目前对设备进行验收测试的过程中，通常的处理方法是对某一需要测试的数据，大量的采集数据，然后通过取平均值或中位值等的方法作为测量的结果，再结合精度要求，判断测量结果是否在处理合格指标的区间内，来判断测试对象的性能。但是在测试过程中，难免存在各种未知的干扰影响测试结果，使应用平均值或中位值方法统计数据并不能准确反映设备的精度情况。
例如上表和下表为A和B两个设备在测量同一信号得到的数据。
上表和下表中两组数据的算术平均值均是50，如果只应用平均值方式直接取测量值会认为A设备与B设备的测量结果是一样的，但实际上B设备的测试散布明显比A设备要大的多，这说明B设备实际的测量精度比A设备的测量精度要差的多。
为了确保测试结果数据的准确性可信度，这就需要再对测试结果进行深入的后期处理，结合相应的统计分析理论，对测试结果深入分析。
一、测量不确定度概述
在任何实际测量中，测量误差是不可避免的，因而测量结果与真值之间是有差距的，不确定度就是给出对被测量值的不能确定的程度。从另一个方面讲，通过不确定度的评定，我们能判断该测量结果的可信程度，通过它我们能有效评定测量所得到结果的质量好坏。在实际测量中，测量不确定度的数值越小，就表示各测量结果之间的分散性越低，测量所得到的数据结果可靠性越高，测量的质量就越高；反之如果根据测量结果计算出的测量不确定度越大，就表示测量数据结果的分散性越大，测量的质量就越低，测量数据的可信程度就不大。
测量不确定度是与测量结果相互关联的一个参数，用于合理的赋予被测量值的分散性。
二、测量不确定度的评定
理论上讲，在评定测量不确定度时，首先要依据测量的特点和过程建立合理的测量数学模型，然后对输入量、输出量、干扰量等进行分析，将所有已知的对测量过程造成影响的因素都包括进去，计算出测量不确定度。但在实际应用中，为使测量不确定度的计算能够实现，可根据客观情况，首先确保产生不确定度的主要分量被充分考虑在内，适当的舍弃次要分量，使得测量不确定度的评定既合理又方便可行。
测量不确定度通过计算测量结果的标准差来表示时称为标准不确定度。按照标准不确定度的评定方珐不同，通常将不确定度分为如F4类：A类标准不确定度；B类标准不确定度；合成标准不确定度；扩展不确定度。
1．A类标准不确定度
标准不确定度的A类评定是通过对测量结果的统计计算而得到的不确定度的数值的方法，主要有：
贝赛尔公式法、极差法、合并样本标准差法、最大残差法、最小二乘法、阿伦方差等。
上述几种评定方法中，贝赛尔公式法最常用，本文首先应用这种方法，介绍演示标准不确定度的A类评定。贝赛尔公式法如下：
设测量次数为n，测量精度相同的一组观测列为XI，…Xn，则该观测列的算数平均值为：
算数平均值的标准差为：
公式中是概率分布的总方差，就是实验标准差，其含义为分散性参数。测量结果的标准不确定度为：
其中，总的测量次数n的数量应该足够，使测量的数据更具代表性，从而使标准不确定度的计算结果更为可靠。
2．B类标准不确定度
不通过对测量数据进行统计分析的方法而评定标准不确定度，统称为B类不确定度。B类不确定度分量是用实验或其他信息估计给出的标准差，不同于统计分析方法，它含有很大的主观成分。在实际的测量工作中，有些场合无法取得大量的测量数据，就无法形成了测量计算标准不确定度的必要条件，如果只有较少的测量次数，甚至无法测量的量，就无法应用A类评定方法，只能按照不确定度来源的统计分布确定标准不确定度的B类分量。
3．舍成标准不确定度
合成标准不确定度即是对其他标准不确定度结果的合成，它表示当测量结果是通过其他量的值求得时；按其他各量的方差和协方差计算得出。当浏量结果的不确定度只以某个分量为主其他分量可忽略时，就不存在合成标准不确定度。
4．扩展不确定度
扩展不确 定度是表示测量结果范围的量，规定了测量结果取值区间的半宽度，它给出的区间能包含被测量可能值的大部分，用符号U表示。扩展不确定度是由合成标准不确定度乘以一个包含因子k得到的，k取值在2至3之间，根据不同来源确定其值。
三、测量不确定度的应用
在指标测试中测量不确定度方法，使其对测试结果的表征更加可靠全面，有助于判断测试结果的可靠性，判断测试数据的可信程度或设备的实际精度情况，对存疑的测量数据可进行重新测试。
例如，我们要测试两台设备的测量精度，用这两台设备去测量同一个信号强度为50个单位的标准信号，为防止单次测试数据不准确，两台设备分别连续测量10次，如表1和表2两组数据，应用多次测量求平均值方法计算测量值。通过计算可知这两组数据的平均值均为50，与实际测量的约定真值相同，但从图表对比我们能够发现B组数据相对于50这个真值明显比A组的测量数据要离散，虽然两组数据的算术平均值是一样的，但B组数据明显是不可采信的，测得这组数据的设备精度肯定是不达标。而A组相对集中，指标偏差不大，设备精度合格。
因此可以看出，即使增加测试次数，也不一定能够通过常规的数据处理方法了解设备的实际精度情况，但如果我们应用测量不确定度的评定方法，就能够将这两组数据区别开来。
应用不确定度A类评定的计算方法，对上述两组数据分别进行计算得到如下结果：
A组数据的不确定度为uA=0.0615
B组数据的不确定度为uA’=3.8291
从计算结果可以看出，B组数据的计算结果远大于A组数据，由不确定度理论可知数值越大表示测量结果的分散程度越大，因此B组数据是存疑的，相关设备需要重新测试。而A组数据其测试结果是相对可信的。.
四、测量不确定度评定过程的改进
1．实际应用中存在的问题
在实际的设备指标测量工作中，难以实现无干扰的理想环境，会有各种各样的外界因素对测试结果造成影响。如电子设备内部多配有散热风扇，当环境温度高，风扇满负荷运转时会引起较大的震动，同时设备电源的负荷增大，也可能会影响测试结果；由于供电水平的限制，电网中电压的峰值和频率可能不稳定，会出现突然的冲击和变化，也可能影响测试结果；监测接收机的测试，实际是对信号源电信号特性的测试，环境中突然电磁场的干扰也可能影响测试结果。上述这些影响通常是突发的和瞬间的。
通过大量的实验发现，在一组测试数据中，可能存在个别的数据异常，这个值和其他测量值存在明显的差异，称其为可疑数据。这个值是系统测试的正常值，或是随机误差，根据其对称性，适当增加测试次数，以后的测量中很可能出现与这个值绝对值相近，但是符号不同的测量数据，这样这两个数据在计算算数平均值时对测量结果的影响会彼此抵消。
但如果是因为外界突发干扰对测量数据造成了影响，这个测量值就不会被抵消。这种情况下，在对测量结果进行测量不确定度的计算时，如果不首先分析这些异常数据的性质，将干扰引入的异常值计入观测列进行统计，必然表现为测量重复性偏低，造成不确定度评定的数值偏大，甚至不合格。但如果这个可疑值不是由干扰引入，而是正常测量产生的数据，计算过程中不恰当的将其剔除，又必然会造成测量重复性好的假象，不能准确反映测量结果的质量。
因此，在进行测量数据的不确定度评定时，首先正确处理这种差异较大的数据，对实际的工程测量具有重要意义。
2．统计判断异常数据的方法
对异常值的判断，本文拟在测量不确定度的评定过程中，结合统计方法对测试结果数据进行处理，对可疑数据进行判断，确定是否需要剔除。
统计方法的基本思想为，给定一个显着性水平，按一定分布确定一个临界值，凡超过这个界限的误差，就认为它不属于随机误差，而是粗差，该数据应予以剔除。测量结果中含有系统误差和随机误差是不可避免的，只要误差的大小不超过测量精度规定的允许值范围，测量结果就可以接受。但是包含有粗大误差的数据肯定处在精度允许范围之外，造成测量数据散布范围过大，含有粗大误差的测量会严重影响测量的准确性。
