Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
MODULO 3
Estimación de la
Incertidumbre de medición
1
MetroCalidad © 2008
OBSERVACION
2
Metro Calidad © 2008
ALCANCE
Este módulo establece un resumen básico de las reglas generales para evaluar y expresar la
incertidumbre de una medida según está consignada en la guía. “ Guía para la expresión de
la Incertidumbre de una medición”, su aplicación dependerá del grado de exactitud
requerido, del nivel de profundidad y del nivel de sofisticación de los cálculos que sean
necesarios para el análisis.
El contenido de este módulo debe ser visto como una guía para la redacción de
procedimientos técnicos específicos para cada necesidad y no debe subestimarse la opinión
crítica por parte de los expertos para cada procedimiento a desarrollar.
3
Metro Calidad © 2008
INTRODUCCIÓN
Sin tal indicación los resultados de las medidas no pueden ser comparados contra datos del
mismo tipo o valores de referencia dados en una especificación o por un patrón.
Hoy día se reconoce ampliamente que cuando se han aplicado todas las correcciones por
todos los errores conocidos o sospechados aun nos queda una duda o incertidumbre sobre
el resultado presentado, ó sea una duda acerca de que tan bien el resultado de la medida
representa el valor de la cantidad que esta siendo medida.
4
Metro Calidad © 2008
Permanentemente usted usa números para tomar decisiones que afectan los procesos bajo
su responsabilidad. El resultado de una medición se expresa por medio de números. En este
modulo vamos a aprender algunos métodos para establecer la información contenida en esos
números. Además aplica, quiéralo o no, conceptos estadísticos. El asunto no es si usted usa
y debe aprender estadística o no, sino que en todos los procesos y mediciones usted debe:
Presentar datos
Tomar datos
Analizar
5
Metro Calidad © 2008
Cifras significativas : Ejercicio
0,002 4 cm
0,05 s
1,000 56 g
7 865,007 Hz
6
Metro Calidad © 2008
Aproximaciones y Reglas de redondeo
1.Redondear 4,123564:
7
Metro Calidad © 2008
Cifras significativas : Ejercicio
2. Suponga que usted emplea una cinta métrica con división de escala de 1 mm y que
informa que la longitud medida de un objeto es de 25,0 cm. . Otra persona utilizando el
mismo equipo reporta un resultado de 25,05 cm. Compare la información proporcionada
por las dos personas. Qué tiene que ver esto con cifras significativas?
4. Se mide la distancia entre dos ciudades resultando 247,5 km , con lo cual se tiene 4
cifras significativas. Otra persona la expresa en metros como 247 500 m , con lo
cual tiene ahora 6 cifras significativas y por tanto mayor información con un simple
cambio de unidad. Comente esta situación.
8
Metro Calidad © 2008
Cifras significativas : Ejercicio
283,06 cm 0,000 2 s
1,285 kg 0,080 60 s
1,000 3 kg
9
Metro Calidad © 2008
Aproximaciones y Reglas de redondeo
2. Redondear:
Regla: Si los dígitos a ser descartados comienzan con 5 y todos los otros
dígitos que lo siguen son cero (aunque sean teóricos), el dígito precedente no
cambia si es par y se incrementa en uno si es impar.
Por ejemplo: 6,974 951 5 redondeado a 7 dígitos es: 6,974 952
10
Metro Calidad © 2008
4. Realizar las siguientes operaciones y redondear los
resultados a la cantidad correcta de cifras significativas:
23,6 m + 2,5 m
176,43 cm – 26,2 cm
238,79 ml – 2,482 ml
a) 3 cifras significativas
0,080 80 4927,4
b) 2 cifras significativas
1, 4824 1,218 3
22,450 0,0787 5
12
Metro Calidad © 2008
Regla del Cinco Fantasma
13
Metro Calidad © 2008
Para aplicar la regla del cinco fantasma las siguientes condiciones se deben conocer:
14
Metro Calidad © 2008
Ejemplo: Suponga que se va a reportar un volumen promedio
de 250,021 ml con incertidumbre de medicion de 0,003 4 ml
(tener cuidado con las unidades y tomar en cuenta que la
incertidumbre se reporta con dos cifras significativas).
Como saber si podemos reportar hasta la cuarta posicion
decimal del resultado?.
Para decidir esto, colocamos en la cuarta posicion decimal un
cinco (5) en el resto de posiciones las volvemos cero (0) asi:
0,0005 ml.
Esto lo dividimos entre la incertidumbre obtenida y
multiplicamos por 100 asi:
15
Metro Calidad © 2008
Cómo saber si es posible reportar hasta la 4 posición decimal del resultado?
V = 250,0213 ml
0.0034ml
16
Metro Calidad © 2008
Si la incertidumbre fuese 0,0017 el análisis anterior queda:
100 29,41%
0,0005
0,0017
V = 250,021 3 ml ± 0,0017 ml
17
Metro Calidad © 2008
Conceptos Estadísticos
Población y Muestra
La distribución Normal
800
600
Counts
El comportamiento de los
promedios de mediciones
400
200
0
El efecto del tamaño de la
muestra.
40 60 80 100 120 140 160
Bins
18
Metro Calidad © 2008
POBLACION Y MUESTRA
19
Metro Calidad © 2008
La población es el conjunto de todos los
posibles números de interés.
Población Muestra
20
Metro Calidad © 2008
Cuando se realiza inspección por muestreo se determina un lote, se
seleccionan algunos ítems, se realizan mediciones y después decidimos
aceptar o no el lote. Si su preocupación es la calidad del lote ¿cuál es la
población y cuál es la muestra?
Población:
Muestra:
21
Metro Calidad © 2008
Consideremos el control de un proceso de manufactura utilizando una
gráfica de control de promedios y rangos.
27
Metro Calidad © 2008
•¿Qué ocurre si una muestra no es representativa de la población deseada?
•¿Qué ocurre con los resultados de una medición perfecta de pH realizada sobre
una muestra que no es representativa?
Los datos se obtienen a partir de muestras, con ellos llegamos a inferir acerca de
la población y en consecuencia tomamos decisiones. Pero el valor de una
característica medida varía de una muestra a otra y esto afecta la decisión
que se tome. Por esto es muy importante tener en cuenta los siguientes
aspectos:
28
Metro Calidad © 2008
Histogramas:
Histogramplot with Normal Distribution Overlay
1000
800
400
distribución de frecuencias de
200
un conjunto de datos
0
Los pasos para construir un
histograma son los siguientes:
40 60 80 100 120 140 160
Bins
29
Metro Calidad © 2008
1. Defina la población de interés.
2. Reúna las observaciones o mediciones que son representativas
de la población de interés y cuente el número n de datos.
3. Determine el rango R del conjunto completo de datos, restando
los valores máximo y mínimo del conjunto de datos.
4. Divida el conjunto de datos en el número de clases K, que se
indica a continuación (Aprox. Raíz cuadrada del número de
datos)
Número de datos Número de clases
Menos de 50 5a7
50 a 100 6 a 10
100 a 250 7 a 12
Más de 250 10 a 20
30
Metro Calidad © 2008
5. Determine la anchura de clase H dividiendo el rango R por el número de
clases K. La anchura de clases siempre debe tener tantos decimales como los
datos.
Cada clase incluye los datos que son iguales y mayores que su límite inferior
pero no incluye su valor superior, que pertenece a la clase superior siguiente.
Por ejemplo, una clase cuyas fronteras son 2,00 y 2,50 incluye a 2,49 pero no
a 2,50 .
31
Metro Calidad © 2008
7. Construya una tabla de frecuencias con base en los valores
determinados antes.
32
Metro Calidad © 2008
A continuación se presenta los datos sobre el octanaje de varias mezclas
de gasolina:
88,5 87,7 83,4 86,7 87,5 91,5 88,6 100,3 96,5 93,3
94,7 91,1 91,0 94,2 87,8 89,9 88,3 87,6 84,3 86,7
84,3 86,7 88,2 90,8 88,3 98,8 94,2 92,7 93,2 91,0
90,1 93,4 88,5 90,1 89,2 88,3 85,3 87,9 88,6 90,9
89,0 96,1 93,3 91,8 92,3 90,4 90,1 93,0 88,7 89,9
89,8 89,6 87,4 88,4 88,9 91,2 89,3 94,4 92,7 91,8
91,6 90,4 91,1 92,6 89,8 90,6 91,1 90,4 89,3 89,7
90,3 91,6 90,5 93,7 92,7 92,2 92,2 91,2 91,0 92,2
90,0 90,7
33
Metro Calidad © 2008
Construya una tabla de distribución de frecuencias y un
histograma, utilizando 4 clases.
34
Metro Calidad © 2008
Histogramas: Ejercicios
Micrómetro A Micrómetro B
0.06 0.05 0.03 0.07 0.06 0.06 0.06 0.05 0.07 0.06
0.05 0.04 0.05 0.05 0.04 0.05 0.05 0.05 0.06 0.07
0.05 0.06 0.04 0.06 0.06 0.07 0.06 0.07 0.06 0.06
0.05 0.06 0.04 0.05 0.05 0.06 0.06 0.06 0.05 0.05
0.06 0.05 0.06 0.03 0.07 0.06 0.06 0.06 0.05 0.07
35
Metro Calidad © 2008
Valor del Bloque: 0,06
Instrumento A B
Promedio
Desv. Stánd.
Error
36
Metro Calidad © 2008
Histogramas: Ejercicios
3. Se usaron dos (2) balanzas para pesar la misma muestra de carne para un restaurante
de comidas rápidas y los resultados se muestran a continuación. Se sabe que cada
muestra tiene masa de 114 gramos. ¿Cuál balanza es más exacta? ¿Cuál es más precisa?
¿Cuál balanza es mejor?
Balanza A Balanza B
113 112 115 115 113 118 116 116 115 116
114 115 114 116 114 114 115 115 116 116
115 116 112 114 115 115 116 117 116 115
114 112 113 113 114 117 117 116 117 118
113 114 115 114 114 114 114 116 116 117
37
Metro Calidad © 2008
Peso de la carne: 114 g .
Balanza: A B
Desviación St.
Promedio
Error
38
Metro Calidad © 2008
PARÁMETROS VERSUS ESTADÍSTICAS
Muestra 1
Población Muestra 2
Muestra 3
PARAMETROS ESTADISTICAS
Media de la población mu: Media de la muestra: X
Desviación estándar de la población: Desviación estándar de la muestra: s.
sigma Se pueden calcular para cada muestra
Generalmente desconocidos. Varían de una muestra a otra.
Son constantes para poblaciones estables Símbolos alfabeto español.
Símbolos alfabeto griego
39
Metro Calidad © 2008
Ejercicios
40
Metro Calidad © 2008
2. Se toman las mediciones del diámetro interno de los anillos para los pistones
de los motores de unos automóviles. Los datos, en mm son:
41
Metro Calidad © 2008
3. Una revista que describe los 12 mejores campos de golf de un país,
presenta los siguientes datos (en metros [m]) de la longitud de cada uno:
6632 , 6424 , 6327 , 6271 , 6803 , 6425 , 6276 , 6803 , 6346 , 6157 ,
6372 , 6235 .
42
Metro Calidad © 2008
4. Los datos de acomodamiento visual (una función del movimiento del ojo)
cuando se reconoce un patrón de manchas sobre un monitor de alta
resolución publicados en una revista de oftalmología son:
CUIDADO: Una estadística de una muestra no se debe interpretar como si fuera un parámetro de
la población.
43
Metro Calidad © 2008
Medidas de Dispersión
Xi
N
1 2
N i 1
La Varianza es el cuadrado de la
desviación típica:
V s 2(Xi )
44
Metro Calidad © 2008
Medidas de Tendencia Central
La Media: Se calcula sumando todos los datos y dividiendo el total por el número de ellos.
Una población tiene solamente una media pero diferentes X (una para cada
muestra).
La Mediana: El valor que separa los datos en dos mitades iguales. Para
encontrar la mediana ordene los datos en orden creciente o decreciente y encuentre el
valor en el medio. Si el tamaño de la muestra es par, la mediana es el promedio de los
dos valores en la mitad.
45
Metro Calidad © 2008
Medidas de Dispersión
46
Metro Calidad © 2008
Ejercicio
47
Metro Calidad © 2008
La distribución normal
Frecuencia
50 Frecuencia
45
40
40
35
35
30
30
25
25
20
20
15
15
10
10
5 5
90 95 100 105 110 115 120 125 Más 17 18 190 200 210 220 230 240 Más
0 0Colesterol en mg/dl
Viscosidad en Segundos
48
Metro Calidad © 2008
Los dos histogramas anteriores exhiben características compartidas por
otros tipos de análisis de laboratorio:
49
Metro Calidad © 2008
Frecuencia
La Figura 5 es un histograma construido a partir de 1000
100 mediciones de viscosidad en una muestra única, Este
histograma corresponde a una media = 100 y S = 5
unidades de viscosidad. La forma de este
80 histograma sustenta el término “campana” que se
usa para implicar que los datos están distribuidos
normalmente.
60
40
20
0
85 89 93 97 101 105 109 113 117 Más
Viscosidad en Segundos
50
Metro Calidad © 2008
Ejercicio
(x ) 2
f ( x) exp
1
2 2
2 2
51
Metro Calidad © 2008
La distribución normal
52
Metro Calidad © 2008
+ 3 Figura 6. Gráfica de la Distribución Normal
99,7% Indicando los intervalos de probabilidad:
+ 1, + 2 y + 3
+ 2
Si una prueba o medida se realiza
95,4%
sobre un material desconocido, hay
probabilidad de 0.95 de que el
+ resultado estará dentro de 2 del
68,3%
valor medio y una probabilidad de
0,997 de que el resultado estará
dentro de 3 del valor medio. El
intervalo 2 se denomina el
intervalo de precisión del 95% y el
intervalo de 3 se denomina el
intervalo de precisión del 99.7%
- 3 - + + 3
- 2 + 2
53
Metro Calidad © 2008
El anexo 1 contiene una tabla con valores de área bajo la curva
normal tipificada para múltiples valores de Y. Dicha tabla nos da
la probabilidad acumulada, es decir, la que va desde el inicio de
la curva por la izquierda hasta un valor determinado de Y. Es de
útil aplicación para resolver los siguientes problemas:
54
Metro Calidad © 2008
En la práctica con frecuencia es necesario considerar intervalos de
probabilidad que contienen número fraccionario de desviaciones típicas,
comprendidos entre: 1 y 2, 2 y 3 o cualquier otro valor ubicado en el
espacio continuo: (menos infinito – - mas infinito). Para obtener las áreas
bajo la curva gaussiana que suministran información acerca de estos otros
intervalos, se puede utilizar una distribución “normal tipificada” cuya
característica consiste en tener una media igual a cero y varianza distribuida
simétricamente alrededor de ese valor.
Es posible transformar una distribución normal en una normal tipificada.
Para ello se crea una nueva variable (Y) que será igual a la anterior (X)
menos su media y dividida por su desviación típica ( o sea la raíz cuadrada
de la varianza)
X
y
55
Metro Calidad © 2008
En la normal tipificada, (Y) toma todos los valores entre –3s y 3s pasando por
su valor central cero.
Y
I I I I I I I
-3.00 -2.00 -1.00 0.00 1.00 2.00 3.00
56
Metro Calidad © 2008
0,10
0,09
0,08
X
Y 0,06
0,07
0,05
0,04
0,03
0,02
0,01
0,00
37,6I 37,8 I 38,0 I 38,2 I 38,4 I
38,6 38,8 I 39,0 I
-3,00 -2,00 -1,00 0,00 1,00 2,00 3,00
Y 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7090 0,7224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7813 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,0 0,8416 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2,0 0,97725 0,97778 0,97831 0,97882 0,97932 0,97982 0,98030 0,98077 0,98124 0,98169
2,1 0,98214 0,98257 0,98300 0,98341 0,98382 0,98422 0,98461 0,98500 0,98537 0,98574
2,2 0,98610 0,98645 0,98679 0,98713 0,98745 0,98778 0,98809 0,98840 0,99870 0,98899
2,3 0,98928 0,98956 0,98983 0,99010 0,99036 0,99061 0,99086 0,99111 0,99134 0,99158
2,4 0,99180 0,99202 0,99224 0,99245 0,99266 0,99286 0,99305 0,99324 0,99343 0,98361
2,5 0,99379 0,99396 0,99413 0,99430 0,99446 0,99461 0,99477 0,99492 0,99506 0,99520
2,6
57
0,99534 0,99547 0,99560 0,99573 0,99585 0,99598 0,99609 0,99621 0,99632 0,99643
0,09
X
0,08
Y 0,07
0,06
0,05
0,04
0,03
0,02
0,01
0,00
37,6I 37,8 I 38,0 I 38,2 I 38,4 I
38,6 38,8 I 39,0 I
-3,00 -2,00 -1,00 0,00 1,00 2,00 3,00
Y 0,00 -0,01 -0,02 -0,03 -0,04 -0,05 -0,06 -0,07 -0,08 -0,09
0,0 0,5000 0,4960 0,4920 0,4880 0,4840 0,4801 0,4761 0,4721 0,4681 0,4641
-0,1 0,4602 0,4562 0,4522 0,4483 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247
-0,2 0,4207 0,4168 0,4129 0,4090 0,4052 0,4013 0,3974 0,3936 0,3897 0,3859
-0,3 0,3821 0,3783 0,3745 0,3707 0,3669 0,3632 0,3594 0,3557 0,3520 0,3483
-0,4 0,3446 0,3409 0,3372 0,3336 0,3300 0,3264 0,3228 0,3192 0,3156 0,3121
-0,5 0,3085 0,3050 0,3015 0,2981 0,2946 0,2912 0,2877 0,2843 0,2910 0,2776
-0,6 0,2743 0,2709 0,2676 0,2643 0,2611 0,2578 0,2546 0,2514 0,2483 0,2451
-0,7 0,2420 0,2389 0,2358 0,2327 0,2296 0,2266 0,2236 0,2206 0,2187 0,2148
-0,8 0,2119 0,2090 0,2061 0,2033 0,2005 0,1977 0,1949 0,1922 0,1894 0,1867
-0,9 0,1841 0,1814 0,1788 0,1762 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611
-1,0 0,1584 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379
-1,1 0,1357 0,1335 0,1314 0,1292 0,1271 0,1251 0,1230 0,1210 0,1190 0,1170
-1,2 0,1151 0,1131 0,1112 0,1093 0,1075 0,1056 0,1038 0,1020 0,1003 0,0985
-1,3 0,0968 0,0951 0,0934 0,0918 0,0901 0,0885 0,0869 0,0853 0,0838 0,0823
-1,4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,0721 0,0708 0,0694 0,0681
-1,5 0,0668 0,0655 0,0643 0,0630 0,0618 0,0606 0,0594 0,0582 0,0571 0,0559
-1,6 0,0548 0,0537 0,0526 0,0516 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455
-1,7 0,0446 0,0436 0,0427 0,0418 0,0409 0,0401 0,0392 0,0384 0,0375 0,0367
-1,8 0,0359 0,0351 0,0344 0,0336 0,0329 0,0322 0,0314 0,0307 0,0301 0,0294
-1,9 0,0287 0,0281 0,0274 0,0268 0,0262 0,0256 0,0250 0,0244 0,0239 0,0233
-2,0 0,02275 0,02222 0,02169 0,02118 0,02068 0,02018 0,01970 0,01923 0,01876 0,01831
-2,1 0,01786 0,01743 0,01700 0,01659 0,01618 0,01578 0,01539 0,01500 0,01463 0,01426
-2,2 0,01390 0,01355 0,01321 0,01287 0,01255 0,01222 0,01191 0,01160 0,00130 0,01101
-2,3 0,01072 0,01044 0,01017 0,00990 0,00964 0,00939 0,00914 0,00889 0,00866 0,00842
-2,4 0,00820 0,00798 0,00776 0,00755 0,00734 0,00714 0,00695 0,00676 0,00657 0,01639
-2,5 0,00621 0,00604 0,00587 0,00570 0,00554 0,00539 0,00523 0,00508 0,00494 0,00480
-2,6
58
0,00466 0,00453 0,00440 0,00427 0,00415 0,00402 0,00391 0,00379 0,00368 0,00357
Metro Calidad © 2008 -2,7 0,00347 0,00336 0,00326 0,00317 0,00307 0,00298 0,00289 0,00280 0,00272 0,00264
-2,8 0,00256 0,00248 0,00240 0,00233 0,00226 0,00219 0,00212 0,00205 0,00199 0,00193
-2,9 0,00187 0,00181 0,00175 0,00169 0,00164 0,00159 0,00154 0,00149 0,00144 0,00139
2. El ingreso medio de los habitantes de un país es de 4 millones de
pesos/mes, con una varianza de 1,5. Suponiendo distribución
normal en los ingresos totales calcular los ingresos mínimo y máximo
que engloban al 60% de la población con renta media.
59
Metro Calidad © 2008
4. La vida media de los habitantes de un país es de 68 años, con una
varianza de 25. Se hace un estudio en una pequeña ciudad de
10.000 habitantes. Cuantas personas superarán previsiblemente los
75 años?
60
Metro Calidad © 2008
6. El consumo medio anual de cerveza de los habitantes de un país es
de 59 litros, con una varianza de 36. Se supone que se distribuye
según una distribución normal.
61
Metro Calidad © 2008
7. Se ha encontrado que los envases de cerveza de la marca X tienen
una desviación típica de 5 ml .Si 5% de los envases contienen
menos de 622 ml , cuál es volumen de llenado promedio de los
envases?
62
Metro Calidad © 2008
El Comportamiento de los Promedios de Mediciones
63
Metro Calidad © 2008
Ejercicios
Formar grupos de 2 o 3
personas y medir los
perímetros y los diámetros
de los círculos de madera.
Para esto Usted utilizará una
cinta métrica para medir el
perímetro y un pie de rey
para medir el diámetro, estos
datos se consignan en la
tabla de la derecha.
64
Metro Calidad © 2008
A.-Con los datos de los perímetros construya
conjuntos de seis muestras de tamaño 1.
Seguidamente construya seis muestras de tamaño
5, seis de tamaño diez y finalmente, seis muestras
de tamaño quince.
Calcule para cada muestra, el promedio y la
desviación típica.
En las columnas de la derecha ubique el promedio
de los promedios y la desviación típica de los
mismos.
65
Metro Calidad © 2008
B. Construya una gráfica de frecuencias para los valores del perímetro promedio
para cada muestra de tamaño n=1. En la misma gráfica dibuje la línea vertical
que corresponde al promedio de los perímetros promedio (
X ) de las 6
muestras. Promedio de los promedios,
66
Metro Calidad © 2008
FRECUENCIAS DE LOS PROMEDIOS
3,5
Espacio Para el Punto B: Grafica de Frecuencias
3,0
2,5
FRECUENCIA
2,0
1,5
1,0
0,5
0,0
31, 200 31,205 31, 210 31,215 31, 220 31,225 31,230 31,235 31,240 31, 245 31,250 31, 255 31,260 31, 265 31,270 31,275 31,280 31,285 31, 290 31,295 31, 300
PROMEDIOS
1 5 10 15 67
Metro Calidad © 2008
El Comportamiento de los Promedios de Mediciones
( Xi )
(X ) = desviación típica de la población / n
n
Esta expresión nos dice que la distribución de los promedios es más angosta, tiene mejor
precisión, que la distribución de los datos de la muestra. Por esta razón, se recomienda
informar los promedios con una cifra significativa más que los datos individuales.
68
Metro Calidad © 2008
¿ como utilizar estos resultados en situaciones prácticas en las
cuales no conocemos , (la desviación típica de la población) ?
S X i
SX
n
69
Metro Calidad © 2008
50 Distribución para Medidas
40 Distribución para
45 individuales, n=1
promedios de n=4 mediciones
40 35
30
Frecuencia
35
Frecuencia
30 25
25 20
20 15
15 10
10
5
5
20 30 40 50 60 70 80 90 Más
20 30 40 50 60 70 80 90 Más
70
Metro Calidad © 2008
Esto tiene importantes implicaciones para el laboratorio:
n
La distribución de todos los X potenciales seguirá una distribución normal.
Hay una probabilidad del 68% de que la media de la población esté incluída
en el intervalo X s(X) y una probabilidad del 95% de que esté en el
intervalo X 2s(X)
71
Metro Calidad © 2008
Ejercicio
72
Metro Calidad © 2008
Sin embargo, en ocasiones puede ser necesario contentarnos con muestras
pequeñas, debemos ser muy conscientes entonces de la pérdida resultante en
precisión. Cuanto más pequeño sea n, más ancho será el intervalo que tiene la
probabilidad del 68% de contener el valor de la población. Además, para
muestras pequeñas debemos tener confianza decreciente en el uso de la
desviación típica de la muestra s como estimación de la desviación típica de la
población.
73
Metro Calidad © 2008
Cómo varía con el tamaño de la muestra la estimación de la desviación típica
de la población por medio de la desviación típica de la muestra: aumenta,
disminuye, no cambia?
El valor de la desviación típica de las desviaciónes típicas, para una población
gaussiana es:
población
s
2( n 1)
Esta expresión nos dice que la amplitud de la distribución de desviaciones
típicas de la muestra está relacionada consu valor central población por el factor
población
numérico: 1/ 2(n - 1)
Para sus muestras de tamaño 10, cuánto vale la amplitud del intervalo con respecto del
valor de población que tiene una probabilidad del 68% de contener la desviación típica
de la muestra? Y la amplitud del intervalo para una probabilidad del 95%? Representa
esto una alta precisión en la estimación de población ?
74
Metro Calidad © 2008
EL EFECTO DEL TAMAÑO DE LA MUESTRA:
Cuántas mediciones debo realizar para tener buena exactitud y
precisión?
Hemos visto que en cualquier proceso de muestreo, cuanto más grande sea la
muestra, tanto más precisa serán nuestras afirmaciones finales. Aunque la
precisión de un valor medio muestral aumenta solo en proporción directa a la
raíz cuadrada del número de observaciones de la muestra, de todos modos se
incrementa, y las muestras más grandes tienen medias más precisas.
75
Metro Calidad © 2008
Para valores de n menores que 10, es evidente que el intervalo para niveles de
confianza de 68% o de 95%, se vuelve tan grandes en comparación con el
valor central que casi no tiene sentido intentar una estimación de y de . Por
tanto, generalmente no vale la pena intentar alguna clase de análisis
estadístico con muestras que tengan menos de 10 observaciones. Así, al
presentar resultados de análisis estadístico, es esencial indicar el tamaño de la
muestra. Si queremos que nuestros valores para la media y la desviación
estándar de la media sean interpretados según las reglas del 68% y el 95%,
debemos proporcionar la oportunidad de juzgar la exactitud de nuestras
estimaciones.
76
Metro Calidad © 2008
Por tanto, los cálculos estadísticos
con muestras pequeñas deben
intentarse solo cuando no se tiene
otra alternativa. La tabla siguiente
presenta la exactitud de las
estimaciones de población a partir
de muestras de tamaño variable.
77
Metro Calidad © 2008
Cuantos datos se necesitan para obtener un estimado confiable de ?
Respuesta: Muchos. Usted necesita 50 datos para obtener un estimado que esté dentro
del 20% del verdadero de población y cerca de 100 datos para estar dentro del 15%,
con un nivel de confiabilidad del 95%.
78
Metro Calidad © 2008
Ejercicio
34 35 45 40 46
38 47 36 38 34
33 36 43 43 37
38 32 38 40 33
38 40 48 39 32
36 40 40 36 34
79
Metro Calidad © 2008
e. Qué limites dan una probabilidad del 95 %?
f. Dentro de qué limites la media tiene una probabilidad del
68% de estar incluida? Y del 95%?
g. Dentro de qué limites la desviación típica de la muestra tiene
una probabilidad del 68% de estar incluida? Y del 95%?
h. Tome dos muestras escogidas al azar de 5 observaciones
cada una del conjunto principal de observaciones. Calcule las
medias y las desviaciones estándar de las muestras para ver
cómo se relacionan entre sí y con los valores más precisos
obtenidos del grupo total.
i. Si se requiere que la desviación típica de la media no
sobrepase el 1% del valor de la media, ¿cuántas
observaciones se requiere hacer?
j. Si la desviación típica de la población ha de definirse dentro
del 5%, ¿cuántas observaciones deberán efectuarse?
80
Metro Calidad © 2008
34 35 45 40 46
38 47 36 38 34 4,3
33 36 43 43 37
38 32 38 40 33 38,3
38 40 48 39 32
36 40 40 36 34
n1 S1 n2 S2 n3 S3 n4 S4 n5 S5 n6 S6
34 38 33 38 38 36
35 47 36 32 40 40
45 5,5
36 5,
43 4,
38 3,
48 5,
40 2, X
S X S S S
0 4 5 7 7
40 38 43 40 39 36
81
Metro Calidad © 2008
Calcule la mejor estimación de la desviación estándar de población.
Dentro de que límites hay una probabilidad del 68% de que esté incluida una observación
particular?
Que límites dan una probabilidad del 95%?
Dentro de que límites la media tiene una probabilidad del 68% de estar incluida?. Del 95%
82
Metro Calidad © 2008
Dentro de qué límites le desviación estándar de la muestra tiene una probabilidad
del 68% de estar incluida?. Del 95%?
Tome dos muestras escogidas al azar de 5 observaciones cada una del conjunto principal de
observaciones. Calcule las medias y las desviaciones estándar de las muestras para ver como se
relacionan entre sí y con los valores mas precisos obtenidos del grupo total
83
Metro Calidad © 2008
EVALUANDO LA INCERTIDUMBRE
Ejercicio:
Con la ayuda de un Pie de Rey realice quince mediciones del diámetro de los cilindros
suministrados y quince mediciones de la altura del mismo, consignando los resultados de
sus mediciones en la tabla anexa, y reportando los valores obtenidos, en centímetros
En seguida calcule el volumen del cilindro mediante la siguiente fórmula:
D
2
V H
4
Donde:
D Es el promedio aritmético de las quince mediciones realizadas sobre el diámetro del cilindro
H Es la media aritmética de las quince mediciones realizadas sobre la altura del cilindro.
84
Metro Calidad © 2008
Medición Diámetro (cm) Altura (cm)
1
De acuerdo con las dificultades encontradas
en la medición del diámetro y la altura del
2
cilindro, identifique todas las posibles 3
fuentes de variación 4
5
6
7
8
9
10
11
12
13
14
15
Promedios
85
Metro Calidad © 2008
ALGUNAS FUENTES DE VARIABILIDAD
86
Metro Calidad © 2008
EVALUACION DE LA INCERTIDUMBRE TIPICA
Modelo de la medición
2. Las magnitudes de entrada X1, X2, X3,...XN de las que depende la magnitud de salida Y pueden
ser consideradas a su vez como mensurandos, pudiendo depender de otras magnitudes, junto
con las correcciones y factores de corrección de los efectos sistemáticos llegándose así a una
relación funcional f compleja, que podría ser difícil de escribir en forma explícita. Además la
función f puede determinarse experimentalmente o existir solamente en forma de algoritmo
calculable numéricamente.
En la mayoría de los casos prácticos f se escoge de tal manera que modele al mensurando solo
hasta el nivel de exactitud requerido.
87
Metro Calidad © 2008
3. El conjunto de magnitudes de entrada X1, X2, X3,...Xn puede incluir :
a) Las magnitudes cuyos valores e incertidumbres se determinan directamente durante la medición. Estos
valores e incertidumbre se pueden obtener por ejemplo a partir de una sola observación, o a partir de
observaciones repetidas o por una decisión basada en la experiencia. Pueden implicar la determinación de
correcciones para las lecturas de los instrumentos y correcciones debidas a las magnitudes de influencia,
tales como la temperatura ambiente, la presión atmosférica o la humedad.
4. Una estimación del mensurando Y, representada por y, se obtiene a partir de la ecuación (1) utilizando
las estimaciones de entrada x1, x2, …..xN para los valores de N magnitudes X1, X2, …..XN. Así la
estimación de salida y, que es el resultado de la medición, viene dada por
88
Metro Calidad © 2008
6. Cada estimación de entrada xi así como su incertidumbre asociada u(xi) se
obtienen a partir de una distribución de valores posibles de la magnitud de
entrada Xi. Esta distribución de probabilidad puede basarse en una distribución
de frecuencias; es decir en una serie de observaciones Xi,k de Xi o puede
tratarse de una distribución supuesta a priori. Las evaluaciones de tipo A de
las componentes de la incertidumbre típica se basan en distribuciones de
frecuencia mientras que las evaluaciones de tipo B se basan en distribuciones
supuestas a priori.
P = f(V,R0, , t) =
V2
R0 1 t t 0
89
Metro Calidad © 2008
7. Durante una calibración usualmente se determina el error de un
instrumento o de un patrón en este caso la ecuación matemática se puede
escribir como:
90
Metro Calidad © 2008
Evaluación de tipo A de la incertidumbre típica
q qk
1 n
EC. 3
n k 1
Los valores de las observaciones individuales qk difieren en razón de las variaciones aleatorias
de las magnitudes de influencia o de efectos aleatorios
91
Metro Calidad © 2008
La varianza experimental de las observaciones, que estima la varianza 2 de la distribución de
probabilidad de q, viene dada por:
s qk
1 n
qk q
2
2
n 1 k 1 EC.4
2 q
2
la mejor estimación de varianza de la media está dado por.
n
s 2 qk
s q
2
Ec.5
n
92
Metro Calidad © 2008
s qk
Este valor y la desviación típica experimental de la media s q cuantifican la
n
bondad con que q estima la esperanza matemática q de q, y una u otra pueden ser
utilizadas como medida de la incertidumbre de q
tipo A.
93
Metro Calidad © 2008
s xi
s X i
Entonces:
La incertidumbre típica tipo A es: u(xi) =
n
s 2 x i
Y la varianza tipo A : s x
2
Si existe una correlación entre las variaciones aleatorias de las observaciones de una
magnitud de entrada, por ejemplo en función del tiempo, la media y la desviación
típica experimental de la media pueden ser estimadores impropios de los estadísticos
buscados. En tales casos las observaciones deben analizarse por métodos
estadísticos especialmente concebidos para tratar una serie de mediciones aleatorias
correlacionadas.
94
Metro Calidad © 2008
Evaluación de tipo B de la incertidumbre típica
95
Metro Calidad © 2008
Por conveniencia u2(xi) y u(xi) evaluadas de esta forma se
llaman varianza tipo B e incertidumbre típica tipo B
respectivamente.
96
Metro Calidad © 2008
Si la estimación xi,, se obtiene a partir de una especificación del fabricante, de
un certificado de calibración, de una publicación o de otra fuente, y su
incertidumbre viene dada como un múltiplo específico de una desviación típica,
La incertidumbre típica u(xi) es simplemente igual al cociente entre el valor
indicado y el factor multiplicador, y la varianza estimada u2(xi) es igual a l
cuadrado de dicho cociente.
Ejemplo:
Un certificado de calibración indica que la masa ms de un patrón de masa de acero
inoxidable de valor nominal igual a un kilogramo es de 1 000,000 325 g y que la
incertidumbre de este valor es 240 g para un nivel 3 de confiabilidad (3 desviaciones
típicas).
u(ms) =
97
Metro Calidad © 2008
La incertidumbre de xi no siempre viene expresada como un múltiplo de una
desviación típica, como en el ejercicio anterior. La incertidumbre dada puede
definir un intervalo correspondiente a un nivel de confianza del 90, 95 o 99
por ciento. Salvo indicación en contra, puede suponerse que se ha utilizado
una distribución normal para calcular la incertidumbre, obteniendo la
incertidumbre típica de xi mediante simple división del valor dado de
incertidumbre por el factor apropiado de la distribución normal. Los factores
correspondientes a los tres niveles de confianza son: 1,64 ; 1,96 y 2,58
respectivamente.
Ejemplo:
Un certificado de calibración indica que el valor Rs de una resistencia patrón de valor
nominal 10 ohms es 10,000 742 + 129 m a 23 oC y que la incertidumbre indicada de
129 m define un intervalo con nivel de confianza del 99%
u(Rs) =
98
Metro Calidad © 2008
Considere los siguientes casos y la forma de asignarle su incertidumbre
estándar.
Caso 1
99
Metro Calidad © 2008
Ejemplo:
Un mecánico que determina las dimensiones de una pieza estima que su longitud se
sitúa, con una probabilidad de 0,5, en el intervalo comprendido entre 10,07 mm y
10,15 mm, y expresa la longitud en la forma l = (10,11 + 0,04) mm lo que significa
que ± 0,04mm define un intervalo que posee un nivel de confianza del 50 %. a es
entonces igual a 0,04 mm. Suponiendo una distribución normal para los valores
posibles de l, ; la incertidumbre típica de la longitud es u (l) = 1,48 (0,04 mm) 0,06
mm y la varianza u2(l) = 3,5 x 10 –3 mm2.
Caso 2
100
Metro Calidad © 2008
Caso 3
En otras situaciones únicamente pueden estimarse límites (superior e inferior) para Xi, En
particular para poder decir que “la probabilidad de que el valor de Xi esté situado en el
intervalo comprendido entre a- y a+ a todos los efectos prácticos es igual a 1, e igual a cero
fuera de este intervalo. Si no se posee ningún conocimiento específico sobre los valores
posibles de Xi en el interior del intervalo, puede suponerse que Xi se sitúa de forma
equiprobable en cualquier punto del mismo, (distribución uniforme o rectangular de los
valores posibles). Entonces xi, esperanza matemática de Xi es el centro del intervalo xi =
(a- + a+ )/2 con varianza asociada de:
(a a ) 2
2a 2
a2
u ( xi )
2
Ec. 6
12 12 3
101
Metro Calidad © 2008
a a
a
y en consecuencia: u
3
Ec. 7
½a
a- x a +
a a
x x
3 3
102
Metro Calidad © 2008
Ejemplo:
103
Metro Calidad © 2008
Caso 4
Cuando la información es menos limitada y se puede establecer que la mayoría de los valores
tienen probabilidad máxima de aparecer cerca del centro del intervalo de la distribución, uno
puede asumir una distribución triangular.
La varianza y la desviación estándar de esta distribución se calcula por.
a a
a a
2
u2
1/a
y
6 6
Ec 8
104
Metro Calidad © 2008
En el caso mas general se puede asumir una distribución simétrica trapezoidal con las pendientes de
sus lados iguales (trapezoide isósceles). El ancho de la base a+ - a- = 2a el ancho de la cima 2a,
donde varia entre 0 y 1. Teniendo como casos especiales para =1 la distribución
rectangular y para =0 la distribución triangular
Entonces el valor esperado de Xi es el punto medio del intervalo y xi = (a- + a+)/2 y con varianza asociada
de: u (xi ) a (1 ) 6 Ec. 9
2 2 2
EC. 7 2a
2a
1/a(+1)
a+
a-
105
Metro Calidad © 2008
Cuando un indicador digital presenta oscilación en su último dígito la
incertidumbre estándar asociada debe ser igual a la mitad de la amplitud de la
oscilación multiplicada por la raiz de tres. Así suponiendo una diferencia x entre
las indicaciones su incertidumbre típica se calcula como .
x
2 3
106
Metro Calidad © 2008
Ejercicio
Nota: El certificado del Pie de rey utilizado reporta una incertidumbre de calibración = 14 µm
107
Metro Calidad © 2008
EVALUACION DE LA INCERTIDUMBRE TIPICA COMBINADA
Este apartado trata el caso en que todas las magnitudes de entrada son
independientes.
f 2
uc2 ( y )
N
2
u ( xi ) EC. 10-A
i 1 x i
108
Metro Calidad © 2008
donde f es la función dada en la ecuación 1. Los términos u(xi) corresponden a
las incertidumbres típicas evaluadas mediante los métodos A o B, descritos en la
sección anterior. La incertidumbre típica combinada uc(y), es una desviación
típica estimada y caracteriza la dispersión de los valores que podrían ser
razonablemente atribuidos al mensurando Y.
La ecuación 10-A basada en un desarrollo en serie de Taylor de primer orden de
Y = f(X1, X2, X3,...Xn), expresa lo que se denomina ley de propagación de la
incertidumbre.
En caso de que el carácter no lineal de f tenga gran significación, será necesario
adicionar términos de orden superior a la expresión para la incertidumbre dada
en la ecuación 10-A. Con lo que se tiene:
f 2
1 f f 3f 2
uc ( y) u ( xi )
2
N N N
2
2
2
u x u 2
(x j )
i 1 xi i 1 j 1 2 xi x j xi xi x j
2
( i ) EC. 10-B
109
Metro Calidad © 2008
Las derivadas parciales f xi , se llaman coeficientes de sensibilidad ci y
describen como varia la estimación de salida y, en función de las variaciones
en los valores de las estimaciones de entrada x1, x2, x3,...xn , con lo anterior,
la ley de propagación de la incertidumbre en primer orden de serie de Taylor
se puede escribir como:
u ( y ) ci u ( xi ) u i ( y )
N N
2 2 2 2
c
EC. 11.A
i 1 i 1
f
Donde ci ≡ y, ui(y) ≡ ciu(xi) Ec. 11.B
x i
110
Metro Calidad © 2008
Si la ecuación 1 para el mensurando Y se desarrolla en serie
alrededor de los valores nominales Xi,o de las magnitudes de
entrada Xi entonces en el primer orden (que es habitualmente
una aproximación suficiente)
111
Metro Calidad © 2008
Los coeficientes de sensibilidad ci = f xi pueden determinarse en forma
experimental midiendo la variación de Y producida por una variación de una
Xi dada, manteniendo constantes las otras magnitudes de entrada.
Ejercicios
112
Metro Calidad © 2008
2. Las especificaciones de un fabricante de voltímetros digitales establece que
“ entre 1 y 2 años después de la calibración del instrumento, su exactitud
en el rango de 1 V es 14 x 10-6 veces la lectura mas 2 x 10-6 veces el
rango”. Supongamos que el instrumento se utiliza 20 meses después de la
calibración para medir una diferencia de potencial V dentro del rango de 1
V, y que se obtiene como media aritmética de un número de observaciones
repetidas e independientes el valor V = 0,928 571 con una incertidumbre
típica de tipo A, u(V), igual a 12 µV. La evaluación de tipo B de la
incertidumbre típica se deduce de las especificaciones del fabricante si se
supone que la exactitud indicada representa los límites simétricos de una
corrección aditiva a V, ÄV, de esperanza matemática igual a cero y
pudiendo situarse con igual probabilidad entre dichos límites.
113
Metro Calidad © 2008
El semirrango a de la distribución rectangular simétrica de los valores posibles de
ÄV es entonces a = (14 x 10-6) x (0,928 571V) + (2 x 10-6) x (1V) = 15 µV y,
u2(ÄV) = 75 µV2, y u(ÄV) = 8,7 µV .
La estimación del mensurando V es V = V + ÄV, con V = 0,928 571V,
u(V) = 12 µV, la corrección aditiva ÄV = 0 y u(ÄV) = 8,7 µV. Como V/V = 1
y V/(ÄV) = 1, la varianza combinada asociada a V viene dada por
114
Metro Calidad © 2008
D 2
V H
4
V 2HD H D V D 2
C1 C2
D 4 2 H 4
u c2 V C1u D C 2 u H u D u H
H D 2 D 2 2
2
2
2 4
u D u H
H D 2 D 2 2
u c V
2
2 4
115
Metro Calidad © 2008
MAGNITUDES DE ENTRADA CORRELACIONADAS
u xi , x j
f 2 f f
u y u xi 2
N N 1 N
2
2
i 1 x i i 1 j i 1x i x j
c EC. 12
r(xi, xj) = r(xj, xi) se llama coeficiente de correlación muestral, toma valores entre –1 y +1, y
está caracterizado por la siguiente expresión.
u ( xi , x j )
r ( xi , x j )
u ( xi )u ( x j )
EC. 13
116
Metro Calidad © 2008
Para conjunto de datos por parejas, la estadística define el coeficiente de
correlación muestral de la siguiente manera:
x x y i y
N
r i 1
i
i
N N
x x y y
2 2
i 1 i 1
117
Metro Calidad © 2008
Despejando ando u(xi, xj) de la ecuación 13 y reemplazando en 12 se obtiene:
u xi u x j r xi , x j
f 2 f f
u c y u xi 2
N N 1 N
2
2
x x x
EC. 14
i 1 i i 1 j i 1 i j
En el caso muy especial en que todas las estimaciones de entrada estén correlacionadas,
con coeficientes de correlación r(xi, xj) = +1, la ecuación anterior se reduce a:
N f N
u c y u x i ci u xi
2 2
2
EC. 15
i 1 xi i 1
118
Metro Calidad © 2008
En nuestro ejemplo del cilindro el coeficiente de correlación se puede expresar:
D D H i H
N
i
r i 1
D D H H
N N
2 2
i i
i 1 i 1
119
Metro Calidad © 2008
DETERMINANDO LA INCERTIDUMBRE EXPANDIDA
120
Metro Calidad © 2008
Grados de Libertad: En general, el número de términos en una suma, menos el número
de restricciones de los términos de la suma.
U = k uc(y) EC. 17
121
Metro Calidad © 2008
Escogiendo un factor de cobertura
Nota: De ser necesario se puede calcular el factor de cubrimiento como función del
nivel de confianza requerido para que se cumpla: U = kuc(y). Para ello se debe
calcular el número de grados de libertad efectivos que está dado por la formula de
Welch – Satterthwaite.
122
Metro Calidad © 2008
Escogiendo un factor de cobertura
= n-1
Una vez calculado este número se obtiene el factor k(eff) para el nivel de
confianza requerido, buscando en la tabla del anexo A. Si eff es un número
que no aparece en la tabla este se puede calcular por interpolación lineal de
ella o truncando el valor al menor entero más cercano.
123
Metro Calidad © 2008
EJERCICIO: Para nuestro ejemplo del cilindro diligenciemos la siguiente tabla:
124
Metro Calidad © 2008
REPORTANDO LA INCERTIDUMBRE
125
Metro Calidad © 2008
Ejemplo:
EJERCICIO: Para nuestro ejemplo haga un reporte completa del resultado de la medición
del volumen del cilindro.
126
Metro Calidad © 2008
ANEXO A: VALORES DE tp (n) PARA LA DISTRIBUCION t
127
Metro Calidad © 2008
METODOS Y RECOMENDACIONES PARA UN CÁLCULO DE INCERTIDUMBRE:
La persona a quien se asigna la tarea de determinar una incertidumbre debe ser experta
conocedora del proceso de medición que se está analizando.
La medición debe estar claramente definida y deben especificarse las condiciones o
limitaciones:
Debe describirse detalladamente los equipos, los patrones y el método ó técnica utilizados
para la medición.
Se debe escribir la relación funcional o ecuación de medición. Para ello la magnitud por
medir Y se define en términos de variables de entrada asociadas con la medición,
Y = f(X1, X2,....., Xn) donde f contiene todas las cantidades, incluyendo las correcciones y
factores de corrección que pueden contribuir con una componente significativa a la
incertidumbre de la medición. Esta relación funcional puede ser fácil de determinar,
como en el caso de una medición directa, pero puede ser más difícil cuando la medición se
deriva de los valores medidos de muchas otras variables.
128
Metro Calidad © 2008
Revise el proceso de medición para determinar los valores xi de las variables de
entrada Xi.
Una vez se han identificado las fuentes de incertidumbre, deben evaluarse los valores
de sus contribuciones por métodos tipo A o tipo B, según el caso.
129
Metro Calidad © 2008