INCERTIDUMBRE DE MEDICION – CAPITULO 2

A los efectos de cuantificar la incertidumbre del resultado de una medición se debería resolver
numéricamente la Expresión general de la incertidumbre combinada, planteada en el capítulo
anterior. Es decir, se deberán cuantificar cada uno de los términos (llamados incertidumbres típicas
o incertidumbres standard del Resultado debido a cada factor de influencia), combinarlos
cuadráticamente y expandirlos mediante el factor de cobertura (en general k=2).

U=k. √ (δR/δx . Sx)2 + (δR/δy . Sy)2 + (δR/δz . Sz)2 +…

A los efectos de resolver cada termino (incertidumbre típica), esto implicaría:

1) Determinar individualmente todas y cada una de las variables o factores de influencia

2) Obtener los coeficientes de sensibilidad asociados a cada una de dichas variables
3) Calcular las desviaciones estándar correspondientes a cada variable o factor de influencia

Determinación de Variables o factores de Influencia

Antes de acometer estas tareas, cuestión que llevada al extremo resulta materialmente imposible,
se debe introducir el concepto de Repetibilidad o Precisión de Medida

Entenderemos como Repetibilidad de un sistema de medida: la proximidad entre las indicaciones (o

valores medidos) obtenidas a partir de medir reiteradamente la misma magnitud particular en
idénticas condiciones.

La repetibilidad se expresa habitualmente como la desviación estándar de las “n” indicaciones

obtenidas al medir lo mismo en condiciones de repetibilidad y usualmente se denomina Sexp
desviación standard experimental del sistema.

Las condiciones de repetibilidad implican el mismo procedimiento, el mismo operador, las mismas
condiciones operativas, una duración de la serie de mediciones lo más corta posible (idealmente
instantánea). Es decir, se debería mantener constante todo aquel factor sistemático que pudiera
afectar la medición.

Realizada la serie de n mediciones en las condiciones de repetibilidad (o lo más aproximada a las

mismas que los recursos tecnológicos lo permitan) subyace una dispersión de los resultados
usualmente pequeña (a veces indetectable si la capacidad de resolución o apreciación del sistema no
resulta suficiente). Esa dispersión expresada en términos de desviación estándar se denomina como
indicáramos Sexp (desviación standard experimental) y es una aproximación numérica de la
Repetibilidad.

Este valor (Sexp) representa el aporte de un cierto número de factores, todos ellos muy pequeños,
que al combinarse manifiestan una influencia de tipo aleatoria. Es decir, el resultado combinado de
todos estos pequeños factores alterara el resultado haciéndolo variar aleatoriamente. Por lo tanto a
veces contribuirán sumando, a veces restando; sin una constancia en el sigo de su aporte y siguiendo
una distribución de frecuencias en principio normal y caracterizada por Sexp.
A los fines didácticos denominaremos a los factores de influencia, cuya contribución conjunta
presenta una variación de característica aleatoria del resultado, como factores Aleatorios. Esta es
una denominación exclusivamente con fines pedagógicos ya que no necesitaremos tratar
individualmente los mismos ni identificarlos, solamente cuantificar su influencia conjunta en lo que
designamos Sexp.

Es posible escribir la Expresar la Expresión general de la incertidumbre combinada incluyendo

discriminadamente estos factores aleatorios de la siguiente forma

√
U = k . (δR/δa . Sa)2+(δR/δb . Sb)2+(δR/δc . Sc)2+… (δR/δx . Sx)2+(δR/δy . Sy)2+(δR/δz . Sz)2+…

Aporte de los factores Aleatorios = Sexp Aporte de los factores Sistemáticos

O finalmente, de la forma

U=k. √ Sexp2 + (δR/δx . Sx)2 + (δR/δy . Sy)2 + (δR/δz . Sz)2 + …

Resulta importantísimo destacar que la individualización de los factores sistemáticos precede a la

evaluación experimental de la Repetibilidad. Es decir que, primero debe realizarse la detección de
los factores sistemáticos y una evaluación y control de los mismos que permita (hasta donde sea
posible) crear condiciones de repetibilidad (con todos los factores sistemáticos mantenidos
invariables).

La Guía de Estimación de Incertidumbre GUM distingue dos tipos de evaluaciones de factores de

influencia (y no a los factores en sí), distinguiendo entre Evaluaciones tipo A y tipo B.

Las evaluaciones tipo A se realizan con herramientas o recursos estadísticos y las evaluaciones tipo B
con otro tipo de recursos (analíticos).

Las evaluaciones tipo A están destinadas a factores de comportamiento aleatorio, por lo que en el
caso de las mediciones físicas esto se resume en la Sexp o repetibilidad.

Todas las demás fuentes o factores de incertidumbre se evaluarán con recursos analíticos basados
en el conocimiento individual de cada factor, su forma de influir en el resultado y la incertidumbre
propia que sobre la variable o factor se tiene.

Variables o factores sistemáticos:

La individualización de factores sistemáticos y posterior cuantificación de sus aportes depende de:

1) Los fundamentos científicos del proceso de medición (fundamentalmente físicos)

2) El conocimiento de detallado de los aspectos tecnológicos del sistema de medición

En el estudio del proceso de medición y del sistema de medición deben incluirse todos los factores
inherentes a los equipos de medición, su instalación, las condiciones ambientales y el procesamiento
de los resultados.
La correcta y completa determinación de los factores de influencia, es decir de aquellos significativos
en tanto alteran apreciablemente el resultado de medición, dependen de una consistente búsqueda
bibliográfica y de la experiencia y formación de quien la realiza.

En caso de pasar por alto algún factor y no incluirlo convenientemente en la evaluación de

incertidumbre se producirá una subvaloración de la misma. En otras palabras, se estará estimando
que el Resultado puede diferir del Valor verdadero en un valor menor al que realmente puede
apartarse. Esto llevara a tomar decisiones incorrectas a partir del resultado de medición y hará que
se pierda la trazabilidad del mismo. Por ejemplo, podría juzgarse una pieza como buena cuando en
realidad es mala.

La consistencia de un resultado de medición (su compatibilidad con otros eventuales resultados de

la misma magnitud particular) depende de una correcta evaluación de incertidumbre.

NOTA:

Decimos que dos resultados de mediciones independientes de una misma magnitud particular son
compatibles si se superponen sus incertidumbres.

Resultados Compatibles Resultados Incompatibles

En el primer caso R1 y R2 son resultados consistentes ya que, si bien no coinciden perfectamente en

su valor central (valor Medido Vm), existe una intersección de valores posibles de Vv que pertenecen
a ambos entornos. Es decir, existe la posibilidad de que el Valor Verdadero de la medida Vv este
simultáneamente en ambos resultados.

En el segundo caso son Inconsistentes (conservando para R1 la misma incertidumbre que en el

anterior caso), ya que es imposible encontrar al menos un Vv posible que este incluido en ambos
entornos de incertidumbre. Si en cambio (por ejemplo y suponiendo una deficiente estimación de
U1) la incertidumbre de R1 hubiese sido la graficada como U1 real, entonces serian consistentes.

Una evaluación incompleta de incertidumbre aumenta el riesgo de producir resultados

inconsistentes.

La trazabilidad asegura la consistencia de los resultados de las mediciones solamente si las

incertidumbres están correctamente evaluadas en todos los eslabones de la cadena de
intercorparaciones. Desde el resultado hasta la referencia nacional o internacional.
Coeficientes de sensibilidad

Los Coeficientes de sensibilidad inherentes a cada variable o factor de influencia sistemático pueden
determinarse por distintos métodos:

1) Analíticamente
2) Empíricamente

Analíticamente:

En el primer caso será necesario contar con la función matemática o modelo matemático que
describe la medición y que por ende relaciona la variable con el resultado y proceder a obtener su
derivada parcial respecto de dicha variable. Se destaca aquí que si bien lo imprescindible seria en
principio contar con la derivada de la función (y no con la función propiamente dicha) siempre es
imprescindible poseer una profunda comprensión de la totalidad de los aspectos físicos involucrados
en la medición y presentes en su modelización matemática y en ningún caso aplicar ecuaciones
indiscriminadamente para la descripción de la función (o su derivada) sin haber validado
convenientemente que las mismas describen de manera completa y correcta la medición.

Es factible desarrollar ese modelo matemático o tomar de las fuentes bibliográficas modelos
preexistentes y aplicarlos a la medición en cuestión. En ambos casos deberá validarse que el modelo
es correcto y completo para el caso particular de aplicación.

NOTA: Dado que se encontrará en la bibliografía disponible una gran cantidad de ejemplos resueltos,
los que en general inician el tratamiento con una compleja formula que describe el modelo
matemático asociado a la medición, deben analizarse muy cuidadosamente a fin de validar su
aplicabilidad antes de proseguir el desarrollo.

Por ejemplo, el siguiente párrafo de Incertidumbre en la Calibración de un Matraz Volumétrico /

CENAM /octubre de 2002:

Este caso se desarrollará con todo detalle en la práctica de la asignatura, donde se compararán los
resultados de la aplicación de esta metodología de estimación con otras alternativas más fácilmente
abordables y que garantizan su adecuación especifica.
Se expone aquí este documento, solamente a fin de graficar las características de la metodología y
no el caso en particular.
Se observa en el desarrollo la ausencia de un factor clave para el análisis que es el aporte por
incertidumbre de enrase. El mismo estaría en principio compensado por la metodologia de la
calibración en el caso del CENAM (por lo que el autor no lo incluye) pero si se encuentra presente en
la mayoría de las calibraciones convencionales de matraces.
Si se tomara esta referencia sin hacer esa modificación se incurriría en una grave falencia.

Se expone el análisis (solo como una muestra del tipo de metodología)

Conclusión: el modelo matemático empleado puede (muy probablemente) no representar la
realidad de la medición que se desea evaluar.

Esta metodología se empleará entonces cuando el modelo matemático haya sido generado
específicamente el metrologo a partir de un conocimiento completo y profundo de los aspectos
físicos y tecnológicos involucrados en la medición o cuando se pueda demostrar (validar) que el
desarrollo ya existente se adecua cabalmente a la medición especifica que se está desarrollando. En
ambos casos resulta imprescindible contar con evidencia objetiva que valide dichas aseveraciones.

En el capítulo siguiente se desarrolla la metodología a seguir cuando no se cuenta a priori con el

modelo matemático y debe desarrollarse el mismo.

Empíricamente:

Existen casos en los que una modelización matemática resulta inviable. La complejidad del
fenómeno y la carencia de conocimientos teóricos específicos (o un grado incompleto de los
mismos) impiden la resolución analítica del problema.

Se trata entonces de una variable, dentro de un conjunto de otras que eventualmente si pueden
tratarse analíticamente, que requerirá de un desarrollo experimental para determinar su influencia
en el resultado

Por ejemplo:

Siendo el resultado de un ensayo de tracción la determinación de la tensión de rotura de un

material, podemos decir que una variable o factor de influencia puede ser la velocidad de aplicación
de la carga sobre la probeta.

No existe un modelo matemático basado en consideraciones analíticas que permita representar este
efecto como una función. Por lo que debe intentarse obtener dicha relación a través del desarrollo
experimental.

Repitiendo ensayos a distintas velocidades es factible obtener por regresión lineal la pendiente de la
recta que equivale a la variación del resultado en función de la velocidad de aplicación de la carga.

La enorme dificultad de esta metodología radica en que la una variable que debe modificarse para
cada una de las mediciones es la que está en estudio. Las demás variables o factores de influencia
deberían mantenerse constantes durante todo el desarrollo del experimento, porque en caso
contrario las diferencias entre cada resultado no se deberían exclusivamente a la variable en estudio
sino a una combinación de desvíos.

Es decir, las varianzas de los factores de influencia deberán ser despreciables frente a la variación del
factor en estudio. Esto, en la mayoría de los casos, es muy difícil de lograr en la práctica.

Por ejemplo, en el caso del ensayo de tracción deberíamos romper siempre la misma probeta
(obviamente imposible), con idéntico comportamiento de la celda de carga, de la temperatura,
alineación con respecto a la máquina de ensayo, etc. Esto es imposible, y aun aproximarse a esa
situación ideal resulta muy dificultoso.

Desviaciones estándar de cada variable o factor de influencia

Habiendo determinado cuales son los factores de influencia sistemáticos

x, y, z, …

y habiendo encontrado sus correspondientes coeficientes de sensibilidad

δR/δx , δR/δy , δR/δz , …

Resta establecer las desviaciones standard de cada variable a fin de estimar las variaciones estándar
o incertidumbres típicas del resultado respecto de las mismas

ux = δR/δx . Sx

Para ello se debe analizar la información disponible respecto de cada variable. Es decir, como se
expresa la información sobra la variabilidad del factor de influencia.

Esta información puede recibirse como un intervalo de variación sin un valor más probable, como el
resultado de una medición o como un intervalo pero con un valor central mas probable.

Tal como se estableció en el capítulo anterior nos enfocaremos entonces en tres tipos de
distribución probabilística para las mismas: rectangular, normal y triangular.

Ejemplos (factores que aportan a la incertidumbre de un resultado):

1. Distribución Rectangular:

1.1 Resolución en equipos digitales (también llamado error de redondeo), en este caso una balanza
de indicación digital d=1g aporta una incertidumbre por resolución de lectura de:
ures = (d/2) / √3 = 0,5 g / √3 Incertidumbre standard por Resolución (lectura digital)

Puede verse adicionalmente que en la lectura “0” del equipo ocurre lo mismo. Considerando que
para obtener un resultado se debe leer el cero previamente, la incertidumbre total por resolución
aparecerá dos veces
1.2 Valor de una pesa de 20 kg M1 verificada (EMT = ± 1g)

uemt = (EMT/2) / √3 = 1g / √3 Incertidumbre standard por EMT

1.3 Temperatura de una pieza si solamente se solamente se conoce que está en el rango 20°C ± 2°C

utemp = (a/2) / √3 = 2°C / √3 Incertidumbre standard por rango de temperatura

1.4 Desvíos de linealidad (relevados en la indicación de un instrumento, durante la calibración, a lo

largo de su rango) acotados por un entorno

De la calibración del instrumento se obtienen los desvíos de Indicación (muchas veces informados
como errores), los cuales se determinaron en cada caso con la correspondiente incertidumbre de
calibración. Cada uno de los desvíos d1, d2…d8 se grafican con su incertidumbre (rectángulos grises)

Una forma de procesar esta información es:

No se efectúan correcciones a partir de esos desvíos. Se establece un entorno que los contiene a
todos (rectángulo celeste) de semiamplitud “a”. Se considera que el desvío en cualquier punto del
rango no será mayor al valor de “a”. Se introduce una incertidumbre por desvíos no corregidos,
usualmente llamada de linealidad, igual a:

ulin = a / √3 Incertidumbre standard de linealidad (constante)

Se observa adicionalmente que para el caso de desvíos de linealidad crecientes a lo largo del rango
suele usarse muy frecuentemente un entorno de amplitud no constante sino escalonado o
linealmente creciente (trapezoidal).

La incertidumbre por linealidad no será entonces constante sino crecerá a con el aumento del valor
Indicado (Indicación del Instrumento = I )

ulin = (a + b . I) / √3 Incertidumbre standard de linealidad (variable con la I)

 2. Distribución Normal:

2.1 Temperatura de una pieza si la misma fue medida y resulta 20°C ± 2°C (U expresada con k=2)

2.2 Valor de una pesa de 20 kg M1 si se obtiene de su calibración como R = 20.000,7 g ± 0,2 g siendo
0,2 g la incertidumbre de calibración expresada con k=2.

2.3 Diámetro de una probeta de tracción resultante de una medición D = 12,08 ± 0,02 mm

2.4 Desvíos relevados en la indicación de un instrumento a lo largo de su rango, expresados en el

certificado de calibración junto a su incertidumbre y aplicados posteriormente como corrección a la
lectura del equipo. Se debe considerar adicionalmente la inestabilidad temporal de dicho desvío.

3. Distribución Triangular:

3.1 Incertidumbre de apreciación en un instrumento de indicación analógica. En el ejemplo una

indicación de un manómetro entre 10 y 11 bar. Se aprecia una lectura de 10,3 ± 0,2 bar por lo que
corresponde a una incertidumbre de lectura:

ulect = a / √6 = 0,2 bar / √6 Incertidumbre standard por Apreciación (lectura analógica)

3.2 Incertidumbre por inestabilidad temporal del mesurando. Cuando se adopta el valor promedio
de un parámetro a calculado a partir de su valor inicial y final. Este valor promedio caracteriza con
mayor exactitud la propiedad durante ese lapso y por lo tanto se adopta el valor como central de
una distribución triangular.

NOTA: Cabe destacar que la incertidumbre de las mediciones iniciales y finales debería ser de un
orden de magnitud inferior al de la inestabilidad temporal ya que en caso contrario no resulta
factible atribuir la variación a un cambio temporal sino a la propia incertidumbre de cada medición.

En el ejemplo mencionado en el capítulo anterior, respecto de la inestabilidad temporal de un baño

termo estabilizado incluido en un ensayo de viscosidad donde Ti= 39°C y Tf= 41°C:

uest = a / √6 = 1 °C / √6 Incertidumbre standard por Inestabilidad Temporal