Iram 35050e1

ESQUEMA 1
3505035050
19991999
Estadstica
Procedimientos para la evaluacin de la
incertidumbre de medicin
Procedure for the evaluation of the
uncertainty in measurement
Este esquema est sometido a discu-
sin pblica. Las observaciones de-
ben remitirse fundadas y por escri-
to, al Instituto IRAM, Per 552/556 -
1068 Capital Federal antes del
2000-10-20
DOCUMENTO EN ESTUDIO

DE NORMA IRAM 35050
Setiembre 1999
INSTITUTO ARGENTINO DE NORMALIZACIN

2
Esquema 1 I RAM 35050: 1999
Prefacio
El Instituto Argentino de Normalizacin (IRAM) es una asociacin
civil sin fines de lucro cuyas finalidades especficas, en su carcter
de Organismo Argentino de Normalizacin, son establecer normas
tcnicas, sin limitaciones en los mbitos que abarquen, adems de
propender al conocimiento y la aplicacin de la normalizacin
como base de la calidad, promoviendo las actividades de
certificacin de productos y de sistemas de la calidad en las
empresas para brindar seguridad al consumidor.
IRAM es el representante de la Argentina en la International
Organization for Standardization (ISO), en la Comisin
Panamericana de Normas Tcnicas (COPANT) y en el Comit
MERCOSUR de Normalizacin (CMN).
Esta norma IRAM es el fruto del consenso tcnico entre los
diversos sectores involucrados, los que a travs de sus
representantes han intervenido en los Organismos de Estudio de
Normas correspondientes.
3
ndice
0 INTRODUCCIN()...........................................................................................................................5
000000001 OBJETO Y CAMPO DE APLICACIN.............................................................................7
20 DEFINICIONES.............................................................................................................................8
300 CONCEPTOS BSICOS...........................................................................................................10
4 EVALUACIN DE LA INCERTIDUMBRE ESTNDAR..................................................................16
5 DETERMINACIN DE LA INCERTIDUMBRE ESTNDAR COMBINADA....................................27
6 DETERMINACIN DE LA INCERTIDUMBRE EXPANDIDA..........................................................33
7 EXPRESIN DE LA INCERTIDUMBRE........................................................................................34
8 RESUMEN DEL PROCEDIMIENTO PARA LA EVALUACIN Y LA EXPRESIN DE LA
INCERTIDUMBRE..............................................................................................................................37
Anexo A.............................................................................................................................................39
Anexo B.............................................................................................................................................42
Anexo C.............................................................................................................................................50
Anexo D.............................................................................................................................................59
Anexo E.............................................................................................................................................65
Anexo F.............................................................................................................................................73
Anexo G.............................................................................................................................................85
Anexo H.............................................................................................................................................96
Anexo J............................................................................................................................................131
Anexo K...........................................................................................................................................136
Anexo L............................................................................................................................................147
Anexo N...........................................................................................................................................148
4
Pgina
Estadstica
Procedimientos para la evaluacin de la
incertidumbre de medicin
0 INTRODUCCIN
(*)
0.1 Cuando se informa el resultado de una
medicin de una magnitud fsica, es obligatorio
que se d alguna indicacin cuantitativa de la
calidad del resultado, de modo que quien lo
utiliza pueda evaluar su confiabilidad. Sin esta
indicacin, los resultados de las mediciones no
pueden compararse, ya sea entre ellos o
contra valores de referencia dados por una
especificacin o por un patrn. Entonces, es
necesario que sea implementado sin demora
un procedimiento generalmente aceptado y
fcilmente entendible, para caracterizar la
calidad del resultado de una medicin, esto es,
para evaluar y expresar su incertidumbre.
0.2 El concepto de incertidumbre, como un
atributo cuantificable, es relativamente nuevo
en la historia de las mediciones, aunque los
trminos error y anlisis de error han sido
vastamente usados como parte prctica de la
ciencia de la medicin o metrologa. Ahora, se
reconoce ampliamente que, cuando se han
evaluado todas las componentes conocidas o
supuestas de un error, y se han aplicado las
correcciones adecuadas, todava queda como
remanente una incertidumbre sobre la
correccin del resultado establecido, esto es
una duda de cuan bien representa el resultado
de la medicin al valor de la magnitud que est
siendo medida.
0.3 En este momento en que el uso universal
del Sistema Internacional de Unidades (SI)
est brindando coherencia a todas las
mediciones cientficas y tecnolgicas, un
consenso mundial sobre la evaluacin y
expresin de la incertidumbre de la medicin
*
(*)
En esta traduccin y de acuerdo con los estudios
hechos del VIM, se ha empleado el trmino "medida"
como "resultado de una medicin", quedando
"medicin" como la operacin y "medida" como el
resultado.
debe permitir que el significado de un vasto
espectro de resultados de medicin en ciencia,
ingeniera, comercio, industria y regulacin sea
correctamente entendido e interpretado
adecuadamente. En esta era de plazas
mundiales de mercado, es imperativo que el
mtodo para evaluar y expresar
incertidumbres sea uniforme a travs del
mundo, de manera que las mediciones
llevadas a cabo en diferentes pases puedan
compararse fcilmente.
0.4 El mtodo ideal para evaluar y expresar la
incertidumbre del resultado de una medicin
debe ser:
- universal: el mtodo debe ser
aplicable a todas las clases de
mediciones y a todos los tipos de
datos de entrada empleados en las
mediciones.
La magnitud real usada para expresar la
incertidumbre debe ser:
- internamente consistente: debe ser
derivable directamente de las
componentes que contribuyen a ella;
independientemente de la manera
en que estas componentes estn
agrupadas y de la descomposicin
de las componentes en
subcomponentes;
- transferible: debe ser posible
emplear directamente la
incertidumbre evaluada para un
resultado como una componente en
la evaluacin de la incertidumbre de
otra medicin en la cual se emplea
el primer resultado.
Adems, en muchas aplicaciones comerciales
e industriales, as como en reas de salud y
seguridad, es frecuentemente necesario
5
proveer de un intervalo al resultado de la
medicin, de manera que pueda esperarse
que abarque una gran fraccin de la
distribucin de valores que puedan atribuirse
razonablemente a la cantidad medida. As el
mtodo ideal para la evaluacin y la expresin
de la incertidumbre de la medicin, debe ser
capaz de proveer fcilmente tal intervalo, en
particular, uno con una probabilidad de
cobertura que se corresponda, en una forma
real, con la requerida.
0.5 El enfoque sobre el cual este documento
est basado es el desarrollado en la recomen-
dacin INC-1 (1980) (2) del grupo de trabajo
para el Establecimiento de Incertidumbres, que
fue convocado por el BIPM, en respuesta a un
pedido de la CIPM. Este enfoque, cuya
justificacin se discute en el Anexo E, analiza
todos los requisitos sealados anteriormente.
Este no es el caso de la mayora de los
mtodos de uso corriente. La recomendacin
INC-1 (1980) fue aprobada y reafirmada por el
CIPM en sus Recomendaciones 1 (CI-1981)
[3] y 1 (CI-1986) [4]; las traducciones en
castellano de estas Recomendaciones CIPM,
se reproducen en el Anexo A (ver A.2 y A.3
respectivamente). Dado que la
Recomendacin INC-1 (1980) es el
fundamento de este documento, se reproduce
en el apartado 0.7, y el texto en francs en
A.1.
0.6 Un resumen sucinto del procedimiento
especificado en este documento para la
evaluacin y expresin de la incertidumbre de
la medicin, se seala en el captulo 8 y se
presentan varios ejemplos, en detalle, en el
Anexo H. Otros Anexos proporcionan trminos
generales de metrologa (Anexo B), trminos y
conceptos estadsticos bsicos (Anexo C),
valor "verdadero", error e incertidumbre
(Anexo D), sugerencias prcticas para evaluar
las componentes de la incertidumbre (Anexo
F), grados de libertad y niveles de confianza
(Anexo G), los principales smbolos
matemticos usados a travs del documento
(Anexo J) y referencias bibliogrficas (Anexo
K). El documento concluye con un ndice
alfabtico.
0.7 Recomendacin INC-1 (1980)
Expresin de incertidumbres experimentales
1 La incertidumbre en los resultados de una
medicin generalmente est integrada por
varias componentes que pueden ser
agrupadas dentro de dos categoras, de
acuerdo a cmo se estime su valor
numrico:
A aquellos que se evalan por medio de
mtodos estadsticos
B aquellos que se evalan por otros
medios
No siempre existe una correspondencia
simple entre la clasificacin en las
categoras A o B y la clasificacin
anteriormente usada en incertidumbres
"aleatorias" y "sistemticas". El trmino
"incertidumbre sistemtica" puede ser
engaoso y debe ser evitado.
Todo informe detallado sobre la
incertidumbre debe consistir en una lista
completa de las componentes,
especificando en cada una de ellas el
mtodo usado para obtener su valor
numrico.
2 Las componentes de la categora A se
caracterizan por las variancias estimadas
2
i
s
(o desvos estndar estimados si) y el
nmero de grados de libertad i. Cuando
corresponda pueden informarse las
covariancias.
3 Las componentes de la categora B deben
caracterizarse por cantidades
2
j
u
, las
cuales se pueden considerar como
aproximaciones a las correspondientes
variancias, cuya existencia se presupone.
Las cantidades
2
j
u pueden tratarse como
variancias y las cantidades j
u
como
desvos estndar. Cuando corresponda,
las covariancias deben tratarse en una
forma similar.
6
4 La incertidumbre combinada debe
caracterizarse por el valor numrico
obtenido al aplicar el mtodo habitual para
la combinacin de variancias. La
incertidumbre combinada y sus
componentes deben expresarse en forma
de "desvos estndar".
5 Si, para aplicaciones particulares, es
necesario multiplicar la incertidumbre
combinada por un factor para obtener la
incertidumbre total, debe aclararse
siempre el valor de dicho factor de
multiplicacin.
000000001 OBJETO Y CAMPO DE
APLICACIN
1.1 Esta norma establece las reglas generales
para evaluar y expresar la incertidumbre de los
resultados de las mediciones, que se pueden
realizar en varios niveles de exactitud y en
muchos campos, desde el nivel industrial
hasta la investigacin bsica. Por lo tanto los
principios de esta norma estn concebidos
para ser aplicables a un amplio espectro de
mediciones, incluyendo a aquellas requeridas
para:
- mantener control de calidad y
aseguramiento de la calidad en
produccin
- cumplir y hacer cumplir leyes y
regulaciones
- conducir la investigacin bsica, la
investigacin aplicada y el desarrollo
en ciencia e ingeniera
- calibrar patrones e instrumentos y
llevar a cabo ensayos a travs de un
sistema nacional de mediciones
para lograr la trazabilidad a patrones
nacionales
- desarrollar, mantener y comparar
patrones fsicos de referencia
nacionales e internacionales,
incluyendo materiales de referencia.
1.2 Esta norma se ocupa en primer lugar de la
expresin de la incertidumbre de la medicin
de una magnitud fsica bien definida - el
mesurando - que puede caracterizarse por un
valor "esencialmente" nico. Si el fenmeno de
inters puede ser representado solamente
como una distribucin de valores o si depende
de uno o ms parmetros, tales como el
tiempo, entonces los mesurandos necesarios
para su descripcin son el conjunto de
magnitudes que describen tal distribucin o tal
dependencia.
1.3 Esta norma es asimismo aplicable a la
evaluacin y expresin de la incertidumbre
asociada con el diseo conceptual y el anlisis
terico de experimentos, mtodos de medicin
y componentes y sistemas complejos. Debido
a que el resultado de una medicin y su
incertidumbre pueden ser conceptuales y estar
basados ntegramente sobre datos hipotticos,
el trmino "resultado de una medicin" tal
como se emplea en esta norma, se debe
interpretar en este amplio contexto.
1.4 Esta norma provee reglas generales para
la evaluacin y expresin de la incertidumbre
de las mediciones, antes que instrucciones
detalladas, especficas de una tcnica
concreta. Ms an, no discute cmo, una vez
evaluada la incertidumbre de una medida en
particular, puede emplearse para diferentes
propsitos, por ejemplo, para obtener
conclusiones acerca de la compatibilidad de
ese resultado con otros resultados similares,
para establecer lmites de tolerancia en un
proceso de fabricacin, o para decidir si un
curso de accin determinado puede tomarse
con seguridad.
Por lo tanto puede ser necesario desarrollar
normas particulares basadas en esta norma,
de acuerdo con los problemas propios para
campos especficos de medicin o en los
varios usos de expresiones cuantitativas de
incertidumbre. Estas normas pueden ser
versiones simplificadas de sta, pero es
necesario que incluya el detalle que resulte
apropiado para el nivel de exactitud y
complejidad de las mediciones y de los usos a
que se destinan.
7
Nota. Pueden existir situaciones en las cuales el
concepto de incertidumbre de la medicin se considera
que no es plenamente aplicable, tales como cuando se
determina la precisin de un mtodo de ensayo (ver
referencia [5], por ejemplo).
20 DEFINICIONES
2.1 Trminos generales de metrologa
La definicin de una cantidad de trminos
generales de metrologa, importantes para
esta norma, tales como magnitud (medible),
mesurando y error (de medicin) se indican en
el Anexo B. Estas definiciones estn tomadas
del "International vocabulary of basic and
general tems in metrology (abbreviated VIM)
[6]. [En IRAM, gua IRAM 32:1997 - Metrologa
- Vocabulario VIM]. Adems, el Anexo C
contiene las definiciones de un nmero de
trminos bsicos estadsticos tomados
principalmente de la Norma Internacional ISO
3534-1 [7]. (En IRAM existe la norma
IRAM 34552-1 no equivalente). Cuando uno
de estos trminos metrolgicos o estadsticos
(u otros trminos estrechamente relacionados)
estn empleados por primera vez en el texto, a
partir del captulo 3, estn impresos en negrilla
y el nmero de apartado en el cual estn
definidos figura entre parntesis.
Dada su importancia para esta norma, la
definicin del trmino metrolgico general
"incertidumbre de la medicin", figura dos
veces, en el Anexo B y en 2.2.3. Las
definiciones de los trminos especficos ms
importantes de esta norma figuran en 2.3.1 a
2.3.6. En todos estos apartados y en los
Anexos B y C, el uso de parntesis encerrando
algunos trminos indica que estas palabras
pueden omitirse nicamente si ello no causa
confusin.
2.2 El trmino "incertidumbre"
El concepto de incertidumbre se discute luego
en el captulo 3 y en el Anexo D.
2.1.1 La palabra "incertidumbre" significa
dudas, y as en su sentido ms amplio,
"incertidumbre de la medicin" implica duda
sobre la validez del resultado de una medicin.
Debido a la carencia de diferentes palabras
para este concepto general de incertidumbre y
para las magnitudes especficas que proveen
medidas cuantitativas del concepto, por
ejemplo, el desvo estndar, es necesario usar
la palabra "incertidumbre" en estos dos
diferentes sentidos.
2.2.2 En esta norma, la palabra
"incertidumbre" sin adjetivos se refiere tanto al
concepto general de incertidumbre como a
alguna o todas las medidas cuantitativas de
este concepto. Cuando se trate de expresar
una medida especfica, deben emplearse
adjetivos adecuados.
2.2.3 La definicin formal del trmino
"incertidumbre de medida" desarrollado para
ser usada en esta norma y en el VIM vigente
[6] (apartado 3.9 del VIM), es la siguiente:
incertidumbre (de la medicin)
Parmetro asociado al resultado de una
medicin, que caracteriza la dispersin de los
valores que podran ser razonablemente
atribuidos al mesurando.
Notas
1. El parmetro puede ser, por ejemplo, un desvo
estndar (o un mltiplo determinado de ste), o la
semiamplitud de un intervalo de nivel de confianza
especificado.
2. La incertidumbre de una medida comprende, en
general, varias componentes. Algunos de ellas
pueden evaluarse a partir de la distribucin
estadstica de los resultados de series de
mediciones y pueden ser caracterizados por
desvos estndar experimentales. Las otras
componentes que tambin pueden representarse
por desvos estndar, son evaluadas a partir de
distribuciones de probabilidad supuestas, basadas
en la experiencia u otra informacin.
3. Se entiende que el resultado de la medicin es el
mejor estimador del valor del mesurando, y que
todos las componentes de la incertidumbre,
incluyendo aquellas que provienen de efectos
sistemticos, tales como las componentes
asociados con las correcciones y patrones de
referencia, contribuyen a la dispersin.
2.2.4 La definicin de incertidumbre de la
medicin indicada en 2.2.3 es operacional, y
8
est orientada al resultado de la medicin y su
incertidumbre evaluada. Sin embargo, no es
inconsistente con otros conceptos de
incertidumbre de medida, tales como
- una medida del error posible en el
valor estimado del mesurando
provisto por el resultado de una
medicin
- una estimacin que caracteriza el
intervalo de valores dentro del cual
se encuentra el valor verdadero del
mesurando (VIM, primera edicin
1984, apartado 3.09).
Aunque estos dos conceptos tradicionales son
idealmente vlidos, ellos estn enfocados
sobre cantidades desconocidas: el "error" del
resultado de una medicin y el "valor ver-
dadero" del mesurando (en contraste con su
valor estimado) respectivamente. No obstante,
cualquiera sea el concepto de incertidumbre
adoptado, una componente de la
incertidumbre siempre debe evaluarse usando
los mismos datos e informacin seleccionada
(ver adems E.5).
2.30 Trminos especficos de esta norma
En general, los trminos que son especficos
de esta norma, estn definidos la primera vez
que figuran en el texto. Sin embargo las
definiciones de los trminos ms importantes,
se indican a continuacin, para facilitar su
referencia.
Nota. Algunos de estos trminos se discuten
posteriormente. Ellos pueden hallarse de la manera
siguiente: para 2.3.2, ver 3.3.3 y 4.2; para 2.3.3, ver 4.3.3
y 4.3; para 2.3.4, ver captulo 5 y frmulas (10) y (13); y
para 2.3.5 y 2.3.6, ver captulo 6.
2.3.1 incertidumbre estndar
Incertidumbre del resultado de una medicin
expresada como un desvo estndar.
2.3.2 evaluacin tipo A (de incertidumbre)
Mtodo de evaluacin de incertidumbre por el
anlisis estadstico de series de
observaciones.
2.3.3 evaluacin tipo B (de incertidumbre)
Mtodo de evaluacin de incertidumbre por
medios distintos del anlisis estadstico de
series de observaciones.
2.3.4 incertidumbre estndar combinada
Incertidumbre estndar del resultado de una
medicin cuando este resultado ha sido
obtenido a partir de los valores de otras
magnitudes; es igual a la raz cuadrada
positiva de una suma de trminos, que son las
variancias o covariancias de dichas
magnitudes, ponderadas de acuerdo a como
vara el resultado de la medicin al varar las
magnitudes consideradas.
Nota IRAM. Para aclarar esta traduccin casi textual
podra decirse que cuando el resultado de una medicin
depende de los resultados de otras mediciones, la
incertidumbre (de la medicin que nos ocupa) es igual a
la raz cuadrada positiva de la suma de trminos que son
las variancias o covariancias de los resultados de las
mediciones de origen, y que a cada uno de estos
trminos se les asigna un peso que representa en cuanto
afecta a los resultados (de la medicin que nos ocupa) la
variacin de cada una de las otras medidas.
2.3.5 incertidumbre expandida
Cantidad que define un intervalo alrededor del
resultado de una medicin, del cual se espera
que cubra una gran proporcin de la
distribucin de valores que podran ser
razonablemente atribuidos al mesurando.
Notas
1. La fraccin puede ser vista como una probabilidad
de cobertura o como un nivel de confianza del
intervalo.
2. Para asociar el nivel especfico de confianza con el
intervalo definido por la incertidumbre expandida se
requiere asumir en forma explcita o implcita la
distribucin de probabilidad que caracteriza al
resultado de la medicin y la incertidumbre estndar
combinada. El nivel de confianza que se puede
atribuir a este intervalo puede ser conocido solo en
la extensin en la cual dicha suposicin puede ser
justificada.
3. La incertidumbre expandida es denominada
incertidumbre total en el prrafo 5 de la reco-
mendacin INC-1 (1980).
2.3.6 factor de cobertura
9
Factor numrico que se emplea como
multiplicador de la incertidumbre combinada
estndar para obtener una incertidumbre
expandida.
Nota. Un factor de cobertura, k, est tpicamente en el
orden de 2 a 3. (NOTA IRAM: esto corresponde para una
distribucin normal)
300 CONCEPTOS BSICOS
Una discusin adicional de los conceptos
bsicos puede hallarse en el Anexo D, en un
enfoque sobre las ideas de valor "verdadero",
error e incertidumbre, que incluye ilustraciones
grficas de estos conceptos; y en el Anexo E,
que explora la motivacin y las bases
estadsticas para la Recomendacin INC-1
(1980) que es el antecedente de esta norma.
El Anexo J es un glosario de los principales
smbolos matemticos empleados en esta
norma.
3.1 Medicin
3.1.1 El objetivo de una medicin (B.2.5) es
determinar el valor (B.2.2) del mesurando
(B.2.9), es decir, el valor particular (B.2.1,
nota 1) a ser medido. Por lo tanto, una
medicin comienza con una especificacin
adecuada del mesurando, del mtodo de
medicin (B.2.7), y del procedimiento de
medicin (B.2.8).
Nota. El trmino "valor verdadero" (ver Anexo D) no se
emplea en esta norma por las razones dadas en D.3.5,
los trminos "valor de un mesurando" (o de una
magnitud) y "valor verdadero de un mesurando" (o de
una magnitud) se consideran como equivalentes.
3.1.2 En general, el resultado de una
medicin (B.2.11) es slo una aproximacin o
estimacin (C.2.26) del valor del mesurando,
y solo est completo cuando est acompaado
por la incertidumbre (B.2.18) de esta
estimacin.
3.1.3 En la prctica, la especificacin o
definicin del mesurando, est dictada por la
exactitud de medicin (B.2.14) requerida. El
mesurando debe definirse en forma suficiente-
mente completa con respecto a la exactitud
requerida de modo que para todos los
propsitos prcticos asociados con la
medicin, este valor sea nico. Es en este
sentido que la expresin "valor del mesurando"
se emplea en esta norma.
Ejemplo: Si el largo de un metro nominal de
una barra de acero, debe determinarse con la
exactitud de un micrometro, su especificacin
debe incluir la temperatura y la presin a las
cuales se define la longitud. As, el mesurando
se debe especificar, como por ejemplo, la
longitud de la barra a 25,00 C y 101 325 Pa
(ms cualquier otro parmetro que pueda
influir, considerado necesario tal como la
manera en que debe sostenerse la barra). Sin
embargo, si la longitud debe determinarse con
una exactitud de un milmetro, su
especificacin no requiere un valor definido de
temperatura o presin, o de cualquier otro
parmetro.
Nota. Una definicin incompleta del mesurando puede
dar lugar a una componente de incertidumbre
suficientemente grande que se deba incluir en la
evaluacin de la incertidumbre de la medicin (ver D.1.1,
D.3.4 y D.6.2).
3.1.4 En muchos casos, el resultado de una
medicin se determina sobre la base de series
de observaciones obtenidas bajo condiciones
de repetibilidad (B.2.15, nota 1).
3.1.5 Las variaciones en las observaciones
repetidas, se supone que aumentan debido a
que las magnitudes de influencia (B.2.10)
que pueden afectar los resultados de medicin
no se mantienen constantes.
3.1.6 El modelo matemtico de la medicin
que transforma un conjunto de observaciones
repetidas en el resultado de la medicin,
resulta de importancia crtica, porque, adems
de las observaciones, generalmente incluye
varias magnitudes de influencia que son
inexactamente conocidas. Esta falta de
conocimiento contribuye a la incertidumbre del
resultado de las mediciones, as como las
variaciones de las observaciones repetidas y
cualquier incertidumbre asociada con el
modelo matemtico por s mismo.
10
3.1.7 Esta norma trata el mesurando como un
escalar (una magnitud simple). La extensin a
un conjunto de mesurandos relacionados,
determinados simultneamente en la misma
medicin, requiere reemplazar el mesurando
escalar y su variancia (C.2.11, C.2.20, C.3.2)
por un vector mesurando y una matriz de
covariancia (C.3.5). Tales reemplazos son
considerados en esta norma slo como
ejemplos. (ver H.2, H.3 y H.4).
11
3.20 Errores, efectos y correcciones
3.2.1 En general, una medicin tiene
imperfecciones que se convierten en un error
(B.2.19) en el resultado de la medicin.
Tradicionalmente se ha sostenido que un error
tiene dos componentes, denominados
componente aleatorio (B.2.21) y componente
sistemtico (B.2.22).
Nota. El error es un concepto idealizado y los errores no
pueden conocerse exactamente.
3.2.2 El error aleatorio surge presumiblemente
de variaciones temporales y espaciales
impredecibles de las magnitudes de influencia.
Los efectos de estas variaciones,
denominadas efectos aleatorios, dan lugar a
variaciones cuando se realizan observaciones
repetidas del mesurando. Aunque no sea
posible compensar el error aleatorio del
resultado de una medicin, puede
normalmente reducirse a cero su esperanza o
valor esperado (C.2.9, C.3.1) incrementando
el nmero de observaciones.
Notas
1. La desviacin estndar experimental de la media
aritmtica de una serie de observaciones (ver
4.2.3) no es el error aleatorio de la media, a pesar
de que as se lo designe en varias publicaciones.
Es en cambio una medida de la incertidumbre de
la media aritmtica, debida a los efectos
aleatorios. El valor exacto del error de la media,
debido a estos efectos, no se puede conocer.
2. En esta norma, se pone especial cuidado en
distinguir los trminos "error" e "incertidumbre".
Ellos no son sinnimos, y representan conceptos
completamente diferentes, no deben confundirse
uno con otro ni emplearse incorrectamente.
3.2.3 El error sistemtico, as como el error
aleatorio, no puede ser eliminado pero puede
ser reducido. Si un error sistemtico proviene
de un efecto reconocido o de una influencia
cuantitativa sobre un resultado de medicin,
de ahora en ms llamado efecto sistemtico,
dicho efecto puede ser cuantificado, y si es de
tamao significativo en relacin con la
precisin y exactitud de la medicin, puede
aplicarse una correccin (B.2.2.3) o un factor
de correccin (B.2.2.4) para compensar el
efecto. Se supone que, luego de la correccin,
el valor esperado del error, debido al efecto
sistemtico es cero.
Nota. La incertidumbre de una correccin aplicada a un
resultado de la medicin para compensar el efecto
sistemtico no es el error sistemtico o sesgo del
resultado de medicin debido al efecto, como se lo
denomina frecuentemente. Es, por el contrario, una me-
dida de la incertidumbre debida al conocimiento
incompleto del valor requerido de la correccin. El error
debido a la imperfecta compensacin del efecto
sistemtico no se puede conocer exactamente. Los
trminos "error" e "incertidumbre" deben ser utilizados
adecuadamente y se debe tener cuidado para distinguir
uno del otro.
3.2.4 Se supone que el resultado de una
medicin ha sido corregido de todos los
efectos sistemticos significativos reconocidos
y que se ha hecho todo el esfuerzo necesario
para identificar tales efectos.
Ejemplo: Se aplica una correccin debida a la
impedancia finita de un voltmetro usado para
determinar la diferencia de potencial (el
mesurando) a travs de una resistencia de alta
impedancia, para reducir el efecto sistemtico
sobre el resultado de la medicin debido a la
influencia de la carga del voltmetro. Sin
embargo, los valores de impedancia del
voltmetro y de la resistencia que han sido
empleados para estimar el valor de la
correccin y que han sido obtenidos de otras
mediciones, son, por si mismos, inciertos.
Estas incertidumbres se emplean para evaluar
la componente de la incertidumbre de la
diferencia de potencial, proveniente de la
correccin y luego la del efecto sistemtico
debido a la impedancia del voltmetro.
Notas
1. Frecuentemente, los instrumentos de medicin y los
sistemas, se ajustan o se calibran empleando
patrones de medida y materiales de referencia, para
eliminar los efectos sistemticos; sin embargo, an
deberan ser tenidas en cuenta las incertidumbres
asociadas con estos patrones y materiales.
2. El caso en el cual no se aplica una correccin para
un efecto sistemtico significativo conocido, se
considera en la nota posterior a 6.3.1 y en F.2.4.5.
3.30 Incertidumbre
3.3.1 La incertidumbre del resultado de una
medicin refleja la falta del conocimiento
12
exacto del valor del mesurando (ver 2.2). El
resultado de una medicin, luego de ser
corregida por la presencia de efectos
sistemticos reconocidos, es todava una
estimacin del valor del mesurando, por la
incertidumbre proveniente de los efectos
aleatorios y de la correccin imperfecta de los
efectos sistemticos.
Nota. El resultado de una medicin (luego de la
correccin) puede ser, en forma inescrutable, muy
cercano al valor del mesurando (y por lo tanto tener un
error despreciable), y sin embargo puede tener una gran
incertidumbre. As, la incertidumbre del resultado de una
medicin no debe confundirse con el error remanente
desconocido.
3.3.2 En la prctica, hay muchas fuentes
posibles de incertidumbre de medida, que
incluyen:
a) definicin incompleta del mesurando;
b) realizacin imperfecta de la definicin del
mesurando;
c) muestreo no representativo - la muestra
medida puede ser no representativa del
mesurando definido;
d) inadecuado conocimiento de los efectos
de las condiciones ambientales sobre la
medicin o medicin imperfecta de las
condiciones ambientales;
e) desvos personales en la lectura de
instrumentos analgicos;
f) resolucin finita del instrumental o del
umbral de discriminacin;
g) valores inexactos de los patrones de
medicin y materiales de referencia;
h) valores inexactos de constantes y otros
parmetros obtenidos de fuentes
externas y empleados en los clculos;
i) aproximaciones y suposiciones
incorporadas en el mtodo de medicin y
procedimiento;
j) variaciones en las observaciones
repetidas del mesurando bajo
condiciones aparentemente idnticas.
Estas fuentes no son necesariamente
independientes, y varias de las fuentes a) a i)
pueden contribuir a la fuente j). Por cierto que
un efecto sistemtico no reconocido no puede
ser tomado en cuenta en la evaluacin de la
incertidumbre del resultado de una medicin,
pero contribuye al error de dicho resultado.
3.3.3 La recomendacin INC-1 (1980) del
grupo de trabajo en el Establecimiento de
Incertidumbres, agrupa las componentes de la
incertidumbre dentro de dos categoras
basadas en sus mtodos de evaluacin, "A" y
"B" (ver 0.7, 2.3.2 y 2.3.3). Estas categoras se
aplican a la incertidumbre y no son sustitutos
de las palabras "aleatorio" y "sistemtico". La
incertidumbre de una correccin debida a un
efecto sistemtico conocido, en algunos casos
puede obtenerse mediante una evaluacin tipo
"A" mientras que en otros casos por una
evaluacin tipo "B", y esta incertidumbre
puede caracterizarse como un efecto aleatorio.
Nota. En algunas publicaciones las componentes de la
incertidumbre, se categorizan como "aleatorias" y
"sistemticas" y se asocian con los errores provenientes
de los efectos aleatorios y de los efectos sistemticos
conocidos, respectivamente. Tal categorizacin de las
componentes de la incertidumbre puede ser ambigua
cuando se aplica en forma general. Por ejemplo una
componente "aleatoria" de incertidumbre de una
medicin puede convertirse en una componente
"sistemtica" de la incertidumbre de otra medicin en la
cual el resultado de la primera medicin se emplea como
un dato de entrada. Categorizar los mtodos de
evaluacin de las componentes de incertidumbre antes
que las mismas componentes, evita esta ambigedad. Al
mismo tiempo no se debe evitar la recoleccin de
componentes individuales que hayan sido evaluadas por
dos mtodos diferentes dentro de grupos diseados para
ser empleados para un propsito particular (ver 3.4.3).
3.3.4 El propsito de la clasificacin en tipo A
y tipo B es indicar las dos maneras diferentes
de evaluar las componentes de la
incertidumbre y es solo conveniente para la
discusin; la clasificacin no tiene la intencin
de indicar si existe alguna diferencia en la
naturaleza de las componentes resultantes de
los dos tipos de evaluacin. Ambos tipos de
evaluacin, estn basados sobre
distribuciones de probabilidad (C.2.3) y las
componentes de la incertidumbre resultantes
de cada tipo estn cuantificadas por variancias
o desviaciones estndar.
13
3.3.5 La variancia estimada u
2
que caracteriza
a una componente de la incertidumbre
obtenida de una evaluacin tipo A, se calcula a
partir de una serie de observaciones repetidas
y es la estadsticamente conocida variancia
estimada s
2
(ver 4.2).
La desviacin estndar estimada u (C.2.12,
C.2.21, C.3.3), la raz cuadrada positiva de u
2
,
es as u = s y por conveniencia se denomina
generalmente "incertidumbre estndar Tipo A".
Para una componente de incertidumbre
obtenida por una evaluacin de tipo B, la
variancia estimada u
2
se evala usando el
conocimiento disponible (ver 4.3), y la
desviacin estndar estimada u se denomina
generalmente "incertidumbre estndar Tipo B".
As una incertidumbre estndar Tipo A, se
obtiene a partir de una funcin de densidad
de probabilidad (C.2.5) derivada de una
distribucin de frecuencias observada
(C.2.18), mientras que una incertidumbre
estndar Tipo B se obtiene a partir de una
funcin de densidad de probabilidad supuesta,
basada en el grado de creencia de que un
evento pueda ocurrir [frecuentemente
denominada probabilidad subjetiva (C.2.1)].
Ambas aproximaciones emplean
interpretaciones reconocidas de probabilidad.
Nota. Una evaluacin tipo B de una componente de la
incertidumbre est usualmente basada en un conjunto de
informacin confiable (ver 4.3.1).
3.3.6 La incertidumbre estndar del resultado
de una medicin, cuando dicho resultado se
obtuvo a partir de cierto nmero de otras
magnitudes, se denomina incertidumbre
estndar combinada y se representa como uc.
Es la desviacin estndar estimada asociada
con el resultado, y es igual a la raz cuadrada
positiva de la variancia combinada, obtenida
de todas las variancias y covariancias (C.3.4)
que la componen, cualquiera sea la manera
que hayan sido evaluadas, usando el mtodo
que en esta norma se denomina ley de
propagacin de incertidumbre (ver captulo 5).
3.3.7 Para tener en cuenta las necesidades
de algunas aplicaciones industriales y
comerciales, as como los requerimientos de
las reas de salud y seguridad, se obtiene una
incertidumbre expandida U, multiplicando la
incertidumbre estndar combinada uc por un
factor de cobertura k. El propsito pretendido
de U es proveer un intervalo, alrededor del
resultado de medicin, del cual se pueda
esperar que cubra una gran fraccin de la
distribucin de valores que podran ser
razonablemente atribuidos al mesurando. La
eleccin del factor k, el cual est usualmente
entre 2 y 3, est basada en la probabilidad de
cobertura requerida del intervalo (ver captulo
6).
Nota IRAM: Esto se corresponde con una distribucin
normal.
Nota. El factor de cobertura k, se debe declarar siempre,
de manera que la incertidumbre estndar de la magnitud
medida pueda recuperarse para el uso en clculos de
incertidumbres estndar combinadas u otros resultados
de medicin que puedan depender de esta magnitud.
3.40 Consideraciones prcticas
3.4.1 Si todas las magnitudes, de las cuales
depende el resultado de una medicin, son
variadas, su incertidumbre puede ser evaluada
por medios estadsticos. Sin embargo, como
sto es difcilmente posible en la prctica
debido a la escasez de tiempo y de recursos,
la incertidumbre del resultado de una medicin
se evala usualmente empleando modelos
matemticos de medicin y la ley de
propagacin de incertidumbre. As, est
implcita en esta norma la suposicin de que
una medicin pueda responder a un modelo
matemtico al grado impuesto por la exactitud
requerida de la medicin.
3.4.2 Dado que el modelo matemtico puede
ser incompleto, todas las magnitudes
relevantes debern variarse lo mximo
practicable, de manera que la evaluacin de
incertidumbre pueda basarse lo mximo
posible en datos observados. Siempre que sea
factible, el uso de modelos empricos de
medicin basados en datos cuantitativos
tomados a lo largo del tiempo, y el uso de
patrones de verificacin y de grficos de
control pueden indicar si los resultados de las
mediciones estn bajo control estadstico, y
seran parte del esfuerzo para obtener
evaluaciones confiables de incertidumbre. El
14
modelo matemtico debe revisarse cuando los
datos observados, incluyendo los resultados
de determinaciones independientes del mismo
mesurando, demuestren que el modelo es
incompleto. Un buen diseo de experimento
puede facilitar evaluaciones confiables de
incertidumbre y es una parte importante de la
tcnica de las mediciones.
3.4.3 Para decidir si un sistema de medicin
est funcionando adecuadamente,
frecuentemente se compara la variabilidad
experimental de sus valores de salida,
determinada por la desviacin estndar
observada, con la desviacin estndar
obtenida a partir de la combinacin de las
distintas componentes de las incertidumbres
que caracterizan la medicin. En estos casos,
slo debe considerarse aquellas componentes
(las obtenidas de las evaluaciones del Tipo A o
del Tipo B) que pueden contribuir a la
variabilidad observada experimentalmente de
los valores de salida.
Nota. Este anlisis puede facilitarse agrupando aquellas
componentes que contribuyen a la variabilidad y aquellas
que no, en dos grupos separados y adecuadamente
identificados.
3.4.4 Una vez que se evalu la incertidumbre
de una correccin debida a un efecto
sistemtico, sta se puede ignorar si su
contribucin a la incertidumbre estndar
combinada de la medida resulta ser
insignificante. Si el valor de la correccin es
insignificante en relacin a la incertidumbre
estndar combinada, tambin se puede
ignorar.
3.4.5 Ocurre frecuentemente en la prctica,
especialmente en el campo de la metrologa
legal, que un aparato se ensaya mediante una
comparacin con una medida patrn y las
incertidumbres asociadas con el patrn y con
el procedimiento de comparacin, son
despreciables en relacin con la exactitud
requeridas por el ensayo. Un ejemplo es el uso
de un juego de masas patrones bien
calibradas para ensayar la exactitud de una
balanza comercial. En tales casos, debido a
que las componentes de la incertidumbre son
lo suficientemente pequeas como para ser
ignoradas, la medicin puede ser vista como la
determinacin del error del aparato ensayado
(ver adems F.2.4.2).
3.4.6 Alguna veces, el valor estimado de un
mesurando obtenido del resultado de una
medicin - se expresa en trminos del valor
adoptado de un patrn de medida ms que en
trminos de la unidad correspondiente del
Sistema Internacional de Unidades (SI). En
tales casos, la incertidumbre correspondiente
a la medida resultante puede ser significati-
vamente menor que cuando este resultado se
expresa con la unidad SI correspondiente. (En
efecto, el mesurando ha sido redefinido como
la relacin del valor de la magnitud por medir y
el valor adoptado del patrn).
Ejemplo: Un patrn de tensin elctrica Zener
de alta calidad se calibra por comparacin con
una referencia de tensin por efecto
Josephson, basndose en el valor
convencional de la constante de Josephson
recomendado para el uso internacional por la
CIPM. La incertidumbre estndar combinada
relativa uc (Vs)/Vs (ver 5.1.6) de la tensin
calibrada Vs del patrn Zener es 2 x 10
-8
,
cuando Vs se expresa en trminos del valor
convencional, pero uc(Vs)/Vs es 4 x 10
-7
cuando
Vs se expresa en la unidad SI de tensin,
debido a la incertidumbre adicional asociada
con el valor SI de la constante de Josephson.
3.4.7 Las equivocaciones en el registro o
anlisis de los datos pueden introducir un error
desconocido significativo en el resultado de
una medicin. Los errores grandes pueden
generalmente identificarse mediante una
revisin adecuada de los datos; los pequeos
pueden estar enmascarados por, o incluso
aparecer como, variaciones aleatorias. No se
pretende que las medidas de incertidumbre
tomen en cuenta tales errores.
3.4.8 A pesar de que esta norma proporciona
un mtodo para evaluar la incertidumbre, no
puede sustituir a la reflexin crtica, a la
honestidad intelectual y a la destreza
profesional. La evaluacin de incertidumbres
no es una tarea de rutina ni puramente
matemtica; depende del conocimiento
detallado de la naturaleza del mesurando y de
su medicin. La calidad y utilidad de la
incertidumbre indicada para el resultado de la
15
medicin depende, en ltima instancia, de la
interpretacin, del anlisis crtico y de la
integridad de todo lo que contribuye a la asig-
nacin de ese valor.
4 EVALUACIN DE LA
INCERTIDUMBRE ESTNDAR
En el anexo F pueden encontrarse sugerencias
adicionales, principalmente de naturaleza prc-
tica, para la evaluacin de componentes de
incertidumbre.
4.1 Modelo matemtico de la medicin
4.1.1 En la mayora de los casos, el
mesurando Y no se mide directamente sino
que se determina a partir de otras N
magnitudes de entrada X1, X2,...., XN, a travs
de una relacin funcional f:
( ) (1) . . . ,....,
N
X X X Y
2 1
, f
Notas:
1.- Por economa de notacin, en esta norma se utiliza el
mismo smbolo para la magnitud fsica (el
mesurando) y para la variable aleatoria (ver 4.2.1)
que representa el resultado posible de una
observacin de esa magnitud. Cuando se indica que
Xi tiene una distribucin particular de probabilidad, el
smbolo es utilizado en ese ltimo sentido; se supone
que la magnitud fsica en s misma puede ser
caracterizada por un valor esencialmente nico (ver
1.2 y 3.1.3).
2.- En una serie de observaciones, el k-simo valor
observado de Xi se denomina Xik,; por lo tanto, si con
R se indica la resistencia de un resistor, el k-simo
valor observado de resistencia se denomina Rk.
3. La estimacin de Xi (estrictamente hablando, de su
esperanza matemtica) se denomina xi.
Ejemplo: Si se aplica una diferencia de
potencial V a los terminales de un resistor
dependiente de la temperatura, que tiene una
resistencia R0 a la temperatura definida t0 y un
coeficiente lineal de variacin de resistencia
por temperatura , la potencia P (el
mesurando) disipada por el resistor a la
temperatura t depende de V, R0, y t, de
acuerdo con
( )
( ) [ ]
o O
O
t t R
V
t , , R V, P
+

1
2
f
Nota: Otros mtodos de medicin de la potencia P
podran modelarse con expresiones matemticas
diferentes.
4.1.2 Las magnitudes de entrada X1, X2,... ,
XN, de los cuales depende la magnitud de
salida Y, pueden ser vistas a su vez como
mesurandos y depender de otras magnitudes,
incluyendo correcciones y factores de
correccin por efectos sistemticos, dando
lugar por lo tanto a relaciones funcionales f
complicadas, que nunca podran expresarse
explcitamente. Adems, f puede
determinarse experimentalmente (ver 5.1.4) o
existir slo como un algoritmo que deba ser
evaluado numricamente. La funcin f, como
se presenta en esta norma, debe interpretarse
en este sentido ms amplio, en particular,
como aquella funcin que contiene todas las
magnitudes (incluyendo todas las correcciones
y factores de correccin) que puedan contribuir
con componentes significativos de
incertidumbre al resultado de la medicin.
Entonces, si los datos indican que f no modela
la medicin hasta el grado impuesto por la
exactitud requerida del resultado de la
medicin, deben incluirse magnitudes de
entrada adicionales en f para adecuar el
modelo. (ver 3.4.2). Esto puede requerir la
introduccin de una magnitud de entrada que
refleje el conocimiento incompleto de un
fenmeno que afecta al mesurando. En el
ejemplo de 4.1.1, se podran necesitar
magnitudes de entrada adicionales que tengan
en cuenta que la resistencia no siempre vara
linealmente con la temperatura, por ejemplo un
posible coeficiente no lineal de variacin de
resistencia por temperatura, o una posible
dependencia de la resistencia con la presin
baromtrica.
Nota: Sin embargo, la ecuacin (1) puede ser tan
elemental como Y = X1 - X2. Esta expresin modela, por
ejemplo, la comparacin de dos determinaciones de la
misma magnitud X.
4.1.3 El conjunto de magnitudes de entrada
X1, X2, ..., XN puede clasificarse en:
16
magnitudes cuyos valores e
incertidumbres se determinan por
medicin directa en la medicin actual,
vigente o corriente. Estos valores e
incertidumbres pueden obtenerse, por
ejemplo, por una nica observacin,
observaciones repetidas o por juicio
basado en la experiencia, y pueden
involucrar la determinacin de
correcciones en la lectura de los
instrumentos y correcciones debidas a la
presencia de magnitudes de influencia,
tales como la temperatura ambiente, la
presin baromtrica y la humedad;
magnitudes cuyos valores e
incerticlumbres son incorporados a la
medicin y que provienen de fuentes
externas, tales como magnitudes
asociadas con patrones de medicin
calibrados, materiales de referencia
certificados y datos de referencia
obtenidos de manuales.
4.1.4 Una estimacin del mesurando Y,
denominada y, se obtiene de la ecuacin (1)
usando las magnitudes de entrada estimadas
x1, x2, ... , xN para los valores de las N
magnitudes X1, X2, ... , XN. Por lo tanto, la
estimacin de la magnitud resultante y, que es
el resultado de la medicin, est dada por
(2) ... ) ..., , ,
2 1 N
x x (x y f
Nota: En algunos casos el valor estimado y, puede
obtenerse por:
( )
k n, k , k ,
n
k
n
k
k
X X X
n
Y
n
Y y ..., , ,
1 1
2 1
1 1

f
Esto es, y se toma corno la media aritmtica o promedio
(ver 4.2.1) de n determinaciones independientes Yk de Y,
donde cada determinacin posee la misma incertidumbre
y est basada en un conjunto completo de valores
observados de las N magnitudes de entrada Xi obtenidas
simultneamente. Esta forma de promediar, mas que
( ) n
n
k
k i,
X
i
X X X y
N

,
_

1
donde , , . . . ,
1
f es
la media aritmtica de las observaciones individuales Xik,
puede ser preferible cuando f es una funcin no lineal de
los argumentos X1, X2, ..., XN, pero ambas apro-
ximaciones son idnticas si f es una funcin lineal de Xi
(ver H.2 y H.4).
4.1.5 La desviacin estndar estimada,
asociada con la estimacin de la magnitud de
salida o resultado de medicin y se denomina
incertidumbre estndar combinada uc(y). Se
determina a partir de la desviacin estndar
estimada asociada con cada valor estimado de
las magnitudes de entrada xi , denominada
incertidumbre estndar u(xi) (ver 3.3.5 y 3.3.6).
4.1.6 Cada valor estimado de la magnitud de
entrada xi y su incertidumbre estndar
asociada u(xi) se obtiene a partir de una
distribucin de valores posibles de la magnitud
de entrada Xi. Esta distribucin de probabilidad
puede estar basada en frecuencias, es decir,
basada en una serie de observaciones Xik de
Xi, o puede ser una distribucin a priori. Las
evaluaciones de Tipo A de las componentes
de la incertidumbre estndar estn fundadas
en distribuciones de frecuencias, mientras que
las evaluaciones de Tipo B estn fundadas en
distribuciones a priori. Se debe reconocer que
en ambos casos las distribuciones son
modelos utlizados para representar el estado
de nuestro conocimiento.
4.2 Evaluacin de Tipo A de la
incertidumbre estndar
4.2.1 En la mayora de los casos, el mejor
estimador disponible de la esperanza o valor
esperado q, de una magnitud q que vara
aleatoriamente [una variable aleatoria
(C.2.2)], y para la cual se han obtenido n
observaciones independientes qk bajo las
mismas condiciones de medicin (ver B.2.15),
es la media aritmtica o promedio (C.2.19)
de las n observaciones:
n
k
k
q
n
q
1
...(3)
1
As, para una magnitud de entrada Xi estimada
a partir de n observaciones repetidas
independientes Xi,k, la media aritmtica
i
X
.obtenida de la ecuacin (3) es utilizada en la
ecuacin (2) como el estimador de las
magnitudes de entrada xi, para determinar el
resultado de medicin y; esto es, xi =
i
X .
Aquellas magnitudes de entrada no evaluadas
a partir de observaciones repetidas deben ser
17
obtenidas por otros mtodos, tales como
aquellos que se indican en la segunda
categora de 4.1.3.
4.2.2 Las observaciones individuales qk
difieren en valor debido a variaciones
aleatorias en las magnitudes de influencia, o a
efectos alcatorios (ver 3.2.2). La variancia
experimental de las observaciones, que estima
la variancia
2
de la distribucin de
probabilidad de q, est dada por:
( ) ( ) ( ) 4 ...
1
1
2
1
2
q q
n
q s
k
n
k
k

Este estimador de la variancia y su raz

cuadrada positiva s(qk), denominada
desviacin estndar experimental (B.2.17),
caracterizan la variabilidad de los valores
observados qk, o ms especficamente, su
dispersin alrededor de la media q .
4.2.3 El mejor estimador de
2
) q (
.

=
2
/n, la
variancia de la media, est dado por:
...(5)
) (
) (
n
q s
q s
k
2
2
La variancia experimental de la media s

2
( q ) y
la desviacin estndar experimental de la
media s( q ) (B.2.17, nota 2), igual a la raz
cuadrada positiva de s
2
( q ), cuantifican cun
bien * estima q a la esperanza q de q , y
cualquiera de ellas puede ser usada como una
medida de la incertidumbre de q .
* Nota IRAM: en el texto en ingls dice how well.
Por lo tanto, para una magnitud de entrada Xi
determinada a partir de n observaciones
independientes repetidas Xi,k,, la incertidumbre
estndar u(xi) de su estimacin
) ( con ), ) es
2
i i i i
X s X ( s (x u X x calculada
de acuerdo con la ecuacin (5). Por
conveniencia, ) ) y ) ( ) (
2 2
i i i i
X s( u(x X s x u , a
veces son llamadas variancia de Tipo A e
incertidumbre estndar de Tipo A,
respectivamente.
Notas:
1.- El nmero de observaciones n debe ser lo
suficientemente grande como para que se pueda
asegurar que q provea una estimacin confiable de la
esperanza q de la variable aleatoria q, y que s
2
(
q
)
otorgue una estimacin confiable de la variancia
2
(
q
) =
2
/n (ver la nota en 4.3.2).
La diferencia entre s
2
( q ) y
2
( q ) debe ser considerada
al construir intervalos de confianza (ver 6.2.2). En este
caso, si la distribucin de probabilidad de q es una
distribucin normal (ver 4.3.4), la diferencia es
considerada por medio de la distribucin t de Student
(ver G.3.2).
2.- Aunque la variancia s
2
( q ) es el estadstico bsico
para la cuantificacin de la variabilidad, la desviacin
estndar es ms conveniente en la prctica porque tiene
la misma dimensin que q y se comprende ms
fcilmente que la variancia.
4.2.4 Para una medicin bajo control
estadstico bien caracterizada, puede
disponerse de una estimacin combinada
1
de
la variancia
2
p
s
(o una desviacin estndar
experimental combinada sp) que caracterice la
medicin. Se agrega, cuando el valor de un
mesurando se determina a partir de n
observaciones independientes, la variancia
experimental de la media aritmtica
q
de las
observaciones es mejor estimada por
n s
2
p
/

que por s
2
(
q
)/n, y la incertidumbre estndar
es n / s u
p
. (Ver la nota en H.3.6.)
4.2.5 A menudo una estimacin xi de un
magnitudes de entrada X es obtenida a partir
de una curva que ha sido ajustada a los datos
experimentales por el mtodo de cuadrados
mnimos. Las variancias estimadas y las
incertidumbres estndar resultantes de los
parmetros ajustados que caracterizan la
curva, y de cualquier punto predicho por tal
ajuste, pueden calcularse generalmente
usando procedimientos estadsticos bien
conocidos (ver H.3 y referencia [8]).
1
En el original: pooled estimate (N.T.)
18
4.2.6 Los grados de libertad (C.2.31) i de
u(xi) (ver G.3), iguales a n - 1 en el caso
simple en que ) ) y
i i i i
s(X u(x X x ,se
calculan a partir de n observaciones
independientes como en 4.2.1 y 4.2.3 y se
deben indicar siempre que se documenten las
evaluaciones de las componentes de
incertidumbre de Tipo A.
4.2.7 Si las variaciones aleatorias en las
observaciones de una magnitud de entrada
estn correlacionadas entre s (por ejemplo, en
el tiempo), la media y la desviacin estndar
experimental de la media, tal como se dan en
4.2.1 y 4.2.3, pueden ser estimadores
(C.2.25) inapropiados de los estadsticos
(C.2.23) deseados. En tales casos, las
observaciones deben ser analizadas por
mtodos estadsticos especialmente
diseados para tratar una serie de mediciones
correlacionadas que varan aleatoriamente.
Nota: Tales mtodos especializados se utilizan para
tratar mediciones de patrones de frecuencia. Sin
embargo, es posible que, al pasar de mediciones a corto
plazo (perodos cortos de tiempo) a mediciones a largo
plazo (perodos largos de tiempo) de otras magnitudes
metrolgicas, la suposicin de tener variaciones
aleatorias no correlacionadas puede perder validez y
podran utilizarse los mtodos especializados tambin en
estas mediciones. (Ver referencia [9] por ejernplo, para
una discusin detallada de la variancia de Allan.)
4.2.8 La discusin de la evaluacin de Tipo A
de la incertidumbre estndar en los prrafos
4.2.1 a 4.2.7 no pretende ser exhaustiva;
existen muchas situaciones, algunas bastante
complejas, que pueden tratarse por mtodos
estadsticos. Un ejemplo importante es el uso
de diseos de calibracin, a menudo basados
en el mtodo de cuadrados mnimos, para
evaluar las incertidumbres que surgen de las
variaciones aleatorias a corto y largo plazo en
los resultados de comparaciones de sistemas
materiales de valores desconocidos, tales
como bloques patrones y patrones de masa,
con patrones de referencia de valores
conocidos. En tales situaciones de medicin,
las componentes de incertidumbre pueden ser
evaluadas frecuentemente por anlisis
estadstico de los datos obtenidos a partir de
diseos que consisten en secuencias anidadas
de mediciones del mesurando, para un
nmero de valores diferentes de las
magnitudes de las cuales depende (anlisis de
la variancia) (ver H.5).
Nota: En los niveles ms bajos de la cadena de
calibracin, donde a menudo se supone que los patrones
de referencia son exactamente conocidos puesto que
han sido calibrados por un laboratorio normalizado o
certificado nacional o primario, la incertidumbre estndar
de Tipo A, evaluada mediante una desviacin estndar
combinada que caracterice las rnediciones.
4.3 Evaluacin de Tipo B de la
incertidumbre estndar.
4.3.1 Para una estimacin xi de una magnitud
de entrada Xi, que no ha sido obtenida por
observaciones repetidas, la variancia estimada
asociada u
2
(xi) o la incertidumbre estndar
u(xi) son evaluadas mediante el juicio cientfico
basado en toda la informacin disponible
respecto a la variabilidad de Xi. Esta
informacin puede incluir:
datos de mediciones previas;
experiencia con, o conocimiento
general del comportamiento y las
propiedades de los materiales e
instrumentos relevantes;
especificaciones de los fabricantes;
datos obtenidos de calibracin y otros
certificados;
incertidumbres asignadas a datos de
referencia obtenidos de manuales.
Por conveniencia, u
2
(xi) y u(xi), evaluadas de
este modo, son algunas veces llamadas
variancia de Tipo B e incertidumbre estndar
de Tipo B, respectivamente.
Nota: Cuando xi se obtiene a partir de una distribucin a
priori, la variancia asociada es denominada u
2
(Xi), pero
por simplicidad, en esta norma se usan u
2
(xi) y u(xi).
4.3.2 El uso apropiado de la informacin
disponible para una evaluacin de Tipo B de la
incertidumbre estndar, requiere una visin
basada en la experiencia y en el conocimiento
general, y es una habilidad que puede ser
adquirida con la prctica. Debe reconocerse
que una evaluacin de Tipo B de la
incertidumbre estndar puede ser tan confiable
como una evaluacin de Tipo A,
especialmente en una situacin donde una
evaluacin de Tipo A se basa en un nmero
19
relativamente pequeo de observaciones
estadsticamente independientes.
Nota: Si la distribucin de probabilidad de q en la nota 1
de 4.2.3 es normal, ( ) [ ] [ ] q q / s es la desviacin
estndar de ) q s( relativa a ) (q , y es aproximadamente
igual a
[ ]
1/2
1) 2(

n
. Entonces, tomando [ ] ) (q s como
la incertidumbre de ) q s( , para n = 10 observaciones la
incertidumbre relativa de ) q s( es del 24 %, mientras que
para n = 50 observaciones, sta es del 10 %. (En la tabla
E.1 del anexo E se dan valores adicionales).
4.3.3 Si la estimacin xi se obtiene a partir de
una especificacin, de un certificado de
calibracin, de uso manual, u de otra fuente, y
su incertidumbre evaluada se indica como un
mltiplo particular de una desviacin estndar,
la incertidumbre estndar u(xi) es simplemente
el valor asignado dividido por el factor de
multiplicacin, y la variancia estimada u
2
(xi) es
el cuadrado de dicho cociente.
Ejemplo: Un certificado de calibracin indica
que la masa ms de un patrn de masa de
acero inoxidable, de valor norninal 1 kg es
1 000,000 325 g y que "la incertidumbre de
este valor es 240 g al nivel de tres
desviaciones estndar". La incertidumbre
estndar del patrn de masa es entonces
simplemente
u(ms) = 240 g/3 = 80 g. Esto corresponde a
una incertidumbre estndar relativa
u(ms)/ms.de 80 10
-9
(ver 5.1.6). La variancia
estimada es, pues,
u
2
(ms) = (80 g)
2
= 6,4 . 10
-9
g
2
.
Nota: En muchos casos se proporciona poca o ninguna
informacin acerca de las componentes individuales a
partir de los cuales se ha evaluado la incertidumbre. Esto
generalmente no es importante para la expresin de la
incertidumbre de acuerdo a las prcticas de esta norma,
ya que todas las incertidumbres estndar son tratadas
del mismo modo cuando se calcula la incertidumbre
estndar combinada de un resultado de medicin (ver
captulo 5).
4.3.4 La incertidumbre indicada para xi no
necesariamente est dada como un mltiplo
de una desviacin estndar como en 4.3.3. En
su lugar, puede encontrarse que la
incertidumbre evaluada define un intervalo que
posee una probabilidad de cobertura del 90 %,
95 % o 99 % (ver 6.2.2). A menos que se
indique otra cosa, se puede suponer que ha
sido asumida una distribucin normal
(C.2.14) para calcular la incertidumbre
indicada, y recuperar la incertidumbre estndar
de xi dividiendo la incertidumbre indicada por
el factor apropiado para la distribucin normal.
Los factores correspondientes a las tres
probabilidades de cobertura mencionadas son
1,64; 1,96; y 2,58 (ver tambin la tabla G.1 en
el anexo G).
Nota: Tal suposicin no sera necesaria si la
incertidumbre hubiera sido indicada de acuerdo con las
recomendaciones de esta norma respecto a la expresin
de incertidumbre, donde se hace hincapi en que el
factor de cobertura usado debe mencionarse (ver 7.2.3).
Ejemplo: Un certificado de calibracin declara
que la resistencia de un resistor patrn Rs de
valor nominal 10 es de
10,000 742 129 a 23 C, y que "la
incertidumbre evaluada de 129 define un
intervalo con una probabilidad de cobertura de
99 %". La incertidumbre estndar del resistor
puede tomarse como u(Rs) = (129 )/2,58 =
50 , que corresponde a una incertidumbre
estndar relativa u(Rs)/(Rs) de 5,010
-6
(ver
5.1.6). La variancia estimada es
u
2
(Rs) = (50 )
2
= 2,510
-9

2
.
4.3.5 Considrese el caso en el cual,
basndose en la informacin disponible, se
puede indicar que "existe una probabilidad
cincuenta por ciento que el valor de la
magnitud de entrada Xi, se encuentre en el
intervalo que va desde a+ hasta a-". Si puede
suponerse que la distribucin de valores
posibles de Xi es aproximadamente normal,
entonces la mejor estimacin xi de Xi puede
tomarse como el punto medio del intervalo.
Adicionalmente, si el semi-intervalo se denota
como a = (a+ - a-)/2, se puede tomar u(xi) =
1,48 a, porque para una distribucin normal
con valor esperado
/1,48 abarca aproximadamente al 50 %
de la distribucin.
Ejemplo: Un operario, al determinar las
dimensiones de una pieza, estima que su
longitud se encuentra, con una probabilidad de
0,5 en el intervalo que va de 10,07 mm a 10,15
mm, e informa que l = (10,11 t 0,04) mm,
entendiendo que 0,04 mm define un intervalo
20
con una probabilidad de cobertura del 50 %.
Entonces a = 0,04 mm, y si se supone una
distribucin normal para los posibles valores
de l, la incertidumbre estndar de la longitud
es
u(l) = 1,48 0,04 mm 0,06 mm y la variancia
estimada es:
u
2
(l) = (1,48 0,04 mm)
2
= 3,5 10
-3
mm
2
.
4.3.6 Considrese un caso similar al de 4.3.5
pero donde, basado en la informacin
disponible, es posible enunciar que "existe una
chance de dos a tres que el valor de Xi se
encuentre en el intervalo a, a+" (en otras
palabras, la probabilidad de que X est dentro
de ese intervalo es 0,67). Entonces resulta
razonable tomar u(xi) = a, puesto que, para
una distribucin normal con esperanza y
desvo estndar , el intervalo t abarca
alrededor de 68,3 % de la distribucin.
Nota: Si se considerara una probabilidad p = 2/3 exacta,
se debera utilizar el factor 0,9674 correspondiente en la
distribucin normal a tal probabilidad. Esto es,
u(xi) = a/0,96742 = 1,033a.
4.3.7 En otros casos puede ser posible
estimar slo los lmites (superior e inferior)
para Xi, en particular, para enunciar que "la
probabilidad que el valor de Xi est dentro del
intervalo a-, a+ para todos los propsitos
prcticos es igual a uno y la probabilidad de
que Xi caiga fuera de ese intervalo es
esencialmente cero." Si no existe un
conocimiento especfico acerca de los posibles
valores de Xi dentro del intervalo, slo se
puede suponer que es igualmente probable
que Xi tome cualquier valor dentro del intervalo
(una distribucin uniforme o rectangular de
valores posibles - ver 4.4.5 y figura 2a).
Entonces xi, la esperanza o el valor esperado
de Xi, es el punto medio del intervalo, xi = (a- +
a+)/2, con variancia asociada.
( ) ( ) ...(6) 12 /
2 2
- i
a a x u +
+
Si la diferencia entre los lmites, a+ y a- se
denota por 2a, entonces la ecuacin (6) se
convierte en
( ) ( ) 7 ... /3
2
a x u
i

2
Nota: Cuando una componente de la incertidumbre
determinada de esta manera contribuye
significativamente a la incertidumbre de un resultado de
medicin, es prudente obtener datos adicionales para su
posterior evaluacin.
Ejemplos:
1.- Un manual establece el valor del
coeficiente de expansin trmica lineal del
cobre puro a 20C, 20(Cu), como 16,52 x 10
-6
C
-1
y simplemente declara que el error en
este valor no debera exceder de 0,40 . 10
-6
C
-
1
. A partir de esta informacin limitada, no es
desatinado suponer que el valor de 20(Cu) se
encuentra, con igual probabilidad, en el
intervalo que va de 16,12 x 10
-6
C
-1
a 16,92 x
10
-6
C
-1
, y que es muy poco probable que el
valor de 20(Cu) caiga fuera de este intervalo.
La variancia de esta distribucin rectangular
simtrica de valores posibles de 20(Cu), con
semiintervalo igual a a = 0,40 . 10
-6
C
-1
es
entonces, a partir de la ecuacin (7), u
2
(20) =
(0,40 x 10
-6
C
-1
)
2
/3 = 53,3 x 10
-15
C
-2
, y la
incertidumbre estndar es: u(20) = (0,40 x 10
-6
C
-1
)/
3
= 0,23 x 10
-6
C
-1
.
2.- Las especificaciones dadas por el
fabricante de un voltmetro digital establecen
que entre uno y dos aos despus de la
calibracin del instrumento, su exactitud en el
rango de 1 V es 14 . 10
-6
por el valor de la
lectura ms 2.10
-6
por el valor del rango.
Considere que el instrumento se usa 20 meses
despus de la calibracin para medir en su
rango de 1 V una diferencia de potencial V y
que la media aritmtica de un nmero de
observaciones independientes repetidas de V
es
V
= 0,928 571 V con una incertidumbre
estndar de Tipo A igual a u(
V
) = 12 V. La
incertidumbre estndar de Tipo B asociada
con las especificaciones del fabricante puede
obtenerse suponiendo que la exactitud
declarada proporciona lmites simtricos para
una correccin aditiva de
V
,
V
, con
esperanza igual a cero y con igual probabilidad
de que se encuentre en cualquier lugar dentro
de los lmites. El semiintervalo a de la
distribucin rectangular simtrica de valores
posibles de
V
es entonces:
21
a = (14 . 10
-6
) . (0,928 571 V) + (2 . 10
-6
) . (1 V)
= 15 V, y de la ecuacin (7), u
2
(
V
) = 75 V
2
y u(
V
) = 8,7 V. La estimacin del valor del
mesurando V, por simplicidad denotada con el
mismo smbolo V, est dada por V =
V
+
V
=
= 0,928 571 V. Puede obtenerse la
incertidumbre estndar combinada de esta
estimacin combinando la incertidumbre
estndar Tipo A de 12 V de
V
con la
incertidumbre estndar Tipo B de 8,7 V de
V
. El mtodo general para combinar las
componentes de incertidumbre estndar se
indica en el captulo 5, con este ejemplo
particular tratado en 5.1.5.
4.3.8 En 4.3.7 los lmites superior e inferior, a+
y a-, de la magnitud de entrada Xi pueden no
ser simtricos con respecto a su mejor
estimador xi, ms especificamente, si el lmite
inferior se escribe como a- = xi b- y el lmite
superior como a+ = xi + b+, entonces b- b+
Dado que en este caso xi (supuesto como la
esperanza de Xi) no est en el centro del
intervalo a- , a+ , la distribucin de probabilidad
de Xi no puede ser uniforme en todo el
intervalo. Sin embargo, puede no haber
suficiente informacin disponible para elegir
una distribucin adecuada; diferentes modelos
conducirn a diferentes expresiones para la
variancia. En ausencia de tal informacin la
aproximacin ms simple es:
( )
( ) ( )
( ) 8 ...
12
a a
12
2 2
2 + +

b b
x u
i
que es la variancia de una distribucin
rectangular con ancho b+ + b-. (Las
distribuciones asimtricas se discuten tambin
en F.2.4.4 y G.5.3.).
Ejemplo: Si en el ejemplo 1 de 4.3.7 el valor
del coeficiente se indica en el manual como
20(Cu) = 16,52 . 10
-6
C
-1
y se establece que
el valor ms pequeo posible es
16,40 x 10
-6
C
-1
y el mayor posible es 16,92 x
10
-6
C
-1
, entonces b- = 0,12 10
-6
C
-1
,
b+ = 0,40 . 10
-6
C
-1
,

y, de la ecuacin (8),
u(20 ) = 0,15 . 10
-6
C
-1
.
Notas:
1.- En muchas situaciones prcticas de medicin donde
los lmites son asimtricos, puede ser apropiado aplicar
una correccin a la estimacin xi de valor (b+ + b-)/2 de
modo tal que la nueva estimacin xi de Xi est en el
punto medio de los lmites: xi = (a- + a+)/2. Esto reduce
la situacin al caso de 4.3.7, con nuevos valores:
b+ = b- = (b+ + b-)/2 = (a+ - a-)/2 = a.
2.- Basado en el principio de mxima entropa, puede
demostrarse que la funcin de densidad de probabilidad
en el caso asimtrico es p(Xi) = A exp[-(Xi xi)], con:
+

+
b b
e b e b
1
A
y
+
+
+
+
+
+
b e b
1 e
) b
) b
-
-
(b
(b

Esto conduce a la variancia:

u
2
(xi) = b+b- (b+ - b-)/ ; para b+ > b-, > 0 y
para b+ < b-, < 0.
4.3.9 En 4.3.7, dado que no exista
conocimiento especfico acerca de los posibles
valores de Xi dentro de sus lmites estimados
a-, a+, solo era posible suponer que era
igualmente probable para Xi tomar cualquier
valor dentro de estos lmites, con probabilidad
nula de caer fuera de ellos. Tales
discontinuidades (funcin escaln) en una
distribucin de probabilidad frecuentemente
carecen de sentido fsico. En muchos casos es
ms realista esperar que los valores cercanos
a los lmites sean menos probables que
aquellos que estn cerca del punto medio. Es
entonces razonable reemplazar la distribucin
rectangular simtrica por una distribucin
trapezoidal simtrica con igual pendiente en
ambos lados (un trapezoide issceles), con
una base inferior de ancho a+ - a- = 2a, y una
base superior de ancho 2a, donde 0 1.
A medida que 1 est distribucin
trapezoidal se aproxima a la distribucin
rectangular de 4.3.7, mientras que para = 0
es una distribucin triangular (ver 4.4.6 y figura
2b). Suponiendo tal distribucin trapezoidal
para Xi, se encuentra que la esperanza de Xi
es: xi = (a- + a+) /2 y su variancia asociada es:
22
( ) ( ) ( ) 9a ... 6 / 1
2
+
2 2
a x u
i
que para la distribucin triangular, con = 0,
se convierte en
( ) ( ) 9b ... 6 /
2 2
a x u
i

Notas:
1.- Para una distribucin normal con esperanza y
desvo estndar , el intervalo t 3 cubre
aproximadamente 99,73 % de la distribucin. Entonces,
si los lmites superior e inferior a+ y a- definen lmites del
99,73 %, en lugar del 100 %, y puede suponerse que Xi
tiene una distribucin aproximadamente normal, en lugar
de asumir que no se posee informacin especfica sobre
Xi entre los lmites, como en 4.3.7, entonces u
2
(xi) = a
2
/9.
Comparativamente, la variancia de una distribucin
rectangular simtrica de semiintervalo a es a
2
/3
[ecuacin (7)] y la de una distribucin triangular simtrica
de semiintervalo a es a
2
/6 [ecuacin (9b)]. La magnitud
de las variancias de las tres distribuciones son
sorprendentemente similares dadas las grandes
diferencias en la cantidad de informacin requerida para
justificarlas.
2.- La distribucin trapezoidal es equivalente a la
circunvolucin de dos distribuciones rectangulares [10],
una con un semiancho a1 igual al semiancho medio de la
trapezoidal, a1 = (1 + )/2, la otra con un semiancho a2
igual al ancho medio de una de las porciones
triangulares del trapezoide, a2 = a (1 - )/2. La variancia
de la distribucin es 3 / 3 /
2
2
a a u +
2
1
2
. La
distribucin una vez hecha la circunvolucin se puede
interpretar como una distribucin rectangular de ancho 2
a1 que tiene intrnseca una incertidumbre representada
por una distribucin rectangular de ancho 2 a
2
y modelo
el hecho que los lmites de la magnitud de entrada no
son conocidos exactamente. Pero aunque si a2 es 30 %
mayor que a1, u excede a a1/
3
por menos que un 5 %.
4.3.10 La discusin sobre la evaluacin de
Tipo B de la incertidumbre estndar hecha en
las secciones 4.3.3 a 4.3.9 debe entenderse
slo como indicativa. Adicionalmente, las
evaluaciones de incertidumbre deben basarse
en datos cuantitativos tanto como sea posible,
tal como se enfatiza en 3.4.1 y 3.4.2.
23
4.4 Ilustracin grfica de la evaluacin de
la incertidumbre estndar
4.4.1 La figura 1 representa la estimacin del
valor de una magnitud de entrada Xi y la
evaluacin de la incertidumbre de dicha
estimacin a partir de la distribucin
desconocida de los valores posibles medidos
de Xi, o a partir de la distribucin de
probabilidad de Xi, muestreada mediante
observaciones repetidas.
4.4.2 En la figura 1a, se supone que la
magnitud de entrada Xi es una temperatura t y
que su distribucin desconocida es de tipo
normal, con una esperanza matemtica t =
100 C y una desviacin estndar = 1,5 C.
Su densidad de probabilidad (vase C.2.14) es
pues
( ) [ ]
2
t
2 / exp
2
1
) (

t t p
Nota - La definicin de densidad de probabilidad p(z)
requiere que se satisfaga la relacin.
1 dz p(z) .
Nota IRAM. En la expresin anteior se entiende que los
lmites de integracin son - , +.
4.4.3 La figura 1b muestra un histograma de
n = 20 observaciones repetidas tk que se
supone han sido tomadas en forma aleatoria
de la distribucin de la figura 1a. Para obtener
el histograma, las 20 observaciones o
muestras,
Tabla 1- Veinte observaciones repetidas de la temperatura t agrupada en intervalos de 1 C
Intervalo t1 t < t2 Temperatura
t
(en C)
t1
(en C)
t2
(en C)
94,5
95,5
96,5
97,5
98,5
99,5
100,5
101,5
102,5
103,5
104,5
95,5
96,5
97,5
98,5
99,5
100,5
101,5
102,5
103,5
104,5
105,5
-
-
96,90
98,18; 98,25
98,61; 99,03; 99,49
99,56; 99,74; 99,89; 100,07; 100,33; 100,42
100,68; 100,95; 101,11; 101,20
101,57; 101,84; 102,36
102,72
-
-
cuyos valores se indican en la tabla 1, se
agrupan en intervalos de 1 C. (se
sobreentiende que no se requiere la
preparacin de histogramas para el anlisis
estadsticos de los datos).
La media aritmtica o promedio
t
de las n = 20
observaciones, calculada de acuerdo con la
ecuacin (3) es
t
= 100,145 C 100,14 C
que se toma como la mejor estimacin de la
esperanza t de t basada en los datos
disponibles. La desviacin estndar
experimental s(tk) calculada usando la ecuacin
(4) es
s(tk) = 1,489 C 1,49 C, y la desviacin
estndar experimental de la media s(
t
),
calculada a partir de la ecuacin (5), que es la
incertidumbre estandar u(
t
) de la media t, es
C 33 , 0 C 333 , 0
20
) (
) ( ) (
k

t s
t s t u
(Para clculos adicionales, interesa conservar
todas las cifras)
Nota Aunque los datos de la tabla 1 pueden
considerarse verosmiles, dada la utilizacin generalizada
de los termmetros electrnicos digitales de alta
resolucin, stos se dan a ttulo ilustrativo, no debiendo
interpretarse necesariamente como describiendo una
medicin real.
Tabla 1
24
4.4.4 La figura 2 representa la estimacin del
valor de una magnitud de entrada Xi y la
evaluacin de la incertidumbre de esta
estimacin, a partir de una distribucin
supuesta a priori de los valores posibles de Xi, o
de una distribucin de probabilidad de Xi
basada en la totalidad de la informacin
disponible. En los dos casos presentados, se
supone de nuevo que la magnitud de entrada
es una temperatura t.
4.4.5 En el caso ilustrado en la figura 2a, se
supone que se tiene poca informacin sobre la
magnitud de entrada t y que todo lo que puede
hacerse es suponer que t se describe a priori
por una distribucin de probabilidad rectangular
simtrica, de lmite inferior a- = 96 C, y de
lmite superior a+ = 104 C, con una semiampli-
tud de intervalo a = (a+ - a-)/2 = 4C (ver 4.37).
La densidad de probabilidad de t es entonces
p(t) = 1 / (2a) para a- t a+
p(t) = 0 para cualquier otro valor
Como se indica en 4.3.7, la mejor estimacin
de t es su esperanza matemtica
t = (a+ + a-)/2 = 100 C, segn C.3.1. La
incertidumbre estndar de esta estimacin es
u(t) = a / 3 2,3 C, segn C.3.2 [ver
ecuacin (7)]
4.4.6 Para el caso ilustrado en la figura 2b, se
supone que la informacin disponible
concerniente a t es menos limitada, pudiendo
venir descrita t a priori por una distribucin de
probabilidad triangular simtrica, con el mismo
lmite inferior a- = 96 C, el mismo lmite
superior
a+ = 104 C y, por lo tanto, la misma amplitud
a = (a+ + a-)/2 = 4 C, que en 4.4.5 (ver 4.3.9).
La funcin de densidad de probabilidad de t
ser entonces
p(t) = (t - a-)/a
2
para a- t (a+ + a-)/2
p(t) = (a+ - t)/a
2
para (a+ + a-)/2 t a+
p(t) = 0 para cualquier otro valor.
Como se indica en 4.3.9, la esperanza
matemtica de t es t = (a+ + a-)/2 = 100 C,
segn C.3.1. La incertidumbre estndar de esta
estimacin es u(t) = a/ 6 1,6 C, segn
C.3.2 [ver ecuacin (9b)].
El valor anterior u(t ) = 1,6 C puede
compararse con u(t ) = 2,3 C obtenido en
4.4.5 a partir de una distribucin rectangular de
igual amplitud, 8 C, o con = 1,5 C de la
distribucin normal de la figura 1a, para la que
el intervalo de 2,58 a +2,58, que
comprende el 99 % de la distribucin, es del
orden de 8 C; finalmente, tambin puede
compararse con u(
t
) = 0,33 C obtenida en
4.4.3 a partir de 20 observaciones
supuestamente tomadas al azar,
pertenecientes a la misma distribucin normal.
25
Figura 1 - Ilustracin grfica de la evaluacin de la incertidumbre estndar de un
argumento a partir de observaciones repetidas
26
Figura 2 - Ilustracin grfica de la evaluacin de la incertidumbre estndar de un
argumento a partir de una distribucin a priori
5 DETERMINACIN DE LA
INCERTIDUMBRE ESTNDAR
COMBINADA
27
5.1 Magnitudes de entrada no
correlacionadas
Este apartado trata el caso en que todas las
magnitudes de entrada son independientes
(C.3.7). El caso en que existe una relacin
entre dos o ms magnitudes de entrada, es
decir, en que son interdependientes o
correlacionadas (C.2.8), se analiza en 5.2.
5.1.1 La incertidumbre estndar de y, siendo
y la estimacin del mensurando Y, es decir, el
resultado de medicin, se obtiene
componiendo apropiadamente las
incertidumbres estndar de las estimaciones
de entrada x1, x2, ..., xN (ver 4.1). Esta
incertidumbre estndar combinada de la
estimacin y se indica como uc (y).
Nota. Por las mismas razones que las indicadas en la
nota de 4.3.1, en todos los casos se utilizan los smbolos
uc(y) y uc
2
(y).
5.1.2 La incertidumbre estndar combinada
uc(y) es la raz cuadrada positiva de la
variacin combinada uc
2
(y), dada por
) 10 ...( ) ( ) (
2
2
l i
i
N
i
2
c
x u
x
y u

1
]
1
f
donde f es la funcin dada en la ecuacin (1).
Cada u(xi) es una incertidumbre estndar
evaluada como se describe en 4.2 (evaluacin
de Tipo A) o en 4.3 (evaluacin de Tipo B). La
incertidumbre estndar combinada uc(y) es
una desviacin estndar estimada y
caracteriza la dispersin de los valores que
podran ser razonablemante atribudos al
mensurando Y (ver 2.2.3).
La ecuacin (10) y su contrapartida para las
magnitudes de entrada correlacionadas,
ecuacin (13), basadas ambas en un
desarrollo en serie de Taylor de primer orden
de
Y = f (X1, X2, ..., XN), expresan lo que en esta
Norma se denomina ley de propagacin de la
incertidumbre (ver E.3.1 y E.3.2).
Nota. Cuando la no linealidad de f resulta significativa,
es necesario incluir trminos de orden ms elevado en el
desarrollo en serie de Taylor para la expresin de uc
2
(y),
ecuacin (10). Cuando la funcin de distribucin de cada
Xi es simtrica alrededor de su media, los trminos ms
importantes de orden inmediatamente superior a aadir a
la ecuacin (10) son
) (x u ) (x u
x x x
f
x x
j i
N
l i
N
l f j i i 0 i
2 2
2
3
2
2
2
1

1
1
]
1
+
1
]
1

f f
Ver en H.1 el ejemplo de un caso en que es necesario
tomar en cuenta la contribucin de los trminos de mayor
orden de uc
2
(y).
5.1.3 Las derivadas parciales /xi son
iguales a /Xi, calculadas para Xi = xi (ver a
continuacin la nota 1). Estas derivadas,
frecuentemente denominadas coeficientes de
sensibilidad, describen cmo vara la
estimacin de salida y, en funcin de las
variaciones en los valores de las estimaciones
de entrada x1, x2, ..., xN. En particular, la
variacin de y producida por una pequea
variacin xi en la estimacin de entrada xi
viene dada por
(y)i = ( f/xi ) (xi ). Si esta variacin es
debida a la incertidumbre estndar de la
estimacin xi, la variacin correspondiente de
y es ( f/xi )u(xi). La variancia combinada
uc
2
(y) puede considerarse entonces como una
suma de trminos, cada uno de ellos
representando la variancia estimada asociada
a la estimacin de salida y, debido a la
variancia estimada asociada a cada
estimacin de entrada xi. Esto conduce a
escribir la ecuacin (10) en la forma
[ ]
2
l
2
c
) (

N
i
i i
) (x u c y u

(y) u
N
l i
i
2
...(11a)
donde
ci f/ xi, ui(y) ci u (xi) (11b)
Notas
1 En rigor, las derivadas parciales son
f / xi = f / Xi, calculadas para las esperanzas
matemticas de las Xi. En la prctica, no
obstante, las derivadas parciales se estiman por
i i
X x
f f
28
x1, x2 .....xN
2 La incertidumbre estndar combinada uc(y)
puede calcularse numricamente reemplazando
ciu(xi) en la ecuacin (11a) por
[ ] ) ,.. ., ) ( u ,.. ., ( ) ,..., ) ( u ,..., (
2
1
N i i l N i i 1 i
x x x x x x x x Z + f f
Es decir, que ui(y) se evala numricamente calculando
la variacin de y debida a variaciones de xi de valores
+u(xi) y -u(xi). El valor de ui(y) puede entonces tomarse
igual a Zi y el valor del coeficiente de sensibilidad
correspondiente ci, igual a Zi/u(xi).
Ejemplo - En el ejemplo de 4.1.1, utilizando
por simplicidad de notacin el mismo smbolo
para la magnitud y para su estimacin,
c1 P / V = 2V / R0 [1 + (t - t0) ] = 2 P / V
c2 P / R0 = -V
2
/
2
0
R [1 + (t - t0) ] = - P / R0
c3 P / = - V
2
(t - t0 ) / R0 [i + (t - t0 ) ]
2
= - P (t - t0) / [1 + (t - t0)]
c4 P / t = - V
2
/ R0 [1 + (t - t0) ]
2
= - P / [1 + (t - t0) ]
y
) t ( u
t
P
) ( u
P
) R ( u
R
P
) V ( u
V
P
) P ( u
2
2
2
2
0
2
2
0
2
2
2
1
]
1
+
1
]
1
+
1
]
1
+
1
]
1
[ ] [ ] [ ] [ ] (P) u (P) u (P) u (P) u u(t) c u( c ) u(R c u(V) c

2
4
2
3
2
2
2
1
2
4
2
3
2
0 2
2
1
) + + + + + +
5.1.4 En lugar de calcularlos a partir de la
funcin f , los coeficientes de sensibilidad
f/xi pueden determinarse de forma
experimental, midiendo la variacin de Y
producida por una variacin de una Xi dada,
manteniendo constantes las otras magnitudes
de entrada. En este caso, el conocimiento de
la funcin f (o de una parte de ella cuando
nicamente se determinan de esta forma
algunos coeficientes de senbilidad) se reduce,
en consecuencia, a un desarrollo emprico en
serie de Taylor de primer orden, basado en los
coeficientes de sensibilidad medidos.
5.1.5 Si la ecuacin (1) para el mensurando Y
se desarrolla en serie alrededor de los valores
nominales Xi,0 de las magnitudes de entrada
Xi, entonces, en el primer orden (que es
habitualmente una aproximacin suficiente),
Y = Y0 + c11 + c22 + ... + cNN , donde
Y0 = f(X1,0, X2,0, ..., XN,0), ci = ( f / Xi ),
calculados en Xi = Xi,0, y i = Xi - Xi,0. En
consecuencia, para las necesidades de un
anlisis de incertidumbre, habitualmente se
obtiene una aproximacin del mensurando
mediante una funcin lineal de sus variables,
transformando sus magnitudes de entrada Xi
en i (ver E.3.1).
Ejemplo - A partir del ejemplo 2 de 4.3.7, la
estimacin del valor del mensurando V es
V V V + con
V
= 0,928 571 V,
u ) (V = 12 V, la correccin aditiva
V
= 0, y
u (
V
) = 8,7 V.
29
Como V /
V
= 1 y V/(
V
) = 1, la variancia
combinada asociada a V viene dada por
2 2 2 2 2
c
) V 7 , 8 ( ) V 12 ( ) V ( u ) V ( u ) V ( u + +
2 12
V 10 219

y la incertidumbre estndar combinada es
uc(V) = 15 V, que corresponde a una
incertidumbre estndar combinada relativa
uc(V)/V de 16 x 10
-6
(ver 5.1.6). Este es un
ejemplo de caso en que el mensurando es una
funcin lineal de las magnitudes de las que
depende, con los coeficientes ci = +1. Se
deduce de la ecuacin (10) que si
Y = c1X1 + c2X2 + ... + cNXN y las constantes
ci = +1 -1, entonces
N
i
l c
) (x u (y) u
1
2 2
.
5.1.6 Si Y es de la forma
N
p
N
X X cX Y ...
2 1
p
2
p
1

y los exponentes pi son nmeros conocidos,
positivos o negativos, de incertidumbres
despreciables, la variancia combinada, la
ecuacin (10) puede expresarse en la forma
[ ] [ ]
N
i
i i i c
/x ) (x u p (y)/y u
1
2 2
...(12)
Esta es una forma anloga a la ecuacin (11a)
pero con la variancia combinada (y) u
c
2

expresada en forma de variancia combinada
relativa [ ]
2
y / (y) u
c
y con la variancia u
2
(xi)
asociada a cada estimacin de entrada
expresada en forma de variancia relativa
estimada [ ]
2
i i
x / ) (x u . [La incertidumbre
estndar combinada relativa es uc(y) / y y
la incertidumbre estndar relativa de cada
estimacin de entrada es u(xi) / xi , con
y 0 y xi 0.]
Notas
1 Cuando Y toma esta forma, su transformacin
en una funcin lineal de variables (ver 5.1.5) se obtiene
fcilmente haciendo Xi = Xi,0 (1 + i); de ello resulta la
relacin aproximada siguiente:
(Y - Y0) / Y0 =

N
i
i i
p
1
.
Por otra parte, la transformacin logartmica
Z = In Y, Wi = In Xi, conduce a una linealizacin
exacta para las nuevas variables:
Z = In c +

N
i i i
W p
1
.
2 Si cada pi toma el valor +1 o -1, la ecuacin
(12) se transforma en
[ ] [ ]
2
1
2

N
i i i c
)/x u(x (y)/y u
, lo que muestra
que, en este caso especial, la variancia
combinada relativa asociada a la estimacin y
es simplemente igual a la suma de las
variancias relativas estimadas asociadas a las
estimaciones de entrada xi .
5.2 Magnitudes de entrada correlacionadas
5.2.1 La ecuacin (10) y las que de ella se
deducen, tales como la (11) y la (12) tienen
una validez limitada al caso en que las
magnitudes de entrada Xi son independientes
o no correlacionadas (se trata de variables
aleatorias, no de magnitudes fsicas, que se
supone son invariantes - ver 4.1.1, nota 1). Si
algunas de las Xi estn significativamente
correlacionadas, es necesario tener en cuenta
dichas correlaciones.
5.2.2 Cuando las magnitudes de entrada estn
correlacionadas, la expresin apropiada para
la variancia combinada uc
2
(y) asociada al
resultado de medida es
) x , (x u
x
f
x
f
) (x u
x
f
) x , u(x
x
f
x
f
(y) u
j i
N
i
N
i j j i
i
N
i i
N
i
j i
j
N
j i
c

+
1
]
1
1
1 1
2
2
1
1 1
2
2
...(13)
donde xi y xj son las estimaciones de Xi y Xj,
y u (xi, xj ) = u (xj, xi ) es la covariancia
estimada asociada a xi y xj. El grado de
correlacin entre xi y xj viene caracterizado
por el coeficiente de correlacin (C.3.6)
estimado (C.3.6).
30
) (x u ) (x u
) x , (x u
) x , r(x
j i
j i
j i

...(14)
donde r (xi, xj ) = r (xj, xi) y -1 r (xi, xj )
+1. Si las estimaciones xi y xj son
independientes, r (xi, xj ) = 0 y una variacin de
una de las dos no entraa ninguna variacin
previsible en la otra. (ver C.2.8, C.3.6 y C.3.7
para una discusin ms detallada).
Utilizando los coeficientes de correlacin, los
cuales son ms fcilmente interpretables que
la covariacin, el trmino de covariacin de la
ecuacin (13) puede escribirse
)
x x
2
1
1 1
j i j i
j
N
i
N
i j i
x , (x r ) (x u ) (x u
+
f f
...(15)
Tomando en cuenta la ecuacin (11b), la
ecuacin (13) se transforma en

+
+
N
i
N
i
N
j
j i j i j i i i c
) x , (x r ) (x u ) (x u c c ) (x u c (y) u
1
1
1 1 i
2 2 2
2
...(16)
Notas
1 En el caso muy especial en que todas las
estimaciones de entrada estn correlacionadas,
con coeficientes de correlacin r (xi, xj ) = +1, la
ecuacin (16) se reduce a
2
1
2
1
2
1
]
1
1
]
1

N
i
i
i
N
i
i i c
) x ( u
x
) x ( u c ) y ( u
f
La incertidumbre estndar combinada uc(y) es
entonces simplemente una suma lineal de
trminos que representan las variaciones de la
magnitud de salida y, generados por variaciones
de cada estimacin de entrada xi iguales a su
incertidumbre estndar u(xi) (ver 5.1.3). [No
debe confundirse esta suma lineal con la ley
general de propagacin del error, aunque
presente una forma anloga; las incertidumbres
estndar no son errores (ver E.3.2).]
Ejemplo - Diez resistores, cada uno de valor
nominal Ri = 1000 , se calibran con una
incertidumbre despreciable mediante compara-
cin con un resistor Rs de 1000 caracterizado
por una incertidumbre estndar u(Rs) = 100 m
segn figura en su certificado de calibracin.
Los resistores se conectan en serie, con
conductores de resistencia despreciable, para
obtener una resistencia de referencia Rref, de
valor nominal 10 k. As,

10
1 i ref
) (
i i
R R R f .
Como r (xi, xj ) = r (Ri, Rj ) = +1 para cada par
de resistores (ver F.1.2.3, ejemplo 2), puede
aplicarse la ecuacin de esta nota. Puesto que
para cada resistor se tiene
f / xi = Rref / Ri = 1, y u(xi) = u(Ri) = u(Rs)
(ver F.1.2.3, ejemplo 2), esta ecuacin da, para
la incertidumbre estndar combinada de
Rref,

1 ) m 100 ( 10
10
1 re c
)
i s
) (R u (R u
f

El resultado
[ ]

32 , 0 )
2 / 1
2
10
1 i re c
) (R u (R u
s f
obtenido
a partir de la ecuacin (10) sera incorrecto pues
no tendra en cuenta el hecho de que la
totalidad de los valores de calibracin de los
diez resistores estn correlacionados.
2 Las variaciones estimadas u
2
(xi) y las
covariaciones estimadas u(xi, xj) pueden
considerarse como elementos uij de una matriz
de covariancia. Los elementos diagonales uij
de la matriz son las variaciones u
2
(xi),
mientras que los elementos no diagonales uij (i
j) son las covariancia u(xi, xj) = u(xj, xi). Si
dos estimaciones de entrada no estn
correlacionadas, su covariacin asociada, as
como los elementos correspondientes, uij y uji
de la matriz de covariancias son iguales a cero.
Si las estimaciones de entrada son todas no
correlacionadas, todos los elementos no
diagonales son nulos y la matriz de covariacias
es diagonal (ver C.3.5).
3 Para evaluar numricamente, la ecuacin (16)
puede escribirse

N
i
N
j
j i j i c
) x , x ( r Z Z ) y ( u
1 1
2
donde Zi est dada en 5.1.3 nota 2.
4 Si las Xi de la forma especial considerada en
5.1.6 estn correlacionadas, es necesario
entonces aadir los trminos
[ ] [ ] )
j i j j j
1 N
1 i
N
1 i j
i i i
x , x ( r x / ) x ( u p x / ) x ( u p 2
+
31
al miembro de la derecha, de la ecuacin (12).
5.2.3 Consideremos dos medias aritmticas
q y
r
, que estiman las esperanzas
matemticas q y r de dos magnitudes q y r
que varan aleatoriamente, y supongamos que
q y
r
se calculan a partir de n pares
independientes de observaciones simultneas
de q y r, realizadas en las mismas condiciones
de medida (ver B.2.15). Entonces, la
covariancia (ver C.3.4) de q y
r
est
estimada por
( ) ( ) r r q q
(n n
) r , q s(
k
n
k
k

1
) 1
1
...(17)
donde qk y rk son las observaciones
individuales de las magnitudes q y r, y donde
q y
r
se calculan a partir de las
observaciones, segn la ecuacin (3). Si las
observaciones no estn realmente
correlacionadas, puede esperarse un valor de
la covariancia calculada prximo a cero.
De esta forma, la covariancia estimada de dos
magnitudes de entrada correlacionadas Xi y
Xj, estimadas por las medias
i X
y
j X , y
determinadas a partir de pares independientes
de observaciones simultneas repetidas, est
dada por u(xi, xj ) = s(
j i X X , ), con ) ( j i X , X s
calculada segn la ecuacin (17). Esta
aplicacin de la ecuacin (17) es una
evaluacin de Tipo A de la covariancia. El
coeficiente de correlacin estimado de
i X
y
j X se obtiene a partir de la ecuacin (14):
) X ( s ) X ( s / ) X , X ( s ) X X ( r ) x , x ( r
j i
j i j , i
j i

Nota - En H.2 y H.4 se presentan dos ejemplos en los
que es necesario utilizar covariancias calculadas segn
la ecuacin (17).
5.2.4 Puede existir una correlacin
significativa entre dos magnitudes de entrada
si se utiliza para su determinacin el mismo
instrumento de medida, el mismo patrn o el
mismo dato de referencia, con incertidumbres
significativas. Por ejemplo, si se utiliza un
termmetro para determinar una correccin de
temperatura necesaria para estimar el valor de
una magnitud de entrada Xi, y el mismo
termmetro se utiliza para determinar una
correccin de temperatura similar, necesaria
para la estimacin de la magnitud de entrada
Xj, las dos magnitudes de entrada podran
estar correlacionadas de forma significativa.
No obstante, si en este caso, Xi y Xj se
redefinen como magnitudes no corregidas, y
las magnitudes que definen la curva de
calibracin para el termmetro se incluyen
como magnitudes de entrada adicionales, con
incertidumbres independientes, la correlacin
entre Xi y Xj desaparece. (ver F.1.2.3 y
F.1.2.4 para un anlisis ms completo)
5.2.5 Las correlaciones entre magnitudes de
entrada no pueden ignorarse, siempre que
existan y sean significativas. Las covariancias
asociadas deben evaluarse
experimentalmente, si ello es posible,
haciendo variar las magnitudes de entrada
correlacionadas (ver C.3.6, nota 3) o utilizando
el conjunto de informaciones disponibles
acerca de la variabilidad correlacionada de las
magnitudes en cuestin (evaluacin de Tipo B
de la covariancia).
La intuicin basada en la experiencia, as
como los conocimientos generales (ver 4.3.1 y
4.3.2) son especialmente necesarios a la hora
de estimar el grado de correlacin entre
magnitudes de entrada derivado de efectos
causados por influencias comunes tales como
la temperatura ambiente, la presin
atmosfrica y el grado de humedad. En
numerosos casos, los efectos de estas
magnitudes de influencia presentan una
interdependencia despreciable, y las
magnitudes de entrada afectadas pueden
suponerse no correlacionadas. Si no es
posible hacer tal suposicin, pueden evitarse
estas correlaciones introduciendo las
magnitudes de influencia comunes como
magnitudes de entrada independientes
adicionales, tal como se indic en 5.2.4.
32
6 DETERMINACIN DE LA
INCERTIDUMBRE EXPANDIDA
6.1 Introduccin
6.1.1 La Recomendacin INC-1 (1980) del
Grupo de Trabajo sobre la Expresin de las
Incertidumbres, fundamento de la presente
norma (ver la Introduccin), y las
Recomendaciones 1 (CI-1981) y 1 (CI-1986)
del CIPM que aprueban y confirman INC-1
(1980) (ver A.2 y A.3), preconizan la utilizacin
de la incertidumbre estndar combinada uc(y)
como parmetro para expresar
cuantitativamente la incertidumbre del
resultado de una medicin. En efecto, el CIPM
expres en la segunda de estas
Recomendaciones que lo que ahora se
denomina incertidumbre estndar combinada
uc(y) sea utilizada para la expresin de los
resultados por todos los participantes en
comparaciones internacionales y en otros
trabajos efectuados bajo los auspicios del
CIPM y de sus Comits Consultivos.
6.1.2 Aunque uc(y) puede ser utilizada
universalmente para expresar la incertidumbre
de un resultado de medida, frecuentemente es
necesario, en ciertas aplicaciones comerciales,
industriales o reglamentarias, o en los campos
de la salud o la seguridad, dar una medida de
la incertidumbre que defina, alrededor del
resultado de la medicin, un intervalo en el
interior del cual pueda esperarse encontrar
gran parte de la distribucin de valores que
podran ser razonablemente atribuidos al
mensurando. El Grupo de trabajo ha
reconocido la existencia de esta exigencia y el
punto 5 de la Recomendacin INC-1 (1980)
as lo manifiesta. La Recomendacin 1 (CI-
1986) del CIPM lo refleja igualmente.
6.2 Incertidumbre expandida
6.2.1 La nueva medida de la incertidumbre,
que satisface la exigencia de aportar un
intervalo tal como el que se indica en 6.1.2 se
denomina incertidumbre expandida, y se
representa por U. La incertidumbre expandida
U se obtiene multiplicando la incertidumbre
estndar combinada uc(y) por un factor de
cobertura k:
U = k uc(y) ...(18)
Es conveniente expresar el resultado de una
medicin en la forma Y = y t U, lo que se
interpreta como que la mejor estimacin del
valor atribuible al mensurando Y es y y que
puede esperarse que en el intervalo desde y -
U hasta y + U est comprendida una fraccin
importante de la distribucin de valores que
podran ser razonablemente atribuidos a Y. Un
intervalo tal se expresa por y - U Y y + U.
6.2.2 Los conceptos intervalo de confianza
(C.2.27, C.2.28) y nivel de confianza (C.2.29)
tienen definiciones especficas en estadsticas
y se aplican solamente al intervalo definido por
U cuando se cumplen ciertas condiciones,
includa la de que todas las componentes de la
incertidumbre que contribuyen a uc(y) se
obtengan mediante evaluaciones de Tipo A.
En consecuencia, en esta norma no se utiliza
el concepto de confianza para modificar el
trmino intervalo definido por U; de la misma
forma tampoco se utiliza el concepto nivel de
confianza en relacin con este intervalo, pero
si la denominacin probabilidad de cobertura.
Ms especficamente U se interpreta como un
intervalo que contiene el mesurando y que
abarca una fraccin grande p de la distribucin
de probabilidad caracterizada por este
resultado y su incertidumbre estndar
combinada, siendo p la probabilidad de
cobertura del intervalo.
6.2.3 Debe estimarse e indicarse la
probabilidad de cobertura p asociada al
intervalo definido por U. Debe tenerse en
cuenta que el hecho de multiplicar uc(y) por
una constante no aade informacin nueva,
sino que presenta en forma diferente la
informacin de la que ya se dispona. Tambin
debe tenerse en cuenta que, en numerosos
casos, la probabilidad de cobertura p
(especialmente para valores de p cercanos a
1) es algo incierta, no solamente debido al
conocimiento limitado de la distribucin de
probabilidad caracterizada por y y por uc(y)
(particularmente en las porciones extremas),
sino tambin por causa de la propia
incertidumbre de uc(y) (ver nota 2 de 2.3.5,
6.3.3 y anexo G, en particular G.6.6).
33
Nota - Para ver las formas que es preferible utilizar a la
hora de presentar el resultado de una medicin, segn
que la incertidumbre se exprese por uc(y) o por U, ver
respectivamente 7.2.2 y 7.2.4.
*Nota IRAM. En el texto en ingls se considera en los
casos que sea practicable.
6.3 Eleccin de un factor de cobertura
6.3.1 El valor del factor de cobertura k se elige
en funcin de la probabilidad de cobertura
requerida para el intervalo y - U a y + U. En
general, k toma un valor entre 2 y 3. No
obstante, en aplicaciones especiales, k puede
tomarse fuera de dicho campo de valores. Una
gran experiencia y un conocimiento amplio de
la utilizacin de los resultados de medida
puede facilitar la eleccin de un valor
conveniente para k.
Nota Ocasionalemnte, pueden encontrarse situaciones
en donde no se han aplicado correcciones por efectos
sistemticos conocidos al resultado informado de una
medicin, sino que se han tratado de tomar en cuenta
esos efectos ampliando la incertidumbre asiganada al
resultado. Esto debera ser evitado; slo en
circunstancias muy especiales podran no aplicarse al
resultado correcciones por efectos sitemticos
significativos conocidos (ver en F.2.4.5 un caso
especfico y su tratamiento). La evaluacin de la
incertidumbre de un resultado de medicin no deber ser
confundida con la asignacin de lmites de seguridad a
una magnitud.
6.3.2 Idealmente, debera poderse escoger un
valor especfico del factor de cobertura k que
proporcionarse un intervalo
Y = y t U = y t k uc(y) correspondiente a una
probabilidad de cobertura particular p, como
por ejemplo, un 95 o un 99 por ciento; y de
forma equivalente, para un valor dado de k,
debera ser posible enunciar de forma
inequvoca la probabilidad de cobertura
asociada a dicho intervalo. Sin embargo, no es
fcil lograr esto en la prctica puesto que se
requiere un conocimiento amplio de la
distribucin de probabilidad caracterizada por
el resultado de medida y, y su incertidumbre
estndar combinada uc(y). Aunque estos
parmetros son de importancia crtica, no son
suficientes por s solos para poder establecer
intervalos con probabilidades de cobertura
exactamente conocidos.
6.3.3 La Recomendacin INC-1 (1980) no
especifica cmo debe establecerce la relacin
entre k y p. Este problema se analiza en el
anexo G, presentndose en G.4 un mtodo
recomendado para su solucin aproximada y,
en forma resumida, en G.6.4. No obstante, en
situaciones de medicin en que la ley de
probabilidad caracterizada por y y uc(y) es
aproximadamente normal, y en donde el
nmero efectivo de grados de libertad de uc(y)
es significativamente elevado, con frecuencia
es conveniente una aproximacin ms simple;
esta aproximacin se presenta en G.6.6. En
este caso, que sucede frecuentemente en la
prctica, puede suponerse que la eleccin de
un factor k = 2 proporciona un intervalo con
una probabilidad de cobertura de
aproximadamente el 95 por ciento, y que la
eleccin de k = 3 proporciona un intervalo con
una probabilidad de cobertura de
aproximadamente el 99 por ciento.
Nota - Un mtodo de estimacin del nmero efectivo de
grados de libertad de uc(y) se presenta en G.4. La tabla
G.2 del anexo G puede utilizarse como ayuda para
decidir si esta solucin es adecuada para una medicin
particular (ver G.6.6).
7 EXPRESIN DE LA INCERTIDUMBRE
7.1 Consejos generales
7.1.1 En general, a medida que se asciende
en la jerarqua de la medicin, se exigen ms
detalles sobre la forma en que han sido
obtenidos el resultado de medida y su
incertidumbre. Sin embargo, en todos los
niveles jerrquicos, includas las actividades
comerciales y reglamentarias sobre los
mercados, la ingeniera en la industria, las
instalaciones de calibracin de nivel elemental,
la investigacin y el desarrollo industriales, la
investigacin fundamental, los patrones
primarios y los patrones de calibracin
industriales, los laboratorios primarios
nacionales y el BIPM, toda la informacin
necesaria para poder comprobar el proceso de
medicin debe estar a disposicin de todos
aquellos que puedan necesitara. La principal
diferencia se refiere a los niveles inferiores de
la cadena jerrquica, donde puede ser
34
ventajoso que la informacin necesaria llegue
en forma de informes, de sistemas de
calibracin o de ensayo, de especificaciones
de ensayo, de certificados de calibracin y de
ensayo, de manuales de instrucciones, de
normas internacionales o nacionales y de
reglamentaciones locales.
7.1.2 Cuando se proporcionan los detalles de
una medicin, incluyendo la forma de evaluar
la incertidumbre del resultado, por referencia a
documentos publicados, como es el caso
frecuente de un certificado que incluye los
resultados de calibracin, es imperativo que
dichos documentos se mantengan actualizada,
para que sean compatibles con el
procedimiento de medicin realmente utilizado.
7.1.3 Diariamente se efectan numerosas
mediciones tanto en la industria como en el
comercio, sin un informe explcito de sus
incertidumbres . Muchas de ellas son adems
efectuadas con instrumentos sujetos a
calibracin peridica o a inspeccin legal. Si
se admite que los instrumentos cumplen sus
especificaciones u otros documentos
normativos existentes que les sean de
aplicacin, pueden deducirse las
incertidumbres de sus indicaciones a partir de
dichas especificaciones o de dichos
documentos normativos.
7.1.4 A pesar de que, en la prctica, la
cantidad de informacin necesaria para
documentar un resultado de medida depende
de la utilizacin prevista, sin embargo se
mantiene el principio bsico de que cuando se
indica el resultado de medicin y su
incertidumbre, es mejor pecar por exceso de
informacin que por defecto. Por ejemplo, se
debe(n):
a) describir claramente el mtodo utilizado
para calcular el resultado de medicin y su
incertidumbre, a partir de las
observaciones experimentales y de otros
datos de entrada,
b) listar todas las componentes de la
incertidumbre, documentando totalmente la
forma en que se han evaluado;
c) presentar el anlisis de los resultados de
forma que pueda seguirse fcilmente cada
una de sus etapas, y que pueda repetirse
de forma independiente, si es necesario,
el clculo del resultado obtenido;
d) dar todas las correcciones y constantes
utilizadas para el anlisis, as como las
fuentes utilizadas.
Una comprobacin de la lista precedente
consiste en preguntarse uno mismo: He
proporcionado suficiente informacin, en forma
lo bastante clara, para que mi resultado pueda
ser actualizado posteriormente, si aparecen
nuevas informaciones o nuevos datos?
7.2 Consejos especficos
7.2.1 Cuando se expresa el resultado de-
una medicin, y la medida de su incertidunibre
esta dada por medio de su incertidumbre su
incertidumbre estndar combinada uc(y), se
debe:
a) describir completamente la forma en que
se ha definido el mensurando Y;
b) dar la estimacin y del mensurando Y y
su incertidumbre estndar combinada
uc(y) indicando siempre las unidades
utilizadas para y y para uc(y);

c) aportar la incertidumbre estndar
combinada relativa uc(y)/ y , cuando
proceda (con la condicin y 0)
d) proporcionar la informacin que se
describe en 7.2.7, o hacer referencia a
algn documento que la incluya.
Si se considera til para posteriores usuarios
potenciales del resultado de medicin; por
ejemplo, para facilitar clculos posteriores de
factores de cobertura, o para ayudar a la
comprensin de la medicin, puede(n)
indicarse:
- el nmero efectivo de grados de libertad eff
estimados (ver G.4);
- las incertidumbres estndar combinadas de
Tipo A, ucA(y) , y de Tipo B, ucB(y) ,
35
respectivemente, as como sus grados
efectivos de libertad estimados, effA y effB
(ver G.4.1, nota 3)
7.2.2 Cuando la incertidumbre est dada por
uc(y) , es preferible dar el resultado numrico
de la medicin mediante una de las cuatro
formas siguientes, para evitar cualquier falsa
interpretacin (supongamos que la magnitud
cuyo valor se expresa es un patrn de masa
ms, de valor nominal 100 g; la informacin
entre parntesis puede omitirse para ser ms
conciso, si uc se define en el documento que
expresa el resultado).
1)ms = 100,021 47 g, con (una
incertidumbre estndar combinada) uc =
0,35 mg.
2)ms = 100,021 47(35) g, donde el nmero
entre parntesis es el valor numrico de (la
incertidumbre estndar combinada) uc
referido a los ltimos dgitos del resultado.
3)ms = 100,021 47(0,000 35) g, donde el
nmero entre parntesis es el valor
numrico de (la incertidumbre estndar
combinada) uc, expresada en la misma
unidad que el resultado de medida.
4)ms = (100,021 47 t 0,000 35) g, donde
el nmero que sigue al smbolo t es el
valor numrico de (la incetidumbre estndar
combinada) uc y no un intervalo de
confianza.

Nota. La forma con t debe evitarse en lo posible, ya que
habitualmente se utiliza para indicar un intervalo
correspondiente a un nivel de confianza elevado, y
puede confundirse con la incertidumbre expandida (ver
7.2.4). Adems, aunque la finalidad de la advertencia en
4) es prevenir tal confusin, an as, el hecho de escribir
Y = y t uc(y) podra malinterpretarse, pudiendo
entenderse, sobre todo si se omite accidentalmente el
final de la frase, que se refiere a una incertidumbre
expandida con k = 1, y que el intervalo y - uc(y) Y y
+ uc(y) posee una probabilidad de cobertura especfica p;
es decir, aqulla asociada a la distribucin normal (ver
G.1.3). Como se indica en 6.3.2 y en el anexo G, esta
interpretacin de uc(y) es normalmente difcil de justificar.
7.2.3 Cuando el resultado de medicin se
acompaa de la incertidumbre expandida
U = k uc(y), se debe:
a) describir completamente la forma en que se
ha definido el mensurando Y;
b) indicar el resultado de medicin en la forma
Y = y t U, y dar las unidades de y, y de U;
c) incluir la incertidumbre expandida relativa,
U/y , con y 0 cuando sea apropiado;
d) dar el valor de k utilizado para obtener U [o,
para facilidad del usuario del resultado,
proporcionar tanto el valor de k como el de
uc(y)];
e) dar la probabilidad de cobertura
aproximado asociado al intervalo y t U, e
indicar cmo se ha determinado;
f) proporcionar la informacin que se describe
en 7.2.7, o hacer referencia a algn
documento que la incluya.
7.2.4 Cuando la incertidumbre est dada por
U, es preferible, para mayor claridad, enunciar
el resultado numrico de la medicin como en
el siguiente ejemplo (la informacin entre
parntesis puede omitirse para mayor
brevedad, siempre que U, uc y k aparezcan
definidos en el documento que expresa el
resultado).
ms = (100,021 47 t 0,000 79) g, donde el
nmero que sigue al smbolo t es el valor
numrico de (la incertidumbre expandida)
U = k uc, con U determinada a partir de (la
incertidumbre estndar combinada) uc = 0,35
mg, y del factor de cobertura k = 2,26, basado
en la distribucin t de Student para = 9
grados de libertad, definiendo un intervalo con
una probabilidad de cobertura del 95 % por
ciento.
7.2.5 Si una medicin determina
simultneamente ms de un mesurando, es
decir, si proporciona dos o ms estimaciones
de salida yi (ver H.2, H.3 y H.4), es necesario
dar entonces, adems de yi y uc(yi), los
elementos
u(yi; yj) de la matriz de covariancia, o los
elementos r(yi; yj) de la matriz de coeficientes
de correlacin (C.3.6, nota 2),
(preferiblemente ambos).
36
7.2.6 Los valores numricos de la estimacin
y y de su incertidumbre estndar combinada
uc(y) o de su incertidumbre expandida U no
deben darse con un nmero excesivo de
cifras. Habitualmente basta con dar uc(y) y U
[as como las incertidumbres estndar u(xi) de
las estimaciones de entrada xi] con dos cifras
significativas aunque, en ciertos casos, pueda
ser necesario retener cifras suplementarias
para evitar la propagacin de errores de
redondeo en clculos posteriores.
A la hora de dar los resultados finales, puede
ser apropiado redondear las incertidumbres a
una cifra superior, mejor que a la cifra ms
prxima. Por ejemplo, uc(y) = 10,47 m podra
redondearse a 11 m. No obstante, el sentido
comn deber prevalecer, y un valor como
u(xi) = 28,05 kHz debera redondearse al valor
inferior 28 kHz. Las estimaciones de entrada y
de salida deben redondearse de acuerdo con
sus incertidumbres; por ejemplo, si y = 10,057
62 , con uc(y) = 27 m, y deber
redondearse a 10,058 . Los coeficientes de
correlacin debern darse con tres cifras
significativas, cuando sus valores absolutos
sean prximos a la unidad.
7.2.7 En el informe detallado que describe el
modo de obtencin del resultado de medicin
y de su incertidumbre, deben seguirse las
recomendaciones dadas en 7.1.4 y, en
consecuencia:
a) dar el valor de cada estimacin de entrada
xi y de su incertidumbre estndar u(xi), junto
con una descripcin de cmo han sido
obtenidas;
b) proporcionar las covariancias estimadas, o
los coeficientes de correlacin estimados
(preferiblemente ambas cosas), asociadas a
todas las estimaciones de entrada que estn
correlacionadas, as como los mtodos
utilizados para su obtencin;
c) dar los grados de libertad de la
incertidumbre estndar de cada estimacin de
entrada, y la forma en que se obtuvieron;
d) indicar la relacin funcional
Y = f(X1, X2, ..., XN) y, cuando se juzgue til,
las derivadas parciales o coeficientes de
sensibilidad
i
x f . Si alguno de estos
coeficientes ha sido obtenido experimental-
mente, tambin debe incluirse su proceso
de obtencin.
Nota Debido a que la relacin funcional f puede ser
extremadamente compleja, o puede no existir en forma
explcita, sino nicamente como programa de
computacin, algunas veces es imposible dar f y sus
derivadas. Puede entonces describirse la funcin f en
trminos generales, o indicar el programa utilizado, con
ayuda de las referencias apropiadas. En este caso, es
importante presentar claramente la forma en que han
sido obtenidas tanto la estimacin y del mensurando Y
como su incertidumbre estndar combinada uc(y).
8 RESUMEN DEL PROCEDIMIENTO
PARA LA EVALUACIN Y LA
EXPRESIN DE LA INCERTIDUMBRE
Las etapas a seguir para evaluar y expresar la
incertidumbre del resultado de una medicin,
tal como se presentan en esta norma, pueden
resumirse como sigue:
1 Se expresa matemticamente la relacin
existente entre el mensurando Y y las
magnitudes de entrada Xi de las que depende
Y segn Y = f(X1, X2, ..., XN). La funcin f debe
incluir todas las magnitudes, incluyendo
correcciones y factores de correccin que
pueden contribuir significativamente a la
incertidumbre del resultado de medicin (ver
4.1.1 y 4.1.2 de la norma).
2 Se determina xi, valor estimado de la
magnitud de entrada Xi, ya sea a partir del
anlisis estadstico de una serie de
observaciones, o por otros mtodos (ver
4.1.3).
3 Se evalua la incertidumbre estndar u(xi) de
cada estimacin xi. Para una estimacin de
entrada obtenida por anlisis estadsticos de
series de observaciones, la incertidumbre
estndar se evala tal como se describe en
4.2 (evaluacin de Tipo A de la incertidumbre
estndar). Para una estimacin de entrada
obtenida por otros medios, la incertidumbre
estndar u(xi) se evala tal como se describe
37
en 4.3 (evaluacin de Tipo B de la
incertidumbre estndar).
4 Se evalua la covariancias asociadas a todas
las estimaciones de entrada que estn
correlacionadas. (ver 5.2).
5 Se calcula el resultado de medicin; esto es,
la estimacin y del mesurando Y, a partir de la
relacin funcional f, utilizando para las
magnitudes de entrada Xi las estimaciones xi
obtenidas en el paso 2 (ver 4.1.4).
6 Se determina la incertidumbre estndar
combinada uc(y) del resultado de medicin y, a
partir de las incertidumbres estndar y de las
covariancias asociadas a las estimaciones de
entrada, tal como se describe en le captulo 5.
Si la medicin determina simultneamente
ms de una magnitud de salida, se calcula sus
covariancias (ver 7.2.5, H.2, H.3 y H.4).
7 Si es necesario, se da una incertidumbre
expandida U, cuyo propsito es proporcionar
un intervalo y U a y + U , en el que puede
esperarse encontrar la mayor parte de la
distribucin de valores que podran,
razonablemente, ser atribuidos al mensurando
Y, multiplicar la incertidumbre estndar
combinada uc(y) por un factor de cobertura k
normalmente comprendido en un campo de
valores entre 2 y 3, para obtener U = k uc(y).
Se selecciona k considerando la probabilidad
de cobertura requerida para el intervalo (ver
6.2, 6.3 y especialmente el anexo G que
presenta la eleccin de un valor de k que
proporciona un intervalo con una probabilidad
de cobertura prxima a un valor especificado).
8 Se informa el resultado de medicin y, junto
con su incertidumbre estndar combinada
uc(y), o su incertidumbre expandida U,
siguiendo las indicaciones dadas en los puntos
7.2.1 o 7.2.3. Utilizar una de las formas de
expresin recomendadas en 7.2.2 o 7.2.4. se
describe, tal como se indica en el captulo 7,
cmo han sido obtenidos los valores de y y de
uc(y) o U.
38
Anexo A
(Normativo)
Recomendaciones del Grupo de Ytrabajo y del CIPM
A.1 Recomendacin INC -1 (1980)
El Grupo de Trabajo sobre la expresin de las incertidumbres (ver Prefacio) se reuni en octubre de
1980 por iniciativa del Bureau Internacional de Pesas y Medidas (BIPM), en respuesta a una solicitud
del Comit Internacional de Pesas y Medidas (CIPM). El grupo prepar un informe detallado para
someterlo a consideracin del CIPM, el cual concluye con la Recomendacin INC-1 (1980) [2]. La
traduccin al castellano de esta Recomendacin se da en el punto 0.7 de la presente norma, y el
texto en francs, que es la versin oficial autorizada, se reproduce a continuacin [2].
Expression des incertitudes exprimentales
Recommandation INC-1 (1980)
1. L' incertitude d' un rsultat de mesure comprend gnralement plusieurs composantes qui
peuvent tre groupes en deux catgories d' aprs la mthode utilise pour estimer leur valeur
numrique
A. celles qui sont values l' aide de methodes statistiques.
B. celles qui sont values par d'autres moyens
Il n' y a pas toujours une correspondance simple entre le classement dans les catgories A ou
B et le caractre alatoire ou systmatique utilis antrieurment pour classer les
incertitudes.
L'expression incertitude systmatique est susceptible de conduire des erreurs
d'interprtation; elle doit tre vite.
Toute description dtaille de l'incertitude devrait comprende une liste complte de ses
composantes et indiquer pour chacune la mthode utilise pour lui attribuer une valeur
numrique.
2. Les composantes de la catgorie A sont caractrises par les variances estimes si
2
(ou
les carts-types estims si) et les nombres i de degrs de libert. Le cas chant, les
covariances estimes doivent tre donnes.
3. Les composantes de la catgorie B devraient tre caractrises par des termes uj
2
, qui
puissent tre considrs comme des approximations des variances correspondantes dont on
admet l' existence. Les termes uj
2
peuvent tre traits comme des variances et les termes uj
comme des carts-types. Le cas chant, les covariances doiven tre traites de faon
analogue.
4. L' incertitude compose devrait tre caractrise par la valeur obtenue en apliquant la
mthode usuelle de combinaison des variances. L' incertitude compose ainsi que ses
composantes devraient tre exprimes sous la forme d'cart-types
5. Si pour des utilisations particulires on est amen multiplier par facteur I'incertitude
compose afin d'obtenir une incertitude globale, la valeur numrique de ce facteur doit toujours
tre done.
A.2 Recomendacin 1 (CI-1981)
39
El CIPM ha examinado el informe que le haba sometido el Grupo de Trabajo sobre la expresin de
las incertidumbres y ha adoptado la siguiente recomendacin en su 70 reunin celebrada en octubre
de 1981 [3]:
Recomendacin 1 (CI-1981)
Expresin de las incertidumbres experimentales
El Comit Internacional de Pesas y Medidas
considerando
- la necesidad de encontrar modalidades uniformes para expresar la incertidumbre en metrologa
- los esfuerzos tendentes a este fin, realizados por diversos organismos durante numerosos aos
- los progresos hacia una solucin aceptable que han resultado de las discusiones del Grupo de
trabajo sobre la expresin de las incertidumbres reunido en el BIPM en 1980
reconoce
- que las propuestas del Grupo de trabajo podran constituir la base para un acuerdo eventual
sobre la expresin de las incertidumbres.
recomienda
- que las proposiciones de este Grupo de trabajo sean difundidas ampliamente para el
conocimiento de todos los interesados
- que el BIPM se esfuerce en aplicar los principios contenidos en estas propuestas, en las
comparaciones que organice en el futuro
- que otros organismos interesados estudien y sometan a prueba estas propuestas, y hagan llegar
al BIPM sus observzciones
- que en un plazo de dos o tres aos el BIPM informe de nuevo sobre la marcha de la aplicacin de
estas propuestas.
A.3 Recomendacin 1 (C1-1986)
El CIPM ha examinado el tema de la expresin de las incertidumbres en su 75
reunin celebrada en
octubre de 1986, y ha adoptado la siguiente recomendacin [4]:
Recomendacin 1 (C1-1986)
Expresin de las incertidumbre en los trabajos efectuados bajo los auspicios del CIPM
El Comit Internacional de Pesas y Medidas
considerando la adopcin de la Recomendacin INC-1 (1980) por parte del Grupo de Trabajo sobre
la Expresin de las Incertidumbres en 1980 y la adopcin de la Recomendacin 1 (CI-1981) por parte
del CIPM en 1981 sobre el mismo tema.
considerando que ciertos miembros de los Comits Consultivos pueden desear un esclarecimiento
de dichas Recomendaciones en funcin de las necesidades de trabajo, en particular en las
comparaciones internacionales
reconoce que el prrafo 5 de la Recomendacin INC-1 (1980) relativo a aplicaciones particulares,
especialmente las de significado comercial, est siendo considerado actualemnte por un grupo de
trabajo de la Organizacin Internacional de Normalizacin (ISO), con miembros de la ISO, el OIML y
la IEC, y la concurrencia y cooperacin del CIPM,
40
solicita que el prrafo 4 de la Recomendacin INC-1 (1980) debera ser aplicado por todos los
participantes que informen resultados de todas las comparaciones internacionales u otro trabajo
hecho bajo los auspicios del CIPM y de los Comits Consultivos, y que la incertidumbre combinada
de Tipo A y de Tipo B sea dada en trminos de una desviacin estndar.
41
Anexo B
(Normativo)
Trminos metrolgicos generales
B.1 Origen de las definiciones
Las definiciones de los trminos metrolgicos generales relacionados con esta norma y que se
ofrecen aqu, estn tomadas del Vocabulaire international des termes gnraux et fondamentaux de
mtrologie (abreviadamente VIM)*, segunda edicin, publicado por la International Organization for
Standardization (ISO), en nombre de las siete organizaciones que apoyaron su desarrollo y
nombraron los expertos que lo preparaton: el Bureau International des Poids et Mesures (BIPM), la
International Electrotechnical Commission (IEC), la International Federation of Clinical Chemistry
(IFCC), la propia ISO, la International Union of Pure and Applied Chemistry (IUPAC), la International
Union of Pure and Applied Phisics (IUPAP), y la International Organization of Legal Metrology (OIML).
El VIM debe ser la primera fuente de consulta para las definiciones de los trminos no incluidos en el
presente anexo o en el texto de la norma.
Nota Algunos trminos y conceptos estadsticos bsicos se presentan en el anexo C, mientras que los trminos "valor
verdadero, error e incertidumbre se discuten posteriormente en el anexo D.
* Nota IRAM. Existe la gua IRAM 32 equivalente a este texto.
B.2 Definiciones
Al igual que en el captulo 2, en las definiciones que siguen, la utilizacin del parntesis en torno a
ciertas palabras de algunos trminos significa que dichas palabras pueden ser omitidas, si ello no
crea confusin.
Los trminos en negrita, en algunas notas, son trminos metrolgicos adicionales definidos en dichas
notas, explicta o mplicitamente. (ver referencia [6])
B.2.1 magnitud (medible) [VIM 1.1]
Atributo de un fenmeno, cuerpo o sustancia, que puede ser distinguido cualitativamente y
determinado cuantitativamente.
NOTAS
1. El trmino "magnitud" puede referirse a una magnitud en sentido general (ver ejemplo a) o a una magnitud
particular (ver ejemplo b).
EJEMPLOS
a) magnitudes en sentido general: longitud, tiempo, masa, temperatura, resistencia elctrica,
concentracin en cantidad de materia;
b) magnitudes particulares (cantidades):
- longitud de una varilla dada
- resistencia elctrica de una muestra de alambre dado
- concentracin molar de etanol en una muestra de vino dada.
42
2. Las magnitudes que pueden ser ordenadas, unas respecto de otras, en forma creciente o decreciente, se denominan
magnitudes de la misma especie.
3. Las magnitudes de la misma especie pueden agruparse en categoras de magnitudes, por ejemplo:
- trabajo, calor, energa;
- espesor, longitud de circunferencia, longitud de onda.
4. En la norma IRAM 31, equivalente a la ISO 31, se dan los smbolos de las magnitudes
B.2.2 valor (de una magnitud) [VIM 1.18]
Expresin cuantitativa de una magnitud particular, generalmente indicada como el producto de una
unidad de medida por un nmero.
EJEMPLOS
a) longitud de una varilla 5,34 m 534 cm
b) masa de un cuerpo 0,152 kg 152 g
c) cantidad de moles de una muestra de agua (H2O) 0,012 mol 12 mmol
NOTAS
1. El valor de una magnitud puede ser positivo, negativo o cero.
2. El valor de una magnitud puede expresarse en ms de una forma.
3. Para las magnitudes adimensionales la unidad es el nmero uno y sus valores se expresan generalmente mediante
nmeros puros.
4. Los valores de ciertas magnitudes, para las cuales no es posible definir la relacin con una unidad, pueden
expresarse por referencia a una escala, a un procedimiento de medicin especificado, o a ambos.
B.2.3 valor verdadero (de una magnitud) [VIM 1.19]
Valor compatible con la definicin de una magnitud particular dada.
NOTAS
1. Es un valor que se obtendra mediante una medicin perfecta (ver nota 3).
2. Todo valor verdadero es, por naturaleza, indeterminado.
3. Se prefiere el uso del artculo indeterminado "un" al determinado "el" en conjunto con "valor verdadero", porque
pueden existir varios valores correspondientes a la definicin de una magnitud dada.
Comentario de la norma: ver anexo D, en particular D.3.5, para conocer las razones por las que el
trmino valor verdadero no es usado en esta norma y porqu los trminos valor verdadero de una
magnitud y valor de una magnitud son considerados equivalentes.
B.2.4 valor verdadero convencional (de una magnitud) [VIM 1.20]
Valor atribuido a una magnitud particular, y aceptado, a veces por convencin, porque la representa,
con una incertidumbre apropiada, para un fin dado.
EJEMPLOS
a) En un lugar dado, el valor asignado a una magnitud particular, realizada por un patrn de
referencia, puede tomarse como valor verdadero convencional.
b) El valor recomendado por CODATA (1986) para la constante de Avogadro es
NA = (6,022 136 7 0,000 003 6) x 10
23
mol
-1
.
NOTAS
1. El "valor verdadero convencional" es muchas veces denominado valor asignado, mejor estimacin del valor, valor
convencional o valor de referencia. El trmino "valor de referencia", en este sentido, no debe confundirse con la
expresin idntica dada en la nota de 5.7, que est empleada con otro sentido.
2. Para establecer un valor verdadero convencional, se realiza con frecuencia un gran nmero de mediciones de la
magnitud particular.
Comentario de la norma: ver el comentario de la norma a B.2.3.
B.2.5 medicin [VIM 2.1]
Conjunto de operaciones que tienen por objeto determinar el valor de una magnitud particular.
NOTA. Las operaciones pueden realizarse manual o automticamente.
B.2.6 principio de medicin [VIM 2.3]
Base cientfica de una medicin.
EJEMPLOS
a) El efecto termoelctrico, aplicado a la medicin de la temperatura.
b) El efecto Josephson, aplicado a la medicin de la diferencia de potencial elctrico.
c) El efecto Doppler, aplicado a la medicin de la velocidad.
d) El efecto Raman, aplicado a la medicin del nmero de ondas de las vibraciones moleculares.
B.2.7 mtodo de medicin [VIM 2.4]
Secuencia lgica de las operaciones que, descriptas genricamente, se llevan a cabo para la realiza-
cin de mediciones.
NOTA Los mtodos de medicin pueden ser, entre otros:
- de sustitucin
- diferencial
- de cero
B.2.8 procedimiento de medicin [VIM 2.5]
Conjunto de operaciones, descriptas en forma especfica, que se ponen en prctica para la reali-
zacin de mediciones particulares, con el empleo de un mtodo dado.
NOTA Un procedimiento de medicin normalmente se registra en un documento que lleva esa designacin y que
contiene, por lo general, suficientes detalles para permitir que un operador lleve a cabo la medicin sin necesidad de
informacin adicional.
44
B.2.9 mesurando [VIM 2.6]
Magnitud particular sometida a medicin.
EJEMPLO presin de vapor de una muestra de agua a 20 C.
NOTA La definicin del mesurando puede requerir indicaciones relativas a otras magnitudes, tales como el tiempo, la
temperatura o la presin.
NOTA IRAM En castellano se emplea "mensurando" para el objeto o sistema material o terico sobre el cual se realiza la
medicin.
B.2.10 magnitud de influencia [VIM 2.7]
Magnitud que es ajena al mesurando, pero que afecta el resultado de la medicin.
EJEMPLOS
a) La temperatura afecta la indicacin de un micrmetro en la medicin de longitudes.
b) La frecuencia afecta la medicin de la amplitud de una tensin elctrica alterna.
c) La concentracin de bilirrubina afecta la medicin de la concentracin de hemoglobina en
plasma sanguneo humano.
Comentario de esta norma. Se entiende que la definicin de magnitud de influencia incluye valores
asociados con patrones de medicin, materiales y datos de referencia de los cuales puede depender
el resultado de una medicin, as como tambin fenmenos tales como fluctuaciones a corto plazo de
los instrumentos de medicin, y magnitudes como temperatura ambiente, presin baromtrica y
humedad.
B.2.11 resultado de una medicin [VIM 3.1]
Valor atribuido a un mesurando, obtenido por medicin.
NOTAS
1. Cuando se informa un resultado, debe quedar en claro si se hace referencia a:
- la indicacin,
- el resultado no corregido,
- el resultado corregido,
- y si proviene de una media aritmtica, obtenida de varios valores.
2. La expresin completa del resultado de una medicin incluye informacin sobre la incertidumbre de la medida.
B.2.12 resultado no corregido [VIM 3.3]
Resultado de una medicin, antes de la correccin debida al error sistemtico.
B.2.13 resultado corregido [VIM 3.4]
Resultado de una medicin, luego de la correccin debida al error sistemtico.
B.2.14 exactitud de una medicin [VIM 3.5]
Proximidad entre el resultado de una medicin y el valor verdadero del mesurando.
NOTAS
1. "exactitud" es un concepto cualitativo.
2. No debe emplearse el trmino "precisin" en el sentido de "exactitud".
Comentario de esta norma: ver tambin el comentario en B.2.3.
B.2.15 repetibilidad (de los resultados de las mediciones) [VIM 3.6]
Proximidad entre los resultados de mediciones sucesivas del mismo mesurando, realizadas bajo las
mismas condiciones de medicin.
NOTAS
1. Estas condiciones son denominadas condiciones de repetibilidad.
2. Las condiciones de repetibilidad incluyen:
- el mismo procedimiento;
- el mismo operador;
- el mismo instrumental de medicin, usado en las mismas condiciones;
- el mismo lugar;
- repeticin efectuada en un lapso breve.
3. La repetibilidad puede expresarse cuantitativamente en funcin de parmetros caractersticos de la dispersin de los
resultados.
B.2.16 reproducibilidad (de los resultados de mediciones) [VIM 3.7]
Proximidad entre los resultados de mediciones de un mismo mesurando, realizadas bajo distintas
condiciones de medicin.
NOTAS
1. Para que una expresin de reproducibilidad sea vlida deben indicarse las condiciones que se han cambiado.
2. Entre las condiciones cambiadas pueden estar comprendidas:
- el fundamento de la medicin;
- el mtodo de medicin;
- el operador;
- el instrumental de medicin;
- el patrn de referencia;
- el lugar;
- las condiciones de uso;
- el tiempo.
3. La reproducibilidad puede expresarse cuantitativamente en funcin de parmetros caractersticos de la dispersin de
los resultados.
4. Los resultados aqu considerados son, habitualmente, resultados corregidos.
B.2.17 desvo estndar experimental
(1)
[VIM 3.8]
46
Para una serie de n medidas del mismo mesurando, el parmetro estadstico s(qk) caracteriza la dis-
persin de los resultados y est dado por la frmula:
siendo qk el resultado de la ksima medicin y q la media aritmtica de los n resultados
considerados.
NOTAS
1. Considerando series de n mediciones como una muestra de una poblacin de tamao N >> n y de media aritmtica
m, q es un estimador no sesgado del promedio q y s
2
(qk) es un estimador no sesgado de la variancia
2
, de dicha
poblacin.
2. La expresin
n / s
proporciona una estimacin del desvo estndar de la media aritmtica
x
. La expresin
n / s

se denomina desvo estndar experimental de la media aritmtica.
3. El desvo estndar experimental de la media aritmtica se denomina a veces, incorrectamente, "error estndar de la
media aritmtica".
(1)
NOTA IRAM Tambin llamado "desvo estndar muestral". (Ver norma IRAM 34552).
Comentario de esta norma. Algunos de los smbolos usados en el VIM han sido cambiados para
asegurar consistencia con la notacin usada en el captulo 4.2 de esta norma.
B.2.18 incertidumbre (de medida) [VIM 3.9]
Parmetro, asociado al resultado de una medicin, que caracteriza la dispersin de los valores que
podran ser razonablemente atribuidos al mesurando.
NOTAS
1. El parmetro puede ser, por ejemplo, un desvo estndar (o un mltiplo determinado de ste), o la semiamplitud de un
intervalo de nivel de confianza especificado.
2. La incertidumbre de una medicin comprende, en general, varios componentes. Algunos de ellos pueden evaluarse a
partir de la distribucin estadstica de los resultados de series de mediciones y pueden ser caracterizados por desvos
estndar experimentales. Los otros componentes que tambin pueden representarse por desvos estndar, son
evaluados a partir de distribuciones de probabilidad supuestas, basadas en la experiencia u otra informacin.
3. Se entiende que el resultado de la medicin es el mejor estimador del valor del mesurando, y que todos los
componentes de la incertidumbre, incluyendo aquellos que provienen de efectos sistemticos, tales como los
componentes asociados con las correcciones y patrones de referencia, contribuyen a la dispersin.
Comentario de esta norma. Se destaca en la a publicacin del VIM que esta definicin y las notas
son idnticas a las que estn en esta norma (ver 2.2.3).
B.2.19 error (de medicin) [VIM 3.10]
Resultado de una medicin, menos un valor verdadero del mesurando.
1 -
) (q
= ) s(q
2
k
n
1 = k
k
n
q -
NOTAS
1. Dado que el valor verdadero no puede ser determinado, en la prctica se usa un valor verdadero convencional (ver
1.19 y 1.20).
2. Cuando sea necesario distinguir entre "error" y "error relativo", el primero de los conceptos podr denominarse "error
absoluto de medida". No debe confundirse esta expresin con "valor absoluto del error", que significa mdulo del
error.
Comentario de esta norma. Si el resultado de una medicin depende de los valores de otras
magnitudes diferentes que el mesurando, los errores de los valores medidos de estas magnitudes
contribuyen al error del resultado de la medicin. Ver tambin los comentarios B.2.22 y B.2.3.
B.2.20 error relativo [VIM 3.12]
Cociente entre el error de medicin y el valor verdadero del mesurando.
NOTA Dado que el "valor verdadero" no puede ser determinado, en la prctica se usa un "valor verdadero convencional"
(ver 1.19 y 1.20).
Comentario de esta norma. Ver tambin el comentario de esta norma en B.2.3.
B.2.21 error aleatorio [VIM 3.13]
Diferencia entre el resultado de medicin y la media aritmtica que se obtendra de los resultados de
un nmero infinito de mediciones, efectuadas sobre el mismo mesurando, en condiciones de repe-
tibilidad.
NOTAS
1. El error aleatorio es igual a la diferencia entre el error y el error sistemtico.
2. Como slo se puede efectuar un nmero finito de mediciones, slo es posible determinar una estimacin del error
aleatorio.
Comentario de esta norma. Ver tambin el comentario de esta norma en B.2.22.
B.2.22 error sistemtico [VIM 3.13]
Media aritmtica que resultara de un nmero infinito de mediciones del mismo mesurando, llevadas
a cabo en condiciones de repetibilidad, menos un valor verdadero del mesurando.
NOTAS
1. El error sistemtico es igual al error menos el error aleatorio.
2. Igual que en el caso del valor verdadero, el error sistemtico y sus causas no pueden ser conocidos completamente.
3. Para un instrumento de medicin, ver "error de ajuste" (5.2.5).
Comentario de esta norma. Generalmente se puede considerar que el error del resultado de una
medicin (ver B.2.19) proviene de un nmero de efectos sistemticos y aleatorios que contribuyen
con los componentes individuales del error al error del resultado. Ver tambin el comentario de esta
norma en B.2.19 y B.2.3.
B.2.23 correccin [VIM 3.15]
48
Valor que se suma algebraicamente al resultado no corregido de una medicin, para compensar un
error sistemtico.
NOTAS
1. La correccin es igual al error sistemtico estimado, cambiado de signo.
2. Algunos errores sistemticos pueden ser estimados y compensados por la aplicacin de correcciones apropiadas. Sin
embargo, dado que el error sistemtico no puede ser conocido completamente, la compensacin no puede ser total.
B.2.24 factor de correccin [VIM 3.16]
Factor numrico por el cual se multiplica un resultado no corregido, para compensar un error
sistemtico.
NOTA Dado que el error sistemtico no puede ser conocido perfectamente, la compensacin no puede ser total.
Anexo C
(Normativo)
Trminos y conceptos estadsticos bsicos
C.1 Origen de las definiciones
Las definiciones de los trminos estadsticos bsicos dado en este anexo han sido tomadas de la
Norma Internacional ISO 3534-1 [7] . Esta debera ser la primera fuente de consulta para las
definiciones de trminos no incluidos en este anexo. Algunos de estos trminos y sus conceptos
fundamentales son desarrollados en C.3 despus de la introduccin de sus definiciones en C.2, con
la finalidad de facilita el uso de esta norma. Sin embargo, C.3, que incluye las definiciones de los
trminos referidos, no est basado directamente en la ISO 3534-1.
C.2 Definiciones
Al igual que en el captulo 2 y en el anexo B, el encerrar ciertas palabras de algunos trminos entre
parntesis significa que estas palabras pueden ser omitidas, siempre que esto no cause confusin.
Los conceptos presentados desde C.2.1 hasta C.2.14 se definen haciendo uso de las propiedades de
las poblaciones. Las definiciones de los conceptos desde C.2.15 hasta C.2.31 estn relacionadas
con un conjunto de observaciones (ver referencia [7]).
C.2.1 probabilidad [ISO 3534-1, 1.1]
Nmero real, entre 0 y 1, asociado a un suceso aleatorio.
NOTA Puede referirse a la frecuencia relativa de un suceso, dentro de una larga serie, o al grado de credibilidad de que
un suceso ocurra. Para un alto grado de credibilidad, la probabilidad es prxima a 1.
C.2.2 variable aleatoria [SO 3534-1, 1.2]
Variable que puede tomar cualquiera de los valores de un conjunto determinado de valores, y a la
que se asocia una distribucin de probabilidad ([ISO 3534-1] 1.2 [C.2.3]).
NOTAS
1. Una variable aleatoria que puede tomar nicamente valores aislados se denomina discreta. Una variable que puede
tomar cualquiera de los valores de un intervalo finito o infinito se denomina continua.
2. La probabilidad de ocurrencia de un suceso A se representa como Pr(A) o P(A).
Comentario de la norma: En esta norma se usa el smbolo Pr(A) en lugar del smbolo Pr(A) empleado
en ISO 3534-1.
C.2.3 distribucin de probabilidad (de una variable aleatoria) [ISO 3534-1, 1.3].
Funcin que da la probabilidad de que una variable aleatoria tome un valor dado cualquiera o
pertenezca a un conjunto dado de valores.
NOTA. La probabilidad sobre el conjunto total de valores de una variable aleatoria es igual a 1.
C.2.4 funcin de distribucin [ISO 3534-1, 1.4]
Funcin 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)
50
C.2.5 funcin de densidad de probabilidad (para una variable aleatoria continua) [ISO 3534-1,
1.5].
Es la derivada (cuando existe) de la funcin de distribucin:
(x) = dF(x)/dx
NOTA. (x)dx se denomina elemento de probabilidad o probabilidad elemental.
(x) = Pr(x < X < x + dx)
C.2.6 funcin masa de probabilidad; funcin de probabilidad (para una variable aleatoria
discreta) [ISO 3534-1, 1.6].
Funcin que da, para cada valor xi de una variable aleatoria discreta X, la probabilidad pi de que esta
variable aleatoria sea igual a xi:
pi = Pr(X = xi)
C.2.7 parmetro [ISO 3534-1, 1.12]. Magnitud utilizada para describir la distribucin de probabilidad
de una variable aleatoria.
C.2.8 correlacin [ISO 3534-1, 1.13]
Relacin entre dos o entre varias variables aleatorias dentro de una distribucin de dos o ms
variables aleatorias.
NOTA. La mayora de las medidas estadsticas de correlacin miden slo el grado de la relacin lineal.
C.2.9 esperanza matemtica (de una variable aleatoria o de una distribucin de probabilidad); valor
esperado; media [ISO 3534-1.1.18]
1. Para una variable aleatoria discreta X que toma los valores xi con probabilidades pi, la
esperanza, si existe, es

i i
x p (X) E
donde la sumatoria se extiende sobre todos los valores xi que pueda tomar X.
2. Para una variable aleatoria continua X, con funcin de densidad de probabilidad (x), la
esperanza, si existe, es
dx x f x X E ) ( ) (
donde la integral se extiende a todo el campo de variacin de X.
C.2.10 variable aleatoria centrada [ISO 3534-1, 1.21]
Variable aleatoria cuya esperanza matemtica es igual a cero.
NOTA. Si la variable aleatoria X tiene por esperanza matemtica , la correspondiente variable aleatoria centrada es (X-).
C.2.11 variancia (de una variable aleatoria o de una distribucin de probabilidad) [ISO 3534-1,
1.22].
Esperanza matemtica del cuadrado de la variable aleatoria centrada ([ISO 3534-1] 1.21 [C.2.10]):
( ) [ ]
2 2
(X) E - X E V(X)
C.2.12 desvo estndar (de una variable aleatoria o de una distribucin de probabilidad) [ISO 3534-
1. 1.23]
Raz cuadrada positiva de la variancia:
) X ( V
C.2.13 momento central
1)
de orden q [ISO 3534-1, 1.28]
En una distribucin univariada, es la esperanza matemtica de la q-sima potencia de la variable
aleatoria centrada (X-).
[ ]
q
) X ( E
1)
Si en la definicin de momentos, las magnitudes X, X-a, Y, Y-b, etc, se reemplazan por sus valores absolutos; es decir,
por |X|, |X-a|, |Y|, |Y-b|, etc., quedan definidos otros momentos denominados momentos absolutos,
NOTA. El momento central de orden 2 es la variancia ([ISO 3534-1] 1.22 [C.2.11]) de la variable aleatoria X.
C.2.14 distribucin normal; distribucin de Laplace-Gauss [ISO 3534-1, 1.37]
Distribucin de probabilidad de una variable aleatoria continua X, cuya funcin de densidad de
probabilidad es:
1
1
]
1
1
]
1
2
exp
2
1
) x (

- x

2
1
- f
para - < x < +
Nota - es la esperanza matemtica y es el desvo estndar de la distribucin normal.
Nota - La distribucin puede representarse grficamente como un histograma ([ISO 3534-1. 2.17], un diagrama de barras
([ISO 3534-1] 2.18), un polgono de frecuencias acumuladas ([ISO 3534-1] 2.19), o como una tabla de dos entradas ([ISO
3534-1] 2.22).
C.2.15 caracterstica [ISO 3534-1, 2.2]
Propiedad que ayuda a identificar o diferenciar elementos de una poblacin dada.
NOTA. La caracterstica puede ser cuantitativa (por variables) o cualitativa (por atributos)
C.2.16 poblacin [ISO 3534-1, 2.3]
Totalidad de los elementos bajo consideracin.
Nota - En el caso de una variable aleatoria, se considera que la distribucin de probabilidad ([ISO 3534-1] 1.3[C.2.3])
define la poblacin de esa variable.
C.2.17 frecuencia [ISO 3534-1, 2.11]
52
Nmero de ocurrencias de un tipo dado de suceso o nmero de observaciones que pertenecen a una
clase especfica.
C.2.18 distribucin de frecuencia [ISO 3534-1, 2.15]
Relacin emprica entre los valores de una caracterstica y sus frecuencias o frecuencias relativas.
C.2.19 media aritmtica; valor promedio [ISO 3534-1, 2.26]
Suma de valores dividida por el nmero de valores
NOTAS
1. El trmino media se emplea generalmente cuando se hace referencia a un parmetro de una poblacin y el trmino
promedio cuando se refiere al resultado de clculo sobre datos obtenidos en una muestra.
2. El promedio de una muestra aleatoria simple tomada de una poblacin es un estimador insertado de la media de esa
poblacin. No obstante, a veces se utilizan otros estimadores, tales como la media geomtrica o la armnica, la mediana o
la moda.
C.2.20 variancia [ISO 3534-1, 2.33]
Medida de dispersin, igual a la suma de los cuadrados de las desviaciones de las observaciones
con respecto a su valor medio, dividido por el nmero de observaciones menos uno.
EJEMPLO Para n observaciones x1, x2, ...., xn con valor medio
i
x /n x ) 1 (
la variancia es
2 2
) (
1
1
x - x
n
s
i
NOTAS
1. La variancia de la muestra es un estimador insesgado de la variancia de la poblacin.
2. La variancia es n/(n-1) veces el momento central de orden 2 (ver nota de [ISO 3534-1] 2.39).
Comentario de la norma: La variancia aqu definida se designa de forma ms apropiada como
estimacin muestral de la variancia poblacional, La variancia de una muestra se define
normalmente como el momento central de orden 2 de la muestra (ver C.2.13 y C.2.22).
C.2.21 desvo estndar [ISO 3534-1, 2.34]
Raz cuadrada positiva de la variancia.
NOTA El desvo estndar muestral es un estimador sesgado del desvo estndar poblacional.
C.2.22 momento central de orden q [ISO 3534-1. 2.37].
En una distribucin de caracterstica nica, media aritmtica de la q-sima potencia de la diferencia
entre los valores observados y su valor medio x .

1
q
i
) x (
1
x
n
donde n es el nmero de observaciones
NOTA El momento central de orden 1 es igual a cero.
C.2.23 estadstico [ISO 3534-1, 2.45]
Funcin de las variables aleatorias de la muestra.
NOTA Un estadstico, por ser funcin de variables aleatorias, es tambin una variable aleatoria y como tal adquiere
diferentes valores de una muestra a otra. El valor del estadstico obtenido usando los valores observados en esta funcin
puede ser empleado en un test estadstico o como estimacin de un parmetro de la poblacin, como la media o el desvo
estndar.
C.2.24 estimacin [ISO 3534-1, 2.49]
Proceso que tiene por finalidad atribuir, a partir de observaciones en una muestra, valores numricos
a los parmetros de una distribucin elegida como modelo estadstico de la poblacin, de la cual la
muestra fue tomada.
NOTA El resultado de este proceso puede expresarse como un valor nico (estimador puntual; ver [ISO 3534-1] 2.51
[C.2.26]) o en forma de estimador de intervalo (ver [ISO 3534-1] 2.57 [C.2.27] y 2.58 [C.2.28]).
C.2.25 estimador [ISO 3534-1, 2.50]
Estadstico utilizado para estimar un parmetro de una poblacin.
C.2.26 estimacin (valor estimado) [ISO 3534-1, 2.51]
Valor de un estimador obtenido como resultado de una estimacin.
C.2.27 intervalo de confianza bilateral [ISO 3534-1, 2.57]
Si T1 y T2 son dos funciones de los valores observados tales que, siendo un parmetro poblacional
que se desea estimar, la probabilidad Pr(T1 T2) es al menos igual a (1-) [siendo (1-) un
nmero fijo, positivo y menor que 1], el intervalo entre T1 y T2 es un intervalo de confianza bilateral (1-
) para .
NOTAS
1. Los lmites T1 y T2 del intervalo de confianza son estadsticos ([ISO 3534-1] 2.45 [C.2.23]) y, como tales, tomarn
generalmente diferentes valores de una muestra a otra.
2. En una larga serie de muestras, la frecuencia relativa de los casos en que el valor verdadero del parmetro poblacional
est contenido en el intervalo de confianza, es mayor o igual que (1-).
C.2.28 intervalo de confianza unilateral [ISO 3534-1, 2.58]
Si T es una funcin de los valores observados tal que, siendo un parmetro poblacional que se
desea estimar, la probabilidad Pr(T ) [o la probabilidad Pr(T )] es al menos igual a (1-) [siendo
(1-) un nmero fijo, positivo y menor que 1], el intervalo que va desde el valor ms pequeo posible
de hasta T (o el intervalo que va desde T hasta el mayor valor posible de ) es un intervalo de
confianza unilateral (1-) para .
NOTAS
1. El lmite T del intervalo de confianza es un estadstico ([ISO 3534-1] 2.45 [C.2.23]) y, como tal, tomar generalmente
diferentes valores de una muestra a otra.
2. Ver nota 2 de [ISO 3534-1] 2.57 [C.2.27]
C.2.29 nivel de confianza [ISO 3534-1, 2.59]
Valor (1-) de la probabilidad asociada a un intervalo de confianza o a un intervalo de cobertura
estadstica (Ver [ISO 3534-1] 2.57 [C.2.27], 2.58 [C.2.28], y 2.61 [C.2.27]).
54
NOTA (1-) se expresa frecuentemente como porcentaje.
C.2.30 intervalo de cobertura estadstica [ISO 3534-1, 2.61 ]
Intervalo del que puede afirmarse, con un nivel de confianza dado, que contiene al menos una
proporcin dada de la poblacin.
Notas
1. Cuando los dos lmites del intervalo se definen mediante estadsticos, el intervalo es bilateral. Cuando uno de los
lmites es infinito o es el lmite extremo de la variable, el intervalo es unilateral.
2. Tambin se denomina intervalo de tolerancia estadstica. Este trmino no debera usarse porque puede confundirse
con intervalo de tolerancia, definido en ISO 3534-2.
C.2.31 grados de libertad [ISO 3534-1, 2.85]
En general, el nmero de trminos de una suma, menos el nmero de restricciones sobre los
trminos de dicha suma.
C.3 Elaboracin de trminos y conceptos
C.3.1 Esperanza matemtica
La esperanza matemtica de una funcin g(z) de la variable aleatoria z, con funcin de densidad de
probabilidad p(z) se define como
[ ]

z z p z g g(z) d ) ( ) ( E
donde
1 ) ( dz z p
, en razn de la definicin de p(z). La esperanza matemtica de la variable
aleatoria z, representada por z, y denominada tambin valor esperado o media de z, est dada por
z z p z d ) ( ) z ( E
z
y se estima estadsticamente mediante

z
, media aritmtica o promedio de n observaciones
independientes zi de la variable aleatoria z, cuya funcin de densidad de probabilidad es p (z):
n
1 i
i
z
n
1
z
C.3.2 Variancia
La variancia de una variable aleatoria es la esperanza matemtica de su desvo respecto a su
esperanza matemtica, elevada al cuadrado. Por lo tanto, la variancia de una variable aleatoria z con
funcin de densidad de probabilidad p(z) viene dada por
dz ) z ( p ) z ( ) z (
2
z
2

donde z es la esperanza matemtica de z. La variancia
2
(z) puede estimarse mediante

n
1 i
i
2
n
1 i
i i
2
1
donde , ) (
1
1
) ( z
n
z z z
n
z s
y las zi son n observaciones independientes de z.
NOTAS
1. El factor n 1 en la expresin s
2
(zi) proviene de la correlacin existente entre zi y
z
, y refleja el hecho de que hay
nicamente n 1 valores independientes en el conjunto (zi -
z
).
2. Si se conoce la esperanza matemtica z de z, la variancia puede estimarse mediante
2
1
z i i
2
)
1
1
) ( s

n
i
- (z
n
z
La variancia de la media aritmtica de las observaciones es preferible a la variancia de las
observaciones individuales, para dar la medida correcta de la incertidumbre de un resultado de
medida. La variancia de una variable z debe distinguirse cuidadosamente de la variancia de la media
z
. La variancia de la media aritmtica de una serie de n observaciones independientes zi de z viene
dada por
2
(
z
) =
2
(zi)/n , y se estima mediante la variancia experimental de la media
2
1 i
i
2
2
)
) 1 (
1 ) z (
) ( s z (z
n n n
s
z
n
i

C.3.3 Desviacin estndar

El desvo estndar es la raz cuadrada positiva de la variancia. Mientras que una incertidumbre
estndar de Tipo A se obtiene tomando la raz cuadrada de la variancia evaluada estadsticamente,
cuando se evala una incertidumbre estndar de Tipo B, es a menudo ms cmodo obtener primero
una desviacin estndar equivalente, no estadstica, y luego obtener la variancia equivalente
elevando al cuadrado dicha desviacin estndar.
C.3.4 Covariancia
La covariancia de dos variables aleatorias es una medida de su dependencia mutua. La covariancia
de dos variables aleatorias y y z, se define mediante
[ ] [ ] { } ) z ( E z ) y ( E y E ) y , z cov( ) z , y cov(
de donde resulta
) - (
y
y y) cov(z, cov(y.z)
) (z - z) p (y,z) dydz
z y
d d ) (

z y z y, p z y
donde p(y, z) es la funcin de densidad de probabilidad conjunta de las dos variables y y z. La
covariancia cov (y, z) [tambin expresada como v(y,z)] puede estimarse mediante s(yi, zi) obtenida a
partir de n pares de observaciones simultneas yi y zi de y y z.
) ( ) (
1
1
) , ( s
i
1 i
i i i
z z y y
n
z y
n

56
donde

n
i
n
1 i
i
z z y y
1 i
n
1
y
n
1
NOTA - La covariancia estimada de dos medias
z y y
, est dada por )/n.
i
z ,
i
s(y ) z , y s(
C.3.5 Matriz de covariancias
Para una distribucin de probabilidad de varias variables, se denomina matriz de covariancias a la
matriz V cuyos elementos son las variancias y covariancias de las variables. Los elementos de la
diagonal, v(z,z)
2
(z), o s(zi, zi) s
2
(zi), son las variancias, mientras que los elementos fuera de la
diagonal, v(y,z) o s(yi, zi), son las covariancias.
C.3.6 Coeficiente de correlacin
El coeficiente de correlacin es una medida de la dependencia relativa mutua de dos variables, y es
igual al cociente entre su covariancia y la raz cuadrada positiva del producto de sus variancias. Es
decir,
) ( (
) ( v ) ( v
) , (
) y , z ( ) z , y (
z y)
z) v(y,

z z, y y,
z y v

con las estimaciones
) z ( s ) (
) z , (
) , ( ) (
) , (
) y , z ( r ) , (
i
i
i i i i
i i
i i i i
y s
y s

z z s y , y s
z y s
z y r
i
i

El coeficiente de correlacin es un nmero entero tal que 1 + 1, 1 r(yi, zi) + 1.
NOTAS
1. Los coeficientes de correlacin son normalmente ms tiles que las covariancias, debido a que y r son nmeros
enteros comprendidos en el intervalo de 1 a +1, extremos incluidos, mientras que las covariancias son frecuentemente
magnitudes con dimensiones y rdenes de magnitud poco cmodos.
2. Para distribuciones de probabilidad de varias variables suele darse frecuentemente la matriz de coeficientes de
correlacin, en lugar de la matriz de covariancias. Como (y,y) = 1, y r(yi yi) = 1, los elementos de la diagonal de la matriz
son iguales a la unidad.
3. Si las estimaciones de entrada xi y xj estn correlacionadas (ver 5.2.2), y una variacin i en xi produce una variacin j
en xj, el coeficiente de correlacin asociado a xi y xj puede estimarse aproximadamente por
i
) x ( u / ) x ( u ) x , x ( r
j j i j i

Esta relacin puede servir como base para estimar los coeficientes de correlacin de forma
experimental. Tambin puede emplearse para calcular la variacin aproximada de una estimacin de
entrada producida por una variacin en otra estimacin de entrada, si se conoce sus coeficientes de
correlacin.
C.3.7 Independencia
Dos variables aleatorias son estadsticamente independientes si su funcin de distribucin de
probabilidad conjunta es el producto de sus funciones de distribucin de probabilidad individuales.
NOTA Si dos variables aleatorias son independientes, su covariancia y su coeficiente de correlacin son cero, pero lo
contrario no es necesariamente cierto.
C.3.8 La distribucin o distribucin de Student
La distribucin t, o de Student, es la distribucin de probabilidad de una variable aleatoria continua ,
cuya funcin de densidad de probabilidad es
2 / ) 1 (
1
) , t ( p
+
1
]
1
+
1
]
1
1
]
1
2
t
1
2
2
1

para - < t <
donde es la funcin gamma y > 0. La esperanza matemtica de la funcin de distribucin t es
cero y su variancia es /(-2) para > 2. Conforme , la funcin de distribucin se aproxima a la
distribucin normal con = 0 y = 1 (ver C.2.14).
La funcin de distribucin de probabilidad de la variable ) ( / z s
z
- z es la funcin de distribucin t, si
la variable aleatoria z est normalmente distribuida con esperanza z, donde
z
es la media aritmtica
de n observaciones independientes zi de z, s(zi) es el desvo estndar experimental de n
observaciones, y n z s z s / ) ( ) (
i
es el desvo estndar experimental de la media z , con = n 1
grados de libertad.
58
Anexo D
(Normativo)
Valor verdadero, error e incertidumbre
El trmino valor verdadero (B.2.3) ha sido utilizado tradicionalmente en publicaciones sobre
incertidumbre, pero no en esta norma, por las razones aducidas en este Anexo. Debido a que los
trminos mensurando, error e incertidumbre se malinterpretan frecuentemente, el presente
anexo proporciona una discusin adicional sobre las ideas que subyacen bajo estos conceptos,
tratando de complementar la discusin presentada en el captulo 3. Se presentan dos figuras que
ilustran porqu el concepto de incertidumbre adoptado en esta norma est basado en el resultado de
la medicin y su incertidumbre evaluada, en lugar de basarse en las magnitudes desconocidas valor
verdadero y error.
D.1 El mensurando
D.1.1 El primer paso a la hora de realizar una medicin es definir el mensurando; es decir, la
magnitud objeto de medicin; el mensurando no puede definirse mediante un valor sino
exclusivamente mediante una descripcin de una magnitud. Sin embargo, en principio, un
mensurando no puede definirse completamente sin contar con una cantidad infinita de informacin.
Por ello, al caber interpretaciones varias, la definicin incompleta del mensurando introduce en la
incertidumbre del resultado de una medicin una componente de incertidumbre que puede o no ser
significativa, dependiendo de la exactitud requerida en la medicin.
D.1.2 Frecuentemente, la definicin de un mensurando especifica ciertos estados fsicos y
condiciones.
EJEMPLO La velocidad del sonido en aire seco de composicin (fraccin molar) N2 = 0,780 8,
O2 = 0,209 5, Ar = 0,009 35 y CO2 = 0,000 35 a la temperatura T = 273,15 K y presin p = 101 325
Pa.
D.2 Magnitud verificada
D.2.1 Idealmente, la magnitud verificada con vistas a la medicin debera ser totalmente coherente
con la definicin del mensurando. sin embargo sucede frecuentemente, que tal magnitud no puede
obtenerse, y la medicin se lleva a cabo sobre una magnitud que es una aproximacin del
mensurando.
D.3 El valor verdadero y el valor corregido
D.3.1 El resultado de la medicin de la magnitud verificada se corrige por la diferencia existente
entre dicha magnitud y el mensurando, con objeto de predecir el resultado que se obtendra si la
magnitud verificada cumpliera totalmente la definicin del mensurando. El resultado de la medicin
de la magnitud verificada se corrige tambin por todos los efectos sistemticos significativos
identificados. A pesar de que el resultado final corregido es considerado a veces como la mejor
estimacin del valor verdadero del mensurando, en realidad el resultado es simplemente la mejor
estimacin del valor de la magnitud que se pretende medir.
D.3.2 Como ejemplo, supngase que el mensurando es el espesor de una lmina dad de material a
una temperatura especfica. La muestra se lleva a una temperatura prxima a la especificada y se
mide su espesor en un punto determinado con ayuda de un micrmetro. El espesor del material en
dicho punto a dicha temperatura, bajo la presin aplicada por el micrmetro, es la magnitud
verificada.
D.3.3 En el momento de la medicin se determinan la temperatura del material y la presin aplicada.
El resultado sin corregir de la medicin verificada de la magnitud se corrige entonces teniendo en
cuenta la curva de calibracin del micrmetro, la desviacin de temperatura de la muestra respecto a
la temperatura especfica y la ligera compresin de la muestra bajo la fuerza aplicada.
D.3.4 El resultado corregido puede considerarse como la mejor estimacin del valor verdadero,
verdadero en el sentido de que es el valor de la magnitud que suponemos satisface totalmente la
definicin del mensurando; pero si el micrmetro se hubiera aplicado en una zona diferente de la
lmina de material, la magnitud verificada habra sido diferente, con un valor verdadero diferente.
Sin embargo, ese valor verdadero sera coherente con la definicin del mensurando, ya que sta no
especificaba que el espesor debiera determinarse en un punto particular de la lmina. As, en este
caso, debido a la definicin incompleta del mensurando, el valor verdadero posee una
incertidumbre que puede evaluarse a partir de mediciones verificadas en diferentes lugares de la
lmina. Hasta cierto punto, cada mensurando posee una incertidumbre intrnseca que, en principio
puede estimarse de alguna forma. Esta es la mnima incertidumbre con la que un mensurando puede
determinarse, y toda medicin que posea dicha incertidumbre puede considerarse como la mejor
medicin posible del mensurando. La obtencin de un valor de la magnitud en cuestin con una
incertidumbre menor requiere una definicin ms completa del mensurando.
NOTAS
1) En el ejemplo, la definicin del mensurando deja de lado muchos otros aspectos que podran afectar razonablemente
al valor del espesor: la presin atmosfrica, la humedad, el comportamiento de la lmina en el campo gravitatorio, la forma
de apoyo, etc.
2) A pesar de que el mensurando debe definirse con el suficiente detalle como para que cualquier incertidumbre
proveniente de su definicin incompleta sea despreciable en comparacin con la exactitud requerida en la medicin, debe
reconocerse que esto no siempre es posible. La definicin puede, por ejemplo, ser incompleta, por ejemplo, porque no
especifique parmetros cuyos efectos se han supuesto despreciables sin justificacin alguna,; o puede implicar
condiciones que nunca podrn cumplirse y cuya realizacin imperfecta es difcil de valorar. As, en el ejemplo de D.1.2, la
velocidad del sonido implica infinitas ondas planas de amplitud cada vez menor. Como la medicin no satisface esta
condicin, deben considerarse los efectos debidos a la difraccin y a la falta de linealidad.
3) La definicin inadecuada del mensurando puede llevar a discrepancias entre resultados de diferentes laboratorios,
obtenidos tras mediciones realizadas tericamente sobre la misma magnitud.
D.3.5 Los trminos valor verdadero de un mensurando o valor verdadero de una magnitud (a
menudo solo valor verdadero en forma simplificada) se evitan en esta norma por considerar el
trmino verdadero como redundante. En efecto mensurando (ver B.2.9) significa magnitud
particular objeto de medicin, de aqu que valor de un mensurando signifique valor de una
magnitud particular objeto de medicin. Como por magnitud particular se entiende generalmente
una magnitud definida o especfica (ver B.2.1, nota 1), el adjetivo verdadero en valor verdadero de
un mensurando (o en un valor verdadero de una magnitud) es innecesario el valor verdadero
del mensurando (o magnitud) es simplemente el valor del mensurando (o magnitud). Adems, tal
como se indic en la discusin anterior, un valor verdadero nico es un concepto ideal.
D.4 Error. Un resultado de medicin corregido no es el valor del mensurando es decir, existe un
error debido a imperfecciones en la medicin de la magnitud verificada, ya sea por las variaciones
aleatorias de las observaciones (efectos aleatorios), por la determinacin inadecuada de las
correcciones por efectos sistemticos, o por el conocimiento incompleto de ciertos fenmenos fsicos
(de nuevo, efectos sistemticos). Ni el valor de la magnitud verificada, ni el valor del mensurando,
pueden conocerse jams con exactitud; todo lo ms que puede conocerse son sus valores estimados.
60
En el ejemplo anterior, el espesor medido en la lmina puede ser errneo; es decir, puede diferir del
valor del mensurando (el espesor de la lmina), debido a que los siguientes factores pueden combinarse
entre s, contribuyendo a un error desconocido en el resultado de medida:
a) pequeas diferencias en las indicaciones del micrmetro cuando se aplica repetidamente
sobre la misma magnitud verificada;
b) calibracin imperfecta del micrmetro;
c) medicin imperfecta de la temperatura y de la presin aplicada;
d) conocimiento incompleto de los efectos de la temperatura, la presin atmosfrica y la
humedad sobre la muestra, el micrmetro, o ambos.
D.5 Incertidumbre
D.5.1 Mientras que los valores exactos de las contribuciones al error de un resultado de medicin
son desconocidos y nunca podrn conocerse, las incertidumbres asociadas a los efectos aleatorios y
sistemticos que dan lugar al error si pueden evaluarse. Sin embargo, aunque las incertidumbres
evaluadas sean pequeas, esto no garantiza que el error en el resultado de medida sea pequeo, ya
que puede haberse pasado por alto algn efecto sistemtico no identificado, en la determinacin de
alguna correccin, o al evaluar el conocimiento incompleto del que se dispone. Es as que, la
incertidumbre del resultado de medicin no es necesariamente una indicacin de la certeza existente
de que el resultado de medicin se halla prximo al valor del mensurando; se trata simplemente de
una estimacin de la verosimilitud acerca de la proximidad al mejor valor, que es consistente con el
conocimiento disponible.
D.5.2 La incertidumbre de medicin es pues una expresin del hecho que, para un mensurando y un
resultado de medicin del mismo dados, no existe un nico valor, sino un infinito nmero de valores
dispersos en torno al resultado. Estos valores son compatibles con todas las observaciones, datos y
conocimientos que poseen del mundo fsico, y con diferentes grados de credibilidad, pueden ser
atribuidos al mensurando.
D.5.3 Afortunadamente, en muchas situaciones prcticas de medicin, la mayor parte de la
discusin del presente anexo no es de aplicacin. Este es el caso, por ejemplo, cuando un
mensurando est definido adecuadamente, cuando los patrones o instrumentos son calibrados
respecto a patrones de referencia perfectamente conocidos, dotados de trazabilidad a patrones
nacionales; o cuando las incertidumbres de las correcciones de calibracin son insignificantes
comparadas con las incertidumbres provenientes de efectos aleatorios sobre las indicaciones de los
instrumentos, o cuando se tiene un nmero limitado de observaciones (ver E.4.3). No obstante, el
conocimiento incompleto de las magnitudes de influencia y sus efectos puede contribuir, a menudo
de forma significativa, a la incertidumbre del resultado de una medicin.
D.6 Representacin grfica
D.6.1 La figura D.1 representa algunas de las ideas discutidas en el captulo 3 de esta norma y en
este anexo. Ilustra porqu el foco de esta norma es la incertidumbre y no el error.
El error exacto del resultado de una medicin es, en general, desconocido, y as permanecer
siempre. Lo ms que se puede hacer es estimar los valores de las magnitudes de entrada,
incluyendo las correcciones por efectos sistemticos identificados, junto con sus incertidumbres
estndar (desviaciones estndar estimadas), ya sea en base a distribuciones desconocidas de
probabilidad, en base a muestras obtenidas por medio de observaciones repetidas, o bien segn
distribuciones subjetivas o a priori, basadas en el conjunto de informaciones disponibles. Luego se
calcula el resultado de medicin, a partir de los valores estimados de las magnitudes de entrada y de
la incertidumbre estndar combinada del resultado, de las incertidumbres estndar de los valores
estimados. Solo si existe una base slida para creer que todo esto se ha realizado apropiadamente,
sin haber pasado por alto efectos sistemticos significativos, puede asumirse que el resultado de
medicin es una estimacin fiable del valor del mensurando, y que su incertidumbre estndar
combinada es una medida fiable de su posible error.
NOTAS
1) En la figura D.1a, las observaciones se muestran en forma de histograma, a efectos ilustrativos (ver 4.4.3 y figura 1b).
2) La correccin de un error es igual a la estimacin del error, cambiada de signo. As, tanto en la figura D.1, como en la
figura D.2, una flecha ilustra que la correccin de un error es igual en longitud, pero apuntando en direccin opuesta, a la
flecha que representara el propio error, y viceversa. El texto de la figura expresa claramente si una flecha en particular
representa una correccin o un error.
D.6.2 La figura D.2 describe algunas de las ideas ya presentadas en la figura D.1, pero en forma
diferente. Adems, tambin ilustra la idea de que pueden existir muchos valores del mensurando si
la definicin de ste es incompleta (punto g de la figura). La incertidumbre derivada de esta definicin
incompleta, medida por la variancia, se evala a partir de mediciones de mltiples verificaciones del
mensurando, utilizando el mismo mtodo, los mismos instrumentos, etc. (ver D.3.4).
NOTA En la columna encabezada con la palabra variancia se sobreentiende que las variancias son las
2
u
i
(y) definidas
en la ecuacin (11) de 5.1.3; de ah que se sumen linealmente, tal como se muestra.
62
Figura D.1
Figura D.2
64
Anexo E
(Normativo)
Motivacin y fundamentos de la recomendacin INC-1 (1980)
Este anexo presenta brevemente tanto la motivacin como los fundamentos estadsticos de la
recomendacin INC-1 (1980) del Grupo de Trabajo sobre la expresin de las incertidumbres, en los que
se apoya esta norma. Para ms detalles, ver las referencias [1.2, 11, 12]
E.1 Seguro, aleatorio y sistemtico
E.1.1 Esta norma presenta un mtodo de amplia aplicacin para evaluar y expresar la incertidumbre
de la medicin. Este mtodo proporciona un valor de la incertidumbre ms realista que seguro,
basado en la idea de que no existe diferencia inherente entre una componente de incertidumbre que
proviene de un efecto aleatorio y otra que proviene de una correccin debido a un efecto sitemtico
(ver 3.2.2 y 3.2.3). Por lo tanto, el mtodo establecido contrasta con ciertos mtodos ms antiguos
que tienen en comn las dos ideas siguientes.
E.1.2 La primera idea es que la incertidumbre declarada debe ser segura o conservadora, lo que
significa que jams debe implicar el riesgo de ser estimada con un valor muy pequeo. De hecho,
dado que la evalucin de la incertidumbre de un resultado de la medicin es problemtica, era
frecuente realizarla deliberadamente grande.
E.1.3 La segunda idea es que las influencias que incrementa la incertidumbre podran ser siempre
reconocidas, ya sea como aleatorias, o como sistemticas, siendo ambas categoras de
naturaleza diferente. Las incertidumbres asociadas a cada categora deberan combinarse de forma
apropiada y expresarse por separado (o combinada de cierta forma especfica cuando se exige un
nico nmero). De hecho, el mtodo de combinacin de incertidumbres estaba frecuentemente
concebido para satisfacer el requisito de seguridad.
E.2 Justificacin para evaluaciones realistas de la incertidumbre
E.2.1 Cuando se informa el valor de un mensurando, debe darse la mejor estimacin de su valor, y la
mejor evaluacin de la incertidumbre de dicha estimacin debido a que si la incertidumbre se aparta
de su valor correcto, normalmente no sera posible decidir la direccin hacia la que se apartara de
forma segura. Una subestimacin de las incertidumbres podra causar un exceso de confianza de
los valores en cuestin, con consecuencias imprevisibles, cuando no desastrozas. Una
sobreevaluacin deliberada de las incertidumbres podra tener repercuciones indeseables. Podra
ocurrir que los usuarios de equipos de medicin debieran adquirir instrumentos ms caros de lo
necesario, u podra causar que productos costosos sean rechazados innecesariamente, o sea no
aceptados los servicios ofrecidos por un laboratorio de calibracin.
E.2.2 Esto no quiere decir que los que utilizan un resultado de medicin no puedan aplicar su propio
factor multiplicador a una incertidumbre dada, para obtener una incertidumbre expandida que defina
un intervalo con una probabilidad de cobertura especfica que satisfaga sus propias necesidades, ni
tampoco que, en determinadas circunstancias, los organismos que proporcionen resultados de
mediciones no puedan aplicar, corrientemente, un factor que conduce a una incetrtidumbre
expandida anloga, que satisfaga las necesidades de un tipo particular de usuarios de sus
resultados. Sin embargo, tales factores (que siempre deben indicarse) deben aplicarse a una
incertidumbre determinada por un mtodo realista y nicamente despus de determinar la
incertidumbre, de forma que el intervalo definido por la incertidumbre expandida tenga una
probabilidad de cobertura requerida y que la operacin pueda invertirse fcilmente.
E.2.3 aquellos que se ocupan de las mediciones frecuentemente deben incorporar a sus anlisis
resultados de mediciones efectuadas por otros, donde uno de estos resultados tiene su propia
incertidumbre. A la hora de evaluar la incertidumbre de su propio resultado de medicin, necesitan,
no un valor seguro, sino el mejor valor de incertidumbre de cada uno de los resultados
incorporados, procedentes de otro origen. Adems, para dar la incertidumbre de su propio resultado,
deben poder combinar de forma lgica y simple estas incertidumbres de sus propias observaciones.
La recomendacin INC-1 (1980) proporciona el mtodo.
E.3 Justificacin para tratar de forma idntica todas las componentes de la incertidumbre
La finalidad de este apartado es ilustrar mediante un ejemplo sencillo como esta norma trata
exactamente de la misma forma las componentes de la incertidumbre provenientes de efectos
aleatorios, y las provenientes de correcciones de efectos sitemticos, al evaluar la incertidumbre de
un resultado de medicin. De esta forma se ejemplifica el punto de vista adoptado en esta norma y
citado en E.1.1; es decir, que todas las componentes de la incertidumbre son de la misma naturaleza
y deben ser tratadas de forma idntica. El punto de partida de la presentacin es una demostracin
simplificada de la expresin matemtica de la propagacin de las desviaciones estndar,
denominada en esta norma ley de propagacin de la incertidumbre.
E.3.1 Supongamos que la magnitud de salida z = f(w1, w2, ..., wN) depende de N magnitudes de
entrada w1, w2, ..., wN, donde cada wi est descrita por una distribucin de probabilidad adecuada. El
desarrollo en serie de Taylor de primer orden de f alrededor de las esperanzas matemticas de las
wi, E(wi) i, da, para pequeas variaciones de z alredor de z, en funcin de desviaciones
pequeas de wi alrededor de i,
donde los trminos de grado ms elevado se suponen despreciable, y con z = f(1, 2, ..., N). El
cuadrado de la desviacin z - z est dado entonces por
que puede escribirse en la forma
La esperanza matemtica del cuadrado de la diferencia (z - z)
2
es la variancia de z; es decir,
E[(z - z)
2
] =
2
z
, y la ecuacin (E.2b) conduce a
66
) 1 (E.
i i
1 i
.... ) - w (
w
f
- z
N
i
z

a) 2 (E. )
i i
1
i
2
... ) - w (
w
f
- (z
2
N
i
z 1
]
1

b) 2 (E. ) )( ( 2 )
j j i i
j
1 N
1 i
N
1 i j i
i i
1
2
i
2
.... - w - w
w w
) - w (
w
f
- (z
2
N
i
z

+
1
]
1

+
f f
En esta expresin, i
2
= E[(wi - i)
2
] es la variancia de wi y E[(wi - i)(wj - j)] = v(wi, wj) es la
covariancia de wi y wj. y ij = v(wi, wj)/(
2
1
2
j
2
i
) ( es el coeficiente de correlacin de wi y wj
NOTAS
1
2
z
y
2
i
son respectivamente los momentos centrales de orden 2 (ver C.2.13 y C.2.22) de las distribuciones de
probabilidad de z y de wi. Una distribucin de probabilidad puede caracterizarse completamente mediante su
esperanza matemtica, su variancia y sus momentos centrales de mayor orden.
2 La ecuacin (13) de 5.2.2 [al igual que la ecuacin (15)] emp`leada para calcular la incertidumbre estndar combinada
es idntica a la ecuacin (E.3), salvo en el hecho de que la ecuacin (13), est expresada en trminos de
estimaciones de variancias, de desviaciones estndar y de coeficientes de correlacin.
E.3.2 En la terminologa tradicional, la ecuacin (E.3) se denomina generalmente ley general de
propagacin de errores, una denominacin que se aplica mejor a una expresin de la forma

i i
N
1 i
) ( z w w f
, donde z es la variacin de z debida a (pequeas) variaciones de wi [ver
ecuacin (E.8)]. De hecho es apropiado denominar a la ecuacin (E.3) ley de propagfacin de la
incertidumbre, tal como se ha hecho en esta norma, debido a que esta ecuacin muestra cmo se
combinan las incertidumbres de las magnitudes de entrada wi tomadas igual a las desviaciones
estndar de las distribuciones de probabilidad de las wi, para obtener la incertidumbre de la magnitud
de salida z, si esta incertidumbre se toma igual a la desviacin estndar de la distribucin de
probabilidad de z.
E.3.3 La ecuacin (E.3) tambin se aplica a la propagacin de mltiples desviaciones estndar
debido a que si se reemplaza cada desviacin estndar i por un mltiplo ki con el mismo k para
cada i, la desviacin estndar de la magnitud de salida z est dada por kz. Sin embargo, dicha
ecuacin no se aplica a la propagacin de los intervalos de confianza. En efecto, si cada i se
reemplaza por una magnitud i que define un intervalo correspondiente a una probabilidad de
cobertura dada p, la magnitud resultante para z, z, no definir un intervalo correspondiente al mismo
valor de p, salvo que todas las wi tengan distribuciones normales. La ecuacin (E.3) no implica que
se asuma la normalidad de las distribuciones de probabilidad de las magnitudes wi. Ms
especficamente, si en la ecuacin (10) de 5.1.2, cada incertidumbre estndar u(xi) se evala a partir
de observaciones repetidas independientes, y se multiplica por el factor t correspondiente a su
nmero de grados de libertad para un valor particular de p (por ejemplo, p = 95 %), la incertidumbre
de la estimacin Y no definir un intervalo correspondiente a dicho valor de p (ver G.3 y G.4).
Nota. El requisito de normalidad para la propagacin de los intervalos de confianza utilizando la ecuacin (E.3) puede ser
una de las razones para la separacin histrica entre las componentes de incertidumbre derivadas de observaciones
repetidas, las cuales se asume que estn distribuidas normalmente, y las componentes evaluadas simplemente mediante
lmites superior e inferior.
E.3.4 Consideremos el ejemplo siguiente: z depende solamente de una magnitud de entrada w, z =
f(w), y w se estima mediante el valor medio de n valores wk de w; estos n valores se obtienen a partir
de n observaciones repetidas e independientes qk de una variable aleatoria q, estando wk y qk
relacionadas mediante la ecuacin
wk = + qk ... (E.4)
) 3 (E. 2
ij j i
j
1 N
1 i
N
1 i j i
2
i
1
2
i
2
z
...
w w w
f
N
i

+
1
]
1

+
f f
En esta ecuacin, representa un desplazamiento sistemtico constante o comn a cada
observacin, y es un factor proporcional comn. El desplazamiento y el factor de escala, aunque
fijos en el curso de las observaciones, se suponen caracterizados por una distribucin de
probabilidades a priori, siendo y las mejores estimaciones de las esperanzas de dichas
distribuciones.
La mejor estimacin de w es la media aritmtica w obtenida a partir de
( )

+
n
k
n
k
q
n
w
n
w
1
k
1
k
1 1
...(E.5)
La magnitud de z es estimada entonces por f( w) = f(, , q1, q2, ..., qn) y la estimacin de u
2
(z) de su
variancia
2
(z se obtiene a partir de la ecuacin (E.3)). Si suponemos, para simplificar, que z = w, de
forma que la mejor estimacin de z sea z = f( w ) = w , entonces la estimacin u
2
(z) puede hallarse
fcilmente. Observando que, segn la ecuacin (E.5).

n q
f
, q q
n
f f
n
k
k 1
k
y
1
, 1
llamando respectivamente u
2
() y u
2
() a las variancias estimadas de y de , y suponiendo que las
observaciones individuales no estn correlacionadas, se obtiene, a partir de la ecuacin (E.3)
( )
( )
n
q
u q u z u
k 2 2 2
2
2
s
) ( ) ( + +
... (E.6)
donde s
2
(qk) es la variancia experimental de las observaciones qk, calculada segn la ecuacin (4)
de 4.2.2 y donde s
2
(qk)/n = s
2
( q ) es la variancia experimental de la media q [ecuacin (5) de 4.2.3].
E.3.5 En la termonologa tradicional, el tercer trmino del miembro de la derecha de la ecuacin (E.6)
se denomina contribucin aleatoria a la variancia estimada u
2
(z), debido a que normalmente
decrece a medida que el nmero de observaciones aumenta, mientras que los dos primeros trminos
se denominan contribuciones sistemticas, ya que no dependen de n.
De forma ms significativa, e ciertos tratamientos tradicionales de la incertidumbre de la medicin, la
ecuacin (E.6) sera cuestionable debido a que no establece distincin entre las incertidumbres
provenientes de efectos sistemticos y las provenientes de efectos aleatorios. En particular, se
desaconseja la combinacin de variancias obtenidas a partir de distribuciones a priori de
probabilidad, con las obtenidas a partir de distribuciones de frecuencias, debido a que el concepto de
probabilidad se considera de aplicacin nicamente a los sucesos que pueden ser repetidos un gran
nmero de veces, esencialmente en las mismas condiciones indicando la probabilidad p de un
suceso (0 p 1)con la frecuencia con la que se produce el suceso.
En contraste con el punto de vista de la probabilidad basada en la frecuencia, otro punto de vista
igualmente vlido es el de la probabilidad como medida del grado de credibilidad que se tiene en que
un suceso ocurra [13, 14]. Por ejemplo, supongamos que un apostador racional tiene la oportunidad
de ganar una pequea suma de dinero D. El grado de credibilidad en que ocurra el suceso A es
p = 0,5, si nos son indiferente las dos posibles opciones del apostador: (1) que obtenga D si se
produce el suceso A, y nada si no se produce; (2) que obtenga D si el suceso A no se produce, y
nada si se produce. La recomendacin INC-1 (1980) sobre la que se basa esta norma adopta
impltamente este punto de vista de la probabilidad, ya que considera las expresiones tales como la
68
ecuacin (E.6) como el medio ms conveniente de calcular la incertidumbre estndar combinada del
resultado de una medicin.
E.3.6 Existen tres ventajas distintas por adoptar la interpretacin de la probabilidad basada en el
grado de credibilidad, la desviacin estndar (incertidumbre estndar) y la ley de propagacin de la
incertidumbre [ecuacin (E.3)] como bases para evaluar y expresar la incertidumbre de la medicin,
tal como ya se ha visto en esta norma.
a) la ley de propagacin de la incertidumbre permite la fcil incorporacin de la incertidumbre
estndar combinada de un resultado nico, a la evaluacin de la incertidumbre estndar combinada
de otro resultado para cuya obtencin se requiere el primero;
b) la incertidumbre estndar combinada puede servir de base para el clculo de intervalos que
correspondan de forma realista a los niveles de confianza exigidos, y
c) no es necesario clasificar las componentes en aleatorias o sistemticas (o de cualquier otra
manera) al evaluar la incertidumbre, debido a que todas las componentes de la incertidumbre son
tratadas de la misma forma.
La ventaja c) es particularmente apreciada debido a que la clasificacin que se menciona es
frecuente fuente de confusin; una componente de incertidumbre no es ni aleatoria ni sistemtica.
su naturaleza est condicionada por la utilizacin que se haga de la magnitud correspondiente o,
ms formalmente, por el contexto en que la magnitud aparece, dentro del mdelo matemtico que
describe la medicin. En concecuencia, cuando la magnitud correspondiente se utiliza en un
contexto diferente, una componente aleatoria puede convertirse en sitemtica y viceversa.
E.3.7 Por la razn apuntada anteriormente en c), la Recomendacin INC-1 (1980) no clasifica las
componentes de la incertidumbre en aleatorias y sistemticas. De hecho, en lo que respecta al
clculo de la incertidumbre estndar combinada de un resultado de medicin no es necesaria una
clasificacin de las componentes de la incertidumbre, es ms, no es realmente necesario adoptar
esquema de clasificacin alguno. No obstante, puesto que a veces es cmodo disponer de
categoras, ya que es til en la comunicacin y en la presentacin de ideas, la Recomendacin INC-1
(1980) proporciona un esquema de clasificacin segn mtodos distintos de evaluacin de las
componentes de la incertidumbre, el A y el B (ver 0.7, 2.3.2 y 2.3.3).
El hecho de clasificar los mtodos utilizados para la evaluacin de las componentes de
incertidumbre, en lugar de clasificar las propias componentes, evita el problema de que la
clasificacin de una componente pudiera depender de la utilizacin que se hiciera de la magnitud
correspondiente. Sin embargo, la clasificacin de los mtodos en lugar de las componentes, no
impide colocar las componentes individuales evaluadas por los dos mtodos en grupos especficos
para un uso particular, en una medicin dada, por ejemplo, cuando se compara la variabilidad
observada experimentalmente con la prevista tericamente para los valores de salida de un sistema
de medida complejo. (ver 3.4.3).
E.4 La desviacin estndar como medida de la incertidumbre
E.4.1 La ecuacin (E.3) requiere que la incertidumbre de la estimacin de una magnitud de entrada
se deba evaluar en forma de incertidumbre estndar, es decir en forma de desviacin estndar
estimada, cualquiera que sea la forma en que se obtenga. Si, en lugar de esto, se toma cualquier
otra alternativa considerada como ms segura, sta no podr utilizarse en la ecuacin (E.3). En
particular, si en la ecuacin (E.3) se utiliza el "lmite mximo de error (la mayor desviacin permitida
respecto a la mejor estimacin supuesta), la incertidumbre resultante tendr un significado mal
definido y ser inutilizable por cualquiera que desee introducirla en clculos ulteriores de
incertidumbres, para otras magnitudes (ver E.3.3).
E.4.2 Cuando la incertidumbre estndar de una magnitud de entrada no puede evaluarse mediante
anlisis de los resultados de un nmero conveniente de observaciones repetidas, debe adoptarse
una distribucin de probabilidad basada en un conocimiento mucho ms rentrigido de lo que sera
deseable. No obstante, este hecho no invalida ni convierte en no realista dicha distribucin; como
todas las distribuciones de probabilidad, representar el conocimiento disponible.
E.4.3 Las evaluaciones basadas en observaciones repetidas no son necesariamente superiores que
las obtenidas por otros medios. Consideremos ) (q s , desviacin estndar experimental de la media
de n observaciones independientes qk de una variable aleatoria q distribuida normalmente [ ver
ecuacin (5) de 4.2.3]. La magnitud
) (q s
es un estadstico (ver C.2.23) que estima
) (q
, desviacin
estndar de la distribucin de probabilidad de
q
: es decir , desviacin estndar de la distribucin de
valores de
q
que se obtendran si la medicin se repitiera un nmero infinito de veces. La variancia
2
[
) (q s
] de
) (q s
est dada aproximadamente por
( ) [ ] ( ) 2
2 2
q q s ...(E.7)
donde = n 1 es el nmero de grados de libertad de
) (q s
(ver G.3.3). Entonces, la desviacin
estndar relativa de
) (q s
, dada por el cociente [
) (q s
]/
) (q
, y que puede ser considerada como una
medida de la incertidumbre relativa de
) (q s
, es aproximadamente igual ( ) [ ]
2 1
1 n 2

. Esta
incertidumbre de la incertidumbre de
q
, que aparece por razones puramente estadsticas, debido a
la limitacin efectiva del muestreo, puede ser extraordinariamente grande; para n = 10
observaciones, es igual al 24 %. La tabla E.1 da este valor y algunos otros, y muestra que la
desviacin estndar de una desviacin estndar estimada estadsitcamente no siempre es
despreciable para valores prcticos de n. En consecuencia, puede concluirse que las evaluaciones
de Tipo A de la incertidumbre estndar no son necesariamente ms fiables que las evaluaciones de
tipo B y que en numerosas situaciones prcticas de mediciones, en que el nmero de observaciones
es limitado, las componentes obtenidas por evaluacin de Tipo B pueden conocerse mejor que las
obtenidas a partir de evaluaciones de Tipo A.
70
Tabla E.1 - Desviacin estndar relativa de la desviacin estndar experimental de la mediaq de n
observaciones independientes de una variable aleatoria q distribuida segn una distribucin normal,
respecto a la desviacin estndar de la media, [
) (q s
]/
) (q
(a)
Nmero de observaciones
n
[
) (q s
]/
) (q
(en tanto por ciento)
2
3
4
5
10
20
30
50
76
52
42
36
24
16
13
10
(a)
Los valores dados han sidos calculados a partir de la expresin exacta de [
) (q s
]/
) (q
, y no a partir de la expresin
aproximada
( ) [ ]
2 1
1 n 2

E.4.4 Se ha argumentado que mientras que las incertidumbres asociadas a la aplicacin de un

mtodo de medicin particular son parmetros estadsticos que caracterizan variables aleatorias,
existen casos de un efecto sistemtico verdadero en el que la incertidumbre debe ser tratada de
forma diferente. Puede darse como ejemplo el de un desvo de valor fijo desconocido, igual para
todas las determinaciones realizadas por un mismo mtodo, debido a una posible imperfeccin en el
propio prinicipio del mtodo o en una de sus hiptesis subyacentes. ahora bien, si se constata la
posible existencia de tal desvo, y se supone que su valor puede ser significativo, entonces podr ser
descrito mediate una funcin de distribucin, aunque esta sea muy simple, basada en el
conocimiento que ha permitido llegar a la conclusin de que dicho desvo puede existir y ser
significativo. As, si se considera la probabilidad como una medida del grado de credibilidad de que
ocurra un suceso, la contribucin de un efecto sistemtico tal puede ser incluida en la incertidumbre
estndar combinada de un resultado de medicin, evalundose como una incertidumbre estndar de
una funcin de distribucin supuesta a priori, siendo tratada de la misma forma que cualquier otra
incertidumbre estndar de una magnitud de entrada.
EJEMPLO La especificacin de un mtodo particular requiere que cierta magnitud de entrada se
calcule a partir de un desarrollo en serie de potencias especficas, cuyos trminos de mayor grado no
se conocen con exactitud. El efecto sistemtico debido al hecho de no poder tratar exactamente
dichos trminos suponen un desplazamiento fijo desconocido, que no puede ser muestreado
mediante repeticin del mtodo operativo. En consecuencia, si se sigue estrictamente una
interpretacin de la probabilidad basada en la frecuencia, la incertidumbre asociada a dicho efecto no
puede ser evaluada e incluida en la incertidumbre del resultado de medida final. Sin embargo, la
interpretacin dela probabilidad como basada en el grado de credibilidad, permite la evaluacin de la
incertidumbre que caracteriza dicho efecto a partir de una funcin de distribucin a priori (deducida
del conocimiento disponible, derivado de los trminos conocidos de forma inexacta), y su inclusin en
el clculo de la incertidumbre estndar combinada del resultado de la medicin, como cualquier otra
incertidumbre.
E.5 Comparacin entre los dos puntos de vista sobre la incertidumbre
E.5.1 El punto focal de esta norma se refiere al resultado de la medicin y a la evaluacin de su
incertidumbre, ms que a las magnitudes desconocidas valor verdadero y error (ver anexo D).
Adoptando el punto de vista operativo de que el resultado de una medicin es simplemente el valor a
atribuir al mensurando, y que la incertidumbre de ese resultado es una medida de la dispersin de los
valores que podran ser razonablemente atribudos al mensurando, esta norma acaba con la confusa
conexin frecuentemente existente, entre la incertidumbre y las magnitudes desconocidas valor
verdadero y error.
E.5.2 Esta conexin puede explicarse interpretando la deduccin de la ecuacin (E.3), la ley de
propagacin de la incertidumbre, desde el punto de vista del valor verdadero y del error. en este
caso, se considera i como el valor verdadero nico, desconocido, de la magnitud de entrada wi, y
se supone que cada wi est relacionado con su valor verdadero i mediante la relacin wi = i + i,
donde i es el error de wi. La esperanza matemtica de la funcin de distribucin de cada i se
supone igual a cero, E(i) = 0, con la variancia E(i
2
) = i
2
. La ecuacin (E.1) se transforma entonces
en

donde i = z - z es el error de z y z es el valor verdadero de z. Si se calcula la esperanza
matemtica del cuadrado de z, se obtiene una ecuacin idntica de la forma de la ecuacin (E.9),
pero donde E(z
2
) = z
2
es la variancia de z, E(i, j) = v(i, j) es la coviancia de i, j, y ij = v(i, j)/
(ij)
2
1
. es el coeficiente de correlacin de i y j. Las variancias y covariancias son, por lo tanto,
asociadas con los errores de las magnitudes de entrada ms que con las magnitudes de entrada
Nota. Si se asume que la probabilidad se consideran como una medida del grado de creencia que un suceso ocurra,
implica que un error sistemtico puede ser tratado de la misma forma que a un error aleatorio, y que i representa ambos
tipos.
E.5.3 En la prctica, la diferencia entre los puntos de vista no acarrean a una diferencia del valor
unmrico del resultado de medicin o de la incertidumbre asignada al resultado.
Primero, en ambos casos, los mejores estimadores disponibles de las magnitudes de entrada wi se
usan para obtener la mejor estimacin de z de la funcin f; esto no hace diferencia en los clculos si
se considera al mejor estimador como el valor ms probable que se le puede atribuir a las
magnitudes en cuestin o el mejor estimador de su valor verdadero.
Segundo, debido a que i = wi - i y a que i es un valor numrico nico y fijo, y por lo tanto no
presenta incertidumbre, las variancias y las desviaciones estndar de los i y wi son idnticas. Esto
significa que, en ambos casos, las incertidumbres estndar usadas como estimadores de las
desviaciones estndar i para obtener la incertidumbre estndarcombinada del resultado de una
medicin, son idnticas y pueden tener el mismo valor numrico para la incertidumbre. De nuevo,
esto no hace diferencia en los clculos si la incertidumbre estndar se considera como una medida
de la dispersin de la distribucin de probabilidad de una magnitud de entrada o como una medida
de la dispercin de la distribucin de probabilidad del error de esa magnitud.
NOTA Si no se hiciera la hiptesis de la nota de E.5.2, la discusin de este prrafo no tendra sentido, a menos que todas
las estimaciones de las magnitudes de entrada, y las incertidumbres de dichas estimaciones hubieran sido obtenidas a
partir del anlisis estadstico de observaciones repetidas, es decir, a partir de las evaluaciones de tipo A.
E.5.4 Aunque la aproximacin basada en el valor verdadero y el error da los mismos resultados
numricos que la aproximacin seguida en esta norma (siempre y cuando se haga la hiptesis de la
nota de E.5.2), el concepto de incertidumbre desarrollado en la norma elimina la confusin entre error
e incertidumbre (ver anexo D). En efecto, la aproximacin operativa de la presente norma, en la que
el acento est puesto en el valor observado (o estimado) de una magnitud y en la variabilidad
72
) 8 (E.
i
1 i
....
w
f

N
i
i

observada (o estimada) de dicho valor, hace totalmente innecesario cualquier referencia al concepto
de error.
Anexo F
(Normativo)
Consejos prcticos para la evaluacin de las componentes de la incertidumbre
Este anexo da sugerencias de naturaleza prctica para la evaluacin de los componentes de la
incertidumbre que complementan a los ya dados en el captulo 4.
F.1 Componentes evaluadas a partir de observaciones repetidas: evaluacin de Tipo A de la
incertidumbre estndar.
F.1.1 Valores aleatorios y observaciones repetidas
F.1.1.1 Las incertidumbres determinadas a partir de observaciones repetidas se consideran frecuen-
temente como objetivas, estadsticamente rigurosas, etc., en oposicin a las evaluadas por otros
medios. Esto implica incorrectamente, que pueden ser evaluadas aplicando simplemente frmulas
estadsticas a las observaciones, y que su evaluacin no necesita la aplicacin de juicio alguno.
F.1.1.2 La primera pregunta que uno debe formularse es hasta que punto las observaciones
repetidas son repeticiones totalmente independientes del mtodo de medicin?. Si la totalidad de las
observaciones se realiza sobre la misma muestra, y si el muestreo forma parte del mtodo de
medicin porque el mensurando sea la propiedad de un material (y no porque sea la propiedad de
una probeta especfica de dicho material), las observaciones no se repiten entonces de forma
independiente; a la variancia observada en las repeticiones hechas sobre la muestra nica, debe
aadirse una evaluacin de la componente de la variancia procedente de las posibles diferencias
existentes entre las muestras.
Si la puesta a cero de un instrumento forma parte del mtodo operativo, el ajuste del cero del
instrumento debe formar parte de cada repeticin, incluso si existe una deriva despreciable durante el
perodo en el que se efectan las observaciones, puesto que existe una componente potencial de la
incertidumbre, que puede ser atribuida a la puesta a cero y que puede ser determinada
estadsticamente.
De forma similar, si se va a hacer una lectura en cada repeticin de la medicin (preferiblemente
despus de haber perturbado el barmetro y haberle dado tiempo de recuperar su punto de
equilibrio), puesto que puede existir una variacin, tanto en la indicacin como en la lectura, aunque
la presin atmosfrica se mantenga constante.
F.1.1.3 A continuacin debe plantearse la cuestin si todas las influencias que se suponen
aleatorias, son tales Son constantes las medias y las variancias de las distribuciones? Puede ser
que exista una deriva en el valor de una magnitud de influencia, no medida durante el perodo de
repeticin de las observaciones?. Si se dispone de un nmero suficiente de observaciones, pueden
calcularse las medias aritmticas de los resultados de la primera y segunda mitad del perodo, as
como sus desviaciones estndar experimentales, comparando las dos medias entre s y juzgando si
su diferencia es estadsticamente significativa para deducir que si hay algn efecto que vara con el
tiempo.
F.1.1.4 Si los valores de alimentacin del laboratorio (tensin y frecuencia elctricas, presin y
temperatura del agua, presin de nitrgeno, etc.) son magnitudes de influencia, no ser posible
ignorar la componente fuertemente aleatoria que normalmente existe en sus variaciones.
F.1.1.5 Si la ltima cifra significativa de una indicacin digital vara continuamente durante una
observacin debido al ruido, ser difcil no seleccionar involuntariamente valores de dicha cifra,
elegidos por razones personales de difcil justificacin. Es preferible establecer algn medio para
congelar la indicacin en un instante arbitrario y registrar dicho resultado.
F.1.2 Correlaciones
La mayor parte de lo que se expone en este prrafo es aplicable a las evaluaciones de Tipo B de la
incertidumbre.
F.1.2.1 La covariancia asociada a las estimaciones de dos magnitudes de entrada Xi, y Xj tratarse
como insignificante o considerarse igual a cero, s
a) Xi son no correlacionadas (las variables aleatorias, no las magnitudes fsicas, que se
suponen invariables ver 4.1.1 nota 1) por ejemplo, porque se han medido en forma repetida pero no
simultnea, en ensayos independientes y diferentes, o por que representan magnitudes resultantes
de evaluaciones diferentes, hechas independientemente;
b) una de las magnitudes Xi o Xj puede ser tratada como constante;
c) se posee informacin insuficiente para evaluar la covariancia asociada a las estimaciones
de Xi y Xj.
NOTAS
1. En otros casos, como en el ejemplo de la resistencia de referencia de la nota 1 de 5.2.2, ocurre que las magnitudes de
entrada estn completamente correlacionadas y las incertidumbres estndar de sus estimaciones se combinan linealmente.
2. Ensayos diferentes pueden no ser independientes si, por ejemplo, se utiliza el mismo instrumento en ambos (ver
F.1.2.3).
F.1.2.2 La correlacin de dos magnitudes de entrada observadas de forma repetida y simultnea se
pueden determinar con ayuda de la ecuacin (17) de 5.2.3. Por ejemplo, si la frecuencia de un
oscilador, con compensacin nula o pequea de la temperatura es una magnitud de entrada, si la
temperatura ambiente es otra magnitud de entrada, y ambas magnitudes se observan
simultneamente, puede existir una correlacin significativa que se evidenciar mediante el clculo
de la covariancia entre la frecuencia del oscilador y la temperatura ambiente.
F.1.2.3 En la prctica, las magnitudes de entrada estn correlacionadas frecuentemente, puesto que
en la estimacin de sus valores se utiliza el mismo patrn fsico, el mismo instrumento de medida, el
mismo dato de referencia, o incluso el mismo mtodo de medicin aportando una incertidumbre
significativa. Sin perder generalidad, supongamos que dos magnitudes de entrada X1, y X2 estimadas
por x1, y x2 dependen de un conjunto de variables no correlacionadas Q1, Q2 ... QL. Entonces
X1 = F(Q1, Q2, ... , QL) y X2 = G(Q1, Q2, ... , QL); pudiendo aparecer algunas de las variables nicamente
en una de las dos funciones. Si u
2
(ql) es la variancia asociada a la estimacin ql de Ql, entonces la
variancia estimada a xl ser, segn la ecuacin (10) de 5.1.2.
con una expresin similar para u
2
(x2). La covariancia asociada a x1 y x2 est dada por
74
(F.1) .... ) (q u
q
F
) (x u
L
1 l
l
2
2
l
l
2
1
]
1
Puesto que nicamente contribuyen a la suma los trminos para los que F/ql 0 y G/ql 0, para
un l dado, la covariancia ser nula si no existe a la una variable comn a F y a G.
El coeficiente de correlacin estimado r(x1; x2), asociado a las dos estimaciones x1 y x2 est
determinado a partir de u(x1; x2) (ecuacin (F.2)) y de la ecuacin (14) de 5.2.2, con u(x1) calculada a
partir de la ecuacin (F.1) y u(x2) a partir de una expresin similar (Ver tambin la ecuacin (H.9) de
H.2.3). Tambin es posible, para la covariancia estimada asociada a dos magnitudes de entrada,
tener a la vez una componente estadstica (ver la ecuacin (17) de 4.2.3)) y una componente
evaluada como se ha explicado en el presente apartado.
EJEMPLOS
1 Una resistencia patrn Rs se utiliza en la misma medicin para determinar tanto una corriente
elctrica I, como una temperatura t. La corriente se determina midiendo con un voltmetro
digital, la diferencia de potencial en los bornes del patrn; la temperatura se determina
midiendo con un puente de resistencias y el patrn, la resistencia Rt(t) de un sensor de
temperatura calibrado, cuya relacin temperatura-resistencia viene dada por t = aR
2
0
(t) t0 en
el rango de temperaturas 15 C t 30 C, siendo a y t0 constantes conocidas. La intensidad
de corriente elctrica est determinada por la relacin I = VS/RS, y la temperatura por la relacin
t = a
2
(t)
2
0
R t0, donde (t) es igual a la relacin medida Rt(t)/RS, dada por el puente.
Como la magnitud RS es la nica comn a las expresiones que dan I y t, la ecuacin (F.2) da
para la covariancia de I y t.
) R ( u
R R
I
) t ; I ( u
S
2
S S

t
) R ( u R ) t ( a
R
V
S
2
S
2
S
S
) (2
2
1
1
]
1

) R ( u
R
) t t ( I 2
S
2
2
S
o
+

(Para simplificar la notacin, en este ejemplo se ha utilizado el mismo smbolo tanto para la
magnitud de entrada como para su estimacin).
Para obtener el valor numrico de la covariancia, se sustituyen en esta expresin los valores
numricos de las magnitudes medidas I y t, as como los valores de RS y de u(RS) dados en el
certificado de calibracin de la resistencia patrn. Queda claro que la unidad de u(I, t) es C, ya
que la dimensin de la variancia relativa [u(RS)/RS]
2
es igual a uno (sta ltima es llamada una
magnitud sin dimensin).
(F.2) ... ) (q u
q
G
q
) x ; (x u
L
1 l
l
2
l l
2 1
2
F
Supongamos adems que una magnitud P est relacionada con las magnitudes de entrada I y t
mediante la ecuacin P = C0 I
2
/(T0 + t), donde C0 y T0 son constantes conocidas de
incertidumbre despreciable [u
2
(C0) 0, u
2
(T0) 0]. La ecuacin (13) de 5.2.2 da, para la
variancia de P en funcin de las variancias de I, de t y de su covariancia.
2
0
2
2 2
2
) t T (
) t ( u
) t
4
I
) I (
4
P
) P ( u
+
+
+

0
2
(T I
t) (I, u

u

Las variancias u
2
(I) y u
2
(t) se obtienen aplicando la ecuacin (10) de 5.1.2 a las relaciones
I = VS/RS y t = a
2
(t) RS
2
t0.
Se obtiene
2
S S
2 2
S S
2 2 2
R / ) R ( u V / ) V ( u I / ) I ( u +
2
S S
2 2
0
2 2 2
0
2
R / ) R ( u ) t t ( 4 / ) ( u ) t t ( 4 ) t ( u + + +
donde, por simplicidad, se supone que las incertidumbres de las constantes t0 y a son
tambin despreciables. Estas expresiones pueden evaluarse de forma sencilla, ya que
u
2
(VS) y u
2
() pueden determinarse

respectivamente a partir de lecturas repetidas del
voltmetro y del puente de resistencias. Naturalmente, al determinar u
2
(VS) u
2
() es necesario
tener en cuenta todas las incertidumbres debidas a los propios instrumentos de medida y a
los mtodos operativos utilizados.
2 Para el ejemplo de la nota 1 de 5.2.2 supongamos que la calibracin de cada resistor est
representada por Ri = iRS, con una incertidumbre estndar u(i)

de la relacin

i, obtenida a partir de
observaciones repetidas. Supongamos adems que i 1 para cada resistencia, y que u (ai) sea
prcticamente la misma para cada calibracin, de forma que u(i) u(). Entonces, las ecuaciones
(F.1) y (F.2) dan u
2
(Ri) = RS
2
u
2
() + u
2
(RS) y u(Ri, Rj) = u
2
(RS). Esto implica segn la ecuacin (14) de
5.2.2 que el coeficiente de correlacin de dos resistencias cualesquiera (i j) es
1
2
S S
j i
R / ) R ( u
) ( u
1 ) R , R ( r

1
1
]
1
1
]
1
+

r
ij
Dado que u(RS)/RS = 10
-4
, si u() = 100 x 10
-6
, rij 0,5; si u(a) = 10 x 10
-6
, rij 0,990; y si
u(a) = 1 x 10
-6
, rij 1000.
O sea, cuando u() 0 , rij 1 y u(Ri) u(RS)
NOTA - En general, en las calibraciones por comparacin, como las de este ejemplo, los valores estimados de los
elementos calibrados se encuentran correlacionados con un grado de correlacin que depende de la relacin existente
entre la incertidumbre de la comparacin y la incertidumbre del patrn de referencia. Cuando la incertidumbre de la
comparacin es despreciable frente a la incertidumbre del patrn, lo que ocurre frecuentemente en la prctica, los
coeficientes de correlacin son iguales a +1, y la incertidumbre de cada elemento calibrado es la misma que la del patrn.
F.1.2.4 Puede pasarse por alto la introduccin de la covariancia u(xi, xj) siempre que el conjunto
original de magnitudes de entrada X1, X2 ..., XN, de las que depende del mensurando Y (ver ecuacin
(1) de 4.1.)) se redefina de forma que considere adicionalmente como magnitudes de entrada
independientes, las magnitudes Q1 que son comunes a dos o ms de las Xi originales (puede ser
necesario efectuar mediciones complementarias para establecer completamente la relacin entre las
76
Ql y las Xi afectadas). Sin embargo, en determinadas situaciones, puede ser ms cmodo mantener
las covariancias, en lugar de acrecentar el nmero de magnitudes de entrada. Un tratamiento similar
puede aplicarse a las covariancias observadas como resultado de observaciones simultneas y
repetidas (ver ecuacin (17) de 5.2.3), aunque la identificacin de las magnitudes de entrada
complementarias apropiadas es con frecuencia algo ad hoc, y no fsico.
EJEMPLO Si, en el ejemplo del prrafo 1 anterior, se introducen en la expresin de P las
expresiones de I y t en funcin de Rs, el resultado es
[ ]
0
2
S
2 2
S
2
S 0
t R ) t ( R
V C
P
+
0
T
evitndose as la correlacin entre I y t, en base al reemplazar dichas magnitudes de entrada por las
magnitudes VS, RS y . Como estas magnitudes no estn correlacionadas, la variancia de P puede
obtenerse a partir de la ecuacin (10) de 5.1.2.
F.2 Componentes evaluadas por otros medios: evaluacin de Tipo B de la incertidumbre
estndar.
F.2.1 La necesidad de evaluaciones de Tipo B
Si un laboratorio de medicin dispusiera de recursos y tiempo ilimitados, podra efectuar una
investigacin estadstica exhaustiva de todas las causas de incertidumbre posible por ejemplo
utilizando instrumentos de diferentes tipos y de distintos fabricantes, con diferentes mtodos de
medicin, diferentes modos de aplicacin del mtodo y diferentes aproximaciones para los modelos
tericos de la medicin. Las incertidumbres asociadas a todas estas causas podran entonces
evaluarse mediante anlisis estadstico de series de observaciones, y la incertidumbre debida a
cada causa podra caracterizarse estadsticamente mediante una desviacin estndar. En otras
palabras, todas las componentes de la incertidumbre se obtendran mediante evaluaciones de Tipo
A. Como tal estudio no es econmicamente viable, muchas componentes de la incertidumbre deben
evaluarse por otros mtodos ms prcticos.
F.2.2 Distribuciones determinadas matemticamente
F.2.2.1 Resolucin de una indicacin digital
Una de las fuentes de incertidumbre de un instrumento digital es la resolucin de su dispositivo
indicador. Aunque, por ejemplo, si las indicaciones repetidas fueran todas idnticas, la incertidumbre
de medicin atribuible a la repetibilidad no es igual a cero, puesto que para un rango dado de seales
de entrada al instrumento, dentro de un intervalo conocido, se obtendra la misma indicacin. Si la
resolucin del dispositivo indicados es x, el valor de seal de entrada que produce una indicacin
dada X puede situarse con igual probabilidad en cualquier punto dentro del intervalo que va de X -
x/2 a
X + x/2. La seal de entrada puede describirse entonces por medio de una distribucin rectangular
(ver 4.3.7 y 4.4.5) de x y variancia u
2
= (x)
2
/12, lo que supone amplitud u = 0,29 x para cualquier
indicacin.
As, un instrumento de pesada con un dispositivo indicador, cuya cifra significativa menor sea igual a
1 g, tendr una variancia debida a la resolucin del dispositivo igual a u
2
= (1/12) g
2
y una
incertidumbre estndar igual
u = (1/ g 29 , 0 g ) 12
F.2.2.2 Histresis
Ciertos tipos de histresis pueden causar un tipo similar de incertidumbre. La indicacin de un
instrumento puede diferir de una cantidad fija y conocida, segn que las lecturas sucesivas se tomen
en sentido creciente o decreciente. El operador prudente tomar nota del sentido en que se toman la
lecturas sucesivas y har las correcciones apropiadas. Pero no siempre es posible observar el
sentido de la histresis: puede haber oscilaciones ocultas dentro del instrumento, alrededor de un
punto de equilibrio, de forma que la indicacin dependa del sentido final de aproximacin a dicho
punto. Si la amplitud del intervalo de posibles lecturas debidas a esta causa es x, la variancia es
nuevamente u
2
= (x)
2
/12 y la incertidumbre estndar debida a la histresis es u = 0,29 x.
F.2.2.3 Clculos de precisin finita
El redondeo de nmeros que tiene lugar en las reducciones automticas de datos en las
computadoras tambin puede ser una fuente de incertidumbre. Consideremos por ejemplo un
ordenador con una longitud de palabra de 16 bits. Si, en el transcurso de los clculos, un nmero
con esta longitud de palabra se resta de otro del que difiere nicamente en el bit n 16, el resultado
poseer nicamente un bit significativo. Tales casos pueden producirse en la evaluacin de
algoritmos mal estructurados, siendo difciles de prever. Puede obtenerse empricamente una
determinacin de la incertidumbre, realizando pequeos incrementos de la magnitud de entrada ms
importante para el clculo (frecuentemente una de ellas es proporcional a la magnitud de salida)
hasta que se produzca una variacin en la magnitud de salida. La menor variacin en la magnitud de
salida obtenida de esta forma puede tomarse como una medida de la incertidumbre; si dicha
variacin es x, la variancia es u
2
= (x)
2
/12 y u = 0,29 x.
NOTA Puede verificarse la evaluacin de la incertidumbre, comparando el resultado del clculo efectuado en un
ordenador de longitud de palabra limitada, con el resultado del mismo efectuado en otro ordenador de longitud de palabra
significativamente mayor.
F.2.3 Valores de entrada de origen externo
F.2.3.1 Un valor de origen externo para una magnitud de entrada es aquel que no ha sido estimado
en el curso de una medicin dada, sino que ha sido obtenido como resultado de una evaluacin
independiente. Tal valor de origen externo est frecuentemente acompaado por una indicacin
acerca de su incertidumbre. La incertidumbre puede estar dada, por ejemplo, por una desviacin
estndar, por un mltiplo de sta, o por el semiintervalo o los lmites extremos de un intervalo, con un
probabilidad de cobertura dado. Alternativamente, pueden darse los lmites superior e inferior, o
tambin puede suceder que no s de ninguna informacin acerca de la incertidumbre. En este ltimo
caso, los usuarios de dicho valor deben emplear su propio conocimiento sobre el orden probable de
la magnitud de la incertidumbre, en funcin de la naturaleza de la magnitud, la confiabilidad de la
fuente, las incertidumbres obtenidas en la prctica para tales magnitudes, etc.
NOTA La discusin sobre la incertidumbre de las magnitudes de entrada de origen externo, est incluido en este prrafo
sobre la evaluacin de Tipo B de la incertidumbre estndar, exclusivamente por conveniencia, la incertidumbre de una
magnitud tal puede incluir componentes obtenidas tanto por evaluaciones de Tipo A como de Tipo B. Dado que no es
necesario distinguir entre s las componentes evaluadas por los diferentes mtodos, en el momento de calcular una
incertidumbre estndar combinada, tampoco es necesario conocer la composicin de la incertidumbre de una magnitud de
origen externo.
F.2.3.2 Algunos laboratorios de calibracin han adoptado con forma prctica expresar la
incertidumbre como los lmites superior e inferior de un intervalo que posee como mnimo una
78
determinada probabilidad de cobertura, por ejemplo al menos de 95 %. Esto puede tomarse como
ejemplo de los que se denomina incertidumbre segura (Ver E.1.2), la cual no puede transformarse
en una incertidumbre estndar, sin conocer previamente cmo ha sido calculado dicho intervalo. Si la
informacin de que se dispone es suficiente, la incertidumbre estndar puede calcularse siguiendo
las reglas de esta norma; si no es as, deber realizarse una evaluacin independiente de la
incertidumbre por todos los medios de que se disponga.
F.2.3.3 Algunas incertidumbres se dan simplemente como lmites extremos entre los que estn
comprendidos todos los valores de la magnitud. La prctica habitual es suponer que todos los valores
comprendidos entre dichos lmites son igualmente probables (funcin de distribucin rectangular),
pero no podra adoptarse tal hiptesis, si existieran razones para suponer que los valores situados en
el interior, pero cerca de los lmites, fueran menos probables que los situados en el centro del
intervalo comprendido entre dichos lmites. Una distribucin rectangular de semiintervalo a tiene una
variancia igual a a
2
/3; una distribucin normal, para la que a es el semiancho del intervalo de
probabilidad de cobertura de 99,73 %, tiene una variancia igual a a
2
/9. Puede ser prudente adoptar
un compromiso entre ambos valores suponiendo, por ejemplo, que la funcin de distribucin es
triangular, con variancia igual a a
2
/6. (ver 4.3.9 y 4.4.6).
F.2.4 Valores de entradas medidos
F.2.4.1 Observacin nica, instrumentos calibrados
Si una estimacin de entrada se ha obtenido a partir de una nica observacin, con un instrumento
determinado, calibrado respecto a un patrn de baja incertidumbre, la incertidumbre de la estimacin
es principalmente una incertidumbre de repetiibilidad. La variancia de las mediciones repetidas con el
mismo instrumento puede haber sido obtenida en una ocasin anterior, y no necesariamente para el
mismo valor actual de lectura, sino para un valor lo suficientemente prximo como para poder ser
utilizado, admitindose la aplicacin de la variancia as deducida al valor de entrada en cuestin. Si
no se dispone de tal informacin, debe asumirse una estimacin basada en la naturaleza del aparato
o del instrumento de medida, las variancias conocidas de otros instrumentos de construccin similar,
etc.
F.2.4.2 Observacin nica, instrumentos verificados.
No todos los instrumentos de medicin vienen acompaados de un certificado de calibracin o de
una curva de calibracin. La mayor parte de ellos, sin embargo, se construyen siguiendo alguna
norma escrita, y se verifica su conformidad con dicha norma, por el fabricante, o por una autoridad
independiente. Habitualmente, la norma contiene los requerimientos metrolgicos, frecuentemente en
forma de errores mximos permitidos, que deben cumplir los instrumentos. La conformidad del
instrumento con estos requerimientos se realiza mediante comparacin con un instrumento de
referencia, cuya incertidumbre mxima permitida viene habitualmente especificada en la norma. Esta
incertidumbre es una componente de la incertidumbre del instrumento verificado.
Si no se dispone de informacin acerca de la curva de error caracterstica del instrumento verificado,
puede suponerse que el error tiene la misma probabilidad de tener cualquier valor, dentro de los
lmites permitidos; es decir de tener una funcin de distribucin rectangular. Sin embargo, algunos
tipos de instrumentos poseen curvas caractersticas tales que los errores son, por ejemplo, siempre
positivos en una zona del campo de medida, y negativos en otras zonas. Este tipo de informacin
puede a veces deducirse del estudio de la norma.
F.2.4.3 Magnitudes bajo control
Las mediciones se efectan frecuentemente en condiciones de referencia controladas, que
permanecen constantes en el curso de una serie de mediciones.
Por ejemplo, las mediciones pueden efectuarse sobre muestras situadas en un bao dotado de
circulacin de aceite, cuya temperatura est regulada por un termostato. La temperatura del bao
puede medirse en el instante en que se realiza la medicin sobre cada muestra pero, si la
temperatura del bao vara en forma cclica, la temperatura instantnea de la muestra puede no ser
la indicada por el termmetro en el bao. El clculo de las fluctuaciones de temperatura de la
muestra, y de su variancia, basadas de la teora de la transferencia de calor, queda fuera del alcance
de esta norma, pero debe realizarse a partir de un ciclo de temperatura conocido o supuesto del
bao. Este ciclo puede observarse con ayuda de una termocupla de precisin y un registrador de
temperatura pero en su defecto, podr deducirse una aproximacin a partir del conocimiento que
pueda tenerse sobre la naturaleza de control.
F.2.4.4 Distribuciones asimtricas de valores posibles
Hay ocasiones en que todos los valores posibles de una magnitud se sitan de un solo lado respecto
a un nico valor lmite. Por ejemplo, cuando se mide la altura vertical fija h (el mensurando) de una
columna de lquido en un manmetro, el eje del dispositivo de medida de la altura puede estar
desviado respecto a la vertical un pequeo ngulo . La distancia l determinada por el dispositivo
ser siempre mayor que h, no existiendo valores posibles inferiores a h, ya que h es igual a la
proyeccin l cos, y por tanto l = h /cos, y todos los valores de cos son menores que uno. Este
error denominado error de coseno puede producirse tambin de forma tal que la proyeccin h cos
de un mensurando h sea igual a la distancia observada l; es decir, l = h cos y que la distancia
observada sea siempre inferior al mensurando.
Si se introduce una nueva variable = 1 cos, las dos situaciones diferentes son, suponiendo
0 o << 1, lo que es habitual en la prctica.
(F.3a) ) ... - (1 l h
(F.3b) ... ) (1 + l h'
con
I
como el mejor estimador de l, es igual a la media aritmtica de n observaciones repetidas e
independientes lk de l, con variancia estimada u
2
(l) (ver ecuaciones (3) y (5) de 4.2). A partir de las
ecuaciones (F.3a) y (F.3b) se deduce entonces que para obtener una estimacin de h, o de h se
requiere una estimacin del factor de correccin , mientras que para obtener la incertidumbre
estndar combinada de la estimacin de h, o de h es requerida adems u
2
(), variancia estimada de
. De forma ms especfica, la aplicacin de la ecuacin (10) de 5.1.2 a las ecuaciones (F.3a) y F.3b)
da, para uc
2
(h)

y

uc
2
(h) (signos y + respectivamente).
(F.4a) ... ) ( ) (l
2 2 2 2
2
u l ) l ( u u
c
+
(F.4b) ... ) (
2
2
2
+ u l ) l ( u
Para obtener la estimacin del valor esperado de , y de la variancia de , supongamos que el eje
del dispositivo utilizado para medir la altura de la columna de lquido en el manmetro est forzado a
80
mantenerse en un plano vertical, y que los valores del ngulo de inclinacin alrededor de su valor
esperado, igual a cero, se distribuyen normalmente, con variancia
2
. Aunque pueda tomar valores
tanto positivos como negativos, = 1 cos es positivo para todos los valores de . Si se supone
que no hay restriccin alguna para el desalineamiento del eje del dispositivo, la orientacin de ste
puede variar dentro de un ngulo slido, ya que puede desalinearse en un azimut cualquiera, pero
siempre ser un ngulo positivo.
En el caso de restriccin de a un plano vertical, caso unidimensional, el elemento de probabilidad
p()d (nota en C.2.5) es proporcional a [exp (-
2
/2
2
)]d; en el caso bidimensional, o sin restriccin,
el elemento de probabilidad es proporcional a [exp (-
2
/2
2
)] send d. En los dos casos, las
expresiones a utilizar en las ecuaciones (F.3) y (F.4) para determinar la esperanza matemtica y la
variancia de , son las funciones de densidad de probabilidad p(). Estas pueden obtenerse
fcilmente a partir de los elementos de probabilidad, ya que el ngulo puede suponerse pequeo,
pudiendo sustituirse = 1 cos y sen por los rdenes ms bajos de , de sus desarrollos en
serie. Esto da
2
/2, sen = 2 , y d = d/ 2 . Las funciones de densidad de probabilidad
sern entonces
(F.5a) ... ) / (- exp
1
) ( p
2

para una dimensin
para dos dimensiones,
con
1 d ) ( p
0

Las ecuaciones (F.5a) y (F.5b), que muestran que el valor ms probable de la correccin en los dos
casos es igual a cero, dan, en el caso unidimensional E() =
2
/2 y var () =
4
/2 para la esperanza
matemtica y la variancia de ; y en el caso bidimensional E() =
2
y var() =
4
. Las ecuaciones
(F.3a), (F.3b) y (F.4b) quedan transformadas entonces en
[ ] ) u ) (d/ - 1 l h
2
( 2 ...(F.6a)
[ ] ) ( u ) (d/ 1 l h
2
2 + ...(F.6b)
) ( u l ) (d/ ) l ( u ) (h' u (h) u
c c

4
2
2 2 2
2 +
...(F.6c)
donde d es el nmero de dimensiones (d = 1 2) y u() es la incertidumbre estndar del ngulo ,
tomada como la mejor estimacin de la desviacin estndar de una distribucin que se supone
evaluada a partir de la totalidad de la informacin disponible, referida a la medicin (evaluacin de
(F.5b) ... / (- exp
2
)
1
) ( p
2

Tipo B). Este es un ejemplo de un caso donde la estimacin del valor del mensurando depende de la
incertidumbre de una magnitud de entrada.
Aunque las ecuaciones (F.6a) a (F.6c) sean especficas para una distribucin normal, puede
efectuarse el anlisis suponiendo otras distribuciones para sigue una ley rectangular simtrica, con
+0 y -0 como lmites superior e inferior en el caso unidimensional, y + 0 y 0 en el caso
bidimensional,
E() = 0
2
/6 y var () = 0
4
/45 para una dimensin, y E() =
2
0/4 y var () =
4
0/48 para dos
dimensiones.
NOTA Esta es una situacin en la que el desarrollo de la funcin Y = (X1, X2, ... XN) en una serie de Taylor de primer
orden para obtener u
2
c (y), ecuacin (10) de 5.1.2 es inadecuada debido a la no linealidad de : cos cos (ver nota 2 de
5.1.2 y H.2.4). Aunque pudiera efectuarse completamente el anlisis en funcin de , la introduccin de la variable
simplifica el problema.
Otro ejemplo de una situacin en que todos los valores posibles de una magnitud se encuentran de
un solo lado respecto a un lmite nico es el de la determinacin, por la titulacin de la concentracin
de un componente en una solucin cuando el punto final viene indicado por la emisin de una seal;
la cantidad de reactivo aadido es siempre superior a la que sera necesaria para la emisin, jams
inferior. El exceso de reactivo respecto a la requerida en el punto de equivalencia titulante, es una
variable necesaria para la reduccin de los datos y, en este y en otros casos similares, el
procedimiento consiste en suponer una distribucin de probabilidad apropiada para la cantidad de
reactivo en exceso, y utilizarla para obtener la esperanza matemtica y la variancia de dicho exceso.
EJEMPLO Si se supone una distribucin rectangular de lmite inferior cero y de lmite superior C0
para la cantidad de reactivo en exceso z, la esperanza matemtica del exceso ser C0/2 y la
variancia asociada C0/12. Sin embargo, si para funcin de densidad de probabilidad del exceso se
toma como una distribucin normal, con 0 z < ; es decir, p(z) =
1
) 2 / (

exp (-z
2
/2
2
), la
esperanza matemtica ser entonces igual a
/ 2
y la variancia
2
(1 - 2/).
F.2.4.5 Incertidumbre cuando no se aplican correcciones derivadas de una curva de
calibracin
La nota de 6.3.1 presenta el caso en que no se aplica una correccin conocida b de un efecto
sistemtico significativo al resultado de una medicin sino que, en lugar de esto, se toma en cuenta
para expandir la incertidumbre atribuida al resultado. Se puede, por ejemplo, reemplazar una
incertidumbre expandida U, por una incertidumbre U + b, donde U es la incertidumbre expandida
obtenida con la hiptesis de b = 0. Esta prctica es seguida a veces en situaciones en las que se dan
todas las condiciones siguientes: l mensurando Y est definido para un rango de valores de un
parmetro t, como en el caso de la curva de calibracin de un sensor de temperatura: U y b
dependen tambin de t; y adems existe un valor comn de incertidumbre atribuible a todas las
estimaciones y (t) del mensurando, dentro del rango de valores posibles de t. En tales casos, el
resultado de la medicin est dado frecuentemente como Y(t) = y(t) t (Umx + bmx), donde el
subndice mx indica que se utiliza el valor mximo de U y el valor mximo de la correccin
conocida b, en el rango de valores de t.
Aunque esta norma recomienda aplicar las correcciones por efectos sistemticos identificados como
significativos a los resultados de medida, hay situaciones en las que esto no es posible, dado el costo
inaceptable que supondra calcular y aplicar una correccin individual, y luego calcular y aplicar una
incertidumbre individual a cada valor de y(t).
82
Una aproximacin relativamente simple para este problema, que es consistente con los principios de
esta norma, es la de calcular una correccin media nica, a partir de
(F.7a) ...
t
1

2

2
1
t
t
1
dt ) t ( b
t
b
donde t1 y t2 definen el intervalo de inters del parmetro t, y se toma como mejor estimacin de Y(t),
y(t) = y(t) +
b
, donde y(t) es la mejor estimacin no corregida de Y(t). La variancia asociada a la
correccin media
b
para el intervalo viene dada por
[ ] (F.7b) ... t d b ) t ( b
t t
1
) b ( u
2
t
t
1 2
2 2
1
sin considerar la incertidumbre de la determinacin actual de la correccin b (t). La variancia media

de la correccin b(t) debida a su determinacin real viene dada por
[ ] [ ] (F.7c) ... dt b(t) u
t t
1
) t ( b u
2
t
1
t
2
1 2
2
donde u
2
(b (t)) es la variancia de la correccin b(t). De forma anloga, la variancia media de y(t)
proveniente de todas las fuentes de incertidumbre distintas de la correccin b(t) se obtiene a partir de
[ ] [ ] (F.7d) ... dt y(t) u
t t
1
) t ( y u
2
t
1
t
2
1 2
2
donde u
2
[(y(t)] es la variancia de y(t) debida a todas las fuentes de incertidumbre distintas a b(t). El
valor nico de la incertidumbre estndar, a utilizar para todas las estimaciones y(t) = y(t) +
b
del
mensurando Y(t) es la raz cuadrada positiva de la variancia combinada
[ ] [ ] (F.7e) ... ) b ( u ) t ( b u ) t ( y u ) ' y ( u
2 2 2 2
c
+ +
Puede obtenerse una incertidumbre expandido U multiplicando uc(y) por un factor de cobertura k
elegido de forma conveniente, tal que U = k uc (y), lo que da Y(t) = y(t) t U = y(t) +
b
t U. No
obstante, no hay que olvidar que se ha utilizado la misma correccin media para todos los valores de
t, en lugar de la correccin conveniente para cada valor de t, siendo necesario indicar claramente lo
que representa U.
F.2.5 Incertidumbre debida al mtodo de medicin
F.2.5.1 Es posible que la componente de incertidumbre ms difcil de evaluar sea la asociada al
mtodo de medicin, en particular si se ha comprobado que la variabilidad de los resultados
obtenidos con este mtodo es menor que la resultante de aplicar cualquier otro mtodo conocido. Sin
embargo, es probable que existan otros mtodos, algunos incluso desconocidos o de difcil aplicacin
prctica por una u otra razn, que podran dar resultados sistemticamente diferentes, con igual
validez aparente. Esto implica una funcin de distribucin de probabilidad a priori, y no una
distribucin de la que poder tomar fcilmente muestras para ser tratadas estadsticamente. Entonces,
aunque la incertidumbre del mtodo pueda ser la incertidumbre dominante, la nica informacin
disponible frecuentemente para evaluar la incertidumbre estndar proviene de lo que se conoce del
mundo fsico (ver tambin E.4.4).
NOTA La determinacin del mismo mensurando por mtodos distintos, en el mismo laboratorio, o en diferentes
laboratorios, o mediante un mismo mtodo, en laboratorios diferentes, aporta frecuentemente una informacin vlida sobre
la incertidumbre atribuible a un mtodo particular. En general, el intercambio entre laboratorios de patrones o de materiales
de referencia para realizar mediciones independientes, es una manera vlida de comprobar la confiabilidad de las
evaluaciones de incertidumbre y de identificar efectos sistemticos no puestos de manifiesto con anterioridad.
F.2.6 Incertidumbre debida a la muestra
F.2.6.1 Numerosas mediciones conforman la comparacin de un objeto desconocido con un patrn
conocido, de caractersticas similares, para calibrar el objeto desconocido. Puede darse como
ejemplo los bloques patrn longitudinales, algunos termmetros, juegos de masas, resistores y
materiales de alta pureza, etc.
Lo ms frecuente en tales casos es que el mtodo de medicin no sea especialmente sensible o
afectado adversamente por el tratamiento o por la seleccin de la muestra (es decir, por la muestra
particular a calibrar), o por los efectos de diversas magnitudes de influencia ligadas al ambiente,
puesto que la muestra desconocida y el patrn responden generalmente de forma similar y
frecuentemente previsible a estas variables.
F.2.6.2 En determinadas situaciones prcticas de medida, el muestreo y el tratamiento de la muestra
juegan un papel mucho ms importante. Este se da frecuentemente en el caso del anlisis qumico
de materiales o sustancias naturales. Contrariamente a los materiales fabricados por el hombre, en
los que su homogeneidad puede haber sido comprobada a un nivel superior al requerido en la
medicin, las sustancias naturales carecen con mayor frecuencia de dicha homogeneidad. Esta
heterogeneidad conduce a dos componentes complementarias de la incertidumbre. La evaluacin de
la primera componente requiere determinar hasta qu punto la muestra seleccionada representa
correctamente al material o sustancia objeto del anlisis. La evaluacin de la segunda componente
requiere determinar en qu medida los constituyentes secundarios (no analizados) influyen sobre la
medicin y son correctamente tratados por el mtodo de medicin.
F.2.6.3 En algunos casos, un cuidadoso diseo del experimento hace posible evaluar
estadsticamente la incertidumbre debida a la muestra (ver H.5 y H.5.3.2). No obstante,
habitualmente, y en especial cuando las magnitudes de influencia ligadas al medio ambiente tienen
efectos significativos sobre la muestra, para evaluar la incertidumbre es necesario acudir a la
competencia y a los conocimientos del analista, derivados de su experiencia, as como considerar la
totalidad de la informacin prctica que se dispone.
84
Anexo G
(Normativo)
Grados de libertad y probabilidad de cobertura
G.1 Introduccin
G.1.1 Este anexo aborda el problema general de la obtencin de una incertidumbre expandida
Up = kp uc (y) a partir de la estimacin y del mensurando Y, y de la incertidumbre estndar combinada
uc(y) de dicha estimacin. A partir de esta incertidumbre expandida, se define un intervalo
y Up Y y + Up que corresponde a una probabilidad de cobertura p, especfico y de alto valor.
Este anexo trata pues de la forma de determinar el factor de cobertura kp que produce, en torno al
resultado de medicin y, un intervalo en el que se espera encontrar una fraccin importante p de la
distribucin de valores que podrn ser razonablemente atribuidos al mensurando Y (ver captulo 6).
G.1.2 En la mayora de las situaciones prcticas de medicin, el clculo de un intervalo
correspondiente a una probabilidad de cobertura especificada es, como mucho, aproximado, al igual
que lo es la estimacin de la mayor parte de las componentes individuales de la incertidumbre en
tales situaciones. Incluso si se obtiene una desviacin estndar experimental de la media, a partir de
un nmero tan elevado de observaciones repetidas como 30, para una magnitud descrita por una
distribucin normal, esta desviacin estndar tiene, ella misma, una incertidumbre de alrededor de un
13 % (ver tabla E.1 del anexo E).
En numerosos casos, no tiene sentido tratar de hacer la distincin entre, por ejemplo, un intervalo
con un probabilidad de cobertura del 95 % (una posibilidad sobre 20 de que el valor del mensurando
Y est situado fuera del intervalo) y un intervalo del 94 o del 96 por ciento (1 posibilidad sobre 17 o
sobre 25, respectivamente).
Es particularmente difcil obtener intervalos legtimos que correspondan realmente a probabilidades
de coberetura iguales o superiores al 99 % (1 posibilidad sobre 100), incluso si se supone que no se
ha subestimado ningn efecto sistemtico, puesto que en general, se posee muy poca informacin
acerca de los tramos ms extremos o colas de las funciones de probabilidad de las magnitudes de
entrada.
G.1.3 Para obtener el valor del factor de cobertura kp que proporciona un intervalo correspondiente a
una probabilidad especificada p, es necesario poseer un conocimiento detallado de la distribucin de
probabilidad caracterizada por el resultado de medicin y su incertidumbre estndar combinada. Por
ejemplo, para una magnitud z descrita por una funcin normal, de esperanza matemtica z y
desviacin , es fcil calcular el valor de kp que proporciona un intervalo z t kp que comprende la
fraccin p de la distribucin, con una probabilidad de cobertura p. La tabla G.1 da algunos ejemplos.
Tabla G.1 Valor del factor de cobertura kp que proporciona un intervalo correspondiente a una
probabilidad de cobertura p, suponiendo una distribucin normal.
Probabilidad de cobertura p
(porcentaje)
Factor de cobertura kp
68,27
90
95
95,45
99
99,73
1
1,645
1,960
2
2,576
3
NOTA Comparativamente, si z est descrita por distribucin rectangular de esperanza matemtica z desviacin
estndar
3 / a
, donde a es el semirrango de la distribucin, la probabilidad de cobertura p es 57,74 % para kp = 1, 95
% para kp = 1,65, 99 % para kp = 1,71 y 100 % para kp
3
1,73. La distribucin rectangular es ms estrecha que la
distribucin normal, en lo que respecta extensin finita y a que no posee colas.
G.1.4 Si se conocen las distribuciones de probabilidad de las magnitudes de entrada X1, X2, ..., Xn de
las que dependen el mensurando y [sus esperanzas matemticas, sus variancias y sus momentos de
mayor grado (ver C.2.13 y C.2.22) si las distribuciones no son normales] y si Y es una funcin lineal
de las magnitudes de entrada, es decir, Y = c1X1 + c2 X2 + ... + cN XN, la distribucin de probabilidad de Y
puede entonces obtenerse mediante convolucin de las distribuciones de probabilidad individuales
[10]. Los valores de kp que proporcionan intervalos correspondientes a niveles de confianza
especficos p pueden calcularse a partir de las distribuciones resultantes de la convolucin.
G.1.5 Si la relacin funcional entre Y y sus magnitudes de entrada no es lineal, y si el desarrollo en
serie de Taylor, limitado al primer orden, no es una aproximacin conveniente de esta relacin (ver
5.1.2 y 5.1.5), la distribucin de probabilidad de Y no puede obtenerse mediante convolucin de las
distribuciones de las magnitudes de entrada. En tal caso, es necesario utilizar otros mtodos,
analticos o numricos.
G.1.6 En la prctica, por una parte los parmetros caracterizan las distribuciones de probabilidad de
las magnitudes de entrada son habitualmente estimaciones; por otra parte, no es realista esperar que
la probabilidad de cobertura correspondiente a un intervalo dado pueda conocerse con un elevado
grado de exactitud; como resultado, la convolucin de las distribuciones de probabilidad se toma una
operacin compleja y, en consecuencia, dicha convolucin raramente se realiza a la hora de calcular
el intervalo correspondiente a un probabilidad de cobertura especfico. En su lugar, se utilizan
aproximaciones basadas en el teorema del lmite central.
G.2 Teorema del lmite central
G.2.1 Si Y = c1X1 + c2 X2 + ...+ cN XN =
N
i 1
ci Xi, y todas las Xi estn caracterizadas por distribuciones
normales, la distribucin resultante de la convolucin Y tambin es normal. No obstante, con
frecuencia es posible suponer una distribucin normal para Y, aunque las distribuciones de Xi no lo
sean, teniendo en cuenta el teorema del lmite central. Este teorema establece que la distribucin de
Y ser aproximadamente normal, con esperanza matemtica E(Y) =
N
1 i
i i
) ( E X c y variancia
2
(Y) =
) (
i
N
1 i
2 2
i
X c

, donde E(Xi) es la esperanza matemtica de Xi y
2
(Xi) es la variancia de Xi,
siempre que las Xi sean independientes y
2
(Y) sea mucho mayor que cualquier otra componente
2
c
i

2
(Xi) de una Xi cuya distribucin no sea normal.
G.2.2 El teorema del lmite central es relevante ya que muestra el importante papel que representan
las variancias de las distribuciones de probabilidad de las magnitudes de entrada, en relacin con el
representado por los momentos de mayor orden de dichas distribuciones, en la determinacin de la
forma de la distribucin convolucin resultante de Y. Implica adems que la distribucin obtenida tras
la convolucin converge hacia una ley normal a medida que aumenta el nmero de magnitudes de
entrada que contribuyen a
2
(Y), que la convergencia ser tanto ms rpida cuanto ms prximos
sean entre s los valores de ci
2

2
(Xi) (lo que equivale en la prctica a que las estimaciones de
entrada xi contribuirn con incertidumbres comparables a la incertidumbre de la estimacin y del
mensurando Y), y que cuanto ms prximas a la normal sean las distribuciones de Xi, menor nmero
de ellas ser necesario para obtener una distribucin normal de Y.
86
EJEMPLO La distribucin rectangular (ver 4.3.7 y 4.4.5) es un caso extremo de distribucin no
normal, pero la convolucin de un nmero tan pequeo como tres distribuciones rectangulares de
igual rango ya es aproximadamente normal. Si el semirrango de cada una de estas tres
distribuciones rectangulares es a y, en consecuencia, la variancia es a
2
/3, la variancia de la
distribucin resultante de la convolucin es
2
= a
2
. Los intervalos del 95 % y del 99 % de la
distribucin resultante de la convolucin estn definidos respectivamente por 1,937 y 2,379 ,
mientras que los correspondientes a una distribucin normal de la misma desviacin estndar
vienen definidos por 1,960 y 2,576 (ver tabla G.1) [10].
NOTAS
1. Para todo intervalo de una probabilidad de cobertura p superior a aproximadamente un 91,7 por ciento, el valor de kp
para una distribucin normal es siempre superior al valor correspondiente de la distribucin resultante de la convolucin de
distribuciones rectangulares, cualquiera que sea el nmero y rango de stas.
2. Del teorema del lmite central se deduce que la distribucin de probabilidad de la media aritmtica q de n
observaciones qk de una variable aleatoria q, de esperanza matemtica q y desviacin estndar finita , tiende hacia una
distribucin normal de media q y desviacin estndar
n /
, cuando n , cualquiera que sea la distribucin de
probabilidad de q.
G.2.3 Una consecuencia prctica del teorema del lmite central es la siguiente: siempre que pueda
demostrarse que se cumplen aproximadamente las hiptesis de validez del teorema, en particular que la
incertidumbre estndar combinada c(y) no est dominada por una componente de incertidumbre
estndar obtenida por una evaluacin de Tipo A basada nicamente en unas pocas observaciones, o
por una componente de incertidumbre estndar obtenida por evaluacin de Tipo B basada en una
supuesta distribucin rectangular, para el clculo de una incertidumbre expandida UP = kp uc(Y) que
proporcione un intervalo de probabilidad de cobertura p, se utilizar para kp, en una primera
aproximacin razonable, un valor tomado de la distribucin normal. La tabla G.1 da los valores ms
comnmente utilizados para este fin.
G.3 La distribucin t y los grados de libertad
G.3.1 Para obtener una aproximacin mejor que la debida a la simple utilizacin de un valor de kp
deducido de la distribucin normal, como en G.2.3, debe tenerse presente que el clculo de un
intervalo de probabilidad de cobertura especfica necesita, no la distribucin de la variable [Y
E(Y)]/(Y), sino la distribucin de la variable (y-Y)/uc(y). La razn proviene del hecho de que, en la
prctica, de lo nico que se dispone es de y, estimacin de Y obtenida a partir de
i
N
1 i
i
x c y

,
donde xi es la estimacin de Xi y la variancia combinada asociada a y, u
2
c
(y), evaluada a partir de
2
c
u
(y) = ) x (
i
N
1 i
2
i
2
u c , donde u(xi) es la incertidumbre estndar (desviacin estndar estimada) de la
estimacin xi.
NOTA Para hacer totalmente correcto, en la expresin (y Y)/ uc(y) debera utilizarse E(Y) en lugar de Y. Por
simplificacin, tal distincin no se ha hecho ms que en algunos pocos lugares de la norma. En general, se ha utilizado el
mismo smbolo para la magnitud fsica, la variable aleatoria que representa a esta magnitud y la esperanza matemtica de
dicha variable (ver notas de 4.1.1).
G.3.2 Si una variable aleatoria x de esperanza matemtica z y desviacin estndar sigue una
distribucin normal, y z es la media aritmtica de n observaciones independientes zk de z, siendo s(
z
)
la desviacin estndar experimental de z [ver ecuaciones (3) y (5) de 4.2], entonces la distribucin de la
variable t = (
z
- z)/s(
z
) es la distribucin t o distribucin de Student (C.3.8) con = n 1 grados
de libertad.
En consecuencia, si el mensurando Y es simplemente una nica magnitud X que sigue una
distribucin normal Y = X, y si X se estima mediante la media aritmtica
X
de n observaciones
repetidas independientes Xk de X, con una desviacin estndar experimental de la media s(
X
),
entonces la mejor estimacin de Y es y =
X
y la desviacin estndar experimental de esta
estimacin es
uc(y) = s(
X
). Entonces t = (z - z)/s(z) = (
X
- X)/s(
X
) = (y Y)/u(y) se distribuye segn la
distribucin t, con
[ ] a) 1 (G. ) ( t t ) ( t Pr
p p
... p
[ ] b) 1 ... (G. ) ( t ) y ( / ) Y y ( ) ( t Pr
p c p
p u
lo que tambin puede escribirse en la forma
[ ] c) 1 ... (G. u ) ( Pr
p
(y) ) ( t y Y (y) u t y
c p c
+
En estas expresiones, Pr[ ] significa probabilidad de y el factor t, tp () es el valor de t para un valor
dado del parmetro nmero de grados de libertad (ver G.3.3) de forma que la fraccin p de la
distribucin t est comprendida en el intervalo desde tp() a + tp(). En consecuencia, la
incertidumbre expandida
d) 1 ... (G. ) ( ) ( ) y (
p c p p
y u t u k U
c

define un intervalo desde y Up a y + Up, escrito por comodidad Y = y t Up, el cual es de esperar
que contenga una fraccin p de la distribucin de valores que podran ser razonablemente atribuidos
a Y, siendo p la probabilidad de cobertura del intervalo.
G.3.3 El nmero de grados de libertad es igual a n 1, para una magnitud nica estimada por la
media aritmtica de n observaciones independientes, como en G.3.2. Si se utilizan las n
observaciones independientes para determinar a la vez la pendiente y la ordenada en el origen de
una recta, por el mtodo de los cuadrados mnimos, el nmero de grados de libertad de sus
incertidumbres estndars respectivas es =n 2. En el ajuste por el mtodo de los cuadrados
mnimos de m parmetros, a partir de n datos, el nmero de grados de libertad de la incertidumbre
estndar de cada parmetro es = n m (ver referencia [15] para un estudio completo de los grados
de libertad).
G.3.4 Al final de este anexo, en la tabla G.2 presenta una seleccin de valores de tp (v), para
diferentes valores de y de p. A medida que

, la distribucin t tiende hacia una distribucin
normal y tp() (1 + 2/)
1/2
kp, donde kp es el factor de cobertura necesario para obtener un intervalo
con una probabilidad de cobertura p para una variable distribuida normalmente. Por ello, en la tabla
G.2 el valor de tp() para un valor dado de p, es igual al valor de kp para el mismo valor de p de la
tabla G.1.
NOTA Frecuentemente la distribucin t est tabulada en cuantiles; los valores de t1
se obtienen a partir de la frmula
1
t
dt ) v , t ( 1 f
88
donde 1- es el cuantil y es la densidad de probabilidad de t. De esta forma , tp() y t1 -
() estn relacionados por p = 1 -
2. As, por ejemplo, el valor del cuantil t0,975 para el que 1 - = 0,975 y
= 0,025, es el mismo que el de tp() para p = 0,95.
G.4 Nmero efectivo de grados de libertad
G.4.1 La distribucin t no describe en general la distribucin de la variable (y Y)/uc(y), si uc
2
(y) es la
suma de dos o ms componentes de variancias estimadas uc
2
= ci
2
u
2
(xi) (ver 5.1.3), ni siquiera si
cada xi es la estimacin de una magnitud de entrada Xi distribuida normalmente. No obstante, es
posible aproximarse a la distribucin de esta variable por medio de una distribucin t con un nmero
efectivo de grados de libertad eff obtenido mediante la frmula de Welch-Satterhwaite [16, 17, 18].
a) 2 . (G. ..
) y ( ) y (
N
1 i i
4
i
eff
4
c

u u

o
(G.2b)
u
u
N
1 i
i
4
i
4
c
eff
) y (
) y (
con
c) 2 (G.
eff

N
1 i
i

donde uc
2
(y) = ) (
N
1 i
2
i
y u
(ver 5.1.3). La incertidumbre expandida Up = kp uc(Y) = tp(eff) uc(y)

proporciona entonces un intervalo Y = y t Up de una probabilidad de cobertura aproximada p.
NOTAS
1. Si el valor de eff obtenido a partir de la ecuacin (G.2b) no es un nmero entero, lo que ser el caso habitual en la
prctica, la obtencin del valor correspondiente de tp se realizar, a partir de la tabla G.2, por interpolacin o truncamiento
de eff al nmero entero inferior ms prximo.
2. Si una estimacin de entrada xi ha sido obtenida a su vez, a partir de dos o ms estimaciones, el valor de i a utilizar
con ui
4
(y) = [ci
2
u
2
(xi)]
2
en el denominador de la ecuacin (G.2b) ser el nmero efectivo de grados de libertad calculado
mediante una expresin equivalente a la ecuacin (G.2b).
3. Dependiendo de las necesidades de los usuarios potenciales de un resultado de medida, puede ser til, como
complemento a eff dar tambin los valores de effA y effB calculados a partir de la ecuacin (G.2b), al tratar separadamente
las incertidumbres estndar obtenidas en las evaluaciones de Tipo A y de Tipo B. Si notamos como u
2
cA(y) y u
2
cB(y) las
contribuciones a u
2
c(y) de las incertidumbres estndars de Tipo A y de Tipo B, las diferentes magnitudes estarn ligadas
mediante:
) y ( ) y ( ) y (
2
cB
2
cA
2
c
u u u +
effB

effA

eff

y) u

y u

(y) u

( ) (
4
cB
4
cA
4
c
+
EJEMPLO Supongamos que Y = (X1, X2, X3) = bX1 X2 X3, y que las magnitudes de entrada X1, X2,
X3 estn distribuidas normalmente, siendo sus respectivas estimaciones, x1, x2, x3, las medias
aritmticas de n1 = 10 n2 = 5, y n3 = 15 observaciones repetidas e independientes, con
incertidumbres estndars relativas u(x1)/x1 = 0,25 %, u(x2)/x2 = 0,57 % y u(x3)/x3 = 0,82 %. En este
caso,
ci = /Xi = Y/Xi (calculados para X1, X2, X3 ver 5.1.3, nota 1),
[ ] [ ]
2 2
i i c
3
1 i
2
c
%) 03 , 1 ( / ) ( y / ) y ( x x u u
, (ver nota 2 de 5.1.6 ) y la ecuacin (G.2b) se transforma en:

[ ]
[ ]
3
1 i i
4
i
4
eff
/ )
) y (
x u(x
/y u

i
c
Entonces,
0 , 19
1 - 15
82 , 0

1 - 5
57 , 0

1 - 10
25 , 0
03 , 1
4 4 4
4
eff

+ +

El valor de tp para p = 95 % y = 19 es (tabla G.2) t95(19) = 2,09, por lo tanto, la incertidumbre
relativa expandida para esta probabilidad de cobertura es U95 = 2,09 % x (1,03 %) = 2,2 %. Entonces,
puede decirse que Y = y t U95 = y (1 t 0,022) (y determinado a partir de y = bx1x2x3), o que 0,978 y
Y 1,022 y, y que la probabilidad de cobertura del intervalo es aproximadamente igual a un 95 %.
G.4.2 uc(y) depende en la prctica de las incertidumbres estndars u(xi) a partir de distribuciones,
unas de frecuencia y otras de probabilidad a priori (es decir, unas de evaluaciones de Tipo A y otras
de Tipo B). Lo mismo puede decirse de la estimacin y y de las estimaciones de entrada xi de las que
depende y. Sin embargo, la distribucin t puede constituir una aproximacin a la distribucin de
probabilidad de la funcin t = (y Y) / uc(y) si se desarrolla sta en serie de Taylor alrededor de su
esperanza matemtica. Esto es lo que se consigue especialmente, en la aproximacin de menor
orden, mediante la frmula de Welch-Satterhwaite, ecuacin (G.2a) o ecuacin (G.2b).
La cuestin consiste en saber cul es el nmero de grados de libertad asociado a una incertidumbre
estndar obtenida mediante evaluacin de Tipo B, cuando eff se calcula mediante la ecuacin
(G.2b). Puesto que la definicin de nmero de grados de libertad admite que , tal como aparece en
la distribucin t, es una medida de la incertidumbre de la variancia s
2
(z), puede utilizarse la ecuacin
(E.7) de E.4.3 para definir el nmero de grados de libertad i:
[ ]
) 3 ....(G.
) x (
)
) x (
) x (
2
i i
2
i
i

u
(x u

2
1

u
u

2
1

i
2

1
]
1
La magnitud entre los corchetes grandes es la incertidumbre relativa u(xi). Para una evaluacin de
Tipo B de la incertidumbre estndar, se trata de una magnitud subjetiva cuyo valor se obtiene
mediante juicio cientfico basado en el conjunto de informaciones disponibles.
EJEMPLO Supngase que el conocimiento que se tiene acerca de la forma en que se evaluaron la
estimacin de entrada xi y su incertidumbre estndar u(xi) permite concluir que el valor de u(x1) posee
una falta de confianza en torno a un 25 %. El significado de esto puede ser el de que la incertidumbre
relativa es u(xi)/u(xi) = 0,25, y en consecuencia, a partir de la ecuacin (G.3), que
90
i = (0,25)
2
/2 = 8. Sin embargo, si se supusiera como falta de confianza del valor de u(xi) un 50 %, i
sera entonces igual a 2. (ver tambin la tabla E.1 del anexo E).
G.4.3 En la presentacin de 4.3 y 4.4 para la evaluacin de Tipo B de la incertidumbre estndar, a
partir de una distribucin de probabilidad a priori, se supuso implcitamente que el valor de u(xi)
resultante de dicha evaluacin era conocido con exactitud. Por ejemplo, cuando u(xi) se obtiene a
partir de una distribucin rectangular de semirrango a = (a+ - a-)/2, como en 4.3.7 y 4.4.5, u(xi)=
3 / a
se considera como constante, sin incertidumbre, puesto que as son tambin considerados los
lmites a+ y a-, y, en consecuencia a (sino ver la nota 2 de 4.3.9). Esto supone, segn la ecuacin
(G.3) que i , o lo que es lo mismo, que 1/i 0, lo que no entraa dificultad alguna para evaluar
la ecuacin (G.2b). Adems, el suponer que i no est tan alejado de la realidad, ya que es una
prctica frecuente elegir a+ y a-, de forma que la probabilidad de que la magnitud en cuestin est
fuera del intervalo comprendido entre a+ y a-, sea extremadamente pequea.
G.5 Otras consideraciones
G.5.1 Una expresin procedente de la bibliografa sobre incertidumbres, y utilizada frecuentemente
para obtener una incertidumbre tal que proporcione un intervalo con un 95 % de confianza, es la
siguiente:
[ ] ) 4 (G. ... ) ' ( t U
2 / 1
eff
95
2 4
95
3u s
2 2
+
Aqu,
2
95
t (eff) corresponde a la distribucin t para eff grados de libertad y p = 95 %. eff es el nmero
efectivo de grados de libertad calculado a partir de la frmula de Welch-Satterhwaite [ecuacin
(G.2b)] tomando en cuenta nicamente las componentes de incertidumbre estndar si evaluadas
estadsticamente a partir de observaciones repetidas en la medicin actualmente en curso:
(a c (y) u u x f/
2
) 3 / y ; c , s c s
2
j
2
j
2
j i i
2
i
2
i
2

son de aplicacin para todas las dems
componentes de incertidumbre, con + aj y -aj como lmites superior e inferior de Xj, supuestos
exactamente conocidos, con respecto a su mejor estimacin xj (es decir, xj - aj Xj xj + aj).
NOTA Una componente basada en observaciones repetidas que hubieran sido realizadas fuera de la medicin en curso
se tratara de la misma forma que cualquiera de las otras componentes incluidas en u
2
. De aqu en adelante, con objeto de
poder hacer una comparacin significativa entre las ecuaciones (G.4) y (G.5) del apartado siguiente, se supondr que tales
componentes, si estn presentes, son despreciables.
G.5.2 Si mediante los mtodos recomendados en G.3 y G.4 se evala la incertidumbre expandida
que proporciona un intervalo con una probabilidad de cobertura del 95 %, la expresin resultante que
sustituye a la ecuacin (G.4) es
[ ] ) 5 ... (G. s ) ( t U
2 / 1
2 2
eff 95 95
u +
donde eff se calcula a partir de la ecuacin (G.2b) donde el clculo incluye todas las componentes
incertidumbre.
En la mayor parte de los casos, el valor de U95 obtenido mediante la ecuacin (G.5) ser mayor que
el de U obtenido por la ecuacin (G.4), siempre que se suponga que, en la evaluacin de la ecuacin
(G.5), todas las variancias de Tipo B se obtienen a partir de distribuciones rectangulares a priori, de
semirrangos iguales a intervalos con los lmites aj utilizados para calcular u
2
en la ecuacin (G.4).
Esto puede comprenderse fcilmente tras constatar que, aunque t95(eff) sea la mayor parte de las
veces algo superior a t95(eff), sin embargo, los dos factores son prximos al valor 2 y que en la
ecuacin (G.5), u
2
va multiplicada por
2
95
t (eff) 4, mientras que en la ecuacin (G.4), va multiplicada
por 3. Aunque las dos expresiones dan valores iguales para U95 y para U95 cuando u
2
<< s
2
, sin
embargo, U
95 es como un 13 % inferior a U95, cuando u

2
>> s
2
. As, la ecuacin (G.4) da en general
una incertidumbre que proporciona un intervalo con una probabilidad de cobertura inferior al intervalo
proporcionado por la incertidumbre expandida calculada a partir de la ecuacin (G.5).
NOTAS
1. En los lmites, cuando u
2
/s
2
y veff
, U95
1,960 u. En este caso, U
95 proporciona un intervalo con una

probabilidad de cobertura del 91,7 % solamente, mientras que U95 proporciona un intervalo con el 95 %. En la prctica, se
tiende hacia esta situacin cuando las componentes obtenidas a partir de estimaciones de lmites superior e inferior, son
dominantes, importantes en nmero y dan valores comparables para las uj
2
(y) = c
2
j a
2
j /3.
2. Para una distribucin normal, el facto de cobertura k =
3
1,732 proporciona un intervalo con una probabilidad de
cobertura p = 91,673 %. Este valor de p es muy estable, en el sentido de que, comparado con cualquier otro valor, es
independiente, en grado ptimo, de pequeas desviaciones de las magnitudes de entrada respecto a la normalidad,.
G.5.3 Ocasionalmente, una magnitud de entrada Xi puede distribuirse de forma asimtrica; es decir,
las desviaciones respecto a su esperanza matemtica pueden ser ms probables en un sentido que
en el otro (ver 4.3.8). Aunque este hecho no supone diferencia alguna respecto a la evaluacin de la
incertidumbre estndar u(xi) de la estimacin xi de Xi, y por tanto, de la evaluacin de uc(y), sin
embargo puede afectar al clculo de U.
Habitualmente, es cmodo proporcionar un intervalo simtrico Y = y t U, salvo que exista una
diferencia de coste entre las variaciones de un signo y las del otro. Si la asimetra de Xi entraa
nicamente una pequea asimetra de la distribucin caracterizada por el resultado de medida y y
por su incertidumbre estndar combinada uc(y), la prdida de probabilidad en uno de los lados, por
dar un intervalo simtrico, queda compensada por la ganancia de probabilidad en el otro lado. La
alternativa es proporcionar un intervalo simtrico en probabilidad (y, por lo tanto, asimtrico en U), de
forma que la probabilidad de que Y est situado por debajo del lmite inferior y U sea igual a la
probabilidad de que Y est situado por encima del lmite superior y + U. Pero para dar tales lmites,
es necesario contar previamente con ms informacin, no slo con las estimaciones y y uc (y) [y,
consecuentemente, con ms informacin que las estimaciones xi y u(xi) de cada magnitud de entrada
Xi].
G.5.4 La evaluacin de la incertidumbre expandida Up que aqu se hace, en funcin de uc(y), de eff y
del factor tp(eff) de la distribucin t, es solamente una aproximacin, y tiene sus limitaciones. La
distribucin (y Y)/ uc (y) sigue la distribucin t, nicamente si la distribucin de Y es normal, si la
estimacin y y su incertidumbre estndar combinada uc (y) son independientes y si la distribucin de
2
c
u (y) es una distribucin
2
. La introduccin de eff, ecuacin (G.2b), tiene que ver nicamente con el
ltimo problema, proporcionando una distribucin
2
aproximada para
2
c
u (y); la otra parte del
problema, que proviene de la falta de normalidad de la distribucin de Y, exige que se tomen en
consideracin, adems de la variancia, los momentos de mayor grado.
G.6 Resumen y conclusiones
G.6.1 El factor de cobertura kp que proporciona un intervalo con una probabilidad de cobertura p
prximo a un nivel especificado, no puede hallarse ms que si se dispone de un conocimiento
suficiente acerca de la distribucin de probabilidad de cada magnitud de entrada, y de cmo se
componen dichas distribuciones para obtener la distribucin de la magnitud de salida. Las
estimaciones de entrada xi y sus incertidumbres estndars u(xi) son por s mismas insuficientes para
alcanzar tal objetivo.
92
G.6.2 Dado que los extensos clculos necesarios para componer las distribuciones de probabilidad
raramente quedan justificados por la extensin y fiabilidad de la informacin disponible, puede
aceptarse una aproximacin de la distribucin de la magnitud de salida. Segn el Teorema del
Lmite Central, habitualmente es suficiente con suponer que la distribucin de probabilidad de (y-
Y)/uc(y) es la distribucin t y tomar kp = tp(eff), con el factor t basado en un nmero de grados de
libertad eff de c(y) obtenido a partir de la frmula de Welch-Satterhwaite, ecuacin (G.2b).
G.6.3 La obtencin de eff a partir de la ecuacin (G.2b) implica conocer el nmero de grados de
libertad i de cada componente de la incertidumbre estndar. Para una componente obtenida
mediante evaluacin de Tipo A, i depende del nmero de observaciones repetidas e independientes
sobre las que se basa la estimacin de la entrada correspondiente, as como del nmero de
magnitudes independientes determinadas a partir de dichas observaciones (ver G.3.3). Para una
componente obtenida mediante evaluacin de Tipo B, i depende de la fiabilidad que pueda
suponrsele al valor de dicha componente [ver G.4.2 y ecuacin (G.3)].
G.6.4 La secuencia siguiente es el resumen del mtodo preferido para calcular una incertidumbre
expandida Up = kp uc(y) que proporcione un intervalo Y = y t Up con una probabilidad de cobertura
aproximado p:
1) Determinar y y uc (y) tal como se indica en los captulos 4 y 5.
2) Calcular eff a partir de la ecuacin (G.2b), frmula de Welch-Satterhwaite, (reproducida de nuevo
a continuacin para facilidad de consulta):
b) 2 ...(G.
i
i
eff

u
(y) u

N
1 i
4
4
c
Si u(xi) se obtiene mediante evaluacin de Tipo A, determinar i tal como se indica en G.3.3. Si
uc(xi) se obtiene mediante evaluacin de Tipo B, y puede tratarse como si se conociera
exactamente, lo que ocurre frecuentemente en la prctica, i , si no es as, estimar i
mediante la ecuacin (G.3).
3) Determinar el factor tp(eff) para la probabilidad de cobertura p deseada, a partir de la tabla G.2. Si
eff no es un nmero entero, interpolar o truncar eff al entero inferior ms prximo.
G.6.5 En determinados casos, no demasiado frecuentes en la prctica, puede que no se satisfagan
exactamente las condiciones exigidas por el Teorema del Lmite Central y la aproximacin de G.6.4
puede conducir a un resultado inaceptable. Por ejemplo, si uc(y) est nominada por una componente
de incertidumbre evaluada a partir de una distribucin rectangular cuyos lmites se suponen
exactamente conocidos, es posible [si tp (eff) > 3 ] que y + Up e y - Up, lmites superior e inferior del
intervalo definido por Up, puedan situarse fuera de los lmites de la distribucin de probabilidad de la
magnitud de salida Y. Tales casos deben tratarse de forma individualizada, aunque frecuentemente
puedan tratarse mediante aproximacin analtica (por ejemplo, mediante convolucin de una
distribucin normal con una distribucin rectangular [10]).
G.6.6 En numerosas mediciones prcticas, pertenecientes a campos variados, predominan las
condiciones siguientes:
- la estimacin y del mensurando Y se obtiene a partir de estimaciones x1 de un nmero
significativo de magnitudes de entrada X1 que pueden describirse mediante distribuciones de
probabilidad razonables, tales como distribuciones normales o rectangulares;
- las incertidumbres estndars u(xi) de tales estimaciones, que pueden obtenerse
mediante evaluaciones de Tipo A o de Tipo B, contribuyen de forma comparable a la incertidumbre
estndar compuesta uc(y) del resultado de medida y;
- la aproximacin lineal supuesta por la ley de propagacin de la incertidumbre resulta
adecuada (ver 5.1.2 y E. 3.1);
- la incertidumbre de uc(y) es razonablemente pequea puesto que su nmero efectivo
de grados de libertad eff es significativamente elevado, normalmente superior a 10.
En tales condiciones, puede suponerse que la distribucin de probabilidad caracterizada por el
resultado de medicin y su incertidumbre estndar combinada es normal, en razn del Teorema del
Lmite Central; y uc(y) puede considerarse como una estimacin razonablemente fiable de la
desviacin estndar de dicha distribucin normal, en razn del valor significativamente alto de eff.
Entonces, basndose en la presentacin hecha en este anexo, incluyendo la demostracin de la
naturaleza aproximada del proceso de evaluacin de la incertidumbre y el hecho de que sera ilusorio
pretender distinguir entre intervalos con probabilidades de cobertura que difieran entre s en un uno o
un dos por ciento, puede hacerse lo siguiente:
tomar k = 2 y suponer que U = 2 uc(y) define un intervalo con una probabilidad de cobertura de
aproximadamente un 95 %.
o, en aplicaciones ms crticas,
tomar k = 3 y suponer que U = 3 uc(y) define un intervalo con un probabilidad de cobertura en torno a
un 99 %.
Aunque esta aproximacin debera ser adecuada para numerosas mediciones corrientes, sin
embargo, su aplicabilidad a una medicin particular depender de lo que se aproxime k = 2 a t95(eff),
o
k = 3 a t99(eff); es decir, de lo cercano que est a la probabilidad de cobertura del intervalo definido
por U = 2 uc(y) o U = 3 uc(y) a un 95 % o a un 99 %, respectivamente. Aunque para eff = 11, k = 2 y
k = 3 solamente subestiman t95 (11) y t99(11), en un 10 y un 4 por ciento, respectivamente, (ver tabla
G.2), esto no es aceptable en ciertos casos. Adems, para todos los valores de eff ligeramente
superiores a 13, k = 3 conduce a un intervalo con una probabilidad de cobertura superior al 99 %
(Ver tabla G.2), que muestra tambin que para eff , las probabilidades de cobertura de los
intervalos proporcionados por k = 2 y k = 3 son, respectivamente, del 95,45 y del 99,73 por ciento).
As, en la prctica, es el valor de eff, y el requerido para la incertidumbre expandida, los que
determinarn si puede utilizarse o no dicha aproximacin.
94
Tabla G.2 Valor de tp() de la distribucin t, para v grados de libertad, que define un intervalo
de tp() a +tp(), que incluye la fraccin
p de la distribucin
Nmero de
grados de
libertad v
Fraccin p, en tanto por ciento
68,27
(4)
90 95 95,45
(a)
99 99,73
(a)
Valor de tp()
1
2
3
4
5
1,84
1,32
1,20
1,14
1,11
6,31
2,92
2,35
2,13
2,02
12,71
4,30
3,18
2,78
2,57
13,97
4,53
3,31
2,87
2,65
63,66
9,92
5,84
4,60
4,03
235,80
19,21
9,22
6,62
5,51
6
7
8
9
10
1,09
1,08
1,07
1,06
1,05
1,94
1,89
1,86
1,83
1,81
2,45
2,36
2,31
2,26
2,23
2,52
2,43
2,37
2,32
2,28
3,71
3,50
3,36
3,25
3,17
4,90
4,53
4,28
4,09
3,96
11
12
13
14
15
1,05
1,04
1,04
1,04
1,03
1,80
1,78
1,77
1,76
1,75
2,20
2,18
2,16
2,14
2,13
2,25
2,23
2,21
2,20
2,18
3,11
3,05
3,01
2,98
2,95
3,85
3,76
3,69
3,64
3,59
16
17
18
19
20
1,03
1,03
1,03
1,03
1,03
1,75
1,74
1,73
1,73
1,72
2,12
2,11
2,10
2,09
2,09
2,17
2,16
2,15
2,14
2,13
2,92
2,90
2,88
2,86
2,85
3,54
3,51
3,48
3,45
3,42
25
30
35
40
45
1,02
1,02
1,01
1,01
1,01
1,71
1,70
1,70
1,68
1,68
2,06
2,04
2,03
2,02
2,01
2,11
2,09
2,07
2,06
2,06
2,79
2,75
2,72
2,70
2,69
3,33
3,27
3,23
3,20
3,18
50
100
1,01
1,005
1,000
1,68
1,660
1,645
2,01
1,984
1,960
2,05
2,025
2,000
2,68
2,626
2,576
3,16
3,077
3,000
(a)
Para una magnitud z descrita por una distribucin normal de esperanza matemtica z y desviacin
estndar , el intervalo z t k incluye respectivamente las fracciones p = 68,27 %, 95,45 % y 99,73
% de la distribucin, para los valores k = 1,2 y 3.
Anexo H
(Normativo)
Ejemplos
Este anexo presenta seis ejemplos, H.1 a H.6 tratados en forma detallada, a fin de ilustrar los
principios bsicos presentados en esta norma para la evaluacin y expresin de la incertidumbre de
la medicin. Los ejemplos aportados en el cuerpo principal del documento y en alguno de los otros
anexos, tratan de conseguir que los usuarios de la norma puedan aplicar estos principios en su
propio trabajo.
Los ejemplos que son para un propsito ilustrativo fue necesario simplificarlos. Adems dado que
estos ejemplos y los datos numricos correspondientes han sido escogidos principalmente para
demostrar los principios de esta norma, no deben interpretarse necesariamente como mediciones
reales. Los valores numricos se utilizan tal como se presentan pero, para limitar los errores de
redondeo, los clculos intermedios se han realizado con un nmero de cifras significativas mayor que
el que se muestra. En consecuencia el resultado final de un clculo en que intervienen varias
magnitudes, puede diferir ligeramente del resultado que se obtendra a partir de los valores
numricos dados en el texto para dichas magnitudes.
En captulos anteriores de esta norma se ha indicado que la clasificacin en Tipo A y Tipo B de los
mtodos utilizados para evaluar las componentes de la incertidumbre, es nicamente por
conveniencia. Esta clasificacin no es necesaria para determinar la incertidumbre estndar
combinada o la expandida de un resultado de medicin, debido a que todas las componentes de la
incertidumbre son tratadas de la misma manera, cualquiera que sea la forma de obtencin (ver 3.3.4,
5.1.2 y E.3.7). As, en los ejemplos, el mtodo utilizado para evaluar la incertidumbre no se identifica
especficamente con el tipo de sta. No obstante, la presentacin muestra para discutir si una
componente se ha obtenido mediante una evaluacin de Tipo A o de Tipo B.
H.1 Calibracin de bloques patrn longitudinales (galgas)
Este ejemplo demuestra que, incluso en una medicin aparentemente sencilla, puede haber aspectos
sutiles relacionados con la evaluacin de la incertidumbre.
H.1.1 El problema de medicin
La longitud de un bloque patrn longitudinal, de valor nominal 50 mm, se determina por comparacin
con otro bloque patrn conocido, de la misma longitud nominal. En la comparacin de los dos
bloques se obtiene directmente la diferencia d entre sus longitudes
d = l (1 + ) - ls(1 + ss)
donde
l es el mensurando; es decir, la longitud a 20C del bloque a calibrar;
ls es la longitud del bloque patrn a 20 C, dada en su certificado de calibracin;
y s son, respectivamente, los coeficientes de dilatacin trmica lineal del bloque en calibracin y
del bloque patrn;
96
y s son, respectivamente, las desviaciones respecto a la temperatura de referencia de 20 C, de
las temperaturas del bloque de calibracin y del bloque patrn.
H.1.2 El modelo matemtico
Segn la ecuacin (H.1), el mesurando esta dado por
( )
( )

+
+ +
1
d 1
S S s
l
l
l = ls + d + ls(ss - ) + ... ...(H.2)
Si la diferencia de temperatura entre el bloque a calibrar y el bloque patrn est escrita como
= - s, y la diferencia entre sus coeficientes de dilatacin trmica lineal es = - s, la ecuacin
(H.2) se transforma en
l = f(ls, d, ls,s,, , )
... (H.3)
l = ls + d - ls( + s )
Las diferncias y se suponen nulas, pero no as sus incertidumbres. Adems, , s, y se
suponen no correlacionadas (si el mensurando se expresa en funcin de las variables , s, y s,
sera necesario incluir la correlacin entre y s, y entre y s)
De la ecuacin (H.3) se deduce que la estimacin del valor del mensurando l puede obtenerse a
partir de la expresin simple ls + d, donde ls es la longitud del patrn a 20 C, tal como figura en su
certificado de calibracin, y d se estima por medio de
d
, media aritmtica de n = 5 observaciones
repetidas e independientes. la incertidumbre estndar combinada uc(l) de l se obtiene aplicando la
ecuacin (H.3), tal como se analiza ms adelante.
Nota. En este ejemplo y en los siguientes, para simplificar la notacin, se utiliza el mismo smbolo para la magnitud y para
su estimacin.
H.1.3 Contribucin de variancias
La tabla (H.1) resume las caractersticas principales de este ejemplo, tal como se presenta en este
apartado y en los siguientes.
Debido a que se supone que = 0 y = 0, la aplicacin de la ecuacin (10) de 5.1.2 a la ecuacin
(h.3) da como resultado
) ( c ) ( c ) ( c ) ( c ) ( c ) ( c
2 2 2 2 2
d
2
s
s

2 2 2
s
2 2
s
2 2
c
u u u u d u l u u + + + + + ... (H.4)
con
1 ) ( 1
s s s
+ l f c
1
d
d f c
0
s s
s

l f c
0
s

l f c

s
l f c
s

s
l f c
y, en consecuencia,
) ( ) ( ) ( ) ( (
2
s
2
s
2

2 2 2
s
2
s
2 2
c
u l u l d u l u l) u + + +
Tabla H.1 Resumen de las componentes de la incertidumbre estndar
Componente
de la
incertidumbre
estndar
u(xi)
Fuente de
incertidumbre
Valor de la
incertidumbre
estndar u(xi)
i
x f c
i
ui(l) ci u(xi)
(nm)
Nmeros de
grados de
libertad
u(ls) Calibracin del
bloque patrn
25 nm 1 25 18
u(d)
u(
d
)
u(dl)
u(d2)
Diferencia medida
entre bloques
observaciones
repetidas
efectos aleatorios del
comparador
efectos sitemticos
del comparador
9,7 nm
5,8 nm

3,9 nm
6,7 nm
1 9,7 25,6
24
5
8
u(s)
Coeficiente de
dilatacin trmica del
bloque patrn
1,2 x 10
-6
C
-1
0 0
u()

u(
)

u()
Temperatura del
banco de ensayo
temperatura media
del banco de ensayo
variacin cclica de la
temperatura
ambiente en la sala
de medicin
0,41 C
0,2 C
0,35 C
0 0
u()
Diferencia entre los
coeficientes de
dilatacin de los
bloques
0,58 x10
-6
C
-1
-ls 2,9 50
u()
Diferencia de
temperatura entre los
bloques
0,029 C -lss
16,6 2
2
i
2
c
nm 002 1 ) ( l u u
2
uc(l) = 32 nm
eff (l) = 16
98
H.1.3.1 Incertidumbre debido a la calibracin del patrn, u(ls)
El certificado de calibracin da como incertidumbre expandida del patrn U = 0,075 m, precisando
que ha sido obtenida utilizando un factor de cobertura k = 3. La incertidumbre estndar es entonces
u(ls) = (0,075 m)/3 = 25 nm
H.1.3.2 Incertidumbre de la diferencia de longitudes medida, u(d)
La desviacin estndar ponderada experimental de una medida que caracterice la comparacin de l y
ls est basada en un conjunto de medidas, y se determin a partir de la variabilidad de 25
observaciones repetidas e independientes de las diferencias de longitud entre dos bloques patrn
longitudinales, habindose obtenido un valor de 13 nm. En la comparacin del presente ejemplo, se
han ealizado nicamente cinco repeticiones. Por lo tanto, la incertidumbre estndar asociada a la
media aritmtica de estas lecturas ser (ver 4.2.4)
nm 8 , 5 5 / ) nm 13 ( ) ( ) ( d s d u
El certificado de calibracin del comparador utilizado para comparar l con ls indica que su
incertidumbre debida a errores aleatorios es de t 0,01 m, con un nivel de confianza del 95 %
sobre la base de 6 medidas repetidas; la incertidumbre estndar va a ser, utilizando el factor t para
= 6 1 = 5 grados de libertad, t95(5) = 2,57 (ver anexo G, tabla 2)
u(d1) = (0,01 m)/2,57 = 3,9 nm
En el certificado se dice tambin que la incertidumbre del comporador debida a errores sistemticos
es de da a errores aleatorios es de t 0,02 m, para un nivel tres sigma. La incertidumbre estndar
por esta causa es igual a
u(d2) = (0,02 m)/3 = 6,7 nm
La contribucin total se obtiene mediante la suma de las variancias estimadas:
2
nm 93 ) ( ) ( ) ( ( + +
2
2
l
2 2 2
d u d u d u d) u
o
u(d) = 9,7 nm
H.1.3.3 Incertidumbre del coeficiente de dilatacin trmica, u(s)
El coeficiente de dilatacin trmica del bloque patrn est dado como s = 11,5 x 10
-6
C
-1
con una
incertidumbre representada por una distribucin rectangular de lmites t 2 x 10
-6
C
-1
. La
incertidumbre estndar es entonces [ver ecuacin (7) de 4.2.7]
1 6 1 6
s
C 10 x 2 , 1 3 / ) C 10 x 2 ( ) (

u
Como
0
s s

l f c
s
, como se indica en H.1.3, esta incertidumbre no aporta ninguna
contribucin de primer orden a la incertidumbre de l. No obstante, existe una contribucin de segundo
orden, que se evala en H.1.7.
H.1.3.4 Incertidumbre de la desviacin de la temperatura del bloque patrn, u()
La temperatura del banco de ensayo est dada como (19,9 t 0,5) C, no habiendo quedada
registrada la temperatura durante las observaciones individuales. La desviacin mxima observada,
= 0,5 C, representa la amplitud de una variacin aprximadamente cclica de la temperatura en un
sistema termostatizado, y no la incertidumbre de la temperatura media. El valor de la desviacin
media de temperatura es
C 1 , 0 - C 20 C - 9 , 19
y posee una incertidumbre estndar debida a la incertidumbre de la temperatura media del banco de
ensayo de
u( ) = 0,2 C
mientras que la variacin cclica en funcin del tiempo sugiere una distribucin de temperatura en
forma de U (arco seno), cuya incertidumbre estndar es
C 35 , 0 2 / ) C 5 , 0 ( ) ( u
La desviacin de temperatura puede tomarse igual a , y la incertidumbre estndar de se
obtiene a partir de
2
C 165 , 0 ) ( ) ( ) ( +
2 2 2
u u u
lo que da como resultado
C 41 , 0 ) ( u
Como
0
s

l f c
, segn se indica en H.1.3, esta incertidumbre no contribuye en modo
alguno a la incertidumbre de l de primer orden, aunque si aporta una contribucin de segundo orden,
que se evala en H.1.7.
H.1.3.5 Incertidumbre de la diferencia entre los coeficientes de dilatacin, u()
La variabilidad estimada de es de t 1 x 10
-6
C
-1
, con idntica probabilidad que posea cualquier
valor comprendido entre estos lmites. La incertidumbre estndar es
1 6 1 6
C 10 x 58 , 0 3 / ) C 10 x 1 ( ) (

u
100
H.1.3.6 Incertidumbre de la diferencia de temperatura entre bloques, u()
El bloque patrn y el bloque en calibracin se supone que estn a la misma temperatura, pero puede
existir una diferencia de temperatura entre ambos que est comprendida con igual probabilidad, con
igual probabilidad, en el intervalo de 0,05 C a + 0,5 C.
La incertidumbre estndar es entonces
C 029 , 0 3 / ) C 05 , 0 ( ) (
s
u
H.1.4 Incertidumbre estndar combinada
La incertidumbre estndar combinada uc(l) se calcula a partir de la ecuacin (H.5). Los trminos
individuales son sustiutdos en la expresin obteniendo
2 2 1 6 2 1 6 2 2 2 2
) C 029 , 0 ( ) C 10 x 5 , 11 ( ) m 05 , 0 ( ) C 10 x 58 , 0 ( ) C 1 , 0 ( ) m 05 , 0 ( ) nm 7 , 9 ( ) nm 25 ( ) (

+ + + l u
2
c
...(H.6a)
2 2 2 2 2
nm 002 1 ) nm 6 , 16 ( ) nm 9 , 2 ( ) nm 7 , 9 ( ) nm 25 ( ) ( + + + l u
2
c
...(H.6.b)
o
uc(l) = 32 nm ...(H.6c)
La componente dominante de la incertidumbre es claramente la del patrn, u(ls) = 25 nm.
H.1.5 Resultado final
El certificado de calibracin del bloque patrn da ls = 50,000 623 mm como longitud a 20 C. La
media aritmtica
d
de cinco observaciones repetidas de la diferencia de longitud entre el bloque
desconocido y el bloque patrn es 215 nm. Como l = ls +
d
(ver H.1.2), la longitud l del bloque
desconocido, a 20 C, es 50,000 838 mm. De acuerdo con 7.2.2, el resultado final de la medicin
puede enunciarse en la forma:
l = 50,00 838 mm, con una incertidumbre estndar combinada relativa correspondiente es
uc/l = 6,4 x 10
-7
.
H.1.6 La incertidumbre expandida
Supongamos que se requiere obtener una incertidumbre expandida U99 = k99 uc(l) que proporcione un
intervalo correspondiente a una probabilidad de cobertura de un 99 % aproximadamente.. El
procedimiento a utilizar es el resumido en G.6.4, y el nmero de grados de libertad necesario est
indicado en la tabla H.1. se obtiene lo siguiente:
1) Incertidumbre de la calibracin del patrn, u(ls) [H.1.3.1]. El certificado de calibracin especfica
que el nmero efectivo de grados de libertad de la incertidumbre estndar combinada, que ha
permitido obtener la incertidumbre expandida que se indica en eff(ls) = 18.
2) Incertidumbre de la diferencia de longitudes medida, u(d) [H.1.3.2]. Aunque
d
se ha obtenido a
partir de cinco observaciones repetidas, como u(
d
) se obtuvo de un desvo estndar ponderado
experimental basado en un conjunto de 25 observaciones, el nmero de grados de libertad de u(
d
)
es ( d ) = 25 1 = 24 (ver nota en H.3.6). El nmero de grados de libertad de u(d1), incertidumbre
debida a los efectos aleatorios sobre el comparador, es (d1) = 6 1 = 5, puesto que d1 se obtuvo a
partir de 6 mediciones repetidas. La incetidumbre de t 0,02 m por efectos sistemticos sobre el
comparador puede asumirse con una confiabilidad de un 25 %, resultando entonces, a partir de la
ecuacin G.3) de G.4.2, que el nmero de grados de libertad es (d2) = 8 (ver el ejemplo en G.4.2).
El nmero efectivo de grados de libertad de u(d), eff(d), se obtiene a partir de la ecuacun (G.2b) en
G.4.1:
( )
( ) ( ) ( ) [ ]
( )
( )
( )
( )
( )
( )
2
4 4 4
2
2 2 2
d
d u
d
d u
d
d u
d u d u d u
d

2
1
1
2
1
eff
+ +
+ +
3) Incertidumbre de la diferencia de coeficientes de dilatacin, u() [H.1.3.5]. Los lmites estimados,

t 1 x 10
-6
C
-1
, sobre la variabilidad de se considera con una confiabilidad del 10 %. Esto da, a
partir de la ecuacin (G.3) en G.4.2, () = 50.
4) Incertidumbre de la diferencia entre las temperaturas de los bloques, u() [H.1.3.6].
El intervalo estimado, de 0,05 C a +0,05 C, para la diferencia de temperatura se supone con
una confiabilidad de un 50 %, lo que da, a partir de loa ecuacin (G.3) en G.4.2, () = 2.
El clculo de eff(l) a partir de la ecuacin (G.2b) de G.4.1 se realiza exactamente igual que el clculo
de eff(d) realizado anteriormente en 2). As, a partir de las ecuaciones (H.6b) y (H.6c), y de los
valores de dados de 1) a 4).
Para obtener la incertidumbre expandida requerida, se redondea primeramente este valor al nmero
entero inmediatamente inferior eff(l) = 16. De aqu, segn la tabla G.2 del anexo G, t99(16) = 2,92, y
U99 = t99(16) uc(l) = 2,92 x (32 nm) = 93 nm. Segn 7.2.4, el resultado final de la medicin puede
enunciarse como sigue:
l = (50,000 838 t 0,000 093) mm, donde el nmero que sigue al smbolo t es el valor numrico de
una incertidumbre expandida U = k uc, con U determinada a partir de una incertidumbre estndar
combinada uc = 32 nm y un factor de cobertura k = 2,92 basado en una distribucin t con 16 grados
de libertad, y donde esa incertidumbre define un intervalo con una probabilidad de cobertura del
99 %. La correspondiente incertidumbre expandida relativa es U/l = 1,9 x 10
-6
.
102
( )
( )
( ) ( ) ( )
6 , 25
8
nm 7 , 6
5
nm 9 , 3
24
nm 8 , 5
nm 7 , 9
4 4
4
eff

+ +
4
d
( )
( )
( ) ( ) ( ) ( )
7 , 16
2
nm 6 , 16
50
nm 9 , 2
6 , 25
nm 7 , 9
18
nm 25
nm 32
4 4 4
4
eff

+ + +
4
l
H.1.7 Trminos de segundo orden
La nota en 5.1.2 precisa que la ecuacin (10), utilizada en este ejemplo para obtener la incertidumbre
estndar combinada uc(l), debe completarse cuando la no linealidad de la funcin Y =f(X1, X2, ..., XN)
es suficientemente significativa y no pueden despreciarse los trminos de mayor grado en el
desarrollo en serie de Taylor.
Este es el caso del ejemplo, donde resulta que la evaluacin de uc(l) mostrada hasta ahora no es
completa. Aplicando la expresin dada en la nota de 5.1.2 a la ecuacin (H.3), se obtienen dos
trminos de segundo orden, distintos, no despreciables, que es necesario aadir a la ecuacin (H.5).
Estos trminos, que provienen del trmino cuadrtico en la expresin de la nota sealada, son
) ( ) ( ) ( ) (
s

2 2 2
s
2 2 2
s
u u l u u l +
Aunque solamente el primero de ellos contribuye significativamente a uc(l):
) ( ) (
2 2 2
s
u u l = (0,05 m)(0,58 x 10
-6
C
-1
)(0,41 C) = 11,7 nm
) ( ) (
s

2 2 2
s
u u l = (0,05 m) (1,2 x 10
-6
C
-1
)(0,029 C) = 1,7 nm
Los trminos de segundo orden hacen aumentar uc(l) de 32 nm a 34 nm.
H.2 Medicin simultnea de un resistor y de una reactancia
Este ejemplo demuestra el tratamiento de mltiples mensurandos o magnitudes de salida,
determinadas simultneamente en la misma medicin, y la correlacin de sus estimaciones.
Solamente se consideran las variaciones aleatorias de las observaciones; en la prctica real, la
incertidumbre de las correcciones debido a efectos sistemticos deberan contribuir tambin a la
incertidumbre de los resultados de la medicin. Los datos se analizan de dos maneras diferentes,
conduciendo esencialmente a los mismos valores numricos.
La resistor R y la reactancia X de un elemento de un circuito se determinan midiendo la amplitud V
de la diferencia de potencial alterna sinusoidal entre sus bornes, la intensidad de corriente alterna I
que lo atraviesa, y el desfase entre la diferencia de potencial y la corriente alterna.
As resulta que las tres magnitudes de entrada son V, I y , mientras que las magnitudes de salida
los mensurandos son los tres componentes de la impedancia R, X y Z. Como Z
2
= R
2
+ X
2
, solo hay
dos magnitudes de salida independientes.
H.2.2 El modelo matemtico y los datos
Los mesurandos se relacionan con las magnitudes de entrada por la ley de Ohm:
I
V
R cos ;
I
V
X sen ;
I
V
Z ... (H7)
Se considera que se han obtenido cinco grupos independientes de observaciones simultneas sobre
las tres magnitudes de entrada V, I, y , en condiciones similares (ver B.2.15), de donde resultan los
datos que se presentan en la tabla H.2. La tabla tambin muestra las medias aritmticas de las
observaciones y las desviacines estndar experimentales de estas medias, calculadas a partir de
las ecuaciones (3) y (5) en 4.2. Las medias se toman como los mejores estimadores de los valores
esperados de las magnitudes de entrada, y los desvos estndar experimentales son las
incertidumbres estndar de estas medias.
Como las medias , , I V se han obtenido a partir de observaciones simultneas, estn
correlacionadas, y deben tenerse en cuenta estas correlaciones en la evaluacin de las
incertidumbres estndar de los mensurandos, R, X, y Z. Los coeficientes de correlacin necesarios
se obtienen fcilmente a partir de la ecuacin (14) en 5.2.2, utilizando los valores de ) , ( I V s , ) , ( V s
, ) , ( I s , calculados a partir la ecuacin (17) en 5.2.3. Los resultados se incluyen en la tabla H.2,
donde se debera recordar que
) , ( ) , (
i j j i
x x r x x r
y 1 ) , (
i i
x x r
H.2.3 Resultados: aproximacin 1
La aproximacin 1 se resume en la Tabla H.3.
Los valores de estos tres mensurandos R, X, y Z se obtienen de las relaciones dadas en las frmulas
(H.7) usando los valores de las medias y , I V dados en la tabla H.2 para V, I, y . Las
incertidumbres estndares de R, X, y Z se obtienen a partir de la ecuacin (16) en 5.2.2, ya que,
como se indic anteriormente, las magnitudes de entrada y , I V , estn correlacionadas. Por
ejemplo, se considera I V Z / . Identificando a V con xi, a I con x2, y a f con I V Z / , la frmula (16)
en 5.2.2 resulta, para la incertidumbre estndar combinada de Z
( ) ( ) ( ) ( ) ( ) ( ) I V r I u V u
I
V
I
I u
I
V
V u
I
Z u ,
1
2
1
2
2
2
2
2
2
2
c

1
1
]
1
1
]
1
+
1
1
]
1
+
1
]
1
... (H.8a)
( ) ( ) ( ) ( )
( ) I V r
I
I u
V
V u
Z
I
I u
Z
V
V u
Z , 2
2
2
2
2
2
1
1
]
1
1
1
]
1
1
1
]
1
+
1
1
]
1
... (H.8b)
( ) ( ) ( ) ( ) ( ) I V r I u V u I u V u u
r r r r r
, 2
2 2 2
c,
+ ... (H.8c)
donde ( ) ( ) ( ) ( ) I s I u V s V u , , y el subndice r en la ltima expresin indica que u es la
incertidumbre relativa. Luego la sustitucin de los valores apropiados de la Tabla H.2 en la ecuacin
(H.8a) se obtiene uc(Z) = 0,236 .
Debido a que los tres mesurandos o magnitudes de salida dependen de las mismas magnitudes de
entrada, ellos tambin se correlacionan. Los elementos de la matriz covariancia que describe esta
correlacin, puede escribirse como
( ) ( ) ( ) ( )

N
1
N
1
, ,
j
j i j i
j
m
i
l
i
m l
x x r x u x u
x
y
x
y
y y u
... (H.9)
104
donde
( )
N l l
x x x f y ..., , ,
2 1
y ( )
N m m
x x x f y ..., , ,
2 1
. La frmula (H.9) es una generalizacin de la
ecuacin (F.2) de F.1.2.3 cuando los ql en esa expresin se correlacionan. Los coeficientes de
correlacin estimados de las magnitudes de salida estn dados por
( )
( )
( ) ( )
m l
m l
m l
y u y u
y y u
y y r
,
,
, como se
indica en la ecuacin (14) en 5.2.2. Si se admite que los elementos de la diagonal de la matriz
covariancia, u (yl , yl ) = u
2
(yl ), son las variancias estimadas de las magnitudes de salida yl (ver 5.2.2,
nota 2) y que m = l, la ecuacin (H.9) es idntica a la ecuacin (16) en 5.2.2.
Para aplicar la frmula (H.9) a este ejemplo, deben realizarse las siguientes identificaciones:
y1 = R x1 =
V
u(xi) = s(xi)
y2 = X x2 =
I
N = 3
y3 = Z x3 =
Los resultados de los clculos de R, X, Z y de las estimaciones de sus variancias y los coeficientes
de correlacin se dan en la Tabla H.3.
H.2.4 Resultados: aproximacin 2
La aproximacin 2 se resume en la tabla H.4. Como los datos que se han obtenido de los cinco
grupos de observaciones de las tres magnitudes de entrada V, I, y , entonces es posible calcular un
valor de R, X y Z para cada conjunto de datos de entrada, y tomar la media aritmtica de los cinco
valores individuales para obtener las mejores estimaciones de R, X y Z. La desviacin estndar
experimental de cada media (que es su incertidumbre estndar combinada) se calcula a partir de los
cinco valores individuales, de la forma habitual [ecuacin (5) en 4.2.3]; y las covariancias estimadas
de las tres medias se calculan aplicacando la ecuacin (17) en 5.2.3 directamente a los cinco valores
individuales que se utilizaron para el clculo de la media. No hay diferencias en los valores de salida,
las incertidumbres estndar, y las covariancias estimadas, proporcionadas por ambas
aproximaciones, excepto en los efectos de segundo orden, debido a que los trminos
I V /
y cos
aparecen reemplazados por
V/I
y cos .
Para demostrar esta segunda aproximacin, la tabla H.4 presenta los valores de R, X y Z calculados
para cada uno de los cinco grupos de observaciones. Las medias aritmticas, las incertidumbres
estndar, y los coeficientes de correlacin estimados se calculan directamente a partir de los valores
individuales. La diferencia entre los valores numricos obtenidos de esta forma y los dados en la
Tabla H.3 es despreciable.
Segn la terminologa de la nota en 4.1.4, la aproximacin 2 es un ejemplo de obtencin de la
estimacin de y, a partir de
n
1 k
n / ) (
k
Y y , mientras que la aproximacin 1 es un ejemplo de la
obtencin de y a partir de ) ..., , , ( 2 1 N X X X f y . Como se detalla en la nota, las dos aproximaciones
darn en general resultados idnticos, siempre que f sea una funcin lineal de sus magnitudes de
entrada (con la condicin que al aplicar la aproximacin 1 se tengan en cuenta los coeficientes de la
correlacin observados experimentalmente). Si f no es una funcin lineal, los resultados de la
aproximacin 1 diferirn de los de la aproximacin 2, dependiendo del grado de no linealidad y de las
variancias y covariacias estimadas de Xi Esto puede comprobarse en la expresin
( ) ( ) j i
j i
N
j
N
i
N X X
X X
f
X X X f y , u
2
1
..., , ,
2
1 1
2 1

+

...(H.10)
donde el segundo trmino de la derecha de la ecuacin es el trmino de segundo orden del
desarrollo en serie de Taylor de f en funcin de las
i X
(ver tambin la nota en 5.1.2). En el caso
presente, es preferible la aproximacin 2 debido a que evita la aproximacin ) ..., , , ( 2 1 N X X X f y y
refleja mejor el procedimiento de medicin utilizado, ya que los datos se han colectados en grupo.
Por otro lado, la aproximacin 2 sera inapropiada si los datos de la tabla H.2 representan n1 = 5
observaciones de la diferencia de potencial V, seguido por n2 = 5 valores de las observaciones de la
corriente I, y luego seguido por n3 = 5 valores de las observaciones del ngulo de fase , y sera
imposible si n1 n2 n3. (Se trata de un procedimiento pobre de medicin, ya que la diferencia de
potencial y la corriente estn directamente relacionadas entre s, para una impedancia determinada)
Si los datos de la Tabla 2 se reinterpretan de esta forma, es decir que la aproximacin 2 es
inapropiada, y si las correlaciones entre las magnitudes V, I, y se suponen inexistente, entonces
los coeficientes de correlacin observados carecen de significado y deben tomarse igual a cero. Si
se realiza esto en la tabla H.2, la ecuacin (H.9) se reduce a una expresin equivalente a la ecuacin
(F.2) en F.1.2.3, es decir,
( ) ( )
i
i
m
i
l
N
i
m l
x u
x
y
x
y
y y u
2
1
,
...(H.11)
y su aplicacin a los datos de la tabla H.2 da lugar a las modificaciones en la tabla H.3, que se
muestran en la tabla H.5.
106
Tabla H.2 - Valores de las magnitudes de entrada V, I y obtenidos de cinco grupos
de observaciones simultneas
Nmero de grupo
k
Magnitudes de entrada
V
(V)
I
(mA)

(rad)
1
2
3
4
5
5,007
4,994
5,005
4,990
4,999
19,663
19,639
19,640
19,685
19,678
1,0456
1,0438
1,0468
1,0428
1,0433
Media aritmtica
V
= 4,9990
I
= 19,6610 = 1,044 46
Desviacin estndar
experimental del
mtodo
) (V s = 0,0032 ) ( I s = 0,0095 ) ( s = 0,000 75
Coeficiente de correlacin
( ) I V r , = -0,36
( ) , V r = 0,86
( ) , I r = -0,65
Tabla H.3 - Valores calculados de las magnitudes de salida R, X y Z: aproximacin 1
ndice de
mesurando
I
Relacin entre la estimacin
del mesurando yl y la
estimacin de entrada xl
Valor de estimacin yl,
(resultado de la
medicin)
Incertidumbre estndar
combinado uc (yl) del
resultado de la medicin
1 y1 = R = ( ) I V / cos
y1 = R = 127,732
uc (R) = 0,071
uc (R) / R = 0,06 x 10
-2
2 y2 = X = ( ) I V / sen
y2 = X = 219,847
uc (X) = 0,295
uc (X) / X = 0,13 x 10
-2

3 y3 = Z = I V / y3 = Z = 254,260
uc (Z) = 0,236
uc (Z) / Z = 0,09 x 10
-2

Coeficientes de correlacin r (yl, ym)
r (y1, y2) = r (R, X) = -0,588
r (y1, y3) = r (R, Z) = -0,485
r (y2, y3) = r (X, Z) = 0,993
Tabla H.4 - Valores calculados de las magnitudes de salida R, X y Z: aproximacin 2
Nmero de grupo
k
Valores individuales del mesurando
R = (V/I ) cos
()
X = (V/I ) sen
()
Z = V/I
()
1
2
3
4
5
127,67
127,89
127,51
127,71
127,88
220,32
219,79
220,64
218,97
219,51
254,64
254,29
254,84
253,49
254,04
Media aritmtica y1 =
R
= 127,732 y2 =
X
= 219,847 y3 =
Z
= 254,260
Desviacin estndar
experimental de la
media
( ) R s = 0,071 ( ) X s = 0,295 ( ) Z s = 0,236
r (y1, y2) = ( ) X R r , = -0,588
r (y1, y3) = ( ) Z R r , = -0,485
r (y2, y3) = ( ) Z X r , = 0,993
Tabla H.5 Modificaciones en la tabla H.3, con la hiptesis de que los coeficientes de correlacin
de los valores de la tabla H.2 son nulos
Incertidumbre estndar combinada de los resultados de la medicin
uc (yl)
uc (R) = 0,195
uc (R) / R = 0,15 x 10
-2
uc (X) = 0,201
uc (X) / X = 0,09 x 10
-2
uc (Z) = 0,204
uc (Z) / Z = 0,08 x 10
-2
Coeficientes de correlacin r (yl, ym)
r(y1, y2) = r(R, X) = 0,056
r(y1, y3) = r(R, Z) = 0,527
r(y2, y3) = r(X, Z) = 0,878
108
H.3 Calibracin de un termmetro
Este ejemplo ilustra la utilizacin del mtodo de los cuadrados mnimos para obtener una curva de
calibracin lineal (recta en este caso), y la forma en que los parmetros de ajuste, pendiente y
ordenada al origen, y sus variancias y covariancias estimadas, se utilizan para obtener, a partir de la
recta, el valor de una correccin dada y la incertidumbre estndar de una correccin dada.
Un termmetro se calibra mediante comparacin de n = 11 lecturas de temperatura tk, cada una de
ellas de incertidumbre despreciable, con las correspondientes temperaturas de referencia tR,k
conocidas, en el rango de temperaturas de 21 C a 27 C, obtenindose correcciones bk = tR,k tk a
aplicar a las lecturas. Las correcciones medidas bk y las temperaturas medidas tk son las magnitudes
de entrada de la evaluacin. Una curva de calibracin lineal
b(t) = y1 + y2 (t t0) ... (H.12)
es ajustada por el mtodo de los cuadrados mnimos a las correcciones y temperaturas medidas. Los
parmetros y1 e y2, que representan respectivamente la ordenada al origen y la pendiente de la recta
de calibracin, son los mensurandos o magnitudes de salida a determinar. La temperatura t0 es una
temperatura exacta de referencia, escogida convenientemente; no se trata de un parmetro
independiente que vaya a determinarse mediante el ajuste por cuadrados mnimos. Una vez que se
determinan y1 e y2, as como sus variancias y covariancias estimadas, la ecuacin (H.12) puede
utilizarse para predecir el valor y la incertidumbre estndar de la correccin a aplicar al termmetro,
para cualquier valor t de temperatura.
H.3.2 Ajuste por el mtodo de cuadrados mnimos
Basndose en el mtodo de los cuadrados mnimos y en las hiptesis hechas en H.3.1, las
magnitudes de salida y1 e y2, y sus variancias y covariancias estimadas, se obtienen minimizando la
suma
( ) [ ]

n
k
t t y y b S
1
2
0 k 2 1 k
lo que conduce a las siguiente ecuaciones y1 e y2 para sus variancias experimentales s
2
(y1) y s
2
(y2) y
para sus coeficientes de correlacin estimado r(y1, y2) = s(y1, y2) / s(y1) s(y2), donde s(y1, y2) es su
covariancia estimada:
( )( ) ( )( )
D
b b
y

k k k
2
k k
1
...(H.13a)
( )( )
D
b b n
y

k k k k
2
...(H.13b)
( )
D
s
y s

2
k
2
1
2
..(H.13c)
( )
D
s
n y s
2
2
2
..(H.13d)
( )

2
k
k
2 1
,
n
y y r
...(H.13e)
( ) [ ]
2
2
k k
2

n
t b b
s ...(H.13f)
( )

2
k
2
k
D ...(H.13g)
( ) ( )
2
k
2
k
t t n n
donde todas las sumatorias van desde k = 1 hasta n, siendo k = tk t0,
( ) n /
k

y
( ) n t t /
k
;
[bk b(tk)] es la diferencia entre la correccin medida u observada bk a la temperatura tk y la
correccin b(tk) predicha por la recta ajustada, de ecuacin b(t) = y1 + y2 (t t0), para tk. La variancia
s
2
es una medida de la incertidumbre total del ajuste, y el factor n 2 refleja el hecho de que los
parmetros y1 e y2 se determinan a partir de n observaciones y que, en consecuencia, el nmero de
grados de libertad de s
2
es = n 2 (ver G.3.3).
H.3.3 Obtencin de los resultados
Los datos a ajustar se muestran en la segunda y tercera columnas de la tabla H.6. Tomando
t0 = 20 C como temperatura de referencia, la aplicacin de las ecuaciones (H.13a) a (H.13g) da
y1 = - 0,171 2 C s(y1) = 0,002 9 C
y2 = 0,002 18 s(y2) = 0,000 67
r(y1, y2) = - 0,930 s = 0,003 5 C
El hecho que la pendiente y2 sea ms de tres veces mayor que su incertidumbre justifica la eleccin
de una recta de calibracin mejor y que no se requiere una correccin media fija.
110
Tabla H.6 - Datos utilizados para obtener una recta de calibracin para un termmetro, por
el mtodo de los cuadrados mnimos
Lectura
nmero
k
Lectura del
termmetro
tk
(C)
Correccin
observada
bk = tR,k tk
(C)
Correccin
predicha
b(tk)
(C)
Diferencias entre las
correcciones observadas y
las predichas
bk b(tk)
(C)
1
2
3
4
5
6
7
8
9
10
11
21,521
22,012
22,512
23,003
23,507
23,999
24,513
25,002
25,503
26,010
26,511
-0,171
-0,169
-0,166
-0,159
-0,164
-0,165
-0,156
-0,157
-0,159
-0,161
-0,160
-0,1679
-0,1668
-0,1657
-0,1646
-0,1635
-0,1625
-0,1614
-0,1603
-0,1592
-0,1581
-0,1570
-0,0031
-0,0022
-0,0003
+0,0056
-0,0005
-0,0025
+0,0054
+0,0033
+0,0002
-0,0029
-0,0030
La funcin lineal que corresponde a la recta de calibracin se puede escribir como
b(t) = - 0,1712(29) C + 0,002 18(67) (t 20 C) ... (H.14)
donde las cifras entre parntesis son las incertidumbres estndar de los valores numricos
inmediatamente precedentes, correspondientes a los ltimos dgitos (ver 7.2.2). Esta ecuacin
proporciona el valor predicho de la correccin b(t) para cualquier temperatura t y, en particular, el
valor b(tk) para
t = tk. Estos valores aparecen en la cuarta columna de la tabla, mientras que las ltima columna
presenta las diferencias entre los valores medidos y los valores predichos, bk b(tk). Un anlisis de
estas diferencias se puede utilizar para verificar la validez del modelo lineal; existen tests de
verificacin con este objeto [ver referencia (8)], aunque no se consideran en este ejemplo.
H.3.4 Incertidumbre de un valor predeterminado
La expresin de la incertidumbre estndar combinada del valor predeterminado de una correccin
puede obtenerse fcilmente aplicando la ley de propagacin de la incertidumbre, ecuacin (16) en
5.2.2, a la ecuacin (H.12). Sabiendo que b(t) = f(y1, y2) y escribiendo u(y1) = s(y1) y u(y2) = s(y2), se
obtiene
( ) [ ] ) , ( ) ( ) ( ) ( 2 ) ( ) ( ) (
2 1 2 1 0 2
2 2
0 1
2 2
c
y y r y u y u t t y u t t y u t b u + +
...(H.15)
La variancia estimada [ ] ) (
2
c
t b u presenta un mnimo en tmin = t0 u(y1)r(y1, y2)/u(y2) , que en el presente
caso da tmin = 24,008 5 C.
Como un ejemplo del uso de la ecuacin (H.15), supongamos que se requiere calcular la correccin
del termmetro, y su incertidumbre para t = 30 C, valor que se sita fuera del campo de
temperaturas en que se calibr el termmetro. Sustiyendo t = 30 C en la acuacin (H.14), se obtiene
b(30 C) = -0,149 4 C
mientras que la ecuacin (H.15) se convierte en
( ) [ ] ) 930 , 0 ( ) 67 000 , 0 )( C 0029 , 0 ( ) C 10 ( 2 ) 67 000 , 0 ( ) C 10 ( C) 9 002 , 0 ( C 30
2 2 2 2
c
+ + b u
= 17,1 x 10
-6
C
2
o

( ) [ ] C 1 004 , 0 C 30
c
b u
La correccin a 30 C es 0,1494 C, con una incertidumbre estndar combinada uc = 0,004 1 C, que
tiene = n 2 = 9 grados de libertad.
H.3.5 Eliminacin de la correlacin entre la pendiente y la ordenada
En la ecuacin (H.13e) para el clculo del coeficiente de correlacin r(y1, y2), si t0 se escoge de tal
forma que

n
1 k
0 k
n
1 k
k
0 ) ( t t , entonces r(y1, y2) = 0, por lo que no estn correlacionadas y1 e
y2, simplificndose as el clculo de la incertidumbre estndar de una correccin dada. Como
0
n
1 k
k

, cuando t0 =
n
1 k
k
/ ) ( n t t , y en el presente ejemplo t = 24,008 5 C, si se repite el
ajuste por cuadrado mnimos con t0 = t 24,008 5 C, se obtendrn los valores no correlacionados
de y1 e y2 (La temeperatura
t
es tambin aquella en la que u
2
[b(t)] presenta un mnimo ver H.3.4).
No obstante, no es necesario repetir el ajuste puesto que puede demostrarse que
b(t) = y1 + y2 (t
t
) ... (H.16a)

( ) [ ] ) ( ) ( ) (
2
2 2
0 1
2 2
c
y u t t y' u t b u +
...(H.16b)
r(y1, y2) = 0 ...(H.16c)
donde
y1 = y1 + y2(
t
- t0)

t
= t0 s(y1) r(y1, y2)/ s(y2)

s
2
(y1) = s
2
(y1)[1 r
2
(y1, y2)]
y donde al escribir la ecuacin (H.16b) se hacen sustituciones u(y1) = s(y1) y u(y2) = s(y2) [ver
ecuacin (H.15)]. La aplicacin de estas relaciones a los resultados obtenidos en H.3.3, se obtiene
b(t) = -0,162 5(11) + 0,002 18(67) (t 24,008 5 C) ... (H.17a)
( ) [ ]
2 2 2 2
c
) 67 000 , 0 ( ) C 5 008 , 24 ( ) 1 001 , 0 ( + t t b u ...(H.17b)
112
Puede comprobarse cmo estas ecuaciones dan los mismos resultados que las ecuaciones (H.14) y
(H.15); repitiendo el clculo para b(30 C) y uc[b(30 C)]. En efecto, sustituyendo t = 30 C en las
ecuaciones (H.17a) y (H.17b) se obtiene
b(30 C) = -0,149 4 C
uc[b(30 C)] = 0,004 1 C
resultados idnticos a los obtenidos en H.3.4. La covariancia estimada entre dos correcciones
predichas b(t1) y b(t2) puede obtenerse a partir de la ecuacin (H.9) en H.2.3.
H.3.6 Otras consideraciones
El mtodo de los cuadrados mnimos puede utilizarse para ajustar curvas de mayor grado a puntos
experimentales, y tambin es aplicable a los casos en que los datos individuales poseen sus propias
incertidumbres. Para ms detalles debe consultarse la bibliografa clsica existente sobre el tema [8].
No obstante, los siguientes ejemplos ilustran dos casos en que las correcciones medidas bk no se
suponen conocidas con exactitud.
1) Supongamos que cada tk tiene una incertidumbre despreciable, que cada uno de los n valores tR,k
se ha obtenido a partir de una serie de m lecturas repetidas, y que la variancia ponderada de estas
lecturas, estimadas a partir de una gran cantidad de datos, obtenidos durante un perodo de varios
meses es
2
p
s . La variancia estimada de cada tR,k ser
2
p
s /m =
2
0
u y cada correccin observada
bk = tR,k tk tiene la misma incertidumbre estndar u0. Bajo estas cirscunstancia (y con las hiptesis
de que no existe ninguna razn para creer que el modelo lineal sea incorrecto),
2
0
u reemplaza a s
2
en
las ecuaciones (H.13c) y (H.13d).
Nota. Una estimacin ponderada de la variancia
2
p
s , basada en un conjunto de N series de observaciones independientes
de la misma variable aleatoria, se obtiene a partir de
N
N
s
s
1 i
i
1 i
2
i i
2
p
donde
2
i
s es la variancia experimental de la i-sima serie de ni observaciones repetidas e independientes [ecuacin (4) en
4.2.2] con un nmero de grados de libertad i = ni 1. El nmero de grados de libertad de
2
p
s es

N
1 i
i
.
La variancia experimental
2
p
s /m (y la desviacin estndar experimental sp/
m
) de la media aritmtica de m
observaciones independientes caracterizadas por la estimacin ponderada de la variancia
2
p
s , establecida a partir de un
conjunto de datos, tiene tambin grados de libertad.
2) Supongamos que cada tk tiene una incertidumbre despreciable, y que a cada uno de los n valores
de tR,k se le aplica una correccin k, y que cada correccin tiene la misma incertidumbre estndar ua.
Entonces, la incertidumbre estndar de cada bk = tR,k tk es tambin ua y s
2
(y1) es reemplazada por
s
2
(y1) +
2
a
u , y s
2
(y1) es reemplazada por s
2
(y1) +
2
a
u
H.4 Medicin de actividad radiactiva
Este ejemplo es similar al ejemplo H.2, medicin simultnea de resistencia y reactancia, en cuanto
que los datos pueden analizarse de dos formas distintas, ambas dando prcticamente el mismo
resultado numrico. La primera aproximacin ilustra una vez ms la necesidad de tener en cuenta las
correlaciones observadas entre las magnitudes de entrada.
La concentracin desconcida de la actividad de radn (
222
Rn) en una muestra de agua se determina
mediante conteo del centelleo lquido en comparacin con una muestra patrn de radn en agua, de
actividad conocida. La concentracin desconocida se obtiene midiendo tres fuentes de conteo
consistentes en frascos de 22 ml de volumen conteniendo aproximadamente 5 g de agua y 12 g de
centelleador en emulsin orgnica:
Fuente (a) patrn consistente en una masa ms de solucin patrn, de actividad conocida;
Fuente (b) blanco; muestra de agua idntica pero no conteniendo sustancia radiactiva alguna,
utilizada para obtener el conteo del ruido de fondo;
Fuente (c) muestra consistente en una parte alcuota (proporcional al total) de masa mx, de actividad
desconocida.
Se realizan seis ciclos de medicin sobre las tres fuentes, en el orden patrn- blanco muestra; la
duracin del conteo T0 para cada fuente, corregida por tiempos muertos, es de 60 minutos para cada
uno de los seis ciclos. Aunque el conteo del ruido de fondo no puede suponerse constante en la
duracin total del conteo (65 horas), sin embargo se supone que el nmero de cuentas obtenido para
cada blanco es representativo del ruido de fondo existente durante las mediciones del patrn y de la
muestra, dentro del mismo ciclo. Los datos obtenidos se presentan en la tabla H.7, donde
ts, tB, tx son los tiempos desde el instante de referencia t = 0 hasta el punto medio de los intervalos de
conteo, corregidas por tiempo muerto, T0 = 60 min, para los frascos patrn, blanco y muestra,
respectivamente; el valor de tB se da para completar la informacin, ya que no es necesario para el
anlisis;
Cs, CB, Cx son los nmeros de cuentas registradas durante los intervalos de conteo, corregidos por
tiempos muertos, T0 = 60 min, para los frascos patrn, blanco y muestra, respectivamente.
Tabla H.7 Datos de cuenteo para determinar la concentracin de actividad de una muestra
desconocida
Ciclo Patrn Blanco Muestra
k
ts
(min)
Cs
(cuentas)
tB
(min)
CB
(cuentas)
tx
(min)
Cx
(cuentas)
1 243,74 15 380 305,56 4054 367,37 41 432
2 984,53 14 978 1046,10 3922 1107,66 38 706
3 1723,87 14 394 1785,43 4200 1846,99 35 860
4 2463,17 13 254 2524,73 3830 2586,28 32 238
5 3217,56 12 516 3279,12 3956 3340,68 29 640
6 3956,83 11 058 4018,38 3980 4079,94 26 356
El nmero de cuentas observado puede expresarse como
s
S 0 S B s
e
t
m T A C C

+ ... (H.18a)
114
x
t
m T A C C

+ e
x 0 x B x
... (H.18b)
donde
es la eficiencia de deteccin del lquido centelleador para
222
Rn, para una composicin de
fuente dada, suponiendo que dicha eficiencia es independiente del nivel de actividad;
AS es la concentracin de actividad del patrn en el instante de referencia t = 0;
Ax es el mensurando, definido como la concentracin de actividad desconocida de la muestra en
el tiempo de referencia t = 0;
mS es la masa de la solucin patrn;
mx es la masa de la alcuota de la muestra;
es la constante de desintegracin para el
222
Rn: = (ln 2)/ T1/2 = 1,258 94 x 10
-4
min
-1

(T1/2 = 5505, 8 min)
Las ecuaciones (H.19a) y (H.18b) indican que no es posible realizar directamente el promedio de los
seis valores individuales de Cs o de Cx dados enla tabla H.7, debido al decaimiento exponencial de la
actividad del patrn y de la muestra, y a pequeas variaciones en el conteo del ruido de fondo, de un
ciclo a otro. En lugar de esto, deben utilizarse los conteos corregidos por decaimiento y ruido de
fondo corregido (o los conteos definidos como el nmero de cuentas dividido por T0 = 60 min), lo que
supone combinar las ecuaciones (H.18a) y (H.18b) para obtener la siguiente expresin para la
concentracin de actividad desconocida, en funcin de las magnitudes conocidas:
Ax = f(As, ms, mx, Cs, Cx, CB, tS, tx, )

S
x
t
t
C m
C C m
A

e ) C (
e ) (
B S x
B x S
S

) (
B S x
B x S
S
S x
e
) C (
) (
t t
C m
C C m
A

donde
x
t
C C

e ) (
B x
y
S
t
C C

e ) (
B S
son los conteos corregidos por ruido de fondo, para la muestra y
para el patrn, respectivamente, en el instante de referencia t = 0, y en el intervalo de tiempo
T0 = 60 min. Alternativamente, puede escribirse simplemente
Ax = f(As, ms, mx, Rs, Rx,)

S
x
x
S
S
R
R
m
m
A
...(H.20)
donde los conteos Rx y RS, corregidos por ruido de fondo y decaimiento, estn dados por
Rx = [ ]
x
t
T C C

e / ) (
0 B x
... (H.21a)
RS = [ ]
S
t
T C C

e / ) (
0 B S
... (H.21b)
H.4.2 Anlisis de los datos
La tabla H.8 resume los valores de conteo RS y Rx corregidos por ruido de fondo y decaimiento,
obtenidos a partir de las ecuaciones (H.21a) y H. 21b), utilizando los datos de la tabla H.7, con =
1,258 94 x 10
-4
min
-1
, tal como se indic anteriormente. Debe notarse que la relacin R = Rx / RS se
calcula ms fcilmente a partir de la expresin
[ ]
) (
B S B x
S x
e ) /( ) (
t t
C C C C

Tabla H.8. Clculo de conteos corregidos por decaimiento y ruido de fondo
Ciclo
k
Rx
(min
-1
)
RS
(min
-1
)
tx tS
(min
-1
)
R = RX/RS
1
2
3
4
5
6
652,46
666,48
665,80
655,68
651,87
623,31
194,65
208,58
211,08
241,17
213,92
194,13
123,63
123,13
123,12
123,11
123,12
123,11
3,3520
3,1953
3,1543
3,0615
3,0473
3,2107
x
R = 652,60
s(
x
R ) = 6,42
s(
x
R )/
x
R = 0,98 x 10
-2
S
R = 206,09
s(
S
R ) = 3,79
s(
S
R )/
S
R = 1,84 x 10
-2
R
= 3,170
s(
R
) = 0,046
s(
R
)/
R
= 1,44 x 10
-2
x
R /
S
R = 3,167
u(
x
R /
S
R ) = 0,045
u(
x
R /
S
R )/(
x
R /
S
R ) = 1,42 x 10
-2
r(
x
R ,
S
R ) = 0,646
Las medias aritmticas
S
R ,
x
R y
R
, as como sus desviaciones estndar experimentales s(
S
R ), s(
x
R ) y s(
R
), se calculan de la forma habitual [ecuaciones (3) y (5) en 4.2]. El coeficiente de
correlacin r(
x
R ,
S
R ) se calcula a partir de la ecuacin (17) en 5.2.3 y de la acuacin (14) en 5.2.2.
Debido a la variabilidad relativamente pequea de los valores de Rx y RS, el cociente de medias,
x
R /
S
R y la incertidumbre estndar de este cociente, u(
x
R /
S
R ), son muy cercanos al cociente medio,
R

y a su desviacin estndar experimental s(
R
) respectivamente, tal como se detalla en la ltima
columna de la tabla H.8 [ver H.2.4 y la ecuacin (H.10) de este anexo]. No obstante, para el clculo
de la incertidumbre estndar u(
x
R /
S
R ), debe tenerse en cuenta la correlacin entre
x
R y
S
R ,
representada por el coeficiente de correlacin r(
x
R ,
S
R ), utilizando la ecuacin (16) en 5.2.2. [Esta
ecuacin proporciona los tres ltimos trminos de la ecuacin (H.22b) para el clculo de la variancia
relativa estimada de
x
R /
S
R ].
116
Se debe reconocer que las desviaciones estndar experimentales de Rx y RS,
6
s(
x
R ) y
6
s(
S
R
), indican una variabilidad de estas magnitudes que es dos a tres veces superior a la derivada de la
estadstica de Poisson respecto al proceso de conteo; esta ltima est incluida en la variabilidad
observada en los conteos y no necesita ser considerada por separado.
H.4.3 Obtencin de los resultados finales
Para obtener la concentracin desconocida de la actividad Ax y su incertidumbre estndar combinada
uc(Ax) a partir de la ecuacin (H.20), es necesario conocer AS, mx y ms, as como sus incertidumbres
estndar. A continuacin se dan los valores:
AS = 0,136 8 Bq/g
u(AS) = 0,001 8 Bq/g; u(AS)/ AS = 1,32 x 10
-2
ms = 5,019 2 g
u(ms) = 0,005 g; u(mx)/ms = 0,10 x 10
-2
mx = 5,019 2 g
u(ms) = 0,005 g; u(mx)/ms = 0,10 x 10
-2
Otras fuentes de incertidumbres que son consideradas como despreciables son:
- la incertidumbre estndar de los tiempos de decaimiento, u(tS,k) y u(tx,k);
- la incertidumbre estndar de la constante de desintegracin del
222
Rn, u() = 1 x 10
-7
min
-1
. (La
magnitud significativa es el factor de decaimiento, exp[(tx ts], el cual vara entre 1,015 63, para los
cilcos k = 4 y 6, y 1,015 70, para el ciclo k = 1. La incertidumbre estndar de esos valores es
u = 1,2 x 10
-5
);
- la incertidumbre asociada a la posible dependencia de la eficiencia de deteccin del contador de
centelleo y la fuente utilizada (patrn, blanco y muestra).
- la incertidumbre de la correccin por tiempo muerto del contador, y de la correccin por
dependencia entre el rendimineto de conteo y el nivel de actividad.
H.4.3.1 Resultados: aproximacin 1
Como se indic anteriormente, Ax y uc(Ax) pueden obtenerse de dos forma diferente a partir de la
ecuacin (H.20). Mediante la primera aproximacin Ax se calcula utilizando las medias aritmticas
x
R
y
S
R , lo que conduce a
S
x
x
S
S x
R
R
m
m
A A
= 0,430 08 Bq/g ...(H.22a)
La aplicacin de la ecuacin (16) en 5.2.2 a esta expresin da, para la variancia combinada ) (
x
2
c
A u
S x
S x
S x
2 2 2 2 2
R R
R u R u
R R r
R
R u
R
R u
m
m u
m
m u
A
A u
A
A u ) ( ) (
) , ( 2
) ( ) ( ) ( ) ( ) ( ) (
2
S
S
2
x
x
2
x
x
2
S
S
2
S
S
2
x
x
2
c
+ + + +
... (H.22b)
donde, como se indic en H.4.2, los tres ltimos trminos proporcionan u(
x
R /
S
R )/(
x
R /
S
R )
2
; es
decir, la variancia relativa estimada de
x
R /
S
R . De acuerdo con la presentacin realizada en H.2.4,
los resultados de la tabla H.8muestran que
R
no es exactamente igual a
x
R /
S
R , u(
x
R /
S
R ),
tampoco es exactamente igual a la incertidumbre estndar s(
R
) de
R
.
Sustituyendo los valores de las correspondientes magnitudes relevantes en las ecuaciones (H.22a) y
(H.22b), se obtiene
x
2
A
A u ) (
x
1,93 x 10
-2
uc(Ax) = 0,008 3 Bq/g
El resultado de la medicin puede expresarse como:
Ax = 0,430 0 Bq/g con una incertidumbre estndar combinada uc = 0,008 3 Bq/g.
H.4.3.2 Resultados: aproximacin 2
En la segunda aproximacin, se evita la correlacin entre
x
R y
S
R , Ax se calcula utilizando la media
aritmtica
R
. As

R
m
m
A A
x
S
S x

= 0,0430 4 Bq/g. ...(H.23a)
La expresin para ) (
x
2
c
A u es simplemante
2
2 2 2 2
R
R u
m
m u
m
m u
A
A u
A
A u ) ( ) ( ) ( ) ( ) (
2
x
x
2
S
S
2
S
S
2
x
x
2
c
+ + +
. ..(H.23b)
dando

2
x
x
2
c
) (
A
A u
1,95 x 10
-2
uc(Ax) = 0,008 4 Bq/g
El resultado de la medicin puede expresarse como
Ax = 0,430 4 Bq/g con una incertidumbre estndar combinada uc = 0,008 4 Bq/g.
El nmero efectivo de grados de libertad de uc puede calcularse utilizando la frmula de Welch-
Satterthwaite, como se ilustra en H.1.6.
Como en H.2, de los dos resultados, se prefiere el segundo, pues evita obtener la aproximacin de la
media de un cociente de dos magnitudes mediante el cociente de las medias de dichas magnitudes,
118
reflejando mejor el procedimiento de medicin utilizado los datos fueron recogidos en ciclos
diferentes.
No obstante, la diferencia entre los valores de Ax de las dos aproximaciones es claramente pequea
comparada con la incertidumbre estndar atribuida a cualquiera de ellos, y la diferencia entre las dos
incertidumbres estndar es totalmente despreciable. Tal concordancia muestra que las dos
aproximaciones son equivalentes cuando se incluyen apropiadamente las correlaciones observadas.
H.5 Anlisis de variancia
Este ejemplo proporciona una breve introduccin a los mtodos de anlisis de la variancia (ADEVA,
en espaol; ANOVA, en ingls). Estas tcnicas estadsticas se utilizan para identificar y cuantificar
efectos aleatorios individuales en una medicin, de forma que puedan ser tenidos en cuenta
correctamente a la hora de evaluar la incertidumbre del resultado de la medicin. Aunque los
mtodos ANOVA se aplican a una amplia gama de mediciones, por ejemplo, a la calibracin de
patrones de referencia, como los patrones Zener de tensin o los patrones de masa, o a la
certificacin de materiales de referencia, los mtodos de anlisis de variancia no pueden identificar,
por si mismos, efectos sistemticos que pudieran estar presentes.
Existen numeroso modelos distintos incluidos bajo el nombre general de anlisis de variancia
(ANOVA). Por su importancia, el modelo especfico discutido en este ejemplo es el diseo anidado
balanceado. La ilustracin numrica de este modelo involucra sobre la calibracin de un patrn Zener
de tensin: el anlisis debe poder ser relevante a numerosas situaciones prcticas de medida.
Los mtodos de anlisis de variancia (ANOVA) tienen especial importancia en la certificacin de
materiales de referencia (MR), mediante ensayos interlaboratorios, tema tratado a fondo en la gua
ISO 35 [19] (ver H.5.3.2 para una breve descripcin sobre la certificacin de materiales de
referencia). Como la mayor parte del contenido de la gua ISO 35 es de gran aplicacin, puede
consultarse esta publicacin para detelles complementarios relativos al anlisis de la variancia,
incluyendo los diseos anidados no balanceados. Tambin pueden consultarse las referencias [15] y
[20].
Consideremos un patrn de tensin Zener, de valor nominal 10 V, calibrado por comparacin con
una referencia estable de tensin, durante un perodo de dos semanas. Cada da J del perodo, se
realizan K observaciones repetidas e independientes dela diferencia de potencial Vs del patrn. Si
llamamos Vjk a la k-sima observacin de Vs (k = 1, 2, ..., K) del j-simo da (j = 1, 2, ..., J), la mejor
estimacin de la diferencia de potencial del patrn es la media aritmtica
V
de las JK observaciones
[ver ecuacin (3) en 4.2.1].

J K
V V
JK
V
1 j 1 k
jk s
1
...(H.24a)
La desviacin estndar experimental de la media s(
V
), que es una medida de la incertidumbre de
V

como una estimacin de la diferencia de potencial del patrn, se obtiene mediante [ver ecuacin (5)
en 4.2.3]

J K
2 2
) V (V
- JK JK
V s
1 j 1 k
jk
) 1 (
1
) (
...(H.24b)
Nota. A lo largo de todo este ejemplo, se supone que todas las correcciones aplicadas a las observaciones para compensar
los efectos sistemticos poseen incertidumbres despreciables, o que sus incertidumbres son tales que pueden considerarse
al final del anlisis. La diferencia entre el valor certificado ( supuesto con una incertidumbre determinada) y el valor de
trabajo de la referencia de tensin estable, respecto a la cual se calibre el patrn de tensin Zener, es una correccin que
pertenece a esta ltima categora y que puede aplicarse a la media de las observaciones, al final del anlisis. De aqu
resulta que la estimacin de la diferencia de potencial del patrn obtenida estadsticamente a partir de las observaciones,
no es necesariamente el resultado final de la medicin; igualmente, la desviacin estndar experimental de dicha
estimacin no es necesariamente la incertidumbre estndar combinada del resultado final.
La desviacin estndar experimental de la media s(
V
) obtenida a partir de la ecuacin (H.24b) es
una medida apropiada de la incertidumbre de
V
, slo si la variabilidad de las observaciones, de da
en da, es igual a la variabilidad de las observaciones en un solo da. Si hay evidencia de que la
variabilidad entre das es significativamente mayor que la que habra que esperar a partir de la
variabilidad dentro del da, la utilizacin de esta expresin puede conducir a una subestimacin
considerable de la incertidumbre de
V
. Surgen entonces dos preguntas: cmo decidir si la
variabilidad entre das (caracterizada por la componente entre das de la variancia) es significativa en
comparacin con la variabilidad dentro del da (caracterizada por la componente dentro del da de la
variancia) y, si es este el caso, cmo debe evaluarse la incerttdumbre de la media.
Tabla H.9 Resumen de los datos de calibracin de tensin obtenidos jurante J = 10 d, con medias
diarias
V j y desviaciones estndar experimentales s(Vjk), correspondientes a K = 5 observaciones
independientes repetidas diariamente.
Magnitud / Da, j 1 2 3 4 5
V j (en V)
10,000 172 10,000 116 10,000 013 10,000 144 10,000 106
s(Vjk) (en V)
60 77 111 101 67
Magnitud / Da, j 6 7 8 9 10
V j (en V)
10,000 031 10,000 060 10,000 125 10,000 163 10,000 041
s(Vjk) (en V)
93 80 73 88 86
V
= 10,000 097 s(
V j) = 57 V
2
a
s = Ks
2
(
V j) = 5 (57 V) = (128 V)
2
) (
jk
2 2
b
V s s = (85 V)
2
H.5.2 Ejemplo numrico
H.5.2.1 Los datos que permiten abordar las preguntas anteriores se presentan en la tabla H.9, donde
J = 10 es el nmero de das durante los que se realizan las observaciones de diferencia de potencial;
K = 5 es el nmero de observaciones de diferencia de potencial realizadas cada da;

K
V
K
V
1 k
jk j
1
...(H.25a)
es la media aritmtica de las K = 5 observaciones de diferencia de potencial hechas el da j-simo
(hay por lo tanto J = 10 medias diarias);
J
V
J
V
1 j
j
1
=

J K
V
JK
1 j 1 k
jk
1
...(H.25b)
120
es la media aritmtica de las J = 10 medias diarias y, por lo tanto, la media de las JK = 50
observaciones;

K
1 k
jk jk
) (
) 1 (
1
) (
2
j
2
V V
- K
V s
...(H.25c)
es la variancia experimental de las K = 5 observaciones hechas el da j-simo (hay, por lo tanto,
J = 10 estimaciones de variancia); y

J
1 j
j j
) (
) 1 (
1
) (
2 2
V V
- J
V s
..(H.25d)
es la variancia experimental de las J = 10 medias diarias (solamente hay, por lo tanto, una nica
estimacin de la variancia).
H.5.2.2 La consistencia entre la variabilidad dentro del da y la variabilidad entre das de las
observaciones puede investigarse comparando dos estimaciones independientes de
2
w
, la
componente dentro del da de la variancia (que es la variancia de las observaciones hechas el mismo
da).
La primera estimacin de
2
w
, representada por
2
a
s , se obtiene a partir de la variancia observada de
las medias diarias
j
V . Como
j
V es la media de K observaciones, su variancia s
2
(
j
V ) estima
2
w
/K,
bajo la hiptesis de que la componente entre das de la variancia es nula. Se desprende entonces de
la ecuacin (H.25d) que

2
a
s = Ks
2
(
V j) =
J
1 j
j
) (
) 1 (
2
V V
- J
K
...(H.26a)
que es una estimacin de
2
w
con va = J 1 = 9 grados de libertad.
La segunda estimacin de
2
w
representada por
2
b
s , es la estimacin ponderada de la variancia
sobre el conjunto de datos de datos obtenidos a partir de los J = 10 valores individuales de s
2
(Vjk),
utilizando la ecuacin de la nota en H.3.6, donde los diez valores individuales se calculan a partir de
la ecuacin (H.25c). Como el nmero de grados de libertad de cada uno de estos valores es
i = K 1, la expresin resultante para
2
b
s es simplemente su media. Entonces,

J K
2
J
2
b
V V
K J
V s
J
V s s
1 j 1 k
j jk
1 j
jk
2
jk
2
) (
) 1 (
1
) (
1
) (
...(H.26b)
que es una estimacin de
2
w
con b = J(K 1) = 40 grados de libertad.
Las estimaciones de
2
w
obtenidas mediante las ecuaciones (H.26) y (H.26b) son respectivamente
2
a
s = (128 V)
2
y
2
b
s = (85 V)
2
(ver tabla H.9). Dado que la estimacin
2
a
s se basa en la variabilidad
de los valores medios diarios, mientras que la estimacin
2
b
s se basa en la variabilidad de las
observaciones diarias, su diferencia indica la posible presencia de algn efecto que vara de un da
para otro, pero que permanece relativamente constante cuando las observaciones se hacen el
mismo da. Para verificar esta posibilidad y, en consecuencia, la hiptesis de nulidad de la
componente entre-das de la variancia, se utiliza el test F.
H.5.2.3 La distribucin F es la distribucin de probabilidad del cociente ) ( ) ( ) , (
b
2
b a
2
a b a
s s F entre
dos estimaciones independientes ) (
a
2
a
s y ) (
b
2
b
s de la variancia
2
de una variable aleatoria
normalmente distribuida [15]. Los parmetros a y b son los respectivos grados de libertad de las dos
estimaciones, siendo 0
F(a, b)

. Los valores de F se encuentran tabulados para diferentes
valores de la a y b y para diferentes valores de la distribucin F. Un valor de F(a, b) > F0,95 o
F(a, b) > F0,975 (valor crtico) se interpreta habitualmente como indicativo de que ) (
a
2
a
s es mayor
que ) (
b
2
b
s en una cantidad estadsticamente significativa, y que la probabilidad de un valor de F tan
grande como el observado, si ambas son estimaciones de la misma variancia, es inferior a 0,05 o a
0,025 respectivamente. (Pueden escogerse tambin otros valores crticos, por ejemplo, F0,99).
H.5.2.4 La aplicacin del test F al presente ejemplo numrico da
25 , 2
) V 85 (
) V 57 ( 5
) V ( s
) ( Ks
) , (
2
2
jk
2
2
2
b
2
a
b a

j
V
s
s
F
...(H.27)
con a = J 1 = 9 grados de libertad, en el numerador, y b = J(K 1) = 40 grados de libertad, en el
denominador. Dado que F0,95(9, 40) = 2,12 y F0,975(9, 40) = 2,45, se concluye que existe un efecto
entre das estadsticamente significativo, para un nivel de significacin del 5 %, pero no para un nivel
del 2,5 %.
H.5.2.5 Si se rechaza la existencia de un efecto entre-das, porque la diferencia entre ) (
a
2
a
s y
) (
b
2
b
s no se considera estadsticamente significativa (decisin imprudente puesto que podra
conducir a subestimar la incertidumbre), la variancia estimada s
2
(
V
) de
V
debe calcularse a partir
de la ecuacin (H.24b). Esta relacin equivale a considerar conjuntamente las estimaciones
2
a
s y
2
b
s ,
(tomando unos valores de
2
a
s y
2
b
s ponderados segn un nmero respectivos de grados de libertad
a y b ver nota H.3.6) para obtener la mejor estimacin de la variancia de las observaciones; y
dividir posteriormente esta estimacin por JK, nmero de observaciones, para obtener la mejor
estimacin s
2
(
V
) de la variancia de las media de las observaciones. Siguiendo este procedimiento se
obtiene

) 1 (
1 - ( 1 - (
(
2
JK JK
s ) K J s ) J
) V s
2
b
2
a
) 49 )( 5 )( 10 (
V) 85 ( 40 ) V 128 ( 9
2 2
+
= (13 V)
2
...(H.28a)
o s(
V
) = 13 V ..(H.28b)
con s(
V
) teniendo JK 1 = 49 grados de libertad.
122
Si se supone que todas las correcciones por efectos sistemticos han sido ya consideradas y que las
dems componentes de la incertidumbre son despreciables, entonces el resultado de la calibracin
puede expresarse como Vs =
V
= 10,000 097 V (ver tabla H.9), con una incertidumbre estndar
combinada s(
V
) = uc = 13 V, con 49 grados de libertad.
Notas.
1 En la prctica, existirn probablemente componentes de incertidumbre adicionales, que sern significativas y debern, en
consecuencia, combinarse con la componente de incertidumbre obtenida estadsticamente a partir de las observaciones
(ver nota de H.5.1).
2 Puede demostrarse que la ecuacin (H.28a) para s
2
(
V
) es equivalente a la ecuacin (H.24b), si la doble sumatoria que
figura en sta, indicada como S, la escribimos en la forma
[ ]

+
J K
2 2
V V V V S
1 j 1 k
j j jk
) ( ) (
=
2
b
2
a
s ) K J s ) J 1 - ( 1 - ( +
H.5.2.6 Si se acepta la existencia de un efecto entre das (decisin prudente debido a que evita una
posible subestimacin de la incertidumbre) y se le supone un carcter aleatorio, entonces la variancia
s
2
(
V j) calculada a partir de las J = 10 medias diarias segn la ecuacin (H.25d) no estima
2
w
/K,
como se postul en H.5.2.2, sino
2
w
/K +
2
B
, donde
2
B
es la componente aleatoria de la variancia
inter-das. Esto implica que
s
2
(V j) =
2
w
s
/K +
2
B
s
...(H.29b)
donde
2
w
s estima a
2
w
, y
2
B
s a
2
B
. Como ) (
jk
2
V s calculada de la ecuacin (H.26b) depende
solamente de la variacin inter-das de las observaciones, se puede tomar
2
w
s = ) (
jk
2
V s . por lo tanto,
la razn k s
2
(Vj) / ) (
jk
2
V s utilizada para el test F en H.5.2.4 se convierte entonces en
2
w
2
B
2
w
jk
2
2
) ( s
) ( Ks
s
s K s
V
V
F
j
+

= 25 , 2
) V 85 (
) V 57 ( 5
2
2
...(H.30)
lo que conduce a
K
V s V Ks
s
j 2
B
) ( ) (
jk
2 2
= (43 V)
2
, o sB = 43 V ...(H.31a)
) (
jk
2
V s s
2
w
= (85 V)
2
, o sw = 85 V ...(H.31b)
La variancia estimada de
V
se obtiene a partir de s
2
(
V j), ecuacin (H.25d), puesto que s
2
(
V j) refleja
correctamente ambas componentes aleatorias, de la variancia dentro-da y de la variancia entre-das
[ver ecuacin (H.29)]. Entonces
s
2
(
V
) = s
2
(
V j)/J
= (57 V)
2
/10, o s(
V
) = 18 V ...(H.32)
con s(
V
) teniendo J 1 = 9 grados de libertad.
El nmero de grados de libertad de
2
w
s (y por lo tanto de sw) es J(K 1) = 40 [ver ecuacin (H.26b)]
es el nmero efectivo de grados de libertad de la diferencia K V s V s s
j
2
B
/ ) ( ) (
jk
2 2
[ecuacin
(H.31a), aunque su estimacin es problemtica.
H.5.2.7 La mejor estimacin de la diferencia de potencial del patrn de tensin es pues
Vs =
V
= 10,000 097 V, con s(
V
) = uc = 18 V, dada por la ecuacin (H.32). Comparese este valor
de uc y sus 9 grados de libertad con uc = 13 V y sus 49 grados de libertad, resultado obtenido en
H.5.2.5 [ecuacin (H.28b)], cuando se haba descartado la existencia de un efecto entre-das.
En una medicin real, los efectos entre-das aparentes deben, en lo posible, estudiarse a fondo, con
objeto de determinar su causa, debiendo comprobarse tambin si hay efectos sistemticos
presentes, lo que impedira la utilizacin de los mtodos de anlisis de la variancia (ANOVA). Tal
como se dijo al comienzo de este ejemplo, las tcnicas de anlisis de la variancia (ANOVA) estn
concebidas para identificar y evaluar las componentes de la incertidumbre provenientes de efectos
aleatorios, pero no proporcionan informacin acerca de las componentes derivadas de efectos
sistemticos.
H.5.3 El papel del anlisis de la variancia en la medicin
H.5.3.1 Este ejemplo del patrn de tensin ilustra lo que generalmente se conoce con el nombre de
diseo anidado compensado, de un nivel. El nombre deriva del hecho de que, en efecto, slo existe
un nico nivel de anidamiento de las observaciones, con un solo factor, el da durante el que se
realizan las observaciones, el cual se hace variar durante la medicin. Asimismo, est balanceado
porque cada da se efecta el mismo nmero de observaciones. Un anlisis similar al que se
presenta en este ejemplo puede utilizarse para determinar si existe un efecto laboratorio, un efecto
muestra, o incluso un efecto mtodo en una medicin particular. As, en el ejemplo, imaginemos
que reemplazamos las observaciones hechas en diferentes das J, por observaciones hechas el
mismo da pero por diferentes operadores J; entonces, la componente inter-das de la variancia se
transforma en una componente de la variancia asociada a los distintos operadores.
H.5.3.2 Como se indic en H.5, los mtodos de anlisis de la variancia (ANOVA) se utilizan
ampliamente en la certificacin de materiales de referencia (MR) mediante ensayos interlaboratorios.
Tal certificacin implica generalmente contar con un nmero de laboratorios independientes, de igual
nivel de competencia, que midan las muestras de material, del que se desea certificar una propiedad.
Generalmente se supone que las diferencias entre los resultados individuales, tanto inter- como intra-
laboratorio, son de naturaleza estadstica, sin importar sus causas. La media de cada laboratorio se
considera como una estimacin no sesgada de la propiedad del material, y la media no ponderada de
124
las medias de los laboratorios se supone habitualmente como la mejor estimacin de dicha
propiedad.
La certificacin de un material de referencia podra implicar I laboratorios diferentes, cada uno de
ellos midiendo la propiedad en estudio en J muestras distintas del material, consistiendo la medicin
de cada muestra en K observaciones repetidas e independientes. el nmero total de observaciones
es entonces IJK, y el nmero total de muestras IJ. Este es un ejemplo de diseo anidado
balanceado, de dos niveles de anidamiento, anlogo al ejemplo anterior del patrn de tensin de un
nivel.
En este caso, hay dos niveles de anidamiento de las observaciones, con dos factores diferentes,
muestra y laboratorio, que se hacen variar durante la medicin. El modelo est balanceado puesto
que cada muestra es observada el mismo nmero (K) de veces en cada laboratorio, y cada
laboratorio mide el mismo nmero (J) de muestras. Por analoga adicional con el ejemplo del patrn
de tensin, en el caso del material de referencia, el anlisis de los datos tiene por objeto investigar la
existencia de un posible efecto inter-muestras o inter-laboratorio, y determinar la incertidumbre ms
conveniente que puede atriburse a la mejor estimacin del valor de la propiedad a certificar. De
acuerdo con el apartado anterior, esta mejor estimacin se supone que es la media de las I medias
de laboratorios, que es tambin la media de las IJK observaciones.
H.5.3.3 El apartado 3.4.2 puso en evidencia la importancia de hacer variar las magnitudes de
entrada, de las que dependen el resultado de la medicin, de forma que su incertidumbre est
basada en datos observados, evaluados estadsticamente. Los diseos anidados y el anlisis de los
datos resultantes mediante mtodos de anlisis de variancia (ANOVA), pueden utilizarse con xito en
numerosas situaciones de medicin encontradas en la prctica.
Sin embargo, tal como se indic en 3.4.1, es poco prctico hacer variar todas las magnitudes de
entrada, debido a las limitaciones de tiempo y de recursos existentes; en el mejor de los casos, en la
mayora de las situaciones prcticas de medicin, slo es posible evaluar algunos componentes de la
incertidumbre utilizando mtodos de anlisis de la variancia. Como tambin se seal en 4.3.1,
muchas componentes deben evalauarse basndose en criterios cintificos, utilizando la totalidad de
la informacin disponible sobre la posible variabilidad de las magnitudes de entrada en cuestin; en
numerosos casos, una componente de la incertidumbre, como la proveniente de un efecto inter-
muestra (o inter-laboratorio, inter-instrumento, o inter-operadores), no puede evaluarse mediante
anlisis estadstico de series de observaciones, sino que es necesario evaluarla a partir de todo el
conjunto de informaciones disponibles.
H.6 Mediciones respecto a una escala de referencia: dureza
La dureza es un ejemplo de una propiedad fsica que no puede cuantificarse sin hacer referencia a
un mtodo de medida; no existe una unidad de dureza independiente de un mtodo dado. La
magnitud dureza difiere de las magnitudes medibles clsicas en que no puede introducirse en
ecuaciones algebrcas para definir otras magnitudes medibles (aunque a veces se utiliza en
ecuaciones empricas que relacionan la dureza con alguna otra propiedad de un material
determinado). Su valor est determinado mediante una medicin convencional, la de la dimensional
lineal de una huella o impronta realizada sobre un bloque del material de inters o bloque maestro.
La medicin se realiza de acuerdo con una norma escrita, que incluye una descripcin del dispositivo
que realiza la huella, denominado penetrador, la construccin de la mquina de ensayo que permite
aplicar el penetrador, y la forma en que debe utilizarse la mquina. Existen varias normas sobre
dureza, de forma que hay varias escalas de dureza.
La dureza obtenida es una funcin (dependiente de la escala considerada) de la dimensin lineal
medida. En el ejemplo includo en este apartado, se trata de una funcin lineal de la media aritmtica
de las profundidades de cinco huellas obtenidas repetidamente, pero en otras escalas, la funcin no
es lineal.
Los patrones nacionales son mquinas patrn realizadas con este fin (no existe un patrn
internacional); la comparacin entre una mquina particular y la mquina patrn nacional se hace
utilizando un bloque patrn de transferencia.
H.6.1 Problema de medicin
En este ejemplo se determina la dureza de un bloque muestra de material, en la escala Rockwell C,
utilizando una mquina que ha sido calibrada respecto a la mquina patrn nacional. La unidad de
escala para la dureza Rockwell C es 0,002 mm, definindose la dureza en dicha escala como
100 x (0,002 mm) menos la medida de las profundidades de cinco huellas, medidas en milmetros. El
valor de esta cantidad, dividido por la unidad de escala Rockwell C, 0,002 mm, se denomina ndice
de dureza HRC. En el presente ejemplo, la magnitud se denomina simplemente dureza,
simbolizndose como hRockwell C y el valor numrico de la dureza, expresado en unidades Rockwell de
longitud, se denomina ndice de dureza, simbolizndose como HRockwell C.
H.6.2 Modelo matemtico
Al valor medio de las profundidades de las huellas realizadas en el bloque muestra por la mquina
utilizada para determinar su dureza o mquina de calibracin, deben aadirse las correcciones a
determinar, con el objeto de obtener el valor medio de las profundidades de las huellas que, sobre el
mismo bloque, habran sido hechas por la mquina patrn nacional. De esta forma
hRockwell C = f(
d
, c, b, S)
= 100 (0,0002 mm) -
d
- c - b - S ...(H.33a)
Hrockwell C = hRockwell C / (0,002 mm) ...(H.33b)
donde
d
es la media aritmtica de las profundidades de las cinco huellas hechas por la mquina de
calibracin sobre el bloque muestra;
c es la correccin obtenida mediante comparacin de la mquina de calibracin con la mquina
patrn nacional, utilizando un bloque patrn de transferencia. Es igual a la media de las
profundidades de 5 m huellas hechas por la mquina patrn nacional sobre el bloque, menos la
media de las profundidades de 5 n huellas hechas sobre el mismo bloque por la mquina de
calibracin;
b es la diferencia de dureza (expresada como diferencia de profundidades medias de huella) entre
las dos partes de un bloque patrn de transferencia, sobre el que respectivamente se han realizado
huellas con las dos mquinas (supuestamente cero); y
S es el error debido a la falta de repetibilidad de la mquina patrn nacional y a la definicin
incompleta de la magnitud dureza. Aunque se supone que S es igual a cero, existe una
incertidumbre estndar asociada, igual a u(S).
126
Como las derivadas parciales d f / ,
c
/ f ,
b
/ f y
S
/ f de la funcin de la ecuacin
(H.33a) son todas iguales a 1, la incertidumbre estndar combinada ) (
2
c
h u de la dureza del bloque
muestra, medida por la mquina de calibracin, esta dada simplemente por
) (
2
c
h u = u
2
(
d
) + u
2
(c) + u
2
(b) + u
2
(S)
donde para simplificar la notacin, h hRockwell C.
H.6.3 Contribucin de variancias
H.6.3.1 Incertidumbre de la profundidad media de huella
d
sobre el bloque muestra patrn, u(
d
)
Incertidumbre de las observaciones repetidas. La repeticin estricta de una observacin no es
posible puesto que no puede hacerse una nueva huella en el mismo lugar de la precedente. Como
cada huella debe hacerse en un emplazamiento distinto, la variacin en los resultados incluye el
efecto de variacin de dureza entre distintos emplazamientos. As, u(
d
), incertidumbre estndar de
la media de las profundidades de cinco huellas realizadas sobre el mismo bloque muestra por la
mquina de calibracin, se toma igual a sp(dk)/
5
, donde sp(dk) es la desviacin estndar ponderada
experimental de un conjunto de profundidades determinadas mediante mediciones repetidas sobre
un bloque que se sabe posee una dureza muy uniforme (ver 4.2.4).
Incertidumbre de la indicacin. Aunque la correccin sobre
d
debida a la indicacin de la mquina
de calibracin sea igual a cero, existe una incertidumbre sobre
d
debida a la incertidumbre de la
indicacin de profundidad, derivada de la propia resolucin de la indicacin, dada por u
2
() =
2
/12
(ver F.2.2.1). La variancia estimada de
d
es pues
u
2
(
d
) = s
2
(dk)/ 5 +
2
/12 ...(H.35)
H.6.3.2 Incertidumbre de la correccin por diferencia entre las dos mquinas, u(c)
Como se indic en H.6.2, c es la correccin por diferencia entre la mquina patrn nacional y la
mquina de calibracin. Esta correccin puede expresarse en la forma c = zS z , donde
m
1 i
i S,
m z z / ) ( '
S
es la profundidad media de 5 m huellas hechas por la mquina patrn nacional
sobre el bloque patrn de transferencia, y
m
1 i
n z z / ) ( '
i
es la profundidad media de las 5n
huellas realizadas por la mquina de calibracin sobre el mismo bloque. Suponiendo que, para la
comparacin, la incertidumbre debida a la resolucin de la indicacin de cada mquina es
despreciable, la variancia estimada de c es
n
z s
m
z s
u
s
) ( ) (
) (
2
av
2
av
c
2
+ ...(H.36)
donde
m z s z s
m
i S, s
/ ) ( ) (
1 i
2 2
av
1
]
1
es la media aritmtica de las variancias experimentales de las medias

de cada una de de las m series de huellas zS,ik hechas por la mquina
patrn;
n z s z s
n
i
/ ) ( ) (
1 i
2 2
av
1
]
1
es la media aritmtica de las variancias experimentales de las medias

de cada una de las n series de huellas zi,k hechas por la mquina de
calibracin.
Nota. Las variancias ) z s
s
(
2
av
y ) (
2
av
z s son estimaciones sobre conjuntos de datos. ver la presentacin de la ecuacin
(H.26b) en H.5.2.2.
H.6.3.3 Incertidumbre de la correccin debida a las variaciones de dureza del bloque patrn
de transferencia, u(b)
La Recomendacin Internacional R 12 de la OIML, Verification et talonnage des blocs normliss de
duret Rockwel C (Verficacin y calibracin de bloques normalizados de dureza Rockwell C) exige
que las profundidades mxima y mnima obtenidas tras cinco mediciones sobre el bloque patrn de
transferencia no difieran en ms de una fraccin x, de la profundidad media, siendo x funcin del
nivel de dureza. Supongamos entonces que la diferencia mxima entre las profundidades de las
huellas, en todo el bloque, sea xz, donde z se define como en H.6.3.2, con n = 5. Supongamos
tambin que la diferencia mxima responde a una distribucin triangular de probabilidad en torno al
valor medio xz/2 (segn la hiptesis razonable de que los valores prximos al valor central son los
ms probables que los extremos ver 4.3.9). Si en la ecuacin (9b) de 4.3.9, a = xz/2, entonces la
variancia estimada de la correccin de la profundidad media de huella, debida a las diferncias de
dureza presentadas respectivamente a la mquina patrn y a la mquina de calibracin, es
u
2
(b) = (xz)
2
/24 ...(H.37)
Como se indic en H.6.2, se supone que la mejor estimacin de la correcin de b es cero.
H.6.3.4 Incertidumbre de la mquina patrn nacional y de la definicin de dureza, S
La incertidumbre de la mquina patrn nacional, al igual que la debida a la definicin incompleta de la
magnitud dureza, est informada como la desviacin estndar estimada u(S) (magnitud cuya
dimensin es una longitud).
H.6.4 La incertidumbre estndar combinada uc(h)
Tomando todos los trminos individuales presentados de H.6.3.1 a H.6.3.4 y sustituyndolos en la
ecuacin (H.34) se obtiene para la variancia estimada de la medida de dureza
) (
24
) ' ( ) ( ) (
12 5
) d (
) (
S
2
2 2
av S
2
av
2
k
2
2
c
+ + + +
+ u
xz
n
z s
m
z s s
h u ...(H.38)
siendo la incertidumbre estndar combinada uc(h).
128
H.6.5 Ejemplo numrico
Los datos para el presente ejemplo se resumen en la tabla H.10.
Tabla H.10 Resumen de datos para determinar la dureza de un bloque muestra en la escala
Rockwell C
Fuente de incertidumbre Valor
Profundidad media
d
de 5 huellas realizadas por la mquina de calibracin
sobre el bloque muestra: 0,072 mm
36,0 unidades Rockwell
ndice de dureza del bloque muestra obtenido a partir de 5 huellas:
HRockwell C = hRockwell C /(0,002 mm) =
= [100(0,002 mm) 0,072 mm]/(0,002 mm) (ver H.6.1)
64,0 HRC
Desviacin estndar experimental sp(dk) del conjunto de profundidades
hechas por la mquina de calibracin sobre un bloque que tiene dureza
uniforme
Resolucin de la indicacin de la mquina de calibracin
sav( z s), raz cuadrada de la media de las variancias experimentales de las
medias de m series de huellas hechas por la mquina patrn nacional sobre
el bloque patrn de transferencia
m = 6
sav( z ), raz cuadrada de la media de las variancias experimentales de las
medias de n series de huellas hechas por la mquina de calibracin sobre
el bloque patrn de transferencia
n = 6
Variacin relativa permitida x de la profundidad de penetracin, sobre el
bloque patrn de transferencia
1,5 x 10
-2
Incertidumbre estndar u(S) de la mquina patrn nacional y de la
definicin de dureza.
La escala es la Rockwell C, designada por HRC. La unidad de escala Rockwell C es 0,002 mm, lo
que significa que en la tabla H.10 y en lo que sigue 36 unidades Rockwell, por ejemplo, significar
36,0 x (0,002 mm) = 0,072 mm, siendo simplemente una forma conveniente de expresar los datos y
los resultados.
Si los valores de las correspondientes magnitudes dadas en la tabla H.10 se llevan a la ecuacin
(H.38), se obtienen las dos expresiones siguientes:
1
]
1
+ + + + +
2
2 2 2 2 2
2
c
5 , 0
24
) 0 , 36 x 015 , 0 (
6
11 , 0
6
10 , 0
12
1 , 0
5
45 , 0
) (h u (unidades Rockwell)
2
= 0,307 (unidades Rockwell)
2
uc(h) = 0,55 (unidades Rockwell) = 0,001 1 mm
donde basta con tomar z =
d
= 36,0 unidades Rockwell para calcular la incertidumbre.
Si se supone c = 0, la dureza del bloque muestra es entonces
hRockwell C = 64,0 unidades Rockwell, o 0,128 0 mm, con una incertidumbre estndar combinada
uc = 0,55 unidades rockwell, o 0,001 1 mm.
El ndice de dureza del bloque es
hRockwell C/(0,002 mm) = (0,128 0 mm)/(0,002 mm), o
HRockwell C = 64,0 HRC, con una incertidumbre estndar combinada uc = 0,55 HRC
Adems de la componente de incertidumbre debida a la mquina patrn nacional y a la definicin de
dureza, uc(S) = 0,5 unidades Rockwell, las componentes significativas de la incertidumbre son las de
repetibilidad de la mquina, sp(dk)/
5
= 0,20 unidades Rockwell, y la variacin de dureza del bloque
patrn de transferencia, esta ltima igual a (xz)
2
/ 24 = 0,11 unidades Rockwell. El nmero efectivo
de grados de libertad de uc puede calcularse utilizando la frmula de Welch-Satterthwaite, en la forma
ilustrada en H.1.6.
130
Anexo J
(Normativo)
Glosario de los smbolos principales
a Semi-intervalo de una distribucin rectangular de valores posibles de un argumento Xi:
a = (a+ - a-) / 2
a+ Cota superior, o lmite superior, del argumento Xi
a- Cota inferior, o lmite inferior, del argumento Xi
b+ Cota superior, o lmite superior, de la desviacin de un argumento Xi respecto a su
estimador xi : b+ = a+ - x
b- Cota inferior, o lmite inferior, de la desviacin de un argumento Xi respecto a su
estimador xi: b- = x - a
ci Derivada parcial o coeficiente de sensibilidad: c f / xi
f Relacin funcional entre el mesurando Y y los argumentos Xi de los cuales depende Y, y
entre el estimador y del mesurando y los estimadores xi de los argumentos de los cuales
depende y.
i
/ x f Derivada parcial con respecto al argumento Xi de la relacin funcional f entre el
mesurando Y y los argumentos Xi de las cuales depende Y, evaluada en los estimadores
xi de Xi:
i
/ x f =
n 1 i
x ,..,
/
2
x x i
X f
k Factor de cobertura utilzado para calcular la incertidumbre expandida U = k uc(y) del
estimador y del mesurando a partir de su incertidumbre estndar combinada uc(y), donde
U define un intervalo Y= y t U que posee un alto nivel de confianza
kp Factor de cobertura utilizado para calcular la incertidumbre expandida Up = kp uc(y) del
estimador y del mesurando a partir de su incertidumbre estndar combinada uc(y);
donde Up define un intervalo Y= y Up que posee un alto nivel de confianza p
especificado
n Nmero de observaciones repetidas
N Nmero de argumentos Xi de las cuales depende el mesurando Y
p Probabilidad; nivel de confianza: 0 p 1
q Magnitud que vara aleatoriamente, descrita mediante una distribucin de probabilidad
q
Media aritmtica o promedio de n observaciones independientes repetidas qk de una
variable aleatoria q ; estimador de la esperanza o media k de la distribucin de
probabilidad de q
qk k-sima observacin repetida en forma independiente de la variable aleatoria q
r(xi, xi) Coeficiente de correlacin estimado asociado con los estimadores xi y xj de los
argumentos Xi y Xj; r(xi, xi) = u(xi, xi)/ u(xi) u(xI)
) X , X r(
j i
Coeficiente de correlacin estmado de las medias
, X y X
j i
determinado a partir de n
pares de observaciones simultneas repetidas e independientes Xi,k y Xj,k de Xi y X
f
:
) X ( ) X ( / ) X , X ( ) X , X (
j i j i j i
s s s r
r(yi, yj) Coeficiente de correlacin estimado, asociado con los estimadores yi y yj de los
mesurandos, cuando dos o ms mesurandos son determinados en la misma medicin
s
2
p Estimador combinado o ponderado de la varianza
sp Desviacin estndar experimental ponderada, igual a la raz cuadrada positiva de s
2
p
s
2
) q ( Varianza experimental de la media q ; estimador de la vananza
2
/ n de q :
; / ) ( ) q ( n q s s
k
2 2
varianza estimada obtenida por una evaluacin de Tipo A
) q ( s
Desviacin estndar experimental de la media
q
, igual a la raz cuadrada positiva de
) q ( ; ) q ( s s
2
es un estimador sesgado de
) q (
(ver la nota de C.2.21); incertidumbre
estndar obtenida por una evaluacin de Tipo A
s
2
qk) Varianza experimental determinada a partir de n observaciones repetidas independientes
qk de q; estimador de la varianza
2
de la distrbucin de probabilidad de q
s(qk) Desviacin estndar experimental, igual a la raz cuadrada positiva de s
2
(qk); s(qk) es
un estimador sesgado de la desviacin estndar de la distribucin de probabilidad de q
) X (
i
2
s Varianza experimental de la media
i
X de los argumentos, determinada a partir de n
observaciones repetidas en forma independiente Xi,k de Xi; varianza estimada obtenida
por una evaluacin de Tipo A
) X (
i
s Desviacin estndar experimental de la meda
i
X de los argumentos, igual a la raz
cuadrada positiva de ; ) X (
i
2
s incertidumbre estndar obtenida por una evaluacin de Tipo
A
) r , q ( s Estimador de la covarianza de las medias q y r que estima las esperanzas q y r
de dos variables aleatorias q y r, determinado a partir de n pares de observaciones
simultneas independientes repetidas qk y rk de q y r, covarianza estimada obtenida por
una evaluacin de Tipo A
) X , X (
j i
s Estimadorde la covarianza de los valores medios de los argumentos
i
X y
j
X
determinados a partir de n pares de observaciones simultneas independientes
repetidas Xi,j y Xj, k de Xi y Xj, covarianza estimada obtenida por una evaluacin de
Tipo A
132
tp () Factor t de la distribucin t para grados de libertad correspondientes a una
probabilidad p dada
tp(eff) Factor t de la distribucin t para eff grados de libertad correspondientes a una
probabilidad p dada, usado para calcular la incertidumbre expandida Up
u
2
(xi) Varianza estimada asociada con el estimador xi del argumento Xi
NOTA - Cuando xi es determinado a partir de la media aritmtica o promedio de n observaciones repetidas en
forma independiente, ) X ( ) (
2 2
i
s
i
x u es una varianza estimada obtenida por una evaluacin de
Tipo A
u(xi) Incertidumbre estndar del estimador xi del argumento Xi, igual a la raz cuadrada
positiva de u
2
(xi)
NOTA - Cuando Xi es determinado a partir de la media aritmtica o promedio de n observaciones
repetidas en forma independiente, )
i
X ( ) (
2
s
i
x u es la incertidumbre estndar estimada obtenida
por una evaluacin de Tipo A
u(xi,xj) Covarianza. estimada asociada con dos estimadores xi y xj de los argumentos Xi y Xj
NOTA - Cuando xi y xj son determinados a partir de n pares de observaciones simultneas
repetidas en forma independiente,
)
j
X ,
i
X ( s )
j
x ,
i
u(x
es una covarianza estimada obtenida por
una evaluacin deTipo A
uc
2
(y) Varianza combinada asociada con el estimador y del mesurando
uc(y) Incertidumbre estndar combinada del estimador y del mesurando, igual a la raz
cuadrada. positiva de uc
2
(y)
ucA(y) Incertidumbre estndar combinada del estimador y del argumento, determinada a partir
de incertidumbres estndar y covarianzas estimadas obtenidas slo a partir de una
evaluacin de Tipo A
ucB(y) Incertidumbre estndar combinada del estimador y del mesurando, determinada a
partir de incertidumbres estndar y covariarizas estimadas obtenidas slo a partir de
una evaluacin de Tipo B
uc(yi) Incertidumbre estndar combinada del estimador yi del mesurando, cuando dos o ms
mesurandos o argumentos son determinados en la misma medicin
ui
2
(y) Componente de la varianza combinada uc
2
(y) asociada con el estimador y del
argumento, generada por la varianza estimada u
2
(xi) asociada con el estimador xi del
argumento: ui
2
(y) = [ciu(xi)]
2
ui(y) Componente de la incertidumbre estndar combinada uc(y) del estimador y del
mesurando y generada por la incertidumbre estndar del estimador xi del argumento:
ui(y) ci u(xi)
u(yi,yj) Covarianza estimada asociada con los estimadores yi y yj de dos mesurandos
determinados en la misma medicin
u(xi) / xi Incertidumbre estndar relativa del estimador xi del argumento
uc(y)/ y Incertidumbre estndar combinada relativa del estimador y del mesurando
[u(xi) / xi]
2
Varianza relativa estimada asociada con el estimador xi del argumento
[uc(y) / y]
2
Varianza combinada relativa asociada con el estimador y del mesurando
u(xi,xj) / xixjCovarianza relativa estimada asociada con los estimadores xi y xj de dos
argumentos
U Incertidumbre expandida del estimador y del mesurando que define un intervalo
Y = y t U que posee un alto nivel de confianza p especificado, igual al factor de
cobertura k multiplicado por la incertidumbre estndar combinada uc(y) de y: U =
kuc(y)
Up Incertidumbre expandida del estimador y del mesurando que define un intervalo
Y = y t Up que posee un alto nivel de confianza p especificado, igual al factor de
cobertura kp multiplicado por la incertidumbre estndar combinada uc(y) de y:
Up = kpuc(y)
xi Estimador del argumento Xi
NOTA - Cuando xi es determinado a partir de la media aritmtica o promedio de n observaciones
repetidas en forma independiente,
i
X
i
x
Xi i-simo argumento del cual depende el mesurando Y
NOTA - Xi puede ser la magnitud fsica o la variable aleatoria (ver nota 1 de 4.1.1)
i
X Estimador del valor del argumento Xi, igual a la media aritmtica o promedio de n
observaciones repetidas en forma independiente Xi,k de Xi
Xi,k k-sima observacin repetida en forma independiente de Xi
y Estimador del mesurando Y; resultado de una medicin, estimador del argumento
yi Estimador del mesurando Yi cuando dos o ms mesurandos son determinados en la
misma medicin
Y Un mesurando
u(xi) / u(xi) Incertidumbre relativa estimada de la incertidumbre estndar u(xi) del estimador xi del
argumento
q Esperanza o media de la distribucin de probabilidad de una magnitud aleatoria q
Grados de libertad (en general)
i Grados de libertad, o grados efectivos de libertad, de la incertidumbre estndar u(xi)
del estimador xi del argumento
134
eff Grados efectivos de libertad de uc(y), usados para obtener tp(eff) para el clculo de la
incertidumbre expandida Up
effA Grados efectivos de libertad de una incertidumbre estndar combinada determinada a
partir de incertidumbres estndar obtenidas slo por evaluaciones de Tipo A
effB Grados efectivos de libertad de una incertidumbre estndar combinada determinada a
partir de incertidumbres estndar obtenidas slo por evaluaciones de Tipo B
2
Varianza de una distribucin de probabilidad de (por ejemplo) una magnitud aleatoria
q, estimada mediante s
2
(qk)
Desviacin estndar de una distribucin de probabilidad, igual a la raz cuadrada
positiva de
2
; s(qk) es un estimador sesgado de
2
) q (
Varianza de
q
, igual a
2
/n, estimada mediante s
2
) q (
= s
2
(qk) / n
) q (
Desviacin estndar de
q
, igual a la raz cuadrada positiva de
2
) q (
; s
) q (
es un
estimador sesgado de
) q (
2
[s
) ( q
] Varianza de la desviacin estndar experimental s
) ( q
de
q
[s
) ( q
] Desviacin estndar de la desviacin estndar experimental s
) ( q
de
q
, igual a la raz
cuadrada positiva de
2
[s(
q
)].
Anexo K
(Informativo)
Bibliografa
[1] CIPM (1980), BIPM Proc-Verb. Com. Int.
Poids et Mesures 48, C1-C30 (en
francs): BIPM (1980), Report on the
BIPM enquiry on error statements, Bur.
Int. Poids et Mesures (Svres, France) (en
ingls).

[2] KAARLS,R. (1981), BIPM Proc.-Verb.
Com. Int. Poids et Mesures 49, A1-A12
(en francs); Giacomo, P. (1981),
Metrologa 17, 73-74 (en ingls).
Nota: La traduccin al espaol de la
Recomendacin INC-1 (1980), dada en la
Introduccin a esta norma (vase 0.7), es la
correspondiente a la versin final de la
Recomendacin y fue tomada de un informe interno
del BIPM. Es consistente con el texto en francs,
reglamentario de la Recomendacin dada en BIPM
Proc.-Verb. Com. Int. Poids et Measures 49, y
reproducido en A.1 del Anexo A de esta Gua. La
traduccin al ingls de la Recomendacin INC-1
(1980) dada en Metrologa 17 es la correspondiente
a un borrador y difiere ligeramente de la traduccin
dada en el informe interno del BIPM y, por tanto, de
0.7.
[3] CIPM (1981),BIPM Proc.-Verb. Com. Int.
Poids et Mesures 49, 8-9, 26 (en francs);
Giacomo, P. (1982), Metrologa 18, 43-44
(en ingls).
[4] CIPM (1986),BIPM Proc.-Verb. Com. Int.
Poids et Mesures 54, 14, 35 (en francs);
Giacomo, P. (1987), Metrologa 24,
49-50 (en ingls).
[5] ISO 5725:1986, Precision of test methods-
Determination of repeatability and
reproducibility for standard test method by
inter-laboratory tests, International
Organization for Standardization (Ginebra,
Suiza).
Nota IRAM: Existe una norma IRAM que tom
como antecedente esta norma ISO. Esta norma es
la IRAM 34553 - Estadstica. Precisin de los
mtodos de ensayo. Determinacin de la
repetibilidad y reproducibilidad de mtodos
normalizados por medio de ensayos
interlaboratorios, y consta de 7 partes.
[6] International vocabulary of basic and
general terms in metrology, segunda
edicin, 1993, International Organization
for Standardization (Ginebra, Suiza).
La abreviatura del ttulo de este
vocabulario es VIM
NOTAS
1. Las definiciones de los trminos dados en el
Anexo B fueron tomadas del texto revisado de la
Gua IRAM 32:1997 - Metrologa. Vocabulario VIM,
que tom como antecedente al texto citado
anteriormente.
2. La segunda edicin del VIM fue publicada por la
International Organization for Standardization (ISO)
en nombre de las siguientes siete organizaciones
que participan del trabajo del Grupo Asesor Tcnico
de Trabajo 4 (TAG 4), grupo que apoy el
desarrollo del VIM: el Bureau International des
Poids el Mesures (BIPM), la international
Electrotechical Commission (IEC), la International
Federation of Clinical Chemistry (IFCC), ISO, la
International Union of Pure and Applied Physics
(IUPAP), y la International Organization of Legal
Metrology (OIML)
3 La primera edicin del VIM fue publicada por la
ISO en 1984 en nombre de BIPM, IEC, ISO y OIML.
[7] ISO 3534-1:1993, Statistics-Vocabulary
and symbols Part 1: Probability and
general statistical terms, International
Organization for Standardization
(Ginebra, Suiza).
[8] FULLER, W. A. (1987), Measurement
error models, John Wiley (New York,
N. Y.).
[9] ALLAN, D. W. (1987), IEEE Trans.
Instrum. Meas. IM-36, 646-654.
[10] DIETRICH, C. F. (1991), Uncertainty,
calibration and probability, segunda
edicin, Adam-Hilger (Bristol).
136
[11] MLLER, J. W. (1979), Nucl. Instrum.
Meth. 163, 241-251
[12] MLLER, J. W. (1984), en Precision
measurement and fundamental
constants II, Taylor, B. N., y Phillips, W.
D. eds., Natl. Bur. Stand. (U.S.) Spec.
Publ. 617, US GPO (Washington D. C.),
375-381.
[13] JEFFREYS, H. (1983), Theory of
probability, tercera edicin, Oxford
University Press (Oxford).
[14] PRESS, S. J. (1989), Bayesian
Statistics; principles, models, and
applications, John Wiley (New York,
N.Y.)
[15] BOX, G. E. P., HUNTER, W. G., and
HUNTER, J. S. (1978), Statistics for
experimenters, John Wiley (New York, N.
Y.).
[16] WELCH, B. L. (1936), J. R. Stat. Soc.
Suppl. 3, 29-48; (1938), Biometrika 29,
350-362; (1947), ibid. 34, 28-35.
[17] FAIRFIELD-SMITH, H. (1936), J. Counc.
Sci. Indust. Res. (Australia) 9(3), 211.
[18] SATTERTHWAITE, F. E. (1941),
Psychometrika 6, 309-316; (1946)
Biometrics Bull. 2(6), 110-114.
[19] Gua ISO 35: 1989, Certification of
reference materials-General and
statistical principies, segunda edicin,
International Organization for
Standardization (Ginebra, Suiza).
[20] BARKER, T. B. (1985), Quality by
experimental design, Marcel Dekker
(New York, N. Y.)
Indice alfabtico
A
aleatoriedad...................................................................................................F.1.1, F.1.1.3-F.1.1.5
aleatorio....................................................................................................3.3.3, E.1.3, E.3.5-E.3.7
, efecto............................................................................................................ver efecto aleatorio
, error..............................................................................................................ver efecto aleatorio
anlisis, de error.........................................................................................................................0.2
, de varianza...............................................................................................................ver ANOVA
ANOVA...................................................................................................................4.2.8, H.5 y sig.
, magnitud de entrada...........................................................................................................4.1.2
, estimacin de una...........................................................................................4.1.4, 4.1.6, 4.2.1
, lmites de una................................................................ver lmites de una magnitud de entrada
, o valor de entrada de origen externo......................................................................F.2.3, F.2.3.1
argumentos, categorizacin de...............................................................................................4.2.3
, o magnitudes correlacionadas.............................................................................ver correlacin
B
BIPM..............................................................................................................i,ii,v,0.5, 7.1.1, A1,A2
Bureau International des Poids et Mesures......................................................................ver BIPM
C
calibracin, cadena de.......................................................................................................4.2.8 nota
, comparacin..............................................................................................................F.1.2.3. nota
, curva de.................................................................................................................F.2.4.2, F.2.4.5
, curva lineal de.................................................................................................................H.3 y sig.
caracterstica...........................................................................................................................C.2.15
CIPM............................................................................................i, v, 0.5, 6.1.1, 6.1.2, A.1, A.2, A.3
cobertura, factor de........................................................................................ver factor de cobertura
, probabilidad de................................................................................ver probabilidad de cobertura
coeficiente de confianza..........................................................................................................C.2.29
Comit Internacional des Poids et Mesures........................................................................ver CIPM
confianza, nivel de........................................................................................................6.2.2, C.2.29
convolucin......................................................ver probabilidad, convolucionando distribuciones de
control estadstico............................................................................................................3.4.2, 4.2.4
correccin..........................................................................................3.2, 3.2.3, 3.2.2 nota 2, B.2.23
, factor de....................................................................................................................3.2.3, B.2.24
, ignorando una....................................................................3.2.4 nota 2, 3.4.4, 6.3.1 nota, F.2.4.5
, incertidumbre de una............................................................ver incertidumbre de una correccin
correlacin.......................................................................5.1, 5.2 y sig. C.2.8, F.1.2, F.1.2.1-F.1.2.4
, coeficiente de.............................................5.2.2, 5.2.3, C.3.6, F.1.2.3, H.2.3, H.2.4, H.3.2, H.4.2
, dgitos significativos para un coeficiente de...........................................................................7.2.6
, eliminacin de.....................................................................................5.2.4, 5.2.5, F.1.2.4., H.3.5
, matriz de coeficientes de..................................................................................7.2.5, C.3.6 nota 2
cotas de una magnitud de entrada...................................................4.3.7-4.3.9, 4.4.5, 4.4.6, F.2.3.3
covarianza....................................................................................3.3.6, 5.2.2, C.3.4, F.1.2.1-F.1.2.4
, experimental, evaluacin de.............................................................................5.2.5, C.3.6 nota 3
138
, matriz de............................................................................3.1.7, 5.2.2 nota 2, 7.2.5, C.3.5, H.2.3
de dos medias aritmticas.............................................................5.2.3, C.3.4, H.2.2, H.2.4, H.4.2
de mesurandos relacionados..........................ver estimacin de magnitudes o magnitudes de salida
correlacionados
cuadrados mnimos, mtodo de..........................................................4.2.5., G.3.3., H.3, H.3.1, H.3.2
D
derivadas parciales....................................................................................................................5.1.3
desvo estndar......................................................................................3.3.5, C.2.12, C.2.21, C.3.3
como medida de incertidumbre....................................ver incertidumbre, desvo estndar como...
, experimental..............................................................................................................4.2.2, B.2.17
, experimental de la media................................................................................4.2.3, B.2.17 nota 2
, experimental de la media, incertidumbre del............ver incertidumbre del desvo experimental de la
media
, experimental ponderado...................................................ver varianza ponderada, estimacin de
, propagacin del...................................................................................................E.3, E.3.1, E.3.2
, propagacin de mltiplos del.................................................................................................E.3.3
diseo, anidado balanceado.....................................................................................H.5.3.1, H.5.3.2
distribucin, a priori..........................4.1.6, 4.3.1 nota, 4.4.4 y sig., D.6.1, E.3.4, E.3.5, G.4.2, G.4.3
, asimtrica......................................................................................................4.3.8, F.2.4.4, G.5.3
, de probabilidad.................................................................................ver probabilidad, distribucin
, de Student..........................................................................................ver Student, distribucin de
, F.........................................................................................................................................H.5.2.3
, frecuencia.............................................................................................3.3.5, 4.1.6, C.2.18, E.3.5
, funcin de.............................................................................................................................C.2.4
, Laplace-Gauss.............................................................................ver Laplace-Gauss, distribucin
, normal.......................................................................................................ver normal, distribucin
, rectangular...................................4.3.7, 4.3.9, 4.4.5, F.2.2.1-F.2.2.3, F.2.3.3,G.2.2 nota 1. G.4.3
, t..........................................................................................................................ver t, distribucin
trapezoidal...............................................................................................................................4.3.9
triangular...........................................................................................................4.3.9, 4.4.6, F.2.3.3
distribuciones, probabilidad de convolucin.........................4.3.9, nota 2, G.1.4-G.1.6, G.2.2, G.6.5
, determinacin matemtica....................................................................................................F.2.2
E
efecto, aleatorio...........................................................................3.2.2, 3.3.1, 3.3.3, 4.2.2, E.1.1, E3
, sistemtico...............................................3.2.3, 3.2.4, 3.3.1, 3.3.2, 3.3.3, D.6.1, E.1.1, E.3, E.4.4
error, aleatorio......................................................................................................3.2.1-3.2.3, B.2.21
, anlisis de......................................................................................................ver anlisis de error
, de medicin.............................0.2, 2.2.4, 3.2, 3.2.1 nota, 3.2.2 nota 2, 3.2.3 nota, 3.3.1 nota, 3.3.2,
B.2.19, D, D.4, D.6.1, D.6.2, E.5.1 y sig.
, determinacin del...................................................................................................................3.4.5
, de un instrumento verificado, curva de.................................................................................F.2.4.2
, lmite mximo de....................................................................................................................E.4.1
, mximo permisible...............................................................................................................F.2.4.2
, relativo.................................................................................................................................B.2.20
, sistemtico........................................................................................................3.2.1, 3.2.3, B.2.22
error e incertidumbre, confusin entre...................................................3.2.2 nota 2, 3.2.3 nota, E.5.4
errores.......................................................................................................................................3.4.7
, ley general de propagacin de............................................................................5.2.2 nota 1, E.3.2
esperanza (o valor esperado)...............3.2.2, 3.2.3, 4.1.1 nota 3, 4.2.1, 4.3.7-4.3.9, C.2.9,C.3.1, C.3.2
estadstica......................................................................................................................4.2.7, C.2.23
estimacin...............................................................................................................................C.2.24
, de magnitudes o argumentos de salida correlacionados.................3.1.7, 7.2.5, H.2.3, H.2.4, H.3.2,
H.4.2
, de magnitudes o argumentos correlacionados..........................................................ver correlacin
, ponderada de la varianza................................................ver varianza, estimacin ponderada de la
estimador.......................................................................................................................4.2.7, C.2.25
, entrada................................................................................................................4.1.4, 4.1.6, 4.2.1
, salida...................................................................................................................4.1.4, 4.1.5, 7.2.5
exactitud de medicin.............................................................................................3.1.3, 3.4.1, B2.14
evaluacin de covariancia de tipo A............................................................................................7.2.1
evaluacin de covariancia de tipo B............................................................................................5.2.5
F
F-distribucin..............................................................ver distribucin F
factor de cobertura 2.3.6, 3.3.7, 4.3.4 nota, 6.2.1, 6.3 y sig. G.1.3, G.2.3,
G.3.4, G.6.1 y sig.
frecuencia...................................................................................C.2.17
, distribucin de..........................................ver distribucin, frecuencia
, relativa......................................................................................E.3.5
G
grado de confianza...................................3.3.5, E.3.5, E.4.4, E.5.2 nota
grados de libertad........4.2.6, C.2.31, E.4.3, G, G.3, G.3.2, G.3.3, G.6.3,
G.6.4
, de una estimacin ponderada de la varianza
(o de un desvo estndar ponderado).......................H.1.6, H.3.6 nota
, de una incertidumbre estndar de Tipo A..............G.3.3, G.6.3, G.6.4
, de una incertidumbre estndar de Tipo B. . .G.4.2, G.4.3, G.6.3, G.6.4
, efectivos.....................................6.3.3, G.4, G.4.1, G.5.4, G.6.2 y sig.
, efectivos, componentes de tipo A solamente.........7.2.1, G.4.1 nota 3
, efectivos, componentes de tipo B solamente.........7.2.1, G.4.1 nota 3
Grupo de Trabajo para la Expresin de Incertidumbres....I, v, 0.5, 3.3.3,
6.1.1, 6.1.2, A.1, A.2, A.3
Grupo 3 de trabajo (ISO/TAG 4/WG3)..................................................v
H
histograma................................................................4.4.3, D.6.1 nota 1
I
IEC..................................................................................i, ii, v, A.3, B.1
IFCC......................................................................................i, ii, v, B.1
incertidumbre, agrupando componentes de.........3.3.3 nota, 3.4.3, E.3.7
140
, categorizando o clasificando componentes de.......3.3.3, 3.3.4, E.3.6,
E.3.7
, comparacin de dos vistas de..............................................E.5 y sig.
, componentes de doble conteo.................................................4.3.10
, cuando no se aplica una correccin..............3.4.4, 6.3.1 nota, F.2.4.5
, debida a aritmtica de precisin finita......................................F.2.2.3
, debida a histresis...................................................................F.2.22
, debida a la resolucin de una indicacin digital........................F.2.2.1
, debida a muestreo limitado.......................................4.3.2 nota, E.4.3
, debida a una definicin incompleta del mesurando. .3.1.3 nota, D.1.1,
D.3.4, D.6.2
, definicin del termino...........................ver incertidumbre de medicin
, de la muestra....................................................................F.2.6 y sig.
, del desvo estndar de la media, experimental.....4.2.3, B.2.17 nota 2
, del desvo estndar experimental de la media...........4.3.2 nota, E.4.3
, de medicin............................1, 0.2, 1.1., 2.2, 2.2.1-2.2.4, 3.3, 3.3.1,
3.3.2, B.2.18, D, D.5, D.5.1-D.5.3, D.6.1, D.6.2
, del mtodo de medicin................................................F.2.5, F.2.5.1
, desvo estndar como medida de....................E.3.2, E.4, E.4.1-E.4.4
, de tipo A, evaluacin de.........ver tipo A, evaluacin de incertidumbre
, de tipo B, evaluacin de.........ver tipo B, evaluacin de incertidumbre
, de una correccin................3.2.3 nota, 3.3.1, 3.3.3, D.6.1, E.1.1, E.3
, de una magnitud controlada....................................................F.2.4.3
, de una nica observacin de un instrumento calibrado............F.2.4.1
, de una nica observacin de un instrumento verificado...........F.2.4.2
, dgitos significativos para...........................................................7.2.6
, estndar.................2.3.1, 3.3.5, 3.3.6, 4.1.5, 4.1.6, 4.2.3, D.6.1, E.4.1
, estndar combinada.....2.3.4, 3.3.6, 4.1.5, 5, 5.1.1-5.1.3, 5.1.6, 5.2.2,
6.1.1, D.6.1, E.3.6
, estndar combinada, clculo numrico de. . .5.1.3 nota 2, 5.2.2 nota 3
, estndar combinada, de componentes de tipo A solamente.......7.2.1,
G.4.1 nota 3
, estndar combinada, de componentes de tipo B solamente.......7.2.1,
G.4.1 nota 3
, estndar combinada, informando......................................7.2.1, 7.2.2
, estndar combinada, relativa............................................5.1.6, 7.2.1
, estndar combinada y Comits Consecutivos.....................6.1.1, A.3
, estndar combinada y comparaciones internacionales........6.1.1, A.3
, evaluacin estadstica, variando las magnitudes de entrada......3.4.1,
3.4.2, 4.2.8, F.2.1, H.5.3.3
, expandida........2.3.5, 3.3.7, 6, 6.2.1-6.2.3, G.1.1, G.2.3, G.3.2, G.4.1,
G.5.1-G.5.4,
G.6.4-G.6.6
, expandida informando......................................................7.2.3, 7.2.4
, expandida para una distribucin asimtrica...............................G.5.3
, expandida relativa......................................................................7.2.3
, fuentes de..................................................................................3.3.2
, ignorando un componente de.....................................................3.4.4
, ilustracin grfica de evaluacin...........................................4.4 y sig.
, informando.............................................................................7 y sig.
, intrnseca..................................................................................D.3.4
, justificacin para evaluaciones realistas de................E.2, E.2.1-E.2.3
, ley de propagacin de.......3.3.6, 3.4.1, 5.1.2, E.3, E.3.1, E.3.2, E.3.6,
G.6.6
, mxima admitida....................................................................F.2.4.2
, magnitud internamente consistente para la expresin de la...........0.4
, magnitud transferible para la expresin de....................................0.4
, mtodo ideal para evaluacin y expresin de la.............................0.4
, mnima......................................................................................D.3.4
, necesidad de un informe explcito de..........................................7.1.3
, ponderada, calidad y utilidad de la.............................................3.4.8
, redondeo de..............................................................................7.2.6
, relativa.......................................................................................5.1.6
, resumen de procedimiento para la evaluacin y expresin de la.......8
, segura..................................E.1.1, E.1.2, E.2.1, E.2.3, E.4.1, F.2.3.2
, total.................................................................................2.3.5 nota 3
independencia........................................................................5.1, C.3.7
independientes, repeticiones.................ver repeticiones independientes
influencia, magnitudes aleatorias de..........ver magnitudes aleatorias de
influencia
, magnitud...........................................3.1.5, 3.1.6, 3.2.3, 4.2.2, B.2.10
informacin, reunin de, para una evaluacin de Tipo B........3.3.5 nota,
4.3.1, 4.3.2, 5.2.5
Internacional Electrotechnical Commission.................................ver IEC
Internacional Federation of Clinical Chemistry..........................ver IFFC
Internacional Organization for Standardization...........................ver ISO
Internacional Organization of Legal Metrology.........................ver OIML
Internacional System of Units (SI)...........................................0.3, 3.4.6
Internacional Union of Pure and Applied Chemistry...............ver IUPAC
Internacional Union of Pure and Applied Physics...................ver IUPAP
Internacional vocabulary of basic and general terms in metrology......ver
VIM
intervalo, de cobertura estadstica...............................................C.2.30
, de confianza........................4.2.3 nota 1, 6.2.2, C.2.27, C.2.28, E.3.3
, de confianza a dos lados.........................................................C.2.27
, de confianza a un lado............................................................C.2.28
, tolerancia, estadstico...................................................C.2.30 nota 2
intervalos de confianza, propagacin de........................................E.3.3
ISO.................................................................................i, ii, v, A.3, B.1
/TAG 4..............................................................................................v
/TAG4/WG 3......................................................................................v
/TAG4/ WG3, trminos de referencia de.............................................v
Technical Advisory Group on Metrology (ISO/TAG 4).........................v
3534-1....................................................................................2.1, C.1
IUPAC....................................................................................i, ii, v, B.1
IUPAP....................................................................................i, ii, v, B.1
L
laboratorios, metrologa nacional o patrones........................................v
Laplace-Gauss, distribucin de....................................................C.2.14
lmite de seguridad.................................................................6.3.1 nota
lmites de un argumento........................4.3.7-4.3.9, 4.4.5, 4.4.6, F.2.3.3
, superior e inferior de un argumento.........ver lmites de un argumento
142
, mximos.................................................ver lmites de un argumento
M
magnitud, controlada..................................................................F.2.4.3
, de influencia......................................3.1.5, 3.1.6, 3.2.3, 4.2.2, B.2.10
, de salida....................................................................................4.1.2
, mesurable.................................................................................B.2.1
, particular...............................................................3.1.1, B.2.1 nota 1
, realizada.................................................D.2, D.2.1, D.3.1-D.3.3, D.4
, valor de una...............................................ver valor de una magnitud
magnitudes aleatorias de influencia................................F.1.1.3, F.1.1.4
materiales de referencia, certificacin de.............................H.5, H.5.3.2
mxima entropia, principio de..............................................4.3.8 nota 2
media.................................................................................C.2.9, C.3.1
, aritmtica......................................................4.1.4 nota, 4.2.1, C.2.19
medicin.......................................................................3.1, 3.1.1, B.2.5
, exactitud de................................................ver exactitud de medicin
, jerarquia de...............................................................................7.1.1
, mtodo de....................................................ver mtodo de medicin
, modelo matemtico de la..............3.1.6, 3.4.1, 3.4.2, 4.1, 4.1.1, 4.1.2
, papel de ANOVA en una..................................................H.5.3 y sig.
, principio de..................................................ver principio de medicin
, procedimiento............................................3.1.1, 7.1.2, B.2.8, F.1.1.2
, resultado de una.................................ver resultado de una medicin
, resultado de y su incertidumbre, disponibilidad de informacin describiendo un..............7.1.1, 7.1.3
, resultado de y su incertidumbre, formatos para informar un.......7.2.2,
7.2.4
, resultado de y su inertidumbre, informando en detalle un. .7.1.4, 7.2.7
mediciones, espectro de, respecto de las cuales se aplica esta Gua 1.1
mesurando...................1.2, 3.1.1, 3.1.3, B.2.19, D.1, D.1.1, D.1.2, D.3.4
, definicin o especificacin del.....................................ver mesurando
, incertidumbre debido a la definicin incompleta del. ver incertidumbre
debido a la
definicin incompleta del mesurando
, medicin mejor posible del........................................................D.3.4
, muchos valores del...................................................................D.6.2
, valor del............................................................................3.1.1-3.1.3
mesurandos, relacionados covarianza dever estimaciones de salida o
magnitudes
correlacionadas
mtodo de cuadrados mnimos........ver cuadrados mnimos, mtodo de
mtodo de medicin............................................................3.1.1, B.2.7
, incertidumbre del...............ver incertidumbre del mtodo de medicin
, unidad dependiente del................................................................H.6
metrologa legal.............................................................................3.4.5
modelo matemtico de la medicin....ver medicin, modelo matemtico
de la
momento central de orden q..........................C.2.13, C.2.22, E.3.1 nota
muestreo, incertidumbre debido a limitado....ver incertidumbre debido a
muestreo
limitado
N
nivel de confianza............................................................................................................6.2.2, C.2.29
, mnimo.................................................................................................................................F.2.3.2
normal, distribucin...............................4.2.3 nota 1, 4.3.2 nota, 4.3.4-4.3.6, 4.3.9 nota 1, 4.4.2, 4.4.6,
C.2.14, E.3.3, F.2.3.3, G.1..3, G.1.4, G.2.1-G.2.3, G.5.2 nota 2
O
observaciones, repetidas.......................3.1.4-3.1.6, 3.2.2, 3.3.5, 4.2.1, 4.2.3, 4.3.1, 4.4.1, 4.4.3, 5.2.3,
E.4.2, E.4.3, F.1, F.1.1, F.1.1.1, F.1.1.2, G.3.2
observaciones simultneas, pares independientes de.........................................5.2.3, C.3.4, F.1.2.2,
H.2.2, H.2.4, H.4.2
OIML..............................................................................................................................i, ii, v,A.3, B.1
P
parmetro.....................................................................................C.2.7
poblacin....................................................................................C.2.16
precisin...........................................................................B.2.14 nota 2
principio de medicin.....................................................................B.2.6
probabilidad......................3.3.5, 4.3.7-4.3.9, C.2.1, E.3.5, E.3.6, F.2.3.3
, convolucionando distribuciones de. . .4.3.9 nota 2, G.1.4-G.1.6, G.2.2,
G.6.5
, de cobertura.........................................0.4, 2.2.3 nota 1, 2.3.5 notas 1 y 2, 3.3.7, 4.3.4, 6.2.2, 6.2.3,
6.3.1-6.3.3, G, G.1.1-G.1.3, G.2.3, G.3.2, G.3.4, G.4.1, G.6.1, G.6.4,
G.6.6
, distribucin de.......3.3.4, 4.1.1 nota 1, 4.1.6, 4.2.3 nota 1, 4.4.1-4.4.4,
C.2.3, E.4.2, G.1.4, G.1.5
, elemento de...........................................................C.2.5 nota F.2.4.4
, funcin de densidad.......3.3.5, 4.3.8 nota 2, 4.4.2, 4.4.5, 4.4.6, C.2.5,
F.2.4.4
, funcin de masa........................................................................C.2.6
, subjetiva..........................................................................3.3.5, D.6.1
promedio................................................................ver media aritmtica
propagacin, de errores, ley general..............ver errores, ley general de
propagacin de
, de incertidumbre, ley de......ver incertidumbre, ley de propagacin de
R
Recomendacin INC-1 (1980).......i, v, 0.4, 0.7, 3.3.3, 6.1.1, 6.1.2, 6.3.3,
A.1, A.3, E, E.2.3, E.3.7
Recomendacin 1 (CI-1981), CIPM........................i, 0.5, 6.1.1, A.2, A.3
Recomendacin 1 (CI-1986), CIPM......................i, 0.5, 6.1.1, 6.1.2, A.3
relacin funcional..................................................................4.1.1, 4.12
, linealizacin de una...........................5.1.5, F.2.4.4 nota, 5.1.6 nota 1
, no lineal.........4.1.4 nota, 5.1.2 nota, F.2.4.4 nota, G.1.5, H.1.7, H.2.4
144
repetibilidad, condiciones de....................................3.1.4, B.2.15 nota 1
, de resultados de mediciones...................................................B.2.15
repeticiones independientes........................................................F.1.1.2
reproducibilidad de resultados de mediciones..............................B.2.15
resultado, corregido.........................................B.2.13, D.3.1, D.3.4, D.4
, de una medicin......................................................1.3, 3.1.2, B.2.11
, sin corregir..............................................................................B.2.12
S
seguridad, lmite de................................................................6.3.1 nota
sensibilidad, coeficientes de.................................................5.1.3, 5.1.4
, coeficientes de, determinacin experimental de..........................5.1.4
sesgo.....................................................................................3.2.3 nota
sistemtico.......................................................3.3.3, E.1.3, E.3.4-E.3.7
, efecto...............................................................ver efecto sistemtico
, error...................................................................ver error sistemtico
Student, distribucin de.......................................................C.3.8, G.3.2
T
t distribucin4.2.3 nota 1, C.3.8, G.3, G.3.2, G.3.4, G.4.1, G.4.2, G.5.34,
G.6.2
, cuartiles de la....................................................................G.3.4 nota
Taylor, serie de...........................5.1.2, E.3.1, G.1.5, G.4.2, H.1.7, H.2.4
test F............................................................................H.5.2.2, H.5.2.4
t factor...................E.3.3, G.3.2, G.3.4, G.4.1, G.5.4, G.6.2, G.6.4-G.6.6
Teorema Central del Lmite.G.1.6, G.2, G.2.1-G.2.3, G.6.2, G.6.5, G.6.6
trminos de alto orden........................................5.1.2 nota, E.3.1, H.1.7
Tipo A, evaluacin de covariancia..................................................5.2.3
, evaluacin de incertidumbre. 2.3.2, 3.3.3-3.3.5, 4.1.6, 4.2, 4.2.1-4.2.8,
4.3.2, 4.4.1-
4.4.3, E.3.7, F.1, F.1.1.1-F.1.2.4
, incertidumbre estndar...........................................3.3.5, 4.2.3, C.3.3
, incertidumbre estndar combinada........................7.2.1, G.4.1 nota 3
, variancia....................................................................................4.3.1
U
unidad, uso de un valor adoptado de un patrn de medicin como 3.4.6,
4.2.8 nota
V
valor, convencionalmente verdadero de una magnitud.................................................................B.2.4
, de una magnitud............................................................................................................3.1.1, B.2.2
, verdadero de una magnitud...............................2.2.4, 3.1.1 nota, B.2.3, D, D.3, D.3.1, D.3.4, D.3.5,
E.5.1-E.5.4
variable, aleatoria.......................................4.1.1 nota 1, 4.2.1, 4.2.3 nota1, C.2.2, C.3.2, C.3.4, C.3.7,
C.3.8,E.3.4, F.1.2.1, G.3.2
, aleatoria centrada.................................................................................................................C.2.10
variaciones aleatorias correlacionadas.........................................................................................4.2.7
variancia................................................................................3.1.7, 4.2.2, 4.2.3, C.2.11, C.2.20, C.3.2
, anlisis de la.................................................................................................................ver ANOVA
, combinada.....................................................................................................................3.3.6, 5.1.2
, de Allan...........................................................................................................................4.2.7 nota
, de la media...................................................................................................................4.2.3, C.3.2
, estimacin ponderada de (o desvo estndar experimental ponderado).........................4.2.4, 4.2.8
nota, H.1.3.2, H.3.6 nota, H.5.2.2, H.4.25, H.6.3.1, H.6.3.2 nota
, experimental (o estimacin de la)...........................................................................4.2.2, H.3.6 nota
, experimental de la media...............................................................................................4.2.3, C.3.2
, relativa....................................................................................................................................5.1.6
, relativa combinada..................................................................................................................5.1.6
VIM......................................................................................................................2.1, 2.2.3, 2.2.4, B.1
W
Weich-Satterwaite, frmula de........................G.4.1, G.4.2, G.6.2, G.6.4
146
Anexo L
(Informativo)
Antecedentes para la elaboracin de esta nroma IRAM
En el estudio de esta norma se han tenido en cuenta los antecedentes siguientes:
ISO - INTERNATIONAL ORGANIZATION FOR STANDARDIZATION
BIPM - BUREAU INTERNATIONAL DES POIDS ET MESURES
IEC - INTERNATIONAL ELECTROTECHNICAL COMISSION
IFCC - INTERNATIONAL FEDERATION OF CHEMICAL CHEMISTRY
IUPAC - INTERNATIONAL UNION OF PURE AND APPLIED CHEMISTRY
IUPAP - INTERNATIONAL UNION OF PURE AND APPLIED PHYSICS
OIML - INTERNATIONAL ORGANIZATION OF LEGAL METROLOGY
Guide to the expression of un centainty in measurements (Edition de 1993)
INTI - INSTITUTO NACIONAL DE TECNOLOGA INDUSTRIAL
CEFIS - CENTRO DE INVESTIGACIN Y DESARROLLO EN FSICA
Gua para la expresin de incertidumbres de Medicin (Edicin de 1999)
CENTRO ESPAOL DE METROLOGA
Gua para la expresin de la incertidumbre de medida (Edicin de 1998)
Anexo N
(Informativo)
El estudio de esta norma estuvo a cargo de los organismos respectivos, integrado en la forma
siguiente:
Subcomit de Estadstica
Participantes Representan a:
Dr. Jorge H. CAPACCIOLI INVITADO ESPECIAL
Est. Mara Susana HANCEVIC CONSEJO PROFESIONAL DE CIENCIAS
ECONMICAS CMARA II SANTA FE
Ing. Horacio NAPOLITANO JENCK S.A.
Ing. Carlos PREZ FACULTAD DE INGENIERA UBA
Est. Stella Maris ROLANTE CONSEJO PROFESIONAL DE CIENCIAS
ECONMICAS ROSARIO
Dra. Dora VIGODA DE LEYT INVITADO ESPECIAL
Lic. Alba ZARETZKY CNEA
Ing. Flavio A. DURANTE IRAM
TRMITE
El estudio de este esquema ocup la atencin del Subcomit de Estadstica en la reunin del 22 de
abril de 1997 (Acta 2-1997), en las reuniones del 19 de abril, 12 de mayo, 16 de junio, 11 de agosto,
8 de septiembre, 6 de octubre y 10 de noviembre de 1998 (Actas 1, 2, 3, 4, 5, 6 y 7-1998) y en las
reuniones del 30 de mayo, 20 de abril, 4 de mayo, 1 de junio, 2 de julio, 31 de agosto, 28 de
septiembre, 26 de octubre y 30 de noviembre de 1999 (Actas 1, 2, 3, 4, 5, 6, 7, 8 y 9-1999), en la
reunin del 28 de septiembre de 1999 (Acta 7-1999) se aprob como Esquema 1 y se envi a
Discusin Pblica por 30 d.
*****************************
APROBADO SU ENVO A DISCUSIN PBLICA POR EL SUBCOMIT DE ESTADSTICA, EN LA
REUNIN DEL 28 DE SEPTIEMBRE DE 1999 (Acta 7-1999).
FIRMADO
Ing. Flavio Durante
Coordinador del Subcomit
FIRMADO
Dr. Fernando Azcoaga
Secretario del Subcomit
FIRMADO
Lic. Marta R. de Barbieri
V B Equipo A
GS.
148

Iram 35050e1

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Iram 35050e1

Загружено:

Авторское право:

Доступные форматы

ESQUEMA 1

Este estimador de la variancia y su raz

La variancia experimental de la media s

Esto conduce a la variancia:

[ ] [ ] [ ] [ ] (P) u (P) u (P) u (P) u u(t) c u( c ) u(R c u(V) c

y se estima estadsticamente mediante

C.3.3 Desviacin estndar

E.4.4 Se ha argumentado que mientras que las incertidumbres asociadas a la aplicacin de un

sin considerar la incertidumbre de la determinacin actual de la correccin b (t). La variancia media

(ver 5.1.3). La incertidumbre expandida Up = kp uc(Y) = tp(eff) uc(y)

, (ver nota 2 de 5.1.6 ) y la ecuacin (G.2b) se transforma en:

95 es como un 13 % inferior a U95, cuando u

1,960 u. En este caso, U

95 proporciona un intervalo con una

3) Incertidumbre de la diferencia de coeficientes de dilatacin, u() [H.1.3.5]. Los lmites estimados,

es la media aritmtica de las variancias experimentales de las medias

es la media aritmtica de las variancias experimentales de las medias

Вам также может понравиться