1

由输入量的标准不确定度，通过不确定度传播率得到输出量的测量不确定度

基于贝叶斯定理或最大熵原则，由输入量的概率分布，通过模型传播分布，得到输出量的概率分布，从而得到输出量的测量不确定度

2

输入量的信息：输入量的标准不确定度、自由度和协方差

输入量的信息：输入量的概率密度函数

3

对各输入量进行A类或B类评定得到输入量的标准不确定度，计算灵敏系数，得到输出量的标准不确定度分量

根据输入量的有关信息设定每个输入量的PDF，对输入量的PDF进行离散抽样 ，得到一系列离散抽样值

4

通过不确定度传播律，计算输出量的合成标准不确定度，从而得到扩展不确定度和包含区间。输入量相关时还要考虑协方差。由合成标准不确定度uc(y)乘包含因子k得到扩展不确定度U，获得包含区间y±U

通过测量模型，计算得到输出量的PDF离散值，由此获得输出量的最佳估计值、标准不确定度和包含区间。不需要进行不确定度的A类评定和B类评定，不需要计算灵敏系数，也不计算合成标准不确定度及扩展不确定度

5

主要适用于各输出量Y为正态分布或缩放平移t分布，被测量的最佳估计值在分布的中心

输出量可以不是对称分布，被测量的最佳估计值可以不在分布的中心，在这样的概率分布中，具有相同包含概率的包含区间可能不只一个，所以要求确定最短包含区间

6

用于非线性模型时，可能要按泰勒级数展开，并考虑所有影响的高阶项后得到近似的线性模型；有时还要计算输入量间的协方差和合成标准不确定度的有效自由度，许多情况下这些是有难度的

既可用于线性模型，也可用于复杂的或非线性模型，无需使用一阶或高阶偏导数来提供不确定度传播律中的灵敏系数，无需计算协方差，不计算合成标准不确定度，不需要给出有效自由度，可减少分析难度

7

给出的测量结果为：

Y的最佳估计值及其合成标准不确定度uc或扩展不确定度U；Y的包含区间：

给出的测量结果为：

Y的估计值y及y的标准不确定度u(y)；包含概率p时的Y的包含区间

8

计算量小，一般可不用计算机软件进行计算

计算量大，通常试验次数M在106左右，必须使用计算机软件