Данилов А.А.

Ага

Вы бы ещё Землю потрясли... Еду в поезде, вибрация - по клавишам попадать непросто, не то, что в точку

Значит, надо менять дефиницию, модель, целевую неопределенность... Иначе в точку не попасть...

Предположим, что длина удава 1 удав. Для того, чтобы обеспеспечить прослеживаемость до метра, у Вас есть несколько эталонов. При этом у Вы обладаете сведениями о том, что эталон 1 - палка, а эталон 2 - рулетка, а эталон 3 - некий оптический эталон. Следовательно, исходя из дефиниции, Вы можете предположить, что эталон 1 может быть откалиброван с неопределенностью u1, эталон 2 - с u2, эталон 3 - с u3. И т.д. выстраиваете иерархию калибровок. Может оказаться так, что вокруг удава с оптикой не побегаешь, а придется довольствоваться палкой и т.д. А можете исхитриться и использовать оптический эталон. Вот Вам и байесовская вероятность сильно в упрощённом виде.

Ага. Он же не обещал лежать как труп. Его солнышко пригрело, он чуть повернулся. А от какой точки до какой измерять его длину в дефиниции недосказали. К тому же он еще и толстенький был.

Итак, Байесовская вероятность ... определяется как степень уверенности в истинности суждения. Пример. Длина удава 1 удав. После калибровки удава получены результаты в метрах 3.00; 3,00; 3,00; 3,00. Решили сделать вторую выборку. Оказалось 3,02; 2,97; 3,04; 2,97. Интересно, степень уверенности в том, что длина удава 3 м в каждой из выборок одинакова или различна?

Уверен, Вы многократно читали, но всё же цитирую из Белорусского перевода Руководства: 3.3.4 Цель классификации на тип A и тип B заключается только в том, чтобы обозначить два различных пути оценивания составляющих неопределённости и для удобства обсуждения. Эта классификация не ставит целью выявить какие-то различия в природе составляющих, которые являются результатом двух типов оценивания. Оба типа оценивания основаны на распределении вероятностей (С.2.3), и составляющие неопределённости для того или иного типа количественно определяются дисперсиями или стандартными (средними квадратическими) отклонениями. С.2.3 распределение вероятностей (случайной переменной) probability distribution (of a random variable) [ISO 3534-1, 1.3] функция, показывающая вероятность того, что случайная переменная примет любое значение, меньшее некоторого заданного значения (или равное ему). ПРИМЕЧАНИЕ – Вероятность на всей совокупности значений случайной переменной равна 1. 3.3.5 Оценка дисперсии u2, характеризующая составляющую неопределённости, полученную из оценивания типа А, рассчитана из серии повторяющихся наблюдений и близка к статистической оценке дисперсии s2 (см. 4.2). Оценка стандартного (среднего квадратического) отклонения (С.2.12, С.2.21, С.3.3) u является корнем квадратным (со знаком «плюс») из дисперсии u2, или u = s. Для удобства её иногда называют стандартной неопределённостью типа А. Для составляющей неопределённости, полученной из оценивания типа В, оценку дисперсии u2 получают с использованием доступных знаний, и оценку стандартного отклонения (СКО) u иногда называют стандартной неопределённостью типа В. Таким образом, стандартную неопределённость типа А получают из функции плотности вероятности (С.2.5), которую, в свою очередь, получают из распределения частот (С.2.18). Стандартную неопределённость типа B получают из предполагаемой функции плотности вероятности, основанной на степени доверия (её часто называют субъективной вероятностью (С.2.1)). Оба приближения используют принятые интерпретации вероятности. ПРИМЕЧАНИЕ – Оценка составляющей неопределённости типа В обычно основана на совокупности (выборке) сравнительно достоверной информации (см. 4.3.1). В ГОСТ 34100.1-2017 говорится: 4.3 При вычислении неопределенности используются два представления распределения вероятностей [см. JCGM 101:2008 (3.1), а также ISO 3534-1:2006, словарную статью 2.11] случайной переменной Х: - через функцию распределения [см. JCGM 101:2008 (3.2), а также ISO 3534-1:2006, словарную статью 2.7], дающую для любого значения ее аргумента вероятность того, что Х меньше или равна этому значению; - через функцию плотности вероятностей [см. JCGM 100:2008 (3.3), а также ISO 3534-1:2006, словарную статью 2.26], являющуюся производной от функции распределения. Прекращаю цитировать, иначе снова получу реплику вида: Откуда же берутся вероятности, если все детерминировано?! Байесовская вероятность, хоть и противопоставляется частотной, но применяется для случайных величин, а не для детерминированных, не правда ли?!

Вот и ладненько. Значит, места в Руководстве Вы не покажете... Почему? Потому, что его там нет.

Получен. Видимо, не так присвоил имя при сканировании. Вот искомая Вами статья: ИТ_2018_9_20-25_Левин.pdf

Принимается. Подожду. Очень хочется, чтобы Вы показали мне (ткнули носом) то место в переводе Руководства, в котором говорится о том, что выборка не случайна. Не в том ли месте, где говорится об оценке неопределенности по типу А?!

Что Вы, что Вы? Зачем обвинять? Просто спрошу: "А где про это написано в любимом Вами Белорусском переводе Руководства?!"

Правильно ли я понял Ваше утверждение, что выборка не случайна?

Пожалуйста: ИТ_2018_9_20-25_Левин.pdf

Среднее получено на основе выборки. Выборка случайна. Значит, и оценка среднего также случайна. В Вашем примере среднее находится где-то между 4,9 и 5,1 м.

Отвечу так, как обычно отвечаете Вы: "Я такого не говорил" Удав, лежит себе, как есть. Длине удава Вы присвоили значение единицы. И эта единица ну никак не случайная. Другое дело, когда Вы удава описали максимально подробно (но дефинициальная неопределенность осталась), откалибровали его (добавив неопределенности), обеспечив прослеживаемость до метра. Результат (в метрах) уже не будет детерминированным, как того хотелось бы, а будет случайной величиной. Тоже никогда такого не говорил. Сначала модель измерения, учитывающая результаты наблюдений, условия в которых они выполнены, все источники неопределенности, оценки их значений и плотности распределения и т.д. Куда вводить? В компьютер, разумеется, в ту самую программулину, которая позволила бы выполнить нужные мне расчеты...