Zastosowanie metod odpornościowych w analizie dokładności pomiarów międzylaboratoryjnych (2) Ocena niepewności pomiarów metodą odporną Algorytm S

W artykule omówiono iteracyjną metodę odporną Algorytm S. Stosuje się ją do oszacowania precyzji określonej metody pomiarowej na podstawie wyników badań jednorodnych obiektów w wielu akredytowanych laboratoriach, gdy oceny dokładności pomiarów w niektórych z nich są odstające. Wypadkową odporną ocenę dokładności badanej metody znajduje się na podstawie oszacowania niepewności lub rozstępu wyników pomiarów tą metodą w każdym z laboratoriów, bez odrzucania danych odstających. Rozważania zilustrowano przykładem liczbowym.

This two-part paper discusses the use of robust statistics to assess the value and uncertainty of measurand obtained from a sample of experimental data when some of these data differ significantly from the others, i.e. are outliers. The statistical parameters of the measurement result are determined by robust methods from all data, but influence of outliers is treated differently. For small sample sizes results are more reliable than obtained by classical methods with exclusions of outliers. This is illustrated by examples from the interlaboratory key comparisons. Part 1 discusses the basic principles of the robust statistics and the iterative robust method given by Huber, which is called Algorithm A in ISO 5725-5. As illustration in the simulated numerical example, the uncertainty of some measurement method was estimated based on measurements of homogeneous object in several accredited laboratories. The mean uncertainty of this experiment is estimated by classic method for all data and with exclusion of outliers and by two robust methods: rescaled median deviation and by Algorithm A. The result of last method is the most reliable.