curso gum y mcm para principiantes
DESCRIPTION
Curso GUM y MCM para principiantesTRANSCRIPT
Estimación de incertidumbre en las
mediciones: GUM y método de
Monte Carlo para principiantes
1
Grupo de Ultrasonido, Dirección de Vibraciones y Acústica
Dirección General de Metrología Física, CENAM.
Instructores:
Ana Lilia López Sánchez ([email protected])
Alfredo Elías Juárez ([email protected])
Tel. (442) 2 11 05 00 ext. 3599 y 3515
24 al 26 de marzo de 2015
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 2
Que el participante adquiera los conocimientos
básicos para realizar la estimación de
incertidumbre en las mediciones;
- empleando la ley de propagación de incertidumbres
conforme a la GUM (Guide to the Expression of Uncertainty in
Measurement), y
- el Suplemento 1 de la GUM (método de Monte Carlo).
Objetivo
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 3
los datos y parámetros estadísticos que necesariamente requiere un
presupuesto de incertidumbres;
en el caso del método de Monte Carlo, se utilizará
software libre para realizar la propagación de
distribuciones de probabilidad.
El participante identificará, con base en un modelo de medición,
OCTAVE
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 4
Se revisa la metodología GUM para la estimación
de incertidumbres de medida; contrastando los
resultados obtenidos entre dos técnicas
(combinación de varianzas vs. método de Monte Carlo).
Se sugiere que cada participante proporcione un problema de
estimación de incertidumbres; de ser posible, con datos reales
de un proceso de calibración, medición o publicación técnica.
Descripción del curso
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 5
1. Introducción: modelo de una medición
Temario
3. Estimando la incertidumbre de una medición conforme al
método de la “Guide to the expression of uncertainty in
measurement” (GUM).
5. Reflexiones y consideraciones finales en su aplicación a los
ensayos o mediciones por ultrasonido.
4. Estimando la incertidumbre de medición utilizando el método
de simulación Monte Carlo.
2. Repaso de conceptos básicos de probabilidad y estadística.
GUM: Guide to the Expression of Uncertainty in Measurement, BIPM, lEC, IFCC, ISO, IUPAC, lUPAP, OIML. Equivalente
a la norma NMX-CH-140-IMNC 2002 Guía para la expresión de la incertidumbre en las mediciones.
0. Motivación y Referencias clave
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 6
Instrumentación típica
+ +
Medidores
y detectores
Unidades
rastreadoras
(transductores)
Bloques
de referencia
y accesorios
(ej. acoplante)
=
+ … ? =
+
Personal
calificado
+ Referencia
Normativa
Procedimiento
Código,
norma,
Instrumentación y cadenas de medición en aplicaciones de ultrasonido
práctica
Recomen-
dada, etc.
0. Motivación… un caso de aplicación
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 7
¿Cómo indica o declara actualmente el valor de
espesor de una tubería?
? mm
Medidor
ultrasónico de
espesor
Tubería
Condiciones
ambientales
interiores
Espesor
Condiciones
ambientales
exteriores
0. Motivación… ¿es relevante el tema de
la incertidumbre de medida?
¿25.6 mm?
¿25.4 mm?
¿25.35 mm?
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 8
0. Motivación… ¿incertidumbre en la
evaluación de la conformidad?
Tolerancia
superior
Tolerancia
inferior
Pasa No Pasa No Pasa
Valores medidos considerando la dispersión de los datos debido al
proceso de medición y/o usuario.
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 9
http://www.bipm.org/en/publications/guides/gum.html
0. … Referencias clave
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 10
JCGM 100:2008 … “aka la GUM”
0.1 When reporting the result of a measurement of a
physical quantity, it is obligatory that some quantitative
indication of the quality of the result be given so that those
who use it can assess its reliability. Without such an
indication, measurement results cannot be compared, either
among themselves or with reference values given in a
specification or standard. It is therefore necessary that there
be a readily implemented, easily understood, and generally
accepted procedure for characterizing the quality of a result
of a measurement, that is, for evaluating and expressing
its uncertainty.
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes.
11
https://archive.org/details/MathematicsAndStatistics
1. Introducción…
Fuente: Essential Mathematics and Statistics for Science, 2nd Edition, Graham Currell & Antony Dowman,
The University of the West of England, UK, A John Wiley & Sons, Ltd., Publication
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes.
12
1. Introducción…
Fuente: Essential Mathematics and Statistics for Science, 2nd Edition, Graham Currell & Antony Dowman, The University of the West of
England, UK, A John Wiley & Sons, Ltd., Publication
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes.
13
1. Introducción…
“La cuantificación de la incertidumbre debe obtenerse sobre la base de un adecuado entendimiento
del proceso de medición involucrado y del sistema sujeto a medición”
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 14
1. Introducción: modelo de una medición
Fuente: Essential Mathematics and Statistics for Science, 2nd Edition, Graham Currell & Antony Dowman, The University of the West of
England, UK, A John Wiley & Sons, Ltd., Publication
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes.
15
VERSIÓN VIM 2008
Mensurando se mide directamente
Ej.: Medición del volumen de un cilindro por
desplazamiento de agua.
Mensurando se mide de forma indirecta
Cálculo del mensurando a partir de otras
magnitudes medidas.
Ej.: Volumen de un cilindro: V = (/4)·d^2·h
d
h
1. Introducción: modelo de una medición
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes.
16
CEM, Evaluación de datos de medición, Guía para la expresión de la incertidumbre de medida
http://www.cem.es/sites/default/files/gum20digital1202010.pdf
1. Introducción: modelo de una medición
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 17
1. Introducción…
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes.
18
Resultado no
corregido Dispersión por
errores aleatorios
Valor verdadero
Incertidumbre Resultado corregido
Corrección (error sistemático)
Mensurando
Tolerancia
Tolerancia
2. Repaso de conceptos básicos de
probabilidad y estadística.
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes.
19
n
i
ixn
x
1
1
n
i
i xxn
1
22
1
1
n
j
j qqn
qs
1
22
1
1)(
NNll xXxXll
lX
f
x
fc
1
1 11
22 ),()()(2)()(
n
i
N
ik
kiki
n
i
i xxryuyuyuyu
ji
ji
jixuxu
xxuxxr
,,
mi xxfy ,...,
)(
)(
1
4
4
N
i i
i
cef
yu
yu
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes.
20
Definiciones iniciales y … Etc.,
2. Repaso de conceptos básicos de
probabilidad y estadística.
J. N. Razo Razo, “Incertidumbre en la integración numérica de curvas de medición” , mayo 2003
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes.
21
Probabilidad, funciones de densidad probabilística
(probability density functions, PDFs) de uso común,
esperanza y momentos de una variable aleatoria.
Parámetros estadísticos: mediana, moda, media
aritmética, varianza, desviación estándar,
incertidumbre estándar, histograma de resultados.
Nivel de confianza, factor de cobertura,
incertidumbre combinada vs. incertidumbre
expandida
2. Repaso de conceptos básicos de
probabilidad y estadística.
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes.
22
* CEM, Evaluación de datos de medición, Guía para la expresión de la incertidumbre de medida
http://www.cem.es/sites/default/files/gum20digital1202010.pdf
2. Repaso de conceptos básicos de
probabilidad y estadística.
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 23
CEM, Evaluación de datos de medición, Guía para la expresión de la incertidumbre de medida
http://www.cem.es/sites/default/files/gum20digital1202010.pdf
2. Repaso de conceptos básicos de
probabilidad y estadística.
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes.
24
C.2.1 probabilidad número real, entre 0 y 1, asociado a un suceso aleatorio
C.2.4 función de distribución función que da, para cada valor de x, la probabilidad de que la
variable aleatoria X sea menor o igual que x: F(x) = Pr(X ≤ x)
C.2.5 función de densidad de probabilidad (para
una variable aleatoria continua) es la derivada (cuando existe)
de la función de distribución:
f(x) = dF(x)/dx
2. Repaso de conceptos básicos de
probabilidad y estadística.
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 25
C.2.19 media aritmética; valor medio suma de valores dividida entre el número de valores
Mediana: el valor central de los datos ordenados
Moda: el valor que más veces se repite
n
1i
ixn
1x
2. Repaso de conceptos básicos de
probabilidad y estadística.
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes.
26
C.2.9 esperanza matemática (de una variable aleatoria
o de una distribución de probabilidad); valor esperado;
media … Para una variable aleatoria continua X, con función de densidad de
probabilidad f(x), la esperanza, si existe, es
μ = E(X ) = ∫x f(x) dx
C.2.13 momento central de orden q en una distribución de una única variable, es la esperanza matemática
de la q-ésima potencia de la variable aleatoria centrada (X − μ):
E[ (X −μ )^q ]
2. Repaso de conceptos básicos de
probabilidad y estadística.
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes.
27
del mensurando
Media
Medida de su Dispersión
n
1i
2
ixx1n
1s
Desviación estándar experimental
s2 : Varianza experimental
C.2.20 varianza medida de dispersión, igual a la suma de los cuadrados de las
desviaciones de las observaciones con respecto a su valor
medio, dividido por el número de observaciones menos uno
2. Repaso de conceptos básicos de
probabilidad y estadística.
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes.
28
Tiempo
Valores
C.2.18 distribución de
frecuencia
relación empírica entre los valores de
una característica y sus frecuencias o
frecuencias relativas NOTA La distribución puede representarse gráficamente como un
histograma (ISO 3534-1:1993, definición 2.17), un diagrama de
barras (ISO 3534-1:1993, definición 2.18),…
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes.
29
y funciones de densidad de probabilidad (PDF)
0
1
2
3
4
5
6
7
8
107 108 109 110 111 112 113 114 115 116
Clase
Fre
cu
en
cia
0123456789
10
107 108 109 110 111 112 113 114 115 116
Clase
Fre
cu
en
cia
Los histogramas permiten visualizar de manera preliminar la distribución, a partir de su envolvente.
¿uniforme? ¿normal?
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes.
30
2
2
22
1
)(exp)(
xxf
x
f(x)
= Distribución de Laplace-Gauss
= Distribución Gaussiana
= Media
= Desviación estándar
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 31
Intervalo
Nivel de confianza 68,3% 95,4% 99,7%
3 2 2 3
2 3
Probabilidad de encontrar x en un intervalo:
b
adxxf )(bxaP
x
f(x)
Para una distribución normal
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 32
Ref. VIM, JCGM 200:2008, trad. Español.
0
1 0
2 0
3 0
4 0
5 0
6 0
7 0
8 0
9 0
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 33
Fuente: Ref. NMX-CH-140-IMNC
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 34
-3uc -2uc -uc +uc +2uc +3uc
k 1 2 3
nivel de confianza 68,3% 95,4% 99,7%
cukU
• Aumentar el nivel de confianza.
• k es elegido por el usuario según conveniencia.
La incertidumbre estándar uc representa un intervalo que contiene el valor verdadero del
mensurando con una probabilidad p de 68% aproximadamente, llamado el “nivel de
confianza”. Para obtener una probabilidad mayor, se expande el intervalo de
incertidumbre por un factor k, llamado “factor de cobertura”. El resultado se llama
“incertidumbre expandida”
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 35
3. Estimando la incertidumbre de una medición conforme al
método de la “Guide to the expression of uncertainty in
measurement” (GUM).
3.1 Mensurando, variables de influencia y variables de entrada (del
modelo de medición).
3.2 Ley de propagación de incertidumbres: con y sin correlación de
variables.
3.3 Coeficientes de sensibilidad y el “peso” de las contribuciones en la
incertidumbre de una medición.
3.4 Incertidumbre: Tipo A vs. Tipo B.
3.5 Componentes “mínimos” en un presupuesto de incertidumbres.
3.6 Ejercicio ilustrativo: medición de espesores utilizando ultrasonido.
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 36
Parámetro no negativo que caracteriza la dispersión de los valores
atribuidos a un mensurando, a partir de la información que se utiliza.
¿25.4 mm?
¿25.6 mm?
¿25.35 mm?
NOTA. El parámetro puede ser, por ejemplo, una desviación típica (o un múltiplo de ella), o el semi
intervalo con un nivel de confianza determinado.
No es posible conocer con certeza absoluta el valor
verdadero de una magnitud. Siempre nos
quedamos con incertidumbre.
La incertidumbre se estima, no es una cuantificación
exacta.
El nivel de incertidumbre apropiado depende del
uso intencionado.
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 37
Fu
en
tes
po
sib
les
de
in
ce
rtid
um
bre
definición incompleta del mensurando;
realización imperfecta de la definición del mensurando;
muestra no representativa del mensurando;
lectura sesgada de instrumentos analógicos, por parte del técnico;
resolución finita del instrumento de medida;
conocimiento incompleto de los efectos de las condiciones ambientales en la medición, o medición imperfecta de las mismas.
valores inexactos de los patrones de medida;
valores inexactos de constantes y otros parámetros tomados de fuentes externas;
variaciones en las observaciones repetidas del mensurando, en condiciones aparentemente idénticas.
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 38
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 39
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
Esta Guía proporciona reglas
generales para evaluar y
expresar la incertidumbre de
medida de una magnitud física
bien definida, el mensurando.
NMX-CH-140-IMNC Guía para la expresión de
incertidumbre en las mediciones
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 40
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
1) Modelo matemáticamente de la relación entre el mensurando y las magnitudes de entrada .
2) Determinar el valor estimado de las magnitudes de entrada
3) Evaluar la incertidumbre estándar de cada estimación de entrada.
4) Evaluar las covarianzas asociadas a todas las estimaciones de entrada que estén correlacionadas.
5) Calcular la estimación del mensurando.
6) Determinar la incertidumbre estándar combinada del mensurando.
7) Determinar la incertidumbre expandida.
8) Documentar el resultado de medición junto con su incertidumbre.
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 41
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
Magnitud que se desea medir.
Cantidad particular objeto de una medición.
En general, un proceso de medición involucra cantidades de entrada 𝑋𝑖
cuyo valor estimado, 𝑥𝑖, contribuyen al valor estimado 𝑦 del mensurando o
cantidad de salida, 𝑌.
Proceso
de
medición
⋮
𝑋1
𝑋𝑁
𝑌
𝑦 = 𝑓 𝑥1, 𝑥2, ⋯ , 𝑥𝑁
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 42
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
1) Modelo matemáticamente de la relación entre el mensurando y las magnitudes de
entrada .
Relación matemática existente entre el mensurando (Y ) y las magnitudes
de entrada (Xi ) de las que depende Y.
𝐸𝑟𝑟𝑜𝑟 𝑑𝑒 𝑚𝑒𝑑𝑖𝑑𝑎 = 𝑉𝑎𝑙𝑜𝑟 𝑚𝑒𝑑𝑖𝑑𝑜 − 𝑉𝑎𝑙𝑜𝑟 𝑑𝑒 𝑟𝑒𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎
Decidir qué se quiere medir. Decidir qué mediciones y cálculos se requieren para obtener el resultado final.
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 43
Volumen de un cilindro.
D
h
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
𝑉 =𝜋
4∙ 𝐷2 ∙ ℎ
Volumen del cilindro
Diámetro del cilindro
Altura del cilindro
𝑉
𝐷
ℎ
Mensurando 𝑌
𝑋𝑖 Magnitudes de entrada
1) Modelo matemáticamente de la relación entre el mensurando y las magnitudes de
entrada .
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 44
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
2) Determinar el valor estimado 𝒙𝒊 de la magnitud de entrada 𝑿𝒊.
Las magnitudes de entrada 𝑋𝑖 pueden ser a su vez mensurandos,
pudiendo depender de otras magnitudes.
𝑉𝑎𝑙𝑜𝑟 𝑚𝑒𝑑𝑖𝑑𝑜 = 𝐿𝑒𝑐𝑡𝑢𝑟𝑎 𝑑𝑒𝑙 𝑖𝑛𝑠𝑡𝑟𝑢𝑚𝑒𝑛𝑡𝑜 + 𝐶𝑜𝑟𝑟𝑒𝑐𝑐𝑖ó𝑛
Se pueden determinar a partir del análisis estadístico de una serie de
observaciones.
Por el instrumento Por magnitudes de
influencia (ej. temperatura,
presión atmosférica, o
humedad)
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 45
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
2) Determinar el valor estimado 𝒙𝒊 de la magnitud de entrada 𝑿𝒊.
Magnitudes cuyos valores e incertidumbre se introducen en la
medición procedentes de fuentes externas:
Magnitudes asociadas a patrones,
Materiales de referencia certificados
Valores de referencia tomados de publicaciones.
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 46
Diámetro del cilindro.
D
h
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
𝐷 = 𝐷𝑚𝑒𝑑 + 𝐶𝑖𝑛𝑠𝑡 + 𝐶𝑐𝑜𝑛𝑑.𝑎𝑚𝑏.
2) Determinar el valor estimado 𝒙𝒊 de la magnitud de entrada 𝑿𝒊.
Certificado de
calibración
Material del
instrumento
y/o del objeto.
Regla.
Corrección = 0 mm.
U = ± 0.1 % de la lectura, k=2.
Lata de aluminio.
Coeficiente de expansión térmica lineal
del aluminio (α) = 2.3x10-5 °C-1.
𝐿 = 𝐿0 1 + 𝛼 ∙ ∆𝑇
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 47
Altura del cilindro.
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
ℎ = ℎ𝑚𝑒𝑑 + 𝐶𝑖𝑛𝑠𝑡 + 𝐶𝑐𝑜𝑛𝑑.𝑎𝑚𝑏.
2) Determinar el valor estimado 𝒙𝒊 de la magnitud de entrada 𝑿𝒊.
Certificado de
calibración
Material del
instrumento
y/o del objeto.
Regla.
Corrección = 0 mm.
U = ± 0.1 % de la lectura, k=2.
Lata de aluminio.
Coeficiente de expansión térmica lineal
del aluminio (α) = 2.3x10-5 °C-1.
𝐿 = 𝐿0 1 + 𝛼 ∙ ∆𝑇
D
h
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 48
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
3) Evaluar la incertidumbre estándar, 𝒖 𝒙𝒊 , de cada estimación de entrada 𝒙𝒊.
a) Identificación de las fuentes de incertidumbre.
b) Clasificación según su método de evaluación.
c) Distribución de probabilidad.
d) Determinación incertidumbre estándar.
Certificado de
calibración.
Resolución del
instrumento.
Repetibilidad de
las lecturas.
Bibliografía.
etc.
Tipo A.
Se evalúa por análisis
estadístico de una serie
de observaciones.
Tipo B.
Adopción de valores
“externos” al proceso
de medición.
Tipo A.
a partir de distribución de
frecuencia observada.
Tipo B.
distribuciones supuestas
a priori.
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 49
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
3) Evaluar la incertidumbre estándar, 𝒖 𝒙𝒊 , de cada estimación de entrada 𝒙𝒊.
Distribución de
probabilidad
Expresión para obtener
𝒖 𝒙𝒊
Comentarios o ejemplos
Rectangular 𝒖 𝒙𝒊 =𝒂𝒊
𝟑 Un termómeltro digital tiene una resolución de 0.1°C.
Límites del semi-intervalo de 0.05 °C. 𝒖 𝒙𝒊 =𝟎.𝟎𝟓
𝟑
Normal
(evaluación de
repetibilidad)
𝒖 𝒙𝒊 = 𝒔 𝒒
𝒔 𝒒 =𝒔 𝒒
𝒏
𝒔𝟐 𝒒 =𝟏
𝒏 − 𝟏 𝒒𝒋 − 𝒒
𝒏
𝒋=𝟏
Evaluación estadística de la repetibilidad proporciona
el resultado en términos de una desviación estándar;
por lo que no es necesario realizar un procesamiento
adicional.
Proporciona una indicación de la repetibilidad del
proceso, el cual depende de factores como:
instrumento utilizado, el método de medición, y en
algunas ocasiones de la persona que realiza la
medición.
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 50
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
3) Evaluar la incertidumbre estándar, 𝒖 𝒙𝒊 , de cada estimación de entrada 𝒙𝒊.
Distribución de
probabilidad
Expresión para obtener
𝒖 𝒙𝒊
Comentarios o ejemplos
Normal (de un
certificado de
calibración)
𝒖 𝒙𝒊 =𝑼
𝒌
Un certificado de calibración expresa una
incertidumbre expandida U, con una probabilidad de
cobertura o nivel de confianza. Es necesario dividir U
por el factor de cobertura, k, que corresponde al nivel
de confianza informado.
Normal (de las
especificaciones
del fabricante)
𝒖 𝒙𝒊
=𝑳í𝒎𝒊𝒕𝒆 𝒅𝒆 𝒕𝒐𝒍𝒆𝒓𝒂𝒏𝒄𝒊𝒂
𝒌
Algunas especificaciones de fabricantes se indican para
un nivel de confianza, en estos casos se supone una
distribución normal y el límite de tolerancia se divide
entre el correspondiente factor de cobertura.
Si no se especifica un nivel de confianza, entonces se
debe suponer una distribución uniforme.
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 51
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
3) Evaluar la incertidumbre estándar, 𝒖 𝒙𝒊 , de cada estimación de entrada 𝒙𝒊.
Distribución de
probabilidad
Expresión para obtener
𝒖 𝒙𝒊
Comentarios o ejemplos
Triangular 𝒖 𝒙𝒊 =𝒂𝒊
𝟔
La combinación de dos distribuciones uniformes
idénticas, cada una con límites del semi-intervalor de
± 𝑎, resulta en una distribución triangular con un
semi-intervalor de ±2𝑎.
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 52
Repetibilidad
Resolución del instrumento 𝐷𝑚𝑒𝑑
Repetibilidad
Resolución del termómetro ∆𝑇
Certificado de calibración del termómetro
Bibliografía ∝
𝐷
2) Determinar el valor estimado 𝒙𝒊 de la magnitud de entrada 𝑿𝒊.
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
Certificado de calibración del instrumento 𝐶𝑖𝑛𝑠𝑡
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 53
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
Variable/Fuente de
incertidumbre
Valor Origen de la
información
Tipo de distribución Incertidumbre estándar,
𝒖 𝒙𝒊
Diámetro medido, 𝑫𝒎𝒆𝒅
Repetibilidad Lecturas A. Normal
Resolución Instrumento B. Uniforme
Corrección por
instrumento, 𝑪𝒊𝒏𝒔𝒕
Calibración Certificado B. Normal.k=2
3) Evaluar la incertidumbre estándar, 𝒖 𝒙𝒊 , de cada estimación de entrada 𝒙𝒊.
𝐷 = 𝐷𝑚𝑒𝑑 + 𝐶𝑖𝑛𝑠𝑡 + 𝐶𝑐𝑜𝑛𝑑.𝑎𝑚𝑏.
5) Calcular la estimación 𝒚 del mensurando 𝒀, a partir de la relación funcional 𝒇 utilizando para
las magnitudes de entrada 𝑿𝒊 las estimaciones 𝒙𝒊
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 54
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
Variable/Fuente de
incertidumbre
Valor Origen de la
información
Tipo de distribución Incertidumbre estándar,
𝒖 𝒙𝒊
Diámetro medido, 𝒉𝒎𝒆𝒅
Repetibilidad
Resolución
Corrección por
instrumento, 𝑪𝒊𝒏𝒔𝒕
Calibración
3) Evaluar la incertidumbre estándar, 𝒖 𝒙𝒊 , de cada estimación de entrada 𝒙𝒊.
Variable/Fuente de
incertidumbre
Valor Origen de la
información
Tipo de distribución Incertidumbre estándar,
𝒖 𝒙𝒊
Diámetro medido, 𝒉𝒎𝒆𝒅
Repetibilidad Lecturas A. Normal
Resolución Instrumento B. Uniforme
Corrección por
instrumento, 𝑪𝒊𝒏𝒔𝒕
Calibración Certificado B. Normal.k=2
ℎ = ℎ𝑚𝑒𝑑 + 𝐶𝑖𝑛𝑠𝑡 + 𝐶𝑐𝑜𝑛𝑑.𝑎𝑚𝑏.
5) Calcular la estimación 𝒚 del mensurando 𝒀, a partir de la relación funcional 𝒇 utilizando para
las magnitudes de entrada 𝑿𝒊 las estimaciones 𝒙𝒊
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 55
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
6) Determinar la incertidumbre estándar combinada del mensurando, 𝒖𝒄 𝒚
La incertidumbre típica combinada 𝑢𝑐 𝑦 es la raíz cuadrada positiva de la
varianza combinada 𝑢𝑐2 𝑦 , dada por:
𝑢𝑐2 𝑦 =
𝜕𝑓
𝜕𝑥𝑖
2
𝑢2 𝑥𝑖
𝑁
𝑖=1
Ley de propagación de incertidumbre
𝑢𝑐2 𝑦 = 𝑐𝑖 ∙ 𝑢 𝑥𝑖
2
𝑁
𝑖=1
≡ 𝑢𝑖2 𝑦
𝑁
𝑖=1
𝑐𝑖 ≡𝜕𝑓
𝜕𝑥𝑖 Coeficiente de sensibilidad, es el
impacto de cada fuente sobre el
mensurando.
contribución de cada fuente a la incertidumbre
combinada.
magnitudes de entrada independientes
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 56
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
6) Determinar la incertidumbre estándar combinada del mensurando, 𝒖𝒄 𝒚
La incertidumbre típica combinada 𝑢𝑐 𝑦 es la raíz cuadrada positiva de la varianza
combinada 𝑢𝑐2 𝑦 , dada por:
𝑢𝑐2 𝑦 =
𝜕𝑓
𝜕𝑥𝑖
2
𝑢2 𝑥𝑖
𝑁
𝑖=1
+ 2 𝜕𝑓
𝜕𝑥𝑖
𝜕𝑓
𝜕𝑥𝑗
𝑁
𝑗=𝑖+1
𝑢 𝑥𝑖 , 𝑥𝑗
𝑁−1
𝑖=1
Ley de propagación de incertidumbre
𝑟 =𝑢 𝑥𝑖 , 𝑥𝑗
𝑢 𝑥𝑖 𝑢 𝑥𝑗
Coeficiente de
correlación entre 𝑥𝑖 y 𝑥𝑗 .
magnitudes de entrada correlacionadas
𝑢𝑐2 𝑦 = 𝑐𝑖
2𝑢2 𝑥𝑖
𝑁
𝑖=1
+ 2 𝑐𝑖𝑐𝑗𝑢 𝑥𝑖 𝑢 𝑥𝑗
𝑁
𝑗=𝑖+1
𝑟 𝑥𝑖 , 𝑥𝑗
𝑁−1
𝑖=1
Covarianza estimada
asociada a 𝑥𝑖 y 𝑥𝑗 .
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 57
𝑢𝑐2 𝐷 = 𝑢𝐷𝑚𝑒𝑑
2 𝐷 + 𝑢𝐶𝑖𝑛𝑠𝑡,𝑐𝑎𝑙2 𝐷
6) Determinar la incertidumbre estándar combinada del mensurando, 𝒖𝒄 𝒚
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
𝑢𝑐2 𝐷 =
𝜕𝐷
𝜕𝐷𝑚𝑒𝑑
2
𝑢2 𝐷𝑚𝑒𝑑 +𝜕𝐷
𝜕𝐶𝑖𝑛𝑠𝑡,𝑐𝑎𝑙
2
𝑢2 𝐶𝑖𝑛𝑠𝑡,𝑐𝑎𝑙
𝑢2 𝐷𝑚𝑒𝑑 =𝑠 𝐷𝑚𝑒𝑑𝑛𝐷𝑚𝑒𝑑
2
+𝑅𝑒𝑠 𝐷𝑚𝑒𝑑
12
2
𝑢2 𝐶𝑖𝑛𝑠𝑡,𝑐𝑎𝑙 =𝑈𝑐𝑎𝑙 𝐶𝑖𝑛𝑠𝑡,𝑐𝑎𝑙𝑘𝐶𝑖𝑛𝑠𝑡,𝑐𝑎𝑙
2
𝑐𝐷𝑚𝑒𝑑 =𝜕𝐷
𝜕𝐷𝑚𝑒𝑑= 1
𝑐𝐶𝑖𝑛𝑠𝑡,𝑐𝑎𝑙 =𝜕𝐷
𝜕𝐶𝑖𝑛𝑠𝑡,𝑐𝑎𝑙= 1
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 58
6) Determinar la incertidumbre estándar combinada del mensurando, 𝒖𝒄 𝒚
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
Variable/Fuente de
incertidumbre
Valor Tipo
distribución
𝒖 𝒙𝒊 𝒄𝒊 contribución 𝒄𝒊 ∙ 𝒖 𝒙𝒊
Diámetro medido,
𝑫𝒎𝒆𝒅
Repetibilidad
Resolución
Corrección por
instrumento, 𝑪𝒊𝒏𝒔𝒕
Calibración
𝑢𝑐 𝐷 = 𝑢𝐷𝑚𝑒𝑑2 𝐷 + 𝑢𝐶𝑖𝑛𝑠𝑡,𝑐𝑎𝑙
2 𝐷
𝑢𝑐 𝐷 = 𝑐𝐷𝑚𝑒𝑑 ∙ 𝑢 𝐷𝑚𝑒𝑑2+ 𝑐𝐶𝑖𝑛𝑠𝑡,𝑐𝑎𝑙 ∙ 𝑢 𝐶𝑖𝑛𝑠𝑡,𝑐𝑎𝑙
2
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 59
Intervalo
Nivel de confianza 68.3% 95.4% 99.7%
2 3
3 2 2 3
k=1 k=2 k=3
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.
Factor de cobertura
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 60
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
7) Determinar la incertidumbre expandida
y-U y y+U
k = ?
𝑈 = 𝑘 ∙ 𝑢𝑐 𝑦
𝑌 = 𝑦 ± 𝑈 𝑦 − 𝑈 ≤ 𝑌 ≤ 𝑦 + 𝑈
De acuerdo con prácticas internacionales
generalmente aceptadas, se recomienda
que se utilice un factor de cobertura de k=2
para calcular la incertidumbre expandida.
Este valor de k dará un nivel de confianza
de aproximadamente 95%, suponiendo
una distribución normal.
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 61
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
8) Documentar el resultado de medición junto con su incertidumbre
con U determinada con un factor de cobertura k = 2, basado en una distribución
normal del error de medida, definiendo un intervalo estimado para tener un nivel de
confianza de aproximadamente 95%.
𝐷 ± 𝑈
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 62
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
8) Documentar el resultado de medición junto con su incertidumbre
e) D = 1.025 3 km, U = 2.3 m (k=2 @ 95 % nivel de confianza)
a) D = (1.025 3 0.002 3) km (k=2 @ 95 % nivel de confianza)
Y = y U con k = ? @ x %
Y Mensurando
y Mejor estimado del mensurando
U Incertidumbre expandida
b) D = 1.025 3 km 2.3 m (k=2 @ 95 % nivel de confianza)
c) D = 1.025 3 km 0.22 % (k=2 @ 95 % nivel de confianza)
d) D = 1.025 3 km 2.2·10-3 (k=2 @ 95 % nivel de confianza)
f) D = 1.025 3 km, U = 0.22 % (k=2 @ 95 % nivel de confianza)
g) D = 1.025 3 km, U = 2.2·10-3 (k=2 @ 95 % nivel de confianza)
Ejemplos de expresión de resultados en la magnitud de longitud:
Resultado:
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 63
Volumen de un cilindro. D
h
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
𝑉 =𝜋
4∙ 𝐷2 ∙ ℎ
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 64
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
Unidad
rastreadora
(transductor)
Bloque de referencia
Acoplante
Cable
Medidor
Reflexión (eco)
Mensurando:
Error de medida
Magnitudes de entrada:
Espesor medido
Espesor de referencia (𝑋2)
(𝑋1)
(𝑌)
𝑌 = 𝑓 𝑋1, 𝑋2
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 65
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
1) Modelo matemáticamente de la relación entre el mensurando y las magnitudes de
entrada .
Relación matemática existente entre el mensurando (Y ) y las magnitudes
de entrada (Xi ) de las que depende Y.
𝐸𝑟𝑟𝑜𝑟 𝑑𝑒 𝑚𝑒𝑑𝑖𝑑𝑎 = 𝐸𝑠𝑝𝑒𝑠𝑜𝑟 𝑚𝑒𝑑𝑖𝑑𝑜 − 𝐸𝑠𝑝𝑒𝑠𝑜𝑟 𝑑𝑒 𝑟𝑒𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎
𝑒 = 𝑙𝑚𝑒𝑑 − 𝑙𝑟𝑒𝑓
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 66
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
1) Modelo matemáticamente de la relación entre el mensurando y las magnitudes de
entrada .
Las magnitudes de entrada Xi, de las que depende la magnitud de salida Y pueden ser
consideradas a su vez como mensurandos, pudiendo depender de otras magnitudes,
junto con las correcciones y factores de corrección de los efectos sistemáticos.
𝑙𝑟𝑒𝑓 = 𝑙𝑐𝑎𝑙 1 +∝ 𝑡 − 𝑡𝑐𝑎𝑙 + 𝑙𝑎𝑐
Longitud del bloque
patrón dada en su
certificado de
calibración
Coeficiente de
dilatación térmica
lineal del bloque
patrón
Temperatura del
bloque durante la
medición
Temperatura de
calibración del
bloque
Espesor de la capa de
acoplante a la
temperatura de
medición.
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 67
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
1) Modelo matemáticamente de la relación entre el mensurando y las magnitudes de
entrada.
𝑒 = 𝑙𝑚𝑒𝑑 − 𝑙𝑐𝑎𝑙 1 +∝ 𝑡 − 𝑡𝑐𝑎𝑙 − 𝑙𝑎𝑐
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 68
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
2) Determinar el valor estimado xi de la magnitud de entrada Xi.
A partir del análisis estadístico de una serie de observaciones:
d1 (mm) d2 (mm) d3 (mm) d4 (mm) d5 (mm) d6 (mm) d7 (mm)
2.543 5.072 7.635 10.165 12.708 19.042 25.40
2.541 5.08 7.633 10.166 12.700 19.036 25.40
2.547 5.087 7.635 10.162 12.706 19.034 25.41
2.541 5.084 7.627 10.168 12.704 19.053 25.40
2.543 5.08 7.624 10.165 12.708 19.047 25.398
2.543 5.081 7.631 10.165 12.705 19.042 25.401 media aritmética
(n = 5)
observaciones
repetidas e
independientes.
𝑙𝑚𝑒𝑑
𝑡 = 21.4 °C Temperatura promedio del
bloque durante la medición.
21.3 °C 𝑡 =
21.5 °C 𝑡 =
Temperatura del bloque.
Al iniciar la medición.
Al finalizar la medición.
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 69
Magnitudes cuyos valores e incertidumbres se introducen en la medición
procedentes de fuentes externas:
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
2) Determinar el valor estimado xi de la magnitud de entrada Xi.
𝑙𝑎𝑐 (0 ± 0.005) mm 𝑙𝑐𝑎𝑙 (mm)
2.543
5.085
7.621
10.161
12.702
19.048
25.400
Del certificado de
calibración del
bloque.
De estudio realizado.
∝ 1.1 x 10-5 (°C-1)
De bibliografía.
𝑡𝑐𝑎𝑙 (20 ± 0.2) °C
Del certificado de calibración del bloque.
𝑈𝑙𝑐𝑎𝑙 = 0.004 (mm)
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 70
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
3) Evaluar la incertidumbre estándar, 𝒖 𝒙𝒊 , de cada estimación de entrada 𝒙𝒊.
Repetibilidad
Resolución del medidor ultrasónico de espesores 𝑙𝑚𝑒𝑑
Repetibilidad
Resolución del termómetro 𝑡
Certificado de calibración del termómetro
Certificado de calibración del bloque de referencia 𝑙𝑐𝑎𝑙
Bibliografía ∝
Medición del espesor de la capa de acoplante. 𝑙𝑎𝑐
𝑒
Certificado de calibración del bloque de referencia 𝑡𝑐𝑎𝑙
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes.
Variable/Fuente de
incertidumbre
Valor Origen de la
información
Tipo de distribución Incertidumbre estándar,
𝒖 𝒙𝒊
Espesor medido, 𝒍𝒎𝒆𝒅 2.543 mm
Repetibilidad 0.002 mm Lecturas A. Normal 0.001 mm
Resolución 0.001 mm Carátula B. Uniforme 2.887x10-4 mm
Longitud del bloque, 𝒍𝒄𝒂𝒍 2.543 mm
Calibración 0.004 mm Certificado B. Normal.k=2 0.002 mm
Temperatura del bloque, 𝒕 21.4 °C
Repetibilidad 0.14 °C Lecturas A. Normal 0.1 °C
Resolución 0.1 °C Carátula B. Uniforme 0.03 °C
Calibración 0.2 °C Certificado B. Normal.k=2 0.1 °C
Temp. calibración bloque, 𝒕𝒄𝒂𝒍 20 °C
Calibración 0.2 °C Certificado B. Uniforme 0.06 °C
Coef. dil. térmica lineal, ∝ 1.1x10-5 °C-1
Bibliografía 1.1x10-6 °C-1 Referencia B. Uniforme 3.18x10-7 °C-1
Espesor capa acoplante, 𝒍𝒂𝒄 0 mm
Informe 0.005 mm Informe B. Normal.k=2 0.0025 mm
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
3) Evaluar la incertidumbre estándar, 𝒖 𝒙𝒊 , de cada estimación de entrada 𝒙𝒊.
Ej. Longitud del bloque de 2.543 mm
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 72
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
5) Calcular la estimación 𝒚 del mensurando 𝒀, a partir de la relación funcional 𝒇 utilizando para
las magnitudes de entrada 𝑿𝒊 las estimaciones 𝒙𝒊
𝑒 = 𝑙𝑚𝑒𝑑 − 𝑙𝑐𝑎𝑙 1 +∝ 𝑡 − 𝑡𝑐𝑎𝑙 − 𝑙𝑎𝑐
Espesor Medido
𝒍𝒎𝒆𝒅
Espesor Referencia
𝒍𝒓𝒆𝒇 Error de medida
𝒆 (mm) (mm) (mm)
2.543 2.543 0.000
𝑙𝑟𝑒𝑓
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 73
𝑢2 𝑙𝑚𝑒𝑑 =𝑠 𝑙𝑚𝑒𝑑𝑛𝑙𝑚𝑒𝑑
2
+𝑅𝑒𝑠 𝑙𝑚𝑒𝑑
12
2
𝑢2 𝑙𝑐𝑎𝑙 =𝑈𝑐𝑎𝑙 𝑙𝑐𝑎𝑙𝑘𝑙𝑐𝑎𝑙
2
𝑢2 𝑙𝑐𝑎𝑙 =𝑢𝑅𝐵 ∝
12
2
𝑢2 𝑡 =𝑠 𝑡
𝑛𝑡
2
+𝑅𝑒𝑠 𝑡
12
2
+𝑈𝑐𝑎𝑙 𝑡
𝑘𝑡
2
𝑢2 𝑡𝑐𝑎𝑙 =𝑈𝑐𝑎𝑙 𝑡𝑐𝑎𝑙𝑘𝑡𝑐𝑎𝑙
2
𝑢2 𝑡𝑎𝑐 =𝑈 𝑙𝑎𝑐𝑘𝑙𝑎𝑐
2
𝑢𝑐2 𝑒 = 𝑢𝑙𝑚𝑒𝑑
2 𝑒 + 𝑢𝑙𝑐𝑎𝑑2 𝑒 + 𝑢∝
2 𝑒 + 𝑢𝑡2 𝑒 + 𝑢𝑡𝑐𝑎𝑑
2 𝑒 + 𝑢𝑙𝑎𝑐2 𝑒
6) Determinar la incertidumbre estándar combinada del mensurando, 𝒖𝒄 𝒚
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
𝑢𝑐2 𝑒 =
𝜕𝑒
𝜕𝑙𝑚𝑒𝑑
2
𝑢2 𝑙𝑚𝑒𝑑 +𝜕𝑒
𝜕𝑙𝑐𝑎𝑙
2
𝑢2 𝑙𝑐𝑎𝑙 +𝜕𝑒
𝜕 ∝
2
𝑢2 ∝ +𝜕𝑒
𝜕𝑡
2
𝑢2 𝑡 +𝜕𝑒
𝜕𝑡𝑐𝑎𝑙
2
𝑢2 𝑡𝑐𝑎𝑙 +𝜕𝑒
𝜕𝑙𝑎𝑐
2
𝑢2 𝑙𝑎𝑐
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 74
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
6) Determinar la incertidumbre estándar combinada del mensurando, 𝒖𝒄 𝒚
𝑒 = 𝑙𝑚𝑒𝑑 − 𝑙𝑐𝑎𝑙 1 +∝ 𝑡 − 𝑡𝑐𝑎𝑙 − 𝑙𝑎𝑐
𝑐𝑙𝑚𝑒𝑑 =𝜕𝑒
𝜕𝑙𝑚𝑒𝑑= 1
𝑐𝑙𝑐𝑎𝑙 =𝜕𝑒
𝜕𝑙𝑐𝑎𝑙= −1 +∝ 𝑡 − 𝑡𝑐𝑎𝑙
𝑐∝ =𝜕𝑒
𝜕 ∝= −𝑙𝑐𝑎𝑙 𝑡 − 𝑡𝑐𝑎𝑙
𝑐𝑡 =𝜕𝑒
𝜕𝑡= −𝑙𝑐𝑎𝑙 ∙∝
𝑐𝑡𝑐𝑎𝑙 =𝜕𝑒
𝜕𝑡𝑐𝑎𝑙= 𝑙𝑐𝑎𝑙 ∙∝
𝑐𝑙𝑎𝑐 =𝜕𝑒
𝜕𝑙𝑎𝑐= −1
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes.
Variable/Fuente de
incertidumbre
Valor Tipo
distribución
𝒖 𝒙𝒊 𝒄𝒊 contribución 𝒄𝒊 ∙ 𝒖 𝒙𝒊
Espesor medido, 𝒍𝒎𝒆𝒅 2.543 mm 1
Repetibilidad 0.002 mm A.Normal 0.001 mm 0.001 mm
Resolución 0.001 mm B.Uniforme 2.887x10-4 mm 2.887x10-4 mm
Longitud bloque, 𝒍𝒄𝒂𝒍 2.543 mm -1
Calibración 0.004 mm B. Normal.k=2 0.002 mm -0.002 mm
Temperatura bloque, 𝒕 21.4 °C -2.8x10-5 mm/°C
Repetibilidad 0.14 °C A. Normal 0.1 °C -2.8x10-6 mm
Resolución 0.1 °C B. Uniforme 0.03 °C -8.08x10-7 mm
Calibración 0.2 °C B. Normal.k=2 0.1 °C -2.8x10-6 mm
Temp. cal. bloque, 𝒕𝒄𝒂𝒍 20 °C 2.8x10-5 mm/°C
Calibración 0.2 °C B. Uniforme 0.06 °C 1.62x10-6 mm
Coef. dil. térm. lineal, ∝ 1.1x10-5 °C-1 -3.56 mm·°C
Bibliografía 1.1x10-6 °C-1 B. Uniforme 3.18x10-7 °C-1 -1.13x10-6 mm
Espesor acoplante, 𝒍𝒂𝒄 0 mm -1
Informe 0.005 mm B. Normal.k=2 0.0025 mm -0.0025 mm
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
Ej. Longitud del bloque de 2.543 mm
6) Determinar la incertidumbre estándar combinada del mensurando, 𝒖𝒄 𝒚
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 76
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
6) Determinar la incertidumbre estándar combinada del mensurando, 𝒖𝒄 𝒚
𝑢𝑐 𝑒 = 𝑢𝑙𝑚𝑒𝑑2 𝑒 + 𝑢𝑙𝑐𝑎𝑑
2 𝑒 + 𝑢∝2 𝑒 + 𝑢𝑡
2 𝑒 + 𝑢𝑡𝑐𝑎𝑑2 𝑒 + 𝑢𝑙𝑎𝑐
2 𝑒
Espesor
Medido
Espesor
Referencia
Error de
medida 𝒖𝒄 𝒆
(mm) (mm) (mm) (mm)
2.543 2.543 0.000 0.004
5.081 5.085 -0.004 0.006
7.631 7.621 0.010 0.006
10.165 10.161 0.004 0.004
12.705 12.702 0.003 0.005
19.042 19.048 -0.006 0.008
25.401 25.400 0.001 0.005
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 77
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
7) Determinar la incertidumbre expandida
Espesor
Medido
Espesor
Referencia
Error de
medida 𝑼 𝒆
(mm) (mm) (mm) (mm)
2.543 2.543 0.000 0.008
5.081 5.085 -0.004 0.012
7.631 7.621 0.010 0.012
10.165 10.161 0.004 0.008
12.705 12.702 0.003 0.010
19.042 19.048 -0.006 0.016
25.401 25.400 0.001 0.010
𝑈 = 𝑘 ∙ 𝑢𝑐 𝑒
Considerando un factor de cobertura 𝑘 = 2 representa un intervalo con un nivel
de confianza de aproximadamente el 95%
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 78
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
8) Documentar el resultado de medición junto con su incertidumbre
Espesor
Medido
Espesor
Referencia
Error de medida
𝒆 ± 𝑼
(mm) (mm) (mm)
2.543 2.543 0.000 ± 0.008
5.081 5.085 -0.004 ± 0.012
7.631 7.621 0.010 ± 0.012
10.165 10.161 0.004 ± 0.008
12.705 12.702 0.003 ± 0.010
19.042 19.048 -0.006 ± 0.016
25.401 25.400 0.001 ± 0.010
con U determinada con un factor de cobertura k = 2, basado en una distribución normal del error de
medida, definiendo un intervalo estimado para tener un nivel de confianza de aproximadamente 95%.
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 79
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
Unidad rastreadora
(transductor)
Bloque
Acoplante
Cable
Reflexión (eco)
Medidor ultrasónico
de espesores
25.4 mm
2
tcd c es la velocidad de propagación de
las ondas ultrasónicas en el material,
t es el tiempo de vuelo.
d
- Depende del tipo de material,
- Se considera constante en un
material homogéneo e isotrópico.
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 80
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
Bloque de
referencia Bloque a
medir
l lref cref c
1tcl refref 2tcl
ref
ref
l
l
c
c
t
t
1
2
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 81
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
Bloque de referencia Bloque a medir
l lref cref c
ref
med
l
l
t
t
1
2
Se utiliza bloque de referencia
para ajustar el medidor
1tcl ajusteref 2tcl ajustemed
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 82
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
ref
ref
l
l
c
c
t
t
1
2
Bloque de referencia Bloque a medir
l lref cref c
ref
med
l
l
t
t
1
2
med
ref
lc
cl
el tiempo de vuelo no se incluye en este modelo!
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 83
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
Calibración del
instrumento de medición
Resolución del
instrumento de medición lmed
l c
cref Calibración del bloque de
referencia
Tablas o medición
med
ref
lc
cl
Repetibilidad
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 84
𝑢2 𝑙𝑚𝑒𝑑 =𝑠 𝑙𝑚𝑒𝑑𝑛𝑙𝑚𝑒𝑑
2
+𝑅𝑒𝑠 𝑙𝑚𝑒𝑑
12
2
+𝑈𝑐𝑎𝑙 𝑙𝑚𝑒𝑑𝑘𝑙𝑚𝑒𝑑
2
𝑢2 𝑐 =𝑈 𝑐
𝑘𝑐
2
𝑢2 𝑐𝑟𝑒𝑓 =𝑈 𝑐𝑟𝑒𝑓
𝑘𝑐𝑟𝑒𝑓
2
𝑢𝑐2 𝑙 = 𝑢𝑙𝑚𝑒𝑑
2 𝑙 + 𝑢𝑐2 𝑙 + 𝑢𝑐𝑟𝑒𝑓
2 𝑙
Determinar la incertidumbre estándar combinada del mensurando, 𝒖𝒄 𝒚
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
𝑢𝑐2 𝑙 =
𝜕𝑙
𝜕𝑙𝑚𝑒𝑑
2
𝑢2 𝑙𝑚𝑒𝑑 +𝜕𝑙
𝜕𝑐
2
𝑢2 𝑐 +𝜕𝑙
𝜕𝑐𝑟𝑒𝑓
2
𝑢2 𝑐𝑟𝑒𝑓
𝑐𝑙𝑚𝑒𝑑 =𝜕𝑙
𝜕𝑙𝑚𝑒𝑑=𝑐
𝑐𝑟𝑒𝑓
𝑐𝑐 =𝜕𝑙
𝜕𝑐=𝑙𝑚𝑒𝑑𝑐𝑟𝑒𝑓
𝑐𝑐𝑟𝑒𝑓 =𝜕𝑙
𝜕𝑐𝑟𝑒𝑓= −
𝑐
𝑐𝑟𝑒𝑓2 𝑙𝑚𝑒𝑑
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 85
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
lref
Bloque de referencia
lref= (24.99 ± 0.03) mm, (k=2 @ 95%)
Ajuste
cref= (5 914.8 ± 57.7) m/s, (k=2 @ 95%)
cref
Reflexión (eco)
AISI 1018
eMUE ± Ucal,MUE = (0 ± 0.01) mm,
(k=2 @ 95%)
lref
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 86
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
Bronce
AISI 304
AISI 4140 l
Nylamid
AISI 6061
lnom=25.4 mm
Medición
𝑙𝑚𝑒𝑑
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 87
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
AISI 304 AISI 4140 AISI 6061 Bronce Nylamid
25.72 24.89 23.17 36.22 54.05
25.77 24.91 23.17 36.3 54.08
25.78 24.9 23.16 36.12 54.13
25.76 24.91 23.17 36.31 54.18
25.75 24.89 23.15 36.26 54.19
25.76 24.90 23.16 36.24 54.13 media aritmética
(n = 5)
observaciones
repetidas e
independientes.
𝑙𝑚𝑒𝑑 (mm)
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 88
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
Variable/Fuente de
incertidumbre
Valor Origen de la
información
Tipo de
distribución
Incertidumbre
estándar, 𝒖 𝒙𝒊
Coeficiente de
sensibilidad 𝒄𝒊 Contribución
𝒄𝒊 ∙ 𝒖 𝒙𝒊
Espesor medido, 𝒍𝒎𝒆𝒅 23.16 mm 1
Repetibilidad 0.009 mm Lecturas A. Normal 0.004 mm 0.004 mm
Resolución 0.01 mm Carátula B. Uniforme 2.89x10-3 mm 2.89x10-3 mm
Corrección MUE, 𝑪 0 mm 1
Calibración 0.01 mm Certificado B. Normal.k=2 0.005 mm 0.005 mm
𝒖𝒄 𝒍 0.01 mm
𝑼 𝒍
(k=2 @ 95%)
0.02 mm
Cll med
Ej. Bloque de aluminio AISI 6061
𝑢2 𝑙 =𝑠 𝑙𝑚𝑒𝑑𝑛𝑙𝑚𝑒𝑑
2
+𝑅𝑒𝑠 𝑙𝑚𝑒𝑑
12
2
+𝑈𝑐𝑎𝑙 𝑙𝑚𝑒𝑑𝑘𝑙𝑚𝑒𝑑
2
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 89
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
AISI 304 AISI 4140 AISI 6061 Bronce Nylamid
𝒍𝒎𝒆𝒅 (mm) 25.76 24.90 23.16 36.24 54.13
𝒖𝒓𝒆𝒑,𝒍𝒎𝒆𝒅 (mm) 0.010 0.004 0.004 0.034 0.027
𝒖𝒓𝒆𝒔,𝒍𝒎𝒆𝒅 (mm) 0.00289 0.00289 0.00289 0.00289 0.00289
𝒖𝒄𝒂𝒍,𝒍𝒎𝒆𝒅 (mm) 0.005 0.005 0.005 0.005 0.005
𝒖 𝒍𝒎𝒆𝒅 (mm) 0.01 0.01 0.01 0.03 0.03
𝑼 𝒍𝒎𝒆𝒅 (mm) 0.02 0.02 0.02 0.06 0.06
𝑢2 𝑙𝑚𝑒𝑑 =𝑠 𝑙𝑚𝑒𝑑𝑛𝑙𝑚𝑒𝑑
2
+𝑅𝑒𝑠 𝑙𝑚𝑒𝑑
12
2
+𝑈𝑐𝑎𝑙 𝑙𝑚𝑒𝑑𝑘𝑙𝑚𝑒𝑑
2
con 𝑈 determinada con un factor de cobertura k = 2, basado en una distribución normal de la longitud
medida, definiendo un intervalo estimado para tener un nivel de confianza de aproximadamente 95%.
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 90
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
Bloque AISI 304 AISI 4140 AISI 6061 Bronce Nylamid
𝒍 (mm) 25.76 24.90 23.16 36.24 54.13
𝑼 𝒍 (mm) 0.02 0.02 0.02 0.06 0.06
𝒍𝒓𝒆𝒇 (mm) 25.03 24.99 25.01 25.04 25.04
𝑼 𝒍𝒓𝒆𝒇 (mm) 0.03 0.03 0.03 0.03 0.03
Error normalizado
( 𝑬𝒏 ≤ 𝟏) 20.2 2.5 51.3 167.0 433.6
𝑈 𝑙
Repetibilidad
Resolución del instrumento
Calibración del instrumento
22
ref
ref
n
lUlU
llE
Las mediciones son consistentes 1nE
1nE Las mediciones no son consistentes
Cll med
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 91
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
med
ref
lc
cl
Bronce AISI 304 AISI 4140
Nylamid AISI 6061
c= (4 104.9 ± 129.1) m/s,
(k=2 @ 95%)
c= (5 754.0 ± 59.3) m/s,
(k=2 @ 95%)
c= (5 932.3 ± 57.7) m/s,
(k=2 @ 95%)
c= (6 380.1 ± 59.3) m/s,
(k=2 @ 95%)
c= (2 721.7 ± 57.7) m/s,
(k=2 @ 95%)
Obtenida midiendo
el tiempo de vuelo
y el espesor del
bloque.
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 92
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
Variable/Fuente de
incertidumbre
Valor Origen de la
información
Tipo de
distribución
Incertidumbre
estándar, 𝒖 𝒙𝒊
Coeficiente de
sensibilidad 𝒄𝒊 Contribución
𝒄𝒊 ∙ 𝒖 𝒙𝒊
Espesor medido, 𝒍𝒎𝒆𝒅 23.16 mm 1.0787
Repetibilidad 0.009 mm Lecturas A. Normal 0.004 mm 0.0043 mm
Resolución 0.01 mm Carátula B. Uniforme 2.89x10-3 mm 0.0031 mm
Calibración 0.01 mm Certificado B. Normal.k=2 0.005 mm 0.0054 mm
Velocidad de
propagación del
bloque medido, 𝒄 6 380.1 m/s 3.916x10-6 s
Calibración 59.3 m/s Certificado B. Normal.k=2 29.65 m/s 0.116 mm
Velocidad de
propagación del
bloque referencia, 𝒄𝒓𝒆𝒇 5 914.8 m/s -4.224x10-6 s
Calibración 57.7 m/s Certificado B. Normal.k=2 28.85 m/s -0.122 mm
𝒖𝒄 𝒍 0.17 mm
𝑼 𝒍
(k=2 @ 95%)
0.34 mm
Ej. Bloque de aluminio AISI 6061
𝑙 =𝑐
𝑐𝑟𝑒𝑓𝑙𝑚𝑒𝑑
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 93
3. Estimando la incertidumbre de una
medición conforme al método de la GUM
Bloque AISI 304 AISI 4140 AISI 6061 Bronce Nylamid
𝒍𝒎𝒆𝒅 (mm) 25.76 24.90 23.16 36.24 54.13
𝑼 𝒍𝒎𝒆𝒅 (mm) 0.02 0.02 0.02 0.08 0.06
𝒍 (mm) 25.06 24.97 24.98 25.15 24.91
𝑼 𝒍 (mm) 0.36 0.34 0.34 0.83 0.58
𝒍𝒓𝒆𝒇 (mm) 25.03 24.99 25.01 25.04 25.04
𝑼 𝒍𝒓𝒆𝒇 (mm) 0.03 0.03 0.03 0.03 0.03
Error normalizado
( 𝑬𝒏 ≤ 𝟏) 0.09 0.06 0.09 0.13 0.22
med
ref
lc
cl
lectura
corregida del
medidor
Todas las mediciones por ultrasonido son
consistentes con los valores de referencia
obtenidos utilizando un calibrador vernier.
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes.
4. Estimando la incertidumbre de
medición utilizando el método SMC
94
4.1 Breve introducción al software Octave y Matlab: vectores y
operaciones básicas
4.2 Gráfica de variables aleatorias: PDFs vs. histogramas
4.3 Modelo de una medición y el concepto de propagación de
incertidumbres
4.4 Simulación por el método de Monte Carlo: datos de medición
para llevarla a cabo
4.5 Incertidumbre en las mediciones ultrasónicas: comparación
de resultados GUM vs Monte Carlo
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes.
95
Matlab y Octave tienen la misma sintaxis y nombre de muchas
funciones. Por supuesto hay diferencias, pero en general son
bastante compatibles.
Octave es software libre, en tanto que Matlab no lo es.
Existe una tremenda cantidad de librerías y programas
desarrollados en ambas plataformas. Algunos son más eficientes
y robustos; siendo importante saber qué estamos resolviendo y
contar con algún mecanismo de comprobación.
GNU Octave, http://www.octave.org
Matlab, http://www.mathworks.com
4.1 Octave y Matlab
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 96
Modelos y transformaciones matemáticas
v y
y_w v_w
A
inv(A)
T T inv(T) inv(T)
¿?
Modelo v(t) y(t)
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 97
Algebra con matrices y vectores
AA
ABAB
AA
BABA
TT
TTT
TT
TTT
)(
)(
)(
)(
nmnn
m
m
aaa
aaa
aaa
A
...
:...::
...
...
21
22221
11211
n
j
jj
T xyxy1
La transpuesta de una
matriz o vector cumple con:
Sea A la matriz, real o imaginaria…,
Producto interno
(punto o escalar),
vector columna:
vector renglón:
𝑣 =
𝑣1𝑣2𝑣…𝑣𝑛
𝑤 = 𝑤1 𝑤2 𝑤… 𝑤𝑚
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 98
Líneas de código demostrativo
t=0:0.01:2*pi; x = sin(t);
plot (t,x)
title(‘ x = sin(t), con t=0:0.01:2*pi’)
xlabel(‘t’); ylabel(‘x’)
t=0:0.01:4*pi; x = sin(t);
plot (t,x)
xlabel(‘t’); ylabel(‘x’)
Graficando vectores
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 99
t=0:0.01:4*pi; x = sin(t);
y=cos(t);
mesh(x'*y)
imagesc(x’*y); axis('square')
contour(x'*y); axis('square')
imshow(x'*y)
Graficando matrices
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 100
4.2 Variables aleatorias (o random)
Variable aleatoria con distribución normal
y=randn(1000,1); plot(y)
mean(y)
median(y)
mode(y)
std(y)
hist(y)
hist(y,20)
histfit(y,20)
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 101
Variable aleatoria con distribución uniforme
y=rand(1000,1); plot(y)
mean(y)
median(y)
mode(y)
std(y)
hist(y)
hist(y,20)
histfit(y,20)
Histograma de variables aleatorias
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 102
Histograma vs PDF
y=randn(1000000,1);
mean(y), std(y)
median(y), moda(y)
subplot(221)
plot(y)
subplot(222);
hist(y,20)
subplot(223);
histfit(y,20)
subplot(224);
hist(y,20,1)
title('PDF')
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 103
y=rand(1000000,1);
mean(y), std(y)
median(y), moda(y)
subplot(221)
plot(y)
subplot(222);
hist(y,20)
subplot(223);
histfit(y,20)
subplot(224);
hist(y,20,1)
title('PDF')
Histograma vs PDF
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 104
4.3 Modelo de una medición y el
concepto de propagación de
incertidumbres
Referencia: JCGM 101:2008 Evaluation of measurement data — Supplement
1 to the “Guide to the expression of uncertainty in measurement” —
Propagation of distributions using a Monte Carlo method
“Introduction
This Supplement to the … (GUM) is concerned with the propagation of
probability distributions through a mathematical model of measurement
[GUM:1995 3.1.6] as a basis for the evaluation of uncertainty of
measurement, and its implementation by a Monte Carlo method. The
treatment applies to a model having any number of input quantities, and
a single output quantity.”
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 105
“This Supplement also provides guidance in situations where the conditions for
the GUM uncertainty framework [GUM:1995 G.6.6] are not fulfilled, or it is
unclear whether they are fulfilled. It can be used when it is difficult to apply the
GUM uncertainty framework, because of the complexity of the model, for
example. …
This Supplement can be used to provide (a representation of) the PDF for the
output quantity from which
a) an estimate of the output quantity,
b) the standard uncertainty associated with this estimate, and
c) a coverage interval for that quantity, corresponding to a specified coverage
probability
can be obtained. …”
Suplemento 1 de la GUM
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 106
Suplemento 1 de la GUM
“4.1 A mathematical model of a measurement [GUM:1995 4.1] of a single
(scalar) quantity can be expressed as a functional relationship f:
Y = f(X), (1)
where Y is a scalar output quantity and X represents the N input quantities
(X1, . . . ,XN)>. Each Xi is regarded as a random variable with possible
values ξ_𝑖 and expectation x_i. Y is a random variable with possible values η_i
and expectation y.”
“4.2 … The concepts of
model, PDF, and distribution
function are central to
following and implementing
the guidance provided. … The
symbol f is reserved for the
model.
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 107
Pero antes de continuar, tres definiciones
importantes…
“3.17
propagation of distributions
method used to determine the probability distribution for an output quantity from the
probability distributions assigned to the input quantities on which the output quantity
depends
NOTE The method may be analytical or numerical, exact or approximate.
3.18
GUM uncertainty framework
application of the law of propagation of uncertainty and the characterization of the
output quantity by a Gaussian distribution or a scaled and shifted t-distribution in
order to provide a coverage interval
3.19
Monte Carlo method
method for the propagation of distributions by performing random sampling from
probability distributions”
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 108
“Receta” para la propagación de
incertidumbres
Método de Monte Carlo, sección 5.9.6 de Suplemento 1 de la GUM:
a) definir el número de veces, M, que será evaluado el modelo de
medición Y = f(X);
b) generar datos aleatorios para cada magnitud de entrada X_i
conforme a su correspondiente PDF asignada;
c) evaluar M veces el modelo de medición f(X);
d) ordenar en forma creciente los valores obtenidos para el
mensurando; y obtener su distribución de probabilidad G_Y;
e) obtener el valor del mensurando e incertidumbre estándar;
f) utilizar G_Y para obtener el intervalo de cobertura para una
probabilidad de cobertura estipulada, p.
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 109
a) Formulation
b) Propagation
c) Summarizing
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 110
1. Un valor grande para M; e.g., 1e6 o utilizar métodos adaptivos
2. Una probabilidad de cobertura, e.g., 0.95
3. Un modelo de medición, Y = f(X), con los siguientes datos
para cada magnitud de entrada
Magnitudes de entrada
Valor PDF u(k = 1)
… … …
Valor medido o
asignado a cada X_i
Tipo de
distribución
Incertidumbre
estándar
Qué datos necesito para la propagación de incertidumbres:
4.4 Simulación por el método de Monte
Carlo: datos de medición para
llevarla a cabo
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 111
Ejemplos GUM
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 112
4.5 Incertidumbre en las mediciones
ultrasónicas: comparación de resultados
GUM vs Monte Carlo
Interface de usuario desarrollada en OCTAVE, por los instructores de
este curso, para realizar la estimación de incertidumbres empleando el
método de simulación de Monte Carlo para cualquier mensurando,
definido con una sola ecuación o modelo matemático del tipo:
Para n variables de entrada, Xn. Cada variable de entrada acepta un
máximo de tres contribuciones de incertidumbre. Esto es, las magnitudes
de entrada del modelo pueden representarse, a su vez, como:
donde, representan las mediciones
repetidas, el error por resolución y el error por calibración,
respectivamente.
XfXXXfY n ,...,, 2,1
ncalibracióiresoluciónimedidaii XX ,,,
ncalibracióiresoluciónimedidaiX ,,, ,,
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 113
Comparación de resultados GUM vs Monte Carlo
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 114
MODELO:
𝑒 = 𝑙𝑚𝑒𝑑 − 𝑙𝑐𝑎𝑙 1 +∝ 𝑡 − 𝑡𝑐𝑎𝑙 − 𝑙𝑎𝑐
Variable/Fuente de
incertidumbre
Valor Tipo
distribución
𝒖 𝒙𝒊
Espesor medido, 𝒍𝒎𝒆𝒅 2.543 mm
Repetibilidad 0.002 mm A.Normal 0.001 mm
Resolución 0.001 mm B.Uniforme 2.887x10-4 mm
Longitud bloque, 𝒍𝒄𝒂𝒍 2.543 mm
Calibración 0.004 mm B. Normal.k=2 0.002 mm
Temperatura bloque, 𝒕 21.4 °C
Repetibilidad 0.14 °C A. Normal 0.1 °C
Resolución 0.1 °C B. Uniforme 0.03 °C
Calibración 0.2 °C B. Normal.k=2 0.1 °C
Temp. cal. bloque, 𝒕𝒄𝒂𝒍 20 °C
Calibración 0.2 °C B. Uniforme 0.06 °C
Coef. dil. térm. lineal, ∝ 1.1x10-5 °C-1
Bibliografía 1.1x10-6 °C-1 B. Uniforme 3.18x10-7 °C-1
Espesor acoplante, 𝒍𝒂𝒄 0 mm
Informe 0.005 mm B. Normal.k=2 0.0025 mm
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes.
115
I.C. = [-6.6246e-003, 6.5681e-003] @ 95% M = 1 000 000
MODELO:
𝑒 = 𝑙𝑚𝑒𝑑 − 𝑙𝑐𝑎𝑙 1 +∝ 𝑡 − 𝑡𝑐𝑎𝑙 − 𝑙𝑎𝑐
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes. 116
med
ref
lc
cl MODELO:
Variable/Fuente de
incertidumbre
Valor Origen de la
información
Tipo de
distribución
Incertidumbre
estándar, 𝒖 𝒙𝒊
Espesor medido, 𝒍𝒎𝒆𝒅 23.16 mm
Repetibilidad 0.009 mm Lecturas A. Normal 0.004 mm
Resolución 0.01 mm Carátula B. Uniforme 2.89x10-3 mm
Calibración 0.01 mm Certificado B. Normal.k=2 0.005 mm
Velocidad de
propagación del
bloque medido, 𝒄 6 380.1 m/s
Calibración 59.3 m/s Certificado B. Normal.k=2 29.65 m/s
Velocidad de
propagación del
bloque referencia, 𝒄𝒓𝒆𝒇 5 914.8 m/s
Calibración 57.7 m/s Certificado B. Normal.k=2 28.85 m/s
Ej. Bloque de aluminio AISI 6061
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes.
117
I.C. = [24.653, 25.314] @ 95% M = 1 000 000
med
ref
lc
cl MODELO:
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes.
5. Reflexiones y consideraciones finales…
118
¿Cuál es el mensurando? …
¿Medición directa o medición indirecta?...
¿Qué modelo matemático puedo utilizar
para representar la medición? …
¿Cuáles son las magnitudes de entrada? …
¿Es aceptable suponer independencia estadística
entre las magnitudes de entrada del modelo de medición?
.
.
¿Método GUM-varianzas o Método GUM-SMC?
¿Software y/o plataformas de programación disponibles?
25,4mm
25,4mm
Estimación de incertidumbre en las mediciones: GUM y método de Monte Carlo para principiantes.
119
¿Realmente necesito estimar la incertidumbre de una medición?
¿Qué beneficios obtengo al estimar la incertidumbre del
resultado de una medición?
¿Las mediciones repetidas y su correspondiente estimación de
incertidumbres, dado que implican más tiempo de operación y
demoran el proceso para emitir un resultado, son un gasto
innecesario o en qué momento agregan valor al resultado?
con o sin una estimación de incertidumbres el responsable o usuario
de la medición tomará una decisión respecto a la aceptación o
rechazo del artefacto medido, evaluado o inspeccionado… ¿entre
varios laboratorios, cómo establecer la confiabilidad de sus
mediciones y resultados?
5. Reflexiones y consideraciones finales…
120