Niepewności pomiarów w metodzie regresji liniowej. Część 1. Prosta i jej pasma niepewności dla nieskorelowanych danych pomiarowych

W serii kilku prac omówi się szacowanie dokładności parametrów linii prostej wyznaczanej metodą regresji liniowej dla różnych przypadków danych pomiarowych. Nawiązując do zaleceń Przewodnika Wyznaczania Niepewności Pomiarów GUM, uwzględnia się pomijaną dotychczas w literaturze niepewność typu B. Pierwsza z tych prac dotyczy pomiarów wartości zmiennej losowej Y dla znanych wartości zmiennej X. Przedstawia się istotę problemu, kryteria metody regresji liniowej i ich zastosowanie dla wartości mierzonych o nieskorelowanych, znanych i nieznanych, w tym jednakowych, niepewnościach typu A. Ilustrują to symulowane przykłady obliczeniowe dla pomiarów punktów o tych samych współrzędnych i różnych wariantach niepewności typu A i typu B. Wyznaczono równania prostej i pasma ich niepewności. Kolejna praca dotyczyć będzie pomiarów punktów o danych skorelowanych. W kolejnej omówi się przypadki wymagające pomiarów obu zmiennych Y i X.

In a series of several papers, the estimation of the accuracy of the parameters of a straight line determined by the linear regression method for various cases of measurement data will be discussed. Referring to the recommendations of the Guide to the Expression of Uncertainty in Measurement, the B-type uncertainty, so far omitted in the literature, is taken into account. The first of these works concerns the measurements of the value of the random variable Y for known values of the variable X. The essence of the problem, the criteria of the linear regression method and their application are presented for measured values with uncorrelated, known and unknown, including the same, type A uncertainties. Simulated calculation examples illustrate the case for the measurements of points with the same coordinates and different variants of type A and type B uncertainty. Line equations and their uncertainty bands were determined. The next work will concern the measurements of points with correlated data. In yet another work, the cases will be discussed cases that require measurements of both Y and X variables.