Pra03 - Incertidumbre Del Instrumento

ESCUELA PROFESIONAL DE Emisión:
INGENIERÍA ELECTRÓNICA 20/03/2020

Practica 03:
Página
Correlación - Incertidumbre del instrumento
1 / 13
CURSO: ACTUADORES, SENSORES, INSTRUMENTACIÓN

PRACTICA N° 03: Correlación - Incertidumbre del instrumento
Individua
Alumno(os): Grupal Total
l
1. Apaza Huaman Jose Alex x
2. Flores Arela Saul Orlando x
3. Lopez Colque Nikolai Admin x
4. Percca Gencio Hardy Fernando x
Grupo: G4-4 Docentes:

- Dr. YANYACHI Daniel
Semestre: 9 - Mg. HUARCA Jorge
Fecha de
Hora:
entrega:
I.- OBJETIVOS:
- Analizar la regresión lineal de un conjunto de mediciones
- Calcular la incertidumbre de un instrumento
II.- CONOCIMIENTOS TEÓRICOS PREVIOS:

Temas: (Desarrollar el marco teórico)
- Regresión lineal
El análisis de la regresión lineal se utiliza para predecir el valor de una variable según el valor de otra. La variable que
desea predecir se denomina variable dependiente. La variable que está utilizando para predecir el valor de la otra
variable se denomina variable independiente.
Esta forma de análisis estima los coeficientes de la ecuación lineal, involucrando una o a más variables independientes
que mejor predicen el valor de la variable dependiente. La regresión lineal se ajusta a una línea recta o a una
superficie que minimiza las discrepancias entre los valores de salida previstos y reales. Hay calculadoras de regresión
lineal simple que utilizan el método de “mínimos cuadrados” para determinar la línea que mejor se ajusta para un
conjunto de datos pareados. A continuación, se calcula el valor de X (variable dependiente) con respecto a Y (variable
independiente).
Practica 03:
Página
2 / 13
Es posible realizar la regresión lineal en Microsoft Excel o utilizar paquetes de software estadísticos, como IBM
SPSS® Statistics, que simplifican enormemente el proceso de ecuaciones, modelos y la fórmula de regresión lineal.
SPSS Statistics puede utilizarse para aplicar técnicas, como la regresión lineal simple y la regresión lineal múltiple.
El método de regresión lineal puede realizarse en múltiples programas y entornos, tales como:
Regresión lineal R
Regresión lineal de MATLAB
Regresión lineal de Sklearn
Regresión lineal de Python
Regresión lineal de Excel
- Distribución normal
En estadística y probabilidad se llama distribución normal, distribución de Gauss, distribución gaussiana o
distribución de Laplace-Gauss, a una de las distribuciones de probabilidad de variable continua que con más
frecuencia aparece en estadística y en la teoría de probabilidades.1
La gráfica de su función de densidad tiene una forma acampanada y es simétrica respecto de un determinado
parámetro estadístico. Esta curva se conoce como campana de Gauss y es el gráfico de una función gaussiana.
La importancia de esta distribución radica en que permite modelar numerosos fenómenos naturales, sociales y
psicológicos.3Mientras que los mecanismos que subyacen a gran parte de este tipo de fenómenos son desconocidos,
por la enorme cantidad de variables incontrolables que en ellos intervienen, el uso del modelo normal puede
justificarse asumiendo que cada observación se obtiene como la suma de unas pocas causas independientes.
Practica 03:
Página
3 / 13
De hecho, la estadística descriptiva solo permite describir un fenómeno, sin explicación alguna. Para la explicación
causal es preciso el diseño experimental, de ahí que al uso de la estadística en psicología y sociología sea conocido
como método correlacional.
La línea verde corresponde a la distribución normal estándar

Función de densidad de probabilidad
Función de distribución de probabilidad

-Distribución Triangular
En probabilidad y estadística, la distribución triangular es una familia de distribuciones continuas de probabilidad que
tiene un valor mínimo a, un valor máximo b y una moda c, de modo que la función de densidad de probabilidad es
cero para los extremos (a y b), y afín entre cada extremo y la moda, por lo que su gráfico es un triángulo.}
Su Función densidad de probabilidad es la siguiente:

Practica 03:
Página
4 / 13
Función de densidad de probabilidad
Función de distribución de probabilidad
III.- PAUTAS PARA EL DESARROLLO:

Regresión lineal.
3.1. Un módulo proporciona como salida el cuadrado de la señal de entrada. Se calibra realizando 12 medidas de las
que se obtienen las medidas de la tabla.
Practica 03:
Página
5 / 13
Vs Vo - Lectura 1 Vo - Lectura 2 Vo - Lectura 3

0.5 0.05 0.048 0.055
1 0.21 0.23 0.19
1.5 0.47 0.48 0.55
2 0.81 0.84 0.9
3 1.79 1.65 1.81
4 3.24 3.05 3.35
5 4.81 4.8 5.2
6 6.69 6.24 7.1
7 8.9 8.2 9.3
8 11.41 11.65 10.8
9 14.23 14.58 13.85
10 17.37 18 16.8
Realizar la gráfica de dispersión de Vs vs Vo donde se ubique los puntos de dichas lecturas. Considerar una sola
gráfica para las tres lecturas.
- Para realizar la gráfica, debido a que tenemos 3 lecturas de Vo, lo que haremos será realizar un promedio de
las 3 lecturas, y así realizar un gráfico general de dichas lecturas.
Practica 03:
Página
6 / 13
3.2. Trace la línea de mejor ajuste. ¿Qué puede deducir de ella?
De la línea que trazamos podemos deducir que tiene un comportamiento que tiende a ser exponencial, lo cual es
correcto según la ecuación que se nos presenta inicialmente.
3.3. Debido a que la línea de mejor ajuste no es lineal, modifique los valores de las lecturas de tal manera que obtenga
una línea recta aproximada.
Practica 03:
Página
7 / 13
Los valores fueron modificados para obtener un ajuste lineal.

3.4. Estimar los valores de las dos constantes a y b, de acuerdo con el criterio de mínimo error cuadrático medio.
Aplique la regresión lineal.
Practica 03:
Página
8 / 13
Para calcular los valores a y b nos ayudamos del excel y lo corroboramos con la fórmula anterior para obtener los
valores correctos de a y b, que son.
a=0.4122
b=0.0837
Hallar el coeficiente de correlación

Para hallar el coeficiente de correlación nos basaremos en esta fórmula:
Donde Sxy no es más que la covarianza entre x y y

Sx es la desviación estándar de la variable x
Sy es la desviación estándar de la variable y
Practica 03:
Página
9 / 13
La covarianza se representa de la siguiente manera:
La desviación estándar se representa de la siguiente manera:
Sabiendo ambos casos, podemos calcular el coeficiente de correlación, ayudándonos de excel, para unos valores más
exactos.
Teniendo esos valores es fácil calcular el coeficiente de correlación.

𝑆𝑥𝑦
𝑅= 𝑆𝑥.𝑆𝑦
4.011
𝑅= 3.119*1.286
𝑅 = 0. 99
3.5. Estimar los valores de los dos parámetros k y v. Escriba la ecuación con sus valores correspondientes.
2 2
𝑘=𝑎 = (0. 4122) = 0. 1699
𝑏 0.0837
𝑣= 𝑎
= 0.4122
= 0. 203
Practica 03:
Página
10 / 13
2
𝑉𝑜 = 0. 1699(𝑉𝑠 + 0. 203)
Incertidumbre
3.6. Incertidumbre de medida basada en pruebas de calibración. Considérese que se ha construido un termómetro
electrónico basado en un transductor, un amplificador y un display. El sistema mide temperaturas en el rango 0 y 100
ºC.
Considérese que el sistema se calibra con la ayuda de un termómetro de referencia. Este es un termómetro certificado
que para todo su rango de operación presenta una incertidumbre de 0.1 ºC para un nivel de confianza del 95% (k=2).
El proceso de calibración consiste en ajustar la temperatura de la muestra hasta que en el termómetro de referencia se
mide la temperatura de ajuste y en esa situación se lee la medida que proporciona el sistema electrónico. Este proceso
se repite 8 veces para cada temperatura de ajuste.
Calcular la incertidumbre de medida del sistema para la temperatura de 25 ºC, si las 8 medidas obtenidas en el proceso
de calibración son las que se indican en la siguiente tabla.
med. 1 med. 2 med. 3 med. 4 med. 5 med. 6 med. 7 med. 8
24.8 24.8 25 25.1 25 25.1 25 25.2
Hallar la desviación típica equivalente del termómetro certificado.
3.7. Hallar Um, (Acotación superior de la desviación típica) de los errores del sistema de medida, el cual es obtenida a
partir de la dispersión de los valores que resultan de la medida (las 8 lecturas)
Practica 03:
Página
11 / 13
Primeramente hallamos el promedio de nuestras medidas de la tabla:
Seguidamente calculamos la varianza:
Finalmente tenemos Um:
3.8. Hallar Ud, Componente de incertidumbre debida a la resolución del display:
3.9. Hallar la desviación standard equivalente global de la medida
3.10. Hallar la incertidumbre en la medida para un nivel de confianza de 95% (k=2) es.
Esta incertidumbre significa que si al hacer una medida de temperatura con el equipo mido 25.6 °C, tengo una
certidumbre de 95% de que el valor verdadero se encuentre entre:
25.6 - 0.36 = 25.24 °C < Temperatura verdadera < 25.6 + 0.36 = 25.96
Practica 03:
Página
12 / 13
VI.- OBSERVACIONES Y CONCLUSIONES:
Dar sus observaciones y conclusiones de forma personal, en forma clara y empleando el menor número de palabras.
Observaciones
⮚ No todas las incertidumbres de los elementos son debidas a errores aleatorios. Por ejemplo, la incertidumbre
del display es realmente aleatoria, en cada medida del equipo el resultado se redondea introduciendo el error.
Conclusiones (dos conclusiones por integrante las más importantes de las experiencias propuestas)
⮚ Se analizó correctamente la regresión lineal de los datos proporcionados.
⮚ Se gráfico correctamente los datos y se observó un comportamiento exponencial en la regresión lineal.
⮚ Se realizó el ajuste correspondiente para poder tener una regresión lineal y graficarla para obtener sus valores
a y b.
⮚ Se realizaron los cálculos correspondientes para poder calcular el coeficiente de correlación lineal.
⮚ Se logró encontrar la desviación típica y de ahí se pudo ver la separación que existe entre cualquier valor de la
serie y la media aritmética de todos los datos de la tabla.
⮚ Como se calculó la desviación típica pudimos encontrar también Ud y Um, los cuales nos sirvieron para hallar
la desviaciones estándar global
⮚ Se logró entender el concepto de incertidumbre y la importancia que esta representa en cada medición
⮚ Se logró calcular la incertidumbre en la medida con un 95% de confiabilidad, esto nos ayudará a estar en un
rango donde se encuentra el valor real de temperatura.
VII.- REFERENCIAS:
⮚ https://www.ibm.com/pe-es/analytics/learn/linear-regression
⮚ http://materias.df.uba.ar/f2qa2020c1/files/2019/07/INCERTIDUMBRES-EN-INSTRUMENTOS-DIGITALE
S.pdf
⮚ http://depa.fquim.unam.mx/amyd/archivero/CALCULODEINCERTIDUMBRESDR.JAVIERMIRANDA_26
197.pdf
Rubrica: Practica 03
Practica 03:
Página
13 / 13
C Desarrollo de experiencias Ob Pr T P
on ser eg
o o
oc va un
i cio tas t r
m ne in a c
3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 3.9 3.10
ie s di
nt Co vi l e
os ncl du n
pr usi al
ev on t
io es a
s
j
e
%
2 1 1 1 2 1 1 1 1 1 2 2 4 20 15
Mg. HUARCA Jorge

Docente DAIE

Pra03 - Incertidumbre Del Instrumento

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Pra03 - Incertidumbre Del Instrumento

Cargado por

Copyright:

Formatos disponibles

ESCUELA PROFESIONAL DE Emisión:

INGENIERÍA ELECTRÓNICA 20/03/2020

CURSO: ACTUADORES, SENSORES, INSTRUMENTACIÓN

Grupo: G4-4 Docentes:

II.- CONOCIMIENTOS TEÓRICOS PREVIOS:

La línea verde corresponde a la distribución normal estándar

Función de distribución de probabilidad

Su Función densidad de probabilidad es la siguiente:

Función de densidad de probabilidad

Función de distribución de probabilidad

III.- PAUTAS PARA EL DESARROLLO:

Vs Vo - Lectura 1 Vo - Lectura 2 Vo - Lectura 3

3.2. Trace la línea de mejor ajuste. ¿Qué puede deducir de ella?

Los valores fueron modificados para obtener un ajuste lineal.

Hallar el coeficiente de correlación

Donde Sxy no es más que la covarianza entre x y y

La covarianza se representa de la siguiente manera:

La desviación estándar se representa de la siguiente manera:

Teniendo esos valores es fácil calcular el coeficiente de correlación.

Hallar la desviación típica equivalente del termómetro certificado.

Primeramente hallamos el promedio de nuestras medidas de la tabla:

Seguidamente calculamos la varianza:

Finalmente tenemos Um:

3.8. Hallar Ud, Componente de incertidumbre debida a la resolución del display:

3.9. Hallar la desviación standard equivalente global de la medida

VI.- OBSERVACIONES Y CONCLUSIONES:

Mg. HUARCA Jorge

También podría gustarte