1 扩展不确定度概念与定义
扩展不确定度（Expanded Uncertainty）是测量不确定度评估中，用于把“基于不确定度的概率表述”转化为“区间表述”的量化结果。其核心含义是：在给定置信水平或覆盖概率的条件下，认为真值以较高概率落入由测量结果加减扩展不确定度构成的范围。该区间的宽度通常比合成标准不确定度对应的区间更“宽”，因此更便于用于报告、比较与判定。
从计量学实践看，扩展不确定度一般由合成标准不确定度与覆盖因子共同决定：先将各项不确定度合成得到合成标准不确定度，再乘以覆盖因子得到扩展不确定度。这样做的目的在于把不确定度评估中常见的“标准化量级”转换为面向区间表达的量级，使不同实验室或不同测量条件下的结果更具可比性。
1.1 不确定度的层级：标准不确定度与扩展不确定度
不确定度体系常分为层级表达。标准不确定度（通常指单项标准不确定度或合成标准不确定度）更接近于“统计或模型意义上的标准差尺度”，便于在误差传播与不确定度合成中使用。扩展不确定度则是在此基础上进一步扩展：通过选择覆盖因子，将“标准差尺度”的不确定度映射到“区间覆盖意义”的尺度，用以表达在指定置信水平下的覆盖范围。
二者的关系可概括为：标准不确定度用于计算与传播，扩展不确定度用于报告与区间解释。前者偏计算过程的中间量，后者偏对外沟通的最终量。
1.2 覆盖因子（coverage factor）的作用
覆盖因子（k）是从合成标准不确定度到扩展不确定度的放大系数，决定了区间的覆盖程度。k 的选择并非随意，它与所采用的置信水平、自由度以及所使用的概率近似方法相关。
当k较大时，区间更宽，覆盖概率通常更高；当k较小时，区间更窄，但覆盖概率相对降低。因而，k不仅是一个数值乘子，也相当于把“你希望真值落入区间的把握程度”具体化为报告结果的一部分。
1.3 置信水平/覆盖概率与区间含义
置信水平或覆盖概率对应的是区间表述的解释方式：给定测量结果及其扩展不确定度，当你采用同样的评定流程与统计假设重复进行多次测量时，真值落入区间的频率可望接近所宣称的覆盖概率。需要强调的是，这种解释依赖于不确定度评估中对误差来源、分布形状、独立性以及线性化近似等假设是否成立。
因此，在百科意义上，扩展不确定度更像“在约定条件下的区间覆盖表达”，而不是“绝对确定真值范围”。报告中若说明了置信概率（或相应的k与自由度设定），读者才能正确理解该区间的统计含义。
1.4 与“误差”“偏差”的区别与联系
在测量语境中，“误差”和“不确定度”常被混用。通常，误差更接近于结果与真值之间的差（它在单次测量层面往往难以直接得知）；偏差（bias）常指系统性偏离的趋势；不确定度则刻画“由于信息不完备、模型简化、随机波动等原因，结果可能偏离真值的程度”。
扩展不确定度并不等同于误差或偏差的大小。它反映的是：在给定评定方法与证据基础上，我们能合理宣称的区间覆盖宽度。若系统性偏差已被建模并以校正量形式纳入结果，那么不确定度仍可能覆盖残余偏差；若系统性偏差未被识别或未能恰当建模，不确定度评估可能低估区间覆盖效果。
2 数学表达与计算流程
扩展不确定度的计算通常遵循“先合成、后扩展”的路径：确定测量模型并识别所有不确定度分量，分别评定其贡献并合成得到合成标准不确定度，再根据置信水平与自由度选择覆盖因子，最后得到扩展不确定度并按规范格式输出。
2.1 合成标准不确定度的获得
合成标准不确定度（合成后相当于 uc 或总合成 u 的概念）来自对测量模型不确定度传播的计算。测量结果通常表示为若干输入量的函数，输入量包括被测量及其校正项、仪器参数、环境影响等。
2.1.1 误差来源分解与模型选取
首先建立测量模型。该模型应当能表述输入量变化如何影响输出量。随后将误差来源拆分为可评定的分量，包括但不限于：重复测量的随机波动、仪器分辨与校准误差、环境条件引入的影响、模型参数的估计不确定度等。
分解的关键在于：每一项输入不确定度应尽量对应到可解释、可估计的来源，并避免把同一因素重复计入。模型选取的合理性决定了不确定度传播的可信度。
2.1.2 灵敏度系数与不确定度传播
在模型函数为 \(y=f(x_1,x_2,\dots,x_n)\) 的常见情况下，通过灵敏度系数描述每个输入量不确定度对输出的影响强弱。在线性化（或近似线性）条件下，输出合成方差可由各输入方差按灵敏度系数进行合成。若存在相关性，则需加入协方差项以避免简单的“平方相加”带来偏差。
2.2 扩展不确定度公式
获得合成标准不确定度后，扩展不确定度通常采用覆盖因子乘法的形式。该形式简洁，但其数值含义与所选k和假设条件密切相关。
2.2.1 覆盖因子乘法得到扩展不确定度
基本关系可概括为： \[ U = k \cdot u_c \] 其中 \(U\) 为扩展不确定度，\(u_c\) 为合成标准不确定度，\(k\) 为覆盖因子。选择 \(k\) 后，\(U\) 即对应报告时希望达到的覆盖概率或置信水平（在相应近似条件下）。
2.2.2 单位与有效位数的处理
扩展不确定度与测量结果在物理量意义上应保持一致的单位。数值呈现方面，通常需要注意有效位数与四舍五入策略：扩展不确定度的显示精度往往决定了结果区间表达的“粒度”。不宜过度截断导致区间宽度显示失真，也不宜显示过多无意义的位数。
2.3 自由度与覆盖因子选择
覆盖因子与自由度（ν）的关系是扩展不确定度计算中常见的技术环节。自由度反映输入不确定度估计中“有效独立信息量”的多少；自由度越低，统计不确定度估计的不稳定性越强，k 的选择通常会更谨慎（通常需要更大的k或采用更适配的分布近似）。
2.3.1 正态近似与常用覆盖因子
在不确定度来源足够充分、近似条件成立时，常采用正态近似。此时k与置信水平的对应关系较为直接，例如以较常见的置信水平选择与正态分布对应的k值。正态近似适合于分布形态接近正态、自由度较大或模型与评定条件较稳健的情形。
2.3.2 t 分布近似的应用场景
当合成标准不确定度中存在较多不确定度分量来自有限样本估计，或自由度较低时，t 分布近似更能反映尾部不确定性。在这种场景下，k通常随自由度变化：自由度越小，t 分布尾部越厚，覆盖因子相应更大，以保证所宣称的覆盖水平更接近真实统计行为。
2.4 结果表示格式
扩展不确定度最终以区间形式或带有k信息的形式呈现。规范格式的目标是让读者能复原该不确定度与置信假设的对应关系，从而进行比较或后续计算。
2.4.1 带“k=？”与置信概率的写法
常见报告方式包括：
- 直接给出扩展不确定度 \(U\) 与覆盖因子 \(k\)，并说明对应的置信水平或覆盖概率；
- 或给出 \(U\) 同时注明 \(k\) 的选择依据（如与某置信水平对应、采用了何种分布近似与自由度计算思路）。
如果报告只给出扩展不确定度而未说明k或置信水平，区间的统计解释将变得模糊，导致可比性下降。
2.4.2 复合量与多结果的报告方式
当被测量是复合量（由多个测量或模型输出组成）时，扩展不确定度应针对最终输出量单独计算并报告，而不是简单沿用中间量的范围。若报告包含多个相关输出（例如同一实验条件下的不同指标），通常需要分别给出各自的不确定度与覆盖因子，或清晰说明它们之间的关联处理方式，以避免读者误以为各区间彼此独立或可直接合并比较。
3 不确定度来源与典型分类
不确定度来源通常分为统计评定与非统计评定两类，并在后续合成时分别转换为标准化的不确定度量级。该分类有助于选择合适的分布假设、置信区间计算与覆盖因子策略。
3.1 A 类评定（统计方法）
A 类评定依赖重复观测的统计特征。其典型输入是重复测量得到的样本序列，从中估计均值、方差以及由样本量导致的不确定度幅度。
3.1.1 重复测量与方差估计
当进行多次重复测量时，可用样本方差衡量随机波动程度，再结合样本均值估计的不确定度表达总体水平。重复测量的样本量越大，随机不确定度估计通常越稳定，相应对覆盖因子的选择影响也越清晰。
3.2 B 类评定（非统计方法）
B 类评定用于无法通过重复实验直接统计的来源。它通常来自校准证书给定的信息、仪器规格参数、历史经验、物理常识或基于模型的推断。B 类评定的关键在于对输入量的分布假设进行合理选择。
3.2.1 校准证书、规格参数与历史数据
校准证书常提供校准结果及其不确定度信息。将其映射到测量模型时，需要辨别证书中给出的是否为标准不确定度或扩展不确定度，以及是否包含覆盖因子与置信水平。规格参数则可能给出最大允许误差或分辨率等信息，需要进一步转化为概率意义下的标准不确定度。
3.2.2 测量仪器分辨力与修正
仪器分辨力带来的不确定度常用于描述读数量化误差。若采用了某种量化模型（例如把量化误差视为在某范围内的等概率分布），即可得到相应的标准不确定度。若测量还涉及校正（如零点修正、线性修正），修正量的不确定度也应纳入模型，避免“只修正均值不考虑修正误差”的遗漏。
3.3 相关性处理
许多测量分量并非严格独立。相关性会改变合成方差的结构，因此在合成时需要考虑协方差或等效相关系数。
3.3.1 独立来源的简化
若可以合理假设各不确定度来源相互独立，则合成方差常采用“平方相加”的形式。在工程实践中，这是一种常用简化，但前提是独立性假设不明显违反。
3.3.2 相关分量的协方差影响
当同一校准因子同时影响多个输入，或环境变化同时作用于多个量时，相关性可能出现。此时简单平方相加会产生偏差，通常需要加入协方差项。若相关性方向为正，合成不确定度可能增大；若方向为负，合成不确定度可能减小。正确处理能避免区间覆盖表现与宣称不一致。
4 方法学要点与注意事项
扩展不确定度的质量不仅取决于计算公式是否正确，更取决于模型是否合理、假设是否匹配评定条件，以及结果表示是否遵循一致规则。
4.1 测量模型的合理性
模型应能反映输入量到输出量的关键影响路径。模型过简可能遗漏主导因素，过复杂又可能引入难以评估的参数不确定度。一个实用原则是：模型要覆盖影响输出的主要机制，同时保证不确定度分量可以被合理评定。
4.2 线性化假设与适用范围
很多不确定度传播计算依赖对模型的线性化（或近似线性）。当模型对输入量的变化在评定范围内近似线性时，该假设通常有效；若存在强非线性或输入范围较大，则线性化带来的误差可能变成主要不确定度来源之一，从而需要更谨慎的替代策略。
4.3 非线性模型与替代算法（概念层面）
在非线性显著时，可能考虑更适配的算法以获得更可靠的输出分布或等效区间。概念上可使用数值方法或基于采样的评定思路来替代简单线性近似。具体选择取决于评定资源、所需精度与输出分布形状的复杂程度。
4.4 极端值、异常数据与鲁棒性取舍
异常数据可能来自操作失误、仪器故障或未建模的过程变化。处理异常的策略应保持一致：若把异常简单丢弃却缺乏依据，可能导致不确定度低估；若将其保留但未识别原因，也可能把结果拖向偏移区间。良好的实践通常包括：在纳入或剔除前记录判据，并检查不确定度来源是否仍然匹配数据生成机制。
4.5 报告与审查：常见“翻车点”（轻度调侃）
不确定度报告常见问题并不总发生在公式计算处，而发生在输出与一致性方面。以下“翻车点”属于读者与审查者经常遇到的细节。
4.5.1 忘记写单位或置信水平
扩展不确定度与结果缺少单位会让区间失去可理解性；缺失置信水平或k信息会让区间的统计解释变得不完整，读者难以进行跨报告比较。
4.5.2 k 值使用前后不一致
同一份报告中若将k当作不同定义或不同置信水平的覆盖因子复用，可能出现表面一致但统计含义混乱的问题。审查时通常需要核对：k是否与所述置信水平对应，是否与合成标准不确定度的计算口径一致。
4.5.3 自由度处理不当导致“看起来很自信”
自由度估计偏大（或忽略有限样本导致的尾部不确定性）可能使k偏小，从而产生更窄的扩展不确定度，看上去“很自信”。若该自信与评定条件不匹配，区间覆盖效果可能下降。合理处理自由度有助于避免这种“误导性精确”。
5 应用场景
扩展不确定度广泛用于需要明确区间覆盖意义的测量结果展示。其应用不局限于实验室内部，还包括校准、检验、对比与科研报告等情境。
5.1 校准与计量证书中的扩展不确定度
在校准证书中，扩展不确定度用于给出校准结果的区间范围，使客户能在同一统计口径下理解设备参数的可信程度。不同实验室可能采用不同的评定策略，但只要k与置信水平说明清楚，结果就能进行更有意义的比较。
5.2 工业检验与过程控制中的不确定度声明
工业检验通常涉及判定合格与否。扩展不确定度可用于表达测量结果的区间边界，从而减少“测量点值越界就必然不合格”的武断。它也能帮助企业在过程控制中评估波动是来自随机变化还是来自测量系统。
5.3 实验室间比对与结果可比性
在实验室间比对中，扩展不确定度提供了共同的区间解释框架。若各实验室使用相近的置信水平口径并正确处理k与自由度，差异是否显著就更容易用区间覆盖角度讨论。
5.4 科研测量中的区间解释
科研测量常需要向同行提供结果的统计意义。扩展不确定度作为区间表达，可以与后续分析（例如参数拟合或模型检验）形成衔接。正确的表达方式有助于减少“只给数值不交代区间”的沟通障碍。
6 相关概念
理解扩展不确定度通常需要与其相邻的关键概念协同。以下条目用于搭建术语之间的联系。
6.1 合成标准不确定度（uc）
合成标准不确定度是将多个输入不确定度按模型传播规则合成后的“标准差尺度”结果。扩展不确定度通常以它为基础进行覆盖扩展。
6.2 标准不确定度（u）
标准不确定度一般指某个不确定度分量或合成结果对应的标准化量级。它是进行不确定度传播与合成的基础输入，通常需要先统一到同一口径（例如都为标准不确定度）。
6.3 置信区间与覆盖概率
置信区间是基于置信水平构造的结果区间；覆盖概率则是对“真值落入区间”的统计把握程度描述。两者在解释上相关，扩展不确定度的报告常通过覆盖概率来确定区间解释。
6.4 不确定度传播
不确定度传播描述了输入量不确定度如何通过测量模型传递到输出量不确定度。其计算通常依赖灵敏度系数、线性化近似以及对相关性的处理。
6.5 覆盖因子与自由度（k 与 ν）
覆盖因子k决定扩展的幅度；自由度ν影响k的选择方式以及所用分布近似的合理性。二者共同决定扩展不确定度对应的覆盖水平。
7 参考与规范（概念性）
扩展不确定度的术语使用与计算实践常受到国际计量学体系与实验室质量体系的影响。以下内容以概念层面描述规范框架中的常见要求。
7.1 国际计量学体系中的术语与实践
国际计量相关指南通常明确：扩展不确定度的定义、合成与扩展的基本步骤、覆盖因子的意义，以及与置信水平/覆盖概率之间的约定关系。遵循这些框架有助于提升跨机构结果的一致性。
7.2 实验室质量体系中的报告要求
质量体系一般要求：不确定度评定的输入依据可追溯、计算过程可复核、报告信息完整（尤其是单位、k或置信概率、自由度相关说明等）。同时还会强调人员能力、记录保存与变更管理。
7.3 指南/标准对 k 与置信概率的约定方式
指南/标准通常规定如何将k与置信概率关联，并在需要时要求说明自由度或所采用的分布近似。明确这些约定，有助于确保读者不会把不同口径的扩展不确定度混为同一含义，从而保障区间解释的正确性。