Přehled
Zadejte analytickou funkci y = f(x) a střední hodnoty a směrodatné nejistoty vstupních proměnných, abyste viděli, jak se buduje kovarianční matice a jak se jednotlivé příspěvky skládají do uy. Šablony pokrývají součty, rozdíly, součiny, podíly a mocniny, zatímco obecný režim přijímá bezpečné výrazy s konstantami a trigonometrickými, hyperbolickými a logaritmickými funkcemi.
Vzorec se zobrazuje v živém náhledu v „učebnicovém“ stylu s automaticky zvýrazněnými proměnnými, které jsou definované v tabulce. Sloupcový graf příspěvků ukazuje, která proměnná dominuje nejistotě, a doporučené ověření Monte Carlo pomáhá potvrdit linearizovaný výsledek.
Tipy pro klávesnici: Ctrl/⌘+S exportuje CSV, Ctrl/⌘+L kopíruje sdílený URL.
Jak používat (3 kroky)
- Zadejte vzorec y = f(...) a přidejte každou proměnnou se střední hodnotou a standardní nejistotou.
- Podle potřeby nastavte korelace a zvolte ověření Monte Carlo.
- Zkontrolujte kombinovanou nejistotu, rozšířenou nejistotu a příspěvky.
FAQ
- Jak metoda gradient×kovariance kombinuje nejistoty?
- Gradient počítáme pětibodovým centrálním schématem v nominálních hodnotách, z daných směrodatných odchylek a korelací vytvoříme kovarianční matici a spočítáme gTCg. Druhá odmocnina této hodnoty je kombinovaná směrodatná nejistota uy.
- Co ověřuje metoda Monte Carlo?
- Simulace generuje korelované normální vzorky s pevným seedem pomocí Choleského rozkladu a ověřuje, zda simulovaný průměr a směrodatná odchylka souhlasí s linearizovaným odhadem v daných tolerancích.