实验测量与计量学核心概念全解：从基础定义到公式推导、实操规范

本文严格遵循《国际计量学词汇（VIM）》、《测量不确定度表示指南（GUM）》、中国JJF 1001-2011《通用计量术语及定义》、JJF 1059.1-2012《测量不确定度评定与表示》等国家/国际规范，系统覆盖测量领域全核心概念，包含完整的公式推导、实操方法与常见误区纠正，适合理工科实验教学、计量检测、科研人员学习参考。

---

第一章 测量的核心基础概念

所有测量误差、不确定度的分析，都建立在以下基础术语的严格定义之上。

1.1 量与被测量

1.1.1 量的规范定义

量是现象、物体或物质可定性区别和定量确定的属性，是测量的核心对象。

• 按计量学体系分为：
  1. 基本量：在给定量制中，约定选取的彼此独立的量，国际单位制（SI）有7个基本量：长度、质量、时间、电流、热力学温度、物质的量、发光强度。
  2. 导出量：由基本量通过函数关系导出的量，如速度（长度/时间）、密度（质量/体积）、电阻（电压/电流）等。
• 按测量相关性分为：
  1. 被测量：作为测量对象的特定量，是我们需要定量确定的目标量，如工件的长度、溶液的浓度。
  2. 影响量：不是被测量，但会影响测量结果的量，如测长度时的环境温度、测电阻时的环境湿度。

1.1.2 测量的本质

测量是将被测量与一个作为单位的标准量进行比较，确定被测量是单位量的多少倍的过程，其结果必然包含数值和单位。

1.2 真值与约定真值

1.2.1 真值的核心定义

真值是与给定的特定量定义完全一致的量值，是被测量在理想条件下的客观真实值。

• 核心本质特性：
  1. 理想性：真值是完美无缺的测量才能得到的量值，是理论上的极限值。
  2. 不可完全获知性：任何测量都存在误差，完美测量不存在，因此真值本质上无法被准确获得。
  3. 可逼近性：通过优化测量方法、提高仪器精度、增加测量次数，可以无限逼近真值。

1.2.2 真值的分类与实用替代

实际应用中，我们用约定真值（约定量值） 替代真值进行误差计算，是指对于给定目的，具有适当不确定度的、赋予特定量的值，常见类型：

1. 理论真值：由理论定义给出的真值，如三角形内角和为180°、理想气体的理论值。
2. 计量约定真值：国际公认的物理常量，如真空中的光速 $c=299792458\ \text{m/s}$、阿伏伽德罗常数 $N_A$。
3. 标准器约定真值：更高精度等级的计量标准器给出的量值，如经国家计量院校准的量块标称值，其不确定度远小于实际测量的不确定度，可近似作为真值使用。

---

第二章 测量误差的完整体系

2.1 测量误差的核心定义

测量误差（简称误差）是测量结果减去被测量的真值，核心公式： $\Delta = x - X_0$ 其中：$\Delta$ 为测量误差，$x$ 为测量结果，$X_0$ 为被测量的真值。

2.1.1 误差的核心表达形式

根据使用场景不同，误差有3种核心表达形式，适用于不同的精度对比需求：

1. 绝对误差 即上述核心定义的 $\Delta = x - X_0$，单位与被测量完全一致。

   • 特点：直接反映测量值与真值的偏差大小，但无法客观反映测量的准确程度。例如：测1m长度差1mm，和测10mm长度差1mm，绝对误差相同，但测量精度天差地别。
   • 补充概念：修正值，为补偿系统误差而加到测量结果上的值，满足：$\text{修正值} = -\Delta = X_0 - x$，即修正值与绝对误差大小相等、符号相反。

2. 相对误差 绝对误差与被测量真值的比值，通常用百分数表示，公式： $\delta = \frac{\Delta}{X_0} \times 100\%$ 实际应用中，因真值不可知，常用测量结果 $x$ 替代真值，即： $\delta \approx \frac{\Delta}{x} \times 100\%$

   • 特点：消除了被测量量级的影响，可客观反映测量的准确程度，是不同量程、不同量级测量之间精度对比的唯一合理方式。

3. 引用误差 绝对误差与仪表量程（满刻度值 $X_{FS}$）的比值，用百分数表示，公式： $\gamma = \frac{\Delta}{X_{FS}} \times 100\%$

   • 核心用途：定义工业模拟仪表的准确度等级。例如0.1级、0.5级、1.0级仪表，指全量程内最大引用误差不超过±0.1%、±0.5%、±1.0%。
   • 工程提示：使用指针式仪表时，尽量在2/3满量程以上区间测量，否则实际相对误差会显著增大。

2.2 误差的核心分类（按性质与产生规律）

这是误差理论的核心分类，不同性质的误差，处理方式、分析逻辑完全不同。

2.2.1 系统误差

系统误差是在重复测量中保持不变，或按可预见方式变化的测量误差分量。

• 核心特点：确定性、方向性、可修正性，重复测量无法减小系统误差，只能通过校准、补偿、优化测量方法消除或降低。
• 核心产生原因：
  1. 仪器误差：仪器固有缺陷，如刻度不准、零点漂移、校准不合格、元器件老化；
  2. 方法误差：测量原理/方法本身不完善，如采用近似公式、忽略散热影响、测量模型简化；
  3. 环境误差：环境条件的固定影响，如温度、湿度、电磁场对测量的恒定偏移；
  4. 人员误差：测量人员的主观习惯，如读数始终偏向一侧、反应时间固定偏差；
  5. 安装误差：仪器安装、对准的固定偏差，如天平不等臂、光学仪器准直偏差。
• 按变化规律分类：
  1. 恒定系统误差：测量全过程中大小和方向保持不变的误差，如仪器零点偏移、量块标称值偏差；
  2. 可变系统误差（变量系统误差）：测量过程中按一定规律变化的误差，分为：
     • 线性系统误差：随时间/测量次数线性变化的误差，如电池电压下降导致的示值线性漂移；
     • 周期性系统误差：随测量位置/时间周期性变化的误差，如度盘偏心导致的角度测量误差；
     • 复杂变化系统误差：按非线性、非周期规律变化的误差。
• 按可认知程度分类：
  1. 已定系统误差：大小和方向已知，可通过修正值完全补偿的误差；
  2. 未定系统误差：大小或方向未知，无法精确修正，只能估算其极限范围的误差，是测量不确定度的核心来源之一。

2.2.2 随机误差

随机误差是在重复测量中，按不可预见方式变化的测量误差分量。

• 核心特点：随机性、无方向性、服从统计规律、不可修正，无法通过修正消除，只能通过多次重复测量减小其对测量结果的影响。
• 产生原因：大量微小、独立、随机的因素叠加，如环境的微小波动、仪器电子噪声、人员读数的微小差异、被测对象本身的微观不均匀性等。
• 核心统计特性（正态分布下）：单峰性、对称性、有界性、抵偿性。其中抵偿性是核心：多次重复测量时，正负随机误差会相互抵消，算术平均值的随机误差会随测量次数增加而减小。

2.2.3 粗大误差（异常值）

粗大误差是明显超出规定条件下预期的误差，也叫过失误差。

• 核心特点：数值异常偏大、无规律，由人为失误或突发故障导致，不属于正常测量误差，必须从测量数据中剔除。
• 产生原因：操作失误、读错/记错数据、仪器突发故障、环境突变、被测对象意外移动等。
• 常用剔除准则：拉依达准则（3σ准则，适用于测量次数 $n \ge 10$ 的场景）、格拉布斯准则（适用于小样本）、狄克逊准则。

---

第三章 测量质量的核心评价指标

3.1 精密度、正确度、准确度（严格遵循VIM规范）

这三个指标是衡量测量结果质量的核心，很多人会混淆，必须严格区分：

指标	核心定义	对应误差类型	表征意义
精密度	在规定条件下，对同一或类似被测量重复测量，所得示值之间的一致程度	仅对应随机误差	反映测量结果的重复性、分散性，随机误差越小，精密度越高
正确度	无穷多次重复测量所得量值的平均值与真值之间的一致程度	仅对应系统误差	反映测量结果的系统偏移程度，系统误差越小，正确度越高
准确度	被测量的示值与真值之间的一致程度	同时对应系统误差+随机误差	是精密度与正确度的综合，反映测量结果的整体可靠性，两类误差都小，准确度才高

• 通俗类比：打靶
  • 精密度高：弹孔密集，但可能整体偏离靶心（随机误差小，系统误差大）；
  • 正确度高：弹孔平均位置在靶心，但弹孔分散（系统误差小，随机误差大）；
  • 准确度高：弹孔既密集，又集中在靶心（两类误差都小）。

3.2 灵敏度与分辨力

3.2.1 灵敏度

灵敏度是测量系统的示值变化除以相应的被测量变化，公式： $S = \frac{\Delta y}{\Delta x}$ 其中：$\Delta y$ 为仪器示值的变化量，$\Delta x$ 为被测量的变化量。

• 核心特点：
  1. 灵敏度反映仪器对被测量微小变化的响应能力，$S$ 越大，相同被测量变化引起的示值变化越大，仪器越灵敏；
  2. 线性测量系统的灵敏度为常数，非线性系统的灵敏度随被测量大小变化；
  3. 灵敏度与仪器的放大倍数相关，但放大倍数不等于灵敏度，盲目放大信号会同时放大噪声，无法提高测量精度。

3.2.2 分辨力

分辨力是引起测量仪器示值可察觉变化的被测量的最小变化值。

• 核心特点：
  1. 模拟式仪表：分辨力通常为最小分度值的1/2，即人眼可分辨的最小刻度偏移；
  2. 数字式仪表：分辨力为末位数字的1个单位，即末位跳变1个字对应的被测量变化；
  3. 分辨力是仪器的固有属性，决定了仪器测量结果的有效数字下限，分辨力不足会引入不确定度分量。

3.2.3 灵敏度与分辨力的区别

• 灵敏度反映仪器的响应能力，是相对比值；分辨力反映仪器的最小可识别能力，是绝对量值；
• 高灵敏度不一定对应高分辨力，若仪器噪声大，即使灵敏度高，也无法识别微小的被测量变化。

---

第四章 随机误差的理论分布与实验估算

4.1 随机误差的分布规律（理论描述）

随机误差由大量独立微小的随机因素叠加产生，根据中心极限定理，绝大多数随机误差服从正态分布（高斯分布），小样本场景下服从t分布，特殊场景下服从均匀分布、三角分布等。

4.1.1 正态分布（高斯分布）

正态分布是随机误差的核心分布，其概率密度函数为： $f(\delta) = \frac{1}{\sigma \sqrt{2\pi}} e^{-\frac{\delta^2}{2\sigma^2}}$ 其中：$\delta$ 为随机误差，$\sigma$ 为总体标准偏差，$e$ 为自然常数，$\pi$ 为圆周率。

正态分布的四大核心特性

1. 单峰性：随机误差为0时，概率密度最大，即绝对值小的误差出现的概率远大于绝对值大的误差；
2. 对称性：绝对值相等的正、负误差出现的概率相等；
3. 有界性：绝对值很大的误差出现的概率趋近于0，即随机误差的绝对值不会超过一定的界限；
4. 抵偿性：当测量次数 $n \to \infty$ 时，所有随机误差的算术平均值趋近于0，即 $\lim_{n \to \infty} \frac{1}{n}\sum_{i=1}^n \delta_i = 0$。

正态分布的数字特征与置信区间

• 总体期望 $E(\delta)=0$：无穷多次测量的随机误差平均值为0；
• 总体方差 $D(\delta)=\sigma^2$：表征随机误差的分散程度，$\sigma$ 越小，分布曲线越陡峭，随机误差越小，测量精密度越高；
• 置信区间与包含因子：

包含因子 $k$	置信区间	置信概率	含义
1	$[-\sigma, +\sigma]$	68.27%	随机误差落在±σ范围内的概率为68.27%
2	$[-2\sigma, +2\sigma]$	95.45%	随机误差落在±2σ范围内的概率为95.45%
3	$[-3\sigma, +3\sigma]$	99.73%	随机误差落在±3σ范围内的概率为99.73%

注：3σ准则（拉依达准则）的理论基础：绝对值超过3σ的随机误差出现的概率仅为0.27%，几乎不可能出现，因此可判定为粗大误差。

4.1.2 t分布（学生分布）

当测量次数 $n$ 较少（小样本，$n < 10$）时，无法用样本标准差准确估计总体标准差 $\sigma$，此时随机误差服从t分布，由英国统计学家戈塞特（Student）提出。

• 核心特点：t分布的曲线比正态分布更平缓，尾部概率更大，相同置信概率下，t分布的包含因子 $t_p(\nu)$ 大于正态分布的 $k$ 值；
• 自由度 $\nu = n-1$：自由度越大，t分布越趋近于正态分布，当 $n \to \infty$ 时，t分布与正态分布完全一致；
• 应用场景：小样本测量时，用t分布的包含因子计算扩展不确定度，保证置信概率的准确性。

4.2 随机误差的实验估算（含完整公式推导）

实际测量中，我们只能通过有限次重复测量的数据，估算随机误差的大小，核心参数为算术平均值、实验标准差。

4.2.1 算术平均值的无偏性推导

算术平均值是 $n$ 次等精度重复测量值的平均值，公式： $\bar{x} = \frac{1}{n}\sum_{i=1}^n x_i$ 核心结论：算术平均值是被测量真值的最佳无偏估计值，推导过程如下：

1. 设单次测量值 $x_i$ 与真值 $X_0$、随机误差 $\delta_i$ 的关系为： $x_i = X_0 + \delta_i$
2. 对 $n$ 次测量值求和： $\sum_{i=1}^n x_i = nX_0 + \sum_{i=1}^n \delta_i$
3. 两边除以 $n$，得到算术平均值： $\bar{x} = X_0 + \frac{1}{n}\sum_{i=1}^n \delta_i$
4. 对两边取数学期望，根据随机误差的抵偿性，$E\left(\frac{1}{n}\sum_{i=1}^n \delta_i\right) = 0$，因此： $E(\bar{x}) = X_0$ 即算术平均值的数学期望等于真值，证明其为无偏估计值，是真值的最佳近似。

4.2.2 残差的定义

残差是单次测量值与算术平均值的差值，公式： $v_i = x_i - \bar{x}$

• 核心性质：残差的代数和为0，即 $\sum_{i=1}^n v_i = 0$，可用于校验算术平均值的计算是否正确。

4.2.3 实验标准差与贝塞尔公式推导

实验标准差是表征单次测量值分散性的核心参数，由贝塞尔公式计算，公式： $s = \sqrt{\frac{\sum_{i=1}^n v_i^2}{n-1}}$ 完整推导过程：

1. 单次测量的随机误差：$\delta_i = x_i - X_0$，残差：$v_i = x_i - \bar{x}$，两式相减得： $\delta_i - v_i = \bar{x} - X_0 = \frac{1}{n}\sum_{i=1}^n \delta_i$ 整理得：$v_i = \delta_i - \frac{1}{n}\sum_{i=1}^n \delta_i$
2. 对残差平方求和： $\sum_{i=1}^n v_i^2 = \sum_{i=1}^n \left( \delta_i - \frac{1}{n}\sum_{i=1}^n \delta_i \right)^2$ 展开平方项： $\sum_{i=1}^n v_i^2 = \sum_{i=1}^n \delta_i^2 - \frac{2}{n}\left( \sum_{i=1}^n \delta_i \right)^2 + \frac{1}{n^2} \cdot n \cdot \left( \sum_{i=1}^n \delta_i \right)^2$ 化简得： $\sum_{i=1}^n v_i^2 = \sum_{i=1}^n \delta_i^2 - \frac{1}{n}\left( \sum_{i=1}^n \delta_i \right)^2$
3. 对两边取数学期望，根据随机误差的统计特性：
   • $E(\delta_i^2) = \sigma^2$，因此 $E\left(\sum_{i=1}^n \delta_i^2\right) = n\sigma^2$
   • $E\left[ \left( \sum_{i=1}^n \delta_i \right)^2 \right] = n\sigma^2$（独立随机变量的方差可加性） 代入得： $E\left( \sum_{i=1}^n v_i^2 \right) = n\sigma^2 - \frac{1}{n} \cdot n\sigma^2 = (n-1)\sigma^2$
4. 整理得到总体方差的无偏估计值： $\sigma^2 \approx s^2 = \frac{\sum_{i=1}^n v_i^2}{n-1}$ 两边开方即得到贝塞尔公式。

关键说明：分母为 $n-1$（自由度），而非 $n$，是因为用残差替代随机误差时，损失了1个自由度，保证了标准差的无偏性。

4.2.4 算术平均值的实验标准差

算术平均值的分散性远小于单次测量值，其标准差公式： $s(\bar{x}) = \frac{s}{\sqrt{n}}$ 推导过程：

1. 算术平均值 $\bar{x} = \frac{1}{n}\sum_{i=1}^n x_i$，根据方差的性质：独立随机变量线性组合的方差，等于各变量方差乘以系数平方之和。
2. 单次测量值的方差为 $s^2$，各测量值相互独立，因此： $D(\bar{x}) = D\left( \frac{1}{n}\sum_{i=1}^n x_i \right) = \frac{1}{n^2} \sum_{i=1}^n D(x_i) = \frac{1}{n^2} \cdot n s^2 = \frac{s^2}{n}$
3. 两边开方，得到算术平均值的标准差： $s(\bar{x}) = \sqrt{D(\bar{x})} = \frac{s}{\sqrt{n}}$

• 核心结论：算术平均值的标准差与测量次数的平方根成反比，增加测量次数可减小随机误差的影响；但当 $n>10$ 时，标准差下降速度显著变慢，盲目增加测量次数意义不大。

---

第五章 系统误差的识别、修正与消除

系统误差是影响测量正确度的核心因素，其危害远大于随机误差，若未识别和消除，会导致测量结果出现永久性偏移。

5.1 系统误差的识别方法

5.1.1 对比法

通过不同的测量方式比对，识别系统误差的存在，是最直接、最常用的方法：

1. 仪器比对法：用更高精度等级的标准仪器/标准器，与待使用仪器测量同一被测量，对比测量结果的偏差，识别仪器的系统误差；
2. 方法比对法：用两种不同原理的测量方法测量同一被测量，对比结果，识别方法原理带来的系统误差；
3. 人员比对法：不同测量人员用同一仪器、同一方法测量同一被测量，识别人员操作带来的系统误差；
4. 实验室比对法：不同实验室用相同方法测量同一被测量，识别实验室环境、设备带来的系统误差。

5.1.2 理论分析法

从测量原理、测量模型、仪器特性、环境条件出发，分析可能存在的系统误差：

1. 分析测量原理是否存在近似、简化，是否忽略了次要因素的影响；
2. 分析仪器的技术参数、校准证书，识别仪器的固有系统误差；
3. 分析环境条件（温度、湿度、振动、电磁场）对测量结果的固定影响，计算系统误差的大小。

5.1.3 数据分析法

通过对重复测量的残差序列进行分析，识别可变系统误差，核心方法：

1. 残差观察法：将残差按测量顺序排列，绘制残差序列图，若残差呈单向递增/递减趋势，说明存在线性系统误差；若残差呈周期性正负交替，说明存在周期性系统误差；
2. 马利科夫判据：专门用于识别线性系统误差，将 $n$ 个残差按顺序分为前半组 $k$ 个和后半组 $n-k$ 个（$n$ 为偶数时 $k=n/2$，奇数时 $k=(n+1)/2$），计算两组残差和的差值： $M = \sum_{i=1}^k v_i - \sum_{i=k+1}^n v_i$ 若 $|M|$ 显著大于0，说明存在线性系统误差；
3. 阿贝-赫梅特判据：专门用于识别周期性系统误差，计算统计量： $A = \left| \sum_{i=1}^{n-1} v_i v_{i+1} \right|$ 若 $A > s^2 \sqrt{n-1}$，说明存在周期性系统误差。

5.2 系统误差的修正与消除方法

5.2.1 修正值法（针对已定系统误差）

对于大小和方向已知的已定系统误差，通过修正值对测量结果进行补偿，公式： $\text{修正后的测量结果} = \text{原始测量结果} + \text{修正值}$

• 注意事项：修正值本身由校准获得，存在不确定度，该不确定度必须纳入测量结果的总不确定度评定；修正只能减小系统误差，无法完全消除。

5.2.2 抵消法（异号法，针对恒定系统误差）

通过两次测量，使恒定系统误差在两次测量中大小相等、符号相反，取平均值消除误差。

• 原理：设测量值为 $x$，真值为 $X_0$，恒定系统误差为 $\Delta$，第一次测量：$x_1 = X_0 + \Delta$；第二次测量改变条件，使系统误差反向：$x_2 = X_0 - \Delta$；取平均值：$\bar{x} = \frac{x_1+x_2}{2} = X_0$，完全消除恒定系统误差。
• 例子：用千分尺测长度时，分别正向和反向安装测微螺杆，消除螺纹间隙带来的恒定系统误差。

5.2.3 交换法（针对恒定系统误差）

将测量中的某些条件相互交换，使系统误差在两次测量中产生相反的影响，取平均值消除误差，最经典的应用是天平称量的不等臂误差消除。

• 例子：天平两臂长度分别为 $L_1$ 和 $L_2$，存在不等臂误差，第一次将被测物 $X$ 放在左盘，砝码 $P$ 放在右盘，平衡时：$X L_1 = P L_2$；第二次交换位置，被测物放右盘，砝码放左盘，平衡时：$P' L_1 = X L_2$；两式相乘得：$X^2 = P P'$，即 $X = \sqrt{P P'}$，完全消除不等臂带来的恒定系统误差，近似取 $X = \frac{P+P'}{2}$ 即可满足绝大多数场景需求。

5.2.4 替代法（针对恒定系统误差）

在相同测量条件下，用已知标准量替代被测量，调整标准量使仪器示值与测量被测量时完全一致，此时标准量的量值即为被测量的量值，完全消除仪器的恒定系统误差。

• 例子：用电桥测电阻时，先接入被测电阻 $R_x$，调平电桥；再取下 $R_x$，接入标准电阻箱 $R_s$，调整 $R_s$ 使电桥再次调平，此时 $R_x = R_s$，消除了电桥桥臂电阻的系统误差。

5.2.5 对称测量法（针对线性系统误差）

线性系统误差随时间/测量次数线性变化，采用等间隔对称测量，取对称点的平均值，可消除线性漂移带来的系统误差。

• 原理：线性系统误差的变化规律为 $\Delta(t) = at + b$，在 $t_1、t_2、t_3、t_4$ 等间隔测量，取 $t_1$ 与 $t_4$、$t_2$ 与 $t_3$ 的平均值，可抵消线性漂移的影响，是电位差计、电桥测量中消除线性漂移的标准方法。

5.2.6 半周期法（针对周期性系统误差）

周期性系统误差通常满足正弦规律 $\Delta = A \sin\theta$，间隔半个周期测量，两次测量的系统误差大小相等、符号相反，取平均值可消除周期性误差。

• 例子：度盘偏心带来的角度测量误差，周期为360°，间隔180°（半周期）读取两个对径刻度的平均值，可完全消除偏心带来的周期性系统误差。

---

第六章 仪器误差的规范评定与置信度

仪器误差是测量系统误差最主要的来源，是实验测量中不确定度评定的核心分量，必须严格按照规范评定。

6.1 仪器误差的核心定义

仪器误差是指测量仪器在规定工作条件下，示值与被测量真值之间的最大偏差，由仪器的设计、制造、装配、校准等环节的缺陷导致，包含系统误差分量和随机误差分量。

6.2 仪器误差的4种规范评定方式

6.2.1 以仪器的最大允许误差（MPE）评定

最大允许误差（MPE） 是技术规范、仪器说明书对仪器规定的允许误差的极限值，是仪器误差最权威的评定依据。

• 评定方法：仪器说明书或校准证书给出的MPE区间半宽度为 $a$，则仪器的标准不确定度分量为： $u_B = \frac{a}{k}$ 其中 $k$ 为包含因子，根据MPE对应的概率分布确定：若MPE对应正态分布，$k=2$（置信概率95%）或 $k=3$（置信概率99.73%）；若未说明分布，通常按均匀分布处理，$k=\sqrt{3}$。
• 例子：数字万用表说明书给出直流电压量程的最大允许误差为±(0.05%读数+0.02%量程)，则可根据测量值计算 $a$，进而评定仪器误差。

6.2.2 以仪器的准确度等级评定

仪器准确度等级是按引用误差划分的仪器精度等级，是模拟式仪表（电流表、电压表、压力表等）的通用精度标注方式。

• 核心规则：仪表的准确度等级 $G$，表示其全量程内最大引用误差不超过 $\pm G\%$，即最大允许误差的区间半宽度： $a = G\% \times X_{FS}$ 其中 $X_{FS}$ 为仪表的满量程值。
• 评定方法：根据准确度等级计算 $a$，按均匀分布取 $k=\sqrt{3}$，则仪器的标准不确定度分量： $u_B = \frac{G\% \times X_{FS}}{\sqrt{3}}$
• 例子：0.5级、量程100mA的电流表，最大允许误差 $a=0.5\% \times 100\ \text{mA} = 0.5\ \text{mA}$，仪器误差的标准不确定度 $u_B = 0.5/\sqrt{3} \approx 0.29\ \text{mA}$。

6.2.3 以量具/仪器的最小分度值评定

当仪器未给出MPE和准确度等级时，以最小分度值（分辨力）评定仪器误差，是实验测量中最常用的简化方法。

• 评定规则：
  1. 模拟式仪表/量具：人眼可分辨的最小偏移为最小分度值的1/2，因此仪器误差的区间半宽度 $a = \frac{1}{2} \times \text{最小分度值}$，按均匀分布处理，$k=\sqrt{3}$；
  2. 数字式仪表：分辨力为末位1个单位，因此仪器误差的区间半宽度 $a = \frac{1}{2} \times \text{末位1个单位}$，按均匀分布处理，$k=\sqrt{3}$；
  3. 特殊场景：对于估读困难的仪器，可取 $a = \text{最小分度值}$，即最大误差为1个最小分度。
• 例子：最小分度值为0.02mm的游标卡尺，$a=0.01\ \text{mm}$，仪器误差的标准不确定度 $u_B = 0.01/\sqrt{3} \approx 0.0058\ \text{mm}$。

6.2.4 以可估计误差作为仪器的测量误差

对于无明确精度指标的简易仪器、自制测量装置，可根据行业经验、历史测量数据，估计仪器的最大误差范围 $a$，按均匀分布评定仪器误差。

• 注意事项：可估计误差的评定需有合理依据，不得随意缩小或放大，必要时通过简单比对实验验证估计值的合理性。

6.3 仪器误差的置信度

置信度是指仪器误差落在给定区间内的概率，不同评定方式对应的置信度不同：

1. 最大允许误差（MPE）：通常校准证书给出的MPE对应置信概率95%（$k=2$），部分高精度仪器对应99.73%（$k=3$）；
2. 准确度等级：仪表的准确度等级对应的最大引用误差，通常为极限误差，置信概率接近100%，按均匀分布处理；
3. 最小分度值评定：基于分辨力的误差评定，按均匀分布处理，置信概率100%；
4. 可估计误差：通常按均匀分布处理，置信概率100%。

6.4 测量系统不完善所产生的系统误差

仪器误差是测量系统不完善的核心来源，但完整的测量系统误差还包括：

1. 测量方法误差：测量原理、数学模型的近似和简化带来的误差；
2. 环境条件误差：环境温度、湿度、气压、振动、电磁场等偏离标准条件带来的误差；
3. 人员操作误差：测量人员的读数习惯、操作不规范、反应时间偏差带来的误差；
4. 安装与对准误差：仪器安装不水平、被测对象对准偏差、光路准直误差等；
5. 被测对象特性误差：被测对象的不均匀性、不稳定性带来的误差。

---

第七章 直接测量与间接测量的完整概念

实际测量分为直接测量和间接测量两大类，二者的误差处理、不确定度评定逻辑完全不同。

7.1 直接测量

7.1.1 核心定义

直接测量是指无需通过其他量的函数关系运算，直接从测量仪器/量具得到被测量值的测量方式。

• 例子：用游标卡尺测工件长度、用天平测物体质量、用温度计测环境温度。
• 分类：
  1. 等精度直接测量：在相同测量条件下（同一仪器、同一方法、同一人员、同一环境），对同一被测量进行的多次重复测量，是实验中最常用的方式；
  2. 不等精度直接测量：在不同测量条件下，对同一被测量进行的多次测量，需通过加权平均处理数据。

7.1.2 直接测量的误差处理流程

1. 对被测量进行 $n$ 次等精度重复测量，得到测量列 $x_1,x_2,...,x_n$；
2. 识别并剔除粗大误差（3σ准则、格拉布斯准则）；
3. 计算算术平均值 $\bar{x}$，作为被测量的最佳估计值；
4. 用贝塞尔公式计算实验标准差 $s$，以及算术平均值的标准差 $s(\bar{x})$；
5. 识别并修正已定系统误差，得到修正后的测量结果；
6. 评定测量结果的不确定度。

7.2 间接测量

7.2.1 核心定义

间接测量是指被测量无法直接测量，需通过直接测量的量，通过已知的函数关系计算得到被测量值的测量方式。

• 例子：测量密度 $\rho = m/V$，需直接测量质量 $m$ 和体积 $V$，通过函数计算得到密度；测量电阻 $R=U/I$，需直接测量电压 $U$ 和电流 $I$，计算得到电阻。
• 测量模型：间接测量的被测量 $Y$ 与直接测量量 $X_1,X_2,...,X_n$ 的函数关系为： $Y = f(X_1,X_2,...,X_n)$ 其中 $Y$ 为输出量（被测量），$X_1,X_2,...,X_n$ 为输入量（直接测量量）。

7.3 间接测量的误差传递公式（完整推导）

间接测量的误差由各直接测量量的误差传递而来，核心是通过函数的全微分，推导误差的传递规律。

7.3.1 绝对误差传递公式推导

1. 设间接测量量 $Y = f(X_1,X_2,...,X_n)$，各直接测量量的绝对误差为 $\Delta X_1,\Delta X_2,...,\Delta X_n$，则 $Y$ 的绝对误差 $\Delta Y$ 为： $Y + \Delta Y = f(X_1+\Delta X_1,X_2+\Delta X_2,...,X_n+\Delta X_n)$
2. 当误差很小时，将函数在 $(X_1,X_2,...,X_n)$ 处做泰勒展开，忽略高阶小量，仅保留一阶项，得到全微分： $dY = \frac{\partial f}{\partial X_1}dX_1 + \frac{\partial f}{\partial X_2}dX_2 + ... + \frac{\partial f}{\partial X_n}dX_n$
3. 用有限增量（误差）替代微分，得到绝对误差传递公式： $\Delta Y = \sum_{i=1}^n \frac{\partial f}{\partial X_i} \Delta X_i$ 其中 $\frac{\partial f}{\partial X_i}$ 为灵敏系数，记为 $c_i$，表示输入量 $X_i$ 的单位误差引起的输出量 $Y$ 的误差变化。

7.3.2 相对误差传递公式

相对误差 $\delta_Y = \frac{\Delta Y}{Y}$，对函数 $Y = f(X_1,X_2,...,X_n)$ 两边取自然对数，再求全微分： $\ln Y = \ln f(X_1,X_2,...,X_n)$ $\frac{dY}{Y} = \frac{\partial \ln f}{\partial X_1}dX_1 + \frac{\partial \ln f}{\partial X_2}dX_2 + ... + \frac{\partial \ln f}{\partial X_n}dX_n$ 得到相对误差传递公式： $\delta_Y = \sum_{i=1}^n \frac{\partial \ln f}{\partial X_i} \Delta X_i$

7.3.3 标准差的传递公式（方和根法）

上述误差传递公式是最大误差的合成，实际测量中，各输入量的误差是随机的，正负误差会相互抵消，因此采用方和根法合成标准差，是GUM推荐的规范方法。

设各输入量的标准不确定度为 $u(X_1),u(X_2),...,u(X_n)$，且各输入量相互独立，则输出量 $Y$ 的合成标准不确定度为： $u_c(Y) = \sqrt{\sum_{i=1}^n \left( \frac{\partial f}{\partial X_i} u(X_i) \right)^2} = \sqrt{\sum_{i=1}^n \left( c_i u(X_i) \right)^2}$

推导过程：

1. 根据方差的性质，独立随机变量线性组合的方差，等于各变量方差乘以灵敏系数的平方之和；
2. 输出量 $Y$ 的方差 $u_c^2(Y)$ 是各输入量方差的合成，即： $u_c^2(Y) = \sum_{i=1}^n c_i^2 u^2(X_i)$
3. 两边开方即得到方和根法的合成公式。

7.3.4 常见函数的误差传递系数表

函数类型	函数表达式	绝对误差传递公式	相对误差传递公式
加减函数	$Y = aX_1 \pm bX_2$	$\Delta Y = a\Delta X_1 \pm b\Delta X_2$	$\delta_Y = \frac{a\Delta X_1 \pm b\Delta X_2}{aX_1 \pm bX_2}$
乘除函数	$Y = aX_1 X_2 / X_3$	$\Delta Y = Y\left( \frac{\Delta X_1}{X_1} + \frac{\Delta X_2}{X_2} + \frac{\Delta X_3}{X_3} \right)$	$\delta_Y = \frac{\Delta X_1}{X_1} + \frac{\Delta X_2}{X_2} + \frac{\Delta X_3}{X_3}$
幂函数	$Y = aX^b$	$\Delta Y = abX^{b-1}\Delta X$	$\delta_Y =
指数函数	$Y = ae^{bX}$	$\Delta Y = abe^{bX}\Delta X$	$\delta_Y =
对数函数	$Y = a\ln X$	$\Delta Y = \frac{a}{X}\Delta X$	$\delta_Y = \frac{a\Delta X}{X \ln X}$

---

第八章 测量不确定度的规范体系

8.1 核心定义与本质

测量不确定度是根据所用到的信息，表征赋予被测量量值分散性的非负参数，是定量描述测量结果可信程度的核心指标。

• 核心本质：它是一个以测量结果为中心的统计区间，反映了被测量真值大概率落在的范围，完整的测量结果必须同时包含测量值和对应的测量不确定度。
• 与测量误差的核心区别：误差是测量值与真值的确定差值，有正负；不确定度是表征分散性的区间，恒为非负值，无正负，二者不可混淆。

8.2 不确定度的分类与规范评定

8.2.1 标准不确定度

以标准偏差表示的测量不确定度，符号为 $u$，是不确定度评定的基础单元，分为A类、B类两类，二者仅评定方法不同，无本质区别、无主次之分。

（1）A类标准不确定度（Type A）

通过对重复测量数据的统计分析进行的不确定度评定，符号 $u_A$，核心对应随机效应带来的不确定度。

• 评定方法：对被测量进行 $n$ 次等精度重复测量，计算算术平均值的实验标准差 $s(\bar{x})$，则 $u_A = s(\bar{x})$。

（2）B类标准不确定度（Type B）

用非统计分析的方法进行的不确定度评定，符号 $u_B$，核心对应仪器误差、未定系统误差带来的不确定度。

• 评定方法：先确定被测量可能值的区间半宽度 $a$，再根据概率分布确定包含因子 $k$，则 $u_B = \frac{a}{k}$。
• 核心信息来源：仪器校准证书、说明书给出的MPE/准确度等级、国家标准、行业经验、历史测量数据。

8.2.2 合成标准不确定度

当测量结果由若干个输入量求得时，按各输入量的方差和协方差算得的标准不确定度，符号 $u_c$。

• 评定方法：各输入量相互独立时，采用方和根法合成： $u_c = \sqrt{u_1^2 + u_2^2 + ... + u_n^2}$ 其中 $u_1$ ~ $u_n$ 为所有A类、B类标准不确定度分量。

8.2.3 扩展不确定度

确定测量结果区间的量，合理赋予被测量的量值分布的大部分可望包含于此区间，符号 $U$。

• 核心公式：$U = k \times u_c$，其中 $k$ 为包含因子。
• 包含因子 $k$ 的选择：
  1. 通用场景取 $k=2$，对应正态分布下约95.45%的置信概率，是全球最常用的取值；
  2. 高可靠性要求场景取 $k=3$，对应约99.73%的置信概率；
  3. 小样本场景，根据有效自由度和t分布确定 $k$ 值。

8.2.4 相对不确定度

不确定度除以测量结果的绝对值，符号 $u_{rel}$，通常用百分数表示，用于不同量级测量结果的不确定度对比。

• 公式：$u_{rel} = \frac{u_c}{|x|} \times 100\%$

8.3 不确定度的规范报告格式

标准报告示例：

1. 工件长度 $L = 10.02\ \text{mm}$，合成标准不确定度 $u_c(L) = 0.01\ \text{mm}$；
2. 工件长度 $L = 10.02\ \text{mm} \pm 0.02\ \text{mm}$，包含因子 $k=2$，对应置信概率约95%。

---

第九章 有效数字的全解（含公式推导）

有效数字是测量结果的规范表达核心，直接反映测量的精度，其运算规则、修约规则有严格的规范要求。

9.1 有效数字的核心概念

有效数字是指测量结果中，从第一个非零数字开始，到最末一位可疑数字为止的所有数字，由可靠数字和可疑数字组成。

• 可靠数字：通过仪器刻度直接读取的、无争议的数字；
• 可疑数字：估读得到的、有误差的数字，通常为最后一位，误差为±1个单位。
• 例子：用最小分度值为1mm的直尺测长度，读数为12.3mm，其中1、2是可靠数字，3是可疑数字，有效数字为3位；读数为12.30mm，有效数字为4位，对应仪器的分辨力更高。

9.2 有效数字的核心性质与注意事项

1. 有效数字的位数与测量精度一一对应：有效数字位数越多，测量精度越高。例如10.2mm（3位）对应绝对误差±0.1mm，10.20mm（4位）对应绝对误差±0.01mm，二者精度相差10倍。
2. 零的处理规则：
   • 前导零：数字前面的零不是有效数字，仅起定位作用，如0.0123mm，前两个零不是有效数字，有效数字为3位；
   • 中间零：数字中间的零是有效数字，如10.03mm，两个零都是有效数字，有效数字为4位；
   • 末尾零：数字末尾的零是有效数字，如12.00mm，两个零都是有效数字，有效数字为4位，不得随意删除。
3. 单位换算不改变有效数字位数：单位换算时，需用科学计数法保证有效数字位数不变。例如12.3mm = $1.23 \times 10^{-2}\ \text{m}$，仍为3位有效数字，不得写成0.0123m（虽位数不变，但不规范），更不得写成12300μm（错误，变成5位有效数字）。
4. 常数的有效数字规则：π、g、e等数学/物理常数，其有效数字位数可认为是无限的，运算时取的位数应比测量值的有效数字位数多1位，避免引入额外误差。
5. 科学计数法的规范：对于过大或过小的数，必须用科学计数法表示有效数字，形式为 $a \times 10^n$，其中 $1 \le a < 10$，$a$ 的位数即为有效数字位数。

9.3 有效数字运算规则的公式推导与实操

有效数字运算规则的核心原理：运算结果的精度由误差最大的分量决定，结果的可疑数字位数，应与参与运算的分量中可疑数字位数最高的分量一致，基于误差传递理论推导。

9.3.1 加减运算规则

规则：加减运算结果的小数点后保留位数，应与参与运算的各分量中小数点后位数最少的分量一致（即绝对误差最大的分量）。

公式推导： 设加减运算 $Y = X_1 + X_2 - X_3$，各分量的绝对误差为 $\Delta X_1、\Delta X_2、\Delta X_3$，根据绝对误差传递公式： $\Delta Y = \Delta X_1 + \Delta X_2 - \Delta X_3$ 结果的最大绝对误差为各分量绝对误差的绝对值之和，即 $|\Delta Y|_{max} = |\Delta X_1| + |\Delta X_2| + |\Delta X_3|$。 因此，结果的绝对误差由绝对误差最大的分量决定，即小数点后位数最少的分量决定。

例子：$12.34 + 2.3 - 0.567$

• 12.34（小数点后2位，绝对误差±0.01）
• 2.3（小数点后1位，绝对误差±0.1，误差最大）
• 0.567（小数点后3位，绝对误差±0.001）
• 先计算：$12.34 + 2.3 - 0.567 = 14.073$
• 按规则保留小数点后1位，结果为14.1。

9.3.2 乘除运算规则

规则：乘除运算结果的有效数字位数，应与参与运算的各分量中有效数字位数最少的分量一致（即相对误差最大的分量）。

公式推导： 设乘除运算 $Y = \frac{X_1 X_2}{X_3}$，各分量的相对误差为 $\delta_{X1}、\delta_{X2}、\delta_{X3}$，根据相对误差传递公式： $\delta_Y = \delta_{X1} + \delta_{X2} + \delta_{X3}$ 结果的最大相对误差为各分量相对误差的绝对值之和，而有效数字位数越少，相对误差越大。例如：

• 2.3（2位有效数字），相对误差 $\delta \approx \frac{0.1}{2.3} \approx 4.3\%$
• 12.34（4位有效数字），相对误差 $\delta \approx \frac{0.01}{12.34} \approx 0.08\%$ 显然，有效数字位数越少，相对误差越大，决定了结果的相对误差，因此结果的有效数字位数与最少的一致。

例子：$\frac{12.34 \times 2.3}{0.567}$

• 12.34（4位）、2.3（2位，最少）、0.567（3位）
• 先计算：$\frac{12.34 \times 2.3}{0.567} \approx 50.049$
• 按规则保留2位有效数字，结果为50（或 $5.0 \times 10^1$）。

9.3.3 乘方与开方运算规则

规则：乘方或开方运算结果的有效数字位数，与底数的有效数字位数一致。

公式推导： 设 $Y = X^n$（$n$ 为常数，乘方 $n>0$，开方 $n=1/m$），根据相对误差传递公式： $\delta_Y = |n| \delta_X$ 结果的相对误差是底数相对误差的 $|n|$ 倍，但有效数字位数仅由相对误差的数量级决定，乘方/开方不会改变相对误差的数量级，因此有效数字位数与底数一致。

例子：$2.34^2 = 5.4756$，保留3位有效数字，结果为5.48；$\sqrt{12.34} \approx 3.5128$，保留4位有效数字，结果为3.513。

9.3.4 对数运算规则

规则：自然对数或常用对数运算结果的小数点后位数，与真数的有效数字位数一致。

公式推导： 设 $Y = \lg X$，根据误差传递公式： $dY = \frac{dX}{X \ln 10} \approx \frac{\delta_X}{2.303}$ 结果的绝对误差由真数的相对误差决定，真数的有效数字位数决定了相对误差的大小，因此对数结果的小数点后位数与真数的有效数字位数一致。

例子：$\lg 12.34$（4位有效数字）≈1.0913，小数点后保留4位，结果为1.0913。

9.3.5 三角函数运算规则

规则：三角函数运算结果的有效数字位数，与角度的有效数字位数一致，角度的最小分度决定了结果的可疑位数。

公式推导： 设 $Y = \sin X$，$X$ 为角度，误差传递公式： $dY = \cos X \cdot dX$ 结果的绝对误差由角度的绝对误差决定，角度的有效数字位数（分度值）决定了 $dX$ 的大小，因此结果的有效数字位数与角度一致。

例子：$\sin 30.00^\circ$（4位有效数字）=0.5000，保留4位有效数字。

9.3.6 指数运算规则

规则：指数运算结果的小数点后保留的位数和x的小数点后的位数相同。

9.4 数字修约规则

核心规则：四舍六入五凑偶（奇进偶不进），是国际通用的规范修约规则，替代传统的“四舍五入”，避免修约偏差的累积。

1. 拟舍弃数字的最左一位数字小于5，则舍去，保留其余各位数字； 例子：12.344修约到小数点后2位，结果为12.34。
2. 拟舍弃数字的最左一位数字大于5，则进1，即保留数字的末位数字加1； 例子：12.346修约到小数点后2位，结果为12.35。
3. 拟舍弃数字的最左一位数字是5，且其后有非零数字时，进1； 例子：12.3451修约到小数点后2位，结果为12.35。
4. 拟舍弃数字的最左一位数字是5，且其后无数字或皆为零时，若保留的末位数字为奇数，则进1；若为偶数，则舍去； 例子：12.345修约到小数点后2位，末位4为偶数，结果为12.34；12.335修约到小数点后2位，末位3为奇数，结果为12.34。
5. 禁止连续修约：拟修约数字应一次性修约到指定位数，不得多次连续修约。 错误例子：12.3456修约到小数点后1位，连续修约：12.3456→12.346→12.35→12.4，正确结果为12.3。

9.5 测量结果与不确定度的有效数字匹配规则

1. 不确定度的有效数字位数：通常保留1~2位有效数字，首位数字为1或2时，建议保留2位，首位数字大于2时，可保留1位； 例子：$u_c=0.012\ \text{mm}$（2位），$U=0.03\ \text{mm}$（1位）。
2. 测量结果的有效数字位数：测量结果的末位，应与不确定度的末位对齐； 例子：测量结果10.023mm，不确定度 $U=0.02\ \text{mm}$，则测量结果应修约为10.02mm，最终报告为 $10.02\ \text{mm} \pm 0.02\ \text{mm}$。