1 標準不確かさの基本
1.1 定義と位置づけ
1.1.1 標準偏差との関係
標準不確かさは、測定結果に付随する不確かさを「標準偏差に相当する大きさ」として表した量である。複数の要因から生じるばらつきを、最終的に同一の尺度（標準偏差換算）に統一して扱えるようにする点に意義がある。これにより、異なる性質の不確かさ（統計的・非統計的、装置起因・環境起因など）を比較・合成しやすくなる。
1.1.2 測定値の確率的解釈
標準不確かさを付した測定値は、真の値を中心とする確率的な散らばりの程度を示す。解釈は測定モデルや仮定する分布に依存するが、実務では「適切に構成された不確かさ推定のもとで、再現的な測定では同程度のばらつきが生じうる」という読み方が基本になる。したがって、単発の結果だけでなく、同条件での繰り返しや、測定環境の変動を包含した評価として位置づけられる。
1.2 用語の整理
1.2.1 不確かさと誤差の違い
不確かさは、測定結果が真の値からどれだけ離れているかを決め打ちで示す「誤差」ではなく、その離れ方の可能性（程度）を表す概念である。誤差は実際の差であって、未知の真値が分からない限り確定できない。一方、不確かさは、情報に基づく推定として与えられるため、測定条件・校正・モデル化の妥当性が評価の中心になる。
1.2.2 標準不確かさと拡張不確かさ
標準不確かさは標準偏差換算の基礎量であり、拡張不確かさはそれを包含係数で拡大した結果として提示されることが多い。標準不確かさだけでは「どの程度の範囲をどれほどの確からしさで」といった報告形式に直結しにくい場合があるため、拡張不確かさによって報告可能な区間（例えば信頼水準に対応する幅）を与える運用が一般的である。
1.3 表示方法と単位
1.3.1 単位の扱い
標準不確かさは測定量と同じ次元・単位で表すのが通常である。例えば長さを測っているなら不確かさも長さの単位で示し、温度なら温度の単位とする。単位が一致することで、合成過程での整合性と最終結果の解釈が明確になる。なお、内部計算では無次元化や換算を行う場合があるが、報告時には測定量に対応する単位へ戻すのが基本である。
1.3.2 桁数・有効数字の考え方
標準不確かさの桁数は、下位の要素（例えば感度係数や分散の推定）に由来する情報量を反映させる必要がある。一般に、標準不確かさは数値として過度に細かく見せない一方で、情報の粗さを隠すほど大雑把にもせず、測定系の推定精度に見合う有効桁で表す。最終値（測定値そのもの）との桁合わせでは、区別すべき意味を誤って同列化しない配慮が求められる。
2 評価の考え方（要因の分類）
2.1 不確かさ要因の種類
2.1.1 A評価（統計的評価）
A評価は、得られたデータのばらつきから統計的に不確かさを推定する手法である。繰り返し測定により分散を求めたり、観測値の分布から標準偏差を推定したりする。サンプル数、推定分布、外れ値処理などが結果に影響するため、統計処理の条件を明確にすることが重要になる。
2.1.2 B評価（非統計的評価）
B評価は、データのばらつきというよりも、仕様書・校正証明書・過去の実績・分解能などの情報から不確かさを見積もる方法である。例えば機器の分解能や直線性の保証値、温度係数の規定などは、直接の繰り返しデータがなくても不確かさの源として扱える。分布の仮定（一様、正規、三角形など）を置き、そこから標準偏差に換算する流れが典型である。
2.2 発生源の典型例
2.2.1 測定の再現性
再現性は、同一条件で反復したときにどれほど結果が変わるかを反映する。ばらつきの原因として、操作の細部、測定位置のわずかな差、読み取りの揺らぎなどが含まれ得る。A評価として扱う場合は反復データから分散を推定し、B評価として扱う場合は過去データや仕様からの換算を行う。
2.2.2 装置特性（分解能・感度）
装置の分解能は、測定値が段階的にしか表現されないことで生じる離散化の影響を持つ。感度や校正係数の変動は、入力変化が出力に反映される程度に結びつき、モデル上は感度係数を介して不確かさに寄与する。これらは多くの場合B評価の対象になりやすく、仕様値の解釈と分布仮定が鍵となる。
2.2.3 校正データと履歴
校正の不確かさは、基準器の状態や校正手順に起因するため、校正証明書に記載された不確かさをそのまま、あるいは利用目的に合わせて再解釈して反映する。さらに、校正から測定までの経過（履歴）による変化をどう扱うかも検討が必要である。経時変化を見込む場合は追加の要因として、温度履歴や保管条件等に基づき推定を行う。
2.2.4 環境条件（温度・圧力など）
温度や圧力、湿度、振動といった環境要因は、測定対象や装置の応答を変化させ得る。環境条件の測定値が得られている場合は、そのばらつきや不確かさを介してモデルへ組み込む。環境が制御されていない場合でも、安定性の程度や作業範囲から見積もりが可能で、B評価として扱われることが多い。
2.2.5 測定モデルの仮定
測定方程式は、物理的関係や近似によって定義される。例えば線形近似、温度補償の適用範囲、無視した効果の妥当性などがモデル化の仮定に相当する。モデル誤差は一般に不確かさの要因として現れるため、モデルの成立条件と外れた場合の影響を評価する必要がある。ここは推定の根拠が最も重要になる領域でもある。
2.3 相関の扱い
2.3.1 独立とみなせる条件
要因同士が独立とみなせる場合、合成時に分散の加算が適用しやすい。独立の見通しが立つのは、原因が別系統であり、統計的に同じ情報を共有しない場合である。ただし「独立と断定」ではなく、設定した前提を評価可能な形で説明することが望ましい。独立性の仮定が崩れると、合成結果の信頼性が下がる。
2.3.2 相関がある場合の合成
相関が存在すると、単純な加算では分散が過大または過小に見積もられる。相関は、共通の校正係数、同一の環境センサの読み取りを複数項で流用するケース、モデル内で同じ推定量が複数の入力として現れるケースなどで生じ得る。相関係数または共分散を用いて合成することで、相関の方向性（同時に増えるか減るか）を反映できる。
3 合成と計算手順
3.1 モデル化（測定方程式）
3.1.1 入力量と出力量
測定方程式では、最終的に求めたい量（出力）を、観測量や補正量（入力）の関数として表す。入力には測定値、校正係数、環境補正項、幾何学的パラメータなどが含まれる。どの項を入力とし、どれを定数とみなすかはモデルの透明性に関わるため、実務では測定手順に対応して体系立てる。
3.1.2 感度係数の導出
感度係数は、出力に対する入力の変化の影響度を表す量であり、モデルの偏微分から求める。具体的には、出力を入力の関数 \(y=f(x_1,x_2,\dots)\) としたとき、各入力について \(\partial y/\partial x_i\) を評価する。感度が大きい入力は、同程度の標準不確かさを持っていても寄与が増えるため、感度係数の導出と単位整合は重要である。
3.2 分散（ばらつき）の合成
3.2.1 分散の加算の考え方
独立近似が成立する場合、出力の分散は各入力の分散に感度係数の二乗を掛けたものの和として表される。これは「影響の線形化」と「分散の足し合わせ」に基づく。線形近似が妥当でない領域では、モデルの非線形性に起因する追加評価が必要になることがあるため、使用した近似範囲を意識する。
3.2.2 重みづけと寄与度
寄与度は、合成された不確かさに各要因がどの程度寄与しているかを示す指標である。計算では、分散の合成式における各項が相対的にどれほど大きいかを比較する形になる。寄与が卓越する要因を特定できれば、改良の優先順位（測定回数を増やす、校正頻度を見直す、環境制御を強めるなど）を合理的に決められる。
3.3 標準不確かさの算出
3.3.1 合成標準不確かさ
合成標準不確かさは、合成した分散（または分散に相当する量）の平方根として与えられる。手順としては、各入力要因を標準不確かさとして整理し、感度係数に基づく寄与を分散レベルで合算し、最後に平方根で標準偏差換算へ戻す。結果は測定値と同じ単位で報告され、後段の拡張不確かさへ接続される。
3.3.2 有効自由度（概念）の扱い
有効自由度は、複数要因の分散推定がそれぞれ独立に推定される場合でも、最終的な合成量が持つ統計的な「安定性の度合い」を表す概念である。データ数が少ない場合や、特定の要因が支配的である場合に特に意味を持つ。計算では複数の要因を踏まえた近似的な合成を行い、その結果を包含係数の決定に用いる運用がある。
3.3.3 最終値の作成手順
最終的な報告値は、測定結果の推定値（期待値に相当する中心値）と、合成標準不確かさ（標準偏差換算）を組として構成する。実務上は、中心値の算出（平均化、補正、回帰など）と、不確かさの合成が一貫したモデルに基づくことが求められる。さらに、計算過程の仮定（独立性、分布形、線形近似の範囲）を前提として明示し、必要に応じて感度や寄与度の見直しを行う。
4 報告と運用
4.1 拡張不確かさへの展開
4.1.1 包含係数の考え方
拡張不確かさは、合成標準不確かさに包含係数を掛けて得る。包含係数は、所望の包含確率や、自由度を反映した統計的補正に基づき設定される。結果として、報告された区間は「どの範囲に入る可能性がどれほどあるか」という情報を、読み手が運用に使える形で提供する役割を担う。
4.1.2 信頼水準と解釈の注意
拡張不確かさに対応する包含確率（あるいは信頼水準）は、仮定した確率モデルや不確かさ評価の前提に依存する。したがって、単に数値を受け取るだけではなく、その背景にある分布仮定や合成の方法を確認することが望ましい。特に、非線形性が強い場合や相関の扱いが簡略化されている場合は、解釈の範囲を誤りやすい。
4.2 計算結果の妥当性確認
4.2.1 主要寄与要因の点検
妥当性確認では、寄与度の大きい要因が合理的に選ばれているか、推定の根拠が妥当かを検討する。寄与が極端に偏る場合は、感度係数や分布仮定の入力ミス、単位換算の不整合、相関の見落としが疑われる。逆に寄与が均等すぎる場合も、重要な要因が欠落していないかの点検につながる。
4.2.2 妥当性チェックの実務
実務では、計算の再現性確保、別ルートでの検算、簡易モデルによる整合性確認などが行われる。例えば、再度同じ入力を用いて手計算または別計算機で結果を比較したり、入力をわずかに変えたときの出力変化（感度の確認）を見たりする。これらは単なる確認作業ではなく、評価の信頼度を実装的に担保する手段として位置づけられる。
4.3 文書化とトレーサビリティ
4.3.1 評価根拠の記録
文書化では、各入力要因の出典（校正証明書、仕様書、測定ログ、過去実績）、分布仮定、換算式、計算に用いたパラメータを明確に残す。根拠が追跡できることで、監査や再計算時に同じ前提で検証できる。標準不確かさは数字として見えるが、その背後の評価プロセスこそが再現性を決める。
4.3.2 校正・手順の整合性
トレーサビリティは、校正の体系と測定手順が整合しているかを含む。例えば、校正した範囲外のデータをそのまま使っていないか、使用した補正法が当該校正条件と合っているか、測定器の保守状態が想定と一致しているかを確認する。手順の変更や器差の更新があった場合は、不確かさ評価も更新されるべきである。
4.4 よくある誤解・落とし穴
4.4.1 「不確かさ＝誤差」とする誤解
不確かさを誤差として扱うと、解釈が混乱しやすい。たとえば「不確かさが小さいほど誤差がゼロに近い」と短絡すると、中心値の偏り（系統誤差）を評価していないケースで誤った結論に至る。標準不確かさは、真値との差を直接測るものではなく、可能性の幅を推定する概念である。
4.4.2 単位・相関の取り違え
単位の換算ミスは、分散合成を致命的に崩す典型的な要因である。さらに相関を無視すると、同じ情報に由来する要因を二重に数える、または逆に同時変動を打ち消して過小に見積もることがある。計算入力の単位チェックと、要因間の情報共有の有無を確認することが、実務上の重要な予防策になる。