O foco da Escola Avançada será a evolução recente do pensamento com respeito à incerteza de medição, especialmente em termos de situar o tema em uma base probabilística mais firme, removendo assim algumas das inconsistências percebidas. A Escola Avançada discutirá os princípios da avaliação de incerteza e suas aplicações a várias áreas, tais como calibração, avaliação de dados de comparações, ajuste de modelos por mínimos quadrados, e conformidade. Os palestrantes se esforçarão por propiciar um equilíbrio entre princípios e aplicações, e entre uma abordagem simples e uma avançada.
A Escola Avançada considerará os conceitos da teoria de probabilidade Bayesiana, já que os mesmos fornecem um método unívoco e consistente para raciocínio quantitativo com base em informação incompleta. No caso de avaliação dos dados de medição, estes conceitos permitem o tratamento rigoroso de modelos de medição não lineares que, por motivos especiais, não possam ser validamente linearizados. Em particular, os métodos de avaliação do GUM são aplicáveis somente a modelos lineares ou linearizados e podem fornecer resultados insatisfatórios em alguns casos.
A concentração será em:
(a) um modelo de medição relacionando as
grandezas de entrada (sobre as quais alguma informação é
conhecida) a uma ou mais grandezas de saída (sobre as quais alguma
informação é exigida),
(b) a caracterização do conhecimento de uma
grandeza em termos de uma distribuição de probabilidade,
(c) a melhor estimativa de uma grandeza, e a incerteza
padrão associada, e um intervalo de abrangência para a grandeza
caracterizado por uma distribuição de probabilidade,
(d) o uso de informação nova para atualizar
uma distribuição de probabilidade anterior – teorema
de Bayes,
(e) a atribuição de uma distribuição
de probabilidade a uma grandeza usando o Princípio de Entropia Máxima,
e
(f) a determinação da distribuição
para uma grandeza de saída (ou a distribuição conjunta
para várias grandezas de saída) usando a propagação
de distribuições.
Em adição, consideração será dada à estrutura de avaliação de incerteza do GUM (especialmente a lei de propagação de incerteza) e sua extensão para modelos implícitos, modelos de várias varíáveis, e modelos complexos (com variáveis complexas). Aspectos do primeiro Suplemento ao GUM serão também incluídos, especialmente os relacionados com (i) a propagação de distribuições, (ii) a atribuição de distribuições de entrada usando entropia máxima, (iii) o processo de cálculo usando Monte Carlo, e (iv) a determinação de resumos da distribuição da grandeza de saída. A comparação entre os métodos usados pelo GUM e este Suplemento será também abordada.
A Escola Avançada será realizada em inglês sem tradução simultânea