Práctica estándar para muestreo y análisis de datos para

madera estructural y productos a base de madera

1 Alcance

1.1 Esta práctica cubre los procedimientos de muestreo y análisis para la investigación de
poblaciones específicas de madera y productos estructurales a base de madera a los que se hace
referencia en esta norma como productos. Se debe hacer referencia a los estándares de producto
apropiados para los requisitos de presentación de datos. Dependiendo del interés del usuario, la
población de la que se toman las muestras puede variar desde los productos producidos en un
sitio de fabricación específico hasta todos los productos producidos en un grado particular de un
área geográfica particular, durante un intervalo de tiempo específico. En general, esta práctica
supone que la población es lo suficientemente grande como para que, con fines de muestreo,
pueda considerarse infinita. Cuando esta suposición es inadecuada, es decir, se supone que la
población es finita, se pueden emplear muchas de las disposiciones de esta práctica, pero el
procedimiento de muestreo y análisis debe diseñarse para reflejar una población finita. Las
técnicas estadísticas incorporadas en esta práctica proporcionan procedimientos para resumir
datos de modo que se puedan realizar juicios lógicos. Esta práctica no especifica la acción que se
tomará después de que se hayan analizado los resultados. La acción a tomar depende de los
requisitos particulares del usuario del producto.

1.2 Los valores indicados en unidades de pulgada libra deben considerarse como el estándar.

1.3 Esta práctica no pretende abordar los factores de ajuste necesarios para ajustar los datos de
prueba a condiciones mecánicas y ambientales estandarizadas (es decir, temperatura, humedad,
duración de la prueba o duración de la carga). Además, proporciona una base para estimaciones
estadísticas que generalmente requerirán un ajuste adicional para determinar los valores de
diseño para usar con una metodología de diseño aceptada (es decir, tensión permisible, estados
límite o diseño de factor de carga y resistencia). Será responsabilidad del usuario buscar los ajustes
apropiados en las normas específicas del producto.

1.4 Esta práctica no pretende abordar todos los problemas de seguridad, si los hay, asociados con
su uso. Es responsabilidad del usuario de esta norma establecer prácticas apropiadas de seguridad
y salud y determinar la aplicabilidad de las limitaciones regulatorias antes de su uso.

2. Referenced Documents
2.1 ASTM Standards:3
D9 Terminology Relating to Wood and Wood-Based Products
D198 Test Methods of Static Tests of Lumber in Structural
Sizes
D245 Practice for Establishing Structural Grades and Related
Allowable Properties for Visually Graded Lumber
D1990 Practice for Establishing Allowable Properties for
Visually-Graded Dimension Lumber from In-Grade Tests
of Full-Size Specimens
D2555 Practice for Establishing ClearWood Strength Values
D3737 Practice for Establishing Allowable Properties for
Structural Glued Laminated Timber (Glulam)
D5055 Specification for Establishing and Monitoring Structural
Capacities of Prefabricated Wood I-Joists
D5456 Specification for Evaluation of Structural Composite
Lumber Products
D6570 Practice for Assigning Allowable Properties for Mechanically
Graded Lumber
E29 Practice for Using Significant Digits in Test Data to
Determine Conformance with Specifications
E105 Practice for Probability Sampling of Materials

3. Terminología

3.1 Definiciones Para las definiciones de los términos relacionados con la madera, consulte la
Terminología D9.

3.2 Definiciones de términos específicos de esta norma: 3.2.1 metodología de diseño establecida,
n metodología utilizada para determinar si una estructura funcionará adecuadamente utilizando
valores de diseño estructural.

3.2.1.1 Discusión: los métodos de diseño establecidos que se utilizan actualmente incluyen el
diseño de tensión permisible, el diseño del factor de carga y resistencia, el diseño de los estados
límite.

3.2.2 productos, n — madera y productos estructurales a base de madera.

3.2.3 capacidad de servicio, una condición distinta de la resistencia del edificio bajo la cual un
edificio todavía se considera útil.

3.2.3.1 Discusión: el diseño del estado límite de servicio de las estructuras incluye factores como la
durabilidad, la estabilidad general, la resistencia al fuego, la deflexión, el agrietamiento y la
vibración excesiva.

3.2.4 resistencia, n nivel de tensión expresado en términos de fuerza por área evaluada para el
diseño.

3.2.5 valores de diseño estructural, n-tensiones unitarias y valores de rigidez utilizados en el

diseño.

3.2.5.1 Discusión: los valores de diseño estructural son resultados de pruebas ajustados por la
duración de la carga, el factor de seguridad y las condiciones de servicio esperadas.

3.2.6 límite de tolerancia (TL), n — límite de tolerancia con 95% de contenido y 75% de confianza.

4. Metodología estadística

4.1 Se describen dos procedimientos de análisis generales en esta práctica: paramétrica y no

paramétrica. Un enfoque no paramétrico requiere menos suposiciones y generalmente es más
conservador que un procedimiento paramétrico. El enfoque paramétrico supone una distribución
conocida de la población subyacente, una suposición que, si es incorrecta, puede conducir a
resultados inexactos. Algunos ejemplos de distribuciones paramétricas son normal, lognormal y
Weibull. Por lo tanto, si se utiliza un enfoque paramétrico, se emplearán pruebas estadísticas
apropiadas para corroborar esta elección junto con medidas de adecuación de la prueba (2). Para
los enfoques paramétricos en esta práctica, los ejemplos proporcionados se basan en asumir la
normalidad.
NOTA 1: la suposición de "normalidad" en los ejemplos no es un hecho y debe verificarse antes de
usarla en casos reales. Un enfoque no paramétrico requiere menos suposiciones y generalmente
es más conservador que un procedimiento paramétrico.

4.2 Población: 4.2.1 Es imperativo que la población a evaluar se defina claramente, ya que las
inferencias se refieren solo a esa población. Para definir la población, puede ser necesario
especificar (1) nombre y descripción del grado, (2) área geográfica sobre la cual se realizará el
muestreo (nación, estado, sitio de fabricación, etc.), (3) especies o especies grupo, (4) intervalo de
tiempo para el muestreo (producción de un día, un mes, un año, etc.), (5) dimensiones del
material y (6) contenido de humedad.

4.2.2 El programa de muestreo debe considerar la población de la cual se originaron las muestras
de prueba, incluidos los tipos de métodos de procesamiento o prácticas de comercialización con
respecto a cualquier influencia que puedan tener sobre la naturaleza representativa de la muestra.
Las muestras de prueba se pueden recoger del stock en fabricación, sitios, centros de distribución,
en puntos de uso final o directamente de la producción actual. Los programas de muestreo deben
considerar los posibles efectos de la fuente de la muestra, el tiempo y la ubicación en la
variabilidad de las propiedades de la muestra.

4.3 Procedimiento de muestreo:

4.3.1 Muestreo aleatorio: la unidad de muestreo es comúnmente la muestra de prueba individual.

Cuando este no sea el caso, ver 4.3.3. El muestreo asegurará la selección aleatoria de unidades de
muestreo de la población descrita en 4.2 con todos los miembros de la población compartiendo la
misma probabilidad de selección. Se deben mantener los principios de la práctica E105. Cuando
muestree la producción actual, consulte la práctica E105 para obtener un procedimiento de
muestreo recomendado (consulte el Apéndice X3 de esta práctica para ver un ejemplo de este
procedimiento). Si se seleccionan muestras del inventario, se pueden usar tablas de números
aleatorios para determinar qué piezas se tomarán para la muestra. 4.3.2 Muestreo con
probabilidades desiguales En algunas circunstancias, puede ser aconsejable tomar muestras con
probabilidades desiguales pero conocidas. Cuando esto se haga, se mantendrán los principios
generales de la Práctica E105 y se informará completamente el método de muestreo.

4.3.3 Muestreo secuencial: al tratar de caracterizar el desempeño de una determinada población

en una estructura, puede considerarse más apropiado elegir una unidad de muestreo, como un
paquete, que sea más representativa de cómo se seleccionará el producto para su uso . Tal unidad
de muestreo compuesta podría consistir en una serie secuencial de piezas elegidas para permitir la
estimación de las propiedades de la unidad, así como las piezas. Cuando esto se hace, los
principios de 4.3.1 y 4.3.2 se aplican a estas unidades de muestreo compuesto y el método de
muestreo debe informarse por completo.

4.4 Tamaño de muestra:

4.4.1 La selección de un tamaño de muestra depende de la propiedad o propiedades a estimar, la

variación real en las propiedades que ocurren en la población y la precisión con la que se estima la
propiedad. Para cualquier propiedad, valores de resistencia o módulo de elasticidad, se pueden
estimar varios percentiles de la población y para todas las propiedades, se aplican técnicas no
paramétricas o paramétricas. Comúnmente, la media se estima para las propiedades que
eventualmente serán utilizadas por el estándar del producto para evaluar una preocupación de
diseño de servicio. Las estimaciones de propiedades cercanas al mínimo generalmente se evalúan
para propiedades donde la resistencia es el objetivo principal. 4.4.2 Determine el tamaño de la
muestra suficiente para estimar la media mediante un método de dos etapas, con el uso de la
siguiente ecuación. Esta ecuación supone que los datos se distribuyen normalmente y la media se
debe estimar dentro del 5% con la confianza especificada:

dónde:

n = tamaño de muestra,

s = desviación estándar de los valores de muestra,

Ẋ= valor medio de la muestra,

CV = coeficiente de variación, s / X¯,

α = estimación de precisión, (0.05), y

t = valor del estadístico t de la Tabla 1.

A menudo, los valores de s, Ẋ, CV y t no se conocen antes de que comience el programa de prueba.

Sin embargo, s y Ẋ o CV, pueden aproximarse utilizando los resultados de algún otro programa de
prueba, o simplemente pueden adivinarse.

NOTA 2: Un ejemplo de cálculo inicial del tamaño de la muestra es: Muestreo de un grado de
madera para determinar su módulo de elasticidad medio (E). Suponiendo un nivel de confianza del
95%, el estadístico t puede ser aproximado por 2.

Calcule la media muestral y la desviación estándar y úselas para estimar un nuevo tamaño
muestral a partir de la ecuación 1, donde el valor de t se toma de la Tabla 1. Si el segundo tamaño
muestral excede al primero, la primera muestra fue insuficiente; obtener y probar las muestras
adicionales.
NOTA 3: se dan más detalles de este método de dos etapas en la Ref. (3).
4.4.3 Los intervalos de tolerancia y sus límites de tolerancia asociados pueden ser unilaterales o
bilaterales. En los ejemplos de esta norma, se supone que los límites son límites inferiores
unilaterales. Para determinar el tamaño de la muestra en función de un límite de tolerancia (TL),
se debe seleccionar el contenido deseado (C) y el nivel de confianza asociado (Nota 4). La elección
de un contenido y una confianza específicos depende del uso final del material, las
consideraciones económicas, las prácticas de diseño actuales, los requisitos del código, etc. Por
ejemplo, un contenido del 95% y un nivel de confianza del 75% pueden ser apropiados para Una
propiedad específica de la madera estructural. Diferentes niveles de confianza pueden ser
adecuados para diferentes productos o usos finales específicos. El contenido apropiado y los
niveles de confianza se seleccionarán antes de diseñar el plan de muestreo.
NOTA 4: el contenido es una estimación de la proporción de la población que se encuentra por
encima del límite de tolerancia. Por ejemplo, un límite de tolerancia con un contenido del 95%
describe un nivel en el que el 95% de la población se encuentra por encima del límite de
tolerancia. El nivel de confianza es el porcentaje de tiempo que se espera alcanzar el contenido
deseado a través del muestreo.

4.4.3.1 Para determinar el tamaño de la muestra para propiedades casi mínimas, se puede utilizar
el concepto de límite de tolerancia no paramétrico de Ref (3) (Tabla 2). Esto proporcionará el
tamaño de muestra adecuado para varias opciones en posteriores análisis mínimos mínimos.
Aunque la frecuencia con la que el límite de tolerancia caerá por encima (o por debajo) del valor
de la población, correspondiente al contenido requerido, está controlada por el nivel de confianza
seleccionado, cuanto mayor sea el tamaño de la muestra, más probable será que el límite de
tolerancia esté cerca de la población valor. Por lo tanto, es deseable seleccionar un tamaño de
muestra lo más grande posible en proporción con el costo de muestreo y análisis (ver también
5.4).

4.4.3.2 Si se utiliza un enfoque paramétrico, se puede obtener un límite de tolerancia con

contenido y confianza establecidos para cualquier tamaño de muestra; sin embargo, se aplica la
limitación expresada en 4.4.3.1. Es decir, aunque la frecuencia con la que el límite de tolerancia
cae por encima (o por debajo) del valor de la población, correspondiente al contenido requerido,
la probabilidad de que el límite de tolerancia sea cercano al valor de la población depende del
tamaño de la muestra. Por ejemplo, si se supone la normalidad, el límite de tolerancia paramétrica
(PTL) tendrá la forma PTL = Ẋ - Ks, (ver Ref (3)), y el error estándar (SE) de esta estadística puede
ser aproximado por la siguiente ecuación:

where:
s = standard deviation of specimen values,
n = sample size, and
K = confidence level factor from Table 3.
El tamaño de la muestra, n, puede elegirse para hacer que el error estándar sea lo suficientemente
pequeño para el uso final previsto del material.
NOTA 5: Un ejemplo de cálculo del tamaño de la muestra donde el propósito es estimar una
propiedad mínima cercana se muestra en el siguiente cálculo basado en el supuesto de
normalidad de la población. Estime el tamaño de la muestra, n, para una resistencia a la
compresión paralela a la prueba de grano en la que se supondrá la normalidad. Se supone un CV
del 22% y una fuerza media de 4600 psi en base a otras pruebas. El PTL objetivo del grado es 2700
psi. El PTL se estima con un contenido del 95% (5% PTL) y una confianza del 75%.

En consecuencia, aunque 30 muestras son suficientes para estimar el 5% de PTL con un 75% de
confianza, el error estándar (aproximadamente el 12% del PTL) ilustra que, con esta muestra de
tamaño, el PTL estimado por prueba puede no ser tan cercano al verdadero quinta percentil de la
población según lo deseado. Un n mayor puede ser deseable. 4.4.4 A menudo, el objetivo del
programa de evaluación será estimar propiedades medias y casi mínimas simultáneamente.
Cuando este es el caso, solo se necesita usar un tamaño de muestra. Debería ser el mayor de los
dos obtenidos de acuerdo con 4.4.2 y 4.4.3.

4.4.5 Si se va a utilizar una unidad de muestreo que no sea una muestra de prueba individual,
como se establece en 4.3.3, entonces el tamaño de muestra requerido debe determinarse
mediante procedimientos que sean estadísticamente apropiados para el método de muestreo
elegido. En el caso de datos de múltiples fuentes, como en el muestreo de algunos o todos los
sitios de fabricación en una región definida, se pueden requerir procedimientos especiales, por
ejemplo, aquellos basados en la metodología introducida en la Ref (4). En todos los casos, los
procedimientos deberán describirse completamente.

5. Análisis y presentación de resultados.

5.1 Si el objetivo es evaluar los datos con respecto a las propiedades de diseño publicadas o
desarrollar nuevas propiedades de diseño, los datos se ajustarán para el contenido de humedad,
las condiciones de prueba (entorno y disposición mecánica) y otros factores de acuerdo con los
requisitos del producto en cuestión. Dependiendo del estándar del producto utilizado para
establecer las propiedades permitidas para el producto en particular, estos ajustes a los datos
pueden ser necesarios antes del análisis y la presentación de los datos. La Tabla 4 muestra una
lista de estándares de productos desarrollados actualmente que utilizan procedimientos de ajuste
aplicados a los datos de prueba desarrollados de acuerdo con este procedimiento. Un ejemplo de
un ajuste de varias propiedades se da en -.

5.1.1 Las propiedades se ajustarán a un contenido de humedad único si es apropiado para el

objetivo del programa de prueba y la norma del producto relevante. Aunque los resultados de la
prueba se pueden ajustar para el contenido de humedad, estos ajustes disminuyen en precisión
con el cambio creciente en el contenido de humedad. Por esta razón, se sugiere que las muestras
se acondicionen lo más cerca posible del contenido de humedad objetivo antes de la prueba. Las
propiedades también deben ajustarse según la duración de la condición de carga prevista.

5.2 Los resultados de las pruebas realizadas de acuerdo con los procedimientos de prueba
estándar de consenso se analizarán y presentarán como (1) un conjunto de estadísticas resumidas
y (2) un apéndice de resultados de muestras individuales de prueba no ajustadas. Si se van a
utilizar procedimientos paramétricos, se proporcionará una descripción de los procedimientos de
selección y una tabulación de los parámetros de distribución. Cualquier juicio de "mejor ajuste"
entre distribuciones competidoras deberá documentarse.

NOTA 6: un procedimiento de ajuste óptimo debería reconocer la baja potencia de algunos

procedimientos publicados. Para verificar el ajuste, la serie de pruebas descritas en la Ref. (9)
representa varias alternativas. Además, se ha demostrado que las pruebas basadas en la
estadística Anderson-Darling se encuentran entre las pruebas más poderosas (2). Sin embargo,
debe tenerse en cuenta que no todas las pruebas son válidas para todas las distribuciones y que
estos procedimientos son efectivos para verificar la tendencia central. Por ejemplo, las tablas
estándar revisadas del estadístico de Kolmogorov-Smirnov están actualmente disponibles para las
distribuciones normales, logísticas y exponenciales (2). También se han desarrollado técnicas de
bondad de ajuste para distribuciones de Weibull (10).

5.3 Las estadísticas se mostrarán con tres dígitos significativos. Se deben mantener dígitos
significativos adecuados en todos los cálculos intermedios de acuerdo con la práctica E29 para
evitar errores de redondeo en las estadísticas.

5.3.1 La media muestral se calcula de la siguiente manera:

dónde:
xi = observaciones individuales, y
n = tamaño de muestra.
La media muestral es un estimador imparcial de la media poblacional verdadera.

5.3.2 La desviación estándar de la muestra se calcula de la siguiente manera:

5.3.3 El intervalo de confianza (IC) para la media se calcula de la siguiente manera:

donde t depende del tamaño de la muestra y el nivel de confianza, y se da en la Tabla 1. Un IC de
este tipo establece que, si la población se distribuye normalmente, se espera que un porcentaje
dado de todos los intervalos encontrados de esta manera contenga la población real media.

5.3.4 La muestra del punto porcentual no paramétrico estimado (NPE) se puede interpolar a partir
de la muestra. Para realizar la interpolación, organice los valores de prueba en orden ascendente.
Simbólicamente, llámalos x1, x2, x3, ... xn. Comenzando con el valor más bajo (es decir, estadística
de primer orden, vea la Nota 7), calcule i / (n + 1), donde i es el orden del valor, para cada valor
sucesivamente más alto hasta i / (n + 1) ≥ k / 100, llámelo el valor jth, iguala o excede la estimación
puntual del percentil k de la muestra. Interpolar el porcentaje k no paramétrico más pobre por:

donde k es la estimación puntual deseada del percentil.

NOTA 7: las estadísticas de pedidos son valores de prueba clasificados de menor a mayor. Por
ejemplo, la estadística de primer orden es el valor de prueba más bajo o la pieza más débil de la
muestra, la estadística de segundo orden es la segunda pieza más débil, etc.

5.3.5 El límite de tolerancia inferior (NTL) no paramétrico de un contenido especificado es la

estadística de orden m, donde m depende del tamaño de la muestra y el nivel de confianza. La
Tabla 2 muestra el estadístico de orden requerido para determinar el NTL inferior al 5% en un
tamaño de muestra dado y tres niveles de confianza. Por ejemplo, si el tamaño de la muestra fue
93 y el nivel de confianza se eligió para ser 95%, m = 2. Es decir, el NTL de 5% inferior con al menos
95% de confianza sería la estadística de segundo orden. Si se estiman otros percentiles más bajos,
se pueden determinar los NTL correspondientes (3, 11).

5.3.6 Si se utilizan métodos paramétricos, la estimación puntual paramétrica (PPE) y el límite

inferior de tolerancia paramétrica (PTL) se estimarán mediante procedimientos documentados
como adecuados para el método adoptado (1, 3, 11).

5.3.6 Si se utilizan métodos paramétricos, la estimación puntual paramétrica (PPE) y el límite

inferior de tolerancia paramétrica (PTL) se estimarán mediante procedimientos documentados
como adecuados para el método adoptado (1, 3, 11).

NOTA 8: en el Apéndice X1 y el Apéndice X2 se dan dos ejemplos de datos de prueba típicos y un

resumen de los resultados que cumplen con los requisitos de 5.1 - 5.3.

5.3.7 Si se utiliza una unidad de muestreo que no sea una pieza individual, entonces el cálculo de
las medias muestrales, las desviaciones estándar, los intervalos de confianza, los límites de
tolerancia y los límites de exclusión deben realizarse de manera estadísticamente coherente con el
procedimiento de muestreo elegido.

5.4 Si el propósito del programa de pruebas es establecer propiedades para la población que
se ajustan aún más a los valores de diseño por el estándar de producto apropiado, esto se hace
utilizando los resultados de 5.3.1, 5.3.4, 5.3.5, 5.3.6 o 5.3.7. El valor del módulo de elasticidad
utilizado para los cálculos de capacidad de servicio será la media muestral de 5.3.1, si el ancho del
 𝑡𝑠
intervalo de confianza es una fracción suficientemente pequeña de la media (por ejemplo, 𝑥̂ ≤𝜆
√𝑛
, donde λ, predeterminado por el usuario, normalmente estará en el rango de 0.01 a 0.10). Si no se
cumple esta condición, se deben tomar muestras adicionales como se describe en 4.3 hasta que se
cumpla la condición. En general, el valor de cualquier propiedad de resistencia casi mínima será la
muestra de 5% de NPE de la Sección 5.3.4, si la diferencia relativa entre el NPE y el NTL es
suficientemente pequeña (es decir, si (NPE - NTL-) ⁄NPE <δ, donde δ normalmente estará en el
rango de 0.01 a 0.10). Esta condición es esencialmente la de tener un intervalo de confianza
suficientemente estrecho para el NPE. Si no se cumple esta condición, se pueden tomar muestras
adicionales hasta que se cumpla la condición, o se puede usar el NTL para el valor de la propiedad.
Si se elige el último curso, se debe tener en cuenta la imprecisión en el NTL como consecuencia del
tamaño de la muestra (ver 4.4.3.1). Alternativamente, el PPE y PTL de los procedimientos
paramétricos previstos en 5.3.6 pueden emplearse de manera paralela.

6. Informe de datos

6.1 Se proporcionarán suficientes detalles para repetir el análisis realizado. Los datos reales serán
reportados. Se informará la técnica de muestreo que solía cumplir con la Sección 3. Se
proporcionará información para justificar la elección de una técnica de análisis paramétrico de
conformidad con la Sección 4.

7. Aplicaciones

7.1 Los resultados pueden usarse en combinación con los estándares del producto para evaluar la
precisión de las propiedades de diseño existentes o para establecer nuevas propiedades de
diseño.

7.2 Cuando las propiedades se han asignado previamente a una población de productos, un
propósito de esta práctica es proporcionar un formato para la evaluación de esta asignación a
través de pruebas de productos de tamaño completo. Se hacen provisiones para estimar los
valores de propiedad promedio y casi mínimo.

7.3 Los resultados obtenidos siguiendo los procedimientos y análisis de esta práctica también
pueden usarse para caracterizar la población muestreada para establecer valores de diseño. La
caracterización específica con respecto a la población, como la media o una propiedad casi
mínima, depende del objetivo, el contenido y la confianza asociados con la muestra de prueba. La
representatividad y el tamaño de la muestra influyen en cómo se puede realizar la caracterización.
La práctica contemporánea se refleja en 5.4, sin embargo, otras interpretaciones pueden ser
apropiadas.

7.4 El uso final de un producto específico dictará el requisito de especificación. De hecho, esta
práctica se dirige a los procedimientos para el muestreo de poblaciones específicas y los
procedimientos para analizar los resultados. No se puede implementar sin la selección de valores
para los niveles de confianza y el grado de precisión necesarios en varias etapas de los
procedimientos. Estos valores deben considerarse cuidadosamente para que sean compatibles
con el uso final anticipado, los riesgos que rodean las estimaciones imprecisas o las decisiones
incorrectas, y los costos de muestreo, prueba y análisis.

8. Palabras clave
8.1 nivel de confianza; propiedades medias y medianas; propiedades paramétricas y no
paramétricas; tamaño de la muestra; Error estándar

X1. EJEMPLO TÍPICO LUMERO DE PRODUCTOS BÁSICOS

X1.1 Descripción de la población Seleccionado al azar, de una fábrica, fueron 80 abeto Hem-Grade
de grado n. ° 2 de dos en cuatro (reglas actuales de calificación de la agencia maderera). Las 80
muestras de prueba se equilibraron a un promedio de 15% de contenido de humedad (ver Nota 5
y Práctica D245). Para este ejemplo particular, se consideró apropiada una muestra de 80 piezas.
X1.2 El propósito de la prueba fue evaluar el módulo de elasticidad de flexión para los cálculos de
deflexión del miembro, E, y la resistencia a la tracción, Ft, de una muestra de un molino en
relación con los valores de diseño actuales. En consecuencia, se considerará que el quinto
percentil estimado fi para la fuerza y el valor medio para E (véase 5.4).

X1.3 El valor de cálculo de la calificación y de las especies muestreadas se da en la Tabla X1.1. Una
tabla de estadísticas de prueba se da en la Tabla X1.2.

X1.4 Los histogramas y las distribuciones normales, lognormales y Weibull ajustadas de la flexión E
y la resistencia a la tracción se muestran en la Fig. X1.1 y la Fig. X1.2.

X1.5 Se muestran varios de los resultados de las pruebas individuales, solo como un ejemplo de los
datos que generalmente se registran (Tabla X1.3). Puede ser conveniente tabular información
adicional, como la gravedad específica, la ubicación del nudo, etc., según el propósito.
Tenga en cuenta que los datos de resistencia a la tracción se ordenan en orden ascendente.

X1.6 Si se han realizado y documentado las pruebas de mejor ajuste apropiadas, solo se necesita
ilustrar la mejor distribución de ajuste; sin embargo, la ilustración de otras opciones es instructiva
(consulte la Tabla X1.4). Tenga en cuenta que las estimaciones no paramétricas en la Tabla X1.4
para la resistencia a la tracción se pueden estimar directamente de la Tabla X1.3, pero las
estimaciones para el módulo de elasticidad se basan en datos, la mayoría de los cuales no se
muestran en la Tabla X1.3.

X1.7 Usando el Apéndice X4, 5.3.1, 5.3.2, 5.3.3 y 5.4, el intervalo de confianza para el valor E
medio (Tabla X1.2) no contuvo el valor impreso en la Tabla X1 1. En consecuencia, se decidió que
esta muestra E no verificó el diseño E. El análisis de los valores de resistencia a la tensión se realizó
de acuerdo con 5.3.4 y 5.3.5. Después de ajustar el límite de tolerancia inferior -5% no
paramétrico a un valor de diseño permitido de acuerdo con la Tabla 8 en la práctica D245 (es
decir, 1152 / 2.1 = 548.6 psi (3.8 MPa)), se puede ver que este valor está por debajo del valor
mostrado en la Tabla X1.1 (Ft = 675 psi (4.6 MPa)); por lo tanto, los valores de tensión de muestra
no verifican el valor de tensión de diseño.

X1.8 Se podrían realizar análisis similares utilizando procedimientos paramétricos y empleando los
valores mostrados en la Tabla X1.4.
X2 EJEMPLO TÍPICO ESCALERA DE CARRETERA

X2.1 Stock de ferrocarril en escalera de Descripción de la Población (Especie) calificado de acuerdo

con las (Reglas de Calificación) como “V.G. Rieles de escalera”. Doscientas piezas de 13⁄8 por 23⁄4
pulg. por 8 pies fueron seleccionados al azar del stock en un fabricante de escaleras en (ubicación).
Las muestras se equilibraron en una sala de acondicionamiento. El contenido medio real de
humedad de las muestras fue del 11,2%. La desviación estándar fue del 1,4%. El propósito del
muestreo, prueba y análisis fue obtener el módulo de flexión de ruptura (MOR) y el módulo de
elasticidad (E) de los rieles de escalera típicos para su uso en un estudio de investigación sobre
propiedades de rieles de escalera. Solo las propiedades de la cola media y más baja estimadas por
procedimientos no paramétricos fueron de interés. El nivel de confianza del 95% se consideró
apropiado tanto para E como para MOR en este estudio.
X2.2 Los datos reducidos a estadísticas resumidas se muestran en la Tabla X2.1. Los ejemplos de
datos de muestras individuales se muestran en la Tabla X2.2; La Tabla X2.3 contiene estimaciones
de valores mínimos cercanos. Los histogramas de los resultados de la prueba se muestran en la
Fig. X2.1 y la Fig. X2.2. Las funciones empíricas de distribución acumulativa se muestran en la Fig.
X2.3 y la Fig. X2.4.
X2.3 Siguiendo los procedimientos de 4.4 se determinó que la dispersión de las mediciones de E
(estática en el borde) cumplía con el requisito del 5% (es decir, ts /( 𝑥̂√𝑛 )=
1.96*301500/17553010*2000.5)=0.024 ≤ 0.05) con 95% de confianza. En consecuencia, la
investigación sugirió que se podría usar una E de borde de 1.7 × 106 psi como valor de diseño (la
regla de redondeo de la práctica D245 redondearía el valor de la prueba a 1.8 pero esto estaría
fuera del intervalo de confianza para la media, por lo tanto, se eligió 1.7).

X2.4 Continuando con los procedimientos de 5.4 para el MOR, se pueden hacer comparaciones
entre el NPE y varios NTL (Tabla X2.3). Principalmente se obtiene el 10% de referencia relativa
(NPE NTL / NPE <0.10) la diferencia relativa para el NTL a 95 El% de nivel de confianza no cumple el
criterio (65185364/6518 = 0.17> 0.10). Por lo tanto, no se cumple el objetivo del nivel de confianza
del 95% de X2.1 para MOR. Se requiere más muestreo (ver 5.4) o el NTL (5364 psi (37MPa)) puede
ser
utilizado como la mejor estimación de la población MOR.
 X3. EJEMPLO: PROCEDIMIENTO DE MUESTREO
X3.1 Al tomar muestras de la producción actual (es decir, de la cadena verde) en una instalación
de fabricación, el siguiente procedimiento permite la estimación de un error estándar (SE) de la
estimación, así como cierta información sobre la varianza de la muestra dentro y entre muestras.

X3.2 Siguiendo el procedimiento descrito en la Práctica E105 (A1.6) k generalmente se elige como
cinco o más. Sea k = 5, por lo tanto, 10k = 50. Seleccione diez números aleatorios entre 1 y 50.
Estos son los diez puntos iniciales aleatorios; 3, 9, 14, 29, 31, 36, 40, 42, 47 y 50 (Tabla X3.1).
Seleccione sistemáticamente las muestras de prueba utilizando una longitud de intervalo de 10k
que comienza en cada uno de los puntos de inicio aleatorio (es decir, inicio aleatorio x + 10 k).
X4. EJEMPLO DE UN AJUSTE AL MÓDULO DE ELASTICIDAD (MOE) PARA DIFERENTES ESPACIOS DE
CONFIGURACIÓN DE PROFUNDIDAD Y CARGA

X4.1 Los valores de módulo de elasticidad de interés primario son valores aparentes, Eai, utilizados
en ecuaciones de desviación que atribuyen toda desviación al momento. Estos módulos aparentes
pueden estandarizarse para una relación de profundidad de tramo específica y una configuración
de carga. La estandarización debe reflejar, en la medida de lo posible, las condiciones de uso final
previsto.4,5 Cuando las pruebas en condiciones estandarizadas de carga y alcance no son posibles,
para ajustar Eai a condiciones estandarizadas, es necesario tener en cuenta el efecto de la
deflexión en el corte. desviación del haz. Los factores para ajustar Eai para la relación de
profundidad de tramo y la configuración de carga pueden derivarse de la ecuación X4.1, (Ref (12)).
Para determinar el módulo aparente de elasticidad, Eai2, basado en cualquier conjunto de
condiciones de relación de profundidad de palmo y configuración de carga, cuando se conoce el
módulo, Eai, basado en algún otro conjunto de condiciones, resuelva la ecuación:

h = profundidad de la viga
L = tramo total de la viga entre soportes
E = módulo de elasticidad sin cizalla
G = módulo de rigidez
Ki = los valores se dan en la Tabla X4.1.

X4.2 Las ecuaciones se obtuvieron utilizando la teoría de haz simple para un haz apoyado
simplemente compuesto de material isotrópico y homogéneo. La evidencia experimental sugiere
que estas ecuaciones producen resultados razonables con madera sólida cuando se convierten
entre condiciones de carga en una relación de profundidad de tramo fija. Se debe tener cuidado al
convertir entre diferentes relaciones de profundidad de tramo para asegurar que los ajustes sean
apropiados para el uso final.
X4.3 Se obtuvo un módulo de elasticidad aparente promedio mediante la prueba de vigas
simplemente apoyadas cargadas en el centro y que tienen una relación de profundidad de tramo
(L / h) de 14: 1. El valor MOE obtenido fue 1.60 106 psi. Suponiendo una relación E / G de 16: 1,
¿cuál sería el MOE aparente para cargas aplicadas en los puntos de un tercio del tramo con una
relación de profundidad de tramo de 21: 1? Las desviaciones se midieron en el centro del tramo.

por lo tanto,

X5.1 Un límite de tolerancia unilateral, PTL, es un valor sobre el cual se puede decir con confianza
1-γ, que al menos una proporción, 1-p, de la población es mayor que PTL. La fórmula es la
siguiente:

donde 𝑋̂ y son la media y la desviación estándar, respectivamente, calculadas a partir de los datos
de la muestra. K depende del tamaño de la muestra n, así como del percentil 100-p y la confianza
1-γ. Los valores de K se dan en la Tabla 3 o pueden calcularse a partir de la siguiente fórmula:

donde,