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: | Linear Mixed Models: Gum and Beyond |
|---|---|
| Autor(en): | B. Arendacká, A. Täubner, S. Eichstädt, T. Bruns and C. Elster |
| Journal: | Measurement Science Review |
| Jahr: | 2014 |
| Band: | 14 |
| Ausgabe: | 2 |
| Seite(n): | 52-61 |
| DOI: | 10.2478/msr-2014-0009 |
| ISSN: | 1335-8871 |
| Datei / URL: | fileadmin/internet/fachabteilungen/abteilung_8/8.4_mathematische_modellierung/Publikationen_8.4/epjconf_icm2014_00003.pdf |
| Web URL: | http://www.degruyter.com/view/j/msr.2014.14.issue-2/msr-2014-0009/msr-2014-0009.xml |
| Schlüsselwörter: | dynamic measurement, acceleration, dynamic calibration, mixed model, design of experiment |
| Marker: | 8.42, Dynamik, Unsicherheit |
| Zusammenfassung: | In Annex H.5, the Guide to the Evaluation of Uncertainty in Measurement (GUM) [1] recognizes the necessity to analyze certain types of experiments by applying random effects ANOVA models. These belong to the more general family of linear mixed models that we focus on in the current paper. Extending the short introduction provided by the GUM, our aim is to show that the more general, linear mixed models cover a wider range of situations occurring in practice and can be beneficial when employed in data analysis of long-term repeated experiments. Namely, we point out their potential as an aid in establishing an uncertainty budget and as means for gaining more insight into the measurement process. We also comment on computational issues and to make the explanations less abstract, we illustrate all the concepts with the help of a measurement campaign conducted in order to challenge the uncertainty budget in calibration of accelerometers. |