CAPTULO 3 ESTIMACIN DE LA INCERTIDUMBRE DE MEDIDA

MSc. Ing. Raziel Farid Sanabria Sand Escuela de Ingeniera Mecnica Facultad de Ingeniera Universidad de Costa Rica razielfarid@me.com

RESUMEN La expresin del resultado de una medicin slo est completa cuando contiene tanto el valor atribuido al mensurando como la incertidumbre de medida asociada a dicho valor. En las ltimas dcadas la Oficina Internacional de Pesos y Medidas (BIPM) ha realizado un serie de esfuerzos importantes para la elaboracin de la Gua para la Expresin de la Incertidumbre de Medida (GUM), sobre la cual se basa el presente documento, en el cual se expone el proceso de estimacin de incertidumbre basado en el enfoque de la GUM. Adems, en este documento se realizan recomendaciones para aquellos casos no contemplados dentro de esta gua como aquellos donde no hay un cumplimiento adecuado del Teorema del Lmite Central. 1. El mensurando y su incertidumbre De acuerdo con el documento JCGM 200:2008 Vocabulario Internacional de Metrologa Conceptos fundamentales y generales, y trminos asociados (VIM), de ahora en adelante llamado VIM 2008, una medicin se define como el: proceso que consiste en obtener experimentalmente uno o varios valores que pueden atribuirse razonablemente a una magnitud. Por lo tanto, cada vez que se realiza una medicin realmente se est realizando un experimento. Segn la VIM 2008, la magnitud que se desea medir se denomina mensurando. El mensurando es el atributo sujeto a medicin de un fenmeno, cuerpo o sustancia que puede ser distinguido cualitativamente y determinado cuantitativamente. La definicin del mensurando es vital para obtener buenos resultados de la medicin. En no pocas ocasiones se mide algo distinto al propsito original. La definicin de un mensurando puede ser tan precisa como se requiera, los siguientes son algunos ejemplos de definiciones de un mensurando Presin de vapor de una muestra de agua a 20 C. Masa convencional de una pesa de acero inoxidable con valor nominal de 1 kg. Correccin de la indicacin de un termopar. Longitud de un bloque patrn de cermica a 20 C. Volumen de un matraz a 20 C. Presin manomtrica de un cilindro de oxgeno en condiciones ambientales de 900 hPa, 20 C y 50 % de humedad relativa. ejemplo de una magnitud de influencia, es la frecuencia en la medicin directa de la amplitud constante de una corriente alterna en un ampermetro. La imperfeccin natural de la realizacin de las mediciones hace imposible conocer con certeza absoluta el valor verdadero de una magnitud. Por lo tanto, toda medicin lleva implcita una incertidumbre. De acuerdo con la VIM 2008, la incertidumbre se define como: parmetro no negativo que caracteriza la dispersin de los valores atribuidos a un mensurando, a partir de la informacin que se utiliza. La expresin del resultado de una medicin est completa slo cuando contiene tanto el valor atribuido al mensurando como la incertidumbre de medida asociada a dicho valor. La incertidumbre se compone de contribuciones de diversas fuentes, algunas de ellas descritas por las magnitudes de influencia respectivas. Algunas contribuciones son inevitables por la definicin del propio mensurando, mientras otras pueden depender del principio de medicin, del mtodo y del procedimiento seleccionados para la medicin. El principio, el mtodo y el procedimiento de medicin son determinantes en el valor de la incertidumbre de medicin. Un conocimiento insuficiente de ellos muy probablemente conducir a una estimacin equivocada o incompleta de la incertidumbre de medicin. La mayora de las mediciones son realizadas con instrumentos sujetos a la calibracin o verificacin peridica. Si se conoce que los instrumentos estn en conformidad con los errores mximos permisibles establecidos en sus especificaciones o en documentos normativos aplicados y que las diferentes fuentes de incertidumbre que intervienen en el proceso de medicin pueden ser cuantificadas o minimizadas, la incertidumbre asociada con el resultado de la medicin puede ser calculada para la totalidad de las situaciones prcticas.
1

Las magnitudes de influencia son aquellas magnitudes que, en una medicin directa, no afecta a la magnitud que realmente se est midiendo, pero si afecta la relacin entre la indicacin y el resultado de medida. Por ejemplo, la temperatura de un micrmetro utilizado para medir la longitud de una varilla es una magnitud de influencia. Otro

Captulo 3. Estimacin de la incertidumbre de medida El documento oficial que se emplea como gua para la estimacin de la incertidumbre es el JCGM 100:2008 Evaluation of measurement data Guide to the expression of uncertainty in measurements, el cual en el campo de la metrologa usualmente se conoce como GUM. La primera versin de la GUM fue publicada en 1993, la segunda en 1995 y en 2008 se public una versin mejorada con algunos cambios menores que es la vigente actualmente. 2. Proceso de estimacin de la incertidumbre de medida El proceso para la estimacin de la incertidumbre de medida descrito en la GUM se puede resumir en los siguientes pasos: 1) 2) 3) 4) 5) 6) Definicin del mensurando Funcin de medicin Identificacin de las fuentes de incertidumbre Cuantificacin y reduccin Combinacin Incertidumbre expandida Cunto ms pequea es la incertidumbre expandida, mayor es la relacin T/Up y la diseminacin de los patrones de medicin es ms precisa. Sin embargo, menores incertidumbres implican mayores costos en la medicin. Por el otro lado, incertidumbres muy altas pueden hacer que muchos de los productos sujetos al proceso de medicin se encuentren conformes a as especificaciones de exactitud pero el proceso de medicin se torne incapaz de determinarlo debido a la falta de precisin. Bajo estas consideraciones, se recomienda cumplir con la siguiente relacin: La definicin del mensurando podra llegar a ser un proceso recursivo donde no slo interviene la definicin de la magnitud que se desea medir sino tambin las tolerancias o exactitud requerida para el proceso de medicin. Para medir la calidad de la incertidumbre obtenida en un proceso de medicin se cuenta con la relacin T/Up donde T es la tolerancia o exactitud requerida para el proceso de medicin y Up es la incertidumbre expandida para una probabilidad de cobertura p.

Seguidamente se describir con detalle cada paso. 2.1 Definicin del mensurando: Sin duda el punto de partida para realizar cualquier medicin es definir el mensurando sin ambigedad y la incertidumbre requerida. As, la definicin del mensurando usualmente alude, casi siempre de manera implcita, a una estimacin de la incertidumbre que se requiere. Por ejemplo, si se manifiesta al mensurando simplemente como el dimetro de una moneda de quinientos colones, la incertidumbre requerida es mayor que cuando el mensurando se determina como el dimetro del crculo que circunscribe dicha moneda. En forma anloga si se define que el mensurando simplemente como la longitud de una barra de acero, la incertidumbre requerida para determinar este mensurando es mayor que si se define como la longitud de una barra de acero estructural a 25 C y sometida a una condicin libre de esfuerzos. Es notable el alto riesgo que se corre cuando la definicin del mensurando no es acorde con la estimacin de la incertidumbre requerida. Por otro lado, la incertidumbre calculada debe ser adecuada para el uso de los resultados de la medicin. Definiciones del mensurando ms estrictas implican menores incertidumbres pero una medicin ms laboriosa. Se debe tener claro que un buen metrlogo es aquel que adems de conocer claramente cul es la magnitud fsica que desea medir, conoce la incertidumbre que requiere. Esta incertidumbre est en funcin de la calidad el producto final de la medicin y constituye un eslabn de la cadena de trazabilidad.

3!

T ! 10 Up

(1)

En caso que la relacin sea menor a 3, el proceso de medicin debe ser mejorado, esto podra lograrse con una nueva definicin del mensurando, mejorando el mtodo de medicin o eligiendo patrones de mayor calidad. Si la relacin es mayor a 10, la medicin tcnicamente es adecuada pero es posible que se pueda encontrar un mejor balance entre costo y exactitud. 2.2 Funcin de medicin: Con el objeto de simplificar el fenmeno o situacin real de forma que conserve las caractersticas ms relevantes se debe construir un modelo para la medicin. Primero, se define el modelo fsico, el cual consiste en un conjunto de suposiciones sobre el propio mensurando y las variables fsicas y qumicas relevantes para la medicin. Estas suposiciones usualmente incluyen: a. Relaciones fenomenolgicas entre variables b. Consideraciones sobre el fenmeno como conservacin de cantidades, comportamiento temporal, comportamiento espacial, simetras, relaciones geomtricas, etc. c. Consideraciones sobre propiedades de la sustancia como homogeneidad e isotropa. Una medicin fsica, por simple que sea, tiene asociado un modelo que slo aproxima el proceso real. Por ejemplo, la medicin de viscosidad con viscosmetros capilares usa un modelo que supone un capilar de longitud infinita, de dimetro constante y que la temperatura es absolutamente uniforme y constante en todos los puntos del viscosmetro.
2

Captulo 3. Estimacin de la incertidumbre de medida Se debe definir un modelo matemtico para la medicin, el cual es una descripcin del modelo fsico utilizando lenguaje matemtico. El modelo matemtico supone aproximaciones originadas por la representacin imperfecta o limitada de las variables involucradas. Para definir el modelo matemtico se deben identificar todas las magnitudes influyentes en la medicin y relacionarlas mediante una relacin funcional que se denomina funcin de medicin donde la mejor aproximacin del mensurando y pueda ser escrita matemticamente en trminos de los mejores estimados de las magnitudes de influencia x1, x2, x3, , xN como sigue: En la figura 1 se muestra un ejemplo de un diagrama de causa efecto para la concentracin de una disolucin de cloruro de potasio en agua preparada en un matraz o baln aforado. La concentracin Cn depende de la masa del cloruro de potasio mKCL, la pureza de los reactivos, el peso molecular del cloruro de potasio PMKCl y el volumen del matraz. Las fuentes de incertidumbre tpicas en una medicin pueden provenir de: (4) Incertidumbre por de los resultados de la calibracin de los instrumentos Incertidumbre del patrn de medida o del material de referencia Falta de repetibilidad de las lecturas La reproducibilidad de las mediciones por cambio de observadores, instrumentos u otros elementos Caractersticas del propio instrumento, como resolucin, histresis, deriva, etc. Variaciones de las condiciones ambientales La definicin del propio mensurando La funcin de medicin particular Variaciones en las magnitudes de influencia Errores de apreciacin tal como el efecto de paralaje y la apreciacin finita del instrumento Imperfecciones de los sistemas de medicin, como el error de Abbe, error del coseno, huelgo entre partes deslizantes, etc.

y = f ( x1, x2 , x3,..., x N )

(2)

Algunos ejemplos de funciones de medicin son las siguientes: a. Ecuacin para calcular el volumen de un recipiente volumtrico por el mtodo gravimtrico.

" 1 %" ! % V20 = ( M ) $ 1! a ' ( 1 ! " (Tw ! 20 )* + (3) $ ' # !a ! !w & # ! B & )
b. Error de medida de un calibrador vernier.

! = L ! L + L " " p " # t + L " #T " #"

0 v 0 p 0 p

c.

Ecuacin para calcular la densidad del aire.

!a =

" Mv % + pM a ( *1 ! xv $ 1 ! ZRT ) # Ma ' &,

(5)

2.3 Identificacin de las fuentes de incertidumbre Una vez definido el mensurando y la funcin de medicin se identifican las posibles fuentes de incertidumbre. En esta etapa no es necesaria la evaluacin de las componentes individuales; la intencin es dejar establecidas claramente las diferentes fuentes que deben ser consideradas en el anlisis de incertidumbres que se realizar eventualmente. Es conveniente comenzar con el anlisis de la funcin de medicin utilizada para calcular el valor del mensurando a partir de los datos experimentales. Estos datos provienen de un procedimiento de medicin, usualmente basado en un mtodo y un principio de medicin definidos. El diagrama de causa-efecto o diagrama de Ishikawa es una forma muy conveniente de presentar las fuentes de incertidumbre, mostrando cmo se relaciona cada una e indicando su influencia en la incertidumbre del resultado. Se debe evitar duplicar las fuentes de incertidumbre.
3

Figura 1. Diagrama de Ishikawa con las fuentes de incertidumbre para una disolucin de cloruro de potasio No es recomendable desechar alguna de las fuentes de incertidumbre por la suposicin de que es poco significativa sin una cuantificacin previa de su contribucin, comparada con las dems. Es preferible la inclusin de un exceso de fuentes que ignorar algunas entre las cuales pudiera descartarse alguna importante. No obstante, siempre estarn presentes efectos que la experiencia, conocimientos y actitud crtica del metrlogo permitirn calificar como irrelevantes despus de las debidas consideraciones. Por ejemplo, en la calibracin de termmetros de lquido en vidrio aparece una pequea contribucin de la temperatura ambiental, pero se puede considerar despreciable aquella

Captulo 3. Estimacin de la incertidumbre de medida contribucin debida a la radiacin electromagntica en el ambiente. 2.4 Cuantificacin y reduccin Una vez identificadas las fuentes de incertidumbre, se comienzan a estimar la magnitud de salida en trminos de las magnitudes de entrada. Para ello se transforma la funcin de medicin dada en la ecuacin (2) compuesta por variables aleatorias en sus mejores estimadores. Cada una de las variables de entrada son medidas o tomadas de alguna referencia, por lo que deben estar acompaadas por una estimacin razonable de su incertidumbre. Se estiman valores numricos para cada una de las incertidumbres identificadas en el paso anterior. Esta informacin puede provenir de diferentes fuentes. Una vez, estimados los valores de incertidumbre se procede a la reduccin. La reduccin se refiere a la determinacin de la incertidumbre estndar para cada una de las fuentes de incertidumbres identificadas en el paso anterior. Segn el mtodo de evaluacin utilizado para estimar su valor numrico, la forma en que se evala la incertidumbre estndar del resultado de una medicin puede ser de uno de los siguientes dos tipos: evaluacin tipo A, basado en un anlisis estadstico de una serie de mediciones y evaluacin tipo B que comprende todas las dems maneras de estimar la incertidumbre. Cabe mencionar que esta clasificacin no significa que exista alguna diferencia en la naturaleza de los componentes que resultan de cada uno de los dos tipos de evaluacin, puesto que ambos tipos estn basados en distribuciones de probabilidad. La nica diferencia es que en las evaluaciones tipo A se estima esta distribucin basndose en mediciones repetidas obtenidas del mismo proceso de medicin mientras en el caso de tipo B se supone una distribucin con base en experiencia o informacin externa al metrlogo. La incertidumbre estndar tipo B se obtiene de una funcin de densidad de probabilidad asumida, basada en un grado de confianza de que el evento ocurrir (frecuentemente llamado probabilidad subjetiva). En la prctica esta clasificacin no tiene consecuencia alguna en las etapas posteriores para obtener una estimacin de la incertidumbre combinada. 2.4.1 Evaluacin Tipo A de la incertidumbre de medida La incertidumbre de una magnitud de entrada Xi obtenida a partir de observaciones repetidas bajo condiciones de repetibilidad, se estima sobre la base de la dispersin de los resultados de mediciones individuales. Slo cuando existe suficiente resolucin en el proceso de medicin, la dispersin de las observaciones podr advertirse, puesto que se obtendrn un grupo de valores diferentes al repetir la
4

medicin en condiciones prcticamente iguales, algunos de los cuales pueden o no volver a aparecer. Si Xi se determina por n mediciones independientes, resultando en valores q1, q2,..., qn, el mejor estimado de xi para el valor de Xi es la media de los resultados individuales:

xi

! =q=

i =1 i

(6)

Para datos aleatorios la dispersin de los resultados de la medicin q1, q2,..., qn, para la magnitud de entrada Xi se expresa por su desviacin estndar muestral:

s (q) =

" (q ! q)
n i =1 i

n !1

(7)

La incertidumbre estndar uA(xi) de Xi se obtiene finalmente mediante el clculo de la desviacin estndar experimental de la media. La dispersin se puede aproximar razonablemente a una distribucin normal mediante la siguiente relacin:

u A ( xi ) = s q =

()

s (q) n

(8)

Existen casos prcticos donde un efecto aleatorio puede producir una fluctuacin en la indicacin de un instrumento que puede ser significativa en trminos de incertidumbre. Esta no es una situacin comn, pero cuando ocurre se estima la incertidumbre estndar asumiendo que las observaciones se distribuyen uniformemente en los lmites del recorrido. Es decir:

u A ( xi ) =

xmax ! xmin 12

(9)

Donde xmax y xmin son las indicaciones mxima y mnima obtenidas con el instrumento de medicin. Para una medicin que se realiza por un mtodo bien caracterizado y bajo condiciones controladas, es razonable suponer que la distribucin (dispersin) de los qj no cambia, o sea se mantiene prcticamente igual para mediciones realizadas en diferentes das, por diferentes personas, etc., es decir la medicin est bajo control estadstico. En este caso esta componente de la incertidumbre puede ser ms confiablemente estimada a partir de la desviacin estndar histrica sp, que con la desviacin estndar experimental s(q) obtenida por un nmero n de mediciones, casi siempre pequeo segn la ecuacin 7. La repetibilidad y reproducibilidad de las mediciones previamente evaluadas deben basarse en un nmero relativamente grande de

Captulo 3. Estimacin de la incertidumbre de medida mediciones. Cuando sp se encuentra disponible podemos obtener la incertidumbre estndar tipo A de Xi, calculada a partir de un nmero pequeo n de mediciones como: basados en toda la informacin disponible sobre la variabilidad de xi. Estas fuentes de informacin pueden ser:

u A ( xi ) = u A q =

()

sp n

(10)

Donde n es el nmero de mediciones realizadas para evaluar xi = q y que en algunos casos suele ser igual a 1, mientras que sp se determin por un nmero distinto (grande) de mediciones. No se puede dar una recomendacin general para el nmero ideal de las repeticiones n, ya que ste depende de las condiciones y exigencias (meta para la incertidumbre) de cada medicin especfica. Hay que considerar que: Aumentar el nmero de repeticiones resulta en una reduccin de la incertidumbre tipo A, la cual es proporcional a

Certificados de calibracin Manuales del instrumento de medicin Especificaciones del instrumento Normas o literatura Valores de mediciones anteriores Conocimiento sobre las caractersticas comportamiento del sistema de medicin

el

La cuantificacin de una fuente de incertidumbre incluye la asignacin de un valor y la determinacin de la distribucin a la cual se refiere este valor. Las distribuciones que aparecen frecuentemente son: a) Distribucin normal Los resultados de una medicin repetida afectada por una o ms magnitudes de influencia que varan aleatoriamente, generalmente siguen en buena aproximacin una distribucin normal. Tambin la incertidumbre por trazabilidad indicada en certificados de calibracin se refiere generalmente a una distribucin normal. En la figura 2 se muestra un ejemplo de una distribucin normal con media en 100 C y desviacin estndar de 1,5 C.

n.

Un nmero grande de repeticiones aumenta el tiempo de medicin, que puede ser contraproducente, si las condiciones ambientales u otras magnitudes de entrada no se mantienen constantes en este tiempo. En pocos casos se recomienda o se requiere n mayor de 10. Por ejemplo cuando se caracterizan instrumentos o patrones, o se hacen mediciones o calibraciones de alta exactitud. Para determinar el impacto que tiene n en la incertidumbre expandida hay que estimar su influencia en el nmero de grados efectivos de libertad. Existen otros mtodos estadsticos para evaluar la incertidumbre estndar de tipo A que se aplican en ciertas clases de mediciones; por ejemplo, anlisis de varianza, estudios de reproducibilidad, regresin lineal (mtodo de los mnimos cuadrados), entre otros. En casos donde no haya una clara evidencia de que la distribucin de los datos sea normal se puede realizar un histograma a partir de datos experimentales y con ellos una prueba de bondad de ajuste para determinar la distribucin probabilstica que mejor se ajusta a los datos experimentales. 2.4.2 Evaluacin Tipo B de la incertidumbre de medida Una evaluacin tipo B de la incertidumbre estndar se realiza cuando no se dispone de informacin sobre la posible variabilidad de la magnitud dada para hacer un anlisis estadstico. En tal caso, la incertidumbre estndar uB(xi) se evala mediante juicios y criterios cientficos,

Figura 2. Distribucin normal con media en 100 C y desviacin estndar en 1,5 C Cuando se dispone de valores de una incertidumbre expandida U, como los presentados por ejemplo en certificados de calibracin, se divide U entre el factor de cobertura k, obtenido ya sea directamente o a partir de una probabilidad de cobertura dada:

u ( xi ) =

U k

(11)

El factor de cobertura es funcin de la probabilidad de cobertura tal como se muestra en el cuadro 1. Generalmente la incertidumbre expandida reportada en los certificados de calibracin posee factores de cobertura que van de 1,96 a 3.
5

Captulo 3. Estimacin de la incertidumbre de medida Cuadro 1. Factores de cobertura para una distribucin normal Probabilidad de cobertura (%) 68,27 80,00 90,00 95,00 95,45 98,00 99,00 99,50 99,73 100,00 b) Distribucin rectangular: En una distribucin rectangular cada valor en un intervalo dado tiene la misma probabilidad, o sea la funcin de densidad de probabilidad es constante en este intervalo. Ejemplos tpicos son la resolucin de un instrumento digital o la informacin tcnica sobre tolerancias de un instrumento, En general, cuando exclusivamente hay conocimiento de los lmites superior e inferior del intervalo de variabilidad de la magnitud de entrada, lo ms conservador es suponer una distribucin rectangular. Factor de cobertura k 1,000 1,282 1,645 1,960 2,000 2,326 2,576 2,807 3,000 ! Esta ltima relacin es conveniente cuando se trabaja con tolerancias de la forma EMT donde EMT significa error mximo tolerado ya que el valor de EMT corresponde al semiancho del recorrido a, esto es a/2 = EMT. En la figura 3 se muestra un ejemplo de una distribucin rectangular cuyos lmites inferior y superior son respectivamente h y h.

Figura 3. Distribucin rectangular con extremos en h y h Una aplicacin tpica es la resolucin de un instrumento digital. Tambin la incertidumbre relacionada con el nmero finito de cifras significativas de datos tomados de la literatura puede ser tratada con esta distribucin (siempre y cuando no haya indicios que la incertidumbre en realidad es mayor que la incertidumbre relacionada con la ltima cifra significativa). Si se aplica a la resolucin o a datos tomados de la literatura, a corresponde al ltimo dgito significativo o a la ltima cifra significativa respectivamente. A continuacin se presentan algunos ejemplos. Si la incertidumbre estndar por resolucin de un termopar de inmersin tipo K digital cuyo valor de divisin es 0,1 C est dada por:

Si la magnitud de entrada Xi tiene una distribucin rectangular con el lmite superior a+ y el lmite inferior a-, el mejor estimado para el valor de Xi est dado por:

xi =

a+ + a! 2

(12)

ures (T ) =

0,1 C = 0, 029 C 12

La incertidumbre estndar respectiva est dada por:

u ( xi ) =

a+ ! a! 12

(13)

Por otro lado, si un manmetro presenta un valor de divisin de 10 kPa y se le coloca una retcula amplificadora que permite dividir este valor de divisin en 5 partes entonces la incertidumbre por resolucin corresponde a:

Si se define a/2 como el semiancho del intervalo a dado por:

ures ( P ) =

10 kPa 12

5 = 0, 577 kPa

a = a+ ! a!

(14)

Entonces la ecuacin (15) puede ser escrita de una forma particularmente conveniente como:

Si en un proceso se especifica que la tolerancia en el error mximo permisible de los equipos de medicin de concentracin de gases es de 1%. Si el valor medido es de 900 "mol/mol entonces la incertidumbre estndar por exactitud es:

a u ( xi ) = 2 3

(15)

Captulo 3. Estimacin de la incertidumbre de medida

uEMT (C ) =

0, 01 ! 900 mol/mol = 5, 20 mol/mol 3

c) Distribucin triangular Si adems del conocimiento de los lmites superior e inferior hay evidencia de que la probabilidad es misma al la para valores en el centro del intervalo y se reduce haca los lmites, puede ser ms adecuado basar la estimacin de la incertidumbre en una distribucin triangular. En forma similar a una distribucin rectangular, para una magnitud de entrada Xi que tiene una distribucin triangular con los lmites a+ y a-, el mejor estimado para el valor de Xi est dado por:

Otro ejemplo es, si de acuerdo con los datos del los certificados de calibracin de una pesa patrn se ha observado que la pesa ha perdido 1 g en los ltimos 12 meses, la incertidumbre estimada para los prximos 12 meses considerando que la razn de prdida de masa se mantenga constante estar dada por:

uderiva ( xi ) =
d) Otras distribuciones

1g = 0, 408 g 6

Pueden encontrarse tambin distribuciones como la U, en la cual los extremos del intervalo presentan los valores con probabilidad mxima, tpicamente cuando hay comportamientos oscilatorios subyacentes. En la figura 5 se muestra un ejemplo de una distribucin U.

xi =

a+ + a! 2

(16)

La incertidumbre estndar respectiva est dada por:

a+ ! a! a 2 u ( xi ) = = 24 6
Con a definido por la ecuacin (14).

(17)

En la figura 4 se muestra un ejemplo de una distribucin triangular cuyos lmites inferior y superior son respectivamente h y h.

Figura 5. Distribucin U con extremos en a y a Tambin se encuentran distribuciones triangulares con el valor mximo en un extremo como en las asociadas a "errores de coseno". En estos casos el mejor estimador de la distribucin probabilstica o esperanza matemtica se debe evaluar a partir de la siguiente integral:

x=
Figura 4. Distribucin triangular con extremos en h y h Por ejemplo, en un bao termosttico, que se utiliza para medir la densidad de un lquido, la temperatura puede tener una ligera deriva. Si se mide la temperatura antes y despus de la medicin de densidad (resultando en T1, y T2 respectivamente), se pude suponer para el momento de la medicin de la densidad una temperatura de (T1+ T2)/2 con una distribucin triangular entre en T1, y T2 tal como sigue:

+#

"#

$ x ! f ( x ) dx

(18)

Donde f(x) es la funcin de probabilidad asociada a la incertidumbre en cuestin. Debe recordarse que el rea que se encuentra bajo la curva de una funcin de probabilidad en todo su rango es unitaria, es decir:
+"

!"

# f ( x ) dx = 1

(19)

uderiva ( xi ) =

T2 ! T1 24
7

La incertidumbre estndar respectiva se puede determinar evaluando la siguiente integral:

Captulo 3. Estimacin de la incertidumbre de medida

u ( xi ) =

+#

!#

$ ( x ! x)

" f ( x ) dx

(20)

el caso de magnitudes de entrada no correlacionadas establece que la incertidumbre estndar combinada es la suma geomtrica de cada una de las contribuciones de cada incertidumbre, esto es:

Ante todo, en esta etapa no debe perderse de vista que la subestimacin de una incertidumbre puede poner en riesgo la calidad de la medicin y por ende en ningn caso debe subestimarse. El criterio de ingeniera junto con el sentido comn son herramientas racionales para obtener una incertidumbre adecuada para el mtodo. 2.5 Combinacin En esta etapa se determina la incertidumbre combinada estndar de la medicin, la cual es el resultado de la combinacin de las contribuciones de todas las fuentes de incertidumbre. La incertidumbre estndar combinada contiene toda la informacin esencial sobre la incertidumbre del mensurando y. Debe estar claro que la incertidumbre estndar combinada ni se obtiene de la suma aritmticamente de las fuentes de incertidumbre que la conforman debido a que las incertidumbres son distribuciones probabilsticas y no magnitudes invariantes. La contribucin ui(y) de cada fuente a la incertidumbre combinada depende de la incertidumbre estndar u(xi) de la propia fuente y del impacto de la fuente sobre el mensurando. Es posible encontrar que una pequea variacin de alguna de las magnitudes de influencia tenga un impacto importante en el mensurando, y viceversa. Considerando que las magnitudes de entrada son estadsticamente independientes, la contribucin ui(y) de cada fuente de incertidumbre en la incertidumbre combinada estndar se determina por el producto de u(xi) por su respectivo coeficiente de sensibilidad ci como sigue:

ui ( y ) =

2 i =1 i

$ "y ' u ( y ) = ! i=1 & # u ( xi )) (23) % "xi (

N

Se calculan los coeficientes de sensibilidad y se combinan. Se aplica la ley de la propagacin de la incertidumbre para determinar la incertidumbre combinada estndar de la medicin 2.6 Incertidumbre expandida La forma de expresar la incertidumbre como parte de los resultados de la medicin depende de la conveniencia del usuario. Es indispensable comunicar sin ambigedades la manera en que la incertidumbre est expresada. 2.6.1 Factor de cobertura

La incertidumbre estndar combinada representa un intervalo centrado en el mejor estimado del mensurando, dicho intervalo se espera que contenga al valor verdadero con una probabilidad p. Bajo la suposicin de que los posibles valores del mensurando siguen una distribucin normal p = 68,27 %. Segn la metodologa desarrollada, la etapa final consiste de la multiplicacin de la incertidumbre estndar combinada por el factor de cobertura (k) elegido para obtener una incertidumbre expandida. La incertidumbre expandida es requerida para suministrar un intervalo en el cual podra encontrarse una fraccin grande de la distribucin de valores que podran razonablemente ser atribuidos al mensurando, es decir con una probabilidad mayor a la que se tendra si slo se trabajase con la incertidumbre combinada. La incertidumbre expandida U(y) se calcula como:

ui ( y ) = ci ! u ( xi )

(21)

Donde el coeficiente de sensibilidad para cada la i-sima magnitud de entrada xi est dado por la derivada parcial del mensurando con respecto a xi:

!y ci = !xi

U ( y ) = k ! uc ( y )

(24)

(22)

Por lo tanto, habr tantos coeficientes de sensibilidad como magnitudes de entrada. En caso que la derivada de la ecuacin (22) no se pueda o sea muy complicada de determinar analticamente pueden utilizarse cualquier mtodo numrico para su estimacin. Una vez determinados los coeficientes de sensibilidad se aplica la ley de propagacin de incertidumbres, la cual para
8

Up(y) indica entonces un intervalo que representa una fraccin p de los valores que puede probablemente tomar el mensurando. El valor de p es llamado probabilidad de cobertura y puede ser elegido a conveniencia. En la eleccin del valor de k deben ser considerados los siguientes aspectos: El nivel de confianza requerido Cualquier conocimiento de las distribuciones

Captulo 3. Estimacin de la incertidumbre de medida Cualquier conocimiento del nmero de valores utilizado para estimar efectos aleatorios. Para la mayora de los propsitos es recomendado que kp se igual a 2. Sin embargo, el valor de kp puede ser insuficiente cuando la incertidumbre combinada est basada en observaciones estadsticas con relativamente pocos grados de libertad (menor que 6). Entonces, la eleccin de kp depende del nmero de grados de libertad efectivos. 2.6.2 Grados de libertad efectivos: Para el caso de incertidumbres por trazabilidad provenientes de certificados de calibracin se puede utilizar la siguiente relacin para estimar el nmero de grados de libertad vi respectivos:

1 $ #u ( xi ) ' !1 ! " & ) 2 % u ( xi ) (

*2

(25)

Frecuentemente, los valores del mensurando siguen una distribucin normal. Esto significa que la distribucin probabilstica de la incertidumbre combinada estndar suele ser una distribucin normal, an cuando ella resulte de la combinacin o convolucin de distribuciones probabilsticas no normales. Precisamente esto lo establece el Teorema del Lmite Central. Sin embargo, este no es el caso general ya que el mejor estimado del mensurando, la media (obtenida por muestreos de n mediciones repetidas) dividida entre su desviacin estndar, sigue una distribucin t-Student, la cual es funcin del nmero de grados de libertad. El nmero v de grados de libertad asociado a una distribucin de una magnitud (Xi o Y) puede considerarse una medida de la incertidumbre de la incertidumbre de esa magnitud. Entre mayor sea v la estimacin de la incertidumbre ser ms confiable. El nmero efectivo de grados de libertad vef del mensurando considera el nmero de grados de libertad vi de cada fuente de incertidumbre. Los grados de libertad vi para contribuciones obtenidas por evaluaciones tipo A dependen directamente del nmero de datos considerados y disminuye conforme el nmero de parmetros estimados a partir de los mismos datos. Ejemplos: La media de una serie de n mediciones tiene n-1 grados de libertad; La repetibilidad de una medicin, estimada por la desviacin estndar experimental de n lecturas tiene n-1 grados de libertad; Una regresin lineal de M puntos mediante una ecuacin de m parmetros tiene M-m grados libertad. Por otro lado, la determinacin de los grados de libertad vi para contribuciones obtenidas por evaluaciones tipo B implica el criterio del metrlogo soportado por su experiencia. Es posible tomar los grados de libertad vi de contribuciones tipo B como infinitos (!), es decir, sus valores son conocidos con un nivel de certeza muy alto. Un ejemplo de este caso son las incertidumbres tomadas por resolucin, la exactitud de un equipo y la deriva, en las cuales la certeza de que el valor esperado se encuentre dentro del rango especificado es prcticamente indudable.
9

Donde u(xi) es la incertidumbre tomada a partir en el certificado de calibracin y !u(xi) es el error esperado mximo en dicha incertidumbre. El resultado siempre debe ser redondeado hacia abajo. Por ejemplo, es de esperar que si el laboratorio que brind el servicio de calibracin es competente, se haya realizado un buen esfuerzo para obtener una incertidumbre lo ms real posible. En estos casos puede considerarse que la incertidumbre reportada no tenga un error mayor al 10% del reportado. En este caso se puede estimar el nmero de grados de libertad efectivos como:

1 # 0,10 " u ( xi ) & !1 ! " % ( = 50 2 $ u ( xi ) '

Por lo tanto, el nmero de grados de libertad para esta condicin es de igual a 50. Obviamente entre mayor ser la falta de certeza de la incertidumbre y menor ser el nmero de grados de libertad. El nmero efectivo de grados de libertad vef es un parmetro que caracteriza la normalidad de la incertidumbre combinada estndar y se obtiene a partir de las contribuciones de cada una de las N contribuciones a la incertidumbre ui4(y) que la componen. Para determinarlo se utiliza la ecuacin de Welch-Satterthwaite:

)2

! ef =

! i=1 ui4 ( y)
N

uc4 ( y )

(26)

El nmero de grados de libertad efectivos obtenidos a partir de la ecuacin anterior debe ser redondeado al entero inferior.

2.6.3 Caso especial: Predominio de una incertidumbre con nmero de grados de libertad bajo Cuando la incertidumbre estndar combinada est dominada por una simple contribucin con pocos grados de libertad (menor que 6), es recomendado que k sea igual al valor de t de la distribucin t-Student para el nmero de grados de libertad asociados con la distribucin, y para el

Captulo 3. Estimacin de la incertidumbre de medida nivel de confianza requerido (normalmente el 95,45 %). En este caso la ecuacin (26) puede ser transformada en: 2.6.4 Caso especial: Predominio una componente rectangular tipo B: Si en el anlisis de la medicin puede identificarse una de las componentes de la incertidumbre como un trmino dominante y su funcin de distribucin es rectangular, por ejemplo el trmino u1(y), y la incertidumbre estndar combinada uc(y) asociada con el resultado de la medicin y puede escribirse como:
2 uc ( y ) = u12 ( y ) + uR ( y)

U ( y ) = k ! uc ( y ) = t95,45%;!ef ! uc ( y )

(27)

Los valores de tp; vef para el caso particular p = 95,45% se muestran en la cuadro 2. Frecuentemente, cuando vef es suficientemente grande, no se encuentra diferencia significativa en los resultados numricos obtenidos con la ecuacin (27) y la tabla 3 para un p dado con respecto a aquellos obtenidos con la ecuacin (24) tomando k de la distribucin normal para el mismo p de la tabla 2. Una buena prctica es realizar el clculo riguroso con la ecuacin (27) y entonces decidir sobre la conveniencia de utilizar simplemente la ecuacin (24). Es una prctica internacional expresar los resultados de las mediciones con una probabilidad de cobertura no menor al 95 %. Cuadro 2. Distribucin t-student para una probabilidad de cobertura del 95,45% Grados de libertad vef 1 2 3 4 5 6 7 8 9 10 12 14 16 18 20 25 30 35 40 45 50 60 80 100 ! t95,45%; vef 13,968 4,527 3,307 2,869 2,649 2,517 2,429 2,366 2,320 2,284 2,231 2,195 2,169 2,149 2,133 2,105 2,087 2,074 2,064 2,057 2,051 2,043 2,032 2,025 2,000

(28)

Donde:

uR ( y ) =

N 2 i=2 i

u ( y)

(29)

denota la contribucin total a la incertidumbre de los trminos no dominantes. Si se cumple la relacin:

uR ( y ) ! 0, 3 uc ( y )

(30)

El factor de cobertura k est dado por la siguiente relacin:

k = p! 3

(31)

Donde p es la probabilidad de cobertura expresada como una fraccin unitaria, es decir para una probabilidad de cobertura 95,45 %, p = 0,9545 y el factor de cobertura corresponde a k = 1,65. Es importante recordar que en este caso, a pesar de que el nmero de grados de libertad probablemente es muy alto, ya que predomina una incertidumbre tipo B rectangular, no es correcto considerar k = 2. 2.6.4 Caso especial: Predominio de dos componentes rectangulares tipo B: Si en la medicin pueden identificarse como trminos dominantes dos componentes de incertidumbre evaluadas como tipo B, u1(y) y u2(y) con funciones de distribucin rectangular, las cuales se combinan en un trmino dominante u0(y), la incertidumbre estndar uc(y) asociada con el resultado de la medicin y puede escribirse en este caso como:
2 2 uc ( y ) = u0 ( y) + uR ( y)

(32)

Donde:
2 u0 ( y ) = u12 ( y ) + u2 ( y)

(33)

10

Captulo 3. Estimacin de la incertidumbre de medida denota la contribucin combinada de los dos trminos dominantes y Los grficos de pesos de incertidumbre y los Parettos son una herramienta til para observar el predominio de las fuentes de incertidumbre y de esta forma considerar la opcin de despreciar aquellas componentes que no sean relevantes.

uR ( y ) =

N 2 i =3 i

u ( y)

(34)

la componente a la incertidumbre total de los trminos no dominantes restantes. Si las dos componentes dominantes tienen distribuciones rectangulares de valores con semi-intervalos a1 y a2, la distribucin resultante de su convolucin es una distribucin trapezoidal simtrica con semi-intervalos a y b dados por:

a = a1 + a2

(35) (36)

b = a1 ! a2

de la base y la cima respectivamente, con el parmetro del borde

!=

b a1 ! a2 = a a1 + a2

(37)

En este caso el factor de cobertura para una probabilidad de cobertura p se calcula por las siguientes expresiones:

k=

1 1+ ! 6
2

p (1 + ! ) p cuando ! > 2! p 2

(38)

k= !# %1 " 1+ !2 $ 6

cuando ! (1 " p) 1 " ! & ( '

p (39) 2" p

Una vez obtenida la incertidumbre expandida, es importante determinar cules de las fuentes de incertidumbre pueden considerarse despreciables. Esto es importante para determinar sobre cules fuentes de incertidumbre se debe centrar la atencin. Como criterio de decisin debe considerarse que la incertidumbre expandida nunca ser reportada con ms de dos cifras significativas lo que conlleva a un error por redondeo que puede ir desde el 1 % cuando la primera cifra significativa empieza en 9 hasta un 5 % cuando la primer cifra significativa empieza en 1. Por lo tanto, una prctica comn es despreciar aquellas fuentes de incertidumbre cuyo aporte a la incertidumbre reportada no la vea afectada en reducciones mayores al 5 %. De esta manera es posible garantizar una probabilidad de cobertura suficiente en las mediciones realizadas. Adems, debe asegurarse que el nmero de cifras significativas del valor del mensurando sea consistente con el de la incertidumbre.
11