Estudios de validación y

desarrollo intra-laboratorio
 Se trata de determinar:
 El mejor estimado posible de la precisión total
 El mejor estimado posible de la desviación
sistemática total y su incertidumbre
 Cuantificar otras incertidumbres
asociadas,cuyos efectos no aparecen en los
dos estudios anteriores
 Lic. EDWIN FRANCISCO GUILLEN MESTAS
FÍSICO UNIVERSIDAD NACIONAL DE INGENIERIA - UNI
Especialización en Metrología en:
DEUTSCHE AKADEMIE FUR METROLOGIE - DAM - ALEMANIA
PHYSIKALISCH TECHNISCHE BUNDESANSTALT - PTB – ALEMANIA:
Pasantia en los laboratorios de temperatura y Fotometría
DH INSTRUMENTS – PHOENIX - USA: Pressure measuments
INSTITUTO NACIONAL DE TECNOLOGIA INDUSTRIAL –INTI-ARGENTINA:
Pasantia en termometria
Ha participado en el WORKSHOP ON MEDICAL MEASURING INSTRUMENTS.

Experiencia:
17 años metrología en las áreas de Termometría y Fonometría.
Se desempeña como Jefe del Laboratorio de Temperatura del Sistema Nacional de
Metrología del Indecopi
Representante de Perú ante el grupo de Termometria del Sistema Interamericano de
Metrologia
Expositor en diversos cursos sobre Metrología , Termometria e Incertidumbre en la
Medición
Ha sido Gerente de Capacitación y Desarrollo de la empresa de Metrologia Etalon S.A.
 Estudios de Precisión.
Se obtienen de:
 La desviación estándar de resultados
para una muestra típica analizada
varias veces sobre un periodo de
tiempo extendido, usando diferentes
analistas y equipamiento tanto como
sea posible.
 La desviación estándar obtenida de
análisis repetidos sobre cada una de
varias muestras de diferentes lotes.
 A partir de diseños experimentales
multifactoriales analizados por los
métodos ANOVA que dan varianzas
estimadas separadas para cada factor.
Variación de la precisión con
el nivel de la respuesta
 Se usa este modelo:

u ( x)  s o  ( x.s1 )
2 2 2

 so es una contribución constante a la

incertidumbre total
 s1 es una constante de proporcionalidad
 Cálculo de so y s1
 Se calcula incertidumbres u(xi) para al
menos diez niveles xi del analito
cubriendo todo el rango permitido.
 Se grafica u(xi)2 contra xi2
 Por regresión lineal se obtiene
estimados de m , c para la recta
 u(x)2 = m xi2 + c Entonces:
 so=c 1/2 s1= m 1/2
 Estudio de la desviación
sistemática (bias)
 La mejor estimación se hace analizando
repetidamente un apropiado MRC empleando
completamente el procedimiento de medición
 Si el MRC sólo es aproximadamente
representativo del ensayo deben considerarse
factores adicionales por ej. diferencias en
composición y homogeneidad
 La desv. sistemática también puede
determinarse comparando los promedios y
desviaciones estándar del método 1: x¯1 ; s 1
(N1 mediciones) con los de un método de
referencia  :x¯  ; s  (N  mediciones)
 La desviación sistemática es : x¯1 - x¯ 
 La varianza asociada a esta desviación
sistemática es :
 1 1
u ( x1  x  )  s p 
2 2
( )
N1 N
( N1  1) s1  ( N   1) s 
2 2

donde : s p 
2

( N1  N   2)
es.la. var ianza. pesada.de.la
diferencia ( x1  x  )
 El valor t= (x¯1-x ¯) /u(x¯1-x ¯) es
comparado con el valor tcrit de la Tabla t de
Student para N1 + N -2 grados de libertad
y el deseado nivel de probabilidad (Ej. 95%)
 Si t  tcrit se dice que no hay diferencia
estadística significativa entre el método 1 y
el método de referencia 
 Ejemplo 7.7.5 de EURACHEM
 Factores Adicionales
 Los efectos de otros factores deben
estimarse separadamente por variación
experimental, análisis teórico u otras
fuentes
 La incertidumbre asociada puede
calcularse de igual manera a lo visto
para u(x¯i-x)
u para Métodos Empíricos
 La desviación sistemática debe
calcularse sólo para desviaciones
respecto del método
 Es preferible el uso de MRCs empleando
el mismo método empírico
 Si no se dispone de MRCs apropiados
debe evaluarsse las desviaciones
respecto de las otras iq establecidas en
el método
 Estas iq típicamente implican
variaciones de tiempos, temperaturas,
masas, volumenes , etc.
 u para Métodos ad-hoc
 Estos son métodos para hacer estudios
exploratorios en el corto plazo o para una
corta serie de ensayos de materiales
 Están basados en métodos normalizados o
bien establecidos dentro del laboratorio pero
son adaptados sustancialmente (por ej. para
estudiar un analito diferente)
 En estos casos debe confiarse en el
comportamiento conocido
 Debe estimarse la precisión y la desviación
sistemática idealmente contra un MRC
 Debe tratar de hacerse tanta repeticiones
como sea posible sino los tests estadísticos
(Ej. el F) pueden dar resultados incorrectos
Estimaciones experimentales
de contribuciones individuales
 Los efectos aleatorios son cuantificados por
desviaciones estándar en experimentos de
repetibilidad .
 Normalmente no más de 15 repeticiones son
suficientes
 Suele obtenerse el cambio producido en el
resultado final contra el cambio de la
contribución individual
 Suele ser apropiado para identificar
rápidamente efectos significativos
 Por ejemplo cambios de matriz, cambios
de la configuración del equipo, cambios
de analistas, etc.
Estimaciones basadas en otros
resultados
 Esquemas de ensayos de Proficiencia
Técnica
 Datos confiables de aseguramiento de
la calida
 Información de los fabricantes
 Modelos teóricos conocidos (ej. Efectos
de temperatura)
 Modelos teóricos propuestos
Estimaciones basadas en el
juicio personal
 Ciertas evaluaciones de intervalos de
probabilidades no pueden hacerse por
mediciones repetidas.
 Ejemplos:evaluaciones de recuperación se
hacen para clases de muestras y los
resultados se aplican a todas las muestras
similares, pero el grado de similaridad es
incierto
 El modelo matemático propuesto tiene
cierto grado de incerteza
 A veces el mensurando es
insuficientemente definido
 En estos casos puede aplicarse un juicio
técnico , maduro, proveniente de
expertos conocimientos o de
observaciones y experimentos
anteriores
 Si se desecha aplicar esta probabilidad
subjetiva cuando no se dispone de
datos medidos objetivos podría
ignorarse importantes contribuciones a
la incertidumbre
 Este grado de confianza subjetivo se
concreta en un intervalo caracterizado
por límites superior e inferior similares a
las probabilidades clásicas
 Se aplican las mismas reglas de
combinación
 5. DETERMINANDO uc


 MAGNITUDES DE ENTRADA Xi NO
CORRELACIONADAS
 y = f (x1 ;x2 ;………;xN)
 La uc(y) depende de las incertidumbres
u(xi) de cada uno de los estimados de
entrada . Cada u(xi) es una
incertidumbre estándar evaluada como
se describe en 4.2 para el Tipo A ó
como se describe en 4.3 para el Tipo B
 La uc(y) depende también de qué
tanto influye xi sobre y . Por ejemplo
si xi aparece elevada a la cuarta
potencia en la función f influirá
muchísimo más que si solo estuviera
elevada a la primera potencia .
 Qué tanto influye xi sobre y está dado
por los llamados coeficientes de
sensibilidad ci .
 Matemáticamente ci se evalúa
tomando la derivada parcial de la
función f respecto de xi :
f
ci 
xi
 LEY DE PROPAGACION DE
LA
INCERTIDUMBRE
 Luego se suma cuadráticamente todas
estas componentes según esta Ley:
uc ( y )  c1 u ( x1 )  c2 u 2 ( x2 )  ...
2 2 2 2

2 2
c N u ( x N ) * * * ( Ecuacion10)
 En forma de sumatoria :

2
N
 f  2
u c ( y)  
2
  u ( xi ).........(10)
i 1  xi 
 La uc(y) es una desviación estándar
combinada que caracteriza (al nivel
estándar ~ 68,3%) la dispersión de los
valores que puede atribuirse al
mensurando y de acuerdo a nuestros
mejores conocimientos
 Matemáticamente puede verse que esta
Ley está basada en una expansión de
primer orden de la función f en una
serie de Taylor alrededor de f evaluada
en cada uno de sus estimadores de
entrada xi
 Si la no linearidad de f es significativa
puede ser necesario añadir términos de
mayor orden en la expansión . El
ejemplo H.1 trata esta situación .
 El producto ci2 u2(xi) = ui2 (y) puede
verse como la varianza estimada que se
asocia a cada estimador de entrada xi
 Entonces la varianza combinada es la
suma de las varianzas individuales:
u ( y)  u ( y)  u ( y)  ....  u ( y)
2
c
2
1
2
2
2
N
 EJEMPLOS DE CALCULOS DE
DERIVADAS PARCIALES (5.1.3)
Si f es sólo sumas (o restas)
lineales
 Si y=β1x1+ β2x2+….+ βNxN donde los βi
son coeficientes constantes ,entonces:

uc ( y )  1 u ( x1 )   2 u ( x2 )  ...
2 2 2 2 2

  N u ( xN )
2 2
 Si f es sólo productos (o
divisiones) con potencias
 Si y= c x1p1 x2p2 …..xNpN donde c es
una constante y las pi son las
potencias(números constantes) a las
que se eleva cada xi entonces :
 2 2 2
 uc ( y )   p1u ( x1 )   p2u ( x2 ) 
 y   x    
   1   x2 
2
 pN u ( xN ) 
.......    * *( Ec.12)
 xN 
 Puede hacerse también una
transformación logarítmica que lineariza
exactamente la función f
 z= ln y ; wi= ln xi
 Resulta :
 z = ln c + p1 ln w1+….+pN ln wN
5.2 Magnitudes de entrada
Correlacionadas
 Si las magnitudes de entrada Xi están
correlacionadas (y para verificarlo
existen tests de correlación) a la
fórmula vista para el caso de
magnitudes no correlacionas se debe
añadir términos que representen esta
correlación
 La covarianza asociada entre Xi , Xj se
denota por u(xi , xj) y se estima de la
siguiente manera:
 Se efectúan n pares de mediciones
simultáneas de Xi , Xj bajo las mismas
condiciones,obteniéndose como
promedios los valores xi xj
  El estimador de u(xi ,xj ) se denota
como s(xi ,xj ) y se calcula según :
n
1
s ( xi , x j )  
n(n  1) k 1
( X i ,k  xi )( X j ,k  x j )

( Ecuación17)
 Ley de Propagación
Magnitudes Correlacionadas
N
uc ( y )   i ( xi ) 
2 2 2
c u
i 1
N 1 N
2 c c i j u ( xi , x j )
i 1 j  i 1
  La covarianza asociada con xi , xj está
relacionada con las incertidumbres u(xi) u(xj )
por medio del coeficiente de correlación
r(xi,xj) según :
u ( xi , x j )  r ( xi , x j )u ( xi )u ( x j )......(14)
 Siempre ocurre que :-1  r(xi,xj)  +1
 Si Xi Xj son independientes entonces
 r(xi,xj) = 0
 EJEMPLOS
 Puede haber correlación entre dos
magnitudes de entrada si se usa el
mismo instrumento de medición , el
mismo patrón físico o datos de
referencia comunes.
 Si la correlación existe y es significativa
obviamente no puede ignorarse.
 6. DETERMINANDO LA
INCERTIDUMBRE EXPANDIDA
U
 Muchas aplicaciones industriales,de salud,
seguridad y/o de intercambio comercial
requieren que se de una medida de
incertidumbre que defina un intervalo
alrededor del resultado de medición que se
espera abarque una fracción suficientemente
grande de la distribución de valores que se
puede atribuir razonablemente al
mensurando. Define un intervalo con un nivel
de confianza suficientemente alto .
 La medida de incertidumbre que cumple
estos requisitos es llamada
Incertidumbre Expandida denotada
como U
 U se obtiene de uc(y) a través del
factor de cobertura k según :
 U = k uc(y)
 El resultado de la medición se expresa
entonces como :
 Y= y ± U
que se interpreta diciendo que :
 El mejor estimado de Y es y
 El intervalo y-U hasta y+U abarca una
fracción suficientemente grande de los
valores que razonablemente pueden
atribuirse a Y
 Esta fracción suficientemente grande se
denota como p y se le llama la
probabilidad de cobertura o “Nivel de
Confianza” del intervalo .
 Debe reconocerse que muchas veces el
valor de p es aproximado debido al
limitado conocimiento que se tiene de la
distribución de probabilidad de Y y al
valor mismo de uc(y)
(incertidumbre de la incertidumbre)
Escogiendo un valor para k
 El valor de k depende del valor que se
escoge para p . Generalmente está en el
rango de 2 a 3 .
 Si la distribución de probabilidad de Y es
aproximadamente normal y los grados
efectivos de libertad son grandes muchas
veces se puede asumir que k=2 corresponde
a p= 95 % y que k=3 corresponde a 99%
 Grados de Libertad 
 Para una magnitud que es estimada por
el promedio de n mediciones
independientes:  = n-1
 Si n independientes observaciones se
usan para determinar la pendiente y el
intercepto de una recta por el método
de mínimos cuadrados :  = n-2
 Para un ajuste de mínimos cuadrados
de m parámetros a n puntos los
grados de libertad son  = n-m
 En general  se define como el número
n de observaciones independientes en
la muestra menos el número m de
parámetros de la población que deben
estimarse a partir de dichas
observaciones:  = n-m
 En una evaluación de tipo B debe
juzgarse qué tan confiable es la
incertidumbre calculada. Por ejemplo si
se considera que la incertidumbre
estimada podría variar hasta en un 25%
se quiere decir que u(xi)/u(xi)=0,25
como máximo.
 Esta evaluación permite aproximar el
número de grados de libertad aplicando
la ecuación G.3 de la pág.129 GUM
versión INDECOPI:
2
1  u ( xi ) 
i   
2  u ( xi ) 
 El número total de grados de libertad asociado a
uc(y) se calcula con la ecuación de Welch-
Satterthwaite G.2b de la pág. 127 de la GUM :
4
uc ( y )
 eff  N 4
ui ( y )
i 1 i
 Para cada componente ui(y) se calcula
su correspondiente i de acuerdo a lo
explicado anteriormente.
 eff se conoce como los “grados
efectivos de libertad de uc (y)
 Habiendo escogido el nivel de confianza
suficiente p y habiendo determinado
eff use la Tabla G.2 de la pág 136
para determinar el valor de k
Muchas veces ocurre que:
 Hay un número significativo de Xi que
tienen distribuciones de probabilidad
razonablemente conocidas (normales o
rectangulares)
 Las u (xi) contribuyen en cantidades
comparables a uc(y)
 La aproximación lineal pedida por la Ley
de propagación de la Incertidumbre es
adecuada
 La uc(y) es razonablemente pequeña y
los grados efectivos de libertad son
altos ,digamos mayores a 10
 ENTONCES PUEDE ASUMIRSE QUE
 La distribución de uc(y) es casi normal y
puesto que prácticamente no es posible
distinguir entre intervalos que difieren
en 1% ó 2% en el valor de p
 BAJO ESTAS
CIRCUNSTANCIAS:
Se puede asumir que con k = 2 se
tiene un nivel de confianza de
aproximadamente 95% y que con
 k = 3 se tiene un nivel de confianza de
aproximadamente 99%
CASO DE UNA COMPONENTE
DOMINANTE RECTANGULAR
 Sea u12(y) el término rectangular
dominante ; uR2(y) la suma de las
varianzas del resto de componentes.
 Si uR(y)/ u1(y)  30% la convolución
de las distribuciones de todas las
componentes produce una distribución
de probabilidad final esencialmente
rectangular .
 Bajo estas condiciones:
 El factor de cobertura k(p) que
depende del nivel de confianza p que
se elige está dado por :

k ( p)  p 3
 Por ejemplo si p=95 % entonces k(p)
vale 1,65 y para p= 99% k(p) vale
1,71
Caso de dos distribuciones
rectangulares dominantes
 Sean u12(y) ; u22(y) las componentes
rectangulares dominantes . Su suma es
u12(y) + u22(y)= u02(y)
 Si uR(y)/uo(y) es no mayor de 30% la
convolución de estas dos distribuciones
(que da una distr. Trapezoidal) es la que
da la forma esencial de la convolución
de todas las componentes.
 Bajo estas condiciones:
 El trapezoide tiene una base mayor
a=a1+a2 y una base menor
 b=| a1-a2 |= a 
 donde a1 ; a2 son los semianchos de
las dos distribuciones rectangulares
  = b/a es el parámetro de borde del
trapezoide
Si <0,95 para p=95% se
tiene:
1  (1  p)(1   )
2
k ( p) 
1  2

6
 EJEMPLOS
 7. REPORTANDO LA
INCERTIDUMBRE
 Es deseable que se dé toda la
información necesaria para que pueda
hacerse una reevaluación completa de
toda la medición.
 Si se hace referencia a otros
documentos o especificaciones es
importante mantenerlos actualizados
para que seamos consistentes con los
procedimientos actuales
 DEBERIA INDICARSE:
 El procedimiento para calcular y ,
uc(y) a partir de los datos observados
 Las componentes de incertidumbre
consideradas y cómo fueron evaluadas
 Las correcciones y constantes usadas
en el análisis y sus fuentes
 TEST :
 Se ha dado la información suficiente, de
una manera suficientemente clara ,de
modo que el resultado puede
actualizarse si se dispusiera de nueva
información o datos en el futuro ?
 Reportando U
 Describir completamente cómo se
define el mensurando Y
 Reportar el resultado de la medición
como: Y = y ± U dando las
unidades usadas
 Si es apropiado dar U / /y/ la
incertidumbre expandida relativa
 Especificar el valor de k
 indicar el valor de p y cómo fue
determinado
Si es apropiado dar también:
 El valor de cada xi , su asociada u(xi) y
cómo fueron determinadas .
 Las covarianzas y/o los coeficientes de
correlación estimados
 i para cada i y cómo fue obtenido .
 La función f y los coeficientes de
sensitividad ci = f/xi
 EJEMPLO
 Se reporta la masa ms de una pesa patrón
de 100 g de valor nominal :
 ms= 100,021 47 g ± 0,000 79 g donde
el valor que sigue al símbolo ± es la
incertidumbre expandida U calculada
con un factor de cobertura k = 2 para
un nivel de confianza de
aproximadamente 95 % con eff = 25
grados de libertad
 El valor numérico de U no debe tener
dígitos excesivos . Usualmente es
suficiente dar dos o tres dígitos
significativos
 8. Resumen del
Procedimiento
 1. Plantear el modelo matemático que
relaciona mediante la función f al
mensurando Y con las magnitudes de
entrada X1 , X2 , …….. XN :
 Y = f (X1 , X2 , …….. XN)
 2. Determinar los estimados xi de los
valores de las magnitudes de entrada Xi
ya sea por analisis estadístico o por
otros medios . (Ver 4.1.3)
 3. Evaluar las u(x i) asociadas ya sea
mediante evaluaciones de Tipo A (Ver
4.2) ó de Tipo B (Ver 4.3) .
 4. Si existen correlaciones evaluar las
covarianzas asociadas (Ver 5.1.2 ) .
 5. Calcular el resultado de la
medición,esto es el estimado y del
mensurando Y introduciendo en la
función f los estimadores xi .
 6.Determinar la uc(y) aplicando la Ley de
Propagación de la Incertidumbre (Ecuación
(10) si las Xi son independientes ó la
Ecuación (13) si no lo son).
 7. Si es necesario dar una U para un nivel
especificado de confianza p ; determinar el
factor de cobertura k en base a p y a los
grados de libertad  (ver 6.2 6.3 y el Anexo
G ). Entonces U= k uc (y)
 8. Reportar el resultado de la medición:
 “Y=y ± U (y) donde la incertidumbre
expandida reportada es igual a la
incertidumbre combinada estándar de
medición multiplicada por el factor de
cobertura k=…. ,la cual corresponde a un
nivel de confianza p de aproxima- damente
…..% “ (Si es apropiado especificar el valor
de U (y)/y )
 Si es necesario reportar:
 Los valores xi ; u(xi )
 Covarianzas y coeficientes de correlación
 Los valores i ; eff
 La función f y los coeficientes ci
Cumplimiento contra Límites
 Límite Superior L :Hay 4
casos
 1) y - U  L Claro incumplimiento
 2) y + U  L Claro cumplimiento
 3) y + U  L ó y - U  L
 Es incierto el cumplimiento . Debe
revisarse los datos ,repetir el ensayo y
tratar de disminuir el valor de U
 Para un límite inferior se aplican
criterios análogos .
EJEMPLOS ANEXO H
 EJEMPLOS DE EAL
EJEMPLOS EURACHEM
EJEMPLOS LABORATORIOS
SNM
GRACIAS POR SU ATENCION !