[논문 리뷰] A Theory of Measurement Uncertainty Based on Conditional Probability

G. D’Agostini|ArXiv.org|1996. 11. 21.

Scientific Measurement and Uncertainty Evaluation참고 문헌 5인용 수 3

한 줄 요약

이 논문은 베이지안 추론과 주관적 조건부 확률을 사용하여 측정 불확도의 일반 이론을 제시하며, 모든 측정 시나리오에 적용 가능하다. 선형화가 타당할 경우이며 첫 번째 순서 모멘트(평균과 분산)만을 고려할 때, 이는 ISO 표준의 특수한 경우로 복원된다.

ABSTRACT

A theory of measurement uncertainty is presented, which, since it is based exclusively on the Bayesian approach and on the subjective concept of conditional probability, is applicable in the most general cases. The recent International Organization for Standardization (ISO) recommendation on measurement uncertainty is reobtained as the limit case in which linearization is meaningful and one is interested only in the best estimates of the quantities and in their variances.

연구 동기 및 목표

• 기존의 빈도주의 접근 방식의 한계를 초월하는 통합된 측정 불확도 프레임워크를 개발하기 위해.
• 복잡한 비선형 또는 비정규 측정 시나리오에서 일관된 불확도 처리의 필요성을 해결하기 위해.
• 베이지안 확률 이론과 주관적 추론과 일관된 불확도 정량화의 기초를 제공하기 위해.
• 제안된 이론의 극한 경우로써 ISO 3314 표준의 측정 불확도 평가가 어떻게 유도되는지 보여주기 위해.
• 기존의 가정(선형성, 정규성)이 성립하지 않을 수 있는 과학적 측정에서 견고한 불확도 전파를 가능하게 하기 위해.

제안 방법

• 모든 불확도를 신념의 정도로 간주하는 베이지안 확률 이론을 사용하여 측정 불확도를 수립한다.
• 측정된 양들 간의 의존성과 그들의 불확도를 모델링하기 위해 조건부 확률 개념을 적용한다.
• 점 추정치에 의존하지 않고, 알려지지 않은 매개변수에 대한 전체 사후 확률 분포를 사용한다.
• 확률 분포의 근사화 및 변환을 통해 불확도 구간과 오차 전파를 유도한다.
• 선형 근사와 정규성 가정이 타당할 경우, 이는 ISO 접근 방식으로 축소되는 일반적 프레임워크를 도입한다.
• 비선형 케이스에서는 델타 방법과 고차항 전개를 근사으로 사용하지만, 원칙적으로는 전체 베이지안 처리를 유지한다.

실험 결과

연구 질문

• RQ1 비선형성과 비정규성의 경우를 포함하여 모든 물리적 및 통계적 시나리오에서 측정 불확도를 일관되게 모델링할 수 있는 방법은 무엇인가?
• RQ2 측정 불확도에 대한 베이지안 접근과 ISO 3314 표준 사이의 관계는 무엇인가?
• RQ3 ISO 권고안이 더 일반적인 베이지안 이론의 극한 경우로 어떻게 유도되는가?
• RQ4 일관된 이론적 프레임워크가 다양한 과학 분야의 불확도 처리를 통합할 수 있는가?
• RQ5 조건부 확률의 사용이 불확도 정량화의 일관성과 해석 가능성에 어떻게 기여하는가?

주요 결과

• 제안된 베이지안 프레임워크는 비선형성과 비정규성의 경우에도 일관되고 일반적인 측정 불확도 처리를 제공한다.
• 선형화가 타당하고 첫 번째 및 두 번째 순서 모멘트만 고려할 경우, ISO 3314 표준의 측정 불확도 평가가 공식적으로 극한 경우로 도출된다.
• 이론은 사전 정보를 자연스럽게 처리하고 베이즈 정리에 따라 신념을 갱신하여 비합리적인 가정이 필요 없도록 한다.
• 불확도 전파가 전체 사후 분포를 통해 이루어져 정확한 구간 추정과 신뢰 영역을 가능하게 한다.
• 불확도를 고전적 오차 분석에서처럼 단지 우연성의 대상으로 보는 것이 아니라 지식의 불확실성(epistemic)으로 간주함으로써 고전적 접근의 함정을 피한다.
• 기존 방법이 실패하거나 일관성이 없어지는 복잡한 모델에서 일관된 불확도 전파를 지원한다.