Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Versión: 01
Índice
1 OBJETO 1
2 ALCANCE 1
3 DESARROLLO 1
3.1 ABREVIATURAS Y DEFINICIONES . . . . . . . . . . . . . . . . . . . . . . . 1
3.1.1 Medición . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
3.1.2 Mensurando . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
3.1.3 Incertidumbre (de medida) . . . . . . . . . . . . . . . . . . . . . . . . . . 1
3.1.4 Calibración . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
3.1.5 Exactitud (de una medición) . . . . . . . . . . . . . . . . . . . . . . . . . 2
3.1.6 Resolución . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
3.1.7 Condición de repetibilidad de una medición . . . . . . . . . . . . . . . . 2
3.1.8 Evaluación Tipo A (de incertidumbre) . . . . . . . . . . . . . . . . . . . . 2
3.1.9 Evaluación Tipo B (de incertidumbre) . . . . . . . . . . . . . . . . . . . . 2
3.1.10 Incertidumbre típica combinada . . . . . . . . . . . . . . . . . . . . . . . 3
3.1.11 Incertidumbre expandida . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3.1.12 Factor de cobertura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3.2 MARCO CONCEPTUAL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3.2.1 Población . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3.2.2 Muestra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3.2.3 Función de densidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3.2.4 Función de distribución acumulativa . . . . . . . . . . . . . . . . . . . . . 4
3.2.5 Media o Valor esperado . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3.2.6 Varianza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3.2.7 Distribución de probabilidad uniforme o rectangular . . . . . . . . . . . . 5
3.2.8 Distribución de probabilidad triangular . . . . . . . . . . . . . . . . . . . 7
3.2.9 Distribución de probabilidad normal . . . . . . . . . . . . . . . . . . . . . 9
3.2.10 Distribución de probabilidad normal estandarizada . . . . . . . . . . . . . 10
3.2.11 Distribución de probabilidad t de Student . . . . . . . . . . . . . . . . . . 11
3.2.12 Grados de libertad υ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
ii
5 ANEXOS 17
1
1 OBJETO
Establecer las pautas generales del calculo de los grados efectivos de libertad de la incertidumbre
combinada tipo A y tipo B para el calculo del factor de cobertura de la incertidumbre expandida.
2 ALCANCE
De aplicación al calculo de estimación y expresión de la incertidumbre expandida asociada al diseño
conceptual y análisis teórico de experimentos, métodos de medida y componentes complejos que
se lleven a cabo en los laboratorios del SENAMHI.
3 DESARROLLO
3.1.1 Medición
Proceso que consiste en obtener experimentalmente uno o varios valores que pueden atribuirse
razonablemente a una magnitud.
3.1.2 Mensurando
Parámetro asociado al resultado de una medición, que caracteriza la dispersión de valores que
podrían ser razonablemente atribuidos al mensurando
3.1.4 Calibración
Operación que bajo condiciones especificadas establece, en una primera etapa, una relación entre
los valores y sus incertidumbres de medida asociadas obtenidas a partir de los patrones de medida, y
2
las correspondientes indicaciones con sus incertidumbres asociadas y, en una segunda etapa, utiliza
esta información para establecer una relación que permita obtener un resultado de medida a partir
de una indicación.
3.1.6 Resolución
Mínima variación de la magnitud medida que da lugar a una variación perceptible de la indicación
correspondiente.
incertidumbre típica del resultado de una medición, cuando el resultado se obtiene a partir de los
valores de otras magnitudes, igual a la raíz cuadrada positiva de una suma de términos, siendo éstos
las varianzas o covarianzas de esas otras magnitudes, ponderadas en función de la variación del
resultado de medida con la variación de dichas magnitudes.
magnitud que define un intervalo en torno al resultado de una medición, y en el que se espera encon-
trar una fracción importante de la distribución de valores que podrían ser atribuidos razonablemente
al mensurando
factor numérico utilizado como multiplicador de la incertidumbre típica combinada, para obtener
la incertidumbre expandida
Se analizará solamente las distribuciones de probabilidad continuas mas importantes para una mejor
comprensión del uso de los grados de libertad
3.2.1 Población
Población es el número total de elementos (personas, objetos, etc.), que contienen una o más car-
acterísticas observables de naturaleza cualitativa o cuantitativa que se puede medir en ellos
3.2.2 Muestra
1.
f (x) > 0
Para todo x ∈ R
2.
Z +∞
f (x)dx = 1
−∞
3.
Z
P(A) = P[x ∈ A] = f (x)dx
A
Z +∞
E(X) = x f (x)dx (3.2)
−∞
Siempre que le valor de la integral sea convergente en un número real. en caso contrario se dice
que el valor esperado de X no existe.
3.2.6 Varianza
La varianza de una variable aleatoria X se denota por σ 2 en el caso de una varianza poblacional y
para el caso de una varianza muestral por u2 .
Sea X una variable aleatoria continua, cuya distribución de probabilidad de media µ o x̄, es
definida por la función f (x). La varianza de X se define como el esperado de (X − µ)2 y por lo
tanto:
Z +∞
σX2 = E[(X − µ)2 ] = (X − µ)2 f (x)dx (3.3)
−∞
Sea q̄ = x̄ y la mejor estimación de σ 2 (q̄), denominada varianza de la media, viene dada por:
s2 (qk )
s2 (q̄) = (3.5)
n
la varianza experimental de la media s2 (q̄) y la desviación típica experimental de la media s(q̄),
igual a la raiz cuadrada positiva de s2 (q̄), determinan la bondad con que q̄ estima la esperanza
matemática µq de q, y una u otra pueden ser utilizadas como medida de la incertidumbre de q̄.
De este modo, para una magnitud de entrada Xi obtenida a partir de n observaciones repetidas
e independientes Xi,k la incertidumbre típica u(xi ) de su estimación xi = X̄i es u(xi ) = s(X̄i ), con
s2 (X̄i ) calculada según la ecuación anterior. Por comodidad, u2 (xi ) = s2 (X̄i ) y u(xi ) = s(X̄i ) son a
veces llamadas varianza tipo A e incertidumbre típica tipo A, respectivamente.
Se dice que la variable aleatoria continua X tiene distribución uniforme o rectangular en el intervalo
de números reales [a, b], con a < b y se describe por: X ∼ U[a, b], si su función de densidad de
6
probabilidad es:
1
si: a ≤ x ≤ b
b−a
f (x) = (3.6)
0
en otros casos
NOTA: si [c, d] ⊂ [a, b], la probabilidad de que X tome valores en el intervalo [c, d] es:
d −c
P[c ≤ X ≤ d] = (3.7)
b−a
Esta probabilidad sólo depende de la longitud del intervalo [c, d] y no de su ubicación dentro
del intervalo [a, b]. Además, la probabilidad es la misma para todos los intervalos que tengan la
misma longitud: d − c.
Algunas variables aleatorias continuas tienen distribución uniforme, por ejemplo:
a2
u2 (xi ) = (3.9)
3
Los limites superior e inferior a− y a+ para la magnitud de entrada Xi pueden no ser simétricos
respecto a su media xi ; en concreto, si el limite inferior es a− = xi − b y el limite superior es
a+ = xi + b+ ello significa que b− 6= b+ . Dado que, en este caso, xi no esta en el centro del
intervalo de a− a a+ , la distribución de probabilidad de Xi puede no ser uniforme en todo el
intervalo. No obstante, si no se dispone de información suficiente para elegir una distribución
conveniente, diferentes modelos conducirán a diferentes expresiones de la varianza. En ausencia
de tal información, la aproximación más sencilla es:
(b+ + b− )2 (a+ − a− )2
u2 (xi ) = = (3.10)
12 12
que es la varianza de una distribución rectangular de amplitud total b+ + b−
Para el caso de la estimación de la incertidumbre típica de una distribución rectangular de
amplitud 2a:
a
u(xi ) = √ (3.11)
3
En el caso que la probabilidad de que la variable aleatoria que se este analizando tome los
valores en el intervalo a y b, teniendo un valor máximo en el centro del intervalo y disminuyendo
linealmente hacia los extremos del mismo hasta cero, entonces, se asignaría a X una distribución
triangular T (a, b) en el intervalo [a, b].
La varianza para este tipo de distribución :
(b − a)2
u2 (xi ) = (3.12)
24
Como en el caso anterior suponiendo que el intervalo [a, b] es simétrico respecto a su media xi ,
siendo ahora el nuevo intervalo: [a− , a+ ]
Si se considera la diferencia entre los limites, [a− , a+ ], se considera como 2a, entonces la
ecuación anterior (varianza) se convierte en:
a2
u2 (xi ) = (3.13)
6
Para el caso de la estimación de la incertidumbre típica de una distribución rectangular de
amplitud 2a:
a
u(xi ) = √ (3.14)
6
9
1 −(t−µ)2
p(t) = √ e 2σ 2 (3.15)
σ 2π
donde:
1. σ 2 = varianza
2. Toma su máximo valor en x = µ (su moda), este valor máximo es: f (µ) = √1 .
σ 2π
3. Tiene al eje X como asíntota horizontal, en efecto: limx→+∞ f (x) = 0 y limx→−∞ f (x) = 0
Por lo general cuando se trabaja con distribuciones normales se proporcionan una media µ 6= 0 y
una varianza σ 2 6= 1 los cuales deben estandarizarse a otra distribución Z con media µ = 0 y una
varianza σ 2 = 1 pues existe una tabla de uso practico con dichos estimadores estandarizados.
Si la variable aleatoria X tiene distribución normal N(µ, σ 2 ), entonces la variable estándar
X−µ
Z= σ , tiene distribución normal N(0, 1).
Además la probabilidad P[X ≤ x] en la variable normal X es igual a la probabilidad P[Z ≤ z] en
x−µ
la variable normal estándar Z, donde, Z = σ . En efecto:
Z x1 −(x−µ)2 Z z1 −z2
e 2σ e 2
P[X ≤ x1 ] = √ dx = √ dz = P[Z ≤ z1 ] (3.16)
−∞ σ 2π −∞ 2π
11
Z z
1 −t 2
Φ(z) = P[Z ≤ z] = √ e 2 dt = Área acumulada hasta z (3.17)
−∞ 2π
Γ[(υ + 1)/2] t2
f (t) = √ (1 + )−(υ+1)/2 para − ∞ < t < ∞ (3.18)
Γ(υ/2) πυ υ
Donde υ es un entero positivo.
la distribución t − Student tiene las siguientes propiedades:
La distribución normal, se utiliza para distribuciones cuyas muestras con grandes, es decir
mayor a 30, mientras que la distribución de la t-Student, se utiliza para muestras pequeñas (υ < 30),
la cual se aproxima a una distribución normal para muestras mayores o iguales a 30.
13
Numero de datos independientes que se pueden tomar de una población para construir la muestra,
los grados de libertad se calcula de la siguiente manera:
υ = n−1 (3.19)
Es el subíndice al lado de t p (υ), que se lee: distribución t con para un nivel de confianza p (llamado
también fiabilidad o percentil) con υ grados de libertad. Dicho subíndice es la probabilidad de
encontrarse en un determinado intervalo, por ejemplo para p = 75% = 0.750 con 15 grados de
libertad se denotaría por: t0.750 (15) = 0.691, gráficamente:
Figura 10: Distribución t para υ = 15 con un área de probabilidad de 75% =0.750, el valor de
t0.750 (15)=0.691, el cual también se puede obtener de tablas
Por tanto:
Si Y = C1 X1 +C2 X2 +· · ·+CN XN = ∑N
i=1 Ci Xi y todas las Xi vienen caracterizadas por distribuciones
∑N 2 2
i=1 ci σi , donde E(Xi ) es la esperanza matemática de Xi y σi es la varianza de Xi , siempre que las
Xi sean independientes y σ 2 (y) sea mucho mayor que cualquier componente otra componente de
ci σi2 de una Xi cuya distribución no sea normal
Los grados efectivos de libertad υe f f sirven para calcular el valor de K p de la incertidumbre ex-
pandida U p , ya que dicho parámetro depende del factor de cobertura k p y la incertidumbre combi-
nada de las magnitudes de entrada uc (y),(incertidumbres tipo A y tipo B) como sigue: U p = k p uc (y),
ya que k p = t p (υe f f ), para un determinado nivel de confianza y un determinado numero de grados
efectivos de libertad acorde a la medición.
Para calcular el numero de grados efectivos de libertad se hace uso de la formula de Welch-
Satterthwaite:
u4c (y)
υe f f = (3.22)
u4i
∑N
i=1 υi
donde:
N
υe f f ≤ ∑ υi (3.23)
i=1
Se sabe que la incertidumbre combinada uc (y) es la raíz cuadrada de la suma en cuadratura de
las incertidumbres típicas obtenidas de las evaluaciones tipo A y tipo B:
q
uc (y) = u2cA (y) + u2cB (y) (3.24)
u4c (y)
υe f f = (3.25)
u4cA (y) u4 (y)
υe f f ,A + υcB
e f f ,B
SENAMHI se trabajará con un nivel de confianza mayor al 95% = 0.95, con estos dos datos, se
procede a calcular el valor de t0.95 (υe f f ) = k p . usando las tablas de la distribución t − Student o la
pagina: http://www.lock5stat.com/ el cual se usó para los gráficos anteriores
Teniendo en cuenta que cada componente de la incertidumbre combinada tipo A (u2Ai ) tiene
grados efectivos de libertad acorde a la cantidad de mediciones que se realizó, entonces se conoce
los grados efectivos de libertad de cada componente u2Ai
Los grados efectivos de libertad de la incertidumbre combinada tipo A, usando la formula de
Welch-Satterthwaite, se tendría la siguiente ecuación:
u4cA
υe f f ,A = (3.27)
u4A1 u4 u4
υA1 + υA2
A2
+ · · · + υAn
An
Para el calculo de dicho grado de efectivo de libertad, primero se debe hallar el grado de libertad
de cada componente de incertidumbre típica tipo B (u2Bi ), mediante la siguiente aproximación:
1 u(xi ) 2
υi ≈ [ ] (3.29)
2 ∆u(xi )
La cantidad ∆u(xi ) es una estimación de la incertidumbre de la incertidumbre u(xi ) de la fuente
i cuantificada por el metrólogo.
La determinación del número de grados de libertad de una incertidumbre tipo B implica el
criterio del metrólogo soportado por su experiencia, aun cuando sea subjetiva, para determinar la
incertidumbre relativa de la propia incertidumbre, y calcular el numero de grados específica.
Por ejemplo, si ∆u(xi ) es cero, es decir, el metrólogo esta completamente seguro del valor de
u(xi ), el numero de grados de libertad asociado a esa fuente es infinito ( ∞). Este caso sucede
17
normalmente para las distribuciones de probabilidad rectangular, por ejemplo para una distribución
√
de probabilidad rectangular de semi amplitud a, cuya incertidumbre tipica es u(xi ) = a/ 3 se
considera como constante, sin incertidumbre. Esto supone según la ecuación de aproximación
anterior que υi → ∞, o que 1/υi → 0 que es lo mismo, dicha suposición no está tan alejado de
la realidad, ya que es una practica frecuente elegir a− y a+ de forma que la probabilidad de que
la magnitud en cuestión esté fuera del intervalo comprendido entre a− y a+ sea extremadamente
pequeña.
5 ANEXOS
Bibliografía
[1] Centro Español de Metrología Expresión de la incertidumbre de medida 2008 .
[2] Centro Nacional de metrología de México Guía para estimar la incertidumbre de la medición
2000.