Estimación de La Incertidumbre, Diplomado General de Metrología, Rev 2012

ESTIMACIN DE LA INCERTIDUMBRE DE MEDIDA
Estimacin de la incertidumbre de medida

Objetivos:
1. Conocer los conceptos bsicos relacionados con la estimacin de las incertidumbres.
2. Definir los tipos de incertidumbre ms comunes.
3. Identificar los conceptos de grados efectivos de libertad, nivel de confianza, factor de
cobertura.
4. Conocer la forma en que se expresan los resultados de medicin con la asociacin de
las incertidumbres estimadas.
5. Comprender la importancia de la estimacin de las incertidumbres.
Temario:
1. Incertidumbre de medida.
a. Qu es la incertidumbre de medida?
b. La importancia de la incertidumbre de medida.
c. Estadstica bsica de un conjunto de nmeros.
d. Tipos de errores.
e. Cmo calcular la incertidumbre de medida (de acuerdo a la GUM)?
f. Expresin de resultados.
2. Tipos de incertidumbres de medicin.
a. Incertidumbre de calibracin del patrn.
b. Incertidumbre del modelo de medicin.
c. Incertidumbre debido a la deriva.
d. Incertidumbre por estabilidad del cero.
e. Incertidumbre por resolucin.
f. Incertidumbre por repetibilidad.
g. Incertidumbre del mtodo.
h. Grados efectivos de libertad.
i. Nivel de confianza.
j. Factor de cobertura.

Parte 1. INCERTIDUMBRE DE MEDIDA
Introduccin.
La ms completa referencia internacional sobre incertidumbre de medida es la Gua para la
evaluacin y expresin de la incertidumbre de medida 1, elaborada por el Bureau Internacional
des Poids et Measures (BIPM), la International Electrotechnical Commission ( IEC) y la
International Organization for Standarization (ISO), editada por esta ltima y patrocinada por el
BIPM, IEC, International Federation of Clinical Chemistry ( IFCC), ISO, International Union of Pure
and Applied Physics (IUPAP), International Organization of Legal Metrology (OIML).
A partir de la publicacin de la Gua en 1993, se editaron otros documentos sobre el tema,
dirigidos especficamente a las actividades de calibracin y verificacin2de instrumentos de
medicin, entre los que se puede mencionar:
Lineamientos para evaluar y expresar la incertidumbre de los resultados de
las mediciones en el NIST, Milwaukee, 1993.
Gua para considerar la incertidumbre de medida en la Metrologa Legal,
Pars, 1996.
Expresin de la incertidumbre de la medicin en calibracin, referencia EALR2, Blgica, por la Cooperacin Europea de Laboratorios Acreditados, 1997.
Incertidumbre y confiabilidad en las mediciones, NAMAS, Londres, 1997.
Los trminos estadsticos que han sido empleados en las referencias mencionadas se definen
en la norma ISO 3534-1: Estadstica. Vocabulario y Smbolos. Parte I. Trminos Generales de
Estadstica y probabilidades, editada por la ISO en Suiza en 1993.
El concepto Capacidad de medicin y calibracin empleado para conocer la incertidumbre
mnima de calibracin de un laboratorio metrolgico acreditado o en proceso de acreditacin
(Artculo 3, 1), ha encontrado un amplio uso en los ltimos aos debido al desarrollo alcanzado
por el proceso cada vez ms acelerado de la acreditacin de los laboratorios de calibracin. El
trmino se utiliza en recientes referencias, de conformidad con la definicin dada en la
recomendacin No. 2 de la European Acredited Laboratories (EALR-2) y asumida por la norma
internacional ISO 170252.
En la evaluacin de la incertidumbre se utilizan conceptos de Probabilidad, Estadstica y
Metrologa por lo que se considera importante repasar de manera rpida algunos de los
1En Mxico la Gua para expresin de la incertidumbre en las mediciones es la norma NMX-CH-140-IMNC
2
Verificacin: Confirmacin mediante la aportacin de evidencia objetiva de que se han cumplido los
b.
requisitos especificados.El trmino verificado se utiliza para designar el estado correspondiente.

La confirmacin puede comprender acciones tales como:
La elaboracin de clculos alternativos;
La comparacin de una especificacin de un diseo nuevo con una especificacin de un diseo similar
probado;
La realizacin de ensayos y demostraciones; y
La revisin de los documentos antes de su liberacin.

conceptos fundamentales de las dos primeras materias para el mejor desarrollo y comprensin
del tema que nos interesa, el clculo de la incertidumbre de las mediciones.
a. Qu es la incertidumbre de medida?
Cuando se reporta el resultado de una medicin de una cantidad fsica (magnitud) es obligatorio
dar un valor cuantitativo de la calidad de dicho resultado. Sin este valor, no es posible realizar
una comparacin entre stas y/o el valor de referencia, por lo que se hace necesario
implementar y entender un procedimiento para caracterizar la calidad de del resultado de
medicin. El concepto de incertidumbre es un atributo cuantificable y relativamente nuevo en las
mediciones anlisis de error o la teora de errores, haba sido practicado en la ciencia de la
metrologa hasta hace algunos aos).
Hoy da se sabe que, an y cuando se hayan calculado todas las componentes que intervienen
en el error y se hayan realizado las correcciones apropiadas, la incertidumbre del resultado de
medicin existe; sin embargo, al mismo tiempo permite saber qu tan bien representa el
resultado medido al valor verdadero de la cantidad que se requiere medir.
As como el Sistema Internacional de Unidades (SI) es mundialmente reconocido y utilizado de
manera coherente en todas las prcticas cientficas y tecnolgicas, la aplicacin de la
evaluacin y expresin de la incertidumbre en las mediciones permitir que sta (la
incertidumbre) - en un gran espectro de resultados de mediciones -, sea comprendida,
interpretada y utilizada apropiadamente en la ciencia, la ingeniera, la industria y el comercio.
En esta poca de la globalizacin del mercado es de suma importancia que el mtodo de
evaluacin y expresin de la incertidumbre sea uniforme a nivel mundial, aunque las
mediciones se lleven a cabo en diferentes pases, para que puedan, adems, ser comparadas
fcilmente.
Incertidumbre (de medida) (NMX-Z-055-IMNC-2009): Parmetro no negativo que caracteriza la
dispersin de los valores atribuidos a un mensurando, a partir de la informacin que se utiliza.
Nota 1: La incertidumbre de media incluye componentes procedentes de efectos sistemticos, tales
como componentes asociados a correcciones y a valores asignados a patrones, as como la
incertidumbre debida a la definicin. Algunas veces no se corrigen los efectos sistemticos
estimados y en su lugar se tratan como componentes de incertidumbre.
Nota 2: El parmetro puede ser, por ejemplo, una desviacin tpica, en cuyo caso se denomina
incertidumbre tpica de medida (o un mltiplo de ella), o una semiamplitud conuna probabilidad
de cobertura determinada.
Nota 3: En general, la incertidumbre de medida incluye numerosas componentes. Algunas pueden
calcularse mediante una evaluacin tipo A de la incertidumbre de medida, a partir de la
distribucin estadstica de los valores que proceden de las series de mediciones y pueden
caracterizarse por desviaciones tpicas. Las otras componentes, que pueden calcularse
mediante una evaluacin tipo B de la incertidumbre de medida, pueden caracterizarse tambin
por desviaciones tpicas, evaluadas a partir de funciones de densidad de probabilidad basadas
en la experiencia u otra informacin.
Nota 4: En general, para una informacin dada, se sobrentiende que la incertidumbre de media est
asociada a un valor determinado atribuido al mensurando. Por tanto, una modificacin de este
valor supone una modificacin de la incertidumbre asociada.

El mtodo ideal para evaluar y expresar la incertidumbre debe cumplir las siguientes
condiciones:
a. Universal, es decir, que sea aplicable a todo tipo de mediciones y a cualquier clase de
datos tomados en las mediciones.
b. Consistente, esto es, que se pueda derivar directamente a partir de las componentes
que la contienen, que sea independiente de cmo se agruparon estas componentes y de
la descomposicin en subcomponentes.
c. Transferible, lo que significa, que se pueda utilizar directamente el valor de la
incertidumbre estimada para un resultado. Como por ejemplo, la evaluacin de una
componente en la valoracin de la incertidumbre de otra medicin, en la cual se utiliza
como primer resultado.
As, el mtodo para la evaluacin y expresin de la incertidumbre en las mediciones deber ser
capaz de proporcionar rpidamente un intervalo de valores, en particular con una cierta
probabilidad de cobertura o nivel de confianza, que corresponda de manera realista con lo
requerido.
La palabra incertidumbre por s sola significa duda, entonces el trmino incertidumbre de
medida significa duda de la validez del resultado de la medicin. Debido al doble significado de
dicha palabra, en este curso cuando se refiera a la palabra incertidumbre se pensar en el
concepto de cuantificacin (parmetro) de la dispersin de los posibles valores
atribuidos al mensurando. El parmetro puede ser, por ejemplo, la desviacin estndar o la
mitad de un intervalo de valores con un nivel de confianza establecido.
La incertidumbre de medida est formada por varias componentes (contribuciones a la
incertidumbre de medida, muchas veces llamadas fuentes de incertidumbre), de las cuales
algunas se pueden evaluar mediante el anlisis estadstico de los resultados de las mediciones
directamente, mientras que otras se pueden estimar por evaluaciones previas, con cierta
probabilidad, por caracterizaciones o por la experiencia en el mtodo de medicin.
La definicin de la incertidumbre de medida, se enfoca al resultado de la medicin. Sin
embargo, sta se puede interpretar ya sea como una medida del posible error en el valor
estimado del mensurando ofrecido por el resultado de medicin o como la estimacin que
caracteriza el intervalo de valores dentro de los cuales se encuentra el valor verdadero del
mensurando.
En general, como ya se ha visto, una medicin siempre tiene imperfecciones en su proceso las
que dan origen a los errores en el resultado de la medicin. Dichos errores se clasifican
bsicamente en dos categoras, tipo o clases:
la aleatoria (tipo A), que tienen que ver con las variaciones impredecibles o
estocsticas, espaciales y temporales, que tienen su efecto en las observaciones
repetidas; y
el error de tipo sistemtico (tipo B), que est relacionado con un error cuantificado
previamente y que puede relacionarse en forma directa con el factor de correccin.

Los trminos error e incertidumbre deben distinguirse correctamente y utilizarse de manera
apropiada.
La figura 1 da un enfoque grfico de la situacin. Es decir, como los errores no son
cuantificables en su totalidad poseen un cierto desconocimiento. Por lo que, finalmente, la
determinacin del valor verdadero posee un desconocimiento que hereda de los errores.
Figura 1: Enfoque grfico de error e incertidumbre

Con frecuencia, los instrumentos y sistemas de medicin son ajustados y calibrados utilizando
patrones o materiales de referencia para disminuir al mximo los errores sistemticos. Sin
embargo, la incertidumbre asociada a dichos patrones y materiales se debe tomar en cuenta
cuando se estima la incertidumbre de medida del mensurando.
b. Importancia de la incertidumbre de medida

Sabemos que la incertidumbre de medida nos dice algo acerca de la calidad de la medicin,
tambin ya hemos dicho que la incertidumbre de medida es la duda que existe a cerca del
resultado de una medicin.
Debido a que siempre hay un margen de duda en cualquier medicin, debemos de saber:
Qu tan grande es ese margen?
Qu tanta duda tengo en la medicin?
Por eso es que son necesarios dos parmetros para cuantificar la incertidumbre, que son:
El ancho del margen o duda; por ejemplo: 5 L
El nivel de confianza con que est declarado, por ejemplo: k=2, para un 95.45%
La estimacin de la incertidumbre reviste vital importancia en procesos tales como:
Decisin de cumplimiento de algn producto, pieza o medicin con las respectivas
especificaciones,
Decisin de cumplimiento con especificaciones tcnicas de los equipos de medicin,
Definicin de uso de un determinado instrumento de medicin en un proceso de
medicin definido, etc.
Figura 2. Uso de la incertidumbre

Podemos decir que la incertidumbre es el desconocimiento que tenemos en los resultados que
obtenemos en las mediciones. Por tal motivo es ese valor de incertidumbre lo tenemos que
tener presente a la hora de analizar el resultado de las mediciones y sus implicaciones.
Veamos el siguiente ejemplo:
Ejemplo 1: Sea una pesa de acero inoxidable que es rutinariamente utilizada en el proceso para
determinar el balanceo de un rotor de pruebas.
Las especificaciones de la masa son las siguientes:
Masa nominal: 200 g
Material: acero inoxidable
El criterio de aceptacin para que la pesa pueda ser utilizada en la calibracin del rotor es:
Ca= 0.1 g = 100 mg
La pesa se ha calibrado en dos aos consecutivos. Del certificado de calibracin obtenemos los
siguientes datos:
Valor calibrado de la masa de la pesa en el ao 2009: 199.91 g; error de medida: -0.09 g

= -90 mg
Valor calibrado de la masa de la pesa en el ao 2010: 200.06 g; error de medida: 0.06 g
= 60 mg
Incertidumbre de calibracin: 0.03 g= 30 mg, en los dos aos
Si observamos los datos framente, al revisar el cumplimiento de la pesa solo analizando los
errores obtenidos en las dos calibraciones, podemos decir que la pesa cumple:
Ao 2009; error -0.09 g < criterio de aceptacin - 0.1 g

Ao 2010; error 0.06 g < criterio de aceptacin + 0.1 g
Sin embargo, al adicionarle la incertidumbre se obtiene que para el ao 2009 la pesa no cumple
con las especificaciones.
Graficando todo esto tenemos:
Figura. 3. Grfico de errores con sus incertidumbres asociadas, producto de la

calibracin de una pesa.
De la figura 3 se puede apreciar en lneas color rojo los lmites inferiores y superiores de la
especificacin. Sealados con un rombo color azul con barras errores (incertidumbres)
simtricas encontramos a los errores de la pesa en los aos 2009 y 2010.
Ntese que considerando solo los errores, para ambos aos la pesa cumple. Ahora bien al
asociarle a cada uno de ellos las incertidumbres de calibracin, para la calibracin efectuada en
el ao 2009, hay un margen de duda (enmarcado con el valo color rojo) de que la pesa est
fuera de especificacin.
c. Estadstica bsica de un conjunto de nmeros (valores).

Anteriormente se pensaba que la estadstica era un conjunto de datos demogrficos o
econmicos de importancia para el gobierno. Quiz ese fue el comienzo de esta herramienta,
que con el paso del tiempo se ha ido convirtiendo en un mtodo de anlisis de datos utilizado
en casi todas las ciencias para poder obtener conclusiones.
Hoy en da se conoce a la estadstica como el arte de tomar decisiones acerca de un evento en
base a un anlisis de la informacin contenida en una muestra tomada de una poblacin del
espacio muestral de dicho evento. Los mtodos estadsticos desempean un papel fundamental
en el aseguramiento de la calidad. La estadstica es el lenguaje que se emplea en la ingeniera
de desarrollo, en la manufactura, en las compras, en la administracin de los negocios y en la
ciencia. Para la metrologa es de suma importancia, ya que en sta se fundamenta el clculo de
la incertidumbre en las mediciones.
Se cuenta con tres tipos de estadstica, a saber:

a. Estadstica Descriptiva: Es aquella que mediante grficas o arreglos de datos se
pueden relacionar los resultados y los datos numricos.
Ejemplo 2. Para saber si un producto ha tenido buena aceptacin en el mercado, con una
grfica de barras de las ventas de dicho producto por mes o una grfica lineal es suficiente.
b. Estadstica inferencial: Conjunto de tcnicas mediante las cuales se toman decisiones
sobre un evento basadas en los resultados de una muestra de la poblacin. Debido a
que las decisiones se toman en un ambiente incierto, se hace necesario utilizar la
probabilidad.
Ejemplo 3. Una empresa est por ofrecer al pblico su nuevo producto elctrico y desea
comunicarle el tiempo de vida. Toman una muestra de un lote y la someten al experimento de
encendido y apagado hasta que falla. En base a los resultados de la muestra se infiere la vida
til del producto, calculada a travs de la probabilidad de tiempo de vida del nuevo producto y
se coloca en la etiqueta de ste.
c. Estadstica clsica: Es el anlisis de datos muestreados con el propsito de hacer
inferencias excluyendo todo tipo de juicio y opinin personal.
Ejemplo 4. Mediante este enfoque se puede determinar el nivel incierto de ventas de un nuevo
producto basado solamente en los estudios de mercado, los cuales fueron llevados a cabo en
un conjunto de lugares seleccionados de acuerdo con el muestreo cientfico.
c.1 Medidas de tendencia central.
Media.
a. Media aritmtica muestral: Supngase que se tiene una muestra de n observaciones
designadas por {x1, x2, x3, ..., xn}, entonces la media aritmtica se determina por:
n
i 1
n
b. Media aritmtica poblacional: Sea una poblacin de N elementos u observaciones,
entonces la media aritmtica poblacional se puede calcular mediante:
N
x
i 1
c. Media para una distribucin de probabilidad: Al igual que las observaciones (grupo
de datos), en las distribuciones tambin se calcula la media y la desviacin estndar.
x i p X ( xi )
, para una variable discreta.

x
xf X ( x)dx
x
c.2
para una variable continua.
Medidas de dispersin.
a. Varianza muestral: Una de las medidas de dispersin ms importante es la varianza.

Sea {x1, x2, x3, ....., xn}, una muestra de n observaciones, entonces la varianza de dichos datos u
observaciones se puede determinar por:
n
s2
(x
i 1
x) 2
n 1
La varianza muestra la variabilidad de los datos. Si no hubiera variabilidad, entonces
xi x y s 2 0
b. Varianza poblacional: Al igual que hay variabilidad en una muestra, la hay tambin en
una poblacin, por lo que la varianza poblacional se puede determinar por:
N
(x
i 1
)2
Ejemplo 5. En una empresa se fabrican anillos forjados para los pistones que usan los motores
de automvil. Se requiere saber cul es la variabilidad del dimetro interior de dichos anillos. Se
toma una muestra de 25 piezas de un lote de produccin, se miden los dimetros con el
instrumento adecuado resultando los siguientes datos:
No. de pieza
1
2
3
4
5
6
7
8
9
10
11
12
13
Dimetro medido
(mm)
74,03
74,00
73,99
74,00
73,99
74,01
74,00
73,99
74,01
74,00
73,99
74,00
74,00
No. de pieza
14
15
16
17
18
19
20
21
22
23
24
25
Dimetro medido
(mm)
73,99
74,02
74,00
74,01
73,99
74,01
74,00
74,00
74,00
74,00
74,00
74,02
Tabla 1: Mediciones del dimetro interior de anillos forjados
Figura 4: Histograma de los datos del dimetro medido a los anillos

Obteniendo la media aritmtica y la varianza se tiene:
x 74,002 m
s 2 0,00012 mm2
Figura 5. Grfica de los datos con su valor promedio.

De una grfica como la que se muestra en la figura 5 se puede ver fcilmente la variabilidad de
los datos al compararlos con el valor promedio de los mismos.
Debido a que las unidades de la varianza son el cuadrado de la unidad en se reportan los datos
de la medicin se hace difcil su manejo, por lo que se utiliza la desviacin estndar, cuya
unidad es la misma que la de los datos.
10

c. Desviacin estndar muestral y poblacional.
La desviacin estndar es la raz cuadrada de la varianza y se utiliza con el objetivo de facilitar
la interpretacin de la tendencia central de los datos.
La desviacin estndar muestral se determina por:
n
(x
i 1
x) 2
n 1
Mientras que la desviacin estndar poblacional se tiene:

N
(x
i 1
)2
Dando los resultados en las mismas unidades que los datos procesados.
Ejemplo 6. Terminando el ejemplo 5. Al calcular la desviacin estndar se tiene:
s = 0,01 mm
Ejercicio 1. Tomando los datos del ejemplo 5 de la seccin de probabilidad, calcular:
a. la media,
b. la varianza poblacional, 2
c. la desviacin estndar poblacional,
Resultados:
a)
3
2
3
4
b)
c) 0,87
Errores en las mediciones. Tipos de errores

d.1.
Aspectos generales.
La medicin es la base de prcticamente toda actividad cientfica, tcnica y econmica, y puede

definirse como la asignacin de un valor numrico a un determinado aspecto del ente que
se quiera cuantificar, de acuerdo con determinadas reglas previamente establecidas. Para
referirse al ente se utiliza el trmino mensurando. La norma NMX-Z-55-IMNC define a la
medicin (medida) como el proceso que consiste en obtener experimentalmente uno o
varios valores que pueden atribuirse razonablemente a una magnitud.
11

En la Metrologa las mediciones fundamentales son las que se realizan durante la calibracin de
los instrumentos de medicin.
Al concebir la medicin, tambin es necesario especificar el mtodoy el procedimiento de
medida que debe emplearse.
El mtodo de medida es la descripcin genrica de la secuencia lgica de operaciones
utilizadas en una medicin. Estas operaciones generales estn basadas en un principio fsico
de medicin (entre otros, efecto termoelctrico y efecto Doppler), la cual tiene que ser
respetada durante la realizacin de las mediciones. Entre los mtodos de medicin que ms se
utilizan en la calibracin de instrumentos se encuentran: el mtodo de medicin de comparacin
directa, el mtodo de sustitucin, el mtodo diferencial y el mtodo de transposicin. Por
ejemplo, la aplicacin del mtodo de sustitucin en la calibracin de termmetros clnicos es
diferente al de la aplicacin del mismo mtodo en la calibracin de medidas de resistencia.
El procedimiento de medida es la descripcin detallada de una medicin conforme a uno o
ms principios de medida y a un mtodo de medida dado, basado en un modelo de medida y
que incluye los clculos necesarios para obtener el resultado de medida.
El valor de una magnitud que es compatible con la definicin de la magnitud, o sea la cantidad
de magnitud que se pretende determinar a travs de una medicin se denomina, valor
verdadero de la magnitud. Como la medicin lleva implcita una imperfeccin asociada a
diversos factores, se puede afirmar que el valor verdadero de una magnitud es una cantidad
indeterminable.
El valor verdadero de una magnitud es, por lo tanto, un concepto ideal que slo podra ser el
resultado de una medicin perfecta o ideal. Para fines prcticos, en lugar del valor verdadero se
utiliza el valor convencional de una magnitud, que es el valor asignado a una magnitud,
mediante un acuerdo, para un determinado propsito. Por ejemplo, el valor asignado a la
magnitud representada por un patrn de referencia.
El conjunto de valores de una magnitud atribuidos a un mensurando, acompaados de
cualquier otra informacin relevante disponible es lo que conocemos como resultadode
medida. Este conjunto de valores es solamente una aproximacin o estimado del valor nominal
de un mensurado.
Al resultado de la medicin siempre va a estar asociada una variabilidad, o sea, un intervalo de
valores asignables a la magnitud medida que se debe, entre otras, a las imperfecciones en la
definicin del mensurado, al procedimiento de medicin y a todos los factores influyentes que
intervienen en la medicin.
Por lo tanto, se puede concluir que:
Un resultado de medicin se considera completo slo si se acompaa de una debida
estimacin de su variabilidad.
Cuando se realiza la medicin del mensurando, se maneja como resultado el promedio de
dichas mediciones. Si se compara este valor con el declarado por el fabricante se tendr una
diferencia, ya sea positiva o negativa. A este valor se le conoce como error(en algunas
12

magnitudes fsicas se utiliza el trmino desviacin) y va depender de muchas condiciones bajo
las cuales se haya realizado la medicin.
La NMX-Z-055 establece que el error de medida es la diferencia entre un valor medido de una
magnitud y un valor de referencia.
Error = Valor medido Valor de referencia
~ A
EA
Podemos expresar el error como:
E E Sis E Al
Error = (Componentes sistematicas + componentes aleatorias) Valor convencionalmente

verdadero
O sea el error est compuesto por dos componentes:

la primera est compuesta por los errores descritos y declarados por ejemplo, en los
informes de calibracin de los patrones de referencia, los errores del instrumento
utilizado en la medicin que han sido declarados por el fabricante o en los informes de
calibracin), a los que se les denomina error sistemtico.
La segunda fuente est compuesta por un tipo de error (producido por un nmero
enorme de causas aisladas), al cual se le conoce como erroraleatorio.
El error sistemtico de medida es lacomponente del error de medida que, en mediciones
repetidas, permanece constante o vara de manera predecible.Este tipo de error se debe a
causas que actan de manera bastante conocida y que pueden corregirse o, de alguna manera,
se les puede tener en cuenta con cierta precisin, porque siempre se presentan de la misma
forma en todas las mediciones individuales. Los errores sistemticos no se pueden determinar
en su totalidad, ya que tambin pueden entenderse como la diferencia entre la media de
infinitas mediciones en condiciones de repetibilidad y el valor verdadero del mensurando.
Algunos aspectos a considerar sobre el error sistemtico:
Se dice que un error es sistemtico si se mantiene constante o cambia en forma

regular en mediciones repetidas.
El error sistemtico se puede minimizar introduciendo correcciones.
Debido a que las correcciones no son perfectas se mantienen algunos errores
residuales, los cuales formaran el sesgo de la medicin.
Los error sistemticos se pueden determinar por comparacin con otro mtodo o
utilizando un instrumento de mejor exactitud.
Tpicamente los errores sistemticos son estimados por el anlisis terico de
medicin, basndose en las propiedades del mensurando y los instrumentos de
medicin.
Componente del error de medicin que en mediciones repetidas se mantiene constante o varia
de manera predecible
El error sistemtico de medicin y sus causas pueden ser conocidas o desconocidas y una
correccin puede ser aplicada para compensar un error de medicin sistemtico conocido.
13
El error sistemtico de medicin es igual al error de medicin menos el error de medicin

aleatorio.
El error aleatorio de medida es la componente del error de medida que, en mediciones
repetidas, vara de manera impredecible. Este se produce generalmente por un nmero muy
grande de causas aisladas, que actan en cada medicin individual de manera distinta. Son
imposibles de eliminar absolutamente y slo se les puede tener en cuenta en trmino medio,
para lo que es necesario conocer las leyes a las que este tipo de error se somete. Puede
definirse, adems, como el resultado de la medicin, menos la media de infinitas mediciones en
condiciones de repetibilidad.
El error aleatorio presumiblemente viene de las variaciones estocsticas (que dependen del
azar), temporales y espaciales o impredecibles de las magnitudes influyentes.
Los efectos de tales variaciones aumentan la diferencia en las observaciones repetidas del
mensurando y, como se ver ms adelante la metodologa para disminuirlo es aumentar el
nmero de mediciones. Puede citarse como ejemplo, las variaciones que introduce el
observador en cada medicin independiente.
Los errores aleatorios cambian de manera irregular y no se puede predecir su valor.

Los errores aleatorios no se pueden corregir.
El mejor estimado de un error aleatorio es cero.
La manera de visualizar los errores aleatorios se hace mediante la determinacin de
la repetibilidad.
Una buena repetibilidad es un indicativo de que los errores aleatorios son pequeos.
Debido a que slo es posible realizar un nmero finito de repeticiones, cuando se hace una
medicin es imposible determinar exactamente ambos errores.
La tabla 2 resume las principales causas de error que se comenten en un proceso de medicin.
Tipo de error
Error aleatorio
Error sistemtico
d2.
Instrumento de medicin
Medio ambiente
Juegos
Variaciones no controlables o no
Inercia
consideradas.
Fallas inesperadas
Ej.
Temperatura,
humedad,
Metrlogo
presin, gravedad, polvo, etc.
Defectos de construccin y Variacin de temperatura
desajustes
conocidos
por Deformacin mecnica
previas calibraciones
Condiciones geomtricas
Tabla 2. Clasificacin de errores
Ejemplo de algunos de los errores ms frecuentes de las mediciones.
A continuacin se describen algunos de los errores ms frecuentes en los que se incurren

durante las mediciones.
d2.1. Error de paralaje (Propio en casi todos los instrumentos analgicos)
14
Este error se ocasiona cuando se va tomar la lectura y el observador no est mirando la escala
del instrumento perpendicularmente. Esto es, que el tcnico observa la escala desde la
derecha, la izquierda, de arriba o de abajo con un cierto ngulo, a partir de la perpendicular a la
escala.
Este error puede disminuirse mirando lo ms perpendicularmente posible al plano de
observacin.
X
X
Figura 6: Errores de paralaje en diferentes instrumentos: en un micrmetro analgico, en

una medida volumtrica de vidrio, en una escala de un termmetro.
d1.2. Error de posicin.

Este error se comete cuando la colocacin del instrumento de medicin a utilizar es incorrecta.
Un ejemplo tpico es cuando se colocan de forma incorrecta (en una de las esquinas o en los
laterales) las pesas en el plato de la balanza. Otro ejemplo verse al utilizar un indicador de
cuadrante (fig. 7). En este caso la posicin correcta sera que el eje de medicin sea paralelo a
la perpendicular del plano de la pieza que se quiere medir.
15

Otro ejemplo es el caso de una pipeta graduada, el plano formado por el lquido de referencia
debe ser perpendicular al eje, ya que de esta manera se asegura que la escala de la misma y el
plano del lquido son paralelos. Cuando se trata de calibrar una balanza es necesario colocar lo
ms centradamente posible la pesa en el plato, ya que de lo contrario habr un error en el
resultado que otorga el instrumento.
Forma correcta de tomar la

lectura: tangente al menisco
Figura 7. Error de posicin al utilizar instrumentos: tipo indicadores de cartula y por

posicin del menisco en una medida volumtrica de vidrio.
d1.3. Error por mala eleccin del instrumento de medicin.

Este error se presenta cuando el instrumento de medicin se elige sin tener en cuenta aspectos
tales como:
exactitud requerida (la cual se determina por las tolerancias a manejar);
cantidad de piezas a medir;
alcance o capacidad de medicin, etc.
Por ejemplo, para medir el dimetro exterior de un producto de hierro fundido, es suficiente un
calibrador con Vernier. Sin embargo, si se va a medir un perno (dimetro) patrn, aunque tenga
el mismo dimetro nominal, ni siquiera un micrmetro para exteriores tendra la exactitud
suficiente para este tipo de aplicacin; deber usarse un equipo de mayor exactitud. En el caso
de la magnitud de temperatura, si se requiere medir la temperatura de un ser humano con un
termmetro de lquido en vidrio o digital con resolucin de 1C y alcance de medicin de 35Ca
40Ces suficiente, pero si se desea determinar la variacin de temperatura que sufre un bloque
patrn de longitud durante su calibracin, ser necesario utilizar un termmetro de mayor
exactitud, tipo termopar y con resolucin de 0,01C.
Se ha recomendado que la razn de tolerancia de una pieza de trabajo a la resolucin de un
instrumento sea de 10 a 1 para un caso ideal y de 5 a 1 en el peor de los casos. De otra forma,
la tolerancia se combina con el error de medicin y as un elemento bueno puede
diagnosticarse como defectuoso y viceversa.
Cuando la razn antes mencionada no sea satisfactoria, se requiere repetir las mediciones para
asegurar confiabilidad de las mismas.
16
d1.5. Error por usar instrumentos no calibrados.

Instrumentos no calibrados o cuya fecha de calibracin est vencida, as como instrumentos
sobre los que se sospecha alguna anormalidad en su funcionamiento, no deben ser utilizados
para realizar mediciones, sino hasta que stos sean calibrados y autorizados para su uso.
Para efectuar mediciones de gran exactitud, es necesario corregir las lecturas obtenidas con un
instrumento o equipo de medicin en funcin del error instrumental determinado mediante la
calibracin, como es el caso de los bloques patrn.
d1.6. Errores por el instrumento o equipo de medicin.

Los casos que provocan errores atribuibles al instrumento pueden deberse a defectos de
fabricacin (dado que es imposible construir instrumentos perfectos). Estos defectos pueden ser
deformaciones, falta de linealidad, imperfecciones mecnicas, falta de paralelismo, etc.
Los instrumentos de medicin llegan a las manos del usuario con un cierto error; al usarse el
instrumento debe corregirse la lectura obtenida durante la medicin realizada mediante un
factor de correccin que proporciona, muchas veces, el mismo fabricante o con el factor de
correccin que podemos encontrar en los informes o certificados de calibracin. El factor se
logra a travs de ensayos y ste debe ser usado por el operario en cada una de sus
mediciones.
d1.7. Error por condiciones ambientales.
Estos errores se generan por las diferencias entre la definicin del mensurando y ambiente, as
como un producto de las fluctuaciones del mismo. As, tenemos:
La variacin de la humedad relativa, que pudiera producir condensaciones en

determinadas regiones espaciales del recorrido ptico de un instrumento, puede
provocar aberraciones que deformen la imagen (ejemplo, en proyectores) u otros errores
por ejemplo en calibracin de pesas finas y de alta exactitud, mediciones de densidad,
etc.
La diferencia de temperatura espacial entre el patrn y la pieza a calibrar, que producto
de la ley de dilatacin genera una diferencia de longitudes, as como las variaciones
temporales de temperatura que producen elongaciones o contracciones de la pieza a
medir, teniendo en cuenta que ellas implican una desviacin de la definicin del
mensurando.
No controlar el nmero ni el tamao de partculas en el aire, lo que podra generar
errores no corregibles y orden importante de exactitud (para el caso de calibracin de
pesas e instrumentos de dimensional).
Todos estos errores se pueden disminuir controlando de manera voluntaria el ambiente, tal
como limpiar perfectamente las superficies a medir, filtrar el aire que ingresa al laboratorio,
establecer flujo laminar, y controlar la temperatura y la humedad con la exactitud requerida por
las normas.
17
e. Cmo calcular la incertidumbre de medida (de acuerdo a la GUM).

Los pasos especficos para la determinacin de la incertidumbre son varios. En este apartado
se vern de forma especfica cada uno de ellos.
El procedimiento para la estimacin de la incertidumbre de medida en forma resumida es:
1. Expresar matemticamente la relacin existente entre el mensurando Y y las
magnitudes de entrada Xi de las que depende Y segn
Y =f { X 1 ; X 2 ; X 3 ; X n
2.
3.
4.
5.
6.
7.
8.
La funcin debe contener todas las magnitudes, incluyendo correcciones y factores de

correccin que pueden contribuir significativamente a la incertidumbre del resultado de la
medicin.
Determinar xi valor estimado de la magnitud de entrada Xi, bien a partir del anlisis
estadstico de una serie de observaciones, bien por otros mtodos.
Evaluar la incertidumbre tpica u(xi) de cada valor estimado xi. Para una estimacin de
entrada obtenida por anlisis estadstico de series de observaciones, la incertidumbre
tpica. Para una estimacin de entrada obtenida por otros medios, la incertidumbre tpica
u(xi).
Evaluar las covarianzas asociadas a todas las estimaciones de entrada que estn
correlacionadas.
Calcular el resultado de medicin, esto es: la estimacin y del mensurando Y, a partir de
la relacin funcional f utilizando para las magnitudes de entrada Xi las estimaciones xi
obtenidas en el paso 2.
Determinar la incertidumbre tpica combinada uc(y) del resultado de medida y, a partir
de las incertidumbres tpicas y covarianzas asociadas a las estimaciones de entrada.
Si es necesario expresar una incertidumbre expandida U, cuyo propsito es proporcionar
un intervalo [y - U, y + U] en el que se espera encontrar la mayor parte de la distribucin
de valores que podran, razonablemente, ser atribuidos al mensurando Y, se multiplicar
la incertidumbre tpica combinada uc(y) por un factor de cobertura k, normalmente
comprendido entre los valores 2 y 3, para obtener U = kuc(y), para este caso se debe
seleccionar k considerando el nivel de confianza requerido para el intervalo
Documentar el resultado de medida y, junto con su incertidumbre tpica combinada
uc(y), o su incertidumbre expandida U, describir cmo han sido obtenidos los valores de
y y de uc(y) o U,
La evaluacin de la incertidumbre de medida se considera que est comprendida por la

incertidumbre tipos A y B. El objetivo principal de la clasificacin es bsicamente para indicar el
mtodo de evaluar los dos tipos de incertidumbre y por simplicidad.
Ambas clases de incertidumbre basan su evaluacin en distribuciones de probabilidad, slo que
en la incertidumbre de tipo A se tienen directamente los resultados de medicin, mientras que
en la de tipo B se dispone de distribuciones de probabilidad previamente establecidas, ya sea
por otros laboratorios o por el fabricante, y dichos valores estn dados como varianzas o
desviaciones estndar.
18

La varianza estimada s22 caracteriza a la componente de la incertidumbre obtenida a travs de
2
una evaluacin de tipo A y queda representada por u A de una serie de observaciones
repetidas.
La desviacin estndar es la raz cuadrada de la varianza, por lo que u=s y es por esta razn
que se le conoce como desviacin estndar de tipo A.
La evaluacin de la desviacin estndar de la incertidumbre de tipo B, tambin es una varianza
u B2 o desviacin estndar y es el resultado de utilizar informacin disponible, como por ejemplo,

especificaciones del fabricante, datos provenientes de certificados de calibracin, conocimiento
del comportamiento y propiedades del instrumento, patrones o materiales de referencia,
etctera.
Se puede decir entonces que, la incertidumbre de tipo A, u A se obtiene a partir de funciones de
distribucin de probabilidad, mientras que la incertidumbre de tipo B; u B se obtiene a partir de
informacin disponible, por lo que tambin es conocida como incertidumbre subjetiva.
La incertidumbre de medida es el resultado de una combinacin de las incertidumbres tipos A y
B y se denota por c . La incertidumbre total o expandida es un intervalo de valores, que resulta

de multiplicar la incertidumbre combinada por un factor de cobertura k con un cierto nivel de
confianza y se le denota con la letra U.
e1.
Mtodo de evaluacin de la incertidumbre de medida.
Para calcular la incertidumbre de medida se siguen los pasos que a continuacin se describen.
I.
Modelo de medicin.
Lo primero que se debe hacer para estimar la incertidumbre de un resultado de medicin es

modelar matemticamente el procedimiento de medicin; ello equivale a especificar el
mensurado. En la mayora de los procesos de calibracin, el mensurado Y (magnitud de salida)
no se puede medir directamente, pero s puede determinarse a partir de los valores medidos o
determinados de otras magnitudes X1, X2,... , Xn (magnitudes de entrada), con las cuales se
relaciona a travs de la funcin f:
Y f ( X 1 , X 2 ,...., X n )
Modelar el procedimiento de medicin significa determinar la relacin funcional f entre las

magnitudes de salida y entrada.
Segn la gua ISO/BIPM para la evaluacin de incertidumbre, la estimacin de la incertidumbre
se realiza mediante la ecuacin:
n
U ( y )=
2
c
i=1
f 2 2
u (x i)
xi
( )
Donde:
19

f
. xi
Factores de sensibilidad o derivadas parciales del modelo.
u(xi).- Son las incertidumbre estndar individuales asociadas a cada uno de los factores de
influencia.
Ejemplo 7: La resistencia, reactancia e impedancia de un circuito electrnico. Respectivamente,
el modelo matemtico es:
R, X , Z f (V , I , )
V
V
V
cos ,
sen ,
I
I
I ,
En este caso, las variables de influencia son:
la diferencia de potencial (V) en las terminales del circuito;

la corriente (I) que pasa por ste, y
la el ngulo () de corriente de fase de la diferencia de potencial y la corriente.
En lo referente a calibraciones, obsrvese que una calibracin no es ms que una medicin;

generalmente lo que se hace es una comparacin del mensurando con un patrn, ya sea por
mtodo directo, de sustitucin, de transposicin u otro cualquiera. De donde el modelo
matemtico se puede generalizar mediante:
M Y Etot
Donde:
M
Y
Etot
es el mensurando,
es la estimacin del mensurando, y
son todos los errores o variaciones del mensurando M, como funcin de las diferentes
magnitudes de las cuales dependan.
Una vez expresado el mensurando como funcin matemtica de todas las variables de
influencia que se quieran considerar, entonces lo que se debe hacer es estudiar o controlar
dichas magnitudes fsicas. Con el objetivo de determinar su variabilidad o la incertidumbre
asociada a cada una de ellas.
II.
Fuentes de incertidumbre (contribuyentes de incertidumbre)
Una vez que se tiene claro cul es el procedimiento de medicin, el principio o ley fsica por el
cual se rige y por supuesto el mensurando, se procede a identificar a las fuentes de
incertidumbre tambin conocidas como variables de influencia que intervienen directa o
indirectamente en el proceso de medicin. La siguiente es una posible lista breve de las
variables de influencia:
La incertidumbre del patrn o material de referencia.

La repetibilidad de las lecturas.
Variacin de las condiciones ambientales.
20
La reproducibilidad de las mediciones.

La definicin del mensurando.
Histrisis, deriva, errores del instrumento de medicin.
El proceso de medicin.
Muestra no representativa a la hora de realizar la medicin.
Resolucin o umbral de discriminacin finito de los instrumentos.
Valores inexactos de constantes u otros parmetros externos utilizados en el algoritmo
de reduccin de los datos.
Aproximaciones y consideraciones incorporadas en el mtodo o procedimiento de
medicin, entre otras.
Es recomendable hacer una lista lo ms completa posible y no desechar alguna de las fuentes
de incertidumbre sin cuantificarla y ver su contribucin comparada con las otras.
e1.1. Incertidumbre de Tipo A.
Se conoce como incertidumbre de Tipo A, a aquel valor de variabilidad que se obtiene de
realizar un conjunto de mediciones repetidas al mensurando en cuestin, o a alguna de las
magnitudes influyentes en el mismo.
El mtodo de obtencin que da lugar a la incertidumbre de tipo A, es asociar sta a la
desviacin estndar de una serie de observaciones repetidas. De ah que, como la misma
depende inversamente de n (nmero de mediciones), se interprete mal como la componente
aleatoria. Se puede, entonces, a travs del estimador insesgado (desviacin estndar) de
cuantificar la incertidumbre; recordando que se emplear como resultado la media del conjunto
de mediciones realizadas, lo apropiado sera considerar la desviacin estndar insesgada de la
media. Es por ello, que la desviacin estndar de la media de una serie de mediciones, no se
entiende como la dispersin de la media, sino como la componente de incertidumbre de tipo A,
ya que el error aleatorio no puede ser conocido exactamente.
La estimacin de una componente de incertidumbre como tipo A, de cierta forma presupone que
consideremos que la funcin de distribucin de la variable es normal, ya que, como regla
general, se emplea la frmula de la desviacin estndar de la media obtenida de la funcin de
la distribucin mencionada; aspecto que no se aleja mucho de la realidad.
Es comn que si se realiza un histograma con las frecuencias obtenidas de estudiar una
variable aleatoria se obtenga que ste es simtrico, que declina con bastante rapidez por sus
extremos y que tiene una forma parecida a una campana. Este modelo matemtico ha probado
ser de gran utilidad, puesto que cumple con los tres requisitos indispensables para
distribuciones del estilo mencionado y que son:
Ser una funcin par, lo que se traduce en que los errores de signos opuestos e igual
magnitud sean igualmente probables.
Ser montona decreciente la rama positiva, es decir, los errores mayores en valor
absoluto son menos probables.
Ser finita la esperanza matemtica del valor absoluto de un error.
21

Ejercicio 2:Calcular la incertidumbre debido a la variabilidad de una serie de mediciones a un
mensurando determinado, cuyos datos se presentan en la siguiente tabla:
22
No. de
medicin
Valor
medido
1
2
3
4
5
6
7
8
9
10
8,41
8,43
8,39
8,42
8,44
8,41
8,43
8,42
8,44
8,41
Tabla 3: Tabla de datos medidos

Solucin:
En este caso se trata de una incertidumbre de tipo A y para determinarla se utiliza la siguiente
expresin:
uA
sx
n
1
n
1 n
( x i x) 2
n 1 i 1
Primero se determina la media aritmtica de los valores medidos, mediante la ecuacin:

n
i 1
8,41 8,43 8,39 8,42 844 8,41 8,43 8,42 8,44 8,44 84,2
8,42
10
10
x 8,42
Posteriormentese determina la desviacin estndar y tiene como valor:

n
sx
(x
i 1
x) 2
n 1
(8,41 8,42) 2 (8,43 8,42) 2 (8,39 8,42) 2 ..... (8,44 8,42) 2

0,017 0,02
9
s x 0,02
Finalmente, la incertidumbre estndar de tipo A tiene un valor de:
uA
sx
n
0,02
10
0,006
23

Por lo tanto, la incertidumbre tipo A es u A 0,006 y las unidades son las mismas que las de los
datos.
Ejercicio 3.
1.
Se est realizando una medicin y los datos son los siguientes:
Valor
nominal
Medicin
1
Medicin Medicin Medicin Medicin

2
3
4
5
0,00
10,00
20,00
30,00
50,00
60,00
70,00
80,00
90,00
100,00
110,00
120,00
130,00
140,00
150,00
0,00
9,99
19,98
30,05
50,01
59,97
70,00
80,01
90,00
100,00
109,99
119,97
130,02
140,03
150,00
-0,01
9,98
19,99
30,04
50,00
59,98
70,00
80,01
90,01
100,00
109,98
119,98
130,01
140,02
150,00
0,00
10,00
19,98
30,05
50,00
59,98
70,00
80,02
90,00
100,00
109,97
119,98
130,02
140,03
150,01
-0,01
10,01
19,98
30,04
50,01
59,98
70,01
80,01
90,00
100,00
109,99
119,99
130,00
140,02
150,01
S x
US
0,01
10,00
20,00
30,04
50,00
59,99
70,00
80,02
90,01
100,01
109,99
119,99
130,01
140,02
150,01
Tabla 4: Valores de calibracin, determinacin de la media, la desviacin estndar y la

incertidumbre por mediciones repetidas
Determinar:
a.
b.
c.
d.
La media de los datos obtenidos para cada valor nominal.

La desviacin estndar de los datos para cada valor nominal.
La incertidumbre estndar tipo A, para cada valor nominal.
Determinar el error (desviacin) para cada valor nominal (el error es igual al valor
promedio (medido), menos el valor nominal).
e1.2. Incertidumbre de Tipo B.

Esta incertidumbre se cuantifica utilizando fuentes externas u obtenidas debido a la experiencia
(magnitudes de la categora B). Dichas fuentes pueden ser, entre otras:
certificados de calibracin;
normas o literatura;
valores de mediciones anteriores;
comportamiento o propiedades de los instrumentos de medicin.
La necesidad de evaluar la incertidumbre como tipo B nace del hecho de que, para llevar a
cabo una investigacin estadstica de todas las causas posibles de incertidumbre, a travs de
largas series de mediciones se requerira de tiempo y recursos ilimitados, lo cual no es
econmico ni prctico. Por lo tanto, se emplea el previo conocimiento de la variable.
24
En este caso se utiliza el clculo de la desviacin estndar de distribuciones de probabilidad y,

entre las ms utilizadas, se encuentran la distribucin normal, la rectangular y la triangular.
e1.3. Distribuciones de probabilidad.
i.
Normal
La distribucin normal de probabilidad es una distribucin continua simtrica. La importancia de

esta distribucin en la estadstica inferente se debe a las siguientes razones:
Las mediciones que se obtienen en muchos procesos aleatorios tienen este

comportamiento.
Frecuentemente se utilizan probabilidades normales para aproximar otras distribuciones
de probabilidad, por ejemplo, Poisson, Binomial.
Las distribuciones de estadstica como la media muestral y la proporcin muestral tienen
una distribucin normal, cuando la muestra es grande, sin importar la forma de la
distribucin de la poblacin de origen.
f(t)
Figura 8: Grfica de la funcin de distribucin normal
25

ii.
Distribucin rectangular.
En este tipo de distribucin, el valor para cada variable aleatoria es el mismo.

Con una incertidumbre estndar expresada por:
u ( xi )
a
3
f(x)
-a
Figura 9: Grfica de la funcin de distribucin rectangular.

La funcin de distribucin rectangular se emplea, generalmente, cuando no se conoce el
comportamiento de la variable aleatoria
Ejemplo 8. Un manual establece que el valor del coeficiente de expansin trmica del cobre
puro a 20 C, 20C(Cu) es 16,51x10-6C-1 y declara que el error no debe exceder de 0,10x10 -6C1
. Cuando se requiere utilizar este valor para calcular la incertidumbre estndar se piensa que el
valor del coeficiente de expansin trmica se encuentra dentro del intervalo de 16,41x10 -6C-1 a
16,61x10-6C-1 con igual probabilidad (distribucin rectangular) y que es muy poco probable que
el valor se encuentre fuera de dicho intervalo. Graficando:
f(x)
= 16,51 x 10-6 C-1
-a=16,41 x 10-6 C-1
a= 16,61 x 10-6 C-1
Figura 10: Distribucin rectangular para el coeficiente de expansin trmica del cobre
La desviacin estndar de la funcin de distribucin rectangular se determina mediante la
6 0 1
C :
siguiente ecuacin e identificando se tiene que a 0,10 10
26
u B ( 20 )
iii.
0,10 10 6 0 C 1
3
0,06 10 6 0 C 1
Distribucin triangular.
En esta distribucin, el valor de la probabilidad para algunas variables aleatorias es ms grande

que para otras.
Con una incertidumbre estndar de:
u ( xi )
a
6
f(x)
x
Figura 11: Grfica de la funcin de
distribucin triangular
La funcin de distribucin triangular se emplea cuando se conoce que es ms probable obtener
valores al centro que en los extremos.
Existen otras funciones de distribucin, como la funcin U o senoidal, la cual se emplea cuando
se trata de procesos cclicos u oscilatorios. Como por ejemplo, la temperatura controlada en el
tiempo, la oscilacin de un dgito de un instrumento digital, la funcin de distribucin
exponencial, la funcin Gamma, etctera. Todas las funciones que se han mencionado son
funciones para variables continuas.
Ejemplo 9: Si para el ejemplo 10 informan que el valor ms pequeo que puede tomar el
coeficiente de expansin trmica es 16,40 X 10-6C-1, mientras que el valor ms grande es 16,92
X 10-6C-1 para un valor de 16,52 X 10-6C-1 . En este caso se trata de un intervalo de valores
que no es simtrico respecto al valor del coeficiente, por lo que la incertidumbre estndar se
calcula mediante la expresin:
u( xi )
b b
12
(a a )
12
27

Identificando:
b 0,12 10 6 0 C 1
b 0,40 10 6 0C 1
Calculando:
u B ( xi )
b
12
( 0,12 10 -6 0,40 10 6 )
0,15 10 6 0 C 1
12
f(x)
= 16,52 X 10-6 C-1
b-=16,40 X 10-6 C-1
b+= 16,92 X 10-6 C-1
Figura 12: Distribucin rectangular asimtrica para el coeficiente de expansin trmica

Como puede compararse en las figuras 10 y 12, aunque se trata de una funcin de distribucin
rectangular, la primera est centrada al valor del coeficiente (simtrica), mientras que en la
segunda dicho valor se encuentra hacia la izquierda (asimtrica).
Ejemplo 10: En un certificado de calibracin de una pesa patrn se indica que el valor nominal
es de:
M = 1 000,000 672 g
y que la incertidumbre expandida es de:
U = 241 225 g, con k=3
Se sabe que la incertidumbre expandida se determina por U=k uc
Para poder utilizar esta informacin en el clculo de incertidumbre del resultado de una
medicin utilizando dicha pesa patrn, se procede de la siguiente forma:
Primeramente se determina la incertidumbre de la masa patrn como:
u=
U
k
Calculando para el ejemplo tenemos que:
28
u=
U 225 g
=
=75 g
k
3
Este valor de 75 g es el que se utiliza en la determinacin de la incertidumbre de medida

cuando se usa esta pesa.
e1.4. Incertidumbre combinada.
Hasta aqu lo que se tiene es el modelo y las componentes de incertidumbre de cada fenmeno
que influye en la medicin, pero en realidad lo que se necesita es la incertidumbre del resultado
de medicin. Es decir, conocer cmo afecta al resultado las pequeas variaciones de cada una
de las magnitudes influyentes. Para ello, se emplea la incertidumbre combinada que, como su
nombre lo indica, es una combinacin de las incertidumbres tipo A y B.
Cuando se reporta el resultado de una medicin, el valor del mensurando se expresa de la
siguiente manera:
Y y U
Donde:
y
es el mejor estimado del mensurando,
U
es la incertidumbre total o expandida de medicin y se determina mediante:
U kuc ( y )
Donde:
k
es un factor multiplicativo (de cobertura) que toma valores de 1 a 3;
u c ( y)
es la incertidumbre combinada del mensurando, cuya expresin matemtica es la raz

cuadrada de la varianza combinada (Ley de propagacin de errores):
uc ( y)
u ( xi )
i 1 xi
Donde
u (x )
cada c i
es la incertidumbre estndar para cada Xi evaluada para cada variable, ya sea
del tipo A o B.
Las derivadas parciales:
f ( X 1 , X 2 ,..., X N )
f
xi
X i
xi
ci
Se les conoce como los coeficientes de sensibilidad y permiten saber cul es la variacin de la
magnitud de salida (mensurando), en funcin de las variaciones de las diferentes magnitudes
de entrada. Es aqu donde se ve la importancia de modelar matemticamente el proceso, ya
que de forma contraria, no se podran conocer las derivadas. El disear experimentos de
29

variaciones, con el objetivo de hacer una determinacin experimental, tiene la desventaja de
que al tratar de determinar un coeficiente de sensibilidad, por mucho que se intente, no se
puede tener a las otras variables de influencia totalmente como constantes.
uc ( y)
u ( xi )
i 1 xi
Rescribiendo la ecuacin
uc ( y)
c u ( x )
i 1
como:
Si generalizamos, cada una de las incertidumbres asociadas a los diferentes parmetros de

influencia se puede estimar a travs de cualquiera de los dos tipos de evaluaciones (A y B)
descritos anteriormente. Y, una vez teniendo el modelo simplemente derivando, se puede
entonces estimar la incertidumbre de la magnitud medida.
Un aspecto interesante de esta Ley es que puede aplicarse si se requiere determinar la
incertidumbre de medida de una variable (z) que depende de otra (y), que a su vez es funcin
de otros parmetros (y = f(xi)), entonces se puede determinar, primeramente, la incertidumbre
de y empleando la ley de propagacin y luego volverla a emplear para determinar la
incertidumbre de z.
Ntese que el resultado de la aplicacin de la Ley de propagacin de errores, no es ms que la
desviacin estndar del mensurando, es decir, es una medida de la variabilidad de ste.
Ejemplo 11: La medicin de potencial elctrico tiene el siguiente modelo matemtico
P f (V , R0 , , t )
V2
1 (t t 0 ) 1
R0
Solucin.
Se observa que las magnitudes de influencia (entrada) en este caso son:
la diferencia de potencial en los extremos del elemento (V);

la resistencia inicial (R0);
el coeficiente de expansin trmica (), y
la temperatura (t) a la cual el resistor disipa la potencia (P).
La incertidumbre combinada se calcula mediante la ecuacin.
uc ( y)
c u ( x )
i 1
30

Donde:
f ( X 1 , X 2 ,..., X N )
f
xi
X i
xx
ci
Entonces:
c1
c2
c3
f (V , R0, , t )
V
f (V , R0, , t )
R0
f (V , R0, , t )
V2
1 t t 0 1
R0
V2
1 t t 0 1
R0
R0
V2
1 t t 0 1
R0
2V
1 t t 0 1
R0
V2
1
2 1 t t 0
R0
V 2 t t0
R0 1 t t 0
c4
f (V , R0, , t )
t
V2
1 t t 0 1
R0
V 2
R0 1 t t t
Sustituyendo se tiene:
2
2
V 2 t t 0 2
2V
V2
V 2
u ( y)
u
(
V
)
u
(
R
)
u
(
u (t )
0
2
2
R0 1 t t 0
R0 1 t t 0
R0 1 t t 0
R0 1 t t t
2
c
e1.6 Incertidumbre expandida.

La manera de expresar la incertidumbre como parte de los resultados de medicin depende de
sus aplicaciones, que pueden ser comerciales, industriales, de salud, etc. Por lo tanto, es
necesario ofrecer una medida representada mediante un intervalo alrededor del resultado de la
medicin, dentro del cual puedan encontrarse los valores que, razonablemente, pueden ser
atribuidos al mensurado con un determinado nivel de confianza.
Como ya se mencion, el resultado de una medicin se puede representar convenientemente
como:
Y=y U
31

que se interpreta como que y es el mejor estimado del valor atribuible al mensurado Y, en el
que el intervalo definido por y - U; y + U contiene a los valores que pueden atribuirse
razonablemente a Y con un determinado nivel de confianza P.
f.
Expresin de resultados
Antes de todo comenzaremos con definir algunos trminos relevantes en este captulo.
Resultado de medida (NMX-Z-55-IMNC-2009): es el conjunto de valores de una magnitud
atribuidos a un mensurando, acompaados de cualquier otra informacin relevante disponible.
Un resultado de medida contiene generalmente informacin relevante sobre el conjunto de
valores de una magnitud. Algunos de ellos representan el mensurando mejor que otros. Esto
puede representarse como una funcin de densidad de probabilidad.
El resultado de una medicin se expresa generalmente como un valor medido nico y una
incertidumbre de medida. Si la incertidumbre de medida se considera despreciable para n
determinado fin el resultado de medida puede expresarse como un nico valor medido de la
magnitud. En muchos campos esta es la forma habitual de expresar el resultado de medida.
Un valor(NMX-Z-55-IMNC-2009) de una magnitud es el conjunto formado por un nmero y una
referencia, que constituye la expresin cuantitativa de una magnitud. Por ejemplo la Longitud de
una varilla determinada: 5.34 m
La indicacin(NMX-Z-55-IMNC-2009)de un dispositivo de medida es el valor proporcionado por
un instrumento o sistema de medida. La indicacin puede presentarse en forma visual o
acstica, o puede transferirse a otro dispositivo. Frecuentemente viene dada por la posicin de
una aguja en un cuadrante, como una salida analgica, por un nmero visualizado o impreso,
como una salida digital, por un cdigo como salidas codificadas, o por el valor asignado, en el
caso de medidas materializadas.
Resultado no corregido es el resultado de una medicin antes de la correccin por error
sistemtico.
Resultado corregido es el resultado de una medicin despus de la correccin por error
sistemtico.
Una vez que los resultados de la medicin han sido sometidos a un tratamiento de correccin
porerrores y efectos sistemticos y anlisis estadstico de datos, obtenemos el valor medido,
que se define a continuacin.
Valor medido de una magnitud (NMX-Z-55-IMNC-2009) es el valor de una magnitud que
representa un resultado de medida.
En una medicin que incluya indicaciones repetidas, cada una de stas puede utilizarse para
obtener el correspondiente valor medido de la magnitud. Este conjunto de valores medidos
individuales de la magnitud, puede utilizarse para calcular un valor resultante de la magnitud
32

medida, mediante una media o una mediana, con una incertidumbre de medida asociada y
generalmente menor.
Cuando la amplitud del intervalo de valores verdaderos de la magnitud considerados
representativos del mensurando es pequea comparada con la incertidumbre de medida, puede
considerarse como el mejor estimador del valor verdadero, prcticamente nico, cualquiera de
los valores medidos, siendo habitual utilizar la media o la mediana de los valores medidos
individuales obtenidos mediante la repeticin de medidas.
f.1.
Expresin de los resultados en informes de calibracin
La elaboracin de informes de calibracin es el complemento documental de un experimento

decalibracin.
En el informe de calibracin se deben verter las competencias del tcnico, respecto a los
diferentes procedimientos y mtodos del laboratorio, relacionados con:
f.2.
Muestreo, al seleccionar la cantidad de puntos a lo largo del intervalo de calibracin as

como lacantidad de repeticiones necesarias.
Fsica, al corregir los diferentes fenmenos fsicos que afectan las mediciones del patrn
y del instrumentode medicin o medida materializada.
Propagacin de errores, al calcular la componente sistemtica de error del instrumento
sujeto acalibracin.
Propagacin de incertidumbres, al evaluar la incertidumbre instrumental del instrumento
calibrado, que representa las diferentes magnitudes de entrada de su modelo o funcin
de medicin y magnitudesde influencia que afectan la indicacin, ya sean tanto
aleatorias como sistemticas que provocanfenmenos de dispersin.
Validacin, al determinar mediante criterios objetivos si los datos, clculos y resultados
son correctosy consistentes.
Dgitos o cifras significativas
Los dgitos o cifras significativas de un nmero, son todos aquellos que se obtienen
directamentedel proceso de medicin despus de eliminar todos los ceros que se ponen con el
nico propsito de colocarel signo o la coma decimal. Es importante no confundir los dgitos
significativos con el nmero de lugaresdecimales, para lo cual se presentan las siguientes
definiciones, ejemplos y criterios de expresin de losresultados de mediciones en informes o
certificados de calibracin o ensayo. Ejemplos y definiciones:
Dgito, trmino utilizado como sinnimo de la palabra cifra y que puede interpretarse como el
smboloque representa al cero y a los nueve primeros nmeros.
Nmero de cifras (dgitos) significativos, para un determinado valor, es el nmero de (cifras)
dgitos que se obtienen contando de izquierda aderecha del valor, a partir del primer dgito que
no sea cero. El cero es considerado como un dgito, exceptocuando se utiliza para localizar el
signo o la coma decimal como en 0,08 (un dgito significativo).
33

Nmero de lugares decimales, para un determinado valor, es el nmero de lugares contados
a partir del signo o la coma decimal yhacia la derecha, hasta el ltimo dgito proporcionado,
como en 0,08 (dos lugares decimales).
Ejemplos de dgitos significativos y lugares decimales
1
1.0
1.00
Dgitos
significativo
s en el dato
1
2
3
Lugares
decimales
en el dato
0
1
2
0.347
Dato
Observaciones
El cero antes de la coma o punto decimal no es

necesario, pero indica la posicin de este
8.957
4
3
3
3.487x10
4
3
680
3
0
6.80x102
3
2
2
6.8x10
2
1
Tabla 5. Ejemplo de dgitos significativos y lugares decimales.
Es importante expresar el resultado, para que los usuarios puedan usar la informacin. Las principales
cosas que debe mencionar son:
El resultado de medicin y su incertidumbre.
l = 100,021 mm
l = 250,036 mm
l = 500,100 mm
con una incertidumbre de (0.8 + 0.002L); m
La declaracin del factor de cobertura y/o el nivel de confianza.
La incertidumbre anterior es reportada con k=2 para un nivel de confianza del 95.45 %
Una declaracin de cmo se estim la incertidumbre.
La incertidumbre de medicin fue calculada segn la NMX-CH-140-IMNC:2002. En la ecuacin para la

expresin de la incertidumbre de medicin L es la longitud para la cual se desee calcularla, dentro del
intervalo de medicin del instrumento, expresada en mm.
34

f.3.
Aplicacin de la incertidumbre
La incertidumbre de medida supone una ayuda cuantitativa en aspectos importantes tales como
el control de riesgos y la credibilidad de los resultados de las mediciones que se realicen.
La incertidumbre de medida puede ser utilizada como mtodo de validacin y control del riesgo
en la toma de decisiones. En muchas las mediciones que se efectan de forma cotidiana no se
presta suficiente atencin a la validacin final de los resultados ni a los modelos de medicin.
Por tal motivo se necesitan de operaciones cotidianas de verificacin que necesitan gran
cantidad de informacin sobre el error en los datos y los parmetros del modelo. Estas
operaciones de validacin pueden sustituirse por un anlisis de incertidumbres.
Otra aplicacin importante de la incertidumbre de medida es sobre el resultado de medicin que
tenemos debido a que ofrece una ventaja competitiva del mismo al conocerse a travs de la
estimacin de la incertidumbre cuan confiable es nuestro mtodo y de esta forma aadirle
significado al resultado.A partir de esto se pueden adoptar medidas correctoras o preventivas
con mayor eficiencia, hacindolas ms eficaces con relacin a su costo.
Otra aplicacin prctica de la incertidumbre de medida es que ese valor constituye un punto de
partida para optimizar los procedimientos de medicin gracias a un mejor conocimiento del
proceso para el cual se ha calculado la incertidumbre.
Las organizaciones que realizan la certificacin de productos encuentran en la incertidumbre de
medida una aplicacin importante gracias a la informacin que da la misma sobre los resultados
de las mediciones que se realizan para evaluar y establecer la conformidad con las
especificaciones.
Para los usuarios de servicios de calibracin pueden reducir los costos por estos servicios si
con la evaluacin y estimacin de la incertidumbre de medida puede demostrarse que alunas
magnitudes de influencia no realizan una contribucin significativa a la incertidumbre de
medida.
Si observamos la siguiente figura podemos darnos cuenta que el desconocimiento de la
incertidumbre de medida en nuestros procesos puede provocarnos problemas financieros de la
empresa al decidir, por ejemplo, la compra de servicios de calibracin con incertidumbres
demasiado pequeas e innecesarias para nuestros procesosque solo me llevan a gastar ms
dinero.
Por el contrarioaldecidirnos por servicios de calibracin con incertidumbres muy grandes para
nuestro proceso igualmente caemos en la prdida importante de nuestras finanzas por posibles
sensibles prdidas de calidad de nuestros productos o servicios, que vamos a tener que ofrecer
a un precio ms bajo (en el mejor de los casos), o definitivamente dejarlos de ofrecer.
35
Figura 13 . Aplicacin prctica de la incertidumbre de medida.
36

TIPOS DE INCERTIDUMBRES DE MEDIDA O MEDICIN
a. Incertidumbre de calibracin del patrn.
Todos tenemos la necesidad de contar con equipos patrones de medida calibrados, con trazabilidad a
patrones que definan las unidades del SI (SGUM) para trazar nuestras mediciones.Una de las
contribuciones que siempre vamos a tener en nuestros presupuestos de incertidumbre es la
incertidumbre del patrn.
La incertidumbre de calibracin del patrn viene reflejada en su certificado (informe) de calibracin.En los
certificados se indican las incertidumbres expandidas, por lo que ser necesario dividir el valor indicado
por el kcorrespondiente.
U=
ucal
k
Normalmente puede no coincidir el punto de calibracin con el valor reportado en el certificado. Existen
diversas formas posibles de entregar el valor de incertidumbre en el certificado. Estas son:
De forma puntual para el punto especfico que se calibra o mide,

Punto de
calibracin
kPa
60.626
79.130
87.827
Error E
kPa
-0.087
-0.083
-0.073
%ET
-0.079
-0.075
-0.066
Incertidumbre de medida
expandida
kPa
%ET
0.038
0.034
0.036
0.033
0.036
0.032
En forma de ecuacin lineal que abarque todo el intervalo de calibracin,
( 0.45+ 0.06 L ) ; m
En forma de matriz,
Punto de
calibracin
2 mV
5 mV
10 mV
20 mV
50 mV
100 mV
1V
10 V
100 V
120 V
Incertidumbre expandida de calibracin, 95.45%

10 Hz
40 Hz
50 Hz
60 Hz
2796
2796
2397
2397
1118
1118
959
959
559
559
479
479
234
234
233
233
124
124
124
124
75
75
65
65
57
62
51
51
65
62
51
51
44
26
344
172
100 Hz
2397
959
479
233
124
65
51
51
26
172
500 Hz
2397
959
479
233
124
65
51
51
26
172
En forma de intervalos, etc.

Servicio de
calibracin
o magnitud
Magnitud
Alcance o
punto de
medicin
Masa
1g
5g
100 g
Incertidumbre expandida
Valor
0.01
0.016
5.00E-10
Unidades
mg
mg
mg
37

En caso de que la incertidumbre del punto de medicin o calibracin que necesitamos conocer venga
expresada en forma puntual no existe mayor problema, se realiza el clculo segn la ecuacin:
u=
U
k
Los casos problemticos son aquellos en los que el punto de calibracin o medicin no tengan de forma
puntual declarada su incertidumbre.
En estos casos el usuario del informe o certificado de calibracin tiene que conocer muy bien el contenido
del informe o certificado y saber utilizar la informacin que en l se nos ofrece. Por ejemplo, si la
incertidumbre viene expresada en forma de la siguiente ecuacin:
u= ( 0.048+ 0.5 L ) ;
y el instrumento que se calibr tiene un alcance de 0 mm a 1106 mm, se deber sustituir la longitud que
se desea conocer en la ecuacin y como resultado se tendr la incertidumbre para el punto en cuestin.
b. Incertidumbre del modelo de medicin.

Un modelo de medicin es una descripcin del mtodo de medida en trminos de ecuaciones y debe
describir la relacin entre las seales de entrada y de salida.
El modelo es la descripcin concisa de la variacin en una magnitud y, considerando el componente
determinstico dado por una relacin matemtica de una o ms magnitudes (x1, x2,xn) y el componente
aleatorio que sigue una distribucin de probabilidad particular.
Para el desarrollo de un modelo de medicin recomendamos seguir los siguientes pasos:
Determinacin de las variables de entrada, salida y perturbaciones: intervalo de variacin de las

variables de entada y salida, caracterizacin de las perturbaciones.
Determinacin de una estructura paramtrica que relaciones las entradas y las perturbaciones
con las salidas,
Determinacin de los parmetros,
Validacin del modelo,
La incertidumbre del modelo de medicin se determina aplicando la ley de propagacin de incertidumbres

al modelo que describa la medicin del instrumento
2
y 2
y y
u xi 2
u
u xi u x j r xi , x j
i 1 xi
i , j xi x j
2
c. Incertidumbre debido a la deriva.

La deriva en los instrumentos de medicin se debe al cambio de sus caractersticas metrolgicas a travs
del tiempo.
38
Figura 14. Ejemplo de clculo de la deriva del error del instrumento.

Este tipo de incertidumbre es de tipo B. Para su tratamiento consideramos una distribucin rectangular y
su valor viene dado por:
u der
Deriva
2 3
d. Incertidumbre por estabilidad del cero.

Cuando nos referimos a estabilidad del cero o, ms bien, la inestabilidad del cero estamos
hablando de los cambios que tiene el cero en un ciclo completo de medicin.
Ascenso
Descenso
-3
103
98
-3 2
100
Figura 15. Representacin de la inestabilidad del cero en forma de tabla y grfica
39
ucero
ceroinicial cero final

2 3
Para el clculo de la incertidumbre por inestabilidad del cero

tomamos en consideracin la inestabilidad del cero encontrada y la asociamos con una
distribucin rectangular, como se indica a continuacin:
e. Incertidumbre por resolucin.

La resolucin es la mnima variacin de la magnitud medida que da lugar a una variacin perceptible de
la indicacin correspondiente.
Figura 16. Representacin de la resolucin

La resolucin de un instrumento es una de las fuentes ms significativas de incertidumbre, para
determinar la incertidumbre de resolucin se utiliza la siguiente ecuacin:
u res
f.
resolucin
2 3
Incertidumbre por repetibilidad.
La repetibilidad, hablando de instrumentos de medicin, es la propiedad que tienen los instrumentos de

medicin de repetir las lecturas en un mismo punto de su alcance con cierto error o sin el mismo.
La incertidumbre por repetibilidad se determina sobre la base de una serie de mediciones repetidas,
calculando la desviacin estndar, es decir se evala con el estimador estadstico de la desviacin
estndar de la media a partir de mediciones repetidas en un punto, considerando que la distribucin es
normal.
La ecuacin para determinar la incertidumbre por repetibilidad es:
x
n
ur
sx
i 1
n(n 1)
40

Si el nmero de repeticiones es bajo entonces se debe dar un tratamiento estadstico apropiado, por
ejemplo, utilizando el estadgrafo t-student.
x
n
ur
sx
n
i 1
n(n 1)
g. Incertidumbre del mtodo.

La incertidumbre del mtodo de medicin puede ser determinada mediante ensayos de aptitud, pruebas
de r&R, anlisis de varianzas o cualquier otro mtodo que asegure la confiabilidad en las mediciones
derivadas de factores humanos.
h. Grados efectivos de libertad.

Para la incertidumbre estndar combinada uC(y), la medida de la incertidumbre es el nmero de grados
de libertad efectivos (ef) del estimado de salida y que, en buena aproximacin, se obtiene combinando
los grados de libertad de los estimados xi, de las Xi magnitudes de entrada.
Esta combinacin se obtiene a travs de la siguiente expresin:
ef
U C4 ( y )
n
ci4u 4 ( xi )
i
i 1
Cuando los valores de una magnitud de entrada siguen una distribucin normal, la medida de la
incertidumbre Tipo A, es el nmero de grados de libertad del estimado cuando se determina una sola
magnitud de salida = n 1.
Los grados de libertad asociados a una incertidumbre de tipo B son mucho ms difciles de estimar; se
propone un mtodo de estimacin para los casos generales de evaluacin tipo B que se basa en el
empleo de la expresin siguiente:
1 U ( xi )
i
2 U ( xi )
La magnitud entre corchetes es una medida de la incertidumbre de u(xi), cuyo valor se puede obtener a
partir de la experiencia o el conocimiento que se tenga del procedimiento de medicin. No obstante,
cuando se establecen fronteras - que es un caso tpico en la actividad de calibracin - los lmites se
eligen de modo tal, que la probabilidad de que los valores de la magnitud puedan ser encontrados fuera
de ellos es extremadamente pequea, y en ese caso los grados de libertad pueden considerarse
infinitos. La relacin entre los valores del coeficiente de Student, el nmero de grados de libertad
efectivos y el nivel de confianza deseado se muestra en la tabla siguiente:
41
Grados de libertad ()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
25
30
35
40
45
50
100
68,27(a)
90
95
1,84
1,32
1,20
1,14
1,11
1,09
1,08
1,07
1,06
1,05
1,05
1,04
1,04
1,04
1,03
1,03
1,03
1,03
1,03
1,03
1,02
1,02
1,01
1,01
1,01
1,01
1,005
1,000
6,31
2,92
2,35
2,13
2,02
1,94
1,89
1,86
1,83
1,81
1,80
1,78
1,77
1,76
1,75
1,75
1,74
1,73
1,73
1,72
1,71
1,70
1,70
1,68
1,68
1,68
1,660
1,645
12,71
4,30
3,18
2,78
2,57
2,45
2,36
2,31
2,26
2,23
2,20
2,18
2,16
2,14
2,13
2,12
2,11
2,10
2,09
2,09
2,06
2,04
2,03
2,02
2,01
2,01
1,984
1,960
Fraccin p en %
95,45(a)
13,97
4,53
3,31
2,87
2,65
2,52
2,43
2,37
2,32
2,28
2,25
2,23
2,21
2,20
2,18
2,17
2,16
2,15
2,14
2,13
2,11
2,09
2,07
2,06
2,06
2,05
2,025
2,000
99
99,73(a)
63,66
9,92
5,84
4,60
4,03
3,71
3,50
3,36
3,25
3,17
3,11
3,05
3,01
2,98
2,95
2,92
2,90
2,88
2,86
2,85
2,79
2,75
2,72
2,70
2,69
2,68
2,626
2,576
235,8
19,21
9,22
6,62
5,51
4,90
4,53
4,28
4,09
3,96
3,85
3,76
3,69
3,64
3,59
3,54
3,51
3,48
3,45
3,42
3,33
3,27
3,23
3,20
3,18
3,16
3,077
3,000
Tabla 6. Valores de tp () de la distribucin t para grados de libertad que define un intervalo tp

() a + tp () y le corresponde la fraccin p de la distribucin n
i.
Nivel de confianza.
La incertidumbre expandida U indica un intervalo que representa una fraccin p de los valores que puede
probablemente tomar el mensurando. El valor de p es llamado el nivel de confianza y puede ser elegido a
conveniencia.
En el medio industrial, a menudo se elige el nivel de confianza de manera tal que corresponda a un factor
de cobertura como un nmero entero de desviaciones estndar en una distribucin normal.
Por ejemplo, en una distribucin normal, k=1 corresponde a p=68.27% y k=2 a p=95.45%.
El nivel de confianza es la probabilidad a priori de que el intervalo de confianza a calcular contenga al

verdadero valor del parmetro. Se indica por 1- y habitualmente se da en porcentaje (1-)%. Hablamos
de nivel de confianza y no de probabilidad ya que una vez extrada la muestra, el intervalo de confianza
42

contendr al verdadero valor del parmetro o no, lo que sabemos es que si repitisemos el proceso con
muchas muestras podramos afirmar que el (1-)% de los intervalos as construidos contendra al
verdadero valor del parmetro.
Los valores que se suelen utilizar para el nivel de confianza son el 95.45%, 99% y 99,9%
43
j.
Factor de cobertura.
A priori podemos establecer que el factor de cobertura es un factor numrico usado como multiplicador de
la incertidumbre estndar combinada con el propsito de obtener una incertidumbre expandida
Se debe decidir el grado de confianza que se busca en la correccin del valor estimado del intervalo;
por supuesto se espera que el valor de la media poblacional se encuentre dentro de dicho valor del
intervalo. Generalmente, se elige un intervalo de confianza del 95 %.
Para alcanzar un nivel de confianza del 95 % se selecciona la amplitud ms pequea que se encuentre
bajo la distribucin normal de la media muestral que encierra el 95 % de la probabilidad. Por supuesto se
trata del sector medio del rea bajo la curva excluyendo el 2,5 %, es decir:
(100 % -95 % = 5 %/2 = 2,5 %) a ambos lados de los extremos de dicha curva (Vase figura 17).
Figura 17. Distribucin normal de la media muestral en torno de (media poblacional)

Puesto que se est hablando de probabilidades, matemticamente lo anterior se escribe como:
P - error de muestreo x +error de muestreo = 95 %
Por supuesto que se puede elegir el 68 %, el 90 %, etc., de acuerdo con las especificaciones, con el
control de calidad, con las tolerancias que se manejan, etc.
Ejemplo 12: Suponga que la media poblacional es = 1,73 m y que la desviacin estndar poblacional
es = 0,18 m. Determinar el intervalo de confianza para un nivel de confianza del 95 %.
Solucin: en este caso se tienen:
error de muestreo
(1,96) (1,96)(0,18 m)
0,04
n
100
m
Sustituyendo:
1,77 m
1,69 m
error de muestreo 1,73 m 0,04 m
44

De acuerdo con los resultados se tiene que, con un 95% de probabilidad, cualquier valor de la media
muestral se encuentra dentro del intervalo de (1,69 m , 1,77 m).
Grficamente lo que se tiene es lo siguiente:
p(x)
=1,73 m
1,69 m
Primer error
x4
x1
x2
x3
1,77m
x5
x 20
Figura 18. Construccin de 20 valores calculados de intervalo de confianza

Como se puede observar en la figura anterior, la mayora de los intervalos calculados alrededor de las
medias se encuentran dentro del intervalo determinado alrededor de , lo cual era de esperarse pues los
clculos se hicieron con una probabilidad del 95% de tener xito. Por supuesto, en la prctica no se
toman varias muestras sino slo una, y ya calculado el valor estimado del intervalo, se est en la
correcto o no. Esto es, el intervalo contiene o no a .
De lo visto anteriormente se puede observar que:
a. El parmetro de poblacin es constante y as permanece. El valor estimado del intervalo es
X es una variable aleatoria.

b. Una vez que se ha observado la muestra y X adopta un valor especfico, recibe el nombre de
aleatorio porque
valor estimado de .
A medida que aumenta el tamao de una muestra, la distribucin de X se concentra alrededor
de y el intervalo de confianza se hace ms angosto y preciso.
d. Si se desea tener ms confianza en el intervalo calculado, entonces se debe dejar menos rea
fuera de los extremos de la grfica de la funcin de distribucin normal (vase figura 19) a) y b),
y as aumenta la magnitud del intervalo de confianza, aunque se pierde precisin.
c.
45
p (x)
-error +error
p (x )
x
+erro
Figura 19 a) Mayor rea bajo la curva = menor precisin; b)
Menor rea bajo la curva = mayor precisin.
Pero lo que interesa es el clculo de la incertidumbre expandida, la cual se puede determinar mediante la
ecuacin.
U kuc ( y )
Donde:
k: factor de cobertura, que no es otra cosa ms que el grado o nivel de confianza que desea asociar al
intervalo de confianza.
En la calibracin de los instrumentos de medicin, generalmente se recomienda el valor convencional k =
2, que corresponde a un nivel de confianza aproximado del 95.45% para una distribucin normal.
Estimar el factor de cobertura significa considerar la incertidumbre de uc (y), es decir, qu tan bien Uc (y)
estima la variabilidad asociada al resultado de la medicin. Para ello, debemos de partir del conocimiento
que se tenga de la distribucin de probabilidades que describe la magnitud de salida.
Si las distribuciones de probabilidad de las magnitudes de entrada -de las cuales depende la magnitud
de salida-, son conocidas y, si la funcin que las relaciona es una funcin lineal, la distribucin de
probabilidades de la magnitud de salida se puede obtener mediante la convolusin (relacionar dos
funciones en una tercera) de las distribuciones de probabilidad de las magnitudes de entrada. El valor del
factor de cobertura se determina entonces a partir de la distribucin convolusionada resultante.
Como lo anterior generalmente no se cumple, en la prctica se aplica el teorema del lmite central, el
cual establece que: La distribucin de los valores de la magnitud de salida puede ser considerada
aproximadamente como una distribucin normal,si su varianza 2(y) es mucho mayor que
cualquiera de las contribuciones individuales Ci2 2(xi) de las magnitudes de entrada.
Una consecuencia prctica inmediata del teorema del lmite central es que, cuando la incertidumbre
combinada de un resultado de medicin no est dominada por una de las componentes de incertidumbre
estndar de las magnitudes de entrada, una buena aproximacin para calcular la incertidumbre
expandida Up = k*uC(y) que define un intervalo de confianza con un nivel de confianza P, es asignar a k
46

el valor que corresponde asumiendo una distribucin normal. En la tabla siguiente se dan los valores que
toma el factor de cobertura para los diferentes niveles de confianza del factor de cobertura.
Nivel de confianza P (%)
Factor de cobertura k
68,27
1
90
1,654
95
1,960
95,45
2
99
2,576
99,73
3
Tabla 6. Valor del factor de cobertura con un nivel de confianza
Para obtener una mejor aproximacin en la definicin de los intervalos de confianza, se requiere emplear
la distribucin t de Student y el factor de cobertura k:
k t ef
47

Estimación de La Incertidumbre, Diplomado General de Metrología, Rev 2012

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Estimación de La Incertidumbre, Diplomado General de Metrología, Rev 2012

Diunggah oleh

Hak Cipta:

Format Tersedia

ESTIMACIN DE LA INCERTIDUMBRE DE MEDIDA

Estimacin de la incertidumbre de medida

ESTIMACIN DE LA INCERTIDUMBRE DE MEDIDA

requisitos especificados.El trmino verificado se utiliza para designar el estado correspondiente.

ESTIMACIN DE LA INCERTIDUMBRE DE MEDIDA

ESTIMACIN DE LA INCERTIDUMBRE DE MEDIDA

ESTIMACIN DE LA INCERTIDUMBRE DE MEDIDA

Figura 1: Enfoque grfico de error e incertidumbre

b. Importancia de la incertidumbre de medida

ESTIMACIN DE LA INCERTIDUMBRE DE MEDIDA

Figura 2. Uso de la incertidumbre

Valor calibrado de la masa de la pesa en el ao 2009: 199.91 g; error de medida: -0.09 g

ESTIMACIN DE LA INCERTIDUMBRE DE MEDIDA

Ao 2009; error -0.09 g < criterio de aceptacin - 0.1 g

Figura. 3. Grfico de errores con sus incertidumbres asociadas, producto de la

c. Estadstica bsica de un conjunto de nmeros (valores).

ESTIMACIN DE LA INCERTIDUMBRE DE MEDIDA

Se cuenta con tres tipos de estadstica, a saber:

, para una variable discreta.

ESTIMACIN DE LA INCERTIDUMBRE DE MEDIDA

para una variable continua.

a. Varianza muestral: Una de las medidas de dispersin ms importante es la varianza.

La varianza muestra la variabilidad de los datos. Si no hubiera variabilidad, entonces

Tabla 1: Mediciones del dimetro interior de anillos forjados

ESTIMACIN DE LA INCERTIDUMBRE DE MEDIDA

Figura 4: Histograma de los datos del dimetro medido a los anillos

Figura 5. Grfica de los datos con su valor promedio.

ESTIMACIN DE LA INCERTIDUMBRE DE MEDIDA

Mientras que la desviacin estndar poblacional se tiene:

Errores en las mediciones. Tipos de errores

La medicin es la base de prcticamente toda actividad cientfica, tcnica y econmica, y puede

ESTIMACIN DE LA INCERTIDUMBRE DE MEDIDA

ESTIMACIN DE LA INCERTIDUMBRE DE MEDIDA

Podemos expresar el error como:

Error = (Componentes sistematicas + componentes aleatorias) Valor convencionalmente

O sea el error est compuesto por dos componentes:

Se dice que un error es sistemtico si se mantiene constante o cambia en forma

ESTIMACIN DE LA INCERTIDUMBRE DE MEDIDA

El error sistemtico de medicin es igual al error de medicin menos el error de medicin

Los errores aleatorios cambian de manera irregular y no se puede predecir su valor.

Ejemplo de algunos de los errores ms frecuentes de las mediciones.

A continuacin se describen algunos de los errores ms frecuentes en los que se incurren

ESTIMACIN DE LA INCERTIDUMBRE DE MEDIDA

Figura 6: Errores de paralaje en diferentes instrumentos: en un micrmetro analgico, en

d1.2. Error de posicin.

ESTIMACIN DE LA INCERTIDUMBRE DE MEDIDA

Forma correcta de tomar la

Figura 7. Error de posicin al utilizar instrumentos: tipo indicadores de cartula y por

d1.3. Error por mala eleccin del instrumento de medicin.

ESTIMACIN DE LA INCERTIDUMBRE DE MEDIDA

d1.5. Error por usar instrumentos no calibrados.

d1.6. Errores por el instrumento o equipo de medicin.

La variacin de la humedad relativa, que pudiera producir condensaciones en

ESTIMACIN DE LA INCERTIDUMBRE DE MEDIDA

e. Cmo calcular la incertidumbre de medida (de acuerdo a la GUM).

La funcin debe contener todas las magnitudes, incluyendo correcciones y factores de

La evaluacin de la incertidumbre de medida se considera que est comprendida por la

ESTIMACIN DE LA INCERTIDUMBRE DE MEDIDA

u B2 o desviacin estndar y es el resultado de utilizar informacin disponible, como por ejemplo,

B y se denota por c . La incertidumbre total o expandida es un intervalo de valores, que resulta

Mtodo de evaluacin de la incertidumbre de medida.

Lo primero que se debe hacer para estimar la incertidumbre de un resultado de medicin es

Modelar el procedimiento de medicin significa determinar la relacin funcional f entre las