Professional Documents
Culture Documents
a. Qu es la incertidumbre de medida?
Cuando se reporta el resultado de una medicin de una cantidad fsica (magnitud) es obligatorio
dar un valor cuantitativo de la calidad de dicho resultado. Sin este valor, no es posible realizar
una comparacin entre stas y/o el valor de referencia, por lo que se hace necesario
implementar y entender un procedimiento para caracterizar la calidad de del resultado de
medicin. El concepto de incertidumbre es un atributo cuantificable y relativamente nuevo en las
mediciones anlisis de error o la teora de errores, haba sido practicado en la ciencia de la
metrologa hasta hace algunos aos).
Hoy da se sabe que, an y cuando se hayan calculado todas las componentes que intervienen
en el error y se hayan realizado las correcciones apropiadas, la incertidumbre del resultado de
medicin existe; sin embargo, al mismo tiempo permite saber qu tan bien representa el
resultado medido al valor verdadero de la cantidad que se requiere medir.
As como el Sistema Internacional de Unidades (SI) es mundialmente reconocido y utilizado de
manera coherente en todas las prcticas cientficas y tecnolgicas, la aplicacin de la
evaluacin y expresin de la incertidumbre en las mediciones permitir que sta (la
incertidumbre) - en un gran espectro de resultados de mediciones -, sea comprendida,
interpretada y utilizada apropiadamente en la ciencia, la ingeniera, la industria y el comercio.
En esta poca de la globalizacin del mercado es de suma importancia que el mtodo de
evaluacin y expresin de la incertidumbre sea uniforme a nivel mundial, aunque las
mediciones se lleven a cabo en diferentes pases, para que puedan, adems, ser comparadas
fcilmente.
Incertidumbre (de medida) (NMX-Z-055-IMNC-2009): Parmetro no negativo que caracteriza la
dispersin de los valores atribuidos a un mensurando, a partir de la informacin que se utiliza.
Nota 1: La incertidumbre de media incluye componentes procedentes de efectos sistemticos, tales
como componentes asociados a correcciones y a valores asignados a patrones, as como la
incertidumbre debida a la definicin. Algunas veces no se corrigen los efectos sistemticos
estimados y en su lugar se tratan como componentes de incertidumbre.
Nota 2: El parmetro puede ser, por ejemplo, una desviacin tpica, en cuyo caso se denomina
incertidumbre tpica de medida (o un mltiplo de ella), o una semiamplitud conuna probabilidad
de cobertura determinada.
Nota 3: En general, la incertidumbre de medida incluye numerosas componentes. Algunas pueden
calcularse mediante una evaluacin tipo A de la incertidumbre de medida, a partir de la
distribucin estadstica de los valores que proceden de las series de mediciones y pueden
caracterizarse por desviaciones tpicas. Las otras componentes, que pueden calcularse
mediante una evaluacin tipo B de la incertidumbre de medida, pueden caracterizarse tambin
por desviaciones tpicas, evaluadas a partir de funciones de densidad de probabilidad basadas
en la experiencia u otra informacin.
Nota 4: En general, para una informacin dada, se sobrentiende que la incertidumbre de media est
asociada a un valor determinado atribuido al mensurando. Por tanto, una modificacin de este
valor supone una modificacin de la incertidumbre asociada.
Si observamos los datos framente, al revisar el cumplimiento de la pesa solo analizando los
errores obtenidos en las dos calibraciones, podemos decir que la pesa cumple:
i 1
n
b. Media aritmtica poblacional: Sea una poblacin de N elementos u observaciones,
entonces la media aritmtica poblacional se puede calcular mediante:
N
x
i 1
c. Media para una distribucin de probabilidad: Al igual que las observaciones (grupo
de datos), en las distribuciones tambin se calcula la media y la desviacin estndar.
x i p X ( xi )
xf X ( x)dx
x
c.2
Medidas de dispersin.
s2
(x
i 1
x) 2
n 1
xi x y s 2 0
b. Varianza poblacional: Al igual que hay variabilidad en una muestra, la hay tambin en
una poblacin, por lo que la varianza poblacional se puede determinar por:
N
(x
i 1
)2
Ejemplo 5. En una empresa se fabrican anillos forjados para los pistones que usan los motores
de automvil. Se requiere saber cul es la variabilidad del dimetro interior de dichos anillos. Se
toma una muestra de 25 piezas de un lote de produccin, se miden los dimetros con el
instrumento adecuado resultando los siguientes datos:
No. de pieza
1
2
3
4
5
6
7
8
9
10
11
12
13
Dimetro medido
(mm)
74,03
74,00
73,99
74,00
73,99
74,01
74,00
73,99
74,01
74,00
73,99
74,00
74,00
No. de pieza
14
15
16
17
18
19
20
21
22
23
24
25
Dimetro medido
(mm)
73,99
74,02
74,00
74,01
73,99
74,01
74,00
74,00
74,00
74,00
74,00
74,02
x 74,002 m
s 2 0,00012 mm2
10
(x
i 1
x) 2
n 1
(x
i 1
)2
Dando los resultados en las mismas unidades que los datos procesados.
Ejemplo 6. Terminando el ejemplo 5. Al calcular la desviacin estndar se tiene:
s = 0,01 mm
Ejercicio 1. Tomando los datos del ejemplo 5 de la seccin de probabilidad, calcular:
a. la media,
b. la varianza poblacional, 2
c. la desviacin estndar poblacional,
Resultados:
a)
3
2
3
4
b)
c) 0,87
Aspectos generales.
11
12
~ A
EA
E E Sis E Al
13
Debido a que slo es posible realizar un nmero finito de repeticiones, cuando se hace una
medicin es imposible determinar exactamente ambos errores.
La tabla 2 resume las principales causas de error que se comenten en un proceso de medicin.
Tipo de error
Error aleatorio
Error sistemtico
d2.
Instrumento de medicin
Medio ambiente
Juegos
Variaciones no controlables o no
Inercia
consideradas.
Fallas inesperadas
Ej.
Temperatura,
humedad,
Metrlogo
presin, gravedad, polvo, etc.
Defectos de construccin y Variacin de temperatura
desajustes
conocidos
por Deformacin mecnica
previas calibraciones
Condiciones geomtricas
Tabla 2. Clasificacin de errores
14
Este error se ocasiona cuando se va tomar la lectura y el observador no est mirando la escala
del instrumento perpendicularmente. Esto es, que el tcnico observa la escala desde la
derecha, la izquierda, de arriba o de abajo con un cierto ngulo, a partir de la perpendicular a la
escala.
Este error puede disminuirse mirando lo ms perpendicularmente posible al plano de
observacin.
X
X
15
16
Todos estos errores se pueden disminuir controlando de manera voluntaria el ambiente, tal
como limpiar perfectamente las superficies a medir, filtrar el aire que ingresa al laboratorio,
establecer flujo laminar, y controlar la temperatura y la humedad con la exactitud requerida por
las normas.
17
Y =f { X 1 ; X 2 ; X 3 ; X n
2.
3.
4.
5.
6.
7.
8.
18
La desviacin estndar es la raz cuadrada de la varianza, por lo que u=s y es por esta razn
que se le conoce como desviacin estndar de tipo A.
La evaluacin de la desviacin estndar de la incertidumbre de tipo B, tambin es una varianza
Para calcular la incertidumbre de medida se siguen los pasos que a continuacin se describen.
I.
Modelo de medicin.
Y f ( X 1 , X 2 ,...., X n )
U ( y )=
2
c
i=1
f 2 2
u (x i)
xi
( )
Donde:
19
u(xi).- Son las incertidumbre estndar individuales asociadas a cada uno de los factores de
influencia.
Ejemplo 7: La resistencia, reactancia e impedancia de un circuito electrnico. Respectivamente,
el modelo matemtico es:
R, X , Z f (V , I , )
V
V
V
cos ,
sen ,
I
I
I ,
M Y Etot
Donde:
M
Y
Etot
es el mensurando,
es la estimacin del mensurando, y
son todos los errores o variaciones del mensurando M, como funcin de las diferentes
magnitudes de las cuales dependan.
Una vez expresado el mensurando como funcin matemtica de todas las variables de
influencia que se quieran considerar, entonces lo que se debe hacer es estudiar o controlar
dichas magnitudes fsicas. Con el objetivo de determinar su variabilidad o la incertidumbre
asociada a cada una de ellas.
II.
Una vez que se tiene claro cul es el procedimiento de medicin, el principio o ley fsica por el
cual se rige y por supuesto el mensurando, se procede a identificar a las fuentes de
incertidumbre tambin conocidas como variables de influencia que intervienen directa o
indirectamente en el proceso de medicin. La siguiente es una posible lista breve de las
variables de influencia:
20
Es recomendable hacer una lista lo ms completa posible y no desechar alguna de las fuentes
de incertidumbre sin cuantificarla y ver su contribucin comparada con las otras.
e1.1. Incertidumbre de Tipo A.
Se conoce como incertidumbre de Tipo A, a aquel valor de variabilidad que se obtiene de
realizar un conjunto de mediciones repetidas al mensurando en cuestin, o a alguna de las
magnitudes influyentes en el mismo.
El mtodo de obtencin que da lugar a la incertidumbre de tipo A, es asociar sta a la
desviacin estndar de una serie de observaciones repetidas. De ah que, como la misma
depende inversamente de n (nmero de mediciones), se interprete mal como la componente
aleatoria. Se puede, entonces, a travs del estimador insesgado (desviacin estndar) de
cuantificar la incertidumbre; recordando que se emplear como resultado la media del conjunto
de mediciones realizadas, lo apropiado sera considerar la desviacin estndar insesgada de la
media. Es por ello, que la desviacin estndar de la media de una serie de mediciones, no se
entiende como la dispersin de la media, sino como la componente de incertidumbre de tipo A,
ya que el error aleatorio no puede ser conocido exactamente.
La estimacin de una componente de incertidumbre como tipo A, de cierta forma presupone que
consideremos que la funcin de distribucin de la variable es normal, ya que, como regla
general, se emplea la frmula de la desviacin estndar de la media obtenida de la funcin de
la distribucin mencionada; aspecto que no se aleja mucho de la realidad.
Es comn que si se realiza un histograma con las frecuencias obtenidas de estudiar una
variable aleatoria se obtenga que ste es simtrico, que declina con bastante rapidez por sus
extremos y que tiene una forma parecida a una campana. Este modelo matemtico ha probado
ser de gran utilidad, puesto que cumple con los tres requisitos indispensables para
distribuciones del estilo mencionado y que son:
Ser una funcin par, lo que se traduce en que los errores de signos opuestos e igual
magnitud sean igualmente probables.
Ser montona decreciente la rama positiva, es decir, los errores mayores en valor
absoluto son menos probables.
Ser finita la esperanza matemtica del valor absoluto de un error.
21
22
No. de
medicin
Valor
medido
1
2
3
4
5
6
7
8
9
10
8,41
8,43
8,39
8,42
8,44
8,41
8,43
8,42
8,44
8,41
uA
sx
n
1
n
1 n
( x i x) 2
n 1 i 1
i 1
8,41 8,43 8,39 8,42 844 8,41 8,43 8,42 8,44 8,44 84,2
8,42
10
10
x 8,42
sx
(x
i 1
x) 2
n 1
s x 0,02
uA
sx
n
0,02
10
0,006
23
Valor
nominal
Medicin
1
0,00
10,00
20,00
30,00
50,00
60,00
70,00
80,00
90,00
100,00
110,00
120,00
130,00
140,00
150,00
0,00
9,99
19,98
30,05
50,01
59,97
70,00
80,01
90,00
100,00
109,99
119,97
130,02
140,03
150,00
-0,01
9,98
19,99
30,04
50,00
59,98
70,00
80,01
90,01
100,00
109,98
119,98
130,01
140,02
150,00
0,00
10,00
19,98
30,05
50,00
59,98
70,00
80,02
90,00
100,00
109,97
119,98
130,02
140,03
150,01
-0,01
10,01
19,98
30,04
50,01
59,98
70,01
80,01
90,00
100,00
109,99
119,99
130,00
140,02
150,01
S x
US
0,01
10,00
20,00
30,04
50,00
59,99
70,00
80,02
90,01
100,01
109,99
119,99
130,01
140,02
150,01
Normal
f(t)
25
Distribucin rectangular.
u ( xi )
a
3
f(x)
-a
f(x)
Figura 10: Distribucin rectangular para el coeficiente de expansin trmica del cobre
La desviacin estndar de la funcin de distribucin rectangular se determina mediante la
6 0 1
C :
siguiente ecuacin e identificando se tiene que a 0,10 10
26
u B ( 20 )
iii.
0,10 10 6 0 C 1
3
0,06 10 6 0 C 1
Distribucin triangular.
u ( xi )
a
6
f(x)
x
Figura 11: Grfica de la funcin de
distribucin triangular
La funcin de distribucin triangular se emplea cuando se conoce que es ms probable obtener
valores al centro que en los extremos.
Existen otras funciones de distribucin, como la funcin U o senoidal, la cual se emplea cuando
se trata de procesos cclicos u oscilatorios. Como por ejemplo, la temperatura controlada en el
tiempo, la oscilacin de un dgito de un instrumento digital, la funcin de distribucin
exponencial, la funcin Gamma, etctera. Todas las funciones que se han mencionado son
funciones para variables continuas.
Ejemplo 9: Si para el ejemplo 10 informan que el valor ms pequeo que puede tomar el
coeficiente de expansin trmica es 16,40 X 10-6C-1, mientras que el valor ms grande es 16,92
X 10-6C-1 para un valor de 16,52 X 10-6C-1 . En este caso se trata de un intervalo de valores
que no es simtrico respecto al valor del coeficiente, por lo que la incertidumbre estndar se
calcula mediante la expresin:
u( xi )
b b
12
(a a )
12
27
b 0,12 10 6 0 C 1
b 0,40 10 6 0C 1
Calculando:
u B ( xi )
b
12
( 0,12 10 -6 0,40 10 6 )
0,15 10 6 0 C 1
12
f(x)
u=
U
k
28
u=
U 225 g
=
=75 g
k
3
Y y U
Donde:
y
es el mejor estimado del mensurando,
U
es la incertidumbre total o expandida de medicin y se determina mediante:
U kuc ( y )
Donde:
k
es un factor multiplicativo (de cobertura) que toma valores de 1 a 3;
u c ( y)
uc ( y)
u ( xi )
i 1 xi
Donde
u (x )
cada c i
es la incertidumbre estndar para cada Xi evaluada para cada variable, ya sea
del tipo A o B.
Las derivadas parciales:
f ( X 1 , X 2 ,..., X N )
f
xi
X i
xi
ci
Se les conoce como los coeficientes de sensibilidad y permiten saber cul es la variacin de la
magnitud de salida (mensurando), en funcin de las variaciones de las diferentes magnitudes
de entrada. Es aqu donde se ve la importancia de modelar matemticamente el proceso, ya
que de forma contraria, no se podran conocer las derivadas. El disear experimentos de
29
uc ( y)
u ( xi )
i 1 xi
Rescribiendo la ecuacin
uc ( y)
c u ( x )
i 1
como:
P f (V , R0 , , t )
V2
1 (t t 0 ) 1
R0
Solucin.
Se observa que las magnitudes de influencia (entrada) en este caso son:
uc ( y)
c u ( x )
i 1
30
f ( X 1 , X 2 ,..., X N )
f
xi
X i
xx
ci
Entonces:
c1
c2
c3
f (V , R0, , t )
V
f (V , R0, , t )
R0
f (V , R0, , t )
V2
1 t t 0 1
R0
V2
1 t t 0 1
R0
R0
V2
1 t t 0 1
R0
2V
1 t t 0 1
R0
V2
1
2 1 t t 0
R0
V 2 t t0
R0 1 t t 0
c4
f (V , R0, , t )
t
V2
1 t t 0 1
R0
V 2
R0 1 t t t
Sustituyendo se tiene:
2
2
V 2 t t 0 2
2V
V2
V 2
u ( y)
u
(
V
)
u
(
R
)
u
(
u (t )
0
2
2
R0 1 t t 0
R0 1 t t 0
R0 1 t t 0
R0 1 t t t
2
c
Y=y U
31
f.
Expresin de resultados
Antes de todo comenzaremos con definir algunos trminos relevantes en este captulo.
Resultado de medida (NMX-Z-55-IMNC-2009): es el conjunto de valores de una magnitud
atribuidos a un mensurando, acompaados de cualquier otra informacin relevante disponible.
Un resultado de medida contiene generalmente informacin relevante sobre el conjunto de
valores de una magnitud. Algunos de ellos representan el mensurando mejor que otros. Esto
puede representarse como una funcin de densidad de probabilidad.
El resultado de una medicin se expresa generalmente como un valor medido nico y una
incertidumbre de medida. Si la incertidumbre de medida se considera despreciable para n
determinado fin el resultado de medida puede expresarse como un nico valor medido de la
magnitud. En muchos campos esta es la forma habitual de expresar el resultado de medida.
Un valor(NMX-Z-55-IMNC-2009) de una magnitud es el conjunto formado por un nmero y una
referencia, que constituye la expresin cuantitativa de una magnitud. Por ejemplo la Longitud de
una varilla determinada: 5.34 m
La indicacin(NMX-Z-55-IMNC-2009)de un dispositivo de medida es el valor proporcionado por
un instrumento o sistema de medida. La indicacin puede presentarse en forma visual o
acstica, o puede transferirse a otro dispositivo. Frecuentemente viene dada por la posicin de
una aguja en un cuadrante, como una salida analgica, por un nmero visualizado o impreso,
como una salida digital, por un cdigo como salidas codificadas, o por el valor asignado, en el
caso de medidas materializadas.
Resultado no corregido es el resultado de una medicin antes de la correccin por error
sistemtico.
Resultado corregido es el resultado de una medicin despus de la correccin por error
sistemtico.
Una vez que los resultados de la medicin han sido sometidos a un tratamiento de correccin
porerrores y efectos sistemticos y anlisis estadstico de datos, obtenemos el valor medido,
que se define a continuacin.
Valor medido de una magnitud (NMX-Z-55-IMNC-2009) es el valor de una magnitud que
representa un resultado de medida.
En una medicin que incluya indicaciones repetidas, cada una de stas puede utilizarse para
obtener el correspondiente valor medido de la magnitud. Este conjunto de valores medidos
individuales de la magnitud, puede utilizarse para calcular un valor resultante de la magnitud
32
f.2.
Los dgitos o cifras significativas de un nmero, son todos aquellos que se obtienen
directamentedel proceso de medicin despus de eliminar todos los ceros que se ponen con el
nico propsito de colocarel signo o la coma decimal. Es importante no confundir los dgitos
significativos con el nmero de lugaresdecimales, para lo cual se presentan las siguientes
definiciones, ejemplos y criterios de expresin de losresultados de mediciones en informes o
certificados de calibracin o ensayo. Ejemplos y definiciones:
Dgito, trmino utilizado como sinnimo de la palabra cifra y que puede interpretarse como el
smboloque representa al cero y a los nueve primeros nmeros.
Nmero de cifras (dgitos) significativos, para un determinado valor, es el nmero de (cifras)
dgitos que se obtienen contando de izquierda aderecha del valor, a partir del primer dgito que
no sea cero. El cero es considerado como un dgito, exceptocuando se utiliza para localizar el
signo o la coma decimal como en 0,08 (un dgito significativo).
33
1
1.0
1.00
Dgitos
significativo
s en el dato
1
2
3
Lugares
decimales
en el dato
0
1
2
0.347
Dato
Observaciones
8.957
4
3
3
3.487x10
4
3
680
3
0
6.80x102
3
2
2
6.8x10
2
1
Tabla 5. Ejemplo de dgitos significativos y lugares decimales.
Es importante expresar el resultado, para que los usuarios puedan usar la informacin. Las principales
cosas que debe mencionar son:
El resultado de medicin y su incertidumbre.
l = 100,021 mm
l = 250,036 mm
l = 500,100 mm
con una incertidumbre de (0.8 + 0.002L); m
La incertidumbre anterior es reportada con k=2 para un nivel de confianza del 95.45 %
34
Aplicacin de la incertidumbre
La incertidumbre de medida supone una ayuda cuantitativa en aspectos importantes tales como
el control de riesgos y la credibilidad de los resultados de las mediciones que se realicen.
La incertidumbre de medida puede ser utilizada como mtodo de validacin y control del riesgo
en la toma de decisiones. En muchas las mediciones que se efectan de forma cotidiana no se
presta suficiente atencin a la validacin final de los resultados ni a los modelos de medicin.
Por tal motivo se necesitan de operaciones cotidianas de verificacin que necesitan gran
cantidad de informacin sobre el error en los datos y los parmetros del modelo. Estas
operaciones de validacin pueden sustituirse por un anlisis de incertidumbres.
Otra aplicacin importante de la incertidumbre de medida es sobre el resultado de medicin que
tenemos debido a que ofrece una ventaja competitiva del mismo al conocerse a travs de la
estimacin de la incertidumbre cuan confiable es nuestro mtodo y de esta forma aadirle
significado al resultado.A partir de esto se pueden adoptar medidas correctoras o preventivas
con mayor eficiencia, hacindolas ms eficaces con relacin a su costo.
Otra aplicacin prctica de la incertidumbre de medida es que ese valor constituye un punto de
partida para optimizar los procedimientos de medicin gracias a un mejor conocimiento del
proceso para el cual se ha calculado la incertidumbre.
Las organizaciones que realizan la certificacin de productos encuentran en la incertidumbre de
medida una aplicacin importante gracias a la informacin que da la misma sobre los resultados
de las mediciones que se realizan para evaluar y establecer la conformidad con las
especificaciones.
Para los usuarios de servicios de calibracin pueden reducir los costos por estos servicios si
con la evaluacin y estimacin de la incertidumbre de medida puede demostrarse que alunas
magnitudes de influencia no realizan una contribucin significativa a la incertidumbre de
medida.
Si observamos la siguiente figura podemos darnos cuenta que el desconocimiento de la
incertidumbre de medida en nuestros procesos puede provocarnos problemas financieros de la
empresa al decidir, por ejemplo, la compra de servicios de calibracin con incertidumbres
demasiado pequeas e innecesarias para nuestros procesosque solo me llevan a gastar ms
dinero.
Por el contrarioaldecidirnos por servicios de calibracin con incertidumbres muy grandes para
nuestro proceso igualmente caemos en la prdida importante de nuestras finanzas por posibles
sensibles prdidas de calidad de nuestros productos o servicios, que vamos a tener que ofrecer
a un precio ms bajo (en el mejor de los casos), o definitivamente dejarlos de ofrecer.
35
36
U=
ucal
k
Normalmente puede no coincidir el punto de calibracin con el valor reportado en el certificado. Existen
diversas formas posibles de entregar el valor de incertidumbre en el certificado. Estas son:
Error E
kPa
-0.087
-0.083
-0.073
%ET
-0.079
-0.075
-0.066
Incertidumbre de medida
expandida
kPa
%ET
0.038
0.034
0.036
0.033
0.036
0.032
( 0.45+ 0.06 L ) ; m
En forma de matriz,
Punto de
calibracin
2 mV
5 mV
10 mV
20 mV
50 mV
100 mV
1V
10 V
100 V
120 V
100 Hz
2397
959
479
233
124
65
51
51
26
172
500 Hz
2397
959
479
233
124
65
51
51
26
172
Alcance o
punto de
medicin
Masa
1g
5g
100 g
Incertidumbre expandida
Valor
0.01
0.016
5.00E-10
Unidades
mg
mg
mg
37
u=
U
k
Los casos problemticos son aquellos en los que el punto de calibracin o medicin no tengan de forma
puntual declarada su incertidumbre.
En estos casos el usuario del informe o certificado de calibracin tiene que conocer muy bien el contenido
del informe o certificado y saber utilizar la informacin que en l se nos ofrece. Por ejemplo, si la
incertidumbre viene expresada en forma de la siguiente ecuacin:
u= ( 0.048+ 0.5 L ) ;
y el instrumento que se calibr tiene un alcance de 0 mm a 1106 mm, se deber sustituir la longitud que
se desea conocer en la ecuacin y como resultado se tendr la incertidumbre para el punto en cuestin.
y 2
y y
u xi 2
u
u xi u x j r xi , x j
i 1 xi
i , j xi x j
2
38
u der
Deriva
2 3
Descenso
-3
103
98
-3 2
100
39
ucero
u res
f.
resolucin
2 3
x
n
ur
sx
i 1
n(n 1)
40
x
n
ur
sx
n
i 1
n(n 1)
ef
U C4 ( y )
n
ci4u 4 ( xi )
i
i 1
Cuando los valores de una magnitud de entrada siguen una distribucin normal, la medida de la
incertidumbre Tipo A, es el nmero de grados de libertad del estimado cuando se determina una sola
magnitud de salida = n 1.
Los grados de libertad asociados a una incertidumbre de tipo B son mucho ms difciles de estimar; se
propone un mtodo de estimacin para los casos generales de evaluacin tipo B que se basa en el
empleo de la expresin siguiente:
1 U ( xi )
i
2 U ( xi )
La magnitud entre corchetes es una medida de la incertidumbre de u(xi), cuyo valor se puede obtener a
partir de la experiencia o el conocimiento que se tenga del procedimiento de medicin. No obstante,
cuando se establecen fronteras - que es un caso tpico en la actividad de calibracin - los lmites se
eligen de modo tal, que la probabilidad de que los valores de la magnitud puedan ser encontrados fuera
de ellos es extremadamente pequea, y en ese caso los grados de libertad pueden considerarse
infinitos. La relacin entre los valores del coeficiente de Student, el nmero de grados de libertad
efectivos y el nivel de confianza deseado se muestra en la tabla siguiente:
41
Grados de libertad ()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
25
30
35
40
45
50
100
68,27(a)
90
95
1,84
1,32
1,20
1,14
1,11
1,09
1,08
1,07
1,06
1,05
1,05
1,04
1,04
1,04
1,03
1,03
1,03
1,03
1,03
1,03
1,02
1,02
1,01
1,01
1,01
1,01
1,005
1,000
6,31
2,92
2,35
2,13
2,02
1,94
1,89
1,86
1,83
1,81
1,80
1,78
1,77
1,76
1,75
1,75
1,74
1,73
1,73
1,72
1,71
1,70
1,70
1,68
1,68
1,68
1,660
1,645
12,71
4,30
3,18
2,78
2,57
2,45
2,36
2,31
2,26
2,23
2,20
2,18
2,16
2,14
2,13
2,12
2,11
2,10
2,09
2,09
2,06
2,04
2,03
2,02
2,01
2,01
1,984
1,960
Fraccin p en %
95,45(a)
13,97
4,53
3,31
2,87
2,65
2,52
2,43
2,37
2,32
2,28
2,25
2,23
2,21
2,20
2,18
2,17
2,16
2,15
2,14
2,13
2,11
2,09
2,07
2,06
2,06
2,05
2,025
2,000
99
99,73(a)
63,66
9,92
5,84
4,60
4,03
3,71
3,50
3,36
3,25
3,17
3,11
3,05
3,01
2,98
2,95
2,92
2,90
2,88
2,86
2,85
2,79
2,75
2,72
2,70
2,69
2,68
2,626
2,576
235,8
19,21
9,22
6,62
5,51
4,90
4,53
4,28
4,09
3,96
3,85
3,76
3,69
3,64
3,59
3,54
3,51
3,48
3,45
3,42
3,33
3,27
3,23
3,20
3,18
3,16
3,077
3,000
i.
Nivel de confianza.
La incertidumbre expandida U indica un intervalo que representa una fraccin p de los valores que puede
probablemente tomar el mensurando. El valor de p es llamado el nivel de confianza y puede ser elegido a
conveniencia.
En el medio industrial, a menudo se elige el nivel de confianza de manera tal que corresponda a un factor
de cobertura como un nmero entero de desviaciones estndar en una distribucin normal.
Por ejemplo, en una distribucin normal, k=1 corresponde a p=68.27% y k=2 a p=95.45%.
42
Los valores que se suelen utilizar para el nivel de confianza son el 95.45%, 99% y 99,9%
43
j.
Factor de cobertura.
A priori podemos establecer que el factor de cobertura es un factor numrico usado como multiplicador de
la incertidumbre estndar combinada con el propsito de obtener una incertidumbre expandida
Se debe decidir el grado de confianza que se busca en la correccin del valor estimado del intervalo;
por supuesto se espera que el valor de la media poblacional se encuentre dentro de dicho valor del
intervalo. Generalmente, se elige un intervalo de confianza del 95 %.
Para alcanzar un nivel de confianza del 95 % se selecciona la amplitud ms pequea que se encuentre
bajo la distribucin normal de la media muestral que encierra el 95 % de la probabilidad. Por supuesto se
trata del sector medio del rea bajo la curva excluyendo el 2,5 %, es decir:
(100 % -95 % = 5 %/2 = 2,5 %) a ambos lados de los extremos de dicha curva (Vase figura 17).
error de muestreo
(1,96) (1,96)(0,18 m)
0,04
n
100
m
Sustituyendo:
1,77 m
1,69 m
44
p(x)
=1,73 m
1,69 m
Primer error
x4
x1
x2
x3
1,77m
x5
x 20
valor estimado de .
A medida que aumenta el tamao de una muestra, la distribucin de X se concentra alrededor
de y el intervalo de confianza se hace ms angosto y preciso.
d. Si se desea tener ms confianza en el intervalo calculado, entonces se debe dejar menos rea
fuera de los extremos de la grfica de la funcin de distribucin normal (vase figura 19) a) y b),
y as aumenta la magnitud del intervalo de confianza, aunque se pierde precisin.
c.
45
p (x)
-error +error
p (x )
x
+erro
Figura 19 a) Mayor rea bajo la curva = menor precisin; b)
Menor rea bajo la curva = mayor precisin.
Pero lo que interesa es el clculo de la incertidumbre expandida, la cual se puede determinar mediante la
ecuacin.
U kuc ( y )
Donde:
k: factor de cobertura, que no es otra cosa ms que el grado o nivel de confianza que desea asociar al
intervalo de confianza.
En la calibracin de los instrumentos de medicin, generalmente se recomienda el valor convencional k =
2, que corresponde a un nivel de confianza aproximado del 95.45% para una distribucin normal.
Estimar el factor de cobertura significa considerar la incertidumbre de uc (y), es decir, qu tan bien Uc (y)
estima la variabilidad asociada al resultado de la medicin. Para ello, debemos de partir del conocimiento
que se tenga de la distribucin de probabilidades que describe la magnitud de salida.
Si las distribuciones de probabilidad de las magnitudes de entrada -de las cuales depende la magnitud
de salida-, son conocidas y, si la funcin que las relaciona es una funcin lineal, la distribucin de
probabilidades de la magnitud de salida se puede obtener mediante la convolusin (relacionar dos
funciones en una tercera) de las distribuciones de probabilidad de las magnitudes de entrada. El valor del
factor de cobertura se determina entonces a partir de la distribucin convolusionada resultante.
Como lo anterior generalmente no se cumple, en la prctica se aplica el teorema del lmite central, el
cual establece que: La distribucin de los valores de la magnitud de salida puede ser considerada
aproximadamente como una distribucin normal,si su varianza 2(y) es mucho mayor que
cualquiera de las contribuciones individuales Ci2 2(xi) de las magnitudes de entrada.
Una consecuencia prctica inmediata del teorema del lmite central es que, cuando la incertidumbre
combinada de un resultado de medicin no est dominada por una de las componentes de incertidumbre
estndar de las magnitudes de entrada, una buena aproximacin para calcular la incertidumbre
expandida Up = k*uC(y) que define un intervalo de confianza con un nivel de confianza P, es asignar a k
46
Factor de cobertura k
68,27
1
90
1,654
95
1,960
95,45
2
99
2,576
99,73
3
Tabla 6. Valor del factor de cobertura con un nivel de confianza
Para obtener una mejor aproximacin en la definicin de los intervalos de confianza, se requiere emplear
la distribucin t de Student y el factor de cobertura k:
k t ef
47