接受-拒绝算法的贝叶斯不确定度评定

作者：李红莉; 陈志文; 张祖杨; 赵志浩; 黄强先; 张连生; 程荣俊

来源：电子测量与仪器学报, 2023, 37(12): 76-83.

DOI：10.13382/j.jemi.B2306741

• 测量不确定度
• 贝叶斯统计
• 接受-拒绝采样
• 蒙特卡洛方法

针对贝叶斯不确定度评定中获取测量模型后验分布困难的问题，给出一种基于接受-拒绝采样思想实现贝叶斯测量不确定度评定的方法。面向线性/非线性测量模型，先利用贝叶斯假设或蒙特卡洛法获得被测量的先验信息，再基于接受-拒绝采样获得被测量的接受采样点形成后验分布，对被测量进行统计推断得到测量不确定度评定结果。通过规范示例和实际测量评定实例，验证了采用接受-拒绝算法的贝叶斯不确定度评定方法相较于传统GUM和MCM评定方法，能够得到可靠评定结果，且获取贝叶斯后验分布过程简便，在无/有历史信息条件下测量不确定度评定应用中具有可行性和实用性。