4. 标准不确定度A类评定实操

在不确定度评定中，A类评定是最具“数据依据”的一环：它不依赖说明书、证书或经验判断，而是直接由重复测量数据的分散性来估计标准不确定度。本节围绕一个可复现的实操任务展开——对某量进行多次重复测量，用贝塞尔法计算实验标准差，再换算为标准不确定度；同时介绍极差法作为快速估算手段，并说明两者的适用条件与差异。

一、A类评定的对象与前提

A类评定的核心是“重复性条件下测量结果的分散性”。所谓重复性条件，指同一测量程序、同一观测者、同一测量系统、同一地点、在短时间内重复测量。若这些条件被破坏（例如更换了仪器、改变了环境温度、换了操作者），数据中混入的就不只是随机效应，A类评定结果会被系统性因素污染。

设对同一被测量在重复性条件下独立测得 n 个结果 x₁, x₂, …, x_n，通常取 n ≥ 10。以算术平均值作为被测量的最佳估计：

x̄ = (1/n) · Σ x_i

单个测量结果的实验标准差（贝塞尔公式）为：

s(x_i) = sqrt( Σ(x_i − x̄)² / (n − 1) )

若以 n 次测量的平均值作为最终结果，则平均值的实验标准差为：

s(x̄) = s(x_i) / sqrt(n)

在A类评定中，标准不确定度 u_A 通常就取 s(x̄)，即 u_A = s(x̄)。这里有一个常见误区：把 s(x_i) 直接当作标准不确定度。只有当最终结果就是“单次测量值”时，才用 s(x_i)；若结果取平均值，必须除以 √n。

二、贝塞尔法实操：从原始数据到 u_A

下面给出一个教学示例（数据为合理假设，用于演示计算流程，非实测结果）。对某标准量块的长度在重复性条件下测量 10 次，单位为 mm：

第一步，求平均值。Σx_i = 500.130，x̄ = 50.0130 mm。

第二步，求各残差 d_i = x_i − x̄，并计算残差平方和。残差依次为 −0.001、+0.002、−0.003、+0.001、0、+0.003、−0.002、−0.001、+0.001、0（单位 mm）。平方和为 1+4+9+1+0+9+4+1+1+0 = 30（×10⁻⁶ mm²），即 Σd_i² = 30×10⁻⁶ mm²。

第三步，代入贝塞尔公式：s(x_i) = √(30×10⁻⁶ / 9) = √(3.333×10⁻⁶) ≈ 0.00183 mm。

第四步，换算平均值标准不确定度：u_A = s(x̄) = 0.00183 / √10 ≈ 0.00058 mm。

在Excel中，这一流程可直接用函数实现：用 =AVERAGE(B2:B11) 求均值，用 =STDEV.S(B2:B11) 求样本标准差（即贝塞尔法），再用 =STDEV.S(B2:B11)/SQRT(COUNT(B2:B11)) 得到 u_A。注意应使用 STDEV.S（样本标准差，分母 n−1），而不是 STDEV.P（总体标准差，分母 n），后者会低估分散性。

三、极差法：快速估算与适用边界

当测量次数较少、现场需要快速估算时，可用极差法。极差 R = x_max − x_min，则单次测量的实验标准差近似为：

s(x_i) ≈ R / d_n

其中 d_n 为与测量次数 n 有关的极差系数，常用值：n=2 时 d_n≈1.13，n=3 时 ≈1.69，n=4 时 ≈2.06，n=5 时 ≈2.33，n=6 时 ≈2.53，n=7 时 ≈2.70，n=8 时 ≈2.85，n=9 时 ≈2.97，n=10 时 ≈3.08。

以上例数据为例，R = 50.016 − 50.010 = 0.006 mm，n=10 取 d_n=3.08，则 s(x_i) ≈ 0.006/3.08 ≈ 0.00195 mm，与贝塞尔法 0.00183 mm 接近但不完全相同。极差法只利用了最大值和最小值两个信息，对中间数据的分布形态不敏感，因此精度低于贝塞尔法，且 d_n 系数建立在近似正态分布假设上。它适合作为现场快速核查或数据量很少时的补充手段，正式评定仍推荐贝塞尔法。

四、结果表达与自由度

贝塞尔法得到的 u_A 对应自由度 ν = n − 1。上例中 ν = 9。自由度在后续合成标准不确定度、扩展不确定度（尤其涉及 t 分布或有效自由度计算）时会用到，因此记录 u_A 时应同时记录 n 与 ν。若用极差法估算，其自由度通常小于 n−1，不能简单套用，这也是极差法不宜作为正式评定依据的原因之一。

结果表达建议写成：u_A = 0.00058 mm，ν = 9（n = 10）。数值修约应与测量结果的分辨力相协调，通常保留 1～2 位有效数字，并在合成前保留足够位数以避免累积舍入误差。

五、实操中的关键检查点

• 数据独立性：确认每次测量是独立读数，而非对同一显示值的重复抄录；若仪器显示分辨力不足，数据会出现大量重复值，此时 s 可能被低估，应结合分辨力引入的分量另行考虑。
• 异常值处理：发现明显离群值时，应先查明原因（如操作失误、环境突变），有依据地剔除并记录；不得仅为“让数据好看”而删除数据。
• 公式选择：结果取平均值用 s(x̄)；结果取单次值用 s(x_i)。这是A类评定中最容易出错的一步。
• 软件函数：Excel 用 STDEV.S；Python 可用 statistics.stdev 或 numpy.std(ddof=1)，注意 ddof=1 才对应样本标准差。
• 记录可追溯：保留原始数据、计算公式、n、x̄、s、u_A 与自由度，便于复核与复现。

完成上述流程后，你就得到了一个来源清晰、可追溯的A类标准不确定度分量。它将在后续与B类分量合成时，作为重复性因素对总不确定度的贡献被计入。