Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
FECHA: 28/03/2017
Código: A00022
Versión: 06
DETERMINACIÓN DE LA
INCERTIDUMBRE
Guía teórico-práctica para la expresión de incertidumbres de
medición
INCERTIDUMBRE
Las incertidumbres de medici ón deben ser estimadas por medio de procedimientos, los cuales
necesariamente se ajustan al modelo al que hacen referen cia.
La metrología se define como la ciencia de las mediciones, cuyo objeto es tanto la determinación
teórica como experimental de los niveles de incertidumbre en cualquier campo de la ciencia y la
tecnología.
ERROR
Cuantificación
Error absoluto
eabs f m - f v
Se define como Valor Verdadero a la cantidad intrínsecamente desconocida, sólo
determinable mediante una medición perfe cta, sin errores.
Error relativo
fm - fv
erel
fv
El valor real f v es una cantidad desconocida, por lo que la magnitud exacta del error absoluto
y relativo es igualmente desconocida.
Clasificación
Aleatorios
Error aleatorio es aquel error inevitable que se produce por eventos únicos imposibles de
controlar durante el proceso de medición. Un error aleatorio se presenta por variaciones
impredecibles (o estocásticas) que dan origen a las variaciones en observaciones repetidas
del mensurando. No es posible una compensación para este tipo de error: su esperanza es
cero.
Error Tipo A: error evaluado a partir de la evaluaci ón estadística de una serie de mediciones
(muestra de una población)
Sistemáticos
Error sistemático es aquel que se produce de igual modo en todas las mediciones que se
realizan de una magnitud. Estos errores varían de acuerdo una ley que es posible de
determinar y por tanto puede ser aplicado como corrección de un resultado.
Ilegítimos
DISTRIBUCIÓN DE PROBABILIDAD
no correlacionados,
aleatorios,
Muestra y población
Distribución normal
2
Es, además, límite de otras distribuciones y aparece relacionada con multitud de
resultados ligados a la teoría de las probabilidades gracias a sus
propiedades matemáticas.
( x- )2
1 -
f(x) e 2 2
,
2
donde es la media y es la desviación estándar ( 2 es llamada varianza).
Media Muestral
Si se tiene una muestra estadística de valores ( X 1 ,X 2 , ... ,X n ) para una variable aleatoria X con
distribución de probabilidad F ( X , θ ) (donde θ es un conjunto de parámetros de la
distribución), se define la media muestral n-ésima como:
1 n
x= xi
n i 1
De forma análoga a la Media Muestral y utilizando los mismos elementos que en la misma, la
definición de Varianza (que incorpora la corrección de Bessel) es la siguiente:
1 n
xi x 1 n 2
2 2
S2 = o S2 = xi nx
n 1 i 1 n 1 i 1
Expresión de la varianza poblacional:
1 n
2= Xi
2
N i 1
donde:
1 n
2
2 = lim xi x
n n 1
i 1
MODELO DE MEDICIÓN
El mensurando puede ser medido directame nte o a partir de N magnitudes x i , a través de una
relación funcional f .
Y = f ( x1 , x2 ,..., xN )
Las magnitudes X i pueden considerarse como mensurandos, incluyendo correcciones y factores
de corrección debidos a efectos sistemáticos.
La función f debe ser interpretada como aquella función incluyendo todas las correcciones y
factores de corrección que puedan contribuir con componentes significativos de incertidumbre al
resultado de medición.
3
Evaluación tipo A de la incertidumbre estándar
Esta evaluación se realiza sobre una magnitud q que varía aleatoriamente (variable
aleatoria). Aquellos argumentos no evaluados a partir de observaciones repetidas deben
obtenerse por otros métodos.
1 n
q qk
n k 1
Las observaciones individuales difieren en valor por efectos aleatorios. La varianza
experimental (muestral) de las observaciones que estima la varianza (poblacional) de la
distribución de probabilidades de q está dada por:
S q =
2 1 n
qk q
n 1 k 1
Esta expresión (llamada estrictamente varianza muestral) representa un estimador puntual
de la varianza poblacional. Dicho de otro modo, representa una estimación de la variación
del argumento q sobre la media de la muestra.
2
1 n
S q = qk
2
n k 1
La varianza de la media aritmética, más que la varianza de las observaciones individuales, es
la medida adecuada de la incertidumbre del resultado de una medición. El objeto de la
realización de una serie de mediciones es calcular un valor medio que sea el objeto de la
determinación llevada a cabo y una incertidumbre de ese valor medio. Por tanto, en el caso
en que se quisiera estimar la varianza de la media aritmética muestral:
q =
n 2
q q
2 k
S k k 1
S2 q =
n (n 1)n
y la incertidumbre tipo A estará dada por:
ua q = S 2 q
Esta evaluación se realiza sobre una magnitud q cuya variación se estima a partir de
información disponible de referencia, y no mediante observaciones repetidas. Esta
información resume la experiencia previa sobre el argumento (resultados de mediciones
previas, experiencia acumulada con las leyes que rigen la variación, calibraciones, etc).
4
Un valor de incertidumbre afectada a un nivel de confianza porcentual. Esta
información corresponde a una distribución normal a menos que se indique lo
contrario.
qi =
a a
2
La varianza asociada será:
a a
2
S 2 qi =
12
Si la diferencia entre los dos límites, a + , a - , es 2 c , entonces la varianza será:
c2
S 2 qi =
3
Y la incertidumbre tipo B será:
uB q i = S 2 q i
Si se especificara el parámetro , donde 0 < < 1, la información corresponde a una
distribución trapezoidal con igual pendiente a ambos lados, donde la base inferior
tiene un ancho de 2 c y el ancho superior 2 c .
qi =
a a
2
La varianza asociada será:
c 2 (1 2 )
S 2
qi =
6
Argumentos no correlacionados
Para el caso que los argumentos sean independientes entre sí, la va rianza combinada viene
dada por:
2
f ( i ) 2
N
uc y =
2
u ( xi )
i 1 xi
donde u(xi) es una incertidumbre estándar.
5
Dos argumentos son estadísticamente independientes entre s i su distribución de probabilidad
conjunta es igual al producto de las distribuciones individ uales. Su coeficiente de correlación
entonces es cero.
( n ) f i
N
xi ( n )
f ( x1 , x2 ,....xN ) = y + xi i
n
n=1 i 1 n!
Si se considera la ecuación truncada en el primer orden:
N
f
y = y + xi i
i 1 xi
Realizando un pasaje de términos tenemos:
N
f
y - y = xi i
i 1 xi
Elevando al cuadrado:
2
N f
y - = xi i
2
i 1 xi
y
Se puede decir que la esperanza de la diferencia entre la media del mensurando y, y su
medición es su varianza:
E y - = u
y
2
c
2
y
Por tanto tenemos:
f ( i ) f ( j )
2
f ( i ) 2
N N N
uc y =
2
u ( x ) 2 u ( xi , x j )
xi i 1 j 11 xi x j
i
i 1
.
Para argumentos no correlacionados:
2
f ( i ) 2
N
uc y =
2
u xi
i 1 xi
N 2
uc 2
y = ci u 2 xi
i 1
uc 2 y = u 2 A x u 2 B x
Argumentos correlacionados
f ( i ) f ( j )
2
f ( i ) 2
N N N
uc y =
2
u ( x ) 2 u ( xi , x j )
xi i 1 j 11 xi x j
i
i 1
6
u ( xi ,x j )
r ( xi ,x j )=
u ( xi ) u ( x j )
donde –1 < r(xi,xj) < 1
f ( i ) f ( j )
2
f ( i ) 2
N N N
uc y =
2
u ( x ) 2 u ( xi ) u( x j ) r ( xi ,x j )
xi i 1 j 11 xi x j
i
i 1
U p k p uc ( y)
Se expresa el resultado como:
Y y U p
, con un nivel de confianza aproximado p asociado a k.
La incertidumbre expandida conlleva un determinado nivel de confianza asociado al factor de
cobertura utilizado. El nivel de confianza es la probabilidad aproximada de que el intervalo
de confianza contenga al valor verdadero del parámetro.
El teorema del límite central indica que, en condiciones muy generales, la distribución de la
suma de variables aleatorias tiende a una distribución normal cuando la cantidad de
variables es muy grande. Existen diferentes versiones del teorema, en función de las
condiciones utilizadas para asegurar la convergencia. Una de las más simples establece que
es suficiente que las variables que se suman sean independientes,
idénticamente distribuidas, con valor esperado y varianza finitas. La aproximación entre las
dos distribuciones es, en general, ma yor en el centro de las mismas que en sus extremos o
colas, motivo por el cual se prefiere el nombre "teorema del límite central".
68,27 % 1,000
90,00 % 1,645
95,00 % 1,96
95,45 % 2,000
99,00 % 2,576
99,73 % 3,000
7
Se adopta como criterio para descartar medidas, el hecho que al calcular su desviación
estándar al respecto de la media, se supere el límite de 4 desviaciones estándar del conjunto
de valores.
Teorema de Chebyshev
La desigualdad de Chebyshev dice que la probabilidad de que una variable aleatoria esté
distanciada de su media en más de “a” veces la desviación típica, es menor o igual que 1/a 2 .
Si E(X) es la media (o la esperanza matemática) y σ es la desviación típica, entonces
podemos redefinir la relación como:
Pr X E ( X ) a
1
a2
para todo número real positivo a.
En el caso que se quiera determinar el rango de variación de una variable X para un nivel de
confianza p , se halla k p de las tablas tabuladas, de manera que:
X
k p
Por lo tanto:
k p X k p
o mejor dicho:
k p uc X k p uc
S S
kp X kp
n n
Distribución t-student
8
Si z es una variable aleatoria normalmente distribuida con esperanza z y desviación
estandas , donde z es la media aritmética de n observaciones independientes y S(z) la
desviación estándar experimental (muestral), entonces la distribución de la variable:
z z
t
S ( z)
es un a distribución t-student con v = n -1 grados de libertad (para una única variable
estimada en n observaciones independientes).
Por tanto t p estima el rango de confianza con un nivel p , para un valor dado de grados de
libertad.
uc 4 ( y )
vef N
ci 4ui 4 ( y )
i 1 i
A los efectos prácticos el valor esperado E ( t ( n ))= 0 y la varianza Var ( t ( n )) = n /( n -2) para n
> 2.
Entonces para el caso que se quiera determinar el rango de variación del valor medio de X,
sobre la base de grados de libertad menor a 30, entonces:
t p uc X t p uc
9
ESQUEMA PRÁCTICO DE TRABAJO
Definición y Alcance
Modelo matemático
Incertidumbre expandida
Presentación
10
EJEMPLO PRÁCTICO
Definición y Alcance
Arreglo experimental
Se dispone de una barra con una longitud patrón sometida a carga mediante la aplicación de
pesas en uno de sus extremos. Se fija el otro extremo en una estructura que se considera
indeformable. La dirección de aplicación de la carga coincide con la dirección longitudinal de la
barra. Se define una longitud de referencia entre marcas sobre la base de la homogeneidad de la
carga axial.
Instrumental
Balanza electrónica
Calibre
Modelo matemático
W
E
L L
d1 d 2 1
L
donde:
W A medida
B calibración
B resolución
d1 A medida
B calibración
B resolución
d2 A medida
B calibración
11
Argumento Tipo de incertidumbre Incertidumbre
B resolución
L1 A medida
B calibración
B resolución
L A medida
B calibración
B resolución
Peso
n de medición medición
1 500,0 kgf
2 500,5 kgf
3 500,2 kgf
4 499,8 kgf
5 500,0 kgf
6 499,7 kgf
7 500,1 kgf
8 500,0 kgf
9 500,0 kgf
10 500,0 kgf
11 499,6 kgf
12 499,7 kgf
13 500,1 kgf
14 500,0 kgf
15 500,0 kgf
16 500,2 kgf
17 500,3 kgf
18 500,0 kgf
19 499,8 kgf
20 500,1 kgf
Valor medio 500,0 kgf
Incertidumbre 0,049 kgf
d1; d2
El ancho y alto del perfil de la barra se midió con un micrómetro.
12
Su calibración establece una desviación estándar de 0,0004 mm
Su resolución es de 0,001 mm
n Ancho Alto
1 2,003 mm 5,001 mm
2 2,003 mm 5,000 mm
3 1,998 mm 5,001 mm
4 2,000 mm 4,999 mm
5 2,001 mm 5,001 mm
6 2,004 mm 4,998 mm
7 1,996 mm 5,003 mm
8 2,001 mm 4,998 mm
9 2,001 mm 5,001 mm
10 1,997 mm 5,001 mm
Valor medio 2,0013 mm 5,0003 mm
Incertidumbre 0,0000016 mm 0,0000002 mm
L1; L2
Las longitudes entre marcas se midieron con un calibre.
Su resolución es de 0,01 mm
n L L1
1 120,10 mm 122,00 mm
2 121,00 mm 122,00 mm
3 120,00 mm 123,00 mm
4 119,80 mm 122,70 mm
5 119,50 mm 122,30 mm
6 120,05 mm 122,50 mm
7 120,50 mm 122,20 mm
8 119,70 mm 122,00 mm
9 119,90 mm 122,80 mm
10 119,90 mm 122,35 mm
Valor medio 120,05 mm 122,39 mm
Incertidumbre 0,02 mm 0,01 mm
13
Incertidumbre combinada
A
uc 2 E = u 2 (W ) u (W )
1
(W ) uB
2 2
d d 1
L L
B cal resl
1 2
L
2
A 1
u 2( d ) u ( d1 )
W 2
( d1 ) uB 2
L L
d 2 d 1
B cal resl
1 2
L
2
A 2
u 2( d ) u ( d2 )
W 2
( d 2 ) uB 2
L L
d d 2 1
B cal resl
1 2
L
2
u A ( L1 ) uB ( L1 )
W
2
( L1 ) uB
2 2
2 cal resl
L1 L
d1 d 2
L
2
u A ( L ) uB ( L )
W W
2
( L ) uB
2 2
d d
1 2 1
L L L1 L
2
cal resl
d1 d 2
L
i Ci
1 2,57492 E+13
2 1,53026 E+26
3 4,46261 E+30
4 4,70254 E+18
5 4,70254 E+18
uc 2,35 109 Pa
Incertidumbre expandida
14
E 2, 4976 1010 Pa
Si buscamos un nivel de confianza del 95%, utilizando la tabla de la distribución normal:
k95% 1,96 2
En los casos donde la información que se considere no tenga la extensión y confiabilidad que
justifiquen el uso de una distribución normal, la aplicación del teorema del Límite Central es
suficiente para suponer que la distribución de probabilidad combinada corresponde a una
distribución t [1].
Aplicando esta distribución se tiene que los grados de libertad efectivos son:
ef 16
t95% 2,12
En cualquier caso, el factor de cobertura que se obtiene con la distribución t-student es más
conservativo que para el caso de una distribución normal.
PRESENTACIÓN
El valor medido del módulo de elasticidad para un nivel de confianza del 95% es:
E 2, 498 104 MPa 2,347 103 MPa con un 95% de nivel de confianza
15
ANEXO I – DISTRIBUCIONES DE PROBABILIDAD
16
17
REFERENCIAS
[1] ”Guide to the Expression of Uncertainty in Measurement 2nd edition” I.S.O. 1995 ISBN
92-67-0188-9
[3] ”U.S. Guide to the Expression of Uncertainty in Measurement” ANSI/NCSL Z540 -2-1996
18