1 基本概念
1.1 定义
测量不确定度是与测量结果相关联的参数，用于表征可以合理赋予被测量值的分散性。它并不直接说明结果“正确”或“错误”，而是说明该结果可能落入的范围以及这个范围的可信程度。在计量学中，这一概念用于描述测量结果的可靠性，是报告测量结论时的重要组成部分。
1.2 测量不确定度与测量误差的区别
测量误差通常指测得值与真值之间的差异，但真值在实际中往往难以直接获得，因此误差更多是一种理想化的比较方式。测量不确定度则不依赖真值，而是对结果离散程度的量化描述。前者强调“偏离了多少”，后者强调“结果有多分散、可信到什么程度”。因此，不确定度更适合用于实际测量报告和综合评价。
1.3 测量不确定度的表达意义
不确定度的核心意义在于为测量结果提供“可信边界”。当一个数值后面附带不确定度时，读者可以据此判断该结果的适用范围、比较对象之间的差异是否显著，以及后续决策是否足够稳妥。它常常是实验结论、质量判定和标准制定中的关键依据。
1.4 适用范围
测量不确定度适用于几乎所有需要给出数值结果的场景，包括实验室分析、工程检测、制造检验、标准器校准和科学实验等。无论是直接读数还是通过计算获得的结果，只要存在影响结果稳定性的因素，都可以进行不确定度评定。
2 理论基础
2.1 概率与统计基础
测量不确定度的评定离不开概率论与数理统计。测量结果往往不是单一固定值，而是在一定条件下围绕某一中心值波动的随机量。统计方法用于描述这种波动，并将多次测量得到的数据转化为可比较、可报告的量。
2.1.1 随机变量与分布
在测量中，结果可视为随机变量，其取值会受多种因素影响而变化。不同的误差来源会形成不同的分布特征，例如近似正态分布、均匀分布或其他经验分布。分布形态决定了结果出现某一范围值的可能性，也影响后续的不确定度计算。
2.1.2 均值、方差与标准差
均值常用于表示测量结果的中心位置，方差和标准差则反映数据的离散程度。多次重复测量得到的标准差越大，说明结果波动越明显。不确定度的统计评定通常以这些量为基础，将样本离散性转化为标准不确定度。
2.2 误差来源理论
测量结果之所以存在离散性，根本原因在于测量系统并非完全理想。仪器、环境、方法、样品和操作过程都会引入影响，这些影响可统称为误差来源或不确定度来源。
2.2.1 系统影响
系统影响是指在相同条件下反复出现、方向较稳定的偏移因素，例如仪器零点偏差、标定偏差或模型不完善。这类因素往往会使结果整体偏向某一方向，若处理不当，会显著影响最终结论。
2.2.2 随机影响
随机影响是指在多次测量中呈现无规律波动的因素，如环境微小变化、读数抖动或样品局部差异。这类影响难以逐项消除，通常依靠重复测量和统计分析加以评估。
2.3 置信区间与覆盖概率
置信区间用于表示在给定置信水平下，测量结果可能所在的区间；覆盖概率则描述该区间包含被测量真值或约定值的可能性。扩展不确定度通常与覆盖概率联系起来，以便用更直观的方式表达测量结果的可信范围。
3 分类
3.1 按来源分类
3.1.1 A类不确定度
A类不确定度主要通过统计方法评定，通常来自重复测量数据。它反映的是样本波动所带来的不确定性，适合数据量充足、可进行统计分析的情况。
3.1.2 B类不确定度
B类不确定度主要依据非统计信息进行评定，如仪器技术指标、校准资料、经验判断、历史记录等。它并不依赖重复测量的样本方差，而是基于已有信息对可能范围进行估计。
3.2 按表达方式分类
3.2.1 标准不确定度
标准不确定度以标准差的形式表示，便于统一处理不同来源的影响。它是后续合成和传播计算的基础量，通常记作单一标准差或等效标准差。
3.2.2 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照传播规则组合后的结果，用于表示最终测量结果的整体标准不确定度。它综合了各项来源的影响，是结果评价中的核心指标。
3.2.3 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包含因子得到的量，用以提供更宽的结果区间。它通常与置信水平一起报告，便于实际应用中判断结果是否满足要求。
3.3 按测量过程分类
3.3.1 直接测量不确定度
直接测量不确定度对应于直接从仪器或读数中获得的结果，例如长度、温度、电压等。此类不确定度通常与仪器分辨力、示值波动和读数方法有关。
3.3.2 间接测量不确定度
间接测量不确定度来自计算结果，例如由多个直接测量量代入公式得到的物理量。此时，不确定度不仅受各输入量影响，还与计算模型及其灵敏度有关。
4 评定方法
4.1 A类评定
4.1.1 重复性实验
重复性实验是在相同条件下对同一对象进行多次测量，以观察结果的波动情况。通过这种方式，可以较直观地识别随机变化，并为统计评定提供数据基础。
4.1.2 统计处理
统计处理通常包括计算平均值、标准差、标准误差等步骤，并据此估计A类不确定度。样本量越充分，评定结果通常越稳定；样本过少时，估计值可能偏离实际波动水平。
4.2 B类评定
4.2.1 仪器说明书
仪器说明书中的技术参数、精度等级、分辨力和允许误差范围，常被用作B类评定的重要依据。对于无法通过重复实验直接得到的数据，这类资料具有较高参考价值。
4.2.2 校准证书
校准证书提供了仪器在特定条件下的校准结果和修正信息，可用于分析示值偏差及其不确定度。它通常是高精度测量中不可缺少的依据。
4.2.3 经验判断与历史数据
在缺少直接统计数据时，经验判断和历史记录可帮助估计某些影响因素的范围。此类方法常用于工艺稳定、长期运行或样本获取困难的场景，但需要确保依据充分且逻辑清晰。
4.3 合成评定
4.3.1 不确定度传播
不确定度传播是指输入量的不确定度通过数学模型传递到输出量的过程。若输出量由多个变量计算得到，则需根据函数关系推导各分量对结果的贡献。
4.3.2 灵敏度系数
灵敏度系数表示输出量对某一输入量变化的敏感程度。系数越大，说明该输入量的不确定度对最终结果影响越明显，因此在资源有限时应优先关注。
4.3.3 相关性处理
当多个输入量之间存在关联时，不能简单把各分量当作独立项相加。相关性会改变合成结果，必要时应引入协方差或相关系数进行修正，以避免高估或低估整体不确定度。
4.4 扩展评定
4.4.1 包含因子
包含因子是把标准不确定度放大到扩展不确定度所使用的倍数。常见做法是根据所需置信水平选取合适因子，使结果区间更符合实际应用需求。
4.4.2 置信水平选择
置信水平的选择取决于测量目的和行业要求。高风险场景通常需要更高的置信水平，而一般过程控制可能采用较常见的水平即可。选择时应兼顾严谨性与实用性。
5 来源分析
5.1 测量仪器
5.1.1 分辨力
分辨力是仪器能够识别的最小变化量。若分辨力不足，细微差异会被掩盖，从而引入量化不确定性，尤其在高精度测量中影响明显。
5.1.2 漂移
漂移指仪器特性随时间缓慢变化的现象，例如零点漂移、灵敏度变化等。它会使不同时间点的测量结果出现偏移，因此需要定期校准和检查。
5.1.3 示值误差
示值误差是仪器显示值与约定参考值之间的偏差。虽然它与不确定度不完全等同，但其范围和稳定性会直接影响结果可信度。
5.2 测量方法
5.2.1 模型近似
很多测量都依赖数学模型，而模型往往只是对真实过程的近似。模型中被忽略的次要因素、简化假设或线性化处理，都会带来额外不确定性。
5.2.2 采样误差
采样误差来源于样本未能完全代表总体，常见于取样、抽检和分段测量。若样品分布不均，采样方法本身就会成为重要的不确定度来源。
5.2.3 数据处理误差
数据处理过程中的拟合、插值、平均、滤波和四舍五入都可能影响最终结果。若处理规则不统一，结果间的可比性也会随之下降。
5.3 环境因素
5.3.1 温度
温度变化会影响材料尺寸、电子元件性能和介质性质，因此在许多测量中都是关键环境变量。对高精度实验而言，温控条件往往与仪器本身同等重要。
5.3.2 湿度
湿度可能改变样品含水状态，也会影响电学性能、材料稳定性和表面状态。在某些检测项目中，湿度偏差会直接放大结果波动。
5.3.3 振动与电磁干扰
振动可能导致机械读数不稳，电磁干扰则可能影响电子测量系统的信号稳定性。这类外界扰动通常表现为随机噪声或间歇性异常值。
5.4 人员因素
5.4.1 操作差异
不同操作者在装样、对准、计时和记录等环节上的细微差别，会造成结果不一致。标准化操作流程有助于减轻这类影响。
5.4.2 读数偏差
读数偏差常来自视差、主观判断或记录习惯差异。对于刻度仪表或需要人工判读的场景，这类影响尤其值得关注。
6 结果表示
6.1 数值表达形式
6.1.1 标准不确定度表示
标准不确定度可与测量值一起给出，用于说明结果的基础离散程度。这种表示方式便于用于后续合成计算和方法比较。
6.1.2 扩展不确定度表示
扩展不确定度通常以“测量值 ± 扩展不确定度”的形式报告，并附带置信水平或包含因子说明。它更适合面向使用者的结果发布。
6.2 报告格式
6.2.1 测量值与不确定度并列表示
在正式报告中，测量值与不确定度通常应同时出现，以避免结果被孤立理解。并列表示能清楚传达数值及其可信范围。
6.2.2 有效数字与舍入规则
结果报告应遵循统一的有效数字和舍入规则，避免不确定度与测量值之间位数不协调。通常会先确定不确定度的保留位数，再据此修约测量结果。
6.3 图表表示
6.3.1 误差棒
误差棒常用于直观显示数据点的波动范围或不确定区间。它适合比较多组结果，但需明确误差棒代表的是标准不确定度、扩展不确定度还是其他区间。
6.3.2 分布图与区间图
分布图可展示样本离散情况，区间图则更强调结果区间的上下界。二者结合使用时，有助于同时观察集中趋势和不确定程度。
7 应用
7.1 实验室检测
7.1.1 化学分析
在化学分析中，不确定度用于评价浓度、纯度、含量等结果的可信范围。它对滴定、光谱、色谱和质量分析等方法都具有实际意义。
7.1.2 物理测量
物理测量涉及长度、质量、时间、温度、电学量等多种对象。通过不确定度评定，可以比较不同仪器或不同方法所得结果的可靠性。
7.2 工业制造
7.2.1 尺寸检验
尺寸检验中，不确定度决定了工件测量结果是否足以支持合格判定。对于精密零部件，微小的不确定度差异都可能影响装配和互换性。
7.2.2 过程控制
在生产过程中，不确定度可帮助判断工艺波动是否来自正常随机变化，还是提示设备或流程出现异常。它常与控制图和质量指标配合使用。
7.3 计量校准
7.3.1 标准传递
标准传递过程中，不确定度会沿着测量链逐级传递。上一级标准的准确性和稳定性，会直接影响下一级校准结果。
7.3.2 比对试验
比对试验常用于检验不同实验室或不同设备结果的一致性。不确定度是判断差异是否具有统计意义的重要依据。
7.4 科研实验
7.4.1 数据可信度评估
科研实验中，不确定度有助于判断观测结果是否足以支持假设或模型。它使研究结论更具透明性，也便于同行复核。
7.4.2 重复实验设计
在设计重复实验时，不确定度评估可帮助确定所需样本数量和重复次数。合理的设计能够在资源与精度之间取得平衡。
8 相关标准与规范
8.1 国际通行方法
8.1.1 测量不确定度表示指南
国际上常采用统一的表示框架来说明不确定度的评定、合成和报告方式，以提高不同机构之间结果的可比性。该类指南为计量活动提供了共同语言。
8.1.2 统计学原则
测量不确定度的处理通常遵循基本统计原则，包括抽样、估计、区间推断和误差传播等。规范化应用这些原则，有助于减少主观性。
8.2 行业规范
8.2.1 检测实验室要求
检测实验室通常要求在方法确认、过程控制和结果报告中体现不确定度信息。这样可以增强检测结论的透明度和可追溯性。
8.2.2 校准实验室要求
校准实验室对不确定度的要求通常更为严格，因为校准结果会作为后续测量的基础。其评定过程往往需要更完整的证据链。
8.3 文档化要求
8.3.1 评定记录
不确定度评定应保留完整记录，包括数据来源、计算过程、假设条件和修正依据。这样便于复核，也便于方法更新时追踪变化。
8.3.2 报告追溯性
报告追溯性要求测量结果能够回溯到使用的标准、校准链和评定方法。追溯充分时，结果更容易被外部接受与验证。
9 常见问题
9.1 如何理解“不确定”
“不确定”并不意味着结果没有价值，而是表明结果存在可量化的波动范围。它是一种科学表达方式，用于提醒使用者结果并非绝对精确。
9.2 为什么不确定度不能简单等同于误差
误差强调与真值的差别，但真值通常不可直接知道；不确定度则强调结果区间与可信程度，更符合实际测量条件。因此，两者在概念和用途上都不相同。
9.3 如何选择评定方法
评定方法的选择取决于数据条件、测量目的和可获取信息。若有足够重复数据，A类评定更适合；若主要依赖仪器资料或经验信息，则应采用B类评定，必要时二者结合。
9.4 如何避免低估不确定度
避免低估不确定度的关键在于全面识别来源、合理处理相关性、正确选取分布假设，并防止忽略系统性影响。对复杂过程而言，保守而有依据的估计通常比过于乐观的估计更可靠。
10 发展与展望
10.1 传统误差理论到现代不确定度理论
早期测量更强调误差修正与真值逼近，而现代计量更关注结果的可信区间和可比性。不确定度理论的兴起，使测量表达从“纠正偏差”转向“描述可信范围”。
10.2 自动化测量中的不确定度评估
随着自动化设备普及，测量过程更快、数据更多，但系统链路也更复杂。不确定度评估需要适应自动采集、在线监测和批量处理的特点。
10.3 数字化计量与智能分析
数字化计量结合软件算法、数据库和智能分析工具，可以更高效地追踪不确定度来源。未来的评定过程可能更依赖模型驱动和数据驱动的融合方法。
10.4 未来应用趋势
未来，不确定度将继续向更高自动化、更强标准化和更广场景化发展。随着精密制造、智能检测和数据化质量管理的普及，它在结果解释与决策支持中的作用还会进一步增强。