不確かさの統計的な校正手法
今回の記事では、不確かさを校正するための統計的手法に焦点を当てます。
不確かさの要因の評価は、統計的手法（タイプA評価と呼ばれる）または他の方法（タイプB評価と呼ばれる）に基づいて行われます。これまでの記事では、基準加速度計からのシステミックな不確かさなど、他の方法について説明しました。本稿の目的は、統計的手法をより詳細に説明することです。
統計的手法で不確かさの要因を正しく評価するためには、その要因に関連するすべての変数が変化することを許容する必要があります。ランダムな不確かさ要因は、しばしば時間だけが唯一の変数であるため、統計的手法を使用して定量化することができます。同じセンサを繰り返し測定し、測定結果の標準偏差を決定することで、時間が変化し、結果が正規（またはガウス）分布モデルに適合するようにします。
統計的に評価できるもう１つの要因は、熱影響による不確かさです。この要因には２つの条件があるので、注意が必要です。第一の条件は、室温の分散が正規分布を有することです。これは通常、管理された実験室で、一日の中で異なる時間に測定を行うことによって達成されます。２つ目の条件は、センサが温度変化に対して線形応答を示すことです。センサが周囲温度付近で使用されるとき、この条件は満たされます。これら２つの条件が満たされていると仮定すると、温度影響は温度の変化と同じ分布（正規分布）に一致し、標準偏差だけを計算すれば済みます。
取付トルク、ケーブル配線、湿度などの多くの要因は、温度と同様の方法で推定できます。
統計的分析中に明らかになる可能性がある1つの事実は、場合によっては、他の要因とは独立していくつかの不確実性の寄与要因を測定することができないということです。例えば、不確かさに対する熱の影響を評価する場合、時間、温度を独立して変化させることは不可能であるため、結果は不確かさへのランダムな寄与を反映します。
これは統計的手法における厳しい制限のように思えるかもしれませんが、これは実は利点です。独立して推定されているすべての要因が正規分布に準拠している場合、これら要因の組合せの全体的な効果も正規分布に一致します。つまり、評価を慎重に計画すれば、複数の要因を同時に評価して、時間と労力を節約することができます。
一連の記事をお読みいただいた読者は、不確かさの理解が深まったことでしょう。