7-Metodo Montecarlo PDF

17/08/2015
Estimación de incertidumbre en
las mediciones: GUM y método de
Monte Carlo para principiantes
Agosto 2015
Instructores:
Ana Lilia López Sánchez (alopez@cenam.mx)
Alfredo Elías Juárez (aelias@cenam.mx)
Tel.
Tel. (442) 2 11 05 00 ext. 3599 y 3515
Grupo de Ultrasonido, Dirección de Vibraciones y Acústica

Dirección General de Metrología Física, CENAM.
Objetivo
Que el participante adquiera los conocimientos

básicos para realizar la estimación de
incertidumbre en las mediciones;
- empleando la ley de propagación de incertidumbres

conforme a la GUM (Guide to the Expression of Uncertainty in
Measurement), y
- el Suplemento 1 de la GUM (método de Monte Carlo).
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes.
2
1
17/08/2015
El participante identificará,
con base en un modelo de medición,
Los datos y parámetros estadísticos

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

software libre para realizar la propagación de
distribuciones de probabilidad.
OCTAVE
3
Descripción del curso
Se revisa la metodología GUM para la estimación

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

estimación de incertidumbres; de ser posible, con datos reales
de un proceso de calibración, medición o publicación técnica.
4
2
17/08/2015
Temario
0. Motivación y Referencias clave
1. Introducción: modelo de una medición
2. Repaso de conceptos básicos de probabilidad y estadística.
3. Estimando la incertidumbre de una medición conforme al

método de la “Guide to the expression of uncertainty in
measurement” (GUM).
4. Estimando la incertidumbre de medición utilizando el método

de simulación Monte Carlo.
5. Reflexiones y consideraciones finales en su aplicación
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 Guía para la expresión de la incertidumbre en las mediciones.
5
0. Motivación/ un caso de aplicación
Instrumentación y cadenas de medición en aplicaciones de ultrasonido
Instrumentación típica
Procedimiento
práctica
Código,
+ + + + =
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. Motivación/ ¿es relevante el tema de

la incertidumbre de medida?
Condiciones ¿25.4 mm?

ambientales
exteriores ¿25.6 mm?
mm
Tubería ? ¿25.35 mm?
Condiciones
ambientales Medidor
interiores ultrasónico de
espesor
Espesor
¿Cómo indica o declara actualmente el valor de

espesor de una tubería?
7
0. Motivación/ ¿incertidumbre en la
evaluación de la conformidad?
Tolerancia Tolerancia
inferior superior
No Pasa Pasa No Pasa
Valores medidos considerando la dispersión de los datos debido al

proceso de medición 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. Introducción/
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. Introducción/
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. Introducción/
“La cuantificación de la incertidumbre debe obtenerse sobre la base de un adecuado entendimiento

del proceso de medición involucrado y del sistema sujeto a medición”
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.: Medición del volumen de un cilindro por
desplazamiento de agua.
Mensurando se mide de forma indirecta d

Cálculo del mensurando a partir de otras
magnitudes medidas.
h
π/4)d^2h
Ej.: Volumen de un cilindro: V = (π
VERSIÓN VIM 2008
15
CEM, Evaluación de datos de medición, Guía para la expresión de la incertidumbre de medida

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

probabilidad y estadística.
Mensurando
Resultado no Dispersión por

corregido errores aleatorios
Tolerancia
Corrección
(error sistemático)
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
σ2 = 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)
ν ef = n n −1 N
∑ ∑∑ u ( y)u ( y)r ( x , x )
N
ui4 ( y)
∑
i =1
νi
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,
Estimación “Incertidumbre
de incertidumbre enmediciones:
en las la integración numérica
GUM de curvas
y método de medición”
de Monte Carlo para, principiantes.
mayo 2003
20
10
17/08/2015

Probabilidad, funciones de densidad probabilística

(probability density functions, PDFs) de uso común,
esperanza y momentos de una variable aleatoria.
Parámetros estadísticos: mediana, moda, media

aritmética, varianza, desviación estándar,
incertidumbre estándar, histograma de resultados.
Nivel de confianza, factor de cobertura,

incertidumbre combinada vs. incertidumbre
expandida
21

* CEM, Evaluación de datos de medición, Guía para la expresión de la incertidumbre de medida

22
11
17/08/2015

CEM, Evaluación de datos de medición, Guía para la expresión de la incertidumbre de medida

23

C.2.1 probabilidad
número real, entre 0 y 1, asociado a un suceso aleatorio
C.2.4 función de distribución

función 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 función de densidad de probabilidad (para

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

C.2.19 media aritmética; valor medio

suma de valores dividida entre el número de valores

∙

Mediana: el valor central de los datos ordenados.

Moda: el valor que más veces se repite.
25

C.2.9 esperanza matemática (de una variable aleatoria

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

C.2.13 momento central de orden q

en una distribución de una única variable, es la esperanza matemática de
la q-ésima potencia de la variable aleatoria centrada (X − µ):

μ
26
13
17/08/2015

C.2.20 varianza
medida de dispersión, igual a la suma de los cuadrados de las
desviaciones de las observaciones con respecto a su valor medio,
dividido por el número de observaciones menos uno.
Media Desviación estándar experimental

n
1
⋅ ∑ (x − x i )
2
del mensurando s =
n − 1 i =1
s2 : Varianza experimental
Medida de su Dispersión
27
C.2.18 distribución de
frecuencia
relación empírica entre los valores de una
característica y sus frecuencias o
frecuencias relativas
NOTA La distribución puede representarse gráficamente como un
histograma (ISO 3534-1:1993, definición 2.17), un diagrama de
Valores barras (ISO 3534-1:1993, definición 2.18),…
Tiempo
28
14
17/08/2015
y funciones de densidad de probabilidad (PDF)
Los histogramas permiten visualizar de manera

preliminar la distribución, 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)
= Distribución de Laplace-Gauss
= Distribución Gaussiana
x
µ−σ µ µ + σ
1  (x − µ ) 2 
f (x ) = ⋅ exp − 
σ ⋅ 2π  2 ⋅σ 2 
µ = Media
σ = Desviación estándar
30
15
17/08/2015
Probabilidad de encontrar x en un intervalo:

f(x)
b
P[a ≤ x ≤ b] = ∫ f (x )dx
a
x
µ−
µ−3σ µ µ−
−2σ µ−σ µ µ+σ µ+2σ µ+3σ
Intervalo µ ±σ µ ± 2σ µ ± 3σ
Nivel de Para una distribución normal
confianza 68,3% 95,4% 99,7%
31
Ref. VIM, JCGM 200:2008, trad. Español.
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
según conveniencia.
La incertidumbre estándar 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 medición conforme al

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

modelo de medición).
3.2 Ley de propagación de incertidumbres: con y sin correlación de

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

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

medición conforme al método de la GUM
Parámetro no negativo que caracteriza la dispersión de los valores

atribuidos a un mensurando, a partir de la información 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 cuantificación ¿25.35 mm?

exacta.
El nivel de incertidumbre apropiado depende del

uso intencionado.
NOTA. El parámetro puede ser, por ejemplo, una desviación típica (o un múltiplo de ella), o el semi
intervalo con un nivel de confianza determinado.
36
18
17/08/2015

definición incompleta del mensurando;

Fuentes posibles de realización imperfecta de la definición del mensurando;

muestra no representativa del mensurando;
incertidumbre

lectura sesgada de instrumentos analógicos, por parte del técnico;
resolución finita del instrumento de medida;
conocimiento incompleto de los efectos de las condiciones

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

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

38
19
17/08/2015

Esta Guía proporciona reglas

generales para evaluar y
expresar la incertidumbre de
medida de una magnitud física
bien definida, el mensurando.
39
Procedimiento de evaluación y expresión de la

incertidumbre conforme al método de la GUM
1) Modelo matemáticamente de la relación entre el mensurando y las magnitudes de
entrada .
2) Determinar el valor estimado de las magnitudes de entrada
3) Evaluar la incertidumbre estándar de cada estimación de entrada.
4) Evaluar las covarianzas asociadas a todas las estimaciones de entrada que estén
correlacionadas.
5) Calcular la estimación del mensurando.
6) Determinar la incertidumbre estándar combinada del mensurando.
7) Determinar la incertidumbre expandida.
8) Documentar el resultado de medición junto con su incertidumbre.
40
20
17/08/2015

Magnitud que se desea medir.

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

cuyo valor estimado, , contribuyen al valor estimado del mensurando o
cantidad de salida, .
Proceso
⋮ de
medición
, , ⋯ ,
41

entrada .
Relación matemática existente entre el mensurando (Y ) y las magnitudes
de entrada (Xi ) de las que depende Y.
, , ⋯ ,
Decidir qué se quiere medir.
Decidir qué mediciones y cálculos 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 .
- ρ : 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
medición
Medición directa
C: Corrección
43


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

0 Diámetro 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 análisis estadístico de una serie de

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

Magnitudes cuyos valores e incertidumbre se introducen en la

medición 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 #**%ó)
Por el instrumento Por magnitudes de

influencia (ej. temperatura,
presión atmosférica, o
humedad)
46
23
17/08/2015

Diámetro del cilindro.

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

h
Certificado de Material del

calibración del instrumento.
instrumento de
medición.
Regla.
Corrección = 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.
calibración del
instrumento.
Regla.
Corrección = 0 mm.
U = ± 0.1 % de la lectura, k=2.
48
24
17/08/2015

3) Evaluar la incertidumbre estándar, E , de cada estimación de entrada .
a) Identificación de b) Clasificación según d) Determinación

c) Distribución de
las fuentes de su método de incertidumbre
probabilidad.
incertidumbre. evaluación. estándar.
Certificado de Tipo A. Tipo A.

calibración. Se evalúa por análisis a partir de distribución
Resolución del estadístico de una serie de frecuencia
instrumento. de observaciones. observada.
Repetibilidad de Tipo B. Tipo B.
las lecturas. Adopción de valores distribuciones
Bibliografía. “externos” al proceso de supuestas a priori.
medición.
49

Fuente de Distribución Expresión para obtener Comentarios o ejemplos

incertidumbre de E
probabilidad
F
Resolución del Rectangular E Un termómetro digital con una
I.
instrumento (tipo B) 12 resolución de 0.1°C. E °C

Repetibilidad de Normal
E J Evaluación estadística de la
las lecturas (tipo A) repetibilidad proporciona el resultado
J en términos de una desviación

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

JK
L La repetibilidad del proceso depende

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

Fuente de Distribución Expresión para obtener Comentarios o ejemplos

incertidumbre de E
probabilidad
Certificado de Normal M Un certificado de calibración expresa
E
calibración 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) Oí,QR R QSTRUFVF se indican para un nivel de confianza, en

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

entonces se debe suponer una
distribución uniforme.
51

Distribución de Expresión para obtener Comentarios o ejemplos

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

Repetibilidad
Resolución del instrumento 0:;<
Diámetro de
Certificado de calibración del instrumento 8=>?
un cilindro
Repetibilidad
0
Resolución del termómetro ∆Z
Certificado de calibración del termómetro
Bibliografía ∝
53

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

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

5) Calcular el resultado de medición
La estimación del mensurando , a partir de la relación funcional

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

Magnitud de Lecturas registradas Valor Modelo matemático Mensurando
entrada Promedio Y
xi 1 2 3 / N x
̅
̅ , , ⋯ ,
⋮ ⋮
̅
55

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

incertidumbre información E
Diámetro medido, _,R
Repetibilidad Lecturas A. Normal
Resolución Instrumento B. Uniforme
Corrección del
instrumento, `JQ
Calibración 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
Resolución Instrumento B. Uniforme
Corrección del
instrumento, `JQ
Calibración Certificado B. Normal.k=2
57

6) Determinar la incertidumbre estándar combinada del mensurando, EV b
La incertidumbre típica combinada 5@ es la raíz cuadrada positiva de la

varianza combinada 5@ , dada por:

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

5@ * ∙ 5
≡ 5

c
* ≡
contribución 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 típica combinada 5@ es la raíz cuadrada positiva de la varianza

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

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

Diámetro 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 contribución

incertidumbre distribución V ∙ E
Diámetro medido,
_,R
Repetibilidad
Resolución
Corrección por
instrumento, `JQ
Calibración
5@ 0 5ghij 0 7 5klmno,pqr 0

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

Teorema del Límite Central:
La distribución del mensurando Y es (aproximadamente) normal, si las

contribuciones Xi son independientes (no correlacionadas) y la varianza s2(Y)
es mucho más grande que cualquier componente individual ci2·s2(Xi) cuya
distribución no sea normal.
Intervalo µ ±σ µ ± 2σ µ ± 3σ
Nivel de
confianza 68.3% 95.4% 99.7%
µ−
µ−3σ µ µ−
−2σ µ −σ µ µ+σ µ+2σ µ+3σ
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 prácticas 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 dará un nivel de confianza
de aproximadamente 95%, suponiendo y-U y y+U
una distribución normal.
63

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

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=y±U con k = ? @ x % U Incertidumbre expandida
Ejemplos de expresión 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 ± 2.2·10-3 (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 = ± 2.2·10-3 (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:
Reflexión (eco)
Espesor medido ( )

Bloque de referencia
Espesor de referencia ( )
Medidor
,
67


entrada .
Relación matemática 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 corrección de los efectos sistemáticos.
(; (@Cs 1 7∝ 4 4@Cs 7 (C@
Longitud del bloque Coeficiente de Temperatura del Temperatura de Espesor de la capa de

patrón dada en su dilatación térmica bloque durante la calibración del acoplante a la
certificado de lineal del bloque medición bloque temperatura de
calibración patrón medición.
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 análisis estadístico 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 aritmética
(n = 5)
Temperatura del bloque.

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

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

Magnitudes cuyos valores e incertidumbres se introducen en la medición
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 bibliografía. De estudio realizado.
10.161
calibración del
bloque. 12.702
19.048
25.400
uspqr 0.004 (mm) 4@Cs (20 ± 0.2) °C
Del certificado de calibración del bloque.
72
36
17/08/2015

Repetibilidad
Resolución del medidor ultrasónico de espesores (:;<
Repetibilidad
Resolución del termómetro 4

Certificado de calibración del termómetro
Certificado de calibración del bloque de referencia (@Cs #
Certificado de calibración del bloque de referencia 4@Cs
Bibliografía ∝
Medición 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
Resolución 0.001 mm Carátula B. Uniforme 2.887x10-4 mm
Longitud del bloque, TVFT 2.543 mm
Calibración 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
Resolución 0.1 °C Carátula B. Uniforme 0.03 °C
Calibración 0.2 °C Certificado B. Normal.k=2 0.1 °C
Temp. calibración bloque, QVFT 20 °C
Calibración 0.2 °C Certificado B. Uniforme 0.06 °C
Coef. dil. térmica lineal, ∝ 1.1x10-5 °C-1
Bibliografía 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:
Estimación 0.005 mm GUM y método
Informe de Monte Carlo
B. Normal.k=2
para principiantes. 0.0025 mm
37
17/08/2015

5) Calcular la estimación b del mensurando , a partir de la relación 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 contribución
incertidumbre distribución V ∙ E
Espesor medido, T,R 2.543 mm 1
Repetibilidad 0.002 mm A.Normal 0.001 mm 0.001 mm
Resolución 0.001 mm B.Uniforme 2.887x10-4 mm 2.887x10-4 mm
Longitud bloque, TVFT 2.543 mm -1
Calibración 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
Resolución 0.1 °C B. Uniforme 0.03 °C -8.08x10-7 mm
Calibración 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
Calibración 0.2 °C B. Uniforme 0.06 °C 1.62x10-6 mm
Coef. dil. térm. lineal, ∝ 1.1x10-5 °C-1 -3.56 mm°C
Bibliografía 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 distribución normal del error de
medida, definiendo un intervalo estimado para tener un nivel de confianza de aproximadamente 95%.
81
4. Estimando la incertidumbre de
medición utilizando el método SMC
4.1 Breve introducción al software Octave y Matlab: vectores y

operaciones básicas
4.2 Gráfica de variables aleatorias: PDFs vs. histogramas
4.3 Modelo de una medición y el concepto de propagación de

incertidumbres
4.4 Simulación por el método de Monte Carlo: datos de medición

para llevarla a cabo
4.5 Incertidumbre en las mediciones ultrasónicas: comparación

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 librerías y programas

desarrollados en ambas plataformas. Algunos son más eficientes
y robustos; siendo importante saber qué estamos resolviendo y
contar con algún mecanismo de comprobación.
GNU Octave, http://www.octave.org

Matlab, http://www.mathworks.com
83
Modelos y transformaciones matemáticas
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
(λA) T = λAT vector renglón:

( AB ) = B A
T T T
… :
(A ) = A
T T
85
Graficando vectores
Líneas de código 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 distribución 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 distribución 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 medición y el

concepto de propagación 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 ξ_% and expectation x_i. Y is a random variable with possible values η_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 propagación de

incertidumbres
Método de Monte Carlo, sección 5.9.6 de Suplemento 1 de la GUM:
a) definir el número de veces, M, que será evaluado el modelo de

medición 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 medición f(X);
d) ordenar en forma creciente los valores obtenidos para el
mensurando; y obtener su distribución de probabilidad G_Y;
e) obtener el valor del mensurando e incertidumbre estándar;
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 Simulación por el método de Monte

Carlo: datos de medición para
llevarla a cabo
Qué datos necesito para la propagación de incertidumbres:
1. Un valor grande para M; e.g., 1e6 o utilizar métodos adaptivos

2. Una probabilidad de cobertura, e.g., 0.95
3. Un modelo de medición, 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 distribución estándar
98
49
17/08/2015
Ejemplos GUM
99
4.5 Incertidumbre en las mediciones

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

este curso, para realizar la estimación de incertidumbres empleando el
método de simulación de Monte Carlo para cualquier mensurando,
definido con una sola ecuación o modelo matemático del tipo:
Y = f ( X1, , X 2 ,..., X n ) = f (X)

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

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

incertidumbre distribución
Repetibilidad 0.002 mm A.Normal 0.001 mm
Resolución 0.001 mm B.Uniforme 2.887x10-4 mm
Longitud bloque, TVFT 2.543 mm
Calibración 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
Resolución 0.1 °C B. Uniforme 0.03 °C
Calibración 0.2 °C B. Normal.k=2 0.1 °C
Temp. cal. bloque, QVFT 20 °C
Calibración 0.2 °C B. Uniforme 0.06 °C
Coef. dil. térm. lineal, ∝ 1.1x10-5 °C-1
Bibliografía 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 información distribución estándar, E
Repetibilidad 0.009 mm Lecturas A. Normal 0.004 mm
Resolución 0.01 mm Carátula B. Uniforme 2.89x10-3 mm
Calibración 0.01 mm Certificado B. Normal.k=2 0.005 mm
Velocidad de
propagación del 6 380.1 m/s
bloque medido, V
Calibración 59.3 m/s Certificado B. Normal.k=2 29.65 m/s
Velocidad de
propagación del 5 914.8 m/s
bloque referencia, VUR
Calibración 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/
¿Cuál es el mensurando? /
mm
25,4
¿Medición directa o medición indirecta?...
¿Qué modelo matemático puedo utilizar

para representar la medición? /
¿Cuáles son las magnitudes de entrada? /
¿Es aceptable suponer independencia estadística

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

¿Qué beneficios obtengo al estimar la incertidumbre del
resultado de una medición?
¿Las mediciones repetidas y su correspondiente estimación de

incertidumbres, dado que implican más tiempo de operación y
demoran el proceso para emitir un resultado, son un gasto
innecesario o en qué momento agregan valor al resultado?
con o sin una estimación de incertidumbres el responsable o usuario

de la medición tomará una decisión respecto a la aceptación o
rechazo del artefacto medido, evaluado o inspeccionado/ ¿entre
varios laboratorios, cómo 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 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

7-Metodo Montecarlo PDF

Cargado por

Copyright:

Formatos disponibles

17/08/2015

Grupo de Ultrasonido, Dirección de Vibraciones y Acústica

Que el participante adquiera los conocimientos

- empleando la ley de propagación de incertidumbres

Los datos y parámetros estadísticos

en el caso del método de Monte Carlo, se utilizará

Descripción del curso

Se revisa la metodología GUM para la estimación

Se sugiere que cada participante proporcione un problema de

1. Introducción: modelo de una medición

2. Repaso de conceptos básicos de probabilidad y estadística.

3. Estimando la incertidumbre de una medición conforme al

4. Estimando la incertidumbre de medición utilizando el método

0. Motivación/ un caso de aplicación

Instrumentación y cadenas de medición en aplicaciones de ultrasonido

0. Motivación/ ¿es relevante el tema de

Condiciones ¿25.4 mm?

¿Cómo indica o declara actualmente el valor de

No Pasa Pasa No Pasa

Valores medidos considerando la dispersión de los datos debido al

JCGM 100:2008 / “aka la GUM”

0.1 When reporting the result of a measurement of a

“La cuantificación de la incertidumbre debe obtenerse sobre la base de un adecuado entendimiento

1. Introducción: modelo de una medición

1. Introducción: modelo de una medición

Mensurando se mide directamente

Mensurando se mide de forma indirecta d

VERSIÓN VIM 2008

1. Introducción: modelo de una medición

CEM, Evaluación de datos de medición, Guía para la expresión de la incertidumbre de medida

2. Repaso de conceptos básicos de

Resultado no Dispersión por

2. Repaso de conceptos básicos de

Definiciones iniciales y / Etc., ☺

2. Repaso de conceptos básicos de

Probabilidad, funciones de densidad probabilística

Parámetros estadísticos: mediana, moda, media

Nivel de confianza, factor de cobertura,

2. Repaso de conceptos básicos de

* CEM, Evaluación de datos de medición, Guía para la expresión de la incertidumbre de medida

2. Repaso de conceptos básicos de

CEM, Evaluación de datos de medición, Guía para la expresión de la incertidumbre de medida

2. Repaso de conceptos básicos de

C.2.4 función de distribución

C.2.5 función de densidad de probabilidad (para

2. Repaso de conceptos básicos de

C.2.19 media aritmética; valor medio

Mediana: el valor central de los datos ordenados.

2. Repaso de conceptos básicos de

C.2.9 esperanza matemática (de una variable aleatoria

C.2.13 momento central de orden q

2. Repaso de conceptos básicos de

Media Desviación estándar 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. Español.

Fuente: Ref. NMX-CH-140-IMNC

• Aumentar el nivel de confianza.

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

3. Estimando la incertidumbre de una medición conforme al

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

3.2 Ley de propagación de incertidumbres: con y sin correlación de

La incertidumbre es un intervalo de valores en el

La incertidumbre se estima, no es una cuantificación ¿25.35 mm?

El nivel de incertidumbre apropiado depende del

lectura sesgada de instrumentos analógicos, por parte del técnico;

resolución finita del instrumento de medida;

conocimiento incompleto de los efectos de las condiciones

valores inexactos de constantes y otros parámetros tomados de

En general, un proceso de medición 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 #**%ó)

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 estándar, E , de cada estimación de entrada .

Certificado de Tipo A. Tipo A.

Especificaciones Normal E Algunas especificaciones de fabricantes

3) Evaluar la incertidumbre estándar, E , de cada estimación de entrada .