Estimación

de
Incertidumbre
Incertidumbre de medición :

Parámetro asociado al resultado de medición

que caracteriza la dispersión de los valores
que pueden ser razonablemente atribuibles al
mensurando.

(JCGM 100:2008
Evaluación de datos de medición -
Guía para la expresión de la incertidumbre de medida)
 Motivaciones
Diferencias respecto de CENAM, V = 20 L
d ij = x cenam - x j
200

160

120

80

40

-40

-80

-120

-160

-200

pregunta: ¿son consistentes los resultados de los INMs con los obtenidos por
CENAM?
 Antecedentes

• 1977-79 BIPM - Cuestionario sobre incertidumbres-

• 1980 BIPM -Recomendación INC-1
• 1981 Establecimiento del WG3 sobre incertidumbres bajo la fuerza de trabajo ISO
TAG4: BIPM, IEC, IFCC, ISO, IUPAC, IUPAP, OIML
• 1981 CIPM aprueba la Recomendación INC-1 1981
• 1986 CIPM Reafirma la Recomendación INC-1 1986
• 1993 Emisión de “Guide to the expression of uncertainty in measurement”
• 1995 Re-edición de la GUM, con correcciones menores
• 1997 Establecimiento del JCGM (Joint Committee for Guides in Metrology)
• 2008 Publicación del documento
Evaluation of Measurement Data –Supplement 1 to the “Guide to the expression of
Uncertainty in Measurement”- Propagation of Distributions using Monte Carlo
Methods
 Antecedentes

Los siguientes documentos están publicados en la página web del BIPM bajo el
título: “Evaluation of measurement data”

“Guide to the expression on uncertainty in measurement”

“An introduction to the Guide to the expression of uncertainty in
measurement” and related documents.
Supplement 1 to the “Guide to the expression of uncertainty in measurement”
— Propagation of distributions using a Monte Carlo method.

http://www.bipm.org/en/publications/guides/gum.html
 Filosofía de la GUM

x1, u(x1) y

Y=f(Xi)
x2, u(x2) u(y)
Propagación
de incertidumbres

x3, u(x3) [y- ; y+]

 Limitaciones de la GUM

GUM es aplicable en la mayoría de los casos,

sin embargo tiene limitaciones cuando:

- Distribución del mensurando no es normal

- Modelos no-lineales (e incertidumbres grandes)
- Distribuciones asimétricas
- incertidumbres “grandes” en relación al “tamaño” del mensurando

GUM permite métodos alternativos (GUM-G:1.5)

 Métodos analíticos
 Simulación de Monte Carlo
 Procedimiento GUM
Mensurando

Resultado sin corregir Errores aleatorios

(repetibilidad)

Error sistemático
(corrección)

Valor del mensurando

Incertidumbre:
Resultado corregido
Errores aleatorios
+ Errores sistemáticos
desconocidos
 procedimiento
Mensurando Definir los modelos físicos y matemáticos.

Magnitudes de influencia Definir y organizar las magnitudes de influencia.

Cuantificación Cuantificar magnitudes de influencia y su dispersión.

Valor del mensurando Obtener la mejor estimación del mensurando.

Incertidumbre típica Combinar las contribuciones a la

combinada incertidumbre del mensurando.

Incertidumbre expandida Determinar el intervalo que abarca el valor del mensurando

con un cierto nivel de cobertura.

Informe ... del resultado de medición, incluyendo

su incertidumbre.
 procedimiento
Mensurando Y Y = f ( X 1 , X 2 ,... X N )
+ Magnitudes de entrada, Xi

Incertidumbre típica de las

u( x i ) = Var ( x i )
magnitudes de entrada, u(xi)

2
Incertidumbre típica del N
 ∂f 
mensurando, u(y)
u( y ) = ∑ 
 ∂x
i =1 
⋅ u( x )
i 

i 
p = 95.45 %

Incertidumbre expandida,
Up(y) = k.u
Intervalo de cobertura

-3u -2u -u +u +2u +3u

 definición de mensurando

Identificar el mensurando y establecer una ecuación

matemática que relacione el mensurando con las
magnitudes de entrada y de influencia.

Ejemplos: Y = f ( X 1, X 2 ,..., X N )

Mensurando Modelo Magnitudes

de entrada
π 2
 Volumen de un cilindro: V= ⋅d ⋅h d : Diámetro .
4 h : Altura
 Error del instrumento: E=L-P L : Lectura
P : Valor del patrón

 Longitud de un bloque: l = Lectura Vernier ( + Correcciones)

 identificación
Identificar las causas de incertidumbre, incluyendo
características de instrumentos, condiciones de
medición, etc.
Fuentes de Incertidumbre son ...
 patrón, material de referencia.
 calibración del instrumento de medición.
 resolución del instrumento.
 condiciones ambientales.
 repetibilidad de las lecturas.
 reproducibilidad de los resultados.
 desempeño del metrólogo.
 modelos matemáticos
 etc..
 identificación
Organizar las fuentes analizando relaciones causa efecto
en el aspecto de incertidumbre.

Identificar posibles interacciones y relaciones entre

diversas fuentes.
X1 Diagrama de
Za árbol
X2
Zc Y
X3
Zb
X4

X5
 cuantificación
cuantificar la variabilidad de cada magnitud de influencia

Método de Evaluación …

Tipo A Tipo B

Mediciones repetidas Otras fuentes de información

• Repetibilidad • Certificados de calibración

• Reproducibilidad • Manuales de instrumentos
• Regresión lineal • Mediciones anteriores
Valores obtenidos •Adopción
Condiciones ambientales
de valores
durante el proceso de •“externos”
etc al proceso de
medición. medición.
 evaluación tipo A
Ejemplo repetibilidad:
s
Desviación típica experimental de la media uA (x ) =
n

1 n
⋅ ∑ (qi − q )
2
s( qk ) = Incertidumbre típica
n − 1 i =1

n número de lecturas
qi valor de la medición i
q promedio (media) de las n lecturas
s desviación típica experimental − u A (x) + u A (x )
Distribución normal
Ejemplo: Calibración de un medidor de flujo
Mediciones repetidas evaluación tipo A

Dispersión de las medias mn de un número n de mediciones

183,4 i KF / P/kg
n=2 n=3 n=4 n=5 n = 10 1 183,3
183,2
2 182,7
3 182,4
183,0
4 182,6
5 182,2
182,8
6 182,1
7 183,3
182,6
... ...
20 182,1
182,4
Media m 182,51
182,2
Desv. est. s 0,37
182,0
0 22 44 66 88 110

 Sacar muestras pequeñas

del conjunto de las 20
mediciones
Ejemplo: Calibración de un medidor de flujo
evaluación tipo A

Dispersión de la desviación típica experimental sn obtenida por un

número n de mediciones Puntos:

0,8 Incertidumbre
estimada

0,6
n=2 n=3 n=4 n=5 n = 10
u A = sn =
∑ ( x − x j )2
n ⋅ (n − 1)

0,4
Lineas:
Incertidumbre
0,2 “teórica” (esperada)
σ
u A,teórico =
0
n
0 22 44 66 88 110
 evaluación tipo B
Ejemplo 1:
Certificado de calibración
Distribución normal
-u(xi ) +u(xi )
Ejemplo 2:
¿Udc? ¿Udc? ¿Udc?
Resolución de un instrumento
Distribución rectangular

87 88 89
87,5 88,5
088 °F
a- a+
 evaluación tipo B

Representar las incertidumbres como “incertidumbres típica”,

o sea en términos de la desviación típica de su distribución.

Suponiendo la .. con la incertidumbre ... la incertidumbre

distribución ... expresada como ... típica u(xi ) es:

Distribución normal U
Certificado de calibración k
-U +U
Da
Distribución ∆a a+ − a−
rectangular =
a- a+ 12 12

Distribución ∆a
triangular 24
a- a+
 valor del mensurando

Determinar el mejor estimado del valor del

mensurando.

y = f ( x1 , x2 , K , xn )

xi mejor estimado de la magnitud de entrada Xi

 incertidumbre típica
Ley de propagación de incertidumbres
(en el caso de incertidumbres no-correlacionadas)

2
 ∂Y 
uc ( y ) = [
∑ i i
c ⋅ u ( x )] 2
= ∑  ⋅ u ( x )
i 
i i ∂
 iX 

uc (y ) Incertidumbre típica del mensurando Y.

Incertidumbre típica de la magnitud de entrada

u( xi )
(o influencia) Xi.

∂Y Coeficiente de sensibilidad de la magnitud de

ci =
∂X i entrada (o influencia) Xi.

∂Y
c i ⋅ u( x i ) = ⋅ u( x i ) Contribución de la incertidumbre de Xi a la
∂X i incertidumbre combinada del mensurando Y.
 incertidumbre típica
Ley de propagación de incertidumbres
(en el caso de incertidumbres correlacionadas)

N N
uc ( y ) = ∑ [ci ⋅ u( xi )] + ∑ [ci ⋅ c j ⋅ u( xi ) ⋅ u( x j ) ⋅ r( xi ; x j )]
2
i =1 i ; j =1
i≠ j

uc (y ) Incertidumbre típica del mensurando, Y.

u( x i , j ) Incertidumbre típica de la magnitud de entrada

(o influencia), Xi,j.
∂Y Coeficiente de sensibilidad de la magnitud de
ci , j =
∂X i entrada (o influencia), Xi,j.

r ( xi ; x j ) Coeficiente de la correlación entre las magnitudes

de entrada, Xi y Xj
 incertidumbre típica
Mensurando,Y
p. ej. longitud de un bloque patrón.
Y = f(Xi )
Coeficiente de sensibilidad:
+ ui(y) ∆Y
- ui(y) ∆Xi ∂Y ∆Y
ci = ≈
∂X i ∆X i
-u(xi ) + u(xi )

Magnitud de influencia, Xi
p. ej. temperatura ambiental.

Contribución a la
incertidumbre de Y ui ( y ) = ci ⋅ u ( xi )
 incertidumbre expandida

Teorema del Límite Central:

La distribución del mensurando Y es (aproximadamente) normal,
si las contribuciones Xi son independientes (no correlacionadas)
y la varianza s2(Y) es mucho más grande que cualquier componente
individual ci2·s2(Xi) cuya distribución no sea normal.

Incertidumbre
Expandida: U = k ⋅ uc

k 1 2 3

nivel de
cobertura 68,3% 95,4% 99,7%
-3uc -2uc -uc +uc +2uc +3uc
 teorema del límite central
IDENTIFICACIÓN

ORGANIZACIÓN

CUANTIFICACIÓN

REDUCCIÓN
“+” =
COMBINACIÓN

INFORME

“+” “+” ≈
TLC 
“+” “+” ≈
TLC 
“+” “+” =
 informe

Resultado de la medición: Y mensurando.

Y = y ± U con k = ? y mejor estimado del mensurando.
U incertidumbre expandida.

V = (1.998 5 ± 0.002 6) L (k = 2)

V = 1.998 5 L ± 2.6 mL (k = 2)

V = 1.998 5 L , U = 2.6 mL (k = 2)

V = 1.998 5 L, U = 0.13 % (k = 2)

V = 1.998 5 (0.0026) L (k = 2)
 INFORME
IDENTIFICACIÓN
y
ORGANIZACIÓN Si la
CUANTIFICACIÓN distribución
REDUCCIÓN es normal
COMBINACIÓN

INFORME

uc

Incertidumbre expandida: 95,45% (p)

U = 2 uc
U = k uc
k es un número que corresponde al valor de p elegido por el proveedor de
la medición, usualmente p = 95% y entonces k ≈ 2.
INFORME
IDENTIFICACIÓN

ORGANIZACIÓN

CUANTIFICACIÓN

REDUCCIÓN

COMBINACIÓN
Y En la práctica y
sólo parece
INFORME
normal:
Si la
distribución
es normal

s uc
95,45% 95% aproximadamente
±2s ±t95,5(n) uc
 INFORME
IDENTIFICACIÓN

ORGANIZACIÓN

CUANTIFICACIÓN
y
REDUCCIÓN

COMBINACIÓN

INFORME

Incertidumbre expandida:

U = t95,5(νef) uc uc

95% (p)
p es un número elegido por el proveedor de la medición
usualmente como 95% aproximadamente U = t95,5 (vef) uc

ν 1 2 3 4 5 6 7 8 9 10 20 50 100 ∞

tp(vef) 13,97 4,53 3,31 2,87 2,65 2,52 2,43 2,37 2,32 2,28 2,13 2,05 2,025 2,000
 INFORME
IDENTIFICACIÓN

ORGANIZACIÓN

CUANTIFICACIÓN
¿Grados de libertad: vef ?
REDUCCIÓN
Medida de la confiabilidad de la estimación de la incertidumbre
COMBINACIÓN v grande ----- U muy confiable
INFORME v pequeña ----- U poco confiable

suma sobre todas las fuentes

 ui ( y ) 
4
ui(y) contribución de la fuente i
 
N  u (y) 
1  c 
ν ef
= ∑i =1 νi
uc(y) incertidumbre estándar combinada

Grados de libertad de la fuente i

(ver siguiente página)
 grados de libertad

−2
250 1 u 2 ( xi ) 1  ∆u( x i ) 
νi ≈ ≈  
ν 2 σ 2 [u( x i )] 2  u( x i ) 
200

150 ver: JCGM 100, G.4.2

100
∆u(xi)/u(xi) ν
50
0.05 200
0.1 50
0
0 0.1 0.2 0.3 0.4 0.5 0.15 22
∆ u (x i )/u (x i )
0.2 12
0.25 8
0.3 5
 grados de libertad
Variable X : Distribución normal, con media µ y desviación típica s

x media de n repeticiones
s(x ) desviación típica experimental de la media

x −µ
s n
sigue una
distribución
t de Student con
ν = n -1 grados de
libertad
 Resumen: los pasos de la GUM
Modelo Estimaciones x Incertidumbre Grados de libertad Probabilidad de
Y=f(X) para cada X típica u(x) υ(x) cobertura p

Derivadas parciales
δY/δδX

Coeficientes de sensibilidad
δY/δδX, evaluado en x

Incertidumbre típica
combinada u(y)

Evaluación del Grados efectivos de libertad υef

modelo y=f(x)
Factor de cobertura tp(υef) ó kp

Incertidumbre expandida
U(y)
CENAM división flujo y volumen