论文部分内容阅读
针对利用GUM及系列文件进行不确定度评估时对某个概率分布较为复杂的影响量抽样的问题,介绍了马尔科夫链蒙特卡罗法(MCMC)在其中的应用.首先采用变量替换法对被测量的概率分布进行直接计算,然后介绍了MCMC方法中最典型、最常用的Metropolis-Hastings算法的原理和实现的过程,并通过计量校准中两个典型的实例进行了说明.最后分析了MCMC抽样样本的相关性、实现该方法时建议分布的影响以及样本收敛性的判断等.当GUM系列文件不太适合某一个测量场合的评估时,贝叶斯统计和MCMC方法的运用是一个很好的工具.