Übersicht
Der Vergleich von Messergebnissen, zuverlässige Entscheidungsfindungen und Konformitätsbewertungen erfordern, dass Messergebnissen eine Unsicherheit beigeordnet wird. Die Möglichkeit des Vergleichs von Messergebnissen, die an verschiedenen Orten oder zu unterschiedlichen Zeiten erzielt wurden, ist zentral für die internationale Metrologie. Mit dem “Guide to the Expression of Uncertainty in Measurement” (
GUM) steht eine Anleitung zur Unsicherheitsermittlung zur Verfügung, die bereits in vielen Anwendungen der Metrologie erfolgreich eingesetzt wurde.
Illustration der Monte Carlo Methode gemäß Supplement 1 to the GUM.
Im Rahmen ihrer jüngeren Entwicklung unterstützt die Metrologie zunehmend neue Themen, um gesellschaftlichen Herausforderungen in Umwelt und Klima, Lebenswissenschaften und Medizin begegnen zu können. Dabei spielen Bildgebung, Spektroskopie, Erdbeobachtungen und Sensornetzwerke eine zunehmend wichtige Rolle. Die zuverlässige Unsicherheitsermittlung ist in diesen Anwendungsfeldern besonders wichtig, etwa um die Diagnose eines Tumors abzusichern im Rahmen der quantitativen Bildgebung oder bei der Kontrolle von Umweltverschmutzungen. Der GUM wird allerdings den Herausforderungen in diesen Anwendungen nicht vollständig gerecht, und die Entwicklung statistischer Verfahren für eine verbesserte Unsicherheitsermittlung wird dringend benötigt.
Forschung
Der Schwerpunkt in der Arbeitsgruppe 8.42 der PTB liegt auf der Entwicklung Bayes’scher Verfahren zu Unsicherheitsermittlung. Diese Entwicklung wird im Zusammenhang mit unterschiedlichen Forschungsgebieten wie der „large-scale data analysis“ oder des „deep learning“ durchgeführt. Ebenso werden Bayes’sche Inferenzverfahren für eine mögliche Erweiterung der aktuellen GUM-Methodik in der Arbeitsgruppe 8.42 der PTB entwickelt. Beispiele hierfür sind einfache Verfahren, mit denen vorhandenes Vorwissen auf Priorverteilungen abgebildet werden kann, sowie Berechnungsmethoden. „Open source software“ wird bereitgestellt, um die Anwendung der entwickelten Verfahren zu erleichtern.
Software
Publikationen
Publikations Einzelansicht
Artikel
| Titel: | Evaluation of uncertainty in the adjustment of fundamental constants |
|---|---|
| Autor(en): | O. Bodnar, C. Elster, J. Fischer, A. Possolo and B. Toman |
| Journal: | Metrologia |
| Jahr: | 2016 |
| Band: | 53 |
| Ausgabe: | 1 |
| Seite(n): | S46 |
| DOI: | 10.1088/0026-1394/53/1/S46 |
| Web URL: | http://stacks.iop.org/0026-1394/53/i=1/a=S46 |
| Marker: | 8.42, Unsicherheit |
| Zusammenfassung: | Combining multiple measurement results for the same quantity is an important task in metrology and in many other areas. Examples include the determination of fundamental constants, the calculation of reference values in interlaboratory comparisons, or the meta-analysis of clinical studies. However, neither the GUM nor its supplements give any guidance for this task. Various approaches are applied such as weighted least-squares in conjunction with the Birge ratio or random effects models. While the former approach, which is based on a location-scale model, is particularly popular in metrology, the latter represents a standard tool used in statistics for meta-analysis. We investigate the reliability and robustness of the location-scale model and the random effects model with particular focus on resulting coverage or credible intervals. The interval estimates are obtained by adopting a Bayesian point of view in conjunction with a non-informative prior that is determined by a currently favored principle for selecting non-informative priors. Both approaches are compared by applying them to simulated data as well as to data for the Planck constant and the Newtonian constant of gravitation. Our results suggest that the proposed Bayesian inference based on the random effects model is more reliable and less sensitive to model misspecifications than the approach based on the location-scale model. |