You are on page 1of 68

Introduccin a

la estimacin de
incertidumbre
en la medicin

> error de medida


Diferencia entre un valor medido de
una magnitud y un valor de referencia
Error = E. Sistemtico + E. Aleatorio
Valor verdadero (imposible)
Valor de referencia (patrn)
Valor medido (sistema de medida)

Error
Sistemtico

() Error Aleatorio ()

El valor estimado de un error


sistemtico se denomina
sesgo de medida

> exactitud de medida


proximidad entre un valor medido y un
valor verdadero de un mensurando
El concepto exactitud de
medida no es una magnitud y
no se expresa numricamente.
P.Ej.
Accuracy: 0,75%
Exactitud: 0,25%
Uncertainty 0,75%
Incertidumbre 0,25%

Es un concepto cualitativo:
- Ms exacto que...
- Menos exacto que...
No se acostumbra a decir inexacto

Se dice que una medicin es


ms exacta cuanto ms
pequeo es el error de medida.

Hombre de las Cavernas


Baja exactitud y baja precisin.
No acert en el blanco y los 3
intentos tuvieron alta dispersin.

Robin Hood
Baja exactitud pero alta precisin.
No acert en el blanco pero los 3
intentos dieron cercanos entre s
(baja dispersin).

Apache
Los 3 intentos estuvieron cerca de
la diana pero no dieron cercanos
entre s (alta dispersin).

Arquero Olmpico
Alta exactitud y alta precisin.
Acert la diana 3 veces.

Conclusiones:
Alta precisin no necesariamente significa alta exactitud.
Baja exactitud no necesariamente significa baja precisin.
Necesariamente alta exactitud significa alta precisin.

> incertidumbre de medida

1993

parmetro, asociado con el resultado


de una medicin, que caracteriza a la
dispersin de los valores que en
forma razonable se le podran atribuir
a la magnitud por medir

2008

parmetro no negativo que caracteriza


la dispersin de los valores atribuidos
a un mensurando, a partir de la
informacin que se utiliza

Conforme o No-Conforme?

En los casos 2 y 3 es difcil


establecer el cumplimiento
o no-cumplimiento

Fuente: ILAC-G8:03/2009

Gua para la Expresin de la


Incertidumbre de Medida GUM
Fue publicada por primera vez en el ao 1993.
Corresponde al trabajo conjunto de las siguientes organizaciones:

BIPM:
IEC:
IFCC:
ILAC:
ISO:
IUPAC:
IUPAP:
OIML:

Bureau International des Poids et Mesures


International Electrotechnical Commission
International Federation of Clinical Chemistry and Laboratory Medicine
International Laboratory Accreditation Cooperation
International Organization for Standardization
International Union for Pure and Applied Chemistry
International Union for Pure and Applied Physics
International Organization of Legal Metrology

Actualmente se encuentra vigente la Edicin de 2008.

Documentos de Referencia

NPL-11

Piece of Cake

Ms Recursos:
CENAM (espaol) (http://cenam.gob.mx/publicaciones/gratuitas)
BIPM JCGM
(http://www.bipm.org/en/publications/guides/gum.html)
NPL (http://www.npl.co.uk/publications)
An Introduction to Uncertainty in Measurement Using the
GUM. L. Kirkup, R. B. Frenkel. Cambridge University Press. 2006.
Evaluating the Measurement Uncertainty Fundamentals and
Practical Guidance. I. Lira. IOP Publishing Ltd. 2002.
Measurements and their Uncertainties A practical guide to
modern error analysis. I. Hughes, T. Hase. Oxford University
Press. 2010

ESTADISTICA
Medidas de Tendencia Central
Sirven para resumir la informacin en un solo nmero
(representativo?) que suele ubicarse hacia el centro de la distribucin
de datos.

es el valor obtenido por la suma


Media Aritmtica
=1
de todos sus valores dividida entre
=
o Promedio
el nmero de sumandos

es un valor de la variable que deja por debajo


Mediana de s a la mitad de los datos, una vez que
stos estn ordenados de menor a mayor

Moda es el dato ms repetido

ESTADISTICA
Medidas de Dispersin
Sirven para evaluar la variabilidad de una
distribucin de datos, indicando por medio
de un nmero, si las diferentes
puntuaciones de una variable estn muy
alejadas de la media.
Cunto mayor sea ese valor, mayor ser la
variabilidad, cuanto menor sea, ms
homognea ser a la media.
As se sabe si todos los datos son
parecidos o varan mucho entre ellos.

ESTADISTICA
Medidas de Dispersin
1
2
=
1

Varianza


=1

Mide la dispersin de los


valores respecto a un valor
central (media), es decir, es el
cuadrado de las desviaciones

La varianza est expresada en unidades distintas de las


del mensurando. P. Ej. si el mensurando es una distancia
en metros, la varianza se expresa en metros al cuadrado.
Desviacin Estndar
(Desviacin Tpica)

=1

Es la raz cuadrada de la varianza, es una


medida de dispersin alternativa expresada
en la misma unidad del mensurando.

ESTADISTICA
Medidas de Dispersin
Coeficiente de
Variacin

Hace referencia a la relacin


entre el tamao de la media y
la variabilidad del mensurando.

El coeficiente de variacin no posee unidades.


Tpicamente es menor que uno.
Para su mejor interpretacin se expresa como porcentaje.
Cuando la media es igual o muy prxima a cero, el coeficiente
de variacin pierde significado

ESTADISTICA
Distribuciones de probabilidad
La dispersin de un conjunto de valores
puede tomar formas o distribuciones de
probabilidad diferentes.
Distribucin Normal

Distribucin Rectangular (o Uniforme)

Distribucin Triangular

ESTADISTICA
Distribuciones de probabilidad
Distribucin Normal

1s

+1s

2s

+2s

1s
68%
2s
95%

DATA 3

Complemento para Anlisis de


Datos de Excel:
Generacin Nmeros Aleatorios
Estadstica Descriptiva
Histograma

Diagrama de Flujo

Fuente: CENAM

1) El Mensurando
El propsito de una medicin es
determinar el valor de una magnitud,
llamada el mensurando.
La definicin del mensurando es
vital para obtener buenos resultados
de la medicin.

Fuente: CENAM

1) El Mensurando

En no pocas ocasiones
se mide algo distinto al
propsito original.

2) Modelos y Magnitudes de Entrada


La simplificacin del fenmeno
es necesaria, conservando las
caractersticas ms relevantes
para el propsito pretendido,
mediante la construccin de un
modelo para la medicin.

Fuente: CENAM

Modelo Fsico

Consiste en el conjunto de suposiciones


sobre el propio mensurando y las
variables fsicas o qumicas relevantes
para la medicin.
Estas suposiciones usualmente
incluyen:
a) relaciones fenomenolgicas entre variables;
b) consideraciones sobre el fenmeno como
conservacin de cantidades, comportamiento
temporal, comportamiento espacial, simetras;
c) consideraciones sobre propiedades de la
sustancia como homogeneidad e isotropa.

Una medicin fsica, por


simple que sea, tiene
asociado un modelo
que slo aproxima el
proceso real.

Modelo Matemtico

El modelo fsico se representa por un modelo descrito


con lenguaje matemtico.
El modelo matemtico supone aproximaciones
originadas por la representacin imperfecta o limitada
de las relaciones entre las variables involucradas.

Las magnitudes de entrada


se denotan por el conjunto

Donde toma valores de


entrada desde 1 hasta la
magnitud de entrada

Modelo Matemtico
La relacin entre las magnitudes
de entrada y el mensurando
como la magnitud de salida se
representa como una funcin

= 1 , 2 , ,

Se denota con al mejor estimado


de las magnitudes de entrada .

Los valores de las magnitudes de entrada pueden


ser resultados de mediciones o tomados de fuentes
como certificados, literatura, manuales, etc.

El mejor estimado y del valor del mensurando es el resultado de


calcular el valor de la funcin f evaluada en el mejor estimado de
cada magnitud de entrada

= 1 , 2 , ,

Modelo Matemtico

magnitud intermedia
magnitud de entrada
mensurando
Fuente: CENAM

3) Fuentes de Incertidumbre
Una vez determinados el mensurando, el
principio, el mtodo y el procedimiento de
medicin, se identifican las posibles fuentes
de incertidumbre.
stas provienen de los diversos factores
involucrados en la medicin

Fuente: CENAM

3) Fuentes de Incertidumbre

Certificados o resultados de calibracin


Incertidumbre del patrn o material de referencia
Repetibilidad de las mediciones
Reproducibilidad de las mediciones
Caractersticas y especificaciones de los instrumentos y
equipos de medicin (P. Ej. resolucin, histresis, deriva, etc.)
Efectos por la variacin en las condiciones ambientales
Efectos elctricos
Ajuste de datos
Software
Definicin del propio mensurando
Modelo particular de la medicin
Es preferible la inclusin de
Variaciones en las magnitudes de influencia
un exceso de fuentes que
Otros
ignorar algunas entre las
cuales pudiera descartarse
alguna importante.

3) Fuentes de Incertidumbre
Diagrama de Ishikawa o Diagrama de Causa y Efecto
Causa

Efecto

(Magnitudes de Entrada Fuentes de Incertidumbre)

(Resultado de medida - Incertidumbre)

Temperatura

P. Calorfico

Clculo

RTD
Transmisor

Energa
Causa
Secundaria

Causa
Primaria

Volumen

Presin

4) Variabilidad y Distribuciones

Toda fuente de incertidumbre


implica una variabilidad.
A cada fuente de incertidumbre se
le debe asociar una distribucin de
probabilidad estadstica que refleje
el conocimiento acerca de dicha
variabilidad
Fuente: CENAM

4) Variabilidad y Distribuciones
La GUM distingue dos mtodos principales
para cuantificar las fuentes de incertidumbre:

Anlisis de
Incertidumbre

Tipo A

Tipo B

Estadstico de
mediciones

Otras fuentes

El Mtodo de Evaluacin
Tipo A est basado en un
anlisis estadstico de
una serie de mediciones.

El Mtodo de Evaluacin
Tipo B comprende todas
las dems maneras de
estimar la incertidumbre.

Tipo A
Estadstico de
mediciones

Mejor estimado
(media):

La incertidumbre de una magnitud de entrada


obtenida a partir de observaciones repetidas bajo
condiciones de repetibilidad, se estima con base
en la dispersin de los resultados individuales.

=1

Dispersin
(desviacin estndar):

=1

Incertidumbre
estndar:

Recordar el Error Tpico en la


Estadstica Descriptiva de Excel.

Tipo A
Estadstico de
mediciones

Incertidumbre
estndar:

El nmero ideal de repeticiones va a depender de las condiciones y


exigencias (incertidumbre objetivo) de cada medicin especfica.
Es importante que el mtodo est bien caracterizado y se desarrolle
bajo condiciones controladas, pues de esta forma la dispersin de los
valores se va a mantener prcticamente igual para mediciones
realizadas en diferentes das, por distintos metrlogos, etc. (medicin
bajo control estadstico).

Tipo A
Estadstico de
mediciones

Incertidumbre
estndar:

Aumentar resulta en una


reduccin de la incertidumbre
por repetibilidad, la cual es
proporcional a 1/ .

Una grande aumenta el


tiempo de medicin, que
puede ser contraproducente,
si las condiciones ambientales
u otras magnitudes de entrada
no se mantienen constantes
en este tiempo.

En pocos casos se recomienda o se


requiere un mayor de 10

Tipo B
Otras fuentes

En una evaluacin tipo B de la


incertidumbre de una magnitud de
entrada se usa informacin externa
u obtenida por experiencia.

Las fuentes de informacin pueden ser:

Certificados de calibracin de instrumentos


Certificados de patrones y materiales de referencia
Manuales y especificaciones de instrumentos y equipos de medicin
Normas o literatura
Valores de mediciones anteriores
Conocimiento sobre las caractersticas o el comportamiento del
sistema de medicin
Otras ()

> distribuciones de
probabilidad
La dispersin de un conjunto de valores
puede tomar formas o distribuciones de
probabilidad diferentes.
Distribucin Normal

Distribucin Rectangular (o Uniforme)

Distribucin Triangular

> distribucin normal


Distribucin Normal

1s

+1s

2s

+2s

1s
68%
2s
95%

Distribucin Normal
Los resultados de una medicin
repetida afectada por magnitudes de
influencia que varan aleatoriamente,
generalmente siguen en buena
aproximacin una distribucin normal.

Tambin la incertidumbre
indicada en certificados
de calibracin se refiere
generalmente a una
distribucin normal.

Distribucin Rectangular
En una distribucin rectangular cada
valor en un intervalo dado tiene la
misma probabilidad, o sea la funcin
de densidad de probabilidad es
constante en este intervalo.

En general, cuando solo hay conocimiento de los


lmites superior e inferior del intervalo de variabilidad
de la magnitud de entrada, lo ms conservador es
suponer una distribucin rectangular.
Ejemplos: Resolucin de un instrumento digital, informacin tcnica
sobre tolerancias de un instrumento.

Distribucin Triangular

Se aplica cuando adems del


conocimiento de los lmites superior
e inferior hay evidencia de que la
probabilidad es ms alta para
valores en el centro del intervalo y
se reduce haca los lmites.

5) Incertidumbre estndar
Con el fin de poder efectuar
combinaciones de fuentes de
incertidumbre que tienen
distribuciones diferentes, es
necesario representar los
valores de las incertidumbres
originales como incertidumbres
estndar.
Para ello se requiere determinar
la desviacin estndar de la
distribucin asignada a cada
fuente.

Fuente: CENAM

Distribucin Normal
Incertidumbre
estndar:

Cuando se dispone de valores de una


incertidumbre expandida y la
distribucin del mensurando es o se
supone normal, como los presentados
por ejemplo en certificados de
calibracin, se divide la incertidumbre
expandida entre el factor de
cobertura .

Incertidumbre
estndar:

Distribucin Rectangular
Instrumentos digitales

42,335

42,34
42,345

+ +
=
2
La incertidumbre estndar
se calcula de cualquiera de
las siguientes formas:

Informacin tcnica
La distribucin rectangular tambin se aplica
para tomar en cuenta la informacin tcnica
sobre tolerancias de un instrumento.
Limitaciones de
informacin o
dudas acerca de
una distribucin:

12
/2
3

Donde /2 es la mitad del


intervalo con

= +

Distribucin Triangular
+ +
=
2
La incertidumbre estndar
se calcula de cualquiera de
las siguientes formas:

Es comn aplicarla cuando el


conocimiento y la informacin
disponibles son menos
limitados que para una
distribucin rectangular.

24

/2
6

Donde /2 es la mitad del


intervalo con

= +

Ejemplo: Medicin de temperaturas inicial y


final en un proceso controlado

6) Correlaciones
En ocasiones, los resultados de las
mediciones de dos magnitudes de
entrada estn relacionados entre s.

Tamb
Tliq
Tamb

Fuente: CENAM

Tliq

6) Correlaciones
En metrologa pueden existir correlaciones entre dos magnitudes
de entrada cuando existe una tercera magnitud que influye sobre
ambas, o cuando se utiliza el mismo instrumento para medir o el
mismo patrn para calibrar.
Height

Estadsticamente, dos variables


son independientes cuando la
probabilidad asociada a una de
ellas no depende de la otra.

80

75

70

65

60

55

50
20

25

30

35

Age

40

45

50

6) Correlaciones
La independencia lineal de dos variables
y puede estimarse estadsticamente
con el coeficiente de correlacin ,
Covarianza
de y

,
, =

Incertidumbre
estndar de

Incertidumbre
estndar de

Un valor de = 0 indica independencia de y .


Los valores de = +1 o = 1 indican una correlacin lineal total.

6) Correlaciones
La covarianza puede estimarse de las siguientes maneras:

a) Por medio de las relaciones funcionales entre ambas variables y la


tercera que influye sobre ellas (Ver: GUM F.1.2 Correlaciones).
b) a partir de un conjunto de n valores de q y w segn:

1
, =


=1

Las correlaciones entre magnitudes de entrada no pueden ignorarse,


siempre que existan y sean significativas.
Deben evaluarse experimentalmente o usando informacin disponible acerca de
la variabilidad correlacionada de las magnitudes en cuestin.

6) Correlaciones
Por suerte en numerosos casos, los efectos de estas
magnitudes de influencia presentan una dependencia mutua
despreciable, y las magnitudes de entrada afectadas pueden
suponerse no-correlacionadas.

Otra alternativa para el manejo de magnitudes de entrada


correlacionadas consiste en introducir las magnitudes de
influencia comunes como magnitudes de entrada adicionales e
independientes (Ver GUM 5.2.4, GUM F.1.2.3 y GUM F.1.2.4).

7) Incertidumbre Estndar Combinada

El resultado de la combinacin de las


contribuciones de todas las fuentes es la
incertidumbre estndar combinada .
La contribucin de cada fuente a la
incertidumbre combinada depende de la
incertidumbre estndar de la propia
fuente y del impacto de la fuente sobre el
mensurando (sensibilidad).

Es posible encontrar que una pequea


variacin de alguna de las magnitudes de
influencia tenga un impacto importante en
el mensurando, y viceversa.
Fuente: CENAM

7) Incertidumbre Estndar Combinada


La contribucin de cada fuente
a la incertidumbre combinada se
determina por el producto entre la
incertidumbre estndar y su
respectivo coeficiente de sensibilidad.

El coeficiente de sensibilidad
describe qu tan sensible es
el mensurando con respecto a
variaciones de la magnitud de
entrada correspondiente

Para su determinacin existen 2 opciones:

1) Determinacin a partir de una relacin funcional.


2) Determinacin numrica por diferenciales.

7) Incertidumbre Estndar Combinada

Coeficiente de Sensibilidad
1) Determinacin a partir de
una relacin funcional
A partir del modelo matemtico del
mensurando que describa la influencia
de la magnitud de entrada :

= 1 , 2 , ,
El coeficiente de sensibilidad se
calcula por la derivada parcial de con
respecto a :

1 , 2 , ,
=

1 =1 =

2) Determinacin numrica
por diferenciales.
Si no se dispone de una relacin
funcional para describir la influencia de
la magnitud de entrada sobre el
mensurando , se puede determinar el
coeficiente de sensibilidad estimando
el impacto de una variacin de en
mediante diferencias finitas:

Manteniendo constantes las dems


magnitudes de entrada, se determina
el cambio de producido por un
cambio en por una medicin o a
partir de la informacin disponible.

7) Incertidumbre Estndar Combinada

Cuando el coeficiente de sensibilidad es cero o


cuando la funcin no admite una representacin lineal
adecuada (nicamente con la primera derivada) en el
intervalo es necesario considerar trminos de
segundo orden los cuales dependen de las derivadas
segundas (ver la Nota de GUM 5.1.2).

7) Incertidumbre Estndar Combinada


Propagacin de incertidumbre para magnitudes de
entrada no-correlacionadas
La incertidumbre combinada se calcula mediante la suma geomtrica de
las contribuciones particulares:
Este planteamiento se
conoce como la Ley
de Propagacin de
Incertidumbre.

=1

La Ley de Propagacin de
Incertidumbre se debe aplicar
exclusivamente para combinar
incertidumbres estndar.

7) Incertidumbre Estndar Combinada


Magnitudes de entrada con ms de una fuente de
incertidumbre
Temperatura

Generalmente una magnitud de entrada


es afectada por varias fuentes de
incertidumbre, por ejemplo la resolucin
del instrumento, la repetibilidad de las
mediciones y la incertidumbre de la
calibracin del instrumento.

P. Calorfico

Clculo

RTD
Transmisor

Energa
Causa
Secundaria

Causa
Primaria

Volumen

Presin

Para su determinacin existen 2 opciones:

1) Suma geomtrica de las incertidumbres individuales.


2) Aplicacin de la Ley de Propagacin de Incertidumbre
para cada fuente.

7) Incertidumbre Estndar Combinada

Magnitudes de entrada con ms de una fuente de


incertidumbre
2) Aplicacin de la Ley de
1) Suma geomtrica de las
Propagacin de Incertidumbre
incertidumbres individuales
para cada fuente
Se calcula la incertidumbre total
(combinada) relacionada con cada
magnitud de entrada mediante la
suma geomtrica de las incertidumbres
individuales.

Se usa para ver el efecto particular que


tiene cada una de las fuentes en la
incertidumbre combinada

=
=


=1

=1

=1

El coeficiente de sensibilidad
es igual para todas las fuentes de
incertidumbre relacionadas con la
misma magnitud de entrada .

7) Incertidumbre Estndar Combinada


Propagacin de incertidumbre para magnitudes de
entrada correlacionadas
Si algunas de las magnitudes de entrada estn
correlacionadas, deben considerarse las covarianzas entre
las magnitudes correlacionadas de la siguiente forma:

=
=1

+
, =1

Donde , es el factor de correlacin


entre las magnitudes de entrada y

7) Incertidumbre Estndar Combinada

Teorema del Lmite Central


Cuando se combinan fuentes de incertidumbre con sus respectivas
distribuciones para obtener la incertidumbre combinada del
mensurando, el Teorema del Lmite Central (Ver GUM G.2) permite
aproximar la distribucin resultante a una distribucin normal.

+
+
+
+
+

+
+

La aproximacin ser mejor


mientras ms grande sea el nmero
de fuentes de incertidumbre y sus
contribuciones sean similares,
independientemente de la forma
particular de sus distribuciones.

8) Nivel de confianza
La incertidumbre estndar combinada
tiene un valor igual a la desviacin estndar
de la funcin de distribucin del mensurando.
El intervalo centrado en el mejor estimado del
mensurando contiene el valor verdadero con
una probabilidad de 68% aproximadamente,
bajo la suposicin de que los posibles valores
del mensurando siguen una distribucin
normal.

Fuente: CENAM

8) Nivel de confianza
Generalmente una probabilidad del 68% no es suficiente, por lo tanto se requiere
expandir el intervalo mediante lo que se conoce como factor de cobertura .

El producto entre el factor de cobertura y la


incertidumbre estndar combinada representa
la Incertidumbre Expandida .

La Incertidumbre Expandida indica entonces un intervalo, llamado intervalo


de confianza, que representa una fraccin de los valores que razonablemente
puede llegar a tomar el mensurando.

El valor de es llamado
nivel de confianza y puede
ser elegido a conveniencia.

8) Nivel de confianza
El valor de es llamado nivel de confianza y puede ser elegido a
conveniencia.

Factor de
Cobertura

Nivel de
Confianza

68,27%

95,45%

99,73%

100%

La relacin entre el factor


de cobertura y el nivel de
confianza depende de la
distribucin de probabilidad
del mensurando.

8) Nivel de confianza
Distribucin t de Student
El mejor estimado del mensurando, la media (obtenida por muestreos de
mediciones repetidas) dividida entre su desviacin estndar, sigue una
distribucin llamada t de Student.

La distribucin t de Student refleja las limitaciones


de informacin disponible debidas al nmero finito
de mediciones.

Esta distribucin coincide con la distribucin normal


en el lmite cuando tiende a infinito, pero difiere
considerablemente de ella cuando es pequeo.
William Sealy Gosset
Alias Student

La distribucin t de Student es caracterizada por un


parmetro llamado nmero de grados de libertad.

8) Nivel de confianza
Distribucin t de Student
El intervalo correspondiente al nivel
de confianza se calcula entonces a
partir de la distribucin t de Student,
la cual es funcin de el nmero de
grados de libertad .

=
El valor de indica los lmites del
intervalo correspondiente al nivel de
confianza de la distribucin y su valor
siempre es mayor o igual que el factor
(tomado de la distribucin normal).

9) Grados de Libertad

El nmero de grados de libertad


asociado a una distribucin de una
magnitud puede considerarse una
medida de incertidumbre de la
incertidumbre de esa magnitud.
Entre mayor sea la estimacin de la
incertidumbre ser ms confiable.

Fuente: CENAM

9) Grados de Libertad
Nmero Efectivo de Grados de Libertad
El nmero efectivo de grados de libertad del mensurando se
obtiene a partir de los grados de libertad asociados a cada fuente
de incertidumbre .
Anlisis de
Incertidumbre

Tipo A
Estadstico de
mediciones

depende del nmero de datos


considerados y disminuye conforme
el nmero de parmetros estimados
a partir de los mismos datos.
Ejemplos:

Repetibilidad de mediciones: = 1

Regresin lineal de M puntos mediante una


ecuacin de parmetros: =

Tipo B
Otras fuentes

La determinacin del nmero de


grados de libertad implica el criterio
del metrlogo soportado por su
experiencia.
En este caso se trata de determinar
la incertidumbre relativa de la propia
incertidumbre.

9) Grados de Libertad
Nmero Efectivo de Grados de Libertad
El nmero efectivo de grados de libertad del mensurando se
obtiene a partir de los grados de libertad asociados a cada fuente
de incertidumbre .

Tipo B
Otras fuentes

1
=
2

El resultado se aproxima al
nmero entero cercano ms bajo.

Ejercicios:
El metrlogo considera que:
1)
2)
3)
4)

1
2
3
4

tiene una incertidumbre del 50%.


tiene una incertidumbre del 20%.
tiene una incertidumbre del 10%.
tiene una incertidumbre del 5%.

2
12
50
200

Un valor alto de por


corresponder a una
estimacin conservadora
puede traer consigo un
menor valor de y por
consiguiente un nmero
mayor de grados de libertad.

Cules seran los grados de libertad en cada caso?

9) Grados de Libertad
Nmero Efectivo de Grados de Libertad
La GUM propone que el nmero efectivo de grados de libertad
se calcule segn la ecuacin de Welch-Satterthwaite.
Esta ecuacin se fundamenta en la relacin entre la contribucin de
la fuente y la incertidumbre estndar combinada :

1
=

=1

El resultado se aproxima al
nmero entero cercano ms bajo.

Esta ecuacin expresa el dominio de las fuentes con pocos grados de


libertad en el clculo de , sobre todo de aquellas que tienen altas
contribuciones a la incertidumbre combinada.

10) Incertidumbre Expandida


Si la funcin de distribucin de
probabilidad del mensurando es
normal, la incertidumbre se calcula de
acuerdo con:

=
Donde es el factor derivado de
la distribucin t de Student a un nivel
de confianza y grados de
libertad.
En conclusin, el factor de cobertura
corresponde al valor de .

=
Fuente: CENAM

10) Incertidumbre Expandida


Generalmente cuando es lo suficientemente
grande, no se encuentra diferencia significativa entre
los resultados obtenidos con y los obtenidos
tomando el de la distribucin normal para el mismo .
n
1
2
3
4
5
6
7
8
9
10
20
50
100
200
500
1000
10000

95%
12,71
4,30
3,18
2,78
2,57
2,45
2,36
2,31
2,26
2,23
2,09
2,01
1,98
1,97
1,96
1,96
1,96

tp(nef)
95,45%
13,97
4,53
3,31
2,87
2,65
2,52
2,43
2,37
2,32
2,28
2,13
2,05
2,03
2,01
2,01
2,00
2,00

99%
63,66
9,92
5,84
4,60
4,03
3,71
3,50
3,36
3,25
3,17
2,85
2,68
2,63
2,60
2,59
2,58
2,58

99,73%
235,78
19,21
9,22
6,62
5,51
4,90
4,53
4,28
4,09
3,96
3,42
3,16
3,08
3,04
3,02
3,01
3,00

Una buena prctica es realizar el clculo


riguroso de y a partir del resultado
decidir si simplemente se usa el valor de
para una distribucin normal.
La mayora de los laboratorios de
metrologa expresan los resultados de
sus mediciones con un nivel de
confianza no inferior a 95%.

10) Incertidumbre Expandida


La expresin de la incertidumbre expandida incluye su
indicacin como un intervalo centrado en el mejor estimado
del mensurando, la afirmacin de que es del 95% (o el
valor seleccionado) aproximadamente y el nmero efectivo
de grados de libertad, cuando sea requerido.

Una manera de expresar el resultado de la medicin es