Metrología

Eléctrica e Instrumentación Electrónica

(ISAS 004)

Dr. Luis Abraham Sánchez Gaspariano

Errores y estimaci n de la incertidumbre en la medici n

Ingeniería en Sistemas Automotrices

FCE-BUAP
Edif. FCE3, planta baja (entre laboratorio de autoacceso y laboratorio de cómputo).
Ciudad Universitaria.

luis.sanchezgas@correo.buap.mx
 Incer.dumbre

Cuando se realizan mediciones, de alguna manera se duda de la validez de

la medición. La diferencia entre el valor de la medición y el valor real del
parámetro que se está midiendo (mensurando) se conoce como error (de medición). El valor
total de este error es la suma de las contribuciones de diversas fuentes de error. El parámetro
asociado al resultado de una medición, que caracteriza la dispersión de los valores que
podrían atribuirse razonablemente al mensurando, se conoce como incer.dumbre de
medición. Para esBmar la incerBdumbre de la medición es necesario ser muy cuidadoso y
hacer algunas consideraciones. Hay varias razones por las que es importante determinar la
incerBdumbre de la medición:
•  EsBma el error asociado con la medición en un valor numérico.
•  Proporciona un nivel de confianza en la medición.
•  Es una buena prácBca.
•  Es un requisito para laboratorios acreditados.
 Errores

En general, una medición Bene imperfecciones que dan origen a error en

el resultado de la medición. Tradicionalmente, se considera que un error
tiene dos componentes llamadas: componente aleatoria y componente sistemá/ca.
Error aleatorio. Se presenta presumiblemente por variaciones impredecibles o estocásBcas,
temporales y espaciales de las magnitudes de influencia. Los efectos de estas variaciones dan
origen a las variaciones en observaciones repeBdas del mensurando. Sin embargo, es
imposible compensar el error aleatorio del resultado de una medición; por lo común puede
reducirse incrementando el número de observaciones. Su esperanza o valor esperado es
cero.
Error sistemá.co. No puede ser eliminado pero puede ser reducido. Si un error sistemáBco se
presenta como consecuencia de un efecto reconocido de una magnitud de influencia en el
resultado de una medición, el efecto puede cuanBficarse, y si es relaBvo con relación a la
exacBtud requerida de la medición, puede aplicarse una corrección o un factor de corrección
 Es.mación de la incer.dumbre

para compensar el efecto. Se supone que después de la corrección, la

esperanza o valor esperado del error originado por un defecto sistemáBco
es cero.
1.  Por otra parte, el proceso de esBmación de la incerBdumbre comprende los siguientes
pasos:
2.  IdenBficar la incerBdumbre en los procesos de medición.
3.  Evaluar y clasificar los Bpos de incerBdumbre (Bpo A y Bpo B).
4.  CuanBficar las incerBdumbres individuales por varios métodos.
5.  Documentar con un presupuesto de incerBdumbre.
6.  Combinar las incerBdumbres.
7.  Asignar el factor de cobertura, k, apropiado a la incerBdumbre combinada para reportar
la incerBdumbre expandida.
8.  Documentar un reporte de incerBdumbre con la información apropiada.
 Iden.ficación de las incer.dumbres en los
procesos de medición

Algunos ejemplos de los factores que afectan la medición incluyen:

1.  Definición incompleta del mensurando.
2.  Realización imperfecta de la definición del mensurando.
3.  Muestreos no representaBvos.
4.  Los efectos de las condiciones ambientales sobre las mediciones.
5.  Errores de apreciación del operador en la lectura.
6.  Resolución del instrumento o umbral de discriminación
7.  Valores inexactos del instrumento de medición y materiales de referencia.
8.  Valores inexactos de constantes y otros parámetros obtenidos de fuentes externas y usadas
en los algoritmos de reducción de datos.
9.  Aproximaciones y suposiciones incorporadas en los métodos y procedimientos de medición.
10. Variaciones en observaciones repeBdas del mensurando en condiciones aparentemente
iguales.
 Evaluación de las incer.dumbres .po A y B

Ambos Bpos de incerBdumbre, A y B, se basan en distribuciones de

probabilidad y las componentes de incerBdumbre resultantes de cualquier
Bpo son cuanBficadas por varianzas y desviaciones estándar. La varianza, u2, que caracteriza a
una componente de incerBdumbre obtenida de una evaluación Bpo A se calcula mediante
series de observaciones repeBdas y es la varianza esBmada estadísiBca familiar δ2. La
desviación estándar esBmada, u, es entonces u=δ, y por conveniencia se denomina algunas
veces incer&dumbre estándar &po A. Para una componente de incerBdumbre obtenida de
una evaluación Bpo B, la varianza esBmada u2 se evalúa mediante el uso de la información
disponible y la desviación estándar esBmada, u, algunas veces es llamada incer&dumbre
estándar &po B. Entonces, la incerBdumbre estándar /po A se obBene de una función de
densidad de probabilidad deducida de una distribución de frecuencia observada, mientras
que la /po B se obBene de una función de densidad de probabilidad supuesta basada en el
grado de creencia de que un evento pueda ocurrir (probabilidad subjeBva).
 Evaluación .po A de la incer.dumbre estándar

En la mayoría de los casos, la mejor esBmación disponible de la esperanza o

valor esperado, µq, de una magnitud, q, que varía en forma aleatoria, y de
la cual se han obtenido n observaciones independientes, qk, en las mismas condiciones de
medición, es la media aritméBca o promedio, , de las n observaciones:
q

1 n
q = ∑ qk

n k≤1
Las observaciones individuales, qk, difieren en valor debido a las variaciones aleatorias en las
magnitudes que las afectan, es decir, debido a efectos aleatorios. La varianza experimental de
las observaciones, la cual esBma la varianza s2 de la distribución de probabilidad de q, está
dada por:
1 n 2
2
s ( qk ) = ∑
n −1 k−1
qk − q ( )
 Evaluación .po A de la incer.dumbre estándar

Esta esBmación de la varianza y su raíz cuadrada posiBva s(qk), denominada

desviación estándar experimental, caracterizan a la variabilidad de los
valores observados qk, o más específicamente, su dispersión alrededor de la media .
q
La mejor esBmación de σ2( ) =
q σ2/n, la varianza dela media, está dada por
2
2
s (q) =
s ( qk )

n
Ejemplo: n medición
1 n 1 10
1 27.34 La media q = ∑k≤1 qk = ∑k=1 qk = 27.30
2 27.27 n 10
3 27.26 Las varianzas
4 27.30 2
1 n 2 2 s ( qk )
5 27.31 s ( qk ) =
2
∑ (qk − q) = 0.0006933 s (q) = n = 0.00006933
n −1 k−1
6 27.32
7 27.30 La desviación estándar experimental
8 27.34 1 n 2
9 27.31 s ( qk ) =
n −1 k−1
(
∑ qk − q ) = 0.0263
10 27.29
 Si la FDP es Gaussina, entonces

La FDP Gaussiana es una de las más comunes (aunque hay

otras). Para determinar la FDP más aproximada, hay que
realizar el histograma de los datos, aunque podemos asumir,
sin perdida de generalidad, que la FDP es casi siempre
Gaussiana.
 Evaluación .po A de la incer.dumbre estándar

Con ayuda de una regla mida la longitud de las credenciales BUAP de todos
los integrantes grupo y determine la desviación estándar experimental, es
decir, la incerBdumbre estándar Bpo A. Nota: emplear una sola regla (teléfono) para realizar
todas las mediciones. Se recomienda usar la siguiente aplicación:
 Evaluación .po B de la incer.dumbre estándar

A conBnuación, se comparte la información donde ustedes pueden revisar

a fondo el tópico de evaluación &po B de la incer&dumbre estándar.
En equipos de máximo 4 personas (mínimo 3) realizar un mapa conceptual en xmind con la
información contenida en el documento. En un recuadro dentro del archivo poner los
nombres de los integrantes del equipo. Entregar el archivo en formato xmind.
! Introducción

! Incertidumbre
Estándar
! Tipo A
! Tipo B

! Incertidumbre
Combinada

! Incertidumbre
Expandida

! Regresión

! Presentación
de resultados

! Paso a paso
en el cálculo de
incertidumbre

53
 Incertidumbre estándar Tipo B

! Introducción
¿CUÁNDO SE UTILIZA LA INCERTIDUMBRE TIPO
! Incertidumbre B?
Estándar
! Tipo A
! Tipo B •  Cuando no se tienen observaciones repetidas.
! Incertidumbre
Combinada •  Cuando su valor se establece o se calcula en base a toda
la información disponible.
! Incertidumbre
Expandida
Esto es, cuando se tiene una estimación xi de una cantidad
! Regresión Xi que no se ha obtenido de observaciones repetidas, la
! Presentación varianza estimada u2(xi) o la incertidumbre estándar u(xi)
de resultados se evalúan por un método científico basado en toda la
! Paso a paso información disponible acerca de la variabilidad de Xi.
en el cálculo de
incertidumbre

54
! Introducción
La información disponible sobre Xi puede ser la siguiente:
! Incertidumbre
Estándar "  Resultado de mediciones anteriores.
! Tipo A
! Tipo B
"  Experiencia o conocimiento general acerca del comportamiento
! Incertidumbre y propiedades de los materiales y los instrumentos utilizados.
Combinada
"  Especificaciones del fabricante.
! Incertidumbre
Expandida
"  Datos suministrados por certificados de calibración u otros
! Regresión certificados.
! Presentación
de resultados "  Incertidumbres asignadas a datos de referencia tomados de
manuales.
! Paso a paso
en el cálculo de
incertidumbre

55
 DIFERENTES CASOS DE EVALUACIONES TIPO B:
! Introducción

! Incertidumbre 1. Si la estimación xi se obtiene a partir de una

Estándar
! Tipo A
especificación del fabricante, de un certificado de
! Tipo B calibración, de una publicación o de otra fuente, y su
incertidumbre viene dada como un múltiplo específico de una
! Incertidumbre
Combinada desviación típica.
! Incertidumbre
Expandida
2. Determinación tipo B cuando se conoce un único valor de
la variable de entrada.
! Regresión

! Presentación 3. Determinación tipo B cuando se supone una distribución

de resultados
de probabilidad para la variable de entrada.
! Paso a paso a. Normal
en el cálculo de
incertidumbre b. Rectangular (uniforme)
c. Triangular
d. Tipo U
56
 PRIMER CASO
1er CASO: Estimación xi obtenida de una especificación
! Introducción
del fabricante, donde su certidumbre viene dada como un
! Incertidumbre múltiplo específico de una desviación típica.
Estándar
! Tipo A
! Tipo B Se puede establecer que la incertidumbre dada es un cierto múltiplo de la
desviación estándar.
! Incertidumbre
Combinada
En el caso del ejemplo 1 la incertidumbre estándar es la desviación estándar
! Incertidumbre dividida entre el multiplicador, y la varianza estimada es el cuadrado del
Expandida
número resultante.
! Regresión
En el caso del ejemplo 2 se da un intervalo que tiene un nivel de confianza de
! Presentación
de resultados 90, 95 ó 99 por ciento. Podemos obtener la incertidumbre estándar al dividir el
valor dado entre el factor apropiado dentro de la distribución normal. Estos
! Paso a paso
en el cálculo de factores son 1.64, 1.96 y 2.58, respectivamente, para los niveles de confianza
incertidumbre anteriormente citados (90%, 95% y 99%):

57
! Introducción
EJEMPLO 1:

! Incertidumbre
Estándar
Un certificado de calibración indica que la masa ms de un patrón
! Tipo A de masa de acero inoxidable de valor nominal igual a 1 kg es de
! Tipo B 1000,000325g y que la desviación típica de este valor es de 240
µg, para un nivel 3s (3 desviaciones típicas).
! Incertidumbre
Combinada
La incertidumbre típica del patrón de masa es simplemente:
! Incertidumbre Incertidumbre=desviación/multiplicador
Expandida
u(ms ) = (240 µg)/3 = 80 µg.
! Regresión

! Presentación
La varianza estimada es:
de resultados
varianza=(incertidumbre)2
! Paso a paso
en el cálculo de
u2(ms) = (80 µg)2 = 6,4 x 10-9 g2
incertidumbre

58
! Introducción
EJEMPLO 2:

! Incertidumbre Un certificado de calibración indica que la masa ms de un patrón

Estándar de masa de acero inoxidable de valor nominal igual a 1 kg es de
! Tipo A
1000,000325g. y que la desviación de este valor es de 240 µg,
! Tipo B
para un nivel de confianza del 99%:
! Incertidumbre Lo primero que debemos apreciar es que nos están pidiendo un intervalo de
Combinada
confianza del 99%
! Incertidumbre
! el factor por el que tenemos que dividir es 2.58:
Expandida
La incertidumbre típica del patrón de masa es simplemente:
! Regresión Incertidumbre=desviación/factor correspondiente al 99% de confianza
u(ms ) = (240 µg)/2.58 = 93 µg
! Presentación
de resultados
La varianza estimada es:
! Paso a paso
en el cálculo de Varianza=(incertidumbre)2
incertidumbre u2(ms) = (93 µg)2 = 8.65 x 10-9 g2

59
 SEGUNDO CASO

! Introducción
2º CASO: Determinación tipo B cuando se conoce un único
! Incertidumbre valor de la variable de entrada. Las posibles causas por las que
Estándar sólo tenemos un único valor de la variable son las siguientes:
! Tipo A
! Tipo B

! Incertidumbre
• Hemos realizado una única medida (medida destructiva)
Combinada

! Incertidumbre
• El resultado se toma de documentación técnica (coef. dilatación)
Expandida
• Resultado facilitado por terceras personas (certificado de calibración)
! Regresión - Valor del mensurando, el valor único.
- Incertidumbre típica: facilitada por la fuente
! Presentación (documentación o certificado).
de resultados
- En su defecto, calcular en base a la experiencia.
! Paso a paso
en el cálculo de
incertidumbre

60
! Introducción EJEMPLO 1 (para un solo valor conocido de la variable de entrada):
! Incertidumbre
Estándar Ejemplo: Un acero de alta calidad lleva grabado el valor del
! Tipo A
coeficiente de dilatación lineal α = 11,6. 10-6 K-1 pero no indica su
! Tipo B
incertidumbre.
! Incertidumbre
Combinada ! Solución: El evaluador considera que la información es suficientemente
fiable para adoptar como incertidumbre típica la mitad del valor de la última
! Incertidumbre cifra significativa grabada, es decir:
Expandida

! Regresión
! La incertidumbre del coef. α será:
última cifra significativa
! Presentación incertidumbre =
de resultados 2
* Si no se advierte de lo contrario tomaremos siempre como divisor de esta ecuación “2”
! Paso a paso
en el cálculo de
incertidumbre ! u(α) = 0,1.10-6/2 K-1 = 0,05 . 10-6 K-1

61
 TERCER CASO
3er CASO: Determinación tipo B cuando se supone una
! Introducción
distribución de probabilidad para la variable de entrada.
! Incertidumbre
Estándar
! Tipo A
Distribución Normal
! Tipo B Se utiliza cuando se dispone:

! Incertidumbre a) De resultados experimentales de observaciones

Combinada repetidas. La incertidumbre típica es igual a la
desviacion típica:
! Incertidumbre
Expandida s( X ) , donde s( x) =
1 n
⋅ ∑ ( x − xi ) 2
u ( x) = n − 1 i =1
! Regresión
n
b) De un intervalo de confianza (x ± a) con
! Presentación indicación del nivel de confianza, por ejemplo
de resultados
95% u otro. La incertidumbre típica se calcula
! Paso a paso por ejemplo para un nivel de confianza del 95 %
en el cálculo de como:
incertidumbre
a+,− a+ − a−
u ( x) = =
2 4

62
 TERCER CASO
Distribución Rectangular
! Introducción

! Incertidumbre
Se utiliza cuando, por ejemplo, se dan límites (± a) sin
Estándar especificar el nivel de confianza y es esperable que
! Tipo A todos los valores sea igualmente probables.
! Tipo B
Para una distribución rectangular cada valor de x
! Incertidumbre dentro del intervalo [a+,a-] tiene la misma probabilidad,
Combinada o sea la densidad de probabilidad es constante (e
igual a 1/a dentro del intervalo). Donde a=a- - a+
! Incertidumbre
Expandida

! Regresión
La varianza se calcula como: La desviación estándar (incertidumbre) finalmente
! Presentación resulta:
de resultados
2 (a − − a + ) 2 a− − a+ a*,−
s = u ( x) = =
! Paso a paso 12
en el cálculo de 12 3
incertidumbre

63
 TERCER CASO
Ejemplo 1 (distribución rectangular):
! Introducción
t = (t0 ± 0,5) ºC ! (a-= a+ = 0,5 ºC) ! a = 1ºC
! Incertidumbre
Estándar La incertidumbre de esta medida será:
! Tipo A
! Tipo B
1
u ( x) = º C = 0.3 º C
! Incertidumbre 12
Combinada

! Incertidumbre
Expandida
Ejemplo 2 (distribución rectangular):
! Regresión
Resolución instrumento E. (E=0,01 mm; a-=a+ = E/2 mm) ! a=0.01mm

! Presentación La incertidumbre de esta medida será:

de resultados

! Paso a paso 0.01

en el cálculo de u ( x) = = 2.9 ⋅ 10 −3 mm
incertidumbre 12

64
 TERCER CASO
! Introducción
Distribución Triangular

! Incertidumbre
Estándar
! Tipo A Se utiliza cuando la información es menos
! Tipo B limitada que para una rectangular y se
puede suponer que los valores cercanos
! Incertidumbre
al valor central son más probables que
Combinada
los valores extremos.
! Incertidumbre
Expandida La incertidumbre típica se calcula como:

! Regresión

! Presentación a + ,−
de resultados
u ( x) =
! Paso a paso
en el cálculo de 6
incertidumbre

65
 TERCER CASO
! Introducción
Distribución Tipo U

! Incertidumbre
Estándar Se utiliza cuando se puede suponer
! Tipo A que los valores más probables son
! Tipo B
los situados en lo extremos de la
! Incertidumbre distribución.
Combinada
La incertidumbre típica se calcula
! Incertidumbre
Expandida
como:

! Regresión

! Presentación
a + ,−
de resultados u ( x) =
! Paso a paso
en el cálculo de
2
incertidumbre

66
 RESUMEN (I)
! Introducción EN RESUMEN
! Incertidumbre
Estándar
La distribución rectangular es una descripción razonable en
! Tipo A términos de probabilidad del conocimiento que se tenga sobre la
! Tipo B magnitud de entrada Xi cuando no existe ninguna otra
información más que sus límites de variabilidad.
! Incertidumbre
Combinada
Pero si se sabe que los valores de la magnitud en cuestión
! Incertidumbre próximos al centro del intervalo de variabilidad son más
Expandida probables que los valores próximos a los extremos, un modelo
! Regresión
más adecuado sería una distribución triangular o normal.

! Presentación Cuando los valores cercanos a los extremos son más

de resultados
probables que los valores cercanos al centro, es más apropiada
! Paso a paso una distribución tipo U.
en el cálculo de
incertidumbre

67
 RESUMEN (II)
! Introducción TABLA RESUMEN
! Incertidumbre
Estándar
! Tipo A
! Tipo B

! Incertidumbre
Combinada

! Incertidumbre
Expandida

! Regresión

! Presentación
de resultados

! Paso a paso
en el cálculo de
incertidumbre

68
 Eliminación de datos dudosos

! Introducción
Cuando se realiza una medición repetida de una magnitud
! Incertidumbre
Estándar
física algunas de las mediciones puede diferenciarse
! Tipo A significativamente de las otras. Estos datos deben ser
! Tipo B examinados con minuciosidad para tomar la decisión de
! Incertidumbre
tomarlos en cuenta o desecharlos.
Combinada

! Incertidumbre
Expandida La prueba de las 3S
! Regresión

! Presentación
Desviación relativa máxima
de resultados

! Paso a paso
en el cálculo de La prueba “Q”
incertidumbre

69
 Eliminación de datos dudosos

! Introducción
La prueba de las 3S
! Incertidumbre
Estándar
! Tipo A
! Tipo B
"  Se utiliza para n>10

! Incertidumbre "  Se considera que si el dato dudoso se desvía de la

Combinada media aritmética, determinada para el resto de los datos,
! Incertidumbre
en más de 3*S
Expandida
esta medición se debe, o repetir, o
! Regresión desechar, ya que es un error basto.
! Presentación
de resultados

! Paso a paso s ! desviación media estándar

en el cálculo de
incertidumbre
xi − x ≥ 3 ⋅ s
xi ! medición dudosa

70
 Eliminación de datos dudosos

! Introducción
Desviación relativa máxima
! Incertidumbre
Estándar
! Tipo A
! Tipo B "  Más rigurosamente se puede usar el método de cálculo
de la desviación relativa máxima:
! Incertidumbre
xi − x
Combinada
≥t
s
! Incertidumbre
Expandida "  El valor de t depende de H, denominado nivel de
! Regresión
importancia y del número n de datos.
"  El nivel de importancia en la práctica común se toma
! Presentación
de resultados desde 0.05 hasta 0,01. Para mediciones exactas se debe
! Paso a paso
tomar un valor de H no mayor a 0,01 (uno por ciento).
en el cálculo de
incertidumbre
"  t es el valor tomado de la siguiente tabla:

71
 Eliminación de datos dudosos

! Introducción

! Incertidumbre
Estándar
! Tipo A
! Tipo B

! Incertidumbre
Combinada

! Incertidumbre
Expandida

! Regresión

! Presentación
de resultados

! Paso a paso
en el cálculo de
incertidumbre

72
 Eliminación de datos dudosos

! Introducción
La prueba “Q”
! Incertidumbre
Estándar
! Tipo A
! Tipo B
"  Se utiliza para n<10
"  Hallamos el factor Q y se compara con una tabla de valores
! Incertidumbre estándar para decidir si se debe rechazar o conservar el valor.
Combinada
Para rechazarlo Q tendrá que ser mayor que el valor de la tabla
! Incertidumbre
d xq − xn
Expandida Q= =
w x h − xl
! Regresión
xq ! representa el valor dudoso,
! Presentación
de resultados xn ! es el valor vecino más cercano,
! Paso a paso xh ! es el dato con el valor máximo
en el cálculo de
incertidumbre xl ! es el dato con el valor mínimo

73
 Eliminación de datos dudosos

! Introducción

! Incertidumbre Rechazo#con#90%# Rechazo#con#95%# Rechazo#con#99%#

Nº#de#medidas#
Estándar de#confianza# de#confianza# de#confianza#
! Tipo A
! Tipo B 3" 0.941" 0.970" 0.994"
! Incertidumbre 4" 0.765" 0.829" 0.926"
Combinada
5" 0.642" 0.710" 0.821"
! Incertidumbre
Expandida 6" 0.560" 0.625" 0.740"

! Regresión
7" 0.507" 0.568" 0.680"
8" 0.468" 0.526" 0.634"
! Presentación
de resultados
9" 0.437" 0.493" 0.598"
! Paso a paso
en el cálculo de 10" 0.412" 0.466" 0.568"
incertidumbre

74