A bemeneti eloszlások mintavételezésétől az adaptív futásszámig: reprodukálható, numerikusan stabil és auditálható Monte Carlo-uncertaintyértékelés.
1. A módszer lényege
Bemeneti modell
Minden bemenethez eloszlást és szükség esetén közös függőségi szerkezetet rendelünk.
Mintavétel
A közös bemeneti eloszlásból M realizációt generálunk.
Terjesztés
Minden realizációnál kiértékeljük a measurement modellt.
Összegzés
A kimeneti mintából becslést, standard uncertaintyot és lefedettségi tartományt számítunk.
2. Hány futás szükséges?
A szükséges mintaszám nem egyetlen univerzális érték. A kívánt numerikus pontosságtól, a kimeneti eloszlás alakjától és különösen a becsülni kívánt kvantilisektől függ. A szélső kvantilisek jóval lassabban stabilizálódnak, mint az átlag vagy a szórás. Az adaptív eljárás egymást követő mintablokkok resulteit hasonlítja össze, és csak a megadott numerikus tolerancia teljesülésekor áll le.
3. Korrelált bemenetek mintavételezése
Normális közös eloszlásnál Cholesky-felbontással képezhető korrelált minta. Nem normális margók esetén kopula vagy a közös fizikai sources explicit modellezése szükséges. A margók külön-külön történő mintavételezése és utólagos „korrelálása” könnyen hibás közös eloszláshoz vezethet.
4. Reprodukálhatóság és szoftverminőség
- a pszeudovéletlen-generátor és a seed dokumentálása;
- a mértékegységek és transzformációk automatikus ellenőrzése;
- független referenciaesetek alkalmazása;
- a minták fizikai érvényességének vizsgálata;
- verziózott kód és ellenőrzött számítási környezet;
- a numerikus konvergencia dokumentált kritériuma.
5. A lineáris módszer validálása Monte Carlóval
A JCGM 101 eljárást ad annak megítélésére, hogy a GUM lineáris közelítésének resulte conforming-e. Nem elegendő csupán a két standard uncertaintyot összevetni: a lefedettségi tartomány végpontjainak is a közlési pontossághoz illeszkedő tolerancián belül kell egyezniük.
Elsődleges szakmai sources
A normatív vagy hivatalos szöveg mindenkori hatályos kiadása az irányadó. A cikk a sources szakmai értelmezése, nem azok helyettesítője.
- JCGM 101:2008 — Propagation of distributions using a Monte Carlo method
A bemeneti eloszlások measurement modellen keresztüli terjesztésének és a Monte Carlo-módszer alkalmazásának hivatalos útmutatója. - JCGM GUM-6:2020 — Developing and using measurement models
Részletes útmutató measurement modellek kialakításához, validálásához, számítógépes megvalósításához és dokumentálásához. - JCGM 102:2011 — Extension to any number of output quantities
A több kimeneti mennyiséget adó measurement modellek, közös eloszlások és kovarianciamátrixok kezelése.