、所定の包含確率（ある範囲に真の値が入る確からしさ）を目安として示すために用いられる。包含係数の選び方は前提（有効自由度や分布仮定など）に依存する。拡張不確かさは測定結果の最終報告で広く使われ、単なるばらつきの指標に留まらず、比較や判定の枠組みを作る役割を担う。
1.4 値の結合と解釈の前提
不確かさを合成して意味づけるには、入力と出力の関係、分布の仮定、相関の扱い、線形化などの前提条件が重要になる。たとえば、非線形な関数を線形近似して合成する場合には近似誤差の影響を考慮する必要がある。また、確率として解釈するならば、入力量がどのような確率モデルで表現されるかが結果に影響する。報告の場では、これらの前提を外部が追跡できる程度に明確化し、解釈の範囲を限定することが望ましい。
2 不確かさ要因の整理
2.1 要因のモデル化（測定モデル）
2.1.1 入力量と出力量の関係式
測定モデルは、出力量（測定したい量）を、入力量（校正値、補正量、観測値の統計量、環境条件など）の関数として表す枠組みである。入力量は、その値そのものが既に測定されたもの、あるいは参照データや仮定に基づくものに分けられる。モデル化が適切であれば、不確かさがどの入力要因からどのように出力へ波及するかを整理して評価できる。
2.1.2 感度係数の考え方
感度係数は、出力量の変化が各入力量の変化にどれほど対応するかを表す指標である。具体的には、測定モデルを入力で微分した値（またはその近似）として定義され、合成の際に寄与の大きさを決める役割を果たす。感度が大きい入力は、同程度のばらつきがあっても出力へより強く影響するため、評価の優先順位を決める際の根拠にもなる。
2.2 分類と情報源
2.2.1 校正証明書・参照値
校正証明書に記載された測定器の性能（校正係数やその不確かさ、温度依存など）は、主要な入力要因として扱われる。参照値（標準物質の値、既知の特性値など）も同様に、不確かさを含めて入力に反映する。証明書の記載範囲、適用条件、相関の有無を読み替えずにそのまま使うと不整合が生じるため、適用範囲の確認が不可欠である。
2.2.2 実験データ・繰返し測定
繰返し測定からは、ばらつきの程度を推定する情報が得られる。分散の推定、外れ値の扱い、測定条件が完全に同一とみなせるかといった判断も不確かさに影響する。データが十分にある場合は統計的手法により評価できるが、少数データでは不確かさ推定の不安定さが増すため、必要に応じて保守的な扱いを検討する。
2.2.3 測定環境・条件の影響
温度、湿度、気圧、振動、観測姿勢、経時変化などの環境要因は、測定結果に系統的なずれを生むことがある。これらは補正が可能な場合と、そのまま不確かさとして扱う場合に分かれる。補正するなら補正式の妥当性と残差の不確かさを評価し、補正できないなら条件の変動範囲を基に不確かさを割り当てる。
2.3 相関の扱い
2.3.1 相関がある場合の結合
相関が存在すると、単純な独立合成では出力不確かさが過大または過小に見積もられる。たとえば同一の校正係数が複数の項に共通して現れる場合、その不確かさは共通モードとして伝播しうる。相関の情報は、校正作業の記録、同一データから推定した量の関係、あるいはモデル上の構造から導くことができる。相関行列や共分散を用いて合成することで、より現実に近い評価が可能になる。
2.3.2 相関を仮定しない場合の注意点
相関を無視する方針は実務上使われることがあるが、前提の成立範囲を明確にする必要がある。相関が強くなる条件（共通の入力を複数で使う、同時に推定したパラメータが依存する、同一装置のドリフトが複数項に反映される等）がある場合は、独立とみなすと誤差が体系的に歪む。相関情報が得られないときは、モデル化の簡略化による影響を補うための保守的な評価や追加試験での確認が望ましい。
3 推定方法（計算・評価の流れ）
3.1 GUM型の手順概要
GUM型の枠組みは、測定モデルに含まれる入力量の不確かさを整理し、線形化と合成により出力の標準不確かさを推定する考え方である。基本手順として、(1)測定モデルを定め、(2)入力要因ごとの確率分布や標準不確かさを割り当て、(3)感度係数に基づく合成を行い、(4)必要に応じて有効自由度を考慮し、拡張不確かさを算出する、という流れが用いられる。非線形性や分布の歪みが大きい場合には、線形近似だけでは不十分になる可能性があり、別手法の併用が検討される。
3.2 分散（分布）に基づく推定
3.2.1 正規分布の仮定
正規分布を仮定すると、標準不確かさと信頼度の関係が扱いやすくなり、合成では分散の和や共分散を中心に整理できる。入力が比較的多くの独立要因の和として生じるとき、または中心極限定理の観点で近似が妥当なときに適用されることが多い。報告に際しては、正規近似が成り立つ根拠（データの形、条件など）を簡潔に示すことが望ましい。
3.2.2 一様分布・三角分布などの扱い
測定器仕様の範囲値や、補正しきれない誤差の上限だけが与えられる場合には、一様分布や三角分布が用いられることがある。一様分布は「範囲内で同程度に起こりうる」という前提を表し、三角分布は中心付近の可能性を相対的に高く見積もる発想に近い。これらは標準不確かさへの変換が必要であり、分布形状の選択が最終結果に影響するため、根拠のある選択が求められる。
3.2.3 不確かさの推定に使う統計量
標準偏差、分散、平均の標準誤差、回帰係数の不確かさなど、測定データから得られる統計量は入力要因として組み込まれる。推定では、自由度の扱い、推定量の分布、外れ値の影響、サンプルサイズの少なさによる誤差などを考慮する。統計量の選択は、データの取得設計と整合している必要がある。
3.3 伝播則による合成
3.3.1 合成標準不確かさ
伝播則による合成は、入力の不確かさが出力へどのように移るかを、微分（線形近似）に基づいて算定する方法である。独立なら分散の和として表現できるが、相関がある場合には共分散項が加わる。結果として得られる合成標準不確かさは、標準不確かさの指標として後段の拡張不確かさ計算に渡される。
3.3.2 個別寄与の寄与度整理
寄与度整理では、各入力要因が出力不確かさのどれほどを担っているかを分解して可視化する。感度係数と入力の分散、あるいは共分散の影響により寄与が決まる。寄与度の結果は、追加測定で改善すべき要因、補正や校正の優先度、モデル改良の必要性などを判断する材料になる。
3.4 モンテカルロ法による推定
3.4.1 非線形性・分布形状への対応
モンテカルロ法は、入力量を与えられた確率モデルに従って乱数で生成し、測定モデルを通して出力分布を直接再現する。線形近似が難しい非線形モデルや、出力の分布が正規から大きく外れる状況で有効とされる。結果として、出力の分位点や包含区間の推定が可能になり、拡張不確かさをより分布に即して定義できる。
3.4.2 計算手順と収束の確認
手順としては、(1)入力ごとの分布と依存関係を設定し、(2)多数回のサンプリングで出力を計算し、(3)推定した統計量（平均、不確かさ指標、包含区間など）の安定性を確認する。収束の確認では、サンプル数の増加に伴う推定値の変化幅や、分位点推定のブレを評価する。計算負荷が大きい場合は、サンプル数の見積もりや簡略モデルの適用範囲を検討する。
4 不確かさの最終報告と品質管理
4.1 拡張不確かさの選定（包含係数）
4.1.1 有効数字と丸め規則
拡張不確かさと測定値の表示では、有効数字や丸め規則が結果の見え方に影響する。一般に、不確かさ側は誤差を最小化しつつ読みやすい桁数に設定し、測定値はその不確かさに合わせた桁で丸める。過度な厳密表示は偽の精度を与えるため避ける一方、桁が粗すぎると比較や再計算が困難になる。
4.1.2 報告フォーマットの例
典型的な報告は、「測定値 ± 拡張不確かさ（包含係数、包含確率または自由度の扱い）」の形で示される。測定条件、単位、参照標準や校正の根拠、使用した不確かさモデル（標準不確かさの算出方法や分布仮定）を併記すると再現性が高まる。さらに、包含係数の決定根拠や丸めの方針を明示しておくと、受け手が解釈しやすい。
4.2 追加検証・妥当性確認
4.2.1 モデル妥当性の評価
モデルが現象を十分に表しているかを確認する。具体的には、線形化の有効範囲、補正の適用条件、支配的な未モデル要因の有無を点検する。感度係数の変化が大きい領域や、入力範囲の端で出力が急激に変わる場合には、近似の限界を見極める必要がある。
4.2.2 追加試験・再現性確認
再現性試験は、短期変動と装置・作業者依存の影響を把握するために有用である。追加測定により推定した分散が当初の見積もりと整合するかを確認し、整合しない場合はモデル、分布仮定、相関の扱いを見直す。可能なら、独立なデータセットで同様の結論が得られるかを調べる。
4.3 測定結果の比較・意思決定
4.3.1 不確かさを用いた判定の考え方
不確かさを用いた判定では、測定値が許容範囲に対してどの程度確実に入るかを、包含区間に基づいて評価する。単純な比較（値だけを見る）では、ばらつきが大きい測定を過信する可能性がある。包含区間の重なり、包含確率の意味、判定基準の設定が重要となる。
4.3.2 同等性・差の評価の基本
同等性の評価では、二つの測定結果の差が不確かさの範囲内で説明できるかを検討する。差の大きさに対して合成不確かさを作り、所定の包含区間に基づく判定を行う。ここでは、相関がある比較か、独立とみなせる比較かも影響するため、比較の設計情報を反映させることが必要になる。
4.4 よくある誤りと改善策
4.4.1 要因の見落とし
要因の欠落は最も頻出の問題の一つである。特に、装置の温度依存、補正残差、データ処理手順の不確かさ（例えば近似、逆演算、参照表の扱い）などが抜けると、結果の信頼度が過大評価される。改善策として、測定フローを分解して入力候補を洗い出し、寄与度の観点から追加評価の必要性を確認する方法が有効である。
4.4.2 相関の扱いの誤り
相関を誤って独立として扱う、あるいは逆に相関を必要以上に仮定することも誤差要因となる。共通の校正要素や同じデータから推定したパラメータが絡む場合は、依存関係の把握が重要である。改善策として、どの入力が共有されているかを追跡し、可能な範囲で共分散や相関係数を導入するか、少なくとも保守的な評価に切り替える判断を行う。