7 Metodo Montecarlo

17/08/2015
Estimacin de incertidumbre en
las mediciones: GUM y mtodo de
Monte Carlo para principiantes
Agosto 2015
Instructores:
Ana Lilia Lpez Snchez (alopez@cenam.mx)
Alfredo Elas Jurez (aelias@cenam.mx)
Tel.
Tel. (442) 2 11 05 00 ext. 3599 y 3515
Grupo de Ultrasonido, Direccin de Vibraciones y Acstica

Direccin General de Metrologa Fsica, CENAM.
Objetivo
Que el participante adquiera los conocimientos

bsicos para realizar la estimacin de
incertidumbre en las mediciones;
- empleando la ley de propagacin de incertidumbres

conforme a la GUM (Guide to the Expression of Uncertainty in
Measurement), y
- el Suplemento 1 de la GUM (mtodo de Monte Carlo).
Estimacin de incertidumbre en las mediciones: GUM y mtodo de Monte Carlo para principiantes.
2
1
17/08/2015
El participante identificar,
con base en un modelo de medicin,
Los datos y parmetros estadsticos

que necesariamente requiere un
presupuesto de incertidumbres;
en el caso del mtodo de Monte Carlo, se utilizar

software libre para realizar la propagacin de
distribuciones de probabilidad.
OCTAVE
3
Descripcin del curso
Se revisa la metodologa GUM para la estimacin

de incertidumbres de medida; contrastando los
resultados obtenidos entre dos tcnicas
(combinacin de varianzas vs. mtodo de Monte Carlo).
Se sugiere que cada participante proporcione un problema de

estimacin de incertidumbres; de ser posible, con datos reales
de un proceso de calibracin, medicin o publicacin tcnica.
4
2
17/08/2015
Temario
0. Motivacin y Referencias clave
1. Introduccin: modelo de una medicin
2. Repaso de conceptos bsicos de probabilidad y estadstica.
3. Estimando la incertidumbre de una medicin conforme al

mtodo de la Guide to the expression of uncertainty in
measurement (GUM).
4. Estimando la incertidumbre de medicin utilizando el mtodo

de simulacin Monte Carlo.
5. Reflexiones y consideraciones finales en su aplicacin
GUM: Guide to the Expression of Uncertainty in Measurement, BIPM, lEC, IFCC, ISO, IUPAC, lUPAP, OIML. Equivalente
a la norma NMX-CH-140-IMNC 2002 Gua para la expresin de la incertidumbre en las mediciones.
5
0. Motivacin/ un caso de aplicacin
Instrumentacin y cadenas de medicin en aplicaciones de ultrasonido
Instrumentacin tpica
Procedimiento
prctica
Cdigo,
+ + + + =
Recomen-
norma,
dada, etc.
Bloques Referencia
Unidades de referencia Personal Normativa
Medidores rastreadoras y accesorios calificado
y detectores (transductores) (ej. acoplante)
+ ? =
6
3
17/08/2015
0. Motivacin/ es relevante el tema de

la incertidumbre de medida?
Condiciones 25.4 mm?

ambientales
exteriores 25.6 mm?
mm
Tubera ? 25.35 mm?
Condiciones
ambientales Medidor
interiores ultrasnico de
espesor
Espesor
Cmo indica o declara actualmente el valor de

espesor de una tubera?
7
0. Motivacin/ incertidumbre en la
evaluacin de la conformidad?
Tolerancia Tolerancia
inferior superior
No Pasa Pasa No Pasa
Valores medidos considerando la dispersin de los datos debido al

proceso de medicin y/o usuario.
8
4
17/08/2015
0. / Referencias clave
http://www.bipm.org/en/publications/guides/gum.html
9
JCGM 100:2008 / aka la GUM
0.1 When reporting the result of a measurement of a

physical quantity, it is obligatory that some quantitative
indication of the quality of the result be given so that those
who use it can assess its reliability. Without such an
indication, measurement results cannot be compared, either
among themselves or with reference values given in a
specification or standard. It is therefore necessary that there
be a readily implemented, easily understood, and generally
accepted procedure for characterizing the quality of a result
of a measurement, that is, for evaluating and expressing
its uncertainty.
10
5
17/08/2015
1. Introduccin/
Fuente: Essential Mathematics and Statistics for Science, 2nd Edition, Graham Currell & Antony Dowman,
The University of the West of England, UK, A John Wiley & Sons, Ltd., Publication
https://archive.org/details/MathematicsAndStatistics
11
1. Introduccin/
Fuente: Essential Mathematics and Statistics for Science, 2nd Edition, Graham Currell & Antony Dowman, The University of the West of
England, UK, A John Wiley & Sons, Ltd., Publication
12
6
17/08/2015
1. Introduccin/
La cuantificacin de la incertidumbre debe obtenerse sobre la base de un adecuado entendimiento

del proceso de medicin involucrado y del sistema sujeto a medicin
13
Fuente: Essential Mathematics and Statistics for Science, 2nd Edition, Graham Currell & Antony Dowman, The University of the West of
England, UK, A John Wiley & Sons, Ltd., Publication
14
7
17/08/2015
Mensurando se mide directamente

Ej.: Medicin del volumen de un cilindro por
desplazamiento de agua.
Mensurando se mide de forma indirecta d

Clculo del mensurando a partir de otras
magnitudes medidas.
h
/4)d^2h
Ej.: Volumen de un cilindro: V = (
VERSIN VIM 2008
15
CEM, Evaluacin de datos de medicin, Gua para la expresin de la incertidumbre de medida

http://www.cem.es/sites/default/files/gum20digital1202010.pdf
16
8
17/08/2015
1. Introduccin/
17
2. Repaso de conceptos bsicos de

probabilidad y estadstica.
Mensurando
Resultado no Dispersin por

corregido errores aleatorios
Tolerancia
Correccin
(error sistemtico)
Valor verdadero
Resultado corregido Incertidumbre
Tolerancia
18
9
17/08/2015
n
y = f ( xi ,..., xm )
(x x)
n
(q )
1 2 1 2
s 2 (q) = j q
2 = i
n 1 j =1
n 1 i =1
x
1
x= i
n i =1
f f
cl = =
xl X l X l = xl K X N = x N
u (xi , x j )
r (xi , x j ) =
u ( xi ) u (x j )
uc4 ( y)
ef = n n 1 N
u ( y)u ( y)r ( x , x )
N
ui4 ( y)

i =1
i
u 2 ( y) =
i =1
ui2 ( y ) + 2
i =1 k = i +1
i k i k
19

Definiciones iniciales y / Etc.,
J. N. Razo Razo,
Estimacin Incertidumbre
de incertidumbre enmediciones:
en las la integracin numrica
GUM de curvas
y mtodo de medicin
de Monte Carlo para, principiantes.
mayo 2003
20
10
17/08/2015

Probabilidad, funciones de densidad probabilstica

(probability density functions, PDFs) de uso comn,
esperanza y momentos de una variable aleatoria.
Parmetros estadsticos: mediana, moda, media

aritmtica, varianza, desviacin estndar,
incertidumbre estndar, histograma de resultados.
Nivel de confianza, factor de cobertura,

incertidumbre combinada vs. incertidumbre
expandida
21

* CEM, Evaluacin de datos de medicin, Gua para la expresin de la incertidumbre de medida

22
11
17/08/2015

CEM, Evaluacin de datos de medicin, Gua para la expresin de la incertidumbre de medida

23

C.2.1 probabilidad
nmero real, entre 0 y 1, asociado a un suceso aleatorio
C.2.4 funcin de distribucin

funcin que da, para cada valor de x, la probabilidad de que la
variable aleatoria X sea menor o igual que x: F(x) = Pr(X x)
C.2.5 funcin de densidad de probabilidad (para

una variable aleatoria continua)
es la derivada (cuando existe) de la funcin de distribucin:
f(x) = dF(x)/dx
24
12
17/08/2015

C.2.19 media aritmtica; valor medio

suma de valores dividida entre el nmero de valores

Mediana: el valor central de los datos ordenados.

Moda: el valor que ms veces se repite.
25

C.2.9 esperanza matemtica (de una variable aleatoria

o de una distribucin de probabilidad); valor esperado;
media
0 Para una variable aleatoria continua X, con funcin de densidad de
probabilidad f(x), la esperanza, si existe, es

C.2.13 momento central de orden q

en una distribucin de una nica variable, es la esperanza matemtica de
la q-sima potencia de la variable aleatoria centrada (X ):

26
13
17/08/2015

C.2.20 varianza
medida de dispersin, igual a la suma de los cuadrados de las
desviaciones de las observaciones con respecto a su valor medio,
dividido por el nmero de observaciones menos uno.
Media Desviacin estndar experimental

n
1
(x x i )
2
del mensurando s =
n 1 i =1
s2 : Varianza experimental
Medida de su Dispersin
27
C.2.18 distribucin de
frecuencia
relacin emprica entre los valores de una
caracterstica y sus frecuencias o
frecuencias relativas
NOTA La distribucin puede representarse grficamente como un
histograma (ISO 3534-1:1993, definicin 2.17), un diagrama de
Valores barras (ISO 3534-1:1993, definicin 2.18),
Tiempo
28
14
17/08/2015
y funciones de densidad de probabilidad (PDF)
Los histogramas permiten visualizar de manera

preliminar la distribucin, a partir de su envolvente.
8 10
7 9
8
6
Frecuencia
Frecuencia
7
5 6
4 5
3 4
3
2
2
1 1
0 0
107 108 109 110 111 112 113 114 115 116 107 108 109 110 111 112 113 114 115 116
Clase Clase
uniforme? normal?
29
f(x)
= Distribucin de Laplace-Gauss
= Distribucin Gaussiana
x
+
1 (x ) 2
f (x ) = exp
2 2 2
= Media
= Desviacin estndar
30
15
17/08/2015
Probabilidad de encontrar x en un intervalo:

f(x)
b
P[a x b] = f (x )dx
a
x

3
2 + +2 +3
Intervalo 2 3
Nivel de Para una distribucin normal
confianza 68,3% 95,4% 99,7%
31
Ref. VIM, JCGM 200:2008, trad. Espaol.
90
80
70
60
50
40
30
20
10
0
32
16
17/08/2015
Fuente: Ref. NMX-CH-140-IMNC
33
U = k uc
k 1 2 3
nivel de
confianza 68,3% 95,4% 99,7%
Aumentar el nivel de confianza.

k es elegido por el usuario
-3uc -2uc -uc +uc +2uc +3uc
segn conveniencia.
La incertidumbre estndar uc representa un intervalo que contiene el valor verdadero del

mensurando con una probabilidad p de 68% aproximadamente, llamado el nivel de
confianza. Para obtener una probabilidad mayor, se expande el intervalo de
incertidumbre por un factor k, llamado factor de cobertura. El resultado se llama
incertidumbre expandida
34
17
17/08/2015
3. Estimando la incertidumbre de una medicin conforme al

mtodo de la Guide to the expression of uncertainty in
measurement (GUM).
3.1 Mensurando, variables de influencia y variables de entrada (del

modelo de medicin).
3.2 Ley de propagacin de incertidumbres: con y sin correlacin de

variables.
3.3 Coeficientes de sensibilidad y el peso de las contribuciones en la

incertidumbre de una medicin.
3.4 Incertidumbre: Tipo A vs. Tipo B.
3.5 Componentes mnimos en un presupuesto de incertidumbres.
3.6 Ejercicio ilustrativo: medicin de espesores utilizando ultrasonido.
35
3. Estimando la incertidumbre de una

medicin conforme al mtodo de la GUM
Parmetro no negativo que caracteriza la dispersin de los valores

atribuidos a un mensurando, a partir de la informacin que se utiliza.
La incertidumbre es un intervalo de valores en el

25.4 mm?
cual estimamos que se encuentra el valor
verdadero con una probabilidad asociada. 25.6 mm?
La incertidumbre se estima, no es una cuantificacin 25.35 mm?

exacta.
El nivel de incertidumbre apropiado depende del

uso intencionado.
NOTA. El parmetro puede ser, por ejemplo, una desviacin tpica (o un mltiplo de ella), o el semi
intervalo con un nivel de confianza determinado.
36
18
17/08/2015

definicin incompleta del mensurando;

Fuentes posibles de realizacin imperfecta de la definicin del mensurando;

muestra no representativa del mensurando;
incertidumbre

lectura sesgada de instrumentos analgicos, por parte del tcnico;
resolucin finita del instrumento de medida;
conocimiento incompleto de los efectos de las condiciones

ambientales en la medicin, o medicin imperfecta de las mismas.
valores inexactos de los patrones de medida;
valores inexactos de constantes y otros parmetros tomados de

fuentes externas;
variaciones en las observaciones repetidas del mensurando, en
condiciones aparentemente idnticas.
37

38
19
17/08/2015

Esta Gua proporciona reglas

generales para evaluar y
expresar la incertidumbre de
medida de una magnitud fsica
bien definida, el mensurando.
39
Procedimiento de evaluacin y expresin de la

incertidumbre conforme al mtodo de la GUM
1) Modelo matemticamente de la relacin entre el mensurando y las magnitudes de
entrada .
2) Determinar el valor estimado de las magnitudes de entrada
3) Evaluar la incertidumbre estndar de cada estimacin de entrada.
4) Evaluar las covarianzas asociadas a todas las estimaciones de entrada que estn
correlacionadas.
5) Calcular la estimacin del mensurando.
6) Determinar la incertidumbre estndar combinada del mensurando.
7) Determinar la incertidumbre expandida.
8) Documentar el resultado de medicin junto con su incertidumbre.
40
20
17/08/2015

Magnitud que se desea medir.

Cantidad particular objeto de una medicin.
En general, un proceso de medicin involucra cantidades de entrada

cuyo valor estimado, , contribuyen al valor estimado del mensurando o
cantidad de salida, .
Proceso
de
medicin
, , ,
41

entrada .
Relacin matemtica existente entre el mensurando (Y ) y las magnitudes
de entrada (Xi ) de las que depende Y.
, , ,
Decidir qu se quiere medir.
Decidir qu mediciones y clculos se requieren para obtener el

resultado final.
Ejemplo:
"# $#"%"& '&( $#"%" '&( "# ###)*%&
42
21
17/08/2015

entrada .
Ejemplos:
Mensurando Modelo Magnitudes de entrada
Volumen de un cilindro: ,
+
m : Masa .
- : Densidad
Error del instrumento: E = L Lref L : Lectura del instrumento

Lref : Valor de referencia
Longitud de un bloque: l = L+C L: Lectura del instrumento de
medicin
Medicin directa
C: Correccin
43


entrada .
Volumen de un cilindro.
0
.
' 0 1
1 4
' Volumen del cilindro Mensurando

0 Dimetro del cilindro
Magnitudes de
1 Altura del cilindro entrada
44
22
17/08/2015

2) Determinar el valor estimado de la magnitud de entrada 2 .
Las magnitudes de entrada pueden ser a su vez mensurandos,

pudiendo depender de otras magnitudes.
Se pueden determinar a partir del anlisis estadstico de una serie de

observaciones.
Ejemplo:
3#*45& "#( %)645$#)4
45

Magnitudes cuyos valores e incertidumbre se introducen en la

medicin procedentes de fuentes externas:
Magnitudes asociadas a patrones,
Materiales de referencia certificados
Valores de referencia tomados de publicaciones.
Ejemplo:
'&( $#"%" 3#*45& "#( %)645$#)4 7 8 #**%)
Por el instrumento Por magnitudes de

influencia (ej. temperatura,
presin atmosfrica, o
humedad)
46
23
17/08/2015

Dimetro del cilindro.

D
0 0:;< 7 8=>? 7 8@A=<.C:D.

h
Certificado de Material del

calibracin del instrumento.
instrumento de
medicin.
Regla.
Correccin = 0 mm.
U = 0.1 % de la lectura, k=2.
47

Altura del cilindro.

D
1 1:;< 7 8=>? 7 8@A=<.C:D.

h
Material del
Certificado de
instrumento.
calibracin del
instrumento.
Regla.
Correccin = 0 mm.
U = 0.1 % de la lectura, k=2.
48
24
17/08/2015

3) Evaluar la incertidumbre estndar, E , de cada estimacin de entrada .
a) Identificacin de b) Clasificacin segn d) Determinacin

c) Distribucin de
las fuentes de su mtodo de incertidumbre
probabilidad.
incertidumbre. evaluacin. estndar.
Certificado de Tipo A. Tipo A.

calibracin. Se evala por anlisis a partir de distribucin
Resolucin del estadstico de una serie de frecuencia
instrumento. de observaciones. observada.
Repetibilidad de Tipo B. Tipo B.
las lecturas. Adopcin de valores distribuciones
Bibliografa. externos al proceso de supuestas a priori.
medicin.
49

Fuente de Distribucin Expresin para obtener Comentarios o ejemplos

incertidumbre de E
probabilidad
F
Resolucin del Rectangular E Un termmetro digital con una
I.
instrumento (tipo B) 12 resolucin de 0.1C. E C

Repetibilidad de Normal
E J Evaluacin estadstica de la
las lecturas (tipo A) repetibilidad proporciona el resultado
J en trminos de una desviacin

J
estndar; por lo que no es necesario
realizar un procesamiento adicional.

JK
L La repetibilidad del proceso depende

L de factores como: instrumento
utilizado, el mtodo de medicin, y en
algunas ocasiones de la persona que
realiza la medicin.
50
25
17/08/2015

Fuente de Distribucin Expresin para obtener Comentarios o ejemplos

incertidumbre de E
probabilidad
Certificado de Normal M Un certificado de calibracin expresa
E
calibracin del (tipo B) N una incertidumbre expandida U, con un
instrumento factor de cobertura (k) que corresponde
a un nivel de confianza informado.
Especificaciones Normal E Algunas especificaciones de fabricantes

del fabricante (tipo B) O,QR R QSTRUFVF se indican para un nivel de confianza, en

N estos casos se supone una distribucin
normal y el lmite de tolerancia se divide
entre el correspondiente factor de
cobertura.
Si no se especifica un nivel de confianza,

entonces se debe suponer una
distribucin uniforme.
51

Distribucin de Expresin para obtener Comentarios o ejemplos

probabilidad E
F
Triangular E La combinacin de dos distribuciones uniformes
W idnticas, cada una con lmites del semi-intervalor de
X &, resulta en una distribucin triangular con un
semi-intervalor de X2&.
52
26
17/08/2015

Repetibilidad
Resolucin del instrumento 0:;<
Dimetro de
Certificado de calibracin del instrumento 8=>?
un cilindro
Repetibilidad
0
Resolucin del termmetro Z
Certificado de calibracin del termmetro
Bibliografa
53

4) Evaluar las covarianzas asociadas a todas las estimaciones de entrada que estn
correlacionadas
, , ,
Covarianza estimada de dos magnitudes de entrada y \ :
Si las observaciones
5 , \ 6 , \ son realmente no
correlacionadas, la
covarianza calculada
ser prxima a cero.
=
1
6 , \ \ \
) )1
]
Donde y \ son las medias aritmticas determinadas a partir de pares

independientes de observaciones simultneas de y \ , realizadas en las mismas
condiciones de medida.
54
27
17/08/2015

5) Calcular el resultado de medicin
La estimacin del mensurando , a partir de la relacin funcional

utilizando para las magnitudes de entrada las estimaciones
obtenidas en el paso 2.
Cul es el valor calculado del mensurando?

Magnitud de Lecturas registradas Valor Modelo matemtico Mensurando
entrada Promedio Y
xi 1 2 3 / N x

, , ,

55

Dimetro de un cilindro
0 0:;< 7 8=>? 7 8@A=<.C:D.
Variable/Fuente de Valor Origen de la Tipo de distribucin Incertidumbre estndar,

incertidumbre informacin E
Dimetro medido, _,R
Repetibilidad Lecturas A. Normal
Resolucin Instrumento B. Uniforme
Correccin del
instrumento, `JQ
Calibracin Certificado B. Normal.k=2
56
28
17/08/2015

Altura de un cilindro
1 1:;< 7 8=>? 7 8@A=<.C:D.

Altura medida, a,R
Repetibilidad Lecturas A. Normal
Resolucin Instrumento B. Uniforme
Correccin del
instrumento, `JQ
Calibracin Certificado B. Normal.k=2
57

6) Determinar la incertidumbre estndar combinada del mensurando, EV b
La incertidumbre tpica combinada 5@ es la raz cuadrada positiva de la

varianza combinada 5@ , dada por:

c
5@ 5 Ley de propagacin de incertidumbre
c
magnitudes de entrada independientes

5@ * 5
5

c
*
contribucin de cada fuente a la incertidumbre
Coeficiente de sensibilidad, es el
impacto de cada fuente sobre el c combinada.
mensurando.
58
29
17/08/2015

La incertidumbre tpica combinada 5@ es la raz cuadrada positiva de la varianza

combinada 5@ , dada por:
f
c c c
5@ 5 7 2 5 , \
c c c\
\ e
Ley de propagacin de incertidumbre
magnitudes de entrada correlacionadas
f
5@ * 5 7 2 * *\ 5 5 \ , \
\ e
5 , \

Coeficiente de Covarianza estimada
correlacin entre y \ . asociada a y \ .
5 5 \
59

Dimetro de un cilindro
5@ 0 5ghij 0 7 5klmno,pqr 0

c0 c0
5@ 0 5 0:;< 7 5 8=>?,@Cs
c0:;< c8=>?,@Cs
6 0:;<

t#6 0:;<

c0
5 0:;< 7 *ghij 1
)ghij 12 c0:;<
u@Cs 8=>?,@Cs

c0
5 8=>?,@Cs *klmno,pqr 1
vklmno,pqr c8=>?,@Cs
60
30
17/08/2015

Variable/Fuente de Valor Tipo E V contribucin

incertidumbre distribucin V E
Dimetro medido,
_,R
Repetibilidad
Resolucin
Correccin por
instrumento, `JQ
Calibracin
5@ 0 5ghij 0 7 5klmno,pqr 0

5@ 0 *ghij 5 0:;< 7 *klmno,pqr 5 8=>?,@Cs
61

Teorema del Lmite Central:
La distribucin del mensurando Y es (aproximadamente) normal, si las

contribuciones Xi son independientes (no correlacionadas) y la varianza s2(Y)
es mucho ms grande que cualquier componente individual ci2s2(Xi) cuya
distribucin no sea normal.
Intervalo 2 3
Nivel de
confianza 68.3% 95.4% 99.7%

3
2 + +2 +3
Factor de cobertura k=1 k=2 k=3
62
31
17/08/2015

7) Determinar la incertidumbre expandida
u v 5@
Xu u 7u
De acuerdo con prcticas internacionales

generalmente aceptadas, se recomienda
que se utilice un factor de cobertura de k=2 k=?
para calcular la incertidumbre expandida.
Este valor de k dar un nivel de confianza
de aproximadamente 95%, suponiendo y-U y y+U
una distribucin normal.
63

8) Documentar el resultado de medicin junto con su incertidumbre
0Xu
con U determinada con un factor de cobertura k = 2, basado en una distribucin

normal del error de medida, definiendo un intervalo estimado para tener un nivel de
confianza de aproximadamente 95%.
64
32
17/08/2015

Resultado: Y Mensurando
y Mejor estimado del mensurando
Y=yU con k = ? @ x % U Incertidumbre expandida
Ejemplos de expresin de resultados en la magnitud de longitud:

a) D = (1.025 3 0.002 3) km (k=2 @ 95 % nivel de confianza)
b) D = 1.025 3 km 2.3 m (k=2 @ 95 % nivel de confianza)
c) D = 1.025 3 km 0.22 % (k=2 @ 95 % nivel de confianza)
d) D = 1.025 3 km 2.210-3 (k=2 @ 95 % nivel de confianza)
e) D = 1.025 3 km, U = 2.3 m (k=2 @ 95 % nivel de confianza)
f) D = 1.025 3 km, U = 0.22 % (k=2 @ 95 % nivel de confianza)
g) D = 1.025 3 km, U = 2.210-3 (k=2 @ 95 % nivel de confianza)
65

. D
Volumen de un cilindro ' 0 1
4
h
5@ ' *g 5 0 7 * 5 1
c' . ' c' . '

*g 20 1 2 * 0
c0 4 0 c1 4 1
Usando incertidumbres relativas

5@ ' 5 0 5 1
2 7
' 0 1
66
33
17/08/2015

Cable
Unidad
Mensurando:
rastreadora
(transductor) Error de medida ()
Acoplante
Magnitudes de entrada:
Reflexin (eco)
Espesor medido ( )

Bloque de referencia
Espesor de referencia ( )
Medidor
,
67


entrada .
Relacin matemtica existente entre el mensurando (Y ) y las magnitudes
de entrada (Xi ) de las que depende Y.
"# $#"%"& 6#6 $#"%" 6#6 "# ###)*%&
# (:;< (;
68
34
17/08/2015


entrada .
Las magnitudes de entrada Xi, 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 correccin de los efectos sistemticos.
(; (@Cs 1 7 4 4@Cs 7 (C@
Longitud del bloque Coeficiente de Temperatura del Temperatura de Espesor de la capa de

patrn dada en su dilatacin trmica bloque durante la calibracin del acoplante a la
certificado de lineal del bloque medicin bloque temperatura de
calibracin patrn medicin.
69


entrada.
# (:;< (@Cs 1 7 4 4@Cs (C@
70
35
17/08/2015

2) Determinar el valor estimado xi de la magnitud de entrada Xi.

A partir del anlisis estadstico de una serie de observaciones:
d1 (mm) d2 (mm) d3 (mm) d4 (mm) d5 (mm) d6 (mm) d7 (mm)
(:;< 2.543 5.072 7.635 10.165 12.708 19.042 25.40 observaciones

2.541 5.08 7.633 10.166 12.700 19.036 25.40
repetidas e
independientes.
2.547 5.087 7.635 10.162 12.706 19.034 25.41
2.541 5.084 7.627 10.168 12.704 19.053 25.40
2.543 5.08 7.624 10.165 12.708 19.047 25.398
2.543 5.081 7.631 10.165 12.705 19.042 25.401 media aritmtica
(n = 5)
Temperatura del bloque.

4 21.3 C Al iniciar la medicin.
4 21.4 C Temperatura promedio del
4
bloque durante la medicin.
21.5 C Al finalizar la medicin.
71

2) Determinar el valor estimado xi de la magnitud de entrada Xi.

Magnitudes cuyos valores e incertidumbres se introducen en la medicin
procedentes de fuentes externas:
(@Cs (mm)
2.543
1.1 x 10-5 (C-1) (C@ (0 0.005) mm
5.085
7.621
Del certificado de De bibliografa. De estudio realizado.
10.161
calibracin del
bloque. 12.702
19.048
25.400
uspqr 0.004 (mm) 4@Cs (20 0.2) C
Del certificado de calibracin del bloque.
72
36
17/08/2015

Repetibilidad
Resolucin del medidor ultrasnico de espesores (:;<
Repetibilidad
Resolucin del termmetro 4

Certificado de calibracin del termmetro
Certificado de calibracin del bloque de referencia (@Cs #
Certificado de calibracin del bloque de referencia 4@Cs
Bibliografa
Medicin del espesor de la capa de acoplante. (C@
73

Ej. Longitud del bloque de 2.543 mm

Espesor medido, T,R 2.543 mm
Repetibilidad 0.002 mm Lecturas A. Normal 0.001 mm
Resolucin 0.001 mm Cartula B. Uniforme 2.887x10-4 mm
Longitud del bloque, TVFT 2.543 mm
Calibracin 0.004 mm Certificado B. Normal.k=2 0.002 mm
Temperatura del bloque, Q 21.4 C
Repetibilidad 0.14 C Lecturas A. Normal 0.1 C
Resolucin 0.1 C Cartula B. Uniforme 0.03 C
Calibracin 0.2 C Certificado B. Normal.k=2 0.1 C
Temp. calibracin bloque, QVFT 20 C
Calibracin 0.2 C Certificado B. Uniforme 0.06 C
Coef. dil. trmica lineal, 1.1x10-5 C-1
Bibliografa 1.1x10-6 C-1 Referencia B. Uniforme 3.18x10-7 C-1
Espesor capa acoplante, TFV 0 mm
Informe de incertidumbre en las mediciones:
Estimacin 0.005 mm GUM y mtodo
Informe de Monte Carlo
B. Normal.k=2
para principiantes. 0.0025 mm
37
17/08/2015

5) Calcular la estimacin b del mensurando , a partir de la relacin funcional utilizando para
las magnitudes de entrada 2 las estimaciones
# (:;< (@Cs 1 7 4 4@Cs (C@
(;
Espesor Medido Espesor Referencia Error de medida

T,R TUR R
(mm) (mm) (mm)
2.543 2.543 0.000
75

5@ # 5shij # 7 5spqj # 7 5 # 7 5? # 7 5?pqj # 7 5sqp #

c# c# c# c# c# c#
5@ # 5 (:;< 7 5 (@Cs 7 5 7 5 4 7 5 4@Cs 7 5 (C@
c(:;< c(@Cs c c4 c4@Cs c(C@

6 (:;< t#6 (:;<
6 4 t#6 4 u@Cs 4
5 (:;< 7 5 4 7 7
)shij 12 )? 12 v?

u@Cs (@Cs
u@Cs 4@Cs
5 (@Cs 5 4@Cs
vspqr v?pqr

5 u (C@
5 (@Cs 5 4C@
12 vsqp
76
38
17/08/2015

# (:;< (@Cs 1 7 4 4@Cs (C@
c# c#
*shij 1 *? (@Cs
c(:;< c4
c# c#
*spqr 1 7 4 4@Cs *?pqr (@Cs
c(@Cs c4@Cs
c#
c# *sqp 1
* (@Cs 4 4@Cs c(C@
c
77

Ej. Longitud del bloque de 2.543 mm
Variable/Fuente de Valor Tipo E V contribucin
incertidumbre distribucin V E
Espesor medido, T,R 2.543 mm 1
Repetibilidad 0.002 mm A.Normal 0.001 mm 0.001 mm
Resolucin 0.001 mm B.Uniforme 2.887x10-4 mm 2.887x10-4 mm
Longitud bloque, TVFT 2.543 mm -1
Calibracin 0.004 mm B. Normal.k=2 0.002 mm -0.002 mm
Temperatura bloque, Q 21.4 C -2.8x10-5 mm/C
Repetibilidad 0.14 C A. Normal 0.1 C -2.8x10-6 mm
Resolucin 0.1 C B. Uniforme 0.03 C -8.08x10-7 mm
Calibracin 0.2 C B. Normal.k=2 0.1 C -2.8x10-6 mm
Temp. cal. bloque, QVFT 20 C 2.8x10-5 mm/C
Calibracin 0.2 C B. Uniforme 0.06 C 1.62x10-6 mm
Coef. dil. trm. lineal, 1.1x10-5 C-1 -3.56 mmC
Bibliografa 1.1x10-6 C-1 B. Uniforme 3.18x10-7 C-1 -1.13x10-6 mm
Espesor acoplante, TFV 0 mm -1
Informe 0.005 mm B. Normal.k=2 0.0025 mm -0.0025 mm
39
17/08/2015

5@ # 5shij # 7 5spqj # 7 5 # 7 5? # 7 5?pqj # 7 5sqp #
EV R
Espesor Espesor Error de
Medido Referencia medida
(mm) (mm) (mm) (mm)
2.543 2.543 0.000 0.004
5.081 5.085 -0.004 0.006
7.631 7.621 0.010 0.006
10.165 10.161 0.004 0.004
12.705 12.702 0.003 0.005
19.042 19.048 -0.006 0.008
25.401 25.400 0.001 0.005
79

7) Determinar la incertidumbre expandida
u v 5@ #
Considerando un factor de cobertura v 2 representa un intervalo con un nivel
de confianza de aproximadamente el 95%
M R
Espesor Espesor Error de
Medido Referencia medida
(mm) (mm) (mm) (mm)
2.543 2.543 0.000 0.008
5.081 5.085 -0.004 0.012
7.631 7.621 0.010 0.012
10.165 10.161 0.004 0.008
12.705 12.702 0.003 0.010
19.042 19.048 -0.006 0.016
25.401 25.400 0.001 0.010
80
40
17/08/2015

Espesor Espesor Error de medida

Medido Referencia RXM
(mm) (mm) (mm)
2.543 2.543 0.000 0.008
5.081 5.085 -0.004 0.012
7.631 7.621 0.010 0.012
10.165 10.161 0.004 0.008
12.705 12.702 0.003 0.010
19.042 19.048 -0.006 0.016
25.401 25.400 0.001 0.010
con U determinada con un factor de cobertura k = 2, basado en una distribucin normal del error de
medida, definiendo un intervalo estimado para tener un nivel de confianza de aproximadamente 95%.
81
4. Estimando la incertidumbre de
medicin utilizando el mtodo SMC
4.1 Breve introduccin al software Octave y Matlab: vectores y

operaciones bsicas
4.2 Grfica de variables aleatorias: PDFs vs. histogramas
4.3 Modelo de una medicin y el concepto de propagacin de

incertidumbres
4.4 Simulacin por el mtodo de Monte Carlo: datos de medicin

para llevarla a cabo
4.5 Incertidumbre en las mediciones ultrasnicas: comparacin

de resultados GUM vs Monte Carlo
82
41
17/08/2015
4.1 Octave y Matlab
Matlab y Octave tienen la misma sintaxis y nombre de muchas

funciones. Por supuesto hay diferencias, pero en general son
bastante compatibles.
Octave es software libre, en tanto que Matlab no lo es.
Existe una tremenda cantidad de libreras y programas

desarrollados en ambas plataformas. Algunos son ms eficientes
y robustos; siendo importante saber qu estamos resolviendo y
contar con algn mecanismo de comprobacin.
GNU Octave, http://www.octave.org

Matlab, http://www.mathworks.com
83
Modelos y transformaciones matemticas
v(t) Modelo y(t)
A
v y
inv(A)
inv(T) T inv(T) T
v_w y_w
?
84
42
17/08/2015
Algebra con matrices y vectores
Sea A la matriz, real o imaginaria0,

Producto interno
a11 a12 ... a1m (punto o escalar),
a a 22 ... a 2 m n
A = 21 yT x = y j x j
: : ... : j =1

a n1 an2 ... a nm
La transpuesta de una vector columna:

matriz o vector cumple con:
( A + B ) T = AT + B T m
(A) T = AT vector rengln:

( AB ) = B A
T T T
:
(A ) = A
T T
85
Graficando vectores
Lneas de cdigo demostrativo
t=0:0.01:2*pi; x = sin(t);
plot (t,x)
title( x = sin(t), con t=0:0.01:2*pi)
xlabel(t); ylabel(x)
t=0:0.01:4*pi; x = sin(t);
plot (t,x)
xlabel(t); ylabel(x)
86
43
17/08/2015
Graficando matrices
t=0:0.01:4*pi; x = sin(t); imagesc(x*y); axis('square')

y=cos(t);
mesh(x'*y)
contour(x'*y); axis('square') imshow(x'*y)
87
4.2 Variables aleatorias (o random)
Variable aleatoria con distribucin normal

y=randn(1000,1); plot(y) hist(y)
mean(y)
median(y)
mode(y)
std(y)
hist(y,20) histfit(y,20)
88
44
17/08/2015
Histograma de variables aleatorias

Variable aleatoria con distribucin uniforme
y=rand(1000,1); plot(y) hist(y)
mean(y)
median(y)
mode(y)
std(y)
histfit(y,20)
hist(y,20)
89
Histograma vs PDF
y=randn(1000000,1);
mean(y), std(y)
median(y), moda(y)
subplot(221)
plot(y)
subplot(222);
hist(y,20)
subplot(223);
histfit(y,20)
subplot(224);
hist(y,20,1)
title('PDF')
90
45
17/08/2015
Histograma vs PDF
y=rand(1000000,1);
mean(y), std(y)
median(y), moda(y)
subplot(221)
plot(y)
subplot(222);
hist(y,20)
subplot(223);
histfit(y,20)
subplot(224);
hist(y,20,1)
title('PDF')
91
4.3 Modelo de una medicin y el

concepto de propagacin de
incertidumbres
Referencia: JCGM 101:2008 Evaluation of measurement data Supplement

1 to the Guide to the expression of uncertainty in measurement
Propagation of distributions using a Monte Carlo method
Introduction
This Supplement to the 0 (GUM) is concerned with the propagation of

probability distributions through a mathematical model of measurement
[GUM:1995 3.1.6] as a basis for the evaluation of uncertainty of
measurement, and its implementation by a Monte Carlo method. The
treatment applies to a model having any number of input quantities, and
a single output quantity.
92
46
17/08/2015
Suplemento 1 de la GUM
This Supplement also provides guidance in situations where the conditions for
the GUM uncertainty framework [GUM:1995 G.6.6] are not fulfilled, or it is
unclear whether they are fulfilled. It can be used when it is difficult to apply the
GUM uncertainty framework, because of the complexity of the model, for
example.
This Supplement can be used to provide (a representation of) the PDF for the
output quantity from which
a) an estimate of the output quantity,
b) the standard uncertainty associated with this estimate, and
c) a coverage interval for that quantity, corresponding to a specified coverage
probability
can be obtained.
93
Suplemento 1 de la GUM
4.1 A mathematical model of a measurement [GUM:1995 4.1] of a single

(scalar) quantity can be expressed as a functional relationship f:
Y = f(X), (1)
where Y is a scalar output quantity and X represents the N input quantities
(X1, . . . ,XN)>. Each Xi is regarded as a random variable with possible
values _% and expectation x_i. Y is a random variable with possible values _i
and expectation y.
4.2 The concepts of

model, PDF, and distribution
function are central to
following and implementing
the guidance provided. The
symbol f is reserved for the
model.
94
47
17/08/2015
Pero antes de continuar, tres definiciones

importantes0
3.17
propagation of distributions
method used to determine the probability distribution for an output quantity from the
probability distributions assigned to the input quantities on which the output quantity
depends
NOTE The method may be analytical or numerical, exact or approximate.
3.18
GUM uncertainty framework
application of the law of propagation of uncertainty and the characterization of the
output quantity by a Gaussian distribution or a scaled and shifted t-distribution in
order to provide a coverage interval
3.19
Monte Carlo method
method for the propagation of distributions by performing random sampling from
probability distributions
95
Receta para la propagacin de

incertidumbres
Mtodo de Monte Carlo, seccin 5.9.6 de Suplemento 1 de la GUM:
a) definir el nmero de veces, M, que ser evaluado el modelo de

medicin Y = f(X);
b) generar datos aleatorios para cada magnitud de entrada X_i
conforme a su correspondiente PDF asignada;
c) evaluar M veces el modelo de medicin f(X);
d) ordenar en forma creciente los valores obtenidos para el
mensurando; y obtener su distribucin de probabilidad G_Y;
e) obtener el valor del mensurando e incertidumbre estndar;
f) utilizar G_Y para obtener el intervalo de cobertura para una
probabilidad de cobertura estipulada, p.
96
48
17/08/2015
a) Formulation
b) Propagation
c) Summarizing
97
4.4 Simulacin por el mtodo de Monte

Carlo: datos de medicin para
llevarla a cabo
Qu datos necesito para la propagacin de incertidumbres:
1. Un valor grande para M; e.g., 1e6 o utilizar mtodos adaptivos

2. Una probabilidad de cobertura, e.g., 0.95
3. Un modelo de medicin, Y = f(X), con los siguientes datos
para cada magnitud de entrada
Magnitudes de entrada
Valor PDF u(k = 1)

Valor medido o Tipo de Incertidumbre
asignado a cada X_i distribucin estndar
98
49
17/08/2015
Ejemplos GUM
99
4.5 Incertidumbre en las mediciones

ultrasnicas: comparacin de resultados
GUM vs Monte Carlo
Interface de usuario desarrollada en OCTAVE, por los instructores de

este curso, para realizar la estimacin de incertidumbres empleando el
mtodo de simulacin de Monte Carlo para cualquier mensurando,
definido con una sola ecuacin o modelo matemtico del tipo:
Y = f ( X1, , X 2 ,..., X n ) = f (X)

Para n variables de entrada, Xn. Cada variable de entrada acepta un
mximo de tres contribuciones de incertidumbre. Esto es, las magnitudes
de entrada del modelo pueden representarse, a su vez, como:
X i = X i ,medida i ,resolucin i ,calibracin

donde, X i ,medida , i ,resolucin , i ,calibracin representan las mediciones
repetidas, el error por resolucin y el error por calibracin,
respectivamente.
100
50
17/08/2015
Comparacin de resultados GUM vs Monte Carlo
101
MODELO:
# (:;< (@Cs 1 7 4 4@Cs (C@
Variable/Fuente de Valor Tipo E

incertidumbre distribucin
Repetibilidad 0.002 mm A.Normal 0.001 mm
Resolucin 0.001 mm B.Uniforme 2.887x10-4 mm
Longitud bloque, TVFT 2.543 mm
Calibracin 0.004 mm B. Normal.k=2 0.002 mm
Temperatura bloque, Q 21.4 C
Repetibilidad 0.14 C A. Normal 0.1 C
Resolucin 0.1 C B. Uniforme 0.03 C
Calibracin 0.2 C B. Normal.k=2 0.1 C
Temp. cal. bloque, QVFT 20 C
Calibracin 0.2 C B. Uniforme 0.06 C
Coef. dil. trm. lineal, 1.1x10-5 C-1
Bibliografa 1.1x10-6 C-1 B. Uniforme 3.18x10-7 C-1
Espesor acoplante, TFV 0 mm
Informe 0.005 mm B. Normal.k=2 0.0025 mm
102
51
17/08/2015
MODELO:
# (:;< (@Cs 1 7 4 4@Cs (C@
I.C. = [-6.6246e-003, 6.5681e-003] @ 95% M = 1 000 000

103
c
MODELO: l= lmed
cref
Ej. Bloque de aluminio AISI 6061
Variable/Fuente de Valor Origen de la Tipo de Incertidumbre

incertidumbre informacin distribucin estndar, E
Repetibilidad 0.009 mm Lecturas A. Normal 0.004 mm
Resolucin 0.01 mm Cartula B. Uniforme 2.89x10-3 mm
Calibracin 0.01 mm Certificado B. Normal.k=2 0.005 mm
Velocidad de
propagacin del 6 380.1 m/s
bloque medido, V
Calibracin 59.3 m/s Certificado B. Normal.k=2 29.65 m/s
Velocidad de
propagacin del 5 914.8 m/s
bloque referencia, VUR
Calibracin 57.7 m/s Certificado B. Normal.k=2 28.85 m/s
104
52
17/08/2015
c
MODELO: l= lmed
cref
I.C. = [24.653, 25.314] @ 95% M = 1 000 000

105
5. Reflexiones y consideraciones finales/
Cul es el mensurando? /
mm
25,4
Medicin directa o medicin indirecta?...
Qu modelo matemtico puedo utilizar

para representar la medicin? /
Cules son las magnitudes de entrada? /
Es aceptable suponer independencia estadstica

entre las magnitudes de entrada del modelo de medicin?
.
.
Mtodo GUM-varianzas o Mtodo GUM-SMC?
Software y/o plataformas de programacin disponibles?
106
53
17/08/2015
5. Reflexiones y consideraciones finales/
Realmente necesito estimar la incertidumbre de una medicin?

Qu beneficios obtengo al estimar la incertidumbre del
resultado de una medicin?
Las mediciones repetidas y su correspondiente estimacin de

incertidumbres, dado que implican ms tiempo de operacin y
demoran el proceso para emitir un resultado, son un gasto
innecesario o en qu momento agregan valor al resultado?
con o sin una estimacin de incertidumbres el responsable o usuario

de la medicin tomar una decisin respecto a la aceptacin o
rechazo del artefacto medido, evaluado o inspeccionado/ entre
varios laboratorios, cmo establecer la confiabilidad de sus
mediciones y resultados?
107
108
54
17/08/2015
The revision of the twenty-year-old GUM, currently under way,
http://www.bipm.org/en/conference-centre/bipm-workshops/measurement-uncertainty/
109
110
55

7 Metodo Montecarlo

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

7 Metodo Montecarlo

Uploaded by

Copyright:

Available Formats

17/08/2015

Grupo de Ultrasonido, Direccin de Vibraciones y Acstica

Que el participante adquiera los conocimientos

- empleando la ley de propagacin de incertidumbres

Los datos y parmetros estadsticos

en el caso del mtodo de Monte Carlo, se utilizar

Descripcin del curso

Se revisa la metodologa GUM para la estimacin

Se sugiere que cada participante proporcione un problema de

1. Introduccin: modelo de una medicin

2. Repaso de conceptos bsicos de probabilidad y estadstica.

3. Estimando la incertidumbre de una medicin conforme al

4. Estimando la incertidumbre de medicin utilizando el mtodo

0. Motivacin/ un caso de aplicacin

Instrumentacin y cadenas de medicin en aplicaciones de ultrasonido

0. Motivacin/ es relevante el tema de

Condiciones 25.4 mm?

Cmo indica o declara actualmente el valor de

No Pasa Pasa No Pasa

Valores medidos considerando la dispersin de los datos debido al

JCGM 100:2008 / aka la GUM

0.1 When reporting the result of a measurement of a

La cuantificacin de la incertidumbre debe obtenerse sobre la base de un adecuado entendimiento

1. Introduccin: modelo de una medicin

1. Introduccin: modelo de una medicin

Mensurando se mide directamente

Mensurando se mide de forma indirecta d

VERSIN VIM 2008

1. Introduccin: modelo de una medicin

CEM, Evaluacin de datos de medicin, Gua para la expresin de la incertidumbre de medida

2. Repaso de conceptos bsicos de

Resultado no Dispersin por

2. Repaso de conceptos bsicos de

Definiciones iniciales y / Etc.,

2. Repaso de conceptos bsicos de

Probabilidad, funciones de densidad probabilstica

Parmetros estadsticos: mediana, moda, media

Nivel de confianza, factor de cobertura,

2. Repaso de conceptos bsicos de

* CEM, Evaluacin de datos de medicin, Gua para la expresin de la incertidumbre de medida

2. Repaso de conceptos bsicos de

CEM, Evaluacin de datos de medicin, Gua para la expresin de la incertidumbre de medida

2. Repaso de conceptos bsicos de

C.2.4 funcin de distribucin

C.2.5 funcin de densidad de probabilidad (para

2. Repaso de conceptos bsicos de

C.2.19 media aritmtica; valor medio

Mediana: el valor central de los datos ordenados.

2. Repaso de conceptos bsicos de

C.2.9 esperanza matemtica (de una variable aleatoria

C.2.13 momento central de orden q

2. Repaso de conceptos bsicos de

Media Desviacin estndar experimental

y funciones de densidad de probabilidad (PDF)

Los histogramas permiten visualizar de manera

Probabilidad de encontrar x en un intervalo:

Ref. VIM, JCGM 200:2008, trad. Espaol.

Fuente: Ref. NMX-CH-140-IMNC

Aumentar el nivel de confianza.

La incertidumbre estndar uc representa un intervalo que contiene el valor verdadero del

3. Estimando la incertidumbre de una medicin conforme al

3.1 Mensurando, variables de influencia y variables de entrada (del

3.2 Ley de propagacin de incertidumbres: con y sin correlacin de

3.3 Coeficientes de sensibilidad y el peso de las contribuciones en la

La incertidumbre es un intervalo de valores en el

La incertidumbre se estima, no es una cuantificacin 25.35 mm?

El nivel de incertidumbre apropiado depende del

lectura sesgada de instrumentos analgicos, por parte del tcnico;

resolucin finita del instrumento de medida;

conocimiento incompleto de los efectos de las condiciones

valores inexactos de constantes y otros parmetros tomados de

En general, un proceso de medicin involucra cantidades de entrada

"# $#"%"& '&( $#"%" '&( "# ###)*%&

' Volumen del cilindro Mensurando

2) Determinar el valor estimado de la magnitud de entrada 2 .

Las magnitudes de entrada pueden ser a su vez mensurandos,

3#*45& "#( %)645$#)4

2) Determinar el valor estimado de la magnitud de entrada 2 .

'&( $#"%" 3#*45& "#( %)645$#)4 7 8 #**%)

2) Determinar el valor estimado de la magnitud de entrada 2 .

0 0:;< 7 8=>? 7 8@A=<.C:D.

2) Determinar el valor estimado de la magnitud de entrada 2 .

1 1:;< 7 8=>? 7 8@A=<.C:D.

3) Evaluar la incertidumbre estndar, E , de cada estimacin de entrada .

Certificado de Tipo A. Tipo A.

Especificaciones Normal E Algunas especificaciones de fabricantes

3) Evaluar la incertidumbre estndar, E , de cada estimacin de entrada .