PROBABILISTIC UNCERTAINTY ESTIMATOR

The present invention computes the uncertainty in the calibration factor or efficiency of a radiation sensor for that portion of the uncertainty arising from imprecise knowledge of the exact measurement conditions. This is accomplished in one aspect of the invention, by accurately defining a mathematical model of the sensor, the sample, and other items affecting the efficiency; then defining the default or expected or normal dimensions or values of each of the parameters in the mathematical model; then defining which of the values or parameters in the mathematical model are variables; for each variable parameter defining the range of variation and the shape of the distribution of those variable parameters; randomly selecting a value for each of the variable parameters in the model, using distribution shape and limits to create a mathematical model of one possible variation of source-detector measurement configuration; using this mathematical model and dimensions to compute the efficiency of the defined source-detector measurement configuration; repeating this random selection process a large number of times; and then computing the mean and standard deviation describing the uncertainty in that efficiency. In a further aspect of the invention, all of the preceding is done while using the mathematical model to compute the efficiency for each of a several energies, in order to evaluate the efficiency versus energy response of the measurement apparatus, and the uncertainty versus energy response of the apparatus. La présente invention calcule l'incertitude du facteur de calibrage ou l'efficacité d'un capteur de radiation pour la partie de l'incertitude liée à une connaissance imprécise des conditions exactes de mesure. Ce calcul est réalisé dans un aspect de l'invention, en définissant avec précision un modèle mathématique du capteur, de l'échantillon et d'autres éléments affectant l'efficacité ; puis en définissant la défaillance ou les dimensions escomptées ou normales ou les valeurs de chacun des paramètres du modèle mathématique ; et en définissant les valeurs ou paramètres du modèle mathématique qui sont des variables ; en définissant pour chaque paramètre variable la plage de variation et la forme de distribution de ces paramètres variables ; en sélectionnant de façon aléatoire une valeur pour chacun des paramètres variables dans le modèle, en utilisant une forme de distribution et des limites pour créer un modèle mathématique d'une variation possible de