Está en la página 1de 57

GUIA 98-4

Incertidumbre de medida
Parte 4:
Papel de la incertidumbre de medición en la
evaluación de conformidad

First edition 2012

© ISO/IEC 2012
PDF disclaimer
Descargo de responsabilidad en PDF
Este archivo PDF puede contener tipos de letra incrustados. De acuerdo con la política de licencias de Adobe, este archivo puede
imprimirse o visualizarse, pero no debe editarse a menos que los tipos de letra incrustados estén autorizados e instalados en la
computadora que realiza la edición. Al descargar este archivo, las partes aceptan la responsabilidad de no infringir la política de
licencias de Adobe. La Secretaría Central de ISO no acepta ninguna responsabilidad en esta área.

Adobe es una marca registrada de Adobe Systems Incorporated.

Los detalles de los productos de software utilizados para crear este archivo PDF se pueden encontrar en la Información general
relativa al archivo; Los parámetros de creación de PDF fueron optimizados para la impresión. Se han tomado todas las
precauciones para garantizar que el archivo sea adecuado para el uso de los organismos miembros de ISO. En el caso improbable
de que se encuentre un problema relacionado con él, informe a la Secretaría Central en la dirección que se proporciona a
continuación.
Prólogo ISO / IEC

ISO (la Organización Internacional de Normalización) e IEC (la Comisión Electrotécnica Internacional) forman el
sistema especializado para la estandarización mundial. Los organismos nacionales que son miembros de ISO o IEC
participan en el desarrollo de Normas Internacionales a través de comités técnicos establecidos por la organización
respectiva para ocuparse de campos particulares de actividad técnica. Los comités técnicos de ISO e IEC colaboran
en campos de interés mutuo. Otras organizaciones internacionales, gubernamentales y no gubernamentales, en
colaboración con ISO e IEC, también participan en el trabajo.

Los proyectos de Guías adoptados por el Comité o Grupo responsable se distribuyen a los organismos miembros
para su votación. La publicación como guía requiere la aprobación de al menos el 75% de los organismos miembros
que emiten un voto.

Se llama la atención sobre la posibilidad de que algunos de los elementos de este documento puedan estar sujetos a
derechos de patente. ISO no será responsable de identificar ninguno o todos los derechos de patente.

La Guía ISO / IEC 98-4 fue preparada por el Grupo de Trabajo 1 del Comité Conjunto de Guías en Metrología
(como JCGM 106: 2012), y fue adoptada por los organismos nacionales de ISO e IEC.

La Guía ISO / IEC 98 consta de las siguientes partes, bajo el título general Incertidumbre de medición:

- Parte 1: Introducción a la expresión de incertidumbre en la medición.

- Parte 3: Guía para la expresión de incertidumbre en la medición (GUM: 1995)

- Parte 4: Papel de la incertidumbre de medición en la evaluación de conformidad

Se planifican las siguientes partes:

- Parte 2: Conceptos y principios básicos

- Parte 5: Aplicaciones del método de mínimos cuadrados

La Guía ISO / IEC 98-3 tiene dos suplementos:

- Suplemento 1: Propagación de distribuciones utilizando un método de Monte Carlo

- Suplemento 2: Extensión a cualquier número de magnitudes de salida

Se planea el siguiente suplemento de la Guía ISO / IEC 98-3:

- Suplemento 3: Modelado

Dado que la Guía ISO / IEC 98-3: 2008 / Suppl.1: 2011 es idéntica en contenido a JCGM 101: 2011, el símbolo
decimal es un punto en la línea en la versión en inglés y una coma en la línea en la versión en francés.

El anexo ZZ se ha agregado para proporcionar una lista de las correspondientes Guías ISO / IEC y documentos de
orientación JCGM para los cuales no se dan equivalentes en el texto.
© JCGM 2012

Los derechos de autor de este documento de orientación de JCGM son compartidos conjuntamente por las
organizaciones miembros de JCGM (BIPM, IEC, IFCC, ILAC, ISO, IUPAC, IUPAP y OIML).

Derechos de autor

Incluso si las versiones electrónicas están disponibles de forma gratuita en el sitio web de una o más de las
organizaciones miembros de JCGM, los derechos de autor económicos y morales relacionados con todas las
publicaciones de JCGM están protegidos internacionalmente. El JCGM no permite, sin su autorización por escrito,
que terceros reescriban o remarquen temas, vendan copias al público, o transmitan o usen en línea sus publicaciones.
Igualmente, la JCGM también se opone a la distorsión, el aumento o la mutilación de sus publicaciones, incluidos
sus títulos, lemas y logotipos, y los de sus organizaciones miembros.

Versiones oficiales y traducciones

Las únicas versiones oficiales de los documentos son las publicadas por la JCGM, en sus idiomas originales.

Las publicaciones de JCGM pueden traducirse a idiomas distintos de aquellos en los que JCGM publicó
originalmente los documentos. Se debe obtener el permiso de la JCGM antes de poder realizar una traducción.
Todas las traducciones deben respetar el formato original y oficial de las fórmulas y unidades (sin conversión a otras
fórmulas o unidades), y deben contener la siguiente declaración (que se traducirá al idioma elegido):

Todos los productos de JCGM están protegidos internacionalmente por derechos de autor. Esta traducción del
documento original de JCGM ha sido producida con el permiso de JCGM. El JCGM conserva los derechos de autor
protegidos internacionalmente sobre el diseño y el contenido de este documento y sobre los títulos, el eslogan y los
logotipos del JCGM. Las organizaciones miembros de JCGM también conservan el derecho internacional completo
en sus títulos, lemas y logotipos incluidos en las publicaciones de JCGM. La única versión oficial es el documento
publicado por la JCGM, en los idiomas originales.

El JCGM no acepta ninguna responsabilidad por la relevancia, precisión, integridad o calidad de la información y
los materiales ofrecidos en cualquier traducción. Se proporcionará una copia de la traducción al JCGM en el
momento de la publicación.

Reproducción

Las publicaciones de JCGM pueden reproducirse, siempre que JCGM haya otorgado un permiso por escrito. Una
muestra de cualquier documento reproducido se proporcionará a la JCGM en el momento de la reproducción y
contendrá la siguiente declaración:

Este documento se reproduce con el permiso de JCGM, que conserva todos los derechos de autor protegidos
internacionalmente sobre el diseño y el contenido de este documento y sobre los títulos, lemas y logotipos de JCGM.
Las organizaciones miembros de JCGM también conservan el derecho internacional completo en sus títulos, lemas y
logotipos incluidos en las publicaciones de JCGM. Las únicas versiones oficiales son las versiones originales de los
documentos publicados por la JCGM.

Renuncia

La JCGM y sus organizaciones miembros han publicado este documento para mejorar el acceso a la información
sobre metrología. Se esfuerzan por actualizarlo regularmente, pero no pueden garantizar la precisión en todo
momento y no serán responsables de ningún daño directo o indirecto que pueda resultar de su uso. Cualquier
referencia a productos comerciales de cualquier tipo (incluidos, entre otros, software, datos o hardware) o enlaces a
sitios web, sobre los cuales JCGM y sus organizaciones miembros no tienen control y de los cuales no asumen
responsabilidad, no implica ninguna aprobación. , respaldo o recomendación de la JCGM y sus organizaciones
miembros.

Prefacio

En 1997, un comité conjunto para guías de metrología (JCGM), presidido por el Director de la Oficina Internacional
de Poids et Mesures (BIPM), fue creado por las siete organizaciones internacionales que originalmente habían
preparado en 1993 la Guía para la expresión de la incertidumbre en medición (GUM) y el vocabulario internacional
de términos básicos y generales en metrología (VIM). El JCGM asumió la responsabilidad de estos dos documentos
del Grupo Técnico Asesor 4 de ISO (TAG4).

El Comité Conjunto está formado por el BIPM con la Comisión Electrotécnica Internacional (IEC), la Federación
Internacional de Química Clínica y Medicina de Laboratorio (IFCC), la Organización Internacional de
Normalización (ISO), la Unión Internacional de Química Pura y Aplicada (IUPAC) , la Unión Internacional de
Física Pura y Aplicada (IUPAP) y la Organización Internacional de Metrología Legal (OIML). Otra organización se
unió a estas siete organizaciones internacionales, a saber, la Cooperación Internacional de Acreditación de
Laboratorios (ILAC).

JCGM tiene dos grupos de trabajo. El Grupo de trabajo 1, “Expresión de incertidumbre en la medición”, tiene la
tarea de promover el uso de la GUM y preparar suplementos y otros documentos para su amplia aplicación. El
Grupo de trabajo 2, “Grupo de trabajo sobre vocabulario internacional de términos básicos y generales en
metrología (VIM)”, tiene la tarea de revisar y promover el uso del VIM. Para obtener más información sobre la
actividad de la JCGM, consulte www.bipm.org

Documentos como este están destinados a dar un valor agregado a la GUM al proporcionar orientación sobre
aspectos de la evaluación y el uso de la incertidumbre de medición que no se tratan explícitamente en la GUM.
Dicha orientación será lo más coherente posible con la base probabilística general de la GUM.

Este documento ha sido preparado por el Grupo de trabajo 1 de la JCGM, y se ha beneficiado de las revisiones
detalladas realizadas por las organizaciones miembros de la JCGM y los Institutos Nacionales de Metrología.
Introducción

La evaluación de conformidad (ver 3.3.1), como se define ampliamente, es cualquier actividad realizada para
determinar, directa o indirectamente, si un producto, proceso, sistema, persona u organismo cumple con los
estándares relevantes y cumple con los requisitos específicos (ver 3.3.3). ISO / IEC 17000: 2004 proporciona
términos y definiciones generales relacionados con la evaluación de la conformidad, incluida la acreditación de los
organismos de evaluación de la conformidad y el uso de la evaluación de la conformidad para facilitar el comercio.

En un tipo particular de evaluación de la conformidad, a veces llamada inspección (ver 3.3.2), la determinación de
que un producto cumple un requisito específico se basa en la medición como fuente principal de información. ISO
10576-1: 2003 [22] establece pautas para verificar la conformidad con los límites especificados en el caso en que se
mide una cantidad (ver 3.2.1) y un intervalo de cobertura resultante (ver 3.2.7) (denominado 'intervalo de
incertidumbre' en ISO 10576-1: 2003) se compara con un intervalo de tolerancia (ver 3.3.5). El presente documento
amplía este enfoque para incluir una consideración explícita de los riesgos y desarrolla procedimientos generales
para decidir la conformidad con base en los resultados de medición (ver 3.2.5), reconociendo el papel central de las
distribuciones de probabilidad (ver 3.1.1) como expresiones de incertidumbre e información incompleta.

La evaluación de la incertidumbre de medición es un problema técnico cuya solución es abordada por JCGM 100:
2008, la Guía para la expresión de incertidumbre en la medición (GUM), y por y sus Suplementos, JCGM 101:
2008, JCGM 102: 2011 y JCGM 103 [3] El presente documento supone que se ha medido una cantidad de interés, el
mensurando (ver 3.2.4), con el resultado de la medición expresado de una manera compatible con los principios
descritos en el GUM. En particular, se supone que se han aplicado correcciones para tener en cuenta todos los
efectos sistemáticos significativos reconocidos.

En la evaluación de conformidad, se utiliza un resultado de medición para decidir si un ítem de interés cumple con
un requisito específico. El ítem podría ser, por ejemplo, un bloque de medidores o un voltímetro digital para ser
calibrado de acuerdo con ISO / IEC 17025: 2005 [23] o verificado de acuerdo con ISO 3650 [24], o una muestra de
aguas residuales industriales. El requisito generalmente toma la forma de uno o dos límites de tolerancia (ver 3.3.4)
que definen un intervalo de valores permisibles, llamado intervalo de tolerancia (ver 3.3.5), de una propiedad
medible del elemento. Ejemplos de tales propiedades incluyen la longitud de un bloque de medidores, el error de
indicación de un voltímetro y la concentración de masa de mercurio en una muestra de aguas residuales. Si el
verdadero valor de la propiedad se encuentra dentro del intervalo de tolerancia, se dice que es conforme y no
conforme de lo contrario.

NOTA. El término "intervalo de tolerancia" como se usa en la evaluación de conformidad tiene un significado
diferente del mismo término que se usa en estadística.

En general, decidir si un ítem se ajusta dependerá de varias propiedades medidas y puede haber uno o más intervalos
de tolerancia asociados con cada propiedad. También puede haber una serie de posibles decisiones con respecto a
cada propiedad, dado el resultado de una medición. Habiendo medido una cantidad particular, por ejemplo, uno
podría decidir (a) aceptar el ítem, (b) rechazar el ítem, (c) realizar otra medición y pronto. Este documento trata de
elementos que tienen una propiedad escalar única con un requisito dado por uno o dos límites de tolerancia, y un
resultado binario en el que solo hay dos estados posibles del elemento, conformes o no conformes, y dos posibles
decisiones correspondientes, aceptar o rechazar Los conceptos presentados pueden extenderse a problemas de
decisión más generales.

En la evaluación de los datos de medición, el conocimiento de los posibles valores de un mensurando es, en general,
codificado y transmitido por una función de densidad de probabilidad (ver 3.1.3), o una aproximación numérica de
dicha función. Tal conocimiento se resume a menudo dando una mejor estimación (tomada como el valor de la
cantidad medida (ver 3.2.6)) junto con una incertidumbre de medición asociada, o un intervalo de cobertura que
contiene el valor del mensurando con una probabilidad de cobertura establecida (ver 3.2 .8). Por lo tanto, una
evaluación de la conformidad con los requisitos especificados es una cuestión de probabilidad, basada en la
información disponible después de realizar la medición.

En una medición típica, el mensurando de interés no es en sí mismo observable. La longitud de un bloque de calibre
de acero, por ejemplo, no se puede observar directamente, pero se puede observar la indicación de un micrómetro
con sus yunques en contacto con los extremos del bloque. Tal indicación transmite información sobre la longitud del
bloque a través de un modelo de medición que incluye los efectos de las cantidades de influencia, como la expansión
térmica y la calibración de micrómetros. En la evaluación de conformidad, una decisión de aceptar / rechazar se basa
en datos observables (valores de cantidad medidos, por ejemplo) que conducen a una inferencia con respecto a los
posibles valores de un mensurando no observable [37]

Debido a la incertidumbre en la medición, siempre existe el riesgo de decidir incorrectamente si un ítem se ajusta o
no a un requisito específico en función del valor medido de una propiedad del ítem. Dichas decisiones incorrectas
son de dos tipos: un elemento aceptado como conforme puede ser realmente no conforme, y un elemento rechazado
como no conforme puede ser conforme.

Al definir un intervalo de aceptación (ver 3.3.9) de los valores medidos permisibles de un mensurando, los riesgos
de las decisiones incorrectas de aceptación/rechazo asociadas con la incertidumbre de medición pueden equilibrarse
de tal manera que se minimicen los costos asociados con tales decisiones incorrectas. Este documento aborda el
problema técnico de calcular la probabilidad de conformidad (ver 3.3.7) y las probabilidades de los dos tipos de
decisiones incorrectas, dada una función de densidad de probabilidad (FDP) para el mensurando, los límites de
tolerancia y los límites del intervalo de aceptación.

Un intervalo de aceptación particular y su relación con un intervalo de tolerancia correspondiente se muestran en la


figura 1.

Figura 1 - Evaluación de conformidad binaria donde las decisiones se basan en valores de cantidad medidos. El
valor verdadero de una propiedad medible (el mensurando) de un elemento se especifica en un intervalo de
tolerancia definido por límites (T L, TU). El ítem se acepta como conforme si el valor medido de la propiedad se
encuentra en un intervalo definido por los límites de aceptación (ver 3.3.8) (A L, AU), y de lo contrario se rechaza
como no conforme.

La elección de los límites de tolerancia y los límites de aceptación son decisiones comerciales o políticas que
dependen de las consecuencias asociadas con las desviaciones de la calidad prevista del producto. Un tratamiento
general de la naturaleza de tales decisiones está más allá del alcance de este documento; véanse, por ejemplo, las
referencias [14, 15, 34, 35, 36, 44].
EVALUACIÓN DE DATOS DE MEDICIÓN: EL PAPEL DE LA
INCERTIDUMBRE DE MEDICIÓN EN LA EVALUACIÓN DE
CONFORMIDAD

1. Alcance

Este documento proporciona orientación y procedimientos para evaluar la conformidad de un ítem (entidad, objeto o
sistema) con los requisitos especificados. El ítem podría ser, por ejemplo, un bloque de medidores, una báscula de
supermercado o una muestra de sangre. Los procedimientos se pueden aplicar cuando existen las siguientes
condiciones:

- el ítem se distingue por una sola cantidad escalar (ver 3.2.1) (una propiedad medible) definida a un nivel de
detalle suficiente para ser representada razonablemente por un valor verdadero esencialmente único;

- NOTA La GUM proporciona una justificación para no usar el término "verdadero", pero se usará en este
documento cuando exista la posibilidad de ambigüedad o confusión.

- un intervalo de valores permisibles de la propiedad se especifica mediante uno o dos límites de tolerancia;

- la propiedad puede ser medida y el resultado de la medición (ver 3.2.5) expresarse de manera consistente con
los principios de la GUM, de modo que el conocimiento del valor de la propiedad pueda describirse
razonablemente mediante (a) una función de densidad de probabilidad ( ver 3.1.3) (FDP), (b) una función de
distribución (ver 3.1.2), (c) aproximaciones numéricas a tales funciones, o (d) una mejor estimación, junto con
un intervalo de cobertura y una probabilidad de cobertura asociada.

Los procedimientos desarrollados en este documento pueden usarse para realizar un intervalo, llamado intervalo de
aceptación, de valores medidos permisibles de la propiedad de interés. Los límites de aceptación se pueden elegir
para equilibrar los riesgos asociados con la aceptación de ítems no conformes (riesgo del consumidor) o el rechazo
de ítems conformes (riesgo del productor).

Se abordan dos tipos de problemas de evaluación de la conformidad. El primero es el establecimiento de límites de


aceptación que asegurarán que se logre una probabilidad de conformidad deseada para un solo elemento medido. El
segundo es el establecimiento de límites de aceptación para asegurar un nivel aceptable de confianza en promedio a
medida que se miden varios elementos (nominalmente idénticos). Se da orientación para su solución.

Este documento contiene ejemplos para ilustrar la orientación proporcionada. Los conceptos presentados pueden
extenderse a problemas de evaluación de la conformidad más generales basados en mediciones de un conjunto de
medidas escalares. Documentos como las referencias [19, 13] cubren aspectos específicos del sector de la
evaluación de la conformidad.

La audiencia de este documento incluye gerentes de calidad, miembros de organizaciones de desarrollo de


estándares, autoridades de acreditación y el personal de laboratorios de prueba y medición, organismos de
inspección, organismos de certificación, agencias reguladoras, académicos e investigadores.

2. Referencias normativas

Los siguientes documentos referenciados son indispensables para la aplicación de este documento.
JCGM 100: 2008. Evaluación de datos de medición - Guía para la expresión de incertidumbre en la medición
(GUM).

JCGM 101: 2008. Evaluación de datos de medición - Suplemento 1 de la "Guía para la expresión de incertidumbre
en la medición" - Propagación de distribuciones utilizando un método de Monte Carlo.

JCGM 102: 2011. Evaluación de datos de medición - Suplemento 2 de la “Guía para la expresión de incertidumbre
en la medición” - Extensión a cualquier cantidad de cantidades de salida.

JCGM 200: 2012. Vocabulario internacional de metrología: conceptos básicos y generales y términos asociados
(VIM3).

ISO / IEC 17000: 2004. Evaluación de conformidad - Vocabulario y principios generales.

ISO 3534-1: 2006. Estadísticas - Vocabulario y símbolos - Parte 1: Probabilidad y términos estadísticos generales.
ISO 3534-2: 2006. Estadísticas - Vocabulario y símbolos - Parte 2: Estadísticas aplicadas.

3. Términos y definiciones

A los efectos de este documento, se aplican las definiciones de JCGM 100: 2010, JCGM 101: 2008 y JCGM 200:
2012, a menos que se indique lo contrario. Algunas de las definiciones más relevantes de estos documentos se dan
brevemente a continuación. Se puede encontrar información complementaria, incluidas notas y ejemplos, en las
referencias normativas.

También se dan definiciones adicionales, incluidas definiciones tomadas o adaptadas de otras fuentes, que son
especialmente importantes en la evaluación de la conformidad.

Para las definiciones que citan otros documentos, una NOTA que aparece antes de dicha cita es parte de la entrada
citada; otras NOTAS son particulares del presente documento.

En este documento, los términos "indicación" y "error máximo permitido (de indicación)" se consideran cantidades
en lugar de valores, en contraste con JCGM 200: 2012.

NOTA Las citas del formulario [JCGM 101: 2008 3.4] corresponden a las (sub) cláusulas indicadas de la referencia
citada.

3.1. Términos relacionados con la probabilidad

3.1.1.
Distribución de probabilidad
Distribución
Medida de probabilidad inducida por una variable aleatoria

NOTA Existen numerosas representaciones matemáticas equivalentes de una distribución, incluida la función de
distribución (véase la cláusula 3.1.2), la función de densidad de probabilidad, si existe (véase la cláusula 3.1.3) y la
función característica.

[Adaptado de ISO 3534-1: 2006 2.11]


3.1.2.
Función de distribución
Función que da, para cada valor ξ, la probabilidad de que la variable aleatoria X sea menor o igual a ξ:

[JCGM 101:2008 3.2]

3.1.3.
Función de densidad de probabilidad
FDP
Derivada, cuando existe, de la función de distribución.

NOTA es el elemento de probabilidad

[Adaptado de JCGM 101: 2008 3.3]

3.1.4.
Distribución normal
Distribución de probabilidad de una variable aleatoria continua X que tiene la función de densidad de probabilidad

* ( ) +

Por

NOTA 1 µ es la expectativa (ver 3.1.5) y σ es la desviación estándar (ver 3.1.7) de X.


NOTA 2 La distribución normal también se conoce como distribución gaussiana.
[JCGM 101: 2008 3.4]

3.1.5.
Expectativa
Para una variable aleatoria continua X caracterizada por una FDP gX (ξ),

NOTA 1. La expectativa también se conoce como la media.


NOTA 2. No todas las variables aleatorias tienen una expectativa.
NOTA 3. La expectativa de la variable aleatoria Z = F (X), para una función dada F (X), es

( ) ∫
[JCGM 101:2008 3.6]

3.1.6.
Varianza
Para una variable aleatoria continua X caracterizada por un FDP gX (ξ),

∫ [ ]

NOTA. No todas las variables aleatorias tienen una varianza.


[JCGM 101:2008 3.7]

3.1.7.
Desviación estándar
Raíz cuadrada positiva de la varianza
[JCGM 101: 2008 3.8]

3.2. Términos relacionados con la metrología

3.2.1.
Cantidad
Propiedad de un fenómeno, cuerpo o sustancia, donde la propiedad tiene una magnitud que puede expresarse como
un número y una referencia.

[JCGM 200: 2012 1.1]

3.2.2.
Valor de la cantidad
Valor de una cantidad
Valor
Número y referencia juntos que expresan la magnitud de una cantidad [JCGM 200: 2012 1.19]

3.2.3.
Valor de cantidad verdadera
Valor verdadero de una cantidad
Valor verdadero
Valor de cantidad consistente con la definición de una cantidad [JCGM 200: 2012 2.11]

3.2.4.
Mensurando
Cantidad destinada a ser medida [JCGM 200: 2012 2.3]
NOTA En este documento, el mensurando es una propiedad medible de un ítem de interés.

3.2.5.
Resultado de medida
Resultado de la medida
Conjunto de valores de cantidad que se atribuyen a un mensurando junto con cualquier otra información relevante
disponible
NOTA El resultado de una medición puede expresarse de varias maneras, dando, por ejemplo, (a) un valor de
cantidad medida con una incertidumbre de medición asociada; (b) un intervalo de cobertura para el mensurando con
una probabilidad de cobertura asociada; (c) un FDP; o (d) una aproximación numérica a un FDP.

[JCGM 200: 2012 2.9]

3.2.6.
Valor de cantidad medida
Valor de una cantidad medida valor medido
Valor de cantidad que representa un resultado de medición

NOTA Un valor de cantidad medida también se conoce como una estimación, o mejor estimación, de una cantidad.

[JCGM 200: 2012 2.10]

3.2.7.
Intervalo de cobertura
Intervalo que contiene el conjunto de valores de cantidad real de un mensurando con una probabilidad establecida,
basado en la información disponible

[JCGM 200: 2012 2.36]

3.2.8.
Probabilidad de cobertura
Probabilidad de que el conjunto de valores de cantidad real de un mensurando esté contenido dentro de un intervalo
de cobertura especificado [JCGM 200: 2012 2.37]

3.2.9.
Indicación
Cantidad proporcionada por un instrumento de medición o sistema de medición

NOTA 1. A menudo, se proporciona una indicación como la posición de un puntero para una salida analógica o el
número mostrado o impreso para una salida digital.

NOTA 2. Una indicación también se conoce como lectura.

[Adaptado de JCGM 200: 2012 4.1]

3.3. Términos relacionados con la evaluación de la conformidad

3.3.1.
Evaluación de la conformidad
Actividad para determinar si se cumplen los requisitos específicos relacionados con un producto, proceso, sistema,
persona u organismo [Adaptado de ISO / IEC 17000: 2004 2.1]

3.3.2.
Inspección
Evaluación de la conformidad por observación y juicio acompañado, según corresponda, por medición, prueba o
medición [Adaptado de ISO 3534-2: 2006 4.1.2]
NOTA Una medición realizada como parte de la evaluación de conformidad a veces se denomina medición de
inspección.

3.3.3.
Requisito especificado
Necesidad o expectativa que se establece

NOTA Los requisitos especificados pueden establecerse en documentos normativos como reglamentos, normas y
especificaciones técnicas.

[ISO / IEC 17000: 2004 3.1]

NOTA 1. El término "expectativa" en el contexto de un requisito específico no está relacionado con la expectativa
de una variable aleatoria; ver definición 3.1.5.

NOTA 2. En este documento, un requisito específico típico toma la forma de un intervalo establecido de valores
permisibles de una propiedad medible de un ítem.

EJEMPLO 1 Se requiere una muestra de aguas residuales industriales (el ítem) para tener una concentración de
masa de mercurio disuelto (la propiedad) de no más de 10 ng / L.

EJEMPLO 2 Se requiere una báscula de supermercado (el ítme) para tener una indicación R (la propiedad) en el
intervalo [999.5 g ≤ R ≤ 1 000.5 g] cuando se mide un peso estándar de 1 kg.

3.3.4.
Límite de tolerancia
Límite de especificación
Límite superior o inferior especificado de valores permisibles de una propiedad [Adaptado de ISO 3534-2: 2006
3.1.3]

3.3.5.
Intervalo de tolerancia
Intervalo de valores permitidos de una propiedad

[Adaptado de ISO 10576-1: 2003 3.5]

NOTA 1. A menos que se indique lo contrario en una especificación, los límites de tolerancia pertenecen al intervalo
de tolerancia.

NOTA 2. El término "intervalo de tolerancia" como se usa en la evaluación de conformidad tiene un significado
diferente del mismo término que se usa en estadística.

NOTA 3 Un intervalo de tolerancia se denomina "zona de especificación" en ASME B89.7.3.1: 2001 [2].

3.3.6.

Tolerancia
Tolerancia especificada
Diferencia entre los límites de tolerancia superior e inferior.
3.3.7.
Probabilidad de conformidad
Probabilidad de que un ítem cumpla un requisito específico

3.3.8.
Límite de aceptación
Límite superior o inferior especificado de valores de cantidad medida permitidos [Adaptado de ISO 3534-2: 2006
3.1.6]

3.3.9.
Intervalo de aceptación
Intervalo de valores de cantidad medida permitidos

NOTA. 1. A menos que se indique lo contrario en la especificación, los límites de aceptación pertenecen al intervalo
de aceptación.

NOTA 2 Un intervalo de aceptación se denomina "zona de aceptación" en ASME B89.7.3.1 [2].

3.3.10.
Intervalo de rechazo
Intervalo de valores de cantidad medida no permitidos

NOTA 1 Un intervalo de rechazo se denomina "zona de rechazo" en ASME B89.7.3.1 [2].

3.3.11.
Banda de guarda
Intervalo entre un límite de tolerancia y un límite de aceptación correspondiente

NOTA. La banda de guarda incluye los límites.

3.3.12.
Regla de decisión
Regla documentada que describe cómo se tomará en cuenta la incertidumbre de medición con respecto a aceptar o
rechazar un ítem, dado un requisito específico y el resultado de una medición

[Adaptado de ASME B89.7.3.1-2001 [2]]

3.3.13.
Riesgo específico del consumidor
Probabilidad de que un ítem aceptado en particular no sea conforme

3.3.14.
Riesgo específico del productor
Probabilidad de que un ítem rechazado en particular sea conforme

3.3.15.
Riesgo del consumidor global
Riesgo del consumidor
Probabilidad de que un ítem no conforme sea aceptado según un resultado de medición futuro
3.3.16.
Riesgo global del productor
Riesgo del productor
Probabilidad de que un ítem conforme sea rechazado en función de un resultado de medición futuro

3.3.17.
Índice de capacidad de medición
Tolerancia dividida por un múltiplo de la incertidumbre de medición estándar asociada con el valor medido de una
propiedad de un ítem
NOTA En este documento, se considera que el múltiplo es 4; ver cláusula 7.6.3

3.3.18.
Error máximo permitido (de indicación)
MPE
Para un instrumento de medición, diferencia máxima, permitida por especificaciones o regulaciones, entre la
indicación del instrumento y la cantidad que se está midiendo.

NOTA 1. Cuando se especifica más de una diferencia máxima, se utiliza el término "errores máximos permitidos";
por ejemplo, una diferencia negativa máxima especificada y una diferencia positiva máxima especificada.

NOTA 2 El error de indicación puede escribirse como E = R - R0, donde R es la indicación y R0 señala la indicación
de un instrumento de medición ideal que mide el mismo mensurando Y En la prueba y verificación de un
instrumento de medición, el error de indicación es típicamente evaluado midiendo un estándar de referencia
calibrado.

4. Convenciones y notación

Para los propósitos de este documento, se adoptan las siguientes convenciones, notación y terminología.

4.1. En la GUM, la incertidumbre estándar asociada con una estimación de un mensurando se escribe
como . El subíndice "c", que denota incertidumbre estándar "combinada", se considera redundante y no se
utiliza en este documento. (Ver JCGM 101: 2008 4.10).

4.2. Una expresión escrita A =: B significa que B está definido por A.

4.3. Cuando no hay posibilidad de confusión, el símbolo u, en lugar de u (y), se utilizará para simplificar la
notación. La incertidumbre expandida U generalmente se toma como usando un factor de cobertura de k =
2; El valor de k se da explícitamente cuando existe la posibilidad de ambigüedad.

4.4. Una propiedad de interés (el mensurando) se considera una variable aleatoria Y con posibles valores
Cuando se mide Y, la evaluación de los datos de medición arroja un valor de cantidad medida , que se toma
como la realización de una variable aleatoria observable En general, el valor medido diferirá por un error
desconocido E, por ejemplo, dependería de efectos aleatorios y sistemáticos.

4.5. Un intervalo de tolerancia especifica los valores permisibles del mensurando . Una decisión de
evaluación de la conformidad se basa en el valor medido y la relación de con un intervalo de aceptación
definido.
4.6. El conocimiento de las cantidades e es codificado y transmitido por las FDPs condicionales
cuyas formas dependen de la información disponible. Las FDP condicionales se escriben con una barra vertical, y la
información a la derecha de la barra se considera como dada. La FDP para un mensurando Y antes de la medición es
, donde el símbolo I denota información previa.

4.7. Después de una medición de una propiedad de interés, produciendo un valor medido observado ,
La FDP posterior a la medición para es

4.8. Las FDP análogas para los posibles valores de la cantidad de salida del sistema de medición
son (a), , que codifican la creencia en posibles valores medidos dada solo la información previa I,
y (b), La FDP análoga cuando, además de la información previa I, se supone que el mensurando
tiene un valor verdadero dado Y = η.

4.9. En aras de la brevedad, en este documento se omite en gran medida la visualización explícita de la
información previa fija. Además, las FDP para Y e Ym se expresan en términos de símbolos g y h respectivamente,
utilizando la siguiente notación en la que los subíndices se suprimen en gran medida:

- Para el conocimiento previo a la medición del mensurando Y,

- Para el conocimiento posterior a la medición del mensurando Y,

- Conocimiento de los posibles valores medidos dada solo la información previa I,

- Conocimiento de suponiendo, además de la información I, un valor dado del mensurando,

Estas FDP (funciones de densidad de probabilidad) no son independientes, pero están relacionados por el teorema de
Bayes (véase la cláusula 6.2).

4.10. De acuerdo con la Resolución 10 de la 22ª CGPM (2003) ". . . El símbolo del marcador decimal será
el punto en la línea o la coma en la línea. . . ". El JCGM ha decidido adoptar, en sus documentos en inglés, el punto
en la línea.

5. Límites de tolerancia e intervalos de tolerancia

5.1. Mediciones de evaluación de conformidad

5.1.1. Considere una situación en la que se mide una propiedad de un ítem de interés, como el error de indicación
de un voltímetro, para decidir si el ítem cumple o no con un requisito específico. Tal prueba de conformidad
comprende una secuencia de tres operaciones:

- medir la propiedad de interés;


- compare el resultado de la medición con el requisito especificado;

- Decidir sobre una acción posterior.

5.1.2. En la práctica, una vez que se ha obtenido el resultado de la medición, las operaciones de comparación /
decisión generalmente se implementan utilizando una regla de decisión establecida previamente (ver 3.3.12) que
depende del resultado de la medición, el requisito especificado y las consecuencias de una decisión incorrecta.

5.1.3. Hay orientación disponible con respecto a la formulación de una regla de decisión. ISO 14253-1 [21] y
ASME B89.7.3.1 [2] proporcionan pautas para documentar una regla de decisión elegida y para describir el papel de
la incertidumbre de medición en el establecimiento de límites de aceptación. Estos documentos abordan las reglas de
decisión que involucran dos o más decisiones posibles, e incluyen la regla de decisión binaria, a la que se refiere este
documento, como un caso especial.

5.1.4. Una medición realizada como parte de una evaluación de conformidad está diseñada para obtener
información suficiente para permitir que se tome una decisión con un nivel de riesgo aceptable. Una estrategia de
medición adecuada equilibrará el costo de reducir la incertidumbre de medición con el beneficio de un conocimiento
más seguro del verdadero valor del mensurando.

5.1.5. Una medición de inspección junto con una regla de decisión asociada está por lo tanto estrechamente
relacionada con asuntos tales como costos y riesgos. Como tal, el diseño de una evaluación de conformidad
satisfactoria a menudo no es un ejercicio puramente técnico. Si el objetivo es minimizar el costo, entonces, dado un
modelo económico adecuado, el problema puede reducirse al cálculo directo.

5.2. Valores permitidos y no permitidos: intervalos de tolerancia

5.2.1. En este documento, los requisitos especificados para un mensurando de interés consisten en valores
límite, llamados límites de tolerancia, que separan los intervalos de valores permitidos del mensurando de los
intervalos de valores no permitidos [22]. Los intervalos de valores permitidos, llamados intervalos de tolerancia, son
de dos tipos:

- un intervalo de tolerancia unilateral con un límite de tolerancia superior o inferior;

- un intervalo de tolerancia bilateral con límites de tolerancia superior e inferior.

En cualquier caso, un elemento se ajusta al requisito especificado si el valor verdadero del mensurando se encuentra
dentro del intervalo de tolerancia y, de lo contrario, no es conforme. Los intervalos de tolerancia anteriores se
ilustran en la figura 2.

5.2.2. Aparentemente, los intervalos de tolerancia unilaterales a menudo han implicado límites adicionales,
por razones físicas o teóricas, que no se establecen explícitamente [22]. Dichos intervalos de tolerancia son
efectivamente de dos lados, con un límite especificado y un límite implícito; Véanse los ejemplos 4 y 5 a
continuación.
Figura 2 - Intervalos de tolerancia. (a) Un intervalo unilateral que tiene un único límite de tolerancia inferior T L; (b)
un intervalo unilateral que tiene un único límite de tolerancia superior T U; (c) un intervalo bilateral que tiene límites
de tolerancia inferior y superior. La diferencia T U - TL se llama tolerancia.

NOTA 1 En algunos casos, como la inocuidad de los alimentos o la protección del medio ambiente, especificar los
límites de tolerancia en las mediciones de evaluación de la conformidad puede implicar incertidumbres relacionadas
con la dificultad de evaluar las consecuencias de decisiones incorrectas [29]. Un problema relacionado en el análisis
de confiabilidad, llamado incertidumbre de integridad, está asociado con contribuciones no analizadas al riesgo [31].

NOTA 2 Cuestiones tales como la incertidumbre de completitud no guardan relación con la incertidumbre de
medición asociada con una estimación de un mensurando resultante de una medición de inspección. En este
documento, los límites de tolerancia se consideran constantes fijas.

5.3. Ejemplos de límites de tolerancia

EJEMPLO 1. Límite superior de tolerancia individual

El voltaje de ruptura Vb para un cierto tipo de diodo Zener se especifica que no es mayor que −5.4 V. Para un diodo
conforme, Vb se encuentra en el intervalo abierto Vb ≤ −5.4 V.

EJEMPLO 2. Límite de tolerancia inferior único

Se requiere un recipiente de metal para refrescos que tenga una resistencia al estallido B de no menos de 490 kPa.
Los valores conformes de B se encuentran en el intervalo abierto B ≥ 490 kPa.

EJEMPLO 3. Límites explícitos de tolerancia superior e inferior

Se especifica que un OIML Clase E1 1 kg de peso [25] tiene un error máximo permitido (MPE) de 500 µg. Esto
significa que la masa m del peso se especifica para que no sea inferior a 0,99999995 kg y no superior a 1 000 000 5
kg. Un peso de 1 kg conforme es aquel para el cual el error de masa E = m - m0, con m0 = 1 kg, se encuentra en el
intervalo −500 µg ≤ E ≤ 500 µg.

EJEMPLO 4 Límites explícitos de tolerancia superior e inferior implícita


Una regulación ambiental requiere que la concentración de masa X de mercurio en una corriente de aguas residuales
industriales no sea mayor de 10 ng/L, que es un límite de tolerancia superior explícito. Como la concentración de
masa no puede ser inferior a cero, existe un límite de tolerancia inferior implícito de 0 ng / L. Una muestra de agua
residual cumple con la regulación si la concentración de masa de mercurio en la muestra se encuentra en el intervalo
0 ng / L ≤ X ≤ 10 ng / L.

EJEMPLO 5 Límites explícitos de tolerancia inferior y superior implícita

Se requiere que el benzoato de sodio en polvo, utilizado como conservante de alimentos, tenga una pureza P,
expresada como una fracción de masa en forma seca en porcentaje, de no menos del 99.0%, que es un límite
explícito de tolerancia inferior. La pureza no puede ser mayor al 100%, que es un límite de tolerancia superior
implícito. Una muestra conforme de benzoato de sodio es aquella para la cual la pureza de la muestra se encuentra
en el intervalo 99.0% ≤ P ≤ 100%.

6. Conocimiento del mensurando

6.1. Probabilidad e información

6.1.1. En las mediciones realizadas como parte de una evaluación de conformidad, el conocimiento de una
propiedad de interés (el mensurando) se modela mediante una función de densidad de probabilidad condicional
(FDP) cuya forma depende de la información disponible. Dicha información siempre tiene dos componentes: el que
está disponible antes de realizar la medición (llamada información previa) y la información adicional suministrada
por la medición [38].

6.1.2. La FDP para una propiedad de interés (el mensurando) codifica y transmite la creencia en sus posibles
valores, dado un estado particular de conocimiento. Un mensurando poco conocido generalmente tiene una FDP
amplia, en relación con los requisitos de una evaluación de conformidad, que indica un amplio intervalo de posibles
valores compatibles con poca información. La realización de una medición proporciona información nueva que sirve
para mejorar la FDP y reducir el intervalo de posibles valores del mensurando.

6.1.3. El efecto de una medición es, por lo tanto, actualizar un estado de conocimiento pre-medición (o
anterior), produciendo un estado de conocimiento post-medición (o posterior) que incluya los datos de medición. La
regla para esta transformación se llama teorema de Bayes y el marco matemático subyacente se conoce como teoría
de probabilidad bayesiana. En este documento, los resultados de este marco se utilizan sin desarrollo o prueba
detallados. Una literatura considerable está disponible; véanse, por ejemplo, las referencias [4, 5, 16, 26, 27, 39].

6.2. Teorema de Bayes

6.2.1. En la evaluación de conformidad, una propiedad medible Y de un elemento de interés se considera


una variable aleatoria con posibles valores denotados por η. Antes de medir Y, la creencia razonable en sus posibles
valores se caracteriza por una FDP previa (pre-medición) cuya forma es independiente del sistema de
medición (véase la cláusula 4.9).

6.2.2. La FDP previa a menudo se asigna en base al conocimiento adquirido por mediciones previas
de elementos similares. Los métodos para asignar un FDP anterior para una propiedad de interés se analizan en el
Anexo B.

6.2.3. En una medición de inspección típica, la cantidad Y se mide utilizando un procedimiento diseñado
para proporcionar información suficiente para evaluar la conformidad con un requisito especificado.
NOTA 1. El mismo símbolo se usa para una cantidad y para la variable aleatoria que representa esa cantidad (ver
[GUM 4.1.1 nota 1]).

NOTA 2. En JCGM 101: 2008 y en el Anexo B se proporciona orientación sobre la asignación de FDP en algunas
situaciones comunes.

6.2.4. La salida del sistema de medición es una cantidad considerada como una variable aleatoria , con
posibles valores denotados por La medición de Y produce una realización particular, el valor de la cantidad
medida (véanse las cláusulas 3.2.6 y 4.4), y La FDP posterior (posterior a la medición) resultante para Y, dada
esta nueva información, se escribe como

6.2.5. Las FDP anteriores y posteriores están relacionados por el teorema de Bayes

Donde, dado un valor medido , C es una constante elegida de tal manera que ∫ El termino
en la expresión (1) es La FDP para los posibles valores de , dado un valor particular del
mensurando.

6.2.6. Expresado como una función de η para un valor medido , la FDP se denomina
probabilidad de dado , y se escribe como

Una medida puede verse en términos de estímulo y respuesta o en términos de entrada y salida. En esta vista, la
función de probabilidad caracteriza la distribución de estímulos o entradas plausibles (valores de η) que
podrían haber causado la respuesta o salida observada (valor medido ).

6.2.7. La forma de la función de probabilidad dependerá del problema de medición específico y del
sistema de medición, como se describe en un modelo matemático, así como de otra información relevante, como
datos históricos, calibraciones de instrumentos y los resultados de mediciones de artefactos calibrados. o materiales
de referencia estándar, y experiencia con sistemas similares. En muchos casos de interés práctico, la función de
probabilidad puede caracterizarse por una distribución normal (gaussiana).

6.2.8. El teorema de Bayes muestra cómo el estado de conocimiento posterior (posterior a la medición)
se deriva de una combinación de información previa (previa a la medición), codificada en la distribución previa, e
información suministrada por la medición, representada por la función de probabilidad.

6.2.9. En muchos casos, el sistema de medición se emplea para complementar un conocimiento previo
relativamente escaso del mensurando con información de medición precisa. En tal caso, la FDP de estado de
conocimiento posterior (posterior a la medición) se define esencialmente por la función de probabilidad (que
codifica la información de medición), es decir,

Para una aproximación cercana, donde C es una constante.


6.3. Información resumida

6.3.1. Mejor estimación e incertidumbre estándar

El resultado de una medición a menudo se resume dando una estimación de un mensurando y un parámetro que
caracteriza la dispersión de valores probables acerca de esta estimación. En este documento, la estimación de una
propiedad se toma como la expectativa (ver 3.1.5) E (Y| ). El parámetro de dispersión asociado ,
llamado incertidumbre estándar, se considera la desviación estándar (ver 3.1.7) de Y, la raíz cuadrada positiva de la
varianza (ver 3.1.6) están dados por

( ) ∫ ( ) ( ) ∫ ( )

6.3.1.1. La incertidumbre estándar caracteriza la dispersión de sobre la estimación . Cuando La FDP para
es de un solo pico (unimodal) y simétrica, la estimación también es el valor más probable de , es decir, el
modo de distribución.

6.3.1.2. Para una medición analizada de acuerdo con JCGM 100: 2010 (GUM), la evaluación de los datos de
medición arroja una estimación del mensurando (valor de la cantidad medida) , y una incertidumbre estándar
asociada Se supone que la información previa es tan escasa que la FDP posterior a la medición puede
resumirse mediante la estimación y la incertidumbre estándar asociada (véase la cláusula 7.6.1).

6.3.2. Intervalos de cobertura

6.3.2.1. Después de una medición, la probabilidad de que no sea mayor que un valor dado es

( ) ∫ ( )

Donde ∫ ( ) es la función de distribución de , dados los datos

6.3.2.2. Se deduce que la probabilidad de que se encuentre en el intervalo [ ] con , es

( ) ∫ ( )

6.3.2.3. Un intervalo como [ ] se denomina intervalo de cobertura para , y es la probabilidad de


cobertura asociada. En JCGM 101: 2008 se proporciona orientación sobre la construcción de un intervalo de
cobertura con una probabilidad de cobertura deseada, incluido el caso de una aproximación discreta a la función de
distribución obtenida por un método de Monte Carlo.

6.3.2.4. Cuando la FDP para es simétrica y unimodal, un intervalo de cobertura importante y ampliamente
utilizado se centra en la mejor estimación con una longitud igual a un múltiplo de la incertidumbre estándar . La
GUM define una medida adicional de incertidumbre llamada incertidumbre expandida, obtenida multiplicando la
incertidumbre estándar por un factor de cobertura :
6.3.2.5. El factor de cobertura se elige para lograr una probabilidad de cobertura deseada asociada con el
intervalo de cobertura [ ] La relación entre k y la probabilidad de cobertura asociada depende de la
FDP para .

NOTA 1 Un intervalo de cobertura de la forma [y - U, y + U] a veces se denomina intervalo de incertidumbre, como


en ISO 10576-1: 2003 3.7 [22].

NOTA 2 Si La FDP para es asimétrica, puede ser más apropiado determinar el intervalo de cobertura más corto
para una probabilidad de cobertura dada. Consulte JCGM 101: 2008 5.3.4 para obtener orientación sobre este
cálculo.

7. Probabilidad de conformidad con los requisitos especificados

7.1. Regla general para el cálculo de la probabilidad de conformidad

7.1.1. Un ítem se ajusta a un requisito especificado si el valor verdadero de su propiedad asociada se


encuentra en el intervalo de tolerancia. El conocimiento de se transmite mediante un FDP para que una
declaración de conformidad sea siempre una inferencia, con cierta probabilidad de ser cierta. Denotando el conjunto
de valores permisibles (conformes) de por , la probabilidad de conformidad, denotada por pc, viene dada por

7.1.2. La expresión (4) proporciona la regla general para calcular la probabilidad de que un ítem se ajuste a
un requisito específico basado en la medición de una propiedad relevante del ítem. Dado un intervalo de tolerancia
de dos lados para el mensurando , por ejemplo, con límite inferior y límite superior [ ] y la
probabilidad de conformidad es

7.1.3. Dado que el ítem cumple o no con las especificaciones, la probabilidad de que no se ajuste es

7.2. Probabilidades de conformidad con FDP normales

7.2.1. La probabilidad de conformidad depende del estado de conocimiento de un mensurando codificado


y transmitido por la FDP . En muchos casos, es razonable caracterizar el conocimiento de por una
distribución normal (ver 3.1.4) y esta probabilidad puede calcularse. Si la distribución previa es normal y el sistema
de medición (es decir, la función de probabilidad) se caracteriza por una distribución normal, entonces la
distribución también es una distribución normal.

7.2.2. En términos más generales, si la función de probabilidad se caracteriza por una distribución normal y
la información previa es escasa, entonces la FDP posterior (posterior a la medición) será aproximadamente normal.
En tal caso, puede aproximarse adecuadamente mediante una distribución normal con expectativa (media)
y desviación estándar dada por la mejor estimación y la incertidumbre estándar calculada como en la cláusula
6.3.1.
NOTA 1. Una distribución normal está completamente especificada por su expectativa (media) y desviación
estándar.
NOTA 2. Algunas propiedades de las FDP normales se revisan en el Anexo A.

7.2.3. Debido a su familiaridad y uso generalizado, se utilizarán FDP normales para ilustrar el cálculo de las
probabilidades de conformidad en muchos ejemplos en este documento. Dichos cálculos pueden extenderse al caso
en que un pequeño número de indicaciones da lugar a una distribución escalada y desplazada (véase JCGM 101:
2008 6.4.9).

7.2.4. Suponga que la FDP para el mensurando es (o está bien aproximada por) una distribución
normal especificada por una mejor estimación (expectativa) e incertidumbre estándar (desviación estándar) .
Entonces viene dado por

[ ( ) ]

7.2.5. En general, la estimación depende de , es decir, Cuando el conocimiento de es


escaso antes de la medición, entonces típicamente ; vea la cláusula A.4.4 para un ejemplo donde este no es
el caso.

7.2.6. De los pasos que conducen a la expresión (2), la probabilidad de que se encuentre en el intervalo
[ ] dado la FDP (5), es

( ) ( )


7.3. Intervalos de tolerancia unilateral con FDP normales

7.3.1. Límite de tolerancia inferior único

La Figura 3 muestra un intervalo de tolerancia unilateral con un único límite de tolerancia inferior . Los valores
conformes de una propiedad de interés se encuentran en el intervalo . El conocimiento de después de
una medición de inspección se transmite mediante un FDP normal, que se muestra superpuesto en el intervalo de
tolerancia. La mejor estimación se encuentra en el intervalo de tolerancia; la región sombreada a la izquierda de
indica la probabilidad de que el ítem no cumpla con las especificaciones. De la expresión (6), con ,
y observando que , la probabilidad de conformidad es

( )

Como la probabilidad (7) se puede escribir

( )
Figura 3 - Intervalo de tolerancia con un único límite de tolerancia inferior . El conocimiento de una cantidad
(la propiedad medible de interés) después de la medición se caracteriza por una FDP normal con la mejor estimación
e incertidumbre estándar asociada . Los valores conformes de Y se encuentran en el intervalo .

7.3.2. Límite superior de tolerancia individual

La Figura 4 muestra una FDP normal superpuesta en un intervalo de tolerancia unilateral con un único límite de
tolerancia superior . Los valores conformes de una propiedad de interés se encuentran en el intervalo
En este caso, la región sombreada a la derecha de indica la probabilidad de que el ítem no cumpla con las
especificaciones. De la expresión (6), con , y observando que Φ (−∞) = 0, la probabilidad de
conformidad es

( )

Figura 4 - Como en la figura 3, excepto con un único límite de tolerancia superior . Los valores conformes de
se encuentran en el intervalo .

7.3.3. Enfoque general con límites de tolerancia únicos

Las probabilidades (8) y (9) son de la misma forma y se pueden escribir como
Donde para un límite inferior y para un límite superior. En ambos casos, es
mayor o igual a 1/2 para una estimación en el intervalo de tolerancia (z ≥ 0) e inferior a 1/2 en caso contrario. La
Tabla 1 muestra los valores de z para varios valores de la probabilidad de conformidad

Tabla 1 - Probabilidades de conformidad (pc) y no conformidad ̅ para intervalos de tolerancia


unilaterales y FDP normales. Para un límite inferior, para un límite superior, En
ambos casos, z ≥ 0 para una estimación en el intervalo de tolerancia

̅
0.80 0.20 0.84
0.90 0.10 1.28
0.95 0.05 1.64
0.99 0.01 2.33
0.999 0.001 3.09

EJEMPLO 1. Se mide la caída de voltaje de un diodo Zener, produciendo una mejor estimación
con incertidumbre estándar asociada u = 0.05 V. La especificación del diodo requiere , que es un
límite superior en la caída de voltaje. Entonces [ ] y de la expresión (10),
= 0.92. Hay un 92% de probabilidad de que el diodo se ajuste a la especificación.

EJEMPLO 2. Un recipiente de metal se prueba destructivamente usando agua a presión en una medición de su
resistencia al estallido . La medición produce una mejor estimación , con la incertidumbre
estándar asociada . La especificación del contenedor requiere , que es un límite inferior
de la resistencia al estallido. Entonces z = (509.7 - 490)/8.6 = 2.3 y, de la expresión (10),
Hay una probabilidad del 99% de que el contenedor se ajustara a la especificación antes de la prueba destructiva.

7.4. Intervalos de tolerancia de dos lados con FDP normales

La Figura 5 muestra un intervalo de tolerancia de dos lados con límites de tolerancia y y longitud
que define la tolerancia . Como anteriormente, se supone que el conocimiento de un mensurando es
transmitido por una FDP normal. La estimación se encuentra en el intervalo de tolerancia y hay una fracción
visible de la probabilidad en la región más allá del límite superior de tolerancia.

Figura 5 - Como en la figura 3, excepto con un intervalo de tolerancia de dos lados. La longitud, - , del
intervalo es igual a la tolerancia . Los valores conformes de se encuentran en el intervalo

El uso de la expresión (6) con b = TU y a = TL produce la probabilidad de conformidad


( ) ( )

EJEMPLO. Se requiere que una muestra de aceite de motor SAE Grado 40 tenga una viscosidad cinemática a
100°C de no menos de y no más de . La viscosidad cinemática de la muestra se mide a
100°C, produciendo una mejor estimación y la incertidumbre estándar asociada .
Después de la expresión (11), forma las cantidades

De modo que,

Hay un 66% de probabilidad de que la muestra de aceite de motor cumpla con las especificaciones.

7.5. Probabilidad de conformidad e intervalos de cobertura

7.5.1. El resultado de una medición se puede resumir dando un intervalo de cobertura con una probabilidad
de cobertura asociada (ver cláusula 6.3.2) en lugar de una FDP explícita para un mensurando . En tal caso, se
puede hacer una declaración de probabilidad de conformidad comparando el intervalo de cobertura con el intervalo
de tolerancia. Si un intervalo de cobertura con probabilidad de cobertura se encuentra completamente dentro del
intervalo de tolerancia, entonces no puede ser menor que . Esta observación se ilustra en la figura 6, que
muestra dos intervalos de cobertura del 95% cerca de un límite superior de tolerancia.

7.5.2. El intervalo (a) se extiende más allá del límite de tolerancia y sin conocer la forma de la FDP para ,
no se puede hacer una declaración definitiva sobre la probabilidad de conformidad.

Figura 6: Dos intervalos de cobertura del 95% para un mensurando cerca de un límite superior de tolerancia El
intervalo (a) se extiende más allá del límite de tolerancia y la conformidad no puede decidirse sin el conocimiento de
la FDP para . El intervalo (b) se encuentra completamente dentro del intervalo de tolerancia; para este intervalo pc
≥ 95%.

7.5.3. Todos los valores en el intervalo (b) son inferiores al límite de tolerancia y hay valores conformes de
que no pertenecen a este intervalo, de modo que pc ≥ 95%.
7.5.4. En general, si [ ] es un intervalo de cobertura para , con probabilidad de cobertura ,
entonces

- para un solo límite superior de tolerancia


- para un único límite de tolerancia inferior ;
- para un intervalo de dos lados con límites de tolerancia superior e inferior y , si ≥ y ≤
.

NOTA 1. La comparación de un intervalo de cobertura para una propiedad de interés con un intervalo de valores
permisibles es la base para decidir la conformidad con la especificación como se describe en ISO 10576-1 [22].

NOTA 2. Dada la FDP para , la probabilidad de conformidad siempre se puede calcular. La FDP para un
mensurando es más informativo que un intervalo de cobertura con su probabilidad de cobertura asociada.

NOTA 3. Cuando se realiza una evaluación de la conformidad de un instrumento de medición, particularmente


cuando la evaluación está regulada por estándares específicos, la definición del mensurando y, en consecuencia, la
evaluación de la incertidumbre, puede no ser sencilla y requerir atención específica.

7.6. Índice de capacidad de medición

7.6.1. Considere el caso en el que la información previa es tan escasa que el conocimiento sobre los posibles
valores de una propiedad medida puede considerarse que la medición lo proporciona completamente. En tal caso,
si se supone que la distribución de Y es una FDP normal . , entonces y
(véase la cláusula A.4.4.3). En las siguientes subcláusulas se supone que este es el caso, y el resultado de una
medición se resumirá por los dos parámetros ( ), tomados como la expectativa y la desviación estándar de una
FDP normal.

7.6.2. Un parámetro que caracteriza la calidad de la medición, en relación con un requisito especificado por
una tolerancia, se denomina índice de capacidad de medición (ver 3.3.17) definido por

Donde es la incertidumbre expandida con el factor de cobertura .

7.6.3. El factor de 4 en la expresión (12) es arbitrario; la elección particular está motivada por el uso
generalizado del intervalo de cobertura [ ] al informar el resultado de una medición. En el
caso donde es una FDP normal, la probabilidad de cobertura para tal intervalo es aproximadamente del
95%.

7.6.4. Existe una estrecha conexión entre y otros parámetros derivados que se han utilizado para
caracterizar la calidad de la medición en diversos contextos. Entre estos se encuentran el índice de medición, la regla
del fabricante del indicador, el índice de incertidumbre de prueba (TUR) [32] y el índice de precisión de prueba
(TAR) [1]. Dichos parámetros se expresan típicamente en forma de relación, como una regla de 10 a 1 o una TUR
de 4: 1. Se debe tener cuidado cuando se encuentran tales reglas porque a veces se definen de manera ambigua o
incompleta. La definición (12), por otro lado, deja en claro que una declaración como significa que
.
7.6.5. En la calibración o verificación de un instrumento de medición, un requisito específico a menudo se
expresa en términos de un error máximo permisible (de indicación) (ver 3.3.18). Tal requisito significa que cuando
el instrumento se usa para medir una cantidad , el error de indicación debe encontrarse en un intervalo definido por
los límites superior e inferior especificados. En el caso común de un intervalo simétrico [ ] la
tolerancia es y el índice de capacidad de medición es

En esta expresión, U es la incertidumbre expandida, para un factor de cobertura k = 2, asociado con una medición
del error de indicación del instrumento.

7.7. Índice de capacidad de medición y probabilidad de conformidad

7.7.1. Para una FDP normal, la expresión (11) da la probabilidad de conformidad en términos de un par
particular de límites de tolerancia ( ) y un resultado de medición particular resumido por ( ). Tomando
y , esta expresión puede reescribirse en una forma adecuada para un problema de medición
general definiendo una cantidad

Para una estimación en el intervalo de tolerancia, ̃ se encuentra en el intervalo 0 ≤ ̃ ≤ 1.

7.7.2. Para una FDP normal posterior a la medición , la expresión (11) se puede escribir
utilizando expresiones (12) y (13),

[ ̃ ] ̃ ̃

Por lo tanto, está completamente determinado por las dos cantidades ̃ y

7.7.3. A menudo, la incertidumbre estándar asociada con una estimación tiene un valor fijo que
depende del diseño del sistema de medición, pero es independiente de . Se podría inspeccionar una serie de
muestras de agua, por ejemplo, para determinar, para cada muestra, una concentración de mercurio disuelto,
utilizando un procedimiento de medición que arroje estimaciones diferentes, cada una con la misma incertidumbre
estándar asociada. En tal caso, el índice de capacidad de medición es fijo, y una pregunta sobre si
una propiedad medida se ajusta o no a la especificación con una probabilidad aceptable se puede decidir con base en
la estimación , usando expresiones (13) y (14) con fijo.

NOTA Un caso donde la incertidumbre estándar es proporcional a la estimación se trata en [13, Apéndice
A].
Figura 7 - Índice de capacidad de medición versus ̃ , que muestra el lugar de
probabilidad de conformidad constante del 95%. La curva separa las regiones de conformidad y no conformidad
a un nivel de confianza del 95%. La distribución posterior a la medición para el mensurando se toma como la FDP
normal

7.7.4. Hay un número infinito de pares ( ̃, Cm) que producen una probabilidad de conformidad dada a
través de la expresión (14). La Figura 7 muestra versus ̃ a lo largo de una curva de probabilidad de conformidad
constante del 95% para estimaciones dentro del intervalo de tolerancia 0 ≤ ̃ ≤ 1. La curva separa las regiones de
conformidad (sin sombrear) y de no conformidad (sombreada) en un 95% nivel de confianza

7.7.5. El eje horizontal en la figura 7 corresponde a , o . Para esta incertidumbre


estándar relativamente grande, se puede ver que solo para 0.45 ≤ y ≤ 0.55. Si se requiere que la
propiedad medida se ajuste a la especificación con al menos un nivel de confianza del 95%, una estimación
aceptable tendría que estar en el centro aproximadamente el 10% del intervalo de tolerancia.

8. Intervalos de Aceptación

8.1. Límites de aceptación

8.1.1. La decisión de aceptar un ítem como conforme, o rechazarlo como no conforme a la especificación se
basa en un valor medido de una propiedad del ítem en relación con una regla de decisión establecida que
especifica el papel de la incertidumbre de medición en la formulación de criterios de aceptación. Un intervalo de
valores medidos de una propiedad que da como resultado la aceptación del elemento se denomina intervalo de
aceptación (ver 3.3.9), definido por uno o dos límites de aceptación (ver 3.3.8).

8.1.2. Como se sugiere en la Introducción, los límites de aceptación y las reglas de decisión correspondientes
se eligen de tal manera que se gestionen las consecuencias no deseadas de las decisiones incorrectas. Existen varias
reglas de decisión ampliamente utilizadas que son simples de implementar. Se pueden aplicar cuando el
conocimiento de una propiedad de interés se resume en términos de una mejor estimación y el intervalo de cobertura
correspondiente. Dos de tales reglas de decisión se describen en las siguientes sub-cláusulas.

8.2. Regla de decisión basada en la simple aceptación

8.2.1. Una regla de decisión importante y ampliamente utilizada se conoce como aceptación simple [2] o
riesgo compartido [20]. Bajo dicha regla, el productor y el usuario (consumidor) del resultado de la medición
acuerdan, implícita o explícitamente, aceptar como conforme (y rechazar lo contrario) un ítem cuya propiedad tiene
un valor medido en el intervalo de tolerancia. Como implica el nombre alternativo "riesgo compartido", con una
simple regla de decisión de aceptación, el productor y el usuario comparten las consecuencias de las decisiones
incorrectas.

8.2.2. En la práctica, para mantener las posibilidades de decisiones incorrectas a niveles aceptables tanto
para el productor como para el usuario, generalmente existe el requisito de que la incertidumbre de medición se haya
considerado y juzgado aceptable para el propósito previsto.

8.2.3. Un enfoque para tal consideración es exigir, dada una estimación de una cantidad medida, que la
incertidumbre expandida asociada U, para un factor de cobertura k = 2, debe satisfacer , donde es
un máximo aceptable mutuamente acordado de la incertidumbre expandida. Este enfoque se ilustra en el siguiente
ejemplo.

EJEMPLO En metrología legal [40], se ha utilizado una regla de decisión basada en la aceptación simple en la
verificación de instrumentos de medición. Considere un instrumento de este tipo que debe tener un error de
indicación en el intervalo [ ]. Se acepta que el instrumento cumple con el requisito especificado si
cumple con los siguientes criterios:

(a) Al medir un estándar calibrado, la mejor estimación del error del instrumento de indicación satisface

(b) la incertidumbre expandida para un factor de cobertura asociado con la estimación satisface

En términos del índice de capacidad de medición, el criterio (b) es equivalente al requisito de que Cm ≥ 3 (véase la
cláusula 7.6).

8.2.4. Otra regla práctica de decisión de aceptación se deriva de lo que se conoce como el "método de precisión"
descrito en la Guía IEC 115 [19]. En este enfoque, se utiliza un método de prueba bien caracterizado y las fuentes de
incertidumbre se minimizan mediante (a) el uso de instrumentos de medición con los errores máximos permitidos
dentro de los límites especificados, (b) las influencias ambientales, como la temperatura y la humedad relativa,
mantenidas dentro de los límites especificados, (c) control bien documentado de los procedimientos de laboratorio, y
(d) competencia bien documentada del personal de medición.

8.2.5. Al controlar las fuentes de variabilidad dentro de los límites prescritos, se supone que la incertidumbre de
medición asociada con una mejor estimación de un mensurando es insignificante, no se evalúa explícitamente y no
desempeña ningún papel en una decisión de aceptar/rechazar. El enfoque del procedimiento 2 de la Guía 115 de IEC
(el "método de precisión") formaliza la práctica actual de los laboratorios de pruebas electrotécnicas en el uso de
equipos de medición de última generación y métodos de prueba rutinarios y bien establecidos.

8.3. Reglas de decisión basadas en bandas de guarda

8.3.1. Consideraciones generales

8.3.1.1. Aceptar o rechazar un ítem cuando el valor medido de su propiedad de interés está cerca de un límite
de tolerancia puede dar lugar a una decisión incorrecta y dar lugar a consecuencias indeseables. Tales decisiones
incorrectas son generalmente de dos tipos en el caso de un único límite de tolerancia superior [ilustrado en la figura
8, resultados (b) y (c)].

8.3.1.2. Con una regla de decisión basada en la aceptación simple y el caso común de un FDP simétrico
unimodal (como una distribución normal) para el mensurando, la probabilidad de aceptar un elemento no conforme
[figura 8, (b)] o rechazar un ítem conforme [figura 8, (c)] puede ser tan grande como 50%. Esto sucedería, por
ejemplo, si el valor medido de una propiedad estuviera muy cerca del límite de tolerancia. En tal caso,
aproximadamente el 50% de la FDP para el mensurando estaría a ambos lados del límite, de modo que si el ítem es
aceptado o rechazado, habría una probabilidad del 50% de una decisión incorrecta.

8.3.1.3. Cualquiera de estas probabilidades se puede reducir, a costa de aumentar la otra, eligiendo los límites
de aceptación compensados de los límites de tolerancia, una estrategia de decisión de conformidad llamada banda de
protección; ver referencias [6, 7, 8, 9, 12, 17, 44].

Figura 8: regla de decisión de aceptación simple cerca de un límite superior de tolerancia , con cuatro intervalos
de cobertura del 95%. Para tal regla de decisión, el límite de aceptación coincide con el límite de tolerancia. Las
decisiones de aceptar o rechazar ítems inspeccionados se basan en valores medidos (triángulos); los valores
verdaderos (círculos) no pueden ser conocidos. Los casos (b) y (c) conducen a decisiones incorrectas llamadas falsa
aceptación y falso rechazo, respectivamente (véase la cláusula 9.3.2). En el caso (c), el verdadero valor del
mensurando se encuentra (sin saberlo) fuera del intervalo de cobertura del 95%.

8.3.2. Aceptación cautelosa

8.3.2.1. El riesgo de aceptar un ítem no conforme puede reducirse estableciendo un límite de aceptación
dentro del intervalo de tolerancia, como se muestra en la figura 9. El intervalo definido por y se denomina
banda de guarda (ver 3.3.11), y la regla de decisión resultante se llama aceptación cautelosa.

NOTA. La aceptación cautelosa también se conoce como aceptación estricta [2] y cumplimiento positivo para la
aceptación [18].

Figura 9 - Regla de decisión basada en la aceptación cautelosa. Un límite de aceptación superior dentro de un
límite de tolerancia superior define un intervalo de aceptación que reduce la probabilidad de aceptar falsamente
un ítem no conforme (riesgo del consumidor). Por convención, el parámetro de longitud w asociado con una banda
de guarda de aceptación protegida se considera positivo:
8.3.2.2. La diferencia entre un límite de tolerancia y un límite de aceptación correspondiente define un
parámetro de longitud w para una banda de guarda, a saber.

Para una regla de decisión de aceptación protegida,

8.3.2.3. En muchas aplicaciones, el parámetro de longitud w se toma como un múltiplo de la incertidumbre


expandida para un factor de cobertura a saber.

Con el multiplicador elegido para asegurar una probabilidad de conformidad mínima para un ítem que se acepta.
Una opción común es , en cuyo caso .

EJEMPLO ISO 14253-1 [21] establece una regla de decisión de aceptación cautelosa por defecto para demostrar la
conformidad con la especificación. La figura 10 está adaptada de ISO 14253-1, figura 7. En el caso de un intervalo
de tolerancia bilateral, los límites de aceptación superior e inferior se compensan de los límites de tolerancia
correspondientes mediante bandas de protección con el parámetro de longitud .

El objetivo de las bandas de protección, con , es asegurar que para cualquier valor medido que se encuentre
dentro del intervalo de aceptación, la probabilidad de aceptar un ítem no conforme sea como máximo 2.3%,
suponiendo un FDP normal para la cantidad medida. Esta probabilidad máxima se produce si el valor medido de la
propiedad coincide con un límite de aceptación. Para valores medidos fuera de los límites de aceptación, la
probabilidad de una aceptación falsa será menor que el máximo.

Figura 10 - Intervalo de aceptación de dos lados creado al reducir el intervalo de tolerancia en ambos lados por la
incertidumbre expandida . Esta es la regla de decisión predeterminada establecida en ISO 14253-1
[21].

En ISO 14253-1, un intervalo de aceptación se denomina zona de conformidad y un intervalo de tolerancia se


denomina zona de especificación. Las etiquetas en la figura 10 siguen las convenciones de este documento.

8.3.3. Rechazo cauteloso

8.3.3.1. Se puede elegir un límite de aceptación fuera de un intervalo de tolerancia, como se muestra en la
figura 11, para aumentar la probabilidad de que un ítem rechazado sea realmente no conforme. Dicha regla de
decisión de rechazo cautelosa se utiliza a menudo cuando se quiere evidencia clara de que se ha excedido un límite
antes de tomar una acción negativa.
NOTA. El rechazo cauteloso también se conoce como rechazo estricto [2] e incumplimiento positivo para el rechazo
[18].

8.3.3.2 El parámetro de longitud w para una banda de protección de rechazo protegida es

Figura 11 - Regla de decisión basada en rechazo cauteloso. Un límite de aceptación superior fuera de un límite
de tolerancia superior define un intervalo de aceptación que reduce la probabilidad de rechazar falsamente un
ítem conforme (riesgo del productor). El parámetro de longitud asociado con una banda de protección de rechazo
protegida es

EJEMPLO 1. Aplicación del límite de velocidad

En la aplicación de la ley de carreteras, la policía mide la velocidad de los automovilistas utilizando dispositivos
como radares y pistolas láser [42]. La decisión de emitir una multa por exceso de velocidad, que potencialmente
puede llevar a una comparecencia en la corte, debe tomarse con un alto grado de confianza en que el límite de
velocidad realmente se ha excedido.

Usando un radar Doppler particular, las mediciones de velocidad en el campo se pueden realizar con una
incertidumbre estándar relativa del 2% en el intervalo de a . Se supone que el
conocimiento de una velocidad medida en este intervalo se caracteriza por un FDP normal con expectativa y
desviación estándar

En estas condiciones, se puede preguntar, para un límite de velocidad de ¿Qué velocidad umbral
(límite de aceptación) debe establecerse de modo que para una velocidad medida la probabilidad de
que sea al menos 99.9%?

Este problema matemático es equivalente al cálculo de una probabilidad de conformidad para un intervalo de
tolerancia unilateral (véase la cláusula 7.3). Aquí se necesita un valor de para el cual
el 99.9% de la probabilidad se encuentra en la región . De la tabla 1 en la página 15 se ve que de
modo que

El intervalo [ ] es una banda de protección que garantiza una probabilidad de al


menos el 99,9% de que se ha excedido el límite de velocidad para una velocidad medida de o más.

EJEMPLO 2 Drogas en animales vivos y productos de origen animal.


El esteroide anabólico nandrolona pertenece a un grupo de sustancias prohibidas como promotores del crecimiento
en animales productores de alimentos. La sustancia se produce naturalmente en algunos animales vivos y, en
consecuencia, se ha establecido un umbral (tolerancia) límite igual a .

En una prueba de detección de nandrolona, una concentración medida que excede el valor umbral con una
probabilidad de 95% o más se considera sospechosa y debe ser seguida por un procedimiento de confirmación.

Al realizar una prueba de detección, un laboratorio desea establecer un límite de decisión (aceptación) A dado por

Donde es una banda de protección (ver figura 11), de modo que para un valor de concentración medido
la probabilidad de que sea al menos del 95%.

El laboratorio valida su procedimiento de medición añadiendo diez muestras en blanco a un nivel de concentración
cercano al umbral. Las muestras se miden en condiciones de reproducibilidad dentro del laboratorio, produciendo
una desviación estándar de reproducibilidad observada (ISO 3534-2, 3.3.12) de .

Del experimento de picos, el laboratorio concluye que sus mediciones están libres de errores sistemáticos
significativos. La incertidumbre de la medición está dominada por los efectos de reproducibilidad y, por lo tanto, La
FDP para la concentración de nandrolona Y se considera una distribución t escalada y desplazada (ver JCGM 101:
2008 6.4.9) con ν = 9 grados de libertad.

A partir de una tabla o software apropiado para la distribución t (unilateral, ν = 9 grados de libertad, 95% de
probabilidad), la banda de protección se calcula como

Una muestra con valor medido y de concentración de nandrolona mayor o igual a

Así considerado sospechoso.

9. Riesgos del consumidor y del producto

9.1. General

9.1.1. En la evaluación de conformidad utilizando una regla de decisión binaria, se mide una propiedad de
un ítem y se acepta que el ítem cumple los requisitos si el valor medido de la propiedad se encuentra en un intervalo
de aceptación definido. Un valor medido fuera del intervalo de aceptación conduce al rechazo del ítem como no
conforme. La Figura 12, que reproduce la figura 1 en la página viii, ilustra los intervalos de interés, mostrando un
intervalo de tolerancia (de valores conformes) y un intervalo de aceptación (de valores medidos permitidos).

9.1.2. El uso de bandas de guarda proporciona una manera de limitar la probabilidad de tomar una decisión
de conformidad incorrecta basada en la información de medición resumida por un intervalo de cobertura. La
presente cláusula se refiere a una evaluación más precisa de tales probabilidades para un proceso de producción. Las
probabilidades evaluadas dependen de dos factores, el proceso de producción y el sistema de medición.

9.1.3. Si el sistema de medición fuera perfectamente preciso, todas las decisiones de conformidad serían
correctas y todos los riesgos serían cero. Un aumento en la incertidumbre de medición significa un aumento en la
probabilidad de una decisión incorrecta, y la probabilidad es mayor cuando los valores medidos están cerca de los
límites de tolerancia.

9.1.4. Los riesgos también dependen de la naturaleza del proceso de producción. Si el proceso rara vez
produce un ítem cuya propiedad de interés esté cerca de los límites de tolerancia, hay menos oportunidades para que
se tomen decisiones incorrectas. Por el contrario, si un proceso produce ítems con propiedades que probablemente
estén cerca de los límites de tolerancia, se ponen en juego las incertidumbres asociadas con las mediciones. El resto
de esta cláusula muestra cómo se pueden evaluar las contribuciones de ambos factores.

Figura 12 - Evaluación de conformidad binaria donde las decisiones se basan en valores de cantidad medidos. El
valor verdadero de una propiedad medible (el mensurando) de un elemento se especifica en un intervalo de
tolerancia definido por límites ( , ). El ítem se acepta como conforme si el valor medido de la propiedad se
encuentra en un intervalo de aceptación definido por los límites ( , ), y de lo contrario se rechaza como no
conforme.

9.2. FDP para procesos de producción y sistemas de medición

9.2.1. Considere un proceso que produce una secuencia de elementos, cada uno con una propiedad medible
con posibles valores . El proceso puede ser una máquina que produce resistencias con una resistencia nominal de
o un proceso de muestreo que produce viales de agua oceánica que contienen mercurio disuelto. Para un
elemento elegido al azar del proceso, el conocimiento de la propiedad antes de ser medido es transmitido por un
FDP anterior . Se puede decir que la FDP caracteriza el proceso de producción, y a veces se denomina
densidad de probabilidad del proceso. La forma de generalmente se asigna en función del conocimiento
adquirido midiendo la propiedad de interés en una muestra de ítems producidos.

NOTA La asignación de una FDP anterior basada en una muestra medida de elementos se analiza en el Anexo B.

9.2.2. La evaluación de conformidad de un ítem producido se realiza mediante una medición de la propiedad
de interés. La salida del sistema de medición es una cantidad considerada como una variable aleatoria observable
cuyos valores posibles , suponiendo un valor de entrada conocido , están codificados y transportados por
una FDP La forma de se asigna en función del diseño del sistema de medición, la información
suministrada por las calibraciones y el conocimiento de las cantidades de influencia relevantes, como los parámetros
ambientales y las propiedades del material.
9.3. Posibles resultados de una medición de inspección con una regla de decisión binaria

9.3.1. Supongamos que y ̃ denotan, respectivamente, intervalos de valores conformes y no conformes de


̃
, y que y denotan, respectivamente, intervalos de valores aceptables y no aceptables de . En la figura 12, por
ejemplo, corresponde a valores de en el intervalo y corresponde a valores de en el
intervalo .

9.3.2. Con una regla de decisión binaria, hay cuatro resultados posibles de una prueba de evaluación de
conformidad que produce un valor de cantidad medida :

Aceptación válida: el ítem es aceptado ( ) y cumple con las especificaciones . Este es un


resultado deseado de la prueba de evaluación de conformidad, lo que lleva a la aceptación de un elemento conforme.

Falsa aceptación: el ítem es aceptado ( ) pero no cumple con la especificación ( ̃ ). Esta es una
decisión incorrecta cuya probabilidad se denomina riesgo del consumidor, ya que el costo asociado con tal error a
menudo es asumido por un consumidor o usuario, que acepta el ítem como adecuado para su propósito y actúa en
consecuencia.

NOTA La aceptación falsa también se conoce como un error de aprobación o un falso positivo.

Para un ítem medido particular aceptado como conforme, dado un valor medido , la probabilidad de
aceptación falsa se denomina riesgo específico del consumidor (ver 3.3.13) [38], denotado por De la definición
(4 ) de probabilidad de conformidad se puede ver que viene dado por

Para un valor medido en el intervalo de aceptación. Para un ítem elegido al azar del proceso de producción, la
probabilidad de que sea falsamente aceptada después de una medición se denomina riesgo del consumidor global
(ver 3.3.15) [38], denotado por RC. El cálculo de RC se considera en la cláusula 9.5.

Rechazo válido: el ítem se rechaza ( ̃ ) y no cumple con la especificación ( ̃ ). Este es un


resultado deseado de la prueba de evaluación de conformidad, lo que lleva al rechazo de un elemento no conforme.

Falso rechazo: el ítem es rechazado ( ̃) pero en realidad cumple con la especificación . Esta
es otra decisión incorrecta cuya probabilidad se llama riesgo del productor, porque el costo asociado con tal error a
menudo es asumido por un productor que no puede vender un ítem que ha fallado una prueba de conformidad.

NOTA El falso rechazo también se conoce como error de falla o falso negativo.

Para un ítem medido en particular rechazado como no conforme, dado un valor medido ( ̃ ), la
probabilidad de falso rechazo se denomina riesgo específico del productor (ver 3.3.14) [38], denotado por de la
definición (4) de probabilidad de conformidad se puede ver que viene dado por

,
Para un valor medido fuera del intervalo de aceptación. Para un ítem elegido al azar del proceso de producción,
la probabilidad de que sea rechazada falsamente después de una medición se denomina riesgo global del productor
(ver 3.3.16) [38], denotado RP. El cálculo de RP se considera en la cláusula 9.5.

9.4. La FDP conjunta para e

9.4.1. Como se ve en la cláusula 9.3.2, el riesgo específico del consumidor y el riesgo específico del
productor y están simplemente relacionados con la probabilidad de conformidad para un ítem medido en
particular, dado el resultado de una medición. Si el valor de la propiedad está fuera del intervalo de tolerancia y un
valor medido está dentro del intervalo de aceptación, entonces se ha realizado el riesgo del consumidor. La
probabilidad de que ocurran estos dos eventos, es decir, el riesgo del consumidor global, se especifica mediante una
distribución de probabilidad conjunta que depende del proceso de producción y del sistema de medición.

9.4.2. La densidad de probabilidad conjunta se puede escribir como un producto de densidades que ya se
conocen. En palabras, la probabilidad de que el valor del mensurando esté fuera del intervalo de tolerancia y el
valor medido esté dentro del intervalo de aceptación viene dada por la probabilidad de que el proceso de
producción produzca un ítem con un valor verdadero de fuera del intervalo de tolerancia multiplicado por la
probabilidad de que el sistema de medición produzca un valor medido dentro del intervalo de aceptación, dado
que el mensurando está fuera del intervalo de tolerancia.

9.4.3. De manera similar, el riesgo del productor global se define en términos de la misma distribución de
probabilidad conjunta. Si el intervalo de tolerancia, el proceso de producción y el sistema de medición se consideran
fijos, el riesgo del consumidor global y el riesgo del productor global están determinados por los límites de
aceptación. Por lo tanto, los límites de aceptación se pueden establecer para lograr un equilibrio aceptable de los dos
tipos de riesgo. En general, no es posible establecer los límites de aceptación para minimizar los riesgos tanto del
consumidor como del productor simultáneamente: disminuir uno aumentará el otro.

9.4.4. En la literatura de control de calidad y evaluación de la conformidad, los términos "riesgo del
consumidor" y "riesgo del productor" se utilizan generalmente en el sentido de riesgos globales, como se describió
anteriormente.

9.4.5. Para un determinado proceso de producción y sistema de medición, el conocimiento de los posibles
resultados de una prueba de evaluación de la conformidad de un elemento seleccionado al azar se describe mediante
una función conjunta de densidad de probabilidad. Para un ítem seleccionado al azar, la probabilidad de que (a) el
valor del mensurando se encuentre en el intervalo y que (b) una medición de arroje un valor
medido en el intervalo viene dado por

Donde es la FDP conjunta para e .

9.4.6. Utilizando la regla del producto (o multiplicación) de la teoría de la probabilidad, la densidad conjunta
se puede factorizar de dos maneras, de acuerdo con

y
9.4.7. Las dos FDP a la derecha en la expresión (16a) son las dos densidades de probabilidad descritas en la
cláusula 9.2. Dadas las formas de estas FDP, se pueden calcular las dos densidades de probabilidad en el lado
derecho de la expresión (16b), si se desea. Tal cálculo se ilustra en el Anexo A (véanse las cláusulas A.4.3 y A.4.4).

9.5. Cálculo de riesgos globales.

9.5.1. Contexto histórico

9.5.1.1. En las siguientes subcláusulas, se desarrollan fórmulas para calcular los riesgos globales de decisiones
incorrectas. Tales cálculos se han realizado tradicionalmente utilizando distribuciones de frecuencia medidas de los
diversos resultados cuando se mide una muestra grande de elementos nominalmente idénticos. El riesgo del
consumidor global, en este enfoque, es igual a la fracción de elementos en una muestra medida que se aceptan para
su uso pero no cumplen con un requisito específico. Dicha no conformidad, para un ítem en particular, debe
demostrarse después del hecho mediante una medición separada con una incertidumbre mucho menor que la del
sistema de medición utilizado en la evaluación de la conformidad.

9.5.1.2. Los riesgos globales a continuación se calculan utilizando distribuciones de probabilidad en lugar de
distribuciones de frecuencia, por lo que no es necesario considerar un conjunto de elementos medidos que, de hecho,
pueden no existir. Numéricamente, las probabilidades calculadas siempre estarán de acuerdo, en promedio, con las
frecuencias medidas. Por lo tanto, los límites de aceptación se pueden elegir para obtener fracciones aceptables de
ítems aceptados o rechazados por error, en promedio, en la evaluación de la conformidad de los ítems en una
muestra.

9.5.2. Fórmulas generales

9.5.2.1. Dada la FDP conjunta (16a) y las dos densidades de probabilidad y , se pueden
calcular las probabilidades de cada uno de los cuatro posibles resultados descritos anteriormente (ver la cláusula
9.3). Estas probabilidades son simplemente los volúmenes respectivos bajo la densidad de probabilidad conjunta
, integrados en las cuatro regiones que describen todos los resultados posibles.

9.5.2.2. De particular interés son el riesgo del consumidor global y el riesgo del productor global, calculado de
la siguiente manera:

- Para un valor medido en el intervalo de aceptación y un valor de fuera del intervalo de tolerancia, el
riesgo del consumidor global es

∫ ∫ ( | )
̃

- Para un valor medido fuera del intervalo de aceptación y un valor de dentro del intervalo de tolerancia, el
riesgo del productor global es

∫ ∫ ( | )
̃
9.5.2.3. Las expresiones (17) y (18) son fórmulas generales para el cálculo de los riesgos globales del
consumidor y del productor. Dependiendo de la forma particular de las FDP y , la evaluación
explícita de y puede tener que realizarse numéricamente.

9.5.3. Caso especial: regla de decisión binaria

9.5.3.1. Para la evaluación de conformidad binaria particular ilustrada en la figura 12, las fórmulas (17) y (18)
se convierten en

∫ ∫ ∫ ( | )

Para un valor medido fuera del intervalo de aceptación y un valor de dentro del intervalo de tolerancia, el riesgo
del productor global es

∫ ∫ ∫ ( | )

El uso de las expresiones (19) y (20) en el caso donde la FDP conjunta (15) es un producto de distribuciones
normales se ilustra en el siguiente ejemplo. Las propiedades de las distribuciones normales, incluidas las formas
particulares de las expresiones (19) y (20), se analizan en el Anexo A.

EJEMPLO Fabricación de resistencias de precisión.

Un proveedor de componentes eléctricos produce resistencias de precisión enrolladas con alambre de resistencia
nominal 1500 Ω. Para cada resistencia (el ítem), la resistencia (la propiedad de interés) se especifica en un
intervalo de tolerancia definido por los límites y .

Una máquina para producir tales resistencias se evalúa midiendo una muestra de su salida, utilizando un ohmímetro
de alta precisión con una incertidumbre de medición insignificante. Un histograma de los valores medidos parece de
forma normal, centrado en el valor nominal con una desviación estándar Según esta información, una
FDP normal se asigna para modelar el proceso de producción, con y

Para una resistencia típica producida por esta máquina, la probabilidad de conformidad es

∫ ∫ ( )

Si el proveedor simplemente enviara todas las resistencias producidas, aproximadamente el 10% de ellas no serían
conformes, lo que por razones económicas se considera inaceptable. Al comprar una máquina de producción más
cara, la variabilidad del proceso podría reducirse. En este caso, se decide, considerando los costos relativos,
mantener la máquina existente e implementar un proceso de inspección para detectar y eliminar resistencias no
conformes.

En producción, las resistencias se inspeccionan para verificar su conformidad con las especificaciones utilizando un
ohmímetro calibrado de alta velocidad. Se asigna una FDP normal , con
para codificar y transmitir la creencia en el intervalo de valores medidos que podrían observarse al medir una
resistencia conocida La asignación se basa en un modelo del sistema de medición y una evaluación de la
incertidumbre de medición, incluida la incertidumbre asociada con la calibración del ohmímetro.

Para reducir la probabilidad de que las resistencias de envío no cumplan con las especificaciones (riesgo del
consumidor), los límites de aceptación se eligen dentro del intervalo de
tolerancia (ver figura 12, página 24), creando un intervalo de aceptación con bandas de protección simétricas de
longitud

Los riesgos del consumidor y del productor se calculan a partir de las expresiones (A.15) - (A.17) con

( ) ( )

Rendimiento de integración numérica

∫ ∫

∫ [ ]

Se pueden observar características interesantes de este procedimiento de evaluación de la conformidad al considerar


una muestra promedio de 100 resistencias producidas por la máquina, medidas y aceptadas o rechazadas como
adecuadas para su uso:

- dadas las propiedades del proceso de producción, 90 de las resistencias se ajustan a la especificación y 10 no se
ajustan (véase la expresión (21));

- de las 90 resistencias conformes, 83 son aceptadas y 7 falsamente rechazadas como no conformes;

- de las 10 resistencias no conformes, 9 son rechazadas y una es falsamente aceptada como conforme;

- 84 de las resistencias son aceptadas; de estos, 83/84 ≈ 99% se conforman, con aproximadamente 1% fuera de
tolerancia. Este es el objetivo de la medición de inspección, reduciendo la proporción de resistencias no conformes,
entre las aceptadas para su uso, del 10% al 1%;

- De las 16 resistencias que se rechazan, el 7/16 ≈ 44% realmente se ajusta a las especificaciones. Este es un precio a
pagar por reducir el riesgo de aceptar productos no conformes.

9.5.4. Establecer límites de aceptación

9.5.4.1. En el ejemplo anterior, los riesgos globales y se calcularon dados los límites de aceptación
conocidos y . En la mayoría de las aplicaciones reales, se elige un nivel de riesgo deseado basado en un
análisis de costos y se calculan los límites de aceptación para garantizar que se alcance el nivel de riesgo deseado.
Tales cálculos no son sencillos. Un enfoque práctico para tales problemas es a través de una solución gráfica, como
se ilustra en el siguiente ejemplo.

EJEMPLO Producción de bolas de rodamientos


Un fabricante produce grandes cantidades de bolas de rodamientos de precisión. La especificación de rendimiento
para estos rodamientos (los ítems) requiere que, para cada uno de ellos, el movimiento de error radial (la propiedad
de interés) sea inferior a 2 µm. El movimiento de error radial de un rodamiento es un movimiento no deseado
perpendicular al eje de rotación. Para un rodamiento perfecto, el movimiento de error radial sería cero; cualquier
rodamiento real tendrá un movimiento de error radial positivo.

Para caracterizar el proceso de producción, se miden los movimientos de error radial de una gran muestra de
rodamientos, utilizando un aparato de prueba de alta precisión con una incertidumbre de medición insignificante.
Para esta muestra, el movimiento de error radial promedio observado es ̅ con una desviación estándar de
muestra asociada

Antes del envío, los rodamientos se prueban para verificar su conformidad con las especificaciones. En estas
pruebas, el movimiento del error radial se mide usando un aparato de prueba calibrado. El sistema de medición se
caracteriza por una FDP normal con una incertidumbre estándar de

Por razones económicas, la fracción de rodamientos no conformes vendidos a los clientes como conformes (el riesgo
del consumidor global) debe mantenerse en 0.1% o menos. ¿Cómo se puede elegir un límite de aceptación A para
satisfacer este requisito?

Figura 13 - Intervalos de tolerancia y aceptación para la evaluación de la conformidad de los rodamientos de bolas.
Los valores permitidos del movimiento de error radial se encuentran en el intervalo El límite de
aceptación está separado del límite de tolerancia T por una banda de guarda con parámetro de longitud
La regla de decisión en este caso es la aceptación cautelosa, con .

El problema de evaluación de la conformidad se ilustra en la figura 13. Se especifica que una bola de rodamiento
conforme tiene un movimiento de error radial en el intervalo . Dado que el movimiento de error radial
es siempre positivo, con valores medidos cercanos a cero, la FDP para el error radial será modelada por una
densidad de probabilidad gamma (ver Anexo B, cláusula B.3). Según las mediciones de la muestra, la expectativa y
la incertidumbre estándar de la FDP anterior se asignan a ̅ y Usando
expresiones (B.14), se calculan los parámetros y :

A partir de la definición (B.11) de la densidad de probabilidad gamma, la FDP anterior para el error radial de
rodamiento Y es entonces
Figura 14 - FDP anterior Gamma dada por la expresión (22), asignada en función de la distribución de frecuencia
de los movimientos de error radial medidos para una muestra de bolas de rodamientos. El intervalo de tolerancia es
la región . La expectativa de la distribución es la estimación previa con una
incertidumbre estándar asociada Debido a que la distribución no es simétrica, el valor más probable
de (el modo de distribución, aquí igual a 0.75 µm) no es igual a .

Esta FDP se muestra en la figura 14. La probabilidad de que las bolas de rodamiento elegidas al azar del proceso de
producción, muestren un movimiento de error radial mayor de 2 µm se indica mediante la región sombreada. Esta
probabilidad de no conformidad es

̅ ∫

Lo que significa que si todos los rodamientos de bolas producidos fueran enviados sin ser medidos, alrededor del
4.2% de ellos no serían conformes. El sistema de medición posterior al proceso está diseñado para detectar
rodamientos no conformes para que no se envíen. Se desea un límite de aceptación para reducir el riesgo del
consumidor a 0.1% o menos. Para la regla de decisión de evaluación de la conformidad que se muestra en la figura
13, el intervalo de tolerancia corresponde a y el intervalo de aceptación a . De manera
análoga a los pasos que conducen a las expresiones (19) y (20), los riesgos globales del consumidor y del productor
se evalúan como

∫ ∫ ( | ) ∫ ∫ ( | )

Para un sistema de medición caracterizado por un FDP normal haciendo la sustitución


y realizando las integraciones sobre z, estas expresiones se convierten

∫ [ ( ) ( )] ∫ [ ( )]

De la figura 13 se puede ver que . Aquí y . Luego, al configurar


igual a la FDP gamma de la expresión (22) se obtienen los resultados explícitos

∫ ]
∫ ]

Figura 15 - Riesgo global del consumidor versus multiplicador de banda de protección r. Para r ≈ 0.65, el límite
de aceptación es y se alcanza el riesgo deseado

Estas integrales no pueden evaluarse en forma cerrada, pero pueden calcularse numéricamente para cualquier valor
elegido del multiplicador de banda de guarda .

La Figura 15 muestra el riesgo de consumo global para positivo corresponde a


(aceptación protegida) y negativo corresponde a . Para no hay banda de guarda ( ), una regla
de decisión llamada riesgo compartido o aceptación simple (ver cláusula 8.2). La figura muestra que el nivel de
riesgo deseado, se logra para un multiplicador de banda de protección Esto da como
resultado un intervalo de aceptación protegido con límite de aceptación

Esta elección del límite de aceptación resuelve el problema de decisión.

En la evaluación de conformidad con una regla de decisión binaria, actuar para reducir el riesgo del consumidor
siempre aumentará el riesgo del productor. Esta regla general está bien ilustrada en la figura 16, que muestra
versus calculado numéricamente a partir de las fórmulas (23) y (24), para el ejemplo de bolas de rodamiento.
Para , el riesgo global del productor es de aproximadamente 7.5%. Esto significa que alrededor de 75 de
cada 1000 bolas de rodamientos que no pasan la inspección en realidad cumplirían con las especificaciones, lo que
resultaría en la pérdida de ingresos que se acumularían si se vendieran estos buenos rodamientos.

La generación de una cantidad cada vez mayor de chatarra conforme es un costo de aceptación protegida, que busca
reducir la aceptación y el envío de productos no conformes. En la práctica, un proveedor debe elegir un punto de
operación a lo largo de una curva como la que se muestra en la figura 16 que equilibrará los riesgos y producirá un
resultado óptimo. La elección de dicho punto operativo es una decisión comercial o política que requiere un análisis
económico del problema de decisión.
Figura 16 - Riesgos globales versus para el ejemplo de bolas de rodamiento. Cualquier punto en la curva
corresponde a un valor particular de , el multiplicador de la banda de guarda, con varios valores particulares
identificados. Actuar para reducir el riesgo del consumidor moviendo el límite de aceptación más dentro del
intervalo de tolerancia (aumentando r) siempre aumenta el riesgo de rechazar falsamente los rodamientos
conformes. Se requiere un análisis económico para elegir una regla de decisión óptima. El círculo abierto marca el
punto de operación en el ejemplo trabajado.

9.5.5. Enfoque gráfico general

9.5.5.1. Para un proceso con tolerancia dada, FDP anterior normal y sistema de
medición normal FDP , se puede crear un gráfico como el que se muestra en la figura
17 para ayudar a establecer los límites de aceptación

9.5.5.2. En este ejemplo, se supone que la información previa es escasa en el sentido de que de
modo que la estimación con la incertidumbre estándar asociada (véase la cláusula A.4.4.3).

9.5.5.3. La figura muestra versus para el caso particular donde

9.5.5.4. Las cinco curvas en la figura corresponden a valores del índice de capacidad de medición
en un rango de 2 a 10, y a lo largo de cada curva, los puntos sólidos ubican bandas de guarda con varios
parámetros de longitud, desde hasta con la incertidumbre expandida igual a .

9.5.5.5. Para usar este gráfico en particular, sería necesario tener en cuenta que

- se supone que el proceso está centrado, de modo que la estimación previa del mensurando se encuentra
en el punto medio del intervalo de tolerancia;

- se supone que las bandas de guarda superior e inferior tienen parámetros de longitud que son iguales en
valor absoluto (un intervalo de aceptación simétrico);

- y se calculan asumiendo el proceso normal y las FDP del sistema de medición;


- para capacidades de medición distintas de los cinco valores mostrados, es posible la interpolación;

- También es posible interpolar a lo largo de las curvas para estimar las bandas de guarda.

17 - Riesgos globales versus para una evaluación de conformidad binaria con incertidumbre estándar previa
. Las cinco curvas corresponden a valores del índice de capacidad de medición en un
intervalo de 2 a 10. Los puntos sólidos ubican bandas de protección con parámetros de longitud de a
, con Los valores positivos de corresponden a la aceptación reservada, con límites de aceptación
dentro de los límites de tolerancia como en la figura 12 en la página 24.

9.5.6. El valor de la incertidumbre de medición reducida

9.5.6.1. La reducción de la incertidumbre asociada con el resultado de una medición de evaluación de


conformidad también reducirá la probabilidad de tomar una decisión incorrecta de aceptar/rechazar. Esta
observación está bien ilustrada en la figura 17 por las líneas punteadas que marcan los lugares de las diversas bandas
de guarda.

9.5.6.2. Para una regla de decisión de aceptación simple se ve, por ejemplo, que si la
incertidumbre de medición fuera tal que entonces el riesgo del consumidor sería y
el riesgo del productor correspondiente sería

9.5.6.3. Invertir en un sistema de medición mejorado con reduciría estos riesgos a y


respectivamente. Si tal reducción en la incertidumbre de medición sería económicamente deseable
depende de la compensación entre el costo de la metrología mejorada y el dinero ahorrado a través de menos errores
de decisión.

9.5.6.4. Mejorar el proceso de producción (reduciendo la incertidumbre estándar previa ) tendrá un efecto
similar en la reducción de los riesgos tanto del consumidor como del productor, e implicará un tipo similar de
análisis de costo/beneficio.
Anexo A (informativo) Distribuciones normales

A.1. Función de densidad de probabilidad normal.


A.1.1. Suponga que se mide una cantidad de interés , produciendo una mejor estimación y una
incertidumbre estándar asociada En muchos casos, la dispersión de los valores probables de sobre la
estimación , dado un valor medido , está bien caracterizada por una función de densidad de probabilidad normal
(FDP), dada por

[ ( ) ]

Donde En muchas mediciones de evaluación de conformidad, pero este no es siempre el caso;


ver cláusula A.4.4.

A.2. Integrales de FDP normales

Al calcular las probabilidades de cobertura, las probabilidades de conformidad y/o los riesgos del consumidor y del
productor, a menudo hay que evaluar integrales de FDP normales entre límites finitos o semi-infinitos. Tales
integrales no se pueden evaluar en forma cerrada y, por lo tanto, se evalúan numéricamente y se tabulan. Para
simplificar la notación, es conveniente introducir La FDP normal estándar, φ0 (t), definido por

[ ]

A.2.2. Hay dos formas comunes en que uno encuentra integrales de FDP normales expresadas:

(a) La función de distribución normal estándar, Φ (t), definida por

∫ ∫

y

(b) la función de error, erf (z), definida por


Estas funciones están simplemente relacionadas; de las definiciones (A.3) y (A.4) se ve que

[ ( )]

A.2.3. Considere la probabilidad de que se encuentre en el intervalo dado un valor medido


Para la FDP normal de expresión (A.1) esta probabilidad viene dada por

∫ [ ( ) ]

Configurando y , esta expresión se convierte en

∫ ( ) ( )

Usando expresiones (A.2) y (A.3).

A.3. Probabilidades de cobertura para FDP normales

A.3.1. En un caso especial común, los puntos y definen un intervalo de cobertura (o intervalo de
incertidumbre) de ancho sobre la estimación , donde es la incertidumbre expandida para un factor de
cobertura k establecido (véase la cláusula 6.3.2.) Entonces y la expresión (A.6) se
convierte en

( )

Las probabilidades de cobertura (o niveles de confianza) para k = 1, 2 y 3 son entonces:

( )

( )

( )

A.4. Proceso normal y densidades de probabilidad de medición

A.4.1. FDP anterior g0 (η) para el mensurando Y

A.4.1.1. Antes de realizar una medición, el conocimiento de un mensurando a menudo se caracteriza por un
FDP anterior normal. Denotando la mejor estimación por y la incertidumbre estándar asociada por esta FDP
anterior viene dada por

* ( ) + √ * +

En la última expresión se ha introducido un peso para simplificar el desarrollo posterior.

A.4.2. FDP para dado un valor

A.4.2.1. Suponga que el sistema de medición utilizado en una evaluación de conformidad se caracteriza, a
través de la función de probabilidad, por una FDP normal. Si dicho sistema se usa para medir una propiedad de
interés con un valor supuesto , la creencia de transmisión de la FDP en los posibles valores de viene dada
por
* ( ) + √ * +

Donde,

A.4.2.2. La FDP normal de expresión (A.8) caracteriza razonablemente una medición analizada de acuerdo con
el procedimiento descrito en el GUM, en el caso de que existan las condiciones necesarias para la validez del
teorema del límite central. La GUM no asume ningún conocimiento previo del mensurando, por lo que la dispersión
de valores que podrían estar razonablemente atribuirse a un mensurando después de una medición se caracteriza por
la incertidumbre estándar

A.4.3. FDP marginal para

A.4.3.1. Es de interés preguntar, y de valor práctico saber, qué valor medido podría realizarse si un ítem se
eligiera al azar de un proceso de producción y se midiera la propiedad de interés . Para un proceso caracterizado
por la FDP anterior de la expresión (A.7) y el sistema de medición caracterizado por la FDP de la expresión (A.8), la
FDP deseada puede calcularse como una densidad de probabilidad marginal, utilizando la expresión (16a), como
sigue:


∫ [ ]

√ [ ]

[ ( ) ]

( )

Dónde

√ √

A.4.3.2. Se ve que la FDP es una distribución normal con la expectativa y la incertidumbre


estándar asociada dada por la expresión (A.10).

A.4.3.3. La expectativa se deduce de la suposición de que el sistema de medición se ha corregido


para todos los errores sistemáticos significativos reconocidos y, por lo tanto, está libre de sesgos.

A.4.3.4 La incertidumbre estándar en la expresión (A.10) se considera la suma de los cuadrados de las
incertidumbres estándar asociadas con el proceso y las FDP del sistema de medición. Las dos fuentes de
incertidumbre (un proceso incierto y un sistema de medición imperfecto) se combinan de manera natural en sus
efectos sobre el conocimiento de los posibles valores medidos de una propiedad de interés. Dado un sistema de
medición de alta precisión, en el sentido de que , entonces y la incertidumbre sobre los
posibles valores de cantidad medida se debe casi a información incompleta sobre el proceso de producción.

A.4.4. Posterior (posterior a la medición) FDP para

A.4.4.1 Al igualar los lados derechos de las expresiones (16a) y (16b), en la página 26, y reorganizar se obtiene la
FDP para el mensurando después de una medición que produce un valor medido :

La comparación con la expresión (1) en la página 11 muestra que este resultado es una declaración del teorema de
Bayes, con el denominador dado por la expresión (A.9). La sustitución de las FDP normales de expresiones
(A.7) - (A.9) en la expresión (A.11) produce

√ * ( ) +

[ ( ) ]

),

Donde

√ √

A.4.4.2. El teorema de Bayes muestra el efecto de nueva información sobre el mensurando transmitida por
el valor medido y la incertidumbre estándar asociada . Se ve que la densidad de probabilidad posterior (A.12)
es una distribución normal cuya expectativa (mejor estimación) , expresión (A.13), es un promedio ponderado de
y con los pesos iguales a los recíprocos de las correspondientes varianzas asociadas.

A.4.4.3. De la expresión (A.14) se ve que la incertidumbre estándar asociada con la estimación es siempre
menor que y Hay dos casos de especial interés que se encuentran comúnmente en la práctica.

Si el conocimiento previo es tan escaso que no se intenta asignar una FDP previa explícita al mensurando
entonces de modo que De la expresión (A.14) se deduce que:

y se puede decir que todo el conocimiento relevante de los posibles valores de deriva de la medición misma.
Dichas mediciones son el foco de la GUM, que es una guía para la evaluación de dado un modelo de medición
apropiado.
- En una calibración típica, se utiliza un instrumento de medición para medir un estándar de referencia que realiza
una estimación y0 de una cantidad Y con una pequeña incertidumbre estándar asociada u0. Para tal calibración, el
error sistemático del instrumento es poco conocido a priori en el sentido de que 0 ,o 0 . La FDP
posterior para Y es entonces tal que, nuevamente usando la expresión (A.14),

De acuerdo con el sentido común, la medición de la calibración no modifica el conocimiento del estándar de
referencia. La lectura del instrumento, sin embargo, transmite información sobre el error de indicación del
instrumento, que es la cantidad de interés en una calibración.

A.5. Cálculos de riesgo con FDP normales y una regla de decisión binaria

A.5.1. La fórmula general para el cálculo de los riesgos globales del consumidor y del productor se derivó
en la cláusula 9.5, y el caso especial de una evaluación de conformidad con una regla de decisión binaria se trató en
la cláusula 9.5.3. Es interesante derivar expresiones para los riesgos globales en el caso común de una regla de
decisión binaria donde el conocimiento previo de un mensurando y los posibles resultados de un sistema de
medición son descritos por distribuciones normales.

A.5.2. Dadas las distribuciones normales, expresiones (A.7) y (A.8), para las FDP que caracterizan el
proceso de producción y el sistema de medición, la FDP conjunto , (expresión (16a) en la página 26), para
el resultado de una medición es

, *( ) ( ) +-

Dejando y y sustituir en las expresiones (19) y


(20)) produce, después de la simplificación, los riesgos globales del consumidor y los riesgos del productor:

∫ ∫

∫ ( )

En esta expresión, ( √ ) z) es La FDP normal estándar y

( ) ( )
Donde Φ (t) es la función de distribución normal estándar.
Anexo B (informativo)
Conocimiento previo del mensurando

B.1. Control del Proceso Estadístico

B.1.1. En muchas evaluaciones de conformidad, el conocimiento de un mensurando antes de realizar una


medición no se considera explícitamente al tomar decisiones de aceptación/rechazo. En tales casos, que son típicos
de las mediciones analizadas de acuerdo con los principios descritos en la GUM, existe un supuesto implícito de que
el conocimiento previo de es tan escaso que tiene un efecto insignificante en el resultado de la decisión.

B.1.2. Para un proceso en el que se producen varios elementos nominalmente idénticos a lo largo del
tiempo, la naturaleza del proceso puede estudiarse midiendo periódicamente una muestra de su salida. Las
estadísticas generadas en el curso de tales mediciones, como un promedio de muestra móvil y una desviación
estándar de la muestra, proporcionan información sobre la estabilidad del proceso para que pueda ajustarse según
sea necesario para cumplir con los criterios de calidad de producción. La generación y el uso de información de
medición de esta manera forman la base del Control Estadístico de Procesos (CEP). Una literatura considerable está
disponible; véanse, por ejemplo, las referencias [33, 43].

B.1.3. El comportamiento de un proceso en CEP se resume comúnmente asumiendo que una muestra de
elementos medidos para fines de control de calidad comprende un conjunto de realizaciones de una distribución de
frecuencia estable. El valor medio y la desviación estándar de esta distribución se estiman a partir de las
estadísticas de la muestra.

NOTA. Un proceso para el cual los valores medios y las desviaciones estándar muestran una variación aceptable con
respecto a los límites especificados, de una muestra a otra, se conoce como un proceso estable.

B.1.4. La FDP anterior para un mensurando toma la forma matemática de la distribución de


frecuencia sugerida por un histograma de valores de cantidad medida. La propiedad de interés para un elemento
elegido al azar del proceso se le asignaría una mejor estimación y la incertidumbre estándar asociada

B.1.5. Este procedimiento típico de CEP tiene dos deficiencias principales: (a) el modelado de procesos
confiable mediante el uso de un histograma generalmente requiere una muestra grande, que podría no estar
disponible, y (b) la incertidumbre asociada con las mediciones de la muestra se ignora y no juega ningún papel en
asignación de la FDP El siguiente enfoque aborda ambos problemas y reduce el resultado de CEP en los
límites apropiados.

B.2. Un ítem elegido al azar de una muestra medida de ítems

B.2.1. Considere una muestra de ítems, cada uno con una propiedad de interés en una evaluación de
conformidad. La muestra se recoge durante un período de tiempo apropiado de un proceso de producción que se
supone estable. Ejemplos incluyen:

Una muestra de bloques de calibre cada uno caracterizado por una longitud

Una muestra de voltímetros digitales, cada uno caracterizado por un error de indicación al medir un voltaje de
referencia estándar;

Una muestra de conectores de fibra óptica, cada uno caracterizado por una pérdida de inserción
B.2.2. Para cada uno de los elementos, se mide la propiedad de interés, produciendo un conjunto de
estimaciones y una incertidumbre de medida estándar asociada ̃ . La incertidumbre ̃ depende del
procedimiento utilizado para medir las muestras y se supone que es la misma para todas las mediciones. Las
propiedades de la muestra se resumen luego calculando una media muestral ̅ y la varianza muestral definida por

̅ ∑

∑ ̅

NOTA. La varianza de la muestra a menudo se define dividiendo la suma ∑ ̅ por en lugar de


Se puede demostrar que la cantidad resultante es un estimador imparcial de la varianza de una distribución de
frecuencia de la cual se supone que se extraen las muestras de datos. Al definir en la expresión (B.2), el objetivo
no es estimar una varianza desconocida, sino caracterizar la dispersión de los valores de la muestra sobre su media.
Si se supone que los datos son una muestra aleatoria de una distribución de frecuencia normal
entonces se puede demostrar que la varianza muestral (B.2) es el estimador de máxima verosimilitud de [10].

B.2.3. Uno de los ítems medidos se selecciona al azar (con probabilidad ) y se considera que es
representativo del proceso de producción. Deje que denote la propiedad de interés para el ítem seleccionado al
azar. La información relevante para los posibles valores de consiste solo en las estadísticas de muestra (B.1) y
(B.2), las estimaciones individuales se descartan una vez que se han realizado las mediciones. Las
propiedades de resumen de la FDP para se pueden calcular de la siguiente manera.

B.2.4. Sea la FDP para y denote las FDP para las propiedades de muestra por
. Teniendo en cuenta que cada uno de los elementos tiene la misma probabilidad de haber
sido seleccionado, puede escribirse como La FDP marginal

Llamado, apropiadamente, una distribución de mezcla finita [41].

B.2.5. La forma de un FDP particular generalmente no se conoce, pero dado que transmite el
conocimiento de la propiedad del enésimo ítem medido,

̃ ∫

Dados estos resultados y la FDP de la expresión (B.3), se puede calcular la estimación de la propiedad
y la incertidumbre estándar asociada

B.2.6. Para la estimación tenemos, por definición


∫ ∑∫ ∑

Donde la expresión (B.4) se ha utilizado en el último paso. La comparación de este resultado con la expresión (B.1)
muestra que la estimación a priori de Y es igual a la media muestral:

B.2.7. La varianza asociada de , cuya raíz cuadrada positiva es la incertidumbre estándar, viene dada por

∫ ̅ ∑∫ ̅

Ahora escribiendo

̅ ̅ ̅ ̅

El uso de las expresiones (B4) y (B5), y la sustitución en la expresión (B7) conduce al resultado

̃ ∑ ̅

B.2.8. La suma en el lado derecho de la expresión (B.8) se considera la varianza de la muestra [ver
expresión (B.2)] para que

y la incertidumbre estándar asociada con la estimación previa es

√̃

B.2.9. La incertidumbre estándar dada por la expresión (B.10) se considera una combinación de
cuadrados [o raíz cuadrada de suma de cuadrados (RSS)] de dos componentes que son solo los dos parámetros que
resumen los datos de la muestra: un término ̃ debido a la incertidumbre estándar común asociada con las
mediciones de la muestra, y un término que caracteriza la variabilidad de las estimaciones

NOTA. La variabilidad debida a la variación del proceso y la falta de repetibilidad de la medición se combinan en
las variaciones de la muestra observada . La incertidumbre estándar ̃ debe incluir un componente que capture el
efecto de la variación de la medición.

B.2.10. La estimación calculada y la varianza de la muestra para el elemento seleccionado al azar, las
expresiones (B.6) y (B.7), se toman para caracterizar la producción futura del proceso, se supone que es estable y
libre de deriva. El modelo lógico tiene un razonamiento metrológico o de inspector de la siguiente manera:

“Elegí un ítem futuro del proceso de producción. ¿Qué puedo decir sobre la propiedad de este ítem antes de
medirlo? Basado en los resultados de las mediciones de la muestra, creo que la mejor estimación de es ,
dada por la expresión (B.6), con una varianza asociada dada por la expresión (B.9). Este es el alcance de
mi conocimiento. Dada esta información y el principio de máxima entropía (ver JCGM 101: 2008 6.3 y referencia
[45]), asignaré un FDP normal para transmitir y codificar mi conocimiento previo de la propiedad para este ítem".
Esto lleva a la siguiente distribución normal (o gaussiana) para codificar el conocimiento previo de la propiedad

* ( ) +

Con ̅ y ̃

B.2.12. En el caso común donde ̃ la incertidumbre en el valor de una propiedad de un ítem


elegido al azar del proceso de producción está dominada por la variabilidad del proceso. Entonces
donde el proceso está modelado por una distribución de frecuencia con una desviación estándar estimada por la
desviación estándar de la muestra s.

B.3. Una propiedad positiva cerca de un límite físico.

B.3.1. La FDP normal tiene un rango infinito. En el caso de una propiedad (mensurando) que sea
estrictamente positiva, una FDP normal asignada distribuirá una fracción de su probabilidad sobre valores negativos
(y, por lo tanto, imposibles) de la propiedad. Para una propiedad cuya mejor estimación está dentro de algunas veces
su incertidumbre estándar asociada de cero, esta fracción de la probabilidad puede ser significativa. En tal caso,
asignar un FDP normal sería una forma irracional de codificar el conocimiento del mensurando.

B.3.2. Muchas FDP conocidas están restringidas a valores positivos de sus argumentos. Dependiendo
de la información disponible, dicha FDP puede servir para modelar el conocimiento de una medida cerca de un
límite físico. En el caso de que el conocimiento de se limite a una estimación y la varianza asociada, como
en la cláusula B.2, el principio de entropía máxima conduce a la asignación de una distribución normal que se trunca
a cero [11]. Si se cree que los valores de cerca de cero tienen una probabilidad insignificante, puede ser apropiado
asignar una FDP anterior que se acerque a cero como Una de esas distribuciones es la FDP gamma,
cuyo uso servirá como ejemplo.

B.3.3. La FDP gamma, con parámetros positivos y , se define por

NOTA 1. Los casos especiales de la FDP gamma incluyen (una FDP exponencial con parámetro
)y (una FDP de chi-cuadrado con grados de libertad)

NOTA 2. Es posible definir una distribución gamma de 3 parámetros reemplazando con en la expresión
(B.11), donde el parámetro γ se convierte en el punto final izquierdo y la distribución está restringida al intervalo
Figura B.1 - Varias FDP gamma calculadas según la expresión (B.11), para pares de parámetros
seleccionados

B.3.4. La Figura B.1 muestra cuatro FDP gamma para valores particulares de y . La expectativa y la
varianza de la FDP gamma están dadas por

y el valor máximo (modo) de la distribución ocurre cuando

B.3.5. Dado un estado particular de información previa, los valores apropiados de y pueden estimarse
utilizando estas expresiones. En el caso en que el conocimiento de una propiedad (mensurando) se obtiene
midiendo una muestra de ítems producidos, la estimación previa y la varianza asociada se estiman mediante las
estadísticas de muestra: ̅ y Las expresiones (B.12) se pueden resolver para los parámetros de la
FDP gamma:

̅ ̅

Estas estimaciones son las llamadas estimaciones del "método de los momentos" y pueden ser insatisfactorias para
un tamaño de muestra pequeño. Las alternativas son las estimaciones de máxima verosimilitud, pero generalmente
requieren alguna forma de optimización numérica o la solución de un sistema de ecuaciones no lineales.

B.3.6. En la cláusula 9.5.4 se da un ejemplo usando una FDP gamma en el cálculo de los riesgos del
consumidor y del productor.

B.3.7. Se puede encontrar información útil sobre propiedades y usos de las distribuciones de probabilidad
en los libros de Evans, Hastings y Peacock [30] y Johnson, Kotz y Balakrishnan [28].
Anexo C (informativo)
Glosario de símbolos principales.

NOTA El término función de densidad de probabilidad se abrevia como FDP.


intervalo de valores medidos aceptables
̃ intervalo de valores medidos no aceptables
límite de aceptación inferior
límite superior de aceptación
límite inferior del intervalo en el que se sabe que se encuentra una variable aleatoria
límite superior del intervalo en el que se sabe que se encuentra una variable aleatoria
intervalo de valores conformes de una propiedad de interés (mensurando)
̃ intervalo de valores no conformes de una propiedad de interés (mensurando)
índice de capacidad de medición
expectativa de una variable aleatoria
expectativa condicional de un mensurando , dado un valor de cantidad medida
error de indicación máximo permitido para un instrumento de medición
función de error con variable
FDP conjunta con variables y para cantidades e
función de distribución con variable para la cantidad
FDP gamma con variable y parámetros y
FDP con variable para un mensurando , dado un valor de cantidad medida
FDP con variable para un mensurando antes de la medición
FDP anterior con variable para un mensurando con visualización explícita de
información previa ; igual que
FDP con variable para la cantidad
FDP con variable para la cantidad de salida de un sistema de medición, dado un
valor verdadero supuesto de un mensurando
FDP marginal con variable para la cantidad de salida de un sistema de medición
Factor de cobertura
probabilidad de un valor verdadero dado un valor de cantidad medida
probabilidad de cobertura
probabilidad de conformidad
̅ probabilidad de no conformidad
riesgo del consumidor global
riesgo específico del consumidor
riesgo global del productor
riesgo del productor específico
varianza muestra
Tolerancia
límite de tolerancia inferior
límite de tolerancia superior
Incertidumbre expandida
incertidumbre estándar
incertidumbre estándar asociada con la estimación de un mensurando antes de
realizar una medición
incertidumbre estándar asociada con un valor de cantidad medida cuando el
conocimiento previo del mensurando es insignificante
varianza de una variable aleatoria
varianza condicional de un mensurando , dado un valor de cantidad medida
parámetro de longitud de una banda de guarda
propiedad medible (mensurando) de un ítem, tomada como una variable aleatoria
salida de un sistema de medición, tomado como una variable aleatoria
̅ muestra promedio
expectativa de antes de realizar una medición
̃ valor de cantidad medida a escala
parámetro de una FDP gamma
función gamma con variable
variable que describe los posibles valores de un mensurando
parámetro de una FDP gamma
función de distribución normal estándar con variable
FDP normal estándar con variable
FDP normal (gaussiano) con variable expectativa y varianza